OPTIMIZACIÓN

Y SIMULACIÓN
2022-1
 UNIDAD I: MODELOS DE
OPTIMIZACIÓN
• SEMANA N° 1. TEMA1

• Presentación del sílabo del curso.

• Introducción a la Optimización.
• Introducción a Programación Lineal.
• Construcción de los modelos Programación Lineal

Equipo Docente
 Interés

¿Qué es
Optimización?

¿Qué es
Programación
Lineal?
AGENDA

1. Optimizar
2. Investigación de Operaciones
3. Etapas del modelamiento matemático
4. Programación Lineal - PL
5. Estructura de Problema de PL
6. Evaluación / actividad aplicativa
 LOGRO DE LA SESIÓN

• Al término de la sesión de aprendizaje, el estudiante formula

modelos de optimización de casos reales utilizando las técnicas
de programación lineal de forma clara y ordenada a fin de
prepararse para aplicarlos en los procesos que requieran las
empresas.
 DESCUBRIMIENTO
OPTIMIZAR
Método para determinar los valores de las variables que
intervienen en un proceso o sistema para que el resultado sea
el mejor posible.
Consiste en maximizar o minimizar una función real.
 DESCUBRIMIENTO
INVESTIGACIÓN DE OPERACIONES

• Herramienta de optimización de un
sistema.
• Planteamiento científico en la toma de
decisiones que busca determinar cómo
diseñar y operar mejor una organización
bajo condiciones que requieren la
asignación de escasos recursos.
• Procedimiento científico para tomar
decisiones.
 DESCUBRIMIENTO
ÁREAS DE APLICACIÓN

• Optimización de la producción
• Telecomunicaciones.
• Programas de Salud.
• Planeación Estratégica.
• Sistema de transporte
• Análisis de Estados Financieros.
• Otros.
 DESCUBRIMIENTO
ETAPAS DEL MODELAMIENTO MATEMÁTICO
El proceso de IO comprende las siguientes fases:

Formulación del
Definición del problema y Solución del
recolección de modelo modelo
información
matemático

Implementación Validación del

de resultados modelo
 DESCUBRIMIENTO
PROGRAMACIÓN LINEAL

• Es una técnica de optimización que consiste en la maximización o minimización de una

función lineal llamada función objetivo, sujeta a restricciones también lineales.
• Un modelo de programación lineal (MPL) representa un problema del decisor mediante
dos tipos de modelos:

Maximizar utilidades (ganancias) Minimizar costos (pérdidas).

 DESCUBRIMIENTO
ESTRUCTURA DE PROBLEMA DE PL
DEFINICIÓN DE VARIABLES

FUNCIÓN OBJETIVO

RESTRICCIONES
 DESCUBRIMIENTO
DEFINICIÓN DE VARIABLES
Las variables de decisión están asociadas con X1, X2, X3,…,Xn que tiene significado y
cuyo valor es la solución al MPL representado.
Por ejemplo:
 Cantidad de productos a ser producidos.
 Cantidad de productos que se deben vender.
 DESCUBRIMIENTO
DEFINICIÓN DE LA FUNCIÓN OBJETIVO

 Maximizar utilidades
Max Z=C1X1+C2X2+…+CnXn
Donde:
C1, C2,…,Cn son utilidades asociados a cada variable

 Minimizar Costos
Min Z=C1X1+C2X2+…+CnXn
Donde:
C1, C2,…,Cn son costos asociados a cada variable
 DESCUBRIMIENTO
RESTRICCIONES

Están asociadas a limitaciones de:

 Tiempo
 Materias Primas
 Inversión
 Ventas
 Dinero,
 Personal, entre otros
 DESCUBRIMIENTO
MODELO DE PL - MAXIMIZAR

Max z=C1X1+C2X2+…+CnXn
C1,C2,..,Cn
s.a. son las
Utilidades

a11X1+a12X2+…+a1nXnb1
Donde b1,…,bm
a21X1+a22X2+…+a2nXnb2 son las
Los a1, a2,…,am limitaciones del
son los
coeficientes
… problema

am1X1+am2X2+…+amnXnbm
X1,X2,..,Xn
son las
X1,X2,…,Xn≥0 variables de
decisión
 DESCUBRIMIENTO
MODELO DE PL - MINIMIZAR
Min z = C1X1+C2X2+…+CnXn
C1,C2,..,Cn
s.a son las
Costos
a11X1+a12X2+…+a1nXn≥b1
a21X1+a22X2+…+a2nXn≥b2 Donde b1,…,bm
Los a , a ,…,a
…
1 2 m
son las
son los
coeficientes
limitaciones del
am1X1+am2X2+…+amnXn≥bm problema

X1,X2,…,Xn≥0 X1,X2,..,Xn
son las
variables de
decisión
 EXPERIENCIA

CASUÍSTICA:

Una empresa fabrica 2 productos X y Y. La cantidad de unidades de

ventas de X es por lo menos 80% de las ventas totales de X y Y. Sin
embargo, la empresa no puede vender más de 100 unidades de X por
día. Ambos productos utilizan materia prima, cuya disponibilidad diaria
máxima es de 240 kg. Además para fabricar una unidad de X se necesita
2 kg y de Y 4 kg. Las utilidades de X es s/. 20 y de Y es
s/. 50. Ud. Que recomienda producir de cada producto para que las
utilidades sean máximas.
 EXPERIENCIA

MODELO DE PL:
Variables:
X1: Cantidad a producir del producto X
X2: Cantidad a producir del producto Y

Función objetivo:
MAX Z=20X1+50X2

Restricciones:
s.a. X1>=80%(X1+X2)
X1<=100
2X1+4X2<=240
 APRENDIZAJE EVIDENCIADO
PROPUESTO
Una señorita que labora en un call center tiene a su cargo dos productos X y Y. Desea establecer
un programa de llamadas para los meses siguientes. Ella espera ser capaz de vender a lo más 20
unidades del producto X y a lo más 78 unidades del producto Y.
Ella debe vender al menos 48 unidades del producto Y, para satisfacer su cuota mínima de
ventas, ella recibe una comisión del 10% sobre la venta total que realiza. Pero ella debe pagar sus
propios costos (que son estimados en 30 soles por hora en hacer llamadas) de su comisión. Ella
esta dispuesto a emplear no más de 160 horas por mes en llamar a sus clientes. Los siguientes
datos están disponibles en la siguiente tabla:
PRODUCTO PRECIO TIEMPO PROBABILIDAD DE
VENTA EMPLEADO UNA VENTA EN
Soles/Unidad Hora/llamada LLAMADA
X 3 000 3 50%
Y 1 400 1 60%
Formular el problema de manera tal que maximice la cantidad de ganancia que espera la señorita
 UNIDAD I: MODELOS DE
OPTIMIZACIÓN
• SEMANA N° 1. TEMA 2

• Programación Lineal.
• Método Simplex.
• PL - Maximización

Equipo Docente
 Interés

¿Qué es el
método
simplex?

¿Qué se
maximiza y qué
se minimiza?
AGENDA

1. Método Simplex
2. Pasos para resolver por método Simplex
3. Casuísticas de maximización
4. Evaluación / actividad aplicativa
 LOGRO DE LA SESIÓN

• Al término de la sesión de aprendizaje, el estudiante formula

y resuelve problemas de programación lineal de
maximización de casos reales utilizando LINGO para
obtener el resultado de forma clara y ordenada a fin de
prepararse para aplicarlos en los procesos que requieran las
empresas.
 DESCUBRIMIENTO
MÉTODO SIMPLEX
Es un algoritmo que permite la resolución de modelos de Programación
Lineal (PL)
Publicado en 1947 por el matemático norteamericano George Dantzing
 DESCUBRIMIENTO
MÉTODO SIMPLEX
 DESCUBRIMIENTO
MÉTODO SIMPLEX
Forma canónica
MAX Z=3X+2Y
S.A. 2X + Y <=18
2X + 3Y <=42
3X + Y <=24
X , Y >=0

Forma estándar
Z-3X-2Y=0
2X+Y+S1=18
2X+3Y+S2=42
 DESCUBRIMIENTO
MÉTODO SIMPLEX
 DESCUBRIMIENTO
MÉTODO SIMPLEX
 EXPERIENCIA

CASUÍSTICA:
Forma canónica
MAX. Z=20X1+50X2
X1>=0,8(X1+X2)
X1<=100
2X1+4X2<=240

Forma estándar
Z - 20X1 - 50X2 = 0
-0,2X1 + 0,8X2 + S1=0
X1 + S2=100
2X1 + 4X2 +S3=240
 EXPERIENCIA

CASUÍSTICA:
Forma canónica
MAX Z=3X+2Y
S.A. 2X + Y <=19
2X + 3Y <=42
3X + Y <=24
X , Y >=0

Forma estándar
Z-3X-2Y=0
2X+Y+S1=19
2X+3Y+S2=42
3X+Y+S3=24
 EXPERIENCIA

CASUÍSTICA:
Forma canónica
MAX. Z=50X1+80X2
X1+2X2<=120
X1+X2<90

Forma estándar
Z - 50X1 - 80X2 = 0
X1 + 2X2 + S1=120
X1 + X2 + S2=90
 APRENDIZAJE EVIDENCIADO
PROPUESTO
Una firma distribuidora de computadoras tiene su propio centro de mantenimiento para
clientes que obtuvieron con esta firma su equipo y también para clientes externos. Se
requiere tener disponibilidad de cada componente y un beneficio por cada PC (este
beneficio se determina por cada diagnóstico realizado variando según el cliente: interno
o externo) y derivando al área de reparación.

Se desea hallar la cantidad de diagnósticos realizados , con el fin de maximizar los

beneficios. Si el diagnóstico inició pero no fue finalizado o no pasó la PC a reparación el
beneficio no es considerado.
 APRENDIZAJE EVIDENCIADO
PROPUESTO
COMPONENTE Cliente Cliente DISPONIBLE
Interno Externo (Unidades)

A 1 3 15 000
B 2 1 10 000
C 2 2 12 000
D 1 1 10 000
BENEFICIOS 15 32
S/. Unidad.
Referencias
PREGUNTAS
FIN DE SESIÓN 1