Herramientas para la toma de

Decisiones Gerenciales

Escuela Profesional de Administración de

Empresas

Luis Zapatel Arriaga

www.usat.edu.pe
MBA-Mg. Lic. Estadística
www.usat.edu.pe
 Semana 5:
Formulación de
Modelos de P.L.

MBA. Luis Zapatel Arriaga.

lzapatel@usat.edu.pe

www.usat.edu.pe
www.usat.edu.pe
 Valor esperado
Clases de modelos de decisión Árbol de decisión
Perfil de riesgo
Sensibilidad

Decisiones bajo Decisiones bajo incertidumbre Decisiones bajo

certidumbre (Sólo bajo consecuencias riesgo
económicas)
Convicción del E. N.
No se conocen las Probabilidades de
Selección de la mejor
probabilidades ocurrencia de c / E. N.
decisión no es tan fácil.
son estimables.
(Solver).Prog.Lin., CEP

Criterio de Laplace Criterio Maximin Criterio Maximax Criterio Minimax

Todos los estados Evalúa cada decisión Evalúa cada Minimiza el
de la naturaleza son según la peor decisión por el arrepentimiento
igualmente circunstancia o rendimiento máximo = costo
probables rendimiento mínimoosible. máximo posible de oportunidad.
Minimin/Laplace/Hurwicz/Savage
Si conociéramos la distrib. de probabilidades de los estados de la naturaleza
podríamos medir el riesgo dentro del proceso de decisión ¡¡¡¡
www.usat.edu.pe
 INVESTIGACION DE
OPERACIONES (I.O.)
“Pocas situaciones en la vida no son susceptibles
de ser descritas en términos de optimización”

www.usat.edu.pe
Programación Lineal (P.L.)

APLICACIONES:
Agricultura, industria, transporte, economía,
salud, ciencias sociales, de la conducta, y
áreas militares; permitiendo importantes
beneficios y ahorros asociados a su
utilización.

www.usat.edu.pe
 Preguntas Iniciales

¿Qué es PL?
¿Qué es un modelo?
¿Qué es optimización?
¿Qué es una restricción?
¿Qué es una variable de decisión?

www.usat.edu.pe
 DEFINICIONES BASICAS

¿PROBLEMA? Diferencia entre el estado ACTUAL y el IDEAL

¿RESTRICCIÓN? Limitante
¿VARIABLE? Característica decidida por el Analista
¿EFICAZ? Alcanza el objetivo.
¿EFICIENTE? Alcanza el objetivo con el menor empleo de
recursos (personal, materiales, tiempo, dinero, etc..)
¿ÓPTIMO ? Lo mejor posible dadas las restricciones del
sistema.
www.usat.edu.pe
 ¿Qué es la Programación Lineal?
Modelo de la Investigación de operaciones, cuyo
procedimiento o algoritmo matemático resuelve un
problema indeterminado, formulado a través de
ecuaciones lineales.

Consiste en optimizar (minimizar o maximizar) una

función lineal, que denominaremos función objetivo, de
tal forma que las variables de dicha función estén
sujetas a una serie de restricciones que expresamos
mediante un sistema de inecuaciones lineales.

www.usat.edu.pe
 Propiedades
La linealidad implica que la PL debe satisfacer 2 propiedades:
1. La proporcionalidad: la contribución de cada variable en
la función objetivo y en las restricciones, debe ser
directamente proporcional al valor de la variable.
2. La aditividad: la contribución total de todas las variables
en la función objetivo y sus requerimientos en las
restricciones, sean la suma directa de las contribuciones o
requerimientos individuales de cada variable.
Certeza
Linealidad
Divisibilidad
No negatividad
www.usat.edu.pe
 Formulación del Modelo matemático de
Programación Lineal (Pasos)

1. Definición de las variables de decisión que se trata de

determinar.
2. Establecer la función objetivo (la meta) que se trata de
optimizar.
3. Construir las restricciones del modelo que se deben
satisfacer.
4. El rango de las variables.
5. Análisis de Sensibilidad
www.usat.edu.pe
 Esquema de un modelo

MEDIDA
VARIABLES DE DE
DECISIÓN DESEMPEÑO
(FUNCIÓN
MODELO OBJETIVO)
RESTRICCIONES CONJUNTO DE
RELACIONES Y
VARIABLES
VARIABLES EXÓGENAS INTERMEDIAS
(PARÁMETROS) VARIABLES
DE
CONSECUENCIA

www.usat.edu.pe
 Identificación de las partes de un
modelo de P.L.

Como DECISOR,

• ¿Controlo verdaderamente el valor que

toma una característica?, en este caso la
característica es una variable de decisión

• ¿El valor de la característica está

determinado por las fuerzas externas a mi
control? En este caso la característica es
un parámetro.

www.usat.edu.pe
 EJEMPLO DE RACIOCINIO

• ¿Controlo verdaderamente el precio de mi producto?, en

este caso el precio es una variable de decisión
• ¿El precio de mi producto está determinado por las
fuerzas competitivas del mercado? En este caso el precio
es un parámetro.
• La cantidad del producto que habrá que venderse es una
variable de decisión y por lo tanto es una entrada
controlable del modelo.
• La cantidad a vender del producto es una salida del
modelo (variable de consecuencia), una vez que se ha
determinado el precio

www.usat.edu.pe
 Caso Pastelería El Padrino

Una pastelería produce dos productos, Galletas y Bizcochos.

Las galletas requiere de 2 onzas de azúcar y una onza de harina.
Los bizcochos requieren dos onzas de harina y una de azúcar. Se
gana 10 centavos por cada galleta y 8 centavos por cada
bizcocho. Se disponen de 50 onzas de harina y 70 onzas de
azúcar. ¿Qué y cuanto producir?
Modelo
G: N° de galletas a Max Z = G + B
B: N°producir
de bizcochos a Sujeto a
producir Azúcar: G + B <= 70
Harina: G + B <= 50
G, B >= 0

www.usat.edu.pe
Una pastelería produce dos productos, Galletas y Bizcochos.
Las galletas requiere de 2 onzas de azúcar y una onza de harina.
Los bizcochos requieren dos onzas de harina y una de azúcar. Se
gana 10 centavos por cada galleta y 8 centavos por cada
bizcocho. Se disponen de 50 onzas de harina y 70 onzas de
azúcar. ¿Qué y cuanto producir?

www.usat.edu.pe
 Caso Pastelería El Padrino

Una pastelería produce dos productos, Galletas y Bizcochos.

Las galletas requiere de 2 onzas de azúcar y una onza de harina.
Los bizcochos requieren dos onzas de harina y una de azúcar. Se
gana 10 centavos por cada galleta y 8 centavos por cada
bizcocho. Se disponen de 50 onzas de harina y 70 onzas de
azúcar. ¿Qué y cuanto producir?

Modelo Max Z = 10G + 8B

Sujeto a
G: Número de galletas a producir
B: Número de bizcochos a Azúcar: 2G + B <= 70
producir Harina: G +2B <= 50
G, B >= 0

www.usat.edu.pe
 Modelo de PL con 2 variables
La Cía. produce pinturas para interiores y exteriores, M1 y M2.
La tabla siguiente proporciona los datos básicos del problema.
Tn de materia prima
Disponibilidad
Pinturas Pinturas diaria máxima (Tn)
exteriores interiores

Materia prima, M1 6 4 24
Materia prima, M2 1 2 6
Utilidad por Tn (miles de $) 5 4

Una encuesta de mercado indica que la demanda diaria de pintura

para interiores no puede ser mayor que 1 tonelada más que de la
pintura para exteriores. También, que la demanda máxima diaria de
pintura para interiores es de 2 toneladas.
La Cía. desea determinar la mezcla óptima de productos para
exteriores y para interiores que maximice la utilidad diaria total.

www.usat.edu.pe
www.usat.edu.pe
 Variables

La definición correcta de las variables de decisión es un

primer paso esencial en el desarrollo del modelo. Una vez
hecha, la tarea de construir la función objetivo y las
restricciones se hace en forma más directa.

Para el problema de Vencedor, se necesita determinar las

cantidades a producir de pinturas para exteriores e interiores.
Así, las variables del modelo se definen como sigue:

X1 = Tn producidas diariamente, de pinturas para exteriores.

X2 = Tn producidas diariamente, de pinturas para interiores.

www.usat.edu.pe
 Función Objetivo

La empresa desea aumentar sus utilidades todo lo

posible. Si Z representa la utilidad diaria total (en miles de
dólares), el objetivo de la empresa se expresa así:

Maximizar Z  5 X 1  4 X 2

www.usat.edu.pe
 Restricciones

Se definen las restricciones que limitan el uso de las

materias primas y la demanda. Las restricciones en
materias primas se expresan verbalmente como sigue:

Según los datos del problema:

Uso de la materia prima M1, por día: 6X1 + 4X2 Tn.

Uso de la materia prima M2, por día: 1X1 + 2X2 Tn.

www.usat.edu.pe
Al disponer 24 y 6 Tn de las materias 6X1 + 4X2 < 24 (Materia prima M1)
primas M1 Y M2 las restricciones X + 2X < 6
1 2 (Materia prima M2)
correspondientes son:

La 1ra restricción de la demanda indica que la diferencia entre la

producción diaria de pinturas para interiores y exteriores X2 – X1, no
debe ser mayor que 1 Tn, y eso se traduce en X2 – X1 < 1

La 2da restricción de la demanda estipula que la demanda máxima

diaria de pintura de interiores se limita a 2 Tn, así que X2 < 2

Restricción implícita: las variables X1 y X2 no pueden asumir valores

negativos, (de no negatividad):
X1 > 0, X2 > 0, expresan ese requisito.

www.usat.edu.pe
 Max Z  5 X 1  4 X 2
s.a. :
El modelo completo del 6 X 1  4 X 2  24
ejemplo es: X 1  2X 2  6
 X1 X 2 1
X22
X 1, X 2  0
* Cualquier valor de X1 y X2 que satisfaga todas las
restricciones del modelo es una solución factible.

* La solución óptima, es la que produzca la utilidad total

máxima y al mismo tiempo satisfaga todas las restricciones.

www.usat.edu.pe
 Casos

 Plan de producción
 Asignación de Personal.
 Mezcla de ingredientes
 Transporte
 Otros

www.usat.edu.pe
 Plan de producción

Variables de decisión
Cuánto de cada producto se debe producir.

Objetivo
Determinar la cantidad de productos que resulte en la
mayor cantidad ó los menores costos para el período
especificado.

Restricciones
Cantidad de productos demandada
Máxima cantidad de productos disponible.

www.usat.edu.pe
 Asignación de Personal
Variables de decisión
Cuánto trabajadores deben contratarse por turno.

Objetivo
Satisfacer las necesidades de personal con el menor
número de empleados.

Restricciones
Número de horas consecutivas de trabajo posible de un
trabajador
Requerimientos por turnos

www.usat.edu.pe
 Mezcla de ingredientes
Variables de decisión
Cuánto de cada ingrediente usar

Objetivo
Determinar la mezcla de ingredientes en productos que
resulte en los costos operativos mínimos para el
período especificado.

Restricciones
Cantidad de productos demandada
Relación entre ingredientes y productos
Máxima cantidad de productos e ingredientes disponible

www.usat.edu.pe
 Transporte
Variables de Decisión
Cuánto de cada producto embarcar de cada origen
hacia cada destino.

• Objetivo
– Transportar algo desde los orígenes hacia los destinos
logrando los costos mínimos.

Restricciones
Demanda de productos en los puntos de destino
Oferta de productos en los puntos de origen

www.usat.edu.pe
 Aplicaciones típicas
Un fabricante desea elaborar un programa de producción y una política de inventario que
satisfagan la demanda de ventas en períodos futuros.
El programa y la política permitirán a la compañía satisfacer la demanda y al mismo tiempo
minimizar la producción total y los costos de inventario

Un analista financiero debe seleccionar un portafolio de inversión elegido de entre varias

alternativas de acciones y bonos.
El analista desearía establecer el portafolio que maximice el retorno de la inversión.

Un gerente de mercadotecnia desea determinar como asignar mejor un presupuesto de

publicidad fijo entre medios alternativos como radio, televisión, periódicos y revistas.
El gerente desearía determinar la mezcla de medios que maximice la efectividad de la
publicidad.

Una empresa tiene almacenes en diversas ubicaciones. Dadas las demandas

especificas de los clientes.
A la compañía le gustaría determinar cuánto debería embarcar de cada almacén a
cada cliente, de modo que se minimicen los costos de transporte totales.

www.usat.edu.pe
 Modelos de Programación lineal

Transformaciones

• Forma Genérica.
• Forma Canónica.
• Forma Estándar.

www.usat.edu.pe
 Formas de presentación de los modelos lineales.

Forma Estándar (Estandarizada)

Forma Genérica Forma Canónica (Teóricos)
(Solución)
Opt Z = CX Opt Z = CX
Max Z = CX
s.a. s.a.
s.a.
AX < b AX = b
AX < b
> X > 0 b>0
X > 0
X < 0
 
>  

 La función objetivo debe estar

expresada como una función de
 La función objetivo puede ser de Max o Min.
maximización.
 Las restricciones deben ser todas igualdades.
 Las restricciones deben ser todas
   Los valores del vector b deben ser positivos o ceros
del tipo (<).
(b > 0)
 Las variables de decisión deben
 Las variables de decisión deben ser todas ( > 0) 
ser todas ( > 0)
 

Si la F.O. es Max Z es equivalente a Min -Z Si la F.O. es Min Z es equivalente a Max -Z

Max Z = CX es equivalente a Min –Z = -CX Min Z = CX es equivalente a Max -Z = -CX

www.usat.edu.pe
 Solución en equipos
Práctica Grupal Dirigida Calificada
5 (manual)

www.usat.edu.pe
 Luis Zapatel Arriaga
Email: lzapatel@usat.edu.pe

http://www.facebook.com/usat.peru

https://twitter.com/usatenlinea

https://www.youtube.com/user/tvusat

https://plus.google.com/+usateduperu

www.usat.edu.pe