Investigación de Operaciones II

(SIS-386; IND-226)
Ing. Viktoria Belianskaya

1. PROGRAMACIÓN LINEAL ENTERA

2. TÉCNICAS PERT/CPM DE REVISIÓN
Y EVALUACIÓN DE PROYECTOS
3. MODELOS DE COLAS
4. MODELOS DE INVENTARIOS
5. ANÁLISIS DE DECISIÓN
Bibliografía
 Wayne L.Winston. Investigación de Operaciones. Aplicaciones y
Algoritmos. Thomson. Cuarta edición, 2005.
 Hamdy A. Taha. Investigación de operaciones. Una introducción.
Prentice Hall, 1995, Quinta Edición.
 Hamdy A. Taha. Investigación de operaciones. Una introducción.
Prentice Hall, 1997, Sexta Edición.
 Hiller Frederick S., Lieberman Gerald J. Investigación de operaciones.
McGRAW-HILL, Séptima Edición, 2002, México.
 Mathur K., Solow D. Investigación de Operaciones. El Arte de la Toma de
Decisiones, Prentice Hall, México,1996.
 Eppen G.D., Gould F.J., Schmidt C.P., Moore Jeffrey H., Weatherford
Larry R. Investigación de operaciones en la ciencia administrativa, 5-a
Edición, Pearson – Prentice hall, México, 2000.
 Render Barry, Heizer Jay, Principios de Administración de Operaciones,
Prentice Hall, 1995.
 Prawda Juan. Métodos y modelos de Investigación de Operaciones. Vol
I. Modelos determinísticos, Limusa, México, 1999.
 Prawda Juan. Métodos y modelos de Investigación de Operaciones. Vol
II. Modelos estocásticos, Limusa, México, 1999
Bibliografía (complementaria)

 Moskowitz H., Wright Gordon P. Investigación de operaciones. Prentice

Hall, 1982, Primera Edición.
 Namakforoosh. Investigación de operaciones. Interpretación de modelos
y casos. Limusa, 1994, Tercera Edición.
 Raffo Lecca E. Investigación de Operaciones. Vol1. Solucionario de
H.Taha. Raffo-Lecca Editores, Perú, 1997.
 Raffo Lecca E. Investigación de Operaciones. Vol2. Raffo-Lecca
Editores, Perú, 1997.
 Raffo Lecca E. Toma de decisiones por medio de Investigación de
Operaciones (Problemas), Raffo-Lecca Editores, Perú.
 Gould F.J., Eppen G.D., Schmidt C.P. Investigación de operaciones en la
ciencia administrativa. Prentice Hall, 1992, Tercera Edición.
Evaluación (B)
 Trabajos Prácticos - 25%
 Pruebas Parciales (2) - 35%
 Exámen – 30%
 Participación clase (hasta Parcial) – 5%
 Examen Final - 40%
 TOTAL - 100%
 Investigación de Operaciones II
(SIS-386; IND-226)
Ing. Viktoria Belianskaya

Programación Lineal
Entera (PLE).
 Programación Lineal Entera (PLE).
Objetivo: Aprender a Utilizar patrones de construcción de modelos de PLE
con el uso de las variables binarias para formalización de las
condiciones de los problemas específicos; Solucionar problemas de
PLE con el uso de los métodos de ramificación y acotamiento y de
plano cortante y Utilizar el Software específico para solucionar los
problemas de PLE con la Interpretación de la solución obtenida.

Contenido:
 Forma del modelo PLE.
 Uso de las variables binarias para planteamiento de modelos.
 Ejemplos de formalización de diferentes contextos con el uso de las
variables binarias.
 Algoritmo de ramificación y acotamiento.
 Algoritmo de Plano cortante.
 Solución con el Software específico de los problemas PLE.
Modelos PLE
En muchos problemas reales las variables de decisión solo
tienen un sentido si su valor es entero.

No se No se
asigna ½ de puede
persona para vender ½
realizar un de tractor
trabajo producido

No se utiliza ¾ de
un transporte
para transportar
Suposiciones de PL

 Modelo de PL debe cumplir con las

condiciones de :
 Proporcionalidad
 Aditividad
 Certidumbre
 Divisibilidad
Modelo general de PLE

n
1. Función Objetivo: Z   c j ·X j  Max( Min)
j 1

2. Restricciones:

n
aij X
 
 
j  bi , i  1..m + X , X ,..., X
1 2 n  enteros
j 1  
 

3. Variables: X 1 , X 2 ,..., X n  0
.
Condiciones
de enteridad

Modelo PLE = Modelo PL + para las

variables
Ejemplo (requerimiento de personal)
 El famoso restaurante E.S. Mann está abierto las 24 horas del día. Los
meseros y ayudantes se reportan para trabajar al inicio de los seis
periodos indicados en la tabla, cada uno trabaja un turno de 8 horas. La
siguiente tabla muestra el mínimo número de trabajadores necesarios
durante los seis períodos en que está dividido el día. El problema de
programación de Mann es la determinación de cuántos meseros y
ayudantes deben reportarse al trabajo al principio de cada período de
tiempo, con el fin de minimizar el total de empleados requeridos para un
día de operación: (pista: Xi es igual al número de meseros y ayudantes
que inician su trabajo en el período i, donde i=1,2,3,4,5,6).
Perío Número requerido de meseros y
do Hora ayudantes
1 3 am - 7am 3
2 7 am - 11am 12
3 11am - 3pm 16
4 3 pm - 7 pm 9
5 7 pm - 11pm 11
6 11pm - 3 am 4
NO SE PUEDE CONSIDERAR LA IMPLEMENTACIÓN DE LA SOLUCIÓN
COMO 3,75 DE PERSONAS!!!! LA SOLUCIÓN DEBE SER CON ENTEROS!
Modelo PLE
 Variables
Xi - el número de meseros y ayudantes que inician su trabajo
en el período i, donde i=1,2,3,4,5,6)
Xi≥0, enteras
 Restricciones
La cantidad de los trabajadores debe alcanzar para el
periodo determinado
Período1: X6+X1 ≥ 3 Período4: X3+X4 ≥ 9
Período2: X1+X2 ≥ 12 Período5: X4+X5 ≥ 11
Período 3:X2+X3 ≥ 16 Período6: X5+X6 ≥ 4

 Función Objetivo
Z= X1+X2+X3+X4+X5+X6 → min
minimizar el total de los meseros y ayudantes contratados
“decisiones sí o no” :
1, si la decisión j es sí X j  variables binarias
xj  
0, si la decisión j es no. o variables 0 - 1

X j  0
Equivalente a: X 1
j

X j  entero
Propiedades de los valores binarios:
A*0=0 (A se elimina)
A*1=A (A se revela)
0+1+0+0+1+1+0=3 (contar los unos)
1, si la decisión j es sí
Considerando: xj  
0, si la decisión j es no.
l

Para contar los 1: X

j 1
j  K

l
Para contar los 0:
 (1  X
j 1
j ) K
Construcción de los modelos de PLE con el
uso de las variables binarias.
 Es muy importante al introducir las variables binarias
concretizar la atribución de los valores:

1, si la decisión j es sí
xj  
0, si la decisión j es no.

O mas bien
0, si la decisión j es sí
xj  
1, si la decisión j es no.
Esto influye a la forma de introducción de las variables
binarias en las expresiones del modelo y facilita la
interpretación de la solución óptima obtenida.
 Ejemplo 1
Una compañía está considerando su plan de expansión mediante la
construcción de una nueva fábrica en la Ciudad 1 o en la Ciudad 2, o
tal vez en ambas ciudades. También está pensando en construir, a
lo más, un nuevo almacén pero su localización está restringida a la
ciudad donde se construye la fábrica. Capital total disponible para la
expansión es de $10 mln. Dadas las siguientes estimaciones para
proyectos en cuestión, encontrar la combinación de los mismos que
maximice el valor presente neto total.

Proyecto en consideración Valor presente Neto Capital

Requerido
X1 Construir la fábrica en Ciudad1 $9 millones $6 millones
X2 Construir la fábrica en Ciudad2 $5 millones $3 millones
X3 Construir el almacén en la Ciudad1 $6 millones $5 millones
X4 Construir el almacén en la Ciudad2 $4 millones $2 millones
Planteamiento del modelo 1:
Variables: 1, si el proyecto j se considera
Xj  
0, si el proyecto j no se considera
j  1..4
Función objetivo:
Maximizar el valor presente neto total:

Z  9 X 1  5 X 2  6 X 3  4 X 4  max
Restricciones:
1) Capital disponible (no se puede exceder los $10 mln):

6 X 1  3 X 2  5 X 3  2 X 4  10
2) Se construye a lo más un almacén (no más que uno)

X3 X 4 1 Alternativas mutuamente excluyentes

 Planteamiento del modelo 1:
Restricciones:
3) La ubicación del almacén depende de la construcción de fábrica:
se construye almacén en la Ciudad1(X3) si se construye la fábrica en la Ciudad1(X1)
se construye almacén en la Ciudad2(X4) si se construye la fábrica en la Ciudad2(X2)
UNA DECISIÓN CONDICIONA A OTRA DECISIÓN
UNA VARIABLE CONDICIONA LA OTRA VARIABLE
Restricciones contingentes

X1 X3 Por analogía: ¿Relación X2 y X4?

0 0
0 1
X2 X4
1 0
1 1
X1  X 3
Formulación final del modelo 1

Z  9 X 1  5 X 2  6 X 3  4 X 3  max
sujeta a :
6 X 1  3 X 2  5 X 3  2 X 4  10
X3 X 4 1
X1 X 3  0
X2 X4  0
Xj  binarias j  1..4
Ejemplo 2 (restricciones una u otra)
La división de investigación y desarrollo de una compañía manufacturera ha desarrollado tres
nuevos productos posibles. Sin embargo, para evitar una diversificación excesiva de la línea de
nuevos productos de la compañía, la administración ha impuesto la siguiente restricción :
Requerimiento 1 : de los tres nuevos productos posibles, deben escogerse a lo más dos para
producción.
Se dispone de dos plantas que pueden producir los productos elegidos. Por razones
administrativas, se impone una segunda restricción a este respecto:
Requerimiento 2: sólo una de las dos plantas debe asignarse para la producción de los
nuevos productos.
El costo unitario de producción de cada producto seria esencialmente el mismo en las dos
plantas. Pero por diferencias en las instalaciones de producción , el numero de horas de
producción por unidad de cada producto puede diferir entre ellas. Estos datos se dan en la tabla
junto con el número total de horas de producción disponibles a la semana en cada planta, la
ganancia unitaria para cada producto y las estimaciones del departamento de mercadotecnia
del numero de unidades de cada producto que se pueden vender a la semana si se producen.
El objetivo es elegir los productos , la planta y las tasas de producción de los productos
elegidos de manera que se maximice la ganancia total .

Producto Horas disponibles

por semana
1 2 3
Planta 1 3 4 2 30
Planta 2 4 6 2 40
Ganancia unitaria ( miles de $) 5 7 3
Ventas potenciales( unid/ semana) 7 5 9
Planteamiento del modelo 2:
Variables:
Pj  La tasa de producción del producto j
(en unidades)
j  1..3
1, si se elige la fábrica i
Yi  
0, si no se elige la fábrica i

i  1,2
1, si el producto j se elige para la producción
Xj  
0,
si el producto j no se elige para la producción

Pj  0; Yi , Xj  binarias
Planteamiento del modelo 2:
 Restricciones:
1) Solo puede usarse una de las plantas:

Y1  Y 2  1 Exclusión mutua estricta

2) Capacidad de la producción de las plantas

3P1  4 P 2  2 P3  30  M (1  Y 1)
4 P1  6 P 2  2 P3  40  M (1  Y 2)

Si Y1=0: entonces Y2=1 (no se elige la planta 1, sino 2)

3P1  4 P 2  2 P3  30  M Se desplaza
4 P1  6 P 2  2 P3  40 Se considera

Si Y2=0: entonces Y1=1 (no se elige la planta 2, sino 1)

3P1  4 P 2  2 P3  30 Se considera
Se desplaza
4 P1  6 P 2  2 P3  40  M
Planteamiento del modelo 2:
 Restricciones:
3) Solo pueden elegirse dos de los tres productos:
X1 X 2  X 3  2
4) Si el producto no es elegido , entonces su cantidad debe ser 0

P1  7 X 1 Si X1=0: P1  0
P2  5 X 2 Si X1=1: P1  7
P3  9 X 3
 Función objetivo:
Maximizar la ganancia total

5P1  7 P 2  3P3  max

Formulación final del modelo 2
Z  5 P1  7 P 2  3P3  max
sujeto a
Y1  Y2  1
3P1  4P2  2P3  MY1  30  M
4P1  6P2  2P3  MY2  40  M
X1  X2  X3  2
P1 - 7X1  0
P2  5X2  0
P3  9X3  0
Y1, Y2, X1, X2, X3 - binarias
P1, P2, P3  0
Formulación final del modelo 2 (alternativa2)

Z  5 P1  7 P 2  3P3  max Pj  La tasa de producción del

producto j (en unidades)
sujeto a j  1..3
3P1  4P2  2P3  MY  30
4P1  6P2  2P3  MY  40  M 0, si se elige la fábrica 1, no 2
Y 
X1  X2  X3  2 1, si se elige la fábrica 2, no 1

P1 - 7X1  0 1, si elpara

producto j se elige
la producción
Xj   si el producto j no se elige
P2  5X2  0 0 , para la producción
P3  9X3  0
Y, X1, X2, X3 - binarias
P1, P2, P3  0
 Problema de costo fijo:
Se incurre en un cargo de preparación o costo fijo cuando
se emprende una actividad.
 El costo total de una actividad es
la suma de un costo variable
k j  c j x j
f j x j   
relacionado con el nivel de la si xj > 0,
actividad y el costo fijo en el que
se incurre para iniciar la actividad.
kj - costo fijo; 0 si xj = 0,
cj - costo de cada unidad
 Para minimizar el Costo total de
todas las actividades
z  f1 x1   f 2 x2     f n xn   min

Incorporación de f j en la z requiere introducción de

una variable binaria
Problema de costo fijo:
Considerar o anular f j x j 
1, si xj > 0
yj  
0, si xj = 0. f j x j y j  (k j  c j x j ) y j
Pero NO ES LINEAL
Y NO SE PUEDE UTILIZAR ESTA
EXPRESIÓN EN UN MODELO
Solución: PLE
condicionar el valor de x con el valor de y

x j  My j
n
z   c j x j  k j y j 
j 1
Ejemplo 3 (problema de costo fijo)
Una empresa textil fabrica 3 tipos de ropa: camisas, pantalones y shorts. Las
máquinas necesarias para la confección deben ser alquiladas a los
siguientes costos:
200$ por semana la máquina de camisas
150$ por semana la máquina de shorts
100$ por semana la máquina de pantalones
Se dispone de 150 horas hombre y 160 m de tela.
Los requerimientos, costos y precio de venta de cada tipo de ropa son los
siguientes

Horas Hombre m de tela Costo Precio de Venta

Camisas 3 2 12 16
Shorts 2 1 8 14
Pantalones 6 3.5 15 18

Formular un modelo que maximice las ganancias.

Planteamiento del modelo 3:
 Variables:
si se produce la prenda i
1,
Yi  
0, si no se produce la prenda i

i  1,3

Xi  La cantidad de prenda j para producir

(en unidades)
i  1,3

Xi  0, enteras; Yi  binarias
Planteamiento del modelo 3:
 Restricciones:
3) Disponibilidad de los recursos:
3 X 1  2 X 2  6 X 3  150 disponibil idad horas  hombre
2 X 1  1X 2  3.5 X 3  160 disponibil idad tela
4) Si el producto no es elegido , entonces su cantidad debe ser 0

X 1  MY 1
X 2  MY 2
Si Y1=0: X1  0
X 3  MY 3 Si Y1=1: X1  M
 Función objetivo:
Maximizar la ganancia total
Z  (16  12) X 1  (14  8) X 2  (18  15) X 3  200Y 1  150Y 2  100Y 3  max
Ganancia – Costos unitarios – Costos fijos
Planteamiento del modelo 3:
Estimación de M:
de las restricciones funcionales se estiman los valores máximos que
pueden obtener las variables
(una variable tendrá mayor valor posible si otras variables tengan valor 0)

X1 X2 X3

3 X 1  2 X 2  6 X 3  150 50 75 25

2 X 1  1X 2  3.5 X 3  160 80 160 45,7

Se observa el valor máximo (160) aumentando algo de holgura para
garantizar el desplazamiento fuera del espacio de soluciones factibles se
asume 200, por ejemplo.
Formulación final del modelo 3
Z  (16  12) X 1  (14  8) X 2  (18  15) X 3 
 200Y 1  150Y 2  100Y 3  max

3 X 1  2 X 2  6 X 3  150
si se produce la prenda i
2 X 1  1X 2  3.5 X 3  160 1,
Yi  
X 1  200Y 1 0, si no se produce la
prenda i
X 2  200Y 2 i  1,3
X 3  200Y 3
Y1,Y2,Y3 - binarias
Xi  La cantidad de
prenda j para
producir
X1, X2, X3  0,enteras i  1,3
(en unidades)
Ejemplo 4: Violación de la
proporcionalidad
Una corporación está desarrollando sus Número de Ganancia
planes de comercialización para los
nuevos productos del año próximo. comerciales
Esta considerando la compra de un
total de cinco comerciales de Producto
televisión en las redes nacionales para
tres de estos productos , con un
máximo de tres ( y un mínimo de cero)
para cada producto. 1 2 3
La tabla muestra el impacto estimado de
asignar 0,1,2 o 3 comerciales a cada
producto . Este impacto se mide en 0 0 0 0
términos de la ganancia (en millones
de dólares ) de las ventas adicionales 1 1 0 -1
que resultaran de los comerciales. El
objetivo es asignar cinco comerciales
2 3 2 2
a los productos de manera que se
maximice la ganancia total.
3 3 3 4

Los datos de las ganancias no son proporcionales

Formulación final del modelo 4
Combinaciones factibles: para ∀i
1, Si xi =j
yij   yi1 = 0, yi2 = 0, yi3 = 0, xi= 0
0, de otra manera, yi1 = 1, yi2 = 0, yi3 = 0, xi = 1
yi1 = 0, yi2 = 1, yi3 = 0, xi= 2
yi1 = 0 yi2 = 0 yi3 = 1 xi= 3
xi  1yi1  2 yi 2  3 yi 3  enfoque _ apuntador

max z  y11  3 y12  3 y13  2 y22  3 y23  y31  2 y32  4 y33 ,

y11  y12  y13  1
y21  y22  y23  1
y31  y32  y33  1
y11  2 y12  3 y13  y21  2 y22  3 y23  y31  2 y32  3 y33  5,
yij  binarias
Formulación final del modelo 4
(alternativa 2) Combinaciones factibles: para ∀i
1, Si xi ≥j yi1 = 0, yi2 = 0, yi3 = 0, xi= 0
yij   yi1 = 1, yi2 = 0, yi3 = 0, xi = 1
0, de otra
manera,
yi1 = 1, yi2 = 1, yi3 = 0, xi= 2
yi1 = 1 yi2 = 1 yi3 = 1 xi= 3
xi  yi1  yi 2  yi 3  enfoque acumulativo

max z  y11  2 y12  0 y13  2 y22  1 y23  y31  3 y32  2 y33 ,

y11  y12 ; y12  y13
y21  y22 ; y22  y23
y31  y32 ; y32  y33
y11  y12  y13  y21  y22  y23  y31  y32  y33  5,
yij  binarias
Ejemplo 5: Cobertura de todas las características
Una línea aérea necesita asignar sus tripulaciones para cubrir todos sus vuelos
programados . se estudiará el problema de asignar tres tripulaciones con base en San
Francisco (SF) a los vuelos enumerados en la tabla . Las otras 12 columnas muestran 12
secuencias de vuelo factibles para una tripulación. ( los números en cada columna indican
el orden de los vuelos). Es necesario elegir tres de estas secuencias ( una por
tripulación ) de tal manera que se cubran todos los vuelos. El costo de asignar una
tripulación a una secuencia de vuelos específica esta dada ( en miles de dólares) en el
renglón inferior de la tabla. El objetivo es minimizar el costo total de asignar las tres
tripulaciones cubriendo todos los vuelos.

Vuelo Secuencia factible de vuelos

1 2 3 4 5 6 7 8 9 10 11 12

San Francisco a Los Ángeles 1 1 1 1

San Francisco a Denver 1 1 1 1
San Francisco a Seattle 1 1 1 1
Los Ángeles a Chicago 2 2 3 2 3
Los Ángeles a San Francisco 2 3 5 5
Chicago a Denver 3 3 4
Chicago a Seattle 3 3 3 3 4
Denver a San Francisco 2 4 4 5
Denver a Chicago 2 2 2
Seattle a San Francisco 2 4 4 5
Seattle a Los Ángeles 2 2 4 4 2
Costo $ 1000 2 3 4 6 7 5 7 8 9 9 8 9
Modelo ejemplo 5
z  2 x1  3 x2  4 x3  6 x4  7 x5  8 x8  9 x9  9 x10  8 x11  9 x12  min
x1  x4  x7  x10  1
x 2  x5  x8  x11  1
x 3  x6  x9  x12  1
x 4  x7  x9  x10  x12  1 1 Si se asigna la secuencia j a
xj   una tripulación
x1  x6  x10  x11  1 0 De otra manera .
x4  x5  x9  1 j = 1, 2, . . . , 12.
x 7  x8  x10  x11  x12  1
x 2  x4  x5  x9  1
x 5  x8  x11  1
x 3  x7  x8  x12  1
x 6  x9  x10  x11  x12  1
12

x
j 1
j 3
Ejemplo 6: Desplazamiento de las
restricciones con el signo ≥
 Dorian Auto proyecta fabricar tres tipos de automóviles: compactos,
medianos y grandes. El recurso que requiere cada tipo de automóvil y
las utilidades que genera, se proporcionan en la tabla. Ahora se dispone
de 6000 toneladas de acero y 60000 horas de mano de obra. Para que
la producción de un tipo de automóvil sea factible desde el punto de
vista económico, se tienen que producir por lo menos 1000 automóviles
de ese tipo. Plantee una PE para maximizar las utilidades de Dorian.

Tipo de automóvil
Recurso
Compacto Mediano Grande
Acero(ton/unid) 1.5 3 5
Mano de 30 25 40
obra(horas/unidad)
Utilidades ($/unidad) 2000 3000 4000
Planteamiento modelo 6
 Variables:
Xi – cantidad de auto i a producir
(1-com; 2-med; 3-gran)
Xi≥0, enteras
 Restricciones:
1.5X1+3X2+5X3≤6000-límite de acero
30X1+25X2+40X3≤60000-límite de mano de obra

Si no se produce el automóvil su Xi = 0
Si se produce automóvil su Xi ≥1000
¿Como formular?
Planteamiento modelo 6
Necesidad de las variables binarias auxiliares :
0, si no se produce el auto i
Yi  
1, si se produce el auto i
Si Yi  0, Xi  0
Si Yi  1, Xi  0 y además Xi  1000

Xi  MYi  desplazar arriba

Xi  1000  M (1  Yi )  desplazar abajo para no provocar
el caso de no existencia de espacio
de soluciones factibles.
Modelo final 6
Variables :
Xi - cantidad de automóvil i para producir
0, si no se produce el auto i
Yi  
1, si se produce el auto i
Xi  0, enteras; Yi  binarias ¿Estimación M?
Re stricciones : Practicar!!!
1.5 X 1  3 X 2  5 X 3  6000
30 X 1  25 X 2  40 X 3  60000
X 1  MY1
X 1  M (1  Y1 )  1000
X 2  MY2
X 2  M (1  Y2 )  1000
X 3  MY3
X 3  M (1  Y3 )  1000
Función Objetivo ( Utilidad total máxima en miles de dólares) :
Z  2 X 1  3 X 2  4 X 3  max
Ejemplo 7: PE con funciones lineales por
segmentos
Euning Gas elabora dos tipos de gasolina (g1 y g2)a partir
de dos tipos de petróleo (p1 y p2). Cada galón de
gasolina 1 debe contener por lo menos 50% de petróleo
1, y cada galón de gasolina 2 debe contener por lo
menos 60% de petróleo 1. Cada galón de gasolina 1 se
puede vender en 12 centavos , y cada galón de
gasolina 2 se vende a 14 centavos. Dispone ahora de
500 galones de petróleo 1 y de 1000 galones de
petróleo 2. Se pueden comprar hasta 1500 galones más
de petróleo 1 a los precios siguientes: primeros 500
galones, 25 centavos por galón; siguientes 500 galones,
20 centavos por galón; siguientes 500 galones, 15
centavos por galón. Plantee un modelo de PE con el que
maximicen las utilidades de Euning (Ingresos- Costos).
PE con funciones lineales por segmentos

Costos de petróleo

400
350
300
250
Costo

200
150
100
50
0
0 500 1000 1500
Serie2 0 125 225 300
Serie3 0 125 250 375
Galones

La función de costos no es lineal en todo rango de cantidad de galones, pero es lineal por
segmentos: no se puede solucionar solo con PL, pero se soluciona con el uso de las
variables binarias.
Modelo 7
Variables :
Xij  cantidad de petróleo i para gasolina j (en galones)
i  1,2 j  1,2;
X  cantidad de petróleo 1 para comprar (en galones)
Xij , X  0

Restricciones :
X 11  X 12  X  500, límite de petróleo 1
X 21  X 22  1000, límite de petróleo 2
X 11
 0.5, contenido de petr1 en gas 1 por lo menos 50%
X 11  X 21
X 12
 0.6, contenido de petr1 en gas 2 por lo menos 60%
X 12  X 22
PE con funciones lineales por segmentos
Utilidades  Ingresos  Costos
Z  12( X 11  X 21 )  14( X 12  X 22 )  c( X )
25 X , si 0  X  500

c( X )  20( X  500)  12500 , si 500  X  1000
15( X  1000)  22500 , si 1000  X  1500


0 500 1000
1500
Z0 Z1 Z2
Z3
Y1 Y2 Y3

Variables auxiliares :
0, si valor de X no pertenece al segmento i
Yi  
1, si valor de X pertenece al segmento i
Z i 1  ponderación del extremo izquierdo del segmento i
Z i  ponderación del extremo derecho del segmento i
Yi  binarias; Z i  0; Z i  1
PE con funciones lineales por segmentos
Variables auxiliares :
0, si valor de X no pertenece al segmento i
Yi  
1, si valor de X pertenece al segmento i
Z i 1  ponderación del extremo izquierdo del segmento i
Z i  ponderación del extremo derecho del segmento i
Yi  binarias; Z i  0; Z i  1

Restricciones adicionales :
Y1  Y2  Y3  1 valor de X debe pertenecer a uno de los 3 segmentos;
Z0  Z1  Z 2  Z3  1 dos ponderaciones de extremos en suma  1;
Z0  Y1 , extremo Z0 pertenece solo al primer segmento  se habilita
cuando valor de X pertenece al primer segmento.
Z1  Y1  Y2 , extremo Z1 pertenece a los segmentos 1 y 2
Z 2  Y2  Y3 , extremo Z 2 pertenece a los segmentos 2 y 3
Z3  Y3 , extremo Z3 pertenece solo al segmento 3
Representado X :
X  0Z0  500Z1  1000Z 2  1500Z3
c( X )  c(0) Z0  c(500) Z1  c(1000) Z 2  c(1500) Z3
 Modelo final 7
Variables :
Xij  cantidad de petróleo i para gasolina j (en galones)
i  1,2 j  1,2;
X  cantidad de petróleo 1 para comprar (en galones)
0, si valor de X no pertenece al segmento i
Yi  
1, si valor de X pertenece al segmento i
Z i 1  ponderación del extremo izquierdo del segmento i
Z i  ponderación del extremo derecho del segmento i
Yi  binarias; Z i  0; Z i  1
Xij , X  0
Restricciones :
X11  X12  X  500, límite de petróleo 1
X 21  X 22  1000, límite de petróleo 2
0.5X11  0.5 X 21  0, contenido de petr1 en gas 1 por lo menos 50%
0.4X12  0.6 X 22  0, contenido de petr1 en gas 2 por lo menos 60%
Y1  Y2  Y3  1 valor de X debe pertenecer a uno de los 3 segmentos;
Z0  Z1  Z 2  Z3  1 dos ponderaciones de extremos en suma  1;
Z0  Y1  0, extremo Z0 pertenece solo al primer segmento
Z1 - Y1  Y2  0, extremo Z1 pertenece a los segmentos 1 y 2
Z2 - Y2  Y3  0, extremo Z 2 pertenece a los segmentos 2 y 3
Z3  Y3  0, extremo Z3 pertenece solo al segmento 3
X  500Z1  1000Z 2  1500Z3  0

Función Objetivo (maximizar utilidades) :

Z  12 X 11  12 X 21  14 X 12  14 X 22  12500Z 1  22500Z 2  30000Z 3  max
¿A qué clase de los modelos de PL se
puede atribuir el problema?

 Tres empresas telefónicas pidieron que me suscribiera a

su servicio de larga distancia dentro del país. MaBell
cobra $16 fijos por mes, más $0.25 por minuto. PaBell
cobra $25 por mes, pero el costo por minuto se reduce a
$0.21. Y con BabyBell, la tarifa fija es de $18 mensual, y
por minuto cobran $0.22. Suelo hacer un promedio de
200 minutos de llamadas de larga distancia al mes.
Suponiendo que no pague cargo fijo si no hago
llamadas, y que puedo repartir mis llamadas entre tres
empresas, ¿cómo debo repartir las llamadas entre las
tres empresas para minimizar mi recibo telefónico
mensual?
Problema de Costo Fijo
Realizar!!!
¿A qué clase de los modelos de PL se
puede atribuir el problema?
 La U de A está en proceso de formar un comité para manejar las
quejas de los alumnos. La instrucción que se recibe de la
administración es incluir al menos una mujer, un hombre, un alumno,
un administrador y un docente. Se han nominado 10 personas (se
denominan con letras de A a J). Correspondencia de ellas a
diferentes categorías mencionadas es la siguiente:
Categoría Personas
Mujeres A,B,C,D,E
Hombres F,G,H,I,J
Alumnos A,B,C,J
Administradores E,F

Docentes D,G,H,I
La U de A desea formar el comité más pequeño que tenga
representación de cada una de las cinco categorías.

Problema de cubrimiento de las características

Realizar!!!
Problema (practica en clase)
Un camión que entrega petróleo de Sunco tiene 5 compartimientos
que transportan hasta 2700, 2800, 1100, 1800 y 3400 galones de
combustible, respectivamente. La compañía debe entregar tres tipos
de combustible (súper, regular y sin plomo) a un cliente. La
demanda, penalización por galones incompletos y el faltante máximo
admisible se proporcionan en la tabla. Cada compartimiento puede
llevar sólo un tipo de gasolina. Formule un PE cuya solución le
indique a Sunco cómo cargar el camión de una manera en que se
minimicen los costos por faltantes.
Tipo de gasolina Demanda Costo por Faltante máximo
galones admisible
incompletos

Súper 2900 10 500

Regular 4000 8 500
Sin plomo 4900 6 500
Problema para explorar
Ver libro Juan Prawda Vol.1
Se tienen que procesar 4 trabajos en una sola
máquina. El tiempo necesario para ejecutar cada
tipo de trabajo, el plazo y penalización (en dólares)
por día que el trabajo se atrase, se dan en la tabla.
Plantee un modelo para determinar el orden de
ejecución de los trabajos con el que se minimiza el
costo de la penalización total debido a los trabajos
atrasados.
Trabajo Tiempo (días) Plazo Penalización
($/día)
1 4 Día 4 4

2 5 Día 2 5

3 2 Día 13 7

4 3 Día 8 2