Modelos Cuantitativos y de

Optimización

Luis Zapatel Arriaga

Lic. Estadística /MDU / MBA
 Tema 7:
Programación lineal
Formulación de Modelos de P.L.
 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 económicas) riesgo

Convicción del E. N. No se conocen las

Probabilidades de
probabilidades
Selección de la mejor ocurrencia de c / E. N.
decisión no es tan fácil. son estimables.
(Solver).Prog.Lin., CEP
Criterio Maximin Criterio Maximax Criterio Minimax
Criterio de Laplace
Evalúa cada decisión según Evalúa cada decisión Minimiza el
Todos los estados de la peor circunstancia o por el rendimiento arrepentimiento
la naturaleza son rendimiento mínimo máximo posible máximo = costo de
igualmente probables posible. oportunidad.
Si conociéramos la distrib. de probabilidades de los estados de la naturaleza podríamos
medir el riesgo dentro del proceso de decisión ¡¡¡¡
 INVESTIGACION DE
OPERACIONES (I.O.)

“Pocas situaciones en la vida no son

susceptibles de ser descritas en términos de
optimización”
Programación Lineal (P.L.)
¿Qué es un problema?
¿Qué es una restricción?
¿Qué es una variable?
¿Qué es un modelo?
¿Qué es optimizar?
¿Qué es P.L.?
 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.
 …Modelo es …
La representación simplificada de la realidad (abstracción
cuidadosa) que facilita su comprensión y el estudio de su
comportamiento.
 Instrumento de planificación estratégica, ayuda a crear pronósticos,
explorar alternativas, desarrollar planes para contingencias,
acrecentar la flexibilidad y abreviar el tiempo de reacción.
 Debe mantener un equilibrio entre la sencillez y la capacidad de
comprensión.
 A medida que se desciende en los niveles de una
organización, las alternativas y los objetivos pueden
volverse más claros.
 Abstracción y simplificación

 Los problemas reales son complejos.

 La mente humana no puede considerar
todos los aspectos.
 Algunos atributos deben pasarse por alto.
 El decisor define los factores más relevantes.
 PROCESO DE CONSTRUCCIÓN DE UN MODELO
Modelo Análisis Resultados
I
n
A
t
b
e
Mundo simbólico s
r
t
p
r
r
a
e
c
t
c
Mundo real a
i
c
ó
i
n
ó
Situación Intuición Decisiones n
Administrativa

La Participación íntima del gerente en cada una de las fases del proceso de
construcción del modelo es indispensable para el éxito del mundo real
PAPEL DEL JUICIO EN EL PROCESO DE CONSTRUCCIÓN DEL MODELO
Modelo Análisis Resultados
I
n
A
t
b
e
Mundo simbólico s
r
t
p
r Juicio r
a
Administrativo e
c
t
c
Mundo real a
i
c
ó
i
n
ó
Situación Intuición Decisiones n
Administrativa
 Etapas en la Construcción de Modelos

1. Definición del problema

2. Construcción del modelo simbólico (formulación del
modelo sobre una representación selectiva de la
situación).

3. Análisis y solución del modelo.

4. Interpretación y validación de los resultados del modelo

5. Implementación de la solución del modelo.

 ¿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 hallar la mejor solución a un problema,
calculando el valor que sus variables deberían tener
para cumplir con las restricciones existentes y al
mismo tiempo optimizar (minimizar o maximizar) la
función objetivo.
 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
 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
 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
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.
 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.
 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?
Max U = 10G + 8B
Modelo Sujeto a
Azúcar: 2G + B <= 70
Harina: G + 2B <= 50
G, B >= 0
 Modelo de PL con 2 variables
Vencedor produce pinturas para interiores y exteriores mezclando las
materias primas M1 y M2. Una Tonelada. de cada tipo de pintura requiere:
Pintura Pintura Disponibilidad diaria
 
exterior interior máxima (Tn.)

Tn. Materia prima, M1 6 4 24

Tn. Materia prima, M2 1 2 6
Utilidad por Tn. (miles de $) 5 4  
Además una investigación de mercado indica que la demanda máxima
diaria de pintura para interiores es de 2 toneladas. Y que la demanda
diaria de pintura para interiores no puede ser mayor que 1 tonelada
más que de la pintura para exteriores. La Cía. desea determinar la
mezcla óptima de productos para exteriores y para interiores que
maximice la utilidad diaria total.
 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.

 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
 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.

Al disponer 24 y 6 Tn. de las 6X1 + 4X2 < 24 (Materia prima M1)
materias primas M1 y M2 las
X1 + 2X2 < 6 (Materia prima M2)
restricciones correspondientes son:
La 1ra restricción de la demanda indica que la
diferencia entre la producción diaria de pinturas para X2 – X1 < 1
interiores y exteriores X2 – X1, no debe ser mayor
que 1 Tn, y eso se traduce en:
La 2da restricción de la demanda estipula que la
X2 < 2
demanda máxima diaria de pintura de interiores se
limita a 2 Tn, así que:
Restricción implícita: las variables X1 y X2 no pueden asumir valores
negativos, (de no negatividad):
X1 > 0, X2 > 0, expresan ese requisito.
 Max Z = 5X1+4X2
El modelo completo del s.a.
ejemplo es: 6X1+ 4X2 < 24
X1 + 2X2 < 6
-X1 + X2 < 1
X2 < 2
X1 , X2 > 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.
 Aplicaciones
 Plan de producción
 Asignación de Personal.
 Mezcla de ingredientes
 Transporte
 Otros
Áreas: Marketing, Agricultura, Finanzas, Industria, Transporte, Economía, Salud,
y áreas militares; permitiendo importantes beneficios y ahorros asociados a su
utilización.
 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.
 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
 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
 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
 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.
 Modelos de Programación lineal

Transformaciones
• Forma Genérica.
• Forma Canónica.
• Forma Estándar.
 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
 Práctica en equipos 10
Formulación de modelos