25/03/2015

INVESTIGACION DE OPERACIONES II

Ing. Enrique M. Avendao Delgado

ead@upnorte.edu.pe

REGLAS DE CONVIVENCIA:

PUNTUALIDAD
Hora de Inicio de Clase:
Segn lo establecido en Horario

ASISTENCIA
Lmite de Faltas: 11

Exmenes en al Fecha
Trmite en la Oficina de Bienestar Universitario

Norma: GF-BU-P01-N01

CELULAR en vibrador.
No Mensajes de Texto, ni Internet
Phubbing

DESCANSO POR SESION

Clase Teora: (10 min a las 9.00 am)

1
 25/03/2015

AULA VIRTUAL

2
 25/03/2015

AULA VIRTUAL

FORMAS DE COMUNICACIN:

Al trmino de Clase

eavendano@hotmail.com

facebook.com/enrique.avendanodelgado

@enriqueavendano

3
 25/03/2015

TRABAJO APLICATIVO T3

FERIA DE INVESTIGACION DE OPERACIONES

TRABAJO APLICATIVO T3

FERIA DE INVESTIGACION DE OPERACIONES

4
 25/03/2015

TRABAJO APLICATIVO T3

FERIA DE INVESTIGACION DE OPERACIONES

TRABAJO APLICATIVO T3

FERIA DE INVESTIGACION DE OPERACIONES

5
 25/03/2015

TRABAJO APLICATIVO T3

FERIA DE INVESTIGACION DE OPERACIONES

TRABAJO APLICATIVO T3

FERIA DE INVESTIGACION DE OPERACIONES

6
 25/03/2015

TRABAJO APLICATIVO T3

FERIA DE INVESTIGACION DE OPERACIONES

TRABAJO APLICATIVO T3

FERIA DE INVESTIGACION DE OPERACIONES

7
 25/03/2015

TRABAJO APLICATIVO T3

FERIA DE INVESTIGACION DE OPERACIONES

TRABAJO APLICATIVO T3

FERIA DE INVESTIGACION DE OPERACIONES

8
 25/03/2015

PREGUNTAS...?

REGLAS

ASISTENCIA
PUNTUALIDAD
EXAMENES EN LA FECHA
PARTICIPACION EN CLASES
HORIZONTALIDAD
SIN TIMIDEZ...

REPASO

Ing. Enrique M. Avendao Delgado

ead@upnorte.edu.pe

9
 25/03/2015

LA PL DESCANSA EN 4 SUPUESTOS:

Este supuesto asegura que las

variables
de decisin pueden tomar
cualquier valor
Divisibilidad fraccionario a cualquier nivel.

Toda caractersticas de costos,

utilidades,
Proporcionalidad utilizacin de recursos,
contribuciones a
las propiedades de los productos y
dems,
Aditividad siempre sern en forma
proporcional al
valor de la variable asociada.

Determinstico
Todos los coeficientes de costos, los
coeficientes tecnolgicos y los valores
para los niveles de recursos son
conocidos determinsticamente. Todo
efecto probabilstico o estocstico
inherente se asume que se ha reducido
Este supuesto garantiza que el costo
total es la suma de todos los costos
parciales y que la contribucin total en
cada restriccin es la suma de las
contribuciones individuales. Esto es, no
hay substitucin ni efectos de interaccin
entre actividades

3 CONDICIONES BSICAS:

Variables de decisin y parmetros

Funcin Objetivo
Restricciones
Condiciones de No Negatividad

10
 25/03/2015

PROGRAMACIN LINEAL (PL)

Todas las variables estn restringidas

a tomar valores positivos

Max (z) = C.X

sujeto a:

AX b
Xi 0 ; i = 1,2,n

EJEMPLO 1: GIAPETTOS WOODCARVING (JUGUETES DE MADERA GIAPETTO)

Giapettos Woodcarving, Inc. Manufactura dos tipos de juguetes de madera: soldados

y trenes. Un soldado se vende en 27 dlares y requiere 10 dlares de materia prima.
Cada soldado que se fabrica incrementa la mano de obra variable y los costos globales
de Giapetto en 14 dlares. Un tren se vende en 21 dlares y utiliza 9 dlares de su
valor en materia prima. Todos los trenes fabricados aumentan la mano de obra variable
y los costos globales de Giapetto en 10 dlares.

La fabricacin de soldados y trenes de madera requiere dos tipos de mano de obra especializada:
carpintera y acabados. Un soldado necesita dos horas de trabajo de acabado y una hora de carpintera.
Un tren requiere una hora de acabado y una hora de carpintera. Todas las semanas, Giapetto consigue
todo el material necesario, pero slo 100 horas de trabajo de acabado y 80 de carpintera. La demanda
de trenes es ilimitada, pero se venden cuando mucho 40 soldados por semana. Giapetto desea
maximizar las utilidades semanales (ingresos costos),

Disee un modelo matemtico para la situacin de Giapetto que

se use para maximizar las utilidades semanales de la empresa.

11
 25/03/2015

SOLUCIN: EJEMPLO 1: GIAPETTOS WOODCARVING)

Al desarrollar el modelo para Giapetto se explotan las caractersticas

que comparten todos los problemas de programacin lineal.

Variables de decisin: Se empieza por definir las variables de decisin pertinentes. En

cualquier modelo de programacin lineal, las variables de decisin deben describir
por completo las decisiones que se tienen que tomar (en este caso, Giapetto).
Evidentemente, Giapetto debe decidir cuntos soldados y trenes se debe fabricar
cada semana.

X1 : Cantidad de soldados fabricados cada semana

X2 : Cantidad de trenes fabricados cada semana

SOLUCIN: EJEMPLO 1: GIAPETTOS WOODCARVING)

Funcin Objetivo: En cualquier programacin lineal, el que toma las decisiones desea
maximizar (por lo regular, los ingresos y las utilidades) o reducir al mnimo (casi
siempre, los costos) algunas funciones de la variable de decisin. La funcin que se
desea maximizar o minimizar recibe el nombre de funcin objetivo. En lo que se
refiere al problema de Giapetto, se observa que los costos fijos (como renta o los
seguros) no dependen de los valores de x1 y x2. Por consiguiente Giapetto se puede
concentrar en maximizar (ingresos semanales) (costos de compra de materia prima)
(otros costos variables).
Los ingresos y los costos por semana de Giapetto, se pueden expresar en trminos de
las variables de decisin x1 y x2, Sera una tonteria que Giapetto fabricara ms
soldados de los que pueden venderse, as que se supone que todos los juguetes
producidos se vendern. Entonces.

12
 25/03/2015

SOLUCIN: EJEMPLO 1: GIAPETTOS WOODCARVING)

Ingresos por semana = Ingresos por semana proporcionados por los soldados
+ ingresos por semana proporcionados por los trenes

Dlares Solados Dlares Trenes

Ingresos por semana
Soldado Semana Tren Semana

Ingresos por semana 27 X 1 21X 2

SOLUCIN: EJEMPLO 1: GIAPETTOS WOODCARVING)

Asimismo,
Costos de la materia prima a la semana = 10x1 + 9x2
Otros costos variables a la semana = 14x1 + 10x2
Entonces, Giapetto quiere maximizar
(27x1 + 21x2) (10x1 + 9x2) (14x1 + 10x2) = 3x1 + 2x2
Por consiguiente, el objetivo de Giapptto es escoger x1 y x2 para
maximizar 3x1 + 2x2. Se utiliza la variable z para notar el valor de la
funcin objetivo de cualquier PL. La funcin objetivo de Giapetto es:

F.O. Max z 3x1 2x2

13
 25/03/2015

SOLUCIN: EJEMPLO 1: GIAPETTOS WOODCARVING)

Restriccin: A medida que X1 y X2 se incrementan, la funcin objetivo de Giapetto

se hace ms grande. Esto quiere decir que si Giapetto fuera libre para escoger
cualquier valor para X1 y X2, la compaa podra tener unas utilidades
arbitrariamente grandes al escoger X1 y X2 muy grandes. Desafortunadamente, los
valores de X1 y X2 estn controlados por las siguientes tres restricciones (con
frecuencia llamadas limitaciones).
Restriccin 1: Se pueden usar cada semana no mas de 100 horas de tiempo de
acabado.
Restriccin 2: Cada semana se pueden usar no ms de 80 horas de tiempo de
carpintera.
Restriccin 3: Debido a la demanda limitada, cuando mucho se deben producir cada
semana 40 soldados.

SOLUCIN: EJEMPLO 1: GIAPETTOS WOODCARVING)

Se suponeque
Obsrvese quelas
la cantidad
unidadesde demateria prima
todos los en existencia
trminos es ilimitada,
en la ecuacin asson
anterior que no
hay restriccin alguna relacionada con esto.
horas de acabado por semana. Para que una restriccin sea razonable, todos los
trminos de la
El siguiente restriccin
paso debe tener las
en el planeamiento demismas
un modelounidades. De lo contrario,
matemtico uno
para el problema
est sumandoesperas
de Giapetto con manzanas,
expresar por lo1que
las restricciones a 3 la
enrestriccin
trminos denolastendra significado
variables de
alguno.
decisin X1 y X2, Para expresar la restriccin 1 de acuerdo con X1 y X2, obsrvese
que:
Total de hr de acabado hr. de acabado Soldados fabricados hr de acabado Trenes fabricados

Semana Soldado Semana tren semana

2 X 1 1 X 2 2 X 1 X 2
Entonces la restriccin 1 se expresa:

2 X 1 X 2 100

14
 25/03/2015

SOLUCIN: EJEMPLO 1: GIAPETTOS WOODCARVING)

Para expresar la restriccin 2 en trminos de X1 y X2, ntese que

Total de hr de carpinteria hr. de carpinteria Soldados fabricados hr de carpinteria Trenes fabricados

Semana Soldado Semana tren semana

1 X 1 1 X 2 X 1 X 2
Entonces la restriccin 2 se expresa:

X 1 X 2 80
Obsrvese una vez ms que las unidades de todos los trminos en la
ecuacin anterior. Son las mismas (en este caso, horas de carpintera a
la semana).

SOLUCIN: EJEMPLO 1: GIAPETTOS WOODCARVING)

Por ltimo, el hecho de que cuando mucho se venden a la semana 40 soldados, se expresa
limitando la produccin semanal de soldados a mximo 40 de ellos. As se tiene la siguiente
restriccin:

X 1 40
Por consiguiente, las ecuaciones de las restricciones horas de acabado y la demanda de
mercado (2X1 + X2 <=100 y X1 <= 40) en trminos de las variables de decisin; se
designan con el nombre de restricciones para el problema de programacin lineal de
Giapetto. Los coeficientes de las variables de decisin en las restricciones se conocen con
el nombre de coeficientes tecnolgicos. La razn del nombre es que los coeficientes
tecnolgicos reflejan a menudo las tecnologas utilizadas para producir distintos productos.
Por ejemplo, el coeficiente tecnolgico de X2 en la ecuacin (X1 + X2 <= 80) es 1, lo cual
indica que un soldado

15
 25/03/2015

SOLUCIN: EJEMPLO 1: GIAPETTOS WOODCARVING)

Requiere un ahora de carpintera. El nmero en el segundo miembro de cada restriccin se

denomina segundo miembro de la restriccin (smr). Con frecuencia el smr representa la
cantidad de un recurso que est disponible.

Restriccin: Se tiene que dar respuesta a las preguntas siguientes para cada variable de
decisin con el fin de completar la formulacin de un problema de programacin lineal: la
variable de decisin puede asumir slo valores no negativos, o bien, la variable de
decisin puede asumir tanto valores positivos como negativos?
Si una variable de decisin Xi slo puede sumir valores no negativos, entonces se aade
la restriccin de signo Xi >= 0. Si una variable Xi puede asumir tanto valores positivos
como negativos (o cero). Entonces se dice que Xi no tiene restricciones de signo (se
abrevia con frecuencia (nrs).

SOLUCIN: EJEMPLO 1: GIAPETTOS WOODCARVING)

Por lo que se refiere al problema de Giapetto, es evidente que X1 >= 0 y X2

>= 0. Pero algunas variables podran ser nrs en otros problemas. Por
ejemplo, si Xi representa un saldo de efectivo de una empresa, entonces Xi
podra ser considerada negativa si la empresa debe ms dinero del que tiene
a mano. En este caso sera conveniente clasificar Xi como nrs.

16
 25/03/2015

SOLUCIN: EJEMPLO 1: GIAPETTOS WOODCARVING)

Variables: X1 : Cantidad de soldados fabricados cada semana

X2 : Cantidad de trenes fabricados cada semana

F.O. Max z 3x1 2x2

s.a. 2 X 1 X 2 100
X 1 X 2 80
X 1 40
X 1; X 2 0

EJERCICIO 2

La empresa Whitt Window tiene slo tres empleados que hacen dos tipos de ventanas a
mano: con marco de madera y con marco de aluminio. La ganancia es de $60 por cada
ventana con marco de madera y de $30 por cada una con marco de aluminio. Carlos hace
marcos de madera y puede terminar 6 al da. Katty hace 4 marcos de aluminio por da.
Moiss forma y corta el vidrio y puede hacer 48 pies cuadrados de vidrio por da. Cada
ventana con marco de madera emplea 6 pies cuadrados de vidrio y cada una de aluminio, 8
pies cuadrados.
La compaa desea determinar cuntas ventanas de cada tipo debe producir al da para
maximizar la ganancia total.

17
 25/03/2015

EJERCICIO 2 - DESARROLLO

OBJETIVO:
Maximizar la ganancia total por la venta de los dos tipos de ventanas.

CONDICIONES:
Los trabajadores Doug, Linda y Bob no pueden exceder su capacidad de produccin

VARIABLES DE DECISIN:
Sean:
X1 : la cantidad de ventanas con marco de madera a producir al da
X2 : la cantidad de ventanas con marco de aluminio a producir al da

EJERCICIO 2 - DESARROLLO

Trabajador V. Madera V. Aluminio Capacidad

Doug X 6 Unidades

Linda X 4 Unidades

Bob 6ft2/v 8ft2/v 48 Ft2/v

V. Madera V. Aluminio
Ganancia 60$/v 30$/v

18
 25/03/2015

EJERCICIO 2 - DESARROLLO

El PL ser:

Unidad 1
Modelos Determinsticos De Decisin

PROGRAMACIN ENTERA Y
BINARIA

Ing. Enrique M. Avendao Delgado

ead@upnorte.edu.pe

19
 25/03/2015

INTRODUCCIN

Hasta ahora hemos visto los problemas de programacin lineal en el dominio de los
reales. Sin embargo, en muchos modelos algunas o todas las variables de decisin
deben ser enteras. Estos modelos son conocidos como modelos de programacin lineal
entera (ILP).
A primera vista podra parecer ms fcil resolver problemas con restriccin de enteros,
ya que transforman un problema continuo en un problema discreto. Los modelos de
programacin lineal entera se pueden clasificar en:

Modelo Tipos de Variables de Decisin

Completamente entero
Todas son enteras
(AILP)
Algunas, pero no todas son
Mixto (MILP)
enteras
Binaria (BILP) Todas son binarias (0 1)

PROGRAMACIN ENTERA

La PE tiene gran cantidad de aplicaciones en todos los campos.

Hay problemas que no pueden resolverse con las tcnicas actuales por:
Disponibilidad de tiempo de ordenador
Capacidad de memoria
Para evitar esto parece sensato calcular la solucin de un PE redondeando la solucin
continua.
Pero el redondeo no es aconsejable debido a:
La solucin redondeada no es necesariamente ptima. En muchos casos, ni
siquiera estar cera del ptimo.
La solucin redondeada puede no ser factible.

20
 25/03/2015

PROGRAMACIN ENTERA

Programacin Entera es un termino general para

los modelos de programacin matemtica que
presentan condiciones de integridad (condiciones
que estipulan que algunas o todas las variables
de decisin deben tener valores enteros). Ya
hemos apuntado que los modelos de
programacin lineal entera son modelos de
programacin lineal que tienen la caracterstica
adicional de que algunas de las variables de
decisin deben tener valores enteros. Existen
diversas clasificaciones de esta categora de
modelos.
Programas Enteros Puros, Un modelo entero
puro (PLE) es, como su nombre lo indica, un
problema en el que se exige que todas las
variables de decisin tengan valores enteros

IMPORTANCIA DE LAS SOLUCIONES

ENTERAS

Existen muchos problemas importantes en los que la solucin

redondeada simplemente no funciona.
Por ejemplo, si la solucin de un modelo de programacin lineal
recomienda que la Boeing construya 11,6 aparatos 747 y 6,8
aparatos 727, el administrador probablemente no quedara
contento con la simple medida de tomar la decisin de construir
11 de los primeros y 6 de los segundos, o cualquier otra
solucin redondeada. La magnitud del rendimiento y la
asignacin de recursos asociados con cada unidad del
problema aconsejan determinar la mejor solucin entera
posible.

21
 25/03/2015

IMPORTANCIA DE LAS SOLUCIONES ENTERAS

Con otro ejemplo, s vera que muchos modelos usan variables enteras
para indicar decisiones lgicas. Por ejemplo, veremos que problemas
en los que queramos que una variable x sea igual a 1 si vamos a
construir un almacn o x sea igual a cero (si-no). Supngase que la
solucin de una versin de programacin lineal de este problema
produce un valor no entero, por ejemplo, x = 0,38. Vemos que este
valor no contiene informacin aprovechable como solucin al problema
real.

IMPORTANCIA DE LAS SOLUCIONES ENTERAS

Es claro que no podemos construir 0,38 de un almacn. Es cierto que

podemos elegir almacenes de diversos tamaos, pero en todo caso, o
bien tenemos un almacn o no lo tenemos. Se podra suponer que en un
caso como este se tratara de redondear al entero ms prximo (0 en
este caso) como forma de salvar la dificultad. Por desgracia, esto no
garantiza que se obtenga una buena (y no digamos ptima) solucin.
En realidad, veremos que el redondeo no siempre conduce a solucione
factibles en casos como este.

22
 25/03/2015

IMPORTANCIA DE LAS SOLUCIONES ENTERAS

El fondo del asunto es que existen muchos problemas administrativos

importantes que serian de programacin lineal si no fuese por el
requerimiento de que sean enteros los valores de algunas variables
de decisin, en los que no se puede encontrar una buena solucin
mediante el uso del mtodo Simplex seguido del redondeo de los
valores ptimos resultantes para variables de decisin. Estos
problemas deben ser resueltos mediante algoritmos especialmente
diseados para resolver problemas de programacin entera.

VARIABLES

23
 25/03/2015

PLANEAMIENTO DE PROBLEMAS
DE PROGRAMACIN ENTERA

EJEMPLO 1:
PE DE UN PRESUPUESTO DE CAPITAL (*)

Stockco proyecta cuatro inversiones. La inversin 1 genera un valor neto actual

(VNA) de 16 000 dlares; la inversin 2, un VNA de 22 000 dlares; la inversin 3,
un VNA de 12 000 dlares, y la inversin 4, una VNA de 8 000 dlares. Para cada
inversin se requiere una cierta salida de efectivo en el tiempo presente; la
inversin 1, 5 000 dlares; la inversin 2, 7 000 dlares; la inversin 3, 4 000
dlares; la inversin 4, 3 000 dlares. Dispone en la actualidad de 14 000 dlares
para invertir. Plantee un PE cuya solucin le indique a Stockco el modo de
maximizar el VNA obtenido de las inversiones 1 a 4.

(*) Investigacin de Operaciones W. Winston Pg. 478

24
 25/03/2015

EJEMPLO 1

Solucin:

X j ( j 1, 2,3, 4) 10 SiSi senoefectua

se efectua la inversion
la inversion

Por ejemplo: X2 = 1 si invierte en la inversin 2, pero X2 = 0 no se invierte

El VNA que logra Stockco (en miles de dlares) es:

VNA total que logra Stockco = 16X1 + 22X2 + 12X3 + 8X4

EJEMPLO 1

Por ejemplo: Si Stockco invierte en 1 y en 4, entonces obtiene un

VNA de 16 000 + 8 000 = 24 000 dlares. Esta combinacin de
inversiones corresponde a:

X1 = X4 = 1, X2 = X3 = 0

El VNA para esta combinacin de inversiones es:

VNA = 16(1) + 22(0) +12(0) + 8(1) = 24 (miles) dlares.

max z 16 x1 22 x2 12 x3 8 x4

25
 25/03/2015

EJEMPLO 1

Stockco se enfrenta a la restriccin de que se puede invertir

cuando mucho 14 000 dlares. Si se aplica el mismo
razonamiento utilizado. Se tiene:

Cantidad total invertida = 5x1 + 7x2 +4x3 +3x4

(en miles de dlares)
Por ejemplo, s X1 = 0, X2 = X3 = X4 = 1, entonces Stockco invierte en 2,3 y 4.
En este caso, Stokco tiene que invertir 7 + 4 + 3 = 14 (miles de) dlares.

5(0) +7(1) + 4(1) + 3(1) = 14 mi dlares.

5 X1 7 X 2 4 X 3 3 X 4 14

EJEMPLO 1

5 X1 7 X 2 4 X 3 3 X 4 14

Max z 16 X 1 22 X 2 12 X 3 8 X 4
S .a. 5 X 1 7 X 2 4 X 3 3 X 4 14
X j 0 o 1 ( j 1, 2,3, 4)

26
 25/03/2015

EJEMPLO 2

Modifique la formulacin de Stockco para tomar en

cuenta cada una de las condiciones siguientes:

1. Stockco puede invertir cuando mucho en dos

inversiones.
2. Si Stockco invierte en 2, entonces tambin debe
invertir en 1
3. Si Stockco invierte en 2, no puede invertir en 4

EJEMPLO 2

Solucin 1:

Simplemente se adiciona la siguiente restriccin:

x1 x2 x3 x4 2
Debido a que cualquier eleccin de tres o cuatro
inversiones dar X1 + x2 + x3 + x4 >= 3, la desigualdad ya
no considerara las combinaciones de inversiones que
impliquen tres o ms inversiones

27
 25/03/2015

EJEMPLO 2

Solucin 2:
Simplemente se adiciona la siguiente restriccin:

x2 x1 o bien, x2 x1 0
Entonces ya se tom en cuenta la segunda
condicin. Para que la ecuacin equivale a la
condicin 2, se consideran dos posibilidades:

EJEMPLO 2

Caso 1: X2 = 1
X2 = 1, entonces implica que X1>=1. Como X1 tiene
que ser igual a = o a !, esto quiere decir que X 1 = 1,
como se requiere en 2.
Caso 2: X2 = 0

X2 = 0, entonces implica que X1>=0. Lo cual permite que X1

= 0 o que X1 = 1.
En resumen: s X2 = 0, No limita el valor de X1. Esto tambin
es consistente con la condicin 2.

28
 25/03/2015

EJEMPLO 2

Solucin 3:

Simplemente se adiciona la siguiente restriccin:

x2 x4 1

EJEMPLO 2

Caso 1: X2 = 1
X2 = 1, En este caso se invierte en 2, y la condicin 3
establece que Stockco no puede invertir en 4 ( es
decir, X4 = 0). Observe que si X2 = 1, entonces la
ecuacin queda: 1 + X4 <= 1, o bien, X4 >= 0.
Por lo tanto, si X2 = 1, entonces la ecuacin es
consistente con la condicin 3
Caso 2: X2 = 0
X2 = 0, En este caso, la condicin 3 no limita el valor de X4.
Observe que si X2 = 0, entonces la ecuacin se reduce a X4
<= 1, lo cual deja libre a X4 para ser igual a 0 o a 1.

29
 25/03/2015

Ejercicios de Aplicacin
Material:

Papel
Lapicero
Calculadora

PROBLEMA 1
Tabla 1: Recursos necesarias para Gandhi
Gandhi Cloth Company fabrica tres tipos de prendas de
vestir: camisetas, shorts y pantalones. La elaboracin de Tipo de Mano de Tela (Yardas
Prenda Obra (H) cuadradas)
cada tipo de prenda requiere que Gandhi tenga
disponible el tipo de maquinaria apropiada. La Camiseta 3 4
maquinaria necesaria para manufacturar cada tipo de Shorts 2 3
prenda se tiene que rentar a las tarifas siguientes: Pantalones 6 4
maquinaria para camisetas, 200 dlares por semana;
maquinaria para shorts, 150 dlares por semana; Tabla 2: Ingresos e Informacin del costo para Gandhi

maquinaria para pantalones, 100 dlares por semana. La

Tipo de Precio de Costo Variable
hechura de cada tipo de prenda tambin requiere las Prenda Venta (Dl) (Dl)
cantidades de tela y mano de obra que se indican en la Camiseta 12 6
tabla 1. Estn disponibles cada semana 150 horas de
Shorts 8 4
mano de obra y 160 yardas cuadradas de tela. El costo
unitario variable y el precio de venta para cada tipo de Pantalones 15 8
prenda, se proporcionan en la tabla 2. Formule un PE
cuyo solucin maximice la utilidad semana de Gandhi.

30
 25/03/2015

PROBLEMA 2

La empresa Petrolium Oil, tiene que perforar en dos lugares atractivos de perforacin
para alcanzar cuatro posibles pozos de petrleo, los costos de preparacin de cada sitio
por pozo y el costo de perforar en el sitio i al posible j (Lugar: i=1,2; Sitio: j=1,2,3,4) se
dan en la siguiente tabla. El objetivo es determinar el mejor sitio para cada pozo de tal
manera que el costo total se minimice. Formule el problema como un modelo de
programacin entera y sugiera un mtodo para obtener la solucin optima. Debe
considerar solo puede perforar un pozo por sitio.

Costo de perforacin para llegar a la meta

Sitio 1 2 3 4 Costo de
Preparacin
1 2 1 8 5 5

2 4 6 3 1 6

PROBLEMA 3

J.C. Nickles recibe pagos de tarjetas de crdito desde cuatro regiones del pas (Oeste,
Oeste Medio, Este y Sur). El valor promedio diario de pagos que envan por correo los
clientes desde cada regin es como se indica: Oeste, 70 000 dlares; Oeste medio, 50
000 dlares; Este, 60 000 dlares, Sur, 40 000 dlares. Nickles tiene que decidir en
dnde los clientes deben enviar por correo sus pagos. Como Nickles puede ganar 20%
de inters anual si invierte estos ingresos, le gustara recibir los pagos tan rpido como
sea posible.
Nickles, piensa iniciar un sistema de percepcin de pagos para procesar los pagos tan
rpido como sea posible en cuatro ciudades distintas: Los Angeles, Chicago, Nueva York
y Atlanta. La cantidad promedio de das, (desde el momento en que el pago se enva)
hasta que es apropiado el cheque y Nickles puede depositar el dinero, depende de la
ciudad a la cual se enva el pago, segn se muestra en la tabla.

31
 25/03/2015

PROBLEMA 3
De
Ciudad 1 Ciudad 2 Ciudad 3 Ciudad 4
(Los (Chicago) (Nueva York) (Atlanta)
A ngeles)
Regin 1 Oeste
2 6 8 8
Regin 2 Medio
Oeste
6 2 5 5
Regin 3 Este
8 5 2 5
Regin 4 Sur
8 5 5 2
Por ejemplo, si se enva un cheque desde el Oeste hasta Atlanta, se requieren 8 das promedio
antes de que Nickles pueda ganar intereses con el cheque. El costo anual de financiar un
sistema de percepcin de pagos en cualquier ciudad es 50 000 dlares. Plantee un PE con el que
Nickles puede minimizar la suma de los costos debido al inters perdido y a las operaciones del
sistema de percepcin de pagos. Suponga que cada regin tiene que enviar todo su dinero a
una sola ciudad, y que no hay limite en cuanto a la cantidad de dinero que puede manejar cada
sistema de percepcin de pagos.

Asignacin Costos de los intereses perdidos al

ao
Oeste a L.A. 0.20(70 000)2 = 28 000
Oeste a Chicago 0.20(70 000)6 = 84 000
Oeste a N.Y. 0.20(70 000)8 = 112 000
Oeste a Atlanta 0.20(70 000)8 = 112 000
Oeste medio a L.A. 0.20(50 000)6 = 60 000
Oeste medio a Chicago 0.20(50 000)2 = 20 000
Oeste medio a N.Y. 0.20(50 000)5 = 50 000
Oeste medio a Atlanta 0.20(50 000)5 = 50 000
Este a L.A. 0.20(60 000)8 = 96 000
Este a Chicago 0.20(60 000)5 = 60 000
Este a N.Y. 0.20(60 000)2 = 24 000
Este a Atlanta 0.20(60 000)5 = 60 000
Sur a L.A. 0.20(40 000)8 = 64 000
Sur a Chicago 0.20(40 000)5 = 40 000
Sur a N.Y. 0.20(40 000)5 = 40 000
Sur a Atlanta 0.20(40 000)2 = 16 000

32
 25/03/2015

SOLUCIN:

Variables:

Donde Operar el sistema de percepcin de pagos. J = 1,2,3, 4

1: S opera en la ciudad j el sistema de percepcin de pagos

Yj =
0 : S , no es as

Donde: j 1. Angeles, 2. Chicago, 3. Nueva York y 4. Atlanta De (j)

Ciudad 1 Ciudad 2 Ciudad 3 Ciudad 4
(Los (Chicago) (Nueva York) (Atlanta)
(i) A ngeles)
Regin 1 x11 x12 x13 X14
1 : S la regin i enva los pagos a la ciudad j Oeste
Xij =
0 : S , no es as Regin 2 x21 x22 x23 X24
Medio
Oeste
Regin 3 x31 x32 x33 X34
Este
Regin 4 Sur x41 x42 x43 x44

Min z = 28x11 + 84x12 + 112x13 + 112x14 + 60x21 + 20x22 + 50x23 + 50x24

+ 96x31 + 60x32 + 24x33 + 60x34 + 64x41 + 40x42 + 40x43 + 16x44
+ 50y1 + 50y2 + 50y3 + 50y4
s.a
x11 + x12 + x13 + x14 >= 1
x21 + x22 + x23 + x24 >= 1
x31 + x32 + x33 + x34 >= 1
x41 + x42 + x43 + x44 >= 1
x11 + x21 + x31 + x41 4y1 <= 0
x12 + x22 + x32 + x42 4y2 <= 0
x13 + x23 + x33 + x43 4y3 <= 0
x14 + x24 + x34 + x44 4y4 <= 0
(Restriccin de la Regin Oeste)
(Restriccin de la Regin Oeste Medio)
(Restriccin de la Regin Este)
(Restriccin de la Regin Sur)
(Restriccin de Los Angeles)
(Restriccin de Chicago)
(Restriccin de Nueva York
(Restriccin de Atlanta)

Xij, Yj : 0, 1

33
25/03/2015

34