Bienvenidos!!!!

CAPITULO I
INTRODUCCION AL MODELAMIENTO
E INVESTIGACION DE
OPERACIONES
 Introduccin a la
Investigacin Operativa
En este curso entregaremos conocimientos fundamentales y
herramientas
para el desarrollo de una disciplina destinada a la
optimizacin en el uso de recursos
.. por parte de empresas y organizaciones pblicas y privadas

Mnimo consumo
de recursos
Logro de Objetivos Mxima utilizacin
o eficiencia en el
Entrega de productos,
Cumplimiento de planes de produccin uso de recursos
Disposicin de instalaciones
Satisfaccin de demandas
Robustez y estabilidad de
soluciones o decisiones
(escenarios cambiantes e inciertos)

2
 Introduccin a la
Investigacin Operativa
Antes de ver definiciones formales, veamos el ejemplo
1.1

$3
$3

$3

$7 $7

3
 Introduccin a la
Investigacin Operativa

$3 $3 $3

$3 $3 $3 Total = $27

$3 $3 $3

4
 Introduccin a la
Investigacin Operativa

$7 $7

Total = $28

$7 $7

5
 Introduccin a la
Investigacin Operativa

Explique el problema.
Cul es el propsito? $7 $7
Cules son las condiciones?

$3 $3 $3

$3 $3 $3

Total = $32
6
 Introduccin a la
Investigacin Operativa
Hay ms combinaciones?
Cmo asegurarnos que tenemos efectivamente la mejor
combinacin?
Qu pasa si tenemos ms tipos de cortes o formas?
Qu pasa si el tamao de la cartulina o plancha es
mucho ms grande?
Qu pasa si a la vez queremos minimizar el papel no
utilizado?
Puedo percibir ingresos por el material no utilizado?
Este problema es una versin simplificada de un
conocido, complejo y ampliamente estudiado problema:
El Cutting Stock Problem
Industria forestal, metalrgica (cobre, acero), del papel,
periodismo escrito (espacios publicitarios), etc...
7
 Introduccin a la
Investigacin Operativa
Ejemplo 1.2: Las torres de Hanoi.
Idea: Mover los discos de izquierda a derecha.
Restriccin:
Mover un disco a la vez.
Un disco de mayor dimetro no puede estar sobre otro disco de
menor dimetro.

8
 Introduccin a la
Investigacin Operativa

9
 Introduccin a la
Investigacin Operativa

10
 Introduccin a la
Investigacin Operativa

11
 Introduccin a la
Investigacin Operativa

12
 Introduccin a la
Investigacin Operativa

13
 Introduccin a la
Investigacin Operativa

14
 Introduccin a la
Investigacin Operativa

15
 Introduccin a la
Investigacin Operativa

16
 Introduccin a la
Investigacin Operativa

17
 Introduccin a la
Investigacin Operativa

18
 Introduccin a la
Investigacin Operativa

19
 Introduccin a la
Investigacin Operativa

20
 Introduccin a la
Investigacin Operativa

21
 Introduccin a la
Investigacin Operativa

22
 Introduccin a la
Investigacin Operativa

Explique el problema.
Cul es el propsito?
Cules son las condiciones?
Qu sucede si se exige que el disco verde no puede estar
en contacto directo con el disco de color rojo?

23
 Introduccin a la
Investigacin Operativa

Ejemplo 1.3: Problema del Vendedor Viajero

24
 Introduccin a la
Investigacin Operativa

25
 Introduccin a la
Investigacin Operativa

Ejemplo 1.3: Problema del Vendedor Viajero.

Se tiene que visitar N, de manera que se comience y termine en
la misma ciudad de origen.
Se requiere que cada ciudad deba ser visitada una vez.
Cmo determinara la secuencia de visita de las ciudades?
Cuntas formas es posible realizar el ordenamiento de las
visitas?
La formulacin del problema lo veremos en Programacin lineal
entera-mixta.

26
 Introduccin a la
Investigacin Operativa
En empresas y organizaciones es frecuente encontrar
problemas como stos
Gran cantidad de variables y decisiones simultneas (cientos,
miles y millones)
Gran diversidad y multiplicidad de objetivos

Diseo y programacin de flotas (ruteo de vehculos)

Planificacin/programacin de la produccin e inventarios
Yield / Revenue Management / Pricing
Configuracin de sistemas (elctricos, logsticos etc...)
Planificacin de proyectos (actividades)
Programacin de cortes (madera, papel, metales, etc.)
Planificacin de mantencin de equipos
Segmentacin territorial (servicios pblicos, urgencias, etc.)
....
27
 Introduccin a la
Investigacin Operativa

Cmo desarrollar herramientas matemtico-computacionales

para abordar eficientemente estos problemas?
Modelamiento matemtico
Programacin computacional
Interfaz grfica y usabilidad

Esta disciplina entrega slidas y probadas herramientas para

apoyar la toma de decisiones en este tipo de situaciones o
problemas.

Investigacin Operativa entrega una herramienta cuantitativa a

los ejecutivos para tomar mejores decisiones en las
operaciones que estn bajo su control

28
 Disciplinas Involucradas
en la Investigacin Operativa

Programacin Matemtica
Probabilidades y Procesos Estocsticos
Simulacin
Teora de Juegos
Estadstica
Teora de Decisiones
Anlisis Econmico
etc.

29
 Tcnicas de IO.

Programacin Lineal
Modelo de Decisin
Programacin Entera.
Programacin Dinmica
Programacin Estocstica.

30
 Clasificacin de los Modelos

DETERMINISTICO ESTOCASTICO

LINEAL NO LINEAL

CONTINUA ENTERA CONVEXO NO CONVEXO

MIXTO PURO
IRRESTRICTO RESTRINGIDO

BINARIO BINARIO

31
 Limitaciones de IO

Requerimiento Computacional.
Ausencia de Cuantificacin
Costo y tiempo
Implementacin.

32
 Metodologa para resolver un
problema en IO
Identifique el
Problema u Evale
Oportunidad

Realidad
Formule el
Problema
Implemente

Construya el
Modelo

Seleccione la
Mejor
Verifique el Alternativa
modelo

33
 En la prctica!!!

Identifique el
Problema u Evale
Oportunidad

Realidad
Formule el
Problema
Implemente

Construya el
Modelo

Seleccione la
Mejor
Verifique el Alternativa
modelo

34
 Metodologa para resolver un
problema en IO
Identifique el
Problema u Evale
Oportunidad

Realidad
Formule el
Problema
Implemente
Cules son los objetivos?
Es demasiado Amplio?
Construya el El problema es delimitado?
Modelo

Seleccione la
Mejor
Verifique el Alternativa
modelo

35
 Metodologa para resolver un
problema en IO
Identifique el
Problema u Evale
Oportunidad

Realidad
Formule el
Problema
Qu datos debo recolectar? Implemente

Cmo recoleccionar los datos?

Cmo interactan los
Construya el componentes del sistema entre
Modelo ellos?
Seleccione la
Mejor
Verifique el Alternativa
modelo

36
 Metodologa para resolver un
problema en IO
Identifique el
Problema u Evale
Oportunidad

Realidad
Formule el
Problema
Qu tipo de modelo se debe Implemente
utilizar?
Es el modelo exacto?
Construya el Es el modelo demasiado
Modelo complejo?
Seleccione la
Mejor
Verifique el Alternativa
modelo

37
 Metodologa para resolver un
problema en IO
Identifique el
Problema u Evale
Oportunidad

Realidad
Formule el
Problema
Los output coinciden con las Implemente
observaciones actuales de las
input del sistema?
Son razonables los output?
Construya el
Modelo Podra el modelo estar errneo?

Seleccione la
Mejor
Verifique el Alternativa
modelo

38
 Metodologa para resolver un
problema en IO
Identifique el
Problema u Evale
Oportunidad

Realidad
Formule el
Problema
Implemente

Existen Objetivos Contrapuestos?

Se ayuda con herramientas
Construya el
computacionales
Modelo

Seleccione la
Mejor
Verifique el Alternativa
modelo

39
 Metodologa para resolver un
problema en IO
Identifique el
Problema u Evale
Oportunidad

Realidad
Formule el
Problema
Implemente
Los usuarios deben ser
capacitados en el nuevo sistema.
Construya el
Modelo

Seleccione la
Mejor
Verifique el Alternativa
modelo

40
 Metodologa para resolver un
problema en IO
Identifique el
Problema u Evale
Oportunidad

Realidad
Formule el
Problema
Implemente
El sistema debe ser observado con
el tiempo para asegurarse de que
Construya el
funciona correctamente
Modelo

Seleccione la
Mejor
Verifique el Alternativa
modelo

41
Ejemplo de aplicacin.

42
 Problema

Problema es cualquier situacin en la que debe

tomarse decisiones respecto de la

asignacin de recursos escasos a una o

varias actividades con el objeto de satisfacer

uno o mas objetivos en conflicto.

43
 Modelo

Un modelo es una abstraccin o representacin

idealizada de un sistema de la vida real.

Su propsito es proporcionar un medio que permita

estudiar el comportamiento del sistema con el fin de
mejorar su desempeo.

Si el sistema an no existe, permite un adecuado estudio

para definir la estructura ideal de este sistema indicando
las relaciones funcionales entre sus elementos.

Un modelo es un vehculo para representar un problema

decisional de modo de permitir la identificacin y
evaluacin sistemtica de todas las decisiones
(soluciones) posibles.
44
 Modelo (cont...)

Componentes elementales de un Modelo Matemtico

- Variables de Decisin

- Medidas de Desempeo

- Relaciones Funcionales

- Restricciones

- Parmetros

45
 Modelo (cont...)

Modelos Descriptivos v/s Prescriptivos

Un Modelo Descriptivo busca entender y

explicar el comportamiento del sistema.

Un Modelo Prescriptivo (normativo) busca

definir caractersticas de operacin (valores de las
variables de decisin) adecuadas a un cierto
criterio objetivo, que tpicamente consiste en la
maximizacin o minimizacin de una o varias
medidas de efectividad.

46
 Modelo de Optimizacin con

Este es el caso mas general

Funcin Objetivo

Opt f x (max o min)

g1 x 0
s .a :
g
2 x 0
g x 0

x n
g x 0
m

Restricciones de Dominio
Restricciones
Algebraicas

47
 Ejemplo: Localizacin de
Instalacin
Supongamos que se tiene un conjunto de puntos de
extraccin de petrleo.
Se debe decidir la localizacin de una refinera dentro
del sector geogrfico.
El envo de petrleo desde los puntos de extraccin a la
refinera ser realizar por ductos.
El costo del ducto es proporcional a la distancia que
existe entre los puntos de explotacin y la refinera.
Por condiciones medioambientales la refinera debe
estar a una distancia de 500 km, desde la ciudad que
se encuentra localizada en el punto (50,30).

48
 Un Modelo de Optimizacin

Un Modelo de Optimizacin est definido por:

Un conjunto de variables de decisin
Una funcin objetivo a maximizar o minimizar
Un conjunto de restricciones a establecer para los
valores de las variables de decisin

49
 Ejemplo: Ruteo de un Vehculo con
beneficio
Supongamos que tenemos un conjunto de clientes y
una planta.
Cada uno de los cliente i demanda qi unidades del
depsito.
Por otra parte cada cliente tiene asociado un beneficio
por ser atendidos, sea ui
Para realizar la distribucin se tiene un vehculo cuya
capacidad es Q unidades.
Entre cada par de cliente existe un camino que podra
recorrer el vehculo.
Se tiene que determinar la ruta del vehculo:
minimizando los costos de transporte y
maximizando el beneficio asociado a la atencin de
los clientes. 50
 Ejemplo: Ruteo de un Vehculo con
beneficio
Definamos una instancia, con 4 clientes.
Consideremos que el punto 1 representa el depsito y
desde el punto 2 al 5 los clientes.
Analicemos algunas soluciones
S1 = 1-2-3-4-5-1
S2 = 1-3-2-4-1
S3 = 1-4-2-1
S4 = 1-5-1
Cuntas soluciones podramos tener?

51
 Ejemplo: Ruteo de un Vehculo con
beneficio
Cmo discriminamos entre soluciones?
En este caso:
Costo de transporte
Beneficio asociado por la atencin de un cliente.
Sean los beneficio y los costos de transporte:

Costo de ir del punto al i a j Beneficio

cij 1 2 3 4 5 ui
1 . 37 72 20 27 0
2 45 . 64 49 78 45
3 15 42 . 31 6 79
4 99 95 63 . 67 67
5 34 35 42 83 . 84

52
 Ejemplo: Ruteo de un Vehculo con
beneficio
Evaluando las soluciones anteriores:
S1 = 1-2-3-4-5-1 = 37+64+31+67+34 275 = -42
S2 = 1-3-2-4-1 = 72+ 42+49+99 191 = 71
S3 = 1-4-2-1 =20 + 95 + 45 112 = 48
S4 = 1-5-1 =27 + 34 84 = -23

Costo de ir del punto al i a j Beneficio

cij 1 2 3 4 5 ui
1 . 37 72 20 27 0
2 45 . 64 49 78 45
3 15 42 . 31 6 79
4 99 95 63 . 67 67
5 34 35 42 83 . 84

53
 Ejemplo: Ruteo de un Vehculo con
beneficio
De estas soluciones aquella que tiene un valor mayor
es S1. Pero:
Existe capacidad en el vehculo
Existe demanda en cada cliente
Asumamos que la capacidad es Q= 3 y la demanda de
cada cliente es 1.
S1 = -42 ; Demanda total 4 es mayor a 3
S2 = 71 ; Demanda total 3 es igual a 3
S3 = 48 ; Demanda total 2 es menor a 3
S4 = -23 ; Demanda total 2 es menor a 3
Con cul solucin se quedara?
Cules sera las variables del problema?
Cules seran las restricciones del modelo?
54
 Un Ejemplo de la Mochila

Supongamos que vamos a realizar una excursin o un

viaje tipo mochileo, o simplemente a acampar
Debemos definir la mejor forma de cargar una mochila
para el viaje
Por simplicidad nos concentraremos solamente en el
alimento requerido para el viaje
Por razones mdicas o de otra ndole, necesitamos
respetar un mximo de 20 kilos en la mochila
Consideremos que slo cargaremos latas o conservas
de diferentes tipos de alimentos
La idea u objetivo es maximizar los beneficios
nutricionales asociados al alimento seleccionado
En este caso, consideraremos protenas
55
 Un Ejemplo de la Mochila

X1
arbejas

X2
porotos
X3
atn
X4

tomates X5

championes X6

aceitunas
56
 Un Ejemplo de la Mochila

Una solucin a nuestro problema consistir en

definir los valores de las variables
X1, X2, X3, X4, X5 y X6

Esto definir la cantidad de tarros que llevaremos

de cada uno de los 6 alimentos
Asumiremos que para cada alimento tenemos como
mximo 5 unidades para cargar
Por ejemplo: S1 S2 S3 S4
X1 3 3 1 2
X2 3 4 1 2
X3 3 3 1 2

X4 3 4 1 2
X5 3 3 1 2
X6 3 4 1 2
57
 Un Ejemplo de la Mochila

Cmo asegurar que se respete la capacidad o el peso

mximo?

i Alimento Peso/tarr
1 arbejas 1,0
2 porotos 2,0
3 atn 1,5
4 tomates 0,8
5 championes 1,2 S1 S2 S3 S4 S5 S6 S7
6 aceitunas 2,0 X1 3 3 1 2 2 3 3
X2 3 4 1 2 3 2 2
X3 3 3 1 2 2 3 3
X4 3 4 1 2 3 2 1
X5 3 3 1 2 2 3 3
X6 3 4 1 2 3 2 2
Total 25,5 30,3 8,5 17,0 21,8 20,7 19,9

58
 Un Ejemplo Simple

Cmo buscar la mejor combinacin?

Calculemos las protenas de cada combinacin.
Buscaremos la combinacin que entregue ms protenas
S1 S2 S3 S4 S5 S6 S7
i Alimento prot/tarr X1 3 3 1 2 2 3 3
1 arbejas 187 X2 3 4 1 2 3 2 2
2 porotos 322 X3 3 3 1 2 2 3 3
3 atn 330 X4 3 4 1 2 3 2 1
4 tomates 143 X5 3 3 1 2 2 3 3
5 championes 286 X6 3 4 1 2 3 2 2
6 aceitunas 345 Prot 4839 5649 1613 3226 4036 4029 3886
Peso 25,5 30,3 8,5 17 21,8 20,7 19,9

Obviamente S1, S2, S5 y S6 no son factibles.

Las soluciones factibles son S3, S4 y S7.
Cul es mejor? es efectivamente la mejor?
59
 Un Ejemplo Simple

Veamos algunas otras soluciones o combinaciones

(obtenidas por inspeccin) .

S7 S8 S9 S10 S11 S12 S13 S14

X1 3 3 3 0 0 0 2 2
X2 2 1 1 1 0 0 0 0
X3 3 3 3 5 5 4 5 4
X4 1 1 0 1 5 5 5 5
X5 3 3 5 3 5 5 5 5
X6 2 3 2 3 1 2 0 1
Prot 3886 3909 3993 4008 4140 4155 4169 4184
Peso 19,9 19,9 19,5 19,9 19,5 20 19,5 20

An no sabemos si la mejor encontrada es

efectivamente la mejor existente
Tampoco sabemos como buscarla
60
 Un Modelo de Optimizacin

Max 187X1 + 322X2 + 330X3 + 143X4 + 286X5 + 345X6

Sujeto a:
1,0X1 + 2,0X2 + 1,5X3 + 0,8X4 + 1,2 X5 + 2,0 X6 20
X1, X2, X3, X4, X5, X6 5
X1, X2, X3, X4, X5, X6 0
X1, X2, X3, X4, X5, X6 Enteros

61
 EL PROBLEMA DE LA MOCHILA
(KNAPSACK)

max c1 x1 c2 x2 cn xn
s.a a1 x1 a2 x2 an xn b
x1 , x2 , , xn enteros
Este es uno de los problemas ms
n simples de PE
max c x
i 1
i i Pero es muy importante pues resulta
ser un subproblema al utilizar diversos
n
enfoques para resolver otros
s.a a x
i 1
i i b
problemas
xi Z,i 1,..., n Adems posee un amplio espectro de
aplicaciones (carga de vehculos,
contenedores, naves, seleccin de
portafolios, etc.),

62
 Construccin del Modelo

Es un arte y no una ciencia.

La experiencia y el conocimiento de modelos ya
establecidos son de gran ayuda.
Existe una variedad de modelos de propsito general,
denominados modelos prototipo"

Distribucin Logstica
Mantencin y reemplazo de equipos
Inventario y Produccin
Problemas de Asignacin
Problemas de Transporte
Problemas de Corte

63
 Solucin de un Modelo

Resolver un modelo consiste en manipular algebraicamente

el modelo con el objeto de obtener informacin descriptiva o
prescriptiva respecto del problema.

En el caso de un modelo Prescriptivo, esta informacin,

tpicamente, se expresa en forma de un conjunto de valores
propuestos para a las variables de decisin.
Estos valores constituyen la solucin del problema.

En el caso de los modelos descriptivos, comnmente, en

lugar del trmino solucionar se utiliza el trmino correr,
simular, o ejecutar el modelo, el cul se refiere al
proceso de evaluar las medidas de desempeo, dado un
conjunto de valores para las variables de decisin.
64
 Solucin de un Modelo

Las soluciones se pueden obtener bsicamente mediante:

Mtodos Analticos: Los valores de las variables se expresan

explcitamente en funcin de los parmetros del modelo.
Ej:
Min x2 y 2 y 3 x
s .a : x y 3
2
Min x 3 x 2 x2 6 x 9
2

df 3
4x 6 0 *
x
dx 2

65
 Solucin de un Modelo

Esto se puede realizar para cualquier valor de a

Min x2 y2
y ax
s .a : x y a

2
Min x 2 a x 2 x 2 a 2 ax

df a
4 x 2a 0 x *
dx 2

Lamentablemente esto, no siempre es posible ...

De este modo se requiere de otro tipo de mtodos
66
 Solucin de un Modelo

Las soluciones se pueden obtener bsicamente mediante:

Solucin Numrica:
Se obtiene mediante procedimientos iterativos o algoritmos.
Para un modelo prescriptivo, dada una solucin inicial, un
algoritmo establece un mecanismo sistemtico para generar
una secuencia de soluciones que convergen a una solucin
que satisface las restricciones y criterios objetivo del modelo.
Para un modelo descriptivo, el algoritmo establece la
secuencia de operaciones necesarias para obtener los valores
de las medidas de desempeo, dado un conjunto de valores
asignados a las variables de decisin.

67
 Algoritmos, Mtodos y Heursticas

Mtodo: Es una secuencia de pasos, que puede ser

finita o infinita, cuyo objetivo es determinar la
solucin de un problema para una instancia dada.

Algoritmo: Es un procedimiento consistente en una

secuencia finita de pasos que garantiza el encontrar
una solucin de un problema para una instancia
dada.

Heurstica: Son procedimientos que en un tiempo

razonable son capaces de encontrar buenas
aproximaciones de solucin.

68
 Clases de Problemas v/s
Instancias de Problemas
Para estudiar el Modelo General, y facilitar el
desarrollo de tcnicas analticas y/o algortmicas
eficientes de solucin, se hacen ciertos supuestos
que conducen a la clasificacin de los diversos
problemas de Programacin Matemtica en
subconjuntos o Clases.

Cada Clase se caracteriza por el conjunto de

parmetros descriptivos del problema y la estructura
y formas funcionales del modelo.

Una instancia de una clase de problemas se

obtiene al asignar valores numricos especficos a
los parmetros descriptivos de una clase dada.
69
 Clases de Problemas v/s
Instancias de Problemas

En el lenguaje cotidiano, tpicamente se utiliza el

trmino problema para referirse a un clase de
problemas, y el trmino instancia de problema para
referirse a una instancia de una clase de
problemas.

70
 Modelo de Programacin Lineal

n
Parmetros
Opt c j 1
j xj

n
s.a : a j 1
ij x j bi i 1, 2, , m

xj 0 j 1, 2, , n

Ejemplos...

71
 Modelo de Programacin Lineal

Matricialmente x1
x2
x3
T Opt c1 , c2 , c3 , , cn
Opt c x

s.a : A x b x
n
x0
b1
a11 a12 a13 a1n x1 b2
a a a a x2 b3
s.a : 21 22 23 2n
x3


a amn xn
m1 am 2 am 3
bm
x1 , x2 , x3 , xn 0
72
 Instancia de un Modelo de
Programacin Lineal
Ejemplo :
Min 3 x 4 y 7 z x

s.a : 8 x 6 y 3 z 5
Min
3,

4, 7

y
z
7 x 4 y 4 z 4 cT

x, y , z 0
x
8 6 3 5
s.a : y
7 4 4 4
z
A
x, y , z 0

73
 El Modelo de Programacin
Lineal Entera

n
Opt c
j 1
j xj

n
s.a : a
j 1
ij x j bi i 1, 2, , m

x j entero j 1, 2, , n

Ejemplos...

74
 El Modelo de Programacin
Lineal Entero Mixto

n
Opt c
j 1
j xj

n
s.a : a
j 1
ij x j bi i 1, 2, , m

x j entero j J1 1, 2, , n

Ejemplos...

75
 El Modelo de Programacin
Lineal Binario

n
Opt c
j 1
j xj

n
s.a : a
j 1
ij x j bi i 1, 2, , m

x j 0,1 j 1, 2, , n

Ejemplos...

76
 El Modelo de Programacin
Lineal Binario Mixto

n
Opt c
j 1
j xj

n
s.a : a
j 1
ij x j bi i 1, 2, , m

x j 0,1 j J1 1, 2, , n

Ejemplos...

77
 El Modelo de Programacin
Cuadrtica

n n
Opt c
i 1 j 1
ij xi x j

n
s.a : a
j 1
ij x j bi i 1, 2, , m

xj 0 j 1, 2, , n

78
 Equivalencias

Dos modelos son equivalentes si ambos tienen

las mismas soluciones ptimas o bien si existe

una transformacin que permite construir la

solucin de uno de los modelos a partir de la

solucin del otro.

79
 Equivalencia I

P ) Min f ( x) Pe ) Max f ( x)

Max Utilidades Ingresos Costos

Min Costos Netos Ingresos Costos
Max 8 x 3 y 6 z Min 8 x 3 y 6 z
80
 Equivalencia II

P) Max c f ( x) Pe ) c Max f ( x)

Max 2 x2 2 y 2 2 Max x2 y2

s.a : x y 3 s.a : x y 3

81
 Equivalencia III

P ) Min c f x Pe ) c Min f ( x )

Min 10 x 2 y 2 10 Min x 2 y 2

s .a : x y 3 s .a : x y 3

82
 Equivalencia IV

1
P ) Min Pe ) Max f ( x )
xX f ( x) xX
con f ( x ) 0, x X

2 2
1
Max x y Min
x2 y 2
s .a : x y 3
s .a : x y 3

83