Estructura Matemática de un Modelo Lineal

Investigación de Operaciones

Carlos A. Bruno Romero

 Factores externos
PROBLEMAS MODELO
Socio culturales
SITUACION ACTUAL ≠
SITUACION IDEAL Representación
de una realidad
TIPOS DE PROBLEMAS:
Tecnológico - Producción haciendo uso de
- Ventas - mercado Repr gráficos, signos,
REALIDAD Problemas - Toma de decisiones
esent letras, símbolos .
Factores internos Estos problemas deben ación
- M.P. ser representados tal Tienes todas la
- M.O. como se presentan en la
características
realidad para ser
- Infraestructura económicos entendidos mejor y dar principales de a
- Rel. Laborales alternativas de solución realidad.
Políticos - otros
e = v/t
Medio
ambientales
 Modelos
Con el propósito de estudiar científicamente un sistema del mundo real debemos
hacer un conjunto de supuestos de cómo trabaja.

Estos supuestos, que por lo general toman la forma de relaciones matemáticas o

relaciones lógicas, constituye un Modelo que es usado para tratar de ganar cierta
comprensión de cómo el sistema se comporta.

e e
s s
n n
a a
t t Modelo
Sistema l Correspondencia l
r r (Representa
(realidad) i ción de la i
a a realidad)
d d
d d
a Inferencia a
a a
Parámetros Parámetros
 Clasificación de los modelos
Existen múltiples tipos de modelos para representar la realidad. Algunos son:

•Dinámicos: Utilizados para representar sistemas cuyo estado varía con el tiempo.
•Estáticos: Utilizados para representar sistemas cuyo estado es invariable a través
del tiempo.
•Matemáticos: Representan la realidad en forma abstracta de muy diversas
maneras.
•Físicos: Son aquellos en que la realidad es representada por algo tangible,
construido en escala o que por lo menos se comporta en forma análoga a esa
realidad (maquetas, prototipos, modelos analógicos, etc.).
•Analíticos: La realidad se representa por fórmulas matemáticas. Estudiar el
sistema consiste en operar con esas fórmulas matemáticas (resolución de
ecuaciones).
•Numéricos: Se tiene el comportamiento numérico de las variables intervinientes.
No se obtiene ninguna solución analítica.
•Continuos: Representan sistemas cuyos cambios de estado son graduales. Las
variables intervinientes son continuas.
•Discretos: Representan sistemas cuyos cambios de estado son de a saltos. Las
variables varían en forma discontinua.
•Determinísticos: Son modelos cuya solución para determinadas condiciones es
única y siempre la misma.
•Estocásticos: Representan sistemas donde los hechos suceden al azar, lo cual no
es repetitivo. No se puede asegurar cuáles acciones ocurren en un determinado
instante. Se conoce la probabilidad de ocurrencia y su distribución probabilística.
(Por ejemplo, llega una persona cada 20 ± 10 segundos, con una distribución
equiprobable dentro del intervalo).
 Clasificación de los modelos según la I.O.
Modelo Matemático
Es aquel modelo que describe el comportamiento de un sistema a través de
relaciones matemáticas y supone que todas las variables relevantes son
cuantificables. Por ende tiene una solución optima.

Modelo de Simulación
Es un modelo que imita el comportamiento de un sistema sobre un periodo de
tiempo dado, esta basado en observaciones estadísticas. Este tipo de modelo
entrega soluciones aproximadas.

Modelo Heurístico
Es una regla intuitiva que nos permite la determinación de una solución mejorada,
dada una solución actual del modelo, generalmente son procedimientos de
búsqueda. Este tipo de modelo también entrega soluciones aproximadas.
 Etapas para puesta en práctica
1. Definición del problema:
•Alternativas de decisión (variables de decisión).
•El objetivo de estudio (Función Objetivo).
•Identificación de las restricciones del sistema que se modela.
2. Construcción del modelo:
•Traducir el problema a relaciones matemáticas que incluyan las variables de
decisión, la Función Objetivo y las restricciones.
3. Solución del modelo:
•Uso de algoritmos de optimización.
•Se encuentran los valores de las variables de decisión.
4. Validación del modelo:
•¿El modelo entrega una predicción razonable del comportamiento del sistema?
•|

5. Puesta en Practioca:
•Traducir los resultados del modelo en instrucciones de operación.
 PROGRAMACIÓN LINEAL

PROGRAMACION LINEAL

FORMULACIÓN MATEMÁTICA

PROBLEMA GENERAL PROBLEMAS ESPECIALES

METODO GRAFICO METODO ALGEBRAICO PROBLEMAS DE PROBLEMAS DE

SIMPLEX TRANSPORTES ASIGNACION
 Componentes básicos de un modelo matemático (MPL)
1. Variables de decisión.
Son las que deben ser determinadas a partir de la solución del modelo, son
parámetros conocidos del sistema, se pueden controlar .
Las variables de decisión se representan por: X1, X2, X3,…, Xn ó Xi, i = 1, 2,
3,…, n.
2. Función Objetivo
Relación matemática entre las variables de decisión, parámetros y una
magnitud que representa el objetico o producto del sistema
La función objetivo optimiza los recursos de la organización

Maximizar (Utilidades, beneficios, ventas,

producción, etc. )
Optimizar
Minimizar (Costos, desperdicio, tiempo,
distancias etc.)
3. Restricciones
Son las relaciones entre las variables de decisión y recursos disponibles. La
s restricciones se generan cuando los recursos son limitados.
PROCESO

ENTRADA SALIDA

RECURSOS: PRODUCTOS TERMINADOS

- Materiales SERVICIOS
- Mano de Obra
- Tecnología
- Económicos
- Medio ambientales

4. Criterio de no negatividad.
Cuando las variables de decisión deben tomar valores cero o mayores que cero.
Xj ≥ 0
 PROPIEDADES DEL M.P.L.

Proporcionalidad:
Significa cual es la contribución al valor de la función objetivo y el consumo o
requerimiento de los recursos utilizados

Aditividad:
Se puede valorar la función objetivo (Z) se puede valorar, asi como los recursos
utilizados, sumando las contribuciones de cada uno de los términos y las
restricciones .
Divisibilidad:
Las variable s de decisión son continuas , por lo tanto aceptan valores no
enteros positivo
Certidumbre
Significa que los parámetros o constantes son estimados con certeza, es decir
no interviene una función de probabilidad para obtenerlas
PROBLEMA DE LA MEZCLA DE PRODUCTOS

Una compañía fabrica dos tipos de componentes electrónicos: transistores y

bobinas.
Cada transistor requiere un minuto de tiempo en el departamento de ensamble,
dos minutos de tiempo en el departamento de Control de Calidad y un minuto de
tiempo en empaque.
Cada bobina requiere dos minutos de tiempo en ensamble, un minuto de tiempo
en Control de Calidad y dos minutos en empaque.
Existe un total de 300 minutos en Ensamble, 400 minutos en C. Calidad y 400
minutos en Empaque disponibles cada día.
Tanto los transistores como las bobinas contribuyen en un dólar a la utilidad.
La compañía desea determinar la mezcla de productos optima que maximice la
utilidad total.
Solución:
Formulación
Paso 1: Identificar el objetivo (meta) a optimizar
Maximizar las utilidades de la compañía (Z).{dólares/día}
Paso 2: Identificar las variables de decisión que deseamos determinar
X1….Cantidad de transistores a fabricar por día {und/día}
X2….Cantidad de bobinas a fabricar por día {und/día}
Paso 3: Identificar las restricciones del modelo
R1) Tiempo disponible en el dpto. de Ensamble por día 300 min.
R2) Tiempo disponible en el dpto. de C. Calidad por día de 400 min.
R3) Tiempo disponible en el dpto. de Empaque por día de 400 min.
R4) No Negatividad.
Paso 4: Construcción del modelo matemático
F. Objetivo
Max Z = X1+ X2
Sujeto a :
R1) X1 + 2X2  300
R2) 2X1 + X2  400
R3) X1 + 2X2  400
R4) X1 , X2  0
EJERCICIO

El departamento de rayos X de un hospital tiene dos máquinas, A y B, que

pueden utilizarse para revelar radiografías. La capacidad de procesamiento
diaria de estas máquinas es A=80 y B=100 radiografías. El departamento debe
planear procesar al menos 150 radiografías por día. Los costos de operación
por radiografía son $4 para la máquina A y $3 para la máquina B. ¿Cuántas
radiografías por día debe procesar cada máquina para minimizar costos?

Se pide:
Formular como un problema de P.L. identificando claramente la función objetivo
y las variables de decisión
Solución:
Formulación
Paso 1: Identificar el objetivo (meta) a optimizar
Minimizar los costos de procesamiento (Z).{dólares/día}
Paso 2: Identificar las variables de decisión que deseamos determinar
X1….Cantidad de radiografías a procesar en máquina A al día {rad./día}
X2…. Cantidad de radiografías a procesar en máquina B al día {rad./día}
Paso 3: Identificar las restricciones del modelo
R1) Capacidad de procesamiento de rad. en la maquina A de 80.
R2) Capacidad de procesamiento de rad. en la maquina B de 100.
R3) Capacidad mínima del departamento de 150 rad. por día.
R4) No Negatividad.
Paso 4: Construcción del modelo matemático
F. Objetivo
Min Z = 4X1 + 3X2
Sujeto a :
R1) X1  80
R2) X2  100
R3) X1 + X2  150
R4) X1 , X2  0
PROBLEMA DE LA DIETA

La compañía OF utiliza diariamente por lo menos 800 libras de alimento

especial. El alimento especial es una mezcla de maíz y semilla de soya,
con las siguientes composiciones

Componente por libra de alimento de ganado

Alim. Ganado Proteínas Fibra Costo ($/lb)
Maíz 0.09 0.02 0.30
Semilla Soya 0.60 0.08 0.90

Los requerimientos dietéticos diarios de alimento especial estipulan por lo

menos un 30% de proteínas y cuando mucho un 5% de fibra. Se desea
determinar el costo mínimo diario de la mezcla de alimento
Solución:
Formulación
Paso 1: Identificar el objetivo (meta) a optimizar
Minimizar el costo diario total de la mezcla de alimento(Z).{dólares/día}
Paso 2: Identificar las variables de decisión que deseamos determinar
X1….libras de maíz en la mezcla diaria {lb./día}
X2…. Libras de semilla de soya en la mezcla diaria {lb./día}
Paso 3: Identificar las restricciones del modelo
R1) Requerimientos de alimentos de por lo menos 800 lb al día
R2) Requerimiento de proteínas de por lo menos un 30%
R3) Requerimientos de fibra de cuando mucho un 5%.
R4) No Negatividad.
 Paso 4: Construcción del modelo matemático

F. Objetivo F. Objetivo
Mim Z = 0.3X1 + 0.9X2 Mim Z = 0.3X1 + 0.9X2
Sujeto a : Sujeto a :
R1) X1 + X2  800 R1) X1 + X2  800
R2) 0.09X1 + 0.6X2  0.3(X1 + X2) R2) 0.21X1 - 0.30X2  0
R3) 0.02 X1 + 0.06X2  0.05(X1 + X2) R3) 0.03 X1 - 0.01X2  0
R4) X1 , X2  0 R4) X1 , X2  0
PROBLEMA DE TRANSPORTE
Considere el problema que enfrenta el departamento de planificación de la
compañía DALLAS S.A. ,que tiene tres plantas y cuatro almacenes regionales.
Cada mes se requiere de una lista de requerimientos de cada almacén y se
conocen, también las capacidades de producción de las plantas. Además se
conoce el costo de transporte de cada planta a cada almacén. El problema es
determinar qué plantas deben abastecer a que almacenes de manera que
minimicen los costos totales de transporte. Consideremos que los costos de
transporte entre dos ciudades cualquiera, son proporcionales a las cantidades
embarcadas. Supóngase que las capacidades mensuales de cada planta son
70, 90 y 180 respectivamente. Los requerimientos de cada almacén para el mes
de Marzo son: 50, 80, 70 y 140. Los costos unitarios de transporte son los que
se muestran en la tabla siguiente:
 Planta Almacén
1 2 3 4
1 19 30 50 10
2 70 30 40 60
3 40 8 70 20

Se pide:
Formular como un PPL
F. Objetivo
Min{Z=19X11+70X21+40X31+30X12+30X22+8X32+50X13+40X23+70X33+10X14+60
X24+20X34}
Sujeto a :
R1) X11 + X12 + X13 + X14  70
R2) X21 + X22 +X23 + X24  90
R3) X31 +X32 +X33 + X34  180
R4) X11 +X21 +X31  50
R5) X12 + X22 + X32  80
R6) X13 + X23 + X33  70
R7) X14 + X24 + X34  140
R8) Xij  0  i,j
 PROBLEMA

La fábrica de Hilados y Tejidos “LA ARAÑITA" requiere fabricar dos

tejidos de calidad diferente T y T’; se dispone de 500 Kg de hilo a,
300 Kg de hilo b y 108 Kg de hilo c. Para obtener un metro de T
diariamente se necesitan 125 gr de a, 150 gr de b y 72 gr de c; para
producir un metro de T’ por día se necesitan 200 gr de a, 100 gr de
b y 27 gr de c.
El T se vende a $4000 el metro y el T’ se vende a $5000 el metro.
Si se debe obtener el máximo beneficio, ¿cuántos metros de T y T’
se deben fabricar?
PASO 1: "FORMULAR EL PROBLEMA"
Para realizar este paso partimos de la pregunta central del problema.

¿cuántos metros de T y T’ se deben fabricar?

PASO 2: DETERMINAR LAS VARIABLES DE DECISIÓN

Basándonos en la formulación del problema nuestras variables de decisión son:

X1: Cantidad de metros diarios de tejido tipo T a fabricar

X2: Cantidad de metros diarios de tejido tipo T’ a fabricar
PASO 3: DETERMINAR LA FUNCIÓN OBJETIVO
En este paso es de vital importancia establecer el contexto operativo del problema
para de esta forma determinar si es de Maximización o Minimización. En este
caso abordamos el contexto de beneficio por ende lo ideal es Maximizar.
Función Objetivo

Z Max = 4000X1 + 5000X2

PASO 4: DETERMINAR LAS RESTRICCIONES DEL PROBLEMA

Determinamos las funciones que limitan el problema, estas están dadas por
capacidad, disponibilidad, proporción, no negatividad entre otras.

De disponibilidad de materia prima:

0,12X1 + 0,2X2 <= 500 Hilo “a”

0,15X1 + 0,1X2 <= 300 Hilo “b”
0,072X1 + 0,027X2 <= 108 Hilo “c”

PASO 5: CEITERIO DE NO NEGATIVIDAD

X1, X2 ≥ 0
 Modelo General de PL
Definición de variables:
Sea xj = #.... ; j = 1, 2, 3....n
Función objetivo:
Max. o Min. z = c1X1 + c2X2 + ... + cjXj + ... + cnXn
Sujeto a restricciones: i = 1, 2, 3, ... , m
a11X1 + a12X2 + ... + a1jXj + ... + a1nXn  =  b1
a21X1 + a22X2 + ... + a2jXj + ... + a2nXn  =  b2

ai1X1 + ai2X2 + ... + aijXj + ... + ainXn  =  bi

.
am1X1 + am2X2 + ... + amiXj + ... + amnXn  =  bm

Condiciones de signo para variables: toda xj  0

m = # total de restricciones,
n = # de variables de decisión (originales)
cj, aij y bi son constantes (o parámetros) dados.
Formular los ejercicios propuestos

GRACIAS