CICLO 2015-I Mdulo:2

Unidad: 2 Semana: 2

INVESTIGACION OPERATIVA

Lic. Mximo Tejero Alegre

1
UNIDAD 2
Aplicaciones de Programacin
Lineal

La construccin de
modelos es un arte
que se mejora con
la prctica

2
ORIENTACIONES
Cuando Usted estudie; contraste y relacione la
informacin recin adquirida con su conocimiento y
experiencia anterior. Para ello es til que revise los
resmenes, esquemas, cuadros comparativos o
mapas conceptuales elaborados previamente en su
texto.
Recuerde que la Investigacin Operativa se aprende
practicando, utilice un block para repetir los ejercicios.
Para esta clase virtual utilize su Gua didctica a partir
de la pag. 54
3
CONTENIDOS TEMTICOS

1 Modelo general de la P. L.

2 Formulacin y Planteamiento

3 Formas de presentacin de Mod.

4 Aplicacin de la P.L.

5 Aplicaciones
 Introduccin a la Programacin Lineal
Los fundamentos matemticos, se deben al norteamericano de origen
hngaro Janos Von Neuman (1903-1957). Teora de Juegos.
En 1858, se aplicaron los mtodos de la P.L. a un plan ptimo de
transporte de arena de construccin a las obras de edificacin de la ciudad
de Mosc. Habiendo 10 puntos de partida y 230 de llegada. El plan ptimo
calculado por un procesador , rebaj un 11% los gastos respecto a los
costos previstos.
Modelo general de la Programacin Lineal
Es un mtodo para determinar un programa ptimo de uso eficiente o
distribucin de recursos limitados, para alcanzar objetivos deseados.
Se refiere al proceso de la determinacin de un programa particular, que
consta de una funcin objetivo lineal por maximizar o minimizar, sujetas a
ciertas restricciones en la forma de igualdades o desigualdades.
Implica exactamente lo que expresa, que los problemas pueden ajustarse
a modelos lineales.
Los mtodos utilizados sern el mtodo grfico(cuando hay dos variables
de decisin) y el mtodo simplex (cuando hay mas de 2 variables)
Permite soluciones continuas, los valores no sern necesariamente
nmeros enteros, puede admitir fracciones.
Caracterstica de la Programacin Lineal
n cj Costo, precio, utilidad del

Z cj xj
1. La funcin objetivo: j-simo producto
(mx Z o min Z) xj Producto, proceso,
j1 servicio del j-simo

n
2. Las restricciones de
las variables
a
j1
ij xj bi i 1,2,3..., m

a ij Coeficiente tcnico del recurso i del j-simo producto

bi Disponibilidad, recurso del i-simo componente

3. La condicin de
irreversibilidad del xj 0, j 1,...n
problema
El producto, proceso o servicio es igual o mayor que cero
 Caracterstica de la Programacin Lineal
4. Proporcionalidad. Las cantidades de flujo de los distintos artculos que
entran y salen de la actividad son siempre proporcionales al nivel de esta.
Si se desea duplicar dicho nivel, se duplican los flujos correspondientes.
5. Actividad. Es especificar que el sistema de actividades sea completo,
puede hacerse una contabilidad completa de cada articulo por actividad.
Cantidades que entran = cantidades que salen.
Ejemplo 1. Ejemplo 2.
Funcin objetivo Funcin objetivo
n n
max Z cj xj min Z cj xj
j1 j1
Restricciones Restricciones
n n

a
j1
ij xj bi i 1,2,3..., m a
j1
ij xj bi i 1,2,3..., m

Condiciones de no negatividad Condiciones de no negatividad

xj 0, j 1,...n xj 0, j 1,...n
 Formulacin y Planteamiento de Modelos de P.L.
1. Comprensin del problema: Se recomienda confeccionar una matriz.
Productos
x1 x2 x xj Disponibilidad
Recursos
C1 C1 X 1 C1 X 2 C1 X j restriccin
C2 C2 X 1 C2 X 2 C2 X j restriccin
C C X1 CX CXj restriccin
Cj Cj X1 Cj X 2 Cj X j restriccin
Utilidad/precio/costo optimo

2. Definicin de las variables de decisin: Representacin simblica.

cj Costo, precio, utilidad del j-simo producto

xj Producto, proceso, servicio del j-simo

3. Formulacin de la funcin objetivo: Objeto o meta por alcanzar.

Funcin objetivo Funcin objetivo
n n 4. Planteamiento de restricciones:
max Z cj xj min Z cj xj b
Disponibilidad,
i recurso del i-simo
j1 j1 componente

5. Formulacin de condicin de no negatividad: Condiciones de no negatividad

Irreversibilidad del problema j j x 0, 1,...n
Ejemplo 1: Una empresa con sede en Lima fabrica diversos
modelos de radio transistores, todos los componentes de estos
radios se fabrican en Lima, excepto los transistores que son
importados en Inglaterra. La empresa sabe que debido a una
huelga portuaria (Inglaterra) no se recibirn envos de
transistores hasta por lo menos un mes despus de la fecha
planeada.
Se tiene en existencia 1000 transistores de tipo T1 y 1200 del
tipo T2, cada modelo de radio R-A requieren un transistor de
tipo T1 y cuatro transistores de tipo T2. Los modelos R-B
requieren dos transistores de tipoT1 y uno de T2.
Sabiendo que los beneficios o utilidades unitarias de cada
radio son S/.50 y S/.30 para R-A y R-B respectivamente,
hllese la cantidad de unidades a fabricar de cada modelo para
que las utilidades totales sean mximas. Formule el programa
de programacin lineal.
 Ejemplo 1. Pasos para la Formulacin
Modelos de radio transistores
1. Matriz de informacin
Productos
Disponibilidad
Recursos R-A R-B
Transistores T1
1 2 1000
TransistoresT2 4 1 1200
Beneficios unitarios
S/.50 S/.30

2. Definicin de la variable de decisin

X1 = Nmero de unidades de R-A a fabricar

X2 = Nmero de unidades de R-B a fabricar

3. Formulacin del objetivo

Max z = 50X1 +
30X2
4. Planeamiento de las restricciones
X1 + 2X2 1000

4X1 + 1X2 1200

5. Formulacin de las condiciones de no negatividad

X1 0 X2 0
Ejemplo 2: Supngase que el alimento A y B son los dos tipos
bajo consideracin.
El alimento A cuesta 20 centavos/onza y el alimento B cuesta 12
centavos/onza.
Se quiere minimizar el costo total de los alimentos al mismo
tiempo que satisfacen las tres restricciones vitamnicas.
Desean por lo menos 40 unidades de vitamina P, 50 unidades
de la vitamina W y 70 unidades de la vitamina Q.
Cada onza del alimento A proporciona 3 unidades de la vitamina
P, 4 unidades de la vitamina W y 9 unidades de la vitamina Q.
El alimento B proporciona 6 unidades de P, 3 unidades de W y 6
unidades de Q por onza, respectivamente.
Cuntas onzas de cada alimento deben comprar? Formule el
programa de programacin lineal.
 Ejemplo 2. Pasos para la Formulacin
Alimentos.
1. Matriz de informacin
Productos
Disponibilidad
Recursos A B
p
3 6 40
w 4 3
50
Q 9 6
70
Costo 20 centv 12 centv
2. Definicin de la variable de decisin
X1 = Total de onzas que se compra del alimento A
X2 = Total de onzas que se compra del alimento B
3. Formulacin del objetivo

Min z = 20X1 + 12X2

4. Planeamiento de las restricciones

3X1 + 6X2 40

4X1 + 3X2 50

4X1 + 1X2 70

5. Formulacin de las condiciones de no negatividad

X1 0 X2 0
Ejemplo 3: Lechera moderna tiene una capacidad de
recepcin de 50,000 litros de leche diarios.
La administracin exige que al menos 30,000 litros sean
embotellados diariamente y el resto sea empleado para producir
leche especial o mantequilla.
La contribucin de cada litro de leche a la utilidad segn el uso
que se le d, es la siguiente: embotellada 100 S/, especial 150
S/. y 160 S/. la unidad de mantequilla.
El equipo de fabricacin de mantequilla puede manejar hasta
6,000 litros diarios de leche, y el equipo de envase puede
manejar hasta 40,000 litros diarios y la leche especial hasta
20,000 litros por da.
La empresa desea conocer qu cantidad de leche en litros es
convertida en mantequilla o en leche especial y cunto se debe
embotellar (leche corriente) para maximizar la ganancia.
Determine el planteamiento de problema.
 Ejemplo 3. Pasos para la Formulacin
Lechera moderna
1. Matriz de informacin
Productos Embotella Mantequill
Especial Disponibilidad
Recursos
da a
Cap recepcin dia 1 1 1 50000 litros
Exig leche x embo 1 30000 litros
Cap fab mantequilla
1
6000 litros
Cap equipo leche esp
1 20000 litros
Cap equipo envase
1 40000 litros
Utilidad
S/.100 S/.150 S/.160
2. Definicin de la variable de decisin
X1 = Cantidad de leche para embotellar
X2 = Cantidad de leche destinada a ser especial
X3 = Cantidad de leche para fabricar mantequilla
3. Formulacin del objetivo

Max z = 100X1 + 150X2 + 160X3

4. Planeamiento de las restricciones

X1 + X2 + X3 50000
X1 + X2 + X3 30000
X1 + X2 + X3 6000
X1 + X2 + X3 20000
X1 + X2 + X3 40000
5. Formulacin de las condiciones de no negatividad
X1 0 X2 0 X3 0
Ejemplo 4: Una compaa tiene tres tipos de mquinas procesadoras, cada
una de diferente velocidad y exactitud. La mquina tipo 1 puede producir 20
piezas/hora con una precisin de 99%, el tipo 2, 15 piezas/hora, con una
precisin de 95%; el tipo 3, 10 piezas/hora con una precisin de 100%.
El funcionamiento del tipo 1 cuesta S/. 2/hora, la del tipo 2 S/. 1.75/hora y la del tipo 3 S/. 1.5/hora.

Cada da (8 hrs) deben procesarse por lo menos 3500 piezas y hay disponibles 8 mquinas tipo 1, 10 mquinas de tipo 2 y 20 mquinas de tipo 3.
Cada error cuesta S/. 1 a la compaa.

Cuntas mquinas de cada tipo deben utilizarse para minimizar el costo? Formule el planteamiento del problema en programacin lineal.

Costo por hora incluyendo costos por errores

M1= 2 + 20 (0.01) (1) = S/ 2.20
M2= 1.75 + 15 (0.05) (1) = S/ 2.50
M3= 1.5 + 10 (0) (1) = S/ 1.50
Cantidad de piezas buenas que produce cada mquina por hora
M1= 20 (0.99) (1) = 19.8 piezas buenas/hora
M2= 15 (0.95) (1) = 14.25 piezas buenas/hora
M3= 10 (1) = 10 piezas buenas/hora
 Ejemplo 4. Pasos para la Formulacin
Mquinas procesadoras
1. Matriz de informacin
Mquinas
Tipo 1 Tipo 2 Tipo 3 Disponibilidad
Recursos
N mquinas tipo 1 1 8
N mquinas tipo 2 1 10
N mquinas tipo 3 1
20
N mnimo piezas/hrs 19.8 14.25 10 437.50
Costo
S/.2.20 S/.2.50 S/.1.50
2. Definicin de la variable de decisin
X1 = Cantidad mquinas Tipo 1 que deben utilizarse para minimizar costo
X2 = Cantidad mquinas Tipo 2 que deben utilizarse para minimizar costo
X3 = Cantidad mquinas Tipo 3 que deben utilizarse para minimizar costo
3. Formulacin del objetivo

Min z = 2.20X1 + 2.50X2 + 1.50X3

4. Planeamiento de las restricciones

X1 + X2 + X3 8
X1 + X2 + X3 10
X1 + X2 + X3 20
19.8X1 + 14.25X2 + 10X3 437.50
5. Formulacin de las condiciones de no negatividad
X
1 0 X 2 X 0 3 0
Formas de Presentacin de Modelos de P.L.
Segn la forma de la funcin objetivo y de las restricciones
Forma cannica de una P.L Max Z = 2x1 + 5x2 + x3 Objetivo

Condicin 2x1 + 3x2 + x3 18 Restricciones

x1 0; x2
0; x3 0 x1 + 4x2 + 2x3 20
5x1 + x2 + 4x3 40

Forma estandarizada de una P.L Max Z = 7x1 + 9x2 + x3 Objetivo

Condicin 3x1 + x2 + 6x3 = 100 Restricciones

x1 0; x2
0; x3 0 x1 + 4x2 + 2x3 = 20
5x1 + x2 + 4x3 = 40
Forma mixta de una P.L Max Z = 2x1 + 5x2 + x3 Objetivo

Condicin 2x1 + 3x2 + x3 18 Restricciones

x1 0; x2
0; x3 0 x1 + 4x2 + 2x3
5x1 + x2 + 4x3
20
40


 MODELOS
Los modelos icnicos son la representacin
fsica, a escala reducida o aumentada de un
sistema real.
Los modelos anlogos esencialmente
requieren la sustitucin de una propiedad
por otra con el fin de permitir la
manipulacin del modelo. Despus de
resolver el problema, la solucin se
reinterpreta de acuerdo al sistema original.
Los modelos ms importantes para la
investigacin de operaciones, son los
modelos simblicos o matemticos, que
emplean un conjunto de smbolos y
funciones para representar las variables de
 Caracterstica de la Programacin Lineal
4. Proporcionalidad. Las cantidades de flujo de los distintos artculos que
entran y salen de la actividad son siempre proporcionales al nivel de esta.
Si se desea duplicar dicho nivel, se duplican los flujos correspondientes.
5. Actividad. Es especificar que el sistema de actividades sea completo,
puede hacerse una contabilidad completa de cada articulo por actividad.
Cantidades que entran = cantidades que salen.
Ejemplo 1. Ejemplo 2.
Funcin objetivo Funcin objetivo
n n
max Z cj xj min Z cj xj
j1 j1
Restricciones Restricciones
n n

a
j1
ij xj bi i 1,2,3..., m a
j1
ij xj bi i 1,2,3..., m

Condiciones de no negatividad Condiciones de no negatividad

xj 0, j 1,...n xj 0, j 1,...n
 Clasificacin y Aplicacin de la P.L.
Segn los datos Determinsticos
Determinsticos Probabilsticos
Estocsticos
Programacin matemtica Programacin estocstica
Segn las Irrestrictos Programacin lineal Gestin de inventarios
restricciones Restringidos Programacin entera Fenmenos de espera
Lineales Programacin dinmica (colas)
No lineales Programacin no lineal Teora de juegos
Segn la funcin Lineal Programacin multiobjetivo Simulacin
objetivo No lineal Modelos de transporte
Segn las variables Continuas Modelos de redes
Enteras
Modelos Problemas
Modelo de
M. para mezcla de productos P. del transporte
Programacin Lineal M. para fabricacin o compra P. de flujo con coste mnimo en red
M. para dietas P. de asignacin personal o maq.
La construccin de M. para administracin de
valores
P. de la mochila - dietas
P. de evaluacin cotizaciones
modelos es un arte M. para planeacin de
produccin agregada.
P. de anlisis de actividades
P. de mezclas ptimas
que se mejora con P. de produccin - presupuesto
P. de control de inventario

la prctica P. del viajante - horarios

P. de rutas ptimas.
 Tcnicas de la Investigacin de operaciones
Ejemplos de tcnicas (i) Ejemplos de tcnicas (ii)
Optimizacin Teora de colas
Programacin lineal, entera, no lineal Colas simples
Programacin multiobjetivo Redes de colas
Procesos de decisin Teora de juegos
(programacin dinmica) Juegos simples
Simulacin (deterministas/estocsticos)
Determinista Juegos repetitivos
Estocstica Teora de decisin
Aplicacin de los modelos matemticos Planificacin de la produccin,
Optimizacin de carteras, Anlisis de riesgo, Planific. de redes de comunicaciones,
Generacin de ofertas en mercados competitivos, Diseo de productos financieros,
Diseo de nuevos productos (prstamos, operaciones de leasing, derivados),
Modelado de diferentes alternativas con informacin incierta (tasas de inters, mercado
de valores, precios futuros), Planific. de la generacin elctrica (Aprovechamiento de
recursos disponibles a largo plazo: agua, contratos, intercambios de energa elctrica),
Generacin de ofertas en mercados competitivos (cantidades y precios para maximizar
beneficios). 21
 Modelo matemtico
Modelo: representacin simplificada de la realidad, que facilita su
comprensin y el estudio de su comportamiento.
Debe mantener un equilibrio entre sencillez y capacidad de representacin.
Modelo matemtico: modelo expresado en trminos matemticos.
hace ms claras la estructura y relaciones.
facilita el uso de tcnicas matemticas y ordenadores.
a veces no es aplicable.
Es una ciencia, porque realiza:
anlisis de relaciones
aplicacin de algoritmos de solucin
Y a la vez un arte que se mejora con la prctica, porque considera:
visin de la realidad
estilo, elegancia, simplicidad
uso creativo de las herramientas
experiencia
 Usos de los Modelos
Decisiones estratgicas Decisiones operacionales
Debera reemplazarse un Cmo programar la fuerza de trabajo?
sistema existente con un nuevo Cul es el plan de produccin ptimo?
sistema propuesto? Cul es plan de embarque ms
Debera cambiarse su poltica de econmico?
Administracin?

Ventajas Desventajas
Un mtodo ptimo para lograr Los Modelos incluyen errores, es importante
un objetivo. conocer su magnitud, causas de inexactitudes:
Una forma de evaluar Seleccin de aspectos de la realidad.
preguntas de sensibilidad de la Inviable considerar todo el sistema.
forma: Errores en modelos matemticos.
Qu sucedera s ..? Modelos sencillos y aproximados.
23
 Tipos de Modelos matemticos
Modelos normativos - optimizacin
Ofrecen informacin sobre alternativas
Seleccionan entre ellas
Complejos y no triviales Clasificacin de los modelo
Difciles de tratar con incertidumbre matemticos
Requieren tcnicas complejas de solucin
Optimizacin de
Modelos descriptivos - simulacin sistemas
Analizan una alternativa cada vez
Modelos para situaciones especficas
Ms simples de desarrollar Optimizacin Optimizacin
Adecuados con incertidumbre de sistemas I de sistemas II
Aplicacin muy sencilla Estudia Estudia
fenmenos fenmenos
determinsticos probabilsticos

24
Partes del modelo matemtico

I Identificacin de las variables de decisin.

II Identificacin de la funcin objetivo.
III Identificacin de las restricciones.

objetivos funcin objetivo.

Alternativas variables de decisin.
limitaciones del sistema restricciones
GRACIAS

26