Investigación de Operaciones I

(SIS-209; IND-225)
Ing. Viktoria Belianskaya

Programación Lineal (PL).

Construcción de Modelos.
Programación Lineal (PL).
Construcción de Modelos.

Contenido:

 El impacto de PL en la actualidad.
 Elementos de los modelos de PL.
 Proceso de construcción de los modelos de PL.
 Ejemplo prototipo.
 Suposiciones y limitaciones de los modelos de PL.
 Ejemplos de construcción de los modelos de PL
para diferentes áreas de aplicación.
Programación Lineal (PL).

 Dio un impulso al desarrollo de la IO.

 Una de las más aplicables herramientas
de IO.
 Netamente determinística.
 Se usa en varias temas específicos que
trata IO.
Programación Lineal (PL)
 Nace oficialmente el 1947. Modelo General de
PL y su solución. Proyecto SCOOP (Scientific
Computation of Optimum Program). George
Dantzig.
 Primeras aplicaciones: militares, económicas y
teoría de juegos. Actualmente: transporte, medio
ambiente, sociología, hospitales, industria en
general.
Método de solución de PL.
 Método SIMPLEX de la solución del
modelo general de PL (1947).
 Primera computadora (1946).
 Primer problema de PL resuelto con éxito:
problema de la dieta (1948), manualmente
tomó 120 días-hombre, hoy con el uso de
computadora es fracción de segundo.
Ejemplo Prototipo 1
 George Bell intenta determinar cuántas unidades de teléfonos
inalámbricos producir cada día. Uno de ellos es el modelo estándar;
el otro, es el modelo de luxe. La utilidad por unidad en el modelo
estándar es de 40 dólares mientras que la utilidad por el modelo de
luxe es de 60 dólares. Cada uno de ellos requiere 30 minutos de
tiempo de ensamble. Los tiempos de inspección necesarios son: en
el modelo de lujo 15 minutos, mientras que en el modelo estándar
10 minutos. La compañía debe llenar una orden de 6 teléfonos de
luxe. Hay 450 minutos de tiempo de ensamble y 180 minutos de
tiempo de inspección disponibles cada día. ¿Cuántas unidades de
cada producto deben ser fabricados para maximizar las utilidades?

Entender el Problema:
 ¿Qué se quiere encontrar?
 ¿Existen condiciones o limitaciones en el contexto? ¿Cuáles?
 ¿Cuál es la meta en el problema?
Modelo Ejemplo 1
 Xe – cantidad de los teléfonos estándar para la producción
diaria (en unidades);
Xl – cantidad de los teléfonos deluxe para la producción
diaria (en unidades).
Xe≥0, Xl ≥0

 30Xe+30Xl ≤ 450 límite del tiempo de ensamblaje

10Xe+15Xl ≤ 180 límite de tiempo de inspección
Xl ≥ 6 se debe cumplir la orden de los tel. de luxe

Z= 40Xe + 60Xl → max ganancia total debe ser la

máxima posible
Ejemplo Prototipo 2 (problema de la dieta)
 Un granjero cría cerdos para venta y desea determinar las
cantidades de los distintos tipos de alimentos disponibles (maíz,
grasas y alfalfa) que debe dar a cada cerdo. Como los cerdos se
comerán cualquier mezcla de estos tipos de alimentos, el objetivo
es determinar que mezcla cumple ciertos requerimientos
nutricionales a un costo mínimo. En la siguiente tabla se dan las
unidades de cada tipo de ingrediente nutritivo básico contenido en
un kilogramo de cada tipo de alimento, junto con los requisitos
nutricionales diarios y los costos de los alimentos.

Ingrediente Kilogramo de Kilogramo Kilogramo Requerimiento

nutricional
maíz de grasas de alfalfa mínimo diario
Carbohidratos 90 20 40 200
Proteínas 30 80 60 180
Vitaminas 10 20 60 150
Costo(u.m.) 84 72 60
Modelo Ejemplo 2
 ¿Qué se quiere encontrar?

X1- cantidad de maíz (en kg) en alimento

X2- cantidad de grasas (en kg) en alimento
X3- cantidad de alfalfa (en kg) en alimento
X1,X2,X3 ≥ 0.

 ¿Existen condiciones o limitaciones en el contexto? ¿Cuáles?

90X1+20X2+40X3 ≥ 200 cumplir los requerimientos en carbohidratos
30X1+80X2+60X3 ≥ 180 cumplir los requerimientos en vitaminas
10X1+20X2+60X3 ≥ 150 cumplir los requerimientos en proteínas

 ¿Cuál es la meta en el problema?

Z = 84X1+72X2+60X3 → min el costo de alimento debe ser el mínimo

posible
Ejemplo Prototipo 3(requerimiento de
personal)
 El famoso restaurante E.S. Mann está abierto las 24 horas del día. Los
meseros y ayudantes se reportan para trabajar al inicio de los seis
periodos indicados en la tabla, cada uno trabaja un turno de 8 horas. La
siguiente tabla muestra el mínimo número de trabajadores necesarios
durante los seis períodos en que está dividido el día. El problema de
programación de Mann es la determinación de cuántos meseros y
ayudantes deben reportarse al trabajo al principio de cada período de
tiempo, con el fin de minimizar el total de empleados requeridos para un
día de operación: (pista: Xi es igual al número de meseros y ayudantes
que inician su trabajo en el período i, donde i=1,2,3,4,5,6).

Perío Número requerido de meseros y

do Hora ayudantes
1 3 am - 7am 3
2 7 am - 11am 12
3 11am - 3pm 16
4 3 pm - 7 pm 9
5 7 pm - 11pm 11
6 11pm - 3 am 4
Modelo Ejemplo 3
 Variables
Xi - el número de meseros y ayudantes que inician su
trabajo en el período i, donde i=1,2,3,4,5,6)
Xi≥0
 Restricciones
La cantidad de los trabajadores debe alcanzar para el
periodo determinado
Período1: X6+X1 ≥ 3 Período4: X3+X4 ≥ 9
Período2: X1+X2 ≥ 12 Período5: X4+X5 ≥ 11
Período 3:X2+X3 ≥ 16 Período6: X5+X6 ≥ 4

 Función Objetivo
Z= X1+X2+X3+X4+X5+X6 → min
minimizar el total de los meseros y ayudantes contratados
Ejemplo 4 (analizando los procesos)
Una compañía de productos químicos dispone de 2 procesos de
reacción mediante los cuales debe producir 2 tipos de compuestos.
Con el primer proceso se producen 2 [kg/h] del compuesto Aspirina y
1 [kg/h] del compuesto Dipirona. Mientras que el segundo proceso
produce 3 [kg/h] de Aspirina y 1 [kg/h] de Dipirona.
La gerencia ha determinado las siguientes condiciones:
 La cantidad del compuesto Aspirina no puede sobrepasar los 30 [kg]
por día.
 La cantidad del compuesto Dipirona debe ser mayor a los 7 [kg] por
día.
 Las horas que se ejecuta el primer proceso no deben ser mayor a 5
[Hr] en el día con respecto a las horas que se ejecuta el proceso 2. El
máximo tiempo que se corre cada proceso es de 9 [Hr].
 El precio de venta del compuesto Aspirina es 20 [$/Kg], mientras que
la Dipirona se vende a 60 [$/Kg].
Objetivo es determinar las horas que debe ejecutarse cada proceso de
manera que se maximice la utilidad total cumpliendo con las
condiciones.
Entender el problema
En la misma hora !!! <=30 kg
<=9 horas Aspirina
2 kg/h 20$/kg
Proceso 1
1 kg/h

3 kg/h

>=7 kg
Proceso 2 1 kg/h
Dipirona
60$/kg
En la misma hora !!!
<=9 horas

Objetivo es determinar las horas

que debe ejecutarse cada
proceso de manera que se
maximice la utilidad total
cumpliendo con las
condiciones.
Modelo ejemplo 4
 Variables:
Xi – horas de ejecución del proceso i
Xi>=0
 Restricciones:
1) Aspirina no más que 30 kg
2*X1+3*X2<=30 kg/h*h+kg/h*h= kg+kg= kg<=kg
análisis dimensional
2) Dipirona no menos que 7 kg
1*X1+1*X2>=7
3) Cada proceso no más que 9 horas
X1<=9 X2<=9
4) Horas Proceso1-Horas Proceso 2<=5 horas
X1-X2<=5
 Función Objetivo:
Utilidad total máxima:
Z=20*(2*X1+3*X2) + 60*(X1+X2)=100*X1+120*X2max
Ejemplo 5 (con tratamiento de %)
En Explosives, Inc. se mezclan azufre, carbón y salitre
para producir pólvora. El producto final debe contener al
menos 10%, pero no más de 20%, de carbón por unidad
de peso. La cantidad de salitre no puede exceder el 50%
de la cantidad de carbón usado. Para evitar una
explosión accidental, la suma de 50% del azufre más
60% del carbón más 30% del salitre usados no puede
exceder el 35% del producto final. El azufre es con
mucho el componente más caro. Formule un modelo
para determinar la cantidad de cada ingrediente que
debe utilizarse para producir cada libra de pólvora que
satisfaga las restricciones y, a la vez, que requiera la
menor cantidad de azufre.
Modelo ejemplo 5
 Variables:
Xi – peso de ingrediente i (en lb) en una libra de pólvora
Xi>=0, i=1..3 (1-azufre, 2- carbón, 3-salitre)
 Restricciones:
1) Todos los ingredientes forman 1 lb
X1+X2+X3=1
2) Contenido de carbón (en una libra del producto final):
a) al menos 10%
X2>=0.1
b) no más que 20%
X2<=0.2
3) Cantidad de selitre no puede exceder 50% de carbón usado
X3<=0.5X2
4) Para evitar una explosión:
0.5X1+0.6X2+0.3X3<=0.35
 Función Objetivo:
Usar la cantidad mínima posible de azufre:
Z=X1min
Ejemplo 6. Entender proceso e identificar las
relaciones
La ciudad 1 produce 500 toneladas de basura por día, y la ciudad 2 produce 400
toneladas de basura diarias. La basura debe ser incinerada en el incinerador 1 ó 2, y
cada incinerador puede procesar hasta 500 toneladas de basura diarias. El costo de
incinerar basura es de $40 por tonelada en el incinerador 1 y de $30 por tonelada en
el 2. La incineración reduce cada tonelada de basura a 0.2 toneladas de escombros,
que debe depositarse en alguno de dos basurales que reciben relleno. Cada uno de
ellos puede recibir a lo sumo 200 toneladas de escombros por día. Cuesta $3 por
milla transportar una tonelada de material (basura o escombros). Las distancias (en
millas) entre los distintos lugares se muestra en la tabla. Formular un LP que minimice
el costo total de deshacerse de la basura en las dos ciudades .

Incinerador 1 Incinerador 2

Ciudad 1 30 5
Ciudad 2 36 42
Basural 1 Basural 2

Incinerador 1 5 8
Incinerador 2 9 6
Entender el problema
<=500 ton
500 ton 40$/ton Se reduce a 0.2

Ciudad 1 Incinerador1 Basural 1

<=200 ton

Ciudad 2 Incinerador 2 Basural 2 <=200 ton

400 ton
<=500 ton Costo de transporte:
3$/(milla*ton)
30$/ton

 Deshacerse de la basura es identificar qué cantidades de basura se llevan

de cada ciudad a cada de los incineradores, y qué cantidades de
escombros se llevan de cada incinerador a cada uno de los basurales.
Modelo ejemplo 6
 Variables:
Xij – cantidad de toneladas de basura que se lleva de la ciudad i al incinerador j
Yjl – cantidad de toneladas de escombros que se lleva del incinerador j al basural l
Xij>=0,Yij>=0 i=1,2; j=1,2; l=1,2
 Restricciones:
1) Cantidad de basura de cada ciudad
X11+X12=500
X21+X22=400
2) Capacidad de los incineradores
X11+X21<=500
X12+X22<=500
3) Relación de la cantidad de escombros que salen de los incineradores
Y11+Y12=0.2(X11+X21)
Y21+Y22=0.2(X12+X22)
4) Capacidad de los basurales
Y11+Y21<=200
Y12+Y22<=200
 Función Objetivo:
Minimizar el costo del procedimiento de eliminación de la basura (transporte basura, incineración,
transporte escombros):
Z=3*30*X11+3*5*X12+3*36*X21+3*42*X22+ costo transp. basura +
+40*(X11+X21)+30*(X12+X22)+ costo incineración +
+3*5*Y11+3*8*Y12+3*9*X12+3*6*X22 min costo transp. escombros
Ejemplo 7. Programación en el tiempo
HealthNut Company tiene una máquina que muele semillas de Psyllium hasta
producir un polvo fino a una velocidad de 30 lb por hora. La compañía también usa la
máquina para hacer crema de cacahuate con cacahuates tostados a una velocidad
de 60 lb por hora. El tiempo de fijación para cambiar la máquina de un producto al
otro es despreciable. La demanda mensual y los costos de mantenimiento de
inventario de cada producto se muestran en la tabla .
El inventario inicial para cada producto a principios de mayo es 0 y también debe ser
0 a finales de julio. En ningún momento el inventario de Psyllium puede exceder las
1.000 libras, ni de la crema de cacahuate las 500 libras. Asimismo, cada mes hay
200 horas de tiempo de máquina disponible. Formule un programa lineal para
determinar un plan de producción para los meses de mayo, junio y julio que minimice
los costos totales de almacenamiento, suponiendo que satisface la demanda al final
de cada mes y que los costos de mantenimiento de existencia se basan en la
cantidad del inventario a principios del mes.

DEMANDA (lb) COSTOS DE

ALMACENAMIENTO($/lb)
Crema de cacahuate Psyllium Crema de cacahuate Psyllium

Mayo 400 600 0.10 0.05

Junio 450 700 0.10 0.05
Julio 500 650 0.12 0.05
 Modelo ejemplo 7
 Variables:
Xij – cantidad de libras del producto i que se produce en el mes j
Xij>=0, i=1,2 (1- crema de cacahate, 2- Psyllium); j=1..3 (1-mayo, 2-junio, 3-julio)
 Restricciones:
1) Demanda que se debe satisfacer para crema de cacahuate
Mayo X11>=400, Inventario inicial es 0, lo que se produce no debe ser menor que demanda
Junio X12+(X11-400)>=450 Lo que se produce mas lo sobrante del mes anterior
Julio X13+(X12+(X11-400)-450)=500 Debe ser =500 para dejar el inventario final 0.
2) Demanda que se debe satisfacer para Psyllium (por analogía con lo anterior)
Mayo X21>=600
Junio X22+(X21-600)>=700
Julio X23+(X22+(X21-600)-700)=650
3) Consideración del límite de inventario para crema de cacahuate
X11-400<=500 lo que sobra en mayo
X12+(X11-400)-450<=500 lo que sobra en junio, en julio será 0 y esto garantizan las restricciones con igualdad
3) Consideración del límite de inventario para Psyllium
X21-600<=1000 lo que sobra en mayo
X22+(X21-600)-700<=1000 lo que sobra en junio
4) Capacidad mensual de máquina para procesamiento
X11/60+X21/30<=200 Mayo
X12/60+X22/30<=200 Junio
X13/60+X23/30<=200 Julio
 Función Objetivo:
Minimizar el costo de almacenamiento (basado en el inventario del inicio del mes):
Z= 0.10*(X11-400)+0.12*(X12+(X11-400)-450)+0.05*(X21-600)+0.05(X22+(X21-600)-700) min
al inicio de junio y julio de cacahuate al inicio de junio y julio de Psyllium
Ejemplo 8. Análisis que produce la información
para modelación.
 Se cuenta con dos tipos de láminas de madera. El primer tipo es de 4 mts
de largo y el segundo tipo de láminas es de 6 mts de largo. La cantidad de
láminas del primer tipo es de 50 piezas y el de segundo tipo es de 75
piezas. Es necesario que las láminas se corten y se forman los juegos de
tablas que se componen de 3 tablas de 2 mts y 2 de 1.25 mts de largo. Se
necesita fabricar la máxima cantidad de juegos de láminas.
Tipos de cortes: Variables: Un Juego:
Lámina 4 m 1) 2 lam: 2 m X1 3 lam: 2 m,
2) 1 lam: 2 m, X2 2 lam: 1,25 m
1 lam: 1,25 m
3) 3 lam: 1,25 m X3 Es necesario considerar la
Tipos de cortes: proporción en la
cantidad de las tablas
Lámina 6 m 1) 3 lam: 2 m Y1 producidas para
2) 2 lam: 2 m, Y2 formar juegos
1 lam: 1,25 m
3) 1 lam: 2 m, Y3
3 lam: 1,25 m
4) 4 lam: 1,25 m Y4
 Modelo ejemplo 8
 Variables:
Xi – cantidad de láminas de 4 metros cortados de modo i
Xi>=0, i=1..3
Yj – cantidad de láminas de 6 metros cortados de modo j
Xj>=0, j=1..4

 Restricciones:
1) Límite de cantidad de láminas de 4 m
X1+X2+X3<=50
2) Límite de cantidad de láminas de 6 m
Y1+Y2+Y3+Y4<=75
3) Consideración de la proporción de las cantidades de las tablas de 2 m y de 1,25 m
(utilizando los datos de análisis de los cortes posibles)
(2X1+X2+3Y1+2Y2+Y3)/ 3 = (X2+3X3+Y2+3Y3+4Y4)/2
Cada una de las partes de esta relación representa el número de los juegos que sale

 Función Objetivo:
Maximizar la cantidad de los juegos a producir:
Z= (2X1+X2+3Y1+2Y2+Y3)/ 3 max
Ejemplo 9 (alternativas de planteamiento)
(ver archivo Citrus)
Cada semana, Florida Citrus, Inc., usa una sola maquina durante 150 horas para destilar
jugo de naranja y de toronja en concentrados almacenados en dos tanques
separados de 1000 galones antes de congelarlos. La maquina puede procesar 25
galones de jugo de naranja por hora, pero solo 20 galones de jugo de toronja. Cada
galón de jugo de naranja cuesta $1.50 y pierde 30% de contenido de agua al
destilarse en concentrado. El concentrado de jugo de naranja se vende después en
$6.00 por galón. Cada galón de jugo de toronja cuesta $2.00 y pierde 25% de
contenido de agua al destilarse en concentrado. El concentrado de jugo de toronja se
vende después en $8.00 por galón.
Formule un modelo de programación lineal para determinar un plan de producción que
maximice la ganancia.
Alternativas de planteamiento del modelo en función del significado de las variables.
Alternativa 1:
X1 = el número de galones de jugo de naranja usados en la semana.
X2 = el número de galones de jugo de toronja usados en la semana.
Alternativa 2:
X1= el número de galones de concentrado de naranja producidos en la semana.
X2= el número de galones de concentrado de toronja producidos en la semana
Alternativa 3:
X1 = el número de horas de tiempo de máquina a usarse esta semana para destilar jugo
de Naranja.
X2 = el número de horas de tiempo de máquina a usarse esta semana para destilar jugo
de Toronja.
Modelo general de PL
1. Función Objetivo:
Z  c1 ·X 1  c 2 ·X 2  ...  c N ·X N  Max( Min)
2. Restricciones:
a j1 ·X 1  a j 2 ·X 2  ...  a jN ·X N  b j , j  1..n

a k1 ·X 1  a k 2 ·X 2  ...  a kN ·X N  bk , k  n  1..n  l

a p1 ·X 1  a p 2 ·X 2  ...  a pN ·X N  b p , p  n  l  1..n  l  m

n  l  m  M (total restriccio nes)

3. Variables: X 1 , X 2 ,..., X N  0

 Si n=0, en el modelo no se tienen las restricciones ≥;

 Si l=0, entonces, se ausentan las restricciones de tipo ≤;
 Si m=0, el modelo es sin restricciones con igualdades.
Suposiciones (o características) del modelo de PL

Para que un modelo sea de PL se deben

verificarse siguientes características:
 Proporcionalidad
 Aditividad
 Divisibilidad
 Certidumbre
Suposiciones (o características) del modelo
de PL
 Proporcionalidad: La contribución de cada actividad al valor de la
función objetivo o a lado izquierdo de una restricción es
proporcional al nivel de esa actividad (cj*Xj o aij*Xj)
Z=3*X1+5*X2 (Ganancia del producto 1: 3*X1)
Valores X1 Proporcionalidad Proporcionalidad no se cumple
se cumple Caso1 Caso2 Caso3
0 0 0 0 0
1 3 2 3 3
2 6 5 7 5
3 9 8 12 6
4 12 11 18 6
Suposiciones (o características) del modelo
de PL
 Aditividad: Cada función en el modelo (sea f.o. o las restricciones) es la
suma de las contribuciones individuales de las actividades respectivas
 Z=3*X1+5*X2 (Contribución de actividad 1: 3*X1
Contribución de actividad 2: 5*X2)

X1 X2 Aditividad Aditividad no se cumple

se cumple Caso1 Caso2
1 0 3 3 3
0 1 5 5 5
1 1 8 9 7
Productos Productos en
complementarios competición
Suposiciones (o características) del modelo de PL

 Divisibilidad: los valores de las variables pueden

ser fraccionarios.

 Certidumbre: Los coeficientes en la función

objetivo y en las restricciones deben ser
conocidos y constantes.
Se cumplen las suposiciones?
Una empresa textil fabrica 3 tipos de ropa: camisas, pantalones y shorts.
Las máquinas necesarias para la confección deben ser alquiladas a los
siguientes costos:
200$ por semana la máquina de camisas
150$ por semana la máquina de shorts
100$ por semana la máquina de pantalones
Se dispone de 150 horas hombre y 160 m de tela.
Los requerimientos, costos y precio de venta de cada tipo de ropa son los
siguientes:
Horas Hombre m de tela Costo Precio de Venta
Camisas 3 2 12 16
Shorts 2 1 8 14
Pantalones 6 3.5 15 18
Formular un modelo que maximice las ganancias.

NO!!! Costos no son proporcionales

a la cantidad producida
Se cumplen las suposiciones?
Una corporación está desarrollando sus Número de Ganancia
planes de comercialización para los comerciales
nuevos productos del año próximo.
Esta considerando la compra de un Producto
total de cinco comerciales de
televisión en las redes nacionales para
tres de estos productos , con un
máximo de tres ( y un mínimo de cero) 1 2 3
para cada producto.
La tabla muestra el impacto estimado de
asignar 0,1,2 o 3 comerciales a cada
producto . Este impacto se mide en
0 0 0 0
términos de la ganancia (en millones 1 1 0 -1
de dólares ) de las ventas adicionales
que resultaran de los comerciales. El 2 3 2 2
objetivo es asignar cinco comerciales
a los productos de manera que se 3 3 3 4
maximice la ganancia total.

NO!!! Los datos de las ganancias

no son proporcionales
Principios generales de modelación:
 No se debe elaborar un modelo complicado cuando uno simple es
suficiente
 El problema no debe ajustarse al modelo o método de solución
 La fase deductiva de la modelación debe realizarse rigurosamente
 Los modelos deben validarse antes de su implantación
 Nunca debe pensarse que el modelo es el sistema real
 Un modelo nunca debe de criticarse por algo para lo que no fue
hecho
 No venda un modelo como perfección máxima
 Uno de los primeros beneficios de la modelación reside en el
desarrollo del modelo.
 Un modelo es tan bueno o tan malo como la información con la que
se trabaja.
 Los modelos no pueden reemplazar al tomador de decisiones.
Ejercicio
Una compañía posee una fábrica de pinturas para interiores y exteriores de casas para su
distribución al mayoreo. Se utilizan dos materiales básicos A y B, para producir las
pinturas. La disponibilidad máxima de A es de 6 toneladas diarias, la de B es de 8
toneladas por día. La necesidad de materia prima por tonelada de pintura se resume en
la tabla. Un estudio del mercado ha establecido que la demanda diaria de pintura para
interiores no puede ser mayor que la pintura de exteriores en más de una tonelada.
Asimismo, el estudio señala que la demanda máxima de pintura para interiores está
limitada a 2 toneladas diarias.
El precio al mayoreo por tonelada es $3000 para la pintura para exteriores y $2000 para la
pintura de interiores. ¿Cuánta pintura para exteriores e interiores debe producir la
compañía todos los días para maximizar el ingreso bruto?

MP Ton/ton pint. ext. Ton/ton pint. int. Disponibilidad Max(ton)

A 1 2 6

B 2 1 8