Sistemas de Optimizacin de Recursos

Agosto, 2017
 Sistemas de Optimizacin de Recursos

I. Historia. de 1950. Adems del rpido desarrollo

Durante la Segunda Guerra Mundial, hacia terico, el segundo factor que dio un gran
1941, un grupo de cientficos se reuni para mpetu a la investigacin de operaciones fue
estudiar la mejora de las complejas el advenimiento de las computadoras. Para
operaciones militares, principalmente en el manejar de una manera efectiva los complejos
rea de logstica. Estimulados por el evidente problemas inherentes a esta disciplina, por lo
xito de la investigacin de operaciones en lo general se requiere un gran nmero de
militar, los industriales comenzaron a clculos; llevarlos a cabo a mano puede
interesarse en este nuevo campo. Como la resultar casi imposible. Entonces el desarrollo
explosin industrial segua su curso al de la computadora electrnica digital, con su
terminar la guerra, los problemas causados por capacidad para realizar clculos aritmticos,
el aumento de la complejidad y miles o tal vez millones de veces ms rpido
especializacin dentro de las organizaciones que los seres humanos, fue una gran ayuda
pasaron a primer plano. Comenz a ser para la investigacin de operaciones.
evidente para un gran nmero de personas,
incluyendo a los consultores industriales que
haban trabajado con o para los equipos de
investigacin de operaciones durante la
guerra, que estos problemas eran bsicamente
los mismos que los enfrentados por la milicia,
pero en un contexto diferente. De esta forma,
la investigacin de operaciones comenz a
introducirse en la industria, los negocios y el
gobierno. Para 1951, ya se haba introducido
por completo en Gran Bretaa y estaba
Estados Unidos en proceso de hacerlo.
Se pueden identificar por lo menos otros dos
factores que jugaron un papel importante en el
II. Propsito.
desarrollo de la investigacin de operaciones
Una de las tareas de los administradores de las
durante este periodo. Uno es el gran progreso
diversas disciplinas es tomar decisiones sobre
que ya se haba hecho en el mejoramiento de
diferentes cursos de accin o alternativas, lo
las tcnicas disponibles en esta rea. Despus
cual implica la asignacin de los recursos de
de la guerra, muchos cientficos que haban
las empresas. El objetivo primordial de la
participado en los equipos de investigacin de
Investigacin de Operaciones es la asignacin
operaciones o que tenan informacin sobre
ptima de los recursos para Maximizar una
este trabajo, se encontraban motivados a
funcin de utilidad o Minimizar una
buscar resultados sustanciales en este campo;
funcin de costo. Ms especficamente, las
de esto resultaron avances importantes. Un
herramientas de la Investigacin de
ejemplo sobresaliente es el mtodo simplex
Operaciones determinan las diferentes
para resolver problemas de programacin
alternativas a partir de los cursos de accin
lineal, desarrollado en 1947 por George
disponibles y luego evalan las alternativas
Dantzig. Muchas de las herramientas
utilizando para ello una Funcin Objetivo,
caractersticas de la investigacin de
que permite seleccionar la mejor, a fin de
operaciones, como programacin lineal,
proporcionar mayor informacin para la toma
programacin dinmica, lneas de espera y
de decisiones gerenciales. Las tcnicas de
teora de inventarios, fueron desarrolladas casi
Investigacin de Operaciones puede dividirse
por completo antes del trmino de la dcada
1
 Sistemas de Optimizacin de Recursos

de muchas formas, una y la ms comn es
tomando las condiciones de certeza o
incertidumbre que existen al momento de
hacer el modelo para la toma de decisin, o
sea, clasifica las decisiones bajo condiciones
Determinsticas o Probabilsticas. El campo
determinstico comprende entre otros:
- Programacin Lineal
- Programacin por Metas
- Programacin Entera
- Programacin Dinmica
- Programacin no - lineal
- Anlisis de Redes (Mximo flujo,
transporte, asignacin)
- Administracin de Proyectos (CPM)
El Campo Probabilstico comprende entre
otros:
- Modelos / Cadenas de Markov
- Modelos de Sistemas de Servicios (colas)
- Simulacin de Sistemas
- Administracin de Inventarios
- Anlisis de Decisiones
- Administracin de Proyectos (PERT)
espera que los administradores hagan con
stos recursos? Los accionistas esperan que
los recursos sean invertidos, asignados y/o
utilizados de una forma eficiente y eficaz, a
fin de maximizar las utilidades y minimizar
los costos. Para llevar a cabo esta tarea los
administradores deben (o deberan) desarrollar
los modelos respectivos y evaluar las
alternativas factibles a travs de funciones de
rendimiento. Estos modelos son
representaciones de su empresa y su entorno.
Un punto importante, es que la mayora de
administradores utilizan modelos an y
cuando no se dan cuenta.

III. La Toma de Decisiones Gerenciales y

los Modelos.
Se ha preguntado alguna vez Cul es una de
las razn de ser de los administradores?
Veamos qu es lo que encontramos en
cualquier empresa?
La respuesta es: Recursos. Todas las empresas
cuentan con recursos, sean stos humanos,
financieros, equipo o de otro tipo. Qu se

2

Dentro del anlisis de los recursos de la
empresa, es necesario tener en cuenta que los
accionistas han puesto en nuestras manos un
conjunto de recursos financieros, los cuales
debemos administrar y hacer crecer por medio
de la operacin de la empresa. Estos recursos
generan un flujo continuo de fondos que debe
ser controlado por el Administrador. El
esquema siguiente ejemplifica esta situacin:
El administrador a su nivel, debe siempre
encontrarse en un proceso de modelaje y
evaluacin de las situaciones de decisin en la
empresa y considerar que el principal
parmetro apara decidir sobre cualquier curso
alterno de accin es el rendimiento en
trminos financieros, especialmente para las
entidades con fines de lucro. Para otro tipo de
entidades, como las sin fines de lucro o de
proyeccin social, deberemos considerar otros
parmetros.
Sistemas de Optimizacin de Recursos
1. Modelos. Definicin y Clasificaciones.
Un modelo es la representacin de algo real, o
sea, la abstraccin selectiva de algo. Los
modelos se clasifican en tres tipos: fsicos,
esquemticos y matemticos. Los modelos
fsicos son los ms familiares, representan
versiones a escala de objetos reales, los
juguetes populares y de coleccin son
ejemplos de este tipo. As mismo, a nivel
profesional, los diseadores de aviones,
automviles, barcos construyen "prototipos",
los cuales son estudiados bajo diversas
circunstancias para probar su desempeo. Los
modelos esquemticos son un poco ms
abstractos que los anteriores, pretenden a
travs de grficos, cartas o dibujos representen
una realidad. Ejemplos de este tipo de modelo
son los organigramas, el grfico de punto de
equilibrio, los grficos de flujos de efectivo,
los grficos de proyectos en redes
(CPM/PERT) entre otros. Finalmente los
modelos matemticos son los ms abstractos
de todos. Para muchas personas es difcil
entender el significado de sus variables y
parmetros, y finalmente el significado de los
valores de sus variables, as como de los
smbolos matemticos utilizados. La razn es
que en estos modelos utilizan funciones y
ecuaciones que no tienen un parecido visual
con los objetos o situaciones reales. Los
modelos son tiles en la toma de decisiones
por dos razones:
- Reducen las situaciones complejas a
situaciones sencillas.
- Proporcionan un medio para "predecir" el
resultado de una decisin, esta informacin es
importante para la toma de decisiones. As
mismo, refuerza a quienes toman decisiones
intuitivamente. Una ventaja adicional es que
los parmetros de los modelos pueden
modificarse y as evaluar diferentes escenarios
y sus posibles resultados.
Dentro de la Investigacin de Operaciones
podemos encontrar diferentes tipos de
modelos, como se muestra a continuacin:
3

1.1 Modelos Matemticos
Los modelos matemticos pueden representar
la toma de decisiones dentro de una empresa,
o un proyecto, o una situacin de toma de
decisiones. Hay que recordar que un modelo
no representa el todo sino una parte de l, una
parte significativa del sistema o situacin que
deseamos analizar. Al tener una situacin
donde se debe tomar una decisin es necesario
definir el sistema y sus componentes y luego
simplificarlo para comprender como
interacta con su entorno, que variables
externas inciden en l y cules son las
variables sobre las que se tiene incidencia. En
la figura #1 se presenta un "Modelo" del
"Ciclo del Modelo". Este esquema contiene
bsicamente tres momentos: La formulacin o
modelacin, la deduccin y la interpretacin.
Figura N 1
Sistemas de Optimizacin de Recursos
a. Formulacin.
Primeramente se requiere de la definicin del
marco del sistema y el objetivos que se
pretende alcanzar. A continuacin se deben
definir los elementos que sern parte del
sistema, as como los tipos de recursos
requeridos y sus disponibilidades en
cantidades y tiempo, los requerimientos
externos e internos, las metas y restricciones.
Simultneamente deben de determinarse
cuales aspectos sern ignorados, as como las
asunciones que pueden o deben ser hechas. El
resultado es el modelo matemtico que
representa la situacin a analizar.
b. Deduccin
Involucra la seleccin y el uso de tcnicas y
herramientas para resolver el modelo
planteado. La lgica con que las tcnicas son
aplicadas deben ser vlidas y las operaciones
matemticas deben ser lo ms precisas
posibles.
c. Interpretacin
Involucra el juicio humano para traducir las
conclusiones del modelo al sistema real. Se
deben verificar o validar las respuestas o
soluciones obtenidas del modelo.
Definiciones, conceptos y ejemplos.
Objetivo.
Es lo que se desea lograr al asignar los
recursos disponibles en la organizacin.
Generalmente se expresa como la
maximizacin de una funcin de ganancia o
en la minimizacin de una funcin de costo.
Recursos.
Son los elementos o factores con que cuenta la
organizacin. Estos pueden ser financieros,
humanos, materiales y/o tiempo disponible.
Son finitos y generalmente escasos. Las
acciones a llevarse a cabo consumen estos
recursos y este consumo se expresa a travs de
variables de decisin y restricciones.
4
 Sistemas de Optimizacin de Recursos

Figura N 2

Figura N 3

5

Variables de Decisin.
Representan las acciones reales sobre las
cuales tiene incidencia el "Tomador de
Decisiones". El tomador puede decidir sobre
estas acciones (diferentes carteras donde
invertir, diferentes productos a comprar,
diferentes medios de difusin donde colocar
anuncios, diversos monto a invertir en
diferentes planes de inversiones, diferentes
montos para los diversas acciones dentro de
una cartera de prstamos). Para llevar a cabo
estas acciones se requiere utilizar los recursos
disponibles, este consumo de recurso se
expresa a travs de los coeficientes de las
variables de decisin dentro de las
restricciones.
Planos e Hiper Planos.
El nmero de variables de decisin determina
el nmero de Hiper-Planos que tendr el
conjunto convexo. Si tenemos dos variables
estaremos en un plano bidimensional, si
tenemos tres variables, estaremos en un plano
tridimensional. Por tanto, podemos afirmar
que en la medida que el nmero de variables
aumente, aumentar el nmero de alternativas
posibles. (ver figuras #4 y #5)
Figura #4 Dos dimensiones
Figura #5 Tres dimensiones
Sistemas de Optimizacin de Recursos
Decisiones.
Las decisiones se representan por nmeros
reales que toman las diversas variables de
decisin. Los valores de estas variables
representan diferentes niveles de intensidad de
una accin o cantidad de actividad que van a
llevarse a cabo y se denotan por la
combinacin de los valores de X1, X2, ... Xn
Ejemplo # 1.
Sean:
X1 : Nmero de anuncios a ser colocados en el
medio de difusin "Radio".
X2: Nmero de anuncios a ser colocados en el
medio de difusin "Televisin".
Una alternativa es X1= 5 y X2 = 10, otra
alternativa es X1= 0 y X2 = 8 (existen un sin
fin de alternativas posibles). Cada par de
valores (X1, X2) genera una alternativa
diferente.
Ejemplo # 2.
Sean:
X1 : Monto invertido en el proyecto
"agropecuario"
X2: Monto invertido en el proyecto de
"vivienda"
Una alternativa es X1= 350,000 y X2 =
100,000, otra alternativa es X1= 25,000 y X2 =
80,000.
Cada par (X1, X2) es una alternativa. Para un
modelo particular pueden existir infinito
nmero de alternativas.
En ambos ejemplos las variables son
elementos sobre los cuales se puede decidir la
intensidad de cada alternativa. Para el
ejemplo #1 los valores de las variables de
decisin representan respectivamente las
cantidades de anuncios a ser contratados. Para
el ejemplo # 2 representan el monto a ser
invertido.
Metas.
De acuerdo a la escuela europea, se dividen en
dos tipos: Estructurales y de Contenido Metas
Estructurales.
6

Son aquellas que muestran la forma
(estructura) que deber de tener la alternativa
ptima.
Metas de Contenido.
Se relacionan a los deseos, limitantes u
obligaciones. Se sub-dividen en restricciones
y en aspiraciones.
Restricciones.
Se representan por desigualdades o
igualdades. Las desigualdades pueden
clasificarse en dos tipos. Las primeras se
refieren a limitantes internos o externos, tales
como recursos, polticas de venta o compra
(son del tipo ). Las segundas se refieren a
compromisos que se tengan en la organizacin
(son del tipo ). En ambos casos, las
restricciones determinan, limitan y eliminan
un infinito nmero de alternativas posibles.
Las restricciones se componen de variables
con coeficientes y valores numricos. Las
variables se colocan a la izquierda y los
valores numricos a la derecha.
Nota: El valor al lado derecho de las
restricciones no debe ser negativo. Si al
formular una restriccin el valor al lado
derecho fuese negativo, deber multiplicarse
toda la restriccin por (-1) e invertir la
direccin de la desigualdad.
Si la restriccin es una igualdad slo se
cambian los signos del coeficiente de cada
variable.
Aspiraciones.
Son deseos dentro de la organizacin, se
diferencian de las primeras en que stas
pueden ser reconsideradas y modificadas
posteriormente, generalmente con cierta
facilidad.
Relacin entre Restricciones y Alternativas
Inicialmente se podra decir que existe un
nmero casi infinito de alternativas, pero este
universo va reducindose ms y ms en la
medida que agreguemos restricciones.
Contrariamente a lo que sucede cuando se
Sistemas de Optimizacin de Recursos
incrementa el nmero de variables de
decisin, que hace que el nmero de Hiper
planos se incremente y esto a su vez hace que
el universo de alternativas se incremente.
Nota: Una restriccin de igualdad restringe
enormemente el hiper plano, por lo tanto
debemos tener mucho cuidado al usar una de
estas restricciones al momento de modelar un
sistema real.
Ejemplo # 3.
Si el nmero de anuncios a ser colocados en el
medio "Radio" debe ser inferior o igual a 10,
la restriccin sera: X1 10. Si se desean al
menos 5 anuncios en el medio "Televisin", la
restriccin 6 sera: X2 5.
Ejemplo # 4.
Si el costo de cada anuncio en el medio
"Radio" es de $500 y deseamos invertir menos
de $1,5000, la restriccin que representa el
gasto efectuado sera:
500*X1 1,500
Alternativas.
Son el conjunto de combinaciones potenciales
de los niveles de las acciones que puede
formular el Tomador de Decisiones. Cada
alternativa es un conjunto formado por los
valores especficos de cada una de las
variables de decisin que existen en el
modelo. En general podemos afirmar que
existe un infinito nmero de alternativas
potenciales para una situacin en particular
(salvo que todas las restricciones sean
igualdades). Al filtrar stas alternativas dentro
de las restricciones, este universo disminuye.
Las alternativas que cumplen con todas y cada
una de las restricciones se llaman alternativas
factibles. Estas alternativas son evaluadas a
travs de la funcin objetivo a fin de
seleccionar la mejor alternativa. Esta ser
aquella(s) que obtenga el mejor valor
(resultado) dentro de la funcin objetivo. A
esta alternativa se le denominar alternativa
ptima.
7

Solucin ptima.
La alternativa que logra el mejor desempeo,
est determinada por una expresin llamada
Funcin Objetivo, compuesta por conjunto
de variables de decisin y/o variables de
holgura o excedente ( y sus coeficientes),
donde cada una tienen un valor diferente de
cero (salvo en casos de degeneracin). El
conjunto de variables (decisin y holgura)
con valores mayores a cero es llamado "la
solucin ptima" (Salvo en el caso de una
solucin ptima mltiple). O sea, la solucin Programacin Lineal es la tcnica para
ptima no son los valores de las variables sino
el conjunto de variables con valor diferente de
cero que se encuentran en la alternativa
ptima.
Funcin Objetivo.
Es una meta de contenido que maximiza una
funcin de ingreso (ganancia) o minimizar
una funcin de costo. Se expresa como una
funcin matemtica que describe el propsito utilidades o retornos se maximicen.
u objetivo planteado. Esta funcin se describe
utilizando las variables de decisin. El
propsito de la funcin objetivo es evaluar
todas y cada una de las alternativas factibles,
o sea, todas y cada una de las alternativas
potenciales que cumplen con todas y cada una
de las restricciones. Al final de la evaluacin
se selecciona una alternativa (o varias) que es
las que logra el mejor desempeo en la
funcin objetivo.
Ejemplo # 5
Se desea maximizar el alcance de una
campaa publicitaria, donde un anuncio en la
radio alcanza a 25,000 personas y cada
anuncio en televisin alcanza a 75,000
personas. La funcin objetivo se describira de
la siguiente forma: F.O. Max. 25,000*X1 +
75,000* X2
Ejemplo # 6
Si los costos de un anuncio son de $500 y
$2,500 respectivamente para el medio de radio
Sistemas de Optimizacin de Recursos
y televisin y deseamos minimizar la
inversin en publicidad, tendramos que la
funcin objetivo sera establecida como:
F.O. Min. Z = 500*X1 + 2,500* X2
Programacin Lineal
Cuando el modelo matemtico contiene
variables de primer orden (no estn elevadas a
una potencia mayor a uno, ni son cuadrticas,
ni exponenciales etc.), el modelo se llama de
primer orden o modelo lineal. La
modelar y resolver la toma de decisiones
sobre asignacin de recursos cuando el gasto,
la utilidad y las restricciones se consideran
funciones lineales.
La modelacin de Toma de Decisiones esta
muy relacionada con la asignacin de recursos
escasos - mano de obra, materiales, mquinas
y capital - en la mejor manera posible de tal
manera que los costos se minimicen y/o las
En el modelo de programacin lineal ms
bsico se asume que las variables de decisin
son no-negativas, esto es necesario
establecerlo al menos en el modelo. Ahora
con los programas de software ms avanzados
esta condicin no es necesaria establecerla al
momento de introducir el modelo al software.
Formulacin
Hay tres pasos bsicos para construir un
modelo de programacin lineal.
I. Identificar las variables de decisin y
representar las en forma de smbolos
algebraicos.
II. Identificar todas las metas de contenido
(restricciones) y expresarlas como ecuaciones
lineales o desigualdades, las cuales son
funciones lineales de las variables de decisin.
III. Identificar el objetivo que se pretende
lograr, ya sea Maximizar o Minimizar. Esto
requiere establecer el criterio para evaluar a
todas y cada una de las alternativas factibles.
8
Sistemas de Optimizacin de Recursos

9

Caso Muebles Artesanales.
Objetivo del caso: Explicar los componentes
de la programacin lineal a travs de la
modelacin de un ejemplo.
La compaa Muebles Artesanales fabrica 2
tipos de muebles de madera: mesas y sillas.
Los precios de ventas son $27.00 y $21.00
respectivamente. Los costos de materiales
(materia prima) son de $10.00 y $9.00
respectivamente. Los costos de mano de obra
y otros variables de fabricacin son $14.00 y
$10.00 respectivamente.
La elaboracin de estos productos requiere
de dos tipos de mano de obra especializada:
carpintera y pintura. Una mesa requiere de 1
hora de carpintera y 2 de pintura. Una silla
por su parte requiere 1 hora en cada
departamento.
Cada semana la compaa puede obtener
toda la materia prima que desee, pero solo
cuenta con 80 horas para carpintera y 120
horas para pintura. La demanda semanal de
sillas es prcticamente ilimitada, sin embargo,
la demanda semanal de mesas no es mayor de
40 unidades.
La compaa desea maximizar su ganancia
semanal (Venta Costo de lo vendido). Se
pide formular un modelo matemtico para la
situacin de la compaa, que puede ser usado
para maximizar la ganancia semanal.
Variables de Decisin (V.D.)
Las V. de D. deben describir clara y
completamente la decisin a ser tomada. En
este caso la Compaa debe decidir cuntas
mesas y sillas deben de fabricar cada semana.
Sean:
X1: el nmero de mesas fabricadas por
semana.
X2: el nmero de sillas fabricadas por semana.
Sistemas de Optimizacin de Recursos
Funcin Objetivo
El que toma las decisiones generalmente
desea: Maximizar (usualmente ingresos o
ganancias) o Minimizar (usualmente costos),
para ello requiere alguna funcin de las
variables de decisin. Esta funcin es llamada
Funcin Objetivo.
Para este ejemplo los costos fijos (tales como
renta, seguros, etc.) no dependen de X1 o X2.
Por lo tanto, la Compaa puede concentrarse
en maximizar (Ventas semanales) (costos
por compra de materiales) (otros costo
variables).
Ventas semanales = 27*X1 + 21*X2
Costos de materiales = 10*X1 + 9*X2
Otros costos variables = 14*X1 + 10*X2
Entonces la Funcin Objetivo es igual a:
[27*X1 + 21*X2] [10*X1 + 9X2] [14*X1 +
10*X2]
= 3*X1 + 2*X2
Es decir, se desea Max. Z = 3*X1 + 2*X2
Los coeficientes de las variables en la funcin
objetivo son llamados coeficiente de la
funcin objetivo.
Restricciones.
A medida que se incrementan los valores de
X1 y X2 las ganancias de Muebles Artesanales
sern mayores y mayores, sin embargo stas
no pueden crecer ilimitadamente. Los valores
X1 y X2 estn limitados por ciertas
restricciones.
Restricciones de tiempo (capacidad por
semana)
#1. El tiempo disponible en carpintera est
limitado a 80 horas por semana.
#2. El tiempo disponible en pintura est
limitado a 120 horas por semana.
10

Restricciones de mercado.
#3. No tiene sentido producir ms de 40 mesas
por semana debido a la limitante de mercado.
No hay limitante respecto a la obtencin de
materia prima, por lo que no existe restriccin
al respecto.
El siguiente paso es expresar las restricciones
en trminos de X1 y X2.
El total de horas utilizadas en carpintera es
igual a la cantidad de horas dedicadas a
fabricar mesas ms la cantidad de horas
dedicadas a fabricar sillas, y la suma de estos
debe de ser inferior o igual a 80.
Las Restricciones #1 puede expresarse as:
1*X1 + 1*X2 < 80
En forma similar la segunda restriccin se
expresa as:
2*X1 + 1*X2 < 120
Finalmente la restriccin 3:
1*X1 < 40
Los coeficientes de las variables de
decisin en las restricciones son llamados
coeficientes tecnolgicos. Esto porque stos a
menudo reflejan el uso de la cantidad de
recurso utilizada para producir una unidad de
producto. As el coeficiente tecnolgico de X1
en la primera restriccin indica que se
requiere de una unidad (hora) de carpintera
para producir una mesa.
Las cantidades a la derecha de las
restricciones representan generalmente las
Sistemas de Optimizacin de Recursos
cantidades de recursos disponibles, sin
embargo stas tambin podran representar las
metas de la organizacin.
Restricciones de no-negatividad.
Las variables de decisin deben tomar valores
no-negativos, puesto que no podemos
producir un nmero de productos negativo
(salvo que se acepten rdenes sin inventario).
Por tanto, cada variable tiene asignada una
restriccin de no-negatividad.
Modelo
Maximizar Z = 3*X1 + 2*X2
Restringido a:
1*X1 + 1*X2 < 80
2*X1 + 1*X2 < 120
1*X1 < 40
No negatividad
X1 > 0
X2 > 0
Resumen:
Todo problema de programacin lineal
tiene dos rasgos en comn:
1. Una funcin objetivo a ser maximizada o
minimizada.
2. Un conjunto de restricciones (al menos
una)
La problemtica en general consiste en
asignar recursos limitados (Bi) de modo que
se optimic un objetivo de inters.
11
 Sistemas de Optimizacin de Recursos

A continuacin se muestra de manera esquemtica el detalle de la formulacin del Caso:

La Compaa Muebles Artesanales.

Objetivo Variables de Decisin Recursos
Maximizar la Son los elementos sobre los Horas hombre
ganancia semanal de cuales tenemos decidimos disponible en cada
los productos X1 = # de mesas a fabricar por departamento
producidos y semana Materia prima
vendidos X2 = # de sillas a fabricar por ilimitada
semana

Funcin Objetivo Alternativas Restricciones

Maximizar la diferencia Factibles Mano de Obra
entre ventas y costo Todas y cada una de 1*X1 + 1*X2 80
Max (27-10-14)*X1 + las Alternativas que 2*X1 + 1*X2 120
(21-9-10)*X2 = cumplen las Mercado
Max 3*X1 + 2*X2 restricciones 1*X1 40
X1 ,X2 0
Alternativa Optima

12
 Sistemas de Optimizacin de Recursos

Solucin al Modelo del Caso Muebles Artesanales

Maximizar Z = 3*X1 + 2*X2

Restringido a:
1*X1 + 1*X2 < 80
2*X1 * 1*X2 < 120
1*X1 < 40
No negatividad
X1 > 0; X2 > 0

Optimal Solution - Detailed Report

Variable Value Cost Red. cost Status
1 Mesas 40.0000 3.0000 0.0000 Basic
2 Sillas 40.0000 2.0000 0.0000 Basic
Slack Variables
3 Carpintera 0.0000 0.0000 -2.0000 Lower bound
4 Pintura 0.0000 0.0000 0.0000 Basic
5 Mercadeo 0.0000 0.0000 -1.0000 Lower bound

Constraint Type RHS Slack Shadow price

1 Carpintera < 80.0000 0.0000 2.0000
2 Pintura < 120.0000 0.0000 0.0000
3 Mercadeo < 40.0000 0.0000 1.0000
Objective Function Value = 200
Sensitivity Analysis Of Cost Coefficients

Variable Current Allowable Allowable

Coeff. Minimun Maximun
1 Mesas 3.0000 2.0000 Infinity
2 Sillas 2.0000 0.0000 3.0000

Sensitivity Analysis Of Right Hand Side Values

Current Allowable Allowable
Constraint Type Value Minimun Maximun
1 Carpintera < 80.0000 40.0000 80.0000
2 Pintura < 120.0000 120.0000 Infinito
3 Mercadeo < 40.0000 0.0000 40.0000

13
 Sistemas de Optimizacin de Recursos

Caso. Compaa Estrella Solucin

La AFP Estrella est considerando 5
diferentes oportunidades de inversin. El flujo Variables de Decisin
de efectivo neto se muestra en la tabla a
continuacin: Sea X1 = fraccin del plan 1 comprado por
Estrella
Sea X2 = fraccin del plan 2 comprado por
Flujos de efectivos estrella.
alternativa Sea X3 = fraccin del plan 3 comprado por
1 2 3 4 5 Estrella.
Sea X4 = fraccin del plan 4 comprado por
Inicio ao 1 11 53 5 5 29 Estrella.
Inicio ao 2 3 6 5 1 34 Sea X5 = fraccin del plan 5 comprado
por Estrella.
Valor presente
neto de la Funcin Objetivo
3 16 4 1 16
utilidad de la El objetivo es maximizar el VPN
inversin provenientes de las inversiones.
F.O. Max Z = 3*X1 + 16*X2 + 4*X3 + 1*X4
La compaa tiene actualmente (inicio del ao + 16*X5
1) 40 millones disponibles para inversin y
estima que en un ao (inicio del ao 2) Restricciones
contar con otros 20 millones disponibles 1. Estrella no puede invertir ms de 40
para inversin. millones al inicio del ao 1 (inicio)
La compaa podra comprar una fraccin en 2. Estrella no puede invertir ms de 20
cualquier proyecto. En este caso, tanto la millones al inicio del ao 2 (un ao
cantidad invertida como el retorno ser despus)
ajustado proporcionalmente. As, si la 3. Estrella no puede comprar ms del
compaa Estrella compra una quinta parte del 100% de una inversin.
plan de inversin #1, deber de desembolsar Restriccin 1
1/5(11) = 2.2 millones en el tiempo 0 y otro 11*X1 + 53*X2 + 5*X3 + 5*X4 + 29*X5 < 40
desembolso de 1/5(3) = 0.6 millones en el
perodo 1, y por tanto el retorno al final del Restriccin 2
primer ao sera de 1/5(3) = 0.6 millones. 3*X1 + 6*X2 + 5*X3 + 1*X4 + 34*X5 < 20
La compaa estrella desea maximizar el
valor presente neto de las diversas Restriccin 3
alternativas (1-5) al final del segundo ao. X1 < 1
Formule un modelo de programacin lineal. X2 < 1
Asuma que cualquier cantidad no usada al X3 < 1
inicio del ao 1 no puede ser invertida al X4 < 1
inicio del ao 2. En la compaa Estrella se X5 < 1
debe determinar que fraccin de cada
inversin debe comprar. No negatividad X1 > 0; para i = 1, 2, 3, 4 y
5.

14
 Sistemas de Optimizacin de Recursos

Solucin Analtica del Modelo (utilizando WinQSB):

Anlisis de Sensibilidad de los Coeficientes de la Funcin Objetivo

Anlisis de Sensibilidad de los Recursos del lado derecho (RHS)

15
 Sistemas de Optimizacin de Recursos

Solucin Analtica del Modelo (utilizando POM_QM):

Tabla de Ingreso de Datos:

Tabla de Resultados (Solucin):

Tabla de Anlisis de Sensibilidad (Rangos de valores):

16
 Sistemas de Optimizacin de Recursos

Caso Plan Financiero a corto Plazo. Compaa Electrnicos Baratos

Electrnicos Baratos es una pequea sern vendidos en el mismo mes. Todas las
compaa que produce tablets y DVDs. El ventas son al crdito y por lo tanto los pagos
costo unitario de mano de obra y materiales, (hechos por los clientes) de los artculos
as como el precio de venta se presentan en la producidos en diciembre sern recibidos hasta
tabla 1. El primero de diciembre 2013, La el 1 de febrero de 2014. Durante diciembre de
compaa dispone de suficiente materia para 2013, Electrnicos Baratos recolectar
fabricar 100 tablets y 100 DVDs. El mismo $2,000.00 en cuentas por cobrar (C x C), y
da, el balance de la compaa muestra los deber pagar $1,000.00 de su prstamo
resultados expuestos en la tabla 2, donde se bancario y $1,000.00 de su renta mensual
aprecia que la tasa (razn) de liquidez es de (alquiler del edificio). El 31 de diciembre de
20,000/10,000 =2. 2013 en la maana, la Compaa recibir un
cargamento de materia prima valorada en
Tablet DVD $2,000.00, el cual ser pagado el 31 de enero
Precio de venta $100.00 $90.00
de 2014.
Mano de Obra 50.00 35.00
Materiales 30.00 40.00 La administracin de Electrnicos
Tabla # 1 Baratos ha decidido que en el balance para el
cierre en la maana del 1 de enero de 2014
Balance al 1 de diciembre debe mostrar que el efectivo debe ser al
Activos Pasivos
menos de $4,000.00. As mismo, el prstamo
Efectivo $10,000.00
CxC 3,000.00 del banco requiere que la razn de liquidez
Inventario 7,000.00 (Activo circulante/pasivo circulante) al inicio
Prstamo $10,000.00 de enero (1 de enero) debe ser al menos de
2.0.
Tabla # 2
Qu productos debera producir la Compaa
La compaa debe determinar cuntas
para maximizar la ganancia de la produccin
tablets y DVDs producir durante el mes de
de artculos (Ventas a ser cobradas) (costos
diciembre de 2013. La demanda es lo
variables)
suficientemente grande para asegurar que
todos los artculos producidos en un mes

17
 Sistemas de Optimizacin de Recursos

Solucin al caso Compaa

Electrnicos Baratos
Variables de Decisin
Sean:
X1 = nmero de tablets producidas en
diciembre.
X2 = nmero de DVDs producidos en
diciembre.
Funcin Objetivo
Margen de contribucin de una tablet = 100
(50 + 30) = $20.00
Margen de contribucin de un DVD = 90
(35 + 40) = $15.00
F.O. = Max 20*X1 + 15*X2
Restricciones
1. Por limitantes en la materia prima la
cantidad de tablets a ser producidas en
diciembre debe ser < 100
2. Por limitantes en la materia prima la
cantidad de DVDs a ser producida en
diciembre debe ser < 100.
3. El efectivo al 1 de enero de 2014 debe ser
4,000.00
4. La razn de liquidez al 1 de enero de
2014 debe ser > 2
Restriccin # 1
X1 < 100 (i)
Restriccin # 2
X2 < 100 (ii)
Restriccin # 3
Efectivo al 1 de enero de 2014 =
Efectivo (1 de dic. de 2013) + CxC
hechas efectivas en diciembre 2013
Pago para prstamo banco en
diciembre 2013 Pago renta mes de
diciembre 2013 Pago de mano de
obra de dic. 2013.
= 10,000 + 2,000 1,000 1,000
50*X1 35*X2
La restriccin 3 se puede escribir entonces:
10,000 50*X1 -35*X2 > 4,000
Operando tenemos (no puede haber signos
negativos en el lado derecho)
50*X1 + 35*X2 < 6,000 (iii)
Para expresar la restriccin 4 es necesario
determinar la posicin de la Compaa el 1 de
enero 2014 en las siguientes cuentas:
Efectivo, CxC, Posicin del inventario y
pasivos, todos ellos en funcin X1 y X2.
a. Ya se calcul el valor del efectivo al 1 de
enero de 2014. Efectivo = 10,000
50*X1 35*X2.
b. CxC al 1 de enero 2014 = CxC (1 de
diciembre 2013) + CxC debido a ventas
en dic. 2013 CxC cobradas en dic.
2013.
= 3,000 +100*X1 + 90*X2 2,000
= 1,000 + 100*X1 + 90*X2
c. Inventario a enero 1 de 2014 = Valor
inventario 1 de dic. 2013 Valor
inventario (materiales) usado diciembre
2013 + Valor inventario recibido el 31 de
dic. 2013.
= 7,000 (30*X1 + 40*X2) + 2,000
= 9,000 30*X1 - 40*X2
d. Posicin del activo circulante al 1 de
enero = Efectivo al 1 de enero + CxC al 1
de enero + Inventario al 1 de enero =
10,000 50*X1 35*X2 + 1,000 +
100*X1 + 90*X2 + 9,000 30*X1
40*X2 = 20,000 + 20*X1 + 15*X2
Finalmente CxP (pasivo circulante) = CxP al
1 de diciembre Pago de prstamo en
diciembre + Deuda por inventario recibido el
31 de dic./2013 = 10,000 1,000 + 2,000
= 11,000
La restriccin 4 puede escribirse como:
20,000 + 20*X1 + 15*X2 > 2
11,000
20,000 + 20*X1 + 15*X2 > 22,000
20*X1 + 15*X2 > 2,000 (iv)
18
 Sistemas de Optimizacin de Recursos

uno. Por ejemplo, el retorno para el proyecto

Caso Proyectos Sociales 1 es:
(1.10 -1.00) = 0.1. El retorno es por cada
La toma de decisiones asociadas a la dlar invertido.
seleccin de proyectos, no se restringen a las Supongamos que hay 2,000 millones de
empresas privadas. El gobierno central dlares para llevar a invertir en los diferentes
enfrenta las mismas tomas de decisiones ministerios. La cantidad mxima a asignar a
sobre los proyectos invertir y su monto. cada ministerio se muestra en la tabla # 1.
Ejemplos de ellos son el Ministerio de Salud As mismo, deben incluirse las siguientes
y el Ministerio de Educacin. Entonces la consideraciones:
pregunta es qu proyectos seleccionar de tal - El valor combinado de lo asignado en los
manera que los beneficios globales sean ministerios #1 y #7 debe sobrepasar los
mximos y satisfagan las restricciones $300 millones.
presupuestales y de otro tipo. - El valor de la asignacin combinada en
Como en todas las decisiones del sector los ministerios #3 y #4 debe ser menor de
pblico (sobre la base de Costo Beneficio), $700 millones.
la parte ms difcil de la formulacin de la - El valor de la asignacin en el ministerio
situacin real es definir y determinar los #7 debe ser exactamente el 40% de la
beneficios sociales. asignacin en el ministerio #3.
Estos beneficios se pueden clasificar de - Por cada unidad monetaria asignado en el
manera general como directos e indirectos. ministerio #1 se debe invertir al menos el
Por ejemplo, los proyectos contra los focos de doble de unidades monetarias en el
infeccin pueden tener beneficios directos en ministerio #5
trminos de ahorros de costos a la sociedad, - Por cada unidad monetaria asignada al
pudiendo ser reducidos los gastos de ministerio #5 se debe asignar al menos 1/3
tratamientos mdicos originados por la de unidades monetarias al ministerio #6.
poblacin enferma (infectada por el foco) y Nota trate: El ministerio #6 debe recibir
beneficios indirectos reflejados en una mejor al menos 1/3 de lo que recibe el ministerio
calidad de vida. #5.
Basndose en estos comentarios y - La inversin en el ministerio #3 no puede
haciendo una buena reflexin, uno puede ser menos al 35% del ministerio #4.
apreciar la complejidad de los anlisis y los - Se debe asignar al menos el 60% del
juicios de valor inherentes a los problemas del monto solicitado por cada ministerio.
bienestar pblico.
Para ilustrar, Supngase que un equipo de Ministerio Razn costo Monto de lo
administradores cientficos, economistas, - beneficio solicitado
socilogos, polticos, etc. han analizado los (millones)
proyectos que han presentado siete 1 1.10 250
ministerios (Ver tabla # 1). 2 1.25 400
Se desea formular un modelo que logre 3 1.40 750
maximizar la suma de los retornos sobre la 4 1.30 500
inversin de todos los proyectos. 5 1.15 450
Note que: 6 0.90 300
-El retorno sobre la inversin de un proyecto 7 1.05 200
es igual a la razn costo-beneficio menos Tabla # 1

19
 Sistemas de Optimizacin de Recursos

EJEMPLOS DE FORMULACION DE PROBLEMAS

DE PROGRAMACION LINEAL

Ejemplo N 1

Una fbrica ha descontinuado la produccin de una lnea de productos no rentable. Esto ha creado
un considerable exceso de capacidad de produccin. La Gerencia est considerando utilizar este
exceso de capacidad para fabricar uno o ms productos de los tres productos llamados producto 1,
producto 2 y producto 3. La capacidad disponible en las mquinas que podran limitar la
produccin es la siguiente:

Mquina Tiempo Disponible (Hrs./semana)

Mquina 1 150
Mquina 2 100
Mquina 3 50

El nmero de horas-mquina requerido por unidad de producto es la siguiente:

Mquina Producto 1 Producto 2 Producto 3

Mquina 1 8 2 3
Mquina 2 4 3 -
Mquina 3 2 - 1

El Departamento de Ventas indica que las ventas potenciales para los productos 1 y 2 son superiores
a la mxima produccin obtenible y que el potencial de ventas para el producto 3 es de 20 unidades
por semana.

Las utilidades unitarias seran de $20.00, $6.00 y $8.00 para los productos 1,2 y 3 respectivamente.

Formule el modelo de programacin lineal para determinar cuntas unidades de cada artculo debe
producir la firma, a fin de maximizar sus beneficios.

FORMULACION:
Variables de Decisin:

Sea: Xj (j=1,2,3) = # de unidades a producir de producto j.

Funcin Objetivo:

Maximizar la Funcin de utilidad expresada por la ecuacin siguiente

MAX Z = 20 X1 + 6 X2 + 8 X3

20
 Sistemas de Optimizacin de Recursos

Restricciones:

A) Tiempo requerido para fabricar los productos 1,2 y 3

Utilizando Mquina 1:

8 X1 + 2 X2 + 3 X3 150

Utilizacin Disponibilidad

Utilizando Mquina 2:

4 X1 + 3 X2 + 0 X3 100

Utilizando Mquina 3:

3 X1 + 0 X2 + X3 50

B) Ventas Potenciales:

X3 20

C) No Negatividad:

X1 , X2 , X3 0

Ejemplo N 2

Uno de los problemas tpicos de la programacin lineal es el problema de la dieta. El objetivo es

determinar las cantidades de ciertos alimentos que deben ser ingeridos para satisfacer ciertos
requerimientos nutricionales a un costo mnimo. Suponga que slo se considera la leche, la carne y
los huevos y las vitaminas A, C y D. Asuma que la cantidad de miligramos de cada una de estas
vitaminas, contenida en una unidad de cada alimento es la siguiente:

Vitamina Botella de leche Libra de carne Docena de huevos Requerimientos

mnimos diarios
A 1 Mg. 1 Mg. 10 Mg. 1 mg.
C 100 Mg. 10 Mg. 10 Mg. 50 mg.
D 10 Mg. 100 Mg 10 Mg. 10 mg.
Costo $1.00 $1.10 $0.50 -

Formule el modelo de Programacin Lineal para este problema.

21
 Sistemas de Optimizacin de Recursos

FORMULACION:
Variables de Decisin:

Sea: XL = Cantidad de leche en botellas a ingerir.

XC = Cantidad de Carne en libras a ingerir.
XH = Cantidad de Huevos en docenas a ingerir.

Funcin Objetivo:

Minimizar la Funcin de costo expresada por la ecuacin siguiente

MIN Z = 1.0 XL + 1.1 XC + 0.5 XH

Restricciones:

Cantidad de Vitaminas:

Vitamina A : 1 XL + 1 XC + 10 XH 1
Vitamina C : 100 XL + 10 XC + 10 XH 50
Vitamina D : 10 XL + 100 XC + 10 XH 10

No Negatividad:
XL , XC , XH 0

Ejemplo N 3

Suponga que una refinera simplificada desea mezclar 4 componentes para obtener tres grados de
gasolina A, B y C. El problema es determinar la mezcla de los cuatro componentes que maximice el
beneficio total.
La disponibilidad y el costo de los cuatro componentes, se plantea en la tabla siguiente:

Componente Mxima cantidad disponible de Costo por

barriles por da Barril
1 3,000 $3.00
2 2,000 $6.00
3 4,000 $4.00
4 1,000 $5.00

Para mantener la calidad requerida para cada grado de gasolina es necesario especificar un cierto
porcentaje mximo o mnimo de los componentes en cada mezcla. Esos datos se muestran en el
siguiente cuadro, junto con el precio de venta para cada grado de gasolina.

22
 Sistemas de Optimizacin de Recursos

Grado de Especificaciones de la Mezcla Precio de venta

Gasolina por Barril
No ms de 30% de comp. 1
A No menos de 40% de comp. 2 $5.50
No ms de 50% de comp. 3
B No ms de 50% de comp. 1 $4.50
No menos de 10% de comp.. 2
C No ms de 70% de comp. 1 $3.50

Asuma que todos los otros flujos de fondos son fijos, as que el Beneficio a ser maximizado es el
ingreso total por ventas menos el costo total de los componentes.

Formule el modelo de programacin lineal para determinar la cantidad y mezcla de cada grado de
gasolina a preparar.

ESQUEMAS:

Componente 1

3,000 barriles
Tipo gasol. A
$3.00/barril
1 30%
2 40%
3 50%
$5.5 0/barril
Componente 2

2,000 barriles
Tipo gasol. B
$6.00/barril
1 50%
2 10%
Componente 3 $4.50/barril

4,000 barriles
$4.00/barril Tipo gasol. C

1 70%
$3.50/barril
Componente 4

1,000 barriles
$5.00/barril

23
 Sistemas de Optimizacin de Recursos

FORMULACION:
Variables de Decisin:

Sean: Xij = Cantidad (en # de barriles) del componente j a ser utilizado en la

gasolina grado i ( i = A, B, C ; j = 1,2,3,4)

Cantidad de gasolina grado i producida por da: : Xi1 + Xi2 + Xi3 + Xi4

Cantidad de gasolina grado A producida por da: : XA1 + XA2 + XA3 + XA4

Proporcin del Componente j en la gasolina grado i : Xij

Xi1 + Xi2 + Xi3 + Xi4

Proporcin del Componente 1 en la gasolina grado A : XA1

XA1 + XA2 + XA3 + XA4

Funcin Objetivo:

Maximizar la Funcin de Beneficio expresada por la ecuacin siguiente:

MAX Z = (Ingreso total por ventas) - (Costo total de los componentes)

A) Ingreso Total Por Ventas:

Ingreso por venta de gasolina = 5.50 (XA1 + XA2 + XA3 + XA4 )

Grado A
Ingreso por venta de gasolina = 4.50 (XB1 + XB2 + XB3 + XB4 )
Grado B

Ingreso por venta de gasolina = 3.50 (XC1 + XC2 + XC3 + XC4 )

Grado C

Total de Ingresos = 5.50 (XA1 + XA2 + XA3 + XA4 ) + 4.50

(XB1 + XB2 + XB3 + XB4 ) + 3.50 (XC1
+ XC2 + XC3 + XC4 )

24
 Sistemas de Optimizacin de Recursos

B) Costo Total de los Componentes:

Costo de Componente 1 = 3.0 (XA1 + XB1 + XC1 )

en gasolina Grado A,B,C
Costo de Componente 2 = 6.0 (XA2 + XB2 + XC2 )
en gasolina Grado A,B,C
Costo de Componente 3 = 4.0 (XA3 + XB3 + XC3 )
en gasolina Grado A,B,C

Costo de Componente 4 = 5.0 (XA4 + XB4 + XC4 )

en gasolina Grado A,B,C

Total de Costos = 3.0 (XA1 + XB1 + XC1 ) + 6.0 (XA2 +

XB2 + XC2 ) + 4.0 (XA3 + XB3 + XC3 ) +
5.0 (XA4 + XB4 + XC4 )

MAX Z = 5.50 (XA1 + XA2 + XA3 + XA4 ) + 4.50 (XB1 + XB2 + XB3 + XB4 ) + 3.50 (XC1
+ XC2 + XC3 + XC4 ) - 3.0 (XA1 + XB1 + XC1 ) - 6.0 (XA2 + XB2 + XC2 )
- 4.0 (XA3 + XB3 + XC3 ) - 5.0 (XA4 + XB4 + XC4 )

Restricciones:

a) Disponibilidad de Componentes:

XA1 + XB1 + XC1 3,000 Componente 1

XA2 + XB2 + XC2 2,000 Componente 2

XA3 + XB3 + XC3 4,000 Componente 3

XA4 + XB4 + XC4 1,000 Componente 4

b) De las especificaciones de la Mezcla:

XA1 / (XA1 + XA2 + XA3 + XA4 )

Gasolina Tipo A:

XA1 0.30 (XA1 + XA2 + XA3 + XA4 )

XA2 0.40 (XA1 + XA2 + XA3 + XA4 )
XA3 0.50 (XA1 + XA2 + XA3 + XA4 )

Operando, tenemos:

25
 Sistemas de Optimizacin de Recursos

0.7 XA1 0.3 XA2 0.3 XA3 - 0.3 XA4 0

0.4 XA1 + 0.6 XA2 0.4 XA3 - 0.4 XA4 0
0.5 XA1 0.5 XA2 + 0.5 XA3 - 0.5 XA4 0

Gasolina Tipo B:

0.5 XB1 - 0.5 XB2 0.5 XB3 - 0.5 XB4 0

- 0.1 XB1 + 0.9 XB2 0.1 XB3 - 0.1 XB4 0

Gasolina Tipo C:

0.3 XC1 0.7 XC2 0.7 XC3 - 0.7 XC4 0

c) De No Negatividad:

Xij 0

Ejemplo N 4

Un manufacturero produce una lnea de productos para el hogar fabricados de lmina de metal. Para
ilustrar su problema de planificacin de la produccin, suponga que fabrica nicamente cuatro
productos y que su sistema de produccin consiste de cinco centros de produccin: trazado,
troquelado, ensamble, acabado (impresin y pintura) y empaque. Para un determinado mes, se desea
decidir qu cantidad de cada producto debe ser manufacturado y para auxiliarse en esta decisin se
han obtenido los datos mostrados en las tablas 1 y 2. Por otro lado, se conoce que solamente se
tendr disponible 2,000 pies2 de lmina de metal para ser utilizados en la fabricacin de los
productos 2 y 4 durante el mes. El producto 2 requiere de 2.0 pies2 por unidad y el producto 4
requiere 1.2 pies2 por unidad. Formule este problema como un problema de programacin lineal, a
fin de maximizar la contribucin del beneficio total.

TABLA N 1

Tasas de Produccin en horas por unidad Horas Prod.

Departamento
Producto 1 Producto 2 Producto 3 Producto 4 Disponibles
Trazado 0.03 0.15 0.05 0.10 400
Troquelado 0.06 0.12 - 0.10 400
Ensamble 0.05 0.10 0.05 0.12 500
Acabado 0.04 0.20 0.03 0.12 450
Empaque 0.02 0.06 0.02 0.05 400

26
 Sistemas de Optimizacin de Recursos

TABLA N 2

Producto Precio Neto de Costo Variable Potencial de Ventas

Venta / Unidad por Unidad Mnimo Mximo
1 $10.00 $6.00 1,000 6,000
2 $25.00 $15.00 - 500
3 $16.00 $11.00 500 3,000
4 $20.00 $14.00 100 1,000

FORMULACION:
Variables de Decisin:

Sean:
Xi = Nmero de Unidades de producto i a producir durante el mes (i = 1, 2, 3)

Funcin Objetivo:

Maximizar la Funcin de Beneficio expresada por la ecuacin siguiente:

MAX Z = (10 6) X1 + (25 15) X2 + (16 11) X3 + (20 14) X4

MAX Z = 4 X1 + 10 X2 + 5 X3 + 6 X4

Restricciones:

a) En tiempo de produccin (horas mquina)

0.03 X1 + 0.15 X2 + 0.05 X3 + 0.10 X4 400 (Trazado)

0.06 X1 + 0.12 X2 + 0.00 X3 + 0.10 X4 400 (Troquelado)

0.05 X1 + 0.10 X2 + 0.05 X3 + 0.12 X4 500 (Ensamble)

0.04 X1 + 0.20 X2 + 0.03 X3 + 0.12 X4 450 (Acabado)

0.02 X1 + 0.06 X2 + 0.02 X3 + 0.05 X4 400 (Empaque)

b) En disponibilidad de hojas de metal:

2.0 X2 + 1.2 X4 2,000

27
 Sistemas de Optimizacin de Recursos

c) Restriccin de mnimo de produccin y mximas ventas:

1,000 X1 6,000

0 X2 500

500 X3 3,000

100 X4 1,000

d) No Negatividad:

Xi 0

Ejemplo N 5

El Departamento de publicidad de Almacenes Hawai y Cia (AHC) tiene que planear para el
prximo mes una estrategia de publicidad para el lanzamiento de una nueva lnea de televisores a
color. La meta de la AHC es llegar al menos al 40% de las familias de ingresos medios. Para esto,
tiene en consideracin dos medios diferentes:
Anunciarse en la cadena de T.V. Honolul TV
Anunciarse en el peridico Honolul Times.

La publicidad por T.V. llega al 2% de las familias de ingresos altos y al 3% de las familias de
ingresos medios (por comercial).

La publicidad en el peridico llega al 3% de las familias de ingresos altos y al 6% de las familias de

ingresos medios (por anuncio).

La publicidad en el peridico tiene un costo de $500.00 por anuncio y la publicidad por T.V. tiene
un costo de $2,000.00 por comercial. La meta de la AAHC es obtener al menos una presentacin
como mnimo al 36% de las familias de ingresos altos y al 60% de las familias de ingresos medios,
minimizando los costos de publicidad.

Asumiendo que una persona que est considerando el anuncio y el comercial como una exposicin
doble (una exposicin mayor que el 100% es posible) construya un modelo de Programacin Lineal
para el problema de la AHC:

28
 Sistemas de Optimizacin de Recursos

FORMULACION:

Variables de Decisin:

Sean:
XN = Nmero de Anuncios en el peridico
XT = Nmero de Anuncios en Televisin

Funcin Objetivo:

MIN Z = 500 XN + XT 2000

Restricciones:

XN 0.03 + XT 0.02 0.36

XN 0.06 + XT 0.03 0.60

Xi 0 (i = N, T)

Ejemplo N 6

Un gerente de personal debe elaborar un programa de vigilancia para la empresa, de modo que
satisfaga los requerimientos de vigilantes que se muestran en la tabla N 1.

Tabla N 1
Requerimientos de Vigilantes

HORARIO DE COBERTURA # MINIMO DE VIGILANTES

REQUERIDOS
Medianoche 4:00 a.m. 5
4:00 a.m. - 8:00 a.m. 7
8:00 a.m. - 12:00 m. 15
12: 00 m - 4:00 p.m. 7
4:00 p.m. - 8:00 p.m. 12
8:00 p.m. - medianoche 9

Los guardias de seguridad trabajan turnos de 8 horas; y todos los das hay 6 turnos, en la Tabla N 2
se dan los horarios de entrada y salida de cada turno. El gerente de personal quiere determinar

29
 Sistemas de Optimizacin de Recursos

cuntos guardias debern trabajar en cada turno, con el objetivo de minimizar el # total de guardias
que satisfagan los requerimientos de vigilancia.

Tabla N 2
Horarios de entrada y salida
Turno Hora Entrada Hora Salida
1 Medianoche 8:00 a.m.
2 4:00 a.m. Medioda
3 8:00 a.m. 4:00 p.m.
4 Medioda 8:00 p.m.
5 4:00 p.m. Medianoche
6 8:00 p.m. 4:00 a.m.

FORMULACION:

TABLA DE TURNOS / INTERVALOS

Turno Medianoche 4:00 a.m. 8:00 a.m. Medio da 4:00 p.m. 8:00 p.m. -
4:00 a.m. 8:00 a.m. Medio da 4:00 p.m. 8:00 p.m. medianoche
1 X1 X1
2 X2 X2
3 X3 X3
4 X4 X4
5 X5 X5
6 X6 X6
# mnimo
de 5 7 15 7 12 9
vigilantes
requeridos

Donde:

X1 = # de guardias que entran a trabajar en el turno 1

X2 = # de guardias que entran a trabajar en el turno 2

X3 = # de guardias que entran a trabajar en el turno 3

X4 = # de guardias que entran a trabajar en el turno 4

X5 = # de guardias que entran a trabajar en el turno 5

X6 = # de guardias que entran a trabajar en el turno 6

30
 Sistemas de Optimizacin de Recursos

Tal que:

MIN Z = X1 + X2 + X3 + X4 + X5 + X6

Sujeto a:

X6 + X1 5

X1 + X2 7

X2 + X3 15

X3 + X4 7

X4 + X5 12

X5 + X6 9

Xi 0 (i = 1, 2, 3, 4, 5, 6)

31
 Sistemas de Optimizacin de Recursos

Solucin de los Modelos de

Programacin Lineal Procedimiento de Solucin por Mtodo
Grfico:
Solucin Grfica y Solucin
Analtica
1. Dibujar el grfico de coordenadas, seleccionar los
ejes de coordenadas para cada una de de las
variables.
2. Convertir las desigualdades en igualdades y
graficar las rectas que representan dichas
restricciones.
3. Escoger un punto de ensayo.
4. Evaluar la restriccin.
5. Determinar si el punto de ensayo satisface la
desigualdad, y seleccionar el rea (desigualdad) o
lnea (igualdad) que satisfaga la desigualdad o
igualdad.
6. Determinar cual es el polgono de Soluciones
factibles.
7. Evaluar los puntos extremos (Vrtices del
polgono)
8. Seleccionar la alternativa y solucin ptima-

Programacin Lineal: El Mtodo Simplex:

Entendemos que un modelo es lineal cuando las variables, tanto de la Funcin Objetivo como de las
restricciones son lineales, es decir tiene exponente igual a uno, es decir que no existen variables con
exponente dos o mayor.

Definicin: El modelo Simplex es un mtodo algebraico sistemtico e iterativo utilizado para resolver
modelos de Programacin Lineal, que examinan los vrtices de un conjunto convexo, hasta encontrar
la alternativa ptima que resuelve el modelo.

Procedimiento: Todas las restricciones del modelo deben ser transformadas a igualdades, para poder
establecer una solucin bsica factible inicial, y as poder resolver un sistema de ecuaciones
simultneas utilizando la Funcin Objetivo como la referencia para establecer la solucin ptima. El
espacio dentro del cual se encuentra delimitada el rea definida por todas las restricciones define lo que
se conoce como <polgono de Soluciones Factibles. Cada vrtice de dicho Polgono corresponde a una
alternativa que resuelve el sistema de ecuaciones y variables, y la Solucin ptima del mismo estar
localizada en uno de sus vrtices.

32