El poder esta en el
PRESENTE
COMPONENTES DE UN PROBLEMA
Decisiones Información Condiciones Propósito
• Variables de • Parámetros • Restricciones • Función
decisión objetivo
INVESTIGACIÓN DE OPERACIONES
• La Smith Motors, Inc., vende automóviles normales y vagonetas. La
compañía obtiene $300 de utilidad sobre cada automóvil que vende y
$400 por cada vagoneta. El fabricante no puede proveer más de 300
automóviles ni más de 200 vagonetas por mes. El tiempo de
preparación para los distribuidores es de 2 horas para cada automóvil
y 3 horas para cada vagoneta. La compañía cuenta con 900 horas de
tiempo de taller disponible cada mes para la preparación de
automóviles nuevos. Plantee un problema de PL para determinar
cuántos automóviles y cuántas vagonetas deben ordenarse para
maximizar las utilidades.
COMPONENTES DE UN PROBLEMA
¿Que debe decidirse?
Decisiones
• Variables de x1: cantidad de automóviles a ordenar
decisión x2: cantidad de vagonetas a ordenar
COMPONENTES DE UN PROBLEMA
¿Qué información esta disponible para
tomar la decisión?
Automoviles Vagonetas
Información
Beneficio $300 $400
• Parámetros Automoviles Vagonetas
Tiempo de
Preparacion 3 horas 4 horas
Disponibilidad
Disponibilidad
recurso 900 horas
COMPONENTES DE UN PROBLEMA
¿Qué limita la decisión?
Cantidad de automóviles a proveer≤ 300
𝑥1 ≤ 300
Condiciones Cantidad de vagonetas a proveers ≤ 200
• Restricciones 𝑥2 ≤ 200
Cantidad de horas
2𝑥1 + 3𝑥2 ≤ 900
Restricciones sobre el tipo de variable
𝑥1 , x2 ≥ 0
COMPONENTES DE UN PROBLEMA
¿Cómo cuantificar el impacto de una decisión?
Propósito Beneficio obtenido
• Función 300𝑥1 + 400𝑥2
objetivo
REPRESENTACIÓN FORMAL
Min o Max [FUNCIÓN OBJETIVO]
S.A.
[RESTRICCIONES]
[RESTRICCIONES SOBRE EL TIPO DE VARIABLE]
REPRESENTACIÓN FORMAL
𝑀𝑎𝑥 𝑍 = 300𝑥1 4000𝑥2 Maximización de beneficio
S.A.
𝑥1 ≤ 300
Automóviles a Proveer
𝑥2 ≤ 200
Vagonetas a proveer
2𝑥1 + 3𝑥2 ≤ 900 Tempo del taller
𝑥1 , 𝑥2 ≥ 0
Restricciones sobre el tipo
de variable
EJEMPLO
Reddy Mikks produce pinturas con dos materias primas, M1 y M2. La tabla
siguiente proporciona los datos básicos del problema.
Pintura azul Pintura verde
Materia prima 1 6 4
Materia prima 2 1 2
Una encuesta de mercado indica que la demanda diaria de pintura azul no puede
exceder la de pintura verde. Asimismo, que la demanda diaria mínima de pintura
verde es de dos toneladas.
Disponibilidad de materia prima 1 es de 24 toneladas y de materia prima 2 de 6
toneladas. Utilidad por tonelada de pintura azul es de $5 y de $4 para pintura
verde.
EJEMPLO
¿Que debe decidirse?
Decisiones
• Variables de x1: Toneladas de pintura azul
decisión x2: Toneladas de pintura verde
EJEMPLO
¿Qué información esta disponible para
tomar la decisión?
Azul Verde
Información Beneficio $5 $4
• Parámetros Materia Materia
prima 1 prima 2
Disponibilidad 24 6
Utilización/Producto Azul Verde
Materia prima 1 6 4
Materia prima 2 1 2
EJEMPLO
¿Qué limita la decisión?
Cantidad de materia prima 1 usada ≤ 24
6𝑥1 + 4𝑥2 ≤ 24
Cantidad de materia prima 2 usada ≤ 6
Condiciones
1𝑥1 + 2𝑥2 ≤ 6
• Restricciones Pintura azul debe ser menor a verde, en cantidad
𝑥1 ≤ 𝑥2 → 𝑥1 − 𝑥2 ≤ 0
Mínima demanda de pintura verde
𝑥2 ≥ 2
Restricciones sobre el tipo de variable
𝑥1 , 𝑥2 ≥ 0
EJEMPLO
¿Cómo cuantificar el impacto de una decisión?
Propósito Beneficio obtenido
• Función 5𝑥1 + 4𝑥2
objetivo
EJEMPLO
𝑀𝑎𝑥 𝑍 = 5𝑥1 + 4𝑥2 Maximización de beneficio
S.A.
6𝑥1 + 4𝑥2 ≤ 24 Disponibilidad de materia
Disponibilidad de materia 1𝑥1 + 2𝑥2 ≤ 6 prima 1
prima 2 𝑥1 − 𝑥2 ≤ 0
Cantidad a producir de pintura
Demanda mínima de 𝑥2 ≥ 2 azul menor a pintura verde
pintura verde
𝑥1 , 𝑥2 ≥ 0
Restricciones sobre el tipo de
variable
SUPUESTOS DE PROGRAMACIÓN LINEAL
Supuesto de proporcionalidad:
La contribución de cada actividad al valor de la función objetivo Z es
proporcional al nivel de la actividad 𝑥𝑗 , como lo representa el término
𝑐𝑗 𝑥𝑗 en la función objetivo. De manera similar, la contribución de cada
actividad al lado izquierdo de cada restricción funcional es proporcional
al nivel de la actividad 𝑥𝑗 , como lo representa en la restricción el
término 𝑎𝑖𝑗 𝑥𝑗 .
SUPUESTOS DE PROGRAMACIÓN LINEAL
Supuesto de aditividad:
Cada función de un modelo de programación lineal (ya sea la función
objetivo o el lado izquierdo de las restricciones funcionales) es la suma
de las contribuciones individuales de las actividades respectivas.
Supuesto de certidumbre:
Se supone que los valores asignados a cada parámetro de un modelo
de programación lineal son constantes conocidas. En otras palabras,
ninguna distribución de probabilidad es asignado a dichos coeficientes.
SUPUESTOS DE PROGRAMACIÓN LINEAL
Supuesto de divisibilidad:
En un modelo de programación lineal, las variables de decisión pueden
tomar cualquier valor, incluso valores no enteros, que satisfagan las
restricciones funcionales y de no negatividad. En consecuencia, estas
variables no están restringidas a sólo valores enteros. Como cada
variable de decisión representa el nivel de alguna actividad, se
supondrá que las actividades se pueden realizar a niveles fraccionales.
SUPUESTOS DE PROGRAMACIÓN LINEAL
• La Ware Farms del Valle Schoharie, cerca de Abany, N.Y., cultiva
brócoli y coliflor en 500 acres de terreno en el valle. Un acre de
brócoli produce $500 de contribución a las utilidades y la
contribución de un acre de coliflor es de $1000. Debido a
reglamentos gubernamentales, no pueden cultivarse más de 200
acres de brócoli. Durante la temporada de plantación, habrá
disponibles 1200 horas-hombre de tiempo de plantadores. Cada acre
de brócoli requiere 2.5 horas-hombre y cada acre de coliflor requiere
5.5 horas-hombre. Plantee un problema de PL para determinar
cuántos acres de brócoli y cuántos de coliflor deben plantarse para
maximizar la contribución a las utilidades.
