UNIVERSIDAD PRIVADA SAN PEDRO

FACULTAD DE INGENIERIA
CURSO : INVESTIGACIN DE OPERACIONES
INTRODUCIN, MODELAMIENTO MATEMTICO, FASES Y
CONSTRUCCIN DE MODELOS
DOCENTE:
ING. JUAN MIGUEL DIAZ MENDO

2016-03-23

Investigacin de Operaciones
Ing. Juan Miguel DIAZ Mendo

Introduccin a la IO
La I.O. se entiende que es la aplicacin de un mtodo cientfico
para resolver problemas que permita: tomar las decisiones
correctas o acertadas para tener las soluciones que ms
convengan o favorezcan a la organizacin.
Las primeras actividades formales en la historia de la

investigacin de operaciones se dieron en Inglaterra en la

Segunda Guerra Mundial, cuando se encarga a un grupo de
cientficos ingleses el diseo de herramientas cuantitativas para

el apoyo a la toma de decisiones acerca de la mejor utilizacin

de materiales blicos.

Definicin de la IO
La Investigacin de Operaciones o Investigacin Operativa, es
una rama de las Matemticas consistente en el uso de modelos
matemticos, estadstica y algoritmos con objeto de realizar un
proceso de toma de decisiones.
Frecuentemente, trata del estudio de complejos sistemas reales,

con la finalidad de mejorar (u optimizar) su funcionamiento.

La investigacin de operaciones permite el anlisis de la toma de
decisiones teniendo en cuenta la escasez de recursos, para
determinar cmo se puede optimizar un objetivo definido, como
la maximizacin de los beneficios o la minimizacin de costes.

Objetivos
El objetivo y finalidad es encontrar la solucin ptima para
un determinado problema (militar, econmico, de
infraestructura, logstico, etc.)
En el caso particular de problemas de carcter econmico, la
funcin objetivo puede ser obtener el mximo rendimiento
o el menor costo.
Decidir mediante mtodos cientficos el diseo que optimiza
el funcionamiento del proceso analizado, generalmente bajo
condiciones que implican la utilizacin de recursos escasos.

Orgenes de la IO

La IO tuvo gran xito en las actividades blicas, utilizada

por primera vez el ao 1939 durante la 2da Guerra
Mundial, cuando surge la necesidad de investigar las
operaciones tcticas y estratgicas de la defensa area y
se hicieron investigaciones sobre operaciones militares
para mejorar la asignacin de recursos.
Sin embargo, el origen de la IO puede considerarse como
anterior a la Revolucin Industrial, aunque durante este
perodo comienzan a originarse problemas tipo que la IO
trata de resolver.

Orgenes de la IO
La Investigacin Operativa tarda en desarrollarse en el campo de la
administracin industrial. El uso de la metodologa cientfica en la
industria se incorpora al iniciar los aos 50, propiciada por los
avances de las Comunicaciones, y la Computacin, que sientan las
bases para la automatizacin, y por sobre todo por el
florecimiento y bienestar econmico de ese perodo.
Los primeros desarrollos de esta disciplina (IO) se refirieron a
problemas de ordenamiento de tareas, reparto de cargas de
trabajo, planificacin y asignacin de recursos en el mbito militar
en sus inicios, diversificndose luego, y extendindose finalmente
a organizaciones industriales, acadmicas y gubernamentales.

Evolucin de la IO
fechas

nombres

Temas

1759

Quesnay (ecnomo)

1874

Walras

1873

Jordan

Precursor de modelos lineales

1896

Minkowsky

Precursor de modelos lineales

1903

Farkas

Precursor de modelos lineales

189~

Markov

Precursor modelos dinmicos probabilsticos

192~ -

Programacin Matemtica

Primer desarrollo de modelos de inventarios

191~

Erlang

Primeros estudios de lneas de espera

1920-30

Koning y Egervary

Mtodos de asignacin (analticos)

1937

von Neuman

Teora de juegos y de preferencias

1939

Kantorovich

Problemas de distribucin

2da guerra

Logstica estratgica para vencer al enemigo

1945

Finales 2da guerra

Logstica de distribucin de recursos de los aliados (Rand

Corporation- Fuerza area norteamericana).

1947

Dantzig, George

Mtodo simplex en base al trabajo de precursores, inicio a

la Programacin Lineal.

Evolucin de la IO
fechas
1950-60

1970 y parte
dcada 80

nombres

Temas

Bellman

Programacin dinmica.

Kuhn y Tucker

Programacin No Lineal.

Gomory

Programacin Entera.

Ford y Fulkerson

Redes de optimizacin.

Markowitz

Simulacin.

Arrow, Karloin, Scarf, Whitin

Inventarios.

Rafia

Anlisis de Decisiones.

Howard

Procesos Markovianos de Decisin.

Churchman, Ackoff, Arnoff

Orientacin a sistemas, generalizacin de la Investigacin

Operativa.

Receso en el uso de la Investigacin de Operaciones.

1985 en
delante

Reflorecimiento de la disciplina con el devenir del control automtico industrial, las

microcomputadoras y las nuevas interfaces grficas que impulsan el desarrollo de los
Sistemas Automatizados de Apoyo a la Toma de Decisiones, donde la Investigacin
Operativa juega un papel Preponderante.

Actualmente

IO se aplica al sector privado y pblico, industria, sistemas de comercializacin, financieros,

de transportes, de salud etc., en pases desarrollados, en vas de y del tercer mundo.

Factores que impulsaron el desarrollo de la IO

Las Organizaciones de otros tipos diferentes a la
blica requeran de la Asignacin ptima de recursos.

Desarrollos notables en programacin dinmica,

lneas de espera y teora de inventarios.

Revolucin de las computadoras.

Aplicaciones de la IO
Organizacin

Naturaleza de la aplicacin

Desarrollo de poltica nacional de

The Netherlands administracin del agua, incluyendo
mezcla
de
nuevas
instalaciones,
Rijkswaterstatt
procedimientos de operacin y costeo.
Optimizacin
de
operaciones
de
produccin para cumplir metas con un
Monsanto Corp.
costo mnimo.

Ao de la
aplicacin

Ahorros
anuales

1985

$ 15 millones

1985

$ 2 millones

Optimizacin del corte de rboles en

Weyerhauser Co. productos de madera para maximizar su
produccin.

1986

$ 15 millones

Electrobras/CEPA Asignacin ptima de recursos hidrulicos

y trmicos en el sistema nacional de
L, Brasil
generacin de energa.

1986

$ 43 millones

Programacin de turnos de trabajo en las

oficinas de reservaciones y en los
aeropuertos para cumplir con las
necesidades del cliente a un costo mnimo.

1986

$ 6 millones

United Airlines

http://www.investigaciondeoperaciones.net/aplicaciones_de_la_investigacion_de_operaciones.html

Aplicaciones de la IO
Organizacin

Naturaleza de la aplicacin

Ao de la
aplicacin

Ahorros
anuales

Optimizacin de las operaciones de

Citgo Petroleum
refinacin y de la oferta, distribucin y
Corp.
comercializacin de productos.

1987

$ 70 millones

Ltd., Optimizacin de inversiones de capital

para producir gas natural durante 25 aos.

1987

$ 3 millones

San
Francisco Optimizacin de la programacin y
police
asignacin de oficiales de patrulla con un
Department
sistema computarizado.

1989

$ 11 millones

Administracin de inventarios de petrleo

y carbn para el servicio elctrico con el
fin de equilibrar los costos de inventario y
los riesgos de faltantes.

1989

$ 59 millones

Optimizacin de la mezcla de ingredientes

disponibles para que los productos de
gasolina
cumplieran
con
los
requerimientos de ventas y calidad.

1989

$ 30 millones

SANTOS,
Australia

Electric
Research
Institute

Poder

Texaco, Inc.

Aplicaciones de la IO
Ao de la
aplicacin

Ahorros
anuales

Integracin de una red nacional de

inventario de refacciones para mejorar el
apoyo al servicio.

1990

$ 20 millones +
$ 250 millones
ahorrados
en
inventario

Optimizacin del diseo de una red

Yellow
Freight nacional de transporte y la programacin
System, Inc.
de rutas de envo.

1992

$ 17.3 millones

Rapidez en la coordinacin de aviones,

tripulaciones, carga y pasajeros para
U.S.
Military
manejar la evacuacin por aire en el
Airlift Command
proyecto Tormenta del Desierto en el
Medio Oriente.

1992

Victoria

Diseo de un sistema de estructura de

American Airlines precios, sobreventa y coordinacin de
vuelos para mejorar las utilidades.

1992

$ 500 millones
ms
de
ingresos

Diseo de un programa efectivo de

New
Haven
intercambio de agujas para combatir el
Health Dept
contagio del SIDA.

1993

33%
menos
contagios

Organizacin

IBM

Naturaleza de la aplicacin

rea de aplicacin de la IO
Asignacin de recursos.
Formulacin de Dietas.

Sistemas energticos.
Telecomunicaciones.
Salud.
Planeacin.
Servicios.
Finanzas.
Otros.

rea de aplicacin de la IO

Medicina

Produccin

Inventario

Transporte

Estrategias
Planificacin

Modelamiento Matemtico

Representar el sistema o el fenmeno del mundo

real o el problema a resolver en un lenguaje
matemtico.

Investigacin de Operaciones:
(Ciencias de la Administracin)
Es la aplicacin del Mtodo Cientfico para la Toma
de Decisiones con el fin de hallar la solucin
ptima.

Metodologa de la IO

1. Definicin del problema y Recoleccin de la informacin.

2. Formulacin de un modelo matemtico.
3. Obtencin de la solucin a partir de un modelo.

4. Prueba del modelo.

5. Validacin del modelo.
6. Establecimiento de controles sobre la solucin.
7. Implantacin del modelo.

1.- Definicin del problema y recoleccin de la informacin

Esto incluye:
determinar los objetivos apropiados,

las restricciones sobre lo que se puede hacer,

las interrelaciones del rea bajo estudio con otras reas de la
organizacin,

los diferentes cursos de accin posibles,

los lmites de tiempo para tomar una decisin, etc.

Este proceso de definir el problema es crucial ya que

afectar

en forma

significativa

conclusiones del estudio.

la

relevancia

de

las

1.- Definicin del problema y recoleccin de la informacin

Cual es el problema a enfrentar?
Describir el problema
Delimitar el problema
Identificar los entes afectados
Anlisis costo-beneficio

1.- Definicin del problema y recoleccin de la informacin

LOS BENEFICIARIOS

Los dueos
Los empleados
Los clientes y proveedores
Los vendedores
El estado

El objetivo siempre debera ir en funcin de

maximizar los beneficios o minimizar los costos, y
como tal se espera que en el largo plazo genere
una rentabilidad social.

1.- Definicin del problema y recoleccin de la informacin

Recoleccin de la informacin

2.- Formulacin de un modelo matemtico

La

forma

convencional

en

que

la

investigacin

de

operaciones realiza esto es construyendo un modelo

matemtico que represente la esencia del problema.
Un modelo siempre debe ser menos complejo que el
problema real, es una aproximacin abstracta de la realidad
con consideraciones y simplificaciones que hacen ms
manejable el problema y permiten evaluar eficientemente

las alternativas de solucin.

2.- Formulacin de un modelo matemtico

Un modelo es una representacin idealizada de un

sistema.
Un modelo matemtico tambin es una representacin

idealizada, pero expresada en trminos de smbolos y

expresiones matemticas

3.- Obtencin de una solucin a partir del modelo

Resolver un modelo consiste en encontrar los valores

de las variables dependientes, asociadas a las
componentes controlables del sistema con el propsito de
optimizar, si es posible, o cuando menos mejorar la
eficiencia o la efectividad del sistema dentro del marco de
referencia que fijan los objetivos y las restricciones del
problema.
La seleccin del mtodo de solucin depende de las
caractersticas del modelo.

3.- Obtencin de una solucin a partir del modelo

Los procedimientos de solucin pueden ser clasificados en tres
tipos:
a) Analticos, que utilizan procesos de deduccin matemtica.
b) Numricos, que son de carcter inductivo y funcionan en
base a operaciones de prueba y error.
c) Simulacin, que utiliza mtodos que imitan o, emulan al
sistema real, en base a un modelo.
El uso del computador es absolutamente necesario

4.- Prueba del Modelo

Antes de usar el modelo debe probarse exhaustivamente para
intentar identificar y corregir todas las fallas que se puedan
presentar.
Es muy til realizar una prueba retrospectiva
Mirar el pasado.
Actualizar la informacin.
Anlisis de sensibilidad.
Verificar: Qu resultados se hubieran obtenido con las
presentes decisiones
Consistencia en las dimensiones.

Son satisfactorias estas decisiones?

Nunca dejar por fuera a quienes toman las decisiones relacionadas
con el problema

5.- Validacin del Modelo

Es importante que todas las expresiones matemticas sean

consistentes en las dimensiones de las unidades que emplean.

Adems, puede obtenerse un mejor conocimiento de la validez

del modelo variando los valores de los parmetros de entrada
y/o de las variables de decisin, y comprobando que los
resultados de modelo se comporten de una manera factible.

El modelo se tiene que probar.

6.- Establecimiento de controles sobre la solucin

Esta fase consiste en determinar los rangos de variacin de los

parmetros dentro de los cuales no cambia la solucin del
problema.

Es

necesario

generar

informacin

adicional

sobre

el

comportamiento de la solucin debido a cambios en los

parmetros del modelo. Usualmente esto se conoce como:
ANLISIS DE SENSIBILIDAD
(como afecta los resultados)

7.- Implantacin de la solucin

El paso final se inicia con el proceso de "vender" los hallazgos

que se hicieron a lo largo del proceso a los ejecutivos o

tomadores de decisiones.
El equipo de IO explica a la gerencia.
Se comparte la responsabilidad.
Capacitacin detallada al personal.
Pruebas piloto.

Desarrollo del programa de implantacin.

Normas para lograr xito en la IO.

1. El xito del empleo de la IO es el de un enfoque de solucin de
problemas

no

una

coleccin

asociada

de

mtodos

cuantitativos.
2. La IO es relativamente costosa, lo que significa que no debe
emplearse en todos los problemas, sino tan slo en aquellos en
que las ganancias sea mayores que los costos.
Para llegar a hacer un uso apropiado de la IO, es necesario primero
comprender la metodologa para resolver los problemas, as como
los fundamentos de las tcnicas de solucin para de esta forma
saber cundo utilizarlas o no en las diferentes circunstancias.

Limitaciones de la IO.
1. Frecuentemente es necesario hacer simplificaciones del problema original
para poder manipularlo y tener una solucin.
2. La mayora de los modelos slo considera un solo objetivo y
frecuentemente en las organizaciones se tienen objetivos mltiples.

3. Existe la tendencia a no considerar la totalidad de las restricciones en un

problema prctico, debido a que los mtodos de enseanza y
entrenamiento dan la aplicacin de esta ciencia centralmente se basan en
problemas pequeos para razones de ndole prctico, por lo que se
desarrolla en los alumnos una opinin muy simplista e ingenua sobre la
aplicacin de estas tcnicas a problemas reales.
4. Rara vez se realizan anlisis costo-beneficio de la implantacin de
soluciones definidas por medio de la I de O, en ocasiones los beneficios
potenciales se ven superados por los costos ocasionados por el desarrollo
e implantacin de un modelo.

Mtodos de la IO.
Mtodos determinsticos: (son aquellos en que la informacin necesaria se
conoce para obtener una solucin con certeza): Programacin lineal,
programacin entera, probabilidad de transporte, teora de la localizacin
o redes, programacin multicriterio, teora de inventarios, etc.
Mtodos probabilsticos: Cadenas de Markov, teora de juegos, lneas de
espera, teora de inventarios, etc.
Mtodos hbridos: Conjugan mtodos determinsticos y probabilsticos.
Mtodos estocsticos: Son aquellos en los que parte de la informacin
necesaria no se conoce con certeza, como es el caso de los determinsticos,
sino que ms bien se comporta de una manera probabilstica.

Mtodos heursticos: soluciones basadas en la experiencia.

Modelo de Investigacin de Operaciones

Modelos de IO
Determinsticos
Optimizacin
Lineal

Hbridos

Optimizacin
no Lineal

Programacin
Lineal

Mtodos
Clsicos

Transporte y
Asignacin

Mtodos
de bsqueda

Programacin
Entera y 0,1
Redes

Programacin
no lineal

Programacin
Dinmica

Estocsticos
Cadenas
de Markov

Teora de
Inventarios

Teora de
Colas

Simulacin

Procesos
Estocsticos

Pert / CPM

Heursticas

Teora de
Decisiones
y Juegos

Construccin de un Modelo
Un problema de Programacin Lineal est formado por tres
componentes principales:
Un conjunto de variables: Referidas a la actividad que se
desarrolla en el sistema que se quiere optimizar.
Notacin: x1, x2, x3, .
Un conjunto de restricciones: Expresan la relacin entre el
consumo de recursos y las limitaciones de los mismos, as como
toda clase de caractersticas que hay que imponer en el problema y
que estn asociadas a la actividad que se realiza en el sistema.
Ejemplo: x1+ x2

Una funcin objetivo: Criterio que se desea optimizar

Ejemplo: Maximizar x1 + 3x2

Construccin de un Modelo
Los problemas de optimizacin dependen fundamentalmente
para su resolucin del tipo de variables que forman parte del
mismo y del carcter lineal o no lineal de las restricciones.
Continuos (Variables continuas)
PROGRAMACIN LINEAL

Lineales
(Funcin Objetivo y
Restricciones lineales)

Problemas

[CONTINUA]

Enteros (variables enteras)

[Entera mixta (variables enteras y continuas)]
PROGRAMACIN ENTERA

No Lineales
(Funcin Objetivo y/o restricciones no lineales)

Construccin de un Modelo

Resolucin
(Mtodos exactos)

Programacin Lineal
Continua

SIMPLEX

Primal-Dual
Mtodo de Puntos Interiores

Programacin Entera

Mtodo Exactos

Mtodo aproximados

Construccin de un Modelo
Ejemplos Resueltos de traduccin de lenguaje verbal al lenguaje matemtico lenguaje algebraico.
1. Un nmero cualquiera:
2. La suma de dos nmeros diferentes:
3. La diferencia de dos nmeros:
4. El producto de dos nmeros:
5. El cociente de dos nmeros:
6. El cubo de un numero:
7. El triple del cuadrado de un numero:
8. La suma de los cuadrados de dos nmeros:
9. La quinta parte del cubo de un numero:
10. El cubo de la quinta parte de un numero:
11. La suma de dos nmeros dividida entre su diferencia:
12. Cul es el numero que agregado a 3 suma 8?:
13. Cul es el numero que disminuido de 20 da por diferencia 7?:
14. Las tres quintas partes de un numero aumentado en un cuarto:
15. La diferencia entre un numero y su anterior:
16. La suma entre un numero par y el triple del siguiente par:
17. El producto entre el doble de un numero y la tercera parte de su consecutivo:
18. El cociente entre un numero y su mitad:
19. La mitad de la suma de dos nmeros multiplicado por el cuadrado de ambos nmeros:
20. La raz cubica del cuadrado de la suma de dos nmeros:
21. La tercera parte de un numero aumentado en 10:
22. Las dos terceras partes de la suma de dos nmeros:

Construccin de un Modelo
Ejemplos Resueltos de traduccin de lenguaje verbal al lenguaje matemtico lenguaje algebraico.
1. Un numero cualquiera: x
2. La suma de dos nmeros diferentes: x + y
3. La diferencia de dos nmeros: x - y
4. El producto de dos nmeros: x y
5. El cociente de dos nmeros: x/y
6. El cubo de un numero: x3
7. El triple del cuadrado de un numero: 3x2
8. La suma de los cuadrados de dos nmeros: x2 + y2
9. La quinta parte del cubo de un numero: x3/5
10. El cubo de la quinta parte de un numero: (x/5)3
11. La suma de dos nmeros dividida entre su diferencia: (x + y)/(x - y)
12. Cul es el numero que agregado a 3 suma 8?: x + 3 = 8
13. Cul es el numero que disminuido de 20 da por diferencia 7?: x - 20 = 7
14. Las tres quintas partes de un numero aumentado en un cuarto: 3/5 x + 1/4
15. La diferencia entre un numero y su anterior: x - (x-1)
16. La suma entre un numero par y el triple del siguiente par: 2x + 3(2x+2)
17. El producto entre el doble de un numero y la tercera parte de su consecutivo: 2x(x+1)/3
18. El cociente entre un numero y su mitad: x/(x/2)
19. La mitad de la suma de dos nmeros multiplicado por el cuadrado de ambos nmeros: 1/2(x+y)(xy)2
20. La raz cubica del cuadrado de la suma de dos nmeros: 3(x+y)2
21. La tercera parte de un numero aumentado en 10: x/3 + 10
22. Las dos terceras partes de la suma de dos nmeros: 2/3(x+y)

Construccin de un Modelo
Un fabricante de mantequilla desea optimizar la produccin diaria de su
factora. Fabrica dos tipos de mantequilla (Estndar y Especial). Un Kilo de
mantequilla Estndar proporciona un beneficio de 10 S/. y uno de Especial de
15 S/. Para la produccin de mantequillas se usan tres procesos:
pasterizacin, centrifugado, y batido. La capacidad de pasterizacin es de 6
horas/da, de centrifugado es de 3 horas/da y de batido es de 3.5 horas/da.
Los tiempos (en minutos) de proceso por cada kilo de mantequilla se recogen
en la siguiente tabla:
Tipo

Estndar

Especial

Pasterizacin

Centrifugado

Batido

Proceso

Construccin de un Modelo
Identificacin de componentes
Variables asociadas a la actividad:
- Cantidad de mantequilla Estndar a producir por da: x1
- Cantidad de mantequilla Especial a producir por da: x2
Recursos:
- Tiempo de pasterizacin
- Tiempo de centrifugado
- Tiempo de batido

Restricciones:
- Limitacin de las horas de pasterizacin
- Limitacin de las horas de centrifugado
- Limitacin de las horas de batido

Objetivo: Maximizar el beneficio

Construccin de un Modelo
Restricciones: Expresin matemtica
- Limitacin de las horas de pasterizacin
Semntica de la restriccin: Consumo

Capacidad

1 Kg Estndar consume 3 minutos de pasterizacin

2 Kg Estndar consumen 6 minutos(3 x 2) de pasterizacin

.....
x1 Kg Mantequilla estndar consumen 3x1minutos de pasterizacin
Idntico anlisis para Kg de Mantequilla especial: 8x2
Consumo Total = 3x1 + 8x2 minutos
Capacidad = 6 horas = 6 * 60 minutos = 360 minutos
Restriccin completa: 3x1 + 8x2

360

- Anlisis equivalente para el resto de restricciones

Construccin de un Modelo
Funcin Objetivo: Expresin matemtica
Objetivo: Maximizar los beneficios:
1 Kg mantequilla estndar

Beneficio = 10

2 Kg mantequilla estndar
.
.
...........

Beneficio = 10x2 = 20

x1 Kg mantequilla estndar

Beneficio = 10x1

Idntico anlisis para la mantequilla especial: 15x2

Beneficio Total = 10x1 + 15x2

Expresin:

Maximizar Z = 10x1 + 15x2

Construccin de un Modelo
Modelo:
Variables:
x1 : Kilos de mantequilla Estndar
x2 : Kilos de mantequilla Especial

Variables continuas

Funcin Objetivo: Max 10 x 15 x

1
2

sujeto a
Rest. Recurso pasterizacin:

3x1 8 x2

Rest. Recurso centrifugado : 3 x1

360 (R1)

2 x2

180 (R2)
210 (R3)

Rest. Recurso batido

3x1 4 x2

Signo de las variables

x1 , x2

Expresiones Lineales

0
- Modelo lineal
- Programacin lineal continua

Una mueblera produce mesas y sillas de madera. Cada mesa es vendida en s/. 270 y
requiere s/. 100 en materiales, adems, el costo unitario por mano de obra se estima en s/.
140. En el caso de las sillas, su precio de venta es de s/. 210 y los costos son de s/. 90 y s/.
100, en materiales y mano de obra respectivamente. La fabricacin de cada producto
requiere de dos tipos de labores: carpintera y acabados. Una mesa requiere de 1 hora de
carpintera y 2 horas de acabados. Una silla requiere de 1 hora de carpintera y 1 hora de
acabados.
Cada semana, la mueblera puede obtener todos los materiales que desee, sin embargo, se
pueden dedicar hasta 100 horas a las acabados y hasta 80 horas a la carpintera. La demanda
por mesas no est limitada, mientras que la demanda semanal mxima por sillas es de 40.
La mueblera desea maximizar sus utilidades (ingresos - costos). Formule un modelo
matemtico que permita maximizar las utilidades.

Construccin de un Modelo
Identificacin de componentes
Variables asociadas a la actividad:
- Cantidad de mesas a producir por semana: x1
- Cantidad de sillas a producir por semana : x2
Recursos:
- Tiempo de fabricacin de mesa
- Tiempo de fabricacin de silla

Restricciones:
- Limitacin de las horas por semana de
carpintera
- Limitacin de las horas por semana de
acabado
- Produccin mxima de sillas.

Objetivo: Maximizar utilidades

Construccin de un Modelo

Labores
(tiempo: horas/unid)

Requerimiento
Precio
venta
unidades s/. / und

Materiales
s/. / und

M.O.
Carpintera Acabado
(unitario)
s/. / und

h / und

h / und

Demanda
Mxima
und /sem

Mesa

270

100

140

2 ---

Silla

210

90

100

80

100

Tiempo dedicacin hasta (en horas/semana)

40

Construccin de un Modelo
UTILIDADES

1
2
..
x1

INGRESOS

COSTOS

INGRESOS

mesa
mesas

es vendida en :
es vendida en :

s/. 270
s/. 270 * 2

mesas

es vendida en :

s/. 270 * x1

= 270x1

s/. 210 * x2

= 210x2

Idntico anlisis para sillas

Ingreso mximo

270 x1 + 210 x2

Construccin de un Modelo
UTILIDADES

COSTOS

INGRESOS

COSTOS

Idntico anlisis que mesas

Costos Totales =

Costo de mesa
(100 x1 + 140 x1)
240 x1 + 190 x2

costo de sillas

+ (90 x2 + 100 x2)

Construccin de un Modelo
UTILIDADES

UTILIDAD

INGRESOS

COSTOS

Maximizar utilidad INGRESOS

Z

(270 x1 + 210 x2)

30 x1 + 20 x2

COSTOS
(240 x1 + 190 x2)

Construccin de un Modelo
RESTRICCIONES

Carpintera

x1 + x2 =< 80

Acabado

2x1 + x2 =< 100

Cantidad mxima de sillas

x2

RESTRICCIONES DE SIGNO =
x1 >= 0
x2 >= 0

=< 40

Construccin de un Modelo
Determinamos las Variables de Decisin

Cantidad de mesas a producir por semana

Cantidad de sillas a producir por semana

x1
x2

Determinamos las Funcin Objetivo

Max

Z = 30 x1 + 20 x2

(Funcin objetivo)

Determinamos las Restricciones

sujeto a
x1 + x2 =< 80

(Restriccin de carpintera)

2x1 + x2 =< 100

(Restriccin de acabado)

x2

=< 40

(Restriccin de demanda mxima)

x1

>= 0

(Restriccin de signo)

x2

>= 0

(Restriccin de signo)

EJEMPLO 1.2.1: Sean X1 y X2 la cantidad a producirse de dos productos 1 y 2, los

parmetros son los costos de produccin de ambos productos, $3 para el producto 1 y
$5 para el producto 2. Si el tiempo total de produccin esta restringido a 500 horas y el
tiempo de produccin es de 8 horas por unidad para el producto 1 y de 7 horas por
unidad para el producto 2, entonces podemos representar el modelo como:

EJEMPLO 1.2.2: En una empresa se fabrican dos productos, cada producto debe pasar
por una mquina de ensamblaje A y otra de terminado B, antes antes de salir a la
venta. El producto 1 se vende a $60 y el otro a $50 por unidad. La siguiente tabla
muestra el tiempo requerido por cada producto:
Producto
1
2
Total disponible

Maquina A
2H
4H
48 H

Maquina B
3H
2H
36 H

EJEMPLO 1.2.1: Sean X1 y X2 la cantidad a producirse de dos productos 1 y 2, los parmetros

son los costos de produccin de ambos productos, $3 para el producto 1 y $5 para el producto
2. Si el tiempo total de produccin esta restringido a 500 horas y el tiempo de produccin es de
8 horas por unidad para el producto 1 y de 7 horas por unidad para el producto 2, entonces
podemos representar el modelo como:
Variables asociadas a la actividad:

Recursos:

- Cantidad a producir producto 1: x1

- Cantidad a producir producto 2 : x2

- Costos de Produccin
- Tiempo de produccin
por unidad

Restricciones:
- Limitacin tiempo total
de produccin producto
1 y producto 2.

Cantidad a
Producirse

Costos de
Produccin

Tiempo de
Produccin

Producto 1

X1

$3

8 h/unid

Producto 2

X2

$5

7 h/unid

Total tiempo de
Produccin.
MinZ = 3X1 + 5X2 (Costo total de Produccin)
Sujeto a (S.a):
8X1 + 7X2 <= 500 (Tiempo total de produccin)
X1, X2>= 0 (Restricciones de no negatividad)

500 horas

EJEMPLO 1.2.2: En una empresa se fabrican dos productos, cada producto debe pasar por una
mquina de ensamblaje A y otra de terminado B, antes antes de salir a la venta. El producto 1 se
vende a $60 y el otro a $50 por unidad. La siguiente tabla muestra el tiempo requerido por cada
producto:
Producto
Maquina A
Maquina B
1
2H
3H
2
4H
2H
Total disponible
48 H
36 H
Para representar el modelo de este problema primero se debe determinar las variables de
decisin: Sea Xi: La cantidad a fabricar del producto 1 y 2 (i=1,2), entonces X1: cantidad a
fabricar del producto 1, X2: cantidad a fabricar del producto2, luego el modelo quedara de la
siguiente manera:
Producto
1
X1
2
X2
Total disponible

Maquina A
ensamblaje
2H
4H
48 H

Maquina B
terminado
3H
2H
36 H

MaxZ = 60X1+ 50X2 (mximo ingreso por ventas)

S.A: 2X1+ 4X2 <= 48 (disponibilidad horas _maquina A)
3X1+ 2X2 <= 36 (disponibilidad horas _maquina B)
X1, X2 >= 0 (Restricciones de no negatividad)

Precio Venta
(por unidad)
$ 60
$ 50

MUCHAS GRACIAS POR SU ATENCION