1

TRABAJO DE INVESTIGACIN PARA INVESTIGACIN DE OPERACIONES I

MEZCLA DE AGREGADOS MEDIANTE PROGRAMACIN LINEAL ROBUSTA

AUTORES

Yennifer Ariza Cadena 2145526

Edilson Alcides Ruiz Vargas 2145602

Juan David Mendivelso 2145151

I. RESUMEN

MEZCLA DE AGREGADOS MEDIANTE PROGRAMACIN LINEAL ROBUSTA

presentado por R. Montemanni; N. E. Toklu; . . Toklu; y Y. C. Toklu en la revista de

ingeniera y gestin de construccin en febrero del 2012 relaciona que la industria de la

construccin ha venido utilizando una serie de mtodos que permiten minimizar los costos que

intervienen en las obras civiles. En este artculo se estudiar la optimizacin de materiales para

mezcla de agregados: Hormign, mortero, hormign asfaltico, etc. Determinando un modelo

matemtico que cumpla con el objetivo. Adems se muestra como aproximar un modelo no

lineal a una funcin lineal por partes.

II. INTRODUCCIN

En el estudio de investigacin de operaciones se establece como usar los modelos

matemticos para fijar relaciones entre variables, empleando parmetros que se presentan en la

metodologa de las industrias tales como costos de produccin o transporte ,esto ayuda a las

empresas ya sea de bienes o servicios a proporcionar a sus clientes de manera eficaz y eficiente

su misin.
 2

A partir de esto se hace un anlisis en la industria de construccin donde se quiere encontrar un

costo mnimo de manera lineal para determinar la fraccin de material ms ptima que pasa por

cierto tipo de tamiz y no lineal con la finalidad de cumplir el objetivo del problema por fraccin

de material. . Otras aplicaciones pueden ser en los alimentos, productos qumicos, farmacuticos,

Y las industrias petroqumicas. (Toklu 2005, Venter 2010).

Se encontr que empleando una variable de decisin y algunas restricciones se puede aproximar

la funcin no lineal de costos a una lineal a trozos, proporcionando un mejor anlisis de los

resultados obtenidos.

III. MODELO MATEMATICO

A continuacin se establecer el objetivo de la investigacin, los modelos matemticos

lineales o no lineales con sus respectivas variables, restricciones.

a) Modelo Lineal

Objetivo: Minimizar costos

Sub-ndices:

= /1 /

= / 1 /

Variables:

Parmetros:
 3

Funcin objetivo:

= ()
=1

S.A:

= (2)
=1

= 1,2, , (3)
=1

= 1,2, , (4)
=1

0 = 1,2, , (5)

Anlisis de restricciones:

En la ecuacin (2), la suma del porcentaje de todas las fracciones en la mezcla debe ser 1, es

decir el 100%. Las ecuaciones (3) y (4) definen el contenido mnimo y mximo de la fraccin en

cada tamiz respectivamente. La ecuacin (5) expresa la condicin de no negatividad para la

variable .

b) Modelo No lineal
 4

Objetivo: Minimizar costos

Sub-ndices:

= /1 /

= .

= / 1 / .

= .

= . /1 /

Parmetros:

= .

= .

= .

Variables:

1 ,+1
= { }
0

= .

Funcin objetivo:
 5

()
(+ )
= + ()
(+ )
= =

S.A:

()

= = , , , ()
=

= , , , () ()

+ = , , () ()

()

(+ + ) = ()
= =

()

( + ) = , . . ()
= =

()

( + ) = , . . ()
= =

{0,1} = 1,2,3, , ; = 1,2,3, , () ()

0 = 1,2,3, , () (14)

Anlisis de restricciones:

En la ecuacin (7), para cada fraccin j debe ser seleccionada una de las alternativas de las

funciones lineales. En la ecuacin (8) la variable puede asumir un valor distinto de 0 slo

cuando la funcin lineal ha sido activada. La ecuacin (9) define un lmite superior para cada
 6

variable . La ecuacin (10) establece que las proporciones seleccionadas de las fracciones

disponibles debe sumar el 100%. Las ecuaciones (11) y (12) definen el contenido mnimo y

mximo de la fraccin en cada tamiz respectivamente. Las restricciones (13) y (14).

IV. SOLUCIN.

a) Modelo Lineal.

El modelo en Programacin Lineal formulado puede ser solucionado con ayuda de Software

como Cplex 2010 y Gurobi 2010. El planteamiento est dado para buscar la seleccin de las

cantidades de fraccin del ingrediente j para la mezcla, buscando el mnimo costo (funcin de

costo lineal). El planteamiento incluye n cantidad de tamices y m cantidad de fracciones

disponibles para la clasificacin.

b) Modelo no Lineal.

La funcin de costo W(j) no lineal se aproxima a partir de una funcin continua por partes

donde se establece como las fracciones disponibles de j del segmento de recta k y, como

el costo de usar la fraccin j del segmento lineal k.

Para software como IBM ILOG Cplex Optimizer (Cplex2010)

Gurobi Optimizer (Gurobi 2010), se toma como un programa

lineal entero mixto. El planteamiento est dado para buscar la

seleccin de las cantidades de fraccin del ingrediente j para la

mezcla, buscando el mnimo costo (funcin de costo no lineal).

Se tomarn k segmentos de rectas las cuales establecern la funcin de costo no lineal El

planteamiento incluye n cantidad de tamices y m cantidad de fracciones disponibles para la

clasificacin W(j).
 7

V. CONCLUSIONES.

Buscando minimizar los costos para la realizacin de mezclas de Hormign Mortero y

Hormign Asfltico, se pueden introducir variables binarias y restricciones adicionales

para resolver funciones de costos no lineales a travs de modelos de programacin lineal

entera mixta.

Se puede aproximar una funcin de costos no lineal a una funcin lineal continua que

comprende varios segmentos de recta k, con valores de entrada (fraccin j a usar) y

valores de salida (costo de la fraccin j) (funcin de costo lineal continua por partes).

En el modelo de programacin lineal y no lineal, no es posible determinar con exactitud

por lo cual se aplica un modelo de programacin lineal robusta que mitiga el error de

estimacin para este parmetro.

Se puede ver la importancia de la ingeniera industrial en la parte de costos en el sector de

la construccin y especficamente el rea de operacin con el fin de optimizar cada uno

de sus procesos.

VI. REFERENCIAS BIBLIOGRFICAS.

Aggregate Blending via Robust Linear Programming ,R. Montemanni; N. E. Toklu; . .

Toklu; and Y. C. Toklu, REVISTA DE INGENIERA Y GESTIN DE

CONSTRUCCIN ,febrero del 2012

Toklu, Y. C. (2005). Aggregate blending using genetic algorithms

Comput. Aided Civ. Infrastruct. Eng., 20(6), 450460.

Investigacin de operaciones, HAMDY A. TAHA, University of Arkansas

,Fayetteville,Pearson,2012