Investigacin de Operaciones II

(SIS-386; IND-226)
Ing. Viktoria Belianskaya

1. PROGRAMACIN LINEAL ENTERA

2. TCNICAS PERT/CPM DE REVISIN
Y EVALUACIN DE PROYECTOS
3. MODELOS DE COLAS
4. MODELOS DE INVENTARIOS
5. ANLISIS DE DECISIN
Bibliografa
Wayne L.Winston. Investigacin de Operaciones. Aplicaciones y
Algoritmos. Thomson. Cuarta edicin, 2005.
Hamdy A. Taha. Investigacin de operaciones. Una introduccin.
Prentice Hall, 1995, Quinta Edicin.
Hamdy A. Taha. Investigacin de operaciones. Una introduccin.
Prentice Hall, 1997, Sexta Edicin.
Hiller Frederick S., Lieberman Gerald J. Investigacin de operaciones.
McGRAW-HILL, Sptima Edicin, 2002, Mxico.
Mathur K., Solow D. Investigacin de Operaciones. El Arte de la Toma
de Decisiones, Prentice Hall, Mxico,1996.
Eppen G.D., Gould F.J., Schmidt C.P., Moore Jeffrey H., Weatherford
Larry R. Investigacin de operaciones en la ciencia administrativa, 5-a
Edicin, Pearson Prentice hall, Mxico, 2000.
Render Barry, Heizer Jay, Principios de Administracin de Operaciones,
Prentice Hall, 1995.
Prawda Juan. Mtodos y modelos de Investigacin de Operaciones. Vol
I. Modelos determinsticos, Limusa, Mxico, 1999.
Prawda Juan. Mtodos y modelos de Investigacin de Operaciones. Vol
II. Modelos estocsticos, Limusa, Mxico, 1999
Bibliografa (complementaria)

Moskowitz H., Wright Gordon P. Investigacin de operaciones. Prentice

Hall, 1982, Primera Edicin.
Namakforoosh. Investigacin de operaciones. Interpretacin de modelos
y casos. Limusa, 1994, Tercera Edicin.
Raffo Lecca E. Investigacin de Operaciones. Vol1. Solucionario de
H.Taha. Raffo-Lecca Editores, Per, 1997.
Raffo Lecca E. Investigacin de Operaciones. Vol2. Raffo-Lecca
Editores, Per, 1997.
Raffo Lecca E. Toma de decisiones por medio de Investigacin de
Operaciones (Problemas), Raffo-Lecca Editores, Per.
Gould F.J., Eppen G.D., Schmidt C.P. Investigacin de operaciones en la
ciencia administrativa. Prentice Hall, 1992, Tercera Edicin.
Evaluacin (B)
Trabajos Prcticos - 25%
Pruebas Parciales (2) - 35%
Exmen 30%
Participacin clase (hasta Parcial) 5%
Examen Final - 40%
TOTAL - 100%
 Investigacin de Operaciones II
(SIS-386; IND-226)
Ing. Viktoria Belianskaya

Programacin Lineal
Entera (PLE).
 Programacin Lineal Entera (PLE).
Objetivo: Aprender a Utilizar patrones de construccin de modelos de PLE
con el uso de las variables binarias para formalizacin de las
condiciones de los problemas especficos; Solucionar problemas de
PLE con el uso de los mtodos de ramificacin y acotamiento y de
plano cortante y Utilizar el Software especfico para solucionar los
problemas de PLE con la Interpretacin de la solucin obtenida.

Contenido:
Forma del modelo PLE.
Uso de las variables binarias para planteamiento de modelos.
Ejemplos de formalizacin de diferentes contextos con el uso de las
variables binarias.
Algoritmo de ramificacin y acotamiento.
Algoritmo de Plano cortante.
Solucin con el Software especfico de los problemas PLE.
Modelos PLE
En muchos problemas reales las variables de decisin solo
tienen un sentido si su valor es entero.

No se No se
asigna de puede
persona para vender
realizar un de tractor
trabajo producido

No se utiliza de
un transporte
para transportar
Suposiciones de PL

Modelo de PL debe cumplir con las

condiciones de :
Proporcionalidad
Aditividad
Certidumbre
Divisibilidad
Modelo general de PLE

n
1. Funcin Objetivo: Z c j X j Max( Min)
j 1

2. Restricciones:

n
aij X

j bi , i 1..m
+ X , X ,..., X
1 2 n enteros
j 1

3. Variables: X 1 , X 2 ,..., X n 0
.
Condiciones
de enteridad

Modelo PLE = Modelo PL + para las

variables
Ejemplo (requerimiento de personal)
El famoso restaurante E.S. Mann est abierto las 24 horas del da. 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 mnimo nmero de trabajadores necesarios
durante los seis perodos en que est dividido el da. El problema de
programacin de Mann es la determinacin de cuntos meseros y
ayudantes deben reportarse al trabajo al principio de cada perodo de
tiempo, con el fin de minimizar el total de empleados requeridos para un
da de operacin: (pista: Xi es igual al nmero de meseros y ayudantes
que inician su trabajo en el perodo i, donde i=1,2,3,4,5,6).
Pero Nmero 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
NO SE PUEDE CONSIDERAR LA IMPLEMENTACIN DE LA SOLUCIN
COMO 3,75 DE PERSONAS!!!! LA SOLUCIN DEBE SER CON ENTEROS!
Modelo PLE
Variables
Xi - el nmero de meseros y ayudantes que inician su
trabajo en el perodo i, donde i=1,2,3,4,5,6)
Xi0, enteras
Restricciones
La cantidad de los trabajadores debe alcanzar para el
periodo determinado
Perodo1: X6+X1 3 Perodo4: X3+X4 9
Perodo2: X1+X2 12 Perodo5: X4+X5 11
Perodo 3:X2+X3 16 Perodo6: X5+X6 4

Funcin Objetivo
Z= X1+X2+X3+X4+X5+X6 min
minimizar el total de los meseros y ayudantes contratados
decisiones s o no :
1, si la decisin j es s X j variables binarias
xj
0, si la decisin j es no. o variables 0 - 1

X j 0
Equivalente a: X 1
j

X j entero
Propiedades de los valores binarios:
A*0=0 (A se elimina)
A*1=A (A se revela)
0+1+0+0+1+1+0=3 (contar los unos)

1, si la decisin j es s
Considerando: xj
0, si la decisin j es no.
l

Para contar los 1: X

j 1
j K

l
Para contar los 0:
(1 X
j 1
j ) K
Construccin de los modelos de PLE con el
uso de las variables binarias.
Es muy importante al introducir las variables binarias
concretizar la atribucin de los valores:

1, si la decisin j es s
xj
0, si la decisin j es no.

O mas bien
0, si la decisin j es s
xj
1, si la decisin j es no.
Esto influye a la forma de introduccin de las variables
binarias en las expresiones del modelo y facilita la
interpretacin de la solucin ptima obtenida.
 Ejemplo 1
Una compaa est considerando su plan de expansin mediante la
construccin de una nueva fbrica en la Ciudad 1 o en la Ciudad 2, o
tal vez en ambas ciudades. Tambin est pensando en construir, a lo
ms, un nuevo almacn pero su localizacin est restringida a la
ciudad donde se construye la fbrica. Capital total disponible para la
expansin es de $10 mln. Dadas las siguientes estimaciones para
proyectos en cuestin, encontrar la combinacin de los mismos que
maximice el valor presente neto total.

Proyecto en consideracin Valor presente Neto Capital

Requerido
X1 Construir la fbrica en Ciudad1 $9 millones $6 millones
X2 Construir la fbrica en Ciudad2 $5 millones $3 millones
X3 Construir el almacn en la Ciudad1 $6 millones $5 millones
X4 Construir el almacn en la Ciudad2 $4 millones $2 millones
Planteamiento del modelo 1:
Variables: 1, si el proyecto j se considera
Xj
0, si el proyecto j no se considera
j 1..4
Funcin objetivo:
Maximizar el valor presente neto total:

Z 9 X1 5X 2 6 X 3 4 X 4 max
Restricciones:
1) Capital disponible (no se puede exceder los $10 mln):

6 X1 3X 2 5 X 3 2 X 4 10
2) Se construye a lo ms un almacn (no ms que uno)

X 3 X 4 1 Alternativas mutuamente excluyentes

 Planteamiento del modelo 1:
Restricciones:
3) La ubicacin del almacn depende de la construccin de fbrica:
se construye almacn en la Ciudad1(X3) si se construye la fbrica en la Ciudad1(X1)
se construye almacn en la Ciudad2(X4) si se construye la fbrica en la Ciudad2(X2)
UNA DECISIN CONDICIONA A OTRA DECISIN
UNA VARIABLE CONDICIONA LA OTRA VARIABLE
Restricciones contingentes

X1 X3 Por analoga: Relacin X2 y X4?

0 0
0 1
X2 X4
1 0
1 1
X1 X 3
Formulacin final del modelo 1

Z 9 X 1 5 X 2 6 X 3 4 X 3 max
sujeta a :
6 X 1 3 X 2 5 X 3 2 X 4 10
X3 X 4 1
X1 X 3 0
X2 X4 0
Xj binarias j 1..4
Ejemplo 2 (restricciones una u otra)
La divisin de investigacin y desarrollo de una compaa manufacturera ha desarrollado tres
nuevos productos posibles. Sin embargo, para evitar una diversificacin excesiva de la lnea
de nuevos productos de la compaa, la administracin ha impuesto la siguiente restriccin :
Requerimiento 1 : de los tres nuevos productos posibles, deben escogerse a lo ms dos para
produccin.
Se dispone de dos plantas que pueden producir los productos elegidos. Por razones
administrativas, se impone una segunda restriccin a este respecto:
Requerimiento 2: slo una de las dos plantas debe asignarse para la produccin de los
nuevos productos.
El costo unitario de produccin de cada producto seria esencialmente el mismo en las dos
plantas. Pero por diferencias en las instalaciones de produccin , el numero de horas de
produccin por unidad de cada producto puede diferir entre ellas. Estos datos se dan en la
tabla junto con el nmero total de horas de produccin disponibles a la semana en cada
planta, la ganancia unitaria para cada producto y las estimaciones del departamento de
mercadotecnia del numero de unidades de cada producto que se pueden vender a la semana
si se producen. El objetivo es elegir los productos , la planta y las tasas de produccin de los
productos elegidos de manera que se maximice la ganancia total .

Producto Horas disponibles

por semana
1 2 3
Planta 1 3 4 2 30
Planta 2 4 6 2 40
Ganancia unitaria ( miles de $) 5 7 3
Ventas potenciales( unid/ semana) 7 5 9
Planteamiento del modelo 2:
Variables:
Pj La tasa de produccin del producto j
(en unidades)
j 1..3
1, si se elige la fbrica i
Yi
0, si no se elige la fbrica i

i 1,2
1, si el producto j se elige para la produccin
Xj
0, si el producto j no se elige para la produccin

Pj 0; Yi, Xj binarias
Planteamiento del modelo 2:
Restricciones:
1) Solo puede usarse una de las plantas:

Y1 Y 2 1 Exclusin mutua estricta

2) Capacidad de la produccin de las plantas

3P1 4 P 2 2 P3 30 M (1 Y 1)
4 P1 6 P 2 2 P3 40 M (1 Y 2)

Si Y1=0: entonces Y2=1 (no se elige la planta 1, sino 2)

3P1 4 P2 2 P3 30 M Se desplaza
4 P1 6P2 2 P3 40 Se considera

Si Y2=0: entonces Y1=1 (no se elige la planta 2, sino 1)

3P1 4 P 2 2 P3 30 Se considera
Se desplaza
4 P1 6 P2 2 P3 40 M
Planteamiento del modelo 2:
Restricciones:
3) Solo pueden elegirse dos de los tres productos:

X1 X 2 X 3 2
4) Si el producto no es elegido , entonces su cantidad debe ser 0

P1 7 X 1 Si X1=0: P1 0
P2 5 X 2 Si X1=1: P1 7
P3 9 X 3
Funcin objetivo:
Maximizar la ganancia total

5P1 7P2 3P3 max

Formulacin final del modelo 2
Z 5 P1 7 P 2 3P3 max
sujeto a
Y1 Y2 1
3P1 4P2 2P3 MY1 30 M
4P1 6P2 2P3 MY2 40 M
X1 X2 X3 2
P1- 7X1 0
P2 5X2 0
P3 9X3 0
Y1, Y2, X1, X2, X3 - binarias
P1, P2, P3 0
Formulacin final del modelo 2 (alternativa2)

Z 5 P1 7 P 2 3P3 max Pj La tasa de produccin del

producto j (en unidades)
sujeto a j 1..3
3P1 4P2 2P3 MY 30
4P1 6P2 2P3 MY 40 M 0, si se elige la fbrica 1, no 2
Y
X1 X2 X3 2 1, si se elige la fbrica 2, no 1

P1- 7X1 0 1, si elpara

producto j se elige
Xj si el producto
la produccin
P2 5X2 0 0 , j no se elige
para la produccin
P3 9X3 0
Y, X1, X2, X3 - binarias
P1, P2, P3 0
 Problema de costo fijo:
Se incurre en un cargo de preparacin o costo fijo cuando
se emprende una actividad.
El costo total de una actividad es
la suma de un costo variable
k j c j x j
f j x j
relacionado con el nivel de la si xj > 0,
actividad y el costo fijo en el que
se incurre para iniciar la actividad.
kj - costo fijo; 0 si xj = 0,
cj - costo de cada unidad
Para minimizar el Costo total de

z f1 x1 f 2 x2 f n xn min
todas las actividades

Incorporacin de f j en la z requiere introduccin de

una variable binaria
Problema de costo fijo:
f j x j
1, si xj > 0 Considerar o anular
yj
0, si xj = 0. f j x j y j (k j c j x j ) y j
Pero NO ES LINEAL
Y NO SE PUEDE UTILIZAR ESTA
EXPRESIN EN UN MODELO
Solucin: PLE
condicionar el valor de x con el valor de y

x j My j

z c j x j k j y j
n

j 1
Ejemplo 3 (problema de costo fijo)
Una empresa textil fabrica 3 tipos de ropa: camisas, pantalones y shorts. Las
mquinas necesarias para la confeccin deben ser alquiladas a los
siguientes costos:
200$ por semana la mquina de camisas
150$ por semana la mquina de shorts
100$ por semana la mquina 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.

Planteamiento del modelo 3:
Variables:
1, si se produce la prenda i
Yi
0, si no se produce la prenda i

i 1,3

Xi La cantidad de prenda j para producir

(en unidades)
i 1,3

Xi 0, enteras;Yi binarias
Planteamiento del modelo 3:
Restricciones:
3) Disponibilidad de los recursos:
3 X 1 2 X 2 6 X 3 150 disponibilidad horas hombre
2 X 1 1X 2 3.5 X 3 160 disponibilidad tela
4) Si el producto no es elegido , entonces su cantidad debe ser 0

X 1 MY1
X 2 MY 2
Si Y1=0: X1 0
X 3 MY 3 Si Y1=1: X1 M
Funcin objetivo:
Maximizar la ganancia total
Z (16 12) X 1 (14 8) X 2 (18 15) X 3 200Y 1 150Y 2 100Y 3 max
Ganancia Costos unitarios Costos fijos
Planteamiento del modelo 3:
Estimacin de M:
de las restricciones funcionales se estiman los valores mximos que
pueden obtener las variables
(una variable tendr mayor valor posible si otras variables tengan valor 0)

X1 X2 X3

3X1 2 X 2 6 X 3 150 50 75 25

2 X11X 2 3.5X 3 160 80 160 45,7

Se observa el valor mximo (160) aumentando algo de holgura para
garantizar el desplazamiento fuera del espacio de soluciones factibles se
asume 200, por ejemplo.
Formulacin final del modelo 3
Z (16 12) X 1 (14 8) X 2 (18 15) X 3
200Y 1 150Y 2 100Y 3 max

3 X 1 2 X 2 6 X 3 150
2 X 1 1X 2 3.5 X 3 160 1, si se produce la prenda i
Yi
X 1 200Y 1 0, si no se produce la
prenda i
X 2 200Y 2 i 1,3
X 3 200Y 3
Y1,Y2,Y3 - binarias
Xi La cantidad de
prenda j para
X1, X2, X3 0,enteras i 1,3 producir
(en unidades)
Ejemplo 4: Violacin de la
proporcionalidad
Una corporacin est desarrollando sus Nmero de Ganancia
planes de comercializacin para los
nuevos productos del ao prximo. comerciales
Esta considerando la compra de un
total de cinco comerciales de Producto
televisin en las redes nacionales para
tres de estos productos , con un
mximo de tres ( y un mnimo 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
trminos de la ganancia (en millones
de dlares ) de las ventas adicionales 1 1 0 -1
que resultaran de los comerciales. El 2 3 2 2
objetivo es asignar cinco comerciales
a los productos de manera que se
maximice la ganancia total.
3 3 3 4

Los datos de las ganancias no son proporcionales

Formulacin final del modelo 4
Combinaciones factibles: para i
1, Si xi =j
yij yi1 = 0, yi2 = 0, yi3 = 0, xi= 0
0, de otra manera, yi1 = 1,
yi1 = 0,
yi2 = 0,
yi2 = 1,
yi3 = 0,
yi3 = 0,
xi = 1
xi= 2
yi1 = 0 yi2 = 0 yi3 = 1 xi= 3

xi 1yi1 2 yi 2 3 yi 3 enfoque_ apuntador

max z y11 3 y12 3 y13 2 y22 3 y23 y31 2 y32 4 y33 ,

y11 y12 y13 1
y21 y22 y23 1
y31 y32 y33 1
y11 2 y12 3 y13 y21 2 y22 3 y23 y31 2 y32 3 y33 5,
yij binarias
Formulacin final del modelo 4
(alternativa 2) Combinaciones factibles: para i
1, Si xi j yi1 = 0, yi2 = 0, yi3 = 0, xi= 0
yij yi1 = 1, yi2 = 0, yi3 = 0, xi = 1
0, de otra
manera,
yi1 = 1,
yi1 = 1
yi2 = 1,
yi2 = 1
yi3 = 0,
yi3 = 1
xi= 2
xi= 3
xi yi1 yi 2 yi 3 enfoque acumulativo

max z y11 2 y12 0 y13 2 y22 1 y23 y31 3 y32 2 y33 ,

y11 y12 ; y12 y13
y21 y22 ; y22 y23
y31 y32 ; y32 y33
y11 y12 y13 y21 y22 y23 y31 y32 y33 5,
yij binarias
Ejemplo 5: Cobertura de todas las caractersticas
Una lnea area necesita asignar sus tripulaciones para cubrir todos sus vuelos programados .
se estudiar el problema de asignar tres tripulaciones con base en San Francisco (SF) a
los vuelos enumerados en la tabla . Las otras 12 columnas muestran 12 secuencias de
vuelo factibles para una tripulacin. ( los nmeros en cada columna indican el orden de los
vuelos). Es necesario elegir tres de estas secuencias ( una por tripulacin ) de tal manera
que se cubran todos los vuelos. El costo de asignar una tripulacin a una secuencia de
vuelos especfica esta dada ( en miles de dlares) en el rengln inferior de la tabla. El
objetivo es minimizar el costo total de asignar las tres tripulaciones cubriendo todos los
vuelos.
Vuelo Secuencia factible de vuelos
1 2 3 4 5 6 7 8 9 10 11 12

San Francisco a Los ngeles 1 1 1 1

San Francisco a Denver 1 1 1 1
San Francisco a Seattle 1 1 1 1
Los ngeles a Chicago 2 2 3 2 3
Los ngeles a San Francisco 2 3 5 5
Chicago a Denver 3 3 4
Chicago a Seattle 3 3 3 3 4
Denver a San Francisco 2 4 4 5
Denver a Chicago 2 2 2
Seattle a San Francisco 2 4 4 5
Seattle a Los ngeles 2 2 4 4 2
Costo $ 1000 2 3 4 6 7 5 7 8 9 9 8 9
Modelo ejemplo 5
z 2 x1 3 x2 4 x3 6 x4 7 x5 8 x8 9 x9 9 x10 8 x11 9 x12 min
x1 x4 x7 x10 1
x 2 x5 x8 x11 1
x 3 x6 x9 x12 1
x 4 x7 x9 x10 x12 1 1 Si se asigna la secuencia j a
xj una tripulacin
x1 x6 x10 x11 1 0 De otra manera .
x4 x5 x9 1 j = 1, 2, . . . , 12.
x 7 x8 x10 x11 x12 1
x 2 x4 x5 x9 1
x 5 x8 x11 1
x 3 x7 x8 x12 1
x 6 x9 x10 x11 x12 1
12

x
j 1
j 3
Ejemplo 6: Desplazamiento de las
restricciones con el signo
Dorian Auto proyecta fabricar tres tipos de automviles: compactos,
medianos y grandes. El recurso que requiere cada tipo de automvil y
las utilidades que genera, se proporcionan en la tabla. Ahora se
dispone de 6000 toneladas de acero y 60000 horas de mano de obra.
Para que la produccin de un tipo de automvil sea factible desde el
punto de vista econmico, se tienen que producir por lo menos 1000
automviles de ese tipo. Plantee una PE para maximizar las utilidades
de Dorian.

Tipo de automvil
Recurso
Compacto Mediano Grande
Acero(ton/unid) 1.5 3 5
Mano de 30 25 40
obra(horas/unidad)
Utilidades ($/unidad) 2000 3000 4000
Planteamiento modelo 6
Variables:
Xi cantidad de auto i a producir
(1-com; 2-med; 3-gran)
Xi0, enteras
Restricciones:
1.5X1+3X2+5X36000-lmite de acero
30X1+25X2+40X360000-lmite de mano de obra

Si no se produce el automvil su Xi = 0
Si se produce automvil su Xi 1000
Como formular?
Planteamiento modelo 6
Necesidad de las variables binarias auxiliares :
0, si no se produce el auto i
Yi
1, si se produce el auto i
Si Yi 0, Xi 0
Si Yi 1, Xi 0 y adems Xi 1000

Xi MYi desplazar arriba

Xi 1000 M (1 Yi ) desplazar abajo para no provocar
el caso de no existencia de espacio
de solucionesfactibles.
Modelo final 6
Variables :
Xi - cantidad de automvil i para producir
0, si no se produce el auto i
Yi
1, si se produce el auto i
Xi 0, enteras; Yi binarias Estimacin M?
Re stricciones : Practicar!!!
1.5 X 1 3 X 2 5 X 3 6000
30 X 1 25 X 2 40 X 3 60000
X 1 MY1
X 1 M (1 Y1 ) 1000
X 2 MY2
X 2 M (1 Y2 ) 1000
X 3 MY3
X 3 M (1 Y3 ) 1000
Funcin Objetivo ( Utilidad total mxima en miles de dlares) :
Z 2 X 1 3 X 2 4 X 3 max
Ejemplo 7: PE con funciones lineales por
segmentos
Euning Gas elabora dos tipos de gasolina (g1 y g2)a partir
de dos tipos de petrleo (p1 y p2). Cada galn de
gasolina 1 debe contener por lo menos 50% de petrleo
1, y cada galn de gasolina 2 debe contener por lo
menos 60% de petrleo 1. Cada galn de gasolina 1 se
puede vender en 12 centavos , y cada galn de
gasolina 2 se vende a 14 centavos. Dispone ahora de
500 galones de petrleo 1 y de 1000 galones de
petrleo 2. Se pueden comprar hasta 1500 galones ms
de petrleo 1 a los precios siguientes: primeros 500
galones, 25 centavos por galn; siguientes 500 galones,
20 centavos por galn; siguientes 500 galones, 15
centavos por galn. Plantee un modelo de PE con el que
maximicen las utilidades de Euning (Ingresos- Costos).
PE con funciones lineales por segmentos

Costos de petrleo

400
350
300
250
Costo

200
150
100
50
0
0 500 1000 1500
Serie2 0 125 225 300
Serie3 0 125 250 375
Galones

La funcin de costos no es lineal en todo rango de cantidad de galones, pero es lineal por
segmentos: no se puede solucionar solo con PL, pero se soluciona con el uso de las
variables binarias.
Modelo 7
Variables:
Xij cantidad de petrleo i para gasolina j (en galones)
i 1,2 j 1,2;
X cantidad de petrleo 1 para comprar (en galones)
Xij, X 0

Restricciones :
X 11 X 12 X 500, lmite de petrleo1
X 21 X 22 1000, lmite de petrleo2
X 11
0.5, contenidode petr1en gas 1 por lo menos 50%
X 11 X 21
X 12
0.6, contenidode petr1en gas 2 por lo menos 60%
X 12 X 22
PE con funciones lineales por segmentos
Utilidades Ingresos Costos
Z 12( X 11 X 21 ) 14( X 12 X 22 ) c( X )
25 X , si 0 X 500

c( X ) 20( X 500) 12500 , si 500 X 1000
15( X 1000) 22500 , si 1000 X 1500

0 500 1000 1500

Z0 Z1 Z2 Z3

Y1 Y2 Y3

Variables auxiliares:
0, si valor de X no perteneceal segmentoi
Yi
1, si valor de X perteneceal segmentoi
Z i 1 ponderacin del extremo izquierdodel segmentoi
Z i ponderacin del extremo derecho del segmentoi
Yi binarias; Z i 0; Z i 1
PE con funciones lineales por segmentos
Variables auxiliares:
0, si valor de X no perteneceal segmentoi
Yi
1, si valor de X perteneceal segmentoi
Z i 1 ponderacin del extremo izquierdodel segmentoi
Z i ponderacin del extremo derecho del segmentoi
Yi binarias; Z i 0; Z i 1

Restricciones adicionales :
Y1 Y2 Y3 1 valor de X debe pertenecera uno de los 3 segmentos;
Z0 Z1 Z 2 Z3 1 dos ponderaciones de extremos en suma 1;
Z0 Y1 , extremo Z0 pertenece solo al primer segmento se habilita
cuando valor de X pertenece al primer segmento.
Z1 Y1 Y2 , extremo Z1 pertenece a los segmentos1 y 2
Z 2 Y2 Y3 , extremo Z 2 pertenece a los segmentos 2 y 3
Z3 Y3 , extremo Z3 pertenece solo al segmento3
Representado X :
X 0 Z0 500Z1 1000Z 2 1500Z3
c( X ) c(0) Z0 c(500) Z1 c(1000) Z 2 c(1500) Z3
 Modelo final 7
Variables:
Xij cantidad de petrleo i para gasolina j (en galones)
i 1,2 j 1,2;
X cantidad de petrleo 1 para comprar (en galones)
Restricciones :
0, si valor de X no perteneceal segmentoi
Yi X11 X12 X 500, lmite de petrleo1
1, si valor de X perteneceal segmentoi
X 21 X 22 1000, lmite de petrleo 2
Z i 1 ponderacin del extremo izquierdodel segmentoi
Z i ponderacin del extremo derecho del segmentoi 0.5X11 0.5 X 21 0, contenido de petr1 en gas 1 por lo menos 50%
Yi binarias; Z i 0; Z i 1 0.4X12 0.6 X 22 0, contenido de petr1 en gas 2 por lo menos 60%
Xij, X 0 Y1 Y2 Y3 1 valor de X debe pertenecer a uno de los 3 segmentos;
Z0 Z1 Z2 Z3 1 dos ponderaciones de extremos en suma 1;
Z0 Y1 0, extremo Z0 pertenece solo al primer segmento
Z1 - Y1 Y2 0, extremo Z1 pertenece a los segmentos1 y 2
Z2 - Y2 Y3 0, extremo Z2 pertenece a los segmentos 2 y 3
Z3 Y3 0, extremo Z3 pertenece solo al segmento 3
X 500Z1 1000Z2 1500Z3 0

Funcin Objetivo (maximizar utilidades) :

Z 12 X 11 12 X 21 14 X 12 14 X 22 12500Z 1 22500Z 2 30000Z 3 max
A qu clase de los modelos de PL se
puede atribuir el problema?

Tres empresas telefnicas pidieron que me suscribiera a

su servicio de larga distancia dentro del pas. MaBell
cobra $16 fijos por mes, ms $0.25 por minuto. PaBell
cobra $25 por mes, pero el costo por minuto se reduce a
$0.21. Y con BabyBell, la tarifa fija es de $18 mensual, y
por minuto cobran $0.22. Suelo hacer un promedio de
200 minutos de llamadas de larga distancia al mes.
Suponiendo que no pague cargo fijo si no hago
llamadas, y que puedo repartir mis llamadas entre tres
empresas, cmo debo repartir las llamadas entre las
tres empresas para minimizar mi recibo telefnico
mensual?
Problema de Costo Fijo
Realizar!!!
A qu clase de los modelos de PL se
puede atribuir el problema?
La U de A est en proceso de formar un comit para manejar las
quejas de los alumnos. La instruccin que se recibe de la
administracin es incluir al menos una mujer, un hombre, un alumno,
un administrador y un docente. Se han nominado 10 personas (se
denominan con letras de A a J). Correspondencia de ellas a
diferentes categoras mencionadas es la siguiente:
Categora Personas
Mujeres A,B,C,D,E
Hombres F,G,H,I,J
Alumnos A,B,C,J
Administradores E,F

Docentes D,G,H,I
La U de A desea formar el comit ms pequeo que tenga
representacin de cada una de las cinco categoras.

Problema de cubrimiento de las caractersticas

Realizar!!!
Problema (practica en clase)
Un camin que entrega petrleo de Sunco tiene 5 compartimientos
que transportan hasta 2700, 2800, 1100, 1800 y 3400 galones de
combustible, respectivamente. La compaa debe entregar tres tipos
de combustible (sper, regular y sin plomo) a un cliente. La
demanda, penalizacin por galones incompletos y el faltante
mximo admisible se proporcionan en la tabla. Cada compartimiento
puede llevar slo un tipo de gasolina. Formule un PE cuya solucin
le indique a Sunco cmo cargar el camin de una manera en que
se minimicen los costos por faltantes.
Tipo de gasolina Demanda Costo por Faltante mximo
galones admisible
incompletos

Sper 2900 10 500

Regular 4000 8 500
Sin plomo 4900 6 500
Problema para explorar
Ver libro Juan Prawda Vol.1
Se tienen que procesar 4 trabajos en una sola
mquina. El tiempo necesario para ejecutar cada
tipo de trabajo, el plazo y penalizacin (en
dlares) por da que el trabajo se atrase, se dan
en la tabla. Plantee un modelo para determinar el
orden de ejecucin de los trabajos con el que se
minimiza el costo de la penalizacin total debido a
los trabajos atrasados.
Trabajo Tiempo (das) Plazo Penalizacin
($/da)
1 4 Da 4 4

2 5 Da 2 5

3 2 Da 13 7

4 3 Da 8 2