Escolar Documentos
Profissional Documentos
Cultura Documentos
CONTENIDO
CAPITULO I......................................................................................................................................................1
INTRODUCCION A LA INVESTIGACION DE OPERACIONES.............................................................1
1.1. ¿QUÉ ES LA INVESTIGACIÓN DE OPERACIONES?...............................................................1
1.2. HISTORIA DE LA INVESTIGACIÓN DE OPERACIONES.........................................................1
1.3. METODOLOGÍA DE LA INVESTIGACIÓN DE OPERACIONES..............................................2
1.3.1. Definición del problema..............................................................................................................2
1.3.2. Desarrollo de un Modelo Matemático y Recolección de Datos.......................................3
1.3.3. Resolución del Modelo Matemático........................................................................................3
1.3.4. Validación, Instrumentación y Control de la Solución......................................................3
1.3.5. Modificación del Modelo............................................................................................................4
1.4. USOS Y VENTAJAS DE LOS MODELOS DE INVESTIGACIÓN DE OPERACIONES........4
1.5. RESUMEN............................................................................................................................................5
CAPITULO II.....................................................................................................................................................6
CONSTRUCCION DE MODELOS DETERMINISTICOS.........................................................................6
2.1. PASOS GENERALES Y TÉCNICAS DE LA CONSTRUCCIÓN DE MODELOS
MATEMÁTICOS...............................................................................................................................................6
EJEMPLO 2.1 EL PROBLEMA DE PLANEACIÓN DE PRODUCCIÓN DE CASE CHEMICALS
Case Chemicals produce dos solventes, CS-01 y CS-02, en su planta de Cleveland. Las
empresas que compran estos solventes los usan para disolver ciertas sustancias tóxicas que se
producen durante procesos de fabricación particulares. La planta opera 40 horas a la semana y
emplea a cinco trabajadores de tiempo completo y a dos de tiempo parcial, que trabajan 15
horas a la semana. Estas personas operan las siete máquinas que mezclan ciertos químicos
para producir cada solvente. Los productos salen del departamento de mezclado para ser
refinados en el departamento de purificación, que actualmente tiene siete purificadores y
emplea a seis trabajadores de tiempo completo y a uno de tiempo parcial, que trabaja 10 horas
a la semana...................................................................................................................................................6
Identificación de las variables de decisión.........................................................................................6
Identificación de los datos del problema............................................................................................7
Identificación de la función objetivo....................................................................................................8
Identificación de las restricciones.........................................................................................................9
Formulación matemática del problema.............................................................................................10
2.2. EJEMPLOS DE FORMULACIÓN DE MODELOS MATEMÁTICOS.......................................11
2.2.1. Problemas de planeamiento de produccion.......................................................................11
2.2.1.1. Planeamiento de produccion del Sindicato Minero Pacococha SA........................11
2.2.1.2. Planeamiento de produccion de una compañía minera.............................................13
2.2.1.3. Planeamiento de produccion de explosivos..................................................................15
2.2.1.4. Planeamiento de transporte de concentrado.................................................................16
2.2.1.5. Planeamiento de produccion de un taller de metalmecanica...................................18
Producto.........................................................................................................................................................18
Contribución..................................................................................................................................................18
($)/unidad.........................................................................................................................................................18
Taladrado........................................................................................................................................................18
Producto.....................................................................................................................................................19
Contribución..............................................................................................................................................19
Taladrado........................................................................................................................................................19
2.2.1.6. Planeamiento de produccion de bombas.......................................................................20
2.2.2. Ejemplos de problemas de redes: el problema de transporte......................................21
2.2.2.1. Transporte de automoviles..................................................................................................21
2.2.2.2. Problema de transporte de Medequip Company..........................................................24
2.2.3. Ejemplos de problemas de redes: el problerma del flujo maximo...............................26
2.2.3.1. Problema de transporte de Hexon Oil Company..........................................................26
2.2.4. Administracion de inversiones, uso de variables binarias............................................29
2.2.4.1. Problema de inversion de Centauro Gold Company...................................................29
2.2.5. Ejemplos de problemas de diseño........................................................................................32
2.2.5.1. Problema de diseño de Containers Inc...........................................................................32
2.2.6. Problema de mezclas: aleaciones.........................................................................................33
2.2.6.1. Problema de produccion de aleacion..............................................................................33
2.2.7. Problema de disminucion de contaminacion.....................................................................35
2.2.7.1. Problema de abatimiento de contaminacion de Nori&Leets Co..............................35
2.2.8. Problemas de mezclas..............................................................................................................38
i Facultad de Ingeniería de Minas
Universidad Nacional del Altiplano
Derechos Reservados © MCA-FIM 2012
MSc Ing Mario Cuentas Alvarado
PERT - CPM..................................................................................................................................................173
DESARROLLO DE LA RED DE PROYECTOS.................................................................................174
Identificación de las tareas individuales.....................................................................................174
Obtención de estimaciones de tiempo para cada tarea..........................................................175
Creación de la tabla de precedencia para el proyecto............................................................176
Trazo de la red de proyectos..........................................................................................................176
ARCO.....................................................................................................................................................177
ARCO FICTICIO...................................................................................................................................177
La red de proyectos para el proyecto de Santa Rosa Mining...............................................179
ADMINISTRACIÓN DE PROYECTOS USANDO TIEMPOS DETERMINÍSTICOS (CPM).......179
Cálculo del tiempo de terminación de proyecto...........................................................................180
Identificación de las tareas críticas..................................................................................................181
Administración de proyectos con tiempos determinísticos de tarea: uso de la
computadora...........................................................................................................................................184
Expedición de un proyecto usando técnicas de crashing.........................................................186
Obtención de datos de costos adicionales para las tareas.......................................................187
Desarrollo del modelo de choque.....................................................................................................188
Resolución del modelo de choque...................................................................................................192
ADMINISTRACIÓN DE PROYECTOS USANDO TIEMPOS DE TAREA PROBABILISTICOS
(PERT)...........................................................................................................................................................192
BIBLIOGRAFIA............................................................................................................................................194
CAPITULO I
INTRODUCCION A LA INVESTIGACION DE OPERACIONES
El campo de la administración surgió durante la Segunda Guerra Mundial, cuando había una gran
necesidad de administrar los escasos recursos. La Fuerza Aérea Británica formó el primer grupo
que desarrollaría métodos cuantitativos para resolver estos problemas operacionales y bautizó a
sus esfuerzos como investigación operacional. Poco después, las fuerzas armadas
estadounidenses formaron un grupo similar, compuesto por científicos físicos e ingenieros, cinco
de los cuales posteriormente fueron laureados con el premio Nobel, Los esfuerzos de estos
hacer cuidadosamente las modificaciones apropiadas para reflejar con más exactitud el problema
real.
Este proceso de modificación de un modelo obteniendo la nueva solución y validándola, puede
tener que repetirse varias veces antes de encontrar una solución aceptable y factible (véase la
figura 1.1).
1.5. RESUMEN
Los pasos generales comprendidos en la aplicación de las técnicas de la administración para
resolver problemas de decisión determinísticos y estocásticos son los siguientes:
4 Facultad de Ingeniería de Minas
Universidad Nacional del Altiplano
Derechos Reservados © MCA-FIM 2012
INVESTIGACION DE OPERACIONES EN MINERIA
CAPITULO II
CONSTRUCCION DE MODELOS DETERMINISTICOS
A diferencia de las variables de decisión, cuyos valores usted puede controlar, usted no puede
controlar directamente los valores de los datos.
CARACTERÍSTICAS CLAVE
La necesidad de que algunos de los datos del problema pueden aclararse cuando especifica el
problema. Otros datos pueden hacerse necesarios al desarrollar el modelo matemático y
descubrir que se requiere información adicional para ayudar a determinar los valores de las
variables de decisión.
Trabajar con un ejemplo específico para determinar cómo se expresa la función objetivo en una
forma matemática, eligiendo valores específicos para las variables de decisión y realizando los
cálculos necesarios.
Su objetivo es maximizar las ganancias. La función objetivo le dice que mientras más grande sea
el valor de las variables, más grande será la ganancia. Pero el mundo real pone un límite en los
valores que puede asignar a estas variables. En el ejemplo 2. 1, os departamentos de mezclado
y purificación tienen ciertas restricciones físicas: un número limitado de horas de trabajo
disponible cada uno. Estas limitaciones, así como otras consideraciones que imponen
restricciones sobre los valores de las variables, son las restricciones. El paso final en la
formulación del problema es identificar estas restricciones y escribirlas en forma matemática.
Las restricciones son condiciones que las variables de decisión deben satisfacer para constituir
una solución "aceptable". Estas restricciones por lo general surgen de:
1. Limitaciones físicas (el número limitado de horas de trabajo en los departamentos de
mezclado y purificación, por ejemplo).
2. Restricciones impuestas por la administración (por ejemplo, ésta pudo haber prometido una
cierta cantidad de un producto a un cliente estimado).
3. Restricciones externas (por ejemplo, Case Chemicals no puede vender más de 120 mil
galones de CS-02 a la semana, y no hay razón para producir más que la cantidad
demandada).
4. Relaciones implicadas entre variables (por ejemplo, en el problema de inversión de Mark de la
sección 1.1, las dos fracciones que representan la proporción de dinero a invertir en los dos
fondos debe sumar l).
5. Restricciones lógicas sobre variables individuales (por ejemplo, el número de carros
producidos debe ser un número entero, y Case Chemicals no puede producir una cantidad
negativa de solventes).
CARACTERÍSTICAS CLAVE
Después de identificar estas restricciones, debe expresarías en forma matemática usando las
variables de decisión y otros datos del problema. Este proceso es idéntico al usado para
especificar la función objetivo.
Expresar las restricciones en forma verbal.
Cuando es apropiado, descomponer la restricción en una suma, diferencia y/o producto de
cantidades individuales.
Trabaja con un ejemplo específico para expresar las cantidades individuales en una forma
matemática, usando las variables de decisión y otros datos conocidos del problema.
Considere las restricciones del ejemplo 2. l.
RESTRICCIÓN DE TRABAJO EN EL DEPARTAMENTO DE MEZCLADO (LIMITACIÓN FÍSICA)
Forma verbal: Horas totales usadas en el mezclado no pueden exceder de 230 Horas
Descomposición: Horas usadas @ para CS-01 + Horas usadas @ para CS-02 no pueden
exceder de 230
Matemáticas: para expresar las horas usadas para CS-0 1 y CS-02 en el departamento de
mezclado trate de trabajar con un ejemplo específico. Por ejemplo, suponga que CS1 = 15 mil y
que CS 2 = 10 mil galones. ¿Cómo calcula el número de horas usadas en el departamento de
mezclado? Estos valores son datos del problema (además de los datos ya identificados en la
sección 2.1.2) que usted debe obtener. Supongamos que usted llama al departamento de
procesos y recoge los siguientes datos para los departamentos de mezclado y purificación:
HORAS POR MILES DE GALONES DE
CS-01 CS-02
Mezclado 2 1
Purificación 1 2
Resulta entonces fácil calcular las horas usadas en el departamento de mezclado trabajando con
valores específicos de CS, = 15 y CS2 = 10:
Horas para 15 mil galones de CS-01 = 2(15) = 30
+ Horas para 10 mil galones de CS-02 = 1(10) = 10
Total de horas en el mezclado = 2(15) + 1(10) = 40
El propósito de usar este ejemplo numérico específico es ayudarle a escribir una restricción
matemática general cuando los valores de las variables (CS, y CS2, en este caso) no se conocen.
De los cálculos anteriores, usted obtiene la siguiente restricción matemática general:
2CSI +1CS2 < 230
RESTRICCIÓN DE TRABAJO EN EL DEPARTAMENTO DE PURIFICACIÓN (LIMITACIÓN
FÍSICA)
Forma verbal: Horas totales usadas no pueden exceder de 250 en la purificación
Horas Horas
Descomposición: usadas + usadas no pueden exceder de 250
@ para CS-01 para CS-02
Matemáticas: 1CS1 + 2CS 2 < 250
RESTRICCIÓN DE LÍMITE (LIMITACIÓN EXTERNA)
La limitación de que a lo más pueden venderse 120 mil galones de CS-02 da pie a la siguiente
restricción sobre el valor de CS 2 :
CS2 < 120
RESTRICCIÓN DE NO NEGATIVIDAD (LIMITACIONES LOGICAS)
Claro está que usted sabe que los valores de estas variables de decisión deben ser no negativos,
esto es, cero o positivos. Tales restricciones implícitas de las que usted está consciente deben
hacerse explícitas en la formulación matemática. Para este problema, debe incluir las siguientes
restricciones:
cs 1> 0 y CS 2> 0 o CSJ' cs 2>0
Juntando todas las piezas de los pasos anteriores, la formulación matemática completa del
problema de planeación de producción de Case Chemicals es la siguiente:
Formulación matemática del problema
FORMULACIÓN MATEMÁTICA DEL PROBLEMA DE CASE CHEMICALS
Maximizar 30OCS1 + 50OCS 2 (ganancia)
Condicionado por:
2CS1 + 1CS2 2 < 230 (mezclado)
1CS1 + 2C2 < 250 (purificación)
CS2 < 120 (limitado en CS-02)
CS1, CS2 > 0 (no negatividad)
donde:
CS1, = el número de miles de galones de CS-01 por producir semanalmente
CS2 = el número de miles de galones de CS-02 por producir semanalmente
En el capítulo 4 aprenderá el procedimiento de solución para este tipo de problema. La aplicación
de ese procedimiento da por resultado la solución óptima:
cs, = 70
cs 2 = 90
Es decir ,el plan de producción óptima es de 70000 galonesdeCS1 y de 90000 galones de CS-02,
lo que representa una ganancia semanal de $66 000.
En esta sección, usted ha aprendido los pasos a tomar en la formulación de problemas
identificando (1) las variables de decisión, (2) los datos del problema, (3) la función objetivo y (4)
Ias restricciones. Para escribir la función objetiva y las restricciones en una forma matemática,
use las variables junto con los datos del problema que usted tenga al formular el modelo. Es
posible que no conozca todos los datos necesarios al definir por primera vez el problema. La
necesidad de datos adicionales puede descubrirse cuando proceda con la formulación del
problema. Estos valores de datos deben obtenerse de fuentes apropiadas dentro de la
organización. Para ahorrar tiempo y espacio, los enunciados de problemas futuros en este libro
incluirán todos los datos necesarios. La formulación consistirá en estos tres pasos:
Paso 1. Identificación de las variables de decisión.
Paso 2. Identificación de la función objetivo.
Paso 3. Identificación de las restricciones.
El problema de esta sección involucro sólo dos variables de decisión y unas cuantas restricciones.
Los problemas de importancia práctica a menudo contienen cientos o miles de variables y un
número similar de restricciones. Estos problemas más complejos también pueden formularse
usando los pasos que aprendió en esta sección.
Otros datos que debemos considerar son: el precio de la plata: $ 20,0 /onz; precio del plomo 0,70
$/lb; capacidad de la planta concentradora: 95 ton/día, ley minima de cabeza de plata: 6 onz/ton,
ley máxima de cabeza de plata: 8 onz/ton.
Como gerente de producción, formule un modelo matemático para determinar el tonelaje a
extraer de cada veta.
Solución:
Paso 1: Identificación de las variables de decisión
Xc = el número de toneladas de mineral a extraer de la veta Colquechaca por día
Xm = el número de toneladas de mineral a extraer de la veta 10 de mayo por día
4 Xc 16 Xm
Xc Xm 6
FM: - Xc + 5 Xm >= 0
c) Ley máxima de cabeza de plata de la planta concentradora
FV: la ley máxima de cabeza es de 8 onz/ton
D : ((contenido de plata en el mineral de Colquechaca + contenido de plata en el mineral de 10 de
mayo)/(tonelaje de mineral de Colquechaca + tonelaje de mineral de 10 de mayo)) debe ser menor
de 8 onz/ton
4 Xc 16 Xm
Xc Xm 8
FM: - Xc + 2,0 Xm <= 0
d) Restricciones lógicas
1
ganancia = ganancia por 1 ton de mineral x número de toneladas de mineral a extraer.
Xc y Xm >= 0
Nota: Al resolver el modelo matemático, los resultados indican que la veta Colquechaca debe producir 63,33
ton de mineral y la veta 10 de mayo 31,67 ton de mineral, para obtener una ganancia de $ 18 446,15 por
día.
Fuente: Selvino Paz, “PERT – CPM una alternativa en problemas mineros”, UNI, Lima Perú.
FM: F1 + F2 >= 2
g) Compromiso de venta de dinamita de alto grado
FV: La producción de dinamita de alto grado debe ser al menos 10 cajas
D : (producción de dinamita de alto grado de la fábrica 1 + producción de dinamita de alto grado de la
fábrica 2) debe ser al menos 10 cajas
FM: 2 F1 + 7 F2 >= 10
h) Restricciones lógicas
F1 y, F2 >= 0 y enteros
D : Minimizar (costo de operación de los camiones grandes a movilizar + costo de operación de los
camiones medianos a movilizar)
FM: Minimizar 240 CG + 200 CM
Las contribuciones unitarias de los cuatro productos y las horas de disponibilidad en los cuatro departamentos son:
Contribución
Producto
($)/unidad
a 9
b 18
c 14
d 11
D : (el número de automóviles del modelo A transportados que llegan a inicios de enero + el número de
automóviles del modelo A transportados que llegan a mediados de febrero) debe ser al menos 250
FM: AB1e + AB2f >= 250
o) Compromiso de entrega de automóviles del modelo B a mediados de febrero
FV: A mediados de febrero se debe entregar al menos 200 automóviles del modelo B
D : (el número de automóviles del modelo B transportados que llegan a inicios de enero + el número de
automóviles del modelo B transportados que llegan a mediados de febrero) debe ser al menos 200
FM: BB2f >= 200
p) Restricciones lógicas
AB1e, AB2f, BB2f, AB3m yBB3m >= 0 y enteros
XNS = El numero de galones de gasolina por hora que se enviara a lo largo del segmento de Newark a
Sayerville.
XST = El numero de galones de gasolina por hora que se enviara a lo largo del segmento de Sayerville a
Trenton.
XTF = El numero de galones de gasolina por hora que se enviara a lo largo del segmento de Trenton a
Filadelfia.
XNB = El numero de galones de gasolina por hora que se enviara a lo largo del segmento de Newark a
Bridgewater.
XSB = El numero de galones de gasolina por hora que se enviara a lo largo del segmento de Sayerville a
Bridgewater.
XBE = El numero de galones de gasolina por hora que se enviara a lo largo del segmento de Bridgewater
a Easton.
XEA = El numero de galones de gasolina por hora que se enviara a lo largo del segmento de Easton a
Allentown.
XET = El numero de galones de gasolina por hora que se enviara a lo largo del segmento de Easton a
Trenton.
XAF = El numero de galones de gasolina por hora que se enviara a lo largo del segmento de Allentown a
Filadelfia.
c) La cantidad total invertida en proyectos de alto riesgo debe estar entre 50 y 75% de la cartera.
d) La cantidad total invertida en proyectos de mediano riesgo debe estar entre 20 y 30% de la cartera.
e) La cantidad total invertido en los proyectos de bajo riesgo debe ser al menos de 5% de la cartera.
f) La cantidad invertida en los proyectos de alto riesgo 1, 2 y 3 deben estar en la tasa 1:2:3,
respectivamente.
g) La cantidad invertida en los proyectos de mediano riesgo 4 y 5 debe ser 1:2.
R y H >= 0
0.95MD1 0.85MD2 AL
MD1 MD2 AL CU 0.90
0.03MD1 0.01MD 2 CU
MD1 MD 2 AL CU 0.05
0.03MD1 0.01MD 2 CU
MD1 MD 2 AL CU 0.08
MD1+ MD2 + AL + CU = 1
MD1, MD2, AL y CU >=0
Donde
MD1 = Kilogramos de material de desecho 1 a utilizar para obtener 1 kilogramo de aleación especial
MD2 = Kilogramos de material de desecho 2 a utilizar para obtener 1 kilogramo de aleación especial
AL = Kilogramos de aluminio puro a utilizar para obtener 1 kilogramo de aleación especial.
CU = Kilogramos de cobre puro a utilizar para obtener 1 kilogramo de aleación especial.
resultado mucho más elevado de lo que se pide. Por todo esto, la conclusión de los ingenieros fue
que debían usar alguna combinación de métodos, tal vez con capacidades fraccionarias basadas
en sus costos relativos. Aún más, debido a las diferencias entre los altos hornos y los hornos
Siemens-Martín, es probable que la combinación sea diferente para cada tipo de horno.
Tabla 2. Reducción de la tasa de emisión (en millones de libras por año) con el uso máximo factible del
método de abatimiento de Nori & Leets Co.
Chimeneas más Filtros Mejores
altas combustibles
Contaminante Altos Hornos Altos Hornos Altos Hornos
hornos Siemens – hornos Siemens – hornos Siemens –
Martins Martins Martins
Partículas 12 9 25 20 17 13
Óxidos de azufre 35 42 18 31 56 49
Hidrocarburos 37 53 28 24 29 20
Se llevó a cabo un análisis para estimar el costo total anual de cada método de abatimiento. El
costo anual de un método incluye el aumento de los gastos de operación y mantenimiento al igual
que la reducción de los ingresos de vida a cualquier pérdida de eficiencia en el proceso de
producción que puede generar el uso del método. El otro costo importante es el costo fijo inicial (el
capital inicial) que se requiere para instalar el método. Para hacer que este costo único fuera
conmensurable con los costos anuales, se usó el valor del dinero en el tiempo para calcular el
gasto anual (sobre el tiempo esperado de vida del método) que sería equivalente a este costo fijo
inicial.
El análisis permitió estimar los costos anuales totales en millones de dólares que se presentan en
la tabla 3., en la que se incurre al usar los métodos a toda su capacidad de abatimiento. También
se determinó que el costo de un método que se utiliza a un nivel menor es esencialmente
proporcional a la capacidad fraccionada de la capacidad de abatimiento que se logra, aspecto que
se presenta en la tabla 2. Entonces, para cualquier fracción que se logre, el costo total anual sería
en esencia la fracción de la cantidad correspondiente de la tabla 3.
Tabla 3. Costo anual por el uso máximo factible del método de abatimiento de Nori & Leets Co. (millones
de dólares)
Método de abatimiento Altos hornos Hornos de corazón
abierto
Chimeneas más altas 8 10
Filtros 7 6
Mejores combustibles 11 9
En esta etapa todo está listo para desarrollar el marco general del plan de la compañía para
disminuir la contaminación. Éste plan especifica qué tipo de métodos de reducción deberán
emplearse y a que fracciones de su capacidad para: 1) los altos hornos y 2) los hornos Siemens-
Martín. Debido a la naturaleza combinatoria del problema de encontrar un plan que satisfaga a los
requisitos con el menor costo posible, se formó un equipo de investigación de operaciones para
resolverlo. El equipo decidió enfocar el problema desde un punto de vista de programación lineal
y debe formular un modelo matemático.
Solución:
Paso 1: Identificación de las variables de decisión
ChAl = Fracción del uso máximo de chimeneas mas altas para altos hornos.
ChHo= Fracción del uso máximo de chimeneas mas altas para hornos Siemens- Martins .
FiAl= Fracción del uso máximo de filtros para altos hornos.
FiHo= Fracción del uso máximo de filtros para hornos Siemens- Martins .
MeAl= Fracción del uso máximo de mejores combustibles para altos hornos.
MeHo= Fracción del uso máximo de mejores combustibles para hornos Siemens- Martins..3
Paso 2: Identificación de los datos del problema
35 Facultad de Ingeniería de Minas
Universidad Nacional del Altiplano
Derechos Reservados © MCA-FIM 2012
MSc Ing Mario Cuentas Alvarado
r) Restricciones lógicas
ChAl, ChHo, FiA, FiHo, MeAl y MeHo >= 0
FM: Minimizar CI + CD
Solución:
Paso 1: Identificación de las variables de decisión
SA = el número de unidades de solución A a producir diariamente.
SB = el número de unidades de solución B a producir diariamente.
Presión
Demanda
de Octanaj Entregas
máxima
vapor e mínimas
barriles/seman
máxim mínimo barriles/semana
a
a
Norma
23 88 100 000 50 000
l
Súper 23 93 20 000 5 000
¿Qué cantidades de combustible nacional y extranjero deben mezclarse para producir las dos
gasolinas y obtener los máximos beneficios semanales? Formule el modelo matemático
correspondiente.
NOTA: Los componentes de la mezcla contribuyen al octanaje (y a la presión de vapor) de
acuerdo a su porcentaje en la mezcla.
Solución:
Paso 1: Identificación de las variables de decisión
D : (presión de vapor aportado por el combustible nacional + presión de vapor aportado por el
combustible extranjero) debe ser menor de 23
FM: 25 CNN + 15 CEN <= 23 GN
25 CNN + 15 CEN - 23 GN <= 0
f) Presión de vapor máxima de la gasolina super
De manera similar al caso anterior
25 CNS + 15 CES - 23 GS <= 0
g) Octanaje mínimo de la gasolina normal
FV: El octanaje de la gasolina normal debe ser mayor de 88
D : (octanaje aportado por el combustible nacional + octanaje aportado por el combustible extranjero)
debe ser mayor de 88
FM: 87 CNN + 98 CEN >= 88 GN
87 CNN + 98 CEN - 88 GN >= 0
h) Octanaje mínimo de la gasolina super
De manera similar al caso anterior
87 CNS + 98 CES - 93 GS >= 0
i) Existencia de combustible nacional en el almacén
FV: El número de barriles de combustible nacional que puede utilizarse para producir gasolina es
máximo 40 000
FM: CNN + CNS <= 40 000
j) Demanda máxima con el combustible extranjero
De manera similar al caso anterior
CEN + CES <= 60 000
k) Igualdad para gasolina normal
FV: El volumen de Combustible utilizado es igual al volumen de gasolina normal producido
D : (Volumen combustibles nacional + volumen de combustible extranjero = Volumen de gasolina
normal)
FM: CNN + CEN = GN
CNN + CEN - GN = 0
l) Igualdad para gasolina normal
De manera similar al caso anterior
CNS + CES - GS = 0
m) Restricciones lógicas
GN, GS, CNN, CNS, CEN y CES >= 0
CAPITULO III
APLICACIONES DE PROGRAMACIÓN LINEAL
d. El aditivo x cuesta $ 150 por medio litro y el aditivo y cuesta $ 400 por medio litro.
Determine el modelo matemático para realizar el cálculo de la mezcla óptima de aditivos.
Solución:
Paso 1: Identificación de las variables de decisión
x = cantidad de litros de aditivo x a mezclar para producir 1 litro de gasolina de alto grado
y = cantidad de litros de aditivo y a mezclar para producir 1 litro de gasolina de alto grado
Sujeto a:
x + y <= 0.25 (uso máximo de aditivos)
2x + y >= 0.25 (color distintivo de la gasolina)
200x + 400y >= 60 (unidades mínimas de octano)
x, y >= 0
Donde
x = cantidad de litros de aditivo x a mezclar para producir 1 litro de gasolina de alto grado
y = cantidad de litros de aditivo y a mezclar para producir 1 litro de gasolina de alto grado
2
Costo = costo de 1 barril de crudo x número de barriles de crudo a adquirir.
La Tomas River Chemicals Inc., debe producir 1 000 lb de una mezcla especial para un cliente,
compuesta de los ingredientes AX1, AX2, AX·. El ingrediente AX1 cuesta $ 7,0 la libra, el AX2
cuesta $ 6,9/lb y la AX3 $7,0/lb. No pueden usarse mas de 300 libras de AX1 y debe usarse por lo
menos 150 lb de AX2. Además se requieren de por lo menos 200 lb de AX3.
Como la empresa desea minimizar los costos, formule un modelo matemático para determinar la
cantidad de cada ingrediente que debe utilizar la empresa.
Solución:
Paso 1: Identificación de las variables de decisión
AX1 = el número de libras del ingrediente AX1 a usarse para producir la mezcla
AX2 = el número de libras del ingrediente AX2 a usarse para producir la mezcla
AX3 = el número de libras del ingrediente AX3 a usarse para producir la mezcla
Almacenamient
Unitaria Neta Semanal
o (pies
($) (Und)
cuadrados)
Grande 140 20 900
Mediana 120 15 1200
Pequeña 100 12 750
Espacio de
Capacidad de
Planta de Almacenamient
Producción
Producción o (pies
(Und)
cuadrados)
1 750 13000
2 900 12000
3 450 5000
La producción adicional asignada a cada planta debe usar el mismo porcentaje de la capacidad de
mano de obra y equipo en exceso.
FM:
c) Preferencia de aviones
FV: El gobierno debe adquirir al menos 200 aviones.
FM: A >= 200
d) Disponibilidad de pilotos
FV: Debido a la escasez de pilotos experimentados el gobierno no debe adquirir más de 300 aviones.
FM: A <= 300
e) Razones estratégicas
FV: La proporción de proyectiles a aviones comprados debe estar en el rango de ¼ a ½..
FM: 1/4 = P/A = ½
De donde tenemos:
4P – A >= 0
2P – A <= 0
f) Restricciones lógicas
T, A y P >= 0
H <= 24 000
P <= 48 000
N <= 12 000
C >= 36 000
G – 0,3P >= 0
1,5C + 0,2G + 0,4P <= 75 000
1,2C + 0,5G +0,1N + 0,8P <= 60 000
0,7C + 0,2N + 0,5P <= 30 000
0,4C + 0,7N + 0,1P <=25 000
C, G, N, H yP >= 0 y enteros.
Donde
C = el número de MW-h generados con carbón
G = el número de MW-h generados con gas natural
N = el número de MW-h generados con material nuclear.
H = el número de MW-h generados con proyectos hidroeléctricos.
P = el número de MW-h generados con petróleo.
Solución:
Paso 1: Identificación de las variables de decisión
P1 = Número de pies de vigas pequeñas producidas por la máquina 1
P2 = Número de pies de vigas pequeñas producidas por la máquina 2
P3 = Número de pies de vigas pequeñas producidas por la máquina 3
M1 = Número de pies de vigas medianas producidas por la máquina 1
M2 = Número de pies de vigas medianas producidas por la máquina 2
M3 = Número de pies de vigas medianas producidas por la máquina 3
L1 = Número de pies de vigas largas producidas por la máquina 1
L2 = Número de pies de vigas largas producidas por la máquina 2
P1 M 1 L1 EL1
FM: 50
300 250 200 100
61 Facultad de Ingeniería de Minas
Universidad Nacional del Altiplano
Derechos Reservados © MCA-FIM 2012
MSc Ing Mario Cuentas Alvarado
0,36 A 0,65 B
A B 0,5
FM: -14 A + 15B <= 0
6,0 A 3,5 B
4,0
A B
FM: 2 A – 0,5 B >= 0
c) Capacidad de transporte
FV: El sistema de transporte de la mina hace imposible transportar más de 400 ton por día
D: (el mineral extraído del Tajeo A + el mineral extraído del Tajeo B) debe ser un máximo de 400 ton
por día
FM: A + B <= 400
d) Restricciones lógicas
A y B >= 0
Solución:
Paso 1: Identificación de las variables de decisión
T = Número de transistores producidos por la compañía
M = Número de micromódulos producidos por la compañía
C = Número de circuitos armados producidos por la compañía
b) Utilidades
FM: B1 <= 50
B1 – 50U1 >= 0
B2 – 50U1 <= 0
B2 – 50U2 >= 0
B3 – MU3 <= 0
f) Utilidad unitaria en el producto A
g) De manera similar a la restricción anterior
FM: C1 <= 100
C1 – 100V1 >= 0
C2 – MV1 <= 0
h) Restricciones lógicas
A1,A2, A3, A4, B1, B2, B3, C1, C2 >= 0
Y1, Y2, Y3, Y4, U1, U2, U3, V1 binario
Paso 5 Formulación matemática del modelo
Maximizar 10A1 + 9A2 + 8A3 + 6A4 + 6B1 + 4B2 + 3B3 + 5C1 + 4C2
A1 + A2 + A3 + A4 + 3B1 + 3B2 + 3B3 + 2C1 +2C2 <= 80
8A1 + 8A2 + 8A3 + 8A4 + 3B1 + 3B2 + 3B3 + 4C1 +4C2 <= 800
4A1 + 4A2 + 4A3 + 4A4 + 3B1 + 3B2 + 3B3 + 2C1 +2C2 <= 300
A1 <= 40
A1 – 40Y1 >= 0
A2 – 60Y1 <= 0
A2 – 60Y2 >= 0
A3 – 50Y2 <= 0
A3 – 50Y3 >= 0
A4 – MY3 <= 0
B1 <= 50
B1 – 50U1 >= 0
B2 – 50U1 <= 0
B2 – 50U2 >= 0
B3 – MU3 <= 0
C1 <= 100
C1 – 100V1 >= 0
C2 – MV1 <= 0
A1,A2, A3, A4, B1, B2, B3, C1, C2 >= 0
Y1, Y2, Y3, Y4, U1, U2, U3, V1 binario
Donde
A1 =Numero de unidades del producto A, producidas con una utilidad unitaria de $ 10.
A2 =Numero de unidades del producto A, producidas con una utilidad unitaria de $ 9.
A3 =Numero de unidades del producto A, producidas con una utilidad unitaria de $ 8.
A4 =Numero de unidades del producto A, producidas con una utilidad unitaria de $ 6.
B1 =Numero de unidades del producto B, producidas con una utilidad unitaria de $ 6.
B2 =Numero de unidades del producto B, producidas con una utilidad unitaria de $ 4.
B3 =Numero de unidades del producto B, producidas con una utilidad unitaria de $ 3.
Solución:
Paso 1: Identificación de las variables de decisión
A = Número de vehículos a comprar del tipo A
B = Número de vehículos a comprar del tipo B
C = Número de vehículos a comprar del tipo C
b. El riesgo total, obtenido al sumar los factores de riesgo de cada proyecto aprobado, no debe
exceder a 3.0.
c. Cuando mucho dos proyectos pueden tener un factor de riesgo mayor a 0.6.
d. Se dispone de un presupuesto de US $ 10 000 000.
FM: Maximizar 1 000 000 x 0.60P1 + 2 000 000 x 0.45P2 + 1 700 00 x 0.90P3 + 2 500 000 x 0.75P4 + 4
000 000 x 0.51P5 + 2 500 000 x 1.20P6
Maximizar 600 000P1 + 900 000P2 + 1 530 000P3 + 1 875 000P4 + 2 040 000P5 + 3 000 000P6
c) Riesgo de proyecto
FV: Cuando mucho dos proyectos pueden tener un factor de riesgo mayor a 0.6.
D: (proyecto 3 + proyecto 4 + proyecto 6) es menor o igual a 2.
FM: P3 + P4 + P6 <= 2
d) Restricciones lógicas
P1, P2, P3, P4, P5 y P6 binarios
Como de todas formas usted busca un trabajo de verano interesante (máximo 600 horas), ha
decidido participar en una o ambas empresas en alguna combinación que maximice su ganancia
total estimada.
Formule un modelo matemático para encontrar la mejor combinación.
Solución:
Paso 1: Identificación de las variables de decisión
A = La cantidad de dólares a invertir en el negocio del primer amigo.
B = La cantidad de dólares a invertir en el negocio del segundo amigo.
A y B >= 0
Aleación
Propiedad
1 2 3 4 5
Porcentaje de aluminio 60 25 45 20 50
Porcentaje de zinc 10 15 45 50 40
Porcentaje de plomo 30 60 10 30 10
Costo ($/libra) 77 70 88 84 94
Solución:
Paso 1: Identificación de las variables de decisión
X1A = Número total de libras del material 1 asignadas al producto grado A por semana.
X1B = Número total de libras del material 1 asignadas al producto grado B por semana.
X1C = Número total de libras del material 1 asignadas al producto grado C por semana.
X2A = Número total de libras del material 2 asignadas al producto grado A por semana.
X2B = Número total de libras del material 2 asignadas al producto grado B por semana.
X2C = Número total de libras del material 2 asignadas al producto grado C por semana.
X3A = Número total de libras del material 3 asignadas al producto grado A por semana.
X3B = Número total de libras del material 3 asignadas al producto grado B por semana.
X3C = Número total de libras del material 3 asignadas al producto grado C por semana.
X4A = Número total de libras del material 4 asignadas al producto grado A por semana.
X4B = Número total de libras del material 4 asignadas al producto grado B por semana.
X4C = Número total de libras del material 4 asignadas al producto grado C por semana.
Amalgamado Precio de
Ganancia ($)
Grado Especificación , costo ($) venta ($) por
por libra
por libra libra
Material 1: no más de 30% del total
Material 2: no menos del 40% del total
A 3.00 8.50 5.50
Material 3: no más del 50% del total
Material 4: exactamente 20% del total
Material 1: no más de 50% del total
B Material 2: no menos del 10% del total 2.50 7.00 4.50
Material 4: exactamente 10% del total
C Material 1: no más de 70% del total 2.00 5.50 3.50
FM: Maximizar 5.50 (X1A + X2A + X3A + X4A) + 4.50 (X1B + X2B + X3B + X4B) + 3.50 (X1C + X2C + X3C + X4C).
Sujeto a:
0.70X1A – 0.30X2A – 0.30X3A – 0.30X4A <= 0
- 0.40X1A + 0.60X2A – 0.40X3A – 0.40X4A >= 0
- 0.50X1A – 0.50X2A + 0.50X3A – 0.50X4A <= 0
- 0.20X1A – 0.20X2A – 0.20X3A + 0.80X4A = 0
0.50X1B – 0.50X2B + 0.50X3B – 0.50X4B <= 0
- 0.10X1B + 0.90X2B - 0.10X3B – 0.10X4B >= 0
- 0.10X1B - 0.10X2B - 0.10X3B + 0.90X4B = 0
0.30X1C - 0.70X2C - 0.70X3C – 0.70X4C <= 0
X1A + X1B + X1C <= 3000
X2A + X2B + X2C <= 2000
X3A + X3B + X3C <= 4000
X4A + X4B + X4C <= 1000
X1A + X1B + X1C >= 1500
X2A + X2B + X2C >= 1000
X3A + X3B + X3C >= 2000
X4A + X4B + X4C >= 500
3.00 (X1A + X1B + X1C) + 6.00 (X2A + X2B + X2C) + 4.00 (X3A + X3B + X3C) + 5.00 (X4A + X4B + X4C) = 30
000
X1A, X2A, X3A , X4A, X1B , X2B , X3B , X4B , X1C , X2C , X3C y X4C >= 0
Donde
X1A = Número total de libras del material 1 asignadas al producto grado A por semana.
X1B = Número total de libras del material 1 asignadas al producto grado B por semana.
X1C = Número total de libras del material 1 asignadas al producto grado C por semana.
X2A = Número total de libras del material 2 asignadas al producto grado A por semana.
X2B = Número total de libras del material 2 asignadas al producto grado B por semana.
X2C = Número total de libras del material 2 asignadas al producto grado C por semana.
X3A = Número total de libras del material 3 asignadas al producto grado A por semana.
X3B = Número total de libras del material 3 asignadas al producto grado B por semana.
X3C = Número total de libras del material 3 asignadas al producto grado C por semana.
X4A = Número total de libras del material 4 asignadas al producto grado A por semana.
X4B = Número total de libras del material 4 asignadas al producto grado B por semana.
X4C = Número total de libras del material 4 asignadas al producto grado C por semana.
Los costos asociados, incluyendo las penalizaciones por perder clientes por falta de espacio son:
Costo de operación (US $) por viaje en ruta
Tipo de avión
1 2 3 4
1 1000 1100 1200 1500
2 800 900 1000 1000
3 600 800 800 900
Penalización ($) por
40 50 45 70
cliente perdido
Formule un modelo matemático para determinar la asignación optima de aviones a rutas y la
cantidad asociada de viajes.
Solución:
Paso 1: Identificación de las variables de decisión
A11 = Número de aviones del tipo 1 destinados a la ruta 1 diariamente.
A12 = Número de aviones del tipo 1 destinados a la ruta 2 diariamente.
A13 = Número de aviones del tipo 1 destinados a la ruta 3 diariamente.
A14 = Número de aviones del tipo 1 destinados a la ruta 4 diariamente.
A21 = Número de aviones del tipo 2 destinados a la ruta 1 diariamente.
A22 = Número de aviones del tipo 2 destinados a la ruta 2 diariamente.
A23 = Número de aviones del tipo 2 destinados a la ruta 3 diariamente.
A24 = Número de aviones del tipo 2 destinados a la ruta 4 diariamente.
A31 = Número de aviones del tipo 3 destinados a la ruta 1 diariamente.
A32 = Número de aviones del tipo 3 destinados a la ruta 2 diariamente.
A33 = Número de aviones del tipo 3 destinados a la ruta 3 diariamente.
A34 = Número de aviones del tipo 3 destinados a la ruta 4 diariamente.
N1 = Número de clientes no transportados en la ruta 1.
N2 = Número de clientes no transportados en la ruta 2.
N3 = Número de clientes no transportados en la ruta 3.
N4 = Número de clientes no transportados en la ruta 4.
perdido
Más aun, para mantener el avión balanceado, el peso de la carga en los respectivos
compartimientos debe ser proporcional a su capacidad.
Se tienen ofertas para transportar cuatro cargamentos en un vuelo próximo ya que se cuenta con
espacio:
Carga Peso Volumen Ganancia
(ton) (ft3/ton) ($/ton)
1 20 500 320
2 16 700 400
3 25 600 360
4 13 400 290
Se puede aceptar cualquier fracción de estas cargas. El objetivo es determinar cual cantidad de
cada carga debe aceptarse (si se acepta) y como distribuirla en los compartimientos para
maximizarla ganancia del vuelo.
Formule un modelo matemático.
Solución:
Paso 1: Identificación de las variables de decisión
C1D = Número de toneladas de la carga 1 a ser transportado en el almacén delantero
C2D = Número de toneladas de la carga 2 a ser transportado en el almacén delantero
C3D = Número de toneladas de la carga 3 a ser transportado en el almacén delantero
C4D = Número de toneladas de la carga 4 a ser transportado en el almacén delantero
C1C = Número de toneladas de la carga 1 a ser transportado en el almacén central
C2C = Número de toneladas de la carga 2 a ser transportado en el almacén central
C3C = Número de toneladas de la carga 3 a ser transportado en el almacén central
C4C = Número de toneladas de la carga 4 a ser transportado en el almacén central
C1T = Número de toneladas de la carga 1 a ser transportado en el almacén trasero
C2T = Número de toneladas de la carga 2 a ser transportado en el almacén trasero
C3T = Número de toneladas de la carga 3 a ser transportado en el almacén trasero
C4T = Número de toneladas de la carga 4 a ser transportado en el almacén trasero
b. Se tienen ofertas para transportar cuatro cargamentos en un vuelo próximo ya que se cuenta con
espacio:
Carga Peso (ton) Volumen (ft3/ton) Ganancia ($/ton)
1 20 500 320
2 16 700 400
3 25 600 360
4 13 400 290
ESTUDIOS DE CASO
CAPITULO IV
SOLUCIÓN A PROBLEMAS DE PROGRAMACIÓN LINEAL
USANDO SOFTWARE
Otros datos que debemos considerar son: el precio de la plata: $ 20,0 /ton; precio del plomo
0,70 $/lb; capacidad de la planta concentradora: 95 ton/día.
Como gerente de producción, formule un modelo para determinar el tonelaje a extraer de
cada veta.
Cuya formulación dio el siguiente modelo matemático:
Maximizar 126,9 Xc + 328,71 Xm
Sujeto a:
Xc + Xm <= 95
- Xc + 5 Xm >= 0
- Xc + 2 Xm <= 0
Xc y Xm >= 0 y enteros
La única dificultad que tenemos es el de modelar el programa dentro del Excel, y eso, es muy
fácil. Por supuesto, hay infinidad de maneras de hacerlo, aquí propongo una.
PROCEDIMIENTO DE SOLUCIÓN
Se activa Excel y en una hoja...
Se ubican las celdas que se corresponderán con el valor de las variables de decisión; en
éste caso, las celdas B6 y C6, se les da un formato para diferenciarlas de las demás (ver
captura abajo). Se ubica también, las celdas que contendrán los coeficientes de las
variables de decisión, B4 y C4, y se llenan con sus respectivos valores, 126,9 y 328,71.
Aunque éste último paso, se podría omitir y dejar los coeficientes definidos en la celda de
la función objetivo, así es mejor para los análisis de sensibilidad y para que la hoja quede
portable para otro programa.
Se ubica la celda que se corresponderá con la función objetivo (celda objetivo), la B3. En
ella se escribe la función que sea, en éste caso, será el coeficiente de X1 (en B4) por el
valor actual de Xc (en B6) mas el coeficiente de Xm (en C4) por el valor actual de Xm (en
C6) o sea: = $B$4*$B$6+$C$4*$C$6
Coeficientes para la primera restricción: los podemos escribir en la misma columna de las
variables de decisión; en las celdas B7 y C7, con los valores 2 y 1, seguido del sentido de
la desigualdad (<=) y de su correspondiente RHS: 230. A la derecha ubicaremos el valor
actual de consumo de la restricción, ella se escribirá en función de las variables de
decisión y de los coeficientes de la restricción. Esta celda, la utilizará Solver como la
real restricción, cuando le digamos que el valor de ésta celda no pueda sobrepasar la de
su correspondiente RHS. De nuevo será el valor del coeficiente por el de la variable: =
B7*$B$6+C7*$C$6. Notese que ahora B7 y C7 no tienen el signo $. Pues es que luego
que se haya escrito ésta celda, se podrá arrastrar hacia abajo para que Excel escriba la
fórmula por nosotros (la pereza!), pero tome los valores relativos a los coeficientes que le
corresponda a los mismos valores de las variables de decisión. Se repite los pasos
anteriores para las otras restricciones, pero ahora la fórmula será: = B8*$B$6+C8*$C$6 y
= B9*$B$6+C9*$C$6.
El resto del formato es para darle una presentación más bonita a la hoja. Ahora a resolverlo! Al
hacer clic en Herramientas, Solver se tendrá una pantalla como la siguiente. Lo primero que hay
que hacer es especificar la celda objetivo y el propósito: maximizar. Se escribe B3 (o $B3 ó B$3 ó
$B$3 como sea, da igual), en el recuadro "cambiando las celdas", se hace un clic en la flechita
roja, para poder barrer las celdas B6 y C6; lo mismo da si se escriben directamente los nombres.
Y listo! Se hace clic en resolver y ya. Parece un poco largo en comparación con los otros
paquetes de programación lineal, pero esto se hará sólo una vez, para los próximos programas se
podrá utilizar la misma hoja cambiando los coeficientes. Sin embargo, como se puede notar, la
flexibilidad de modelamiento es muy grande.
Los resultados para el Sindicato Minero Pacococha en la forma de un plan de producción semanal
son los siguientes:
Cantidad de mineral de la veta Colquechaca por producir = 63,33 toneladas
Cantidad de mineral de la veta 10 de Mayo por producir = 31,67 toneladas
Margen de ganancia semanal = $ 18 446,15
Otros datos que debemos considerar son: el precio de la plata: $ 20,0 /ton; precio del plomo
0,70 $/lb; capacidad de la planta concentradora: 95 ton/día.
Como gerente de producción, formule un modelo para determinar el tonelaje a extraer de
cada veta.
Cuya formulación dio el siguiente modelo matemático:
Maximizar 126,9 Xc + 328,71 Xm
Sujeto a:
Xc + Xm <= 95
- Xc + 5 Xm >= 0
- Xc + 2 Xm <= 0
Xc y Xm >= 0
PROCEDIMIENTO DE SOLUCIÓN:
1. En la barra de tareas de la parte inferior de la pantalla, abrir el menú Inicio y clic en el menú
Programas.
2. Seleccione el menú WinQSB y haga clic en el botón Linear and Integer Programming.
4. Luego tendremos la interface del programa y desde el menú seleccionaremos: File | New
Problem
5. Se presentara una ventana donde colocaremos el nombre del problema, en nuestro caso
Sindicato Minero Pacococha y el numero de variables y restricciones de nuestro problema:
2 y 3 respectivamente, a continuación seleccionaremos el criterio del objetivo, el tipo de
variable y el formato de entrada de datos
y pulsaremos OK.
6. En la nueva ventana que se presenta ingresaremos los datos del problema:
Los resultados para el Sindicato Minero Pacococha en la forma de un plan de producción semanal
son los siguientes:
Cantidad de mineral de la veta Colquechaca por producir = 63,33 toneladas
Cantidad de mineral de la veta 10 de Mayo por producir = 31,67 toneladas
Margen de ganancia semanal = $ 18 446,15
USO DE LINDO
En esta sección, se utiliza el software LINDO para resolver y analizar el problema de
programación lineal continua.
LINDO (Linear Interactive Discrete Optimization) es una herramienta que fue diseñada por Linus
Shorage en 1985 para resolver problemas de programación lineal, entera y cuadrática
SINTAXIS DEL MODELO LINDO
1. Todos los modelos empiezan con el comando MAX o MIN seguido de la función objetivo que
debe ser del tipo ctx.
2. Los nombres de las variables pueden contener a lo sumo 8 caracteres
3. Los nombres de las restricciones deben terminar con un paréntesis y pueden contener a lo
sumo 8 caracteres
4. Se pueden usar los operadores +, -, =, > (equivale a >=), < (equivale a <=)
5. No reconoce la situación (2+5-4)*X1, debemos poner 3 X1 ni tampoco 2(x1+x2) hay que
escribir 2x1+2x2
6. Los comentarios comienzan con el signo de exclamación ¡
7. Podemos utilizar más de una línea para escribir la función objetivo o las restricciones
8. No distingue entre mayúsculas y minúsculas
9. En el lado derecho de las restricciones (denotado por RHS) sólo pueden aparecer valores
numéricos
10. En el lado izquierdo de las restricciones sólo pueden aparecer las variables y sus coeficientes
11. Se supone que todas las variables son no negativas, por eso no se introducen las
restricciones de no negatividad
12. El esquema que se sigue es:
MAX <función objetivo>
SUBJECT TO (st)
Restriccion1)
…
Restricción m)
END
13. Si queremos indicar que alguna variable no tiene restricción de signo, que es entera, binaria,
etc, tenemos una serie de comandos que se utilizan después de END
- FREE <variable> se usa si variable no tiene restricción de signo
- GIN <variable> se usa si variable sólo toma valores enteros no negativos
- INT <variable> se usa si variable es binaria
- SLB <variable> <VALOR> se usa si variable está acotada inferiormente por valor
- SUB <variable> <VALOR> se usa si variable está acotada superiormente por valor
Leyes
Costo Tonelaje a
Vetas Ag
Pb (%) $/ton extraer
(onz/ton)
Colquechaca 4 3,5 7,0 Xc
10 de mayo 16 1,15 9,0 Xm
Otros datos que debemos considerar son: el precio de la plata: $ 20,0 /ton; precio del plomo
0,70 $/lb; capacidad de la planta concentradora: 95 ton/día.
Como gerente de producción, formule un modelo para determinar el tonelaje a extraer de
cada veta.
Cuya formulación dio el siguiente modelo matemático:
Maximizar 126,9 Xc + 328,71 Xm
Sujeto a:
Xc + Xm <= 95
- Xc + 5 Xm >= 0
- Xc + 2 Xm <= 0
Xc y Xm >= 0
PROCEDIMIENTO DE SOLUCIÓN:
11. En la barra de tareas de la parte inferior de la pantalla, abrir el menú Inicio y haga clic en el
menú Programas.
12. Seleccione el menú LINDO 6.1 y haga clic en el botón Windows32.
16. En la pantalla Save As: en File Name: ingresaremos el nombre que deseemos para el
modelo, en este caso CaseChemicals.ltx y en Directories podremos seleccionar el fichero
donde guardarlo
19. Luego tendremos la ventana LINDO Solver Status, que nos indicara las características de la
solución:
Los resultados para el Sindicato Minero Pacococha en la forma de un plan de producción semanal
son los siguientes:
Cantidad de mineral de la veta Colquechaca por producir = 63,33 toneladas
Cantidad de mineral de la veta 10 de Mayo por producir = 31,67 toneladas
Margen de ganancia semanal = $ 18 446,15
CAPITULO IV
ANÁLISIS DE SENSIBILIDAD USANDO SOFTWARE:
2. Supongamos que cada uno de los dos empleados de tiempo parcial del departamento de
mezclado de Case Chemicals trabaja 10 horas en vez de 15 a la semana. Este cambio
reduce las horas disponibles de mano de obra en el departamento de mezclado de 230 a
220. ¿Cómo afecta este cambio el plan de producción y la ganancia óptima?
Estas preguntas tienen que ver con el tópico del análisis de sensibilidad. Usted, gerente, se
pregunta qué tan sensibles son la solución óptima y el valor de la función objetivo con respecto a
los cambios en los datos del problema, es decir, los coeficientes en la función objetivo y las
restricciones. ¿Qué tanto impacto tendrá en la solución un cambio en cualquiera de los datos?
Para dicho análisis, utilizaremos el Informe de sensibilidad de Excel.
Podemos ver que el intervalo de sensibilidad del coeficiente CS1 es <250, 1000> 3. Esto significa
que si todos los demás datos permanecen inalterados y el coeficiente de CS1 de la función
objetivo permanece en el intervalo <250, 1000>, la solución actual de CS1 = 70 y CS2 = 90 sigue
siendo óptima.
Ahora puede responder la pregunta original de cómo cambiar el plan de producción de Case
Chemicals cuando el precio de CS-01 disminuye en $25 por mil galones. Aunque esta
disminución ocasiona que el coeficiente de CS1 disminuya de su valor actual de 300 a 275, este
nuevo valor de 275 está dentro del intervalo <250, 1000>. Por tanto, la solución óptima anterior
3
El valor minimo del intervalo, se obtiene realizando $F$9 – $H$9 y el valor máximo: $F$9 + $G$9
109 Facultad de Ingeniería de Minas
Universidad Nacional del Altiplano
Derechos Reservados © MCA-FIM 2012
MSc Ing Mario Cuentas Alvarado
sigue siendo óptima, es decir, Case Chemicals no debería cambiar su plan de producción de 70
mil galones de CS-01 y 90 mil galones de CS-02 a la semana. Sin embargo, el margen de
ganancia semanal cambia:
Nuevo margen de ganancia = 275 CS1 + 500 CS2
= 275(70) + 500(90)
= 64 250
Esto es, su margen de ganancia semanal disminuye a $64 250.
Análisis de sensibilidad del coeficiente de la función objetivo para CS2
Puede conducir un análisis similar sobre el coeficiente de ganancia de CS2 del ejemplo,
asumiendo que el coeficiente de CS1 permanece inalterado en su valor original de 300. Considere
el coeficiente de CS2 de la función objetivo como una variable y conociendo el intervalo de
sensibilidad de <150, 600>. Tenemos que, si todos los demás datos permanecen inalterados, la
solución óptima actual CS1 = 70 y CS2 = 90 sigue siendo óptima, siempre que la ganancia por
vender cada mil galones de CS-02 esté dentro del intervalo <150, 600>. El tamaño de este
intervalo indica qué tan sensible es la solución óptima a su coeficiente.
De los resultados del Informe de sensibilidad de Excel, puede concluirse que, mientras el valor del
lado derecho de la restricción (1) permanece dentro del intervalo de <140, 500>, la solución
óptima y el margen de ganancia cambian.
El cambio del margen de ganancia total, puede calcularse utilizando el valor del precio sombra,
o precio dual, de la restricción, que es 33,33333.
Esto significa que por cada hora adicional de mano de obra disponible en el departamento de
mezclado por encima del valor actual de 230 y hasta 500 horas, el margen de ganancia
corporativo se incrementa en $33.33.
Observe que el precio sombra de 33,3333 también indica que cada recorte de hora del actual
nivel de 230 hasta 140 tiene como resultado una pérdida de $33.33 en el margen de ganancia.
Con esta información, podemos responder las preguntas planteadas:
1. ¿Qué sucede con el margen de ganancia de Case Chemicals si cada uno de los dos
empleados de tiempo parcial del departamento de mezclado trabaja 10 horas (en vez de 15)
a la semana (es decir, si el valor Id de la restricción (1) disminuye a 220 de su valor actual de
230)?
Como este cambio está dentro del intervalo <140, 500>, cada hora perdida disminuye el
margen de ganancia en el precio sombra:
Utilizando la ecuación:
Nuevo margen de ganancia = (Viejo margen de ganancia) + (Precio sombra) x
(Incremento en horas de mano de obra)
Tenemos:
= 66 000 + 33,3333 x (220 – 230)
= $ 65 667
2. ¿Qué sucede con el margen de ganancia si uno de los empleados de tiempo parcial del
departamento de mezclado trabaja tiempo completo y se prescinde del otro (es decir, el valor
del lado derecho de la restricción (1) se incremento a 240?
Como este cambio está dentro del intervalo <140,500>, el margen de ganancia se incrementa
en la proporción del precio sombra, es decir:
Nuevo margen de ganancia = (viejo margen de ganancia) + (precio sombra) x
(incremento en horas de mano de obra)
= 66 000 + 33,3333 x (240 – 230)
= $66 333,33
Análisis de sensibilidad del valor del lado derecho de la restricción (2): Proceso de
refinación
Usando la misma lógica, descubrirá que, mientras este valor del lado derecho permanezca en el
intervalo <115, 295>, la solución óptima estará determinada por la intersección de las
restricciones (1) y (2). Podemos observar que el precio sombra, o precio dual, del recurso es
de 233,33.
Por cada hora adicional de mano de obra disponible en el departamento de purificación arriba del
valor actual de 250 y hasta 295 horas, el margen de ganancia se incrementa en $233,33. De
manera similar, cada recorte de hora del actual nivel de 250 hasta 115 horas tiene como resultado
una pérdida de $233,33 en el margen de ganancia.
Ya podemos responder la pregunta planteada al principio de esta sección, que se repiten aquí:
3. ¿Qué sucede con el margen de ganancia si se contrata un trabajador adicional de tiempo
completo en el departamento de purificación (esto es, si el valor del Iado derecho de la
restricción (2) se incremento a 290 de su valor actual de 250)?
Como este cambio está dentro del intervalo <115, 295>, cada hora ganada incrementa el
margen de ganancia en el precio sombra:
Nuevo margen de ganancia = (viejo margen de ganancia) - (precio sombra) x
(incremento en horas de mano de obra)
= 66 000 + 233,33 x (290 – 250)
= $75 333,33
ANÁLISIS PARAMÉTRICO DE LOS RECURSOS DISPONIBLES (VALORES DEL LADO
DERECHO)
Con el análisis de sensibilidad, usted está preparado para responder ciertas preguntas del tipo
"¿Qué sucede si ... ?', siempre y cuando los cambios en los coeficientes estén dentro del intervalo
de sensibilidad. Sin embargo, ¿qué sucede si esos cambios están fuera del intervalo? Por
ejemplo, como gerente de Case Chemicals, podría enfrentarse con una de las siguientes
preguntas (pero no ambas simultáneamente):
1. ¿Qué sucede con la ganancia semanal si el departamento de mezclado se reduce a dos
trabajadores de tiempo completo y uno de tiempo parcial de 30 horas a la semana?
2. ¿Qué le sucede al margen de ganancia semanal si el departamento de purificación se
amplía a nueve purificadores con nueve trabajadores de tiempo completo?
El primer paso es darse cuenta de que ambas preguntas tienen que ver con cambios en los
valores del lado derecho. Estas preguntas pueden reformularse de la siguiente manera:
1. ¿Qué le sucede al margen de ganancia semanal óptimo si el valor del lado derecho de la
restricción (1) disminuye de su valor actual de 230 a 110 (dos trabajadores de tiempo
completo de 40 horas semanales y uno de tiempo parcial de 30 horas a la semana)?
2. ¿Qué le sucede al margen de ganancia semanal óptimo si el valor del lado derecho de la
restricción (2) se incremento de su valor actual de 250 a 360 (nueve trabajadores de
tiempo completo de 40 horas semanales)?
Observe que el nuevo valor de 120 para el Iado derecho en la pregunta 1 está fuera del intervalo
de sensibilidad <140,500> calculado para la restricción (1). De manera similar, el nuevo valor de
360 para el Iado derecho en la pregunta 2 está fuera del intervalo de sensibilidad <115,295> para
la restricción (2). Para responder las preguntas relativas a los valores del Iado derecho, fuera del
intervalo de sensibilidad, se realiza de nuevo los cálculos con el nuevo valor del lado derecho de
la restricción (1).
Con los resultados, podremos realizar un análisis similar al realizado con los Informes de Excel.
De manera similar al análisis con Excel, podemos trabajar con el reporte de WinQSB.
CONCLUSIÓN
En esta sección, usted ha aprendido a preguntar y contestar preguntas relativas a qué tan
sensibles son la solución óptima y el valor de la función objetivo en uno de los coeficientes de la
función objetivo o en valores del lado derecho. Tales preguntas son de particular importancia para
gerentes que deben tomar decisiones cuando los datos para un problema están sujetos a cambios
o incertidumbre.
REFERENCIA BIBLIOGRÁFICA
Kamlesh Mathur, Daniel Solow, INVESTIGACIÓN DE OPERACIONES, Edit.Prentice hall
Hispanoamericana S.A., México, 1996.
- Xc + 5 Xm >= 0
- Xc + 2 Xm <= 0
Xc y Xm >= 0
Fuente: Selvino Paz, “PERT – CPM una alternativa en problemas mineros”, UNI, Lima Perú,
Conceptos Básicos en Análisis de Sensibilidad
El Análisis de Sensibilidad se utiliza para examinar los efectos de cambios en tres áreas
diferenciadas del problema:
4. Los coeficientes de la función objetivo (Coeficiente Objetivo). Los cambios en los
coeficientes objetivo NO afectan la forma de la región factible, por lo que no afectaran a
la solución optima (aunque si al valor de la función objetivo).
5. Los coeficientes tecnológicos (aquellos coeficientes que afectan a las variables de las
restricciones, situados a la izquierda de la desigualdad). Los cambios en estos
coeficientes provocaran cambios sustanciales en la forma de la región factible.
6. Los recursos disponibles (los términos independientes de cada restricción, situados a la
derecha de la desigualdad). Intuitivamente (para 2 variables), los cambios en el RHS
suponen desplazamientos paralelos de las rectas asociadas a las restricciones, lo cual
hará variar la forma de la región factible y, con ello, a la solución optima.
Una vez identificados los componentes del informe, su interpretación es casi inmediata:
La veta Colquechaca debe producir 63,33 ton de mineral y la veta 10 de mayo 31,67 ton; para
una ganancia máxima de $ 18 446,15.
Después de formular y resolver un problema de programación lineal, un gerente debe hacerse un
numero de preguntas importantes de la forma: “¿Qué sucede si …..?”. Por ejemplo:
1. ¿Qué le sucede a la solución óptima y al valor de la función objetivo correspondiente si un
coeficiente particular de la función objetivo se modifica? Por ejemplo, supongamos que,
debido a una sobreoferta de plata en el mercado mundial la cotización de la plata baja a $
10,0 /onz. Este cambio disminuye el coeficiente de ganancia de Xc de $126,9 a $ $86,9 y Xm
de $328,71 a $ 168,71. ¿Cómo afecta este cambio en el coeficiente de la función objetivo el
plan de producción?
2. ¿Qué sucede con la solución óptima y con el valor de la función objetivo correspondiente si se
modifica un valor particular del extremo derecho de las restricciones? Por ejemplo, durante
un mes existen problemas con el área de molienda de la planta concentradora y solo trabaja
al 80% de su capacidad total. Este cambio reduce la capacidad de la planta de 95 ton/día a
76 ton/día. ¿Cómo afecta este cambio en el valor del extremo derecho de la capacidad de la
planta concentradora el plan de producción y la ganancia óptima?
Estas preguntas tienen que ver con el tópico del análisis de sensibilidad. Usted, gerente, se
pregunta qué tan sensibles son la solución óptima y el valor de la función objetivo con respecto a
los cambios en los datos del problema, es decir, los coeficientes en la función objetivo y las
restricciones. ¿Qué tanto impacto tendrá en la solución un cambio en cualquiera de los datos?
Estas preguntas de sensibilidad son importantes para un gerente porque los datos del problema a
menudo tienen que estimarse y por tanto están sujetos a inexactitudes. Antes de implantar la
solución obtenida de un programa lineal, es ventajoso para el gerente saber lo que podría suceder
si las estimaciones de los datos son ligeramente inexactas. El análisis de sensibilidad indica qué
coeficientes afectan más significativamente la solución óptima.
Para dicho análisis, Excel también nos proporcionará el Informe de sensibilidad:
siendo óptima. El valor de la función objetivo en este punto, sin embargo, cambia. El tamaño de
este intervalo indica qué tan sensible es la solución óptima a su coeficiente. Por ejemplo, un
intervalo para Xc de [110,5, 150,5] indicaría que la solución óptima es más sensible a un cambio
en este coeficiente de función objetivo que el intervalo anterior de [-164,355 , 328,71].
Ahora puede responder la pregunta original de cómo cambiar el plan de producción de Pacococha
cuando el precio de la plata disminuye en $10 por onza. Aunque esta disminución ocasiona que
el coeficiente de Xc disminuya de su valor actual de $126,9 a $86,9, este nuevo valor de 86,9
está dentro del intervalo [-164,355 , 328,71] calculado en el análisis de sensibilidad; de la misma
manera el nuevo valor de 168,71 para el coeficiente Xm está dentro del intervalo [126,9 , M]. Por
tanto, la solución óptima anterior sigue siendo óptima, es decir, la veta Colquechaca debe
producir 63,33 ton de mineral y la veta 10 de mayo 31,67 ton.
Sin embargo, el margen de ganancia cambia:
Nuevo margen de ganancia = 86,9 Xc + 168,71 Xm
= 86.9 (63,33) + 168.71(31,67)
= 10 846,42
Esto es, su margen de ganancia disminuye a $7 599,73.
Conclusión: Si todos los demás datos permanecen inalterados, la solución óptima actual Xc =
63,33 y Xm = 31,67 sigue siendo óptima, siempre que las variaciones de los coeficientes estén
dentro de los intervalos proporcionados por el análisis de sensibilidad. El tamaño de este
intervalo indica qué tan sensible es la solución óptima a su coeficiente.
Análisis de sensibilidad de los valores del lado derecho (recursos)
Usted puede aplicar el análisis de sensibilidad no sólo a los cambios en los coeficientes de la
función objetivo, sino también a los cambios en los valores del lado derecho de las restricciones
(recursos). Por ejemplo, como gerente de producción de Pacococha, puede estar interesado en
cualquiera de las siguientes preguntas.
4. Ante la existencia de problemas en el área de molienda de la planta concentradora que viene
trabajando al 80% de su capacidad total. Y por ende la reducción de la capacidad de la planta
de 95 ton/día a 76 ton/día. ¿en cuanto disminuirá el margen de ganancia?
Podemos formular la pregunta de la siguiente forma general:
¿Qué le sucede al valor óptimo de la función objetivo de un programa lineal cuando uno de los
valores del lado derecho de una restricción se modifica y los otros datos del problema
permanecen inalterados?
Una forma de responder este tipo de pregunta es solucionar un nuevo problema de programación
lineal en el que se modifique el valor de interés del lado derecho, y todo lo demás sea igual. Sin
embargo, las técnicas presentadas a continuación le permiten responder tales preguntas sin tener
que resolver todo el problema.
Análisis de sensibilidad del valor del lado derecho de la restricción
De los resultados del Informe de sensibilidad de Excel, puede concluirse que, si no cambian otros
datos del problema, entonces, mientras el valor del lado derecho de la restricción (1) permanece
dentro del intervalo de [0 , M], la solución óptima sigue siendo la misma. Sin embargo, incluso
dentro de este intervalo, los valores específicos de las variables en la solución óptima cambian.
Hasta ahora usted ha visto cómo cambia la solución óptima. Como gerente de Pacococha
también debería estar interesado en lo que le sucede a la ganancia total, esto es, lo que le sucede
al valor de la función objetivo en la solución óptima al cambiar el valor Id de la restricción (1).
Podemos observar que el precio sombra, o precio dual, del recurso es de 194,17.
Esto significa que por cada tonelada adicional de capacidad de planta concentradora disponible
por encima del valor actual de 95 el margen de ganancia corporativo se incrementará en $194,17.
Observe que el precio sombra de 194,17 también indica que cada recorte de hora del actual nivel
de 95 tiene como resultado una pérdida de $194,17en el margen de ganancia.
Conociendo el precio sombra de la restricción, ya puede responder la pregunta planteada:
Nuevo margen de ganancia = (viejo margen de ganancia) + (precio sombra)*
120 Facultad de Ingeniería de Minas
Universidad Nacional del Altiplano
Derechos Reservados © MCA-FIM 2012
INVESTIGACION DE OPERACIONES EN MINERIA
Con los resultados, podremos realizar una análisis similar al realizado con los Informes de Excel.
De manera similar al análisis con Excel, podemos trabajar con el reporte de WinQSB.
CONCLUSIÓN
En esta sección, usted ha aprendido a preguntar y contestar preguntas relativas a qué tan
sensibles son la solución óptima y el valor de la función objetivo en uno de los coeficientes de la
función objetivo o en valores del lado derecho. Tales preguntas son de particular importancia para
gerentes que deben tomar decisiones cuando los datos para un problema están sujetos a cambios
o incertidumbre.
REFERENCIA BIBLIOGRÁFICA
Kamlesh Mathur, Daniel Solow, INVESTIGACIÓN DE OPERACIONES, Edit.Prentice hall
Hispanoamericana S.A., México, 1996.
A 10 2 000 0,50 1 3 6
B 12 4 000 0,45 1 4 6
C 9 5 000 0,60 1 4 7
Cantidad disponible 40 5 500 oz
El modelo matemático para el problema es:
Maximizar ganancia = 7AP + 8BP + 5CP + 4AJ + 6BJ + 2CJ
Dependiendo de:
Restricciones de demanda
AP + AJ = 2 000 (demanda A)
BP + BJ = 4 000 (demanda B)
CP + CJ = 5 000 (demanda C)
Restricciones de recursos
0,5AP + 0,45BP + 0,6CP <= 2 400 (tiempo de maquina)
AP + BP + CP <= 5 500 (material para
soldar)
Restricciones lógicas
AP, BP, CP, AJ, BJ, CJ >= 0
Utilice el software WinQSB para responder a las preguntas siguientes:
a) ¿Cuál es el plan de producción/adquisición óptimo para la MTV Steel?
MTV Steel debe producir 2,000 pies de tubo A y 2,333.33 pies de tubo C; debe comprar de sus
proveedores del Japón 4,000 pies de tubo B y 2,666,67 pies de tubo C para cumplir con sus
pedidos. La venta de estos productos le va a reportar $ 55,000 de ganancia.
b) ¿Cuáles de las dos restricciones de recursos son acotantes4?
4
Acotante es sinónimo de limitante.
123 Facultad de Ingeniería de Minas
Universidad Nacional del Altiplano
Derechos Reservados © MCA-FIM 2012
MSc Ing Mario Cuentas Alvarado
Solo la restricción para el recurso tiempo de máquina es limitante, debido a que su variable de
holgura (Snack o Surplus) tiene valor de cero.
c) Si pudiera obtener más material para soldar o más tiempo de máquina, pero no ambas cosas,
¿Cuál escogería? Explique.
Escogería el tiempo de máquina, pues es un recurso limitado, mientras que aún tenemos 1 666,67
onzas de material para soldar.
d) Los japoneses acaban de aumentar el precio de sus tubos tipo C de $7 a $8 por pie. ¿de qué
manera cambia el plan de producción/adquisición actual? (Si no puede hacerlo, obtenga la
respuesta resolviendo un modelo apropiadamente modificado).
El incremento del precio, disminuye nuestra ganancia en el tubo C comprado a $1,0, cuyo valor
queda fuera del intervalo de sensibilidad <1.4 – 2.333>. Se debe volver a resolver el problema con
las nuevas condiciones:
El nuevo plan de producción optimo es producir 4,000 pies de tubo C y comprar de sus
proveedores del Japón 2,000 pies de tubo A; 4,000 pies de tubo B y 1,000 pies de tubo C para
cumplir con sus pedidos. La venta de estos productos le va a reportar una ganancia de $ 53,000
e) La compañía desea aumentar sus ganancias a $ 57 500. ¿Cuántas horas más de tiempo
maquina se necesitan para lograr este objetivo? (Si no puede hacerlo, obtenga la respuesta
resolviendo un modelo apropiadamente modificado).
Nuevo margen de ganancia = (viejo margen de ganancia) + (precio sombra) x (incremento en horas
de mano de obra)
(incremento en horas de mano de obra) = [(nuevo margen de ganancia) – (viejo margen de
ganancia)]/(precio sombra)
incremento en horas de mano de obra = ($57,500 - $55,000)/$5,0/h) = 500 min = 8,33 h.
Comprobando con el software tenemos:
f) La compañía puede vender su material para soldar con una ganancia de $ 32 por libra.
¿Cuánto deberá vender? Explique.
2. HiDec produce dos modelos de artículos electrónicos, donde se usan resistores, capacitores y chips. La
tabla siguiente es un resumen de lo datos de este caso.
Requerimientos del recursos por unidad
Recurso Modelo I Modelo 2 Disponibilidad
(unidades) (unidades) máxima (unidades)
Resistor 2 3 1 200
Capacitor 2 1 1 000
Chips 0 4 800
Utilidad ($) 3 4
HiDec debe producir 450 unidades de M1 y 100 unidades de M2 para obtener una ganancia de S/.
1 750,00.
b. En función de la utilidad óptima, determine el valor de un resistor. De un capacitor. De
un chip.
El valor de los elementos está determinado por el precio sombra de cada uno de ellos, para un
resistor es S/. 1,25, para un capacitor S/. 0,25 y para un chip es 0.
c. Si la cantidad disponible de resistores aumenta a 1 300 unidades, ¿Qué sucede?
Podemos observar que el recurso resistor posee un intervalo de <1 000, 1 400> y 1 300 se
encuentra dentro del rango, por lo tanto, podemos calcular la variación de la ganancia óptima:
(Nuevo valor de z) = (valor original de z) + (precio sombra) x (cambio en el valor del lado derecho)
z = 1 750,00 + (1,25) x (1 300-1 200) = S/. 1 875,0
d. Si se reduce la cantidad de chips disponible a 350 unidades, ¿Podría usted determinar
la solución óptima nueva en forma directa a partir de la información? Explique por qué.
El valor de 350 no se encuentra dentro del intervalo <400, M>, por lo tanto, debemos volver a
calcular la producción óptima con el nuevo valor.
Con el cambio de valor del recurso chips, HiDec debe producir 456 unidades de M1 y 87 unidades
de M2 para obtener una ganancia de S/. 1 716,0.
e. Si la disponibilidad de los capacitores se limita por el intervalo de aplicabilidad
calculado en b), determine el intervalo correspondiente de utilidad óptima y los intervalos
correspondientes de la cantidad de unidades a producir de los modelos 1 y 2 .
Para responder, utilizaremos el análisis paramétrico de WinQSB
Del gráfico, podemos deducir que para el intervalo de los capacitores <800, 1 200>, el intervalo
del margen de ganancia es <1 700, 1 800>.
Para calcular el valor los intervalos correspondientes a la cantidad de unidades a producir de los
modelos 1 y 2, realizaremos nuevos cálculos son los valores extremos del intervalo <800, 1 200>:
Observamos que la ganancia se incrementa en S/. 250,0 (2 000,0 – 1 750,0) y el gasto sería de
S/. 200,0 (500 unidades x $0,4/unidad), por lo tanto, es recomendable realizar la compra.
3. Toyco arma tres juguetes: trenes, camiones y coches, con tres operaciones. Los límites de
tiempo disponible para las tres operaciones son 430, 460 y 420 minutos, respectivamente, y
las utilidades por tren, camión y coche de juguete son $3, $2 y $5, respectivamente. Los
tiempos de armado por tren, en las tres operaciones son 1, 3 y 1 minutos, respectivamente.
Los tiempos respectivos por camión y por coche son (2, 0, 4) y (1, 2, 0) minutos (un tiempo de
cero indica que no se usa la operación). Si x 1, x 2 y x 3 representan la cantidad diaria de
unidades armadas de trenes, camiones y coches. El modelo matemático formulado será:
Maximizar z = 3x1 + 2x2 + 5x3
Sujeto a:
x1 + 2x2 + x3 <= 430 (Operación 1)
3x1 + 2x3 <= 460 (Operación 2)
x1 + 4x2 <= 420 (Operación 3)
x 1, x 2, x 3 >= 0
a) Determine la solución óptima del problema usando WinQSB.
Toyco debe producir 100 unidades de camiones y 230 unidades de coches para obtener una
ganancia de S/. 1 350,00.
b) Si usted pudiera redistribuir la capacidad en exceso de la operación 3 de 20 minutos,
¿Cuál de las dos operaciones (1 ó 2) escogería?
Los minutos no utilizados en la operación 3 son 20 minutos, el valor de los mismos es:
Operación 1 = 20 minutos x $1/minuto = $20
Operación 2 = 20 minutos x $2/minuto = $40
Asignaría los 20 minutos a la operación 2, lo que permitiría aumentar mi margen de ganancia en
$40,0.
c) Suponga que para los trenes de juguete el tiempo por unidad de operación 2 se puede
reducir de 3 minutos a cuando mucho 1,25 minutos. ¿Cuánto debe reducirse el tiempo por
unidad de la operación 1 para hacer que los trenes de juguete sean apenas rentables?
La variación sucede en el lado izquierdo de la restricción 2, observemos el nuevo modelo
planteado y su solución:
Toyco puede producir 16 unidades de trenes, 101 unidades de camiones y 220 unidades de
coches para obtener una ganancia de S/. 1 350,00, cuando el tiempo por unidad de operación 2
se reduzca a 1,25 minutos y el tiempo por unidad de operación 1 sea menor de 0,5 minutos.
d) Suponga que Toyco estudia la posibilidad de introducir un cuarto juguete: carro de
bomberos. En el armado no se usa la operación 1. Sus tiempos de armado por unidad en
las operaciones 2 y 3, son 1 y 3 minutos respectivamente. La utilidad por unidad es $4.
¿Aconsejaría usted a Toyco que introdujera este nuevo producto?
El nuevo modelo matemático será:
Maximizar z = 3x1 + 2x2 + 5x3 + 4x4
Sujeto a:
x1 + 2x2 + x3 <= 430 (Operación 1)
3x1 + 2x3 + x4 <= 460 (Operación 2)
x1 + 4x2 + 3x4 <= 420 (Operación 3)
x1, x2, x3, x4 >= 0
La solución del modelo matemático con WinQSB, nos reporta:
La diferencia de utilidades es solo S/. 10,0. No aconsejaría la introducción del nuevo producto,
e) Suponga que todo tiempo adicional para la operación 1, respecto a su capacidad actual de
430 minutos diarios, se debe hacer en tiempo extra, a $50 por hora. El costo por hora
incluye tanto la mano de obra como el funcionamiento de la maquina. ¿hay ventajas
económicas de recurrir al tiempo extra para la operación 1?
Del análisis paramétrico de la restricción 1 (operación 1):
Solo habrá incremento en el margen de ganancia de S/.10 (S/.1 350 a S/.1 360), incrementando
los minutos de 430 a 440; luego así se incrementen más minutos, no habrá incremento en el
margen de ganancia (ver gráfica).
f) Suponga que el trabajador de la operación 2 conviene en trabajar 2 horas de tiempo
extraordinario diarias a $45 por hora. Además el costo de la operación misma es $ 10 por
hora. ¿Cuál es el efecto de esta actividad sobre la utilidad diaria?
En la operación 2, con el incremento de 2 horas extras o sea 120 minutos, el total sería de 580
minutos que se encuentra dentro del intervalo <440, 860>, por lo tanto el incremento en las
ganancias sería de $2 x 240 = $480,0 y los gastos serían de 2 x ($45,0 + $10,0) = $110,0, dando
un saldo positivo de $370 ($480 - $110).
g) ¿Vale la pena usar tiempo extra para la operación 3?
El análisis paramétrico para la operación 3 es:
El nuevo margen de ganancia es de $1 360,0, $10 más que el anterior; los 10 minutos
adicionales cuestan $6,67, tendríamos un incremento de ganancia efectivo de $3,33.
i) Suponga que disminuye la disponibilidad de la operación 2 en 15 minutos diarios, y que el
costo por hora de la operación durante el tiempo normal es $30. ¿Vale la pena disminuir la
disponibilidad de la operación 2?
La disminución a 445 minutos, está dentro del intervalo <440, 860>, por lo tanto una disminución
de 15 minutos nos disminuiría el margen de ganancia en $2 x 15 = $30,0, de la misma manera el
ahorro sería de $7,5, ocasionando una pérdida de $22,5. No vale la pena disminuir la
disponibilidad de la operación 2.
4. Cauchos Perú, fabrica tres productos de caucho: Airtex (material esponjoso), Extendex (material
elástico) y Resistex (material rígido). Los tres productos requieren los mismos tres polímeros químicos
y una base. La cantidad de cada ingrediente usada por libra del producto final se muestra en a tabla:
PRODUCTO Ingrediente (oz/lb de producto)
Polímero A Polímero B Polímero C Base
Airtex 4 2 4 5
Extendex 2 2 3 8
Resistex 5 3 5 2
Cauchos Peru, tiene el compromiso de producir al menos 1200 libras de Airtex, 500 libras de
Extendex y 300 libras de Resistex para la próxima semana, pero la gerencia de la compañía
sabe que puede vender mas de cada uno de los tres productos. Los inventarios actuales de
los ingredientes son 500 libras del polímero A, 425 libras del polímero B, 650 libras del
polímero C y 1100 libras de la base. Cada libra de Airtex produce a la compañía una ganancia
de $/.7, cada libra de Extendex una ganancia de $6,5 y cada libra de Resistex una ganancia
de $6.
El modelo matemático planteado es:
Maximizar ganancia = 7A+ 6,5E + 6R
Sujeto a:
Restricciones de recursos
4A + 2E + 5R <= 8000 (polímero A en onzas)
2A + 2E + 3R <= 6800 (polímero B en onzas)
4A + 3E + 5R <= 10400 (polímero C en onzas)
5A + 8E + 2R <= 17600 (base en onzas)
Restricciones de demanda
A >= 1200 (Airtex en libras)
E >= 500 (Extendex en libras)
R >= 300 (Resistex en libras)
Restricciones lógicas
A, E, R >= 0
Utilice el resultado del uso de software, Solver de Excel para responder a las siguientes
preguntas:
a. ¿Cuál es el plan de producción óptimo?
Cauchos Perú debe producir 1 200 lb de Airtex, 850 lb de Extendex y 300 lb de Resistex. La venta
de estos productos le va a reportar $ 15 725 de ganancia.
133 Facultad de Ingeniería de Minas
Universidad Nacional del Altiplano
Derechos Reservados © MCA-FIM 2012
MSc Ing Mario Cuentas Alvarado
d. Si usted pudiera obtener cantidades adicionales de únicamente uno de los tres polímeros
¿Cuál de ellos recomendaría? Explique.
Solicitaría cantidades adicionales del polímero A.
e. La compañía desea aumentar sus ganancias a $18 000 adquiriendo más cantidad del
polímero A ¿Cuánto más del polímero A se necesita? Explique.
Nuevo margen de ganancia = (viejo margen de ganancia) + (precio sombra) x (incremento en
polímero A)
(incremento en polímero A) = [(nuevo margen de ganancia) – (viejo margen de ganancia)]/(precio
sombra)
incremento en polímero A = ($18,000 - $15,725)/$3,25/oz) = 700 oz..
Comprobando con el software tenemos:
Cauchos Perú debe producir 1 200 lb de Airtex, 500 lb de Extendex y 270 lb de Resistex. La venta
de estos productos le va a reportar $ 13 270 de ganancia.
5. Mobil Oil del Peru, obtiene tres tipos de petróleo crudo de sus pozos de Talara, Loreto y
Ucayali. La gasolina obtenida de estos petróleos crudos se mezcla con dos aditivos para
obtener el producto final. Estos petróleos crudos y aditivos contienen azufre, plomo y fósforo,
como se muestra en la tabla. El costo de cada componente también se presenta. Debido a los
residuos e impurezas, cada galón de petróleo crudo de Talara resulta solo en 0,40 de galón de
producto final, que contiene 0,07% de azufre. De manera similar, cada galón de crudo de
Loreto produce 0,50 de galón de producto final que contiene 0,08% de sulfuro y cada galón de
crudo de Ucayali resulta en 0,30 de galón de producto final que contiene 0,10 de azufre. La
gerencia ha establecido las siguientes especificaciones para controlar las cantidades de
azufre, plomo y fósforo:
a. Cada galón debe tener a lo más 0,07% de azufre.
b. Cada galón debe tener entre 1,25 y 2,5 gramos de plomo.
c. Cada galón debe tener entre 0,0025 y 0,0045 gramos de fósforo.
d. La cantidad total de aditivos no puede exceder de 19% de la mezcla.
Petróleos crudos Aditivos
Talara Loreto Ucayali 1 2
Azufre (%) 0,07 0,08 0,10 - -
Plomo (g/gal) - - - 7 6
Fósforo (g/gal) - - - 0,025 0,02
Costo 8$/gal) 0,55 0,47 0,33 0,08 0,12
El modelo matemático planteado es:
Minimizar 0,55T + 0,47L + 0,33U + 0,08A1 + 0,12A2
Sujeto a:
Restricciones de producción
0,35T + 0,40L + 0,30U + A1 + A2 = 1
Restricciones de composición de mezclado
0,000245T + 0,00032L + 0,0003U <= 0,0007 (azufre)
7A1 + 6A2 <= 2,50 (limite superior en
plomo)
7A1 + 6A2 >= 1,25 (limite inferior en
plomo)
0,025A1 + 0,02A2 <= 0,0045 (limite superior en fósforo)
Mobil Oil del Perú debe mezclar 1,375 gal de petróleo crudo de sus pozos de Loreto con 0,8667
gal de petróleo crudo de sus pozos de Ucayali con 014 gal de Aditivo 1 y 0,05 gal de Aditivo 2.
Con un costo de 0,9495 $/gal de producto final.
b. Identifique que ingredientes (azufre, plomo y fósforo) están en su límite permitido.
Los elementos que están en sus límites permisibles son: Azufre y Fósforo en su límite superior.
c. Analice el efecto de los aumentos y disminuciones individuales en los costos de los tres
petróleos crudos antes de que las cantidades actuales de los ingredientes deban
cambiarse.
El precio del petróleo crudo procedente de Talara, puede fluctuar en el rango de [0,424, M] y no
alterarse la mezcla optima, si los otros precios no varían.
El precio del petróleo crudo procedente de Loreto, puede fluctuar en el rango de [0,4400 –
0,5657] y no alterarse la mezcla optima, si los otros precios no varían.
El precio del petróleo crudo procedente de Ucayali, puede fluctuar en el rango de [0,1146 –
0,3525] y no alterarse la mezcla optima, si los otros precios no varían.
d. Explique el impacto de los cambios en el contenido máximo de azufre sobre el costo de la
mezcla óptima.
e. Proporcione la mezcla óptima y el costo asociado si el precio del petróleo crudo Ucayali
aumenta en 10%.
Con el cambio de valor del recurso cuero, Muñani Cueros SRL, debe producir 1 correa
para obtener una ganancia diaria de S/. 22,0.
c. Las horas disponibles de costura cambian a 38 (1pto).
El recurso costura posee un intervalo de [28 , 42] y 38 se encuentra dentro del rango,
por lo tanto, podemos calcular la variación de la ganancia optima:
(Nuevo valor de z) = (valor original de z) + (precio sombra)x(cambio en el valor del lado
derecho)
z = 882,0 + (21,0)x(38-40) = 882,6 – 42,0 = S/. 840,0
d. Las horas disponibles de costura cambian a 46 (1pto).
El valor de 46 no se encuentra dentro del intervalo [28 , 42], por lo tanto, debemos volver
a calcular la producción óptima con el nuevo valor.
Con el cambio de valor del recurso costura, Muñani Cueros SRL, debe producir 42
correas para obtener una ganancia diaria de S/. 924,0.
e. Las horas disponibles de acabado disminuyen a 15 (1pto).
El valor de 15 no se encuentra dentro del intervalo [20 , M], por lo tanto, debemos volver
a calcular la producción óptima con el nuevo valor.
Con el cambio de valor del recurso acabado, Muñani Cueros SRL, debe producir 6
correas y 12 mochilas para obtener una ganancia diaria de S/. 672,0.
f. Las horas disponibles de acabado aumentan a 50 (1pto).
El recurso acabado posee un intervalo de [20 , M] y 50 se encuentra dentro del rango,
por lo tanto, podemos calcular la variación de la ganancia optima:
(Nuevo valor de z) = (valor original de z) + (precio sombra)x(cambio en el valor del lado
derecho)
z = 882,0 + (0,0)x(50-45) = 882,0 + 0,0 = S/. 882,0
g. ¿Recomendaría usted contratar un costurero mas a S/.15 por hora? (1pto).
Si observamos el precio sombra del recurso costura es de S/. 21,0 mayor que S/. 15,0,
por lo tanto, recomendamos contratar un nuevo costurero por hora.
8. Gapco tiene un presupuesto diario de 320 horas de mano de obra y 350 unidades de materia
prima, para fabricar dos productos. Si es necesario, la empresa puede emplear hasta 10 horas
de tiempo extra de mano de obra, con un costo adicional de $2 por hora. Se necesita 1 hora
de mano de obra y 3 unidades de materia prima para producir una unidad de producto 1, y 2
horas de mano de obra y 1 unidad de materia prima para producir una unidad de producto 2.
la utilidad por unidad de producto 1 es de $10, y la del producto 2 es $12. Sean x 1 y x 2 las
La producción diaria de Gapco debe ser de 74 unidades del producto 1 y 128 unidades del
producto 2, debe usar 10 horas de tiempo extra y tendrá una ganancia de $ 2 256,0.
b) Actualmente, Gapco paga $2 adicionales por hora de tiempo extra. ¿Cuánto es lo máximo
que puede pagar la empresa? (1 pto).
Si observamos el rango del coeficiente de x3 [-5,2 , M], podemos deducir que el monto máximo
que podemos pagar es de $5,2 sin alterar la solución óptima hallada. El nuevo valor de z será Z =
10(74) + 12(128) – 5,2(10) = $ 2 224,0.
c) Si Gapco puede adquirir 100 unidades diarias más de materia prima a $1,50 cada una.
¿Aconsejaría usted que lo hiciera? ¿Y si el costo de la materia prima fuera $2 por unidad?
(1 pto).
Las unidades diarias de materia prima serán 350,0 + 100,0 = 450,0 cuyo valor se encuentra
dentro del intervalo [165 , 990] y el precio sombra es $ 1,6 por unidad de materia prima, por lo
tanto, se aconseja adquirir hasta un costo máximo de $1,6, por encima de este costo no se debe
adquirir.
d) Suponga que Gapco puede adquirir cuando mucho 200 unidades adicionales de materia
prima por día. Determine la solución óptima asociada (1,5 ptos).
Las unidades diarias de materia prima serán 350,0 + 200,0 = 550,0 cuyo valor se encuentra
dentro del intervalo [165 , 990], por lo tanto, podemos calcular la variación de la ganancia optima:
(Nuevo valor de z) = (valor original de z) + (precio sombra)x(cambio en el valor del lado derecho)
z = 2 256,0 + (1,6)x(200,0) = $ 2576,0. Para calcular la solución óptima empleamos WinQSB.
La producción diaria de Gapco debe ser de 154 unidades del producto 1 y 88 unidades del
producto 2, debe usar 10 horas de tiempo extra y tendrá una ganancia de $ 2 576,0.
e) Suponga que Gapco no puede usar más de 8 horas diarias de tiempo extra. ¿la solución
óptima inicial hallada es todavía correcta? (1,5 ptos).
El valor de 8 se encuentra dentro del intervalo [0 , 380], por lo tanto, podemos calcular la variación
de la ganancia optima:
(Nuevo valor de z) = (valor original de z) + (precio sombra)x(cambio en el valor del lado derecho)
z = 2 256,0 + (3,2)x(8-10) = $ 2249,6. Para calcular la solución óptima empleamos WinQSB.
La producción diaria de Gapco debe ser de 74 unidades del producto 1 y 127 unidades del
producto 2, debe usar 8 horas de tiempo extra y tendrá una ganancia de $ 2 248,0.
La producción diaria de Gapco debe ser de 74,4 unidades del producto 1 y 126,8 unidades del
producto 2, debe usar 8 horas de tiempo extra y tendrá una ganancia de $ 2 249,6.
9. Una compañía minera opera tres minas. El mineral obtenido en cada una se separa en dos
calidades antes de su distribución. Las capacidades de producción diarias de cada mina, así como sus
costos de operación diarios, son los siguientes:
Mineral de alta Mineral de baja Costo de operación
143 Facultad de Ingeniería de Minas
Universidad Nacional del Altiplano
Derechos Reservados © MCA-FIM 2012
MSc Ing Mario Cuentas Alvarado
La mina 1 debe trabajar 1,75 días, la mina 2 de trabajar 7 días y la mina 3 debe trabajar 5 días,
con un costo mínimo de producción de $ 279 000.
b. ¿Cuáles de las cinco restricciones son acotantes y que significan?
El rango de variación de la variable M1 es <$18 250, $72 000>, como $18 000, se encuentra
fuera de este rango, se debe volver a calcular la producción óptima:
La mina 1 debe trabajar 7 días, la mina 2 de trabajar 3,7 días y la mina 3 debe trabajar 3,7 días,
con un costo mínimo de producción de $ 274 187,5.
d. Si la compañía desea disminuir sus costos de operación a US $ 250 000 / semana y
debe disminuir la producción de la Mina 2 ¿Cuántos días debe dejar de producir?
Explique.
La función objetivo es:
z = 20 000 M1 + 22 000 M3 + 18 000 M3, con el resultado de a) y la disminución del costo de
operación tenemos:
z = 25 000 = 20 000 (1,75) + 18 000 (M2) + 18 000 (5), donde M2 = 5,681 días, entonces la mina
2 debe dejar de producir 7 – 5,681 = 1,319 días.
e. Si la compañía recibe un pedido de 700 ton de mineral de baja calidad para la próxima
semana ¿Cuál es el nuevo costo de operación de la compañía? Explique.
El pedido de 700 ton de mineral de baja ley se encuentra dentro del rango <400 , 750>, por lo
que, para calcular el nuevo costo de operación podemos utilizar el valor de 260 como precio
sombra, entonces:
Nuevo margen de ganancia = (viejo margen de ganancia) – (precio sombra) x (incremento en
tonelaje)
Se utilizaran para el transporte del concentrado 7 camiones grandes y 4 camiones medianos, con
un costo de $ 2 480.
b) ¿Qué sucede con el número óptimo de camiones, Si el costo de operación de los
camiones grandes se incrementa en un 10%? Explique.
El nuevo costo de transporte para los camiones grandes, sería: $ 240 x 1,1 = $ 264, calculando
con este nuevo costo, tenemos:
CAPITULO V
PROBLEMAS DE REDES DE DISTRIBUCIÓN: TRANSPORTACIÓN,
ASIGNACIÓN Y TRANSBORDO
Muchos problemas, cuando se les formula, muestran una estructura especial en sus restricciones
o en su función objetivo. Mediante el diseño de procedimientos de solución (algoritmos) para
aprovechar la estructura especial, es posible resolver problemas de una manera más eficiente
que si se estuviera en cualquier otra circunstancia. Este capítulo presenta uno de los problemas
de tal tipo, problemas de redes de distribución.
¿QUÉ ES UNA RED DE DISTRIBUCIÓN?
Una clase de problemas que tiene una estructura especial en sus restricciones cuando se le
formula de manera matemática tiene que ver con la distribución de bienes. Por lo general, estos
bienes deben ser enviados desde puntos de suministro conocidos (fábricas, plantas, etcétera)
hasta puntos de demanda conocidos (clientes, tiendas detallistas, etcétera), posiblemente a través
de puntos intermedios (almacenes regionales y/o de campo, por ejemplo). El objetivo general
consiste en hallar el mejor plan de distribución, es decir, la cantidad que se debe enviar por cada
una de las rutas desde los puntos de suministro, a través de los puntos intermedios, hasta los
puntos de demanda. Con el término "mejor" se entiende un plan que minimice los costos totales
de envío, produzca la mayor ganancia u optimice algún otro objetivo corporativo especificado por
la gerencia. También es necesario satisfacer ciertas restricciones:
1. No enviar más de la capacidad especificada desde cada punto de suministro.
2. Enviar bienes solamente por las rutas válidas.
3. Cumplir (o exceder) los requerimientos de bienes en los puntos de demanda.
Un problema de este tipo es un problema de redes de distribución. Una característica favorable
de esta clase de problema es que muchos aspectos pueden representarse de manera concisa
mediante un diagrama, conocido como red de distribución. Una red de distribución consiste en
una colección finita de círculos, llamados nodos, cada uno de los cuales representa una planta,
un almacén o una tienda al menudeo. Los nodos desde los cuales se van a enviar los bienes
(como fábricas y plantas) son nodos de suministro. Los nodos que van a recibir los bienes en
cumplimiento de una demanda conocida (como las tiendas detallistas) se conocen como nodos
de demanda. Los nodos que reciben bienes de otros nodos para su redistribución (como el caso
de los almacenes) se conocen como nodos de transbordo o nodos intermedios.
Las parejas de nodos seleccionados de una red están conectadas mediante una flecha, conocida
como arco, que representa una ruta de envío válida desde el nodo de origen al nodo de destino,
según lo indica la dirección en la que apunta la flecha (véase la figura 1). La representación de la
red puede contener varios datos del problema. Por ejemplo, el número colocado al lado de cada
nodo de suministro de la figura 1 representa la capacidad de dicho nodo de suministro; es decir, el
número máximo de unidades que pueden ser enviadas desde ese nodo. Por ejemplo, la planta
representada por el nodo 1 de la figura 1 puede enviar hasta 1000 unidades. Similarmente, el
número colocado junto a cada nodo de demanda en la figura 1 representa la demanda en dicho
nodo; esto es, el número mínimo de unidades que necesita recibir ese nodo para cumplir la
demanda en él. Por ejemplo, la demanda en la tienda detallista representada por el nodo 6 es de
700 unidades. Cada arco puede, también, tener un número asociado a él. Por ejemplo, el
número que se encuentra encima de los arcos de la figura 1, representa el costo de envío de una
unidad entre los dos nodos conectados por ese arco. El costo de envío de una unidad desde el
nodo 1 al nodo 4 es 4 (que pueden ser $4, $400 o, incluso, $4000). En la red también se puede
incluir otro tipo de información sobre el problema, como podría ser el número máximo de
unidades que se pueden enviar a lo largo de un arco dado.
Figura 1. Una red de distribución general
EL PROBLEMA DE TRANSPORTACIÓN
En la presente sección, usted aprenderá acerca de una clase específica de problemas de
distribución comunes a muchas empresas: cómo enviar bienes terminados, de la manera menos
costosa posible, directamente desde las plantas hasta las tiendas detallistas, sin que haya
almacenes intermedios. A este problema de distribución se le conoce como problema de
transportación. El problema de Cosmic Computer Company (CCC) es un ejemplo de problema de
transportación.
EL PROBLEMA DE TRANSPORTACIÓN DE CCC.- CCC posee tres plantas de ensamblado de
microcomputadoras. La que se encuentra localizada en San Francisco tiene una capacidad de
producción mensual de 1700 unidades, la que está localizada en Los Ángeles tiene una capacidad
de producción mensual de 2000 unidades y la de Phoenix tiene una capacidad de producción
mensual de 1700 unidades. Las microcomputadoras son vendidas a través de tiendas al
menudeo. Para el mes siguiente, la tienda que se encuentra en San Diego ha hecho un pedido de
1700 unidades, la que está en Barstow tiene un pedido de 1000 unidades, la de Tucson ha pedido
1500 unidades y la situada en Dallas tiene un pedido de 1200 unidades. El costo de envío de una
microcomputadora desde cada planta de ensamblado a cada una de las diferentes tiendas
detallistas se presenta en la tabla 1. Como gerente de distribución, usted desea formular un
modelo matemático para encontrar el programa de envíos de menor costo.
Tabla 1. Costos de embarque ($/maquina) de plantas a tiendas
TIENDAS
PLANTAS SAN DIEGO BARSTOW TUCSON DALLAS
San francisco 5 3 2 6
Los Angeles 4 7 8 10
Phoenix 6 5 3 8
Figura 2. La red de distribución de CCC
Xss, xsb, xst, xsd, xls, xlb, xlt, xld, xps, xpb, xpt, xpd > 0 y enteras
USO DE LA COMPUTADORA
En la presente sección, aprenderá cómo es utilizado el software winQSB para resolver problemas
de transportación.
1. Elija la opción Network Modelling
2. Seleccione la opción Transportation Problem
3. Ingrese la información del problema:
La primera parte del informe trata sobre la planta localizada en San Francisco (Source 1), la
segunda sección de dicho informe trata sobre la planta situada en Los Ángeles (Source 2) y la
tercera sección trata sobre la planta de Phoenix (Source 3).
De la columna “Shipment”, se puede ver que es óptimo embarcar 700 computadoras desde San
Francisco a Barstow, 1 000 a Dallas y ninguna a San Diego ni a Tucson. De la misma manera, es
óptimo enviar 1700 computadoras de Los Ángeles a San Diego, 300 a Barstow y ninguna a Dallas
ni a Tucson. De la misma columna de la tercera sección del informe, es óptimo enviar 200
computadoras desde Phoenix a Dallas, 1500 a Tucson y ninguna a San Diego ni a Barstow.
La columna etiquetada “Unit Cost” en el informe representa el costo de transportación original por
cada unidad embarcada desde la correspondiente planta a la tienda al menudeo. La columna
etiquetada '”Total Cost” es el costo total del envío del número de unidades de la columna
etiquetada con el término “Shipment” en esa celda, es decir 'Shipment' * 'Unit Cost'.
El costo total de embarque es de $23 100.
22. Una empresa contratista tiene que acarrear grava a tres construcciones. Puede comprar
hasta 18 toneladas en una cantera al norte de la ciudad y 14 toneladas en otra al sur.
Necesita 10, 5 y 10 toneladas en las respectivas construcciones 1, 2 y 3. El precio de compra
por tonelada en cada cantera y los costos de acarreo son los siguientes:
Costo por tonelada acarreada ($) Precio por
Cantera tonela
1 2 3 da
Norte 30 60 50 100
Sur 60 30 40 120
La empresa contratista desea determinar cuantas toneladas de grava debe acarrear de cada
cantera a cada construcción de manera que se minimice el costo total de compra y acarreo
de la grava.
151 Facultad de Ingeniería de Minas
Universidad Nacional del Altiplano
Derechos Reservados © MCA-FIM 2012
MSc Ing Mario Cuentas Alvarado
Restricciones de demanda
N1 + S1 = 10 (Construcción 1)
N2 + S2 = 5 (Construcción 2)
N3 + S3 = 10 (Construcción 3)
Restricciones lógicas
N1, N2, N3, S1, S2 y S3 > 0 y enteras
23. Un fabricante de muebles tiene tres plantas que requieren semanalmente 500, 700 y 600
toneladas de madera. El fabricante puede comprar la madera a 3 compañías madereras. Los
primeros dos fabricantes de madera tienen virtualmente un suministro ilimitado, mientras que
por compromisos, el tercer fabricante no puede surtir más de 500 toneladas pos semana. El
primer fabricante de madera usa el ferrocarril como medio de transporte y no hay límite de
peso que pueda enviar a las fábricas de muebles. Por otra parte, las otras dos compañías
madereras usan camiones, lo cual limita a 200 toneladas el peso máximo que pueden enviar
a cualquiera de las fábricas de muebles. En la siguiente tabla se da el costo de transporte de
las compañías madereras a las fabricas de muebles ($/ton):
Solución
Antes de formular el modelo, dibujaremos un diagrama de redes que nos ayude a visualizar la
información y los datos del problema:
d) Restricciones lógicas
XC1F1, XC1F2 , XC1F3 , XC2F1 , XC2F2 , XC2F3 , XC3F1 , XC3F2 y XC3F3 >= 0
Donde:
XC1F1 = El numero de toneladas de madera transportadas de la compañía maderera 1 a la fábrica de
muebles 1 por semana.
XC1F2 = El numero de toneladas de madera transportadas de la compañía maderera 1 a la fábrica de
muebles 2 por semana.
XC1F3 = El numero de toneladas de madera transportadas de la compañía maderera 1 a la fábrica de
muebles 3 por semana.
XC2F1 = El numero de toneladas de madera transportadas de la compañía maderera 2 a la fábrica de
muebles 1 por semana.
XC2F2 = El numero de toneladas de madera transportadas de la compañía maderera 2 a la fábrica de
muebles 2 por semana.
XC2F3 = El numero de toneladas de madera transportadas de la compañía maderera 2 a la fábrica de
muebles 3 por semana.
XC3F1 = El numero de toneladas de madera transportadas de la compañía maderera 3 a la fábrica de
muebles 1 por semana.
XC3F2 = El numero de toneladas de madera transportadas de la compañía maderera 3 a la fábrica de
muebles 2 por semana.
XC3F3 = El numero de toneladas de madera transportadas de la compañía maderera 3 a la fábrica de
muebles 3 por semana.
M significa una cantidad sin límite o una cantidad muy grande.
EL PROBLEMA DE ASIGNACIÓN
En muchos problemas de decisión es necesario asignar un elemento a un grupo (como una
maquina, un empleado, etc.) a un elemento de un segundo grupo (como una tarea, un proyecto,
etc.). Considere, por ejemplo, asignar trabajaos a maquinas en una planta industrial, asignar
representantes de ventas a territorios o asignar investigadores a proyectos.
Al hacerse una asignación, a menudo debe cumplirse dos condiciones:
1. cada elemento del primer grupo debe asignarse a exactamente un elemento del segundo
grupo.
2. cada elemento del segundo grupo debe asignarse a exactamente un elemento del primer
grupo.
Debido a que cada pareja asignada existe un “costo” asociado, por ejemplo, la cantidad de tiempo
que toma una tarea asignada a una maquina particular, el objetivo es elegir asignaciones que
minimicen el costo total.
Para satisfacer estas dos condiciones de asignación, el numero de elementos de cada grupo debe
ser el mismo. Un problema de este tipo se denomina problema de asignación equilibrado.
EL PROBLEMA DE ASIGNACIÓN DE CONTAINERS INC. Containers,Inc., fabrica contenedores
de muchos tamaños y formas. Recientemente ha recibido pedidos para producir diversas
cantidades de contenedores de cocinas de cinco diferentes tamaños. Cada tamaño de
contenedor puede producirse en cualquiera de cuatro máquinas. Debido a las distintas
tecnologías y tiempos de disposición, el número total de horas, incluyendo el tiempo de
disposición, necesarias para procesar cada tamaño de contenedor en cada máquina varía, como
se muestra en la tabla 2. En la tabla, el tamaño del contenedor se indica en la primera columna
mediante su altura y diámetro en pulgadas.
Adecuar una máquina para que cambie el tamaño de un contenedor toma largo tiempo, así que la
gerencia ha decidido que cada máquina producirá contenedores de un solo tamaño. Por tanto,
sólo se producirán cuatro de los cinco tamaños en las cuatro máquinas disponibles dentro de la
fecha límite asignado. Como los ingresos por cada tamaño de contenedor son aproximadamente
iguales, la gerencia de Containers, Inc., es indiferente en cuanto a cuál de los cinco pedidos no
satisfacer. Como gerente del departamento de producción, se le ha pedido determinar cuáles
cuatro de los cinco pedidos aceptar y desarrollar un plan de producción que minimice el tiempo de
procesamiento total para satisfacer esos pedidos.
En este problema, puede reconocerlas características de un problema de asignación. Tiene que
asignar un elemento de un grupo, esto es, un pedido de uno de los cinco tamaños, a un elemento
de un segundo grupo, es decir, las máquinas. En este caso, el problema es desequilibrado porque
hay cinco pedidos para sólo cuatro máquinas. Para resolver este problema, se puede hacer lo
siguiente:
1. Añada tantos elementos figurados a uno de los grupos como sea necesario para igualar el
tamaño de los dos grupos.
2. Por cada elemento figurado, identifique un costo apropiado asociado con la asignación de
cada elemento del otro grupo a este elemento figurado.
En cuanto al problema de Containers, Inc., es necesario añadir una máquina figurada. Ahora hay
cinco pedidos y cinco máquinas, dando como resultado un problema de asignación equilibrado.
Recuerde que la máquina 5, de hecho, no existe. Los contenedores asignados a esta máquina no
son producidos y por tanto, no contribuyen en nada al tiempo total de procesamiento. Los datos
para el problema de asignación se muestran en la tabla 3.
Tabla 2. Tiempo total de procesamiento (hr) para producir cada tamaño de contenedor en cada
maquina
TAMAÑO DEL MAQUINA
CONTENEDOR 1 2 3 4
3X4 25 20 28 30
4X6 24 22 25 23
6X8 30 30 28 25
8 X 12 38 32 30 30
12 X 18 40 40 28 30
Tabla 3. Tiempo total de procesamiento (hr) para producir cada tamaño de contenedor en cada
maquina incluyendo la maquina figurada 5
TAMAÑO MAQUINA
CONTENEDOR 1 2 3 4 5
3X4 25 20 28 30 0
4X6 24 22 25 23 0
6X8 30 30 28 25 0
8 X 12 38 32 30 30 0
12 X 18 40 40 28 30 0
Figura 3. Representación de la red del problema de asignación
Como resultado se tiene un tiempo total de procesamiento de 97 horas. Observe que el pedido 4
no esta satisfecho porque se le asigno la maquina figurada 5.
42. Arthur J. Big and Company es una compañía de contabilidad que tiene un especialista en
impuestos en cada una de sus oficinas en Washington, D.C., Cleveland, Louisville y Atlanta.
La oficina central ha recibido una solicitud para un especialista en impuestos de cada uno de
sus clientes de Columbus, Nashville, Charleston y Pittsburg. Los costos de viajes son
proporcionales a las distancias, que se dan (en millas) en la siguiente tabla:
Hacia
Desde Columbus Nashville Charleston Pittsburgh
Washington 431 659 342 247
Cleveland 140 533 248 129
Louisville 214 174 259 393
Atlanta 585 246 501 683
a. Dibuje una red de distribución que indique los suministros, demandas y otros datos
relevantes apropiados (2 ptos).
b. Como socio general de la compañía, formule un modelo matemático para determinar como
enviar un especialista a cada ciudad para minimizar los costos totales de viaje (4 ptos).
Minimizar 431WCo + 659WN + 342WCh + 247WP + 140 CCo + 533 CN + 248 CCh + 129CP +
214LCo + 174LN + 259LCh + 393LP + 585ACo + 246AN + 501Ach + 683AP
Sujeto a:
Restricciones de disponibilidad
WCo + WN + WCh + WP = 1
CCo + CN + CCh + CP = 1
LCo + LN + LCh + LP = 1
ACo + AN + ACh + AP = 1
Restricciones de demanda
WCo + CCo + LCo + ACo = 1
WN + CN+ LN + AN = 1
WCh + CCh + LCh + ACh = 1
WP+ CP + LP + AP = 1
Restricciones lógicas
WCo, WN, WCh, WP, CCo, CN, CCh, CP, LCo, LN, LCh, LP, ACo, AN, Ac y, AP >= 0 y
enteros.
41. Mining Machinery Inc. renta equipo especializado de perforación a empresas mineras.
Actualmente hay tres perforadoras Jumbo ubicadas en Lima, dos en Arequipa y tres en
Cajamarca. Hay un centro minero en Puno que requieren cuatro maquinas. En centros
mineros de Ancash y Cerro de Pasco se necesita en cada uno dos máquinas. El costo en
dólares de enviar una máquina de cada ciudad a cada centro minero se muestra en la
siguiente tabla:
HACIA
DESDE Cerro de Ancash Puno
Pasco
Lima 900 1000 1600
b) (4 ptos) Formule un modelo matemático para determinar cuantas maquinas deberían enviarse
desde cada ciudad a cada centro minero para incurrir en el mínimo costo.
Paso 1: Identificación de las variables de decisión
LCp = el número de perforadoras enviadas de Lima a Cerro de Pasco
LAn = el número de perforadoras enviadas de Lima a Ancash
LP = el número de perforadoras enviadas de Lima a Puno
ACp = el número de perforadoras enviadas de Arequipa a Cerro de Pasco
AAn = el número de perforadoras enviadas de Arequipa a Ancash
AP = el número de perforadoras enviadas de Arequipa a Puno
CCp = el número de perforadoras enviadas de Cajamarca a Cerro de Pasco
Can = el número de perforadoras enviadas de Cajamarca a Ancash
CP = el número de perforadoras enviadas de Cajamarca a Puno
Paso 2: Identificación de los datos del problema
Son mostradas en la tabla
Paso 3 Identificación de la función objetivo
FV: Minimizar el costo de enviar las perforadoras a los Centros Mineros
D : Minimizar (costo de envío de Lima a Cerro de Pasco + costo de envío de Lima a Ancash + costo
de envío de Lima a Puno + costo de envío de Arequipa a Cerro de Pasco + costo de envío de
Arequipa a Ancash + costo de envío de Arequipa a Puno + costo de envío de Cajamarca a Cerro
de Pasco + costo de envío de Cajamarca a Ancash + costo de envío de Cajamarca a Puno )
FM: Minimizar 900LCp + 1000 LAn + 1600LP + 1400ACp + 1500AAn + 1000AP + 1200CCp + 1400CAn
+ 2500CP
Paso 4 Identificación de las restricciones
e) Existencia de perforadoras en Lima
FV: El número de perforadoras existentes en Lima es 3
D : (perforadoras a enviar a Cerro de Pasco + perforadoras a enviar a Ancash + perforadoras a enviar
a Puno) igual a 3
FM: LCp + LAn + LP = 3
161 Facultad de Ingeniería de Minas
Universidad Nacional del Altiplano
Derechos Reservados © MCA-FIM 2012
MSc Ing Mario Cuentas Alvarado
24. La compañía Estructuras Mineras SA compró tres máquinas nuevas de diferentes tipos.
Existen cuatro sitios disponibles dentro del taller en donde se podría instalar una máquina.
Algunos de ellos son más adecuados que otros para ciertas máquinas en particular por su
cercanía a los centros de trabajo que tendrían un flujo intenso de trabajo hacia y desde estas
máquinas (No habrá flujos de trabajos entre las nuevas máquinas) Por tanto, el objetivo es
asignar las nuevas máquinas a los lugares disponibles de manera que se minimice el costo
total de manejo de materiales.
En la tabla se muestra el costo estimado por unidad de tiempo de manejo de los materiales
en cuestión, con cada una de las máquinas en los sitios respectivos. El lugar 2 no se
considera adecuado para la máquina 2 por lo que no se proporciona un costo para este caso.
Ubicación
1 2 3 4
Máquina 1 13 16 12 11
Máquina 2 15 - 13 20
Máquina 3 5 7 10 6
Asigne las máquinas a sus nuevas ubicaciones, buscando un costo mínimo de manejo de
materiales.
a. Dibuje la representación de red para este problema. (2 puntos)
a) Restricciones de Maquinas
M1U1 + M1U2 + M1U3 + M1U4 = 1
M2U1 + M2U3 + M2U4 = 1
M3U1 + M3U2 + M3U3 + M3U4 = 1
b) Restricciones de Ubicaciones
M1U1 + M2U1 + M3U1 = 1
M1U2 + M3U2 = 1
M1U3 + M2U3 + M3U3 = 1
M1U4 + M2U4 + M3U4 = 1
c) Restricciones lógicas
M1U1, M1U2, M1U3, M1U4, M2U1, M2U3, M2U4, M3U1, M3U2, M3U3 Y M3U4 de tipo binario
Paso 5 Formulación matemática del modelo
Minimizar 13M1U1 + 16M1U2 +12M1U3 + 11M1U4 + 15M2U1 + 13M2U3 + 20M2U4 + 5M3U1
+7M3U2 +10M3U3 + 6M3U4
Dependiendo de:
M1U1 + M1U2 + M1U3 + M1U4 = 1
M2U1 + M2U3 + M2U4 = 1
M3U1 + M3U2 + M3U3 + M3U4 = 1
M1U1 + M2U1 + M3U1 = 1
M1U2 + M3U2 = 1
M1U3 + M2U3 + M3U3 = 1
M1U4 + M2U4 + M3U4 = 1
Restricciones lógicas
M1U1, M1U2, M1U3, M1U4, M2U1, M2U3, M2U4, M3U1, M3U2, M3U3 Y M3U4 de tipo binario
EL PROBLEMA DE TRANSBORDO
PROBLEMA DE DISTRIBUCIÓN DE MEDICAL TECHNOLOGIES, INC. Medical Technologies,
Inc. (MTI), es una empresa fabricante y distribuidora internacional de equipo de rayos X de alta
resolución que se utiliza en hospitales. La planta que tienen en Paris, Texas, puede producir hasta
100 máquinas por año; la que se encuentra en Davenport, Iowa, produce hasta 200 máquinas y la
planta de Springfield, Oregon, puede producir hasta 150 máquinas. Para el año siguiente, sus
clientes en Japón han pedido 120 máquinas, los de Corea del Sur ordenaron 80 máquinas, los de
Nueva Zelanda 70 y los de Australia 110 máquinas.
El equipo producido en Texas y en Iowa puede ser enviado a los almacenes regionales situados
en Hungría y/o en Hawai. Los almacenes regionales, a su vez, pueden enviar a cualquiera de los
almacenes de campo situados en Fiji y en las Filipinas. Ninguno de los almacenes regionales
almacena máquinas en inventario, por consiguiente deben enviar todas las máquinas que reciben.
Los clientes de Corea del Sur y de Nueva Zelanda pueden recibir máquinas de cualquiera de los
almacenes de campo. Sin embargo, debido a los tratados de comercio internacionales, los
clientes del Japón deben obtener sus máquinas exclusivamente de las Filipinas, y los de Australia
deben recibir las suyas solamente de las Fiji. Los costos de envío por máquina desde las plantas
a los almacenes regionales, a los almacenes de campo y, finalmente, a los clientes se dan En las
tablas 4, 5 y 6, respectivamente. Como gerente de distribución, se le ha pedido a usted que
determine el plan de embarque con el mínimo costo total.
Tabla 4. Costos de embarque ($/maquina) de plantas a almacenes regionales
ALMACENES REGIONALES
PLANTAS HUNGRIA HAWAI
Texas 200 400
Oregon N/A 80
Tabla 8. Plan de embarque de almacenes regionales a almacenes de campo
ALMACENES REGIONALES
ALMACENES REGIONALES FILIPINAS FIJI
Hungría 100 0
Hawai 20 260
Tabla 9. Plan de embarque de almacenes de campo a clientes
ALMACENES CLIENTES
DE CAMPO JAPÓN COREA DEL SUR NUEVA ZELANDA AUSTRALIA
Filipinas 120 0 0 N/A
Fiji N/A 80 70 110
El costo total es de $ 579 000.
Resumen del problema de transbordo
El problema de transbordo es un problema de red de distribución que involucro nodos de
suministro, transbordo y demanda. Los arcos que conectan las parejas de estos nodos tienen
capacidades en forma de límites inferiores y superiores sobre las cantidades embarcadas a lo
largo de esos arcos. Cuando los nodos tienen capacidades, sin embargo, es necesario crear una
red modificada que pueda resolverse mediante un programa de computadora. Las capacidades
en los nodos en la red original se transforman en capacidades en los arcos en la red modificada.
CAPITULO VI
ADMINISTRACIÓN DE PROYECTOS:
PERT - CPM
En este capítulo se presenta una técnica de la ciencia administrativa que ayuda a comprobar y
controlar un proyecto que involucra numerosas tareas interrelacionadas. La supervisión de estos
proyectos requiere muchas habilidades administrativas, una de las cuales es mantener el proyecto
acorde a un programa. La ciencia de la administración puede ayudar a esto proporcionando
respuestas a preguntas como:
1. ¿Cuándo sería lo más pronto que el proyecto pudiera estar terminado?
2. Para cumplir con este tiempo de conclusión, ¿qué tareas son críticas, en el sentido de
que un retraso en cualquiera de esas tareas provoca un retraso en la conclusión de todo
el proyecto?
3. ¿Es posible acelerar ciertas tareas para terminar todo el proyecto más pronto? Si es así,
¿qué tareas serían éstas y cuál sería el costo adicional?
Cuando un proyecto implica unas cuantas tareas, las respuestas a estas preguntas a menudo
pueden encontrarse con poco esfuerzo. Sin embargo, cuando la planeación de un proyecto
implica cientos o miles de tareas interrelacionadas que deben ser realizadas por distintas
personas, las herramientas de la ciencia de la administración presentadas en este capítulo
proporcionan una forma sistemática no sólo de responder estas preguntas, sino también dar
seguimiento al proyecto a lo largo de su duración.
Las técnicas de administración de proyecto presentadas en este capítulo fueron desarrolladas
independientemente por dos equipos de investigadores a mediados de los años cincuenta.
Dupont Company creó la primera técnica, llamada Método de ruta crítica (CPM)5, para
administrar proyectos en los que el tiempo requerido para completar las tareas individuales se
conocía con relativa certeza. La Marina de los EE.UU. desarrolló la segunda técnica, denominada
la Técnica de evaluación y revisión de proyecto (PERT) 6, para administrar el proyecto de
misiles Polaris, que implicaba aproximadamente 500 tareas y varios miles de subcontratistas. El
tiempo requerido para completar muchas de esas tareas era incierto. Estas dos técnicas son
similares excepto que CPM se utiliza para administrar proyectos que implican tiempos de tarea
determinados y PERT se usa para aquellos que implican tiempos probables de tarea.
DESARROLLO DE LA RED DE PROYECTOS
5
Método utilizado para administrar proyectos en que los tiempos requeridos para terminar las tareas
individuales se conocen con relativa certeza.
6
Método utilizado para administrar proyectos en los que los tiempos requeridos para completar las tareas
individuales son inciertos.
169 Facultad de Ingeniería de Minas
Universidad Nacional del Altiplano
Derechos Reservados © MCA-FIM 2012
CAPITULO II: CONSTRUCCION DE MODELOS DETERMINISTICOS
Aun cuando el orden de las tareas de esta tabla es indiferente, es importante incluir todas las
tareas relevantes desde el principio. Si surgen tareas inesperadas en el curso del proyecto,
pueden ocurrir retrasos por la prisa en terminarlas.
Obtención de estimaciones de tiempo para cada tarea
Debe estar claro que el tiempo total que lleva completar todo el proyecto depende, de alguna
manera, en cuánto tiempo lleva realizar cada tarea individual. Por tanto, se hace necesario
obtener algunas estimaciones de la cantidad de tiempo requerida para completar cada tarea.
Puede desarrollarse una estimación haciendo lo siguiente:
1. Confiando en experiencias pasadas en proyectos similares.
2. Consultando con las personas a cargo de cada tarea individual.
3. Usando datos anteriores.
Suponga que ha obtenido las estimaciones de tiempo para las tareas de este proyecto particular
después de consultar a los miembros apropiados de cada departamento de mina.
Tabla 2 Estimación de tiempo para las tareas
Para este proyecto, puede sentir que el tiempo requerido para concluir cada tarea se conoce
bastante bien sin ninguna variabilidad significativa. Otros proyectos implican tareas cuyo tiempo
de conclusión es incierto o debe estimarse con una cantidad significativa de incertidumbre.
Creación de la tabla de precedencia para el proyecto
Como se observó anteriormente, la cantidad de tiempo que toma terminar un proyecto completo
se basa en los tiempos de conclusión de las tareas individuales. Sin embargo, el tiempo de
conclusión total no es igual a la suma de los tiempos de las tareas individuales porque algunas
tareas pueden realizarse simultáneamente. Otras tareas, sin embargo, no pueden comenzar
171 Facultad de Ingeniería de Minas
Universidad Nacional del Altiplano
Derechos Reservados © MCA-FIM 2012
CAPITULO II: CONSTRUCCION DE MODELOS DETERMINISTICOS
hasta que ciertas tareas anteriores no hayan sido concluidas. Para determinar la cantidad de
tiempo mínima requerida para concluir el proyecto total, debe primero comprender cómo se
relacionan las tareas individuales entre sí. Debe identificar qué tarea(s) debe(n) terminarse antes
de que otra tarea comience.
La lista de predecesoras inmediatas de una tarea particular de interés incluye aquellas tareas que:
deben terminarse antes de que la tarea de interés pueda comenzar y
no dependen para su inicio de la conclusión de cualquier otra tarea inmediatamente
predecesora de esta lista.
De todas las tareas que deben terminarse antes de que pueda iniciarse una tarea dada, usted
necesita identificar sólo las tareas inmediatamente predecesoras7. Hacerlo requiere conocer el
proyecto particular y la forma en que las tareas están relacionadas
Tabla 3 Tabla de precedencia8 para las tareas
7
Una tarea que debe concluirse antes de que la tarea de interés pueda iniciarse y que no depende para su
inicio de la conclusión de cualquier otra tarea inmediatamente predecesora de esta lista.
8
Una tabla que enumera las predecesoras inmediatas para cada tarea.
9
Un diagrama de red que consiste en una colección finita de nodos y arcos usados para representar las
tareas y sus relaciones de precedencia en un proyecto.
10
Una convención usada en un diagrama de red de proyecto en la que cada arco corresponde a una de las
actividades y los dos nodos conectados por ese arco representan el inicio y fin de esa actividad.
172 Facultad de Ingeniería de Minas
Universidad Nacional del Altiplano
Derechos Reservados © MCA-FIM 2012
INVESTIGACION DE OPERACIONES EN MINERIA
2. Representación de actividad en nodo 11: en este enfoque, cada nodo representa una de
las tareas (o actividad); un arco conecta dos nodos si un nodo corresponde a una tarea
inmediatamente predecesora del otro nodo.
Puede adaptarse cualquier enfoque para dibujar la red de proyecto. Del siguiente procedimiento
de solución depende cuál se elija. Sólo asegúrese de que el paquete de computadora disponible
para la administración del proyecto puede manejar el enfoque elegido para trazar la red del
proyecto.
Gráficamente la actividad se representa mediante dos figuras:
ARCO
Orientando de izquierda a derecha, significa la ejecución del trabajo. La longitud del arco no es
vectorial y no siempre es recto.
NODOS
A estos se les denomina sucesos, eventos o nudos, inicial y final respectivamente, indican el inicio y la
finalización de la actividad y sirve como punto de control de la ejecución de los trabajos. Una actividad debe
estar terminada para que la subsiguiente pueda empezar.
Ejemplos:
Fig. 2 Fig. 3
En la figura 1 se puede observar que el arco no tiene un sentido vectorial, sino que es
simplemente una progresión de tiempo .En la figura 2 se muestra que todas las actividades tienen
sus sucesos iniciales y finales, siendo que el suceso final de la actividad precedente es el mismo
suceso inicial de la subsiguiente - Además puede distinguirse que el primer suceso inicial del
proyecto no posee una actividad que la preceda y el ultimo suceso final no tiene una tarea que la
subsiga.
ARCO FICTICIO
Se indica por medio de un arco de trazos, que se denomina también "dummy", sirve para denotar
una relación de precedencia entre dos actividades, pero no por que necesariamente requiere un
trabajo previo, ni tiempo, sino por instancias especiales.
Fig. 4
11
Una convención usada en un diagrama de red de proyecto en la que cada nodo representa una tarea, y un
arco conecta dos nodos si un nodo corresponde a una tarea inmediatamente predecesora del otro nodo.
173 Facultad de Ingeniería de Minas
Universidad Nacional del Altiplano
Derechos Reservados © MCA-FIM 2012
CAPITULO II: CONSTRUCCION DE MODELOS DETERMINISTICOS
b) Evite los ciclos en los que dos mismos nodos son conectados por más de un arco.
c) Cuando no exista ningún nodo que represente la conclusión de todas las predecesoras
inmediatas de la nueva tarea a ser añadida, considere la combinación de nodos, la adición de
actividades figuradas o de nodos (y actividades) figurados.
d) Al completarse, combine todos los nodos terminales sin arcos que salgan de ellos hacia un
solo nodo para representar el tiempo en que todo el proyecto se concluya.
e) Use la red de proyecto final para enumerar las predecesoras inmediatas de cada tarea;
después verifique que esas relaciones sean correctas, como se especifica en la tabla de
precedencia.
La red de proyectos para el proyecto de Santa Rosa Mining.
Fig. 8 Tiempos de duración de cada actividad del proyecto Santa Rosa Mining
Para encontrar el tiempo de terminación más corto de todo el proyecto, proceda sistemáticamente
desde el principio, determinando lo siguiente para cada tarea:
1. El tiempo de inicio más temprano (IT) 12, esto es, el tiempo más inmediato en que esa
tarea puede iniciarse.
2. El tiempo de terminación más temprano (TT) 13, esto es, el tiempo más breve en el que
esa tarea puede concluir.
donde:
A : Actividad
i, j : Nodos
El tiempo de terminación más temprana de la tarea final es el tiempo más corto en el que todo el
proyecto puede completarse. (En el caso de que exista más de una tarea terminal, el tiempo de
conclusión más breve de todo el proyecto es el máximo de los tiempos mínimos de terminación
de todas esas tareas.)
Para calcular el tiempo de inicio más temprano para una tarea particular, recuerde el concepto de
las tareas predecesoras inmediatas, esto es, aquellas tareas que deben concluirse antes que la
tarea actual pueda iniciarse. Es necesario saber cuándo termina cada una de estas tareas
predecesoras:
Regla 1. Para calcular el tiempo de inicio más temprano de una tarea particular, debe
conocer los tiempos de terminación más tempranos de cada tarea predecesora inmediata.
Regla 2. El tiempo de inicio más temprano de una tarea de la que se conocen los tiempos
de terminación más tempranos de todas sus tareas predecesoras inmediatas es el máximo
de esos tiempos de terminación más tempranos.
Regla 3. Tiempo de terminación más temprano = (tiempo de inicio más temprano) +
(tiempo de tarea):
TT IT t
12
El tiempo mas cercano en que una tarea posiblemente puede inciarse.
13
El tiempo mas corto en el que una tarea posiblemente puede concluir.
176 Facultad de Ingeniería de Minas
Universidad Nacional del Altiplano
Derechos Reservados © MCA-FIM 2012
INVESTIGACION DE OPERACIONES EN MINERIA
Fig 9. Cálculo de los tiempos de inicio y terminación mas tempranos para el proyecto de Santa Rosa Mining
Pasos para calcular los tiempos de inicio y de terminación más tempranos
Paso 0. Identifique el nodo correspondiente al principio de todo el proyecto.
Calcule y escriba lo siguiente en el nodo inicial:
a. El tiempo de inicio más cercano, esto es, 0 (porque la tarea correspondiente
puede iniciarse inmediatamente).
b. El tiempo de terminación más breve de acuerdo con la regla 3, esto es:
Tiempo de terminación más breve
= (tiempo de inicio más inmediato) + (tiempo de tarea)
= 0 + (tiempo de tarea)
= tiempo de tarea
Paso 1. Seleccione cualquier nodo donde todos los arcos entrantes han sido etiquetados
con sus tiempos de inicio y de terminación más breves.
Paso 2. Para el nodo seleccionado en el paso 1, calcule y escriba lo siguiente junto a cada
arco saliente:
a. El tiempo de inicio más breve de acuerdo con la regla 2, esto es
Tiempo de inicio más inmediato = máximo de los tiempos de terminación
más breves de todos los arcos entrantes
b. El tiempo de terminación más breve de acuerdo con la regla 3, esto es
Tiempo de terminación más breve = (tiempo de inicio más inmediato) +
(tiempo de tarea)
Identificación de las tareas críticas
En esta sección, aprenderá cómo usar la red de proyecto junto con los tiempos de conclusión de
tareas individuales y los tiempos de inicio y terminación más tempranos calculados en 2.1 para
determinar qué tareas son críticas. Crítica significa que un retraso en cualquiera de esas tareas
ocasiona un retraso en todo el proyecto. Los retrasos del proyecto pueden ocasionar costos
adicionales, ingresos perdidos y/o incumplimiento de las obligaciones contractuales. Por ejemplo,
no terminar las labores de preparación e inicio de explotacion de Santa Rosa Mining Corp. a
tiempo puede ocasionar una pérdida sustancial en las ventas de concentrado para el periodo
planeado. Por tanto, como gerente, necesitará comprobar estas tareas críticas estrechamente
para ver que se terminen a tiempo a fin de que el proyecto entero se mantenga en lo programado.
Ahora puede ver que la forma más fácil de identificar las tareas críticas es iniciar al final de la red
y proceder hacia atrás, hacia el principio del proyecto, examinando cada tarea. Determinar cuáles
son críticas, entonces, requiere calcular lo siguiente para cada tarea:
1. El último tiempo de terminación (UT) 14 -es decir, lo más tarde que pueda concluirse una
tarea, mientras permita que el proyecto se complete lo más pronto posible, como se
determinó en la sección 2.1 para el proyecto de Santa Rosa Mining Corp.
2. El último tiempo de inicio (UI) 15 -es decir, lo más tarde que pueda iniciarse una tarea, de
tal forma que finalice en su último tiempo de terminación.
Cualquier actividad cuyo último tiempo de inicio sea igual que su tiempo de inicio más inmediato
calculado en la sección 2.1 es crítica. Esto se debe a que la única forma de mantener el proyecto
a tiempo es iniciar esta tarea exactamente en este tiempo común.
Para calcular el último tiempo de terminación para una tarea particular, observe que un retraso en
esta tarea particular afecta a todas las tareas sucesoras16, es decir, aquellas tareas para las que
una tarea es una predecesora, porque las tareas sucesoras no pueden comenzar sino hasta que
ésta esté terminada. Esta observación da pie a la siguiente regla, que se añade a las tres reglas
presentadas en la sección.2.1:
Regla 4. Para calcular el último tiempo de terminación de una tarea particular, debe
conocer los últimos tiempos de inicio de cada tarea sucesora inmediata.
Regla 5. Respecto a una tarea de la que se conocen los últimos tiempos de inicio de todas
sus tareas sucesoras inmediatas, el último tiempo de terminación de esa tarea es el mínimo
de los últimos tiempos de inicio de todas las tareas sucesoras inmediatas.
Regla 6. Último tiempo de inicio = (último tiempo de terminación) - (tiempo de tarea)
UI UT t
Fig. 10 Cálculo de los últimos tiempos de inicio y terminación para el proyecto de Santa Rosa Mining
Pasos para calcular los últimos tiempos de inicio y terminación
14
Lo más tarde que pueda concluirse una tarea, en tanto permita que el proyecto se complete lo más pronto
posible.
15
Lo más tarde que pueda iniciarse una tarea, pero finalizando dentro de su último tiempo de terminación.
16
Una tarea para la que la tarea de interés es una predecesora.
Las holguras en esta tabla representan la cantidad de tiempo según la cual la tarea
correspondiente puede retrasarse sin retrasar todo el proyecto, suponiendo que todas las demas
tareas se realizan a tiempo. Por ejemplo la Chimenea o coladero de mineral puede comenzar
hasta 89 dias tarde sin retrasar el proyecto.
Tarea crítica es una tarea cuyo tiempo de retraso es 0, lo que indica que cualquier retraso en esta
tarea ocasionara un retraso en la conclusion de todo el proyecto. En el ejemplo son tareas críticas
las tareas E, H, I, J, K, K, L, M y N. Como gerente debe verificar cuidadosamente estas tareas
criticas para mantener el proyecto dentro del calendario.
17
Cantidad de tiempo que una tarea puede retrasarse sin afectar la conclusión del proyecto.
179 Facultad de Ingeniería de Minas
Universidad Nacional del Altiplano
Derechos Reservados © MCA-FIM 2012
CAPITULO II: CONSTRUCCION DE MODELOS DETERMINISTICOS
18
Una secuencia de tareas cr´ticas de un proyecto que conecta el principio del proyecto con el fin.
180 Facultad de Ingeniería de Minas
Universidad Nacional del Altiplano
Derechos Reservados © MCA-FIM 2012
INVESTIGACION DE OPERACIONES EN MINERIA
En el ejemplo de Santa Rosa Mining, suponga que el Gerente General decide que un tiempo de
conclusión de 184 días es demasiado largo. Se le ha pedido hacer recomendaciones sobre cómo
puede acortarse el proyecto a 160 días.
Obtención de datos de costos adicionales para las tareas
¿Qué tareas del proyecto pueden acortarse y en cuánto? Claro está que acortar las tareas
claramente requiere recursos adicionales, como el pago de tiempos extra, personal adicional y/o
subcontrataciones. Por tanto, los primeros pasos son enumerar, para cada tarea:
1. El tiempo de choque, esto es, el tiempo mínimo posible en el que la tarea puede
concluirse de manera realista usando recursos adicionales.
2. El costo de los recursos adicionales necesarios para acortar el tiempo de tarea a cualquier
valor entre sus tiempos normal y de choque.
Para obtener el tiempo de choque, puede consultar con las personas involucradas en la tarea.
Por ejemplo, considere la tarea de la chimenea de acceso en el proyecto de Santa Rosa Mining.
Originalmente se estima que esta tarea requiere 68 días. Sin embargo, después de las
discusiones con el gerente del departamento de diseño, usted descubrió que al contratar algo de
ayuda de tiempo parcial y/o usar tiempos extra, la chimenea de acceso podría terminarse en sólo
64 días, pero no menos. Por tanto, con recursos adicionales, el tiempo de conclusión de esta
tarea puede acortarse en 4 días a un tiempo de choque de 64 días.
El tiempo cuesta dinero. Para establecer cuánto cuesta el tiempo, comience por obtener dos
estimaciones de costo para concluir la tarea en (a) su tiempo normal y (b) su tiempo de choque.
En el proyecto de Santa Rosa Mining, suponga que la chimenea de acceso se estima que cueste
$7200 si se termina en su tiempo normal de 68 días y $7528 si se terminan en su tiempo de
choque de 64 días. De hecho, con una cantidad apropiada de entre $7200 y $7528, puede
concluir esta tarea en cualquier momento entre 68 y 64 días. Sin embargo, la obtención de las
estimaciones de costo para cada tiempo posible entre las 68 y 64 días puede ser difícil, caro y
llevarse tiempo. Una aproximación comúnmente usada es suponer que los costos se comportan
linealmente dentro del intervalo de tiempo dado, como se muestra en la figura 12. Basándose en
esta suposición, un costo por unidad de tiempo aproximado puede calcularse usando la siguiente
fórmula:
En otras palabras, costará $ 82 adicionales por cada día que se acorte esta tarea.
Estos datos y cálculos para cada tarea del proyecto de Santa Rosa Mining se muestran en la tabla
5.
Observe que el costo por unidad de la tarea L, Explotación, no se ha calculado. Esa tarea no
puede acortarse en absoluto.
Tabla 5 Costos de choque para las tareas de Santa Rosa Mining
X0 = el tiempo en que todas las tareas que salen del nodo 0 pueden comenzar
X1 = el tiempo en que todas las tareas que salen del nodo 1 pueden comenzar
X2 = el tiempo en que todas las tareas que salen del nodo 2 pueden comenzar
X3 = el tiempo en que todas las tareas que salen del nodo 3 pueden comenzar
X4 = el tiempo en que todas las tareas que salen del nodo 4 pueden comenzar
X5 = el tiempo en que todas las tareas que salen del nodo 5 pueden comenzar
X6 = el tiempo en que todas las tareas que salen del nodo 6 pueden comenzar
X7 = el tiempo en que todas las tareas que salen del nodo 7 pueden comenzar
X8 = el tiempo en que todas las tareas que salen del nodo 8pueden comenzar
X9 = el tiempo en que todas las tareas que salen del nodo 9 pueden comenzar
X10 = el tiempo en que todas las tareas que salen del nodo 10 pueden comenzar
Con estas variables, ahora es posible especificar que el proyecto puede comenzar en el tiempo 0
y terminar en 160 días con las dos siguientes restricciones:
X0 = 0 (inicio)
X10 <= 160 (finalización)
Todo lo que resta son las restricciones que especifican que una tarea puede comenzar solo
despuers de que sus tareas predecesoras inmediatas hayan concluido. Por ejemplo refiriendose al
nodo 1 de la figura 13, la tarea M puede comenzar solo despues de haber concluido la tarea E.
Como X1 es el tiempo en el que esta tarea puede comenzar, se tiene la siguiente restricción de
nodo:
Tiempo de inicio de las tareas que salen del nodo 1 >= tiempos de terminación de todas las tareas
que entran al nodo 1
Tiempo de inicio de M >= tiempo de terminación de la tarea E
Tiempo de inicio de M >= (tiempo de inicio de la tarea E) + (tiempo acortado de la tarea E)
X1 >= X0 + (68-YE) (tarea A)
De manera similar para el resto de los nodos, tenemos:
X2 >= X0 + (5-YD) (tarea D)
X3 >= X1 + (12-YM) (tarea M)
X4 >= X0 + (18-YF) (tarea F)
X4 >= X3 + 0 (tarea figurada)
X5 >= X4 + (16-YN) (tarea N)
X6 >= X5 + (14-YK) (tarea K)
X6 >= X0 + (21-YG) (tarea G)
X7 >= X6 + (14-YH) (tarea H)
X8 >= X7 + (28-YL) (tarea L)
X8 >= X3 + (40-YB) (tarea B)
X9 >= X8 + (16-YI) (tarea I)
X9 >= X2 + (40-YC) (tarea C)
X10 >= X9 + (16-YJ) (tarea J)
Notemos que por cada tarea real o figurada existe una restricción.
Añadiendo la no negatividad implícita de las variables X, se obtiene el siguiente modelo de
choque completo:
De los valores de las variables Y se puede ver que para terminar el proyecto en el tiempo meta de
160 días, es necesario acortar los tiempos de la tarea E en 13 días, de la tarea H en 2 días, de la
tarea I en 1 día, de la tarea J en 1 día, de la tarea K en 3 días, de la tarea M en 2 días y de la
tarea N en 2 días. El costo total de hacer esto son $ 3,105.59 adicionales.
ADMINISTRACIÓN DE PROYECTOS USANDO TIEMPOS DE TAREA PROBABILISTICOS
(PERT)
Al revisar proyectos, un gerente a menudo encuentra retrasos imprevistos al llevar a cabo las
diferentes tareas, lo cual tiene como resultado un correspondiente retraso en el proyecto
completo. Una manera de manejar tales problemas consiste en tomar en cuenta esta variabilidad
cuando se estiman los tiempos de terminación individuales. En lugar de suponer que los tiempos
de tarea se conocen con certeza, como fue el caso en el ejemplo del proyecto de Santa Rosa
Mining en las secciones 2.1 a 2.4, puede ser más apropiado estimar los tiempos de tarea,
tomando en cuenta la incertidumbre. Para revisar tales proyectos se requiere un análisis
probabilístico, que se describirá en la presente sección. A lo largo de ella, se supone que el lector
conoce las nociones básicas de probabilidad y de estadística.
1.1. Enumeración de las tareas, identificando las relaciones de precedencia y trazando
la red de proyectos
En las secciones 1.1. a 1.4 se ha realizado la enumeración de las tareas del proyecto de Santa
Rosa Mining, identificado las relaciones de precedencia y trazado la red de proyectos.
1.2. Estimación de los tiempos de terminación de tareas
Los tiempos de terminación de estas tareas son bastante variables debido a la incertidumbre de la
obtención de suministros, el mantenimiento de las relaciones laborales, etcétera. Así pues, una
sola estimación del tiempo no es apropiada. Para tomar en cuenta esta variabilidad se requiere el
conocimiento de la distribución de probabilidad de los tiempos de terminación de cada tarea.
Esto, a su vez, requiere el conocimiento de los parámetros de la distribución, entre los que se
encuentran la media y la varianza. La obtención de la distribución y de sus parámetros, a
menudo, es difícil y tardada. Sin embargo, un planteamiento que ha resultado ser conflable en la
práctica consiste en aproximar las distribuciones desconocidas mediante una distribución beta. El
análisis, en la presente sección, no requiere la forma exacta de la distribución, sino solamente del
conocimiento de tres parámetros: el valor mínimo, el valor máximo y el valor más probable,
presentados en la figura 14.
BIBLIOGRAFIA
INVESTIGACIÓN DE OPERACIONES”, Kamlesh Mathur, Daniel Solow, Edit.
Prentice-Hall Hispanoamericana S.A., 1996, México.
“INVESTIGACIÓN DE OPERACIONES”, Hamdy A. Taha, séptima edición, Pearson
Educación de méxico, S.A. de C.V., 2004, México.
“INVESTIGACIÓN DE OPERACIONES: Programación Lineal”, Jorge Alvarez A.,
segunda edición, Edit. América, 1995, Perú.
“MICROSOFT PROJECT 2003 PASO A PASO”, Curso Oficial de Microsoft, Edit.
McGraw-Hill/Interamericana de España, 2003, Madrid.