-
PRIMERA EDICIÓN EBOOKMÉXICO, 2014
INVESTIGACIÓN DE OPERACIONES
Iris Abril Martínez SalazarUniversidad Autónoma de Nuevo
León
Gastón Vértiz CamarónUniversidad Autónoma del Estado de
México
Jesús Fabián López PérezUniversidad Autónoma de Nuevo León
Guillermo Jiménez LozanoUniversidad Nacional de Colombia
Luis Antonio Moncayo MartínezInstituto Tecnológico Autónomo de
México
Colaboración especial
Marco Antonio Montufar BenítezEva Selene Hernández Gress
Universidad Autónoma del Estado de Hidalgo
-
PRIMERA EDICIÓN EBOOKMÉXICO, 2014
GRUPO EDITORIAL PATRIA
INVESTIGACIÓN DE OPERACIONES
Iris Abril Martínez SalazarUniversidad Autónoma de Nuevo
León
Gastón Vértiz CamarónUniversidad Autónoma del Estado de
México
Jesús Fabián López PérezUniversidad Autónoma de Nuevo León
Guillermo Jiménez LozanoUniversidad Nacional de Colombia
Luis Antonio Moncayo MartínezInstituto Tecnológico Autónomo de
México
Colaboración especial
Marco Antonio Montufar BenítezEva Selene Hernández Gress
Universidad Autónoma del Estado de Hidalgo
-
Dirección editorial: Javier Enrique Callejas
Coordinación editorial: Estela Delfín Ramírez
Supervisor de preprensa: Gerardo Briones González
Diseño de interiores y portada: Juan Bernardo Rosado Solís
Ilustraciones: Adrian Zamorategui Berber
Fotografías: © Thinkstockphoto
Diagramación: Gustavo Vargas M. y Jorge Martínez J.
Colaboración especial:
Marco Antonio Montufar Benítez
Eva Selene Hernández Gress
Universidad Autónoma del Estado de Hidalgo
Revisión técnica:
Alejandra Gómez Padilla
Universidad de Guadalajara-CUCEI
Manuel Álvarez Madrigal
Instituto Tecnológico y de Estudios Superiores de
Monterrey-CCM
Investigación de Operaciones
Derechos reservados:
© 2014, Iris Abril Martínez Salazar, Gastón Vértiz Camarón,
Jesús Fabián López Pérez,
Guillermo Jiménez Lozano, Luis Antonio Moncayo Martínez.
© 2014, GRUPO EDITORIAL PATRIA, S.A. DE C.V.
Renacimiento 180, Colonia San Juan Tlihuaca
Delegación Azcapotzalco, Código Postal 02400, México, D.F.
Miembro de la Cámara Nacional de la Industria Editorial
Mexicana
Registro Núm. 43
ISBN ebook: 978-607-438-923-4
Queda prohibida la reproducción o transmisión total o parcial
del contenido de la presente obra
en cualesquiera formas, sean electrónicas o mecánicas, sin el
consentimiento previo y por escrito del editor.
Impreso en México
Printed in Mexico
Primera edición ebook: 2014
info editorialpatria.com.mx
www.editorialpatria.com.mx
-
AgradecimientosA mi familia, por su apoyo incondicional.
A cada una de las personas quienes contribuyeron en el
desarrollo de este libro.
Iris Abril Martínez
Una vez concretado el libro, quiero agradecer de todo corazón a
Grupo Editorial Patria por haberme permitido participar como
autor.
Mi mejor deseo es que mi participación en la obra en realidad
contribuya a la formación de las futuras generaciones de
estudiantes
de las licenciaturas en Ingeniería y Administración y a la mejor
comprensión de los temas de programación lineal que se abordan.
Gastón Vértiz Camarón
En primer lugar a Dios.
A mi madre y a mi hermano.
A mi esposa Albanery, con quien he compartido los mejores
momentos, y espero al máximo los que vienen; “TE QUIERO MUCHO”.
A mi hija Xiomara Alexandra, quien recién comienza su vida
laboral en Bogotá, la cual espero sea demasiado fructífera.
A mi hija Angélica, quien en la actualidad estudia su maestría
en la Universidad de Guadalajara; aspiro a que construya una
magnífica profesión.
A mis hijas les he permitido hacer todo lo que han querido en
materia de estudio.
Todas ellas y ellos son los motores de mi vida.
Gracias a todos…
Guillermo Jiménez Lozano
A Eleonora y Emilio, quienes son mi amores.
A la Asociación Mexicana de Cultura, A.C.
Luis Moncayo Martínez
Agradezco a las siguientes instituciones académicas por su apoyo
al escribir esta obra: Instituto Tecnológico y de Estudios
Superiores de Monterrey (ITESM), Campus Toluca,
Universidad de Lleida, Secretaría de Educación Pública,
Universidad Autónoma del Estado de Hidalgo (UAEH).
Al apoyo editorial encabezado por la Ingeniera Estela Delfín
Ramírez.
Marco A. Montufar B.
A la Universidad Autónoma del Estado de Hidalgo (UAEH), por
permitirme desarrollarme profesionalmente haciendo lo que más me
gusta: impartir clases.
Al maestro Marco Montufar, por invitarme a participar en este
libro.
A mis alumnos por dejarme ver con claridad cuáles son los
requerimientos para que un libro de texto cumpla su función.
A mis padres, por haberme inspirado a ser docente.
A mi esposo, por todo su apoyo y a mis hijos quienes son el
motor de mi vida.
Eva Hernández
-
VII
PresentaciónInvestigación de operaciones. Serie Universitaria
Patria, destacada obra desarrollada por especialistas e
investigadores de importantes universidades de México y Colombia,
consta de cinco unidades y un apéndice, cada una de las cuales está
estructurada con breves explicaciones teóricas, problemas
re-sueltos paso a paso, algunos de estos resueltos con el apoyo de
software especializado, alertas (notas de atención para resolver
los problemas) y problemas para resolver.
La unidad 1 está dedicada a la formulación de modelos
matemáticos utilizados en investigación de operaciones. A lo largo
de esta se listan los principales elementos de los modelos
matemáticos y se describen algunos de los modelos clásicos, a
través de la presentación de ejemplos en los que se ex-plica, paso
a paso, la construcción de estos. Además, también se analizan
diversos tipos de funciones objetivo y de restricciones. Conocer y
comprender la forma en que se modelan distintas situaciones
facilita al lector la formulación de modelos matemáticos que
representen (y apoyen en la solución) del problema bajo
estudio.
La segunda unidad, Programación lineal, tiene como objetivo
presentar la programación lineal continua (PLC) y sus métodos de
solución; en esta, se analiza qué es la PLC, además de que también
se estudian y describen sus prerrequisitos, las formas de
representación de un modelo de PLC, así como los conceptos de
variable de holgura, variable de excedencia, variable artificial y
variable irrestricta. Asimismo, en esta parte se describe el
concepto de solución básica y solución básica factible.
En general, existen varios tipos de modelos de programación
lineal que presentan estructuras especiales, las cuales pueden ser
aprovechadas y explotadas para la construcción de algoritmos más
eficientes, con el fin de obtener cotas de búsqueda en el espacio
solución y, al mismo tiempo, para obtener soluciones factibles de
alta calidad. Inherentemente, la mayor parte de este beneficio
tiene que ver con tomar ventaja de este tipo de estrategias para
atender y resolver problemas de alta di-mensionalidad y escala, y
poder lograr soluciones hasta la optimalidad. Lo anterior no es
trivial, pues en la práctica habitualmente se tienen limitaciones
de tecnología computacional, lo que ha motivado la investigación y
el desarrollo para atender problemas de gran escala. Esto, sin
duda, es en particu-lar aplicable para los modelos de redes que se
exponen en la unidad 3, Aplicación de modelos de redes en la
solución de problemas para la toma de decisiones. Pues, para el
caso de los modelos de redes es posible referenciar históricamente
el problema de transporte. El desarrollo de procedi-mientos de
solución eficientes para este tipo de problemas resultó en la
primera aplicación de amplia utilización de la programación lineal
en el ámbito industrial. En esta unidad se presentan y analizan las
diversas propiedades y variantes que habitualmente se utilizan en
los modelos de redes. Asimismo, aquí se formulan y plantean
diversos ejemplos para estos modelos, al tiempo que también se
presenta su enfoque de solución. De manera muy particular, en esta
obra se exponen y desarrollan variantes de los modelos de redes, en
los cuales se introduce el uso de variables binarias y enteras,
dando lugar al desarrollo de modelos de programación mixta
entera.
La solución de todos los problemas concernientes al problema de
transporte de la unidad 3 se resuelven con la aplicación del
algoritmo simplex, desarrollado en la unidad 2.
La unidad 4, Programación lineal discreta, se divide en seis
partes bien identificadas. En la pri-mera se realiza una
introducción a la programación lineal entera, algoritmo de Gomory,
algoritmo de ramificación y acotamiento (branch and bound ), método
de enumeración exhaustiva (enumeración explícita), cada uno
acompañado con ejemplos de aplicación. La segunda parte comienza
con una introducción a la programación lineal entera binaria y
continúa con la explicación de los métodos de enumeración implícita
cero-uno y aditivo (enumeración) de Egon Balas, con diversas
aplicaciones a través de ejemplos. En la tercera parte se hace una
introducción a la programación lineal entera mixta,
-
VIII
acompañada de ejemplos de aplicación. En la cuarta sección se
realiza una introducción al problema del transporte (distribución),
se muestran los principales métodos de solución, ejemplos de
aplicación, problemas de transporte de maximización, soluciones
degeneradas y problemas del transporte gene-ralizado. La quinta
parte comienza con una introducción al problema de la asignación,
se muestran los principales métodos de solución, ejemplos de
aplicación, problemas de asignación de maximización y problemas de
la asignación generalizada. En la última parte se plantean
problemas de programación lineal entera, programación lineal entera
binaria, programación lineal entera mixta, problema del trans-porte
y problema de la asignación.
Por último, en la unidad 5, Algoritmos especiales: el problema
del transporte, se presenta con detalle el problema del transporte,
donde cada una de sus variantes es un caso especial en la
progra-mación lineal. El problema tiene como objetivo minimizar los
costos de distribución de cierto número de unidades de las fuentes
u orígenes a los destinos. En el modelo más elemental, las fuentes
son entidades que ofertan cierto número de unidades, mientras que
los orígenes reciben cierto número de unidades. Esto implica
considerar que los orígenes son proveedores de unidades y los
destinos las entidades que demandan las primeras. El problema es
muy común en la práctica profesional.
La presente obra también cuenta con un apéndice, cuyo objetivo
principal es introducir al estu-diante en la solución de varios
tipos de problemas cotidianos de programación lineal mediante el
uso del software Solver de Excel; por ejemplo: problemas de
producción, de ruta más corta, de asignación, de transporte y de
flujo máximo. La idea principal de usar Excel es que este programa
constituye una herramienta fácil de entender y usar por la mayoría
de los estudiantes de las diversas carreras de inge-niería y
administración. Su capacidad para comunicar el modelo y su solución
a los interesados es otra de sus cualidades.
Sin duda, con las bases que ofrece Investigación de operaciones.
Serie Universitaria Patria, el alumno será capaz de poner en
práctica otras herramientas computacionales, con el fin de
desarrollar modelos y encontrar su solución, sobre todo en modelos
de gran escala.
Presentación
-
IX
Unidad 1 Modelos matemáticos 1
1.1 ¿Qué es un modelo? 2
1.2 Metodología de la investigación de operaciones 2
1.3 Modelo matemático 3
1.4 Modelos matemáticos clásicos 8
1.5 Modelando con variables enteras 26
Problemas para resolver 29Problema reto 32Referencias
bibliográficas 32
Unidad 2 Programación lineal 33
2.1 Introducción a la programación lineal continua 34
2.2 Método gráfico 40
2.3 Método simplex 44
2.4 Método de la gran M 57
2.5 Método de las dos fases 64
2.6 Método dual simplex 68
Problemas para resolver 74Problemas reto 75Referencias
bibliográficas 77Referencias electrónicas 77
Contenido
-
X
Contenido
Unidad 3 Aplicación de modelos de redes en la solución de
problemas para la toma de decisiones 79
3.1 Ejemplos de modelos de investigación de operaciones para
redes 80
3.2 Modelo de redes para problemas de asignación 80
3.3 Modelo de redes aplicado al problema de programación óptima
de horarios 86
3.4 Modelo de redes aplicado al problema de asignación óptima
unidimensional y bidimensional 88
3.5 Modelos de redes para problemas de transporte 89
3.6 Modelo de redes para el problema de flujo máximo 93
3.7 Modelo de redes para el problema de costo mínimo 94
3.8 Modelo de redes para el problema de la ruta crítica aplicado
en la planificación de proyectos 94
3.9 Modelo de redes aplicado a problemas de costo fijo 95
3.10 Modelo de redes para el problema de agrupamiento óptimo
96
Problemas para resolver 99Problema reto 110Referencias
bibliográficas 110
Unidad 4 Programación lineal discreta 111
4.1 Introducción 112
4.2 Métodos de solución 112
4.3 Programación lineal entera binaria 125
4.4 Programación lineal entera mixta 129
4.5 Problema del transporte o distribución 129
4.6 Problema de asignación o afijación o de nombramientos
135
Problemas para resolver 142Problema reto 148Referencias
bibliográficas 148Referencias electrónicas 148
-
Grupo Editorial Patria©
XI
Unidad 5 Algoritmos especiales: el problema de transporte
149
5.1 Introducción al problema de transporte 150
5.2 Modelo de programación lineal del problema de transporte
151
5.3 Tabla simplex del problema de transporte 154
5.4 Métodos de aproximación para obtener una solución básica
inicial 156
5.5 Métodos para obtener la solución óptima 164
5.6 Problema de asignación 173
5.7 Método para obtener la solución óptima del problema de
asignación 174
5.8 Método húngaro 179
Problemas para resolver 185Problemas reto 187Referencias
bibliográficas 188Referencias electrónicas 188
Apéndice A Aplicaciones de la optimización lineal usando hojas
de cálculo 189
Introducción 190
Solucionadores para hojas de cálculo 190
Solución de problemas de programación lineal (PL) con una hoja
de cálculo 190
Pasos para implementar un modelo de PL en una hoja de cálculo
191
Modelo en hoja de cálculo para el problema de Luisa Caoba
192
Organización de los datos 192
Representación de las variables de decisión 193
Representación de la función objetivo 193
Representación de las restricciones 193
Representación de los límites sobre las variables de decisión
194
❚
❚
❚
❚
❚
❚
❚
-
XII
Contenido
¿Cómo ve Solver el modelo? 194
Usando Solver 195
Definiendo la celda objetivo 196
Definiendo las celdas variables 197
Definiendo las celdas de restricción 197
Definiendo las condiciones de no negatividad 197
Resolviendo el modelo 198
Problema de flujo máximo 199
El modelo en hoja de cálculo y su solución 200
Problema de transporte 202
Problema de asignación 207
Problema de transbordo 212
Problema de ruta más corta 218
Problemas para resolver 223
❚
❚
❚
❚
❚
❚
❚
❚
-
UNIDAD 1
Modelos matemáticos
ObjetivOs
Entenderelconceptodefunciónobjetivo,restricciones,parámetrosyvariables.
Reconocerlosdiferentestiposdevariables.
Entenderelconceptodemodelado.
Entenderlarelaciónentreloselementosdeunmodelomatemático.
Conoceraplicacionesdelosmodelosmatemáticos.
Formularmodelosmatemáticos.
¿Qué sabes?
¿Cuálesladiferenciaentreparámetro,variableycoeficienteenunaecuación?
¿Quéesunasoluciónfactible?
¿Quésonlasrestriccionesycómoafectan?
¿Cómousarnotaciónmatemáticaparaexpresarunasituación?
¿Cómousarálgebrapararepresentarrelaciones?
iris abril Martínez salazar
-
�
Modelos matemáticosUNIDAD 11.1 ¿Qué es un modelo?
Entre las variadas acepciones que hay de la palabra modelo,
citamos la siguiente, de la Real Academia Española, que es la que
más se adecua al objetivo de esta unidad:
Esquema teórico, generalmente en forma matemática, de un sistema
o de una realidad compleja, como la evolución económica de un país,
que se elabora para facilitar su com-prensión y el estudio de su
comportamiento.
Elaborar un modelo de un sistema o realidad compleja suele ser
una tarea ardua y retadora. En la prác-tica, es usual encontrar
modelos desarrollados para representar el comportamiento de alguna
sección del sistema o alguna versión simplificada del mismo.
Por ejemplo, supóngase que se desea saber el modo de acomodar un
conjunto de productos con formas irregulares dentro de cajas de
cartón, con el objetivo de minimizar la cantidad de estas para
empaquetar todos los objetos. Una opción para modelar este
problema, simplificándolo, es considerar a cada objeto como una
figura regular, aunque esto ocasione desperdicio de espacio. Para
ello, se pueden considerar los ejemplos de las figuras 1.1 y
1.2.
1.2 Metodología de la investigación de operaciones
Dada la naturaleza de la investigación de operaciones, la
definición del problema a resolver constituye un paso clave para
que los resultados obtenidos del análisis sean útiles y efectivos
para la empresa. Por tanto, en este paso se deberá definir el
alcance del estudio, la información con que se cuenta y las
restricciones del sistema, entre otros.
Las etapas básicas para aplicar la investigación de operaciones
en la práctica, una vez que se ha identificado y definido el
alcance y las características del problema a resolver, son las
siguientes:
1. Formulación del modelo matemático.
2. Solución del modelo matemático.
3. Validación del modelo.
En esta primera unidad nos centramos en la formulación del
modelo matemático, destacando sus ele-mentos, construcción y
modelos clásicos.
Los otros dos pasos antes mencionados son posteriores a la
formulación del modelo matemático; por tanto, a lo largo de esta
unidad se resaltarán algunas características sobre estos dos
pasos.
Una vez que se ha validado el modelo, se procede a la
implementación de los resultados obteni-dos con el modelo a la
práctica, esperando que estos logren resultados favorables en el
sistema bajo estudio.
Figura 1.1 Objetos.
Figura 1.� Objetos, versión simplificada.
-
Grupo Editorial Patria©
�
1.3 Modelo matemático
Un modelo matemático busca representar una realidad mediante el
uso de relaciones matemáticas, a través de la lógica, con el
objetivo de ayudar en el proceso de toma de decisiones.
En general, un modelo matemático está compuesto de ecuaciones
y/o desigualdades algebraicas.
Una ecuación establece que dos términos son iguales. Esta
igualdad se representa mediante el signo de igual (=) y se
interpreta como: término de la izquierda (es igual a) término de la
derecha.
Los elementos de una ecuación son los siguientes:
Variable. Símbolo (letra) que representa un número que
desconocemos.
Constante. Número que no va acompañado de una variable.
Coeficiente. Número que va acompañado de una variable,
multiplicándola.
Operador. Corresponde a los símbolos que representan una
operación.
Por ejemplo, en la ecuación:
2W - 25Y = 3 050
El coeficiente 2 multiplica a la variable W; de igual manera, el
coeficiente 25 multiplica a la variable Y. El operador es el de
resta y la constante es el número 3 050.
Una desigualdad algebraica puede tener la estructura de una
ecuación, pero representa no igual-dad entre dos términos.
Las relaciones de desigualdad que se pueden tener son:
W < Z denota que W es menor que Z.W > Z representa que W
es mayor que Z.W ≤ Z denota que W es menor o igual que Z; es decir,
puede ser que W < Z o que W = Z.W ≥ Z representa que W es mayor
o igual que Z; es decir, puede ser que W > Z o que W = Z.
elementos de un modelo matemático
Al constituir una herramienta para la toma de decisiones, el
modelo matemático debe necesariamente incluir en su totalidad las
alternativas entre las cuales se deberá tomar la decisión, las
restricciones que existen y la medida con la que se evaluarán las
alternativas, de acuerdo al objetivo que se quiere lograr.
Para explicar los términos alternativas, las restricciones y los
objetivos, primero se analizarán en el contexto de un problema.
■
■
■
■
■
■
■
■
❚
AlertaRecuérdese que W es a lo más Z, W es a lo sumo Z y W es no
más que Z, significan lo mismo; esto es, que W puede tomar un valor
igual que Z o menor a Z.
Problema resuelto
Problema de proyectos de inversión
Imaginemos que ocupamos el puesto de coordinador de proyectos
dentro de una empresa. El gerente general de dicha empresa ha
destinado 100 000 pesos para invertir en los proyectos que generen
be-neficios económicos a esta. Existen tres proyectos en los que se
puede invertir. ¿En cuál(es) proyecto(s) debería invertir la
empresa para obtener los máximos beneficios económicos?
Se tiene la siguiente información sobre los proyectos:
tabla 1.1
Nombre Costo de inversión Beneficio económico
Proyecto A $50 000 $80 000
Proyecto B $70 000 $90 000
Proyecto C $25 000 $30 000
-
�
Modelos matemáticosUNIDAD 1Las acciones que podemos ejecutar
para la resolución de este problema son:
1. No invertir.2. Invertir en el proyecto A.3. Invertir en el
proyecto B.4. Invertir en el proyecto C.5. Invertir en los
proyectos A y B.6. Invertir en los proyectos B y C.7. Invertir en
los proyectos A y C.8. Invertir en los proyectos A, B y C.
¿Cuál de estas acciones se debe tomar?
Para responder a esta pregunta, primero debemos considerar el
objetivo que busca el tomador de decisiones. En este caso, lo que
se pretende es invertir en el (los) proyecto(s) que genere(n) los
máximos beneficios económicos a la empresa.
Solución
tabla 1.�
Acciones Beneficio
1. No invertir 0
2. Invertir en el proyecto A. $80 000
3. Invertir en el proyecto B. $90 000
4. Invertir en el proyecto C. $30 000
5. Invertir en los proyectos A y B. $170 000
6. Invertir en los proyectos B y C. $120 000
7. Invertir en los proyectos A y C. $110 000
8. Invertir en los proyectos A, B y C. $200 000
Basados en el beneficio descrito en la tabla 1.2, la mejor
decisión sería invertir en los tres proyectos con un beneficio de
$200 000. Sin embargo, hay que recordar que existe una restricción
en cuanto al monto de inversión, la cual es una limitante en
nuestro espacio de alternativas. Evaluando el costo de inversión de
cada una de las acciones se tiene:
tabla 1.�
Acciones Costo inversión
1. No invertir 0
2. Invertir en el proyecto A. $50 000
3. Invertir en el proyecto B. $70 000
4. Invertir en el proyecto C. $25 000
5. Invertir en los proyectos A y B. $120 000
6. Invertir en los proyectos B y C. $95 000
7. Invertir en los proyectos A y C. $75 000
8. Invertir en los proyectos A, B y C. $145 000
Por tanto, como se puede comprobar mediante la tabla 1.3, la
opción de invertir en los tres proyectos no es posible, pues excede
en 45 000 pesos el presupuesto de inversión de 100 000 pesos.
Cuando una acción viola alguna restricción, se dice que es no
factible. Las alternativas de solución a este problema son aquellas
acciones factibles, es decir, aquellas que no violan la(s)
restricción(es) del problema. De este modo, las alternativas
factibles del problema son: 1, 2, 3, 4, 6 y 7. Entre las
alternativas, observamos que la opción 6, invertir en los proyectos
B y C, es la que brinda un mayor beneficio eco-nómico. Por lo cual,
el coordinador de proyectos debería invertir en los proyectos B y
C, lo que le daría un beneficio económico de 120 000 pesos.
Solución
-
Grupo Editorial Patria©
�
Construcción de un modelo matemático
En general, un modelo matemático en investigación de operaciones
se representa mediante el si-guiente formato:
Maximizar o minimizar función objetivo.
Sujeto a:
Restricciones.
La función objetivo debe expresar la meta que se quiere lograr:
maximizar ganancia, minimizar cos-tos, minimizar el número de
trabajadores, minimizar el tiempo muerto, minimizar desperdicio,
entre otros.
Las restricciones, por su parte, expresan limitaciones en los
recursos o características de la natu-raleza del sistema a modelar.
La solución obtenida al resolver el modelo debe cumplir con todas
las restricciones.
La información del sistema se expresa a través de parámetros. Un
parámetro es un dato dado con antelación que corresponde a un valor
real (o supuesto) presente en el sistema. Típicamente, los cos-tos,
las demandas de los clientes, las distancias, las capacidades y el
tiempo de procesamiento, entre otros, son vistos como
parámetros.
Las soluciones al sistema están dadas mediante variables,
usualmente llamadas de decisión. Para solucionar el modelo
matemático, siempre es necesario determinar el valor que deberán
tomar las va-riables, que representan aspectos que el tomador de
decisiones puede controlar. Algunos ejemplos de variables son
cantidad de productos a producir, cantidad de productos a enviar a
cada cliente, decisión de instalar o no un almacén en cierta
ubicación, decisión de invertir o no en cierto proyecto, cantidad
de trabajadores a contratar, entre otros.
Existen varios tipos de variables, dependiendo del tipo de valor
que puedan tomar. Las variables continuas pueden tomar valores
fraccionarios, por ejemplo: litros, kilos, pesos. Por su parte, las
varia-bles enteras pueden tomar únicamente valores enteros, por
ejemplo: cantidad de trabajadores a con-tratar, camiones a enviar a
cierto cliente, máquinas a utilizar, etcétera. Las variables
binarias únicamente pueden tomar valor de 0 o 1 y, por lo general,
se utilizan para representar decisiones de hacer o no hacer, por
ejemplo: la decisión de instalar o no un almacén en cierta
ubicación, la decisión de invertir o no en cierto proyecto,
etcétera.
❚
AlertaLa determinación del objetivo a perseguir, las
limitaciones de recursos y la definición de las alternativas de
solución corresponden a la identificación del problema, que es la
primera etapa en la aplicación de la investigación de operaciones
en la práctica.
AlertaLa definición de las variables de decisión es uno de los
pasos críticos y más complicados en la construcción de un modelo
matemático.
Como primer paso, tenemos que establecer los parámetros del
problema.
tabla 1.� Parámetros
Pantalón Falda Disponible
Cantidad de material 2 metros 1.5 metros 50 metros
Tiempo de mano de obra 3 horas 1 hora 8 horas × 5 días = 40
horas
Ganancia 80 50
Solución
Problema resuelto
Una costurera fabrica y vende faldas y pantalones de mezclilla,
para lo cual cada semana compra un rollo de 50 metros de mezclilla.
Para hacer un pantalón requiere 2 metros de tela, mientras que para
una falda, 1.5 metros. Por lo general, ella trabaja ocho horas
diarias, de lunes a viernes. Para hacer un pantalón requiere tres
horas, mientras que hacer una falda le toma una. Un pantalón le
genera 80 pesos de ganancia, mientras que al vender una falda gana
50 pesos. Construir un modelo matemático que permita maximizar la
ganancia semanal de la costurera, consi-derando que todo producto
que fabrique puede venderlo.
-
�
Modelos matemáticosUNIDAD 1El siguiente paso es definir las
variables, recuérdese que estas deben representar lo que
necesitamos determinar. En este caso, la costurera quiere saber la
cantidad de pantalones y faldas que debe fabricar. Por tanto, las
variables deben quedar:
x1 = cantidad de pantalones a fabricar en una semana.
x2 = cantidad de faldas a fabricar en una semana.
Para construir la función objetivo, debemos tomar en cuenta que
la costurera quiere maximizar su ga-nancia semanal. Por tanto,
tomando en cuenta que la ganancia por vender un pantalón es de 80
pesos y por una falda es de 50 pesos. Tenemos que:
Ganancia semanal por venta de pantalones = 80 × x1 pesos.
Ganancia semanal por venta de faldas = 50 × x2 pesos.
Ahora, utilizaremos z para representar la ganancia semanal de la
costurera, resultando la función obje-tivo como:
Maximizar z = 80x1 + 50x2
Después, hay que escribir las restricciones. En este problema,
la costurera tiene restricciones de mate-rial (mezclilla) y mano de
obra.
Restricciones:
1. De mezclilla.
Cantidad de mezclilla usada en pantalones + cantidad de
mezclilla usada en faldas ≤ cantidad de mezclilla disponible.
° Cantidad de mezclilla usada en pantalones = 2 metros por cada
pantalón que se fabrique (la cantidad de pantalones se representa
con la variable x1 ) = 2x1.
° Cantidad de mezclilla usada en faldas = 1.5 metros por cada
falda que se fabrique (la cantidad de pantalones se representa con
la variable x2 ) = 1.5x2.
Por tanto, la restricción de mezclilla resulta:
2x1 + 1.5x2 ≤ 50
2. Mano de obra.
Horas dedicadas a fabricar pantalones + horas dedicadas a
fabricar faldas ≤ horas disponibles
Por ende, la restricción de mano de obra es:
3x1 + 1x2 ≤ 40
Además de las restricciones de material y mano de obra, también
es necesario indicar las restricciones respecto al tipo de variable
con el que se está trabajando. En este caso, al tratarse de
cantidad de pro-ducción, podemos inferir que estas variables deben
ser mayores que cero (no puede haber producción negativa) y entera
(asumiendo que se trata de pantalones y faldas completos). Estas
restricciones se identifican de la siguiente manera: x1, x2 ≥ 0,
enteras. El modelo matemático para representar el problema de la
costurera es:
Maximizar z = 80x1 + 50x2
Sujeto a:
2x1 + 1.5x2 ≤ 50 3x1 + 1x2 ≤ 40
x1, x2 ≥ 0, enteras.
-
Grupo Editorial Patria©
�
Una solución a un modelo matemático debe satisfacer todas las
restricciones del modelo. Retomando el problema de la cos-turera,
la solución de fabricar 15 pantalones y 10 faldas no es factible,
pues aun cuando cumple con la restricción de material (2 × 15 + 1.5
× 10 = 45 ≤ 50) se excede en quince horas del tiem-po semanal
disponible (3 × 15 + 1 × 10 = 55 ≥ 40).
Para obtener la solución óptima (o cercana a la óptima) de un
modelo matemático existen diversos algoritmos y herramien-tas entre
los que se encuentran el método gráfico, el método simplex, los
algoritmos especiales y, de más reciente creación, los algoritmos
metaheurísticos, para la resolución de modelos matemáticos de alta
complejidad.
Como primer paso, debemos definir la información sobre los
parámetros que tenemos y las variables que se requieren.
Parámetros:
Para el problema de proyectos de inversión, los parámetros que
tenemos son el presupuesto para los proyectos, los costos de
inversión y los beneficios económicos de cada proyecto.
En este caso, el presupuesto para los proyectos es: $100
000.
tabla 1.� Información sobre los proyectos
Nombre Costo de inversión Beneficio económico
Proyecto A $50 000 $80 000
Proyecto B $70 000 $90 000
Proyecto C $25 000 $30 000
Variables de decisión:
Lo que queremos saber es en qué proyectos debe invertir el
dinero. Es decir, para cada proyecto, la decisión es invertir o no
invertir en él. Por tanto, se necesita una variable por cada
proyecto, la cual puede tomar únicamente dos valores. Este tipo de
variables de decisión se suele representar como binarias, de la
siguiente manera:
xA
A =10
si se invierte en el proyectoen otro caaso
xB
B =10
si se invierte en el proyectoen otro caaso
xC
C =10
si se invierte en el proyectoen otro caaso
Solución
Problema resuelto
Plantear un modelo matemático que represente el problema de
proyectos de inversión.
Todo modelo matemático debe ser validado, en cuya fase se
analizará si la solución obtenida con el modelo refleja en realidad
lo que ocurre en el sistema. Una vez que el modelo ha sido
validado, se pasa a la fase de implementación, que es la traducción
del modelo (o los resultados del modelo) en el lenguaje del cliente
o dueño del sistema.
Alerta
Es de suma importancia que el modelo matemático incluya la
correcta representación de las restricciones del problema; de otro
modo, se podría excluir del conjunto de soluciones factibles la
solución óptima o la resolución del modelo podrá dar lugar a una
solución que en realidad no es factible.
Alerta
-
�
Modelos matemáticosUNIDAD 1
1.4 Modelos matemáticos clásicos
En esta sección se analizarán algunos de los modelos matemáticos
clásicos.
Problemas de mezcla de productos
En este tipo de problemas se tienen que determinar las
cantidades a fabricar de ciertos productos en algún periodo de
tiempo. Entre las restricciones que se presentan en este tipo de
problemas están la limitación de recursos, de mano de obra,
capacidades de plantas, demanda de productos limitada, entre otros.
El objetivo más común es el de maximizar la ganancia que genera la
venta de productos.
❚
Función objetivo:
Lo que se busca es obtener los máximos beneficios económicos de
las inversiones. Por tanto, la función objetivo deberá tener la
siguiente forma:
Maximizar: Beneficio por invertir en proyecto A + Beneficio por
invertir en el proyecto B + Beneficio por invertir en el proyecto
C.
Tomando la información de los proyectos y las variables de
decisión y utilizando z para representar el beneficio de invertir
en los proyectos, la función objetivo resulta:
Maximizar z = 80 000xA + 90 000xB + 30
000xC.
Restricciones:
1. Del presupuesto de inversión. En este caso, la inversión en
proyectos no debe superar los $100 000 disponibles.
Costo de invertir en proyecto A + Costo de invertir en proyecto
B + Costo de invertir en proyecto C ≤ Presupuesto disponible.
Resultando:
50 000xA + 70 000xB + 25
000xC ≤ 100 000
2. De la naturaleza de las variables. Para este problema, las
variables son binarias, esto se representa de la siguiente
manera:
xA, xB, xC ∈ {0, 1}
Por tanto, el modelo matemático para el problema de proyectos de
inversión resulta:
Maximizar z = 80 000xA + 90 000xB + 30
000xC
Sujeto a:
50 000xA + 70 000xB + 25
000xC ≤ 100 000
xA, xB, xC ∈ {0, 1}
AlertaNo existe una receta para formular modelos matemáticos.
Inclusive, puede existir más de un modelo para representar un
sistema. Una buena forma de aprender a construirlos es analizar y
comprender modelos matemáticos que se encuentran en la literatura
de investigación de operaciones y practicar construyéndolos.
Problema resuelto
Una compañía fabrica tres productos: crema corporal, crema
facial y crema para bebés. Los tres produc-tos comparten
ingredientes en su elaboración: mezcla base, aceite de almendras,
vitamina E y manteca de karité. En la tabla 1.6 se presenta
información acerca de los porcentajes de composición de cada uno de
los tres productos.
-
Grupo Editorial Patria©
�
Parámetros:
Los parámetros de este problema son los costos de cada
ingrediente, los precios de venta, la disponi-bilidad de productos,
los porcentajes de composición de cada producto, la demanda de cada
producto y el mínimo a producir de crema facial.
Variables:
Dado que se desea determinar la cantidad diaria de litros a
producir de cada uno de los productos, las variables de decisión se
definen de la siguiente manera:
x1 = cantidad de litros diarios de crema corporal
x2 = cantidad de litros diarios de crema facial
x3 = cantidad de litros diarios de crema para bebé
Función objetivo:
En este caso, el objetivo es maximizar la utilidad de la
compañía; la utilidad es la diferencia entre los ingresos y los
gastos. En este caso, los ingresos provienen de la venta de litros
de producto, mientras que los gastos se dan a través de los costos
de los ingredientes.
Utilidad = ingresos por ventas - gastos por ingredientes.
Ingresos por ventas = ingreso por ventas de crema corporal +
ingreso por ventas de crema facial + ingreso por ventas de crema
para bebé = 80x1 + 120x2 + 100x3.
Gastos por ingredientes = gasto por uso de mezcla base + gasto
por uso de aceite de almendras + gas-to por uso de vitamina E +
gasto por uso de manteca de karité = 20(0.9x1 + 0.85x2 + 0.8x3 ) +
500(0.04x1 + 0.08x2 + 0.1x3 ) + 1
500(0.01x1 + 0.025x2 ) + 200(0.05x1 + 0.045x2 + 0.1x3 ).
Si representamos la utilidad diaria por z, tenemos la siguiente
función objetivo:
Maximizar z = 17x1 + 16.5x2 + 14x3
Solución
tabla 1.�
Mezcla base
Aceite de almendras
Vitamina E
Manteca de karité
Crema corporal 90% 4% 1% 5%
Crema facial 85% 8% 2.5% 4.5%
Crema para bebé 80% 10% - 10%
Cada día, la compañía cuenta con 500 litros de la mezcla base,
50 litros de aceite de almendras, 5 litros de vitamina E y 30
litros de manteca de karité. Adicionalmente, se tiene la siguiente
información sobre costos y precios de venta.
tabla 1.� tabla 1.�
Ingrediente Costo por litro Producto Precio de venta ($ / l)
Mezcla base $20 Crema corporal $80
Aceite de almendras $500 Crema facial $120
Vitamina E $1 500 Crema para bebé $100
Manteca de karité $200
La demanda diaria de la crema corporal es de 200 litros, de la
crema facial, 150 litros, y de la crema para bebé, de 250 litros.
Por políticas de la empresa, se deben fabricar al menos 50 litros
de crema facial. ¿Cuánto de cada producto deberá producir la
compañía para maximizar su utilidad?
-
10
Modelos matemáticosUNIDAD 1
Problemas de planificación de procesos productivos
Los problemas de planificación de procesos productivos
involucran la determinación de niveles de producción, fuerza de
trabajo, inventario, tiempo extra y subcontrataciones, entre otros,
con el fin de determinar el plan estratégico para los distintos
periodos de planeación de la compañía.
La información que usualmente se tiene en este tipo de modelos
es la demanda de producto o productos (o pronósticos de la
demanda), costo de producir en tiempo normal y en tiempo extra,
costo por subcontratar, despidos, contrataciones y por mantener
inventario, entre otros.
Este tipo de problemas suelen llamarse de planeación agregada y
son decisiones de tipo estraté-gico dentro de la compañía.
❚
Restricciones:
Las restricciones del problema están dadas por disponibilidad
limitada de ingredientes, la demanda de los clientes y las
estrategias de la compañía.
1. La disponibilidad limitada de ingredientes tiene la siguiente
estructura:
(litros de ingrediente Y usados en crema corporal) + (litros de
ingrediente Y usados en crema facial) + (litros de ingrediente Y
usados en crema para bebé) ≤ litros disponibles de ingrediente
Y.
° Restricción para la mezcla base: 0.9x1 + 0.85x2 + 0.8x3 ≤ 500.
° Restricción para el aceite de almendras: 0.04x1 + 0.08x2 + 0.1x3
≤ 50. ° Restricción para la vitamina E: 0.01x1 + 0.025x2 ≤ 5. °
Restricción para la manteca de karité: 0.05x1 + 0.045x2 + 0.1x3 ≤
30.
2. Las demandas de los clientes tienen la siguiente
estructura:
Litros diarios de producto x ≤ Demanda diaria de producto x (en
litros).
° Restricción para la demanda de crema corporal: x1 ≤ 200. °
Restricción para la demanda de crema facial: x2 ≤ 150. °
Restricción para la demanda de crema para bebé: x3 ≤ 250.
3. De manera similar, la restricción de fabricar por lo menos 50
litros de crema facial (estrategia de la compañía), se representa:
x2 ≥ 50.
Las restricciones de demanda y política de la empresa presentada
en este problema pueden verse como cotas para las variables de
decisión.
Las variables de decisión, por tratarse de litros de producto,
son no negativas. Dado que x2 cuen-ta con una cota inferior mayor
que cero, faltaría incluir x1 ≥ 0, x3 ≥ 0.
El modelo matemático resulta:
Maximizar z = 17x1 + 16.5x2 + 14x3
Sujeto a:
0.9x1 + 0.85x2 + 0.8x3 ≤ 500
0.04x1 +0.08x2 + 0.1x3 ≤ 50
0.01x1 + 0.025x2 ≤ 5
0.05x1 + 0.045x2 + 0.1x3 ≤ 30
0 ≤ x1 ≤ 200
50 ≤ x2 ≤ 150
0 ≤ x3 ≤ 250
-
Grupo Editorial Patria©
11
Planeación de la producción con múltiples periodos❚
Parámetros:
Los parámetros de este problema son los pronósticos de las
demandas, costos de inventario y de pro-ducción.
Variables:
Lo que se quiere saber son las cantidades a producir en cada
mes; por tanto, las variables son:
P1 = unidades a producir en el mes de enero. P2 = unidades a
producir en el mes de febrero. P3 = unidades a producir en el mes
de marzo. P4 = unidades a producir en el mes de abril. P5 =
unidades a producir en el mes de mayo. P6 = unidades a producir en
el mes de junio.
Dado que los costos de producción cambian mensualmente, puede
resultar conveniente producir más de lo demandado algún mes (por lo
común los meses con producción más económica) para poder reducir la
producción en los meses posteriores (por lo común los meses con un
costo de producción mayor). Por tanto, se requieren variables extra
que correspondan al exceso de producción que se guar-dará para
periodos posteriores, las cuales representan el inventario
mensual:
I1 = unidades en inventario en el mes de enero. I2 = unidades en
inventario en el mes de febrero. I3 = unidades en inventario en el
mes de marzo. I4 = unidades en inventario en el mes de abril. I5 =
unidades en inventario en el mes de mayo.
En este caso, I6 = unidades en inventario en el mes de junio, no
se considera una variable, pues su valor está definido por las
políticas de la empresa, I6 = 600 unidades.
Función objetivo:
El objetivo del problema es minimizar el costo total del plan de
producción, donde se observan dos tipos de costos: costo unitario
de producción y costo unitario por mantener en inventario. El
objetivo quedaría entonces de la siguiente manera:
Minimizar z = costos por mantener inventario en cada uno de los
meses + costos de producción de cada uno de los meses.
Minimizar z = 3I1 + 3I2 + 3I3 + 3I4 + 3I5 + 3I6 + 40P1 + 34P2 +
38P3 + 32P4 + 41P5 + 38P6
Solución
Problema resuelto
Una empresa que produce una línea de componentes para
computadoras está planeando los niveles de producción para el
periodo de enero a junio. Los pronósticos de las demandas de
componentes para los seis meses son de 980, 640, 700, 1 200, 900 y
550 unidades, respectivamente. El inventario al final de diciembre
se espera que sea de 500 unidades y la empresa desea tener 600
unidades al final de junio. El costo por mantener una unidad en
inventario un mes es de $3. Debido a cuestiones de costos de
materia prima y salarios de los trabajadores, el precio por
producir un componente varía de un mes a otro. Al analizar datos
históricos, la empresa considera que el precio de fabricación de
una unidad es de $40, $34, $38, $32, $41 y $38 para enero, febrero,
marzo, abril, mayo y junio, respectivamente. Construir un modelo
matemático que permita determinar la cantidad de componentes a
producir en cada periodo.
-
1�
Modelos matemáticosUNIDAD 1
Planeación de la producción con programación de la fuerza de
trabajo
En este tipo de problemas también se busca determinar las
unidades a producir por la empresa en el periodo de planeación,
pero, a diferencia del problema anterior en el que no se tenía
control sobre los trabajadores, aquí se puede tomar la decisión de
contratar o despedir personal con el fin de minimizar los costos de
operación de la empresa. No obstante, resulta lógico pensar que
contratar o despedir a un empleado genera un costo para la empresa
por motivos de capacitación, indemnización, sueldos, entre
otros.
❚
Restricciones:
Para este problema, se debe determinar la relación que existe
entre la producción, el nivel de inventario y los distintos
periodos de planeación.
1. El inventario lo constituyen aquellas unidades que permanecen
uno o varios periodos más en la empresa, por exceso de
producción.
Por tanto, la relación entre el inventario y las unidades
producidas es:
Inventario del mes de enero = (unidades disponibles en mes de
enero) - (unidades vendidas en el mes de enero).
Esto es equivalente a:
Inventario del mes de enero = (unidades producidas en el mes de
enero + inventario del mes de diciem-bre) - (unidades demandas en
enero).
Utilizando las variables de decisión y considerando que de
acuerdo con el problema en el mes de di-ciembre se tuvo un
inventario final de 500 unidades, tenemos:
I1 = P1 + 500 - 980
De manera similar, para los siguientes meses tenemos las
siguientes restricciones.
I2 = P2 + I1 - 640
I3 = P3 + I2 - 700
I4 = P4 + I3 - 1 200
I5 = P5 + I4 - 900
I6 = P6 + I5 - 550, dado que se requiere tener 600 unidades en
inventario en el mes de junio, esta restricción queda como:
600 = P6 + I5 - 550
El modelo queda como sigue:
Minimizar z = 3I1 + 3I2 + 3I3 + 3I4 + 3I5 + 3I6 + 40P1 + 34P2 +
38P3 + 32P4 + 41P5 + 38P6
Sujeto a:
I1 = P1 + 500 - 980
I2 = P2 + I1 - 640
I3 = P3 + I2 - 700
I4 = P4 + I3 - 1 200
I5 = P5 + I4 - 900
600 = P6 + I5 - 550
I1, I2, I3, I4, I5, I6, P1, P2, P3, P4, P5, P6 ≥ 0
-
Grupo Editorial Patria©
1�
Parámetros:
Los parámetros que se tienen que considerar son los días
laborales por bimestre, la demanda bimestral, el número de
empleados, el costo de contratación y despido, el sueldo diario, la
tasa de producción y el costo por mantener inventario.
Variables:
De manera similar al problema de planeación de la producción con
múltiples periodos, en este se re-quieren variables que reflejen la
cantidad de unidades a producir por periodo, en este caso
bimestre.
P1 = unidades a producir en el bimestre enero-febrero. P2 =
unidades a producir en el bimestre marzo-abril. P3 = unidades a
producir en el bimestre mayo-junio. P4 = unidades a producir en el
bimestre julio-agosto. P5 = unidades a producir en el bimestre
septiembre-octubre. P6 = unidades a producir en el bimestre
noviembre-diciembre.
Aquí también se definen las variables correspondientes a la
cantidad de inventario por bimestre.
I1 = unidades en inventario en el bimestre enero-febrero. I2 =
unidades en inventario en el bimestre marzo-abril. I3 = unidades en
inventario en el bimestre mayo-junio. I4 = unidades en inventario
en el bimestre julio-agosto. I5 = unidades en inventario en el
bimestre septiembre-octubre. I6 = unidades en inventario en el
bimestre noviembre-diciembre.
Dado que se debe determinar también la fuerza de trabajo por
bimestre, y esta fuerza de trabajo se determina mediante despidos y
contrataciones, se requieren variables que representen los valores
que deben tomar cada uno de estos elementos. De modo que:
W1 = cantidad de empleados en el bimestre enero-febrero. W2 =
cantidad de empleados en el bimestre marzo-abril. W3 = cantidad de
empleados en el bimestre mayo-junio.
Solución
Problema resuelto
El gerente general de una empresa que produce aparatos
electrónicos está interesado en planear su producción para el
próximo año. Los pronósticos de ventas para el siguiente año se
presentan en la tabla 1.9.
tabla 1.�
BimestreDías
laboralesDemanda
(en unidades)
Enero-febrero 41 31 000
Marzo-abril 40 40 000
Mayo-junio 42 52 000
Julio-agosto 41 43 000
Septiembre-octubre 43 31 000
Noviembre-diciembre 39 21 000
En la actualidad, la empresa cuenta con 100 empleados, pero cada
bimestre se pueden contratar o despedir empleados, incurriendo en
un costo de $300 por cada empleado contratado y de $200 por cada
empleado despedido. El sueldo de un empleado es de $60 por día de
trabajo y cada empleado produce 12 unidades diariamente. El costo
por mantener inventario es de $5 por unidad por bimestre.
-
1�
Modelos matemáticosUNIDAD 1 W4 = cantidad de empleados en el
bimestre julio-agosto. W5 = cantidad de empleados en el bimestre
septiembre-octubre. W6 = cantidad de empleados en el bimestre
noviembre-diciembre.
Para las contrataciones:
H1 = número de contrataciones en el bimestre enero-febrero. H2 =
número de contrataciones en el bimestre marzo-abril. H3 = número de
contrataciones en el bimestre mayo-junio. H4 = número de
contrataciones en el bimestre julio-agosto. H5 = número de
contrataciones en el bimestre septiembre-octubre. H6 = número de
contrataciones en el bimestre noviembre-diciembre.
Para los despidos:
F1 = número de despidos en el bimestre enero-febrero. F2 =
número de despidos en el bimestre marzo-abril. F3 = número de
despidos en el bimestre mayo-junio. F4 = número de despidos en el
bimestre julio-agosto. F5 = número de despidos en el bimestre
septiembre-octubre. F6 = número de despidos en el bimestre
noviembre-diciembre.
Función objetivo:
El objetivo del problema es minimizar el costo total del plan de
producción, donde se observan cinco tipos de costos: costo unitario
de producción, costo unitario por mantener en inventario, costo por
sueldos de empleados, costo por contratar y costo por despedir.
Considerando los parámetros para dichos costos y las variables
previamente definidas, el objetivo resulta:
Minimizar z = 5I1 + 5I2 + 5I3 + 5I4 + 5I5 + 5I6 + ($60/día
laboral × 41 días laborales)W1 + ($60/día laboral × 40 días
laborales)W2 + ($60/día laboral × 42 días laborales)W3 + ($60/día
laboral × 41 días laborales)W4 + ($60/día laboral × 43 días
laborales)W5 + ($60/día laboral × 39 días laborales)W6 + 300 H1 +
300 H2 + 300H3 + 300H4 + 300H5 + 300H6 + 200F1 + 200F2 + 200F3 +
200F4 + 200F5 + 200F6.
Restricciones:
Además de las restricciones que establecen la relación que
existe entre la producción, el nivel de inven-tario y los distintos
periodos de planeación, se requieren dos conjuntos más de
restricciones:
° Restricciones que establecen la capacidad de producción de
acuerdo con la tasa de producción por empleado y la cantidad de
empleados por periodo.
° Restricciones que establecen la cantidad de empleados por
periodo, en relación con las contratacio-nes y despidos en el
periodo.
1. Las restricciones de inventario y producción siguen la
estructura:
Inventario del bimestre i = (unidades que quedaron en inventario
en el bimestre anterior a i) + (unidades producidas en bimestre i)
- (unidades vendidas en el bimestre i).
Esto es equivalente a:
I1 = P1 + I0 - 31 000
I2 = P2 + I1 - 40 000
I3 = P3 + I2 - 52 000
I4 = P4 + I3 - 43 000
I5 = P5 + I4 - 31 000
I6 = P6 + I5 - 21 000
-
Grupo Editorial Patria©
1�
2. Restricciones de capacidad de producción, las cuales siguen
la siguiente estructura lógica:
Cantidad a producir en bimestre i = (tasa diaria de producción
por empleado (unidades/día laboral × empleado)) × (cantidad de días
laborales en el bimestre i ) × (cantidad de empleados en el
bimestre i ).
Traducido en variables y parámetros resulta el siguiente
conjunto de restricciones.
P1 = 12 (unidades/día laboral × empleado) × 41 días laborales ×
W1 P2 = 12 (unidades/día laboral × empleado) × 40 días laborales ×
W2 P3 = 504W3 P4 = 492W4 P5 = 516W5 P6 = 468W6
3. Las que relacionan el nivel de fuerza de trabajo con las
contrataciones y despidos, tienen la siguiente estructura:
Trabajadores en bimestre i = (trabajadores en bimestre anterior
a i ) + (contrataciones en bimestre i ) - (despidos en bimestre i
).
Utilizando las variables correspondientes, tenemos:
W1 = W0 + H1 - F1 W2 = W1 + H2 - F2 W3 = W2 + H3 - F2 W4 = W3 +
H4 - F3 W5 = W4 + H5 - F4 W6 = W5+ H6 - F5
El modelo resulta:
Minimizar z = 5I1 + 5I2 + 5I3 + 5I4 + 5I5 + 5I6 + 2 460W1 +
2
400W2 + 2 520W3 + 2
460W4 + 2 580W5 +
2 340W6 + 300H1 + 300H2 + 300H3 + 300H4 + 300H5 + 300H6 + 200F1
+ 200F2 + 200F3 + 200F4 + 200F5 + 200F6.
P1 = 492W1 P2 = 480W2 P3 = 504W3 P4 = 492W4 P5 = 516W5 P6 =
468W6 W1 = 100 + H1 - F1 W2 = W1 + H2 - F2 W3 = W2 + H3 - F2 W4 =
W3 + H4 - F3 W5 = W4 + H5 - F4 W6 = W5 + H6 - F5 I1 = P1 - 31
000
I2 = P2 + I1 - 40 000
I3 = P3 + I2 - 52 000
I4 = P4 + I3 - 43 000
I5 = P5 + I4 - 31 000
I6 = P6 + I5 - 21 000
P1, P2, P3, P4, P5, P6, H1, H2, H3, H4, H5, H6, F1, F2, F3, F4,
F5, F6, I1, I2, I3, I4, I5, I6 > = 0. W1, W2, W3, W4, W5, W6 ≥
0, enteras.
AlertaAdicionalmente se incluyen las restricciones que
determinen la naturaleza de las variables; por ejemplo, las
variables fuerza de trabajo puede ser recomendable considerarlas
enteras.
-
1�
Modelos matemáticosUNIDAD 1expresando los modelos en forma
resumida
En los problemas anteriores ha sido posible expresar
explícitamente cada una de las restricciones re-queridas y la
función objetivo, desarrollando a detalle cada uno de estos
elementos.
En la práctica es común encontrar modelos en forma general, de
manera que, tomándolo como base, se puedan realizar las
sustituciones correspondientes y hacer que represente cada
situación particular.
Para el de planeación de la producción con programación de la
fuerza de trabajo, denotemos:
cc = Costo por contratar un trabajador. cf = Costo por despedir
un trabajador. ci = Costo por mantener una unidad en inventario por
un periodo. cd = Costo diario por trabajador. nt = Días laborales
en el periodo t. Dt = Demanda en el periodo t. R = Tasa de
producción diaria por un empleado.
Además, se puede observar que se requiere una variable de cada
tipo para cada uno de los perio-dos de planeación. Consideremos que
se tienen T periodos de planeación, para el caso en particular T =
6, donde el bimestre enero-febrero corresponde al periodo 1,
marzo-abril al periodo 2, y así suce-sivamente. Por tanto, las
variables pueden dejarse expresadas como:
Pt = unidades a producir en el periodo t. It = unidades en
inventario en el periodo t. Wt = cantidad de empleados en el
periodo t. Ht = número de contrataciones en el periodo t. Ft =
número de despidos en el periodo t.
De este modo, la función objetivo podría pasar de:
Minimizar z = 5I1 + 5I2 + 5I3 + 5I4 + 5I5 + 5I6 + 2 460W1 +
2
400W2 + 2 520W3 + 2
460W4 + 2 580W5 +
2 340W6 + 300H1 + 300H2 + 300H3 + 300H4 + 300H5 + 300H6 + 200F1
+ 200F2 + 200F3 + 200F4 + 200F5 + 200F6.
Al verla en forma resumida como:
Minimizar z = ( )ci I cd n W cc H cf Ft t t t tt
T
⋅ ⋅ ⋅ ⋅ ⋅+ + +=∑
1
Restricciones:
De manera similar, cada una de las restricciones resultaría:
1. Las de inventario y producción:
Inventario del periodo t = (unidades que quedaron en inventario
en el periodo t - 1) + (unidades producidas en periodo t) -
(unidades vendidas en el periodo t).
Por tanto:
It = It - 1 + Pt - Dt y se necesita una para 1 ≤ t ≤ T.
2. Las restricciones que establecen la capacidad de producción
con:
Cantidad a producir en periodo t = (tasa diaria de producción
por empleado) × (cantidad de días laborales en periodo t) ×
(cantidad de empleados en periodo t).
Pt = R × yt × Wt para 1 ≤ t ≤ T.
❚
-
Grupo Editorial Patria©
1�
3. Las restricciones que relacionan el nivel de fuerza de
trabajo con las contrataciones y despidos:
Trabajadores en periodo t = (trabajadores en periodo t - 1) +
(contrataciones en periodo t) - (despidos en periodo t).
Wt = Wt - 1 + Ht - Ft para 1 ≤ t ≤ T
Así, el modelo matemático resulta:
Minimizar z = ( )ci I cd n W cc H cf Ft t t t tt
T
⋅ ⋅ ⋅ ⋅ ⋅+ + +=∑
1
Sujeto a:
It = It - 1 + Pt - Dt para 1 ≤ t ≤ T Pt = R ⋅ yt ⋅ Wt para 1 ≤ t
≤ T Wt = Wt - 1 + Ht - Ft para 1 ≤ t ≤ T Wt, Ht, Ft, Pt ≥ 0 para 1
≤ t ≤ T Wt enteras
Planeación de la producción, características adicionales
Hay ciertas prácticas que realizan las empresas que se deben
considerar al planear la producción, entre dichas prácticas se
encuentra la producción en tiempo extra, subcontratación de
servicios o productos, la posibilidad de tener faltantes, entre
otros.
Al considerar estos aspectos en el modelo matemático para
planeación de la producción, nos acercamos más al complejo sistema
de producción de una empresa.
❚
AlertaAhora que ya sabemos establecer modelos de manera
resumida, usaremos esta notación libremente.
Parámetros:
Además de los parámetros antes establecidos, se requieren los
siguientes:
cpe = costo por unidad producida en tiempo extra.
cs = costo por unidad subcontratada.
ctm = costo por unidad no producida debido a tiempo muerto.
MTe = porcentaje de capacidad de producción que puede usarse
para producir en tiempo extra.
Variables:
En este caso, se requieren variables extra que reflejen las
unidades producidas en tiempo extra, las unidades subcontratadas y
las unidades no producidas debido a tiempo muerto. Así:
PEt = unidades a producir en tiempo extra en el periodo t.
St = unidades subcontratadas en el periodo t.
TMt = unidades no producidas por tiempo muerto en el periodo
t.
Solución
Problema resuelto
Siguiendo con el problema resuelto de planeación de la
producción con programación de la fuerza de trabajo, consideremos
que la capacidad de la empresa puede incrementarse 30% mediante
tiempo extra. Las unidades producidas en tiempo extra tienen un
costo adicional de $3 por unidad y es posi-ble subcontratar a un
costo de $9 por unidad. Además, se puede tener tiempo muerto en la
línea de producción, aunque esto ocasiona un costo bimestral de $2
por cada unidad no producida debido a tiempo muerto.
-
1�
Modelos matemáticosUNIDAD 1Función objetivo:
El objetivo del problema es minimizar el costo total del plan de
producción; por tanto, debemos agre-gar los costos extra que se
expresan en el enunciado del problema. El objetivo resulta:
Minimizar z = (ci I cd n W cc H cf F cpe PE cs S ctm Tt t t t t
t t⋅ ⋅ ⋅ ⋅ ⋅ ⋅ ⋅ ⋅+ + + + + + MMtt
T
)=∑
1
Sustituyendo los parámetros:
Minimizar z = ( )5 60 300 200 3 9 2⋅ ⋅ ⋅ ⋅ ⋅ ⋅ ⋅ ⋅+ + + + + +I n
W H F PE S TMt t t t t t t tt==∑
1
6
Restricciones:
1. En las restricciones que regulan el inventario con la
cantidad de unidades disponibles y vendidas, es necesario
considerar que es posible adquirir unidades mediante la
subcontratación. Por tanto, las restricciones deberán tener la
siguiente estructura:
Inventario del periodo: t = (unidades que quedaron en inventario
en el periodo t - 1) + (unidades producidas en periodo t) +
(unidades subcontratadas en periodo t) - (unidades vendidas en el
pe-riodo t).
It = It - 1 + Pt + St - Dt para 1 ≤ t ≤ 6
2. Las restricciones referentes a la producción deben tomar en
cuenta, además de la capacidad de producción en tiempo normal, la
producción en tiempo extra y las unidades que resulta mejor no
producir (unidades en tiempo muerto).
Resultando:
Producción en periodo t = (tasa diaria de producción por
empleado) ⋅ (cantidad de días laborales en periodo t) ⋅ (cantidad
de empleados en periodo t) + (producción en tiempo extra) -
(unidades no pro-ducidas debido a tiempo muerto).
Pt = R ⋅ nt ⋅ Wt + PEt - TMt para 1 ≤ t ≤ 6 Pt = 12 ⋅ nt ⋅ Wt +
PEt - TMt para 1 ≤ t ≤ 6
3. Si se considera la posibilidad de producir en tiempo extra,
se requiere establecer, a través de restric-ciones, la cantidad
máxima de unidades producidas en tiempo extra, que corresponden a
30% de la producción en tiempo normal; por tanto,
Producción en tiempo extra en periodo t ≤ (porcentaje de
capacidad de producción que pueden usarse para producir en tiempo
extra) × (capacidad de producción en tiempo normal).
Producción en tiempo extra en periodo t ≤ (porcentaje de
capacidad de producción que pueden usarse para producir en tiempo
extra) × (tasa diaria de producción por empleado × cantidad de días
laborales en periodo t × cantidad de empleados en periodo t).
PEt ≤ MTe × R × nt × Wt para 1 ≤ t ≤ 6
PEt ≤ 0.30 × 12 × nt × Wt para 1 ≤ t ≤ 6
4. Las restricciones que relacionan el nivel de fuerza de
trabajo con las contrataciones y despidos per-manecen iguales:
Wt = Wt - 1 + Ht - Ft para 1 ≤ t ≤ 6
Modelo matemático:
Minimizar z = ( )5 60 300 200 3 9 2⋅ ⋅ ⋅ ⋅ ⋅ ⋅ ⋅ ⋅+ + + + + +I n
W H F PE S TMt t t t t t t tt==∑
1
6
-
Grupo Editorial Patria©
1�
Problemas financieros
El modelado matemático es de gran utilidad en numerosos procesos
financieros. Hemos visto en esta unidad un problema de decisión
sobre un conjunto de inversiones. Además del análisis de
inversiones, los modelos matemáticos también son útiles para
problemas de caja óptima, a través de los cuales se pretende
determinar el nivel de efectivo que conviene para no perder
liquidez, problemas de asigna-ción de préstamos a un conjunto de
clientes, entre otros.
❚
Sujeto a:
It = It - 1 + Pt + St - Dt para 1 ≤ t ≤ 6
Pt = 12 ⋅ nt ⋅ Wt + PEt - TMt para 1 ≤ t ≤ 6 PEt ≤ 0.30 ⋅ 12 ⋅
nt ⋅ Wt para 1 ≤ t ≤ 6 Wt = Wt - 1 + Ht - Ft para 1 ≤ t ≤ 6
Wt, Ht, Ft, Pt, PEt, St + TMt ≥ 0 para 1 ≤ t ≤ T
Wt enteras
Parámetros:
En este caso, tenemos los siguientes parámetros:
n = horizonte de planeación de las inversiones = 5
IA = tasa de interés anual de plan A = 4% por año
IB = tasa de interés por dos años de plan B = 9% por cada dos
años
IC = tasa de interés por tres años de plan C = 14% por cada tres
años
Q = cantidad de dinero disponible en el año 0, para invertir $50
000
También, sabemos que el plan A es anual (tA = 1), el plan B es a
dos años (tB = 2) y el plan C es a tres años (tC = 3).
Variables:
¿Qué queremos saber? Las cantidades a invertir (de los $50 000
originales, llamémosle dinero de bol-sillo) a lo largo de los cinco
años en los tres planes de inversión. Por tanto, se necesitan
variables que determinen esto. Entonces, denotemos:
xij = cantidad de dinero de bolsillo a invertir a inicios de año
i en plan j, para i = 1, 2, 3, 4, 5; j = A, B, C.
Otra cosa que interesa es la ganancia que obtendrá Manuel por
año, la pista para considerar esta variable está en el hecho de que
lo que debemos maximizar es el valor que tome esta variable en el
quinto año.
Denotemos:
rij = Cantidad de dinero recibido a final del año i debido a
inversión en plan j, para i = 1, 2, 3, 4, 5; j = A, B, C.
Solución
Problema resuelto
Manuel desea invertir $50 000 y permitir que esa cantidad
incremente su valor en un periodo de cinco años. En la actualidad
hay tres planes en los que puede invertir. El plan A le otorga un
interés de 4% anual, pudiendo hacer cualquier movimiento al
finalizar cada año. El plan de inversión B le ofrece un interés de
9% cada dos años. Mientras que el plan C le ofrece un interés de
14% si mantiene su dinero en dicho plan por tres años. ¿Cómo
debería Manuel invertir su dinero a fin de obtener el mayor
rendimiento al finalizar el quinto año?
-
�0
Modelos matemáticosUNIDAD 1Dado que se puede, y es deseable,
reinvertir las ganancias obtenidas por inversiones pasadas, se hace
necesario considerar las siguientes variables.
gij = cantidad de dinero recibido a final del año i - 1 que se
invertirá a inicios de año i en el plan j, para i = 2, 3, 4, 5; j =
A, B, C.
Dadas las características de este problema, se puede intuir que
desde principios del año 1 se busca in-vertir el capital total, a
fin de hacerlo crecer desde ese momento; sin embargo, esto puede no
ser cierto en todo plan de inversión. Puede darse el caso de que un
plan de inversión no esté disponible desde el año 1, o que se
reciba algún capital extra a lo largo del horizonte de planeación
de las inversiones; por tanto, se expresan las siguientes
variables.
yij = cantidad de dinero total: cantidad de dinero de bolsillo y
cantidad de dinero recibido de inversión previa, que se invertirá
en el año i en el plan j, para i = 2, 3, 4, 5; j = A, B, C.
Definidas dichas variables, estamos listos para diseñar la
función objetivo y las restricciones.
Función objetivo:
Lo que buscamos es maximizar el dinero recibido de las
inversiones en cinco años, el cual está repre-sentado por r5A, r5B
o r5C.
Maximizar z = r5A + r5B + r5C
Restricciones:
1. La primera restricción que nos viene a la mente es la
referente a la cantidad de dinero disponible para invertir. Aquí se
puede pensar que es suficiente indicar:
x1A + x1B + x1C ≤ 50 000
Sin embargo, debemos dejar indicada la posibilidad de que el
desembolso de dinero de bolsillo se dé en cualquier año del
horizonte de planeación, esto por la misma razón por la que se
consideró necesaria la definición de las variables yij.
x1A + x1B + x1C + x2A + x2B + x2C + x3A + x3B + x3C + x4A + x4B
+ x4C + x5A + x5B + x5C ≤ 50 000
2. En este caso, se requieren restricciones que establezcan la
relación entre la cantidad invertida y la cantidad recibida por
año; es decir, particularmente:
Para el final del año 1, plan A:
r1A = (1 + 0.04) x1A
Plan B y plan C, debido a que su tiempo de inversión es mayor a
1, al final del año 1, la cantidad reci-bida será cero.
r1B = 0
r1C = 0
Para el final del año 2:
Dinero a recibir a final del año 2 por inversión en plan A: r2A
= (1 + 0.04) y2A, donde y2A = x2A + g2A.
Es importante considerar aquí que g2A no debe ser mayor al
dinero que se tiene para reinvertir. Además, es importante tomar en
cuenta que, por año, este dinero debe contemplar la posibilidad de
repartirse entre los tres planes.
g2A + g2B + g2C ≤ r1A + r1B + r1C
Plan B, a finales del año 2 por dinero invertido a inicios del
año 1 se recibe:
r2B = (1 + 0.09) x1B
-
Grupo Editorial Patria©
�1
Plan C:
r2C = 0
Para el final del año 3:
Dinero a recibir a final del año 3 por inversión en plan A:
r3A = (1 + 0.04) y3A y3A = x3A + g3A g3A + g3B + g3C ≤ r2A + r2B
+ r2C
Plan B, a finales del año 3 por dinero invertido a inicios del
año 2 se recibe:
r3B = (1 + 0.09) y2B y2B = x2B + g2B
Plan C, a finales del año 3 por dinero invertido a inicios del
año 1 se recibe:
r3C = (1 + 0.14) x1C
De manera similar, para los años 4 y 5, resultando el modelo
matemático:
Maximizar z = r5A + r5B + r5C
x1A + x1B + x1C + x2A + x2B + x2C + x3A + x3B + x3C + x4A + x4B
+ x4C + x5A + x5B + x5C ≤ 50 000
r1B = 0 r1C = 0 r2C = 0 r1A = (1 + 0.04) x1A r2A = (1 + 0.04)
y2A r2B = (1 + 0.09) x1B r3A = (1 + 0.04) y3A r3B = (1 + 0.09) y2B
r3C = (1 + 0.14) x1C r4A = (1 + 0.04) y4A r4B = (1 + 0.09) y3B r4C
= (1 + 0.14) y2C r5A = (1 + 0.04) y5A r5B = (1 + 0.09) y4B r5C = (1
+ 0.14) y3C y2A = x2A + g2A y2B = x2B + g2B y2C = x2C + g2C y3A =
x3A + g3A y3B = x3B + g3B y3C = x3C + g3C y4A = x4A + g4A y4B = x4B
+ g4B y5A = x5A + g5A g2A + g2B + g2C ≤ r1A + r1B + r1C g3A + g3B +
g3C ≤ r2A + r2B + r2C g4A + g4B + g4C ≤ r3A + r3B + r3C g5A + g5B +
g5C ≤ r4A + r4B + r4C
Todas las variables son mayores o iguales a cero.
-
��
Modelos matemáticosUNIDAD 1Problemas de transporte
En el problema de transporte se busca la forma en que cualquier
bien debe ser distribuido, desde cual-quier grupo de centros de
suministro (orígenes) a cualquier grupo de centros de recepción
(destinos), de manera que los costos totales de transporte sean
mínimos.
Para que un problema pueda ser considerado problema de
transporte, se debe cumplir con el supuesto de requerimientos y con
el supuesto de costo.
El supuesto de requerimientos nos dice que cada origen tiene un
suministro fijo de unidades y el suministro completo debe
transportarse a los destinos. De manera análoga, cada destino tiene
una demanda fija de unidades y debe satisfacerse de los
orígenes.
Es decir:
i
m
ij
n
js d= =∑ ∑=
1 1
Donde:
m: cantidad de orígenes
n: cantidad de destinos
si: cantidad de unidades que oferta el origen i, para i = 1, 2,
…, mdj: cantidad de unidades demandadas por el destino j, para j =
1, 2, …, n
En la práctica resulta lógico pensar que es raro encontrar que
se cumpla este supuesto; pero, cuando esto ocurre, es posible
reformular el problema con la introducción de un destino u origen
ficticios, para que se haga cargo de la holgura, de manera que se
ajuste al modelo del transporte.
Si la oferta es mayor que la demanda, s dii
m
jj
n
= =∑ ∑>
1 1
, entonces se requerirá un punto de demanda
artificial, de modo que: d s dn ii
m
jj
n
+= =
= −∑ ∑11 1
.
De manera similar, si existe mayor demanda que oferta s dii
m
jj
n
= =∑ ∑<
1 1
, se requerirá un punto de
suministro artificial, de modo que: s d sm jj
n
ii
m
+= =
= −∑ ∑11 1
.
Debido a que en realidad los puntos artificiales no existen, los
costos de transporte entre este y los demás puntos del problemas
tendrán valor cero.
Dado que se debe priorizar la distribución de producto entre
entidades reales y teniendo en men-te que se busca minimizar, el
supuesto de costo considera que el costo de transportar unidades de
un origen a un destino debe ser directamente proporcional al número
de unidades transportadas. Este costo puede ser visto como el costo
unitario multiplicado por el número de unidades transportadas.
Los parámetros del modelo de transporte son los datos que se
tienen desde el inicio, que son: el costo de transporte unitario,
la cantidad de producto ofertado por cada nodo origen y la cantidad
de productos demandado por cada nodo de destino.
m: cantidad de orígenes
n: cantidad de destinos
si: cantidad de unidades que oferta el origen i, para i = 1, 2,
…, mdj: cantidad de unidades demandadas por el destino j, para j =
1, 2, …, ncij: costo por transportar una unidad de producto desde
el origen i hasta el destino j, para i = 1, 2, …,
m; j = 1, 2, …, n
Para poder definir las variables del modelo se debe pensar en lo
que se necesita obtener del modelo. En este problema lo que se
quiere saber es la cantidad de producto a enviar de cada punto de
origen a cada punto de destino. Es decir:
xij: cantidad de unidades a enviar del origen i al destino j,
para i = 1, 2, …, m; j = 1, 2, …, n.
❚
AlertaEl supuesto de requerimientos es importante para asegurar
que existen soluciones factibles y para poder utilizar algoritmos
sencillos para solucionar el problema de transporte.
-
Grupo Editorial Patria©
��
Visto a manera de una red, se tiene:
s1
c11
cmn
Puntos desuministro
(oferta)
Puntos dedemanda
s2
sm
d1
d2
dn
1
2
m
1
2
n
Figura 1.�
O visto a manera de tabla de transporte:
tabla 1.10
Costo por unidad distribuida
Destino
1 2 … n Recursos
Origen 1 c11 c12 … c1n s1 Origen 2 c21
c22 … c2n s2
Origen … …. … … …. …
Origen m cm1 cm2 … cmn sm Demanda d1 d2 …. dn
Función objetivo:
El objetivo de este problema es determinar la forma de
transportar unidades del producto de los pun-tos orígenes a los
puntos destino, minimizando los costos de transporte; por tanto,
supongamos que tenemos tres puntos de origen y dos puntos de
destino, la función objetivo quedaría:
Minimizar z = c11x11 + c12x12 + c21x21 + c31x31 + c32x32De
manera resumida:
Minimizar z c xij ijji
===∑∑
1
2
1
3
Y en general:
Minimizar z c xij ijj
n
i
m
===∑∑
11
Restricciones:
Las restricciones que se tienen son de dos tipos: las
relacionadas con los puntos de suministro y las de los puntos de
destino, las cuales están totalmente ligadas al supuesto de
requerimientos.
1. Las relacionadas con los puntos de suministro indican que la
cantidad de producto que se envíe de un punto de suministro debe
ser igual a la cantidad de producto que se tenga en el punto de
suministro.
-
��
Modelos matemáticosUNIDAD 1Es decir, para el punto de suministro
(origen) 1, se tiene que:
(Lo que se envíe del punto origen 1 a punto destino 1) + (lo que
se envíe de punto origen 1 a punto destino 2) = (cantidad de
producto en punto origen 1).
Con variables y parámetros se tiene:
x11 + x12 = s1
Para punto de suministro 2:
x21 + x22 = s2
Y para punto de suministro 3:
x31 + x32 = s3
Resumiendo:
x sijj
n
i=∑ =
1
para todo i = 1, …, m.
2. Las restricciones relacionadas con los puntos de demanda
indican que la cantidad de producto que se envíe a un punto de
demanda debe ser igual a la cantidad de producto que demanda.
Es decir, para el punto de demanda 1, se tiene que:
(Lo que se envíe del punto origen 1 a punto demanda 1) + (lo que
se envíe de punto origen 2 a punto demanda 1) + (lo que se envíe de
punto origen 3 a punto demanda 1) = (cantidad de pro-ducto que
demanda 1).
Con variables y parámetros se tiene:
x11 + x21 + x31 = d1
Para punto de demanda 2:
x12 + x22 + x32 = d2
Resumiendo:
x diji
m
j=∑ =
1
para todo j = 1, …, n
Por último, la cantidad de producto que se envíe debe ser mayor
o igual a cero (no tiene sentido que estas variables tomen valor
negativo).
xij ≥ 0 para i = 1, …, m; j = 1, …, n
Por tanto, el modelo matemático completo resulta.
Minimizar z c xij ijj
n
i
m
===
∑∑11
x sijj
n
i=
∑ =1
para todo i = 1, …, m
x diji
m
j=∑ =
1
para todo j = 1, …, n
xij ≥ 0 para i = 1, …, m; j = 1, …, n
-
Grupo Editorial Patria©
��
De acuerdo con el planteamiento, en este problema tenemos tres
orígenes y dos destinos, el supuesto del costo se cumple al
establecerse que el costo es por unidad de producto. Así, al
evaluar el supuesto de requerimientos nos damos cuenta que:
Ofertas (20 + 10 + 25 unidades) = 55 unidades de producto.
Demandas (30 + 30 unidades) = 60 unidades de producto.
En este caso, el supuesto no se cumple, pues Demandas >
Ofertas; por tanto, se requiere un punto de oferta ficticio con
cinco unidades, que en el contexto del problema será producto que
los almacenes no podrán cumplir.
tabla 1.1� Costos de transportación
SLP Guanajuato Oferta
Monterrey $4.20 $5.10 20
Toluca $4.50 $4.80 10
Guadalajara $4.70 $4.50 25
Artificial $0.00 $0.00 5
Demanda 30 30
Por tanto, se definen las variables:
x11 = cantidad de productos a enviar de almacén en Monterrey a
cliente en SLP
x12 = cantidad de productos a enviar de almacén en Monterrey a
cliente en Guanajuato
x21 = cantidad de productos a enviar de almacén en Toluca a
cliente en SLP
x22 = cantidad de productos a enviar de almacén en Toluca a
cliente en Guanajuato
x31 = cantidad de productos a enviar de almacén en Guadalajara a
cliente en SLP
x32 = cantidad de productos a enviar de almacén en Guadalajara a
cliente en Guanajuato
x41 = cantidad de productos a enviar de almacén ficticio a
cliente en SLP
x42 = cantidad de productos a enviar de almacén ficticio a
cliente en Guanajuato
Función objetivo:
En este problema se busca minimizar el costo de transporte, dado
a que se conoce el costo de trans-portar una unidad de cada almacén
a cada cliente, la función objetivo resulta:
Minimizar z = 4.2x11 + 5.1x12 + 4.5x21 + 4.8x22 + 4.7x31 +
4.5x32
Solución
Problema resuelto
Se desean enviar productos a dos clientes en San Luis Potosí
(SLP) y Guanajuato desde tres almacenes diferentes, ubicados en
Monterrey, Toluca y Guadalajara. Los costos de transporte unitarios
se muestran en la tabla 1.11, así como las unidades con que cuenta
cada almacén y las unidades que necesita cada cliente, estos dos
últimos en miles de productos. Determinar el modelo de transporte
que represente esta situación.
tabla 1.11 Costos de transportación
SLP Guanajuato Oferta
Monterrey $4.2 $5.0 20
Toluca $4.5 $4.8 10
Guadalajara $4.7 $4.5 25
Demanda 30 30
AlertaEl valor de x4j corresponderá a la cantidad de demanda no
satisfecha del cliente j.
-
��
Modelos matemáticosUNIDAD 1
1.5 Modelando con variables enteras
Las variables enteras ofrecen características que permiten
modelar ciertas situaciones de forma intuiti-va. Algunas de estas
situaciones se explican a continuación.
Modelando costos fijos
Supongamos que se desea modelar la función de costo g(x) = f +
vx, la cual tiene la siguiente forma.
120
100
80
60f
W
x
g(x)
40
20
00 2 4 6 8 10 12
Figura 1.�
❚
Restricciones:
1. Para los puntos de oferta resultan:
Almacén en Monterrey: x11 + x12 = 20 Almacén en Toluca: x21 +
x22 = 10 Almacén en Guadalajara: x31 + x32 = 25 Almacén ficticio:
x41 + x42 = 5
2. Para los puntos de demanda son:
Cliente en SLP: x11 + x21 + x31 + x41 = 30 Cliente en
Guanajuato: x12 + x22 + x32 + x42 = 30
3. Para la naturaleza de las variables:
xij ≥ 0 para i = 1, …, 4; j = 1, …, 2
Modelo matemático:
Minimizar z = 4.2x11 + 5.1x12 + 4.5x21 + 4.8x22 + 4.7x31 +
4.5x32Sujeto a:
x11 + x12 = 20 x21 + x22 = 10 x31 + x32 = 25 x41 + x42 = 5 x11 +
x21 + x31 + x41 = 30 x12 + x22 + x32 + x42 = 30 xij ≥ 0 para i = 1,
…, 4; j = 1, …, 2