1

Profesor: Carlos Alcayaga Pizarro

E-mail: cealcayaga@ucn.cl
Clases: Lunes 16:15 17:45 hrs. (Sala 26)
Martes 9:55 11:25 hrs. (Sala XX)

 Normas dentro de la sala de clases:

Celular en silencio o apagado
No chatear en clases
No comer en clases
Puntualidad
Asistencia
No se debe considerar las clases
expositivas y trabajos como el nico
material gua.
3

 Consideraciones:
3 pruebas
Tareas acumulativas en clases
Examen final
Nota mnima de presentacin a examen
3.4
Porcentaje mnimo de asistencia 75%.
Texto gua de referencia: Hillier,
Lieberman
4

 Tres Controles de ctedra. Promedio Final: 0,27*C1 +

0,07*NC1 + 0,27*C2 + 0,07*NC2 + 0,25*C3 + 0,07*NC3

Promedio Final >= 4 y todos Ci>=4 Aprobado

Promedio Final <= 3,3 Reprobado
Promedio Final entre 3,4 y 3,9, Examen
Promedio Final >=4 y algn Ci<=3,9 Examen
Especial

Nota de Controles
Pruebas Cortas y Tareas
Mega PPL (actividad de autoaprendizaje, Lingo o CPlex)
Paper (Interface)
Propuesta de Modelamiento Prueba de Ctedra

Fechas de Pruebas de Ctedra

Sbado 26 de Septiembre (1era Prueba)
Sbado 31 de Octubre (2da Prueba)
Sbado 28 de Noviembre (3ra Prueba)
Fechas de Entregas Mega PPL
Martes 6 de Octubre (Planteamiento Inicial) 10%
Martes 3 de Noviembre (Modelo Matemtico y enunciado
definitivo) 20%
Lunes 23 de Noviembre (Entrega de cdigo Cplex o Lingo)
30%
Viernes 4 de Diciembre 10:00hrs (Informe Final) 40%
7

Fechas de Paper Interface

Viernes 23 de Octubre (Eleccin tema Paper)
Viernes 20 de Noviembre (Entrega PPT y Original
Impreso)
A partir del 7 de Diciembre (Exposiciones)
Modelamiento Prueba de Ctedra
Viernes 13 de Noviembre (Primera entrega enunciado y
solucin)
16 al 20 de Noviembre (Encuentros individuales con
Ayudantes y Profesor)
Viernes 18 de Diciembre (Presentaciones PPT)
8

Tabla de Excepciones por repitencia:

Pruebas
Cortas y
Tareas

Mega PPL

Paper

Modelamiento

1ra
Oportunidad

XX

XX

XX

XX

2da
Oportunidad

XX

XX

XX

3ra
Oportunidad

XX

 Programa:
Programacin Lineal
Teora de la dualidad y anlisis de
sensibilidad
Modelos de Transporte y Asignacin
Optimizacin de Redes
Programacin entera

10

11

Las condiciones que debe cumplir son:

12

Las variables de decisin son no negativas.

El criterio o Funcin Objetivo utilizado para
encontrar los mejores valores de las variables
de decisin se puede describir como una
funcin lineal de stas.
Las reglas de operacin del proceso pueden
ser descritas como un set de ecuaciones o
desigualdades lineales conocidas como
restricciones.

Para construir modelos de programacin lineal se

deben cumplir los siguientes pasos:
1. Identificar las variables desconocidas (Variables
de Decisin) y representarlas en trminos de
smbolos algebraicos.
2. Identificar todas las restricciones del problema y
expresarlas como ecuaciones o desigualdades
lineales que son funciones lineales de las
variables de decisin.
3. Identificar la Funcin Objetivo y representarla
como una funcin lineal de las variables de
decisin.
13

La Compaa Handy-Dandy desea programar su produccin

de cocinas. Para esto se utilizan dos recursos: Mano de obra y
material. La compaa considera tres diferentes modelos y su
departamento de produccin ha recolectado la siguiente
informacin:

El suministro de material est restringido a 200 lbs/da. La

disponibilidad diaria de mano de obra es 150 hrs. Formular un
modelo de Programacin Lineal para determinar la tasa diaria
de produccin de cada modelo de forma de maximizar las
utilidades.
14

Solucin:
Paso 1: Variables de Decisin:
XA : Produccin diaria de A

XB : Produccin diaria de B
XC : Produccin diaria de C
Paso 2: Identificacin de Restricciones:

7 X A 3 X B 6 X C 150
4 X A 4 X B 5 X C 200
15

X A, X B, XC 0

Paso 3: Identificacin de la Funcin Objetivo:

MaxZ 4 X A 2 X B 3 X C
As el modelo de programacin lineal se convierte
en: Encontrar los nmeros XA , XB , XC que
maximicen la funcin:

Z 4 X A 2 X B 3X C

Ajustndose a las restricciones:

7 X A 3 X B 6 X C 150
4 X A 4 X B 5 X C 200
16

X A, X B , XC 0

Una compaa dentro del rubro de maquinaria pesada,

conduce un programa de capacitacin, para sus operadores.
Operadores entrenados son utilizados como profesores en el
programa, a razn de 1 por cada 10 operadores en
entrenamiento (aprendices). El programa de entrenamiento
dura 1 mes. Por experiencia, se sabe que slo 7 de 10
operadores aprueban el curso de forma exitosa.
La compaa presenta requerimientos de maquinistas
entrenados para los siguientes tres meses. stos son:

17

Adems, la compaa requiere 250 operadores

entrenados en abril. Al comienzo del ao hay 130
maquinistas entrenados disponibles. Los salarios
mensuales son:

Operador en Entrenamiento $400

Operador Entrenado
$700
Operador Entrenado Ocioso $500
Formule el PPL que produzca el costo mnimo de
contratacin,
capacitacin
y
cumpla
con
los
requerimientos de la compaa.
18

Solucin:
Los operarios entrenados cada mes pueden realizar 3
actividades: trabajar en una mquina, ensear, permanecer
ocioso. Como el nmero de operarios en mquinas es fijo y
conocido, entonces las variables de decisin son las
siguientes.
X1 : Operarios entrenados enseando en enero

X2 : Operarios entrenados ociosos en enero

X3 : Operarios entrenados enseando en febrero
X4 : Operarios entrenados ociosos en febrero
X5 : Operarios entrenados enseando en marzo
X6 : Operarios entrenados ociosos en marzo

19

Para cada mes se cumple que:

Operarios en Mquinas + Operarios Enseando + Operarios
Ociosos = Total de Operarios Entrenados disponibles al inicio
del mes
As para enero:
Febrero:
Marzo:

100 X 1 X 2 130
150 X 3 X 4 130 7 X 1

200 X 5 X 6 130 7 X 1 7 X 3

Y como la compaa necesita 250 operarios entrenados

en Abril:

130 7 X 1 7 X 3 7 X 5 250
20

Los costos relevantes quedan representados en la FO

como sigue:

Min Z 400(10 X 1 10 X 3 10 X 5 ) 700( X 1 X 3 X 5 ) 500( X 2 X 4 X 6 )

As el PPL se reduce a:

Min Z 4700 X 1 500 X 2 4700 X 3 500 X 4 4700 X 5 500 X 6

Sujeto a:
X1

21

X2

7 X1

7 X1

7X3

7 X1

7X3

7X3

X3

X4

X1, X 2 , X 3 , X 4 , X 5 , X 6 0

X5

30

20

X6

70

120

Una compaa publicitaria desea planear una

campaa en tres diferentes medios: televisin, radio
y revistas. El objetivo es poder llegar a la mayor
cantidad de potenciales consumidores como sea
posible. Un estudio de mercado dio como resultado
lo siguiente:

22

La compaa no desea gastar ms de $800.000,

pero requiere que:
1. Al menos 2 millones de mujeres deben ver, leer u
or el comercial.
2. EL gasto en TV est limitado a $500.000 como
mximo.
3. Al menos se deben mostrar tres comerciales por
TV en horario diurno y dos en horario estelar.
4. El nmero de comerciales en radio y revistas debe
estar entre 5 y 10.
23

Solucin:
Sean X1, X2, X3 y X4 el nmero de unidades de avisos
comerciales comprados en TV diurna, TV estelar,
radio y revistas respectivamente. Entonces:
La
cantidad
de
potenciales
alcanzados (en miles) es:

consumidores

400X1 + 900X2 + 500X3 + 200X4

La restriccin sobre la compra de
comerciales, expresada en miles de $, es:
40X1 + 75X2 + 30X3 + 15X4 800
24

avisos

La restriccin de la cantidad de mujeres, expresada en diez

miles, es:

30 X 1 40 X 2 20 X 3 10 X 4 200

La restriccin del gasto en TV, expresada en miles de $, es:

40 X 1 75 X 2 500
El resto de las restricciones son:

X1 3 (comerciales en TV en horario diurno)

X2 2 (comerciales en TV en horario estelar)
5 X3 10 (comerciales en radio)
5 X4 10 (comerciales en revistas)
25

Finalmente el PPL ser:

Max Z 400 X 1 900 X 2 500 X 3 200 X 4

sujeto a :
40 X 1 75 X 2 30 X 3 15 X 4 800
30 X 1 40 X 2 20 X 3 10 X 4 200
40 X 1 75 X 2
X1

500
3

2
5

X4

10
5

X4

10

X2
X3
X3
26

Programar la produccin de un tem para las prximas 4

semanas. El costo de produccin es $10 para las dos
primeras semanas y $15 para las dos ltimas. Las demandas
semanales son 300, 700, 900, 800 y deben ser
completamente satisfechas. La planta puede producir 700
u/semana.
La ca. puede trabajar con sobretiempo durante la 2 y 3
semana, as la produccin puede aumentar hasta en 200
unidades, pero el costo aumenta en $5 por tem. La
produccin en exceso se almacena a $3 por tem. Cmo se
debe programar la produccin?
Ayuda: Definir variable de decisin Xij: Cantidad a producir en
la semana i para ser consumida en la semana j. Puede ser
necesario la definicin de otro tipo de variable.
27

WYNDOR GLASS CO. produce artculos de vidrio de alta

calidad, que incluyen ventanas y puertas de vidrio. Tiene tres
plantas. Los marcos y las molduras de aluminio se hacen en
la planta1, los de madera en la planta 2; y la planta 3 produce
el vidrio y el ensamblado de los productos. En este momento,
la compaa produce dos productos:
Producto 1: una puerta de vidrio de 8 pies de alto con marco
de aluminio.
Producto 2: una ventana de resbaln con marco de madera
de 4 x 6 pies2.
Debido a las caractersticas de cada producto, el producto 1
requiere ser procesado en las plantas 1 y 3, mientras que el 2
en las plantas 2 y 3.
28

La siguiente tabla resume los recursos necesarios para la

produccin semanal, en lotes, de los productos; la capacidad
de cada planta y la utilidad obtenida por la venta de cada lote.

29

Variables de Decisin:

X1: n de lotes del producto 1 fabricados por semana.

X2: n de lotes del producto 2 fabricados por semana.
Z: ganancia semanal total (en miles de dlares).
Restricciones:

hora

1
X 1

lote

hora

2
X 2

lote

horas
3X1

semana

30

lotes

semana

horas

Planta 1
4 semana

lotes
horas

12
Planta 2

semana
semana

horas
horas

2 X 2
18
Planta 3

semana
semana

Funcin Objetivo:

Z = 3X1 + 5X2

As, la formulacin del PPL

es:

Max Z 3 X 1 5 X 2
sujeto a :

X1
3 X1
31

2X2
2X2

X1, X 2 0

4
12
18

Regin Factible para el

problema de WYNDOR
GLASS CO.

32

Desplazamiento de la F.O.

33

Siempre existe una solucin ptima?

Y si existe una solucin ptima, siempre es nica?
Los PPL pueden ser de 4 tipos:
1. Tiene solucin ptima nica.
2. Tiene soluciones ptimas alternativas.
3. No es factible.
4. No es acotado: Superiormente (maximizacin), o
inferiormente (minimizacin)
34

Un PPL no factible.
Supongamos que WYNDOR GLASS CO. necesita
que el rendimiento neto (ganancias) semanales sean
de por lo menos $50.000. As, tendramos que
agregar al problema, la restriccin: 3X1 + 5X2 50.
De esta forma, grficamente
quedaran expresadas como:

35

las

restricciones

36

Un PPL con soluciones ptimas alternativas.

Supongamos que WYNDOR GLASS CO. ha
rectificado la informacin entregada, disminuyendo la
utilidad por lote del producto 2 de $5.000 a $2.000.
As, tendramos que cambiar la F.O. del problema, la
cual quedara como: Z = 3X1 + 2X2. De esta forma, la
regin factible del problema quedara como:

37

38

Un PPL no acotado.
Supongamos que en el modelo del problema de
WYNDOR GLASS CO. se han omitido las dos ltimas
restricciones (planta 2 y planta 3). De esta forma, la
regin factible no quedara acotada superiormente, lo
cual provocara que las utilidades de la compaa
podran crecer en forma indefinida. Esto se ilustra a
continuacin.

39

40

El papel de los vrtices en la regin factible.

Primeramente definiremos
una solucin factible en
un vrtice como una
solucin que est en una
esquina de la regin
factible.

41

Relacin entre las soluciones ptimas y las

soluciones factibles en los vrtices (FEV)
Considere cualquier PPL con soluciones factibles y una
regin factible acotada. El problema debe poseer
soluciones FEV y al menos una solucin ptima. Ms
an, la mejor solucin FEV debe ser una solucin
ptima. Entonces, si un problema tiene exactamente
una solucin ptima, ste debe ser una solucin FEV. Si
el problema tiene soluciones ptimas alternativas, al
menos dos deben ser FEV.
42