Tema 2 Modelos PL

DEIOAC-
DEIOAC-UPV
2. Formulacin de modelos de
PROGRAMACIN LINEAL
ETSInf-Ingeniera Informtica CALIDAD Y OPTIMIZACIN

CONTENIDOS
2.1 Definicin de Modelo

2.2 Forma general de un modelo matemtico
2.3 Modelos matemticos: Consideraciones computacionales
2.4 Recomendaciones para la formulacin de modelos
2.5 Aplicaciones de Programacin Lineal
2.5.1 Planificacin de la produccin
2.5.2 Mezclas
2.5.3 Planificacin Multiperiodo
2.5.4 Corte de Materias Primas
2.5.5 Planificacin de Personal
2.5.6 Problemas de Redes
ETSInf-Ingeniera Informtica CALIDAD Y OPTIMIZACIN 2

Fases de la IO
Las etapas o pasos de un estudio de programacin

matemtica son las siguientes:

Es una reproduccin fiel de la realidad

Es una abstraccin selectiva de la realidad
En la prctica se utilizan muchos tipos de modelos, la
seleccin del modelo adecuado es crucial para
obtener una solucin satisfactoria a un problema
Debe hacer posible la identificacin y evaluacin
sistemtica de todas las alternativas de decisin del
problema. Se llega a una decisin seleccionando la mejor
alternativa de entre todas las disponibles

El modelo se define como una funcin objetivo y

restricciones expresadas en trminos de las variables
(alternativas) de decisin del problema
Un modelo debe contener tres elementos:
Alternativas de decisin, de las cuales se hace una seleccin
(variables decisin).
Restricciones, para excluir alternativas no factibles
Criterios para evaluar y clasificar las alternativas factibles (funcin
objetivo)

1. VARIABLES DECISIN
Sobre qu aspectos del problema podemos decidir? qu
variables podemos nombrar y controlar? Es necesario
identificar cules son las variables bajo nuestro control
Las variables son incgnitas o decisiones que deben
determinarse segn se vaya resolviendo el problema. Se
suelen denotar por (Xi). A las variables decisin se les
suele llamar Actividad y a sus valores niveles de la
actividad

2. PARMETROS DE DECISIN Y
RESTRICCIONES
PARMETROS: valores conocidos que se relacionan con
las variables, restricciones y la funcin objetivo
RESTRICCIONES: son aquellas limitaciones del sistema
que se deben tener en cuenta, como las tecnolgicas,
legales, econmicas y otras que van a restringir a las
variables decisin en un rango de valores que resulte factible
Buscaremos combinaciones de niveles de actividad de las
variables que satisfagan todas las restricciones

3. FUNCIN OBJETIVO
Define la medida de efectividad que obtiene el sistema,
cuando los valores de las variables decisin con sus
respectivos parmetros y restricciones, dan como resultado
una mejora del sistema

Funcin Objetivo:
MAX
Z = c1 X1 + c2 X2 + c3 X3 + + cn Xn
MIN
Sujeto a: bi= Disponibilidades de los
recursos. Limitacin: lmites
a11 X1 + a12 X2 + a13 X3 + + a1n Xn b1 de produccin, disponibilidad
de materia prima, etc o
a21 X1 + a22 X2 + a23 X3 + + a2n Xn b2 Requerimiento: demanda,
pedidos, compromiso de
entrega, etc.
am1 X1 + am2 X2 + am3 X3 + + amn Xn bm
Z = Cantidad a optimizar aij = Coeficientes tcnicos

cj = Coeficientes en la Funcin Objetivo n = nmero de variables
Xj = variables decisin m = nmero de restricciones

2.3 Modelos matemticos: Consideraciones
computacionales
Aunque los modelos de programacin matemtica pueden parecer similares,
con una funcin objetivo a optimizar y un conjunto de restricciones que
limitan el valor de las variables, son muy diferentes respecto al esfuerzo
computacional que requiere alcanzar la solucin ptima. En orden de
complejidad:
Modelo Lineal:
Funcin Objetivo y Restricciones lineales
Variables decisin continuas
Modelo de programacin entera pura o mixta
Funcin Objetivo y Restricciones lineales
Variables decisin discretas
Modelo no lineal
Funcin Objetivo y/o Restricciones no lineales

computacionales
Algoritmos a aplicar segn el tipo de modelo:

Modelo Lineal (se obtiene el ptimo global) son con mucho los
ms fciles de resolver. Existe cdigo de PL para grandes sistemas y para
microcomputadores.
Algoritmo del Simplex
Algoritmo del Punto Interior
Modelo de programacin entera pura o mixta
(se obtiene el ptimo global)
Algoritmo de bifurcacin y acotacin
Algoritmo de Planos de Corte
Modelo no lineal (se obtiene un ptimo local)
Algoritmo del Gradiente Reducido Generalizado

computacionales
En cuanto al estado actual del desarrollo de los algoritmos de resolucin:

1. Los cdigos de PL son potentes y permiten algunos excesos a cambio de modelos
ms comprensibles: No es necesario economizar en la definicin de variables y/o
restricciones.
2. La prioridad en la modelizacin debe ser la claridad en lugar de reducir el nmero
de variables y restricciones.
3. No obstante es necesario tener en cuenta que un modelo con un nmero elevado
de variables enteras o funciones no lineales puede resultar difcil sino imposible de
resolver. Las variables enteras y las funciones no lineales pueden resultar
interesantes por su riqueza que aportan a la modelizacin, pero en muchos casos el
analista debe estar dispuesto a sacrificar precisin en favor de modelos
computacionalmente tratables.
El conocimiento de los algoritmos nos permitir modelizar un
determinado problema segn la estructura de modelo que implique un
menor tiempo de computacin garantizando el ptimo global

2.4 Recomendaciones para la formulacin
de modelos
1. Identificar verbalmente las variables decisin:

Pueden haber varias elecciones posibles
Ayuda:
Qu rdenes o acciones directas deben ser
obtenidas de mi modelo?
Una buena y clara definicin de las variables puede hacer
mucho ms sencilla la formulacin de las restricciones

13
de modelos
2. Expresar el objetivo en palabras

3. Expresar la funcin objetivo en trminos de las
variables decisin
4. Expresar cada restriccin en palabras
Prestar atencin a si la restriccin es un requerimiento (>=),
una limitacin (<=) o una igualdad (=)
5. Expresar las restricciones en trminos de las variables
decisin
Comprobar la consistencia de las unidades

de modelos
Pasos aplicables en la modelizacin (dos aproximaciones):
Modelos tipo
Se busca un modelo de estructura y caractersticas definidas y
estudiadas y que se ajusta a nuestro problema
Modelizacin a medida
La modelizacin se realiza de un modo ms creativo sin buscar
ni establecer ninguna relacin con otros modelos o problemas
En la prctica se suelen combinar ambas
aproximaciones

15
2.5 Aplicaciones de Programacin Lineal
Planificacin de la Produccin
Planificacin Multiperiodo
Mezclas
Corte de Materias Primas
Asignacin de Personal
Problemas con estructura especial: problemas de Redes


2.5.1 Planificacin de la Produccin
PROBLEMAS DE PRODUCCIN
Existe un conjunto de productos que pueden producirse o venderse y un conjunto de

recursos que estn disponibles en cantidades limitadas a partir de los cuales se fabrican
los productos.
Asociado a cada producto hay un ratio de contribucin al beneficio y unas tasas de

consumo de recursos.
VARIABLES: Xi: Unidades a producir/Vender del producto i
FUNCIN OBJETIVO: Maximizar el beneficio
RESTRICCIONES: No es posible utilizar/consumir ms recursos de los disponibles

2.5.1.1 Problema de produccin (I)
El departamento de produccin de una empresa tiene tres tipos
de mquinas A, B y C; puede fabricar dos productos 1 y 2,
pasando por las distintas mquinas. El tiempo de mquina (hrs.)
requerido por cada unidad de producto as como su beneficio
aparecen en la siguiente tabla:
Horas disponibles por

Tipo de Mquina Producto 1 Producto 2
semana
A 2 2 16
B 1 2 12
C 4 2 28
Beneficio por unidad
(miles de )
1 1.5

Qu cantidad de cada tipo de producto (1 y 2) se

debe fabricar por semana para obtener el mximo
beneficio?

Formulacin:
1. Definicin de variables:
Xj = Unidades semanales a producir del articulo j-simo (j=1,2)
2. Funcin objetivo:
Maximizar Z = X1 + 1.5 X2 ( miles de )
3. Restricciones:
2X1 + 2X2 <= 16 (Horas disponibles por semana de la MQ A)
X1 + 2X2 <= 12 (Horas disponibles por semana de la MQ B)
4X1 + 2X2 <= 28 (Horas disponibles por semana de la MQ C)
4. Condicin de no negatividad:
Xj >= 0 ; j = 1 y 2

Solucin Intuitiva:
Producir todo lo que podamos de X2 ya que tiene
un 50% ms de beneficio
Observando restricciones:

Solucin: 6 unidades de X2
Beneficio: 9000

Solucin ptima:
Observando restricciones:

Solucin: 4 unidades de X1
4 unidades de X2
Beneficio: 10000

2.5.1.2 Problema de produccin (II)
Una compaa vende tres productos P1, P2, P3. La demanda semanal es de 100
unidades por producto. La compaa puede comprar los productos de un
suministrador independiente a los siguientes costes:
P1 P2 P3
1.8 1.2 0.9 euros
Y tambin puede fabricarlos ella misma utilizando su capacidad de produccin,
para lo cual necesita procesar cada artculo a travs de dos lneas de ensamblaje,
en cada una de las cuales dispone de 40 horas de trabajo semanales.
Las horas de trabajo que necesita cada unidad de artculo en cada lnea vienen
dadas por la siguiente tabla:
L-1 L-2
P1 4 5
P2 7 6
P3 2 3
Los costes de produccin por unidad de producto fabricada son respectivamente 1.5, 1
y 0.7 euros.
Plantea el modelo de programacin lineal que permita saber cuntos productos de
cada tipo debe comprar y cuntos debe fabricar para satisfacer la demanda y
minimizar los costes totales.
2.5.2 Mezclas
PROBLEMAS DE MEZCLAS y DIETAS

Aparecen en industrias alimentarias, metalrgicas y petrolferas. El problema es mezclar
o combinar un conjunto de materias primas (e.g. diferentes tipos de alimentos,
cereales en grano, crudos,) en un producto final (terminado) de modo que el
coste por unidad del producto final sea mnimo, al tiempo que se cumplen un conjunto
de caractersticas cualitativas en la mezcla.
VARIABLES: Xi: cantidad de materia prima i (o proporcin de materia Xi en la mezcla)
FUNCIN OBJETIVO: Minimizar el coste del producto final
RESTRICCIONES: Caractersticas cualitativas del producto final

2.5.2.0 Mezclas
Se desea obtener una mezcla de petrleo a partir de crudos de distinta
procedencia, cada uno de los cuales tienen distintas caractersticas. En la tabla
adjunta se detalla el precio por tonelada (medido en ) de los distintos crudos -
cuatro en total - y sus caractersticas elementales orgnicas ms
importantes: el porcentaje de carbono y el porcentaje de hidrgeno.
Origen % Carbono % Hidrgeno Precio
Kuwait 0.80 (80%) 0.08 650

Arabia 0.87 (87%) 0.07 610
Noruega 0.82 (82%) 0.10 690
Venezuela 0.90 (90%) 0.08 640
Se exige a la mezcla que tenga unas caractersticas concretas, que se traducen en un

porcentaje del 85% de carbono y un porcentaje del 12% de hidrgeno. Se desea que
el precio de la mezcla sea mnimo.

2.5.2.1 Mezclas
Una empresa que produce y fabrica zumos (entre otros productos), vende en la
actualidad cuatro tipos de zumos de una sola fruta (Z1, Z2, Z3 y Z4). La empresa
se est planteando la produccin de otros tres tipos de zumos, pero de tipo
multifruta (ZMF1, ZMF2, ZMF3).
Los anlisis realizados sobre las necesidades nutricionales realizadas en una

campaa que pretenda estudiar los gustos de los consumidores, han conducido
a la siguiente informacin sobre el contenido de cada tipo de fruta en los zumos
multifruta:
Zumo Z1 Z2 Z3 Z4
Multifruta
ZMF1 al menos no ms del
25% 20%
ZMF2 al menos no ms del
50% 25%
ZMF3 al menos al menos 0%
25% 25%

2.5.2.1 Mezclas
Diariamente se dispone de 1000 lts. de Z1, 1000 lts. de Z2, 750 lts. de Z3 y 800
lts. de Z4. El coste por litro de cada zumo es 24, 30, 20 y 22 u.m.,
respectivamente.
Por otro lado, el precio de venta que se ha decidido asignar a un lt. de cada tipo
de zumo multifruta es de 44 u.m. para ZMF1, 42 para ZMF2 y 45 ZMF3. A estos
precios se ha evaluado que habr suficiente demanda para vender toda la
produccin de zumos multifruta.
Plantea un modelo de programacin lineal que permita determinar el contenido

de cada tipo de zumo multifruta con el objetivo de maximizar el beneficio.

2.5.2.2 Dietas
Se desea formular la dieta de mnimo coste que cumpla con determinados requisitos
nutricionales. Se dispone de 8 alimentos y la siguiente tabla muestra sus aportaciones
nutricionales respecto a las caractersticas consideradas as como sus precios:
Tabla 1: Alimentos, aportaciones nutricionales y precios (*la cantidad indicada en cada caso corresponde a una racin)
Zumo de Sopa de Carne de Zumo de Patatas

Pasta Leche Manzana
Tomate almejas vacuno Naranja Fritas
Caloras 300 60 220 259 110 132 55 152
Grasas 1g 0g 13g 16,3g 2,5g 0g 0,22g 9,8g
Colesterol 0mg 0mg 5mg 89mg 10mg 0mg 0mg 0mg
Sodio 1mg 650mg 790mg 95mg 120mg 5mg 1,1mg 168,4mg
Carbohidratos 63g 12g 19g 20g 12g 33,4g 14,6g 15g
Fibra 3g 3g 2g 0g 0g 0g 2,5g 1,3g
Protenas 11g 2g 5g 26,1g 9g 0,5g 0,3g 2g
Vitamina A 0% 8% 2% 1% 10% 2% 1% 0%
Vitamina C 0% 30% 2% 0% 0% 62% 8% 15%
Calcio 2% 2% 2% 1% 30% 0% 1% 1%
Hierro 20% 15% 8% 17% 0% 2% 1% 3%
19 cents 56 cents 90cents 82cents 51cents 53cents 37cents 32 cents

Precio por racin*
por 100g por 300ml por 250ml por 100g por 250ml por 250ml por unidad por 30 g

2.5.2.2 Dietas
Respecto a los requisitos nutricionales diarios, la dieta debe incluir:
Caloras: Entre 1.800 y 2.200
Grasas: No ms de 65g
Colesterol: No ms de 300mg
Sodio: No ms de 2.400mg
Carbohidratos: Al menos 300g
Fibra: Al menos 25g
Protenas: Al menos 50g
Vitamina A y C, calcio y hierro: Al menos 100% de las cantidades diarias
permitidas

2.5.3.2 Dietas
xj =Nmero de raciones del alimento j (j = 1,..,8)
2. Funcin objetivo:
Minimizar Z = 0,19x1+0,56x2+0,9x3+0,82x4+0,51x5+0,53x6+0,37x7+0,32x8
3. Restricciones:
Caractersticas nutricionales:
Caloras1: 300x1+60x2+220x3+259x4+110x5+132x6 +55x7+152x8 1800
Caloras2: 300x1+60x2+220x3+259x4+110x5+132x6 +55x7+152x8 2200
Grasas: 1x1+13x3+16,3x4+2,5x5+0,22x7+9,8x8 65
Colesterol: 5x3+89x4+10x5 300
Sodio: 1x1+650x2+790x3+95x4+120x5+5x6 +1,1x7+168,4x8 2400
Carbohidratos: 63x1+12x2+19x3+20x4+12x5+33,4x6 +14,6x7+15x8 300
Fibra: 3x1+3x2+2x3+2,5x7+1,3x8 25
Protenas: 11x1+2x2+5x3+26,1x4+9x5+0,5x6 +0,3x7+2x8 50
Vitamina A: 8x2+2x3+1x4+10x5+2x6 +1x7 100
Vitamina C: 30x2+2x3+62x6 +8x7 +15x8 100
Calcio: 2x1+2x2+2x3+1x4+30x5+1x7+1x8 100
Hierro: 20x1+15x2+8x3+17x4+2x6+1x7+3x8 100
No negatividad: xj 0

2.5.3.3 Dietas
En la tabla siguiente (Tabla 2) se presenta la solucin del modelo (denotada como solucin 0). En esta
solucin destaca el hecho de que la dieta se compone de una pequea cantidad de pasta y el resto de
alimentos son lquidos, y entre ellos 9 raciones de leche que resultan claramente excesivas.
Tabla 2
Leche 4 Margarina 4 (* Nuevos
Pan 6 Calorias 2000 Colesterol 250
Solucin 0 (* Nuevos Solucin 1 Solucin 3 alimentos)
Solucin 2 Solucin 4a Solucin 4b
alimentos) Solucin 4
Pasta 2,58 No Solucin 0,1 1,46 0 0 0 0
Zumo de
1,95 0 0,91 0 0 0 0
Tomate
Sopa de almejas 0 0 0 0 0 0 0
Carne de
0,09 0 0 0,38 0,2 0,32 0,36
vacuno
Leche 9,3 3,87 3,45 4 4 4 4
Zumo de
0,08 1,33 0,87 5,47 3,47 2,76 3,2
Naranja
Manzana 4,6 2,23 2,35 8,68 6 7,61 8,2

Patatas Fritas 0 0 0 0 0 0 0
Yoghurt (x9) * 0 0 0 0 0 0
Pan (x10) * 9.57 6 1,65 5 2,99 2,2
Margarina (x11) * 5.65 6,05 4 4 4 4

Huevos (x12) (*)1,14 1,09 0,84
Coste 8,14 4,62 4,7 8,81 7,12 7,26 7,63
El decisor limitara la cantidad de ingesta de leche a un mximo de 4 raciones diarias. Como esta restriccin
es muy fuerte, el problema se vuelve no factible de modo que se decide aadir nuevos alimentos: yoghurt,
pan y margarina.
2.5.3.3 Dietas
Los precios y caractersticas nutricionales de los nuevos alimentos se incluyen en la Tabla 3. Tambin se
incluyen en la Tabla 2 las soluciones con estos nuevos alimentos:
Tabla 3
Yoghurt Margarina Pan Huevos
Caloras 160 70 110 78
Grasas 2,5mg 8g 1g 5,3g
Colesterol 10mg 0mg 0mg 212mg
Sodio 75mg 70mg 160mg 62mg
Carbohidratos 20mg 0 22g 0,6g
Fibra 0g 0 2g 0g
Protenas 6g 0g 4g 6,3g
Vitamina A 2% 10% 0% 6%
Vitamina C 2% 0% 0% 0%
Calcio 20% 0% 0% 3%
Hierro 2% 0% 0% 3%
Precio por racin 56cents/180ml 8,6cents/10ml 5cents/rebanada 20cents/unidad

2.5.2.3 Dietas
La siguiente tabla incluye los valores nutricionales de las distintas dietas obtenidas con la inclusin de
nuevos alimentos.
Tabla 4
Solucin 0 Solucin 1 Solucin 2 Solucin 3 Solucin 4 Solucin 4a Solucin 4b
Caloras [1800 2200] 1800 2200 2200 2200 2200 2000 2000
Grasas 65 28 65 65 52 57 58 56
Colesterol 300 101 39 35 74 300 300 250
Sodio 2400 2400 2400 2400 1097 1674 1358 1231
Carbohidratos 300 369 340 340 401 366 324 332
Fibra 25 25 25 25 25 25 25 25
Protenas 50 120 75 74 58 72 67 64
Vitamina A 100% 100 100 100 100 100 100 100
Vitamina C 100% 100 100 100 409 263 232 264
Calcio 100% 293 118 111 129 130 131 131
Hierro 100% 100 103 107 100 100 100 100

PROBLEMAS DE PLANIFICACIN MULTIPERIODO

Son tal vez la clase de problemas ms importantes. Estos modelos tienen en cuenta el
hecho de que decisiones tomadas en este periodo determinan parcialmente las
decisiones posibles en el futuro. Los sub modelos de cada periodo pueden ser a su vez
modelos de produccin, mezclas o de cualquier otro tipo. Estos sub modelos se
relacionan mediante las variables de inventario (stock o almacenamiento) que pasan de
un periodo al siguiente.
VARIABLES: Xi: cantidad producir/vender en el periodo i
Si: cantidad a almacenar en el periodo i
FUNCIN OBJETIVO: Minimizar Costes de produccin + Costes de almacenamiento
RESTRICCIONES:
En cada periodo i:
Equilibrio: (Disponibilidad Ventas) Xi + Si-1 = Di + Si
Disponibilidad de Recursos: No es posible consumir ms recursos de los disponibles
Demanda de Productos: Se debe producir la cantidad de producto requerida

Los problemas de planificacin en el tiempo representan el mundo real

repartiendo el tiempo en un nmero de periodos. Cada periodo puede
corresponder a su vez a un problema de produccin, mezclas u otro tipo
de modelo.
Ventas 1 Ventas 2 Ventas 3 Ventas 4 Ventas 5 Ventas 6
Periodo 1 Periodo 2 Periodo 3 Periodo 4 Periodo 5 Periodo 6
Produccin 1 Produccin 2 Produccin 3 Produccin 4 Produccin 5 Produccin 6
Stock 1 Stock 2 Stock 3 Stock 4 Stock 5
Compras 1 Compras 2 Compras 3 Compras 4 Compras 5 Compras 6

Estos sub modelos se enlazan entre s mediante:
Una variable de inventario para cada producto y periodo. La

variable de inventario representa la cantidad del producto que se
transfiere de un periodo al siguiente.
Una restriccin de equilibrio (origen=destino) para cada

producto y periodo. La forma ms simple de este tipo de
restricciones es:
(Disponibilidad Ventas)
Inventario inicial + produccin = Inventario final + ventas

IMPLEMENTACIN DE LA SOLUCIN:
Los modelos multiperiodo en general se utilizan de forma rotatoria

segn la cual el modelo se resuelve al principio de cada periodo.
Las recomendaciones de solucin para el primer periodo se

implementan. Una vez pasado un periodo, si existen datos sobre
previsiones ms ajustados que los disponibles hasta el momento, se
actualizan los sub modelos.
El modelo se traslada un periodo hacia adelante. El periodo

inicialmente numerado como 2 pasa a ser el 1, etc. y se repite el
proceso completo. De este modo en cada periodo se tomarn las
mejores decisiones en funcin de los datos del mismo y de las
previsiones de los posteriores.

2.5.3.1 Planificacin de la produccin
Multiperiodo
Una compaa desea determinar el plan de produccin para los prximos 6
meses. En la tabla se incluyen los pedidos previstos del producto que
fabrica la compaa. En el periodo de 6 meses, las unidades del producto
pueden fabricarse en un mes y almacenarse para satisfacer la demanda en
algn mes posterior. Por motivos estacionales, el coste de produccin no es
constante tal como se muestra en la tabla.
MES DEMANDA (unidades) COSTE PRODUCCIN (/unidad)
1 1300 100
2 1400 105
3 1000 110
4 800 115
5 1700 110
6 1900 110
El coste por mantener en el almacn una unidad de producto es 4 al mes.

El mximo nmero de unidades que pueden almacenarse en cada periodo
es de 250. El nivel inicial del almacn al principio del horizonte de
planificacin es de 200 unidades; el nivel final del almacn al final de los 6
meses debe ser de 100 unidades.
Plantea un modelo de programacin lineal que permita determinar la
produccin ptima en cada mes de modo que se satisfaga la demanda y
se minimice el coste de produccin y de almacenamiento.
Prctica 2
2.5.4 Corte de Materias Primas

PROBLEMAS DE CORTE DE MATERIAS PRIMAS
En industrias del papel, plstico, metal y textil (entre otras) un producto se fabrica en
piezas de un tamao estndar que resulte econmicamente rentable. Estos productos
se cortarn en otros de tamao inferior ms utilizables conforme el producto se
acerca al usuario final.
El proceso de solucin de este tipo de problemas se puede dividir en 3 etapas:
1. Determinar las demandas de producto en los tamaos finales.
2. Construir un conjunto de patrones de corte de las piezas de tamao original en las
piezas de menor tamao.
3. Determinar cuntas veces utilizar cada patrn de corte de los especificados en (2)
de modo que los requerimientos especificados en (1) se satisfagan con el mnimo
coste. En este paso es en el que se utiliza Programacin Lineal.
VARIABLES: Xi: Nmero de veces que se utiliza el patrn de corte i
FUNCIN OBJETIVO: Determinar cmo cortar los materiales en otros de tamao
inferior con el menor coste.
RESTRICCIONES: Satisfacer la demanda de producto en los tamaos deseados

Prctica 2
2.5.4.1 Problema de corte unidimensional
Una empresa papelera recibe un pedido de rollos de papel de la

misma calidad y espesor para los siguientes anchos:
500 rollos de 30 cm.
En los almacenes de la empresa solo se tiene existencias en esta
calidad de papel con un ancho de 108 cm., por lo que se piensa
realizar un proceso de corte para cumplir la demanda de este
pedido

Prctica 2

Un problema de corte de materias primas
ETSInf-Ingeniera Informtica 45
Prctica 2
Formular un modelo matemtico para determinar la

forma ptima de corte de los rollos de 108 cm. para
satisfacer la demanda con el menor desperdicio

Prctica 2
2.5.5 Planificacin de Personal
PROBLEMAS DE ASIGNACIN DE PERSONAL

La planificacin de personal a corto plazo da lugar a 3 tipos de problemas:
1. Determinar los turnos necesarios cada da para satisfacer los requerimientos de

personal diarios.
2. Dimensionar y planificar en el tiempo al personal para minimizar el coste

cumpliendo la restriccin de que cada empleado tiene un nmero fijo de das libres
semanalmente.
3. Combinar los dos problemas anteriores de modo que se obtenga la

asignacin semanal de los trabajadores a turnos de trabajo y das libres (tour
scheduling).

2.5.5.1 Establecimiento de Turnos de Prctica 2
Trabajo
Para abordar este problema necesitamos conocer las necesidades de personal en cada
momento del da y el establecimiento de unos tipos de jornadas laborales que cumplan
la legislacin vigente.
Supongamos una jornada de servicio de 10 horas, en la que cada turno debe completar
8 horas de trabajo. El nmero mnimo de empleados en servicio cada hora y
considerando que la incorporacin debe realizarse al comienzo de cada hora es el que
recoge la tabla siguiente.
Nmero de empleados requeridos
HORA 8-9 9-10 10-11 11-12 12-13 13-14 14-15 15-16 16-17 17-18
Nmero de
20 40 60 80 60 50 40 50 60 30
Empleados
El descanso que toma cada turno (mnimo de una hora) no se puede hacer antes de haber
trabajado 3 horas ni despus de trabajar ms de 5.
Formula un modelo para determinar los turnos de trabajo que cubran

las necesidades y requieran la menor cantidad posible de trabajadores.

2.5.5.2 Establecimiento de Turnos de
Trabajo y das libres
El problema de la asignacin de turnos de trabajo y das libres se resuelve de forma habitual en
empresas y organizaciones que trabajan 6 o 7 das a la semana (e.g. hospitales, compaas areas,
compaas de transporte, servicio postal..).
En trminos generales, se trata del problema de secuenciacin cclica de personal (k,m), cuyo
objetivo es minimizar el coste de asignar trabajadores en una secuencia cclica de periodo m de
modo que:
(1) en cada periodo i se satisfagan los requerimientos ri
(2) Cada persona trabaje k periodos de tiempo consecutivos y tenga libres los m-k periodos
restantes.
(nota: los periodos m y 1 se consideran consecutivos dada la naturaleza cclica del problema)
El ejemplo ms comn es un problema de secuenciacin cclica (5,7), en el que cada empleado

trabaja 5 das por semana y tiene 2 das libres. En este contexto y dados los requerimientos de
personal que se muestran en la siguiente tabla:
Nmero de empleados requeridos
DIA LUNES MARTES MIERCOLES JUEVES VIERNES SBADO DOMINGO
Nmero de
20 40 30 30 60 50 40
Empleados
Formula un modelo para determinar las secuencias de das de trabajo y das

libres que cubran las necesidades con el menor coste.

Un problema de asignacin de personal
El hospital ValSalud ha decidido ampliar su servicio de urgencias
(abierto las 24 horas) con la consiguiente necesidad de nuevo personal de
enfermera. La gerencia del hospital ha estimado las necesidades mnimas de
personal por tramos horarios para poder cubrir las urgencias que se presenten.
Se definieron 6 tramos de 4 horas. La necesidad mnima de personal en cada
tramo se indica en la siguiente tabla:
Tramos Horarios
J 1 2 3 4 5 6
0:00-4:00 4:00-8:00 8:00-12:00 12:00-16:00 16:00-20:00 20:00-0:00
Personal 5 7 13 12 4 3
Nj
Por otro lado, el departamento de recursos humanos ha informado a gerencia que

los contratos laborales han de ser de ocho horas seguidas, segn el Convenio
firmado con los sindicatos, independientemente de los horarios de entrada y salida
del personal. El problema es encontrar el nmero mnimo de personal necesario
para cubrir la demanda. Plantear un modelo de programacin lineal para obtener
la solucin ptima.
ETSInf-Ingeniera Informtica 55
2.5.5.3 Un problema de alquiler de vehculos
Una compaa automovilstica termina de poner en marcha una nueva planta en Valencia.
Numerosos ejecutivos de la compaa tienen previsto visitar las instalaciones durante el
prximo ao y una agencia de viajes debe organizar el alquiler de vehculos para ellos. La
siguiente tabla muestra la demanda diaria de coches.
Da Sbado Domingo Lunes Martes Mircoles Jueves Viernes

Coches 2 5 10 9 16 7 11
Hay distintos planes de alquiler con distintos precios:

1. Coste diario Sbado o Domingo 35
2. Coste diario entresemana 50
3. Plan de 3 das (3 dias entresemana consecutivos)125
4. Plan de fin de semana (Sbado y Domingo) 60
5. Plan semanal entresemana(Lunes a Viernes) 180
6. Plan semanal (Sbado a Viernes) 200
Un coche lo utiliza slo una persona, pero cuando un coche se alquila para ms de un da
puede ser utilizado por ms de una persona en das distintos. Cmo debe la agencia
organizar el alquiler de los coches para cubrir todos los requerimientos a mnimo coste?

2.5.6 Problemas de Redes
PROBLEMAS DE REDES
Son fciles de describir mediante grafo o redes y existen algoritmos especficos para
resolverlos.
VARIABLES: Xij: utilizacin del arco (i,j)
FUNCIN OBJETIVO: Minimizar el coste
RESTRICCIONES: Especficas para cada problema
Problema de Transporte (Algoritmo Simplex de Transporte)

Problema de Asignacin (Algoritmo Hngaro)
Problema del camino ms corto (Algoritmo de Dijkstra)
Problema de Flujo mximo (Algoritmo de Ford-Fulkerson)
Problema de Flujo mximo a coste mnimo (Algoritmo de Klein)
Problema del rbol de expansin mnimo (Algoritmo de Kruskal)

2.5.6.1 Problema de Transporte
Un fabricante tiene tres centros de distribucin de un
determinado producto en: Valencia, Alicante y Castelln. Estos
centros tienen disponibilidades 20, 40 y 40 unidades
respectivamente. Sus puntos de venta requieren las
siguientes cantidades: Punto1 25 unidades, Punto2 10 u.,
Punto3 20 u., Punto4 30 u. y Punto5 15 u. El coste de
transporte por unidad (en ) entre cada centro de
distribucin y las localidades de los puntos de venta se dan en
la siguiente tabla:

Puntos de Venta
1 2 3 4 5
Valencia 55 30 40 50 40
Centros
de Alicante 35 30 100 45 60
distribucin
Castelln 40 60 95 35 30
Cuntas unidades debe mandar el fabricante desde

cada centro de distribucin a cada punto de venta, de
manera que los costes totales de transporte sean
mnimos?

Formulacin:
Xij = Cantidad de unidades a enviar desde el centro de distribucin i-
simo (i = 1 = Valencia, i = 2 = Alicante, i = 3 = Castelln), al punto de
venta j-simo (j= 1,..,5)
2. Funcin objetivo:
Minimizar Z = 55X11 + 30X12 + 40X13 + 50X14 + 40X15 + 35X21 + 30X22
+ 100X23 + 45X24 + 60X25 + 40X31 + 60X32 + 95X33 + 35X34 + 30X35
()

3. Restricciones:
X11 + X12 + X13 + X14 + X15 <= 20 Restricciones debidas a la

disponibilidad de unidades
X21 +X22 + X23 + X24 + X25 <= 40 en los centros de distribucin
X31 +X32 + X33 + X34 + X35 <= 40 1, 2 y 3
X11 + X21 + X31 >= 25

X12 + X22 + X32 >= 10 Restricciones debidas a
los requerimientos de
X13 + X23 + X33 >= 20
unidades de los puntos
X14 + X24 + X34 >= 30 de ventas 1, 2, 3, 4 y 5
X15 + X25 + X35 >= 15
4. Condicin de no negatividad
Xij >= 0 ; i = 1, 2 y 3 ; j = 1, 2, 3, 4 y 5

Tema 2 Modelos PL

Caricato da

Informazioni sul documento

Copyright

Formati disponibili

Condividi questo documento

Condividi o incorpora il documento

Opzioni di condivisione

Hai trovato utile questo documento?

Questo contenuto è inappropriato?

Copyright:

Formati disponibili

Tema 2 Modelos PL

Caricato da

Copyright:

Formati disponibili

DEIOAC-

ETSInf-Ingeniera Informtica CALIDAD Y OPTIMIZACIN

2.1 Definicin de Modelo

ETSInf-Ingeniera Informtica CALIDAD Y OPTIMIZACIN 2

Las etapas o pasos de un estudio de programacin

ETSInf-Ingeniera Informtica CALIDAD Y OPTIMIZACIN 3

Es una reproduccin fiel de la realidad

ETSInf-Ingeniera Informtica CALIDAD Y OPTIMIZACIN 4

El modelo se define como una funcin objetivo y

ETSInf-Ingeniera Informtica CALIDAD Y OPTIMIZACIN 5

ETSInf-Ingeniera Informtica CALIDAD Y OPTIMIZACIN 6

ETSInf-Ingeniera Informtica CALIDAD Y OPTIMIZACIN 7

ETSInf-Ingeniera Informtica CALIDAD Y OPTIMIZACIN 8

Z = Cantidad a optimizar aij = Coeficientes tcnicos

ETSInf-Ingeniera Informtica CALIDAD Y OPTIMIZACIN 9

ETSInf-Ingeniera Informtica CALIDAD Y OPTIMIZACIN 10

Algoritmos a aplicar segn el tipo de modelo:

ETSInf-Ingeniera Informtica CALIDAD Y OPTIMIZACIN 11

En cuanto al estado actual del desarrollo de los algoritmos de resolucin:

ETSInf-Ingeniera Informtica CALIDAD Y OPTIMIZACIN 12

1. Identificar verbalmente las variables decisin:

ETSInf-Ingeniera Informtica CALIDAD Y OPTIMIZACIN 13

2. Expresar el objetivo en palabras

ETSInf-Ingeniera Informtica CALIDAD Y OPTIMIZACIN 14

ETSInf-Ingeniera Informtica CALIDAD Y OPTIMIZACIN 15

ETSInf-Ingeniera Informtica CALIDAD Y OPTIMIZACIN 16

Existe un conjunto de productos que pueden producirse o venderse y un conjunto de

Asociado a cada producto hay un ratio de contribucin al beneficio y unas tasas de

VARIABLES: Xi: Unidades a producir/Vender del producto i

FUNCIN OBJETIVO: Maximizar el beneficio

RESTRICCIONES: No es posible utilizar/consumir ms recursos de los disponibles

ETSInf-Ingeniera Informtica CALIDAD Y OPTIMIZACIN 17

Horas disponibles por

ETSInf-Ingeniera Informtica CALIDAD Y OPTIMIZACIN 18

Qu cantidad de cada tipo de producto (1 y 2) se

ETSInf-Ingeniera Informtica CALIDAD Y OPTIMIZACIN 19

ETSInf-Ingeniera Informtica CALIDAD Y OPTIMIZACIN 20

2X1 + 2X2 <= 16 (Horas disponibles por semana de la MQ A)

ETSInf-Ingeniera Informtica CALIDAD Y OPTIMIZACIN 21

2X1 + 2X2 <= 16 (Horas disponibles por semana de la MQ A)

ETSInf-Ingeniera Informtica CALIDAD Y OPTIMIZACIN 22

PROBLEMAS DE MEZCLAS y DIETAS

VARIABLES: Xi: cantidad de materia prima i (o proporcin de materia Xi en la mezcla)

FUNCIN OBJETIVO: Minimizar el coste del producto final

RESTRICCIONES: Caractersticas cualitativas del producto final

ETSInf-Ingeniera Informtica CALIDAD Y OPTIMIZACIN 24

Origen % Carbono % Hidrgeno Precio

Kuwait 0.80 (80%) 0.08 650

Se exige a la mezcla que tenga unas caractersticas concretas, que se traducen en un

ETSInf-Ingeniera Informtica CALIDAD Y OPTIMIZACIN 25

Los anlisis realizados sobre las necesidades nutricionales realizadas en una

ETSInf-Ingeniera Informtica CALIDAD Y OPTIMIZACIN 27

Plantea un modelo de programacin lineal que permita determinar el contenido

ETSInf-Ingeniera Informtica CALIDAD Y OPTIMIZACIN 28

Zumo de Sopa de Carne de Zumo de Patatas

Grasas 1g 0g 13g 16,3g 2,5g 0g 0,22g 9,8g

Colesterol 0mg 0mg 5mg 89mg 10mg 0mg 0mg 0mg

Sodio 1mg 650mg 790mg 95mg 120mg 5mg 1,1mg 168,4mg

Carbohidratos 63g 12g 19g 20g 12g 33,4g 14,6g 15g

Fibra 3g 3g 2g 0g 0g 0g 2,5g 1,3g

Protenas 11g 2g 5g 26,1g 9g 0,5g 0,3g 2g

Vitamina C 0% 30% 2% 0% 0% 62% 8% 15%

Hierro 20% 15% 8% 17% 0% 2% 1% 3%

19 cents 56 cents 90cents 82cents 51cents 53cents 37cents 32 cents