MODELOS DE OPTIMIZACIÓN

RESTRINGIDA
 Programación Lineal
INVESTIGACIÓN DE OPERACIONES

La investigación de operaciones es la aplicación, por parte de

grupos interdisciplinarios, del método científico en problemas
relacionados con el control de las organizaciones o sistemas a
fin de producir soluciones que sirvan mejor a los objetivos de la
organización
Evolución Histórica de la administración
de las operaciones
1776 1900 1915
E s p e c ia liz a c ió n d e A d m in is tra c ió n T a m a ñ o e c o n ó m ic o
M . de O C ie n tíf ic a d e l lo te . In v e n ta rio s .
A d a m S m ith F e d e ric k T a y lo r F . W . H a rris
1940 1947 1 9 5 0 -1 9 8 0
A p lic a c ió n d e la P ro g ra m a c ió n P ro g . M a te m a tic a ,
In v e s tig a c ió n d e L in e a l c o m p u ta d o r a s ,
o p e ra c io n e s . G e o rg e D a n tz in g in te g ra c ió n d e
S e g u n d a g e rra o p e ra c io n e s a
m u n d ia l e s tra te g ia s , c a lid a d y
p ro d u c tiv id a d
Programación lineal
La programación lineal es el
planteamiento de modelos en forma
numérica y en donde las variables
de decisión sobre las cuales se basa
el modelo son lineales
 Modelo:
Es una abstracción selectiva de la realidad.

Tipos de modelos: Otra clasificación:

1. Verbales. • Análogo.
2. Esquemáticos. • Físico.
3. Iconográficos.
4. Matemáticos. • Simbólico.
5. Optimización.

5
Modelos:
Modelos matemáticos: muestran relaciones funcionales
entre variables mediante la utilización de símbolos y
ecuaciones.

Modelos de optimización: la mayoría de las veces el Gte.

de operaciones se encuentra con el planteamiento de
problemas en los que debe presentar la mejor alternativa.
para ello se utilizan los modelos de optimización restringida.

6
 Tipos de modelos
Tipo de modelo Características Ejemplos

Modelo Físico -Tangible Modelo de un avión.

-Comprensión: fácil Modelo de una casa
-Duplicación y posibilidad de Maqueta de un edificio
compartirlo: difícil
-Modificación y manipulación: difícil.
-Alcance de utilización: bajo
Modelo Análogo -Intangible Gráficas
-Comprensión: mas difícil Escalas de pesos y
-Duplicación: mas fácil medidas
-Modif. Y manipulación: mas fácil.
-Alcance de utilización: mas amplio
Modelo simbólico -Intangible Ecuaciones algebraicas,
-Compresión: la mas difícil hojas de calculo,
-Duplicación y posibilidad de compartir: simulaciones
la mas fácil
-Modificación y manipulación: la mas
fácil.
-Alcance: el mas amplio
7
ENFOQUE DE LOS MODELOS DE DECISIÓN

Modelo de Es un Modelo
Decisión Simbolico

• Contiene La solución del Modelo produce

Variables Valores Numericos de estas
de Decisión Variables de Decisión

• Busca alcanzar un Utiliza una

“Objetivo” “Medida del Desempeño”
que indica el
“Logro del Objetivo”
8
Ejemplos:

1. Modelo de Asignación
de la Fuerza de Ventas
• Variables Cuantos Vendedores Asignar
de Decisión: a cada Territorio.

• Medida del Ingreso por Ventas

Desempeño:

• Objetivo: Maximizar el
Ingreso por Ventas

9
2. Modelo de Programación
del Trabajo en un Taller

• Variables Cuantas horas Programar

de Decisión: determinadas partes en
determinadas máquinas y
la secuencia

• Medida del
Costo de Fabricación ó
Desempeño:
Tiempo de Fabricación

• Objetivo: Minimizar el Costo ó el

Tiempo de Fabricación
10
3. Modelo de Administración
de Efectivo
• Variables Cantidad de Fondos
de Decisión: mantenidos en c/u de varias
categorías (Efectivo, bonos,
bolsa de valores etc... )
• Medida del Costo de Oportunidad por
Desempeño: mantener Activos Líquidos

• Objetivo: Minimizar el
Costo de Oportunidad

11
 El modelo debe tener suficientes
detalles como para que:
El resultado sea satisfactorio
Sea consistente con los datos
Pueda ser analizado en el tiempo
con el que se cuenta para ello

Realismo Simplicidad

12
 Sistema
Real Decisión
MODELO
óptima

Ajustes
Comparación
(+) o ( -)

Decisión
Resultados Implementación final
 ¿Cuál es la
estructura del
modelo matemático?

•Variables de decisión
•Parámetros y constantes
•Función de optimización: Max/Min
•Ecuaciones de restricción
Problema
Tecnipolímeros produce 2 líneas de tubo especial flexible,
simple y reforzado. La mayor demanda la presenta el tubo
simple (E-9) que es utilizado en construcción. El resto de la
producción se destina al tubo reforzado (F-9) utilizado
en agricultura para riego y transporte de agua. Ambos se
producen con el mismo equipo y en el mismo departamento.
El gerente de mercadeo asegura que el próximo mes se
venderán todos los rollos de E-9 y F-9 que se produzcan.
La utilidad por cada E-9 es de Q5000.00 y de
Q4000.00 por cada F-9.
Nota: cada rollo mide 2000 metros y se vende para producir
rollos mas pequeños
El proceso
Primero se realiza el aglomerado de la materia prima y luego su
extrusión. Para aglomerarlo hay una disponibilidad de 150 hr./mes
y para la extrusión 160 hr./mes. Para el E-9 se necesitan 10 hr. de
aglomerado y 20 hrs. de extrusión y para el F-9 15 hrs. de
aglomerado y 10 de extrusión. Control de calidad, para cumplir
con la producción necesita un mínimo de un 10% menos de horas
por mes del disponible en aglomerado (150). Para el CC del E-9 se
requiere 30 hrs. y cada F-9 10 hrs. La política que se ha mantenido
es que por cada E-9 se producen no mas de 3 F-9. Existe un
pedido de 5 rollos de cualquier combinación de E-9 y F-9.
Optimizar la producción de rollos.
Planteamiento:
Hrs.
E-9 F-9 Disponibilidad/total
Aglomerado 10 15 150
Extrusión 20 10 160
C.C. 30 10 135
Política 1 3
Pedido 5
Planteamiento:
Si identificamos como E a los rollos de E-9 y como F a los rollos
de F-9, podemos expresar las relaciones matemáticamente de la
siguiente manera:

10E  15F  150

20E  10F  160
Restricciones 30E 10F  135
E  3F  E - 3F  0
EF5
Planteamiento:
Que nos interesa:

El interés del problema es la optimización de las utilidades a

través de la producción de rollos de poliducto.
Es decir, maximizar la suma de utilidades

Max. 5000E  4000F

Función Objetivo
Planteamiento matemático:
Max. 5000E  4000F
B. R. 10E  15F  150
20E  10F  160
30E 10F  135
E - 3F  0
EF5
E, F  0 Restricciones de no
negatividad.
Graficación de desigualdades:
Una desigualdad es una expresión matemática que contiene
un signo mayor que, menor que, mayor o igual que, menor o
igual que. Estudiaremos las desigualdades-igualdades que son
las que nos interesan, los pasos a seguir son:
1.- Convertir la desigualdad en igualdad y graficar.
2.- Escoger un punto de referencia (cualquier punto que no
pertenezca a la recta.
3.- Valuar el punto de ensayo y verificar:
a) si el punto satisface la desigualdad todos los puntos
de ese lado la satisfacen.
b) si no satisfacen la desigualdad entonces todos los
puntos que no estén en ese lado la satisfacen.
Ejemplo 1: Graficar 2x - x  -2 2 1

X2
4

2
Punto de ensayo

-3 -2 -1 0 1 2 3 4
X1

-1

-2
Región de desigualdad
-3

No existe relación entre el sentido de la desigualdad y el cuadrante

Ejemplo 2: Resolver la inecuación: 5x + 2y ≤ 3

Represento la recta: 5x  2y  3
3  5x
Despejo la variable y: y
2
Tabla de valores: x y
1 -1
3 -6

Elijo el punto (0,0), que no está en la recta, y estudio cómo responde la inecuación:
50   20   3  0  3

Como el punto (0,0) RESPONDE BIEN a la inecuación, el semiplano

en el que está es la solución.
Ejemplo 3:
Graficar el siguiente sistema lineal:

Max. 5000E  4000F

10E  15F  150

20E  10F  160
30E  10F  135
E-3F  0
EF5
E, F  0
 F
16

14 30E + 10F = 135

12
20E + 10F = 160
10
REGION FACTIBLE
8
E – 3F = 0
6

4
10E + 15F = 150
E + F =5
2

0 2 4 6 8 10 12 14 16
E
Región factible
Es el área dentro de la cual se satisfacen todas las restricciones
a las que esta sometido el modelo y dentro de la cual se encuentra
la solución optima localizada en un vértice.

Restricción Redundante
Es aquella restricción que al quitarla no hace cambiar la
región factible, es decir no se encuentra dentro de la región
factible y no conforma un vértice de la misma.
Solución
Para encontrar la solución al sistema planteado gráficamente
se le dan valores totales aleatorios a la función objetivo y se
grafican tratando de que coincidan con algún vértice de la
región factible y es en ese vértice en donde se encuentra la
solución óptima.
 F
16

14

12

10
PUNTO OPTIMO
8

E
0 2 4 6 8 10 12 14 16
Solución:
Como se puede ver que el punto óptimo esta en la intersección
de las rectas
10E + 15F = 150 y
20E + 10F = 160
Se despejan las incógnitas ya que se tienen dos ecuaciones con
dos incógnitas. Multiplicando la primera por dos y restándole
la segunda se tiene:
20E + 30F = 300
-20E - 10F = -160
20F = 140 lo que hace que F = 7
y E = 4.5
Comprobación
La solución encontrada debe de satisfacer todas las desigualdades.
Substituyendo tenemos los siguiente: E= 4.5, F = 7

10E  15F  150 10 (4.5) + 15(7) = 150

20E  10F  160 20 (4.5) + 10(7) = 160
30E  10F  135 30 (4.5) + 10(7) = 205
E-3F  0 4.5 - 3(7) = -16.5
EF5 4.5 + 7 = 11.5
E, F  0 4.5, 7 > 0
Definiciones
Las desigualdades que en el punto óptimo se vuelven igualdades
se conocen como RESTRICCIONES ACTIVAS, y son por las
que pasa la solución óptima.

10 (4.5) + 15(7) = 150

20 (4.5) + 10(7) = 160

Cuando en el planteamiento de un problema existe una igualdad

siempre es activa.
Definiciones
Estudiemos la siguiente restricción:

30E  10F  135

Al valuarla en el punto óptimo queda como:
30 (4.5) + 10(7) = 205
Excedente
La diferencia es:
205 – 135 = 70

135 205
Excedente
Definiciones
Estudiemos la siguiente restricción:

E -3F  0
Al valuarla en el punto óptimo queda como:
4.5 - 3(7) = -16.5
Holgura
La diferencia es:
-16.5 – 0 = -16.5

-16.5 0
Holgura
Definiciones
Si la restricción es inactiva, para una restricción > o =
hay excedente y para una < o = hay holgura.
El término solución óptima o punto óptimo se refiere a
los valores de las variables de decisión que maximizan
o minimizan (según el caso) la función objetivo.
El término valor óptimo se refiere al valor de la función
objetivo valuada en el punto óptimo.

En el planteamiento de un sistema lineal no pueden existir

desigualdades exactas, todas son o igualdades o desigualdad
igualdad.
El problema de la industria de
juguetes “Galaxia”.
 Galaxia produce dos tipos de juguetes:
* Space Ray
* Zapper

 Los recursos están limitados a:

* 1200 libras de plástico especial.
* 40 horas de producción semanalmente.
 Requerimientos de Marketing.

* La producción total no puede exceder de 800 docenas.

* El número de docenas de Space Rays no puede exceder al
número de docenas de Zappers por más de 450.

 Requerimientos Tecnológicos.

* Space Rays requiere 2 libras de plástico y 3 minutos de

producción por docena.
* Zappers requiere 1 libra de plástico y 4 minutos de producción
por docena.
 Plan común de producción para:

* Fabricar la mayor cantidad del producto que deje mejores

ganancias, el cual corresponde a Space Ray ($8 de utilidad
por docena).
* Usar la menor cantidad de recursos para producir Zappers,
porque estos dejan una menor utilidad ($5 de utilidad por
docena).

 El plan común de producción consiste en:

Space Rays = 550 docenas

Zappers = 100 docenas

Utilidad = $4900 por semana

Solución
 Variables de decisión

* X1 = Cantidad producida de Space Rays (en docenas por

semana).
* X2 = Cantidad producida de Zappers (en docenas por
semana).

 Función objetivo

* Maximizar la ganancia semanal.

 Modelo de Programación Lineal

Max 8X1 + 5X2 (ganancia semanal)

Sujeto a:

2X1 + 1X2 <= 1200 (Cantidad de plástico)

3X1 + 4X2 <= 2400 (Tiempo de producción)
X1 + X2 <= 800 (Limite producción total)
X1 - X2 <= 450 (Producción en exceso)
Xj >= 0 , j= 1, 2. (Resultados positivos)
 X2

1200
Restricción del plástico:
Restricción de plástico
2X1+X2<=1200
Restricción del total de producción:
X1+X2<=800
600 No Factible

Restricción del
Horas de exceso de producción:
Factible
Producción X1-X2<=450
3X1+4X2<=2400
X1
600 800
Resolución gráfica para encontrar la
solución óptima.
 comenzar con una ganancia dada de = $2,000...
X2 Entonces aumente la ganancia...
1200
...y continúe hasta que salga de la región factible

Ganancia =$5040
Utilid. = $3,
2,
4, 000
800

600

X1

400 600 800

1200 X2

800 Región no
factible
600

Región
Factible

X1
400 600 800
 Resumen de la solución óptima

Space Rays = 480 docenas

Zappers = 240 docenas
Ganancia = $5040

* Esta solución utiliza todas las materias primas (plástico) y

todas las horas de producción.
* La producción total son 720 docenas (no 800).
* La producción de Space Rays excede a la de Zappers por solo
240 docenas y no por 450.
Ejemplo:
La empresa Fotográfica S.A. produce dos tipos de líquidos para
revelado de fotografías. El primero, un reactivo químico para
revelar fotografías en blanco y negro cuya producción cuesta
$2,500.00 por tonelada. El segundo, un reactivo químico para
revelar fotografías en color, cuyo costo es de $3,000 la tonelada.
A partir del análisis de los actuales niveles de inventario y de los
pedidos pendientes, el director de producción ha estimado que
se deben de producir para el próximo mes al menos 30 ton., del
reactivo para blanco y negro y 20 ton., del reactivo para color.
Además en bodega hay una materia prima altamente perecedera
que debe de consumirse en un período de 30 días y que se utiliza
en los dos químicos, así que con el fin de consumírsela debe de
producir al menos 60 ton., de ambos reactivos
Ejemplo 2:
Si llamamos:
X1 = ton., producidas del reactivo para blanco y negro
X2 = ton., producidas del reactivo para colores.

Las restricciones nos quedarían así:

X1 ≥ 30
X2 ≥ 20
X1 + X2 ≥ 60
Como en este problema tenemos datos de costo, lo que nos
interesa es minimizar ese costo, de tal forma que nuestra
función objetivo sería:

Minimizar 2,500 X1 + 3,000 X2

 Solución Gráfica
60
X2 X1 = 30
50

Región factible
40

Pto. Optimo (40,20)

30

20 X1 + X2 = 60 X2 = 20

10
X1
0 10 20 30 40 50 60 70 80 90 100
Ejercicio 1:
Un restaurante prepara comidas para reparto a domicilio. Para este
fin de semana 2 locales le han ordenado menús que requieren algún
tipo de carne y una ensalada. En ambos menús, el restaurante
decide colocar una pieza de carne, sin embargo variará la ensalada
de tal forma que para el local A piensa colocar 9 medidas de
ensalada por plato y para el local B 14 medidas. Debido a la
diferencia de clientes que esta atendiendo el restaurante toma la
política de servir el menú del local B en un plato y el del local A en
dos. En total el restaurante tiene una existencia de 100 piezas de
carne y el equivalente a 1260 medidas de ensalada y platos
disponibles para despacho a domicilio tiene 160. Las ganancias por
menús son 110 pesetas los del local A y 95 los del local B.
Ejercicio 2:
Una empresa, especializada en la fabricación de mobiliario para casas de
muñecas, produce cierto tipo de minimesas y minisillas que vende a 2000
unidades monetarias (u. m.) y 3000 u. m. por cada artículo, respectivamente.
Desea saber cuántas unidades de cada artículo debe fabricar diariamente un
operario para maximizar los ingresos, teniendo las siguientes restricciones:
• El número total de unidades de los dos tipos no podrá exceder de cuatro por día
y operario.
• Cada minimesa requiere dos horas para su fabricación; cada minisilla, tres
horas. La jornada
laboral máxima es de diez horas.
• El material utilizado en cada minimesa cuesta 400 u.m. El utilizado en cada
minisilla cuesta 200 u.m. Cada operario dispone de 1200 u.m. diarias para
material. Plantear y resolver el anterior problema como un modelo de
programación lineal.
Ejercicio 3:
En un almacén de frutas hay 800 kg de naranjas, 800 kg
de manzanas y 500 kg de plátanos. Para su venta se
hacen dos lotes (A y B). El lote A contiene 1 kg de
naranjas, 2 kg de manzanas y 1 kg de plátanos; el lote B
se compone de 2 kg de naranjas, 1 kg de manzanas y 1 kg
de plátanos. El beneficio por kilogramo que se obtiene
con el lote A es de 1200 u.m. y con el lote B de 1400 u.m.
Determinar el número de kilogramo de cada tipo para
conseguir beneficios máximos.
Plantear y resolver el anterior problema como un modelo
de programación lineal gráficamente.
Ejercicio 4:
La región factible de un problema de programación
lineal es la intersección del primer cuadrante
del plano cartesiano con los tres semiplanos definidos
por las siguientes inecuaciones:

𝑥 𝑦 𝑥 𝑦 𝑥 𝑦
+ ≤ 1; + ≥ 1; + ≥1
10 8 5 8 10 4

a) Dibuje dicha región y determine sus vértices.

b) Calcule el mínimo de la función objetivo F(x,y) =
4x+5y el recinto anterior.
Ejercicio 5:
En una economía lineal para producir 3 unidades de trigo
se requieren 6 unidades de tierra, $8 en semilla y 3
trabajadores. Para producir 4 unidades de centeno se
requieren 5 unidades de tierra, $10 de semillas y 6
trabajadores. El precio por unidad de trigo y centeno es
$15 y $20.50 respectivamente, siendo las cantidades de
disponibles de tierra y de trabajo de 100 y 130 unidades
respectivamente. Si el empresario desea optimizar el
resultado de su explotación, formule un modelo de
programación lineal.
Ejercicio 6:
Una compañía tiene dos minas: la mina A produce diariamente
1 tonelada de carbón de antracita de alta calidad, 2 toneladas
de carbón de calidad media y 4 toneladas de carbón de baja
calidad; la mina B produce 2 toneladas de cada una de las tres
clases. Esta compañía necesita 70 toneladas de carbón de alta
calidad, 130 de calidad media y 150 de baja calidad. Los gastos
diarios de la mina A ascienden a 500 u.m. y los de la mina B a
750 u.m. ¿Cuántos días deberán trabajar en cada mina para que
la función de coste sea mínima?
Plantear y resolver el anterior problema como un modelo de
programación lineal.