Introducci

on a la IO
Formulaciones de programaci
on lineal
Resoluci
on por ordenador (Excel)
Prof. Jos
e Ni
no Mora
Investigaci
on Operativa, Grado en Estadstica y Empresa, 2011/12

Esquema

Investigaci
on operativa

Formulaciones de programaci
on lineal (PL)

Ejemplos de formulaciones de PL

Resoluci
on mediante hojas de c
alculo (Excel)

Temario y bibliografa b
asica
Temas:
1. Tema 1: Programaci
on lineal
2. Tema 2: Programaci
on entera
3. Tema 3: Flujo en redes y optimizaci
on combinatoria
4. Tema 4: Teora de colas
5. Tema 5: Simulaci
on
Bibliografa b
asica: ver p
ag. web
Transparencias de clase, y apuntes del profesor
H.A. Taha, Investigaci
on de Operaciones
F.S. Hillier & G.J. Lieberman, Introducci
on a la
Investigaci
on de Operaciones

Investigaci
on Operativa (IO)
Es la ciencia e ingeniera de las decisiones: ver
www.scienceofbetter.org
Interdisciplinar: Inform
atica, Matem
aticas, Gesti
on de
Empresas, Ingenieras, Economa, . . .
Origen: Investigaci
on en operaciones militares de las
fuerzas aliadas durante la 2GM; despu
es, extensi
on a la
empresa y al sector p
ublico
Cuantitativa: Basada en modelos matem
aticos, resueltos
por ordenador
Evoluci
on: Ligada a la de los ordenadores
Metodologa IO: sistema real formulaci
on del modelo
an
alisis y algoritmos resoluci
on num
erica por ordenador
interpretaci
on implementaci
on sistema real

El valor a
nadido de la IO
Mejora del rendimiento de sistemas tecnol
ogicos y
empresas

Mejora de la productividad y la eficiencia

Ayuda a la toma de decisiones

Mejora de la asignaci
on de recursos

Mejora de la planificaci
on: de operaciones, t
actica y
estrat
egica

Aplicaciones reales de la IO
Ver: www.informs.org/Prizes/EdelmanPrizeDetails.html
Asignaci
on din
amica de turnos de trabajo en British
Telecom
Asignaci
on de tripulaciones en Continental Airlines
Planificaci
on de la cadena de suministro en IBM
Mejora del rendimiento de centros de atenci
on telef
onica
(call centers)
Mejora de operaciones de reparto postal en UPS

Formulando problemas de optimizaci

on
Elementos de una formulaci
on:
1. Variables de decisi
on: (ej:, Qu
e cantidad xj se ha de
fabricar de cada producto j = 1, . . . , n ?
x = (x1 , . . . , xn )
2. Objetivo (ej: maximizar beneficio
o minimizar coste):
maxf (x)
o minf (x)
3. Restricciones en las decisiones factibles (ej:
presupuesto limitado):
g1 (x) b1 , g2 (x) b2 , g3 (x) = b3 , . . .

Programaci
on lineal (PL)
Clase m
as importante de problemas de optimizaci
on
Base para la resoluci
on de otros problemas de optimizaci
on
Uno de los modelos matem
aticos m
as aplicados
Caractersticas:
1. Variables de decisi
on continuas: x = (x1 , . . . , xn ) Rn
2. Objetivo lineal: min
o max c1 x1 + + cn xn
3. Restricciones lineales: para i = 1, . . . , m ,
ai1 x1 + + ain xn = bi
o ai1 x1 + + ain xn bi
o ai1 x1 + + ain xn bi

Ej: planificaci
on de la producci
on
Una empresa fabrica: Producto 1 (Pr1) y Producto 2
(Pr2)
Utiliza materias primas (recursos): M1 y M2
Datos:
Pr1

Pr2

Disponible/da (tons)

M1

24

M2

Beneficio/ton (ke)

M
as restricciones:
Demanda de Pr2: Demanda/da para Pr2: 2 tons.
Diferencia: producci
on Pr2 - producci
on Pr1 1

Ej (cont.)
Formulaci
on de PL:
1. Variables de decisi
on:
Producci
on/da de Pr1 y Pr2:
x1 , x2
2. Objetivo:
maximizar beneficio/da:
max 5x1 + 4x2
3. Restricciones:

uso de M1:

6x1 + 4x2 24

uso de M2:

x1 + 2x2

demanda de Pr2:

x2

x2

x2

diferencia: x1 +
no negatividad:

x1 ,

Resoluci
on con ordenador (Excel)
Excel incluye el complemento Solver (activarlo en
Herramientas/Complementos)
El Solver de Excel resuelve problemas de PL
Una de las herramientas m
as difundidas de resoluci
on de
modelos de optimizaci
on: hojas de c
alculo (ej. Excel)
Tambi
en: modelizaci
on con hojas de c
alculo (no
algebraica)
Principios de modelizaci
on con hojas de c
alculo:
Separar los datos del modelo
Seguir un formato bien estructurado y f
acil de entender
Veremos numerosos ejemplos durante el curso

Ej: planificaci
on de la producci
on (general)

Una empresa fabrica: Producto j (Prj ), j = 1, . . . , n

Utiliza materias primas (recursos): Mi , i = 1, . . . , m
Datos:
Pr1

Prn

Disponible/da

M1
..
.

a11
..
.

..
.

a1n
..
.

b1
..
.

Mm

am1

amn

bm

c1

cn

Beneficio/unidad (e)

Ej (cont.)
Formulaci
on de PL:
1. Variables de decisi
on:
Producci
on/da de Prj :
xj ,

j = 1, . . . , n

2. Objetivo:
maximizar beneficio/da:
max c1 x1 + + cn xn
3. Restricciones:

uso de Mi : ai1 x1 +
no negatividad:

+ain xn bi ,

i = 1, . . . , m

0,

j = 1, . . . , n

xj

Ej: el problema de la dieta

Modelo cl
asico de PL: Cu
al es la dieta m
as econ
omica
que satisface las necesidades nutricionales?
Ej: Una granja utiliza 800 kg de pienso/da
pienso: mezcla de maz y soja
Datos (kg/kg):
Maz

Soja

proporci
on requerida

Protenas

0,09

0,60

30 %

Fibra

0,02

0,06

5%

coste (e/kg)

0,30

0,90

Ej: (cont.)
Formulaci
on de PL:
1. Variables de decisi
on:
proporci
on de maz ( x1 ) y soja ( x2 ) en la mezcla/kg
2. Objetivo:
minimizar coste/kg:
mn 0,3x1 + 0,9x2
3. Restricciones:
x1 +

x2

protenas: 0,09x1 +

0,6x2

total:

=1
0,3

fibra: 0,02x1 + 0,06x2 0,05

no negatividad:

x1 ,

x2

Ej: El problema de asignaci

on (versi
on contin
C
omo asignar n personas a n tareas?
Coste de asignar la persona i a la tarea j : cij e
Objetivo: minimizar el coste total de asignaci
on
Podemos evaluar todas las posibles asignaciones?
# de posibles asignaciones: n!
n
Crecimiento de n! :

10

n!
3,6 106

100

9,33 10157

1000

4,02 102567

Explosi
on combinatoria: no es posible evaluar todas las
combinaciones

Ej: Formulaci
on de PL
1. Variables de decisi
on: xij = proporci
on del tiempo de la
persona i asignado a la tarea j
2. Objetivo: mn

n 
n


cij xij

i=1 j=1

Restricciones:
A: Cada persona i asignada:

n


xij = 1,

i = 1, . . . , n

j=1

B: Cada tarea j cubierta:

n


xij = 1,

j = 1, . . . , n

i=1

C: No negatividad: xij 0, i, j = 1, . . . , n
# variables: n2 ; # restricciones: 2n

Ej: una refinera de petroleo

Una empresa refina petroleo de Arabia Saud y Venezuela,
produce gasolina, fuel de avi
on y lubricantes
Datos :
(barriles/barril)

A. Saud Venezuela

requerido/da

Gasolina

0,3

0,4

2000

Fuel de avi
on

0,4

0,2

1500

Lubricantes

0,2

0,3

500

Disponible/da

9000

6000

coste (e/barril)

20

15

C
omo satisfacer los requisitos a coste mnimo?

Ej: (cont.)

Formulaci
on de PL:

1. Variables de decisi
on:
miles de barriles de A. Saud ( x1 ) y de Venezuela ( x2 )
refinados/da

2. Objetivo:
minimizar coste/da:
min 20x1 + 15x2

3. Restricciones:

gasolina: 0,3x1 + 0,4x2

fuel: 0,4x1 + 0,2x2 1,5

lubricantes: 0,2x1 + 0,3x2 0,5
disponible A. Saud:

x1

disponible Venezuela:
no negatividad:

x1 ,

9
x2

x2