1 El Arte y La Ciencia de Construir Modelos Determinísticos

CAPITULO
E l arte y la c e n c a
DE CONSTRUIR MODELOS
DETERMINSTICOS
o d e te rm in a Gase C h e m ica ls la m ezcla de p ro d u c to s
C m
w
que m a x im ic e la s ganancias? Cmo deduce C osm ic
C o m p u te r C o m p a n y el p la n m enos caro p a ra tra n s p o rta r sus
m ic ro c o m p u ta d o ra s a los d e ta llis ta s a l m is m o tie m p o que sa
tis fa c e la d e m a n d a de sus clientes? Cmo decide H e x x o n O il la
re d de e m b a rq u e que m a x im ic e el flu jo de p e tr le o a sus ta n q u e s
de a lm a c e n a m ie n to en F ila d e lfia ? P a ra fu n d a m e n ta r m e jo r la
decisin de negocios, debe saber cmo hacer la p re g u n ta adecuada
y cm o fo rm u la r e l p ro b le m a co rre cta m e n te .
En este captulo aprender cmo construir los modelos
matemticos que lo conducirn a las respuestas de stas
y otras preguntas.
12
C a p tu lo 2
E l a r t e y l a c ie n c ia d e c o n s t r u i r m o d e lo s d e t e r m in s t ic o s
En el captulo anterior, usted aprendi que entre los pasos ms importantes en la

resolucin de problemas estn el identificar y despus formular el problema de decisin
en un marco matemtico. La construccin de modelos es un arte que mejora con la prc
tica. Sin embargo, en un esfuerzo por hacer el proceso ms sistemtico, en este captulo
se ilustran varias tcnicas de formulacin de problemas con numerosos ejemplos. Al
aplicar estas tcnicas, usted puede formular no slo los problemas de este libro, sino
tambin muchos otros que podra encontrar en la prctica.
Despus de formular correctamente un modelo matemtico, usted desear resolverlo,
esto es, obtener una solucin. Como el procedimiento de solucin depende de las ca
ractersticas matemticas especficas de un modelo, la eleccin de la tcnica apropiada
significa que debe identificar las caractersticas que su modelo posee. Este captulo le
ayudar a identificar estas caractersticas matemticas y cmo se utilizan para cla
sificar modelos. Los captulos posteriores tratan los diversos procedimientos de solu
cin, las clases de problemas a los que se pueden aplicar, y la forma de interpretar e
implantar las soluciones obtenidas de una computadora.
2 .1
P aso s
g e n e r a l e s y t c n ic a s
DE LA CONSTRUCCIN DE MODELOS MATEMTICOS

En el captulo 1 aprendi que el primer paso al usar tcnicas de administracin es iden
tificar y describir el problema. El siguiente paso es formular el problema en un marco
matemtico. Esta seccin proporciona pasos y tcnicas sistemticas que puede aplicar
al formular sus propios modelos determinsticos. Para ilustrar, considere el problema
enfrentado por la gerencia de produccin de Case Chemicals.
EJEMPLO 2.1 EL PROBLEMA DE PLANEACIN DE PRODUCCIN DE CASE CHEMICALS Case
Chemicals produce dos solventes, CS-01 y CS-02, en su planta de Cleveland. Las em
presas que compran estos solventes los usan para disolver ciertas sustancias txicas
que se producen durante procesos de fabricacin particulares. La planta opera 40 horas
a la semana y emplea a cinco trabajadores de tiempo completo y a dos de tiempo parcial,
que trabajan 15 horas a la semana. Estas personas operan las siete mquinas que mez
clan ciertos qumicos para producir cada solvente. Los productos salen del departamento
de mezclado para ser refinados en el departamento de purificacin, que actualmente
tiene siete purificadores y emplea a seis trabajadores de tiempo completo y a uno de
tiempo parcial, que trabaja 10 horas a la semana.
Case Chemicals tiene una provisin casi ilimitada de la materia prima que necesita
para producir los dos solventes. Case Chemicals puede vender cualquier cantidad de
CS-01, pero la demanda del producto ms especializado, CS-02, est limitada a lo ms
a 120 000 galones por semana. Como gerente de produccin, usted desea determinar
el plan de produccin semanal ptimo para Case Chemicals. Qu cantidad de cada
solvente debe producir Case Chemicals para maximizar la ganancia?
Formulacin
del problema
El proceso de convertir
la descripcin cualitativa
de un problema a una
forma matemtica.
El objetivo ahora es convertir esta descripcin cualitativa del problema a una forma
matemtica que pueda resolverse. Este proceso es llamado formulacin del problema
y generalmente implica cuatro pasos, cada uno de los cuales es descrito en las siguientes
secciones.
2.1.1 Identificacin de las variables de decisin

El primer paso en la formulacin del problema es identificar las variables de decisin,
a menudo simplemente llamadas variables. Los valores de estas variables, una vez
2.1
P asos
g e n e r a l e s y t c n ic a s d e l a c o n s t r u c c i n de m o d e l o s m a t e m a
neos
13
determinados, proporcionan la solucin al problema. Para el ejemplo 2.1, usted puede

ientificar las variables de decisin preguntndose qu informacin necesita proporcionar
al personal de produccin, los departamentos de mezclado y purificacin, para que
sepan cmo proceder. Su respuesta a esta pregunta debera ser:
1. El nmero de miles de galones de CS-01 por producir semanalmente.
2. El nmero de miles de galones de CS-02 por producir semanalmente.
Como los valores de estos elementos no se conocen todava, a cada variable de deci
sin se le da un nombre simblico. Usted puede elegir el nombre simblico que
quiera, pero encontrar til seleccionar un nombre simblico que le recuerde la canti
dad que la variable de decisin representa. Para el ejemplo que estamos viendo, podra
crear las siguientes variables, correspondientes a los dos elementos identificados ante
riormente:
CS1 = el nmero de miles de galones de CS-01 por producir semanalmente
CS< = el nmero de miles de galones de CS-02 por producir semanalmente
Observe que estas descripciones son precisas. Incluyen las unidades asociadas con las
cantidades que las variables representan (miles de galones, en este caso). No es sufi
ciente definir una variable como la cantidad de un elemento, porque para las otras
personas que leyeran su formulacin, el trmino cantidad podra tener varios
significados (por ejemplo, miles de litros en este caso).
La necesidad de identificar las variables de decisin correctamente es vital. De otra
manera, la formulacin de un modelo vlido que capte todos los aspectos del problema
es imposible. La eleccin de estas variables no es nica, y no existen reglas fijas. Sin
embargo, las siguientes pautas son tiles en la identificacin de un conjunto adecuado
de variables de decisin para virtualmente cualquier problema.
CARACTERSTICAS CLAVE
Pautas generales para identificar variables de decisin
y
y
/
Qu elementos afectan los costos y/o ganancias (o, en general, el objetivo

global)?
Qu elementos puede elegir y/o controlar libremente?
Qu decisiones tiene que tomar?
Qu valores, una vez determinados, constituyen una solucin para el pro
blema? Pngase en la posicin de alguien que tiene que implantar su solucin,
y luego pregntese qu informacin se requiere.
Para el ejemplo 2.1, las respuestas a todas est|s preguntas son iguales y lo llevan
a identificar las variables de decisin como el nmero de miles de galones de CS-01 y
CS-02 por producir semanalmente.
2.1.2 Identificacin de los datos del problema

La finalidad de resolver un problema es proporcionar los valores reales para las va
riables de decisin que ha identificado. Usted requiere conocer cierta informacin para
Nombre simblico
Un nombre descriptivo
dado a una variable en
un modelo matemtico
que ayuda a la
comprensin del
significado de la variable.
14
a p t u l o
a r t e y l a c ie n c ia d e c o n s t r u ir m o d e l o s d e t e r m in s t ic o s
ayudar a determinar esos valores. Por ejemplo, para determinar las cantidades reales
de los dos solventes a producir para maximizar las ganancias corporativas, necesitar
saber:
1. El nmero de horas de trabajo disponibles en el departamento de mezclado.
2. El nmero de horas de trabajo disponibles en el departamento de purificacin.
3. La cantidad de ganancias obtenidas al producir y vender cada tipo de solvente.
Estas cantidades constituyen los datos del problema. En problemas determinsticos, se
requiere conocer (u obtener) estos valores en el momento de formular el problema. Para
Case Chemicals:
1. Como se estableci en la descripcin del problema, el departamento de mezclado
tiene cinco trabajadores de tiempo completo (40 horas cada uno) y dos trabajadores
de tiempo parcial (15 horas cada uno). Esto da un total de 230 horas de trabajo
a la semana en el departamento de mezclado.
2. De manera similar, los seis trabajadores de tiempo completo (40 horas cada uno)
y el trabajador de tiempo parcial (10 horas) representan un total de 250 horas de
trabajo a la semana en el departamento de purificacin.
3. El departamento de contabilidad estima un margen de ganancias de $0.30 por
galn de CS-01 y de $0.50 por galn de CS-02, esto es, $300 por mil galones de
CS-01 y $500 por mil galones de CS-02.
A diferencia de las variables de decisin, cuyos valores usted puede controlar, usted
no puede controlar directamente los valores de los datos.
La necesidad de que algunos de los datos del problema pueden aclararse cuando
especifica el problema. Otros datos pueden hacerse necesarios al desarrollar el
modelo matemtico y descubrir que se requiere informacin adicional para
ayudar a determinar los valores de las variables de decisin.
2.1.3 Identificacin de la funcin objetivo

El siguiente paso en la formulacin del problema es expresar el objetivo organizacional
global en forma matemtica usando las variables de decisin y los datos conocidos del
problema. Esta expresin, la funcin objetivo, generalmente se crea en tres etapas.
1. Establecer el objetivo en forma verbal. Para el ejemplo 2.1, este objetivo es:
Maximizar la ganancia semanal total de la produccin de CS-01 y CS-02
Descomposicin
La desintegracin de una
funcin objetivo en la
suma, diferencia o
producto de cantidades
individuales.
2. Donde sea adecuado, descomponer el objetivo en una suma, diferencia o

producto de cantidades individuales. Para el ejemplo 2.1, la ganancia total puede
calcularse como la suma de la ganancia de CS-01 y la de CS-02:
Maximizar ganancia = (ganancia de CS-01) + (ganancia de CS-02)
3. Expresar las cantidades individuales matemticamente usando las variables de
decisin y otros datos conocidos en el problema.
2 .1
P asos
Para lograr la tarea en la tercera etapa, a menudo es til elegir algunos valores
especficos para las variables de decisin y luego usar esos valores para determinar la
forma en que se calcula la funcin objetivo. Se hace referencia a esta tcnica como
trabajo a travs de un ejemplo especfico. En el ejemplo 2.1, supongamos que se
producen 10 mil galones de CS-01 y 20 mil galones de CS-02 (as que CS1= 10 y CS2=
20). El departamento de contabilidad le ha dicho que cada mil galones de CS-01
contribuye con $300 a la ganancia y que cada mil galones de CS-02 contribuye con $500.
Se puede escribir:
Ganancia de CS-01 = 300(10) = $
3 000
+ Ganancia de CS-02 = 500(20) = $ 10 000

Ganancia total
= $ 13 000
Sin embargo, el propsito de usar valores especficos para las variables no es obtener
la ganancia total de estos valores, sino ms bien ayudarlo a determinar cmo calcular
el objetivo cuando los valores de las variables no se conocen explcitamente. En este
problema, se puede ver fcilmente de los clculos anteriores que si CS1es el nmero no
especificado de miles de galones de CS-01 y CS2es el nmero no especificado de miles
de galones de CS-02 por producir, entonces la ganancia es:
Ganancia de CS-01 =
300C*S1
+ Ganancia de CS-02 =
500GS2
Ganancia total
300CS1 + 500CS2
Por lo tanto, la funcin objetiva matemtica expresada en trminos de las variables de

decisin y de los datos del problema es:
Maximizar
3 0 0 0 ^ + 500CS2
Este problema ilustra las siguientes caractersticas clave:
y
Creacin de la funcin objetivo mediante:

a. Enunciado del objetivo de manera verbal.
b. Cuando sea apropiado, descomponer el objetivo en una suma, diferencia,
y/o producto de trminos individuales.
c. Expresar los trminos individuales en (b) usando las variables de decisin
y otros datos de problemas conocidos.
15
g e n e r a l e s y t c n ic a s d e l a c o n s t r u c c i n d e m o d e l o s m a t e m t ic o s
Trabajar con un ejemplo especfico para determinar cmo se expresa la

funcin objetivo en una forma matemtica, eligiendo valores especficos para
las variables de decisin y realizando los clculos necesarios.
2.1.4 Identificacin de las restricciones

Su objetivo es maximizar las ganancias. La funcin objetivo le dice que mientras ms
grande sea el valor de las variables, ms grande ser la ganancia. Pero el mundo real
Trabajo a travs de
un ejemplo especfico
La tcnica de usar
valores especficos de
las variables para
determinar cmo se
calcula la funcin
objetivo.
C a p tu lo 2
pone un lmite en los valores que puede asignar a estas variables. En el ejemplo 2.1, los
departamentos de mezclado y purificacin tienen ciertas restricciones fsicas: un
nmero limitado de horas de trabajo disponible cada uno. Estas limitaciones, as como
otras consideraciones que imponen restricciones sobre los valores de las variables, son
las restricciones. El paso final en la formulacin del problema es identificar estas res
tricciones y escribirlas en forma matemtica.
Las restricciones son condiciones que las variables de decisin deben satisfacer para
constituir una solucin aceptable. Estas restricciones por lo general surgen de:
1. Limitaciones fsicas (el nmero limitado de horas de trabajo en los departamentos
de mezclado y purificacin, por ejemplo).
2. Restricciones impuestas por la administracin (por ejemplo, sta pudo haber
prometido una cierta cantidad de un producto a un cliente estimado).
3. Restricciones externas (por ejemplo, Case Chemicals no puede vender ms de
120 mil galones de CS-02 a la semana, y no hay razn para producir ms que la
cantidad demandada).
4. Relaciones implicadas entre variables (por ejemplo, en el problema de inversin
de Mark de la seccin 1.1, las dos fracciones que representan la proporcin de
dinero a invertir en los dos fondos debe sumar 1).
5. Restricciones lgicas sobre variables individuales (por ejemplo, el nmero de
carros producidos debe ser un nmero entero, y Case Chemicals no puede pro
ducir una cantidad negativa de solventes).
Despus de identificar estas restricciones, debe expresarlas en forma matemtica
usando las variables de decisin y otros datos del problema. Este proceso es
idntico al usado para especificar la funcin objetivo.
y
y
y
Expresar las restricciones en forma verbal.

Cuando es apropiado, descomponer la restriccin en una suma, diferencia
y/o producto de cantidades individuales.
Trabajar con un ejemplo especfico para expresar las cantidades individuales
en una forma matemtica, usando las variables de decisin y otros datos
conocidos del problema.
Considere las restricciones del ejemplo 2.1.
RESTRICCIN DE TRABAJO EN EL DEPARTAMENTO DE MEZCLADO

(LIMITACIN FSICA)
Forma verbal:
Horas totales usadas

en el mezclado
Horas
usadas
\
/
I + I
para CS-01 /
no pueden exceder de 230
Horas
usadas
\
I no pueden exceder de 230
\ para CS-02 J
Matemticas: para expresar las horas usadas para CS-01 y CS-02 en el departamen
to de mezclado, trate de trabajar con un ejemplo especfico. Por ejemplo, suponga que
2 .1
P asos
g e n e r a l e s y t c n ic a s d e l a c o n s t r u c c i n d e m o d e l o s m a t e m t i c o s
CS1= 15 mil y que CS2= 10 mil galones. Cmo calcula el nmero de horas usadas en
el departamento de mezclado? Estos valores son datos del problema (adems de los
datos ya identificados en la seccin 2.1.2) que usted debe obtener. Supongamos que
usted llama al departamento de procesos y recoge los siguientes datos para los
departamentos de mezclado y purificacin:
HORAS POR MILES DE GALONES DE
Mezclado
Purificacin
CS-01
CS-02
2
1
1
2
Resulta entonces fcil calcular las horas usadas en el departamento de mezclado

trabajando con valores especficos de
= 15 y CS2 = 10:
Horas para 15 mil galones de CS-01 = 2(15)
= 30
+ Horas para 10 mil galones de CS-02 = 1(10)
= 10
Total de horas en el mezclado
= 2(15) + 1(10) = 40
El propsito de usar este ejemplo numrico especfico es ayudarle a escribir una res
triccin matemtica general cuando los valores de las variables (CS1y CS2, en este caso)
no se conocen. De los clculos anteriores, usted obtiene la siguiente restriccin mate
mtica general:
2CS1 + 1CS2< 230
RESTRICCIN DE TRABAJO EN EL DEPARTAMENTO DE PURIFICACION

(LIMITACIN FSICA)
Forma verbal:
Descomposicin:
Matemticas:
Horas totales usadas

en la purificacin
Horas
usadas
para CS-01
1 C
S t
Horas
usadas
para CS-02
2CSn
250
RESTRICCIN DE LMITE (LIMITACIN EXTERNA)

La limitacin de que a lo ms pueden venderse 120 mil galones de CS-02 da pie a la
siguiente restriccin sobre el valor de CS2:
C a p tu lo 2
RESTRICCIN DE NO NEGATIVIDAD (LIMITACIONES LGICAS)

Claro est que usted sabe que los valores de estas variables de decisin deben ser no
negativos, esto es, cero o positivos. Tales restricciones implcitas de las que usted est
consciente deben hacerse explcitas en la formulacin matemtica. Para este problema,
debe incluir las siguientes restricciones:
CSX> 0
CS2> 0
o CSV CS2> 0
Juntando todas las piezas de los pasos anteriores, la formulacin matemtica completa
del problema de planeacin de produccin de Case Chemicals es la siguiente:
FORMULACION MATEMTICA DEL PROBLEMA DE CASE CHEMICALS

Maximizar
Condicionado por:
Programa lineal
EX2_1.DAT
300CS1 + 500CS2
2CSX+ 1CS2<230
1CSl + 2 CS2< 250
CS2 < 120
CS1 , CS2 >
0
(ganancia)
(mezclado)
(purificacin)
(limitado en CS-02)
(no negatividad)
donde:
CSl = el nmero de miles de galones de CS-01 por producir semanalmente
CS2 = el nmero de miles de galones de CS-02 por producir semanalmente
En el captulo 4 aprender el procedimiento de solucin para este tipo de problema. La
aplicacin de ese procedimiento da por resultado la solucin ptima:
CS1 = 70
CS2 = 90
Es decir, el plan de produccin ptima es de 70 000 galones de CS-01 y de 90 000 galones

de CS-02, lo que representa una ganancia semanal de $66 000.
En esta seccin, usted ha aprendido los pasos a tomar en la formulacin de pro
blemas identificando (1) las variables de decisin, (2) los datos del problema, (3) la
funcin objetivo y (4) las restricciones. Para escribir la funcin objetiva y las restricciones
en una forma matemtica, use las variables junto con los datos del problema que usted
tenga al formular el modelo. Es posible que no conozca todos los datos necesarios al
definir por primera vez el problema. La necesidad de datos adicionales puede descubrirse
cuando proceda con la formulacin del problema. Estos valores de datos deben
obtenerse de fuentes apropiadas dentro de la organizacin. Para ahorrar tiempo y
espacio, los enunciados de problemas futuros en este libro incluirn todos los datos
necesarios. La formulacin consistir en estos tres pasos:
P aso 1. Identificacin de las variables de decisin.
P aso 2. Identificacin de la funcin objetivo.
P aso 3. Identificacin de las restricciones.
2.2
E jemplos
a d ic io n a l e s d e l a f o r m u l a c i n d e p r o b lem as
19
El problema de esta seccin involucra slo dos variables de decisin y unas cuantas
restricciones. Los problemas de importancia prctica a menudo contienen cientos o
miles de variables y un nmero similar de restricciones. Estos problemas ms com
plejos tambin pueden formularse usando los pasos que aprendi en esta seccin.
2 .2
j e m p l o s a d ic io n a l e s
DE LA FORMULACIN DE PROBLEMAS_____________________
En esta seccin, los pasos de formulacin que aprendi en la seccin 2.1 se aplican a pro
blemas de complejidad variable. Tambin aprender nuevas tcnicas tiles en la iden
tificacin de las variables, los datos, la funcin objetivo y las restricciones. Por ejemplo,
una de estas tcnicas consiste en dibujar un diagrama esquemtico para representar
los diversos componentes del problema. Una ventaja de hacer esto es que el aspecto ms
importante de estos problemas puede ser transmitido con una sola imagen. Una clase
de problemas en que los diagramas esquemticos son particularmente tiles se deno
minan problemas de redes, que pueden incluir la distribucin de bienes, como se
ilustra en las secciones 2.2.1 y 2.2.2.
2.2.1 Ejemplos de problemas de redes:

el problema de la transportacin
Entre los muchos problemas que enfrenta un negocio de produccin est el determinar
el mejor plan de embarque para distribuir bienes terminados desde las instalaciones
de produccin (fbricas y plantas) hasta los mercados de distribucin (clientes y tiendas
detallistas). Por ejemplo, cmo traslada una compaa petrolera la gasolina de sus
refineras a sus gasolineras de la mejor manera? Los negocios deben desarrollar unplan
de embarque (o un programa de distribucin) en el que se establezca el nmero (o
cantidad) de productos terminados por embarcar desde cada instalacin de produccin
hasta cada mercado de distribucin. Estos embarques no pueden exceder las capacidades
disponibles o suministros de las instalaciones de produccin y adems deben satisfacer
todas las demandas de los clientes. Con frecuencia, el mejor programa minimiza los
costos totales de transportacin. El desarrollo de este programa se denomina el pro
blema de transportacin.
Es necesario identificar cierta informacin, datos del problema, para desarrollar el
programa:
1. demandas de los clientes
2. capacidades de la planta
3. costos de embarque desde cada planta hasta cada cliente
Considere el siguiente problema enfrentado por CCC, Cosmic Computer Company.
EJEMPLO 2.2 EL PROBLEMA DE DISTRIBUCIN DE COSMIC COMPUTER COMPANY CCC tiene tres plantas de ensamblaje de microcomputadoras en San Fran
cisco, Los ngeles y Phoenix. La planta de Los ngeles tiene una capacidad de produc
cin mensual de 2000 unidades. Cada una de las plantas de San Francisco y Phoenix
puede producir un mximo de 1700 unidades al mes. Las microcomputadoras de CCC
se venden a travs de cuatro tiendas detallistas localizadas en San Diego, Barstow,
Tucson y Dallas. Los pedidos mensuales de los vendedores al menudeo son de 1700
unidades en San Diego, 1000 en Barstow, 1500 en Tucson y 1200 en Dallas. La tabla
Diagrama
esquemtico
Un dibujo usado para
representar los diversos
componentes de un
problema.
Problema de redes
Un problema que puede
representarse mediante
crculos y flechas que los
conectan.
Problema de
transportacin
El problema de
determinar el plan de
mnimos costos para
embarcar bienes desde
las instalaciones de
produccin hasta los
mercados de distribucin.
20
C a p t u l o 2
El ar te
y l a c ie n c ia de c o n st r u ir m o d e l o s d eterm in stico s
2.1 contiene el costo de embarque de una microcomputadora desde cada planta de

ensamblaje hasta cada una de las distintas tiendas minoristas. Su trabajo es formular
un modelo matemtico para encontrar el programa de embarque de mnimo costo.
TABLA 2.1
Costos de embarque ($/unidad)

TIENDAS
PLANTAS
San Francisco
Los ngeles
Phoenix
Nodo
Un crculo en un
diagrama de redes que
representa un aspecto
importante de un
problema, como la
fuente y destinacin
de bienes en un
problema de
transportacin.
Arco
Una lnea que conecta
dos nodos en un
diagrama esquemtico
que representa una
relacin entre estos dos
nodos, como podra ser
una posible ruta para el
embarque de bienes en
un problema de
transportacin.
SAN DIEGO
BARSTOW
TUCSON
DALLAS
5
4
6
3
7
5
2
8
3
6
10
8
Antes de formular este problema matemticamente, es posible dibujar un diagra

ma de redes esquemtico para representar los diversos componentes del problema,
como se ilustra en la figura 2.1. Los siete crculos, o nodos, representan las tres plantas
y las cuatro tiendas al menudeo. Cada arco indica que las computadoras pueden
embarcarse desde la planta hasta la tienda minorista asociada.
Adems de los nodos y arcos, el diagrama de redes incluye los datos del problema.
En este caso, los nmeros que estn junto a los nodos correspondientes a las tiendas al
menudeo indican el nmero de computadoras solicitadas all. Finalmente, los nmeros
que estn junto a cada arco representan el costo de embarque de una computadora de
la planta correspondiente a la tienda asociada. Todos los aspectos importantes de este
problema se incluyen en este diagrama de redes y, como ver, el diagrama simplifica
la formulacin matemtica posterior.
PAS01. IDENTIFICACIN DE LAS VARIABLES DE DECISIN

Despus de los pasos de la formulacin del problema, su primera tarea es identificar las
variables de decisin. Para hacerlo, hgase las siguientes preguntas:
1,
2
3.
4.
Qu elementos afectan los costos y/o ganancias?

Qu elementos puede escoger y/o controlar libremente?
Qu decisiones tiene que tomar?
Cules son los elementos cuyos valores, cuando se conocen,constituyen una
solucin (en este caso, un programa de embarque)? En otraspalabras, qu
informacin tendra que proporcionar a las plantas de ensamblaje para que ellos
supieran cmo distribuir sus productos?
Las respuestas a todas estas preguntas pueden conducirlo a identificar doce varia
bles de decisin, correspondientes al nmero de microcomputadoras por embarcar
desde cada ^na de las tres plantas de ensamblaje hasta cada una de las cuatro tiendas
minoristas. Podra referirse a ellas con nombres simblicos x v x2, . . . , x l2. Pero recuerde
que al trabajar con variables, es til usar un nombre simblico que en cierta manera
le recuerde la cantidad representada. Por ejemplo, podra definir:
San/Tuc = el nmero de microcomputadoras por embarcar de la planta de
ensamblaje en San Francisco a la tienda detallista en Tucson
2 .2
E je m p l o s
a d ic io n a l e s de l a f o r m u l a c i n de pr o b le m a s
Plantas
Tiendas detallistas
San Diego
1000
1500
1200
Figura 2.1 La red de distribucin de CCC.
x 13 = el nmero de microcomputadoras por embarcar de la

planta de ensamblaje #1 (San Francisco) a la
tienda detallista #3 (Tucson)
xST = el nmero de microcomputadoras por embarcar de la
planta de ensamblaje en San Francisco a la tienda
detallista en Tucson.
TABLA 2.2
Variables de decisin para el ejemplo 2.2

TIENDAS
PLANTAS
San Francisco
Los Angeles
Phoenix
SAN DIEGO
* ps
BARSTOW
TUCSON
*s8
*sr
Kb
Kb
Kr
Kr
DALLAS
Ko
Ko
Para este ejemplo, se utiliza la ltima notacin. Los doce nombres simblicos se re
sumen en la tabla 2.2. En trminos del diagrama de redes de la figura 2.1, cada una de
estas variables de decisin denota el nmero de computadoras por embarcar junto al
arco correspondiente, como se ilustra en la figura 2.2.
C a p tu lo 2
El a r t e y l a c ie n c ia d e c o n s t r u i r m o d e lo s d e t e r m in s t ic o s
PASO 2. IDENTIFICACION DE LA FUNCION OBJETIVO

Si recordamos el procedimiento usado en la seccin 2.1, puede especificar la funcin
objetiva de la manera siguiente:
Forma verbal:
Minimizar
costos de embarque desde todas las plantas a todas las

tiendas
costo de \
embarque I
desde SF
Plantas
/ costo de
I embarque
\ desde LA
/
costo de
I
embarque
\ desde Phoenix
Tiendas detallistas
San Diego
Dallas
Figura 2.2 Variables de decisin para el problema de distribucin de CCC.
Para obtener una expresin matemtica de cada uno de estos tres

costos de embarque, trabaje con un ejemplo especfico. Suponga que la planta de San
Francisco embarca 500 microcomputadoras a San Diego, 200 a Barstow, 400 a Tucson
y 300 a Dallas. Esto es, xss = 500, xSB= 200, xST= 400 y XgD= 300. Recordemos los costos
de transportacin por unidad dados en la tabla 2.1,
E j e m p l o e s p e c f ic o .
Costo de embarque desde SF - 5(500) + 3(200) + 2(400) + 6(300) = 5700

En general, cuando las unidades X SS,X SB,X ST, y X SDson enviadas desde San Francisco,
Costo de embarque desde SF = 5xss + SxSB + 2xST + 6xSD
2 .2
E je m p l o s
23
a d ic io n a l e s de l a f o r m u l a c i n de p r o b l e m a s
Procediendo de manera similar para el costo de transportacin desde Los ngeles y

desde Phoenix, llegamos al siguiente costo de transportacin total:
M a t e m t ic a s
Minimizar
(5xss + SxSB + 2xST + 6xS[)) +
^ XLS ^XLB + ^XLT +
(6xps + 5x pr + 3xpT + 8xpo)
PASO 3. IDENTIFICACIN DE LAS RESTRICCIONES

Para identificar las restricciones, hgase las siguientes preguntas:
1. Qu le impide elegir valores arbitrarios para las variables? (Analizando la
funcin objetiva dada, usted puede minimizar el costo estableciendo cada va
riable en cero. Qu le impide hacer esto?)
2. Qu limitaciones fsicas o lgicas se requieren para que los valores de las va
riables constituyan una solucin aceptable?
Para contestar ambas preguntas, observe la figura 2.2, que le debe llevar a
identificar los siguientes grupos de restricciones:
1. El embarque total de cada planta no debe exceder su capacidad. Estas limitacio
nes estn asociadas con cada nodo correspondiente a la planta de la figura 2.2.
2. El embarque total recibido por cada tienda al por menor debe satisfacer su
demanda. Estas restricciones estn asociadas con cada nodo correspondiente a
una tienda detallista y a su demanda en la figura 2.2. En este ejemplo, satis
facer significar ser exactamente igual a. Sin embargo, en algunas situaciones,
puede significar al menos igual a. Siempre que surjan tales ambigedades,
asegrese de aclararlas antes de formular el problema.
3. El embarque desde cada planta hasta cada tienda detallista debe ser un nmero
completo no negativo, a menudo denominado entero no negativo, porque no
puede enviar parte de una computadora.
Observe que los dos primeros grupos de restricciones son limitaciones fsicas y que
el tercero es una limitacin lgica.
Lo que resta es convertir estas restricciones de su descripcin verbal a matemticas,
usando variables de decisin y datos del problema. Para hacerlo, observe que existe una
restriccin de capacidad asociada con cada uno de los tres nodos de la figura 2.2
correspondiente a estas tres plantas. Por ejemplo, el nmero de unidades embarcadas
desde la planta de San Francisco no puede exceder su capacidad de 1700. Ahora bien,
use la tcnica de descomposicin para expresar el nmero de unidades embarcadas
desde San Francisco como una suma de trminos individuales. De la figura 2.2, los
cuatro arcos que salen del nodo correspondiente a la planta de San Francisco proporcionan
la siguiente descomposicin:
Nmero de unidades
embarcadas desde
San Francisco
I
{
nmero de unidades
embarcadas hacia San Diego
nmero de unidades
embarcadas hacia Barstow
Entero
Un nmero completo.
C a p tu lo 2
nmero de unidades
embarcadas hacia Tucson
nmero de unidades
embarcadas hacia Dallas
Por tanto, la restriccin de capacidad correspondiente a este nodo es:
XSS + XSf + XST + XSD
Un proceso similar, con referencia al diagrama de redes de la figura 2.2, conduce al
siguiente grupo de restricciones de capacidad:
xss + xsb + xst + xsd ^1^00
xLS + xLB + xLT + xLD< 2000
(San Francisco)
(Los ngeles)
XPS + XPB + XPT + XPD- 1700
(Phoenix)
Para identificar las restricciones de demanda, observe que existe una de tales restric
ciones asociada con cada uno de los cuatro nodos de la figura 2.2, correspondiente a las
cuatro tiendas al detalle. Por ejemplo, el nmero de unidades enviadas a la tienda
detallista de San Diego debe ser exactamente 1700. Ahora use la tcnica de des
composicin para expresar el nmero de unidades embarcadas a San Diego como una
suma de trminos individuales. De la figura 2.2, los tres arcos que entran al nodo
correspondiente a la tienda detallista de San Diego proporcionan la siguiente des
composicin:
Nmero de unidades
embarcadas desde
San Francisco
nmero de unidades
embarcadas desde San Francisco
nmero de unidades
embarcadas desde Los ngeles
nmero de unidades
embarcadas desde Phoenix
Por tanto, la restriccin de demanda correspondiente a este nodo es:

XSS + XLS + XPS = 1700
Un proceso similar, nuevamente con referencia al diagrama de redes de la figura 2.2,
conduce al siguiente grupo de restricciones de demanda:
XSS + XLS + XPS =
XSB + XLB + XPB=
XST+ XLT + XPT=
XSD + XLD + XPD=
1700
1000
^00
1200
(San Diego)
(Barstow)
(Tucson)
(Dallas)
Finalmente, cada embarque (variable de decisin) debe ser no negativo y entero:

XSS XSB XST XSD XLS XLB XLT XLDi
x ps>x pb x p v
xP D - y
en ter
Si juntamos todas las piezas, el modelo matemtico completo es el siguiente:
2 .2
E je m p l o s
a d ic io n a l e s de l a f o r m u l a c i n de p r o b l e m a s
25
FORMULACION MATEMATICA DEL PROBLEMA DE

TRANSPORTACIN DECCC
Minimizar
( 4 x l .S + 7*LB + & L7 + 1 0 *LZ>)
(6xre + 5xpg + 3 x pt + 8xpd)
Programa entero
EX2_2.DAT
Condicionado por:
RESTRICCIONES DE CAPACIDAD
< 1700
X LS + X LB + X LT + X LD
(San Francisco)
(Los ngeles)
(Phoenix)
2 0 0 0
Xps + XpB + XpT + XpD < 1700
RESTRICCIONES DE DEMANDA
X SS + X LS + X PS ~
1^00
X SB
l 000
X LB
X PB ~
(San Diego)
(Barstow)
(Tucson)
(Dallas)
X ST + X LT + XPT ^ 0 0
X SD + X LD + XPD ~
1200
RESTRICCIONES LOGICAS
X SS> XS
o,
Xpg, XPB, XPT, xpD> 0 y entero

En el captulo 9 aprender el mtodo para resolver este tipo de problemas.
Aplicando ese procedimiento de solucin se llega al siguiente plan de embarque ptimo
para CCC:
TIENDAS
PLANTAS
San Francisco
Los ngeles
Phoenix
SAN DIEGO
BARSTOW
TUCSON
DALLAS
0
1700
0
800
0
200
0
0
1500
900
300
0
El costo de embarque total asociado con esta solucin ptima es $23 100.
CARACTERISTICAS CLAVE
El problema de CCC ilustra los siguientes puntos clave adems de las tcnicas
de formulacin de problemas previamente cubiertas.
y
El uso de un diagrama esquemtico, tanto para ilustrar el problema como

para ayudar a su formulacin matemtica.
26
C a p tu lo 2
Agrupamiento
La tcnica de identificar
una serie de restricciones
similares, cada una de
las cuales pertenece
a un aspecto particular
del problema, como
la satisfaccin de
demandas.
La necesidad de resolver ambigedades que surgen con respecto a la inter

pretacin de las restricciones objetivas impuestas sobre el problema. Por
ejemplo, satisfacer la demanda puede significar exactamente igual a o al
menos.
La tcnica de agrupamiento, que es la identificacin de grupos de res
tricciones, cada una de las cuales pertenece a un aspecto particular del
problema, como la satisfaccin de demandas. La ventaja de agrupar es que,
despus de formular la restriccin de demanda de un detallista, se le
facilitar formular todas las restricciones de ese grupo porque todas tienen
la misma estructura matemtica.
2.2.2 Ejemplos de problemas de redes:

el problema del flujo mximo
Para ilustrar nuevamente el uso de un diagrama de redes, considere el problema
enfrentado por la administracin de la Hexxon Oil Company.
EJEMPLO 2.3 EL PROBLEMA DEL FLUJO MXIMO DE LA HEXXON OIL COMPANY
Hexxon Oil Company tiene una gran refinera localizada en Newark, New Jersey. La
gasolina refinada es enviada de all a tanques de almacenamiento en Filadelfia a travs
de una red de oleoductos con estaciones de bombeo en Sayerville, Easton, Trenton,
Bridgewater y Allentown. El oleoducto est construido en segmentos que conectan
parejas de estas ciudades. A lo largo de cada segmento existe un nmero mximo
conocido de galones por hora que pueden enviarse. Esos segmentos y sus respectivas
capacidades en galones por hora son
DE
Newark
Sayerville
Trenton
Newark
Sayerville
Bridgewater
Easton
Easton
Allentown
A
Sayerville
T renton
Filadelfia
Bridgewater
Bridgewater
Easton
Allentown
Trenton
Filadelfia
CAPACIDAD
150
125
130
80
60
100
75
50
90
000
000
000
000
000
000
000
000
000
En la regin de Filadelfia se espera un aumento en la conduccin en los prximos

meses de verano. Tendr Hexxon suficiente gasolina para satisfacer la mayor
demanda en las estaciones de servicio? Antes de incrementar la tasa de produccin de
la refinera, la administracin de Hexxon desea conocer el nmero mximo de galones
de gasolina por hora que pueden enviarse a travs de la red de oleoductos a los tanques
de alma-cenamiento de Filadelfia.
Antes de formular este problema matemticamente, considere el dibujo de un
diagrama de redes que le ayude a visualizar la informacin y los datos del problema.
Primero identifique ciertos nodos y arcos. En este problema, cada lista de ciudades
puede representarse mediante un nodo. Para conectar esas ciudades para las que existe
2 .2
E je m p l o s
a d ic io n a l e s d e l a f o r m u l a c i n de pro b l e m a s
un segmento de la red de oleoductos se utiliza un arco, como se ve en la figura 2.3. All

tambin puede ver la capacidad de cada segmento escrita junto al arco correspondiente.
Sayerville
Trenton
Newark
Filadelfia
Bridgewater
* En miles de galones por hora
Easton
Allentown
Figura 2.3 Representacin de red del problema de flujo mximo: problema de flujo de Hexxon
Oil Company.

El primer paso en la formulacin es identificar las variables de decisin. Pregntese lo
que puede controlar con libertad y lo que constituye una solucin a este problema. La
respuesta es que debe determinar el nmero de galones de gasolina que se pueden
enviar por hora a lo largo de cada segmento del oleoducto. Puede definir
xNS = el nmero de galones de gasolina por hora que se enviarn a lo largo
del segmento Newark a Sayerville
Se requiere de una variable similar para cada uno de los otros ocho arcos del diagrama
de redes de la figura 2.3. En la figura 2.4 se escriben estas nueve variables junto a los
arcos.
Sayerville
Trenton
Figura 2.4 Variables de decisin para el problema de flujo mximo de Hexxon Oil Company.
C a p tu lo 2
PASO 2. IDENTIFICACIN DE LA FUNCIN OBJETIVO

El siguiente paso en el proceso de formulacin es la identificacin de la funcin objetivo,
que en este caso es:
Maximizar el nmero de galones de gasolina por hora enviada a Filadelfia
Examinando el diagrama de redes de la figura 2.4 y aplicando la tcnica de descom
posicin, puede ver que:
{ Nmero de galones
} _
por hora a Filadelfia J
nmero de galones por 1 _

[ hora desde Allentown J
nmero de galones por 1

| hora desde Trenton J
En trminos de las variables de decisin, entonces, la funcin objetivo es

Maximizar xAp + xTp

La tcnica de agrupamiento puede usarse para identificar los siguientes tres grupos de
restricciones.
1. Restricciones de lmite, especificando que la tasa de embarque de cada segmento
del oleoducto no debe exceder su capacidad. Al usar las variables y las capacidades
dadas en la figura 2.4, estas restricciones son:
X NS
X NB
X SB
X ST
X BE
X EA
X ET
X AP
X TP
2.
< 150 000

<
80 000
<
60 000
< 125 000

< 100 000
<
75 000
<
50 000
<
90 000
< 130 000
Restricciones de equilibrio, especificando que en cada estacin de bombeo, la

cantidad de gasolina por hora enviada debe ser precisamente igual a la cantidad
recibida. Por ejemplo, si observamos el nodo de la figura 2.4 correspondiente a
la estacin de bombeo de Bridgewater, puede ver que
Cantidad enviada 1
desde Bridgewater J
Cantidad enviada de 1
1 Bridgewater a Easton J
Cantidad recibida 1
en Bridgewater
j
Cantidad recibida en
1
f
Cantidad recibida en
1 Bridgewater desde Newark J + ^Bridgewater desde Sayerville
2 .2
E je m p l o s
a d ic io n a l e s de l a f o r m u l a c i n de pro b l e m a s
Si igualamos estas dos cantidades obtenemos la siguiente restriccin de balance

para la estacin de bombeo de Bridgewater:
x be
x nb
x sb
0 (balance en Bridgewater)
Procediendo de manera similar para cada estacin de bombeo se obtienen las

siguientes cuatro restricciones de balance adicionales:
X ST
X EA
X TP
X SB ~ X NS
- xET~
X BE
- x ST
qr - xX EKTT = 0 (balance en Trenton)
= 0 (balance en Allentown)
X AP ~ X EA
3.
Restricciones lgicas, especificando que la cantidad enviada en cada segmento

sea no negativa.
Juntando todas las piezas, la formulacin matemtica del problema de la Hexxon

Oil Company es la siguiente:
FORMULACION MATEMTICA DEL PROBLEMA DE FLUJO

DE LA HEXXON OIL COMPANY
Maximizar
xAp + xTp
Condicionado por:
RESTRICCIONES DE FRONTERA
xm
X NB
X SB
X ST
< 150 000

<
80 000
<
60 000
< 125 000

<
100 000
<
75 000
<
50 000
<
90 000
<
T
**"TP
130 000
X BE
X EA
X KT
X M>
RESTRICCIONES DE BALANCE
X BE
X NB
X SB
X ST
+ X SB
~ X NS
X EA
X ET ~ X BE
TP
X ST '
X AP
X EA
= 0 (balance en Bridgewatei
= 0 (balance en Sayerville)
= 0 (balance en Easton)
- xRT = 0 (balance en Trenton)

= 0 (balance en Allentown)
Programa lineal
EX2_3.DAT
C a p tu lo 2
RESTRICCIONES LGICAS
Todas las variables son no negativas.
Aplicando el procedimiento de solucin apropiado se obtienen los flujos ptimos
mostrados en la figura 2.5.
Sayerville
Trenton
Figura 2.5 Una solucin ptima para el problema de flujo mximo de Hexxon Oil Company.
Esta solucin resulta en un flujo mximo de 205 000 galones de petrleo por hora
desde la refinera de Newark a los tanques de almacenamiento de Filadelfia.
La administracin no sabe cunta gasolina puede bombear la compaa a Filadelfia.
Esta informacin tambin es importante al tomar la decisin respecto a cul debera ser
la tasa de produccin en la refinera de Newark. De hecho, el flujo mximo hacia
Filadelfia pone un lmite superior sobre cunta gasolina debe fluir desde Newark.
2.2.3 Administracin de cartera de valores:

el uso de variables enteras 0-1
En muchos problemas, los administradores deben tomar ciertas decisiones estratgicas,
como:
1.
2.
3.
4.
Debe
Debe
Debe
Debe
construirse una nueva planta o almacn?

emprenderse un proyecto particular?
comprarse cierta seguridad?
comprarse una nueva pieza de equipo?
Estas cuatro preguntas abordan problemas que son distintos en naturaleza del
problema de transportacin y del problema de flujo mximo. Al desarrollar el programa
de embarque y el flujo de gasolina, usted buscaba una respuesta cuantitativa: cunto?
Las cuatro preguntas estratgicas anteriores son cualitativas: Sus respuestas sern
11
E jemplos
a d ic io n a l e s de l a f o r m u l a c i n de p ro blem as
31
Las decisiones cualitativas desconocidas, la respuesta de s o no a estas pregunzzs , son los elementos que puede controlar con libertad y de esta manera se incorpo:=n a un modelo matemtico como variables de decisin. Al formular un modelo, estas
inables de decisin estn restringidas a valores de 0 (para no) y 1 (para s) y son
rn:onces llamadas variables enteras 0-1. El siguiente ejemplo ilustra cmo se usan
r =:as variables en el desarrollo de modelos.
EJEMPLO 2.4 EL PROBLEMA DE ADMINISTRACIN DE CARTERA DE HIGH TECH
1:5 socios generales de High Tech, una compaa de inversin de capital de riesgo,
r5:an considerando invertir en una o ms propuestas que han recibido de varios
" e godos empresariales. El departamento de investigacin ha examinado cada propuesta,
ruatro de los empresarios cumplen con el requerimiento de High Tech de lograr un
rendimiento lo suficientemente alto para el riesgo asociado. Estas compaas son BioTech, Tele-Comm, Laser-Optics y Compu-Ware. El departamento de investigacin de
H:gh Tech tambin ha estimado el rendimiento total de estos negocios en dlares
::uales, dado en la ltima columna de la tabla 2.3.
Cada uno de los cuatro proyectos requiere inversiones de una cantidad conocida al
; nncipio de cada uno de los siguientes cuatro aos, como se muestra en la tabla 2.3. El
: e partamento de contabilidad de High Tech ha preparado una estimacin de los fondos
: ::ales que High Tech tiene para invertir a principios de cada uno de los siguientes
: uatro aos, que se da en la ltima fila de la tabla 2.3. Observe que los fondos no usados
e cualquier ao no estn disponibles para su inversin en los aos posteriores.
Como uno de los socios generales de High Tech, se le ha pedido hacer recomendaciones
respecto a cules de estos proyectos elegir, si acaso, para invertir y lograr el ms alto
rendimiento total en dlares actuales. Usted y los otros socios han acordado que High
Tech, en un esfuerzo por diversificarse, no invertir conjuntamente en Tele-Comm y
Laser-Optics, que estn desarrollando el mismo tipo de tecnologa.
TABLA 2.3 Datos de inversin para High Tech ($ miles)

PROYECTOS
AO 1
AO 2
AO 3
AO 4
DEVOLUCIN
Bio-Tech
Tele-Comm
Laser-Optics
Compu-Ware
60
35
10
15
10
35
50
10
10
35
50
10
10
35
10
40
250
375
275
140
Fondos para inversin
90
80
80
50
PAS01, IDENTIFICACIN DE LAS VARIABLES DE DECISIN

Pregntese qu puede controlar libremente en este problema y se dar cuenta de que
puede elegir aceptar o rechazar cada una de las cuatro propuestas. Debe reconocer
que estas decisiones implican una decisin no o s. Parece razonable entonces crear
una variable entera para cada proyecto, de la manera siguiente:
g _
1, si High Tech debe invertir en Bio-Tech

\ 0, si High Tech no debe invertir en Bio-Tech
j, _
1, si High Tech debe invertir en Tele-Comm

[ 0, si High Tech no debe invertir en Tele-Comm
Variable entera 0-1

Una variable de decisin,
restringida a tener un
valor de 0 o 1, usada
para modelar
decisiones no/s.
C a p tu lo 2
- {
C=
si High Tech debe invertir en Laser-Optics

si High Tech no debe invertir en Laser-Optics
1, si High Tech debe invertir en Compu-Ware
0, si High Tech no debe invertir en Compu-Ware
La eleccin de 1 para s y 0 para no es completamente arbitraria. Tambin habra

podido elegir 1 para no y 0 para s. Sin embargo, una vez que ha elegido, debe usar
esta eleccin consistentemente en toda la formulacin. En algunos casos, una eleccin
particular simplifica la formulacin subsecuente.

En este caso, el objetivo es maximizar el rendimiento total de las inversiones en dlares
actuales. El rendimiento total puede descomponerse en la suma de las utilidades para
cada uno de los cuatro proyectos, como sigue:
Rendimiento total
= rendimiento de Bio-Tech
rendimiento de Laser-Optics
+ rendimiento de Tele-Comm +
+ rendimiento de Compu-Ware
Trabaje con un ejemplo especfico. El rendimiento de Bio-Tech es de $250 000, como se

muestra en la tabla 2.3. Sin embargo, recibir este rendimiento slo si decide invertir
en Bio-Tech, esto es, si B - 1. De otra manera, es decir, si B = 0, el rendimiento de BioTech es 0. Estas dos posibilidades pueden combinarse en la siguiente expresin mate
mtica:
Rendimiento de Bio-Tech = 2505
Si la decisin es no invertir, es decir, B = 0, entonces 250# = 0. De otra manera, cuando
la decisin es invertir, esto es, B = 1, entonces 250B = 250.
De manera similar, el rendimiento de cada uno de los restantes tres proyectos se
obtiene multiplicando el rendimiento de la tabla 2.3 con la variable de decisin 0-1
correspondiente a ese proyecto. En resumen, la funcin objetivo para este problema es
maximizar:
Rendimiento total
= rendimiento de Bio-Tech
rendimiento de Laser-Optics
+ rendimiento de Tele-Comm +
+ rendimiento de Compu-Ware
= 250B + 375T + 275L + 140 C

Comience usando la tcnica de agrupamiento para identificar los siguientes grupos de
restricciones: (1) flujo de efectivo anual, (2) una pauta para reflejar que High Tech no
desea invertir en Tele-Comm y en Laser-Optics a la vez, y (3) restricciones lgicas.
R e s t r ic c io n e s d e f l u jo d e e f e c t iv o a n u a l
Pregntese qu le impide invertir en los cuatro proyectos. Una restriccin es la can

tidad limitada de fondos disponibles para inversin durante cada uno de los cuatro aos
(vase la tabla 2.3). En particular, se requiere de una restriccin de presupuesto para
cada uno de los cuatro aos para asegurar que los fondos totales invertidos en proyectos
2 .2
E je m p l o s
a d ic io n a l e s d e l a f o r m u l a c i n d e p r o b l e m a s
seleccionados no excedan la cantidad de fondos para inversin disponibles ese ao. Por
ejemplo, para el primer ao:
Fondos totales invertidos en proyectos seleccionados < 90
Usando la tcnica de descomposicin, los fondos totales invertidos en proyectos
seleccionados es la suma de las cantidades invertidas en cada uno de los cuatro
proyectos, esto es:
Fondos totales invertidos =
(cantidad invertida en Bio-Tech) +

(cantidad invertida en Tele-Comm) +
(cantidad invertida en Laser-Optics) +
(cantidad invertida en Compu-Ware)
Se requiere una expresin matemtica para cada una de estas cantidades en tr

minos de las variables de decisin y otros datos del problema. Use nuevamente la
descomposicin, y trabaje con un ejemplo especfico. La cantidad invertida en cada
proyecto es la cantidad requerida para ese proyecto durante el primer ao (vase la
tabla 2.3) multiplicada por la variable 0-1 correspondiente. Por tanto, la restriccin de
presupuesto para el primer ao se convierte en:
605 + 35T + 10L
15C < 90
(presupuesto para el ao1)
Se requiere de una restriccin similar para cada uno de los restantes tres aos. Usando
los datos de la tabla 2.3, esas restricciones son
IOS + 35T + 50L
10C < 80
105 + 35T + 50L
10C < 80
105 + 35T + 10L
40C < 50
R e s t r ic c i n d e p a u t a d e in v e r s i n
Recuerde que la administracin ha decidido no invertir en Tele-Comm y Laser-Optics

a la vez. Puede usar las variables T y L para escribir una restriccin matemtica
apropiada?
Se necesita una restriccin para asegurar que si T es 1, entonces L es 0, y que si L
es 1, entonces T es 0 (o, de manera equivalente, que ambas variables no pueden tener
un valor de 1). Una forma de lograr esto es requerir que el producto de estas dos
variables sea 0.
T*L = 0
Si una de las variables es positiva, la otra debe ser 0. Pensndolo un poco, puede darse
cuenta de que la siguiente restriccin logra el mismo objetivo:
T +L< 1
En la ltima restriccin, si T es 1, L no puede ser tambin 1 y satisfacer la desigualdad
<y viceversa). Cualquiera de estas dos restricciones es aceptable. La opcin debera
basarse finalmente en su capacidad de encontrar un mtodo para resolver la formulacin
34
C a p tu lo 2
resultante. En este caso, la segunda restriccin proporciona un modelo que es ms fcil

de resolver, como aprender en los siguientes captulos sobre tcnicas de solucin.
R e str icc io n es l g icas
Como se especifica en las definiciones, cada variable debe tener un valor de 0 o 1. Esta
restriccin implcita se hace explcita de la siguiente manera:
B, T, L y C = 0 o 1
De manera alternativa, podra escribir estas restricciones lgicas como:
0< B< 1
entera
0< T< 1
entera
0< L< 1
entera
0< C< 1
entera
Juntando las piezas, el modelo matemtico completo es el siguiente:
FORMULACIN MATEMTICA PARA EL PROBLEMA

DE INVERSIN DE HIGH TECH
Maximizar
250B + 375T + 275L + 140C
Condicionado por:
60B
Programa entero
EX2_4.DAT
10L +
15C < 90
(ao 1)
lOfi + 35T + 50L +
10C < 80
(ao 2)
10B + 35T + 50L +
10C < 80
(ao 3)
10L +
40C < 50
(ao 4)
+ 35T +
10B + 35T +
< 1
T +L
B
T,
0o 1
Esta formulacin se basa en definir las variables como se hace en el paso 1. Una
formulacin alternativa, pero equivalente, puede obtenerse definiendo cada variable
de decisin para que tenga un valor de 1 para no, significando que no invertir en el
proyecto asociado, y de 0 para s, significando que s invertir. Se le pide desarrollar
el modelo correspondiente en un ejercicio al final de est captulo. Esto mostrar que
no existe una formulacin nica de un problema.
De cualquier modo, aprender el procedimiento de solucin para este tipo de
problema en el captulo 8. La aplicacin de ese procedimiento da por resultado en la
recomendacin de invertir slo en los proyectos de Bio-Tech y Laser-Optics, con un
rendimiento esperado de 525 mil dlares.
Este problema ilustra las siguientes caractersticas clave, adems de las tcnicas
de formulacin de problemas que ya conoce:
2 .2
E jemplos
/
/
y
/
a d ic io n a l e s d e l a f o r m u l a c i n de pro blem as
El uso de variables enteras (0-1), para incorporar decisiones no/s.

El uso de variables enteras (0-1), para modelar restricciones alternati
vas al requerir que la suma de dos de estas variables no exceda de 1.
La posibilidad de distintas expresiones matemticas para la misma
restriccin.
La posibilidad de distintos modelos, dependiendo de la eleccin y definicin
de las variables de decisin.
2.2.4 Un problema de ubicacin

Muchos problemas de la industria implican la eleccin de un lugar para instalaciones,
por ejemplo, plantas y almacenes. La ubicacin de instalaciones puede influir en gran
medida en los costos de transportacin. Por ejemplo, si las plantas de ensamblaje de la
Cosmic Computer Company, en el ejemplo 2.2 de la seccin 2.2.1, estuvieran ubicadas
en distintas ciudades, los costos de embarque de las computadoras a las tiendas deta
llistas cambiaran. Las decisiones de ubicacin tambin pueden afectar la satisfaccin
del cliente. Es conveniente y accesible una tienda? La ubicacin puede ser crtica para
el xito del negocio. La pregunta a contestarse es dnde ubicar mejor las instalaciones
para lograr un objetivo organizacional global, como se ilustra en el siguiente ejemplo.
EJEMPLO 2.5 EL PROBLEMA DE LA UBICACIN DEL BANCO DE SANGRE Suponga
que la ciudad de Nueva York tiene cinco hospitales en Manhattan. El Departamento
de Salud desea construir un banco central de sangre para proporcionar suministros
diarios de sangre a cada hospital. Los hospitales 2 y 4 requieren entregas matutinas y
vespertinas. Los restantes tres hospitales requieren slo una entrega al da. Como
administrador del departamento, se le ha pedido hacer una recomendacin respecto a
la ubicacin ideal de este banco de sangre, ya sea que ese lugar est realmente
disponible para su adquisicin o no.

Qu puede controlar libremente en este problema? Es claro que usted controla la
ubicacin del banco de sangre. La cuestin real es cmo especifica esa ubicacin. La
forma obvia de hacerlo es definiendo una variable simple, digamos, x, cuyo valor es la
direccin del banco de sangre. Pero piense cuidadosamente respecto a lo que va a hacer
con esa variable en la formulacin del problema. Si la direccin conocida de un hospital
es y, por ejemplo, no podr utilizar x junto, con y para desarrollar una expresin mate
mtica para la distancia entre el banco de sangre y el hospital, porque las direcciones
solas no contienen suficiente informacin.
Se requiere de un conjunto de variables ms preciso. Una forma de definir un lugar
en un mapa (como en la figura 2.6) es describiendo cada punto en relacin con un punto
fijo, llamado el origen. Cada punto del mapa consta de dos coordenadas, digamos (a, b).
La primera coordenada, a, representa la distancia Este-Oeste (digamos, en millas)
desde el origen, y la segunda coordenada, 6, representa la distancia Norte-Sur (en
millas). No importa el punto que elija como el origen, siempre y cuando exprese todas
las coordenadas con relacin a ese punto.
En este ejemplo, el Ayuntamiento de la figura 2.6 se ha elegido como el origen. Sus
coordenadas son (0, 0). Cualquier otro punto en el mapa consiste entonces en dos co
ordenadas (a, b), en las que un valor negativo de a representa la distancia al Este
C a p tu lo 2
(derecha). De manera similar, un valor negativo de b representa la distancia desde el

Ayuntamiento hasta el Sur (abajo) y un valor positivo representa la distancia al Norte
(arriba). Con este entendido, puede escribir las coordenadas conocidas de los cinco
hospitales en la figura 2.6 relativas al Ayuntamiento de la siguiente manera:
Ubicacin del hospital 1 = (av 6t)
Ubicacin del hospital 2 = (a2, b2)
Regresando a la cuestin de identificar las variables de decisin, usted puede elegir con
libertad la ubicacin del banco de sangre, esto es, su distancia Este-Oeste y Norte-Sur
en millas desde el Ayuntamiento. En consecuencia, es razonable definir dos variables,
una para cada coordenada de la ubicacin del banco de sangre:
x = la distancia Este-Oeste en millas desde el Ayuntamiento
y = la distancia Norte-Sur en millas desde el Ayuntamiento
Norte
b5) .
# (av
bi )
7: 1
Ayuntamiento
(a4. b4) *
(a2,b 2)
0 (a3 b,)
Sur
Figura 2.6 Ubicacin de hospitales en la ciudad de Nueva York.

Cul es el objetivo de este problema? Si relee el enunciado del problema, descubrir
que el objetivo no se especifica de manera precisa. En trminos generales, se le ha
pedido hacer una recomendacin respecto a una ubicacin ideal para el banco de
sangre. As que la primera cuestin que debe abordarse es cmo medir lo bueno de una
ubicacin particular. Por ejemplo, sera mejor un banco de sangre ubicado en las
coordenadas (s, t) que uno ubicado en las coordenadas (x, y )? Se requiere de cierta
2 .2
E je m p l o s
a d ic io n a l e s d e l a f o r m u l a c i n de pr o b l e m a s
medida de comparacin para determinar la ubicacin mejor. Para desarrollar esta

medida, comience por preguntar lo que constituye una buena ubicacin. Algunas res
puestas posibles son la mejor ubicacin.
1. Minimiza la suma de las distancias desde el banco de sangre a cada uno de los
cinco hospitales.
2. Minimiza la distancia al hospital ms lejano.
3. Minimiza la distancia total viajada al hacer las entregas durante el da.
La eleccin de un objetivo corresponde a los tomadores de decisiones de la
organizacin. En este problema, suponga que se seleccion el tercer criterio.
La siguiente cuestin es cmo expresar este objetivo en trminos de las variables y
otros datos del problema. Usando la tcnica de descomposicin, puede expresar la
funcin objetivo de la manera siguiente:
Minimizar la distancia total de viaje =
2 *
2 *
2 *
(distancia desde el banco de sangre hasta el hospital 1) *

(nmero de entregas al da al hospital 1) +
(nmero de entregas al da al hospital 2) +
(nmero de entregas al da al hospital 5)
El valor de 2 en cada trmino surge porque cada entrega es un viaje redondo.

Ahora es necesario expresar cada trmino individual usando variables y otros datos
iel problema. Puede hacer esto para la distancia desde el banco de sangre hasta el
hospital 1 de la figura 2.6? Una dificultad que puede encontrar es que no es claramente
preciso qu se entiende por distancia. Por ejemplo, si las entregas se hacen por aire
ligamos, en helicptero), la distancia no es la misma que si las entregas se hicieran por
.ierra. Supongamos que las entregas se hacen por aire. En este caso, recuerde la fr
mula para calcular una distancia en lnea recta. La distancia desde el banco de sangre,
ubicado en las coordenadas desconocidas (,x, y ), al hospital 1, ubicado en (ax, 6X), es:
Distancia = V(x - a x)2 + (y - bx)2
Porque cada entrega requiere un viaje redondo,
Distancia viaje redondo = 2 * V ( x - a x)2 + (y - b j 1
Use la misma frmula para cada uno de los cuatro hospitales restantes, y multiplique
:ada distancia por el nmero de viajes diarios dados en la descripcin del problema. La
funcin objetivo global es:
Minimizar
2 * ( V(x - a t)2 + (y - b J2 ) +
4*
( V(x - a2)2 + (y - b2)2 ) +
2 * ( V C x-a-P + C y -b ,)2 ) +
4 * ( V(x - a4)2 + (y - b j 2 ) +
2 * ( V ( * - a )2 + (y - 6.)2 )
37
C a p tu lo 2
38
PASO 3. IDENTIFICACION DE LAS RESTRICCIONES
Problema de
optimizacin
irrestricta
Un modelo matemtico
que tiene una funcin
objetiva pero carece de
restricciones.
Para identificar las restricciones, pregntese lo que le impide elegir valores arbitrarios
para las variables x e y. A primera vista, podra sentir que se requieren ciertas
limitaciones sobre estas variables para asegurar que representan una ubicacin vlida
sobre el mapa. No deseara que el banco de sangre estuviera ubicado en Filadelfia. Aun
cuando podra incluir tales restricciones, no se requiere hacer eso en este problema. La
razn es que la funcin objetivo restringe los valores para x e y. Cuando la funcin
objetivo se minimiza de hecho, los valores para x e y automticamente estarn cerca de
los cinco hospitales.
Existen otras muchas consideraciones prcticas respecto a la ubicacin real del
banco de sangre, pero no se incluyen como restricciones en este modelo porque el
objetivo es determinar la ubicacin ideal.
Adicionalmente observe que no existen restricciones de no negatividad. La razn es
que est permitido que las variables x e y tengan valores negativos as como positivos.
De hecho, este problema no tiene restriccin alguna y por lo tanto, se denomina pro
blema de optimizacin irrestricta. La formulacin final es la siguiente.
FORMULACIN MATEMTICA DEL PROBLEMA DE UBICACION

DEL BANCO DE SANGRE
Minimizar
2 * [ V ( x -a 1)2 + (3'-&1)2 1 +
4 * [ V (x -a )2 + (y - b )2 1 +
VOc - o,)2 + (y - b y
4*
\J(x - a,)2 + (y - b j \ +
2 * [ VGc - a.)2 + (y - bSf

Resolver este problema requiere la obtencin de valores especficos para los datos que
representan la ubicacin (coordenadas) de los cinco hospitales.
CARACTERISTICAS CLAVE
Este problema ilustra las siguientes caractersticas clave ms all de las
tcnicas de formulacin de problemas enseadas:
y
/
La necesidad de aclarar ciertos aspectos del problema (como el concepto de

distancia) antes de intentar formular el problema.
La posibilidad de especificar la funcin objetivo de maneras diferentes, ba
sndose en criterios distintos, como los conceptos alternativos de una ubicacin
ideal. En tales casos, elija el criterio que sea ms consistente con el plan
estratgico global de la organizacin.
La capacidad para formular un problema usando nombres simblicos para
representar los datos (por ejemplo, (ax, bx) para representar la ubicacin de
un hospital). Sin embargo, para obtener una solucin, requerir reemplazar
los nombres simblicos con valores de datos. El usar nombres simblicos en
vez de valores de datos especficos le permite:
2 .2
E je m p l o s
a d ic io n a l e s de l a f o r m u l a c i n de pr o b le m a s
39
a. Formular un problema sin esperar la recoleccin de los valores de datos y

b. Usar el mismo modelo para problemas similares teniendo distintos valores
de datos. Por ejemplo, el modelo de banco de sangre, con diferentes
ubicaciones de hospitales, puede ser usado tambin por el condado de Los
Angeles.
/
/
La posibilidad de tener variables irrestrictas, esto es, variables cuyos

valores pueden ser tanto negativos como positivos.
La posibilidad de omitir ciertas restricciones que, por la naturaleza de la
funcin objetivo, se satisfacen automticamente. Algunas veces, puede omi
tir una restriccin porque esa restriccin es impuesta automticamente por
alguna otra restriccin del modelo.
2.2.5 El problema del diseo del contenedor

~:ra clase importante de problemas se centra en el diseo ptimo de elementos como
rtructuras (por ejemplo, columnas de soporte) y equipo (por ejemplo, contenedores).
El objetivo de estos problemas es determinar las dimensiones de un objeto particular
: on forma y materiales conocidos, sujetas a ciertas especificaciones de diseo. El mo
ldado de estos problemas a menudo implica matemticas de ingeniera al especificar
a funcin objetivo y las restricciones, como se ilustra en el siguiente ejemplo.
EJEMPLO 2.6 EL PROBLEMA DE DISEO DE CONTAINERS, INC. Containers, Inc., fa: nca todo tipo de contenedores hechos por pedido. La compaa acaba de recibir un
rstudio de una compaa britnica para contenedores rectangulares de seis lados
-eutilizables hechos de un material especial de lmina de fibra. El volumen de cada
: intenedor debe ser al menos de 12 000 centmetros cbicos (cm3). Las restricciones de
rmbarque de estos contenedores en Inglaterra requieren que sus dimensiones (esto es,
argo por ancho por altura) no exceda de 72 cm y que la mayor dimensin sencilla no
exceda de 40 cm. La compaa britnica ya obtuvo una oferta de $8.20 por contenedor,
l a presidencia de Containers, Inc., le ha preguntado, a usted, gerente de la divisin de
produccin, si la compaa puede proveer los contenedores por menos y seguir
: bteniendo una ganancia de 25%. Usted ha obtenido datos que indican que el material
ie lmina de fibra cuesta $20 por metro cuadrado y que los costos de trabajo y otros
costos variables son de $1 por contenedor. Hace una oferta por el contrato?
-AS01. IDENTIFICACIN DE LAS VARIABLES DE DECISIN

Despus de reconocer la necesidad de un modelo matemtico, primero identifica las
variables. Al hacerse la pregunta usual de qu es lo que puede controlar con libertad
en este problema, debe darse cuenta que no puede controlar la forma del contenedor
debe ser rectangular y tener seis lados) y tampoco los costos variables de $1 por
contenedor. Sin embargo, puede controlar el costo total de la lmina de fibra usada en
'-a produccin de los contenedores controlando el diseo de la caja. Otras reflexiones
beberan llevarlo a darse cuenta de que este diseo est determinado por el largo, ancho
y altura del contenedor. Por tanto, usted podra comenzar por definir L, W y H como el
~argo, ancho y altura del contenedor, respectivamente. Sin embargo, esta definicin no
es lo bastante precisa, pues carece de las unidades en las que se miden las dimensiones.
Usted tiene libertad para elegir esas unidades, pero piense en la forma en que se uti
Variables irrestrictas
Una variable en un
problema de decisin
cuyo valor puede ser
positivo, negativo o cero.
C a p tu lo 2
lizarn y en las unidades dadas en los datos del problema.Como los datos estn ex
presados en unidades mtricas (centmetros y metros), es apropiado utilizar cent
metros o metros en vez de pulgadas o pies. Eligiendo arbitrariamente centmetros, sean
L - la longitud del contenedor en centmetros
W = el ancho del contenedor en centmetros
H = la altura del contenedor en centmetros

El objetivo global de este problema es decidir si puede producir los contenedores con un
margen de ganancia de 25% por arriba de los costos, al mismo tiempo que fijar su precio
por debajo de la oferta de la competencia de $8.20 por contenedor. Un enfoque para
solucionar este problema es determinar el costo mnimo posible de la lmina de fibra
usada, aadir $1 por los costos de la mano de obra y otros costos variables para obtener
el costo total por contenedor, y luego aadir 25% para ver si el valor resultante es menor
que $8.20. Desde un punto de vista de modelado, el objetivo en palabras es:
Minimizar el costo total de la lmina de fibra usada por contenedor
Ahora determina una expresin matemtica para el costo de la lmina de fibra usada
en un contenedor en trminos de las variables de decisin y de otros datos del problema.
Si tiene problemas al hacer esto, intente la tcnica de trabajar con un ejemplo
especfico. Por ejemplo, sea L = 40 cm, W = 20 cm y H = 10 cm. Para calcular el costo
total, necesita saber cunta lmina de fibra se requiere para hacer un contenedor de
estas dimensiones. Si ve la figura 2.7 y usa la tcnica de descomposicin, debe darse
cuenta que:
Costo total = suma de los costos para cada uno de los seis lados
Figura 2.7 Dimensiones del contenedor.
Para cada lado, el costo se calcula como:

Costo de un lado = (cantidad de lmina de fibra requerida) *
(costo por unidad de lmina de fibra)
En particular, para el lado limitado por el largo y el ancho, la cantidad de lmina de
fibra requerida es:
2 .2
E je m p l o s
a d ic io n a l e s d e l a f o r m u l a c i n de pro b l e m a s
rea del lado = largo * ancho

= (40 cm) (20 cm)
= 800 cm2
Si ahora tuviera que calcular el costo de este lado como 800 veces el costo unitario de
'.a lmina de fibra ($20 por metro cuadrado), obtendra un costo incorrecto de $16 000
ror este lado. Este error ocurre debido a una mezcla incorrecta de unidades. Las dimen
siones del contenedor estn definidas en trminos de centmetros, pero el costo de la
.amina de fibra est dado en dlares por metro cuadrado. Una forma de corregir esta
situacin es redefinir las variables en trminos de metros en vez de centmetros. De
manera alternativa, puede calcular el costo de la lmina de fibra en trminos de dlares
por centmetro cuadrado, como se har aqu. Observe que 1 metro cuadrado es igual a
100 cm, o 10 000 centmetros cuadrados. Por tanto, un costo de $20 por metro cuadrado
r5 equivalente a un costo de $20/10 000 = $0.002 por centmetro cuadrado. En consezuencia, el costo de un lado limitado por un largo de 40 y un ancho de 20 es:
Costo para este lado = 0.002 * 40 * 20 = $1.60
Recuerde que el propsito de trabajar con un ejemplo especfico no es obtener una
-espuesta numrica para este conjunto especfico de valores de variables, sino determinar
: )mo realizar los clculos cuando los valores de las variables no estn especificados. En
rste caso, el costo para este lado, en trminos de L y W, est dado por:
Costo de este lado = 0.002 * L * W
Habiendo calculado el costo de este lado, todava tiene que, calcular el costo de los
tros cinco lados. De la figura 2.7, puede ver que hay dos lados acotados por el largo y
el ancho; de manera similar, hay dos lados acotados por el largo y la altura y dos lados
ecotados por el ancho y la altura. Por tanto, el costo total de la construccin del con
tenedor puede expresarse matemticamente de la manera siguiente:
Costo total = suma de los costos para cada uno de los seis lados
= 2 * (costo del lado acotado por el largo y el ancho) +
2 * (costo del lado acotado por el largo y la altura) +
2 * (costo del lado acotado por la altura y el ancho)
= 2 * (0.002 * L * W) +
2 * (0.002 * L * H) +
2 * (0.002 * H * W)
= 0.004 * L * W + 0.004 * L * H + 0.004 * H * W
La funcin objetivo para este problema es:
Minimizar 0.004 C
:W + 0.004 C
+ 0.004
:W

Relea la descripcin del problema y pregntese qu le impide elegir arbitrariamente los
alores para las dimensiones del contenedor. Debe entonces identificar tres tipos de
restricciones, pertenecientes al volumen, tamao y mayor dimensin simple.
42
C a p tu lo 2
La r e s t r i c c i n d e v o l u m e n
La compaa britnica ha pedido que el contenedor tenga un volumen de al menos
12 000 cm3. Si recordamos que el volumen de una caja se calcula como el producto de
sus tres dimensiones, puede usar L, W y H anteriormente denidos para expresar esta
restriccin como:
L * W * H > 12 000
(restriccin de volumen)
La r e s t r i c c i n d e t a m a o
Para expresar la limitacin de que el tamao no exceda de 72 cm, recuerde que el
tamao es la suma de las tres dimensiones del contenedor, as que:
L + W + H < 72
(restriccin de tamao)
R e s t r ic c i n s o b r e l a m a y o r d im e n s i n s im p l e
Otra restriccin dada en la descripcin del problema es que la mayor dimensin simple
no exceda de 40 cm. Usted no sabe qu dimensin es la que va a ser la mayor, as que
una forma de expresar esta restriccin es la siguiente:
Mximo IL, W y H) < 40
Esta restriccin es correctaen esta forma, pero puede darse cuenta de que existe otra
forma equivalente de expresar la limitacin de que la dimensin mayor no exceda de
40 cm. Podra requerir que cada dimensin individual no exceda de 40 cm. Por tanto,
la restriccin anterior puede escribirse igualmente bien como las tres restricciones:
L < 40
W < 40
tf< 4 0
Aqu, nuevamente, vea que es posible formular un problema en ms de una forma.
Compare los dos enfoques. El primero requiere una restriccin matemtica compleja,
y el ltimo requiere tres simples. Ambas formulaciones son correctas. La eleccin de la
formulacin a usar debe basarse en su habilidad para encontrar un mtodo para
resolver el problema resultante, como se analiz en la seccin 2.3. Por ahora, el segundo
enfoque se usar debido a su simplicidad.
FORMULACIN MATEMATICA DEL PROBLEMA

DE CONTAINERS, INC.
Reuniendo todas las piezas, incluyendo las restricciones de no negatividad implcitas
sobre cada variable, la formulacin nal y correcta del problema es:
Maximizar
0.004* L * W + 0.004* L * H + 0.004* H * W
Condicionado por:
L
L ** W
W **
12 000
000
H >> 12
H
L + W +
<
72
<
<
40
<
W <
40
<
<
40
(volumen)
(tamao)
2 .3
43
l a s if ic a c i n d e m o d e l o s m a t e m t i c o s
Observe que la restriccin 0 < L < 40 significa que L es no negativo (0 < L) y es menor
que 40 (L < 40). En la seccin 2.3, aprender que este problema pertenece a una clase
general llamada problemas de programacin no lineal. El procedimiento para resolver
estos problemas est ms all del alcance de este libro. Sin embargo, tales mtodos
existen y estn disponibles en algunos paquetes de computadora. La aplicacin de un
procedimiento de stos tiene como resultado el diseo ptimo en el que el largo, el ancho
y la altura son cada uno 22.8943 centmetros. Este diseo incurre en un costo total de
$7.29, consistente en $6.29 para la lmina de fibra y un dlar adicional de mano de obra
y gastos generales. La adicin de 25% de margen de ganancia da un total de $9.11. Como
esta cantidad excede la oferta competitiva de $8.20, debe recomendar a la directiva que
la compaa no acepte este contrato.
Este problema ilustra las siguientes caractersticas clave adems de las tcnicas
de formulacin de problemas anteriores.
/
La necesidad de usar unidades apropiadas (centmetros, en este ejemplo) al

definir las variables y ser consistente a lo largo de toda la formulacin en ex
presar todos los aspectos del problema en trminos de las unidades elegidas.
La posibilidad de escribir restricciones en ms de una forma (como la

restriccin de que la dimensin mxima del contenedor no exceda de 40 cm).
2 .3
C l a s if ic a c i n
d e m o d e l o s m a t e m t ic o s
Ahora que sabe cmo formular un problema matemticamente, el siguiente paso es

resolver ese problema, esto es, encontrar valores para las variables de decisin que
satisfagan todas las restricciones y que, al mismo tiempo, proporcionen el mejor valor
posible de la funcin objetivo. Esta tarea se logra usando procedimientos sistemticos,
paso a paso, llamados algoritmos. Finalmente, una computadora efecta estos algo
ritmos. Los algoritmos que resuelven un modelo matemtico pueden o no resolver otro.
Los distintos algoritmos han sido diseados para resolver distintos tipos de problemas.
La pregunta natural a cuestionarse es, despus de formular un modelo matemtico
particular, cmo elijo el algoritmo correcto para resolver ese problema?
La respuesta a esta pregunta es identificar la clase de modelos matemticos a la que
pertenece su problema particular. Existe uno o ms algoritmos para resolver todos los
problemas de esa clase. Una vez que sabe la clase a la que pertenece su problema, podr
seleccionar un algoritmo asociado para resolver ese problema.
En esta seccin, aprender a identificar algunas de estas distintas clases de mo
delos, de acuerdo con las propiedades matemticas que comparten todos los problemas
de esa clase. Tambin aprender cmo determinar la clase a la que pertenece su
problema examinando sus propiedades matemticas. Las ventajas y desventajas de los
algoritmos asociados con cada clase se analizan brevemente aqu y en todo lo que resta
del libro. Los detalles de cmo usar los diversos algoritmos de estas clases y cmo
interpretar los resultados obtenidos de la computadora tambin se presentan en los
captulos subsecuentes.
Algoritmos
Un procedimiento
sistemtico, paso a paso,
usado para resolver un
modelo matemtico.
44
C a p tu lo 2
2.3.1 Clasificaciones basadas

en datos de problemas
Como aprendi en el captulo 1, los problemas en los que todos los datos son conocidos
con certeza, como los de este captulo, son determinsticos. En los problemas estocsticos
presentados en los captulos 11 al 16, algunos (o todos) datos del problema no se conocen
con certeza. Lo que resta de esta seccin est dedicado a la clasificacin de problemas
determinsticos basados en ciertas propiedades matemticas.

en las restricciones
Los problemas determinsticos se clasifican primero sobre la base de la existencia de
restricciones. Esto da pie a las siguientes dos clases:
Problema irrestricto
Un problema que tiene
una funcin objetivo pero
no restricciones.
Problema restringido
Un problema que tiene
una o ms restricciones.
Aditividad
Una propiedad
matemtica de
restricciones en la que la
contribucin de cada
variable a la funcin de
restriccin se suma (o
sustrae) a la de cada una
de las otras variables de
la restriccin.
1. Problemas irrestrictos son aquellos que carecen de restricciones.

2. Problemas restringidos son aquellos que tienen una o ms restricciones.
El problema de ubicacin del banco de sangre del ejemplo 2.5, en la seccin 2.2, es
un problema irrestricto. Todos los dems ejemplos de la seccin 2.2 son problemas
restringidos.
Los problemas restringidos se clasifican entonces sobre la base de las propiedades
matemticas que las restricciones satisfacen. Una de las dos propiedades matemticas
fundamentales de las restricciones es la aditividad, en la que la contribucin de cada
variable a la funcin de restriccin se suma (o sustrae) a la de cada una de las otras
variables de la restriccin.
Para ilustrar la propiedad de aditividad, recuerde la siguiente restriccin de mano
de obra del departamento de mezclado del problema de Case Chemicals de la seccin
2.2, en el que CSXes el nmero de miles de galones de CS-01 por producir y CS2e s el
nmero de miles de galones de CS-02 por producir:
2CS1 + CS2< 230
(1)
Esta restriccin satisface aditividad porque la contribucin de CSl a la restriccin

(a saber, 2CSJ se suma a la de CS2 (a saber, CS2). De manera similar, considere la
siguiente restriccin de equilibrio para la estacin de bombeo de Allentown en el
problema del flujo mximo de Hexxon Oil Company en el ejemplo 2.3:
Esta restriccin satisface la propiedad de aditividad porque la contribucin de xEAse

sustrae de la de xAp.
En contraste considere la siguiente restriccin de volumen del problema de diseo
de Containers, Inc., del ejemplo 2.6:
Proporcionalid ad
Una propiedad
matemtica de
restricciones mediante
la cual si el valor de una
variable se multiplica
por cualquier constante,
su contribucin a la
restriccin se multiplica
por esa misma constante.
L* W * H > 12 000
(3)
Esta restriccin no satisface la aditividad porque las contribuciones de L, W y H no se

suman unas a otras. Ms bien, esos valores se multiplican entre s.
La segunda propiedad matemtica de una restriccin es la de la proporcionalidad:
si el valor de una variable se multiplica por cualquier constante, la contribucin de la
variable a la restriccin se multiplica por esa misma constante. La restriccin anterior
(1) s satisface la proporcionalidad. Suponga que CSXtiene un valor de 5. En este caso:
Contribucin de CSX = 2CS, = 2(5) = 10
2 .3
l a s if ic a c i n d e m o d e l o s m a t e m t i c o s
45
Si el valor de CSl = 5 se multiplica por cualquier constante, digamos, c, entonces:

Contribucin de CSX = 2CSl = 2(5c) = 10c
Como puede ver, si el valor de CSX se multiplica por cualquier constante c, la
contribucin de CSXa la restriccin tambin se multiplica por c. Como esta misma
propiedad es cierta para CS2, esta restriccin:
2CSl + CS2 < 230
satisface la proporcionalidad.
En contraste, considere la restriccin:
x\ + 2 x 2 > 10
(4)
La restriccin (4) no satisface la proporcionalidad. Para ver por qu, suponga que Xj
tiene un valor de 5:
Contribucin de x l = x * = (5)2 = 25
Si el valor de x } = 5 se multiplica por una constante, digamos, 2, entonces:
Contribucin de x l = x * - (2 * 5)2 = (22) * (52) = 4 * 25
Como puede ver, si el valor dext se multiplica por 2, la contribucin d exl a la restriccin
se multiplica por 4. La proporcionalidad no se mantiene.
Sobre la base de las propiedades de aditividad y proporcionalidad, existen dos
clasificaciones de problemas restringidos:
1. Restricciones lineales, en las que todas las restricciones satisfacen tanto la
aditividad como la proporcionalidad.
2. Restricciones no lineales, en las que alguna restriccin no satisface al menos
una de las propiedades de aditividad y proporcionalidad.
Usted puede reconocer si una restriccin particular es lineal c no viendo su forma.
Una restriccin es lineal si, en trminos de las variables de decisin x1? . . . , xn (o
cualesquier nombres simblicos), puede escribirse como:
a {x x + a<2x2+ . . . + a x n < (>, = ) b
en donde cada una de las a v . . . , an y b es un nmero real conocido. Por ejemplo, la
restriccin anterior (1) es lineal porque el coeficiente de la variable CSXes a x = 2, el de
CS2 es a2 = 1, y b = 230. La restriccin (2) tambin es lineal porque el coeficiente de la
variable xAp es a = 1, el de xEAes a2 = -1 , y b = 0. En contraste, las restricciones (3) y (4)
son no lineales.

en la funcin objetivo
La siguiente clasificacin de modelos determinsticos se basa en las propiedades
matemticas de la funcin objetivo. Como sucede con las funciones restringidas, la
funcin objetivo puede ser lineal o no lineal, dando pie a las siguientes dos clases:
Restriccin lineal
Una propiedad
matemtica de un
modelo en el que todas
las restricciones
satisfacen tanto la
aditividad como la
proporcionalidad.
Restriccin no lineal
Una propiedad
matemtica de un
modelo en el que alguna
restriccin no satisface
al menos una de las
propiedades de
aditividad o
proporcionalidad.
C a p tu lo 2
46
1. Objetivo lineal, en la que la funcin objetivo es lineal.

2. Objetivo no lineal, en la que la funcin objetivo es no lineal.
Objetivo lineal
Funcin objetivo
que es lineal.
Objetivo no lineal
Por ejemplo, la siguiente funcin objetivo del problema de planeacin de produccin de

Case Chemicals es lineal:
Funcin objetivo
que es no lineal.
Maximizar
300 CS1 + 500 CS2
En contraste, la siguiente funcin objetivo del problema de diseo de Containers, Inc.,

del ejemplo 2.6 es no lineal:
Minimizar
(0.004 * L * W) + (0.004 * L * H) + (0.004 * H * W)
Divisibilidad

en las variables
La propiedad de una
variable de decisin que
es capaz de asumir
cualquier valor,
fraccional u otro, dentro
de cierto intervalo.
La clasificacin final de los problemas determinsticos se basa en la propiedad ma

temtica de las variables. Esa propiedad se denomina divisibilidad, lo que significa
que una variable de decisin puede, en teora, asumir cualquier valor, fraccional u otro,
dentro de cierto intervalo. Por ejemplo, las variables CSl y CS2 del ejemplo de Case
Chemicals representan el nmero de miles de galones de los solventes a producir. Como
Problema deterministico
T
Restringido
o irrestricto
Tipo de
restriccin
No lineal
Lineal
Funcin
objetiva
Tipo de
variable
Cont.
Entero Cont.
Entero Cont.
Entero Cont.
Figura 2.8 Clasificacin de modelos determinsticos.
Entero Cont.
Entero Cont.
Entero
47
_ : \ SIDERACIONES GERENCIALES COMPLEMENTARIAS
en teora es posible producir 5.132 mil galones, estas variables son divisibles. En
:: ntraste, todas las variables del problema de transportacin de CCC, en el ejemplo 2.2,
de la seccin 2.2 representan el nmero de microcomputadoras a ser enviadas. Estas
ariables no son divisibles porque no es posible enviar 1.3 microcomputadoras, esto es,
a estas variables se les deben asignar valores enteros. La propiedad de divisibilidad da
pie a las dos clases siguientes:
1. la clase de modelos de variable continua, en la que todas las variables satis
facen la divisibilidad.
2. la clase de modelos de variable entera (o discreta), en la que una o ms
variables deben tener valores enteros.
Las diversas clasificaciones de modelos determinsticos se resumen en la figura 2.8.
7 : mo se mencion anteriormente, despus de la formulacin de un modelo, debe deter
minar a qu clase pertenece, para que pueda elegir un algoritmo apropiado para
so lucionar el problema.
En esta seccin, ha aprendido a clasificar un modelo en un grupo particular, basn: : se en sus diversas caractersticas matemticas. Este esfuerzo le ayudar a elegir un
algoritmo apropiado para obtener una solucin a su modelo. A continuacin se analizan
uestiones adicionales referentes al proceso de construccin de modelos.
C o n s id e r a c io n e s
g e r e n c ia l e s c o m p le m e n ta r ia s
En este captulo ha aprendido cmo desarrollar y clasificar modelos matemti

cos para resolver ciertos tipos de problemas determinsticos. A lo largo de los
procesos de formulacin, existen otras cuestiones que un administrador debe
considerar.
Resolucin de ambigedades
en la definicin del problema
Cuando se identifica un problema por primera vez en una organizacin, a me
nudo resultan ambiguos muchos detalles y cuestiones. Por ejemplo:
1. El objetivo global puede no ser claro. Por ejemplo, el concepto de lo que es
mejor para una organizacin puede tener distintos significados.
a. Debera minimizar el costo total de embarcar sus mercancas, la distancia
total viajada en el embarque de esas mercancas, o el tiempo total re
querido para entregar esas mercancas?
b. En un problema de inversin, es mejor maximizar el rendimiento total en
una inversin o la tasa de rendimiento?
c. Qu se quiere decir con la mejor ubicacin para un banco de sangre,
como en el ejemplo 2.5 de la seccin 2.2?
2. Puede haber objetivos conflictivos. Por ejemplo, debera minimizar costos o
maximizar la satisfaccin del cliente?
3. El uso de ciertas palabras para describir aspectos del problema puede ser
vago y estar sujeto a diversas interpretaciones.
Variable continua
Una variable que
satisface la divisibilidad.
Variable entera
(discreta)
Una variable que debe
tener un valor entero.
C a p tu lo 2
a. "Satisfaccin de la demanda significa embarcar exactamente la demanda

o al menos la demanda, como en el ejemplo 2.2 de la seccin 2.2?
b. La distancia entre dos ubicaciones significa la distancia viajada por
aire o a travs de una red de carreteras, como en el ejemplo 2.5 de la seccin
2 .2 ?
Estas preguntas deben responderse antes de que comience el proceso de for
mulacin. El no hacerlo podra ocasionar la implantacin de una solucin ptima
al problema errneo.
Formulaciones alternativas del problema

Como administrador, debe estar consciente de que no existe una formulacin
correcta simple para un problema dado, Cada formulacin tiene sus ventajas y
desventajas.
Existe ms de una forma de escribir una restriccin matemtica. Por ejemplo,
recuerde la restriccin del problema de High Tech del ejemplo 2.4. Los socios
acuerdan no invertir en los proyectos de Tele-Comm y de Laser-Optics a la vez.
Cmo usa las variables de decisin 0-1 asociadas, T y L, para especificar esta
restriccin? Cualquiera de los dos enfoques siguientes es vlido:
T*L = 0
T +L< 1
Observe que la primera restriccin es no lineal y que la segunda es lineal. Esta
diferencia es extremadamente importante para elegir un procedimiento de
solucin apropiado para el modelo resultante. (Vase tambin la restriccin que
especifica que el tamao de la dimensin mayor de un contenedor no debe
exceder 40 cm en el problema de diseo de Containers, Inc., en el ejemplo 2.6 de
la seccin 2.2.)
La eleccin de las variables de decisin y de sus unidades puede variar. Por
ejemplo, al decidir cuntas unidades embarcar de cada uno de los dos proveedores
a un cliente con una demanda conocida de D unidades, puede definir dos
variables, digamos, x e y , para representar el nmero de unidades por embarcar
de los dos proveedores, respectivamente. En este caso, necesitara restricciones
de demanda de la forma:
x +y =D
x, y > 0
De manera alternativa, podra definir slo la variable x como el nmero de

unidades por enviar del primer proveedor; esto implica que la cantidad D - x es
enviada por el segundo proveedor. Aqu necesitara las restricciones de demanda:
x<D
x> 0
La eleccin de un modelo particular debera basarse en parte en los siguientes

puntos:
1. Su habilidad para encontrar un procedimiento de solucin eficiente para
resolver el modelo matemtico resultante.
2. Su habilidad para comunicar una comprensin de la formulacin del
problema. Por ejemplo, el uso de variables adicionales pueden facilitarle
a otras personas la comprensin de ciertas restricciones.
>? 'DEFLACIONES GERENCIALES COMPLEMENTARIAS
3. Su habilidad para interpretar e implantar la solucin resultante sin

esfuerzos indebidos. Reconsidere las alternativas recin analizadas para
elegir las variables de decisin para satisfacer la demanda conocida de D
unidades. Para implantar la solucin obtenida al resolver el modelo
teniendo slo la variable x, todava necesita calcular el valor de D - x para
determinar cunto enviar el segundo proveedor a un cliente. En contraste,
solucionar el modelo con ambas variables x e y proporciona toda la infor
macin que requiere para la implantacin.
Cuestiones de recoleccin de datos

Como se describe en la seccin 2.1, los datos necesarios para un problema se
identifican a lo largo del proceso de formulacin. Estos datos se usan para
especificar la funcin objetivo y las restricciones y deben obtenerse antes de
completar la formulacin. Como administrador, debe saber que obtener estos
valores para los datos puede llevar tiempo, resultar caro o incluso imposible
porque la informacin simplemente no est disponible. En tales casos, tal vez
tenga que solicitar que los datos se obtengan en tiempos y costos adicionales (si
es posible), estimar los datos como mejor pueda, o restringir el alcance del modelo
para incluir slo datos que estn disponibles.
Cuando se estiman los datos, tenga cuidado en el peso que le da a la solucin
resultante. Una forma de medir la confiabilidad de la solucin es pregun
tarse, qu tan sensible es la solucin a cambios en los datos?. Es decir, qu
le sucede a la solucin si se cambian ciertos valores de datos individual o
conjuntamente?. Puede obtener la respuesta a estas preguntas resolviendo
el modelo repetidamente, cambiando cada vez los datos apropiadamente. Mien
tras ms grande sea el cambio en la solucin, ms cuidadoso debe ser en la
obtencin de estimaciones exactas de los datos. Algunas veces existen enfoques
ms sistemticos para responder a estas preguntas, como se describe en el
captulo 4.
Cuestiones de instrumentacin
Al formular modelos, pueden haber ocurrido ciertas simplificaciones y omisiones
porque no se pudo obtener los datos o porque ciertas restricciones no se iden
tificaron durante la formulacin. Asimismo, es posible que haya tenido que hacer
ciertas suposiciones de simplificacin para obtener un modelo matemtico que
pudiera ser resuelto por el paquete de computadora disponible. Como resultado,
el modelo matemtico generalmente no es una representacin completa y exacta
del problema real. Por tanto, cuando se resuelve un modelo, debe validar la so
lucin. Debe revisar y examinar la solucin en el contexto del problema original,
en vez de hacerlo simplemente como el resultado matemtico de la formulacin,
para determinar si es prctico y tiene sentido implantar la solucin. Por ejemplo,
una solucin que recomienda reducir el personal en veinte personas o cerrar una
planta puede tener implicaciones no contempladas en el modelo matemtico. En
tales casos, un administrador debe usar la experiencia, pericia y sentido comn
ya sea para modificar la solucin apropiadamente antes de su implantacin o
para modificar la formulacin matemtica para reflejar ms exactamente el
problema real y luego resolver el nuevo modelo.
Despus de la implantacin, es necesario supervisar los resultados para
verificar que la solucin logra los objetivos que la organizacin esperaba.
50
C a p tu lo 2
Asimismo, los datos del problema pueden cambiar con el tiempo (por ejemplo, los
costos de la materia prima y las tasas de inters), de tal forma que a menudo es
necesario resolver el problema usando los datos nuevos.
R esu m en
En este captulo, usted ha aprendido a formular y clasificar modelos matemticos para
resolver problemas de decisin determinsticos. En esta seccin se revisan tanto la
formulacin como la clasificacin.
Formulacin de problemas
La formulacin de un problema significa desarrollar un modelo matemtico para ese
problema. Una vez que el problema est en forma matemtica, existen muchas tcnicas
de administracin disponibles para obtener la solucin. Para formular un problema:
1. Identifique las variables de decisin. Estos valores, una vez determinados,
proporcionan la solucin al problema. Esta tarea se logra preguntndose
cualquiera dlas siguientes preguntas:
a. Qu elementos puede elegir y/o controlar libremente?
b. Qu decisiones tiene que tomar?
c. Qu valores constituyen una solucin que puede ser transmitida a otras
personas?
d. Qu elementos afectan los costos y/o ganancias, o el objetivo global?
2. Identifique los datos del problema. Estos son elementos de informacin conocidos
necesarios para desarrollar el modelo matemtico. Aun cuando pueda controlar
los valores de las variables, no puede controlar los valores de los datos. Tal vez
necesite identificar los datos del problema a lo largo del proceso de formulacin.
3. Identifique la funcin objetivo. Este es un objetivo organizacional simple y global
expresado en trminos matemticos usando las variables y los datos del problema.
Esta tarea se realiza comenzando con un enunciado verbal del objetivo y despus
usando cualquiera de las siguientes tcnicas para expresar este objetivo en
trminos matemticos:
a. Descomposicin del objetivo en una suma, diferencia y/o producto de trminos
individuales.
b. Trabajo con un ejemplo especfico. Use los valores especficos de las variables
para determinar cmo calcular la funcin objetivo. El propsito de esta
tcnica es comprender cmo expresar la funcin objetivo cuando los valores
de las variables no se conocen especficamente.
Si su problema tiene ms de un objetivo, puede seguir el procedimiento descrito
en el captulo 7.
4. Identifique las restricciones fsicas y lgicas. stas son limitaciones impuestas
que le prohben elegir valores arbitrarios para las variables. Para expresar estas
restricciones de una manera matemtica, aplique las mismas tcnicas usadas en
la identificacin de la funcin objetivo. Si el problema tiene muchas restricciones,
intente usar la tcnica de agrupamiento para identificar un grupo de restricciones
E je r c ic io s
relacionadas (como la satisfaccin de las demandas de diferentes clientes). Cada

restriccin dentro del grupo tiene una estructura similar. No olvide incluir
explcitamente las restricciones implcitas, es decir, las restricciones como la no
negatividad y la necesidad de variables enteras, que usted sabe que existen pero
que no se enuncian especficamente.
Clasificacin de modelos matemticos

Obtener una solucin para un modelo matemtico requiere que identifique la clase de
problemas a la que pertenece. Puede entonces elegir un procedimiento de solucin apro
piado. En este captulo, usted ha aprendido a clasificar modelos basndose en las
siguientes caractersticas matemticas.
1. Es el problema deterministico o estocstico? Si todos los datos se conocen con
certeza, el problema es deterministico.
2. El problema deterministico es restringido o irrestricto?
3. Tiene el problema deterministico restricciones lineales o no lineales? Si todas
las restricciones pueden expresarse como una suma o diferencia de constantes
conocidas multiplicadas por una variable simple, las restricciones son lineales.
4. Tiene el problema deterministico una funcin objetivo lineal o no lineal?
5. Tiene el problema deterministico variables enteras (nmeros completos) o con
tinuas?
Ahora que sabe cmo formular y clasificar modelos matemticos, el siguiente paso
es aprender las diversas tcnicas para resolver esos problemas. El captulo 3 presenta
una clase de problemas para los que existe un procedimiento de solucin eficiente. Los
detalles de este procedimiento de solucin se describen en los captulos 4, 5 y 6.
E je r c ic io s
EJERCICIO 2.1 Identifique un conjunto de variables de decisin apropiadas para este
e; ercicio. Proporcione nombres simblicos relevantes y una descripcin completa de
: ada variable. No necesita formular el modelo.
Florida Citrus, Inc., procesa jugo de naranja y lo transforma en concentrado con
gelado en tres plantas localizadas en Tampa, Miami y Jacksonville. De cualquiera de
1:-s dos huertos ubicados cerca de Orlando y Gainesville se pueden enviar libras de
naranja hacia cualquier planta. Dado el costo de embarque y el precio de venta del
: i ncentrado, el objetivo, sujeto a ciertas restricciones de oferta y demanda, es determinar
::m o embarcar estas naranjas desde los dos huertos a las tres plantas procesadoras
z ara maximizar la ganancia total.
EJ ERCICIO 2.2 Identifique un conjunto de variables de decisin apropiadas para este
e; ercicio. Proporcione nombres simblicos relevantes y una descripcin completa de
:a ia variable. No necesita formular el modelo.
Pension Planners, Inc., administra una cartera particular que consiste en 1800,
1100 y 500 acciones de fondos mutuos. Dadas ciertas suposiciones sobre las condiciones
r: inmicas en los siguientes 2 meses, el administrador de la agenda desea determinar
r nmero de acciones de cada fondo por vender o comprar en cada uno de los siguientes
:: meses, para maximizar el valor esperado de la agenda.
C a p tu lo 2
EJERCICIO 2.3 Para el ejercicio 2.1, el huerto que est cerca de Orlando tiene 20 00C
libras de naranjas y el huerto cercano a Gainesvilletiene 12 000 libras de naranjas. La
planta de Tampa requiere al menos 8000 libras de naranjas para cumplir su cuota de
produccin. Las plantas de Miami y Jacksonville requieren cada una al menos 11 000
libras de naranjas. Use la tcnica de agrupamiento para identificar todos los grupos de
restricciones. No necesita formular las restricciones; sin embargo, especifique el n
mero de restricciones de cada grupo.
EJERCICIO 2.4 Al determinar el nmero de acciones por comprar o vender en el ejer
cicio 2.2, la administracin nunca deseara vender ms acciones de las que tiene. Asi
mismo, el fondo 1 en ningn caso debe tener ms del doble de acciones del fondo 2, y este
ltimo tampoco debe tener ms del doble del nmero de acciones del fondo 3. Final
mente, la cantidad total invertida en cada fondo no debe exceder los $75 000. Use la
tcnica de agrupamiento para identificar todos los grupos de restricciones. No necesita
formular las restricciones; sin embargo, especifique el nmero de restricciones de cada
grupo.
EJERCICIO 2.5 Para el ejercicio 2.1, use la tcnica de descomposicin para expresar
la funcin objetivo de maximizacin de ganancias dados los siguientes datos de costo
e ingresos:
COSTO DE EMBARQUE ($/TON) A

DESDE
Orlando
Gainesville
TAMPA
MIAMI
JAkSONVILLE
50
60
75
90
60
45
INGRESOS
($/ton de naranjas procesadas)
Tampa
Miami
Jacksonville
550
750
600
EJERCICIO 2.6 Para el ejercicio 2.2, suponga que al final del segundo mes se espera
que el precio por accin del Fondo 1 sea $28, que el del Fondo 2 sea $60 y el del Fondo
3, $45. Formule una restriccin para asegurar que con estos precios, el valor de la
cartera al final del segundo mes sea al menos $125 000. Ilustre el uso de la descomposicin.
EJERCICIO 2.7 World Oil Company puede comprar dos tipos de petrleo crudo: crudo
ligero a un costo de $25 por barril, y petrleo pesado a $22 por barril. Cada barril de
petrleo crudo, ya refinado, produce tres productos: gasolina, turbosina y queroseno.
La siguiente tabla indica las cantidades en barriles de gasolina, turbosina y queroseno
producidos por barril de cada tipo de petrleo crudo:
E je r c ic io s
Crudo ligero
Crudo pesaso
GASOLINA
TURBOSINA
QUEROSENO
0.45
0.35
0.18
0.36
0.30
0.20
La refinera se ha comprometido a entregar 1 260 000 barriles de gasolina, 900 000

barriles de turbosina y 300 000 barriles de queroseno. Como gerente de produccin,
formule un modelo para determinar la cantidad de cada tipo de petrleo crudo por
comprar para minimizar el costo total al tiempo que se satisfaga la demanda apropiada.
Defina todas las variables de decisin. Use el esquema de la seccin 2.3 para clasificar
su modelo.
EJERCICIO 2.8 Reconsidere el ejercicio 2.7. Cada barril de petrleo crudo refinado
produce un desecho de 0.07 de barril que se tira a un costo de $1 por barril de desecho.
De manera similar, cada barril de petrleo crudo pesado produce un desecho de 0.09 de
barril y su eliminacin cuesta $1.50 por barril. Formule un nuevo modelo para
incorporar estos costos adicionales usando los mismos datos del ejercicio 2.7.
EJERCICIO 2.9 Carmac Company fabrica carros compactos y subcompactos. La pro
duccin de cada carro requiere una cierta cantidad de materia prima y mano de obra,
como se especifica en la siguiente tabla:
MATERIA PRIMA
(libras)
Compactos
Subcompactos
Costo unitario ($)
Total disponible
MANO DE OBRA
(horas)
200
150
18
20
10
80 000
70
9 000
La divisin de comercializacin ha estimado que a lo ms 1500 compactos pueden

venderse a $ 10 000 cada uno y que a lo ms 200 subcompactos pueden venderse a $8000
cada uno. Como vicepresidente de programacin, formule un modelo para determinar
la cantidad a fabricar de cada tipo de carro para maximizar la ganancia total (ingresos
menos gastos). Defina todas las variables de decisin. Use el esquema de la seccin 2.3
para clasificar su modelo.
EJERCICIO 2.10 Fresh Dairy Farms tiene dos mquinas distintas para procesar leche
pura y producir leche descremada, mantequilla o queso. La cantidad de tiempo
requerido en cada mquina para producir cada unidad de producto resultante y las
ganancias netas se proporcionan en la siguiente tabla:
LECHE DESCREMADA
Mquina 1
Mquina 2
Ganancia neta
0.2 min/gal
0.3 min/gal
$0.22/gal
MANTEQUILLA
QUESO
0.5 min/lb
0.7 min/lb
1.5 min/lb
1.2 min/lb
$0.38/lb
$0.72/lb
C a p tu lo 2
54
Suponiendo que se dispone de 8 horas en cada mquina diariamente, como gerente

del departamento de produccin, formule un modelo para determinar un plan de pro
duccin diaria que maximice las ganancias corporativas netas y produzca un mnimo
de 300 galones de leche descremada, 200 libras de mantequilla y 100 libras de queso.
ttO
EJERCICIO 2.11 Cada galn de leche, libra de queso y libra de manzanas proporciona
un nmero conocido de miligramos de protenas y vitaminas A, B y C. La siguiente tabla
incluye esos datos junto con los requerimientos diarios de los ingredientes nutricionales, segn lo recomendado por el Departamento de Agricultura de los EE.UU.
La tabla tambin incluye la cantidad mnima de cada alimento que debe incluirse en
la comida y su costo.
QUESO
(mg/lb)
LECHE
(mg/gal)
Protenas
Vitamina A
Vitamina B
Vitamina C
30
50
30
50
40
5
20
30
Cantidad mnima
Costo unitario ($)
0.5 gal
2.15
0.5 Ib
2.25
MANZANAS
(mg/lb)
REQUERIMIENTOS
MNIMOS DIARIOS (mg)
80
60
50
30
10
30
40
60
0.5 Ib
1.25
Como dietista de una escuela pblica, formule un modelo para determinar la comida
de costo mnimo que rena todos los requerimientos nutricionales. Use el esquema de
la seccin 2.3 para clasificar su modelo.
EJERCICIO 2.12 Una suposicin implcita en el modelo de inversin de High Tech del
ejemplo 2.4, de la seccin 2.2.3, es que cualquier fondo no usado en un ao no puede
usarse en ningn ao subsecuente. Modifique la formulacin del problema para
permitir el remanente de fondos no utilizados de un ao al siguiente definiendo las
siguientes cuatro variables y suponiendo que los fondos no utilizados ganan 10% de
inters anual:
U1 = el nmero de dlares no utilizados despus del ao 1
UA= el nmero de dlares no utilizados despus del ao 4
TT-0
EJERCICIO 2.13 Rich Oil Company, cerca de Cleveland, suministra gasolina a sus dis
tribuidores en camiones. La compaa recientemente recibi un contrato para iniciar
el suministro de 800 000 galones de gasolina por mes a distribuidores de Cincinnati. La
compaa tiene $500 000 disponibles para crear una flota consistente en tres tipos
diferentes de camiones. En la siguiente tabla se muestra la capacidad relevante, costo
de compra, costo operativo y nmero mximo de viajes por cada tipo de camin:
TIPO DE
CAMIN
1
2
3
CAPACIDAD
(galones)
6000
3000
2000
COSTO DE
COMPRA ($)
50 000
40 000
25 000
COSTO DE
OPERACIN ($/mes)
800
650
500
MXIMO DE
VIAJES/MES
20
25
30
E je r c ic io s
55
Sobre la base del mantenimiento y la disponibilidad de conductores, la compaa no

desea comprar ms de 10 vehculos para su flota. Asimismo, la compaa deseara
asegurarse que se compren al menos tres de los camiones del tipo 3 (se requieren para
su uso en las rutas de trayecto corto/baja demanda). Finalmente, la compaa no desea
que ms de la mitad de la flota sea de camiones del tipo 1. Como gerente de operaciones,
fi:>rmule un modelo para determinar la composicin de la flota que minimice los costos
iperativos mensuales al tiempo que satisfaga las demandas, no salindose del
presupuesto y satisfaciendo los requerimientos de las otras compaas. Use el esquema
ie la seccin 2.3 para clasificar su modelo.
EJERCICIO 2.14 World Airlines reabastece sus aeronaves regularmente en los cuatro
aeropuertos en donde da servicio. La turbosina puede comprarse a tres vendedores
cosibles en cada aeropuerto. La tabla indica (1) el costo de entrega (compra ms em
barque) por mil galones de cada vendedor a cada aeropuerto, (2) el nmero disponible
ie miles de galones que cada vendedor puede suministrar cada mes y (3) el requerimiento
mensual de turbosina (en miles de galones) en cada aeropuerto.
COSTOS DE ENTREGA
CANTIDAD DE COMBUSTIBLE
AEROPUERTO
Vendedor 1
Vendedor 2
Vendedor 3
REQUERIDO
1
2
3
4
900
900
800
1000
800
1200
1300
1400
900
1300
500
1000
150
250
350
480
Provisin mxima
300
600
700
Formule un modelo para determinar las cantidades que se deben comprar y enviar
por parte de cada vendedor a cada aeropuerto para minimizar el costo total, satisfaciendo
al mismo tiempo por lo menos la demanda mensual a cada aeropuerto y no excediendo
el suministro de cualquier vendedor. Use el esquema de la seccin 2.3 para clasificar
su modelo.
EJERCICIO 2.15 Masn Communication Commission ha recibido solicitudes de asignacin de frecuencias de cuatro nuevas estaciones de radio. Dos frecuencias de radio
interfieren si estn a 0.5 megahertz de distancia. Las siguientes frecuencias (en
megahertz) estn actualmente disponibles: 100.0, 100.1, 100.3, 100.7, 101.0, 101.1,
101.4,101.8. Formule un modelo para determinar si la comisin puede asignar cuatro
nuevas frecuencias y, si es as, cules. Use el esquema de la seccin 2.3 para clasificar
su modelo. (Sugerencia: es usted libre para asignar o no cada frecuencia, as que
considere las variables 0-1.)
EJERCICIO 2.16 La ciudad de Dakota Heights desea determinar cuntas subestacio
nes postales se requieren para dar servicio a su poblacin. La ciudad ha sido dividida
en ocho zonas postales. Se han identificado cinco ubicaciones posibles para las subes
taciones. Cada ubicacin puede dar servicio a un nmero diferente de zonas, como se
indica en la siguiente tabla:
UBICACIN
ZONAS QUE SE
PUEDEN ATENDER
1
2
3
4
5
1 ,2 ,3
1 ,4 ,5
2, 4, 5, 8
3, 5, 6, 7
6, 7,8
TT-0
C a p tu lo 2
E l a r t e y l a c i e n c i a d e c o n s t r u i r m o d e l o s d e t e r m in s t ic o s
Formule un modelo para determinar el menor nmero de subestaciones (y sus

ubicaciones) necesarias para dar servicio a las ocho zonas postales. Use el esquema de
la seccin 2.3 para clasificar su modelo. (Sugerencia: defina una variable apropiada
para cada ubicacin.)
EJERCICIO 2.17 Tres divisiones de Twinsburg Company fabrican un producto en el

que cada unidad completa consiste en cuatro unidades del componente A y tres uni
dades del componente B. Los dos componentes (A y B) se fabrican a partir de dos ma
terias primas diferentes. Existen 100 unidades de la materia prima 1 y 200 unidades
de la materia prima 2 disponibles. Cada una de las tres divisiones usa un mtodo
diferente para fabricar los componentes, dando como resultado distintos requerimientos
de materia prima y productos. La tabla muestra los requerimientos de materia prima
por corrida de produccin en cada divisin y el nmero de cada componente produci
do por esa corrida.
ENTRADA/CORRIDA
(unidades)
SALIDA/CORRIDA
(unidades)
MATERIA PRIMA
COMPONENTE
DIVISIN
1
2
3
8
5
3
6
9
8
7
6
8
5
9
4
Por ejemplo, cada corrida de produccin de la divisin 1 requiere 8 unidades de la

materia prima 1 y 6 unidades de la materia prima 2. El producto de esta corrida es 7
unidades de A y 5 unidades de B. Como gerente de produccin, formule un modelo para
determinar el nmero de corridas de produccin para cada divisin que maximice el
nmero total de unidades terminadas del producto final. Use el esquema de la seccin
2.3 para clasificar su modelo.
EJERCICIO 2.18 Los dos productos que produce Case Chemicals, CS-01 y CS-02,
generan cantidades excesivas de tres contaminantes diferentes: A, B y C. El gobierno
estatal le ha ordenado a la compaa que instale y emplee dispositivos anticontaminantes.
La siguiente tabla proporciona las emisiones diarias actuales en kg/1000 litros y el
mximo de cada contaminante permitido en kilogramos.
CONTAMINANTE
CS-01
CS-02
MXIMO PERMITIDO
A
B
C
25
10
80
40
15
60
43
20
50
El gerente del departamento de produccin aprob la instalacin de dos dispositivos

anticontaminantes. Las emisiones de cada producto pueden ser manejadas por cualquie
ra de los dos dispositivos en cualquier proporcin. (Las emisiones se envan a travs de
un dispositivo solamente una vez, es decir, la salida de un dispositivo no puede ser la
entrada del otro o de s mismo.) La siguiente tabla muestra el porcentaje de cada
contaminante proveniente de cada producto que es eliminado por cada dispositivo.
E je r c ic io s
DISPOSITIVO 1
CONTAMINANTE
A
B
C
DISPOSITIVO 2
CS-01
CS-02
CS-01
CS-02
40
60
55
40
60
55
30
0
65
20
0
80
Por ejemplo, si la emisin de CS-01 se enva a travs del dispositivo 1, se elimina 40%
del contaminante A, 60% del contaminante B y 55% del contaminante C. Las consi
deraciones de fabricacin dictan que CS-01 y CS-02 deben producirse en la proporcin
de 2 a 1. Formule un modelo para determinar un plan que maximice la produc
cin diaria total (cantidad de CS-01 ms la cantidad CS-02) al mismo tiempo que
satisfaga los requerimientos gubernamentales. Use el esquema de la seccin 2.3 para
clasificar su modelo.
EJERCICIO 2.19 Philadelphia Paint Company produce tres tipos de pinturas: Stan
dard, Quality y Premium. Las instalaciones actuales pueden producir un mximo de
18 000 galones de Standard, 10 000 galones de Quality y 500 galones de Premium al
da. Debido a la economa de escala, el costo de producir cada tipo de pintura disminuye
al aumentar el nmero de galones producidos. Por ejemplo, si se producen .t galones de
pintura Standard, entonces el costo por galn es a - bx. La siguiente tabla proporciona
los valores de a y b\ el precio de venta por galn, y la demanda diaria mnima por cada
tipo de pintura.
TIPO DE
PINTURA
VALORES DE
a
b
Standard
Quality
Premium
3
4
5
0.0001
0.0002
0.0003
PRECIO DE VENTA
($/gai)
6.50
8.50
11.00
DEMANDA
MNIMA (gal)
10 000
6 000
2 500
La compaa puede producir un total combinado de hasta 25 000 galones de pintura

al da. Como supervisor de produccin, formule un modelo para determinar la cantidad
de pintura a producir para maximizar la ganancia (ingreso menos costo). Use el es
quema de la seccin 2.3 para clasificar su modelo.
EJERCICIO 2.20 Formule el problema de administracin de agenda de High Tech en

el ejemplo 2.4 de la seccin 2.2.3 usando como variables de decisin 1 si High Tech no
debe invertir en un proyecto y 0 si lo debe hacer.
EJERCICIO 2.21 Containers, Inc., ha recibido un pedido para hacer tambores de acero
cilindricos, con la base y la tapa circulares. El volumen total del contenedor debe ser al
menos de 10 pies cbicos. El costo del acero para hacer el costado del contenedor es $3
por pie cuadrado. El costo de la base y la tapa es de $3.82 por pie cuadrado. Como
ingeniero de produccin, formule un modelo para determinar un diseo que minimice
el costo del acero requerido. Use el esquema de la seccin 2.3 para clasificar su modelo.
(Sugerencia: recuerde que el volumen de un cilindro con una altura H y un radio R es
nR2H , el rea de superficie del cilindro es 2nRHy el rea de la tapa y la base es kR2cada
una, donde n = 3.14159.)
C a p tu lo 2
EJERCICIO 2.22 Modifique el ejemplo 2.5 de la seccin 2.2.4 para determinar una
ubicacin para el banco de sangre de tal forma que la distancia al hospital ms lejano
sea lo ms corta posible. (Sugerencia: Cree una variable, digamos D, para denotar la
distancia al hospital ms lejano. Incluya restricciones para asegurar que D es mayor
o4igual a la distancia a todos los hospitales.)
EJERCICIO 2.23 ABC Window Company vende ventanas para casas y edificios de de
partamentos mediante publicidad. La gerencia desea desarrollar un mtodo para pre
decir cuntas ventas anuales habr para una cantidad anual dada de dlares de
publicidad. La gerencia cree que siX dlares se gastan en la publicidad, el volumen de
ventas, Y, ser
Y=aX+b
El nico problema es que la gerencia todava no sabe los mejores valores para a y b. Para
ayudar a determinar esos valores, el departamento de contabilidad ha suministrado los
siguientes datos anteriores ($ miles) de los pasados 6 aos:
AO
PUBLICIDAD
VENTAS REALES
VENTAS PRONOSTICADAS
1988
1989
1990
1991
1992
1993
9.4
10.4
14.5
15.8
16.8
17.4
280.0
281.5
337.4
404.2
402.1
452.0
9.4a + b
10.4a + b
14.5 a + b
15.8 a + b
16.8 a + b
17.4a + b
Los mejores valores para a y b son los que minimizan la suma de los cuadrados de
las cantidades en que los valores de ventas reales de la tabla anterior diferiran del
valor de ventas predicho. Formule un modelo para determinar esos valores. Use el
esquema de la seccin 2.3 para clasificar su modelo.
EJERCICIO 2.24 Leather Company produce guantes de bisbol, balones de ftbol y

correas de piel con cuero no curtido que es procesado en una mquina. Para la prxima
semana, se tienen en existencia 1000 metros cuadrados de cuero y 40 horas de tiem
po de mquina disponible. Como gerente de produccin, usted desea determinar un
plan de produccin para esta semana para saber qu cantidad de cada producto
producir para maximizar las ganancias corporativas netas.
a. Identifique las variables.
b. Identifique y asigne un nombre simblico a cada valor de datos adicional que
tendra que obtener para poder formular un modelo matemtico.
c. Formule un modelo matemtico usando los nombres de variables de (a) y los
nombres simblicos para los datos de (b).
EJERCICIO 2.25 Los nutrilogos de HealthNut Company estn diseando un nuevo
bocadillo hecho de palomitas de maz inflado y mantequilla de cacahuate natural. E:
objetivo es minimizar el costo total de estos ingredientes, pero el producto final debe
contener al menos 4 gramos de protena, no ms de 10 gramos de carbohidratos y 2
gramos de grasa saturada.
a. Identifique las variables.
b. Identifique y asigne un nombre simblico a cada valor de datos adicional que
tendra que obtener para poder formular un modelo matemtico.
z ERCICIOS
c. Formule un modelo matemtico usando los nombres de variables de (a) y los

nombres simblicos para los datos de (b).
EJERCICIO 2.26 El Departamento de Investigacin ha identificado seis proyectos en

: s que High Tech puede elegir invertir o no. Cada proyecto ha sido evaluado para de
terminar la cantidad de capital que debe invertirse, la tasa esperada de devolucin y
Tambin un factor de riesgo usando un algoritmo patentado. Estos datos se resumen en
i siguiente tabla:
PROYECTO
CAPITAL REQUERIDO
1
2
3
4
5
6
TASA DE DEVOLUCIN
(%)
RIESGO
($)
100 000
400 000
170 000
250 000
200 000
250 000
10
5
20
15
7
30
0.50
0.40
0.70
0.65
0.45
0.80
Los socios generales han acordado que el riesgo total, obtenido aadiendo los
factores de riesgo para cada proyecto respaldado, no debe exceder de 3, y que no deben
reprenderse ms de dos proyectos con un factor de riesgo mayor de 0.6. Usando las
ariables:
P 1
f 1, si se emprende el proyecto i
<
[ 0, si no se emprende el proyecto i
i = 1, . . . , 6
un socio general ha formulado el siguiente modelo para determinar qu proyectos res: .dar para maximizar el rendimiento esperado en un ao sobre la cantidad invertida
mantenerse en un presupuesto de $1 milln:
Maximizar
10P1 +
20P2 +
34P3 + 37.5P4 +
14Pb +
7 5 P 6
Condicionado por: 100P1 + 400P2 + 170P3 + 250P.4 + 200P5 + 250P6 < 1000
0.50^ + 0.40P2 + 0.70P3 + 0.65P.4
p1 .
P2 >
P,
>
P*
+ 0.45P,
+ 0.80P6 >
P*
>
>
Pe
Es correcto este modelo? Si no es as, identifique y corrija todos los errores.
EJERCICIO 2.27 Chirality Company debe producir al menos 600 000 tornillos pequef.os y 400 000 tornillos grandes para satisfacer la demanda de las siguientes 4 semanas.
Estos tornillos pueden producirse en dos mquinas distintas, cada una de las cuales
rsi disponible 40 horas a la semana. Los requerimientos de costos y tiempo para
z roducir cada tamao de tornillo en cada mquina y el precio de venta de cada tamao
ie tornillo se muestran en la siguiente tabla:
Precio de venta ($/1000)

Costo en la mquina 1 ($/1000)
Costo en la mquina 2 ($/1000)
Tiempo en la mquina 1 (min/lb)
Tiempo en la mquina 2 (min/lb)
TORNILLOS PEQUEOS
TORNILLOS GRANDES
27.50
6.25
8.00
1.50
1.00
32.50
7.75
9.25
1.75
1.25
C a p tu lo 2
En cada libra hay aproximadamente 60 tornillos pequeos y 40 tornillos grandes.

Usando las variables:
S x = el nmero de miles de tornillos pequeos por producir en la mquina 1
durante las siguientes 4 semanas
S2 = el nmero de miles de tornillos pequeos por producir en la mquina 2
durante las siguientes 4 semanas
L x = el nmero de miles de tornillos grandes por producir en la mquina 1 durante
las siguientes 4 semanas
L2 = el nmero de miles de tornillos grandes por producir en la mquina 2 durante
las siguientes 4 semanas
el gerente de produccin ha formulado el siguiente modelo para maximizar la ganancia
y satisfacer la demanda con la disponibilidad limitada de tiempo de mquina en las
siguientes 4 semanas:
Maximizar
Condicionado por:
27.50^
Sx +
27.50S, + 32.50L1 +
32.50L2
S2
> 600 000

L2 > 400 000
1.5S
<
40
<
40
L2 >
1.75L
+
L
1.25L,
Es correcto este modelo? Si no es as, identifique y corrija todos los errores.
SSV
- ,o ^
Caso de prctica
CMO EXPRIMIR LAS UTILIDADES
New England Apple Products elabora 16 productos
de jugos muy finos de manzanas, naranjas, arn
danos y otras frutas seleccionadas. La pregunta
que los gerentes de New England Apple Products
deben formular es: Qu mezcla de productos de
jugos conduce a una mayor ganancia?. La respuesta
puede parecer una respuesta comn, La mezcla
que produce la mayor cantidad de dinero, pero el
problema resulta ser bastante complejo.
Lo que complica la bsqueda de la mayor ganan
cia es que la compaa tiene provisiones limitadas
de ingredientes. Los gerentes deben tomar muchas
decisiones respecto al uso de estos recursos limita
dos, denominados restricciones. Para alcanzar el
mejor plan global, los gerentes de New England
Apple Products recurrieron a la administracin y
sus herramientas, incluyendo el importante princi
pio matemtico de optimizacin. Los gerentes cons
truyeron un modelo lineal determinstico y buscaron
su respuesta mediante la programacin lineal.
En este caso se analiza una versin simplificada
del problema de New England Apple Products. Se
construy un programa lineal en el que slo se con
sideran dos productos compuestos: arndano-man
zana y manzana-arndano. La demostracin esta
blece que la materia prima para estos dos productos
es la misma, jugo de arndano y jugo de manzana,
y que la nica diferencia en los dos productos fi
nales radica en la receta. Cmo obtiene la com
paa la mayor utilidad?
Suponemos que la compaa logra una ganancia
de tres centavos de dlar por cada galn de jugo de
arndano-manzana vendido y cuatro centavos por
cada galn de jugo de manzana-arndano. Por
qu, entonces, no deciden los gerentes vender slo
manzana-arndano? Bueno, las restricciones son
que la compaa tiene un nmero limitado de ga
lones de los ingredientes el jugo de arndano y el
jugo de manzana que intervienen en la elabo
racin de estos dos productos. Otra cuestin del
problema es que las dos recetas requieren de pro
porciones distintas de los dos ingredientes.
Paso a paso, surge el modelo determinstico
completo y, aplicando un poco de lgebra, se en
cuentra la solucin ptima de entre las muchas soi a
...
'.
^. ;
luciones posibles. La prxima vez que se encuentre

en el departamento de abarrotes leyendo la lista de
ingredientes de un producto de jugos, o de muchos
otros productos, recuerde que un ingrediente muy
importante no se menciona: la administracin.
(Tiempo total de proyeccin: 5:47.)
Preguntas sobre el caso

1. Por qu no puede este modelo conducir a una
decisin que produzca una ganancia infinita?
Qu restringe al modelo para producir una
solucin en la que se venda una cantidad infinita
de cualquier producto?
2. De qu manera es la programacin lineal un
ingrediente oculto? Compare la decisin al
canzada mediante la programacin lineal con
una decisin basada en una corazonada.
Ms all del caso

1. Qu otro tipo de problemas de mezclado puede
imaginar en los negocios y la industria? Podra
aplicarse a todos ellos la programacin lineal?
2. Considere una refinera que debe proveer di
versas clases de gasolina sin plomo bajo diferentes
nombres comerciales a varias gasolineras de
tarifa reducida. Identifique las variables de
decisin, restricciones, limitaciones externas,
relaciones implcitas entre productos y consi
deraciones lgicas.
Consideraciones prcticas
1. Suponga que ha modelado un problema de mez
clado para su compaa. Qu tan difcil sera
modelar otro?
2. Nuevamente suponga que ha modelado un pro
blema de mezclado, qu tan difcil piensa que
sera recolectar un conjunto completo de datos?
Qu tan difcil sera mantener estos datos y
actualizarlos?
Fuente: For All Practical Purposes, de The Consortium for Mathematics and Its Applications (Arlington,
MA: 1986), Programa 3.

1 El Arte y La Ciencia de Construir Modelos Determinísticos

Transféré par

Informations du document

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

1 El Arte y La Ciencia de Construir Modelos Determinísticos

Transféré par

Droits d'auteur :

Formats disponibles

CAPITULO

En el captulo anterior, usted aprendi que entre los pasos ms importantes en la

DE LA CONSTRUCCIN DE MODELOS MATEMTICOS

2.1.1 Identificacin de las variables de decisin

determinados, proporcionan la solucin al problema. Para el ejemplo 2.1, usted puede

Qu elementos afectan los costos y/o ganancias (o, en general, el objetivo

2.1.2 Identificacin de los datos del problema

2.1.3 Identificacin de la funcin objetivo

2. Donde sea adecuado, descomponer el objetivo en una suma, diferencia o

+ Ganancia de CS-02 = 500(20) = $ 10 000

Por lo tanto, la funcin objetiva matemtica expresada en trminos de las variables de

Creacin de la funcin objetivo mediante:

Trabajar con un ejemplo especfico para determinar cmo se expresa la

2.1.4 Identificacin de las restricciones

Expresar las restricciones en forma verbal.

Considere las restricciones del ejemplo 2.1.

RESTRICCIN DE TRABAJO EN EL DEPARTAMENTO DE MEZCLADO

Horas totales usadas

no pueden exceder de 230

HORAS POR MILES DE GALONES DE

Resulta entonces fcil calcular las horas usadas en el departamento de mezclado

+ Horas para 10 mil galones de CS-02 = 1(10)

Total de horas en el mezclado

RESTRICCIN DE TRABAJO EN EL DEPARTAMENTO DE PURIFICACION

no pueden exceder de 250

Horas totales usadas

no pueden exceder de 250

RESTRICCIN DE LMITE (LIMITACIN EXTERNA)

RESTRICCIN DE NO NEGATIVIDAD (LIMITACIONES LGICAS)

FORMULACION MATEMTICA DEL PROBLEMA DE CASE CHEMICALS

Es decir, el plan de produccin ptima es de 70 000 galones de CS-01 y de 90 000 galones

2.2.1 Ejemplos de problemas de redes:

2.1 contiene el costo de embarque de una microcomputadora desde cada planta de

Costos de embarque ($/unidad)

Antes de formular este problema matemticamente, es posible dibujar un diagra

PAS01. IDENTIFICACIN DE LAS VARIABLES DE DECISIN

Qu elementos afectan los costos y/o ganancias?

Figura 2.1 La red de distribucin de CCC.

x 13 = el nmero de microcomputadoras por embarcar de la

Variables de decisin para el ejemplo 2.2

PASO 2. IDENTIFICACION DE LA FUNCION OBJETIVO

costos de embarque desde todas las plantas a todas las

Para obtener una expresin matemtica de cada uno de estos tres

Costo de embarque desde SF - 5(500) + 3(200) + 2(400) + 6(300) = 5700

Procediendo de manera similar para el costo de transportacin desde Los ngeles y

(5xss + SxSB + 2xST + 6xS[)) +

^ XLS ^XLB + ^XLT +

(6xps + 5x pr + 3xpT + 8xpo)

PASO 3. IDENTIFICACIN DE LAS RESTRICCIONES

XPS + XPB + XPT + XPD- 1700

Por tanto, la restriccin de demanda correspondiente a este nodo es:

Finalmente, cada embarque (variable de decisin) debe ser no negativo y entero:

Si juntamos todas las piezas, el modelo matemtico completo es el siguiente:

FORMULACION MATEMATICA DEL PROBLEMA DE

(6xre + 5xpg + 3 x pt + 8xpd)

Xps + XpB + XpT + XpD < 1700

Xpg, XPB, XPT, xpD> 0 y entero

El uso de un diagrama esquemtico, tanto para ilustrar el problema como

La necesidad de resolver ambigedades que surgen con respecto a la inter

2.2.2 Ejemplos de problemas de redes:

En la regin de Filadelfia se espera un aumento en la conduccin en los prximos

un segmento de la red de oleoductos se utiliza un arco, como se ve en la figura 2.3. All

PAS01. IDENTIFICACIN DE LAS VARIABLES DE DECISIN

PASO 2. IDENTIFICACIN DE LA FUNCIN OBJETIVO