Investigacin de Operaciones I 1

Primer Trabajo

1. Formulacin de un Modelo Matemtico de Programacin Lineal que minimiza el costo

de transporte.
CONCRENORTE S.A es empresa dedicada a la transformacin de la piedra caliza.
Actualmente esta empresa cuenta con tres plantas de produccin ubicadas en diferentes
puntos del municipio de Toluviejo Sucre. En el procesamiento de esta materia prima se
obtienen diferentes productos, entre ellos se encuentra el carbonato de calcio. Las tres
plantas, en conjunto estn en la capacidad de producir 120 toneladas de Carbonato de
calcio a la semana. La planta de produccin San Jos est en la capacidad de producir 50
toneladas, las plantas Arroyo Grande y La Tomita; de su produccin total, estn en la
capacidad de producir, 30 y 40 toneladas, respectivamente.
Esta empresa posee un centro de acopio en Montera, uno Sincelejo, uno Barranquilla,
uno Cartagena y uno en Valledupar a donde enva todo el carbonato de calcio obtenido de
cada una de las plantas, para que reciba otros procesos industriales con el fin de obtener
nuevos productos. Cada uno de estos centros de acopio requieren, semanalmente, las
siguientes cantidades: Montera 30, Sincelejo 10, Barranquilla 45, Cartagena 15 y
Valledupar 20. El costo de transporte por tonelada en miles de pesos entre cada planta de
produccin y las ciudades donde se encuentran ubicados los centros de acopio se dan en
la siguiente tabla.

Planta de
Produccin

San Jos
Arroyo
Grande
La Tomita

Centros de Acopio
Montera Sincelejo Barranquilla Cartagena Valledupar
55
30
40
50
40
35

30

100

45

60

40

60

95

35

30

La empresa CONCRENORTE S.A desea determinar cuntas toneladas de carbonato de

calcio debe mandar desde cada planta de produccin a cada centro de acopio, de tal
manera que los costos totales de transporte sean mnimos.
A continuacin se formulara el Modelo Matemtico de Programacin Lineal para la
situacin en la que se encuentra la empresa.

Investigacin de Operaciones I 2
Primer Trabajo

Formulacin
1. Definicin de las variables
Sea
xij = cantidad de toneladas a enviar desde la planta de produccin i-sima (i=1=San
Jos, i=2=Arroyo Grande, i=3=La Tomita) al centro de acopio j-simo (j=1=Montera,
j=2=Sincelejo, j=3=Barranquilla, j=4=Cartagena, j=5=Valledupar)
2. Funcin Objetivo
Minimizar

Z 55 x11 30 x12 40 x13 50 x14 40 x15 35 x21 30 x22 100 x23 45 x24 60 x25
40 x31 60 x32 95 x33 35 x34 30 x35
Dicha funcin objetivo est sujeta a las siguientes restricciones
3. Restricciones
x11 x12 x13 x14 x15 50
x21 x22 x23 x24 x25 30
x31 x32 x33 x34 x35 40

Restricciones debidas a la capacidad

de produccin de las plantas 1,2 y 3

x11 x21 x31 30

x12 x22 x32 10
x13 x23 x33 45
x14 x24 x34 15

Restricciones debidas a los requerimientos

de toneladas de los respectivos centros de
acopio 1, 2, 3, 4 y 5.

x15 x25 x35 20

4. Restricciones de no negatividad
Con xij 0

ij

Investigacin de Operaciones I 3
Primer Trabajo

2. Formulacin de Modelos Matemticos

1. Sea

x1 Dinero invertido en la accin tipo I

x2 Dinero invertido en la accin tipo II

x3 = Dinero invertido en la accin tipo III
x 4 = Dinero invertido en la accin tipo IV
x5 = Dinero invertido en la accin tipo V
Funcin Objetivo

Maximizar
Z 1.7 x1 1.0 x2 1.6 x3 1.4 x4 2 x5 200 ' 000.000 x1 x2 x3 x4 x5 1.3

CDT

Sujeto a:

x1 20 ' 000.000
x 2 20 ' 000.000
x3 20 ' 000.000
x 4 20 ' 000.000
x5 20 ' 000.000

Investigacin de Operaciones I 4
Primer Trabajo

3. Determinacin del espacio factible para restricciones

Figura 1.

Figura 2.

Investigacin de Operaciones I 5
Primer Trabajo

Figura 3.

Figura 4.

Investigacin de Operaciones I 6
Primer Trabajo

Figura 5.

Investigacin de Operaciones I 7
Primer Trabajo

4. Uso del mtodo grafico para identificar restricciones redundantes y eliminarlas

Al graficar cada una de las restricciones del anterior Modelo Matemtico de

Programacin Lineal, en un programa de cmputo adecuado para este Modelo de
Programacin Lineal, se obtuvo la siguiente grfica.

Figura 6.

Investigacin de Operaciones I 8
Primer Trabajo

En la figura 6, la regin sombreada representa la regin factible.

Al observar detenidamente la figura 1, se puede decir que las restricciones 6 x1 4 x2 24 y

x1 x2 5 son restricciones redundantes, ya que al eliminarlas del modelo, el espacio de

soluciones no cambia. Al eliminar estas restricciones del modelo, se obtiene la siguiente
grfica.

Figura 7.
Ahora determinamos los puntos P1 , P2 , P3 , P4 y P5 .
A simple vista se observa que el punto P1 0 ,1 . Para hallar el punto P2 debemos
solucionar el siguiente sistema de ecuaciones.

x1 x 2 1

x2 2

1
2

Investigacin de Operaciones I 9
Primer Trabajo
Sustituyendo 2 en 1 obtenemos el valor de x 2 , el cual es 1. Por tanto, P1 1, 2 .
Para determinar el punto P3 , solucionamos el siguiente sistema de ecuaciones.

x1 2 x2 6

x2 2

1
2

Sustituyendo 2 en 1 obtenemos el valor de x1 , el cual es 2. Por tanto, P3 2 , 2 . Para

determinar el punto P4 , solucionamos el siguiente sistema de ecuaciones.

6 x1 3x2 22.5

x1 2 x2 6

1
2

Al multiplicar 2 por -6 y sumar a 1 , se obtiene lo siguiente

9 x 2 13.5

x1 2 x 2 6

x2

13.5 3

9
2

3
2

Sustituyendo el valor de x 2 en 2 , obtenemos que x1 3 . Por tanto, P4 , 3 .

Ahora con los puntos hallados anteriormente, realizamos una prueba de optimibilidad Para
determinar la solucin ptima.

P1 0 ,1 :

Z1 5 0 4 1

Z1 4

P2 1, 2 :

Z 2 5 1 4 2

Z 2 13

P3 2 , 2

Z 3 5 2 4 2

Z 3 18

3
P4 3 , :
2

3
Z 4 5 3 4
2

Z 4 21

Z 5 18.75

15
15
P5 , 0 : Z 2 5 4 0
4
4

Se observa que la solucin ptima se encuentra en el punto P4 , la cual es 21.