Unidad I Introducción A La Programación Lineal y Casos Especiales de Transporte y Sus Variantes PDF

UNIVERSIDAD PRIVADA DEL NORTE
PROGRAMA WORKING ADULT

ESCUELA PROFESIONAL DE INGENIERA INDUSTRIAL
INVESTIGACIN DE OPERACIONES II
Ciclo 2016 5
14 setiembre 28 octubre

SEDE LIMA CENTRO
MSc. Jorge Luis Chiroque Caldern

jorge.chiroque@upn.edu.pe
UNIVERSIDAD PRIVADA DEL NORTE

ESCUELA PROFESIONAL DE INGENIERA INDUSTRIAL
INVESTIGACIN DE OPERACIONES II
Ciclo 2016 5
14 setiembre 28 octubre

SEDE LIMA CENTRO

Contenido
Unidad I: Introduccin a la Programacin Lineal y Casos Especiales de Transporte y sus variantes. (2)
Unidad II: Programacin Entera y Programacin Dinmica Determinstica. (2)
Tema 1: Introduccin a la Programacin Lineal (PL)

Tema 2: Solucin de Modelos PL. Solucin con SOLVER y otros.
Tema 3: Modelo de Transporte y sus variantes.
Tema 4: Introduccin a la Programacin Entera PE, tipos de variables, y restricciones.
Tema 5: Introduccin a la Programacin Dinmica Determinstica (PDD).
Unidad III: Programacin Dinmica Probabilstica y Procesos Estocsticos. (3)
Tema 6: Aplicacin de la Programacin Dinmica Probabilstica PDP en situaciones problemticas empresariales.

Tema 7: Introduccin a los Procesos Estocsticos..
Unidad I:
Introduccin a la Programacin Lineal y Casos
Especiales de Transporte y sus variantes
Contenido:
Primera sesin:
Tema 1: Introduccin a la Programacin Lineal (PL).
Segunda sesin:
Tema 3: Modelo de Transporte y sus variantes.
Logro de Aprendizaje:
Al trmino de la unidad, el estudiante recuerda la formulacin y resolucin de problemas de Programacin Lineal
y de problemas de transporte y algunas de sus variantes, utilizando el Excel Solver, sustentando tcnicamente sus
respuestas.

Introduccin
La PL, permite resolver casos reales conocidos de

Administracin e Ingeniera?

Introduccin
Fases de un Estudio de Investigacin de Operaciones
Un estudio de IO se basa en la labor de equipo, donde los analistas de IO y el cliente trabajan hombro con hombro. Los analistas, con
sus conocimientos de modelado, deben complementarse con la experiencia y la cooperacin del cliente para quien hacen el estudio.
Como herramienta de toma de decisiones, la IO es una ciencia y un arte. Es una ciencia por las tcnicas matemticas que presenta, y
es un arte porque el xito de todas las fases que anteceden y siguen a la resolucin del modelo matemtico depende mucho de la
creatividad y la experiencia del equipo de IO.
Las fases principales de la implementacin de la IO en la prctica comprenden:
1. La definicin del problema.
De las cinco fases, slo la nmero tres de la solucin del modelo es la
2. La construccin del modelo.
que est mejor definida y es ms fcil de implementar en un estudio de
3. La solucin del modelo.
IO, porque maneja principalmente modelos matemticos precisos. La
4. La validacin del modelo.
implementacin de las dems fases es ms un arte que una teora.
5. La implementacin de la solucin.
La mayor parte del curso est dedicado a los mtodos matemticos de IO. Una manera de resumir las fases usuales de un estudio de
IO es la siguiente:
1. Definicin del problema de inters y recoleccin de datos relevantes.
2. Formulacin de un modelo matemtico que represente el problema.
3. Desarrollo de un procedimiento basado en computadora para derivar una solucin para el problema a partir del modelo.
4. Prueba del modelo y mejoramiento de acuerdo con las necesidades.
5. Preparacin para la aplicacin del modelo prescrito por la administracin.
6. Implementacin.

Introduccin
Fase 1: Definicin del problema
Fase 2: Construccin del modelo
Fase 3: Solucin del modelo
Fase 4: Validacin del modelo

Fase 5: Implementacin de la solucin
Problema de IO resuelto
La definicin del problema implica definir el alcance del problema que

se investiga. Es una funcin que se debe hacer entre todo el equipo de
IO. Se identificar tres elementos principales del problema de decisin:
1) Descripcin de las alternativas de decisin.
2) Determinacin del objetivo del estudio.
3) Especificacin de las limitaciones bajo las cuales funciona el
sistema modelado.

Introduccin
La construccin del modelo implica traducir la definicin del problema

a relaciones matemticas. Si el modelo que resulte se ajusta a uno de los
modelos matemticos, como la programacin lineal, se puede llegar a
una solucin empleando los algoritmos disponibles. En caso las
relaciones matemticas sean demasiado complejas, se opta por
simplificar el modelo y usar un mtodo heurstico, o se recurre al uso de
una simulacin, si es aproximada.

Introduccin

La solucin del modelo, supone el uso de algoritmos bien definidos de

optimizacin.

Introduccin


La validacin del modelo comprueba si el modelo propuesto hace lo que

se quiere que haga, esto es, predice el modelo en forma adecuada el
comportamiento del sistema que se estudia? Es decir:
Tiene sentido la solucin?
Se pueden aceptar intuitivamente los resultados?
Desde el lado formal, un mtodo frecuente para comprobar la validez de
un modelo es comparar su resultado con datos histricos.

Introduccin
La implementacin de la solucin de un modelo validado implica la

traduccin de los resultados a instrucciones de operacin, emitidas en
forma comprensible para las personas que administrarn al sistema
recomendado. La carga de esta tarea la lleva principalmente el equipo
de IO.

Ejemplo Prototipo
Ejemplo 1 (La compaa Reddy Mikks) Modelo de Programacin Lineal con Dos Variables
Reddy Mikks produce pinturas para interiores y exteriores. La tabla siguiente proporciona los datos bsicos del problema.
Una encuesta de mercado indica que la demanda diaria de pintura para interiores no puede ser mayor que 1 tonelada ms que la de
pintura para exteriores. Tambin, que la demanda mxima diaria de pintura para interiores es de 2 toneladas. Reddy Mikks desea
determinar la mezcla ptima (la mejor) de productos para exteriores y para interiores que maximice la utilidad diaria total.
Solucin
El modelo de PL, como en cualquier modelo de IO, tiene tres
componentes bsicos.
1. Las variables de decisin que se trata de determinar.
2. El objetivo (la meta) que se trata de optimizar.
3. Las restricciones que se deben satisfacer.

Ejemplo Prototipo
Solucin

Ejemplo Prototipo
Solucin
Definir las restricciones que limitan el uso de las materias
primas y la demanda.
Las restricciones en materias primas se expresan
verbalmente como sigue:
Uso de una materia prima para ambas pinturas
Disponibilidad mxima de materia prima
Segn los datos del problema:
Uso de la materia prima M1, por da: 6 x1 + 4 x2 toneladas
Uso de la materia prima M2, por da: 1 x1 + 2 x2 toneladas

Ejemplo Prototipo
Solucin

Ejemplo Prototipo
Ejercicios: Ver Ejemplo 1 (La compaa Reddy Mikks)
1. Para el modelo de Reddy Mikks, defina cada una de las siguientes restricciones y exprsela con una constante del lado derecho:
a) La demanda diaria de pintura para interiores es mayor que la de pintura para exteriores en al menos 1 tonelada.
b) El uso diario de la materia prima M2 es 6 toneladas cuando mucho, y 3 toneladas cuando menos.
c) La demanda de pintura para interiores no puede ser menor que la demanda de pintura para exteriores.
d) La cantidad mnima que se debe producir de pinturas para interiores y para exteriores es de 3 toneladas.
e) La proporcin de pintura para interiores entre la produccin total de pinturas para interiores y para exteriores no debe ser
mayor que 0.5.
2. Determine la mejor solucin factible entre las siguientes soluciones (factibles y no factibles) del modelo de Reddy Mikks:
a) x1 = 1, x2 = 4.
b) x1 = 2, x2 = 2.
c) x1 = 3, x2 = 1.5.
d) x1 = 2, x2 = 1.
e) x1 = 2, x2 = - 1.
3. Para la solucin factible x1 = 2, x2 = 2, del modelo de Reddy Mikks, determine
a) La cantidad no usada de la materia prima M1.
b) La cantidad no usada de la materia prima M2.
4. Suponga que Reddy Mikks vende su pintura para exteriores a un mayorista, con un descuento por volumen. La utilidad por
tonelada es $5000 si el mayorista no compra ms de 2 toneladas diarias, y de $4500 en los dems casos. Se puede traducir esta
situacin a un modelo de programacin lineal?

Introduccin
Repasemos la resolucin de los modelos matemticos

de PL, pero
Cmo interpretar estas soluciones numricas?

Modelo de programacin lineal con dos variables
Un Problema de Programacin Lineal (PL) es un problema de optimizacin para el cual se efecta lo siguiente:
Se intenta maximizar (minimizar) una funcin lineal de las variables de decisin. La funcin que se desea maximizar o minimizar
se llama funcin objetivo.
Los valores de las variables de decisin deben satisfacer un conjunto de restricciones. Cada restriccin debe ser una ecuacin
lineal o una desigualdad lineal.
Se relaciona una restriccin de signo con cada variable. Para cualquier variable xi, la restriccin de signo especifica que xi no debe
ser negativa ( 0) o no tener restricciones de signo.
La Regin Factible para un PL, es el conjunto de todos los puntos que satisfacen las limitaciones y las restricciones de signo de la PL.
Para un problema de maximizacin, una Solucin ptima para un PL, es un punto con el valor de la funcin objetivo ms grande en la
regin fatible. De igual modo, para un problema de minimizacin, una solucin ptima es un punto con el valor de la funcin objetivo
ms pequeo en la regin factible.

Ejemplos adicionales
Ejemplo 1
La compaa de seguros Primo est en proceso de introducir dos nuevas lneas de productos: seguro de riesgo especial e hipotecas. La
ganancia esperada es de $5 por el seguro de riesgo especial y de $2 por unidad de hipoteca. La administracin desea establecer las
cuotas de venta de las nuevas lneas para maximizar la ganancia total esperada. Los requerimientos de trabajo son los siguientes:
Formule un modelo de programacin lineal.
Solucin

Ejemplo 2
La siguiente tabla resume los hechos importantes sobre dos productos, A y B y los recursos Q, R y S que se requieren para
producirlos.
Todos los supuestos de programacin lineal se cumplen.
a) Formule un modelo de programacin lineal para este problema.
b) Resuelva el modelo.
Solucin

Ejemplo 3
Resolver el siguiente modelo de PL:
Modelo PL (Modelo Matemtico)
Maximizar z = 500x1 + 300x2
Sujeto a
15x1 + 5x2 300
10x1 + 6x2 240
8x1 + 12x2 450
1 0, 2 0
Solucin

Ejemplo 4
Resolver los siguientes modelos de PL:
Sujeto a
x1 + 2x2 10
2x1 - 3x2 6
x1 + x2 6
1 0, 2 0
Solucin

Ejemplo 5
Sujeto a
x1 + 2x2 12
2x1 + 3x2 = 12
2x1 + x2 8
1 0, 2 0
Solucin

Ejemplo 6
Sujeto a
2x1 + 3x2 30
x1 + x2 12
2x1 + x2 20
1 0, 2 0
Solucin

Modelo de programacin lineal con dos variables
Cmo resolver los modelos matemticos de PL?

Introduccin
Excel, es una herramienta conocida para analizar y resolver problemas pequeos de programacin lineal.
Es sencillo introducir en una hoja de clculo las caractersticas principales de un modelo de programacin lineal, entre ellas, todos sus
parmetros.
Adems, el Excel Solver puede aplicar el mtodo smplex para encontrar una solucin ptima para el modelo.

Ejemplos
Ejemplo 1
Se dispone de 210 000 euros para invertir en bolsa. Se recomienda dos tipos de acciones. Las del tipo A que rinden el 10% y las de
tipo B que rinde el 8%. Se decide invertir un mximo de 130 000 euros en las de tipo A y, como mnimo, 6 000 euros en las de tipo
B. adems, se tiene que la inversin en las del tipo A sea menor o igual que el doble de la inversin en B.
Cul tiene que ser la distribucin de la inversin para obtener mximo inters anual?
Solucin

Ejemplos
Ejemplo 2
Cierto fabricante produce dos artculos, A y B, para lo que requiere la utilizacin de dos secciones de produccin: seccin de
montaje y seccin de pintura. El artculo A requiere una hora de trabajo en la seccin de montaje y dos en la de pintura; y el artculo
B, tres horas en la seccin de montaje y una hora en la de pintura.
La seccin de montaje solo puede estar en funcionamiento 9 horas diarias, mientras que la de pintura solo 8 horas cada da. El
beneficio que se obtiene produciendo el artculo B es de 40 euros y el de A es de 20 euros.
Calcula la produccin diaria de los artculos A y B que maximiza el beneficio.
Solucin

Ejemplos
Ejemplo 3
Un quiosco vende bolgrafos a S/. 0.20 y cuadernos a S/. 0.30. Si llevo S/. 1.20 y pretendo comprar los mismos cuadernos que
bolgrafos, por lo menos. Cul ser el nmero mximo de bolgrafos y cuadernos que puedo comprar?
Solucin

Ejemplos
Ejemplo 4
Un orfebre fabrica dos tipos de joyas. Las del tipo A precisan 1 g de oro y 1,5 g de plata, vendindolas a 40 euros cada una. Para la
fabricacin de las de tipo B emplea 1,5 g de oro y 1 g de plata, y las vende a 50 euros. El orfebre tiene solo en el taller 750 g de cada
uno de los metales.
Calcula cuntas joyas ha de fabricar de cada clase para obtener un beneficio mximo.
Solucin

Ejemplos
Ejemplo 5
Unos grandes almacenes desean liquidar 200 camisas y 100 pantalones de la temporada anterior. Para ello, lanzan dos ofertas, A y B:
La oferta A consiste en un lote de una camisa y un pantaln, que se venden a 30 euros; la oferta B consiste en un lote de tres camisas y
un pantaln, que se vende a 50 euros. No se desea ofrecer menos de 20 lotes de la oferta A ni menos de 10 de la B.
Cuntos lotes han de vender de cada tipo para maximizar la ganancia?
Oferta A (x1) Oferta B (x2)
Camisas
1
3
Pantalones
1
1
Solucin
200
100

Ejemplo 1
La compaa de seguros Primo est en proceso de introducir dos nuevas lneas de productos: seguro de riesgo especial e hipotecas. La
ganancia esperada es de $5 por el seguro de riesgo especial y de $2 por unidad de hipoteca. La administracin desea establecer las
cuotas de venta de las nuevas lneas para maximizar la ganancia total esperada. Los requerimientos de trabajo son los siguientes:
Formule un modelo de programacin lineal.
Solucin

Ejemplo 2
La siguiente tabla resume los hechos importantes sobre dos productos, A y B y los recursos Q, R y S que se requieren para
producirlos.
Todos los supuestos de programacin lineal se cumplen.
a) Formule un modelo de programacin lineal para este problema.
b) Resuelva el modelo.
Solucin

Ejemplo 3
Resolver el siguiente modelo de PL:
Sujeto a
15x1 + 5x2 300
10x1 + 6x2 240
8x1 + 12x2 450
1 0, 2 0
Solucin

Ejemplo 4
Sujeto a
x1 + 2x2 10
2x1 - 3x2 6
x1 + x2 6
1 0, 2 0

Minimizar z = 15x1 + 20x2
Sujeto a
x1 + 2x2 10
2x1 - 3x2 6
x1 + x2 6
1 0, 2 0
Solucin
Solucin

Ejemplo 5
Sujeto a
x1 + 2x2 12
2x1 + 3x2 = 12
2x1 + x2 8
1 0, 2 0
Solucin

Sujeto a
x1 + 2x2 12
2x1 + 3x2 = 12
2x1 + x2 8
1 0, 2 0
Solucin

Ejemplo 6
Sujeto a
2x1 + 3x2 30
x1 + x2 12
2x1 + x2 20
1 0, 2 0
Solucin

Sujeto a
2x1 + 3x2 30
x1 + x2 12
2x1 + x2 20
1 0, 2 0
Solucin
Tema 3: Modelo de Transporte y sus variantes

Modelo de Transporte
La PL, permite resolver problemas de transporte,

asignacin de recursos, logstica, entre otros?

El modelo de transporte es una clase especial de programacin lineal que tiene que ver con transportar un artculo desde sus fuentes
(es decir, fbricas) hasta sus destinos (es decir, bodegas). El objetivo es determinar el programa de transporte que minimice el costo
total del transporte y que al mismo tiempo satisfaga los lmites de la oferta y la demanda. En el modelo se supone que el costo de
transporte es proporcional a la cantidad de unidades transportadas en determinada ruta. En general, se puede ampliar el modelo de
transporte a otras reas de operacin, entre otras el control de inventarios, programacin de empleos y asignacin de personal.

Ejemplo 1
Una empresa agroindustrial tiene tres plantas: en Trujillo, Chiclayo
y Piura; y dos centros principales de distribucin en Arequipa y
Lima. Las capacidades de las tres plantas durante el prximo
trimestre sern 1000, 1500 y 1200 toneladas de aj pprika. Las
demandas trimestrales en los dos centros de distribucin son 2300 y
1400 toneladas de aj pprika. El kilometraje entre las fbricas y los
centros de distribucin se ve en la tabla siguiente.
Arequipa
Trujillo
1000
Chiclayo 1250
Piura
1275
Lima
2690
1350
850
La empresa transportista cobra 8 centavos de dlar por kilometro y

por tonelada de aj pprika. El costo de transporte por tonelada de
aj pprika, en las distintas rutas y redondeado hasta el $ ms
prximo, se calcula como se ve en la siguiente tabla:
Arequipa (1) Lima (2)
Trujillo (1)
80
215
Chiclayo (2)
100
108
Piura (3)
102
68
El modelo de transporte tiene como objetivo determinar el

programa de transporte que minimice el costo total del
transporte y que al mismo tiempo satisfaga los lmites de la
oferta y la demanda.
Solucin

Ejemplo 1
Solucin
El modelo de programacin lineal para el problema es el siguiente:

Planta
Ejemplo 2
Tres ciudades se abastecen de electricidad de tres centrales
elctricas con capacidades de 25, 40 y 30 megawatts (MW). Las
demandas mximas en las tres ciudades se estiman en 30, 35 y 25
MW. El precio por MW en las tres ciudades se muestra en la tabla
siguiente:
Durante el mes de agosto hay un
Ciudad
aumento de 20% en la demanda
1
2
3
de cada ciudad, que se puede
1 600
700
400
satisfacer comprando electricidad
2 320
300
350
a otra red, a una tasa elevada de
3 500
480
450
$1000 por MW y con capacidad
de 13 MW. Sin embargo, la red
no est conectada con la ciudad 3.
Se desea determinar el plan ms econmico para distribuir y
comprar la energa adicional.
a) Formule el problema como un modelo de transporte.
b) Resuelva el problema con SOLVER y determine un plan ptimo
de distribucin para la empresa elctrica.
c) Determine el costo de la electricidad adicional comprada por
cada una de las tres ciudades.

Solucin

Solucin
Ejemplo 2
Durante el mes de agosto hay un aumento de 20% en la demanda
de cada ciudad, que se puede satisfacer comprando electricidad a
otra red, a una tasa elevada de $1000 por MW y con capacidad de
13 MW. Sin embargo, la red no est conectada con la ciudad 3.

Ejemplo 2
Solucin

Refinera
Ejemplo 3
Hay tres refineras, con capacidades diarias de 6, 5 y 8 millones de
galones, respectivamente, que abastecen a tres reas de distribucin
cuyas demandas diarias son 4, 8 y 7 millones de galones,
respectivamente. La gasolina se transporta por una red de
oleoductos a las tres reas de distribucin. El costo de transporte es
10 centavos por 1000 galones por kilmetro de oleoducto. En la
tabla de abajo se ven las distancias en kilmetros entre las
refineras y las reas de distribucin. La refinera 1 no est
conectada con el rea de distribucin 3.
1
2
3
reas de distribucin
1
2
3
120
180
300
100
80
200
250
120
a) Formule el problema como un modelo de transporte.

b) Resuelva el problema con SOLVER para determinar el programa
ptimo de transporte en la red.

Solucin

6 mm gl
Ejemplo 3
Refinera 1
Solucin
5 mm gl
Refinera 2
8 mm gl
Refinera 3
4 mm gl
A. Distribucin 1
8 mm gl
A. Distribucin 2
7 mm gl
A. Distribucin 3

Ejemplo 3
Solucin

Ejemplo 4 (Control de produccin e inventarios)
Boralis fabrica mochilas para excursionistas exigentes. La demanda
de su producto se presenta desde marzo hasta junio de cada ao.
Boralis estima que la demanda durante los cuatro meses es 100,
200, 180 y 300 unidades, respectivamente. La empresa emplea
mano de obra de tiempo parcial para fabricar las mochilas y, en
consecuencia, su capacidad de produccin vara cada mes. Se
estima que Boralis puede producir 50, 180, 280 y 270 unidades de
marzo a junio, respectivamente. Como no coinciden la capacidad
de produccin y la demanda en los distintos meses, la demanda de
determinado mes se puede satisfacer de uno de tres modos:
1. La produccin del mes en curso.
2. La produccin sobrante en meses anteriores.
3. La produccin sobrante en meses posteriores.
En el primer caso, el costo de produccin es $40.00 por mochila.
En el segundo se incurre en un costo adicional de retencin de
$0.50 por mochila por da. En el tercer caso se incurre en una
penalizacin adicional de $2.00 por mochila y por mes. Boralis
desea determinar el programa ptimo de produccin en los cuatro
meses.
La aplicacin del modelo de transporte no se limita a

transportar artculos entre fuentes y destinos geogrficos. Se
aplican tambin a las reas de control de produccin e
inventarios, y mantenimiento de equipo.
El caso se puede representar como modelo de transporte
reconociendo los siguientes paralelismos entre los elementos
del problema de produccin e inventarios, y los del modelo de
transporte.
Transporte
Fuente i
Destino j
Produccin
Perodo de produccin i
Perodo de demanda j
Capacidad de produccin del
Cantidad suministrada en la fuente i perodo i
Demanda en el destino j
Demanda en el perodo j
Costo unitario (produccin +
Costo unitario de transporte desde retencin + penalizacin) en el
la fuente i hasta e destino j
perodo i para el perodo j

Solucin
Ejemplo 4 (Control de produccin e inventarios)
Boralis fabrica mochilas para excursionistas exigentes. La demanda
de su producto se presenta desde marzo hasta junio de cada ao.
Boralis estima que la demanda durante los cuatro meses es 100,
200, 180 y 300 unidades, respectivamente. La empresa emplea
mano de obra de tiempo parcial para fabricar las mochilas y, en
consecuencia, su capacidad de produccin vara cada mes. Se
estima que Boralis puede producir 50, 180, 280 y 270 unidades de
marzo a junio, respectivamente. Como no coinciden la capacidad
de produccin y la demanda en los distintos meses, la demanda de
determinado mes se puede satisfacer de uno de tres modos:
1. La produccin del mes en curso.
2. La produccin sobrante en meses anteriores.
3. La produccin sobrante en meses posteriores.
En el primer caso, el costo de produccin es $40.00 por mochila.
En el segundo se incurre en un costo adicional de retencin de
$0.50 por mochila por da. En el tercer caso se incurre en una
penalizacin adicional de $2.00 por mochila y por mes. Boralis
desea determinar el programa ptimo de produccin en los cuatro
meses.
50
100
1 Marzo
1 Marzo
180
200
2 Abril
2 Abril
180
280
3 Mayo
3 Mayo
300
270
4 Junio
4 Junio
= 1,2,3,4; = 1,2,3,4 son el nmero de mochilas

producidas desde el mes de produccin i al mes de demanda j
a un mnimo costo.

50
Ejemplo 4
100
1 Marzo
1 Marzo
Solucin
El costo de transporte por unidad, desde el periodo i hasta el
periodo j se calcula como sigue:
Costo de produccin en , =
Costo de produccin en + Costo de retencin de a , <
=
Costo de produccin en + Costo de penalizacin de a , >
En el primer caso, el costo de produccin es $40.00 por mochila. En el segundo
se incurre en un costo adicional de retencin de $0.50 por mochila por da. En
el tercer caso se incurre en una penalizacin adicional de $2.00 por mochila y
por mes. Boralis desea determinar el programa ptimo de produccin en los
cuatro meses.
Marzo (1)
Abril (2)
Mayo (3)
Junio (4)
Demanda
Marzo (1) Abril (2) Mayo (3) Junio (4) Capacidad

40
40.5
41
41.5
50
42
40
40.5
41
180
44
42
40
40.5
280
46
44
42
40
270
100
200
180
300
180
200
2 Abril
2 Abril
180
280
3 Mayo
3 Mayo
300
270
4 Junio
4 Junio

50
Ejemplo 4
100
1 Marzo
1 Marzo
Solucin 1
180
200
2 Abril
2 Abril
180
280
3 Mayo
3 Mayo
300
270
4 Junio
Marzo (1)
Abril (2)
Mayo (3)
Junio (4)
Demanda
4 Junio

40
40.5
41
41.5
50
42
40
40.5
41
180
44
42
40
40.5
280
46
44
42
40
270
100
200
180
300

Ejemplo 4
Solucin 1

50
Ejemplo 4
100
1 Marzo
1 Marzo
Solucin 2
180
200
2 Abril
2 Abril
180
280
3 Mayo
3 Mayo
300
270
4 Junio
Marzo (1)
Abril (2)
Mayo (3)
Junio (4)
Demanda
4 Junio

40
40.5
41
41.5
50
42
40
40.5
41
180
44
42
40
40.5
280
46
44
42
40
270
100
200
180
300

Ejemplo 4
Solucin 2

50
Ejemplo 4
100
1 Marzo
1 Marzo
Solucin 3
180
200
2 Abril
2 Abril
180
280
3 Mayo
3 Mayo
300
270
4 Junio
Marzo (1)
Abril (2)
Mayo (3)
Junio (4)
Demanda
4 Junio

40
40.5
41
41.5
50
42
40
40.5
41
180
44
42
40
40.5
280
46
44
42
40
270
100
200
180
300

Ejemplo 4
Solucin 3

Solucin
Ejemplo 5
Supongamos que una empresa productora de barras de pan tiene
dos almacenes A1 y A2 desde los cuales debe enviar pan a tres
panaderas P1, P2 y P3. Las ofertas, las demandas y los costes de
envo se dan en el siguiente grafo:
El modelo de programacin lineal para el problema es el

siguiente:
2000
8
6
A1
1500
P1
10
10
2500
2000
4
A2
P2
9
1000
P3

Ejemplo 5
Solucin

Ejemplo 6
Una empresa produce un nico artculo en tres plantas, A1, A2 y
A3. La capacidad de produccin mensual de la empresa est
limitada a 1500 unidades mensuales en cada una de las plantas. La
empresa tiene cuatro clientes mayoristas cuyas demandas
mensuales son 1000, 1200, 1500 y 1000 unidades respectivamente.
El beneficio unitario que le proporciona su producto, considerados
los costos de produccin y el precio de venta, es de 110 unidades.
Los costos de envo a los 4 clientes mayoristas que la empresa tiene
vienen dados por la siguiente tabla:
1 2 3 4
A1 30 10 25 20
A2 15 25 30 10
A3 20 30 15 20
El objetivo de la empresa es organizar la produccin en cada uno de

los meses para obtener el mximo beneficio.
Los valores = , i = 1, 2, 3, j = 1, 2, 3, 4 de la siguiente
tabla son los beneficios de producir una unidad en la planta y
enviarlo al cliente j para su venta.
1
2
3
4
A1
80 100 85 90
A2
95 85 80 100
A3
90 80 95 90
Demanda 1000 1200 1500 1000
Oferta
1500
1500
1500
Solucin
= 1,2,3; = 1,2,3,4 son el nmero de artculos

producidos en la planta de produccin y enviado al cliente j
a un mnimo costo.

Ejemplo 6
Solucin
El objetivo de la empresa es organizar la produccin en cada uno
de los meses para obtener el mximo beneficio.
1
2
3
4
A1
80 100 85 90
A2
95 85 80 100
A3
90 80 95 90
Demanda 1000 1200 1500 1000
Oferta
1500
1500
1500
4

Ejemplo 6
Solucin

Ejemplo 6
Solucin
4

Unidad I Introducción A La Programación Lineal y Casos Especiales de Transporte y Sus Variantes PDF

Transféré par

Informations du document

Titre original

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

Unidad I Introducción A La Programación Lineal y Casos Especiales de Transporte y Sus Variantes PDF

Transféré par

Droits d'auteur :

Formats disponibles

UNIVERSIDAD PRIVADA DEL NORTE

PROGRAMA WORKING ADULT

PROGRAMA WORKING ADULT

MSc. Jorge Luis Chiroque Caldern

UNIVERSIDAD PRIVADA DEL NORTE

PROGRAMA WORKING ADULT

MSc. Jorge Luis Chiroque Caldern

Unidad II: Programacin Entera y Programacin Dinmica Determinstica. (2)

Tema 1: Introduccin a la Programacin Lineal (PL)

Unidad III: Programacin Dinmica Probabilstica y Procesos Estocsticos. (3)

Tema 6: Aplicacin de la Programacin Dinmica Probabilstica PDP en situaciones problemticas empresariales.

MSc. Jorge Luis Chiroque Caldern

MSc. Jorge Luis Chiroque Caldern

Tema 1: Introduccin a la Programacin Lineal (PL)

La PL, permite resolver casos reales conocidos de

MSc. Jorge Luis Chiroque Caldern

Tema 1: Introduccin a la Programacin Lineal (PL)

Tema 1: Introduccin a la Programacin Lineal (PL)

Fase 4: Validacin del modelo

La definicin del problema implica definir el alcance del problema que

MSc. Jorge Luis Chiroque Caldern

Tema 1: Introduccin a la Programacin Lineal (PL)

La construccin del modelo implica traducir la definicin del problema

MSc. Jorge Luis Chiroque Caldern

Tema 1: Introduccin a la Programacin Lineal (PL)

Fases de un Estudio de Investigacin de Operaciones

La solucin del modelo, supone el uso de algoritmos bien definidos de

MSc. Jorge Luis Chiroque Caldern

Tema 1: Introduccin a la Programacin Lineal (PL)

Fases de un Estudio de Investigacin de Operaciones

Fase 4: Validacin del modelo

La validacin del modelo comprueba si el modelo propuesto hace lo que

MSc. Jorge Luis Chiroque Caldern

Tema 1: Introduccin a la Programacin Lineal (PL)

La implementacin de la solucin de un modelo validado implica la

MSc. Jorge Luis Chiroque Caldern

Tema 1: Introduccin a la Programacin Lineal (PL)

MSc. Jorge Luis Chiroque Caldern

Tema 1: Introduccin a la Programacin Lineal (PL)

MSc. Jorge Luis Chiroque Caldern

Tema 1: Introduccin a la Programacin Lineal (PL)

MSc. Jorge Luis Chiroque Caldern

Tema 1: Introduccin a la Programacin Lineal (PL)

MSc. Jorge Luis Chiroque Caldern

Tema 1: Introduccin a la Programacin Lineal (PL)

Tema 1: Introduccin a la Programacin Lineal (PL)

Repasemos la resolucin de los modelos matemticos

MSc. Jorge Luis Chiroque Caldern

Tema 1: Introduccin a la Programacin Lineal (PL)

MSc. Jorge Luis Chiroque Caldern

Tema 1: Introduccin a la Programacin Lineal (PL)

MSc. Jorge Luis Chiroque Caldern

Tema 1: Introduccin a la Programacin Lineal (PL)

MSc. Jorge Luis Chiroque Caldern

Tema 1: Introduccin a la Programacin Lineal (PL)

MSc. Jorge Luis Chiroque Caldern

Tema 1: Introduccin a la Programacin Lineal (PL)

MSc. Jorge Luis Chiroque Caldern

Tema 1: Introduccin a la Programacin Lineal (PL)

MSc. Jorge Luis Chiroque Caldern

Tema 1: Introduccin a la Programacin Lineal (PL)

MSc. Jorge Luis Chiroque Caldern

Tema 2: Solucin de Modelos PL. Solucin con SOLVER y otros.