UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS

(Universidad del Per, DECANA DE AMERICA)

UNIDAD DE POSGRADO DE LA FACULTAD DE

INGENIERA INDUSTRIAL

Diseo de un modelo de Programacin Lineal

Entera, para mejorar el nivel productivo de una
empresa Metalmecnica.

MAGISTER DE GESTION DE OPERACIONES Y SERVICIOS LOGISTICOS.

ALUMNA: Bach. Moncada Sosaya, Liz Moncada

PROFESOR: Dr. Cevallos Ampuero, Juan Manuel

CURSO: Modelos de Optimizacin

LIMA-PER

MAYO 2017

1
 NDICE

Pagina

1. Visin 3

2. Misin 3

3. Objetivo General 4

4. Objetivos Especficos 4

5. Marco Terico 4

6. Aplicacin de Programacin Lineal Entera 6

7. Referencia Bibliogrfica 10

2
 IMECON S.A

IMECON S.A. es una empresa peruana creada en 1993, especializada en la

ejecucin de proyectos llave en mano, que incluye servicios de ingeniera,
construcciones metlicas y montajes electromecnicos, basados en una cultura
de mejoramiento continuo y respeto por la eco-sostenibilidad, con una propuesta
de valor en la prestacin de servicios garantizada por el profesionalismo y
especializacin de experimentados colaboradores apoyados en una moderna
infraestructura.

Estamos presentes en el desarrollo regional del Per en diversos sectores:

minera, energa, construccin, hidrocarburos e industrial; localizados en
mltiples mbitos geogrficos de la costa, sierra y selva, as como en los pases
de la Regin Andina. Hoy participamos en todos los grandes proyectos con
clientes de primer nivel como Bechtel, Fluor, Amec, SNC Lavalin, Jacobs, FL
Smidth, entre otros, y directamente con la gran y mediana minera.

1) VISIN

Ser la mejor organizacin en la ejecucin de proyectos de construcciones

metlicas y montajes del pas.

2) MISIN

Alcanzamos la excelencia en nuestro desempeo diario cumpliendo con

la calidad, los plazos, nuestros estndares de seguridad, medio ambiente
y los objetivos planteados mediante el trabajo en equipo, el fortalecimiento
de las competencias de nuestros colaboradores y la prctica continua de
nuestros valores de IMECON logrando el bienestar y satisfaccin de
nuestros clientes, accionistas y colaboradores y partes interesadas.

3
3) OBJETIVO GENERAL

Disear un modelo de Programacin Lineal Entera, para mejorar el nivel

productivo aplicado a una empresa Metalmecnica.

4) OBJETIVOS ESPECFICOS

i. Utilizar el software Lingo 11.0 para el optimizar proceso de

produccin.
ii. As tambin, calcular la cantidad de nuestros productos a producir
para maximizar la ganancia de la empresa.

5) MARCO TEORICO

Qu es la Programacin Entera?: Un modelo de Programacin Entera es

aquel cuya solucin ptima tiene sentido solamente si una parte o todas las
variables de decisin toman valores restringidos a nmeros enteros, permitiendo
incorporar en el modelamiento matemtico algunos aspectos que quedan fuera
del alcance de los modelos de Programacin Lineal.

En este sentido los algoritmos de resolucin de los modelos de Programacin

Entera difieren a los utilizados en los modelos de Programacin Lineal,
destacndose entre ellos el Algoritmo de Ramificacin y Acotamiento (o Branch
& Bound), Branch & Cut, Planos Cortantes, Relajacin Lagrangeana, entre otros.

Los modelos de Programacin Entera se pueden clasificar en 2 grandes

reas: Programacin Entera Mixta (PEM) y Programacin Entera Pura (PEP).

4
 Figura n1

Programacin Entera Mixta (PEM)

A esta categora pertenecen aquellos problemas de optimizacin que consideran

variables de decisin enteras o binarias pero no de forma exclusiva. De esta
forma un problema de PEM puede considerarse como un hbrido entre distintas
categoras de modelamiento, siendo un caso tpico aquel que considera la
mezcla de variables enteras y variables continuas (estas ltimas caractersticas
de los modelos de Programacin Lineal). A modo de ejemplo los siguientes
artculos que hemos abordado en el Blog dan cuenta de modelos de
Programacin Entera Mixta:

Incorporacin de Costos Fijos

Problemas de Localizacin y Transporte
Problema de Generacin Elctrica

Programacin Entera Pura (PEP)

En esta categora encontramos aquellos modelos de Programacin Entera que

consideran exclusivamente variables de decisin que adoptan valores enteros o
binarios. Un ejemplo de ello son las siguientes aplicaciones:

5
 Problema de Asignacin
Problema de Corte de Rollos
Seleccin de Invitados a una Boda
Programacin de la Explotacin Forestal
Problema de la Mochila

Notar que en los problemas anteriores (PEP) el conjunto de las soluciones

factibles (o dominio de soluciones factibles) es finito. Esto ocurrir generalmente
con los problemas de Programacin Entera (puros).

Adicionalmente resulta interesante hacer un contrastes entre las propiedades de

un modelo de Programacin Lineal (PL) y uno de Programacin Entera (PE). A
continuacin se presentan 2 modelos de optimizacin que se diferencian
nicamente en que al segundo de ellos (PE) se le exige que las variables de
decisin adopten valores enteros.

6) APLICACIN DE PROGRAMACION LINEAL ENTERA

En la empresa IMECON S.A. se ha ordenado la fabricacin de ESCALERAS y

DUCTOS para almacenar en su almacn a la espera de ser enviado al lugar de
la obra. La Empresa tiene dos plantas en la que fabricara. La planta 1 es una
planta antigua que est Ubicada en la Avenida Argentina que opera con doble
turno de 80 horas por semana. La planta 2 es una planta ms nueva y est
ubicada en el Kilmetro 40 de la panamericana sur, distrito de Lurn y opera a su
capacidad total. Cada turno de la planta 2 trabaja 25 horas por semana y la planta
2 opera 2 turnos. La siguiente tabla muestra el tiempo de produccin
(horas/unidad) y los costos estndar ($/unidad) en cada planta. Tambin se
muestran los precios de venta e cada producto.
El presupuesto semanal para la produccin en miles de Dlares Americanos
tambin se muestra en la tabla. Se le pide a usted averiguar cul es el numero
ptimo de Escaleras y Ductos a producirse en cada planta con el objeto de
maximizar las ganancias.

6
 Costo Estndar
Tipo Tiempo Produccin Planta Planta Precio Presupuesto
Planta 1 Planta 2 1 2 de Semanal
venta
Escaleras 10 9 600 620 1000 4000
Ductos 14 16 400 380 650 4200

Solucin al problema:

Haciendo la Solucin P.L

Definicin de la Variables:
X1E: Cantidad de escaleras producidas en la planta 1
X2E: Cantidad de escaleras producidas en la planta 2
X1D: Cantidad de Ductos fabricados en la planta 1
X2D: Cantidad de Ductos fabricados en la planta 2
F.O
Mx Z= (1000-600) *X1E +(1000-620) *X2E+(650-400) *X1D + (650-380) *X2D
Restricciones de la Capacidad:
10*X1E +14*X1D <=80 (opera 80 horas semanales con doble turno)
9*X2E + 16*X2D<=50 (opera 50 horas semanales con doble turno)
Restricciones del Presupuesto:
600*X1E+620*X2E<=4000 (presupuesto semanal)
400*X1D+380*X2D<=4200 (presupuesto semanal)

Aplicacin del Problema en el Software Lingo

Que las variables sean enteras

MAX= 400*X1E +380*X2E + 250*X1D + 270*X2D;

10*X1E+14*X1D<=80;
9*X2E+16*X2D<=50;

600*X1E + 620*X2E <=4000;

400*X1D + 380*X2D <=4200;

@GIN(X1E);
@GIN(X1D);
@GIN(X2E);
@GIN(X2D);

7
Global optimal solution found.
Objective value: 3550.000
Objective bound: 3550.000
Infeasibilities: 0.000000
Extended solver steps: 0
Total solver iterations: 12

Variable Value Reduced Cost

X1E 1.000000 -400.0000
X2E 5.000000 -380.0000
X1D 5.000000 -250.0000
X2D 0.000000 -270.0000

Row Slack or Surplus Dual Price

1 3550.000 1.000000
2 0.000000 0.000000
3 5.000000 0.000000
4 300.0000 0.000000
5 2200.000 0.000000

Conclusiones:

En la planta 1 de la Avenida Argentina se debe producir 1 escalera para tanques

y en la planta2 de Lurn se produce 5 escaleras para tanque, por lo que la
cantidad de escaleras producidos en las dos plantas para maximizar la ganancia
es de 6 unidades.

En la planta 1 de la Avenida Argentina se debe producir 6 unidades de Ducto y

en la planta 2 del distrito de Lurn se deben producir ninguna unidad de Ductos,
que en total de produccin de ambas fabricas suman 5 unidades.

La mxima ganancia seria de 3,550.00 Dlares americanos

En el supuesto que las variables no fueran enteras

MAX= 400*X1E +380*X2E + 250*X1D + 270*X2D;

10*X1E+14*X1D<=80;
9*X2E+16*X2D<=50;

600*X1E + 620*X2E <=4000;

400*X1D + 380*X2D <=4200;

!@GIN(X1E);
!@GIN(X1D);
!@GIN(X2E);
!@GIN(X2D);

8
Global optimal solution found.
Objective value: 3748.512
Infeasibilities: 0.000000
Total solver iterations: 4

Variable Value Reduced Cost

X1E 6.666667 0.000000
X2E 0.000000 0.6845238
X1D 0.9523810 0.000000
X2D 3.125000 0.000000

Row Slack or Surplus Dual Price

1 3748.512 1.000000
2 0.000000 17.85714
3 0.000000 16.87500
4 0.000000 0.3690476
5 2631.548 0.000000

Conclusiones:
Para la Planta 1 (Av. Argentina)

La cantidad de escaleras producidas es de 6.67 unidades

La Cantidad de Ductos producidos en la planta 1 sera de 0.952 unidades

Para la Planta 2 (Lurn)

La cantidad de escaleras para tanques a producir seria de ninguna unidad

La cantidad de ductos a producir sera de 3.125 unidades
La ganancia mxima seria de 3,748.51 Dlares americanos

9
7) REFERENCIA BIBLIOGRAFICA

http://www.gestiondeoperaciones.net/programacion-entera/que-es-la-
programacion-entera/

10