Modelos de PL 1

IND2072– TEEI – Análise e Simulação de Processos
Investigación Operativa 1
Modelos de Programación Lineal
Dr. Miguel Fernández

Prof. Fernando Luiz Cyrino Oliveira
Sección de cyrino@puc-rio.br
Ingeniería Industrial
Modelamiento matemático de problemas de PL
Función Objetivo
Restricciones
Condición de no negatividad
Constantes Variables
m: Número de restricciones; n: Número de variables xj (j=1,…,n) = Variables de decisión
aij (i=1,…,m;j=1,…,n) = Coeficientes tecnológicos
bi (i=1,…,m) = Términos independientes (lado derecho)
cj (j=1,…,n) = Coeficientes de la función objetivo
IND2072 – TEEI – Análise e Simulação de Processos

Problema 1.
Una empresa dedicada a la fabricación de mobiliario para oficinas
pretende lanzar nuevos modelos de escritorios, estantes y mesas. Se
estima que la demanda de escritorios es por lo menos 80 unidades y
que la producción combinada de estantes y mesas no debe superar el
doble de la producción de escritorios.
Los productos son procesados en las unidades de estampados (UE) y

de montaje/acabo (UMA). El tiempo por producto y la disponibilidad
de tiempo en cada unidad se muestra en la siguiente tabla.
Escritorios Estantes Mesas Disponibilidad

UE (hr-m) 2 4 1 720
UMA (hr-h) 4 4 3 880
Los márgenes de utilidad estimados son de 6 UM para los escritorios, 3

UM para los estantes y 4 UM para las mesas.
Se pide:
a) Formule el modelo de programación lineal adecuado a esta

situación.
b) Formule el modelo de PL con la siguiente variable de decisión:

Tij: tiempo total empleado por el producto i en la unidad j
c) Formule el modelo de PL con la siguiente variable de decisión:

Pij: porcentaje del tiempo total disponible de la unidad j en el
producto i

Problema 2.
Una empresa produce tubos para conexiones de 15 y 30 cm a partir de
mangueras de PVC. El proceso productivo consiste en las etapas
secuenciales de trenzado, corte y equipamiento.
Esta semana la empresa debe destinar el 40% de su producción en los

tubos de 15 cm y 60 % a los tubos de 30 cm.
Se sabe que las máquinas trenzadoras, en promedio, tardan 140 min

en trenzar 50 m de manguera.
La manguera trenzada pasa a la línea de corte. El corte se ejecuta en

longitudes de 15 y 30 cm. La máquina tiene una velocidad de 10 cortes
por minuto. Aquí, 1% de la producción es desperdiciada.

En la etapa de equipamiento, los tubos de 15 cm presentan una tasa
de producción de 400 unidades/hora y los tubos de 30 cm una tasa de
300 unidades/hora. En esta etapa, se estima que no pasan el control
de calidad el 5% de los tubos de 15 cm y el 4% de los tubos de 30 cm.
Los tubos defectuosos van para reproceso en la siguiente semana.
La empresa trabaja 5 días a la semana en una jornada de 8 horas

diarias.
Formule el modelo de programación lineal que maximice la

producción.

Método gráfico para resolver problemas de PL
Pasos para representar gráficamente un problema de PL
1) Construir um sistema de ejes cartesianos 𝑥1 y 𝑥2 .
2) Identificar los valores 𝑥1 y 𝑥2 que satisfacen todas las

restricciones (región factible).
3) Buscar el punto situado en esta región que maximice (minimice)

el valor de la función objetivo (Z). La idea es trazar una
secuencia de rectas Z=constante hasta contener por lo menos
un punto de intersección con la región factible.

Ejemplo: Método gráfico
MAX Z = 2X1 + X2
Sujeto a:
2X1 - X2 ≤ 8
X1 - X2 ≤ 3
X1 + 2X2 ≤ 14
X1 + 4X2 ≤ 24
X1, X2 ≥ 0

MAX Z = 2X1 + X2
Sujeto a:
2X1 - X2 ≤ 8
X1 - X2 ≤ 3
X1 + 2X2 ≤ 14
X1 + 4X2 ≤ 24
X1, X2 ≥ 0

MAX Z = 2X1 + X2
Sujeto a:
2X1 - X2 ≤ 8
X1 - X2 ≤ 3
X1 + 2X2 ≤ 14
X1 + 4X2 ≤ 24
X1, X2 ≥ 0

MAX Z = 2X1 + X2
Sujeto a:
2X1 - X2 ≤ 8
X1 - X2 ≤ 3
X1 + 2X2 ≤ 14
X1 + 4X2 ≤ 24
X1, X2 ≥ 0

MAX Z = 2X1 + X2
Sujeto a:
2X1 - X2 ≤ 8
X1 - X2 ≤ 3
X1 + 2X2 ≤ 14
X1 + 4X2 ≤ 24
X1, X2 ≥ 0

MAX Z = 2X1 + X2
Sujeto a:
2X1 - X2 ≤ 8
X1 - X2 ≤ 3
X1 + 2X2 ≤ 14
X1 + 4X2 ≤ 24
X1, X2 ≥ 0

MAX Z = 2X1 + X2
Sujeto a:
2X1 - X2 ≤ 8
X1 - X2 ≤ 3
X1 + 2X2 ≤ 14
X1 + 4X2 ≤ 24
X1, X2 ≥ 0

MAX Z = 2X1 + X2
Sujeto a:
2X1 - X2 ≤ 8
X1 - X2 ≤ 3
X1 + 2X2 ≤ 14
X1 + 4X2 ≤ 24
X1, X2 ≥ 0

MAX Z = 2X1 + X2
Sujeto a:
2X1 - X2 ≤ 8
X1 - X2 ≤ 3
X1 + 2X2 ≤ 14
X1 + 4X2 ≤ 24
X1, X2 ≥ 0
Solución:
X1* = 6
X2* = 4
Z* = 16

Casos especiales en Programación Lineal
1. Múltiples soluciones óptimas
 El valor óptimo de la FO puede ser obtenido a través de infinitas

combinaciones.
 Ocurre cuando existe paralelismo entre la FO y la restricción que

contiene los puntos óptimos.

Ejemplo: Múltiples soluciones óptimas
Max 𝑍 = 𝑥1 + 𝑥2
Sujeto a:
2𝑥1 + 4𝑥2 ≤ 720
4𝑥1 + 4𝑥2 ≤ 880
𝑥1 ≤ 160
𝑥1 , 𝑥2 ≥ 0

Ejemplo: Múltiples soluciones óptimas
Max 𝑍 = 𝑥1 + 𝑥2
Sujeto a:
𝒙𝟏 ≤ 𝟏𝟔𝟎
2𝑥1 + 4𝑥2 ≤ 720
4𝑥1 + 4𝑥2 ≤ 880
𝑥1 ≤ 160
𝑥1 , 𝑥2 ≥ 0
Conjunto de
soluciones óptimas
Z* = 220
𝟐𝒙𝟏 + 𝟒𝒙𝟐 ≤ 𝟕𝟐𝟎

𝟒𝒙𝟏 + 𝟒𝒙𝟐 ≤ 𝟖𝟖𝟎

2. Solución no acotada
 Los valores de las variables pueden aumentar en forma

indefinida sin violar alguna de las restricciones.
 El resultado es que no existe un valor máximo finito para la

FO (𝑍 → +∞).

Ejemplo: Solución no acotada
Max 𝑧 = 2𝑥1 − 𝑥2
Sujeta a:
𝑥1 − 𝑥2 ≤ 1
2𝑥1 + 𝑥2 ≥ 6
𝑥1 , 𝑥2 ≥ 0

Ejemplo: Solución no acotada
Max 𝑧 = 2𝑥1 − 𝑥2
Sujeta a:
𝑥1 − 𝑥2 ≤ 1
2𝑥1 + 𝑥2 ≥ 6
𝑥1 , 𝑥2 ≥ 0

3. Infactibilidad
 En este caso no hay región factible.
 Las restricciones no forman una única región.

Ejemplo: Infactibilidad
Max 𝑧 = 3𝑥1 + 2𝑥2

Sujeta a:
2𝑥1 + 𝑥2 ≤ 2
3𝑥1 + 4𝑥2 ≥ 12
𝑥1 , 𝑥2 ≥ 0

Ejemplo: Infactibilidad
Max 𝑧 = 3𝑥1 + 2𝑥2

Sujeta a:
2𝑥1 + 𝑥2 ≤ 2
3𝑥1 + 4𝑥2 ≥ 12
𝑥1 , 𝑥2 ≥ 0

4. Degeneración
 Esta condición indica que el modelo tiene al menos una

restricción redundante.
 Para el caso de dos variables, una solución es degenerada cuando

tres o más restricciones pasan por el punto óptimo.

Ejemplo: Degeneración
Max 𝑧 = 5𝑥1 + 3𝑥2

Sujeta a:
4𝑥1 + 2𝑥2 ≤ 12
4𝑥1 + 𝑥2 ≤ 10
𝑥1 + 𝑥2 ≤ 4
𝑥1 , 𝑥2 ≥ 0

Ejemplo: Degeneración
Max 𝑧 = 5𝑥1 + 3𝑥2

Sujeta a:
4𝑥1 + 2𝑥2 ≤ 12
4𝑥1 + 𝑥2 ≤ 10
𝑥1 + 𝑥2 ≤ 4
𝑥1 , 𝑥2 ≥ 0

Análisis de sensibilidad gráfico
1. Cambios en los coeficientes de la función objetivo
 𝑀𝑎𝑥 𝑀𝑖𝑛 𝑍 = 𝑐1 𝑥1 + 𝑐2 𝑥2
 La variación de 𝑐1 y 𝑐2 producen cambios en la pendiente de Z

(esto es 𝑐1 /𝑐2 ), afectando o no la solución y el valor óptimo Z.
 Existe un intervalo de optimalidad, tanto para 𝑐1 y 𝑐2 tal que la

solución óptima del problema permanece sin ser afectado.

Problema 3.
Determine el intervalo de sensibilidad de los coeficientes de la función objetivo
para el siguiente problema de PL.
Min 𝑧 = 25𝑥1 + 22𝑥2

Sujeta a:
0.45𝑥1 + 0.35𝑥2 ≥ 12.6
0.18𝑥1 + 0.36𝑥2 ≥ 9
𝑥1 , 𝑥2 ≥ 0

Solución:
Min 𝑧 = 25𝑥1 + 22𝑥2

Sujeta a:
0.45𝑥1 + 0.35𝑥2 ≥ 12.6
0.18𝑥1 + 0.36𝑥2 ≥ 9
𝑥1 , 𝑥2 ≥ 0

Min 𝑧 = 25𝑥1 + 22𝑥2
Sujeta a:
0.45𝑥1 + 0.35𝑥2 ≥ 12.6
0.18𝑥1 + 0.36𝑥2 ≥ 9
𝑥1 , 𝑥2 ≥ 0
Entonces:
0.5 ≤ 𝑐1 /𝑐2 ≤ 1.29
• Para 𝑐2 = 22 ⇒ 11 ≤ 𝑐1 ≤ 28.29
• Para 𝑐1 = 25 ⇒ 19.44 ≤ 𝑐2 ≤ 50
También:
• 11 ≤ 𝑐ഥ1 +∆𝑐1 ≤ 28.29 𝜽
-14≤ ∆𝑐1 ≤ 3.29
• 19.44 ≤ 𝑐ഥ2 +∆𝑐2 ≤ 50
-2.56 ≤ ∆𝑐2 ≤ 28

Problema 4.
Determine el intervalo de sensibilidad de los coeficiente de la función objetivo
para el siguiente problema de PL.
Max 𝑧 = 0.56𝑥1 + 0.4𝑥2

Sujeta a:
0.04𝑥1 + 0.05𝑥2 ≤ 150
0.7𝑥1 ≤ 1000
0.5𝑥2 ≤ 1000
𝑥1 , 𝑥2 ≥ 0

Solución:
Max 𝑧 = 0.56𝑥1 + 0.4𝑥2

Sujeta a:
0.04𝑥1 + 0.05𝑥2 ≤ 150
0.7𝑥1 ≤ 1000
0.5𝑥2 ≤ 1000
𝑥1 , 𝑥2 ≥ 0

Max 𝑧 = 0.56𝑥1 + 0.4𝑥2
Sujeta a:
0.04𝑥1 + 0.05𝑥2 ≤ 150
0.7𝑥1 ≤ 1000
0.5𝑥2 ≤ 1000
𝑥1 , 𝑥2 ≥ 0
Entonces: 𝜽
0.8 ≤ 𝑐1 /𝑐2
• Para 𝑐2 = 0.4 ⇒ 0.32 ≤ 𝑐1
• Para 𝑐1 = 0.56 ⇒ 0.0 ≤ 𝑐2 ≤ 0.70

Análisis de sensibilidad gráfico
2. Cambios en los coeficientes del lado derecho de la restricciones
 Un cambio en el lado derecho de una restricción ocasiona un

desplazamiento paralelo.
 Este cambio puede afectar tanto a la solución como el valor

óptimo de la FO.

Problema 5.
Determine el intervalo de sensibilidad del valor del lado derecho de cada
restricción.
Min 𝑧 = 25𝑥1 + 22𝑥2

Sujeta a:
0.45𝑥1 + 0.35𝑥2 ≥ 12.6
0.18𝑥1 + 0.36𝑥2 ≥ 9
𝑥1 , 𝑥2 ≥ 0

Solución:
Min 𝑧 = 25𝑥1 + 22𝑥2

Sujeta a:
0.45𝑥1 + 0.35𝑥2 ≥ 12.6
0.18𝑥1 + 0.36𝑥2 ≥ 9 A
𝑥1 , 𝑥2 ≥ 0
- Puntos a evaluar: A(0,25) y B(50,0)

- El lado derecho de la restricción
0.45𝑥1 + 0.35𝑥2 ≥ 12.6
varia entre [8.75,22.5]
B

A
Min 𝑧 = 25𝑥1 + 22𝑥2
Sujeta a:
0.45𝑥1 + 0.35𝑥2 ≥ 12.6
0.18𝑥1 + 0.36𝑥2 ≥ 9
𝑥1 , 𝑥2 ≥ 0
- Puntos a evaluar: A(0,36) y B(28,0)

- El lado derecho de la restricción
0.18𝑥1 + 0.36𝑥2 ≥ 9
varia entre [5.04,12.96]


Modelos de PL 1

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

Modelos de PL 1

Transféré par

Droits d'auteur :

Formats disponibles

IND2072– TEEI – Análise e Simulação de Processos

Modelos de Programación Lineal

Dr. Miguel Fernández

IND2072 – TEEI – Análise e Simulação de Processos

Los productos son procesados en las unidades de estampados (UE) y

Escritorios Estantes Mesas Disponibilidad

Los márgenes de utilidad estimados son de 6 UM para los escritorios, 3

a) Formule el modelo de programación lineal adecuado a esta

b) Formule el modelo de PL con la siguiente variable de decisión:

c) Formule el modelo de PL con la siguiente variable de decisión:

IND2072 – TEEI – Análise e Simulação de Processos

Esta semana la empresa debe destinar el 40% de su producción en los

Se sabe que las máquinas trenzadoras, en promedio, tardan 140 min

La manguera trenzada pasa a la línea de corte. El corte se ejecuta en

IND2072 – TEEI – Análise e Simulação de Processos

Los tubos defectuosos van para reproceso en la siguiente semana.

La empresa trabaja 5 días a la semana en una jornada de 8 horas

Formule el modelo de programación lineal que maximice la

IND2072 – TEEI – Análise e Simulação de Processos

Pasos para representar gráficamente un problema de PL

1) Construir um sistema de ejes cartesianos 𝑥1 y 𝑥2 .

2) Identificar los valores 𝑥1 y 𝑥2 que satisfacen todas las

3) Buscar el punto situado en esta región que maximice (minimice)

IND2072 – TEEI – Análise e Simulação de Processos

IND2072 – TEEI – Análise e Simulação de Processos

IND2072 – TEEI – Análise e Simulação de Processos

IND2072 – TEEI – Análise e Simulação de Processos

IND2072 – TEEI – Análise e Simulação de Processos

IND2072 – TEEI – Análise e Simulação de Processos

IND2072 – TEEI – Análise e Simulação de Processos

IND2072 – TEEI – Análise e Simulação de Processos

IND2072 – TEEI – Análise e Simulação de Processos

IND2072 – TEEI – Análise e Simulação de Processos

1. Múltiples soluciones óptimas

 El valor óptimo de la FO puede ser obtenido a través de infinitas

 Ocurre cuando existe paralelismo entre la FO y la restricción que

IND2072 – TEEI – Análise e Simulação de Processos

IND2072 – TEEI – Análise e Simulação de Processos

𝟐𝒙𝟏 + 𝟒𝒙𝟐 ≤ 𝟕𝟐𝟎

IND2072 – TEEI – Análise e Simulação de Processos

 Los valores de las variables pueden aumentar en forma

 El resultado es que no existe un valor máximo finito para la

IND2072 – TEEI – Análise e Simulação de Processos

IND2072 – TEEI – Análise e Simulação de Processos

IND2072 – TEEI – Análise e Simulação de Processos

 En este caso no hay región factible.

 Las restricciones no forman una única región.

IND2072 – TEEI – Análise e Simulação de Processos

Max 𝑧 = 3𝑥1 + 2𝑥2

IND2072 – TEEI – Análise e Simulação de Processos

Max 𝑧 = 3𝑥1 + 2𝑥2

IND2072 – TEEI – Análise e Simulação de Processos

 Esta condición indica que el modelo tiene al menos una

 Para el caso de dos variables, una solución es degenerada cuando

IND2072 – TEEI – Análise e Simulação de Processos

Max 𝑧 = 5𝑥1 + 3𝑥2

IND2072 – TEEI – Análise e Simulação de Processos

Max 𝑧 = 5𝑥1 + 3𝑥2

IND2072 – TEEI – Análise e Simulação de Processos

1. Cambios en los coeficientes de la función objetivo

 La variación de 𝑐1 y 𝑐2 producen cambios en la pendiente de Z

 Existe un intervalo de optimalidad, tanto para 𝑐1 y 𝑐2 tal que la

IND2072 – TEEI – Análise e Simulação de Processos

Min 𝑧 = 25𝑥1 + 22𝑥2