Investigacin Operativa

Prof. Juan Cabana Fernndez

Para qu sirve la Investigacin
Operativa?
Aplicar modelos matemticos en la resolucin
de algunos problemas de administracin.
La I.O. puede ser til para un Gerente General o
un Administrador en potencia en la toma de
decisiones
La finalidad del curso es que al finalizarlo el
alumno pueda formular modelos matemticos,
resolver esos modelos y saber como usarlos
para enfrentar algunos de los problemas reales
de la administracin.
La I.O en la Toma de Decisiones
La I.O. aspira a determinar el mejor curso de
accin en un problema de decisin con
restriccin de recursos.
Cientficos britnicos fueron los precursores de
las primeras actividades de I.O., esto fue para la
asignacin ptima del material de guerra en la II
Guerra Mundial.
La Investigacin Operativa es una ciencia y un
arte.
Toma de Decisiones
La I.O. es una ciencia porque ofrece tcnicas y
algoritmos matemticos para resolver
problemas de decisin adecuados.
La I.O. es un arte debido a que el xito al
obtener datos al principio y la implantacin
despus de la creacin del modelo depende de
la creatividad y habilidad personal de los
analistas encargados de tomar las decisiones.
Elementos de un Modelo de
Decisin
Un modelo de decisin es un medio para
resumir un problema real de tal modo que
permita la identificacin y evaluacin de
todas las opciones de decisin del
problema.

Representacin por medio de
modelos
El proceso de la toma de decisiones en
I.O. consiste en la construccin de un
modelo de decisin y despus en
encontrar su solucin con el fin de
determinar la decisin ptima.
El modelo se define como una funcin
objetivo y restricciones que se expresan
en trminos de las variables de decisin
del problema.
Representacin por medio de
modelos
Aunque en una situacin real pueden
haber muchas variables y restricciones,
solo una pequea parte de ellas dominan
el comportamiento del sistema real, por lo
tanto la construccin del modelo debe
centrarse en el uso de esas variables y
restricciones dominantes y en algn dato
extra que se considere importante.

Representacin por medio de
modelos
Cuando se crea un modelo se debe observar la
situacin real y a partir de ah crear un Sistema
Real Supuesto que es una abstraccin de la
situacin real que se obtiene al concentrarnos
en los factores dominantes.
Finalmente se crea el modelo que viene a ser la
abstraccin del Sistema Real Supuesto que
identifica las relaciones pertinentes del sistema
en la forma de una funcin objetivo y un
conjunto de restricciones

Representacin por medio de
modelos
Sistema real supuesto
Modelo
Sistema real
Tipos de Modelos de Investigacin
de Operaciones
Entonces en la aplicacin de la I.O a un
problema, primero se construye el modelo y
luego se le debe dar solucin, pero existen
diversos tipos de modelos y por lo tanto un
nmero correspondiente de formas de
solucionarlos.
Por eso existen: modelos de Programacin
Lineal, entera, dinmica y no lineal que
representan algoritmos para resolver clases
especiales de modelos de I.O.
Tipos de Modelos de Investigacin
de Operaciones
Modelo matemtico: Es cuando la funcin
objetivo y las restricciones del modelo se
pueden expresar de forma matemtica.
Modelos de simulacin: Divide a un sistema en
mdulos que despus se enlazan va relaciones
lgicas (Ej. Si- Entonces) y tambin se requiere
cierto conocimiento estadstico para el correcto
modelado.
La simulacin es mas flexible que un modelo
matemtico pero resulta muy costoso en tiempo
y recursos.
Modelos matemticos
Adems los modelos matemticos podemos
subdividirlos en: Continuos, Discretos, Lineales
y No lineales.
Los modelos continuos emplean distribuciones
de probabilidad.
Los modelos discretos se hacen en intervalos
de tiempo determinados.
Los modelos lineales trabajan con funciones
lineales.
Los modelos no lineales utilizan funciones no
lineales

Modelos matemticos
Los modelos matemticos tambin
pueden ser:
Estticos: Cuando sus atributos no
muestran variacin en el tiempo.
Dinmicos: Permiten observar el
comportamiento del sistema a travs del
tiempo.
Disponibilidad de datos en los
modelos
Modelo Determinstico: Es cuando se
conocen con certeza los datos para crear
los modelos, como podran ser por
ejemplo costos unitarios.
Modelo Probabilstico: Se determinan los
datos por distribuciones de probabilidad.
Este tipo de modelo se conocen tambin
como modelos estocsticos.
Clculos en Investigacin de
Operaciones
Se dan dos tipos de clculos:
Los que tienen que ver con la simulacin: Los
clculos son muy voluminosos y consumen
mucho tiempo incluso en computadora.
Los que tienen que ver con los modelos
matemticos: Aqu son de naturaleza interactiva,
la respuesta se da en pasos e iteraciones,
mientras mas iteraciones nos acercaremos (o se
converge) al nivel ptimo.

Clculos en Investigacin de
Operaciones
Cuando se trabaja con modelos matemticos existen
ciertas dificultades:
Las iteraciones en un modelo matemtico que corre por
computadora pueden ser infinitas sin llegar a la solucin
ptima, por lo tanto en estos casos es mejor usar la
simulacin.
Algunos modelos matemticos pueden resultar tan
complejos que es imposible idear un algoritmo para
solucionarlo, por lo que en estos casos se sugieren usar
los modelos heursticos.
Los mtodos heursticos son reglas o mtodos prcticos
que conllevan a obtener una buena solucin.
Clculos en Investigacin de
Operaciones
En I.O. los mtodos heursticos se
emplean para dos fines:
Aumentar la velocidad del proceso para
alcanzar el nivel ptimo.
Se utilizan simplemente para alcanzar una
solucin que no tiene la garanta de ser la
ptima.
Modelo Racional en la Toma de
decisiones
En una decisin nadie puede tomar
decisiones que afecten el pasado, las
decisiones tienen que operar para el
futuro.
En la mayora de los casos no se pueden
analizar todas las alternativas incluso con
tcnicas analticas y las computadoras
mas modernas.
Enfoques modernos en la toma de
decisiones
La toma de decisiones es tambin una ciencia
aplicada de la investigacin operativa, y tiene
importancia en los siguientes aspectos:
Anlisis de riesgo: cada decisin se basa en la
interaccin de variables importantes, por lo
tanto hay que tener en cuenta variables crticas
como: Costo de producto, inversin de capital,
precio que se puede fijar,

Enfoques modernos en la toma de
decisiones
rboles de decisin: Presentan
probabilidades existentes en los diversos
cursos que se podran seguir.
Teora de la referencia: Se basa en las
actitudes de las personas encargadas de
tomar decisiones con respecto a
resultados con cierta probabilidad de
xito
Tipos de decisiones bsicas
Decisiones rutinarias: Aquellas que se toman en
respuesta a problemas conocidos.
Decisiones de adaptacin: elecciones hechas para
problemas desacostumbrados en los que hay que
aplicar la mejora continua.
Decisiones de innovacin: Donde a los problemas
ambiguos se le enfrenta con creatividad.
Decisiones programadas: Cunado existen reglas que me
dicen que algo esta mal hecho por ejemplo y decido
rechazarlo.
Decisiones no programadas: Donde se requiere juicios
subjetivos.

Circunstancias en la toma de
decisiones
Certidumbre: Identificar acontecimientos
con un elevado grado de seguridad.
Riesgo: Cuando la informacin es escasa
y ambigua.
Incertidumbre: Cuando no se dispone de
la informacin necesaria.
Fases de un modelo racional de
toma de decisiones
Definicin y diagnstico del problema.
Establecimiento de objetivos.
Bsqueda de soluciones alternas.
Comparacin de las soluciones alternas.
Eleccin entre las soluciones alternas.
Instrumentacin de la solucin elegida.
Seguimiento y control.
Anlisis de los datos y la
informacin
Para tomar decisiones acertadas es mejor
basarse en la objetividad de los datos que solo
en la intuicin.
Por lo general los resultados que se obtienen
son datos fros que no son aceptados por el
personal de una empresa (Temor al cambio).
Se pueden seguir criterios analticos para
obtener resultados en base a informacin
perfecta.
Principios de la Toma de
decisiones
Decisiones basadas en la informacin y el conocimiento.
Aumentar la habilidad para demostrar la efectividad de
las decisiones que se toman.
Asegurarse que la informacin sea confiable.
Hacer que los datos sean accesibles para el que lo
necesite.
Usar mtodos vlidos para el anlisis de los datos.
Tomar decisiones basadas en el anlisis de hechos
equilibradas con la experiencia y intuicin.
Tcnicas de evaluacin para la
toma de decisiones en grupo
Tormenta de ideas
Tcnica de grupo nominal: restringe la discusin
, los miembros estn presentes pero operan
independientemente.
Tcnica de grupo delphi: Similar al grupo
nominal pero no requiere la presencia fsica de
los miembros.
Reunin electrnica: Escriben sus comentarios
en sus computadoras y estas se proyectan en
una pantalla para toda una sala.
Enfoque de sistemas de apoyo a la
toma de decisiones (SAD)
Estos sistemas no estn diseados para
reemplazar el criterio administrativo, sino
para apoyarlo y hacer mas efectivo el
proceso de toma de decisiones.
Estos sistemas ayudan a que los gerentes
puedan reaccionar rpidamente a los
cambios de necesidades.

Fases de un Estudio de
Investigacin de Operaciones
Un equipo de I.O. deber incluir a los
miembros de la organizacin directamente
responsables de las funciones donde
existe el problema, as como para la
ejecucin e implantacin de la solucin
recomendada.
Fases de un Estudio de
Investigacin de Operaciones
Las principales fases por las que pasa
un estudio de I.O. son:
1. Definicin del problema.
2. Construccin del modelo
3. Solucin del modelo
4. Validacin del modelo
5. Implantacin de los resultados finales

1. Definicin del problema
Abarca tres aspectos:
a) Establecer una meta u objetivo del
estudio
b) Identificacin de las alternativas de
decisin del sistema.
c) Reconocer restricciones, requisitos y
limitaciones en el sistema.
2. Construccin del modelo
Se deber elegir el modelo mas adecuado para
representar el sistema.
Este modelo deber tener expresiones
cuantitativas para el objetivo y restricciones del
problema en funcin de sus variables de
decisin. Aqu pues si planteo un modelo
matemtico podr resolverlo mediante tcnicas
matemticas. Si es muy complejo resolverlo as
usar simulacin y en otros casos una solucin
de tipo heurstica ser lo mejor
3. Solucin por el modelo
Cuando se usan modelos matemticos y se
alcanza su solucin esta es ptima.
Si se usan modelos de simulacin o heursticos
lo que se alcanza son soluciones aproximadas
generalmente no son las ptimas.
Adems de la solucin ptima se debe tener
informacin adicional sobre el comportamiento
de la solucin cuando se hacen cambios en los
parmetros del sistema, esto se conoce como
Anlisis de Sensibilidad.

4. Validacin del modelo
Un modelo es vlido cuando puede dar una
prediccin confiable del funcionamiento del
sistema.
Un mtodo para comprobar la validez de un
modelo es comparar su funcionamiento con
algunos datos pasados disponibles del sistema
actual, si reproduce funcionamientos pasados
quiere decir que es vlido, esto no se podr
hacer en sistemas que no existen.
5. Implantacin
Implica la traduccin de los resultados del
modelo en instrucciones de operacin
comprensibles para los individuos que
operarn el sistema despus.
En esta fase se pueden verificar las
modificaciones o ajustes sugeridos por el
personal de operacin para su factibilidad
prctica.
Programacin Lineal
Es una tcnica mediante la cual se toman
decisiones, reduciendo el problema a un
modelo matemtico que deber ser
resuelto por mtodos cuantitativos.
Qu tipo de problemas puede manejar?
Fundamentalmente trata de asignar
recursos limitados entre actividades
competitivas de manera ptima.

Programacin Lineal
Al seleccionar una alternativa de solucin
debe satisfacer varios criterios al mismo
tiempo, estos los podemos dividir en dos
categoras: restricciones y objetivo.
Las restricciones son las condiciones que
debe satisfacer una solucin.
El objetivo es el resultado que hay que
conseguir (Ej. Maximizar beneficios o
minimizar costos).
Programacin Lineal
Algunas situaciones reales donde podra aplicarse la PL
son:
Un hospital debe planear que las comidas para los
pacientes satisfagan restricciones sobre sabor,
propiedades nutritivas, variedad, etc..al mismo tiempo
que se trata de minimizar el costo.
Un corredor financiero trata de maximizar el rendimiento
sobre sus fondos pero sus posibles inversiones estn
restringidas por leyes y polticas bancarias.
Determinacin de rutas de vuelo.
Mezclas de combustible.
Supuestos de la Programacin
Lineal
La PL es una tcnica determinstica pues no
incluye probabilidades.
Se deben considerar la existencia de algunos
supuestos par considerar usar la PL:
Suposicin de recursos limitados: Si no hay esto
no habra problema que resolver con PL.
Suposicin de un objetivo explcito: Debe existir
un objetivo claro como maximizar utilidades o
minimizar costos.
Supuestos de la Programacin
Lineal
Suposicin de proporcin: Ya que el objetivo es
lineal , significa que todas las funciones del
modelo son lineales por tanto hay lgica en los
resultados y operaciones (Ej. Si lleva 3 horas
fabricar una pieza entonces dos piezas
requieren seis horas)
Suposicin de homogeneidad: Ej: Son igual de
productivas todas las horas disponibles de un
trabajador.
Supuestos de la Programacin
Lineal
Supuesto de adicin: El valor de una variable es
independiente del valor de cualquier otra
variable. Ej: La ganancia por la venta de cada
equipo de sonido es de S/.100 sin importar
cuantas se importaron o vinieron con fallas de
fabrica.
Suposicin de ser divisible: La programacin
lineal supone que es posible fraccionar los
productos y los recursos. Ej. Una posible
solucin puede decirme que requiero publicar
2.32 avisos por da en un peridico.
Supuestos de la Programacin
Lineal
Cuando no es posible aceptar soluciones
divisibles (Ej: Manejar solo la mitad de un
automvil o comprar un neumtico y
medio) entonces se usa la programacin
entera.
Entonces cuando usamos la
programacin lineal?
Cuando hay que maximizar utilidades o
minimizar costos.
Otros modos de programacin
Programacin de metas: Se usa cuando
se tratan varios objetivos.
Programacin dinmica: Cuando la
solucin de un problema se da por etapas.
Programacin No Lineal: Cuando no solo
usamos funciones lineales, sino tambin
cuadrticas por ejemplo.
Esquema de un Modelo de
Programacin Lineal
Supongamos que existe cualquier nmero (m)
de recursos limitados de cualquier tipo y que se
pueden asignar entre cualquier nmero (n) de
actividades de cualquier clase. As tenemos:
X
j
=La variable de decisin.
Z= el resultado global que se obtiene de aplicar
la mejor seleccin.
C
j
: El incremento que resulta en Z por cada
incremento unitario en X
j
.
Esquema de un Modelo de
Programacin Lineal
b
j
: la cantidad disponible de un recurso.
a
ij
: Representa la cantidad de un
determinado recurso que consume cada
unidad de una determinada actividad.
Entonces un modelo podr tener la
siguiente forma:
Esquema de un Modelo de
Programacin Lineal
Funcin objetivo:
Max (o Min) Z=C
1
X
1
+C
2
X
2
++C
n
X
n
Restricciones:
a
11
X
1
+a
12
X
2
+.+a
1n
X
n
b
1
a
21
X
1
+a
22
X
2
+.+a
2n
X
n
b2

..
a
m1
X
1
+a
m2
X
2
+.+a
mn
X
n
b
m
X
1
0, X
2
0,.. X
n
0
Donde los c, a, b son constantes.
Observaciones
Dependiendo del problema las restricciones tambin
pueden ser de igualdad.
La funcin que se desea maximizar o minimizar se llama
funcin objetivo.
Aquellas restricciones que representan el consumo total
de un recurso se llaman Funcionales.
Las restricciones X
j
se llaman restricciones de no
negatividad.
Las variables X
j
son variables de decisin.
Las constantes c
j
, a
ij
, b
i
reciben el nombre de
parmetros del modelo.

Ejemplo: Problema de mximos
La compaa Blog elabora alimentos para
X e Y. Se utilizan dos materiales bsicos
A y B para producir estos alimentos. La
disponibilidad diaria mxima de A es 80
Kg y la de B es de 25 Kg.
Ejemplo: Problema de mximos
Los requerimientos de cada material para los dos tipos
de alimentos estn resumidos en el sgte. Cuadro:
Kilos de materia prima por bolsa
Cada bolsa X
contiene
Cada bolsa Y
contiene
Disponibilidad max de la mat.
Prima (x dia)
De
Materia
prima A
8 kg 10 kg 80 Kg.
De
Materia
prima B
2kg 5 kg 25 Kg.
Adems el precio de venta de cada bolsa es S/.30 para la comida
X y de S/.40 para Y. La preguntas es.Cuanto alimento X e Y
deber producir la compaa todos los das para maximizar el
ingreso bruto?
Construccin del modelo
matemtico
El orden en que se deber crear todo es:
Identificar las variables.
Expresar la funcin objetivo
Expresar las restricciones como funciones matemticas de las
variables.
Variables:
Como se desea saber cuanta cantidad de comida se
debe producir, entonces decimos que las variables a
usar son:
X: Nmero de bolsas de comida X producidas
diariamente.
Y: Nmero de bolsas de comida Y producidas
diariamente.
Construccin del modelo
matemtico
Funcin objetivo: Como cada bolsa de
comida X se vende en S/.30, entonces el
ingreso bruto obtenido de la venta de X
sacos de este producto es 30X soles . De
manera anloga sucede con la comida Y
cuyo ingreso bruto producto de su venta
se representar por 40Y. Finalmente el
ingreso bruto total ser la suma de los dos
ingresos.
Construccin del modelo
matemtico
Si Z representa el ingreso bruto total (en
soles). La funcin objetivo quedar asi:
Z=30X+40Y
La meta consiste en determinar los
valores X y Y que maximizarn este
criterio
Restricciones: la restriccin del uso de
materias primas se puede expresar como:

Construccin del modelo
matemtico
Uso de materias
primas en ambos
tipos de alimentos

Disponibilidad
mxima de
materias primas
Esto nos lleva a las restricciones que siguen:
8X+10Y 80 (materia prima A)
2X+5Y 25 (materia prima B)
Una restriccin implcita es que la cantidad que se produce por
cada tipo de alimento no puede ser negativa, para esto
imponemos la restriccin de no negatividad:
X 0 (alimento X)
Y 0 (alimento Y)
Construccin del modelo
matemtico
El modelo matemtico completo se podr
resumir as:
Determnese la cantidad de bolsas de alimentos
X e Y que se producirn.
Max Z=30X+40Y
s.a
8x+10y 80
2x+5y 25
X 0, y 0
Modelos de Programacin lineal
Problema 1: Una fbrica de pintura para
interiores y exteriores para ventas al por
mayor. Se utilizan 2 materiales bsicos A
y B para producir las pinturas. La
disponibilidad mxima de A es 6 toneladas
diarias y la de B es 8 toneladas x da. La
necesidad diaria de materia Prima x
tonelada de pintura se resume en el
siguiente cuadro:
Modelos de Programacin lineal
Exterior Interior Disp. Max
toneladas
Mat prima
A
1 2 6
Mat prima
B

2 1 8
Modelos de Programacin lineal
Un estudio de mercado ha establecido que la
demanda diaria de pintura para interiores no
puede ser mayor que la de pintura para
exteriores en mas de una tonelada. El estudio
seala tambin que la demanda mxima de
pintura para interiores esta limitada a 2
toneladas diarias. El precio x tonelada es $3000
para exteriores y $2000 para interiores.Cuanta
pintura para exteriores e interiores debe
producir la Cia. todos los das para maximizar el
ingreso bruto?
Modelos de Programacin lineal
Problema 2: Una empresa produce artculos de vidrio,
como ventanas y puertas de vidrio. Tiene 3 plantas. Los
marcos y molduras de aluminio se hacen en la planta 1,
los de madera en la planta 2, la planta 3 produce el
vidrio y ensambla los productos.
La gerencia ha decidido reorganizar la lnea de
produccin de la empresa. Se descontinuarn algunos
productos de poca salida y se emprender la fabricacin
de 2 productos nuevos:
Producto 1: Una puerta de vidrio de 8 pies con marco de
aluminio.
Producto 2: una ventana corrediza con marco de
madera de 4 pies x seis.
Las horas que necesita cada producto en las plantas y la
disponibilidad total de horas que se dispone en cada
planta figura en el siguiente cuadro:
Modelos de Programacin lineal
(Horas disponibles por planta)
Prod 1 Prod 2 Disponib.
Horas x
planta
Planta 1 1 0 4
Planta 2 0 2 12
Planta 3 3 2 18
Ganancia x
lote
3000 5000
Un lote es igual a 20 unidades
Modelos de Programacin lineal
Como ambos productos competirn x la
misma capacidad de produccin de la
planta 3, no esta claro que mezcla de
productos sera la mas rentable. Adems
casi todo el tiempo las plantas estn
comprometidas con los productos
actuales.
Problema 3
Se piensa aplicar un proceso de radiacin intensa a una
paciente que tiene cncer en una etapa muy avanzada,
este paciente tiene un tumor en la vejiga.
Se piensa aplicar 2 rayos que afectarn no solamente a
la parte enferma sino tambin a tejidos sanos, por lo que
hay que aplicar los rayos procurando que cause el
menor dao posible a tejidos sanos.
El problema radica en determinar la cantidad mnima de
rayos a aplicar en el paciente.
Luego de que el equipo mdico se reuni estableci los
detalles necesarios para el tratamiento de este paciente,
que figuran en el sgte. Cuadro:
Area Rayo 1 Rayo 2 Restriccin
sobre la dosis
promedio
Anatoma
sana
0.4 0.5 Minimizar
Tejido
crtico
0.3 0.1 <=2.7
Regin del
tumor
0.5 0.5 =6
Centro del
tumor
0.6 0.4 >=6
Fraccin de la dosis de entrada absorbida x
rea (promedio de kilorads)
Problema 4
La Cooperativa Agrcola de Mendoza- Argentina
esta formada por 3 grandes comunidades
agrcolas y se planea la produccin agrcola del
prximo ao.
Los tipos de cultivos adecuados para esta
regin son: maz, trigo y alcachofas. El
Ministerio de Agricultura ha determinado, en
base al alcance para irrigar estas tierras, una
cantidad mxima de hectreas que se pueden
dedicar a estos cultivos y tambin un tope en la
cantidad de agua que se asigna para irrigarlo.
Estas cantidades figuran en el sgte. cuadro:
comunidad Terreno
disponible (en
has)
Asignacin de
agua (por has)
1 400 600
2 600 800
3 300 375
Datos de Recursos
Como no hay suficiente agua para irrigar todo ,
se ha acordado que cada comunidad sembrar
la misma proporcin de sus tierras.
Adems el Ministerio de Agricultura ha
determinado una cantidad mxima de hectreas
que se pueden asignar para el cultivo de los 3
productos, el consumo de agua por ha y el
rendimiento por ha figuran en el sgte. Cuadro:
Cultivo Cant. Max
(has)
Consumo
de agua
(por ha)
Rendimient
o neto ($
por ha)
Maz 600 3 1000
Trigo 500 2 750
Alcachofas 325 1 250
Datos sobre los cultivos
El dilema que tiene que resolver la
direccin de la cooperativa consiste en
determinar cuantas has debe asignarse a
cada tipo de cultivo en cada comunidad .
El objetivo es maximizar el rendimiento
total de la cooperativa.
Problema 5
Fly Emirates va a agregar vuelos desde y hacia
el aeropuerto Heathrow en Londrs, por lo que
requiere contratar mas personal de servicio al
cliente, pero no sabe cuantos. Se busca
programar a dicho personal para proporcionar
un servicio satisfactorio con el menor costo en
personal. En el siguiente cuadro se muestra el
nmero mnimo de personal de servicio que se
requiere en diferentes momentos del da.
Periodo Turno 1 Turno 2

Turno
3
Turno 4

Turno 5

Personal
necesario
6 - 8 am
* 48
8-10am
* * 79
10-12am
* * 65
12-2pm
* * * 87
2-4pm
* * 64
4-6pm
* * 73
6-8pm
* * 82
8-10pm
* 43
10-12pm
* * 52
12-6am
* 15
Costo
diario x
trabajador
170
160 175 180 195
El acuerdo entre la compaa y el sindicato
establece que cada trabajador tenga turnos de 8
horas y los turnos autorizados figuran tambin
en el cuadro anterior.
Los salarios varan dependiendo de los turnos
de trabajo de tal manera que en los turnos mas
pesados se les paga un poco mas.
El problema consiste en determinar cuanto
personal debe asignarse a los turnos
respectivos cada da para minimizar el costo
total de personal, adems de cumplir los
requerimientos de servicio.
Problema 6
ST Davydenko & CO es una de las mayores
productoras de hierro colado del mundo situado
en la localidad de Kajovka en la actual Ucrania.
El problema que ha surgido es que la empresa
esta provocando una gran contaminacin
debido a sus altos hornos.
Se ha determinado los tres tipos principales de
contaminantes: Partculas de materia, xidos de
azufre e hidrocarburos, la nueva poltica
ambiental requiere que la Cia reduzca su
emisin anual de contaminantes de acuerdo al
sgte. Cuadro:
Contaminante Reduccin requerida de
la tasa de emisin anual
(millones de libras)
Partculas 60
xidos de azufre 150
Hidrocarburos 125
La fabricacin de hierro colado tiene dos fuentes
principales de contaminacin: Los altos hornos y
los hornos a corazn abierto. Los ingenieros
han determinado 3 mtodos para reducir la
contaminacin provocada por estos: 1)
Aumentar la altura de las chimeneas. 2) Usar
filtros.3) usar limpiadores en los combustibles
de los hornos. En el siguiente cuadro se
muestra la reduccin de la contaminacin al
aplicar estos mtodos (en millones de libras x
ao):
Contamina
nte
Chimeneas mas
altas
Filtros Mejores
combustibles
Altos
hornos
Hornos
de
corazn
abierto
Altos
hornos

Hornos
de
corazn
abierto

Altos
hornos

Hornos
de
corazn
abierto

Partculas 12 9 25 20 17 13
xidos de
azufre
35 42 18 31 56 49
Hidrocarbu
ros
37 53 28 24 29 20
Despus de obtener estos datos quedo claro que ningn
mtodo por si solo poda lograr las reducciones
requeridas , y tampoco se podra aplicar la combinacin
de los tres mtodos a toda su capacidad porque
resultara demasiado cara.
En el cuadro de la diapositiva siguiente se muestran los
costos anuales totales (millones de $) en que se
incurren al aplicar los mtodos a toda su capacidad.
El objetivo de la compaa es que se pueda encontrar
un plan que satisfaga los requisitos con el menor costo
posible.
Mtodo para
reducir
contaminacin
Altos hornos Hornos de
corazn abierto
Chimeneas
mas altas
8 10
Filtros 7 6
Mejores
combustibles
11 9
Problema 7
Citibank se encuentra en el proceso de
formular su poltica de prstamos para el
prximo trimestre. Para este fin se asigna
un total de $12 millones. El siguiente
cuadro muestra los tipos de prstamos
que hace el banco, las tasas de inters
que cobra el banco y la posibilidad de que
el cliente no cubra sus pagos:
Tipo de
prstamos
Tasa de inters Probabilidad de
incobrables
Personal 0.140 0.10
Automvil 0.130 0.07
Casa habitacin 0.120 0.03
Agrcola 0.125 0.05
Comercial 0.100 0.02
Se supone que los pagos que no se cubren son
irrecuperables, y por lo tanto no se produce ingreso por
concepto de intereses.
La competencia con otros bancos requiere que el banco
asigne al menos 40% de los fondos totales a prstamos
agrcolas y comerciales . Los prstamos para casa-
habitacin deben ser iguales por lo menos al 50% de los
prstamos personales, automvil y casa-habitacin. El
banco adems tiene una poltica por la cual la relacin
de pagos irrecuperables no puede ser superior a 0.04
El objetivo de Citibank es maximizar su rendimiento neto
compuesto de la diferencia entre el ingreso por concepto
de intereses y los fondos perdidos por adeudos no
cubiertos.
Problema 8
El municipio de Tarapoto posee 800 has de tierra de
primera clase, pero no urbanizada, en un lago en las
afueras de la ciudad de Tarapoto. En el lugar ya existen
residencias vacacionales . Debido a la falta de servicio
de drenaje se utilizan muchos tanques spticos, la
mayora instalados de forma inadecuada. Con el paso
de los aos, la infiltracin de los tanques spticos ha
provocado contaminacin en el agua.
Para controlar todo esto la municipalidad ha aprobado
algunos reglamentos para las futuras urbanizaciones:
1) Solo se pueden construir residencias para una, dos y
tres familias , donde las unifamiliares constituyen
cuando menos el 50% del total.
2) Para limitar el nmero de tanques spticos,
se requieren tamaos de lote mnimos de 2, 3 y
4 has para residencias de una, dos y tres
familias.
3) Se deben establecer reas de recreo de 1 ha
cada una a razn de un rea por cada 200
familias.
4) Para preservar la ecologa del lago, no se
puede extraer agua del subsuelo para uso en la
casa.
El alcalde estudia la posibilidad de
urbanizar las 800 has que se poseen en el
lago. La nueva urbanizacin incluir
residencias para una, dos y tres familias.
l estima que se utilizar 15% del terreno
en la habilitacin de calles y vas de
acceso para servicios.
Los ingresos que calcula tendr por la
venta de las residencias ser:
Unidades
habitacionales
Sencilla Doble Triple
Ingreso neto por
unidad($)
10000 15000 20000
El costo de conexin del servicio de agua al rea
es proporcional al nmero de unidades que se
construyan. Sin embargo se estima que se deber
recolectar un mnimo de $100,000 para que el
proyecto sea factible. La expansin del sistema
acufero esta limitada a 200,000 galones por da
durante periodos de consumo masivo. Los costos
de conexin del servicio de agua y el consumo de
agua por tipo de unidad habitacional figuran en el
siguiente cuadro:

Unidad
habitacional
Sencilla Doble Triple Recreo
Costo del
servicio de
agua por
unidad($)
1000 1200 1400 800
Consumo de
agua por
unidad
(galones x
da)
400 600 840 450
La compaa debe decidir el nmero de unidades que se
construirn de cada tipo de habitacin, junto con el nmero
de reas de recreo que satisfagan los decretos del
municipio.
Solucin de Problemas de
Programacin Lineal: Mtodo Grfico
En un modelo de Programacin Lineal ya
planteado realizar los siguientes pasos:
Paso 1: Convertir las desigualdades en
ecuaciones.
Paso 2: Graficar dichas rectas en un plano
cartesiano.
Paso 3: Determinar el sentido y el rea
que determina cada recta.
Mtodo Grfico
Paso 4: Determinar la regin factible
intersectando las reas definidas por las rectas.
Paso 5: Identificar los vrtices de esta regin
factible. Las posiciones de estos vrtices vienen
a ser soluciones factibles.
Paso 6: Evaluar cada vrtice en la funcin
objetivo.
Paso 5: Luego de evaluar, la solucin ptima
ser aquella que me brinde el mejor resultado
en Z dependiendo si el problema es de
maximizacin o minimizacin.
Solucin de Problemas de Programacin
Lineal: Mtodo Smplex
El mtodo smplex es un algoritmo creado en
1947 por George Bernard Dantzig (USA) y
Leonid Vitalievich Kantorovich (Rusia).
Un algoritmo es un proceso en el que se repite
(se itera) un procedimiento sistemtico una y
otra vez hasta obtener el resultado deseado.
Adems de las iteraciones, los algoritmos
incluyen un procedimiento para iniciar y un
criterio para determinar cuando detenerse.

Mtodo Smplex
El mtodo simplex es un procedimiento iterativo
que permite ir mejorando la solucin a cada
paso. El proceso concluye cuando no es posible
seguir mejorando mas dicha solucin.
El uso de este mtodo, en su forma manual, se
recomienda solo si la cantidad de variables es
dos, a lo mucho tres, si la cantidad de variables
es mayor entonces debe usar un software.
Los pasos para resolver un problema de P.L.
por el mtodo smplex son:

Mtodo Smplex
Paso 1: Pasar las desigualdades a igualdades
pero sumndole una variable de holgura si es
<= o restndole si es >=. Enseguida colocar los
coeficientes de la F.O. y de estas restricciones
en el cuadro que se explicar luego.
Paso 2: Identificar que valor de la primera fila
que tiene el coeficiente mas negativo . La
columna que corresponde a ese valor es la
columna pivote.
Mtodo Smplex
Paso 3: Dividir las constantes del lado derecho
entre cada valor, solo positivo, que compone la
columna pivote. La fila que corresponde al
menor resultado de estas divisiones es la fila
pivote. La interseccin entre la columna pivote y
la fila pivote es el elemento pivote.
Nota: Si un valor de la columna pivote es cero,
ya no se considera en las divisiones.
Paso 4: Determinar la fila pivote nueva
dividiendo toda la fila pivote entre el elemento
pivote. La nueva etiqueta de esta fila pivote
nueva ser la etiqueta de la columna pivote.
Mtodo Smplex
Paso 5: Resolver usando el mtodo de
Gauss- Jordan aplicndolo a las dems
filas. Usaremos el siguiente orden:
Fila nueva=fila antigua-(Coeficiente
Columna pivote*fila pivote nueva).
Finalmente, repetir estos pasos mientras
existan valores negativos en la primera
fila. Cuando ya no existan se supone que
se hall la solucin ptima.
Mtodo Smplex
Observaciones:
Si existiesen dos o ms coeficientes iguales en
la fila Z se elige uno cualquiera de ellos.
Si en la fila Z no existiese ningn coeficiente
negativo, significa que se ha alcanzado la
solucin ptima. Por lo tanto, lo que va a
determinar el final del proceso de aplicacin del
mtodo smplex, es que en la fila Z no haya
elementos negativos.
Mtodo Smplex
Observaciones:
Si hubiese algn elemento menor o igual a cero,
no se hace dicho cociente. En el caso de que
todos los elementos fuesen menores o iguales a
cero, entonces tendramos una solucin no
acotada y no se puede seguir.
Si al calcular los cocientes, dos o mas son
iguales, indica que cualquiera de ellas puede
indicarnos cual es la fila pivote.
Mtodo Smplex
Observaciones:
Si en el problema de maximizar apareciesen
como restricciones inecuaciones de la forma:
ax+by>=c, multiplicndolas por -1 se
transforman en inecuaciones de la forma ax-
by<=-c y estamos en el caso anterior.
Si en lugar de maximizar se trata de un
problema de minimizar se sigue el mismo
proceso, pero cambiando el sentido del criterio,
es decir se elige el valor mas positivo de la fila Z
y se finalizan las iteraciones cuando los
coeficientes de la fila Z todos son negativos.