PROGRAMACIÓN LINEAL – ROBERTO OSÍO.
Historia de la Investigación de operaciones y la programación lineal.
Primer Corte:
Planteamiento de problemas de programación lineal
Método gráfico (Pref. Dos variables).
Segundo Corte:
Método Simplex.
Solver (Programa).
Tercer Corte
Asignación.
Modelos de transportes.
Libros guías:
Introducción a la investigación de operaciones. Lieberman (Operaciones)
Métodos cuantitativos para negocios. Anderson (Contenido)
Manual de investigaciones de operaciones. Ángel León.
03/08/2021
INVESTIGACIÓN DE OPERACIONES.
Aplicación matemática que utiliza modelos y algoritmos matemáticos que nos ayudan a optimizar
la toma de decisiones en una empresa.
Enfoque científico para toma de decisiones: Modelar situaciones complejas, ciencia de desarrollar
técnicas de solución para resolver modelos y capacidad de comunicar efectivamente los resultados.
Modelación de problemas de organizaciones.
OBJETIVO:
Estudiar la asignación optima de recursos escasos a determinar actividades.
Evaluar el rendimiento de un sistema con objeto de mejorarlo.
HISTORIA:
Año 1780, anteceden los modelos lineales, fenómenos de espera y fenómenos económicos.
Segunda guerra mundial para resolver problemas de organización militar: Despliegue de radiares,
manejo de operaciones de bombas.
Al término de la guerra, se sigue desarrollando para la competitividad industrial y progreso
teórico.
Al desarrollarse los computadores, se utilizó para aumentar la capacidad de almacenamiento de
datos y la velocidad de resolución de problemas.
Actualmente, se modela en la Inteligencia Artificial.
USOS:
Utilizando la IO las decisiones serán más eficientes en cuanto a costos, tiempos, recursos,
beneficios, etc. Estos procesos ayudan a tomar las decisiones basándonos en los modelos que la IO
nos ofrece.
Optimiza recursos financieros, recursos humanos, planes de marketing, procesos de producción,
distribución de productos y asignación de recursos.
TIPOS DE MODELO:
Determinísticos:
Programación matemática (lineal, entera, dinámica, no lineal o multiobjetivo), modelos de
transporte y modelos de redes.
Probabilísticos:
Programación estocástica, gestión de inventarios, fenómenos de espera, teorías de juegos y
simulación.
03/08/2021
PROGRAMACIÓN LÍNEAL.
Corresponde a un algoritmo a través del cual se pueden resolver situaciones reales en las que se
pretende identificar y resolver dificultades para aumentar la productividad respecto a los recursos,
aumentando así los beneficios. El objetivo de esta es optimizar, es decir, maximizar o minimizar
funciones lineales en varias variables reales con restricciones (sistemas de ecuaciones lineales),
optimizando una función objetivo lineal.
PLANTEAMIENTO DE PROBLEMAS LINEALES.
Modelo matemático se divide en Función Objetivo (Max o min), las restricciones tecnológicas y las
condiciones de la no negatividad (Mayor o igual a 0).
Pasos para el planteamiento de problemas líneales:
1. Identificar el objetivo (Max o Min)
2. Variables de decisión: Incógnitas que vamos a determinar.
3. Asignar una variable a cada incógnita.
4. Escribir la función objetivo en términos de variables de decisión.
5. Identificar las restricciones del problema: Materia prima restringida o tiempo restringido.
1. Maximizar producción
2. Variable: Cantidad de productos 1 y 2 a producir y vender.
3. X1 = Producto 1 X2= Producto 2
4. Max Z = 1 X1 + 3/2 X2
5. Sujeto a:
2 X1 + 2 X2 <= 16
1 X1 + 2 X2 <= 12
4 X1 + 2 X2 <=28
X1, X2 => 0 -> Ley de la NO negatividad.
Ejemplos:
1. Maximizar producción
2. Variable: Cantidad de joyas 1 y 2 a producir
3. X1 =Joya tipo 1 X2= Joya tipo 2
4. Max Z = (10-5) X1 + (6-4) X2 = 5X1 + 2X2
5. Sujeto a:
2X1 + X2 <= 30
4X1 + X2 <= 40
X2 => 1º
Xi => 0 (1,2)
1. Maximizar utilidades de carga
2. Variable: Tipos de carga A, B y C y Bodegas Proa, Popa y Centro.
3. Xij= Cantidad de toneladas de carga i (1=A 2=B 3=C) a transportar en las bodegas j (1=
Proa 2=Popa 3=Centro)
4. Max Z = 6(X11 + X12 + X13) + 8(X21 + X22 + X23) + 5(X31 + X32 + X33)
5. Sujeto a:
X11 + X21 + X31 <= 2.000
X12 + X22 + X32 <= 1.500
X13 + X23 + X33 <= 3.000
60X11 + 50X21 + 25X31 <= 100.000
60X12 + 50X22 + 25X32 <= 300.000
60X13 + 50X23 + 25X33 <= 130.000
X11 + X12 + X13 <= 6.000
X21 + X22 + X23 <= 4.000
X31 + X32 + X33 <= 2.000
Xij => 0 i(1,2,3) j(1,2,3)
1. Minimizar el costo
2. Variable: Cantidad de carne molida, de res y de cerdo.
3. Xi=Cantidad de carne molida tipo i (1=Res 2=Cerdo) a utilizar en una libra de
albondigón.
4. Min Z = 80X1 + 60X2
5. Sujeto a:
0.2X1 + 0.32X2 <= 0.25
X1 + X2 = 1
Xi => 0 (1,2)
1. Minimizar costos
2. Variable: Cantidad de víveres a comprar
3. Xi = Cantidad de víveres i (1=cerdo 2=pastas 3=ensaladas 4=frijoles 5=frutas) a
comprar y comer.
4. Min Z = 6.000X1 + 600X2 + 1200X3 + 1500X4 + 5000X5
5. Sujeto a:
80X1 + 45X2 + 8X3 + 90X4 + 4X5 => 40
0,4X1 + 0,7X2 + 3X3 + 2X4 + 0,6X5 => 90
85X1 + 6X2 + 2X3 + 20X4 + 4X5 => 110
1.200X1 + 1.900X2 + 300X3 + 2.000X4 + 300X5 => 1.400
80X1 + 45X2 + 8X3 + 90X4 + 4X5 <= 60
0,4X1 + 0,7X2 + 3X3 + 2X4 + 0,6X5 <= 1300
85X1 + 6X2 + 2X3 + 20X4 + 4X5 <= 220
1.200X1 + 1.900X2 + 300X3 + 2.000X4 + 300X5 <= 2.300
Xi => 0 (1,2,3,4,5)
