You are on page 1of 46

Investigacin de Operaciones II

(SIS-386; IND-226)
Ing. Viktoria Belianskaya
1. PROGRAMACIN LINEAL ENTERA
2. TCNICAS PERT/CPM DE REVISIN
Y EVALUACIN DE PROYECTOS
3. MODELOS DE COLAS
4. MODELOS DE INVENTARIOS
5. ANLISIS DE DECISIN

Bibliografa

Wayne L.Winston. Investigacin de Operaciones. Aplicaciones y


Algoritmos. Thomson. Cuarta edicin, 2005.
Hamdy A. Taha. Investigacin de operaciones. Una introduccin.
Prentice Hall, 1995, Quinta Edicin.
Hamdy A. Taha. Investigacin de operaciones. Una introduccin.
Prentice Hall, 1997, Sexta Edicin.
Hiller Frederick S., Lieberman Gerald J. Investigacin de operaciones.
McGRAW-HILL, Sptima Edicin, 2002, Mxico.
Mathur K., Solow D. Investigacin de Operaciones. El Arte de la Toma
de Decisiones, Prentice Hall, Mxico,1996.
Eppen G.D., Gould F.J., Schmidt C.P., Moore Jeffrey H., Weatherford
Larry R. Investigacin de operaciones en la ciencia administrativa, 5-a
Edicin, Pearson Prentice hall, Mxico, 2000.
Render Barry, Heizer Jay, Principios de Administracin de Operaciones,
Prentice Hall, 1995.
Prawda Juan. Mtodos y modelos de Investigacin de Operaciones. Vol
I. Modelos determinsticos, Limusa, Mxico, 1999.
Prawda Juan. Mtodos y modelos de Investigacin de Operaciones. Vol
II. Modelos estocsticos, Limusa, Mxico, 1999

Bibliografa (complementaria)

Moskowitz H., Wright Gordon P. Investigacin de operaciones. Prentice


Hall, 1982, Primera Edicin.
Namakforoosh. Investigacin de operaciones. Interpretacin de modelos
y casos. Limusa, 1994, Tercera Edicin.
Raffo Lecca E. Investigacin de Operaciones. Vol1. Solucionario de
H.Taha. Raffo-Lecca Editores, Per, 1997.
Raffo Lecca E. Investigacin de Operaciones. Vol2. Raffo-Lecca
Editores, Per, 1997.
Raffo Lecca E. Toma de decisiones por medio de Investigacin de
Operaciones (Problemas), Raffo-Lecca Editores, Per.
Gould F.J., Eppen G.D., Schmidt C.P. Investigacin de operaciones en la
ciencia administrativa. Prentice Hall, 1992, Tercera Edicin.

Evaluacin
Trabajos Prcticos
Pruebas Parciales (2)
Examen Final

TOTAL

- 35%
- 35%
- 30%
- 100%

Investigacin de Operaciones II
(SIS-386; IND-226)
Ing. Viktoria Belianskaya

Programacin Lineal
Entera (PLE).

Programacin Lineal Entera (PLE).


Objetivo: Aprender a Utilizar patrones de construccin de modelos de PLE
con el uso de las variables binarias para formalizacin de las
condiciones de los problemas especficos; Solucionar problemas de
PLE con el uso de los mtodos de ramificacin y acotamiento y de
plano cortante y Utilizar el Software especfico para solucionar los
problemas de PLE con la Interpretacin de la solucin obtenida.
Contenido:
Forma del modelo PLE.
Uso de las variables binarias para planteamiento de modelos.
Ejemplos de formalizacin de diferentes contextos con el uso de las
variables binarias.
Algoritmo de ramificacin y acotamiento.
Algoritmo de Plano cortante.
Solucin con el Software especfico de los problemas PLE.

Modelos PLE
En muchos problemas reales las variables de decisin solo
tienen un sentido si su valor es entero.
No se
puede
vender
de tractor
producido

No se asigna
de
persona para
realizar un
trabajo

No se utiliza de
un transporte
para transportar

Suposiciones de PL

Modelo de PL debe cumplir con las


condiciones de :
Proporcionalidad
Aditividad
Certidumbre
Divisibilidad

Modelo general de PLE


n

1. Funcin Objetivo:

Z = c j X j Max( Min)
j =1

2. Restricciones:

3. Variables:



a
X
i = 1..m

ij
j = bi ,
j =1


n

+ X , X ,..., X
1

enteros

X 1 , X 2 ,..., X n 0

Modelo PLE = Modelo PL +

Condiciones
de enteridad
para las
variables

decisiones s o no :
1,
xj =
0,

X j variables binarias

si la decisin j es s

o variables 0 - 1

si la decisin j es no.

Equivalente a:

entero

Propiedades de los valores binarios:


A*0=0 (A se elimina)
A*1=A (A se revela)
0+1+0+0+1+1+0=3 (contar los unos)
1, si la decisin j es s

Considerando:

xj =
0, si la decisin j es no.
l

Para contar los 1:


Para contar los 0:

X
j=
1

=K

(1 X

j=
1

) =K

Construccin de los modelos de PLE con el


uso de las variables binarias.

Es muy importante al introducir las variables binarias


concretizar la atribucin de los valores:

1,
xj =
0,
O mas bien

si la decisin j es s
si la decisin j es no.

0, si la decisin j es s
xj =
1, si la decisin j es no.

Esto influye a la forma de introduccin de las variables


binarias en las expresiones del modelo y facilita la
interpretacin de la solucin ptima obtenida.

Ejemplo 1
Una compaa est considerando su plan de expansin mediante la
construccin de una nueva fbrica en la Ciudad 1 o en la Ciudad 2, o
tal vez en ambas ciudades. Tambin est pensando en construir, a
lo ms, un nuevo almacn pero su localizacin est restringida a la
ciudad donde se construye la fbrica. Capital total disponible para la
expansin es de $10 mln. Dados los siguientes estimaciones para
proyectos en cuestin, encontrar la combinacin de los mismos que
maximice el valor presente neto total

X1
X2
X3
X4

Proyecto en consideracin

Valor presente Neto

Capital
Requerido

Construir la fbrica en Ciudad1


Construir la fbrica en Ciudad2
Construir el almacn en la Ciudad1
Construir el almacn en la Ciudad2

$9 millones
$5 millones
$6 millones
$4 millones

$6 millones
$3 millones
$5 millones
$2 millones

Planteamiento del modelo 1:


Variables:
1, si el proyecto j se considera
Xj =
0, si el proyecto j no se considera
j = 1..4
Funcin objetivo:

Maximizar el valor presente neto total:

Z = 9 X 1 + 5 X 2 + 6 X 3 + 4 X 4 max
Restricciones:
1) Capital disponible (no se puede exceder los $10 mln):

6 X 1 + 3 X 2 + 5 X 3 + 2 X 4 10
2) Se construye a lo ms un almacn (no ms que uno)

X3+ X 4 1

Alternativas mutuamente excluyentes

Planteamiento del modelo 1:


Restricciones:
3) La ubicacin del almacn depende de la construccin de fbrica:
se construye almacn en la Ciudad1(X3) si se construye la fbrica en la Ciudad1(X1)
se construye almacn en la Ciudad2(X4) si se construye la fbrica en la Ciudad2(X2)
UNA DECISIN CONDICIONA A OTRA DECISIN
UNA VARIABLE CONDICIONA LA OTRA VARIABLE
Restricciones contingentes

X1
0
0
1
1

X3
0
1
0
1

X1 X 3

Por analoga: Relacin X2 y X4?

X2 X4

Formulacin final del modelo 1

Z = 9 X 1 + 5 X 2 + 6 X 3 + 4 X 3 max
sujeta a :
6 X 1 + 3 X 2 + 5 X 3 + 2 X 4 10
X3+ X 4 1
X1 X 3 0
X2 X4 0
Xj binarias

Ejemplo 2 (restricciones una u otra)


La divisin de investigacin y desarrollo de una compaa manufacturera ha desarrollado tres
nuevos productos posibles. Sin embargo, para evitar una diversificacin excesiva de la lnea de
nuevos productos de la compaa, la administracin ha impuesto la siguiente restriccin :
Requerimiento 1 : de los tres nuevos productos posibles, deben escogerse a lo ms dos para
produccin.
Se dispone de dos plantas que pueden producir los productos elegidos. Por razones
administrativas, se impone una segunda restriccin a este respecto:
Requerimiento 2: slo una de las dos plantas debe asignarse para la produccin de los nuevos
productos.
El costo unitario de produccin de cada producto seria esencialmente el mismo en las dos
plantas. Pero por diferencias en las instalaciones de produccin , el numero de horas de
produccin por unidad de cada producto puede diferir entre ellas. Estos datos se dan en la tabla
junto con el nmero total de horas de produccin disponibles a la semana en cada planta, la
ganancia unitaria para cada producto y las estimaciones del departamento de mercadotecnia del
numero de unidades de cada producto que se pueden vender a la semana si se producen. El
objetivo es elegir los productos , la planta y las tasas de produccin de los productos elegidos de
manera que se maximice la ganancia total .
Producto
1

Planta 1
Planta 2

3
4

4
6

2
2

Ganancia unitaria ( miles de $)


Ventas potenciales( unid/ semana)

5
7

7
5

3
9

Horas disponibles
por semana

30
40

Planteamiento del modelo 2:


Variables:

Pj
j = 1..3
1,
Yi =
0,

La tasa de produccin del producto j


(en unidades)

si se elige la fbrica i
si no se elige la fbrica i

i = 1,2
1,
Xj =
0,

si el producto j se elige para la produccin


si el producto j no se elige para la produccin

Pj 0; Yi, Xj binarias

Planteamiento del modelo 2:

Restricciones:

1) Solo puede usarse una de las plantas:

Y1 + Y 2 = 1

Exclusin mutua estricta

2) Capacidad de la produccin de las plantas

3P1 + 4 P 2 + 2 P3 30 + M (1 Y 1)
4 P1 + 6 P 2 + 2 P3 40 + M (1 Y 2)
Si Y1=0: entonces Y2=1 (no se elige la planta 1, sino 2)

3P1 + 4 P 2 + 2 P3 30 + M
4 P1 + 6 P 2 + 2 P3 40

Se desplaza
Se considera

Si Y2=0: entonces Y1=1 (no se elige la planta 2, sino 1)

3P1 + 4 P 2 + 2 P3 30
4 P1 + 6 P 2 + 2 P3 40 + M

Se considera
Se desplaza

Planteamiento del modelo 2:


Restricciones:
3) Solo pueden elegirse dos de los tres productos:

X1+ X 2 + X 3 2

4) Si el producto no es elegido , entonces su cantidad debe ser 0

P1 7 X 1
P2 5 X 2
P3 9 X 3

Si X1=0:
Si X1=1:

Funcin objetivo:

Maximizar la ganancia total

5 P1 + 7 P 2 + 3P3 max

P1 0
P1 7

Formulacin final del modelo 2


Z = 5 P1 + 7 P 2 + 3P3 max
sujeto a
Y1 + Y2 1
3P1 + 4P2 + 2P3 + MY1 30 + M
4P1 + 6P2 + 2P3 + MY2 40 + M
X1 + X2 + X3 2
P1 - 7X1 0
P2 5X2 0
P3 9X3 0
Y1, Y2, X1, X2, X3 - binarias
P1, P2, P3 0

Formulacin final del modelo 2 (alternativa2)


Z = 5 P1 + 7 P 2 + 3P3 max
sujeto a
3P1 + 4P2 + 2P3 MY 30
4P1 + 6P2 + 2P3 + MY 40 + M
X1 + X2 + X3 2
P1 - 7X1 0
P2 5X2 0
P3 9X3 0
Y, X1, X2, X3 - binarias
P1, P2, P3 0

Pj
j = 1..3

La tasa de produccin del


producto j (en unidades)

0,
Y=
1,

si se elige la fbrica 1, no 2
si se elige la fbrica 2, no 1

producto j se elige
1, si elpara
la produccin
Xj = si el producto
j no se elige
0
,
para la produccin

Problema de costo fijo:


Se incurre en un cargo de preparacin o costo fijo cuando
se emprende una actividad.

El costo total de una actividad es


la suma de un costo variable
relacionado con el nivel de la
actividad y el costo fijo en el que
se incurre para iniciar la actividad.

kj - costo fijo;
cj - costo de cada unidad

Para minimizar el Costo total de


todas las actividades

k j + c j x j
f j(xj ) =
0

si xj > 0,
si xj = 0,

z = f1 ( x1 ) + f 2 ( x2 ) + + f n ( xn ) m in

Incorporacin de f j en la z requiere introduccin de


una variable binaria

Problema de costo fijo:


Considerar o anular

1, si xj > 0
yj =
0, si xj = 0.

f j(xj )

f j ( x j ) y j = (k j + c j x j ) y j

Pero NO ES LINEAL
Y NO SE PUEDE UTILIZAR ESTA
EXPRESIN EN UN MODELO
Solucin:
PLE
condicionar el valor de x con el valor de y

x j My j
z = ( c j x j + k j y j )
n

j =1

Ejemplo 3 (problema de costo fijo)


Una empresa textil fabrica 3 tipos de ropa: camisas, pantalones y shorts. Las
mquinas necesarias para la confeccin deben ser alquiladas a los
siguientes costos:
200$ por semana la mquina de camisas
150$ por semana la mquina de shorts
100$ por semana la mquina de pantalones
Se dispone de 150 horas hombre y 160 m de tela.
Los requerimientos, costos y precio de venta de cada tipo de ropa son los
siguientes
Horas Hombre
Camisas
3
Shorts
2
Pantalones 6

m de tela
2
1
3.5

Costo
12
8
15

Formular un modelo que maximice las ganancias.

Precio de Venta
16
14
18

Planteamiento del modelo 3:

Variables:
1,
Yi =
0,

si se produce la prenda i
si no se produce la prenda i

i = 1,3

Xi
i = 1,3

La cantidad de prenda j para producir


(en unidades)

Xi 0, enteras ; Yi binarias

Planteamiento del modelo 3:


Restricciones:
3) Disponibilidad de los recursos:

3 X 1 + 2 X 2 + 6 X 3 150 disponibilidad horas hombre


2 X 1 + 1X 2 + 3.5 X 3 160 disponibilidad tela
4) Si el producto no es elegido , entonces su cantidad debe ser 0

X 1 MY 1
X 2 MY 2
X 3 MY 3

Si Y1=0:

X1 0

Si Y1=1:

X1 M

Funcin objetivo:

Maximizar la ganancia total

Z = (16 12) X 1 + (14 8) X 2 + (18 15) X 3 200Y 1 150Y 2 100Y 3 max


Ganancia Costos unitarios Costos fijos

Planteamiento del modelo 3:


Estimacin de M:
de las restricciones funcionales se estiman los valores mximos que
pueden obtener las variables
(una variable tendr mayor valor posible si otras variables tengan valor 0)

3 X 1 + 2 X 2 + 6 X 3 150

2 X 1 + 1X 2 + 3.5 X 3 160

X1

X2

X3

50

75

25

80

160

45,7

Se observa el valor mximo (160) aumentando algo de holgura para


garantizar el desplazamiento fuera del espacio de soluciones factibles se
asume 200, por ejemplo.

Formulacin final del modelo 3


Z = (16 12) X 1 + (14 8) X 2 + (18 15) X 3
200Y 1 150Y 2 100Y 3 max
3 X 1 + 2 X 2 + 6 X 3 150
2 X 1 + 1X 2 + 3.5 X 3 160
X 1 200Y 1
X 2 200Y 2
X 3 200Y 3
Y1,Y2,Y3 - binarias
X1, X2, X3 0,enteras

1,
Yi =
0,
i = 1,3

Xi
i = 1,3

si se produce la prenda i
si no se produce la
prenda i
La cantidad de
prenda j para
producir
(en unidades)

Ejemplo 4: Violacin de la
proporcionalidad
Una corporacin est desarrollando sus
planes de comercializacin para los
nuevos productos del ao prximo
.Esta considerando la compra de un
total de cinco comerciales de
televisin en las redes nacionales para
tres de estos productos , con un
mximo de tres ( y un mnimo de cero)
para cada producto.
La tabla muestra el impacto estimado de
asignar 0,1,2 o 3 comerciales a cada
producto . Este impacto se mide en
trminos de la ganancia (en millones
de dlares ) de las ventas adicionales
que resultaran de los comerciales. El
objetivo es asignar cinco comerciales
a los productos de manera que se
maximice la ganancia total.

Nmero de
comerciales

Ganancia
Producto

0
1
2
3

0
1
3
3

0
0
2
3

0
-1
2
4

Los datos de las ganancias no son proporcionales

Formulacin final del modelo 4


1, Si xi =j
yij =
0, de otra manera,

Combinaciones factibles: para i


yi1 = 0,
yi1 = 1,
yi1 = 0,
yi1 = 0

yi2 = 0,
yi2 = 0,
yi2 = 1,
yi2 = 0

xi = 1yi1 + 2 yi 2 + 3 yi 3 enfoque_ apuntador

yi3 = 0,
yi3 = 0,
yi3 = 0,
yi3 = 1

xi= 0
xi = 1
xi= 2
xi= 3

max z = y11 + 3 y12 + 3 y13 + 2 y22 + 3 y23 y31 + 2 y32 + 4 y33 ,


y11 + y12 + y13 1
y21 + y22 + y23 1
y31 + y32 + y33 1
y11 + 2 y12 + 3 y13 + y21 + 2 y22 + 3 y23 + y31 + 2 y32 + 3 y33 = 5,
yij binarias

Formulacin final del modelo 4


(alternativa 2)
Combinaciones factibles: para i
1,
yij =
0,

Si xi j

de otra
manera,

yi1 = 0,
yi1 = 1,
yi1 = 1,
yi1 = 1

yi2 = 0,
yi2 = 0,
yi2 = 1,
yi2 = 1

yi3 = 0,
yi3 = 0,
yi3 = 0,
yi3 = 1

xi = yi1 + yi 2 + yi 3 enfoque acumulativo


max

xi= 0
xi = 1
xi= 2
xi= 3

z = y11 + 2 y12 + 0 y13 + 2 y22 + 1 y23 y31 + 3 y32 + 2 y33 ,

y11 y12 ; y12 y13


y21 y22 ; y22 y23
y31 y32 ; y32 y33
y11 + y12 + y13 + y21 + y22 + y23 + y31 + y32 + y33 = 5,
yij binarias

Ejemplo 5: Cobertura de todas las caractersticas


Una lnea area necesita asignar sus tripulaciones para cubrir todos sus vuelos programados .
se estudiar el problema de asignar tres tripulaciones con base en San Francisco (SF) a los
vuelos enumerados en la tabla . Las otras 12 columnas muestran 12 secuencias de vuelo
factibles para una tripulacin. ( los nmeros en cada columna indican el orden de los
vuelos). Es necesario elegir tres de estas secuencias ( una por tripulacin ) de tal manera
que se cubran todos los vuelos. El costo de asignar una tripulacin a una secuencia de
vuelos especfica esta dada ( en miles de dlares) en el rengln inferior de la tabla. El
objetivo es minimizar el costo total de asignar las tres tripulaciones cubriendo todos los
vuelos.
Vuelo

Secuencia factible de vuelos


1

San Francisco a Los ngeles


San Francisco a Denver
San Francisco a Seattle
Los ngeles a Chicago
Los ngeles a San Francisco
Chicago a Denver
Chicago a Seattle
Denver a San Francisco
Denver a Chicago
Seattle a San Francisco
Seattle a Los ngeles
Costo $ 1000

4
1

4
3

4
2

11

12

1
1
3

2
5

5
2

10
1

1
3

2
3

1
2

2
4

2
2

5
2

Modelo ejemplo 5
z = 2 x1 + 3 x2 + 4 x3 + 6 x4 + 7 x5 + 8 x8 + 9 x9 + 9 x10 + 8 x11 + 9 x12 min
x1 +x4 + x7 + x10 1
x 2 +x5 + x8 + x11 1
x 3 +x6 + x9 + x12 1
x 4 +x7 + x9 + x10 + x12 1
x1 +x6 + x10 + x11 1
x4 + x5 + x9 1
x 7 +x8 + x10 + x11 + x12 1
x 2 +x4 + x5 + x9 1
x 5 +x8 + x11 1
x 3 +x7 + x8 + x12 1
x 6 +x9 + x10 + x11 + x12 1
12

x
j =1

=3

1
xj =
0

Si se asigna la secuencia j a
una tripulacin
De otra manera .
j = 1, 2, . . . , 12.

Ejemplo 6: Desplazamiento de las


restricciones con el signo

Dorian Auto proyecta fabricar tres tipos de automviles: compactos,


medianos y grandes. El recurso que requiere cada tipo de automvil y
las utilidades que genera, se proporcionan en la tabla. Ahora se
dispone de 6000 toneladas de acero y 60000 horas de mano de obra.
Para que la produccin de un tipo de automvil sea factible desde el
punto de vista econmico, se tienen que producir por lo menos 1000
automviles de ese tipo. Plantee una PE para maximizar las utilidades
de Dorian.

Recurso

Tipo de automvil
Compacto

Mediano

Grande

Acero(ton/unid)

1.5

Mano de
obra(horas/unidad)

30

25

40

2000

3000

4000

Utilidades ($/unidad)

Planteamiento modelo 6
Variables:
Xi cantidad de auto i a producir
(1-com; 2-med; 3-gran)
Xi0, enteras
Restricciones:
1.5X1+3X2+5X36000-lmite de acero
30X1+25X2+40X360000-lmite de mano de obra

Si no se produce el automvil su Xi = 0
Si se produce automvil su Xi 1000
Como formular?

Planteamiento modelo 6
Necesidad de las variables binarias auxiliares :
0, si no se produce el auto i
Yi =
1, si se produce el auto i
Si Yi = 0, Xi = 0
Si Yi = 1, Xi 0 y adems

Xi 1000

Xi MYi desplazar arriba


Xi 1000 M (1 Yi ) desplazar abajo para no provocar
el caso de no existencia de espacio
de soluciones factibles.

Modelo final 6
Variables :
Xi - cantidad de automvil i para producir
0, si no se produce el auto i
Yi =
1, si se produce el auto i
Xi 0, enteras; Yi binarias
Re stricciones :
1.5 X 1 + 3 X 2 + 5 X 3 6000
30 X 1 + 25 X 2 + 40 X 3 60000
X 1 MY1
X 1 + M (1 Y1 ) 1000
X 2 MY2
X 2 + M (1 Y2 ) 1000
X 3 MY3
X 3 + M (1 Y3 ) 1000
Funcin Objetivo (Utilidad total mxima en miles de dlares) :
Z = 2 X 1 + 3 X 2 + 4 X 3 max

Estimacin M?
Practicar!!!

Ejemplo 7: PE con funciones lineales por


segmentos
Euning Gas elabora dos tipos de gasolina (g1 y g2)a partir
de dos tipos de petrleo (p1 y p2). Cada galn de
gasolina 1 debe contener por lo menos 50% de petrleo
1, y cada galn de gasolina 2 debe contener por lo menos
60% de petrleo 1. Cada galn de gasolina 1 se puede
vender en 12 centavos , y cada galn de gasolina 2 se
vende a 14 centavos. Dispone ahora de 500 galones de
petrleo 1 y de 1000 galones de petrleo 2. Se pueden
comprar hasta 1500 galones ms de petrleo 1 a los
precios siguientes: primeros 500 galones, 25 centavos
por galn; siguientes 500 galones, 20 centavos por galn;
siguientes 500 galones, 15 centavos por galn. Plantee
un modelo de PE con el que maximicen las utilidades de
Euning (Ingresos- Costos).

PE con funciones lineales por segmentos


Costos de petrleo
400
350

Costo

300
250
200
150
100
50
0

500

1000

1500

Serie2

125

225

300

Serie3

125

250

375

Galones

La funcin de costos no es lineal en todo rango de cantidad de galones, pero es lineal por
segmentos: no se puede solucionar solo con PL, pero se soluciona con el uso de las
variables binarias.

Modelo 7
Variables :
Xij cantidad de petrleo i para gasolina j (en galones )
i = 1,2

j = 1,2;

X cantidad de petrleo 1 para comprar (en galones )


Xij , X 0

Restricciones :
X 11 + X 12 X 500, lmite de petrleo 1
X 21 + X 22 1000, lmite de petrleo 2
X 11
0.5, contenido de petr1 en gas 1 por lo menos 50%
X 11 + X 21
X 12
0.6, contenido de petr1 en gas 2 por lo menos 60%
X 12 + X 22

PE con funciones lineales por segmentos


Utilidades = Ingresos Costos
Z = 12( X 11 + X 21 ) + 14( X 12 + X 22 ) c( X )
, si 0 X 500
25 X

c( X ) = 20( X 500) + 12500 , si 500 X 1000


15( X 1000) + 22500 , si 1000 X 1500

0
Z0
Y1

500

1000

Z1

Z2
Y2

1500
Z3
Y3

Variables auxiliares :
0, si valor de X no pertenece al segmento i
Yi =
1, si valor de X pertenece al segmento i
Z i 1 ponderacin del extremo izquierdo del segmento i
Z i ponderacin del extremo derecho del segmento i
Yi binarias; Z i 0; Z i 1

PE con funciones lineales por segmentos


Variables auxiliares :
0, si valor de X no pertenece al segmento i
Yi =
1, si valor de X pertenece al segmento i
Z i 1 ponderacin del extremo izquierdo del segmento i
Z i ponderacin del extremo derecho del segmento i
Yi binarias; Z i 0; Z i 1

Restriccio nes adicionale s :


Y1 + Y2 + Y3 = 1 valor de X debe pertenecer a uno de los 3 segmentos;
Z 0 + Z1 + Z 2 + Z3 = 1

dos ponderacio nes de extremos en suma = 1;

Z 0 Y1 , extremo Z 0 pertenece solo al primer segmento se habilita


cuando valor de X pertenece al primer segmento.
Z1 Y1 + Y2 , extremo Z1 pertenece a los segmentos 1 y 2
Z 2 Y2 + Y3 , extremo Z 2 pertenece a los segmentos 2 y 3
Z3 Y3 , extremo Z3 pertenece solo al segmento 3
Representa do X :
X = 0Z0 + 500 Z1 + 1000 Z 2 + 1500 Z3
c( X ) = c(0) Z0 + c(500) Z1 + c(1000) Z 2 + c(1500) Z3

Modelo final 7
Variables :
Xij cantidad de petrleo i para gasolina j (en galones )
i = 1,2

j = 1,2;

X cantidad de petrleo 1 para comprar (en galones )


0, si valor de X no pertenece al segmento i
Yi =
1, si valor de X pertenece al segmento i
Z i 1 ponderacin del extremo izquierdo del segmento i
Z i ponderacin del extremo derecho del segmento i

Restriccio nes :
X11 + X12 X 500, lmite de petrleo 1
X 21 + X 22 1000, lmite de petrleo 2
0.5X11 0.5 X 21 0, contenido de petr1 en gas 1 por lo menos 50%

Yi binarias; Z i 0; Z i 1

0.4X12 0.6 X 22 0, contenido de petr1 en gas 2 por lo menos 60%

Xij , X 0

Y1 + Y2 + Y3 = 1 valor de X debe pertenecer a uno de los 3 segmentos;


Z0 + Z1 + Z 2 + Z3 = 1

dos ponderacio nes de extremos en suma = 1;

Z0 Y1 0, extremo Z0 pertenece solo al primer segmento


Z1 - Y1 Y2 0, extremo Z1 pertenece a los segmentos 1 y 2
Z2 - Y2 Y3 0, extremo
Z3 Y3 0, extremo

Z 2 pertenece a los segmentos 2 y 3

Z3 pertenece solo al segmento 3

X 500 Z1 1000 Z 2 1500 Z3 = 0

Funcin Objetivo (maximizar utilidades ) :


Z = 12 X 11 + 12 X 21 + 14 X 12 + 14 X 22 12500 Z 1 22500 Z 2 30000 Z 3 max

A qu clase de los modelos de PL se


puede atribuir el problema?

Tres empresas telefnicas pidieron que me suscribiera a


su servicio de larga distancia dentro del pas. MaBell
cobra $16 fijos por mes, ms $0.25 por minuto. PaBell
cobra $25 por mes, pero el costo por minuto se reduce a
$0.21. Y con BabyBell, la tarifa fija es de $18 mensual, y
por minuto cobran $0.22. Suelo hacer un promedio de
200 minutos de llamadas de larga distancia al mes.
Suponiendo que no pague cargo fijo si no hago llamadas,
y que puedo repartir mis llamadas entre tres empresas,
cmo debo repartir las llamadas entre las tres empresas
para minimizar mi recibo telefnico mensual?

Problema de Costo Fijo


Realizar!!!

A qu clase de los modelos de PL se


puede atribuir el problema?

La U de A est en proceso de formar un comit para manejar las


quejas de los alumnos. La instruccin que se recibe de la
administracin es incluir al menos una mujer, un hombre, un alumno,
un administrador y un docente. Se han nominado 10 personas (se
denominan con letras de A a J). Correspondencia de ellas a
diferentes categoras mencionadas es la siguiente:
Personas
Categora
Mujeres
A,B,C,D,E
Hombres
F,G,H,I,J
Alumnos
A,B,C,J
Administradores
E,F
Docentes

D,G,H,I

La U de A desea formar el comit ms pequeo que tenga


representacin de cada una de las cinco categoras.

Problema de cubrimiento de las caractersticas


Realizar!!!

You might also like