a) Presentacin y contextualizacin

Los temas que se tratan en la presente Unidad, tienen por finalidad que el estudiante
desarrolle y ejecute la optimizacin de los modelos matemticos a travs del mtodo
grafico. Mtodo simples y el uso de los software adecuados de solucin durante su
proceso de formacin profesional y contribuyan en el logro de su perfil profesional.
b) Competencia
Define, planifica y genera la optimizacin de los modelos matemticos usando los
diferentes mtodos de solucin.
c) Capacidades
1. Planifica sus metas de aprendizaje y analiza los diferentes mtodos de solucin
de optimizacin de los modelos matemticos.
2. Aplica y genera el ptimo del modelo matemtico y utiliza el mtodo grfico.
3. Aplica y genera el ptimo del modelo matemtico y el mtodo simplex.
4. Aplica y genera la optimizacin del modelo matemtico y utiliza el software
Lingo, Tora, Glp.
d) Actitudes
Disposicin emprendedora.
Respeto a las normas de convivencia.
Sentido de Organizacin.
Perseverancia en las tareas.
e) Presentacin de ideas bsicas y contenido esenciales de la Unidad.
La Unidad de Aprendizaje 1: La Investigacin de Operaciones y la Programacin
Lineal; comprende los siguientes temas:
TEMA 01: Investigacin de Operaciones.
TEMA 02: Modelos de Programacin Lineal.
TEMA 03: El Mtodo Simplex.
TEMA 04: Uso del Software.

Tema 01: Investigacin de Operaciones

a) INVESTIGACIN DE OPERACIONES
Algunas Definiciones
La investigacin de operaciones puede definirse como un conjunto de mtodos y tcnicas
cientficas que, aplicados a problemas relacionados con la operacin de sistemas, trataran

de dar soluciones ptimas.

En la actualidad, la Investigacin Operativa se estudia como una ciencia de alta gerencia,
ya que es una de las ms tiles herramientas con las que cuenta un ejecutivo para buscar
mejores soluciones a problemas que afectan a la organizacin como un todo.
La Investigacin Operativa, es caracterizada por el uso de los modelos matemticos para
proveer una gua a los gerentes para tomar decisiones efectivas dentro del estado actual
de la informacin o en buscar informacin adicional si el conocimiento actual es
insuficiente para alcanzar una decisin adecuada. (Bradley)
Departamento de Produccin
Su principal objetivo es lograr una mayor produccin al menor costo posible, por eso
desea poder hacer largas corridas de produccin a fin de disminuir el costo asociado con
el ajuste y adaptacin del equipo a un nuevo producto.
Departamento de Ventas
Su principal objetivo es aumentar las ventas, luego desea tener un inventario bastante
variado para poder cubrir en forma inmediata cualquier pedido, hasta de productos de
demanda muy eventual.
Departamento de Administracin
El Departamento de Administracin desea reducir el inventario a un mnimo
indispensable, lo cual choca con los deseos del Dpto. de produccin y el Dpto. de ventas.
Departamento de Personal
Su principal objetivo es de mantener en alto la moral del personal, lo cual influye
directamente en la productividad, y mantener un alto grado de entrenamiento.
b) EL ANALISTA DE OPERACIONES
Investigar los parmetros a emplear en el modelo existente para determinar su validez.
Imaginacin, para buscar soluciones lgicas a los mltiples problemas tanto como
tcnicos como administrativos.
Habilidad para descubrir las condiciones importantes del problema.
Conocimiento tcnico en todas las etapas de la investigacin para aplicar el modelo
adecuado.
Laboriosidad y sentido de responsabilidad.
Facilidad de expresin oral y escrita.
Habilidad para trabajar en equipos.
c) FASES DE ESTUDIO DE INVESTIGACIN OPERATIVA

Construccin del modelo matemtico

Es una representacin de algn ente (tal como Objeto, evento, proceso, sistema, imagen,
etc.) que es empleado principalmente con propsito de prediccin y control.
Mediante la construccin del modelo se pretende hacer posible, o facilitar, la
determinacin de cmo cambios en uno o ms de los aspectos, variables o propiedades
del ente modelado, afectan los otros aspectos o al ente en su totalidad.
Obtencin de la solucin
La seleccin del procedimiento por emplear para obtener del modelo una solucin al
problema depender de las caractersticas del modelo. Los procedimientos de solucin
pueden ser clasificados en Analticos y Numricos, muchas veces ninguno de los dos podr
aplicarse sin la ayuda de las tcnicas de Montecarlo o Simulacin en la evaluacin de
algunos trminos de la ecuacin.
d) MODELOS MATEMTICO
La esencia de la Investigacin Operativa es el enfoque de la construccin de modelos, el
que es un intento paracapturar los rasgos ms significativos de la decisin que est bajo
consideracin por medio de la abstraccin.
Los modelos que usa la Investigacin Operativa, son matemticos.
Los modelos son representaciones simplificadas del mundo real.
A fin de que los modelos sean tiles para asistir en las decisiones gerenciales, ellos deben
de ser simples para entenderlos y fcil de usarlos. Al mismo tiempo, ellos tienen que
proporcionar una representacin completa y realista del ambiente de decisin.
e) GUA PARA LOS GERENTES
A travs del esfuerzo del diseo del modelo, la Investigacin Operativa, trata de proveer
una gua a los gerentes, o en otras palabras trata de incrementar la comprensin de los
administradores de las consecuencias de sus acciones. Esto nunca es un intento para
reemplazar o substituir a los gerentes, sino mas bien el propsito es soportar las acciones
gerenciales. Es importante entonces reconocer la fuerte interaccin requerido entre
gerentes y modelos.
Los modelos pueden oportunamente y efectivamente explicar las muchas relaciones
mutuas que pueden estar presentes dentro de las alternativas que estn siendo
consideradas y que pueden explcitamente evaluar las consecuencias econmicas de las
acciones restricciones impuestas por los recursos existentes y las demandas impuestas al
uso de esos recursos.
Los gerentes de otro lado, podrn formular las preguntas bsicas a ser contestadas por el
modelo y luego interpretar los resultados del modelo en base a su propia experiencia e

intuicin, reconociendo las limitaciones del modelo.

La complementacin entre las habilidades computacionales superiores proporcionadas
por el modelo y las capacidades de discernimiento del gerente (el que toma las decisiones)
es la clave para un enfoque exitoso de la Investigacin de Operaciones.
f) CLASIFICACIN DE LOS MODELOS

Ejercicio Operacional
Si deseamos efectuar un ejercicio operacional que soporta esta decisin, ensayaramos
diferentes combinaciones de tipos de petrleo, directamente en el proceso de la refinera
y observar las utilidades y costos resultantes asociados con cada alternativa de la mezcla.
Ventajas:
Alto grado de realismo.
Desventajas:
Costos altos de implementacin.
En muchos casos imposible de analizar.
Juego (Gaming)
El proceso de la refinera podra ser representado por un modelo matemtico o
computacional, que podra asumir cualquier tipo de estructura.

 El modelo debe de reflejar con un grado aceptable de exactitud las relaciones entre las
entradas y las salidas del proceso de la refinera. Posteriormente todo el personal que
participa en estructurar el proceso de decisin en la gerencia de la refinera deber
interactuar con el modelo. El gerente de Produccin establecer planes de produccin, el
Gerente de Compras identificara precios y fuentes de crudos de petrleo y desarrollar
programas de adquisicin y as sucesivamente.
Ventajas:
Se ha retenido algunas de las interacciones humanas del proceso real.
El costo de procesar cada alternativa ha sido reducido.
La velocidad de medicin de la performance de cada alternativa ha sido aumentada.
Desventajas:
Se pierde algn grado de realismo con respecto al ejercicio operacional, debido a que
operamos en un mundo abstracto.
Simulacin
Son similares a los modelos de juego, excepto que todas las personas que toman
decisiones han sido sacadas del proceso de modelaje.
Al igual que el ejercicio operacional y juego, los modelos de simulacin no generan
alternativas ni producen una respuesta ptima a la decisin bajo estudio.
En el ejemplo: Programaramos por adelantado un gran nmero de combinaciones de
cantidades y tipos de petrleo crudo a ser usados y obtendramos las utilidades asociadas
a cada tipo de alternativa sin ninguna entrada externa de los tomadores de decisiones.
Una vez que los resultados del modelo han sido producidos, nuevas corridas podran ser
llevadas a cabo, hasta que percibamos que hemos alcanzado un entendimiento adecuado
de problema.
Modelo Matemtico
En este de modelo, el problema es representado totalmente en trminos matemticos,
normalmente por medio de un criterio u objetivo que buscaremos maximizar o minimizar,
sujeto a un grupo de restricciones que representan las condiciones bajo las cuales tienen
que ser efectuadas.
El modelo computa una solucin ptima, que es, una que satisface todas las restricciones
y nos da el mejor valor posible de la funcin objetivo.
En nuestro ejemplo: el uso de un modelo analtico implica determinar como objetivo la
maximizacin de utilidades netas obtenidas de la operacin de la refinera como una
funcin de los tipos y cantidades de los petrleos crudos usados. Adems la tecnologa del
proceso de la refinera, los requerimientos del producto final y las disponibilidades de
crudo de petrleo deben ser representados en trminos matemticos para definir las
restricciones de nuestro problema.

 La solucin del modelo ser la cantidad exacta de cada tipo de petrleo crudo
disponible a ser procesado que maximizar las utilidades netas dentro del grupo de
restricciones propuestas.
Los modelos analticos, son normalmente los modelos menos costosos y ms fciles de
desarrollar. Sin embargo ellos introducen el ms alto grado de simplificacin en la
representacin del modelo.
Mucho del trabajo llevado a cabo por los cientficos de investigacin de Operaciones, ha
sido orientado en el desarrollo de implementacin de modelos analticos.

Tema 02: Modelos de Programacin Lineal

a) Soluciones Geomtricas
Usualmente las grficas no son el mejor mtodo para resolver problemas de
programacin lineal del mundo real, ya que no podemos dibujar en ms de 3 dimensiones.
No obstante una solucin grfica para un problema de 3 menos dimensiones es efectiva.
Este mtodo consiste en delinear sobre el primer cuadrante (debido a las condiciones de
no negatividad), la regin de soluciones factibles; y luego graficando sobre ellas la funcin
objetivo, se ubica el programa programas ptimos.
b) Mtodo Grafico
Maximizacin
Una Compaa manufacturera textil fabrica los productos 1,2; y es suficientemente
afortunada como para vender todo lo que puede producir actualmente.
Cada producto requiere un tiempo de manufacturacin en los 3 Dptos.; y la disponibilidad
de una cantidad fija de horas-hombre por semana en cada Dpto.; tal como se muestra en
el cuadro siguiente:

El problema consiste en decidir qu cantidad de cada producto debe manufacturarse con

el objeto de hacer el mejor empleo de los medios limitados de produccin, sabiendo que
la ganancia por cada unidad del producto 1 es $ 1.00 y del producto 2 es $ 1.50.

Sean X1 = nmero de unidades del producto 1

X2 = nmero de unidades del producto 2
Por lo tanto la programacin lineal es:
Max Z = x1 + 1.5x2
Sujeto a: 2x1 + 2x2 <= 160 - - - - - - ( 1 )
x1 + 2x2 <= 120 - - - - - - ( 2 )
4x1 + 2x2 <= 280 - - - - - - ( 3 )
x1, x2 >= 0 - - - - - - ( 4 )

Si la restriccin (1) fuese la ecuacin:

2x1 + 2x2 = 160,
Se representara una recta en el plano cartesiano; pero como el signo es una desigualdad
esto representa uno de los semiplanos en que queda dividido el plano cartesiano.
Luego cuando se grfica se tiene:

Cabe recalcar que las restricciones de no

negatividad hacen que de toda la zona
rayada slo nos interesa la que est en
el primer cuadrante esto es debido a
que
x_10 y x_(2 ) 0 , luego se tendr:

Aplicando los mismos conceptos a la 2da

y 3era. Restriccin y superponiendo las 3
grficos, tenemos que la zona en la cual
se cumplen simultneamente las 3
restricciones es la regin sombreada que
se indica en la fig.
Analicemos la regin sombreada, cualquier punto dentro de ella cumple simultneamente
con las 3 restricciones y con la no-negatividad.

Ahora el problema consiste en maximizar la funcin:

Z = x1 + 1.5x2

Sobre la regin sombreada de la fig. Anterior que representa a las restricciones del
problema en estudio.

Por lo tanto, la funcin objetivo, Z

representa una familia de rectas
paralelas con pendiente
m = - 1/1.5
= - 2/3, tal como se muestra

 La recta x1 + 1.5x2 = 100 representa el mximo valor de la funcin Z; sujeta a las

restricciones del programa lineal propuesto.
Cualquier valor de Z > 100, no tendr ningn punto comn con la regin sombreada.
La recta Z = 100 y la regin sombreada tienen en este caso un pto. Comn cuyas
coordenadas son
x1 = 40 y x2 = 40

Soluciones factibles
C1: (0,60) C3: (70,0) C5: (40,40)
C2: (0, 0 ) C4: (60,20)
Regin Factible: El conjunto de valores para las variables de decisin en un programa
lineal que satisface todas las restricciones.
Solucin Factible: Una solucin en la que las variables de decisin son factibles (Cualquier
punto, dentro de la regin factible).
Solucin Optima: El punto en la regin factible que tiene el mejor valor de la funcin
objetivo (mx.). Y en caso de minimizacin el menor valor de la funcin objetivo.
Propiedad
La utilidad mxima ocurre en un vrtice del conjunto de soluciones factibles. Probar todos
los vrtices para ver cual aporta la mayor ganancia.
Vrtices
Z = x1 + 1.5x2
C1: (0,60) 0 + 1.5 x 60 = 90
C2: (0, 0)
0 + 1.5 x 0 = 0
C3: (70,0) 70 + 1.5 x 0 = 70
C4: (60,20) 40 + 1.5 x 20 = 90

C5: (40,40)

40 + 1.5 x 40 = 100 Respuesta

Tema 03: Mtodo Simplex

a) PROCEDIMIENTO

Se procede a efectuar el balanceo de las reglas restricciones, para lo

cual se recurre a las variables de exceso, holgura y artificial segn se al el

caso.

Se construye el primer tablero del mtodo simplex y en ella se registra:

En la primera columna Xk las variables bsicas segn corresponde.

En la columna Cj, se registra la contribucin unitaria de cada variable bsica
anteriormente registrada.
En la columna b, se registra el valor de los trminos independientes (estos debern ser
positivos).
En el tablero principal se registran los coeficientes de las variables de las restricciones
balanceadas.
En la cabecera de dicho tablero se registran las contribuciones de todas las variables.

En el primer tablero, se calcula los valores del vector fila de contribuciones (Zj), el

cual se obtiene de la suma de los productos parciales que corresponden por fila.

Se deduce el vector de sensibilidad, el mismo que se obtiene de restar los

valores Cj Zj, lo cual indicara si se trata o no del tablero optimo.

Si se tratase de un caso de maximizacin, no deber existir valores positivos; de los

contrario elegimos el mayor de los valores positivos, el cual identificara al vector que
ingresa o vector ingresante. En caso de minimizacin de hallarse valores negativos, se
selecciona al mayor de todos ellos, quien identifica al vector ingresante.

Luego se calcula el vector que sale o vector saliente para lo cual se divide los

valores del vector columna b entre los valores del vector ingresante y se selecciona como
vector saliente a aquel que corresponda el menor valor positivo.

Se construye el siguiente tablero y se determina los valores del vector antiguo (que

corresponde a dicha posicin), entre el pvot (el pvot es el valor que se halla en la
interseccin entre el vector que ingresa y el vector que sale, en el tablero anterior).

Para calcular los valores de las dems filas del segundo tablero se aplica la siguiente

forma:
Elemento del vector antiguo (semipivot * elemento del vector ingresante)
El semipivot es aquel elemento que se halla en la interseccin de la fila anterior y el vector
ingresante.
Luego se calcula para el segundo tablero el valor de la fila de contribuciones (Zj) y el
vector de la fila de sensibilidad (Cj + Zj).
Se contina este proceso hasta que:
No se tenga ningn valor positivo si se trata de maximizacin.
No se tenga ningn valor negativo si se trata de minimizacin.

Del tablero ptimo se extrae el valor ptimo (bien sea un Zmax Zmin)

y la contribucin de las variables reales de la solucin.

b) Mtodo Simplex: Caso de Minimizacin

Balanceando

c) Mtodo Simplex: Caso de Maximizacin

Balanceando

Tema 04: Uso del Software

a) Uso del LINGO
LINGO es una herramienta simple que permite utilizar el poder de la optimizacin lineal y
no lineal para formular grandes problemas concisamente, resolverlos, y analizar la
solucin. La optimizacin ayuda a encontrar la respuesta que satisface el mejor
resultado. Frecuentemente, estos problemas involucraban el uso ms eficiente de los
recursos (dinero, tiempo, maquinaria, personal, etc.). Los problemas de optimizacin se
pueden clasificar en lineales o no lineales, dependiendo de cmo las relaciones entre las
variables.

La ventana inicial de LINGO.

Desarrollo de un modelo en LINGO.
Supongamos que CompuQuick Corp. Produce 2 modelos de computadoras: Standard y
Turbo. CompuQuick puede vender cada unidad Standard que produce a un precio de
$100, y cada unidad Turbo por $150. La fbrica puede producir a lo sumo 100
computadoras Standard por da y 120 computadoras Turbo. CompuQuick tiene una
capacidad de trabajo de 160 horas por da. Las computadoras Standard requieren 1 hora
de labor, mientras que las Turbo requieren 2 horas. El problema de CompuQuick es
determinar la mezcla de computadoras Standard y Turbo a producir cada da para
maximizar el total de las ventas sin exceder el lmite de produccin y de trabajo.
En general un modelo de optimizacin consiste en los siguientes 3
tems:
1. Funcin objetivo
2. Variables
3. Restricciones
La sintaxis para escribir la funcin objetivo en LINGO es:
MAX = 100 * STANDARD + 150 * TURBO;
Nota: Cada lnea en LINGO finaliza con un punto y coma. El punto y la coma son
requeridos. El modelo no se resolver si falta algn punto y coma.

Las restricciones se introducen de la siguiente manera:

STANDARD <= 100;
TURBO <=120;
STANDARD + 2 * TURBO <= 160;

Nota: Dado que la mayor parte de las computadoras no tienen una tecla de menor o igual,
LINGO ha adoptado como convencin utilizar el smbolo <= para representar. Como
alternativa, se puede usar el smbolo < para expresar menor o igual. Lo mismo se usa >=
> para expresar mayor o igual.

Una expresin puede abarcar ms de una lnea, por ejemplo:

MAX = 100 * STANDARD + 150 * TURBO;
Se pueden introducir comentarios, que sern ignorados por LINGO, comenzando con un
signo de exclamacin (! y terminando con un punto y coma. Los comentarios tambin
pueden ocupar varias lneas. Por ejemplo:
X= 1.5 * Y + Z / 2 * Y; ! Esto es
Un comentario;
X= 1.5 * ! Esto es un comentario en el medio de una restriccin; Y + Z / 2 * Y;
LINGO no distingue entre maysculas y minsculas, por lo que es lo mismo STANDARD
que standard y que StAnDaRd.

Los nombres de las variables deben comenzar con un carcter

alfabtico (A-Z), los siguientes caracteres pueden ser alfabticos,
numricos o subrayado (_). Los nombres pueden ser de hasta 32
caracteres de longitud.
Resolucin del modelo.
Para ordenar a LINGO a que resuelva el problema, se debe seleccionar el comando Solve
del men LINGO, o presionar el botn Solve de la barra de herramientas.
Si no hay errores en la formulacin del problema durante la etapa de compilacin, LINGO
invocar al mdulo de resolucin adecuado para buscar la solucin ptima.

Ventana de estado.
En esta ventana se puede monitorear el proceso de resolucin y las dimensiones del
modelo.
El recuadro "Variables" muestra el nmero total de variables del modelo, las variables que
son no lineales y las enteras. Una variable es considerada no lineal si es parte de una
restriccin no lineal en el modelo. Mientras ms variables no lineales y enteras contenga
el modelo, ms difcil ser resolverlo de forma ptima en un tiempo razonable. Los
modelos lineales puros sin variables enteras tienden a resolverse ms rpidamente.

La cuenta de variables no incluye las que LINGO determina como

de valor fijo, por ejemplo: dadas las restricciones
X = 1;
X + Y = 3;
LINGO determina por la primera restriccin que X est fija en 1, y,
usando esta informacin, deduce que Y est fija en 2. X e Y sern
entonces excluidas del modelo.
En el recuadro "Constraints" se muestra la cantidad total de restricciones y el nmero de
stos que son no lineales. Una restriccin es considerada no lineal si una o ms variables
aparecen de forma no lineal en la restriccin.
El recuadro "Nonzeros" muestra el total de coeficientes distintos de cero que aparecen en
el modelo y el nmero de estos que aparecen en variables no lineales.
El recuadro "Memory Used" muestra la cantidad de memoria que est utilizando LINGO
para resolver el modelo.
El recuadro "Elapsed Runtime" muestra el tiempo total utilizado para generar y resolver el
modelo.
El recuadro "Optinizer Status" muestra el estado actual del optimizador:

Cuando LINGO termine de resolver el modelo, crear una nueva ventana con el ttulo
Solution Report, conteniendo los detalles de la solucin:

Informe de la solucin.
Para qu utilizar un lenguaje de modelacin?
Una de las caractersticas ms potentes de LINGO, es el lenguaje de modelacin
matemtica. Este lenguaje permite expresar el problema de una manera natural,
similar a la notacin matemtica standard. Adems de poder ingresar cada trmino de
cada restriccin explcitamente, LINGO permite expresar una serie de restricciones
similares en una sola sentencia compacta.
Otra caracterstica conveniente del lenguaje de modelacin de LINGO, es la seccin de
datos. La seccin de datos permite aislar los datos de la formulacin del modelo. De
hecho, LINGO puede incluso, leer los datos de una planilla de clculo, de una base de
datos o un archivo de texto. Con los datos independientes del modelo, es mucho ms fcil
hacer cambios, y hay menos oportunidad de cometer errores.
El modelo de CompuQuick del ejemplo anterior, usa variables escalares, cada variable est
explcitamente listada por nombre (STANDARD y TURBO) y cada restriccin aparece
explcitamente. En la mayor parte de los grandes modelos, ser necesario trabajar con un
grupo de varias restricciones y variables muy similares. Para esto, LINGO tiene la habilidad
de manejar conjuntos de objetos, que permiten efectuar estas operaciones ms
eficientemente.
b) Uso del GLP

Es una herramienta informtica que permite graficar modelos

matemticos de P.L. de 2 variables, grafica la solucin ptima. Es
desarrollado bajo la supervisin del Profesor Jeffrey Moore, PhD de
la Escuela de Negocios de la Universidad de Stanford.

c) Uso del TORA

Max Z = x1 + 1.5x2
Sujeto a: 2x1 + 2x2 <= 160 - - - - - - ( 1 )

x1 + 2x2 <= 120 - - - - - - ( 2 )

4x1 + 2x2 <= 280 - - - - - - ( 3 )
x1, x2 >= 0 - - - - - - ( 4 )