Optimización

Generalidades
Ing. Alcides Santander M. Ph.D.

Maestría en Ingeniería Administrativa

 Optimización

• Se define como la selección del mejor elemento de un

conjunto de elementos disponibles.

• Es decir que se debe conocer de antemano cuales son

las opciones para poder desarrollar la formulación del
modelo (espacio de soluciones).

¿Como construir el conjunto?

Ejemplo: Diseño de una Cadena de Suministro

• Nivel Estratégico
Diseño de nuevos servicios o
localización de nuevas instalaciones.

• Nivel Táctico
Políticas de adquisición de
máquinas, reemplazo de equipos de
transporte, ajuste de la capacidad,
etc.

• Nivel Operacional
La asignación de conductores a
vehículos, consolidación de la carga,
planificación de rutas, imprevistos,
etc.
Ejemplo: Diseño de una Cadena de Suministro

• A veces los objetivos son contrapuestos.

Ejemplo:
– Proveer un buen servicio y maximizar ventas.
– Maximizar producción y minimizar costos de inventario.

• Se requiere un mecanismo para integrar todas las funciones.

• Tomar decisiones: Un proceso complejo

Generalidades de las Cadenas de Suministro

• Diseño de la operación:
– Nivel Meso económico
– Nivel Micro económico

• Los atributos del producto definen el sistema logístico que debe

implementarse. Por ejemplo: El medio de locomoción y el tipo de
vehículo empleado.
Ejemplo: Diseño de una Cadena de Suministro

• Reto: ¿Cómo balancear el desfase temporal y geográfico entre los

centros de oferta y demanda?
• ¿Cuántos puntos de demanda real existen en la ciudad?

Centro de Distribución
Coca-Cola FEMSA
Barranquilla
Ejemplo: Diseño de una Cadena de Suministro

• Ejemplo: Entorno de Transporte de Pasajeros: Idealmente

hablando…. Modelo de Gestión
Aumento la
Demanda
de Usuarios

Mayor Aumenta
Ahorro Para Oferta de
el Usuario Transporte

Disminución Ajuste de la
de Tarifas Flota
de Cobro Vehicular

Disminución
Costos de
Operación
 Entornos Restrictivos: Transporte

Paso 1. Determinar el tipo de modelo

Modelos de Gestión

Modelos de Simulación

Modelos Matemáticos
 Entornos Restrictivos: Transporte

Paso 2. Determinar el Objetivo del modelo

• Variables de Decisión (Acciones a desarrollar)

¿Cuál es la respuesta que se desea del modelo?

Variable Continua
Variable Binaria
Variable Entera
Variable Aleatoria

• Coeficientes asociados a las variables de decisión (aporte al

beneficio)
 Entornos Restrictivos: Transporte

Paso 3. Determinar Restricciones del Problema

¿Qué es lo mejor que le pudiera suceder al sistema?
¿Qué impide lograr ese mejor escenario?

Paso 4. Método de Optimización

En función de los elementos anteriores se determina cual es el

mejor método de solución.
 Tipos de Problemas

1. Programación Lineal
2. Programación Entera
3. Programación Binaria
4. Programación Dinámica
5. Programación No Lineal
6. Programación Estocástica
7. Problemas Mixtos
 Tipos de Problemas

1. Programación Lineal
• Variables de decisión continuas
• Relación Lineal entre el objetivo y las variables de decisión.
• Es un modelo determinístico
• Es un modelo estático
Ej: Se desea estimar la cantidad óptima de toneladas de
producción de harina que permita cumplir con la demanda sin
exceder las capacidades de producción y almacenamiento.
 Tipos de Problemas

2. Programación Entera
• Variables de decisión enteras
• Es un modelo determinístico
• Es un modelo estático
• No se realiza búsqueda de soluciones en todo el espacio
Ej: Se desea estimar la cantidad óptima de bolsas de harina de
500, 1000 y 2000 gramos que permita cumplir con la demanda
sin exceder las capacidades de producción y almacenamiento.
 Tipos de Problemas

3. Programación Binaria
• Variables de decisión Binaria
• Es un modelo determinístico
• Es un modelo estático
• No se realiza búsqueda de soluciones en todo el espacio
• Utilizados en modelos de asignación
Ej: Se desea que referencias de producto se deben producir teniendo en
cuenta la capacidad de producción, inventario de insumos y
márgenes de contribución por producto.
 Tipos de Problemas

4. Programación Dinámica
• Variables de decisión incluyen el tiempo en su definición.
• El valor de mi objetivo es dependiente del tiempo
• Es un modelo determinístico
• Una solución puede ser factible solo en un intervalo de tiempo
• Modelos de decisión periódica
Ej: Se desea realizar el plan de producción de las próximas 6
semanas con el objetivo de programar mano de obra,
transporte, capacidad de almacenamiento.
 Tipos de Problemas

5. Programación No Lineal
• Variables de decisión continuas
• Relación NO Lineal entre el objetivo y las variables de decisión.
• Es un modelo determinístico
• Es un modelo estático
Ej: Se requiere enviar un paquete rectangular por correo. Por
estipulaciones del servicio postal sólo se aceptan paquetes con
dimensiones menores o iguales a 60 cm y se pide, además, que
la superficie total sea a lo más de 80 cm2 ¿qué dimensiones
debe tener la caja?
 Tipos de Problemas

6. Programación Estocástica
• Variables de decisión son afectadas por distribuciones de
probabilidad que modelan el peso del variable en el aumento
del beneficio.
• Es un modelo que combina la estadística y la matemática en
uno solo.
• Presenta complejidad en sus métodos de solución.
Ej: Se desea conocer que referencias de producto se deben producir teniendo
en cuenta que el costo de los insumos es variable en el mercado, así como
los márgenes de contribución debido a las negociaciones con los clientes.
 Tipos de Problemas

7. Programación Mixta

• Son problemas que surgen de combinaciones entre los

problemas anteriores
• Ej: Programación Entera - Estocástica
• Ej: Programación Lineal – Dinámica
• Ej: Programación No Lineal – Binaria – Dinámica
Los esquemas de solución son complejos.