Investigación de

Operaciones I
Oscar Alarcón
Agenda
Reglas de juego
• Evaluaciones
• Horarios y asistencias

Introducción
• Antecedentes de la I.O.
• Contenidos Temático
Historia
• Imperio Romano

• Segunda Guerra Mundial

• Revolución Industrial

• Desarrollo de las computadores y los sistemas

• http://www.investigaciondeoperaciones.net/historia_de_la_investigacion_de_o
peraciones.html
Investigación de Operaciones
• Programación Entera
• Problemas de Transportes
• Análisis de Grafos y Redes PERT y CPM
• Programación Dinámica
• Teoría de Juegos
• Programación No Lineal
• Teoría de Colas
• Teoría de Inventarios
• Procesos Markovianos de Decisión
• Simulación Fiabilidad
 Investigación de Modelo matematico (
Operaciones I M. analitico….
Programación lineal Estadistico -
C=ax +b Deterministico

Toma de decisiones ….
Mejor opción
Software solución
(Maximizar o
Transporte
minimizar)
Asignación
Métodos de Solución
Modelación de
Métodos de Análisis M. Grafico
problemas de P.L.
Dualidad M. Simplex
Post optimo M. Dos fases
Análisis de sensibilidad M:Gran M
Modelación
Modelación
Tipología de Ejercicios
• Planeación Financiera

• Punto de equilibrio

• Programación

• Problema de Mezcla

• Definición de Productos
Modelación
• Planteamiento Modelo Matemático

• Función Objetivo

• Variables

• Restricciones

• Tipología de Ejercicios
Modelación (Ejemplo No.1)
Un herrero con 80 Kg. de acero y 120 Kg. de aluminio
quiere hacer bicicletas de paseo y de montaña que
quiere vender, respectivamente a 20.000 y 15.000
pesos cada una para sacar el máximo beneficio. Para
la de paseo empleará 1 Kg. De acero y 3 Kg. de
aluminio, y para la de montaña 2 Kg. de ambos
metales. ¿Cuántas bicicletas de paseo y de montaña
deberá fabricar para maximizar las utilidades?
Modelación (Ejemplo No.1)
Modelación (Ejemplo No.1)
• Definición de variables
• X = Cantidad de bicicletas de paseo a producir.
• Y = Cantidad de bicicletas de montaña a producir.
• Función objetivo
• (Max) Z= 20000X + 15000Y
• Restricciones
• X + 2Y <= 80 (Disponibilidad de acero)
• 3X + 2Y <= 120 (Disponibilidad de aluminio)
• X; Y >= 0 (Restricciones de NO negatividad)
Modelación (Ejemplo No.2)
Un autobús que hace el recorrido Cali-Buga, ofrece
asientos para fumadores al precio de 10.000 pesos y a no
fumadores al precio de 6.000 pesos. Al no fumador se le
deja llevar 50 Kg. de peso y al fumador 20 Kg. Si el
autobús tiene 90 asientos y admite un equipaje de hasta
3.000 Kg. ¿Cuál ha de ser la oferta de asientos de la
compañía para cada tipo de pasajeros, con la finalidad de
optimizar el beneficio? Además, debe considerarse que
por políticas de la empresa, deben ofrecerse cómo
mínimo 10 asientos para pasajeros no fumadores
Modelación (Ejemplo No.2)
Modelación (Ejemplo No.2)
Definición de variables
X = Cantidad de asientos reservados a fumadores.
Y = Cantidad de asientos reservados a no fumadores.
Función objetivo
(max)Z = 10000X + 6000Y
Restricciones
20X + 50Y <= 3000 (Equipaje permitido)
X + Y <= 90 (Asientos disponibles)
Y >= 10 (Políticas no fumadores)
X; Y >= 0 (No negatividad)
Modelación (Ejemplo No.3)
Un comerciante acude al mercado popular a comprar
naranjas con 50.000 pesos. Le ofrecen dos tipos de
naranjas: las de tipo A a 50 pesos el Kg. y las de tipo B a
80 pesos el Kg. Sabiendo que sólo dispone de su
camioneta con espacio para transportar 700 Kg. de
naranjas como máximo y que piensa vender el Kg. de
naranjas tipo A a 58 pesos. y el Kg. de tipo B a 90 pesos.
plantee un modelo de programación lineal que permita
resolver la situación anterior.
Modelación (Ejemplo No.3)
Modelación (Ejemplo No.3)
Definición de las variables
X = Cantidad de Kg de naranjas tipo A a comprar.
Y = Cantidad de Kg de naranjas tipo B a comprar.
Función Objetivo
(max) Z = 8X + 10Y
Restricciones
50X + 80Y <= 50.000 (Dinero disponible para comprar)
X + Y <= 700 (Capacidad de transporte)
Modelación (Ejemplo No.4)
Un ganadero suministra un mínimo diario de 4 mg de
vitamina A y 6 mg de vitamina B dentro del alimento de
sus reses. Dispone para ello de dos tipos de grano P1 y P2
cuyo contenido vitamínico por Kg son los que aparecen
en la tabla.

Si el kg de P1 vale $0,4 y el de P2 $0,6 ¿Cómo deben

mezclarse los granos para suministrar las vitaminas
requeridas con un costo mínimo?
Modelación (Ejemplo No.4)
Definición de las variables
X = Kg de Grano tipo P1
Y = Kg de Grano tipo P2
Función Objetivo
(min) Z = 0,4X + 0,6Y
Restricciones
2X + 4Y >= 4 (Vitamina A)
6X + 3Y >= 6 (Vitamina B)
X, Y >= 0
Modelación (Ejemplo No.5)
Un artesano fabrica y vende cuadros tejidos, de los cuales tiene tres tipos : el
pequeño, el mediano y el grande. El primero requiere triplay, 200 metros de
estambre y 85 clavos; el segundo necesita triplay, 300 metros de estambre y 100
clavos; el tercero utiliza triplay, 400 metros de estambre y 125 clavos. De una hoja
de triplay se pueden obtener 12 cuadros pequeños u 8 medianos ó 5 grandes.
Cada mes se cuenta con 15 hojas de triplay, 68 rollos de estambre de 500 metros
cada uno y 12.500 clavos. El cuadro pequeño requiere de 3 horas, el mediano de 5
horas y el grande de 6 horas para su elaboración. Mensualmente se dispone de
530 horas para la fabricación de los cuadros. La experiencia que se tiene de las
ventas muestra que mínimo se venden 25 cuadros grandes por cada 60 cuadros
pequeños. El margen de utilidad para los cuadros pequeños, medianos y grandes
son $22, $35 y $45 respectivamente, ¿Cuántos cuadros de cada tipo deben
hacerse para que la utilidad sea máxima?
Modelación (Ejemplo No.5)
Definición de las variables
P = Cantidad de cuadros pequeños a fabricar.
M = Cantidad de cuadros medianos a fabricar.
G = Cantidad de cuadros grandes a fabricar
Función Objetivo
(max) Z = 22P + 35M + 45 G
Restricciones
R 1: 1/12 P + 1/8 M + 1/5 G ≤ 15 (triplay) R 2: 200 P + 300 M + 400 G ≤ 34.000 (estambre)
R 3: 85 P + 100 M + 125 G ≤ 12.500 (clavos) R 4: 3 P + 5 M + 6 G ≤ 530 (horas de trabajo)
R 5: – 25 P + 60 G ≥ 0 (Ventas) X, Y >= 0
Esquema de Trabajo
Definición del Problema

Desarrollo del Modelo

Recolección de Datos

Desarrollo de Soluciones

Análisis de Resultados

Implementación de Resultados
Supuestos Básicos
Certidumbre: Cada uno de los valores coeficiente se definen como ciertos.
Proporcionalidad: Las actividades se pueden representar mediante funciones de producción
lineales, es decir, el uso de recursos por parte de una actividad es proporcional al nivel de la
actividad. Se relaciona con la función de la recta no funciones exponenciales. NO economías
de escala.
Aditividad:
• El uso total de recursos es la suma de los recursos empleados por las actividades individuales.
• El valor de la función objetivo es la suma de las contribuciones de las actividades individuales.
• La contribución de una variable de decisión a la función objetivo o al uso de recursos es
independiente de los valores que se asignen a otras variables de decisión.
• Una nueva variable debe ser diferente al producto de las otras variables.
Divisibilidad: Es posible que las variables tomen valores no enteros.
No Negatividad: Las variables requieren valores positivos para su aplicación.
Métodos de Solución
• Método Gráfico
• Método Simplex
• Método Dos Fases
• Método de la Gran M
• Método Algebraico
• Método Matricial
Métodos Gráfico
Conceptos
Solución factible (área Factible)
No factible (área No factible)
Solución básica factible
Solución básica NO factible
Métodos Gráfico
Una compañía de auditores se especializa en preparar
liquidaciones y auditorías de empresas pequeñas. Tienen
interés en saber cuantas auditorías y liquidaciones pueden
realizar mensualmente para maximizar sus ingresos. Se
dispone de 800 horas de trabajo directo y 320 horas para
revisión. Una auditoría en promedio requiere de 40 horas de
trabajo directo y 10 horas de revisión, además aporta un
ingreso de 300 dls. Una liquidación de impuesto requiere de 8
horas de trabajo directo y de 5 horas de revisión, produce un
ingreso de 100 dls. El máximo de liquidaciones mensuales
disponibles es de 60.
 Métodos Gráfico
OBJETIVO : Maximizar el ingreso total.
VARIABLE DE DECISION: Cantidad de auditorías (X) Cantidad de liquidaciones (y).
RESTRICCIONES : Tiempo disponible de trabajo directo, Tiempo disponible de revisión Y Número
máximo de liquidaciones.

(Max) Z = 300X + 100Y

S.A 40X + 8Y<= 800

10X +5Y<=320

Y<=60

X, Y >= 0
Métodos Gráfico
Métodos Gráfico
Un departamento de publicidad tiene que planear para el próximo mes una
estrategia de publicidad para el lanzamiento de una línea de T.V. a color tiene a
consideración 2 medios de difusión: La televisión y el periódico.
Los estudios de mercado han mostrado que:
1. La publicidad por T.V. Llega al 2 % de las familias de ingresos altos y al 3 % de las
familias de ingresos medios por comercial.
2. La publicidad en el periódico llega al 3 % de las familias de ingresos altos y al 6 %
de las familias de ingresos medios por anuncio.
La publicidad en periódico tiene un costo de 500 dls. por anuncio y la publicidad
por T.V. tiene un costo de 2000 dls. por comercial. La meta es obtener al menos
una presentación como mínimo al 36 % de las familias de ingresos altos y al 60 %
de las familias de ingresos medios minimizando los costos de publicidad.
Métodos Gráfico
OBJETIVO : Minimizar los costos de publicidad.
VARIABLE DE DECISION: Anuncios para las familias de ingreso alto (X1) y
Anuncios para las familias de ingreso medio (X2).
RESTRICCIONES : Porcentaje de presentación

(Min) Z = 2000X + 500Y

S.A 2X + 3Y<= 36

3X +6Y<=60

X, Y >= 0
Métodos Gráfico
Métodos Gráfico
Un expendio de carnes acostumbra preparar carne para
hamburguesa con una combinación de carne molida de
res y carne molida de cerdo. La carne de res contiene 80
% de carne y 20 % de grasa y le cuesta a la tienda 80
centavos por libra. La carne de cerdo contiene 68 % de
carne y 32 % de grasa y cuesta 60 centavos por libra.
¿Qué cantidad de cada tipo de carne debe emplear la
tienda por cada libra de carne para hamburguesa si
desea minimizar el costo y mantener el contenido de
grasa no mayor de 25 %?
Métodos Gráfico
(Min) Z = 80X + 60Y
S.A
20X + 32Y<= 25
X +Y= 1
X, Y >= 0
Casos Especiales del
Método Gráfico
• Soluciones múltiples
• Problema No factible
• Restricción redundante
• Problema no acotado
• Solución óptima degenerada
Casos Especiales del
Método Gráfico
• Soluciones múltiples
Casos Especiales del
Método Gráfico
• Problema No factible
Casos Especiales del
Método Gráfico
• Restricción redundante
Casos Especiales del
Método Gráfico
• Problema no acotado
Casos Especiales del
Método Gráfico
• Solución óptima degenerada
Conceptos
Región Convexa y No convexa
Conceptos
Restricciones activas: Son las restricciones que conforman el vértice
óptimo y representan una limitación a la hora de buscar el óptimo.
Son Importantes por:
• Porque representan las condiciones que explican la razón por la cual
el valor alcanzado para la función objetivo ya no puede ser mejor.
• Porque si quien toma la decisión desea mejorar el valor de la
función objetivo, sabe qué condiciones de su problema debe
mejorar.
Conceptos
Holgura: En una restricción “≤” es posible que, al evaluar en
ella los valores óptimos de las variables de decisión, se
verifique que el valor de lado izquierdo sea menor que el
del lado derecho de la restricción, esta diferencia se llama
holgura. Por ejemplo, si la restricción representa la
disponibilidad de un recurso, la holgura vendría a ser un
sobrante de dicho recurso; es decir, la solución óptima no
requiere de toda la disponibilidad.
Conceptos
Exceso: En una restricción “≥” es posible que, al evaluar los
valores óptimos de las variables de decisión, se verifique que el
valor de lado izquierdo sea mayor que el del lado derecho de la
restricción; a la diferencia entre estos dos valores se le llama
exceso. Por ejemplo, si una restricción representa la mínima
cantidad de un recurso que debe ser utilizada. El exceso vendría
a ser la cantidad en la que el consumo ha sobrepasado el mínimo
exigido; es decir, la solución óptima emplea
una cantidad de recurso por encima del mínimo exigido.
Ejercicio 1
Una floristería confecciona y distribuye arreglos florales en una clínica materna de la ciudad de
Bogotá. Sus arreglos más pedidos se elaboran con ocasión del nacimiento de un bebé, y se
denominan Girl’s y Boy’s. Un arreglo floral incluye principalmente gerberas, claveles, rosas
blancas y un globo, según el detalle siguiente:

Para mantener sus estándares de calidad, la floristería elabora sus arreglos con flores recibidas en
el día. Su proveedor principal puede suministrar diariamente 800 gerberas, 700 claveles, 900
rosas blancas, mientras que no hay limitación en el suministro de los globos.
La cantidad de arreglos Girl’s que se venderán debe ser al menos la misma cantidad de arreglos
Boy’s. Los precios de venta de cada arreglo floral Girl’s y Boy’s son de $60.000 y $50.000,
respectivamente.
 Ejercicio 1
a) Defina las variables de decisión del modelo y formule el modelo de programación lineal que permita
optimizar las operaciones de la florería.
b) Utilizando el método gráfico, determine la región factible, el valor de la solución óptima, el valor óptimo de
la función objetivo y señálelos en el gráfico.
c) A partir del modelo original, suponga que el precio de venta de cada arreglo Boy’s sube a S/ 60, ¿cuál sería
la solución óptima y el nuevo valor óptimo?, ¿la solución corresponde a un caso especial? Justifique sus
respuestas.
d) A partir del modelo original, indique qué sucedería con la región factible y el valor óptimo si el proveedor
informa a la floristería que debido a una escasez de rosas blancas puede abastecer únicamente 400 rosas
diarias. Justifique su respuesta.
e) A partir del modelo original, suponga que el proveedor indica a la floristería que puede suministrar
diariamente mayor cantidad de gerberas. ¿Le conviene a la floristería pedir más gerberas? Justifique su
respuesta. Si la respuesta es afirmativa, señale en su gráfico cuál sería la combinación de arreglos Girl’s y
Boy’s que maximizará el ingreso total lo más que se pueda debido al aumento de la disponibilidad de
gerberas. No se pide calcular la nueva solución.
 Ejercicio 1
Variables
G : número de arreglos florales Girl’s por confeccionar.
B : número de arreglos florales Boy’s por confeccionar.
 Ejercicio 1
A partir del modelo original,
suponga que el precio de
venta de cada arreglo Boy’s
sube a S/ 60, ¿cuál sería la
solución óptima y el nuevo
valor óptimo?, ¿la solución
corresponde a un caso
especial? Justifique sus
respuestas.
 Ejercicio 1
A partir del modelo original,
indique qué sucedería con la
región factible y el valor
óptimo si el proveedor
informa a la floristería que
debido a una escasez de
rosas blancas puede
abastecer únicamente 400
rosas diarias. Justifique su
respuesta.
 Ejercicio 1
A partir del modelo original,
suponga que el proveedor indica a
la floristería que puede suministrar
diariamente mayor cantidad de
gerberas. ¿Le conviene a la
floristería pedir más gerberas?
Justifique su respuesta. Si la
respuesta es afirmativa, señale en
su gráfico cuál sería la combinación
de arreglos Girl’s y Boy’s que
maximizará el ingreso total lo más
que se pueda debido al aumento
de la disponibilidad de gerberas.
No se pide calcular la nueva
solución.
Ejercicio 2
El distinguido Dr. Cínico Caspa realiza campaña para las próximas elecciones gubernamentales. Él
sabe que por cada reunión que haga en la capital atrae a 2000 ciudadanos y por cada reunión que
haga en provincias atrae a 3000 ciudadanos.
El jefe de campaña ha establecido que el Dr. no puede hacer más de 10 reuniones en total y que
por lo menos debe hacer 4 reuniones en la capital. Se sabe que por cada reunión en la capital se
requieren 7 buses para transportar “a su comitiva” y por cada reunión en provincias se requieren
3 buses para transportar “a su comitiva”; debiendo contratar por lo menos 42 buses en total.
Finalmente, el número de reuniones que Dr. haga en la capital no debe exceder al cuádruple del
número de reuniones que haga en provincias.
a) Defina las variables de decisión y formule el modelo de programación lineal.
b) Utilizando únicamente el método gráfico, determine la región factible, la solución óptima y el
valor óptimo de la función objetivo.
c) Suponga que el jefe de campaña de Dr. ha recapacitado y decide eliminar la restricción de la
cantidad de reuniones a realizar en la capital. ¿Esto le conviene o no a Dr.? Sustente su
Ejercicio 2
Variables
C= # de reuniones en Capital
P= # de reuniones en provincia
Maximizar Z = 2000C+3000P
Restricciones:
C+P ≤ 10 7C+3P ≥ 42
C≥4 C ≤ 4P
C, P ≥ 0

Sí le conviene, porque la región factible crece hacia arriba, obligando a desplazar la gráfica del
Z* hacia arriba también, mejorando así su valor. La nueva solución óptima sería el punto: C =
3, P = 7
Métodos de Análisis
• Análisis de Dualidad

• Análisis Post-óptimo

• Análisis de Sensibilidad
Métodos de Transporte
• Transporte
• Método Esquina noroeste

• Método Costo Mínimo

• Método Vogel

• Método MODI

• Asignación
• Método Húngaro
Software
• Excel Solver

• PH Simplex

• POM QM

• WIN QSB

• Otros GAMS, Tora, Payton, etc.

Gracias