Programación Lineal Entera

1
PROGRAMACIN LINEAL ENTERA

Mapa Conceptual
Pre-procesamiento y examinacin de Tcnicas para la programacin de Problemas Enteros
Mixtos

1). Tcnicas bsicas
En la parte de tcnicas bsicas se contempla el mtodo de ramificacin y acotacin. Se presentan
varias tcnicas que modifican una representacin dada de un problema entero mixto. Cuando el
conjunto de soluciones factibles del problema lineal relajado es reducido, pero el conjunto de
soluciones factibles de un problema entero mixto no son afectadas. Esto puede reducir la
integralidad, es decir, la diferencia entre los valores de la funcin objetivo del problema lineal
relajado y el problema entero.
En el trabajo se dan las condiciones para que un problema no tenga solucin, es decir, el
conjunto solucin sea infactible, para identificar las redundancias y como mejorar los lmites de
las acotaciones.
Posteriormente, en el artculo se examinan las tcnicas bsicas para fijar variables, mejorar
acotaciones y mejorar coeficientes.
2). Extensiones de las Tcnicas bsicas
En la segunda parte del artculo se trabaja sobre los mismos puntos que en las tcnicas bsicas:
- Identificacin de infactibilidad,
- identificacin de redundancias,
- mejoramiento de las cotas,
- fijacin de variables y
- mejoramiento de coeficientes,
pero bajo condiciones particulares con lo cual se pueden aplicar nuevas tcnicas que mejoran el
mtodo de solucin.

1). Tcnicas bsicas para los
problemas de programacin
entera mixta
2). Extensiones de las
tcnicas bsicas para los
problemas de programacin
de entera mixta
Tcnicas para la programacin de
problemas enteros mixtos
Elabor Dr. Eduardo Gutirrez Gonzlez
2
EJERCICIOS
1).- Un estudio de cine planea producir 5 pelculas durante los prximos 3 aos. Defina las
variables
it
x , donde el subndice i se refiere a la pelcula en particular ( 5 , 4 , 3 , 2 , 1 = i ) y el
subndice t se refiere al ao ( 3 , 2 , 1 = t ). Las variables
it
x son enteras binarias que valen 1 si
la i-sima pelcula se produce en el ao t, y cero si no se produce. Modele las restricciones
de cada inciso, considerando que son independientes.
a).- No puede producir ms que una pelcula en el primer ao.
b).- La pelcula 2 no puede producirse antes que la pelcula 3; sin embargo, pueden
producirse en el mismo ao
c).- Debe producirse al menos una pelcula cada ao.
d).- La pelcula 4 debe producirse a ms tardar el ao 2.
e).- La pelcula 1 y 5 no pueden producirse en el mismo ao.
2).- Problema 12.3-5
Una lnea area piensa comprar Jets de pasajeros grandes, medianos y chicos. El precio de
compra ser de $67 millones por cada avin grande, $50 millones por cada avin mediano y $35
millones por cada avin chico. El consejo directivo ha autorizado un compromiso mximo de
$1,500 millones para estas compras. Sin importar qu aviones se compren, se espera que las
distancias de viajes areos sean lo suficientemente grandes como para que los aviones se utilicen,
en esencia, a su capacidad mxima. Se estima que la ganancia neta anual (despus de restar los
costos de recuperacin de capital) ser $4.2 millones para un avin grande, $3 millones para uno
mediano y $2.3 millones para un avin chico.
Se piensa que la compaa podr disponer de suficientes pilotos entrenados para operar 30
aviones nuevos. Si slo se compraran aviones chicos, las instalaciones de mantenimiento podran
manejar 40 aviones, pero cada avin mediano equivale a
3
1
1 aviones chicos y cada avin grande
equivale a
3
2
1 aviones chicos, en trminos de la utilizacin de las instalaciones de mantenimiento.
La gerencia desea saber cuntos aviones comprar a fin de maximizar la ganancia.
3).- Una compaa distribuidora desea minimizar el costo de transportar los bienes desde sus
almacenes A, B, C hasta los centros de venta al menudeo 1,2,3, . Los costos del transporte de
una unidad desde el almacn hasta el minorista aparecen en la siguiente tabla.

ALMACEN M1 M2 M3 COSTOS FIJOS
A 15 32 21 5000
B 9 7 6 750
C 11 18 5 600
DEMANDA 200 150 175

Los costos fijos de operacin de cada almacn son 5000 para A 750 para B y 600 para C y por lo
menos 2 de ellos deben de estar abiertos a la vez. Podemos suponer que los almacenes tienen una
capacidad de almacenamiento ilimitada, formule y resuelva una PLE para decidir que almacenes
debern abrirse y la cantidad de bienes que conviene enviar desde cada almacn a cada minorista
4).- El gerente de una empresa est tratando de decidir cules proyectos financiar para el prximo
ao. Recibi 8 propuestas (A, B, C, D, E, F, G y H) que se muestran en la tabla de abajo.
Investigacin de Operaciones
3
Despus de un estudio minucioso, hizo un clculo estimado del valor de cada proyecto en una
escala de 0 a 100. El gerente desea encontrar una combinacin de proyectos que tenga el
valor total ms alto. Sin embargo, existen varias limitaciones. Cuenta con un presupuesto de
320,000 um; debe aceptar o descartar un proyecto (no hay inversin parcial); a lo ms debe
invertir en uno de los proyectos G o H; finalmente si el proyecto A no recibe recursos,
entonces el proyecto D tampoco debe recibir recursos. Obtenga la mejor combinacin de
proyectos.
Proyecto Costo en miles de um Valor
A 80 40
B 15 10
C 120 80
D 65 50
E 20 20
F 10 5
G 60 80
H 100 100
5).- Una ciudad considera la relocalizacin de sus subestaciones de policas para hacer frente al
crimen organizado. Los lugares bajo consideracin y las reas que cubriran se describen a
continuacin. Determine el nmero mnimo de subestaciones que cubren los servicios de
vigilancia de toda la ciudad.
Lugares potenciales para
ubicacin de subestaciones
reas de la ciudad
que cubren
A 1, 5, 7
B 1, 2, 7
C 1, 3
D 2, 4, 5
E 3, 4
F 4, 5, 6
G 1, 6, 7
6).- Problema de asignacin
Los cinco mejores nadadores y sus mejores tiempos (en segundos) en cada estilo son los
siguientes:
Tipo de Nado
Carlos Cristina David Antonio Jos
Dorso
Pecho
Mariposa
Libre
37.7
43.4
33.3
29.2
32.9
33.1
28.5
26.4
33.8
42.2
38.9
29.6
37.0
34.7
30.4
28.5
35.4
41.8
33.6
31.1
El entrenador quiere determinar cmo asignar cuatro nadadores a los cuatro tipos de nado para
minimizar la suma de los mejores tiempos correspondientes.

4
7).- Problema de asignacin de personal
El administrador de un centro comercial, que debe atender las 24 horas, tiene el problema de
minimizar recursos en la nomina de los trabajadores. En la tabla de abajo a la izquierda se
muestra los periodos de 4 horas y la cantidad de personal necesario para atender. El problema
conociste en que los empleados son sindicalizados y por cuestiones de contrato con el sindicato
sus periodos de trabajo son de 8 horas, segn el escalonamiento mostrado en la tabla de abajo a la
derecha.
Periodo
Personal
necesario
Turno
Inicio de
turno
Fin de
turno
9 pm a 1 am 13 1 9 pm 5 am
1 am a 5 am 1 2 1 am 9 am
5 am a 9 am 7 3 5 am 1 pm
9 am a 1 pm 6 4 9 am 5 pm
1 pm a 5 pm 6 5 1 pm 9 pm
5 pm a 9 pm 17 6 5 pm 1 am
Total 50
8).- A una compaa se le presentan 5 posibilidades de inversin, cuyos gastos y rendimientos en
miles de u.m. son:
Inversin 1 2 3 4 5
Gastos 8 4 6 3 9
Rendimientos 32 21 24 15 16
El capital total disponible para invertir es de $25,000 u.m. Adems se debe cumplir que si
la cartera de inversiones de la compaa incluye la inversin 2, deber seleccionar tambin la
inversin 4. Por otro lado, las inversiones 2 y 3 son mutuamente excluyentes. Plantee un modelo
que maximice los rendimientos.
9).- En una delegacin del D.F. dividida en 5 colonias se quieren construir dos estaciones de
bomberos, para esto se han estudiado los lugares posibles en cada colonia en donde es factible
realizar la construccin de las estaciones. Una de las condiciones es que se puede construir
una sola estacin de bomberos por colonia. Otra condicin se refiere a que cada estacin de
bomberos pueda responder a todos los llamados que reciba de cualquiera de las 5 colonias. El
objetivo es minimizar el promedio global de los tiempos de respuesta a los incendios por las
dos estaciones. La siguiente tabla da el tiempo promedio de respuesta (en minutos) a un
incendio desde cada lugar factible de la colonia en donde es posible construir la estacin. El
ltimo rengln proporciona el pronstico del nmero promedio de incendios diarios que
ocurrirn en cada uno de los sectores.
Estacin asignada
localizada en la
colonia
Tiempos de respuesta
incendios en la colonia
1 2 3 4 5
1 5 12 30 20 15
2 20 4 15 10 25
3 15 20 6 15 12
4 25 15 25 4 10
5
5 10 25 15 12 5
Frecuencia de
emergencias (por da)
2 1 3 1 3

Formule un modelo completo de PEB para el problema.
10).- Problema de distribucin
Una empresa debe repartir las cantidades de materiales entre seis clientes (A, B, , F), ver tabla
de abajo. Por otro lado, existen cinco camiones que pueden utilizarse para hacer estas entregas.
Con el uso de divisiones, un camin puede entregar una mezcla de cargas hasta llenar su
capacidad. Sin embargo, la orden de un cliente no puede distribuirse en distintos camiones. Los
camiones disponibles y sus capacidades se muestran en la tabla de la derecha.
Cliente
Cantidad en
toneladas
Camin
Cantidad en
toneladas
A 0.25 1 1
B 0.50 2 2
C 1.50 3 1
D 0.50 4 2
E 0.75 5 1.5
F 1.00
Los costos asociados con cada camin que hagan la entrega al cliente se muestran en la siguiente
tabla
Camin
Cliente
A B C D E F
1 17 19 21 20 20 21
2 15 18 20 18 19 23
3 18 19 22 22 21 22
4 15 16 19 18 18 20
5 16 15 20 22 19 20
Adems de estos costos, existe un cargo fijo de 10 um en los camiones 1, 3 y 5 y, de 15um en los
camiones 2 y 4. Se incurre en estos costos si el camin se usa. Finalmente, existe la restriccin
de que en el mismo camin no pueden entregarse los pedidos a los clientes A y B. Minimice los
costos de transportacin para la distribucin de los materiales.

11).- Problema de distribucin
Una empresa opera dos cadenas de restaurantes (I y II) mediante franquicias en una ciudad
determinada. De acuerdo con los trminos del contrato, con cualquier franquicia del tipo I, los
dems restaurantes tienen derechos exclusivos en un radio de 2 kilmetros a la redonda. Esto
significa que cualquier sitio seleccionado para las franquicias I debe quedar, por lo menos, a 4
kilmetros de distancia. Existe un acuerdo similar en los contratos para las franquicias II, pero los
derechos exclusivos estn garantizados dentro de 2.5 kilmetros; es decir que los restaurantes de
6
la franquicia II deben quedar por lo menos a 5 kilmetros de distancia. Con respecto a las dos
cadenas no existen restricciones. La tabla siguiente muestra las distancia entre los sitios
potenciales para los restaurantes en kilmetros.
Distancias entre los sitios potenciales para los restaurantes en km
a
de
1 2 3 4 5 6 7 8 9 10
1
0 3.7 2.2 3.2 6.4 7.3 8.6 8.8 13 10.2
2
3.7 0 2.6 5.7 3.3 6.6 9.6 10.3 13.1 7.5
3
2.2 2.6 0 3.2 4.5 5.3 7.4 7.7 11.4 8.2
4
3.2 5.7 3.2 0 7.5 5.7 5.6 5.7 10.4 10.3
5
6.4 3.3 4.5 7.5 0 5.2 9.4 10.1 11.5 4.4
6
7.3 6.6 5.3 5.7 5.2 0 4.8 5.6 6.6 5.5
7
8.6 9.6 7.4 5.6 9.4 4.8 0 1.2 5.2 10.2
8
8.8 10.3 7.7 5.7 10.1 5.6 1.2 0 5.9 11.4
9
13 13.1 11.4 10.4 11.5 6.6 5.2 5.9 0 10.2
10
10.2 7.5 8.2 10.3 4.4 5.5 10.2 11.4 10.2 0
Cada uno de los 10 sitios potenciales puede constituirse como tipo I o II, pero no ambos. Se desea
maximizar el rendimiento neto de la empresa. Las utilidades netas por franquicia son 1500,
1400, 2000, 3500, 2200, 2700, 2100, 2300, 2600, 2000, 2100, 2300, 2400, 2500, 2600, 2300,
3000, 3100, 3000 y 2500 respectivamente.
12).- Problema de planeacin de la produccin
En una lnea de produccin se fabrican dos productos, A y B, cuyos datos se muestran en la tabla
de abajo a la izquierda. El tiempo total disponible (para la produccin y la puesta en marcha)
cada semana es de 80 horas. La empresa no tiene inventario de producto alguno al principio de la
semana 1, y no se permite que lo tenga al final de la semana 4. El costo de almacenar una unidad
de una semana a la siguiente es de 4um por producto. Una unidad de demanda no satisfecha
cuesta 10um para el producto A y 15um para el producto B. Los datos sobre la demanda aparecen
en la tabla de abajo a la derecha
Datos sobre los productos Datos de la demanda
Concepto
Producto
Semana
Producto
A B A B
Tiempo de arranque 5 horas 10 horas 1 80 15
Tiempo de produccin por unidad 0.5 horas 0.75horas 2 100 20
Costo de arranque 200um 400um 3 75 50
Costo de produccin por unidad 10um 15um 4 80 30
Precio de venta 20um 30um
La lnea se cierra cada fin de semana para realizar operaciones de limpieza. Por lo tanto, si un
producto es fabricado en una semana, tendr que pagarse el costo y tiempo de arranque del
7
equipo. Slo un tipo de producto puede fabricarse durante la semana. No puede haber produccin
durante el tiempo en que se pone en marcha la lnea. El objetivo consiste en maximizar las
utilidades obtenidas durante estas cuatro semanas, considerando que no se pueden fabricar en la
misma semana (al mismo tiempo) los dos productos en la lnea (programacin entera mixta).
13).- Los gobernantes de una ciudad pusieron en licitacin la construccin de su nuevo saln de
actos, que constan de cinco partes. F-cimientos, S-estructura, P-plomera, E-elctrica e I-
interior. El contratante del gobierno especific que las licitaciones pueden hacerse por partes
o combinaciones de partes del trabajo y que se permitiran mltiples licitaciones. Hay cinco
contratistas del rea, considerados confiables, en dicha ciudad 1, 2, 3, 4 y 5, y cuyos datos
aparecen en la tabla de abajo.
Contratista
Nmero de
licitacin
Partes del trabajo en
licitacin
Monto de la licitacin
en miles de um
1
1 Slo F 700
2 F + S 3,800
3 F + S + P 4,500
2
1 P + E 1,100
2 P + E + I 1,900
3 Todo el trabajo 5,800
3
1 Slo P 700
2 Slo E 600
3 Slo I 1,000
4 P + E 1,200
4
1 S + P 3,600
2 S + P + E 4,100
3 F + S + P + E 4,600
5
1 Slo F 900
2 Slo S 3,200
3 Slo P 800
4 Slo E 500
5 Slo I 1,200
Adems el contratista 5 especific que dara un descuento de 10% de la parte de su propuesta, si
reciba el contrato para realizar cuatro o ms de las partes del trabajo. Los gobernantes de la
ciudad tiene la tarea de asignar los contratos de manera que los costos se minimicen. Pero quieren
que la formulacin sea lo suficientemente general como para que se mantenga con diferentes
precios de la propuesta. Por otro lado, los contratistas 1 y 2 han puesto otra restriccin adicional
de que ambos no pueden aceptar estar juntos.

14).- Problema de expansin de capacidad
Una compaa de servicio elctrico est planeando ampliar su capacidad de generacin durante
los prximos cinco aos. La capacidad actual es de 800 megawatts (mw), pero de acuerdo con
sus propios pronsticos de demanda, va a requerir la capacidad adicional que se muestra en la
tabla de abajo a la izquierda. La compaa de servicio elctrico podr aumentar su capacidad de
generacin con la instalacin de unidades generadoras de 10, 50 o 100mw. El costo de
8
instalacin de un generador depende de su tamao y del ao en que entre en servicio. Los datos
se muestran en la tabla de abajo a la derecha.
Ao
Capacidad
mnima mw

Capacidad del
generador
mw
Ao
1 880 1 2 3 4 5
2 960 10 300 250 208 173 145
3 1050 50 670 558 465 387 322
4 1160 100 950 791 659 549 458
5 1280
Una vez que el generador entra en servicio, su capacidad est disponible para satisfacer la
demanda en los aos subsiguientes. Minimice el costo de poner en servicio generadores,
satisfaciendo al mismo tiempo los requisitos de capacidad mnima. Sugerencia: defina variables
para las cantidades respectivas de generadores de 10, 50 y 100 mw puestos en servicio para cada
ao y otras variables para las capacidades iniciales totales por ao (note que al inicio la variable
introducida vale 800mw), cuando los generadores definidos previamente hayan entrado en
servicio.
15).- 12.3.1 La divisin de investigacin y desarrollo de una compaa ha venido desarrollando
cuatro lneas posibles de nuevos productos. La administracin debe ahora tomar una decisin
sobre cules de estos cuatro productos producir y a que niveles. Ha pedido al departamento de
IO que formule un modelo de programacin matemtica para encontrar la mezcla de
productos ms redituable.
La puesta en marcha de la produccin de cualquier producto se asocia a un costo sustancial,
proporcionado en el primer rengln de la tabla. El objetivo de l administracin es encontrar la
mezcla de productos que maximice la ganancia total (ingreso neto total menos costos fijos).

PRODUCTO
1 2 3 4
COSTO FIJO $ 50,000 $ 40,000 $ 70,000 $ 60,000
INGRESO MARGINAL $ 70 $ 60 $ 90 $ 80

Defina las variables de decisin continuas x
1
, x
2
, x
3
y x
4
como los niveles de produccin de los
productos 1, 2, 3 y 4. Por polticas de la empresa, la gerencia ha impuesto las siguientes
restricciones sobre estas variables:
1. A lo mas dos de estos productos deben producirse
2. Cualquiera de los productos 3 o 4 se puede producir solo si se produce el producto 1 o el 2
3. O bien 5x
1
+3x
2
+6x
3
+4x
4
<=6000 o 4x
1
+6x
2
+3x
3
+5x
4
<=6000
a) Introduzca variables binarias auxiliares para formular un modelo de PEM para este
problema
b) Use la computadora para resolver este modelo

9
16).- 12.1.3 Una empresa de bienes races, Peterson & Johnson, analiza cinco proyectos de
desarrollo posibles. La siguiente tabla muestra las ganancias a largo plazo estimadas (valor
presente neto) que generara cada proyecto y la inversin requerida para emprenderlo, en
millones de dlares
PROYECTO DE DESARROLLO
1 2 3 4 5
GANANCIA ESTIMADA 1 1.8 1.6 0.08 1.4
CAPITAL REQUERIDO 6 12 10 4 8

Los propietarios de la empresa, Dave Peterson y Ron Johnson, reunieron $20 millones de capital
de inversin para estos proyectos. Ellos quieren elegir la combinacin de proyectos que
maximice la ganancia total estimada a largo plazo (valor presente neto) sin invertir ms de $20
millones.
a. Formule un modelo de PEB para este problema
b. Muestre el modelo en una hoja de clculo de Excel
c. Use la computadora para resolver este modelo
17).- Se encuentra en desarrollo una nueva comunidad planeada y una de las decisiones que se
deben tomar es el sitio en donde conviene localizar las dos estaciones de bomberos que se le
asignaron. Para propsitos de planeacin, se dividi esta comunidad en cinco sectores, con
una sola estacin de bomberos en un sector dado. Cada estacin debe responder a todos los
llamados que reciba de los sectores en la que se localiza y a la de otros que se le asignen.
Entonces, las decisiones son: 1) los sectores que deben tener una estacin de bomberos y 2) la
asignacin de cada uno de los otros sectores a una de las estaciones. El objetivo es minimizar
el promedio global de los tiempos de respuesta a los incendios.
La siguiente tabla da el tiempo de respuesta promedio (en minutos) a un incendio en cada
sector (las columnas) si el servicio se presta desde una estacin en un sector dado (los
renglones). El ltimo rengln proporciona el pronstico de nmero promedio de incendios
diarios que ocurrir en cada uno de los sectores.

Tiempo de respuesta
Estacin asignada
localizada en el sector
Incendios en el sector
1 2 3 4 5
1 5 12 30 20 15
2 20 4 15 10 25
3 15 20 6 15 12
4 25 15 25 4 10
5 10 25 15 12 5
Frecuencia
de emergencias
2 1 3 1 3

Formule un modelo completo de PEB para este problema. Identifique cualquier restriccin
que corresponda alternativas mutuamente excluyentes o a decisiones contingentes.
18).- Reconsidere el problema anterior y suponga que ahora el costo (en miles de dlares) de
asignar una estacin de bomberos en un sector es 200 para el sector 1, 250 para el sector, 400
10
para el sector 3, 300 para el sector 4, y 500 para el sector 5. Suponga adems que sea
cambiado el objetivo a:
Determine qu sector debe tener una estacin con el fin de minimizar el costo total de las
estaciones al mismo tiempo que asegurar que cada sector tenga al menos una estacin lo
suficientemente cerca para o responder a un incendio en no ms de 15 minutos (en
promedio). Observe que al contrario del problema original, el nmero total de estaciones de
bomberos no es fijo. Lo que es ms, si un sector sin estacin tiene ms de una estacin a 15
minutos o menos, ya no es necesario asignar este sector a solo una de las estaciones.
Formule un modelo de PEB pura con 5 variables binarias, para este problema y resuelva.
19).- Suponga que un estado manda R personas a la cmara de diputados. Existen D municipios
en el estado ( R D> ) y la legislatura estatal quiere agrupar estos municipios en R distritos
electorales, cada uno de los cuales elegir un diputado. La poblacin total del estado es P y la
legislatura desea formar distritos cuya poblacin se aproxime a R P p / = . Suponga que el
comit legislativo correspondiente que estudia el problema a generado una larga lista de N
candidatos a ser distritos ( R N > ). Cada uno de estos candidatos contiene municipios
contiguos y una poblacin total ) ,..., 2 , 1 ( N j p
j
= que es aceptable cercana a . p Defina
p p c
j j
= . Cada municipio ) ,..., 2 , 1 ( D i i = est incluido al menos con un candidato a ser
distrito y casi en todos los casos est incluido con un gran nmero de candidatos (con el fin
de proporcionar muchas maneras factibles de seleccionar un conjunto de R candidatos que
incluyan a cada municipio exactamente una vez). Defina
=
no si 0
candidato el con incluye se municipio el si 1 j i
a
ij

Dados los valores de las
j
c y las
ij
a , el objetivo es seleccionar R de estos N posibles
distritos. tales que cada municipio est contenido en un solo distrito y que la ms grande de
las
j
c asociadas sea lo ms pequea posible. Formule un modelo de PEB para este problema
20).- Una profesora estadounidense pasar un periodo sabtico corto en la University of
leeland. Ella quiere llevar en su viaje en avin todos los artculos necesarios. Despus de
reunir su material profesional se dio cuenta de que las reglas de lnea area sobre el espacio y
el peso de las maletas registradas limitarn severamente la cantidad de ropa que puede
empacar (piensa llevar un abrigo caliente y. al llegar Islandia, comprar un suter grueso). La
ropa que quiere empacar incluye 3 faldas, 3 pantalones, 4 blusas y 3 vestidos. La profesora
quiere maximizar el nmero de combinaciones que podr usar en Islandia (incluyendo el
vestido especial que se pondr para el viaje). Cada vestido constituye una combinacin. Otras
combinaciones consisten en una blusa y una falda o un pantaln. Sin embargo, algunos de
ellos juntos no se ven bien y no califican como combinacin.
En la siguiente tabla se marcaron con una x aquellos que forman una combinacin.
Blusa Suter de
Islandia 1 2 3 4

Falda

1 x x x
2 x x
3 x x x x
11
Pantaln

1 x x
2 x x x x
3 x x x
En la siguiente tabla se muestra el peso (en gramos) y el volumen (en centmetros cbicos)
de cada pieza de ropa.
Peso Volumen

Falda
1 600 5000
2 450 3500
3 700 3000

Pantaln
1 600 3500
2 550 6000
3 500 4000

Blusa
1 350 4000
2 300 3500
3 300 3000
4 450 5000

Vestido
1 600 6000
2 700 5000
3 800 4000
Total permitido 4000 32000
Formule un modelo de PEB para elegir las piezas de ropa que debe llevar. (Sugerencia:
despus de usar variables de decisin binarias para representar las piezas individuales debe
introducir variables binarias auxiliares para representar las combinaciones del caso. Despus
utilice las restricciones y la funcin objetivo para asegurar que estas variables auxiliares
tienen los valores correctos, dados los valores de las variables de decisin.)
21).- Una lnea area piensa comprar jets de pasajeros de tamao grande, mediano y chico. El
precio de compra ser de $33.5 millones por cada avin grande, $ 25 millones por uno
mediano, $ 17.5 millones por cada uno chico. El consejo directivo a autorizado un
compromiso mximo de $ 750 millones para estas compras. Sin importar que aviones se
compren, se espera que las distancias de viajes areos sean lo suficientemente grandes como
para que los aviones se utilicen, en esencia, a su capacidad mxima.
Se estima que la ganancia neta anual (despus de restaurar los costos de recuperacin de
capital) ser de $ 2.1 millones para un avin grande, $ 1.5 millones si se trata de un avin
mediano, $ 1.15 millones por cada avin chico.
Se piensa que la compaa podr disponer de suficientes pilotos entrenados como para
operar 30 aviones nuevos. Si slo se compran aviones chicos, las instalaciones de
mantenimiento podrn manejar 40 aviones, pero cada avin mediano equivale a
3
1
1 aviones
chicos y cada avin grande equivale a
3
2
1 aviones chicos, en trminos de la utilizacin de las
instalaciones de mantenimiento.
Esta informacin se obtuvo mediante un anlisis preliminar del problema. Ms adelante se
llevar a cabo un estudio ms detallado. No obstante, si se toman estos datos como una
primera aproximacin, la gerencia desea saber cuntos aviones de cada tipo se debe comprar
con el fin de maximizar la ganancia.
a) Formule un modelo de PE para este problema.
12
b) Utilice la representacin binaria de las variables para reformular el modelo de PE del
inicio a) como un modelo de PEB.

13
22).- Caso 12.2 ASIGNACIN DE ARTE
Se haba vuelto un sueo convertido en realidad para Ash Briggs, un artista tenaz que viva en el
rea de la baha de San Francisco. Haba hecho un recorrido a la miscelnea de la esquina un
viernes para comprar algo de leche y, por un impulso, tambin haba comprado un billete de
lotera de California. Una semana despus, era multimillonario.
Ash no quiso despilfarrar sus ganancias en artculos materialistas triviales. En su lugar,
quiso usar su dinero para apoyar su verdadera pasin: el arte. Ash conoca demasiado bien las
dificultades de reconocimiento como artista en esta sociedad tecnolgica postindustrial donde es
rara la apreciacin artstica y el apoyo financiero todava ms raro. Por ello decidi usar el
dinero para financiar una exhibicin de artistas modernos incipientes en el museo de arte
moderno de San Francisco.
Ash se acerc a los directores del museo con su idea y stos se entusiasmaron de inmediato
despus que les inform que financiara la exhibicin completa aparte de donar $1 milln al
museo. Celeste McKenzie, una directora del museo, fue asignada para trabajar con Ash en la
planeacin de la exhibicin. La exhibicin estaba planeada para abrirse en un ao a partir del da
en que Ash se reuni con los directores y las piezas de exhibicin permaneceran por dos meses
de exhibicin.
Ash comenz el proyecto peinando la comunidad de arte moderno en busca de artistas y
obras potenciales. Present a Celeste una lista (ver pgina siguiente) de artistas, sus obras y el
precio de exhibir cada una (el precio de exposicin incluye el costo de pagarle a los artistas por
prestar la obra al museo, transportarla a San Francisco, construir el exhibidor para la pieza,
asegurarla mientras est en exhibicin y transportarla de regreso a su origen).
Ash tiene ciertos requisitos para la exhibicin. Cree que la mayora de los estadounidenses
carecen de conocimientos adecuados de arte y estilos artsticos y quiere exhibir para educarlos.
Ash quiere que los visitantes se percaten del collage como una forma artstica, pero cree que
requieren de poco talento. Por ello decide incluir uno slo. Adicionalmente, Ash quiere que los
espectadores comparen las lneas delicadas en una escultura tridimensional de malla de alambre
con lneas delicadas en un dibujo bidimensional generado en una computadora. Por ello, quiere
desplegada al menos una escultura de malla de alambre, si se exhibe un dibujo generado en
computadora. De manera alternativa, quiere al menos un dibujo generado en computadora si se
despliega una escultura de malla de alambre. Ms an, Ash quiere exponer a los espectadores a
todos los estilos de pintura, pero quiere limitar el nmero de pinturas desplegadas para lograr un
equilibrio en la exhibicin entre pinturas y otras formas de arte. Por ello decide incluir al menos
una pintura fotorrealista, al menos una pintura cubista y al menos una pintura expresionista, al
menos una acuarela y al menos un leo. Al mismo tiempo, quiere que el nmero de pinturas no
sea mayor al doble de otras formas artsticas.
Ash quiere todas sus pinturas particulares sean incluidas en la exhibicin puesto que la est
patrocinando y porque celebran el rea de la baha de San Francisco, sede de la exhibicin.
Ash tiene sesgos a favor y en contra de algunos artistas. Mantiene actualmente un trrido
romance con Candy Tate y quiere que se exhiban sus dos pinturas. Ash cuenta a David Lyman y
14
a Rick Rawls como sus mejores amigos y no quiere hacer favoritismo entre estos dos artistas.
Por ello decide exhibir el mayor nmero de piezas de David Lyman y de Rick Rawls y exhibir al
menos una pieza de cada uno de ellos. Aunque Ziggy Lite es muy popular en crculos artsticos,
Ash cree que Ziggy hace una burla del arte. Ash por consiguiente aceptar slo una obra de
Ziggy, para la exposicin, si se tiene y ninguna ms.
Celeste tambin tiene su propia agenda para la exposicin. Como directora del museo est
interesada en representar a una poblacin de artistas diversa, atractiva para un auditorio amplio y
crear una exhibicin polticamente correcta. Para promover el feminismo decide incluir al menos
una pieza de una artista mujer por cada dos piezas incluidas de artistas hombres. Para promover
el ambientalismo, decide incluir ya sea una o las dos obras Tierra envejecida y Recursos
desperdiciados. Para fomentar los derechos de los americanos indgenas, decide incluir al
menos una pieza de Bear Canton. Para fomentar la ciencia decide incluir al menos una de las
siguientes piezas: Reina el caos, Quin tiene el control, Ms all y Pioneros.
Celeste tambin comprende que el espacio del museo es limitado. Este slo cuenta con
suficiente espacio de piso para cuatro esculturas y suficiente espacio de pared para 20 pinturas,
collages y dibujos.
Por ltimo, Celeste decide que si se incluye Narcisismo, tambin debe exhibirse
Reflexin, puesto que la reflexin tambin sugiere narcisismo.
Por favor explore en forma independiente las siguientes preguntas, salvo cuando se indique
lo contrario
a) Ash decide asignar $4 millones para financiar la exposicin. Dadas las piezas disponibles
y los requisitos especficos de Ash y Celeste, formule y resuelva un problema de
programacin entera binaria para maximizar el nmero de piezas desplegadas en la
exhibicin sin exceder del presupuesto. Cuntas piezas se exhiben? Qu piezas se
exhiben?
b) Para asegurar que la exhibicin atraiga la atencin del pblico, Celeste decide que debe
incluir al menos 20 piezas. Formule resuelva un problema de programacin entera binaria
para minimizar el costo de la exhibicin y al mismo tiempo exponer al menos 20 piezas y
cumplir los requisitos impuestos por Ash y Celeste. Cunto cuesta la exhibicin? Qu
piezas se exhiben?
c) Un patrono influyente del trabajo de Rita Losky, quien encabeza el consejo de
administracin del museo, se entera de Celeste requiere al menos 20 piezas para la
exhibicin. Ofrece pagar la cantidad mnima requerida adems de los $4 millones de Ash
para asegurar que se exhiban exactamente 20 piezas la exposicin y que se muestren todas
las piezas de Rita. Cunto tiene que pagar el patrono? Qu piezas se exhiben?

15
Artista Pieza Descripcin de la pieza Precio
Colin Zweibell
CZ
(1) Perfeccin Escultura de malla de alambre de un cuerpo humano $300 000
(2) Carga Escultura de malla de alambre de una mula 250 000
(3) El gran igualador Escultura de malla de alambre de un rifle 125 000
Rita Losky
RL
(1)Reina el caos Una serie de dibujos generados por computadora 400 000
(2) Quin tiene el
control
Un dibujo generado por computadora entremezclado con lneas
de cdigo de computadora
500 000
(3) Domesticacin Dibujo de pluma y tinta de una casa 400 000
(4) Inocencia Dibujo de pluma y tinta de un nio 550 000
Norm Marson
NM
(1) Tierra envejecida Escultura de basura que cubre un gran globo 700 000
(2) Recursos
desperdiciados
Collage de varios materiales de empaque 575 000
Candy Tate
CT
(1) Serenidad Pintura de acuarela toda en azul 200 000
(2) Calma antes de la
tormenta
Pintura con un fondo de acuarela en azul y un cetro de acuarela
negra
225 000
Robert Bayer
RB
(1) Vaco leo todo en negro 150 000
(2) Sol leo todo en amarillo 150 000
David Lyman
DL
(1) Ventana de la
tienda
Pintura fotorrealista de una ventana de exhibicin de una joyera 850 000
(2) Harley Pintura fotorrealista de una motocicleta Harley-Davidson 750 000
Angie Oldman
AO
(1)Consumismo Collage de anuncios de revistas 400 000
(2) Reflexin Un espejo (considerado una escultura) 175 000
(3) Victoria troyana Escultura de madera de un condn 450 000
Rick Rawls
RR
(1) Rick Autorretrato fotorrealista (pintura) 500 000
(2) Rick II Autorretrato cubista (pintura) 500 000
(3) Rick III Autorretrato expresionista (pintura) 500 000
Bill Reynolds
BR
(1) Ms all leo de ciencia ficcin que describe la colonizacin de Marte 650 000
(2) Pioneros leo de tres astronautas a bordo del trasbordador espacial 650 000
Bear Canton
BC
(1) Sabidura Dibujo a pluma y tinta de un cacique indio 250 000
(2) Poderes superiores
Dibujo a pluma y tinta de una danza de ha lluvia tradicional
indgena americana
350 000
(3) Tierra viviente leo del Gran Can 450 000
Helen Row
HR
(1) Estudio de un
violn
Pintura cubista de un violn 400 000
(2) Estudio de un
frutero
Pintura cubista de un frutero 400 000
Ziggy Lite
ZL
(1) Mi tocayo Collage de caricaturas de Ziggy 300 000
(2) Narcisismo Collage de fotografas de Ziggy Lite 300 000
Ash Briggs
AB
(1) Todo cuanto brilla Pintura en acuarela del Golden Gate Bridge 50 000*
(2) La roca Pintura en acuarela de Alcatraz 50 000
(3) Camino curvo Pintura en acuarela de Lombard Street 50 000
(4) Sueos vueltos
realidad
Pintura en acuarela del museo de arte moderno de San Francisco 50 000

* Ash no requiere compensacin personal y el costo de transportar sus piezas al museo desde su casa
en San Francisco es mnimo. Por ello, el costo de exhibir sus piezas incluye el costo de construir el
exhibidor y asegurar las piezas.
16
Optimizacin de la planeacin de admisin de
pacientes en un hospital
Objetivos
En el trabajo se buscar la forma de optimizar la carga de pacientes y utilizacin de los recursos
de un hospital para el caso concreto de la especialidad en ortopedia.
I. Introduccin
En el presente trabajo se muestra la solucin de un problema de programacin entera en donde se
quiere optimizar la planeacin de la admisin de pacientes a un hospital, para tal efecto se tiene
que los pacientes pueden ingresar en un hospital de tres maneras:
- como un enfermo ambulatorio
- como un paciente de urgencia y
- como un derecho habiente.
Por otro lado, pueden distinguirse las admisiones de un derecho-habiente en dos tipos:
programado y no programado.
En general la planeacin de las admisiones de los pacientes a un hospital es demasiado
complicada, simplemente en el caso de los derecho-habientes se da una lista de espera o se da una
cita para una fecha de admisin, pero an con ellos pueden ocurrir, admisiones de urgencias con
pacientes de gravedad que se admiten inmediatamente, como consecuencia de una decisin
mdica dada por un especialista. Condiciones que complican considerablemente la programacin
en la admisin de los pacientes, razn por la cual en este trabajo nosotros nos concentraremos
slo en las admisiones programadas del derecho habiente.
La planeacin de admisiones decide el nmero de pacientes aceptados para una especialidad
cada da. Dentro de una especialidad pueden distinguirse diferentes categoras de pacientes
dependiendo de los recursos. Los tipos de recursos requerido para una admisin puede
involucrar, entre otras:
- camas,
- la capacidad de la sala de operacin (en caso de una especialidad quirrgica),
- la capacidad de enfermeras y
- las camas de cuidado intensivo (IC).
Otros recursos involucrados podran considerar secciones de diagnstico (por ejemplo, el
laboratorio de radiologa), pero stos no sern considerados en el trabajo.
Por consiguiente, la mezcla de admisiones es una decisin importante para el hospital con la
cual se puede manejar la carga de trabajo de la llegada de los derecho-habientes.
17
La manera actual de tratar este problema est basada en la experiencia preferida del
proyectista que en un procedimiento formal. A menudo el nico enfoque es la capacidad de la
sala de operaciones, porque es importante que este recurso este usado a su mxima capacidad. La
planeacin de admisin est sujeta a la planeacin de la sala de operaciones, cuando los otros
recursos involucrados no son considerados. No hay ninguna herramienta actualmente, disponible
para evaluar el perfil de admisin del paciente en sus consecuencias para los recursos
combinados involucrados.
En este trabajo nosotros consideramos el problema de la planificacin siguiente:
Cmo puede generar un hospital un perfil de admisin de un paciente para una
especialidad?
La prxima seccin describe el modelo de la programacin lineal entera que se ha
desarrollado para este problema de la planificacin. La seccin penltima discutir la aplicacin
de este modelo para la ortopedia en un hospital piloto. La seccin final refleja en nuestra
contribucin a este problema de la planificacin, formulando conclusiones y recomendaciones
para la investigacin futura.
II. Factores relevantes del modelo
Nosotros en esta seccin traducimos el problema de la planificacin en un modelo matemtico en
la forma de un programa lineal entero (ILP). Enseguida nosotros describiremos varios factores
que son pertinentes al problema de la planificacin y el modelo matemtico que formularemos.
Los siguientes factores son fundamentales en el problema de la planificacin programada de
admisin de pacientes a un hospital:
1. Periodo de planeacin. ste es el periodo de tiempo completo (tpicamente varios meses
o un ao) encima de que la admisin de pacientes tiene que ser planeada.
2. Categoras de los pacientes. Hay normalmente una variedad amplia de pacientes
semejante que necesitan ser categorizados - aparte de una agrupacin mdica - para
propsitos de planeacin para hacer el problema de la planificacin ms manejable. Los
pacientes estn en este trabajo categorizados segn su carga de trabajo para los recursos.
Los pacientes en la misma categora tienen una longitud similar de estancia y requieren en
promedio la misma cantidad de enfermera y el tiempo en la sala de operaciones.
3. Recursos. Los recursos considerados son camas, camas de IC, salas de operacin y
personal de enfermeras. stos son los recursos ms importantes que son influenciados
directamente por la llegada de los derecho-habientes.
4. Capacidad disponible de los recursos. La cama y IC la capacidad de cama estn en el
nmero total de camas disponible a la especialidad en las alas y unidad de IC,
respectivamente. La capacidad de la salas de operaciones es el tiempo operacin total
disponible por da. La carga de trabajo de las enfermeras es moderado en trminos de un
sistema del punto que permite diferenciar los requisitos de enfermeras por paciente en la
fase de la admisin; puede traducirse la capacidad de la enfermera en trminos de
jornadas equivalentes completas en el nmero de puntos que estn disponible por da.
Tpicamente, la disponibilidad de recursos vara encima del periodo de la planificacin, y
las capacidades se asignarn en un cclico (por ejemplo, semanalmente).
18
5. Planeacin del ciclo. Puesto que las capacidades se asignan cclicamente, es natural
tambin considerar modelos de admisin cclicos. En una mano, la longitud del ciclo no
debe ser demasiado corta, porque entonces los pacientes con una ocurrencia de admisin
baja no pueden ser incluidos por el ciclo de admisin. Por otro lado, a lo largo de
longitud del ciclo produce un problema de la planificacin que es computacionalmente
demasiado grande. En la prctica, la longitud del ciclo (es decir la frecuencia en la que
las sesiones son organizadas) tpicamente vara de una semana a cuatro semanas.
6. Perfil de admisin. El perfil de admisin describe el flujo de pacientes, es decir el
nmero y mezcla de pacientes que se admitieron en cada da dentro del ciclo de la
planificacin.
7. El paciente designado a hospitalizarse. El nmero designado de pacientes que deben
admitirse dentro del ciclo de la planificacin. Por supuesto, este nmero puede deducirse
fcilmente del nmero designado de los pacientes para el periodo de la planificacin.
8. Designacin de los recursos utilizados. sta es la utilizacin deseada (o proporcin de
ocupacin) de los recursos en cada da de la planeacin cclica.
9. Restricciones en perfiles de admisin. Un perfil de admisin que comprende que la
hospitalizacin designada y utilizacin del recurso todava pueden ser inaceptables para la
especialidad por varios razones. Estas razones incluyen:
- la especialidad puede querer arreglar el nmero de pacientes de una categora especfica
admitiendo en un da especfico por el ciclo de admisin.
- el nmero de pacientes de una cierta combinacin de categoras que pueden ser
alimentadas en un slo da est limitado.
Estas opciones se tratarn como restricciones adicionales para los perfiles de admisin.
Esto completa la descripcin de los factores pertinentes. Claramente, la variable de
decisin importante es el perfil de admisin.
III. Modelo matemtico
En esta subseccin nosotros traducimos el problema de la planificacin en un modelo
matemtico. Sea T denota la longitud (en das) de la planeacin cclica, y M denota el nmero de
categoras de pacientes. Los pacientes se categorizan segn su carga de trabajo para los recursos.
Para describir la carga de trabajos de pacientes de la categora i, M i , , 1 = , nosotros
introducimos las variables siguientes:
=
i
b el nmero de das que un paciente de la categora i se queda en el hospital y hay
necesidades de cama;
=
i
p el nmero de das del pre-operatorio para un paciente de categora i;
=
i
c el nmero de das que un paciente de la categora i necesita una cama de IC;
=
i
o el tiempo del funcionamiento (en minutos) para un paciente de la categora i;
19
=
it
n la carga de trabajo de la enfermera (en puntos) para un paciente de la categora i en el
da t de su estancia en el hospital, donde t corre de 1 a
i
b .
En cada da de su estancia en el hospital las necesidades de un paciente es una enfermera de
cama en el ala. Aqu nosotros asumimos que una enfermera de cama tambin es reservada
mientras el paciente est en la unidad de IC. Tpicamente, la carga de trabajo de la enfermera es
alta en el da de funcionamiento, despus disminuye gradualmente. Las variables de la carga de
trabajo se ilustran en la Tabla 1. Finalmente, la hospitalizacin designado de categora del
paciente i durante la planificacin cclica es denotado a travs de THR
i
.
Tabla 1 Nmero de admisiones por categora en sem 12 y promedio semanal
Categoras de pacientes Mix de pacientes sem 12 Mix de pacientes promedio
1 14 13
2 2 1
3 0 1
4 1 2
5 0 1
6 0 1
7 1 2
8 3 1
9 2 2
10 1 1
11 2 1
Totales 26 26
Es conveniente numerar los recursos y las salas de operacin, enfermeras, camas y camas
de IC, de 1 a 4. Para el recurso r, r = 1,... 4, nosotros introducimos las cantidades siguientes:
=
rt
C la capacidad disponible de recurso r en da t de la planeacin cclica;
=
rt
U la utilizacin designado de recurso r en da t de la planeacin cclica.
Las variables de decisin importantes en el problema de la planificacin son el nmero y
mezcla de pacientes admitidas en cada da de la planeacin cclica. Si
it
X denota el nmero de
pacientes de categora i admitido en el da t de la planeacin cclica. Claramente,
it
X es un
entero no-negativo. As,
{ } , 2 , 1 , 0 e
it
X , M i , , 1 = , T t , , 1 = ,
y ellos deben satisfacer la hospitalizacin del paciente designado, es decir:
20
i
T
t
it
THR X =
=1
, M i , , 1 = .
Nosotros queremos ahora encontrar los valores para
it
X , con los cuales la desviacin
absoluta de la realizacin designada de los recursos sea minimizada. Para este problema nosotros
introducimos las variables auxiliares
rtk
V las cuales satisfacen:
0 >
rtk
V , 4 , 3 , 2 , 1 = r , T t , , 1 = , 2 , 1 = k
Formulando las restricciones lineales, forzando stas a ser iguales a la desviacin absoluta
de las realizaciones y objetivos utilizados. Debajo de nosotros primero explicamos esto para el
recurso 1, es decir la sala de operacin. Desde los pacientes de categora i son operados despus
de ser
i
p das en el hospital, la utilizacin de la sala de operacin en da t es igual a:
=

M
i
p it i
i
X o
1
.
Aqu nosotros adoptamos la convencin de que el subndice t en
it
X debe leerse mdulo T
(para que, ej.
1 1 i iT
X X =
+
). Entonces, si nosotros requerimos que:
) 2 ( , , 1 ,
) 1 ( , , 1 ,
2 1 1
1
1 1 1
1
T t V U X o
T t V U X o
t t
M
i
p it i
t t
M
i
p it i
i
i
= >
= + s
=

=

y minimizamos la suma:
=
+
T
t
t t
V V
1
2 1 1 1
) ( ,
entonces se verifica que el mnimo se realiza para:
|
|
.
|
\
|
=
|
|
.
|
\
|
=
=

=

0 , max
0 , max
1
1 2 1
1
1
1 1
M
i
p it i t t
t
M
i
p it i t
i
i
X o U V
U X o V

De hecho, para que
2 1 1 1 t t
V V + sean iguales a la desviacin absoluta de la realizacin
utilizacin de la sala designada de operacin en el da t de la planeacin cclica.
Para los otros recursos nosotros formulamos las restricciones similares a las ecuaciones (1)
y (2). Es decir, para la enfermera, enfermera de cama y de IC nosotros obtenemos lo siguiente:
21
, , , 1 ,
, , , 1 ,
, , , 1 ,
, , , 1 ,
, , , 1 ,
, , , 1 ,
2 4 4
1 1
1
1 4 4
1 1
1
2 3 3
1 1
1
1 3 3
1 1
1
2 2 2
1 1
1
1 2 2
1 1
1
T t V U X
T t V U X
T t V U X
T t V U X
T t V U X n
T t V U X n
t t
M
i
c
d
d p it
t t
M
i
c
d
d p it
t t
M
i
b
d
d it
t t
M
i
b
d
d it
t t
M
i
b
d
d it id
t t
M
i
b
d
d it id
i
i
i
i
i
i
i
i
= >
= + s
= >
= + s
= >
= + s
= =
+
= =
+
= =
+
= =
+
= =
+
= =
+

La utilizacin comprendida de los recursos puede, por supuesto, no exceder la capacidad
disponible. As,
rt rt rt
C V U s +
1
, 4 , 3 , 2 , 1 = r , T t , , 1 = .
Entonces, minimizando la desviacin absoluta de la realizacin y objetivos utilizados de los
recursos sobre la minimizacin de la suma:

= =
+
4
1 1
2 1 1 1
) (
r
T
t
t t r
V V w .
En esta suma, la desviacin absoluta de la utilizacin de los recursos r es el peso con coeficiente
r
w definida como:
=
=
T
t
rt
r
r
U
a
w
1
.
en donde
r
a es el mismo nmero no-negativo. Los coeficientes
r
w son introducidos (i) para hacer la
suma menos dimensional (es decir, independiente de las unidades usadas) y (ii) para controlar la
importancia relativa de los recursos (por medio de
r
a ).
Finalmente, nosotros tenemos que tener en cuenta las restricciones en perfiles de admisin
mencionadas en la seccin anterior. La primera restriccin es justamente el medio que nosotros
arreglamos con las variables
it
X a los valores prescritos. Para la segunda restriccin nosotros
introducimos B que indica el nmero del mximo de pacientes de las categoras S i e eso puede
una enfermera o un slo da, donde S es un subconjunto de {1,...,M}. Entonces, la segunda
restriccin se transforma a:
22
B X
S i
b
d
d it
i
s
e =
+
1
1
, T t , , 1 = .
Resumiendo, nuestro problema de planeacin puede formularse como el siguiente ILP:

= =
+
4
1 1
2 1 1 1
) ( min
r
T
t
t t r
V V w .
Sujeta a:
{ } , , , 1 , , 1 , , 2 , 1 , 0
, , , 1 4 , , 1 , 0 ,
, , , 1 4 , , 1
, , , 1 ,
, , , 1 ,
, , , 1 ,
, , , 1 ,
, , , 1 ,
, , 1 ,
2 1
, 1
1
1
2 4 4
1 1
1 2 4 4
1 3 3
1 1
1 2 3 3
1 2 2
1 1
1 2 2 2
1 1 1
1
2 1 1
1
T t M i X
T t r V V
T t r C V U
T t B X
T t V U X V U
T t V U X V U
T t V U X n V U
T t V U X o V U
M i THR X
it
rt rt
rt rt rt
S i
b
d
d it
t t
M
i
c
d
d p it t t
t t
M
i
b
d
d it t t
t t
M
i
b
d
d it id t t
t t
M
i
p it i t t
i
T
t
it
i
i
i
i
i
i

= = e
= = >
= = s +
= s
= s s
= + s s
= + s s
= + s s
= =
e =
+
= =
+
= =
+
= =
+
=

=
(4)
IV. Aplicacin
El modelo anterior se aplica en forma reducida a la especialidad de ortopedia en un conjunto de
hospitales generales. En un trabajo separado se ilustra el proceso de aplicar al modelo para este
problema de la planificacin y el contexto directivo. Aqu, se ilustrar el funcionamiento
correcto del modelo, y finalmente se discuten los resultados de la aplicacin del modelo a la
ortopedia. En esta seccin la entrada del modelo se discutir y se usarn datos de ortopedia en un
hospital general mediano con 450 camas y cuatro cirujanos ortopdicos.
La llegada del paciente y hospitalizacin. Para el estudio se usan los datos de 1998 en
donde se admitieron aproximadamente 760 derecho-habientes y 700 da-casos. De los cuales
aproximadamente se admitieron 20 por ciento de los derecho-habientes como emergencias. Los
das-casos siempre son admisiones electivas. La longitud media de estancia de los derecho
habientes (da-casos exclusivos) fue 12.4 das. En total 11 categoras de pacientes son
distinguidas en el flujo de la ortopedia; estas categoras eran significantes para las admisiones que
planean en la seccin y los cirujanos ortopdicos, pero tambin tienen requisitos de los diferentes
recursos.
23
Basados en las admisiones reales por semana, se usara el flujo de la semana 12 en 1998
como un modelo del flujo representativo, pero tambin usa un flujo promedio, basado en el
rendimiento anual. La Tabla II proporciona informacin sobre el nmero de admisiones por la
categora de pacientes en la semana de la muestra y el promedio semanal.

Categoras de pacientes Mix de pacientes sem 12 Mix de Pacientes promedio
1 14 13
2 2 1
3 0 1
4 1 2
5 0 1
6 0 1
7 1 2 Tabla II.
8 3 1 Nmero de admisiones
9 2 2 por categora de pacientes
10 1 1 pacientes en la muestra
11 2 1 semana y promedio por semana
Total 26 26
Demanda requerida. Las categoras de pacientes pueden caracterizarse en varios rasgos,
como longitud de estancia, la carga de trabajo de las enfermeras, da y duracin de la operacin, y
uso de IC-camas. Estos rasgos se dan en Tabla III. El perfil de carga de trabajo de las
enfermeras se expresa en el nmero de das con carga de trabajo de Z hospitalizaciones (cinco
puntos), nmero de das con carga de trabajo de M hospitalizaciones (dos puntos) y nmero de
das con carga de trabajo de L (1 punto). Por ejemplo, se expresaran las cargas de trabajo en la
Tabla III como L2Z2M2L3. Los puntos de la carga de trabajo se refieren a la cantidad de trabajo
de la enfermera hecho para una categora de paciente, basado por ejemplo en el Sistema de San
Joaqun. Da de funcionamiento = 1 implica que el paciente se opera en el da de admisin. Se
cuentan das de IC del da de funcionamiento como punto de la referencia.
Tabla III. Caractersticas de pacientes por categora
Categoras
de pacientes
Tiempo de
estancia
(das)
Carga de
trabajo en
enfermera
Da de
operacin
Duracin de
la operacin
(minutos)
Das de
cuidados
intensivos
1 1 L1 1 20 0
2 1 M1 1 30 0
3 2 M1L1 1 38 0
4 3 M2L1 1 40 0
5 4 M2L2 1 50 0
6 5 M3L2 1 46 0
7 9 Z4M4L1 2 77 0
8 14 Z6M6L2 2 70 0
9 18 Z6M8L4 2 80 0
10 24 Z24 2 120 1
11 29 Z29 2 92 0
Recursos disponibles. La ortopedia tiene 28 camas asignadas en su rea, incluso las camas
para la corta-estancia y da-ciruga. Los cuatro cirujanos ortopdicos tienen cada da sesiones en
24
la sala de operaciones, en total seis horas al da. Hay aproximadamente 12 enfermeras con
equivalentes jornadas completa disponible para el ala, pero alimentando capacidad se expresa en
trminos de puntos de la lactancia. El mircoles una IC-cama es reservada para las admisiones
electivas de categora 10. Tabla IV resumen los recursos disponibles para la ortopedia.
Como uno puede ver, la disponibilidad de recursos es menos durante el fin de semana. En
dicho tiempo no hay capacidad de la sala de operaciones disponible y ninguna IC-cama.

Tabla IV. Disponibilidad de productos para ortopedia
Da de la
semana
Quirfano
(minutos)
Enfermera
(ptos) Camas
Camas de cuidados
intensivos
LUNES 360 80 28 0
MARTES 360 80 28 0
MIERCOLES 360 80 28 1
JUEVES 360 80 28 0
VIERNES 360 80 28 0
SABADO 0 70 20 0
DOMINGO 0 70 20 0
Factores de carga de capacidad e importancia del recurso. Los recursos diferentes cada
uno tienen un nivel de ocupacin designado que define el nivel de ocupacin que refleja un carga
de trabajo realista. Esto puede ser diferente durante el fin de semana. La Tabla V contiene
informacin sobre el nivel de ocupacin designado para cada tipo de recurso.

Tabla V. Niveles de ocupacin objetivo por tipo de recurso
Nmero de
da
Quirofano
(%)
Enfermeria
(%)
Camas
(%)
Camas de cuidados
intensivos (%)
1 85 95 90 0
2 85 95 90 0
3 85 95 90 100
4 85 95 90 0
5 85 95 90 0
6 0 95 80 0
7 0 95 80 0
Los datos antedichos exigen describir el sistema de la produccin de la especialidad. La
entrada extra requerida para el modelo matemtico es la funcin de peso para la optimizacin, e
informacin sobre restricciones impuestas en la planificacin del problema.
25
La Tabla VI da los pesos
r
a que reflejaban la importancia relativa de los diferentes
recursos involucrados, segn los participantes en el hospital. El rango de peso usado es lo
siguiente: 0 = ignore, 1 = no importante, 2 = escasamente importante, 3 = la importancia
elemento, 4 = importante, 5 = muy importante.

Tabla VI. Pesos (importancia) relativos por tipo de recurso
Tipo de recurso Importancia
Quirfano 5
Enfermera 3
Camas 4
Camas CI 5
Como uno puede ver y puede usar la sala de operaciones de la IC-cama es considerado aqu
como muy importante, etc. Una alternativa, el acercamiento ms objetivo habra sido hacer los
pesos dependientes en datos histricos, por ejemplo en la frecuencia de recursos para actuar como
cuello de botella.
Restricciones. En realidad muchas restricciones pueden jugar un papel que lo har difcil de
comprender un perfil de admisin factible. Nosotros ilustraremos este rasgo del modelo con dos
ejemplos de restricciones en el caso de ortopedia. La mezcla Paciente primero restriccin que
juega un papel en el problema de la planificacin es esa optimizacin de la categora 6 pacientes
que tienen una longitud de estancia de cinco das y necesitan ser admitido el lunes para tenerlos
descarg antes del fin de semana. Adems, el nmero de categoras se limitan a un paciente a seis
pacientes un da de lunes a viernes para evitar una concentracin de pacientes de la ciruga en un
da.
V. Anlisis de sensibilidad
Aqu se contienen los resultados producidos por el modelo, en donde se ilustra la conducta del
modelo al usar la funcin de pesos para la importancia relativa de los diferentes recursos. Los
resultados proporcionan evidencia que el modelo hace lo que de hecho debe hacer.
Nosotros empezaremos con la escena actual para la funcin de pesos proporcionada en
Tabla VI, y usamos el medio semanal de pacientes en Tabla II. Los otros parmetros son fijos
segn las escenas en la situacin actual descrita antes. Claramente, estamos buscando un perfil de
admisin semanal. El rendimiento del modelo para la escena actual se muestra en Tabla VII y
Tabla VIII (perfil de admisin). Los nmeros entre el parntesis indican los pesos relativos
usados.

26
Tabla VII. Resultados
QUIROFANO (5) ENFERMERIA(3) CAMAS (4)
CAMAS DE CUIDADOS
INTENSIVOS (5)
Da OBJETIVO REAL OBJETIVO REAL OBJETIVO REAL OBJETIVO REAL
1 306 293 76 76 25 25 0 0
2 306 272 76 77 25 25 0 0
3 306 200 76 76 25 22 1 1
4 306 90 76 76 25 23 0 0
5 306 245 76 75 25 25 0 0
6 0 0 66 64 16 16 0 0
7 0 0 66 65 16 16 0 0

Tabla VIII. Resultados de perfil de admisin
Da
nmero
1 2 3 4 5 6 7
1 4 3 0 1 5 0 0
2 0 0 0 0 1 0 0
3 0 0 0 0 1 0 0
4 1 1 0 0 0 0 0
5 1 0 0 0 0 0 0
6 1 0 0 0 0 0 0
7 0 0 0 1 0 0 1
8 0 0 1 0 0 0 0
9 1 1 0 0 0 0 0
10 0 1 0 0 0 0 0
11 1 0 0 0 0 0 0
Como puede verse de la Tabla VII y puede utilizar la sala de operaciones muestra la menor
22,4 actuacin debido a una encima de-capacidad que se hace disponible a la ortopedia. El uso
de camas sigue bastante bien la lnea designada y la carga de trabajo de la lactancia y el IC-uso
estn segn las lneas designado. La cuenta de la solucin 1 en la funcin objetiva dada por (3),
es 1.561. Esta cuenta cuantifica la calidad de la solucin, y por consiguiente, puede usarse para
comparar soluciones diferentes.
El perfil de admisin semanal sugerido por el modelo se muestra en Tabla VIII. Como
puede verse de la Tabla VIII, las restricciones con respecto a las categoras pacientes 1 y 6 se ha
repartido propiamente. Tambin, la categora que 10 pacientes se admite el martes para estar en
necesidad de una IC-cama el mircoles.
Suponga que se reducen los recursos de la sala de operaciones para encontrar un mejor
encaje entre la demanda para y suministro de recursos. La Tabla IX muestras los resultados en
27
caso de que se reduzcan los recursos de la sala de operaciones disponible a la ortopedia a 260
minutos un da. Teniendo en cuenta el nivel de ocupacin designado de 85%, la capacidad
designada se vuelve 221 minutos entonces. La Tabla IX muestras que la capacidad de la sala de
operaciones es suficiente para manejar la demanda, y las lneas de ocupacin siguen bastante bien
a las lneas designadas. La cuenta de la funcin objetiva de esta solucin es 0.530. Esto muestra
que las desviaciones de las lneas designadas en Tabla IX son menores que las desviaciones en
Tabla VII.
Tabla IX. Resultados con cambio en quirfano
CAMAS DE CUIDADOS
INTENSIVOS (5)
1 221 243 76 76 25 25 0 0
2 221 220 76 77 25 25 0 0
3 221 200 76 76 25 22 1 1
4 221 227 76 76 25 23 0 0
5 221 210 76 75 25 25 0 0
6 0 0 66 64 16 16 0 0
7 0 0 66 65 16 16 0 0
Suponga que ahora se cambia la funcin de peso dando a la capacidad de la sala de
operaciones un peso del mximo de 5 y los otros recursos un peso mnimo de 1. La Tabla X
muestra los resultados de este cambio en el parmetro que pone la funcin de peso. Como puede
verse de la Tabla X, la capacidad de la sala de operaciones ha mejorado (suma ms pequea de
diferencias) y el uso de camas y carga de trabajo han empeorado ligeramente; el uso de las IC-
camas est inalterado. Aunque los cambios son pequeos compar los resultados en la Tabla IX,
la direccin de los cambios sigue la escena de los pesos.
Tabla X. Resultados con importancia mxima en quirfano
CAMAS DE CUIDADOS
INTENSIVOS (1)
1 221 206 76 69 25 21 0 0
2 221 222 76 76 25 25 0 0
3 221 220 76 79 25 24 1 1
4 221 232 76 80 25 24 0 0
5 221 220 76 78 25 25 0 0
6 0 0 66 65 16 16 0 0
7 0 0 66 62 16 17 0 0
28
VI. Resultados
Enfocando en la contribucin del modelo matemtico al problema de la planificacin de
ortopedia, se ilustra esto con rendimiento del modelo para las situaciones siguientes:
- Qu si nosotros usamos el programa de semana 12, la semana de la muestra, en
combinacin de la mezcla Paciente con las escenas originales?
- Cul es una disponibilidad adecuada de recursos por el medio programa de la
semana?
Primeramente se ha evaluado la viabilidad del programa de la semana 12 (vea Tabla II). El
nmero total de pacientes es igual que para el medio programa de la semana pero hay una
substitucin hacia categoras de pacientes que requieren ms recursos (categoras 8 y 11).
Usando al modelo para este flujo de resultados de los pacientes en ningn perfil de admisin
factible se encontraron dentro de las restricciones definidas para el problema de la planificacin.
Observando la Tabla VII, uno puede concluir que el programa de semana 12, aunque el nmero
de pacientes es adecuado, tiene una mezcla de pacientes que no encajan dentro de las
restricciones de capacidad para la ortopedia. Probablemente, los cirujanos ortopdicos han
considerado slo la capacidad de la sala de operacin, al decidir el programa de la semana, y no
la cama.
Suponga ahora que usamos el medio programa de la semana como en la Tabla II, entonces
cuntos recursos se necesitarn para encajar la demanda de recursos adecuadamente?.
Reduciendo la capacidad de la cama durante la semana a 27 camas, nosotros llegamos a los
resultados mostrados en Tabla XI.
Tabla XI. Resultados con reubicacin de recursos
CAMAS DE CUIDADOS
INTENSIVOS (5)
Dia OBJETIVO REAL OBJETIVO REAL OBJETIVO REAL OBJETIVO REAL
1 221 216 76 77 24 24 0 0
2 221 227 76 75 24 23 0 0
3 221 220 76 77 24 24 1 1
4 221 217 76 79 24 24 0 0
5 221 220 76 74 24 24 0 0
6 0 0 66 66 16 17 0 0
7 0 0 66 61 16 16 0 0
Hay respuestas diferentes claramente, posible a la pregunta puesta adelante acerca de la
cantidad de recursos que encajaran adecuadamente a la demanda requerida para el medio
programa de la semana, pero la solucin present muestra resultados buenos. La funcin objetiva
produce una cuenta de 0.206. ste es mejor resultado comparado con la Tabla IX con una
funcin objetivo de 0.530.
29
Ahora considerando un cambio de nivel durante el fin de semana. Suponga que
aumentamos la capacidad de la sala de operacin al principio de la semana, disminuimos la
capacidad de la sala de operacin al final de la semana, y tambin hacemos algunos cambios a los
recursos de la cama disponible al final de la semana. Como se muestra en la Tabla XII.
Tabla XII. Resultados con variacin en reubicacin de capacidad por da
CAMAS DE CUIDADOS
INTENSIVOS (5)
Dia OBJETIVO REAL OBJETIVO REAL OBJETIVO REAL OBJETIVO REAL
1 238 238 76 73 24 23 0 0
2 238 235 76 77 24 25 0 0
3 222 217 76 76 24 23 1 1
4 204 200 76 77 22 22 0 0
5 204 210 76 73 22 22 0 0
6 0 0 66 66 18 19 0 0
7 0 0 66 67 18 18 0 0
Como puede verse de la Tabla XII, asignando recursos de la sala de operaciones y recursos
de la cama al principio de la semana pero aumentando el nmero de camas disponible durante el
fin de semana, parece que se consigue un mejor encaje entre la demanda y suministro. La cuenta
de la funcin objetiva es 0.235 y muestra, sin embargo, que esta solucin es ligeramente ms
pequea que la obtenida en la Tabla XI. Cuando ambas cuentas son iguale que casi uno podra
decir que ambas soluciones estn produciendo una actuacin similar. La cantidad de recursos
usados en Tabla que XII son similares a los de la Tabla XI. La cantidad capacidad de la sala de
operaciones es casi el mismo, la capacidad de la enfermera es mejor y el nmero de camas en
uso muestra un ligero aumento.
VII. Conclusiones
Basado en los resultados descritos en la seccin anterior, nosotros podemos concluir que el
modelo puede generar un perfil de admisin bueno por la categora. Con un perfil de admisin
bueno nosotros queremos decir un perfil que produce una desviacin pequea entre los
comprendidos y la utilizacin del recurso designado, mientras la capacidad disponible total de los
recursos diferentes no se excede, la llegada de pacientes designados y las restricciones dadas no
se violan. Nosotros tambin demostramos que el modelo puede ser acostumbrado a poner a
punto el nivel de disponibilidad de recursos a la demanda.
Una limitacin sera del trabajo es que excluye el flujo de emergencia. Modelo con esta
limitacin es, por consiguiente, ms a favor para una especialidad con un porcentaje bajo de
emergencias (ortopedia) que para una especialidad con un porcentaje alto de emergencia (ciruga
general).

Programación Lineal Entera

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Programación Lineal Entera

Uploaded by

Copyright:

Available Formats

1

PROGRAMACIN LINEAL ENTERA

You might also like