Capitulo 2 Solow Mathur PDF

CAPITULO
EL ARTS Y LA CIENCIA
DE CONSTRUIR MODELOS
DETERMINISTICOS
0
omo determina Case Chemicals la mezcla de productos

C que maximice las ganancias? i,Como` deduce Cosmic
Computer Company el plan menos caro para transportar sus
microcornputadoras a los detallistas al mismo tiempo que sa-
tisface la demanda de sus clientes? i,Como decide Hexxon Oil la
red de embarque que maximice el flujo de petroleo a sus tanques
de almacenamiento en Filadelfia? Para fundamentar mejor la
decision de negocios, debe saber como hater la pregunta adecuada
y cOmo formular el problema correctamente.
Eneste capitulo aprenderci corn construir los modelos

nzatematicos que lo conducircin a las respuestas de estas
y otras preguntas.
12 CANTULO 2 EL ARTE Y LA CIENCIA DL CONSTRUIR MODELOS DETERMINISTICOS
En el capitulo anterior, usted aprendio que entre los pasos ms importantes en la

resolution de problemas estan el identificar y despues formular el problema de decision
en un marco matematico. La construction de modelos es un arte que mejora con la prac-
tica. Sin embargo, en un esfuerzo por hater el proceso ms sistematico, en este capitulo
se ilustran varias tecnicas de formulaciOn de problemas con numerosos ejemplos. Al
aplicar estas tecnicas, usted puede formular no solo los problemas de este libro, sino
tambien muchos otros que podria encontrar en la practica.
Despues de formular correctamente un modelo matematico, usted deseara resolverlo,
esto es, obtener una solution. Como el procedimiento de solution depende de las ca-
racteristicas matematicas especificas de un modelo, la election de la tecnica apropiada
significa que debe identificar las caracteristicas que su modelo posee. Este capitulo le
ayudard a identificar estas caracterfsticas matematicas y corn se utilizan para cla-
sificar modelos. Los capitulos posteriores tratan los diversos procedimientos de solu-
tion, las clases de problemas a los que se pueden aplicar, y la forma de interpretar e
implantar las soluciones obtenidas de una computadora.
11 2.1 PASOS GENERALES Y TECNICAS

DE LA CONSTRUCCION DE MODELOS MATEMATICOS
En el capitulo 1 aprendio que el primer paso al usar tecnicas de administration es iden-

tificar y describir el problema. El siguiente paso es formular el problema en un marco
matematico. Esta section proporciona pasos y tecnicas sistematicas que puede aplicar
al formular sus propios modelos deterministicos. Para ilustrar, considere el problema
enfrentado por la gerencia de production de Case Chemicals.
EJEMPLO 2.1 EL PROBLEMA DE PLANEACION DE PRODUCCION DE CASE CHEMICALS Case

Chemicals produce dos solventes, CS-01 y CS-02, en su planta de Cleveland. Las em-
presas que compran estos solventes los usan para disolver ciertas sustancias toxicas
que se producen durante procesos de fabrication particulares. La planta opera 40 horas
a la semana y emplea a cinco trabajadores de tiempo completo y a dos de tiempo parcial,
que trabajan 15 horas a la semana. Estas personas operan las siete maquinas que mez-
clan ciertos quimicos para producir cada solvente. Los productos salen del departamento
de mezclado para ser refinados en el departamento de purification, que actualmente
tiene siete purificadores y emplea a seis trabajadores de tiempo completo y a uno de
tiempo parcial, que trabaja 10 horas a la semana.
Case Chemicals tiene una provision casi ilimitada de la materia prima que necesita
para producir los dos solventes. Case Chemicals puede vender cualquier cantidad de
CS-01, pero la demanda del producto ms especializado, CS-02, esta limitada a lo ms
a 120 000 galones por semana. Como gerente de production, usted desea determinar
el plan de production semanal Optimo para Case Chemicals. i,Que cantidad de cada
solvente debe producir Case Chemicals para maximizar la ganancia?
El objetivo ahora es convertir esta descripciOn cualitativa del problema a una forma
FormulaciOn matematica que pueda resolverse. Este proceso es llamado formulation del problema
del problema y generalmente implica cuatro pasos, cada uno de los cuales es descrito en las siguientes
El proceso de convertir secciones.
la description cualitativa
de un problema a una
forma matematica. 2.1.1 IdentificaciOn de las variables de decisi6n
El primer paso en la formulation del problema es identificar las variables de decision,
a menudo simplemente liamadas variables. Los valores de estas variables, una vez
2.1 PASOS GENERALES Y TECNICAS DE LA CONSTRUCCION DE MODELOS MAIL N1A E1COS 13
determinados, proporcionan la solucion al problema. Para el ejemplo 2.1, usted puede

identificar las variables de decision preguntandose que information necesita proporcionar
al personal de production, los departamentos de mezclado y purification, para que
sepan come. proceder. Su respuesta a esta pregunta deberia ser:
1. El mimero de miles de galones de CS-01 por producir semanalmente.

2. El mimero de miles de galones de CS-02 por producir semanalmente.
Como los valores de estos elementos no se conocen todavia, a cada variable de deci-
sion se le da un nombre simbolico. Usted puede elegir el nombre simbolico que Nombre simbolico
quiera, pero encontrard util seleccionar un nombre simbelico que le recuerde la canti- Un nombre descriptivo
dad que la variable de decision representa. Para el ejemplo que estamos viendo, podria dado a una variable en
crear las siguientes variables, correspondientes a los dos elementos identificados ante- un modelo matematico
riormente: que ayuda a la
CS, = el mlmero de miles de galones de CS-01 por producir semanalmente comprension del
CS, = el mimero de miles de galones de CS-02 por producir semanalmente significado de la variable.
Observe que estas descripciones son precisas. Incluyen las u n /dudes asociadas con las
cantidades que las variables representan (miles de galones, en este caso). No es sufi-
ciente definir una variable como la "cantidad" de un elemento, porque para las otras
personas que leyeran su formulation, el termino "cantidad" podrla tener varios
significados (por ejemplo, miles de litros en este caso).
La necesidad de identificar las variables de decision correctamente es vital. De otra
manera, la formulation de un modelo valid que capte todos los aspectos del problema
es imposible. La election de estas variables no es Unica, y no existen reglas fijas. Sin
embargo, las siguientes pautas son utiles en la identification de un conjunto adecuado
de variables de decision para virtualniente cualquier pi-able/12a.
CARACTERISTICAS CLAVE
Pautas generates para identificar variables de decision
zQue elementos afectan los costos y/o ganancias ( o, en general, el objetivo

global)?
4Que elementos puede elegir y/o controlar libremente'?
zQue decisiones tiene que tomar'?
cQue valores, una vez determinados, constituyen una solucien para el pro-
blema? Pongase en la position de alguien que tiene que implanter su solucien,
y luego pregantese que information se requiere.
Para el ejemplo 2.1, las respuestas a todas estas preguntas son iguales y lo llevan
a identificar las variables de decisiOn como el numero de miles de galones de CS-01 y
CS-02 por producir semanalmente.
2.1.2 Identificaciem de los datos del problema

La finalidad de resolver un problema es proporcionar los valores reales para las va-
riables de decision que ha identificado. Usted requiere conocer cierta information para
14 CAIIruto 2 EL Y LA CIENCIA DE CONSTRUIR MODELOS DETERMINISTICOS
ayudar a determinar esos valores. Por ejemplo, para determinar las cantidades reales
de los dos solventes a producir para maximizar las ganancias corporativas, necesitard
saber:
1. El nurnero de horas de trabajo disponibles en el departamento de mezclado.

2. El numero de horas de trabajo disponibles en el departamento de purification.
3. La cantidad de ganancias obtenidas al producir y vender cada tipo de solvente.
Estas cantidades constituyen los datos del problema. En problemas deterministicos, se

requiere conocer (u obtener) estos valores en el momento de formular el problema. Para
Case Chemicals:
1. Como se establecio en la description del problema, el departamento de mezclado

tiene cinco trabajadores de tiempo completo (40 horas cada uno) y dos trabajadores
.de tiempo parcial (15 horas cada uno). Esto da un total de 230 horas de trabajo
a la semana en el departamento de mezclado.
2. De manera similar, los seis trabajadores de tiempo completo (40 horas cada uno)
y el trabajador de tiempo parcial (10 horas) representan un total de 250 horas de
trabajo a la semana en el departamento de purificaciOn.
3. El departamento de contabilidad estima un margen de ganancias de $0.30 por
galon de CS-01 y de $0.50 por galOn de CS-02, esto es, $300 por mil galones de
CS-01 y $500 por mil galones de CS-02.
A diferencia de las variables de decisiOn, cuyos valores usted puede controlar, usted
no puede controlar directamente los valores de los clatos.
NI* CARACTERISTICAS CLAVE

La necesidad de que algunos de los datos del problema pueden aclararse cuando
especifica el problema. Otros datos pueden hacerse necesarios al desarrollar el
modelo maternAtico y descubrir que se requiere information adicional para
ayudar a determinar los valores de las variables de decision.
2.1.3 Identificacion de la funci6n objetivo

El siguiente paso en la formulaciOn del problema es expresar el objetivo organizacional
global en forma matematica usando las variables de decision y los datos conocidos del
problema. Esta expresion, la funcion objetivo, generalmente se crea en tres etapas.
1. Establecer el objetivo en forma verbal. Para el ejemplo 2.1, este objetivo es:
Maximizar la ganancia semanal total de la production de CS-01 y CS-02
Descomposicion 2. Donde sea adecuado, descomponer el objetivo en una suma, diferencia o

La desintegracion de una producto de cantidades individuales. Para el ejemplo 2.1, la ganancia total puede
funcion objetivo en la calcularse como la suma de la ganancia de CS-01 y la de CS-02:
suma, diferencia o
Maximizar ganancia = (ganancia de CS-01) + (ganancia de CS-02)
producto de cantidades
individuales. 3. Expresar las cantidades individuales matematicamente usando las variables de
decision y otros datos conocidos en el problema.
2.1 PASOS GENERALES Y TECNICAS DE LA CONSTRUCCION DE MODELOS MATEMATICOS 15
Para lograr la tarea en la tercera etapa, a menudo es ail elegir algunos valores
especificos para las variables de decision y luego usar esos valores para determinar la
forma en que se calcula la funcion objetivo. Se hace referencia a esta tecnica como
trabajo a traves de un ejemplo especifico. En el ejemplo 2.1, supongamos que se
producen 10 mil galones de CS-01 y 20 mil galones de CS-02 (asi que CS1 = 10 y CS2= Trabajo a traves de
20). El departamento de contabilidad le ha dicho que cada mil galones de CS-01 un ejemplo especifico
contribuye con $300 a la ganancia y que cada mil galones de CS-02 contribuye con $500. La tecnica de usar
Se puede escribir: valores especificos de
las variables para
Ganancia de CS-01 = 300(10) = $ 3 000 determinar c6mo se
+ Ganancia de CS-02 = 500(20) = $ 10 000 calcula la funciOn
objetivo.
Ganancia total = $ 13 000
Sin embargo, el proposito de usar valores especificos para las variables no es obtener
la ganancia total de estos valores, sino ms Bien ayudarlo a determinar como calcular
el objetivo cuando los valores de las variables no se conocen explicitamente. En este
problema, se puede ver facilmente de los calculos anteriores que si CS1 es el ntimero no
especificado de miles de galones de CS-01 y CS2 es el numero no especificado de miles
de galones de CS-02 por producir, entonces la ganancia es:
Ganancia de CS-01 = 300CS1

+ Ganancia de CS-02 = 500CS2
Ganancia total = 300CS1 + 500052
Por lo tanto, la funcion objetiva maternatica expresada en terminos de las variables de

decision y de los datos del problema es:
Maximizar 300CS1 + 500052
Este problema ilustra las siguientes caracteristicas clave:
Creacion de la funcion objetivo mediante:
a. Enunciado del objetivo de manera verbal.
b. Cuando sea apropiado, descomponer el objetivo en una suma, diferencia,
y/o producto de terminos individuales.
c. Expresar los terminos individuales en (b) usando las variables de decision
y otros datos de problemas conocidos.
Trabajar con un ejemplo especifico para determinar corm se expresa la

funcion objetivo en una forma matematica, eligiendo valores especificos para
las variables de decision y realizando los calculos necesarios.
2.1.4 Identificaciort de las restricciones

Su objetivo es maximizar las ganancias. La funcion objetivo le dice que mientras ms
grande sea el valor de las variables, ms grande sera la ganancia. Pero el mundo real
16 CAP1TULO 2 EL ARTE Y LA CIENCIA DE CONSTRUIR MODELOS DETERMINISTICOS
pone un limite en los valores que puede asignar a estas variables. En el ejemplo 2.1, los
departamentos de mezclado y purification tienen ciertas restricciones fisicas: un
ntimero limitado de horas de trabajo disponible cada uno. Estas limitaciones, asi como
otras consideraciones que imponen restricciones sobre los valores de las variables, son
las restricciones. El paso final en la formulation del problema es identificar estas res-
tricciones y escribirlas en forma maternatica.
Las restricciones son condiciones que las variables de decision deben satisfacer para
constituir una solution "aceptable". Estas restricciones por lo general surgen de:
1. Limitaciones fisicas (el mimero limitado de horas de trabajo en los departamentos

de mezclado y purification, por ejemplo).
2. Restricciones impuestas por la administration (por ejemplo, esta pudo haber
prometido una cierta cantidad de un producto a un cliente estimado).
3. Restricciones externas (por ejemplo, Case Chemicals no puede vender ms de
120 mil galones de CS-02 a la semana, y no hay razen para producir ms que la
cantidad demandada).
4. Relaciones implicadas entre variables (por ejemplo, en el problema de inversion
de Mark de la section 1.1, las dos fracciones que representan la proportion de
dinero a invertir en los dos fondos debe sumar 1).
5. Restricciones logicas sobre variables individuales (por ejemplo, el ralmero de
carros producidos debe ser un ntimero entero, y Case Chemicals no puede pro-
ducir una cantidad negativa de solventes).
Despues de identificar estas restricciones, debe expresarlas en forma maternatica
usando las variables de decision y otros datos del problema. Este proceso es
identico al usado para especificar la funcion objetivo.
Expresar las restricciones en forma verbal.

Cuando es apropiado, descomponer la restriction en una suma, diferencia
y/o producto de cantidades individuales.
Trabajar con un ejemplo especifico para expresar las cantidades individuales
en una forma matematica, usando las variables de decision y otros datos
conocidos del problema.
Considere las restricciones del ejemplo 2.1.
RESTRICCION DE TRABAJO EN EL DEPARTAMENTO DE MEZCLADO

(LIMITACION FiSICA)
Forma verbal: Horas totales usadas no pueden exceder de 230

en el mezclado
Horas) ( Horas
Descomposicion: ( usadas + usadas no pueden exceder de 230
para CS-01 para CS-02
Matematicas: para expresar las horas usadas para CS-01 y CS-02 en el departamen-
to de mezclado, trate de trabajar con un ejemplo especifico. Por ejemplo, suponga que
2.1 PASOS GENERALES Y TECNICAS DE LA CONSTRUCCION DE MODELOS MATEMATICOS 17
CS1 = 15 mil y que CS2 = 10 mil galones. I,Como calcula el numero de horas usadas en
el departamento de mezclado? Estos valores son datos del problema (ademas de los
datos ya identificados en la section 2.1.2) que usted debe obtener. Supongamos que
usted llama al departamento de procesos y recoge los siguientes datos para los
departamentos de mezclado y purificaciOn:
HORAS POR MILES DE GALONES DE
CS-01 CS-02
Mezclado 2 1
Purification 1 2
Resulta entonces facil calcular las horas usadas en el departamento de mezclado

trabajando con valores especificos de CS1 = 15 y CS2 = 10:
Horas para 15 mil galones de CS-01 = 2(15) = 30

+ Horas para 10 mil galones de CS-02 = 1(10) = 10
Total de horas en el mezclado = 2(15) + 1(10) = 40
El proposito de usar este ejemplo numerico especifico es ayudarle a escribir una res-
tricciOn matematica general cuando los valores de las variables (CS1 y CS2, en este caso)
no se conocen. De los calculos anteriores, usted obtiene la siguiente restriction mate-
matica general:
2CSI + 1CS2 < 230
RESTRICCION DE TRABAJO EN EL DEPARTAMENTO DE PURIFICACION

(LIMITACION FISICA)
Forma verbal: Horas totales usadas no pueden exceder de 250

en la purificacion
Horas Horas
Descomposicion: usadas + usadas no pueden exceder de 250
para CS-01 ( para CS-02
Matematicas: 1CS1 2CS2 250
RESTRICCION DE LIMITE (LIMITACION EXTERNA)
La limitation de que a lo ms pueden venderse 120 mil galones de CS-02 da pie a la

siguiente restriction sobre el valor de CS2:
CS2 <_ 120

18 CAPITULO 2 EL ARTE Y LA CIENCIA DE CONSTRUIR MODELOS DETERMINiSTICOS
RESTRICCION DE NO NEGATIVIDAD (LIMITACIONES LOGICAS)
Claro esta que usted sabe que los valores de estas variables de decision deben ser no
negativos, esto es, cero o positivos. Tales restricciones implicitas de las que usted esta
consciente deben hacerse explicitas en la formulation matematica. Para este problema,
debe incluir las siguientes restricciones:
CS, 0 y CS2 0 o CS I , CS2 > 0
Juntando todas las piezas de los pasos anteriores, la formulation matematica completa
del problema de planeacion de production de Case Chemicals es la siguiente:
FORMULACION MATEMATICA DEL PROBLEMA DE CASE CHEMICALS
Maximizar
Condicionado por:
300CS1 + 500CS2
2CS1 + 1CS2 :5_ 230
1CS1 + 2CS2 __ 250
(ganancia)
(mezclado)
(purificaciOn)
Programa lineal CS2 S 120 (limitado en CS-02)
EX2_1.DAT CS CS2 0 (no negatividad)
donde:
CS, = el numero de miles de galones de CS-01 por producir semanalniente

CS2 = el nUmero de miles de galones de CS-02 por producir semanalmente
En el capitulo 4 aprendera el procedimiento de soluciOn para este tipo de problema. La

aplicacion de ese procedimiento da por resultado la solution optima:
CS, = 70
CS2 = 90
Es decir, el plan de production optima es de 70 000 galones de CS-01 y de 90 000 galones

de CS-02, lo que representa una ganancia semanal de $66 000.
En esta section, usted ha aprendido los pasos a tomar en la formulation de pro-
blemas identificando (1) las variables de decision, (2) los datos del problema, (3) la
funcion objetivo y (4) las restricciones. Para escribir la funcion objetiva y las restricciones
en una forma matematica, use las variables junto con los datos del problema que usted
tenga al formular el modelo. Es posible que no conozca todos los datos necesarios al
definir por primera vez el problema. La necesidad de datos adicionales puede descubrirse
cuando proceda con la formulation del problema. Estos valores de datos deben
obtenerse de fuentes apropiadas dentro de la organization. Para ahorrar tiempo y
espacio, los enunciados de problemas futuros en este libro incluiran todos los datos
necesarios. La formulation consistird en estos tres pasos:
Paso 1. Identificacion de las variables de decision.

Paso 2. Identification de la funcion objetivo.
Paso 3. Identification de las restricciones.
2.2 EJEMPLOS ADICIONALES DE LA FORMULACION DE PROBLEMAS 19
El problema de esta seccion involucra solo dos variables de decision y unas cuantas
restricciones. Los problemas de importancia practica a menudo contienen cientos o
miles de variables y un nUmero similar de restricciones. Estos problemas ms corn-
plejos tambien pueden formularse usando los pasos que aprendio en esta seccion.
III 2.2 EJEMPLOS ADICIONALES

DE LA FORMULACION DE PROBLEMAS
En esta seccion, los pasos de formulacion que aprendio en la seccion 2.1 se aplican a pro- Diagrams
blemas de complejidad variable. Tambien aprendera nuevas tecnicas utiles en la iden- esquematico
tificacion de las variables, los datos, la funcion objetivo y las restricciones. Por ejemplo, Un dibujo usado para
una de estas tecnicas consiste en dibujar un diagrama esquematico para representar representar los diversos
los diversos componentes del problema. Una ventaja de hacer esto es que el aspecto ms componentes de un
importante de estos problemas puede ser transmitido con una sola imagen. Una clase problema.
de problemas en que los diagramas esquematicos son particularmente Utiles se deno-
minan problemas de redes, que pueden incluir la distribucion de bienes, como se Problema de redes
ilustra en las secciones 2.2.1 y 2.2.2. Un problema que puede
representarse mediante
circulos y flechas que los
2.2.1 Ejemplos de problemas de redes: conectan.
el problema de la transportacion
Entre los muchos problemas que enfrenta un negocio de produccion esta el determinar
el mejor plan de embarque para distribuir bienes terminados desde las instalaciones
de produccion (fabricas y plantas) hasta los mercados de distribucion (clientes y tiendas
detallistas). Por ejemplo, zcomo traslada una compaiiia petrolera la gasolina de sus
refinerfas a sus gasolineras de la mejor manera? Los negocios deben desarrollar un plan
de embarque (o un programa de distribucion) en el que se establezca el namero (o
cantidad) de productos terminados por embarcar desde cada instalaciOn de produccion
hasta cada mercado de distribucion. Estos embarques no pueden exceder las capacidades
disponibles o suministros de las instalaciones de producciOn y adernas deben satisfacer
todas las demandas de los clientes. Con frecuencia, el mejor programa minimiza los
costos totales de transportacion. El desarrollo de este programa se denomina el pro- Problema de
blema de transportacion. transportacion
Es necesario identificar cierta informacion, datos del problema, para desarrollar el El problema de
programa: determinar el plan de
minimos costos para
1. demandas de los clientes embarcar bienes desde
2. capacidades de la planta las instalaciones de
3. costos de embarque desde cada planta hasta cada cliente produccion hasta los
mercados de distribuciOn.
Considere el siguiente problema enfrentado por CCC, Cosmic Computer Company.
EJEMPLO 2.2 EL PROBLEMA DE DISTRIBUCION DE COSMIC COMPUTER COM-

PANY CCC tiene tres plantas de ensamblaje de microcomputadoras en San Fran-
cisco, Los Angeles y Phoenix. La planta de Los Angeles tiene una capacidad de produc-
ciOn mensual de 2000 unidades. Cada una de las plantas de San Francisco y Phoenix
puede producir un maximo de 1700 unidades al mes. Las microcomputadoras de CCC
se venden a tray& de cuatro tiendas detallistas localizadas en San Diego, Barstow,
Tucson y Dallas. Los pedidos mensuales de los vendedores al menudeo son de 1700
unidades en San Diego, 1000 en Barstow, 1500 en Tucson y 1200 en Dallas. La tabla
20 CAPITULO 2 EL ARTE Y LA CIENCIA DE CONSTRUIR MODELOS DETERMINISTICOS
2.1 contiene el costo de embarque de una microcomputadora desde cada planta de

ensamblaje hasta cada una de las distintas tiendas minoristas. Su trabajo es formular
un modelo matematico para encontrar el programa de embarque de minim costo.
TABLA 2.1 Costos de embarque ($/unidad)
TIENDAS
PLANTAS SAN DIEGO BARSTOW TUCSON DALLAS
San Francisco 5 3 2 6
Los Angeles 4 7 8 10
Phoenix 6 5 3 8
Nodo Antes de formular este problema matematicamente, es posible dibujar un diagra-

Un circulo en un ma de redes esquematico para representar los diversos componentes del problema,
diagrama de redes que como se ilustra en la figura 2.1. Los siete circulos, o nodos, representan las tres plantas
representa un aspecto y las cuatro tiendas al menudeo. Cada arco indica que las computadoras pueden
importante de un embarcarse desde la planta hasta la tienda minorista asociada.
problema, como la Ademds de los nodos y arcos, el diagrama de redes incluye los datos del problema.
fuente y destinacion En este caso, los nameros que estan junto a los nodos correspondientes a las tiendas al
de bienes en un menudeo indican el numero de computadoras solicitadas allf. Finalmente, los nameros
problema de que estan junto a cada arco representan el costo de embarque de una computadora de
transportacion. la planta correspondiente a la tienda asociada. Todos los aspectos importantes de este
problema se incluyen en este diagrama de redes y, como vera, el diagrama simplifica
Arco la formulacion matematica posterior.
Una linea que conecta
dos nodos en un
diagrama esquematico
que representa una PASO 1. IDENTIFICACION DE LAS VARIABLES DE DECISION
relacion entre estos dos
nodos, como podria ser Despues de los pasos de la formulacion del problema, su primera tarea es identificar las
una posible ruta para el variables de decision. Para hacerlo, hagase las siguientes preguntas:
embarque de bienes en
un problema de 1. zQue elementos afectan los costos y/o ganancias?
transportacion. 2. I,Que elementos puede escoger y/o controlar libremente?
3. ,Que decisions tiene que tomar?
4. 1,Cuales son los elementos cuyos valores, cuando se conocen, constituyen una
soluciOn (en este caso, un programa de embarque)? En otras palabras, ,que
informaciOn tendria que proporcionar a las plantas de ensamblaje para que ellos
supieran como distribuir sus productos?
Las respuestas a todas estas preguntas pueden conducirlo a identificar doce varia-
bles de decision, correspondientes al namero de microcomputadoras por embarcar
desde cada una de las tres plantas de ensamblaje hasta cada una de las cuatro tiendas
minoristas. Podria referirse a ellas con nombres simbolicos x1, x2, . . . , x 12. Pero recuerde
que al trabajar con variables, es atil usar un nombre simbolico que en cierta manera
le recuerde la cantidad representada. Por ejemplo, podria definir:
San/Tuc = el flamer() de microcomputadoras por embarcar de la planta de

ensamblaje en San Francisco a la tienda detallista en Tucson
aps 2.2 EJEMPLOS ADIC1ONALES DE LA FORMULACION DE PROBLEMAS 21
de Plantas Tiendas detallistas

ar
San Diego
1700
San Francisco
1700
Barstow
1000
Los Angeles
2000
1500
7-
a, Phoenix
Tucson
is
1700
1200
Dallas
Figura 2.1 La red de distribucion de CCC.
0
X 13 = el namero de microcomputadoras por embarcar de la
planta de ensamblaje #1 (San Francisco) a la
tienda detallista #3 (Tucson)
0
xsT = el nilmero de microcomputadoras por embarcar de la
planta de ensamblaje en San Francisco a la tienda
detallista en Tucson.
TABLA 2.2 Variables de decisicin para el ejemplo 2.2
TIENDAS
San Francisco X Xss Xs.i. Xs,

Los Angeles XLS XLs )(LT XLD
Phoenix X,, X XPT X
Para este ejemplo, se utiliza la Ultima notacion. Los doce nombres simbolicos se re-
sumen en la tabla 2.2. En terminos del diagrama de redes de la figura 2.1, cada una de
estas variables de decision denota el numero de computadoras por embarcar junto al
arco correspondiente, como se ilustra en la figura 2.2.
PASO 2. IDENTIFICACION DE LA FUNCION OBJETIVO
Si recordamos el procedimiento usado en la section 2.1, puede especificar la funcicin

objetiva de la manera siguiente:
Forma verbal: Minimizar costos de embarque desde todas las plantas a todas las
tiendas
costo de costo de costo de

DescomposiciOn: Minimizar embarque + embarque + ( embarque
desde SF desde LA desde Phoenix
Plantes Tiendas detailistas
San Diego
1700
San Francisco
xss
1700
1000
Los Angeles
2000
1500
1700
1200
Dallas
Figura 2.2 Variables de decision para el problema de distribution de CCC.
EJEMPLO ESPECIFICO. Para obtener una expresiOn matematica de cada uno de estos tres
costos de embarque, trabaje con un ejemplo especifico. Suponga que la planta de San
Francisco embarca 500 microcomputadoras a San Diego, 200 a Barstow, 400 a Tucson
y 300 a Dallas. Esto es, xss = 500, xs/3 = 200, xsT = 400 y xst, = 300. Recordemos los costos
de transportation por unidad dados en la tabla 2.1,
Costo de embarque desde SF = 5(500) + 3(200) + 2(400) + 6(300) = 5700
En general, cuando las unidades Xss, XsB, XsT, y XsD son enviadas desde San Francisco,
Costo de embarque desde SF = 5xss 3xsB + 2x sT + 6xsp

Procediendo de manera similar para el costo de transportation desde Los Angeles y

desde Phoenix, llegamos al siguiente costo de transportation total:
MATEMATICAS
Minimizar (5xss 3xsB + 2xsT + 6xsp) +

(4xLs + 7xL8 + 8xLT + 10xLD) +
(6xps + 5xpB + 3x pT + 8x pD)
PASO 3. IDENTIFICACION DE LAS RESTRICCIONES
Para identificar las restricciones, hagase las siguientes preguntas:
1. zQue le impide elegir valores arbitrarios para las variables? (Analizando la

funcion objetiva dada, usted puede minimizar el costo estableciendo cada va-
riable en cero. 1,Que le impide hater esto?)
2. zQue limitaciones ffsicas o logicas se requieren para que los valores de las va-
riables constituyan una solution aceptable?
Para contestar ambas preguntas, observe la figura 2.2, que le debe llevar a
identificar los siguientes grupos de restricciones:
1. El embarque total de cada planta no debe exceder su capacidad. Estas limitacio-

nes estan asociadas con cada nodo correspondiente a la planta de la figura 2.2.
2. El embarque total recibido por cada tienda al por menor debe satisfacer su
demanda. Estas restricciones estan asociadas con cada nodo correspondiente a
una tienda detallista y a su demanda en la figura 2.2. En este ejemplo, "satis-
facer" significard "ser exactamente igual a". Sin embargo, en algunas situaciones,
puede significar "al menos igual a". Siempre que surjan tales ambiguedades,
asegurese de aclararlas antes de formular el problema.
3. El embarque desde cada planta hasta cada tienda detallista debe ser un numero
completo no negativo, a menudo denominado entero no negativo, porque no Entero
puede enviar parte de una computadora. Un numero completo.
Observe que los dos primeros grupos de restricciones son limitaciones fisicas y que
el tercero es una limitaciOn
Lo que resta es convertir estas restricciones de su description verbal a matematicas,
usando variables de decision y datos del problema. Para hacerlo, observe que existe una
restriction de capacidad asociada con cada uno de los tres nodos de la figura 2.2
correspondiente a estas tres plantas. Por ejemplo, el numero de unidades embarcadas
desde la planta de San Francisco no puede exceder su capacidad de 1700. Ahora bien,
use la tecnica de descomposicion para expresar el numero de unidades embarcadas
desde San Francisco como una suma de terminos individuales. De la figura 2.2, los
cuatro arcos que salen del nodo correspondiente a la planta de San Francisco proporcionan
la siguiente descomposicion:
Ntlmero de unidades
embarcadas desde = numero de unidades
San Francisco embarcadas hacia San Diego
numero de unidades
embarcadas hacia Barstow
nUmero de unidades
embarcadas hacia Tucson
nUmero de unidades
embarcadas hacia Dallas
Por tanto, la restriction de capacidad correspondiente a este nodo es:
xss + xsi3 + xsT + x, LC. 1700
Un proceso similar, con referencia al diagrama de redes de la figura 2.2, conduce al

siguiente grupo de restricciones de capacidad:
xss XSB XST XSD 1700 (San Francisco)

xLs xLB + XLT + xLD
< 2000 (Los Angeles)
x ps + x pB + XPT + XPD < 1700 (Phoenix)
Para identificar las restricciones de demanda, observe que existe una de tales restric-
ciones asociada con cada uno de los cuatro nodos de la figura 2.2, correspondiente a las
cuatro tiendas al detalle. Por ejemplo, el nUmero de unidades enviadas a la tienda
detallista de San Diego debe ser exactamente 1700. Ahora use la tecnica de des-
composicion para expresar el nUmero de unidades embarcadas a San Diego como una
suma de terminos individuales. De la figura 2.2, los tres arcos que entran al nodo
correspondiente a la tienda detallista de San Diego proporcionan la siguiente des-
composicion:
NUmero de unidades 1
nUmero de unidades
embarcadas desde
embarcadas desde San Francisco
San Francisco
nUmero de unidades
embarcadas desde Los Angeles
numero de unidades
embarcadas desde Phoenix
Por tanto, la restriction de demanda correspondiente a este nodo es:
x + x Ls
+ x = 1700
ss ps
Un proceso similar, nuevamente con referencia al diagrama de redes de la figura 2.2,

conduce al siguiente grupo de restricciones de demanda:
xss + x LS + x PS 1700 (San Diego)

X SB + X LB + X PB = 1000 (Barstow)
XST + X LT + X PT =
1500 (Tucson)
xSD + x LD + X PD r-= 1200 (Dallas)
Finalmente, cada embarque (variable de decision) debe ser no negativo y entero:
X SS' X SB, XST, XSD, X LS' XLB, X LT' X LD'

X ps, X pB, X PT, X PD > 0 y entero
Si juntamos todas las piezas, el model() matematico completo es el siguiente:

FORMULACION MATEMAT1CA DEL PROBLEMA DE

TRANSPORTACION DE CCC
Minimizar (5xss 3xsB 2xST 6XSD)

(4xLs + 7X LB 8X LT 10X LD)
(6Xps 5XPB 3XPT 8X pD)
Programa entero
Condicionado por: EX2_2.DAT
RESTRICCIONES DE CAPACIDAD
X SS XSB XST XSD < 1700 (San Francisco)

XLS XLB + X LT XLD
< 2000 (Los Angeles)
x ps + x pB + xpT + xpD :5_ 1700 (Phoenix)
RESTRICCIONES DE DEMANDA
xSS + x LS + xPS 1700 (San Diego)

x SB X LB + PB = 1000
+ (Barstow)
xST + X LT + X PT = 1500 (Tucson)
X SD + X LD X PD = 1200 (Dallas)
RESTRICCIONES LOGICAS
XSS, XsB, XsT, X SD, XLs, X LB, X LT, XLD,

X ps , X pB, X pT, Xpr, 0 y entero
En el capitulo 9 aprendera el metodo para resolver este tipo de problemas.

Aplicando ese procedimiento de solucion se llega al siguiente plan de embarque optimo
para CCC:
TIENDAS
San Francisco 0 800 0 900

Los Angeles 1700 0 0 300
Phoenix 0 200 1500 0
El costo de embarque total asociado con esta solucion optima es $23 100.
El problema de CCC ilustra los siguientes puntos clave ademas de las tecnicas
de formulation de problemas previamente cubiertas.
El use de un diagrama esquematico, tanto para ilustrar el problema como

para ayudar a su formulation matematica.
La necesidad de resolver ambiguedades que surgen con respecto a la inter-

pretaciOn de las restricciones objetivas impuestas sobre el problema. Por
ejemplo, "satisfacer la demanda" puede significar exactamente igual a o al
menos.
Agrupamiento La tecnica de agrupamiento, que es la identificacion de grupos de res-
La tecnica de identificar tricciones, cada una de las cuales pertenece a un aspecto particular del
una serie de restricciones problema, como la satisfaccion de demandas. La ventaja de agrupar es que,
similares, cada una de despues de formular la restriccion de demanda de un detallista, se le
las cuales pertenece facilitard formular todas las restricciones de ese grupo porque todas tienen
a un aspecto particular la misma estructura matematica.
del problema, como
la satisfaccion de
demandas.
2.2.2 Ejemplos de problemas de redes:

el problema del flujo mciximo
Para ilustrar nuevamente el use de un diagrama de redes, considere el problema
enfrentado por la administraciOn de la Hexxon Oil Company.
EJEMPLO 2.3 EL PROBLEMA DEL FLUJO MAXIMO DE LA HEXXON OIL COMPANY

Hexxon Oil Company tiene una gran refineria localizada en Newark, New Jersey. La
gasolina refinada es enviada de alli a tanques de almacenamiento en Filadelfia a traves
de una red de oleoductos con estaciones de bombeo en Sayerville, Easton, Trenton,
Bridgewater y Allentown. El oleoducto esta construido en segmentos que conectan
parejas de estas ciudades. A lo largo de cada segmento existe un numero maximo
conocido de galones por hora que pueden enviarse. Esos segmentos y sus respectivas
capacidades en galones por hora son
DE A CAPACIDAD
Newark Sayerville 150 000

Sayerville Trenton 125 000
Trenton Filadelfia 130 000
Newark Bridgewater 80 000
Sayerville Bridgewater 60 000
Bridgewater Easton 100 000
Easton Allentown 75 000
Easton Trenton 50 000
Allentown Filadelfia 90, 000
En la region de Filadelfia se espera un aumento en la conduccion en los proximos

meses de verano. i,Tendra Hexxon suficiente gasolina para satisfacer la mayor
demanda en las estaciones de servicio? Antes de incrementar la tasa de producciOn de
la refineria, la administracion de Hexxon desea conocer el rnimero maxim() de galones
de gasolina por hora que pueden enviarse a tray& de la red de oleoductos a los tanques
de alma-cenamiento de Filadelfia.
Antes de formular este problema matematicamente, considere el dibujo de un

diagrama de redes que le ayude a visualizar la informacion y los datos del problema.
Primero identifique ciertos nodos y arcos. En este problema, cada lista de ciudades
puede representarse mediante un nodo. Para conectar esas ciudades para las que existe
un segmento de la red de oleoductos se'utiliza un arco, como se ve en la figura 2.3. Alli

tambien puede ver la capacidad de cada segmento escrita junto al arco correspondiente.
Sayerville Trenton
[150]'
Newark Filadelfia
[60] [50]
[80] [90]
[100] [75]
Bridgewater Easton Allentown
* En miles de galones por hora
Figura 2.3 RepresentaciOn de red del problema de flujo maximo: problema de flujo de Hexxon
Oil Company.
PASO 1. IDENTIFICACION DE LAS VARIABLES DE DECISION

El primer paso en la formulacion es identificar las variables de decision. Preguntese lo
que puede controlar con libertad y lo que constituye una soluciOn a este problema. La
respuesta es que debe determinar el ntimero de galones de gasolina que se pueden
enviar por hora a lo largo de cada segmento del oleoducto. Puede definir
XNS =
el numero de galones de gasolina por hora que se enviaran a lo largo
del segmento Newark a Sayerville
Se requiere de una variable similar para cada uno de los otros ocho arcos del diagrama
de redes de la figura 2.3. En la figura 2.4 se escriben estas nueve variables junto a los
arcos.
Sayerville Trenton
Filadelfia
Newark
[100] [75]
Figura 2.4 Variables de decision para el problema de flujo maximo de Hexxon Oil Company.
El siguiente paso en el proceso de formulaciOn es la identification de la funcion objetivo,

que en este caso es:
Maximizar el ntimero de galones de gasolina por hora enviada a Filadelfia
Examinando el diagrama de redes de la figura 2.4 y aplicando la tecnica de descom-

posicion, puede ver que:
Ninnero de galones ntimero de galones por _ numero de galones por

por hora a Filadelfia hora desde Allentown hora desde Trenton
En terminos de las variables de decision, entonces, la funcion objetivo es

Maximizar xm, + XTP

La tecnica de agrupamiento puede usarse para identificar los siguientes tres grupos de
restricciones.
1. Restricciones de limite, especificando que la tasa de embarque de cada segmento

del oleoducto no debe exceder su capacidad. Al usar las variables y las capacidades
dadas en la figura 2.4, estas restricciones son:
XNS 150 000
XNB
80 000
<
xSB - 60 000
X ST < 125 000
x BE 5 100 000
EA
75 000
XET 50 000
xAr 90 000
xTp 130 000
2. Restricciones de equilibrio, especificando que en cada estacion de bombeo, la

cantidad de gasolina por hora enviada debe ser precisamente igual a la cantidad
recibida. Por ejemplo, si observamos el nodo de la figura 2.4 correspondiente a
la estaciOn de bombeo de Bridgewater, puede ver que
Cantidad enviada Cantidad enviada de

{ desde Bridgewater . Bridgewater a Easton
= X BE
Cantidad recibida Cantidad recibida en Cantidad recibida en

en Bridgewater Bridgewater desde Newark Bridgewater desde Sayerville
= X NB + X SB
Si igualamos estas dos cantidades obtenemos la siguiente restriction de balance

para la estacion de bombeo de Bridgewater:
X BE = X NB + X SB
0
X BE X NB
XsB = 0 (balance en Bridgewater)
Procediendo de manera similar para cada estacion de bombeo se obtienen las

siguientes cuatro restricciones de balance adicionales:
X ST X SB X NS = 0 (balance en Sayerville)
x EA X ET X BE = 0 (balance en Easton)
X TP X ST X ET = 0 (balance en Trenton)
Xm, X
EA = 0 (balance en Allentown)
3. Restricciones iogicas, especificando que la cantidad enviada en cada segmento

sea no negativa.
Juntando todas las piezas, la formulation matematica del problema de la Hexxon

Oil Company es la siguiente:
FORMULACION MATEMATICA DEL PROBLEMA DE FLUJO

DE LA HEXXON OIL COMPANY
Maximizar X AP + X TP
Condicionado por:
RESTRICCIONES DE FRONTERA
Programa lineal
EX2_3.DAT
X NS 150 000
< 80 000
X NB
X SB 60 000
X ST <
125 000
X BE
100 000
XEA 75 000
5-
X ET 50 000
XAP, 5- 90 000
X TP < 130 000
RESTRICCIONES DE BALANCE
X BE X NB X SB = 0 (balance en Bridgewater)
xST + X SB X NS = 0 (balance en Sayerville)
x EA + X ET X BE = 0 (balance en Easton)
X TP X ST X ET = 0 (balance en Trenton)
X AP X EA = 0 (balance en Allentown)
30 CAPITULO 2 EL ARTE Y LA CIENCIA DE CONSTIZUIR MODELOS DETERMINISTICOS
Todas las variables son no negativas.
Aplicando el procedimiento de solution apropiado se obtienen los flujos optimos

mostrados en la figura 2.5.
Sayerville Trenton
110
[125]
Filadelfia
Flow = 205
95
[100] [75]
Figura 2.5 Una solution optima para el problema de flujo maxim de Hexxon Oil Company.
Esta solution resulta en un flujo maxim de 205 000 galones de petroleo por hora
desde la refineria de Newark a los tanques de almacenamiento de Filadelfia.
La administration no sabe cuanta gasolina puede bombear la compaiiia a Filadelfia.
Esta information tambien es importante al tomar la decision respecto a cudl deberia ser
la tasa de production en la refineria de Newark. De hecho, el flujo maxim hacia
Filadelfia pone un limite superior sobre cuanta gasolina debe fluir desde Newark.
2.2.3 Administration de cartera de valores:

el use de variables enteras 0-1
En muchos problemas, los administradores deben tomar ciertas decisiones estrategicas,
como:
Y. i,Debe construirse una nueva planta o almacen?

2. zDebe emprenderse un proyecto particular?
3. cDebe comprarse cierta seguridad?
4. zDebe comprarse una nueva pieza de equipo?
Estas cuatro preguntas abordan problemas que son distintos en naturaleza del
problema de transportation y del problema de flujo maxim. Al desarrollar el programa
de embarque y el flujo de gasolina, usted buscaba una respuesta cuantitativa: zcuanto?
Las cuatro preguntas estrategicas anteriores son cualitativas: Sus respuestas seran
"no" o "si".
Las decisiones cualitativas desconocidas, la respuesta de si o no a estas pregun

tas, son los elementos que puede controlar con libertad y de esta manera se incorpo-
ran a un modelo matematico como variables de decision. Al formular un modelo, estas'
variables de decision estan restringidas a valores de 0 (para "no") y 1 (para "si") y son
entonces llamadas variables enteras 0-1. El siguiente ejemplo ilustra como se usan Variable entera 0-1
estas variables en el desarrollo de modelos. Una variable de decision,
restringida a tener un
EJEMPLO 2.4 EL PROBLEMA DE ADMINISTRACION DE CARTERA DE HIGH TECH valor de 0 o 1, usada
Los socios generales de High Tech, una compaiiia de inversion de capital de riesgo, para modelar
estan considerando invertir en una o ms propuestas que han recibido de varios decisiones "no/si".
negocios empresariales. El departamento de investigacion ha examinado cada propuesta,
y cuatro de los empresarios cumplen con el requerimiento de High Tech de lograr un
rendimiento lo suficientemente alto para el riesgo asociado. Estas compailias son Bio-
Tech, Tele-Comm, Laser-Optics y Compu-Ware. El departamento de investigacion de
High Tech tambien ha estimado el rendimiento total de estos negocios en &Hares
actuales, dado en la Ultima columna de la tabla 2.3.
Cada uno de los cuatro proyectos requiere inversiones de una cantidad conocida al
principio de cada uno de los siguientes cuatro anos, como se muestra en la tabla 2.3. El
departamento de contabilidad de High Tech ha preparado una estimacion de los fondos
totales que High Tech tiene para invertir a principios de cada uno de los siguientes
cuatro atios, que se da en la Ultima fila de la tabla 2.3. Observe que los fondos no usados
de cualquier ario no estan disponibles para su inversion en los aiios posteriores.
Como uno de los socios generales de High Tech, se le ha pedido hacer recomendaciones
respecto a cuales de estos proyectos elegir, si acaso, para invertir y lograr el ms alto
rendimiento total en &dares actuales. Usted y los otros socios han acordado que High
Tech, en un esfuerzo por diversificarse, no invertird conjuntamente en Tele-Comm y
Laser-Optics, que estan desarrollando el mismo tipo de tecnologia.
TABLA 2.3 Datos de inversion para High Tech ($ miles)
PROYECTOS ANO 1 ANO 2 ANO 3 ANO 4 DEVOLUCION
Bio-Tech 60 10 10 10 250
Tele-Comm 35 35 35 35 375
Laser-Optics 10 50 50 10 275
Cornpu-Ware 15 10 10 40 140
Fondos para inversion 90 80 80 50
Pregtintese que puede controlar libremente en este problema y se dard cuenta de que
puede elegir aceptar o rechazar cada una de las cuatro propuestas. Debe reconocer
que estas decisiones implican una decision "no" o "si". Parece razonable entonces crear
una variable entera para cada proyecto, de la manera siguiente:
1, si High Tech debe invertir en Bio-Tech

B=
0, si High Tech no debe invertir en Bio-Tech
1, si High Tech debe invertir en Tele-Comm

T =
{1 0, si High Tech no debe invertir en Tele-Comm
32 CAPITULO 2 EL ARTE Y LA CIENC1A DE CONSTRUIR MODELOS DETERMINISTICOS
1,si High Tech debe invertir en Laser-Optics

L =
{ 0, si High Tech no debe invertir en Laser-Optics
1, SiHigh Tech debe invertir en Compu-Ware

C=
0, si High Tech no debe invertir en Compu-Ware
La eleccion de 1 para "si" y 0 para "no" es completamente arbitraria. Tambien habrfa

podido elegir 1 para "no" y 0 para "si". Sin embargo, una vez que ha elegido, debe usar
esta eleccion consistentemente en toda la formulacion. En algunos casos, una eleccion
particular simplifica la formulacion subsecuente.
En este caso, el objetivo es maximizar el rendimiento total de las inversiones en Mares

actuales. El rendimiento total puede descomponerse en la suma de las utilidades para
cada uno de los cuatro proyectos, como sigue:
Rendimiento total = rendimiento de Bio-Tech + rendimiento de Tele-Comm +

rendimiento de Laser-Optics + rendimiento de Compu-Ware
Trabaje con un ejemplo especffico. El rendimiento de Bio-Tech es de $250 000, como se

muestra en la tabla 2.3. Sin embargo, recibird este rendimiento solo si decide invertir
en Bio-Tech, esto es, si B = 1. De otra manera, es decir, si B = 0, el rendimiento de Bio-
Tech es 0. Estas dos posibilidades pueden combinarse en la siguiente expresiOn mate-
matica:
Rendimiento de Bio-Tech = 250B
Si la decision es no invertir, es decir, B = 0, entonces 250B = 0. De otra manera, cuando

la decision es invertir, esto es, B = 1, entonces 250B = 250.
De manera similar, el rendimiento de cada uno de los restantes tres proyectos se
obtiene multiplicando el rendimiento de la tabla 2.3 con la variable de decision 0-1
correspondiente a ese proyecto. En resumen, la funcion objetivo para este problema es
maximizar:
Rendimiento total = rendimiento de Bio-Tech rendimiento de Tele-Comm +

rendimiento de Laser-Optics rendimiento de Compu-Ware
= 250B + 375T + 275L + 140C
Comience usando la tecnica de agrupamiento para identificar los siguientes grupos de

restricciones: (1) flujo de efectivo anual, (2) una pauta para reflejar que High Tech no
desea invertir en Tele-Comm y en Laser-Optics a la vez, y (3) restricciones lOgicas.
RESTRICCIONES DE FLUJO DE EFECTIVO ANUAL

Pregiintese que le impide invertir en los cuatro proyectos. Una restriccion es la can-
tidad limitada de fondos disponibles para inversion durante cada uno de los cuatro atios
( \Tease la tabla 2.3). En particular, se requiere de una restriccion de presupuesto para
cada uno de los cuatro atios para asegurar que los fondos totales invertidos en proyectos
TICOS 2.2 EJEMPLOS ADICIONALES DE LA FORMULACION DE PROBLEMAS 33
seleccionados no excedan la cantidad de fondos para inversion disponibles ese ano. Por
ejemplo, para el primer ario:
Fondos totales invertidos en proyectos seleccionados :5_ 90
Usando la tecnica de descomposicion, los fondos totales invertidos en proyectos

ria seleccionados es la suma de las cantidades invertidas en cada uno de los cuatro
sar proyectos, esto es:
;ion
Fondos totales invertidos = (cantidad invertida en Bio-Tech) +
(cantidad invertida en Tele-Comm) +
(cantidad invertida en Laser-Optics) +
res (cantidad invertida en Compu-Ware)

ara
Se requiere una expresion matematica para cada una de estas cantidades en ter-
minos de las variables de decision y otros datos del problema. Use nuevamente la
descomposiciOn, y trabaje con un ejemplo especifico. La cantidad invertida en cada
proyecto es la cantidad requerida para ese proyecto durante el primer alio (\Tease la
tabla 2.3) multiplicada por la variable 0-1 correspondiente. Por tanto, la restriction de
presupuesto para el primer ario se convierte en:
60B + 35T + 10L + 15C 90 (presupuesto para el ario 1)
Se requiere de una restriction similar para cada uno de los restantes tres arios. Usando
los datos de la tabla 2.3, esas restricciones son
10B + 35T + 50L + 10C 80 (presupuesto para el ario 2)

10B + 35T + 50L + 10C:5_ 80 (presupuesto para el atio 3)
10B + 35T + 10L + 40C :5_ 50 (presupuesto para el ario 4)
RESTRICCION DE PAUTA DE INVERSION

Recuerde que la administraciOn ha decidido no invertir en Tele-Comm y Laser-Optics
a la vez. ,Puede usar las variables T y L para escribir una restriction matematica
apropiada?
Se necesita una restriction para asegurar que si T es 1, entonces L es 0, y que si L
es 1, entonces T es 0 (o, de manera equivalente, que ambas variables no pueden tener
un valor de 1). Una forma de lograr esto es requerir que el producto de estas dos
variables sea 0.
T*L= 0
Si una de las variables es positiva, la otra debe ser 0. Pensandolo un poco, puede darse
cuenta de que la siguiente restriction logra el mismo objetivo:
T 4-L5_1
En la Ultima restriction, si T es 1, L no puede ser tambien 1 y satisfacer la desigualdad

(y viceversa). Cualquiera de estas dos restricciones es aceptable. La opciOn deberia
basarse finalmente en su capacidad de encontrar un metodo para resolver la formulation
resultante. En este caso, la segunda restricciOn proporciona un modelo que es ms facil

de resolver, como aprendera en los siguientes capitulos sobre tecnicas de solucion.
Como se especifica en las definiciones, cada variable debe tener un valor de 0 o 1. Esta
restriccion implicita se hace explicita de la siguiente manera:
B,T,LyC=Ool
De manera alternativa, podria escribir estas restricciones logicas como:
0_.-B.1c.1 y B entera
0 _<_71 1 y T entera
0 ._1.1 y L entera
0 :5_ C 1 y C entera
Juntando las piezas, el modelo matematico completo es el siguiente:
FORMULACION MATEMATICA PARA EL PROBLEMA

DE INVERSION DE HIGH TECH
Maximizar 250B + 375T + 275L + 140C

Condicionado por: GOB + 35T + 10L + 15C 5_ 90 (ano 1)
Programa entero 10B + 35T + 50L + 10C 5_ 80 (alio 2)
EX24.DAT
10B + 35T + 50L + 10C 80 (ano 3)
10B + 35T + 10L + 40C < 50 (alio 4)
T+ L <1
B, T, L, C =Ool
Esta formulacion se basa en definir las variables como se hace en el paso 1. Una
formulacion alternativa, pero equivalente, puede obtenerse definiendo cada variable
de decision para que tenga un valor de 1 para "no", significando que no invertira en el
proyecto asociado, y de 0 para "s1", significando que si invertira. Se le pide desarrollar
el modelo correspondiente en un ejercicio al final de este capitulo. Esto mostrard que
no existe una formulacion Unica de un problema.
De cualquier modo, aprendera el procedimiento de solucion para este tipo de
problema en el capitulo 8. La aplicacion de ese procedimiento da por resultado en la
recomendacion de invertir solo en los proyectos de Bio-Tech y. Laser-Optics, con un
rendimiento esperado de 525 mil dolares.
elk CARACTERISTICAS CLAVE
Este problema ilustra las siguientes caracteristicas clave, ademas de las tecnicas
de formulaciOn de problemas que ya conoce:
2.2 EJEMPLOS ADICIONALES DE LA FORMULACION IDE PROBLEMAS 35
I El uso de variables enteras (0-1), para incorporar decisiones no/si.

I El uso de variables enteras (0-1), para modelar restricciones alternati-
vas al requerir que la suma de dos de estas variables no exceda de 1.
I La posibilidad de distintas expresiones matematicas para la misma
restriction.
I La posibilidad de distintos modelos, dependiendo de la election y definition
de las variables de decision.
2.2.4 Ian problema de ubicaciOn

Muchos problemas de la industria implican la election de un lugar para instalaciones,
por ejemplo, plantas y almacenes. La ubicacion de instalaciones puede influir en gran
medida en los costos de transportation. Por ejemplo, si las plantas de ensamblaje de la
Cosmic Computer Company, en el ejemplo 2.2 de la section 2.2.1, estuvieran ubicadas
en distintas ciudades, los costos de embarque de las computadoras a las tiendas deta-
llistas cambiarian. Las decisiones de ubicaciOn tambien pueden afectar la satisfaction
del cliente. conveniente y accesible una tienda? La ubicacion puede ser critica para
el exit del negocio. La pregunta a contestarse es donde ubicar "mejor" las instalaciones
para lograr un objetivo organizational global, como se ilustra en el siguiente ejemplo.
EJEMPLO 2.5 EL PROBLEMA DE LA UBICACIoN DEL BANCO DE SANGRE Suponga

que la ciudad de Nueva York tiene cinco hospitales en Manhattan. El Departamento
de Salud desea construir un banco central de sangre para proporcionar suministros
diarios de sangre a cada hospital. Los hospitales 2 y 4 requieren entregas matutinas y
vespertinas. Los restantes tres hospitales requieren solo una entrega al dia. Como
administrador del departamento, se le ha pedido hacer una recomendacion respecto a
la ubicaciOn ideal de este banco de sangre, ya sea que ese lugar este realmente
disponible para su adquisicion o no.
zQue puede controlar libremente en este problema? Es claro que usted controla la
ubicacion del banco de sangre. La cuestiOn real es como especifica esa ubicacion. La
forma obvia de hacerlo es definiendo una variable simple, digamos, x, cuyo valor es la
direction del banco de sangre. Pero piense cuidadosamente respecto a lo que va a hacer
con esa variable en la formulation del problema. Si la direction conocida de un hospital
es y, por ejemplo, no podra utilizar x junto, cony para desarrollar una expresion mate-
matica para la distancia entre el banco de sangre y el hospital, porque las direcciones
solas no contienen suficiente information.
Se requiere de un conjunto de variables ms preciso. Una forma de definir un lugar
en un mapa (como en la figura 2.6) es describiendo cada punto en relation con un punto
fijo, llamado el origen. Cada punto del mapa consta de dos coordenadas, digamos (a, b).
La primera coordenada, a, representa la distancia Este-Oeste (digamos, en millas)
desde el origen, y la segunda coordenada, b, representa la distancia Norte-Sur (en
millas). No importa el punto que elija como el origen, siempre y cuando exprese todas
las coordenadas con relation a ese punto.
En este ejemplo, el Ayuntamiento de la figura 2.6 se ha elegido como el origen. Sus
coordenadas son (0, 0). Cualquier otro punto en el mapa consiste entonces en dos co-
ordenadas (a, b), en las que un valor negativo de a representa la distancia al Este
(derecha). De manera similar, un valor negativo de b representa la distancia desde el

Ayuntamiento hasta el Sur (abajo) y un valor positivo representa la distancia al Norte
(arriba). Con este entendido, puede escribir las coordenadas conocidas de los cinco
hospitales en la figura 2.6 relativas al Ayuntamiento de la siguiente manera:
Ubicacion del hospital 1 = (a1 , b1)

Ubicacion del hospital 2 = (a2, b2)
Ubicacion del hospital 4 = (a4 , b4)
Regresando a la cuestion de identificar las variables de decision, usted puede elegir con
libertad la ubicacion del banco de sangre, esto es, su distancia Este-Oeste y Norte-Sur
en millas desde el Ayuntamiento. En consecuencia, es razonable definir dos variables,
una para cada coordenada de la ubicacion del banco de sangre:
x = la distancia Este-Oeste en millas desde el Ayuntamiento
y = la distancia Norte-Sur en millas desde el Ayuntamiento
Norte
(a5, b5 )
(a1, b,)

Oeste Este
Ayuntamiento
(a4, 134 )
(a2, 132 )
(a b3 )
Sur
Figura 2.6 Ubicacion de hospitales en la ciudad de Nueva York.
Xual es el objetivo de este problema? Si relee el enunciado del problema, descubrird

que el objetivo no se especifica de manera precisa. En terminos generales, se le ha
pedido hacer una recomendaciOn respecto a una ubicacion "ideal" para el banco de
sangre. Asi que la primera cuestion que debe abordarse es como medir lo "bueno" de una
ubicacion particular. Por ejemplo, Lseria "mejor" un banco de sangre ubicado en las
coordenadas (s, t) que uno ubicado en las coordenadas (x, y)? Se requiere de cierta
medida de comparacion para determinar la ubicaciOn "mejor". Para desarrollar esta

medida, comience por preguntar lo que constituye una buena ubicacion. Algunas res-
puestas posibles son la mejor ubicacion.
1. Minimiza la suma de las distancias desde el banco de sangre a cada uno de los
cinco hospitales.
2. Minimiza la distancia al hospital ms lejano.
3. Minimiza la distancia total viajada al hacer las entregas durante el dia.
La eleccion de un objetivo corresponde a los tomadores de decisiones de la
organizacion. En este problema, suponga que se selecciono el tercer criterio.
La siguiente cuestion es como expresar este objetivo en terminos de las variables y
otros datos del problema. Usando la tecnica de descomposicion, puede expresar la
funcion objetivo de la manera siguiente:
Minimizar la distancia total de viaje =

2 * (distancia desde el banco de sangre hasta el hospital 1) *
(numero de entregas al dia al hospital 1) +
(numero de entregas al dia all hospital 2) +

(numero de entregas al dia al hospital 5)
El valor de 2 en cada termino surge porque cada entrega es un viaje redondo.

Ahora es necesario expresar cada termino individual usando variables y otros datos
del problema. i,Puede hacer esto para la distancia desde el banco de sangre hasta el
hospital 1 de la figura 2.6? Una dificultad que puede encontrar es que no es claramente
preciso que se entiende por "distancia". Por ejemplo, si las entregas se hacen por aire
(digamos, en helicoptero), la distancia no es la misma que si las entregas se hicieran por
tierra. Supongamos que las entregas se hacen por aire. En este caso, recuerde la for-
mula para calcular una distancia en linea recta. La distancia desde el banco de sangre,
ubicado en las coordenadas desconocidas (x, y), al hospital 1, ubicado en (a1, b 1 ), es:
Distancia = \/(x a1)2 + (y bi)2
Porque cada entrega requiere un viaje redondo,
Distancia viaje redondo = 2 * V(x a1)2 + (y b1)2
Use la misma formula para cada uno de los cuatro hospitales restantes, y multiplique
cada distancia por el numero de viajes diarios dados en la descripcion del problema. La
funcion objetivo global es:
Minimizar 2* \/(x a )2 + (y b i)2 ) +
4* \/(x a2 )2 (y b2)2 ) +
2* \/(x a3 )2 + (y b3)2 ) +
4 * ( \/(x a4)2 + (y 1)4)2 ) +
2* ( \/(x a5 )2 + (y b5)2 )
Para identificar las restricciones, pregantese lo que le impide elegir valores arbitrarios
para las variables x e y. A primera vista, podria sentir que se requieren ciertas
limitaciones sobre estas variables para asegurar que representan una ubicacion valida
sobre el mapa. No desearia que el banco de sangre estuviera ubicado en Filadelfia. Aun
cuando podria incluir tales restricciones, no se requiere hater eso en este problema. La
razon es que la funcion objetivo restringe los valores para x e y. Cuando la funcion
objetivo se minimiza de hecho, los valores para x e y automaticamente estaran cerca de
los cinco hospitales.
Existen otras muchas consideraciones practicas respecto a la ubicacion real del
banco de sangre, pero no se incluyen como restricciones en este modelo porque el
objetivo es determinar la ubicacion ideal.
Adicionalmente observe que no existen restricciones de no negatividad. La razOn es
que esta permitido que las variables x e y tengan valores negativos asi como positivos.
Problema de De hecho, este problema no tiene restriction alguna y por lo tanto, se denomina pro-
optimization blema de optimization irrestricta. La formulation final es la siguiente.
irrestricta
Un modelo matematico
que tiene una funcion FORMULACION MATEMATICA DEL PROBLEMA DE UBICACION
objetiva pero carece de
restricciones. DEL BANCO DE SANGRE
Minimizar 2* V(x a1)2 + (y b1)2 J +
4* [ V(x a2)2 + (y b2)2 I +
2 * [ V(x a3)2 + (y b3)2 1 +
4 * [ V(x a4)2 + (y b4)2 J +
2* V(x a5)2 + (y b5)2
Resolver este problema requiere la obtenciOn de valores especificos para los datos que
representan la ubicacion (coordenadas) de los cinco hospitales.
No CARACTERLSTICAS CLAVE
Este problema ilustra las siguientes caracteristicas slave ms alla de las

tecnicas de formulation de problemas ensenadas:
La necesidad de aclarar ciertos aspectos del problema (como el concepto de

"distancia") antes de intentar formular el problema.
La posibilidad de especificar la funcion objetivo de maneras diferentes, ba-
sandose en criterios distintos, como los conceptos alternativos de una ubicacion
ideal. En tales casos, elija el criterio que sea ms consistente con el plan
estrategico global de la organization.
La capacidad para formular un problema usando nombres simbolicos para
representar los datos (por ejemplo, (a1, b1) para representar la ubicacion de
un hospital). Sin embargo, para obtener una solution, requerird reemplazar
los nombres simbOlicos con valores de datos. El usar nombres simbolicos en
vez de valores de datos especificos le permite:
a. Formular un problema sin esperar la recoleccion de los valores de datos y

b. Usar el mismo modelo para problemas similares teniendo distintos valores
de datos. Por ejemplo, el modelo de banco de sangre, con diferentes
ubicaciones de hospitales, puede ser usado tambien por el condado de Los
Angeles.
La posibilidad de tener variables irrestrictas, esto es, variables cuyos Variables irrestrictas
valores pueden ser tanto negativos como positivos. Una variable en un
La posibilidad de omitir ciertas restricciones que, por la naturaleza de la problema de decisiOn
funcion objetivo, se satisfacen automaticamente. Algunas veces, puede omi- cuyo valor puede ser
tir una restriction porque esa restriction es impuesta automaticamente por positivo, negativo o cero.
alguna otra restriction del modelo.
2.2.5 El problema del diserio del contenedor

Otra clase importante de problemas se centra en el disetio optimo de elementos como
estructuras (por ejemplo, columnas de soporte) y equipo (por ejemplo, contenedores).
El objetivo de estos problemas es determinar las dimensiones de un objeto particular
con forma y materiales conocidos, sujetas a ciertas especificaciones de disetio. El mo-
delado de estos problemas a menudo implica matematicas de ingenieria al especificar
la funciOn objetivo y las restricciones, como se ilustra en el siguiente ejemplo.
EJEMPLO 2.6 EL PROBLEMA DE DISEICIO DE CONTAINERS, INC. Containers, Inc., fa-

brica todo tipo de contenedores hechos por pedido. La compania acaba de recibir un
estudio de una compaiiia britanica para contenedores rectangulares de seis lados
reutilizables hechos de un material especial de lamina de fibra. El volumen de cada
contenedor debe ser al menos de 12 000 centimetros cabicos (cm3 ). Las restricciones de
embarque de estos contenedores en Inglaterra requieren que sus dimensiones (esto es,
largo por ancho por altura) no exceda de 72 cm y que la mayor dimension sencilla no
exceda de 40 cm. La compatila britanica ya obtuvo una oferta de $8.20 por contenedor.
La presidencia de Containers, Inc., le ha preguntado, a usted, gerente de la divisiOn de
production, si la compatifa puede proveer los contenedores por menos y seguir
obteniendo una ganancia de 25%. Usted ha obtenido datos que indican que el material
de lamina de fibra cuesta $20 por metro cuadrado y que los costos de trabajo y otros
costos variables son de $1 por contenedor. zHace una oferta por el contrato?
Despues de reconocer la necesidad de un modelo maternatico, primero identifica las

variables. Al hacerse la pregunta usual de que es lo que puede controlar con libertad
en este problema, debe darse cuenta que no puede controlar la forma del contenedor
(debe ser rectangular y tener seis lados) y tampoco los costos variables de $1 por
contenedor. Sin embargo, puede controlar el costo total de la lamina de fibra usada en
la production de los contenedores controlando el diseno de la caja. Otras reflexiones
deberian llevarlo a darse cuenta de que este diseiio esta determinado por el largo, ancho
y altura del contenedor. Por tanto, usted podria comenzar por definir L, W y H como el
largo, ancho y altura del contenedor, respectivamente. Sin embargo, esta definition no
es lo bastante precisa, pues carece de las unidades en las que se miden las dimensiones.
Usted tiene libertad para elegir esas unidades, pero piense en la forma en que se uti-
lizaran y en las unidades dadas en los datos del problema.Como los datos estan ex-
presados en unidades metricas centimetros y metros), es apropiado utilizar centi-
metros o metros en vez de pulgadas o pies. Eligiendo arbitrariamente centimetros, sean
L = la longitud del contenedor en centimetros

W = el ancho del contenedor en centimetros
H = la altura del contenedor en centimetros
El objetivo global de este problema es decidir si puede producir los contenedores con un
margen de ganancia de 25% por arriba de los costos, al mismo tiempo que fijar su precio
por debajo de la oferta de la competencia de $8.20 por contenedor. Un enfoque para
solucionar este problema es determinar el costo minimo posible de la lamina de fibra
usada, anadir $1 por los costos de la mano de obra y otros costos variables para obtener
el costo total por contenedor, y luego anadir 25% para ver si el valor resultante es menor
que $8.20. Desde un punto de vista de modelado, el objetivo en palabras es:
Minimizar el costo total de la lamina de fibra usada por contenedor
Ahora determina una expresion matematica para el costo de la lamina de fibra usada
en un contenedor en terminos de las variables de decision y de otros datos del problema.
Si tiene problemas al hacer esto, intente la tecnica de trabajar con un ejemplo
especifico. Por ejemplo, sea L = 40 cm, W = 20 cm y H = 10 cm. Para calcular el costo
total, necesita saber cuanta lamina de fibra se requiere para hacer un contenedor de
estas dimensiones. Si ve la figura 2.7 y usa la tecnica de descomposicion, debe darse
cuenta que:
Costo total = suma de los costos para cada uno de los seis lados
Figura 2.7 Dimensiones del contenedor.
Para cada lado, el costo se calcula como:
Costo de un lado = (cantidad de lamina de fibra requerida) *

(costo por unidad de lamina de fibra)
En particular, para el lado limitado por el largo y el ancho, la cantidad de lamina de

fibra requerida es:
Area del lado = largo * ancho

= (40 cm) (20 cm)
= 800 cm2
Si ahora tuviera que calcular el costo de este lado como 800 veces el costo unitario de
la lamina de fibra ($20 por metro cuadrado), obtendria un costo incorrecto de $16 000
por este lado. Este error ocurre debido a una mezcla incorrecta de unidades. Las dimen-
siones del contenedor estan definidas en terminos de centimetros, pero el costo de la
lamina de fibra esta dado en dolares por metro cuadrado. Una forma de corregir esta
situation es redefinir las variables en terminos de metros en vez de centimetros. De
manera alternativa, puede calcular el costo de la lamina de fibra en terminos de (Wares
por centimetro cuadrado, como se hard aqui. Observe que 1 metro cuadrado es igual a
100 cm, o 10 000 centimetros cuadrados. Por tanto, un costo de $20 por metro cuadyado
es equivalente a un costo de $20/10 000 = $0.002 por centimetro cuadrado. En conse-
cuencia, el costo de un lado limitado por un largo de 40 y un ancho de 20 es:
Costo para este lado = 0.002 * 40 * 20 = $1.60
Recuerde que el proposito de trabajar con un ejemplo especifico no es obtener una

respuesta numerica para este conjunto especifico de valores de variables, sino determinar
como realizar los cdlculos cuando los valores de las variables no estdn especificados. En
este caso, el costo para este lado, en terminos de L y W, esta dado por:
Costo de este lado = 0.002 * L W
Habiendo calculado el costo de este lado, todavia tiene que, calcular el costo de los
otros cinco lados. De la figura 2.7, puede ver que hay dos lados acotados por el largo y
el ancho; de manera similar, hay dos lados acotados por el largo y la altura y dos lados
acotados por el ancho y la altura. Por tanto, el costo total de la construction del con-
tenedor puede expresarse matemdticamente de la manera siguiente:
Costo total = suma de los costos para cada uno de los seis lados
= 2 * (costo del lado acotado por el largo y el ancho) +

2 * (costo del lado acotado por el largo y la altura) +
2 * (costo del lado acotado por la altura y el ancho)
= 2 * (0.002 * L* W) +
2 * (0.002 * L* H) +
2 * (0.002 * H W)
= 0.004 * L W + 0.004 * L* H + 0.004 * H W
La funcion objetivo para este problema es:
Minimizar 0.004 'L W + 0.004 :IL *H + 0.004 :1H :1W
PASO 3, IDENTIFICACION DE LAS RESTRICCIONES
Relea la description del problema y pregtintese que le impide elegir arbitrariamente los
valores para las dimensiones del contenedor. Debe entonces identificar tres tipos de
restricciones, pertenecientes al volumen, tamario y mayor dimension simple.
42 CAPiTULO 2 EL ARTE Y LA CIENCIA DE CONSTRUIR MODELOS DETERMINISTICOS
LA RESTRICCION DE VOLUMEN
La compaiifa britanica ha pedido que el contenedor tenga un volumen de al menos
12 000 cm3. Si recordamos que el volumen de una caja se calcula como el producto de
sus tres dimensiones, puede usarL, W y H anteriormente definidos para expresar esta
restriccion como:
L*W*H 12 000 (restriccion de volumen)
LA RESTRICCION DE TAMARO
Para expresar la limitaciOn de que el tamario no exceda de 72 cm, recuerde que el
tamailo es la suma de las tres dimensiones del contenedor, asi que:
L + W + H < 72 (restriccion de tamano)
RESTRICCION SOBRE LA MAYOR DIMENSION SIMPLE

Otra restriccion dada en la description del problema es que la mayor dimension simple
no exceda de 40 cm. Usted no sabe que dimension es la que va a ser la mayor, asi que
una forma de expresar esta restriccion es la siguiente:
Maximo IL, W y H}<

_ 40
Esta restriccion es correcta.en esta forma, pero puede darse cuenta de que existe otra
forma equivalente de expresar la limitacion de que la dimension mayor no exceda de
40 cm. Podria requerir que cada dimension individual no exceda de 40 cm. Por tanto,
la restriccion anterior puede escribirse igualmente bien como las tres restricciones:
L__
<40
W__
<40
H 40
Aqui, nuevamente, yea que es posible formular un problema en ms de una forma.

Compare los dos enfoques. El primero requiere una restriccion matematica compleja,
y el ultimo requiere tres simples. Ambas formulaciones son correctas. La elecciOn de la
formulacion a usar debe basarse en su habilidad para encontrar un metodo para
resolver el problema resultante, como se analizo en la section 2.3. Por ahora, el segundo
enfoque se usard debido a su simplicidad.
FORMULACION MATEMATICA DEL PROBLEMA

DE CONTAINERS, INC.
Reuniendo todas las piezas, incluyendo las restricciones de no negatividad implicitas

sobre cada variable, la formulacion final y correcta del problema es:
Maximizar 0.004* L *W + 0.004 * L * H + 0.004 * H * W

Condicionado por: L*W* H 12 000 (volumen)
L + W + H < 72 (tamario)
0 < L < 40
0 < W < 40
0 < H< 40
2.3 CLASIFICACION DE MODELOS MATEMATICOS 43
Observe que la restriction 0 L 40 significa que L es no negativo (0 L) y es menor

que 40 (L < 40). En la section 2.3, aprendera que este problema pertenece a una clase
general llamadaproblemas de programacion no lineal. El procedimiento para resolver
estos problemas esta ms alla del alcance de este libro. Sin embargo, tales metodos
existen y estan disponibles en algunos paquetes de computadora. La aplicacion de un
procedimiento de estos tiene como resultado el diserio cptimo en el que el largo, el ancho
y la altura son cada uno 22.8943 centimetros. Este diserio incurre en un costo total de
$7.29, consistente en $6.29 para la lamina de fibra y un &liar adicional de mano de obra
y gastos generales. La adicion de 25% de margen de ganancia da un total de $9.11. Como
esta cantidad excede la oferta competitiva de $8.20, debe recomendar a la directiva que
la compariia no acepte este contrato.
CARACTERISTICAS CLAVE 41.

Este problema ilustra las siguientes caracteristicas clave adernas de las tecnicas
de formulaciOn de problemas anteriores.
I La necesidad de usar unidades apropiadas (centimetros, en este ejemplo) al

definir las variables y ser consistente a lo largo de toda la formulaciOn en ex-
presar todos los aspectos del problem a en terminos de las unidades elegidas.
La posibilidad de escribir restricciones en ms de una forma (como la

restriction de que la dimension maxima del contenedor no exceda de 40 cm).
11 2.3 CLASIFICACION DE MODELOS MATEMATICOS
Ahora que sabe como formular un problema matematicamente, el siguiente paso es

resolver ese problema, esto es, encontrar valores para las variables de decision que
satisfagan todas las restricciones y que, al mismo tiempo, proporcionen el mejor valor
posible de la funcion objetivo. Esta tarea se logra usando procedimientos sistematicos,
paso a paso, llamados algoritmos. Finalmente, una computadora efectna estos algo- Algoritmos
ritmos. Los algoritmos que resuelven un modelo matematico pueden o no resolver otro. Un procedimiento
Los distintos algoritmos han sido diseriados para resolver distintos tipos de problemas. sistematico, paso a paso,
La pregunta natural a cuestionarse es, despues de formular un modelo matematico usado para resolver un
particular, 4como elijo el algoritmo correcto para resolver ese problema? modelo matematico.
La respuesta a esta pregunta es identificar la clase de modelos matematicos a la que
pertenece su problema particular. Existe uno o ms algoritmos para resolver todos los
problem as de esa clase. Una vez que sabe la clase a la que pertenece su problema, podra
seleccionar un algoritmo asociado para resolver ese problema.
En esta section, aprendera a identificar algunas de estas distintas clases de mo-
delos, de acuerdo con las propiedades matematicas que comparten todos los problemas
de esa clase. Tambien aprendera como determinar la clase a la que pertenece su
problema examinando sus propiedades matematicas. Las ventajas y desventajas de los
algoritmos asociados con cada clase se analizan brevemente aqui y en todo lo que resta
del libro. Los detalles de como usar los diversos algoritmos de estas clases y como
interpretar los resultados obtenidos de la computadora tambien se presentan en los
capitulos subsecuentes.
2.3.1 Clasificaciones basadas

en datos de problemas
Como aprendio en el capitulo 1, los problemas en los que todos los datos son conocidos
con certeza, como los de este capitulo, son deterministicos. En los problemas estocasticos
presentados en los capitulos 11 al 16, algunos (o todos) datos del problema no se conocen
con certeza. Lo que resta de esta seccion esta dedicado a la clasificacion de problemas
deterministicos basados en ciertas propiedades matematicas.

en las restricciones
Los problemas deterministicos se clasifican primero sobre la base de la existencia de
restricciones. Esto da pie a las siguientes dos clases:
Problema irrestricto 1. Problemas irrestrictos son aquellos que carecen de restricciones.
Un problema que tiene 2. Problemas restringidos son aquellos que tienen una o ms restricciones.
una funcion objetivo pero
no restricciones. El problema de ubicacion del banco de sangre del ejemplo 2.5, en la seccion 2.2, es
un problema irrestricto. Todos los demas ejemplos de la seccion 2.2 son problemas
restringidos.
Problema restringido Los problemas restringidos se clasifican entonces sobre la base de las propiedades
Un problema que tiene matematicas que las restricciones satisfacen. Una de las dos propiedades matematicas
una o ms restricciones. fundamentales de las restricciones es la aditividad, en la que la contribucion de cada
variable a la funciOn de restriccion se suma (o sustrae) a la de cada una de las otras
variables de la restriccion.
Para ilustrar la propiedad de aditividad, recuerde la siguiente restriccion de mano
de obra del departamento de mezclado del problema de Case Chemicals de la seccion
2.2, en el que CS1 es el namero de miles de galones de CS-01 por producir y CS2 es el
Aditividad
namero de miles de galones de CS-02 por producir:
Una propiedad
matematica de 2CS1 + CS2 _< 230 (1)
restricciones en la que la
contribucion de cada Esta restriccion satisface aditividad porque la contribucion de CS1 a la restriccion
variable a la funcion de (a saber, 2CS1) se suma a la de CS2 (a saber, CS2). De manera similar, considere la
restriccion se suma (o siguiente restriccion de equilibrio para la estaciOn de bombeo de Allentown en el
sustrae) a la de cada una problema del flujo maxim de Hexxon Oil Company en el ejemplo 2.3:
de las otras variables de
la restriccion. X
AP
- X EA = 0 (2)
Esta restriccion satisface la propiedad de aditividad porque la contribucion de xEA se

sustrae de la de xAp.
En contraste considere la siguiente restriccion de volumen del problema de disefio
de Containers, Inc., del ejemplo 2.6:
Proporcionalid a4
L*14T*H__12 000 (3)
Una propiedad
matematica de Esta restriccion no satisface la aditividad porque las contribuciones de L, W y H no se
restricciones mediante suman unas a otras. Ms bien, esos valores se multiplican entre si.
la cual si el valor de una La segunda propiedad matematica de una restriccion es la de la proporcionalidad:
variable se multiplica si el valor de una variable se multiplica por cualquier constante, la contribucion de la
por cualquier constante, variable a la restriccion se multiplica por esa misma constante. La restriccion anterior
su contribucion a la (1) si satisface la proporcionalidad. Suponga que CS1 tiene un valor de 5. En este caso:
restriccion se multiplica
por esa misma constante. Contribution de CS1 = 2CS1 = 2(5) = 10
2.3 CLASIFICACION DE MODELOS MATEMATICOS
Si el valor de CS1 = 5 se multiplica por cualquier constante, digamos, c, entonces:
Contribution de CS1 = 2CS1 = 2(5c) = 10c
Como puede ver, si el valor de CS1 se multiplica por cualquier constante c, la

contribution de CS1 a la restriction tambien se multiplica por c. Como esta misma
propiedad es cierta para CS2, esta restriccion:
2CS1 + CS2 Lc. 230
satisface la proporcionalidad.
En contraste, considere la restriccion:
x 2 + 2x2 > 10 (4)
La restriction (4) no satisface la proporcionalidad. Para ver por que, suponga que xi
tiene un valor de 5:
Contribution de x1 = x12 = (5)2 = 25
Si el valor de x1 = 5 se multiplica por una constante, digamos, 2, entonces:
Contribution de x1 = x12 = (2 * 5)2 = (22) * (52) = 4 , 25
Como puede ver, si el valor de xi se multiplica por 2, la contribuciOn de xl a la restriction

se multiplica por 4. La proporcionalidad no se mantiene.
Sobre la base de las propiedades de aditividad y proporcionalidad, existen dos
clasificaciones de problemas restringidos:
1. Restricciones lineales, en las que todas las restricciones satisfacen tanto la Restriction lineal
aditividad como la proporcionalidad. Una propiedad
2. Restricciones no lineales, en las que alguna restriction no satisface al menos matematica de un
una de las propiedades de aditividad y proporcionalidad. modelo en el que todas
las restricciones
Usted puede reconocer si una restriccion particular es lineal c no viendo su forma. satisfacen tanto la
Una restriccion es lineal si, en terminos de las variables de decision xi , . . . , (o aditividad como la
cualesquier nombres simbolicos), puede escribirse como: proporcionalidad.
Restriction no lineal
a 1x1 + a +
2 '
+ a x17 < (>, = )b
Una propiedad
matematica de un
en donde cada una de las ai , . . . , a, y b es un numero real conocido. Por ejemplo, la
modelo en el que alguna
restriccion anterior (1) es lineal porque el coeficiente de la variable CS1 es a l = 2, el de
CS2 es a2 = 1, y b = 230. La restriccion (2) tambien es lineal porque el coeficiente de la restriccion no satisface
al menos una de las
variable XAP es a1= 1, el de xEA es a2 = 1, y b = 0. En contraste, las restricciones (3) y (4)
propiedades de
son no lineales.
aditividad o
proporcionalidad.

en la funcion objetivo
La siguiente clasificacion de modelos deterministicos se basa en las propiedades
matematicas de la funcion objetivo. Como sucede con las funciones restringidas, la
funcion objetivo puede ser lineal o no lineal, dando pie a las siguientes dos clases:
Objetivo lineal 1. Objetivo lineal, en la que la funciOn objetivo es lineal.

Funcion objetivo 2. Objetivo no lineal, en la que la funcion objetivo es no lineal.
que es lineal.
Por ejemplo, la siguiente funcion objetivo del problema de planeacion de produccion de
Objetivo no lineal Case Chemicals es lineal:
Funcion objetivo
que es no lineal. Maximizar 300 CS1 + 500 CS2
En contraste, la siguiente funcion objetivo del problema de diseno de Containers, Inc.,

del ejemplo 2.6 es no lineal:
Minimizar (0.004 * L x W) + (0.004 * L H) + (0.004 * H * W)

Divisibilidad en las variables
La propiedad de una
variable de decision que La clasificacion final de los problemas deterministicos se basa en la propiedad ma-
es capaz de asumir tematica de las variables. Esa propiedad se denomina divisibilidad, lo que significa
cualquier valor, que una variable de decision puede, en teoria, asumir cualquier valor, fraccional u otro,
fraccional u otro, dentro dentro de cierto intervalo. Por ejemplo, las variables CS1 y CS2 del ejemplo de Case
de cierto intervalo. Chemicals representan el numero de miles de galones de los solventes a producir. Como
Problema deterministico
Restringido
Irrestricto Restringido o irrestricto
Tipo de
Lineal No lineal restricciOn
Lineal No lineal FunciOn

Lineal No lineal Lineal No lineal
objetiva
AAAA
Cont. Entero Cont. Entero Cont. Entero Cont. Entero Cont. Entero Cont. Entero
Tipo de
variable
Figura 2.8 Clasificacion de modelos deterministicos.

cos CONSIDERACIONES GERENCIALES COMPLEMENTARIAS 47
en teoria es posible producir 5.132 mil galones, estas variables son divisibles. En
contraste, todas las variables del problema de transportacion de CCC, en el ejemplo 2.2,
de la secciOn 2.2 representan el ntimero de microcomputadoras a ser enviadas. Estas
de variables no son divisibles porque no es posible enviar 1.3 microcomputadoras, esto es,
a estas variables se les deben asignar valores enteros. La propiedad de divisibilidad da
pie a las dos clases siguientes:
1. la clase de modelos de variable continua, en la que todas las variables satis- Variable continua
facen la divisibilidad. Una variable que
2. la clase de modelos de variable entera (o discreta), en la que una o ms satisface la divisibilidad.
variables deben tener valores enteros.
Variable entera
(discreta)
Las diversas clasificaciones de modelos deterministicos se resumen en la figura 2.8.
Una variable que debe
Como se menciono anteriormente, despues de la formulacion de un modelo, debe deter-
tener un Valor entero.
minar a que clase pertenece, para que pueda elegir un algoritmo apropiado para
solucionar el problema.
En esta secciOn, ha aprendido a clasificar un modelo en un grupo particular, basan-
dose en sus diversas caracteristicas matematicas. Este esfuerzo le ayudard a elegir un
a- algoritmo apropiado para obtener una soluciOn a su modelo. A continuaciOn se analizan
ca cuestiones adicionales referentes al proceso de construcciOn de modelos.
o,
se
0
CONSIDERACIONES GERENCIALES COMPLEMENTARIAS

En este cal:dui ha aprendido como desarrollar y clasificar modelos matemati-
cos para resolver ciertos tipos de problemas deterministicos. A lo largo de los
procesos de formulaciOn, existen otras cuestiones que un administrador debe
considerar.
Resolucion de ambigiiedades
en la definicion del problema
Cuando se identifica un problema por primera vez en una organizacion, a me-
nudo resultan ambiguos muchos detalles y cuestiones. Por ejemplo:
1. El objetivo global puede no ser claro. Por ejemplo, el concepto de lo que es

"mejor" para una organizacion puede tener distintos significados.
a. 4Deberia minimizar el costo total de embarcar sus mercancias, la distancia
total viajada en el embarque de esas mercancias, o el tiempo total re-
querido para entregar esas mercancias?
b. En un problema de inversion, les mejor maximizar el rendimiento total en
una inversion o la tasa de rendimiento?
c. i,Que se quiere decir con la "mejor" ubicacion para un banco de sangre,
como en el ejemplo 2.5 de la seeder' 2.2?
2. Puede haber objetivos conflictivos. Por ejemplo, zdeberia minimizar costos o
maximizar la satisfaccion del cliente?
3. El use de ciertas palabras para describir aspectos del problema puede ser
vago y estar sujeto a diversas interpretaciones.
a. eSatisfaccion de la demanda" significa embarcar exactamente la demanda

o al menos la demanda, como en el ejemplo 2.2 de la section 2.2?
b. !,La "distancia" entre dos ubicaciones significa la distancia viajada por
aire o a traves de una red de carreteras, como en el ejemplo 2.5 de la section
2.2?
Estas preguntas deben responderse antes de que comience el proceso de for-
mulacion. El no hacerlo podria ocasionar la implantation de una solution optima
al problema errOneo.
Formulaciones alternatives del problema

Como administrador, debe estar consciente de que no existe una formulation
correcta simple para un problema dado. Cada formulation tiene sus ventajas y
desventajas.
Existe ms de una forma de escribir una restriction matematica. Por ejemplo,
recuerde la restriction del problema de High Tech del ejemplo 2.4. Los socios
acuerdan no invertir en los proyectos de Tele-Comm y de Laser-Optics a la vez.
zComo usa las variables de decision 0-1 asociadas, T y L, para especificar esta
restriction? Cualquiera de los dos enfoques siguientes es valido:
T*L = 0
T+L__<_ 1
Observe que la primera restriction es no lineal y que la segunda es lineal. Esta

diferencia es extremadamente importante para elegir un procedimiento de
solution apropiado para el modelo resultante. (\Tease tambien la restriction que
especifica que el tamatio de la dimension mayor de un contenedor no debe
exceder 40 cm en el problema de disetio de Containers, Inc., en el ejemplo 2.6 de
la section 2.2.)
La election de las variables de decision y de sus unidades puede variar. Por
ejemplo, al decidir cuantas unidades embarcar de cada uno de los dos proveedores
a un cliente con una demanda conocida de D unidades, puede definir dos
variables, digamos, x e y, para representar el niimero de unidades por embarcar
de los dos proveedores, respectivamente. En este caso, necesitaria restricciones
de demanda de la forma:
x+y=D x,y
De manera alternativa, podria definir solo la variable x como el numero de
unidades por enviar del primer proveedor; esto implica que la cantidad D x es
enviada por el segundo proveedor. Aqui necesitaria las restricciones de demanda:
x<D x>0
La election de un modelo particular deberia basarse en parte en los siguientes
puntos:
1. Su habilidad para encontrar un procedimiento de solution eficiente para
resolver el modelo matematico resultante.
2. Su habilidad para comunicar una comprension de la formulaciOn del
problema. Por ejemplo, el use de variables adicionales pueden facilitarle
a otras personas la comprension de ciertas restricciones.
CONSIDERACIONES GERENCIALES COMPLEMENTARIAS 49
3. Su habilidad para interpretar e implantar la soluciOn resultante sin

esfuerzos indebidos. Reconsidere las alternativas recien analizadas para
elegir las variables de decision para satisfacer la demanda conocida de D
unidades. Para implantar la soluciOn obtenida al resolver el modelo
teniendo solo la variable x, todavia necesita calcular el valor de D x para
determinar cuanto enviard el segundo proveedor a un cliente. En contraste.
solucionar el modelo con ambas variables x e y proporciona toda la infor-
macion que requiere para la implantacion.
Cuestiones de recoleccion de datos

Como se describe en la seccion 2.1, los datos necesarios para un problema se
identifican a lo largo del proceso de formulacion. Estos datos se usan para
especificar la funcion objetivo y las restricciones y deben obtenerse antes de
completar la formulacion. Como administrador, debe saber que obtener estos
valores para los datos puede llevar tiempo, resultar caro o incluso imposible
porque la informacion simplemente no esta disponible. En tales casos, tal vez
tenga que solicitar que los datos se obtengan en tiempos y costos adicionales (si
es posible), estimar los datos como mejor pueda, o restringir el alcance del modelo
para incluir solo datos que estn disponibles.
Cuando se estiman los datos, tenga cuidado en el peso que le da a la solucion
resultante. Una forma de medir la confiabilidad de la solucion es pregun-
tarse, "zque tan sensible es la soluciOn a cambios en los datos?". Es decir, "zque
le sucede a la solucion si se cambian ciertos valores de datos individual o
conjuntamente?". Puede obtener la respuesta a estas preguntas resolviendo
el modelo repetidamente, cambiando cada vez los datos apropiadamente. Mien-
tras ms grande sea el cambio en la solucion, ms cuidadoso debe ser en la
obtencion de estimaciones exactas de los datos. Algunas veces existen enfoques
ms sistematicos para responder a estas preguntas, como se describe en el
capitulo 4.
Cuestiones de instrumentacion
Al formular modelos, pueden haber ocurrido ciertas simplificaciones y omisiones
porque no se pudo obtener los datos o porque ciertas restricciones no se iden-
tificaron durante la formulacion. Asimismo, es posible que haya tenido que hacer
ciertas suposiciones de simplificacion para obtener un modelo matematico que
pudiera ser resuelto por el paquete de computadora disponible. Como resultado,
el modelo matematico generalmente no es una representaci6n completa y exacta
del problema real. Por tanto, cuando se resuelve un modelo, debe validar la so-
lucion. Debe revisar y examinar la solucion en el contexto del problema original,
en vez de hacerlo simplemente como el resultado matematico de la formulacion,
para determinar si es practico y tiene sentido implantar la solucion. Por ejemplo,
una solucion que recomienda reducir el personal en veinte personas o cerrar una
planta puede tener implicaciones no contempladas en el modelo matematico. En
tales casos, un administrador debe usar la experiencia, pericia y sentido comun
ya sea para modificar la solucion apropiadamente antes de su implantaciOn o
para modificar la formulacion matematica para reflejar ms exactamente el
problema real y luego resolver el nuevo modelo.
Despues de la implantacion, es necesario supervisar los resultados para
verificar que la solucion logra los objetivos que la organizacion esperaba.
Asimismo, los datos del problema pueden cambiar con el tiempo (por ejemplo, los
costos de la materia prima y las tasas de interes), de tal forma que a menudo es
necesario reolver el problema usando los datos nuevos.
RESUMEN
En este capitulo, usted ha aprendido a formular y clasificar modelos matematicos para
resolver problemas de decision deterministicos. En esta seccion se revisan tanto la
formulacion como la clasificacion.
Formulaciem de problemas
La formulacion de un problema significa desarrollar un modelo maternatico para ese
problema. Una vez que el problema esta en forma matematica, existen muchas tecnicas
de administracion disponibles para obtener la solucion. Para formular un problema:
1. Identifique las variables de decision. Estos valores, una vez determinados,

proporcionan la solucion al problema. Esta tarea se logra preguntandose
cualquiera de las siguientes preguntas:
a. i,Que elementos puede elegir y/o controlar libremente?
b. 4Que decisiones tiene que tomar?
c. i,Que valores constituyen una solucion que puede ser transmitida a otras
personas?
d. I,Que elementos afectan los costos y/o ganancias, o el objetivo global?
2. Identifique los datos del problema. Estos son elementos de informacion conocidos
necesarios para desarrollar el modelo maternatico. Aun cuando pueda controlar
los valores de las variables, no puede controlar los valores de los datos. Tal vez
necesite identificar los datos del problema a lo largo del proceso de formulacion.
3. Identifique la funciOn objetivo. Este es un objetivo organizacional simple y global
expresado en terminos matematicos usando las variables y los datos del problema.
Esta tarea se realiza comenzando con un enunciado verbal del objetivo y despues
usando cualquiera de las siguientes tecnicas para expresar este objetivo en
terminos matematicos:
a. DescomposiciOn del objetivo en una suma, diferencia y/o producto de terminos
individuales.
b. Trabajo con un ejemplo especifico. Use los valores especificos de las variables
para determinar como calcular la funciOn objetivo. El proposito de esta
tecnica es comprender como expresar la funciOn objetivo cuando los valores
de las variables no se conocen especificamente.
Si su problema tiene ms de un objetivo, puede seguir el procedimiento descrito
en el capitulo 7.
4. Identifique las restricciones fisicas y lOgicas. Estas son limitaciones impuestas
que le prohlben elegir valores arbitrarios para las variables. Para expresar estas
restricciones de una manera matematica, aplique las mismas tecnicas usadas en
la identificacion de la funcion objetivo. Si el problema tiene muchas restricciones,
intente usar la tecnica de agrupamiento para identificar un grupo de restricciones
EJERCICIOS 51
relacionadas (como la satisfacciOn de las demandas de diferentes clientes). Cada

restriction dentro del grupo tiene una estructura similar. No olvide incluir
explicitamente las restricciones implicitas, es decir, las restricciones como la no
negatividad y la necesidad de variables enteras, que usted sabe que existen pero
que no se enuncian especificamente.
Clasificacion de modelos matematicos

Obtener una solution para un modelo matematico requiere que identifique la clase de
problemas a la que pertenece. Puede entonces elegir un procedimiento de solution apro-
piado. En este capitulo, usted ha aprendido a clasificar modelos basandose en las
siguientes caracteristicas matematicas.
1. ,Es el problema deterministic o estocastico? Si todos los datos se conocen con

certeza, el problema es deterministic.
2. ,El problema deterministic es restringido o irrestricto?
3. .Tiene el problema deterministic restricciones lineales o no lineales? Si todas
las restricciones pueden expresarse como una suina o diferencia de constantes
conocidas multiplicadas por una variable simple, las restricciones son lineales.
4. i,Tiene el problema deterministic una funcian objetivo lineal o no lineal?
5. zTiene el problema deterministic variables enteras (numeros completos) o con-
tinuas?
Ahora que sabe como formular y clasificar modelos matematicos, el siguiente paso
es aprender las diversas tecnicas para resolver esos problemas. El capitulo 3 presenta
una clase de problemas para los que existe un procedimiento de soluciOn eficiente. Los
detalles de este procedimiento de solution se describen en los capitulos 4, 5 y 6.
EJERCICIOS
EJERCICIO 2.1 Identifique un conjunto de variables de decision apropiadas para este

ejercicio. Proporcione nombres simbolicos relevantes y una description completa de
Tro
cada variable. No necesita formular el modelo.
Florida Citrus, Inc., procesa jugo de naranja y lo transforma en concentrado con-
gelado en tres plantas localizadas en Tampa, Miami y Jacksonville. De cualquiera de
los dos huertos ubicados cerca de Orlando y Gainesville se pueden enviar libras de
naranja hacia cualquier planta. Dado el costo de embarque y el precio de yenta del
concentrado, el objetivo, sujeto a ciertas restricciones de oferta y demanda, es determinar
como embarcar estas naranjas desde los dos huertos a las tres plantas procesadoras
para maximizar la ganancia total.
EJERCICIO 2.2 Identifique un conjunto de variables de decision apropiadas para este

ejercicio. Proporcione nombres simbolicos relevantes y una description completa de
cada variable. No necesita formular el modelo.
Pension Planners, Inc., administra una cartera particular que consiste en 1800,
1000 y 500 acciones de fondos mutuos. Dadas ciertas suposiciones sobre las condiciones
economicas en los siguientes 2 meses, el administrador de la agenda desea determinar
el ntimero de acciones de cada fondo por vender o comprar en cada uno de los siguientes
dos meses, para maximizar el valor esperado de la agenda.

Capitulo 2 Solow Mathur PDF

Uploaded by

Document Information

Original Description:

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

Capitulo 2 Solow Mathur PDF

Uploaded by

Copyright:

Available Formats

CAPITULO

omo determina Case Chemicals la mezcla de productos

Eneste capitulo aprenderci corn construir los modelos

En el capitulo anterior, usted aprendio que entre los pasos ms importantes en la

11 2.1 PASOS GENERALES Y TECNICAS

En el capitulo 1 aprendio que el primer paso al usar tecnicas de administration es iden-

EJEMPLO 2.1 EL PROBLEMA DE PLANEACION DE PRODUCCION DE CASE CHEMICALS Case

determinados, proporcionan la solucion al problema. Para el ejemplo 2.1, usted puede

1. El mimero de miles de galones de CS-01 por producir semanalmente.

Pautas generates para identificar variables de decision

zQue elementos afectan los costos y/o ganancias ( o, en general, el objetivo

2.1.2 Identificaciem de los datos del problema

1. El nurnero de horas de trabajo disponibles en el departamento de mezclado.

Estas cantidades constituyen los datos del problema. En problemas deterministicos, se

1. Como se establecio en la description del problema, el departamento de mezclado

NI* CARACTERISTICAS CLAVE

2.1.3 Identificacion de la funci6n objetivo

Descomposicion 2. Donde sea adecuado, descomponer el objetivo en una suma, diferencia o

Ganancia de CS-01 = 300CS1

Por lo tanto, la funcion objetiva maternatica expresada en terminos de las variables de

Maximizar 300CS1 + 500052

Trabajar con un ejemplo especifico para determinar corm se expresa la

2.1.4 Identificaciort de las restricciones

1. Limitaciones fisicas (el mimero limitado de horas de trabajo en los departamentos

Expresar las restricciones en forma verbal.

Considere las restricciones del ejemplo 2.1.

RESTRICCION DE TRABAJO EN EL DEPARTAMENTO DE MEZCLADO

Forma verbal: Horas totales usadas no pueden exceder de 230

HORAS POR MILES DE GALONES DE

Resulta entonces facil calcular las horas usadas en el departamento de mezclado

Horas para 15 mil galones de CS-01 = 2(15) = 30

2CSI + 1CS2 < 230

RESTRICCION DE TRABAJO EN EL DEPARTAMENTO DE PURIFICACION

Forma verbal: Horas totales usadas no pueden exceder de 250

Matematicas: 1CS1 2CS2 250

RESTRICCION DE LIMITE (LIMITACION EXTERNA)

La limitation de que a lo ms pueden venderse 120 mil galones de CS-02 da pie a la

CS2 <_ 120

RESTRICCION DE NO NEGATIVIDAD (LIMITACIONES LOGICAS)

CS, 0 y CS2 0 o CS I , CS2 > 0

FORMULACION MATEMATICA DEL PROBLEMA DE CASE CHEMICALS

CS, = el numero de miles de galones de CS-01 por producir semanalniente

En el capitulo 4 aprendera el procedimiento de soluciOn para este tipo de problema. La

Es decir, el plan de production optima es de 70 000 galones de CS-01 y de 90 000 galones

Paso 1. Identificacion de las variables de decision.

III 2.2 EJEMPLOS ADICIONALES

EJEMPLO 2.2 EL PROBLEMA DE DISTRIBUCION DE COSMIC COMPUTER COM-

2.1 contiene el costo de embarque de una microcomputadora desde cada planta de

TABLA 2.1 Costos de embarque ($/unidad)

PLANTAS SAN DIEGO BARSTOW TUCSON DALLAS

Nodo Antes de formular este problema matematicamente, es posible dibujar un diagra-

San/Tuc = el flamer() de microcomputadoras por embarcar de la planta de

de Plantas Tiendas detallistas

Figura 2.1 La red de distribucion de CCC.

TABLA 2.2 Variables de decisicin para el ejemplo 2.2

PLANTAS SAN DIEGO BARSTOW TUCSON DALLAS

San Francisco X Xss Xs.i. Xs,

PASO 2. IDENTIFICACION DE LA FUNCION OBJETIVO

Si recordamos el procedimiento usado en la section 2.1, puede especificar la funcicin

costo de costo de costo de

Plantes Tiendas detailistas

Figura 2.2 Variables de decision para el problema de distribution de CCC.