Modelos de Optimización para la

Producción

Diego Vallejo-Huanga
https://dievalhu.github.io/diegovallejo/
Introducción a la Optimización
Definiciones y Métodos
 Bibliografía
Introducción a los Métodos Numéricos
para Ecuaciones Diferenciales
Sergio Blanes Zamora, Damián Ginestar Peiró,
María Dolores Roselló. (2014).
Segunda Edición
Universitat Politècnica de València
Capítulo 1

Operations Research: An Introduction

Taha, Hamdy A. (2012)
Novena Edición
Editorial Pearson
Capítulos 1-2
“Para aquellos que no conocen las matemáticas, es difícil
sentir la belleza de la naturaleza. Si quieres apreciarla, es
necesario aprender el lenguaje en el que habla"

Richard Feynman

4
Modelamiento Matemático
Antecedentes
Modelo Matemático
 Modelo
Es una representación o abstracción de una
situación u objeto real, que muestra las
relaciones (directas o indirectas) y las
interrelaciones de la acción y la reacción en
términos de causa y efecto.
 Modelado
• Es el proceso completo de abstracción del
sistema real al modelo cuantitativo
• Tiene como resultado un modelo matemático,
de diferente naturaleza:

Estáticos Dinámicos Continuos Discretos Deterministas Estocásticos

• La solución de los modelos matemáticos se

puede obtener por métodos analíticos o por
métodos numéricos.
 Consideraciones en el Modelado
• Modelo debe permitir
predecir la respuesta
de un sistema dadas
ciertas condiciones,
para lo cual
considera:
– Fidelidad
– Complejidad
– Coste
– Flexibilidad
Etapas del Modelamiento

1. Definición del problema

2. Formulación de un modelo matemático

3. Obtener una solución para problema a partir del modelo.

4. Prueba del modelo y mejoramiento de acuerdo con las necesidades.

5. Preparación para la aplicación del modelo.

6. Implementación.
 1. Definición del Problema de Interés y
Recolección de Datos
• Este proceso de definición del problema es crucial,
pues afectará de forma significativa la relevancia de
las conclusiones del estudio.

¿Cuál es el
Delimitar Descubrir
problema
el el
al que me
problema problema
enfrento?
2. Formulación de un Modelo Matemático

Representación
idealizada de un
sistema, mediante:
• Identificación de
las variables
• Formulación
Matemática
 3. Generación de Soluciones a partir del
Modelo
• Desarrollar un procedimiento para obtener una
solución a partir de este modelo
• Se deben realizar análisis de sensibilidad, es decir
(comportamiento del modelo a cambios en
especificaciones y parámetros del sistema).
 4. Prueba del Modelo

• La validación de un modelo requiere que se

determine si dicho modelo puede predecir
con certeza el comportamiento del sistema.

Realizar una prueba retrospectiva

Mirar el pasado

Actualizar la información con respecto al pasado

 5. Preparación para la Aplicación del
Modelo
• Instalar un sistema bien documentado para
aplicar el modelo según lo establecido
• Se necesita un número considerable de
programas integrados.
Base de datos

Sistemas de información administrativos

Sistema de soporte de decisiones

Manual de uso de aplicaciones

 6. Implementación

• Consiste en traducir los resultados del modelo

validado en instrucciones para el usuario o los
ejecutivos responsables que tomarán
decisiones.

Comparte Realizan Se desarrolla

2
1

3
responsabilid pruebas el programa e
ad entre estos pilotos implementaci
grupos ón
Naturaleza Iterativa de los Modelos
Introducción a la Programación
Lineal
Método Gráfico y Analítico
Optimización
 Optimización
En matemáticas, estadística, ciencias empíricas, ciencias de la
computación, o economía, optimización matemática (o
programación matemática) es la selección del mejor elemento
(con respecto a algún criterio) de un conjunto de elementos
disponibles.

Maximizar y Minimizar
 Optimización de Funciones
(Criterio de la Primera Derivada)
 Optimización de Funciones
(Criterio de la Primera Derivada)
Optimización Mediante
Programación Lineal
Historia de la Programación Lineal
La programación lineal se plantea como un modelo matemático
desarrollado durante la Segunda Guerra Mundial para planificar los
gastos y los retornos, a fin de reducir los costos al ejército y aumentar las
pérdidas del enemigo. Se mantuvo en secreto hasta 1947.

George Bernard Dantzig (8 de noviembre de 1914 – 13 de mayo de 2005)

fue un profesor, físico y matemático estadounidense, reconocido por
desarrollar el método simplex y es considerado como el "padre de la
programación lineal".
Autobahn:
Bundesautobahn:
Importancia de la Programación
Lineal
Múltiples aplicaciones:

• Optimización de la combinación de cifras

comerciales en una red lineal de distribución de
agua.
Importancia de la Programación
Lineal
Múltiples aplicaciones:

• Solución de problemas de transporte.

Importancia de la Programación
Lineal
Múltiples aplicaciones:

• Medición de la Eficiencia de Costos en Banca

Importancia de la Programación
Lineal
Múltiples aplicaciones:

• Solución de problemas de agrupamiento de objetos.

 Software Latex
Escritura de Textos Científicos
Latex
 Latex
Es un sistema de composición de textos, orientado a la
creación de documentos escritos que presenten una
alta calidad tipográfica. Es usado en la generación de
artículos y libros científicos que incluyen, entre otros
elementos, expresiones matemáticas. LaTex es
Software Libre.
 Latex: Instalación en Local

https://miktex.org/

http://www.xm1math.net/texmaker/
Latex: Trabajo en la Nube

https://es.overleaf.com/
 Tarea
Leer el artículo: Allende, Sira M., and Carlos N. Bouza. "Professor George Bernard
Dantzig, life and legend." Investigación Operacional 26.3 (2013): 205-211 y realizar un
resumen en el template de Latex de la IEEE. La extensión debe ser de máximo dos
páginas, debe estar escrito en castellano, debe incluir una tabla, una figura y una
ecuación.

Fecha máxima de entrega: Revisar la Tarea en AVAC

https://www.ieee.org/conferences/publishing/templates.html
Investigación de Operaciones
Programación Lineal
 Definición
• La programación lineal utiliza un modelo
matemático para describir el problema.
• El adjetivo lineal significa que todas las
funciones matemáticas del modelo deben ser
funciones lineales
 Definición: Ejemplo
¿De las relaciones matemáticas siguientes, cuáles
podrían encontrarse en un modelo de
programación lineal y cuáles no?
 Introducción
Método de solución de problemas que asiste en la
toma de decisiones.
Ejemplos:
• Programas de producción.
• Políticas de inventario.
• Portafolios de inversiones.
• Asignar presupuestos.
• Optimizar transporte.
 Requerimientos
• El objetivo es maximizar o minimizar alguna
cantidad.
• Combinar recursos limitados para producir
diferentes productos, con máxima utilidad.
• Existen limitaciones o restricciones.
• Existen diferentes alternativas o cursos de acción
• Las relaciones matemáticas son lineales.
 Formulación del problema
• Traducir descripción verbal en un modelo
matemático.
• Entender el problema a fondo.
• Describir el objetivo.
• Describir las restricciones.
• Definir las variables de decisión.
• Escribir la función objetivo.
 Formulación
matemática

Problemas Problemas
generales específicos

Método Algoritmo Problemas de Problemas de

grafico Simplex transporte asignación
 Caso de Estudio
Problema de Mezclas para Planificación de
Producción
Problema de Mezclas
 Definiciones
• Recursos: Materia prima (limitadas)
• Productos: Combinación o mezcla de recursos
• Proceso: Describe las unidades de recursos
necesarias para elaborar los productos.
• Beneficios: Obtenidos por la generación de
productos.
• Objetivo: maximizar beneficios sin exceder
recursos.
 Problema de Mezclas
Una empresa fabrica dos productos basados en
sustancias químicas. Una tonelada (Tn) de producto
Premium usa 0.3Tn del compuesto A, y 0.7Tn de C. El
producto Estándar utiliza 0.4Tn de A, 0.1Tn de B y
0.5Tn de C. Se dispone de 15Tn de material A, 3Tn de
B 25Tn de C. El producto Premium produce una
ganancia de $30 por Tn, y el producto Estándar $25.
Calcular cuánto producir de cada producto para
maximizar las ganancias?
 Problema de Mezclas
• Se dispone de 15Tn de material A, 3Tn de
Recursos
B y 25Tn de C
Productos • Fabrica dos productos: estándar y premium
• Una tonelada de producto premium usa
0.3 toneladas del compuestoA, y 0.7Tn de
Proceso C. El producto estándar utiliza 0.4Tn deA,
0.1 de B y 0.5 de C.

• El producto premium produce una

Beneficios ganancia de $30 por Tn, y el
producto estándar $25.
Objetivos • Maximizar lasganancias
 Modelado
Identificar la
Identificar Identificar las
función
variables restricciones
Objetivo

Producto Disponible
Materia Prima Premium Estándar [Tn]
A 0.3 0.4 15
B 0 0.1 3
C 0.7 0.5 25
Utilidad/Tn 30 25

Tabla de Mezclas
 Variables de Decisión

•Toneladas a producir
x
de producto premium

•Toneladas a producir de
y
productoestándar
 Objetivo

Ganancias porP. $30*Tonelada

Maximizar Estándar + de P. Estándar +
$30x +$25y
Ganancias Ganancias porP. 25$* Tonelada de
Premium. P. Premium

Beneficios = 30𝑥 + 25𝑦

 Restricciones

Producto Disponible • 0.3𝑥 + 0.4𝑦 ≤ 15

P E [Tn]
A 0.3 0.4 15
• 0𝑥 + 0.1𝑦 ≤ 3
B 0 0.1 3 • 0.7𝑥 + 0.5𝑦 ≤ 25
C 0.7 0.5 25
• 𝑥, 𝑦 ≥ 0
PREMIUM ESTÁNDAR
A
30%
A
40%
C
50%
B
0%
C
70% B
10%
 Modelo Matemático

• Función Objetivo (F.O.): Zmax = 30𝑥 + 25𝑦

• Sujeto a (S.a.):
• 0.3𝑥 + 0.4𝑦 ≤ 15 Material A
• 0𝑥 + 0.1𝑦 ≤ 3 Material B
• 0.7𝑥 + 0.5𝑦 ≤ 25 Material C
• 𝑥,𝑦 ≥ 0 Producción mínima

Restricciones de No Negatividad
Solución por Computadora:
Programación Lineal
Herramientas Computacionales
 Software para Programación
Lineal

Software Libre
Multiplataforma:
 Software para Programación
Lineal

Software Libre
Plataforma
Específica:
 Software para Programación
Lineal
Software de Pago:
Programación Lineal
Método Gráfico
Ecuaciones Vs. Inecuaciones
Representación Gráfica de
Restricciones
Representación Gráfica de
Restricciones
Representación Gráfica de
Restricciones

• 0.3𝑥 + 0.4𝑦 ≤ 15
• 0𝑥 + 0.1𝑦 ≤ 3
• 0.7𝑥 + 0.5𝑦 ≤ 25
• 𝑥,𝑦 ≥ 0
Representación Gráfica de
Restricciones

• 0.3𝑥 + 0.4𝑦 ≤ 15
• 0𝑥 + 0.1𝑦 ≤ 3
• 0.7𝑥 + 0.5𝑦 ≤ 25
• 𝑥,𝑦 ≥ 0
Representación Gráfica de
Restricciones

• 0.3𝑥 + 0.4𝑦 ≤ 15
• 0𝑥 + 0.1𝑦 ≤ 3
• 0.7𝑥 + 0.5𝑦 ≤ 25
• 𝑥,𝑦 ≥ 0
Representación Gráfica de
Restricciones

• 0.3𝑥 + 0.4𝑦 ≤ 15
• 0𝑥 + 0.1𝑦 ≤ 3
• 0.7𝑥 + 0.5𝑦 ≤ 25
• 𝑥,𝑦 ≥ 0
Representación Gráfica de
Restricciones

• 0.3𝑥 + 0.4𝑦 ≤ 15
• 0𝑥 + 0.1𝑦 ≤ 3
• 0.7𝑥 + 0.5𝑦 ≤ 25
• 𝑥,𝑦 ≥ 0
Demarcación de la Región Factible
Representación Gráfica de la
Función Objetivo

• 0.3𝑥 + 0.4𝑦 ≤ 15
• 0𝑥 + 0.1𝑦 ≤ 3
• 0.7𝑥 + 0.5𝑦 ≤ 25
• 𝑥,𝑦 ≥ 0
• Zmax = 30𝑥 + 25𝑦
Función Objetivo: Iteraciones
Función Objetivo: Iteraciones
Función Objetivo: Iteraciones
Solución: Punto Externo de la
Región Factible
 Supuestos del Modelo de PL
• Proporcionalidad: La contribución en la función
objetivo y las restricciones es proporcional al valor de
las variables de decisión.
• Aditividad: En la funciónobjetivo y las restricciones.
• Divisivilidad: Las variables de decisión son
continuas.
Casos Especiales
 Variables de Holgura

A B C
Premium (x):19.2 0.3 0 0.7
Estandar (y):23.1 0.4 0.1 0.5
Disponible 15 3 25
Consumido 15 2.3 25

• Holgura asociada a la restricción de B.

• Variables de Holgura
• Restricción redundante Holgura
Modelo Matemático: Forma Estándar

• F.O.: Z max = 30𝑥 + 25𝑦 + 0𝑆1 + 0𝑆2 + 0𝑆3

• S.a.:

• 0.3𝑥 + 0.4𝑦 + 𝑆1 = 15 Material A

• 0𝑥 + 0.1𝑦 + 𝑆2 = 3 Material B
• 0.7𝑥 + 0.5𝑦 + 𝑆3 = 25 Material C
• 𝑥,𝑦 ≥ 0
Siempre que se escribe un programa lineal
de manera que todas las restricciones estén
expresadas como igualdades, se dice que
está escrito en forma estándar.
Programación Lineal
Algoritmo Simplex
Definición
El método simplex es un
procedimiento algebraico, sin
embargo, sus conceptos son
geométricos.

El método simplex original ha

sido modificado a fin de
obtener un algoritmo eficiente
para resolver grandes
problemas de programación
lineal por computadora.
Algoritmo
 Algoritmo
Simplex
Para preparar el método
simplex es necesario
convertir las restricciones
funcionales de desigualdad
en restricciones de igualdad
equivalentes. (Las
restricciones de no
negatividad se dejan como
desigualdades porque se
manejan por separado.)
 Paso 1

Z - 30𝑥 - 25𝑦 - 0𝑆1 - 0𝑆2 - 0𝑆3 = 0

0.3𝑥 + 0.4𝑦 + 𝑆1 = 15
0𝑥 + 0.1𝑦 + 𝑆2 = 3
0.7𝑥 + 0.5𝑦 + 𝑆3 = 25

Forma Aumentada del Modelo o Forma Canónica

 Paso 2

z x y s1 s2 s3 cte
z 1 -30 -25 0 0 0 0
s1 0 0.3 0.4 1 0 0 15
s2 0 0 0.1 0 1 0 3
s3 0 0.7 0.5 0 0 1 25

Representación en forma matricial

y resolución por Gauss Jordan
Pivote
 Paso 3

z x y s1 s2 s3 cte
z 1 -30 -25 0 0 0 0
s1 0 0.3 0.4 1 0 0 15
s2 0 0 0.1 0 1 0 3
s3 0 0.7 0.5 0 0 1 25

Escoger la columna pivote, con el valor más negativo de la función

objetivo.
 Paso 4

z x y s1 s2 s3 cte
z 1 -30 -25 0 0 0 0
s1 0 0.3 0.4 1 0 0 15 15/0.3=50
s2 0 0 0.1 0 1 0 3 3/0 = Ind
s3 0 0.7 0.5 0 0 1 25 25/0.7=35.7

Escoger la fila pivote, con el valor más pequeño de la división del lado
derecho para los coeficientes respectivos de la columna pivote.
 Paso 5

s3 = s3/0.7

z x y s1 s2 s3 cte
z
s1
s2
s3 0 1 0.714 0 0 1.429 35.714
Transformo el coeficiente de intersección fila y columna pivote a 1.
 Paso 6

z = 30*s3+z ; s1 =-0.3*s3+s1 ; s2=s2

z x y s1 s2 s3 cte
z 1 0 -3.571 0 0 42.857 1071.429
s1 0 0 0.1857 1 0 -0.429 4.286
s2 0 0 0.1 0 1 0 3
s3 0 1 0.714 0 0 1.429 35.714
Transformo los coeficientes restantes de la columna pivote a 0,
tomando como base la fila pivote modificada.
 Paso 7

z x y s1 s2 s3 cte
z 1 0 -3.571 0 0 42.857 1071.429
s1 0 0 0.1857 1 0 -0.429 4.286
s2 0 0 0.1 0 1 0 3
s3 0 1 0.714 0 0 1.429 35.714
Repetimos el proceso hasta que no exista ningún coeficiente de la
función objetivo con valor negativo.
 Paso 8

z x y s1 s2 s3 cte
z 1 0 -3.571 0 0 42.857 1071.429
s1 0 0 0.186 1 0 -0.429 4.286 4.286/0.186=23.02
s2 0 0 0.1 0 1 0 3 3/0.1=30
s3 0 1 0.714 0 0 1.429 35.714 35.714/0.714=50

Nueva fila y columna pivote

 Paso 9

s1 = s1/0.186

z x y s1 s2 s3 cte
z
s1 0 0 1 5.385 0 -2.308 23.08
s2
s3
Transformo el coeficiente de intersección fila y columna pivote a 1.
 Paso 10

z = 3.57*s1+z ; s2 = -0.1*s1+s2 ; s3=-0.71*s1+s3

z x y s1 s2 s3 Cte
z 1 0 0 19.23 0 34.62 1153.85

s1 0 0 1 5.38 0 -2.31 23.08

s2 0 0 0 -0.54 1 0.24 0.69

s3 0 1 0 -3.85 0 3.08 19.23

Transformo los coeficientes restantes de la columna pivote a 0,
tomando como base la fila pivote modificada.
 Programación Lineal
Algoritmo Simplex: Resolución con Solver
Microsoft Solver
Solver es un complemento de
Excel que nos ayuda a trabajar
con modelos de negocio y nos
permite resolver problemas
lineales y no lineales.

Solver está incluido dentro de

Excel pero se encuentra
desactivado de manera
predeterminada.
Activación: Microsoft Solver
Activación: Microsoft Solver
Activación: Microsoft Solver
Activación: Microsoft Solver
Activación: Microsoft Solver
 Modelo Matemático

• Función Objetivo (FO): Zmax = 30𝑥 + 25𝑦

• Sujeto a (s.a.):
• 0.3𝑥 + 0.4𝑦 ≤ 15 Material A
• 0𝑥 + 0.1𝑦 ≤ 3 Material B
• 0.7𝑥 + 0.5𝑦 ≤ 25 Material C
• 𝑥,𝑦 ≥ 0 Producción mínima

Restricciones de No Negatividad
 Implementación
Variables:

Función Objetivo:
 Implementación
Restricciones:
 Implementación
Variables, Función Objetivo y Restricciones:
 Implementación
Restricciones:
 Resultado
Solución:
 Software R
Instalación y Comandos Básicos
Componentes Necesarios

+
Descarga e Instalación de R

https://cran.r-project.org/
Consola y Editor de R
Descarga e Instalación de RStudio

https://www.rstudio.com/
 Ambiente de Trabajo: RStudio

EDITOR
WORKSPACE

CONSOLA
Comandos
Básicos
para
Análisis de
Datos
(Estadística
Descriptiva)
Comandos Básicos para Análisis
de Datos (Análisis Gráfico)
Comandos Básicos para Análisis de
Datos (Instalación/Carga de Datos)
Comandos Básicos para Análisis de
Datos (Manejo de Datos)
 Tópicos de Interés
Versionamiento:
 Tópicos de Interés
Trabajo en la Nube: R Cloud
https://rstudio.cloud/
Cambio de Paradigma en el
Desarrollo de Productos

Desarrollo Local
Cambio de Paradigma en el
Desarrollo de Productos

Desarrollo Local
Cambio de Paradigma en el
Desarrollo de Productos

Desarrollo Stand-Alone
Cambio de Paradigma en el
Desarrollo de Productos

https://ceferra.shinyapps.io/ADoCS/
Desarrollo Web: Local / Nube
 Programación Lineal
Algoritmo Simplex: Resolución con R
Instalación de Librerías: Rglpk,
lpSolve, linprog
Desde el interfaz gráfico:
Instalación de Librerías: Rglpk,
lpSolve, linprog
Desde el interfaz gráfico:
Instalación de Librerías: Rglpk,
lpSolve, linprog
Desde consola:
 Modelo Matemático

• Función Objetivo (FO): Zmax = 30𝑥 + 25𝑦

• Sujeto a (s.a.):
• 0.3𝑥 + 0.4𝑦 ≤ 15 Material A
• 0𝑥 + 0.1𝑦 ≤ 3 Material B
• 0.7𝑥 + 0.5𝑦 ≤ 25 Material C
• 𝑥,𝑦 ≥ 0 Producción mínima

Restricciones de No Negatividad
 Implementación
Modelo de PL:
 Método Simplex
Resultados Tabla Simplex:
 Método Simplex
Resultados Tabla Simplex:
 Resultado
Respuesta:
 Caso de Estudio
Interpretación de las Soluciones
Interpretación de Soluciones en PL

B&R es una empresa que fabrica barras de cereales, utilizando

como materia prima dos tipos de cereales de la siguiente forma:

Cereal Económic Light Especial

a
A [gr] 20 50 60
B[gr] 80 50 40

La empresa recibe 2$ por cada barra Económica, 4$ por la barra

Light y 5$ por la Especial. Si se disponen de 4000 gramos de
cereal A y 5500 de cereal B. Cuántas barras de cada tipo debe
fabricar para maximizar sus ganancias?.
 Tabla de Mezclas
Producto Disponible
Económica Ligth Especial
CerealA 20 50 60 4000
Cereal B 80 50 40 5500
Beneficios 2 4 5
 Modelo Matemático
• Variables: Unidades de barras: económica (x), light (y),
especial (z)
• Maximizar Beneficios: 2𝑥 + 4𝑦 + 5𝑧
• Sujeto a (s.a.):
• 20𝑥 + 50𝑦 + 60𝑧 ≤ 4000 CerealA
• 80𝑥 + 50𝑦 + 40𝑧 ≤ 5500 Cereal B
• 𝑥, 𝑦, 𝑧 ≥ 0 Producción mínima
Caso de Estudio
Minimización
Producción en Empresa Farmacéutica
Se fabrican dos productos que se venden como materias primas a empresas que
elaboran medicamentos termolábiles. Mediante un análisis de los niveles de
inventario actuales y la demanda potencial para el próximo mes, la gerencia ha
especificado que la producción combinada de los productos A y B debe sumar un total
de 350 Kg como mínimo. Por otra parte, también debe surtirse el pedido de al menos
125 Kg del producto A con un cliente importante. El producto A requiere 2 horas de
tiempo de procesamiento por Kg, mientras que el producto B requiere 1 hora de
tiempo de procesamiento por Kg, y para el próximo mes, se cuenta con 600 horas de
tiempo de procesamiento disponibles. El objetivo de la farmaceútica es satisfacer
estos requerimientos con un costo de producción total mínimo. Los costos de
producción son $2 por Kg del producto A y $3 por Kg del producto B.