Qu es un modelo?

Una ciencia o teora es un conjunto de modelos relacionados

y coherentes.
Un modelo es una descripcin simplificada de un fenmeno,
en donde las leyes que relacionan los datos observados estn
especificadas formalmente.

Fenmeno
Complejo

Datos

Modelo

Conceptos

Persona

Decisiones

En que casos usar un Modelo Matemtico:

1.- Entender el comportamiento de la conducta del sistema.

2.- Predecir el comportamiento del sistema actual en una variedad
de circunstancias.
3.- Como sustituto de experimentacin
4.- Identificacin del sistema.

Simplicidad versus Exactitud en Modelos Matemticos

Simplicidad

Exactitud

Equilibrio del Modelo

Elementos de un Modelo Matemtico

3.Restricciones (cont.)
Las restricciones ms comunes son de cinco tipos:

Restriccin de capacidad: limitan el valor de las variables debido a las

disponibilidad de horas-hombre, horas-mquina, espacio, etc.
Restriccin de mercado: Surgen de los valores mximos y mnimos en las
ventas o el uso del producto o actividad a realizar.
Restriccin de entradas: Son limitantes debido a la escasez de materias
primas, mano de obra, dinero, etc.
Restriccin de calidad: Son las restricciones que limitan las mezclas de
ingredientes, definiendo usualmente la calidad de los artculos a manufacturar.
Restricciones de balance de material: Estas son las restricciones que definen
las salidas de un proceso en funcin de las entradas, tomando en cuenta
generalmente cierto porcentaje de merma o desperdicio.

Pasos Bsicos en Modelacin y Anlisis

Objetivos, incluye
nivel de
sofisticacin
requerida

Fenmeno a
estudiar

Identificar cantidades a ser

usadas que describen el
comportamiento

Sistema
idealizado

Modelo
Matemtico

Analtico y
Numrico
Aplicacin de leyes
apropiadas

Observaciones o
resultados
experimentales

Solucin del
modelo
matemtico:

Comparar: El modelo necesita

revisin?

Se necesita
informacin
o rediseo
del modelo?

Recomendaciones para el Modelador:

1.No debe elaborarse un modelo complicado cuando uno simple es
suficiente.
2. El problema no debe ajustarse al modelo o mtodo de solucin.
3. La fase deductiva de la modelacin debe realizarse rigurosamente.
4. Nunca debe pensarse que el modelo es exactamente el sistema real.
5. Los modelos deben validarse antes de su implementacin.
6. No venda un modelo como la perfeccin mxima.
7. Uno de los primeros beneficios de la modelacin reside en el
desarrollo del modelo.
8. Un modelo es tan bueno o tan malo como la informacin con la que
trabaja.
9. Los modelos no pueden reemplazar al tomador de decisiones, slo
lo auxilian.

Revistas Relacionadas con Modelamiento

Ingeniera de Sistemas
(http://www.dii.uchile.cl/revistas/frame_ris.html)

European Journal of Operational Research

(http://www.elsevier.nl/homepage/sae/orms/eor/menu.htm)

ORMS Today ( http://lionhrtpub.com/ORMS.shtml )

Aplicaciones (localizacin ptima de recursos).

David L. Martell, Al Tithecott y Paul C. Ward
Abril 1999

Aplicaciones (gestin del uso del suelo y de reservas

naturales)
John Hearne
Abril 1999

Aplicaciones (planificacin de la produccin y

distribucin). Elise del Rosario

Abril 1999

International Transactions in Operational Research

(http://www.blackwellpublishers.co.uk/asp/journal.asp?ref=096
9-6016)

IIE Transactions
(http://www.kluweronline.com/issn/0740-817X)

Aplicaciones en numerosas revistas:

INTERFACES ( http://silmaril.smeal.psu.edu/interfaces/ )

Aplicaciones (value chain management)

The Sense-and-Respond Enterprise. IBM researchers develop
integrated SAR system of global value chain optimization
Grace Lin, Steve Buckley, Heng Cao, Nathan Caswell, Markus
Ettl, Shubir Kapoor, Lisa Koenig, Kaan Katircioglu, Anil
Nigam, Bala Ramachandran and Ko-Yang Wang
Abril 2002

Aplicaciones (redes de telecomunicaciones)

Optimizing Internet Networks. France Telecom:
Changing the rules to accommodate demanding new
traffic streams. Eric Gourdin
Abril 2001

Aplicaciones (redes de telecomunicaciones)

Canadian Telecom Makes the Right Call
Jean-Marie Bourjolly, Leslie Djoie, Ke Ding, Oumar
Dioume and Michel Lominy
Abril 2002

Aplicaciones (planificacin aviacin comercial)

Air Canada Reaches 'Altitude. Preferential Bidding
System helps carrier integrate 1,400 pilots following
acquisition of Canadian Airlines. Jacques Desrosiers
Abril 2001

Aplicaciones (problemas en redes de transporte)

Michael Florian
Abril 1999

Aplicaciones (tratamientos en salud)

Translating OR into Success. German institute
tackles a variety of problems, including life-saving
cancer radiation project. Horst W. Hamacher
Abril 2001

Aplicaciones (planificacin sector elctrico)

Power Play Goals. New trends and operations
research opportunities in the electricity open
market. Laureano F. Escudero y Mario Pereira
Abril 2000

Aplicaciones (planificacin en aviacin comercial)

Optimization Earns Its Wings. The development of
crew scheduling systems for Air New Zealand.
David M. Ryan
Abril 2000

Aplicaciones (gestin medioambiental)

Susana Mondschein y Sara Pimentel
Abril 1999

Modelamiento Matemtico
Ejemplo:

Se dispone de 8 piezas pequeas y 6 piezas grandes para

fabricar dos productos (mesas y sillas).
Cada silla usa 2 piezas pequeas y 1 pieza grande.
Cada mesa usa 2 piezas de cada tipo.
Cuntas sillas y mesas fabricar para obtener la mxima
utilidad?
Dato:
Utilidad:
U$15 por cada silla fabricada.
U$20 por cada mesa fabricada.

Elementos de un Modelo Matemtico

1. Variables y parmetros de decisin: son las incgnitas que
deben determinarse resolviendo el modelo. Los parmetros
son los valores conocidos que relacionan las variables de
decisin con las restricciones y funcin objetivo.
Ejemplo:
x: nmero de sillas fabricadas.
y: nmero de mesas fabricadas.
2. Funcin objetivo: define la medida de efectividad del
sistema como una funcin matemtica de las variables de
decisin.
z = f(x,y) = 15x + 20y
3. Restricciones: son las limitaciones (explcitas o implcitas)
tecnolgicas, econmicas y otras del sistema, que restringen
las variables de decisin a un rango de valores factibles.
Piezas pequeas:
2x + 2y 8
Piezas grandes :
x + 2y 6
Restricciones de no negatividad:
x,y 0

Modelamiento Matemtico
Finalmente:
Max
sa:

15x + 20y
2x + 2y 8
x + 2y 6
x,y 0

El modelo es uno de Programacin Lineal.

Qu pasa si:
Restringimos x e y a nmeros enteros, entonces tendramos
un modelo de Programacin Entera.
Hubiese retornos crecientes a escala, entonces deberamos
emplear una funcin objetivo no lineal como f(x,y) = cxa + dyb
con a,b >1, con lo cual
tendramos un modelo de
Programacin No Lineal.

Modelamiento Matemtico
Tipos de situaciones que se pueden modelar:
Planeacin de la produccin e inventarios
Mezcla de Alimentos
Transporte y asignacin
Planeacin financiera
Asignacin de recursos

Modelamiento Matemtico
Caso:Planificacin de Recursos
(en serie y en paralelo)
Una fbrica elabora tres tipos de telfonos: celulares, fijos e
inalmbricos. Las utilidades de los telfonos son de $50, $25 y
$20 respectivamente. Para elaborar un telfono ste debe pasar
de forma consecutiva o en serie por las tres mquinas uno, dos
y tres, las cuales pueden trabajar un mximo de 10 horas, 20
horas y 22 horas diarias respectivamente.

Modelamiento Matemtico
Caso:Planificacin de Recursos
(en serie y en paralelo)
La productividad de cada mquina, expresada en
unidades por hora, se muestra en la Tabla 1.
Tabla 1: Productividad de las Mquinas
Mquina 1
Mquina 2
Mquina 3

Celulares Fijos Inalmbricos

9
3
5
5
4
1
3
1
2

Modele matemticamente para una

produccin en serie y en paralelo.

Modelamiento Matemtico
Caso:Planificacin de Recursos
(en serie y en paralelo)
A continuacin se muestra grficamente la diferencia entre
ambos casos:

Modelamiento Matemtico
Caso:Planificacin de Recursos
(en paralelo)
Si la elaboracin de telfonos se puede realizar en serie, el
nmero de variables es una para cada tipo de telfono.
Si la elaboracin de telfonos se puede realizar en cualquiera
de las tres mquinas que dispone la fbrica, el nmero de
variables de decisin aumenta pues se debe determinar en cul
mquina producir qu modelo de telfono. La formulacin de
este problema como un programa lineal requiere una
combinacin de variables de tipo de telfono en cada mquina,
pues se pueden producir en paralelo.

Modelamiento Matemtico
Caso:Fusin Bancaria

A comienzos de ao se concret la unin entre el Banco

Chileno y el Banco Eduardo. Tras la aprobacin de la
fusin por parte de los accionistas se decidi que el
nuevo banco adoptara la marca Banco Fusin. La
gerencia debe decidir el nmero de sucursales de cada
banco original con las cuales el Banco Fusin va a
operar de manera de maximizar las utilidades, siempre y
cuando se cumplan un conjunto de restricciones:
Los accionistas del Banco Eduardo exigen que el
nmero de sucursales del Banco Chileno tenga como
lmite mximo cuadruplicar el nmero de sucursales del
Banco Eduardo.
Por su parte los accionistas del Banco Chileno exigen
como lmite mximo de sucursales del Banco Eduardo
que por cada dos sucursales del Banco Chileno no haya
ms de cinco sucursales del Banco Eduardo.

Modelamiento Matemtico
Caso:Fusin Bancaria (cont.)

El Banco Fusin no necesita ms de 22.800 m2 de

superficie entre todas las sucursales.
El Banco Fusin debe poder atender una cartera mxima
de 300.000 clientes al mes y una cartera mnima de
150.000 clientes.
El presupuesto para gastos administrativos para todas las
sucursales es de 350 MM$ al mes.
Asumiendo que cada sucursal tiene el mismo peso, la
tasa de fidelidad promedio debe ser no menor que 85%
del total.
El nmero de ejecutivos de cuenta de las sucursales del
Banco Chileno no pueden superar el 80% de los
ejecutivos totales del Banco Fusin.
Suponga que los consultores a cargo de la operacin
identificaron los siguientes ndices de gestin.

Modelamiento Matemtico
Caso:Fusin Bancaria (cont.)
ndice

Unidad

Superficie
m2/suc
promedio
N de ejecutivos de ej/suc
cuenta
Capacidad de
cl/ej
atencin
Gastos
administrativos
Fidelidad lealtad

Banco
Chileno
150
10
250

MM$/suc

%/suc

80

Banco
Descripcin
Eduardo
120
Metros cuadrados de superficie
promedio por sucursal
6
Cantidad promedio de ejecutivos
de cuenta por sucursal
200
Nmero de clientes que un
ejecutivo de cuenta puede atender
al mes
1,75
Gastos administrativos mensuales
por sucursal
90
Porcentaje de los clientes que
permanecen en el Banco ms de un
ao.

Dado que las sucursales del Banco Eduardo fueron destinadas para la
divisin de clientes con altos ingresos, las sucursales del Banco Eduardo
son un 20% ms rentables que las del Banco Chileno. Modele este
problema como programacin lineal para maximizar la rentabilidad del
Banco Fusin. (Recuerde que las variables de decisin son el nmero de
sucursales a mantener de cada Banco).

Modelamiento Matemtico
Caso: Requerimientos de Mercadera en un
Supermercado
Un supermercado debe planificar las compras diarias de los
distintos tipos de productos [en kilos] dados los precios
diarios y considerando que existe un cierto espacio en
gndolas para exponer los distintos productos en venta.
El supermercado tiene la poltica de mantener las gndolas
con su capacidad Kg de exhibicin copada al menos en un
87% todos los das (al final del da) y se supone que las
compras diarias van directamente a reposicin de las
gndolas. Las gndolas pueden exhibir ms de un tipo de
producto as como tambin un mismo producto puede
encontrarse exhibido en ms de una gndola. Adems, debe
cumplirse con la poltica de que todos los das haya un
mnimo de cada producto en exhibicin (al final del da). Se
sabe adems que cada producto enfrenta una demanda distinta
cada da.

Modelamiento Matemtico
Caso: Requerimientos Mercadera
Supermercado
Defina las variables y modele este problema para
maximizar el flujo de caja del supermercado en un
horizonte de un ao, donde el flujo de caja se mide como
los ingresos por ventas menos los costos por compras
realizadas durante el ao. Utilice los parmetros que se
definen a continuacin.
Conjuntos:
G = {pasillo1 superior, pasillo 4 inferior, ...}

: Gndolas

T = {peras, manzanas, ...}

: Tipos de Productos

D = {1,2, ..., 360}

: Das del ao

Parmetros:
Pt,d

: precio del producto t el da d

Kg : capacidad de la gndola g
Ct,d

: costo del producto t comprado el da d

Et : cantidad diaria mnima en exhibicin del producto t

Dt,d

: demanda del producto t el da d

Modelamiento Matemtico
Caso:Asado
Pedro y Juan estn organizando un asado pero tienen dudas
respecto a cuntos hombres y cuntas mujeres invitar. Por un
lado Pedro dice que valora a cada mujer en 1,5 veces lo que
valora a un hombre, mientras que para Juan la valoracin es
justo la inversa, un hombre en su asado vale por 1,5 mujeres.
Ambos han hecho una lista de gente a la que no pueden dejar
de invitar, en la cual hay 35 hombres y 20 mujeres. Por otra
parte, saben que a las mujeres no les gusta ir a este tipo de
eventos si hay muchas mujeres, por lo que si invitan a ms de
2 por cada 3 hombres corren el riesgo de que no asista
ninguna. El asado se realizar en la casa de Juan, la que tiene
una capacidad para 70 invitados. Modele matemticamente

Modelamiento Matemtico
Caso: Transporte
Problemas de Transporte
El problema consiste en decidir cuntas unidades
trasladar desde ciertos puntos de origen (plantas,
ciudades, etc.) a ciertos puntos de destino (centros de
distribucin, ciudades, etc..) de modo de minimizar los
costos de transporte, dada la oferta y demanda en dichos
puntos.
Se suponen conocidos los costos unitarios de transporte,
los requerimientos de demanda y la oferta disponible.

Modelamiento Matemtico
Caso: Transporte
Caso: Farmacias Salto Brand

Datos generales:
La farmacutica abastece de suministros mdicos.
Esta tiene tres plantas en: Claveland, Detroit, Greensboro.
Tiene cuatro centros de distribucin en: Boston, Richmond,
Atlanta y St Louis.
La gerencia de la farmacetica desea realizar el transporte de
sus productos de la manera ms econmica posible.

Modelamiento Matemtico
Caso: Transporte

Datos
Costo de transporte por unidad, oferta y demanda.
Desde
Cleveland
Detroit
Greensboro
Demanda

Boston
$35
37
40
1100

Richmond
30
40
15
400

Hacia
Atlanta
40
42
20
750

St. Louis
32
25
28
750

Oferta
1200
1000
800

Supuestos
* El costo de transporte por unidad es constante
* Todos los transportes ocurren simultneamente.
* Solo se considera el costo de transporte entre el lugar de
origen y el de destino
* La oferta total es igual a la demanda total.

Modelamiento Matemtico
Caso: Transporte
X11

Boston
1

D1=1100

35

Cleveland

S1=1200

Richmond

30

D2=400

Detroit

Atlanta

S2=1000
3
3

Greensboro
S3= 800

D3=750

St.Louis

X34

D4=750

Modelamiento Matemtico
Caso: Produccin de Pinturas Interiores y
Exteriores
Una expresa produce pinturas para interiores y exteriores.
Para la produccin se necesita dos materias primas M1 y
M2. Se tiene la siguiente informacin:

Modelamiento Matemtico
Caso: Produccin de Pinturas Interiores y
Exteriores
La produccin diaria de pinturas para interiores no puede
exceder a la de exteriores en 1 tonelada.
Una encuesta de mercado restringe que la demanda
mxima diaria de pintura para interiores es 2 toneladas.
Determine cul es el modelo de programacin lineal que
maximice la utilidad total diaria?

Modelamiento Matemtico
Caso: Produccin de Pinturas Interiores y
Exteriores
Resolucin por el Mtodo Grfico

Declaracin de las variables de decisin:

Sea:
X1: las toneladas diarias producidas de pinturas para
exteriores.
X2: las toneladas diarias producidas de pinturas para
interiores.
Determine cul es el modelo de programacin lineal que
maximice la utilidad total diaria?

Caso
Pinturas Interior y Exterior

X2

6
(i)

(iii)

Pintura Interior

4
F.O

E
(1,2)

D
(2,2)

(iv)

H
(8/3 , 2)
C
(3 , 3/2)

F
(0,1)

(0,0)
A

(ii)
(4,0)

3
4
Pinturas Exterior

X1

Modelamiento Matemtico

Solucin de Problemas Propuestos

Modelamiento Matemtico
Caso:Planificacin de Recursos
(en serie)
Variables de decisin:
c : nmeros de telfonos celulares a producir.
y : nmeros de telfonos inalmbricos a producir.
f : nmeros de telfonos fijos a producir.
Maximizar: z = 50c 20 y 25 f
Sujeto a:
c f y
10
9 3 5
c f
y 20
5 4
c
y
f 22
3
2
c, y, f 0

Modelamiento Matemtico
Caso:Planificacin de Recursos
(en paralelo)
Variables de decisin:
ci = nmeros de telfonos celulares a producir en la mquina i
yi = nmeros de telfonos inalmbricos a producir en la mquina i
fi = nmeros de telfonos fijos a producir en la mquina i
i = 1, 2, 3.
3

i 1

i 1

i 1

Maximizar: z = 50 ci 20 yi 25 f i
Sujeto a:
c1

9
c2

5
c3

f1 y1
10
3 5
f2
y2 20
4
y
f 3 3 22
2

ci , yi , f i 0

Modelamiento Matemtico
Caso:Fusin Bancaria (cont.)
Variables
c: nro de sucursales del Banco Chileno
e: nro. de sucursales del Banco Eduardo
a) Maximizar:
z = 1 c + 1,2 e
Sujeto a:
i)
c4e
ii)
5c2e
iii)
150 c + 120 e 22.800
iv)
2500 c + 1200 e 300.000
v)
2500 c + 1200 e 150.000
vi)
2 c + 1,75 e 350
vii)
0,8 c + 0,9 e 0,85 (c + e)
viii) 10 c 0,8 (10 c + 6 e)
ix)
c, e 0

Lmite mximo de sucursales Banco Chileno

Lmite mximo de sucursales Banco Eduardo
Superficie total sucursales
Atencin mxima de clientes
Atencin mnima de clientes
Restriccin presupuestaria
Fidelidad promedio
% ejecutivos del Banco Chileno sobre el total
No negatividad

Modelamiento Matemtico
Caso: Requerimientos Mercadera
Supermercado
Variables:
vt,d,g, : Ventas del producto t, el da d en la gndola g
xt,d,g, : Compras del producto t, el da d en la gndola g
it,d,g : Inventario del producto t, el da d en la gndola g
Maximizar:
360

z=

p v
t

d 1

t ,d

t ,d , g

Ct , d xt , d , g
g

Sujeto a:
it,d,g = it,d-1,g + xt,d,g - vt,d,g

g,d Ecuacin Inventario

t ,d , g

Kg

g,d Capacidad de las gndolas

t ,d , g

0.87*Kg

g,d Mnimo de inventario en las gndolas

t ,d , g

Et

t,d

Mnimo de cada producto en exhibicin

dt,d

t,d

Ventas mximas

i
g

i
g

t ,d , g

xt,d,g, vt,d,g, it,d,g 0

t,d,g

No negatividad

Modelamiento Matemtico
Caso:Asado
Variables de decisin:
H: Cantidad de hombres a invitar
M: Cantidad de mujeres a invitar
Maximizar:
Pedro: z = 2H + 3M
Juan : z = 3H + 2M
Sujeto a:
H 35
Mnimo hombres
M 20
Mnimo Mujeres
2H3M 0
Cantidad de hombres por mujeres
H + M 70
Mxima cantidad de invitados
H,M 0
El ptimo para Pedro es (42, 28), donde z = 168
El ptimo para Juan es (50, 20), donde z = 190

Modelamiento Matemtico
Caso: Transporte
* La estructura del modelo es la siguiente:
Minimizar :Costo total de transporte
sujeto a :
cantidad a transportar desde la fabrica = oferta de la fbrica
cantidad a recibir por la distribuidora = demanda de la
distribuidora.
* Variables de decisin:
Xij = cantidad a transportar desde la fbrica i al centro de
distribucinj, donde i = 1(Claveland), 2(Detroit), 3(Greensboro)
j = 1(Boston), 2(Richmond), 3(Atlanta), 4 (St,Louis)

Modelamiento Matemtico
Caso: Transporte
X11

Boston
1

D1=1100

35

Cleveland

S1=1200

Richmond

30

D2=400

Detroit

Atlanta

S2=1000
3
3

Greensboro
S3= 800

D3=750

St.Louis

X34

D4=750

Modelamiento Matemtico
Caso: Transporte
3

Min
i 1

j 1

Cij . X ij

Restricciones oferta:
X11+ X12+ X13+ X14

X21+

X22+

X23+

X24
X31+

Restricciones de demanda:
X11+
X21+
X12+
X13+
X14+

X32+

X33+

X34

X31
X22+

=
=

X32
X23+

X33
X24+

Todos los Xi,j mayores que cero

=
=

X34

=
=

1200
1000
800
1100
400
750
750

Modelamiento Matemtico
Caso: Transporte

Solucin optima obtenida a travs de Excel

COSTOS UNITARIOS
BOSTON
RICHMOND ATLANTA ST.LOUIS
CLEVELAND
$
35,00 $
30,00 $
40,00 $
32,00
DETROIT
$
37,00 $
40,00 $
42,00 $
25,00
GREENSBORO $
40,00 $
15,00 $
20,00 $
28,00
DEMANDAS

1100

400

750

750

ALTERNATIVAS DE TRANSPORTE
BOSTON
RICHMOND ATLANTA ST.LOUIS
CLEVELAND
850
350
0
0
DETROIT
250
0
0
750
GREENSBORO
0
50
750
0
TOTAL

1100

400

OFERTAS
1200
1000
800

750

TOTAL
1200
1000
800

750
COSTO TOTAL =

84000

Modelamiento Matemtico
Caso: Transporte
Interpretacin de los resultados del anlisis de
sensibilidad.
* Precios Sombra:
- Para las plantas el precio sombra de
transporte corresponde al costo de cada unidad
disponible en la planta.
- Para las distribuidoras, el precio sombra de
transporte corresponde al costo de cada unidad
extra demandada por
la distribuidora.

Modelamiento Matemtico
Caso: Produccin de Pinturas Interiores y
Exteriores
Max 5X1+4X2
S.A.
6X1+4X2<=24
X1+2X2<=6
X2 - X1<=1
X2<=2
X1,X2>=0