Indice
2. Desarrollo
3. Mtodos de solucin
4. Aspectos Fundamentales Del Mtodo Simplex
5. Bibliografa
6. Problemas
1. Introduccin
Mucha gente sita el desarrollo de la programacin lineal
entre los avances cientficos ms importantes de la mitad del
siglo XX, y debemos estar de acuerdo con esta afirmacin si
tenemos en cuenta que su impacto desde 1950 ha sido
extraordinario. Se han escrito decenas
de libros de texto sobre la materia y los artculos publicados
que describen aplicaciones importantes se cuentan ahora por
cientos. De hecho, una proporcin importante de todo
el clculo cientfico que se lleva a cabo en computadoras se
dedica al uso de la programacin lineal y
a tcnicas ntimamente relacionadas. (Esta proporcin se
estim en un 25%, en un estudio de la IBM).
Un modelo de programacin lineal proporciona
un mtodo eficiente para determinar una decisin ptima, (o
una estrategia ptima o un plan ptimo) escogida de un gran
nmero de decisiones posibles.
En todos los problemas de Programacin Lineal,
el objetivo es la maximacin o minimizacin de alguna
cantidad.
2. Desarrollo
Contruccin de los Modelos de Programacin Lineal
De forma obligatoria se deben cumplir los siguientes
requerimientos para construir un modelo de Programacin
Lineal.
Requerimiento 1. Funcin objetivo. (F.O).
Debe haber un objetivo (o meta o blanco) que la optimizacin
desea alcanzar.
Requerimiento 2. Restricciones y decisiones.
Debe haber cursos o alternativas de accin o decisiones, uno
de los cules permite alcanzar el objetivo.
Requerimiento 3. La F.O y las restricciones son lineales.
Deben utilizarse solamente ecuaciones lineales o
desigualdades lineales.
Modelo standard de Programacin Lineal
Optimizar Z = C1X1+ C1X2 +.+ Cn Xn). Funcin objetivo.
Sujeta a a11X1+ a11X2 +..+ a1nXn) b1
a21X1+ a21X2 +..+ a2nXn) b1
Restricciones
am1X1+ am1X2 +..+ amnXn) bm
Debiendo ser
X1 0, X2 0, .. Xn 0
Donde :
Xj : variables de decisin, j = 1,2.., n.
n : nmero de variables.
m : nmero de restricciones.
aij , bi , cj constantes, i = 1,2.., m.
Pasos para la construccin del modelo
1. Definir las variables de decisin.
2. Definir el objetivo o meta en trminos de las variables de
decisin.
3. Definir las restricciones.
4. Restringir todas las variables para que sean no negativas.
Ejemplo: Taller de mantenimiento.
Un taller de mantenimiento fabrica dos tipos de piezas para la
reparacin de equipos fundamentales del proceso productivo.
Estas piezas requieren un cierto tiempo de trabajo en cada
una de las tres mquinas que las procesan. Este tiempo, as
como la capacidad disponible (h) y la ganancia por cada
pieza se muestran en el cuadro siguiente:
Mquina Tiempo por Pieza Fondo de
Tiempo(h)
A B
I 2 2 160
II 1 2 120
III 4 2 280
Ganancia
($/Pieza)
6 4
Se logra vender todo lo producido y se desea determinar la
cantidad de piezas a fabricar que optimice la ganancia.
Formulando el modelo
X1 : Nmero de piezas del tipo A.
X2 : Nmero de piezas del tipo B.
Optimizando la ganancia (Z).
Max Z = 6X1 + 4X2
Sujeto a las restricciones:
2X1 + 2X2 160 Fondo de tiempo de la mquina 1.
X1 + 2X2 120 Fondo de tiempo de la mquina 2.
4X1 + 2X2 280 Fondo de tiempo de la mquina 3.
Como ninguna variable implicada puede ser negativa.
X1 0; X2 0
3. Mtodos de solucin
El mtodo simplex es un procedimiento iterativo que permite
tender progresivamente hacia la solucin ptima. Es un
procedimiento sistemtico y eficiente para encontrar y
probar soluciones situadas en los vrtices de optimalidad.
El mtodo requiere que las restricciones sean ecuaciones en
lugar de inecuaciones, lo cual se logra aadiendo variables
de holgura a cada inecuacin del modelo, variables que
nunca pueden ser negativas y tienen coeficiente 0 en la
funcin objetivo. Para el modelo formulado anteriormente
tenemos:
Z 6X1 4X2 = 0
2X1 + 2X2 + s1 = 160
X1 + 2X2 + s2 = 120
4X1 + 2X2 + s3 = 280
Todas las variables son no negativas.
La solucin bsica inicial se obtiene seleccionando las
variables de holgura como variables bsicas, resultando
conveniente disponer los valores como se muestran en la
tabla siguiente:
i VB Z X1 X2 S1 S2 S3 Bi
1 Z 1 - 6 -4 0 0 0 0
2 S1 0 2 2 1 0 0 160
3 S2 0 1 2 0 1 0 120
4 S3 0 4 2 0 0 1 280
Cada ecuacin debe tener una nica variable bsica(VB), con
el coeficiente unidad en la fila correspondiente.
Esta solucin bsica debe ser examinada para observar si
puede ser mejorada. La presencia de coeficientes negativos
en la FO indica que la solucin bsica puede ser mejorada,
pues el valor de Z se incrementar.
Cuando no hay coeficientes negativos, significa que la
solucin es ptima.
Para encontrar una solucin mejorada es necesario:
Elegir la variable que entra como la de mayor coeficiente
negativo (X1)
Elegir la variable que sale como aquella que al ser removida
permita que la variable que entra a la base pueda tener un
valor tan grande como sea posible, sin violar alguna de las
restricciones en el modelo. En este caso la variable S3 deja la
base y a su vez X1 se introduce como la nueva variable
bsica.
El elemento pivote es el coeficiente que est en la
interseccin de la columna de la variable que entra y la fila de
la variable que sale.
Los valores correspondientes a la nueva fila pivote se
obtienen dividiendo los coeficientes de la fila pivote en la tabla
inicial por el elemento pivote.
Las otras filas de la solucin mejorada se calculan por la
expresin:
Nueva fila = Fila anterior elemento de la columna
pivote(nueva fila pivote)
As, se obtiene la siguiente tabla:
i VB Z X1 X2 S1 S2 S3 Bi
0 Z 1 0 - 1 0 0 1.5 420
1 S1 0 0 1 1 0 -0.5 20
2 S2 0 0 1.5 0 1 - 0.25 50
3 X1 0 1 0.5 0 0 0.25 70
Como se puede apreciar esta no es an la solucin ptima
Por qu?
Iterando nuevamente se obtiene la tabla correspondiente que
se muestra a continuacin:
i VB Z X1 X1 S1 S2 S3 Bi
0 Z 1 0 0 1 0 1 440
1 X2 0 0 1 1 0 - 0.5 20
2 S2 0 0 0 - 1.5 1 0.5 20
3 X1 0 1 0 - 0.5 0 0.5 60
Es esta la solucin ptima? Si lo es determine entonces los
valores de las variables para el ptimo.
Se ha aplicado el algoritmo para el caso del modelo
estndard, cuando se presentan problemas con restricciones
o = y el criterio de optimizacin es mnimo, entonces hay
que introducir variables artificiales y se sugiere convertir el
problema en un problema de maximizar.
4. Aspectos Fundamentales Del Mtodo Simplex
1. Encuentra una solucin ptima
2. Es un mtodo de cambio de bases
3. Requiere que la funcin objetivo sea expresada de tal
forma que cada variable bsica tenga como coeficiente 0
4. Requiere que cada variable bsica aparezca en una y
solamente una ecuacin de restriccin.
Dualidad
Asociado a cada problema de Programacin Lineal existe un
llamado dual, de hecho al de Programacin Lineal se le llama
primal. La forma general del problema dual es la siguiente:
Optimizar Z = b1Y1+ b1Y2 +.+ bn Yn). Funcin objetivo.
Sujeta a a11Y1+ a11Y2 +..+ am1Y1) C1
a21Y1+ a22Y2 +..+ am2Y2) C1
. Restricciones
.
a1mY1+ a2mY2 +..+ amnYm) Cn
Para facilitar la comprensin de lo anterior considrese
el diagrama siguiente:
Primal Dual
C1. Cn (1)
a11 b1
(2) (3)
am1 bm
b1. bm (3)
(2) a11. am1 C1
(1)
C2
Variables
X1. Xn
Variables
Y1. Ym
El problema dual tiene las siguientes caractersticas:
El el objetivo de la optimizacin es contrario al del primal.
Las inecuaciones de restriccin son inversas.
La solucin del dual es la misma que la del primal.
Desde el punto de vista econmico, el significado de las
variables duales es de gran inters para los gerentes, ya que
representan el valor por unidad de recurso adicional, lo cul
permite tomar decisiones sobre donde invertir para
incrementar las utilidades.
Anlisis de Sensibilidad
El objetivo del anlisis de sensibilidad es determinar la
influencia de ciertos valores en la solucin ptima, que nos
permite la interpretacin razonable de los resultados
obtenidos. En muchos casos la informacin lograda por la
aplicacin del anlisis de sensibilidad puede ser ms
importante y ms informativa que simple resultado obtenido
en la solucin ptima.
El anlisis deviene del resultado de los cambios en:
Los coeficientes en la funcin objetivo.
Los trminos independientes en las restricciones.
Leer
ms: http://www.monografias.com/trabajos6/proli/proli.shtml#i
xzz2eXcfPEnW
Dualidad
Asociado a cada problema de Programacin Lineal existe un
llamado dual, de hecho al de Programacin Lineal se le llama
primal. La forma general del problema dual es la siguiente:
Optimizar Z = b1Y1+ b1Y2 +.+ bn Yn). Funcin objetivo.
Sujeta a a11Y1+ a11Y2 +..+ am1Y1) C1
a21Y1+ a22Y2 +..+ am2Y2) C1
. Restricciones
.
a1mY1+ a2mY2 +..+ amnYm) Cn
Para facilitar la comprensin de lo anterior considrese
el diagrama siguiente:
Primal Dual
C1. Cn (1)
a11 b1
(2) (3)
am1 bm
b1. bm (3)
(2) a11. am1 C1
(1)
C2
Variables
X1. Xn
Variables
Y1. Ym
El problema dual tiene las siguientes caractersticas:
El el objetivo de la optimizacin es contrario al del primal.
Las inecuaciones de restriccin son inversas.
La solucin del dual es la misma que la del primal.
Desde el punto de vista econmico, el significado de las
variables duales es de gran inters para los gerentes, ya que
representan el valor por unidad de recurso adicional, lo cul
permite tomar decisiones sobre donde invertir para
incrementar las utilidades.
Anlisis de Sensibilidad
El objetivo del anlisis de sensibilidad es determinar la
influencia de ciertos valores en la solucin ptima, que nos
permite la interpretacin razonable de los resultados
obtenidos. En muchos casos la informacin lograda por la
aplicacin del anlisis de sensibilidad puede ser ms
importante y ms informativa que simple resultado obtenido
en la solucin ptima.
El anlisis deviene del resultado de los cambios en:
Los coeficientes en la funcin objetivo.
Los trminos independientes en las restricciones.
5. Bibliografa
1. Arbonas, M.E. Optimizacin Industrial (I): Distribucin de
los recursos. Coleccin Productica No. 26. Marcombo S.A,
1989.
2. Arbonas, M.E. Optimizacin Industrial (II): Programacin de
recursos. Coleccin Productica No. 29. Marcombo S.A,
1989.
3. Anderson, D.R., Sweeney.J. , Williams,T.A. , Introduccin a
los Modelos Cuantitativos
para Administracin. Grupo Editorial Iberoamrica. 1993.
4. Moskowitz,H. y Wright G.P. Investigacin de Operaciones.
Prentice_Hall Hispanoamericana S.A. 1991.
5. Trujillo,J;Batista,A: Mtodos Econmicos-
Matemticos I.Editorial ISPJAE, Habana,1986.
6. Taha,H: Investigacin de Operaciones.Alfaomega,Mxico,1
995.
7. Buffa,E: Operations Management: Problems and
Models. Edicin Revolucionaria,La Habana, 1968.
6. Problemas
1- Una empresa se dedica a la produccin de pinturas para
interiores y exteriores para su distribucin al mayoreo. Se
utilizan dos materiales bsicos, A y B, para producir las
pinturas. La disponibilidad mxima de A es de 6 toneladas
diarias; la de B es de 8 toneladas por da. La necesidad diaria
de materia prima por tonelada de pintura para interiores y
exteriores se resumen en la tabla que sigue:
Toneladas de MP por Disponibilidad
tonelada de pintura mxima en toneladas
Exterior Interior
Materia prima A 1 2 6
Materia prima B 2 1 8
El estudio de mercado ha establecido que la demanda diaria
de pintura para interiores no puede ser mayor que la pintura
para exteriores en ms de una tonelada. As mismo, el
estudio seala que la demanda mxima de pintura para
interiores est limitada a dos toneladas diarias.
La ganancia por tonelada es de $3000 para la pintura de
exteriores y $2000 para la pintura de interiores.
Cunta pintura para exteriores e interiores debe producir la
empresa todos los das para maximizar el ingreso bruto?
2- A una empresa se le ha planteado la tarea de cumplir
un contrato de explotacin de dos productos A y B para el
prximo semestre. El contrato estipula que deben ser
entregados como mnimo 2000 unidades de ambos
productos, siendo al menos 800 de B.
Los precios de venta son de 50 y 80 pesos por unidad para A
y B respectivamente. La empresa cuenta con 3
establecimientos que pueden acometer esa tarea disponiendo
los mismos de 550, 800 y 930 horas de tiempo productivo en
el semestre respectivamente.
El tiempo de produccin que toma cada producto, en horas,
para cada establecimiento, as como el costo por hora de
produccin de cada uno, se dan en la tabla siguiente:
Productos
Establecimientos A B Costo/hora(pesos/h)
1 0,9 1,3 25
2 1,2 - 20
3 1,0 1,5 22
Para balancear el uso de la fuerza laboral, se desea por la
empresa que el % de capacidad productiva utilizada en los
tres establecimientos sea la misma.
Por otra parte para el terminado de los productos se utiliza
una materia prima de importacin de las que disponen 3000
unidades, siendo la norma unitaria de consumo de una
unidad para A y 2 para B.
Plantee el modelo matemtico que permita conocer la forma
ms provechosa de cumplir el contrato.
3- Existen dos centrales cerca de la baha de Nipe: el
Nicaragua y el Rafael Freire, para los cuales se plantea
revincular sus dos zonas caeras de modo que se minimicen
los costos de produccin de azcar (incluyendo los costos de
transportacin de caa).
El costo de produccin por arroba de azcar para cada caso
se muestra a continuacin:
Zona Nicaragua Rafael Freire
I 1,25 1,30
II 1,80 1,60
El central Nicaragua debe moler entre un mnimo de 20
millones de arrobas de caa y un mximo de 30 millones de
caa; y el Rafael Freire entre 15 y 25 millones de arrobas de
caa.
Las zonas caeras a distribuir son dos: la Zona I con una
produccin de caa estimada en 20 millones de arrobas, y la
zona II con 15 millones de arrobas. No debe quedar caa sin
cortar.
En la tabla siguiente se muestran los factores de conversin
de arrobas de caa necesarias para producir una arroba de
azcar los cuales varan en cada central y por zona caera:
Zona Nicaragua R. Freire
I 8,35 9,10
II 8,00 7,70
La meta de produccin para los dos centrales en conjunto es
por lo menos de 57500 arrobas de azcar. Todos
los datos del problema corresponden a una zafra.
4- Una empresa siderrgica produce tres tipos de rollos, cada
uno hecho de una diferente aleacin. El problema consiste en
determinar las cantidades de cada aleacin que debe
producirse, dentro de las limitaciones de venta y de las
capacidades de las mquinas, para hacer mximas las
ganancias. Los datos sobre capacidades y otros elementos
se presentan en las siguientes tablas.
Operacin Mquinas Turnos de 8
h/Semana
Tiempo Ocioso
en %
Caja de
Recocido
4 21 5
Recocido
Continuo
1 20 10
Molinos
Continuos
1 12 0
Aleaci
n
Operaci
n
Velocida
d
Potencial Ventas (T/me
s)
Gananci
a (T)
1 Caja de
Recocido
28 h/10
T
1250 25
Molinos
Continuo
s
15
m/min
Recocido
Continuo
6 m/min
Molinos
Continuo
s
8 m/min
2 Caja de
Recocido
35 h/10
T
250 35
Recocido
Continuo
11
m/min
Molinos
Continuo
s
6 m/min
3 Recocido
Continuo
5 m/min 1500 40
Molinos
Continuo
s
6 m/min
Los rollos de cada aleacin son de 122 m de largo y pesan 4
T.4- Una empresa siderrgica produce 3 tipos de rollos, cada
uno hecho de una diferente aleacin.
5- Un barco tiene 3 bodegas: en la proa, en la popa y en el
centro. Los lmites de capacidad son:
Proa 2000t 100000 metros cbicos
Centro 3000t 135000 metros cbicos
Popa 1500t 30000 metros cbicos
Pueden ser transportadas las cantidades de mercancas que
aparecen en la siguiente tabla. Puede aceptarse el total o una
porcin cualquiera de cada artculo.
Volumen en Ganancia en
Artculo Cantidad en toneladas t/ metro cbico
pesos/toneladas
A 6000 60 6
B 4000 50 8
C 2000 25 5
Para preservar el equilibrio del barco, el peso en cada bodega
debe ser proporcional a la capacidad en toneladas. Cmo
debe distribuirse la carga para hacer mxima la ganancia.
6- Una empresa tiene 2 talleres A y B. En ambos se producen
los productos tipo 1 y tipo2 en base a las materias primas M y
N. La empresa dispone diariamente de 10 t de M y 4t de N.
El consumo de M y N por cada producto en cada taller es el
siguiente en Kg:
Taller 1 Taller 2
M N M N
Producto 1 0,7 0,3 Producto 1 0,6 0,4
Producto 2 0,8 0,2 Producto 2 0,9 0,1
La capacidad de produccin del Taller 1 es de 4000
productos 1 o 6000 productos 2 o la combinacin de ambos.
El taller 2 puede producir 5000 productos 1 o 7000 productos
2 o la combinacin de ambos.
Deben producirse al menos 4000 productos 1 y la cantidad de
productos 2 que se produzcan en ambos talleres debe ser la
misma.
El costo de produccin del producto 1 en el taller 1 es de
$0,60 y del producto 2, $0,80 El del taller 2 son un 20%
mayores.
Si las capacidades de produccin deben aprovecharse como
mnimo a un 90% y a un 85% en cada taller. Plantee el
modelo matemtico que minimice los costos de la empresa.
7- En el combinado del vidrio de la Lisa se producirn en el
prximo perodo 2 modelos de jarrones, uno de cenicero y 2
modelos de vasos de cristal para el consumo nacional.
En la obtencin de estos productos se combinan dos materias
primas (P y Q), siendo el consumo en Kg para cada producto
y el costo de produccin los que se muestra en la tabla a
continuacin:
Jarrones Cenicero Vasos de Cristal
1 2 1 2
P 0,03 0,63 0,07 - -
Q 0,09 0,11 0,05 0,01 0,04
Costo 2 3 1 0,5 1
($/u)
La materia prima Q es de importacin y solo se dispone de
820 Kg en el perodo y de la materia prima P se recibirn 560
Kg. Todos los productos pasan por tres procesos: horneado,
acabado y envasado de la produccin.
En el Dpto de horneado pueden colocarse en un horno 200
jarrones o 350 ceniceros o 400 vasos o una combinacin
factible( este Dpto cuenta con 4 hornos de este tipo en el
perodo)
En el Dpto de acabado se le da un tratamiento especial a los
modelos de tipo 2 de jarrones y vasos de cristal, pudiendo
atenderse 10 y 20 jarrones y vasos por hora respectivamente.
En el Dpto de envasado se invierten 3, 2 y 3 minutos en el
embalaje de los jarrones, ceniceros y vasos respectivamente.
Se espera que para el perodo analizado se contar con un
fondo de tiempo de 280 horas para cada uno de estos
Departamentos.
Por las caractersticas de la demanda se desea que la
cantidad de vasos producidos sea al menos el doble de la de
jarrones y que por cada jarrn del modelo tipo 1 se produzca
un cenicero.
Plantee el modelo m+atemtico que permita obtener
la planificacin ptima de la produccin.
8- La empresa confitera Habana se dedica a la elaboracin
de un amplio surtido de caramelos y bombones,
considerndose que existen cuatro grupos fundamentales de
estos productos, los cuales son:
Grupo Precio de venta($/Kg)
1 Caramelos especiales 1,37
2 Caramelos normales 1,23
3 Bombones surtido 5,00
4 Bombones especiales 6,00
La materia prima fundamental de los grupos 1 y2 es azcar
refino, colorante y saborizante y de los grupos 3 y 4, azcar
refino, cocoa, altea y licores.
Los caramelos pueden ser de tres sabores diferentes y los
bombones especiales pueden ser elaborados con dos tipos
de licor.
En la tabla siguiente se muestra el insumo( Kg de mat prima/
Kg de producto), disponibilidades y costo total.
M. PRIMA GRUPO DE PRODUCTOS DISPON(T) COSTO($)
1 2 3 4
azcar refino 0,7 0,6 0,5 0,35 60 18000
colorante 0,2 0,2 - - 2 800
saborizante 1 0,1 0,2 - - 5 500
saborizante 2 0,1 0,2 - - 5 600
saborizante 3 0,1 0,2 - - 4 400
cocoa - - 0,3 0,5 45 27000
altea - - 0,2 0,05 5 700
licores 1 - - - 0,1 4 1200
licores 2 - - - 0,1 3 900
En la produccin intervienen 2 grupos de obreros calificados
cuyas productividades son:
OBREROS PRODUCTIVIDAD(T/H) por SALARIO POR
HORA
grupo de producto
1 2 3 4
Obrero A 0,04 0,04 0,05 0,04 0,90
Obrero B 0,015 0,03 0,02 0,04 0,80
Se dispone de 40 obreros de calificacin A y 60 de
calificacin B, los cuales laborarn 24 das al mes durante 8
horas cada da. No existen restricciones en cuanto al fondo
de tiempo productivo disponible de sus mquinas. Plantee el
modelo matemtico que maximice la ganancia.
Categora: Administracin y finanzas
Categora propuesta: Investigacin de Operaciones
Palabras claves
Programacin lineal, Investigacin de Operaciones,
Optimizacin, Mtodo Simplex
Datos de los autores
Fernando Marrero Delgado. Mster en Informtica Aplicada.
Ingeniero Industrial. Profesor Asistente Departamento
de Ingeniera Industrial. Universidad Central de Las Villas.
Santa Clara. Cuba.
fmarrero[arroba]fce.uclv.etecsa.cu
Javier Asencio Garca. Doctor en Ciencias Tcnicas.
Ingeniero Industrial. Profesor Titular. Departamento
de Ingeniera Industrial. Universidad Central de Las Villas.
Santa Clara. Cuba. asencio[arroba]fce.uclv.etecsa.cu
Ren Abreu Ledn. Mster en Ingeniera Industrial. Ingeniero
Industrial. Profesor Asistente Departamento de Ingeniera
Industrial. Universidad Central de Las Villas. Santa Clara.
Cuba. rabreu[arroba]fce.uclv.etecsa.cu
Ren Orozco Snchez. Ingeniero Industrial. Aspirante a
Mster del Departamento de Ingeniera Industrial. Universidad
Central de Las Villas. Santa Clara. Cuba.
fmarrero[arroba]fce.uclv.etecsa.cu
Hugo R. Granela Martn. Doctor en Ciencias Tcnicas.
Ingeniero Industrial. Profesor Auxiliar. Departamento de
Ingeniera Industrial. Universidad Central de Las Villas. Santa
Clara. Cuba.
hugran[arroba]fce.uclv.etecsa.cu
Autor:
Fernando Marrero Delgado
Leer
ms: http://www.monografias.com/trabajos6/proli/proli.shtml#i
xzz2eXe6Srko
