CAPITULO 2 Introduccién a los modelos de programacién lineal24 Capitulo 2 + Introduccion a los modelos de programacién Iincal INTRODUCCION Enel capitulo Ise presentaron el fundamento y la estructura del proceso de planteamien- to de modelos, asi como también las etapas bdsicas para el desarrollo y uso de téenicas de ciencia de la adiministracidn, Se menciono ademas que tos modelos lineales tienen ‘gran aplicacién en la ciencia de fa administracién. En este capitulo se desarrollan los ‘jundamentos de los modelos lineales basicos. En espectfico: ‘© presenta un panorama general del planteamiento de wn modelo lineal se esbora un procedimiento grafico para resolver ef modelo hasico s¢ anallzan algunas limitaciones del proceso erifco de sotucién se presenta un método tabular para representar ef modelo lineal, » se analiza el uso de wna soluetén computadorizede y tabular Para auxiliar en el andlisis y el desarrotio de los modelos lineaies, este capitulo, aligual que los subsecuentes, se basanen un caso de ejemplo. El caso de este capitulo espe- cifica es simplista, pero de manera realista hace énfasis en un problema representativo que existe en la préctica, ‘CASO Agro-Tech inc. ‘Tom Anderson, gerente de produccion dela Agro- _zantes para el siguiente mes y no tiene claro como Tech Inc, necesia pianear la cornbinacidn de fei: va_a proceder para elaborar el plan. La Agro Tach —_—_—_—es unacompahia pequetia de productos quimices ue fabrca, ene 0108 articulos, dos tipos de felizane ‘que se daboran combinando ingrecintes que se com ppran con proveedores axternos, Cada mes, Tam te rhe que plana la cartidad de cada feriizante que debe producise. Su plan debe tomar en considera: ‘ic el costo de ios ingredientes, el precio de venta de [os ferizantes, cuslesquier podidos que deban sutise las resriociones impuestas al usc dels re- ‘cu's0s dela compafia: mano de obra, meterias pri ‘mas oiampa de maquina. E| proceso de planeacion para este mes es mas all que lo normal, Porlo ge. eral a Agro-Tech fbx ferlizantes de acuerdo con tos pedidas de los dientes, pero este mes los fecti zantes van a venderse através de un mayerisa. Eto ‘complica las cosas porque Tom tiene que elaborar ‘un programa de produccién que-conduzca alas ma: ‘yorosulidades posibles parala Agro-Tech, al mismo tempo que e utiza sti a cantidad de ingrediantes que estén disponibles para el mes. Consideraciones de produccion Les dos fertiizantes quella Agro-Tech fabrica son las ‘mezciasdenominadas 55-10 5-10:5,Encada caso, cl primer valor sarefiereal porcentaje que el producto ‘inaltiana de nitrato quimice, el segundo valorserete- real porcentaje del ostato que aparece enel produc: to finaly l tercor valor da of porcontaje de potas. Elfeiizante se estabilza con un material de relieno ‘como podria ser barra. Por ejemplo, of 55-10 esta Claborado con 81 de nirato, 5% de fostato y 10% {de potasio y el 80% restante es barro. El mayorista ‘compraré cualquier camidad de ambos fertiizanios ‘qbe la Agro-Tech pueda fabricar. Est dispuesto a pagar $71.50 por tonelada del 55-10 y $68 portone- lacie del 10-5, Este mes, ia cisponiblidad y costos de male‘as primas son 1100 tondiadas de rilralo a $200 por toneladia, 1800 tonelacias de fostato a $80 ‘cada una y 2000 toneladas de poiasio @ $160 cada ‘una, El rllana esta disponible en cantidads ilimita: {das al procio de $10 por tonelada, pero paralos otros ‘ves ingredientes slo se dspone de las cantidades mancionadas antes, Nohay resticciones para el uso de la mano de obra nitampoco para el empleo de lamaquinaria durante el mes, pera selene un costo {de $15 por tonelada por concapio de mezclado de los fertitzantes. La pregunta quo Tom debe resolvor 6: gobo utlizar los recursos e3cas0s(nitato, asta: toy potasio) de que dsponela Agro Tach, demanera ‘que se oblengan las mayores utidades para la com: ania? ‘Caso: Agro-Tech, Inc. 25 Caracteristicas del caso Esimportante observa: varias caracteristicascde este ‘caso. En pres lugar, Tom tine un solo objvo la ‘maximizacion de las uilidades provenienies de lata bicacion de los dos ferizantes, En segundo luge ef objetivo que debe ograrse esta suelo ala dispont bilidadly uso de recursos escasos: los ingredients En tereer lugar, tanto las utidades como el uso de Jos recursos escasos son drectamente proporciona: lesala.cantlad que se fabrique de los dos fertizan tes, Es decir, pueden sumarse las urlidades de los ‘098 productos para calcular ls utiiades totes. De manera siiar, puedan sumarse las cantdades ind ‘viuales de recursos. que se ullicen para determinar laccantdad toa, Por tlio noes pose fabricar una Cantidad negatva de ninguno delos dos productos, Las caracterisicas de este caso son comunes ‘.untipa importante de modelos matemalicos que se ‘conove como programacién lineal PL), Por estare 26n, resulta apropiado lstar y comentar con mayor ‘etalle cada una de esas caracteristcas. Para este ‘modelo, consttuyen las consideraciones de PL. Caracteristicas de los problemas de programacién lineal Un solo objetivo, Parala Agro-Toch, objtivoes lamaximizacion de as ullidades. Este requerimento indica que no necastemes ocuparncs de mas de un ‘objetivo al vez. Esta considoracién es razonate para tun modelo de planeacidn a corto plazo como @! que se es lrabajanco, Como so verd mas adelante, tar ign es posible considera a maximizaciin o mir zacién de otras cantidades, en calidad de objtivos Unico. Esta maxmizaccin de las uilidades se deno- ‘mina funcién abjetvo de! probiema Restrieciones. La maximizacitn (o mininizacian) oun objotvoeeidoujoraarestrcciones.Parala Agro. ‘Tech, la disponibildad de recursos escasos limita fa produccion aniveles que puedan alcanzarse con los Fecursos disponibles Sino exstiea esta restiocion setfa posible fabricar una cantidad iimitada de pro- ‘uctos la cual porsupuestoes totalmente ireal. sas limtaciones dels niveles de producsién se denom: ran resvicciones. Proporcionalidad. La funcidn objetivo y as ros: tnicoiones deben ser proporcionaes al nivel de fabr- ccacion de cade producto. Esta restiecion de finea- dad separa este modelo de otros que buscan ‘maximzar una funcién objetivo seta a un conjunton26 Capitulo 2 Introduccién a los madelos de programacién lineal de resticciones. En la figura 2:1. puede obsarvarse ‘una uncién lineal oproporcional, comparada con dos {uncionas no tineales en b y ¢. Ena figura 2-18, ¥ ‘esineal conrespectoa X porque Y = CX parasiguna ‘oanstanie C. Obsérvese que Y= 0siX = Oy que '¥ aumenia en proporcion directa al increment de X. Enla figura 2-1b, W/es no lineal con respecto a X ya {que aumenta a una raz6a mayor delo que aumenta X,Por limo, enla igura 2-16, Veg no linaal con ras- pesto a X porque al incremenid de ¥ no es directa ‘mene proporcionalal increment de X. Enesie caso, V aumenia a un ritmo cada vez menor contorme X aumenta Divisibilidad. La caractorstica de civisibiad si. nitica que son posbles asignaciones racoonaias de ‘productos, Esta e2 una consideracién importante on les casos on que se trabaja con la produccién 0 asig- nacionde anticulos dscretos, dado que noes posible ‘garanizar que las solucones de programacion lineal sean enioras Aaditividad. Las contibuctones de fos productos‘. sivetualos son activas. Expresado en oes palabras festa simplemente significa que et foal es igual ala uma de las partes y que no hay electos de interac cidn entre lo8 niveles de produccién No negatividad de los productos. Esta 0: la Consideracién mie fei do comorender, porque no cesparariamos fabricar menos de cero unidades de un produc. ‘Ademés de estos requerimientos, porlogeneral también se considera que todos los pardmetros 56 ‘canosan con certumbre, 68 deci, qué las ullida- ‘es, la disponibilidad de recursos escasosy las rela- ‘cones ene los nveles de produccion y los usos de losrecursosnoestnsuetasaningura incertidumbre Aunque posta parecér quela consideracién de Jineaigac es poco razonable, sigue sero certo que ‘muchas problemas pricticns en realidad son linea: les, 0 que pueden cepresentarse con un modelo ex presado en té-minos de un problema de programma: ‘oon Ines (PL) Aplicacion de la programacién lineal a ta Agro-Tech Inc. ‘Dado que la prograracién lineal es un modelo mato: mmdtico abstiacio de un problema sico, os necesario ‘uliizar simbolas matemalicos, como so observaba en fel capitulo | para repreventar les cantidaces fscas {de problema, Este proceca se conoce convo plantea imiento de ua prodloma de proqramacién lineal En nuestro cato, las cantaades sicas que inte reaan (es decir las eantiadies que puoden variarse) sonlascantiades de os dos ertlizantes que pueden fabriearse, Se supone que todos os otros elomentos fsicos son constantes por elmomerto. Paral proble: rma de la Agro Tech, podemos utizar xj = (lonele as del ferlizante$-5-10 que se fabrican y % = (o noladas del fertiizante 5-105 que se labriean) Hubiéramos podido utizar cualguiernombte paras variables, pero para ser consstentes con la notacion ‘Que se ulz8 en el capo 1, utfizaremas x,y ap Ese las son as variables de decisién para ol problema, La segunda parte del proceso de planteamiento do! modelo de un problema isco en terminos de un ‘madolo matematico, consste en combinar las varia: bles de dacisén que se definieron antes las relacior nes fsieas innerentes al problema. Estas relaciones ‘sicas varian de un probloma a oto y es necesario tenercuidadede asegurar queel modelo matemtico representa en forma precisa esasrelacones. En nues- ‘10-9as0, el modela debe tomar en consideracién las ccantidades de cada mator prima quese wizan para ‘cadatipode ertizarte. Elmadalo también debe des- ; » : FFIGURA 2-1. Funcioneslnales y 90 linalesctibiren forma precisa la elaciin que existe entreias Ulidades ye! nivel de produccién de cada tipo de fertizante, Analizaremos en primer término el pian teamiento del modelo de las retaciones de utidad Paradeterminarlarelacionapropiada de utiide- des para cada rivel de produccion, es necesario de: termineria contribucién a las.utiidades, en ver de ‘considerar smplementolas uidadestotales, Lacon. tribueion alas utlidades es el ngreso por ventas me- hos los Gostos variables. Los cosios variables inclu ‘en matarialos directos, manode obra directa. gastos ‘Generales y variabies de manufacluray gastos varia: bles de venta yd administracion. Por defincion los ‘costos fs de manutactura ylos gastos tos de venta {yadministracién na varfan cone rivel de producci6n; por tanta, noson de importancia para deletminar una meztia de productos que maximice las uliidades. Enel casode agro Tech y delos dos tetizan tesque se consideran, ios iicos costos que se tome: ran encuentasonios costes de asingredientes: tra: to, fostato, potasio @ ingredientes inertes; asi corno tambignloscosios de mezciado. Es0s costos de mez- ‘lado son de $15 por tonelada de fetlizante sini portar cual sea la mezcla de ingredients. Para el ferlizante5:5-10, 69 tienen ingresos de {871.50 por cada tonelada que se fabrique. Del pro- ‘ducio final, el 5% serd ntrato, et 56 fostato, el 10% polasio ¢ 80% ingredientesinertes. Es posible cat ular ios costos de esos ingredientes paracadatone- lada de producto finel de la siguiente manera: cot del nitalo po onelaca oe “E50 = (0.08) + ($200) = $1000 cost det ostato por toneaéa det ‘55.10 = (0.05) ($80) = 400 costo del potas por toncada det $510 = (0.10) x 160) = 1600 Coste de tos ngradentes inors poe iovelada oe 5510 = (080) x (10) = _8.00 Cost total de los ingrosiontes dal 5:10 = $38.00 ‘Costa ce mezeiad = 15.00 Cost total 35300 ‘Ahora, dado que la contibucién a las uilidades = ingresos ~ costos variables, seliene una contribucion ‘elas utidades paracl 5-10 = $71.50 ~ $59.00 = $518.50 por tonclada que se fabrique. ‘Deranerasimiar, ls costos drectosdel 6-105 Cost de nirato por onolada deh $:105 = (008) x (6200) ‘costa del osaio por lonelacs et ‘105 = (0.10) x (S80) - Case: Agro-Tech, Inc. 27 Coa det potas por tonetada cl 105 = (005) = (S160) Cosa dele ngrodionte inertos por Tonelaca del 8105 = (080) x (S10) Coso toa da ls ingrecentas Gt 105, (Cost ce mezciaco Cost ti ‘Anora. yal igual ue antes, la conribucion a as ut ddades ~ ingreso8 ~ costos variables, por lo que la ‘ontribucién a las utiidades para el 5-10-5 = $69 — $49 = $20.00 por tonelada que se fabrique. Usando estos valores de las contibuciones @ las uiidades se puede plantear una funci6n objetivo para la Agro-Tech. Por cada tonelada de 55-10 que fe fabrique, la uiidad es de $18.50; si se fabrican 1; onaladas. la contribuon total alas ulidades e8 485 xy, De manera similar, si so fabrican x tone das de 5-105, laconribucién total alas utidades es 20x». La coniribucidn total de ambos productos sera la suma de esas cantades, es decir, 18 5x, + 20%. Por ello, la tuneon do utlidades es z s85n + 20% Ahora es necesarie considera las estriosiones del problema, es decr, :cudles sonia elaciones fis cas que existen entre la fabricacién de un determina: do fetizante y a uso de los recursos escasos ciapo: ridles? Para el nitvato existen isponibles 1100 tonelacas. Por cada tonelada de 5-5-10 que se fabri: ‘que se utizan 0.05 toneladas de nitrato. Por ello, si s@labricen x, toneadas de 65-10, se utizaran 0.05, toneladas de nivato. De manera sir, #0 fabr+= can xs toncladas de 5-10-5 se consumifan 0.05 Xe toneladas denitrato, Puasto que solo existen cisponi- bles 1100 toneladas de nitralo, esto actda como res- trccién sobre el nivel de produccicn del §-5-10 0 det 5.105. Se ulizala palabra pusiera porque alain oo recurso eeeaso poca ser mas restrictive que a tra: to, Sieste fuera el caso, amezcla de produccin que arroja maxima utidades no consumira todo ol ntra- to sino que dejeria cea cantdad sin utizar. Dado ‘gue no estamos obligados a usar toda ia cantidad dis ponible de cualquier recurso, esribiamoslarestic '5n sobre el uso del nirato dela siguiente manera: 005K, + 05s 1100 uso de ntrato so de nivato vata five tonelacas on %tondadas,—dsponble 2 55:10 12 5105,28 Capitulo 2 » Invoduccicn a los madelos de programacién linea Esta resrccion simplemente indica que la cantidad de nitrato que se uilice para fabricar x, toneladas de 5:5-10, mas ef rato que se usa para fabricar x, to eladas de §-10'5, debe ser menor que o igual ala Cantidad disponible de nitrato. Para el fosato, si se.fabrican x, toneladas de 5.5-10, enionoes se uilizarian 0.05, tonetadas de fos: {ato, Ys se fabrican xp toneladas de 5-10.5, se usa rian 0.10%, tonoladas de fosfato. Pussto que existen ‘disponibles 1800 loneiadas de fostato, la restrocién ‘s0b10.1 uso de fosfato puede escribirse ce lasiguen- te manera: 2.08% + ei = 0 xeon | vdeo 1 tot ‘ao ‘cow opto te onndas or tonos css soins Pox timo, para el potasio, si $2 fabricar x; to noladas de 5:5-10, se utiizarian 0.10x, toneiadas de polasio, Y s se fabrican x, loneladas de 510°, se ‘consumitian 0.05x; tones de potasio. Puesto que ‘existon 2000 toneladas cisponibies de polesio para fabeicar los dos tipos de fetlzantes, la restrecion so bree! uso del potasio puede describise delasiguien- te manera 0.10% + 005%, = 2600 Encadaunadeestasrestricciones lscoefcien- los de las variables. y son tasas fisieas de sus- tituelén. E2 door, esoe covlicientos sofiaian la tasa ala cual as materas primas se converten en el pro- ‘ducto final que se desea. Consérese la resticcdn al potasio. En esta restriccién, al polasio se convierte en 55-10 a razon de 10 toneladas de lerilzante por cada tonelada de polasio. Tambyén puede convert: Se en 5-10-5 a 1a26n de 20 toneladas de fortizante por cada tonelada de potas, Por ello, aunque a pri ‘eravista parece que los dos procictos tienen iis ‘ma rentabiidag, la eliciencia dela conversion de ma- ters primas y la dsponibilidad de elles no se han temado en consideracién. Sinombargo. la programe: ‘10n lineal toma en cuenta esa efciencia de conver- 36n, La programacién nea considera a ulidad un lara por producto, la eficiencia de conversion de ‘materia primas en praductos finales, como lommues: tran lastasasfsicas de sustiucén, ylacsponibiliiag de las diversas materias primas. Para resumir Ia programacion neal se basa en sels consideraciones, que son: 1. una funcien cbt inca suo a resticiones 2. proporconalided! de todas is relacionas 8, adv i todas las variables 4, evebiact da as varia 5. ceriaumbre on dos la parénetos 6. no nogatidad do fas variables METODO GRAFICO PARA RESOLVER PROBLEMAS DE PL Para resolver problemas pequehios como el de la Agro-Tech, es decir, problemas con dos productos o variables, es posible utilizar un método grafico. Aunque ese procedi- miento no sirve para resolver problemas que tengan mas de dos variables, resulta itil para ilustrar tanto el proceso de solucién como las caracteristicas de una solucién éptima de maximas utiidades. Pasos del procedimiento ‘Son cuatro los pasos que deben seguirse para resolver en forma grafica un problema. Primero plantearemos esos pasos y después los ilustraremos, Los pasos son: 1, Plaatear en forma matemética el problema. 2, Graficar 0 tazar les resriecionesMétodo gréieo para resolver problemas de PL 29 3. Graficar Ia funcién objetivo. 4, Determinar ls valores de las variables en el punto que arroje las méximas wtlidades. Paso 1: Plantear el problema en términos matematicos. El plantcamiento del problema implica un procedimiento quea st vez constadetres pasos: a. Defini es de decid, b, Plamtear en términos matemiticos la funcién objetivo 0 de utilidad. «, Plantear en términos matemtics las restriciones sobre Tos recursos. ara la Agro-Tech, ya se definieron las variables como x, = (Loneladas que se fabri- quen de 5-5-10) y x, = (Voneladas que se fabriquen de 5-10-5). Utilizando los valores que se calcularon antes para la contribucién de las utilidades es posible plantear Ia funcién objetivo de la siguiente manera: 18.5x, + 20% en Esta funeidn objetivo est swieta a las restricciones sobre los recursos. Para plantear las restricciones de este problema, es necesario recordar que cada producto se fabrica ‘con nitrato, fosfato, potasio e ingredientes inertes en las proporciones que se especifican ‘en las cifras que se utlizan para identificar los fertilizantes. Debe recordarse también {que existen restricciones sobre a disponibilidad de los primeros tres ingredientes. Puede plantearse en términos mateméticos larelacion para el uso del nitrato de a siguiente manera: Osx, + 0.08%, = 1100 22) Eso significa que si se fabrican x; toneladas de 5-5-10 y 4) toneladas de $-10-5, 5% de _x mas de 5% dex, debe ser menor igual que la cantidad de nitrato disponible, 1100 toneladas. Para el fosfato la restriccin es 0s, + 0.10%, = 1800 es De manera similar, para el potasio, la restricién es 0.10x, + 0.05% = 2000 es “Asimismo es necesario recordar que no son posibles niveles negativos de produccién, «por lo que también deben incluirse restrieciones de no negatividad, xed es) En conjunto, el problema puede plantearse de la siguiente manera: pusmzan 185-4 20% en suntan 005x, + 05x < 1100 2 0.05%, + 010K, = 1800 ea) 0.10%, + 0.05%; = 2000 ew30 Captulo 2 * Introsuecién a los modelos do programacién neal regidn no negativa region Jactble ‘isoutitidad xine as, Paso 2: Graficar las restrieciones. Dado que se tienen dos variables slo se requieren dos dimensiones para graficar el pro- blema, Er: el eje horizontal mediremos la produccion del fertilizante 5-5-10 (producto 1%)) y en el eje vertical mediremos la producci6n det fertlizante $-10-5 (producto 2). Haciendlo esto, pueden graficarse las desigualdades por encima del eje x, y ala derecha del ee x, En la figura 2-2 se observa el resultado de eraficar la desigualdad (2.2). Al igual ‘que con cualquier relacisn lineal la desigualdad (2.2) puede graficarse trazando primero dos puntos. En este caso, la forma mas simple de trazar las desigualdades es igualar ‘x; a cero y resolver (2.2), como si fuera una igualdad, para determinar el valor de x;. En otras palabras, si x, = 0, entonces (0.05)(0) + 005x,= 1100 © = 22,000 Después, se invierte el procedimiento igualando x; a cero y encontrando el valor dex, ces decir, si x; = 0, entonces 0.05%, + (@.05)(0) = 1100 x; = 22,000 La parte sombreada dela figura 2-2 representa la desigualdad (2.2). Cualquier solu- cin que caiga en esta regién sombreada satisface la desigualdad. Solo se considera la regidn no negativa, la que se encuentra a la derecha del eje x, y por encima del eje x, porque sélo se permiten niveles de produccién no negativos [restriccién (2.5)}- Sise grafican las otras dos desigualdades (2.3) y (2.4), utilizando el mismo procedi- rmiento que se usé para graficar la desigualdad (2.2), se llega a la figura 2-3. Es necesario mencionar varios aspectos importantes acerca de la figura 2-3. En pri- ‘mer lugar, obsérvese que existe una region sombreada en la grafica que satisface en forma simultdnea las tres desigualdades. Esta regién se denomina la regién factible. Cualquier punto de la regidn factible es tna solucién para el problema original. Sin embargo, esto representa una gran cantidad de soluciones que deben considerarse para buscar la que proporcione la mezcla de produccidn de $-5-10 y $-10-S con mayores utilidades. Pero es posible reducir el niimero de las que deben considerarse si se observan las utlidades para diversas soluciones. Esto puede hacerse trazando rectas de isoutilidad en la grafica de la region factible, Estas son rectas a lo largo de las cuales la utilidad permanece cons- tante, El proceso de trazar las rectas de isoutilidad no es otra cosa que graficar la funcién objetivo. Paso 3: Graficar la funcién objetivo. ara graficar la funcién objetivo es necesarig considerar diversos niveles de utilidad. ‘Cuando se grafica la funcién objetivo para cada nivel de utilidad, se forma una recta de isoutilidad (a lo largo de la cual las utlidades son iguales). Para maximizar las utilida- des debe encontrarse la recta de isoutilidad que esté mas alejada del origen, pero que ‘se mantenga en contacto con la regién factible. Un ejemplo de cémo trazar una rect + Net: Se uaa el prefjo "80", que significa “igual”Método grdlico para resciver problemas de PL 31 ° 22,000 FIGURA 2-2, Gita do la reseién do recurtns (2.2) de souttdad podria ser elegr en forma arbitraria una wilidad para a Agro-Tech, dign- sos $185,000 y determinar la recta que tenga una uflidad de $185,000 en todos los | puntos. Es bastante senillohacer esto si se ecuerda que a funcion objetivo ode uilida- Ges e6 una relacin lineal expresada de la siguiente manera: } P= 18.5x, + 20x, ~ 185,000 ‘Todo lo que se requiere es igualar P = 185,000 y localizar cualquier par de valores (x +x). (Una linea recta siempre esta definida por dos puntos.) Es posible identificar dos puntos evidentes utilizando el proceso que se empleé para trazar la restriccion. Es decir, se iguala x, a cero y se despeja x, después se iguala x; a cero y se despeja x). Un par de coordenadas seria x, = Oy X= 9,250. Otro par es x; = 10,000, x; = 0. Esta recta de isoutilidad se muestra en la figura 2-4, junto con la tegién factible identificada eon el numero 1. ‘Aunque esta recta de isoutilidad define un grupo de soluciones factibles, todas las cuales tienen utilidad de $185 000, resulta evidente al observar la figura 2-4 que existen. puntos con mayores utilidades y que estin més alejados del origen. Debe recordarse ‘que se desea determinar la recta de isoutilidad que esté més alejada del origen pero que siga siendo factible, es decir, que continue en contacto con la regidn factible, Otra recta de isoutilidad que podriamos considerar es la que aparece con el nimero 2 en la figura 2-4, Esta recta de soutilidad produce utilidades de $370,000 y puede localizarse utlizan-32. Capitulo 2 = Introduccidn a los madelos de programacién linea! Srontera (Valores en x, milares) 40 0.10%, + 0.08x, = 2000 os 0.05x, + 0.05%, = 1100 0.05x, + 0.10x, = 1800 10 * ° 10 20 0 40 FIGURA 2, Grdlica de todas las estcciones a los recursos (Valores en mires) do los puntos x, = 0, x; = 18,$00, y x, = 20,000, x, = 0. Debe observarse que las reetas 1y2 son paralelas, con Ia 2 més alejada del origen. Sin embargo, atin es posible ‘encontrar una recta de isoutilidad que nos dé mayores uilidades. La recta de isoutilidad ‘con el mayor valor de las utilidades y que sigue siendo factible es la recta 3 de la figura 2-4, Observando la grafiea puede apreciarse que esta recta toca la regién factible en ‘un solo punto, x; = 8,000, x = 14,000, Si se sustituyen esos valores en la funcién ob- jetivo se encuentra que la utilidad es igual a $428,000. Cualesquiera rectas de isoutilidad ‘con mayores utilidades no tendrian contacto con la regién factible y es evidente que no debemos considerar ninguna recta con menores utilidades. Entonces, la solucién con rmayores utilidades ocurre en el punto C dela figura 2-4. Esta solucién indica fabricar 8,000 oneladas de 5-S-10y 14,000 toneladas de S-10-5, para alcanzar utilidades de $428,000. Paso 4: Encontrar el punto con més altas utilidades. Del proceso de solucién es posible observar diversos resultados importantes. En ugar, los puntos que resulta necesario considerar para buscar el éptimo son los que se encuentran sobre la frontera o parte extrema de la region factible. Es posible concluir esto a partir del hecho de que para cualquier punto que se encuentra en la region factible, existe un punto con mayores utilidades que esté sobre la frontera de la regién fac~ tible. En segundo lugar, los inicos puntos sobre la frontera que es necesario considerar ‘son las esqquinas; as que ocurren en la interseccién de dos o mas restrieciones. Las esa nas identificadas con A, B, C, D y E en la figura 2-4, con frecuencia se denominanMétodo grafico parazesolver problemas de PL 33 10K A (00) 10K 20K FIGURA 2-4. Reoiae de soutlidad vértices de la regién factible, Una solucién dptima para un problema de PL. siempre venice _ocurteenun vértice dela regidn factible, porque para cualquier otro punto quese encuen- tra sobre Ia frontera siempre hay un vértice que tiene a misma utilidad o mayor. Los vertices de un problema de dos variables pueden encontrarse tomando pares de testricciones o condiciones de no negatividad y resolviéndolas como ecuaciones simul- téneas, Por ejemplo, el punto A se encuentra resolviendo y= 0ym = 0 El punto B se encuentra resolviendo x) = 0 0.08x, + 0.10%, = 1800 para obtener EL punto éptimo C se encuentra resolviendo en forma simultanea 100 0.05%, + 0.0K = 1800 y 0.05x, + 0.05% = Jo cual arroja34 Capitulo 2 Introcucsicn a los modelos de programacisn linea! 21 8,000, x, ~ 14,000 En la tabla 2-1 se resumen los cinco vértices para este problema. ‘Como se sefialé antes, Ins coordenadas (es decir los valores de x yx) para los puntos A, B, y E, son ficiles de caleular porque ocurren en las condiciones en las que uno o los dos niveles de produecién son cero. El punto C se encuentra resolviendo en forma simulténea las desigualdades (2.2) y (2.3); el punto D se encuentra resolviendo las desigualdades 2.2) y (2.4). Al observar todos los vértices (tabla 2-1), ¢s importante notar que al tener que considerar s6lo los vértices o esquinas, el nimero de soluciones {que debe considerarse se reduce en forma dristica, En ver de tener que considerar todos Jos puntos de la region factible, como se muestra en la figura 2-4, © aun s6lo los que estén en Ia Frontera s6lo se requiere considerar los cinco vertices. Este hecho es el factor clave que permite resolver problemas grandes de programacién lineal. TABLA 241. Vérioes facies Producein dex, Uilided Vistice ——_ Produccin de x A 0 ° 0 B 0 18,000 $360,000 © 8,000 14,000 428,000 D 18,000 4,000 413,000, E 20,000 0 370,000 Comentarios rom Anderson utiliza nuestro andlisis de programacién lineal para resolver este pro- blema de planeacién de la produccién, fabricaria 8,000 toneladas del fertlizante 5-5-10 ¥ 14,000 del 5-10-S. Si los valores de ingresos y de costos que se plantearon antes son correctos, entonces la Agro-Tech obtendria una contribucion alas utilidades de $428,000. Debe observarse que en la fabricacin de los fertilizantes se usa todo el nitrato y todo el fosfato en el proceso de produccién, pero quedan sin utilizar 500 toneladasde potasio. ‘También debe recordarse que al considerar el uso de la programacién lineal para resolver al problema de la Agro-Tech es necesario que se cumplan las consideraciones que se comentaron antes; maximizacién de una sola funcidn objetivo sujeta a disponibilidad de recursos escasos; proporcionalidad; aditividad de las contribuciones individuales de la funcidn objetivo y las restricciones; divisibilidad; certidumbre de los valores de las utilidades y de las tasas fisieas de sustituci6n; y no negatividad de las variables. $i cual- Guiera de estas consideraciones no se cumple en forma exacta eso no significa que la programacién lineal no deba uiilizarse. Sila programacién lineal proporciona informa cidn ttl acerca del problema, quien toma las decisiones sigue estando en posibilidades de emplear ef modelo. El punto clave es revonocer que la situacién verdadera difiere del modelo que se utiliza y que los resultados deben interpretarse de acuerdo con esto. CONTINUACION DEL ANALISIS DE LA PROGRAMACION LINEAL Un concepto importante que se mencioné en la seccién anterior sobre las soluciones ‘eréficas a problemas de PL. fue que sdlo es nevesario considerar los vértices o esquinas‘Cortiouacién del andlisis de lasprogramacéon lineal 35) de la regién factible cuando se busca una soluci6n Optima. Se observ6 que cada vértice ‘ocurre en la interseecién de dos restricciones. Después, se obtuvo cada vértice al resolver ‘en forma simulténea el conjunto de ecuaciones lineales que lo formaban. Esto sugiere tun procediimiento desolucién basado en la solucion simultanca de conjuntos de ecuacio- nes y pasando de un vértice a otro hasta que se llegue a una solucién éptima. Esta es precisamente la forma en que funciona un algoritmo, que se denomiina método siniptex. En cada paso del algoritmo se resuelven en forma simulténea las ecuaciones que forman tun vértice para identficarlo. Se prueba si este vértice es dptimo, y sino lo es, el algoritmo pasa a otro vértice y se repite el proceso. E] procedimiento garantiza que cada uno de los vértices no sera peor que el anterior en términos de utiidades o costes. EI método simplex tiene la ventaja con respecto al método grifico de que es facil ‘manejar més de dos variables. Sin embargo, y sin importar si un problema determinado requiere dos variables, diez 0 muchas, el método simplex examina sélo las esquinas de la regi6n factible. Para asegurar que ocurre esto, la primera etapa de! método simplex consiste en convertir ecuaciones lineales todas las restrieciones lineales expresadas en forma de desigualdades. Conversién de desigualdades en igualdades variable de holgura variable de exeedente El proceso de convertir desigualdades en igualdades implica anadir una variable de holgura a las desigualdades de menor © igual que (desigualdades de la forma aypX, + int, = 0) y restar una variable de excedente de las desigualdades de mayor o igual que (Gesigualdades de la forma anX; + azn%; 2 b3). Un ejemplo ilustrard este punto, Su- ponga que se ha definido el siguiente conjunto de restrieciones. 6x 454530 e6 10x, + x= 50 en La primera desigualdad se convierte en igualdad aftadiendo una variable de holeura, ‘que denominaremos s,. La ecuacién resultante es. by +3 t= 30 8) La variable de holgura s, es la cantidad en la que (6x; + 5x) es menor que 30. Si (6x, + 5x) es igual a 30 (esto ocurviia six, = 5 yxy = 0), entonees s, = 0. Por otra parte, si Gx, + 5x,) ¢s menor que 30, entonces s; toma un valor positivo, que seria la canti- dad en la que (6x, + 5x;) es menor que 30. La segunda desigualdad se convierte en ecuacién restando una variable de exceden- te, que denominamos s,. La ecuacién resultante es 0x, 4% = 50 29) La variable de excedente s, representa la diferencia entre (10x; + 34) ¥ 50. Si (10x, + 2x) ¢s igual a 50, entonces 5, es igual a cero. Pero si (10x, + 2) es mayor que 50, enton- ces 5 tiene un valor positive que es igual a Ia cantidad en la que (10x, + x;) excede 50. 'En seguida se observa la relacién que tiene esto con el problema de ln Agro-Tech Ine, Recuérdese que el problema se planted en términos matematicos como sigue:36 Caplio 2 + Introduccion a los modelos de programacién linaal axomaan: — Z = 18S, + 208 @.10) suet0 6 0.05%, + 0.08x 5 1100 en 0.05%, + 0.10%, = 1800 ey 00x, + 0.05%, = 2000 ey an 20 ed) en donde x, = tonoladas de fetitizantes 5-5-10 que se fabrican 2% = toneladas de fertlizantes 5-10-5 que se fabrican Debe observarse que todas las restricciones estin planteadas como desigualdades. Si uusamos s, para representar la cantidad (en toneladas) de nitrato que mo se uiiiza cuan- do se fabrican x, toneladas de 5-5-10 y x, toneladas de 5-10-5, entonces la desigualdad QIN) se convierte en 0.05%, 4 0.05%; 4 5 = 1100 De manera similar, si representamos con s; las oneladas de fosfato que no se utilizan, la desigualdad (2.12) puede escribirse como: 0.05%, + 0.0K + 55 800 Por dltimo, usando s, para representar las toneladas de potasio que no se utiizan, Ja dlesigualdad (2.13) se convierte en 0410s, + 0.054, + x5 =200 Utilzando las tres igualdades, el modelo modificado se expresaria: nsnueas: Z= 18Sxy + 20x; +05, + OH + O55, as) sero 0.05x; + 005x448, = 1100 216) 0.05x, + 0.10 + = 1800 an 0.10%, + 0.05%, + = 2000 ea) ity tite e219) Al aftadir variables de holgura a cada una de las desigualdades de restriecién se tiene un modelo modificado que contiene sélo igualdades, es decir, se tiene un sistema de ecuiaciones, Observe que en el modelo modificado se usan ponderaciones de cero en Ia Zuncién objetivo para cada variable de holgura; se emplean estos pesos porque los recursos de holgura no contribuyen con nada a las utilidades. Un punto adicional que debe observarse con respecto al modelo modificado es que ‘odas las variables incluidas, considerando también las variables de holgura que se aha- dieron, son iguales o mayores que cero. Si se permitiera que cualquiera de las variables deholgura fuera negativa, entonees se violaria una o més de las desigualdades originales. ‘Al afadir variables de holgura y de excedente a las desigualdades de restriccién, «s posible convertir un sistema de desigualdades en un sistema de igualdades. Para laContinuacidn del andisis de la programacién lineal 37 Agro-Tech, se requirieron tres variables de holgura. Observe que en este modelo modifi- ‘cado del problema se tiene un sistema de ecuaciones con mas variables que igualdades, Esta es la estructura general de un problema de PL. En términos generales, se dice que el problema tiene m ecuaciones lineales (tres en nuestro caso) con 7 incdgnitas (cinco fen nuestro caso), en donde m = m. Obtencién de soluciones factibles basicas Como se planted antes, Ja raz6n por la cual se transforman las desigualdades en igualda- des en el algoritmo simplex es para formar un conjunto de ecuaciones que pucdan utili zarse para identificar las esquinas o vértices. El siguiente paso consiste en identificar esos vértices Normalmente, puede resolverse un sistema de ecuaciones cuando el niimero de éstas ¢s igual al nimero de variables. Pero en el problema de la Agro-Tech, como en todos los problemasde PL, se tienen cuando menos tantas variables como ecuaciones, es decir, en el ejemplo tenemos cinco variables y tres ecuaciones. Sin embargo, puede resolverse ‘este conflicto aplicando un teorema bisico del dlgebra lineal, que especifica que para tun sistema de mt ecuaciones y 1 variables en el que n >”, siexiste una solucién, puede encontrarse igualando nm de las variables a cero y resolviendo el conjunto resultante de m ecuaciones con m variables. Para el problema de la Agro-Tech, esto significa que lebemos elegir tres variables para utilizarlas como conjunto de ecuacianes que se resucl- ‘ven ¢ igualar las dos variables restantes a cero, Las variables que se igualan a cero se denominan variables no bdsicas; las variables que se usan para resolver las ecuaciones se denominan variables bisicas. ‘Una pregunta que debe resolverse en este punto es qué variables deben elegirse como basicas, y por otra parte, cuales deben ipualarse a cero para convertitlas en no bésicas, Con m ecuaciones y m incégnitas existen ila = soluciones bdsicas (en donde n= (nMn—1) . . . (2X{1)). Con tres ecuaciones y cin incégnitas tenemos 51/31 x 21) o diez soluciones bisicas, Para nuestro problema modificado [ecuaciones (2.15) a (2.19)], es facil resolver el conjunto de ecuaciones cuando x, y x; son iguales a cero. Por ejemplo, six, = 0 yx; = 0, el sistema de ecuaciones es 0.050) + 0.05(0) + 5, = 1100 2.20) 0.050) + 0.100) = 1800 ea 0.10(0) + 0.0510) +4 = 2000 my Se observa de inmediato que s, = 1100, s; = 1800, ys; = 2000. Si sustituimos los valo- TES Xs Xp Sy 5: ¥ 5; en la Funcidn objetivo, la utilidad resultante es $0. Esto significa ‘que no s¢ fabrican ni x, ni ayy y que no se utilizardn 1100 toneladas de nitrato, 1800 de fosfato y 2000 de potasio y no se obtienen utlidades. ‘ise continia el proceso de igualar dos variables a cero y resolver el conjunto resul-38 Capitulo 2 * Invoduecién @ los modelos de programacién lineal ‘TABLA 2-2 Todas ls solucones basias para ol problama do a Agro-Tech Variables Funcin Solucién * n * 5 objetivo Z t oO, 1,001,800 2.000 $0 2 0 22,000 0 400900. No fase 3 © 18,000 200 © 1,100 $360,000 4 © 40,000 © 900 2,200 (0 No tacubie 5 36,000 0-700 © 1,600 No faible 6 20,000 2 100 800 © $370,000) 7 22,000 ° ° 900-200 No facile 8 8000 14,000 ° 2 300 -$428,000 9 18000 4,000 ° 300 0 $413,000 10 145666.6 10.6666 1666 ° 0 No facile tante de ecuaciones, es posible identificar las aueve soluciones bdsicas restantes para el sistema de ecuaciones. Estas soluciones se muestran en la tabla 2-2. Observe que cinco de las soluciones basicas se identificas como no factibles. Recuerde que al plantear el problema original yen el problemamodificado, secstipulé que todas as variables debian ser mayores 0 iguales que cero. En las soluciones 2, 4, 5, 7 y 10de la tabla 2-2, cuando ‘menos una de las variables tiene valor negativo. Esas soluciones no son faetibles para €l problema de PL. porque los valores negativos de las variables earecen de sentido. Por ‘ejemplo, a solucién dos seBala que se fabricarian 0 toneladas de x; y 22,000 toneladas de x,, sobrando 900 toneladas de potasio. Sin embargo, el 400 negativo indica que la produccién de esas cantidades x, y x; requeriria 400 toneladas de nitrato por encima de lo que se tiene disponible. Esa solucién aunque es matematicamente valida, no tiene sentido en la practica. Para diferenciar las soluciones factibles de las que no lo son, se identifica como solucién factible bdsica cada solucién en la que todas sus variables son no negativas. ‘Un punto final que debe observarse acerea del conjunto de soluciones bisicas que se muestran en la tabla 2-2, es que las soluciones factibles bdsicas son las esquinas 0 los vértices dela regién factible que describe al problema, La figura 2-5 es una ilustracién gréfiea del problema dela Agro-Tech que muestra todos los vértives, los factibles y los que no lo son. El vértice 1 carresponde a la solucién factible 1, el vértice 2a la solucién 2 y asf sucesivamente. Es necesario observar que s6lo los vértices 1, 3, 6, 8 y 9 caigan ena regidn factible, mientras que los vértices que corresponden a soluciones no factibles estén fuera de esta region, Al llegar a este nivel es necesario tener presentes cinco puntos clave con respecto al analisis de la programacién lineal 1. Un problema de programacién lineal est formado por una funcién objetivo y una 2. Lasolucién dptina de un problema de PL ocurre en un vértice 0 esquina dea regién facile. 3. Las restriociones deben convertirse en igualdades atadiendo variables de holgura 6 restando variables de excedente.Continuacion del andisis dela programacién ines! 38 4. Los valores de las variables en los vrties pueden encontrarse resolviendlo m ecuacio res simultdneas para las m variables bisicas¢ igualando a cero las restantes 2m variables no basicas, 5. Un vértice que tiene todas sus variables no negativas y es ef mayor valor para las, utlidades se denomina soluciéa optima, Método tabular para resolver problemas de PL. tabla simplex Aunque la mocéinica del método simplex se analiza con gran detalle en el capitulo 4, estudiaremos en forma breve la forma tabular (conocida como tabla simplex) que se utiliza en este método. La razén para hacer esto es permitirle al lector estar en posibilida- des de leer e interpretar resultados o salida de computadora que aparecen mas adelante en estecapitulo yen el capitulo 4. Muctas veces la sada tabular en realidad se presenta eneste formato de tabla, por lo que es nevesario poder leerla La tabla simplex inicial para un problema de PL simplemente es una forma distinta de plantearlo separando los coeficientes de la funcién objetivo y de las restriciones de sus respectivas variables. Es posible realizar con facilidad los calculos necesarios sin tener que manipular nombres de variables. Los coeficientes de las restricciones y de la funcidn objetivo para el problema de la Agro-Tech [ecuaciones (2.15) a (2.19)] se han colocado en una tabla simplex en la tabla 2-3 % 40 10 0 10 2 30 40 FIGURA 2.5. Gros para Is Agro-Tech nc40 Capito 2 Introduccion a los modelos de progremacién lineal TABLA 2.2. Taba simplex iii Los dos primeros renglones de Ia tabla denominados contribucion por unidad y encabezados y variables (rengl6n sombreado), identifican los coeficientes de la funcién. ‘objetivo y los encabezados de las columnas, respectivamente. Los coeficientes se trans- fieren en forma directa de la funcidn objetivo. Se utiliza el nombre contribucién por tunidad ya que los coeficientes reflejan la contribucién unitaria que cada variable hace al objetivo. Debe recordarse que se asocian ceros alas variables de holgura porque esas variables no contribuyen al objetivo de maximizar las utilidades. Los coeficientes de las resiriceiones se transfieren en forma directa al cuerpo de la tabla bajo el encabezado respectiva que indentifica a cada variable. Por ejemplo, se podrian tener 5), 5, sy seguidas de las columnas x; ¥ x. Sin embargo, la forma mas simple para identificar las columnas y transfer los coeficientes es usando el orden en ‘que quedaron identificados en las ecuaciones de restriccién. Los valores del segundo {érmino (recursos) de las ecuaciones de restriccion se colocan en la columna denominada Segundo término (solueidny). La segunda columna contiene encabezados de renglin y Variables en la base. Se utiliza el término base para referirse al conjunto de variables basicas que conforman la solucién factible basica. En esta tabla especitica, s,,s, y 5 son las variables basicas (punto A dela grafica), porque pueden identifiearse con facilidad a partir de las ecuacio- nes iniciales. Si se observan los coeficientes de las columnas 5, YS, ¢8 posible veri ‘car rapidamente que esas variables son las que se encuentran en la base. Los valores para las variables basicas o como se les denomina, de solucidn, pueden leerse en forma directa de la columna de solucién que se eneuentra en el lado opuesto de la variable respectiva. En este caso, la solucidn es 5, = 1100, 5; = 1800 y 5 = 2000. Puesto que 41 ¥-¥, Son variables no basicas, valen cero (es decir, x, = 0, x = 0). La columna denominada ¢, (‘‘contribucién por unidad para las variables de la base") contiene los coeficientes que las variables de la base tienen en la funcién objetivo. Puesto que 5), 5: 5; Son las variables que se encuentran en la base la columna cy tiene «eros. Estos Son los mismos ceros que en el renglén ¢, que esté arriba de las columnas Si SY SsContimuacisn de! andlsis de la programacion lineal 41 El peniltimo rengl6n contiene los valores de z, para cada variable. Estos valores sefialan as uilidadesalas que habria que renunciar para aumentar el valor de cada variable. El ltimo rengldn de la tabla, renglon (c~z), se calcula restando para cada varia~ bie el valor z, del valor c,, en sus respectivas columnas, Esta es la diferencia entre la ganancia (c) y la pérdida (z) que se produce al fabricar una unidad de x,- Dado que todos los valores de z son cero en la tabla nical, los valores de (¢,~ ) son simplemen- te los valores de c, Este es el renglon que senala el meforamiento nero en ta funcin objetivo debido al aumento de una unidad en el valor de cada variable, En algunos lista- {dos de computadora no se muestra el renglin z, pero et renglon (¢,~z) [0 su negativo, ~e)] siempre aparece. Si un valor de (c,~ 2) es posiivo [(siendo z)~ ¢) negativo}, cso indica que ia utildad puede incrementarse aumentando el valor dela variable cortes- pondiente, Si todos los valores (¢) ~ 2) Son no positivos (ceros o negativos), la tabla representa una solucidn éptima. El valor Z o valor de Ia funcion objetivo para la solucién basica factible que se iuestea en la taba iicial es cero. Esto implica que se obtienen cero utilidades teniendo §, = 1100, 5; = 1800 y 5, = 2000; este es el mismo resultado que se obtuvo en Ia solu- ‘dbn grafiea. Bl valor Z se calcula sumando los productos de los coeficientes , y los valores de soluci6n para las variables que se encuentran en la base. Por ejemplo, en este e230, Z = (01100) + (0)(1800) + (02000) = 0. Fl valor Z se muestra en la tabla en la parte inferior de la columna de Segundo término (solucién). ‘Ena abla 2-4, aparece a tabla simplex 6ptima para el mismo problema de progra- rmacign lineal de la Agro-Tech Sabemos que esta tabla es éptima porque todos los (¢ ~2) 0 “contribucién neta por unidad producida” son negativos o cero. Cualquier cambio en el nivel de produccién para las variables reduciria las utilidades. ‘La tabla 2-4 puede interpretarse como sigue: el valor éptimo de la funcén objetivo es $428,000 y esa utilidad se obtione fabricando 8000 toneladas dle fertfizante tipo 1 (5-10) 14,000 toncladas del ferilizante tipo 2 (S-10-5). Quedan sin tilizar 00 tonel- tdas de potasio (3). Por iltimo, no sobran ni nitrato ni fostato porque las variables co- rresponientes de holgura, s, y's, son no basicas, yen consecuencia, son iguaes a cero. ‘TABLA 2-4, Tatia simplex éesima Rune 185] 200] 0 | Sane ea ler | ote bee 184] x 0 29 = a ols a Z| 2so00 J iss] 200] 340 @- 4 o fo | 34042 Capitulo 2 * Introduccién a los madelos de programaciéa lineal En el capitulo 4 revisaremos la mecénica del método simplex que permite pasar de una tabla inicial como la tabla 2-3 a otra éptima como la tabla 2-4. USO DE RESULTADOS DE COMPUTADORA ara que un modelo como la programacién lineal sea itil quien toma decisiones, debe ser facil de aplicar a problemas del tamafio de los que se encuentran en casos pricticos. Esposible ampliar la aplicabilidad de la programaci6n lineal a problemas reales si resulta facil resolver el problema resullante de PL. Si fuera necesario depender de medios ma- auales para resolver esos problemas la PL. tendria paca utilidad como herramienta para latoma dedecisiones. Por fortuna, las computadoras y la programacién lineal han creci- do juntas, por decirlo asi. George Dantzig disené el algoritmo simplex en 1947, y casi al misino tiempo se construy6 la primera computadora practica. Conforme las computa doras se han vuelto mis potentes y veloces la programacién lineal se ha utilizado para resolver problemas mayores. En esta seeci6n se analizan diferentes formas de usar la ‘computacora en la programacién lineal y se lustra el empleo de un programa especifico ‘de computadora de PL para resolver dos problemas. El primer problema serd el de nues- {ra antigua conocida, Agro-Tech Ine., y el segundo seré un caso diferente, acerea de la empresa Baker Manufacturing. Tipos de procedimientos de computadora procesa- por lore procesa- Existen dos tipos de procedimientos computadorizados para resolver problemas de pro- sgramacion lineal. Se denominan procesamiento por /oteeinteractivo. El procesamiento por lote se sefierea quese reiinenen un solo conjunto de tarjetas el programa decomputa- dora y todos los datos asociados, el que a su vez se introduce en la computadora a través de una leciora de tarjetas. El procesamiento interaetivo se refiere a la interaccién del usuario con la computadora a través de una terminal remota, normalmente una pantalla de rayos catddicos (CRT; cathode-ray tube) o un teletipo. En un proceso interactive se introducen los datos a través de la terminal, por lo general en respuesta a solicitudes de la computadora. Los programas por lote por lo general, pueden adquirirse con los vendedores de computadoras y se utlizan para resolver problemas grandes de PL. Un ejemplo de pro- rama de PL por lote es el MPSX-370, disponible en instalaciones TBM. Casi siempre los programas por lote tienen un formato de datos de entrada muy estructurado y cierta forma de lenguaje interno. Lo usual es que sean muy veloces y se han utilizado para resolver problemas con mas de 10,000 variables y mas de 1000 restricciones. Debido al formato de datos de entrada tan estructurado que tienen, es raro que se utilicen en medios ambientes académicos.' Por lo general, para propésites de enseftanza se usan programas interactivos de PL. Es comiin que el formato para los datos de entrada no sea muy estructurado, y 'sin embargo, em ocasiones se han uilizado los programas por lote con propSstesaademicos por eemplo, .G. MeKeown yD. 5. Rubin, "LPMPS: A Suldent Ovented Preprocecor for MPS/360”, Computes dnd Operations Research, 4, (197), pp. 227.229.Uso de resultados de computadora 43 como se mencionabs antes, el usuario tiene aceso al programa através de una terminal remota. En est texto se ulizara un programa interactivo para resolver muchos de los, problemas que se planean. El programa que emplearemos se denomina en forma muy apropiada, SIMPLEX.* Aunque puede ser distinto el programa de PL disponible en la instalacion en que usted trabaje, ése y SIMPLEX tendran definitivamente muchas cosas en comin, Por esta razén,invertiremos un poco de tiempo para interpretar los resultados que produce SIMPLEX, con la esperanza de que el analisis le ayude a usted con los listados provenienes de cualquier programa de PL que tenes disponible Resultados de computadora para la Agro-Tech Inc. Recuérdese que el planteamiento original de la Agro-Tech era: nasamzats — Z=18Sx + 20%; (223) surero 0.05x, + 0.05%, = 1100 24 0.05x, + 0.10%, = 1800 25) 0.0m + 0.05%, = 2000 (226) me 27) Ellistado decomputadora paracl problema dela Agro-Tech seilustraenfas figuras 246 y 27, La tabla inicial, que corresponde ala tabla 2-3, se muestra en la figura 2-6. Observe que exsien algunas diferencias pequenas entre las dos taba pero, en general son la misma, La diferencia més evidente es que Is variables se idenifican en forma diferencia ls variables estruturales yas variables de hlgura, La computadora no necesita X, para todas las variables, en tanto que en la Tabla 2-3 se utiliza distintas letras para diferenciar as variables estraturalsy as variables de holgura. La computador no necesita hacer ea dstneién, y por ello, una letra es suficiene, Una segunda diferencia es que él listado de la computadora no tiene el renglén z, pero si tiene un renglén de (Gj ~ 4). Emel lstdo de Ia computadora el valor objetivo se presenta en el rengl6n de (, ~"2) la colummna B. Los valores dela solucion también se presentan en la columna B. La tabla dptima (figura 2-7) se identified como “tabla 3 (Solucién éptima)’”” para mostrar que se requireron dositeraciones del método simplex para lege ana slucion Optima. En la solucién éptima, las variables se identificaron como X(1), X(2) y X(5). Estas corresponden a x, % ¥ la tercera variable de holgua 5, Toverpretando la taba final, a partir de a columa Bse tiene que deben fabriarse 8000 toncladas de X(1), lo cual representa x, 0 el fertilizante S-S-10, y 14,000 toneladas de X(2), que representa a x; 0 el fertilizante 5-10-5, quedando 500 toneladas de X (5), due es, 0 potasio. El valor dela funcién objetivo se muestra por separado cn I parte final de la tabla y se identifica como la solucién final, asi como también en el rengi6n (~ 2) dela columna B, y su valor es de $428,000, Algo que debe observarse es que los valores dela tabla no Son exactamenteiguales alos valores que'e cacularon antes. Por ejemplo, se sefiala que la produccién del fertilizante tipo 1, X(1) es 7,999.99, en tanto que nestroscélelos anteriores mostraron que ext valor era 8000. La diferencia, 2 programa simples que te ullien en ee ext fue eaborado por Richard erescin.44 Capitulo 2 « Introduccién a los modelos de programacién lineal TABLEAU S(OPTIMAL SOL) IN VECTOR 16 X¢ 1) OUT VECTOR 18, ein % cy Bele 8 Roh, 18186 HF 7970.8. ~2b!06 THE VALUE OF THE OBJECTIVE FUNCTION TS 428000.02 FIGURA 27. Lisado de comoutadora dea taba inal (Spina) Agro-Tech, Inc. se debe a errores de redondeo que pueden ocurrir en los cdlculos por computadora. Esos crrores pueden ocurrir debido a repeticiones de operaciones aritméticas, pero los progra- ‘mas comerciales tienen mecanismos integrados que evitan esos errores. El programa SIMPLEX que se utiliz6 aqui es interactive y orientado a los estudiantes. Se corrié en ‘una minicomputadora y eso contribuy6 a que ocurrieran errores de redondeo. También contribuyeron a los errores de redondeo los valores grandes de este primer problema. ll BAKER MANUFACTURING COMPANY La Baker Manufacturing Company es una empresa que fabrica zapatos ‘‘exclusivos”. La compania fabrica tres tipos de calzado para caballero: (1) zapatos Wing-tips, (2) botas Moc-toe Demi y (3) pantuflas Moc-style. El gerente de produccién tiene el proble- ma de decidir cudl es el mejor programa de fabricacién para c! siguiente mes. Para lograr ese objetivo debe decidir qué mezcla de fubricacién de los res estilos producira la mayor contribucién a las utilidades, al mismo tiempo que satisfaga diversos requerimientos financieros y de produccién. Los datos dela tabla 2-$ describen la operacién de manufac tura para la empresa y se recopilaron en meses anteriores de operacidn. Existe una oferta, ilimitada de piel para el fabricante; sin embargo, se dispone de un maximo de 1,200 hhoras de produecién durante el siguiente mes. El tiempo de produccién cuesta $10 por hhora; por cada unidad de piel el costo es de $4, La empresa have todas sus ventas a mayoristas, que le pagan en efectivo toda la ‘mercaneia; por tanto, la compania no tiene cuentas “por cobrar”. Los precios de venta para cada par de zapatos a los mayoristas son de $60, $64 y $50, respectivamente, para los tres estilos. Los costes fijos de la Baker para el siguiente mes de operacién son $3,000 y el saldo actual de efectivo de la empresa es $16,560. El gerente de produccién de la Baker tiene comprometidos los siguientes pedidos para los diferentes estilos: 30 Wing-tips, 55 Moc-toe Demi y 32 Moc-style. Pueden ven-Uso de resultados de computadora 45 ‘TABLA 2-5. Dsios de pracuccidn para la Baker Manutacuring Co. Horas de tiempo nidades de pet ‘de operacon por ‘que se requieren por Producto par de zapatos, Dar de sapaios 1 3.50 325 2 250 430 3 2.00 2.00 derse todos los pares que se fabriquen durante el mes, que excedan esos pedidos ya con prometidos. Es decir, el movimiento de la produccidn es tal que todos los zapatos que se fabriquen en un mes determinado se distribuyen duranteel mismo y por ello no existe. inventarios. PLANTEAMIENTO Y RESULTADO DE COMPUTADORA PARA LA BAKER MANUFACTURING. El planteamiento del problema de la Baker Manufacturing en forma de programacién Tineal requiere un andlisis un tanto detallado. El gerente de produccién de la Baker debe decidir que cantidad de cada estilo de zapatos ha de fabricar durante el mes con el objeto ‘de maximizar la contribucién a las utilidades. Aunque existe una demands ilimitada de todos los estilos hay restrieciones sobre la produccién. El administrador debe satisfacer ciertos compromisos de demanda (como se seftald antes, 30 pares de los zapatos de estilo 1, 5S pares de zapatos de estilo 2 y 32 pares de zapatos de estilo 3). Los Factores que influyen sobre las contribuciones a las utilidades de los respectivos estos de zapatos son el tiempo de producci6n, el costo de fabricacién de cada unidad, los costos de materiales por unidad y el precio de venta. Ademés de las restricciones de demanda, la compania debe satisfacer una restricciOn de produccién y una finaneiera, No deben asignarse mas de 1200 horas de tiempo de produccién para fabricar los diferentes estilos. De manera similar, todos los costos de produecién, de ‘materiales y costos fijos deben cubrirse con el efectivo disponible durante el mes. Dado ‘que la piel esta disponible en cantidades ilimitadas no constituye una restriccién. Sin ‘embargo, el costo de la piel tiene impacto sobre el costo total de cada uno de Jos estilos de zapatos. ara plantear este problema en términos mateméticos, se definen las variables de decisién de la siguiente manera: x; = mimero de pares de zapatos Wing-tips que deben fabricarse durante el mes x = miimero de pares de botas Moc-toe Demi que deben fabricarse durante et mes 4, = mimero de pares pantuflas Moe-style que deben fabricarse durante ef mes Dado que el objetivo es maximizar las utilidades, la funcién objetivo debe tener unidacles de medicién expresadas en délares. Debido a que la forma general del funcién objetivo es Zeon tem ton46 Caplivlo2 * Introcuccién a las modelos de programacién lineal se tiene 5 = (S por par de zapatos Wing-tips) > (pares de zapatos Wing-ips) + (S por par de botas Moc-toe Demi) x (pares de botas Moc-toe Demi) 4+ (8 por par de pantuflas Moe-style) x (pares de pantuflas Moc-stye) y todos los términos estén en délares Los célculos para determinar ¢,, cy ¥ ¢y son: un par (unidad) de Wing-tips requiere 3.5 horas de produecién y cuesta $10 por hora de tiempo de produccién; por tanto, cl costo de produccidn para los Wing-tips cs (@.5 horas por par) % (S10 por hora) = $35 por par Cada par de Wing:tips requiere 3.25 unidades de piel y cada unidad de piel cuesta $4; [pOF tanto, el costo de los materiales para los Wing-tips es G.25 unidades de piel por unidad) % ($4 por unidad de piel) ~ $13 por unidad Si se suman los costos de materiales y los costos de produccidn, entoneces el costo total por unidad de Wing-tips es 35 por par + $13 por par = $48 por par Dado que el precio de venta de un par de Wing-tips es $60, la contribucién alas utiidades. de esta clase de zapatos es = $60 ~ $48 = $12 por par Usticando los mismos procdimiontos pueden eaeulrs los valores para 6 6, 1 costo otal para un par de botas Moctoe Demi es $43, y el costo Lota para in par de Pantulas Mowe $28- Dado qu los respects precios de vena deestos apatot son 364 9880, ls valores cy 3 son, entonces, : = $21 por par de botas Moctoe Demi = 822 por par de pantuflas Moc-style Entonces, la funcién objetivo para el problema se expresa como: naxwuzan, — Z = 12a + 2x + 22a ‘Antes de poder plantear las restrieciones para el problema necesitamos identificar sus coeficientes y determinar sus relaciones con el problema, los recursos y/o los requeri- ‘mientos, Para auxiliarnos en el proceso, es necesario seguir dos reglas: 1. Las unidades de medicion del segundo término de una restricion (es desir, el valor ‘que aparece ene lado derecho de signo de igualdad o desigualdad) debe ser siempre igual les unidades de medieién que seutilizaron enel primer téemino (ado izquierdo) de la restriecién.