MODELO DE PLANEACION DE
RECURSOS
UNIDAD 1
ESTRATEGIA
TEMA 4
MODELOS DE OPTIMIZACION APLICANDO PL SOLVER
Eco. Rodolfo Robles, Msc.
OBJETIVO
COMPRENDER EL MODELO DE OPTIMIZACION APLIC
ANDO PL SOLVER
2
ACTIVIDAD DE INICIO
QUE SON LOS MODELOS DE OPTIMIZACION
3
TEMA 1. Modelo de optimización aplicando PL
SOLVER
• Subtema 1. Etapas para construcción de modelos.
• Subtema 2. Modelo orientado a minimizar costos y maximizar utilidades
Subtema 1- Etapas para
construccion de modelos
Uso de Solver para resolución de problemas de PL
¿Qué es Solver?
Solver es un complemento de Excel que se utiliza
para resolver problemas de optimización con
restricciones.
Es muy útil en la resolución de problemas de P.L. y
ofrece ventajas como cálculo de soluciones óptimas
de forma rápido, análisis de sensibilidad de
restricciones y de coeficientes de la función objetivo.
Instalación de Solver
Para instalar el complemento Solver seguiremos
los siguientes pasos:
1. Abrir Microsoft Excel
2. Ir al menú Archivo – opciones –
complementos (File – options - Add-ins)
3. En la parte inferior de este cuadro de dialogo
activar en administrar (Manage) la opción
“complementos de Exel (Excel Add-ins)” y
click en siguiente (go)
4. Activar la opción Solver en la lista de chequeo
5. Click en “aceptar” (Ok)
Uso de Solver
Una vez se active el complemento
procederemos a digitar los datos del
problema por medio de una tabla en
una hoja de cálculo, por ejemplo
para el ejercicio
𝑀𝑎𝑥 𝑍 = 10000𝑥1 + 8000𝑥2
𝑠. 𝑎: 2𝑥1 + 𝑥2 ≤ 30
2𝑥1 + 𝑥2 ≤ 26
𝑥1 + 𝑥2 ≤ 22
𝑥𝑖 ≥ 0
Inserción de
fórmulas
Procedemos a hora a insertar las fórmulas
para la función objetivo y los totales usando
los operadores básicos:
-Para la función objetivo usaremos la casilla
que llamamos Z al definir las variables
-Para las restricciones usaremos la columna
de Lado derecho de la tabla (se sugiere fijar
las celdas e las variables (click en la casilla de
variables, luego tecla F4), y luego de digitar la
primera fórmula en las restricciones
simplemente arrastrar el cursor para rellenar
las demás celdas (o copiar y pegar)
Uso del complemento
Nos ubicaremos en la casilla
donde insertamos la fórmula de
la función objetivo y vamos al
menú datos (data), si el
complemento Solver fue
previamente activado aparecerá
un botón que dice Solver en este
menú, damos click
Trabajo sobre
Solver
Una vez estamos en el cuadro de dialogo de
Solver, empezaremos a indicar donde está la
función objetivo (por defecto se trabaja en la
celda en la que se dio click antes de abrir el
cuadro, pero puede cambiarse)
Luego indicaremos en donde están las
variables
Insertaremos ahora las restricciones dando
click a “agregar” (add) en el cuadro de
díalogo
Subtema 2. Modelos orientados a minimizer costos y maximizar utilidades
INSERCION DE RESTRICCIONES
En el cuadro de dialogo daremos click en la
celda que contiene la fórmula referente a la
restricción
Escogemos el signo de igualdad o
desigualdad
En la celda de restricción daremos click en el
valor del lado derecho del problema.
Daremos click en Add para agregar la
siguiente restricción.
Para las restricciones de No negatividad se da
click en la celda de cada variable como celda
de referencia y en restricción ponemos 0
Una vez tengamos la última restricción
daremos click en Ok
Procesamiento de datos y
activación de informes
Una vez estén todas las restricciones
activaremos la opción “Simplex LP” en la
selección de método de solución y daremos
click en la tecla “Resolver (Solve)”
Y en el cuadro de diálogo generado
activaremos los reportes disponibles
(Solución, sensibilidad, límites) y click en Ok.
Si debemos hacer algún ajuste antes
activarmeos la opción “volver al cuadro de
dialogo de parámetros de Solver”
Al hacer este proceso se generaran tres hojas
de cálculo donde se reportarán los reportes
Página de Respuestas
Este reporte contiene la información
referente a los valores óptimos de la
función objetivo, las variables de decisión
y las variables de holgura (Slack variables)
Análisis de Sensibilidad
En este reporte encontraremos los valores
sobre los cuales operará la solución
óptima del problema y los límites de las
restricciones que mantienen
proporcionalidad de la solución, de tal
manera que si fuera necesario se pudiesen
hacer modificaciones al problema luego de
ser optimizado, cada uno de estos
reportes los analizaremos a continuación
Sensibilidad de variables de decisión
Costo Reducido: Hace referencia al valor en que debería cambiar el
coeficiente de la función objetivo para que genere un cambio positivo en el
óptimo (aumentar la función objetivo en maximización o disminuirla en
minimización) -este es un valor nulo o ínfimo en casos de valores óptimos
para las variables de decisión no nulos, por lo cual podría pensarse en este
como el valor que disminuye a la función objetivo cuando una variable de
decisión óptima que es nula es forzada a entra con valor de una unidad
Incrementos y decrementos permitidos: Hace referencia a los mínimos y
máximos valores que podría tener el coeficiente de la función objetivo en
cada variable de tal modo que si cambiara uno solo de estos coeficientes la
solución óptima para las variables de decisión se empezaría a cambiar, para
el ejemplo quiere decir que si el coeficiente de x1 se aumentara por encima
de 6000 unidades o bajara por encima de 2000 unidades los valores
óptimos de las variables de decisión cambiarían (o bien si el coeficiente de
x2 se aumentara por encima de 2000 unidades o bajara por encima de 3000
unidades los valores óptimos de las variables de decisión cambiarían).
En otras palabras si el valor del coeficiente de x1 cambiara entre 8001 y
15999 unidades (10000 – 1999 y 10000+5999 unidades) los valores óptimos
de x1 y x2 serían 4 y 18 unidades respectivamente, o bien si el valor del
coeficiente de x2 cambiara entre 5001y 9999 unidades (8000 – 2999 y
8000+1999 unidades) los valores óptimos de x1 y x2 serían 4 y 18 unidades
respectivamente
Sensibilidad en lados derechos de las restricciones
Precio sombra: Hace referencia al valor de cambio del óptimo para la función objetivo si
cambiara en una unidad uno solo de los lados derechos de las restricciones
Incrementos y decrementos permitidos: Hace referencia a los valores máximos y
mínimos que podrían cambiarse en uno solo de los lados derechos de las restricciones
que mantendrían un cambio proporcional en la función objetivo (precio sombra)
Para el ejemplo significa que si el total del insumo 1 disminuyera en máximo 4 unidades
o aumentara en cualquier valor la función objetivo cambiaría 0 pesos por cada unidad de
cambio.
Si el insumo 2 disminuyera en máximo 4 unidades o aumentara en máximo 4 unidades la
función objetivo cambiaría en 2000 unidades por cada unidad de cambio, por ejemplo
supongamos que el valor máximo disponible del insumo 2 cambiara a 28 unidades (dos
unidades de incremento), el valor de la función objetivo sería:
𝑍 = 184000 + 2 ∗ 2000 = 188000 𝑢. 𝑚
O bien si el máximo disponible del insumo 2 fueran 23 unidades (tres unidades de
decremento)
𝑍 = 184000 + −3 ∗ 2000 = 178000 𝑢. 𝑚
Para el insumo tres el cambio máximo estaría entre 4 unidades de aumento y 9 de
decremento con una variación de 6000 unidades por cada unidad de cambio en el lado
derecho del insumo 3
Cabe aclarar que esto implicaría un cambio en los valores de las variables de decisión
óptimas
Reporte de límites
En este reporte se muestra de nuevo la solución
óptima y los valores que tomaría la función objetivo
si el valor de una de las variables de decisión
cambiara a un limite máximo inferior o superior.
Para el ejemplo, la primera variable de decisión
podría llegar a un valor mínimo de 0 y máximo de 4
con valores para la función objetivo de 144000 u.m y
184000 u.m respectivamente
Y la segunda variable de decisión podría llegar a un
valor mínimo de 0 y máximo de 18 con valores para
la función objetivo de 40000 u.m y 184000 u.m
respectivamente
Ejemplo 2:
Supongamos el siguiente problema:
El problema puede modelarse como:
Al resolver el problema con Solver obtenemos:
Esto es:
Deben producirse 20 cervezas rubias, 5 cervezas
negras y no producir cervezas de baja graduación
para obtener un benefício óptimo de 160 u.m
En cuanto a los insumos tenemos un uso total de
levadura y de malta.
Análisis de sensibilidad: Variables
Tenemos el siguiente reporte: de decisión
Por lo que sabemos que de querer mantener el óptimo (20,5,0) se deben manejar los
beneficios unitarios de cada tipo de cerveza de la siguiente forma:
Cerveza rubia: Entre 2,01 y 7.99 u.m
Cerveza negra: Entre 3,51 y 13.99 u.m
Cerveza de baja graduación: Entre 0 y 7,32 u.m
También sabemos que si se debiera producir obligatoriamente la cerveza de baja graduación
el beneficio óptimo disminuiría 4,33 u.m por cada unidad producida; o bien, si quisiera
producirse cerveza de baja graduación sin afectar las utilidades óptimas del proceso, debería
aumentarse el precio de venta de esta cerveza en 4,33 u.m. de tal modo que aportara
positivamente a los beneficios generales.
A partir del reporte:
Podemos concluir que la cantidad de insumos que mantiene los precios
sombra de 0,33 u.m y 3,33 u.m serían respectivamente:
Cantidad de Malta: Entre 22,5 y 90 unidades
Cantidad de Levadura: Entre 15 y 60 unidades
Esto si solo cambiara uno de los valores de disponibilidad de material.
Por ejemplo si la cantidad de malta disponible cambiara a 24 unidades la
utilidad óptima sería de: Z= 160 +(-0,3333)*(6)=158 u.m
Algunos ejemplos del uso del
análisis de sensibilidad
Ejemplo 1. Para el ejemplo anterior supongamos que se aumenta el precio de venta de la
cerveza negra a 6 u.m ¿Cuál sería la utilidad óptima y cuál la producción óptima?
Respuesta: Vemos en el reporte de sensibilidad de variables de decisión que se mantendría
la producción óptima de 20 cervezas rubias y 5 negras si el beneficio unitario de la cerveza
negra está entre 3,51 y 13,99 u.m por lo cual al aumentar el precio de venta de esta la
producción óptima no cambia y la utilidad óptima sería: Z= 20*7+5*6=170 u.m
Ejemplo 2. Para el ejemplo anterior supongamos que se aumenta la cantidad de levadura
disponible a 50 unidades ¿Cuál sería la utilidad óptima? Respuesta: Como el precio sombra
de la levadura es de 3,33 u.m y el aumento es de 5 unidades (dentro del rango permisible)
la utilidad óptima sería: Z=160 + 5*3,33=176,66 u.m; sin embargo sería conveniente
calcular la nueva producción óptima para ver si es posible (debido a que las variables son
discretas), al resolverlo encontramos que la producción óptima debe ser de 23 cervezas
rubias y 3,3 negras (lo cual no es práctico) por lo que en la realidad serían 23 cervezas
rubias y 3 negras y la utilidad real sería de 175 u.m
Ejemplo 3. Si se debieran producir 2 cervezas de baja graduación
obligatoriamente ¿Qué cambio en el precio de venta de venta
debería realizarse para mantener el óptimo?
Respuesta: El coste reducido de la cerveza de baja graduación es de
-4,33 u.m por lo tanto el precio de venta de estas cervezas debería
aumentarse en 4,33 u.m, al resolver de nuevo el ejercicio realizando
el cambio y agregando la restricción x3=2 obtenemos un valor de
utilidad óptima de 160 u.m (se mantiene) con una producción de 19
cervezas rubias, 3,7 negras y 2 de baja graduación, ajustándolo a la
realidad se tiene una producción óptima de 19 cervezas rubias, 3
negras y 3 de baja graduación con una utilidad óptima de 157 u.m
que es lo más cercano a la utilidad óptima produciendo cervezas de
baja graduación alcohólica.
CIERRE
Un modelo de optimización es la representación matemática de un problema real en
el cual uno conoce el impacto de cada una de las variables y uno busca encontrar el
mínimo valor (o máximo) posible de una función objetivo: costo, ventas, nivel de
servicio, entre otros .
La herramienta Solver permite optimizar el valor de una celda que se llamará celda objetivo y
que depende linealmente de las celdas de un rango determinado que puede estar sometido a
restricciones.
BIBLIOGRAFIA
CHASE, RICHARD B.; JACOBS, F. ROBERT Y AQUILANO,
NICHOLAS J.. (2009). ADMINISTRACIÓN DE OPERACIONES
PRODUCCIÓN Y CADENA DE SUMINISTROS. MÉXICO: MC GRAW
HILL,
CHOPRA, SUNIL. (2008). ADMINISTRACIÓN DE LA CADENA DE
SUMINISTRO. ESTRATEGIA, PLANEACIÓN Y OPERACIÓN.
MÉXICO: PEARSON EDUCACION,
