de todos los

Optimizar obligacion
cientficos
Autores

lineal con el Metodo

Programacion
grafico
2.1.

C ONCEPTOS

B ASICOS

En esta seccion deben revisarse los conceptos de un problema de programacion lineal:

Funcion lineal y problema de optimizacion lineal con restricciones lineales.
Funcion objetivo, maximizar o minimizar.
Restricciones de no negatividad.
Matriz de utilidades (caso de maximizar) y matriz de costos (en caso de minimizar).
Matriz de coeficientes tecnol
ogicos.
Matriz de recursos.
Representaci
on matricial de un problema de optimizacion lineal.
Region factible y soluci
on optima de un problema lineal.

2.2.

A N ALISIS

DE SENSIBILIDAD

Despues de resolver un problema de optimizacion es recomendable elaborar un analisis que muestre c

omo
pueden cambiar los valores de la funci
on objetivo, cuando se hacen variaciones en alguno o algunos de los
parametros que intervienen en el problema, a esto se le suele llamar un analisis de sensibilidad y puede
llevarse a cabo para:
los coeficientes de la funci
on objetivo,
los terminos independientes y
los coeficientes de tecnologa.
Aunque en estos u
ltimos en la pr
actica no se efect
ua el analisis de sensibilidad, esto se debe a que
generalmente ellos representan los factores que influyen directamente en los procesos de producci
on de
una empresa, por consiguiente su alteracion no es recomendable y en muchos casos ni siquiera es factible.
2.2.1.

A N ALISIS
DE SENSIBILIDAD EN LOS PAR AMETROS
DE LAS UTILIDADES

El analisis de sensibilidad en los par

ametros de la funcion objetivo consiste en determinar en que rango
de valores es posible variar los coeficientes, sin que se alteren los valores de las variables en los que la
funcion objetivo obtiene su valor
optimo.
NOTA 2.1. El an
alisis de sensibilidad es posible llevarlo a cabo en mas de un coeficiente al mismo
tiempo, pero se recomienda hacerlo uno por uno, ya que al cambiar un coeficiente los intervalos de
valores para el nuevo problema pueden variar.

17

2.3. MODELADO DE PROBLEMAS LINEALES

2.2.2.

VARIABLES DE HOLGURA Y EXCESO

En las restricciones que tienen el signo de relacion resulta que se pueden tener mas recursos que los
demandados y son cuantificados por las variables llamadas de holgura. Mientras que los recursos con
tienen mas demanda que los recursos y es cuantificada por las variables de exceso. Por ejemplo:
1).- Si la restricci
on es 4x + 2y 10 y la demanda 4x + 2y = 8, entonces tenemos una holgura de 2.
2).- Si la restricci
on es 4x + 2y 10 y la demanda 4x + 2y = 10, entonces tenemos una holgura de 0.
3).- Si la restricci
on es 4x + 2y 10 y la demanda 4x + 2y = 14, entonces tenemos un exceso de 4.
4).- Si la restricci
on es 4x + 2y 10 y la demanda 4x + 2y = 10, entonces tenemos un exceso de 0.
2.2.3.

A N ALISIS
DE SENSIBILIDAD EN LOS RECURSOS

El analisis de sensibilidad en un recurso consiste en determinar un intervalo de valores en el que es posible

variar el recurso original de tal forma que la funcion objetivo aumentara o disminuira por cada unidad
que se agregue al recurso en un valor igual al Precio sombra (Shadow Price). El aumento o disminuci
on
esta dado por el tipo de funci
on objetivo (maximo o mnimo) y de la restriccion ( o , para = se
considera seg
un el problema maximizar o minimizar), junto con la regla que se menciona a continuaci
on.
Los precios sombra siempre se interpretan con las variables de holgura () o exceso (), en el rango de
valores dentro del an
alisis de sensibilidad para las restricciones en donde aparecen dichas variables.
1).- Cuando el problema trata de maximizar y la restriccion es (variables de holgura) o el problema
es de minimizar y la restricci
on es (variables de exceso), el precio sombra es positivo. Entonces
a).- El precio sombra es el valor que aumentara la funcion objetivo por cada unidad que se agregue
en la restricci
on correspondiente a la variable de holgura.
b).- El precio sombra es el valor que disminuira la funcion objetivo por cada unidad que se le reste
en la restricci
on correspondiente a la variable de holgura.
2).- Cuando el problema trata de maximizar y la restriccion es (variables de exceso) o el problema es
de minimizar y la restricci
on es (variables de holgura), el precio sombra es negativo. Entonces
a).- El precio sombra es el valor que disminuira la funcion objetivo por cada unidad que se le
agregue en la restricci
on correspondiente a la variable de exceso.
b).- El precio sombra es el valor que aumentara la funcion objetivo por cada unidad que se reste
en la restricci
on correspondiente a la variable de exceso.
NOTA 2.2. El an
alisis de sensibilidad es posible llevarlo a cabo en mas de un recurso al mismo
tiempo, pero se recomienda hacerlo uno por uno, ya que al cambiar mas de un recurso al mismo
tiempo, puede ocurrir que los intervalos de valores para el nuevo problema cambien, y los valores
de las variables de decisi
on en los que se obtiene el optimo pueden variar.

2.3.

M ODELADO

DE PROBLEMAS LINEALES

En general en un problema lineal el modelo matematico que representa al problema esta constituido por
relaciones matem
aticas que pueden contener ecuaciones y/o desigualdades del tipo o . Las variables que
intervienen en el modelo representan simb
olicamente la esencia del problema que se pretende solucionar.
De esta forma los modelos matem
aticos tienen muchas ventajas sobre una simple descripcion verbal del
problema; una ventaja es que el modelo matematico describe un problema en forma mucho mas concisa
18

2.3. MODELADO DE PROBLEMAS LINEALES

eliminando ambig
uedades. Esto tiende a hacer que toda la estructura del problema sea mas comprensible
y ayude a revelar las relaciones importantes entre causa y efecto del problema. De esta manera, el modelo
nos indica con m
as claridad que datos adicionales son importantes incluir en el analisis. Simultaneamente
facilita el manejo del problema en su totalidad y el estudio de todas sus interpretaciones. Por u
ltimo,
un modelo matem
atico forma un puente para poder emplear tecnicas matematicas y computadoras, para
analizar y resolver f
acilmente el problema.
Por otro lado, para poder modelar los problemas presentados en los textos no existe regla general
que se pueda utilizar para este efecto, pero se pueden seguir las siguientes recomendaciones, como una
metodologa de modelaci
on.
1).- Leer el problema hasta que sea posible explicarlo sin necesidad de leerlo.
2).- Identificar la funci
on objetivo, esta siempre esta en la pregunta.
3).- Definir las variables de decisi
on, generalmente estas se obtienen de la funcion objetivo, identificando
en el enunciado todo lo que influye para poder calcular el valor optimo.
4).- Establecer las restricciones del problema, estas se encuentran en cada una de las acotaciones de
los recursos. En esta parte es bien importante verificar que en cada restriccion todos los terminos
involucrados en la expresi
on representen las mismas unidades de medicion.
5).- Despues de establecer el modelo volver a revisar que no queden recursos o variables del enunciado
del problema sin considerar en el modelo.
6).- Finalmente analizar la soluci
on y verificar que tenga sentido logico en el problema.
7).- Cuando se determina que el modelo y la solucion no son validos, es necesario iniciar nuevamente el
proceso revisando cada uno de los pasos anteriores.
EJEMPLO 2.1

Una compa
na produce un ensamblado que consta de un bastidor, una barra y un cojinete. La compa
na
fabrica las barras y los bastidores, pero tiene que comprar los cojinetes a otro fabricante. Cada barra debe
procesarse en una m
aquina de forja, un torno y un esmeril. Estas operaciones requieren de 0.5 horas, 0.2
horas y 0.3 horas por barra, respectivamente. Cada bastidor requiere de 0.8 horas de trabajo de forja, 0.1
horas en el taladro, 0.3 horas en la fresadora y 0.5 horas en el esmeril. La compa
na tiene 5 tornos, 10
esmeriles, 20 m
aquinas de forja, 3 taladros y 6 fresadoras. Suponga que cada maquina opera un m
aximo
de 2,400 horas al a
no. Formule como un programa lineal el problema para encontrar el n
umero m
aximo
de componentes ensamblados que es posible producir.
1).- Considerando que se tiene la misma cantidad de barras que de bastidores.
2).- Sin la consideraci
on anterior. Analice y explique ambas respuestas.
Soluci
on En este tipo de problemas se puede facilitar su modelacion, cuando es posible formar una tabla,
en cuyas filas se tiene a las restricciones y columnas a las variables. En este problema la tabla puede
quedar de la siguiente forma:

Forja
Torno
Esmeril
Taladro
Fresadora

Barras
0.5
0.2
0.3

Bastidores
0.8
0.5
0.1
0.3

Subtotales horas
20 2400
5 2400
10 2400
3 2400
6 2400

48,000
12,000
24,000
7,200
14,400
19

2.3. MODELADO DE PROBLEMAS LINEALES

Luego, de la tabla anterior el modelo del problema se puede plantear facilmente.

! VARIABLES DE DECISI
ON: X-CANTIDAD DE BARRAS QUE SE FABRICAN ANUALMENTE,
! Y-CANTIDAD DE BASTIDORES QUE SE FABRICAN ANUALMENTE;
! FUNCI
ON OBJETIVO MAXIMIZAR EL N
UMERO DE COMPONENTES ENSAMBLADOS;
MAX=X+Y;
!RESTRICCIONES;
!TIEMPOS;
0.5*X+0.8*Y<=48000;
0.2*X<=12000;
0.3*X+0.5*Y<=24000;
0.1*Y<=7200;
0.3*Y<=14400;
!SE AGREGA LA SIGUIENTE RESTRICCI
ON PORQUE EN CASO CONTRARIO PUEDEN SOBRAR BASTIDORES O BARRAS;
X=Y;
SOLUCI
ON
Global optimal solution found at step:
1
Objective value:
60000.00
Variable
Value
X
30000.00
Y
30000.00

Reduced Cost
0.0000000
0.0000000

Se puede tener 30,000 componentes.

Si no se agrega la restricci
on final X = Y ; el resultado sera:
Global optimal solution found at step:
3
Objective value:
72000.00
Variable
Value
X
60000.00
Y
12000.00

Reduced Cost
0.0000000
0.0000000

Se puede tener s
olo 12,000 bastidores y 60,000 barras anualmente.
EJEMPLO 2.2

Una compa
na fabricante de aparatos de television tiene que decidir entre el n
umero de televisores con
pantalla LED o HD que debe producir. Una investigacion de mercado indica que por mes es posible vender
cuando mucho 1000 unidades LED y 4000 HD. El n
umero maximo de horas-hombre disponibles es de
50,000 por mes. Un televisor LED requiere de 20 horas-hombre, y uno HD requiere de 15 horas-hombre.
Las ganancias por unidad de los televisores LED y HD son de $60u.m. y $30 u.m., respectivamente. Se
desea encontrar el n
umero de unidades de cada tipo de televisor que la compa
na debe producir para
maximizar sus ganancias. Formule y resuelva el problema.
Soluci
on
! VARIABLES DE DECISI
ON: X, Y-CANTIDAD DE TV LED y HD, RESPECTIVAMENTE,
! PRODUCIDOS MENSUALMENTE;
! FUNCI
ON OBJETIVO MAXIMIZAR LAS GANANCIAS;
MAX=60*X+30*Y;
!RESTRICCIONES;
!VENTAS MENSUALES;
X<=1000;
Y<=4000;

20

2.3. MODELADO DE PROBLEMAS LINEALES

!DISPONIBILIDAD DE TIEMPO;
20*X+15*Y<=50000;
N
SOLUCIO
Global optimal solution found at step:
3
Objective value:
120000.0
Variable
Value
X
1000.000
Y
2000.000

Reduced Cost
0.0000000
0.0000000

El fabricante debe producir al mes 1,000 TV con pantalla LED y 2,000 TV HD para maximizar sus
ganancias en 120, 000u.m.
Ejercicios 2.2A p
agina 20 del libro de TAHA 9na. edicion.
4.- En dos productos se requieren tres procesos consecutivos. El tiempo disponible para cada proceso es
de 10 horas diarias. La tabla siguiente resume los datos del problema.

Producto
1
2

Minutos por unidad

Proceso 1 Proceso 2 Proceso 3
10
6
8
5
18
10

Utilidad unitaria en u.m.

$2
$3

a Determine la combinaci
on
optima de fabricacion de los dos productos.
Soluci
on. Las variables de decision son: x-cantidad de productos 1 diarios y y-cantidad de
productos 2 diarios. Para la restriccion del tiempo tenemos que transformar todo a minutos u
horas. Eligiendo minutos, el tiempo total es de 10 60 = 600 minutos por cada proceso. Entonces
el modelo queda de la siguiente forma:

10x + 5y 600

6x + 18y 600
m
ax z = 2x + 3y. Sujeto a :
8x + 10y 600

x, y 0
Respuesta: x = 52 productos 1 y y = 16 productos 2 diarios proporcionan una utilidad m
axima
de z = 152u.m. al da.
Resultados con an
alisis de sensibilidad

Figura 2.1: Respuesta y analisis

de sensibilidad del ejercicio 4

21

2.3. MODELADO DE PROBLEMAS LINEALES

b Determine un procedimiento para priorizar los tres procesos, para una posible ampliacion.
Respuesta: En la figura 2.1 en la fila de C3, el rango del analisis de sensibilidad est
a entre
[576, ). Entonces la utilidad m
axima se sigue obteniendo si disminuimos el tiempo a 576 minutos
en el proceso 3.
c Que pasa si hay aumentos en los procesos y la utilidad para el producto 2 baja a 2u.m.?.
Respuesta: En la figura 2.1 en la fila de X2, el rango del analisis de sensibilidad esta entre [1, 6].
Entonces la utilidad m
axima se sigue obteniendo para una produccion de 52 y 16 productos tipo
1 y 2, respectivamente y la utilidad cae a 2(52) + 2(16) = 136u.m.
d Que pasa si el tiempo del proceso 1 disminuye 100 minutos?.
Respuesta: El recurso de 500 est
a dentro del rango del analisis de sensibilidad y el precio sombra
es de 0.12u.m., entonces la utilidad maxima disminuye a 152 0.12(100) = 140u.m.
5.- Una empresa fabrica dos productos, A y B. El volumen de ventas de A es, cuando menos, 80 % de
las ventas totales de A y B. Sin embargo, la empresa no puede vender mas de 100 unidades de
A por da. Los productos usan una materia prima, cuya disponibilidad diaria maxima es 240 lb.
Los consumos de la materia prima son 2 lb por unidad de A y 4 lb por unidad de B. Los precios
unitarios de A y B son $20u.m. y $50u.m., respectivamente.
a Determine la combinaci
on
optima de productos para esta compa
na.
Soluci
on. Las variables de decisi
on son: x-cantidad de productos A y y-cantidad de productos
x
B fabricados al da. Para la restriccion del porcentaje, tenemos x+y
0.80 0.2x 0.8y 0.
Entonces el modelo queda de la siguiente forma:

0.2x 0.8y 0

x
100
m
ax z = 20x + 50y. Sujeto a :
2x
+
4y
240

x, y 0
Respuesta: x = 80 productos A y y = 20 productos B dan una ganancia maxima diaria de
z = 2, 600u.m. Resultados con an
alisis de sensibilidad

Figura 2.2: Respuesta y analisis

de sensibilidad del ejercicio 5
b Calcule el valor por cambio unitario en la disponibilidad de la materia prima, y su intervalo de
aplicabilidad.
Respuesta: En la figura 2.2 en la restriccion C3 el precio sombra indica un aumento de 10.8333
22

2.3. MODELADO DE PROBLEMAS LINEALES

por cada unidad que se agregue a la restriccion. El aumento se conserva cuando el recurso cambia
entre [0, 300].
c Determine el intervalo de utilidad que corresponde al intervalo de factibilidad de la materia prima.
Respuesta: En el primer inciso se obtuvo que el intervalo de factibilidad de la materia prima
[0, 300]. Entonces la utilidad para 0 es cuando el recurso lo disminuimos 240, entonces la utilidad
correspondiente es 2600 10.8333 240 = 0. Para 300 la utilidad es 2600 + 10.8333 60 = 3250.
Es decir, el intervalo de utilidad cambia entre [0, 3250].
d Use el valor unitario por unidad para determinar el efecto de cambiar la demanda m
axima del
producto A en 10 unidades.
Respuesta: En la figura 2.2 en la restriccion C2 el precio sombra indica que no hay aumento,
0, cuando el recurso cambia entre [80, ). El recurso era 100 10 unidades, entonces varia entre
90 y 110 unidades que est
an en el rango del analisis de sensibilidad.
12.- Salvaje Oeste produce dos clases de sombrero vaquero. Un sombrero de la clase 1 requiere el doble de
mano de obra que uno de la clase 2. Si toda la mano de obra se dedicara solo a la clase 2, la empresa
podra producir diariamente 600 de esos sombreros. Los lmites mnimos de mercado (demanda)
respectivamente son 150 y 200 sombreros diarios para esas clases. La utilidad es $8u.m. por cada
sombrero de la clase 1, y $5u.m. por cada uno de la clase 2.
a Aplique la soluci
on gr
afica para determinar la cantidad de sombreros diarios de cada clase con la
que se maximiza la utilidad.
Soluci
on. Las variables de decision son: x-cantidad de sombreros clase 1 y y-cantidad de sombreros clase 2, producidos diariamente. Para la restriccion de tiempo tenemos que si ki representa
el tiempo en fabricar un sombrero clase i, entonces el tiempo total disponible de trabajo al da es
de 600k2 horas (toda la mano de obra puede producir hasta 600 sombreros clase 2). De lo anterior
el tiempo de mano de obra est
a dado por k1 x + k2 y 600k2 . Por otro lado, k1 = 2k2 (la clase
1 requiere el doble de tiempo de la clase 2). Por lo tanto, 2k2 x + k2 y 600k2 2x + y 600.
Finalmente el modelo queda de la siguiente forma:

2x + y 600

y 600

x
150
m
ax z = 8x + 5y. Sujeto a :

y
200

x, y 0
Respuesta: x = 150 sombreros clase 1 y y = 300 sombreros clase 2 proporcionan una utilidad
maxima diaria de z = 2, 700u.m.
Resultados con an
alisis de sensibilidad
b Determine el valor de aumentar la capacidad de produccion en la empresa en un sombrero de la
clase 2, y el intervalo dentro del cual se aplica este resultado.
Respuesta: En la figura 2.3 en la restriccion C2 el precio sombra indica un aumento cero entre
[300, ).
c Si el lmite de demanda diaria de sombreros de clase 1 disminuye a 120, aplique el valor por
unidad del recurso para determinar el efecto correspondiente sobre la utilidad optima.
Respuesta: En la figura 2.3 en la restriccion C3 el precio sombra indica una disminuci
on de 2
(negativo) por cada unidad que se agregue a la restriccion o un aumento de 2 por cada unidad
que se disminuya l demanda, entonces 2, 700 + 2(30) = 2, 760. Esta aumento de (2) se conserva
entre [0, 150], entre [150, 200] disminuye en 2.
23

2.3. MODELADO DE PROBLEMAS LINEALES

Figura 2.3: Respuesta y analisis

de sensibilidad del ejercicio 12)
d Cual es el valor por aumento unitario en la parte de mercado del sombrero clase 2?. En cu
anto
se puede aumentar la participaci
on en el mercado conservando el valor calculado por unidad?
Respuesta: En la figura 2.3 en la restriccion C4 el precio sombra indica un aumento cero entre
(, 300].
18.- Una lnea de ensamble est
a formada por tres estaciones consecutivas, y produce dos modelos de radio:
Alta Fidelidad 1 y Alta Fidelidad 2. En la siguiente tabla se ven los tiempos de ensamble en las
tres estaciones de trabajo. El mantenimiento diario de las estaciones 1, 2 y 3 incluyendo el tiempo

Estaci
on de trabajo
1
2
3

Minutos por unidad

AF-1
AF-2
6
4
5
5
4
6

de adaptaci
on de la lnea para pasar de un modelo a otro consume 10, 14 y 12 %, respectivamente,
de los 500 minutos m
aximos disponibles en cada estacion por da.
a La empresa desea determinar la combinacion optima de productos con la que se minimicen los
tiempos de paro (o tiempos no usados) en las tres estaciones de trabajo.
Soluci
on. Las variables de decisi
on son: x-cantidad de radios AF-1 y y-cantidad de radios AF-2
producidos al da. El problema de minimizar los tiempos de paro es equivalente a maximizar la
producci
on diaria x + y. Para los lmites del tiempo disponible, tenemos en la estacion 1 que son
500 0.90 = 450 minutos diarios; en la estacion 2 son 500 0.86 = 430 minutos diarios y para la
estacion 3 se tiene 500 0.88 = 440 minutos diarios. El modelo queda de la siguiente forma:

6x + 4y 450

5x + 5y 430
m
ax z = x + y. Sujeto a :
4x + 6y 440

x, y 0
Respuesta: La producci
on m
axima diaria es de z = 86 radios y tiene solucion multiple que se
obtiene con cualquier nivel de produccion diaria que una al segmento (53, 33) con (38, 48) de
(radios AF-1, radios AF-2). Por ejemplo, x = 53 radios AF-1 y y = 33 radios AF-2 o x = 38
24

2.3. MODELADO DE PROBLEMAS LINEALES

radios AF-1 y y = 48 radios AF-2 o cualquier combinacion en el segmento mencionado minimizan

los tiempos muertos de la produccion.
Resultados con an
alisis de sensibilidad

Figura 2.4: Respuesta y analisis

de sensibilidad del ejercicio 18a
b Determine la producci
on diaria si el tiempo diario de mantenimiento se baja en dos puntos
porcentuales, para cada estaci
on de trabajo.
Respuesta: Se resuelve como en el inciso anterior. Para los lmites del tiempo disponible, tenemos
en la estaci
on 1 que son 500 0.92 = 460 minutos diarios; en la estacion 2 son 500 0.88 = 440
minutos diarios y para la estaci
on 3 se tiene 500 0.90 = 450 minutos diarios. El modelo queda
de la siguiente forma:

6x + 4y 460

5x + 5y 440
m
ax z = x + y. Sujeto a :
4x + 6y 450

x, y 0
Respuesta: Se deben producir x = 54 radios AF-1 y y = 34 radios AF-2 diariamente para
minimizar los tiempos muertos de la produccion. La produccion maxima diaria debe ser de z = 88
radios.
Resultados con an
alisis de sensibilidad

Figura 2.5: Respuesta y analisis

de sensibilidad del ejercicio 18b

25