FACULTAD DE INGENIERA

ESCUELA ACADMICO PROFESIONAL DE INGENIERA INDUSTRIAL

PROYECTO DE TESIS

Propuesta de Programacin Lineal y Optimizacin de la harina de

pescado en la Corporacin Pesquera Hillary S.A.C. Chimbote, 2014

Autor:

POLO IDROGO, JEAN MARCO

Asesor:

ING. GUTIRREZ ASCN, JAIME EDUARDO

Lnea de Investigacin:

GESTIN EMPRESARIAL Y PRODUCTIVA

NUEVO CHIMBOTE - PER

2014
 DEDICATORIA

A mis padres que han sabido formarme con buenos sentimientos, hbitos y
valores, lo cual me ha ayudado a salir adelante en los momentos ms difciles.

A mi hermana, que siempre ha estado junto a m brindndome su apoyo en los

buenos y malos momentos.

Al Ingeniero Sixto Zelada, por su tiempo y apoyo, as como por la sabidura que
me transmiti para mi desarrollo en mi carrera profesional.

A todos mis amigos y amistades, por todo el tiempo que estuvimos juntos, en
nuestras clases y fueras de ellas, realizando trabajos y compartiendo buenos
momentos.

1
 AGRADECIMIENTO

Agradezco a mis padres que con sus demostraciones ejemplares me han

enseado a no desfallecer ni rendirme ante nada y siempre perseverar a
travs de sus sabios consejos

A mi hermana, por acompaarme con su apoyo incondicional y compartir

conmigo alegras y fracasos.

Al Ingeniero Jaime Eduardo Gutirrez Ascn; por su valorable orientacin

durante la realizacin de mi proyecto de investigacin y brindarme un nuevo
mtodo para su elaboracin.

Al Ingeniero Sixto Roger Zelada Goicochea, jefe de produccin de harina, que

por su valiosa gratitud y dedicacin pude realizar mi investigacin.

A la Corporacin Pesquera HILLARY S.A.C.; que me permiti realizar mis

prcticas pre profesionales en sus instalaciones y por darme la iniciativa de
mi investigacin brindndome la informacin necesaria.

Gracias a todas las personas que me ayudaron directa e indirectamente en la

realizacin de mi proyecto de tesis.

2
 PRESENTACIN

Desde los inicios de nuestra vida hasta hoy en da, las empresas pesqueras en
general buscan mejorar los modelos de sus procesos, a cambio de tener una
mayor relacin con el cliente a fin de adquirir ventajas competitivas en el rubro
de las empresas, las razones son muy obvias, ya que en la actualidad quien no
se mantiene en el mercado no tiene su futuro asegurado. Para conseguir dicha
ventaja se necesita hacer cambios y mejoras en la calidad, dando como
resultado un mayor consumo de los productos que ofrece la empresa para
adquirir mayor rentabilidad.

En la presente investigacin conoceremos cmo es que las pesqueras de

Chimbote no cuentan con un control de los recursos de harina de pescado
utilizados para obtener un producto homogeneizado de calidad, que cumpla
con los parmetros establecidos para su comercializacin interna o externa del
pas.

Por lo tanto, la presente investigacin tiene por objetivo presentar un nuevo

enfoque para la ingeniera, dando una nueva alternativa con el uso de
programacin, y como sta, logra conseguir la optimizacin para el
cumplimiento de los parmetros establecidos, todo esto mediante el uso de
instrumentos para demostrar la relacin que existe entre ambas variables.

3
 NDICE

DEDICATORIA....................................................................................................... i
AGRADECIMIENTO............................................................................................... ii
PRESENTACIN.................................................................................................. iii
NDICE............................................................................................................... iv
RESUMEN........................................................................................................... vi
ABSTRACT......................................................................................................... vii
INTRODUCCIN................................................................................................ viii
CAPTULO I......................................................................................................... 1
GENERALIDADES................................................................................................ 1
1.1. TTULO...................................................................................................... 2
1.2. AUTOR...................................................................................................... 2
1.3. ASESOR..................................................................................................... 2
1.4. TIPO DE INVESTIGACIN...........................................................................2
1.5. LNEA DE INVESTIGACIN.........................................................................2
1.6. LOCALIDAD............................................................................................... 2
CAPTULO II......................................................................................................... 3
PLAN DE INVESTIGACIN.................................................................................... 3
2.1. REALIDAD PROBLEMTICA........................................................................4
2.2. FORMULACIN DEL PROBLEMA.................................................................4
2.3. OBJETIVOS................................................................................................. 4
2.4. ANTECEDENTES........................................................................................ 5
2.5. JUSTIFICACIN.......................................................................................... 6
2.6. MARCO TERICO....................................................................................... 7
2.6.1. PROGRAMACIN LINEAL........................................................................7
2.6.2. OPTIMIZACIN..................................................................................... 17
2.7. MARCO CONCEPTUAL.............................................................................. 25
CAPTULO III...................................................................................................... 28
METODOLOGA................................................................................................. 28
3.1. TIPO DE ESTUDIO.................................................................................... 29
3.2. DISEO DE INVESTIGACIN....................................................................29

4
3.3. HIPTESIS............................................................................................... 29
3.4. IDENTIFICACIN DE VARIABLES:.............................................................30
3.5. POBLACIN, MUESTRA Y MUESTREOS.....................................................32
3.6. CRITERIOS DE SELECCIN......................................................................32
3.7. TCNICAS E INSTRUMENTOS DE RECOLECCIN DE DATOS....................32
3.8. VALIDACIN Y CONFIABILIDAD................................................................32
3.9. MTODOS DE ANLISIS DE DATOS..........................................................32
3.10. ASPECTOS TICOS............................................................................... 32
CAPTULO IV..................................................................................................... 33
ASPECTOS ADMINISTRATIVOS...........................................................................33
4.1. RECURSOS Y PRESUPUESTOS.................................................................34
4.2. FINANCIAMIENTO.................................................................................... 34
4.3. CRONOGRAMA DE EJECUCIN.................................................................34
CAPTULO V...................................................................................................... 35
REFERENCIAS BIBLIOGRFICA..........................................................................35
CAPTULO VI..................................................................................................... 37
ANEXOS............................................................................................................ 37

5
 RESUMEN

El objetivo de realizar esta investigacin surge debido a la problemtica

actual encontrada en la homogeneizacin de la harina de pescado en la
Corporacin Pesquera Hillary S.A.C. en relacin con la programacin lineal
que viene desarrollando para el cumplimiento de los parmetros
establecidos. La presente investigacin permitir analizar y evaluar la
relacin existente entre programacin lineal y la optimizacin de la harina
de pescado en la Corporacin Pesquera HILLARY S.A.C. Chimbote 2014.

El presente estudio afecta a las industrias pesqueras, especficamente a la

Corporacin Pesquera HILLARY S.A.C y su relacin con el ndice de
optimizacin.

Para el desarrollo de la investigacin se tomaron como bases tericas:

Historia, definicin, caractersticas, aplicaciones, restricciones de la
programacin lineal, as como definicin, tipos, clasificacin y tcnicas de la
optimizacin.

Palabras claves: Programacin lineal, optimizacin, rentabilidad, Control,

Materiales, Mejora, Maximizacin, Proceso, Proyecto.

6
 ABSTRACT

The objective of this research arises due to the current problems

encountered in the homogenization of fish meal in the Fisheries Corporation
Hillary S.A.C. in relation to linear programming which is being developed to
comply with the established parameters. This research will analyze and
evaluate the relationship between linear programming and the
homogenization of fish meal in the Fisheries HILLARY S.A.C. Chimbote 2014.

This study affects fisheries, specifically Fisheries Corporation HILLARY S.A.C.

and its relation to the rate of homogenization.

For the development of the research were taken as theoretical foundations:

History, definition, characteristics, applications and limitations of linear
programming, as well as definition, types, classification and techniques of
the optimization
Key words: Linear programming, optimization, profitability, Control, Materials
Improvement Maximization Process, Project.

7
 INTRODUCCIN

El presente trabajo tiene por objetivo evaluar la influencia de la programacin

lineal en la optimizacin de la harina de pescado en la Corporacin Pesquera
HILLARY S.A.C. - Chimbote que es una empresa dedicada al rubro de
elaboracin de conservas y harina de pescado en nuestro pas.

La presente investigacin est estructurada en 6 captulos, en el primer

captulo se analizar las generalidades de la investigacin, en donde se
mencionar el ttulo, el autor de la investigacin, tipo de investigacin y en
qu lnea de investigacin se encuentra el presente proyecto.

En el captulo dos, se analizar el plan de investigacin, donde se ver la

realidad problemtica y formularemos el problema que se presenta, dndonos
objetivos, antecedente de cmo se desarrollar la investigacin.

En el captulo tres, denominado metodologa, se desarrollar el tipo de estudio

y del diseo de investigacin; formulando as la hiptesis en la cual se
demostrar que con la utilizacin de la programacin lineal se obtendr una
eficiente optimizacin de la harina de pescado en la Corporacin Pesquera
HILLARY S.A.C... En otro punto se identificarn las variables para determinar la
escala de medicin de la poblacin.

En el captulo cuatro, se analizar todos los aspectos administrativos obtenidos

en toda la investigacin, donde se detallar los recursos y presupuesto que se
necesit, el financiamiento y el cronograma de ejecucin del proyecto.

En el captulo cinco se darn las fuentes e informaciones consultadas en la

investigacin.

En el captulo seis se los anexos que se presentan y el instrumento de

recoleccin de datos.

8
 CAPTULO I

GENERALIDADES

1
1.1. TTULO

Propuesta de Programacin lineal y Optimizacin de la harina de pescado

en la Corporacin Pesquera Hillary S.A.C. Chimbote, 2014.

1.2. AUTOR

Polo Idrogo Jean Marco, estudiante de la Facultad de Ingeniera, de la

Escuela Acadmico Profesional de Ingeniera Industrial.

1.3. ASESOR

Nombre: Gutirrez Ascn, Jaime Eduardo.

Grado: Ingeniero.

1.4. TIPO DE INVESTIGACIN

1.4.1.De acuerdo al fin que persigue: Investigacin Aplicada.

1.4.2.De acuerdo a la tcnica de contrastacin: Investigacin
Descriptiva Correlacional.
1.4.3.De acuerdo al rgimen de investigacin: Investigacin Libre.

1.5. LNEA DE INVESTIGACIN

Gestin Empresarial y Productiva

1.6. LOCALIDAD

Regin: Ancash.
Provincia: Santa.
Distrito: Chimbote.
Localidad: Av. Los Pescadores, Zona Industrial 27 de Octubre

2
 CAPTULO II

PLAN DE INVESTIGACIN

3
2.1. REALIDAD PROBLEMTICA

La industria de la harina de pescado es considerada una de las

actividades ms importantes a nivel mundial. Es por eso que en el Per,
los contratos comerciales de exportacin de harina de pescado tradicional
tienen un importe fijo en dlares por harina de pescado con
parmetros establecidos. Por lo que si el exportador entrega una harina
de mayor contenido proteico, no hay un pago adicional; sin embargo, si
el exportador entrega una harina con menor cantidad de protenas
entonces se aplica una penalidad rechazando el producto.

En el puerto de Chimbote se producen, en trminos generales, dos

tipos de harina, las de pescado entero y las de residuos de las
conservas; por lo que se producen grandes volmenes con diferentes
tipos de calidades. Siendo este, uno de los mayores problemas, ya que si
no cumplen con los parmetros establecidos no podrn exportar.

Muchas de las empresas tratan de homogeneizar la harina de pescado de

menor calidad con la de mayor calidad para obtener una harina con todos
los parmetros requeridos para la exportacin, pero no saben medir las
proporciones necesarias para lograrlo en un solo proceso, por lo que
intentan muchas veces reprocesando para lograr su objetivo. Esto
provoca una disminucin de la rentabilidad, holguras, mayores costos,
disminucin de los recursos, etc. Todo esto porque no saben manejar las
cantidades necesarias y no existe un control de estas.

2.2. FORMULACIN DEL PROBLEMA

En qu medida la programacin lineal se relaciona con la eficiente

optimizacin de la harina de pescado en la Corporacin Pesquera HILLARY
S.A.C. Chimbote, 2014?

2.3. OBJETIVOS

2.3.1.Objetivo General
Determinar la relacin que existe entre la programacin lineal con
la eficiente optimizacin de la harina de pescado en la Corporacin
Pesquera HILLARY S.A.C. Chimbote, 2014.

4
 2.3.2.Objetivos Especficas

Establecer la relacin que existe entre las restricciones con la

eficiente optimizacin de la harina de pescado en la Corporacin
Pesquera HILLARY S.A.C. Chimbote, 2014.

Establecer la relacin que existe entre los parmetros con la

eficiente optimizacin de la harina de pescado en la Corporacin
Pesquera HILLARY S.A.C. Chimbote, 2014.

Establecer la relacin que existe entre la calidad de la harina con la

eficiente optimizacin de la harina de pescado en la Corporacin
Pesquera HILLARY S.A.C.

2.4. ANTECEDENTES

Segn el doctorado de Aragons Beltrn, Pablo y Jimnez Sez,

Fernando (2011), titulado PROGRAMACIN LINEAL PARA LA
SELECCIN DE ALTERNATIVAS EN POYECTOS DE NATURALEZA
COMPLEJA Y CON OBJETOS MLTIPLES Valencia, Espaa; concluye
que la tcnica PL/Simus arroja resultados ptimos cuando se
consideran casos con un solo objetivo, salvo en algunos
desarrollos, tales como la Programacin por Metas (Goal
Programming), en los cuales se puede introducir ms de un
objetivo, pero que tambin requiere de apreciaciones subjetivas
en la determinacin de los desvos aceptables por parte del centro
decisor o del analista.

Segn el Proyecto de Pre-grado de Barrios Tarazona, Karen y Rozo

Medina, Martha (2012), titulado EVALUACIN DE LA
HOMOGENIZACIN DEL MEZCLADO DE POLVOS EN UN CILINDRO
ROTATORIO BAJO LOS REGMENES RODANTES Y CASCADA
Cartagena, Colombia; concluye que el equipo result idneo
para el mezclado de slidos bajo las condiciones desarrolladas
en el presente trabajo, ya que las grficas de distribucin normal
de los duplicados se encuentran muy cercanas a las de las pruebas
originales, por lo cual las pruebas realizadas se consideran
reproducibles.

5
 Segn el doctorado de Nolberto Munier (2011), titulado
PROCEDIMIENTO FUNDAMENTADO EN LA PROGRAMACIN LINEAL
PARA LA SELECCIN DE ALTERNATIVAS EN PROYECTOS DE
NATURALEZA COMPLEJA Y CON OBJETIVOS MLTIPLES Valencia,
Espaa; concluye que el mtodo propuesto permite resolver un
problema real y complejo al cual se enfrentan muchos organismos
medioambientales. Y tambin soluciona un problema para el cual
no hay respuesta conocida al presente.

Segn la tesis de Esteves Valladares, Joe (2009), titulado

PROPUESTA Y APLICACIN DE UNA METODOLOGA INTEGRAL PARA
DISEAR E IMPLEMENTAR SISTEMAS HBRIDOS DE INFORMACIN
EN EMPRESAS Lima, Per; concluye que el sistema informtico
aplicado reduce drsticamente los tiempo dedicados a
procedimientos internos de la empresa permitiendo elevar la
calidad.

2.5. JUSTIFICACIN

El presente trabajo de investigacin se eligi para optimizar los recursos

de la harina de pescado en el proceso de la homogeneizacin; ya que es
importante estudiar las causas y consecuencias que provocan el
descontrol de este recurso.

Con este estudio se podr lograr, no solo la mejorar la calidad de harina,

sino que mejorar las condiciones de trabajo, minimizar los tiempos y
costos; y aumentar la rentabilidad.

Esta investigacin tambin se justifica desde tres puntos de vista:

- Desde el punto de vista prctico: La investigacin contribuir a

optimizar las cantidades de forma sencilla y entendible no solo para
los ingenieros, sino para todo el personal, ya que ellos son los que
controlan las cantidades que se utilizarn para el proceso.

- Desde el punto de vista tecnolgico: La investigacin realiza un

control y una optimizacin de los recursos, la cual aumenta el tiempo
de proceso y disminuyen costos de produccin.

6
 - Desde el punto de vista metodolgico: La investigacin est
generando la aplicacin de la programacin lineal y la optimizacin
en una empresa pesquera, la cual aportar conocimientos vlidos y
confiables dentro del rea de produccin.

Por otra parte, la investigacin se har llegar a conocer a todas las

empresas pesqueras que no cuenten con esta informacin, logrando as
optimizar sus procesos.

2.6. MARCO TERICO

2.6.1.PROGRAMACIN LINEAL

2.6.1.1. Historia:

La programacin lineal se plantea como un modelo matemtico

desarrollado durante la Segunda Guerra Mundial para planificar
los gastos y los retornos, a fin de reducir los costos al ejrcito y
aumentar las prdidas del enemigo. Se mantuvo en secreto
hasta 1947. En la posguerra, muchas industrias lo usaron en su
planificacin diaria.

Los fundadores de la tcnica son George Dantzig, quien public

el algoritmo simplex, en 1947, John von Neumann, que
desarroll la teora de la dualidad en el mismo ao, y Leonid
Kantorvich, un matemtico ruso, que utiliza tcnicas similares
en la economa antes de Dantzig y gan el premio Nobel en
economa en 1975. En 1979, otro matemtico ruso, Leonid
Khachiyan, dise el llamado Algoritmo del elipsoide, a travs
del cual demostr que el problema de la programacin lineal es
resoluble de manera eficiente, es decir, en tiempo
polinomial. Ms tarde, en 1984, Narendra Karmarkar introduce
un nuevo mtodo del punto interior para resolver problemas de
programacin lineal, lo que constituira un enorme avance en los
principios tericos y prcticos en el rea.

El ejemplo original de Dantzig de la bsqueda de la mejor

asignacin de 70 personas a 70 puestos de trabajo es un
ejemplo de la utilidad de la programacin lineal. La potencia de

7
 computacin necesaria para examinar todas las permutaciones a
fin de seleccionar la mejor asignacin es inmensa (factorial de
70, 70!) ; el nmero de posibles configuraciones excede al
nmero de partculas en el universo. Sin embargo, toma slo un
momento encontrar la solucin ptima mediante el
planteamiento del problema como una programacin lineal y la
aplicacin del algoritmo simplex. La teora de la programacin
lineal reduce drsticamente el nmero de posibles soluciones
factibles que deben ser revisadas.1

2.6.1.2. Definicin:

Se conoce como programacin lineal a la tcnica de la

matemtica que permite la optimizacin de una funcin objetivo
a travs de la aplicacin de diversas restricciones a sus
variables. Se trata de un modelo compuesto, por lo tanto, por
una funcin objetivo y sus restricciones, constituyndose todos
estos componentes como funciones lineales en las variables en
cuestin.

Los modelos de programacin lineal contemplan que las

variables de decisin (es decir, la funcin objetivo y las
restricciones) mantienen un comportamiento de tipo lineal. Esto
hace que, a travs de su mtodo, se puedan simplificar los
clculos y obtener un resultado prximo a la realidad. 2

Los Modelos Matemticos se dividen bsicamente en Modelos

Deterministas (MD) o Modelos Estocsticos (ME). En el primer
caso (MD) se considera que los parmetros asociados al modelo
son conocidos con certeza absoluta, a diferencia de los Modelos
Estocsticos, donde la totalidad o un subconjunto de los
parmetros tienen una distribucin de probabilidad asociada. Los

1 Wikipedia [en lnea] <http://es.wikipedia.org/wiki/Programaci%C3%B3n_lineal > [Citado el

22/05/2014]

2 Definicin [en lnea] <http://definicion.de/programacion-lineal/> [Citado el 22/05/2014]

8
 cursos introductorios a la Investigacin Operativa generalmente
se enfocan slo en Modelos Deterministas. 3

Algunos aspectos relacionados con la definicin:

- Una organizacin es un sistema formado por componentes

que se interaccionan, unas de estas interacciones pueden
ser controladas y otras no.
- La complejidad de los problemas que se presentan en las
organizaciones ya no encajan en una sola disciplina del
conocimiento, se han convertido en multidisciplinario por lo
cual para su anlisis y solucin se requieren grupos
compuestos por especialistas de diferentes reas del
conocimiento que logran comunicarse con un lenguaje
comn.
- La programacin lineal es la aplicacin de la metodologa
cientfica a travs de modelos matemticos, primero para
representar al problema y luego para resolverlo.

La programacin lineal se aplica a problemas que se refieren a la

conduccin y coordinacin de operaciones (o actividades) dentro
de una organizacin.

La programacin lineal intenta encontrar una mejor solucin,

(llamada solucin ptima) para el problema bajo consideracin.

2.6.1.3. Caractersticas:

Entre las principales caractersticas de los sistemas de base de

datos podemos mencionar:

- Optimizacin: Todos los problemas de programacin lineal

son problemas de optimizacin. Esto significa que el
verdadero propsito detrs de resolver un problema de
programacin lineal es maximizar o minimizar un cierto
valor. As, estos problemas frecuentemente se encuentran en
la economa, los negocios, la publicidad y muchos otros
campos que valoran la eficiencia y la conservacin de
recursos. Los ejemplos de artculos que pueden ser

3 Slidshare [en lnea] <http://www.slideshare.net/renevive/manual-programacion-lineal-julio-20>

[Citado el 22/05/2014]

9
 optimizados son ganancia de adquisicin de recursos, el
tiempo libre y la utilidad.

- Linealidad: Como el nombre lo sugiere, los problemas de

programacin lineal tienen la caracterstica de ser lineales.
Sin embargo, este rasgo de linealidad puede ser engaoso,
ya que la linealidad slo se refiere a las variables que son a
la primera potencia (y por lo tanto excluidas las funciones de
alimentacin, races cuadradas y otras funciones no
lineales). Sin embargo, la linealidad no significa que las
funciones de un problema de programacin lineal son slo de
una variable. En resumen, la linealidad en problemas de
programacin lineal permite que las variables que se
relacionen entre s como las coordenadas en una lnea, con
exclusin de otras formas y curvas.

- Funcin objetivo: Todos los problemas de programacin

lineal tienen una funcin llamada "funcin objetivo". La
funcin objetivo est escrita en trminos de las variables que
se pueden cambiar a voluntad (por ejemplo, el tiempo
dedicado a un trabajo, unidades producidas, etc.). La funcin
objetivo es la que el programa de solucin de un problema
de programacin lineal desea maximizar o minimizar. El
resultado de un problema de programacin lineal se da en
trminos de la funcin objetivo. sta est escrita con la letra
"Z" en la mayora de los problemas de programacin lineal.

- Limitaciones: Todos los problemas de programacin lineal

tienen restricciones en las variables dentro de la funcin
objetivo. Estas restricciones toman la forma de las
desigualdades (por ejemplo, "b <3" donde b puede
representar las unidades de libros escritos por un autor al
mes). Estas desigualdades definen la forma en la funcin
objetivo puede ser maximizada o minimizada, ya que juntas

10
 determinan el "dominio" en el que una organizacin puede
tomar decisiones acerca de los recursos.4

- Independencia lgica y fsica de los datos: Lo podemos

definir como la capacidad para modificar el esquema en un
nivel del sistema sin tener que modificar el esquema del
nivel inmediato superior.

- Tabla en las bases de datos: se refiere al tipo de

modelado de datos, donde se guardan los datos recogidos
por un programa. Su estructura general se asemeja a la vista
general de un programa de Hoja de clculo. 5

Entre otras caractersticas podemos mencionar:

- Redundancia mnima.
- Acceso concurrente por parte de mltiples usuarios.
- Integridad de los datos.
- Consultas complejas optimizadas.
- Seguridad de acceso y auditoria.
- Respaldo y recuperacin.
- Acceso a travs de lenguajes de programacin estndar

2.6.1.4. Aplicaciones:

La programacin lineal constituye un importante campo de la

optimizacin por varias razones, muchos problemas prcticos de
la investigacin de operaciones pueden plantearse como
problemas de programacin lineal.6

Algunos casos especiales de programacin lineal, tales como los

problemas de flujo de redes y problemas de flujo de mercancas
se consideraron en el desarrollo de las matemticas lo

4 Ehowen [en lnea] <http://www.ehowenespanol.com/caracteristicas-del-problema-

programacion-lineal-info_203740/> [Citado el 22/05/2014]

5 Tom base de datos [en lnea] <http://tombasededatos.wordpress.com/2010/08/21/1-4-1-2-

independencia-logica-y-fisica-de-los-datos/> [Citado el 22/05/2014]

6 Slideshare [en lnea] <http://www.slideshare.net/Juanp3000/resumen-programacion-lineal#>

[Citado el 22/05/2014]

11
 suficientemente importantes como para generar por si mismos
mucha investigacin sobre algoritmos especializados en su
solucin.

Tambin es una herramienta que se aplica en diferentes reas

empresariales como: la produccin, la manufactura, el
transporte, la construccin, las telecomunicaciones, la
planeacin financiera, el cuidado de la salud, la milicia y los
servicios pblicos.7

Del mismo modo, la programacin lineal es muy usada en la

microeconoma y la administracin de empresas, ya sea para
aumentar al mximo los ingresos o reducir al mnimo los costos
de un sistema de produccin.

Otros son:
- Optimizacin de la combinacin de cifras comerciales en una
red lineal de distribucin de agua.
- Aprovechamiento ptimo de los recursos de una cuenca
hidrogrfica, para un ao con afluencias caracterizadas por
corresponder a una determinada frecuencia.
- Soporte para toma de decisin en tiempo real, para
operacin de un sistema de obras hidrulicas y solucin de
problemas de transporte.
- Optimizacin de los recursos y mejora de rentabilidades.

2.6.1.5. Definicin de variables:

En programacin, una variable es un espacio de memoria

reservado para almacenar un valor que corresponde a un tipo de
dato soportado por el lenguaje de programacin. Una variable es
representada y usada a travs de una etiqueta (un nombre) que
le asigna un programador o que ya viene predefinida.

Una variable, por lo general, como su nombre lo indica, puede

variar su valor durante la ejecucin del programa. Dependiendo

7 Portal [en lnea]

<http://portal.uexternado.edu.co/pdf/5_revistaSotavento/pdfSotavento/Sotavento
%2010/GloriaDiaz.pdf> [Citado el 22/05/2014]

12
 del lenguaje de programacin usado, tambin puede cambiar el
tipo de dato que almacena.8

El espacio en el sistema de almacenaje puede ser referido por

distintos identificadores diferentes. Esta situacin es conocida
entre los angloparlantes como "aliasing" y podra traducirse
como "sobrenombramiento" para los hispanoparlantes. Asignarle
un valor a una variable utilizando uno de los identificadores
cambiar el valor al que se puede acceder a travs de los otros
identificadores.

Los compiladores deben reemplazar los nombres simblicos de

las variables con la real ubicacin de los datos. Mientras que el
nombre, tipo y ubicacin de una variable permanecen fijos, los
datos almacenados en la ubicacin pueden ser cambiados
durante la ejecucin del programa.9
Las variables pueden ser de longitud:

a. Fija.- Cuando el tamao de la misma no variar a lo largo de

la ejecucin del programa. Todas las variables, sean
del tipo que sean tienen longitud fija, salvo algunas
excepciones como las colecciones de otras variables
(arrays) o las cadenas.

b. Variable.- Cuando el tamao de la misma puede variar a lo

largo de la ejecucin. Tpicamente colecciones de datos.

2.6.1.6. Funcin objetivo

La funcin objetivo es la ecuacin que ser optimizada dadas las

limitaciones o restricciones determinadas y con variables que
necesitan ser minimizadas o maximizadas usando tcnicas de
programacin lineal o no lineal. Una funcin objetivo puede ser
el resultado de un intento de expresar un objetivo de negocio en
trminos matemticos para su uso en el anlisis de toma de

8 Buenas Tareas [en lnea] <http://www.buenastareas.com/ensayos/Programacion/7016.html?

_p=2> [Citado el 22/05/2014]

9 Wikipedia [en lnea] <http://es.wikipedia.org/wiki/Variable_(programaci%C3%B3n)> [Citado el

22/05/2014]

13
 decisiones, operaciones, estudios de investigacin o de
optimizacin.10

La solucin ptima se obtiene cuando el valor de la Funcin

Objetivo es ptimo (valor mximo o mnimo), para un conjunto
de valores factibles de las variables. Es decir, hay que
reemplazar las variables obtenidas X1, X2, X3,, Xn; en la
Funcin Objetivo Z = f (C1X1, C2X2, C3X3,, CnXn) sujeto a las
restricciones del modelo matemtico.11

2.6.1.7. Restricciones estructurales

Son diferentes requisitos que debe cumplir cualquier solucin

para que pueda llevarse a cabo. En cierta manera son las
limitantes en los valores de los niveles de las diferentes
actividades (variables). Las restricciones ms comunes son:

- Restricciones de capacidad: Limitan el valor de las

variables debido a la disponibilidad de horas-hombre, horas-
mquina, espacio, etc.

- Restricciones de mercado: Surgen de los valores mximos

y/o mnimos de la demanda o el uso del producto o actividad
a realizar.
- Restricciones de entradas. Son limitantes debido a la
escasez de materias primas, mano de obra, dinero, etc.

- Restricciones de calidad. Son las restricciones que limitan

las mezclas de ingredientes, definiendo usualmente la
calidad de los artculos a manufacturar, mezcla de
ingredientes, etc.

- Restricciones de balance de materiales. Estos son las

restricciones que definen las salidas de un proceso en

10 Enciclopedia Financiera [en lnea] <http://www.enciclopediafinanciera.com/definicion-

funcion-objetivo.html> [Citado el 22/05/2014]

11Monografas [en lnea] <http://www.monografias.com/trabajos96/formulacion-modelos-

programacion-lineal/formulacion-modelos-programacion-lineal.shtml>[Citado el 22/05/2014]

14
 funcin de las entradas, tomando en cuenta generalmente
cierto porcentaje de merma o desperdicio.

2.6.1.8. Mtodo simplex

El Mtodo Simplex es un mtodo analtico de solucin de

problemas de programacin lineal capaz de resolver modelos
ms complejos que los resueltos mediante el mtodo grfico sin
restriccin en el nmero de variables.

El Mtodo Simplex es un mtodo iterativo que permite ir

mejorando la solucin en cada paso. La razn matemtica de
esta mejora radica en que el mtodo consiste en caminar del
vrtice de un poliedro a un vrtice vecino de manera que
aumente o disminuya (segn el contexto de la funcin objetivo,
sea maximizar o minimizar), dado que el nmero de vrtices que
presenta un poliedro solucin es finito siempre se hallar
solucin.

El procedimiento de optimizacin, en el mtodo Simplex,

comienza por la eleccin de la n+1 puntos donde ser hecha
la evaluacin de la respuesta. Este resultado ser evaluado
contra las dems respuestas para que el proceso pueda
continuar, siendo que este tipo de desarrollo convierte al simplex
en un mtodo del tipo secuencial.

El procedimiento es repetido sucesivamente, descartndose la

peor respuesta. Por lo tanto, el objetivo del mtodo Simplex
secuencial es forzar al simplex a moverse para la regin de
respuesta ptima.12

2.6.1.9. Reglas para el movimiento de Simplex bsico

Regla N 01: Despus de determinar las respuestas de los n+1

experimentos necesarios para iniciar el proceso, con base en
el conocimiento ya adquirido sobre el sistema, se debe
clasificarlas en mejor [B (the Best)], peor [W (the Worst)] y

12 Ingenieros Industriales [en lnea] <http://ingenierosindustriales.jimdo.com/herramientas-

para-el-ingeniero-industrial/investigaci%C3%B3n-de-operaciones/m%C3%A9todo-simplex/>
[Citado el 22/05/2014]

15
 resultados intermediarios [N (Next to worst)], segn el objetivo
de la optimizacin.

Regla N 02: El simplex es movido para un simplex adyacente,

el cul es determinado descartando la respuesta menos
deseada. El vrtice correspondiente a esta respuesta es
sustituido por un nuevo vrtice, generado por su reflexin a
travs del centroide de la hiperfase de los vrtices restantes.

Matemticamente, s los vrtices de un simplex k-dimensional

son representados por coordenadas vectoriales P1, P2,....,
Pj,....Pk,.... Pk+1, la eliminacin de la respuesta no deseada Pj
resulta en la hiperfase formada por P1, P2,...., Pj-1, Pj+1,....Pk,....
Pk+1 con el centroide definido por:

Pc = 1/k (P1 + P2 +.... + Pj-1 + Pj+1 +.... + Pk + Pk+1)

Pc = centroide de la hiperfase K = nmero de dimensiones del

simplex Pj = vrtice correspondiente a la peor respuesta. 13

El nuevo simplex es definido por esta fase y un nuevo vrtice, P,

que corresponde a la reflexin del vrtice rechazado Pj, a travs
de la fase por el centroide Pc.

P = Pc + (Pc - Pj)

Regla N 03: S el punto reflejado, P, tuviera la peor respuesta

en el nuevo simplex, probablemente el desplazamiento no est
sucediendo en direccin al ptimo. En este caso, se debe
rechazar la 2 peor respuesta de este simplex y continuar con la
optimizacin.

Esta regla es necesaria, pues el simplex puede estar encima de

una cresta y la aplicacin directa de la Regla N 02 puede hacer
con que el punto P sea reflejado de vuelta al punto anterior. En
este caso el simplex oscila y se vuelve sin recurso (decimos, que
se mantiene parado).

13 Monografas [en lnea] <http://www.monografias.com/trabajos75/metodo-simplex-

maximizacion/metodo-simplex-maximizacion2.shtml> [Citado el 22/05/2014]

16
 Esta situacin sucede con frecuencia en la regin del ptimo. Si
un punto es obtenido cercano a l, todos los otros nuevos puntos
tienden a pasar ms all del tope de la curva de respuesta.
14
Entonces, un cambio en la direccin es indicado.

En la regin del ptimo, normalmente ocurre el simplex circular

en vuelta de un ptimo temporneo. Como se puede tratar de un
resultado falso, el cual hace, con que el simplex se prenda a l,
es necesario la siguiente excepcin adicional a la Regla N 01.

Regla N 04: Si un vrtice fuera mantenido en k+1 simplex,

antes de aplicar la Regla N 02, haga una nueva observacin del
vrtice persistente. S el vrtice est realmente cercano al
ptimo, es probable que la evaluacin repetida de la respuesta
sea consistente y de esta forma el punto ser mantenido. S la
respuesta en el vrtice fuera alta por causa de un error de
observacin, es improbable que con la nueva evaluacin eso
ocurra y por lo tanto, el vrtice ser consecuentemente
eliminado.

Regla N 05: S el nuevo vrtice encontrarse fuera de los

lmites aceptables de las variables optimizadas, no se deben
realizar observaciones experimentales con estos valores, al
contrario se debe atribuir a este la respuesta ms indeseable.

La aplicacin posterior de las reglas nmeros 2 y 3 obligar al

simplex a regresar dentro de los lmites permitidos y este
continuar buscando por la respuesta ptima. Cuando un ptimo
es localizado, las reglas del simplex lo fuerzan a circular.

2.6.2.OPTIMIZACIN

2.6.2.1. Definicin:

Es un proceso que conduce a la solucin ptima de un problema.

Con solucin ptima, queremos decir, que cualquier otra
solucin. En el contexto de la gestin de carteras, la
optimizacin se refiere a un algoritmo que identifica las carteras
14 Monografas [en lnea] <http://www.monografias.com/trabajos75/metodo-simplex-
maximizacion/metodo-simplex-maximizacion2.shtml> [Citado el 22/05/2014]

17
 que tienen el tipo de rentabilidad ms alto para cualquier nivel
de riesgo dado.

En programacin matemtica, en general, y en programacin

lineal, en particular, se denomina optimizacin
al proceso sistemtico de resolucin seguido para alcanzar la
solucin ptima (mximo o mnimo) de la funcin
objetivo y verificar las restricciones de todo tipo que limitan la
consecucin de ese objetivo.

Proceso a travs del cual se adopta y lleva a cabo

la decisin ms adecuada al objetivo previamente establecido.

http://www.economia48.com/spa/d/optimizacion/optimizacion.ht
m

2.6.2.2. Tipos de optimizacin:

El objetivo del mtodo consiste en optimizar el valor de la

funcin objetivo. Sin embargo se presentan dos opciones:
obtener el valor ptimo mayor (maximizar) u obtener el valor
ptimo menor (minimizar).15

Adems existen diferencias en el algoritmo entre el objetivo de

maximizacin y el de minimizacin en cuanto al criterio de
condicin de parada para finalizar las iteraciones y a las
condiciones de entrada y salida de la base.

a. Objetivo de maximizacin:

- Condicin de parada: cuando en la fila Z no aparece

ningn valor negativo.

- Condicin de entrada a la base: el menor valor negativo

en la fila Z (o el de mayor valor absoluto entre los
negativos) indica la variable Pj que entra a la base.

15 Optimizacin [en lnea]

<http://www.metatrader5.com/es/terminal/help/tester/tester_using/optimization/optimization_ty
pes> [Citado el 22/05/2014]

18
 - Condicin de salida de la base: una vez obtenida la
variable entrante, la variable que sale se determina
mediante el menor cociente P0/Pj de los estrictamente
positivos.

b. Objetivo de minimizacin:

- Condicin de parada: cuando en la fila Z no aparece

ningn valor positivo.

- Condicin de entrada a la base: el mayor valor positivo en

la fila Z indica la variable Pj que entra a la base.

- Condicin de salida de la base: una vez obtenida la

variable entrante, la variable que sale se determina
mediante el menor cociente P0/Pj de los estrictamente
negativos.

No obstante, es posible normalizar el objetivo del problema con

el fin de aplicar siempre los mismos criterios en lo referente a la
condicin de parada del algoritmo y a las condiciones de entrada
y salida de las variables de la base. De esta forma, si el objetivo
es minimizar la solucin, se puede cambiar el problema a otro
equivalente de maximizacin simplemente multiplicando la
funcin objetivo por "1".Es decir, el problema de minimizar Z es
equivalente al problema de maximizar (-1)Z. Una vez obtenida
la solucin ser necesario multiplicarla tambin por (-1). 16

2.6.2.3. Clasificacin de puntos crticos y extremos.

Factibilidad del problema

16 Optimizacin [en
lnea]<http://www.metatrader5.com/es/terminal/help/tester/tester_using/optimization/optimizati
on_types> [Citado el 22/05/2014]

19
La factibilidad del problema, es justo el problema de encontrar
alguna solucin factible de todas sin hacer caso del valor
objetivo. Este puede ser considerado como el caso especial de la
optimizacin matemtica donde el valor objetivo es el mismo
para toda solucin, y as cualquier solucin es ptima.

Muchos algoritmos de optimizacin necesitan comenzar a partir

de un punto factible. Una va para obtener tal punto es relajar
las condiciones de factibilidad usando una variable de holgura;
con suficiente holgura, cualquier punto de partida es factible.
Entonces, se minimiza esa variable de holgura hasta que la
holgura sea nula o negativa.

Existencia

El teorema del valor extremo de Karl Weierstrass afirma que una

funcin real y continua en un conjunto compacto alcanza su
valor mximo y mnimo. De forma ms general, una funcin
semi-continua inferior en un conjunto compacto alcanza su
mnimo; una funcin semi-continua superior en un conjunto
compacto alcanza su mximo.

Condiciones necesarias de optimalidad

Uno de los teoremas de Fermat asegura que los ptimos de los

problemas irrestrictos son encontrados en los puntos
estacionarios, donde la primera derivada o el gradiente de la
funcin objetivo es cero. De forma ms general, ellos pueden ser
encontrados en los puntos crticos, donde la primera derivada o
el gradiente de la funcin objetivo es cero o est indefinido, o en
la frontera del conjunto de eleccin. Una ecuacin (o conjunto de
ecuaciones) indicando que la primera derivada o derivadas sean
iguales a cero en un ptimo interior se llama una condicin de
primer orden o un conjunto de condiciones de primer orden.
Los ptimos de los problemas con restricciones de desigualdad
son en cambio encontrados mediante el mtodo de
los multiplicadores de Lagrange. Este mtodo computa un
sistema de desigualdades llamado Condiciones de KarushKuhn

20
Tucker o condiciones de holguras complementarias, las cuales se
usan entonces para calcular el ptimo.

Condiciones suficientes de optimalidad

Mientras la prueba de la primera derivada identifica los puntos

que pueden ser extremos, esta prueba no distingue si un punto
es mnimo, mximo, o ninguno de los dos. Cuando la funcin
objetivo es dos veces diferenciable, estos casos pueden ser
distinguidos estudiando la segunda derivada o la matriz de las
segundas derivadas (llamada matriz Hessiana) en problemas
irrestrictos, o la matriz de las segundas derivadas de la funcin
objetivo y las restricciones llamada la frontera Hessiana en
problemas restrictos.

Las condiciones que distinguen a los mximos, o mnimos, de

otros puntos estacionarios son llamadas condiciones de segundo
orden. Si un candidato a solucin satisface las condiciones de
primer orden y las condiciones de segundo orden tambin, es
suficiente para establecer, al menos, optimalidad local.

Sensibilidad y continuidad del ptimo

El teorema de la envoltura describe como el valor de una

solucin ptima cambia cuando un parmetro subyacente
cambia. El proceso que computa este cambio es llamado
esttica comparativa.

El teorema del mximo de Claude Berge (1963) describe la

continuidad de una solucin ptima como una funcin de
parmetros subyacentes.

Clculos de optimizacin

Para los problemas irrestrictos con funciones dos veces

diferenciables, algunos puntos crticos pueden ser encontrados
detectando los puntos donde el gradiente de la funcin objetivo
es cero (es decir, los puntos estacionarios). De forma ms
general, un subgradiente cero certifica que un mnimo local ha
sido encontrado para los problemas de minimizacin con
funciones convexas y localmente otras funciones de Lipschitz.

21
 Adems, los puntos crticos pueden ser clasificados usando
laconcrecin de la matriz Hessiana: si la Hessiana es definida
positiva en un punto crtico, entonces el punto es un mnimo
local; si la Hessiana esdefinida negativa, entonces el punto es un
mximo local; finalmente, si es indefinida, entonces el punto es
algn tipo de punto de ensilladura.

Los problemas restrictos pueden con frecuencia ser

transformados en problemas irrestrictos con ayuda de
los multiplicadores de Lagrange. La relajacin Lagrangiana
puede tambin proveer soluciones aproximadas a difciles
problemas restrictos.

Cuando la funcin objetivo es convexa, entonces cualquier

mnimo local ser tambin un mnimo global. Existen tcnicas
numricas eficientes para minimizar funciones convexas, por
ejemplo los mtodos de punto interior.

2.6.2.4. Tcnicas de optimizacin.

Para resolver problemas, los investigadores pueden

usar algoritmos que terminen en un nmero finito de pasos,
o mtodos iterativos que convergen a una solucin (en alguna
clase especfica de problemas), o heursticas que pueden
proveer soluciones aproximadas a algunos problemas (aunque
sus iteraciones no convergen necesariamente).

Algoritmos de optimizacin

- Algoritmo Simplex de George Dantzig, diseado para la

programacin lineal.
- Extensiones del algoritmo Simplex, diseado para la
programacin cuadrtica y para la programacin lineal -
fraccionaria.
- Variantes del algoritmo Simplex que son especialmente
apropiadas para la optimizacin de redes.
- Algoritmos combinatorios.

Mtodos iterativos

22
Los mtodos iterativos usados para resolver problemas
deprogramacin no lineal difieren segn lo que ellos evalen:
Hessianas, gradientes, o solamente valores de funcin. Mientras
que evaluando Hessianas (H) y gradientes (G) mejora la
velocidad de convergencia, tales evaluaciones aumentan
la complejidad computacional (o costo computacional) de cada
iteracin. En algunos casos, la complejidad computacional puede
ser excesivamente alta.

Un importante criterio para los optimizadores es justo el nmero

de evaluaciones de funciones requerido, como este con
frecuencia es de por s un gran esfuerzo computacional,
usualmente mucho ms esfuerzo que el del optimizador en s, ya
que en su mayora tiene que operar sobre N variables. Las
derivadas proveen informacin detallada para los optimizadores,
pero son an ms costosas de calcular, por ejemplo
aproximando el gradiente toma al menos N+1 evaluaciones de
funciones. Para la aproximacin de las segundas derivadas
(agrupadas en la matriz Hessiana) el nmero de evaluaciones de
funciones es de orden N. El mtodo de Newton requiere las
derivadas de Segundo orden, por lo tanto por cada iteracin el
nmero de llamadas a funcin es de orden N, pero para el
optimizador de un gradiente puro ms simple es de orden N. Sin
embargo, los optimizadores de gradiente necesitan usualmente
ms iteraciones que el algoritmo de Newton. Ser mejor con
respecto al nmero de llamadas a funciones depende del
problema en s.

- Mtodos que evalan Hessianas (o aproximan Hessianas,

usando diferencias finitas):
- Mtodo de Newton.
- Programacin secuencial cuadrtica: un mtodo de Newton
basado en problemas restrictos de pequea-mediana escala.
Algunas versiones pueden manejar problemas de gran
dimensin.
- Mtodos que evalan gradientes o aproximan gradientes
usando diferencias finitas (o incluso subgradientes):

23
- Mtodos Quasi-Newton: mtodos iterativos para problemas
medianos-grandes (ejemplo N<1000).
- Mtodos de gradiente conjugado: mtodos iterativos para
problemas grandes. (En teora, estos mtodos terminan en
un nmero finito de pasos con funciones objetivo
cuadrticas, pero esta terminacin finita no se observa en la
prctica en computadoras de precisin finita.)
- Mtodos de punto interior: esta es una gran clase de
mtodos para la optimizacin restricta. Algunos mtodos de
punto interior usan solamente informacin del subgradiente,
y otros requieren la evaluacin de las Hessianas.
- Descenso del gradiente (alternativamente, descenso
pronunciado o ascenso pronunciado): un mtodo lento de
inters terico e histrico, el cual ha sido renovado para
encontrar soluciones aproximadas de problemas enormes.
- Mtodo del subgradiente: un mtodo iterativo para grandes
funciones de Lipschitz localmente usando gradientes
generalizados.
- Mtodos que evalan solamente valores de funciones: si un
problema es continuamente diferenciable, entonces los
gradientes pueden ser aproximados usando diferencias
finitas, en tal caso puede ser usado un mtodo basado en
gradiente.
- Mtodos de interpolacin
- Mtodos de bsqueda de patrones, los cuales tienen mejores
propiedades de convergencia que la heurstica de Nelder-
Mead.

Convergencia global

De modo general, si la funcin objetivo no es una funcin

cuadrtica, entonces muchos mtodos de optimizacin usan
otros mtodos para garantizar que alguna subsecuencia de
iteraciones converge a una solucin ptima. El primer mtodo
popular que garantiza convergencia se apoya en bsquedas
lineales, el cual optimiza una funcin en una dimensin. Un
segundo y popularizado mtodo para garantizar convergencia
usa regiones de confianza. Ambos bsquedas lineales y regiones
de confianza son usadas en mtodos modernos de optimizacin

24
 no diferenciable. Usualmente un optimizador global es mucho
ms lento que los optimizadores locales avanzados (por ejemplo
BFGS), por lo tanto con frecuencia un optimizador global
eficiente puede ser construido por el inicio del optimizador local
de diferentes puntos de partida.

Heursticas

Adems de los algoritmos (terminacin finita) y los mtodos

iterativos (convergentes), existen heursticas que pueden
proveer soluciones aproximadas a algunos problemas de
optimizacin:

- Evolucin diferencial
- Algoritmo de bsqueda diferencial
- Relajacin Dinmica
- Algoritmos genticos
- Ascenso de montaas
- Nelder-Mead: una heurstica popular por aproximar la
minimizacin (sin llamadas a gradientes)
- Optimizacin por enjambre de partculas

http://es.wikipedia.org/wiki/Optimizaci%C3%B3n_(matem%C3%A1tica)

"The Nature of Mathematical Programming," Mathematical Programming Glossary,

INFORMS Computing Society.

W. Erwin Diewert (2008). "cost functions," The New Palgrave Dictionary of Economics,
2nd Edition

Peter Newman (2008). "indirect utility function," The New Palgrave Dictionary of
Economics, 2nd Edition.

2.7. MARCO CONCEPTUAL

- Aroma: Olor agradable o desagradable del producto a procesar.

- Color: Percepcin visual que se genera al observar el material.

- Componentes: Pieza o elementos de un aparato o de un producto.

25
- Contenido: Especificaciones que constituyen el producto.

- Control: Es la evaluacin o inspeccin que se realiza en el rea de

trabajo para ver si se est cumpliendo las normas bsicas de la
empresa, para as evitar errores, reducir costos y ahorrar tiempos.

- Costos: Es el valor o grado econmico que es empleado para la

ejecucin de un proyecto o tambin sirve para la prestacin de un
servicio.

- Digestibilidad: Es una forma de medir el aprovechamiento de una

alimento, es decir, la facilidad con que es convertido en el aparato
digestivo en sustancias tiles para la nutricin.

- Dimensiones: Es un nmero relacionado con las propiedades

mtricas o topologas de un objeto matemtico.

- Empresa: Es una entidad privada o pblica con fines de lucro,

organizada por el ser humano para conseguir recursos que
beneficiaran a las personas y a la entidad.

- Equipos: Conjunto de instrumentos, utensilios y objetos necesarios

para la realizacin de ciertas actividades.

- Exportaciones: Son bienes y servicios propios de un pas que son

vendidos o enviados a otro pas con el fin de ser utilizados o
consumidos.

- Harina de pescado: Polvo compuesto de pescado concentrado que

contiene protenas para el consumo animal o humano.

- Histamina: Compuesto orgnico que se libera de distintos tipos de

clulas durante las reacciones inmunolgicas.

- Humedad: Presencia de agua u otro lquido en un cuerpo o en el

ambiente.

- ndice: Valor numrico que expresa la relacin estadstica entre varias cantidades
referentes a un mismo fenmeno.

- Maquinaria: Mecanismo que da movimiento en la produccin de las

empresas.

26
- Mejora: Perfeccionar algo, haciendo pasar de un estado bueno a otro
mejor. Se debe realizar continuamente para lograr mayor aceptacin
en nuestros mercados.

- Mezcla: Unin, enlace o agrupacin de cosas heterogneas de varias

sustancias.

- Parmetros: Valor numrico o dato fijo que se considera en el

estudio o anlisis de una cuestin.

- Producto: Es cualquier objeto que es ofrecido en un mercado con la

intencin de satisfacer un deseo o una necesidad del consumidor.

- Protenas: Cualquiera de las numerosas sustancias qumicas

formadas por aminocidos que forman parte de la materia
fundamental de las clulas y de las sustancias vegetales y animales.

- Proyecto: Es el conjunto de las actividades que realiza una persona o

una empresa para lograr un determinado objetivo, estas actividades
se encuentran interrelacionadas y se desarrollan de manera
coordinada.

- Rentabilidad: Capacidad de rentar o producir un beneficio suficiente.

- Restricciones: Lmite, impedimento o limitacin, en la realizacin de

una conducta, proyecto, etc.

- Ruma: Apilamiento de objetos en un solo lugar.

- Sacos: Receptculo o bolsa de tela abierta por uno de los lados para
llenado de ciertos materiales.

- Sistema: Es un conjunto de reglas, principios la cual van a evaluar o

determinar una actividad para llegar a un objetivo especfico.

- Volumen: Es una magnitud escalar2 definida como la extensin

en tres dimensiones de una regin del espacio.

27
CAPTULO III

METODOLOGA

28
3.1. TIPO DE ESTUDIO

El estudio corresponde a una investigacin:

Descriptiva Correlacional - Transversal:

La investigacin es descriptiva debido a que se detalla las caractersticas

de las variables. Al existir dos variables relacionadas en el estudio se da
una correlacin; ya que se busca conocer la relacin de la programacin
lineal y la optimizacin; y adems, es transversal ya que la informacin
obtenida es un lapso de corto de tiempo.

3.2. DISEO DE INVESTIGACIN

a. No Experimental:

En la investigacin y anlisis de los datos sobre la programacin lineal

y la optimizacin, no existe manipulacin directa la variacin
simultnea de la variable para medir su efecto.

b. Diseo:
El diseo es Correlacional porque mide el grado de asociacin entre las
2 variables (cuantifica relaciones). Es decir mide cada variable
relacionada.

Leyenda:

M: Muestra.
Ox: Programacin Lineal
Oy: Optimizacin.
r: Coeficiente de correlacin.

3.3. HIPTESIS

La programacin lineal se relaciona con la eficiente optimizacin de la

harina de pescado en la Corporacin Pesquera HILLARY S.A.C. Chimbote,
2014.

29
3.4. IDENTIFICACIN DE VARIABLES:

3.4.1.Operacionalizacin de Variables:

DEFINICIN DEFINICIN DIMENSION ESCALA DE

VARIABLES INDICADORES
CONCEPTUAL OPERACIONAL ES MEDICIN

- Grasa. - Sal +
Arena
Es un procedimiento o - Humedad -
algoritmo matemtico Tcnica matemtica Restriccion Histamina
LIKERT
es - Protenas -
mediante el cual se para la mejor
Digestibilidad
resuelve un problema asignacin de los - Protena soluble
indeterminado, recursos limitados - TVN - FFA
PROGRAMACI
formulado a travs de de la organizacin
N LINEAL - Rentabilidad.
un sistema de para el desarrollo o - Protenas.
Parmetros LIKERT
- Grasa.
inecuaciones lineales, produccin de bienes
- humedad.
optimizando la funcin y servicios en una
objetivo, tambin forma ptima. - Super Prime
- Prime
lineal. Calidad de
- Taiwan LIKERT
la harina - Thailand
- STD

30
 - Cantidad.
- Contenido.
Mezcla LIKERT
- Aroma.
- Color

OPTIMIZACIN
Component - Maquinaria.
- Equipos. LIKERT
es - Aditivos.

- Costo de
produccin
Rentabilida
- Beneficio LIKERT
d
de
produccin

31
3.5. POBLACIN, MUESTRA Y MUESTREOS

Incluir diagrama de operaciones que sustenten a los 6 participantes de la

produccin (es una justificacin)

3.6. CRITERIOS DE SELECCIN

3.7. TCNICAS E INSTRUMENTOS DE RECOLECCIN DE DATOS

3.8. VALIDACIN Y CONFIABILIDAD

3.9. MTODOS DE ANLISIS DE DATOS

3.10. ASPECTOS TICOS

32
 CAPTULO IV

ASPECTOS ADMINISTRATIVOS

33
4.1. RECURSOS Y PRESUPUESTOS

4.2. FINANCIAMIENTO

4.3. CRONOGRAMA DE EJECUCIN

34
 CAPTULO V

REFERENCIAS BIBLIOGRFICA

35
- J. Sanchez-Hubert y E. Sanchez-Palencia, "Acoustic fluid flow through
holes and permeability of perforated walls", Jour. Math. Anal. Appl., Vol.
87, pp. 427-453, (1982)
- E. Sanchez-Palencia, "Boundary value problems in domains containing
perforated walls", Nonlinear Partial Differential Equations and Their
Aplications, College de France Smznar, III, Research Nothes in
Mathematics, Vol. 70, pp. 309-325, Pitman, Londres, (1982).
- http://es.wikipedia.org/wiki/Programaci%C3%B3n_lineal
- http://definicion.de/programacion-lineal/
- http://www.slideshare.net/renevive/manual-programacion-lineal-julio-20
- http://www.ehowenespanol.com/caracteristicas-del-problema-
programacion-lineal-info_203740/
- http://tombasededatos.wordpress.com/2010/08/21/1-4-1-2-
independencia-logica-y-fisica-de-los-datos/
- http://www.slideshare.net/Juanp3000/resumen-programacion-lineal#
- http://portal.uexternado.edu.co/pdf/5_revistaSotavento/pdfSotavento/So
tavento%2010/GloriaDiaz.pdf
- http://www.buenastareas.com/ensayos/Programacion/7016.html?_p=2
- http://es.wikipedia.org/wiki/Variable_(programaci%C3%B3n)
- http://www.enciclopediafinanciera.com/definicion-funcion-objetivo.html
- http://www.monografias.com/trabajos96/formulacion-modelos-
programacion-lineal/formulacion-modelos-programacion-lineal.shtml
- http://ingenierosindustriales.jimdo.com/herramientas-para-el-ingeniero-
industrial/investigaci%C3%B3n-de-operaciones/m%C3%A9todo-simplex/
- http://www.monografias.com/trabajos75/metodo-simplex-
maximizacion/metodo-simplex-maximizacion2.shtml
- http://www.metatrader5.com/es/terminal/help/tester/tester_using/optimi
zation/optimization_types
- http://es.wikipedia.org/wiki/Homogeneizaci%C3%B3n
- http://www.geape.es/gpees/cmsdoc.nsf/webdoc/webb7rtgaw
- http://www.asocem.org.pe/bivi/sa/cur/fls/HorSis/homogeneizacion.pdf
- http://www.monografias.com/trabajos94/tecnicas-toma-y-preparacion-
muestra-homogenizacion-y-dilucion-metodo-howard/tecnicas-toma-y-
preparacion-muestra-homogenizacion-y-dilucion-metodo-howard.shtml
- http://www.gea-pe.com.ar/nar/cmsdoc.nsf/webdoc/webb7hgrbs

36
CAPTULO VI

ANEXOS

37
De