Programacin Lineal

PowerPoint Slides by Jeff Heyl and

translated by Victor Pumisacho
Copyright 2010 Pearson Education, Inc. Publishing as Prentice Hall.

For Operations Management, by

Krajewski/Ritzman/Malhotra
Pearson Education
E1

Introduccin
Muchas de las decisiones gerenciales implican tratar
de hacer el uso ms efectivo de recursos limitados

Maquinaria, trabajo, dinero, tiempo, espacio de

almacenamiento, materias primas

Programacin lineal (PL) es una tcnica de modelado

matemtico utilizado ampliamente, diseado para
ayudar a los administradores en la planificacin y
toma de decisiones relativas a la asignacin de
recursos
Pertenece al campo amplio de la programacin
matemtica
En este sentido, la programacin se refiere a la
modelizacin y resolucin de un problema
matemticamente
E2

Requisitos de un problema de
programacin lineal
PL ha sido aplicada en muchas reas en
los ltimos 50 aos
Todos los problemas de PL tienen 4
propiedades en comn
1. Todos los problemas buscan maximizar o
minimizar alguna cantidad (la funcin objetivo)
2. La presencia de restricciones o limitaciones
limitan el grado en que podemos buscar
nuestro objetivo
3. Debe haber alternativas de lneas de accin
para elegir
4. El objetivo y las restricciones en problemas
deben ser expresadas en trminos de
ecuaciones o desigualdades lineales
E3

Ejemplos de xito de aplicaciones

PL
Desarrollo de un programa de produccin que le
permita
satisfacer las demandas futuras de produccin de una
empresa
mientras minimiza los costos totales de produccin e
inventario

Determinacin de tipos de productos derivados del

petrleo para obtener el mximo beneficio
Seleccin de diferentes mezclas de materias primas
para alimentar los molinos y producir combinaciones
de alimentos terminados a un costo mnimo
Determinacin de un sistema de distribucin que
minimice el costo total del envo desde varios lugares
de almacenamiento a varios lugares de mercado
E4

Propiedades y supuestos PL
PROPIEDADES DE LOS PROGRAMAS LINEALES
1. Una funcin objetivo

2. Una o ms restricciones
3. Alternativas de cursos de accin
4. La funcin objetivo y las restricciones son lineales
SUPUESTOS DE PL
1. Certeza
2. Proporcionalidad

3. Aditividad
4. Divisibilidad

5. Variables no negativas
E5

Supuestos bsicos de PL
Suponemos que existen condiciones de certidumbre y
que los nmeros en el objetivo y las restricciones se
conocen con certeza y no cambian durante el perodo
de estudio
Suponemos existe proporcionalidad en el objetivo y
en las restricciones

constancia entre los aumentos de produccin y la

utilizacin de recursos - si 1 unidad necesita 3 horas
entonces 10 requieren 30 horas

Suponemos aditividad ya que el total de todas las

actividades es igual a la suma de las actividades
individuales
Asumimos divisibilidad ya que las soluciones no tiene
que ser necesariamente nmeros enteros
Todas las respuestas o variables son no negativas, ya
que se trata de cantidades fsicas reales
E6

Conceptos Bsicos
Programacin Lineal es un proceso de
optimizacin

Con una sola funcin objetivo se expresa

matemticamente lo que se intenta maximizar o
minimizar

Las variables decisin representan aquellas opciones

que estn bajo el control de la persona que toma las
decisiones

Las restricciones son limitaciones que restringen las

selecciones permisibles para las variables de decisin.
Una de las tres formas: , , =.

Regin factible, regin que representa todas las

combinaciones permisibles para las variables de
decisin.

E7

Conceptos Bsicos

Parmetro, coeficiente o constante dada, un valor que

la persona a cargo de tomar la decisin no puede
controlar y que no cambia cuando se implementa la
solucin.

Certidumbre, palabra que se utiliza para describir que

un hecho se conoce sin lugar a duda.

Linealidad, caracterstica del modelo de programacin

lineal que implica proporcionalidad y aditividad; no
puede haber productos ni potencias de las variables
de decisin.

No negatividad, suposicin de que las variables de

decisin deben ser positivas o cero.

E8

Formulacin de problemas PL
La formulacin de un programa lineal implica
el desarrollo de un modelo matemtico para
representar el problema de gestin
Los pasos en la formulacin de un programa
lineal son
1. Comprender completamente el problema de
gestin que se enfrenta
2. Identificar el objetivo y las restricciones
3. Definir las variables de decisin
4. Utilizar las variables de decisin para escribir
expresiones matemticas tanto para la funcin
objetivo como para las restricciones
E9

Formulacin de problemas PL
Como una comprobacin de coherencia,
asegrese de que la misma unidad de
medida se est utilizando en ambos lados
de cada restriccin y de la funcin objetivo

E 10

Formulacin de problemas PL
Una de las aplicaciones ms comunes de PL es
el problema de mezcla de productos
Dos o ms productos se producen utilizando
recursos limitados, tales como personal,
mquinas y materias primas
El beneficio que la empresa busca maximizar se
basa en la contribucin a los beneficios por
unidad de cada producto

La empresa desea determinar cuntas unidades

de cada producto debe producir con el fin de
maximizar el beneficio global dado lo limitado de
sus recursos
E 11

Formulacin de un Modelo PL
EJEMPLO 2.1
La Stratton Company produce dos tipos bsicos de tubo plstico. Tres
recursos son cruciales para la produccin de estos tubos: horas de
extrusin, horas de embalaje, y un aditivo especial para las materias
primas del plstico. Los siguientes datos representan la situacin
correspondiente a la prxima semana. Todos los datos estn
expresados en unidades de 100 pies de tubo
Producto
Tipo 1

Tipo 2

Disponibilidad de
Recursos

Extrusin

4 hr

6 hr

48 hr

Embalaje

2 hr

2 hr

18 hr

Mezcla aditiva

2 lb

1 lb

16 lb

Recurso

La contribucin a las ganancias y a los gastos generales por cada 100

pies de tubo es de $34 para el tipo 1 y $40 para el tipo 2. Formule un
modelo de programacin lineal para determinar qu cantidad de cada
tipo de tubo ser necesario producir para maximizar la contribucin a
las ganancias y a los gastos generales.
E 12

Formulacin del Modelo PL

SOLUCIN

Paso 1: Para definir las variables de decisin que determinan la

mezcla de productos, supondremos que

x1 = cantidad de tubo tipo 1 que ser necesario

producir y vender la semana prxima, medida en
incrementos de 100 pies
(por ej., x1 = 2 significa 200 pies de tubo tipo 1)

x2 = cantidad de tubo tipo 2 que ser necesario

producir y vender la semana prxima, medida
en incrementos de 100 pies

E 13

Formulacin del Modelo PL

Paso 2:A continuacin, definiremos la funcin objetivo. La
meta consiste en maximizar la contribucin total de
los dos productos a las ganancias y los gastos
generales. Cada unidad de x1 redita $34, y cada
unidad de x2 redita $40. Para valores especficos de
x1 y x2, encontramos la ganancia total multiplicando el
nmero de unidades fabricadas de cada producto por
la ganancia por unidad y sumndolas despus. As,
nuestra funcin objetivo se convierte en:

Maximizar:

$34x1 + $40x2 = Z

E 14

Formulacin del Modelo PL

Paso 3:El paso final es la formulacin de las restricciones.
Cada unidad de x1 y x2 producida consume una parte de
los recursos crticos. En el departamento de extrusin,
fabricar una unidad de x1 requiere 4 horas y una unidad
de x2 requiere 6 horas. El total no deber exceder las 48
horas de capacidad disponibles, por lo cual usaremos el
signo . Por lo tanto, la primera restriccin es

4x1 + 6x2 48
En forma similar, podemos formular las restricciones
que corresponden al embalaje y las materias primas:

2x1 + 2x2 18 (embalaje)

2x1 + x2 16 (mezcla aditiva)

E 15

Formulacin del Modelo PL

Estas tres restricciones limitan nuestra seleccin de valores
para la variable de decisin, porque los valores que
seleccionamos para x1 y x2 debern satisfacerlas a todas.
Valores negativos de x1 y x2 no tendran ningn sentido, por lo
cual agregaremos al modelo restricciones de no negatividad:
x1 0 and x2 0 (restricciones de no negatividad)
Ahora ya podemos formular el modelo completo, el cual ha
sido complementado con las definiciones de variables.
Maximizar: $34x1 + $40x2 = Z
4x1 + 6x2 48
Sujeto a:
2x1 + 2x2 18
2x1 + x2 16
x1 0 y x2 0

donde
x1 = cantidad de tubo tipo 1 que ser producido y vendido la
semana prxima, medida en incrementos de 100 pies
x2 = cantidad de tubo tipo 2 que ser producido y vendido la
semana prxima, medida en incrementos de 100 pies
E 16

Anlisis Grfico
5 pasos bsicos
1.

Trazar la grfica de las restricciones

2.

Identificar la regin factible

3.

Trazar la grfica de una lnea de funcin

objetivo

4.

Encontrar la solucin visual

5.

Encontrar la solucin algebraica

E 17

Trazar la grfica de las restricciones

Trazamos las grficas de las ecuaciones de
restriccin, pasando por alto la parte de la
desigualdad (< o >), transformando en la ecuacin
de una recta
Encontramos las intersecciones con los ejes,
haciendo una variable igual a cero y resolviendo la
ecuacin para la segunda variable, repetimos esto
para las dos intersecciones
Una vez encontrados las intersecciones con los
ejes, dibujamos una lnea que conecte los dos
puntos de interseccin. Esta lnea representa a la
restriccin correspondiente

E 18

Trazar la grfica de las restricciones

Para
4x1 + 6x2 = 48

En el punto de interseccin con el eje x1 , x2 = 0, as:

4x1 + 6(0) = 48
x1 = 12
Para encontrar el punto de interseccin con el eje x2 ,
hacemos x1 = 0 y resolvemos para x2
4(0) + 6x2 = 48
x2 = 8
Unimos los puntos (0, 8) y (12, 0) por medio de una
recta, como se muestra en la Figura 2.1
E 19

Trazar la grfica de las restricciones

x2

18

Figura 2.1 Grfica de la restriccin Extrusin

16
14
12

10

(0, 8)

8
6

4x1 + 6x2 48 (extrusion)

4
2

(12, 0)
|

10 12

14 16 18

x1
E 20

Trazar la grfica de las restricciones

EJEMPLO 2.2

Para el problema de la compaa Stratton, trazar la grfica de

las dems restricciones: una para el embalaje y otra para la
mezcla aditiva
SOLUCIN

La ecuacin de la recta correspondiente al proceso de

embalaje es 2x1 + 2x2 = 18. Para encontrar la interseccin x1,
hacemos x2 = 0:
Para la restriccin
Para la restriccin
Embalaje
Mezcla aditiva
2x1 + 2(0) = 18
x1 = 9
2(0) + 2x2 = 18
x2 = 9

2x1 + 0 = 16
x1 = 8
2(0) + x2 = 16
x2 = 16
E 21

Trazar la grfica de las restricciones

x2

18

Figura 2.2 Grfica de las tres restricciones

16 (0, 16)
14

2x1 + x2 16 (mezcla aditiva)

12

2x1 + 2x2 18 (embalaje)

10

(0, 9)

8
6

4x1 + 6x2 48 (extrusin)

4
2

(9, 0)

(8, 0)
|

10 12

14 16 18

x1
E 22

Identificar la regin factible

La regin factible es el rea de la grfica que
contiene las soluciones capaces de satisfacer
simultneamente, incluso las restricciones de no
negatividad
Localice el rea que satisface todas las
restricciones usando tres reglas:
1. Para la restriccin =, slo los puntos de la recta son
soluciones factibles

2. Para la restriccin , los puntos de la recta y los puntos

debajo y a la izquierda de ella son soluciones factibles
3. Para la restriccin , los puntos de la recta y los puntos
arriba y a la derecha de ella son soluciones factibles

E 23

Identificar la regin factible

Cuando uno o varios de los parmetros del lado
izquierdo de una restriccin son negativos,
trazamos la recta de restriccin y ensayamos con
alguno de los puntos quex se localizan a un lado de
12
la misma
11
2

2x1 + x2 10
2x1 + 3x2 18
x1 7
x2 5
6x1 + 5x2 5
x1, x2 0

10
2x1 + x2 10
6x1 + 5x2 5
9
8
x1 7
7
x2 5
6
5
Regin
4
factible
3
2
2x1 + 3x2 18
Punto de
1
prueba
| |
| |
| | |
| | |
| | x
0
1
1 2 3 4 5 6 7 8 9 10 11 12
Figura 2.3 Identificacin de la regin factible
E 24

Identificar la regin factible

EJEMPLO 2.3

Identificar la regin factible para el problema de compaa Stratton

x2

SOLUCIN
Porque el problema
contiene slo restricciones
, y los parmetros del lado
izquierdo de cada
restriccin son no
negativos, las porciones
factibles se localizan a la
izquierda y debajo de cada
restriccin. La regin
factible, mostrada en la
Figura 2.4, satisface
simultneamente las tres
restricciones.

18
16
2x1 + x2 16 (mezcla aditiva)

14

2x1 + 2x2 18 (embalaje)

12
10 B

C
4x1 + 6x2 48 (extrusin)

6
4

Regin
2 factible
0
A

D
E

10 12 14 16 18

x1

Figura 2.4 La regin factible

E 25

Trazar la recta de la funcin objetivo

Limitar la bsqueda a los puntos localizados en
los vrtices
Un punto vrtice se localiza en la frontera de la
regin factible
Puntos interiores no necesitan ser considerados
Otros puntos del borde de la regin factible
pueden ser ignorados
Si la funcin objetivo corresponde a ganancias,
cada recta se conoce como una lnea isoganancias o iso-utilidad
Si Z mide el costo, la recta es llamada lnea isocostos
E 26

Trazar la recta de la funcin objetivo

En la Figura 2.4 escogemos el vrtice E (8, 0)
Sustituimos esos valores en la funcin objetivo
34x1 + 40x2 = Z
34(8) + 40(0) = 272
Entonces en el vrtice E (8, 0) la funcin objetivo
corresponde a la ecuacin
34x1 + 40x2 = 272
Resolviendo para la otra interseccin con el eje
34(0) + 40(x2) = 272
x2 = 6.8
E 27

Trazar la recta de la funcin objetivo

x2

Figura 2.5 Pasando una lnea iso-ganancias por (8, 0)

18
16
14

2x1 + x2 16 (mezcla aditiva)

12

10

2x1 + 2x2 18 (embalaje)

8
6

(3,6)

34x1 + 40x2 = 272

C

4x1 + 6x2 48 (extrusin)

0
A

10 12

14 16 18

x1

E
E 28

Encontrar la Solucin Visual

x2

Figura 2.6 Trazando la segunda lnea iso-ganancias

18
16
14

2x1 + x2 16 (mezcla aditiva)

12

10

2x1 + 2x2 18 (embalaje)

Solucin Optima (3, 6)

34x1 + 40x2 = 272

C

4x1 + 6x2 48 (extrusin)

0
A

10 12

14 16 18

x1

E
E 29

Encontrar la solucin algebraica

Paso 1. Desarrolle una ecuacin con una sola
incgnita. Comience multiplicando ambos
lados de la ecuacin por una constante, de
manera que el coeficiente de una de las dos
variables de decisin sea idntico en ambas
ecuaciones. Luego, reste una ecuacin de la
otra y resuelva la ecuacin resultante para
obtener el valor de su nica incgnita.

Paso 2. Sustituya el valor de esa variable de decisin

en cualquiera de las restricciones originales
y resuelva la ecuacin para encontrar la otra
variable de decisin.

E 30

Encontrando algebraicamente la
Solucin ptima
EJEMPLO 2.4

Encuentre algebraicamente la solucin ptima para el problema

de la compaa Stratton. Cul es el valor de Z cuando las
variables de decisin tienen sus valores ptimos?
SOLUCIN
Paso 1: La Figura 2.6 muestra que el punto vrtice ptimo
se localiza en la interseccin de las restricciones de
extrusin y de embalaje. Si escribimos las restricciones
como igualdades, tenemos:
4x1 + 6x2 = 48 (extrusin)
2x1 + 2x2 = 18 (embalaje)

E 31

Encontrando algebraicamente la
Solucin ptima
Multiplicamos cada trmino de la restriccin de embalaje por 2.
Ahora la restriccin de embalaje es 4x1 + 4x2 36. Despus,
restamos la restriccin de embalaje de la de extrusin. El
resultado ser una ecuacin en la cual se ha suprimido x1. As
pues:

4x1 + 6x2 = 48
(4x1 + 4x2 = 36)
2x2 = 12
x2 = 6

E 32

Encontrando algebraicamente la
Solucin ptima
Paso 2: Substituyendo el valor de x2 en la ecuacin de
restriccin, obtenemos:
4x1 + 6(6) = 48
4x1 = 12
x1 = 3

As, el punto ptimo es (3, 6)

Esta solucin produce una ganancia total de 34(3) + 40(6) =
$342. Es decir, la compaa Stratton deber producir la
prxima semana, 300 pies del tubo tipo 1 y 600 pies de tubo
del tipo 2.

E 33

Restriccin obligatoria
Una restriccin obligatoria es un recurso el cual
es completamente agotado cuando se utiliza la
solucin ptima, ya que limita la capacidad de
mejorar la funcin objetivo.
Sustituir la solucin ptima en la ecuacin de la
restriccin y resolver. Si el valor en el lado
izquierdo es igual al valor del lado derecho, la
restriccin es obligatoria.
Relajar una restriccin significa incrementar el
parmetro del lado derecho, si se trata de una
restriccin , o reducirlo si se trata de una
restriccin .

Relajar una restriccin significa hacerla menos

restrictiva, lo que posibilita encontrar una mejor
solucin.

E 34

Variables de holgura y de excedentes

La restriccin mezcla aditiva, 2x1 + x2 16, puede
ser re-escrita agregando la variable de holgura s1:

2x1 + x2 + s1 = 16
Despus, calculamos la holgura correspondiente a
la solucin ptima (3, 6):
2(3) + 6 + s1 = 16
s1 = 4
Para una restriccin restamos una variable de
excedentes en el lado izquierdo

E 35

Anlisis de Sensibilidad
Rara vez se conocen con certeza los parmetros
de la funcin objetivo y las restricciones.

Con frecuencia solamente son estimaciones de sus

valores reales, que no reflejan las estimaciones
asociadas por ejemplo, en el problema de la compaa
Stratton, al ausentismo o transferencia de personas.

Despus de haber resuelto el problema utilizando estos

valores estimados, el analista puede determinar en que
medida resultaran afectados los valores ptimos de las
variables de decisin y el valor de la funcin objetivo Z,
si ciertos parmetros tuvieran valores diferentes. Este
tipo de anlisis posterior a la solucin, que se realiza
para responder preguntas del tipo que pasara si, se
llama anlisis de sensibilidad.

E 36

Anlisis de Sensibilidad
TABLA 2.1

| ANLISIS DE SENSIBILIDAD, INFORMACIN

| PROPORCIONADA POR LA PROGRAMACION LINEAL

Trmino

Definicin

Sensibilidad
del
coeficiente

Cunto el coeficiente de la funcin objetivo de una variable de

decisin debe mejorar (aumentando para maximizacin o
disminuyendo para minimizacin), antes de que la solucin
ptima cambie y la variable de decisin se convierta en un
nmero positivo.

Precio
sombra

Es el mejoramiento marginal en Z (aumentando para

maximizacin o disminuyendo para minimizacin) a causa del
relajamiento de la restriccin en una unidad

Rango de
optimizacin

Define un lmite inferior y uno superior, dentro de los cuales los

valores ptimos de las variables de decisin permanecen sin
cambios.

Rango de
factibilidad

El intervalo (lmites inferior y superior) en el cual l parmetro del

lado derecho puede variar mientras su precio sombra sigue
siendo vlido.

E 37

Usando precios sombra

EJEMPLO 2.5

La compaa Stratton necesita respuestas a tres preguntas

importantes: Debera aumentar la capacidad en el rea de
extrusin si cuesta un extra de $ 8 por hora por encima de los
costes normales reflejado en los coeficientes de la funcin
objetivo? Debera incrementar la capacidad de embalaje si
cuesta un adicional de $ 6 por hora? Debera comprar ms
mezcla aditiva?
SOLUCIN

Expandiendo la capacidad de extrusin se debera pagar una

bonificacin de $8 por hora, pero el precio sombra de ese
recurso es solamente $3 por hora. Sin embargo, expandir las
horas de embalaje costara solamente $6 por hora mas que el
precio reflejado en la funcin objetivo, y el precio sombra es
$11 por hora. Finalmente, no debera comprar ms material
aditivo porque existe una holgura de 4 libras; entonces el
precio sombra es $0 para este recurso.
E 38

Solucin por Computadora

Mtodo Simplex
Es

un procedimiento algebraico iterativo

El

anlisis grfico permite comprender la lgica

del mtodo simplex

La

solucin factible inicial comienza en un vrtice

Iteraciones

posteriores resultan en soluciones

intermedias mejoradas

En

general, un vrtice no tiene ms que m

variables mayores que 0, donde m es el nmero de
restricciones (sin contar las restricciones de no
negatividad)

Cuando

ninguna mejora es posible, la solucin

ptima se ha encontrado y el algoritmo se detiene
E 39

Salida de datos de la Computadora

La mayora de los problemas de

programacin lineal del mundo real se
resuelven en una computadora, lo que
puede reducir drsticamente la cantidad de
tiempo que se requiere para resolver
problemas de programacin lineal
Existen muchos programas de
computadora que ayudan en esta tarea,
desde el Solver de Microsofts Excel, para
problemas de programacin lineal
medianos
E 40

Salida de datos de la Computadora

Figura 2.7(a) Hoja de entrada de datos

E 41

Salida de datos de la Computadora

Figura 2.7(b) Hoja de entrada de datos

E 42

Salida de datos de la Computadora

Figura 2.8 Pantalla de resultados

Figura 2.9 Pantalla de intervalos

E 43

Consejos para la interpretacin de

los datos de salida
Costos reducidos

El nmero de sensibilidad slo es relevante para una

variable de decisin que es 0 en la solucin ptima

En ella se informa de cunto el coeficiente de la funcin

objetivo debe mejorar antes de que la solucin ptima
entre en un nivel positivo

Precio sombra

El nmero es relevante slo para restricciones obligatorias

El precio sombra, es tanto positivo como negativo

El nmero de variables en la solucin ptima > 0

nunca exceder el nmero de restricciones
Degeneracin ocurre cuando el nmero de
variables 0 en la solucin ptima es menor que
el nmero de restricciones
E 44

Ejercicios
Para resolver en el aula

E 45

Problema propuesto 1
O'Connel Airlines est considerando la posibilidad de
proporcionar servicio areo desde su centro de operaciones
en Cicely, Alaska, a Roma, Wisconsin, y Seattle, Washington.
O'Connel tiene una terminal en el aeropuerto de Cicely, que
opera 12 horas al da. Cada vuelo requiere de 1 hora de
terminal. Cada vuelo a Roma consume 15 horas de tiempo
de la tripulacin de pilotos y se espera que produzca una
ganancia de $ 2,500. Sirviendo a Seattle utiliza 10 horas de
tiempo de tripulacin de pilotos por vuelo y dar lugar a un
beneficio de $ 2,000 por vuelo. El trabajo de la tripulacin de
pilotos est limitado a 150 horas por da. El mercado para el
servicio a Roma est limitado a nueve vuelos diarios.

a. Utilice el mtodo grfico para maximizar los beneficios.

b. Identifique las limitaciones de holgura y excedentes, si los
hay.

E 46

Aplicacin E.1
La compaa Crandon Manufacturing produce dos
principales lneas de productos, una sierra circular porttil y
una sierra de mesa de precisin. Hay dos operaciones
cruciales: la fabricacin y el montaje. La demanda mxima
del mercado el prximo ao es de 3.500 sierras al mes para
los dos productos. La contribucin media a los beneficios y
gastos generales es de $ 900 por cada sierra circular y $ 600
por cada sierra de mesa.
La administracin desea determinar la mejor combinacin
de productos para el prximo ao con el fin de maximizar la
contribucin a los beneficios y gastos generales. Adems,
est interesado en el beneficio de la ampliacin de la
capacidad o el aumento de la cuota de mercado.
Producto
Recurso

Sierra Circular

Sierra de mesa

Capacidad Mxima

Fabricacin

2 hrs/mes

1 hrs/mes

4,000 hrs/mes

Ensamblaje

1 hrs/mes

2 hrs/mes

5,000 hrs/mes
E 51