APLICACIN DE PROGRAMACIN LINEAL

PARA MINIMIZAR LOS COSTOS DE

PRODUCCIN EN EL PAN BLANCO BIMBO

CURSO: Investigacin Operativa I

DOCENTE: Ing. Zamora Crdova

ELABORADO POR:

Cosme Oscuvilca Jerson-13170016

Gamero Navarro Cesar Piero-13170023

Ingaruca Ortiz Reynaldo Miguel-13170029

Torres Estrella Cristian-13170

Lima 30 de Junio
2016
Laboratorio de Investigacin Operativa I - UNMSM
2016

NDICE

I. INTRODUCCIN,...2
II. MARCO TERICO3

I.I DATOS GENERALES DE LA EMPRESA

I.I.I GRUPO BIMBO.....3

I.I.II CATLOGOS DE LOS PRODUCTOS QUE OFRECE
BIMBO......4
I.I.III DESCRIPCIN DEL PRODUCTO A ANALIZAR....5
I.I.IV MAPA DE PROCESOS...6

I.II BASES TERICAS DE FORMULACIN Y ANLISIS EN

INVESTIGACIN DE OPERACIONES
I.II.I PROGRAMACIN LINEAL7
I.II.II COMO RESOLVER UN PROBLEMA MEDIANTE
PROGRAMACIN LINEAL?....................................................7
I.II.III ANLISIS DE SENSILBILIDAD..10
FORMULACIN DEL MODELO Y ANLISIS

CONCLUSIONES

1
Laboratorio de Investigacin Operativa I - UNMSM
2016

1. INTRODUCCIN

En la Investigacin de Operaciones la mayora de las aplicaciones suele

implicar diversos grados de aproximacin .La figura N1 ilustra los niveles
de abstraccin que caracterizan el desarrollo de un modelo de
Investigacin de Operaciones. Abstraemos del sistema real al sistema
supuesto al concentrarnos en las variables dominantes que controlan el
comportamiento del sistema real. El modelo expresa de una manera
razonable las funciones matemticas que representan el comportamiento
del sistema real supuesto.

Ante esto el proyecto nos presenta, la formulacin y anlisis del sistema

de fabricacin del pan blanco Bimbo, cuya finalidad es de minimizar los
costes de produccin.

FIGURA N1

2
Laboratorio de Investigacin Operativa I - UNMSM
2016

2. MARCO TERICO

2.1. DATOS GENERALES DE LA EMPRESA

2.1.1. GRUPO BIMBO

La Compaa fue fundada en 1945 con una sola planta y 10 camiones

repartidores con pan de caja en la Cuidad de Mxico, entre sus
activos se incluyen 156 plantas, ms de 50,000 rutas de distribucin y
ms de 2 millones de puntos de venta.

Grupo Bimbo, una de las empresas panificadoras ms grandes e

importantes del mundo por posicionamiento de marca, por volumen
de produccin y ventas. Adems de que son el lder de panificadoras
en Mxico, Latinoamrica y Estados Unidos.

Cuenta con 12 plantas productivas entre Espaa y Portugal y con 65

delegaciones y gerencias de ventas. Tiene presencia en 19 pases de
Amrica, Asia y Europa, cuenta con ms de 10,000 productos y con
ms de 100 marcas de reconocido prestigio.

3
Laboratorio de Investigacin Operativa I - UNMSM
2016

2.1.2 CATLOGOS DE LOS PRODUCTOS QUE OFRECE BIMBO

NOMBRE
COMERCIAL

Pan Bimbo

Hot Dogs

Pan tostado

Panque casero

4
Laboratorio de Investigacin Operativa I - UNMSM
2016

2.1.3 DESCRIPCIN DEL PRODUCTO A ANALIZAR

Es un pan rico y nutritivo, que cuenta con nutrimentos como calcio, y

una mezcla de vitaminas que ayudan a fortalecer el cuerpo humano y
a desarrollar el crecimiento infantil.
Este pan se vende en distintas presentaciones, que son chicos,
medianos, grandes y extra grandes, en este caso l que se eligi el de
la presentacin de 680g (grande).

Materia Prima

Leche

Harina

Azcar

Manteca

Levadura

Empaque

5
Laboratorio de Investigacin Operativa I - UNMSM
2016

2.1.4 MAPA DE PROCESOS

RETROALIMENTACIN

6
Laboratorio de Investigacin Operativa I - UNMSM
2016

2.2 BASES TERICAS DE FORMULACIN Y ANALISIS EN

INVESTIGACIN DE OPERACIONES

2.2.1 PROGRAMACIN LINEAL

La Programacin Lineal corresponde a un algoritmo a travs del cual

se resuelven situaciones reales en las que se pretende identificar y
resolver dificultades para aumentar la productividad respecto a los
recursos (principalmente los limitados y costosos), aumentando as los
beneficios. El objetivo primordial de la Programacin Lineal es
optimizar, es decir, maximizar o minimizar funciones lineales en varias
variables reales con restricciones lineales (sistemas de inecuaciones
lineales), optimizando una funcin objetivo tambin lineal.

2.2.2 COMO RESOLVER UN PROBLEMA MEDIANTE

PROGRAMACIN LINEAL?

El primer paso para la resolucin de un problema de programacin lineal

consiste en la identificacin de los elementos bsicos de un modelo
matemtico, estos son:

Funcin Objetivo
Variables
Restricciones

El siguiente paso consiste en la determinacin de los mismos, para lo cual

proponemos seguir la siguiente metodologa:

7
Laboratorio de Investigacin Operativa I - UNMSM
2016

LA FUNCIN OBJETIVO

La funcin objetivo tiene una estrecha relacin con la pregunta general que
se desea responder. S en un modelo resultasen distintas preguntas, la
funcin objetivo se relacionara con la pregunta del nivel superior, es decir,
la pregunta fundamental. As por ejemplo, si en una situacin se desean
minimizar los costos, es muy probable que la pregunta de mayor nivel sea
la que se relacione con aumentar la utilidad en lugar de un interrogante que
busque hallar la manera de disminuir los costos.

LAS VARIABLES DE DECISIN

Similar a la relacin que existe entre objetivos especficos y

objetivo general se comportan las variables de decisin respecto a la

8
Laboratorio de Investigacin Operativa I - UNMSM
2016

funcin objetivo, puesto que estas se identifican partiendo de una serie

de preguntas derivadas de la pregunta fundamental. Las variables de
decisin son en teora factores controlables del sistema que se est
modelando, y como tal, estas pueden tomar diversos valores posibles,
de los cuales se precisa conocer su valor ptimo, que contribuya con
la consecucin del objetivo de la funcin general del problema.

RESTRICCIONES

Cuando hablamos de las restricciones en un problema de programacin

lineal, nos referimos a todo aquello que limita la libertad de los valores que
pueden tomar las variables de decisin. La mejor manera de hallarlas
consiste en pensar en un caso hipottico en el que decidiramos darle un
valor infinito a nuestras variables de decisin, por ejemplo, qu pasara s
en un problema que precisa maximizar sus utilidades en un sistema de
produccin de calzado decidiramos producir una cantidad infinita de
zapatos? Seguramente ahora nos surgiran mltiples interrogantes, como
por ejemplo:

Con cunta materia prima cuento para producirlos?

Con cunta mano de obra cuento para fabricarlos?
Pueden las instalaciones de mi empresa albergar tal cantidad de
producto?
Podra mi fuerza de mercadeo vender todos los zapatos?
Puedo financiar tal empresa?

Pues bueno, entonces habramos descubierto que nuestro sistema presenta

una serie de limitantes, tanto fsicas, como de contexto, de tal manera que
los valores que en un momento dado podran tomar nuestras variables de
decisin se encuentran condicionados por una serie de restricciones.

9
Laboratorio de Investigacin Operativa I - UNMSM
2016

2.2.3 ANLISIS DE SENSIBILIDAD

Para los modelos de Programacin Lineal, tiene por objetivo identificar el

impacto que resulta en los resultados del problema original luego de
determinadas variaciones en los parmetros, variables o restricciones
del modelo, sin que esto pase por resolver el problema nuevamente.

Es decir, ya sea si resolvemos nuestro modelo grficamente o utilizando el

Mtodo Simplex, lo que se busca es que estas variaciones o sensibilidad
hagan uso de la solucin y valor ptimo actual, sin tener la necesidad de
resolver para cada variacin un nuevo problema. En especial nos
concentraremos en el anlisis de sensibilidad o postoptimal que hace uso
de la tabla final del Mtodo Simplex.

Siguiendo la notacin utilizada en la seccin dedicada al Mtodo

Simplex en nuestro sitio, ste opera para modelos de Programacin Lineal
en un formato estndar.

Min cTx
S.A Ax = b
x >= 0

Donde la tabla final del Mtodo mantiene la siguiente estructura:

Dnde:

I: Matriz Identidad
0: Costos reducidos asociados a las variables bsicas
B: Matriz de variables bsicas
D: Matriz de variables no bsicas
b: Lado derecho
Cb: Coeficientes en la funcin objetivo asociados a las variables bsicas
Cd: Coeficientes en la funcin objetivo asociados a las variables no bsicas

10
Laboratorio de Investigacin Operativa I - UNMSM
2016

a) Cambio en el "lado derecho" de las restricciones: Lo que se busca

identificar si las actuales variables bsicas se mantienen luego de la
modificacin de uno o ms parmetros asociados al "lado derecho" del
modelo. Si calculamos:

y se cumple , Las mismas variables bsicas lo son

tambin de la nueva solucin ptima, calculada con el nuevo . Si lo
anterior no se cumple, se puede aplicar el Mtodo Simplex Dual.

EJEMPLO: Sin resolver nuevamente el problema, se desea saber si las

actuales variables bsicas ptimas del problema tambin lo son del mismo
problema, donde los lados derechos corresponde al vector b=(20,30).
(Observacin: X4 y X5 son variables de holgura de la restriccin 1 y 2
respectivamente)

Max 2x1 + 7x2 - 3x3

S.A: x1 + 3x2 + 4x3 <= 30
x1 + 4x2 - x3 <= 10
x1, x2, x3 >= 0

X1 X2 X3 X4 X5
0 -1 5 1 -1 20
1 4 -1 0 1 10
0 1 1 0 2 201

Para analizar este escenario debemos calcular el vector de variables

bsicas y verificar si todos sus componentes son positivos definidos. Ntese
que para esto necesitamos la matriz B inversa, la cual fcilmente podemos
rescatar identificando los parmetros asociados a X4 y X5 (variables de
holgura de la restriccin 1 y 2 respectivamente) en la tabla final del Mtodo
Simplex:

Luego, dado que al menos uno de los coeficientes del nuevo lado derecho
tiene un valor negativo, cambia la actual base ptima. Cabe destacar que
ante esta situacin no es necesario resolver el nuevo escenario partiendo
de cero, sino lo que se debe hacer es utilizar la tabla final del simplex del
escenario base, actualizando el lado derecho y valor de la funcin objetivo.

11
Laboratorio de Investigacin Operativa I - UNMSM
2016

X1 X2 X3 X4 X5
-
0 -1 5 1 -1
10
1 4 -1 0 1 30
0 1 1 0 2 60

Posteriormente, se continua iterando haciendo uso del Mtodo Simplex

Dual.

b) Inclusin de una nueva variable: Debemos evaluar si la nueva variable

es un aporte significativo a los resultados del modelo original. Luego, para
decir si la actual solucin bsica es ptima para el nuevo problema,
calculamos el costo reducido de la nueva variable como:

Donde k es el ndice de la nueva variable y Ak su

respectiva columna en la matriz de coeficientes. Si se cumple que rk>=0 se
conserva la actual solucin ptima. En caso contrario, se puede seguir con
el Simplex agregando a la tabla una nueva columna con entradas B-
1Ak y rk y tomando como variable entrante a la nueva base la que
acabamos de introducir al problema.

EJEMPLO: Se desea estudiar la posibilidad de elaborar un nuevo producto

con beneficio neto igual a 8 y que requiere 4, 2 y 5 unidades de los recursos
asociados a cada restriccin. Sin resolver nuevamente el
problema, Conviene elaborar el producto?

Max 9x1 + 12x2

S.A: 4x1 + 3x2 <= 180
2x1 + 3x2 <= 150
4x1 + 2x2 <= 160
x1, x2 >= 0

12
Laboratorio de Investigacin Operativa I - UNMSM
2016

X1 X2 X3 X4 X5
-
1 0 1/2 0 15
1/2
-
0 1 2/3 0 40
1/3
-
0 0 2/3 1 20
4/3
0 0 1/2 7/2 0 615

Se debe evaluar rk y determinar si este es >=0.

En este ejemplo rk=1>=0, por lo cual no conviene la incorporacin de esta

nueva variable al modelo, es decir, aun cuando sea incorporada no
obtendremos un valor ptimo que supere el actual V(P)=615. De todas
formas mostraremos como se incluye en la tabla final del Simplex esta
modificacin de modo que el lector pueda entender su incorporacin
cuando es necesario:

X1 X2 X3 X4 X5 XNew
-
1 0 1/2 0 1 15
1/2
-
0 1 2/3 0 0 40
1/3
-
0 0 2/3 1 1 20
4/3
0 0 1/2 7/2 0 1 615

13
Laboratorio de Investigacin Operativa I - UNMSM
2016

Si el costo reducido de esta nueva variable hubiese sido cero, entonces el

nuevo escenario tendra infinitas soluciones.

c) Cambio en los Coeficientes Funcin Objetivo: Se busca identificar

qu ocurre con la actual solucin ptima del escenario base si se cambian
uno o varios de los coeficientes que definen la funcin objetivo. La solucin
ptima actual tambin lo ser para el nuevo escenario siempre que los
nuevos costos reducidos sean mayores o iguales a cero (notar que tambin
cambia el valor de la funcin objetivo en la actual solucin ptima). Es decir
se debe cumplir que:

En caso contrario, se aplica el Simplex a partir de la tabla final del modelo

original, con los nuevos costos reducidos y nuevo valor de la actual solucin
bsica.

EJEMPLO: Sin resolver nuevamente el problema, se desea saber que

sucede si se modifica los parmetros de la funcin objetivo, quedando stos
de la siguiente forma: Z = x1 + 5x2 - 2x3. (X4 y X5 son las variables de
holgura de la restriccin 1 y 2 respectivamente).

Max 2x1 + 7x2 - 3x3

S.A: x1 + 3x2 + 4x3 <= 30
x1 + 4x2 - x3 <= 10
x1, x2, x3 >= 0

X1 X2 X3 X4 X5
0 -1 5 1 -1 20
1 4 -1 0 1 10
0 1 1 0 2 20

14
Laboratorio de Investigacin Operativa I - UNMSM
2016

Debido a que los cambios en los parmetros de la funcin objetivo se

producen en ms de una variable consideraremos la siguiente frmula:

Debido a que al menos uno de los costos reducidos de las variables no

bsicas se ha vuelto negativo, entonces cambia la actual solucin y valor
ptimo del problema. Para incorporar esta modificacin en la tabla final del
Mtodo Simplex se actualiza los costos reducidos asociados a las variables
no bsicas, adems del valor ptimo, quedando como sigue:

X1 X2 X3 X4 X5
0 -1 5 1 -1 20
1 4 -1 0 1 10
0 -1 1 0 1 10

d) Inclusin de una nueva restriccin: Para saber si la actual solucin y

valor ptimo se mantendr luego de incorporar una nueva restriccin al
problema se debe evaluar la solucin actual y verificar si satisface la nueva
restriccin. En caso afirmativo, la actual solucin tambin lo ser del
problema con la nueva restriccin, en caso contrario se incorpora la nueva
restriccin a la tabla final del Simplex del escenario base.

EJEMPLO: Sin resolver nuevamente el problema, se desea saber que

sucede si se considera una nueva restriccin de la forma: 3x1 + 2x2 + 3x3
<= 25. (Observacin: Considerar mismo modelo y tabla final del ejemplo
anterior)

15
Laboratorio de Investigacin Operativa I - UNMSM
2016

Se evala la solucin actual en la restriccin: 3*(10) + 2*(0) + 3*(0) <= 25.

No cumple. Por tanto se incorpora esta nueva restriccin como fila a la tabla
final del Simplex. Adicionalmente, se agrega X6 como variable de holgura
asociada a esta nueva restriccin:

X1 X2 X3 X4 X5 X6
0 -1 5 1 -1 0 20
1 4 -1 0 1 0 10
3 2 3 0 0 1 25
0 1 1 0 2 0 20

Una alternativa para encontrar el ptimo a travs de esta tabla es formar la

identidad (debemos hacer cero el parmetro asociado a X1 en la tercera
fila) multiplicando la fila 2 por -3 y sumando dicho resultado a la fila 3. De
esta forma se obtiene:

X1 X2 X3 X4 X5 X6
0 -1 5 1 -1 0 20
1 4 -1 0 1 0 10
-
0 6 0 -3 1 -5
10
0 1 1 0 2 0 20

Finalmente obtenemos X4, X1 y X6 como variables bsicas. Producto de la

transformacin un lado derecho queda negativo y en este caso podemos
continuar adelante utilizando el Mtodo Simplex Dual.

16
Laboratorio de Investigacin Operativa I - UNMSM
2016

3. FORMULACION DEL MODELO Y ANLISIS

Uno de los productos ms conocidos de la compaa panificadora Bimbo es el pan

de molde blanco, el cual requiere de ciertos ingredientes como harina, leche,
levadura, etc. Pero requiere tambin de algunos estndares de calidad, en la tabla
mostramos los nutrientes de cada uno de los ingredientes (mayor concentracin).
La compaa debe minimizar los costos de estos productos y cumplir con los
requerimientos para la venta al mercado.

Nutriente Harina Leche Levadura Requerimiento

Proteinas 4 3 2 20
Azucar 5 6 3 30
Grasas 1 2 1 10
Fibra 2 1 2 5
Carbohidratos 2 3 1 10
Costo/g 2.00 3.00 2.50

El problema a resolver consiste en definir la combinacin de ingredientes que

permite obtener, al mnimo costo, el alimento con el contenido nutricional
deseado.
: ()(: , , )
Minimizar costos = 21 + 32 + 2.53
Sujeto a:
Requerimiento de Protenas:
41 + 32 + 23 20
Requerimiento de Azucares:
51 + 62 + 33 30
Requerimiento de Grasas:
1 + 22 + 3 10
Requerimiento de Fibras:
21 + 2 + 23 5

17
Laboratorio de Investigacin Operativa I - UNMSM
2016

Requerimiento de Carbohidratos:
21 + 32 + 13 10
No negatividad:
0 ; = 1,2,3

Utilizando LINDO:

18
Laboratorio de Investigacin Operativa I - UNMSM
2016

Anlisis de sensibilidad del Primal

Solucin:
X1 =2 se utilizara 2g de Harina
X2=4 se utilizara 4g de Leche
X3=0 no se utilizara Levadura
Se obtendr el mnimo costo posible que ser S/.16, el valor a aumentar en
el costo de harina es S/. 2 y el mximo a disminuir es S/.0.5, en el caso de la
leche el mximo a aumentar es S/1 y el mximo a disminuir es S/1.5 y en el
de la levadura se podr aumentar la cantidad que quiera no afectara en la
solucin y el mximo a disminuir es S/.0.9.

19
Laboratorio de Investigacin Operativa I - UNMSM
2016

En las restricciones el mximo requerimientos de protena a aumentar y

disminuir es de 20 y 5 respectivamente, en el de azucares es 4 e Infinito,
grasas 3.33 y 2.22, fibras 3 e infinito, carbohidratos 6 e infinito para que la
solucin ptima no cambie.

Si se disminuye en 1 el requerimiento de protenas se podr ahorrar S/.0.2

De igual manera el de grasas si se disminuye en 1 el costo disminuir en

S/.1.2.

20
Laboratorio de Investigacin Operativa I - UNMSM
2016

Calculando el dual:
Supongamos que BIMBO tiene un proveedor que le ofrece directamente las
protenas, grasas, azucares, etc. Para su producto, por tanto, este proveedor
intentara maximizar su utilidad vendiendo estos nutrientes, al mayor precio
posible.
:

Max utilidad = 20 + 30 + 10 + 5 + 10

Sujeto a:
Pero Bimbo sabe que lo mximo que puede pagar por 4g de protenas, 5g de
azcar, 1g de grasa, 2g de fibra, y 2g de carbohidrato es 2.00 el precio de la
harina, ya que la harina le ofrece todo ello.
4 + 5 + + 2 + 2 2

21
Laboratorio de Investigacin Operativa I - UNMSM
2016

Bimbo sabe tambin que lo mximo que puede pagar por 3g de protenas, 6g
de azcar, 2g de grasa, 1g de fibra, y 3g de carbohidrato es 3.00 el precio de
la leche, ya que la leche le ofrece todo ello.
3 + 6 + 2 + + 3 3

Bimbo sabe tambin que lo mximo que puede pagar por 2g de protenas, 3g
de azcar, 1g de grasa, 2g de fibra, y 1g de carbohidrato es 2.50 el precio de
la levadura, ya que la levadura le ofrece todo ello.
2 + 3 + + 2 + 2.50

No negatividad:
0 ; : , , .

En esta segunda formulacin observamos el dual del primero

Anlisis de sensibilidad del dual
Solucin:
Y1 =0.2 el precio de las protenas/g
Y2=0 el precio de los azucares/g
Y3=1.2 el precio de las grasas/g
Y4=0 el precio de las fibras/g
Y5=0 el precio de los carbohidratos/g
Se obtendr la mxima utilidad posible que ser S/.16, el valor a
aumentar en el precio de protenas es S/. 20 y el mximo a disminuir es S/.5,
en el caso de los azucares el mximo a aumentar es S/.4 y se puede
disminuir todo lo que se quiera, no afecta a la solucin, en el de las grasas se
podr aumentar al precio S/.3.33 y el mximo a disminuir es S/.2.22, de la
misma manera en el caso del precio de la fibra se podr aumentar S/.3 y se
puede disminuir todo lo que se quiera, tampoco afecta la solucin.
Finalmente, el precio de los carbohidratos se podr aumentar en S/.6 y se
puede disminuir todo lo que quiera sin afectar la solucin.
En las restricciones el mximo precio a pagar por la cantidad mencionada de
nutrientes a aumentar y disminuir es de 2 y 0.5 respectivamente en la
primera restriccin, en la segunda restriccin es 1 y 1.5, en la tercera
restriccin infinito y 0.9 respectivamente para que la solucin ptima no
cambie.

22
Laboratorio de Investigacin Operativa I - UNMSM
2016

Por tanto, el proveedor X si desea maximizar sus ganancias y poder

competir con los costos que equivalen a comprar los ingredientes harina,
leche y levadura debe cobrar S/.0.20 por gramo de protena y S/.1.3 por
gramo de grasa, lo dems debe venir incluido para que Bimbo pueda
comprar de este proveedor.
4. CONCLUSIONES

23
Laboratorio de Investigacin Operativa I - UNMSM
2016

24