Prof. Ing. Claudio L. R.

Sturla

FRBA PROGRAMACIÓN LINEAL

PARTE VIII
Proemio al Problema de la Dieta
Un ejemplo hipotético sencillo servirá para facilitar la comprensión de la naturaleza del problema.
Supóngase solamente dos elementos nutritivos 1 y 2, o sea calorías y vitaminas, siendo

(C1, C2) = (700, 400)

Supongamos que hay cinco alimentos.

El primero, X1, contiene solamente calorías y se mide en unidades que dan por resultado el coeficiente
a11 =1, siendo a21 igual a cero; el segundo, X2, contiene solamente vitaminas, lo que viene indicado por
los coeficientes a22 =1 y a12 igual a cero; el tercero es igual al primero en que contiene solamente calorías
de forma que a13 = 1 y a 23 igual a cero; el cuarto contiene cantidades iguales de ambos elementos, y
definamos una unidad del cuarto alimento como una cantidad tal que a14 y a24 son iguales entre sí e
iguales a la unidad; finalmente, una unidad del quinto alimento tiene el doble de calorías que el cuarto,
de forma que a15 =2 y a 25 = 1
Para terminar, debemos suponer algunos precios para completar el problema.
Sean

( p1 , p 2 , p 3 , p 4 , p 5 ) = ( 2, 20, 3, 11, 12 )

estando todos los precios expresados en UM por unidad.

Nuestros datos numéricos se pueden resumir en la tabla:

Símbolos Datos Numéricos

Mínimo Nutrientes por unidad de Mínimo
Nutrientes por unidad de alimento
requerido alimento requerido
1 2 3 4 5 1 2 3 4 5
Elemento: a11 a12 a13 a14 a15 C1 1 0 1 1 2 700
Calorías
Vitaminas a 21 a 22 a 23 a 24 a 25 C2 0 1 0 1 1 400
Precios p1 p2 p3 p4 p5 Z 2 20 3 11 12 (¿)

El problema consiste en encontrar la mejor dieta

 x1 
 
 x2 
 x3 
 
 x4 

 x 5 

y el costo mínimo Z que viene indicado por el signo de interrogación.

Si resolviésemos este problema mediante tanteos, por pura suerte, o por sentido común, se encontraría
al final que:
(1) la Z más barata es 4700; que, además,
(2) este valor sólo se alcanza de una manera: mediante la dieta:
pl-08.doc 97
Prof. Ing. Claudio L. R. Sturla

 x1   0 
   
 x2   0 
 x3  =  0 
   
 x 4   100 

 x 5   300 

siendo nula la compra de los tres primeros alimentos; que

(3) se compran tantos alimentos como elementos nutrientes hay, consumiéndose los demás al nivel
cero, y finalmente
(4) que esta dieta óptima es también exacta, ya que no da exceso para ninguno de los dos elemen-
tos.
¿Cómo se ha llegado a estos resultados? Dejemos a un lado por el momento estas cuestiones, y veamos
primeramente cuál es el grado de generalidad que dichos resultados presentan.
¿Es universalmente cierta en programación lineal nuestra primera deducción, o sea, la existencia de un
valor óptimo de Z único?
Se puede responder afirmativamente, siempre y cuando los programas estén correctamente planteados.
No puede haber dos Z óptimas diferentes, pues en cualquier par de Z diferentes una será mejor que la
otra.
Además, en un problema de programación lineal correctamente planteado habrá un límite al valor que Z
puede tomar (tanto para el máximo como para el mínimo, según los casos), y casi invariablemente estos
problemas se plantean de forma que se puedan alcanzar en la realidad estos valores extremos permisibles
de Z
Por consiguiente, habrá un valor posible máximo (o mínimo) de Z que será el óptimo.
La segunda deducción, o sea que los valores de x son únicos, no es universalmente cierta.
Suele ocurrir que el Z óptimo se puede obtener con cierto número de valores de x alternativos y, en
consecuencia, por un número infinito de ellos.
Así, por ejemplo., supongamos que los tres primeros alimentos tuviesen precios relativamente bajos
comparados con los dos últimos.
La mejor dieta se encontraría, evidentemente, entre los tres primeros alimentos.
Pero supongamos que el alimento X1 y el alimento X2 , que son exactamente iguales, tuviesen también
precios bajos.
Entonces, la mejor manera de alcanzar el número de calorías necesarias sería mediante una cualquiera de
las infinitas combinaciones posibles de X1 y X3, siempre y cuando su suma sea igual a 700.
En este último caso la dieta estaría formada por tres alimentos en lugar de dos solamente.
Pero, incluso en este caso, no habría inconveniente alguno en hacer x1 o x3 iguales a cero y alcanzar el Z
óptimo con el mismo número de alimentos que elementos nutrientes hay.

Solución Gráfica
El método gráfico, resulta práctico cuando solamente hay dos restricciones y sirve para aclarar algunos
aspectos adicionales de los problemas de la programación.
El método gráfico está basado en considerar la cantidad de cada elemento alimenticio —en el caso de
nuestro ejemplo, vitaminas y calorías — que se pueden comprar con una cantidad fija, por ejemplo,
1000 UM, gastada en cada uno de los alimentos.
Estas cantidades, en nuestro ejemplo numérico, aparecen en la tabla:

Alimento
Elementos 1 2 3 4 5 Cantidad necesaria
pl-08.doc 98
Prof. Ing. Claudio L. R. Sturla
Calorías 500 0 333,33 91,91 166,57 700
Vitaminas 0 50 0 91,91 83,33 400

Y están representadas gráficamente en la figura:

En la figura cada alimento está representado por un punto, indicado por un número dentro de un círculo,
señalando la cantidad de calorías y vitaminas que se pueden obtener por 1000 UM.
Una simple mirada a la figura (o a la tabla, para los mismos efectos) muestra que hay dos alimentos que
no están al alcance de un presupuesto económico a los precios fijados.
El alimento 3 proporciona menos calorías por UM que el alimento 1 sin proporcionar más vitaminas y,
por tanto, no deberá comprarse nunca.
Análogamente, el alimento 2 es inferior al alimento 4 y al 5 con respecto a ambos elementos nutritivos.
Por tanto, prescindimos inmediatamente de ambos y atendemos solamente a los otros tres.
Supongamos ahora que repartimos 1000 UM entre los alimentos 1 y 5, gastando 500 UM en cada uno
de ellos.
Mediante la tabla se calcula que la dieta resultante dará 333,33 cal [1/2*(500+166,67)] y 41,67 vitami-
nas, que viene indicada en el punto A de la figura.
Análogamente, 250 UM del alimento 1 y 750 UM del alimento 5 proporcionaran 250 cal y 62,5 vitami-
nas, lo que viene indicado por el punto B de la figura.
Obsérvese que los puntos A y B se encuentran-los dos en la recta que une los puntos correspondientes a
los alimentos 1 y 5 y, como es fácil de ver, todas las combinaciones de 1000 UM gastadas en esos dos
alimentos corresponderán a puntos situados sobre la misma línea.
La línea que une los alimentos 4 y 5 representa análogamente los resultados de repartir 1000 UM entre
los mismos.
También podríamos repartir 1000 UM entre los alimentos 1 y 4, estando situados sobre la línea recta
que los une los resultados de dichos repartos, pero no se ha trazado dicha línea porque para cualquier
pl-08.doc 99
Prof. Ing. Claudio L. R. Sturla
punto de la misma habrá alguno en una de las dos líneas anteriores que representará una dieta con una
cantidad superior de ambos elementos sin mayor coste.
Por tanto, las dos líneas que se han trazado representan lugares geométricos de dietas eficientes.
Estos lugares geométricos representan solamente cómo se pueden gastar eficientemente 1000 UM, y
para otros niveles de gastos corresponderán lugares geométricos análogos.
Una suma de 2000 UM gastados en el alimento 4 proporcionará el doble de ambos elementos nutritivos
que una suma de 1000 y, por consiguiente, se representará por un punto situado al doble de distancia del
radio vector que pase por el punto 4.
Este punto lo hemos representado por 4'.
Análogamente habría un punto 5' como resultado de gastar 2000 UM en el alimento 5, y puntos simila-
res para los demás alimentos en el caso de gastar esa cantidad en cada uno de ellos.
Con estos nuevos puntos se pueden trazar los lugares geométricos de gastos eficientes correspondientes
a 2000 UM y a cualquier otro presupuesto.
Así se han trazado los lugares geométricos correspondientes a 1000, 2000, …, 5000 UM.
Fijémonos ahora en la zona rayada de la figura.
El ángulo inferior izquierdo de la misma coincide con el punto 400 vitaminas y 700 cal.
Por consiguiente, esta es la región de las dietas adecuadas y nuestro problema consiste en determinar la
dieta más barata de esta región.
Evidentemente, será la dieta de la región que se encuentre en el lugar geométrico más bajo posible co-
rrespondiente a una dieta eficiente.
Es también evidente que esa dieta mínima coincide con el punto del ángulo inferior izquierdo de la re-
gión rayada, que vemos se encuentra situado sobre un segmento que une los alimentos 4 y 5.
Dicho de otra forma, la dieta de costo mínimo estará compuesta por los alimentos 4 y 5 en ciertas can-
tidades que es preciso determinar con exclusión de todos los demás alimentos.
Además, esta dieta mínima no contendrá ninguno de los dos elementos nutritivos en exceso, es decir, las
dos restricciones están saturadas.
En efecto, en el gráfico se puede ver que la dieta de coste mínimo proporciona justamente las cantidades
especificadas de los dos elementos.
El resto es álgebra elemental.
Tenemos dos incógnitas, las cantidades de los alimentos 4 y 5, y dos restricciones, una para cada ele-
mento nutritivo.
Por tanto, tenemos exactamente el número necesario de ecuaciones para determinar las dos incógnitas

1 x 4 + 2 x 5 = 700
1 x 4 + 1 x 5 = 400

La solución es, como vimos, x4 = 400, x5 = 300

Ejemplo Nº 8
Nos proponemos realizar la alimentación diaria más económica para ganado, que debe contener
obligatoriamente cuatro tipos de componentes nutritivos A, B, C y D. La industria alimenticia produce
precisamente dos alimentos, M y N, que contienen estos componentes. Un kilogramo de alimento N
contiene 100 g de A, 100 g de C y 200 g de D; un kilogramo de alimento M contiene 100 g de B, 200 g
de C y 100 g de D.
Un animal debe consumir al menos 0,4 Kg de A; 0,6 Kg de B; 2 Kg de C y 1,7 Kg de D. El alimento M
cuesta 10 UM/Kg y el N 4 UM/Kg ¿Qué cantidad de alimentos M y N se deben utilizar diariamente para
alimentar al ganado en la forma más económica?.
La tabla que resume lo enunciado es:

pl-08.doc 100
Prof. Ing. Claudio L. R. Sturla
N M Necesidad
diaria
A 0,1 0 0,4
B 0 0,1 0,6
C 0,1 0,2 2
D 0,2 0,1 1,7
Costo 4 10
Solución:
Llamaremos
x1 = cantidad de N a proporcionar diariamente.
x 2 = cantidad de M a proporcionar diariamente.
El problema es: encuentre el vector
 x1 
 
 x2 
que MINIMICE la función z = 4 x1 + 10 x2
s.a.
 0,1 x1 ≥ 0,4
 0,1 x ≥ 0,6
 2

 0,1 x1 + 0,2 x 2 ≥ 2
 0,2 x1 + 0,1 x 2 ≥ 1,7
Lo que es equivalente a
 x1 ≥ 4
 x ≥ 6
 2

 1 2 x 2 ≥ 20
x +
 2 x1 + 1 x 2 ≥ 17
La solución es z = 92 UM
Ejercicio Nº 9 [Dresdner, Evelson y Dresdner]
Una empresa recibió una orden para la producción de 2.200 unidades del producto P debiendo en-
tregarse 800 unidades el primer mes y 1.400 el segundo.
La capacidad normal de la Compañía es de 920 unidades por mes pero trabajando horas extra puede
producirse 250 unidades adicionales.
El costo adicional por unidad cuando se produce en horas extra es de 1,25 UM/u y el costo mensual de
almacenamiento es 0,5 UM/u.
La no satisfacción de la demanda se considera inadmisible.
El inventario inicial de P es nulo y se desea que el final también lo sea.
Solución:
Como no hay inventario a principios de mes y no queda después de producir, habrá que determinar las
cantidades a producir uno y otro mes.
x1 = cantidad de producto P a producir en el primer mes.
x 2 = cantidad de producto P a producir en el segundo mes.
La producción debe programarse de modo de minimizar los costos de horas extra y en almacenamiento.
Lo producido en el primer mes que exceda de 800 unidades deberá almacenarse a un costo de 0,5 UM y
las cantidades que se produzcan en el primero o segundo mes que excedan las 920 unidades deberán
adicionarse de un costo de 1,25 UM.

pl-08.doc 101
Prof. Ing. Claudio L. R. Sturla
z = ( x1 − 800) 0,5 + ( x1 − 920) 1,25 + ( x 2 − 920) 1,25 =
= 0,5 x1 − 400 + 1,25 x1 − 1150. + 1,25 x 2 − 1150
. =
= 1,75 x1 + 1,25 x 2 − 2.700 → min
Y como el término constante es irrelevante desde el punto de vista de la optimización, se puede con-
siderar
z = 1,75 x1 + 1,25 x 2 → min
y restar 2.700 del valor que tome la solución final.
Esta expresión de z es lícita sólo si
x1 ≥ 920 x 2 ≥ 920
puesto que si fuera por ejemplo x1 = 700 no se incurriría en costos de almacenamiento ni de horas
extra.
Es decir, no deberían considerarse los términos ( x1 − 800) 0,5 ni ( x1 − 920) 1,25
Si al resolver el problema surgiera que en la solución final el valor de x1 o x 2 no cumplieran con las
condiciones indicadas, habrá que eliminar los términos correspondientes del funcional y resolver de
nuevo.
Las restricciones del problema son:
 x1 ≤ 1170
. (920 unidades de capacidad mas 250 unidades posibles en horas extra)

 x2 ≤ 1170
. (idem anterior)
 x + x = 2.200 (produccion conjunta igual a la demanda)
 1 2

Se puede resolver gráficamente.

X2

R3 R1

X2* = 1.170 R2

X1
X1* = 1.030

z = 1,75 1170
. + 1,25 1.030 − 2.700 = 635

Ejemplo Nº 10
Se dispone de tres trenes de laminación: A, B y C. Se desean fabricar, de la manera más económica, 14
categorías de láminas que tienen los espesores siguientes: 5/10, 6/10, 8/10, 10/10, 12/10, 14/10, 16/10,
18/10, 20/10, 22/10, 24/10, 26/10, 28/10 y 30/10.
Se conoce:
— Costo por tonelada para producir el perfil de tipo j fabricado por el tren i.
— La producción horaria de cada perfil j de acuerdo al tren i utilizado.
— La producción prevista de cada perfil j.
— La disponibilidad en horas de cada tren i.

pl-08.doc 102
Prof. Ing. Claudio L. R. Sturla
Los datos son:
Costo del proceso Producción Previsión
[UM/t] [t/h] fabricación
[t/mes]
Producto Tren A Tren B Tren C Tren A Tren B Tren C
5/10 5.454 10.422 — 20,7 7,2 — 5.000
6/10 5.095 9.637 — 23,8 8,6 — 2.200
8/10 6.025 9.333 — 40 9,3 — 5.100
10/10 6.025 8.620 12.430 40 11,5 9 5.000
12/10 4.600 8.540 11.010 30 11,8 12 4.200
14/10 4.125 8.500 10.400 40 12 14 3.000
16/10 4.125 8.440 10.150 40 12,2 15 2.000
18/10 3.958 8.420 10.150 45,3 12,3 15 1.300
20/10 3.980 8.380 — 44,5 12,5 — 750
22/10 4.175 8.310 — 38,7 12,8 — 500
24/10 4.430 8.310 — 36 12,8 — 500
26/10 4.430 8.270 — 36 13 — 250
28/10 — 8.270 — — 13 — 100
30/10 — 8.270 — — 13 — 100
Capacidad de producción 600 600 400
[h/mes]

Llamaremos xij a las toneladas de perfil j a producir en el tren i

x
Por ejemplo, en la primera inecuación 11 tiene el siguiente análisis dimensional:
20,7

 
 toneladas de perfil 5/10 
 toneladas de perfil 5/10 a hacerse en tren A 
 
 hora de tren A 
Las inecuaciones son:
x11 x x x x x x17 x18 x19 x1,10 x1,11 x1,12
+ 12 + 13 + 14 + 15 + 16 + + + + + ≤ 600+
20,7 23,8 40 40 30 40 40 45,3 44,5 38,7 3636
x 21 x 22 x 23 x 24 x x x 27 x 28 x 29 x 2 ,10 x 2 ,11
x 2 ,12 x 2 ,13
+ + + + 25 + 26 + + + + + + + +
7,2 8,6 9,3 11,5 11,8 12 12,2 12 ,3 12 ,5 12,8 12,8 13 13
x 2 ,14
+ ≤ 600
13
x 34 x 35 x 36 x 37 x 38
+ + + + ≤ 400
9 12 14 15 15
x11 + x 21 = 5.000
x12 + x 22 = 2.200
x13 + x 23 = 5100
.
x14 + x 24 + x 34 = 5.000
x15 + x 25 + x 35 = 4.200
x16 + x 26 + x 36 = 3.000

pl-08.doc 103
Prof. Ing. Claudio L. R. Sturla
x17 + x 27 + x 37 = 2.000
x18 + x 28 + x 38 = 1.300
x19 + x 29 = 750
x1,10 + x 2 ,10 = 500
x1,11 + x 2 ,11 = 500
x1,12 + x 2 ,12 = 250
x 2 ,13 = 100
x 2 ,14 = 100
El funcional es:
z = 5.454 x11 + 5.095 x12 + 6.025 x13 + 6.025 x14 + 4.600 x15 + 4.125 x16 + 4.125 x17 +
+ 3.958 x18 + 3.980 x19 + 4.175 x1,10 + 4.430 x1,12 + 10.422 x 21 + 9.637 x 22 + 9.333 x 23 +
+ 8.620 x 24 + 8.540 x 25 + 8.500 x 26 + 8.440 x 27 + 8.420 x 28 + 8.380 x 29 + 8.310 x 2 ,10 +
+ 8.310 x 2 ,11 + 8.270 x 2 ,12 + 8.270 x 2 ,13 + 8.270 x 2 ,14 + 12.340 x 34 + 11.010 x 35 +
+ 10.400 x 36 + 10150
. x 37 + 10.150 x 38 → min
Es una tabla Simplex con 17 filas y 62 columnas.
El óptimo es z = 199.822.700 UM
Ejemplo Nº 11
Para una pizzeria se necesita el siguiente número de empleados, variable según la hora del día.
0

20 5 3 4

14 8

16 8 10 8

12
Los cambios de turno son posibles cada cuatro horas a partir de las 00:00 horas y cada turno dura 8
horas. Calcúlese el número de operarios a ingresar a las 0, 4, 8, 12, 16 y 20 hs. con el fin de minimizar el
tiempo ocioso.
x0 = numero de empleados que toma servicio a las 00:00 horas.

pl-08.doc 104
Prof. Ing. Claudio L. R. Sturla

X16 X20 X0

X12 X4

16 X8

x0 + x20 ≥ 3
x4 + x0 ≥ 8
x4 + x8 ≥ 10
x8 + x12 ≥ 8
x12 + x16 ≥ 14
x16 + x20 ≥ 5
z = x0 + x4 + x8 + x12 + x16 + x20 → min
La respuesta es:
x0 = 3 x12 = 3
x4 = 5 x16 = 11
x8 = 5 x20 = 0
¿Qué le sugiere al alumno este resultado?

Programación de Colectivos
Ejemplo N° 12
Progress City está estudiando la factibilidad de introducir un sistema de colectivos que disminuya el
problema de la contaminación ambiental, reduciendo el número de vehículos que circulan en la ciudad.
El estudio inicial busca la determinación del número mínimo de colectivos que pueda manejar las nece-
sidades de transporte.
Después de recopilar la información necesaria, el ingeniero de la ciudad observó que el número mínimo
de colectivos fluctuaba según la hora del día.
Al estudiar más a fondo los datos, fue evidente que era posible hacer una aproximación del número de
colectivos mediante valores constantes sobre intervalos sucesivos de 4 horas cada uno.
La figura muestra los descubrimientos del ingeniero.

pl-08.doc 105
Prof. Ing. Claudio L. R. Sturla

Para llevar a cabo el mantenimiento diario requerido, cada colectivo podía operar sólo ocho horas suce-
sivas al día.
Representación Matemática
Se requiere determinar el número de colectivos que van a operar durante los diferentes turnos (varia-
bles) que satisfagan la demanda mínima (restricciones), al mismo tiempo que se minimiza el número
total de colectivos diarios en operación (objetivo).
Tal vez usted ya ha observado que la definición de las variables es ambigua.
Sabemos que cada autobús operará turnos de ocho horas, pero no sabemos cuándo debe empezar cada
turno.
Si seguimos un horario normal de tres turnos (8:01 a.m. - 4:00 p.m., 4:01 p.m. - 12:00 de la noche y
12:01 - 8:00 a.m.) y suponemos que x1, x2 y x3 son el número de autobuses que empiezan el primero,
segundo y tercer turnos, podemos notar que

x1 ≥ 10
x 2 ≥ 12
x3 ≥ 8

donde el número mínimo correspondiente es igual a

x1 + x2 + x3 = 10 + 12 + 8 = 30

colectivos diariamente
Esta solución es aceptable sólo si los turnos deben coincidir con el programa normal de tres turnos.
Sin embargo, puede ser ventajoso permitir que el proceso de optimización elija la “mejor” hora para
empezar un turno.
Una forma razonable de lograrlo es permitir que un turno empiece cada 4 horas.
Los turnos (que se superponen en parte) pueden empezar a las 12:01 a.m., 4:01 a.m., 8:01 a.m., 12.01
p.m., 4:01 p.m. y 8:01 p.m., donde cada turno continúa durante 8 horas consecutivas.
El modelo matemático se escribe como:
Minimice

z = x1 + x2 + x3 + x4 + x5 + x6
sujeta a

pl-08.doc 106
Prof. Ing. Claudio L. R. Sturla
x1 + x6 ≥ 4
x1 + x 2 ≥ 8
x2 + x3 ≥ 10
x3 + x 4 ≥ 7
x 4 + x5 ≥ 12
x5 + x 6 ≥ 4

ya

xj ≥ 0 ∀ j

La salida en WinQSB es

Muestra que se necesita un total de 26 colectivos para satisfacer la demanda.

El programa óptimo requiere que x1 = 4 autobuses empiecen a las 12:01. a.m., x2 = 10 a las 4:01 am., x4
= 8 a las 12:01 p.m y x5 = 4 a las 4:01 pm.
El problema tiene una solución óptima alternativa.

Ejemplo Política de Préstamos Bancarios

Ejemplo N° 13
El Banco ABC está en proceso de formular una política de préstamos que incluye un máximo de 12
millones de UM.

pl-08.doc 107
Prof. Ing. Claudio L. R. Sturla
La tabla siguiente proporciona los datos pertinentes acerca de los diferentes tipos de préstamos que
ofrece el banco:

Probabilidad de un mal
Tipo de préstamo Tasa de interés
crédito
Personal 0,140 0,10
Automóvil 0,130 0,07
Vivienda 0,120 0,03
Agrícola 0,125 0,05
Comercial 0,100 0,02

Los malos créditos son irrecuperables y, por tanto, no producen ningún ingreso por intereses.
La competencia con otras instituciones financieras en el área requiere que el banco asigne por lo menos
40 % de los fondos a préstamos agrícolas y comerciales.
Para ayudar a la industria de la vivienda en la región, los préstamos para viviendas deben ser equiva-
lentes por lo menos a 50 % de los préstamos personales, para automóvil y para viviendas.
El banco también ha declarado una política de que la proporción total de malos créditos en todos los
préstamos no puede exceder de 0,04
Modelo matemático
Las variables del modelo se pueden definir como sigue:

x1 = préstamos personales (en millones de UM)

x2 = préstamos para automóvil
x3 = préstamos para vivienda
x4 = préstamos agrícolas
x5 = préstamos comerciales

El objetivo del Banco ABC es maximizar su utilidad neta, que se compone de la diferencia entre el in-
greso de los intereses y los fondos perdidos por los malos créditos.
Debido a que estos últimos no son recuperables, ni el capital ni los intereses, la función objetivo se da
como

Maximice

z = 0,14( 0,9 x1 ) + 0,13( 0,93 x 2 ) + 0,12( 0,97 x 3 ) + 0,125( 0,95 x 4 ) + 0,1( 0,98 x 5 ) − 0,1 x1 − 0,07 x 2
− 0,03 x 3 − 0,05 x 4 − 0,02 x 5

Operando y ordenando es:

Maximice

z = 0,026 x1 + 0,0509 x 2 + 0,0864 x 3 + 0,6875 x 4 + 0,078 x 5

El problema tiene cinco restricciones:

1. Fondos totales.

x1 + x 2 + x 3 + x 4 + x 5 ≤ 12

2. Préstamos comerciales y agrícolas:

x 4 + x 5 ≥ 0,4 * 12
pl-08.doc 108
Prof. Ing. Claudio L. R. Sturla

x 4 + x 5 ≥ 4,8

3. Préstamos para vivienda:

x 3 ≥ 0,5( x1 + x 2 + x 3 )

− 0,5 x1 − 0,5 x 2 + 0,5 x 3 ≥ 0

4. Límite en los malos créditos:

0,1 x1 + 0,07 x 2 + 0,03 x 3 + 0,05 x 4 + 0,02 x 5

≤ 0,04
x1 + x 2 + x 3 + x 4 + x 5

0,06 x1 + 0,03 x 2 − 0,01 x 3 + 0,01 x 4 − 0,02 x 5 ≤ 0

5. No negatividad

xj ≥ 0 ∀ j = 1, 2, 3, 4, 5

Una suposición sutil en la formulación anterior es que todos los préstamos se hacen aproximadamente al
mismo tiempo.
Esta suposición nos permite no tener en cuenta las diferencias en los valores de tiempo de los fondos
asignados a los diferentes préstamos.

Ejemplo Nº 14
Una firma siderúrgica produce bobinas de chapa de acero inoxidable de 1 mm de espesor y 115 cm de
ancho.
Su clientela le solicita bobinas de diferentes anchos aunque conservando el diámetro de la bobina
original.
El cuadro muestra los pedidos recibidos:
Cantidad de bobinas de los siguientes centímetros de ancho
Cliente 20 30 45
A 70 85 120
B 150
C 70 150 80
D 140
E 160
F 270 75
G 90
H 10 50
TOTAL 420 600 500

pl-08.doc 109
Prof. Ing. Claudio L. R. Sturla
El fabricante debe cortar las bobinas de acuerdo con los pedidos tratando de minimizar el desperdicio.
¿Cómo deben ser los cortes para maximizar los beneficios?

En el cuadro se pueden apreciar ocho formas o programas en que pueden hacerse los cortes:

Programas de corte
Ancho de la 1 2 3 4 5 6 7 8
hoja: 115 cm
20 cm 5 1 - 4 3 2 2 1
30 cm - - 2 1 - 1 2 3
45 cm - 2 1 - 1 1 - -
Desperdicio 15 5 10 5 10 0 15 5
[cm]
x1 x2 x3 x4 x5 x6 x7 x8
Variable
Solución
Se escriben las restricciones del problema llamando x j a las incógnitas que representan los distintos
programas de corte siendo las filas las distintas unidades de bobinas.
5 x1 + x2 + 4 x4 + 3 x5 + 2 x6 + 2 x7 + x8 + µ 1 = 420
2 x3 + x4 + x6 + 2 x7 + 3 x8 + µ2 = 600
2 x2 + x3 + x5 + x6 + µ 3 = 500
z = 15 x1 + 5 x2 + 10 x3 + 5 x4 + 10 x5 + 15 x7 + 5 x8 + M µ 1 + M µ 2 + M µ 3 → min
Resuelto el problema por Simplex da como resultado:
x2 = 54 ; x3 = 209 ; x6 = 183 (se ha redondeado)
Las variables duales tomas los valores:
y1 = − 3,5714
y 2 = 2,8571
y 3 = 4,2857
Son los desperdicios a imputar a cada corte de un ancho dado. Y son los valores marginales de des-
perdicio total con respecto a cada restricción del problema.
Así, la disminución de una unidad en la producción de bobinas de 20 cm de ancho traerá aparejado un
aumento del desperdicio de 3,5714 en tanto que una disminución en la restricción de bobinas de 30 cm
producirá una disminución del desperdicio de 2,8571.
En el corte 2:
1( − 3,5714) + 2 4,2857 = 5
O sea, el valor imputado a cada medida de ancho multiplicado por el número de bobinas de ese ancho en
ese programa, da el desperdicio.
En el caso del programa de corte 2 se generan una bobina de 20 cm de ancho (valor de desperdicio
imputado: -3,5714) y dos bobinas de 45 cm de ancho (valor imputado: 4,2857). El resultado es:
2 4,2857 − 3,5714 = 8,5714 − 3,5714 = 5
5 es el desperdicio esperado por ese programa.
Ejercicio Nº 15 [Winston] [Optativo]
Un panadero tiene 30 onzas de harina y 5 paquetes de levadura. La producción de un pan requiere 5
onzas de harina y un paquete de levadura. Se puede vender cada pan a 0,3 UM. El panadero puede
comprar más harina a 0,04 UM/onza o vender el excedente de harina al mismo precio. Formule un
problema de programación lineal para ayudar al panadero a maximizar sus ganancias.
Solución
Definimos:

pl-08.doc 110
Prof. Ing. Claudio L. R. Sturla
x1 = numero de panes producidos
x2 = numero de onzas en el cual las transacciones de dinero aumentan el suministro de harina
Por lo tanto x2 ≥ 0 indica que se compraron x2 onzas de harina, y x2 〈 0 indica que se vendieron − x 2
onzas de harina ( x 2 = 0 indica que no se compró, ni se vendió).
Como x 2 es una variable sin restricción de signo el programa adecuado sería:
 5 x1 ≤ 30 + x 2′ − x 2′′
 x 2 = x 2′ − x 2′′ y x1 , x 2′ , x 2′′ ≥ 0
 x1 ≤ 5
z = 0,3x1 − 0,04 x ′2 + 0,04 x ′2′ → max
Nota: Este no es estrictamente un problema del tipo visto porque inicialmente no se cumplen las
condiciones de no negatividad. Es un caso especial. Puede verse sobre el particular [Winston], sección
4.12 VARIABLES SIN RESTRICCIÓN DE SIGNO.

Ejemplo N° 16
Una fábrica produce dos artículos, Q y R. Ambos productos requieren dos min para ser procesados en la
maquinaria.
Se dispone de 2.000 min de tiempo de máquina.
El producto Q puede hacerse tanto con material A como con material B y se requieren 3 Kg de
cualquiera de ellos.
El R puede hacerse con A, B ó C, y se requieren 4 Kg de cualquiera de ellos.
Las cantidades disponibles son: 800 Kg de material A, de B se dispone de 1.000 Kg y de C se disponen
2.000 Kg.
¿Cuáles son las restricciones correspondientes?.

Respuesta
2 Q A + 2 QB + 2 R A + 2 RB + 2 RC ≤ 2. 000
3 QA + 4 RA ≤ 800
3 QB + 4 RB ≤ 1000
.
4 RC ≤ 2.000
Debe notarse que la restricción de material A requiere que tanto Q A como R A (productos Q y R hechos
con material A) se incluyan en la restricción de 800 Kg de material A.

Ejemplo N° 17
Se fabrican dos productos, R y T.
Cada producto se procesa en los departamentos de fundición, maquinado y ensamble.
La fundición del producto T puede comprarse a 6 UM/pieza y después procesarse en las máquinas y
ensamblarse.
Si la fundición no se compra, el producto T se hace a partir de 2 Kg de material K y se funde en la
planta.
El producto R puede hacerse ya sea con 4 Kg de L ó con 5 Kg de material K para el período de
producción a iniciarse.
El material L cuesta 0,1 UM/Kg y el material K 0,2 UM/Kg.
Se dispone de 2.000 Kg de material L y 10.000 Kg de material K.
El departamento de fundición puede fundir 3.000 u del producto R ó 3.000 u del producto T en el
período considerado.
Se dispone asimismo en ese lapso de 200 h de tiempo de máquina.
El maquinado del producto R hecho con el material L requiere 8 min
El maquinado del producto R hecho con el material K requiere 10 min
El maquinado del producto T requiere 6 min

pl-08.doc 111
Prof. Ing. Claudio L. R. Sturla
El departamento de ensamble puede armar 2.000 u del producto R, 4.000 u del producto T o cualquier
combinación entre ellos.
Los costos variables de fundición suman 1 UM/u. los costos variables de maquinado son 0,2 UM/min.
Los costos variables de ensamble son nulos.
El producto R se vende a 10 UM y el T a 12 UM. Plantear el problema para hacer uso óptimo de los
recursos.

Respuesta Los productos son:

R L : R hecho con material L.
RK : R hecho con material K .
TC : T fundido en planta.
TP : T hecho con fundición comprada.
Se pueden hacer cálculos de costos y beneficios como el que muestra a continuación:

RL RK TC TP
Materiales 0,4 1,0 0,4 6,0
Fundido 1,0 1,0 1,0 —-
Maquinado 1,6 2,0 1,2 1,2
Subtotal 3,0 4,0 2,6 7,2
Precio de venta 10,0 10,0 12,0 12,0
Beneficio 7,0 6,0 9,4 4,8
Luego:
7 R L + 6 RK + 9 , 4 TC + 4 , 8 TP → máx
A continuación se establecen las restricciones, las cuales son:
I) Las 3.000 u del departamento de fundición.
II) Las 200 h disponibles de maquinado (12.000 min).
III) La capacidad de ensamble: 2.000 u de R ó 4.000 u de T.
IV) Los 2.000 Kg disponibles de material L.
V) Los 10.000 Kg disponibles de material K.; entonces:
RL + RK + TC ≤ 3. 000
8 R L + 10 RK + 6 TC + 6 TP ≤ 12. 000
2 R L + 2 RK + TC + TP ≤ 4. 000
4 RL ≤ 2. 000
5 RK + 2 TC ≤ 10. 000

Ejemplo N° 18
Una empresa metalúrgica de no ferrosos debe programar la producción de dos productos.
Del producto A se puede colocar por semana cualquier cantidad en el mercado (no hay saturación); del
producto B se pueden vender hasta 1.500 unidades.
En ambos casos, se venden las producciones a precios fijos para cualquier cantidad vendida.
Cada producto requiere fundición, maquinado y operaciones de armado.
La fundición podría subcontratarse trabajando a "fason", es decir, entregando el material para que otro
fundidor lo funda.
Los datos son los siguientes:

pl-08.doc 112
Prof. Ing. Claudio L. R. Sturla

RUBRO PRODUCTO A PRODUCTO B

Costo de fundición subcontratada (UM/u) 0,2 0,3
Materia prima, flete incluido (UM/u) 0,4 0,4
Costo de fundición en planta (UM/u) 0,1 0,3
Materia prima (UM/u) 0,3 0,3
Costo de maquinado (fresado) (UM/u) 0,25 0,25
Costo de armado (UM/u) 0,3 0,25
Precio (UM/u) 4,55 1,8
Tiempo de fundición (min/u) 5 10
Tiempo de fresado (min/u) 8 4
Tiempo de armado (min/u) 4 3
Capacidades de cada proceso:
u Capacidad de fundición: 83 h 20 min/semana.
u Capacidad de fresado: 133 h 20 min/semana.
u Capacidad de armado: 100 h/semana.
u Capacidad de fundición subcontratada: sin límites.
Encontrar la producción que maximiza el beneficio. El beneficio es definido como el ingreso total por
ventas menos el costo total.

Respuesta:
Fundición subcontratada del producto A:
0,2 UM + 0,4 UM = 0,6 UM
Fundición en planta del producto A.
0,1 UM + 0,3 UM = 0,4 UM
Fundición subcontratada del producto B.
0,3 UM + 0,4 UM = 0,7 UM
Fundición en planta del producto B.
0,3 UM + 0,3 UM = 0,6 UM
Costo de A subcontratado.
c As = 0, 6 + 0, 25 + 0, 3 = 1, 15 UM
Costo de A con fundición en planta.
c Ap = 0, 4 + 0, 25 + 0, 3 = 0, 95 UM
Costo de B subcontratado.
c Bs = 0,7 + 0,25 + 0,25 = 1,20 UM
Costo de B con fundición en planta.
c B p = 0,6 + 0,25 + 0,25 = 1,1 UM
Por ende:
 x Bs + x B p ≤ 1.500

 5 x Ap + 10 x B p ≤ 83h 20'
 y
 8 x As + 8 x Ap + 4 x B p + 4 x B p ≤ 133h 20'
 4 x + 4 x + 3 x + 3 x ≤ 100 h
 As Ap Bs Bp

Z = (4,55 − 1,15) x As + (4,55 − 0,95) x Ap + (1,8 − 1,2) x Bs + (1,8 − 1) x B p → máx

Ejemplo N° 19
Una fábrica produce cinco clases de tornillos de precisión en tres grupos de máquinas automáticas.
pl-08.doc 113
Prof. Ing. Claudio L. R. Sturla
Cada producto puede hacerse en cualquiera de los tres grupos de máquinas, pero el tiempo requerido en
cada grupo es diferente como se muestra en la siguiente tabla:
PRODUCTO 1 2 3 4 5
Grupo Máq. I 0,4 0,2 0,4 0,2 0,4
Grupo Máq. II 0,8 0,6 0,4 0,6 0,6
Grupo Máq. III 1,0 1,0 0,8 0,6 1,0
La disponibilidad semanal es de 2.400 h máquina para cada grupo.
Las órdenes para cada tipo de tornillos son respectivamente 800, 1.800, 1.400, 1.800 y 800 u
Si el costo por h de trabajo para cada grupo de máquinas es de 12 UM, 9 UM y 9 UM respectivamente,
establecer un programa de producción que minimice el costo total.

Ejemplo N° 20
Una compañía debe cumplir un contrato importante.
Éste requiere la fabricación de 1.000 u de K
Cada u de K consiste en el ensamble de una parte de X y dos partes de Y.
Esta compañía tiene un departamento de ensamble y tres departamentos de manufactura con dos
máquinas principales en cada departamento de manufactura.
Por conveniencia los departamentos de manufactura se designarán como D, E y F y las máquinas como
D1 , D2 , E1 , E2 , F1 , F2 .
Cada parte se procesa a través de tres departamentos de manufactura, algunas veces en una máquina,
otras en las dos y algunas veces en ninguna.
La parte X se procesa en las máquinas D1 y D2; en la E1 ó en la E2 y en la F2
O sea:
 D1 D2 E1 F2

 D1 D2 E 2 F2
La parte Y se procesa en la máquina D2 ; en la E1 ó en la E2 y además ya sea en la F1 ó en la F2
O sea:
 D2 E1 F1
D E F
 2 1 2

 D2 E 2 F1
 D2 E 2 F2
Los requerimientos de tiempo para la parte X son:
Máquina D1 4 min/u
Máquina D2 1 min/u
Máquina E1 6 min/u
Máquina E2 2 min/u
Máquina 2F 4 min/u
Los requerimientos de tiempo para la parte Y son:
Máquina D2 3 min/u
Máquina E1 2 min/u
Máquina E2 3 min/u
Máquina 1F 6 min/u
Máquina F2 4 min/u
En el departamento de ensamble las dos partes Y se unen entre sí y a continuación con la parte X para
obtener el producto K
Las partes Y se arman a una velocidad de una unión por min mientras que las partes X se arman a una
velocidad de 10 uniones/min
Estas operaciones comparten las mismas instalaciones de ensamble.
pl-08.doc 114
Prof. Ing. Claudio L. R. Sturla
Se dispone de 8.880 min en cada máquina y de 40 h de ensamble.
Los costos variables son:
Material de la parte X 1 UM
Material de la parte Y 2 UM
Máquina D1 0,10 UM/min
Máquina D2 0,30 UM/min
Máquina E1 0,20 UM/min
Máquina 2 E 0,15 UM/min
Máquina 1 F 0,05 UM/min
Máquina F2 0,25 UM/min
No hay costos de ensamble. Plantee el problema.

Respuesta La pieza X puede producirse de dos maneras y la Y de cuatro.

Las variables son entonces X 1 , X 2 , Y1 , Y2 , Y3 e Y4
Los costos correspondientes son:
X 1 → 1,00 + 4*0,10 + 1*0,3 + 6 * 0,2 + 4* 0,25 = 3,90
X 2 → 1,00 + 4 * 0,10 + 1 * 0,3 + 2 * 0,15 + 4 * 0,25 = 3,00
Y1 → 2,0 + 3 * 0,3 + 2 * 0,2 + 6 * 0,25 = 3,60
Y2 → 2,00 + 3*0,30 + 2*0,20 + 4 * 0,25 = 4,30
Y3 → 2,00 + 3*0,30 + 3*0,15 + 6*0,05 = 3,65
Y4 → 2,00 + 3 * 0,3 + 3 * 0,15 + 4 * 0,25 = 4,35
Entonces,
Z = 3, 9 X1 + 3 X 2 + 3, 6 Y1 + 4, 3 Y2 + 3, 65 Y3 + 4, 35 Y4 → mín
Las restricciones son los 8.880 minutos de cada una de las máquinas, las 40 horas de ensamble y los
requerimientos de 1.000 u de X y 2.000 u de Y.
 4 X1 + 4 X 2 ≤ 8.880
 X1 + X 2 + 3 Y1 + 3 Y2 + 3 Y3 + 3 Y4 ≤ 8.880

 6 X1 + 2 Y1 + 2 Y2 ≤ 8.880

 + 2 X2 + 3 Y3 + 3 Y4 ≤ 8.880
 6 Y1 + 6 Y3 ≤ 8.880
4 X + 4 X + 4 Y2 + 4 Y4 ≤ 8.880
 1 2

 0,1 X 1 + 0,1 X 2 + 0,5Y1 + 0,5Y2 + 0,5Y3 + 0,5Y4 ≤ 2.400

 X1 + X2 = 1000
.

 Y1 + Y2 + Y3 + Y4 = 2.000

Ejemplo N° 21
La empresa lechera Milko no puede recibir más de 100.000 l de leche al día debido a las limitaciones
impuestas por el congestionamiento de recepción.
Las políticas de la administración requieren el uso de cuando menos 10.000 l de leche diarios para la
fabricación de queso, y el resto para ser empleado en manteca o leche embotellada según lo permita el
equipo.
El beneficio de un litro de l según como se emplee es como sigue:
Manteca 0,02 UM
Leche 0,10 UM
Queso 0,03 UM

pl-08.doc 115
Prof. Ing. Claudio L. R. Sturla
El equipo para fabricar manteca puede procesar hasta 60.000 l de leche por día y el de fabricar queso
hasta 30.000 l de leche diarios.
Plantear el problema.

Respuesta: Las variables son xm , xl y xq , o sea los l de leche convertidos en manteca, leche embotellada
o queso. Las restricciones y el funcional son:
xm ≤ 60.000
xq ≥ 10.000
x q ≤ 30.000
xm + xl + xq ≤ 100. 000
Z = 0, 02 xm + 0,1 xl + 0, 03 xq → máx

Ejemplo N° 22
Una empresa trituradora de piedra, vende la que obtiene de una cualquiera de tres canteras adyacentes.
La piedra vendida por la empresa debe regirse por las siguientes especificaciones:
 Material x = 30 %

 Material y ≤ 40 %
 Material z entre 30 y 40 %

La piedra de la cantera A cuesta 1 UM/t y tiene las siguientes propiedades:
Material x..........20%
Material y...........60%
Material z..........20%
La piedra de la cantera B cuesta 1,2 UM/t y tiene las siguientes propiedades:
Material x..........40%
Material y..........30%
Material z..........30%
La piedra de la cantera C cuesta 1,5 UM/t y tiene las siguientes propiedades:
Material x..........10%
Material y..........40%
Material z..........50%
¿De qué canteras debe obtener la roca la empresa?
¿En que proporción?.

Respuesta: El resumen de especificaciones es:

Material x = 30%
Material y ≤ 40%
Material z ≤ 40%
Material z ≥ 30%
Las variables del problema son A, B y C. El funcional será:
20 A + 40 B + 10 C = 30
60 A + 30 B + 40 C ≤ 40
20 A + 30 B + 50 C ≤ 40
20 A + 30 B + 50 C ≥ 30
La primer restricción satisface el requerimiento de x, la segunda el de y y la tercera y la cuarta los de z.

Ejemplo N° 23
Considere tres alimentos: leche, carne y huevos y su contenido en vitaminas A, C y D.

pl-08.doc 116
Prof. Ing. Claudio L. R. Sturla
Contenido por litro Contenido por Kg de Contenido por docena
de leche. carne. de huevos.
A 2 2 10
D 200 20 10
C 20 200 10
Los contenidos están dados por unidad de alimento indicada.
El requerimiento mínimo diario es 1 mg de vitamina A, 50 mg de vitamina C y 10 mg de vitamina D para
una persona adulta.
Si el costo es de 5 UM/Kg carne; 0,4 UM/l leche y 1,2 UM/docena de huevos, ¿cuál es la mezcla óptima
de alimentos, de costo mínimo, que cumple las necesidades de nutrición del individuo?

Problemas de Flujo Máximo

Se pueden modelar muchas situaciones mediante una red en la cual se considera que los arcos tienen la
capacidad de limitar la cantidad de un producto que se puede enviar a través del arco.
O sea, se desea transportar la máxima cantidad de flujo desde un punto de partida (llamado fuente)
hacia un punto final (llamado pozo o sumidero).
Tales problemas se llaman problemas de flujo máximo.
Comenzaremos mostrando cómo se puede utilizar la programación lineal para resolver un problema de
flujo máximo.

Solución de Problemas de Flujo Máximo Mediante la Programación Lineal

Ejemplo N° 24
Sunco Oil quiere enviar (por hora) la máxima cantidad de petróleo por un oleoducto desde el nodo so
(del inglés source) al nodo si (del inglés sink) en la Figura 6.
En su camino del nodo so al nodo si, el petróleo tiene que pasar por algunas, o por todas, las estaciones
1, 2 y 3.
Los arcos de la Figura 6 representan oleoductos de diferentes diámetros.
En la Tabla 7 se muestra el máximo número de barriles de petróleo (millones de barriles por hora) que
se pueden bombear por cada arco.
Cada uno de estos números se llama capacidad de arco.
Plantee un problema de programación lineal que se pueda utilizar para determinar el máximo número de
barriles de petróleo que se pueden mandar de so a sí
Figura 6
Red para el ejemplo de Sunco Oil

Tabla 7
Capacidades de arco para Sunco Oil
pl-08.doc 117
Prof. Ing. Claudio L. R. Sturla

ARCO CAPACIDAD
(so, 1) 2
(so, 2) 3
(1, 2) 3
(1, 3) 4
(3, si) 1
(2, si) 2

Solución
El nodo so se llama fuente porque el petróleo sale del nodo, pero no entra petróleo alguno.
De manera análoga, el nodo si se llama pozo, porque el petróleo entra al nodo, y no sale nada de
petróleo.
Por razones que serán evidentes luego, hemos añadido un arco ficticio a 0 del pozo a la fuente en la
Figura 6.
El flujo a través de a0 no es realmente petróleo; por lo tanto, se lo llama arco ficticio.
Para plantear un problema de programación lineal que proporcione el flujo máximo del nodo so al nodo
si, observamos que Sunco tiene que determinar cuánto petróleo (por hora) tendría que enviarse a través
del arco (i, j)
Por lo tanto, definimos

xij = millones de barriles de petróleo que pasarán por hora por el arco (i, j) del oleoducto

Como un ejemplo de un flujo posible (llamado flujo factible), considere el flujo identificado por los
números entre paréntesis en la Figura 6.
Debe remarcarse que es un flujo arbitrario.
x so ,1 = 2 ; x13 = 0 ; x3, si = 0 ; x2, si = 2 ; x si , so = 2 ; x so , 2 = 0

Para que un flujo sea factible, tiene que tener dos características:

0 ≤ flujo a través de cada arco <= capacidad del arco (1)

Flujo que entra al nodo i = flujo que sale del nodo i (2)

Suponemos que no se pierde petróleo al ser bombeado por la red y, por lo tanto, el flujo factible tiene
que satisfacer (2), la restricción de la conservación de flujo en cada nodo.
La introducción del arco ficticio a0 permite escribir la restricción de la conservación de flujo para la
fuente y el pozo.
Sea x0 el flujo a través del arco ficticio, entonces la conservación de flujo significa que x0 = la cantidad
total de petróleo que entra al pozo e igual a la suma de las capacidades de las de entrada.
Así, la meta de Sunco Oil es maximizar x0 sujeto a (1) y (2):

máx z = x0

sujeto a
x so ,1 ≤ 2 (Restricciones de capacidad de arco)

pl-08.doc 118
Prof. Ing. Claudio L. R. Sturla
x so , 2 ≤ 3
x12 ≤ 3
x 2, si ≤ 2
x13 ≤ 4
x3, si ≤ 1
x0 = x so ,1 + x so , 2 (Restricción de flujo para el nodo so)
x so ,1 = x12 + x13 (Restricción de flujo para el nodo 1)
x so , 2 + x12 = x 2, si (Restricción de flujo para el nodo 2)
x13 = x3, si (Restricción de flujo para el nodo 3)
x3, si + x2, si = x0 (Restricción de flujo para el nodo si)

pl-08.doc 119
Prof. Ing. Claudio L. R. Sturla
OTROS EJEMPLOS
RECICLADO DE DESECHOS SÓLIDOS
Ejercicio N° 25 [Hillier 3.3]
La SAVE-IT COMPANY opera un centro de reciclado que recolecta cuatro tipos de material de de-
secho sólido y los trata para amalgamarlos en un producto comercializable. (El tratamiento y el
amalgamado son dos procesos diferentes.) Se pueden hacer tres grados diferentes de este producto (vea
la primera columna de la tabla 3.16), según la mezcla de materiales que se use. Aunque existe alguna
flexibilidad para esta mezcla en cada grado, los estándares de calidad especifican una cantidad mínima y
una máxima para la proporción de los materiales permitidos en ese grado. (Esta proporción es el peso
del material expresado como un porcentaje del peso total del producto de ese grado.) Para los dos
grados más altos se especifica un porcentaje fijo de uno de los materiales. Estas especificaciones se dan
en la tabla 3.16 junto con el costo de amalgamado y el precio de venta para cada grado.
El centro de reciclado recolecta los materiales de desecho sólido de ciertas fuentes habituales por lo que
casi siempre puede mantener una tasa de producción estable para tratarlos.

Tabla 3.16 Datos de productos para la Save-It Co.

Grado Especificación Amalgamado Precio de venta
Costo ($) por libra ($) por libra
Material 1: no más del 30% del total
A Material 2: no menos del 40% del total
Material 3: no más del 50% del total
Material 4: exactamente el 20% del total 3.00 8.50
Material 1: no más del 50% del total
B Material 2: no menos del 50% del total
Material 4: exactamente el 10% del total 2.5 7.00
C Material 1: no más del 70% del total 2.00 5.50

Tabla 3.17 Datos de los materiales de desechos sólidos para la Save-It Co.
Material Libras por semana Costo del tratamiento Restricciones adicionales
disponibles ($) por libra
1 3000 3.00 1. Para cada material, deben re-
colectarse y tratarse al menos la
2
2000 6.00 mitad de las libras disponibles
3 4000 4.00 por semana
2. Deben usarse $30.000 semana-
4 1000 5.00
les para tratar estos materiales

En la tabla 3.17 se dan las cantidades disponibles para la recolección y tratamiento semanal, al igual que
el costo del proceso para cada tipo de material.
La Save-It Co. es propiedad de Green Earth, una organización dedicada a asuntos ecológicos, por lo
que las ganancias se usan para apoyar las actividades de Green Earth.
Esta organización ha logrado contribuciones y apoyos por la cantidad de $30.000 semanales, que deben
usarse exclusivamente para cubrir el costo del tratamiento completo de los desechos sólidos. El consejo
directivo de Green Earth ha girado instrucciones a la administración de la Save-It para que divida este
dinero entre los materiales de manera tal que al menos la mitad de la cantidad disponible de cada tipo de
material sea recolectado y tratado.
Estas restricciones adicionales se enumeran en la tabla 3.17.
Dentro de las restricciones especificadas en las tablas 3.16 y 3.17, la administración desea determinar la
cantidad que debe producir de cada grado y la mezcla exacta de qué materiales debe usar para cada uno,
de manera que se maximice la ganancia semanal total (ingresos totales por ventas menos los costos
totales del tratamiento y del amalgamado).
pl-08.doc 120
Prof. Ing. Claudio L. R. Sturla

FORMULACIÓN COMO UN PROBLEMA DE PROGRAMACIÓN LINEAL:

En este problema específico, las decisiones que deben tomarse están bien definidas, pero vale la pena
pensar un poco en la manera de manejar la información a través de ellas. (Intente hacerlo y vea si
primero obtiene el siguiente conjunto inapropiado de variables de decisión.)
Como un conjunto de decisiones se refiere a la cantidad de cada grado de producto que se debe fa-
bricar, parecería natural definir un conjunto de variables de decisión acorde.
Siguiendo esta línea de pensamiento, se define

y i = número de libras del producto de grado i producidas a la semana ( i = A, B,C).

 libras j   producto i   producto i 
[ yi ] =  semana i   libra j  =  semana i 
    

El otro conjunto de decisiones es la mezcla de cada grado.

Esta mezcla se identifica por la proporción de cada material en el producto, lo que sugiere definir el otro
conjunto de variables de decisión como

 material j 
z ij =   = proporción del material j en el producto de grado i (i = A, B, C; j = 1, 2, 3, 4)
 producto i 

Sin embargo, la tabla 3.17 da los costos del tratamiento y la disponibilidad de los materiales por
cantidad (libras) y no en proporciones y es esta información en cantidad la que se necesita captar en
algunas de las restricciones. Para el material j (j = 1, 2, 3,4),

 material j   producto i 
Cantidad en libras de material j usada por semana = z Aj y A + z Bj y B + z cj yC   
 producto i   semana i 

Por ejemplo, como la tabla 3.17 indica que se dispone de 3.000 libras del material l por semana, una
restricción en el modelo seria

z A1 y A + z B1 y B + zC1 yC ≤ 3000

Desafortunadamente, ésta no es una restricción legítima de programación lineal.

La expresión en el lado izquierdo no es una función lineal porque incluye la multiplicación de variables.
Por lo tanto, no se puede construir un modelo de programación lineal con estas variables de decisión.
Por suerte, existe otra manera de definirlas que se ajustará al formato de programación lineal.
(¿Tiene usted una idea de cómo hacerlo?)
Esto se logra simplemente sustituyendo cada producto de las variables de decisión anteriores por una
sola variable.
En otras palabras, se define

xij = z ij yi (para i = A, B, C; j = 1, 2, 3, 4) = número total de libras del material j que se asigna al

producto i a la semana.

y después se definen las xij como las variables de decisión.

Al combinar las xij en diferentes formas se llega a las siguientes cantidades necesarias en el modelo
(para i = A, B, C; j = 1, 2, 3, 4).
pl-08.doc 121
Prof. Ing. Claudio L. R. Sturla

xi1 + xi 2 + xi 3 + xi 4 = número de libras del producto grado i producido por semana.

x Aj + x Bj + xCj = número de libras de material j usado por semana.
xij
= proporción del material j en el producto de grado i.
xi1 + xi 2 + xi 3 + xi 4

El hecho de que esta última expresión es una función no lineal no causa complicaciones.
Por ejemplo, considere la primera especificación para el producto grado A en la tabla 3.16 (la pro-
porción de material 1 no debe exceder a 30%). Esta limitación da la restricción no lineal

x A1
≤ 0,3
x A1 + x A2 + x A3 + x A 4

Sin embargo, al multiplicar ambos lados de esta desigualdad por el denominador se llega a la restricción
equivalente

x A1 ≤ 0,3( x A1 + x A 2 + x A3 + x A 4 )

de manera que

0,7 x A1 − 0,3 x A 2 − 0,3 x A3 − 0,3 x A4 ≤ 0

que es una restricción legítima de programación lineal.

Con este ajuste a las tres cantidades dadas se llega directamente a todas las restricciones funcionales del
modelo.
La función objetivo está basada en el objetivo de la gerencia de maximizar la ganancia semanal total
(ingresos totales por ventas menos el costo total del amalgamado) obtenida por los tres grados de
productos.
El costo del tratamiento de los materiales de desechos sólidos no se incluyó al calcular las ganancias
porque este gasto está cubierto por las contribuciones y los apoyos de $30.000 semanales reunidos para
ello.
Entonces, para cada grado de producto, la ganancia por libra se obtiene restando el costo del amal-
gamado dado en la tercera columna de la tabla 3.16 del precio de venta dado en la cuarta columna.
Estas diferencias proporcionan los coeficientes de la función objetivo.
Maximizar Z = 5,5( x A1 + x A 2 + x A3 + x A4 ) + 4,5( x B1 + x B 2 + x B 3 + x B 4 ) + 3,5( xC1 + xC 2 + xC 3 + xC 4 )

Las restricciones son:

Especificaciones de mezcla (segunda columna de la tabla 3.16)
Se especifica sólo una:
− 0,4 x A1 + 0,6 x A 2 − 0,4 x A3 − 0,4 x A 4 ≥ 0
Disponibilidad de materiales (segunda columna de la tabla 3.17)
x A1 + x B1 + xC1 ≤ 3000
x A2 + x B 2 + xC 2 ≤ 2000
x A3 + x B 3 + xC 3 ≤ 4000
x A4 + x B 4 + xC 4 ≤ 1000
Restricciones sobre las cantidades tratadas (lado derecho de la tabla 3.17)

pl-08.doc 122
Prof. Ing. Claudio L. R. Sturla
x A1 + x B1 + xC1 ≥ 1500
x A2 + x B 2 + xC 2 ≥ 1000
x A3 + x B 3 + xC 3 ≥ 2000
x A4 + x B 4 + xC 4 ≥ 500
Restricciones sobre el costo del tratamiento (lado derecho de la tabla 3.17)
3( x A1 + x B1 + xC1 ) + 6( x A 2 + x B 2 + xC 2 ) + 4( x A3 + x B 3 + xC 3 ) + 5( x A 4 + x B 4 + xC 4 ) = 30000
Ejemplo N° 26 [Winston 3.6—8]
Una compañía petrolera considera cinco diferentes oportunidades de inversión.
En la tabla se dan los desembolsos y los valores actuales netos (en millones de UM)
INV. 1 INV. 2 INV. 3 INV. 4 INV. 5
Salida de caja al tiempo 0 11 53 5 5 29
Salida de caja al tiempo 1 3 6 5 1 34
VAN 13 16 16 14 39
La compañía dispone de 40 millones de UM para invertir en el momento actual (tiempo 0); estima que
en un año (tiempo 1) dispondrá de 20 millones de UM para invertir.
Puede comprar cualquier fracción de cualquier inversión.
Por ejemplo, si comprara una quinta parte de la inversión 3, entonces se necesitaría un desembolso de
efectivo de 1/5*5 = 1 millón de UM al tiempo 0, y un desembolso de 1/5*5 = 1 millón de UM en el
tiempo 1.
La quinta parte de la inversión 3 producirá un VAN de 1/5*16 = 3,2 millones de UM
Quiere maximizar el VAN que se puede obtener mediante las inversiones 1 a 5
Supóngase que los fondos no usados en el tiempo 0, no se pueden utilizar en el tiempo 1
SOLUCIÓN
La compañía tiene que determinar qué fracción de cada inversión hay que comprar.
Definimos

xi = fraccion de la inversion i comprada por la empresa ( i = 1, 2,3, 4,5)

La meta es maximizar el VAN ganado por las inversiones.

Ahora

(VAN total) = (VAN ganado por la inversión 1) + (VAN ganado por la inversión 2 + ... + VAN ganado
por la inversión 5)

Obsérvese que

VAN de la inversión 1 = (VAN de la inversión 1) (fracción de la inversión 1 comprada) = 13 x1

Al aplicar un razonamiento similar a las inversiones 2 a 5, vemos que se quiere maximizar

z = 13 x1 + 16 x2 + 16 x3 + 14 x4 + 39 x5

Se pueden expresar las restricciones como:

Restricción 1 No puede invertir más de 40 millones de UM en el tiempo 0.
Restricción 2 No puede invertir más de 20 millones de UM en el tiempo 1.
Restricción 3 No puede comprar más del 100 % de la inversión ( i = 1, 2 , 3, 4 , 5 )

pl-08.doc 123
Prof. Ing. Claudio L. R. Sturla
Para expresar matemáticamente la restricción 1, obsérvese que (UM invertidas en el tiempo 0) = (UM
invertidas en la inversión 1 en el tiempo 0) + (UM invertidas en la inversión 2 en el tiempo 0) + ... +
(UM invertidas en la inversión 5 en el tiempo 0). También en millones de UM.
UM invertidas en la inversión 1 en el tiempo 0 = (UM requeridas para la inversión 1 en el tiempo 0)
(fracción de inversión 1 comprada)
Si lo extendemos a las inversiones 2 a 5

UM invertidas en el tiempo 0 = 11 x1 + 53 x 2 + 5 x 3 + 5 x 4 + 20 x5

Entonces la restricción 1 se reduce a 1 se reduce a

11 x1 + 53 x 2 + 5 x 3 + 5 x 4 + 29 x5 ≤ 40 (Restriccion del tiempo 0)

La restricción 2 se reduce a

3 x1 + 6 x 2 + 5 x 3 + x 4 + 29 x 5 ≤ 20 (Restriccion de tiempo 1)

Se pueden representar las restricciones 3 a 7 mediante

xi ≤ 1 ( i = 1, 2, 3, 4 , 5)
Al combinar las restricciones con las condiciones de no negatividad obtenemos el siguiente problema de
programación lineal
maximizar

z = 13 x1 + 16 x 2 + 16 x 3 + 14 x 4 + 39 x5

s.a.

11 x1 + 53 x 2 + 5 x 3 + 5 x 4 + 29 x 5 ≤ 40 (Restriccion del tiempo 0)

3 x 1 + 6 x 2 + 5 x 3 + x 4 + 34 x 5 ≤ 20 (Restriccion del tiempo 1)
x1 ≤ 1
x2 ≤ 1
x3 ≤ 1
x4 ≤ 1
x5 ≤ 1

x i ≥ 0 ( i = 1, 2 , 3, 4 , 5)

Ejemplo N° 27 [Hillier 3.4-13]

Al principio del semestre de otoño, la directora de las instalaciones de cómputo de cierta universidad se
enfrenta al problema de asignar horas de trabajo distintas a sus operadores.
Debido a que los operadores son estudiantes de la universidad, están disponibles para el trabajo sólo un
número limitado de horas al día.
Se cuenta con seis operadores (cuatro hombres y dos mujeres).
Todos tienen salarios diferentes según su experiencia con las computadoras y su habilidad para
programar.

pl-08.doc 124
Prof. Ing. Claudio L. R. Sturla
La siguiente tabla muestra estos salarios junto con el número máximo de horas al día que cada uno
puede trabajar.

Máximo de horas disponibles

Operador Salarios ($ / hora) Lunes Martes Miércoles Jueves Viernes
K.C. 10.00 6 0 6 0 6
D.H. 10.10 0 6 0 6 0
H.B. 9.90 4 8 4 0 4
S.C. 9.80 5 5 5 0 5
K.S. 10.80 3 0 3 8 0
N.K. 11.30 0 0 0 6 2

Se garantiza a cada operador un número mínimo de horas de trabajo a la semana que lo mantendrán con
un conocimiento adecuado de la operación.
Este nivel se establece arbitrariamente en 8 horas de trabajo a la semana para los hombres y 7 horas a la
semana para las mujeres (K. S. y N.K.).
La instalación de cómputo debe abrir para operación de 8:00 a 22:00 hs. de lunes a viernes con exac-
tamente un operador de guardia en este horario.
Los sábados y domingos, otras personas operan la computadora.
Debido al reducido presupuesto, la directora tiene que minimizar el costo.
Ella quiere determinar el número de horas que debe asignar a cada operador cada día.
a) Formule un modelo de programación lineal para este problema.
b) Resuelva este modelo por el método símplex.
Ejemplo N° 28 [Winston 3.3]
Una compañía automotriz produce automóviles y camiones.
Cada vehículo tiene que pasar por un taller de pintura y por un taller de montaje de la carrocería.
Si el taller de pintura pintara solamente camiones, se podrían pintar 40 camiones al día.
Si el taller de pintura pintara solamente automóviles, se podrían pintar 60 automóviles diariamente.
Si el taller de carrocería produjera solamente automóviles, podría fabricar 50 automóviles al día.
Si el taller de carrocería produjera solamente camiones, podría fabricar 50 camiones al día.
Cada camión aporta 300 dólares a la utilidad, y cada automóvil, 200. Utilice la programación lineal para
determinar la producción diaria que maximizará la ganancia de la compañía.
Solución
La compañía tiene que decidir cuántos automóviles y cuántos camiones hay que producir diariamente.
Esto nos lleva a la definición de las siguientes variables de decisión:
x1 = número de camiones producidos al día
x2 = número de automóviles producidos al día
La utilidad diaria de la compañía (en cientos de dólares) es 3 x1 + 2 x2 ; por lo tanto, la función objetivo
de la compañía se puede escribir como
máx z = 3 x1 + 2 x2
Las dos restricciones para la compañía son las siguientes:
Restricción 1 La fracción del día que el taller de pintura está trabajando es menor que o igual a 1.
Restricción 2 La fracción del día que el taller de carrocería está trabajando es menor que o igual a 1.
Tenemos que
 fracción del día   camiones  1
Fracción del día que el taller de pint. trabaja en camiones =     = x1
 camión   día  40

1
La fracción del día que el taller de pintura trabaja en automóviles = x2
60
pl-08.doc 125
Prof. Ing. Claudio L. R. Sturla
1
La fracción del día que el taller de carrocería trabaja en camiones = x1
50
1
La fracción del día que el taller de carrocería trabaja en automóviles = x2
50
Por lo tanto, se puede expresar la Restricción 1 mediante
1 1
x1 + x 2 ≤ 1 (Restricción del taller de pintura)
40 60
y la Restricción 2 por
1 1
x1 + x2 ≤ 1 (Restricción del taller de carrocería)
50 50

El PL pertinente es
maximizar z = 3 x1 + 2 x2
s.a.
1 1
x1 + x2 ≤ 1
40 60
1 1
x1 + x2 ≤ 1
50 50
x1 ≥ 0 ; x2 ≥ 0
(Resolver con WinQSB)
El PL de la compañía automotriz tiene un número infinito de soluciones óptimas, o soluciones óptimas
alternativas o múltiples.
Esto se debe a que al salir una línea de isoutilidad de la región factible, la línea "corta" todo un segmento
rectilíneo, correspondiente a la restricción obligatoria.
Del ejemplo anterior, parece razonable concluir (y se puede demostrar que es cierto) que si dos puntos
son óptimos, entonces cualquier punto del segmento rectilíneo que une estos dos puntos, también será
óptimo.
Si se presenta un óptimo alternativo, quien tome la decisión puede utilizar un segundo criterio para
escoger entre las soluciones óptimas.
Se usa frecuentemente la técnica de programación de metas (véase la Sec. 14.1 de [Winston]) para
escoger entre soluciones óptimas alternativas.

Actualizado al 26/11/2.002
 D:\INVESTIGACIÓN OPERATIVA\FRBA PL 8 — Impreso el 18/03/2008.

pl-08.doc 126