Mtodo Grfico para optimizar la asignacin de recursos escasos dentro de la Universidad Mtodo Grfico para solucionar Problemas reales

de PL en la Universidad

1. Formulacin de Modelos de Optimizacin

La forma convencional en que la Investigacin Operativa realiza esto es construyendo un modelo matemtico que represente la esencia del problema. Un modelo siempre deber ser menos complejo que el problema real, es una aproximacin abstracta de la realidad con consideraciones y simplificaciones que hacen ms manejable el problema y permiten evaluar eficientemente las alternativas de solucin.

2. Introduccin a la Programacin Lineal

Un problema es lineal porque su funcin objetivo y restricciones que se imponen al sistema son lineales, quiere decir que cumplen con las propiedades de Proporcionalidad y Aditividad. ( Soria, 2010) Proporcionalidad: las variaciones de las variables deben afectar en forma proporcional a la funcin objetivo y al conjunto de restricciones. Aditividad: Como ejemplo podemos mencionar dos productos que compiten en el mercado, si el aumento en la venta de uno de ellos hace que la venta del otro sea menor, entonces ambos productos no satisfacen la condicin. La programacin lineal es mtodo determinista de anlisis para decidir la mejor entre diversas alternativas presentadas. Cuan la alternativa elegida consta de un

conjunto clasificado de actividades, se le puede tomar como plan o programa. (Npoles Pea, 2007) La Programacin Lineal es una tcnica matemtica utilizada como herramienta para dar solucin a problemas comunes en diversas disciplinas como Economa, Ingeniera, Sociologa, Biologa, etc. Se trata de maximizar y/o minimizar una funcin de dos o ms variables sabiendo que tiene que cumplir con restricciones derivadas de la escasez de recursos disponibles en la realidad. (Introduccion a la Programacion Lineal, 2003) El objetivo es Optimizar, una funcin objetivo, lo cual implica maximizar o minimizar una funcin lineal sujeta a una serie de restricciones o limitaciones, expresadas por inecuaciones o ecuaciones lineales. El adjetivo lnea significa que todas las funciones matemticas del modelo debe ser funciones lineales. En este caso, las palaras programacin no se refiere a programacin en computadoras; en esencia es un sinnimo de planeacin. As la programacin lineal trata de planeacin de las actividades para obtener un resultado ptimo. En este texto podemos precisar que: a diferencia de otras tcnicas de la IO, La programacin lineal puede entenderse como el proceso de reduccin del sistema real y su problema, a un objetivo y un conjunto de restricciones, donde todas las funciones son lineales (Guaman Tandazo, 2011).

Lo que podemos precisar es que la PL nos permite tomar el problema y fijarnos en un punto u objetivo para poder sacar un resultado optimizando los recursos disponibles.

3. Estructura de la Programacin Lineal a) Variables de Decisin Son las incgnitas del problema. La definicin de las variables es el punto clave y bsicamente consiste en los niveles de todas las actividades que pueden llevarse a cabo en el problema de formular.

b) Funcin Objetivo Consiste en optimizar el objetivo que persigue una situacin la cual es una funcin lineal de las diferentes actividades del problema, la funcin objetivo se maximizar o minimiza. c) Restricciones Estructurales Diferentes requisitos que debe cumplir cualquier solucin para que pueda llevarse a cabo, dichas restricciones pueden ser de capacidad ,mercado, materia prima ,calidad, balance de materiales ,etc.

d) No negatividad Todas las variables deben tomar valores positivos, o en algunos casos puede ser que algunas variables tomen valores.

4. Supuestos bsicos de la Programacin Lineal

Desde un punto de vista tcnico, hay cinco supuestos que debe cumplir todo problema de programacin lineal: o Los coeficientes, tanto de la funcin objetivo como de las restricciones, son conocidos con exactitud y adems no varan durante el perodo de tiempo en que se realiza el estudio (supuesto de certidumbre).

o Tanto en la funcin objetivo como en las restricciones hay proporcionalidad: si para la produccin de un bien empleamos 5 horas de un determinado recurso (mano de obra, maquinaria, etc.), para producir diez unidades de dicho bien sern necesarias 50 horas del mismo recurso.

o Aditividad de actividades: tanto en la funcin objetivo como en las restricciones, la contribucin de cada variable es independiente de los valores del resto de las variables, siendo el total de todas las actividades igual a la suma de cada actividad individual. As, por ejemplo, si producimos dos tipos de bienes, uno que nos reporte un beneficio de 20 /unidad, y otro que nos reporte un beneficio de 10 /unidad, la produccin de un bien de cada tipo supondr un beneficio total de 30 .

o Las soluciones del problema sern, en general, nmeros reales no necesariamente enteros (supuesto de divisibilidad). Para aquellos problemas en los cuales slo tenga sentido obtener soluciones enteras (cuando las soluciones se refieran a objetos indivisibles), se usarn tcnicas de Programacin Lineal Entera (PLE).

o Las variables de nuestro modelo tomarn siempre valores positivos (supuesto de no negatividad), dado que no tiene sentido hablar de cantidades negativas de objetos fsicos.

5. Mtodo Grafico:
5.1. Concepto
El Mtodo Grfico se utiliza para ilustrar tres conceptos bsicos: la metodologa para la resolucin de un problema de dos variables de decisin, la interpretacin de la solucin del problema modelado y la observacin grfica de cmo afectan los cambios a la solucin del problema. Pero en otros textos se explica que: El Mtodo Grfico es poco poderoso ya que est limitado a resolver problemas de dos o mximo tres variables de decisin (VZQUEZ ARVALO, 2011) Lo anterior significa que cuando el enunciado tenga ms de 3 variables el mtodo grafico ya no ser til para esto existe el mtodo simplex que si funciona con esta restricciones.

El mtodo grfico de resolucin tan slo es aplicable a problemas con dos variables (X e Y). Para aquellos casos en que el nmero de variables del problema sea superior a dos, no ser posible encontrar la solucin a partir de un grfico bidimensional y, por tanto, tendremos que usar mtodos de resolucin ms complejos. Dado que tenemos slo dos variables, podremos representar cada una de las restricciones en el plano real. Estas restricciones son semiespacios (por ser lineales), la interseccin de los cuales se denomina regin. (Metodo Grafico & Mtodo Grfico, 2011)

5.2. Conceptos bsicos.

Algunos conceptos bsicos de la Programacin Lineal que se pueden visualizar a travs del Mtodo Grfico son: a. Regin factible. b. Restriccin activa y Restriccin redundante. c. Demostrar que: Mx. Z = mn. (-Z). d. Vrtices fuera de la regin factible. e. Anlisis de cambios que afectan al modelo del problema. (Solucion de problemas con el Metodo Grafico, 2008)

A continuacin se definen los diferentes conceptos:

a. Regin factible.
La regin factible es formada por las restricciones del problema y en alguno(s) de sus vrtices se localiza la solucin ptima. La forma de la regin factible depende del tipo de restricciones que se tengan. Aun as, se pueden considerar dos tipos bsicos: la regin factible "cerrada" y la "abierta". La regin factible cerrada se tiene cuando las restricciones, incluyendo las de "no negatividad", delimitan la regin factible del problema. En el tipo abierto, se tiene una regin factible no acotada que solo permite la minimizacin. A continuacin se presentan los grficos de estos tipos de regin factible:

Cuando un problema modelado no tiene regin factible, es debido a que algunas de sus restricciones son contradictorias entre s. Este tipo de problemas son "infactibles", es decir, que el problema modelado no tiene solucin. En estos casos es necesario revisar el modelo del problema, ya que existe alguna inconsistencia en las restricciones que no permite tener una regin factible. (Solucion de problemas con el Metodo Grafico, 2008) Los problemas infactibles se debe de replantear la(as) restriccin(es) que crean las contradicciones.

b.

Restriccin activa y Restriccin redundante.

Las restricciones que forman parte de la regin factible son las "restricciones activas" mientras las que no la forman son las redundantes (Solucion de problemas con el Metodo Grafico, 2008) Las restricciones activas son las realmente forman la regin factible donde est la solucin ptima. Estas restricciones son la esencia del problema modelado, de tal forma que, si se quita alguna de ellas se cambia la solucin ptima. Una restriccin redundante no tiene ningn efecto en la solucin ptima del problema, es una restriccin ficticia que da lo mismo dejarla en el modelo o quitarla

c. Demostrar que: Mx. Z = mn.(-Z)

Al demostrar que Mx. Z = mn. (-Z), tambin se est demostrando que lo contrario es verdadero, es decir que mn. Z = Mx. (-Z). Este principio es muy poderoso en la solucin de problemas de minimizacin mediante el Mtodo Simplex.

(Solucion de problemas con el Metodo Grafico, 2008)

d. Anlisis de cambios que afectan al modelo del problema.

Un problema modelado de Programacin Lineal, que experimente algn tipo de cambio, puede o no cambiar su solucin ptima dependiendo del cambio. Existen dos tipos bsicos de cambio: el cambio de un coeficiente de contribucin de la Funcin Objetivo o el cambio en la disponibilidad de los recursos de las restricciones. (Solucion de problemas con el Metodo Grafico, 2008) Un cambio en alguno de los coeficientes de la Funcin Objetivo, equivale a rotar dicha Funcin Objetivo. Cuando se quiere provocar una solucin ptima alterna, se rota la Funcin Objetivo hasta quedar paralela a una restriccin activa. Dependiendo del sentido de la rotacin que se haga en la Funcin Objetivo as ser el cambio que tenga su ecuacin.

5.3. Solucin Grfica de Problemas de PL

El anlisis grfico es eficiente para enfrentar la resolucin de modelos de Programacin Lineal con 2 variables, donde el dominio de puntos factibles (en caso de existir) se encontrar en el primer cuadrante (restricciones de no negatividad que se imponen al modelo), como producto de la interseccin de las distintas restricciones del problema lineal. Para modelos con 3 ms variables la solucin grfica es imposible de aplicar, por lo cual resolvemos los mismos mediante clculos analticos. ( Soria, 2010)

Una de las propiedades bsicas de un modelo de Programacin Lineal que admite solucin, es que sta se encontrar en el vrtice o frontera (tramo) del dominio de puntos factibles, a este espacio factible de soluciones se lo llama polgono de soluciones, todos los puntos dentro de ste espacio grfico, y sobre las lneas exteriores que lo forman son puntos factibles de solucin, la solucin ptima se encontrar en un punto extremo del polgono. Es decir, luego de graficar el dominio o polgono, evaluamos los distintos vrtices de modo de elegir "el mejor" candidato segn sea nuestro caso (el valor de la funcin objetivo ser la que nos permitir discriminar cual es el mejor candidato dependiendo si estamos maximizando o minimizando).

5.4. Metodologa.
El Mtodo Grfico utiliza la siguiente metodologa para encontrar la solucin ptima de un problema especfico: a. Calcular los puntos para graficar cada restriccin. b . Graficar las restricciones. c . Determinar la regin factible. d. Calcular las coordenadas de los vrtices de la regin factible. e. Calcular el valor de la Funcin Objetivo en dichos vrtices. f . Encontrar la solucin ptima del problema.

(Solucion de problemas con el Metodo Grafico, 2008) Los pasos de la metodologa se definen a continuacin: A. Calcular los puntos para graficar cada restriccin. Para graficar una restriccin, primero se le considera como una recta, es decir como si fuera una igualdad, y luego se encuentra el espacio solucin que cumple con la condicin de dicha restriccin, poniendo una pequea flecha para indicarlo.

B. Graficar las Restricciones Teniendo los puntos de la recta calculados anteriormente se une con una recta los puntos encontrados, teniendo en cuenta si la restriccin es mayor o menor al recurso.

C. Determinar la regin factible. Para determinar la regin factible en la grfica, es importante atender el sentido de las restricciones para encontrar el rea comn a

todas. Para hacer esto, nos podemos auxiliar de las pequeas flechas que indican el sentido de cada restriccin.

D. Calcular las coordenadas de los vrtices de la regin factible. En el grfico, se marcaron los vrtices que forman la regin factible. La importancia de calcular las coordenadas de estos vrtices, es que ayudan a calcular el valor de la Funcin Objetivo encada uno de ellos y en base a este listado, se encuentra la solucin ptima del problema. E. Calcular el valor de la Funcin Objetivo en dichos vrtices. Para calcular el valor de la Funcin Objetivo en un vrtice, simplemente se sustituye en ella el valor de X1y X2 dado por las coordenadas de dicho vrtice.

F. Encontrar la solucin ptima del problema. En la tabla anterior, se presentaron los valores de la Funcin Objetivo en cada uno de los vrtices de la regin factible, de stos se escoge aquel valor que cumple con lo establecido en la Funcin Objetivo.

5.5. Casos especiales No Factibilidad: Podra ocurrir que el problema propuesto no tuviese solucin. ste sera el caso en que las restricciones fuesen incompatibles, i.e., que ningn punto del plano (o, en general, del espacio real n-dimensional) puede cumplir simultneamente todas las limitaciones a las que estamos sometidos, es decir, la regin factible es un conjunto vaco.

No Acotacin: En ocasiones, podemos encontrarnos con problemas que no tengan una solucin finita; as por ejemplo, en un problema de maximizacin podramos tener alguna variable que pudiese

incrementarse indefinidamente sin violar ninguna de las restricciones, permitiendo a la funcin objetivo tomar valores tan grandes como se desee. Grficamente, tendramos una regin factible no acotada. Redundancia: Algunas restricciones pueden estar de ms por no aportar nada nuevo a la forma de la regin factible, ya que hay otras que resultan ser ms restrictivas (esto suele ocurrir en problemas extensos, donde resulta difcil reconocer restricciones redundantes).

Soluciones Mltiples: Un problema de Programacin Lineal puede tener ms de una solucin ptima (incluso infinitas). En el caso grfico de dos variables, si dos vrtices consecutivos de la regin factible son solucin ptima del problema, entonces todos los puntos del segmento comprendido entre ellos tambin sern ptimos.

Otros autores al parecer reflejan este termino con estas palabras: La falta de explicacin de un modelo puede sealar solo una cosa, que este se encuentra mal construido. Evidentemente resulta irracional hacer que un modelo produzca una ganancia infinita (Casos Especiales, 2011). Podemos entender que las irregularidades ms probables en este modelo podran ser que: 1. No se toman en cuenta una o ms restricciones redundantes 2. No se determinan adecuadamente los parmetros (constantes) de alguna restriccin.

Referencias:
Npoles Pea, O. (2007). Aspectos fundamentales de la Programacion Lineal. En Investigacion Operativa I. (pg. 22). Universitaria.

Introduccion a la Programacion Lineal. (2003). Disponible en: http://www.utu.edu.uy/Publicaciones/Publicaciones%20Educativas/Libros%20de%20Matematica/ PROGRAMACION%20LINEAL.pdf

Solucion de problemas con el Metodo Grafico. (2008). Recuperado el 28 de 10 de 2011, de http://es.scribd.com/doc/6729799/2-Metodo-Grafico

Soria, A. (25 de 09 de 2010). Apunte - pl solucion grafica. Recuperado el 27 de 10 de 2011, de http://es.scribd.com/doc/38148998/Apunte-PL-Solucion-Grafica Casos Especiales. (28 de 10 de 2011). mitecnologico. Obtenido de http://www.mitecnologico.com/Main/CasosEspecialesMetodoSimplex Guaman Tandazo, R. (27 de 10 de 2011). Investigacion de Operaciones. Metodo Grafico, & Mtodo Grfico. (28 de 10 de 2011). Programacion Lineal. VZQUEZ ARVALO, J. (28 de 10 de 2011). http://es.scribd.com/. Obtenido de http://es.scribd.com/: http://es.scribd.com/doc/6729799/2-Metodo-Grafico