El problema del carpintero.

El problema del carpintero se trata de determinar cuntas mesas y sillas debe fabricar por semana; pero primero se debe establecer una funcin objetivo La funcin objetivo es: 5X1 + 3X2, donde X1 y X2 representan la cantidad de mesas y sillas; 5 y 3 representan los ingresos netos de la venta de una mesa y una silla (cantidades en cientos de pesos), respectivamente. Los factores limitantes, que normalmente provienen del exterior, son las limitaciones de la mano de obra (esta limitacin proviene de la familia del carpintero) y los recursos de materia prima (esta limitacin proviene de la entrega programada). Se miden los tiempos de produccin requeridos para una mesa y una silla en distintos momentos del da y se calculan en 2 horas y 1 hora, respectivamente. Las horas laborales totales por semana son slo 40. La materia prima requerida para una mesa y una silla es de 1 y 2 unidades, respectivamente. El abastecimiento total de materia prima es de 50 unidades por semana. En consecuencia, la formulacin de PL es la siguiente: Maximizar 5 X1 + 3 X2 Sujeta a: 2 X1 + X2 40 X1 + 2 X2 50

restriccin de mano de obra restriccin de materiales

tanto X1 como X2 son no negativas. Este es un modelo matemtico para el problema del carpintero. Las variables de decisin, es decir, las entradas controlables son X1, y X2. La salida o el resultado de este modelo son los ingresos netos totales 5 X1 + 3 X2. Todas las funciones empleadas en este modelo son lineales (las variables de decisin estn elevadas a la primera potencia). El coeficientes de estas restricciones se denominan Factores Tecnolgicos (matriz). Los perodo de revisin es de una semana, un perodo conveniente dentro del cual es menos probable que cambien (flucten) las entradas controlables (todos los parmetros tales como 5, 50, 2,..). Incluso en un plazo de planificacin tan corto, debemos realizar el anlisis what-if o de hiptesis para responder a cualquier cambio en estas entradas a los efectos de controlar el problema, es decir, actualizar la solucin prescripta. Ntese que dado que el Carpintero no va a ir a la quiebra al final del plazo de planificacin, agregamos las condiciones que tanto X1 como X2 deben ser no negativas en lugar de los requerimientos que X1 y X2 deben ser nmeros enteros positivos. Recuerde que las condiciones de no negatividad tambin se denominan "restricciones implcitas". Nuevamente, un Programa Lineal funcionara bien para este problema si el Carpintero contina fabricando estos productos. Los artculos parciales simplemente se contaran como trabajos en proceso y finalmente se transformaran en productos terminados, en la siguiente semana. Podemos intentar resolver X1 y X2 enumerando posibles soluciones para cada una y seleccionado el par (X1, X2) que maximice 5X1 + 3X2 (los ingresos netos). Sin embargo, lleva mucho tiempo enumerar todas las alternativas posibles y si no se enumeran todas las alternativas, no podemos estar seguros de que el par seleccionado (como una solucin) es la mejor de todas las alternativas. Otras metodologas preferidas (ms eficientes y efectivas), conocidas como las Tcnicas de Soluciones de Programacin Lineal estn disponibles en el mercado en ms de 4000 paquetes de software de todo el mundo.

La solucin ptima, es decir, la estrategia ptima, es establecer X1 = 10 mesas y X2 = 20 sillas. Programamos las actividades semanales del carpintero para que fabrique 10 mesas y 20 sillas. Con esta estrategia (ptima), los ingresos netos son de US$110. Esta . Esta solucin prescripta sorprendi al carpintero dado que debido a los mayores ingresos netos provenientes de la venta de una mesa (US$5), el sola fabricar ms mesas que sillas. Contratar o no contratar a un ayudante? Supngase que el carpintero pudiera contratar a un ayudante a un costo de US$2 por hora (adicionales $2) Le conviene al carpintero contratar a un ayudante? En caso afirmativo, por cuntas horas? X3 es la cantidad de horas extra, entonces el problema modificado es: Maximizar 5 X1 + 3 X2 - 2 X3 Sujeta a: 2 X1 + X2 40 + X3 restriccin de la mano de obra con horas adicionales desconocidas X1 + 2 X2 50 restriccin de materiales En esta nueva condicin, veremos que la solucin ptima es X1 = 50, X2= 0, X3 = 60, con ingresos netos ptimos de US$130. Por lo tanto, el carpintero debera contratar a un ayudante por 60 horas. Qu pasara si slo lo contrata por 40 horas? La respuesta a esta pregunta y a otros tipos de preguntas del estilo "qu pasara si" (what-if) se estudia en la seccin sobre anlisis de sensibilidad en este sitio Web. Mtodo de Solucin Grfica Dado que somos una especie visual (especialmente la cultura estadounidense), debido a nuestro sistema educativo, muchas de las herramientas de enseanza escolar utilizadas en la actualidad son de naturaleza grfica. Les enseamos a leer mostrndoles figuras de las cosas. Les enseamos a contar mostrndoles el orden de los nmeros. En consecuencia, nuestros receptores visuales se agudizan a expensas de otras funciones cognitivas. Tambin he descubierto que las personas de negocios responden mejor a los grficos y a los cuadros que a los nmeros. Procedimiento para el Mtodo Grfico de Solucin de Problemas de PL: 1. El problema es un problema de PL? La respuesta es afirmativa si y slo si: Todas las variables estn elevadas a la primera potencia y son sumadas o restadas (no dividas ni multiplicadas). La restriccin debe adoptar alguna de las siguientes formas ( , , o =, es decir que las restricciones de PL siempre estn cerradas), y el objetivo debe ser de maximizacin o minimizacin. 2. Puedo utilizar el mtodo grfico? La respuesta es afirmativa si la cantidad de variables de decisin es 1 o 2. 3. Utilice papel milimetrado. Grafique cada restriccin, una por una, como si fueran igualdades (como si todo y , es = ) y luego trace la lnea. 4. A medida que se crea cada lnea, divida la regin en 3 partes con respecto a cada lnea. Para identificar la regin factible para esta restriccin en particular, elija un punto en cualquier lado de la lnea y coloque sus coordenadas en la restriccin, si satisface la condicin, este lado es factible, de lo contrario el otro lado es factible. En el caso de restricciones de igualdad, slo los puntos sobre la lnea son factibles. 5. Elimine los lados que no son factibles. Una vez graficadas todas las restricciones, debe generarse una regin factible no vaca (convexa), salvo que el problema sea no factible. 6. Cree (como mnimo) dos lneas de igual valor desde la funcin objetivo, fijando la funcin objetivo en dos nmeros distintos cualquiera. Grafique las lneas

resultantes. Al mover estas lneas paralelas, encontrar el vrtice ptimo (punto extremo), si es que existe. En general, si la regin factible se encuentra dentro del primer cuadrante del sistema de coordenadas (es decir si X1 y X2 0), entonces, para los problemas de maximizacin, usted debe mover la funcin objetivo de igual valor (funcin iso) paralela a s misma lejos del punto de origen (0, 0), como mnimo, teniendo a la vez un punto en comn con la regin factible. Sin embargo, para los problemas de minimizacin, debe realizar lo opuesto, es decir, mover la funcin objetivo de igual valor (funcin iso) paralela a s misma acercndola al punto de origen, a su vez teniendo como mnimo un punto en comn con la regin factible. El punto comn proporciona la solucin ptima. Recuerde que las restricciones de PL proporcionan los vrtices y las esquinas. Un vrtice es la interseccin de 2 lneas o en general, n hiperplanos en problemas de PL con n variables de decisin. Una esquina es un vrtice que adems es factible.

El Problema del Carpintero Maximizar 5 X1 + 3 X2 Sujeta a: 2 X1 + X2 40 X1 + 2 X2 50 Y adems X1, X2 son no negativas.

Nota: Existe una alternativa del abordaje de la funcin objetivo de igual valor con problemas que tienen pocas restricciones y una regin factible acotada. Primero busque todas las esquinas, tambin llamadas puntos extremos. Luego, evale la funcin objetivo en los puntos extremos para llegar al valor ptimo y a la solucin ptima. Por ejemplo, en el problema del carpintero, la regin factible convexa proporciona los puntos extremos con las coordenadas que figuran en la siguiente Tabla:

Dado que el objetivo es maximizar, de la tabla anterior surge que el valor ptimo es 110, el cual se obtiene si el carpintero sigue la estrategia ptima de X1 = 10 y X2 = 20. La principal deficiencia del mtodo grfico es que se limita a resolver problemas lineales que tengan slo 1 o 2 variables de decisin. Sin embargo, la conclusin principal y til a la que podemos arribar a partir del anlisis de los mtodos grficos es la siguiente: Si un programa lineal tiene una regin factible acotada no vaca, la solucin ptima es siempre uno de los puntos extremos. . La prueba de esta afirmacin surge de los resultados de los siguientes dos hechos: Hecho N 1: La regin factible de cualquier programa lineal es siempre un conjunto convexo. Debido a que todas las restricciones son lineales, la regin factible (R.F.) es un polgono. Adems, este polgono es un conjunto convexo. En cualquier problema de PL que tenga ms de dos dimensiones, los lmites de la regin factible son partes de los hiperplanos, y la regin factible en este caso se denomina poliedro y tambin es convexa. Un conjunto convexo es aquel en el cual si se eligen dos puntos factibles, todos los puntos en el segmento de la lnea recta que une estos dos puntos tambin son factibles. La prueba de que la regin factible de los programas lineales son siempre conjuntos convexos surge por contradiccin. Las siguientes figuras ilustran ejemplos de los dos tipos de conjuntos: un conjunto no convexo y un conjunto convexo.

El conjunto de la regin factible en cualquier programa lineal se denomina poliedro y si est acotado se denomina politopo. Hecho N 2: El valor iso de una funcin objetivo de un programa lineal es siempre una funcin lineal. Este hecho surge de la naturaleza de la funcin objetivo de cualquier roblema de PL. Las siguientes figuras ilustran las dos clases tpicas de funciones objetivo de igual valor (funcin iso).

De la combinacin de los dos hechos expresados arriba surge que si un programa lineal tiene una regin factible acotada no vaca, la solucin ptima es siempre uno de los puntos extremos. Para superar la deficiencia del mtodo grfico, utilizaremos esta conclusin til y prctica en el desarrollo de un mtodo algebraico aplicable a problemas de PL multidimensionales. La convexidad de la regin factible de los programas lineales facilita la resolucin de problemas de PL. Debido a esta propiedad y a la linealidad de la funcin objetivo, la solucin es siempre uno de los vrtices. Asimismo, dado que la cantidad de vrtices es limitada, todo lo que debemos hacer es buscar todos los vrtices factibles y luego evaluar la funcin objetivo en dichos vrtices para encontrar el punto ptimo. En el caso de programas no lineales, el problema es mucho ms difcil de resolver porque la solucin podra estar en cualquier parte dentro de la regin factible, en el lmite de la regin factible o en un vrtice. Por suerte, la mayora de los problemas de optimizacin empresarial son lineales y es por eso que la PL es tan popular. Hoy en da, existen ms de 400 paquetes de software en el mercado para resolver problemas de PL. La mayora se basa en la bsqueda de vrtices. Esto equivale a pasar de un vrtice a otro cercano en busca de un punto ptimo.

Vnculo entre Programacin Lineal y Sistemas de Ecuaciones George Dantzig la programacin lineal es estrictamente "la teora y la solucin de sistemas lineales de desigualdad". Probablemente ya ha notado que las soluciones bsicas de un programa lineal son las soluciones de los sistemas de ecuaciones que constan de restricciones en una posicin obligatoria. Por ejemplo, en el caso del Problema del Carpintero, se pueden calcular todas las soluciones bsicas, tomando dos ecuaciones cualquiera y resolvindolas al mismo tiempo. Luego, se utilizan las restricciones de las otras ecuaciones para verificar la factibilidad de esta solucin. Si es factible, esta solucin es una solucin bsica factible que proporciona las coordenadas de un punto extremo de la regin factible. Para ilustrar el procedimiento, considere las restricciones del Carpintero en la posicin obligatoria (es decir todas con signo =): 2X1 + X2 = 40 X1 + 2X2 = 50 X1 = 0 X2 = 0 Aqu tenemos 4 ecuaciones con 2 incgnitas. Existen como mximo = 4! / (2! 2!) = 6 soluciones bsicas. Si resolvemos los seis sistemas de ecuaciones resultantes tenemos: Seis Soluciones Bsicas con Cuatro Soluciones Bsicas Factibles X1 X2 5X1 + 3X2 10 20 110* 0 40 No factible 20 0 100 0 25 75 50 0 No factible 0 0 0 Cuatro de las soluciones bsicas que figuran arriba son soluciones bsicas factibles que satisfacen todas las restricciones y pertenecen a los vrtices de la regin factible. Al incluir la solucin bsica factible en la funcin objetivo, podemos calcular el valor ptimo. Entonces, de la tabla anterior surge que la solucin ptima es X1 = 10, X2 = 20, con un valor ptimo de US$110. Este abordaje puede aplicarse para resolver problemas de PL de ms dimensiones. Extensin a Mayores Dimensiones El Mtodo Grfico se limita a resolver problemas de PL con una o dos variables de decisin. Sin embargo, proporciona una clara ilustracin de dnde se encuentran las regiones factibles y no factibles as como tambin los vrtices. Desarrollar una comprensin visual del problema contribuye a un proceso de pensamiento ms racional. Por ejemplo, ya vimos que: si un programa lineal tiene una regin factible acotada no vaca, la solucin ptima es siempre uno de los vrtices de su regin factible (una esquina o punto extremo). Como resultado, lo que debemos hacer es buscar todos los puntos de interseccin (vrtices) y luego examinar cul de todos los vrtices factibles proporciona la solucin ptima. Ahora, aplicando conceptos de Geometra Analtica, sortearemos esta limitacin de la visin humana. El Mtodo Algebraico est diseado para extender los resultados del mtodo grfico a problemas de PL multidimensionales, tal como se ilustra en el siguiente ejemplo numrico.