Progrmación Lineal

Investigacin de Operaciones I
Programacin lineal
Programacin Lineal
1.
2.
3.
4.
5.
6.
7.
Se presenta a continuacin, parte de esta entrevista:
Introduccin.
Definicin.
Supuestos y limitaciones.
Modelo matemtico.
Transformaciones.
Formatos Cannico y Estndar.
Construccin de modelos de PL.
"Considere el problema de asignar 70 hombres a 70

empleos. Una 'actividad' consiste en asignar el isimo
hombre al j-simo empleo. Las restricciones son dos:
en primer lugar hay 70 hombres, cada uno de los cuales
debe asignarse a un puesto, y en segundo lugar, cada
uno de los 70 puestos existentes debe estar ocupado.
El nivel de una actividad puede ser 1, lo cual indica que
est siendo usada, o 0, lo cual significa que no. En
consecuencia hay 2 x 70 =140 restricciones y 70 x 70
=
4900
actividades
con
4900
variables
correspondientes de decisin uno-cero. Por desgracia
tambin hay factorial de 70 permutaciones o formas
de hacer las asignaciones. El problema consiste en
comparar ste factorial de 70 formas y elegir la que
sea la ptima o 'mejor' segn algn criterio
previamente establecido."
Introduccin.
"Los
que
mandan
generalmente
mueven
las
manos
y
dicen
'He
considerado
todas
las
alternativas'. Pero eso es
casi siempre basura. Lo ms
probable es que no pudiesen
estudiar
todas
las
combinaciones."
"En el ejemplo anterior, factorial de 70 es un nmero

muy grande. A fin de tener una idea de qu tan grande
es, supngase que se hubiese tenido una computadora
IBM del tipo main-frame en el instante en el que
ocurri el Big Bang hace quince millones de aos.
Habra podido, entre ese entonces y ahora, examinar
George B. Dantzig , el creador de la programacin

lineal, en una entrevista publicada en The College
Mathematical Journal, marzo de 1986.
37
Ing. Jos Gabriel Gonzlez Turrubiates
Programacin lineal
todas las soluciones posibles? No! No obstante,

supngase que se hubiese tenido una computadora aun
ms poderosa, una que pudiese examinar mil millones
de asignaciones por segundo. La respuesta seguira
siendo negativa. Aun si la Tierra se llenase con
computadoras
cuyas
rapideces
fueran
de
nanosegundos, todas ellas trabajando en paralelo, la
respuesta aun sera no. Sin embargo, si existiesen diez
Tierras, todas llenas con computadoras del tipo
mencionado, todas programadas en paralelo desde el
instante del Big Bang hasta que el Sol fuese una esfera
fra, entonces quizs la respuesta podra ser s. Lo
notable es que el mtodo Simplex, con la ayuda de una
computadora moderna, puede resolver este problema
en una fraccin de segundo" .
alguna relacin directa entre la meta establecida y las

acciones emprendidas para tal fin."
"Si se estudiaba con cuidado el paso siguiente, se poda
ver que algn lder haba promulgado un montn de
reglas bsicas que, en su concepto, llevaran a la meta.
Esto distaba mucho de lo que sera honestamente
estudiar todas las combinaciones alternativas de las
acciones a seguir para elegir la mejor combinacin. Los
que mandan generalmente mueven las manos y dicen
'He considerado todas las alternativas'. Pero eso es
casi siempre basura. Lo ms probable es que no
pudiesen estudiar todas las combinaciones. Antes de
1947 era inconcebible pensar en la existencia de una
herramienta como la programacin lineal que
permitiese examinar millones de combinaciones. No
haba algoritmo o herramienta computacional que
pudiera hacer eso".
"Cuando el problema de la planeacin fue formulado

inicialmente para la Fuerza Area, no exista la nocin
exacta de una funcin objetivo, la idea de una meta
claramente definida. Por supuesto, tenamos slo un
falso respeto hacia el concepto de objetivo. En el
discurso de los militares escuch a menudo decir,
'nuestro objetivo es ganar la guerra'. En el mundo de
los negocios se escuchara quizs 'nuestro objetivo es
obtener ganancias'. Sin embargo, era imposible hallar
"No descubr el modelo de la programacin lineal en un

instante, sino que tuvo un proceso de evolucin. Se
dedic casi un ao completo a la tarea de decidir si mi
modelo podra ser utilizado en la formulacin de
problemas prcticos de distribucin de tiempos. Como
usted sabe, la planeacin y la distribucin de tiempos
se llevaron a una escala inmensa durante la guerra. El
38
Programacin lineal
funcionamiento de la Fuerza Area fue equivalente al

funcionamiento de la economa de toda una nacin. En
el proceso intervinieron cientos de miles de personas.
La logstica tuvo una magnitud difcil de entender para
alguien que no haya estado all. Mi colega Marshall
Wood y yo revisamos miles de situaciones tomadas de
nuestra experiencia durante la guerra."
militares. Poda aplicarse a toda clase de problemas de

planeacin; todo lo que tena que hacerse era cambiar
los nombres de las columnas y los renglones, y
entonces era aplicable a un problema de planeacin
econmica lo mismo que a un problema de planeacin
industrial."
"Las reglas bsicas empleadas en la planeacin se

expresaban en un formato completamente distinto del
que se emplea en la actualidad para formular un
programa lineal. Lo que hicimos fue revisar estas
reglas una por una y demostrar que casi todas ellas
podan reformularse aceptablemente en un formato de
programacin lineal. Pero no todas. En algunos casos
era necesario tomar en cuenta el carcter discreto de
las variables y las no convexidades."
Definicin
Una de las tcnicas ms difundidas de la (IO) es

la programacin lineal (PL). El xito de est
herramienta se debe al hecho de que es muy flexible
para describir un gran nmero de situaciones reales en
reas tales como: militar, industrial, agrcola,
transporte, de la economa, de sistemas de salud, e
incluso en las ciencias sociales y de la conducta. Un
factor que ha ayudado a su amplio uso es la
disponibilidad de programas de computadora muy
eficientes para resolver problemas de grandes
magnitudes de PL.
"Cuando formul por primera vez mi modelo de

programacin lineal, lo hice sin una funcin objetivo.
Estuve luchando por algn tiempo con la adicin de
reglas bsicas para elegir de entre las soluciones
factibles la que en algn sentido fuese 'ptima'. Pero
pronto abandon esta idea y la sustitu por la de una
funcin objetivo a ser maximizada. El modelo que
formul no estaba hecho especficamente para fines
De hecho, la PL debera considerarse como una

base importantes del desarrollo de otras tcnicas de
la IO, incluidas la programacin entera, la estocstica
la de flujo de redes y la cuadrtica. Desde este punto
39
Programacin lineal
de vista, el conocimiento de la PL es fundamental para

implementar estas tcnicas adicionales.
o ms variables, una relacin que es directa y precisamente

proporcional. El trmino programacin se refiere al uso de ciertas
tcnicas matemticas para obtener la mejor solucin posible a un
problema que involucra recursos limitados.
Richad I. Levin
Por lo que resulta interesante saber que

programacin lineal y que no lo es, a continuacin se
mencionan algunas definiciones.
Supuestos y limitaciones
... trata la planeacin de las actividades para obtener un resultado

ptimo, esto es, el resultado que mejor alcance la meta especificada
(segn el modelo matemtico) entre todas las alternativas de
solucin.
Frederick S. Hiller
Debe recordarse que un modelo es una

abstraccin de la realidad y no la realidad misma. Por
tanto, en cierto sentido es una representacin
incompleta de la realidad, en donde se pretende ganar
entendimiento y definicin de la estructura del
sistema en el cual se tiene el problema, cediendo a
cambio cierta cantidad de realidad. El modelo general
de la P.L., tiene entonces ciertas suposiciones y
limitaciones implcitas, de las cuales se debe estar
consciente. Una descripcin breve
de las ms
importantes se presenta a continuacin.
... abarca los mtodos de solucin de una gran variedad de

problemas de la siguiente naturaleza: se tiene alguna cantidad (tal
como un costo o un tiempo)que es una funcin lineal de cierto nmero
de variables lineales. Se requiere, a su vez, que estas variables
satisfagan un sistema de igualdades o desigualdades lineales. Es
necesario hallar aquellos valores no negativos de las variables que
hagan mxima o bien mnima a la cantidad dada.
A. S. Basarov
... es un problema de minimizar o maximizar una funcin lineal en la
presencia de restricciones lineales del tipo de desigualdad, igualdad o
ambas.
Mokhtar S. Bazaraa
Suposiciones:
... es una tcnica matemtica para encontrar los mejores usos de la

organizacin. El adjetivo lineal se usa para describir la relacin en dos
La contribucin individual que una variable Xj

aporta a la funcin objetivo es CjXj y al consumo del
1.- Proporcionalidad.
40
Programacin lineal
recurso en la "i-sima" restriccin es aijXj. La

proporcionalidad implica que, si por ejemplo, Xj es
duplicada en su valor, tambin se duplicarn en la
misma proporcin sus contribuciones tanto al objetivo
como a las restricciones. Por tanto se supone que no
existe ahorros o costos extra por el uso adicional de la
variable Xj.
Esta suposicin garantiza que la contribucin

total tanto a la funcin objetivo como a las
restricciones, es igual a la suma de las contribuciones
individuales. Cuando en un problema dado no se tenga
la aditividad debe recurrirse a otra tcnica de
programacin matemtica, dependiendo de cada caso
en particular.
Cabe mencionar, que cuando se trabaje con un

problema en donde se tienen economas de escala, slo
es necesario agregar algunas restricciones adicionales
al modelo general para cumplir con la suposicin de
proporcionalidad.
3.- Divisibilidad.
Significa que las variables de decisin pueden
ser divididas a cualquier nivel fraccionario, de tal
manera que puedan tomarse valores no-enteros.
2.- Aditividad.
Si en un problema dado las variables slo pueden

tomar valores enteros, es necesario aplicar una
herramienta ms sofisticada que la P.L., llamada
programacin lineal entera.
Si las suposiciones de proporcionalidad y
aditividad son combinadas se llega a la linealidad. Por
tanto puede decirse que la linealidad y la divisibilidad
son las suposiciones ms importantes del modelo
general de P.L.
Establece que la entrad y la salida de un recurso

en particular al conjunto de actividades, deben ser la
misma cantidad; o sea, que las actividades transforman
los recursos y no los crean o destruyen. Por ejemplo,
suponga que en un departamento de ensamblado se
disponen de 40 horas-hombre, mediante est
suposicin se debe poder explicar mediante los niveles
de fabricacin de X producto el consumo de este
tiempo, incluyendo la posibilidad de horas en ocio.
Cuando no sea posible construir un modelo lineal,

debe recurrirse a otra tcnica llamada programacin
41
Programacin lineal
no-lineal, cuyo enfoque est fundamentado en la P.L. a

tal grado, que sta ha sido aplicad con gran xito en la
obtencin de soluciones aproximadas a problemas de
programacin no-lineal.
puede decirse que la P.L. utiliza un modelo esttico, ya

que la variable tiempo no se involucra formalmente.
Adquiriendo un poco de experiencia en la
formulacin de modelos de P.L., puede imbuirse la
temporabilidad mencionada, con el uso de subndices en
las variables.
Limitaciones:
1.- Es un Modelo Determinstico.
3.- Es un Modelo que no Suboptimiza.
El modelo de P.L. involucra nicamente tres tipos

de parmetros: cj, aij y bj; de ah su sencillez y gran
aplicacin. Sin embrago, el valor de dichos parmetros
debe ser conocido y constante.
Debido a la forma en que se plantea el modelos

de P.L., o encuentra una solucin ptima o declara que
sta no existe. Cuando no es posible obtener una
solucin ptima y se debe de obtener alguna, se
recurre a otra tcnica ms avanzada que la P.L., la cual
se denomina programacin lineal por metas.
Cuando el valor de los parmetros tiene un

cierto grado de riesgo o incertidumbre, puede
utilizarse
la
programacin
parmetrica,
la
programacin estocstica, o realizarse un anlisis de
sensibilidad.
Modelo matemtico
Para facilitar el planteamiento del modelo
matemtico general de P.L., se har uso de un ejemplo
sencillo.
2.- Es un Modelo Esttico.

En algunos modelos matemticos se han
empleado con xito las ecuaciones diferenciales, para
inducir la variable tiempo en ellos. En este sentido,
Supngase que una compaa maderera, fabrica

tres tipos de triplay, a los que llamaremos A, B y X. En
la tabla siguiente se resumen las horas de produccin
42
Programacin lineal
por unidad en cada una de las tres operaciones de

produccin, adems de informacin adicional para
resolver el problema.
Variables (actividades) ======> fabricar triplay grado

A, B y X.
Es decir , se desea asignar sus recursos a las
posibles actividades de tal forma que su utilidad por
hora sea mxima (enfoque dual); o alternativamente,
desea determinar una programacin de actividades
para mximizar la utilidad por hora, tomando
encuentra los recursos disponibles (enfoque primo).
Operaciones (horas)
Triplay
Grado A
Grado B
Grado X
Mximo
tiempo
disponible
Utilidades
por unidad
N$40
30
20
I
2
5
10
II
2
5
3
III
4
2
2
900
400
600
Para facilitar la solucin a este problema es

posible construir un modelo matemtico. Sean
Finalmente, la compaa estima que puede

vender cuando mucho 13, 15 y 14 respectivamente.
X1 = unidades de triplay grado A a fabricar.

X2 = unidades de triplay grado B a fabricar.
X3 = unidades de triplay grado X a fabricar.
Cuantas unidades se deben producir de cada

grado de madera?
entonces el objetivo de la compaa puede plantearse

como
El problema de la compaa puede plantearse de

la siguiente forma:
mximizar:
X0 = 40X1 + 30X2 + 20X3
Objetivo ======> maximizar la utilidad / hora

Restricciones (recursos)
===> a) tiempo disponible
b) demanda
donde
43
X0 = utilidad por hora.
Programacin lineal
De la misma forma las restricciones pueden

formularse como
2X1
2X1
4X1
X1
optimizar:
Xo = C1 X1 + C2 X2 + .............+CnXn
sujeto a:
a1 1 X1 + a12 X2 + .......................a1 nXn
a21 X1 + a22 X2 + .......................a2nXn
.
.
.
.
.
.
am1 X1 + am2 X2 + .....................amnXn
+ 5X2 + 10X3 < 900 (horas)

+ 5X2 +
3X3 < 400
+ 2X2 +
2X3 < 600
< 13 (unidades de triplay)
X2
< 15
X3 < 14
Por lo que el modelo matemtico es
mximizar:
donde,
X1 , X2 , ............Xn > 0
Xo = funcin objetivo, la cual puede maximizarse

o minimizarse
Xj = variable de decisin (actividad), j = 1, 2,
......,n
cj = coeficiente de la variable Xj en la funcin
objetivo, o ms brevemente
coeficiente objetivo de Xj.
aij = consumo del recurso "i" por unidad de
actividad
"j",
o
alternativamente,
coeficiente
tecnolgico de Xj en la restriccin " i ".
b j = constante del lado derecho (generalmente
recurso disponible) en la restriccin "j", llamada
tambin coeficiente recurso.
X0 = 40X1 + 30X2 + 20X3
sujeto a:
2X1 + 5X2 + 10X3 < 900 (horas)
2X1 + 5X2 + 3X3 < 400
4X1 + 2X2 + 2X3 < 600
X1
< 13 (unidades de triplay)
X2
< 15
X3 < 14
X1 , X2 , X3 > 0
Del ejemplo anterior, puede inducirse
siguiente modelo matemtico general de la P.L.
( <, = , > ) b 1
( <, = , > ) b 2
.
.
.
.
.
.
( <, = , > ) b m
el
44
Programacin lineal
negativo de tal funcin, -f(x); complementariamente, la

maximizacin una funcin g(x), es matemticamente
equivalente a la minimizacin del negativo de la misma,
-g(x). Por ejemplo,
El modelo matemtico general de la P.L.

establecido anteriormente, suele dividirse en el
objetivo,
las
restricciones
tecnolgicas
o
estructurales, las cuales pueden ser de los tipos
" < ", " = ", " > "; y las condiciones tcnicas o de nonegatividad.
Mx: Xo = 8X1 + 14X2 - 5X3

es matemticamente equivalente a
Transformaciones
Min: X'o = - Xo = -8X1 -14X2 +5X3
Dado que el objetivo fundamental de la PL es el

de optimizar una funcin lineal sujeta a una serie de
restricciones lineales y variables no-negativas.
Ntese que lo importante es que se mantiene el

gradiente de la funcin.
Dependiendo de la situacin, resulta ventajoso

efectuar ciertas manipulaciones al modelo general para
expresarlo en formas equivalentes que sean ms
fciles de comprender, solucionar o analizar. A
continuacin se presentan las transformaciones de
mayor utilidad.
2.- El sentido de una desigualdad puede invertirse.

Cuando una desigualdad se multiplica por (-1), su
sentido puede invertirse. Si es "<" cambia a ">", si es
">" cambia a "<". Por ejemplo,
2X1 + 9X2 - 4X3 > 9
1.- El objetivo puede cambiarse de maximizacin a

minimizacin, y viceversa.
se convierte en
La minimizacin de una funcin f(x), es

matemticamente equivalente a la maximizacin del
-2X1 - 9X2 + 4X3 < -9
45
Programacin lineal
al multiplicarla por (-1).

3.Una
ecuacin
desigualdades.
puede reformularse como dos desigualdades

puede
transformarse
6X1 - 8X2 + 3X3 < 15
3X1 + 5X2 - 8X3 = 10

es matemticamente equivalente a las dos siguientes
desigualdades
y
6X1 - 8X2 + 3X3 > -15
La restriccin "<" y del tipo valor absoluto, se

presenta muy comnmente en problemas que involucran
la secuenciacin de mquinas y procesos; el "desfase" o
diferencia entre los tiempos de una mquina y la otra,
debe ser menor o igual a una constante estipulada. El
caso de una desigualdad ">"del tipo valor absoluto no es
de inters en PL, puesto que no define un espacio
cerrado sino dos semiespacios, y por ende no sigue un
comportamiento lineal.
Esto se basa en el hecho de que toda ecuacin

puede reemplazarse por dos desigualdades en sentidos
opuestos. Por ejemplo,
3X1 + 5X2 - 8X3 < 10
3X1 + 5X2 - 8X3 > 10
5.- Una desigualdad del tipo "<", puede convertirse

a ecuacin.
4.- Una desigualdad "<" del tipo valor absoluto

puede substituirse por dos desigualdades normales.
Este tipo de desigualdad define un espacio
cerrado y por tanto puede intercambiarse por
desigualdades por dos normales que definan dicho
espacio. Por ejemplo,
Cuando se tiene una desigualdad "<", puede

transformarse a una ecuacin, si se le suma al lado
izquierdo una nueva variable, no-negativa, llamada
variable de faltante dado que solamente tomar
valores positivos cuando el lado izquierdo sea menor al
lado derecho. Por ejemplo,
| 6X1 - 8X2 + 3X3 | < 15
9X1 + 7X2 - 3 X3 < 5
46
Programacin lineal
puede reemplazarse por
Es prctica comn considerar como cero al

coeficiente objetivo de la variable de faltante.
Como se ver posteriormente, la introduccin

del concepto de variables de faltante y de sobrante,
represent un factor clave en el desarrollo de la PL. En
adelante ambos tipos de variables se referirn como
de holgura.
6.- Una desigualdad

convertirse a ecuacin.
puede
7.- Una variable irrestricta en signo puede

redefinirse en funcin de variables no-negativas.
Procedimiento de una manera similar a la del

inciso anterior, una desigualdad ">" puede cambiarse a
ecuacin, si se le resta al lado izquierdo una nueva
variable no-negativa, llamada variable de sobrante; tal
nombre obedece a que dicha variable tomar un valor
positivo, slo cuando el lado izquierdo sea mayor que el
derecho. Por ejemplo,
El modelo general de la PL presentado en (1-6),

considera a todas las variables como no-negativas. En
ciertos problemas se involucran variables irrestrictas
en signo, es decir que pueden tomar valores positivos,
negativos o cero; generalmente dichas variables estn
asociadas a temperaturas, saldos financieros, niveles
de inventario, etc. Cuando en un problema se presenten
variables irrestrictas, tambin llamadas variables
libres, deben subtituirse por la diferencia de dos
variables no-negativas. Por ejemplo, si la variable X7 es
irrestricta, entonces puede reemplazarse por
9 X1 + 7X2 - 3X3 + X4 = 5 , X4 > 0
del
tipo
"
>
"
-5X1 + 7X2 - 2X3 > 15

puede reordenarse como
X 7 = X7 + - X 7 -
-5X1 + 7X2 - 2X3 -X4 = 15 , X4 > 0
X7 + y X 7 - > 0
Tambin es usual asignar un valor de cero al

coeficiente objetivo de la variable de sobrante.
47
Programacin lineal
El uso de X7 + y X7 -, es slo una convencin, dado

que pueden utilizarse otras variables. Por ejemplo,
alternativamente X7 podra expresarse como.
" > " para un objetivo de minimizacin. Este formato es

de gran utilidad en el anlisis del modelo de PL.
2.- El formato Estndar
X7 = A - B , A y B > 0
Un modelo de PL est en formato estndar si

todas las variables son no-negativas y todas las
restricciones son igualdades, tanto en maximizacin
como minimizacin. Este formato ser siempre en la
solucin de problemas de PL.
o como
X7 = Z 1 - Z 2 , Z 1 y Z 2 > 0
Formatos Cannico y Estandr
A continuacin se presentan los modelos

generales de PL planteados mediante los formatos
cannicos y estndar.
De la discusin presentada en la seccin

anterior, se puede concluir que un modelo de PL puede
plantearse en un nmero considerable de formas
equivalentes. Dos formatos en particular son los ms
utilizados: el cannico y el estndar.
1.- El formato Cannico
Un modelo de PL est en formato cannico si
todas las variables son no-negativas y todas las
restricciones son del tipo " < " para un objeto de
maximizacin, o si todas las restricciones son del tipo
48
Programacin lineal
Formato Cannico
Caso de minimizacin
Formato Estndar
Caso de minimizacin
Minimizar
Minimizar:
n
X0 = cj xj
X0 = cj xj
j=1
j=1
sujeto a:
Sujeto a:
n
aij xj > bi
aij xj = bi
i = 1, 2, 3, ...., m
j=1
i = 1, 2, 3, ...., m
j=1
xj > 0
j = 1, 2, 3, ...., m
xj > 0
Caso de maximizacin
j = 1, 2, 3, ...., m
Caso de maximizacin
Maximizar:
Maximizar:
n
X0 = cj xj
X0 = cj xj
j=1
j=1
sujeto a:
Sujeto a:
n
aij xj < bi i = 1, 2, 3, ...., m
aij xj = bi
j=1
i = 1, 2, 3, ...., m
j=1
xj > 0
j = 1, 2, 3, ...., m
xj > 0
49
j = 1, 2, 3, ...., m
Programacin lineal
Construccin de modelos de PL
La formulacin se plantea bajo dos enfoques:

directo e indirecto. El primero de ellos se pretende ir
directamente del sistema asumido al modelo de PL. Por
otra parte, el segundo se plasma de forma
esquemtica, de acuerdo a cierta filosofa, y luego a
partir de dicho esquema se llega al modelo de PL.
Introduccin.
En esta unidad se hace nfasis en la modelacin
como la parte central de la investigacin de
operaciones y por lgica de la programacin lineal, as
mismo se define como un mezcla de ciencia y de arte.
Sin embargo, aunque la modelacin no puede
"ensearse", s puede motivarse. Es por esta razn por
la que se mecionan diez principios bsicos que no deben
olvidarse al momento de construir un modelo, de estos,
el ms importante es sin duda, que los modelos no
pueden reemplazar al tomador de decisiones.
Para que el estudiante se familiarice con la

formulacin de modelos, se presentaran aplicaciones
reales al finalizar el presente capitulo, para
posteriormente solucionarlos mediante alguna de las
tcnicas que se emplean para su solucin.
La modelacin.
Aunque la modelacin no puede ensearse tal

cual, sino aprenderse en la propia experimentacin, si
puede dividirse arbitrariamente en dos fases: la
subjetiva y la objetiva. En la parte subjetiva se
involucra la definicin del sistema asumido, mientras
que en la objetiva se incluye la construccin del modelo
a partir del sistema asumido. Como se menciono al
principio la parte subjetiva no puede tratarse en esta
unidad. Por el contrario, la parte objetiva es
denominada formulacin.
Recordando un poco de lo que se vio en el

capitulo II, la modelacin en la IO se puede definir
como el proceso de abstraccin del sistema real al
modelo cuantitativo. Bsicamente es la construccin
del modelo matemtico del sistema real bajo estudio.
Mismo que involucra desde la definicin del sistema
real y la determinacin de sus fronteras, incluyendo la
conceptualizacin del sistema asumido, hasta llegar a
la elaboracin del modelo en s.
50
Programacin lineal
Como se menciono en la introduccin la

modelacin es una combinacin de arte y de ciencia, sin
embargo hay que reconocer que es ms arte que
ciencia. De hecho no existe un algoritmo o un receta
que nos lleve a la concepcin de un buen modelo, por lo
que se concluye que la modelacin se aprende con la
prctica.
4. Los modelos deben validarse antes de su

implantacin.
5. Nunca debe pensarse que modelo es el
sistema real.
6. Un modelo nunca debe criticarse por algo para
lo que no fue hecho.
7. No venda el modelo como la perfeccin
mxima.
8. Uno de los primeros beneficios de la
modelacin reside en el desarrollo del mismo.
9. Un modelo es tan bueno o tan malo como la
informacin con la que trabaja.
10.Los modelos no pueden reemplazar al tomador
de decisiones.
Sin embargo la experiencia de muchos

investigadores de operaciones, es posible elaborar una
serie de principios para la construccin de modelos. Se
debe estar consciente de la limitaciones inherentes al
proceso de modelacin y no caer en la trampas ms
comunes sealadas en tales principios.
A continuacin se presenta una lista,
exhaustiva de los principios generales de
modelacin:
no
la
Finalmente, cabe recordar que los modelos de

IO, nos llevan a tomar mejores decisiones y no ha
simplificar la toma de las mismas.
1. No debe elaborarse un modelo complicado

cuando uno simple es suficiente.
2. El problema no debe ajustarse al modelo o
mtodo de solucin.
3. La fase deductiva de la modelacin debe
realizarse rigurosamente.
La formulacin.
La PL al ser una tcnica de IO, se basa en el
diseo, solucin y anlisis de modelos de sistemas
reales. Sin embargo la PL trabaja a partir de un modelo
general bien definido y no as otras tcnicas de IO.
Por lo que puede decirse que la PL es el proceso de
51
Programacin lineal
reduccin del sistema real y su problema, a un objetivo

y a un conjunto de restricciones, donde todas sus
funciones son lineales.
las condiciones tcnicas. Para comprender mejor lo

anterior se comentar lo antes citado.
Variables de decisicin.
Al inicio de este capitulo se menciono que la

modelacin no puede ensearse de manera formal, sin
embargo, en la PL si puede ahondarse en una parte
importante de la modelacin llamada formulacin. La
formulacin consiste en convertir al sistema asumido
en el modelo general de PL. Note que se parte del
sistema asumido, el cual tiene la informacin ms
relevante del sistema real. El establecimiento del
sistema asumido del sistema real es la parte subjetiva
de la modelacin, y la formulacin es la parte objetiva.
Son las incgnitas del problema y bsicamente

consisten en todos los niveles de las actividades que
pueden llevarse a cabo en el problema a formular.
El objetivo.
Consiste en optimizar el valor de la funcin
objetivo, el cual es una funcin lineal de las diferentes
actividades del problema.
La formulacin puede llevarse a cabo mediante

las alternativas directa e indirecta. A continuacin se
describe la formulacin directa.
Las restricciones estructurales.

Son los diferentes requisitos que debe cumplir
la solucin para que pueda llevarse a cabo. Las
restricciones ms comunes son:
La formulacin directa.
Esta consiste en pasar de forma directa del
sistema asumido al modelo de PL. Por tal razn se
sugiere trabajar el orden siguiente: definir la variable
de decisin, luego el objetivo, enseguida las
restricciones estructurales y finalmente establecer
Restricciones de capacidad, limitan el valor de las

variables debido a la disponibilidad de horas-hombre,
horas-mquina, espacio, etc.
52
Programacin lineal
Restricciones de mercado, surgen de los valores

mximos y mnimos en las ventas o uso de un producto
o actividad a realizar.
Las condiciones tcnicas.

Este establece que todas las variables debern
tomar valores no negativos.
Restricciones de entrada, son las limitantes debido a

la escasez de materia prima, mano de obra, dinero, etc.
Ejemplo No.1
Restricciones de calidad, son las que limitan las

mezclas de ingredientes, definiendo usualmente la
calidad de los artculos a manufacturar.
La Ca., Agroind., S.A. de C. V., est tratando de

determinar la mezcla de produccin de fertilizantes,
de los siguientes tipos F-1A, F-2AC y F-4BH. El
fertilizante se estabiliza con un material de relleno
como podra ser el barro. El tipo F-1A est elaborado
con 5% de nitrato, 5% de fosfato, 10% de potasio y el
resto es barro. El tipo F-2AC contiene 5% de nitrato,
10% de fosfato, 5% de potasio y el restante 80% es
barro. El tipo F-4BH se fabrica con 10% de nitrato, 5%
de fosfato, 5% de potasio y el resto es barro. El
mayorista comprar cualquier cantidad de los
fertilizantes que la compaa pueda fabricar. Este
mes, la disponibilidad y costos de materia prima son
1100 ton de nitrato a $200.00 por ton., 1800 ton de
fosfato a $ 80.00 cada una y 2000 ton de potasio a
$160.00 cada una. El relleno est disponible en
cantidades ilimitadas al precio de $10.00 la ton., pero
para los otros tres ingredientes solo se dispone de las
cantidades
anteriormente
citadas.
No
hay
Restricciones de balance de materiales, estas

definen las salidas de un proceso en funcin de sus
entradas, tomando en cuenta cierto porcentaje de
merma o desperdicio.
Restricciones internas, son las que definen a una
variable dada, en la formulacin interna del problema,
un ejemplo tpico es el inventario.
Sin embargo puede ser que un problema dado no
los tenga a todos o tenga otros tipos diferentes a los
listados.
53
Programacin lineal
restricciones para el uso de mano de obra ni tampoco

para el empleo de maquinara durante el mes, pero se
tiene un costo de $15.00 por ton., por concepto de
mezclado de fertilizante. Adems el mayorista est
dispuesto a pagar $71.50 por ton., $69.00 por ton y
$66.50 por ton. respectivamente. La compaa desea
optimizar sus recursos escasos, para lo cual le ha
pedido al jefe de produccin que le elabore un
programa de produccin para el prximo mes.
Tiempo disponible (segundos por caja).

Tipo de bolsa
10 kilos
15 kilos
20 kilos
Tiempo
disponible
en horas
Corte
2
3
3
Sellado
2
2
3
Empaque
3
4
5
Si la compaa tiene una utilidad de $10 por cada

caja de bolsas de 10 kilos que fabrica, $15 por cada
caja de bolsas 15 kilos y $20 por cada caja de bolsas
de 20 kilos. Cul es la mezcla ptima de productos?
Ejemplo No. 2.
Una compaa fabrica tres tipos de bolsas de
plstico de uso domstico: una de 10 Kilos, una bolsa de
15 Kilos y una de 20 Kilos, para hojas y pasto, cada una
con un cordn de sellado fcil. Utilizando material
plstico que adquiere de en el corredor industrial
Tampico-Altamira,
la
compaa
realiza
tres
operaciones para fabricar cada producto final: corte,
sellado y empaque. Se muestran enseguida el tiempo de
produccin que se requiere para procesar cada tipo de
bolsa en cada tipo de operacin, y el tiempo mximo
disponible para cada tipo de operacin. Observe que
las cifras de produccin de esta tabla estn dados en
unidad por caja para cada tipo de bolsa.
Ejemplo No. 3.
La compaa Computacin del Noreste, S. A. se
dedica a la fabricacin de artculo de computacin en
la actualidad, est distribuyendo diskettes, cassettes
de cinta y cartuchos para limpiar unidades de disco
(drives). La contribucin unitaria a las utilidades para
cada producto es como se muestra a continuacin
54
Producto
Programacin lineal
disminuye. Por ejemplo la demanda que se ha

pronosticado para los prximos cuatro meses es de
1800, 2200, 3400 y 2800, respectivamente. Debido a
las variaciones de la demanda, los administradores de
la Compaa han encontrado que en algunos meses
existe produccin en exceso, lo cual ocasiona grandes
costos de manejo y almacenamiento, en tanto que en
otros meses la compaa no esta en posibilidades de
cubrir la demanda. La Compaa puede fabricar 2400
artculos por mes en sus turnos normales. Utilizando
tiempo extra, es posible fabricar 800 artculos
mensuales adicionales. Debido a los mayores costos de
mano de obra en tiempo extra, se produce un aumento
de $7.00 por cualquier artculo que no se fabrique en
turno normal. Los administradores han estimado que
incurren en un costo de almacenamiento de $3.00 por
cualquier artculo que se fabrique en un mes
determinado y que no se venda durante el mismo. A la
compaa le gustara determinar un programa ptimo
de produccin que minimice los costos totales de
produccin y almacenamiento. El programa debe
satisfacer todas las demandas de ventas.
Contribucin a las utilidades
Diskette
Cassette
Paquete de limpieza
$ 2.00
1.50
3.50
Cada uno de esos tres productos pasa a travs

de tres centros de manufactura y prueba como parte
del proceso de produccin. Los tiempos que se
requieren en cada uno de los centros para fabricar una
unidad de cada uno de los tres productos, as como el
tiempo disponible para la siguiente semana y los costos
fijos para cada uno de los centros, se muestran en la
tabla siguiente:
Horas
por
unidad
Producto
Centro 1
Centro 2
Centro 3
Diskette
Cassette
Pqte. de lpza.
Tiempo (horas)
3
4
2
60
2
1
2
40
1
3
2
80
Plantee un programa lineal para programar

la produccin prximo mes.
Ejemplo No. 4.
Manufacturas del Sur, S.A de C.V. fabrica un
producto que tiene una demanda que aumenta y
55
Programacin lineal
Ejemplo No. 5.
por milln y la descarga de humo de las chimeneas de la

planta a 20 libras por hora. La Cooperativa recibe dos
grados de carbones pulverizados, C1 y C2, para ser
utilizados en la planta. Por lo comn, los dos grados se
mezclan antes de quemarlos. Por simplicidad,
supondremos que el contaminante de azufre de la
mezcla (en partes por milln) es un promedio
ponderado de la proporcin de cada grado empleado en
la mezcla. Los siguientes datos se basan en el consumo
de 1 tonelada por hora de cada uno de los dos grados
de carbn.
Una compaa fabrica dos productos A y B. El

volumen de ventas de A es por lo menos 80% de las
ventas totales de A y B. Sin embargo, la compaa no
puede vender ms de 100 unidades de A al da. Los dos
productos
utilizan
una
materia
prima,
cuya
disponibilidad mxima se limita a 240 libras al da. Las
proporciones de utilizacin de la materia prima son de
2 libras para cada unidad de A y de 4 libras para cada
unidad de B. Los precios unitarios de A y B son de 20 y
50 pesos respectivamente.
Determine
productos.
la
mezcla
ptima
de
los
Grado
De carbn
C1
C2
dos
Ejemplo No. 6.
Descarga de
azufre en ppm
1 800
2 100
Descarga de
humo en lb/hr
2.1
0.9
Vapor generado
en lb/hr
12 000
9 000
Determine la mezcla ptima de para mezclar los

dos grados de carbn.
Wyoming Electric Coop., es propietaria de una

planta generadora de energa con turbinas de vapor.
Debido a que Wyoming es rica en depsitos de carbn,
la planta genera vapor con carbn. Sin embargo, esto
crea el problema de satisfacer los estndares de
emisin. Las regulaciones de la Environmental
Protection Agency (Agencia de Proteccin Ambiental)
limitan la descarga de dixido de azufre a 2000 partes
Ejemplo No. 7.
Burroughs Garment Company fabrica camisas para
caballero y blusas para dama para Walmark Discount
Stores. Walmark aceptar toda la produccin que le
proporcione Burroughs. El proceso de produccin
incluye corte, costura y empacado. Burroughs emplea a
56
Programacin lineal
25 trabajadores en el departamento de corte, a 35 en

el departamento de costura y a 5 en el departamento
de empacado. La fabrica trabaja un turno de 8 horas,
slo 5 das a la semana. La tabla siguiente proporciona
los requerimientos de tiempo y las utilidades por
unidad para las dos prendas:
Prenda
Camisas
Blusas
Corte
Minutos por
Costura
20
60
70
60
unidad
Empacado
12
4
terminacin de cada tarea

muestran en la tabla siguiente
por
programador
se
Trabajo
Programador
Jos
Luis
Pedro
Utilidad
Por unidad
($)
2.50
3.20
1
$100
80
200
2
$150
200
250
3
$200
100
250
4
$100
100
150
5
$ 50
80
100
En la tabla siguiente se presentan el tiempo que

necesita cada programador para terminar cada trabajo
y del tiempo de que dispone despus de realizar sus
tareas.
Ejemplo No. 8.
Trabajo
Desarrollo y Sistemas en Informtica, S.A., se

especializa en la preparacin de programas de
computacin para la industria y el gobierno. Estos
programas se escriben uno de cuatro lenguajes de
programacin: FORTRAN, COBOL, CLIPER y C. La
compaa tiene tres programadores que realizan esta
labor y existen cinco trabajos de programacin que
deben terminarse lo ms pronto posible. No todos los
programadores trabajan a la misma velocidad en todos
los lenguajes y se les paga en forma diferente con
base en su experiencia. Cada uno de los trabajos debe
elaborarlo un solo programador. Los costos de
Programador
Jos
Luis
Pedro
1
2
3
10 15 20
4 10 5
20 25 25
4
10
5
15
Tiempo disponible
5
5
4
10
(horas)
35
20
40
Plantee el problema de asignacin de la comp aa

como un programa lineal.
Ejemplo No. 9.
La compaa ANCE, S. A., produce una lnea de
artculos de peltre para uso en el hogar, la cual consta
57
Programacin lineal
de cuatro productos. El sistema de manufactura se

divide en cinco etapas : cortado, troquelado,
esmaltado, acabado y empacado.
los productos 1 y 2. El producto 1 requiere 0.50 m2 por

unidad y el producto 2 requiere 0.80 m2 por unidad.
Formule un modelo de PL, para la optimizacin de los
recursos.
La informacin relevante, tanto del sistema

productivo como del producto se muestran a
continuacin.
Ejemplo No. 10.

Hexxon Oil Company tiene seis consultores de
petrleo, tres de los cuales estn actualmente en los E.
U., dos en Rusia y uno en Nigeria. Arabia Saudita ha
solicitado dos consultores durante una semana a una
tarifa de $4200 cada uno. Venezuela ha solicitado dos
consultores durante una semana a una tarifa de $4000
cada uno. Indonesia ha solicitado tres consultores tres
consultores durante una semana a una tarifa semanal
de $4000 cada uno. Los gastos semanales por
consultor son de $1400 en Arabia Saudita, $1000 en
Venezuela y $700 en Indonesia. La tabla siguiente
muestra las tarifas de viaje redondo (en dlares) para
enviar por avin a los consultores:
Informacin sobre el sistema productivo

ndice de produccin (unidades/hora)
Departamento
Cortado
troquelado
Esmaltado
Acabado
empacado
Producto
1
25
14
17
20
50
Producto
2
6
8
9
4
13
Producto
3
20
20
33
-.50
Producto
4
10
10
8
8
20
Capacidad
(horas/mes)
400
380
490
450
400
Informacin sobre el producto

Producto
1
2
3
4
Precio de venta
($/unidad)
100
300
160
250
Costo de venta
($/unidad)
50
200
100
150
Demanda mensual (unidades)

Mnima
Mxima
500
5 000
750
6 000
650
8 000
3 500
Adicionalmente, se sabe que el siguiente mes

slo se dispondr de 1 200 m2 de lamina que consumen
58
Desde
Arabia Saudita
Estados Unidos
Rusia
Nigeria
Programacin lineal
Hacia
Venezuela
1800
1600
1300
800
1800
1200
que semanalmente se requieren 10 000, 8 000, 6 000

y 6 000 pies de los distintos tamaos de las vigas I.
Formular el problema de programacin de mquinas
Indonesia
2000
1700
1500
Formule como un modelo de PL.
Ejemplo No. 12.
Ejemplo No. 11.
Un fabricante de plsticos planea obtener un

nuevo producto mezclando 4 compuestos qumicos.
Estos compuestos consisten principalmente de 3
elementos qumicos A, B y C. A continuacin se muestra
la composicin y el costo por unidad de estos
compuestos.
Un fabricante de acero produce 4 tamaos de

vigas I: pequeo, mediano, grande y extra grande.
Estas vigas se pueden producir en cualquiera de tres
tipos de mquinas: A, B y C. A continuacin se indican
las longitudes (en pies) de las vigas I. que pueden
producir las mquinas por hora.
Viga
Pequea
Mediana
Larga
Extra larga
Mquina
B
300
250
200
100
600
400
350
200
800
700
600
300
Compuesto qumico
Porcentaje de A
Porcentaje de B
Porcentaje de C
Costo/kilogramo
1
30
20
40
20
2
20
60
15
30
3
40
30
25
20
4
20
40
30
15
El nuevo producto consiste del 20 % del

elemento A, al menos 30 % del elemento B y al menos
20 % del elemento C. Debido a los efectos laterales
de los compuestos 1 y 2, no deben exceder del 30 % y
del 40 % del contenido del nuevo producto. Formular
Supngase que cada mquina se puede usar

hasta 50 horas por semana y que los costos de
operacin por hora de estas mquinas son $3000,
$5000 y $8000 respectivamente. Supngase, adems,
59
Programacin lineal
Ejemplo No. 13.
un plan de asignacin de capital que muestre las

erogaciones que debe hacer para cada uno de los
cuatro aos y qu proyectos se deben financiar bajo el
plan general.
La Compaa Petroqumicos del Oeste, S. A.,

enfrenta el problema de determinar que proyectos de
crecimiento debe emprender en los prximos 4 aos.
La compaa tiene una cantidad limitada de fondos para
inversiones de capital; por tanto, no puede financiar
todos los proyectos. A cada uno de estos se le ha
caracterizado determinando su valor presente y el
requerimiento (costo) asociado de capital. Cada
proyecto tiene diferentes requerimientos de capital
para los prximos 4 aos. En la tabla siguiente se
muestran
el
valor
presente
estimado,
los
requerimientos de capital y el capital disponible
proyectado para cada uno de ellos.
Tipo de proyecto
Expansin de la planta
Nueva maquinaria
Investigacin
sobre
nuevos productos
Ampliacin del almacn
Fondos disponibles de
capital
Valor
Requerimie de
presente
ntos
capital
estimado
Ao 1
Ao 2
Ao 3
$180,000 $30,000 $40,000 $40,000
20,000
12,000
8,000
0
72,000
80,000
Formlese como un modelo de programacin lineal.

Ejemplo No. 14.
PEMEX comercializa dos tipos de gasolina :
magna y premium. Cada gasolina debe satisfacer
ciertas especificaciones, tales como la presin mxima
de vapor aceptable y el octanaje mnimo. Los
requerimientos de manufactura para las gasolinas y el
precio por barril se muestran a continuacin :
Especificaciones de manufactura y precio por barril
Ao 4
$30,000
4,000
30,000
20,000
20,000
30,000
20,000
40,000
20,000
10,000
$65,000
$80,000
$80,000
$50,000
Gasolina
Magna
Premium
Octanaje
mnimo
80
100
Presin mxima
de vapor
9
6
Precio de venta
(por barril)
$21.00
$24.00
Se utilizan tres tipos de gasolinas para fabricar

las gasolinas magna y premium. Las carctersticas de
las gasolinas se muestran en la tabla siguiente:
A
los
administradores
de
Compaa
Petroqumicos del Oeste, S. A., les gustara desarrollar
60
Programacin lineal
tcnica. En la actualidad estn planeando la produccin

agrcola para el ao prximo.
Caractersticas de la gasolina base

Gasolina
base
Tipo 1
Tipo 2
Tipo 3
Octanaje
Presin de
vapor
108
90
73
4
10
5
Disponibilidad
mxima
(barriles)
32,000
20,000
38,000
La produccin agrcola est limitada por la

extensin de terreno disponible para irrigacin como
por la cantidad de agua que la Comisin de Aguas (una
oficina del gobierno nacional) asigna para irrigarlo. La
tabla siguiente contiene los datos :
Costo por
barril
$22.00
$20.00
$19.00
Datos de recursos para Confederacin Sur de Kibbutzim
PEMEX se ha comprometido con un comprador a

proporcionarle 30,000 barriles de gasolina premium
por semana. No se tienen compromisos con respecto a
la gasolina magna. A PEMEX le gustara determinar el
plan de manufactura para las dos clases de gasolina
para optimizar las utilidades.
Kibbutzim
1
2
3
PROBLEMARIO
Terreno disponible
(acres)
400
600
300
Asignacin de agua (piesacre)

600
800
375
El tipo de cosecha apropiada para la regin

incluye la remolacha, algodn y sorgo, y estas son
precisamente las tres que se estn estudiando para la
estacin
venidera.
Las
cosechas
difieren
primordialmente en su rendimiento neto esperado por
acre y en su consumo de agua. Adems, el Ministerio
de Agricultura ha establecido una cantidad mxima de
acres que la Confederacin puede dedicar ha estas
Problema No. 1.
La CONFEDERACIN SUR DE KIBBUTZIM
est formada por tres kibbutzim (comunidades
agrcolas comunales) en Israel. La planeacin global de
este grupo se hace en su oficina de coordinacin
61
cosechas.
La
cantidades :
siguiente
Programacin lineal
tabla
muestra
estas
en cada Kibbutz, cumpliendo con las restricciones

dadas.
Problema No. 2.
Datos de recursos para Confederacin Sur de Kibbutzim

Cosecha
Remolacha
Algodn
Sorgo
Cantidad mxima Consumo de agua

(acres)
(piesacre/acre)
600
500
325
3
2
1
UNION AIRWAYS va agregar vuelos desde y

hacia su aeropuerto base y, por lo tanto, necesita
contratar ms agentes de servicios al cliente. Sin
embargo, no est claro cuantos ms debe contratar. La
administracin reconoce la necesidad de controlar el
costo y al mismo tiempo proporcionar de manera
consistente un nivel satisfactorio de servicio. Por todo
esto, un equipo de IO est estudiando como programar
a los agentes para proporcionar un servicio
satisfactorio con el menor costo de personal.
Rendimiento
neto
(dlares/acre)
1000
750
250
Debido a la disponibilidad limitada de agua para

irrigacin, la Confederacin no podr usar todo el
terreno irrigable para las cosechas de la prxima
temporada. Para asegurar la equidad entre los tres
Kibbutz, han acoradado que cada Kibbutz sembrar la
misma proporcin de sus tierras irrigables disponibles.
Por ejemplo, si el Kibbutz 1 siembra 200 de sus 400
acres disponibles, entonces el Kibbutz 2 debe sembrar
300 de sus 600 acres, mientras que el Kibbutz 3
sembrara 150 acres de los 300 que tiene. Cualquier
combinacin de estas cosechas se puede sembrar en
cualquiera de los Kibbutz. El trabajo al que se enfrenta
la oficina de coordinacin tcnica consiste en planear
cuntos acres debe asignarse a cada tipo de cosecha
Con base en la nueva programacin de vuelos, se

ha realizado un anlisis del nmero mnimo de agentes
de servicio a clientes que deben encontrarse de
guardia en diferentes momentos del da para
proporcionar un nivel satisfactorio de servicio. La
columna de la derecha de la siguiente tabla muestra el
nmero de agentes necesario para los periodos dados
en la primera columna. Los otros datos de esta tabla
reflejan uno de los acuerdos del contrato colectivo
vigente entre la compaa y el sindicato que representa
62
Programacin lineal
a los agentes de servicio a clientes. El acuerdo es que

cada agente trabaje un turno de 8 horas 5 das a la
semana, y los turnos autorizados son :
Turno 1 :
Turno 2 :
Turno 3 :
Turno 4 :
Turno 5 :
especificados en el contrato difieren uno de otro. En

el ltimo rengln se muestra la compensacin diaria
(incluyendo prestaciones) por cada agente por turno. El
problema consiste en determinar cuntos agentes
deben asignarse a los turnos respectivos cada da para
minimizar el costo total de personal debido a los
agentes, segn este ltimo rengln, al tiempo que se
cumplen (o se sobrepasan) los requerimientos de
servicio dados en la columna de la derecha.
6 :00 am a 2 :00 pm
8 :00 am a 4 :00 pm
12 :00 am (medio da) a 8 :00 pm
4 :00 pm a 12 :00 pm (media noche)
10 :00 pm a 6 : am
Periodos cubiertos
Turno
2
3
4
5
Perodo
1
6 :00 am a 8 :00 am
X
8 :00 am a 10 :00 am
X
X
10 :00 am a 12 :00 am
X
X
12 :00 am a 2 :00 pm
X
X
2 :00 pm a 4 :00 pm
X
X
4 :00 pm a 6 :00 pm
X
X
6 :00 pm a 8 :00 pm
X
8 :00 pm a 10 :00 pm
X
10 :00 pm a 12 :00 pm
12 :00 pm a 6 :00 am
Costo
diario
por
agente
$170 $160 $175
X
X
X
X
X
Problema No. 3.
Nmero mnimo
necesario de agentes
48
79
65
87
64
73
82
43
52
15
National Steel Corporation (NSC) produce un

acero especial usado en las industrias de aviacin y
aeroespaciales. El departamento de ventas NSC ha
recibido pedidos de 2400,
2200, 2700 y 2500
toneladas de acero para cada uno de los siguientes
cuatro meses. NSC puede satisfacer estas demandas
produciendo el acero extrayndolo de su inventario, o
usando cualquier combinacin de las dos alternativas.
$180 $195
Se proyecta que los costos de produccin por

tonelada de acero durante cada uno de los siguientes
cuatro meses sean $7400, $7500, $7600 y $7650.
Como los costos suben
cada mes, debido a las
Las marcas en la tabla muestran las horas

cubiertas por los turnos respectivos. Como algunos
turnos son menos deseables que otros, los salarios
63
Programacin lineal
presiones inflacionarias, tal vez sea mejor que NSC

produzca ms acero del que necesita en un mes
determinado y que almacene el exceso. La capacidad de
produccin, sin embargo, no puede exceder las 4000
toneladas en ningn mes. La produccin mensual se
termina al final del mes, cuando la demanda se
satisface. Cualquier acero remanente se almacena en
inventario a un costo de $120 por tonelada por cada
mes que permanece all. Estos datos se resumen en la
tabla siguiente.
El nivel de produccin durante el mes anterior

fue de 1800 toneladas, y el inventario que comienza es
de 1000 toneladas. El inventario al final del cuarto mes
debe ser de al menos de 1500 toneladas para cubrir la
demanda anticipada. Formule un plan de produccin
para NSC para los siguientes cuatro meses.
Problema No. 4.
MTV Steel Company produce tres tamaos de
tubos : A, B y C, que son vendidos, respectivamente en
$10, $12 y $9 por pie. Para fabricar cada pie del tubo
A se requieren 0.5 minutos de tiempo de
procesamiento sobre un tipo particular de mquina de
modelado. Cada pie de tubo B requiere 0.45 minutos y
cada pie del tubo C requiere 0.60 minutos. Despus de
la produccin, cada pie de tubo, sin importar el tipo,
requiere 1 onza de material de soldar. El costo total se
estima en $3, $4 y $4 por pie de los tubos A, B y C,
respectivamente.
Datos para el problema de produccin - planeacin de NSC.
1
Demanda (tons)
Costo de produccin ($/ton)
Costo de inventario ($/ton/mes)
2400
7400
120
Mes
2
2200
7500
120
2700
7600
120
2500
7650
120
Si el nivel de produccin se incrementa de un

mes al siguiente, entonces la compaa incurre en un
costo de $50 por tonelada de produccin incrementada
para cubrir la mano de obra adicional y/o el tiempo
extra. Cada tonelada de produccin disminuida incurre
en un costo de $30 para cubrir los beneficios de
empleados no utilizados.
Para la semana siguiente, MTV Steel ha recibido

pedidos excepcionalmente grandes que totalizan 2000
pies del tubo A, 4000 pies del tubo B y 5000 pies del
tubo C. Como slo se dispone de 40 horas de tiempo de
mquina est semana y slo se tienen en inventario
64
Programacin lineal
5500 onzas de material de soldar, el departamento de

produccin no podr satisfacer est demanda, que
requiere un total de 97 horas de tiempo de mquina y
11 onzas de material de soldar. No se espera que
contine este alto nivel de demanda. En vez de
expandir la capacidad de las instalaciones de
produccin, la gerencia de MTV Steel est
considerando la compra de algunos de estos tubos a
proveedores de Japn a un costo de entrega de $6 por
pie del tubo A, $6 por pie del tubo B y $7 por pie del
tubo C. Estos diversos datos se resumen en la tabla
siguiente. Como gerente de produccin se le ha pedido
hacer recomendaciones respecto a la cantidad de
produccin de cada tipo de tubo y la cantidad de
compra a Japn para satisfacer la demanda y
maximizar las ganancias de compaa.
Datos para el problema de hacer o comprar de MTV Steel.
Precio
Tiempo de
Material
Costo de Costo de
de venta Demanda mquina para soldar Produccin Compra
Tipo
($/ft)
(ft)
(min/ft)
(oz/ft)
($/ft)
($/ft)
A
10
2000
0.50
1
3
6
B
12
4000
0.45
1
4
6
C
9
5000
0.60
1
4
7
Cantidad Disponibe
40 hr
5500 oz
65

Progrmación Lineal

Hochgeladen von

Dokumentinformationen

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Verfügbare Formate

Progrmación Lineal

Hochgeladen von

Copyright:

Verfügbare Formate

Investigacin de Operaciones I

Se presenta a continuacin, parte de esta entrevista:

"Considere el problema de asignar 70 hombres a 70

"En el ejemplo anterior, factorial de 70 es un nmero

George B. Dantzig , el creador de la programacin

Ing. Jos Gabriel Gonzlez Turrubiates

todas las soluciones posibles? No! No obstante,

alguna relacin directa entre la meta establecida y las

"Cuando el problema de la planeacin fue formulado

"No descubr el modelo de la programacin lineal en un

Ing. Jos Gabriel Gonzlez Turrubiates

funcionamiento de la Fuerza Area fue equivalente al

militares. Poda aplicarse a toda clase de problemas de

"Las reglas bsicas empleadas en la planeacin se

Una de las tcnicas ms difundidas de la (IO) es

"Cuando formul por primera vez mi modelo de

De hecho, la PL debera considerarse como una

Ing. Jos Gabriel Gonzlez Turrubiates

de vista, el conocimiento de la PL es fundamental para

o ms variables, una relacin que es directa y precisamente

Por lo que resulta interesante saber que

... trata la planeacin de las actividades para obtener un resultado

Debe recordarse que un modelo es una

... abarca los mtodos de solucin de una gran variedad de

... es una tcnica matemtica para encontrar los mejores usos de la

La contribucin individual que una variable Xj

Ing. Jos Gabriel Gonzlez Turrubiates

recurso en la "i-sima" restriccin es aijXj. La

Esta suposicin garantiza que la contribucin

Cabe mencionar, que cuando se trabaje con un

Si en un problema dado las variables slo pueden

Establece que la entrad y la salida de un recurso

Cuando no sea posible construir un modelo lineal,

Ing. Jos Gabriel Gonzlez Turrubiates

no-lineal, cuyo enfoque est fundamentado en la P.L. a

puede decirse que la P.L. utiliza un modelo esttico, ya

3.- Es un Modelo que no Suboptimiza.

El modelo de P.L. involucra nicamente tres tipos

Debido a la forma en que se plantea el modelos

Cuando el valor de los parmetros tiene un

2.- Es un Modelo Esttico.

Supngase que una compaa maderera, fabrica

Ing. Jos Gabriel Gonzlez Turrubiates

por unidad en cada una de las tres operaciones de

Variables (actividades) ======> fabricar triplay grado

Para facilitar la solucin a este problema es

Finalmente, la compaa estima que puede

X1 = unidades de triplay grado A a fabricar.

Cuantas unidades se deben producir de cada

entonces el objetivo de la compaa puede plantearse

El problema de la compaa puede plantearse de

Objetivo ======> maximizar la utilidad / hora

X0 = utilidad por hora.

Ing. Jos Gabriel Gonzlez Turrubiates

De la misma forma las restricciones pueden

+ 5X2 + 10X3 < 900 (horas)

Xo = funcin objetivo, la cual puede maximizarse

X0 = 40X1 + 30X2 + 20X3

Ing. Jos Gabriel Gonzlez Turrubiates

negativo de tal funcin, -f(x); complementariamente, la

El modelo matemtico general de la P.L.

Mx: Xo = 8X1 + 14X2 - 5X3

Min: X'o = - Xo = -8X1 -14X2 +5X3

Dado que el objetivo fundamental de la PL es el