Beruflich Dokumente
Kultur Dokumente
2
Programacin lineal:
Mtodo grfico
Estos son slo unos cuantos ejemplos de casos en los cuales se ha utilizado la programa-
cin lineal con xito, pero ilustran la diversidad de las aplicaciones de la programacin
lineal. Un examen cuidadoso revelar una propiedad bsica que tienen en comn todos
estos ejemplos. Lo que interesa en todos ellos es maximizar o minimizar alguna cantidad.
En el ejemplo 1 se desea minimizar costos; <?U el ejemplo 2, maximizar el rendimiento sobre
la inversin; en el ejemplo 3, maximizar la eficacia de la publicidad, y en el ejemplo 4,
minimizar los costos totales de transporte. En t~dos los problemas de programacin lineal,
el objetivo es la maximizacin o minimizacin de alguna cantidad.
Una segunda propiedad de todos los problemas de programacin lineal es que existen
limitaciones o restricciones que obstruyen la medida en que puede tratarse de alcanzar el
29
30 CAPTULO DOS
objetivo. En el caso o ejemplo 1, el fabricante est limitado por restricciones que exigen
que se satisfaga la demanda de los productos, y por las que limitan la capacidad de produc-
cin. El problema de la cartera para el analista financiero est restringido por la cantidad
total de fondos de inversin disponibles y por las cantidades mximas que pueden invertirse
en cada accin o en cada bono. La decisin del gerente de mercadotecnia sobre la seleccin
de medios publicitarios est restringida por un presupuesto de publicidad fijo y por la dispo-
nibilidad de los diversos medios. En el problema de transporte, el programa de remesas
de costo mnimo est restringido por la disponibilidad de los productos en cada almacn.
Por ello, las restricciones son otra caractertstica general de todos los problemas de progra-
macin lineal.
1
Desde una perspectiva contable, es ms correcto describir esto como el margen de contribucin por bolsa; por
ejemplo, no se han asignado los gastos generales.
PROGRAMACIN LINEAL: MTODO GRFICO 31
Adems, despus de estudiar las proyecciones de las cargas de trabajo en los departamen-
tos, el director de manufactura estima que para la produccin de la bolsa de golf en los
3 meses siguientes, habr disponibles 603 horas de tiempo de corte y teido, 600 horas
de costura, 708 horas de acabado y 135 horas de inspeccin y embalaje.
El problema de Par es determinar cuntas bolsa estndares y cuntas bolsas de lujo deben
fabricar con objeto de maximizar la contribucin a las utilidades. Si estuviera a cargo del
programa de produccin para la compaa f'ar, qu decisin tomara?; es decir, cuntas
bolsas estndares o cuntas bolsas de lujo fabricara en los 3 meses siguientes? Anote su
decisin en los cuadros que aparecen en seguida. Se podr hacer una verificacin ms ade-
lante y determinar cun buena fue su apreciacin.
Nmero de Nmero de
bolsas estndares bolsas de lujo Utilidad total
A partir de este momento se supondr que la contribucin a las utilidades se mide en dlares,
y se anotar la expresin de la aportacin total a las utilidades sin los signos monetarios.
Es decir,
Contribucin a las utilidades totales = z = 1Ox 1 + 9x2 (2.1)
Ahora se puede plantear el problema de la empresa como el de elegir los valores de las
variables x 1 y x2 que producen el mayor valor posible de z. En terminologa de programa-
cin lineal, a x 1 y x 2 se las denomina variables de decisin. Como el objetivo, maximizar
la contribucin total a las utilidades, es funcin de esas variables decisorias, a I0x1 + l0x2
se la denominajuncin objetivo. Utilizando max como abreviatura de maximizar, el objeti-
vo de Par se plantea de la siguiente manera:
Ya se han especificado las relaciones matemticas de las restricciones para las cuatro
operaciones de produccin. Existen cualesquiera otras restricciones que se hayan omitido?
Puede la firma fabricar un nmero negativo de bolsas estndar o de lujo? Es evidente
que la respuesta es no. Por ello, con objeto de evitar que las variables de decisin x 1 y
x 2 asuman valores negativos, deben aadirse dos restricciones.
(2 .7)
El smbolo ~ significa mayor que o igual a. Estas restricciones aseguran que la solucin
del problema no contendr valores negativos para las variables de decisin y, por ello,
se las denomina restricciones de no negatividad. Las restricciones de no negatividad son
una caracterstica general de todos los problemas de programacin lineal, y se les escribir
en lo subsiguiente de la siguiente forma abreviada:
NOTAS Y COMENTARIOS
l. Los tres supuestos necesarios para que un modelo de programacin lineal sea apro-
piado, son: proporcionalidad, aditividad y divisibilidad. Proporcionalidad signifi-
ca que el aporte a la funcin objetivo y la cantidad de recursos que se utilizan
son proporcionales al valor de cada variable de decisin. Aditividad significa que
es posible encontrar el valor de la funcin objetivo y el total de los recursos que
se utilizan sumando la contribucin de ia funcin objetivo y los recursos que se
utilizan, para todas las variables de decisin. Divisibilidad significa que las varia-
bles de decisin son continuas . El supuesto de divisibilidad, aunado a las restriccio-
nes de no negatividad, significa que las variables de decisin slo pueden asumir
valores que sean mayores que o iguales a cero.
2. Los cientficos de la administracin plantean y resuelven diversos modelos mate-
mticos que contienen una funcin objetivo y un conjunto de restricciones . A los
modelos de este tipo se les denomina modelos de programacin matemtica. Los
modelos de programacin lineal son un tipo especial de modelos de programacin
matemtica, ya que son lineales tanto la funcin objetivo como todas las funciones
de restriccin .
xz
1200
o
B
~ 1000 Un punto solucin con
X1 = 200 y X 2 = 800
-
~
-f1(200, 800)
o
"e:\ 1
'
:::1
"e:\ 1
eo. 6oo 1
e 1 Un punto solucin con
"
E
:::1
X1= 400 y X 2 = 300
5 400 1
"e:\
o:!
:g 1
- - - - -f(400, 300)
~
::
o:! 1 1
u 200
1 1
1 1
mostrarn slo la porcin de la regin de soluciones que corresponde a los valores no negati-
vos de las variables de decisin.
Se vio antes que la desigualdad que representa la restriccin de corte y teido es
/wx 1
1 + lx 2 :5 630
Para mostrar todos los puntos solucin que cumplen esta relacin, se comienza por locali-
zar los puntos solucin que satisfacen la parte de igualdad de la restriccin. Es decir, los
puntos en donde 11 10X 1 + lx2 = 630. Como la grfica de la ecuacin es una recta, se la
puede obtener ubicando dos puntos que satisfagan la ecuacin y trazando despus una
recta por tales puntos. Fijando x 1 = O y despejando x 2 se observa que el punto (x, = O,
x 2 = 630) satisface la ecuacin anterior. Para obtener un segundo punto que satisfaga la
ecuacin, se fija x 2 = O y se despeja x 1 Con esto se obtiene 1nox1 + 1(0) = 630, o x 1 =
900. Por ello, un segundo punto que cumple la ecuacin es (x 1 = 900, x 2 = 0). Se puede
trazar ahora la recta que corresponde a la ecuacin
7/wx
1 + lx2 = 630
Esta recta, a la que se denominar lfnea o recta de restriccin de corte y teido, es la que
se muestra en la Fig. 2.3. Se identifica tal lnea como ''C & T'' para indicar que representa
la restriccin de corte y teido.
36 CAPTULO DOS
o
]' Regin de Soluciones
no negativas
"'
"O
Puede identificar todos los puntos solucin que satisfacen esta restriccin? Como todos
los puntos de la recta satisfacen 7nox 1 + lx2 = 630, se sabe que cualquier punto que est
sobre esta recta debe satisfacer la restriccin. Pero, existen puntos solucin que satisfagan
7/ IOX + lx < 630? Considrense dos puntos solucin: (x = 200, x = 200) y (x1 = 600,
1 2 1 2
x 2 = 500). Se puede observar en la Fig. 2.3 que el primer punto solucin se encuentra
abajo de la recta de restriccin, y que el segundo se halla por encima. Cul de estas solucio-
nes satisface la restriccin de corte y teido? Para el punto (x1 = 200, x 2 = 200), se obser-
va que
7fwx 1 + lx2 = 7fw(200) + 1(200) = 340
Como las 340 horas son menos que las 630 horas disponibles, la combinacin de produc-
cin, o punto solucin, (x 1 = 200, x 2 = 200), satisface la restriccin. Para el punto (x1 =
600, x 2 = 500), se tiene
Las 920 horas son ms que las 630 horas disponibles, por lo que el punto solucin (x1
600, X 2 = 500) no satisface la restriccin y, por ello, no es factible.
PROGRAMACIN LINEAL: MTODO GRFICO 37
x2
1200
1000
o
:a 800
""'"'
~
o
.o
600
""' ~lo.-
":51"' 1 ...
(600,500)
:: (-
400 < <:-
u"' 6..1o
200
Resulta que si un punto solucin determinado no es factible, entonces, todos los dems
puntos de solucin que se encuentran al mismo lado de la recta de restriccin tampoco
son factibles. Si un punto solucin especfico es factible, entonces son factibles t0dos los
dems puntos solucin que estn al mismo lado de la recta de restriccin. Por ello, es necesa-
rio evaluar la funcin restrictiva slo para un punto solucin y determinar cul de los lados
de la recta de restriccin se encuentra en la regin factible. En la Fig. 2.4, se sealan todos
los puntos que satisfacen la restriccin de corte y teido mediante el sombreado de la regin
correspondiente.
Se contina ubicando puntos solucin que satisfacen cada una de las otras tres restriccio-
nes. Las soluciones que son factibles para cada una de estas restricciones se muestran en
la Fig. 2.5.
Se tienen ahora cuatro grficas separadas que muestran los puntos de solucin factibles
para cada una de las cuatro restricciones. En los problemas de programacin lineal es nece-
sario localizar los puntos solucin que satisfacen simultneamente todas las restricciones.
Para encontrar estos puntos se indican las cuatro restricciones en una sola grfica y se
observa la restriccin que contiene los puntos que, de hecho, satisfacen en forma simultnea
todas las restricciones.
Pueden ponerse las grficas de las Figs. 2.4 y 2.5 una sobre otra, para obtener una que
contenga las cuatro restricciones. Tal grfica con restricciones combinadas se muestra en
la Fig. 2.6. La regin sombreada incluye todos los puntos solucin que satisfacen en forma
simultnea todas las restricciones. Como a las soluciones que cumplen todas las restriccio-
nes se las denomina soluciones factibles, a la regin sombreada se le nombra regin de
38 CAPTULO DOS
x2
1200
1000
o
E 800
<!)
"O
"'
o"'"'
.o
<!)
600
"O
"O
"'
:9
E 400
u"'
200
soluciones factibles, o bien regin factible. Cualquier punto que se encuentre en la frontera
o lmite de la regin factible, o dentro de ella, es un punto solucin factible.
Ahora que se ha identificado la regin factible, es posible continuar con el mtodo grfico
de solucin y obtener la solucin ptima del problema de la compaa Par, lnc. Recurdese
que la solucin ptima para un problema de programacin lineal es la solucin factible
que ofrece el mejor valor posible de la funcin objetivo. Se inicia la etapa de optimizacin
del procedimiento grfico de solucin volviendo a ubicar la regin factible en otra grfica;
se muestra en la Fig. 2.7.
Una forma de encontrar la solucin ptima sera evaluar la funcin objetivo para cada
solucin factible; en este caso, la solucin ptima sera la que produce el mayor valor.
La dificultad con este mtodo es que existen demasiadas soluciones factibles (que son, de
hecho, en nmero infinito), y, por ello, no sera posible evaluar todas las soluciones facti-
bles. Por tanto no se puede utilizar este procedimiento de ensayo y error para identificar
la solucin ptima.
En vez de intentar el clculo de la contribucin a las utilidades para cada solucin factible,
se elige un valor arbitrario para la aportacin a las utilidades y se identifican todas las
soluciones factibles (xl' x 2 ) que producen el valor seleccionado. Por ejemplo, qu solucio-
nes factibles producen una contribucin a las utilidades de $1 800? Estas soluciones estn
dadas por los valores x, y x 2 que se encuentran en la regin factible y que hacen que la
funcin objetivo
10x 1 + 9x2 = 1800
PROGRAMACIN LINEAL: MTODO GRFICO 39
1200
1000-
Restricci n pa ra
la costura
o 400 600
1200
Rest riccin pa ra
el terminado
HlOO
o
E
"'
-;: 800
~ Restri cc in pa ra la
o inspecci n y em ba laje
~ 600 v co .s40 ) (708,0)
"O
,
~--~~~~~~~~~8~0~--~
0 IOL
0~0 ---1~20_0___1_4LOO- -x
"'
:"9
;:: Cantidad de bolsas estndares
u"'
(1 350,0)
~
1400 X
FIGURA 2.5 Soluciones para las restricciones de costura (C.), terminado (T.) e
inspeccin y embalaje (1. y E.), representadas mediante las
regiones sombreadas.
La expresin anterior es simplemente la ecuacin de una recta, por ello, todos los puntos
de solucin factibles (xp x 2 ) que producen una contribucin a las utilidades de $1 800 de-
be caer en esa recta. Ya se aprendi antes en esta seccin la forma de trazar una recta
de restriccin. El procedimiento que se usa para la recta de la funcin objetivo o la de
las utilidades, es el mismo. Fijando x 1 = O, se observa que x 2 puede ser 200; por ello, el
punto de solucin (x 1 = O, x 2 = 200) se encuentra en la recta. De manera similar, fijando
40 CAPTULO DOS
x2
1200
1000
o
2 800
Q)
-o
"'~
o
.o 600
Q)
-o
-o
"'
:9
;:: 400
u"'
200
"'
o"'"'
.o
Q)
-o
-o
"'
:9
;::
u"'
o
Cantidad de bolsas estndares
x 2 = O, se observa que estos dos puntos identifican a todas las soluciones que tendran
una contribucin a las utilidades de $1 800. En la Fig. 2.8 se presenta esa recta de utilidades.
Como el objetivo es obtener la solucin factible que produzca la mayor contribucin
a las utilidades, se contina seleccionando mayores contribuciones a las utilidades determi-
nando las soluciones que producen los valores que se han seleccionado. Por ejemplo, se
procede a hallar soluciones que produzcan aportes a las utilidades de $3 600 y $5 400. Para
esto se deben evaluar x 1 y x 2 que estn sobre las siguientes rectas:
Las rectas de utilidades de $3 600 y $5 400 que aparecen en la Fig. 2. 9 se trazaron haciendo
uso del procedimiento visto antes para las rectas de utilidades y de restricciones. Aunque
no todos los puntos solucin de la recta de utilidades de $5 400 se encuentran en la regin
factible, cuando menos algunos puntos de la recta s lo estn, y por ello es posible obtener
una solucin factible que produzca una contribucin de $5 400 a las utilidades.
Se puede encontrar una solucin factible que produzca una contribucin an mayor
a las utilidades? Obsrvese la Fig. 2.9 y vase qu observaciones generales puede formular
acerca de las rectas de utilidades que ya se han trazado. Obsrvese lo siguiente: (1) las rectas
de utilidades son paralelas entre s y (2) se obtienen rectas de mayores utilidades conforme
se alejan del origen. Puede visualizarse esto tambin en forma algebraica. Si z representa
la utilidad total, la funcin objetivo es
z = 10x 1 + 9x2
42 CAPTULO DOS
o
~
"'"'"'~
o
.o
"'"'
"':::!"'
=
u"'
Para z 3 600
Para z 5 400
La pendiente (-og) es la misma para todas las rectas de utilidades, puesto que son parale-
las. Adems, se observa que la ordenada al origen, x2 , aumenta conforme lo hacen los
aportes a las utilidades. Por ello, las rectas correspondientes a mayores utilidades estn
ms lejos del origen.
PROGRAMACIN LINEAL: MTODO GRFICO 43
Como las lneas de utilidades son paralelas, y como cuanto mayores son las utilidades
tanto ms lejos del origen estn las rectas, se pueden obtener soluciones que producen valo-
res cada vez mayores de la funcin objetivo desplazando las rectas de utilidades a cada
vez mayor alejamiento del origen, de manera que sigan siendo paralelas entre s. Sin embar-
go, llegar un momento en el que continuar el movimiento alejndose del origen har que
la recta de utilidades quede completamente fuera de la regin factible. Como las soluciones
fuera de la regin factible no son aceptables, el punto de la regin factible que se encuentra
en la recta de utilidades ms altas es la solucin ptima para el programa lineal.
Ya se estar en posibilidades ahora de identi~icar el punto solucin ptima para el proble-
ma de Par, Inc. Utilice una regla o la orilla de una hoja de papel para desplazar la recta
de utilidades tan lejos del origen como sea posible. Cul es el ltimo punto de la regin
factible que se alcanza? Este punto, que es la solucin ptima, se muestra en la Fig. 2.10.
Los valores ptimos de las variables de decisin son los valores de x 1 y x 2 en la solucin
ptima. Es posible que se pueda o no determinar los valores exactos de x 1 y x 2 dependien-
do de la precisin de la grfica. Con referencia a la Fig. 2.10, lo mejor que puede lograrse
es concluir que la combinacin ptima de produccin implica aproximadamente 550 bolsas
estndares (x,) y aproximadamente 250 bolsas de lujo (x).
Una inspeccin ms cuidadosa de las Figs. 2.6 y 2.10 muestra que el punto solucin
ptima se encuentra en la interseccin de la recta de restriccin de corte y teido, y la de
terminado. Es decir, el punto solucin ptima se encuentra tanto sobre la recta de restriccin
de corte y teido
7/wx
1 + 1x2 = 630 (2.9)
como sobre la recta de restriccin de acabado
(2.10)
600
Solucin ptima
De modo que los valores ptimos de las variables de decisin x 1 y x2 deben satisfacer am-
bas ecuaciones (2. 9) y (2.1 0), de manera simultnea. Utilizando la ecuacin (2. 9) y despejan-
do x 1, se obtiene
7f10 x 1 = 630 - 1x2
o bien
(2.11)
x2 = 192 = 252
1o/21
Utilizando x 2 252 en la ecuacin (2.11) y despejando xl' resulta
X = 900 - 10f7(252)
= 900 - 360 = 540
La ubicacin exacta del punto ptimo de solucin es x 1 = 540 y x 2 = 252. Por ello, las
cantidades ptimas de produccin para Par, Inc., son 540 bolsas estndares y 252 bolsas
de lujo, con una aportacin a las utilidades resultante de 10(540) + 9(252) = $7 668.
Para un problema de programacin lineal con dos variables de decisin es posible deter-
minar los valores exactos de dichas variables en la solucin ptima utilizando en primer
lugar el procedimiento grfico de solucin para identificar el punto ptimo; despus se
resuelven en forma simultnea las dos ecuaciones de restriccin correspondientes a ese punto.
Como puede observarse en la solucin grfica del problema de Par, Inc., un aspecto impor-
tante del mtodo grfico es la aptitud para graficar rectas que muestren las restricciones
y la funcin objetivo del programa lineal. El procedimiento que se ha utilizado para graficar
la ecuacin de una recta es encontrar cualesquiera dos puntos que satisfagan la ecuacin
y despus trazar la recta sobre esos puntos. Fue fcil localizar los dos puntos para las restric-
ciones fijando x 1 = O y despejando x 2 en la ecuacin de restriccin. Despus se tom x 2
O y se despej x 1 Para la recta de restriccin de corte y teido
7foX 1 + lx2 = 630
se identificaron dos puntos mediante este procedimiento (x 1 = O, x 2 = 630) y (x 1 = 900,
x 2 = 0). Despus se traz la recta de restriccin de corte y teido pasando una recta sobre
estos dos puntos.
Si es posible identificar dos puntos de la recta, es posible el trazo de todas las rectas
de restriccin y de funcin objetivo en programas lineales de dos variables. Sin embargo,
PROGRAMACIN LINEAL: MTODO GRFICO 45
encontrar dos puntos sobre la recta no siempre es tan sencillo como se vio en el problema
de Par, Inc. Por ejemplo, considrese la siguiente restriccin.
Para encontrar todas las soluciones que satisfacen la parte de igualdad de la restriccin,
se considera en primer Jugar x 1 = O y se despeja x". Esto muestra que el origen (x 1 = O,
X:
x,
Variables de holgura
Los resultados anteriores muestran a los administradores que la produccin de 540 bolsas
estndares y 252 bolsas de lujo requerira de todo el tiempo disponible de corte y teido
(630 horas) y de todo el tiempo disponible de acabado (708 horas), y que dejarn de utilizarse
120 horas del tiempo de costura, (600- 480) y 18 horas del tiempo de inspeccin y embalaje
(135- 117). A las 120 horas del tiempo no utilizado de costura y a las 18 horas de tiempo
no utilizado de inspeccin y embalaje se les denomina holgura de los dos departamentos.
En terminologa de programacin lineal, a cualquier capacidad no utilizada, u ociosa, para
una restriccin de s se la denomina holgura correspondiente a la restriccin.
Con frecuencia se aaden variables a los planteamientos de los problemas de programa-
cin lineal para representar la capacidad de holgura. A esas variables se las llama variables
de holgura y, como la capacidad no utilizada no contribuye a las utilidades, tienen coeficien-
tes cero en la funcin objetivo. Despus de aadir variables de holgura al planteamiento
matemtico del problema de Par, Inc., la forma del modelo matemtico es la siguiente:
En los casos en que los programas lineales estn formulados de manera que todas las restric-
ciones se expresan como igualdades, se dice que est escrito en forma estndar.
En la solucin ptima, x 1 = 540 y x 2 = 252, los valores de las variables de holgura son
los siguientes:
Valor de la
Restriccin variable de holgura
Corte y teftido S1 = 0
Costura 52 = 120
Terminado S
3
= 0
Inspeccin y embalaje s. = 18
48 CAPTULO DOS
Se hubiera podido utilizar la solucin grfica para obtener parte de esta informacin?
La respuesta es s. Al encontrar el punto de solucin ptimo de la Fig. 2.6, puede observarse
que las restricciones de corte y teido y de terminado limitan, o acotan la regin factible
en ese punto. Por ello, esta solucin requiere del uso de todo el tiempo disponible para
esas dos operaciones. En otras palabras, la grfica muestra que los departamentos de corte
y teido y de terminado tendrn holgura cero. Por otro lado, como las restricciones de
inspeccin y de embalaje no son lmites de la regin factible en la solucin ptima, puede
observarse algn tiempo no utilizado o de holgura para esas dos operaciones.
Como comentario final sobre el anlisis grfico del problema de la empresa Par, Inc.,
hay que insistir en la restriccin de la capacidad de costura, como se muestra en la Fig.
2.6. Obsrvese, en particular, que tal restriccin no afecta a la regin factible. Es decir,
la regin factible sera la misma ya sea que se incluya la restriccin sobre la capacidad
de costura o no. Esto indica que existe tiempo de costura disponible suficiente para dar
cabida a cualquier nivel de produccin que pueda alcanzarse en los otros tres departamen-
tos. Como la restriccin de costura no afecta a la regin factible ni, por ello, puede afectar
la solucin ptima, se le denomina restriccin redundante.
NOTAS Y COMENTARIOS
6
Solucin ptima
(x 1 = 300 , x 2 = 420)
E
o ~
.,
"O
"'
o"'"'
.,
.D
"O
"O
"'
:'S!
e:
u"'
FIGURA 2.13 Solucin ptima para el problema de Par, In c., con una funcin
objetivo de 5x 1 + 9x2
Cmo afecta este cambio en la funcin objetivo la solucin ptima para el problema
de Par, Inc .? En la Fig. 2.13 se muestra la solucin grfica del problema de Par, Inc.,
con la funcin objetivo modificada. Obsrvese que las restricciones no han cambiado, y,
por ello, la regin factible tampoco ha variado. Sin embargo, las rectas de utilidades se
han modificado para reflejar la nueva funcin objetivo.
Desplazando la recta de utilidades en forma paralela hacia los valores ms altos de las
utilidades, se encuentra la solucin ptima que se muestra en la Fig. 2.13 . En este punto,
las variables de decisin son x 1 = 300 y x 2 = 420. La menor contribucin a las utilidades
para las bolsas estndares ha ocasionado un cambio en la solucin ptima. De hecho, tal
como poda sospecharse, ahora se reduce la produccin de las bolsas estndares, que apor-
tan menos utilidades, y se aumenta la produccin de las bolsas de lujo que producen mayo-
res ganancias.
Qu ha observado usted respecto a la ubicacin de las soluciones ptimas de los dos
problemas de programacin lineal que se han resuelto hasta este momento? Obsrvese cui-
dadosamente las soluciones grficas de las Figs . 2.10 y 2. 13. Una observacin importante
que se debe estar en posibilidades de realizar es que las soluciones ptimas ocurren en
uno de los vrtices o "esquinas" de la regin factible . En terminologa de programacin
lineal, a estos vrrices se les denomina puntos extremos de la regin factible. El problema
de Par, lnc., tiene 5 vrtices, o 5 puntos extremos, para su regin factible (Fig. 2.14). Ahora
puede plantearse de manera formal la observacin con respecto al lugar en el que se encuen-
tra la solucin ptima, de la siguiente manera: 2
2
Se ver en la Secc. 2.8 que existen dos casos especiales (no factibilidad y no acotamiento) en programacin
lineal en los que no existe solucin ptima . As, la anterior afirmacin no es aplicable a estos casos .
50 CAPTULO DOS
o
E
"'
"O 400
"'
:
o
.o
"'
"O
Regin
"O
"'
:S!
;:: 200
factible
u"'
duccin total combinada de los productos l y 2 puede ser cuando menos 350 galones. Por
otro lado, se debe satisfacer tambin un pedido de un cliente importante de 125 galones
de producto l. El producto l requiere de 2 horas de tiempo de procesamiento por galn,
en tanto que el producto 2 requiere de una hora de procesamiento por galn, y existen
disponibles 600 horas de tiempo de procesamiento para el siguiente mes. El objetivo de
la M&D es satisfacer los requisitos anteriores incurriendo en un costo de produccin mni-
mo. Los costos de produccin son de $2 por galn de producto l y de $3 por galn del
producto 2.
Para encontrar el programa de produccin de costos mnimos, se plantea el problema
de M&D Chemicals como programa lineal. Siguiendo un procedimiento similar al que se
utiliz para el problema de Par, Inc., se definen en primer lugar las variables de decisin
y la funcin objetivo para el problema. Sean
Como los costos de operacin son de $2 (dlares) por galn del producto l, y $3 por galn
del producto 2, la minimizacin de la funcin objetivo de costos totales se puede plantear
de la siguiente manera.
min 2x 1 + 3x2
lx 1 ::::= 125
Como la produccin total combinada de ambos productos debe ser de cuando menos 350
galones, se puede plantear la restriccin
lx 1 + lx2 ::::= 350
Como el modelo de programacin lineal tiene slo dos variables de decisin, puede utili-
zarse el procedimiento grfico de solucin para encontrar las cantidades ptimas de solu-
cin. El mtodo grfico para este problema, al igual que para el problema de Par, exige
52 CAPTULO DOS
x,
N
o
:::1
"'CI
2
o.
-.;
300
"'CI
"'e
o"'
~
o
primero el trazo de las rectas de restriccin para determinar la regin factible. Pueden identi-
fi~arse las soluciones factibles para cada restriccin trazando en forma separada cada recta
de restriccin, y verificando despus puntos en ambos lados de la misma. Combinando
las soluciones factibles para cada restriccin en la misma grfica, se obtiene la regin facti-
ble que se muestra en la Fig. 2.15.
Ahora, para encontrar la solucin de costo mnimo, se traza la recta de la funcin objetivo
correspondiente a un valor determinado de los costos totales. Por ejemplo, se podra comen-
zar trazando la recta 2x1 + 3x2 = 1 200. Esta recta se muestra en la Fig. 2.16. Resulta
evidente que existen puntos de la regin factible que arrojara costos totales de $1 200.
Para encontrar los valores de x 1 y x 2 que ofrecen menores valores para los costos totales,
se desplaza la recta de la funcin objetivo hacia la parte inferior izquierda hasta que, si
se siguiera desplazando, quedara enteramente fuera de la regin factible. Obsrvese que
la recta de la funcin objetivo 2x1 + 3x2 = 800 corta a la regin factible en el punto extre-
mo x 1 = 250 y x2 = 100. Este punto ofrece la solucin de costos mnimos, con un valor
de 800 para la funcin objetivo . En las Figs. 2.15 y 2.16 puede observarse que son cruciales
la restriccin del volumen total de produccin y la restriccin del tiempo de procesamiento.
Al igual que con cualquier problema de programacin lineal, la solucin ptima ocurre
en un punto extremo de la regin factible.
x,
"'
"'o
e
";j
o 200
100
l. Elaborar una grfica de los puntos solucin factibles para cada una de las restricciones.
2. Determinar la regin factible identificando los puntos solucin que satisfacen en forma
simultnea todas las restricciones.
3. Trazar una recta de la funcin objetivo que muestre los valores de las variables x 1 y
x 2 que producen un valor especfico de la funcin objetivo.
4. Desplazar rectas paralelas de funciones objetivo hacia valores cada vez menores de la
funcin objetivo hasta que la continuacin del movimiento implique que la recta se sale
completamente de la regin factible .
S. Un punto de solucin factible que se encuentre en la recta de la funcin objetivo que
tenga el menor valor es una solucin ptima.
Variables de excedente
Un anlisis completo de la solucin de costo mnimo del problema de M&D Chemicals
muestra que se logra que la produccin total de 1x1 + 1x2 = 350 galones que se desea,
utilizando todo el tiempo disponible de procesamiento, o sea 2x 1 + 1x2 = 2(250) + 1 (100)
= 600 horas . Adems, obsrvese que se satisface la restriccin que exige satisfacer la deman-
da del producto 1, con x 1 = 250 galones. De hecho, la elaboracin del productor excede
su nivel mnimo en 250- 125 = 125 galones. A este exceso de produccin para el producto
l se le denomina excedente. En terminologa de programacin lineal, cualquier cantidad
en exceso que corresponda a una restriccin de 2:!: se le denomina execedente.
Recurdese que con una restriccin ::5 , puede agregar una variable de holgura al lado
izquierdo de la desigualdad para convertirla en igualdad. Con las restricciones de 2:!: se
54 CAPTULO DOS
puede restar una variable de excedente del lado izquierdo de la desigualdad para convertirla
en igualdad. Al igual que se hace con variables de holgura, a las variables de excedentes
se les asigna coeficiente cero en la funcin objetivo porque no tienen ningn efecto sobre
su valor. Despus de incluir dos variables de excedente para las restricciones de 2: y una
variable de holgura para las restricciones de ::s , el modelo de programacin lineal para
el problema de M&D Chemicals es el siguiente:
min 2x + 3x 2 + Os 1 + Os 2 + Os 3
sujeta a
1x 1 - ls 1 125
lx 1 + 1x2 - lsz 350
2x + lx2 + ls3 600
X, Xz, S, Sz , s3 :2: 0
Ahora todas las restricciones son igualdades. Por ello, el planteamiento anterior es la
representacin en forma estndar del problema de M&D Chemicals . En la solucin ptima
de x 1 = 250 y x 2 = 100, los valores de las variables de holgura y de excedente son los
siguientes:
Valor de las
variables de
Restriccin excedente u holgura
Con referencia a las Figs. 2.15 y 2. 16, obsrvese que las variables de holgura y de excedente
que valen cero estn asociadas a las restricciones limitan tes en la solucin ptima. Es decir,
las restricciones del total de la produccin y del tiempo de procesamiento. El excedente
de 125 unidades corresponde a la restriccin no limitante de la demanda del producto l.
Obsrvese que en el problema de Par, In c., todas las restricciones fueron del tipo ::s
y que en el problema de M&D Chemicals las restricciones eran una combinacin de los
tipos 2: y ::s. El nmero y el tipo de restricciones que se encuentran en los problemas espec-
ficos de programacin lineal dependen de las condiciones especficas del problema. Los
problemas de programacin lineal pueden tener algunas restricciones de ::s, algunas restric-
ciones de 2:, y algunas restricciones de =. Para las restricciones de igualdad, las soluciones
factibles deben caer exactamente en la recta de restriccin.
En seguida se presenta un ejemplo de un programa lineal que contiene las tres formas de
restriccin (en el Problema 35 del final del captulo se pide resolver este mismo problema
utilizando el procedimiento grfico):
min 2x + 2x2
sujeta a
lx 1 + 3x2 ::s 12
3x 1 + lx2 :::: 13
lx 1 lx2 = 3
X, Xz :2: 0
PROGRAMACIN LINEAL: MTODO GRFICO 55
800
FIGURA 2.17 El problema de Par, lnc., con una funcin objetivo de 6.3x 1 +
9x2 (ptimos alternos).
PROGRAMACIN LINEAL: MTODO GRFICO 57
varias combinaciones de las variables de decisin son ptimas y que el administrador puede
elegir la solucin ptima especfica que le resulte ms deseable.
No factibilidad
Ocurre la no factibilidad cuando no existe ninguna solucin de un problema de programa-
cin lineal que satisfaga todas las restricciones, incluyendo las condiciones de no negativi-
dad xl' x 2 ~ O. Grficamente, la no factibilidad significa que no existe una regin factible;
es decir, no existen puntos que satisfagan todas las restricciones y todas las condiciones
de no negatividad en forma simultnea. Para ilustrar esta situacin, se regresar de nueva
cuenta al problema de Par, lnc.
Supngase que los administradores han especificado que se deben fabricar cuando menos
500 bolsas estndares y cuando menos 360 de lujo. La grfica de la regin de soluciones
puede construirse ahora para ilustrar estos nuevos requerimientos (Fig. 2.18). El rea som-
breada de la porcin inferior izquierda de la grfica ilustra los puntos que satisfacen las
restricciones que tienen los departamentos sobre la disponibilidad de tiempo. El rea som-
breada de la porcin superior derecha ilustra los puntos que satisfacen los requerimientos
mnimos de produccin de 500 bolsas estndares y 360 de lujo. Pero no existen puntos
que satisfagan ambos conjuntos de restricciones. Por ello, se observa que si los administra-
800
FIGURA 2.18 No existe regin factible para el problema de Par, Inc., con requisitos
mnimos de produccin de 500 bolsas estndares y 360 de lujo.
58 CAPTULO DOS
TABLA 2.2 Recursos que se requieren para fabricar 500 bolsas estndares
y 360 bolsas de lujo
dores imponen esos requisitos mnimos de produccin, no habr ninguna solucin factible
para el modelo de programacin lineal.
Cmo debe interpretarse la no factibilidad en trminos de este ltimo problema? En
primer lugar, se debe sealar a los administradores que, dados los recursos disponibles
(es decir, tiempos de corte y teido, de costura, de terminado, y de inspeccin y embalaje),
no es posible fabricar 500 bolsas estndares y 360 de lujo. Adems, puede sealarse a los
administradores exactamente qu cantidad adicional se debe obtener de cada uno de los
recursos para hacer que resulte posible fabricar esa cantidad de bolsas. En la Tabla 2.2
se muestran las cantidades mnimas de recursos que se deben tener disponibles, las cantida-
des que estn disponibles en la actualidad, y las cantidades adicionales que se requieren.
Por ello, para satisfacer los requerimientos mnimos de produccin que han fijado los admi-
nistradores, se requieren 80 horas ms para corte y teido, 32 horas para terminado y 5
horas ms para inspeccin y embalaje.
Si, despus de observar la informacin anterior, los administradores an desean manu-
facturar las 500 bolsas estndares y las 360 bolsas de lujo, deben proporcionar los recursos
adicionales. Es posible que esto signifique contratar a otro operario para que tabaje en
el departamento de corte y teido, transferir a alguna otra persona de alguna otra parte
de la fbrica para que labore tiempo parcial en el departamento de terminado, o hacer
que los operarios de costura ayuden peridicamente en las labores de inspeccin y embalaje.
Como puede observarse existen muchas posibilidades para que los administradores empren-
dan acciones correctivas, una vez que se descubre que no existe solucin factible. Lo que
es importante observar es que el anlisis de programacin lineal puede ayudar a determinar
si los planes de los administradores son factibles o no. Analizando el problema con progra-
macin lineal, con frecuencia pueden identificarse condiciones de no factibilidad y empren-
der acciones correctivas .
No acotamiento
La solucin de un problema de programacin lineal es no acotada si el valor de la solucin
puede ser infinitamente grande, sin violar ninguna de las restricciones. A esta condicin
se la podra denominar "utopa gerencial". Si ocurriera tal condicin en un problema de
maximizacin de utilidades, sera un hecho que los administradores pudieran lograr utilida-
des ilimitadas.
En los modelos de programacin lineal de problemas reales, la ocurrencia de una solucin
no acotada significa que el problema se ha planteado en forma inapropiada. Se sabe que
no es posible aumentar las utilidades en forma indefinida. Por lo tanto, debe concluirse
PROGRAMACIN LINEAL: MTODO GRFICO 59
20
15
10
La funcin objetivo
aumenta sin lmite
solucin factible con un valor mayor. Por ello, se dice que la solucin a este programa
lineal es no acotada.
NOTAS Y COMENTARIOS
RESUMEN
Se plantearon dos problemas, el de la compaa Par, Inc., y el de la empresa M&D Chemi-
cals, como programas lineales, y se resolvieron utilizando un procedimiento grfico. Se
hizo notar, al estudiar el procedimiento grfico de resolucin, que si existe una solucin
ptima para un problema de programacin lineal, se la puede encontrar en un punto extre-
mo de la regin factible.
En el proceso de planteamiento de modelos matemticos de problemas que se expuso
en este captulo, se desarroll la siguiente definicin general de un programa lineal. Un
programa lineal es un modelo matemtico que tiene las siguientes propiedades:
Se vio cmo pueden utilizarse variables de holgura para plantear restricciones de menor
que o igual a, en forma de igualdad, y la forma en la que pueden utilizarse variables de
excedente para formular restricciones de mayor que o igual a, en forma de igualdad. Por
lo general, puede interpretarse el valor de una variable de holgura como la cantidad no
utilizada de un recurso, mientras que el valor de una variable de excedente seala la cantidad
en la que se sobrepasa algn requisito mnimo planteado. Una vez que se han expresado
todas las restricciones como igualdades, el programa lineal ha quedado planteado en su
forma estndar. Se mostr que, en los casos de no factibilidad y no acotamiento, no existe
solucin ptima para el problema. En el caso de la no factibilidad, no existen soluciones
factibles, mientras que en el caso del no acotamiento, puede hacerse que la funcin objetivo
sea infinitamente grande para un problema de maximizacin, e infinitamente pequea para
un problema de minimizacin. Adems, se analiz un tercer caso especial, el de ptimos
alternativos. En este caso, se tenan dos puntos extremos ptimos alternos, y todos los
puntos que caan sobre el segmento de unin eran tambin ptimos.
PROGRAMACIN LINEAL: MTODO GRFICO 61
GLOSARIO
Funcin objetivo Todos los programas lineales tienen una funcin objetivo lineal que
debe maximizarse o minimizarse. En muchos problemas de programacin lineal, la
funcin objetivo se utiliza para medir utilidades o costos de una solucin especfica.
Restriccin Es una ecuacin o desigualdad que elimina ciertas combinaciones de las varia-
bles de decisin como soluciones factibles.
Funcin de restriccin El lado izquierdo de una restriccin (es decir, la porcin de la res-
triccin que contiene las variables).
Solucin Cualquier conjunto de valores para las variables.
Solucin ptima Una solucin factible que maximiza o minimiza el valor de la funcin
objetivo.
Restricciones de no negatividad Conjunto de restricciones que exigen que todas las varia-
bles sean no negativas.
Modelo matemtico Representacin de un problema en la que el objetivo y todas las con-
diciones de restriccin se describen mediante expresiones matemticas.
Programa lineal Modelo matemtico que tiene una funcin objetivo lineal, un conjunto
de restricciones lineales y variables no negativas.
Ecuaciones o funciones lineales Expresiones matemticas en las que las variables aparecen
en trminos separados y estn elevadas a la primera potencia.
Solucin factible Una solucin que sarisface todas las restricciones.
Regin factible El conjunto de todas las soluciones factibles.
Restriccin redundante Restriccin que no afecta a la regin factible. Si una restriccin
es redundante, se la puede eliminar del problema sin afectar la regin factible.
Punto extremo Grficamente hablando, los puntos extremos son puntos de solucin facti-
bles y ocurren en los vrtices o "esquinas" de la regin factible. En problemas con
dos variables, los puntos extremos se determinan mediante la interseccin de las rectas
de restriccin.
Variable de holgura Es una variable que se aade al lado izquierdo de una restriccin
de menor que o igual a, para convertirla en una igualdad. El valor de esta variable
puede, por lo general, interpretarse como la cantidad que no se utiliza de un recurso .
Variable de excedente Una variable que se resta della ")izquierdo de una restriccin de
mayor que o igual a, para convertirla en una igualdad. Por lo general, puede interpretar-
se el valor de esta variable como la cantidad en la que se sobrepasa algn nivel mnimo
requerido.
Forma estndar Un programa lineal en el que todas las restricciones se plantean como
desigualdades. La solucin ptima de la forma estndar de un programa lineal es la
misma que la solucin ptima del planteamiento original.
ptimos alternos La situacin en la que un programa lineal tiene dos o ms soluciones
ptimas.
No factibilidad El caso en el que no existen soluciones para el problema de programacin
lineal que satisfagan todas las restricciones.
No acotamiento Se dice que un problema de maximizacin de programacin lineal es
no acotado, si el valor de la solucin puede ser infinitamente grande sin infringir ningu-
62 CAPTULO DOS
PROBLEMAS
l. Cules de las siguientes relaciones matemticas se podran encontrar en un modelo
de programacin lineal y cules no? Para las relaciones que son inaceptables para pro-
gramas lineales, especifique las razones.
a. - Ix 1 + 2x 2 - Ix 3 :5 70
b. 2x - 2x3 = 50
c. lx 1 - 2x~ + 4x 3 :5 10
d. 3~ +2x 2 - Ix3 2: 15
e. 1x 1 + + 1x3 = 6
Ix 2
f. 2x 1 + 5x2 + 1x 1x 2 :5 25
2. Determine los puntos de solucin factibles para las siguientes restricciones:
a. 4x 1 + 2x2 :5 16
b. 4x 1 + 2x 2 2: 16
c. 4x 1 + 2x 2 = 16
3. Trazar las rectas de restriccin es un paso esencial del mtodo grfico. Muestre una
grfica separada de las rectas de restriccin y de las soluciones factibles para cada una
de las siguientes restricciones:
a. 3x 1 + 2x2 :5 18
b. 12x 1 + 8x2 2: 480
c. 5x 1 + 10x2 = 200
4. Muestre una grfica separada de las rectas de restriccin y de las soluciones factibles
para cada una de las siguientes restricciones:
a. 3x 1 - 4x 2 2: 60
b. -6x 1 + 5x2 :5 60
c. 5x 1 - 2x2 :5 O
5. En seguida se presentan las tres funciones objetivo de tres problemas de programacin
lineal:
z = 7x 1 + 10x2
z = 6x 1 + 4x 2
z = -4x 1 + 7x2
Determine la pendiente de cada funcin objetivo. Muestre la grfica de cada una de
esas tres funciones objetivo para z = 420.
6. Resuelva el siguiente programa lineal:
max 5x 1 + 5x2
sujeta a
1x 1 :5 100
1x2 :5 80
2x 1 + 4x2 :5 400
PROGRAMACIN LINEAL: MTODO GRFICO 63
Producto 1 Producto 2
Los supervisores de produccin de cada departamento han estimado que estarn dispo-
nibles las siguientes cantidades de mano de obra para el siguiente mes: 450 horas en
el departamento A, 350 horas en el departamento B, y 50 horas en el departamento
C. Suponiendo que a la empresa le interesa maximizar las utilidades, responda lo siguiente:
a. Cul es el modelo de programacin lineal para este problema?
b. Obtenga la solucin ptima. Qu cantidad se debe fabricar de cada producto, y
cul es la utilidad que se proyecta?
c. Cul es el tiempo programado de produccin y el tiempo de holgura en cada depar-
tamento?
19. La Yard Care, In c., fabrica diversos productos para jardn, incluyendo dos fertilizantes
muy conocidos. Cada uno de los fertilizantes es una mezcla de dos materias primas
conocidas como K40 y K50. Durante el periodo de fabricacin actual existen disponi-
bles 900 libras de K40 y 400 libras de K50. Cada libra del producto llamado "Jardn
Verde" utiliza 3/ 5 de libra de K40 y 2/ 5 de K50. Cada libra del producto designado como
"Atencin al Jardn" utiliza J / 4 de libra de K40 y 1/ 4 de libra de K50. Adems, un de-
terminado lmite sobre la disponibilidad en materiales de empaque restringe la produc-
cin de "Atencin al jardn" a un mximo de 500 libras.
a. Si la contribucin a las utiliddes para ambos productos es de $3 (dlares) por libra,
cuntas libras debe fabricar la compaa de cada producto?
b. Debe preocuparle a la compaa que la disponibilidad de materiales de empaque
est restringiendo la produccin de "Atencin al jardn"? Qu sucedera con las
cantidades de produccin y con las utilidades esperadas si la empresa pudiera elimi-
nar la restriccin sobre la cantidad de Atencin al jardn que se puede fabricar?
20. lnvestment Advisors, Inc., es una empresa de corretaje que administra carteras de ac-
ciones para diversos clientes. Un nuevo cliente ha solicitado a la empresa manejar una
cartera de inversiones de $80 000. Como estrategia inicial de inversin, al cliente le
gustara restringir la cartera a una mezcla de las siguientes acciones:
66 CAPTULO DOS
El ndice de riesgo para las acciones es una calificacin sobre el riesgo relativo de las
dos alternativas de inversin. Para los datos que se proporcionan, se considera que
la inversin en U.S. Oil es la ms riesgosa. Al limitar el riesgo total de la cartera, la
empresa de inversiones evita colocar cantidades excesivas de la cartera en inversiones
que pudieran potencialmente producir altos rendimientos, pero que tambin implican
altos riesgos. Para esta cartera se ha fijado un lmite superior de 700 para el ndice
de riesgo total de todas las inversiones. Adems, la empresa ha fijado un lmite superior
de 1000 acciones pertenecientes a la U .S. Oil, que son las ms riesgosas. Cuntas
acciones de cada tipo se deben comprar con objeto de maximizar el rendimiento anual
total?
21. Considrese el siguiente programa lineal:
min 3x 1 + 4x2
sujeta a
lx 1 + 3x2 ~ 6
lx 1 + lx2 ~ 4
X, Xz ~
Costo por
Alimento para perros onza Protenas (OTo) Grasas (Olo)
Si Greentree desea asegurarse de que los canes reciben cuando menos 5 onzas de prote-
nas y cuando menos 3 onzas de grasas por da, cul es la mezcla de costo mnimo
de los dos productos alimenticios para perros?
PROGRAMACIN LINEAL: MTODO GRFICO 67
Cada onza del ingrediente A contiene 112 onzas de protenas y 11s de onza de grasas.
Cada onza del ingrediente B contiene IIIo de onza de protenas y I/3 de onza de grasas.
Las restrricciones implican que un bote de 16 onzas de Cats debe contener cuando
menos 4 onzas de protenas y 2.5 onzas de grasas. Si el ingrediente A cuesta $.04 (dla-
res) por onza y el ingrediente B cuesta $0.3 la onza, cul es la mezcla de costo mnimo
de los ingredientes A y B para cada lata de 16 onzas? Identifique e interprete Jos valores
de las variables de excedente para este problema.
27. La empresa Innis Investments administra los fondos de diversas compaas y clientes
de alto poder econmico. La estrategia de inversin se disea en especial para las necesi-
dades de cada cliente. Un cliente nuevo ha autorizado a la Innis invertir hasta 1.2 millo-
nes de dlares en dos fondos de inversin: uno de acciones y uno de mercado de dinero.
68 CAPTULO DOS
Cada unidad del fondo de acciones cuesta $50 (dlares) y ofrece una tasa anual de
rendimiento de 100Jo; cada unidad del fondo de mercado de dinero cuesta $100 y ofrece
una tasa de rendimiento anual de 40Jo.
El cliente desea minimizar el riesgo, sujeto al requisito de que los ingresos anuales
de la inversin sean de cuando menos $60 000. De acuerdo con el sistema de medicin
de Innis, cada unidad invertida en el fondo de acciones tiene un ndice de riesgo de
8, y cada unidad que se invierte en el fondo de mercado de dinero tiene un ndice de
riesgo de 3. El ndice mayor asociado al fondo de acciones simplemente seala que
el riesgo de la inversin es mayor . El cliente de Innis tambin ha especificado que se
deben invertir cuando menos $300 000 en el fondo de mercado de dinero.
a. Determine cuntas unidades de cada fondo debe adquirir Innis para que el cliente
pueda minimizar el ndice de riesgo total de la cartera.
b. Cuntos ingresos anuales se generarn en esta estrategia de inverin?
c. Supngase que el cliente desea maximizar el rendimiento anual. Cmo se deben
invertir los fondos?
28. Bryant's Pizza lnc . fabrica pizzas congeladas . La compaa obtiene una utilidad de
$1.00 (dlares) por cada pizza normal que fabrica y $1.50 por cada pizza de lujo. Cada
artculo incluye una combinacin de mezcla de masa y de mezcla de aderezo. En estos
momentos, la empresa tiene 150 libras de masa y 50 libras de aderezo. Cada piza regular
utiliza una libra de masa y 4 onzas de aderezo . Con base en demandas pasadas, Bryant
estima que puede vender cuando menos 50 pizzas regulares y cuando menos 25 pizzas
de lujo. Cuntas pizzas regulares y de lujo debe fabricar la compaa con objeto de
maximizar las utilidades?
a. Exprese el problema anterior en forma estndar.
b. Cules son los valores y las interpretaciones de todas las variables de holgura y
de excedente?
c. Qu restricciones acotan la solucin ptima?
29. Wilkinson Motors, Inc. vende automviles estndares y camionetas. La empresa obtie-
ne una utilidad de $400 (dlares) por cada automvil que vende y $500 por cada camio-
neta. La compaa est planeando el pedido para el siguiente trimestre, del cual el
fabricante manifiesta que no puede exceder de 300 automviles y de 150 camionetas .
El tiempo de preparacin que requiere el distribuidor es de 2 horas por cada automvil
y de 3 horas por cada camioneta. Para el siguiente trimestre, la compaa dispone de
900 horas de tiempo de taller para la preparacin de los automviles. Cuntos autom-
viles y cuntas camionetas se deben pedir para maximizar las utilidades?
a. Mostrar el modelo de programacin lineal para el problema anterior.
b. Mostrar la forma estndar e identificar las variables de holgura.
c. Identificar los puntos extremos de la regin factible.
d. Encontrar la solucin ptima.
e. Qu restricciones son acatantes?
30. En Ryland Farms, en el noroeste del estado de Indiana, se cultiva frijol de soya y maz
en 500 acres de terreno. Un acre de frijol de soya produce utilidades de $100 (dlares)
y un acre de maz produce utilidades de $200. Debido a un programa gubernamental,
no se pueden plantar ms de 200 acres de frijol de soya. Durante la poca de siembra,
se dispondr de 1200 horas de tiempo para sembrar. Cada acre de frijol de soya requiere
de dos horas mientras que cada acre de maz requiere de 6 horas. Cuntos acres de
frijol de soya y cuntos acres de maz se deben plantar con el objeto de maximizar
las utildades?
a. Muestre el modelo de programacin lineal para el problema anterior.
PROGRAMACIN LINEAL: MTODO GRFICO 69
Cantidad disponible
Materia prima para produccin
Materia 1 20 toneladas
Materia 2 5 toneladas
Materia 3 21 toneladas
sujeta a
1x 1 ::5 5
1x2 ::5 4
2.xl + 2.x2 12
x 1, x 2 ~O
sujeta a
1x 1 + 3x2 ::5 12
3x 1 + 1x2 ~ 13
1x 1 1x2 = 3
xt> x 2 ~ O
max 3x 1 + 4x2
sujeta a
-1x 1 + 2x2 :S 8
1x 1 + 2x2 :S 12
2x + 1x2 ::s 16
x 1, x2 ;:::: O
a. Plantee el problema en forma estndar.
b. Resuelva el problema.
c. Cules son los valores de las tres variables de holgura en la solucin ptima?
39. Para el programa lineal
min 6x 1 + 4x 2
sujeta a
2x + lx2 ;:::: 12
1x 1 + 1x2 ;:::: lO
1x2 :S 4
x 1 , x2 ;:::: O
max 1x 1 - 2x2
sujeta a
-4x 1 + 3x2 :S 3
lx 1 lx 2 :s 3
efectivo, deben generarse, durante ese periodo de dos semanas, cuando menos $800
(dlares) de ingresos por tcnico. El tiempo de los tcnicos con clientes regulares genera
$25 por hora. Sin embargo, el tiempo dedicado a clientes nuevos genera solamente
un promedio de $8 por hora porque, en muchos casos, los contactos con clientes nuevos
no implican servicios gravables. Para asegurar que se conservan la comunicacin con
los clientes nuevos, el tiempo que los tcnicos invierten en los contactos con nuevos
clientes debe ser de cuando menos 60 0Jo del tiempo que invierten en el trato con los
clientes regulares. Considerando los requerimientos anteriores de ingresos y de poltica,
a HTS le gustara determinar la forma de asignar el tiempo de los tcnicos entre clientes
regulares y clientes nuevos, de manera que se maximice el tiempo total en que se atiende
a los clientes durante el periodo de dos semanas . Los tcnicos requieren un promedio
de 50 minutos para cada trato o contacto con clientes regulares, y de una hora para
cada comunicacin con clientes nuevos.
a. Elabore un modelo de programacin lineal que permita a HTS determinar la forma
en la que debe asignar el tiempo de los tcnicos entre clientes regulares y clientes nuevos .
b. Grafique la regin factible.
c. Resuelva las ecuaciones lineales simultneas apropiadas para determinar los valores
de x 1 y x 2 en cada punto extremo de la regin factible.
d. Obtenga la solucin ptima .
ESTRATEGIA DE PUBLICIDAD
La empresa Midtown Motors, Inc . ha contratado a una empresa de servicios de mercadotec-
nia para que elabore una estrategia de publicidad destinada a promover la venta de los
automviles usados de la Midtown. La empresa de mercadotecnia ha recomendado a Mid-
town utilizar anuncios tanto en la televisin como en la radio, como los medios de publici-
dad idneos para la campaa promociona! que se propone. Los lineamientos de la estrategia
de publicidad se expresan de la siguiente manera:
REPORTE GERENCIAL
Analice la estrategia de publicidad de Midtown Motors y elabore un reporte para el presi-
dente de la empresa en el que exponga su anlisis y sus recomendaciones . Incluya (pero
no limite la conclusin a esto) una consideracin de lo siguiente:
Incluya en el reporte una copia del modelo de programacin lineal y de la solucin grfica.
3 _____
Programacin lineal:
Anlisis de sensibilidad y
resolucin pr computadora
En este captulo se ofrece una introduccin al anlisis de sensibilidad y al uso de las computa-
doras para resolver problemas de programacin lineal. El anlisis de sensibilidad que se
realiza sobre la solucin ptima ofrece informacin complementaria que es valiosa para
quien toma las decisiones. Despus de mostrar cmo se puede llevar a cabo el anlisis de
sensibilidad utilizando un mtodo grfico, se ilustra cmo puede utilizarse The Manage-
ment Scientist, un paquete de programas (software) para microcomputadora que resuelve
problemas de programacin lineal, a fin de dar solucin a los problemas de las empresas
Par, Inc., y M&D Chemicals, que se presentaron en el Cap. 2. Al analizar la resolucin
por computadora de estos problemas, se destacar la interpretacin de los resultados por
computadora, que incluyen la solucin ptima e informacin acerca del anlisis de sensibili-
dad. El captulo termina con un anlisis del planteamiento, de la solucin por computadora
y del anlisis de sensibilidad de un problema de programacin lineal que tiene ms de dos
variables de decisin. En un apndice del captulo se describe la forma en que puede em-
plearse para resolver problemas de programacin lineal el bien conocido paquete para mi-
crocomputadora Lindo/PC, elaborado por Linus Scharge, de la Universidad de Chicago.
Como el anlisis de sensibilidad se ocupa de la forma en que los cambios anteriores afectan
a la solucin ptima, el anlisis no comienza sino hasta que se obtiene tal solucin al proble-
75
76 CAPTULO TRES
ma de programacin lineal original. Por este motivo, al anlisis de sensibilidad con frecuen-
cia se le denomina anlisis de post-optimidad.
La principal razn de la importancia del anlisis mencionado para quienes toman las
decisiones es que los problemas reales ocurren en un medio ambiente dinmico . Los precios
de las materias primas varan, la demanda flucta, las compaas adquieren mquinas nue-
vas para reemplazar a las antiguas, los mercados globales de mano de obra ocasionan cam-
bios en los costos de produccin, se tiene rotacin en los empleos, etctera. Si se ha utilizado
un modelo de programacin lineal en un entorno con estas caractersticas, puede esperarse
que cambien en el tiempo algunos de los coeficientes. Los administradores desearn deter-
minar la forma en que esos cambios afectan a la solucin ptima del problema primitivo
de programacin lineal. El anlisis de sensibilidad ofrece la informacin que se requiere
para responder a esos cambios, sin que sea necesario obtener la solucin completa de un
programa lineal modificado.
Recurdese el problema de la compaa Par, In c., que se present en el captulo 2.
max 10 x 1 + 9x2
sujeto a (s .a.)
11 1UX + 1x2 5
1
630 Corte y teido
112X
1
+ s16X2 5 600 Costura
1x1 + uJX 2 5 708 Terminado
11 1UX
1
+ 114X2 5 135 Inspeccin y embalaje
xl' x 2 ~ O
La solucin ptima x 1 = 540 bolsas de tipo estndar y x 2 = 252 bolsas de lujo, se basa
en cifras de utilidades de $10 por bolsa estndar y $39 por bolsa de lujo . Sin embargo,
supngase que se sabe -posteriormente- que debido a una reduccin en el precio, la
contribucin a las utiliddes de las bolsas estndares se reduce a $7. Puede utilizarse el anlisis
de sensibilidad para determinar si el programa de produccin de 540 bolsas estndares y
252 bolsas de lujo sigue siendo la mejor solucin. Si lo es, no habr necesidad de resolver
un programa lineal modificado que tenga 7x 1 + 9x2 como funcin objetivo.
Se puede utilizar tambin el anlisis de sensibilidad para determinar cules de los coefi-
cientes de un modelo de programacin lineal son ms crticos. Por ejemplo, supngase
que los administradores de la multicitada Par, Inc., consideran que una contribucin a
las utilidades de $9 para la bolsa de lujo es slo una estimacin burda de la contribucin
que realmente se obtendr. Si el anlisis de sensibilidad muestra que la solucin ptima
son 540 bolsas estndares y 252 bolsas de lujo, siempre y cuando la contribucin a las
utilidades de las bolsas de lujo sea de entre $5 y $13, los administradores deben quedar
acordes con la estimacin aproximada de $9 por bolsa y con las cantidades de produccin
que se recomiendan. Sin embargo, si el anlisis de sensibilidad muestra que es ptima la
solucin ptima de 540 bolsas de tipo estndar y 252 bolsas de lujo slo si la contribucin
a las utilidades para la bolsa de lujo se encuentra entre $8.90 y $9.25, es posible que deseen
revisar la precisin de la utilidad esperada de $9 por bolsa.
Otro aspecto del anlisis de sensibilidad se refiere a los cambios en los lados derechos
de las restricciones. Recurdese que en el problema de Par, Inc., la solucin ptima utilizaba
todo el tiempo de corte y teido y todo el tiempo de terminado. De qu manera cambiara
la solucin ptima y la utilidad total si la empresa pudiera obtener tiempo adicional para
cualquiera de esas operaciones? El anlisis de sensibilidad puede ayudar a determinar cun-
to vale cada hora adicional y cuntas horas se pueden adicionar antes de que comiencen
a ocurrir los rendimientos decrecientes .
PROGRAMACIN LINEAL: ANLISIS DE SENSIBILIDAD Y RESOLUCIN POR COMPUTADORA 77
Considrese cmo podran afectarse los cambios de los coeficientes de la funcin objetivo
a la solucin ptima para el problema de Par, Inc. La actual contribucin a las utilidades
es $10 por unidad de la bolsa estndar y $9 por unidad para la bolsa de lujo . Parece evidente
que un aumento en la contribucin a las utilidades por parte de una de las bolsas para
golf podra hacer que los administradores aumentaran la produccin de ese artculo, y que
una disminucin en el aporte a las utilidades de una de las bolsas podra ocasionar que
los administradores disminuyeran la produccin de ese adminculo. Pero no resulta tan
evidente cunto tendra que cambiar la contribucin a las utilidades para que los administra-
dores desearan cambiar las cantidades de produccin.
La actual solucin ptima para el problema de Par, Inc., indica la fabricacin de 540
bolsas estndares y 252 bolsas de lujo. El intervalo de optimidad para cada coeficiente
de la funcin objetivo muestra la gama de valores sobre los cuales la solucin del momento
sigue siendo ptima. La atencin de los administradores se debe concentrar en los coeficien-
tes de la funcin objetivo que tienen un intervalo de optimidad estrecho y en los coeficientes
que se encuentran cerca de los extremos de dicho intervalo. Son stos los coeficientes en
donde un cambio pequeo puede implicar la necesidad de modificar la solucin ptima.
Se proceder ahora a calcular los mrgenes de optimidad para el problema de Par , In c.
En la Fig. 3.1 se muestra la solucin grfica del problema. Una inspeccin cuidadosa
de la grfica indica que mientras la pendiente de la funcin objetivo se encuentra entre
la pendiente de la recta A (la cual coincide con la recta de restriccin de corte y teido)
y la pendiente de la recta B (que coincide con la recta de restriccin de acabado) el punto
extremo G) con x 1 = 540 y x 2 = 252 ser el ptimo. Cambiar un coeficiente de la fun-
cin objetivo para x, o x2 tt:ndr como resultado variar la pendiente de la funcin objeti-
vo . En la Fig. 3.1, se observa que estos cambios ocasionan que la recta de la funcin objetivo
gire sobre el punto extremo(}). Sin embargo, en tanto que la recta mencionada permanezca
dentro de la regin sombreada, el punto extremo G) seguir siendo ptimo.
Girar la recta de la funcin objetivo en sentido contrario al del reloj ocasiona que la pendiente
se vuelva menos negativa y que, por ello, aumente la pendiente. Cuando dicha recta ha
girado lo suficiente en sentido contrario al del reloj (aumento en la pendiente) para que
coincida con la recta A, se obtienen ptimos alternos entre los puntos extremos G) y @).
Si prosi~ue el gir~ de la recta de la funcin ot;ietivo en senti.do.contrari.o a las mane~illas
del reloJ, se ocaswna que el punto extremo (1) ya no sea opumo. As1 que la pend1ente
de la recta A fija un lmite superior para la pendiente de la recta de la funcin objetivo.
Girar tal recta en el sentido de las manecillas del reloj hace que la pendiente se vuel va
cada vez ms negativa y que, por tanto, disminuya. Cuando se ha girado la recta de la
funcin objetivo lo suficiente en el sentido del reloj (disminucin de la pendiente) para
que coincida con la recta B, se obtienen ptimos alternos entre los puntos extremos G)
y @ . Continuar el giro de la recta de la funcin objetivo en el sentido d~>xtro rso ocasio na
78 CAPTULO TRES
Recta B
(coincide con la recta de restriccin
800
de terminado .
\ lx 1 + 2rc 2 = 708 )
'/ \
\
\
\
o \
E \
O)
'O
\
\
"' \
o"'"'
.D
\
O)
\
'O \
2
O)
\ Recta A
E \
::> ~
z
Regin factible
200
CD
0~--------~2~0~0---------4~0~0----------~~~~~~~----X
\
Nmero de bolsas estndares
FIGURA 3.1 Solucin grfica del problema de Par, Inc., en donde la pendiente
de la funcin objetivo est entre las pendientes de las rectas A y B;
el punto extremo G) es ptimo.
que el punto extremo G) ya no sea ptimo. Por ello, la pendiente de la recta B fija un
lmite inferior para la pendiente de la recta citada.
Del anlisis anterior, debe resultar evidente que el punto extremo G) ser la solucin
ptima siempre y cuando
Pendiente de la recta B ::5 pendiente de la recta de la funcin objetivo ::5 pendiente de
la recta A
Por ello, la pendiente de la recta A vale 7/ to, y su interseccin con el eje x 2 est en 630.
La ecuacin de la recta B de la Fig. 3.1 es
1x 1 + 213x2 = 708
C l._
x 2 = --x +
Cz t c2
Por ello se observa que la pendiente de la funcin objetivo est dada por -c/c2 Sustitu-
yendo -c/c2 en la expresin (3.1), se observa que el punto extremo G) seguir siendo
ptimo siempre y cuando se satisfaga la siguiente expresin
C
- Yz :S - - :S - 7/10 (3.2)
c2
Para calcular el intervalo de optimidad para la contribucin a las utilidades por las bolsas
estndares, se mantiene fija la contribucin a las utilidades de las bolsas de lujo, en su
valor inicial c2 = 9. Haciendo esto en (3.2),
C
-312 : S - - :S - 7/10
9
Utilizando la desigualdad del lado izquierdo,
C C
-y2 -< --
9 o Y2 ~ 9
Por ello,
27/2 ~ C o C :S 27/2 13.5
80 CAPTULO TRES
Por ello,
Cl :2: 63/10 or C 1 :2: 6.3
En el problema original de Par, Inc., la bolsa estndar tena una contribucin a las utilida-
des de $10. La solucin ptima resultante fue 540 bolsas de tipo estndar y 252 bolsas
de lujo. El intervalo de optimidad para e 1 indica a los administradores de la empresa que
si no se cambian los dems coeficientes, la contribucin a las utilidades de la bolsa estndar
puede encontrarse en cualquier punto entre $6.30 y $13 .50, y las cantidades de produccin
de 540 bolsas estndares y 252 bolsas de lujo seguirn siendo ptimas. Sin embargo, ntese
que, -aunque las cantidades de produccin no varan-, la contribucin total a las utilida-
des (el valor de la funcin objetivo) tendr otro valor debido al cambio en la contribucin
a las utilidades de la bolsa estndar.
Se pueden repetir los cambios anteriores, manteniendo constante en e 1 = 10 la contri-
bucin a las utilidades de las bolsas estndar. En este caso, es posible determinar el rango
de optimidad para la contribucin a las utilidades de las bolsas de lujo, e2 Verifique el
lector que este rango es 6.67 ::5 e2 ::5 14.29.
En los casos en los que el giro de la recta de la funcin objetivo sobre un punto extremo
ptimo ocasiona que la recta citada adopte una posicin vertical, puede darse el caso de
que exista lmite superior o que no exista lmite inferior para la pendiente, segn se puede
apreciar en la forma de la expresin (3.2). A fin de observar la forma en la que puede
presentarse esta situacin especial en un anlisis grfico de sensibilidad, supngase que
la funcin objetivo para el problema de Par, Inc., hubiera sido 18x1 + 9x2 ; en este caso,
el punto extremo @, Fig. 3.2, es el que ofrece la solucin objetivo. Haciendo girar la
recta de la funcin objetivo en sentido contrario al del reloj sobre el punto extremo @
se obtiene un lmite superior para la pendiente cuando la recta de la funcin objetivo coinci-
de con la recta B. Como ya se haba visto antes que la pendiente de la recta B es - 312,
el lmite superior para la pendiente de la recta de la funcin objetivo debe ser tambin
- 312 . Sin embargo, girando la recta citada en el sentido del reloj se obtiene como resultado
que la pendiente se vuelva cada vez ms negativa, aproximndose a un valor de menos
infinito, conforme la funcin objetivo tiende a la verticalidad. En este caso, no existe lmite
inferior para la pendiente de la funcin objetivo. Utilizando el lmite superior de - 312 , se
puede escribir
Cl
- - ::S-3j2
/ Cz
Pendiente de la recta de la funcin objetivo
Recta B
(coincide con la recta de
restriccin de terminado
lx, + 2!Jx, = 708)
FIGURA 3.2 Solucin grfica del problema de Par, Inc., con la solucin ptima
en el punto extremo @ .
Al revisar la Fig. 3.2 se observa que el punto extremo @ sigue siendo ptimo para todos
los valores de e, que se encuentran por encima de 13.5. Por ello, se obtiene el siguiente
intervalo de optimidad para e, en el punto extremo Q):
Dados estos intervalos de optimidad, puede concluirse que cambiar c 1 hasta $13, o c2 has-
ta $8 (pero no ambas cosas) no ocasionara ningn cambio en la solucin ptima de x 1
= 540 y x 2 = 252. Pero no se puede concluir, a partir de los mrgenes de optimidad, que
cambiar ambos coeficientes en forma simultnea no da como resultado un cambio en la
solucin ptima.
En la expresin (3.2) se mostr que el punto extremo Q) sigue siendo ptimo siempre
y cuando
Se considera ahora la forma en que un cambio en el lado derecho de una restriccin puede
afectar a la regin factible y, posiblemente, ocasionar cambios en la solucin ptima
del problema. Por ejemplo, supngase que se disponen de 10 horas adicionales de tiempo
de produccin en el departamento de corte y teido de Par, In c. El lado derecho de la
restriccin de corte y teido cambia de 630 a 640, y reescribiendo la ecuacin, queda de
la siguiente manera:
Al obtener 10 horas adicionales de corte y teido, se ampla la regin factible para el proble-
ma, como se muestra en la Fig. 3.3. Como se ha ampliado la regin de factibilidad, se
PROGRAMACIN LINEAL: ANLISIS DE SENSIBILIDAD Y RESOLUCIN POR COMPUTADORA 83
800
600
o La nueva regin factible incluye esta rea sombreada
E
"'
"O
"'
~ Solucin ptima
o
..D
400
"'
"O
e
"'
E
:::>
z
200
sabe ahora que la solucin actual sigue siendo factible. Pero es posible que ya no sea ptima.
Se determinar si alguna de las nuevas soluciones factibles ofrece un mejoramiento en el
valor de la funcin objetivo. Aplicando un procedimiento grfico de resolucin al problema
con la regin factible ms amplia, se muestra que el punto extremo que se encuentra en
x 1 = 527.5 y x 2 = 270.75 es ahora la solucin ptima. El nuevo valor para la funcin
objetivo es 10(527.5) + 9(270.75) = $7711.75; esto produce un aumento en las utilidades
de $7711.75 - $7668.00 = $43.75. Por ello, el aumento en las utilidades se da a una tasa
de $43.75/10 horas = $4.375 por hora adicional.
Al cambio en el valor de la funcin objetivo por aumento unitario en el valor del la-
do derecho se le denomina precio sombra (o de sombra). Por ello, el precio de sombra
para el tiempo de produccin de corte y teido es $4.375 por hora. Se consideran importan-
tes los precios de sombra de las restricciones porque puede ser posible adquirir u obtener
unidades adicionales de los recursos. Si no se ha deducido el costo del tiempo de corte
y teido al calcular los coeficientes de utilidad, puede mostrarse que los administradores
deberan estar dispuestos a pagar hasta $4.375 por hora adicional de este recurso.
Se debe tener cuidado porque el valor del precio de sombra puede ser aplicable solamente
para cambios pequeos en el lado derecho. Conforme se obtienen cada vez ms recursos,
y conforme contina aumentando el lado derecho, las dems restricciones se vuelven acota-
doras o acotantes y se reduce la tasa de variacin en el valor de la funcin objetivo . Por
ejemplo, en algn momento en el problema de Par, Inc., se pueden aadir suficientes horas
84 CAPTULO TRES
NOTAS Y COMENTARIOS
cin ptima. Por ejemplo, en un programa lineal con dos variables, ambos coefi-
cientes pueden duplicar su valor sin alterar la pendiente de la funcin objetivo.
2. El precio sombra da el cambio de valor de la funcin objetivo por cada aumento
unitario en el lado derecho de una restriccin. Un precio sombra positivo significa
que aumentar el lado derecho ocasionar que se incremente el valor de la funcin
objetivo. Por lo contrario un precio sombra negativo indica que disminuir el lado
derecho ocasionar un aumento en el valor de la funcin objetivo.
3. Frecuentemente se solicita a los administradores una justificacin econmica para
tecnologas nuevas. A menudo tambin se desarrollan o adquieren tecnologas nue-
vas para conservar recursos. Los precios sombra pueden ser tiles en estos casos
porque se les puede utilizar para determinar los ahorros que se pueden atribuir
a tecnologas nuevas, al mostrar los ahorros por unidad de recurso que se conserva.
*(N. del R.) Para facilidad de lenguaje, en esta versin se usar la abreviatura "TMS" .
86 CAPTULO TRES
Operaciones
dora debe ser en valores con decimales, y no como fracciones, en seguida se replantea el
problema de Par, Inc., con coeficientes decimales :
max 10x 1 + 9x 2
sujeta a
0.7x 1 + 1x2 :5 630 Corte y teido
0.5x 1 + .83333x2 :5 600 Costur~
*(N. del R.) Aunque es posible que todos los enunciados aparezcan en ingls, la traduccin no es difcil. En
esta versin se presentan las indicaciones en espaol a fin de facilitar el estudio (F.P .)
PROGRAMACIN LINEAL: ANLISIS DE SENSIBILIDAD Y RESOLUCIN POR COMPUTADORA 87
RESTRICCIN 5: FIN
FIGURA 3.5 Entrada de datos del usuario para el problema de Par, Inc.
con el paquete TMS (o sea, The Management Scientist).
Opciones
1 Resolver el problema
2 Almacenar el problema
Ahora se proceder a examinar el listado que produjo TMS (The Management Scientist)
y que se presenta en la Fig. 3. 7; se interpreta la solucin por computadora que se ofrece
ah para el problema de Par, Inc. En primer lugar, obsrvese el nmero 7667 .994100 que
88 CAPTULO TRES
X1 539.998410 0.000000
X2 252.001099 0.000000
1 0.000000 4.374956
2 120.000702 0.000000
3 0.000000 6.937531
4 17.999870 0.000000
Nmero de
restriccin Nombre de la restriccin Holgura
1 Corte y teido o
2 Costura 120
3 Terminado o
4 Inspeccin y embalaje 18
Se puede observar de la informacin anterior que las restricciones limitantes (las de corte
y teido, y de terminado) tienen holgura cero en la solucin ptima. El departamento de
costura tiene 120 horas de holgura o de capacidad no utilizada, y el departamento de inspec-
cin y embalaje tiene 18 horas de holgura o de capacidad no utilizada.
La columna con el encabezado "Precios duales" contiene informacin respecto al valor
de cada uno de los recursos en la solucin ptima. Los precios duales se definen de la
siguiente manera:
De ah se observa que los precios duales diferentes de cero 4.374956 para la restriccin
1 (restriccin de corte y teido) y 6.937531 para la restriccin 3 (terminado), sealan que
una hora adicional de tiempo de corte y teido mejora (aumenta) el valor de la funcin
objetivo en $4.37, y que una hora adicional de tiempo de terminado mejora (aumenta)
el valor de la funcin objetivo en $6.94. Por ello, si se aumentara el tiempo de corte y
teido de 630 a 631 horas, manteniendo constantes todos los dems coeficientes del proble-
ma, las utilidades de Par aumentaran en $4.37, para pasar de $7,668 a $7668 + $4.37
= $7672.37. Una interpretacin similar para la restriccin de terminado implica que un
aumento en el tiempo disponible de acabado, de 708 a 709 horas -manteniendo constantes
todos los dems coeficientes del problema- aumentara las utilidades de la compaa Par
a $7668 + 6.94 = $7674.94. Como tanto la restriccin de costura como la de inspeccin
y embalaje tienen holgura o capacidad no utilizada disponible, los precios duales de cero
sealan que aumentar las horas disponibles de estos dos recursos no mejora el valor de
la funcin objetivo.
Como se recordar del anlisis sobre los precios de sombra de la Secc. 3.2, la informacin
que a.parece en la columna de "Precios duales" da los precios sombra para los cuatro
recursos de la Par. De hecho, en el caso de un programa lineal de maximizacin, el precio
dual es el mismo que el precio de sombra. Sin embargo, y segn se ver ms tarde, en
los programas lineales de minimizacin, el precio dual es el negativo del correspondiente
precio sombra.
Haciendo referencia de nuevo al listado o salida de computadora de la Fig. 3. 7 se observa
que despus de la informacin referente a las variables de holgura/ excedente, y a los precios
duales de las restricciones, The Management Scientist imprime los intervalos de los coefi-
cientes de la funcin objetivo y de los segundos miembros de las restricciones.
90 CAPTULO TRES
6.30 ~ e1 ~ 13.50
Esto indica que mientras se mantenga la contribucin a las utilidades de las bolsas estnda-
res entre $6.30 y $13 .50, la produccin de x 1 = 540 bolsas estndares y x 2 = 252 bolsas
de lujo, seguir siendo la solucin ptima. Obsrvese que este es el intervalo de optimidad
que se obtuvo para el' en la Secc. 3.2, mediante el anlisis grfico de sensibilidad.
Utilizando la informacin sobre los intervalos de los coeficientes de la funcin objetivo,
y para las bolsas de lujo, se observa que The Management Scientist (TMS) ha calculado
el siguiente intervalo de optimidad:
6.67 ~ e2 ~ 14.29
Esto indica que mientras se conserve la contribucin a las utilidades de las bolsas de lujo
entre $6.67 y $14.29, la fabricacin de x 1 = 540 bolsas estndares y x 2 = 252 bolsas de
lujo seguir siendo la solucin ptima.
La seccin final del listado de computadora ("INTERVALOS DEL LADO DERECHO")
contiene la informacin de los mrgenes para los segundos miembros de las restricciones.
Mientras los lados derechos de las restricciones se mantengan dentro de esos intervalos,
el precio dual correspondiente da el mejoramiento del valor de la funcin objetivo por
aumento unitario en el valor del lado derecho . Por ejemplo, considrese la restriccin de
corte y teido, que en estos momentos tiene un valor en el lado derecho de 630. Como
el precio dual para esta restriccin es $4.37, puede concluirse que las horas adicionales
aumentaran la funcin objetivo en $4.37 por hora. Tambin resulta cierto que una reduc-
cin en las horas disponibles, reducira el valor de la funcin objetivo en la misma cantidad.
A partir de la informacin sobre intervalos, se observa que el precio dual de $4.37 es vlido
para aumentos de hasta 682.363160 y para disminuciones de hasta 495.600010. Una inter-
pretacin similar para el lado derecho de la restriccin de acabado (restriccin 3), muestra
que el precio real de $6.94 es aplicable para aumentos de hasta 600 horas y para disminucio-
nes de hasta 580.001460 horas.
Como se mencionaba antes, los intervalos en los lados derechos dan los lmites dentro
de los cuales los precios duales son aplicables. Para cambios que quedan fuera de los mrge-
nes, es necesario volver a resolver el problema para encontrar la nueva solucin ptima
y el nuevo precio real. Al intervalo sobre el cual es aplicable el precio dual se le denomina
intervalo dejaetibilidad. En seguida se da un resumen de los mrgenes de factibilidad para
el problema de Par, In c.
Restriccin LD Mo LD Mx
En tanto los valores en los segundos miembros se mantengan dentro de los mrgenes ante-
riores, no varan los precios duales que se muestran en el listado de computadora. Los
valores en los lados derechos que se encuentren fuera de estos lmites darn como resultado
cambios en la informacin sobre los precios duales.
En este punto es importante observar que el anlisis de sensibilidad que se presenta en
el listado o salida de computadora se basa en la suposicin de que los coeficientes se varan
slo uno a la vez, y que se mantienen todos los dems coeficientes del problema segn
se plantearon en la forma original. La informacin sobre anlisis de sensibilidad que se
ofrece en el listado de computadora no se aplica a dos o ms cambios simultneos en el
problema.
Cambios simultneos Como se expres antes, los intervalos de los coeficientes de la funcin
objetivo y de los lados derechos de las restricciones slo son aplicables para cambios en
un solo coeficiente. Sin embargo, con el auxilio de la regla del1000Jo 2 , es posible realizar
ciertos anlisis sobre cambios simultneos. Si se realizan dichos cambios en dos o ms coefi-
cientes de la funcin objetivo, la solucin ptima no vara siempre y cuando se satisfaga
la "regla del ciento por ciento".
Para aplicar la regla del 1OOOJo, se debe calcular, para cada coeficiente que se modifica,
el porcentaje de aumento o de decremento permisible que el cambio representa. Para un
coeficiente de funcin objetivo, el aumento permisible es la cantidad mxima en que puede
aumentarse el coeficiente sin exceder el lmite superior del intervalo de optimidad. De mane-
ra similar, la disminucin permisible es la cantidad mxima en que puede disminuirse el
coeficiente sin caer por debajo del lmite inferior del intervalo de optimidad. Para el lado
derecho de una restriccin, el aumento permisible es la cantidad mxima en que se puede
incrementar el valor del lado derecho sin exceder el lmite superior de su intervalo de factibi-
lidad, y la disminucin permisible es la cantidad mxima en que puede disminuirse el valor
del lado derecho sin infringir el lmite inferior del intervalo de factibilidad. En seguida
se plantea la regla del lOO OJo, segn se aplica a cambios simultneos en los coeficientes
de la funcin objetivo y a cambios simultneos en los segundos miembros de las restricciones.
Ahora se procede a ilustrar la regla del lOOOJo considerando cambios simultneos en los
lados derechos para el problema de Par, Inc. Supngase, por ejemplo, que se pudieran
obtener 20 horas adicionales de tiempo de corte y teido, y 100 horas adicionales de tiempo
de terminado. El aumento permisible para el tiempo de corte y teido es 52.36316 = 682.36316
2 Vase S. P . Bradley, A .C. Hax y T .L. Magnanti (Reading, Mass.: Addison-Wesley, 1977).
92 CAPTULO TRES
m in 2xl + 3x 2
sujeta a
lx 1 2: 125 Demanda del producto 1
lx 1+ lx 2 2: 350 Requisito de la produccin total
2xl + lx 2 :5 600 Limitacin del tiempo de procesamiento
X 1 , X 2 2:
En la Fig. 3.8 se presenta la solucin que se obtiene utilizando The Management Scientist.
El listado de la computadora muestra que la solucin de costo mnimo arroja un valor
de la funcin objetivo de $800. Los valores de las variables de decisin sealan que la solu-
cin de costo mnimo se da con 250 galones del producto 1 (x 1 = 250) y 100 galones del
producto 2 (x2 = 100).
La informacin sobre "Holgura/Excedente" muestra que la restriccin del 2: para la
demanda del producto 1 (vase la restriccin 1) tiene un excedente de 125 unidades. Esto
indica que la fabricacin del producto 1 en la solucin ptima excede la demanda en 125
galones. Los valores de "Holgura/Excedente" son cero para el requerimiento total de pro-
duccin (restriccin 2) y para la limitacin del tiempo de procesamiento (restriccin 3);
esto indica que estas restricciones son limitantes en la solucin ptima.
De nueva cuenta, la columna "Precios Duales" muestra el mejoramiento que se da en
la funcin objetivo por cada incremento unitario en el lado derecho de la restriccin. Recal-
cando en primer lugar en el precio dual de 1.00 para la restriccin del tiempo de procesa-
miento (restriccin 3), se observa que si se puede incrementar el tiempo de procesamiento
de 600 horas a 601, el valor de la funcin objetivo mejorar en $1. Como el objetivo es
minimizar costos, en este caso mejoramiento significa reduccin de costo. Por ello, si exis-
ten disponibles 601 horas de procesamiento, el valor de la solucin ptima mejorara, para
quedar en $800- $1 = $799. La seccin de "INTERVALOS DEL LADO DERECHO"
del listado, muestra que el lmite superior para la restriccin del tiempo de procesamiento
(restriccin 3) es 700 horas. Por ello, el precio dual de $1 por unidad sera aplicable para
cada hora adicional de tiempo de procesamiento hasta un total de 700 horas.
PROGRAMACIN LINEAL: ANLISIS DE SENSIBILIDAD Y RESOLUCIN POR COMPUTADORA 93
1 12 5 . 000000 0 . 000000
2 0 . 000000 - 4 . 000000
3 0 . 000000 1 . 000000
Debe advertirse que la interpretacin de los precios duales significa que para problemas
de maximizacin, tales precios y los precios de sombra son la misma cosa; en problemas
de minimizacin, tienen signos opuestos. Si se est utilizando un paquete de computacin
distinto, se debe verificar qu tipo de convencin y terminologa se est aplicando para
este tipo de informacin sobre anlisis de sensibilidad.
Finalmente, considrense los intervalos para el lado derecho que se presentan en la Fig.
3.8. En seguida se resumen los intervalos de factibilidad para el problema de M&D Chemicals.
Restriccin LDMn LD Mx
En tanto se mantengan los lados derechos dentro de los intervalos anteriores, son aplicables
los precios duales que se muestran en la lista de computadora. Se proceder ahora a revisar
la solucin por computadora y la interpretacin de los listados (o salida) para un programa
lineal con ms de dos variables de decisin.
NOTAS Y COMENTARIOS
Esta firma fabrica sistemas porttiles de radio-comunicacin que pueden utilizarse en co-
municaciones en dos sentidos. El nuevo producto de la compaa, que tiene un alcance
de hasta 25 millas, es particularmente apropiado para diversas aplicaciones personales y
de negocios. Los canales de distribucin para el nuevo equipo de radio son:
TABLA 3.1 Datos de utilidades, costo de publicidad y tiempo del personal de ventas
para el problema de Electronic Communications, Inc.
Para formular un modelo de programacin lineal para el problema se introducen las siguien-
tes cuatro variables de decisin:
Utilizando los datos de la Tabla 3.1, puede escribirse de la siguiente manera la funcin
objetivo para maximizar la utilidad correspondiente a los radios:
De manera similar, como el tiempo de ventas est limitado a 1800 horas, se obtiene la restriccin
Combinando todas las restricciones con los requisitos de no negatividad se est en posibili-
dades de escribir el modelo completo de programacin lineal para el problema de Electronic
Communications, Inc., de la siguiente manera:
Se muestra en la Fig. 3.9 una porcin de los resultados que se obtuvieron utilizando TMS,
o sea, The Management Scientist, para resolver el problema de Electronic Communications.
La seccin de "Valor de la funcin objetivo" muestra que la solucin ptima para el
problema arroja una utilidad mxima de $48,450. Los valores ptimos de las variables
de decisin estn dados por x 1 = 25, x 2 = 425, x 3 = 150, y x 4 = O. Por ello, la estrategia
ptima para la empresa consiste en concentarse en el canal de distribucin de equipo para
negocios, con x 2 = 425 unidades. Adems, la empresa debe asignar 25 unidades al canal
de distribuidores de equipo marino (x 1 = 25) y satisfacer su compromiso de 150 unidades
con el canal de distribucin de la cadena nacional de tiendas de ventas al menudeo (x3 =
150). Con x 4 = O, la solucin ptima indica que la empresa no debe utilizar el canal de
distribucin de pedidos por correo.
Obsrvese ahora la informacin contenida en la columna que tiene el encabezado "Cos-
tos reducidos". Debe recordarse que los costos reducidos indican cunto tendra que mejo-
rar cada uno de los coeficientes de la funcin objetivo antes de que la correspondiente
X1 25 . 00003 1 0.000000
X2 424.99 99 7 0 0.000000
X3 15 0 . 000000 0 . 000000
X4 0 . 000000 4 5 . 000000
1 0 . 000000 3 . 000000
2 24 . 999 542 0 . 000000
3 0 . 000000 60 . 000000
4 0 . 000000 -1 7 . 000000
FIGURA 3.9 Una porcin del listado de computacin que se obtiene mediante
TMS, o The Management Scientist, para el problema de
Electronic Communications, Inc.
98 CAPTULO TRES
variable de decisin pueda tomar un valor positivo en la solucin ptima. Como aparece
en el listado de la computadora, los primeros tres costos reducidos son cero, puesto que
las correspondientes variables de decisin ya tienen valores positivos en la solucin ptima.
Sin embargo, el costo reducido de 45 para la variable de decisin x 4 indica que tendra
que aumentar la utilidad para los nuevos radios que se distribuyen a travs de los pedidos
por correo, de su valor actual de $60 por unidad, hasta cuando menos $60 + $45 = $105
por unidad, antes de que sea redituable utilizar este canal de distribucin. La informacin
del listado de la computadora para las variables de holgura/excedente, y los precios duales,
se replantea en la siguiente tabla.
1 Presupuesto de publicidad :S o 3
2 Disponibilidad de fuerza de ventas :S 25 o
3 Nivel de produccin o 60
4 Requerimiento de las tiendas de menudeo ~ o -17
Se observa que la restriccin del presupuesto de publicidad tiene holgura nula, lo cual
seala que se ha utilizado la totalidad del presupuesto: $5,000. El correspondiente precio
dual de 3 indica que con un dlar que se aada al presupuesto de publicidad mejorar
la funcin objetivo (aumentar las utilidades) en $3. Por ello, la empresa debe considerar
seriamente la posibilidad de incrementar el presupuesto de publicidad. La holgura de 25
horas para la restriccin sobre la disponibilidad de la fuerza de ventas muestra que las
1800 horas del tiempo de ventas que se asignaron, son adecuadas para distribuir los radios
que se van a fabricar y que, an as, habr 25 horas de ese tiempo de la fuerza de ventas
que no se utilizarn. Como la restriccin del nivel de produccin es una igualdad, eran
de esperar los ceros, para holgura y excedente que se muestran en el listado. Sin embargo,
el precio dual de 60 correspondiente a esta restriccin indica que si la empresa aumenta
el nivel de produccin para los radios, mejorara el valor de la funcin objetivo (las utilida-
des) a razn de $60 por radio que se fabrique. Finalmente, el excedente de cero correspon-
diente al compromiso con el canal de distribucin de tiendas al menudeo es resultado de
que la restriccin es limitante. El precio dual negativo indica que aumentar el compromiso
de 150 a 151 unidades en realidad har que disminuyan las utilidades en $17. Por ello,
es posible que la firma Electronic Communications desee evaluar la reduccin de su compro-
miso con el canal de distribucin de ventas al menudeo. De hecho, una disminucin en
este compromiso mejorara las utilidades a razn de $17 por unidad.
Considrese ahora la informacin adicional sobre anlisis de sensibilidad que se presenta
en el listado de computadora de la Fig. 3 .10. Los intervalos de optimidad para los coeficien-
tes de la funcin objetivo son:
La solucin -o estrategia- actual sigue siendo ptima, siempre y cuando los coeficientes
de la funcin objetivo permanezcan dentro de los intervalos anteriores de optimidad. Obsr-
vese en particular el intervalo de optimidad correspondiente al coeficiente del canal de distri-
bucin de pedidos por correo, c4 Esta informacin es congruente con la anterior
observacin que se hizo para la parte " Costos reducidos" del listado. En ambos lados
se observa que tendra que aumentar la utilidad por unidad hasta $105 antes de que el
canal de distribucin de ventas por correo pudiera aparecer con valor positivo en la solucin
ptima.
Finalmente, la informacin de anlisis de sensibilidad sobre "INTERVALOS DEL LA-
DO DERECHO" que se presenta en la Fig. 3. 10, proporciona los intervalos de factibilidad
para los valores del segundo miembro.
tal compromiso. El intervalo de factibilidad que se muestra en la tabla anterior para esta
restriccin, muestra que el compromiso se podra reducir a cero y el valor de la reduccin
se dara a razn de $17 por unidad.
Es de indicar de nuevo que el anlisis de sensibilidad o anlisis de post-optimidad que
se ofrece en los paquetes de programas de computadora para problemas de programacin
lineal, considera solamente un cambio a la vez, manteniendo todos los dems coeficientes
del problema segn se especifkan en su planteamiento original. Como se mencion antes,
en ocasiones pueden analizarse cambios simultneos sin tener que volver a resolver el pro-
blema, suponiendo que los cambios acumulados no son suficientemente grandes para in-
fringir la regla del 1OOOJo.
Finalmente, conviene recordar que la solucin completa para el problema de Electronic
Communications requera informacin no slo sobre el nmero de unidades que deban
distribuirse a travs de cada canal, sino tambin sobre la asignacin del presupuesto de
publicidad y sobre la fuerza de ventas a cada canal de distribucin. Como la solucin ptima
es x 1 = 25, x 2 = 425, x 3 = 150 y X 4 = O, puede simplemente evaluarse cada uno de los
trminos para una constante determinada a fin de determinar qu proporcin del recurso
se asigna a cada canal de distribucin. Por ejemplo, la restriccin sobre el presupuesto
de publicidad,
muestra que 10x1 = 10(25) = $250, 8x2 = 8(425) = $3400, 9x3 = 9(150) = $1350, y 15x4
= 15(0) = $0. Por ello, las asignaciones del presupuesto de publicidad son, respectivamen-
te, $250, $3,400, $1,350 y $0 para cada uno de los cuatro canales de distribucin. Haciendo
clculos similares para la restriccin sobre la fuerza de ventas se obtienen los resultados
que se presentan en el reporte gerencial de la solucin ptima para el problema de Electronic
Communications que se muestra en la Tabla 3.2.
RESUMEN
En este captulo se presentaron los importantes conceptos de anlisis de sensibilidad y se
ilustr la forma en que pueden utilizarse paquetes de programas de computacin (software)
para resolver problemas de programacin lineal. En primer lugar se llev a cabo un anlisis
PROGRAMACIN LINEAL: ANLISIS DE SENSIBILIDAD Y RESOLUCIN POR COMPUTADORA 101
GLOSARIO
Anlisis de post-optimidad Otro nombre para el anlisis de sensibilidad, que indica que
el anlisis se lleva a cabo despus de que se obtiene la solucin ptima para el problema
original de programacin lineal. .
Anlisis de sensibilidad Evaluacin de la forma en que los cambios en los coeficientes
de un problema de programacin lineal afectan a la solucin ptima del problema.
102 CAPTULO TRES
Costo reducido Monto en que tendran que mejorar un coeficiente de la funcin objetivo
(aumentar para un problema de maximizacin, o disminuir en el caso de un problema
de minimizacin) antes de que fuera posible que la correspondiente variable asumiera
valores positivos en la solucin ptima.
Intervalo de optimidad El intervalo (o "rango") de valores sobre el que puede variar un
coeficiente de la funcin objetivo sin ocasionar cambios en los valores de las variables
de decisin en la solucin ptima.
Precio dual Mejoramiento en el valor de la funcin objetivo por cada incremento unitario
en el lado derecho de una restriccin. En un problema de maximizacin el precio dual
es el mismo que el precio sombra. En un problema de minimizacin el precio dual
es el negativo del precio sombra .
Precio sombra (o de sombra) Cambio en el valor de la funcin objetivo por cada aumento
unitario en el lado derecho de una restriccin.
Rango de factibilidad El rango de valores sobre los que puede variar el lado derecho de
una restriccin sin que cambie ni el valor ni la interpretacin de los precios sombra o duales.
Regla del lOO por ciento Una regla que seala los casos en los que cambios simultneos
en dos o ms coeficientes de la funcin objetivo no ocasionan cambios en los valores
ptimos de las variables de decisin . Tambin se puede aplicar para sealar los casos
en los que cambios en dos o ms lados derechos no ocasionan cambios en ninguno
de los precios duales.
PROBLEMAS
l. Recurdese el problema de la compaa RMC (Cap. 2, Probl. 31). Sean
max 5x 1 + 8x2
sujeta a
x1 + J/2 x 2 ::s 900 Corte y costura
Y2x 1 + 1/J x2 ::s 300 Terminado
1/s x + 1/ 4x ::s 100 Empaque y embarque
1 2
La solucin por computadora que se obtuvo utilizando el paquete TMS o The Manage-
ment Scientist, se muestra en la Fig. 3.11.
a. Cul es la solucin ptima y cul es el valor de la contribucin a las utilidades?
b. Qu restricciones son limitantes?
c. Cules son los precios duales para los recursos? Interprete cada uno.
d. Si se puede programar tiempo extra para uno de los departamentos, en dnde reco-
mendara que se hiciera?
12. Con referencia de nuevo a la solucin por computadora para el problema de la Kelson
Sporting Equipment, de la Fig. 3.11 (vase el Problema 11 anterior).
a. Determine los intervalos de optimidad para los coeficientes de la funcin objetivo.
b. Interprete los mrgenes de la parte {a) para el problema de la Kelson.
c. Interprete el intervalo de factibilidad para los lados derechos.
d. Cunto mejorara de la solucin ptima si se dispone de 20 horas de tiempo de
empaque y embarque.
PROGRAMACIN LINEAL: ANLISIS DE SENSIBILIDAD Y RESOLUCIN POR COMPUTADORA 105
1 174.99963 4 0 . 000000
2 0.000000 2 . 999985
3 0 . 000000 28 . 000061
13. Recurdese el problema del asesor de inversiones (Cap. 2, Probl. 20) . Sean
x1 = acciones de U.S. Oil
x 2 = acciones de Hub Properties
lo cual conduce al siguiente planteamiento:
Xl 800.000120 0 . 000000
X2 1199 . 999880 0 . 000000
1 0.000000 0 . 093333
2 0.000000 1. 333333
3 199.999878 0 . 000000
14. Haciendo referencia de nueva cuenta a la Fig. 3 .12, que muestra la solucin por compu-
tadora del problema 13.
a. Cunto tendra que aumentar el rendimiento estimado para la U .S. Oil antes de
que resultara provechoso aumentar la inversin en estas acciones?
b. Cunto tendra que disminuir el rendimiento esperado por accin para Hub Porper-
ties antes que resultara provechoso reducir la inversin en estas acciones?
c. Cunto tendra que reducirse el rendimiento anual total si se redujera el mximo
para la U.S. Oil, a 900 acciones?
15. Recurdese el problema de la firma Wilkinson Motors (Cap. 2, Probl. 29). Sean
x1 nmero de automviles
x2 nmero de camionetas
X1 300.000000 0 . 000000
X2 100.000000 0.000000
1 0 . 000000 0 . 056667
2 0 . 000000 - 2 . 166667
3 7000 . 002000 0 . 000000
X1 0 . 000000 0 . 0 5 0000
X2 2 5. 00000 4 0.000000
X3 1 2 5. 000000 0 . 000000
X4 0 . 000000 3 .5 00000
1 0 . 000000 0.300000
2 425. 000000 0.000000
3 0.000000 1 .800000
19. Con referencia de nuevo a la solucin por computadora del Probl. 18 que aparece
en la Fig. 3.15.
a. Identifique el intervalo de optimidad para cada uno de los coeficientes de la funcin
objetivo.
b. Supngase que se disminuye en 3 el coeficiente de x 1 en la funcin objetivo, que
se aumenta en 1.5 el coeficiente de x2 en dicha funcin y que se aumenta en 1 el
coeficiente de x4 en la misma funcin. Cul ser la nueva solucin ptima?
c. Identifique el intervalo de factibilidad para los valores del lado derecho.
d. Si se aumenta en 300 el nmero de horas disponibles en la mquina A, cambia
el precio real para la restriccin?
20. Considrese el siguiente problema de programacin lineal y la solucin por computado-
ra que se muestra en la Fig. 3.16
min 15x 1 + I5x2 + 16x3
sujeta a
lx 1 + Ix3 :::5 30
0.5x 1 Ix 2 + 6x 3 :::=: 15
3x 1 + 4x 2 Ix 3 :::=: 20
Xl 7.297298 0.000001
X2 0.000000 0.675674
X3 l. 891892 0.000001
1 20.810810 0.000000
2 0.000000 -3.405406
3 0.000000 -4.432433
1 4000.000000 0 . 000000
2 0.000000 0 . 333333
3 5199 . 999 5 00 0 . 000000
4 0 . 000000 -2 . 000000
Nota: Los Problemas 24 y 25 y el caso del final requieren de una solucin por computa-
dora y de la interpretacin de los resultados .
24. Un fabricante elabora tres componentes que vende a compaas de refrigeracin, los
cuales se procesan en dos mquinas: una cepilladora y una rectificadora. Los tiempos
(en minutos) que se requieren en cada mquina son los que se presentan en seguida:
Mquina-herramienta
Componente Cepilladora Rectificadora
1 6 4
2 4 5
3 4 2
La cepilladora est disponible durante 120 horas y la rectificadora lo est durante 110
horas . No se pueden vender ms de 200 unidades del componente 3, pero pueden ven-
derse hasta 1000 unidades de cada uno de los otros componentes. De hecho, la compa-
a ya tiene pedidos para 600 unidades del componente 1 que debe satisfacer. Las
contribuciones a las utilidades de los componentes 1, 2 y 3 son $8, $6 y $9, respectivamente.
PROGRAMACIN LINEAL: ANLISIS DE SENSIBILIDAD Y RESOLUCIN POR COMPUTADORA 113
MEZCLA DE PRODUCTOS
La compaa TJ's, loe. produce tres mezclas de nueces para venderlas a cadenas de tiendas
de abarrotes. Las tres clases, a las que denomina Mezcla Regular, Mezcla de Lujo y Mezcla
Holiday, se producen mezclando diferentes porcentajes de 5 tipos de nueces.
Al prepararse para la temporada de otoo, la firma acaba de adquirir las siguientes canti-
dades de nueces, a los precios que se indican:
La Mezcla Regular consiste en 150Jo de almendras, 25% de nueces de Brasil, 25% de avella-
nas, 10% de nueces comunes y 25% de nueces de Castilla. La Mezcla de Lujo consiste
en 20% de cada tipo y la Mezcla Holiday consiste en 25% de almendras, 15% de nueces
de Brasil, 15% de avellanas, 25% de nueces comunes y 20% de nueces de Castilla.
El contador de TJ's ha analizado el costo de los materiales de empaque, el precio de
venta por libra, etc., y determinado que la contribucin a las utilidades es de $1.65 (dlares)
por libra de la Mezcla Regular, $2.00 por libra de la Mezcla de Lujo y $2.25 por libra
de la Mezcla Holiday. Estas cifras no incluyen el costo de las nueces que se tienen en las
diferentes combinaciones, porque los costos pueden variar en gran medida en el mercado
de productos perecederos.
Ya se han recibido los siguientes pedidos de clientes:
Normal 10,000
De lujo 3,000
Holiday 5,000
Como la demanda est siendo alta, se espera que la empresa reciba muchos ms pedidos
de los que puede satisfacer.
El compromiso de la TJ's es utilizar las nueces disponibles para maximizar las utilidades
en la temporada de otoo. Las que no se utilizan se regalan a una Tienda Gratuita. Pero,
aun cuando no es redituable hacerlo, el presidente de TJ's ha dado rdenes de que se satisfa-
gan todos los pedidos que ya se han recibido.
PROGRAMACIN LINEAL: ANLISIS DE SENSIBILIDAD Y RESOLUCIN POR COMPUTADORA 115
REPORTE DE ADMINISTRACIN
Realice un anlisis del problema de mezcla de productos para TJ's y elabore un reporte
para el presidente de la compafia en el que se resuman los resultados. Es importante ase-
guarse de incluir la informacin y los anlisis sobre lo siguiente:
l. El costo por libra de las nueces que se incluyen en cada una de las mezclas.
2. La mezcla ptima de productos y su contribucin a las utilidades.
3. Recomendaciones sobre la forma en que pueden aumentarse las contribuciones a las
utilidades si es posible adquirir cantidades adicionales de nueces.
4. Una recomendacin con respecto a si TJ's debe adquirir mil libras adicionales de almen-
dras en $1,000, a un proveedor que tiene excedentes.
S. Recomendaciones con respecto a la forma en que pueden aumentarse las contribuciones
a las utilidades (si es que fuera posible) en caso de que T J's no satisfaga todos los pedidos
existentes.
t
t
t
~
1
t
APNDICE
Resolucin de programas lineales
con el paquete LINDO/PC
l. El "A>" es la indicacin (prompt) de la PC de IBM que indica que est lista para recibir
datos. La instruccin (comando) tecleada por el usuario, "LINDO", hace que se cargue el
programa LINDO/PC:
2. LINDO/PC comienza por enviar el smbolo'':" para indicar que espera instrucciones del usuario:
3. El usuario teclea la funcin objetivo, tal como aparece en el planteamiento matemtico del
problema.
4. Despus, LINDO/PC manda el smbolo "?" para indicar que espera datos adicionales con
respecto al programa lineal que ha de resolverse.
5. El usuario ingresa ST, que quiere decir "sujeto a" (del ingls, "subject to") para notificar
al programa que lo que sigue son las restricciones.
6. Despus que se introduce cada una de las restricciones con el smbolo < que LINDO/PC
interpreta como :5, el usuario ingresa END (fin), lo cual indica que se ha terminado la intro-
duccin de los datos .
7. De nueva cuenta, LINDO/PC responde con ":" para indicar que espera una instruccin.
8. El usuario introduce la instruccin optativa LOOK ALL ("ver todo"), lo cual da
como resultado que la computadora imprima el problema de programacin lineal que LIN-
1
DO/PC est listo para resolver. LOOK ALL no es una instruccin que se requiera, pero su i
uso permite realizar una verificacin sencilla sobre la exactitud de los datos de entrada. Con
*N. del T. Comnmente se traduce "command" en la jerga de la computacin cuando debiera ser "instruccin"
u "orden". Creo que el uso de "instruccin" aqu no choca demasiado con el uso en el medio y s favorece
una mejor comprensin de lo que se est haciendo .
116
PROGRAMACIN LINEAL: ANLISIS DE SENSIBILIDAD Y RESOLUCIN POR COMPUTADORA 117
VEA TODO
MAX 10 X1 + 9 X2
SUJETA A
2) 0.7 X1 + X2 <= 630
3) 0 . 5 X1 + 0.83333 X2 <= Resultado del
4) X1 + 0 .66667 X2 <= 708 comando LOOK ALL
5) 0 .1 X1 + 0 . 25 X2 <= 135
FIN
FIGURA 3.18 Sesin de introduccin de datos con LINDO/ PC. (Las respuestas
del usuario se muestran en tono gris.)
LINDO/PC, la funcin objetivo se identifica como el rengln l. Por ello, se observa bajo
el encabezado de "SUBJECT TO" ("sujeta a") la restriccin de corte y teido, identificada
como rengln 2, la restriccin de costura como rengln 3, la restriccin de terminado como
rengln 4, y la restriccin de inspeccin y embalaje como rengln 5.
Una vez que los datos de entrada estn completos, el paquete procede a obtener la solucin
del problema cuando se le da la instruccin GO ("proceda"). En la Fig. 3.19 se muestran los
resultados obtenidos de LINDO/PC.
La primera seccin del listado se explica por s sola. Despus de imprimir los valores de las
variables de holgura y de los precios duales, LINDO/PC hace al usuario la siguiente pregunta:
"DO RANGE (SENSITIVITY) ANALYSIS?" Es decir, "Se realizar anlisis de intervalos
(sensibilidad)?". La respuesta YES del usuario es para solicitar los intervalos de coeficientes
de la funcin objetivo y los valores del lado derecho de las restricciones.
La informacin que se ofrece bajo el encabezado "OBJ COEFFICIENT RANGES" permite
observar que la variable x" que tiene en esos momentos un coeficiente de utilidad de 10, tiene
aumento permisible de 3.5 y una disminucin permisible de 3.7. Sumando 3.5 o restando 3.7
del actual coeficiente de 1O, ofrece el siguiente intervalo de optimidad para c 1:
6.3 :5 c1 :5 13.5
6.67 :5 c2 :5 14.29
La informacin que aparece bajo el encabezado "RIGHT AND SIDE RANGES" permite
calcular el intervalo de factibilidad para cada uno de los lados derechos. Simplemente se resta
118 CAPTULO TRES
el decremento permisible del valor actual para obtener el lmite inferior, y se suma el incremento
permisible al valor actual para obtener el lmite superior. Haciendo esto resulta
Restriccin LD Mo LD Mx
-
1
CAPTULO CUATRO
120
~
1
siguientes lineamientos o casos generales pueden ser tiles al comenzar a formular los pro-
pios modelos de programacin lineal.
1 Las relaciones lineales, segn se describen en el Cap. 2, son expresiones matemticas en las que las variables
aparecen en trminos separados, y estn elevadas slo a la primera potencia. Por ejemplo, 3x 1 + 2x2 :S 50 es
una relacin lineal.
1
APLICACIONES DE LA PROGRAMACIN LINEAL 121
Nmero de
familias Mximo de
potencialmente ocasiones que Unidades de
compradoras Costo por estn disponibles exposicin
Medios de publicidad que se alcanzan anuncio por mes* esperadas
l. TV diurna (1 min),
estacin WKLA 1000 $ 1500 15 65
2. TV nocturna (30 seg),
estacin WKLA 2000 $ 3000 10 90
3. Peridico diario
(pgina completa) The
Morning Journal 1500 $ 400 25 40
4. Suplemento de peridico
1
... dominical ( Y2 pg. a colores)
The Sunday Press 2500 $ 1000 4 60
5. Radio: noticias 8:00A .M.
~
o5:00P.M. (30 seg)
estacin KNOP 300 $ 100 30 20
El nmero mximo de ocasiones que est disponible el medio es el nmero mximo de ocasiones en que se
presenta el medio de publicidad (por ejemplo, cuatro domingos para el medio nmero 4) o el nmero mximo
de ocasiones en que Boone permitir que se utilice el medio.
122 CAPTULO CUATRO
Ahora pueden plantearse las restricciones para el modelo a partir de la informacin dada:
X :S 15
:S lO
Disponibilidad de
:S 25
los medios
En la Tabla 4.2 se presenta la solucin para este modelo de programacin lineal con nueve
restricciones y cinco variables.
Presupuesto
Medio publicitario Frecuencia (dlares) 1
TV diurna 10 $ 15,000
1
)
Un posible defecto de este modelo es que, aun cuando la medida de la exposicin esperada
no estuviera sujeta a error, no existe garanta de que maximizar la exposicin esperada
total conducir a la maximizacin de las utilidades o las ventas (un sustituto comn para
las utilidades). Sin embargo este no es un defecto de la programacin lineal; ms bien es
una desventaja de utilizar la exposicin como criterio. Ciertamente, si fuera posible medir
en forma directa el efecto que la publicidad tiene sobre las utilidades, se utilizaran las
utilidades totales como el objetivo a maximizar.
Adems, se debe estar consciente de que el modelo de seleccin de medios, tal como
se plante en esta seccin, no incluye consideraciones como las siguientes:
NOTAS Y COMENTARIOS
Investigacin de mercadotecnia
Diversas organizaciones llevan a cabo investigaciones mercadotcnicas para determinar ca-
ractersticas de los consumidores, actitudes y preferencias con respecto a productos o servi-
cios que las organizaciones ofrecen. Con frecuencia, las investigaciones reales las lleva a
cabo una empresa de investigacin de mercadotecnia que se especializa en ofrecer a sus
clientes la informacin que desean sobre el mercado. Los servicios que las empresas de
investigacin mercadotcnica ofrecen por lo comn incluyen el diseo del estudio, la reali-
zacin de las encuestas de mercado, el anlisis de los datos recopilados y reportes resumidos
y recomendaciones para el cliente. En la fase de diseo de la investigacin, es posible que
se establezcan objetivos o cuotas para el nmero y tipos de entrevistados que la investigacin
debe alcanzar. Cuando se establecen lineamientos sobre cuotas, el objetivo de la empresa
investigadora es llevar a cabo la encuesta de manera que se satisfagan las necesidades de
los clientes a un costo mnimo .
La firma Market Survey, Inc. (MSI), es una empresa de investigacin de mercadotecnia
que se especializa en evaluar la reaccin de los consumidores ante productos, servicios y
campaas de publicidad nuevos. Una empresa cliente ha solicitado que le ayude a determi-
nar la reaccin de consumidores ante un producto recientemente comercializado para uso
domstico. En el curso de algunas reuniones con el cliente, se acord que se utilizaran
entrevistas personales de puerta en puerta para obtener informacin tanto de hogares con
nios como de hogares sin ellos. Adems, se acord que sera necesario realizar entrevistas
tanto diurnas como nocturnas, con objeto de incluir diversos horarios de trabajo en los
hogares. Especficamente, el contrato de este cliente exiga a la SMI realizar 1000 entrevistas
con los siguientes lineamientos sobre cuotas:
l. Se entrevistaran cuando menos 400 hogares con nios.
2. Se entrevistaran cuando menos 400 hogares sin nios.
3. El nmero total de hogares entrevistados durante la noche sera cuando menos igual
al nmero de hogares entrevistados durante el da.
4. Cuando menos el 400Jo de las entrevistas para hogares con nios se realizaran durante
la noche.
S. Cuando menos el 60% de las entrevistas para hogares sin nios se realizaran durante
la noche.
Como las entrevistas en hogares con nios requieren de tiempo adicional del entrevista-
dor, y como a los entrevistadores nocturnos se les paga ms que a los que trabajan de
da, el costo de las entrevistas vara segn su tipo. Con base en estudios previos, las estima-
ciones sobre los costos de las entrevistas son:
Costo de la entrevista
Hogar Diurna Nocturna
Nios $20 $25
No nios $18 $20
APLICACIONES DE LA PROGRAMACIN LINEAL 125
Cul es el plan de entrevistas, por hogar y por parte del da, que satisface los requerimientos
contractuales a un costo mnimo total para las entrevistas?
El planteamiento de un modelo de programacin lineal para el problema de la Market
Survey es buena oportunidad para introducir el uso de variables de decisin con doble subn-
dice. Utilizando x para representar las variables decisorias, se utilizan dos subndices para
x, en donde el primer subndice seala si la entrevista implica a nios o no, y el segundo
indica si la entrevista se realiza durante el da o durante la noche. Utilizando 1 para nios,
y 2 para no nios, y 1 para da y 2 para noche, se pueden utilizar subndices dobles para
identificar las siguientes variables de decisin:
( Las cinco especificaciones que se refieren a los tipos de entrevistas son las siguientes:
r
3. Cuando menos tantas entrevistas nocturnas como diurnas:
4. Cuando menos 400Jo de las entrevistas en hogares con nios durante la noche:
En la Fig. 4.1 se muestra la solucin por computadora del programa lineal anterior.
Utilizando los resultados de la solucin por computadora, se observa que el costo mnimo
de $20,320 se presenta con el siguiente programa de entrevistas:
Nmero de entrevistas
Hogar Diurnas Nocturnas Totales
1 0 . 000000 - 19 . 200001
2 0.000000 - 2 .7 99999
3 200 . 00000 0 0 . 000000
4 40.000000 0 . 000000
5 0 . 000000 - 4 . 999998
6 0 . 000000 -1 .999998
FIGURA 4.1 Solucin por computadora del problema de investigacin de
mercados utilizando The Management Scientist.
t Por ello, $19.20 es el incremento en los costos al obtener entrevistas adicionales. Tambin
representa los ahorros que se podran lograr al reducir el nmero de entrevistas de 1000
a 999. El precio dual para el requisito de 400 hogares con nios (restriccin 2) indica que
solicitar entrevistas adicionales en hogares con nios no mejora la funcin objetivo . De
hecho, las entrevistas adicionales en hogares con' nios aumentaran el costo total a razn
de aproximadamente $2.80 por entrevista.
La variable de excedente que tiene un valor de 200 para la restriccin 3, muestra que
se van a entrevistar 200 ms hogares con nios que los que se requieren. De manera similar,
la variable de excedente que tiene un valor de 40 para la restriccin 4 muestra que el nmero
de entrevistas nocturnas excede al nmero de entrevistas diurnas en 40. Los valores nulos
para las variables de excedente de las restricciones 5 y 6 indican que se mantienen en un
mnimo las entrevistas nocturnas, que son las ms costosas.
Los problemas de seleccin de cartera implican situaciones en las que los gerentes financie-
ros deben elegir inversiones especficas (por ejemplo, acciones, bonos) a partir de diversas
alternativas de inversin. Los administradores de fondos mutualistas, de uniones de crdi-
to, de compaas de seguros y de bancos, encuentran frecuentemente este tipo de problemas .
La funcin objetivo para los problemas de seleccin de cartera es por lo comn la maximiza-
cin del rendimiento esperado o la minimizacin de los riesgos. Las restricciones asumen,
por lo general, la forma de restricciones sobre el tiempo de inversiones permisibles, leyes
estatales, polticas de la compaa, mximo riesgo permisible, etctera.
Se han planteado y resuelto problemas de este tipo utilizando diversas tcnicas de progra-
macin matemtica. Sin embargo, si es posible plantear una funcin objetivo lineal y restric-
ciones lineales en un problema especfico de seleccin de cartera, entonces puede utilizarse
128 CAPTULO CUATRO
la programacin lineal para resolverlo. En esta seccin se muestra la forma en la que puede
plantearse un problema de seleccin de cartera y el modo en que se puede resolver como
programa lineal.
Considrese el caso de la firma Welte Mutual Funds, lnc., ubicada en la ciudad de Nueva
York. La empresa acaba de obtener $100,000 al convertir bonos industriales en efectivo, 1
y ahora est en busca de otras oportunidades de inversin para esos fondos. Considerando
las inversiones de la Welte en esos momentos , el principal analista financiero de la empresa
recomienda que se hagan todas las nuevas inversiones en la industria petrolera, en la indus-
tria del acero o en bonos gubernamentales. Especficamente, el analista ha identificado
j
cinco oportunidades de inversin y proyectado sus tasas anuales de rendimiento. Las inver-
siones y las tasas de rendimiento son las que se muestran en la Tabla 4.3.
La direccin de la Welte ha impuesto los siguientes lineamientos sobre la inversin:
l. Ninguna de las industrias (petrleo o acero) debe recibir ms de 500Jo de la inversin
nueva total.
2. Los bonos de gobierno deben ser de cuando menos 25% de las inversiones en la industria
siderrgica.
3. Las inversiones en la Pacific Oil, la inversin con altos rendimientos pero tambin altos
riesgos, no puede ser ms de 60% del total de las inversiones en la industria petrolera.
Qu recomendaciones de cartera (inversiones y montos) se deben hacer para los $100,000
disponibles? Dado el objetivo de maximizar los rendimientos proyectados, sujeto a las res-
tricciones presupuestales y administrativas que se han impuesto, puede contestarse esta
1
pregunta planteando un modelo de programacin lineal para el problema. La solucin para
este modelo de programacin lineal ofrecer, entonces, recomendaciones sobre inversin
para los administradores de la Welte Mutual Funds.
Sean, 1
x1 dlares invertidos en Atlantic Oil
x2 dlares invertidos en Pacific Oil
x3 dlares invertidos en Midwest Steel
x4 dlares invertidos en Huber Steel
x5 dlares invertidos en bonos gubernamentales
Utilizando las tasas de rendimiento proyectadas que se muestran en la Tabla 4.3, la funcin
objetivo para maximizar el rendimiento total sobre la cartera puede escribirse como
Tasa de rendimiento
Inversin proyectada
(O!o)
x 1 + x2 + x3 + x4 + x5 = 100,000
Los requisitos de que ni la industria del petrleo ni la industria del acero reciban ms de
500Jo de la inversin de $100,000, se escribe de la siguiente manera:
El requisito de que los bonos de gobierno sean de cuando menos 25% de la inversin en
la industria siderrgica se expresa de la siguiente manera:
o bien
o bien
X1 19999.998000 0.000000
X2 30000.002000 0.000000
X3 0.000000 0.011000
X4 40000.000000 0.000000
xs 10000.000000 0.000000
1 0.000000 0.069000
2 0.000000 0.022000
3 10000.000000 0.000000
4 0.000000 -0.024000
5 0.000000 0.030000
FIGURA 4.2 Solucin por computadora del problema de Welte Mutual Funds
utilizando The Management Scientist.
Rendimiento
Inversin Monto anual esperado
El precio dual de 0.069 para la restriccin 1 muestra que es posible aumentar la funcin
objetivo en 0.069 si se puede tener a disposicin un dlar ms para inversin en la cartera.
Si es posible obtener fondos a un costo inferior a 6.90Jo, los administradores deberan consi-
derar obtenerlos. Por otro lado, si puede adquirirse un rendimiento superior a 6.9% invir-
tiendo los fondos en alguna otra parte (que no sean estos cinco ttulos-valor) los
administradores deben considerar cun conveniente ser invertir la totalidad de los $100,000
en esta cartera. Se pueden dar interpretaciones similares para los otros precios duales. Sin
embargo, ntese que es negativo el precio dual para la restriccin 4; su valor es -0.024.
Esto indica que aumentar en una unidad el valor en el lado derecho de una restriccin
puede ocasionar, posiblemente, un cambio en la funcin objetivo de -0.024. En trminos
de la cartera ptima, esto significa que si la Welte invierte un dlar ms en bonos del gobier-
no, su rendimiento total disminuir en 2.4 centavos. Para ver por qu sucede esto, obsrvese
de nueva cuenta en el precio dual de la restriccin 1 que el rendimiento marginal de los
,' fondos invertidos en la cartera es 6.9% (el rendimiento promedio es 85). La tasa de rendi-
miento de los bonos gubernamentales es 4.5%. Por ello, el costo de invertir un dlar ms
en bonos de gobierno es la diferencia entre el rendimiento marginal de la cartera y el rendi-
miento marginal de los bonos gubernamentales: 6.9% - 4.5% = 2.4%.
Obsrvese que la solucin ptima con x 3 = O muestra que la Midwest Steel no debe in-
cluirse en la cartera. El costo reducido correspondiente a x 3, 0.011, indica que el coefi-
ciente de la funcin objetivo para la Midwest Steel tendra que aumentar en 0.011 antes
de que fuera deseable considerar a esta empresa como alternativa de inversin. Con este
aumento, el rendimiento de la Midwest Steel sera 0.064 + 0.011 = 0.75, haciendo que
esta inversin fuera justamente tan deseable como la alternativa de inversin que actual-
mente se utiliza, la de Huber Steel.
Finalmente, una modificacin sencilla sobre el modelo de programacin lineal de la W el te
permite determinar la fraccin de los fondos disponibles que se invierten en cada alternati-
va. Es decir, se dividen entre 100,000 los valores del lado derecho. Entonces, los valores
ptimos para las variables proporcionan la fraccin de los fondos que deben invertirse
en cada ttulo, para una cartera de cualquier tamao.
NOTAS Y COMENTARIOS
La solucin ptima para el problema de la Welte Mutual Funds indicaba que se deban
invertir $20,000 en acciones de la Atlantic Oil. Si la Atlantic Oil se vende en $75 por
accin, se tendran que comprar exactamente 266 2/3 acciones para invertir exacta-
mente $20,000. Por lo general, la dificultad para adquirir acciones fraccionarias se
maneja adquiriendo el mayor nmero entero posible de acciones con los fondos asig-
nados (por ejemplo, 266 acciones para la Atlantic Oil). Este mtodo garantiza que
no se infringe la restriccin presupuesta!. Por supuesto, lo anterior introduce la posibi-
lidad de que la solucin ya no sea la ptima, pero el peligro es reducido si se trata
de un nmero grande de acciones. En los casos en que el analista considere que es
crucial que las variables de decisin tengan valores enteros, el problema debe plantearse
como modelo de programacin lineal segn enteros. Esta programacin lineal es la
materia del Cap. 8.
132 CAPTULO CUATRO
Costo unitario
(materiales y Horas de mano de obra que se requieren
otros gastos Precio Margen Empaque
Modelo variables) de venta de utilidad Ensamblado y env(o
y $ 50 $ 58 $ 8 12 1
z $100 $120 $20 25 2
APLICACIONES DE LA PROGRAMACIN LINEAL 133
Como el costo de las unidades que se fabrican utilizando fondos crediticios sufrir, en
efecto, un cargo por inters, se reducen las contribuciones a las utilidades para los modelos
Y y Z que se fabrican con fondos obtenidos a crdito. Por ello, se adopta la siguiente nota-
cin para las variables de decisin del problema:
Adems, se debe incluir la siguiente restriccin para satisfacer el requisito bancario sobre
el crdito:
Esta restriccin debe satisfacerse al final del periodo. Recordando que las cuentas por co-
brar se mantienen vigentes para un promedio de tres meses, puede utilizarse la siguiente
134 CAPTULO CUATRO
relacin para deducir una expresin matemtica para la desigualdad anterior, al final del
periodo:
Efectivo = 3000 - 50x1 - 100x3
Cuentas por cobrar 58x1 + 58x2 + 120x3 + 120x4
Crdito 50x2 + 100x4
Intereses (0.12 x Y4 yr)(50x2 + 100x4) = 1.5x2 + 3x4
Por lo tanto, la restriccin que resulta por la limitacin del banco se puede expresar como
3000 - 50x 1 - 100x3 + 58x 1 + 58x2 + 120x3 + 120x4 ;:::: 2(51.5x2 + 103x4)
o bien
3000 ;:::: - 8x 1 + 45x 2 - 20x3
lo cual es equivalente a
- 8x 1 + 45x 2 - 20x3 + 86x4 :s: 3000
En la Fig. 4.3 se muestra la solucin por computadora para este problema de combinacin
financiera con cuatro variables y siete restricciones. Se obtiene la utilidad de $1,191.86
con la solucin ptima de x 1 = 50, x 2 = O, x 3 = 5, y X 4 = 40.7. Obsrvese que el costo
reducido de cero para x 2 indica que no es necesario que aumente el coeficiente de la fun-
cin objetivo para que se pueda evaluar la inclusin de x 2 con la solucin ptima. Esto
es una indicacin de que existe una solucin ptima alternativa para el problema. En la
Fig. 4.4 se muestra una solucin por computadora que ofrece una solucin ptima alternati-
va. La utilidad de $1,191.86 corresponde ahora a la solucin x 1 = O, x 2 = 50, x 3 = 30,
yx4 = 15.7.
Evidentemente, los administradores podran poner en prctica cualquiera de las solucio-
nes que se muestran en esas figuras, y maximizar las utilidades. La solucin de la Fig.
4.4 se resume en la Tabla 4.6, junto con la utilidad esperada y los fondos obtenidos a
crdito para cada modelo de calculadora. Esta solucin exige que la compaa emplee todos
APLICACIONES DE LA PROGRAMACIN LINEAL 135
X1 so.oooooo 0.000001
X2 0.000000 0.000000
X3 s.oooooo 0.000001
X4 40.697674 0.000000
1 7S7.SS8230 0.000000
2 8.604660 0.000000
3 0.000000 0.239S3S
4 S930.232400 0.000000
S 0.000000 -2.39S349
6 20.697670 0.000000
7 0.000000 0.197674
FIGURA 4.3 Solucin por computadora del problema de Jefferson Adding
Machines, utilizando The Management Scientist.
t 1 7S7.SS8230 0.000000
2 8.604660 0.000000
3 0.000000 0.239S3S
4 S930.232400 0.000000
S 0.000000 -2.39S3SO
6 20.697670 0.000000
7 0.000000 0.197674
FIGURA 4.4 Solucin ptima alternativa para el problema de Jefferson Adding
Machines, utilizando The Management Scientist.
Modelo Y
- Fondos obtenidos a crdito (x2) 50 $ 325 $2500
Modelo Z
Fondos de la compaa (x3) 30 600
t Fondos obtenidos a crdito (x.J 15.7
--
267 1570
Totales $1192 $4070
136 CAPTULO CUATRO
sus fondos internos ($3,000), pero slo un poco ms de $4,000 de los $10,000 disponibles
en la lnea de crdito.
Algunas interpretaciones adicionales sobre el listado de computadora de la Fig. 4.4 mues-
tran que la capacidad de ensamblado (restriccin 1, holgura = 757.6 horas) y la capacidad
de empaque y envo (restriccin 2, holgura = 8.6 horas) son adecuadas para satisfacer
los requisitos de produccin . Asignar horas adicionales a estos recursos no mejora el valor
de la solucin ptima. El precio dual correspondiente a la restriccin de los fondos internos
(restriccin 3) muestra que se puede obtener un mejoramiento de las utilidades de aproxima-
damente $0.24 si se invierte un dlar adicional de fondos internos. Con este elevado rendi-
miento sobre la inversin de fondos internos, es posible que la Jefferson desee seriamente
considerar la asignacin de fondos internos adicionales para este producto. El precio dual
negativo para la restriccin 5 indica que los aumentos en el requisito de produccin del
modelo Y reduciran el margen de utilidad. De hecho, el precio dual negativo indica que
reducir el requerimiento actual de 50 unidades para el modelo Y, producira en realidad
aumentos en las utilidades a razn de aproximadamente $2.40 por unidad que se reduzca
en el requisito .
NOTAS Y COMENTARIOS
Las contribuciones a las utilidades para los dos productos de la Jefferson Adding
Machine se basaron en la diferencia entre el precio unitario por unidad y el "costo"
por unidad. Una consideracin interesante al determinar el costo por unidad es la
diferencia entre los costos irrelevantes (sunk) y los costos relevantes. Costos irrelevan-
tes son aqullos que ya se han realizado, tales como compras previas de materiales,
gastos generales, mano de obra indirecta, etctera. Como son costos en los que ya
se ha incurrido, o costos que se realizarn sin importar las decisiones que se tomen,
tales conceptos carecen de relevancia; es decir, no son afectados por los valores de
las variables de decisin. Los costos irrelevantes no deben considerarse cuando se
desarrolla la funcin objetivo para un modelo de programacin lineal. Obsrvese
que la Tabla 4.5 muestra que los costos unitarios se basan en los costos relevantes
variables para los materiales, as como tambin en otros gastos variables. En el caso
referente a la proteccin ambiental que aparece al final del captulo se da oportuni-
dad de identificar los costos relevantes al desarrollar un modelo de programacin lineal.
cada uno de diversos lapsos hacia el futuro. El administrador debe determinar los niveles
de produccin que permitirn a una compaa satisfacer los requisitos de demanda del
producto, considerando limitaciones sobre la capacidad de produccin, la capacidad de
mano de obra y el espacio de almacenamiento. Al mismo tiempo, se desea minimizar el
costo total para llevar a cabo esa labor.
Un motivo importante de la generalizada aplicacin de la programacin lineal en proble-
mas de programacin de la produccin, es que stos son de naturaleza recurrente. Se debe
establecer un programa de produccin para el mes en curso, despus para el mes siguiente,
luego para el que sigue, y as sucesivamente. Cuando el gerente de produccin considera
el problema cada vez, se encuentra con que, aunque la demanda de los productos vara,
las limitaciones sobre el tiempo y las capacidades de produccin, y sobre el espacio de alma-
cenamiento, son bsicamente las mismas . Por ello, el gerente de produccin resuelve en
esencia el mismo problema que se ha manejado en meses anteriores . Por tanto es posible
aplicar con frecuencia un modelo general de programacin lineal para el procedimiento
de programado de la produccin. Una vez que se plante el modelo, el administrador puede
simplemente proporcionar los datos (demanda, capacidades, etc.) para el periodo de pro-
duccin dado, y puede entonces utilizarse el modelo de programacin lineal para desarrollar
el programa de produccin. De modo que un planteamiento de programacin lineal puede
tener muchas aplicaciones sucesivas.
Considere el caso de la empresa Bollinger Electronics Co., que fabrica dos componentes
electrnicos distintos para un importante fabricante de motores de avin. Tal fabricante
notifica a la oficina de ventas de la Bollinger, cada trimestre, cules sern los requerimientos
de componentes para los tres meses siguientes . Las demandas mensuales de los componentes
pueden variar considerablemente dependiendo del tipo de motor que produce el fabricante .
El pedido que se muestra en la Tabla 4.7 acaba de ser recibido, y corresponde al siguiente
lapso de tres meses.
Despus de que se procesa el pedido, se enva una constancia de demanda al departamento
de control de la produccin. A su vez, este departamento debe elaborar un plan de produc-
cin a tres meses para los componentes. Conociendo la preferencia del gerente del departa-
mento de produccin, por niveles constantes de demanda que den como resultado cargas
de trabajo equilibradas y utilizacin constante de las mquinas y la mano de obra, la persona
encargada del programa de produccin debe tomar en consideracin la alternativa de fabri-
car a una tasa constante durante los tres meses. Esto fijara cuotas de produccin de 3000
unidades por mes para el componente 322A y 1500 unidades al mes para el componente
802B. Por qu no adoptar este programa?
Aunque tal programa resultara atractivo para el departamento de produccin, puede
resultar indebido desde el punto de vista de los costos totales. En particular, omite los
costos de inventarios. Considrense los niveles proyectados de inventario que se produciran
30 de abril 31 de mayo
Componente 322A
2000
unidades
Componente 802B
500 1500
unidades unidades
con este programa que exige produccin constante (Fig. 4.5). Se observa que el programa
de produccin conducira a niveles elevados de inventarios. Cuando se considera el costo
del capital y del espacio de almacenamiento comprometidos, un programa que produzca
menores niveles de inventarios puede resultar ms deseable en trminos econmicos.
En el otro extremo del programa de produccin a tasas constantes se encuentra el mtodo
de "fabricar para satisfacer la demanda". Aunque este tipo de programas elimina el proble-
ma de los costos de mantener inventario, las amplias fluctuaciones mensuales en los niveles
de produccin pueden ocasionar algunas dificultades y costos de produccin considerables.
Por ejemplo, tendra que haber capacidad de produccin disponible para satisfacer la de-
manda pico de 8000 unidades en junio. Tambin, y a menos que se pudieran programar
otros componentes para el mismo equipo de produccin en abril y mayo, habra una canti-
dad considerable de capacidad no utilizada y, por ello, una subutilizacin importante en
esos meses. Tales importantes variaciones en la produccin podran tambin exigir ajustes
considerables en la mano de obra que, a su vez, conduciran mayores problemas de rotacin
y de capacitacin del personal. Por ello, parece que el mejor programa de produccin sera
aquel que equilibrara las dos alternativas.
Al gerente de produccin le agradara identificar y considerar los siguientes costos
l. Costos de produccin
2. Costos de almacenamiento
3. Costos por cambios en el nivel de produccin
Si cuesta $20 (dlares) cada unidad que se fabrica del componente 322A, y $10 cada
componente 802B, la parte de los costos de produccin de la funcin objetivo se convierte en
Se debe observar que en este problema el costo por unidad de produccin es el mismo
en todos los meses. Por ello, no es necesario incluir los costos de produccin en la funcin
objetivo, es decir; independientemente de cul sea el programa de produccin que se elija,
los costos totales de produccin seguirn siendo los mismos. En otras palabras, los costos
de produccin son costos no relevantes para la decisin sobre el programa de produccin
que se considera. En casos en que se espera que el costo unitario vare cada mes, los costos
unitarios variables de produccin deben incluirse en la funcin objetivo. Como la solucin
para el problema de la Bollinger Electronics ser la misma independientemente de si se
incluyen estos costos o no, se ha decidido elegirlos para que el valor de la funcin objetivo
de programacin lineal incluya todos los costos correspondientes al problema.
Para incluir los costos relevantes de inventarios en el modelo, se introduce una variable
de decisin con doble subndice que indica el nmero de unidades de inventario para cada
producto y para cada mes. Se utiliza s;m para representar el nivel de inventario para el pro-
ducto i al final del mes m.
La Bollinger ha determinado que, sobre una base mensual, los costos de mantener el
inventario son de 1.50Jo del costo del producto; es decir, (0.015)($20) = $0.30 por unidad
del componente 322Ay (0.015)($10) = $0.15 por unidad para el componente 802B. Ense-
guida se comenta un supuesto que comnmente se hace al utilizar el mtodo de la programa-
cin lineal para programar produccin. Se supone que los inventarios de fin de mes son
una aproximacin aceptable de los niveles promedio de inventarios durante el propio mes.
Dado este supuesto, la porcin del costo del mantenimiento de inventarios de la funcin
objetivo se puede expresar de la siguiente manera:
Costo de mantenimiento de inventarios = 0.30s 11 + 0.30s 12 + 0.30s13 + 0.15s21 + 0.15s22
+ 0.15s23
Con objeto de incluir los costos que se producen por las fluctuaciones en los niveles
de produccin de un mes a otro, es necesario definir las dos variables de decisin adicionales
que siguen:
Despus de estimar los efectos de los despidos temporales de los empleados, de la rotacin
de personal, de los costos de asignaciones a capacitacin, y de otros costos asociados a
los niveles fluctuantes de produccin, la Bollinger estima que el costo correspondiente a
un aumento en el nivel de la produccin para cualquier mes es $0.50 (de dlar) por aumento
unitario. A una disminucin en el nivel de produccin le corresponde un costo similar,
para cualquier mes, y es de $0.20 por unidad. As, la tercera porcin de la funcin objetivo
puede escribirse de la siguiente manera:
Se debe observar aqu que la Bollinger ha decidido medir los costos correspondientes
a las fluctuaciones en la produccin como funcin del cambio en el nmero total de unidades
que se fabrican en el mes m, en comparacin con el nmero total de unidades fabricadas
en el mes m - l. En otras aplicaciones a programas de produccin, pueden medirse las
fluctuaciones en la produccin en trminos de horas-mquina o de horas-trabajo que se
requieren, en vez de hacerlo en trminos del nmero total de unidades que se fabrican.
Combinando todos estos tres costos, la funcin objetivo completa se convierte en
min 20x 11 + 20x 12 + 20x 13 + 10x2 1 + 10x22 + 10x23 + 0.30s 11
+ 0.30s 12 + 0 .30s 13 + 0.15s2 1 + 0.15s22 + O. l5s 23 + 0.50/ 1
+ 0.50/2 + 0.50/3 + 0.20D 1 + 0.20D 2 + 0.20D 3
Considrense ahora las restricciones . En primer lugar, debe garantizarse que el programa
satisface la demanda del cliente. Como las unidades que se envan pueden provenir de la
produccin del mes en curso, o de los inventarios de periodos previos, se tienen los siguientes
requerimientos bsicos:
Inventario)
final Produccin) Demanda del )
+
( del mes ( en curso ( mes
anterior
La diferencia entre el lado izquierdo y el lado derecho ser la cantidad del inventario final,
al final de ese mes. Por ello, el requerimiento de la demanda asume la forma
In;~::~rio) +
Inventario )
final
Demanda~
( del mes
anterior
Produccin)
( en curso ( de este
mes
1 de este
mes
Supngase que los inventarios al principio del periodo del programa de tres meses fueran
de 500 unidades para el componente 322A y 200 unidades para el componente 802B. Recor-
dando que la demanda para ambos productos en el primer mes (abril) es de 1000 unidades,
las restricciones para satisfacer la demanda en el primer mes se convierten en
500 +X - S 1000
200 + x 21 - s21 1000
Mes 3: s 12 + x 13 - s 13 5000
s 22 + x 23 - s 23 3000
APLICACIONES DE LA PROGRAMACIN LINEAL 141
Si la compaa especifica un nivel mnimo de inventario al final del periodo de tres meses
de cuando menos 400 unidades del componente 322A y cuando menos 200 unidades del
componente 802B, pueden entonces incluirse las restricciones
S 3 2:: 400
s23 2:: 200
Capacidad de almacenamiento:
2s 11 + 3s 21 ::; 10,000 Mes 1
2s 12 + 3s 22 :s 10,000 Mes2
2s 13 + 3s 23 ::; 10,000 Mes3
X
11
+ X
21
- 2500 = cambio
Obsrvese que el cambio puede ser positivo o negativo. Un cambio positivo refleja un
aumento en el nivel total de produccin, y uno negativo refleja una disminucin. Utilizando
la relacin anterior, pueden utilizarse el aumento en la variable de produccin para abril
JI' y la disminucin en la variable de produccin para abril DI' para especificar la siguien-
te restriccin que corresponde al cambio en la produccin total para el mes de abril:
Colocando las variables en el lado izquierdo y las restricciones en el lado derecho, el conjun-
to completo de lo que comnmente se denominan restricciones de suavizacin de la produc-
cin, puede expresarse de la siguente manera:
xu + X21 2500
- x 11 - x 21 + x 12 + x 22 o
Produccin
Componente 322A 500 3,200 5,200
Componente 802B 2,500 2,000 o
Totales 3,000 5,200 5,200
Inventario final
Componente 322A o 200 400
Componente 802B 1,700 3,200 200
Utilizacin de la maquinaria
Horas programadas 250 480 520
Horas de holgura en capacidad 150 20 80
Utilizacin de mano de obra
Horas programadas 200 300 260
Horas de holgura en capacidad 100 o 40
Utilizacin del almacenamiento
Almacenamiento programado 5,100 10,000 1,400
Capacidad de holgura 4,900 o 8,600
Costo total del programa (incluyendo produccin, inventarios y
alisado de la produccin) = $225,295
NOTAS Y COMENTARIOS
O.o70 0.100
2 0.050 0.084
3 0.100 0.067
4 0.010 0.025
La compaa obtiene utilidades de $1.00 (dlar) por cada caja del producto 1 y $0.90
(de dlar) por cada caja del producto 2. Si el nmero de horas disponibles en cada departa-
mento es fijo, se puede plantear el problema de la McCarthy como un programa lineal
estndar de mezcla de productos. Se utiliza la notacin comn:
x1 cajas del producto 1 quese fabrican 1
x2 cajas del producto 2 que se fabrican
horas de mano de obra disponibles en el departamento i,
El programa lineal puede escribirse de la siguiente manera:
1, 2, 3, 4
1
max 1.00x 1 + 0.90x2
sujeta a
0.070x 1 + 0.100x2 :::; b1
0.050x 1 + 0.084x2 :5 b2
0.100x 1 + 0.067x2 :5 b3
0.010x 1 + 0.025x2 :5 b4
.
de los trabajadores, se tiene la siguiente informacin adicional: ..1'
Posibles asignaciones Horas de mano
de mano de obra de obra disponibles
Se observa que, de las 2,335 horas disponibles para la produccin del mes, pueden asignarse
870 de ellas a discrecin del administrador. Las restricciones para las horas disponibles
en cada departamento son las siguientes:
Como no es posible asignar en forma simultnea a ambos departamentos las 570 horas
que pueden asignarse con flexibilidad entre los departamentos 1 y 2, es necesaria la siguiente
restriccin adicional:
De manera similar, para las 300 horas que es posible asignar entre los departamentos 3
y 4, se requiere la restriccin
En este planteamiento se estn manejando como variables las horas de mano de obra
que se asignan a los departamentos. Los coeficientes de la funcin objetivo para estas varia-
bles sern cero, porque las variables b; no afectan las utilidades en forma directa. Despus
de colocar todas las variables del lado izquierdo de las restricciones, se obtiene el siguiente
programa lineal
max 1.00x 1 + 0.90x 2 + Ob 1 + Ob 2 + Ob 3 + Ob4
sujeta a
0.070x 1 + 0.100x 2 - b ::::; o
0.050x 1 + 0.084x2 - bz ::::; o
0.100x 1 + 0.067x 2 - b3 ::::; o
0.010x 1 + 0.025x 2 b4::::; o
b ::::; 1000
bz ::::; 970
b3 ::::; 800
b4::::; 435
b + bz ::::; 1400
b3 + b4::::; 935
x 1 , x 2 , b 1 , b 2 , b 3, b 4 2:: O
Este modelo de programacin lineal resolver en realidad dos problemas: (1) permitir
encontrar la mezcla ptima de productos para el periodo de planeacin y (2) permitir
asignar las horas disponibles de mano de obra a los departamentos, de manera que se maxi-
148 CAPTULO CUATRO
Plan de produccin :
Producto 1 = 4700 cajas
Producto 2 = 4543 cajas
Asignacin de mano de obra
Departamento 1 783 horas
Departamento 2 617 horas
Departamento 3 774 horas
Departamento 4 161 horas
Total 2335 horas
Utilidad = $8789
micen las utilidades . En la Tabla 4.12 se muestra la solucin para este modelo de 10 restric-
ciones y 6 variables.
Obsrvese que el plan ptimo de mano de obra utiliza todas las 2,335 horas disponibles.
En esta solucin, no existe tiempo ocioso en ninguno de los departamentos. No es este
siempre el caso en los problemas de este tipo. Sin embargo, si el administrador tiene de
hecho la libertad de asignar a ciertos empleados a distintos departamentos, el efecto ser
probablemente una reduccin en el tiempo ocioso global. El modelo de programacin asig-
na automticamente a los empleados a los departamentos de la manera ms redituable.
Si el administrador hubiera efectuado una asignacin, segn su juicio, de las horas a los
departamentos, y si hubiera despus resuelto el problema de mezcla de productos utilizando
unas b; fijas, es probable que hubiera tenido holgura en algunos departamentos, al mismo
tiempo que otros departamentos hubieran representado congestionamientos debido a re-
cursos insuficientes.
Pueden utilizarse variantes en el planteamiento bsico de esta seccin en casos como
la asignacin de materias primas a productos, en la asignacin de tiempo de mquina a
productos y en la asignacin de tiempo de fuerza de ventas a lneas de productos o a territo-
rios de ventas.
Producto Especificaciones
dientes para fabricar bebidas, sopas, etc.). Debido a la extensa aplicacin de los problemas
de mezclas, el objetivo de esta seccin es ilustrar la forma en que se puede aplicar la progra-
macin lineal para resolver este tipo de problemas.
La empresa Grand Strand Oil, Co., fabrica gasolinas de grado normal y de grado extra,
que se venden en gasolineras independientes en el sureste de Estados Unidos. La refinera
de la Grand Strand fabrica las gasolinas mezclando tres componentes de petrleo. Las gaso-
linas se venden a precios distintos, y los componentes de petrleo tienen costo diferente.
La empresa pretende determinar cmo mezclar o combinar los tres componentes para obte-
ner las dos gasolinas, de manera que se maximicen las utilidades.
Los datos disponibles muestran que la gasolina de grado normal se puede vender en $0.50
(de dlar) por galn y la gasolina de grado extra en $0.54 por galn. Para el periodo en
curso de la planeacin de la produccin, la Grand Strand puede obtener los tres componen-
tes de petrleo a los costos por galn y en las cantidades que se muestran en la Tabla 4.13.
Las especificaciones de los productos para las gasolinas restringen las cantidades de cada
componente que se pueden utilizar en cada gasolina. Las especificaciones de los productos
se listan en la Tabla 4.14. Los compromisos actuales con los distribuidores requieren que
la Grand Strand fabrique cuando menos 10,000 galones de la gasolina de grado normal.
El problema de mezcla de la Grand Strand consiste en determinar cuntos galones de
cada componente se deben util;zar en la mezcla de la gasolina de grado normal, y cuntos
galones de cada componente en la mezcla de la gasolina de grado extra. La solucin de
la mezcla ptima debe maximizar las utilidades de la empresa, sujeta a las restricciones
que se tienen sobre la disponibilidad de componentes de petrleo que se muestra en la Tabla
4.13, y sujeta a las especificaciones de los productos que se muestran en la Tabla 4.14 y
a los 10,000 galones que se requieren de gasolina de grado normal.
150 CAPTULO CUATRO
1
Se puede utilizar la siguiente notacin para definir a las variables de decisin:
Sean
xu galones del componente i que se utilizan en la gasolina j, en
donde i = 1, 2 o 3, para los componentes 1, 2 o 3;
se tiene que j = r si es normal o j = p si es extra
Las seis variables de decisin se convierten en
Obsrvese que antes se haban utilizado siempre nmeros como subndices para las varia-
bles de decisin. Continuando con el uso de subndices numricos, se hubiera podido fijar
j = 1 para la gasolina normal y j = 2 para la gasolina extra. Sin embargo, el uso de los
subndices r y p resulta descriptivo y permite identificar con facilidad la gasolina a la que
se refiere la variable de decisin.
Utilizando las seis variables decisorias, puede expresarse el nmero total de galones de
cada tipo de gasolina que se fabrica sumando el nmero de galones que se fabrican utilizan-
do cada uno de los tres componentes de petrleo. Es decir,
Total de galones que se producen
Gasolina normal = X 1, + X 2, + X 3,
Gasolina extra = x 1P + X 2P + X 3P
Ahora se requieren seis restricciones para satisfacer las especificaciones de los productos
que se listan en la Tabla 4.14. La primera especificacin plantea que el componente 1 puede
constituir cuando mucho 300Jo del total de galones que se fabrican de gasolina normal. Es decir,
o bien
Replanteando esta restriccin con las variables en el lado izquierdo y una constante en
el lado derecho, la restriccin sobre la especificacin del primer producto se convierte en
La especificacin para el segundo producto que se lista en la Tabla 4.14 puede escribirse como
o bien
y as
Por ello, el modelo completo de programacin lineal con seis variables de decisin y
dos restricciones se puede escribir de la siguiente manera:
152 CAPTULO CUATRO
1 0.000000 0.290000
2 0.000000 0.240000
3 0.000000 0.120000
4 1750.000490 0.000000
5 4"149. 999000 0.000000
6 1999.999390 0.000000
7 0.000000 0.000000
8 4749.998000 0.000000
9 5499.997100 0.000000
10 0.000000 -0.040000
NOTAS Y COMENTARIOS
Existen dos ventajas con este mtodo: (1) ofrece una forma sistemtica de definir
las variables de decisin para cualquier problema de mezcla, (2) es una imagen visual
de las variables de decisin en trminos de la forma en la que se relacionan con las
materias primas, los productos, y entre s.
N. del T. Medicare es un seguro de gastos mdicos patrocinado en parte por el gobierno de Estados Unidos.
APLICACIONES DE LA PROGRAMACIN LINEAL 155
TABLA 4.16 Recursos anuales que se consumen (insumas) en los cuatro hospitales
Hospital
Medida del insumo General Universitario Distrito/ Estatal
Personal no mdico
equivalente de tiempo completo 285.20 162.30 275.70 210.40
Gastos en suministros (miles) 123.80 128.70 348.50 154.10
Das-cama disponibles (miles) 106.72 64.21 104.10 104.04
TABLA 4.17 Servicios anuales que ofrecen (resultados) los cuatro hospitales
Hospital
Medida del resultado General Universitario Distrito/ Estatal
En las Tablas 4.16 y 4.17 se presentan resmenes de las medidas de los insumas y de
los resultados para un periodo de cuatro aos en cada hospital. Enseguida se muestra la
forma en la que puede utilizarse el AGD con estos datos para identificar cualquier hospital
relativamente ineficiente.
Al aplicar el AGD, ser necesario desarrollar un modelo de programacin lineal para
cada hospital cuya eficiencia se desee evaluar. En el anlisis que sigue, se desarrolla un
modelo que puede emplearse para valorar la eficiencia relativa del Hospital Distrital (en
el Problema 26 del final del captulo se pide desarrollar un modelo para evaluar la eficiencia
relativa del Hospital General). Al elaborar el modelo de programacin lineal para el Hospi-
tal Distrital, las ponderaciones que se utilizan para construir al hospital compuesto son
las variables. Estas se definen de la siguiente manera:
Utilizando la relacin general de insumos/ resultados para cada una de las cuatro medidas
de los resultados, las cuatro restricciones de resultados para el modelo de AGD se escriben
de la siguiente manera:
Como se muestra antes, los recursos disponibles para el hospital compuesto son simplemen-
te un mltiplo de los recursos que se utilizan en el Hospital Distrital. Si E = 1, los recursos
disponibles para el hospital compuesto son los mismos que se emplean en el Hospital Distri-
tal. Si E es mayor que 1, el hospital compuesto tendra a su disposicin proporcionalmente
APLICACIONES DE LA PROGRAMACIN LINEAL 157
Si se puede encontrar una solucin con E < 1, el hospital compuesto no requiere tantos
recursos como los que necesita el Hospital de Distrito.
La funcin objetivo para el modelo de AGD consiste en minimizar el valor de E, que
equivale a minimizar los recursos disponibles como insumos para el hospital compuesto .
Por ello, la funcin objetivo es
min E
La conclusin sobre eficiencia en el AGD se basa en el valor ptimo de la funcin objetivo
para E. La regla de decisin es la siguiente:
SOLUCIN PTIMA
E 0 . 905238 0 . 000000
WG 0.212266 0 . 000000
wu 0 . 260447 0 . 000000
wc 0.000000 0 . 09 4 762
ws 0.527286 0 . 000000
1 0 . 000000 0.238886
2 0 . 000000 - 0 . 000014
3 0 . 000000 - 0.000014
4 1 . 615387 0.000000
5 37 . 027027 0 . 000000
6 35 . 642986 0 . 000000
7 174422 . 297000 0 . 000000
8 0.000000 0 . 0000 1 0
FIGURA 4.8 Solucin por computadora del anlisis global de datos para el problema
del modelo del Hospital de Distrito, utilizando The Management Scientist.
Obsrvese que en el planteamiento anterior del modelo, se han pasado aliado izquierdo
de las tres restricciones de insumas los trminos que incluyen a E, porque sta es una variable
de decisin. Se resolvi el programa lineal anterior utilizando el paquete de computacin
The Management Scientist. En la Fig. 4.8 se muestra un listado de computadora con la
solucin.
En primer lugar, se observa que la funcin objetivo muestra que la calificacin de la
eficiencia para el Hospital Distrital es 0.905. Esto indica que el hospital compuesto puede
obtener cuando menos el mismo nivel de cada resultado que lo que obtiene el Hospital
de Distrito, teniendo a su disposicin no ms del 90.507o de los recursos de insumas que
requiere el Hospital Distrital. El hospital compuesto es ms eficiente, y el anlisis de AGD
ha identificado que el Hospital de Distrito es relativamente ineficiente.
A partir de la solucin de la Fig. 4.8, se observa que el hospital compuesto est formado
a partir del promedio ponderado del Hospital General (wg = 0.212), Hospital Universitario
(wu = 0.260) y Hospital Estatal (ws = 0.527) . Se determina cada insumo y cada resultado
para el hospital compuesto mediante el mismo promedio ponderado de los insumos y los
resultados de estos tres hospitales . La columna "Holgura/ Excedente" ofrece informacin
adicional sobre la eficiencia del Hospital de Distrito, en comparacin con el hospital com-
puesto. Especficamente, el hospital compuesto tiene cuando menos la misma cantidad de
resultados que el Hospital de Distrito (restricciones 2-5) y ofrece 1.6 ms enfermeras en
capacitacin (el excedente de la restriccin 4) y 37 mdicos internos ms en capacitacin
(excedente de la restriccin 5) . La holgura de O para la restriccin 8 muestra que el hospital
compuesto emplea aproximadamente 90.50Jo de los das-cama que utiliza el Hospital de
Distrito . Los valores de holgura para las restricciones 6 y 7 muestran que el hospital com-
puesto utiliza menos de 90.507o de los recursos de suministros y del personal de tiempo
completo que no sean mdicos en el Hospital de Distrito .
APLICACIONES DE LA PROGRAMACIN LINEAL 159
NOTAS Y COMENTARIOS
l. Se debe recordar que el propsito del anlisis global de datos consiste en identificar
unidades operativas que son relativamente ineficientes. El mtodo no necesaria-
mente identifica las unidades operativas que son relativamente eficientes. El simple
hecho de que el ndice de eficiencia sea E = 1, no permite concluir que la unidad
que se analiza es relativamente eficiente. De hecho, no puede decidirse que cual-
quier unidad que tenga los mayores resultados en cualquiera de las medidas corres-
pondientes es relativamente ineficiente. Por ello, sigue siendo posible mejorar la
eficiencia absoluta de las unidades que no son relativamente ineficientes.
2. Si existe alguna unidad que sea supereficiente, el AGD mostrar que todas las de-
ms unidades son relativamente ineficientes. Este sera el caso si la unidad que
produce la mayor parte de los resultados consume tambin la menor cantidad de
insumos. En la prctica, estos casos son extremadamente raros.
3. Al aplicar el anlisis global de datos a problemas que implican grupos grandes
de unidades operativas, los practicantes han encontrado que aproximadamente
50% de las unidades operativas pueden clasificarse como ineficientes. Comparar
cada unidad relativamente ineficiente con las unidades que contribuyen a la unidad
compuesta puede resultar til para comprender la forma en la que se puede mejorar
la operacin de cada unidad relativamente ineficiente.
RESUMEN
En este captulo se expuso una amplia gama de aplicaciones para ilustrar la forma en que
la programacin lineal puede ayudar en el proceso de toma de decisiones. Utilizando situa-
ciones, se plantearon y resolvieron problemas en las reas de mercadotecnica, finanzas
y administracin de la produccin. Adems, se mostr la forma en que puede aplicarse
la programacin lineal a problemas de mezclas, y al rea relativamente nueva del anlisis
global de datos.
Muchas de las ilustraciones que se presentaron en este captulo son versiones en pequea
escala de situaciones reales en las que se ha aplicado la programacin lineal. En dichas
aplicaciones, el problema puede no estar planteado en forma tan concisa, los datos para
el problema pueden no estar tan fcilmente disponibles, y es muy probable que el problema
implique ms variables de decisin y/o restricciones. Sin embargo, un estudio exhaustivo
de las aplicaciones de este captulo es un buen comienzo para una persona que espera en
algn momento dado estar en posibilidades de aplicar la programacin lineal a problemas
reales. Se incluy un listado del paquete de computacin The Management Scientist (o
TMS) para muchas de las aplicaciones que se presentaron en el captulo. Los resultados
por computadora ofrecen una oportunidad para analizar la informacin correspondiente
y para hacer interpretaciones con base en el anlisis de sensibilidad.
160 CAPTULO CUATRO
PROBLEMAS
Nota para el estudiante: Los siguientes problemas se han diseado para ofrecer una com-
prensin y una apreciacin de la amplia gama de problemas que se pueden plantear como
programas lineales . El lector debe estar en posibilidades de formular un modelo de progra-
macin lineal para cada problema. Sin embargo, ser necesario tener acceso a un paquete
de computacin de programacin lineal para llegar a la solucin y efectuar las interpretacio-
nes que se solicitan.
l. Mezcla de productos. La firma Better Products, Inc., fabrica tres productos en dos
mquinas. En una semana tpica hay disponibles 40 horas de tiempo en cada mquina.
La contribucin a las utilidades y el tiempo de produccin en horas por unidad, son
los siguientes:
Se requieren dos operadores para la mquina l. Por ello, deben programarse dos horas
de mano de obra para cada hora del tiempo de la mquina l. En la mquina slo se
requiere un operario. Existe un total de 100 horas de mano de obra disponibles para
asignarlas a las mquinas en la semana siguiente. Otros requerimientos de produccin
son que el producto 1 no puede constituir ms de 500Jo de las unidades que se fabrican
y que el producto 3 debe constituir cuando menos el20% de las unidades que se fabrican.
a. Cuntas unidades de cada producto deben fabricarse con objeto de maximizar la
contribucin a las utilidades? Cul es la utilidad semanal proyectada correspon-
diente a la solucin?
b. Cuntas horas de produccin se programarn en cada mquina?
c. Cul es el valor de una hora adicional de mano de obra?
d. Supngase que se puede aumentar la capacidad de la mano de obra hasta 120 horas.
Habra inters en utilizar las 20 horas adicionales disponibles de este recurso? De-
sarrolle la mezcla ptima de productos suponiendo que se tienen a disposicin las
horas extras.
2. Seleccin de medios de publicidad. La empresa W estchester Chamber of Commerce
patrocina peridicamente seminarios y programas sobre servicios pblicos. En esos
momentos se estn realizando planes promocionales para el programa de este ao .
Las alternativas de publicidad incluyen televisin, radio y peridicos. En seguida se
muestran las estimaciones de audiencia, los costos y las limitaciones sobre el uso mxi-
mo de los medios:
Para asegurar una utilizacin equilibrada de los medios publicitarios, los anuncios por
radio no deben rebasar el500Jo del nmero total de anuncios que se autoricen. Adems,
se requiere que la televisin constituya cuando menos ellO% del nmero total de anun-
cios autorizados.
a. Si el presupuesto de publicidad est limitado a $18,200 (dlares), cuntos mensajes
comerciales deben colocarse en cada medio con objeto de maximizar el contacto
total con la audiencia? Cul es la asignacin del presupuesto entre los tres medios
y cul la audiencia total que se alcanza?
b. Cul es el contacto que se estima con Vt audiencia y que se obtendra asignando
$100 adicionales al presupuesto de publicidad?
3. Problema de dieta. La compaa Bluegrass Farms, lnc., de Lexington, Kentucky, est
experimentando una dieta especial para sus caballos de carreras. Los componentes dis-
ponibles para la dieta son un producto alimenticio comn para caballos, un producto
de avena enriquecido con vitaminas y un nuevo aditivo con vitaminas y minerales.
Los valores nutritivos, en unidades por libra, y los costos para los tres componentes
alimenticios son los siguientes:
Alimento Avena
estndar enriquecida Aditivo
a. Supngase que el entrenador de los caballos fija los requerimientos diarios de dieta
en 3 unidades del ingrediente A, 6 unidades del ingrediente B y 4 unidades del ingre-
diente C. Para efectos de control de peso, el entrenador
\
no desea que el alimento
total diario de un caballo exceda de 6 libras. Cul es mezcla ptima diaria de los
tres componentes alimenticios?
b. Cul es el costo por libra para la mezcla diaria?
c. Utilizando los precios duales, determine qu sucedera con los costos totales si se
aumentara la racin alimenticia diaria de seis a siete libras? Explique por qu ocurre
esto.
4. Planeacin del tiempo extra. La firma Hartman Company est tratando de determinar
qu tanto de cada uno de dos productos puede fabricar para el siguiente periodo de
planeacin. En seguida se muestra la informacin referente a disponibilidad de mano
de obra, utilizacin de la misma y redituabilidad de los productos.
Tasa de rendimiento
Tipo de crdito sobre inversin anual (OJo)
(1) Las inversiones en valores libres de riesgo no pueden exceder de 300Jo de los fon-
dos disponibles totales.
(2) Los crditos quirografarios no pueden exceder de 10% de los fondos que se invier-
ten en todos los crditos (automviles, muebles y otros crditos quirografarios
y garantizados).
(3) Los crditos para adquisicin de muebles, y otros crditos garantizados, no pueden
exceder al monto para los crditos para automvil.
(4) Los otros crditos garantizados junto con los crditos quirografarios no pueden
exceder el monto de los fondos que se invierten en valores libres de riesgo.
Cmo se deben asignar los $2,000,000 a cada una de las alternativas de inversin/ cr-
dito con objeto de maximizar el rendimiento anual total? Cul es el rendimiento anual
proyectado?
APLICACIONES DE LA PROGRAMACIN LINEAL 163
1 $0.50 500
2 0.70 600
3 0.45 400
Se utilizan pruebas de lo~ productos de caf con los consumidores para obtener evalua-
ciones en una escala de O a 100, en donde las calificaciones altas son seal de mayor
calidad. Los estndares de calidad para los productos mezclados exigen una calificacin
del aroma, por parte de los consumidores, de cuando menos 75, y una calificacin
l de los consumidores para el sabor, de cuando menos 80. Las calificaciones individuales
para el aroma y para el sabor del caf que se fabrica con el 10007o de cada grano son
las siguientes:
,~
1 75 86
2 85 88
3 60 75
r Puede suponerse que los atributos de aroma y de sabor de la mezcla de caf son un
promedio ponderado de los atributos de los granos que se utilizan en la mezcla.
a. Cul es la mezcla de costo mnimo que satisface los estndares de calidad y produce
1000 libras del producto de caf mezclado?
Producto 1 Producto 2
Para el siguiente periodo de produccin, la Kunz tiene un total de 900 horas disponibles
de mano de obra, que se pueden asignar a cualquiera de los dos departamentos. Obtenga
el plan de produccin y la asignacin de mano de obra (horas asignadas a cada departa-
mento) que maximizan las utilidades.
9. Transporte. La firma C&P Company tien..! dos plantas manufactureras. Una ubicada
en la ciudad de Kansas, y otra, en Louisville. La produccin de cada mes se enva ..
1
a almacenes regionales, los cuales almacenan los productos hasta que reciben los pedi-
dos de los clientes. Las capacidades de produccin y las demandas de los almacenes
para el siguiente mes son las siguientes: 1
Planta Capacidad Almacn Demanda
en alguno de los horarios anteriores de inicio trabajan durante las siguientes 8 horas.
Durante las operaciones normales entre semana, el nmero de oficiales que se requieren
vara dependiendo del momento del da. Los lineamientos de asignacin de personal
del departamento fijan el nmero mnimo siguiente de oficiales de guardia:
8:00 A.M.-Medioda 5
Medioda-4:00P .M. 6
4:00 P.M.-8:00 P.M. 10
8:00 P.M .-medianoche 7
Medianoche-4:00 A.M. 4
4:00 A.M.-8:00 A.M. 6
Alternativa de inversin
A B e D
c. Cul es la diferencia (en dlares) entre las carteras que se recomiendan en las partes
(a) y (b )? Por qu podra la compaa preferir el modelo que se plantea en la parte (a)?
12. Encauzamiento de la produccin. La firma Lurix Electronics fabrica dos productos
que se pueden elaborar en dos lneas de produccin. Ambos artculos logran sus meno-
res costos cuando se fabrican en la lnea de produccin que es ms moderna. Sin embar-
go, tal lnea moderna no tiene capacidad para manejar el total de la produccin. Como
resultado, alguna parte de la produccin tiene que manejarse a travs de la lnea de
produccin antigua. En seguida se muestran los datos sobre los requerimientos totales
de produccin, las capacidades de las lneas de produccin y los costos:
Formule un modelo de programacin lineal que pueda utilizarse para tomar decisiones
acerca las rutas o cauces de la produccin. Cul es la decisin que se recomienda
y el costo total?
13. Compras. La compaa Edwards Manufacturing adquiere dos piezas de refaccin
de tres proveedores distintos. Los abastecedores tienen capacidad limitada y ninguno
de ellos puede satisfacer todas las necesidades de la empresa. Adems, los abastecimien-
tos difieren en los precios que se cobran por los componentes. Los datos de precios
de los repuestos son los siguientes:
Proveedor
2 3
La capacidad de los proveedores est limitada en trminos del nmero total de compo-
nentes que pueden suministrar. Sin embargo, siempre y cuando la Edwards proporcione
sus pedidos con la suficiente anticipacin, cada uno de los proveedores puede dedicar
su capacidad al componente 1, al componente 2 o a cualquier combinacin de los dos
componentes, en tanto que el nmero total de unidades que se soliciten est dentro
de su capacidad. Las capacidades de los proveedores son las siguientes:
Capacidad total
Proveedor de componentes
Proveedor 1 600
Proveedor 2 1000
Proveedor 3 800
APLICACIONES DE LA PROGRAMACIN LINEAL 167
Costo de Costo de
Componente fabricacin compra
tipos de petrleo crudo. Aunque los dos tipos de petrleo tienen los dos ingredientes
imprtantes que se requieren para fabricar ambas gasolinas, el porcentaje de los ingre-
dientes importantes en cada tipo de petrleo crudo difiere, al igual que difiere el costo
por galn. Se muestra en seguida el porcentaje de los ingredientes A y B que cada
tipo de petrleo crudo contiene y el costo por galn:
Tipo de
petrleo crudo Costo Ingrediente A Ingrediente B
- __--- El crudo 1 es
$0.10 200Jo 600Jo ...--- 600Jo del
2 $0.15 50 0Jo 300Jo ingrediente
B
Cada galn de gasolina normal debe contener cuando menos 400Jo de A, mientras que
cada galn de gasolina de octanaje elevado debe contener cuando mucho 50% de B.
La demanda diaria de la gasolina de octanaje normal es de 800,000 galones, y la deman-
da diaria para la gasolina de alto octanaje es de 500,000 galones. Cuntos galones
de cada tipo de petrleo crudo se deben utilizar en las gasolina normal y de alto octanaje
para satisfacer la demanda diaria a un costo mnimo?
16. Corte de papel. La Ferguson Paper Co. fabrica rollos de papel que se utilizan en mqui-
nas sumadoras, calculadoras de escritorio y cajas registradoras. Los rollos, que tienen
200 pies de longitud, se fabrican en anchos de 1 Yz, 2 \12 y 3 \12 pulgadas. Mediante el
proceso de produccin se obtienen rollos de 200 pies en anchuras exclusivamente de
10 pulgadas. Por ello, la empresa debe cortar los rollos con las dimensiones que se
desean en el producto final. Las 7 alternativas de corte y la cantidad de desperdicio
que se genera con cada una de ellas son las siguientes:
1 6 o o
2 o 4 o o
3 2 o 2 o
4 o 2 \t
5 3 o 1
6 2 o
7 4 o V2
Los requerimientos mnimos para los tres productos son los siguientes :
Ancho del
rollo (pulgadas) Unidades
1 Y2 1000
2 Y2 2000
3 Y2 4000
APLICACIONES DE LA PROGRAMACIN LINEAL 169
Velocidad Precisin
Inspector (unidades por hora) ( OJo) Salario por hora
Costo mensual de
Capacidad Costo operacin, incluyendo
Modelo d~ camin (galones) de compra depreciacin
La firma estima que la demanda mensual para esa regin ser de 550 galones de gasoli-
na. Debido a las diferencias en tamao y en velocidad en los vehculos, los distintos
modelos de camiones varan en trminos del nmero de entregas o de viajes redondos
que les sea posible realizar al mes. Se estima que las capacidades de viajes son de 15
viajes por mes para el Super Tanker, 20 viajes por mes para el Regular Line y 25 viajes
por mes para el Eco no-Tanker. Con base en el mantenimiento y en la habilidad de
los conductores, la empresa no desea aadir ms de 15 vehculos nuevos a su flotilla.
Adems, la compaa ha dedicido adquirir tres de los nuevos Eco no-Tankers, para utili-
zarlos en sus rutas cortas con demanda reducida. Como restriccin final, la compaa
no desea que ms de la mitad de los nuevos modelos sean Supertankers.
a. Si la empresa desea satisfacer la demanda de gasolina con gastos de operacin men-
suales mnimos, cuntos modelos debe comprar de cada camin?
b. Si la compaa no requiriera cuando menos tres Econo-Tankers, y no se limitara
el nmero de Super Tankers a cuando mucho la mitad de los modelos nuevos, cun-
tos modelos de cada camin deberan comprarse?
19. Planeacin en periodos mltiples. La firma Silver Star Bicycle Co. va a fabricar mode-
los tanto para hombres como para mujeres de sus nuevas bicicletas Easy-Pedal, de
10 velocidades, en los dos meses siguientes. La compaa pretende elaborar un progra-
ma de produccin que indique cuntas bicicletas de cada modelo se deben fabricar
cada mes. Los pronsticos actuales de la demanda sugieren 150 modelos para hombre
y 125 para mujer, que deben enviarse durante el primer mes, y 200 modelos para hombre
y 150 para mujer que deben enviarse durante el segundo mes. En seguida se muestran
otros datos adicionales:
20. Equilibrio de mano de obra. La empresa Williams Calculator Co. fabrica dos tipos
de calculadoras: TWIOO y TW200. En el proceso de ensamble se requieren 3 personas.
Los tiempos de ensamble son los siguientes:
1
( Costo del
Precio de venta Costo de produccin inventario final
Periodo ($/ unid.) ($/ unid.) Demanda ($/ unid.)
1 250 100
2 300 100
3 300 125
El costo del tiempo extra por unidad en cada periodo es 200Jo mayor que el costo de
produccin por unidad que se muestra antes. El costo de las ventas perdidas, que es
de $4 (dlares) por unidad en cualquier periodo, incluye la buena voluntad que se pierde
con los clientes, pero no toma en consideracin los costos asociados a los ingresos
que no se obtienen. El inventario inicial para el periodo 1 es 100 unidades. Adems,
la empresa pretende tener cuando menos 50 unidades de inventarios finales para el
periodo 3 con objeto de preparar las necesidades de los productos en el periodo 4.
Para tomar en consideracin los aspectos del problema que se refieren a los diversos
periodos, cada uno de estos, t, requerir ecuaciones o restricciones de equilibrio con
base en las siguientes relaciones:
Ventas perdidas (t) = demanda (t) - ventas (t)
Inventario final (t) = inventario inicial (t) + produccin (t) - ventas (t)
Desarrolle un programa lineal que se pueda utilizar para determinar el programa pti-
mo de produccin e inventarios para la firma Allen. Determine las ventas, la produc-
cin normal, la produccin en tiempo extra, el inventario final y las ventas que se pierden
para cada uno de los tres periodos. Cul es la utilidad neta correspondiente a la solu-
cin encontrada?
22. Planeacin financiera en periodos mltiples. La firma Morton Financia! Institution
debe decidir qu porcentaje de los fondos disponibles debe colocar en cada una de dos
inversiones, a las que se denominan A y B, para los siguientes cuatro periodos. La
tabla que aparece en seguida muestra la cantidad de fondos nuevos disponibles para
cada uno de los cuatro periodos, as como tambin los gastos de efectivo que es necesa-
rio realizar para cada inversin (valores negativos) o los ingresos en efectivo provenien-
tes de las inversiones (valores positivos). Los datos que se muestran estn dados en
millares de dlares, y reflejan la cantidad de los gastos o los ingresos si se invierte
el 1000Jo en A o B. Por ejemplo, si la Morton decide invertir el 1000Jo en la alternativa
A, incurrir en gastos en efectivo de $1 ,000 en el mes 1, $800 en el mes 2, $200 en
el mes 3 y obtendra ingresos de $200 en el mes 4. Obsrvese, sin embargo, que si la
Morton toma la decisin de invertir el 800Jo en la alternativa A, las erogaciones o los
ingresos en efectivo seran de 800Jo de los valores que ah se muestran.
Periodo
1 2 3 4
El monto de los fondos disponibles en cualquier periodo es la suma de los fondos nuevos
para inversin correspondientes al periodo, los nuevos fondos crediticios, los ahorros
provenientes del periodo anterior, el ingreso en efectivo proveniente de la inversin
A Y el ingreso en efectivo proveniente de la inversin B. Pueden utilizarse los fondos
disponibles en cualquier periodo para pagar el crdito y los intereses del periodo ante-
rior, o se les puede colocar en cuentas de ahorros, utilizar para pagar los gastos en
APLICACIONES DE LA PROGRAMACIN LINEAL 173
efectivo de la inversin A o se les puede utilizar para pagar los gastos en efectivo para
la inversin B.
Suponiendo una tasa de inters de lOo/o por periodo para los ahorros y una tasa
de inters de 18% por periodo sobre los fondos obtenidos a crdito, sean
S (t - 1) denota los ahorros para el periodo t - 1
y
L(t - 1) denota los nuevos fondos crediticios para el periodo t - 1
Entonces, los ingresos por ahorro provenientes del periodo previo son, en cualquier
periodo, l.lS(t- 1) los gastos del crdito y de intereses por el periodo anterior son
I.lSL(t- 1).
Al final del periodo 4, se espera que la inversin A tenga un valor en efectivo de
$3,200 (suponiendo que se invierte el lOO% en esta alternativa), mientras que se espera
que la inversin B tenga un valor en efectivo de $2,500 (suponiendo que se invierte
100% en B). Los ingresos y los gastos adicionales al final del periodo 4 se traducen
en ingresos provenientes de los ahorros del periodo 4 menos el pago del crdito e intere-
ses del periodo 4.
Se utilizan las siguientes variables de decisin:
~
los empleados trabajan tiempo parcial y se h!s programa para turnos de cuatro horas
durante las horas de comida. El restaurante est abierto los sbados de 11 :00 a.m.
hasta las 10:00 p.m. Los administradores pretenden desarrollar un programa para los
empleados de tiempo parcial que minimice los costos de mano de obra y que permita
t ofrecer un excelente servicio a los clientes. La tasa promedio para los empleados de
~ tiempo parcial es de $3.60 (dlares) la hora. El nmero total de empleados de tiempo
1
'
1 completo y de tiempo parcial que se requieren vara con el momento del da, de la
l
1' manera que se indica en la tabla de la pgina siguiente.
Uno de los empleados de tiempo completo llega a trabajar a las 11:00 a.m., trabaja
durante cuatro horas, se toma una hora libre, y regresa para trabajar otras cuatro horas.
El otro empleado de tiempo completo llega a laborar a la 1:00 p.m. y trabaja con el
mismo horario de cuatro horas de trabajo, una de descanso y cuatro horas de trabajo.
174 CAPTULO CUATRO
Nmero total
Hora de empleados
11:00 A.M.-medioda 9
Medioda-1:00 P.M. 9
1:00 P.M.-2 :00P.M. 9
2 :00 P.M.-3 :00 P.M . 3
3:00 P.M.-4:00 P.M. 3
4:00 P.M.-5:00P.M. 3
5:00 P.M.-6:00 P.M. 6
6:00 P.M .-7:00 P.M. 12
7:00 P.M.-8:00 P.M . 12
8:00 P.M.-9:00 P.M. 7
9:00 P.M.-10:00 P.M. 7
X1 10.000000 0.000023
X2 0.000000 64.999969
X3 25.000000 0.000004
X4 1.999994 0.000004
X5 30.000000 0.000002 "1
1
Restriccin Holgura/ Excedente Precios duales
--------------~--
1 5.000000 0.000000 Disponibilidad
2 10.000000 0.000000 de los medios
3 0.000000 15.999998
~
4 2.000006 0.000000
5 0.000000 13.999998
6 0.000000 0.060000 Restriccione~
7 0.000000 -25.000015 sobrelaTV-
8 2999.999000 0.000000
9 11500.015600 0.000000 Cobertura de
audiencia
APLICACIONES DE LA PROGRAMACIN LINEAL 175
E 1.000000 0.000000
WG 1.000000 0.000000
wu 0.000000 0.000000
wc 0.000000 0.330682
ws 0.000000 0.215189
l
Hospital
Personal no mdico
de tiempo completo
equivalente
Gastos en
suministros
(en miles)
Das-cama
disponibles
(en miles)
Das-paciente Das-paciente
(de 65 aos o ms) (menos de 65 aos) Enfermeras en Mdicos internos
Hospital (en miles) (en miles) capacitacin en capacitacin
Personal de
Restaurante Horas de operacin tiempo completo Suministros
Bardstown 96 16 850
Clarksville 110 22 1400
Jeffersonville 100 18 1200
New Albany 125 25 1500
St. Matthews 120 24 1600
APLICACIONES DE LA PROGRAMACIN LINEAL 177
Participacin
Restaurante Utilidaa semanal de mercado Tasa de crecimiento
Proteccin ambiental
La empresa Skillings Industrial Chemicals, Inc., opera una refinera en el suroeste del estado
de Ohio, cerca del ro Ohio. El principal producto de la compaa se fabrica a partir de
un proceso qumico que requiere del uso de dos maierias primas, a las que se identifica
como material A y material B. La produccin de una libra de producto terminado requiere
del uso de 1libra de material A y 2libras del material B. El resultado del proceso qumico
es 1 libra del producto terminado, 1 libra de material lquido de desperdicio y 1 libra de
un producto intermedio slido. El producto intermedio slido se entrega a una planta local
de fertilizantes como pago por recogerlo y ocuparse de l. Como el material lquido de
desperdicio no tiene valor de mercado, la refinera lo ha estado vertiendo directamente
en el ro. En la Fig. 4.9 se presenta en forma esquemtica el proceso de manufactura de
la Skillings.
Algunos lineamientos gubernamentales recientemente puestos en-vigencia y establecidos
por la Agencia de Proteccin Ambiental (EPA, Environment Protection Agency) no permi-
ten la eliminacin de desperdicios lquidos directamente en el ro. El grupo de investigacin
de la refinera ha desarrollado el siguiente conjunto de usos alternos para ese material lqui-
do de desperdicio:
llb
~
8 Productos
terminados
...... ~.............__
Desechos lquidos (al ro)
! llb
- u
lllb lllb desecho
desecho desecho
~c-_J
llb Tratamiento
A B especial
!2lb
Producto K
!21b
Producto M
~
~
l
~
Ro
3. Tratar de manera especial el desperdicio lquido para que cumpla con las medidas de
proteccin contra la contaminacin antes de verterlo en el ro.
En el anlisis anterior sobre los costos, la porcin correspondiente a los costos fijos es
la misma todos los meses, sin importar el nivel de produccin. Se espera que los costos
de mano de obra directa sean de $0.20 (dlares) por libra para el producto K, y $0.10 por
libra para el producto M. -
El principal producto de la compaa se vende en $5.70 por libra. Los productos secunda-
rios K y M se venden en $0.85 y $0.65 por libra, respectivamente. El tratamiento especial
de los desechos lquidos costara $0.25 por libra.
Uno de los contadores de la firma considera que es demasiado costoso fabricar el produc-
to K y que no se puede vender a un precio que permita recuperar sus costos de material
y mano de obra. El contador recomienda eliminar el producto K como alternativa. Se ten-
drn disponibles para el siguiente periodo de produccin 5,000 libras de la materia A, y
7,000 libras de la materia prima B. Desarrolle un plan de produccin y de manejo de desper-
dicios para el periodo de produccin.
4.63 *
2 4.63 *
3 5.23 5.23
4 5.23 5.23
5 4. 17 4.17
1
Este caso se basa en el Calhou11 Textile Mili Case por Jeffrey D. Camm, P .M . Dearing, y "Scrfsh K. Tadisina,
1987.
APLICACIONES DE LA PROGRAMACION LINEAL 181
La empresa Marathon Oil Company fue fundada en 1887, cuando catorce personas que se dedica-
ban a la extraccin de petrleo reunieron sus propiedades para organizar una compaa producto-
ra de petrleo en los campos aceitferos de Trenton Rock, en el estado de Ohio. En 1924, la
Marathon pas a la fase de refinacin y comercializacin de la industria petrolera. En la actuali-
dad, la Marathon es una compaa completamente integrada, con importantes operaciones inter-
nacionales. Da empleo a ms de 18,000 personas y sus actividades abarcan seis continentes. En
Estados Unidos, la compaa vende productos de petrleo en 21 estados, primordialmente en
el medio este y el sureste.
La Marathon Oil Company posee cuatro refineras en Estados Unidos, opera 50 terminales de
productos ligeros y tiene demanda para sus productos en ms de 100 lugares. La Divisin de
Operaciones de Mercadotecnia enfrenta el problema de determinar qu refinera debe abastecer
qu terminal y, al mismo tiempo, decidir qu productos se deben transportar por oleoducto,
en barcazas o en barcos petroleros, con objeto de lograr un costo mnimo. Debe satisfacerse
la demanda de los productos y no se debe exceder la capacidad de abastecimiento de cada refine-
ra. Para ayudar a resolver este difcil problema, el Departamento de Investigacin de Operacio-
nes de la Marathon desarroll un modelo de programacin mercadotcnica para la Divisin de
Operaciones de Mercadotecnia.
El modelo de programacin a usar es uno del tipo lineal en gran escala, que toma en considera-
cin las ventas no slo en las terminales de productos de la Marathon, sino tambin en todas
las ubicaciones de intercambio. Un contrato de intercambio es un acuerdo con otros comercializa-
Los autores agradecen a Jerry T. Ranney y Keith R. Weiss of Marathon Oil Company, Findlay, Ohio. el haber
proporcionado es/a explicacin .
APLICACIONES DE LA PROGRAMACIN LINEAL 183
El modelo de programacin lineal no slo resuelve estos problemas, sino que tambin proporcio-
na el impacto financiero de cada solucin.
Beneficios
Cuestionario