Araujo CR

UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS
FACULTAD DE CIENCIAS MATEMTICAS E. A. P. DE INVESTIGACIN OPERATIVA
Asignacin de mquinas a rdenes de produccin mediante programacin lineal entera :

caso : empresa textil
TESIS para optar el ttulo profesional de Licenciado en Investigacin Operativa
AUTOR Raul Eloy Araujo Cajamarca
Lima-Per 2009
ASIGNACIN DE MQUINAS A RDENES DE PRODUCCIN MEDIANTE PROGRAMACIN LINEAL ENTERA
Raul Eloy Araujo Cajamarca
Tesis presentada a consideracin del Cuerpo Docente de la Escuela Acadmica Profesional de Investigacin Operativa de la Facultad de Ciencias Matemticas, de la Universidad Nacional Mayor de San Marcos, como parte de los requisitos para optar el Ttulo de Licenciado en Investigacin Operativa.
Aprobada por:
... Mg. Esther Berger Vidal Presidenta
.... Lic. Juan Toledo Rodrguez Miembro
.... Lic. Vicente Alfredo Zapana Beltrn Miembro Asesor
Lima Per Agosto, 2009 ii
FICHA CATALOGRFICA
ARAUJO CAJAMARCA, RAUL ELOY Asignacin de mquinas a rdenes de produccin mediante Programacin Lineal Entera, (Lima) 2009. ix, 126 p., 29,7 cm., (UNMSM, Licenciado en Investigacin Operativa, 2009). Tesis, Universidad Nacional Mayor de San Marcos, Facultad Operativa. i. UNMSM/FdeCM ii. Ttulo (Serie). de Ciencias Matemticas, Investigacin
iii
DEDICATORIA
A mis amados padres, por su sacrificio y amor plasmado en ayuda efectiva para culminar mis estudios, siempre los llevar en mi corazn. Y para todos aquellos que no pueden iniciar una carrera profesional o se ven obligados a abandonarla por salud o falta de apoyo, tambin para aquellos que a pesar de las dificultades hacen hasta lo imposible por continuar y concluir sus estudios.
iv
AGRADECIMIENTO
Al culminar el presente estudio de investigacin debo expresar mi gratitud: A mi alma mater UNMSM. A todos mis hermanos en especial a mi hermano Eduardo y su esposa, por su ejemplo, consejos y apoyo incondicional y a toda mi familia, por su sacrificio, paciencia, comprensin y colaboracin. A l Sr. Mauro Gavino, quien me acogi como un hijo ms en su entorno familiar. Al Sr. Miguel Elas Masas y su esposa Sra. Roco Morote Musiris, quienes me dieron la oportunidad de ingresar a laborar en su empresa y permitieron continuar con mi formacin profesional. Al profesor Vicente Zapana Beltrn por su apoyo para la realizacin de este trabajo, a los profesores Juan Toledo Rodrguez y Esther Berger Vidal por sus consejos e incentivo constante a la superacin.
v
CONTENIDO
Pg. Presentacin y Aprobacin...ii Ficha Catalogrfica...iii Dedicatoria....iv Agradecimiento.........v Resumen.......vi Abstract....vii Lista de Grficos y Tablas.........1 Lista de Abreviaturas.....3 INTRODUCCIN...........4 Captulo I..............6 METODOLOGA DE LA INVESTIGACIN.............6 1.1. El Problema................................................................6 1.1.1. rea del problema.....6 1.1.2. Delimitacin del problema..10 1.1.3. Formulacin del problema..........25 1.1.4. Justificacin de la investigacin.........28 1.1.5. Limitaciones de la investigacin.....29 1.2. Objetivos...............30 1.3. Hiptesis y Variables........31 1.4. Marco Terico-Conceptual...........32 1.4.1. Antecedentes de la investigacin....32 1.4.2. Definicin de trminos bsicos.......33 1.4.3. Bases tericas......36 1.4.3.1. Optimizacin.........36 1.4.3.2. Clasificacin de los mtodos de optimizacin..37 1.4.3.3. Programacin Lineal(PL)..37 1.4.3.4. Mtodos de solucin de PL......39 a) EL Mtodo Grfico o Geomtrico......39 b) EL Mtodo Simplex....40 c) EL Mtodo de Dos Fases y el mtodo M ...41 1.4.3.5. Programacin Lineal Entera (PLE)...........43 1.4.3.6. Algoritmos de solucin de PLE............44 viii
Pg. a) Algoritmo Branch and Bound.........45 1.4.3.7. Ejemplo ........47 1.5. Metodologa..........62 1.5.1. Diseo de la investigacin......62 1.5.2. Mtodo de investigacin....62 1.5.3. Poblacin y Muestra........63 1.5.4. Tcnicas de investigacin.......63 Captulo II..........65 RECOLECCIN, PROCESAMIENTO Y ANLISIS DE DATOS....65 2.1. Recoleccin de informacin.65 2.2. Recoleccin de datos............73 2.3. Procesamiento y anlisis de datos........76 2.3.1. Tratamiento estadstico.......76 2.3.2. Resultados...80 Captulo III.........82 EL MODELO 82 3.1 Formulacin del Modelo .....83 3.1.1. Definicin de Variables............83 3.1.2. Planteamiento de las restricciones........84 3.1.3. Planteamiento de la funcin objetivo........86 3.2 El modelo de Programacin Lineal Entera.......88 Captulo IV.............91 SOLUCIN COMPUTACIONAL DEL MODELO..91 4.1. Ingreso de Datos ..........91 4.2. Configuracin del Software..............93 4.3. Ejecucin del Software.........96 Captulo V...........98 RESULTADOS..........98 5.1. Resultados con el plan de produccin del modelo...98 5.1.1. Anlisis de sensibilidad......104 5.2. Resultados con el plan de produccin de la empresa.....107 CONCLUSIONES.........110 RECOMENDACIONES...........113 BIBLIOGRAFA...........115 ANEXOS.......................117 ix
LISTA DE GRFICOS Y TABLAS

Grfico I.1 Grfico I 2 Grfico I.3 Grfico I.4 Grfico I.5 Grfico I.6 Grfico I.7 Grfico I.8 Grfico I.9 Grfico I.10 Grfico I.11 Grfico I.12 Grfico I.13 Grfico I.14 Grfico I.15 Grfico I.16 Grfico I.17 Grfico I.18 Grfico I.19 Grfico I.20 Grfico I.21 Tabla I.1 Tabla I.2 Tabla I.3 Tabla I.4 Tabla I.5 Tabla I.6 Tabla I.7 Tabla I.8 Tabla I.9 Tabla I.10 Tabla I.11 Tabla I.12 Tabla I.13 Tabla I.14 Tabla I.15 Tabla I.16 Grfico II.1 Grfico II.2 Grfico II.3 Tabla II.1 Tabla II.2 Tabla II.3 Tabla II.4 Tabla II.5 Tabla II.6 : Organigrama de la Empresa : Sistema de la Empresa : Organigrama planta de tejedura : Qu se hace en planta de tejedura : Cmo se hace? Sistema actual : Formato de orden de pedido : Colocacin de pedidos en plan de produccin : Diagrama de secuencias : Estructura de tejido jersey : Estructura de tejido Picke : Estructura de tejido Ribb : Estructura de tejido Interlock : Mquina circular de tejido : Identificacin del problema : Contribucin Marginal : Algoritmo mtodo simplex y de Dos Fases : Pasos del algoritmo Branch and Bound : Algoritmo Branch and Bound nodos 1A y 2A : Solucin grfica del PPL. del nodo 1A : Algoritmo Branch and Bound nodos 1B y 2B : Solucin grfica PPL. del nodo 1B : Representacin de las actividades : Caractersticas de Artculos planta de tejedura : Clasificacin de mquinas planta de tejedura : Personal del rea de tejedura : Variables de estandarizacin : Formato de tablero simplex : Matriz de datos del ejemplo : Tablero simplex 1 : Fila 1 del tablero simplex 2 : Tablero simplex 2 : Tablero simplex 3 : Tablero simplex 4 : Tablero simplex 5 : Tablero simplex 6 : Tablero simplex 7 : Otros posibles valores de x j : Clculo del saldo al finalizar el periodo : Clculo del volumen mnimo requerido : Clculo del volumen mximo requerido : Clasificacin de artculos Planta de tejedura : Contribucin por tipo de artculo Planta de tejedura : Demanda anticipada Ago. 2008 (rollos/mes) Planta de tejedura : Volumen mnimo requerido (rollos/mes) planta de tejedura : Volumen mximo requerido (rollos/mes) planta de tejedura : Vol. de produccin requerido (rollos/mes) planta de tejedura 1
Tabla II.7 Tabla II.8 Tabla II.9 Tabla II.10 Tabla II.11 Tabla II.12 Tabla II.13 Tabla II.14 Tabla II.15 Tabla III.1 Grfico IV.1 Tabla IV.1 Tabla IV.2 Tabla IV.3 Tabla IV.4 Grfico V.1 Grfico V.2 Tabla V.1 Tabla V.2 Tabla V.3 Tabla V.4 Tabla Tabla V.5 V.6
: Clasificacin de mquinas Planta de tejedura : Muestra de rendimiento mensual mq. T01 Planta de tejedura : Muestra de rendimiento mensual mq. T02 Planta de tejedura : Muestra de rendimiento mensual mq. T03 Planta de tejedura : Rangos de coeficientes de Variacin para muestras : Estadsticos descriptivos de rendimientos mquinas T01 : Estadsticos descriptivos de rendimientos mquinas T02 : Estadsticos descriptivos de rendimientos mquinas T03 : Rendimiento promedio (rollos/mes) Planta de tejedura : Matriz de datos del modelo Planta de tejedura : Volumen mnimo y mximo requerido en WB! : Rendimiento y contribucin en WB! : Volumen mnimo y mximo requerido en WB! : Hoja de trabajo del software WB! : Ejecucin del modelo de PLE. En WB! : La asignacin en forma grfica : Volumen del modelo Vs. mnimo y mximo requeridos : Resultado del modelo de PLE en WB! : Matriz de asignaciones realizadas por el modelo en agosto 2008 : Volumen del modelo Vs. volumen mnimo y mximo : Volmenes y Contribucin obtenido en agosto 2008 segn el plan del modelo : Matriz de asignaciones realizadas por la empresa en agosto 2008 : Volmenes y Contribucin obtenido en agosto 2008 segn el plan de la empresa
ABREVIATURAS
MM. : Modelos matemticos PPL. : Problema de Programacin Lineal PL. : Programacin Lineal PLA : Problema Lineal Asociado PLE. : Programacin Lineal Entera PLEM. : Programacin Lineal Entera Mixta PLEP. : Programacin Lineal Entera Pura B&B : Branch and Bound MMPP. : Materia prima APT. : Almacn de productos terminados AMP. : Almacn de materia prima MT. : Mtodo de transporte GPT. : Gneros de punto por trama GPU. : Gneros de punto por urdimbre WB! : Software Whats Best fj : Volumen mnimo requerido del artculo j
gj
: Volumen mximo requerido del artculo j : Volumen ptimo del artculo j, determinado por el modelo mayor igual que f j pero menor igual a g j : Volumen total de demanda anticipada del artculo j : Volumen total pronosticado como ventas adicionales del artculo j. : Volumen total producido por parte de terceros, del artculo j : Volumen total de devolucin por los clientes, del artculo j : Saldo al finalizar un periodo, del artculo j. : Volumen total de entregas de pedidos anticipados del artculo j. : Volumen total de ventas del artculo j. : Variable del modelo de Programacin Lineal Entera. : Funcin objetivo del modelo de Programacin Lineal Entera. : Contribucin que genera cada uno de los artculos tipo j. : Contribucin que genera cada uno de los artculos tipo j. : Rendimientos de una mquina tipo i al trabajar un artculo tipo j. : Tipos de artculo i 1;2;3 : Tipos de Mquina j 1; 2;...;9 : Nmero total de mquinas del tipo i.
qj dj
pj
tj
kj
sj
ej
vj
xij
z cj
cij
rij
i j Ni
RESUMEN ASIGNACIN DE MQUINAS A RDENES DE PRODUCCIN MEDIANTE PROGRAMACIN LINEAL ENTERA

RAUL ELOY ARAUJO CAJAMARCA AGOSTO - 2009 Orientador Titulo Obtenido : Lic. Vicente Alfredo Zapana Beltrn : Licenciado en Investigacin Operativa
El objetivo general de la investigacin es la determinacin de la contribucin total mxima mediante la asignacin ptima de mquinas a rdenes de produccin, para lo cual se hace uso de un modelo de Programacin Lineal Entera. Se ha probado la hiptesis que si se determina la asignacin ptima de mquinas a rdenes de produccin con el modelo de Programacin Lineal Entera, entonces, el margen de contribucin total mensual que perciba la empresa ser el mximo. La metodologa empleada fue no experimental, transeccional y descriptiva. Se us una muestra no probabilstica de tres mquinas de diferente tipo. Las principales conclusiones a que se arribaron es que para la realizacin de un estudio de este tipo no se necesita grandes inversiones econmicas ni tecnolgicas, pues contando con recursos limitados se ha logrado desarrollar el presente estudio, que es el de brindar una herramienta til y necesaria para que las organizaciones puedan optimizar la utilizacin de sus recursos y maximizar sus contribuciones y de esta manera cumplir con sus obligaciones como tal.
Palabras Claves
: Optimizacin Programacin Lineal Entera Mtodo Simplex Algoritmo Branch and Bound
vi
ABSTRACT ALLOCATION OF PRODUCTION MACHINES TO ORDER BY INTEGER LINEAR PROGRAMMING

RAUL ELOY ARAUJO CAJAMARCA AUGUST - 2009
Guiding Degree obtained : Lic. Vicente Alfredo Zapana Beltrn : Degree in Operations Research
The overall objective of the research is to determine the maximum total contribution through the optimum allocation of machines to production orders, which uses an Integer linear programming model. It has tested the hypothesis that if it determines the optimal allocation of machines to production orders with the Integer linear programming model, then the total monthly contribution margin earned the company will be the maximum. The methodology used was non-experimental and descriptive transectional. We used a sample of three different types of machines. The main conclusions reached is that a study of this type do not require large financial investments or technology, because with limited resources has been developed for this study, which is to provide a useful and necessary so that organizations can optimize the use of its resources and maximize their contributions and thus fulfilling its obligations as such.
Keywords
: Optimization Integer Linear Programming Simplex Method Branch and Bound Algorithm
vii
INTRODUCCIN
Las organizaciones a nivel mundial destacan que una de la actividades ms importante en donde se debe mejorar las operaciones es en la planeacin de la produccin. Por esta razn es que el presente trabajo de investigacin se enfoca en un tema especfico de una empresa particular, perteneciente al rubro textil, que por condiciones de reserva de informacin no autoriza la publicacin de su nombre. Dentro de la empresa, el estudio se limit espacialmente a las instalaciones de planta de tejedura y temporalmente se tom como referencia el ao 2008. La empresa produce nueve tipos de artculos, con los cuales debe atender los requerimientos anticipados de sus clientes. Para producir cuenta con cien mquinas circulares clasificadas en tres tipos, cada tipo con caractersticas diferenciadas y con nmero variado de mquinas. Al realizar el anlisis del proceso productivo, el problema que se detect es el siguiente: la forma como se llevaba a cabo la asignacin de mquinas a rdenes de produccin, careca de sustento tcnico cientfico vlido, tal asignacin eran determinadas por los jefes de turno, quienes lo realizaban de forma emprica y les era difcil considerar todos los criterios que involucra tal asignacin, por esta razn se ignoraba cual era la forma de asignacin ptima; por lo tanto, la contribucin total que perciba la empresa en un periodo determinado podra no ser la mxima. Para dar solucin al problema se decidi formular un modelo de Programacin Lineal Entera que involucre todos los criterios posibles para mquinas a rdenes de produccin tomando en cuenta lo siguiente: la asignacin de
1. La empresa requiere urgentemente maximizar sus contribuciones a fin de contar con mayores recursos. 2. La empresa debe optimizar la utilizacin de sus recursos Como el modelo de Programacin Lineal Entera que se formul contiene un nmero considerable de variables de decisin, entonces se necesit de la utilizacin de un software para su ejecucin y obtencin de la solucin. Con dicha solucin la empresa pudo determinar la contribucin total mxima para el periodo as como la asignacin ptima de mquinas a rdenes de produccin y los volmenes ptimos de produccin. Es importante entonces que las Pymes e instituciones del estado que son las fuerzas generadoras de divisas en el pas, puedan implementar modelos similares al que se presenta, ya que se necesita justamente la aplicacin de la ciencia y la tecnologa para optimizar procesos y as ahorrar dinero que pueda ser invertido en sectores necesitados. El trabajo se ha organizado de la siguiente manera: CAPITULO I: METODOLOGA DE LA INVESTIGACIN. En l se expone el problema, objetivos, hiptesis y variables, marco terico conceptual, y la metodologa. CAPITULO II: RECOLECCIN PROCESAMIENTO Y ANLISIS DE DATOS. En esta parte recolectamos toda la informacin y los datos, que luego se procesa y analiza para utilizarlos en la formulacin del modelo de Programacin Lineal Entera. CAPITULO III: EL MODELO. En l se expone paso a paso la formulacin del modelo de Programacin Lineal Entera. CAPITULO IV: SOLUCIN COMPUTACIONAL DEL MODELO. Aqu se describe, como se adecua el modelo de Programacin Lineal Entera al software computacional para darle la solucin respectiva. CAPITULO V: RESULTADOS. Se analizan y se interpretan cada uno de los datos obtenidos al ejecutar el modelo mediante la aplicacin del software. 5
CAPTULO I METODOLOGA DE LA INVESTIGACIN

1.1. El problema
1.1.1. rea del problema
El problema que se aborda en el trabajo de investigacin pertenece al rea de manufactura industrial, especficamente al rubro textil, la empresa que sirve como modelo para el desarrollo del presente trabajo de investigacin, fue fundada en los aos 1990 como empresa dedicada a la produccin y venta de hilados y tejidos de algodn. Desde sus inicios ha aplicado una poltica de inversin en infraestructura, maquinaria y equipos, as como la capacitacin del personal con las ms modernas tcnicas de hilandera, tejedura, tintorera y acabados, lo cual ha permitido que la planta haya podido mantenerse en el mercado a pesar de la crisis de los ltimos aos.
a) La Empresa
Es una empresa verticalmente integrada y en constante proceso de investigacin, expansin y modernizacin. Posee una diversidad de equipos de ltima tecnologa permitindole ofrecer la ms completa variedad de hilos y tejidos de excelente calidad en corto plazo, con precios competitivos a nivel nacional.
Grfico I.1 Organigrama de la Empresa

Gerencia de la Empresa.
Superintendencia de planta
Direccin Tcnica
Jefatura de Hilanderia
Jefatura de Tejeduria
Jefatura de Tintorera y Acabados
Supervisores Globales
Operarios
Operarios
Operarios
Fuente: Empresa en estudio.
Visin
Mantenerse como el proveedor ms confiable, flexible y de gran capacidad de produccin en el mercado a travs del mejoramiento continuo ofreciendo la mejor calidad y puntualidad en la entrega.
Misin
Empresa productora de tejidos de punto de algodn de alta calidad, orientada a satisfacer las necesidades del mercado de esos productos. 7
Polticas
La empresa, asegura que suministrando los productos y servicios de alta calidad satisface las necesidades y expectativas de sus clientes, siempre comprometindose a: 1. Aplicar un programa que impulse y haga posible la mejora continua en el proceso productivo y promueva la eficacia en el sistema de calidad. 2. La capacidad permanente para el desarrollo del potencial de sus trabajadores, manteniendo en prctica "el trabajo en equipo" as como la integracin con sus proveedores. 3. Desarrollar nuevos productos con la tecnologa ms apropiada disponible, fortalecer el progreso de la empresa; y generar beneficios para sus clientes, trabajadores, accionistas y sociedad. El sistema de la empresa est compuesto por tres subsistemas como se aprecia en el grfico (I.2).
1. Planta de Hilandera
Realiza un conjunto de operaciones para obtener como producto final el hilo, llevadas acabo por mquinas individuales que requieren de considerable mano de obra.
2. Planta de Tintorera y Acabados

En esta planta se realiza el blanqueado y teido tanto de los hilos como de los tejidos de algodn.
3. Planta de Tejedura
En la cual se obtiene el tejido gnero de punto por trama siendo la materia prima base el algodn. 8
Cada subsistema se administra independientemente, sin embargo, al abastecimiento de materiales y al funcionamiento tienen dependencia secuencial como se muestra en el grfico (I.2); de estos tres subsistemas que componen el sistema general, el que se analiz para el estudio es el subsistema planta de tejedura. Grfico I.2 Sistema de la Empresa
Algodn
Hilandera
Hilo Crudo
Tejedura
Tintorera y Acabados
Tejido de punto por trama crudo
Hilo Color
1.1.2. Delimitacin del problema a) Delimitacin espacial

El presente estudio de investigacin se realiz en la planta de tejedura donde se obtienen exclusivamente tejidos de punto por trama. La planta de tejedura est ubicada en el departamento de Lima, en una extensin de aproximadamente 4500 m, su administracin se lleva acabo en forma independiente de los otros subsistemas, cuenta con su propio personal administrativo, tcnico y operativo.
Grfico I.3 Organigrama planta de Tejedura
Jefe de Tejeduria
Asesor Comercial
Jefe de Manufactura
Jefe de Logistica
Supervisor de Turno
Operario Industrial
Almacenero
Despachador
Fuente: Empresa en estudio
El grfico (I.4), detalla en forma precisa el qu se hace? en la planta de tejedura. 10
Grfico I.4 Qu se hace en planta de Tejedura
Nivel de Inventarios
Normas
Volumen de Pedidos
Hilos
Tejidos
Ingreso
Proceso
Tejedura A0
Salida
Hilos
Subproductos
Mecanismos
Personal Mquinas
Este diagrama nos representa en forma general lo que realiza la empresa, mediante la representacin de ingreso, proceso y salida.
1. Ingreso
Como ingreso tenemos el hilo en crudo, en variedad de ttulos, el titulo es el grosor del hilo, siendo principalmente: 12/1, 24/1, 30/1, 40/1 y 50/1 dependiendo el tipo de tejido que se va a producir. Este material es abastecido desde el almacn de materia prima (AMP.), el cual a su vez solicita reabastecimiento a la planta de hilandera o a algn otro proveedor si es necesario.
2. Proceso
El proceso principal transforma el hilo de algodn en tejido, siendo este tejido en crudo. 11
2.1. Operaciones principales en planta de tejedura

Luego de analizar desde la perspectiva del qu se hace? en el subsistema Planta de Tejedura Grfico (I.4), para conocer mejor el subsistema, ahora analicemos desde la perspectiva del Cmo se hace? Para ello se utiliza el grfico (I.5). Grfico I.5 Cmo se hace? Sistema actual
Clientes Proveedores Materiales e Insumos
Pedidos Recepcin y Clasificacin de Pedidos 1,2,,9 Art.
AMP
(Hilos)
Pedidos Clasificados
Distribucin
Mquinas Tipo 1 = 30 Genera Lote Mn. y Mx. a producir
..
1 Mquinas Tipo 2 = 49 30
Orden de Produccin Distribucin de Orden de Trabajo Volumen de demanda 1 1
..
49
Mquinas Tipo 3 = 21
..
21
Recoleccin
APT 1,2,,9
Rollos de Tela
AMP.: Almacn de materia prima APT.: Almacn de productos terminados
12
Como se puede observar en el Grfico (I.5) el subsistema planta de tejedura, tiene una distribucin adecuada de principio a fin, si a ello se le suma la exigente seleccin de sus recursos como: Las materias primas, Mquinas adecuadas y
personal altamente calificada, con el fin de obtener artculos de excelente calidad.
2.2. Colocacin de pedidos en el plan de produccin

Se lleva acabo de la siguiente manera: 1. Se inicia la operacin de colocacin de pedidos, al realizarse el contacto del rea comercial con cada uno de los clientes, pudiendo ser esta por varias vas como: visita personal, telfono, fax, correo, otros ms. Estos contactos se realizan para recordarle que estn dentro de la fecha de recepcin de requerimientos para el presente mes; una vez enterados, los clientes llenan un formato denominado orden de pedido, Grfico (I.6), con cada uno de los requerimientos, pudiendo este constar de uno o ms tipos de artculo, para luego hacerlos llegar a la empresa; los pedidos se recepcionan generalmente las dos ltimas semanas de cada mes anterior al mes de la corrida de produccin. 2. Luego de haber culminado el plazo de recepcin de pedidos de los clientes, se inicia la clasificacin y determinacin del volumen de la demanda anticipada para cada tipo de artculo, y estos pedidos son los que se deben atender obligatoriamente. En caso de no contar con la capacidad de produccin se solicita el servicio de terceros a fin de cumplir con los requerimientos de los clientes. 3. Se determina el volumen mnimo requerido, para ello es necesario conocer los saldos en stock, luego utilizando como ponderacin la demanda anticipada, se hacen los pronsticos del volumen de demanda adicional o inventarios de seguridad, con ello se obtiene el volumen mximo requerido, siendo estos (volumen mnimo y mximo requerido) los que regulan el plan de produccin.
13
Grfico I.6 Formato de orden de pedido
4. El jefe de planta distribuye la orden de produccin a cada operador de mquina, bajo criterios tales como: el rendimiento de cada tipo de mquina y el volumen requerido de cada artculo, es decir el de mayor volumen tendramayor prioridad y document without watermark .
Visit www.smartdraw.com or ser asignado a los tipos de mquinas con mayor rendimiento de call 1-800-768-3729. produccin. Buy SmartDraw!- purchased copies print this
14
Grfico I.7 Colocacin de pedidos en plan de produccin
Cliente
Comercial
Planeamiento P.
APT/AMP
Servicio
Produccin
Inicio
Contacto con el Cliente
Envan Solicita Requerimiento Requerimiento
Recepcin Requerimiento
Clasifica Requerimiento
Solicita Stock
Determina Stock
Determina V. Min-Max.
Genera Orden de produccin
Kardex
Capacidad Ok No Particin Orden de produccin
Si
Inicia Corrida P.
Solicita Servicio
Servicio de Tejido Fin
sds
15
5. Durante la corrida de produccin se van recogiendo los rollos de tela a medida que van saliendo para trasladarlos a los almacenes temporales de productos terminados (APT). 6. Se envan los pedidos de los artculos segn como van saliendo, hasta completar el pedido total a cada cliente.
2.3. Secuencia de operaciones en el rea de tejidos

1. Transporte del hilo del almacn (AMP) a las mquinas de trabajo. 2. Carga de filetas con el lote de hilado 3. Calibracin y ajuste de la longitud de malla y tensin de entrada de hilo 4. Tejido de 1 metro para control de longitud de malla 5. Control de inicio de mquina 6. Tejido 7. Pesado de rollo 8. Inspeccin del tejido 9. Transporte del rollo en parihuelas al almacn de tejidos crudos. En el Grfico (I.8) se representan las actividades y sus secuencias en el proceso de produccin de los tejidos, toda esta representacin se realiza a partir de la informacin que brindan los encargados de planta de produccin, apareciendo todas las actividades que ellos dicen haber considerado en los tiempos para determinar los rendimientos de cada tipo de mquina en la elaboracin de cada tipo de artculo. Este diagrama muestra la secuencia cronolgica de todas las operaciones en las mquinas del rea de tejedura, inspecciones, mrgenes de tiempo y materiales a utilizar en el proceso de fabricacin, desde la llegada de la materia prima hasta el empaque o arreglo final del producto terminado.
16
Grfico I.8 Diagrama de secuencias
Tiempo
Detalle Trasporte de Hilos del AMP. A las mquinas Carga de filetas con el lote de hilado Calibracin y ajuste de la longitud de malla y tensiones de entrada de hilo Tejido de 1 MT. Para control de longitud de malla Control de inicio de mquina Tejido Pesado de rollo(pieza) Inspeccin del tejido Transporte del rollo en parihuelas al almacn de tejidos Almacn de tejidos TOTAL
En la Tabla (I.1) se detalla los smbolos y la definicin de cada una de las actividades utilizadas en el diagrama de secuencia.
17
Tabla I.1 Representacin de las actividades Smbolo Actividad Definicin Cuando un objeto est siendo modificado en sus caractersticas; se est creando, agregando Operacin o se est preparando para otra operacin, transporte, inspeccin o almacenaje. Cuando un objeto o grupo de ellos son movidos de un lugar a otro, excepto cuando tales Transporte movimientos forman parte de una operacin o inspeccin. Cuando un objeto o grupo de ellos son examinados para su identificacin o para Inspeccin comprobar y verificar la calidad o cantidad de cualquiera de sus caractersticas. Cuando se interfiere en el flujo de un objeto o grupo de ellos. Con esto se retarda el siguiente Demora paso planeado. Ejemplos: pieza hace cola para ser pesada. Cuando un objeto o grupo de ellos son retenidos y protegidos contra movimientos o Almacenaje usos no autorizados. Almacn. Cuando se desea indicar actividades conjuntas Actividad combinada por el mismo operario en el mismo punto de trabajo.
3. Salida
Como salida tenemos los productos y los subproductos.
18
3.1. Productos Producto es el resultado que se obtiene al hacer funcionar las mquinas, los productos son los tejidos tubulares, es decir cerrados de gran dimetro, producindose en una variedad de nueve tipos, rollos de tejido de 20 Kg cada uno. El peso debe ser uniforme para que al ingresar a la tintorera y acabados no se generen saldos, pues ingresa a la tintorera con pesos mltiplos de 20 Kg Asimismo los pedidos que se recepcionan de los clientes son cuantificados por rollos. Los tejidos tienen dimensiones variables en el largo pero fijos en el ancho, adems los pesos deben ser uniformes, estas caractersticas dependen mucho del tipo de materia prima que se utiliza, algunos necesitan menos longitud para alcanzar el peso requerido de 20 Kg. Los tejidos de gnero de punto por trama se obtienen en nueve tipos, como se aprecia en la Tabla (I.2).
Tabla I.2 Caractersticas de Artculos Planta de Tejedura

Nombre de Producto Jersey Jersey Franela 2 hilos Picke Simple Picke Doble Ribb 1X1 Ribb 1X1 Interlock Interlock Cd. Art. Hilo Tt. 20/1 30/1 24/1 12/1 24/1 30/1 30/1 24/1 40/1 50/1 Tipo Crudo Crudo Crudo Crudo Crudo Crudo Crudo Crudo Crudo Artculo Unid. Rollo Rollo Rollo Rollo Rollo Rollo Rollo Rollo Rollo Kg. 20 20 20 20 20 20 20 20 20 Medidas(Mt.) L V V V V V V V V V A F F F F F F F F F P F F F F F F F F F
A1
A2
A3
A4
A5
A6 A7
A8
A9
Fuente: Empresa en Estudio L: Largo de la tela, A: Ancho de la tela, P: Peso de la tela, V: Variable, F: Fijo
Estos nueve tipos de artculos pueden ser tejidos en cualquiera de los tres tipos de mquinas. La materia prima base de los tejidos es el hilo de algodn el cual se 19
distingue por ttulos, el ttulo viene a ser el grosor del hilo, a mayor ttulo menor es el grosor del hilo. i) Estructura Jersey Es el ligamento clsico y el ms sencillo en los tejidos de punto, es la base para la mayora de los tejidos, se obtienen dos tipos de Jersey: 1) utiliza hilo en titulo 20/1. 2) utiliza hilo titulo 30/1. La principal caracterstica de esta estructura es que el derecho y el revs de la tela son fcilmente reconocibles, otras caractersticas de este tejido son su facilidad de estirarse tanto vertical como horizontalmente, su finura y su bajo peso. Su desventaja es la siguiente: si se rompe una puntada, el tejido se corre fcilmente, tiende a su vez a enrularse las orillas, hacia el envs en los laterales y hacia el haz en las orillas superior e inferior. Esta es una tela de peso ligero a medio y se vende en forma tubular o se corta y se vende plana.
Grfico I.9 Estructura de tejido Jersey
ii) Franela 2 hilos Este tejido se puede producir en cualquiera de los tres tipos de mquinas y para su tejido utiliza dos tipos de hilo a la vez, siendo estos hilos de ttulos 24/1 y 12/1. iii) Estructura Picke Este ligamento es conocido como falso ribb, en l en cada pasada teje la mitad de las agujas y en la sucesiva tejen las agujas que no han tejido en la pasada anterior. Se obtienen de dos tipos 1) el que utiliza hilo ttulo 24/1, 2) el que utiliza hilo ttulo 30/1. 20
Grfico I.10 Estructura de tejido Picke
iv) Estructura Ribb La puntada delantera y el punto revs del punto liso tienen una disposicin en cada vuelta, permitiendo al tejido buena elasticidad transversal. Las caractersticas del tejido ribb son su facilidad para el corte y confeccin de prendas, debido a que la tela no se curva por estar compensada y se estira a lo ancho; generalmente se utiliza en cuellos con collareta, se producen dos tipos de Ribb 1) el que utiliza hilo titulo 30/1 y 2) el que utiliza hilo 24/1. Una estructura acanalada est formada por columnas en el derecho y en el revs, pueden elaborarse en varias combinaciones: 1X1, 2X2, 2X3 y otros ms, pero la empresa produce principalmente la combinacin 1X1.
Grfico I.11 Estructura de tejido Ribb
v) Estructura Interlock Este tejido posee la misma apariencia en ambas caras es llamado tambin todas las agujas, aqu se tejen al mismo tiempo dos veces el ligamento ribb sobre una seleccin 21
de agujas 1x1 en el que la segunda pasada es complementaria a la primera, se obtienen en dos tipos 1) el que utiliza hilo titulo 40/1 y 2) el que utiliza hilo titulo 50/1. Su caracterstica principal es que las mallas estn compensadas desde la estructura por lo que resulta ms estable y firme que el tejido jersey y posee menor elongacin que el mismo. Las tejidos interlock se componen de dos puntadas acanaladas 1X1 que se entrelazan. Ambos lados de la tela son semejantes y se parecen al lado del derecho del jersey simple. El tejido interlock se estira como el jersey simple, pero la tela es ms firme. Las tejidos interlock no se enroscan, y se corren y destejen solo de un extremo, la mayora de las tejidos interlock son lisos y estampables. Grfico I.12 Estructura de tejido Interlock
3.2. Subproductos Los subproductos son los desperdicios que se generan por la rotura de hilos durante el tejido, a los cuales se le denominan waype, y son comercializados por kilos, los clientes son empresas o personas naturales que se encargan del reciclado.
4. Mecanismos
Tambin conocidos como recursos, estos son necesarios para el funcionamiento del rea de tejedura, entre los mecanismos tenemos: al personal y las maquinarias principalmente. 22
4.1. Mquinas Las mquinas para el tejido son circulares, estas mquinas Grfico (I.13), son de volmenes altos de produccin, ganan mayor eficiencia y mayor productividad.
Grfico I.13 Mquina circular de tejido
Fuente: Senati Pna. Norte
La clasificacin de mquinas con que cuenta la seccin de tejedura se aprecia en la Tabla (I.3).
23
Tabla I.3 Clasificacin de mquinas Planta de Tejedura

Tipos Nombres T01 T02 T03 Dimetro Tejido No Gran Punto Circulares Mayer dimetro por trama 30 Gran Punto Circulares Terrot dimetro por trama 49 Gran Punto Circulares Orizio, Vanguard dimetro por trama 21 Total Fuente: Empresa en estudio 100 Marca
4.2. Personal Cuenta con mano de obra directa e indirecta Tabla (I.4) altamente capacitada para tener en funcionamiento la planta de tejedura en tres turnos, 25 das al mes.
Tabla I.4 Personal del rea de tejedura

Tipos Nombres Cantidad Turnos Total 35 3 105 MOD Operarios de Mquina Jefe de planta 1 1 1 Supervisores MOI Control de Calidad Ayudantes Total Fuente: Empresa en estudio 1 2 3 3 3 3 3 6 9 124
5. Control
Son las polticas, normas o leyes que regulan el funcionamiento del proceso, entre ellas tenemos: los volmenes de pedidos de cada uno de los artculos y los inventarios de seguridad para atender ventas imprevistas o proyectadas.
24
b) Delimitacin temporal
En la realizacin del presente estudio de investigacin se cont con informaciones reales y actuales para formular y validar el modelo de Programacin Lineal Entera. Esta informacin es: nmero de artculos, volmenes de demanda y contribuciones unitarias de cada uno de los artculos, nmero y tipos de mquinas con los que se cuenta, en consecuencia como toda esta informacin debe ser mensual, se tom como referencia el mes de agosto del ao 2008, que en adelante se le denominar periodo. Para el caso del rendimiento de cada una de las mquinas para cada uno de los artculos que se producen, y alguna otra informacin necesaria se tom como referencia el ao 2008.
1.1.3. Formulacin del problema El problema

Actualmente la forma como se lleva a cabo la asignacin de mquinas a rdenes de produccin, carece de sustento tcnico cientfico vlido, por esta razn se ignora que tal forma de asignacin sea la ptima; por lo tanto, la contribucin total que percibe la empresa en un periodo determinado posiblemente tampoco sea la mxima.
Preguntas de Investigacin
Cul es la asignacin ptima de mquinas a rdenes de produccin que permitir que la contribucin total en un periodo determinado sea mxima? La asignacin ptima de mquinas a rdenes de produccin tambin permitir obtener el volumen ptimo a producir? Cul es el volumen ptimo a producir que permitir que la contribucin total en un periodo determinado sea mxima? El subsistema que se estudia, es el rea denominada planta de tejedura, la cual inicia sus operaciones con la recepcin de los pedidos, luego los clasifica y genera las 25
rdenes de produccin, estas rdenes de produccin contienen el nmero de unidades necesarias a producir por cada uno de los nueve tipos de artculos, con el cual debe atender los requerimientos anticipados de los clientes, y adems debe producir una cantidad adicional aproximada de unidades para tener como inventario de seguridad y atender requerimientos posteriores de los clientes o alguna otra venta ocasional; habindose generado las rdenes de produccin se hace entrega a las personas encargadas para su ejecucin, estas personas, dada la experiencia con que cuentan y su conocimiento de cada una de las caractersticas de los artculos y de las mquinas, considerando que hay cien mquinas agrupadas en tres tipos y cada tipo con caractersticas diferentes, para cumplir con las rdenes de produccin, asignan una o ms mquinas a cada una de las rdenes de produccin, considerando algunos de los criterios, ms no todas a la vez. Alguno de los criterios que consideran las personas encargadas a realizar la asignacin de mquinas a rdenes de produccin son: 1. A los artculos con volmenes pequeos les asignan las mquinas con mayor rendimiento o capacidad, con la finalidad de librarse de una orden de trabajo lo ms pronto posible. 2. En otros casos a los artculos con volmenes pequeos les asignan la mnima cantidad de mquinas y adems con mnimo rendimiento o capacidad, con la finalidad de no distraer en trabajos pequeos la mayor cantidad de mquinas con mayor rendimiento o capacidad. 3. Tambin a los artculos con volmenes grandes les asignan el mayor nmero de mquinas posibles con mayor rendimiento o capacidad, con la finalidad de asegura el cumplimiento de la entrega de estos pedidos lo ante posible pues tienen la mayor demanda. Y as muchos otros criterios que las personas encargadas de distribuir la orden de produccin consideren las ms adecuadas desde sus puntos de vista, con el fin de cumplir con la entrega de los requerimientos anticipado de sus clientes. El problema radica precisamente en esto, en que la asignacin de mquinas a rdenes de
produccin, actualmente se lleva acabo de forma emprica. 26
Teniendo en cuenta que para tomar la decisin de asignar las mquinas a rdenes de produccin debemos considerar criterios como: Las mquinas estn clasificados en tres grupos o tipos. Cada tipo con un nmero determinado de mquinas. Cada tipo de mquina con rendimientos diferentes para cada tipo de artculo. Las rdenes de produccin contienen nueve tipos de artculos a producir. Cada tipo de artculo con volmenes mnimos y mximos diferentes. Cada artculo con mrgenes de contribucin diferentes. Se tiene pronsticos adicionales de demanda, inventarios de seguridad para demandas futuras, y otros ms. Considerar estos mltiples criterios una sola persona y sin ayuda de algn sistema
para tomar decisiones al asignar las mquinas a las rdenes de produccin creo que es simplemente imposible. Para dar solucin a este problema se ha determinado que es posible formular un modelo de Programacin Lineal Entera que considere a todos los criterios posibles con la finalidad de planificar de una manera ptima la asignacin de mquinas para ejecutar las rdenes de produccin, de tal manera que beneficie a la empresa maximizando sus contribuciones totales y optimizando la utilizacin de sus recursos, maquinarias, materiales, personal y otros. De esta manera tambin se contribuir a que la empresa pueda calcular y conocer con anticipacin la cantidad de recursos necesarios para cumplir con los requerimientos de sus clientes y al saber con cuanto de ingreso contar podr planificar de forma adecuada en la distribucin y asignacin de recursos para el buen funcionamiento integral del mismo. El problema, se representa en el grfico siguiente, Grfico (I.14).
27
Grfico I.14 Identificacin del problema

Clientes Proveedores Materiales e Insumos
Pedidos Recepcin y Clasificacin de Pedidos 1,2,,9 Art.
AMP
(Hilos)
Pedidos Clasificados
Distribucin
Mquinas Tipo 1 = 30 Genera Lote Mn. y Mx. a producir
..
1 Mquinas Tipo 2 = 49 30
Orden de Produccin Distribucin de Orden de Trabajo Volumen de demanda 1
..
49
Mquinas Tipo 3 = 21
problema
..
1 21
El
Recoleccin
APT 1,2,,9
Rollos de Tela
AMP.: Almacn de materia prima APT.: Almacn de productos terminados
1.1.4. Justificacin de la investigacin

La mayora de las empresas desarrollan sus actividades en conexin con otros
agentes (clientes-proveedores) y esta relacin condiciona el cumplimiento del objetivo que motiva su existencia. Para cumplir y mantener a estos agentes, en este caso a los clientes a quienes principalmente deben su existencia las empresas, deben 28
brindar un buen producto y a un
precio competitivo. El precio competitivo se
consigue, siendo eficientes en el proceso de produccin principalmente; las empresas al producir incurren en costos, estos son los costos de produccin, los cuales siempre estn en el centro de las decisiones empresariales, ya que todo incremento en los costos de produccin normalmente significa una disminucin de los beneficios de la empresa. En la empresa en la cual se realiza el estudio, uno de estos costos se genera de la forma como se realiza la asignacin de mquinas a rdenes de produccin la cual determina la contribucin total que se percibe. As, se ha considerado trascendente formular un modelo de Programacin Lineal Entera con el fin de determinar la contribucin total mxima que se puede obtener en un periodo determinado, para ello se debe contar con la asignacin ptima de mquinas a rdenes de produccin, para de esta manera contribuir con la reduccin de los costos de produccin, con lo cual se podr incrementar la competitividad de la empresa frente a sus principales competidores en el mbito local e internacional, preparndose de esa manera mediante la adopcin de un sistema de produccin que le permita ser mas eficiente como organizacin dndole la debida importancia y prestndole
atencin a las prioridades competitivas actuales del mercado: eficiencia, costos, fechas de entrega y flexibilidad.
1.1.5. Limitaciones de la investigacin

Se han detectado las siguientes limitaciones que interfirieron en la realizacin del estudio. 1. Lugar o espacio donde se llev acabo el estudio: Si bien el estudio se realiz en la planta de tejedura de la empresa, no quiere decir que se accedi libremente a dichas instalaciones, se hizo de forma coordinada, puesto que se podra interferir con la labor diaria de la seccin, por ello que toda informacin necesaria debi solicitarse en las oficinas de la administracin, la cual coordinaba con los responsables para que se proporcione la informacin o se facilite los archivos para recabarlos. Y cuando fue necesaria la realizacin de alguna rutina de reconocimiento del proceso, se solicit autorizacin. La informacin que fue proporcionada permiti acceder a los rendimientos,
demandas anticipadas, proyectadas, contribuciones de cada artculo, entre otra. 29
Esta informacin o datos proceden de fuentes secundarias, de algunos registros que la empresa facilit o en algn caso lo enviaron ya resumidos. De alguna manera esta es una limitacin puesto que no se puede corroborar si los datos han sido tomados de forma correcta o si se han considerado todos los criterios necesarios para una buena recoleccin de datos. 2. Tiempo: Para fines de investigacin la empresa estableci entre 4 a 6 horas por
da. Tiempo realmente insuficiente, teniendo en cuenta adems que son slo 2 a 3 das por semana. 3. Personal: Debido a la escasa disponibilidad de tiempo de los profesionales y tcnicos del rea textil de la empresa, no fue posible contar con el asesoramiento suficiente de los profesionales y tcnicos de la empresa, razn por la cual acudimos a realizar consultas al SENATI y a la Escuela de Ingeniera Textil de la Universidad Nacional de Ingeniera. 4. Material: El material bibliogrfico sobre tejido de punto por trama en el pas, tal como libros, revistas, tesis, monografas, es escaso.
1.2. Objetivos
a) Objetivo general
Determinar la contribucin total mxima de cada uno de los artculos que se produce para un periodo determinado, mediante la formulacin de un modelo de Programacin Lineal Entera que realice la asignacin ptima de mquinas a rdenes de produccin.
b) Objetivos especficos
Dentro de los objetivos especficos tenemos: 1. Para maximizar la contribucin total del periodo, el modelo que se formule debe determinar la asignacin ptima de mquinas a rdenes de produccin,
involucrando el mayor nmero de criterios posibles como: rendimientos de las mquinas, volmenes adecuados, contribuciones unitarias y otros ms. 30
2. Con el modelo de Programacin Lineal Entera que se formule no slo se obtendr la asignacin ptima de mquinas a rdenes de produccin sino tambin los volmenes ptimos a producir de cada uno de los nueve tipos de artculo, a fin de lograr un mximo aprovechamiento de los recursos: materiales, personal, mquinas, espacio fsico y otros ms. 3. Al contar con informacin anticipada como el volumen ptimo de produccin, se podr ayudar a los departamentos involucrados en la planificacin de la cantidad necesaria de cada uno de los recursos involucrados en la produccin, tales como: la cantidad de materia prima, mano de obra directa, horas extras si es necesario y otros ms. 4. Al disponer oportunamente de informacin acerca de los volmenes ptimos a producir de cada uno de los nueve tipos de artculos, tambin ser posible
determinar la contribucin total mensual que se percibir de cada uno de ellos. 5. El contar con informacin anticipada como la contribucin total que se percibir en beneficio global de la empresa, ayudar a las personas involucradas a tomar decisiones sobre las obligaciones internas tales como salarios, mantenimientos y otros y externas tales como impuestos, seguros, proveedores, y otros, de forma adecuada, asimismo, ayudar a los encargados del rea financiera de la empresa, a proyectar el flujo de caja econmico financiero oportuna y adecuadamente.
1.3. Hiptesis y Variables a) Hiptesis

Si se determina la asignacin ptima de mquinas a rdenes de produccin, con el modelo de Programacin Lineal Entera, entonces, el margen de contribucin total mensual que perciba la empresa ser mximo.
b) Variables
1. xij : Nmero de mquinas tipo ( i ) asignadas a la produccin del artculo tipo ( j ), donde: i 1;2;3 y j 1;2;...;9
31
Por la funcin que cumple en la hiptesis Por el mtodo de estudio Por los valores que adquiere 2. z
: Independiente : Cuantitativa : Discreta
f ( xij ) : funcin objetivo a maximizar, es el margen de contribucin total que
percibir la empresa, donde: i 1;2;3 y j 1;2;...;9 Por la funcin que cumple en la hiptesis Por el mtodo de estudio Por los valores que adquiere : Dependiente : Cuantitativa : Continua
1.4. Marco Terico Conceptual

1.4.1. Antecedentes de la investigacin
Las empresas del sector primario tambin denominados extractivos(agricultura, ganadera, pesca, minera, petrleo, gas, entre otros), secundario o Industrial (construccin, maderera, textil, papelera, entre otros) y terciario o de servicios (bancos, seguros, trasporte, hotelera, entre otros), en especial de los pases desarrollados, dada la escasez inminente y encarecimiento de algunos recursos bsicos para su funcionamiento; se encuentran aplicando hoy, tcnicas de
Investigacin Operativa como la Programacin Lineal, Programacin no Lineal, Programacin Estocstica, mtodos de redes CPM-PERT, Mtodos Numricos,
Teora de Juegos y la Simulacin entre otras ms para resolver problemas de programacin de la produccin, con la finalidad de optimizar sus recursos como: tiempos, materiales , personal, e incrementar de esta manera sus contribuciones e igualmente reducir sus costos.
a) Antecedentes Generales
En nuestro medio, se realizaron aplicaciones tales como, los estudios realizados en una organizacin estatal, para la optimizacin de distribucin de programas alimentarios, en este caso utilizan una variante de Programacin Lineal, el Modelo de Transporte, el estudio se intitula La optimizacin del transporte en el Programa Alimentario PRONAA 32
Tambin tenemos en la industria privada de manufactura, para la asignacin de maquinarias en procesos de produccin, en este caso se aplica la Programacin Lineal Binaria, una variante de la Programacin Lineal Entera, el estudio se intitula Modelo de asignacin aplicado a la manufactura en una cadena de abastecimiento
b) Antecedentes especficos
En la empresa en estudio no se ha realizado ningn estudio referente a asignacin ptima de recursos, ms aun de la asignacin de mquinas a rdenes de produccin. Se ha encontrado estudios de otras empresas pero del tipo de asignacin de mquinas mediante la Programacin Lineal Entera Binaria.
1.4.2. Definiciones de trminos bsicos

1. La Observacin CARRASCO [3] p. 282, define de la siguiente manera:
En trminos mas especficos, la observacin se define como el proceso sistemtico de obtencin, recopilacin y registro de datos empricos de un objeto, un suceso, un acontecimiento o conducta humana con propsitos de procesarlo y convertirlo en informacin
2. Parmetros Trmino numrico de las ecuaciones matemticas dependiendo del mbito de aplicacin del modelo. 3. Constantes Trmino numrico de las ecuaciones matemticas cuyo valor es invariable dentro del marco espacial y temporal de aplicacin del modelo. 4. Inventarios Inventarios son bienes tangibles que se tienen para la venta en el curso ordinario del negocio o para ser consumidos en la produccin de bienes o servicios para su 33 cuyo valor puede variar
posterior comercializacin. Los inventarios comprenden, adems de las materias primas, productos en proceso y productos terminados o mercancas para la venta. 5. Demanda Se denomina demanda al acto, actitud o predisposicin de adquirir bienes y/o servicios. 6. Contribucin Marginal Se llama "contribucin marginal" o "margen de contribucin" a la diferencia entre el Precio de Venta y el Costo Variable Unitario. Contribucin Marginal = Precio de Venta - Costo Variable Unitario Se le llama "margen de contribucin" porque muestra como "contribuyen" los precios de los productos o servicios a cubrir los costos fijos y a generar utilidad, que es la finalidad que persigue toda empresa.
Grafico I.15 Contribucin Marginal
Utilidad
Precio de Venta Unitario
Costo Fijo Unitario
Contribucin Marginal
Costo Variable Unitario
Se pueden dar las siguientes alternativas: i) Si la contribucin marginal es "positiva", contribuye a absorber el costo fijo y a dejar un "margen" para la utilidad o ganancia. 34
ii) Cuando la contribucin marginal es igual al costo fijo, y no deja margen para la ganancia, se dice que la empresa est en su "punto de equilibrio". No gana, ni pierde. iii) Cuando la contribucin marginal no alcanza para cubrir los costos fijos, la empresa puede seguir trabajando en el corto plazo, aunque la actividad de resultado negativo. Porque esa contribucin marginal sirve para absorber parte de los costos fijos. iv) La situacin ms crtica se da cuando el "precio de venta" no cubre los "costos variables", o sea que la "contribucin marginal" es "negativa". En este caso extremo, es cuando se debe tomar la decisin de no continuar con la elaboracin de un producto o servicio. 7. Pronsticos Es el proceso de estimacin en situaciones de incertidumbre. El trmino prediccin es similar, pero ms general, y generalmente se refiere a la estimacin de series temporales o datos instantneos. El pronstico ha evolucionado hacia la prctica del plan de demanda en el pronstico diario de los negocios. La prctica del plan de demanda tambin se refiere al pronstico de la cadena de suministros. 8. Problema de Programacin Lineal en forma cannica. El modelo de un programa lineal est en forma cannica si el objetivo es maximizar una funcin lineal sujeta a restricciones estructurales exclusivamente de la forma , y las variables solamente admiten valores no-negativos. 9. Problema de Programacin Lineal en forma mixta. El modelo de un programa lineal est en forma mixta, cuando la funcin objetivo es la maximizacin o la minimizacin de una funcin lineal sujeta a restricciones estructurales de la forma o , y las variables de decisin solo admiten valores no-negativos.
35
1.4.3. Bases tericas 1.4.3.1. Optimizacin

La optimizacin es una parte relevante dentro de la Investigacin Operativa,
consiste en la seleccin de una alternativa mejor, en algn sentido que las dems alternativas posibles, es un concepto inherente a toda la Investigacin Operativa, sin embargo, determinadas tcnicas propias de la Investigacin Operativa se recogen bajo el nombre de optimizacin o programacin matemtica.. Resolver un problema de optimizacin consiste en encontrar el valor que
deben tomar las variables para hacer ptima la funcin objetivo satisfaciendo el conjunto de restricciones. 1. Variables: Representan las decisiones que se pueden tomar para afectar el valor de la funcin objetivo. Desde un punto de vista funcional se pueden clasificar en variables independientes o principales o de control y variables dependientes o auxiliares o de estado, aunque matemticamente todas son iguales. En el caso de un sistema elctrico sern los valores de produccin de los grupos de generacin o los flujos por las lneas. En el caso de la venta, la cantidad de cada producto fabricado y vendido. En el caso de la
fabricacin de un producto, sus dimensiones fsicas. 2. Funcin objetivo: Es la medida cuantitativa del funcionamiento del sistema que se desea optimizar (maximizar o minimizar). Como ejemplo de funciones objetivo se pueden mencionar: la minimizacin de los costes variables de operacin de un sistema elctrico, la maximizacin de las contribuciones
netos de venta de ciertos productos, la minimizacin del cuadrado de las desviaciones con respecto a unos valores observados, la minimizacin del
material utilizado en la fabricacin de un producto, etc. 3. Restricciones: Representan el conjunto de relaciones (expresadas mediante
ecuaciones e inecuaciones) que ciertas variables estn obligadas a satisfacer. Por ejemplo, las potencias mxima y mnima de operacin de un grupo de generacin, la capacidad de produccin de la fbrica para los diferentes
productos, las dimensiones del material bruto del producto, entre otros. 36
1.4.3.2. Clasificacin de los mtodos de optimizacin

No existe ningn mtodo de optimizacin que pueda resolver eficientemente todo tipo de problemas y de ah que se hayan desarrollado diversos mtodos a lo largo de los aos, a los mtodos de optimizacin tambin se les llama programacin matemtica.
a) Mtodos clsicos
Que son los que habitualmente se explican Operaciones y se encuentran: Programacin Lineal Programacin Lineal Entera Programacin Lineal Entera Mixta Programacin estocstica Programacin dinmica Mtodos hbridos De forma muy general y aproximada se puede decir que los mtodos en los libros Investigacin de
clsicos buscan y garantizan un ptimo local.
b) Mtodos metaheursticos
Que aparecieron ligados a lo que se denomin inteligencia artificial y se otros), el mtodo del
incluyen los algoritmos evolutivos (genticos entre recocido simulado o simulated tab, annealing
o las bsquedas
heursticas mtodo
bsqueda aleatoria, entre otros. Los mtodos metaheursticos tienen
mecanismos especficos para alcanzar un ptimo global aunque no garantizan su alcance.
1.4.3.3. Programacin Lineal

LVAREZ [1] p. 44, conceptualiza de la siguiente manera:
37
Es una tcnica de optimizacin que consiste en la maximizacin o minimizacin de una funcin lineal, llamada funcin objetivo, sujeta a restricciones tambin lineales. El criterio de optimizacin es por lo general un objetivo econmico, por ejemplo maximizar un beneficio o minimizar un costo y por esta razn recibe el nombre de funcin econmica o funcin objetiva.
Los modelos de Programacin Lineal son ms utilizados que todos los otros tipos de optimizacin y abarcan cualquier tipo de actividad humana como micro y macroeconoma, finanzas, marketing, economa de la energa, organizacin de la produccin, planificacin de la operacin, seleccin de procesos, asignacin de tareas, ingeniera qumica, forestal, agrnoma, comercio internacional,
desarrollo econmico y muchos otros ms. Los problemas de Programacin Lineal se componen generalmente de estos tres ingredientes: 1. Variables: Las variables representan valores reales mayores o iguales a cero.
2. Funcin Objetivo
z c1 x1 c2 x2 cn xn
El criterio de optimizacin de la funcin objetivo es: Minimizar o Maximizar. 3. Restricciones: Las restricciones pueden ser de la forma:
a11 x1 a12 x2 a1n x1n a21 x1 a22 x2 a2 n xn b1 b2
bm
am1 x1 am 2 x2 amn xn
Los tres tipos de restricciones pueden darse simultneamente en el mismo problema. Y las restricciones de no negatividad
xj 0 ; j 1; 2;...; n i 1; 2;...; m
38
En las ecuaciones anteriores aij , bi , c j , son valores que se asumen conocidos; y el problema consiste en hallar los valores de las x j , que optimicen la funcin sujeta a las restricciones, las variables x j se llaman variables de decisin.
Forma Estndar de Problema de Programacin Lineal

En la forma estndar todas las restricciones se expresan como igualdades agregando variables de holgura o restando variables de exceso, para mayor detalle consltese: WINSTON [14] p. 135, a modo resumen podemos dejar la Tabla (I.5), segn la desigualdad que aparezca, y con el valor que deben estar las nuevas variables.
Tabla I.5 Variables de estandarizacin

Tipo de desigualdad Tipos de variables que aparecen -Exceso + Artificial +Artificial +Holgura
Luego de haber estandarizado el modelo, puede ocurrir que necesitemos aplicar el mtodo Simplex o el de las Dos Fases para dar solucin al Problema de Programacin Lineal.
1.4.3.4. Mtodos de solucin de Programacin Lineal a) El mtodo Grfico o Geomtrico

El mtodo grfico se utiliza para la solucin de Problemas de Programacin Lineal, representando geomtricamente a las restricciones, condiciones tcnicas y el objetivo; un modelo de Programacin Lineal se puede resolver en forma grfica si slo tiene dos variables, para modelos con tres o ms variables, el mtodo grfico es imprctico o imposible.
39
b) El Mtodo Simplex
El mtodo del simplex fue creado en 1947 por el matemtico George Dantzig. El lgebra matricial y el proceso de eliminacin de Gauss-Jordan para resolver un sistema de ecuaciones lineales constituyen la base del mtodo simplex. Para resolver un problema representado mediante un modelo estandarizado de Programacin Lineal como el siguiente: Maximizar o Minimizar z Sujeto a:
a11 x1 a12 x2 ,..., a1n xn a21 x1 a22 x2 ,..., a2 n xn xn xn
1
c1 x1 c2 x2 ,..., cn xn
cn 1 xn
,..., cn m xn
b1
2
b2
xn
m
bm
am1 x1 am 2 x2 ,..., amn xn
x1 ,..., x 0 xn 1 ,..., xn m 0 n
Variables Originales Variables de Ho lg ura
Se utiliza el tablero Simplex Tabla (I.6) para las iteraciones y darle solucin al Problema Lineal. Tabla I.6 Formato de tablero simplex
cj
c1
c2 x2 a12 a22
cn xn a1n a2n
cn
cn xn
0 1 0 0

0 0
cn
V. de Decisin
V. de Holgura
LD Sol.
cB
F i l a s
V. Bsicas
xB
1 2
x1 a11 a21
xn
1 0
xn
0 0 0 1
bi b1
cn
xn xn
1 2
cn
b2
cn
m
xn
zj cj zj
m
am1
z1
am 2
z2
amn
zn
0
2
bm
m
zn
zn
zn
C
Columnas
Fuente: Programacin Lineal, Mtodo Simplex
40
Sobre el algoritmo Simplex consltese: WINSTON [14] pp. 145.
c) El Mtodo de Dos Fases y el mtodo M.

Tambin conocido como el mtodo Simplex de Dos Fases. Cuando no es posible obtener en el problema inicial una base factible se agrega variables artificiales y se usa el mtodo de Dos Fases o el mtodo M para buscar la solucin ptima. Para mayor informacin sobre el mtodo M, consltese: WINSTON [14] pp.176 y para el mtodo Simplex de Dos Fases: WINSTON [14] pp. 181.
41
Grfico I.16 Algoritmo: Mtodos Simplex y de Dos Fases
No
Hay Var. Artificales?
Si
Mtodo Simplex
Mtodo dos Fases
Construimos 1ra Tabla
Construimos Tabla para Minimizar suma de Var. Artificiales
Cumple Criterio de optimalidad?
Si
Cumple criterio de optimalidad?
Si
No
No
Elegir Var. Entrante
Elegir Var. Entrante
Elegir Var. Saliente
Elegir Var. Saliente
Actualizar Tabla Actualizar Tabla
Si
F.Objetivo=0?
No
Eliminar Columna de Var. Artificiales
No existe Solucin
Dar Resultado
42
1.4.3.5. Programacin Lineal Entera

WINSTON [14] p. 465, conceptualiza de la siguiente manera:
Un problema de Programacin Entera es un PL en el cual algunas de las variables, o todas, tienen que ser nmeros enteros no negativos .
Problema Relajado. WINSTON [14] p. 466, conceptualiza de la siguiente manera:

El problema que se obtiene al omitir todas las restricciones enteras o 0-1 para las variables, se llama la relajacin programacin lineal de programacin entera.
Parece sensato calcular la solucin de un problema de programacin entera redondeando la solucin de la relajacin del problema de programacin lineal, pero el redondeo no es aconsejable debido a: i) La solucin redondeada no es necesariamente ptima. En muchos casos, ni siquiera estar cerca del ptimo. ii) La solucin redondeada puede no ser factible. No siempre es admisible que las variables de un Problema de Programacin Lineal tomen valores continuos, para dar solucin a este tipo de problemas se han creado mtodos. De acuerdo a sus caractersticas especficas los problemas de Programacin Lineal Entera pueden ser:
1. Programacin Lineal Entera Mixta

Un Problema es de Programacin Lineal Entera Mixta cuando solamente algunas de las variables toman valores enteros, los algoritmos mediante los cuales se busca la solucin de estos problemas son:
43
i.
Enumerativos Branch and Bound Balas, entre otros.
ii.
De descomposicin dual Benders, Otros
2. Programacin Lineal Entera Binaria (si-no)

Un problema es de Programacin Lineal Entera Binaria cuando las variables toman valores cero o uno.
3. Programacin Lineal Entera Pura

Un Problema es de Programacin Lineal Entera Pura cuando todas las variables toman nicamente valores enteros.
1.4.3.6. Algoritmos de solucin de Problemas de Programacin Lineal Entera

1. Enumerativos Estos algoritmos obtienen la solucin en base a enumerar, implcita o explcitamente, todas las soluciones posibles, escogiendo la mejor de todas ellas. ENUMERACIN EXPLCITA: Calcular todas las posibles soluciones y escoger la mejor de ellas, este mtodo tiene graves inconvenientes debido a la gran cantidad de tiempo que requiere enumerar, y hacer clculos de todas las posibles soluciones factibles e infactibles. ENUMERACIN IMPLCITA: Aplicar un conjunto de reglas para evitar enumerar soluciones infactibles o peores que la mejor solucin factible que se haya localizado hasta el momento. 44
Branch and Bound Balas, entre otros La familia de algoritmos enumerativos ms importante es la de los algoritmos Branch and Bound, prcticamente todos los softwares de Programacin Entera estn basados en un algoritmo del tipo Branch and Bound. 2. De planos cortantes Gomory, entre otros.
a) Algoritmo Branch and Bound

Tienen su origen en Land y Doig (1960). El primer paso para la resolucin de un modelo de Programacin Lineal Entera es resolver, mediante el mtodo Simplex, el Problema Lineal Asociado, si la solucin as obtenida es entera, habremos encontrado la solucin del modelo de Programacin Lineal Entera. En caso contrario, la solucin obtenida es una primera aproximacin a la solucin del modelo. El algoritmo Branch and Bound, muestra un procedimiento que permite, a partir del problema lineal asociado, ir explorando las soluciones enteras hasta encontrar el ptimo del modelo de Programacin Lineal Entera. Se trata de ir aadiendo restricciones al programa lineal asociado hasta encontrar la solucin entera ptima. Para ello se procede en dos pasos: ramificacin (Branch) y acotamiento (Bound).
A continuacin, se presenta el algoritmo Branch and Bound descompuesto en pasos:
Paso 0: Resolver el problema lineal asociado (PLA) al problema entero: misma funcin objetivo y restricciones, pero variables no enteras. Paso 1: Si la solucin obtenida es entera: finalizar. La solucin ptima ser aquella solucin entera con mejor valor de la funcin objetivo. Si no, ir al paso 2. 45
Paso 2: Escoger una variable bsica cuyo valor en la solucin x j no sea entero. Paso 3: Ramificacin: resolver dos nuevos problemas lineales. Al primero se le aade la restriccin: x j Al segundo aadiremos la restriccin: x j entero contenido en x j . Paso 4: Acotacin: de los dos problemas, escoger aquel que d como resultado un valor mejor de la funcin objetivo. Paso 5: Ir a paso 1.
xj
xj
mximo entero
1 donde x j
significa el mayor
Grfico I.17 Pasos del algoritmo Branch and Bound
Resolver PLA.
Solucin ptima
Si
Es entera la Solucin
No
Elegir una Var. Entera x cuyo j valor en la solucin de PLA. sea fraccional
Stop
Resolver 2 PL. iguales al anterior con las restricciones adicionales:
xj
xj
xj
xj
Elegir el problema que tenga el mejor valor de la funcin objetivo.
Analizar solamente el problema con mejor solucin que cualquiera de las soluciones anteriores
PLA.: Programacin Lineal Asociado, PL. : Programacin Lineal
46
1.4.3.7. Ejemplo
La empresa textil productora de tejidos, posee 30 mquinas clasificadas como tipo 1, con en cual puede producir 2 tipos de artculos A1 y A2 para satisfacer la demanda prevista de sus clientes fijos. Adems necesita de una produccin adicional como inventario de seguridad para demandas imprevistas. El rendimiento de una mquina trabajando el artculo A1 es de 137.50 rollos mensuales y trabajando el artculo A2 es de 210 rollos mensuales. La demanda anticipada es de 1,900 y 2,100 rollos mensuales para los artculos A1 y
A2 respectivamente.
La demanda adicional proyectada para cada tipo de artculo A1 y A2 es de 600 y 500 rollos mensuales respectivamente. Las contribuciones de cada tipo de artculo A1 y
A2 son de 90 y 76 nuevos soles por rollo respectivamente. Desarrolle un plan de
produccin que maximice las contribuciones y que realice la asignacin ptima de mquinas a las rdenes de produccin para cumplir con los requerimientos. En la tabla (I.7) se resumen los coeficientes de transformacin es decir la cantidad de mquinas disponibles, la capacidad de produccin y la contribucin de cada artculo.
Tabla I.7 Matriz de datos del ejemplo

Hacia Desde Contribuciones Mquina T01 T02 T03 Artculos
A1
c1 =90
A2
Unid.
c 2 =76
r2 =210
N1=30 N2 = 0 N3 = 0
r1 =137.50
Demanda Mnima (rollos) Mxima
f1 =1,900
f 2 =2,100
g1 =2,500 g 2 =2,600 N = 30
47
Donde:
c1 , c2
r1 , r2
: Contribuciones de cada tipo de artculo : Rendimientos de cada tipo de mquinas para cada tipo de artculos
f1 , f 2 : Volmenes mnimos de produccin para cada tipo de artculo

g1 , g 2
: Volmenes mximos de produccin para cada tipo de artculo, definidos cada uno como el volumen mnimo ms el volumen de demanda proyectada.
1. Formulacin del modelo de Programa Lineal Entera 1.1. Definicin de Variables

x1 = Nmero de mquinas asignadas a producir el artculo A1 x2 = Nmero de mquinas asignadas a producir el artculo A2
Dado que x1 y x2 pueden tomar distintos valores reciben el nombre de variables.
1.2. Planteamiento de Restricciones

Analizando ahora los volmenes de produccin para el artculo tipo A1 , de la tabla (II.4) se tiene:
v1 =Nmero de unidades a producir del artculo tipo A1
Si 1 unidad de la mquina produce 137.50 rollos del artculo A1 , en x1 unidades de mquina tipo T01 se producirn.
v1 137.50
Piezas de A1 x1 1 Unidad de mquina
(Unidades de A1 )
Para el artculo tipo A2 :
v 2 =Nmero de unidades a producir del artculo tipo A2

v2 210 Piezas de A2 x2 1 Unidad de mquina
48 (Unidades de A2 )
Entonces eliminando las unidades de medida, se expresan en forma matemtica de la siguiente forma:
v1 150.50 x1 v2 210 x2
(Unidades de A1 ) (Unidades de A2 )
Dado que la restriccin indica que el nmero mnimo de unidades a produccin para el artculo A1 es de 1,900 y para el artculo A2 es de 2,100 rollos mensuales, es evidente que las expresiones anteriores debern ser mayores o iguales a 1,900 y 2,100 respectivamente.
v1 1,900 reemplazando v1 tenemos: 137.50 x1 1,900
v2 2,100 reemplazando v 2 tenemos: 210 x2
2,100
Aplicando el mismo anlisis para los volmenes mximos, se tendrn las siguientes inecuaciones:
v1 v2 2,500 reemplazando v1 tenemos: 137.50 x1 2, 600 reemplazando v 2 tenemos: 210 x2 2,500
2, 600
1.3. Planteamiento de la Funcin Objetivo

Ahora bien, si el artculo tipo A1 genera una contribucin de 90 soles por unidades producidas, si la unidades producidas es v1 entonces el beneficio que se obtendr ser de 90v1 y para el artculo tipo A2 ser 76v2 , por lo tanto la contribucin total puede expresarse entonces como la suma de las contribuciones que dejan cada tipo de artculo.
z 90v1 76v2 , reemplazando v1 y v 2 , tenemos lo siguiente:
z 90(137.50 x1 ) 76(210 x2 ) , realizando las operaciones correspondientes tenemos que: z 12,375 x1 15,960 x2
49
Pero, lo que se requiere es que este beneficio no slo sea grande, sino que sea el mayor de todos; en una palabra, que sea el mximo, entonces se plantea el correspondiente programa Lineal Entero:
2. El Programa Lineal Entero

Maximizar z 12,375 x1 15,960 x2 Sujeto a:
137.50 x1 1,900
137.50 x1 2,500
210 x2
210 x2 x1 x2
2,100
2, 600 30
x1 , x2
0 , entera
3. Solucin del Problema de Programacin Lineal Entera

3.1. Estandarizacin del Problema de Programacin Lineal Estandarizando el modelo de Programacin Lineal, introduciendo variables de exceso, holgura y artificiales tenemos: Maximizar z 12,375 x1 15,960 x2 0 x3 0 x4 0 x5 0 x6 0 x7 0 x8 0 x9 Sujeto a:
137.50 x1 1x3 1x8 137.50 x1 1x4 210 x2 1x5 210 x2 1x6 x1 x2 1x7 x9 1,900
2,500 2,100
2, 600 30 0
x1 , x2 , x3 , x4 , x5 , x6 , x7 , x8 , x9
50
3.2. Se han utilizado variables artificiales en la estandarizacin? Si, se ha utilizado variables artificiales y estas variables son: x7 , x8 , x9 entonces tenemos un Problema de Programacin Lineal al que aplicaremos el mtodo de las dos fases. 3.3. Aplicacin del Mtodo de Dos Fases Construimos la tabla para minimizar la suma de las variables artificiales, entonces tenemos lo siguiente: Minimizar z 1x7 1x8 1x9 Sujeto a:
137.50 x1 1x3 1x8 137.50 x1 1x4 210 x2 1x5 210 x2 1x6 x1 x2 1x7 x9 1,900
Maximizar
1x7 1x8 1x9
2,500 2,100
2, 600 30 0
x1 , x2 , x3 , x4 , x5 , x6 , x7 , x8 , x9
Construyendo el tablero simplex 1 de la fase I:
Tabla I.8 Tablero Simplex 1

cj
0 0 0 0 0 0 -1 -1 -1 L.D. Sol.
cB
-1 0 -1 0 -1
xB x8 x4 x9 x6 x7
zj
zj
x1
137.5 137.5 0 0 1 -138.5 138.5
x2
0 0 210 210 1 -211 211
x3
-1 0 0 0 0 1 -1
x4
0 1 0 0 0 0 0
x5
0 0 -1 0 0 1 -1
x6
0 0 0 1 0 0 0
x7
0 0 0 0 1 -1 0
x8
1 0 0 0 0 -1 0
x9
0 0 1 0 0 -1 0
bi
1900 2500 2100 2600 30 -4030
10 12.381 30
cj
51
Tabla I.9 Fila 1 del tablero simplex 2

Fila anterior Restar Semipivote Multiplicar Fila pivote actualizado Igual Nueva Fila 1900 0 x 10 = 1900 137.5 0 x 0 = 137.5 0 0 x 1 = 0 -1 0 x 0 = -1 0 0 x 0 = 0 0 0 x -0.0048 = 0 0 0 x 0 = 0 0 0 x 0 = 0 1 0 x 0 = 1 0 0 x 0.0048 = 0
Tabla I. 10 Tablero Simplex 2

cj
0 0 0 0 0 0 -1 -1 -1 L.D Sol.
cB
-1 0 0 0 -1
xB x8 x4 x2 x6 x7
zj
zj
x1
137.5 137.5 0 0 1 -138.5 138.5
x2
0 0 1 0 0 0 0
x3
-1 0 0 0 0 1 -1
x4
0 1 0 0 0 0 0
x5
0 0 -0.0048 1 0.0048 -0.0048 0.0048
x6
0 0 0 1 0 0 0
x7
0 0 0 0 1 -1 0
x8
1 0 0 0 0 -1 0
x9
0 0 0.0048 -1 -0.0048 0.0048 -1.0048
bi
1900 2500 10 500 20 -1920
13.8182 18.1818 20
cj

cj
0 0 0 0 0 0 -1 -1 -1
L.D Sol.
cB
0 0 0 0 -1
xB x1 x4 x2 x6 x7
zj
x1
1 0 0 0 0 0
x2
0 0 1 0 0 0 0
x3
-0.0073 1 0 0 0.0073 -0.0073 0.0073
x4
0 1 0 0 0 0 0
x5
0
x6
0 0
x7
0 0 0 0 1 -1 0
x8
0.0073 -1 0 0 -0.0073 0.0073 -1.0073
x9
0 0 0.0048 -1 -0.0048 0.0048 -1.0048
bi
13.8182 600 10 500 6.1818 -6.1818
600 850
-0.0048 1 0.0048 -0.0048 0.0048
0 1 0 0 0
cj
zj
52

cj
0 0 0 0 0 0 -1 -1 -1
L.D Sol.
cB
0 0 0 0 -1
xB x1 x3 x2 x6 x7
zj zj
x1
1 0 0 0 0 0 0
x2
0 0 1 0 0 0 0
x3
0 1 0 0 0 0 0
x4
0.073 1 0 0 -0.0073 0.0073 -0.0073
x5
0 0 -0.0048 1 0.0048 -0.0048 0.0048
x6
0 0 0 1 0 0 0
x7
0 0 0 0 1 -1 0
x8
0 -1 0 0 0 0 -1
x9
0 0 0.0048 -1 -0.0048 0.0048 -1.0048
bi
18.1818 600 10 500 1.8182 -1.8182
500 381.8182
cj

cj
0 0 0 0 0 0 -1 -1 -1 L.D Sol.
cB
0 0 0 0 0
xB x1 x3 x2 x6 x5
zj
zj
x1
1 0 0 0 0 0 0
x2
0 0 1 0 0 0 0
x3
0 1 0 0 0 0 0
x4
0.0073 1 -0.0073 1.5273 -1.5273 0 0
x5
0 0 0 0 1 0 0
x6
0 0 0 1 0 0 0
x7
0 0 1 -210 210 0 -1
x8
0 -1 0 0 0 0 -1
x9
0 0 0 0 -1 0 -1
bi
18.1818 600 11.8182 118.1818 381.8182 0
cj
3.4. Son todos los c j
zj
0?
Si, por lo tanto cumple con el criterio de optimalidad, es decir detenemos el proceso de iteracin de la primera fase. 3.5. La Funcin objetivo es cero? Si, la funcin objetivo z 0 , por lo tanto existe alguna solucin posible para el problema, por lo que podemos pasar a la fase II para calcularla. 53
3.6. Construimos el nuevo tablero simplex
Tabla I.14 Tabla Simplex 6

cj
12,375 15,960 0 0 0 0 L.D Sol.
cB
12,375 0 15,960 0 0
xB x1 x3 x2 x6 x5
zj zj
x1
1 0 0 0 0 12,375 0
x2
0 0 1 0 0 15,960 0
x3
0 1 0 0 0 0 0
x4
0.0073 1 -0.0073 1.5273 -1.5273 -26.0727 26.0727
x5
0 0 0 0 1 0 0
x6
0 0 0 1 0 0 0
bi
18.1818 600 11.8182 118.1818 381.8182 413,618.1818
2500 600 77.3810 -
cj

cj
12,375 15,960 0 0 0 0 L.D Sol.
cB
12,375 0 15,960 0 0
xB x1 x3 x2 x4 x5
zj zj
x1
1 0 0 0 0 12,375 0
x2
0 0 1 0 0 15,960 0
x3
0 1 0 0 0 0 0
x4
0 0 0 1 0 0 0
x5
0 0 0 0 1 0 0
x6
-0.0048 -0.6548 0.0048 0.6548 1 17.0714 -17.0714
bi
17.6190 522.6190 12.3810 77.3810 500 415,635.7143
cj
3.7. Son todos los c j Como c j

zj
zj
0?
0 cumple con el criterio de optimalidad, encontramos la
solucin ptima.
54
3.8. Resultado preliminar

x1 17.6190
x2 12.3810 z 415,635.7143
Esto nos indica que la manera ptima de asignar las mquinas a las rdenes de produccin es: 17.6190 mquinas deben ser asignadas a trabajar el artculo tipo A1 y 12.3810 mquinas deben ser asignadas a trabajar el artculo tipo A2 . El volumen de artculos a obtener es: 2,422.6125 2,600 rollos del tipo A1 y rollos del tipo A2 .
Con ello la contribucin total mxima que se puede obtener es de: 415,635.7143 nuevos soles. Pero como la solucin no es entera, entonces aplicamos el algoritmo Branch and Bound. 3.9. Algoritmo Branch and Bound Convenientemente, primero tomamos la variable x1 cuya representacin con el algoritmo Branch and Bound se muestra en el Grfico (I.18).
55
Grfico I.18 Algoritmo Branch and Bound nodos 1A y 2A

12,375 x1 15,960 x2 137.50 x1 1,900 137.50 x1 210 x2 210 x2 x1 x2 2,500 2,100 2, 600 30
x1 17.62 x2 12.38
0
415, 635.72
x1 17
x1 18
1 No Factible
2 No Factible
Nodo 1A ( x1 17 ): tenemos el nuevo Programa Lineal Maximizar z 12,375 x1 15,960 x2 Sujeto a:

137.50 x1 1,900
137.50 x1 x1 17 2,500
210 x2
210 x2 x1 x2
2,100
2, 600 30
x1 , x2
La solucin al nodo 1A aplicando el mtodo grfico, se puede apreciar en el Grfico (I.19).
56
Grfico I.19 Solucin grfica del PPL del nodo 1A

x2
30 __
C 5 : x1 x2 30
25 __
C1:137.50 x1
1900
20
__
C 6 : x1 17 C 2 :137.50 x1
2500
15 __
C 4 : 210 x2
10 __
2600
C 3 : 210 x2
2100
5 __
__ 0 5 10 15 20 25 30
x1
PPL.: Problema de Programacin Lineal
No es factible la solucin en el nodo 1A. Nodo 2A ( x1 18 ): tenemos el nuevo Programa Lineal. Maximizar z 12,375 x1 15,960 x2 Sujeto a:
137.50 x1 1,900
137.50 x1 2,500
x1 18 210 x2
210 x2 x1 x2
2,100
2, 600 30
x1 , x2
57
Tampoco es factible la solucin en el nodo 2A. Como en ninguno de los nodos hemos encontrado solucin alguna entonces repetimos los pasos anteriores pero esta vez con la variable x2 , cuya representacin con el algoritmo Branch and Bound se muestra en el Grfico (I.20).
Grfico I.20 Algoritmo Branch and Bound nodos 1B y 2B

12,375 x1 15,960 x2 137.50 x1 1,900 137.50 x1 210 x2 210 x2 x1
12,375 x1 15,960 x2 137.50 x1 1,900 137.50 x1 x2 12 210 x2 210 x2 x1 x2 2,100 2, 600 30 2,500
2,500 2,100 2, 600 30
x1 17.62 x2 12.38
0
x2
415, 635.72
x2 12
x2 13
x1 18 x2 12 z 414, 270.00
2 No Factible
Nodo 1B ( x2 12 ): tenemos el nuevo Programa Lineal. Maximizar z 12,375 x1 15,960 x2 Sujeto a:

137.50 x1 1,900
137.50 x1 2,500
210 x2
210 x2 x2 12
2,100
2, 600
58
x1
x2
30
x1 , x2
La solucin al nodo 1B aplicando el mtodo grfico, se puede apreciar en el Grfico (I.21).
Grfico I.21 Solucin grfica del PPL del nodo 1B

x2
30 __
c5: x1
x2
30
25 __
c1:137.50x1
1900
c 2 :137.50x1 2500
20
__
15 __ (18,12) 10 __
c 4 : 210 x2 2600
c6 : x2
12
2100
c3 : 210x2
5 __
__ 0 5 10 15 20 25 30
x1
PPL.: Problema de Programacin Lineal
En el nodo 1B se obtiene una solucin entera, siendo estos valores que toman las variables:
x1 18 x2 12 z 414, 270
Nodo 2B ( x2
13 ): tenemos el nuevo Programa Lineal.
Maximizar z 12,375 x1 15,960 x2 59
Sujeto a:
137.50 x1 1,900
137.50 x1 2,500
210 x2
x2 13
2,100
210 x2 x1 x2
2, 600 30
x1 , x2
No es factible la solucin en el nodo 2B, por lo tanto la solucin al Problema de Programacin Lineal est en el nodo 1B.
4. Resultado final
En este caso la solucin est representada en el nodo 1B, bast un nivel de nodos para encontrar la solucin entera que maximice la funcin objetivo, se busca una solucin entera por que la variable de decisin es el nmero de mquinas que se va a asignar a las rdenes de produccin, no se puede asignar 17.62 mquinas mucho menos 12.38, por eso la importancia de aplicar el mtodo de Branch and Bound para encontrar la solucin a este tipo de Problemas de Programacin Lineal. Luego de la aplicacin de la metodologa se ha determinado la siguiente solucin: 18 mquinas deben asignarse a las rdenes de produccin del artculo A1 . 12 mquinas deben asignarse a las rdenes de produccin del artculo A2 . Con estos valores ahora calculamos el total de unidades a obtener de cada tipo de artculo y la contribucin total. 1. Volumen por tipo de artculo 18 x 137.50= 2,475 Rollos del artculo A1 12 x 210.00= 2,520 Rollos del artculo A2 60
2. Contribuciones por tipo de artculo y contribucin total 2,475 x 90= 222,750 Nuevos Soles 2,520 x 76= 191,520 Nuevos Soles 414,270 Nuevos Soles Siendo este valor la contribucin total mxima a obtener, no habr otra forma de asignacin que genere un valor mayor a este monto. En la tabla (I.16) se muestran los posibles valores que toman x1 y x2 . Los volmenes que producen y las contribuciones por artculo y el total, se realizan bajo los mismos criterios del clculo anterior.
Tabla I.16 Otros posibles valores de x j

Val. de x j Volumen Contribuciones
x1
14 15 16 17 18 19 20
x2
16 15 14 13 12 11 10
A1
1,925.000 2,062.500 2,200.00 2,337.50 2,475.00 2,612.50 2,750.00
A2
3,360.000 3,150.000 2,940.000 2,730.000 2,520.000 2,310.000 2,100.000
A1
173,250.00 185,625.00 198,000.00 210,375.00 222,750.00 235,125.00 247,500.00
A2
255,360.00 239,400.00 223,440.00 207,480.00 191,520.00 175,560.00 159,600.00
Total 428,610.00 425,025.00 421,440.00 417,855.00 414,270.00 410,685.00 407,100.00
Podemos observar que hay combinaciones de asignaciones que generan contribuciones mayores, pero, al analizar los volmenes obtenidos se aprecia que desbordan los volmenes mnimos o mximos requeridos, de esta manera se estaran violando algunas de las restricciones del modelo de Programacin Lineal.
61
1.5. Metodologa
1.5.1. Diseo de investigacin Tipo de diseo investigacin
El tipo de investigacin que se utiliz corresponde al transeccional(o transversal) descriptivo. 1. Diseo no experimental Puesto que no se hizo ninguna manipulacin de manera intencional a una o ms variables independientes (causas) para analizar las consecuencias de tal manipulacin sobre una o ms variables dependientes (efectos). no experimental,
1.1.Diseo transeccional o transversal

Puesto que la informacin y los datos que sirvieron para el estudio de investigacin fue recolectado en un momento determinado del tiempo, el ao 2008.
1.1.1. Diseo transeccional descriptivo

Puesto que se han necesitado analizar y conocer las caractersticas, rasgos, propiedades y cualidades del sistema en estudio en un momento determinado del tiempo.
2. El desarrollo del modelo es analtico

Para formular el modelo, se utiliz la Programacin Lineal y la Programacin Lineal Entera; para darle solucin el software utiliz el mtodo de simplex, el mtodo de dos fases y el algoritmo Branch and Bound (Ramificacin y acotamiento).
1.5.2. Mtodo de investigacin

Se emple el mtodo cientfico como mtodo general y como especfico al analgico, puesto que se necesit conocer la relacin esencial de los hechos del sistema en investigacin. 62
1.5.3. Poblacin y Muestra a) Poblacin

La poblacin la conform las cien mquinas con las que cuenta el sistema en estudio, a los cuales se les debe realizar la asignacin ptima a rdenes de produccin en un periodo determinado y as obtener la contribucin total mxima.
b) Muestra
La muestra estuvo conformada por tres mquinas, una de cada tipo, puesto que las cien mquinas estn agrupadas en tres tipos y cualquiera de las mquinas de un mismo tipo tiene la misma caracterstica y propiedades. En el caso de los rendimientos de cada mquina para cada tipo de artculos, que constan en los informes de produccin diaria y mensual, se registr
convenientemente la informacin de los ltimos seis meses, puesto que indica como se manifiesta los rendimientos de las mquinas en su estado actual, esto influye en los costos de los artculos por ende en las contribuciones de cada uno.
Tipo de muestreo
Se adopt el tipo de muestreo no probabilstico por que se conoce objetivamente las caractersticas y propiedades de la poblacin, en este caso las cien mquinas.
1.5.4. Tcnica de investigacin 1. Para la recoleccin de informacin

Se utiliz formatos diseadas por el investigador, las fuentes son archivos de reportes diarios y mensuales y otros ms.
1.1. Utilizacin de informacin disponible

Principalmente se utiliz esta tcnica de recoleccin de informacin, puesto que hay una gran cantidad de informacin recolectados por la empresa, que no
63
necesariamente han sido analizados o publicados. Localizar las fuentes y recuperar la informacin fue el punto de partida. Para registrar la informacin se adecu formatos dependiendo del tipo de
informacin que se tuvo, entre ellos se tiene: 1. Formato para clasificacin de artculos 2. Formato para la clasificacin de pedidos o volmenes de demanda. 3. Formato para el registro de las contribuciones unitarias de cada uno de los artculos que se produce. Estos tipos de informacin por lo general se obtuvieron de fuentes secundarias, como: Expediente sobre tipo y nmero de mquinas, nmero de artculos y caractersticas, sobre rendimientos de cada mquina, y otros ms.
2. Para la recoleccin de Datos 2.1. La observacin:

Principalmente se utiliz el mtodo de la observacin, los instrumentos de recoleccin de datos han sido formatos desarrollados por el interesado, para la representacin del sistema, clasificacin de las mquinas y recoleccin de muestras de rendimientos, entre otros. Para registrar los se adecu formatos dependiendo del tipo de informacin que se tuvo, entre ellos se tiene:
1. Formato para el nmero de mquinas por tipo 2. Formatos para el registro de muestras de los rendimientos de las mquinas.
64
CAPTULO II RECOLECCIN, PROCESAMIENTO Y ANLISIS DE DATOS

2.1. Recoleccin de Informacin
La informacin que fueron proporcionadas por la empresa y que fueron necesarias para la formulacin del modelo son las siguientes:
i) Nmero de artculos
Datos proporcionados por la empresa en estudio, puesto que ya lo tienen
contabilizado y clasificados, se utiliza una clasificacin adecuada de fcil manejo, dicha clasificacin se muestra en la tabla (II.1).
Tabla II.1 Clasificacin de artculos Planta de tejedura.

Denominacin del artculo Jersey Jersey Hilo Tipo Tt. Tipo 20/1 30/1 Crudo A1 Crudo A2 Crudo A4 Crudo A5 Crudo A6 Crudo A7 Crudo A8 Crudo A9
Franela 2 hilos 24/1,12/1 Crudo A3 Pike Simple Pike Doble Riba 1X1 Riba 1X1 Interlock Interlock 24/1 30/1 30/1 24/1 40/1 50/1
65
ii) Contribucin de cada artculo

Datos proporcionados por la empresa, puesto que ya cuentan con estudio de costos detallado, Aqu se registra la contribucin (soles) que se obtiene por una pieza de artculo comercializado, cada tipo de artculo genera mrgenes de contribucin diferentes. Los costos de produccin son diferentes, dependiendo del tipo de
recursos que se utiliza para su produccin, como materia prima, insumos, entre otros. Tabla (II.2).
Tabla II.2 Contribucin por tipo de artculo Planta de tejedura

Artculos Kg./Pieza Contribucin (s/.) por: Kg. 4.50 3.80 3.40 3.20 4.10 4.20 3.60 4.30 3.90 Rollos 90 76 68 64 82 84 72 86 78
A1
A2
20 20 20 20 20 20 20 20 20
A3
A4
A5
A6 A7
A8
A9
c j : Contribucin marginal del artculo j
Unidades
j 1; 2;...;9
: Soles/ Pieza
iii) Volmenes de demanda de artculos

Los requerimientos de los clientes fijos y eventuales son para el periodo agosto 2008, las cuales fueron proporcionadas, por la empresa en estudio, puesto que fueron realizados con dos semanas de anticipacin, a travs de Fax, correo electrnico, va 66
telefnico o en forma directa y es en base a estos pedidos que proyeccin de las demandas adicionales posibles.
se efecta la
d j : Rollos solicitadas por los clientes fijos o habituales para el periodo agosto 2008,
del Artculo ( j ). Unidades Donde : Rollos/mes : j 1; 2;...;9
Los datos de la demanda anticipada por tipo de artculo ( d j ), Tabla (II.3), que son los que los clientes solicitan para el abastecimiento posterior. Esa cantidad se debe cumplir obligatoriamente, de lo contrario hay una penalidad en perjuicio de la empresa.
Tabla II.3 Demanda anticipada Ago. 2008 (rollos/mes) Planta de tejedura

Tipos de Artculo Denominacin Hilo Tit. 20/1 30/1 tipo Crudo Crudo Demanda (dj ) 2,810 2,745 1,520 2,639 2,169 620 1,030 545 635
A1
A2
Jersey Jersey
A3
A4
Franela 2 hilos 24/1,12/1 Crudo Pike Simple Pike Doble Riba 1X1 Riba 1X1 Interlock Interlock 24/1 30/1 30/1 24/1 40/1 50/1 Crudo Crudo Crudo Crudo Crudo Crudo
A5
A6 A7
A8
A9
iv) Volmenes mnimos y mximos

Vienen a ser los parmetros que regulan el volumen de produccin en un determinado periodo. 67
a) Los volmenes mnimos ( f j ):

Que viene a ser el volumen que debemos producir y entregar obligatoriamente, Para determinar estos volmenes mnimos la empresa debe contar con datos como: demanda anticipada ( d j ) y El saldo en stock al finalizar el periodo anterior ( s j ): cuyo proceso de clculo mostramos en el Grfico (II.1).
Grfico II.1 Clculo del saldo al finalizar el periodo ( s j )

Devoluciones de Clientes De Planta de Produccin
(q j )
(k j )
Servicio de Terceros
(t j )
+
Actualizacin de Stock
Saldo al finalizar el Periodo
(s j )
(e j ) Entrega de Pedidos Anticipadas
(v j )
Ventas
sj
kj
qj
tj
ej
v j , donde
j 1; 2;...;9
s j : Saldo del artculo ( j ) al finalizar el periodo anterior. k j : Devolucin del artculo ( j ) por los clientes.
68
q j : Produccin del artculo ( j ) por la planta de la empresa.

t j : Recepcin de servicio de produccin del artculo ( j ) por parte de terceros.
e j : Entregas realizadas del artculo ( j ) a cada uno de los pedidos.

v j : Ventas realizadas del artculo ( j ).
Al contar con los datos anteriores, la empresa determinan los volmenes mnimos requeridos ( f j ), cuyo proceso de clculo segn nos manifiestan se muestra en el Grfico (II.2).
Grfico II.2 Clculo del volumen mnimo requerido ( f j )

Demanda anticipada
(d j )
+
Clculo de Volumen Mnimo a Producir
Volumen mnimo requerido

( fj)
(s j ) Saldo Final del Periodo Anterior
fj
dj
sj
donde
j 1; 2;...;9.
La demanda anticipada ( d j ) y el volumen mnimo requerido ( f j ), para el mes de agosto 2008 proporcionada por la empresa se muestra en la Tabla (II.4). 69
Tabla II.4 Vol. mnimo requerido ( f j ) (Rollos/Mes) Planta de tejedura Ago. 2008
Tipo de Artculo Volmenes
sj
dj
fj
dj
sj
A1
A2
0.00 2,810.00 0.00 2,745.00 0.00 1,520.00 0.00 2,639.00 0.00 2,169.00 0.00 620.00
2,810.00 2,745.00 1,520.00 2,639.00 2,169.00 620.00 1,030.00 545.00 635.00
A3
A4
A5
A6 A7
0.00 1,030.00 0.00 0.00 545.00 635.00
A8
A9
Fuente: Empresa en Estudio
d j : Demanda anticipada para el artculo ( j ) para el mes de agosto 2008
s j : Saldo del artculo ( j ) al finalizar el periodo (anterior) julio 2008, en este caso
consideraremos como ceros los saldos en almacn de productos terminados, siendo este generalmente mayor a cero en alguno de los artculos. Dado a que se realizan inventarios de medio ao y estaban en plena actividad no pudieron proporcionar esa informacin a tiempo, entonces se crey conveniente asumirlos como ceros.
f j : Volumen mnimo requerido del artculo ( j ) para el mes de agosto 2008, en este
caso f j
d j , siendo los valores de s j
iguales a cero todos, esto no cambia en
absoluto el funcionamiento del modelo.
b) Los Volmenes mximos ( g j )

Son los volmenes de produccin del artculo ( j ) que se debe aspirar a producir si es conveniente, puesto que este volumen permitir tener volumen adicional de
reserva para algn requerimiento extra de nuestros clientes fijos o para ventas inesperadas de algn cliente eventual, al no realizarse la venta de estos artculos 70
formarn parte de la produccin del siguiente periodo, para obtener el volumen mximo requerido es necesario conocer el pronstico de demanda adicional ( p j ), cuyo proceso de clculo se muestra en el Grfico (II.3).
El pronstico de demanda adicional ( p j ) son datos que la empresa obtiene a partir de la demanda anticipada, ms detalles como que mtodos o formulas aplica para realizar estos clculos no han sido revelados, para el estudio estos datos han sido proporcionados por la empresa ya calculados.
Grfico II.3 Clculo del volumen mximo ( g j )

Demanda anticipada (d j )
+
Pronstico de demanda adicional
( pj )
Volumen proyectado de demanda

( pj )
Volumen mnimo requerido

( fj)
Determina volumen mximo a producir

(g j )
Volumen mximo requerido

(g j )
gj
fj
pj
donde j 1; 2;...;9.
Estos datos ya calculados por la empresa se muestran en la Tabla (II.5).
71
Tabla II.5 Vol. mximo requerido ( g j ) (Rollos/Mes) Planta de tejedura Ago. 2008
Tipo de Artculo Volmenes
fj
pj
gj
fj
pj
A1
A2
2,810.00 1,239.00 2,745.00 1,198.00 1,520.00 537.00
4,049.00 3,943.00 2.057.00 3,772.00 3,031.00 801.00 1,359.00 701.00 821.00
A3
A4
2,639.00 1,133.00 2,169.00 620.00 1,030.00 545.00 635.00 862.00 181.00 329.00 156.00 186.00
A5
A6 A7
A8
A9
f j : Volumen mnimo requerido para el artculo ( j ) para el mes de agosto 2008
p j : Pronstico de demanda adicional o volumen proyectado de demanda esperada
del artculo ( j ) por parte de clientes fijos o eventuales, para el mes de agosto 2008, este es un dato.
g j : Volumen mximo requerido del artculo ( j ) para el mes de agosto 2008
La Tabla (II.6), muestra un resumen de los volmenes mnimos y mximos.
72
Tabla II.6 Vol. de produccin requerido (rollos/Mes) Planta de tejedura Ago. 2008
Volumen requerido Artculos Mnima ( f j ) Mxima ( g j )
A1
A2
2,810.00 2,745.00 1,520.00 2,639.00 2,169.00 620.00 1,030.00 545.00 635.00
4,049.00 3,943.00 2.057.00 3,772.00 3,031.00 801.00 1,359.00 701.00 821.00
A3
A4
A5
A6 A7
A8
A9
2.2. Recoleccin de datos

Algunos de los datos que se recolectaron dentro de la empresa nos sirvieron para realizar la representacin del sistema, sus procesos y los diagramas de secuencias; para ello se observ a las personas y mquinas; el propsito de la observacin fue determinar que se est haciendo, como se est haciendo, quien lo hace, cuando se lleva a cabo, cuanto tiempo toma, dnde se hace y por qu se hace. Tambin hay datos que fueron recolectados y que son necesarios para la formulacin del modelo dentro de ellos tenemos:
i) Nmero de mquinas
Aqu se registr cuantos tipos de mquina hay en la actualidad, pudiendo aumentar con el transcurrir del tiempo, adems se registra el nmero de ellas por cada tipo, tabla (II.7).
73
Tabla II.7 Clasificacin de mquinas Planta de tejedura

Mquinas Marca Mayer Terrot Orizio, Vanguard Total Fuente: Empresa en Estudio Tejidos Dimetro Gnero Gran De punto Dimetro por Trama Gran De punto Dimetro por Trama Gran Dimetro De punto por Trama
Tipo T01 T02 T03
Nombre
Cant. 30 49 21 100
Circulares Circulares Circulares
ii) Muestra de rendimiento de las mquinas

El rendimiento es uno de los datos muy importantes que se va utilizar en la formulacin del modelo de Programacin Lineal Entera. La empresa manifest, que en los rendimientos estn considerados todos los tiempos que requieren cada una de las actividades que aparecen en el formato del diagrama de secuencia o cursograma analtico por operacin. Estos datos fueron extrados de los registros de produccin mensual de la empresa, se tomaron los ltimos seis meses, en este caso de febrero, marzo, abril, mayo, junio y julio del ao 2008, puesto que los datos ms recientes son los se ajustan ms al rendimiento al estado actual de cada tipo de mquina, elaborando cada uno de los tipos de artculo. De esta manera, luego de avaluar las muestras se determin qu tipo de tratamiento estadstico se le debi dar para hallar la produccin mensual. En las tablas (II.8), (II.9) y (II.10), se aprecian los datos sobre los rendimientos (rollos/mes) de cada una de los tipos de mquina para cada uno de los tipos de artculos que se producen en la empresa.
74
Tabla II.8 Muestra de rendimiento mensual mquina T01 Planta de tejedura

Tipos de Artculo Muestra (rollos/mes)-2008 Feb. Mar. Abr. May. Jun. Jul. 136.50 138.00 138.25 136.25 138.50 137.50 209.00 210.00 211.00 209.00 210.00 211.00 157.00 158.00 157.00 159.00 158.00 159.00 183.50 182.50 182.00 181.50 183.00 182.50 203.50 202.50 202.00 201.50 203.00 202.50 182.50 183.00 181.50 182.00 182.50 183.50 117.50 118.00 116.50 117.00 117.50 118.50 180.25 180.50 179.25 180.00 180.25 181.25 118.50 120.00 120.25 118.25 120.50 119.50 Fuente: Empresa en Estudio
A1
A2
A3
A4
A5
A6 A7
A8
A9

A1
A2
A3
A4
A5
A6 A7
A8
A9
75

A1
A2
A3
A4
A5
A6 A7
A8
A9
2.3. Procesamiento y anlisis de datos

2.3.1. Tratamiento Estadstico
Una vez obtenido los seis datos o muestras de los rendimientos de cada tipo de mquina para cada uno de los tipos de artculos, era necesario determinar el rendimiento nico de estos. Para el cual se utiliz el promedio aritmtico o media, pero, para aceptar si esta media era representativa de los datos o muestra, se tuvo que verificar y para la verificacin se ha utilizado el estadstico Coeficiente de Variacin Porcentual CV(X) %. El CV(X) % nos muestra que tan dispersos se comportan los datos o muestras con respecto a la media. Si los datos o muestras son dispersos, entonces la media no es representativa de los datos o muestras, por el contrario si los datos o muestras no son dispersos, entonces la media si es representativa de los datos o muestras. Para determinar si la media tiene o no buena representatividad de los datos o muestras la empresa utiliza la siguiente tabla, Tabla (II.11).
76
Tabla II.11 Representatividad de la media para muestras Laboratorio Interpretacin Prueba de Campo
0 CV ( X )% 8%
Bueno-Muy Bueno Aceptable Malo- a desechar
0 CV ( X )% 10%
8% CV ( X )% 12% CV ( X )% 12%
10% CV ( X )% 15% CV ( X )% 15%
Para el clculo del Coeficiente de Variacin Porcentual fue necesario calcular los siguientes datos a partir de los datos o muestras, para realizar los clculos se ha utilizado el software SPSS V15.
Media:
n
xi X
i 1
Varianza:
n
( xi V (X )
i 1
X )2
Desviacin Estndar o Tpica:
S( X )
V (X )
Coeficiente de Variacin:
CV ( X ) S X
El Coeficiente de Variacin Porcentual:

CV ( X )% S 100 X
77
a) Analizando las muestras de rendimientos de la mquina Tipo 1 para los nueve tipos de Artculo:
Tabla II.12
Mquina T01 Estadsticos descriptivos N VAR00001 VAR00002 VAR00003 VAR00004 VAR00005 VAR00006 VAR00007 VAR00008 VAR00009 N vlido (segn lista) 6 6 6 6 6 6 6 6 6 6 Mnimo Mximo Media Desv. tp. Varianza 136.25 138.5 137.5 0.9354 0.875 209 211 210 0.8944 0.8 157 159 158 0.8944 0.8 181.5 183.5 182.5 0.7071 0.5 201.5 203.5 202.5 0.7071 0.5 181.5 183.5 182.5 0.7071 0.5 116.5 118.5 117.5 0.7071 0.5 179.25 181.25 180.25 0.6519 0.425 118.25 120.5 119.5 0.9354 0.875 CV. 0.0068 0.0043 0.0057 0.0039 0.0035 0.0039 0.0060 0.0036 0.0078 CV% 0.6803 0.4259 0.5661 0.3875 0.3492 0.3875 0.6018 0.3617 0.7828
Fuente: Software Estadstico SPSS
Variables: VAR0001: Indica el rendimiento de la mquina Tipo 1 trabajando el artculo Tipo 1 VAR0002: Indica el rendimiento de la mquina Tipo 1 trabajando el artculo Tipo 2
VAR0009: Indica el rendimiento de la mquina Tipo 1 trabajando el artculo Tipo 9
Como se puede apreciar en la columna de Coeficientes de Variacin Porcentual (CV(X) %) para cada una de las Variables, VAR0001, VAR0002,, VAR0009 es muy pequea es decir las muestras no estn dispersos por lo tanto son homogneas, estn dentro del rango permisible como muy bueno, entonces la media tienen una buena representatividad de las muestras. b) Analizando las muestras de rendimientos de la mquina Tipo 2 para los nueve tipos de Artculo:
78
Tabla II.13
Mquina T02 Estadsticos descriptivos N VAR00001 VAR00002 VAR00003 VAR00004 VAR00005 VAR00006 VAR00007 VAR00008 VAR00009 N vlido (segn lista) 6 6 6 6 6 6 6 6 6 6 Mnimo Mximo Media Desv. tp. Varianza 129 131 130 0.8944 0.8 121.5 123.5 122.5 0.8367 0.7 159 161 160 0.8944 0.8 161.5 163.5 162.5 0.8367 0.7 143 146 145 1.2649 1.6 161.5 163.5 162.5 0.7071 0.5 115.75 117.75 116.75 0.7746 0.6 135.5 137.5 136.5 0.8367 0.7 132 136.5 134.5 1.6432 2.7 CV. 0.0069 0.0068 0.0056 0.0051 0.0087 0.0044 0.0066 0.0061 0.0122 CV% 0.6880 0.6830 0.5590 0.5149 0.8724 0.4351 0.6635 0.6129 1.2217
Variables:
VAR0001: Indica el rendimiento de la mquina Tipo 2 trabajando el artculo Tipo 1 VAR0002: Indica el rendimiento de la mquina Tipo 2 trabajando el artculo Tipo 2
VAR0009: Indica el rendimiento de la mquina Tipo 2 trabajando el artculo Tipo 9
Como se puede apreciar en la columna de Coeficientes de Variacin Porcentual (CV%) para cada una de las Variables, VAR0001, VAR0002,, VAR0009 es muy pequea es decir las muestras no estn dispersos por lo tanto son homogneas, estn dentro del rango permisible como muy bueno, entonces la media tienen una buena representatividad de las muestras. c) Analizando las muestras de rendimientos de la mquina Tipo 3 para los nueve tipos de Artculo:
79
Tabla II.14
Mquina T03 Estadsticos descriptivos N VAR00001 VAR00002 VAR00003 VAR00004 VAR00005 VAR00006 VAR00007 VAR00008 VAR00009 N vlido (segn lista) 6 6 6 6 6 6 6 6 6 6 Mnimo Mximo Media Desv. tp. Varianza 150.5 157 155 2.4290 5.9 145 150 147.5 1.8708 3.5 178 182 180 1.4142 2 125.5 129 127.5 1.3038 1.7 120.5 124.5 122.5 1.4491 2.1 168 172 170 1.4142 2 206.75 210.25 208.75 1.4491 2.1 206.75 210.25 208.75 1.4405 2.075 105 107.75 106.5 1.0840 1.175 CV. 0.0157 0.0127 0.0079 0.0102 0.0118 0.0083 0.0069 0.0069 0.0102 CV% 1.5671 1.2684 0.7857 1.0226 1.1830 0.8319 0.6942 0.6901 1.0178
Variables: VAR0001: Indica el rendimiento de la mquina Tipo 3 trabajando el artculo Tipo 1 VAR0002: Indica el rendimiento de la mquina Tipo 3 trabajando el artculo Tipo 2
VAR0009: Indica el rendimiento de la mquina Tipo 3 trabajando el artculo Tipo 9 Como se puede apreciar en la columna de Coeficientes de Variacin Porcentual (CV(X) %) para cada una de las Variables, VAR0001, VAR0002,, VAR0009 es muy pequea es decir las muestras no estn dispersos por lo tanto son homogneas, estn dentro del rango permisible como muy bueno, entonces la media tienen una buena representatividad de las muestras.
2.3.2. Resultados a) El rendimiento de cada uno de los tipos de mquina

Para la obtencin del rendimiento (rollos/mes) de cada mquina para cada tipo de artculo, se ha utilizado el promedio aritmtico, dado que la dispersin de las muestras respecto a la media no es significativa, es decir las muestras son
80
homogneas entonces la media tiene buena representatividad de las muestras, dichos resultados se aprecian en la tabla (II.15).
Tabla II.15 Rendimiento ( rij ) promedio (rollos/mes) Planta de tejedura

Tipo de Tipo de Mquina (rollos/Mes) Artculo T01 T02 T03
A1
A2
137.50 210.00 158.00 182.50 202.50 182.50 117.50 180.25 119.50
130.00 122.50 160.00 162.50 145.00 162.50 116.75 136.50 134.50
155.00 147.50 180.00 127.50 122.50 170.00 208.75 208.75 106.60
A3
A4
A5
A6 A7
A8
A9
i 1; 2;3 y j 1;2;...;9
Observando la Tabla (II.15), en las filas tenemos los artculos a trabajar y en las columnas los tipos de mquinas disponibles para trabajar cualquiera de los nueve tipos de artculos. a. Si queremos trabajar el artculo A1 convendra trabajarlo con las mquinas tipo T03, puesto que su rendimiento r31 155 rollos/mes, que es mayor rendimientos de los otros tipos de mquina para este tipo de artculo A1 . b. Pero si analizamos desde las columnas de las mquinas vemos que las mquinas tipo T03 tienen mayor rendimiento trabajando el artculo
r37 r38 A7
a los
A8 ,
208.75 rollos/mes, as hemos encontrado una serie de problemas al
hacer la asignacin mentalmente, por eso la necesidad de utilizar una herramienta como es el modelo de Programacin Lineal Entera.
81
CAPTULO III EL MODELO

Ahora que contamos con toda la informacin necesaria vamos a formular el modelo de Programacin Lineal Entera para maximizar la contribucin total que perciba la empresa en un periodo determinado, para ello el modelo deber realizar una asignacin optima de mquinas rdenes de produccin, en este caso se utiliz datos para el plan de produccin del mes de agosto 2008, adems utilizaremos Whats Best en versin 9.0 para darle solucin. La planta de tejedura, cuenta con 100 mquinas clasificadas en tres tipos, cada tipo cuenta con 30, 49, 21 mquinas respectivamente; con los cuales produce nueve tipos de artculos clasificados como A1 , A2 ,..., A2 . Se dispone de los siguientes datos: los volmenes o nmeros de unidades mnimas y mximas necesarias para cumplir con el plan de demanda para el mes de agosto 2008, los rendimientos de cada tipo de mquina para cada tipo de artculo y las contribuciones de cada uno de los nueve tipos de artculos. Se desea maximizar la contribucin total que debe percibir la empresa para un periodo determinado. Para ello se debe formular un modelo de Programacin Lineal Entera para la la hoja
asignacin ptima de mquinas a rdenes de produccin; para lo cual hemos ordenado los datos de la empresa en la Tabla (III.1), que se muestra a continuacin.
82
Tabla III.1 Matriz de datos del modelo Planta de tejedura

Hacia Desde Contribuciones Mquinas T01 T02 T03 Artculos
A1
90 137.5 130 155
A2
76 210
A3
68
A4
64
A5
82
A6
84
A7
72
A8
86
A9
78
Unid.
158 182.5 202.5 182.5 117.5 180.25 119.5 145 162.5 116.75 136.5 134.5 170 620 801 208.75 208.75 106.6 1030 1359 545 701 635 821
30 49 21 100
122.5 160 162.5
147.5 180 127.5 122.5
Demanda Mnima (Rollos)
2810 2745 1520 2639 2169
Mxima 4049 3943 2057 3772 3031
A1 , A2 ,..., A2 : Tipos de artculos que produce la empresa.

c j : Fila 3, contribucin de cada uno de los nueve tipos de artculo
rij : Filas 4,5 y 6, rendimiento de la mquina tipo
i trabajando el artculo Tipo j
dado en nmero de rollos/mes

f j : Fila 7, total de unidades/mes requerido del artculo tipo j , como mnimo. g j : Fila 8, total de unidades/mes requerido del artculo tipo j , como mximo.
Nmero de mquinas tipo 1: 30 Nmero de mquinas tipo 2: 49 Nmero de mquinas tipo 3: 21 Donde i 1;2;3 y j 1;2;...;9
3.1. Formulacin del Modelo

3.1.1. Definicin de Variables
x11 = Nmero de mquinas T01 asignadas a producir el artculo A1
x21 =Nmero de mquinas T02 asignadas a producir el artculo A1 x31 =Nmero de mquinas T03 asignadas a producir el artculo A1
83
x12 = Nmero de mquinas T01 asignadas a producir el artculo A2

xij = Nmero de mquinas T0i asignadas a producir el artculo A j
Siendo i 1; 2;3 y j 1;2;...;9 Dado que xij pueden tomar distintos valores reciben el nombre de variables.
3.1.2. Planteamiento de las Restricciones

Analizando ahora los volmenes de produccin para el artculo tipo A1 , de la Tabla (III.1) se tiene:
v11 =Nmero de unidades a producir del artculo tipo A1 por las mquinas tipo T01,
entonces:
Si 1 mquina tipo T01 produce
137.50 rollos del artculo A1 , entonces, en x11
unidades de mquina tipo T01 se producirn.
v11 137.50
Piezas de A1 x11 1 Unidad de mquina T 01
(Unidades de A1 )
Si 1 mquina tipo T02 produce 130 rollos del artculo A1 , entonces, en x21 unidades de mquina tipo T02 se producirn.
v21 130
(Unidades de A1 )
Si 1 mquina tipo T03 produce 155.00 rollos del artculo A1 , entonces, en x31 unidades de mquina tipo T03 se producirn.
v31 155
(Unidades de A1 )
Entonces eliminando las unidades de medida, se expresan de la siguiente forma: 84
v11 137.50 x11

v21 130 x21
(Unidades de A1 producidas por mquinas tipo 1) (Unidades de A1 producidas por mquinas tipo 2) (Unidades de A1 producidas por mquinas tipo 3)
v31 155 x31
Para obtener el nmero total de unidades a producir del artculo tipo A1 tendremos lo siguiente: Sea w j = nmero total de unidades a producir del artculo tipo A j , donde
j 1; 2;...;9 , entonces:
Si j
1:
w1 Ser el nmero total de unidades a producir del artculo tipo A1 , entonces:

w1 v11 v21 v31 (Unidades de A1 producidas por los 3 tipos de mquina)
Para los artculos tipo A1 , A2 ,..., A9 se obtiene de la misma manera.

w2 v12 v22 v32 (Unidades de A2 producidas por los 3 tipos de mquina)
w3
v13 v23 v33 (Unidades de A3 producidas por los 3 tipos de mquina)

v19 v29
w9
v39 (Unidades de A9 producidas por los 3 tipos de mquina)
Dado que las restricciones indican que el nmero mnimo de unidades a producir del artculo A1 es f 9 es de f1
2,810 , del artculo A2 es f 2
2, 745 ,, del artculo A9
635 rollos al mes, las expresiones anteriores debern ser mayores o iguales a
f1 , f 2 ,..., f9 respectivamente. w1 w2 2,810 2, 745
w9
635
85
Adems las restricciones indican que el nmero mximo de unidades a producir del artculo A1 es de g1
g9 4, 049 , del artculo A2 es g 2 3,943 ,, del artculo A9 es
821 rollos al mes, las expresiones anteriores debern ser menores o iguales a
g1 , g 2 ,..., g9 respectivamente. w1 w2 4, 049 3,943
w9
821
3.1.3. Planteamiento de la Funcin Objetivo

Ahora bien, si el artculo tipo A1 genera una contribucin de c1
90 soles por unidad
producida, si las unidades producidas son w1 , entonces, el beneficio que se obtendr ser de c1w1
90w1 y para el artculo tipo A2 ser c2 w2 90 w9 . 76w2 ,, para el artculo
tipo A9 ser c9 w9
La contribucin total puede expresarse entonces como la suma de las contribuciones de los diferentes artculos.
z z c1w1 c2 w2 c3 w3 c4 w4 c5 w5 c6 w6 c7 w7 c8 w8 c9 w9
90w1 76w2 68w3 64w4 82w5 84w6 72w7 86w8 78w9
Pero lo que se quiere es que este beneficio no solo sea grande, sino que sea el mayor de todos; es decir, que sea el mximo, entonces, tenemos: Maximizar z Sujeto a:
w1 w2 2,810 2, 745 90w1 76w2 68w3 64w4 82w5 84w6 72w7 86w8 78w9
(unidades del artculo tipo A1 ) (unidades del artculo tipo A2 )
86
w9
w1 w2
635
4, 049 3,943
(unidades del artculo tipo A9 ), adems tenemos que (unidades del artculo tipo A1 ) (unidades del artculo tipo A2 )
w9
821
(unidades del artculo tipo A9 )
Reemplazando en funcin de v1 , v2 ,..., v9 tenemos lo siguiente: Maximizar z

90(v11 v21 v31 ) 76(v12 v22 v32 )
78(v19 v29 v39 )
Sujeto a:
v11 v21 v31 v12 v22 v32 2,810 2, 745
v19 v29 v39 v11 v21 v31 v12 v22 v32 635 4, 049 3,943
v19 v29 v39 821
Reemplazando los valores de vij en funcin de xij se tiene lo siguiente: Maximizar z

90(137.50 x11 130 x21 155x31 ) 76(210 x12 122.50 x22 147.50 x32 )
78(119 x19 134.50 x29 106.50 x39 )
Sujeto a: 87
137.50 x11 130 x21 155 x31
2,810 2, 745
210 x12 122.50 x22 147.50 x32
119.50 x19 134.50 x29 106.50 x39 137.50 x11 130 x21 155 x31 4, 049 3,943 635
210 x12 122.50 x22 147.50 x32
119.50 x19 134.50 x29 106.50 x39 821
Adems se debe agregar la restriccin de que las N1
30 mquinas Tipo 1 deben
trabajar, por lo tanto, debemos sumar cada uno de las mquinas tipo 1 que trabajan los artculos tipo A1 , A2 ,..., A9 ; se denotan de la siguiente manera:
x11 x12 x13 x14 x15 x16 x17 x18 x19 30
De la misma manera para las mquinas tipo 2 y 3, tenemos:

x21 x31 x22 x32 x23 x33 x24 x34 x25 x35 x26 x36 x27 x37 x28 x38 x29 x39 49 21
3.2. El modelo de Programacin Lineal Entera

De esta manera se ha planteado el problema de Programacin Lineal, para la
asignacin de mquinas a las rdenes de produccin de tejido: Maximizar z

90(137.50 x11 130 x21 155x31 ) 76(210 x12 122.50 x22 147.50 x32 ) 68(158 x13 160 x23180 x33 ) 64(182.50 x14 162.50 x24 127.50 x34 ) 82(202.50 x15 145 x25 122.50 x35 ) 84(182.50 x16 162.50 x26 170 x36 ) 72(117.50 x17 116.75 x27 208.75x37 )
88
86(180.25 x18 136.25 x28
208.75 x38 )
78(119.50 x19 134.50 x29 106.50 x39 )
Sujeto a: Restricciones de volmenes mnimos requeridos ( f j )

137.50 x11 130 x21 155 x31 2,810 2, 745
Artculo tipo 1 Artculo tipo 2 Artculo tipo 3

2, 639
210 x12 122.50 x22 147.50 x32 158 x13 160 x23 180 x33 1,520
182.80 x14 162.50 x24 127.50 x34 202.50 x15 145 x25 122.50 x35 182.50 x16 162.50 x26 170 x36 117.50 x17 116.75 x27 180.25 x18 136.50 x28
Artculo tipo 4 Artculo tipo 5 Artculo tipo 6 Artculo tipo 7 Artculo tipo 8 Artculo tipo 9
2,169 620
208.75 x37 1,130 208.75 x38 545 635
119.50 x19 134.50 x29 106.60 x39
Restricciones de volmenes mximos requeridos ( g j )

137.50 x11 130 x21 155 x31 4, 049 3,943
Artculo tipo 1 Artculo tipo 2 Artculo tipo 3

3, 772
210 x12 122.50 x22 147.50 x32 158 x13 160 x23 180 x33 2, 057
182.80 x14 162.50 x24 127.50 x34 202.50 x15 145 x25 122.50 x35 182.50 x16 162.50 x26 170 x36 117.50 x17 116.75 x27 180.25 x18 136.50 x28
Artculo tipo 4 Artculo tipo 5 Artculo tipo 6 Artculo tipo 7 Artculo tipo 8 Artculo tipo 9
3, 031 801 1,359 701 821
208.75 x37 208.75 x38
119.50 x19 134.50 x29 106.60 x39
89
Restricciones de utilizacin total de las mquinas

x11 x21 x31 x12 x22 x32 x13 x23 x33 x14 x24 x34 x15 x25 x35 x16 x26 x36 x17 x27 x37 x18 x28 x38 x19 x29 x39 30
Mquina Tipo 1
49 Mquina Tipo 2 21
Mquina Tipo 3
Restricciones de no negatividad
xij 0 , entera
Donde: i 1; 2;3 y j 1;2;...;9
90
CAPTULO IV SOLUCIN COMPUTACIONAL DEL MODELO

Para su ejecucin se utiliz el software Whats Best. Se adecu el modelo de Programacin Lineal Entera al software Whats Best 9.0 de Lindo Systems, para la determinacin de los valores ptimos que maximicen la funcin objetivo.
2.1. Ingreso de datos

Se Ingres algunas tablas importantes que va a utilizar el modelo de Programacin Lineal Entera, estas tablas son: Los de rendimientos ( rij ) de cada tipo de mquina para cada uno de los tipos de artculos y las contribuciones ( c j ) que obtendremos al producir y vender nuestros artculos, Tabla (IV.1); tambin tenemos los volmenes mnimos y mximos requeridos o permisibles, Tabla (IV.2).
91
Tabla IV.1 Rendimientos ( rij ) y Contribuciones ( c j ) en WB!
Tabla IV.2 Volmenes mnimos ( f j ) y mximos ( g j ) requeridos en WB!
92
Columna W: El volumen determinado por el modelo, aun aparecen todos con ceros, esto se debe a que no se ha ejecutado el software, una vez ejecutado el modelo todas ellas se llenarn con valores mayores que cero. Se representa grficamente estos requerimientos tanto mnimos como mximos, los cuales determinarn una banda de produccin que no debe ser desbordada tanto inferiormente como superiormente. Grafico (IV.1).
Grfico IV.1 Volmenes mnimos ( f j ) y mximos ( g j ) requeridos en WB!
2.2. Configuracin del software

Primero se construy la hoja de trabajo del modelo, Tabla (IV.3), luego utilizando las opciones del software, se realizaron las configuraciones necesarias para cada una de las restricciones del modelo de programacin Lineal Entera. 93
Tabla IV.3 Hoja de trabajo del Software WB!
Explicando el contenido de cada columna de la Tabla (IV.3)
En la columna C presentamos los nueve tipos de artculos a producir codificados con

A j donde j 1; 2;...;9 .
En la columna D presentamos las contribuciones de cada una de los tipos de artculos representados por c j donde j 1; 2;...;9 . En la columna E ingresamos los rendimientos de las mquinas tipo T01 para cada uno de los tipos de artculos A j donde j 1; 2;...;9 . En la columna F ingresamos los rendimientos de las mquinas tipo T02 para cada uno de los tipos de artculos A j donde j 1; 2;...;9 . 94
En la columna G ingresamos los rendimientos de las mquinas tipo T03 para cada uno de los tipos de artculos A j donde j 1; 2;...;9 . En la columna H, I y J, ingresamos los coeficientes de cada una de las variables correspondientes a la funcin objetivo a maximizar, siendo esta variable xij donde
i 1;2;3 y j 1; 2;...;9 .
En las celdas K41, L41 y M41, ingresamos el nmero de mquinas de cada tipo con que se cuenta para cumplir con las rdenes de produccin, en este caso tenemos 30, 49 y 21 mquinas del tipo T01, T02 y T03 respectivamente.
El resto de las celdas de las columnas K, L y M, van a ser nuestras columnas respuestas, estas columnas deben ser llenadas con ceros dado que WB no acepta posiciones en blanco; en estas columnas recibimos los datos de la solucin dada por el software Whats Best, Que nos muestre la cantidad de mquinas por cada tipo que debemos asignar a rdenes de produccin y por lo tanto esos datos sern llenados por WB.
En la columna N se calcula el volumen de produccin que se obtendr de cada uno de los tipos de artculos, este es el resultado de multiplicar los rendimientos de cada uno de los tipos de mquinas por el respectivo nmero de mquinas asignado por el modelo. Esta columna ser llenada una vez que WB resuelva la incgnita de cuantas mquinas debemos asignar de acuerdo a las restricciones presentadas. En la columna O, se registrarn los signos de desigualdad de cada una de las restricciones del modelo. En la columna P, tenemos las restricciones de volmenes mnimos y mximos requeridos. En la columna Q, tenemos el importe en soles que se obtendr al comercializar cada uno de los tipos de artculos, esta columna ser llenada una vez que WB resuelva la incgnita de cuntas mquinas debemos asignar de acuerdo a las restricciones presentadas. 95
En la celda Q62, se determinar la funcin objetivo, que es la mxima contribucin que se puede obtener, expresa la contribucin final y es esta celda la que deseamos WB maximice. En las celdas K62, L62 y M62, se determinar el total de mquinas de cada tipo que estarn siendo utilizadas para cumplir con las rdenes de trabajo, valores que deben ser iguales a los valores de las celdas K41, L41 y M41, lo cual asegurar que todas las mquinas estarn trabajando.
En las celdas K63, L63 y M63, se registrarn los signos de desigualdad de cada una de las restricciones del modelo.
2.3. Ejecucin del software

El modelo de Programacin Lineal que se desarroll es para maximizar la contribucin total que perciba la empresa en un periodo determinado, para ello debe asignar las mquinas a rdenes de produccin y dicha asignacin debe ser la ptima. Este modelo de Programacin Lineal contiene 27 variables de decisin, es un problema de Programacin Lineal en su forma mixta, de esta manera es como se ingres al software WB!, como necesitamos que las variables de decisin tomen valores enteros y positivos, entonces el software convierte el problema de
Programacin Lineal a su forma estndar y para ello utilizar variables artificiales, luego para darle solucin se utilizar el mtodo de dos fases.
Primera fase utiliza el mtodo simplex para minimizar los valores que toman las variables artificiales y la segunda fase tambin utiliza el mtodo simplex pero esta vez para maximizar ya el Problema de Programacin Lineal. Una vez obtenida la solucin si esta es no entera (o continua) el software utiliza el mtodo Branch and Bound (Ramificacin y acotamiento) para encontrar la solucin entera esperada, es de esta manera que los valores que el software determina estn garantizados tcnica y cientficamente, puesto que se ha demostrado en el captulo de marco terico que estos mtodos y algoritmos de solucin a problemas de Programacin Lineal son de uso garantizado. 96
Tabla IV.4 Ejecucin del modelo de Programacin Lineal Entera en WB!
97
CAPTULO V RESULTADOS
5.1. Resultados con el plan de produccin del modelo
Tabla V.1 Resultado del Modelo de Programacin Lineal Entera en WB!
98
Esto son las asignaciones de mquinas a rdenes de produccin arrojados por el modelo de Programacin Lineal Entera para el plan de produccin del mes de agosto del ao 2008, Tabla (V.2).
Tabla V.2 Matriz de asignaciones realizadas por el modelo en agosto 2008

Tipo de Artculos Tipo de Mquinas A1 T01 0 T02 T03 Total 12 12 24 Total 30 49 21 100
A2
16 0 0 16
A3 A4
0 10 0 10 0 17 0 17
A5 A6
14 1 0 15 0 4 0 4
A7
0 0 6 6
A8 A9 Mquinas
0 0 3 3 0 5 0 5
En la matriz, podemos apreciar que: Las mquinas tipo 1: trabajarn las 30 mquinas. Las mquinas tipo 2: trabajarn las 49 mquinas. Las mquinas tipo 3: trabajarn las 21 mquinas.
De esta manera se concluye, que las 100 mquinas se encuentran operando en la produccin de los nueve tipos de artculos
Por otro lado, es posible construir una representacin grfica de la asignacin de mquinas a rdenes de produccin de acuerdo a los resultados del modelo de Programacin Lineal Entera, Grfico (V.1).
99
Grfico V.1 La asignacin en forma grfica Artculos Mquinas Artculos
x21
x12
A2
12
A1
16
N1 30
T01
x31
12
x23
A3
10
x24
17
A4
N 2 49
T02
x15
A5
14
x26
A6
x25
1 6
N 3 21
x38
A8
x37
A7
T03
x29
A9
Observando el Grfico (V.1), sobre los resultados arrojados por el modelo de Programacin Lineal Entera, podemos observar lo siguiente: 1. De las 30 mquinas tipo 1: 16 mquinas deben trabajar el artculo tipo2 14 mquinas deben trabajar el artculo tipo 5 2. De las 49 mquinas tipo 2: 12 mquinas deben trabajar el artculo tipo1 100
10 mquinas deben trabajar el artculo tipo 3 17 mquinas deben trabajar el artculo tipo 4 01 mquina debe trabajar el artculo tipo 5 04 mquinas deben trabajar el artculo tipo 6 05 mquinas deben trabajar el artculo tipo 9 3. De las 21 mquinas tipo 3: 12 mquinas deben trabajar el artculo tipo1 06 mquinas deben trabajar el artculo tipo 7 03 mquinas deben trabajar el artculo tipo 8 Los volmenes obtenidos por el modelo respecto a las restricciones del volmenes mnimos requeridos ( f j ) y volmenes mximos requeridos ( g j ) se aprecian en la Tabla (V.3).
Tabla V.3 Volmenes del modelo ( q j ) Vs. Volmenes mnimo ( f j ) y mximo ( g j )

Volmenes (Rollos/Mes) Ago. 2008 Artculos Modelo( q j ) Mnimo( f j ) Mximo( g j )
A1
A2
3,420.00 3,360.00 1,600.00 2,762.50 2,980.00 650.00 1,252.50 626.25 672.50
2,810.00 2,745.00 1,520.00 2,639.00 2,169.00 620.00 1,030.00 545.00 635.00
4,049.00 3,943.00 2,057.00 3,772.00 3,031.00 801.00 1,359.00 701.00 821.00
A3
A4
A5
A6 A7
A8
A9
Para el artculo tipo 1: las restricciones indican que como mnimo se debe producir 2,810 rollos/mes y como mximo 4,049 rollos/mes, el modelo indica que lo ptimo es producir 3,420 rollos/mes, ello permitir una contribucin mxima. 101
Para el artculo tipo 2: las restricciones indican que como mnimo se debe producir 2,745 rollos/mes y como mximo 3,943 rollos/mes, el modelo indica que lo ptimo es producir 3,360 rollos/mes, lo cual permitir una contribucin mxima. Para el artculo tipo 3: las restricciones nos indican que como mnimo se debe producir 1,520 rollos/mes y como mximo 2,057 rollos/mes, el modelo indica que lo ptimo es producir 1,600 rollos/mes, ello permitir una contribucin mxima. Para el artculo tipo 4: las restricciones nos indican que como mnimo se debe producir 2,639 rollos/mes y como mximo 3,772 rollos/mes, el modelo indica que lo ptimo es producir 2,762.50 rollos/mes, ello permitir una contribucin mxima. Para el artculo tipo 5: las restricciones nos indican que como mnimo se debe producir 2,169 rollos/mes y como mximo 3,031 rollos/mes, el modelo indica que lo ptimo es producir 2,980 rollos/mes, ello permitir una contribucin mxima. Para el artculo tipo 6: las restricciones nos indican que como mnimo se debe producir 620 rollos/mes y como mximo 801 rollos/mes, el modelo indica que lo ptimo es producir 650 rollos/mes, ello permitir una contribucin mxima. Para el artculo tipo 7: las restricciones nos indican que como mnimo se debe producir 1,030 rollos/mes y como mximo 1,359 rollos/mes, el modelo indica que lo ptimo es producir 1,252.50 rollos/mes, ello permitir una contribucin mxima. Para el artculo tipo 8: las restricciones nos indican que como mnimo se debe producir 545 rollos/mes y como mximo 701 rollos/mes, el modelo indica que lo ptimo es producir 626.25 rollos/mes, ello permitir una contribucin mxima. Para el artculo tipo 9: las restricciones nos indican que como mnimo se debe producir 635 rollos/mes y como mximo 821 rollos/mes, el modelo indica que lo ptimo es producir 672.50 rollos/mes, ello permitir una contribucin mxima. Toda lo descrito en lneas anteriores se aprecia en el Grfico (V.2).
102
Grfico V.2 Volmenes del modelo ( q j ) Vs. Volmenes mnimo ( f j ) y mximo ( g j )
Volumen : Mnimo-Modelo-Mximo
4500.00 4000.00 3500.00
Piezas/Rollos
3000.00 2500.00 2000.00 1500.00 1000.00 500.00 0.00 0 1 2 3 4 Articulos 5 6 7 8 9 10 Minimo Modelo Maximo
Cumpliendo con la asignacin de mquinas a rdenes de produccin que el modelo ha determinado, se obtendra la contribucin total que se aprecia en forma detallada en la Tabla (V.4). Tabla V.4 Volmenes y Contribuciones obtenidos en agosto 2008 Segn el plan del modelo
Art. Tipo de mquina T01 3,360.00 2,835.00 T02 T03 1,560.00 1,860.00 1,600.00 2,762.50 145.00 650.00 672.50 1,252.50 626.25 Total( q j ) 3,420.00 3,360.00 1,600.00 2,762.50 2,980.00 650.00 1,252.50 626.25 672.50 Contribucin(S/.) Total 307,800.00 255,360.00 108,800.00 176,800.00 244,360.00 54,600.00 90,180.00 53,857.50 52,455.00 1344,212.50 90 76 68 64 82 84 72 86 78
(Rollos/mes) Unit.
A1
A2
A3
A4
A5
A6 A7
A8
A9
Total S/. mes
103
El artculo tipo 1: Debe ser producido por las mquinas tipo 2 y 3 lo cual nos permitir obtener un volumen total de 3,420 rollos para el mes de agosto 2008. El artculo tipo 2: Debe ser producido por las mquinas tipo 1 lo cual nos permitir obtener un volumen total de 3,360 rollos para el mes de agosto 2008. El artculo tipo 3: Debe ser producido por las mquinas tipo 2 lo cual nos permitir obtener un volumen total 1,600 rollos para el mes de agosto 2008. El artculo tipo 4: Debe ser producido por las mquinas tipo 2 lo cual nos permitir obtener un volumen total 2,762.50 rollos para el mes de agosto 2008. El artculo tipo 5: Debe ser producido por las mquinas tipo 1 y 2 lo cual nos permitir obtener un volumen total de 2,980 rollos para el mes de agosto 2008. El artculo tipo 6: Debe ser producido por las mquinas tipo 2 lo cual nos permitir obtener un volumen total de 650 rollos para el mes de agosto 2008. El artculo tipo 7: Debe ser producido por las mquinas tipo 3 lo cual nos permitir obtener un volumen total de 1,252.50 rollos para el mes de agosto 2008. El artculo tipo 8: Debe ser producido por las mquinas tipo 3 lo cual nos permitir obtener un volumen total de 626.25 rollos para el mes de agosto 2008. El artculo tipo 9: Debe ser producido por las mquinas tipo 2 lo cual nos permitir obtener un volumen total de 672.50 rollos para el mes de agosto 2008.
5.1.1. Anlisis de sensibilidad

En la empresa a menudo ocurren cambios inesperados en la disponibilidad de mquinas en plena ejecucin del plan de produccin, esto puede deberse a fallas mecnicas o elctricas principalmente. Entonces, necesitamos prevenir que sucedera con el plan de trabajo inicial si ocurriran estas eventualidades, para ello debemos responder las siguientes interrogantes: Deber realizarse una nueva reasignacin? El plan de produccin an es ptimo? 104
Hasta qu punto se puede mantener el plan inicial? Para responder a cada una de estas y otras interrogantes es necesario realizar un Anlisis de Sensibilidad.
Para las mquinas Tipo 1

i. Si se tendra la urgencia de detener mquinas, por alguna eventualidad a lo ms seria posible detener hasta 2 mquinas sin que se altere la asignacin inicial. Si se detiene ms de 2 mquinas se tendra que volver a realizar la asignacin de mquinas a rdenes de produccin. ii. Con la disminucin de este nmero de mquinas, disminuye el volumen de produccin, tambin la contribucin total, pero an as se cumple con los requerimientos de los clientes y la contribucin que se obtuviera seguira siendo la mxima. iii. Se podra cumplir con los requerimientos de los clientes trabajando hasta con un mnimo de: 10 mquinas del tipo 1, 49 mquinas del tipo 2 y 21 mquinas del tipo 3, pero, se tendra que realizar una nueva reasignacin. iv. Por otro lado, si se tendra la posibilidad de aumentar ms mquinas del tipo 1, se podra hacerlo hasta llegar a un total de 32 mquinas, sin la necesidad de volver a realizar la reasignacin de mquinas a rdenes de produccin. La contribucin mxima sera la correspondiente al volumen de produccin que se obtuviera, el cual aumentara.

i. Si se tendra la urgencia de detener mquinas, por alguna eventualidad a lo ms seria posible detener hasta 4 mquinas sin que se altere la asignacin inicial. Si se detiene ms de 4 mquinas se tendra que volver a realizar la asignacin de mquinas a rdenes de produccin. 105
ii. Con la disminucin de este nmero de mquinas, disminuye el volumen de produccin, tambin la contribucin total, pero an as se cumple con los requerimientos de los clientes y la contribucin que se obtuviera seguira siendo la mxima. iii. Se podra cumplir con los requerimientos de los clientes trabajando hasta con un mnimo de: 30 mquinas del tipo 1, 36 mquinas del tipo 2 y 21 mquinas del tipo 3, pero, se tendra que realizar una nueva reasignacin. iv. Por otro lado, si se tendra la posibilidad de aumentar ms mquinas del tipo 1, se podra hacerlo hasta llegar a un total de 53 mquinas, sin la necesidad de volver a realizar la reasignacin de mquinas a rdenes de produccin. La contribucin mxima sera la correspondiente al volumen de produccin que se obtuviera, el cual aumentara.

i. Si se tendra la urgencia de detener mquinas, por alguna eventualidad a lo ms seria posible detener hasta 4 mquinas sin que se altere la asignacin inicial. Si se detiene ms de 4 mquinas se tendra que volver a realizar la asignacin de mquinas a rdenes de produccin. ii. Con la disminucin de este nmero de mquinas, disminuye el volumen de produccin, tambin la contribucin total, pero an as se cumple con los requerimientos de los clientes y la contribucin que se obtuviera seguira siendo la mxima. iii. Se podra cumplir con los requerimientos de los clientes trabajando hasta con un mnimo de: 30 mquinas del tipo 1, 49 mquinas del tipo 2 y 10 mquinas del tipo 3, pero, se tendra que realizar una nueva reasignacin. 106
iv. Por otro lado, si se tendra la posibilidad de aumentar ms mquinas del tipo 3, se podra hacerlo hasta llegar a un total de 25 mquinas, sin la necesidad de volver a realizar la reasignacin de mquinas a rdenes de produccin. La contribucin mxima sera la correspondiente del volumen de produccin que se obtuviera, el cual aumentara.
5.2. Resultados con el plan de produccin de la empresa

A continuacin detallamos los resultados de produccin obtenidos con la forma de asignacin que realiz la empresa para el plan de produccin del mes de agosto del ao 2008. Primero tenemos las asignaciones de mquinas a rdenes de produccin, Tabla (V.5).
Tabla V.5 Matriz de asignaciones realizadas por la empresa en agosto 2008

Tipo de Artculos Tipo de Mquinas A1 T01 7 T02 T03 Total 8 6 21
A2
6 10 3 19
A3 A4
5 5 0 10 5 12 0 17
A5 A6
7 6 1 14 0 4 0 4
A7
0 0 5 5
A8 A9 Mquinas
0 4 0 4 0 0 6 6 30 49 21 100
Total
Mquinas tipo 1: trabajaron las 30 mquinas. Mquinas tipo 2: trabajaron las 49 mquinas. Mquinas tipo 3: trabajaron las 21 mquinas. La empresa indic que las 100 mquinas trabajaron en la produccin de los nueve tipos de artculos para el cumplimiento del plan de produccin del mes de agosto del ao 2008, adems manifiest que se obtuvieron los volmenes y la contribucin total que se aprecia en la Tabla (V.6). 107
Tabla V.6 Volmenes y Contribuciones obtenidos en agosto 2008 Segn el plan de la empresa
Art. Tipo de mquina T01 962.50 T02 1,040.00 T03 930.00 442.50 122.50 1,043.75 639.00 Total( q j ) 2,932.50 2,927.50 1,590.00 2,862.50 2,410.00 650.00 1,043.75 546.00 639.00 Contribucin(S/.) Total 263,925.00 222,490.00 108,120.00 183,200.00 197,620.00 54,600.00 75,150.00 46,956.00 49,842.00 1,201,903.00 90 76 68 64 82 84 72 86 78
(Rollos/mes) Unit.
A1
A2
1,260.00 1,225.00 790.00 912.50 1,417.50 800.00 1,950.00 870.00 650.00 546.00
A3
A4
A5
A6 A7
A8
A9
Total S/. mes
El artculo tipo 1: fue producido por las mquinas tipo 1; 2 y 3 lo cual permiti obtener un volumen total de 2,932.50 rollos. El artculo tipo 2: fue producido por las mquinas tipo 1; 2 y 3 lo cual permiti obtener un volumen total de 2,927.50 rollos. El artculo tipo 3: fue producido por las mquinas tipo 1 y 2 lo cual permiti obtener un volumen total 1,590 rollos. El artculo tipo 4: fue producido por las mquinas tipo 1 y 2 lo cual permiti obtener un volumen total 2,862.50 rollos. El artculo tipo 5: fue producido por las mquinas tipo 1; 2 y 3 lo cual permiti obtener un volumen total de 2,410 rollos. El artculo tipo 6: fue producido por las mquinas tipo 2 lo cual permiti obtener un volumen total de 650 rollos. El artculo tipo 7: fue producido por las mquinas tipo 3 lo cual permiti obtener un volumen total de 1,043.75 rollos. 108
El artculo tipo 8: fue producido por las mquinas tipo 2 lo cual permiti obtener un volumen total de 546 rollos. El artculo tipo 9: fue producido por las mquinas tipo 3 lo cual permiti obtener un volumen total de 639 rollos.
109
CONCLUSIONES
Al culminar la tesis se ha podido obtener importantes conclusiones entre ellas tenemos:
1. El motivo principal del presente estudio ha sido presentar el uso de una de las herramientas tiles y necesarias para que las organizaciones puedan optimizar la utilizacin de sus recursos y maximizar sus contribuciones, de esta manera puedan tambin cumplir con sus obligaciones tanto internas como externas, as mismo competir en el mercado exigente de hoy. 2. Para la realizacin de un estudio de este tipo no se necesita grandes inversiones econmicas ni tecnolgicas, pues contando con recursos limitados se ha logrado desarrollar el presente estudio. 3. Esta herramienta, la Programacin Lineal Entera, ha permitido formular el modelo respetando los lineamientos descritos en el marco terico, en tal sentido los resultados determinados estn sustentados, tcnica y cientficamente. 4. Comparando los resultados obtenidos segn el plan de produccin ejecutado por la empresa y el plan obtenido con el modelo de Programacin Lineal Entera, se obtuvo dos conclusiones principales muy importantes como son: i. Los volmenes de cada uno de los artculos con mayor demanda que se obtienen con el modelo, son mayores a los obtenidos con el plan ejecutado por la empresa, a pesar de utilizar los mismos recursos como: mano de obra, tiempo y maquinarias.
110
ii. La contribucin total que se obtiene con el modelo supera considerablemente por un valor de 142,309.50 Nuevos Soles mensuales a la obtenida por el plan ejecutado por la empresa, Tablas (V.4) y (V.5). 5. Entonces se puede concluir que el modelo de Programacin Lineal Entera garantiza que puede realizar la asignacin de mquinas a rdenes de produccin de forma eficiente. 6. Bajo estos trminos el modelo de Programacin Lineal Entera formulado ha determinado lo siguiente: Primero: La asignacin ptima de mquinas a rdenes de produccin, Tabla (V.2). Segundo: como la asignacin es la ptima tambin los volmenes de produccin son ptimos, Tabla (V.3). Tercero: Como la asignacin y los volmenes son los ptimos, entonces, se concluye que la contribucin total que percibe la empresa en un periodo determinado es la mxima, siendo tal contribucin la suma de 1344,212.50 Nuevos Soles. De esta manera queda demostrada la hiptesis del estudio, puesto que la asignacin de mquinas a rdenes de produccin es la ptima, entonces, la contribucin total que perciba la empresa es la mxima. 7. La contribucin total que perciba la empresa es la mxima, es decir no habr otra forma de asignacin que genere una contribucin total superior a esta, lo cual est garantizado por la tcnica de Programacin Lineal Entera y la teora que la sustenta, salvo que se modifiquen algunos datos como los rendimientos, las contribuciones, nmero de mquinas, entre otros. 8. Se ha podido demostrar que aplicando la Investigacin Operativa se puede realizar un estudio de un complejo sistema real y representarlo en un sencillo modelo de Programacin Lineal Entera con la finalidad de optimizar el funcionamiento del mismo. 111
9. La determinacin de la asignacin ptima de mquinas a las rdenes de produccin, no slo maximiza las contribuciones totales sino, reduce
indirectamente los costos variables de produccin, puesto que al incrementarse la contribucin, que est dada por la diferencia entre el precio de venta y el costo variable, y mantenerse constante el precio de venta, el costo de produccin variable necesariamente tiende a disminuir.
pv cv
Donde:
c : Incremento de la contribucin
pv : Precio de Venta, Constante

cv : Disminucin del costo variable
112
RECOMENDACIONES
1. Si bien para formular el modelo de Programacin Lineal Entera ha sido necesario utilizar requerimientos anticipados de los clientes de un mes en particular, agosto 2008, esto no quiere decir que el modelo slo es vlido para ese periodo, puede ser utilizado para cualquier periodo, solo bastar ingresar los datos necesarios. 2. Si bien el modelo de Programacin Lineal Entera formulado se ha construido utilizando datos de una empresa textil, es posible adaptarlo fcilmente para ser utilizado por otras organizaciones que necesiten optimizar la asignacin de sus recursos. 3. Si bien el estudio resuelve puntualmente la asignacin de mquinas a rdenes de produccin, con ello el volumen ptimo de produccin y maximiza la contribucin total que percibe la empresa, pero no determina automticamente la cantidad de recursos a utilizar, materiales por ejemplo, para ello seria conveniente unir el modelo a otro programa en el cual se determine la cantidad de materiales necesarios a utilizar y a la vez anexado con el modelo de control de inventarios, para saber con cuantos de los materiales necesarios ya se cuenta en stock, de esta manera se intercambiara informacin entre almacn, produccin, ventas y otros departamentos involucrados, para que tomen decisiones de forma oportuna. 4. Hay empresas que manejan mucho ms de nueve tipos de artculos y probablemente en algn caso ms de tres tipos de mquinas pero, por la facilidad con que se puede adaptar el modelo y el fcil manejo del software es posible ampliar a ms las variables de trabajo. Se podra hacer algunos ajustes o
variaciones al modelo planteado, como por ejemplo, preferencias de entrega de algunos productos a algunos de los clientes, trabajando con diferentes fechas de entrega, prioridades o pesos a cada artculo. 113
5. Es as que este modelo es aplicable a todo sistema que requiera un programa de asignacin de recursos como: mquinas, personal y otros por lo que va ms all del sector manufacturero y puede enfocarse tambin en el sector servicios. 6. Los rendimientos de las mquinas son datos que hemos tomado de los reportes de produccin, no se sabe si estos son tomados utilizando tcnicas adecuadas, mucho menos si son ptimos los tiempos del proceso productivo; si nos hubiesen permitido realizar la toma de tiempos para los rendimientos y optimizarlos, tal vez hubiera sido posible obtener mejores rendimientos por lo tanto el modelo obtendra mejores resultados.
114
BIBLIOGRAFA
1. LVAREZ A. Jorge, Investigacin de Operaciones-Programacin Lineal, Editorial Macro E.I.R.L., Lima, 2001. 2. BAPTISTA LUCIO, Pilar; FERNNDEZ COLLADO, Carlos; HERNNDEZ SAMPIERI, Roberto, Metodologa de la investigacin, Editorial McGraw-Hill Interamericana, Mxico D.F., 2006. 3. CARRASCO DAZ S., Metodologa de Investigacin Cientfica, Editorial San Marcos, Lima, 2009 4. HILLIER Frederick S.; LIEBERMAN Gerald J., Introduccin a la Investigacin de Operaciones, Editorial Mc Graw Hill, Mxico D.F., 1999. 5. HOLLEN Norma; LANGFORD Anna L.; SADDLER Jane, Introduccin a los Textiles, Editorial Limusa S.A. de C.V., Mxico, 2002. 6. KAMLESH Mathur; SOLOW Daniel, Investigacin de Operaciones el arte de la toma de Decisiones, Editorial Prentice-Hall Inc., Mxico, 1996. 7. MELNDEZ GUTIERREZ, David, Optimizacin de transporte en el Programa Alimentario PRONAA, Tesis de licenciatura, UNMSM-FII., Lima, 2004. 8. NAHMIAS Steven, Anlisis de la Produccin y las Operaciones, Editorial Compaa Editorial Continental S.A. de C.V., Mxico, 1999. 9. PREZ BECERRA, Jos A., Modelo de asignacin aplicado a la manufactura en una cadena de abastecimiento, Tesis de licenciatura, UNMSM-FII. Lima, 2006.
115
10. PRAWDA WITENBERG, Juan, Mtodos y Modelos de Investigacin de Operaciones, Vol. I. Editorial Limusa S.A., Mxico, 1976. 11. REY CORDOVA, Nerida G.; VELASQUEZ FERNANDEZ ngel R., Metodologa de la Investigacin Cientfica, Editorial San Marcos, Lima, 1999. 12. RITZMAN Larry P.; KRAJEWSKI Lee J., Administracin de Operaciones Estrategia y Anlisis, Editorial Pearson Educacin S.A. de C. V., Mxico, 2000. 13. VALDERRAMA MENDOZA, Santiago, Pasos para elaborar proyectos y tesis de investigacin cientfica, Editorial San Marcos, Lima, 2007. 14. WINSTON L. Wayne, Investigacin de Operaciones, Grupo Editorial Iberoamericana S.A. de C.V., Mxico, 1994.
116
ANEXOS
Anexo 1
Solucin de Programacin Lineal Entera mediante programas informticos
Gran parte de los paquetes informticos que resuelven problemas de Programacin Lineal resuelven tambin problemas de programacin entera, usando variantes ms o menos sofisticadas del algoritmo de bifurcacin y acotamiento expuesto anteriormente, hay que decir que la introduccin de variables enteras aumenta
considerablemente el nmero de clculos a realizar, por lo que nos podemos encontrar con limitaciones al nmero de variables enteras que podemos introducir en el modelo. Lindo: Software para soluciones tipo continua utiliza el mtodo simplex y el mtodo de dos fases, para soluciones enteras el mtodo Branch and Bound. Para indicarle que deseamos obtener valores enteros, se utiliza la instruccin: GIN <nombre de la variable> Mediante la instruccin GIN, se indica al programa que la variable designada es entera positiva. Esta instruccin debe insertarse despus de la instruccin END, que indica al
programa el fin del modelo lineal considerado.
WinQSB: Cuando este software se utiliza para soluciones de tipo continua aplica el mtodo simplex y mtodo simplex penal o mtodo M, este ltimo asigna un coeficiente muy alto simbolizado por M, a las variables artificiales a fin de que nunca ingresen a la base. Para soluciones enteras utiliza el mtodo Branch and Bound.
117
Whats Best: Trabaja bajo las mismas condiciones que Lindo, con la diferencia que las instrucciones tienen opciones de configuracin, en cambio en Lindo, se escriben las instrucciones.
La diferencia entre el Whats Best y los software Lindo y WinQSB, es que el Whats Best es de libre manejo, se disea el formato de salida de la solucin, puede arrojar clculos extras en el momento de la solucin y adems mostrarnos otros clculos que se deriven de los valores de las variables de decisin.
Lindo y WinQSB, no slo muestran los valores de solucin de las variables de decisin, tambin muestran pasos de solucin y algunos otros datos como anlisis de sensibilidad.
118
Anexo 2
Matriz de consistencia
Titulo : Asignacin de mquinas a rdenes de produccin mediante Programacin Lineal Entera
Objetivos Objetivo General: Determinar la contribucin total mxima mediante la formulacin de un modelo de Programacin Lineal Entera para la asignacin ptima de mquinas a rdenes de produccin. Objetivo especifico: Determinar las contribuciones de los artculos, los rendimientos, las restricciones del modelo, identificar las variables y formular el modelo y otros ms Hiptesis y Variables Hiptesis Si se determina la asignacin ptima de mquinas a rdenes de produccin usando un modelo de Programacin Lineal Entera, entonces el margen de contribucin total mensual que perciba la empresa ser la mxima Variables 1. xij : Nmero de Mquinas tipo i asignadas a producir los artculos tipo j . i 1;2;3 j 1; 2;...;9 Por la funcin que cumple: Independiente Por el mtodo de estudio: Cuantitativa Por los valores que adquiere: Discreta 2. z: Contribucin total que percibe la empresa. Por la funcin que cumple: Dependiente Por el mtodo de estudio: Cuantitativa Por los valores que adquiere: Continua 119 Mtodos de Diseo Investigacin Mtodo General: Tipo de Mtodo Cientfico Diseo de Investigacin: Mtodo Se realizar un Especfico: Analgico, estudio no conocer la experimental, relacin de los transeccional y hechos del descriptivo. sistema en investigacin. Tcnicas de Recoleccin Poblacin: de 100 mquinas Informacin: clasificadas en 3 tipos Utilizacin de informacin disponible Tamao de la Muestra: Tres mquinas, Tcnicas de Una mquina de Recoleccin cada tipo. de datos: Tipo de Muestreo: No probabilstico, por conveniencia La observacin
Problema Es mxima la contribucin total mensual que percibe la empresa en un periodo determinado?
Una asignacin ptima de mquinas a rdenes de produccin maximizar la contribucin total mensual percibida por la empresa? Cul es la asignacin ptima de mquinas a rdenes de produccin que maximizar la contribucin total que perciba la empresa en un periodo determinado?
Anexo 3 Qu es Whats Best 9.0?

What's Best pone a disposicin de su programa de hoja de clculo Excel, un sistema muy desarrollado de solucionador capaz de realizar la optimizacin lineal y no lineal en el ms difcil de los problemas. What's Best Le da acceso a este solucionador desde Excel, y puede ser ejecutado desde Visual Basic.
La gente en los negocios, las finanzas, la ciencia, las matemticas, y muchos otros campos, hace uso de What's Best todos los das para modelar y resolver problemas en la produccin, la planificacin financiera, el personal de programacin, la asignacin de recursos, gestin de cartera, reduccin de existencias, control de inventario. Software puede utilizarse con Microsoft Windows 98 (o posterior), Windows NT 4.0, o
Windows XP, Vista con Microsoft Excel versin 2002 o superior, la versin 2007. Hardware Pentium PC 256 MB de RAM 40 MB de espacio libre en disco Una conexin a Internet es necesario para descargar la ltima versin de What's Best Para aquellos que no puedan adquirir el software, se puede adquirir gratuitamente una versin de prueba para estudiantes, que tiene un periodo de duracin de 30 das, esta versin tiene limitaciones como el nmero de variables a utilizar en los modelos a formular.
120
WB! Versin para estudiantes (capacidades) Software LINDO LINDO API LINGO What'sBest! Constraints Variables 150 150 150 150 300 300 300 300 Integer Nonlinear Global Variables N/A 5 5 5
Variables Formulas 30 30 30 30 N/A 30 30 30
En la versin de Excel 2007, tanto la barra de men como la barra de herramientas se han integrado en el diseo de Cinta.
WB! En Excel versin 2007
121
Anexo 4 El modelo de Programacin Lineal Entera en Lindo versin 6.0

Como se puede apreciar en el software Lindo, los coeficientes de la funcin objetivo se ingresan parcialmente operados, al momento de hacer las operaciones uno mismo va redondeando los valores, en cambio en el software Whats Best, debido a que es hoja de clculo, los valores se consideran con la cantidad de decimales que soporta el software, y esas diferencias en volmenes grandes podran producir algunas diferencias en el valor obtenido. 1. Adecuacin del modelo de Programacin Lineal Entera
MAX 12375 X11 + 15960 X12 + 10744 X13 + 11680 X14 + 16605 X15 + 15330 X16 + 8460 X17 + 15501.5 X18 + 9321 X19 + 11700 X21 + 9310 X22 + 10880 X23 + 10400 X24 + 11890 X25 + 13650 X26 + 8406 X27 + 11739 X28 + 10491 X29 + 13950 X31 + 11210 X32 + 12240 X33 + 8160 X34 + 10045 X35 + 14280 X36 + 15030 X37 + 17952.5 X38 + 8307 X39 SUBJECT TO 2) 3) 4) 5) 6) 7) 8) 9) 10) 11) 12) 13) 14) 15) 16) 17) 18) 19) 20) 21) 22) 23) 24) 25) 26) 27) 28) 29) 30) X11 + X12 + X13 + X14 + X15 + X16 + X17 + X18 + X19 = 30 X21 + X22 + X23 + X24 + X25 + X26 + X27 + X28 + X29 = 49 X31 + X32 + X33 + X34 + X35 + X36 + X37 + X38 + X39 = 21 137.5 X11 + 130 X21 + 155 X31 >= 2810 210 X12 + 122.5 X22 + 147.5 X32 >= 2745 158 X13 + 160 X23 + 180 X33 >= 1520 182.5 X14 + 162.5 X24 + 127.5 X34 >= 2639 202.5 X15 + 145 X25 + 122.5 X35 >= 2169 182.5 X16 + 162.5 X26 + 170 X36 >= 620 117.5 X17 + 116.75 X27 + 208.75 X37 >= 1030 180.25 X18 + 136.5 X28 + 208.75 X38 >= 545 119.5 X19 + 134.5 X29 + 106.5 X39 >= 635 137.5 X11 + 130 X21 + 155 X31 <= 4049 210 X12 + 122.5 X22 + 147.5 X32 <= 3943 158 X13 + 160 X23 + 180 X33 <= 2057 182.5 X14 + 162.5 X24 + 127.5 X34 <= 3772 202.5 X15 + 145 X25 + 122.5 X35 <= 3031 182.5 X16 + 162.5 X26 + 170 X36 <= 801 117.5 X17 + 116.75 X27 + 208.75 X37 <= 1359 180.25 X18 + 136.5 X28 + 208.75 X38 <= 701 119.5 X19 + 134.5 X29 + 106.5 X39 <= 821 X11 >= 0 X12 >= 0 X13 >= 0 X14 >= 0 X15 >= 0 X16 >= 0 X17 >= 0 X18 >= 0
122
31) X19 >= 32) X21 >= 33) X22 >= 34) X23 >= 35) X24 >= 36) X25 >= 37) X26 >= 38) X27 >= 39) X28 >= 40) X29 >= 41) X31 >= 42) X32 >= 43) X33 >= 44) X34 >= 45) X35 >= 46) X36 >= 47) X37 >= 48) X38 >= 49) X39 >= END GIN 27
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
2. Ejecucin del modelo de Programacin Lineal Entera

Opcin: Solve
LP OPTIMUM FOUND AT STEP 143 OBJECTIVE VALUE = 1350178.12 FIX ALL VARS. ( 15) WITH RC > 70.0000 NEW INTEGER SOLUTION OF 1344212.50 BOUND ON OPTIMUM: 1344212. ENUMERATION COMPLETE. BRANCHES= AT BRANCH 0 PIVOTS= 0 PIVOT 193 193
LAST INTEGER SOLUTION IS THE BEST FOUND RE-INSTALLING BEST SOLUTION... OBJECTIVE FUNCTION VALUE 1) 1344212. VARIABLE VALUE REDUCED COST X11 0.000000 -12375.000000 X12 16.000000 -15960.000000 X13 0.000000 -10744.000000 X14 0.000000 -11680.000000 X15 14.000000 -16605.000000 X16 0.000000 -15330.000000 X17 0.000000 -8460.000000 X18 0.000000 -15501.500000 X19 0.000000 -9321.000000 X21 12.000000 -11700.000000 X22 0.000000 -9310.000000 X23 10.000000 -10880.000000 X24 17.000000 -10400.000000 X25 1.000000 -11890.000000 X26 4.000000 -13650.000000 X27 0.000000 -8406.000000 X28 0.000000 -11739.000000
123
X29 X31 X32 X33 X34 X35 X36 X37 X38 X39
5.000000 12.000000 0.000000 0.000000 0.000000 0.000000 0.000000 6.000000 3.000000 0.000000
-10491.000000 -13950.000000 -11210.000000 -12240.000000 -8160.000000 -10045.000000 -14280.000000 -15030.000000 -17952.500000 -8307.000000 DUAL PRICES
ROW SLACK OR SURPLUS 2) 3) 4) 5) 6) 7) 8) 9) 10) 11) 12) 13) 14) 15) 16) 17) 18) 19) 20) 21) 22) 23) 24) 25) 26) 27) 28) 29) 30) 31) 32) 33) 34) 35) 36) 37) 38) 39) 40) 41) 42) 43) 44) 45) 46) 47) 0.000000 0.000000 0.000000 610.000000 615.000000 80.000000 123.500000 811.000000 30.000000 222.500000 81.250000 37.500000 629.000000 583.000000 457.000000 1009.500000 51.000000 151.000000 106.500000 74.750000 148.500000 0.000000 16.000000 0.000000 0.000000 14.000000 0.000000 0.000000 0.000000 0.000000 12.000000 0.000000 10.000000 17.000000 1.000000 4.000000 0.000000 0.000000 5.000000 12.000000 0.000000 0.000000 0.000000 0.000000 0.000000 6.000000
0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000
124
48) 3.000000 0.000000 49) 0.000000 0.000000 NO. ITERATIONS= 198 BRANCHES= 0 DETERM.= 1.000E 0
Efectivamente, hemos llegado a obtener el mismo resultado obtenido con el software WB! Siendo este valor de la funcin objetivo: 1344,212.00, de esta manera esto nos garantiza la veracidad de los valores de las variables del modelo de Programacin Lineal Entera formulado. Opcin: Reports Peruse Grficamente, tenemos los valores no ceros de las variables del modelo matemtico. Solucin de Lindo
Fuente: Lindo Versin 6.0
Utilizando la opcin para obtener la solucin en forma resumida, es decir, slo nos mostrar las variables que obtienen valores diferentes de cero y la funcin objetivo.
125
Opcin: Reports Solutions Nonzeros Only

OBJECTIVE FUNCTION VALUE
1)
1344212.
VARIABLE VALUE REDUCED COST X12 16.000000 -15960.000000 X15 14.000000 -16605.000000 X21 12.000000 -11700.000000 X23 10.000000 -10880.000000 X24 17.000000 -10400.000000 X25 1.000000 -11890.000000 X26 4.000000 -13650.000000 X29 5.000000 -10491.000000 X31 12.000000 -13950.000000 X37 6.000000 -15030.000000 X38 3.000000 -17952.500000 ROW SLACK OR SURPLUS DUAL PRICES
NO. ITERATIONS= 0 BRANCHES= 0 DETERM.= 1.000E 0
126

Araujo CR

Hochgeladen von

Dokumentinformationen

Originaltitel

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Verfügbare Formate

Araujo CR

Hochgeladen von

Copyright:

Verfügbare Formate

UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS

FACULTAD DE CIENCIAS MATEMTICAS E. A. P. DE INVESTIGACIN OPERATIVA

Asignacin de mquinas a rdenes de produccin mediante programacin lineal entera :

TESIS para optar el ttulo profesional de Licenciado en Investigacin Operativa

AUTOR Raul Eloy Araujo Cajamarca

ASIGNACIN DE MQUINAS A RDENES DE PRODUCCIN MEDIANTE PROGRAMACIN LINEAL ENTERA

Raul Eloy Araujo Cajamarca

... Mg. Esther Berger Vidal Presidenta

.... Lic. Juan Toledo Rodrguez Miembro

.... Lic. Vicente Alfredo Zapana Beltrn Miembro Asesor

Lima Per Agosto, 2009 ii

LISTA DE GRFICOS Y TABLAS

RESUMEN ASIGNACIN DE MQUINAS A RDENES DE PRODUCCIN MEDIANTE PROGRAMACIN LINEAL ENTERA

ABSTRACT ALLOCATION OF PRODUCTION MACHINES TO ORDER BY INTEGER LINEAR PROGRAMMING

CAPTULO I METODOLOGA DE LA INVESTIGACIN

Grfico I.1 Organigrama de la Empresa

Jefatura de Tintorera y Acabados

Fuente: Empresa en estudio.

2. Planta de Tintorera y Acabados

Tejido de punto por trama crudo

1.1.2. Delimitacin del problema a) Delimitacin espacial

Grfico I.3 Organigrama planta de Tejedura

Fuente: Empresa en estudio

El grfico (I.4), detalla en forma precisa el qu se hace? en la planta de tejedura. 10

Grfico I.4 Qu se hace en planta de Tejedura

2.1. Operaciones principales en planta de tejedura

Pedidos Recepcin y Clasificacin de Pedidos 1,2,,9 Art.

Mquinas Tipo 1 = 30 Genera Lote Mn. y Mx. a producir

Orden de Produccin Distribucin de Orden de Trabajo Volumen de demanda 1 1

AMP.: Almacn de materia prima APT.: Almacn de productos terminados

personal altamente calificada, con el fin de obtener artculos de excelente calidad.

2.2. Colocacin de pedidos en el plan de produccin

Grfico I.6 Formato de orden de pedido

Fuente: Empresa en estudio

Grfico I.7 Colocacin de pedidos en plan de produccin

Contacto con el Cliente

Envan Solicita Requerimiento Requerimiento

Genera Orden de produccin

Capacidad Ok No Particin Orden de produccin

Servicio de Tejido Fin

Fuente: Empresa en estudio

2.3. Secuencia de operaciones en el rea de tejidos

Grfico I.8 Diagrama de secuencias

Tabla I.2 Caractersticas de Artculos Planta de Tejedura

Grfico I.9 Estructura de tejido Jersey

Grfico I.10 Estructura de tejido Picke

Grfico I.11 Estructura de tejido Ribb

Grfico I.13 Mquina circular de tejido

Fuente: Senati Pna. Norte

Tabla I.3 Clasificacin de mquinas Planta de Tejedura

Tabla I.4 Personal del rea de tejedura

1.1.3. Formulacin del problema El problema

produccin, actualmente se lleva acabo de forma emprica. 26

Grfico I.14 Identificacin del problema

Pedidos Recepcin y Clasificacin de Pedidos 1,2,,9 Art.

Mquinas Tipo 1 = 30 Genera Lote Mn. y Mx. a producir

Orden de Produccin Distribucin de Orden de Trabajo Volumen de demanda 1

AMP.: Almacn de materia prima APT.: Almacn de productos terminados

1.1.4. Justificacin de la investigacin

brindar un buen producto y a un

precio competitivo. El precio competitivo se

1.1.5. Limitaciones de la investigacin

demandas anticipadas, proyectadas, contribuciones de cada artculo, entre otra. 29