INFORMACION PARA LA TOMA DE DECISIONES
INTRODUCCIÓN A LOS MODELOS DE PROGRAMACION LINEAL
Desde su aparición en la década de 1940, la
Programación Lineal ha demostrado que es una de las
herramientas más efectivas para la toma de
decisiones. Sin bien el ámbito de aplicación es amplio
(área militar, industrial, agrícola, de trasporte,
economía, etc.), su uso más frecuente se encuentra
en la planificación de la producción de una empresa, en la que se deben asignar recursos
limitados a distintas actividades.
La Programación lineal es un modelo matemático que permite señalar el mejor curso de
acción que la empresa puede adoptar, entre todas las posibles soluciones.
Es un modelo determinístico dado que se conocen los parámetros con certidumbre y es
estático, pues se define en un punto del tiempo y se supone que las soluciones del modelo no
cambian para ese período específico.
Si bien es cierto que en una situación real es difícil encontrar un problema donde
prevalezca la certeza respecto a los datos, o que la empresa pueda ajustarse estrictamente a una
solución óptima determinada por un modelo, la técnica de Programación Lineal proporciona un
análisis pos-óptimo que permite al tomador de decisiones probar la sensibilidad de la solución
óptima encontrada respecto a cambios en los parámetros del modelo. Este análisis de
sensibilidad agrega una dimensión dinámica a la solución óptima ofrecida por el modelo.
ESTRUCTURA GENERAL DEL MODELO DE PROGRAMACION LINEAL
Variables de decisión: Xj
Las variables decisionales es lo que busca resolver el problema. Si se tratara de la
producción en una empresa, las variables de decisión Xj son los productos que la empresa quiere
producir según los recursos que necesita y los que dispone
Coeficientes de contribución: Cj
Es la relación de utilidad o costo asociado a cada variable de decisión.
Lic. Pascual, Mónica – Prof. Riccardi, Natalia Página 1
INFORMACION PARA LA TOMA DE DECISIONES
Función objetivo: F
La función objetivo es aquello que se quiere optimizar. Es una función lineal que asocia a
todas las variables decisionales con sus respectivos coeficientes de contribución. Si los Cj son
beneficios, el funcional será a maximizar. Pero si fueran costos, se buscará minimizar la función
objetivo. Su estructura está dada por:
En general:
Recursos disponibles: bi
Son cada uno de los recursos necesarios para producir las variables decisionales
Coeficiente técnico: aij
Es el insumo necesario de cada recurso bi para fabricar cada unidad de Xj
1) Restricciones del problema:
Estas restricciones están relacionadas con cada uno de los recursos (bi) disponibles que tiene
la empresa. Señalan las limitaciones del sistema representado por el modelo y determinan la
estructura misma del problema.
En general las restricciones pueden escribirse:
Condición de no negatividad
Dado que lo que se busca optimizar es una producción, resulta necesario definir la condición
de no negatividad, ya que no podemos pensar en resultados negativos:
Lic. Pascual, Mónica – Prof. Riccardi, Natalia Página 2
INFORMACION PARA LA TOMA DE DECISIONES
EJEMPLO 1
En un taller metalúrgico se producen dos tipos de piezas A y B que deben seguir tres
diferentes procesos que se detallan en la tabla. La operación de estampado consiste en
preparar partes idénticas que luego serán soldadas formando la pieza. Los tiempos para la
realización de cada una de las operaciones están expresados en segundos por pieza y la
disponibilidad de esos recursos que tiene la empresa se leen en la última columna de la tabla
N.1. La utilidad unitaria es de $40.- para la pieza A y de $30.- para la pieza B.
Tiempo disponible
Operación A (X1) B (X2)
(seg./semana)
Estampado de c/parte 3 8 48000
Soldado 12 6 42000
Pintado 9 9 36000
Tabla N.1
a) Se desea establecer el programa semanal de producción que maximice la utilidad del
taller con respecto a las piezas consideradas.
Es importante reconocer cuáles son los componentes del problema:
Xj: Variables decisionales:
X1 = cantidad de piezas A
X2 = cantidad de piezas B
bi = Recursos disponibles
48000 seg/semana para la operación Estampado de cada parte
42000 seg/semana para la operación Soldado
36000 seg/semana para la operación Pintado
Cj: Coeficientes de contribución
$40.- para la pieza A
$30.- para la pieza B
aij: coeficientes técnicos
Estos son cada uno de los valores en la tabla, debajo de las variables decisionales
Lic. Pascual, Mónica – Prof. Riccardi, Natalia Página 3
INFORMACION PARA LA TOMA DE DECISIONES
Identificados los componentes del problema de programación lineal, se procede a construir
la estructura de restricciones que describen las limitaciones del problema:
1° Restricción: Estampado de cada parte
2° Restricción: Soldado
3° Restricción: Pintado
Simplificando las unidades adecuadamente, las restricciones resultan:
Teniendo en cuenta que la empresa busca maximizar el beneficio que genera la producción de estos
dos tipos de piezas, la función objetivo a maximizar es:
Simplificando las unidades, la función objetivo resulta:
, con F a Maximizar
Existen softwares que permiten rápidamente resolver el problema planteado, tal el WinQSB.
Dado que la explicación sobre el uso de software aplicados a la resolución de problemas de
programación lineal excede a este curso, se explicará cómo resolverlo a partir del método
gráfico. Es oportuno señalar que la solución gráfica sólo puede encontrarse cuando las variables
decisionales son dos.
Lic. Pascual, Mónica – Prof. Riccardi, Natalia Página 4
INFORMACION PARA LA TOMA DE DECISIONES
DETERMINACION GRÁFICA DE LA SOLUCIÓN
Para resolver gráficamente un problema de programación lineal, es necesario graficar las
restricciones del problema. Por conveniencia se transforman las restricciones en igualdades:
En el gráfico, la variable decisional X1 (cantidad de partes A) se grafica en el eje X, mientras
que la variable decisional X2 (cantidad de partes B) se representa en el eje Y.
Despejando adecuadamente en las igualdades que representan a las restricciones, se pueden
obtener valores que permitan graficarlas, tal como se muestra en la tabla N.2
1°restricción 2°restricción 3°restricción
X1 X2 X1 X2 X1 X2
16000 0 3500 0 0 4000
0 6000 0 7000 4000 0
Tabla N.2
8000
7000 1° Restricción: estampado
6000
2° Restricción: Soldado
5000
3° Restricción: Pintado
4000
3000
2000
1000
0
0 2000 4000 6000 8000 10000 12000 14000 16000 18000
Gráfico N.1
Una vez graficadas las rectas que delimitan las restricciones, hay que definir cuál es la
zona de posibles soluciones. Considerando que las restricciones son todas de “menor o igual” (≤),
Lic. Pascual, Mónica – Prof. Riccardi, Natalia Página 5
INFORMACION PARA LA TOMA DE DECISIONES
la zona donde se pueden encontrar las soluciones del problema se encuentra por debajo de las
rectas y entre los ejes. Como además, la solución tiene que satisfacer a las tres restricciones, la
zona factible de solución será aquella que resulte de la intersección de las tres áreas por debajo
de las rectas entre los dos ejes (1° cuadrante) para respetar la condición de no negatividad.
En el gráfico N.2 puede observarse sombreada la zona factible de solución, dado que
todos los puntos posibles soluciones pues respetan las restricciones del problema.
Por ejemplo el punto (2000,1000) que representa producir 2000 piezas A y 1000 piezas B
es una solución pues respeta las tres restricciones:
Gráfico N.2
Ahora bien, los problemas de programación lineal buscan encontrar la mejor solución de
todas las posibles. Como el ejemplo que nos ocupa trata de maximizar un beneficio, la mejor
solución será aquella mezcla de producción de piezas A y B que aporte la ganancia mayor. Para
encontrar esa mejor solución se utiliza el Funcional: .
Lic. Pascual, Mónica – Prof. Riccardi, Natalia Página 6
INFORMACION PARA LA TOMA DE DECISIONES
Cuando no se ha producido ninguna pieza A (X1=0) y ninguna pieza B (X2=0), el funcional
es cero (F=0). En esta instancia . Despejando X1 o X2 se pueden encontrar
las coordenadas para graficar el Funcional. Desplazándolo paralelamente hasta encontrar el
vértice más alejado, se encuentra la solución óptima, tal como se indica en el gráfico N.3
Solución óptima
Gráfico N.3
La solución óptima se encuentra en la intersección de la segunda y tercer restricción. En
ese punto se verifica que los valores de X1 y X2 son iguales en ambas ecuaciones. Por algún
método matemático se pueden encontrar estos valores. A continuación se sugiere la siguiente
metodología:
Igualando estas dos últimas expresiones se obtiene el valor de X1 en función de X2:
Reemplazando X2 por el valor hallado (1000) en alguna de las dos ecuaciones anteriores,
se puede obtener el resultado para X1:
Lic. Pascual, Mónica – Prof. Riccardi, Natalia Página 7
INFORMACION PARA LA TOMA DE DECISIONES
La solución óptima, que es la que producirá un mayor beneficio económico, es fabricar
3000 piezas A (X1) y 1000 piezas B (X2). Con este nivel de producción, se logra la mayor
eficiencia de recursos y la empresa obtendrá su mejor ganancia:
Otra forma de encontrar la solución es a partir de revisar el resultado del Funcional en
cada uno de los vértices del polígono que delimita la zona factible de soluciones.
En el ejemplo que estamos trabajando, los vértices que delimitan la zona de soluciones
son: (0,0), (0,4000), (3000,1000) y (3500,0). Descartamos el vértice (0,0), pues el funcional es
también cero ya que no hay producción en ese punto. Reemplazamos el funcional en cada uno
de los restantes vértices:
Se observa que el mayor funcional corresponde al vértice (3000,1000), determinando que
esa es la mejor solución del modelo planteado.
EJEMPLO 2
Supongamos que las necesidades semanales mínimas de una persona en proteínas,
hidratos de carbono y grasas son, respectivamente, 8, 12 y 9 unidades. Se quiere obtener un
preparado con esa composición mínima mezclando dos productos A y B, cuyos contenidos por Kg
son los que se indican en la siguiente tabla:
Comp. A Comp. B
Ingredientes Necesidades
(X1) (X2)
Proteínas 2 1 8
Hidratos 6 1 12
Grasas 1 3 9
Costo/kg $ 600 $ 400
Tabla N.3
Lic. Pascual, Mónica – Prof. Riccardi, Natalia Página 8
INFORMACION PARA LA TOMA DE DECISIONES
a) ¿Cuántos Kg de cada producto deberán comprarse semanalmente para que el costo de
preparar la dieta sea mínimo?
Xj: Variables decisionales:
X1 = cantidad de kg del compuesto A
X2 = cantidad de kg del compuesto B
bi = Requerimientos mínimos
8 unidades de proteínas
12 unidades de hidratos de carbono
9 unidades de grasas
Cj: Coeficientes de contribución
$600.- por cada kg de compuesto A
$400.- por cada kg de compuesto B
aij: coeficientes técnicos
Estos son cada uno de los valores en la tabla, debajo de las variables decisionales
Identificados los componentes del problema de programación lineal, se procede a construir
la estructura de restricciones que describen las limitaciones del problema:
1° Restricción: Proteínas
⁄ ⁄
2° Restricción: Hidratos de carbono
⁄ ⁄
3° Restricción: Grasas
⁄ ⁄
Simplificando las unidades adecuadamente, las restricciones resultan:
Lic. Pascual, Mónica – Prof. Riccardi, Natalia Página 9
INFORMACION PARA LA TOMA DE DECISIONES
2 X1 + 1 X2 ≥ 8
6 X1 + 1 X2 ≥ 12
1 X1 + 3 X2 ≥ 9
Teniendo en cuenta que la empresa busca minimizar los costos que genera la producción de estos dos
compuestos, la función objetivo a minimizar es:
⁄ ⁄
Simplificando las unidades, la función objetivo resulta:
a Minimizar
DETERMINACION GRÁFICA DE LA SOLUCIÓN
Siguiendo la metodología del primer ejemplo, se grafican las restricciones del problema,
las que previamente se convirtieron en igualdades para facilitar su diseño
Despejando adecuadamente en las igualdades que representan a las restricciones, se
pueden obtener valores que permitan graficarlas, tal como se muestra en la tabla siguiente.
1°restricción 2°restricción 3°restricción
X1 X2 X1 X2 X1 X2
0 8 0 12 0 3
4 0 2 0 9 0
Tabla N.4
14
12
10 1° Restricción: Proteínas
8 2° Restricción: Hidratos de carbono
3° Restricción: Grasas
6
0
0 1 2 3 4 5 6 7 8 9 10
Gráfico N.4
Lic. Pascual, Mónica – Prof. Riccardi, Natalia Página 10
INFORMACION PARA LA TOMA DE DECISIONES
Considerando que las restricciones son todas de “mayor o igual” (≥), la zona donde se
pueden encontrar las soluciones del problema se encuentra por arriba de las rectas. Como
además, la solución tiene que satisfacer a las tres restricciones, la zona factible de solución será
aquella que resulte de la intersección de las tres áreas por encima de las rectas entre los dos ejes
(1° cuadrante) para respetar la condición de no negatividad, tal como se muestra en el gráfico
n.5
Gráfico N.5
Si bien todos los puntos en la zona sombreada son posibles soluciones al problema, la
cuestión pasa por encontrar aquel punto que hace mínimo los costos de producción. Al efecto se
utiliza el funcional
Tal como se explicó en el primer ejemplo, se despejan las coordenadas para graficar el
funcional. Es importante recordar al incluir la recta que lo define en el gráfico, que en la instancia
inicial, cuando no se han producido ningún compuesto A y ningún compuesto B, el funcional es
cero, por lo cual la recta pasa por el centro de coordenadas.
Desplazándolo paralelamente hasta encontrar el vértice más cercano, dado que el
objetivo es minimizar el funcional, se encuentra la solución óptima, tal como se indica en el
gráfico N.6
Lic. Pascual, Mónica – Prof. Riccardi, Natalia Página 11
INFORMACION PARA LA TOMA DE DECISIONES
Solución óptima
Gráfico N.6
La solución óptima se encuentra en la intersección de la primera y tercer restricción. En
ese punto se verifica que los valores de X1 y X2 son iguales en ambas ecuaciones. Por algún
método matemático se pueden encontrar estos valores. A continuación se sugiere la siguiente
metodología:
De la primera restricción se deduce:
De la tercera restricción surge:
Igualando ambas expresiones:
Reemplazando X2 por el valor 2 en cualquiera de las dos expresiones anteriores se
obtiene el resultado para X1:
La solución óptima, que es la que producirá un menor costo, es producir 3 kg del
compuesto A (X1) y 2 kg del compuesto B (X2). Con este nivel de producción, se logra la mayor
eficiencia de recursos y la empresa logrará una producción al mínimo costo:
Como en el caso del problema anterior, podemos utilizar la técnica de calcular el
funcional en los vértices del polígono (aun cuando éste sea abierto).
Así, los vértices a analizar son: (0,12), (1,6), (3,2) y (9,0):
Lic. Pascual, Mónica – Prof. Riccardi, Natalia Página 12
INFORMACION PARA LA TOMA DE DECISIONES
Como puede observarse, el vértice (3,2) es el que presenta menor funcional y por lo tanto
es la solución del modelo planteado.
Para cerrar este tema nos parece importante señalar que quienes están al frente de una
empresa saben que en algunas ocasiones, es necesario correrse de la solución óptima. Esta
puede ser una decisión política de la empresa para evitar perder a un cliente importante, o tal
vez alguno de los recursos necesarios para la producción no ha llegado a tiempo o en condiciones
óptimas o por alguna otra cuestión intrínseca a la empresa.
Ante estas situaciones, tal como se explicó al inicio del tema que nos ocupa, los
problemas de programación lineal permiten hacer un análisis de sensibilidad a partir de la
solución óptima encontrada, conocer cuánto se ha utilizado de cada recurso escaso, cuánto se
puede llegar a pagar por incorporar más de un recurso que se ha agotado si es que fuera
necesario modificar el nivel óptimo de producción y cuánto y de qué manera los cambios afectan
al nivel de producción y a la rentabilidad de la empresa. Este análisis de sensibilidad que agrega
una dimensión dinámica a la solución óptima ofrecida por el modelo, no está previsto en este
módulo dado que implicaría trabajar con software apropiados.
Lic. Pascual, Mónica – Prof. Riccardi, Natalia Página 13
INFORMACION PARA LA TOMA DE DECISIONES
BIBLIOGRAFIA
K. Roscoe Davis, Patrick G. McKeown (1986). Modelos cuantitativos para administración. Grupo
Editorial Iberoamérica. México
Modelos de Toma de Decisiones:
[Link]
Lic. Pascual, Mónica – Prof. Riccardi, Natalia Página 14