Está en la página 1de 22

3.

La competitividad es un problema de actitud


Hace años, platicaba con un empresario de León, Guanajuato, que me comentaba con pesar
sus experiencias debido a los tratados de libre comercio. Se cuestionaba “, ¿Cómo quiere el
gobierno que siga operando mi empresa de manufactura de calzado si abre las puertas a la
importación de calzado? En este momento han bajado nuestras ventas ya que esta llegando
un zapato Sur Americano a un precio inferior a mi ‘costo de manufactura’ en México y
peor aún, con una calidad muy superior a la que mi planta satisface.” Este empresario,
como muchos otros en nuestro país, tenía la opinión de que las fronteras deberían de
permanecer cerradas para garantizar los empleos de muchos mexicanos. Esta opinión,
aunque triste, desgraciadamente es muy popular en el ambiente empresarial mexicano.

Después de escuchar, por mas de media hora, los lamentos sobre la economía mexicana y la
política de comercio internacional de nuestro gobierno, le pregunté a este empresario sobre
qué planes de mejoramiento tenía en su planta de calzado y qué medidas está tomando para
incrementar su calidad y permanecer competitivo. ¿Cómo estaba estudiando el uso de sus
recursos (inversión, maquinaria, mano de obra, materias primas etc.) para disminuir el costo
de manufactura de sus productos?, ¿Qué planes de mejora tenía en mente para permanecer
en el mercado? El empresario me miró con angustia y con voz vacilante me preguntó a qué
me refería. Le invite a reflexionar si la información que obtenía de sus procesos era
confiable, si le decía si el desperdicio de material y mano de obra eran mínimos, o si los
materiales que utilizaba eran los más apropiados en cuanto a la relación precio-calidad. En
pocas palabras la pregunta fue: ¿Está usted seguro que está operando de la manera más
eficiente posible para garantizar el precio más económico, satisfaciendo el estándar de
calidad que exigen sus clientes? La respuesta obviamente era no. Al parecer, estos
argumentos llamaron la atención del empresario, quien empezó a preguntarme sobre que
alternativas podía tener para llevar a cabo este tipo de mejoras, aclarándome explícitamente
que no tenía dinero para invertir en nueva maquinaria o equipos. Le aclaré que el área de
investigación de operaciones no se enfoca necesariamente a la inversión en nuevos equipos,
sino en el uso eficiente de los recursos existentes.

Quizá un ejemplo sencillo para ilustrar lo anterior sea el caso del instrumento de escritura
que se requería en el proyecto Apolo de la NASA. A inicios de la década de los 60´s todos
los bolígrafos necesitaban de la gravedad para funcionar. Dado que los astronautas
americanos requerían tomar notas durante el viaje espacial, la NASA invirtió alrededor de
un millón de dólares para desarrollar un bolígrafo que funcionara en ausencia de gravedad.
Sin embargo, si el objetivo era escribir en ausencia de gravedad, entonces un lápiz normal
puede hacerlo sin requerir mayor intervención… y cuesta menos de un dólar. A pesar de la
sencillez de este ejemplo, puede ilustrar como el permanecer en el mercado internacional
no necesariamente es cuestión de quién tiene la mayor inversión en tecnología, sino quién
está utilizando sus recursos lo más eficientemente posible.

Para entender estas ideas me permitiré relatar los acontecimientos que dieron inicio al
estudio formal de esta línea de pensamiento, la investigación de operaciones. A fines de los
años 30´s, el mundo se preparaba para un conflicto bélico mundial. Los países se
preocupaban no sólo por el abastecimiento de los recursos preciados que les permitirían
defenderse de los enemigos que acechaban. También, se preocupaban del uso apropiado de
estos recursos para hacer frente a dichas amenazas. En este contexto, Gran Bretaña convocó
a un grupo de especialistas en matemáticas, estadística y ciencias militares, para crear un
departamento estratégico que atenderá estas necesidades.

El fin de este nuevo grupo, era crear modelos matemáticos que, al resolverlos, permitiera el
uso eficiente (óptimo) de los recursos disponibles (dinero, mano de obra, alimentos,
medicinas etc.) para maximizar el efecto que las actividades militares infringieran en el
enemigo y la defensa de los aliados sobre sus territorios. En ese tiempo se hicieron avances
substanciales en el área llamada programación matemática. Programación en este contexto
no significa programación de un lenguaje de computadora (que en esa época eran casi
inexistentes), sino la programación de la asignación de recursos a actividades con el fin de
optimizar el efecto sobre una actividad específica. En ese entonces se crearon métodos
matemáticos que en su tiempo fueron considerados secretos militares.

Tiempo después, al terminar la segunda guerra mundial en 1945, se trabaja en la


reconstrucción de las economías de los países vencidos. En esa época cada recurso que
llegaba a estos países debía ser usado de la forma más eficiente para maximizar el efecto
sobre la economía, siendo el área de optimización una de las más utilizadas.
Eventualmente, las necesidades militares de optimización llegan a un punto equilibrado,
cesando la necesidad de mantener a un equipo tan numeroso de especialistas en
programación matemática dentro de la nómina de las fuerzas armadas. Así que de la noche
a la mañana muchos de estos especialistas se encontraron sin trabajo, pero con una gran
experiencia sobre el arte de la administración de recursos en épocas de crisis. Es entonces
cuando estos especialistas se dan cuenta que el problema de llevar alimentos, municiones y
comida a los frentes de combate, es el mismo problema al que se enfrentan las empresas en
tiempos de paz para distribuir sus productos tanto a nivel nacional como internacional. El
mismo problema de producir armamento al menor costo y manteniendo estándares de
calidad excelentes, puede ser trasladado al de manufacturar productos en tiempo de paz
dentro de un ambiente competido internacionalmente. Pocas personas aceptarían un
paracaídas con un nivel de calidad inferior al 100%.

Es en la década de los 50´s cuando se crean dos organismos internacionales con el fin de
promover la comunicación en el área de optimización. ORSA (de las siglas en inglés de
Sociedad Americana de Investigación de Operaciones) y TIMS (de las siglas en inglés de
El Instituto de Ciencias de la Administración). Aunque ambos organismos tenían objetivos
comunes y una base similar en modelos matemáticos, la diferencia radicaba en el tipo de
aplicaciones a las que se enfocaba cada una. ORSA se enfocaba a aplicaciones ingenieriles
y de manufactura mientras que TIMS se enfocaba a un ambiente más administrativo. En
enero de 1995, ambas organizaciones se funden y crean INFORMS (Del inglés Instituto de
Investigación de Operaciones y Ciencias de la Administración). Este instituto tiene ramas
en todo el mundo y celebra dos congresos anuales en los Estados Unidos de América,
donde se reúnen académicos, industriales y administradores, tanto de la iniciativa privada
como del sector público de diversos países. En cada congreso de INFORMS se reúnen
aproximadamente cuatro mil asistentes durante cuatro días. En cada momento del congreso
aproximadamente 30 conferencias se dictan al mismo tiempo. De esta manera el asistente
puede reunirse con sus colegas de todo el mundo y hablar de temas tan específicos como
sea necesario. Esto ha dado lugar a un auge de la ciencia llamada Investigación de
Operaciones, que es aquella que agrupa los diversos campos de optimización. Un hecho
curioso de los congresos de INFORMS es que en los pasillos y al final de cada conferencia
se puede observar platicando a personas de la pequeña y mediana industria de diferentes
países sobre la forma en que han utilizado estos procesos de pensamiento para sobrevivir en
sus respectivos sectores y muchas veces llegar a ser líderes en el ramo de su actividad. En
estos foros, se puede ver pequeños empresarios de diversas partes del mundo comentando
sus experiencias con modelos matemáticos y relatando los éxitos de sus participaciones en
el mercado relativas al uso de estas técnicas.

Desgraciadamente, en México he tenido poco, por no decir casi nulo, contacto con
empresarios que hayan aplicado estas líneas de administración. La siguiente pregunta lógica
es ¿Qué se está haciendo al respecto en México? La repuesta no es muy satisfactoria.
Menos de cincuenta mexicanos son miembros de INFORMS y sólo participan cuatro como
miembros de la sociedad europea de programación matemática. Podemos decir que la
aplicación de los conocimientos de optimización en México se limitan en la mayoría de los
casos, a aplicaciones académicas dentro de algunas universidades, siendo muy pocas las
aplicaciones de estas ideas en la iniciativa privada y en el sector público de nuestro país.

En nuestra comunidad, la facultad de Ingeniería del Instituto Tecnológico y de Estudios


Superiores de Monterrey Campus Toluca, es una de las instituciones más activas en el país
dentro del campo de la optimización. El instituto cuenta con personal altamente calificado
en investigación de operaciones. Se cuenta con Maestría y Doctorado en Ingeniería
Industrial, donde se apoya a nivel de postgrado a la difusión de estos conocimientos.
Diversos profesores de la facultad de ingeniería asisten periódicamente a congresos
internacionales donde exponen los resultados de sus investigaciones, las cuales están a la
altura de las más avanzadas del mundo. Esto permite al Campus Toluca del Tecnológico de
Monterrey estar a la vanguardia dentro de los avances del área con el fin de enfocar estos
conocimientos a su aplicación en las industrias del país.

Hasta el momento, se han llevado a cabo algunos proyectos dentro de empresas, con
ahorros de millones de pesos para las compañías, sin promover inversiones en activos o
remodelaciones. La mayoría de los resultados de estos proyectos encuentran la mejor forma
de manufacturar el producto utilizando la infraestructura con la que ya se cuenta. En otras
palabras, se busca encontrar la manera de operar de la forma más eficiente dadas las
condiciones actuales de la compañía, incluyendo todas las limitaciones que en nuestro
ambiente empresarial se manifiestan.

Un par de casos como ejemplo: En una compañía que se dedica a la fabricación de latas, se
presentó un incremento importante en la demanda de algunas bebidas alcohólicas con
presentación de lata. La compañía se dio cuenta que si seguía operando de la forma en que
lo venía haciendo la capacidad de la planta no sería suficiente y por lo tanto perdería
algunos pedidos importantes. La administración entonces se preguntó si la organización de
manufactura estaba operando de la manera más eficiente posible. Del cuestionamiento
anterior decidieron construir (con la ayuda del profesorado del ITESM Campus Toluca) un
modelo de programación matemática que les permitiera programar eficientemente el orden
en que los pedidos de producción se efectuaban y a qué máquinas se podrían asignar de tal
forma que, manteniendo la misma calidad, se cumpliera con la nueva demanda. Este
modelo matemático tomó en cuenta las condiciones cambiantes de manufactura, y permitió
cumplir con la demanda a un costo mínimo, con un considerable incremento en ventas que
de otra forma se hubieran perdido. En este caso no se invirtió en nueva maquinaria, ni se
contrato nuevo personal, sino que se utilizaron los recursos existentes de la forma más
eficiente posible.

Otra compañía, dedicada a la fabricación de bandas para transferencia motriz, decidió


estudiar su sistema de distribución de producto a nivel nacional. El objetivo era optimizar
los tipos de vehículos a utilizar, las mejores rutas de abastecimiento, la cantidad y periodo
de carga de los vehículos. Nuevamente no se adquirieron vehículos ni se invirtió en activos,
simplemente se buscaron las mejores formas de operar en el sistema de distribución del
producto. Los resultados fueron ahorros de millones de pesos anuales.

Lo anterior son sólo algunos ejemplos de lo que se puede lograr al aplicar técnicas
cuantitativas en la operación de los negocios. Por supuesto, se requiere de un conocimiento
amplio de áreas como matemáticas, estadística, administración, humanidades y ciencias de
la computación. Pero los beneficios potenciales son lo suficientemente atractivos como para
perder el miedo a estas áreas e incursionar en su aprendizaje.

El administrador mexicano puede dar varios pretextos para no aplicar técnicas de


optimización. Uno y el más popular es el desconocimiento de que estas áreas de la ciencia
existen. La solución es simple: acercarse a instituciones universitarias. De hecho, los
profesores universitarios de estas áreas no solo estarían dispuestos a aplicar sus
conocimientos en el desarrollo de las empresas interesadas, sino que lo harían
gustosamente. Por ejemplo, El ITESM Campus Toluca cuenta con un centro integral para
la competitividad empresarial, cuyo objetivo es hacer llegar estos conocimientos a las
empresas que así lo soliciten y por lo tanto coadyuvar al desarrollo de la comunidad.

Un segundo pretexto para la no aplicación de estas técnicas de optimización es la creencia


de que sólo son aplicables a grandes compañías que puedan pagar costosos equipos de
cómputo para solucionar los modelos generados en los estudios. Parte de la investigación
que se lleva a cabo en la Escuela de Ingeniería del ITESM Campus Toluca consiste en
desarrollar programas de cómputo de alta eficiencia que permiten resolver modelos
matemáticos de gran tamaño en computadoras personales, que hace algunos años requerían
de supercomputadoras para ser resueltos. De esta forma se da acceso al público en general
a la aplicación de estas técnicas de optimización utilizando la misma computadora donde
se procesan las cartas de la compañía.

El desarrollo del país no sólo depende del gobierno, sino en gran parte, depende de la
actitud del empresario mexicano que debe cambiar su forma de operar y utilizar técnicas
cuantitativas en la toma de decisiones. La competitividad que una empresa pueda tener en
el mercado depende altamente de la actitud que mantengan los tomadores de decisiones de
la misma.
4. Introducción a la Programación Lineal

4.1 ¿Qué es programación lineal?

La programación lineal es un área de la investigación de operaciones que se encarga del


estudio de modelos matemáticos lineales, con el objetivo de optimizar (maximizar o
minimizar) una función lineal sujeta a determinadas restricciones (igualdades o
desigualdades lineales).

El objetivo de problema de programación lineal debe definir:


• La dirección de optimización (Maximización o minimización)
• Qué se va a optimizar (ganancias, costos, cantidad de producción, etc.)
• En qué unidades se va a optimizar (generalmente unidades económicas)
• Qué acción permitirá la optimización (Producir, vender, etc.)
• En que periodo se realizará la optimización (día, semana, etc.)

En un problema de programación lineal, muchas veces se busca maximizar utilidades, solo


en el caso de que los ingresos sean fijos sin importar las variables de decisión, entonces se
busca minimizar costos.

Las restricciones de un problema de programación lineal representan los límites sobre la


disponibilidad de recursos. En las restricciones, se deben definir las unidades y periodo
acorde a la función objetivo.

El modelo de programación lineal se define para variables que toman valores dentro de una
región positiva de los ejes coordenados, por lo que es importante considerar la restricción
de “No negatividad”.

Ciertos símbolos se usan de manera convencional para denotar las distintas componentes de
un modelo de programación lineal.
Para el problema general de asignación de recursos a actividades:

Z = Valor de la medida global de efectividad


xj = Variables de decisión: nivel de la actividad j (para j = 1,2,...,n)
cj = Incremento en Z que resulta al aumentar una unidad en el nivel de la actividad j
bi = Cantidad de recurso i disponible para asignar a las actividades (para i = 1,2,...,m)
aij = Cantidad del recurso i consumido por cada unidad de la actividad j

La programación lineal trata la planeación de las actividades para obtener un resultado


óptimo, entre todas las alternativas de solución.

4.2 Un ejemplo bebé:


La compañía BCRAFT ha obtenido la concesión internacional para la fabricación de
diamantes artificiales. Esta compañía se especializa en piezas de 1 y 2 kilates.
Para fabricar un diamante de calidad D, BCRAFT utiliza un proceso de tres estaciones:
compresión, corte y pulido. Para elaborar diamantes de un kilate (D1K), se requiere por
cada pieza, 0.5 hora de trabajo de compresión, 0.49 hr de trabajo de corte y 0.21 hr de
trabajo de pulido. El costo de un D1K es de $100 y se vende por $150, por lo que su
“Contribución marginal” (CM) es de $50. Para elaborar diamantes de dos kilates (D2K) se
requiere por cada pieza, 0.9 hora de trabajo de compresión, 0.7 hr de trabajo de corte y 0.39
hr de trabajo de pulido. El costo de un D2K es de $170 y se vende por $275, por lo que su
“Contribución marginal” (CM) es de $105.

Se acostumbra resumir este tipo de información en una tabla, como la siguiente:

Producto Compresión Corte Pulido Venta Costo C. M.


(hrs/pza) (hrs/pza) (hrs/pza) ($/pza) ($/pza)
D1K 0.5 0.49 0.21 150 100 50
D2K 0.9 0.7 0.39 275 170 105

Supongamos que la fábrica trabaja de lunes a sábado, en turnos de 8 horas los primeros 5
días y solo medio turno los sábados.

Analizando este ejemplo en términos de programación lineal, se definen los siguientes


elementos:

Función Objetivo: Maximizar la contribución marginal en dólares por producto de la


fabricación y venta de diamantes D1K, D2K durante un periodo de una semana.

Restricciones: Respetar la capacidad en horas por semana disponibles en las estaciones de


compresión, corte y pulido.

Indicar al modelo que no se pueden fabricar piezas negativas, es decir, incluir la restricción
de No negatividad.

Definición de variables:
x1 = Número de piezas a fabricar D1K en una semana
x2 = Número de piezas D2K a fabricar en una semana

En términos de ecuaciones, el problema se expresa:


Maximizar 50 x1 + 105 x 2
Sujeto a
Compresión) 0.5 x1 + 0.9 x 2 ≤ 44 1
Corte) 0.49 x1 + 0.7 x 2 ≤ 44 2
Pulido) 0.21x1 + 0.39 x 2 ≤ 44 3
x1 , x 2 ≥ 0
Si representamos el sistema de ecuaciones de forma gráfica, obtendríamos una figura como
la siguiente:

Nótese que cada restricción es útil para definir cada una de las “fronteras” la Región
Factible (el espacio que queda comprendido entre las restricciones y donde debe
encontrarse la solución).

Cada restricción deberá representarse como la recta que refleja la igualdad de la restricción.
El sentido de la desigualdad nos indicará que parte de la gráfica debe quedar en la región
factible.

La función objetivo debe evaluarse para verificar donde se cumple el valor óptimo dentro
de la Región Factible. Es fácil advertir que la optimización de la función objetivo se realiza
siempre en uno de los vértices (esquinas) de la región factible.

Conviene introducir aquí el concepto de gradiente.

Matemáticamente se obtiene derivando parcialmente el vector respecto de cada una de las


coordenadas espaciales. Se representa con el símbolo ∇ (nabla). En el ejemplo:

f(x,y) = 50 X 1 + 105 X 2 x1
 ∂f ( X 1 , X 2 ) 
  50  (50, 105)
= 
∂X 1
∇f ( X 1 , X 2 ) =    (0, 48.8)
∂f ( X 1 , X 2 )   
  105
 ∂X 2 

En este contexto, el gradiente representa la dirección de máximo crecimiento de la función


objetivo.
4.3 Suposiciones del modelo de programación lineal

1) Proporcionalidad.
La contribución de cada actividad al valor de la función objetivo Z es
proporcional al nivel de actividad xj, como lo representa el término cjxj en la
función objetivo. Es decir, las cantidades de cambio en las variables de
decisión y costos se consideran proporcionales. Por ejemplo, si una galleta
proporciona 50 kilocalorías, se asume que dos galletas proporcionarán 100
kilocalorías.

2) Aditividad :
Establece que la entrada y salida de un recurso en particular al conjunto de
actividades, deben ser la misma cantidad; o sea, que las actividades
transforman los recursos y no los crean o destruyen, solo los asignan. La
aportación que cada variable de decisión hace se puede sumar con la
aportación de la misma naturaleza que hace otra variable. Por ejemplo, si
una galleta aporta 50 Kilocalorías y un pan aporta 100 Kilocalorías, se
asume que ambos artículos aportan 150 kilocalorías.

3) Divisibilidad (Continuidad)
Las variables pueden tomar cualquier valor entero o fraccionario, dentro de
su rango permitido.

4.4 Limitaciones del modelo de programación lineal

1) Determinístico
El modelo de programación lineal involucra tres tipos de parámetros: Cj, aij y
bi; El valor de dichos parámetros debe ser conocido y constante para que este
modelo pueda aplicarse al problema.

2) Estático
El modelo es estático ya que la variable tiempo no se involucra formalmente.
Aunque es posible formular modelos de programación lineal incluyendo
períodos diferentes de tiempo, con el uso de subíndices en las variables.

3) No Suboptimiza
El modelo esta diseñado para encontrar una solución óptima o bien, declarar
que la solución no existe.

4.5 Teorema sobre la solución optima:

En un problema de programación lineal con solución finita, existe al menos una


solución en un vértice.
4.6 El modelo de programación lineal

Max 
Función Objetivo Min  c1 x1 + c2 x 2 + · · · + cn x n
 
Sujeto a:
 =
a11 x1 + a12 x 2 + · · · + a1 n x n ≥  b
  1
≤ 
M
= 
a m1 x1 + a m 2 x 2 + · · · + a mn x n ≥  bm
≤ 
x1 , x2 , … , xn ≥ 0

Del ejemplo:
Min cT x c T = Vector transpuesto
s.a. Ax ≤ b
x ≥ 0

Donde:
 0.5 0.9   44
c T = [50 105] A = 0.49 0.7  b =  44
 0.21 0.39  44

4.7 Formatos Matemáticos de programación lineal

4.7.1. Formato estándar

Max 
Min  cT x
 
s.a. Ax = b
x ≥ 0
4.7.2 Formato canónico

4.7.2.1. Maximización 4.7.2.2. Minimización

Max cT x Min cT x
s.a. Ax ≤ b s.a. Ax ≥ b
x ≥ 0 x ≥ 0
A ∈ R m×n
donde: b ∈ Rm
c, x ∈ R n

4.8 ¿Cómo pasar de un formato a otro?

4.8.1 Cambio del sentido en la función objetivo

Max f(x)

Min -f(x)
X

4.8. 2 Cambio de sentido de desigualdades

Multiplicar ambos lados de la restricción por (-1)

4.8.3 Pasar de igualdad a desigualdad

3X 1 + 2 X 2 ≥ 7
3X 1 + 2 X 2 = 7 Equivale a:
3X 1 + 2 X 2 ≤ 7

4.8.4 Pasar de desigualdad mayor o igual a igualdad

7X 1 + 2X 2 ≥ 1 Equivale a: 7 X 1 + 2 X 2 − H1 = 1

H1 > 0 (variable de Holgura, por ejemplo: tiempo de ocio)


Cada desigualdad deberá incluir su propia variable de holgura diferente a las demás.

4.8.5 Pasar de desigualdad menor o igual a igualdad

2X 1 + X 2 ≤ 7 Equivale a: 2X 1 + X 2 + H 2 = 7 H2 > 0

4.8.6 Restricción del tipo valor absoluto

7 X 1 + X 2 ≥ −2
7X1 + X 2 ≤ 2 Equivale a:
7X1 + X 2 ≤ 2

4.8.7 Variables reales


+ − + −
X1 pertenece a R Equivale a: X1 = X1 − X1 donde X 1 ≥ 0, X 1 ≥ 0

Ejemplo:
Sustituyendo:
+ −
Min 2 X 1 + 3X 2 Min 2 X 1 − 2 X 1 + 3X 2
+ −
s.a. 3X 1 + 2 X 2 ≥ 7 s.a. 3X 1 − 3X 1 + 2 X 2 ≥ 7
X2 ≥ 0 + −
X1 , X 2 , X 2 ≥ 0

4.8.8 Desigualdades acotadas por ambos lados

3X 1 + 2 X 2 = X 3
5 < 3X 1 + 2 X 2 < 7 Equivale a:
5 < X3 < 7
4.9 Formatos computacionales

El formato MPS (Mathematical Programming System), es muy conocido y usado entre los
usurarios de la programación lineal, en particular los que usan modelos de gran escala
(numero de variables y restricciones considerable). El modelo es escrito en un archivo de
texto para el problema de los diamantes.

Formato Algebraico:
Maximizar 50 x1 + 105 x 2
Sujeto a
Compresión) 0.5 x1 + 0.9 x 2 ≤ 44 1
Corte) 0.49 x1 + 0.7 x 2 ≤ 44 2
Pulido) 0.21x1 + 0.39 x 2 ≤ 44 3
x1 , x 2 ≥ 0

Formato MPS
NAME Bcraft (max)
ROWS
N Utilida
L COMPRESI
L CORTE
L PULIDO
COLUMNS
X1 CORTE 0.490000000
X1 COMPRESI 0.500000000
X1 PULIDO 0.209999993
X1 Utilida 50.0000000
X2 CORTE 0.699999988
X2 Utilida 105.0000000
X2 PULIDO 0.389999986
X2 COMPRESI 0.899999976
RHS
RHS1 COMPRESI 44.0000000
RHS1 CORTE 44.0000000
RHS1 PULIDO 44.0000000
ENDATA

La mayoría de los software profesionales manejan ambos formatos, como por ejemplo
Cplex y LINDO
5. Modelación en programación lineal
5.1 La empresa NA S.A. desea producir tres diferentes tipos de blocks de concreto: I, II y
III. Esta compañía cuenta con la siguiente información técnica y de subministro de
materiales por día:
Requerimientos
Cemento Arena Grava Agua Horas Utilidad
Block (kgs./pza.) (kgs./Pza.) (kgs./pza) (lts./pza.) Máquina ($/pza.)
I 1.5 0.8 0.4 0.3 0.004 6
II 1.2 0.6 0.6 0.4 0.002 8
III 0.8 1.0 0.8 0.5 0.010 9
Abastecimiento 12,000 kgs. 8,000 600 400 lts 300
máximo por día kgs. kgs. hrs-maq.

5.2 La compañía NA S.A. está iniciándose en el negocio de la minería. Se está estudiando


la posibilidad de comprar concentrados de mineral de plomo para sus hornos de
sinterización, los cuales requieren de una alimentación de mil toneladas diarias. A la cama
de material sinterizado, se le debe de alimentar cuando mucho con 70% de plomo, cuando
mucho con 15% de escoria y cuando menos con 15% de plata. La empresa tiene cuatro
posibles proveedores los cuales venden toneladas de material con una mezcla de los
componentes de interés, aunque con diferentes porcentajes. La información es la siguiente:

Proveedor Plomo (%) Plata (%) Escoria (%) Costo ($/Ton)


1 65 15 20 50
2 70 10 20 40
3 70 20 10 70
4 90 5 5 65

5.3 El problema de la planeación de la producción

Una compañía desea programar la producción para los próximos 10 meses, buscando cubrir
la demanda pronosticada y decidiendo como mover las variables involucradas (fuerza de
trabajo, cantidad a producir por mes e inventarios) a fin de maximizar la utilidad general
del plan.

En la siguiente tabla se muestra información sobre la demanda y los días laborables por
mes para todo el horizonte de planeación.

Periodo (mes) 1 2 3 4 5 6 7 8 9 10
Demanda (unidades) 50 60 55 55 50 45 40 70 95 260
Días disponibles (Tiempo normal) 22 18 23 21 22 21 20 20 22 22
Días disponibles (Tiempo extra) 3 3 3 3 4 3 3 3 4 4

Las restricciones de capacidad e inventario, así como los costos asociados en la producción,
se dan en la tabla siguiente:

Inventario inicial 20 piezas


Fuerza de trabajo inicial 20 personas
Máxima fuerza laboral permitida (por mes) 40 personas
Tasa de producción mensual en horario normal (con base en 22 días) 3 pzas/persona
Tasa de producción mensual en tiempo extra (con base en 3 días) 1 pzas/persona
Costo de producción en horario normal 500 $/ud
Costo de producción en tiempo extra 800 $/ud
Costo mensual de inventarios 25 $/pza
Costo mensual de faltante 100 $/pza
Costo de contratar personal 900 $/persona
Costo de despedir personal 800 $/persona
Costo de materiales 450 $/pza
Costo de subcontratar 1500 $/pza
Precio de venta 2,000 $/pza

* Después de resolver el modelo, incluir un Resumen Ejecutivo con la solución.

5.4 ¿Como cambiaría el problema anterior si en lugar de un producto tuviéramos dos? Los
datos del segundo producto se muestran a continuación

Inventario inicial 40 piezas


Tasa de producción mensual en horario normal 5 pzas/persona
Tasa de producción en tiempo extra 2 pzas/persona
Costo de producción en horario normal 200 $/ud
Costo de producción en tiempo extra 400 $/ud
Costo mensual de inventario 15 $/pza
Costo mensual de faltante 50 $/pza
Costo de materiales 150 $/pza
Costo de comprar una unidad a un vendedor externo 1000 $/pza
Precio de venta 1,500 $/pza

Periodo 1 2 3 4 5 6 7 8 9 10
Demanda 5 6 50 30 20 25 30 80 55 150

5.5 La compañía NA S.A. fabrica perfiles de acero para la industria de la construcción en


cuatro tamaños: pequeño, mediano, grande y extra grande. Estos perfiles pueden ser
producidos en cualquiera de los tres molinos disponibles A, B, C. Los metros de perfil que
pueden ser producidos por hora en cada tipo de molino son dados a continuación:

Perfil MOLINO A MOLINO B MOLINO C Demanda


(mts/hora) (mts/hora) (mts/hora) (mts./mes)
Pequeño 100 200 270 14,000
Mediano 85 130 230 10,400
Grande 70 120 200 8,000
Extra Grande 35 70 100 12,000
Costo de Operación ($/Hra) 210 350 560

Cada molino no puede utilizarse más de 48 horas por semana

5.6 El hospital de la compañía NA S.A. está realizando un estudio de eficiencia para


optimizar los recursos con los que cuenta. Una de las preocupaciones principales del
director del hospital es la del personal. El problema que actualmente enfrenta es el del
número de enfermeras en la sección de Emergencias. Para tal efecto realizó un estudio
estadístico que arrojó los siguientes resultados

Hora Número Mínimo de


Enfermeras Requerido
0a4 40
4a8 80
8 a 12 100
12 a 16 70
16 a 20 120
20 a 24 50

Cada enfermera debe de trabajar ocho horas consecutivas y todas reciben el mismo sueldo.

5.7 La compañía NA S.A. ahora esta incursionando en el negocio de alfombras. Para


alfombrar un edificio de oficinas se han recibido tres órdenes para cortar rollos a los anchos
y largos indicados a continuación:

Orden Ancho (mts.) Largo (mts.)


A 0.50 1,000
B 0.70 3,000
C 0.90 2,000

Las tres órdenes son del mismo tipo de alfombra (Lujo, verde plácido).

La empresa compra la alfombra a cortar en rollos. Los rollos pueden ser de dos anchos: 1 y
dos metros (a un costo de 10 y 17 $ por metro de largo). Posteriormente los corta al ancho
especificado por cada orden. Los rollos estándar no tienen una longitud definida dado que
para propósitos prácticos la alfombra puede pegarse para cumplir con el largo especificado
pero no el ancho.

Se tiene un número finito de rollos de ancho definido

1 mt. 2 mts.

5.8 Dos hermanos están pensando en juntar sus compañías, ya que han observado que en
algunas de las máquinas que utilizan en sus procesos tienen cuellos de botella, mientras que
en algunas otras tienen holgura. Además, en cierta forma se sienten obligados para respetar
la voluntad de su padre, quien desde hace algún tiempo ha venido pidiéndoselos. Cada uno
de ellos venia produciendo tres artículos cuyas características se dan a continuación:

Compañía 1
Artículo Demanda Mínima por Semana Utilidad ($/Pza)
A 20 3,000
B 12 2,500
C 10 3,000

Compañía 2
Artículo Demanda Mínima por Semana Utilidad ($/Pza)
D 15 2,000
B 8 2,500
E 12 4,000

El dueño de la compañía 2 esta dispuesto a unirse con el otro bajo la condición de que sus
ventas, tomando en cuenta la demanda mínima se incrementen en un 50 % en cuanto a la
suma de las unidades. Mientras que el otro hermano pone como condición de que para cada
uno de ellos obtengan una utilidad de $ 150,000 por semana. La utilidad se contabilizará en
forma global y se repartirá en partes iguales a cada hermano. Las condiciones bajo las que
venían trabajando son:

Compañía 1:
Artículo Máquina α Maquina β Máquina γ
(hrs./pza.) (hrs./pza.) (hrs./pza.)
A 0.5 1 1
B 1 1.5 0.5
C 1 1 1
Compañía 2:
Artículo Máquina α Maquina β Máquina γ
(hrs./pza.) (hrs./pza.) (hrs./pza)
D 2 1 1
B 1 1.5 0.5
E 1 0.5 2

Se tienen disponible en total incluyendo la capacidad de ambas compañías, 96 hrs, 92 hrs y


90 hrs para las Maquinas α,β, γ respectivamente

5.9 La compañía NA. S.A fabrica cuatro partes de motores de avión (R1, H4, Z3 y W1)
Para elaborarlas compra piezas de chatarra a las que somete a cuatro procesos llamados P1,
P2, y P3 y P4. Actualmente solo se tiene una máquina para los procesos P1 y P4, mientras
que para los procesos P2 y P3 se cuenta con dos máquinas. Las máquinas para los procesos
P1 y P4 pueden trabajar 12 horas por día, mientras que las máquinas para los procesos P2 y
P3, trabajan solamente un turno de 8 horas por día cada una. Actualmente se tiene un
pedido fijo semanal de 6 unidades de la pieza R1, 4 unidades de la pieza Z3 y un estudio de
mercado reveló que sólo se pueden vender como máximo 20 pzas. de R1, 15 pzas. de H4,
12 pzas. de Z3 y 40 piezas de W1 a la semana. Enseguida se muestra la información sobre
el tiempo requerido para cada proceso de cada una de las piezas

Pieza P1 P2 P3 P4 Venta $/pza.


R1 2 2.5 3 1.5 8,000
H4 1 2 3 2.5 6,500
Z3 2 3 3 2 5,000
W1 2 4.5 2 1 4,000
Costo $/hra 200 170 150 180

Asuma cinco días hábiles por semana.


5.10 Problema del abastecedor (The Caterer Problem)

En el Salón Presidencial de un conocido hotel del centro de la ciudad va a celebrarse el


Simposium anual de investigación de operaciones. Para ello se mandarán a hacer manteles
con el logo del Simposium. Los cuales se usarán en las cenas que se ofrecerán durante los
diez días que durará el Simposium. Cada mantel tiene un costo de $500. Los manteles
pueden mandarse a lavar en el hotel a un costo de $ 200/pza y tardan dos días hábiles en ser
entregados. Es decir un mantel que se use en la cena del lunes y se mande a lavar
inmediatamente después podrá estar listo para su uso en la cena del miércoles. Los
manteles que queden el finalizar el Simposium no tendrán ningún valor. La demanda de
manteles limpios pronosticada es la siguiente

Día 1 2 3 4 5 6 7 8 9 10
Manteles 200 160 280 240 280 200 250 100 400 80

5.11 Problema del Trasbordo (The Transshipment Problem)

Este tipo de problema supone que existe cierto número de industrias, cada una con
capacidad de producción específica y un cierto número de mercados con requerimientos
específicos de producto. El problema consiste en abastecer los mercados que demandan el
producto, desde las industrias que lo envían, al menor costo posible.

En este problema se definen ciudades que representan industrias, ciudades que representan
mercados o ciudades de paso (trasbordo). Se asume que existe un costo por unidad de
producto en que se incurre al transportar material de una cuidad a otra, entonces, el
problema consiste en encontrar las cantidades adecuadas que debe enviar cada industria a
cada mercado, con el objetivo de minimizar el costo total.

Una suposición fundamental es que la suma de capacidades de industria es igual a la suma


de demandas de mercado. Si esta condición no se cumple, el problema se modifica
agregando ciudades ficticias que complementen las cantidades faltantes.

La función objetivo es, por supuesto, minimizar los costos. Las restricciones aplican el
enfoque de análisis de nodos, para establecer el balance adecuado de cantidades.

Por ejemplo:
Industrias Capacidad Transbordo Mercados Demanda
(1) -10 (4) (8) 20
(2) -20 (5) (7) 0
(3) - 7 (6) (9) 17
-37 37

Los costos de transporte unitario entre nodos son (costo, nodo origen, nodo final):
($1.0,1,4), ($2.0,2,4), ($1.0,2,5), ($1.0,3,5), ($1.5,3,6), ($1.0,4,5), ($2.0,5,6), ($2.0,4,8),
($1.0,5,7), ($1.0,5,9), ($0.3,6,9), (0.2,7,8), (2,9,7).
5.12. El problema de asignación

La asociación nacional de Quid Ditch de nuestro país esta por nombrar a los
integrantes del equipo nacional para competir en la siguiente serie mundial. Este deporte se
juega con equipos de 7 integrantes. Un guardián (portero), dos golpeadores (protegen al
equipo de las bludgers), tres cazadores (tratan de anotar con la quaffle), un buscador (debe
atrapar la snitch dorada). Tenemos diez jugadores en la selección y su tarea es nominar a
los seleccionados del primer equipo. Cada jugador ha sido probado para cada una de las tres
posiciones con los siguientes resultados de acuerdo a nuestro sistema de evaluación
general.

Jugador Guardián Golpeador Cazador Buscador


A 2 6 9 3
B 7 5 3 9
C 5 9 3 7
D 3 8 6 0
E 6 9 3 9
F 6 8 9 3
G 7 4 9 5
H 7 5 9 8
I 5 8 7 8
J 5 6 5 8

5.13 El problema de asignación en la línea de ensamble


Referencia: Linear Programming, Vasek Chvatal , Freeman, página 341.

Este problema se basa en un principio similar al del problema de asignación clásico. En


lugar de maximizar la suma de las contribuciones de los candidatos, se busca maximizar la
contribución mas pequeña de los candidatos individuales. Es decir, el desempeño de todo el
equipo será medido por el peor desempeño de los miembros como individuos. Como dice el
proverbio, la fuerza de la cadena se mide por el eslabón más débil. El problema del cuello
de botella, puede ser resuelto como la aplicación repetida del siguiente algoritmo. Para
iniciar considere el problema de decidir si existe una asignación factible en la cual cada
desempeño individual exceda un umbral t.

Construya la siguiente gráfica:

1. Sea t = mínimo desempeño individual de los candidatos.


2. Sea la Industria Ii con capacidad no negativa por cada miembro potencial del equipo.
3. Sea el mercado Mj con una demanda no negativa por cada posición en el equipo.
4. Construya un arco IiMj por cada desempeño individual ij > t.
5. En caso de que la capacidad de las Industrias sea mayor que las demandas de los
mercados construya un mercado ficticio con la demanda que balancee el problema, y
asigne arcos de cada industria a este mercado ficticio.
6. Construya el modelo de PL para encontrar una solución factible. De encontrarse, haga
t = t+1 y vaya al paso 2. De lo contrario, la mejor solución es un desempeño de t-1 el
cual fue encontrado en la iteración anterior.
5.14 La famosa e internacional compañía NA S.A. ahora incursiona en el negocio de la
fabricación de sombreros con tres modelos
Modelo Capacidad de Producción (pzas./mes)
Norteño 650
Lona 900
Articela 700

Se tienen tres mercados con los siguientes costos de transporte en $/pza:

Modelo \ Mercado Norte Centro Sur


Norteño 3 5 7
Lona 2.5 4.8 5.8
Articela 2 3.4 5.2

La demanda de cada mercado en sombreros por mes se expresa a continuación:

Mercado Demanda (Máxima)


Norte 750
Centro 900
Sur 600

Encuentre las cantidades que se deben enviar desde cada industria a cada mercado, a fin de
minimizar el costo total.

5.15 La tintorería “China” desea maximizar el número de kilogramos que procesa por día.
Solamente acepta tres tipos de prendas de vestir: camisas, pantalones y trajes. La capacidad
de sus procesos de trabajo son: de lavado, 8 hrs./día, de secado, 4 hrs./día, y de planchado,
6 hrs./día. Los tiempos de procesado (hrs./kg.) son los siguientes:
Operación Camisa Pantalón Traje
Lavado 0.10 0.30 0.40
Secado 0.20 0.30 0.50
Planchado 0.30 0.20 0.30

Las capacidades de las maquinas son 50 kgs/día para la lavadora, 40 kgs/día para la
secadora, y 30 kgs/día para la planchadora.
5.16 Una pequeña ciudad de 15,000 habitantes consume un promedio de 1,200,000 de litros
de agua por día. La ciudad se abastece de una central donde el agua es purificada por
métodos convencionales de filtración y clorohidratación. Adicionalmente, dos compuestos
químicos: suavizador y purificador, son necesarios para el agua como elementos salubres.
La planta purificadora esta considerando a dos proveedores de estos productos químicos. El
proveedor A ofrece paquetes de 4 kgs. de suavizador y 1.5 kgs. de purificador por $80. El
proveedor B ofrece paquetes de 2 kgs. de suavizador y 4.5 purificador por $100. Para
mantener el agua a un nivel mínimo de suavidad y protección mínima de pureza se
requieren 75 kgs. de suavizador y 50 de purificador. ¿Qué combinación de productos se
deben adquirir?
5.17 El gran jefe indio CEO, prepara su próximo ataque al fuerte cara pálida. El plan
consiste en combinar las estrategias empleadas en ataques anteriores, los cuales pueden
resumirse como sigue:

Estrategia 1 (Formación T)
Cada indio necesita dos cuchillos, un hacha y dos lanzas. Los gastos ascienden a medio
búfalo por guerrero. Se espera acabar con dos soldados enemigos por combatiente.

Estrategia 2 (Tradicional)
Se necesita por cada indio: un caballo, dos arcos, cien flechas y cuatro lanzas. Los gastos se
calculan en ¾ búfalo por guerrero y se espera eliminar a tres soldados por indio.

Estrategia 3 (Último adelanto)


Es necesario un caballo y un rifle por indio. El costo es de un búfalo por indio. Se estiman 5
soldados muertos por guerrero.

Estrategia 4 (Ataque nocturno)


Con dos cuchillos y un hacha se eliminan 25 soldados por indio. Este ataque es patrocinado
por el sindicato (para promover el espíritu indio entre los guerreros jóvenes) por lo cual
cuesta a la tribu cero búfalos.

Estrategia 5 (Ataque nuclear)


Se debe disponer por cada indio, de un caballo, un rifle, quince cuchillos, cinco lanzas, un
arco y cuarenta flechas (encendidas). En este devastador ataque se estiman caerán 75
soldados por indio, aunque el costo es de tres búfalos por indio.
El gran jefe CEO, cuenta con los siguientes recursos:

Recurso Disponibilidad
Indios 1,500
Rifles 300
Flechas 15,000
Caballos 750
Lanzas 1,000
Cuchillos 1,000
Hachas 200
Arcos 1,000
Búfalos 5,000

Según el último reporte de inteligencia militar indio, en el fuerte se encuentran actualmente


20,000 soldados.
Los indios no pueden asignarse a mas de una estrategia (Lo prohíbe la ultima enmienda del
código del guerrero).

5.18 Tres aleaciones I, II y III son producidas a partir de cinco metales A, B, C, D, E, de


acuerdo a las siguientes especificaciones técnicas

Aleación Especificaciones Técnicas


I *Cuando mucho 65% de A
*Cuando menos 20% de C
*Entre 50% y 60% de D
II *Cuando menos 30% de B
*Cuando menos 50% de E
*Cuando mucho 10% de C
II *Entre 25% y 50% de A
*Entre 10% y 15% de E
*Cuando mucho 60% de D

Los cinco metales pueden ser obtenidos a partir de tres minerales como se muestra a
continuación:

Mineral A B C D E Otros Precio Disponibilidad


($/ton.) (ton./mes)
1 20% 10 25 15 10 20 30,000 1,000
2 15 25 10 20 5 25 40,000 3,000
3 25 30 20 10 10 5 50,000 1,500

Recomiende la combinación de metales que debe adquirirse para maximizar la producción


de aleaciones.

5.19 La compañía “¿Llegaré?”, esta pensando en abrir cuatro nuevas rutas y asignar sus
nuevos aviones a las mismas. En base a la información que se muestra a continuación,
¿Qué recomendaría a esta empresa?

Tipo de Capacidad Disponibilidad Ruta 1 Ruta 2 Ruta 3 Ruta 4


avión (pasajeros) (Aviones) (Viajes/día) (Viajes/día) (Viajes/día) (Viajes/día)
1 200 5 5 4 3 2
2 150 3 7 5 5 4
3 120 2 9 7 6 6

Ruta Pronostico de Costo de Oportunidad


Pasajeros por día Por pasajero no transportado
1 2,500 $ 2,500
2 2,000 3,000
3 2,200 2,800
4 1,800 2,950

El costo de operación ($ por viaje) es el siguiente:


Tipo de avión Ruta 1 Ruta 2 Ruta 3 Ruta 4
1 50,000 70,000 40,000 40,000
2 35,000 80,000 25,000 50,000
3 28,000 45,000 27,000 26,000

5.20 En la refinería de una compañía petrolera se producen tres grados de gasolina (A,B,C).
Para elaborar cada grado de gasolina, se mezclan gasolina pura, octano y aditivos. Un litro
de A requiere de 22% de gasolina pura, 48% de octano y 30% de aditivo. Un litro de B,
requiere de 45% de gasolina pura, 30% de octano y 25% de aditivo. Un litro de C contiene
70% de gasolina pura, 25% de octano y 5% de aditivo. La empresa estima que la utilidad
por litro de cada tipo de gasolina es $ 6 en A, $5 B y $4 en C. Se tienen los siguientes
datos de disponibilidad mensual de materia prima:

Elemento Disponibilidad
(lts./mes)
Gasolina pura 6,000,000
Octano 2,000,000
Aditivo 1,000,000

Si se desea maximizar la producción de gasolina, ¿Cuál sería su recomendación?

5.21 El gobierno ha asignado 20 hectáreas para siembra bajo las siguientes condiciones: Se
deberá sembrar al menos cuatro hectáreas de A, por lo menos tres de B y cuando mucho 7
de C. Si se decide sembrar D se deberá pagar $ 6,000 por tonelada producida (al gobierno).
Se cuenta con la siguiente información:

Producto Rendimiento por Precio de Venta


hectárea (Ton / año) ($/Ton)
A 0.5 15,000
B 0.4 20,000
C 1.0 20,000
D 0.7 22,000

Se ha decidido que para no acabarse el uso de tierra la proporción de siembra sea


A:B:D = 2: 3: 1, y No deberán de producirse mas de 8 toneladas de D para que el precio no
caiga. ¿Qué es lo que conviene sembrar para cumplir con las condiciones?