Documentos de Académico
Documentos de Profesional
Documentos de Cultura
n
j
j j
x c
SLO PARA FINES ACADMICOS Y EDUCATIVOS
24
Las restricciones del modelo debe satisfacer condiciones de ndole relacional ( y/o
y/o =) sobre la cantidad de recursos disponibles, esto es, los requerimientos de a
i
j
x
j
unidades del recurso i (i= 1,2,..,m) para llevar a cabo una actividad j (j= 1,2,..,n) a un
nivel de x
j
, para cualquier x
j
0, que representa los niveles de no negatividad del
conjunto de actividades. Por lo tanto, las primeras m restricciones del lado izquierdo
para cualquier conjunto x
j,
j ij
x a ,
es la cantidad actualmente utilizada de recurso b
i
. Para las restricciones del tipo , el lado izquierdo puede ser considerado como la
mxima cantidad de un recurso que puede ser utilizado, anlogamente, las del tipo ,
puede considerarse como la cantidad mnima de un recursos que puede ser empleado
y por ende, las del tipo = se circunscribe en la utilizacin de la cantidad justa de un
recurso disponible. Asimismo, las n restricciones restantes (x
j
0) reciben el nombre
de condiciones de no negatividad. Para el caso de la variable de decisin que no est
restringida en signo (su valor puede ser positivo, negativo o cero), puede ser
reemplazada por la diferencia de dos variables no negativas, mediante una
transformacin adecuada que garantiza la condicin de no negatividad [UNA; 1993].
La forma tpica de un modelo de programacin lineal tiene la siguiente forma:
maximizar Z =
sujeto a
; i = 1 , 2,..., m
x
j
0 ; j = 1 , 2,..., n
Es oportuno sealar que para algunos autores, la funcin objetivo en la forma tpica
del modelo es del tipo de minimizacin, en donde las primeras m restricciones suelen
ser del tipo , en todo caso tal asignacin es convencional [UNA; 1993].
En un problema de programacin lineal, por lo general, en el conjunto de las
primeras m restricciones suelen estar presentes los tres tipos de restriccin ( , , =),
n
j
j j
x c
i
n
j
j j i
b x a
SLO PARA FINES ACADMICOS Y EDUCATIVOS
25
o la combinacin de dos de ellos. Otra situacin a destacar, es que las desigualdades
pueden ser transformadas en igualdades, aadiendo una variable no negativa para las
del tipo , y anlogamente, sustrayendo sta para las del tipo en el conjunto de
restricciones [UNA; 1993].
La formulacin de un problema utilizando la programacin lineal, quizs es el
paso ms difcil y complejo. Se debe especificar las variables que son
verdaderamente relevantes y clarificar los objetivos que se deben alcanzar; cuales
son las unidades involucradas y cul es la magnitud o importancia del problema que
se desea resolver. Se debe especificar adems, cuales son los factores bajo control de
quien toma la decisin y cules no estn bajo su control. Aunque no hay una regla
fija de cmo proceder para formular el problema en trminos matemticos, los pasos
que se sealan a continuacin son una referencia
Paso 1: Definir el conjunto de actividades y asignar niveles no negativos x
1
, x
2
,..., x
n
. Estas
sern las variables de decisin. Seleccin para cada actividad de una unidad de medida
(horas, unidades, litros, etc).
Paso 2: Definir la medida de efectividad del sistema (ganancia de dinero, costo, volumen, etc)
y expresar la misma como una funcin de las variables de decisin. Esto es, construir la
funcin objetivo del modelo.
Paso 3: Establecer conjunto de restricciones mediante el reconocimiento de los recursos
limitados (nmero de horas, nmero de mquinas, horas, hombre etc.).
Los pasos anteriormente descritos, son slo una gua y deben tenerse como tal. Slo
la prctica constante y algo de arte e imaginacin, son los soportes ms firmes en la
construccin de los modelos matemticos [UNA; 1993].
El modelo de programacin lineal es un mtodo matemtico eficiente para
determinar la estrategia ptima cuando numerosas alternativas se encuentra
involucradas. El modelo ha sido aplicado a una variedad de situaciones que abarcan
desde la combinacin de productos ms apropiado en una fbrica hasta la mezcla de
subproductos en una refinera, pasando por la distribucin de espacios en una tienda
SLO PARA FINES ACADMICOS Y EDUCATIVOS
26
por departamento o la asignacin de tripulaciones o aviones en una lnea area
[UNA; 1993].
El algoritmo que ha obtenido ms xito en la obtencin de soluciones de un
problema de programacin lineal, es el algoritmo Simplex. En la aplicacin del
mtodo Simplex se comienza con una solucin bsica factible (Es decir, un punto
extremo factible), luego se realiza un proceso iterativo donde se analiza una
secuencia no repetitiva de soluciones bsicas factibles, de tal manera que cada
solucin nueva mejora el valor de la funcin objetivo. Finalmente el mtodo permite
detectar cuando se ha llegado a la solucin ptima o bien no existe una solucin.
El mtodo Simplex se basa en dos condiciones fundamentales: 1) la condicin de
optimizacin, en donde se asegura que no se encontrar otra solucin mejor que la
ptima encontrada; 2) la condicin de factibilidad, donde se garantiza que al
comenzar con una solucin bsica factible, se encuentra solamente soluciones bsicas
factibles durante el proceso iterativo. Una vez que se ha obtenido la solucin de un
problema de programacin lineal, Es mucha veces necesario realizar un anlisis de
sensibilidad; esto es, estudiar como cambia la solucin del problema por cambios
discretos que se introducen en los distintos coeficientes de ese problema. Los
cambios discretos en esos coeficientes pueden o no afectar la condicin de
factibilidad [UNA; 1993].
Casi todas las operaciones industriales, se enfrentan con problemas de
programacin de recursos entre actividades que compiten entre s por la obtencin de
esos recursos. Algunos de esos problemas son simples y de pequeo tamao, pero una
buena parte son complejos y de gran tamao. Dentro de estos ltimos, hay numerosos
y variados problemas en las cuales la aplicacin del modelo de programacin lineal,
suministra a la industria una informacin valiosa para la toma de decisiones. Entre
estos problemas se destacan los de transporte, planificaciones, produccin en horario
normal y sobretiempo y de las mezclas [UNA; 1993].
SLO PARA FINES ACADMICOS Y EDUCATIVOS
27
II.3.1- Problemas de mezclas
Los problemas de mezclas se refieren a situaciones donde cierto nmero de
productos se mezclan para producir uno o ms productos. Hay por supuesto
restricciones en la cantidad de insumos disponibles, en la calidad de los productos y
en la cantidad de los productos que debe obtenerse. Puesto que hay muchas maneras
de mezclar los insumos para obtener los productos finales satisfaciendo al mismo
tiempo las restricciones, se desea que la operacin de mezclar se lleve a cabo
optimizando una determinada funcin objetivo [UNA; 1993].
La aplicaciones industriales de los problemas de mezclas se encuentran
comnmente en la industria petrolera, en la elaboracin de pinturas, en la industria
siderrgica y en las fbricas de helados [UNA; 1993].
La alimentacin representa la mayor parte de los recursos necesarios en la
produccin animal; por tal razn, su eficiencia, costos econmicos, condicionan
grandemente el xito de los sistemas de produccin animal. Contrariamente, todo
error en el clculo de raciones, toda falta de exactitud en la apreciacin de las
necesidades, contribuye, con el tiempo, a limitar la productividad de los animales
genticamente ms aptos para la produccin [Quispe, E.; 2003].
El productor debe utilizar raciones alimenticias que adems de cumplir con el
requerimiento del animal, sean de mnimo costo. En virtud de lo anterior, esta
raciones deben estar balanceadas con respecto a su adecuidad nutricional, empleando
fuentes disponibles ms econmicas y satisfactorias para proporcionar los diversos
nutriente crticos en las cantidades que se requieren, y al menor costo posible. Lo
anteriormente referido se logra utilizando la sofisticada tcnica de optimizacin
denomina programacin lineal [Quispe, E.; 2003].
SLO PARA FINES ACADMICOS Y EDUCATIVOS
28
La aplicacin de la programacin lineal en la produccin de mezclas de alimentos
se basa en que la funcin de producir mezclas alimenticias es una combinacin de
varios ingredientes como maz, carne, harina de soya, harina de pescado, etc, dentro
de una composicin la cual asegure reunir los requerimientos nutricionales
especficos tales como el contenido de protena, aminocido y energa. La mezcla
alimenticia producida, tiene por objetivo maximizar la ganancia y disminuir los
costos. [Haley, B.;1981].
Como ejemplo, en un compuesto determinado, caracterizado por m
especificaciones nutricionales, se puede introducir la siguiente notacin para una (1)
libra de compuesto:
x
j
: Denotar la cantidad del ingrediente j
p
j
: Denotar el precio por libra del ingrediente j
a
ij
: Denotar la cantidad de nutriente i por libra del ingrediente j
b
j max
: Denotar la mxima cantidad permisible del nutriente i en el compuesto
b
j min
: Denotar la mnima cantidad permisible del nutriente i en el compuesto
x
j max
: Denotar la mxima cantidad permisible del ingrediente j en 1 libra del compuesto
x
j min
: Denotar la mnima cantidad permisible del ingrediente j en 1 libra del compuesto
El problema de optimizar el compuesto viene dado por:
(1.1) minimizar
sujeto a
(1.2) ; i = 1,,m
(1.3) ;
(1.4) ; j = 1,,n
; que es el modelo de Tarje Hansen [Haley, B.; 1981].
max ' min ' i
j
j j i i
b x a b
1 =
j
j
x
max ' min ' j j j
x x x
j
j j
x p
SLO PARA FINES ACADMICOS Y EDUCATIVOS
29
El mtodo smplex es un algoritmo particularmente adecuado para su ejecucin
en computadora. El auge de las computadoras ha hecho posible la amplia aplicacin
de la programacin lineal [Hillier, F. y Lieberman, G.; 2002]. Sin embrago, debe
tenerse en mente que la computadora resuelve el modelo segn lo presenta el usuario.
Si el usuario no tiene conocimiento de las limitaciones del modelo que se utiliza, la
calidad de la solucin reflejar esta deficiencia [Taha, H.; 2003].
En la formulacin de raciones alimenticias, los resultados obtenidos por
programacin lineal a travs de un software, debern ser analizados cuidadosamente,
puesta que esta tcnica de optimizacin se basa en una solucin al problema basado
en el costo de los alimentos sujeto a las restricciones de ingredientes y nutrientes
establecidas por el formulador. En este entender , los resultados obtenidos podrn
cumplir con las condiciones matemticas establecidas, pero no necesariamente las
biolgicas, aquellas que se observarn en la respuesta animal [Quispe, E.; 2003]. La
tcnica matemtica para la formulacin de mezclas alimenticias nutricionalmente
balanceados y a un costo mnimo, no tiene presente datos, tales como la sapidez, que
pueden ejercer una influencia importante sobre la respuesta del animal. Por lo tanto,
es importante que la mezcla alimenticia obtenida por esta tcnica tenga un sabor que
sea del agrado del animal [Pond, W. y Maner, J.; 1975].
En las plantas elaboradoras de alimentos mezclados, una vez que se prepara una
frmula, a menudo los cambios de ingredientes se determinan por computadora, con
el fin de disminuir los costos. La frmula propuesta por una computadora, se hallan
condicionadas por la exactitud de la informacin sobre los niveles y el
aprovechamiento de los diversos principios nutritivos en los ingredientes
considerados. En la planta, los ingredientes pasan por un proceso mecanizado de
varias etapas. Entre las caractersticas de estos alimentos se destaca la granulacin
(pellets) que mejora la aceptacin del alimento, asegura la homogeneidad y la mayor
densidad de la mezcla [Wall, J. Y Ross, W.; 1975].
SLO PARA FINES ACADMICOS Y EDUCATIVOS
30
II.3.2- Software de aplicacin
La implantacin en computadoras personales del mtodo simplex y sus variantes
ha permitido resolver problemas de programacin lineal con cientos de restricciones
funcionales y variables de decisin y, en ocasiones, de mayor tamao. En el mercado
existe una gran variedad de paquetes computacionales que satisfacen diferentes
necesidades para solucionar problemas de PL [Hillier, F. y Lieberman, G.; 2002].
El LINDO (Linear INteractive Discrete Optimizer) es un prominente paquete de
software de la firma LINDO System, Inc; amigable para el usuario y con una gran
aceptacin en el mercado [Hillier, F. y Lieberman, G.; 2002]. El LINDO permite
introducir la funcin objetivo y las restricciones en forma natural, sin necesidad de
insertar las entradas con coeficientes iguales a cero. Acepta hasta 100 restricciones y
hasta 200 variables. El software TORA Optimization System Hamdy Taha, es til
en el caso de problemas de pequea escala, en donde la data no requiere
representaciones decimales muy grandes o muy pequeas. Acepta un mximo de 30
variables y 30 restricciones [UNA; 2006]. El TORA se puede usar en modo tutorial
guiado por el usuario o de resolucin. El programa se emplea a base de mens, por lo
que no es necesario un manual para el usuario [Taha, H.; 2003].
En la actualidad es muy comn el uso del paquete de hojas de clculo lder,
Microsoft Excel [Hillier, F. y Lieberman, G.; 2002]. Microsoft Excel Solver, es un
mdulo de optimizacin, til para problemas de gran escala y muy flexible para el
manejo de la data y solucin del problema; se instala con el Microsoft Office y se
activa con la opcin Solver del men Herramientas de Excel. Winqsb, al igual que el
Excel, permite introducir la data en forma natural. El paquete LOPT Robert Bixby,
est diseado para resolver problemas de mediana escala, hasta 1.200 variables y 600
restricciones [UNA;2006]. Existen otros paquetes como AMPL, MPL, GAMS y
LINGO para resolver problemas de PL grandes [Hillier, F. y Lieberman, G.; 2002].
SLO PARA FINES ACADMICOS Y EDUCATIVOS
31
CAPITULO III
MARCO METODOLOGICO
III.1.- Tipo de investigacin
Es una investigacin documental, ya que su estrategia esta basada en el anlisis de
datos, obtenidos de diferentes fuentes de informacin, especialmente de revistas
cientficas, textos y dems material impreso
III.2.- Propsito de la investigacin
Es una investigacin aplicada, porque se buscan conocimientos con fines de
aplicacin inmediata a la realidad, con el objeto de presentar solucin a problemas
prcticos
III.3.- Nivel de la investigacin
Es una investigacin descriptiva, trata de obtener informacin acerca del proceso,
para describir sus implicaciones, a fin de dar una visin de como opera y cuales son
sus caractersticas
III.4.- Fuentes de informacin
La informacin fue obtenida de las siguientes fuentes
1) Fuentes primarias: Conversaciones informales con profesionales del rea
de la Nutricin y de la Produccin Animal.
2) Fuentes secundarias: Las principales fuentes secundarias corresponden a
revistas cientficas, texto, otros documentos impresos y consultas en
pginas web.
SLO PARA FINES ACADMICOS Y EDUCATIVOS
32
III.5.- Metodologa de la investigacin.
Para la formulacin del modelo de programacin lineal en la preparacin de
raciones alimenticias para ganado porcino se sigui los lineamientos de UNA (1993),
donde se dedujo el modelo de Tarje Hansen (Haley, B.; 1981) que versa sobre la
proporcin de mezcla alimenticia que cumpla con los requerimientos nutricionales
del animal y a un costo mnimo. Este modelo fue ampliado al incorporar restricciones
de ndole energtica, y se adapt su aplicacin a las raciones alimenticias
experimentalmente probadas para cerdos, en donde el costo mnimo obtenido por la
programacin lineal, junto al parmetro de la conversin alimenticia, permite hallar
un costo mnimo de racin alimenticia ms ajustada a la realidad.
III.5.1- Formulacin del modelo de programacin lineal
El ganado porcino, como otras especies de inters pecuario, deben alimentarse en
varias etapas, cada una de ellas con requerimientos nutricionales especficos y en
donde se considera las necesidades energticas. A continuacin se presenta un
esquema que permite visualizar mejor lo anteriormente referido
ETAPA : ETA_[k]
ETA_[1] ETA_[2] ETA_[q]
ENERGIA : ENE_[k]
ENE_[1] ENE_[2] ENE_[q]
NUTRIENTES : NUT_[k]
NUT_[1] NUT_[2] NUT_[q]
En el presente trabajo, la formulacin del modelo de programacin lineal va estar
orientado a una etapa especfica, por lo tanto, si se evalan varias etapas, entonces
cada una de stas deben solucionarse por separados en funcin de las particularidades
de cada caso y despus de obtener los costos respectivos, se procede a su totalizacin.
Ahora se procede a la formulacin del modelo de programacin lineal (Ver
Apndice A) para una etapa productiva especfica del animal.
SLO PARA FINES ACADMICOS Y EDUCATIVOS
33
Paso 1. Variables de decisin.
Se designa por x
j
la cantidad, en kilogramos, que se debe utilizar del ingrediente j
(j = 1, 2,..., n). Estas son las variables de decisin y que por la naturaleza del
problema toman valores no negativos
Paso 2. Funcin objetivo.
El modelo debe proporcionar el costo mnimo de la racin preparada. Si x
1
es la
cantidad, en kilogramos, de ingrediente 1 a comprar, y si p
1
es el precio por
kilogramo asociado al ingrediente 1, entonces el costo de ese ingrediente es p
1
x
1
. De
manera similar, el costo de comprar x
2
kilogramos del ingrediente 2 es p
2
x
2
. En
general, si el costo de comprar de comprar x
j
del ingrediente j es p
j
x
j
, entonces, si se
designa por Z el costo total de la racin, se tiene que:
Z = p
1
x
1
+ p
2
x
2
+ + p
n
x
n ;
Como lo que se desea es obtener el costo total mnimo, entonces la funcin objetivo
es:
minimizar Z = p
1
x
1
+ p
2
x
2
+ + p
n
x
n ;
Que se puede expresar como:
minimizar Z =
Paso 3. Restricciones.
Como se desea preparar un kilogramo de racin alimenticia, debe cumplirse que
la suma de las cantidades de cada uno de los ingredientes de racin sea igual a la
unidad, es decir,
x
1
+ x
2
+ + x
n
= 1
O bien
;
=
n
j
j j
x p
1
1
1
=
=
n
j
j
x
SLO PARA FINES ACADMICOS Y EDUCATIVOS
34
Se establece las limitaciones inherentes a los nutrientes. Considerando que a
ij
es la
cantidad de nutrientes i presente en un kilogramo de ingrediente j, y que la cantidad
mxima y mnima permisible de nutriente i en un kilogramo del alimento animal es
b
i max
y b
i min
respectivamente. Por lo tanto se tendra lo siguiente
a
11
x
1
+ a
12
x
2
+ + a
1n
x
1n
b
1 min
a
11
x
1
+ a
12
x
2
+ + a
1n
x
1n
b
1 max
a
21
x
1
+ a
22
x
2
+ + a
2n
x
n
b
2 min
a
21
x
1
+ a
22
x
2
+ + a
2n
x
n
b
2 max
a
m1
x
1
+ a
m2
x
2
+ + a
mn
x
n
b
m min
a
m1
x
1
+ a
m2
x
2
+ + a
mn
x
n
b
m max
En forma resumida, esta ecuaciones se escriben
i = 1, 2,, m
Las variables de decisin, representadas por las cantidades de ingredientes,
adems de tomar valores no negativos, estn condicionadas a las cantidades
mximas x
j max
y mnimas x
j min
permisible del ingrediente j en un kilogramo del
compuesto (Ver Apndice D), por lo tanto:
x
1
x
1 min
x
1
x
1 max
x
2
x
2 min
x
2
x
2 max
x
n
x
n min
x
n
x
n max
En analoga del caso anterior, estas ecuaciones se escriben
; j = 1, 2,..., n
Ahora bien, como se puede apreciar, hasta este momento se ha formulado el
modelo de Tarje Hansen, sin embargo, el mismo no considera la energa (digestible
o metabolizable) que es suministrada por los ingredientes que son fuentes energticas.
max '
1
min ' i
n
j
j j i i
b x a b
=
max ' min ' j j j
x x x
SLO PARA FINES ACADMICOS Y EDUCATIVOS
35
En consecuencia, al fijar los niveles mximos y mnimos de los ingredientes en la
racin, tambin se fijan los niveles mximos y mnimos de la energa digestible o
metabolizable. En adelante, sta ltima es la energa que ser considerada. Dicho lo
anterior, se procede ampliar el modelo agregndole restricciones de energa y para
ello se parte del siguiente razonamiento. Si se designa con d
j
la energa metabolizable
por kilogramo de ingrediente j de la racin, y si se denota con e
max
y e
min
las
cantidades mximas y mnimas permisibles de energa metabolizable, entonces se
tendra
d
1
x
1
+ d
2
x
2
+ + d
n
x
n
e
min
d
1
x
1
+ d
2
x
2
+ + d
n
x
n
e
max
Estas ecuaciones se escriben
Para el caso de las raciones experimentales, donde el radio de accin nutricional
puede coincidir o ser ms reducido por los lmites fijados de manera estndar por la
literatura especializada, se tiene que, si se designa con b
i
max
y b
i
min
las
cantidades mximas y mnimas permisibles del nutriente i en la racin experimental,
si adems se denota con x
j
max
y x
j
min
las cantidades mximas y mnimas
permisibles del ingrediente j en 1 kg de la racin experimental. Aunado a lo anterior,
se designan con e
max
y e
min
las cantidades mximas y mnimas de energa que
puede suministrar la racin experimental, lo anteriormente referido se puede
explicitar como
; i = 1,,m
; j = 1, 2,..., n
max '
1
min '
e x d e
n
j
j j
=
max ' max '
1
min ' min '
' '
i i
n
j
j j i i i
b b x a b b
=
max ' max ' min ' min '
' '
j j j j j
x x x x x
max ' max '
1
min ' min '
' ' e e x d e e
n
j
j j
=
SLO PARA FINES ACADMICOS Y EDUCATIVOS
36
Ahora bien, si se desea flexibilidad en las restricciones de la cantidad de energa
metabolizable en el modelo de Tarje Hansen adaptado a raciones experimentales, es
necesario considerar dos parmetros, e
max
y e
min
que denotan las cantidades
mximas y mnimas de energa metabolizable que va a servir para el anlisis de
sensibilidad en la restriccin correspondiente al componente de energa en el modelo.
El modelo formulado de Tarje Hansen ampliado y adaptado a raciones
experimentalmente probadas para el ganado porcino, viene dado por:
1) minimizar
=
=
n
j
j j
x p Z
1
sujeto a
2)
3) ; i = 1,,m
4)
5) ; j = 1,,n
En el modelo se puede apreciar la inclusin de Z en el miembro izquierdo de la
funcin objetivo y de las necesidades energticas en las restricciones.
El productor dedicado a la cra de animales le interesa que las mezclas
alimenticias preparadas, estn nutricionalmente balanceadas y al menor costo posible.
Precisamente el modelo de programacin lineal, a travs del mtodo Simplex (Ver
Apndice B), permite la confeccin de raciones de costo mnimo, el cual puede ser
implementado en un software especfico, donde es posible especificar las
restricciones de cada ingrediente y nutriente. Al productor que cra animales de
inters pecuario para comercializar su carne, tambin le interesa que stos obtengan el
max '
1
min '
' '
i
n
j
j j i i
b x a b
=
1
1
=
=
n
j
j
x
max ' min '
' '
j j j
x x x
max '
1
min '
' ' ' ' e x d e
n
j
j j
=
SLO PARA FINES ACADMICOS Y EDUCATIVOS
37
peso de mercado con un menor consumo de alimento, para ello es importante conocer
o estimar el parmetro de la conversin alimenticia, que es una respuesta productiva a
la ingestin de nutrientes por parte del animal, al suministrarle la mezcla alimenticia.
En virtud de lo anterior, el productor debe combinar la racin balanceada y de menor
costo con la conversin alimenticia asociada. Esta situacin es ms notoria en una
explotacin porcina, donde los cerdos destinados a la cra para su comercializacin
son alimentados por etapas dependiendo del incremento de su peso corporal. Es de
destacar, que el parmetro de la conversin alimenticia se toma en cuenta para los
cerdos de cra y cerdas gestantes, no as para las cerdas en etapa de lactancia.
En los ensayos de raciones alimenticias experimentales para ganado de porcino, el
investigador evala el efecto que se produce sobre la conversin alimenticia cuando
un ingrediente alternativo sustituye progresivamente a un ingrediente estndar a
travs de diferentes tratamientos, donde el primero de stos es denominado racin
basal, y que generalmente se utiliza como patrn para el anlisis comparativo con el
resto de los tratamientos. Ahora bien, cuando el investigador considera el costo de la
cada racin experimental, multiplica cada uno de estos costos por la conversin
alimenticia asociada y los compara entre s, para seleccionar el que obtuvo el menor
valor, y si sta no coincide con el valor de la racin basal, se obtiene el resultado
deseado por el investigador.
En los problemas de dietas donde se aplica la programacin lineal, el costo
mnimo de la funcin objetivo Z es dado directamente por la solucin del problema.
En el presente trabajo, donde se considera la conversin alimenticia, la solucin del
problema de mezclas alimenticias esta basado en la utilizacin, bajo ciertos
lineamientos, de la programacin lineal a partir de los tratamientos de las raciones
alimenticias experimentales. Para ello, se consideran tres raciones R denominadas
basal, alternativa y alternativa. Cada una de stas tienen asociados un costo Z, una
conversin alimenticia CA y el producto de stos dos ltimos Z.CA.
SLO PARA FINES ACADMICOS Y EDUCATIVOS
38
La racin basal R
1
, se caracteriza porque la composicin porcentual de los
ingredientes, el costo de la racin Z
1
, la conversin alimenticia asociada CA
1
y el
producto Z
1
.CA
1
es dado directamente por la tabla de datos primarios. El valor de
Z
1
.CA
1
de la racin basal es tomado como referencia, en el sentido que a este nivel al
hacer el estudio comparativo con otras raciones, lo esperado es que la racin
seleccionada con el menor valor, sea adems menor que la racin basal.
La racin alternativa R
2
, es obtenida fijando los niveles mximos y mnimos de
energa y nutrientes contenidos en los ingredientes de la mezcla en un modelo
matemtico previamente establecido, posteriormente se aplica la tcnica
programacin lineal que permite obtener los valores que corresponde a la
composicin porcentual de los ingredientes (variables de decisin) en la mezcla, el
costo de la racin Z
2
(funcin objetivo), la conversin alimenticia CE
2
asociada
(estimada por interpolacin) y por supuesto Z
2
.CA
2
.
La racin alternativa R
3
, se obtiene a partir del anlisis de sensibilidad llevado a
cabo en el modelo de programacin lineal; pero antes ejecutar este procedimiento, se
debe observar los valores CR.CA de cada tratamiento. Si entre los tratamientos
extremos se encuentra uno con el menor valor CR.CA, se realiza los cambios
pertinentes en el segundo miembro de las restricciones (energa y/o nutrientes y/o
ingredientes), que sea los ms prximo a dicho tratamiento; pero si el menor valor
CR.CA se localiza entre uno de los tratamientos extremos, queda a juicio del
investigador hacer los cambios (segundo miembro) que considere apropiados. Al
ejecutar el anlisis de sensibilidad y en analoga al caso anterior, se obtienen lo
correspondiente a la composicin porcentual de los ingredientes en la mezcla, el costo
de la racin Z
3
(funcin objetivo), la conversin alimenticia CA
3
asociada (estimada
por interpolacin) y Z
3
.CA
3
.
SLO PARA FINES ACADMICOS Y EDUCATIVOS
39
Una vez hallado los valores Z
2
.CA
2
y
Z
3
.CA
3
de las raciones alternativa R
2
y
alternativa R
3
respectivamente, y si al menos el valor uno de ello es menor al Z
1
.CA
1
de la racin basal, entonces se logr el objetivo. El costo obtenido de Z.CA tiene
diversos nombres que hacen referencias a las unidades de medidas, entre los
cuales se destaca Costo/kg G. Peso (Acurero et al; 1993), Costo por peso relativo
(Gonzlez et al; 1997). En virtud de lo anterior, es necesario proporcionar una
denominacin a este costo fundamentado en bases conceptuales formales. Partiendo
del principio que Z.CA es un indicador que mide un efecto (resultado cuantificable),
que a travs de un procedimiento de comparacin con respecto a un nivel de criterio
prefijado, se establece si se logr o no el efecto esperado. Bajo estos lineamientos se
esta atendiendo los criterios de eficacia, eficiencia y efectividad.
Los trminos de eficacia, eficiencia y efectividad es ampliamente utilizado en los
diversos campos de saber y de la vida diaria cotidiana. Sobre el uso corriente de estos
trminos en diferentes mbitos, no est en correspondencia con las acepciones que
ofrece el diccionario; y ms an, que en muchas ocasiones se usan de forma
indistinta, predominando ms una intencin cualitativa que un verdadero sustrato
conceptual. (Bouza 2000, Gonzlez 2002). De los tres trminos anteriormente
referidos, es muy comn el uso de la combinacin de dos ellos, cuyo efecto puede
estar basado en objetivo(s), meta(s), resultado(s) y similares. A continuacin se
presenta dos combinaciones que son comnmente empleados en base a objetivo(s)
- Eficacia es lograr el objetivo y eficiencia es como se logra el objetivo.
- Efectividad es la capacidad para lograr objetivos y eficiencia es como
lograr los objetivos.
Para los efectos del presente trabajo, se utilizaron los tres trminos en base a
resultado:
- Efectividad es la capacidad para lograr resultados, eficiencia es como
lograr el mejor resultado y eficacia es lograr el resultado esperado.
SLO PARA FINES ACADMICOS Y EDUCATIVOS
40
Partiendo del principio que Z.CA es un resultado cuantificable traducido en costo
(efectividad), que es comparado con otros resultados de las misma ndole, para
seleccionar el mejor, en esta circunstancia el menor (eficiencia), y que luego es
comparado con un costo especfico para establecer si es inferior a ste, que en caso
afirmativo se dice que se logr el resultado esperado (eficacia). En consecuencia,
para proporcionar una denominacin apropiada del parmetro Z.CA, solo resta
agregar el sustantivo que mejor se adecue a lo aqu planteado. A continuacin se
presenta las consideraciones que al respecto manifiesta un autor, lo cual va a permitir
despejar la presente situacin.
Nieto (2003), expresa que cuando en la aplicacin de un programa SSA
(seguridad, salud y ambiente), se cumplen los objetivos (en base a un criterio),
seleccionando entre varios resultados el mejor, entonces se dice que los recursos
empleados se utilizaron de una manera eficaz, eficiente y efectiva.
Nieto (2003), bajo un enfoque econmico, define el costo-eficaz como el logro
del objetivo con la mnima cantidad de recursos; el costo-efectividad es el costo de las
intervenciones, a igual efectividad de varias intervenciones, la de menor costo es la
ms eficiente. En base a lo planteado por este autor, y su adaptacin a lo aqu
desarrollado, el resultado de multiplicar el costo racin por la conversin alimenticia
(Z.CA) es el costo-efectividad, el cual se design con CE. Para los efectos del
presente trabajo, el objetivo es que de los resultados obtenidos de costo-efectividad de
las raciones basal (CE
1
), alternativa (CE
2
) y alternativa (CE
3
), al menos una de estas
dos ltimas sea menor a la basal (CE
2
<
CE
1
y/o CE
3
<
CE
1
). El menor valor de los
costo-efectividad es el ms eficiente y si adems es menor que su homlogo basal,
entonces es un costo-eficaz.
SLO PARA FINES ACADMICOS Y EDUCATIVOS
41
III.5.2- Evaluacin de raciones alimenticias por programacin lineal
III.5.2.1- Consideraciones bsicas
En el presente trabajo, con relacin a la evaluacin de raciones
experimentalmente probadas, hay un ingrediente estndar o tradicional (maz) y un
ingrediente alternativo (reemplazante del maz). En la formulacin de la mezcla
alimenticia a nivel de las categoras de racin (R), costo racin (Z) y
costo-efectividad (CE) asociado, se denot con h (h = 1,2,3) la modalidad de la
mezcla, donde 1 = basal, 2 = alternativa y 3 = alternativa, y en virtud de lo anterior,
se utiliz la siguiente denotacin:
Racin: R
h
; racin h
(R
1
es la mezcla alimenticia denominada racin basal o testigo que incluye el ingrediente
tradicional y excluye o incluye en menor proporcin el ingrediente alternativo. R
2
y R
3
son
las raciones alternativa y alternativa respectivamente, y en cuyas mezclas se combinan el
ingrediente tradicional y el alternativo. La proporcin de los ingredientes de R
2
es obtenido
por PL (programacin lineal) y los de
R
3
por anlisis de sensibilidad
Costo racin: Z
h ;
costo racin de la racin h
Costo-efectividad: CE
h ;
costo-efectividad de la racin h
En la figura 2 se ilustra el proceso para determinar el costo-efectividad de la
racin alternativa
FIGURA 2. Proceso para determinar el costo-efectividad de la racin alternativa (R
2
) a partir
del modelo de programacin lineal (PL) y el parmetro de la conversin alimenticia
ENERGIA
NUTRIENTES
INGREDIENTES
Min Z= p
1
x
1
+ p
2
x
2
+ + p
n
x
n
x
1
x
2
...
x
n
CA
T1
CA
T2
... CA
Tr
CE
2
= CA
2
. Z
2
CA
2
SIMPLEX
Restricciones
Funcin objetivo
Cantidades de
ingredientes
Conversin alimenticia por tratamiento
de las raciones experimentales
Costo mnimo
de R
2
Conversin alimenticia
estimada de R
2
Costo-efectividad de R
2
Z
2
Modelo de PL de R
2
FIGURA 2. Proceso para determinar el costo-efectividad de la racin alternativa (R
2
) a partir
del modelo de programacin lineal (PL) y el parmetro de la conversin alimenticia
SLO PARA FINES ACADMICOS Y EDUCATIVOS
42
Para evaluar raciones alimenticias experimentalmente probadas para cerdos
mediante programacin lineal, especficamente con el modelo de Tarje Hansen
ampliado y adaptado a este tipo de raciones; donde se considera el parmetro
zootcnico de la conversin alimenticia, se debe contar con una tabla de datos
primarios contentiva de la siguiente informacin bsica:
Niveles de tratamiento
Ingrediente
T1 T2
Tr
Ingrediente_1 x
1T1
x
1T2
x
1Tr
Ingrediente_2 x
2T1
x
2T2
x
2Tr
Ingrediente_n x
nT1
x
nT2
x
nTr
Total 100 100 100
Conversin alimenticia CA
T1
CA
T2
CA
Tr
FIGURA 3. Representacin esquemtica de la tabla de composicin de raciones
experimentales con inclusin de ingrediente alternativo. Las llamadas con lneas de trazos
significan valores que deben determinarse
III.5.2.2- Procedimiento para la evaluacin de raciones
A continuacin se indica los pasos para evaluar raciones experimentalmente
probadas para cerdos a travs de la programacin lineal aplicado a animales que
presentan variacin en su peso corporal, como es el caso de los cerdos criados para
destinarlo a la venta y las gestantes, bajo los siguientes supuestos:
- Evaluacin del efecto que sobre la conversin alimenticia tiene un ingrediente
alternativo con respecto a un ingrediente estndar mediante raciones
experimentalmente probadas de diferente composicin (tratamiento).
- El precio por unidad del ingrediente alternativo es menor al estndar
Ingrediente
estndar (x
1
)
Ingrediente
alternativo (x
1
)
Raciones de control
Racin basal R
1
Conversin alimenticia
de racin basal R
1
Conversiones alimenticias
asociadas a las raciones
de control
Racin alternativa R
2
Conversin alimenticia
estimada de la racin
alternativa R
2
SLO PARA FINES ACADMICOS Y EDUCATIVOS
43
a) Construccin de la tabla de datos
Construir una tabla con tres matrices estructurales
a.1) Indicar los ingredientes, los precios asociados y la composicin porcentual de
cada racin experimental (tratamientos)
a.2) Presentar por cada racin el costo racin (Bs/kg), la conversin alimenticia
(kg/kg), el costo-efectividad (Bs/kg) y el costo-efectividad porcentual (%).
a.3) Sealar por cada racin la energa metabolizable (Kcal/kg), la proteina (%) y
dems nutrientes presentes en el mezcla.
a.4) Opcionalmente se puede colocar informacin adicional de inters en la parte
inferior de la tabla. La determinacin de los valores extremos de energa
metabolizable, nutrientes y cantidad de ingredientes se puede hacer a este nivel
TABLA 1. Estructura genrica de composicin porcentual, monetaria,
energtica y de nutrientes de raciones experimentales para cerdos con
inclusin creciente del ingrediente alternativo
Nivel de tratamiento
Ingrediente
Precio
(Bs/Kg)
T1 T2
Tr
Ingrediente_1 p
1
x
1T1
x
1T2
x
1Tr
Ingrediente_2 p
2
x
2T1
x
2T2
x
2Tr
Ingrediente_n p
n
x
nT1
x
nT2
x
nTr
Total 100 100
100
Costo racin (Bs/ Kg) CR
T1
CR
T2
CR
Tr
Conversin alimenticia (Kg/Kg) CA
T1
CA
T2
CA
Tr
Costo-efectividad (Bs/Kg) CE
T1
CE
T2
CE
Tr
Costo- efectividad porcentual (%) %CE
T1
%CE
T2
%CE
T1
Energa metabolizable (Kcal/Kg)
T1
T2
Tr
Nutriente_1
(%)
b
1
T1
b
1
T2
b
1
Tr
Nutriente_2
(%)
b
2
T1
b
2
T2
b
2
Tr
Nutriente_m
(%)
b
m
T1
b
m
T2
b
m
Tr
NOTA: Los recursos disponibles sujeto a restricciones para el modelo de programacin lineal son: energa, nutrientes
e ingredientes. Con respecto a este ltimo, se refiere a la cantidad de ingrediente j presente en la racin. Cuando entre
los tratamientos T
2
y T
r-1
exista(n) valor(es) nulo de cantidad(es) de ingrediente(s) x
jTv
(v = 2,3,..., r-1); se debe
verificar si la(s) misma(s) cuando estn presente en el compuesto no tiene(n) incompatibilidad al mezclarse a ese u
otro nivel con los dems ingredientes de la racin.(): Los niveles de sustitucin significa que en el tratamiento T
r
el
conjunto de las raciones estndar y alternativa representan un 100%, mientras que los de inclusin representan el nivel
de porcentaje del ingrediente alternativo incluido en la racin.
SLO PARA FINES ACADMICOS Y EDUCATIVOS
44
Los niveles mximos y mnimos de los recursos disponibles para la mezcla son:
ENERGA: e
max
= max { e
T1 ,
e
T2 , ... ,
e
Tr
} ; e
min
= min { e
T1 ,
e
T2 , ... ,
e
Tr
}
NUTRIENTES: b
i
max
= max { b
i
T1,
b
i
T2 , ... ,
b
i
Tr
} ; b
i
min
= min { b
i
T1,
b
i
T2 , ... ,
b
i
Tr
}; i = 1, 2, ...,m
INGREDIENTES: x
j
max
= max { x
jT1,
x
jT2 , ... ,
x
jTr
} ; x
j
min
= min { x
jT1,
x
jT2 , ... ,
x
jTr
}; j = 1, 2, ...,n
b) Elaboracin de tabla intervalos de tendencias lineales de las conversiones
alimenticia de cada racin experimental
Se elabora una tabla con los intervalos de tendencias lineales de conversin
alimenticia entre raciones en base a las cantidades presentes de los ingredientes
estndar y alternativo. Aquellos intervalos contiguo con igual pendiente se pueden
presentar como uno solo, formando un intervalo unificado, y por ende, una tendencia
lineal unificada asociada, lo cual facilita los clculos de la conversin alimenticia a
estimar. Opcionalmente se puede presentar grfico(s) para visualizar la influencia de
ambos ingredientes sobre la conversin alimenticia de las raciones experimentales
para cerdos.
TABLA 2 Intervalos genricos de tendencias de la
conversin de los ingredientes estndar (x
1
) y alternativo (x
2
)
Ingrediente Intervalo Tendencia lineal
x
1T1
x
1
x
1T2
CA
T1
+ P
1T1
(x
1
- x
1T2
)
x
1T2
< x
1
x
1T3
CA
T2
+ P
1T2
(x
1
- x
1T3
)
t
Ingrediente_1
x
1Tr-1
< x
1
x
1Tr
CA
Tr-1
+ P
1Tr
(x
1
- x
1Tr
)
x
2T1
x
2
< x
2T2
CA
T1
+ P
2T1
(x
2
x
2T2
)
x
2T2
x
2
< x
2T3
CA
T2
+ P
2T2
(x
2
x
2T3
)
t
Ingrediente_2
x
2Tr-1
x
2
x
2Tr
CA
Tr-1
+ P
2Tr
(x
1
- x
1Tr
)
P
T - 1
= (CA
T
- CA
- 1
) / (x
T
- x
T 1
) ;
=1, 2 ; j ; j = 1, 2,,n ; = 2, 3,,r ; s ; s = 1,2,,r
c) Formulacin del modelo de programacin lineal para raciones alimenticias
A partir de la tabla construida en el punto a, se formula el modelo de
programacin lineal presentando el siguiente esquema:
SLO PARA FINES ACADMICOS Y EDUCATIVOS
45
c.1) FUNCION OBJETIVO: Representado por las cantidades de ingredientes (x
j
)
multiplicado por los precios por unidad asociados (p
j
)
MIN Z = p
1
x
1
+ p
2
x
2
+ ... + p
n
x
n
c.2) RESTRICCIONES LINEALES:
c.2.1) Restricciones de energa: Restringe la energa metabolizable a los
valores extremos de energa de la tabla de datos
d
1
x
1
+ d
2
x
2
+ ... + d
n
x
n
e
min
d
1
x
1
+ d
2
x
2
+ ... + d
n
x
n
e
max
c.2.2) Restricciones de nutrientes: Restringe los nutrientes presente en la
mezcla alimenticia a los valores extremos de los nutrientes de la tabla
de datos
a
11
x
1
+ a
12
x
2
+ ... + a
1n
x
n
b
1
min
a
11
x
1
+ a
12
x
2
+ ... + a
1n
x
n
b
1
max
a
21
x
1
+ a
22
x
2
+ ... + a
2n
x
n
b
2
min
a
21
x
1
+ a
22
x
2
+ ... + a
2n
x
n
b
2
max
a
m1
x
1
+ a
m2
x
2
+ ... + a
mn
x
n
b
m
min
a
m1
x
1
+ a
m2
x
2
+ ... + a
mn
x
n
b
m
max
c.2.3) Restricciones de mezcla base: La suma total de las cantidades de
ingredientes debe ser igual a la unidad (1 kg )
x
1
+ x
2
+ ... + x
n
= 1
c.2.4) Restricciones de ingredientes: Restringe las cantidades de ingredientes a
determinar a los valores extremos de los nutrientes de la tabla de datos
x
1
x
1
min
x
1
x
1
max
x
2
x
2
min
x
2
x
2
max
x
n
x
n
min
x
n
x
n
max
El modelo formulado es corrido en el software (LINDO, ver Apndice C) para
obtener la solucin de costo mnimo de la racin alternativa (Z
2
).
SLO PARA FINES ACADMICOS Y EDUCATIVOS
46
d) Clculo de la conversin alimenticia de la racin alternativa (CA
2
)
Una vez obtenido las cantidades de los ingredientes estndar (x
1
) y alternativo (x
2
)
se estiman las conversiones alimenticias de ambos ingredientes en base a la
informacin suministrada por la tabla del punto b; luego se promedian para obtener la
conversin alimenticia estimada de la racin alternativa R
2
(CA
2
)
CA
2
= (1/2)(CA
2X1
+ CA
2X2
)
e) Clculo de los costos eficaz y porcentual de la racin alternativa (CE
2
y
%CE
2
respectivamente )
CE
2
= CA
2
.Z
2
%CE
2
= (CE
2
/ CE
1
).100%
f) Anlisis de sensibilidad.
Se realiza en uno o ms de los siguientes niveles:
f.1) Restricciones de energa: Si las diferentes raciones experimentales no
tienen iguales niveles de energa (Isoenergtica)
f.2) Restricciones de nutrientes: Si el nutriente i no est afectado por signo de
igualdad
f.3) Restricciones de cantidad de ingredientes: Si la cantidad de ingrediente x
j
del ingrediente j no esta presente en iguales cantidades en las diferentes
raciones experimentales
El nuevo modelo formulado es corrido en el software para obtener la solucin del
costo mnimo de la nueva racin alternativa (Z
3
)
g) Clculo de la conversin alimenticia de la racin alternativa (CA
3
)
Se procede de manera anloga al punto d), utilizando los valores x
1
y x
2
de la
nueva corrida
CA
3
= (1/2)(CA
3X1
+ CA
3X2
)
SLO PARA FINES ACADMICOS Y EDUCATIVOS
47
h) Clculo de los costos-efectividad y porcentual de la racin alternativa
(CE
3
y %CE
3
respectivamente )
CE
3
= CA
3
.Z
3
%CE
3
= (CE
3
/ CE
3
).100%
i) Construccin de la tabla de resultados
Construir una tabla con tres matrices estructurales
a.1) Indicar los ingredientes, los precios asociados y la composicin porcentual
de las racin basal, alternativa y alternativa
a.2) Presentar por cada racin, el costo racin (Bs/kg), la conversin
alimenticia (kg/kg), el costo-efectividad (Bs/kg), el costo-efectividad
porcentual (%) y la energa metabolizable (Kcal/kg).
a.3) Opcionalmente se puede colocar informacin adicional de inters en la
parte inferior de la tabla, as como grfico(s) versado sobre la tabla
TABLA 3. Estructura genrica de composicin porcentual, monetaria,
energtica y de nutrientes de las raciones experimentales para cerdos. basal,
alternativa y alternativa
R a c i n
Ingrediente
Precio
(Bs/Kg) Basal Alternativa Alternativa'
Ingrediente_1 P
1
x
1T1
x
1
x
1
Ingrediente_2 P
2
x
2T1
x
2
x
2
Ingrediente_n p
n
x
nT1
x
n
x
n
Total 100 100 100
Costo racin
(Bs/Kg)
CR
1
CR
2
CR
3
Conversin alimenticia
(Kg/Kg)
CA
1
CA
2
CA
3
Costo eficaz
(Bs/Kg)
CE
1
CE
2
CE
3
Costo eficaz porcentual
(%)
%CE
1
%CE
2
%CE
3
Energa metabolizable
(Kcal/Kg)
e
1
e
2
e
3
En la tabla 3 se tiene los elementos para la evaluacin de las raciones basal,
alternativa y alternativa.
SLO PARA FINES ACADMICOS Y EDUCATIVOS
48
En el anlisis de la tabla de resultados, primeramente se sealan las raciones en
orden creciente de sus costos racin. Asimismo, se procede con los sealamientos de
los costo-efectividad e indicando luego que el menor costo de stos es el ms
eficiente. Seguidamente se hace mencin al anlisis de sensibilidad indicando que fue
exitoso si el costo-efectividad de la racin alternativa es el menor de los valores
hallados, y en caso contrario se expresa que fue no exitoso. Posteriormente se hace
referencia a la racin con el menor costo-efectividad porcentual, y las otras raciones
son nombradas en orden creciente segn la diferencia de los valores porcentual total
que separan a stas de la racin seleccionada con el menor valor. Finalmente se indica
que si el costo-efectividad de la racin seleccionada al compararse con la de la racin
basal, resulta menor que sta en trminos porcentuales, se concluye que es un
costo-eficaz y se indica su nivel econmico, segn es indicado en la tabla 4
TABLA 4 Niveles econmicos del costo-eficaz
N (%) Nivel econmico
1
0,01 5,00 Mnimo econmico
2
5,01 10,00 Relativamente econmico
3
10,01 15,00 Medianamente econmico
4
15,01 20,00 Econmico
5
20,01 30,00 Satisfactoriamente econmico
6
30,01 40,00 Sustancialmente econmico
7
> 40,00 ptimo econmico
Si el menor valor de los costos-efectividad corresponde a la racin basal, se
seala que no se logr el objetivo de obtener un costo-efectividad menor a ste
Cuando se evalan varios casos de raciones alimenticias, se debe identificar cada
uno de ellos con un nmero romano W. Luego se presenta un enunciado sealando el
ingrediente estndar y el ingrediente alternativo (reemplazante), la utilizacin de la
programacin lineal y a que etapa del ciclo productivo del cerdo corresponde, para
posteriormente proceder a construir la tabla de datos primarios.
SLO PARA FINES ACADMICOS Y EDUCATIVOS
49
Cuando en alguno de los casos se realizan ensayos de raciones alimenticias que
comprenden dos o ms etapas (k 2) del ciclo productivo del cerdo, cada etapa se
debe identificar con un nmero romano W seguido de uno arbigo, por lo que una de
las maneras de abordar el problema es aplicar el procedimiento de evaluacin de
raciones en cada etapa por separados y al final totalizar los resultados. En adicin a lo
anterior, el proceso de determinar el costo-efectividad de la racin alternativa para
cada etapa k puede ser como lo ilustrado en la Figura 4.
FIGURA 4. Proceso para determinar el costo-efectividad de la racin alternativa en la etapa k
(R
k2
) a partir del modelo de programacin lineal (PL) y el parmetro de la conversin
Para unificar criterios con el caso de una etapa, se tiene que cuando se considera
varias etapas k (k = 2, 3,..., q) en la formulacin de la mezcla alimenticia a nivel de las
categoras de racin (R), costo racin (Z) y costo-efectividad (CE) asociado, se
denot con h (h = 1, 2, 3) la modalidad de la mezcla, donde 1 = basal, 2 = alternativa y
3 = alternativa, y en virtud de lo anterior, se utiliz la siguiente denotacin:
Racin por etapa: R
kh
; racin h en la etapa k
Costo racin por etapa: Z
kh
; costo racin de la racin h en la etapa k
Costo racin total de etapas: Z
(q) h
; costo racin de la racin h en q etapas
Costo-efectividad por etapa: CE
kh
; costo-efectividad de la racin h en la etapa k
Costo-efectividad total de etapas: CE
( q) h
; costo-efectividad total de la racin h en q etapas
ENERGIA
NUTRIENTES
INGREDIENTES
Min Z= p
1
x
k1
+ p
2
x
k2
+ + p
n
x
kn
x
k1
x
k2
...
x
kn
CA
kT1
CA
kT2
...
CA
kTr
CE
k2
= CA
kR2
. Z
k2
CA
k2
SIMPLEX
Restricciones
Funcin objetivo
Cantidades de
ingredientes
Conversin alimenticia por tratamiento
de las raciones experimentales
Costo mnimo
de R
k2
Conversin alimenticia
estimada de R
k2
Costo-efectividad de R
k2
Z
k2
Modelo de PL de R
k
2
SLO PARA FINES ACADMICOS Y EDUCATIVOS
50
Para el caso que contempla varias etapas del ciclo productivo del cerdo, se
procede de manera anloga al procedimiento desarrollado para una etapa, donde en
principio, se identifica el caso con un nmero romano W, seguido del enunciado del
problema, que finaliza nombrando cada una de las etapas. Luego se procede a
construir la(s) tabla(s) de datos primarios, que por englobar varias etapas, el
investigador debe escoger el formato que ms se ajuste a sus necesidades.
Seguidamente cada etapa se trata como casos individuales, identificado con el
nmero romano W seguido del nmero signado para la etapa. En seguida se presenta
el enunciado que finaliza con el nombre de la etapa que va a ser desarrollada, y luego
se lleva a cabo el procedimiento de evaluacin de raciones para dicha etapa. Despus
de evaluar el total de etapas, se procede a totalizar los costo racin y costo-efectividad
de stas a nivel de las raciones basal, alternativa y alternativa.
Lo anteriormente desarrollado se puede ilustrar de la siguiente manera,
considerando un total de etapas q.
. Caso W [ Enunciado >> ETA_[1] , ETA_[2] , ... , ETA_[q-1] y ETA_[q] ]
[ Construccin tabla(s) de datos primarios >> ETA_[1] , ETA_[2] , ... , ETA_[q-1] y ETA_[q] ]
.1 Caso W.1 [Enunciado >> ETA_[1] ]
[Procedimiento de evaluacin de raciones >> ETA_[1] ]
.2 Caso W.2 [Enunciado >> ETA_[2] ]
[Procedimiento de evaluacin de raciones >> ETA_[2] ]
M
.q 1 Caso W.q-1 [Enunciado >> ETA_[q-1] ]
[Procedimiento de evaluacin de raciones >> ETA_[q-1] ]
.q Caso W.q [Enunciado >> ETA_[q] ]
[Procedimiento de evaluacin de raciones >> ETA_[q] ]
.q+1 Resultados de los casos W.1 , W.2 , ... , W.q-1 y W.q : Raciones alimenticias de las etapas
ETA_[1] , ETA_[2] , ... , ETA_[q-1] y ETA_[q]
Una vez efectuado el procedimiento de evaluacin de raciones a cada una de las
etapas, se procede a tabular los resultados correspondientes a los costos racin y
costo-efectividad por modalidad de racin h (h = 1, 2, 3; 1 = basal, 2 = alternativa,
3 = alternativa).
SLO PARA FINES ACADMICOS Y EDUCATIVOS
51
A continuacin se presenta la tabla 5 (genrica) que versa sobre los resultados de la
variable costo racin por etapa (Z
kh
; k = 1, 2,...,q ; h =1, 2, 3) y total etapas (Z
( q) h
) por
modalidad de racin h
TABLA 5 Costo racin genrico de las raciones basal, alternativa y
alternativa por etapa y total etapas del caso W
C O S T O R A C I O N
P O R E T A P A
MODALIDAD
DE
CIN
ETA_[1] ETA_[2]
ETA_[q]
TOTAL
ETAPAS
Basal Z
11
Z
21
Z
q1
Z
(q) 1
Alternativa Z
12
Z
22
Z
q2
Z
(q) 2
Alternativa Z
13
Z
23
Z
q3
Z
(q) 3
El anlisis de los resultados de la tabla 5 se limita a sealar las raciones en orden
creciente de sus costos racin correspondiente del total etapas.
En la tabla 6 (genrica) se presentan los resultados de la variable de
costo-efectividad por etapa (CE
kh
; k = 1, 2,...,q ; h =1, 2, 3) y total etapas en trminos
absolutos (CE
( q) h
) y porcentuales (%CE
( q) h
) por modalidad de racin h. Dado que a
este nivel se quiere obtener para cada etapa k el mnimo valor de costo-efectividad
de las raciones basal, alternativa y alternativa, para la totalizacin de las q etapas. En
virtud de los anterior, fue incorporada a la tabla 6, una fila que corresponde a la
modalidad anexada de racin mnima R
M
, que denota el mnimo valor de un grupo
de raciones a un nivel especfico, y que adaptado al costo-efectividad por etapa k y
total etapas q tiene las siguientes denotaciones:
R
Mk
; racin mnima en una etapa k.
CE
Mk
; costo-efectividad de la racin mnima en la etapa k. mn {CE
k1 ,
CE
k2 ,
CE
k3
}; k = 1,2,...,q
CE
M( q)
; costo-efectividad total de la racin mnima en q etapas. CE
M1
+
CE
M2
+
+
CE
Mq
%CE
M(
q)
; costo-efectividad porcentual total de la racin mnima en q etapas. 100 (CE
M (q)
/
CE
(q)
1
)
A continuacin se presenta al tabla 6 con informacin genrica de inters
SLO PARA FINES ACADMICOS Y EDUCATIVOS
52
TABLA 6 Costo-efectividad genrico de las raciones basal, alternativa,
alternativa y mnima por etapa y total etapas del caso W.
C O S T O E F E C T I V I D A D
P O R E T A P A
MODALIDAD
DE
RACIN
ETA_[1] ETA_[2]
ETA_[q]
TOTAL ETAPAS
Basal CE
11
CE
21
CE
q1
CE
(q) 1
%CE
(q) 1
Alternativa CE
12
CE
22
CE
q2
CE
(q) 2
%CE
(q) 2
Alternativa CE
13
CE
23
CE
q3
CE
(q) 3
%CE
(q) 3
Mnima CE
M1
CE
M2
CE
Mq
CE
M(q)
%CE
M(q)
Es de destacar que si una de las etapa k corresponde a una de etapa de lactacin,
se debe colocar tanto en la casilla de la columna de la racin h respectiva como en la
de la racin mnima, el menor valor de costo racin e inutilizar el remanente de las
casillas en dicha columna, y adems se debe hacer una observacin al respecto
indicando que por convencin este costo racin se asumi como un costo-efectividad.
En el anlisis de resultados de la tabla 6, primeramente se seala cada racin h en
orden creciente de sus costos-efectividad total (CE
(q)h
). Luego se hace referencia a
que el costo-efectividad porcentual total de la racin mnima (%CE
M(q)
) en q etapas es
menor a las raciones h, las cuales son nombradas en orden creciente segn la
diferencia de los valores porcentual total que separan a stas de la racin mnima. La
grfica es opcional y finalmente, en base a la diferencia entre el costo-efectividad
porcentual de la racin mnima y su homlogo de la racin basal, se concluye a que
nivel se obtuvo una reduccin de costo para q etapas, segn se seala en la tabla 7
TABLA 7 Niveles de reduccin de costo en q etapas
N (%) Nivel Observacin
1
0,01 10,00 I
2
10,01 20,00 II
3
20,01 30,00 III
4
30,01 40,00 IV
5
>40,00 V
Cuando la reduccin
de costo de la racin
mnima excede el
20%, la misma se hace
ms atractiva para ser
suministrada al
ganado porcino
SLO PARA FINES ACADMICOS Y EDUCATIVOS
53
CAPITULO IV
ANLISIS DE RESULTADOS
En este capitulo se presentan los resultados de los casos I, II y III que versa sobre
raciones experimentales para ganado porcino publicados en revistas cientficas, donde
uno de sus principales objetivos es determinar la respuesta biolgica del cerdo
atendiendo al criterio de la conversin alimenticias, mediante la ingesta de varias
raciones experimentales denominadas tratamiento, en la cual un ingrediente estndar,
en este caso el maz, es sustituido en diferentes niveles por un ingrediente alternativo.
Los casos I y III fueron seleccionados de la revista Zootecnia Tropical y el caso II de
la revista Archivos Latinoamericanos de Produccin Animal. En la tabla 8 se presenta
para cada caso, una relacin de ingredientes estndar y alternativo, y de la(s) etapa(s)
del ciclo productivo del cerdo a la cual pertenece.
TABLA 8 Ingredientes estndar y alternativo, y etapa productiva del
cerdo de los casos I, II y III.
Ingrediente
CASO
Estndar Alternativo
Etapa productiva del
ciclo del cerdo
I
Maz
Subproducto de
afrecho de grano
de maz desgrasado
Crecimiento
II Maz
Harina cruda de
raz de yuca amarga
deshidratada
Crecimiento-engorde
III Maz
Sorgo
Crecimiento y engorde
El ensayo experimental del caso I abarc una sola etapa (crecimiento), donde el
ingrediente alternativo es un subproducto industrial derivado del maz, con menor
cantidad de energa metabolizable que ste. El caso II comprendi las etapas conjunta
de crecimiento y engorde, el ingrediente alternativo que se emple es un producto
obtenido a partir de la raz de yuca amarga. La literatura consultada reporta una
SLO PARA FINES ACADMICOS Y EDUCATIVOS
54
energa metabolizable para este producto un poco inferior a la del el maz. El caso III
abarc dos etapas (crecimiento y engorde), el ingrediente alternativo utilizado es el
sorgo que posee una energa metabolizable cercana a la del maz. Para los casos I y II,
se emple el proceso de evaluacin de raciones para una sola etapa y en el caso III el
correspondiente al de varios etapas, en donde la evaluacin de las raciones
alimenticias de las etapas de crecimiento y engorde se hicieron por separados bajo las
denominaciones de caso III.1 y caso III.2 respectivamente.
Cada uno de los casos objeto de estudio, se inicia nombrando la revista de donde
fue tomada, seguido del ttulo del artculo y de un breve resumen inherente a las
condiciones bajo las cuales se realiz le experiencia, tales como la duracin de la
misma, caractersticas del animal (edad, peso vivo), nmero de individuos utilizados,
el nivel de sustitucin/inclusin del ingrediente alternativo como fuente (parcial o
total) de energa de reemplazante del ingrediente estndar. Luego se presenta una
tabla de datos primarios con la composicin porcentual de los tratamientos y
conversin alimenticia promedio asociada. Posteriormente se procede a la
evaluacin de las raciones, que se inicia con otra tabla como la referida anteriormente,
a la cual se le incorpor los componentes tanto de los precios de los ingredientes,
como de la energa metabolizable y nutrientes de cada una de los tratamientos.
Con la informacin disponible, se fijan los niveles extremos de los recursos de la
mezcla alimenticia de energa metabolizable, nutrientes e ingredientes; se soluciona el
problema por programacin lineal, y se relaciona con la conversin alimenticia
estimada, con la finalidad esencial de obtener el costo-efectividad de las raciones
basal, alternativa y alternativa.
A continuacin se presenta la tabla 9 con la composicin nutricional de cada uno
de los ingredientes utilizados en las raciones experimentales de los tres casos
estudiados.
SLO PARA FINES ACADMICOS Y EDUCATIVOS
55
TABLA 9 Energa metabolizable y composicin porcentual de los nutrientes de los ingredientes utilizados en la preparacin de raciones
alimenticias experimentales para cerdos de los casos
( *1)
estudiados.
AMINOCIDOS ESENCIALES %
Ingrediente
Energa
Metabolizable
EM Kcal/kg
Proteina
Cruda
PC %
Grasa
Cruda
GC %
Fibra
Cruda
FC %
Extacto
libre de
nitrgeno
ELN %
Calcio
Ca %
Fsforo
P %
Lisina Metionina
+
Cistina
Tript-
fano
Treoni-
na
Fuente
Maz amarillo molido 3572 8,50 3,50 2,00 72,60 0,02 0,30 0,22 0,33 0,06 0,27 (1)
SAGMD
( )
2715 12,90 6,11 0,80 64,19 0,06 0,85 0,87 0,30 0,10 0,60 (1)
Yuca amarga
( )
3200 2,80 1,20 2,60
80,20
c
0,30 0,20 0,05 0,05 0,02 0,05 (2)
Sorgo
( *2)
3230 8,70
2,70
a
2,10
72,00
c
0,02 0,30 0,20 0,31 0,09
0,30
(3)
Harinilla de maz
( *3)
2400
b
2,20 2,90 5,00 ND 0,16 0,30 0,29 0,12 0,14 0,15 (4)
Harina de soya 3085 47,50 1,35 4,95 28,23 0,42 0,66 2,79
1,37 0,62 1,83 (1)
Harina de pescado
( *2)
3150 62,40
7,52
a
1,00
3,38
c
4,50 2,77 4,68 2,31 0,61 2,59 (3)
Harina de ajonjol 4015 43,70 18,80 6,70 ND 3,06 1,40 1,70 1,80 014 1,15 (5)
Aceite de palma
( *2)
7760 0,00
99,00
a
0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 (3)
Melaza
( *2)
2260 4,30
0,02
a
0,00
59,28
c
0,74 0,07 0,02 0,04 0,01 0,04 (3)
Grasa animal 3350 0,00 99,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 (1)
Lisina 4110
93,40 0,00 0,00 0,00 0,00 0,00 78,00 0,00 0,00 0,00 (1)
Carbonato de calcio
0,00 0,00 0,00 0,00 0,00 38,00 0,00 0,00 0,00 0,00 0,00 (1)
Fosfato diclcico 0,00 0,00 0,00 0,00 0,00 21,00 16,00 0,00 0,00 0,00 0,00 (1)
(1) : Msc. Nelly Lpez (Mdico veterinario)
(2) : Gil, J. y Buitriago, J.; 2005
(3) : FEDNA; 2005
(4) : Vilario, M., Len, A. y Picard, M.; 1996
(5) : Laboratorio de Nutricin Animal - UCV
a : Ctedra de Nutricin Animal
Facultad de Ciencias Veterinarias - UCV.
b : Acurero, et al; 1993
c : Valor de extracto libre de nitrgeno obtenido a travs de la frmula
ELN% = 100% - ( PC% + GC% + FC% + Humedad% + Ceniza% )
ND: Informacin no disponible
( ) : Subproducto de afrecho de grano de maz desgrasado
() : Harina cruda de raz de yuca amarga deshidratada
(*1)
:Casos de artculos publicados en las revistas: Archivos
Latinoamericanos de Produccin Animal (Vol 5 (supl. 1)) y
Zootecnia Tropical (Vol 1 (1 y 2) 1983 y Vol 21(3) 2003)
(*2)
:
La cifras indicadas con el superndice a fueron tomadas de una tabla
nutricional complementaria de FEDNA.
(*3)
: La energa metabolizable y la composicin nutricional fue estimada
(por ensayo y error) a partir de los resultados de los artculos
publicados en la revista de Zootecnia Tropical, signados con los
volmenes 11(2) 1993 y 14(2) 1996 respectivamente.
SLO PARA FINES ACADMICOS Y EDUCATIVOS
56
IV.1.- CASO I. Formulacin de una racin alimenticia experimental que
contiene el subproducto de afrecho de grano de maz desgrasado (SAGMD),
como fuente parcial de energa reemplazante del maz, utilizando la
programacin lineal, para ser suministrado en la etapa de crecimiento del
ganado porcino.
Este caso fue tomado de la revista Zootecnia Tropical Vol 21, N 3 del ao 2003,
titulado Valor nutritivo y germen desgrasado de maz en la alimentacin de cerdos.
Esta experiencia, de 7 semanas de duracin, fue llevado a cabo en una granja porcina
comercial en donde se seleccionaron 400 lechones de 30 Kg de peso inicial y de 13
semanas de edad. Las dietas y el agua de bebida fue suministrado ad libitum. Estos
animales fueron asignados a las dietas con cinco niveles de inclusin de SAGMD
(0, 10, 20, 30 y 40%) en sustitucin del maz, tal como se aprecia en la tabla 10.
TABLA 10 Estructura de composicin porcentual de raciones experimentales para
cerdos con niveles de inclusin creciente de SAGMD
.
Nivel de inclusin de SAGMD
N Ingrediente
0 10 20 30 40
1 Maz amarillo 74,20 64,81 56,32 47,55 37,57
2 SAGMD 0,00 10,00 20,00 30,00 40,00
3 H. Soya/48 18,10 17,00 16,05 14,95 15,00
4 Carbonato calcio 1,63 1,70 1,75 1,75 1,75
5 Fosfato de diclcico 1,63 1,55 1,45 1,32 1,45
6 Minerales-Vitaminas 2,50 2,50 2,50 2,50 2,50
7 Grasa animal 1,75 1,75 1,75 1,75 1,75
8 Lisina 0,19 0,19 0,18 0,18 0,18
Total 100,00 100,00 100,00 100,00 100,00
Conversin alimenticia (Kg/Kg) 2,79 2,95 3,02 3,09 3,17
: Subproducto de afrecho de grano de maz desgrasado
La mezcla experimental consta de 8 ingredientes, donde el estndar lo representa
el maz amarillo y el alternativo el SAGMD. La racin contiene el aminocido
esencial de la lisina en forma sinttica para equilibrar la mezcla. La conversin
alimenticia de la racin basal se encuentra entre los valores esperados de 2,50 y 3,00.
SLO PARA FINES ACADMICOS Y EDUCATIVOS
57
A continuacin se presenta el procedimiento para la evaluacin de la racin.
VI.1.a) Construccin de la matriz de datos
Con la informacin disponible en las tablas 9 y 10, se obtiene los resultados para
la construccin de la matriz de datos, tal como se puede apreciar en la tabla 11.
TABLA 11 Estructura de composicin porcentual, monetaria, energtica y de nutrientes
de raciones experimentales para cerdos con niveles de inclusin creciente de SAGMD
.
Nivel de inclusin de SAGMD
N Ingrediente
Precio
(Bs/Kg)
(*4)
0 10 20 30 40
1 Maz amarillo 1000,00
(1)
74,20 64,81 56,32 47,55 37,57
2 SAGMD 600,00
(2)
0,00 10,00 20,00 30,00 40,00
3 H. Soya/48 840,00
(3)
18,10 17,00 16,05 14,95 15,00
4 Carbonato calcio 207,00
(3)
1,63 1,70 1,75 1,75 1,75
5 Fosfato de diclcico 1060,00
(3)
1,63 1,55 1,45 1,32 1,45
6 Minerales-Vitaminas 4450,00
(3)
2,50 2,50 2,50 2,50 2,50
7 Grasa animal 1200,00
(1)
1,75 1,75 1,75 1,75 1,75
8 Lisina 10040,00
(3)
0,19 0,19 0,18 0,18 0,18
Total
100,00 100,00 100,00 100,00 100,00
Costo racin
(a)
(Bs/Kg) 1066,02 1022,08 987,33 949,02 911,01
Conversin alimenticia
(
b
)
(Kg/Kg) 2,79 2,95 3,02 3,09 3,17
Costo-efectividad
( c
)
(Bs/Kg) 2974,19 3015,42 2981,75 2932,46 2887,92
Costo-efectividad porcentual (%) 100,00 101,39 100,25 98,60 97,10
Energia metabolizable (Kcal/Kg) 3275 3177 3116 3040 2957
Protena cruda (%) 15,08 15,05 15,16 15,18 15,65
Fibra (%) 2,38 2,75 3,14 3,52 3,94
Grasa (%) 4,57 4,31 4,08 3,84 3,57
ELN
(d)
(%) 58,98 58,27 58,26 58,00 57,19
Calcio (%) 1,05 1,06 1,06 1,03 1,06
Fsforo (%) 0,60 0,64 0,68 0,71 0,78
Lisina (%) 0,82 0,85 0,89 0,92 0,99
Meteonina+cistina (%) 0,50 0,48 0,47 0,45 0,45
Triptofano (%) 0,16 0,15 0,15 0,15 0,16
Treonina (%) 0,53 0,55 0,57 0,58 0,62
: Subproducto de afrecho de grano de maz desgrasado
(*4) : Procedencia de los precios para el ao 2005
(1): Mercado Municipal de Cuman Edo Sucre
(2): Estimado referencial sugerido por la autora del
articulo Nellys Lpez: 60% del precio del maz
(3): Alexis Moya, importador de productos agropecuario
(a): Bs de racion / Kg de alimento
(b): Kg de alimento consumido / Kg de peso corporal
(c): Bs de racion / kg de peso corporal (a)x(b)
(d): Extracto Libre de Nitrgeno (Hidratos de carbono)
SLO PARA FINES ACADMICOS Y EDUCATIVOS
58
En la tabla 11 se incorpor el componente de los precios de cada uno de los
ingredientes, que permite obtener por tratamiento, los costo racin, costo-efectividad
y costo-efectividad porcentual. Es de destacar que, en el artculo donde se seleccion
el caso I, no fueron considerados los precios de los ingredientes, y en virtud de lo
anterior, se recurri a diferentes fuentes para la obtencin de los mismos. El
ingrediente alternativo (SAGMD) es 40% ms econmico que el estndar
(maz amarillo). Ahora bien, cuando se analizan las variables de costo racin y
costo-efectividad se observa lo siguiente: El costo racin es mximo (1066,02 Bs/kg)
en la racin basal, y el mismo disminuye en la medida que se sustituye
progresivamente el maz por el SAGMD en la racin, hasta llegar a su mnimo
(911,01 Bs/kg) para la racin con el nivel de inclusin 40% de SAGMD. En cambio,
el costo-efectividad es mximo (3015,42 Bs/kg) en la racin con el 10% de inclusin
de SAGMD, superando al costo-efectividad de la racin basal (2974,19 Bs/kg), luego
ste tiene su mnimo (2887,92 Bs/kg) para la racin con el nivel de inclusin de 40%
de SAGMD.
En la tabla 11 se puede observar que en relacin a la energa metabolizable de las
raciones, las mismas oscilan por las 3.000 Kcal/Kg, donde el mximo valor
permisible (3275 kcal/kg) corresponde a la racin basal y el mnimo (2957 kcal/kg) a
la racin con 40% de inclusin de SAGMD.
En relacin a los nutrientes, se puede observar en la tabla 11 que la cantidad
protenas que aporta cada tratamiento es uniforme (isoproteco) y ligeramente
superior al 15%. Asimismo, el aporte de calcio, que excede del 1%, supera como era
de esperarse, al aporte de fsforo. La lisina sinttica, como fuente econmica y eficaz
de aporte de este aminocido esencial, suple las cantidades necesarias del mismo, y
que junto a los dems ingredientes, permite obtener una dieta equilibrada, que
redunda en beneficio del animal.
SLO PARA FINES ACADMICOS Y EDUCATIVOS
59
VI.1.b) Elaboracin de tabla con intervalos de tendencias lineales de las
conversiones alimenticia de cada racin experimental
Previo a la elaboracin de la tabla con los intervalos de tendencias lineales de la
conversin alimenticia de los ingredientes estndar (x
1
:
Maz) y alternativo
(x
2
:
SAGMD), se presentan las grficas 2 y 3, para visualizar la influencia de ambos
ingredientes sobre la conversin alimenticia de las raciones experimentales para
cerdos.
En la grfica 2 se observa que en las cinco raciones con niveles de inclusin del
maz (0%, 10%, 20%, 30% y 40%) por SAGMD, los ingredientes estndar y
alternativo representan ms del 70% de la composicin de las raciones. Los valores
de conversin alimenticia obtenidas fueron 2,79; 2,95; 3,02; 3,09 y 3,17 para los
niveles de inclusin de SAGMD de 0%, 10%, 20%, 30% y 40% respectivamente, y lo
cual es indicativo de un desmejoramiento del parmetro de la conversin alimenticia
cuando se incrementa los niveles de inclusin de SAGMD.
GRFICA 2 Efecto del nivel de inclusin de SAGMD sobre la conversin
alimenticia en raciones experimentales para cerdos
SLO PARA FINES ACADMICOS Y EDUCATIVOS
60
GRFICA 3 Variacin de la conversin alimenticia de las raciones experimentales
para cerdos segn el nivel de proporcin de los ingredientes maz (x
1
) y SAGMD (x
2
)
En la grfica 3 puede observarse los cuatros intervalos con sus respectivas
tendencias lineales asociadas de los ingredientes maz (x
1
) y SAGMD (x
2
), y su efecto
sobre la conversin alimenticia. Los tres primeros intervalos (en sentido descendente)
de la curva continua (x
1
:maz) tienen tendencias lineales similares, y anlogamente, lo
mismo se observa en el segundo y tercer intervalo (en sentido ascendente) de la curva de
trazos cortos (x
2
:SAGMD). Ambos ingredientes coinciden en un punto, prximo a la
proporcin 0,40. Los intervalos y las tendencias lineales asociadas del maz y el
SAGMD se presentan en forma algebraica en la tabla 12.
TABLA 12 Intervalos de tendencias lineales de la conversin alimenticia
de los ingredientes estndar (x
1
:
Maz) y alternativo (x
2
:
SAGMD)
Ingrediente Intervalo Tendencia lineal
0,7420 x
1
0,6481
2,95 1,704(x
1
0,6481)
MAIZ
0,6481 < x
1
0,3757
(I)
3,17 0,808(x
1
0,3757)
(II)
0 x
2
< 0,1000 2,79 + 1,6x
2
1000 x
2
< 0,3000
(I)
2,95 + 0,7(x
2
- 0,1000)
(II)
SAGMD
0,3000 x
2
0,4000 3,09 + 0,8(x
2
0,3000 )
(I) : Intervalo unificado
(II) : Tendencia lineal unificada
SLO PARA FINES ACADMICOS Y EDUCATIVOS
61
Por lo presentado en la tabla 12 y en base a la grfica 3, se observa que cuando en
la racin est presente el ingrediente alternativo (x
2
:SAGMD) hasta en una proporcin
de 0,20; el valor de la conversin alimenticia vara de 2,79 a 2,95; y a partir de sta,
la conversin alimenticia vara en menor medida, hasta llegar a un valor tope de 3,17
cuando el ingrediente alternativo reemplaza parcialmente al ingrediente estndar
(x
2
:Maz), al estar presente en una proporcin 0,40 de la racin experimental.
VI.1.c) Formulacin del modelo de programacin lineal para raciones
alimenticias
Antes de proceder a la formulacin del modelo, se presenta la grfica 4, en donde
se aprecia la tendencias de los costos de las raciones experimentales para cerdos
GRFICA 4 Variacin de los costo racin, costo-efectividad y costo-efectividad porcentual
de las raciones experimentales para cerdos segn el nivel de inclusin de SAGMD
En el grfica 4 se visualiza que cuando se incrementa la cantidad de SAGMD, el
costo de la racin disminuye; sin embargo con un nivel de inclusin del 10% se
obtuvo las racin con el mayor costo-efectividad. La racin con un nivel de inclusin
de 40% de SAGMD es el que tiene los mnimos valores en cuanto a costos racin,
costo-eficaz y por ende, el costo-eficaz porcentual.
SLO PARA FINES ACADMICOS Y EDUCATIVOS
62
A continuacin se transcribe la formulacin del modelo bajo el formato del
software LINDO, para determinar el costo racin de la racin alternativa (Z
2
) y las
conversiones alimenticias estimadas segn los valores obtenidos de los ingredientes
estndar (x
1
: Maz) y alternativo (x
2
: SAGMD), que son esenciales para la
determinacin del costo-efectividad.
SOFTWARE LINDO
!CASO I. Formulacin de una racin alimenticia experimental que contiene el subproducto de
!afrecho de grano de maz desgrasado (SGMAD), como fuente parcial de energa reemplazante del
!maz, utilizando la tcnica de la programacin lineal, para ser suministrado en la etapa de crecimiento
del ganado porcino.
!REVISTA: Zootecnia Tropical Vol 21, N 3, ao 2003.
!WEB: www.ceniap.gov.ve/ztzoo/zt2103/art/lopez_n.htm
!TITULO: "Valor nutritivo y germen desgrasado de maz en la alimentacin de cerdos".
!AUTORES: Lpez, N.; Chicco, C. y Godoy S. ;
! Correspondencia => Variables de decisin: Ingredientes.
!X1: Maz amarillo ; X5: Fosfato de diclcico
!X2: SAGMD ; X6: Minerales-Vitaminas
!X3: Harina de Soya/48 ; X7: Grasa animal
!X4: Carbonato calcio ; X8: Lisina
! Entrada de datos
! FUNCIN OBJETIVO
MIN 1000.00 X1 + 600.00 X2 + 840.00 X3 + 207.00 X4
+ 1060.00 X5 + 4450.00 X6 + 1200.00 X7 + 10040.00 X8
! RESTRICCIONES LINEALES
SUBJECT TO
! Restricciones de energa:
ENERGIA1) 3572 X1 + 2715 X2 + 3100 X3
+ 3350 X7 + 2675 X8 >= 2956
ENERGIA2) 3572 X1 + 2715 X2 + 3100 X3
+ 3350 X7 + 2675 X8 <= 3275
! Restricciones de nutrientes:
PROTEIN1) 0.0850 X1 + 0.1290 X2 + 0.4750 X3
0.9340 X8 >= 0.1505
!PROTEIN2) 0.0850 X1 + 0.1290 X2 + 0.4750 X3
0.9340 X8 <= 0.1565
FIBRA1) 0.0200 X1 + 0.0611 X2 + 0.0495 X3 >= 0.0238
FIBRA2) 0.0200 X1 + 0.0611 X2 + 0.0495 X3 <= 0.0394
SLO PARA FINES ACADMICOS Y EDUCATIVOS
63
GRASA1) 0.0350 X1 + 0.0080 X2 + 0.0135 X3
+ 0.9900 X7 >= 0.0357
GRASA2) 0.0350 X1 + 0.0080 X2 + 0.0135 X3
+ 0.9900 X7 <= 0.0457
ELN1) 0.7260 X1 + 0.6419 X2 + 0.2823 X3 >= 0.5719
ELN2) 0.7260 X1 + 0.6419 X2 + 0.2823 X3 <= 0.5898
CALCIO1) 0.0002 X1 + 0.0006 X2 + 0.0042 X3 + 0.3800 X4
+ 0.2100 X5 >= 0.0103
CALCIO2) 0.0002 X1 + 0.0006 X2 + 0.0042 X3 + 0.3800 X4
+ 0.2100 X5 <= 0.0106
FOSFORO1) 0.0030 X1 + 0.0085 X2 + 0.0066 X3
+ 0.1600 X5 >= 0.0060
FOSFORO2) 0.0030 X1 + 0.0085 X2 + 0.0066 X3
+ 0.1600 X5 <= 0.0078
LISINA1) 0.0022 X1 + 0.0087 X2 + 0.0279 X3
+ 0.7800 X8 >= 0.0082
LISINA2) 0.0022 X1 + 0.0087 X2 + 0.0279 X3
+ 0.7800 X8 <= 0.0099
MET+CIS1) 0.0033 X1 + 0.0030 X2 + 0.0137 X3 >= 0.0045
MET+CIS2) 0.0033 X1 + 0.0030 X2 + 0.0137 X3 <= 0.0050
TRIPTOF1) 0.0006 X1 + 0.0010 X2 + 0.0062 X3 >= 0.0015
TRIPTOF2) 0.0006 X1 + 0.0010 X2 + 0.0062 X3 <= 0.0016
TREONIN1) 0.0027 X1 + 0.0060 X2 + 0.0183 X3 >= 0.0053
TREONIN2) 0.0027 X1 + 0.0060 X2 + 0.0183 X3 <= 0.0062
! Restriccin de mezcla base:
BASE) X1 + X2 + X3 + X4
+ X5 + X6 + X7 + X8 = 1.0000
! Restricciones de ingredientes:
X1MIN) X1 >= 0.3757
X1MAX) X1 <= 0.7420
X2MIN) X2 >= 0.0000
X2MAX) X2 <= 0.4000
X3MIN) X3 >= 0.1495
X3MAX) X3 <= 0.1810
X4MIN) X4 >= 0.0163
X4MAX) X4 <= 0.0175
X5MIN) X5 >= 0.0132
X5MAX) X5 <= 0.0163
X6) X6 = 0.0250
X7) X7 = 0.0175
X8MIN) X8 >= 0.0018
X8MAX) X8 <= 0.0019
END
SLO PARA FINES ACADMICOS Y EDUCATIVOS
64
A continuacin se presenta parte de la salida del software LINDO con los
resultados del caso I referidos a el costo racin de la racin alternativa (Z
2
) y las
cantidades de ingredientes que conforman la misma (R
2
)
SOFTWARE LINDO : Salida de resultados
LP OPTIMUM FOUND AT STEP 11
OBJECTIVE FUNCTION VALUE
1) 911.9516
VARIABLE VALUE REDUCED COST
X1 0.382095 0.000000
X2 0.392625 0.000000
X3 0.150463 0.000000
X4 0.017486 0.000000
X5 0.013200 0.000000
X6 0.025000 0.000000
X7 0.017500 0.000000
X8 0.001800 0.000000
Costo racin:
- Racin basal: Z
1
= 1066,02 Bs/kg
- Racin alternativa: Z
2
= 911,95 Bs/kg
VI.1.d) Clculo de la conversin alimenticia de la racin alternativa (CA
2
)
Para estimar la conversin alimenticia de la racin alternativa se consider los
dos primeros ingredientes energticos de la racin alternativa (R
2
):
x
1
= 0,382095 > x
1min
= 0,3757
x
2
= 0,392625 < x
2max
= 0,4000
A continuacin se busca en la tabla 12, a que tendencia lineal se ubica tanto x
1
como x
2
:
CA
2X1
= 3,17 0,808( x
1
0,3757) = 3,1648
CA
2X2
= 3,09 + 0,8(x
2
0,3000 ) = 3,1641
CA
2
= (1/2)(CA
2X1
+ CA
2X2
) = 3,1645
SLO PARA FINES ACADMICOS Y EDUCATIVOS
65
VI.1.e) Clculo de los costos-efectividad y costos-efectividad porcentual de la
racin alternativa (CE
2
y %CE
2
respectivamente )
CE
2
= CA
2
. Z
2
= 3,1645 . 911,95 = 2885,87
CE
2
= (CE
2
/ CE
1
)x100% = (2885,87 / 2974,19)x100% = 97,03%
VI.1.f) Anlisis de sensibilidad: a nivel de las restricciones energticas
Considerando como la mnima cantidad de energa metabolizable permisible
(e
min)
, la correspondiente a la racin de tratamiento T
2
(3177 kcal/kg), se tiene:
e
min
=
e
T2
= 3177 Kcal/Kg
A continuacin se presenta parte de la salida del software LINDO
SOFTWARE LINDO : Report / Parametics / / 3177 <<enter>>
RIGHTHANDSIDE PARAMETRICS REPORT FOR ROW: ENERGIA1
VAR VAR PIVOT RHS DUAL PRICE OBJ
OUT IN ROW VAL BEFORE PIVOT VAL
2956.00 0.000000E+00 912.394
SLK 2 SLK 10 32 2961.31 0.000000E+00 912.394
SLK 32 SLK 33 12 2970.30 -0.466131 916.581
SLK 29 SLK 18 18 2990.90 -0.471226 926.292
SLK 4 SLK 29 4 3063.89 -0.471842 960.728
3177.00 -0.474507 1013.91
Los nuevos valores de las variables de decisin son:
x
1
= 0,628318 ; x
5
= 0.013200
x
2
= 0.131611 ; x
6
= 0.025000
x
3
= 0.165124 ; x
7
= 0.017500
x
4
= 0.017447 ; x
8
= 0.001800
Costo racin:
- Racin basal: Z
1
= 1066,02 Bs/kg
- Racin alternativa: Z
3
= 1013,91 Bs/kg
SLO PARA FINES ACADMICOS Y EDUCATIVOS
66
Al efectuar el anlisis de sensibilidad a nivel del segundo miembro de las
restriccin de energa mnima permisible, pasando del valor de 2975 kcal/kg a
3177 kcal/kg, se obtuvo los nuevos valores de las variables de decisin, y que por
intermedio de x
1
(Maz)
y x
2
(SAGMD), se pudo determinar el costo racin de la
racin alternativa (1013,91 Bs/kg), que result ser menor al de la racin basal
(1115,02 Bs/kg). A continuacin se procede a determinar como es el comportamiento
de la racin alternativa a nivel del costo-efectividad de las raciones anteriormente
referidas, para su posterior evaluacin con su equivalente de la raciones basal y
alternativa.
VI.1.g) Clculo de la conversin alimenticia de la racin alternativa (CA
3
)
Se procede de manera anloga al punto VI.1.d. Los dos primeros ingredientes
energticos de la racin alternativa (R
3
) son:
x
1
= 0,628318 > x
1min
= 0,3757
x
2
= 0.131611 < x
2max
= 0,4000
A continuacin se busca en la tabla 12, a que tendencia lineal corresponde tanto
x
1
como x
2
:
CA
3 X1
=
3,17 0,808(x
1
0,3757) = 2,965
CA
3 X2
= 2,95 + 0,7(x
2
- 0,1000) = 2,971
CA
3
= (1/2)( CA
3 X1
+ CA
3 X2
) = 2,9682
La conversin alimenticia estimada de la racin alternativa fue ligeramente
superior a la conversin alimenticia de la racin con 10% de inclusin del SAGMD.
VI.1.h) Clculo de los costos-efectividad y costos-efectividad porcentual de la
racin alternativa (CE
3
y %CE
3
respectivamente )
CE
3
= CA
3
x Z
3
= 2,9682. 1013,91 = 3009,49
%CE
3
= (CE
3
/ CE
1
)x100% = (3010,74 / 2974,19).100% = 101,19%
SLO PARA FINES ACADMICOS Y EDUCATIVOS
67
VI.1.i) Construccin de la tabla de resultados
Con la informacin obtenida en los puntos anteriores, se procede a la
construccin de la tabla 13 con la informacin contentiva de parmetros de inters
sobre las raciones basal, alternativa y alternativa del caso I.
TABLA 13 Estructura de composicin porcentual, monetaria, conversin
alimenticia y energtica de las raciones basal, alternativa y alternativa del caso I
R a c i n
N Ingrediente
Precio
(Bs/Kg)
(*4)
Basal Alternativa Alternativa
1 Maz amarillo 1000,00
(1)
74,20 38,34 62,92
2 SAGMD
. 600,00
(2)
0,00 39,12 13,02
3 H. Soya/48 840,00
(3)
18,10 15,05 16,53
4 Carbonato calcio 207,00
(3)
1,63 1,75 1,75
5 Fosfato de diclcico 1060,00
(3)
1,63 1,32 1,34
6 Minerales-Vitaminas 4450,00
(3)
2,50 2,50 2,5
7 Grasa animal 1200,00
(1)
1,75 1,75 1,75
8 Lisina 10040,00
(3)
0,19 0,18 0,18
Total
100,00 100,00 100,00
Costo racin
(a)
(Bs/Kg) 1066,06 911,95 1013,91
Conversin alimenticia
( b)
(Kg/Kg) 2,79 3,1635 2,968
Costo-efectividad
( c )
(Bs/Kg) 2974,19 2885,87 3009,49
Costo-efectividad porcentual (%) 100,00 93,03 101,19
Energa metabolizable (Kcal/Kg) 3275 2961 3177
: Subproducto de afrecho de german de maiz desgrasado
(*4) : Procedencia de los precios para el ao 2005
(1): Mercado Municipal de Cuman Edo Sucre
(2): Estimado referencial sugerido por la autora del
articulo Nellys Lpez: 60% del precio del maz
(3): Alexis Moya, importador de productos agropecuario
(a): Bs de racin / Kg de alimento
(b): Kg de alimento consumido / Kg de peso corporal
(c): Bs de racin / kg de peso corporal (a)x(b)
En la tabla 13 se puede observar que a este nivel de precio de cada uno de los
ingredientes, el mnimo valor del costo racin se encuentra en la racin alternativa
con 911,95 Bs/kg, seguido por la alternativa con 1013,91 Bs/kg y finalmente por
la basal con 1066,06 Bs/kg. El mnimo valor del costo-efectividad se encuentra en
la racin alternativa con 2885,87 Bs/kg, seguido por la basal con 2974,19 Bs/kg
y finalmente por la alternativa con 3009,49 Bs/kg. En virtud de lo anterior, el
SLO PARA FINES ACADMICOS Y EDUCATIVOS
68
costo-efectividad de la racin alternativa es el ms eficiente, por tener el menor valor.
El anlisis de sensibilidad realizado fue no exitoso, debido a que el costo-efectividad
de la racin alternativa fue mayor a la racin alternativa e incluso que la racin
basal.
En la grfica 5 se puede visualizar la magnitud de los costo racin,
costo-efectividad y costo-efectividad porcentual de las raciones basal, alternativa y
alternativa del caso I.
GRFICA 5 Variacin de los costo racin, costo-efectividad y costo-efectividad
porcentual de las raciones para cerdos basal, alternativa y alternativa del caso I
Por lo ilustrado en la grfica 5 y en base a la tabla 13, el costo-efectividad
porcentual de la racin alternativa es menor al de las raciones basal y alternativa en
un 6,97% y 8,13% respectivamente. En consecuencia, con los actuales precios de los
ingredientes, el costo-efectividad de la racin alternativa es un costo-eficaz y
el mismo en comparacin con el costo-efectividad de la racin basal es
relativamente econmico, y esto se debe en gran medida a que el nivel de inclusin
del SAGMD en la racin no excedi del 40%.
SLO PARA FINES ACADMICOS Y EDUCATIVOS
69
IV.2.- CASO II. Formulacin de una racin alimenticia experimental que
contiene harina cruda de raz de yuca amarga (YAD), como fuente parcial o
total de energa reemplazante del maz, utilizando la programacin lineal para
ser suministrado en la etapa conjunta de crecimiento-engorde del ganado porcino.
El presente caso fue tomado de la revista Archivo Latinoamericano de
Produccin Animal, volumen 5/Supl. 1 del ao 1997, titulado Utilizacin de harina
cruda de raz de yuca (Manihot esculenta C.) y harina cruda de cormos de ocumo
chino (Colocasia esculenta C.) en la alimentacin de cerdos.. En esta experiencia, de
72 das de duracin, se utilizaron 50 cerdos, con peso inicial de 24 Kg. Los cerdos
recibieron las raciones en dos ofertas diarias. El primer grupo de tratamientos (yuca
amarga) estuvo constituido de la siguiente manera: T1,racin basal; y en los restantes,
el maz es reemplazado por T2: 50% de raz de yuca amarga deshidratada y molida
YAD; T3, 100% de YAD; tal como se aprecia en la tabla 14.
TABLA 14 Estructura de composicin porcentual de raciones experimentales
para cerdos con niveles de sustitucin creciente de YAD
.
N Ingredientes
Basal
%
50% YAD
%
100% YAD
%
1 Maz 83,56 42,17 0,00
2 YAD 0,00 36,84 73,68
3 Harina de pescado 14,20 19,65 25,24
4 Aceite de palma
(
*4)
1,54 0,64 0,00
5 Fosfato diclcico
(
*4)
0,00 0,00 0,38
6 Sal 0,50 0,50 0,50
7 Premezcla Vitaminas 0,15 0,15 0,15
8 Trazas 0,05 0,05 0,05
Total 100,00 100,00 100,00
Conversin alimenticia (Kg/Kg) 2,63 2,66 3,01
: Harina cruda de raz de yuca amarga deshidratada
(*4): En la literatura consultada existen raciones experimentales en base de maz - raz y/o follaje de yuca, donde el
fosfato diclcico y el aceite de palma se combinan, siempre y cuando este ltimo no exceda el 5% de la mezcla.
La racin alimenticia experimental consta de 8 ingredientes, donde el ingrediente
estndar lo representa el maz y el alternativo la YAD. La conversin alimenticia de los
tratamientos se encuentran entre los valores esperados de 2,50 y 3,00.
SLO PARA FINES ACADMICOS Y EDUCATIVOS
70
A continuacin se presenta el procedimiento para la evaluacin de la racin.
VI.2.a) Construccin de la matriz de datos
Con la informacin disponible en las tablas 9 y 14, se obtiene los resultados para
la construccin de la matriz de datos, tal como se puede apreciar en la tabla 15.
TABLA 15 Estructura de composicin porcentual, monetaria, energtica y de
nutrientes de raciones experimentales para cerdos con niveles de sustitucin
creciente de YAD
.
N Ingredientes
Precio
(Bs/Kg)
Basal
%
50% YAD
%
100% YAD
%
1 Maz 130 83,56 42,17 0,00
2 YAD 70 0,00 36,84 73,68
3 Harina de pescado 295 14,20 19,65 25,24
4 Aceite de palma 150 1,54 0,64 0,00
5 Fosfato diclcico 30 0,00 0,00 0,38
6 Sal 100 0,50 0,50 0,50
7 Premezcla Vitaminas 500 0,15 0,15 0,15
8 Trazas 500 0,05 0,05 0,05
Total 100,00 100,00 100,00
Costo racin
(a
)
(Bs/Kg)
135.97 113,47 91,05
Conversin alimenticia
( b)
(Kg/Kg)
2,63 2,66 3,01
Costo-efectividad
( c
)
(Bs/Kg)
357,60 301,84 274,06
Costo-efectividad porcentual (%)
100,00 84,41 76,64
Energia metabolizable (Kcal/Kg)
3552 3354 3153
Protena cruda (%)
15,96 16,88 17,81
Fibra (%)
1,81 2,00 2,17
Grasa (%)
5,52 4,03 2,78
ELN
( d)
(%)
61,14 60,83 59,94
Calcio (%)
0,66 1,00 1,44
Fsforo (%)
0,64 0,74 0,91
Lisina (%)
0,86 1,04 1,24
Meteonina+cistina (%)
0,61 0,62 0,63
Triptfano (%)
0,14 0,16 0,18
Treonina (%)
0,60 0,65 0,71
: Harina cruda de raz de yuca amarga deshidratada
(a): Bs de racion / Kg de alimento
(b): Kg de alimento consumido / Kg de peso corporal
(c): Bs de racion / kg de peso corporal (a)x(b)
(d): Extracto Libre de Nitrgeno (Hidratos de carbono)
SLO PARA FINES ACADMICOS Y EDUCATIVOS
71
En la tabla 15, la incorporacin del componente de los precios de cada uno de los
ingredientes, permiti obtener por tratamiento, los costo racin, costo-efectividad y
costo-efectividad porcentual. El ingrediente alternativo (YAD) es 53% ms
econmico que el estndar (maz amarillo). Las variables de costo racin y costo-
efectividad presentan las siguientes caractersticas: El costo racin es mximo
(135,97 Bs/kg) en la racin basal, y el mismo disminuye en la medida que se
sustituye el maz por el YAD en la racin, hasta llegar a su mnimo (91,05 Bs/kg)
para la racin con el nivel de sustitucin 100% del YAD. Anlogamente, el
costo-efectividad es mximo (357,60 Bs/kg) en la racin basal, y el mismo tiene su
mnimo (274,06 Bs/kg) para la racin con el nivel de sustitucin de 100% de YAD.
En la tabla 15 se puede observar que en relacin a la energa metabolizable de las
raciones, las mismas exceden las 3.100 Kcal/Kg, donde el mximo valor permisible
(3552 kcal/kg) corresponde a la racin basal y el mnimo (3153 kcal/kg) a la racin
con 100% de nivel de sustitucin de YAD.
En relacin a los nutrientes, se puede observar en la tabla 15 que la cantidad
protenas que aporta los tratamiento en orden creciente de nivel de sustitucin de
YAD (0%, 50%, 100%) es ligeramente superior a los valores de 15%, 16% y 17%
respectivamente; destacndose la presencia de harina de pescado como principal
fuente de protenas. El aporte de calcio es superior al del fsforo en cada uno de los
tratamientos. Se puede notar que en la racin con 100% de nivel de sustitucin de
YAD, se encuentran los mayores valores de calcio y fsforo de 1,44% y 0,91%
respectivamente, y esto es debido en gran manera a la presencia de fosfato de
diclcico, que es una fuente econmica de aporte de ambos nutrientes. La ausencia de
aceite de palma en la racin con 100% de sustitucin de YAD, ocasiona que en la
misma est presente el mnimo valor (2,42%) de grasa.
SLO PARA FINES ACADMICOS Y EDUCATIVOS
72
VI.2.b) Elaboracin de tabla con intervalos de tendencias lineales de las
conversiones alimenticia de cada racin experimental
Previo a la elaboracin de la tabla con los intervalos de tendencias lineales de la
conversin alimenticia de los ingredientes estndar (x
1
:
Maz) y alternativo
(x
2
:
YAD), se presentan las grficas 6 y 7, para visualizar la influencia de ambos
ingredientes sobre la conversin alimenticia de las raciones experimentales para
cerdos.
GRFICA 6 Efecto del nivel de sustitucin de YAD sobre la conversin
alimenticia en raciones experimentales para cerdos
En la grfica 6 se observa que en las tres raciones con niveles de sustitucin de
YAD (0%, 50% y 100%), los ingredientes estndar y alternativo representan ms del
70% de la composicin de las raciones. Los valores de conversin alimenticia
obtenidas fueron 2,63; 2,66; y 3,01; para los niveles de sustitucin de YAD de 0%,
50% y 100% respectivamente, y lo cual es indicativo de un desmejoramiento del
parmetro de la conversin alimenticia cuando se incrementa los niveles de
sustitucin de YAD.
SLO PARA FINES ACADMICOS Y EDUCATIVOS
73
GRAFICA 7 Variacin de la conversin alimenticia de las raciones experimentales
para cerdos segn el nivel de proporcin de los ingredientes maz (x
1
) y YAD (x
2
)
En la grfica 7 puede observarse los dos intervalos con sus respectivas tendencias
lineales asociadas de los ingredientes maz (x
1
) y YAD (x
2
), y su efecto sobre la
conversin alimenticia. El primer intervalo (en sentido descendente) de la curva
continua (x
1
:maz) tiene una pendiente poco inclinada, mientras que en el segundo intervalo
sta es ms pronunciada, y anlogamente, se observa lo mismo en el primer y segundo
intervalo (en sentido ascendente) de la curva de trazos cortos (x
2
:YAD). Ambas curvas
coinciden en un punto, muy prximo a la proporcin 0,40. Los intervalos y las
tendencias lineales asociadas del maz y la YAD se presentan en forma algebraica en
la tabla 16.
TABLA 16 Intervalos de tendencias lineales de la conversin
alimenticia de los ingredientes estndar (x
1
:
Maz) y
alternativo (x
2
:
YAD)
Ingrediente Intervalo Tendencia lineal
0,84 x
1
0,42
2,66 0,0725(x
1
0,42)
MAIZ
0,42 < x
1
0 3,01 0,83x
1
0 x
2
< 0,42 2,63 + 0,0814x
2
YAD
0,42 x
2
< 0,74 2,66 + 0,9501(x
2
- 0,42)
SLO PARA FINES ACADMICOS Y EDUCATIVOS
74
Por lo presentado en la tabla 16 y en base a la grfica 7, se observa que cuando en
la racin est presente el ingrediente alternativo (x
2
:YAD) hasta en una proporcin de
0,42; el valor de la conversin alimenticia poco vara, pasando de 2,63 a 2,66; pero a
partir de la proporcin anteriormente referida, la conversin alimenticia vara
considerablemente, hasta llegar a un valor tope de 3,01 cuando el ingrediente
alternativo reemplaza totalmente al ingrediente estndar (x
2
:Maz) al estar presente en
una proporcin 0,74 de la racin experimental.
VI.2.c) Formulacin del modelo de programacin lineal para raciones
alimenticias
Antes de proceder a la formulacin del modelo, se presenta la grfica 8, en donde
se aprecia la tendencias de los costos de la raciones experimentales para cerdos.
GRFICA 8 Variacin de los costo racin, costo-efectividad y costo-efectividad porcentual
de las raciones experimentales para cerdos segn el nivel de sustitucin de YAD
En la grfica 8 se visualiza que cuando se incrementa el nivel de sustitucin de
YAD, el costo racin disminuye, anlogamente, ocurre lo mismo con el
costo-efectividad. La racin con un nivel de sustitucin de 100% de YAD es el que
tiene los mnimos valores en cuanto a los costo de racin, costo-efectividad y por
ende, el costo-efectividad porcentual.
SLO PARA FINES ACADMICOS Y EDUCATIVOS
75
A continuacin se transcribe la formulacin del modelo bajo el formato del
software LINDO, para determinar el costo racin de la racin alternativa (Z
2
) y las
conversiones alimenticias estimadas segn los valores obtenidos de los ingredientes
estndar (x
1
: Maz) y alternativo (x
2
: YAD), que son esenciales para la determinacin
del costo-efectividad
SOFTWARE LINDO
!CASO II Formulacin de una racin alimenticia experimental que contiene harina cruda de raz de
!yuca amarga (YAD), como fuente parcial o total de energa reemplazante del maz, utilizando la
!programacin lineal para ser suministrado en la etapa conjunta de crecimiento-engorde del ganado
!porcino.
!REVISTA: Archivos latinoamericanos de Produccin Animal 5 , (suplemento 1), 1997.
!WEB: www.alpa.org.ve/ojs/include/getdoc. php?id=198&article=161&mode=pdf
!TITULO: "Utilizacin de harina cruda de raz de yuca (Manihot sculenta C.) y harina cruda
! de cormos de ocumo chino (Colocasia sculenta C.) en la alimentacin de cerdos"
!AUTORES: Gonzlez, C.; Vecchionacce, H.; Daz, I. y Ortiz, V.
!Correspondencia => Variables de decisin : Ingredientes.
!X1: Maz ; X5: Fosfato de diclcico
!X2: YAD ; X6: Sal
!X3: Aceite de palma ; X7: Premezcla vit.
!X4: Harina de pescado ; X8: Trazas
! Entrada de datos
!FUNCIN OBJETIVO
MIN 130.00 X1 + 70.00 X2 + 295.00 X3 + 150.00 X4
+ 30.00 X5 + 100.00 X6 + 500.00 X7 + 500.00 X8
!RESTRICCIONES LINEALES
SUBJECT TO
! Restricciones de energa:
ENERGIA1) 3572 X1 + 3200 X2 + 7760 X3 + 3150 X4 >= 3153
ENERGIA2) 3572 X1 + 3200 X2 + 7760 X3 + 3150 X4 <= 3552
! Restricciones de nutrientes:
PROTEIN1) 0.0850 X1 + 0.0280 X2 + 0.6240 X4 >= 0.1596
PROTEIN2) 0.0850 X1 + 0.0280 X2 + 0.6240 X4 <= 0.1781
FIBRA1) 0.0200 X1 + 0.0260 X2 + 0.0100 X4 >= 0.0181
FIBRA2) 0.0200 X1 + 0.0260 X2 + 0.0100 X4 <= 0.0217
SLO PARA FINES ACADMICOS Y EDUCATIVOS
76
GRASA1) 0.0350 X1 + 0.0120 X2 + 0.9900 X3 + 0.0752 X4 >= 0.0278
GRASA2) 0.0350 X1 + 0.0120 X2 + 0.9900 X3 + 0.0752 X4 <= 0.0552
ELN1) 0.7260 X1 + 0.8020 X2 + 0.0338 X4 >= 0.5994
ELN2) 0.7260 X1 + 0.8020 X2 + 0.0338 X4 <= 0.6114
CALCIO1) 0.0002 X1 + 0.0030 X2 + 0.0450 X4
+ 0.2100 X5 >= 0.0066
CALCIO2) 0.0002 X1 + 0.0030 X2 + 0.0450 X4
+ 0.2100 X5 <= 0.0144
FOSFORO1) 0.0030 X1 + 0.0020 X2 + 0.0277 X4
+ 0.1600 X5 >= 0.0064
FOSFORO2) 0.0030 X1 + 0.0020 X2 + 0.0277 X4
+ 0.1600 X5 <= 0.0091
LISINA1) 0.0022 X1 + 0.0005 X2 + 0.0468 X4 >= 0.0085
LISINA2) 0.0022 X1 + 0.0005 X2 + 0.0468 X4 <= 0.0122
MET+CIS1) 0.0033 X1 + 0.0005 X2 + 0.0231 X4 >= 0.0061
MET+CIS2) 0.0033 X1 + 0.0005 X2 + 0.0231 X4 <= 0.0062
TRIPTOF1) 0.0006 X1 + 0.0002 X2 + 0.0061 X4 >= 0.0014
TRIPTOF2) 0.0006 X1 + 0.0002 X2 + 0.0061 X4 <= 0.0017
TREONIN1) 0.0027 X1 + 0.0005 X2 + 0.0259 X4 >= 0.0059
TREONIN2) 0.0027 X1 + 0.0005 X2 + 0.0259 X4 <= 0.0069
! Restriccin de mezcla base:
BASE) X1 + X2 + X3 + X4
+ X5 + X6 + X7 + X8 = 1.0000
! Restricciones de ingredientes:
X1MIN) X1 >= 0.0000
X1MAX) X1 <= 0.8356
X2MIN) X2 >= 0.0000
X2MAX) X2 <= 0.7368
X3MIN) X3 >= 0.0000
X3MAX) X3 <= 0.0154
X4MIN) X4 >= 0.1420
X4MAX) X4 <= 0.2524
X5MIN) X5 >= 0.0000
X5MAX) X5 <= 0.0038
X6) X6 = 0.0050
X7) X7 = 0.0015
X8) X8 = 0.0005
END
SLO PARA FINES ACADMICOS Y EDUCATIVOS
77
A continuacin se presenta parte de la salida del software LINDO con los
resultados del caso II referidos a el costo de la racin alternativa (Z
2
) y las cantidades
de ingredientes que conforman la misma (R
2
)
SOFTWARE LINDO : Salida de resultados
LP OPTIMUM FOUND AT STEP 11
OBJECTIVE FUNCTION VALUE
1) 91.01948
VARIABLE VALUE REDUCED COST
X1 0.001983 0.000000
X2 0.736800 0.000000
X3 0.000063 0.000000
X4 0.250354 0.000000
X5 0.003800 0.000000
X6 0.005000 0.000000
X7 0.001500 0.000000
X8 0.000500 0.000000
Costo racin:
- Racin basal: Z
1
= 135,97 Bs/kg
- Racin alternativa: Z
2
= 91,02 Bs/kg
VI.2.d) Clculo de la conversin alimenticia de la racin alternativa (CA
2
)
Para estimar la conversin alimenticia de la racin alternativa se consider los
dos primeros ingredientes energticos de la racin alternativa (R
2
):
x
1
= 0.001983 > x
1min
= 0
x
2
= 0.736800 < x
2min
= 0,74
A continuacin se busca en la tabla 16, a que tendencia lineal se ubica tanto x
1
como x
2
:
CA
2X1
= 3,01 0,83x
1
= 3,0084
CA
2X2
= 2,66 + 0,9501(x
2
0,42 ) = 2,9610
CA
2
= (1/2)(CA
2X1
+ CA
2X2
) = 2,9847
SLO PARA FINES ACADMICOS Y EDUCATIVOS
78
VI.2.e) Clculo de los costo-efectividad y costo-efectividad porcentual de la
racin alternativa (CE
2
y %CE
2
respectivamente )
CE
2
= CA
2
. Z
2
= 2,9847. 91,02 = 271,67
CE
2
= (CE
2
/ CE
1
).100% = (271,67 / 357,60)x100% = 75,97%
VI.2.f) Anlisis de sensibilidad: a nivel de las restricciones energticas
Considerando como la mnima cantidad de energa metabolizable permisible
(e
min)
, la correspondiente a la racin de tratamiento T
2
(3354 kcal/kg), se tiene:
e
min
=
e
T2
= 3354 Kcal/Kg
A continuacin se presenta parte de la salida del software LINDO
SOFTWARE LINDO: Report / Parametrics / / 3354 <<enter>>
RIGHTHANDSIDE PARAMETRICS REPORT FOR ROW: ENERGIA1
VAR VAR PIVOT RHS DUAL PRICE OBJ
OUT IN ROW VAL BEFORE PIVOT VAL
3153.00 0.000000E+00 91.0195
SLK 2 SLK 8 18 3153.95 0.000000E+00 91.0195
SLK 18 SLK 34 7 3160.76 -0.248410E-01 91.1888
X5 SLK 7 34 3190.25 -0.341495E-01 92.1958
SLK 10 SLK 28 8 3201.54 -0.408808E-01 92.6574
3354.00 -0.114238 110.074
Los nuevos valores de las variables de decisin son:
x
1
= 0.314524 ; x
5
= 0.000000
x
2
= 0.453842 ; x
6
= 0.005000
x
3
= 0.015321 ; x
7
= 0.001500
x
4
= 0.209314 ; x
8
= 0.000500
Costo racin::
- Racin basal: Z
1
= 135,97 Bs/kg
- Racin alternativa: Z
3
= 100,07 Bs/kg
SLO PARA FINES ACADMICOS Y EDUCATIVOS
79
Al efectuar el anlisis de sensibilidad a nivel del segundo miembro de las
restriccin de energa mnima permisible, pasando del valor de 3175 kcal/kg a
3354 kcal/kg, se obtuvo los nuevos valores de las variables de decisin, y que por
intermedio de x
1
(Maz)
y x
2
(YAD), se determin que el costo racin de la racin
alternativa (110,07 Bs/kg), result ser menor al de la racin basal (135,97 Bs/kg). A
continuacin se procede a determinar como es el comportamiento de la racin
alternativa a nivel del costo-efectividad de las raciones anteriormente referidas, para
su posterior evaluacin con su equivalente de las raciones basal y alternativa.
VI.2.g) Clculo de la conversin alimenticia de la racin alternativa (CA
3
)
Se procede de manera anloga al punto VI.2.d. Los dos primeros ingredientes
energticos de la racin alternativa (R
3
) son:
x
1
= 0.314524 > x
1min
= 0
x
2
= 0.453842 < x
2max
= 0,7368
A continuacin se busca en la tabla 16, a que tendencia lineal corresponde tanto
x
1
como x
2
:
CA
3X1
=
3,01 0,83x
1
= 2,749
CA
3X2
= 2,66 + 0,9501(x
2
- 0,42) = 2,692
CA
3
= (1/2)(CA
3X1
+ CA
3X2
) = 2,721
La conversin alimenticia estimada de la racin alternativa result ser
ligeramente superior a la conversin alimenticia de la racin con 50% de nivel de
sustitucin del YAD.
VI.2.h) Clculo de los costo-efectividad y costo-efectividad porcentual de la
racin alternativa (CE
3
y %CE
3
respectivamente )
CE
3
= CA
3
x Z
3
= 2,721. 110,07 = 299,50
%CE
3
= (CE
3
/ CE
1
)x100% = (299,50 / 357,60)x100% = 83,75%
SLO PARA FINES ACADMICOS Y EDUCATIVOS
80
VI.1.i) Construccin de la tabla de resultados
Con la informacin obtenida en los puntos anteriores, se procede a la
construccin de la tabla 17 con la informacin contentiva de parmetros de inters
sobre las raciones basal, alternativa y alternativa del caso II.
TABLA 17 Estructura de composicin porcentual, monetaria, conversin
alimenticia y energtica de las raciones basal, alternativa y alternativa del caso II
R a c i n
N Ingrediente
Precio
(Bs/Kg)
Basal Alternativa Alternativa
1 Maz 130 83,56 0,20 31,45
2 YAD 70 0,00 73,68 45,39
3 Harina de pescado 295 1,54 0,01 1,53
4 Aceite de palma 150 14,20 25,03 20,93
5 Fosfato diclcico 30 0,00 0,38 0,00
6 Sal 100 0,50 0,50 0,50
7 Premezcla Vitaminas 500 0,15 0,15 0,15
8 Trazas 500 0,05 0,05 0,05
Total
100,00 100,00 100,00
Costo racin
(a)
(Bs/Kg) 135,97 91,02 110,07
Conversin alimenticia
( b)
(Kg/Kg) 2,66 2,9847 2,721
Costo-efectividad
( c )
(Bs/Kg) 357,60 271,67 299,50
Costo-efectividad porcentual (%) 100,00 75,97 83,75
Energa metabolizable (Kcal/Kg) 3554 3154 3354
=
n
j
j j
x c
1
i
n
j
j j i
b x a
=1
0
j
x
SLO PARA FINES ACADMICOS Y EDUCATIVOS
129
maximizar Z = cx
Sujeta a
Ax b
x 0
de donde c es el vector fila,
,
b y x son los vectores columna de lado derecho y variables de decisin
respectivamente, y 0 es el vector nulo , tales que
, ,
A es la matriz de restricciones, tambien llamado matriz tecnolgica
El modelo de programacin lineal, al igual que cualquier otro modelo, no debe ser
empleado indiscriminadamente. Es necesario reconocer cundo una situacin est
estructurada de tal manera, que la tcnica de la programacin lineal pueda ser
utilizada con xito. Entonces, para que en el modelo sea verdaderamente efectivo se
requiere que en el problema en cuestin se satisfagan las siguientes premisas:
a) Proporcionalidad, que requiere que la contribucin de cada variable de
decisin, tanto en la funcin objetivo Z como en las restricciones funcionales
del lado izquierdo, sea directamente proporcional al valor de la variable
anteriormente referida.. Esto es, dada una variable de decisin x
j
(j = 1,2,..,n),
su contribucin a la funcin objetivo es c
j
x
j
y su contribucin a la restriccin i
(i = 1,2,...,m) es a
ij
x
j
.
A =
mn m
n
a a
a a
L
M M
L
1
1 11
x =
n
x
x
M
1
c = [ ]
n
c c L
1
b =
n
b
b
M
1
0 =
0
0
M
SLO PARA FINES ACADMICOS Y EDUCATIVOS
130
b) Aditividad, que estipula que la contribucin total de todas las variables de
decisin en la funcin del objetivo y en las restricciones sea la suma directa de
la contribucin individual de cada variable de decisin. Lo anterior significa
que cada funcin de un modelo de programacin lineal, ya sea la funcin
objetivo o el lado izquierdo de la restriccin funcional i, es la suma de las
contribuciones individuales respectivas. Las contribuciones anteriormente
referidas, para la funcin objetivo son c
1
x
1 ,
c
2
x
2, ...,
c
n
x
n
, y para la restriccin
funcional i, a
i1
x
1
, a
i2
x
2
, ... , a
i
n
x
n
.
,
c) Divisibilidad, Las variables de decisin en un modelo de programacin lineal
pueden tomar cualquier valor continuo, que satisfagan las restricciones
funcionales y de no negatividad.
A.3. Esencia del mtodo grfico
En esta seccin se muestra la forma de obtener grficamente las soluciones de un
modelo de programacin lineal de dos variables. Este mtodo de solucin, an
cuando es poco prctico, permite introducir una serie de conceptos de mucha utilidad,
que se amplia y se extiende al espacio de n dimensiones.
Un problema de programacin lineal esta constituido por una funcin objetivo y
un conjunto de restricciones. Cada restriccin del problema representa un medio
plano. La recta a
i1
x
1
+ b
i2
x
2
= b
i
es la frontera de la restriccin a
i1
x
1
+ b
i2
x
2
b
i
y
divide al plano en dos medios planos. Los puntos que satisfacen la restriccin es la
regin del plano a un lado de la recta, y que es un ejemplo de un conjunto convexo de
puntos en dos dimensiones; en consecuencia, un conjunto es denominado convexo si
todos los puntos sobre un segmento de recta que una dos puntos del conjunto,
pertenecen al conjunto. Si se incluye las fronteras del conjunto convexo,
SLO PARA FINES ACADMICOS Y EDUCATIVOS
131
entonces ste se llama cerrado. Anlogamente, los puntos que satisfacen la
restriccin a
i1
x
1
+ b
i2
x
2
b
i
es la regin del plano al otro lado de la recta.
La interseccin de dos rectas es un punto en el espacio bidimensional, A este
punto se le llama punto esquina o punto extremo. Aunque tambien puede suceder que
la interseccin de dos rectas es la interseccin de dos lneas y puede ser un segmento
de recta, esto ltimo sucede si las restricciones se enciman. Los puntos donde se
intersecan las fronteras de las restricciones se denominan puntos esquina. Los puntos
(x
1
y x
2
) que satisfacen todas las restricciones del problema son los puntos factibles y
se encuentran en la interseccin de todos los medios planos que representan las
restricciones del problema. A la regin donde se encuentran los puntos factibles se le
llama regin factible (conjunto convexo). Cuando esta regin es cerrada recibe el
nombre regin factible acotada, y cuando no lo es, se le denomina regin factible no
acotada. En una representacin grfica bidimensional, la regin factible se debe
resaltar mediante el sombreado o el rayado, o por alguna tcnica que destaque esta
regin en el grfico. La frontera de la regin factible est constituida por segmentos
de rectas de borde de la regin factible.
Cuando los puntos factibles son puntos esquina, se denominan puntos esquina
factibles o puntos extremos factibles, que son los verdaderamente interesan para la
resolucin del problema de programacin lineal. Dos puntos esquina factibles se
llaman adyacentes si el segmento que los une es un borde de la regin factible.
Cuando los puntos no satisfacen las restricciones del problema se llaman puntos no
factibles y si son puntos esquina reciben en nombre de puntos esquina no factibles,
los cuales no son de inters para la resolucin del problema.
El problema de programacin lineal consiste en localizar entre los puntos esquina
factibles a aquel o aquellos que producen el ptimo o mejor valor para la funcin
objetivo.
SLO PARA FINES ACADMICOS Y EDUCATIVOS
132
La funcin objetivo Z = c
1
x
1
+ c
2
x
2
representa una familia de rectas, todas ellas
paralelas, que se van obteniendo al darles distintos valores c
0
a Z; entonces al variar el
valor c
0
asignado a Z se van obteniendo rectas que se desplaza en un sentido, en
consecuencia, moviendo la recta en ese sentido se modifica el valor de Z,
y por ende,
la funcin objetivo. Esto se puede continuar hasta aquel valor de Z tal, que la recta
Z = c
0
interseque nicamente la frontera de la regin factible, esta interseccin
ocurrir en un punto de esquina factible o en un borde de la frontera (segmento de
recta), en cuyo caso ocurre en dos puntos esquina factibles.
Por lo expuesto sobre el anlisis grfico, se concluye que resolver un problema de
programacin lineal se reduce a identificar los puntos esquina factibles y localizar en
ellos el que produzca el mejor valor para la funcin objetivo, que para el caso de
maximizacin (minimizacin) sera el mximo (mnimo) valor encontrado. Esto es, en
un grfico de dos dimensiones, localizar primero la regin factible y desplazando la
funcin objetivo en el sentido en que mejora su valor hasta ubicarse en la frontera de
la regin factible. El punto esquina factible donde ocurra esto, ser la solucin
ptima.
A este nivel se est en posicin de solucionar un problema de programacin lineal
por el mtodo grfico. Considere el siguiente problema de programacin lineal
genrico de maximizacin:
maximizar Z = c
1
x
1
+ c
2
x
2
sujeto a
a
11
x
1
+ a
12
x
2
b
1
a
21
x
1
+ a
22
x
2
b
2 max
a
m1
x
1
+ a
m2
x
2
b
m max
x
1
0
x
2
0 ;
SLO PARA FINES ACADMICOS Y EDUCATIVOS
133
Se comienza por dibujar en un grfico las m+2 restricciones, con x
1
y x
2
como
variables independientes. La regin factible (convexa) es la formada por la
interseccin de las regiones a
i1
x
1
+ b
i2
x
2
b
i
, i = 1, 2,...,m y las regiones delimitadas
por las restricciones de no negatividad (x
1
0 y x
2
0). La regin factible debe ser
resaltado en el grfico mediante el sombreado o rayado. La solucin ptima se
obtiene moviendo la lnea c
1
x
1
+ c
2
x
2
= c
0
= constante, paralela a s misma y dentro
de la regin factible, en el sentido que crecera el valor de la c
0
. El punto del conjunto
convexo (punto esquina) que corresponda al mximo valor de Z es, por consiguiente
el punto ptimo, es decir, la solucin ptima.
La mayor parte de los problemas de programacin lineal, bien sea de
maximizacin o minimizacin, tendr nada ms que una solucin ptima. Sin
embargo, tambien es posible tener ms de una. Esto ocurre cuando la funcin objetivo
es paralela a una de las restricciones que se satisface por la solucin ptima en el
sentido de igualdad, y en consecuencia, la funcin objetivo puede tomar el mismo
valor para ms de una solucin ptima, y lo cual implica que el problema tiene
mltiples soluciones ptimas.
Otra posibilidad es que el problema de programacin lineal no tenga soluciones
ptimas. Esto ocurre si no existe soluciones factibles (regin factible inexistente), o
las restricciones no impiden que el valor de la funcin objetivo (Z) aumente (caso
maximizacin) o disminuya (caso minimizacin) indefinidamente. Este ltimo caso
se conoce como un problema que tiene Z no acotado.
Problema Tipo. Presentacin
Para la solucin por el mtodo grfico de un caso de minimizacin, se presenta un
problema de raciones alimenticias para cerdos tomado de Bueno (1987), que fue
denominado para los efecto del presente trabajo como Problema Tipo, que contiene
SLO PARA FINES ACADMICOS Y EDUCATIVOS
134
las restricciones a nivel de energa, nutrientes e ingredientes. El enunciado del mismo
se presenta a continuacin.
Se desea encontrar la proporcin de maz y soya con que se alimenta a cerdos en
desarrollo, buscando satisfacer ciertos requerimientos nutricionales a un mnimo costo.
Los requerimientos que se considerarn son: proteina, energa metabolizante y lisina.
El contenido de ellos en el maz y la soya son los siguientes:
Proteina
kg/kg
Energa
metabolizante
Lisina
kg/kg
Precio/kg
Maz 0.088 3.3 0.0026 2.4
Soya 0.44 3.245 0.0288 1.8
Los requerimientos mnimos y mximos de los anteriores nutrientes, por parte del
animal, son los siguientes:
Proteina
kg/kg
Energa
metabolizante
Lisina
kg/kg
Min/kg 0.140 3.080 0.0065
Max/kg 0.160
Antes de presentar el modelo de programacin lineal del problema, se expone una
serie de consideraciones para unificar criterios entre lo tratado en el presente trabajo y
el enunciado del Problema Tipo, a fin que sean compatible.
a) La frase energa metabolizante fue sustituida por energa metabolizable, que
es la utilizada en la literatura del rea nutricional. Esta energa viene
expresada en Kcal/kg.
b) Los coeficientes de la funcin objetivo se especificaron con dos cifras
decimales, y la unidad de precio de los ingredientes, para mayor generalidad
y como un equivalente del bolvar, se expres en UM (unidades monetarias)
c) Tanto el miembro derecho como los coeficientes del miembro izquierdo del
conjunto de restricciones se especificaron con cuatro cifras decimales.
d) La denominada etapa de desarrollo del cerdo es lo sealado en este trabajo
como etapa de crecimiento del ciclo productivo de ste.
SLO PARA FINES ACADMICOS Y EDUCATIVOS
135
Debido a que la mezcla alimenticia consiste en maz y soya, las variables de
decisin se definen como
x
1
= Kilogramos de maz en la
mezcla diaria
x
2
= Kilogramos de soya en la
mezcla diaria
La funcin objetivo trata de minimizar el costo total (en UM) de la mezcla
alimenticia y se expresa como
minimizar Z = 2.40 x
1
+ 1.80 x
2
Las restricciones del modelo debe reflejar los requerimientos de energa y
nutrientes. La autora estableci el siguiente orden en el conjunto de restricciones
Proteina (min): 0.0880 x
1
+ 0.4400 x
2
0.1400
Proteina (max): 0.0880 x
1
+ 0.4400 x
2
0.1600
Energa metabolizable (min): 3.3000 x
1
+ 3.2450 x
2
3.0800
Lisina (min): 0.0026 x
1
+ 0.0288 x
2
0.0065
El problema se formula como sigue
minimizar Z = 2.40 x
1
+ 1.80 x
2
sujeto a
0.0880 x
1
+ 0.4400 x
2
0.1400
0.0880 x
1
+ 0.4400 x
2
0.1600
3.3000 x
1
+ 3.2450 x
2
3.0800
0.0026 x
1
+ 0.0288 x
2
0.0065
x
1
0
x
2
0
En la grfica 19 , se encuentra la representacin bidimensional de la funcin
objetivo Z y del conjunto de restricciones del problema anterior, y para la resolucin
del mismo fue utilizado el mtodo grfico, considerando todos los puntos esquina
factibles. Seguidamente, en la grfica 20 se presenta el problema anterior con la
restriccin adicional de mezcla base (x
1
+ x
2
= 1.0000) y su solucin empleando
el mtodo anteriormente referido. A continuacin se presenta una notacin
convencional que fue incorporado a las graficas 19 y 20 para una mejor presentacin.
Punto esquina factible Ubicacin de la restriccin i en el conjunto de restricciones
Punto esquina no factible Recta que contiene los puntos que satisface la restriccin
(de igualdad) i de la mezcla base
Puntos esquina factibles adyacentes
(representa un borde de la regin factible)
Proyeccin del semiplano de la recta que contiene los puntos
que satisface la restriccin i
i
i
i
SLO PARA FINES ACADMICOS Y EDUCATIVOS
136
Grfica 19 Representacin grfica del Problema Tipo donde se puede apreciar el conjunto
de restricciones, el rea rayada de la regin factible y la funcin objetivo genrica Z.
Al representar en el eje de coordenadas bidimensional los semiplanos de todas las
restricciones del Problema Tipo se determina la regin factible, el cual est sealado
por el rea rayada que encierran los puntos de esquina factible signados con las letras
I, J, K, L y M. Para hallar la solucin ptima (de minimizacin) del problema, se
desplaza paralelamente la funcin objetivo Z sobre los punto esquina factibles que
mejoran el valor de la funcin objetivo hasta llegar al que tenga menor valor. En este
caso la recta de la funcin objetivo se desplaza en el sentido M-I, mejorndose el
valor de la funcin objetivo Z de 3,1292 a 2,1166, que es el ptimo. A continuacin
se presenta el conjunto de puntos que interceptan las fronteras de las restricciones.
Punto de esquina
(x
1
; x
2
)
Factible?
Z = 2,4x
1
+ 1,8x
2
UM/kg
Punto de esquina
(x
1
; x
2
)
Factible?
Z = 2,4x
1
+ 1,8x
2
UM/kg
A = (1,8180 ; 0) NO H = (0 ; 0,9492) NO
B = (1,5909 ; 0) NO I = (0,7167 ; 0,2203) SI 2,1166
(*)
C = (0,9333 ; 0) NO J = (0,7724 ; 0,1637) SI 2,1484
D = (0 ; 0) NO K = (0,7807 ; 0,1552) NO
E = (0 ; 0,2188) NO L = (0,8429 ; 0,1496) SI 2,2922
F = (0 ; 0,3182) NO M = (1,2572 ; 0,1122) SI 3,2192
G = (0 ; 0,3636) NO
(*): Solucin ptima ; x
1
= 0,7167 kg de maz , x
2
= 0,2203 kg de soya , Z = 2,1166 unidades monetarias
SLO PARA FINES ACADMICOS Y EDUCATIVOS
137
Grfica 20. Representacin grfica del Problema Tipo donde se ha agregado al problema
original una restriccin de mezcla base ( x
1
+ x
2
= 1). La nueva regin factible es el segmento
de recta que une los puntos O y P.
Al agregar la restriccin de mezcla base (x
1
+ x
2
= 1 ) al Problema Tipo, se
incrementa el nmero de puntos de esquina, pero la regin factible se limita al
segmento de recta unidos por los puntos de esquina factible O y P. La solucin
ptima se encuentra al desplazar la recta de la funcin objetivo Z entre estos dos
puntos para encontrar el de menor valor de funcin objetivo, en este caso el ptimo
se encuentra en O viene dado por Z = 2,2775. A continuacin el conjunto de puntos
que interceptan las fronteras de las restricciones del Problema Tipo modificado.
Punto de esquina
(x
1
; x
2
)
Factible?
Z = 2,4x
1
+ 1,8x
2
UM/kg
Punto de esquina
(x
1
; x
2
)
Factible?
Z = 2,4x
1
+ 1,8x
2
UM/kg
A = (1,8180 ; 0) NO J = (0,7724 ; 0,1637) NO
B = (1,5909 ; 0) NO K = (0,7807 ; 0,1552) NO
C = (0,9333 ; 0) NO L = (0,8429 ; 0,1496) NO
D = (0 ; 0) NO M = (1,2572 ; 0,1122) NO
E = (0 ; 0,2188) NO N = (0 ; 1,0000) NO
F = (0 ; 0,3182) NO O = (0,7955 ; 0,2046) SI 2,2775
(*)
G = (0 ; 0,3636) NO P = (0,8523 ; 0,1477) SI 2,3114
H = (0 ; 0,9492) NO Q = (0,8512 ; 0,1489) NO
I = (0,7167 ; 0,2203) NO R = (1,0000 ; 0) NO
(*): Solucin ptima ; x
1
= 0,7955 kg de maz , x
2
= 0,2046 kg de soya , Z = 2,2775 UM
SLO PARA FINES ACADMICOS Y EDUCATIVOS
138
APNDICE B. Un recorrido bsico por el mtodo Simplex
El mtodo Simplex es un procedimiento general para resolver problemas de
programacin lineal, extraordinariamente eficiente y se usa en forma rutinaria para
resolver problemas grandes en las computadoras actuales. Consiste en un mtodo
iterativo, que se basa en el hecho que el ptimo de un problema de programacin
lineal debe ocurrir en un punto extremo, debido a la linealidad y convexidad de las
restricciones; en virtud de lo anterior, basta analizar los puntos extremos para hallar el
punto que produce el ptimo
En esta parte se describe y ejemplifica las caractersticas principales del mtodo
Simplex, en principio, con el desarrollo del procedimiento para resolver cualquier
modelo de programacin lineal que se establezca en la forma tpica de maximizacin:
todas las restricciones funcionales son de la forma , con restricciones de no
negatividad sobre todas las variables y que solo tenga cantidades no negativa en el
lado derecho b
i
, de las restricciones funcionales. El mtodo Simplex comprende tres
pasos que lo caracterizan, y que brevemente se indican a continuacin:
1. Paso de inicializacin. Establece cmo se selecciona la solucin bsica
factible (punto de esquina factible) de partida.
2. Proceso iterativo: Realiza un proceso iterativo donde se analiza una
secuencia no repetida de soluciones factibles, de tal manera que cada
solucin nueva mejora el valor de la funcin objetivo. En este paso se
establece el criterio para seleccionar la variable no bsica que debe entrar
al conjunto de variables bsicas y cmo puede identificarse una nueva
solucin a la variable bsica que es reemplazada se llama variable bsica
saliente y a la variable no bsica que la va a reemplazar, se le llama
variable bsica entrante.
3. Regla de parada. Establece el criterio para conocer si una solucin
presente es o no ptima, o bien si el problema tiene mltiples soluciones o
ninguna solucin.
SLO PARA FINES ACADMICOS Y EDUCATIVOS
139
Las reglas para seleccionar las variables entrantes y saliente se conocen como
condiciones fundamentales del mtodo Simplex y se resumen a continuacin:
1) Condicin de optimizacin. En un problema de PL de maximizacin
(minimizacin) la variable entrante es la variable no bsica que tiene el
coeficiente ms negativo (positivo) en la fila Z. Los empates se rompen
arbitrariamente. Se llega a la ptima en la iteracin donde todos los
coeficientes de la fila Z de las variables bsicas son no negativos (no
positivos). Esta condicin asegura que no encontrar una solucin mejor
que la ptima encontrada.
2) Condicin de factibilidad. En los problemas de PL de
maximizacin/minimizacin, la variable saliente es la variable bsica
asociada con la razn no negativa ms pequea. Los empates se rompen
arbitrariamente. Esta condicin garantiza que al comenzar con una
solucin bsica factible, se encuentran solamente soluciones bsicas
factibles durante el proceso iterativo.
Como ayuda en el proceso iterativo, la forma tpica del modelo de programacin
lineal, se presenta en forma de un arreglo o tabla que se conoce comnmente como la
FORMA TABULAR DEL MTODO SIMPLEX. Al arreglo inicial de la forma tpica
se le llama la TABLA INICIAL del mtodo Simplex.
Para las restricciones del tipo , por lo comn el lado derecho representa el lmite
sobre la disponibilidad de un recurso y el lado izquierdo presenta el empleo que
hacen de ese recurso limitado los diferentes actividades (variables) del modelo. De
manera que una holgura representa la cantidad en la cual la cantidad disponible de un
recurso excede al empleo que se le dan a la actividades, para transformar las
desigualdades en ecuaciones se aade a cada una de stas una variable de holgura.
SLO PARA FINES ACADMICOS Y EDUCATIVOS
140
El problema de PL se puede expresar tal como se presentas a continuacin:
Maximizar Z = c
1
x
1
+ c
2
x
2
+ ... + c
n
x
n
sujeto a
a
11
x
1
+ a
12
x
2
+ ... + a
1n
x
n
+ x
n+1
= b
1
a
21
x
1
+ a
22
x
2
+ ... + a
2n
x
n
+ x
n+2
= b
2
a
m1
x
1
+ a
m2
x
2
+ ... + a
mn
x
n
+ x
n+m
= b
m
x
j
0 ;
j = 1,2,,n+m
El problema escrito de esta forma, permite identificar fcilmente una solucin
bsica factible,. Se puede ver que si las variables de holgura se eligen como variables
bsicas (V.B.), las variables de decisin son entonces las variables no bsicas. En
consecuencia, una solucin bsica factible de partida es:
x
1 = 0 ,
x
2 = 0 , ... ,
x
n = 0 , ... ,
x
n+1 =
b
1 ,
x
n+2 =
b
2 , ,... ,
x
n+m =
b
m
Todas esta informacin se puede presentar en una TABLA INICIAL del mtodo
Simplex de dos manera, tal como se aprecia en la tabla 27
TABLA 27 Tabla Simplex inicial genrica asociado de un problema de
programacin lineal
V.B x
1
x
2
x
n
x
n+1
x
n+2
x
n+m
b
Z -c
1
-c
2
-c
n
0 0 0 0
x
n+1
a
11
a
12
a
1n
1 0
0 b
1
x
n+2
a
21
a
22
a
2n
0 1
0
b
2
x
n+2
a
m1
a
m2
a
mn
0 0 1
b
m
Consideraciones: Solamente se almacena en la tabla la informacin esencial, o sea, los coeficientes de
las variables, las constantes del segundo miembro de las ecuaciones y la variable bsica de cada una de
estas ecuaciones. Queda sobreentendido que las variables que no aparecen en la columna V.B. son las
variables no bsicas y, en consecuencia, sus valores son cero.
SLO PARA FINES ACADMICOS Y EDUCATIVOS
141
El equivalente de la tabla 27 expresada en forma de matriz dividida y luego en
forma matricial se ilustran a continuacin:
1 -c
1
-c
2
-c
n
0 0 0 Z 0
0
a
11
a
12
a
1n
1 0
0 x
n+1
b
1
0 a
21
a
22
a
2n
0 1
0 x
n+2
b
2
0
a
m1
a
m2
a
mn
0 0 1
x
n+2
=
b
m
1 -c -c
s
0 A I
=
0
b
Z
x
x
s
En esta ltima forma matricial, se tienen las siguientes denotaciones:
c , c
s
: Vectores fila de los coeficientes de las variables de decisin y de
holgura respectivamente en la funcin objetivo.
x , x
s
, b : Vectores columna de variables de decisin, variables de holgura y del
2do miembro de las restricciones (lado derecho) respectivamente.
0 : Vector nulo.
A , I : Matriz de restricciones del lado izquierdo y de Identidad mxm
respectivamente.
El vector x
s
corresponde a la base inicial B = I, es decir, es la solucin inicial
bsica factible. En cualquiera iteracin del mtodo Simplex, x
B
es el vector de las
variables bsicas, y ste en la iteracin inicial del mtodo viene dada por:
En virtud que x
B
es el vector de las bsicas, se define c
B
como sus coeficientes
asociados de la funcin objetivo. Estos coeficientes, en cualquiera iteracin del
mtodo Simplex, se disponen en correspondencia con el orden que tienen las
variables bsicas en el vector x
B
,
x
B
=
x
x
s
SLO PARA FINES ACADMICOS Y EDUCATIVOS
142
B.1 Pasos del algoritmo Simplex
Los tres pasos del mtodo Simplex se describen en detalle a continuacin:
1. Paso de inicializacin: Determine una solucin bsica factible inicial.
Cada fila tiene una sola variable. Cada variable bsica tiene un
coeficiente +1 en la tabla y no aparece en ninguna otra fila.
2. Proceso iterativo: Seleccione una variable bsicas entrante. Para
un problema de maximizacin (minimizacin) es la variable no bsica
que tiene el coeficiente ms negativo (positivo) en la fila Z.
a. Seleccione una variable bsica saliente. Tanto en los problemas
de maximizacin como de minimizacin, la variable bsica saliente
es la variable bsica asociada con la razn no negativa ms pequea.
Razn no negativa ms pequea:
Elija los coeficientes de la columna pivote que son estrictamente
mayores que cero (>0).
Divida cada coeficiente entre el elemento del lado derecho en la
misma fila.
Identifique la fila que tiene la menor de estas razones.
La variable bsica en esta fila es la variable bsica saliente, luego,
se sustituye por la variable bsica entrante en la columna de la variable
bsica Los empates se rompen arbitrariamente
b. Determine las nuevas soluciones bsicas empleando los clculos
apropiados, que permita tener en cada fila, una sola variable bsica
con coeficiente +1, y sin aparecer (coeficiente cero) en ninguna otra fila..
3. Regla de parada: En el problema de maximizacin (minimizacin)
se llega a la solucin ptima en la iteracin donde todos los coeficientes
de la fila Z de las variables no bsicas son no negativos (no positivos).
SLO PARA FINES ACADMICOS Y EDUCATIVOS
143
En el mtodo Simplex, se empieza con una base factible B y despus se avanza a
una nueva base factible B
siguiente
que produce una solucin factible mejorada
(o cuando menos no se desmejora) de la funcin objetivo, hasta alcanzar la solucin
ptima. Por consiguiente, la base B es el principal elemento que impulsa los clculos
en el mtodo Simplex.
El problema de PL en su forma tpica se escribe:
Maximizar Z = cx
sujeto a Ax b
x 0
Al aadir las variables de holguras x
s
, se forma una matriz unitaria en la base inicial,
esto es
Maximizar Z = cx
sujeto a (A,I)(x, x
s
) = b
x 0 , x
s
0
De donde se obtiene la forma matricial inicial del mtodo Simplex., que es el punto
de partida para encontrar a travs de un proceso iterativo la solucin ptima, que en el
caso de maximizacin viene dado por:.
1 -c -c
s
0 A I
=
0
b
Z
x
x
s
En cualquiera iteracin del mtodo Simplex, x
B
es el vector de las variables
bsicas que se obtienen al eliminar las variables no bsicas de x y x
s
. Debido a que
SLO PARA FINES ACADMICOS Y EDUCATIVOS
144
todas las variables bsicas son cero, el problema de PL se reduce a
x
B
= B
-1
b y Z = c
B
x
B
y la solucin actual es
Z
x
B
=
1 -c
B
0 B
-1
0
b
=
1 c
B
B
-1
0 B
-1
0
b
=
c
B
B
-1
b
B
-1
b
que representa el conjunto de ecuaciones despus de cualquier iteracin, esto es
1 c
B
B
-1
A
-c c
B
B
-1
-c
s
0 B
-1
A B
-1
Z
x
B
=
c
B
B
-1
b
B
-1
b
Al final la tabla 28 se muestra este mismo conjunto de ecuaciones
TABLA 28 Primera y ltima tabla Simplex genrica en la forma matricial
V.B x
x
s
Lado derecho
Z
-c
-c
s
0
x
B
A
I b
Iteracin
inicial
Z
-c
B
B
-1
A - c
c
B
B
-1
-c
s
c
B
B
-1
b
x
B
B
-1
A
B
-1
B
-1
b
Iteracin
cualquiera
Toda la tabla se calcula fcilmente una vez que se conoce la base actual B ( y por
consiguiente su inversa).
A continuacin se presenta un problema de PL tomado de UNA (1993) para poner
en prctica lo anteriormente referido del mtodo Simplex.
Maximizar Z = 3x
1
+ 2 x
2
sujeto a
2x
1
+ x
2
22
-x
1
+ 4x
2
10
2x
1
- x
2
7
x
1
- 3x
2
1
x
1
0 , x
2
0
SLO PARA FINES ACADMICOS Y EDUCATIVOS
145
El problema de PL se expresa en su forma estndar agregando las
variables de holguras asociadas con el conjunto de restricciones
funcionales ()
Z - 3x
1
+ 2 x
2
= 0
2x
1
+ x
2
+ x
3
= 22
-x
1
+ 4x
2
+ x
4
= 10
2x
1
- x
2
+ x
5
= 7
x
1
- 3x
2
+ x
6
= 1
x
j
0 , j = 1,2,...,6
La forma estndar del problema se resume en forma tabular en la
tabla 29
TABLA 29 Tabla Simplex inicial para la aplicacin del
mtodo Simplex en un problema de maximizacin
VB x
1
x
2
x
3
x
4
x
5
x
6
b Fila
Z -3 -2 0 0 0 0 0 (0)
x
3
2 4 1 0 0 0 22 (1)
x
4
-1 4 0 1 0 0 10 (2)
x
5
2 -1 0 0 0 0 7 (3)
x
6
1 -3 0 0 0 1 1 (4)
Las variables de holguras proporcionan una solucin bsica
factible de partida (x
3
= 22 , x
4
= 10 , x
4
= 7
y x
5
= 1), asimismo
el valor asociado de Z es cero. Estos valores se pueden leer
directamente en la tabla Simplex inicial. Bastar hacer
corresponder a cada variable bsica en la primera columna
(VB) los valores de la ltima columna (b) la primera columna.
Adems, en la tabla se puede observar que la matriz que
corresponde a las variables bsicas, es una matriz identidad
P
A
S
0
D
E
I
N
I
C
I
A
L
I
Z
A
C
I
N
SLO PARA FINES ACADMICOS Y EDUCATIVOS
146
En la primera iteracin de la tabla 30, la variable bsica entrante
es x
1
, puesto que es la tiene el coeficiente ms negativo en la fila
0. La variable bsica saliente se determina por la menor cota
superior:
De manera anloga se procede en el resto de las iteraciones
TABLA 30 Tabla Simplex en un problema de maximizacin
VB x
1
x
2
x
3
x
4
x
5
x
6
b Fila
Z
-3 -2 0 0 0 0 0 (0)
x
3
2 4 1 0 0 0 22 20
x
4
-1 4 0 1 0 0 10 (2)
x
5
2 -1 0 0 0 0 7 (3)
x
6
1 -3 0 0 0 1 1 (4)
Entra x
1
Sale x
6
Z
0 -11 0 0 0 3 3 (0)
x
3
0 10 1 0 0 -2 20 20
x
4
0 1 0 1 0 1 11 (2)
x
5
0 5 0 0 1 -2 5 (3)
X
1
1 -3 0 0 0 1 1 (4)
Entra x
2
Sale x
5
Z
0 0 0 0 11/ 5 -7/ 5 14 (0)
x
3
0 0 1 0 -2 2 10 (1)
x
4
0 0 0 1 -1/ 5 7/ 5 10 (2)
x
2
0 1 0 0 -1/ 5 -2/ 5 1 (3)
x
1
1 0 0 0 3/ 5 -1/ 5 4 (4)
Entra x
6
Sale x
3
Z
0 0 7/ 10 0 4/ 5 0 21 (0)
x
6
0 0 1/ 2 0 -1 1 5 (1)
x
4
0 0 -7/ 10 1 6/ 5 0 3 (2)
x
2
0 1 1/ 5 0 -1/ 5 0 3 (3)
P
R
O
C
E
S
O
I
T
E
R
A
T
I
V
O
REGLA
DE
PARADA
x
1
1 0 1/ 10 0 2/ 5 0 5 (4)
Solucin
ptima
La solucin ptima es (x
6
, x
4
, x
2
, x
1
) = ( 5, 3, 3 , 5 ) ; Z = 21
x
1
2
-1
2
1
b
22
10
7
1
Razn
22/2 = 11
-
7/2 = 7/2
1/1 = 1
La menor cota superior es 1 y
corresponde a la fila 4; por
consiguiente x
6
es la variable
bsica saliente
SLO PARA FINES ACADMICOS Y EDUCATIVOS
147
En cualquier iteracin de la tabla Simplex (donde c
B
y B
-1
se actualizan),
las soluciones factibles y el valor de la funcin objetivo se reducen a
x
B
= B
-1
b y Z = c
B
B
-1
b . Para la solucin ptima encontrada se tiene:
c
B
= ( 0, 0, 2, 3) , b = ( 22, 10, 7, 1) , B
-1
=
B.2 Tcnica de las variables artificiales
Para los problemas de programacin lineal, en las cuales todas las restricciones
son del tipo , con segundos miembros de las restricciones no negativos. En este
caso, al aadir a cada restriccin una variable de holgura, se establece que las
variables de holguras ofrecen una solucin bsica factible de partida. Sin embargo, a
menudo hay problemas donde al menos una de las restricciones es del tipo o del
tipo = . En estos casos, es necesario un procedimiento para obtener una solucin
bsica factible de partida. La tcnica de la variable artificial proporciona de una
manera relativamente fcil, las variables bsicas de partida para tipos restricciones
anteriormente referidos.
a. Restriccin del tipo =.
Considrese la restriccin i de un problema de programacin lineal
a
i1
x
1
+ a
i2
x
2
+ ... + a
in
x
n
=
b
i
Si se aade una variable, llamada variable artificial, al primer miembro de la
ecuacin causa una violacin a la restriccin. No obstante, la dificultad puede
subsanarse si se asegura que esta variable artificial sea cero en la solucin
final. Luego esta restriccin se expresa como:
a
i1
x
1
+ a
i2
x
2
+ ... + a
in
x
2
+ x
n+1
=
b
i
donde x
n+1
es la variable artificial.
0 5 / 2 0 10 / 1
0 5 / 1 0 5 / 1
0 5 / 6 1 10 / 7
1 1 0 2 / 1
SLO PARA FINES ACADMICOS Y EDUCATIVOS
148
b. Restriccin del tipo .
Considrese la restriccin i de un problema de programacin lineal
a
i1
x
1
+ a
i2
x
2
+ ... + a
in
x
n
b
i
Si se sustrae una variable de holgura, entonces se puede expresar la
restriccin como una igualdad. Ahora bien, si a esta igualdad se le aade una
variable artificial, se dispondr de una variable bsica de partida en esa
ecuacin, es decir:
a
i1
x
1
+ a
i2
x
2
+ ... + a
in
x
2
+ x
n+1
+ x
n+2
=
b
i
donde x
n+1
es una variable de holgura y x
n+1
es una variable artificial.
Por supuesto que en este ltimo caso, tambien tiene que asegurarse que la
variable artificial sea cero en la solucin final, en caso que sta exista.
A continuacin se expone uno de los mtodos, denominado de las dos fases, que
permite que las variables artificiales asuman el papel de variables de holguras en la
primera iteracin del problema de programacin lineal y que slo es posible eliminar
en una iteracin posterior
Mtodo de las dos fases.
Este mtodo, como su nombre lo indica, resuelve el problema de programacin
lineal en dos fases. La fase I trata de encontrar una solucin bsica factible de
partida. Si es posible encontrar esa solucin, la fase II se utiliza para resolver el
problema original. Los pasos de cada Fase es el siguiente:
Fase I.
Utilice el algoritmo Simplex para obtener la minimizacin de la suma de
las variables artificiales, sujeta a las mismas restricciones del problema
original, independientemente si ste es de maximizacin o minimizacin.
Si la suma de las variables artificiales, x
0
, es mayor que cero, entonces
no existe una solucin factible y se termina el proceso. Si x
0
= 0 ,
entonces inicie la Fase II del algoritmo.
SLO PARA FINES ACADMICOS Y EDUCATIVOS
149
Fase II.
Utilice la solucin de partida obtenida en la Fase I como solucin de
partida al problema original, reemplazando la funcin objetivo original
(Z) por la de x
0
. La funcin objetivo original debe expresarse en funcin
de las variables no bsicas. Si al final de la Fase I las variables
artificiales son no bsicas, se eliminan de la Fase II. Si alguna variable
artificial es bsica, pero no a nivel cero, esta variable se mantiene en el
conjunto de las variables bsicas, pero debe garantizarse que su valor
nunca es mayor que cero durante la ejecucin de la Fase II.
A continuacin se procede a la aplicacin del algoritmo Simplex del mtodo de
las dos fases al Problema Tipo en dos modalidades, primero en su versin original y
segundo con las restriccin de la mezcla base. Para uniformizar el formato de las
cantidades en la tabla Simplex, los coeficientes de la funcin objetivo se expresaron
en cuatro cifras decimales.
A) Aplicacin del mtodo de las dos fases al Problema Tipo
Minimizar Z = 2,40 x
1
+ 1,80 x
2
Sujeto a
0,0880 x
1
+ 0,4400 x
2
0,1400
0,0880 x
1
+ 0,4400 x
2
0,1600
3,3000 x
1
+ 3,2450 x
2
3,0800
0,0026 x
1
+ 0,0288 x
2
0,0065
x
1
0
x
2
0
El primer paso de la Fase I es introducir las variables de artificiales x
4
, x
7
y x
9
y
las de holguras x
3
, x
5
y x
8
, segn correspondan en el conjunto de las restricciones
funcionales; para la construccin de la tabla Simplex inicial (Tabla 31).
SLO PARA FINES ACADMICOS Y EDUCATIVOS
150
Minimizar x
o
= x
4
+ x
7
+ x
9
sujeto a
0,0880 x
1
+ 0,4400 x
2
- x
3
+ x
4
0,1400
0,0880 x
1
+ 0,4400 x
2
+ x
5
0,1600
3,3000 x
1
+ 3,2450 x
2
- x
6
+ x
7
3,0800
0,0026 x
1
+ 0,0288 x
2
- x
8
+ x
9
0,0065
x
j
0 ; j = (1,2,...,9)
TABLA 31 Tabla Simplex inicial de la Fase I del mtodo de las dos fase del Problema Tipo
VB x
1
x
2
X
3
x
4
x
5
x
6
x
7
x
8
x
9
b
Fila
x
0
0,0000 0,0000 0,0000 -1,0000 0,0000 0,0000 -1,0000 0,0000 -1,0000 0,0000
(0)
x
4
0,0880 0,4400 -1,0000 1,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,1400
(1)
x
5
0,0880 0,4400 0,0000 0,0000 1,0000 0,0000 0,0000 0,0000 0,0000 0,1600
(2)
x
7
3,3000 3,2450 0,0000 0,0000 0,0000 -1,0000 1,0000 0,0000 0,0000 3,0800
(3)
x
9
0,0026 0,0288 0,0000 0,0000 0,0000 0,0000 0,0000 -1,0000 1,0000 0,0065
(4)
Dado que x
4
, x
7
y x
9
son variables bsicas, sus coeficientes en la fila 0 deben ser
cero. Para ello se suman las filas 1, 3 y 4 a la fila 0, tal como se presenta en la
tabla 32.
TABLA 32 Preparacin de la tabla Simplex para la Fase I del mtodo de las dos fase del
Problema Tipo
VB x
1
x
2
X
3
x
4
x
5
x
6
x
7
x
8
x
9
b
Fila
x
0
3,3906 3,7138 -1,0000 0,0000 0,0000 -1,0000 0,0000 -1,0000 0,0000 3,2265
(0)
x
4
0,0880 0,4400 -1,0000 1,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,1400
(1)
x
5
0,0880 0,4400 0,0000 0,0000 1,0000 0,0000 0,0000 0,0000 0,0000 0,1600
(2)
x
7
3,3000 3,2450 0,0000 0,0000 0,0000 -1,0000 1,0000 0,0000 0,0000 3,0800
(3)
x
9
0,0026 0,0288 0,0000 0,0000 0,0000 0,0000 0,0000 -1,0000 1,0000 0,0065
(4)
A continuacin se procede a la aplicacin de la Fase I del algoritmo Simplex
(Tabla 33) para verificar si x
0
= 0. Si ste es el caso, entonces la suma obtenida de las
variables artificiales, x
0
, fue cero, y cuyo resultado permite proporcionar una solucin
bsica factible inicial para el Problema Tipo.
SLO PARA FINES ACADMICOS Y EDUCATIVOS
151
TABLA 33 Tabla Simplex de la fase I del mtodo de las dos fase del Problema Tipo
VB x
1
x
2
X
3
x
4
x
5
x
6
x
7
x
8
x
9
b
Fila
x
0
3,3906 3,7138 -1,0000 0,0000 0,0000 -1,0000 0,0000 -1,0000 0,0000 3,2265
(0)
x
4
0,0880 0,4400 -1,0000 1,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,1400
(1)
x
5
0,0880 0,4400 0,0000 0,0000 1,0000 0,0000 0,0000 0,0000 0,0000 0,1600
(2)
x
7
3,3000 3,2450 0,0000 0,0000 0,0000 -1,0000 1,0000 0,0000 0,0000 3,0800
(3)
x
9
0,0026 0,0288 0,0000 0,0000 0,0000 0,0000 0,0000 -1,0000 1,0000 0,0065
(4)
Entra x
2
Sale x
9
x
0
3,0553 0,0000 -1,0000 0,0000 0,0000 -1,0000 0,0000 127,9514 -128,9514 2,3883
(0)
x
4
0,0483 0,0000 -1,0000 1,0000 0,0000 0,0000 0,0000 15,2778 -15,2778 0,0407
(1)
x
5
0,0483 0,0000 0,0000 0,0000 1,0000 0,0000 0,0000 15,2778 -15,2778 0,0607
(2)
x
7
3,0070 0,0000 0,0000 0,0000 0,0000 -1,0000 1,0000 112,6736 -112,6736 2,3476
(3)
x
2
0,0903 1,0000 0,0000 0,0000 0,0000 0,0000 0,0000 -34,7222 34,7222 0,2257
(4)
Entra x
8
Sale x
4
x
0
2,6510 0,0000 7,3750 -8,3750 0,0000 -1,0000 0,0000 0,0000 -1,0000 2,0475
(0)
x
8
0,0032 0,0000 -0,0655 0,0655 0,0000 0,0000 0,0000 1,0000 -1,0000 0,0027
(1)
x
5
0,0000 0,0000 1,0000 -1,0000 1,0000 0,0000 0,0000 0,0000 0,0000 0,0200
(2)
x
7
2,6510 0,0000 7,3750 -7,3750 0,0000 -1,0000 1,0000 0,0000 0,0000 2,0475
(3)
x
2
0,2000 1,0000 -2,2727 2,2727 0,0000 0,0000 0,0000 0,0000 0,0000 0,3182
(4)
Entra x
3
Sale x
5
x
0
2,6510 0,0000 0,0000 -1,0000 -7,3750 -1,0000 0,0000 0,0000 -1,0000 1,9000
(0)
x
8
0,0032 0,0000 0,0000 0,0000 00655 0,0000 0,0000 0,0000 -1,0000 0,0040
(1)
x
3
0,0000 0,0000 1,0000 -1,0000 1,0000 0,0000 0,0000 0,0000 0,0000 0,0200
(2)
x
7
2,6510 0,0000 0,0000 0,0000 -7,3750 -1,0000 1,0000 0,0000 0,0000 1,9000
(3)
x
2
0,2000 1,0000 0,0000 0,0000 2,2727 0,0000 0,0000 0,0000 0,0000 0,3636
(4)
Entra x
1
Sale x
7
x
0
0,0000 0,0000 0,0000 -1,0000 0,0000 0,0000 -1,0000 0,0000 -1,0000 0,0000
(0)
x
8
0,0000 0,0000 0,0000 0,0000 0,0742 0,0012 0,0000 1,0000 -1,0000 0,0017
(1)
x
3
0,0000 0,0000 1,0000 -1,0000 1,0000 0,0000 0,0000 0,0000 0,0000 0,0200
(2)
x
1
1,0000 0,0000 0,0000 0,0000 -2,7820 -0,3772 0,3772 0,0000 0,0000 0,7167
(3)
x
2
0,0000 1,0000 0,0000 0,0000 2,8291 0,0754 -0,0754 0,0000 0,0000 0,2203 (4)
La suma de las variables
artificiales es cero (x
0
= 0 ),
entonces existe una solucin
bsica factible para iniciar la
fase II del mtodo
1
5
1
SLO PARA FINES ACADMICOS Y EDUCATIVOS
152
TABLA 34 Preparacin de la tabla Simplex para la fase II del mtodo de las dos fase del Problema Tipo
VB x
1
x
2
X
3
x
4
x
5
x
6
x
7
x
8
x
9
b
Fila
x
0
0,0000 0,0000 0,0000 -1,0000 0,0000 0,0000 -1,0000 0,0000 -1,0000 0,0000
(0)
x
8
0,0000 0,0000 0,0000 0,0000 0,0742 0,0012 0,0000 1,0000 -1,0000 0,0017
(1)
x
3
0,0000 0,0000 1,0000 -1,0000 1,0000 0,0000 0,0000 0,0000 0,0000 0,0200
(2)
x
1
1,0000 0,0000 0,0000 0,0000 -2,7820 -0,3772 0,3772 0,0000 0,0000 0,7167
(3)
x
2
0,0000 1,0000 0,0000 0,0000 2,8291 0,0754 -0,0754 0,0000 0,0000 0,2203 (4)
Tabla Simplex final
para la Fase I
x
0
0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
(0)
x
8
0,0000 0,0000 0,0000 0,0742 0,0012 1,0000 0,0017
(1)
x
3
0,0000 0,0000 1,0000 1,0000 0,0000 0,0000 0,0200
(2)
x
1
1,0000 0,0000 0,0000 -2,7820 -0,3772 0,0000 0,7167
(3)
x
2
0,0000 1,0000 0,0000
2,8291 0,0754
0,0000
0,2203 (4)
Eliminacin de las
variables artificiales
x
4
, x
7
,
y x
9
.
Z -2,4000 -1,8000 0,0000 0,0000 0,0000 0,0000 0,0000
(0)
x
8
0,0000 0,0000 0,0000 0,0742 0,0012 1,0000 0,0017
(1)
x
3
0,0000 0,0000 1,0000 1,0000 0,0000 0,0000 0,0200
(2)
x
1
1,0000 0,0000 0,0000 -2,7820 -0,3772 0,0000 0,7167
(3)
x
2
0,0000 1,0000 0,0000
2,8291 0,0754
0,0000
0,2203 (4)
Funcin objetivo
original (Z) sustituye
a x
0
en la fila 0
1
5
2
SLO PARA FINES ACADMICOS Y EDUCATIVOS
153
Con el resultado obtenido en la Fase I de x
0
= 0., se inici la Fase II, que implic
sustituir x
0
por Z y eliminacin de las variables artificiales que no son bsicos
(x
4
, x
7
, y x
9
). La tabla Simplex de partida de la Fase II se presenta en la tabla 35.
TABLA 35 Tabla Simplex inicial para la Fase II del mtodo de las dos fase del
Problema Tipo
VB x
1
X
2
x
3
x
5
x
6
x
8
b
Fila
Z -2,4000 -1,8000 0,0000 0,0000 0,0000 0,0000 0,0000
(0)
x
8
0,0000 0,0000 0,0000 0,0000 0,0000 1,0000 0,0017
(1)
x
3
0,0000 0,0000 1,0000 0,0742 0,0012 0,0000 0,0200
(2)
x
1
1,0000 0,0000 0,0000 1,0000 0,0000 0,0000 0,7167
(3)
x
2
0,0000 1,0000 0,0000 -2,7820 -0,3772 0,0000 0,2203 (4)
x
6
0,0000 0,0000 0,0000 2,8291 0,0754 0,0000 0,0017 (5)
En la tabla 35, las variables x
1
y x
2
tienen coeficiente no cero en la fila 0, y como
la funcin objetivo debe estar expresada en funcin de las variables bsicas, se hacen
las transformaciones adecuadas en la fila 0, para obtener el resultado; tal como se
aprecia en la tabla 36
(FILA 0) : -2,4000 -1,8000 0,0000 0,0000 0,0000 0,0000 0,0000
2,4000x(FILA 3) : 2,4000 0,0000 0,0000 -6,6767 -0,9053 0,0000 1,7201
1,8000x(FILA 4) : 0,0000 1,8000 0,0000 5,0924 0,1357 0,0000 0,3965
NUEVA (FILA 0) : 0,0000 0,0000 0,0000 -1,5843 -0,7695 0,0000 2,1166
TABLA 36 Tabla Simplex final para la Fase II del mtodo de las dos fase del
Problema Tipo
VB x
1
X
2
x
3
x
5
x
6
x
8
b
Fila
Z 0,0000 0,0000 0,0000 -1,5843 -0,7695 0,0000 2,1166
(0)
x
8
0,0000 0,0000 0,0000 0,0744 0,0012 1,0000 0,0017
(1)
x
3
0,0000 0,0000 1,0000 1,0000 0,0000 0,0000 0,0200
(2)
x
1
1,0000 0,0000 0,0000 -2,7820 -0,3772 0,0000 0,7167
(3)
x
2
0,0000 1,0000 0,0000 2,8291 0,0754 0,0000 0,2203
(4)
La solucin ptima: x
1
= 0,7167 ; x
2
= 0,2203 ; x
3
= 0,0200 ; x
8
= 0,0017 ; Z = 2,1166
La proporcin de la mezcla alimenticia (Problema Tipo) que satisface los
requerimientos nutricionales del cerdos en desarrollo es de 0,7167 kg de maz y
0,2203 kg de soya, a un mnimo costo de Z = 2,1166 UM
SLO PARA FINES ACADMICOS Y EDUCATIVOS
154
B) Aplicacin del mtodo de las dos fases al Problema Tipo con restriccin de
mezcla base
Minimizar Z = 2,4000 x
1
+ 1,8000 x
2
sujeto a
0,0880 x
1
+ 0,4400 x
2
0,1400
0,0880 x
1
+ 0,4400 x
2
0,1600
3,3000 x
1
+ 3,2450 x
2
3,0800
0,0026 x
1
+ 0,0288 x
2
0,0065
x
1
+ x
2
= 1.0000
x
1
0 , x
2
0
Al inicio de la Fase I, se introducen las variables artificiales (x
4
,x
7
,
x
9
y x
10
) y las
de holguras (x
3
,x
5
,x
6
y x
8
), para la construccin de la tabla Simplex inicial (Tabla 37).
Minimizar x
o
= x
4
+ x
7
+ x
9
+ x
10
sujeto a
0,0880 x
1
+ 0,4400 x
2
- x
3
+ x
4
0,1400
0,0880 x
1
+ 0,4400 x
2
+ x
5
0,1600
3,3000 x
1
+ 3,2450 x
2
- x
6
+ x
7
3,0800
0,0026 x
1
+ 0,0288 x
2
- x
8
+ x
9
0,0065
x
1
+ x
2
+ x
10
0,0065
x
j
0 ; j = (1,2,...,10)
TABLA 37 Tabla Simplex inicial de la Fase I del mtodo de las dos fase del Problema Tipo
con restriccin de mezcla base
VB x
1
x
2
x
3
x
4
x
5
x
6
x
7
x
8
x
9
x
10
b
Fila
x
0
0,0000 0,0000 0,0000 -1,0000 0,0000 0,0000 -1,0000 0,0000 -1,0000 -1,0000 0,0000
(0)
x
4
0,0880 0,4400 -1,0000 1,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,1400
(1)
x
5
0,0880 0,4400 0,0000 0,0000 1,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,1600
(2)
x
7
3,3000 3,2450 0,0000 0,0000 0,0000 -1,0000 1,0000 0,0000 0,0000 0,0000 3,0800
(3)
x
9
0,0026 0,0288 0,0000 0,0000 0,0000 0,0000 0,0000 -1,0000 1,0000 0,0000 0,0065
(4)
x
10
1,0000 1,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 1,0000 1,0000
(5)
Dado que x
4
, x
7
, x
9
y x
10
son variables bsicas, sus coeficientes en la fila 0 deben ser
cero. Para ello se suman las filas 1, 3, 4 y 5 a la fila 0. El resultado de esta operacin
se presenta en la tabla 38. A continuacin se procede a la aplicacin de la Fase I del
algoritmo Simplex (Tabla 39) para verificar si x
0
= 0; con el fin de pasar a la Fase II.
SLO PARA FINES ACADMICOS Y EDUCATIVOS
155
TABLA 38 Preparacin de la tabla Simplex para la fase I del mtodo de las dos fase del Problema Tipo con restriccin de mezcla base
VB X
1
x
2
x
3
x
4
x
5
x
6
x
7
x
8
x
9
x
10
b
Fila
x
0
0,0000 0,0000 0,0000 -1,0000 0,0000 0,0000 -1,0000 0,0000 -1,0000 -1,0000 0,0000
(0)
x
4
0,0880 0,4400 -1,0000 1,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,1400
(1)
x
5
0,0880 0,4400 0,0000 0,0000 1,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,1600
(2)
x
7
3,3000 3,2450 0,0000 0,0000 0,0000 -1,0000 1,0000 0,0000 0,0000 0,0000 3,0800
(3)
x
9
0,0026 0,0288 0,0000 0,0000 0,0000 0,0000 0,0000 -1,0000 1,0000 0,0000 0,0065
(4)
x
10
1,0000 1,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 1,0000 1,0000
(5)
La fila 0 debe
expresarse funcin de
las variables no
bsicas, sumando las
filas 1, 3, 4 y 5 a la
fila 0, para aplicar la
fase I del algoritmo
TABLA 39 Tabla Simplex inicial y final de la fase I del mtodo de las dos fase del Problema Tipo con restriccin de mezcla base
VB x
1
x
2
x
3
x
4
x
5
x
6
x
7
x
8
x
9
x
10
b
Fila
x
0
4,3906 4,7138 -1,0000 0,0000 0,0000 -1,0000 0,0000 -1,0000 0,0000 0,0000 4,2265
(0)
x
4
0,0880 0,4400 -1,0000 1,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,1400
(1)
x
5
0,0880 0,4400 0,0000 0,0000 1,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,1600
(2)
x
7
3,3000 3,2450 0,0000 0,0000 0,0000 -1,0000 1,0000 0,0000 0,0000 0,0000 3,0800
(3)
x
9
0,0026 0,0288 0,0000 0,0000 0,0000 0,0000 0,0000 -1,0000 1,0000 0,0000 0,0065
(4)
x
10
1,0000 1,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 1,0000 1,0000
(5)
Entra x
2
Sale x
9
VB x
1
x
2
x
3
x
4
x
5
x
6
x
7
x
8
x
9
x
10
b
Fila
x
0
0,0000 0,0000 0,0000 -1,0000 0,0000 0,0000 -1,0000 0,0000 -1,0000 -1,0000 0,0000
(0)
x
8
0,0000 0,0000 0,0000 0,0000 0,0744 0,0000 0,0012 1,0000 -1,0000 -0,0040 0,0015
(1)
x
3
0,0000 0,0000 1,0000 -1,0000 1,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0200
(2)
x
1
1,0000 0,0000 0,0000 0,0000 -2,8409 0,0000 0,0000 0,0000 0,0000 1,2500 0,7955
(3)
x
2
0,0000 1,0000 0,0000 0,0000 2,8409 0,0000 0,0000 0,0000 0,0000 -0,2500 0,2045
(4)
x
6
0,0000 0,0000 0,0000 0,0000 -0,1562 1,0000 -1,0000 0,0000 0,0000 3,3138 0,2088
(5)
La suma de las
variables artificiales
es cero (x
0
= 0 ),
entonces existe una
solucin bsica
factible para iniciar
la fase II del mtodo
1
5
5
SLO PARA FINES ACADMICOS Y EDUCATIVOS
156
Dado que en la Fase I x
0
= 0; a partir de este resultado se inici la Fase II, que
implic sustituir x
0
por Z y eliminacin de las variables artificiales que no son bsicos
( x
4
, x
7
, x
9
y x
10
). La tabla Simplex de partida de la Fase II se presenta en la tabla 40
TABLA 40 Tabla Simplex inicial para la Fase II del mtodo de las dos fase
del Problema Tipo con restriccin de mezcla base
VB x
1
x
2
x
3
x
5
x
6
x
8
b
Fila
Z -2,4000 -1,8000 0,0000 0,0000 0,0000 0,0000 0,0000
(0)
x
8
0,0000 0,0000 0,0000 0,0744 0,0000 1,0000 0,0015
(1)
x
3
0,0000 0,0000 1,0000 1,0000 0,0000 0,0000 0,0200
(2)
x
1
1,0000 0,0000 0,0000 -2,8409 0,0000 0,0000 0,7955
(3)
x
2
0,0000 1,0000 0,0000 2,8409 0,0000 0,0000 0,2045
(4)
x
6
0,0000 0,0000 0,0000 -0,1562 1,0000 0,0000 0,2088
(5)
En la tabla 40, las variables x
1
y x
2
tienen coeficiente no cero en la fila 0, y como
la funcin objetivo debe estar expresada en funcin de las variables bsicas, se hacen
las transformaciones pertinentes para reducir a cero los coeficientes de x
1
y x
2
en la
fila anteriormente referida, tal como se aprecia en la tabla 41
TABLA 41 Tabla Simplex final para la Fase II del mtodo de las dos fase del
Problema Tipo con restriccin de mezcla base
VB x
1
x
2
x
3
x
5
x
6
x
8
b
Fila
Z 0,0000 0,0000 0,0000 -1,7045 0,0000 0,0000 2,2773
(0)
x
8
0,0000 0,0000 0,0000 0,0744 0,0000 1,0000 0,0015
(1)
x
3
0,0000 0,0000 1,0000 1,0000 0,0000 0,0000 0,0200
(2)
x
1
1,0000 0,0000 0,0000 -2,8409 0,0000 0,0000 0,7955
(3)
x
2
0,0000 1,0000 0,0000 2,8409 0,0000 0,0000 0,2045
(4)
x
6
0,0000 0,0000 0,0000 -0,1562 1,0000 0,0000 0,2088
(5)
La solucin ptima : x
1
= 0,7955 ; x
2
= 0,2045 ; x
3
= 0,0200 ; x
6
= 0,2088 ; x
8
= 0,0015 ; Z = 2,2773
La proporcin de la mezcla alimenticia (Problema Tipo con restriccin de mezcla
base) que satisface los requerimientos nutricionales del cerdos en desarrollo es de
0,7955 kg de maz y 0,2045 kg de soya, a un mnimo costo de Z = 2,2773 UM
SLO PARA FINES ACADMICOS Y EDUCATIVOS
157
Los problemas de programacin lineal, las tablas Simplex y la mayor parte de la
exposicin terica presentados en este apartado y en el siguiente fueron tomados de
UNA (1993) como herramienta de apoyo a las explicaciones pertinentes.
B.3 Ecuaciones redundantes
Las ecuaciones redundantes se caracterizan por lo siguiente: si una de las
ecuaciones que integran el conjunto de las restricciones de un problema de
programacin lineal, puede ser obtenida de una combinacin lineal de otras
ecuaciones de las que forman el sistema, luego sta puede ser eliminada del sistema.
Por ejemplo, en el sistema (sealado entre llave), la ecuacin (3) es redundante,
puesto que es la suma del doble de la primera ecuacin ms la segunda ecuacin.
2x
1
+ x
2
+ x
3
= 8 (1)
3x
1
+ 5x
2
+ 6x
3
= 18 (2)
7x
1
+ 7x
2
+ 8x
3
= 34 (3)
La existencia de ecuaciones redundantes puede detectarse durante la Fase I del
mtodo Simplex:
Si en la tabla final de la Fase I, una vez que se ha eliminado las variables
artificiales no bsicas, existe una fila en la cual todos los coeficientes de
las variables son cero, a excepcin de un nico 1 en un vector columna
correspondiente a una variable artificial, entonces esa fila corresponde a
una ecuacin que es redundante en el sistema original y puede ser
eliminado al entrar en la Fase II. Por ejemplo, la tabla 42 es la final de la
Fase I de un problema de PL, donde x
5
es una variable artificial.
TABLA 42 Tabla Simplex final de la Fase I de un caso de ecuaciones
redundantes
V.B. x
1
x
2
x
3
x
4
x
5
b
Fila
x
0
0 0 -1 -2 0 0 (O)
x
2
2 1 3 1 0 2 (1)
x
5
0 0 0 0 1 0 (2)
La fila 2
representa
una ecuacin
redundante
La fila 2 (ecuacin redundante) puede eliminarse de la tabla para iniciar la Fase II.
SLO PARA FINES ACADMICOS Y EDUCATIVOS
158
B.4 Variantes en la solucin de un problema de programacin lineal
El mtodo Simplex permite detectar distintos tipos de soluciones que se
encuentran frecuentemente en los problemas de programacin lineal, como son los
casos de soluciones no acotadas (superiormente o inferiormente), mltiples
soluciones ptimas, soluciones degeneradas y la no existencia de soluciones. A
continuacin se presenta estos tipos de soluciones:
1. Soluciones no acotadas: Durante el proceso iterativo en un problema de PL de
maximizacin (minimizacin), es posible que todos los elementos de la columna
bajo una variable, candidata a ser variable que entra, sean menores o iguales que
cero. En este caso la cota superior sera + (-), para cada variable candidata a
ser variable bsica saliente. Esto indicara que la variable bsica entrante podra
aumentarse (disminuirse) indefinidamente incrementando (disminuyendo) de esa
misma forma la funcin objetivo. Para un caso de maximizacin (minimizacin)
se dice que la funcin objetivo no est acotada superiormente (inferiormente).
Considere el siguiente ejemplo y la tabla Simplex inicial asociada (Tabla 43)
Maximizar Z = 4x
1
+ 5x
2
sujeto a
-2x
1
+ x
2
8
-3x
1
+ 6x
2
12
x
1
0 , x
2
0
TABLA 43 Tabla Simplex inicial de un caso de
soluciones no acotadas
V.B. x
1
x
2
x
3
x
4
b
(Fila)
Z -4 -5 0 0 0 (0)
x
3
-2 1 1 0 8 (1)
x
4
-3 6 0 1 12 (2)
Tanto x
1
como x
2
son candidatas a ser variable que entra, pero como x
2
tiene el
coeficiente ms negativo, debera ser seleccionada como la variable bsica
entrante. No obstante, x
1
puede incrementarse indefinidamente sin afectar la
SLO PARA FINES ACADMICOS Y EDUCATIVOS
159
factibilidad del problema. Con este se quiere resaltar que si en cualquier
iteracin, cualquiera de las variables entrante tiene coeficientes menores o
iguales a cero ( 0) en las restricciones, entonces se puede afirmar que se est en
presencia de una solucin no acotada.
2. Mltiples soluciones ptimas: Si en un problema de programacin lineal,
la funcin objetivo es paralela a una de las restricciones que se satisface por la
solucin ptima en el sentido de igualdad, entonces la funcin objetivo puede
tomar el mismo valor para ms de una solucin ptima. Por esta razn se
conoce como mltiples soluciones ptimas. Considere el siguiente ejemplo y la
tabla Simplex asociada (Tabla 44):
Maximizar Z = 3x
1
+ 2x
2
+ 5x
3
sujeto a
6x
1
+ 4x
2
+ 10x
3
20
x
1
+ x
2
+ x
3
3
x
1
0 , x
2
0 , x
3
0
TABLA 44 Tabla Simplex de un caso de soluciones no acotadas
V.B. x
1
x
2
x
3
x
4
x
5
b
(Fila)
Z -3 -2 5 0 0 0 (0)
x
4
6 4 10 1 0 20 (1)
x
5
1 1 1 0 1 3 (2)
Entra x
3
Sale x
4
Z 0 0 0 1/2 0 10 (0)
x
3
3/5 2/5 1 1/10 0 2 (1)
x
5
2/5 3/5 0 -1/10 1 1 (2)
Entra x
2
Sale x
5
Z 0 0 0 1/2 0 10 (0)
x
3
1/3 0 1 1/6 -2/3 4/3 (1)
x
2
2/3 1 0 -1/6 5/3 5/3 (2)
Entra x
1
Sale x
2
Z 0 0 0 1/2 0 10 (0)
x
3
0 -1/2 1 1/4 -1/5 1/2 (1)
x
1
1 3/2 0 -1/4 2/5 5/2 (2)
Soluc. mltiples
(Z = 10 )
Nota : Los coeficientes de la fila 0 son mayores o iguales a cero, pero an
as se continua con las iteraciones, obtenindose soluciones mltiples
La funcin objetivo est expresada como funcin de las variables no bsicas x
1
, x
2
y x
4
, slo que los coeficientes de x
1
y x
2
son ceros. Como cada cociente de una
variable no bsica indica la tasa a la cual se incrementara Z al incrementarse esa
SLO PARA FINES ACADMICOS Y EDUCATIVOS
160
variable, entonces si se introduce x
1
o x
2
en el conjunto de las variables bsicas
no se incrementara (ni disminuira) Z. Esto indica que si al menos uno de los
coeficientes de las variables no bsicas en la funcin objetivo de la tabla final es
cero, entonces el problema tiene mltiples soluciones ptimas. Para generar una
nueva solucin, bastara que la variable (o variables) con coeficientes cero entrase
en el conjunto de variables bsicas. Por ejemplo, si se hace que entre x
2
al
conjunto, la variable saliente es x
5
, y obtienen las soluciones Z* = 10 , x
3
= 4/3 ,
x
5
= 5/3. En una nueva iteracin, se hace entrar a x
1
al conjunto de variables
bsicas, la solucin es Z* = 10 , x
3
= 1/2 , x
1
= 5/2.
3. Soluciones degeneradas: Durante la aplicacin del algoritmo Simplex, es posible
que ocurra el caso donde dos o ms variables lleguen a cero al mismo tiempo.
Esto sucede cuando hay un empate entre dos o ms variables candidatas a ser
variables bsicas salientes. En otras palabras, la cota superior mnima es la misma
para al menos dos variables. Ahora bien, cuando se realizan las transformaciones
tpicas para mejorar la funcin objetivo, el cociente mnimo es cero, el valor de la
funcin objetivo permanece inalterable y slo cambia el conjunto de las variables
bsicas. Luego es posible que las iteraciones del Simplex entren en un ciclo que
repetira la misma secuencia de variables bsicas que iniciaron el proceso. Este
problema, llamado ciclaje en el algoritmo Simplex no se encuentra a menudo en la
prctica, aunque existan procedimientos para evitar que ocurra ese fenmeno. Es
de destacar que en la mayor parte de los paquetes computaciones de PL, no
incluyen disposiciones para el ciclaje, debido a que el porcentaje de stos
problemas es demasiado pequeo, como para desarrollar una rutina para tal fin.
Es de destacar que una solucin puede ser temporalmente degenerada y la
solucin ptima no serlo. Tambin, una solucin ptima puede ser degenerada.
Ambos casos se ilustran mediante los ejemplos 1 y 2, en donde puede observarse
como es el comportamiento de stos en una tabla Simplex.
SLO PARA FINES ACADMICOS Y EDUCATIVOS
161
Ejemplo 1
Considere el siguiente problema de PL y la tabla Simplex asociada (Tabla 45)
Maximizar Z = 5x
1
+ 6x
2
sujeto a
x
1
+ x
2
8
x
1
+ 4x
2
32
x
1
0 , x
2
0
TABLA 45 Tabla Simplex de un caso de soluciones degeneradas
V.B. x
1
x
2
x
3
x
4
b
(Fila)
Z -5 -6 0 0 10 (0)
x
3
1 1 1 0 8 (1)
x
4
1 4 0 1 32 (2)
Entra x
2
Sale x
4
Z -7/2 0 0 3/2 48 (0)
x
3
3/4 0 1 -1/4 0 (1)
x
2
1/4 1 0 1/4 8 (2)
Entra x
1
Sale x
3
Z 0 0 4/3 1/3 48 (0)
x
1
1 0 4/3 -1/3 0 (1)
x
2
0 1 -1/3 1/3 8 (2)
Solucin ptima
(degenerada)
En la iteracin inicial de la tabla 45, la variable entrante es x
2
, pero hay un
empate en la cota superior de las variables x
3
y x
4
candidatas a variables saliente.
Si se selecciona a x
4
como variable bsica saliente, se obtendra en la primera
iteracin una solucin degenerada puesto que x
3
= 0 ; sin embargo la solucin no
es ptima. En la siguiente iteracin donde entra x
1
y sale x
3
, la solucin obtenida
tambin es degenerada, pero en este caso es ptima. Se observa que los valores de
las variables en la primera y segunda iteracin son los mismos, slo que una de
las variables bsicas ha cambiado.
Ejemplo 2
Considere el siguiente problema de PL y la tabla Simplex asociada (Tabla 46)
Maximizar Z = 4x
1
+ 3x
2
sujeto a
2x
1
+ 5x
2
20
3x
1
+ 2x
2
24
x
1
- 3x
2
8
x
1
0 , x
2
0
SLO PARA FINES ACADMICOS Y EDUCATIVOS
162
TABLA 46 Tabla Simplex de un caso de soluciones
degeneradas, con solucin ptima no degenerada
V.B. x
1
x
2
x
3
x
4
x
5
b
(Fila)
Z -4 -3 0 0 0 0 (0)
x
3
2 5 1 0 0 20 (1)
x
4
3 2 0 1 0 24 (2)
x
5
1 -3 0 0 1 8 (3)
Entra x
1
Sale x
5
Z 0 -15 0 0 4 32 (0)
x
3
0 11 1 0 -2 4 (1)
x
4
0 11 0 1 -3 0 (2)
x
1
1 -3 0 0 1 8 (3)
Entra x
2
Sale x
4
Z 0 0 0 15/11 -1/11 32 (0)
x
3
0 0 1 -1 1 4 (1)
x
2
0 1 0 1/11 -3/11 0 (2)
x
1
1 0 0 3/11 2/11 8 (3)
Entra x
5
Sale x
3
Z 0 0 1/11 14/11 0 356/11 (0)
x
5
0 0 1 -1 1 4 (1)
x
2
0 1 3/11 2/11 0 12/11 (2)
x
1
1 0 -2/11 5/11 00 80/11 (3)
Solucin
ptima
En la tabla 46, se puede observar que en las iteraciones 1 y 2 la solucin es
degenerada, pero la solucin ptima no lo es.
4. Soluciones inexistentes: Si en un modelo de programacin lineal, las restricciones
no se satisfacen simultneamente, entonces la solucin es inexistente en el modelo.
Este caso tambien se le conoce como solucin no factible o infactible. Esta
situacin no puede ocurrir si el conjunto de las restricciones funcionales son del
tipo (suponiendo valores no negativos en el lado derecho). Pero si en un conjunto
de restricciones funcionales, estn presentes restricciones del tipo y y/o =, es
posible que el modelo no tenga una solucin factible.
La inexistencia de soluciones puede detectarse en la tabla Simplex cuando al final
de la Fase I (mtodo Simplex de las dos fases), se obtiene que la suma de las
variables artificiales, x
0
, es mayor que cero y con lo cual termina el proceso, y por
ende, la inexistencia de una solucin factible en el modelo.
SLO PARA FINES ACADMICOS Y EDUCATIVOS
163
Considere el siguiente ejemplo y la tabla Simplex de la Fase I asociada (Tabla 47)
Maximizar Z = 2x
1
+ x
2
sujeto a
x
1
+ x
2
2
x
1
- 3x
2
3
x
1
0 , x
2
0
TABLA 47 Tabla Simplex de la Fase I de un caso de soluciones
inexistentes
V.B. X
1
x
2
x
3
x
4
x
5
b
(Fila)
x
0
1 -3 0 -1 0 3 (0)
x
3
1 1 1 0 0 2 (1)
x
5
1 -3 0 -1 1 3 (2)
Entra x
1
Sale x
3
x
0
0 -4 -1 -1 0 1 (0)
x
1
1 1 1 0 0 2 (1)
x
5
0 -4 -1 -1 1 1 (2)
Solucin
inexistente
En la tabla 47, al final de la Fase I se puede observar que x
0
= 1; y por tanto no
existe una solucin bsica factible. Esta situacin, en la prctica, indica la
posibilidad que el modelo de PL utilizado no fue formulado correctamente, al
menos en alguna de las restricciones.
B.5 Anlisis de sensibilidad
Una vez que se ha obtenido la solucin ptima de un problema de programacin
lineal, es mucha veces necesario hacer un anlisis de sensibilidad, para determinar si
los cambios en los coeficientes (a
ij
, b
i
y c
j
) del modelo dejarn inalterada la solucin
actual y, de no ser as, cmo obtener con eficiencia una nueva solucin ptima
(suponiendo que exista). En sntesis, la idea del anlisis de sensibilidad es verificar la
optimalidad y factibilidad de la solucin como resultados de hacer los cambios
anteriormente referidos.
SLO PARA FINES ACADMICOS Y EDUCATIVOS
164
B.5.1 Cambios en la solucin ptima
Cuando los coeficientes de un problema de PL se modifican, en general estas
modificaciones pueden resultar en uno de los tres casos siguientes:
a) La solucin ptima del problema no se modifica: variables bsicas
permanecen inalteradas con los mismos valores que en la solucin original.
b) Las variables bsicas permanecen, pero con otros valores con respecto a los
valores originales.
c) La solucin bsica cambia completamente.
A continuacin se presenta un problema de PL tomado de UNA (1993), que se
denomin Problema Prototipo para ser utilizado en el anlisis de sensibilidad.
Maximizar Z = 2x
1
- 2x
2
+ x
3
sujeto a
3x
1
- 4x
2
+ 2x
3
15
-x
1
+ x
2
+ x
3
3
x
1
+ x
2
+ x
3
4
x
j
0 , j = 1,2,3
Para el anlisis de sensibilidad, se emple la forma matricial del problema de PL,
tal como se presenta a continuacin
Maximizar
Sujeto a
[ ]
=
3
2
1
1 2 2
x
x
x
Z
4
3
15
1 1 1
1 1 1
2 4 3
3
2
1
x
x
x
0
0
0
3
2
1
x
x
x
SLO PARA FINES ACADMICOS Y EDUCATIVOS
165
Al agregar las variables de holguras x
4,
x
5
y x
6
en la primera, segunda y tercera
restriccin respectivamente,
se procedi aplicar el mtodo Simplex, de cuya de la
tabla Simplex final se obtuvo informacin de inters
c
B
= ; b = ; B
-1
=
estos elementos de la tabla Simplex final, permitieron determinar los valores de la
solucin ptima del vector de las variables bsicas x
B
y de la funcin objetivo Z.
x
B
= B
-1
b = = =
Z = c
B
x
B
= = 18
B.5.2 Aplicacin del anlisis de sensibilidad
El anlisis de sensibilidad permite evaluar el efecto que tendr sobre la solucin
ptima proporcionada por el mtodo Simplex el hecho que los parmetros tomaran
otros valores posibles. En general, se presentaran casos en que algunos parmetros a
los que se les puede asignar cualquier valor razonable sin que afecten la optimalidad
de esta solucin. Sin embargo, tambin habr casos de parmetros con valores
probables que lleven a una nueva solucin ptima, como podra ser que la solucin
original adquiere valores sustancialmente inferiores a la funcin objetivo, o por el
contrario, la obtencin de una solucin inexistente.
0 2 1
1 1 0
0 3 1
[ ] 2 0 1
4
3
15
0 2 1
1 1 0
0 3 1
4
3
15
21
7
24
1
6
2
x
x
x
21
7
24
[ ] 2 0 1
21
7
24
SLO PARA FINES ACADMICOS Y EDUCATIVOS
166
A continuacin se presentan las clases de modificaciones que se realizan en
un anlisis de sensibilidad.
1) Cambios en el segundo miembro (lado derecho)
de las restricciones.
2) Cambios en los coeficientes de la funcin objetivo.
3) Cambios en los coeficientes de las variables en el
conjunto de restricciones.
4) Adicin de una nueva variable.
5) Adicin de una nueva restriccin.
Los cambios realizados en un problema de PL a nivel de 1) y 5) solamente afectan
la factibilidad , mientras que los restantes afectan la optimilidad. Para los efectos del
informe, solamente se estudi el primer caso referido a los cambios en el segundo
miembro (lado derecho) de las restricciones, y esto es debido porque en primer
lugar, los cambios a este nivel presentan generalmente mayor flexibilidad al
establecer y ajustar estos valores que los otros parmetros del modelo. En segundo
lugar, en los problemas de mezclas alimenticias, es el caso ms comnmente utilizado
en funcin de la respuesta biolgica del animal y en tercer lugar, los otros casos
requiere de una tcnica de programacin lineal que no fue aqu tratado. A
continuacin se presenta este nivel de anlisis de sensibilidad a travs de dos
ejemplos, que permiten ilustrar como afectan estos cambios a la solucin ptima
obtenida por el mtodo Simplex.
CASO: Cambios en el segundo miembro (lado derecho) de las restricciones.
En este caso se hacen cambios especficos discretos en uno o ms de los
elemento del vector b (cantidad de recursos). Lo anterior se denot como:
b b
SLO PARA FINES ACADMICOS Y EDUCATIVOS
167
Los cambios en el segundo miembro de las restricciones (vector b) pueden afectar
solamente la factibilidad del problema. Puede suceder que con el cambio las variables
bsicas sigan con valores no negativos (solucin continua factible), o bien que alguna
de stas tome un valor negativo (solucin no factible). Para este ltimo resultado,
existe una tcnica que restablece la factibilidad.
Ejemplo 1-A
Considerando el Problema Prototipo anteriormente presentado. Se desea investigar
si el siguiente cambio en segundo miembro de las restricciones.
b = b =
afecta la solucin optima anteriormente determinada por el mtodo Simplex.
(x
2
= 24 , x
6
= 7 y x
1
= 21 , Z = 18).
Los nuevos valores de las variables y de la funcin objetivo del
Ejemplo 1-A son:
x
B
= B
-1
b = = =
Como en este caso x
B
> 0, la solucin es ptima y factible. El nuevo valor de Z es:
Z = c
B
x
B
= = 24
El cambio efectuado en el segundo miembro de las restricciones tuvo un efecto
positivo debido a que la nueva solucin ptima (Z = 24) es mejor que la anterior
(Z = 18).
4
3
15
2
4
20
2
4
20
1
6
2
x
x
x
28
46
32
0 2 1
1 1 0
0 3 1
28
46
32
[ ] 2 0 1
28
46
32
SLO PARA FINES ACADMICOS Y EDUCATIVOS
168
Ejemplo 1-B
Considere ahora que el problema fuese:
Maximizar
Sujeto a
Investigue como el siguiente cambio
b = b =
realizado en el segundo miembro de las restricciones, afecta la solucin ptima del
presente problema determinado por el mtodo Simplex. La tabla Simplex
proporciona la siguiente informacin:
c
B
= ; B
-1
= ; x
B
= = ; Z = 20 ;donde x
B
= B
-1
b
Z = c
B
x
B
Los nuevos valores de las variables y de Z del Ejemplo 1-B son:
x
B
= B
-1
b = = =
El cambio ha ocasionado que un elemento de x
B
sea negativo (x
4
= -10).
Luego, la primera restriccin no se satisface y la solucin no es factible. El
nuevo valor asociado de la funcin objetivo es Z = 10. En este punto es de
destacar que existe un mtodo que permite restablecer la factibilidad.
[ ]
=
3
2
1
3 7 2
x
x
x
Z
10
30
1 4 1
4 3 1
3
2
1
x
x
x
0
0
0
3
2
1
x
x
x
10
30
20
10
1 0
1 1
[ ] 2 0
10
20
1
4
x
x
1 0
1 1
20
10
20
10
1
4
x
x
20
10
SLO PARA FINES ACADMICOS Y EDUCATIVOS
169
APNDICE C. Un recorrido bsico por el LINDO
El software LINDO (Linear, INteractive Discrete Optimizer) es una herramienta
diseado para aprenderlo y usarlo con facilidad para problemas de programacin
lineal, incluyendo los problemas de programacin entera, cuadrtica.
Cuando se inicia el LINDO, se presenta una primera pantalla, junto con una
ventana de estado contentiva de informacin inherente a la firma comercial LINDO
System, inc y de algunas caractersticas predefinidas del software, luego esta ventana
de estado desaparece, quedando la pantalla que se muestra en la figura 5
Figura 5 Pantalla inicial LINDO
SLO PARA FINES ACADMICOS Y EDUCATIVOS
170
En la parte superior de la pantalla (figura 5), se encuentra una barra de men,
dispuesta como el estndar de Windows, con los elementos File, Edit, Solve,
Reports, Window y Help. Debajo de esta barra se encuentra una barra de
herramientas, donde cada botn corresponde a las rdenes frecuentemente usadas.
Estos botones solamente se acceden a travs del puntero del ratn, cuando se hace
clic (se pulsa) en los mismos.
Un modelo de LINDO tiene un requisito mnimo de tres factores:
1. Necesita un objetivo, que es la meta a lograr. Se tiene la opcin de dos metas,
MAX o MIN que simbolizan maximizar (ganancia, utilidad) o minimizar
(costo, carga de trabajo). Despus de la palabra MAX o MIN se introduce la
funcin objetivo
2. Necesita las variables, que son valores que se quieren ajustar a travs de
LINDO para alcanzar la meta, como mxima ganancia o mnimo costo, segn
sea el caso.
3. Necesita de restricciones, en este caso, de las restricciones funcionales que
limitan el campo de accin del modelo.
Una vez que se cumplen con los tres requisitos anteriormente referido, se coloca
despus de la lnea de la ltima restriccin funcional la palabra END, que indica el fin
del modelo. LINDO supone de modo automtico las restricciones de no negatividad,
pero, si en el modelo est presente una variable que no tiene restriccin de no
negatividad, debe indicarse con la palabra FREE seguido del nombre de la variable,
en el lnea que sigue a END. En LINDO, cada comentario se inicia con un signo de
exclamacin (!). LINDO permite introducir un modelo en forma algebraica
directamente desde el teclado. Tambien se puede abrir un archivo (con extensin
LTX) desde una unidad de disco o desde un subdirectorio del mismo. A continuacin
se presenta como se ve (en pantalla) el Problema Tipo con restriccin de mezcla base
(final de la seccin A.3) bajo formato LINDO, tal como se aprecia en la figura 6.
SLO PARA FINES ACADMICOS Y EDUCATIVOS
171
Figura 6 Pantalla de LINDO mostrando la ventana con la formulacin del Problema Tipo con
restriccin de mezcla base que se utiliz como ejemplo para describir el uso de este software
Adems del modelo bsico (objetivo, variables y restricciones), esta formulacin
incluye varios comentarios aclaratorios,. As las tres primeras lneas dan la fuente de
donde fue tomado el problema y el enunciado de lo que se quiere determinar, la
cuarta lnea es tambien un comentario que seala la existencia de una restriccin
funcional de mezcla base en el conjunto de restricciones.
En la sexta lnea de la formulacin de LINDO indica que el objetivo del modelo
es minimizar la funcin objetivo 2.40x
1
+ 1.8x
2
. En este caso x
1
(X1) y x
2
(X2) son
las variables de decisin que representan las cantidades de maz y sorgo
respectivamente presentes en la racin. Las letras de las variables de decisin estn
expresadas en maysculas, aunque tambin se pueden usar las minsculas Otra
SLO PARA FINES ACADMICOS Y EDUCATIVOS
172
opcin es utilizar palabras sugestivas (o abreviaturas) que no excedan de las ocho
letras. Obsrvese que en la funcin objetivo est la palabra MIN sin estar
acompaada de la letra Z.
En la octava lnea est la palabra SUBJECT TO que traduce sujeto a que indica
las limitaciones en las cuales se va a someter las variables de decisin.. En las cuatros
lneas siguientes comienzan con un nombre (de nutrientes) seguido de un parntesis
para cada restriccin funcional. Estas restricciones se escriben de la forma usual,
excepto por los signos de desigualdad. Ntese que en la lnea catorce se encuentra la
restriccin funcional de la mezcla base, y en la lnea siguiente la palabra END que
indica el fin del modelo.
El modelo de PL est listo para ser resuelto. Para empezar se hace clic en el men
Solve, se despliega un men donde se hace clic en Solve, o si se prefiere se pulsa el
botn tiro al blanco de la barra de herramientas. LINDO empezar intentando
compilar el modelo. Esto significa que LINDO determinar si el modelo tiene
sentido matemtico, y si se ajusta a los requisitos sintcticos. Si el modelo no pasa
estas pruebas, entonces LINDO detecta que ocurri un error durante la compilacin y
aparece un mensaje de error mostrando un cdigo numrico y uno de texto inherente
al error encontrado, y ste debe ser ubicado por lo que el usuario para su correccin.
Si no hay ningn error de la formulacin durante la fase de la recopilacin,
LINDO empieza a resolver realmente el modelo y al finalizar, LINDO despliega una
ventana de estado en la pantalla junto a un cuadro de dilogo que pregunta si se desea
un anlisis de intervalo (sensibilidad), para nuestro efecto se hace clic en el botn No,
luego queda la ventana de estado tal como se aprecia en la figura 7.
SLO PARA FINES ACADMICOS Y EDUCATIVOS
173
Figura 7 Pantalla de LINDO mostrando la ventana de estado (activa) que proporciona
informacin sobre la solucin encontrada
Esta ventana de estado es til para supervisar el progreso de la solucin. Una
descripcin de sta se presenta a continuacin:
Estado de Optimizacin:
Estado: Proporciona el estado actual de los posibles valores (ptimo,
factible, infactible, ilimitado). En el ejemplo el valor es ptimo
Iteraciones: Indica el nmero de iteraciones realizadas por el LINDO para
encontrar la solucin. En el ejemplo es de una (1) iteracin.
Infactibilidad: referido a la violacin de las restricciones. En el ejemplo no
se viol ninguna restriccin
Objetivo: Presenta el valor actual de la funcin objetivo. En el ejemplo el
valor es 2,27727
Mejor IP:
IP lmite: No aplicables para el caso de la programacin lineal
Ramificaciones:
Tiempo transcurrido: Indica el tiempo que se tard en encontrar la solucin
SLO PARA FINES ACADMICOS Y EDUCATIVOS
174
Intervalo de actualizacin: Actualiza los intervalos. Para el valor cero se
aumentan los tiempos de solucin
interrumpir la solucin: Al pulsar este botn se interrumpe la ejecucin de la
solucin antes de la ltima iteracin en cualquier punto y hace retorno a la
mejor solucin actual que encontr.
cerrar: Al pulsar este botn se cierra la ventana de estado
Ahora se presenta en la pantalla la Ventana de Informes" y que contiene la
solucin del modelo, tal como se aprecia en la figura 8
Figura 8 Pantalla de LINDO mostrando la ventana de informes (segunda ventana activa
restaurada) que proporciona informacin sobre la solucin encontrada
En la ventana de informe, en su segunda lnea, se seala que SE ENCONTR LA
SOLUCIN PTIMA DEL PL EN 1 PASO. Despus de una lnea por el medio est
la frase VALOR DE LA FUNCIN OBJETIVO para esta solucin, que se encuentra
en la lnea 6 y que para el ejemplo es de 2,277273. Despus por otra lnea por el medio
SLO PARA FINES ACADMICOS Y EDUCATIVOS
175
se encuentra una seccin de tres columnas. La primera denominada VARIABLE con
las variables de decisin de X1 (x
1
:maiz) y X2 (x
2
:soya). La segunda llamada
VALORES que contienen los valores para la solucin ptima (X1= 0,795455;
X1= 0.204545). En las terceras columnas de la presente seccin y de la siguiente se
encuentran los denominados COSTOS REDUCIDOS Y PRECIOS DUALES
respectivamente, los cuales se obviaron para los efectos del presente trabajo, pero
cabe de destacar que, aunque ambos conceptos no fueron aqu tratados, proporcionan
informacin interesente para el anlisis conocido como anlisis posptimo.
En la lnea 13 se inicia la segunda seccin, en cuya primera columna se encuentra
FILA que contiene los nombres de cada una de las restricciones funcionales seguido
de un parntesis. En la segunda columna est HOLGURA O SUPERVIT que
proporciona la diferencia entre los dos lados de cada restriccin. Finalmente en la
lnea 20 se encuentra No DE ITERACIONES = 1, que recalca que la solucin ptima
se encontr en una sola iteracin.
Si se desea hacer el anlisis de sensibilidad, entonces, considerando el ejemplo de
nuestro caso, y suponiendo que en el mismo se tiene evidencia experimentalmente
comprobada que la cantidad mnima de energa metabolizable que se le puede
suministrar a una determinada raza de cerdo en la etapa de desarrollo es de 3.00 kcal
en vez de 3.08 kcal. Para obtener la nueva solucin ante este cambio de parmetro en
el segundo miembro de las restricciones, se procede de la siguiente manera: se pulsa
el men Report, luego lo mismo se hace con Parametrics del men desplegable,
donde aparece una caja de dilogo denominada Fila paramtrica.
En la lista desplegable de la caja de dilogo (parte superior), se selecciona la fila
(ENERGIA) donde se llevar a cabo el anlisis de sensibilidad, luego en la esquina
izquierda (parte inferior) se muestra en la casilla Nuevo valor de RHS el valor (3.08)
del segundo miembro de la fila seleccionada, a continuacin se coloca en sta el
SLO PARA FINES ACADMICOS Y EDUCATIVOS
176
nuevo valor (3.00). Luego, en la esquina derecha (parte inferior) se selecciona la
opcin de el tipo de informe texto., y finalmente se pulsa el botn OK para generar
los informes paramtricos. El anterior procedimiento se expresa en el presente trabajo
como: Reports/parametric/.../3.00 <<enter>>
El informe del texto se enva a la ventana de los Informes, y aparece tal como se
aprecia en la figura 9.
Figura 9 Pantalla de LINDO mostrando la ventana de informes (segunda ventana activa
restaurada) con la solucin del anlisis de sensibilidad del 2do. Miembro de las restricciones.
El informe de texto muestra las columnas de las variables salientes (VAR OUT) y
entrantes (VAR IN) para cada pivote (PVOT ROW). En el ejemplo, el valor de la
funcin objetivo (2.27727) para la nueva solucin no varia al pasar en el segundo
miembro de las restricciones de 3.08 a 3.00. Por lo tanto, el ejemplo es un caso en
que la solucin ptima del problema no se modifica.
SLO PARA FINES ACADMICOS Y EDUCATIVOS
177
APNDICE D. Un recorrido por la mezcla Base
En una finca de explotacin pecuaria, el productor est interesado en saber
cual es la cantidad mnima de alimento, que nutricionalmente balanceado y a un
costo mnimo, debe consumir diariamente el animal para mantenerlo saludable y
con peso corporal adecuado, y que en consecuencia, al ser comercializado
redunde positivamente en la rentabilidad de la unidad de produccin. Cuando el
productor tiene la opcin de preparar las raciones alimenticias a partir de
piensos (porciones de alimentos secos), preferiblemente con anlisis nutricional
garantizado y disponibles en la zona, entonces basa la formulacin del alimento,
en la cantidad mnima b
min
de ste que se debe suministrar diariamente el animal
y a las restricciones nutricionales, quedando implcito que las necesidades de
requerimiento mnimo de energa estn suplidas. A continuacin se presenta un
ejemplo en base a dos tipo de piensos.
Una granja prepara una racin alimenticia compuesto de pienso1 y pienso2 con las
siguientes composiciones:
Ingrediente Nutriente1
(Protenas)
Nutriente2
(H. de carbono)
Nutriente3
(Grasas)
Precio
UM
Pienso1 a
11
a
12
a
13
p
1
Pienso2 a
21
a
22
a
23
p
2
Los requerimientos nutricionales de la racin alimenticia para mantener a un
animal saludable y con peso corporal adecuado, debe consumir diariamente b
min
de alimento compuesto por un
1
% de nutriente1 como mximo, un
2
% de
nutriente2 como mximo y un
3
% de nutriente3 como mnimo. En base a los
precios (expresado en unidades monetarias UM) vigentes de los piensos en el
mercado local, el productor desea determinar el costo mnimo diario de la mezcla
alimenticia.
SLO PARA FINES ACADMICOS Y EDUCATIVOS
178
La formulacin del problema de programacin lineal (genrico) viene dado en los
siguientes trminos:
Debido a que la racin alimenticia consiste en la mezcla de Pienso1 y Pienso2,
las variables de decisin del modelo se definen como
x
1
= kilogramos de Pienso1 en la mezcla diaria
x
2
= kilogramos de Pienso2 en la mezcla diaria
La funcin objetivo trata de minimizar el costo diario total (en UM) de la racin
alimenticia y se expresa como
minimizar Z = p
1
x
1
+ p
2
x
2
Las restricciones del modelo deben reflejar la cantidad diaria necesaria y los
requerimientos nutricionales. Debido a que el productor necesita b
min
de mezcla
alimenticia al da, la restriccin asociada se puede expresar como
x
1
+ x
2
b
min
Antes de analizar el resto de las restricciones, se recalca que
i%
=
i
x100 ; donde i = 1, 2, 3
a lo cual, los segundos miembros de las restricciones nutricionales estn supeditados
a un porcentaje
i%
del total de la mezcla (x
1
+ x
2
).
Ahora bien, en cuanto a las restricciones de ndole nutricional, se tiene que la
cantidad de nutriente1 incluida en x
1
y x
2
es (a
11
x
1
+ a
12
x
2
). Esta cantidad debe ser
menor o igual a
1
% de la mezcla total de alimento
1
(x
1
+ x
2
), lo que da por
resultado
a
11
x
1
+ a
12
x
2
1
(x
1
+ x
2
)
De manera similar, las restricciones de nutriente2 y nutriente3 se construyen
como
a
21
x
1
+ a
22
x
2
2
(x
1
+ x
2
)
a
31
x
1
+ a
32
x
2
3
(x
1
+ x
2
)
Las restricciones anteriores se simplifican agrupando todos los coeficientes
de x
1
y x
2
en el lado izquierdo de cada desigualdad. De manera que el modelo
completo se convierte en:
SLO PARA FINES ACADMICOS Y EDUCATIVOS
179
minimizar Z = p
1
x
1
+ p
2
x
2
Sujeto a
x
1
+ x
2
b
min
(a
11
-
1
)x
1
+ (a
12
-
1
)x
2
0
(a
21
-
2
)x
1
+ (a
22
-
2
)x
2
0
(a
21
-
2
)x
1
+ (a
22
-
2
)x
2
0
x
1
0 , x
2
0
Luego se aplica la tcnica Simplex, obteniendo los valores x
1
y x
2
, que conllevan
a la solucin ptima del problema: x
1
*
=
x
1 ;
x
2
*
=
x
2
; Z
*
= p
1
x
1
*
+ p
2
x
2
*
En la prctica, la cantidad mnima de alimento que se le puede suministrar
diariamente al animal puede variar (aumentar o disminuir) en diferentes pocas
del ao, especialmente por factores exgeno como los de ndole climticos, en
cuyo caso se debe hacer un anlisis de sensibilidad a nivel de b
min
cada vez que
ste cambie de valor para obtener una racin de costo mnimo, y la situacin se
complica cuando en la unidad de produccin se tiene animales (de inters
pecuario) de diferentes especies.
Lo anteriormente expuesto, se puede subsanar, haciendo uso de la restriccin
de mezcla base (igual a 1 unidad) que permite una mayor versatilidad en el
modelo de PL, puesto que la restriccin funcional de cantidad mnima de
alimento diario a suministrar b
min
puede ser reemplazada por la restriccin de
mezcla base, adems que, una vez hallados los valores ptimos preeliminares de
las variables de decisin (en este caso x
1
y x
2
), permite determinar la racin de
costo mnimo multiplicando estos valores por b
min
, y asimismo al variar ste
ltimo, es posible determinar otras raciones de costo mnimo, sin necesidad de
recurrir al anlisis de sensibilidad. A continuacin se presenta el modelo de
programacin lineal (genrico) con la restriccin de mezcla base y sta por
convencin se coloca al final del conjunto de restricciones funcionales.
SLO PARA FINES ACADMICOS Y EDUCATIVOS
180
minimizar Z = p
1
x
1
+ p
2
x
2
Sujeto a
a
11
x
1
+ a
12
x
2
1
a
21
x
1
+ a
22
x
2
2
a
21
x
1
+ a
22
x
2
3
x
1
+ x
2
= 1
x
1
0 , x
2
0
Luego se aplica la tcnica Simplex, obteniendo los valores preeliminares x
1
y x
2
,
obtenindose la solucin ptima: x
1
*
=
b
min
x
1 ;
x
2
*
=
b
min
x
2
; Z
*
= p
1
x
1
*
+ p
2
x
2
*
A continuacin se presenta un problema tomado de Alejadre, Allueva y Gonzlez
(2002), que se ajusta a lo aqu tratado en el presente apndice.
Supongamos una granja de ganado porcino en la cual se funciona con tipos de piensos
Porcil y Megacerdina. Las composiciones de dicho piensos son:
Porcil: 50% protenas, 30% hidratos de carbono, 20% grasas.
Megacerdina: 10% protenas, 80% hidratos de carbono, 10% grasas.
La Organizacin Mundial de la Salud y Engorde del Porcino sugiere para mantener a
un animal en la salud y peso ptimos, ste debera ingerir al da un mnimo de 2
kilogramos de alimentos por un 30% de protenas como mximo, un 60% de hidratos
de carbono como mximo y un 10% de grasas como mnimo.
Si 100 gramos de Porcil cuestan 50 unidades monetarias y 100 gramos de
Megacerdina cuestan 30 unidades se monetarias, cuntos gramos de cada pienso
deberamos comprar al da para que el coste sea mnimo?
Para el caso b
min
= 2 kg; el modelo (PL) tiene la siguiente solucin ptima:
x
1
*
=
x
1
= 0,8 kg ;
x
2
*
=
x
2
= 1,2 kg ; Z
*
= 0,76 UM
Al resolver el modelo con la restriccin de mezcla base, la solucin es:
x
1
*
=
b
min
0,4 = 0,8 kg
,
;
x
2
*
=
b
min
0,6 =1,2 ; Z
*
= 0,76 UM. Para otros valores de
b
min
, la solucin ptima se obtiene sin recurrir al anlisis de sensibilidad.
SLO PARA FINES ACADMICOS Y EDUCATIVOS
181
APNDICE E. Un recorrido por la programacin lineal aplicado a
los problemas de mezclas para ganado porcino
A continuacin se presenta dos problemas tpicos de mezclas de raciones i e ii,
tomados de Taha (2003) y Hillier y Lieberman (2002) respectivamente. Se solicita, en
funcin del enunciado, formular el modelo de PL correspondiente y solucionarlo por
el mtodo Simplex. Posteriormente aada al modelo inicialmente formulado la
restriccin de mezcla base (igual a 1 unidad) y vuelva aplicar el mtodo Simplex.
i Un agricultor .posee 200 cerdos que consumen 90 lb de comida especial
todos los das. El alimento se prepara como una mezcla de maz y harina
de soya con las siguientes composiciones:
Libras por libra de
alimento
Alimento
Calcio
Proteina Fibra Costo ($/lb)
Maz 0.001 0.09 0.02
0.20
Harina de soya 0.002 0.60 0.06
0.60
Los requisitos diarios de alimento de los cerdos son:
1. Cuando menos 1% de calcio.
2. Por lo menos 30% de protena.
3. Mximo 5% de fibra.
Determine la mezcla de alimentos con el mnimo costo por da.
SLO PARA FINES ACADMICOS Y EDUCATIVOS
182
ii Fred Janasonn administra la granja de su familia. Para complementar varios
alimentos que se cultivan en la granja, Fred tambien cra cerdos para venta
y desea determinar las cantidades de los distintos tipos de alimentos
disponibles (maz, grasas y alfalfa) que debe dar a cada cerdo. Como los
cerdos se comern cualquiera mezcla de esto tipos de alimentos, el objetivo
es determinar qu mezcla cumple ciertos requisitos nutritivos a un costo
mnimo..En la siguiente tabla se dan las unidades de cada tipo de
ingrediente nutritivo bsico contenido en 1 kilogramo de cada tipo de
alimentos, junto con los requisitos de nutricin diarios y los costo de los
alimentos
Ingrediente
Nutritivo
Kilogramo
De maz
Kilogramo
de grasas
Kilogramo
de maz
Req.
mnimo
diario
Carbohidratos 90 20 40 200
Protenas 30 80 60 180
Vitaminas 10 20 60 150
Costo ( ) 84 72 60
SLO PARA FINES ACADMICOS Y EDUCATIVOS
183
SLO PARA FINES ACADMICOS Y EDUCATIVOS
Anexo A
Diagrama sobre los criterios de produccin que intervienen para
programar una gestin exitosa de la produccin porcina. Se resalt
el criterio alimentacin por su impacto en los costos totales de
produccin.
FUENTE:
Herrera, A.; 1988
E X I T O
Seleccin de raza
Sanidad
Funcionalidad
Instalaciones
Alimentacin
Orientacin
Administracin
Manejo de
materiales
SLO PARA FINES ACADMICOS Y EDUCATIVOS
Anexo B
Eficiencia alimenticia de una racin equilibrada: Energa y
nutrientes en cantidades balanceadas, y cumplir con la condicin de
palatabilidad, en la cual debe tener un sabor que le sea agradable a
los animales.
FUENTE:
Bundy, C.; Diggins, R. y Christensen, V.; 1984
EFICIENCIA
ALIMENTICIA
Protenas
Minerales
Vitaminas
Palatabilidad
Energa
SLO PARA FINES ACADMICOS Y EDUCATIVOS
Anexo C
Protenas
- Aceleran reacciones qumicas
- Almacenan y/o transportan otras sustancias
- Contraen los tejidos
- Protegen al organismo contra agentes
dainos
- Transportan informacin y regulan
procesos
- Forman el sostn de las clulas y tejidos
Proporcionan la energa necesaria para:
Carbohidratos
-
-
Sostener los procesos de la vida (latido
cardaco, respiracin, actividad cerebral y
otros.
Mantener ka temperatura corporal y
desarrollar las actividades fsicas de una
y rpida
Grasas
- Almacn de energa
- Proteccin de tejidos y rganos
- Aislamiento trmico
- Forman estructuras celulares
Vitaminas
- Son necesarios para realizar reacciones celulares
especficas, que tienen importantes repercusiones
en el organismo normal
- Su deficiencia o ausencia ocasionan
trastornos en el organismo
N
U
T
R
I
M
E
N
T
O
S
Minerales
Son esenciales para efectuar diferentes funciones
biolgicas, entre otros:
- Fortalecimiento de la estructura sea del
organismos
- Regulacin de las funciones nerviosas,
musculares y de la coagulacin
- Es esencial para la estructura de la hemoglobina
Esquema sobre los nutrimentos y sus funciones
FUENTE:
Eliozondo, L.; 2001
SLO PARA FINES ACADMICOS Y EDUCATIVOS
Anexo D
Energticos
- Cereales
- Tubrculos
- Frutos
- Azcares
- Grasas
Proteicos
- Leguminosas
- Oleaginosas
- Carnes
- Lcteos
- Huevos
G
R
U
P
O
S
D
E
A
L
I
M
E
N
T
O
S
Reguladores
- Frutas
- Verduras: Races, hojas
Esquema sobre los grupos de alimentos y sus principales fuentes
FUENTE:
Elizondo, L.; 2001
SLO PARA FINES ACADMICOS Y EDUCATIVOS
Anexo E
Principales alimentos en la nutricin del cerdo
FUENTE:
Garca, F.; 1981
SLO PARA FINES ACADMICOS Y EDUCATIVOS
Anexo F
ETAPAS PRODUCTIVAS DEL CERDO
Ingredientes
Gestacin Lactancia Iniciacin Crecimiento Engorde
Aceite de palma 0.90 3.07 0.00 6.70 5.96
Carbonato de calcio 0..87 1.17 1.35 0.00 0.00
Follaje de batata 20.00 20.00 0.00 15.00 150
Fosfato diclcico 0.43 0.30 0.07 0.50 0.76
Maz 0.00 0.00 8.24 2.38 8.06
Minerales trazas 0.05 0.05 0.05 0.05 0.05
Pescado 4.00 4.00 0.00 9.00 5.00
Pre mezcla de vitaminas 0.15 0.15 0.15 0.15 0.15
Raz 63.00 48.00 49.40 50.00 50.00
Sorgo 0.00 0.00 8.24 0.00 0.00
Sebo 0.00 0.00 1.17 0.00 0.00
Soya 0.50 0.50 0.50 0.50 0.50
Sal 0.00 0.00 30.80 16.70 14.50
NOTA Estas dietas fueron balanceadas considerando energa digestible y balance de Aminocidos por lo tanto cualquier
modificacin en los ingredientes implica un nuevo balanceo.
Tabla sobre dietas elaboradas con materias primas alternativas de
acuerdo a la etapa productiva del cerdo.
FUENTE:
Gonzlez, C.; Daz, I. y Vecchionacce, H.; 2001
SLO PARA FINES ACADMICOS Y EDUCATIVOS
Anexo G
.
R A Z A S D E C E R D O S
CARACTE-
RSTICAS
Hampshire
Yorkshire
Landrace
Duroc-Jersey
Cabeza
Larga y algo estrecha
Longitud media
Ligera y fina Esta es
mas alargada en los
cerdos jvenes
Pequea, ancha
Orejas
Medianas, ligeramente
inclinadas hacia
delante y afuera
Longitud media,
elevadas
Largas, finas y en
forma de visera, pero
sin cubrir los ojos
Medianas, finas y
dirigidas hacia delante
Pelaje
Negro con una franja
blanca
Blanco
Blanco
Rojo oscuro
Cuello corto. Pecho
ancho y profundo.
Espaldas anchas.
Puede aprovechar bien
el forraje verde. Macho
apreciado por su carne
magra. Hembra cra
camadas vigorosas.
Cerdos largos, anchos,
profundos, con
apariencia maciza.
Cuello corto. Torax
profundo y ancho.
Posee buena alzada
Piel blanca. Espalda
fina y ligera
Animales alargados en
forma uniforme.
Supera a la Yorkshire
en precocidad y
rendimientos magros
Cuello corto y grueso.
Tronco largo, ancho y
profundo. Piel blanca.
Espaldas
moderadamente anchas
Elevada precocidad,
gran rusticidad,
fecundidad y buena
produccin lechera.
Buena para los cruces
Otras
cualidades
Tabla sobre las principales caractersticas de cuatro razas de cerdos
FUENTE:
Germn, C.; Camacho, J. y Gallegos, J.; 2005
SLO PARA FINES ACADMICOS Y EDUCATIVOS
Anexo H
GUIA PARA LA CRIA DE CERDOS
NDICES DE PRODUCCIN
- 1 Verraco por cada 15 madre
- 2.2 Partos por ao
- 9 Lechones destetados
- 114-120 Das de gestacin
- Verracos listos para el servicio a los 8 meses con 120 kg de peso y slo 4 montas semanales
- Madres listas para la monta a los 8 meses con 100-110 kg de peso, un mnimo de 8 pares de
tetas, buenos aplomos y sanas
- Destetar los das jueves
- Para la monta se traslada la hembra al corral del macho evitando tratos bruscos
- Llevar registros: No de madres No de verracos Fecha de parto Posibles fechas de
repeticiones de celo
- Celo cada 18-21 das
- Servicio: Se deben dar por lo menos 2 montas con intervalos de 2 horas. Duracin del celo 36
horas
MANEJO DEL LECHN RECIN NACIDO
- Las madres antes de parir deben desparasitarse 15 das antes de la fecha prevista del parto y
baarse con agua jabonosa, incluyendo las tetas.
- Deben limpiarse y desinfectarse (cal. Creolina, yodo) los corrales o jaulas paritorias antes de
entrar la madre.
- Al nacer cada lechn se limpia y se retira las mucosidades de la nariz y la boca.
- A los lechones del primer da de nacidos:
1) Corte de colmillo
2) Corte de cola.
3) Corte y desinfeccin del ombligo.
4) Identificacin.
5) Inyectar hierro.
6) Asegurarse que los lechones consuman calostro.
7) Mantener limpio y seco los paritorios y evitar las corrientes de aire.
8) Castrar los animales entre 7 y 15 das.
9) Destetar a los 30 das (Los das jueves).
10) El regulador de celo es el destete.
11) Al destetar retire la madre del cubculo.
12) Una semana luego del destete, desparasitar los lechones, aplicar vitaminas y vacunar
contra el clera porcino y aftosa.
13) Repetir la desparasitacin a los 21 das.
14) En caso de diarreas al destete, suministre suero por va oral. Defina el origen de la
diarrea, si es bacteriana, parasitaria o nutricional y realice el tratamiento adecuado.
15) Limpie diariamente los corrales
16) Darle el alimento adecuado de acuerdo a su peso y edad.
FUENTE:
Rondn, A.; 1999
SLO PARA FINES ACADMICOS Y EDUCATIVOS
Anexo I
1 Sostener adecuadamente
el animal (ver figura)
durante la operacin
2 Sostener de forma
apropiada el escroto
(ver figura) antes de
la incisin
3 Hacer la incisin
4 Extraer el testculo 5 Raspar el cordn que
sujeta el testculo
6 Cortar el cordn
(raspado) para evitar
hemorragias
7 Cortar (de la misma
forma) el otro testculo
8 Retirar ambos testculos.
Fin de la operacin
Proceso de castracin del cerdo
FUENTE:
Herrera, A.; 1988
SLO PARA FINES ACADMICOS Y EDUCATIVOS
Anexo J
1 Inyeccin subcutnea 2 Inyeccin intramuscular 3 Inyeccin intravenosa
Forma de descolmillar el lechn
Tipos de inyecciones para cerdos y descolmillado del lechn
FUENTE:
Herrera, A.; 1988
SLO PARA FINES ACADMICOS Y EDUCATIVOS
Anexo K
PROBLEMAS DE FORMULACIN DE DIETAS
... A continuacin presentamos un modelo especfico de programacin lineal para el problema de
formulacin de dietas y revisamos si es aplicable la formulacin ... Un anlisis como ste es tpico para
los problemas de programacin lineal y se recomienda cuando se intenta describir una situacin
compleja mediante un modelo lineal elemental. Los modelos de tales situaciones usualmente empiezan
como modelo simples, y usando las soluciones de estos modelos modestos como una base, el
investigador puede desarrollar modelos ms reales. Para ilustrar este proceso describiremos
brevemente diversos ajustes al modelo de formulacin de dietas los cuales tienden a hacerlo que se
apegue mejor a la situacin a la situacin de la vida real.
Histricamente, el problema de la dieta de Stigler, fue el primer problema de programacin lineal
que se resolvi por el mtodo simplex y era bastante largo y complejo. en este caso el problema era
determinar las cantidades que se deban comprar de 77 comidas para dar no slo el costo mnimo, sino
tambin para satisfacer las necesidades mnimas de nueve elementos nutritivos, por ejemplo, vitamina
A, niacina y tiamina. Las compras resultantes deban formar la dieta completa para sostener a una
persona por un ao. La formulacin bsica de programacin lineal de este problema estaba en trminos
de 9 ecuaciones y 86 variables, incluyendo las nueves variables de holgura. La solucin final obtenida
por el mtodo simplex era, por supuesto, una verdadera solucin mnima. Sin embargo, puesto que el
procediendo simplex slo considera soluciones bsicas, nicamente nueve de los elementos posibles
estaban representados con un nivel positivo en la solucin mnima, As la dieta obtenida por los
mtodos de la programacin lineal consideraba la compra de cantidades variables de harina de trigo,
harina de maz, leche en polvo, mantequilla de cacahuate, manteca, hgado de ternera, calabazas, papas
y espinacas a un costo de 39.67 dls (para el ao 1939). La solucin obtenida por Stigler usando un
procedimiento sistemtico de tanteos slo requera cinco alimentos, harina de trigo, leche en polvo,
calabazas, espinacas y alubias, a un costo de 39.93 dls. Tales dietas, aunque muy baratas, eran
ciertamente desagradables sobre cualquier perodo de tiempo y las eleccin de alimentos
justificacaran ampliamente al jefe de dietista de un campamento de trabajo forzados. Como Stigler
seala, Nadie recomienda estas dietas (o sea, las dietas de costo mnimo verdaderamente) a ninguna
persona, mucho menos a todo el mundo. Tambin cita una dieta de bajo costo para 1939 la cual fue
formulada por un dietista y costaba 115 dls. La diferencia de costo se atribua a la preocupacin
lineal en las necesidades de sabor, variedad en la dieta y el valor en prestigio de ciertos alimentos.
SLO PARA FINES ACADMICOS Y EDUCATIVOS
122
Empezando con nuestra formulacin bsica, cmo podemos modificar nuestro procedimiento o
modelo para satisfacer estas necesidades dietticas adicionales?. En este caso tenemos una solucin
correcta al problema como se plante, pero sucede que esta solucin correcta no es aceptable en
su ejecucin. Para este defecto, podramos buscar soluciones ptimas alternativas y formar diversas
combinaciones convexas de estas soluciones. De esta forma podramos seleccionar una dieta que
incluyera ms de nueve alimentos. O podramos buscar entre las dietas que precedieron a la dieta de
costo mnimo con la esperanza de que una de ellas fuera aceptable. O bien, finalmente, podramos
revaluar la formulacin de programacin lineal del problema para ver si realmente describe el
problema bajo investigacin.
Para corregir las deficiencias inherentes en la solucin al problema general es necesaria una
reformulacin de este problema de programacin lineal. El nuevo modelo no debe permitir ms de
nueve alimentos en la solucin mnima y tambin debe tomar en cuenta las preferencias del gusto
humano por ciertos alimentos. Estos alimentos se pueden introducir en el modelo por desigualdades las
cuales fuercen a que algunos alimentos estn en la solucin final, cuando menos en una cantidad
mnima. Tambin debemos determinar ponderaciones de preferencia y aadirlas a los coeficientes de
costos correspondiente. Otro enfoque al problema general de formulacin de raciones de dietas que
introducir ms variedad sera subdividir el problema en problemas de formulacin ms pequeos,
cada uno de los cuales slo involucrara un solo tipo de alimentos. En este proceso de suboptimizar
podramos tener el problema de seleccionar dietas de costo mnimo para verduras, o bien frutas, o
carnes, y la dieta compuesta sera una solucin al problema general. En estos intentos de introducir
ms realismo al problema, sufrimos un aumento correspondiente en el costo de la dieta resultante. Si el
problema se restringiera an ms, el costo, por , lo general aumentara, y debe ser el investigador quien
determine el valor relativo de costo en dinero comparado con gusto y variedad.
Sin embargo, hay muchas situaciones en las que es aplicable la formulacin de programacin lineal
del problema bsico de formulacin de dietas. Estos problemas tienen que ver con mezclas de
alimentos con costo mnimo para animales de granja o bien con la mezcla de varios elementos, por
ejemplo, productos qumicos o fertilizantes, para satisfacer necesidades mnimas a un costo mnimo ...
Referencia versada sobre los problemas de mezclas aplicados a las dietas
FUENTE:
Gass, S.; 1974