Está en la página 1de 14

PLANIFICACIN DE LA PRODUCCIN.

UN EJEMPLO DE LA TCNICA DE
OPTIMIZACIN POR PROGRAMACIN LINEAL
Autor: Jos Manuel Gmez Vega, ingeniero industrial en mecnica de mquinas
Resumen: Este es el mtodo ejemplo de programacin lineal. IngeMek - Ingenieros no
necesita hacer el desarrollo del mtodo simplex paso a paso para llegar a la solucin pues
tiene herramientas de clculo propias para estudiar el problema de su empresa y realizar un
estudio sobre optimizaciones, ya sea de recursos productivos, lanzamiento de varias lneas de
fabricacin u otros problemas que desee resolver de forma tcnica. Este ejemplo solo muestra
el desarrollo de la programacin lineal con este mtodo. Para desarrollar las ecuaciones, es
preciso analizar con el responsable de la empresa todas las variables intervinientes en un
problema pues el tratamiento fsico-matemtico requiere de una investigacin previa para
atinar en el resultado a esperar que es acertar en el resultado ptimo para benecio en su
empresa, ya sea reduciendo costes, incrementando ventas o aumentando las ganancias gracias
al asesoramiento experto de nuestra empresa.
Abstract: This is an example of linear programming method. IngeMek - Ingenieros do
not need to make the development of the simplex method step by step to reach the solution
as it has tools specic calculation to study the problem of your company and conduct a study
on optimizations, either productive resources, launching several lines manufacturing or other
problems you want solved in a technical way. This example only shows the development of
linear programming with this method. To develop the equations, it is necessary to analyze
the company responsible for all the variables involved in a problem because the physical-
mathematical treatment requires prior research to scoring in prot is expected to hit the
optimum result for your benet company, either by reducing costs, increasing sales and
increasing prots thanks to expert advice from our company.
1
I
N
G
E
M
E
K

-

I
N
G
E
N
I
E
R
O
S
1 Resumen del Mtodo Simplex.
1. PASO INICIAL.
Se introducen las variables de holgura. Si el modelo no se ajusta a la forma estndar del
problema general de programacin lineal, se deben hacer los ajustes necesarios. Para obtener
la solucin bsica factible inicial, se seleccionan las variables originales como las variables no
bsicas (es decir, iguales a cero) y las variables de holgura como las variables bsicas (y por
tanto, iguales al lado derecho de las ecuaciones). Se realiza la prueba de optimalidad.
2. PASO ITERATIVO.
Parte 1: se determina la variable bsica entrante; para esto se selecciona la variable no
bsica que, al aumentar su valor, aumente el valor de Z ms rpidamente. Esta eleccin
se puede hacer usando la ecuacin (0) para expresar Z slo en trminos de las variables no
bsicas y eligiendo aquella cuyo coeciente positivo sea el mayor.
Parte 2: se determina la variable bsica que sale: se elige la variable bsica que primero
alcanza el valor cero cuando se incrementa la variable bsica entrante. Cada variable bsica
aparece slo en su ecuacin, de manera que esta ecuacin se usa para determinar cundo llega
a cero esta variable bsica si se aumenta el valor de la que entra. Un procedimiento algebraico
formal para realizarlo es el siguiente: sea , el subndice de la variable bsica entrante. Sea
a
0
z
su coeciente actual en la ecuacin (i) y sea /
0
I
el lado derecho actual de esta ecuacin
i = 1, 2..., :. Entonces la cota superior para r

en la ecuacin (i) es
r


(
+ si a
0
z
0
b
0

o
0

si a
0
z
0
en donde la variable bsica de esta ecuacin se hace cero en esta cota superior. Entonces
se determina la ecuacin con la cota superior ms pequea y se elige la variable bsica actual
en esta ecuacin como la variable bsica que sale.
Parte 3: se determina la nueva solucin bsica factible: comenzando con el conjunto
actual de ecuaciones, se despejan las variables bsicas y 7 en trminos de las soluciones no
bsicas por el mtodo de eliminacin de GaussJordan. Las variables no bsicas se igualan a
cero y cada variable bsica (y 7) es igual al nuevo lado derecho de la ecuacin en que aparece
(con coeciente +1).
3. PRUEBA DE OPTIMALIDAD.
Se determina si la solucin es ptima: se verica si el valor de 7 puede aumentar al hacer
que una de las variables no bsicas crezca. Esto se puede realizar al reescribir la funcin
objetivo en trminos de las variables no bsicas y pasar estas variables al lado derecho de la
ecuacin (0) (es decir, despejando 7 en esta ecuacin) y al observar el signo de los coecientes
de cada una. Si todos los coecientes son negativos o cero, entonces la solucin es ptima, y
el proceso termina. De otra manera, se regresa al paso iterativo.
2
I
N
G
E
M
E
K

-

I
N
G
E
N
I
E
R
O
S
EJEMPLO MTODO SIMPLEX DE PROGRAMACIN LINEAL.
Una planta industrial puede manufacturar 5 productos (A, B, C, D, E) en cualquier
combinacin.
Mquinas Tiempo

min
uJ

Productos 1 2 3 Precio venta



C
uJ

Coste materia prima



C
uJ

A 12 8 5 5 2
B 7 9 10 4 1
C 8 4 7 5 2
D 10 0 3 4 1
E 7 11 2 4 1
Costes variables (C,/) 4 4 3
Tabla 1.
Cada producto requiere tiempo en 3 mquinas como se muestra en la tabla. Cada mquina
est disponible 128 horas a la semana. Los productos son netamente competitivos y cualquier
cantidad fabricada puede venderse a 5 C, 4 C, 5 C, 4 C, 4 C la unidad respectivamente. Los
costes variables por horas de trabajo son 4 C para las mquinas 1 y 2 y 3 C para la mquina
3. Los costos de material para cada lnea de producto son 2 C para A y C y 1 C para B, D,
E por unidad. Construya un modelo de programacin lineal que permita determinar el nivel
ptimo de produccin.
2 SOLUCIN. Construccin de la funcin objetivo .
2.1 Variables intervinientes en el problema.
7 (funcin de optimizacin, utilidad en C)
r
1
, r
2
, r
3
, r
4
y r
5
(unidades a producir en mquinas A, B, C, D, E).
Se requiere para 7 conocer la utilidad por una unidad de cada producto.
2.2 Costos por unidad de cada producto.
Una unidad de producto A requiere:
materia prima en produccin.
coste materia prima.
Mq. 1: 4
C
|
r
1 |
60 nIn
r 12
nIn
uJ
= 0.8
C
|
Mq. 2: 4
C
|
r
1 |
60 nIn
r 8
nIn
uJ
= 0.533
C
|
Mq. 3: 3
C
|
r
1 |
60 nIn
r 5
nIn
uJ
= 0.25
C
|
Total coste ud. producto A:
C
.
= 2 + 0.8 + 0.533 + 0.25 = 3. 583
3
I
N
G
E
M
E
K

-

I
N
G
E
N
I
E
R
O
S
De forma anloga calcularamos para el resto de productos, generndose la tabla 2:
PRODUCTO precio j

C
uJ

coste c

C
uJ

ganancia : = j c

C
uJ

ganancia : (%)
5 3.583 1.417 28.34
1 4 2.567 1.433 35.82
C 5 3.150 1.850 37.00
1 4 1.817 2.183 54.57
1 4 2.300 1.700 42.50
Tabla 2.
2.3 Funcin de utilidad.
Por lo tanto, la funcin de utilidad o margen de ganancia a optimizar Z es:
7 = 1.417r
1
+ 1.433r
2
+ 1.85r
3
+ 2.183r
4
+ 1.7r
5
Normalmente se expresan las variables de optimizacin por programacin lineal con varia-
bles r
I
pero para poder manejarnos en los clculos del programa emplearemos variables sin
subndices. Entonces tendremos:
7 = 1.417 + 1.4331 + 1.85C + 2.1831 + 1.71,
que adems coincide con las variables a optimizar que son los productos a fabricar para
lograr el mximo benecio para la empresa. Una vez desarrollado el proceso de clculo paso
a paso del mtodo, se calcular directamente con un programa de matemticas avanzadas
que tiene la empresa para determinar el clculo de forma directa, pues obviamente, a efectos
prcticos, el clculo a empresas no se desarrollar de forma manual como en este artculo
sino que se realizar directamente con una matriz donde gure la funcin objetivo y todas las
restricciones al problema de programacin lineal. Ntese que para problemas no lineales, se
podra realizar el paso de linealizacin de las ecuaciones, por ejemplo, usando un programa
como el siguiente que realic para una calculadora potente
2.4 Clculo de las restricciones.
La disponibilidad de las mquinas es:
di:jo:i/i|idad = 128
|
stnono
r
60 min
1 h
= 7680
nIn
stnono
Esto quiere decir que el tiempo disponible para el conjunto de mquinas deber ser menor
a la cifra anteriormente reejada.
Para la mquina 1 sera:
Mq. 1: 12
min
uJ
r
1
+ 7
min
uJ
r
2
+ 8
min
uJ
r
3
+ 10
min
uJ
r
4
+ 7
min
uJ
r
5
7680
Vamos a prescindir de las unidades y dejamos solo :
Mq. 1: 12 r
1
+ 7 r
2
+ 8 r
3
+ 10 r
4
+ 7 r
5
7680
Mq. 2: 8 r
1
+ 9 r
2
+ 4 r
3
+ 11 r
5
7680
Mq. 3: 5 r
1
+ 10 r
2
+ 7 r
3
+ 3r
4
+ 2 r
5
7680
4
I
N
G
E
M
E
K

-

I
N
G
E
N
I
E
R
O
S
2.5 Modelo de programacin lineal con las ecuaciones de desigual-
dad.
Las variables de produccin no pueden ser negativas, entonces el modelo de programacin
lineal queda:
: ar [7 = 1.417r
1
+ 1.433r
2
+ 1.85r
3
+ 2.183r
4
+ 1.7r
5
]
sujeta a las restricciones:

12r
1
+ 7r
2
+ 8r
3
+ 10r
4
+ 7r
5
7680
8r
1
+ 9r
2
+ 4r
3
+ 11r
5
7680
5r
1
+ 10r
2
+ 7r
3
+ 3r
4
+ 2r
5
7680
r
1
, r
2
, r
3
, r
4
, r
5
0
2.6 Transformacin de las ecuaciones en igualdades con introduc-
cin de variables de holgura.
Se trata de un sistema con : = 3 ecuaciones con : = 5 incgnitas, aparte de las ecuaciones
de no negatividad. Ahora se trata de introducir las variables de holgura,
r
n+1
= r
6
; r
n+2
= r
7
; r
n+3
= r
8
para establecer ecuaciones lineales, transformndolo en un sistema de 3 ecuaciones lineales
de igualdad con : = 8 incgnitas:
restricciones:

12r
1
+ 7r
2
+ 8r
3
+ 10r
4
+ 7r
5
+ r
6
= 7680
8r
1
+ 9r
2
+ 4r
3
+ 11r
5
+ r
7
= 7680
5r
1
+ 10r
2
+ 7r
3
+ 3r
4
+ 2r
5
+ r
8
= 7680
r
1
, r
2
, r
3
, r
4
, r
5
, r
6
, r
7
, r
8
0
2.7 Forma matricial asociada al sistema de ecuaciones.
La forma matricial de este sistema es: r = /, r 0, siendo:
=

12 7 8 10 7 1 0 0
8 9 4 0 11 0 1 0
5 10 7 3 2 0 0 1

,
r
|
=

r
1
r
2
r
3
r
4
r
5
r
6
r
7
r
8

,
/ =

7680
7680
7680

Es decir:
5
I
N
G
E
M
E
K

-

I
N
G
E
N
I
E
R
O
S
r = /

12 7 8 10 7 1 0 0
8 9 4 0 11 0 1 0
5 10 7 3 2 0 0 1

r
1
r
2
r
3
r
4
r
5
r
6
r
7
r
8

7680
7680
7680

Se conoce como variables bsicas aquellas que proceden de la introduccin de las variables
de holgura. Sobre las variables bsicas, hallamos:
2.8 Variable bsica entrante.
En la ec.objetivo 7 se elige la variable que tenga el mayor valor positivo. Llamemos a, /, c, d, c
a los coecientes que acompaan a cada una de las incgnitas en orden creciente.
Entonces, : ar {a, /, c, d, c} = : ar {1.417, 1.433, 1.85, 2.183, 1.7} = 2.183, que corres-
ponde a la variable r
4
.
2.9 Variable bsica que sale.
Sobre la matriz , hallamos la submatriz correspondiente a la variable bsica entrante, que
por ser r
4
ser la columna correspondiente a la la 4.

4
=

a
14
a
24
a
34

10
0
3

, / =

/
1
/
2
/
3

7680
7680
7680

Se calculan los coecientes


/
I
a
I4
para i = 1, 2, 3, resultando:
/
1
a
14
=
7680
10
= 768 ;
/
2
a
24
=
7680
0
= ;
/
3
a
34
=
7680
3
= 2560
Elegimos el menor cociente que corresponde a i = 1. Esto quiere decir que la variable
bsica que sale est en la la 1 de la matriz y como el nico coeciente que tiene un n
o
1
corresponde a r
6
dentro de las variables bsicas iniciales, entonces sta es la variable.
Entonces llegamos al siguiente sistema de ecuaciones, donde pondremos las variables
bsicas en maysculas y aadiremos con mayscula la variable bsica entrante y pondremos
en minscula la variable bsica que sale, obteniendo:
7 1.417r
1
1.433r
2
1.85r
3
2.183A
4
1.7r
5
= 0 (0)
6
I
N
G
E
M
E
K

-

I
N
G
E
N
I
E
R
O
S
12r
1
+ 7r
2
+ 8r
3
+ 10A
4
+ 7r
5
+ r
6
= 7680 (1)
8r
1
+ 9r
2
+ 4r
3
+ 11r
5
+ A
7
= 7680 (2)
5r
1
+ 10r
2
+ 7r
3
+ 3A
4
+ 2r
5
+ A
8
= 7680 (3)
2.10 Solucin bsica factible.
Del conjunto de ecuaciones, procedemos a resolver sobre las nuevas variables bsicas actuales
(A
4
, A
7
, A
8
) . Para ello transformamos las ecuaciones para eliminar las variables restantes
con transformaciones elementales de las ecuaciones con operaciones asociadas a un sistema
matricial equivalente.
Dividimos la ec. 1 entre 10 para que la variable A
4
tenga coeciente 1:
12
10
r
1
+
7
10
r
2
+
8
10
r
3
+ A
4
+
7
10
r
5
+
1
10
r
6
= 768 (1)
Multiplicamos la ec. 1 por 2.183 (coeciente de A
4
en la ec.0) y le sumamos la ec. 0:
7 1.417r
1
1.433r
2
1.85r
3
2.183A
4
1.7r
5
+
12
10
2.183r
1
+
7
10
2.183r
2
+
+
8
10
2.183r
3
+ 2.183A
4
+
7
10
2.183r
5
+
1
10
2.183r
6
= 768 2.183 =
7 + 1.2026r
1
+ 0.0951r
2
0.1036r
3
0.1719r
5
+ 0.2183r
6
= 1676, 544 (0)
Multiplicamos la ec. 1 por 3 y le sumamos la ec. 3, para hacer desaparecer la variable
A
4
:
3
12
10
r
1
3
7
10
r
2
3
8
10
r
3
3A
4
3
7
10
r
5
3
1
10
r
6
+ 5r
1
+ 10r
2
+ 7r
3
+ 3A
4
+ 2r
5
+ A
8
=
= 3768 + 7680 =
1.4r
1
+ 7.9r
2
+ 4.6r
3
0.1r
5

3
10
r
6
+ A
8
= 5376 (3)
Entonces el sistema queda:
7 + 1.2026r
1
+ 0.0951r
2
0.1036r
3
0.1719r
5
+ 0.2183r
6
= 1676, 544 (0)
7
I
N
G
E
M
E
K

-

I
N
G
E
N
I
E
R
O
S
12
10
r
1
+
7
10
r
2
+
8
10
r
3
+ A
4
+
7
10
r
5
+
1
10
r
6
= 768 (1)
8r
1
+ 9r
2
+ 4r
3
+ 11r
5
+ A
7
= 7680 (2)
7
5
r
1
+
79
10
r
2
+
23
5
r
3

1
10
r
5

3
10
r
6
+ A
8
= 5376 (3)
Como las variables no bsicas (r
1
, r
2
, r
3
, r
5
, r
6
) son 0, queda:
7 = 1676, 54 (4)
A
4
= 768 (5)
A
7
= 7680 (6)
A
8
= 5376 (7)
Luego la solucin factible es:
(r
1
, r
2
, r
3
, r
4
, r
5
, r
6,
r
7
, r
8
) = (0, 0, 0, 768, 0, 0, 7680, 5376) con 7 = 1676, 544
Es la solucin bsica factible ptima?
Reescribimos la ec. 0:
7 = 1.2026r
1
0.0951r
2
+ 0.1036r
3
+ 0.1719r
5
0.2183r
6
+ 1676, 544 (0)
La solucin bsica factible actual es ptima todas las variables no bsicas tienen
coecientes no positivos ( 0) en la forma actual de la funcin objetivo.
Como hay coecientes positivos la SOLUCIN NO ES PTIMA y se debe seguir iterando.
La razn para usar la forma actual de la funcin objetivo en lugar de la original es que la
forma actual contiene todas las variables no bsicas y ninguna variable bsica. Se necesitan
todas las variables no bsicas para poder comparar todas las soluciones bsicas factibles
adyacentes con la solucin actual. Las variables bsicas no deben aparecer, pues sus valores
pueden cambiar cuando se incrementa alguna variable no bsica, en cuyo caso el coeciente
de la variable no bsica ya no indica la tasa de cambio de Z. A causa de las ecuaciones de
las restricciones en forma de igualdad, las dos formas de la funcin objetivo son equivalentes,
por lo que se usa la que contiene toda la informacin necesaria.
8
I
N
G
E
M
E
K

-

I
N
G
E
N
I
E
R
O
S
2.11 2

Iteracin.
Parte 1. Reescribimos la ecuacin 0:
7 = 1.2026r
1
0.0951r
2
+ 0.1036r
3
+ 0.1719r
5
0.2183r
6
+ 1676.544 (0 bis)
y elegimos a r
5
como la variable bsica entrante, pues sta posee el mayor coeciente
positivo.
Parte 2. Los lmites superiores (o cotas superiores) sobre r
5
se muestran en la siguiente
tabla:
Variable bsica Nmero de ecuacin i Coeciente a
0
I5
de r
5
Parte derecha /
0
I
Cota superior para r
5
r
4
1
0
0.7 768
768
0.7
= 1097.14
r
7
2
0
11 7680
7680
11
= 698.18
r
8
3
0
0.1 5376 +, pues a
0
35
< 0
Tabla 3.
A partir de esta tabla se concluye que la menor cota superior para r
5
es igual a 698.18,
la cual corresponde a la variable bsica r
7
, es decir r
7
tiene la menor cota superior sobre
r
5
. Por lo tanto, la variable r
7
se convierte en variable bsica que sale para dar lugar a la
variable entrante r
5
.
Parte 3: Debemos eliminar la variable r
5
de todas las ecuaciones, excepto de la ecuacin
(2) en la cual r
5
sustituye a r
7
. El sistema correspondiente, junto con las nuevas variables
bsicas, las cuales aparecen en mayscula, antes de dicha eliminacin es:
7 + 1.2026r
1
+ 0.0951r
2
0.1036r
3
0.1719A
5
+ 0.2183r
6
= 1676.544 (0)
12
10
r
1
+
7
10
r
2
+
8
10
r
3
+ A
4
+
7
10
A
5
+
1
10
r
6
= 768 (1)
8r
1
+ 9r
2
+ 4r
3
+ 11A
5
+ r
7
= 7680 (2)
7
5
r
1
+
79
10
r
2
+
23
5
r
3
0.1A
5

3
10
r
6
+ A
8
= 5376 (3)
Se procede a eliminar r
5
de las ecuaciones (0), (1) y (3) por medio de las siguientes
operaciones.
9
I
N
G
E
M
E
K

-

I
N
G
E
N
I
E
R
O
S
Se dividen ambos miembros de la ecuacin (2) por el coeciente de r
5
en dicha ecuacin,
es decir, por 11 para obtener la ecuacin (2):
8
11
r
1
+
9
11
r
2
+
4
11
r
3
+A
5
+
1
11
r
7
=
7680
11
0.727 r
1
+0.818 r
2
+0.364r
3
+A
5
+0.091 r
7
= 698.181
(2)
Se multiplica la ecuacin (2) por 0.1719 y se suma a la ecuacin (0).
Se multiplica la ecuacin (2)por 0.7 se suma a la ecuacin (1).
Se multiplica la ecuacin (2) por 0.1 y se suma a la ecuacin (3).
Una vez realizadas estas operaciones se obtiene el sistema :
7 + 1.328r
1
+ 0.236r
2
0.041r
3
+ 0.218r
6
+ 0.016r
7
= 1796. 561 (0)
0.691r
1
+ 0.127r
2
+ 0.545r
3
+ A
4
+ 0.1r
6
0.064r
7
= 279.273 (1)
0.727r
1
+ 0.818r
2
+ 0.364r
3
+ A
5
+ 0.091r
7
= 698.181 (2)
1.473r
1
+ 7.982r
2
+ 4.636r
3
0.3r
6
+ 0.009r
7
+ A
8
= 5445.818 (3)
As, la nueva solucin factible bsica es : r = (r
1
, r
2
, r
3
, r
4
, r
5
, r
6,
r
7
, r
8
) = (0, 0, 0, 279.273, 698.181, 0, 0, 5445.818)
Esta solucin no es ptima, dado que en la ecuacin (0) el coeciente de r
3
es negativo.
Por consiguiente, debemos realizar una iteracin adicional.
2.12 3

Iteracin.
Parte 1: La ecuacin (0) es equivalente a:
7 = 1.328r
1
0.236r
2
+ 0.041r
3
0.218r
6
0.016r
7
+ 1796.561 (0 bis)
La variable con mayor coeciente positivo ( y nico !) es r
3
, as que la escogemos como
variable bsica entrante.
Parte 2: Los lmites superiores (o cotas superiores) sobre r
3
se muestran en la siguiente
tabla:
10
I
N
G
E
M
E
K

-

I
N
G
E
N
I
E
R
O
S
Variable bsica Nmero de ecuacin i Coeciente a
00
I3
de r
3
Parte derecha /
00
I
Cota superior para r
3
r
4
1 0.545 279.273 512.428
r
5
2 0.364 698.181 1918.080
r
8
3 4.636 5445.818 1174.680
Tabla 4.
A partir de esta tabla se deduce que la variable que impone la menor cota superior sobre
r
3
es r
4
, as que esta variable se convierte en variable que sale y en su lugar entra r
3
.
Parte 3: Debemos eliminar la variable r
3
de todas las ecuaciones, excepto de la ecuacin
(1) en la cual r
3
sustituye a r
4
. Procediendo de manera semejante a como se hizo en la
segunda iteracin, se obtiene el sistema:
7 + 1. 380 r
1
+ 0.246r
2
+ 0.075 r
4
+ 0.226 r
6
+ 0.011 r
7
= 1817. 571 (0)
1.268r
1
+ 0.233r
2
+ A
3
+ 1.835r
4
+ 0.183r
6
0.117r
7
= 512.427 (1)
0.265r
1
+ 0.733r
2
0.668r
4
+ A
5
0.067r
6
+ 0.134r
7
= 511.658 (2)
4.405r
1
+ 6.902r
2
8.507r
4
1.148r
6
+ 0.551r
7
+ A
8
= 3070.206 (3)
De esta manera, la nueva solucin factible bsica es:
r = (r
1
, r
2
, r
3
, r
4
, r
5
, r
6,
r
7
, r
8
) = (0, 0, 512.427, 0, 511.658, 0, 0, 3070.206)
Afortunadamente, esta solucin es ptima, pues todos los coecientes de las variables no
bsicas en la primera ecuacin son positivos. En forma equivalente, al escribir la primera
ecuacin del ltimo sistema en la forma:
7 = 1817. 571 1. 380 r
1
0.246r
2
0.075 r
4
0.226 r
6
0.011 r
7
observamos que ningn coeciente de las variables no bsicas es positivo, lo cual prueba
que la solucin obtenida es ptima. Aqu termina la aplicacin del mtodo smplex.
Conclusin: La solucin deseada para la forma original del problema es:
r
1
= 0, r
2
= 0, r
3
= 512.427 ' 512, r
4
= 0, r
5
= 511.658 ' 512,
que volviendo a las variables originales de los productos seran:
= 0, 1 = 0, C = 512, 1 = 0, 1 = 512
11
I
N
G
E
M
E
K

-

I
N
G
E
N
I
E
R
O
S
lo cual nos proporciona para la funcin objetivo un mximo de 7 = 1817.571 ' 1818
Esto nos indica que el mayor benecio para la empresa se consigue fabricando nicamente
los productos C y E, o dicho de otra forma, lo mejor es no fabricar los restantes. Eso a veces
sucede en empresas que tienen varios productos en produccin y desean averiguar cul es
la proporcin de los mismos que debe programarse para su fabricacin. En este ejemplo
prctico hemos descubierto que hay varios productos que alejan el benecio mximo de la
empresa por lo que la decisin acertada sera dejar de fabricarlos.
Ahora vamos a calcular el problema mediante un programa de matemticas sin tener que
hacer todos los clculos anteriores. Si se programa en una matriz y se dene la restriccin
en la primera la, en este caso con la nomenclatura de los productos dadas por el problema
inicialmente:
{, 1, C, 1, 1}
y en el resto de celdas de la matriz se ponen todas las restriciones para calcular la op-
timizacin hallando el mximo. Para ello, debemos reconvertir todas las restricciones como
menores o iguales () y de esta forma se puede calcular de forma directa:

1.417 + 1.4331 + 1.85C + 2.1831 + 1.71


12 + 71 + 8C + 101 + 71 7680
8 + 91 + 4C + 111 7680
5 + 101 + 7C + 31 + 21 7680
0
1 0
C 0
1 0
1 0

,
,
Maximum is at: { = 0, 1 = 0, C = 512, 1 = 0, 1 = 512}
con lo cual, con el programa de matemticas usado por la empresa, el mtodo expli-
cado se simplica en la matriz anterior que se calcula directamente. Y de esta forma, desde
IngeMek-Ingenieros podemos, una vez estudiadas las variables intervinientes en el proceso
y las restricciones, marcar las pautas de establecimiento, en este caso de la produccin de
una empresa, de forma efectiva y rpida y enseando al responsable de fabricacin como
actuar ante diferentes cambios en los valores de produccin proporcionando la herramienta
para llevar a cabo este seguimiento continuo para maximizar benecios. No dude en con-
tactar con IngeMek-Ingenieros si tiene algn tipo de problema tcnico en este mbito pues
somos expertos en realizar anlisis de mejoras productivas, de lay-out, mejora de mquinas,
optimizaciones de procesos y ahorros en costes energticos.
12
I
N
G
E
M
E
K

-

I
N
G
E
N
I
E
R
O
S
Jos Manuel Gmez Vega tiene un premio de investigacin basado en un programa de clculo
de cargas trmicas para calefaccin (Termical) que supuso una innovacin cuando se sustituy la
vieja normativa NBE-CT 79 por el Cdigo Tcnico de la Edicacin. Aparte de ingeniero, sigue
investigando en reas de ingeniera aplicada a las empresas para reducir costes siempre con modelos
fsico-matemticos avanzados. El rigor de IngeMek-Ingenieros lo hace lder en el sector cuando una
empresa demande personal competente y eciente a la hora de elaborarle un presupuesto u oferta
pues el rigor, la tica y la meticulosidad priman frente a la avaricia de comerciales que, a veces,
vienen a su empresa a intentar convencerles de proyectos o presupuestos que, sin ser estudiados con
detenimeiento, pueden suponerle un alto coste, bien por tergiversar la realidad o por actuar sin
ningn escrpulo sobre su dinero. Confe en profesionales, confe en IngeMek-Ingenieros.
13
I
N
G
E
M
E
K

-

I
N
G
E
N
I
E
R
O
S
14
I
N
G
E
M
E
K

-

I
N
G
E
N
I
E
R
O
S