CAPTULO 1.

MODELOS DE OPTIMIZACIN

MODELAMIENTO y GESTIN DE
NEGOCIOS

Planificacin de la Produccin

Carmen Ortiz Z. - Luis Seccatore G.

1.3. MODELOS DE PROGRAMACIN LINEAL CONTINUA

1.1.1.

Planificacin de la Produccin

Qu producir?, cunto producir?, cundo producir?, dnde fabricar?, son algunas de las
interrogantes que deben responder las organizaciones productoras de bienes y servicios. Adems, las
plantas elaboradoras de manufactura deben decidir cunto almacenar? y dnde almacenar?
Las empresas o plantas productivas, al igual que las economas de los pases, enfrentan la tarea
de asignar los recursos de manera eficiente. Ms especficamente, necesitan determinar la mejor
combinacin de productos que conviene elaborar y la cantidad de stos, de modo de maximizar sus
utilidades o minimizar sus costos. En la mayora de los casos, por no decir todos, la disponibilidad
de los recursos productivos, como capital, materia prima, mano de obra y capacidad de los procesos,
es limitada. Tambin son limitantes las regulaciones o condiciones de tipo legal y/o las polticas de la
organizacin. Estos problemas forman parte de la categora que originalmente se denomin problemas de
asignacin de recursos o anlisis de actividades. Actualmente, esta problemtica se conoce como planificacin
de la produccin.
La primera formulacin matemtica de este tipo de problemas fue presentada por Leonid V.
Kantorovich en su monografa Mtodos Matemticos en la Organizacin y Planificacin de la Produccin,
publicada en 1939 [25]. Este trabajo, de 68 pginas (en ruso), est dedicado a la formulacin, discusin
y resolucin de una amplia gama de problemas de planificacin de la produccin: asignacin de
tareas a mquinas de modo de maximizar el nmero de lotes completos producidos; planificacin
de la produccin de piezas que se obtienen a partir de los cortes de cierto material, minimizando
el desperdicio; programacin de la produccin de mezcla de substancias de manera de maximizar
el volumen generado, entre otros. Lo ms importante es que Kantorovich desarrolla y fundamenta
una metodologa general para resolver estos problemas, que l denomin mtodo de multiplicadores
de resolucin y que contiene las ideas principales de la teora y algoritmos de lo que ms tarde se
denominara Programacin Lineal. Su trabajo solo se conoci en occidente a fines de los aos 50s.
Por su parte, Tjalling C. Koopmans formula, en 1951 [28, 29], un modelo general de asignacin
eficiente de recursos que es aplicable tanto en una planta o empresa, como en una industria o economa.
Cabe mencionar que formaliz el concepto de eficiencia, diciendo que: una unidad que utiliza varios
insumos para producir varios productos es tcnicamente eficiente si, y solamente si, es imposible que produzca
ms de cualquier producto sin producir menos de algn otro o usar ms de algn otro insumo. Esto coincide
con el concepto de ptimo de Pareto, comentado en las Notas Biogrficas del captulo anterior. Junto
a Kantorovich, fue galardonado con el Premio Nobel, en 1975, por su contribucin al desarrollo de
mtodos para analizar problemas de asignacin ptima de recursos escasos.
A continuacin se discute en detalle un problema con slo dos productos, con el objetivo de establecer e ilustrar algunos aspectos metodolgicos importantes de la construccin del modelo correspondiente. Enseguida se plantea un modelo general: dinmico y con muchos productos y recursos.

CAPTULO 1. MODELOS DE OPTIMIZACIN

Caso ilustrativo: Lcteos Bosques del Sur
Bosques del Sur Ltda. es una pequea empresa elaboradora de
productos lcteos. La seccin postres desea elaborar un plan de
produccin, para la prxima semana de dos de sus productos: flan y
yogur. El precio de venta del envase de 250 gramos de flan es $ 300 y el
del envase de 125 gramos de yogur es $ 250.
Los ingredientes comunes de los dos postres son: leche lquida, de
la que se puede adquirir gran cantidad en un perodo breve (un da), y
leche en polvo cuyo tiempo de entrega es mayor, por lo que se debe
comprar con anticipacin. Las especificaciones tcnicas indican que
cada envase de 250 gramos (gr) de flan debe contener 50 gr de leche
en polvo y cada envase de 125 gr de yogur requiere 100 gr. Slo quedan
3.600 kilogramos de leche en polvo en la bodega y el prximo pedido
slo llegar en dos semanas.
El proceso de envasado est a cargo de un operario que puede
dedicar hasta 14 horas a la semana a esta seccin de postres y se necesita
2 horas-hombre (hh) por cada tonelada (ton) de flan y tambin 2 hh
por cada tonelada de yogur. Por otro lado, en el proceso productivo,
la mquina ms limitante es la mezcladora pues se utiliza para ambos
productos y tambin en otros procesos de fabricacin. Esta mquina est
asignada a esta seccin 3,5 horas diarias. Su capacidad es 1 tonelada
(carga) y requiere 30 minutos de preparacin cada da, antes de iniciar
su funcionamiento. El flan necesita 2 horas de proceso y el yogur 3 horas.
La empresa trabaja 5 das a la semana.
Para definir el problema se analizan, a continuacin, los puntos
principales sealados en la metodologa de I.O.

Objetivo y decisiones: el objetivo, obviamente, consiste en maximizar los ingresos de la empresa.

Para lograrlo se debe establecer o decidir la cantidad que es conveniente fabricar de cada uno
de los dos postres durante la semana en cuestin. Adems, las decisiones son de nivel operativo,
debido a que se trata de productos individuales y de su nivel de produccin en el corto plazo.
Dimensin espacial: en este caso el problema est radicado en la seccin postres de la empresa.
Dimensin temporal: para la situacin bajo estudio, el horizonte de tiempo para el cual se realizar
el anlisis es una semana. Se puede considerar que este horizonte est formado por un slo
perodo de una semana o bien por cinco perodos de un da cada uno. Se opta por lo primero,
y si, posteriormente, se necesita ms detalle, se puede utilizar la otra alternativa.
Separabilidad de las decisiones: las decisiones de cunto fabricar de cada postre no son separables ya
que ambos productos comparten recursos: leche en polvo, mano de obra y maquinaria.

1.3. MODELOS DE PROGRAMACIN LINEAL CONTINUA

Formalmente, las decisiones que es necesario abordar en este problema, con el objetivo de maximizar
el ingreso total, son la cantidad de flan y la cantidad de yogur que se debe fabricar en la semana.
Como una primera aproximacin al modelo matemtico se puede condensar la definicin narrativa
del problema, en la caja negra de la Figura 1.7. Se observa que las condicionantes tienen relacin con la
disponilidad de los recursos y con las condiciones de operacin de la seccin de postres. Los parmetros
son las caractersticas tcnicas de fabricacin y la contribucin de cada producto al ingreso.

Figura 1.7: Caja negra de Caso Lcteos Bosques del Sur.

Para plantear el modelo matemtico, lo primero que se debe hacer es definir las variables de decisin,
su significado y las unidades que se usarn para cuantificarla. Cada variable representa una decisin,
por lo tanto, en este caso se tiene dos variables:
x1 = cantidad de flan que se debe producir en la semana, en toneladas.
x2 = cantidad de yogur que se debe producir en la semana, en toneladas.
Las restricciones de disponibilidad establecen que la cantidad utilizada de un recurso, durante el
perodo de planificacin, no debe exceder la cantidad disponible del mismo. Se requiere una restriccin
por cada recurso.
Disponibilidad de leche en polvo: la cantidad total de leche en polvo utilizada en la elaboracin de los dos
postres, durante la semana, no debe superar la cantidad disponible de 3.600 kg.
Dado que cada envase de flan de 250 gr contiene 50 gr de leche, se tiene que 1 kg de flan contiene
200 gr de leche. De acuerdo al supuesto de proporcionalidad y asumiendo que la mezcla de
ingredientes no genera prdidas, una tonelada de flan contiene 200 kg de leche. Anlogamente,

CAPTULO 1. MODELOS DE OPTIMIZACIN

como cada envase de yogur de 125 gr contiene 100 gr de leche, una tonelada de yogur contiene
800 kg de leche. De esta forma, si cada tonelada de flan requiere 200 kg de leche, para producir x1
toneladas se necesitan 200x1 kg. En forma similar, como para fabricar una tonelada de yogur se
necesita 800 kg de leche, para elaborar x2 toneladas se ocupan 800x2 kg de leche.
Puesto que la leche en polvo es parte de la fabricacin de ambos productos, bajo el supuesto de
aditividad, la cantidad total empleada en la semana es la suma de lo que utilizan x1 toneladas de
flan y x2 toneladas de yogur. As, la cantidad total de esta materia prima utilizada en la elaboracin
de ambos postres es 200x1 + 800x2 . Esta cantidad no puede ser superior a 3.600 kg. Por lo tanto, la
expresin matemtica de esta condicin es:
200x1 + 800x2 3.600.

Es muy importante observar que cada restriccin tiene ttulo, texto y frmula. En este caso, el
ttulo es Disponibilidad de leche en polvo, el texto es lo est en letra cursiva a continuacin del
ttulo y la frmula es la expresin matemtica. El ttulo indica de qu se trata la restriccin y se
utiliza para referenciarla. El texto establece, en forma narrativa, clara y precisamente la condicin o
limitante que se quiere definir para la situacin problema. La transformacin del modelo narrativo
a uno simblico (matemtico) es el resultado del proceso de abstraccin, como se coment en la
seccin 2.2. Cuando no se realiza este paso, es decir, se intenta plantear directamente la expresin
matemtica, la probabilidad de cometer errores es muy alta, puesto que el pensamiento ocurre en
el lenguaje natural y la frmula es solamente una traduccin. Adems, como la frmula es una
igualdad o una desigualdad, es recomendable asegurar que las unidades de la expresin del lado
izquierdo sean las mismas que las del lado derecho.
Disponibilidad de mano de obra: la cantidad total de mano de obra utilizada en la elaboracin de los dos
postres, durante la semana, no debe superar la cantidad disponible de 14 horas-hombre.
Como el proceso de envasado requiere 2 horas-hombre (hh) por cada tonelada de flan, por el
supuesto de proporcionalidad, para envasar x1 toneladas se necesitan 2x1 hh durante la semana.
En forma similar, dado que para envasar una tonelada de yogur se necesitan 2 hh, para envasar x2
toneladas se requiren 2x2 hh.
Se tiene slo un operario que realiza el envasado y dedica 14 horas por semana a esta tarea. Por lo
tanto, la disponibilidad de este recurso es de 14 hh semanales. La cantidad total de horas-hombre
empleada en la semana, asumiendo aditividad, es la suma de lo que utilizan x1 toneladas de flan y
x2 toneladas de yogur. As, la cantidad total de mano de obra empleda para envasar ambos postres
es 2x1 + 2x2 . Esta cantidad no puede ser superior a 14 hh. De este modo, la expresin matemtica
de esta restriccin es:
2x1 + 2x2 14.
Disponibilidad de mquina mezcladora: la cantidad total de horas de mezcladora utilizada en la
elaboracin de los dos postres, durante la semana, no debe superar la cantidad disponible.
El proceso de mezclado requiere 2 horas-mquina (hm) por cada tonelada de flan y 3 hm por
tonelada de yogur. Por lo tanto, x1 toneladas de flan y x2 de yogur necesitan 2x1 + 3x2 hm durante
la semana de planificacin.

1.3. MODELOS DE PROGRAMACIN LINEAL CONTINUA

La mezcladora est destinada al proceso de fabricacin de postres 3,5 horas diarias. Pero
como cada da requiere 30 minutos de preparacin, slo se tiene 3 horas efectivas disponibles
diariamente. Esto implica 15 horas semanales. Adems, por el supuesto de proporcionalidad si 1
ton de producto requiere 2 hh, entonces 2 ton necesitan 4 hh y 0,5 ton ocupa 1 hh, por ejemplo. La
formulacin matemtica de esta limitante es:
2x1 + 3x2 15.
Naturaleza de las variables: las cantidades que conviene fabricar de cada producto deben ser positivas o
nulas.
Esto se expresa como: x1 , x2 0.
En la gran mayora de los problemas prcticos las variables de decisin representan los niveles de
las actividades, lo que justifica la inclusin de condiciones de no negatividad.

Se puede suponer que todo lo que se produce se vende. De esta forma, el ingreso total durante la
semana, corresponde al que se obtiene por la venta de flan ms el generado por la venta de yogur.
Como el precio del envase de 250 gr de flan es $ 300, el ingreso de un kg es $ 1.200 y el de una tonelada
es $ 1.200.000. Por su parte, como el precio del envase de 125 gr de yogur es $ 250, el ingreso de un kg
es 2.000 y el de una tonelada es $ 2.000.000. De esta forma, la contribucin al ingreso de x1 toneladas de
flan es 1.200.00x1 y la de x2 toneladas de yogur es $ 2.000.000x2 . Si se denomina z al ingreso total de la
semana, se tiene:
z = 1.200.000x1 + 2.000.000x2 .
Como las cantidades involucradas en el ingreso tienen varios dgitos, siendo muchos de ellos iguales
a cero, se puede cambiar la unidad para manejar nmeros ms pequeos. Si se utiliza miles de pesos
(M$) en lugar de $, se tiene que el modelo es:
Max z = 1.200x1 + 2.000x2
s.a.
200x1 + 800x2 3.600
2x1 +

2x2 14

2x1 +

3x2 15
x1 , x2 0.

Para que los coeficientes numricos sean del mismo orden, se puede dividir la funcin objetivo por
400 y la primera restriccin por 200. De esta forma el modelo queda:
Max

z = 3x1 + 5x2

s.a.
x1 + 4x2 18
2x1 + 2x2 14
2x1 + 3x2 15
x1 , x2 0.

CAPTULO 1. MODELOS DE OPTIMIZACIN

Cuando los problemas tienen dos o tres variables es posible representar grficamente el modelo.
Como las variables deben ser no negativas, sus valores estn restringidos al primer cuadrante del plano
cartesiano, como se muestra en la Figura 1.8. En el eje de las absisas se representan los valores de la
variable x1 y en el de las ordenadas los de x2 .

Figura 1.8: Restricciones de no negatividad de las variables.

El lugar geomtrico de los puntos que satisfacen una restriccin lineal de desigualdad es un semiespacio delimitado por un hiperplano. En R2 el delimitador es una recta. Para identificar el semi espacio
vlido, es suficiente elegir un punto cualquiera y verificar si satisface la restriccin. Si la cumple, el semiespacio que lo contiene es vlido. En caso contrario, el semi-espacio vlido es el que no lo contiene. Por
simplicidad, se acostumbra a utilizar el origen como punto de prueba.
Debido a la presencia de condiciones de no negatividad, de los puntos contenidos en el semi-espacio
vlido, interesan slo los que estn en el primer cuadrante. As, el conjunto de puntos que cumple la
primera restriccin en el primer cuadrante es el poliedro que se muestra en la Figura 1.9. Es importante
observar que la recta resultante de considerar slo la igualdad asociada a una restriccin, representa
todas las combinaciones de valores de las variables de decisin que utilizan completamente la cantidad
disponible de recurso.

Figura 1.9: Restricin de leche en polvo.

1.3. MODELOS DE PROGRAMACIN LINEAL CONTINUA

De manera similar se agrega la restriccin de disponibilidad de mano de obra. Los puntos que verifican esta restriccin en el primer cuadrante son los del poliedro ms claro que se muestra en la Figura
1.10.

Figura 1.10: Restricciones de leche en polvo y mano de obra.

Como las soluciones deben satisfacer ambas restricciones, los puntos que las verifican simultaneamente son los que se encuentran en la interseccin de los poliedros correspondientes a cada una de
ellas. El poliedro resultante se muestra en la Figura 1.11. Es importante sealar que los puntos de este
conjunto utilizan a lo ms 3.600 kg de leche en polvo y a lo ms 14 hh de mano de obra. Ntese que se
ha aumentado la escala del grfico para tener mayor claridad.

Figura 1.11: Restricciones de leche en polvo y mano de obra.

Ahora se agrega la restriccin asociada a la disponibilidad de la mezcladora. El lugar geomtrico de

los puntos del primer cuadrante que la cumplen es tambin un poliedro, como se puede apreciar en la
Figura 1.12.

CAPTULO 1. MODELOS DE OPTIMIZACIN

Figura 1.12: Restriccin de mezcladora.

El conjunto de puntos que satisfacen todas las restricciones, es decir, las tres de disponibilidad de
recursos y las dos de no negatividad de las variables, se denomina conjunto factible y se muestra en la
Figura 1.13.

Figura 1.13: Conjunto factible Lcteos Bosques de Sur.

Para resolver el problema de planificacin planteado es necesario identificar el o los puntos del
conjunto factible que maximizan el valor de la funcin objetivo, es decir, los puntos ptimos. Esto se
puede efectuar con anlisis grfico para problemas de dos variables. Dado que la funcin objetivo es
tambin lineal, sus curvas de nivel son rectas pararelas (hiperplanos en el caso general). As, la recta de
lnea punteada de la Figura 1.14 contiene todos los puntos para los cuales el valor de la funcin objetivo
modificada es z = 15. De stos, obviamente, interesan los que son factibles.

1.3. MODELOS DE PROGRAMACIN LINEAL CONTINUA

Figura 1.14: Funcin objetivo de Lcteos Bosques del Sur.

Para determinar si los ingresos aumentan o disminuyen a medida que las rectas se alejan del origen,
es suficiente dibujar otra curva de nivel, como en la Figura 1.15. En este caso, la curva de nivel 18 est
ms alejada del origen, lo que muestra una direccin crecimiento de esta funcin. Esto tambin se puede
deducir si se estudia el gradiente de la funcin objetivo z.

Figura 1.15: Funcin objetivo de Lcteos Bosques del Sur.

La curva de mayor nivel que contiene puntos factibles, corresponde al valor 24,6, como se puede ver
en la Figura 1.16.

Figura 1.16: Funcin objetivo de Lcteos Bosques del Sur.

CAPTULO 1. MODELOS DE OPTIMIZACIN

Por lo tanto, el punto ptimo es x1 = 1, 2 y x2 = 4, 2, lo que significa que la solucin ptima es
producir 1,2 ton de flan y 4,2 ton de yogur, durante la semana que se est planificando. Como la funcin
objetivo original fue modificada, el ingreso ptimo resultante es 24,6 multiplicado por 400.000, es decir,
$ 9.840.000. Adems, se consume toda la leche en polvo disponible y todas las horas de mezcladora. En
cambio, slo se emplean 10,8 hh de mano de obra de envasado, lo que deja 3,2 hh ociosas. Esta solucin
corresponde al punto B de la Figura 1.17.

Figura 1.17: Funcin objetivo de Lcteos Heidi.

Los vrtices del poliedro factible son los puntos A, B, C, D y E de la Figura 1.17. En el punto A,
la solucin (no ptima) es x1 = 0 y x2 = 4, 5, es decir, slo se producen 4,5 ton de yogur, el ingreso
correspondiente es $ 9 millones y se utiliza toda la mano de obra disponible, dejando sin usar 1.000 kg
de leche y 1,5 hh. Para los puntos C y D el anlisis es similar. El punto E corresponde a la solucin trivial,
esto es hacer nada, lo que entrega un ingreso nulo y no se ocupa ningun recurso.
Es interesante observar que la solucin del modelo es un plan de produccin semanal. Esto es, se
trata de una propuesta o recomendacin de lo que conviene realizar en la semana, sin detallar qu hacer
cada da. Por lo tanto, se requiere una segunda etapa, para traducir esto en un programa de produccin
detallado, es decir, instrucciones especficas para cada participante en el proceso de produccin. En
particular, habria que programar la mezcladora y el proceso de envasado. Un plan detallado sera, por
ejemplo, los cuatro primeros das de la semana se produce slo yogur, obteniendo 4 toneladas, y el
quinto da se elaboran ambos productos, o sea, se deben fabricar 0,2 ton de yogur y 1,2 ton de flan. Esto
ltimo necesitara ser detallado nuevamente, se comienza con flan o con yogur? El proceso de generar
un plan de produccin cada vez ms detallado se denomina desagregacin.