INTRODUCCIN

Es una de las tcnicas de optimizacin ms ampliamente usadas y una de las ms

efectivas. El trmino Programacin Lineal fue inventado por Dantzig en 1947 para referirse
al procedimiento de optimizacin de problemas en los cuales tanto la funcin objetivo
como las condiciones son lineales y todas las variables no negativas.
Algunos casos donde puede usarse esta tcnica son:

Problemas de mezclado

Programas de fabricacin

Problemas de transporte

Problemas de almacenamiento

Formulacin de dietas

Restricciones de presupuesto

Cuando se enuncia matemticamente cada uno de esos problemas el modelo matemtico

involucra un gran nmero de variables y de ecuaciones o inecuaciones. Una solucin no
slo debe satisfacer todas las ecuaciones y restricciones, sino tambin alcanzar un extremo
de la funcin objetivo, por ejemplo mximo beneficio o mnimo costo.
Con la ayuda de la computadora se pueden resolver problemas lineales con cientos de
variables y condiciones. Una herramienta muy eficiente es el optimizador Solver del
Excel. Productos similares se disponen en otras planillas de clculo.
A fin de visualizar grficamente las caractersticas bsicas de los problemas a los que se
aplica la tcnica de Programacin Lineal propongamos uno, hipottico, en dos variables, X 1
y X2.
En los problemas de Programacin Lineal es normal establecer la no negatividad de las
variables involucradas:
X1 0; X2 0
Cada una de estas relaciones divide el espacio total en dos subespacios (uno con los
puntos que cumplen la restriccin y otro con los que no la cumplen). Las restriccines
permiten hablar as de soluciones permitidas (admisibles o posibles) y no permitidas. En
este caso, el problema queda restringido a valores de X1 y X2 que se ubican en el primer
cuadrante.

Esta consideracin se admite en forma implcita, por lo cual, salvo expresa indicacin en
contrario se supondr que las variables deben ser no negativas.

FORMULACIN DEL
PROBLEMA DE
PROGRAMACIN
LINEAL

La formulacin adoptada como cannica o estndar es:

Encontrar el mximo de una funcin objetivo lineal en n

variables de decisin no negativas.

mx Z C0 C jX j
j1

dentro de una zona de soluciones posibles definida por las

desigualdades lineales

a ij X j di

i 1, 2,..., m

j1

La no negatividad de las variables agrega, al conjunto anterior,

las restricciones

Xj 0

j 1, 2,..., n

Muchas variables qumicas y fsicas son por definicin cantidades positivas, por ejemplo,
presin absoluta, concentracin, temperatura absoluta. Si por alguna razn se deben
permitir valores negativos para ciertas variables, debern realizarse transformaciones
lineales para poder trabajar con variables no negativas, X = X Xmn, siendo Xmin el menor
de los valores negativos posibles o utilizar una escala donde no se registren valores
negativos en esas variables. Si, por ejemplo, se debe trabajar con temperaturas inferiores a
0C una opcin es usar la escala Kelvin.
Aunque la formulacin presentada parezca algo restrictiva, de ninguna manera es as.
Por una parte, se puede ver que buscar mn Z es equivalente a buscar mx(-Z).

a ij X j di
j1

a ij X j d i
j1

Por otra parte,

es lo mismo que
esto, claro, desde un punto
de vista formal ya que el algoritmo que se ver ms adelante exige que los d i sean siempre
no negativos. Lo anterior obligar a trabajar con las desigualdades de mayor o igual sin
ningn tipo de adecuacin.

a ij X ij d i
j1

Adems,
igualdad.

puede reemplazarse por dos restricciones que obligan a cumplir la

a ij Xij di
j1

a ij Xij di
j1

Otra manera de abordar la cuestin de las relaciones de igualdad es por sustitucin,

donde, haciendo los reemplazos que correspondan, el problema se expresa en un nmero de
variables igual a los grados de libertad que existen.
En realidad, el tratamiento en los algoritmos convencionales de este tipo de relaciones
utiliza una tercera va, como se ver oportunamente.

PRESENTACIN DEL
PROBLEMA

Se usar como ejemplo una versin muy simplificada de una refinera cuyo esquema se
muestra en la figura 3.1.
La tabla 3.1 muestra la informacin necesaria para procesar los dos crudos que ingresan
Precios de Venta
Costos
Crudo 1

Nafta ($36/ bbl)

($24/bbl)

Kerosene ($24/ bbl)

Refinera
Fuel oil ($21/ bbl)

Crudo 2

Residuo ($10/ bbl)

($15/bbl)

Figura 3.1

a la refinera, as como las limitaciones establecidas por el mercado para los productos
(demanda) y los costos de procesamiento.
Como funcin objetivo se considerar:
Tabla 3.1: Datos de materias primas y productos de la
refinera
Produccin % en Volumen

Demanda

Crudo 1

Crudo 2

(bbl/da)

Nafta

80

40

24000

Kerosene

10

2000

mx B [$ / da] = Ventas Costos materias primas Costos Procesamiento

Se tendrn las siguientesvariables:
X1 = bbl procesados/da de crudo 1
X2 = bbl procesados/da de crudo 2
X3 = bbl producidos/da de nafta
X4 = bbl producidos /da de kerosene
X5 = bbl producidos /da de fuel oil
X6 = bbl producidos /da de residuo
por lo tanto, la funcin objetivo ser:

Mx B = 36 * X3 + 24 * X4 + 21 * X5 + 10 * X6 24 X1 15 X2 0,5 X1
1 X2
Usando los datos de produccin, se pueden plantear cuatro balances de materia para cada
uno de los productos:
e1

Nafta:

0,80 X1 + 0,40 X2 = X3

e2

Kerosene: 0,05 X1 + 0,10 X2 = X4

e3

Fuel oil:

0,10 X1 + 0,40 X2 = X5

e4

Residuo:

0,05 X1 + 0,10 X2 = X6

En el problema existen restricciones sobre las variables, dadas por las limitaciones de
produccin que pueden verse en la Tabla 3.1. Por lo tanto las desigualdades del problema
son:
X3 24000

r1

Nafta:

r2

Kerosene: X4 2000

r3

Fuel oil:

X5 6000

Existe otro conjunto de restricciones no explcitamente enunciado en la formulacin del

problema, que corresponde al hecho que todas las variables deben ser no negativas:
X1 0, X2 0,..., X6 0
El problema tiene dos grados de libertad. La dimensional dad del mismo
puede reducirse eliminando, por ejemplo, las variables X 3, X4, X5, X6,
dejndolo en funcin de las variables X1 y X2. Si se hacen los reemplazos
correspondientes, la funcin objetivo se expresa:
Mx B = 36 * (0,80 X 1 + 0,40 X 2) + 24 * (0,05 X 1 + 0,10 X 2)
+ 21 * (0,10 X 1 + 0,40 X 2) + 10 * (0,05 X 1 + 0,10 X 2)
24,5 X 1 16 X2
finalmente:

Mx B = 8,10 X 1 + 10,20 X 2

y las condiciones:
r1 Nafta:

0,80 X1 + 0,40 X2

24000

r2 Kerosene: 0,05 X1 + 0,10 X2

2000

r3 Fuel oil:

6000

0,10 X1 + 0,40 X2

X1 , X2
X2 (Mbbl)
60

(*)

F
E
Z
D
r1

20
15

H
G

Z
r2
(*)
r3

A
30

B
40

X1
(Mbbl)

Figura 3.2

En la figura 3.2 puede verse la zona de soluciones posibles OGFDA y la traza de la

funcin objetivo. Puede observarse que si se desplaza la funcin objetivo desde el origen
hacia la direccin de mximo crecimiento vamos encontrando distintas soluciones, desde la
obvia de no hacer nada (O), pasando por los vrtices G y F hasta llegar a la solucin ptima
que corresponde al vrtice D, en la interseccin de r1 y r2, con un valor de $284000
Se puede observar que las 3 restricciones producen 10 intersecciones, de las cuales slo
5 pertenecen a la zona de soluciones admisibles OGFDA.

CONCLUSIONES
Un problema relacionado con los problemas diarios de una empresa o dentro de una
instituciones, tiene factores similares que tratan de buscar la resolucin, siendo asi la
disminucin de costos y tiempo lo cual son factores tan importantes hoy en dia en este siclo
de vida tan rpido

BIBLIOGRAFA
- G.V.Reklaitis, A.Ravindran, K.M.Ragsdell, Engineering Optimization:
Methods and Applications, 1983, Wiley-Interscience.
- T.F.Edgar, D.M.Himmelblau, Optimization of Chemical Processes,
1988, Mc-Graw Hill
- Frontline Systems, Inc., Solver Tutorial for Optimization Users,
http://www.solver.com/tutorial.htm