Está en la página 1de 39

Lectura 1: INVESTIGACIN OPERATIVA

Introduccin - Programacin Lineal


1.1. INTRODUCCIN A LA INVESTIGACIN OPERATIVA
1.1.1. Resea Histrica
La Investigacin Operativa (IO) nace como disciplina orgnica, es decir, conjunto de
conocimientos que tratan de resolver problemas de ciertas caractersticas, durante la
Segunda Guerra Mundial.
En 1937, en Gran Bretaa se reuni a un equipo de investigadores y cientficos de
diversas reas del conocimiento para estudiar problemas estratgicos y tcticos relacionados
con la defensa del pas para poder determinar la forma ms efectiva de utilizar recursos
militares limitados.
Debido al xito alcanzado, EE.UU. inicia actividades similares aplicndolo a problemas
logsticos complejos, patrones de vuelos de aviones, maniobras navales, etc.
Al finalizar la guerra, personas relacionadas con IO se dieron cuenta que muchas de
las tcnicas y mtodos utilizados para resolver problemas de ndole militar, se poda aplicar a
problemas industriales, como por ejemplo el control de inventarios y sistema de transporte.
Si bien Inglaterra fue el iniciador de la IO como disciplina, fueron muy importantes las
contribuciones hechas por investigadores norteamericanos, como por ejemplo el mtodo de
simplex de la programacin lineal, desarrollado en 1947.
En 1960 se establecieron programas acadmicos que ponan nfasis en esta rea y
los primeros asesores formales de IO comenzaron a aparecer en las organizaciones
industriales a finales de esta dcada.
Aunque al comienzo existieron inconvenientes para implantar estas tcnicas, con el
desarrollo tecnolgico de las computadoras se ha ampliado el alcance y la magnitud de los
problemas que resulta posible analizar.

CONCEPTO DE Investigacin Operativa


Los problemas que resuelve la IO son problemas de decisin, que consisten en elegir
un curso de accin entre varios segn los objetivos pautados y/o maximizar o minimizar
alguna variable del mismo. La IO es una forma de enfrentar la resolucin de situaciones
vinculadas al proceso de toma de decisiones y no simplemente un conjunto de tcnicas,
mtodos y modelos particulares para resolver ciertos problemas.

Materia: Investigacin Operativa


Profesor: Ing. Pablo E. Godino

-1-

Es una disciplina (metodologa) cientfica que a travs de la aplicacin de procesos y


procedimientos ayuda a resolver problemas de ndole cuantitativos que se presentan en las
organizaciones.
En un sentido ms amplio, la IO es la aplicacin de procedimientos, tcnicas y
herramientas cientficas con el objeto de determinar y ayudar a evaluar soluciones.
a la aplicacin del mtodo cientfico en el manejo se sistemas organizados, tambin se la
conoce como Investigacin de Operaciones.
Su objetivo, como hemos planteado, es determinar por mtodos cientficos el mejor
curso de accin de un problema de decisin, sometido a restricciones.
La Investigacin Operativa trata de proveer a quienes manejan sistemas organizados,
de objetivos y bases cuantitativas para las decisiones. No es una ciencia en s misma, sino la
aplicacin de la ciencia y la tcnica en la solucin de los problemas directivos y
administrativos.
Una caracterstica destacada es la actuacin de equipos interdisciplinarios, as como
en una empresa la intervencin de los distintos niveles de la misma en todas las etapas.
Como metodologa, se utilizan modelos para representar y estudiar el problema de la
realidad.
Se puede considerar la Investigacin Operativa desde dos puntos de vista: como
ciencia y como arte.

Como ciencia: se utilizan tcnicas y algoritmos matemticos, as como programas de


computacin.
Como arte: depende de la habilidad y creatividad de los analistas para la construccin
del modelo, su validacin e implementacin.

Vinculacin con otras ciencias:

Matemticas
Estadstica
Lgica
Economa
Informtica

Cuando se habla de Investigacin Operativa se est aludiendo a una disciplina que


aporta para la resolucin de problemas donde interviene un complejo conjunto de elementos
materiales y humanos. A estos problemas se los suele denominar: fenmenos de
organizacin.

Materia: Investigacin Operativa


Profesor: Ing. Pablo E. Godino

-2-

Los fenmenos de organizacin, se caracterizan porque contienen elementos


materiales y humanos que, entre s, mantienen relaciones y donde es preciso adoptar una
decisin que producir ciertos resultados.
Por ejemplo, una empresa fabrica un conjunto de productos (o servicios) determinados
mediante la utilizacin de mquinas y obreros. En este sistema queremos adoptar una
decisin, como ser: incrementar la produccin de un artculo o incorporar uno nuevo. Esto
provocar una serie de ajustes y por otro lado producir un resultado que podr estar medido
por un costo o por un beneficio. La Investigacin Operativa aporta elementos que permiten
efectuar un estudios analtico de este tipo de problemas para evaluar las consecuencias de
las decisiones y posibilitar que se adopte ella que mejor resultado produzca.
Esto no significa que todo problema pueda ser abordado y resuelto por la Investigacin
Operativa, sino que, mediante esta disciplina, se han ido sistematizando los problemas que
presentan caractersticas similares y se han desarrollado tcnicas conducentes a su
resolucin. Por ejemplo, problemas de administracin de inventarios, de asignacin de
recursos, de reemplazo de equipos, de eleccin de alternativas de inversin, etc. Casos para
los que nuestra materia provee elementos tiles para su resolucin y la adopcin de la
decisin ms conveniente.
En todos estos problemas est siempre presente un elemento que es el conjunto de
las restricciones, el que configura las limitaciones a las cuales debe ajustarse cualquier
decisin que se adopte. Este aspecto es consecuencia del factor econmico subyacente en
la toma de decisiones y que obliga a operar con recursos escasos. As es como advertimos
que el estudio de los procesos de decisin, constituye un tpico central dentro del anlisis de
los temas que comprende la Investigacin Operativa, ya que la necesidad de adoptar una o
ms decisiones es tarea habitual en tales problemas.
La caracterstica de estas decisiones es que deben seleccionarse entre un conjunto
de mltiples posibilidades que pueden incluso ser infinitas y, entre ellas deben escogerse, la
(o las) que es (son) ms apropiada (s). Se trata del aspecto que tambin se denomina
combinatorio de los problemas de decisin.

EL CONCEPTO DE SISTEMA La empresa como un SISTEMA


MODELOS DE SISTEMAS
En Investigacin Operativa los trminos MODELOS y SISTEMAS estn muy
relacionados.
Un sistema es un conjunto de elementos con ciertas cualidades e interrelacionados, lo
que implica influencias mutuas entre los mismos.
Los problemas que resuelve la IO estn inmersos en un sistema y dada la complejidad
de estos sistemas reales, lo que se pretende es crear un sistema abstracto que sea una
versin simplificada y por lo tanto incompleta del real, sobre el que se pueda trabajar
obteniendo conclusiones que sean vlidas tambin para el sistema real. Este sistema
abstracto es lo que se denomina modelo, pero al crear este modelo se debe evitar eliminar
elementos o relaciones que sean fundamentales.

Materia: Investigacin Operativa


Profesor: Ing. Pablo E. Godino

-3-

1.1.2.

Modelos Matemticos formales


Problemas determinsticos y estocsticos

MODELOS - Generalidades
Un modelo es una representacin simplificada e idealizada de la realidad.
Un modelo es una abstraccin selectiva de la realidad.

Sistema real
supuesto

MODELO

Como ejemplo, un modelo que representa la distancia recorrida por un cuerpo en


cada libre (d) est dado por la siguiente frmula matemtica:
d = g t2
Siendo g la aceleracin de la gravedad y t el tiempo trascurrido. Es una representacin
selectiva de la realidad, ya que caractersticas como la masa, el peso, la forma, la textura,
etc., no son tomadas en cuenta y se enfoca nicamente en la relacin entre el tiempo y la
distancia. A pesar de su simplicidad, es un modelo sumamente til y prctico que no perdi
vigencia a pesar de la evolucin de la ciencia y de las nuevas tecnologas.
Modelos de decisin: Resume un problema de decisin, para que permita identificar y
evaluar en forma sistemtica todas las opciones de decisin del problema.
Componentes bsicas:
Variables de decisin: controladas por el decisor. Representan magnitudes o
cantidades como pesos, horas, personal, unidades de produccin, etc.
Objetivo: cantidad usada para medir la efectividad de un apoltica determinada y se
expresa como una funcin de las variables de decisin.
Restricciones del problema: condiciones que deben cumplir las variables de decisin
para obtener una solucin aplicable.

Materia: Investigacin Operativa


Profesor: Ing. Pablo E. Godino

-4-

La seleccin de una decisin equivale a determinar valores numricos de las variables de


decisin. Las decisiones estn basadas en una evaluacin de datos numricos.

Los modelos evalan datos numricos y proporcionan


datos numricos adicionales.

TIPOS DE MODELOS
Segn la disponibilidad de datos:

Modelos determinsticos: cuando todos los datos relevantes se conocen con certeza
Modelos probabilsticos o estocsticos: Cuando algunos (o todos los) datos se
consideren inciertos, aunque debe especificarse la probabilidad asociada a tales
datos. Que est sometido al azar y que es objeto de anlisis estadstico.

Segn el tipo de clculo:

Modelos matemticos: en los que tanto el objetivo como las restricciones del sistema
se pueden expresar en forma cuantitativa o matemtica como funciones de las
variables de decisin. En general, clculos de tipo iterativo.
Simulacin: ms complejo, en donde se divide el sistema en mdulos bsicos o
elementales que se enlazan con relaciones lgicas.
Modelos heursticos: basados en reglas o mtodos prcticos que llevan a una buena
(no necesariamente ptima) solucin.
Arte de inventar o descubrir. Estrategias, reglas, conclusiones.

Sabemos que en las ciencias naturales desempean un papel importante los


modelos, constituidos por experimentos realizados en condiciones tales que permiten deducir
las relaciones bsicas de casualidad que determinan el comportamiento de los diferentes
fenmenos de esas disciplinas. En este sentido tenemos que el qumico, por ejemplo, puede
efectuar su labor a travs de la elaboracin de experimentos consistentes en desarrollar su
investigacin en condiciones reducidas pero exactamente equivalentes en todos sus aspectos
a lo que es realidad. De esta forma, si el investigador desea conocer cul es la resultante de
la combinacin de dos elementos cualesquiera, puede averiguarla mediante la realizacin de
un experimento donde combine dichos elementos y obtenga el resultado que luego podr
analizar directamente. Este es un modelo para las ciencias naturales. Lo mismo sucede en la
Fsica, donde la resultante de un cierto fenmeno, puede ser estudiada mediante la
reproduccin de aqul, en condiciones muy cercanas a lo que es la realidad.
Este mtodo de investigacin, tan vastamente aplicado en las ciencias naturales, ha
permitido enormes progresos, facilitado siempre por las ventajas que otorga poder estudiar, a
travs de las reproducciones empricas, el comportamiento de los procesos naturales y, a
partir de los mismos, deducir las relaciones bsicas que los gobiernan y las relaciones de
causalidad existentes entre sus diferentes partes.

Materia: Investigacin Operativa


Profesor: Ing. Pablo E. Godino

-5-

As es como el estudio emprico de los fenmenos ha permitido desarrollar el anlisis


experimental y, al mismo tiempo, esas elaboraciones has servido para nuevos desarrollos
tericos que posibilitaron las construcciones lgicas y formales que hoy constituyen el asiento
de estas ciencias.
En general, entonces, vamos a considerar como ejemplos de modelos de las ciencias
naturales a cualesquiera de los mltiples experimentos que conocemos en estas disciplinas.
As, para citar los modelos ms destacados que se han elaborado en este siglo, sealamos
que uno es el del tomo, el cual ha constituido la base de las investigaciones y
descubrimientos posteriores que llevaron a la bomba atmica, por ejemplo, y a todos los
desarrollos ulteriores.
Un modelo clsico de la poca antigua, es el Sistema Solar, elaborado por Coprnico
que sucedi al anterior modelo tolemaico de explicacin del funcionamiento del sistema de
planetas.
Tambin en las ciencias sociales ha sido motivo siempre de preocupacin de parte de
los investigadores, lograr la reproduccin de fenmenos en condiciones de experimentacin
que permitan su estudio, anlisis y deduccin de las leyes principales que los gobiernan, para
que, partiendo de esas investigaciones, se puedan efectuar todos los desarrollos y
elaboraciones tericas posibles. Esto significa que en el campo de estas ciencias, la
preocupacin por la construccin de modelos ha sido un motivo latente, o una inquietud
permanente en el nimo de los investigadores.
El problema radica en que las ciencias sociales, la experimentacin no siempre es
posible llevarla a cabo. Esto es por la misma naturaleza de los fenmenos que acontecen en
este campo, a tal punto que resultara prcticamente imposible construir mediante un
experimento, por ejemplo, un sistema econmico donde podamos analizar y ver cul es el
comportamiento o reaccin de los diferentes sectores de la economa, ante determinados
incentivos o medidas. Tampoco sera posible, an en el plano de la microeconoma, llegar a
desarrollar un modelo que nos reproduzca acabadamente la reaccin que tendra la
competencia, o los competidores de una empresa, frente a ciertas o determinadas polticas
que se adopten.
No obstante estas limitaciones en el campo econmico-social, los ensayos, trabajos e
investigaciones realizados, han permitido establecer que existe para muchos aspectos de las
ciencias sociales, la posibilidad de llevar a cabo este tipo de construcciones terico-empricas
que denominamos modelos. Claro que la validez que pueden tener, est siempre sujeta a un
carcter mucho ms relativo del que poseen para el campo de las ciencias naturales. En este
aspecto, digamos que esta imposibilidad de llegar a producir un fenmeno social en
condiciones exactamente iguales a la realidad, ha hecho que la elaboracin de estos
modelos, deba apoyarse en un aspecto que cobra gran importancia dentro de la formulacin
de los modelos y es el de las hiptesis o supuestos de trabajo.
El investigador se ve as precisado a plantear o establecer ciertos supuestos en torno
a algunos aspectos de la realidad que est estudiando, de lo contrario, la propia naturaleza
sumamente compleja y dinmica de estos fenmenos impedira cualquier construccin
terica-emprica que pueda explicarla. Los supuestos que cobran una importancia relevante
dentro del modelo, permiten realizar todos los desarrollos y obtener conclusiones sobre la
realidad estudiada, pero deber tenerse en cuenta que estas ltimas estn siempre referida

Materia: Investigacin Operativa


Profesor: Ing. Pablo E. Godino

-6-

a las hiptesis de trabajo adoptadas y tienen validez en tanto y en cuanto dichas


hiptesis se verifiquen.
En torno a los modelos, digamos tambin que es importante considerar algo ya
mencionado, y es que se trata de construcciones terica-empricas.
Esto significa que en su formulacin se tienen en cuenta las relaciones que la teora
indica y que, por el carcter emprico, sus principales aspectos son extrados de la realidad
bajo estudio.
Digamos adems que en todo el proceso de construccin de los modelos hay un
elemento muy importante que desempea un papel fundamental, como herramienta de
apoyo. Se trata de las matemticas, que proveen el instrumental necesario para plantear, con
todo el rigor propio de estas disciplinas, las relaciones que se necesitan para representar una
determinada realidad. De esta forma, los modelos pueden ser representados utilizando el
poderoso herramental de la lgica simblica, que facilita enormemente la bsqueda de
soluciones y la interpretacin de resultados.
As es como podemos decir entonces que los modelos son construcciones
terico-empricas resultantes de la aplicacin de cierta teora y la observacin de una
determinada realidad, sobre la base de la adopcin de supuestos de trabajo o hiptesis
con lo que se trata de representar un determinado fenmeno.
En otra etapa habr que verificar si el modelo refleja adecuadamente o no la realidad
que se intenta representar. Es el momento de la contrastacin de las hiptesis y las
relaciones empricas. Se trata de un paso fundamental destinado a establecer si, en definitiva,
el modelo es til o no para el objetivo al que est destinado.

OTRA CLASIFICACIN DE LOS MODELOS


Un modelo puede ser:

MENTAL O IMPLCITO
EXPLCITO
o VERBALES
o FSICOS
o FORMALES O MATEMTICOS

Modelo Mental o Implcito: es el que crea el ser humano en su mente para poder resolver
un problema planteado, utilizando normalmente la intuicin.

Modelo Explcito: es la representacin del modelo mental, logrando una mejor definicin y
que se los pueda comunicar y criticar.

Modelo Verbal: describe el sistema a travs del lenguaje corriente, ya sea escrito u oral.
El inconveniente de este tipo de modelos es que es poco preciso y no adecuado cuando se
tiene que explicar la interaccin de muchos factores.

Materia: Investigacin Operativa


Profesor: Ing. Pablo E. Godino

-7-

Modelo Fsico: representa el sistema a estudiar por medio de objetos naturales o


artificiales, como sera un modelo a escala hecho por un diseador. Son pocos utilizables.

Modelos Matemticos o formales:

se elaboran usando smbolos matemticos para


representar los distintos componentes del problema y son los ms utilizados en relacin a la
toma de decisin.
Las letras o smbolos representan variables (cantidades que no tienen un valor
constante), parmetros (cantidades constantes que se presentan dentro del modelo)
operaciones y relaciones que vinculan entre s a dichos elementos.
Las variables no deben ser necesariamente numricas y las relaciones pueden ser de
cualquier naturaleza.

Relaciones en los Modelos Formales o Matemticos


1) Relaciones de comportamiento: ponen de manifiesto la manera de actuar, por lo
general, de los seres humanos dentro del sistema que se pretende imitar, como por
ejemplo la funcin oferta y demanda.
2) Relaciones institucionales y/o legales: son los que se establecen entre las
variables por leyes, decretos o reglamentos establecidos por las organizaciones que
pertenecen al sistema, por ejemplo el porcentaje que se debe mantener disponible de
los depsitos de terceros dentro del mercado financiero, relacionando de esta forma
los depsitos de terceros dentro del mercado financiero, relacionando de esta forma la
disponibilidad promedio de la entidad financiera durante un perodo, el volumen
promedio de depsitos de terceros en dicho perodo y el coeficiente fijado por el BCRA
(efectivo mnimo)
3) Relaciones tecnolgicas: surgen cuando se aplica una determinada tecnologa
dentro de una estructura productiva. Por ejemplo el activo total es igual al pasivo total
ms el patrimonio neto.
4) Relaciones de definicin e identidades: se platean cuando se define un concepto a
travs de vinculaciones con otros, por ejemplo el activo total es igual al pasivo total
ms el patrimonio neto.
5) Relaciones de equilibrio: son aquellas que se imponen dentro del sistema para
analizar qu ocurre cuando se logra esta situacin de equilibrio dentro del mismo o
qu se debe llevar a cabo para que el sistema tienda a esta situacin. Por ejemplo
decimos que el mercado est en equilibrio cuando la oferta es igual a la demanda.
6) Relaciones de objetivo: representan la finalidad a la que se debe o se desea llegar,
por ejemplo el nivel mximo de produccin fijado por la empresa.

Materia: Investigacin Operativa


Profesor: Ing. Pablo E. Godino

-8-

CLASIFICACIN DE LAS VARIABLES

Objetivo
Endgenas

fija una condicin

forman parte
del sistema

No objetivo

Variables

ninguna condicin

Controlables
determinado por el sujeto

Exgenas
fuera del
sistema

No controlables
no interviene el sujeto

Variables endgenas: son aquellas que forman parte del sistema y por lo tanto sus
valores se determinan en funcin de la relacin que existe con las restantes
variables y con las variables exgenas.
Variables exgenas: sus valores se determinan fuera del sistema.
Variables endgenas objetivo: son aquellas a las cuales se les fija una condicin
que debe cumplir el sujeto que toma la decisin, por ejemplo que sean mayor o
menor a un valor previamente fijado, que sea mximo o mnimo.
Variables endgenas no objetivo: no se les impone ninguna condicin.
Variables exgenas controlables: su valor puede ser determinado por el sujeto que
toma la decisin, por ejemplo en una explotacin agrcola, la superficie destinada a
cada cultivo, la cantidad de semillas a sembrar.
Variables exgenas no controlables: no interviene el sujeto decisor, por ejemplo la
inflacin, la sequa.

METODOLOGA CIENTFICA EN EL ANLISIS DE LOS PROBLEMAS


DE DECISIN
La metodologa de estudio para el anlisis de los problemas de decisin, como ya hemos
sealado, es el aspecto en torno al cual gira toda la Investigacin Operativa. Comprende las
siguientes etapas:
Planteamiento del problema: consiste en enunciar correctamente cul es el
problema que queremos explicar, es decir, sealar con toda precisin cul es la
pregunta a la que debemos dar respuesta con el estudio de la realidad, que
llevaremos a cabo.

Materia: Investigacin Operativa


Profesor: Ing. Pablo E. Godino

-9-

Anlisis de los hechos: significa realizar un estudio de la realidad para extraer de la


misma todos los elementos que puedan servirnos para formular nuestras hiptesis de
trabajo y plantear las relaciones bsicas con las cuales luego trabajaremos.

Construccin propiamente dicha del modelo y su anlisis: se trata de establecer


de forma matemtica todas las relaciones que nos interesan y que sern planteadas
teniendo en cuenta las hiptesis adoptadas en base al anlisis de los hechos y las
preguntas a las que debemos responder, segn el planteamiento del problema. Aqu la
teora cumple un papel fundamental en tanto que nos permitir respaldar aquellas
elaboraciones que realicemos.

Control de las hiptesis: significa extraer a examinar si las hiptesis adoptadas


verdaderamente responden a la realidad en estudio, pues de lo contrario, el modelo no
va a explicar de ninguna manera esa realidad y mientras esas hiptesis se encuentren
alejadas de aquellas, menos til ser el modelo para explicar dicha realidad. Es
importante destacar que ste es un aspecto fundamental, porque puede llegar a ser un
modelo muy interesante, realizado con elaboraciones de muy avanzada matemtica,
pero si sus supuesto previos se alejan demasiado de lo que la observacin emprica
de la realidad revela, nos encontramos con que ese modelo pasa a ser una simple
elaboracin o construccin terica sin ninguna aplicacin prctica.

Crtica y presentacin de las conclusiones: una vez elaborado el modelo y


resueltos todos los aspectos que nos interesan deducir del mismo, corresponde entrar
a la crtica, consistente en analizar detenidamente las conclusiones obtenidas y ver si
se corresponden de alguna manera con la realidad en estudio, a la luz de las hiptesis
adoptadas. Las conclusiones del modelo sern las que, teniendo en cuenta los
objetivos que se persiguen, han de permitir despus escoger las decisiones que nos
interesan. Entonces, las conclusiones del modelo unidas a los objetivos, determinan
las decisiones o polticas a seguir.
Digamos por otra parte, que con ello no acaba el estudio, porque adems debe darse
un seguimiento permanente del modelo para tratar de averiguar constantemente si las
polticas adoptadas, teniendo en cuenta las conclusiones del modelo, conducen a los
resultados esperado o bien se manifiestan desviaciones respecto a la realidad.
En ese sentido, se presenta la necesidad de llevar a cabo lo que se denomina el
control administrativo del modelo, que permitir introducir los correctivos del caso
cuando se observe que el modelo no est respondiendo correctamente, segn lo que
se esperaba del mismo. Ello ser un indicio de que en el modelo deben introducirse
correctivos para que ste refleje la realidad que se pretende representar muestre
fehacientemente las reacciones probables ante determinadas decisiones.

Materia: Investigacin Operativa


Profesor: Ing. Pablo E. Godino

- 10 -

1.1.3.

Alcance de la INVESTIGACIN OPERATIVA

USO E IMPLEMENTACIN DE MODELOS EN LA EMPRESA


En el diagrama siguiente se detallan las fases de un estudio de IO, as como la
interaccin entre el modelo y el administrados.

Definicin del problema


(identificacin de variables,
objetivo y restricciones)
Yy

Construccin del modelo

Solucin del modelo


(anlisis de sensibilidad)

Validacin del modelo


(criterio del administrador)

Revisin
del modelo

Implementacin
del modelo

Importante:

La solucin ptima del modelo puede ser o no una buena respuesta en el contexto
real.
El modelo no sustituye la experiencia, el criterio o la intuicin del administrador.
Un aspecto de su rol consiste en evaluar el modelo mismo.

Materia: Investigacin Operativa


Profesor: Ing. Pablo E. Godino

- 11 -

Jerarqua de modelos en la empresa:

Mayores niveles: proporcionan datos e informacin, no decisiones. Se utilizan como


herramientas de planeacin estratgica.
Menores niveles: generalmente producen decisiones. Los elementos que conforman el
modelo (variable, objetivo y restricciones) son ms claros y fcilmente cuantificables.

En la empresa, se utilizan para definir polticas de tipo:

Financieras
Organizativas
Comerciales
Produccin

Siendo los objetivos buscados:

Beneficios
Manejo de costos y tiempos
Expansin volumen de venta
Mercado

Funciones del Departamento de Investigacin Operativa:

Planificar
Proponer mejoras
Informar para proyeccin futura

Ejemplo de aplicaciones (largo plazo):

Elaboracin de presupuestos
Ubicacin de plantas
Estrategia de mercado
Estrategia de inversiones

Ejemplo de aplicaciones (corto plazo):

Programacin de la produccin y de la fuerza de trabajo


Administracin de inventarios
Programacin de mquinas
Control de vuelos
Diseo de productos
Seleccin de medios
Estimacin estadstica
Mezcla de productos

Materia: Investigacin Operativa


Profesor: Ing. Pablo E. Godino

- 12 -

Distribucin de gastos
Programacin de proyectos de construccin

El campo para los analistas de investigacin de operaciones fue de 57,000 empleos en


1990 solamente en Estados Unidos. Los servicios de un Analista de Operaciones se
requieren en la mayora de las industrias. Las empresas que ms necesitan los servicios de
un analista de investigacin de operaciones son las manufactureras de qumicos, maquinaria
y equipo de transporte; empresas que proveen servicios de transporte y telecomunicaciones;
bancos; agencias de seguros; empresas de servicios pblicos; y agencias gubernamentales
de todos los niveles. Algunos analistas trabajan en agencias de consultora administrativa que
desarrollan aplicaciones de investigacin de operaciones para empresas que no tienen
personal de este tipo.
Se estima que la demanda y las oportunidades de trabajo para los analistas de
investigacin de operaciones ha crecido mucho ms rpido que el promedio de las
ocupaciones desde el ao 2000 debido a la importancia que est cobrando el anlisis
cuantitativo en la toma de decisiones y la cada vez mayor disponibilidad de recursos
computacionales.
Cada vez ms organizaciones estn usando tcnicas de investigacin de operaciones
para mejorar la productividad y reducir los costos. Adems, hoy en da se pueden encontrar
computadoras con las capacidades requeridas para correr aplicaciones de investigacin de
operaciones a muy bajos costos. Esto permite que hasta las empresas pequeas se interesen
por la investigacin de operaciones. Esta tendencia estimular en gran medida la demanda de
analistas de investigacin de operaciones en los prximos aos.
El mayor crecimiento de las actividades de Investigacin de Operaciones est
ocurriendo en los sectores de transporte, manufactura, finanzas y servicios. Las empresas en
estos sectores reconocen que el anlisis cuantitativo puede ocasionar mejoras sustanciales
en la eficiencia operativa y las utilidades. Cada vez ms aerolneas, por ejemplo, estn
usando investigacin de operaciones para determinar la calendarizacin ptima de vuelos y
mantenimiento, seleccionar las mejores rutas de servicio, analizar las caractersticas de los
clientes, y controlar el consumo de combustible, entre otras cosas. Las cadenas de moteles
estn comenzando a utilizar la investigacin de operaciones para mejorar su eficiencia. Por
ejemplo, analizan los patrones de trfico de automviles y las actitudes de los clientes para
determinar la localizacin, tamao y estilo de los nuevos moteles.

Cules son las ideas que pueden ayudarme en la Investigacin de


Operaciones?
Enmarcar el problema
Para resolver un problema, primero se lo debe enmarcar; es decir, se necesita tener
una manera organizada de abordarlo. Por ejemplo si consideramos la forma en que un
mecnico bien entrenado trata el caso de un automvil que no arranca sabe que si ste no
arranca es porque le falta nafta o chispa de encendido. Un buen mecnico es aquel que

Materia: Investigacin Operativa


Profesor: Ing. Pablo E. Godino

- 13 -

puede determinar la accin apropiada con rapidez y eficacia (quiz reemplazar un fusible)
para obtener el resultado deseado.
Como futuros gerentes, administradores, ingenieros, etc. ustedes mismos tendrn muchas
oportunidades de tomar decisiones para obtener los resultados deseados. En esos casos
necesitarn enmarcar su problema.
La optimizacin restringida y la toma de decisiones bajo riesgo son dos marcos
importantes y tiles para una amplia variedad de problemas. En los libros de texto se
presentan como modelos matemticos, junto con los procedimientos (algoritmos) para
solucionarlos. En estos caso, ms que en las propias matemticas, necesitar la habilidad
para enmarcar. Sin embargo, no es posible simplemente describir los marcos y suponer que
la gente los usar de forma correcta. Se debe comprender muy bien cmo se crean los
modelos y las relaciones entre las decisiones y los resultados, antes de que logren utilizar los
marcos intuitivamente. Tiene que aprender sobre los modelos y las formas de usarlos en
diversas situaciones ante de aplicarlos por s mismos. Se necesita prctica.

Escepticismo saludable
Es importante ser escptico. Hay que aprender a cuidarse de los expertos, de las soluciones
proporcionadas por los modelos y, desde luego, de las propias intuiciones. Nuestro socios
ms valiosos son aquellos que dicen No pueden estar en lo cierto! Si fuera as entonces
sabramos que la condicin siguiente tendra que ser cierta y obviamente no lo es, por lo tanto
estn equivocados. El trabajo con modelos de optimizacin ensancha su habilidad parea
analizar y estudiar a fondo la ruta, desde las superposiciones hasta las conclusiones. Las
Tareas para Diagnstico sern diseadas especialmente para demostrar este concepto. Si se
desea encontrar una buena solucin, es primer paso es hacer la pregunta correcta. Se tendr
entonces la oportunidad de trabajar en el desarrollo de esta habilidad.

Concepto de costo
Fijo, marginal, de oportunidad. S, todos hemos estudiado estos conceptos de costo en
contabilidad y economa. Sin embargo, responder correctamente las preguntas sobre costos
que vienen en los exmenes de estos cursos y utilizar los mismos conceptos en la prctica
con eficacia son dos cosas distintas. En este texto, los enfoques se basan, primero en la
asignacin de costos e ingresos a situaciones individuales y, despus, en el uso de la
matemticas para encontrar buenas estrategias. En este caso resulta crucial determinar las
relaciones de costos apropiadas. Es una habilidad que ayudar en cualquier carrera.

Optimalidad y sensibilidad
qu significa la optimalidad en un modelo? Qu significa en el problema real? Qu
relacin hay entre ambos? Tiene importancia? Qu tan sensible es el resultado de un
modelo a las suposiciones que se hicieron y a los estimados de costo? Se enfrentarn a estos
problemas cada vez que haga un clculo, observe los resultados y tome una decisin. Estos
temas se tratan de manera organizada y consistente en todo el desarrollo de la materia.
Se podra seguir hablando de este tema, pero nuestro modelo de atencin indica que
estamos cayendo en rendimientos decrecientes. Termino con un breve comentario sobre el
aprendizaje y la educacin. Nos esforzamos para que el material sea correcto, accesible e

Materia: Investigacin Operativa


Profesor: Ing. Pablo E. Godino

- 14 -

interesante. Contiene problemas con soluciones, exmenes de conceptos importantes, etc.


Sin embargo a quin estuviese destinado es el ingrediente clave. Es posible que haga el
trabajo en la clase que utiliza este material, que obtenga una buena calificacin y que, a pesar
de ello, el material no tenga ningn impacto en usted o en su carrera. Para evitarlo haga
suyas estas ideas, lo que significa que debe integrarlas a su intuicin. Para conseguirlo
necesita pensar de qu manera s se adaptan y de qu manera no a los problemas que
enfrenta fuera de la clase. El texto puede ayudar, el profesor tambin, pero al final de cuentas
usted tiene que hacerlo con base en su propia participacin. Despus de todo, aprender es
una experiencia personal y slo se lo logra con el propio esfuerzo.

1.2. Programacin LINEAL

INTRODUCCIN
A pesar de los grandes adelantos en la optimizacin computacional ocurridos durante
los ltimos 20 aos (por ejemplo, los avances en los mtodos de punto interior), el mtodo
Simplex inventado por George B. Dantzig en 1947 es an la herramienta principal en casi
todas las aplicaciones de la programacin lineal.
Dantzig es considerado como uno de los tres fundadores de la programacin lineal,
compartiendo dicho honor con Von Neumann y Kantorovich. A travs de su investigacin en
teora matemtica, computacin, anlisis econmico y aplicaciones de problemas industriales
ha logrado contribuir ms que cualquier otro investigador al desarrollo de la programacin
lineal.
El trabajo de Dantzig ha sido reconocido con numerosos honores, de entre los cuales
sobresalen: La Medalla Nacional de la Ciencia (1975), el Premio John Von Neumann de la
Sociedad Americana de Investigacin de Operaciones y el Instituto de Ciencias
Administrativas (1974), la membreca en la Academia Nacional de Ciencias, la Academia
Nacional de Ingeniera y la Academia Americana de Ciencia y Arte.
La programacin lineal y sus derivados (tales como la optimizacin no lineal con
restricciones y la programacin entera) han sido capaces de pasar la prueba del tiempo sin
debilitarse, y en nuestros das afectan las prcticas econmicas de las organizaciones y sus
administraciones.
El cientfico computacional Laszlo Lovasz dijo en 1980, "Si se tomaran estadsticas
acerca de cul problema matemtico usa la mayora del tiempo computacional en el mundo
(sin incluir problemas de manejo de bases de datos, como la bsqueda y ordenamiento),
seguramente la respuesta sera la programacin lineal." En ese mismo ao Eugene Lawler de
Berkeley dijo lo siguiente: "La programacin lineal se usa para asignar recursos, planear la
produccin, planear el horario de trabajadores, planear la cartera de inversin y formular
estrategias de mercado (y militares). La versatilidad e impacto econmico de la programacin
lineal en el mundo industrial actual es realmente impresionantes."

Materia: Investigacin Operativa


Profesor: Ing. Pablo E. Godino

- 15 -

1.2.1.

Un problema de Programacin Lineal


Estructura general

MODELOS de Optimizacin Restringida


Formulacin general:

Optimizar (maximizar o minimizar) una funcin que depende de varias variables,


llamada

Funcin Objetivo: f(x1,...,xn)


Sujeta a las restricciones /s.a):

g1 (x1,xn) <= b1
g2 (x1,xn) <= b2
variables

gm (x1,xn) <= bm

restriccin

vector

Siendo:

f: funcin objetivo de utilidad


x1,xn: variables de decisin (n)
g1,gm: funciones de restriccin (m)
b1,bm: vector de recursos o lado derecho (m).

Por qu existen restricciones?


La razn de ser de las restricciones se remiten a varios motivos, por ejemplo:

Tecnologa inmutable a corto plazo: las restricciones tecnolgicas a corto plazo son
inevitables. Por ejemplo, en la elaboracin de un determinado bien, la maquinaria
utilizada tiene una determinada capacidad de produccin, as como limitaciones en
cuanto a costos de tiempos.

Materia: Investigacin Operativa


Profesor: Ing. Pablo E. Godino

- 16 -

Leyes de la naturaleza: evidente al tratarse de produccin agrcola y/o ganadera. Si


bien se puede acelerar el desarrollo de una especie y mejorar el rendimiento gracias a
la tecnologa, siempre hay un lmite dado por la naturaleza.

Cuellos de botella: situaciones inesperadas o fuera de control que restringen nuestro


abanico de alternativas. Ejemplos: huelgas, demoras en una importacin, catstrofes
naturales.

Costos de la investigacin: para conoces ciertas respuestas (demanda futura,


situacin econmica general, evolucin de los mercados, etc.), los costos de la
investigacin pueden ser desproporcionados, por lo que una poltica muy empleada es
imponer restricciones para reducir dichos costos. Como ejemplo, una empresa puede
estar evaluando cmo publicar sus productos, siendo las alternativas muy numerosas.
Imponiendo restricciones, limita la cantidad de estrategias posibles y concentra su
atencin en pocas opciones.

Incertidumbre y anlisis paramtrico: el valor futuro de la tasa de inters es


fundamental para decidir la conveniencia de una inversin, pero suele ser un
parmetro difcil de pronosticar. Por ello, se imponen lmites (superior e inferior) a
dichas tasa y se hace un anlisis paramtrico (o de sensibilidad) para tratar con la
incertidumbre.

Objetivos sustitutos: esta situacin ocurre cuando no es posible cuantificar un objetivo


deseado y se recurre a otro sustituto. Si, por ejemplo, el Ministerio de Defensa quiere
maximizar la disuasin en las zonas limtrofes, para expresar dicho objetivo en un
modelo puede sustituirlo por otro, como puede ser maximizar la presencia militar
(personal y armamento) en los pasos fronterizos.

Intereses particulares por sobre los de la empresa: esta cuestin puede derivar en
situaciones ilegales o, por lo menos, que rozan el lmite de lo tico. Un funcionario
(que puede ser de cualquier rango) puede imponer restricciones a, por ejemplo, una
licitacin pblica o una seleccin de personal que favorecen casualmente a
determinadas empresas o individuos, con quienes tiene una relacin especial.
Estructura jerrquica y delegacin de la autoridad: un caso tpico se da en las
compaas que tienen sucursales en varias localidades. La casa central suele imponer
restricciones a los responsables de cada una de las filiales, ya sea en la contratacin
de servicios o las compras a proveedores.

Ecuaciones de definicin o de balance: son sumamente restrictivas. Como ejemplo, un


modelo logstico puede tener una restriccin de balance de material como:

Cantidad que entra al depsito = Cantidad que sale del mismo

Materia: Investigacin Operativa


Profesor: Ing. Pablo E. Godino

- 17 -

1.2.2.

Identificacin de Variables de decisin


Funcin Objetivo - Restricciones

La programacin Lineal (PL) es un modelo de optimizacin restringida, o de toma de


decisiones restringidas, en la cual tanto la funcin objetivo como las funciones de restriccin
son funciones lineales (o de 1 grado) de las variables de decisin.
Otra definicin: El problema de asignar recursos limitados para optimizar un objetivo
de inters, utilizando nicamente funciones lineales en su formulacin matemtica.
Es un modelo de tipo determinstico. Recordemos que en Estadstica, un fenmeno
determinstico es aquel que obtiene siempre el mismo resultado bajo las mismas
condiciones iniciales. La relacin causa - efecto se conoce en su totalidad, y es siempre la
misma. Ejemplo: todos los fenmenos que siguen las leyes de la fsica clsica, como puede
ser la cada de un cuerpo. Lo contrario de un fenmeno determinstico es un fenmeno
aleatorio.

Elementos de un problema de PL

Programacin Lineal

Beneficios
Maximizar Rendimiento

Funcin objetivo

Eficiencia
Costo
Minimizar
Tiempo

Limitaciones (menor o igual )

Restricciones
Requerimientos (mayor o igual

De definicin o de balance (igual

=)

Variables de decisin (x1,x2,,xn)

Materia: Investigacin Operativa


Profesor: Ing. Pablo E. Godino

- 18 -

Pasos para la construccin del modelo

Identificar las variables de decisin (incgnitas): Qu hay que determinar?


Definir el objetivo en palabras y despus en lenguaje matemtico, en trminos de
las variables de decisin: Cul es la meta u objetivo que se quiere alcanzar?
Expresar las restricciones del problema, primero verbalmente y luego en
smbolos matemticos, en funcin de las variables de decisin: Cules son las
limitaciones y/o requerimientos del problema?
Verificar la existencia de las unidades y del modelo elaborado.

1.2.3.

Restricciones: Holguras y Excesos

Las restricciones pueden ser: activas o inactivas

Activas:

Las restricciones de igualdad (=) son siempre activas.


Las de desigualdad ( ) lo son cuando el primer miembro es igual al lado derecho.
Geomtricamente, las restricciones activas son aquellas que pasan por la solucin ptima.
En el ejemplo anterior, son activas la primera ( xe + 2 xI 6) y la segunda ( 2 xE + xI 8),
que determinan el punto C.

Inactivas:

En las restricciones inactivas de tipo menor o igual (son limitaciones al problema), se


llama holgura a la diferencia entre el lado derecho y el primer miembro de la desigualdad.
En las restricciones inactivas de tipo mayor o igual (son requerimientos del
problema), se llama exceso o excedente a la diferencia entre el lado derecho y el primer
miembro de la desigualdad.
Las restricciones redundantes son aquellas que, si se suprimen, el conjunto factible no
se modifica.

Materia: Investigacin Operativa


Profesor: Ing. Pablo E. Godino

- 19 -

1.3. Interpretacin del Principio de PROGRAMACIN LINEAL

Ejemplo PL: Fbrica de Maquinaria pesada


Se producen dos tipos de maquinarias pesadas (equipos E y F), utilizando los mismos
recursos (departamentos, personal y equipamiento). Se considera que, para el prximo mes,
ser posible vender todos los equipos E y F que se puedan producir. Se deben considerar los
siguientes aspectos.

La utilidad por cada E que se venda es de $5.000 y por cada F, de $4.000.


Ambos equipos pasan por operaciones mecnicas en los departamentos A y B.
Departamento A: 150 horas disponibles. Cada E consume 10 horas y cada F, 15
horas.

Departamento B: 160 horas disponibles. Cada E consume 20 horas y cada F, 10 horas.


Departamento de verificacin: Por un compromiso laboral, no se pueden emplear
menos del 90% de la meta establecida de 150 horas en el control y verificacin de los
productos terminados (=135 horas). Cada E requiere de 30 horas y cada F, de 10.
Debido a la poltica comercial de la empresa, se debe construir por lo menos un F por
cada 3 E.
Existe un pedido en firme por 5 equipos (en cualquier combinacin de E y F).
Consigna: Cuntos E y cuntos F se deben producir? En trminos tcnicos, cul es la
mezcla ptima de productos, o el plan ptimo de produccin?
Variables de decisin:
XE: nmeros de equipos E producidos
XF: nmeros de equipos F producidos.
Restricciones:

Departamento A:
XE

XF

10 (horas por cada E) x (nmero de E producidos) + 15 (horas por cada F) x (nmero de F


producidos) = total de horas usadas en A, que no podrn superar las 150 horas disponibles.

10xE + 15xF
Funcin de
restriccin

Departamento B:

150
Lado derecho o
vector de recursos

20xE +

10xF 160

Materia: Investigacin Operativa


Profesor: Ing. Pablo E. Godino

- 20 -

30xE + 10xF 135

Departamento de verificacin:

Mezcla de produccin:
Construir por lo menos un F cada tres E se expresa matemticamente:

xE/ 3 xF

xE/ 3 xF

Total de unidades:

No negatividad:

xE

3xF 0

xE + xF 5
xE 0, xF 0

Normalmente se aplica una condicin de No Negatividad, ya que no tiene sentido


fsico la produccin de un nmero negativo de equipos.
Los valores de las variables de decisin que satisfagan todas las restricciones del
modelo constituyen una solucin factible (o decisin factible).
Funcin objetivo:

z = 5.000 xE + 4.000 xF (utilidad total)

Solucin ptima: La solucin factible que optimice la funcin objetivo. en este caso,
que maximice la utilidad total. Esto es.

Max. z = 5.000 xE + 4.000 xF


Problema resuelto: Fbrica de Maquinaria pesada
En el ejemplo anterior, el modelo PL formal es:
Max. Z = 5.000 xE + 4.000 xF

(Funcin objetivo)

Sujeto a (s.a):
Las siguientes restricciones
10xE + 15xF 150
20xE + 10xF 160
30xE + 10xF 135

xE 3 xF 0

xE +
xF 5

xE 0, xF 0

(Restricciones)

Materia: Investigacin Operativa


Profesor: Ing. Pablo E. Godino

- 21 -

1.3.1.

El Mtodo GRFICO

(SOLUCIN GRFICA al problema planteado)


Se resolver en forma grfica el ejemplo planteado en el ejemplo Fbrica de
maquinaria pesada . Esto es posible debido a que tiene dos variables de decisin. Para
modelos que no sean bidimensionales, este mtodo es imprctico o imposible. Sin embargo,
las conclusiones que extraern sern extrapolares o problemas de dimensiones y servirn de
base para el mtodo de solucin general.
En primer lugar, se graficar el espacio de soluciones (factible), que satisfaga todas las
restricciones en forma simultnea. Tambin se lo llama conjunto factible, regin factible o
conjunto restringido. Esto ser el espacio delimitado por la totalidad de las restricciones. Para
dibujarlo, se seguirn los siguientes pasos con cada restriccin:

Cambiar la desigualdad por igualdad y graficar la recta que representa dicha ecuacin.
Tomar un punto de ensayo y verificar si cumple o no la desigualdad. Si la recta no
pasa por el origen (0,0), ste ser el punto de ms fcil comprobacin.
Indicar con una flecha el semiplano correcto.

A continuacin, se desarrollar el citado ejemplo paso a paso, a partir del modelo PL


formal ya obtenido:

Max. Z = 5.000 xE + 4.000 xF


Sujeto a (s.a):
1) 10 xE + 15 xF 150
2) 20 xE + 10 xF 160
3) 30 xE + 10 xF 135
4)
xE - 3 xF
0
5)
xE +
xF
5
6)
xE 0
7)
xF
0

Materia: Investigacin Operativa


Profesor: Ing. Pablo E. Godino

- 22 -

1.3.2 . Interpretacin Grfica de restricciones


Espacio de soluciones factibles
A la primera restriccin (10 xE + 15 xF 150) se la transforma en igualdad (10 xE + 15 xF =
150) y se grafica la recta determinando los puntos en donde ella corta a cada eje. Para
averiguar los puntos de interseccin con cada eje, se anula (se hace cero) la otra variable:

En xE: 150/10 = 15
En xF: 150/15 = 10

Como en realidad se trata de una desigualdad, para determinar cul es el semiplano


correcto, se toma (por comodidad) el origen de coordenadas (0,0) ya que la recta no pasa por
l.

Para verificar si cumple con la desigualdad, se reemplazan las variables por las
coordenadas del origen (xE = 0; xF = 0):

10 xE + 15 xF 150
10 x 0 + 15 x 0 = 0 < 150

VERIFICA la desigualdad!

Materia: Investigacin Operativa


Profesor: Ing. Pablo E. Godino

- 23 -

Por lo tanto, el punto analizado se encuentra en el lado factible, lo cual se indica con
una flecha direccional asociada con la primera restriccin que apunta hacia el origen de
coordenadas. Asimismo, se indica en el grfico con un rayado los puntos que verifican la
desigualdad (el semiplano que cumple con la primera restriccin).

De la misma manera, se dibujan superpuestas todas las restricciones del problema.


La segunda restriccin (20 xE + 10 xF 160) es muy similar a la primera en su
tratamiento, obtenindose entonces el siguiente grfico:

Materia: Investigacin Operativa


Profesor: Ing. Pablo E. Godino

- 24 -

Al rayar en sentido opuesto el semiplano que verifica la segunda desigualdad, se


observa que los puntos que cumplen simultneamente con ambas restricciones son aquellos
que se encuentran en el rea donde se superponen los rayados (rayado doble), por lo que
se reduce la cantidad de soluciones factibles.
Al dibujar la tercera restriccin (30 xE + 10 xF 135), se notar que al utilizar el origen
de coordenadas (0,0) para determinar el semiplano correcto, no verifica la desigualdad:

30 xE + 10 xF 135
30 x 0 + 10 x 0 = 0 < 135 (no es )

NO VERIFICA

Por lo tanto, la flecha direccional apunta en sentido contrario


al origen de
coordenadas (arriba y a la derecha), y los puntos que verifican la tercera restriccin se
muestran con un rayado vertical.

De esta manera, a medida que se agregan restricciones, la regin factible (o sea, los
puntos que cumplen con las restricciones) se va acotando, siendo ahora el rea donde se
superponen los tres rayados. A fin de aclarar el dibujo, se quitar el rayado de los grficos
que se hagan a continuacin.
Para graficar la cuarta restriccin (xE 3 xF 0), se procede de la misma manera que
con las anteriores, pero en este caso, al querer determinar el semiplano correcto, no se puede
utilizar el origen de coordenadas, porque la recta pasa por ese punto. Se toma otro punto
cualquiera, pero para simplificar, es preferible verificar con alguno que tenga una coordenada
nula (xE = 0 xF = 0). En este ejemplo se adopta el punto (10,0) sobre el eje xE. entonces:

xE 3 xF 0
10 3 x 0 = 10

> 0 (no es ) NO VERIFICA

Materia: Investigacin Operativa


Profesor: Ing. Pablo E. Godino

- 25 -

De acuerdo a esto, la flecha direccional apunta hacia arriba, en sentido opuesto al


punto considerado.
Luego, el trazado de la quinta restriccin ( xE + xF
inconvenientes.

5) no presenta mayores

Las dos ltimas restricciones (de no negatividad) indican los semiplanos positivos de cada
una de las variables, o sea:

xE ser positivo desde el eje xF hacia la derecha (6).


xE ser positivo desde el eje xE hacia arriba (7).

As, quedan graficadas todas las restricciones.

La regin factible ser el rea delimitada por la totalidad de


las restricciones (rayado doble). Cualquier punto que se encuentre
dentro de esa zona ser una solucin factible al problema planteado.
Esto significa que existen infinitas soluciones al problema, siempre y
cuando se encuentren dentro de la regin factible.

El grfico de la siguiente pgina muestra la regin factible correspondiente al


problema planteado.

Materia: Investigacin Operativa


Profesor: Ing. Pablo E. Godino

- 26 -

1.3.4. Interpretacin Grfica de la Funcin Objetivo


Solucin ptima
Pero lo que realmente se pretende averiguar es cul es la solucin ptima, esto es,
cul es el punto que maximiza los beneficios para la empresa, se pasa entonces a la segunda
parte de la solucin grfica, en donde se considera la funcin objetico z, que representa una
familia de rectas paralelas, cada una de ellas con distinto valor objetivo. se determinar cul
es el sentido creciente de dicho valor (en el caso de maximizacin) o el decreciente
(minimizacin), hasta el punto en que cualquier incremento (mx.) o decremento (min.)
producira una solucin infactible (fuera del espacio de soluciones).
Se procede a graficar dicha funcin (z = 5.000 xE
necesario valorizarla. En esta caso, se hace:

z = 20.000

+ 4.000 xF , para lo cual es

5.000 xE + 4.000 xF = 20.000

Por lo tanto, los puntos donde dicha recta cortar a los ejes sern:

en xE: 20.000/5.000 = 4
en xF: 20.000/4.000 = 5

(se puede apreciar esto en el grfico de la siguiente pgina)

Materia: Investigacin Operativa


Profesor: Ing. Pablo E. Godino

- 27 -

El sentido creciente para esta funcin es hacia arriba y hacia la derecha, lo cual se puede
comprobar valorizando, como se muestra en la figura siguiente ( z = 40.000 ). Ntese que
esta ltima es paralela a la anterior.

Se busca entonces el punto lmite para el cual cualquier incremento adicional se


encontrar fuera del conjunto restringido. Esto se da en el punto donde se intersecan las
rectas que definen la primera y la
segunda restriccin (solucin ptima).

Para resolver cules son las


coordenadas de dicho punto, hay que
resolver el sistema de dos ecuaciones
con dos incgnitas, correspondientes a
las dos primeras restricciones.

10 xE + 15 xF 150
20 xE + 10 xF 160

Materia: Investigacin Operativa


Profesor: Ing. Pablo E. Godino

- 28 -

Resolviendo por cualquier mtodo conocido el sistema de dos ecuaciones con dos
incgnitas nos queda:
xE = 4,5 y xF = 7

(solucin ptima)

La utilidad asociada se obtiene reemplazando en la funcin objetivo z los


valores de xE y de xF por los calculados.

Z = 5.000 xE + 4.000 xF
Z = 5.000 x 4,5 + 4.000 x 7 = $50.500 (valor ptimo)

Ejemplo de PL: Fbrica de pinturas


Se producen pinturas para exteriores y para interiores utilizando dos materiales
bsicos, a y b, cuya disponibilidad mxima es de 6 y 8 toneladas diarias, respectivamente.
Para obtener 1 Tn de pintura para exteriores se necesitan 1 Tn de A y 2 Tn de B; para 1 Tn de
pintura para interiores, 2 Tn de A y 1 Tn de B.
De un estudio de mercado se determin que:

La demanda diaria de pintura para interiores no pude ser mayor que la de pintura para
exteriores en ms de 1 Tn.
La demanda mxima de pintura para interiores es de 2 Tn por da.

El precio por tonelada es de $3.000 para la pintura de exteriores y de $2.000 para la


de interiores.
Cunta pintura de cada tipo se debe producir para maximizar el ingreso bruto?
Modelo PL formal:
xE: produccin diaria (en Tn) de pintura para exteriores
xF: produccin diaria (en Tn) de pintura para interiores

MXIMO. Z = 3 xE + 2 xI (Funcin objetivo, expresada en miles de $)

s.a. (restricciones):

xE
+ 2 xI 6 (Disponibilidad de materia prima A)
2 xE +
xI 8 (Disponibilidad de materia prima B)
- xE +
xI 1 (Exceso de pintura para interiores sobre exteriores)

Materia: Investigacin Operativa


Profesor: Ing. Pablo E. Godino

- 29 -

xE 0,

xI 2 (Demanda mxima de pintura para interiores)


xI 0 (No negatividad)

Problema resuelto: Fbrica de pinturas


A continuacin, se resolver el ejemplo planteado anteriormente. Los pasos a seguir
son los mismos que para el problema anterior.
Para comenzar a graficar el conjunto factible, a la primera restriccin (xE + 2 xI 6)
se la transforma en igualdad (xE + 2 xI = 6) y se grafica la recta determinando los puntos en
donde ella corta cada eje:

en xE: 6/1 = 6
en xI: 6/2 = 3

Para determinar cul es el semiplano correcto, se toma el origen de coordenadas (0,0)


ya que la recta no pasa por l. Para verificar si cumple con la desigualdad, se reemplazan las
variables por las coordenadas del origen (xE = 0; xI = 0):

xE + 2 xI 6
0 + 2 x 0 = 0 < VERIFICA

Por lo tanto, el punto analizado se encuentra en el lado factible, lo cual se indica con
una flecha direccional asociada con la primera restriccin.
De la misma manera, se dibujan las dems restricciones, superpuestas en el grfico
de la pgina siguiente.
Se recomienda realizar el ejercicio completo a manera de prctica, ya que la
resolucin de un ejemplo es la base de este mdulo.
Todas las rectas establecidas como restricciones delimitan el conjunto factible, que es
el rea sombreada en color sepia.
En el ejemplo, est dibujada la funcin objetivo valorizada en:
Z=6

(3 xE + 2 xI = 6).

La funcin objetivo est graficada como una lnea levemente ms gruesa que las
dems lneas rectas que representan restricciones.
El sentido creciente para esta funcin es hacia arriba y hacia la derecha, lo cual se
puede comprobar valorizando la funcin objetivo z en otros valores (mayores que 6). Se
busca entonces el punto lmite para el cual cualquier incremento adicional se encontrar fuera
del conjunto restringido.

Materia: Investigacin Operativa


Profesor: Ing. Pablo E. Godino

- 30 -

En el grfico anterior se muestra la solucin del problema. Se observa que la solucin


ptima ocurre en el punto C, interseccin de las rectas 1 y 2, por lo que los valores de xE y de
xI surgen de resolver el siguiente sistema de dos ecuaciones con dos incgnitas.

xE + 2 xI = 6
2 xE +

xI = 8

Resolviendo: xE = 3,333 Tn y xI = 1,333 Tn

(solucin ptima)

El ingreso asociado se obtiene reemplazando en la funcin objetivo z los valores de xE y de


xI por los calculados:
z = 3 xE

2 xI

z = 3 x 3,333 + 2 x 1,333 = 12,666 miles de $ (valor ptimo)


Resumiendo, el modelo de PL determina que la produccin ptima es fabricar 3,333
Tn de pintura para exteriores y 1,333 Tn de pintura para interiores, logrndose de esta
manera el mximo ingreso bruto posible de $ 12.666 por da, sujeto a las restricciones
analizadas.

Materia: Investigacin Operativa


Profesor: Ing. Pablo E. Godino

- 31 -

Importante:

La solucin del problema se da en un vrtice de la regin factible, tambin llamado


punto extremo. La determinacin del vrtice depende de la pendiente (relacin entre
los coeficientes) de la funcin objetivo.
Se puede demostrar que en un problema de PL, si existe una solucin ptima, hay por
lo menos un vrtice ptimo.

Ejercicios propuestos para resolver


Resuelva por el mtodo grfico los ejemplos planteados en Fbrica de televisores y
Mezcla de Alimentos. Tome en cuenta que este ltimo problema es un caso de
minimizacin, por lo que se determinar el sentido decreciente de la funcin objetivo.
asimismo, dos de las restricciones pasan por el origen y para determinar el semiplano que
verifica la desigualdad, ser necesario tomar otro punto de ensayo (cualquiera,
preferentemente con una de las coordenadas nulas para simplificar el clculo).
Las respuestas a estos problemas se encuentran en forma de tabla al final del planteo .

Ejemplo de PL: Fbrica de televisores


Una compaa produce dos tipos de televisores, el modelo P y el modelo R. Hay dos
lneas de produccin, una por cada tipo, con una capacidad limitada a 70 unidades P y a 50
unidades R por da. Ambos modelos pasan por dos departamentos, A y B, los cuales
disponen de un mximo de 120 y 90 horas de trabajo diarias, respectivamente. En el A, cada
P requiere 1 hora de trabajo, y cada R, de 2 horas. En el B, ambos modelos demandan 1 hora
de trabajo cada uno. La utilidad por cada P es de $20 y de $10 por cada R. considerando que
la compaa puede vender toda la produccin, cul es el plan diario?
Modelo PL formal:
xP: produccin diaria del modelo P
xR: produccin diaria del modelo R
MXIMO Z = 20 xP + 10 xR (Funcin objetivo)
s.a. (restricciones):

xP + 2 xR
xP +
xR
xP
xR
xP
xR

<= 120 (Departamento A)


<= 90 (Departamento B)
<= 70 (Capacidad de produccin del modelo B)
<= 50 (Capacidad de produccin del modelo R)
>= 0
(No negatividad)

Materia: Investigacin Operativa


Profesor: Ing. Pablo E. Godino

- 32 -

La solucin es:

Ejemplo
Fbrica de
televisores

Solucin ptima
xp = 70
xr = 20

Valor ptimo
Z = $ 1600

Ejemplo de PL: Mezcla de alimentos


Un productor ganadero utiliza diariamente por lo menos 800 kg de alimento especial,
preparado con una mezcla de maz y semilla de soja, con las siguientes composiciones:

Alimento para
ganado
Maz
Semilla de soja

Kg/kg de alimento para ganado


Protenas
Fibra
0.09
0.02
0.60
0.06

Costo
($/kg)
0.30
0.90

Los requerimientos dietticos estipulan, por lo menos, un 30% de protenas y, como


mximo, un 5% de fibra. Se pretende determinar el costo mnimo diario de la mezcla de
alimentos.
Modelo PL formal:
xm: cantidad de maz (en kg) en la mezcla de alimentos
xs: cantidad de semillas de soja (en kg) en la mezcla de alimentos

Min. Z = 0,30 xm + 0,90 xs (Funcin objetivo)

s.a. (restricciones)

xm + xs 800

0,09 xm + 0,60 xs 0,30 (xm xs)


0,09 xm + 0,60 xs 0,30 xm + 0,30 xs
0,09 xm + 0,60 xs - 0,30 xm - 0,30 xs 0
-0,21 xm + 0,30 xs 0
(Requerimiento de protenas)

0,02 xm + 0,06 xs 0,05 (xm + xs)


0,02 xm + 0,06 xs 0,05 + 0,05 xs
0,02 xm + 0,06 xs - 0,05 xm - 0,05 xs 0
-0,03 xm + 0,01 xs 0
(Limitacin en fibras)

(Necesidad diaria)

Materia: Investigacin Operativa


Profesor: Ing. Pablo E. Godino

- 33 -

xm, xs

(No negatividad)

La solucin es:

Ejemplo
Mezcla de
Alimentos

Solucin ptima
xm = 470,6
xs = 329,4

Valor ptimo
Z = $ 437,64

Casos especiales

Problema no acotado:
Se da cuando el conjunto factible no est acotado y la funcin objetivo se puede
incrementar (en el caso de una maximizacin) o decrementar (minimizacin)
ilimitadamente. En la prctica, esto es imposible, ya que no es posible obtener
beneficios (mx.) o costos negativos (min.) infinitos. Esto quiere decir que hay un error
en la formulacin del modelo, posiblemente debido a que no se incluyeron en el mismo
una o varias restricciones que, justamente, acotan la regin factible.

Materia: Investigacin Operativa


Profesor: Ing. Pablo E. Godino

- 34 -

Problema no factible:
Es el caso de un conjunto factible vaco (no existe ninguna solucin posible). Al igual
que en el caso anterior, se produce por un error en la formulacin del problema, ya
sea por una cantidad excesiva de restricciones o la inclusin de restricciones
incorrectas.

Degeneracin:
Es un caso particular que influye principalmente cuando se hace anlisis del problema
por computadora, ya que entra en un bucle o ciclo que retrasa notablemente los
clculos. Se da cuando por un vrtice de la regin factible pasan ms de dos
restricciones, por lo que una de ellas es redundante y el punto est determinado en
exceso.

Materia: Investigacin Operativa


Profesor: Ing. Pablo E. Godino

- 35 -

ptimos mltiples u opciones ptimas:


Ocurre cuando la funcin objetivo z es paralela a una restriccin no acotada.
Entonces, la funcin objetivo tendr el mismo valor ptimo en ms de un punto del
conjunto factible, pudiendo seleccionar varias alternativas sin deterioro de dicho valor
ptimo.

Materia: Investigacin Operativa


Profesor: Ing. Pablo E. Godino

- 36 -

ANEXO
Problema resuelto: Fbrica de pinturas
ANLISIS DE SENSIBILIDAD
Cmo afecta a la solucin ptima los cambios en los parmetros del modelo
de PL? El anlisis de sensibilidad estudia principalmente las modificaciones en los
coeficientes de costo/ganancia (de la funcin objetivo) y en las cantidades de recursos
disponibles (lado derecho de las restricciones).

Disminucin de ce
Incremento de ci

Incremento de ce
Disminucin de ci

Cambios en los coeficientes de la funcin objetivo


Se puede expresar la funcin objetivo como: z = Ce + cI xI
En el ejemplo analizado, Ce = 3 y cI = 2 son los precios por Tn de la pintura
para exteriores y para interiores respectivamente. Lo que se quiere determinar es cul

Materia: Investigacin Operativa


Profesor: Ing. Pablo E. Godino

- 37 -

es la variacin que puede sufrir estos valores sin que se modifique la ptima
encontrada anteriormente.
Matemticamente, el punto C ser ptimo mientras se cumpla:
pend CD pend z pend CB 1/2 Ce / cI 2/1
Ambos coeficientes pueden modificarse simultneamente, lo cual implica el
problema, o se puede mantener uno de ellos fijo, estableciendo as el rango de
variacin del otro:

Si cI = 2 (fijo) 1 cE 4
Si cE = 3 (fijo) 3/2 cI 6

Dentro de los valores indicados, el punto C seguir siendo ptimo, por lo que
no ser necesario re-calcular la produccin.

Cambios en los lados derechos de las restricciones


Los lados derechos de las restricciones se refieren a los recursos disponibles y
a los requerimientos del problema.
Un cambio en el lado derecho de una restriccin har que la recta asociada se
desplace paralela a s misma.

Restriccin 1: (xE + 2 xI 6): Disponibilidad de materia prima A: ser activa mientras


se mueva entre los puntos K y B.

En B (4,0): 1 x 4 + 2 x 0 = 4 Tn Lmite inferior (funcin de restriccin)


z = 3 x 4 + 2 x 0 = 12 miles $ (valor de la funcin objetivo)
En K (3,2): 1 x 3 + 2 x 2 = 7 Tn Lmite superior (funcin de restriccin)
z = 3 x 4 + 2 x 0 = 13 miles $ (valor de la funcin objetivo)
y1 = ( 13 - 12) / (7 4) = 1/3 miles $ / Tn materia prima A

y1 representa el valor unitario de la materia prima A.


Tcnicamente, se lo denomina precio dual y muestra la mejora en el valor
ptimo del objetivo cuando el lado derecho de la restriccin asociada aumenta a una
unidad, con los dems datos fijos.
En el ejemplo, si se dispusiera de una Tn ms de materia prima A, el ingreso
asociado (funcin objetivo) aumentara en 1 / 3 miles $, o sea $ 333.

Restriccin 3: (2 xE + xI 8): disponibilidad de materia prima B: Ser activa entre los


puntos D y J. Operando en forma similar:

Materia: Investigacin Operativa


Profesor: Ing. Pablo E. Godino

- 38 -

Y2 = (18 10) / (12 6) = 4/3 miles $ / Tn materia prima B

Restriccin 3: ( - xE + xI 1): Ser inactiva mientras su lado derecho se encuentre en


el intervalo (-2, infinito)

Z = constante (no vara)


Precio dual: y3 = 0
Restriccin 4: (xI 2 ): Ser inactiva mientras su lado derecho se encuentre en
el intervalo (4 /3, infinito)
Z = constante (no vara)
Precio dual: y4 = 0
Estrechar: Una desigualdad significa hacerla ms difcil de satisfacer, al aumentar
(para restricciones de tipo ) o disminuir (para restricciones de tipo ) su lado
derecho.
Relajar: Es lo contrario: se la hace ms fcil de satisfacer.

Hemos llegado al final del mdulo, espero se hayan comprendido bien los
conceptos, ejercicios y ejemplos. Luego de la lectura comprensiva del contenido,
observa si puedes realizar la ejercitacin planteada. sa ser tu referencia para saber
si el tema se ha aprendido. xito y adelante!

Materia: Investigacin Operativa


Profesor: Ing. Pablo E. Godino

- 39 -