El problema del carpintero.

El problema del carpintero se trata de determinar cuántas mesas y sillas debe fabricar por
semana; pero primero se debe establecer una función objetivo La función objetivo es:
5X1 + 3X2, donde X1 y X2 representan la cantidad de mesas y sillas; 5 y 3 representan los
ingresos netos de la venta de una mesa y una silla (cantidades en cientos de pesos),
respectivamente.
Los factores limitantes, que normalmente provienen del exterior, son las limitaciones de la
mano de obra (esta limitación proviene de la familia del carpintero) y los recursos de
materia prima (esta limitación proviene de la entrega programada). Se miden los tiempos
de producción requeridos para una mesa y una silla en distintos momentos del día y se
calculan en 2 horas y 1 hora, respectivamente. Las horas laborales totales por semana
son sólo 40. La materia prima requerida para una mesa y una silla es de 1 y 2 unidades,
respectivamente. El abastecimiento total de materia prima es de 50 unidades por semana.

En consecuencia, la formulación de PL es la siguiente:

Maximizar 5 X1 + 3 X2
Sujeta a:
2 X1 + X2 ≤ 40 restricción de mano de obra
X1 + 2 X2 ≤ 50 restricción de materiales

tanto X1 como X2 son no negativas.

Este es un modelo matemático para el problema del carpintero. Las variables de decisión,
es decir, las entradas controlables son X1, y X2. La salida o el resultado de este modelo
son los ingresos netos totales 5 X1 + 3 X2. Todas las funciones empleadas en este modelo
son lineales (las variables de decisión están elevadas a la primera potencia). El
coeficientes de estas restricciones se denominan Factores Tecnológicos (matriz). Los
período de revisión es de una semana, un período conveniente dentro del cual es menos
probable que cambien (fluctúen) las entradas controlables (todos los parámetros tales
como 5, 50, 2,..). Incluso en un plazo de planificación tan corto, debemos realizar el
análisis what-if o de hipótesis para responder a cualquier cambio en estas entradas a los
efectos de controlar el problema, es decir, actualizar la solución prescripta.
Nótese que dado que el Carpintero no va a ir a la quiebra al final del plazo de
planificación, agregamos las condiciones que tanto X1 como X2 deben ser no negativas en
lugar de los requerimientos que X1 y X2 deben ser números enteros positivos. Recuerde
que las condiciones de no negatividad también se denominan "restricciones implícitas".
Nuevamente, un Programa Lineal funcionaría bien para este problema si el Carpintero
continúa fabricando estos productos. Los artículos parciales simplemente se contarían
como trabajos en proceso y finalmente se transformarían en productos terminados, en la
siguiente semana.
Podemos intentar resolver X1 y X2 enumerando posibles soluciones para cada una y
seleccionado el par (X1, X2) que maximice 5X1 + 3X2 (los ingresos netos). Sin embargo,
lleva mucho tiempo enumerar todas las alternativas posibles y si no se enumeran todas
las alternativas, no podemos estar seguros de que el par seleccionado (como una
solución) es
la mejor de todas las alternativas. Otras metodologías preferidas (más eficientes y
efectivas), conocidas como las Técnicas de Soluciones de Programación Lineal están
disponibles en el mercado en más de 4000 paquetes de software de todo el mundo.
La solución óptima, es decir, la estrategia óptima, es establecer X1 = 10 mesas y X2 = 20
sillas. Programamos las actividades semanales del carpintero para que fabrique 10 mesas
y 20 sillas. Con esta estrategia (óptima), los ingresos netos son de US$110. Esta . Esta
solución prescripta sorprendió al carpintero dado que debido a los mayores ingresos netos
provenientes de la venta de una mesa (US$5), el solía fabricar más mesas que sillas.
¿Contratar o no contratar a un ayudante? Supóngase que el carpintero pudiera contratar a
un ayudante a un costo de US$2 por hora (adicionales $2) ¿Le conviene al carpintero
contratar a un ayudante? En caso afirmativo, ¿por cuántas horas?
X3 es la cantidad de horas extra, entonces el problema modificado es:

Maximizar 5 X1 + 3 X2 - 2 X3
Sujeta a:
2 X1 + X2 40 + X3 restricción de la mano de obra con horas adicionales desconocidas
X1 + 2 X2 50 restricción de materiales

En esta nueva condición, veremos que la solución óptima es X1 = 50, X2= 0, X3 = 60, con
ingresos netos óptimos de US$130. Por lo tanto, el carpintero debería contratar a un
ayudante por 60 horas. ¿Qué pasaría si sólo lo contrata por 40 horas? La respuesta a
esta pregunta y a otros tipos de preguntas del estilo "qué pasaría si" (what-if) se estudia
en la sección sobre análisis de sensibilidad en este sitio Web.

Método de Solución Gráfica

Dado que somos una especie visual (especialmente la cultura estadounidense), debido a
nuestro sistema educativo, muchas de las herramientas de enseñanza escolar utilizadas
en la actualidad son de naturaleza gráfica. Les enseñamos a leer mostrándoles figuras de
las cosas. Les enseñamos a contar mostrándoles el orden de los números. En
consecuencia, nuestros receptores visuales se agudizan a expensas de otras funciones
cognitivas. También he descubierto que las personas de negocios responden mejor a los
gráficos y a los cuadros que a los números.

Procedimiento para el Método Gráfico de Solución de Problemas de PL:

1. ¿El problema es un problema de PL? La respuesta es afirmativa si y sólo si: Todas
las variables están elevadas a la primera potencia y son sumadas o restadas (no
dividas ni multiplicadas). La restricción debe adoptar alguna de las siguientes
formas ( , , o =, es decir que las restricciones de PL siempre están cerradas), y el
objetivo debe ser de maximización o minimización.
2. ¿Puedo utilizar el método gráfico? La respuesta es afirmativa si la cantidad de
variables de decisión es 1 o 2.
3. Utilice papel milimetrado. Grafique cada restricción, una por una, como si fueran
igualdades (como si todo y , es = ) y luego trace la línea.
4. A medida que se crea cada línea, divida la región en 3 partes con respecto a cada
línea. Para identificar la región factible para esta restricción en particular, elija un
punto en cualquier lado de la línea y coloque sus coordenadas en la restricción, si
satisface la condición, este lado es factible, de lo contrario el otro lado es factible.
En el caso de restricciones de igualdad, sólo los puntos sobre la línea son
factibles.
5. Elimine los lados que no son factibles.
Una vez graficadas todas las restricciones, debe generarse una región factible no
vacía (convexa), salvo que el problema sea no factible.
6. Cree (como mínimo) dos líneas de igual valor desde la función objetivo, fijando la
función objetivo en dos números distintos cualquiera. Grafique las líneas
 resultantes. Al mover estas líneas paralelas, encontrará el vértice óptimo (punto
extremo), si es que existe.
En general, si la región factible se encuentra dentro del primer cuadrante del
sistema de coordenadas (es decir si X1 y X2 0), entonces, para los problemas de
maximización, usted debe mover la función objetivo de igual valor (función iso)
paralela a sí misma lejos del punto de origen (0, 0), como mínimo, teniendo a la
vez un punto en común con la región factible. Sin embargo, para los problemas de
minimización, debe realizar lo opuesto, es decir, mover la función objetivo de igual
valor (función iso) paralela a sí misma acercándola al punto de origen, a su vez
teniendo como mínimo un punto en común con la región factible.
El punto común proporciona la solución óptima.

Recuerde que las restricciones de PL proporcionan los vértices y las esquinas. Un

vértice es la intersección de 2 líneas o en general, n hiperplanos en problemas de
PL con n variables de decisión. Una esquina es un vértice que además es factible.

El Problema del Carpintero

Maximizar 5 X1 + 3 X2
Sujeta a:
2 X1 + X2 40
X1 + 2 X2 50
Y además X1, X2 son no negativas.
Nota: Existe una alternativa del abordaje de la función objetivo de igual valor con
problemas que tienen pocas restricciones y una región factible acotada. Primero busque
todas las esquinas, también llamadas puntos extremos. Luego, evalúe la función objetivo
en los puntos extremos para llegar al valor óptimo y a la solución óptima.
Por ejemplo, en el problema del carpintero, la región factible convexa proporciona los
puntos extremos con las coordenadas que figuran en la siguiente Tabla:

Dado que el objetivo es maximizar, de la tabla anterior surge que el valor óptimo es 110,
el cual se obtiene si el carpintero sigue la estrategia óptima de X1 = 10 y X2 = 20.
La principal deficiencia del método gráfico es que se limita a resolver problemas lineales
que tengan sólo 1 o 2 variables de decisión. Sin embargo, la conclusión principal y útil a la
que podemos arribar a partir del análisis de los métodos gráficos es la siguiente:
Si un programa lineal tiene una región factible acotada no vacía, la solución óptima
es siempre uno de los puntos extremos. .
La prueba de esta afirmación surge de los resultados de los siguientes dos hechos:

Hecho N° 1: La región factible de cualquier programa lineal es siempre un conjunto

convexo.
Debido a que todas las restricciones son lineales, la región factible (R.F.) es un polígono.
Además, este polígono es un conjunto convexo. En cualquier problema de PL que tenga
más de dos dimensiones, los límites de la región factible son partes de los hiperplanos, y
la región factible en este caso se denomina poliedro y también es convexa. Un conjunto
convexo es aquel en el cual si se eligen dos puntos factibles, todos los puntos en el
segmento de la línea recta que une estos dos puntos también son factibles. La prueba de
que la región factible de los programas lineales son siempre conjuntos convexos surge
por contradicción. Las siguientes figuras ilustran ejemplos de los dos tipos de conjuntos:
un conjunto no convexo y un conjunto convexo.
El conjunto de la región factible en cualquier programa lineal se denomina poliedro y si
está acotado se denomina politopo.

Hecho N° 2: El valor iso de una función objetivo de un programa lineal es siempre una
función lineal.
Este hecho surge de la naturaleza de la función objetivo de cualquier roblema de PL. Las
siguientes figuras ilustran las dos clases típicas de funciones objetivo de igual valor
(función iso).

De la combinación de los dos hechos expresados arriba surge que si un programa lineal
tiene una región factible acotada no vacía, la solución óptima es siempre uno de los
puntos extremos.
Para superar la deficiencia del método gráfico, utilizaremos esta conclusión útil y práctica
en el desarrollo de un método algebraico aplicable a problemas de PL multidimensionales.
La convexidad de la región factible de los programas lineales facilita la resolución de
problemas de PL. Debido a esta propiedad y a la linealidad de la función objetivo, la
solución es siempre uno de los vértices. Asimismo, dado que la cantidad de vértices es
limitada, todo lo que debemos hacer es buscar todos los vértices factibles y luego evaluar
la función objetivo en dichos vértices para encontrar el punto óptimo.
En el caso de programas no lineales, el problema es mucho más difícil de resolver porque
la solución podría estar en cualquier parte dentro de la región factible, en el límite de la
región factible o en un vértice.
Por suerte, la mayoría de los problemas de optimización empresarial son lineales y es por
eso que la PL es tan popular. Hoy en día, existen más de 400 paquetes de software en el
mercado para resolver problemas de PL. La mayoría se basa en la búsqueda de vértices.
Esto equivale a pasar de un vértice a otro cercano en busca de un punto óptimo.
Vínculo entre Programación Lineal y Sistemas de Ecuaciones
George Dantzig la programación lineal es estrictamente "la teoría y la solución de
sistemas lineales de desigualdad". Probablemente ya ha notado que las soluciones
básicas de un programa lineal son las soluciones de los sistemas de ecuaciones que
constan de restricciones en una posición obligatoria.
Por ejemplo, en el caso del Problema del Carpintero, se pueden calcular todas las
soluciones básicas, tomando dos ecuaciones cualquiera y resolviéndolas al mismo
tiempo. Luego, se utilizan las restricciones de las otras ecuaciones para verificar la
factibilidad de esta solución. Si es factible, esta solución es una solución básica factible
que proporciona las coordenadas de un punto extremo de la región factible. Para ilustrar
el procedimiento, considere las restricciones del Carpintero en la posición obligatoria (es
decir todas con signo =):
2X1 + X2 = 40
X1 + 2X2 = 50
X1 = 0
X2 = 0
Aquí tenemos 4 ecuaciones con 2 incógnitas. Existen como máximo = 4! / (2! 2!) = 6
soluciones básicas. Si resolvemos los seis sistemas de ecuaciones resultantes tenemos:
Seis Soluciones Básicas con Cuatro Soluciones Básicas Factibles
X1 X2 5X1 + 3X2
10 20 110*
0 40 No factible
20 0 100
0 25 75
50 0 No factible
0 0 0
Cuatro de las soluciones básicas que figuran arriba son soluciones básicas factibles que
satisfacen todas las restricciones y pertenecen a los vértices de la región factible. Al incluir
la solución básica factible en la función objetivo, podemos calcular el valor óptimo.
Entonces, de la tabla anterior surge que la solución óptima es X1 = 10, X2 = 20, con un
valor óptimo de US$110. Este abordaje puede aplicarse para resolver problemas de PL de
más dimensiones.

Extensión a Mayores Dimensiones

El Método Gráfico se limita a resolver problemas de PL con una o dos variables de
decisión. Sin embargo, proporciona una clara ilustración de dónde se encuentran las
regiones factibles y no factibles así como también los vértices. Desarrollar una
comprensión visual del problema contribuye a un proceso de pensamiento más racional.
Por ejemplo, ya vimos que: si un programa lineal tiene una región factible acotada no
vacía, la solución óptima es siempre uno de los vértices de su región factible (una esquina
o punto extremo). Como resultado, lo que debemos hacer es buscar todos los puntos de
intersección (vértices) y luego examinar cuál de todos los vértices factibles proporciona la
solución óptima. Ahora, aplicando conceptos de Geometría Analítica, sortearemos esta
limitación de la visión humana. El Método Algebraico está diseñado para extender los
resultados del método gráfico a problemas de PL multidimensionales, tal como se ilustra
en el siguiente ejemplo numérico.