Balanceo de Raciones Cerdos PDF

UNIVERSIDAD NACIONAL ABIERTA
VICERRECTORADO ACADÉMICO
ÁREA DE INGENIERÍA
CARRERA INGENIERÍA DE SISTEMAS
“FORMULACIÓN DE UN PROBLEMA DE PROGRAMACIÓN

LINEAL PARA LA PREPARACIÓN DE RACIONES
ALIMENTICIAS PARA GANADO PORCINO”
Trabajo de grado presentado ante la

Universidad Nacional Abierta
Por Edgar José Márquez Fuentes
Para obtener el título de
Ingeniero de Sistemas
Cumaná, Octubre, 2006
SÓLO PARA FINES ACADÉMICOS Y EDUCATIVOS

UNIVERSIDAD NACIONAL ABIERTA
VICERRECTORADO ACADÉMICO
ÁREA DE INGENIERÍA
CARRERA INGENIERÍA DE SISTEMAS
“FORMULACIÓN DE UN PROBLEMA DE PROGRAMACIÓN

LINEAL PARA LA PREPARACIÓN DE RACIONES
ALIMENTICIAS PARA GANADO PORCINO”
Autor: Br. Edgar Márquez. C.I. 8.651.099

Tutor Académico: Ing,. Luisa Bastardo. C.I. 2.635.944
Asesor Empresarial: Ing,. Ramón Vallejo. C.I. 11.397.577
Cumaná, Centro Local Sucre
Octubre, 2006

i
ÍNDICE GENERAL
Página
Índice de Tablas.......................................................................................................... iii
Índice de Figuras........................................................................................................ vi
Índice de Gráficas....................................................................................................... vii
Agradecimiento.......................................................................................................... xi
Dedicatoria................................................................................................................. x
Resumen..................................................................................................................... xi
Introducción.............................................................................................................. 1
Capítulo I: El Problema........................................................................................... 4
I.1.- Antecedentes......................................................................................... 4
I.2.- Planteamiento……………………………………………............…... 7
I.3.- Objetivos…………………………………………………............…... 8
I.3.1.- General...................................................................................... 8
I.2.2.- Específicos................................................................................. 8
I.4.- Factibilidad............................................................................................ 8
I.5.- Limitaciones y alcance.......................................................................... 9
I.6.- Importancia........................................................................................... 9
Capítulo II: Marco Teórico..................................................................................... 10
II.1.- Nutrición básica................................................................................... 10
II.2.- Nutrición porcina................................................................................. 17
II.3.- Programación lineal............................................................................. 23
II.3.1.- Problemas de mezclas..............................................................
27
II.3.2.- Software de aplicación............................................................ 30
Capítulo III: Marco Metodológico.......................................................................... 31
III.1.- Tipo de investigación ........................................................................ 31
III.2.- Propósito de la investigación ......................…....……....…........….. 31
III.3.- Nivel de la investigación.................................................................... 31
III.4.- Fuentes de información...................................................................... 31
III.5.- Metodología de la investigación......................................................... 32
III.5.1.- Formulación del modelo de programación lineal.................... 32

ii
ÍNDICE GENERAL (Continuación)

Página
III.5.2.- Evaluación de raciones alimenticias por programación lineal. 41
III.5.2.1.- Consideraciones básicas.......................................... 41
III.5.2.2.- Procedimiento para la evaluación de raciones........ 42
Capítulo IV: Análisis de Resultados....................................................................... 53
VI.1.- CASO I. Formulación de una ración alimenticia experimental que
contiene el subproducto de afrecho de grano de maíz desgrasado (SAGMD),
como fuente parcial de energía reemplazante del maíz, utilizando la programación
lineal, para ser suministrado en la etapa de crecimiento del ganado porcino............ 56
VI.2.- CASO II. Formulación de una ración alimenticia experimental que
contiene harina cruda de raíz de yuca amarga (YAD), como fuente parcial o total
de energía reemplazante del maíz, utilizando la programación lineal para ser
suministrado en la etapa conjunta de crecimiento-engorde del ganado porcino....... 69
VI.3.- CASO III. Formulación de raciones alimenticias experimental que
contiene el sorgo, como fuente parcial o total de energía reemplazante del maíz,
utilizando la programación lineal, para ser suministrado en las etapas de
crecimiento y engorde del ganado porcino.......................................................... 82
VI.3.1.- Evaluación Caso III.1: Ración alimenticia de la etapa de
crecimiento.............................................................................................. 84
VI.3.2.- Evaluación Caso III.2: Ración alimenticia de la etapa de
engorde.................................................................................................... 96
VI.3.3.- Resultados casos III.1 y III.2: Raciones alimenticias de las
etapas de crecimiento y engorde............................................................. 108
Capítulo V: Conclusiones y Recomendaciones..................................................... 110

V.1.- Conclusiones..................................................................................... 110
V.2.- Recomendaciones............................................................................... 112
Bibliografía................................................................................................................ 114
Glosario de términos................................................................................................ 123
Apéndices.................................................................................................................. 125
Apéndice A......................................................................................... 126
Apéndice B......................................................................................... 138
Apéndice C......................................................................................... 169
Apéndice D......................................................................................... 177
Apéndice E......................................................................................... 181
Anexos........................................................................................................................ 183

iii
ÍNDICE DE TABLAS
TABLA Nombre de la tabla Página

1 Estructura genérica de composición porcentual, monetaria, energética
y de nutrientes de raciones experimentales para cerdos con niveles de
sustitución/inclusión creciente del ingrediente alternativo.................... 43
2 Intervalos genéricos de tendencias de la conversión de los

ingredientes estándar (x1) y alternativo (x2)......................................... 44
3 Estructura genérica de composición porcentual, monetaria,

energética y de nutrientes de las raciones experimentales para cerdos.
basal, alternativa y alternativa’............................................................. 47
4 Niveles económicos del costo-eficaz..................................................... 48
5 Costo ración genérico de las raciones basal, alternativa y alternativa’

por etapa y total etapas del caso W........................................................ 51
6 Costo-efectividad genérico de las raciones basal, alternativa,

alternativa’ y mínima por etapa y total etapas del caso W.................... 52
7 Niveles de reducción de costo en q etapas............................................ 52
8 Ingredientes estándar y alternativo, y etapa productiva del cerdo de

los casos I, II y III.................................................................................. 53
9 Energía metabolizable y composición porcentual de los nutrientes de

los ingredientes utilizados en la preparación de raciones alimenticias
experimentales para cerdos de los casos estudiados.............................. 55
10 Estructura de composición porcentual de raciones experimentales

para cerdos con inclusión creciente de SAGMD................................... 56
11 Estructura de composición porcentual, monetaria, energética y de

nutrientes de las raciones experimentales para cerdos con niveles de
inclusión creciente de SAGMD............................................................ 57
12 Intervalos de tendencias lineales de las conversión alimenticia de los

ingredientes estándar (x1: Maíz) y alternativo (x2: SAGMD)............... 60
13 Estructura de composición porcentual, monetaria, conversión

alimenticia y energética de las raciones basal, alternativa y
alternativa’ del caso I............................................................................ 67

para cerdos con niveles de sustitución creciente de YAD.................... 69

iv
ÍNDICE DE TABLAS (Continuación)

sustitución creciente de YAD................................................................ 70

ingredientes estándar (x1: Maíz) y alternativo (x2: YAD)..................... 73

alternativa’ del caso II........................................................................... 80

para cerdos en las etapas de crecimiento y engorde, con niveles de
sustitución creciente de sorgo............................................................... 82

sustitución creciente de sorgo en la etapa de crecimiento..................... 84

ingredientes estándar (x1: Maíz) y alternativo (x2: Sorgo) del caso
III.1......................................................................................................... 87

alimenticia y energética de las raciones basal, alternativo y
alternativa’ del caso III.1...................................................................... 94

sustitución creciente de sorgo en la etapa de engorde...................... 96

ingredientes estándar (x1: Maíz) y alternativo (x2: Sorgo) del caso
III.2......................................................................................................... 99

alternativa’ del caso III.2....................................................................... 106
25 Costo ración de las raciones basal, alternativa y alternativa’ por etapa

y total etapas del caso III........................................................................ 108
26 Costo-efectividad de las raciones basal, alternativa, alternativa’ y

mínima por etapa y total etapas del caso III........................................... 108

v

27 Tabla Simplex inicial genérica asociado de un problema de
programación lineal................................................................................ 140
28 Primera y última tabla Simplex genérica en la forma matricial............. 144
29 Tabla Simplex inicial para la aplicación del método Simplex en un

problema de maximización.................................................................... 145
30 Tabla Simplex en un problema de maximización.................................. 146
31 Tabla Simplex inicial de la Fase I del método de las dos fases del
Problema Tipo........................................................................................ 150
32 Preparación de la tabla Simplex para la Fase I del método de las dos

fases del Problema Tipo......................................................................... 150
33 Tabla Simplex inicial y final de la Fase I del método de las dos fases
del Problema Tipo.................................................................................. 151
34 Preparación de la tabla Simplex para la Fase II del método de las dos

fases del Problema Tipo......................................................................... 152
35 Tabla Simplex inicial para la Fase II del método de las dos fases del
Problema Tipo........................................................................................ 153
36 Tabla Simplex final para la Fase II del método de las dos fases del
Problema Tipo........................................................................................ 153
37 Tabla Simplex inicial de la Fase I del método de las dos fases del
Problema Tipo con restricción de mezcla base...................................... 154
38 Preparación de la tabla Simplex para la Fase I del método de las dos

fases del Problema Tipo con restricción de mezcla base....................... 155
39 Tabla Simplex inicial y final de la Fase I del método de las dos fases
del Problema Tipo con restricción de mezcla base................................ 155
40 Tabla Simplex inicial para la Fase II del método de las dos fases del
41 Tabla Simplex final para la Fase II del método de las dos fases del
42 Tabla Simplex final de la Fase I de un caso de ecuaciones redundantes 157

vi

43 Tabla Simplex inicial de un caso de soluciones no acotadas.................. 158
44 Tabla Simplex de un caso de múltiples soluciones óptimas................... 159
45 Tabla Simplex de un caso de soluciones degeneradas............................ 161
46 Tabla Simplex de un caso de soluciones degeneradas con solución

óptima no degenerada............................................................................. 162
47 Tabla Simplex final de la Fase I de un caso de soluciones inexistentes. 163
ÍNDICE DE FIGURAS
FIGURA Nombre de la figura Página

1 Representación esquemática del proceso productivo de una
explotación porcina: bloque 1 (cerdas preñadas), bloque 2 (cerdas
amamantando a sus lechones) y bloque3 (cerdos de rías destinados a
la venta)................................................................................................. 6
2 Proceso para determinar el costo-efectividad de la ración alternativa

(R2) a partir del modelo de programación lineal (PL) y el parámetro
de la conversión alimenticia................................................................. 41
3 Representación esquemática de la tabla de composición de raciones

experimentales con niveles de sustitución /inclusión de ingredientes
alternativos. Las llamadas con líneas de trazos cortos significan
valores que deben determinarse........................................................... 42
4 Proceso para determinar el costo-efectividad de la ración alternativa

en la etapa k (Rk2) a partir del modelo de programación lineal (PL) y
el parámetro de la conversión alimenticia............................................ 49
5 Pantalla inicial LINDO 169
6 Pantalla de LINDO mostrando la ventana con la formulación del

Problema Tipo con restricción de mezcla base que se utilizó como
ejemplo para describir el uso de este software...................................... 171

vii
ÍNDICE DE FIGURAS (Continuación)
FIGURA Nombre de la figura Página

7 Pantalla de LINDO mostrando la ventana de estado (activa) que
proporciona información sobre la solución encontrada....................... 173
8 Pantalla de LINDO mostrando la ventana de informes (segunda

ventana activa minimizada) que proporciona información sobre la
solución encontrada.............................................................................. 174
9 Pantalla de LINDO mostrando la ventana de informes (segunda

ventana activa minimizada) con la solución del análisis de
sensibilidad del 2do miembro de las restricciones............................... 176
ÍNDICE DE GRÁFICAS
GRÁFICA Nombre de la Gráfica Página

1 Curva de crecimiento sobre el peso corporal del cerdo en función
del tiempo........................................................................................... 5
2 Efecto del nivel de inclusión de SAGMD sobre la conversión

alimenticia en raciones experimentales para cerdos.......................... 59
3 Variación de la conversión alimenticia de las raciones

experimentales para cerdos según el nivel de proporción de los
ingredientes maíz (x1) y SAGMD (x2)................................................ 60
4 Variación de los costo ración, costo-efectividad y costo-efectividad

porcentual de las raciones experimentales para cerdos según el
nivel de inclusión de SAGMD............................................................ 61

porcentual de las raciones experimentales para cerdos basal,
alternativa y alternativa’ del caso I..................................................... 68
6 Efecto del nivel de inclusión de YAD sobre la conversión

alimenticia en raciones experimentales para cerdos........................... 72

experimentales para cerdos según el nivel de proporción de los
ingredientes maíz (x1) y YAD (x2)..................................................... 73

viii
ÍNDICE DE GRÁFICAS (Continuación)
GRÁFICA Nombre de la Gráfica Página

porcentual de las raciones experimentales para cerdos según el
nivel de sustitución de YAD............................................................... 74

alternativa y alternativa’ del caso II................................................... 81
10 Efecto del nivel de sustitución de sorgo sobre la conversión

alimenticia en raciones experimentales para cerdos (etapa de
crecimiento)........................................................................................ 86

experimentales para cerdos (etapa de crecimiento) según el nivel de
proporción de los ingredientes maíz (x1) y sorgo (x2)........................ 87

porcentual de las raciones experimentales para cerdos (etapa de
crecimiento) según el nivel de sustitución de sorgo.......................... 88

alternativa y alternativa’ del caso III.1............................................... 95
14 Efecto del nivel de sustitución de sorgo sobre la conversión

alimenticia en raciones experimentales para cerdos (etapa de
engorde).............................................................................................. 98

experimentales para cerdos (etapa de engorde) según el nivel de
proporción de los ingredientes maíz (x1) y sorgo (x2)........................ 99

porcentual de las raciones experimentales para cerdos (etapa de
engorde) según el nivel de sustitución de sorgo................................ 100

alternativa y alternativa’ del caso III.2............................................... 107
18 Variación de los costo-efectividad y costo-efectividad porcentual

de las raciones para cerdos basal, alternativa, alternativa’ y mínima
del caso III.......................................................................................... 109

ix
RESUMEN
Esta investigación tiene por finalidad la formulación de un problema de

programación lineal para la preparación de raciones alimenticias para ganado
porcino, basado en el modelo de Tarje Hansen, el cual fue ampliado al incorporar las
restricciones de índole energéticas y adaptado a raciones alimenticias experimentales,
para ser utilizado en una o más etapas del ciclo de vida productivo del cerdo.
Se utilizó un diseño de investigación documental a nivel descriptivo, basada en

una metodología que permitió el estudio de tres casos prácticos de raciones
experimentalmente probadas y publicadas en revistas científicas, en donde se evaluó
el efecto de la sustitución progresiva de un ingrediente alternativo sobre un
ingrediente estándar, representado en este caso por el maíz. Cada ración evaluada
estuvo constituida por varios tratamientos, donde el primero fue denominado ración
basal, caracterizada por la ausencia del ingrediente alternativo. Para el resto de los
tratamientos, el maíz fue sustituido progresivamente (parcial o totalmente) por el
ingrediente alternativo. Éste último estuvo representado por las fuentes de energía
atípicas del subproducto de afrecho de grano de maíz desgrasado (SAGMD), la
harina cruda de raíz de yuca amarga deshidratada (YAD), y el sorgo que es un
ingrediente energético reemplazante del maíz que no compite con la alimentación
humana. La primera y segunda ración con los ingredientes alternativos del SAGMD y
YAD respectivamente, se denotaron como casos I y II. La tercera ración con el
ingrediente alternativo del sorgo se designó como caso III. Para los casos I y II se
evaluó una etapa específica del ciclo productivo del cerdo, mientras que el caso III
correspondió a dos etapas, referidos como casos III.1 y III.2. Con esta información,
se obtuvieron tres raciones, denominadas basal, alternativa y alternativa’. La primera
se utilizó como ración de referencia y las restantes se determinaron por programación
lineal, que en combinación con el parámetro de la conversión alimenticia, permitió
aplicar la estrategia diseñada para su evaluación.
El producto del costo de la ración por el parámetro de la conversión alimenticia

asociada permitió obtener el costo-efectividad. Al evaluar las raciones alimenticias
para una etapa específica del ciclo productivo del cerdo, lo esperado es que el
costo-efectividad de la ración alternativa y/o alternativa’ sea menor al
costo-efectividad de la ración basal, en cuyo caso se dice que es un costo-eficaz.
Cuando se presentó este caso, se recurrió a una escala para determinar el nivel
económico. Al evaluar raciones alimenticias para varias etapas del ciclo productivo
del cerdo, se procedió a la evaluación de cada ración por etapa, y al final se recurrió a
una escala para determinar el nivel de reducción de costo.
Palabras claves: Ración, conversión alimenticia, porcino, programación lineal,

energía metabolizable, costo-efectividad, costo-eficaz.

INTRODUCCIÓN
La alimentación es uno de los factores de relevante importancia en cualquiera

explotación de índole pecuaria. El alimento suministrado a los animales debe
contener los cincos principios de nutrición: carbohidratos, grasas, proteínas,
vitaminas y minerales de manera balanceada para que aporten la energía necesaria
para su normal desenvolvimiento en las diferentes etapas de su ciclo de vida
productiva. La alimentación de los animales objeto de explotación suelen representar
un porcentaje importante en los costos totales de producción que en el caso del
ganado porcino puede llegar a representar hasta un 80%, por lo cual cualquier
reducción de costo que se logre en la alimentación, sin desmejorar la calidad de la
misma, redunda en beneficio del productor.
El cerdo doméstico Sus scrofa es una especie animal dotada biológicamente para
producir carne y grasa. Pertenece a la clase de los monogástricos de estómago simple.
Es un animal omnívoro en su alimentación, y esta característica, aunado a sus
requerimientos nutritivos tan complejos, facilita el que se pueda alimentar con los
más variados productos y subproductos vegetales y animales, y con las
combinaciones más variadas de ellos, lo cual le permite adaptarse por completo a las
disponibilidades locales de alimentos.
La alimentación que se le suministra al cerdo debe ser adecuada y los más

económica posible; debe cubrir los requerimientos nutritivos mínimos para obtener
mayor producción al menor precio, pero manteniendo la salud y el desarrollo normal
de los animales. Lo anterior se logra escogiendo los alimentos de acuerdo a su valor
nutritivo y a su precio en el mercado. Entre los cereales que se han utilizado
tradicionalmente como fuente de energía en la alimentación de cerdos se encuentra el
maíz amarillo; precisamente por su composición nutricional, pero los costos de
financiamiento, almacenamiento, bajo rendimiento agronómico en Venezuela y la

2
competencia para consumo humano, hacen que el maíz sea oneroso y escaso para
incorporarlos en las raciones alimenticias para cerdos y otros animales de interés
pecuario. En virtud de lo anterior, es necesario evaluar otras fuentes de energía no
tradicionales como puede ser entre otros, la raíz de yuca, subproductos industriales
como el afrecho de trigo y germen de maíz desgrasado, también se puede incluir el
sorgo, que aunque en la actualidad es un cereal oneroso, no compite para el consumo
humano como el maíz.
La explotación porcina puede llevarse a cabo bajo las modalidades de pastoreo y

confinamiento. Con relación a este último, el alimento suministrado a los cerdos debe
contener todos los nutrientes necesarios y en particular, los aminoácidos esenciales
como la lisina, además de requerir mayores cuidados desde el punto de vista de la
porcicultura.
Los trabajos de investigación sobre la evaluación de raciones para animales en

Venezuela han seguido durante años el modelo clásico zootécnico del estudio de los
parámetros productivos como la velocidad de crecimiento y muy especialmente la
conversión alimenticia, que es la cantidad de alimento que requiere un animal para
producir un kilogramo de peso corporal. Dado que uno de los principales objetivos de
los ganaderos es reducir los costos de los alimentos cuando se formulan raciones,
pero que a la vez éstas cumplan con los requerimientos mínimos nutricionales, es
importante que se cuente con una herramienta que según la información disponible,
permita formular una mezcla alimenticia que sea nutricionalmente balanceada, y a un
costo mínimo como es el diseño de un modelo de programación lineal aplicado a las
mezclas.
Para el presente trabajo se utilizó el software de aplicación LINDO de la firma

comercial LINDO Systems, inc, debido a que puede ser usado con facilidad y porque
permite introducir un modelo de programación lineal en forma algebraica directa.

3
El informe está conformado por cinco (5) capítulos, distribuidos de la siguiente

manera:
Capítulo I: Planteamiento del problema, objetivo general, objetivos específicos,

limitaciones, alcance e importancia de la importancia.
Capítulo II: Marco teórico, donde se detalla las bases teóricas que sustentan la
investigación
Capítulo III: Metodología utilizada: tipo, propósito, nivel, fuentes de información y

metodología de la investigación.
Capítulo IV: Análisis de resultados que se obtuvieron durante la investigación.
Capítulo V: Conclusiones y recomendaciones del informe final.

4
CAPITULO I
EL PROBLEMA
I.1.- Antecedentes
Actualmente en Venezuela, la alimentación en una explotación de ganado porcino

suele representar el 80% del total de los costos de producción. Asimismo, en la
composición nutricional de una ración alimenticia para cerdos, los ingredientes que
comúnmente proporcionan energía como los cereales, raíces y tubérculos, son los que
se encuentran en mayor proporción, superando por lo general el 60% del total de la
mezcla. En virtud de lo anterior, la reducción de costo que se pueda lograr en la
alimentación, especialmente a nivel de los ingredientes de índole energéticos,
redunda en términos económicos en beneficio del productor, que sin desmejorar el
valor nutricional de la ración, la misma es capaz de satisfacer las necesidades
energéticas y nutritivas de los cerdos.
Cuando la ración alimenticia posee un balance energético y nutritivo adecuado, se

cubren los requerimientos del cerdo, con lo cual se pueden lograr producciones
acordes con el potencial (genotipo) de estos animales, además que se pueden
aprovechar en su totalidad las mejoras que se hagan en sanidad. Los especialistas en
nutrición porcina, han dividido en varias etapas el ciclo de vida del cerdo, debido a
que las necesidades nutritivas del mismo varían con la edad y su estado fisiológico.
En la evaluación de mezclas alimenticias en cerdos con variación de peso

corporal, es decir, aquellos que están en crecimiento y en etapa de gestación, es de
vital importancia determinar la relación entre la cantidad de alimento consumido y el
incremento de peso corporal experimentado por el cerdo para un período determinado
de tiempo, mejor conocido como el parámetro de la conversión alimenticia. A

5
continuación se presenta la gráfica 1, que ilustra la curva de crecimiento del cerdo

desde el nacimiento hasta alcanzar su máximo peso corporal y el punto en que el
animal debe tener su peso de mercado entre 90 Kg y 95 Kg para destinarlo a la venta.
GRÁFICA 1. Curva de crecimiento sobre el peso corporal del cerdo en función del
tiempo
El proceso productivo de las granjas porcinas puede clasificarse en tres bloques:

1) cerdas gestantes, comprende la preñez de las hembras reproductoras por parte de
los verracos; 2) cerdas lactantes, comprende la maternidad, donde las cerdas paren y
le suministran leche a los lechones; 3) cerdos de cría, comprende desde que los
lechones son separados de la madre, mejor conocido como destete, hasta que tienen el
peso de mercado para ser comercializados. Existen dos modalidades de destete que
son comúnmente utilizados, el denominado tardío que se realiza antes de los dos
meses y el precoz que se lleva a cabo antes del mes. Dependiendo del tipo de destete
escogido se establece el programa de alimentación de los cerdos destinados al
mercado; para el caso del destete tardío se alimenta a los cerdos en tres etapas

6
denominadas iniciador, crecimiento y engorde, mientras que si se opta por el destete

precoz el suministro de alimento se realiza como en el caso anterior, solo que se
adiciona una primera etapa denominada preiniciador. A continuación se presenta una
ilustración donde se diagrama lo anteriormente referido.
BLOQUE 1 2 3
ETAPA Destete
Gestante Lactante tardio/precoz
Preiniciador Iniciador Crecimiento Engorde
ETAPAS A
SIGUIENTES
AL DESTETE
B
FIGURA 1. Representación esquemática del proceso productivo de una explotación porcina:

bloque 1 (cerdas preñadas), bloque 2 (cerdas amamantando a sus lechones) y bloque 3 (cerdos
de crías destinados a la venta). Las etapas siguientes a un destete tardío (precoz) esta
representado por la letra A (B).
El nutricionista cuando formula raciones alimenticias para ganado porcino,

determina el balanceo energético y nutricional de la mezcla que en la mayoría de los
casos se basa en la literatura disponible que versa sobre los requerimientos medios de
nutrientes que aportan cada uno de los ingredientes considerados, que por lo general
se calcula usando un procedimiento sistemático de tanteos. A nivel de dietas
experimentales, por lo general el investigador realiza ensayos nutricionales sobre el
efecto de la sustitución parcial o total de un ingrediente estándar de común uso como
el maíz, por uno alternativo. Por consiguiente, se preparan varias raciones conocidas
como tratamientos, en donde el ingrediente estándar se sustituye progresivamente por
el alternativo en proporciones que por lo general son, en términos porcentuales,
múltiplo de 10 ó de 25. En cada tratamiento se realizan los cálculos de rigor de
balanceo nutricional y se determina parámetro interés como la conversión
alimenticia.

7
I.2.- Planteamiento
Al considerar el costo de la ración, la situación se complica cuando los

ingredientes varían de precios, que se manifiesta cuando al totalizar una misma ración
para diferentes épocas, discrepe en sus costos. En virtud de lo anterior, el
nutricionista debe recomendar la ración de menor costo en función de sus cálculos de
balanceo nutricional realizado por tanteo. Asimismo, para el caso de raciones
experimentales en donde comúnmente se considera los costos asociado para cada
tratamiento, a fin de determinar la ración más barata. Cuando los ensayos se realizan
en cerdos adultos como los verracos y las lactantes, la ración de menor costo es la
más barata de los tratamiento, pero cuando se ensaya con cerdos que presentan
variación de peso corporal, como los que están en crecimiento y en etapa de
gestación, la ración más barata es aquella que tiene el menor valor al multiplicar el
costo del tratamiento por la conversión alimenticia asociada.
El problema que se plantea en el presente informe es que en la evaluación de

raciones alimenticias para cerdos en crecimiento de los trabajos de investigación
consultados, que básicamente toma en cuenta para su estudio el parámetro
productivo de la conversión alimenticia, realizan el balanceo nutricional por el
método de prueba y error (tanteo sistemático), por lo tanto no presentan una técnica
de optimización que permita combinar la ración balanceada con aquella de menor
costo como es el caso de la programación lineal para mezclas alimenticias de Tarje
Hansen. En virtud de lo anterior, y para una disminución satisfactoria de los costos
en términos reales, en el presente trabajo se consideró la incidencia económica que
sobre la ración alimenticia tienen tanto el índice de conversión alimenticia, como del
costo mínimo de raciones obtenido a través del modelo de programación lineal
anteriormente referido, al cual se le incorporó el componente de restricción que
involucra la consideraciones de energía.

8
I.3.- Objetivos
I.3.1- General: Formular un problema de programación lineal para la preparación de

raciones alimenticias para ganado porcino en sus dos últimas etapas de su ciclo
productivo, basado en el modelo Tarje Hansen.
I.3.2- Específicos
9 Recopilar información sobre el manejo del ganado porcino.

9 Seleccionar casos prácticos de formulación de raciones alimenticias para
ganado porcino, probadas experimentalmente en Venezuela y publicadas
en revistas científicas
9 Resolver casos prácticos seleccionados, a través del software de aplicación
LINDO de la casa comercial LINDO System, Inc
9 Evaluar resultados de casos prácticos a partir de la formulación y
aplicación del modelo de programación lineal producto de esta
investigación.
9 Proponer alternativas en pro de las raciones alimenticias para ganado
porcino
I.4.- Factibilidad:
a) Teórica: Se constató la existencia de material documental suficiente para

apoyar la realización del presente proyecto
b) Técnica: Se dispone tanto de las herramientas de hardware y software, y del
apoyo del personal profesional con los conocimientos técnicos y académicos
para llevar a feliz término la realización del proyecto
c) Económica: No se requiere invertir recursos económicos en personal
especializado, herramientas de hardware y software e infraestructura para la
realización de las actividades requeridas

9
I.5.- Limitaciones y alcance
La información para la aplicación del modelo de programación lineal para

mezclas alimenticias aplicado a tres casos de raciones experimentalmente probadas
con conversión alimenticia en las dos últimas etapas del ciclo de desarrollo de cerdos
de producción de carne, solo ha sido tomado de revistas de divulgación científicas.
Existe la posibilidad que los valores nutricionales de los ingredientes de la tabla de
composición de alimentos utilizados puedan tener discrepancia en mayor o menor
grado con los valores de los ingredientes empleados como materia prima para la
preparación de mezclas alimenticias. No se consideró la calidad de los canales.
El estudio de investigación abarca el diseño de un modelo de programación lineal

aplicado a raciones alimenticias de índole pecuaria probadas experimentalmente y
con conversión alimenticia. El modelo matemático diseñado es una herramienta
práctica, útil para la preparación de mezclas alimenticias nutricionalmente
balanceadas y a un costo mínimo, que junto a la conversión alimenticia constituyen
factores de pesos que coadyuven en la toma de decisiones a nivel alimentario en la(s)
explotación(es) pecuarias, así como servir de elemento referencial en las
investigaciones de nutrición animal.
I.6.- Importancia
El empleo del modelo de programación lineal para mezclas alimenticias que en

esencia están restringidas a los laboratorios e industrias de alimentos concentrados en
el país, a través del presente trabajo se evidencia su aplicación en el ámbito de la
alimentación en las explotaciones pecuarias, en la cual el productor puede aprovechar
los recursos disponibles de la zona y su coste para preparar mezclas alimenticias
nutricionalmente balanceadas y a costo mínimo, y así como su incorporación como
criterio a considerar en las investigaciones de nutrición animal.

10
CAPITULO III
MARCO TEÓRICO
II.1.- Nutrición básica
Con frecuencia se cita al gran químico francés Lavoisier como fundador de la

ciencia de la nutrición, de la que estableció las bases químicas con sus famosos
experimentos sobre la respiración, realizados antes de la Revolución Francesa. Desde
esa época la química ha constituido un auxiliar importante en los estudios sobre la
nutrición. Con su aplicación a los estudios fisiológicos en el primer cuarto del siglo
XIX, se demostró lo erróneo de la antigua creencia de que el valor nutritivo de la
alimentación residía en un solo “alimento”, y se reconoció la necesidad de las
proteínas, carbohidratos y las grasas. Durante el resto del siglo, la ciencia de la
nutrición se ocupó principalmente de estos nutrientes y de unos cuantos elementos
minerales. Prosiguió grandes progresos con el descubrimiento de las vitaminas y del
papel que juegan los aminoácidos y algunos otros minerales indispensable [Maynard,
L.; 1968]. Se sabe con seguridad que son unos cuarentas los nutrientes esenciales para
el mantenimiento normal del funcionamiento corporal y que a cualquier deficiencia le
acompaña una enfermedad, a veces específica [Bender, A.; 1977].
Los nutrientes presentes en una variedad de alimentos, preparados de diversas

maneras pueden clasificarse en tres grandes grupos: carbohidratos, grasas y proteínas.
Además de estos tres grupos, el organismo requiere de vitaminas y minerales
[LaCueva, A.; 1995].
Los carbohidratos son fuentes de energía, que es proporcionado al organismo a

través de los alimentos [Rea, C.; Bates, O. y Deum, T.; 2001]. Los carbohidratos,
también llamados hidratos de carbono, es el grupo de los compuestos nutritivos que
comprenden los azúcares, almidones, celulosa y otras sustancias afines [Maynard, L.;

11
1968]. Entre los azúcares se encuentra la caña de azúcar y su producto, el azúcar de

mesa. También en las frutas y en algunas hortalizas. Hay bastante almidones en todos
los cereales (arroz, trigo, maíz,…) y en sus productos (pan, arepa,…). Asimismo, en
tubérculos y raíces como papa, yuca y ñame [LaCueva, A.; 1995].
Las grasas son fuentes concentradas de energía. Todas las especies necesitan
cierta cantidad de grasa en la dieta, y para algunos, como la humana, parece ser de
considerable importancia. La grasa es importante en la palatabilidad del alimento,
especialmente en la dieta humana, en que su uso para freír o para aderezar ensaladas
aumenta el atractivo de las comidas [Lloyd, L.; Macdonald B. y Crampter, C.; 1982].
Las grasas están presentes en abundancia en algunas semillas y frutas, que pueden
comerse directamente o de los cuales se extrae aceite. Es el caso del maní, del
ajonjolí, del coco. La leche tiene igualmente grasa, con lo cual se fabrica mantequilla.
Y en las carnes hay siempre algo de grasa. Adicionalmente, se puede obtener manteca
de las reservas grasosas de animales como el cochino [LaCueva, A.; 1995].
Las proteínas constituyen un elemento de vital importancia en la alimentación

humana y animal. Su estructura y composición varía según sea de origen vegetal o
animal [Morrison, F.; 1969]. Las proteínas forman la masa del cuerpo de los
animales. Por eso se consiguen principalmente en carnes y pescados, y en productos
animales como leche, queso y huevos. En los vegetales, las proteínas son
componentes fundamentales de sus células, pero no la poseen de manera abundante
ni tan variada. Por eso, es difícil obtener suficiente proteínas comiendo sólo
vegetales. Entre las plantas más ricas en ella están las caraotas y la soya [LaCueva,
A.; 1995].
Las proteínas contienen carbono, hidrogeno y oxígeno, como las grasas y

carbohidratos, pero además contienen notables proporciones de nitrógeno [Lloyd, L.;
Macdonald B. y Crampter, C.; 1982]. El elemento principal que caracteriza a las

12
proteínas es el nitrógeno que constituyen los aminoácidos, los cuales son necesarios
para el desarrollo y mantenimiento de los tejidos y órganos corporales [Morrison, F.;
1969]. Las proteínas están formadas por una o más cadenas de aminoácidos [Lloyd,
L.; Macdonald B. y Crampter, C.; 1982]. Los aminoácidos se suelen clasificar en
esenciales y no esenciales. Un aminoácido es esencial cuando no puede ser
sintetizado en el cuerpo con la rapidez necesaria para el crecimiento normal y por lo
tanto debe incluirse en la dieta. Un aminoácido es no esencial cuando puede ser
elaborado de otros compuestos que existen en el alimento o de productos intermedios
del metabolismo [Maynard, L. 1968]. Se denomina metabolismo la suma de los
procesos químicos y físicos que tienen lugar continuamente en los seres vivos [Lloyd,
L.; Macdonald B. y Crampter, C.; 1982].
Los aminoácidos son los siguientes:

Lisina Isoleucina Glicina Ácido asparraguínico
Triptofano Treonina Alanina Ácido glutámico
Histidina Metionina Serina Prolina
Fenilalanina Valina Cistina Hidroxiprolina
Leucina Arginina Tirosina Citrulina
Las proporciones de los aminoácidos que requiere una especie determinada pueden
variar de acuerdo con el producto proteínico que se forme, como es el caso del tejido
en crecimiento [Maynard, L.; 1968].
Las vitaminas son un grupo de compuestos orgánicos que no tienen relaciones

químicas y que son esenciales para la vida y las funciones productivas normales de
los animales [Church, D.; 1974]. Las vitaminas son eficientes en cantidades muy
pequeñas. Algunos son esenciales para la transformación de la energía, pero ellas
mismas no proporcionan energía al organismo. Las vitaminas se designan bajo las
siguientes denominaciones:
A D Ácido fólico
Complejo B E Caroteno
C K Biotina

13
Los miembros del complejo B son vitaminas que actúan primariamente como parte de
complejo enzimáticos que catabolizan el metabolismo de carbohidratos, grasas y
proteínas [Lloyd, L.; Macdonald B. y Crampter, C.; 1982]. Algunas de las vitaminas,
que es requerido por el organismo en pequeñas proporciones, pueden resultar
perjudiciales cuando se ingiere en mayores proporciones [Maynard, L.; 1968].
Los minerales son requeridos por el organismo en pequeñas cantidades

[LaCueva, A.; 1995]. Ciertos elementos minerales desarrollan funciones esenciales en
el cuerpo y deben estar presentes en la alimentación [Maynard, L.; 1968]. Entre los
elementos minerales esenciales denominados macroelementos se encuentran
Calcio Fósforo
Magnesio Cloro
Sodio Azufre
Potasio
y entre los microelementos o traza están:
Manganeso Zinc Molibdeno Niquel

Hierro Flour Selenio Solicio
Cobre Vanadio Cromo
Yodo Cobalto Estaño
El papel nutritivo del calcio y del fósforo están muy relacionados por lo que deben
estar en determinadas proporciones. Se cree que el número de elementos minerales es
el mismo para todas las especies, con excepción del cobalto que es únicamente
esencial para los herbíboros [Lloyd, L.; Macdonald B. y Crampter, C.; 1982].
Entre los minerales que se encuentra regularmente en el cuerpo del animal, como
es el caso de los presentados a continuación:
Silicio
Boro
Bromo
arsénico

14
Es razonable suponer que la mayoría de ellos se encuentran regularmente en el

organismo simplemente porque se hallan en los alimentos, y por ellos son retenidos
parcialmente en lugar de ser excretados [Maynard, L.; 1968].
Prácticamente todos los elementos minerales pueden ser tóxicos si el animal lo

consume en cantidades suficientemente grandes o por períodos de tiempo
prolongados. No obstante los siguientes elementos trazas son tóxicos en cantidades
relativamente pequeñas y existen en forma natural en los alimentos, el agua de bebida
o el aire.
Cobre Arsénico Plomo

Molibdeno Cadmio Mercurio
Selenio
Fluor
Silicio
Es de interés notar que un mismo elemento, como los primeros cinco minerales
listados, puede ser esencial o tóxico para el organismo dependiendo de la cantidad en
que se ingiera. [Lloyd, L.; Macdonald, B. y Crampter, C.; 1982].
La energía es necesaria para todas las acciones que el cuerpo realiza, incluyendo
la respiración, movimientos musculares y mantenimiento del calor corporal. Los
principales nutrientes energéticos son los carbohidratos y las grasas, aunque puede
obtenerse algo de energía de las proteínas. El exceso de energía se almacena en forma
de grasa corporal. La grasa es una fuente de energía concentrada, pues contiene
alrededor de 2,25 veces más energía que los carbohidratos. Los alimentos ricos en
grasa tienen un valor energético muy superior a los que tienen poca grasa [Rea, C.;
Bates, O. y Deum, T.; 2001].
Casi todas las mediciones de la energía nutritiva se expresan en calorías. La

relación mutua de estas mediciones se ilustra a continuación

15
Energía bruta
Energía fecal Energía digerible
Energía de la orina y de
Energía metabolizable
Los gases combustibles
Energía de las
Energía neta
Pérdidas de calor
La energía digerida es la energía bruta consumida en la dieta menos la energía fecal,

que es la excretada por las heces [Maynard, L,; 1968]. Esta energía también se conoce
como energía digestible y se abrevia con las iniciales ED [Rea, C.; Bates, O. y Deum,
T.; 2001]. La energía metabolizable es la energía total consumida menos la energía
fecal y la energía de la orina y de los gases combustibles. La energía neta mide la
porción del alimento que es realmente útil para el cuerpo [Maynard, L.; 1968]. Los
valores de energía se expresan generalmente como EM (energía metabolizable) o ED
(energía digestible) [Rea, C.; Bates, O. y Deum, T.; 2001]..
Los carbohidratos se separan en extracto libre de nitrógeno (ELN) o en fibra

cruda. La porción extracto libre de nitrógeno incluye a los carbohidratos más
solubles: azúcares, almidón y alguitas hemicelulosas, y todas son muy digestibles
[Rea, C.; Bates, O. y Deum, T.; 2001]. La porción del hidrato de carbono que no se
digiere fácilmente se denomina fibra [Bundy, C.; Diggins, R. y Christensen, V.;
1984]. La fibra cruda contiene celulosa, lignina y otros carbohidratos complejos. El
tipo de carbohidrato determina su valor como fuente de energía para el animal. Los
cereales que contienen del 60% al 75% de extracto libre de nitrógeno forman el
estándar más común y contienen poca fibra cruda. [Rea, C.; Bates, O. y Veum, T.;
2001].
En nutrición animal, se debe suministrar la cantidad de energía requerida por el

animal para una función de producción específica si se desea obtener la utilización

16
más eficaz de un pienso. Se sabe que los requerimientos energéticos están

influenciados por el crecimiento, producción, trabajo, tamaño corporal, edad, sexo,
especie y condiciones ambientales. Para cubrir estos requerimientos, el valor
energético de los alimentos per se es importante, pero no debe sobrevaluarse el
balance de nutrientes. En la práctica, la nutrición energética requiere un balance de
proteínas, minerales y vitaminas, ya que las deficiencias en cualquiera de estos
nutrientes puede perjudicar el metabolismo. Para minimizar las posibilidades de las
deficiencias nutritivas se han formulado numerosos sistemas de alimentación para
ayudar al nutricionista en la selección de los componentes de la ración. Un sistema de
alimentación útil debe tener flexibilidad para suministrar valores energéticos con
fines comparativos, y por ello, debe ser flexible para cubrir las necesidades variables
de las especies, manejo y condiciones ambientales. Entre otros, los sistemas de EM y
ED son eficaces en términos de aplicabilidad y valor proteico [Church, D.; 1974].
Más de la mitad de las calorías de dieta humana deriva normalmente de los

carbohidratos, y en las raciones de los animales de granja, en lo que la grasa no suele
exceder más del 5%, los carbohidratos constituyen más del 75% del peso [Lloyd, L.;
Macdonald, B. y Crampter, C.; 1982].
Los piensos en granos tienen normalmente 5% de grasa, la proporción de ésta en

la dieta interesa tanto al dietético como al alimentador animal. Cuanto más grasa
contenga la dieta tanto más engorda por unidad de peso. Al alimentador puede
interesarle disminuir la grasa en las raciones de los cerdos para obtener jamón magro,
mientras puede preferir la grasa en las raciones de ciertos tipos de pollos y de pavos,
para obtener un canal más apetecible. De la misma forma el dietético que se
encuentra con problemas de exceso de peso puede recomendar una reducción en la
ingestión de energía, que se consigue mediante una reducción en la ingestión de
grasas [Lloyd, L.; Macdonald, B. y Crampter, C.; 1982].

17
La cantidad de alimento que requiere un animal para producir un kilogramo de

carne se denomina conversión alimenticia, que es un parámetro de relevante
importancia en la evaluación de raciones alimenticias para especies de interés
pecuario. Un kilogramo de cerdo puede producir con solo dos y medio a tres
kilogramo de alimento [Bundy, C., Diggins, R. y Christensen, V.; 1984].
Al elegir los alimentos para incluirlos en la ración para la alimentación animal es

necesario considerar los factores de: disponibilidad, costos, valor nutritivo, sabor y
facilidad de suministro [Bundy, C.; Diggins, R. y Christensen, V.; 1984]. Una de las
herramientas requeridas para lograr el balance nutricional en la dieta de los animales
y con ello incrementar la productividad agropecuaria, consiste en contar con tablas de
contenido nutricional de los alimentos más comúnmente utilizados en las dietas. La
composición nutricional reportado por diferentes autores cuando se compara las
materias primas con similar estructura, consistencia y contenido de materia seca no
presenta diferencias marcadas [Cardona et al; 2002].
II.2.- Nutrición porcina
En una explotación porcina, el importe de los alimentos suele exceder el 60% del
costo total de la producción. Los cerdos gustan y obtienen más de unos alimentos que
de otros, por diferir en sabor y valor nutritivo. El precio es también un factor, algunos
alimentos satisfacen las demandas nutritivas del cerdo más económicamente que
otros. Para llegar a ser un productor eficiente es necesario saber que alimentos
necesitan los cerdos para desarrollarse y reproducirse, en tal sentido, debe
considerarse los principios nutritivos de hidratos de carbono, grasas, proteínas,
vitaminas y minerales [Bundy, C.; Diggins, R. y Christensen, V.; 1984].
Los hidratos de carbono y las grasas aportan calor y energía a los cerdos y les
proporcionan material necesario para el engorde. Estos animales necesitan proteínas

18
en la alimentación, porque contribuyen a formar la mayor parte de los músculos,

órganos internos, piel, pelo y pezuñas. Los minerales se usan principalmente para la
formación de los huesos y de los dientes, y desempeñan un papel importante en la
sangre. El calcio, el fósforo y la sal son los minerales que se necesitan en mayor
cantidad en la dieta [Bundy, C.; Diggins, R. y Christensen, V.; 1984]. La relación
calcio:fósforo debe ser los más exacto posible, ya que el exceso de uno precipita el
otro a nivel del intestino evitando su absorción, originando el raquitismo [Anzola, L.;
2003]. Las vitaminas proporcionan defensas contra las enfermedades, estimulan el
desarrollo y la reproducción, y contribuyen a mantener la salud del animal. Este
principio nutritivo junto con el aditivo de los antibióticos contribuyen a que el cerdo
aproveche con más eficiencia a los alimentos [Bundy, C.; Diggins, R. y Christensen,
V.; 1984].
La eficiencia de utilización de la proteína de las dietas para cerdos dependen del

balance y disponibilidad de los aminoácidos que componen esa proteína, y
específicamente la utilización de la lisina., por ser éste el principal aminoácido
limitante en dietas para cerdos, basado principalmente en maíz y harina de soja. Los
aminoácidos triptófano, treonina y metionina le siguen en orden de importancia a la
lisina [Colina, J.; 2004].
Las necesidades nutritivas de los cerdos varían con la edad, las demandas
alimenticias de los animales reproductores están influidas por su estado de salud en la
época de los apareamiento y por la etapa de la preñez o el período de lactación
[Bundy, C.; Diggins, R. y Christensen, V.; 1984]. Un programa de alimentación para
ganado porcino puede considerar tres grandes grupos: 1) reproductores, formado por
las preñadas o gestantes y los verracos, 2) las lactantes, 3) cerdos criadas para la
venta. Con respecto a éste último grupo debe considerarse el tipo de destete (precoz o
tardío) y las diferentes etapas de crecimiento hasta que alcance su peso de venta para
el mercado [Anzola, L.; 2003].

19
A continuación se presenta una lista de los principales alimentos utilizados en la

alimentación para cerdos.
i. Fuentes de energía
• Granos de cereales: maíz, sorgo, cebada, avena, trigo, arroz
• Subproductos de molinería: subproductos de maíz, trigo, avena
• Tubérculos y raíces: mandioca, batata, ñame
• Otros productos vegetales: azúcar de caña, melaza, pulpa de cítricos.
• Aceites y grasas de vegetales y animales
• Residuos de comida humana
ii. Fuentes de proteínas
ii.i Proteínas animales
• Subproductos de matadero: harina de carne, de carne y hueso, y de sangre
• Subproductos de la leche: leche desnatada en polvo, leche completa en polvo, suero
• Subproductos de pesquerías: harina de pescado, concentrado proteico de peces,
harina de camarones
ii.ii Proteínas vegetales
• Subproductos de semillas de oleaginosas: harina de semilla de algodón, harina de
soja, harina de cacahuete
• Semillas de leguminosas: soja, cacahuete, frijoles
ii.iii Proteínas varias
• Harina de girasol
• Harina de coco
• Algas
iii. Fuentes de vitaminas
• Forrajes: vitaminas A, B, D, E, K
• Cereales: vitaminas A, B, E
• Aceite de hígado de pescado: A, D
iv. Fuentes de minerales
• Fosfato dicálcico: calcio y fósforo
• Carbonato de calcio: calcio
Hoy en día existen premezclas comerciales de vitaminas y minerales para cubrir las
necesidades de estos dos principios nutritivos [Pond, W. y Maner, J.; 1975].
Entre las fuentes de hidrato de carbono más importantes están los granos de los
cereales que constituyen la mayor fuente de energía, tales como el maíz que es baja
en contenido de fibra, deficiente en proteínas y minerales y mayor riqueza en grasa
que cualquier otro cereal, excepto la avena. Esta última posee casi el mismo valor

20
nutritivo del maíz, pero con más cantidad de fibra y riqueza proteica algo superior. El
maíz amarillo es considerado el mejor cereal para los cerdos, y el segundo es ocupado
por la avena. La cebada es un buen sustituto del maíz y aunque tiene mayor
proporción de fibra, ofrece la ventaja de su mayor riqueza en proteínas. El trigo es
semejante a los otros cereales en valor nutritivo y contiene más cantidad de hidrato de
carbono y proteínas que el maíz. El sorgo es un alimento muy bueno y del agrado de
los cerdos, se parece al maíz en muchos aspectos, pero contiene menos grasas
[Bundy, C.; Diggins, R. y Christensen, V.; 1984].
La melaza es rica en extracto no nitrogenado, pero se administran en gran parte

por su buen sabor. Suelen emplearse como suplementos de otros alimentos para
estimular su consumo. La harina de pescado es uno de los mejores alimentos para el
cerdo que posee un elevado porcentaje de proteínas de buena calidad, aunque el
contenido proteico puede variar según la materia prima empleada y los métodos de
elaboración. Las semillas de soja poseen un alto porcentaje de proteínas, pero de baja
calidad; la proteína de la soja mejora con el proceso térmico empleado en la
extracción de su aceite. La harina de alfalfa contiene proteínas y vitaminas [Bundy,
C.; Diggins, R. y Christensen, V.; 1984].
En Venezuela, la alimentación de cerdos constituye el 80% del costo de

producción, y es allí donde hay que indagar si se quiere ofrecer un producto de menor
costo [González et al; 2005]. La energía es lo más costoso en la producción porcina.
Los productores de cerdos tienen la oportunidad de usar fuentes atípicas de alimentos
como sustituto de los productos estándar y éstas se hacen más atractivas cuando el
costo de los productos tradicionales suben considerablemente [Rea, J.; Bates, R. y
Veam. T.; 2001].
En el país, el maíz amarillo y sorgo han sido los cereales que, tradicionalmente,
se han utilizados como fuentes de energía en la alimentación de cerdos. Como tal

21
representan entre el 60-80% de los costos de producción de las dietas, lo que indica
que una reducción apreciable en el precio de los alimentos balanceados puede
lograrse mediante el empleo de ingredientes energéticos más económicos [López, N.;
Chicco, C. y Godoy, S.; 2003].
Los productores tienen la opción de utilizar fuentes no tradicionales de alimentos

para cerdos, tal es el caso de las batatas que son buena fuente de carbohidratos, pero
contiene poca proteína. Por el mayor contenido de humedad, este alimento funciona
para cerdos de más de 50 kg [Rea, J., Bates, R. y Deum. T.; 2001]. La mandioca es
una especie vegetal de raíz tuberosa que tambien se conoce con el nombre de yuca
[Montalvo, A.; 1985]. La raíz de yuca es una fuente energética utilizada en Europa en
forma rutinaria en la alimentación animal desde la década del 70, y existen regiones
de Venezuela donde se producen excedentes de yuca amarga, principalmente en la
época de cosecha, en donde los precios bajan de tal forma que hacen atractivas la
posibilidad de utilizarlas en la alimentación animal, asimismo, la factibilidad de
utilizar la harina de cormos de ocumo chino como sustituto del maíz, en aquellas
explotaciones donde el mayor período de tiempo de los animales en la unidad, no
ocasione graves problemas [González et al; 1997]. Otra alternativa es el subproducto
de afrecho y germen de maíz desgrasado (SAGMD), que posee alto y continua
disponibilidad durante todo el año y su precio competitivo, lo hacen un ingrediente de
alto potencial para ser incorporado en los alimentos concentrados para cerdos [López,
N., Chicco, C, y Godoy, S.; 2003].
Las hembras preñadas o lactantes requieren raciones con cantidades bastantes

elevadas de vitaminas y minerales, y de su riqueza proteica del 13%. Las cerdas
preñadas deben recibir raciones ricas en minerales para que produzcan camadas
numerosas de lechones sanos. Las hembras que están amamantando necesitan
proteínas, minerales y vitaminas para poder producir leche en abundancia. Si bien, las

22
cantidades de alimentos que necesitan estos dos grupos de hembras son diferentes,
unas y otras requieren alimentos con el mismo equilibrio nutritivo. Las cerdas que
amamantan necesitan más alimentos que las gestantes [Bundy, C.; Diggins, R. y
Christensen, V.; 1984].
Con respecto a la cría de cerdos destinados al mercado, si la tendencia del

porcicultor es el destete precoz, puede destetar a los lechones a la edad de 3 a 5
semanas, en vez de la edad usual de 8 semanas. Con el destete precoz se tiene cuatro
etapas en la cría de cerdos y que se denominan preiniciación, iniciación, crecimiento
y acabado o engorde. Éstas tres últimas etapas se dan cuando el destete es tardío. Al
destetar precozmente, los lechones deben recibir un pienso de preiniciación muy
reforzado, con el 21 a 23% de proteínas, o un reemplazante de la leche, hasta que
pesen de 4,5 a 5,5 kg. A continuación deben recibir una ración de iniciación que
contenga 18-19% de proteínas. A partir de los 18 kg se les debe suministrar una
ración de crecimiento que contenga 14-15% de proteínas, y prácticamente esta última
ración es la recomendada para la fase del acabado, pero con una reducción del
contenido de proteínas del 12 al 14%, así como una ligera disminución en los
aminoácidos esenciales de lisina, triptófano, metionina y cistina, y de los minerales
de calcio y fósforo [Bundy, C.; Diggins, R. y Christensen, V.; 1984].
El destete precoz tiene entre sus ventajas el de ahorrar alimentos para la hembra
evitándole pérdida de peso. La clave del éxito del destete precoz radica en dar a los
lechones unas raciones apropiadas y buenos alojamientos, y en prestarles la atención
debida, pero este tipo de destete tiene la desventaja que exige dar a los lechones
raciones especiales y formuladas cuidadosamente, tales raciones son caras [Bundy,
C.; Diggins, R. y Christensen, V.; 1984].

23
II.3.- Programación lineal
Cuando una realidad puede representarse mediante un sistema de desigualdades y

ecuaciones lineales, se tiene entonces un modelo de programación lineal, el cual
forma parte de una serie de técnicas matemáticas que caen dentro del amplio espectro
de la Investigación de Operaciones, donde es utilizada como herramienta en la toma
de decisiones. El enfoque de programación lineal considera al sistema bajo estudio
como descompuestos en ciertos números de funciones elementales llamadas
actividades. La programación lineal envuelve entonces la planificación de actividades
para obtener un resultado que mejor se aproxime a los objetivos especificados entre
una serie de alternativas factibles [UNA; 1993].
En un modelo de programación lineal, para denotar sus distintos componentes, se

utiliza de manera convencional la siguiente simbología:
Z = Medida cuantitativa de efectividad (ganancia, costos, volúmenes, etc)
xj = Nivel de la actividad j (j = 1, 2,..., n)
cj = Contribución a Z al variar una unidad en el nivel de la actividad j
bi = Cantidad de recurso i (i = 1, 2,..., m) disponible para asignar a las actividades
ai j = Cantidad del recurso i para llevar a cabo una actividad j a un nivel unitario.
El modelo de programación lineal establece el problema en términos de tomar
decisiones sobre el conjunto de actividades, por lo que x1, x2,..., xn se denominan
variables de decisión. Las cj , bi y ai j se llaman parámetros del modelo y se supone
que sus valores son conocidos [UNA; 1993].
Un modelo de programación lineal se organiza como sigue:

maximizar o minimizar función objetivo
sujeto a restricciones
tanto la función objetivo como las restricciones son funciones lineales. En el modelo,
la función objetivo expresa la medida de efectividad Z del sistema como una función
de las variables de decisión xj, la cual viene dado:
n
maximizar (o minimizar) Z = ∑c
j
j xj

24
Las restricciones del modelo debe satisfacer condiciones de índole relacional (≤ y/o ≥
y/o =) sobre la cantidad de recursos disponibles, esto es, los requerimientos de ai jxj
unidades del recurso i (i= 1,2,..,m) para llevar a cabo una actividad j (j= 1,2,..,n) a un
nivel de xj, para cualquier xj ≥ 0, que representa los niveles de no negatividad del
conjunto de actividades. Por lo tanto, las primeras m restricciones del lado izquierdo
para cualquier conjunto xj, ∑a ij x j ,es la cantidad actualmente utilizada de recurso bi
. Para las restricciones del tipo ≤ , el lado izquierdo puede ser considerado como la
máxima cantidad de un recurso que puede ser utilizado, análogamente, las del tipo ≥,
puede considerarse como la cantidad mínima de un recursos que puede ser empleado
y por ende, las del tipo = se circunscribe en la utilización de la cantidad justa de un
recurso disponible. Asimismo, las n restricciones restantes (xj ≥ 0) reciben el nombre
de condiciones de no negatividad. Para el caso de la variable de decisión que no está
restringida en signo (su valor puede ser positivo, negativo o cero), puede ser
reemplazada por la diferencia de dos variables no negativas, mediante una
transformación adecuada que garantiza la condición de no negatividad [UNA; 1993].
La forma típica de un modelo de programación lineal tiene la siguiente forma:

n
maximizar Z =
∑c j xj
sujeto a n
j
∑a
j
i j x j ≤ bi ; i = 1 , 2,..., m
xj ≥ 0 ; j = 1 , 2,..., n
Es oportuno señalar que para algunos autores, la función objetivo en la forma típica
del modelo es del tipo de minimización, en donde las primeras m restricciones suelen
ser del tipo ≥ , en todo caso tal asignación es convencional [UNA; 1993].
En un problema de programación lineal, por lo general, en el conjunto de las

primeras m restricciones suelen estar presentes los tres tipos de restricción (≤ , ≥ , =),

25
o la combinación de dos de ellos. Otra situación a destacar, es que las desigualdades

pueden ser transformadas en igualdades, añadiendo una variable no negativa para las
del tipo ≤ , y análogamente, sustrayendo ésta para las del tipo ≥ en el conjunto de
restricciones [UNA; 1993].
La formulación de un problema utilizando la programación lineal, quizás es el

paso más difícil y complejo. Se debe especificar las variables que son
verdaderamente relevantes y clarificar los objetivos que se deben alcanzar; cuales
son las unidades involucradas y cuál es la magnitud o importancia del problema que
se desea resolver. Se debe especificar además, cuales son los factores bajo control de
quien toma la decisión y cuáles no están bajo su control. Aunque no hay una regla
fija de cómo proceder para formular el problema en términos matemáticos, los pasos
que se señalan a continuación son una referencia
Paso 1: Definir el conjunto de actividades y asignar niveles no negativos x1, x2,..., xn. Estas
serán las variables de decisión. Selección para cada actividad de una unidad de medida
(horas, unidades, litros, etc).
Paso 2: Definir la medida de efectividad del sistema (ganancia de dinero, costo, volumen, etc)
y expresar la misma como una función de las variables de decisión. Esto es, construir la
función objetivo del modelo.
Paso 3: Establecer conjunto de restricciones mediante el reconocimiento de los recursos
limitados (número de horas, número de máquinas, horas, hombre etc.).
Los pasos anteriormente descritos, son sólo una guía y deben tenerse como tal. Sólo
la práctica constante y algo de arte e imaginación, son los soportes más firmes en la
construcción de los modelos matemáticos [UNA; 1993].
El modelo de programación lineal es un método matemático eficiente para

determinar la estrategia óptima cuando numerosas alternativas se encuentra
involucradas. El modelo ha sido aplicado a una variedad de situaciones que abarcan
desde la combinación de productos más apropiado en una fábrica hasta la mezcla de
subproductos en una refinería, pasando por la distribución de espacios en una tienda

26
por departamento o la asignación de tripulaciones o aviones en una línea aérea

[UNA; 1993].
El algoritmo que ha obtenido más éxito en la obtención de soluciones de un

problema de programación lineal, es el algoritmo Simplex. En la aplicación del
método Simplex se comienza con una solución básica factible (Es decir, un punto
extremo factible), luego se realiza un proceso iterativo donde se analiza una
secuencia no repetitiva de soluciones básicas factibles, de tal manera que cada
solución nueva mejora el valor de la función objetivo. Finalmente el método permite
detectar cuando se ha llegado a la solución óptima o bien no existe una solución.
El método Simplex se basa en dos condiciones fundamentales: 1) la condición de
optimización, en donde se asegura que no se encontrará otra solución mejor que la
óptima encontrada; 2) la condición de factibilidad, donde se garantiza que al
comenzar con una solución básica factible, se encuentra solamente soluciones básicas
factibles durante el proceso iterativo. Una vez que se ha obtenido la solución de un
problema de programación lineal, Es mucha veces necesario realizar un análisis de
sensibilidad; esto es, estudiar como cambia la solución del problema por cambios
discretos que se introducen en los distintos coeficientes de ese problema. Los
cambios discretos en esos coeficientes pueden o no afectar la condición de
factibilidad [UNA; 1993].
Casi todas las operaciones industriales, se enfrentan con problemas de

programación de recursos entre actividades que compiten entre sí por la obtención de
esos recursos. Algunos de esos problemas son simples y de pequeño tamaño, pero una
buena parte son complejos y de gran tamaño. Dentro de estos últimos, hay numerosos
y variados problemas en las cuales la aplicación del modelo de programación lineal,
suministra a la industria una información valiosa para la toma de decisiones. Entre
estos problemas se destacan los de transporte, planificaciones, producción en horario
normal y sobretiempo y de las mezclas [UNA; 1993].

27
II.3.1- Problemas de mezclas
Los problemas de mezclas se refieren a situaciones donde cierto número de

productos se mezclan para producir uno o más productos. Hay por supuesto
restricciones en la cantidad de insumos disponibles, en la calidad de los productos y
en la cantidad de los productos que debe obtenerse. Puesto que hay muchas maneras
de mezclar los insumos para obtener los productos finales satisfaciendo al mismo
tiempo las restricciones, se desea que la operación de mezclar se lleve a cabo
optimizando una determinada función objetivo [UNA; 1993].
La aplicaciones industriales de los problemas de mezclas se encuentran

comúnmente en la industria petrolera, en la elaboración de pinturas, en la industria
siderúrgica y en las fábricas de helados [UNA; 1993].
La alimentación representa la mayor parte de los recursos necesarios en la

producción animal; por tal razón, su eficiencia, costos económicos, condicionan
grandemente el éxito de los sistemas de producción animal. Contrariamente, todo
error en el cálculo de raciones, toda falta de exactitud en la apreciación de las
necesidades, contribuye, con el tiempo, a limitar la productividad de los animales
genéticamente más aptos para la producción [Quispe, E.; 2003].
El productor debe utilizar raciones alimenticias que además de cumplir con el

requerimiento del animal, sean de mínimo costo. En virtud de lo anterior, esta
raciones deben estar balanceadas con respecto a su adecuidad nutricional, empleando
fuentes disponibles más económicas y satisfactorias para proporcionar los diversos
nutriente críticos en las cantidades que se requieren, y al menor costo posible. Lo
anteriormente referido se logra utilizando la sofisticada técnica de optimización
denomina programación lineal [Quispe, E.; 2003].

28
La aplicación de la programación lineal en la producción de mezclas de alimentos

se basa en que la función de producir mezclas alimenticias es una combinación de
varios ingredientes como maíz, carne, harina de soya, harina de pescado, etc, dentro
de una composición la cual asegure reunir los requerimientos nutricionales
específicos tales como el contenido de proteína, aminoácido y energía. La mezcla
alimenticia producida, tiene por objetivo maximizar la ganancia y disminuir los
costos. [Haley, B.;1981].
Como ejemplo, en un compuesto determinado, caracterizado por m

especificaciones nutricionales, se puede introducir la siguiente notación para una (1)
libra de compuesto:
xj : Denotará la cantidad del ingrediente j
pj : Denotará el precio por libra del ingrediente j
aij : Denotará la cantidad de nutriente i por libra del ingrediente j
bj ’max : Denotará la máxima cantidad permisible del nutriente i en el compuesto
bj ’min : Denotará la mínima cantidad permisible del nutriente i en el compuesto
xj ’max : Denotará la máxima cantidad permisible del ingrediente j en 1 libra del compuesto
xj ’min : Denotará la mínima cantidad permisible del ingrediente j en 1 libra del compuesto
El problema de optimizar el compuesto viene dado por:
(1.1) minimizar ∑p x
j
j j
sujeto a
(1.2) bi 'min ≤ ∑ a i j x j ≤ bi ' max ; i = 1,…,m

j
(1.3) ∑x
j
j =1 ;
(1.4) xj 'min ≤ xj ≤ xj ' max

; j = 1,…,n
; que es el modelo de Tarje Hansen [Haley, B.; 1981].

29
El método símplex es un algoritmo particularmente adecuado para su ejecución

en computadora. El auge de las computadoras ha hecho posible la amplia aplicación
de la programación lineal [Hillier, F. y Lieberman, G.; 2002]. Sin embrago, debe
tenerse en mente que la computadora resuelve el modelo según lo presenta el usuario.
Si el usuario no tiene conocimiento de las limitaciones del modelo que se utiliza, la
calidad de la solución reflejará esta deficiencia [Taha, H.; 2003].
En la formulación de raciones alimenticias, los resultados obtenidos por

programación lineal a través de un software, deberán ser analizados cuidadosamente,
puesta que esta técnica de optimización se basa en una solución al problema basado
en el costo de los alimentos sujeto a las restricciones de ingredientes y nutrientes
establecidas por el formulador. En este entender , los resultados obtenidos podrán
cumplir con las condiciones matemáticas establecidas, pero no necesariamente las
biológicas, aquellas que se observarán en la respuesta animal [Quispe, E.; 2003]. La
técnica matemática para la formulación de mezclas alimenticias nutricionalmente
balanceados y a un costo mínimo, no tiene presente datos, tales como la sapidez, que
pueden ejercer una influencia importante sobre la respuesta del animal. Por lo tanto,
es importante que la mezcla alimenticia obtenida por esta técnica tenga un sabor que
sea del agrado del animal [Pond, W. y Maner, J.; 1975].
En las plantas elaboradoras de alimentos mezclados, una vez que se prepara una
fórmula, a menudo los cambios de ingredientes se determinan por computadora, con
el fin de disminuir los costos. La fórmula propuesta por una computadora, se hallan
condicionadas por la exactitud de la información sobre los niveles y el
aprovechamiento de los diversos principios nutritivos en los ingredientes
considerados. En la planta, los ingredientes pasan por un proceso mecanizado de
varias etapas. Entre las características de estos alimentos se destaca la granulación
(pellets) que mejora la aceptación del alimento, asegura la homogeneidad y la mayor
densidad de la mezcla [Wall, J. Y Ross, W.; 1975].

30
II.3.2- Software de aplicación
La implantación en computadoras personales del método simplex y sus variantes

ha permitido resolver problemas de programación lineal con cientos de restricciones
funcionales y variables de decisión y, en ocasiones, de mayor tamaño. En el mercado
existe una gran variedad de paquetes computacionales que satisfacen diferentes
necesidades para solucionar problemas de PL [Hillier, F. y Lieberman, G.; 2002].
El LINDO (Linear INteractive Discrete Optimizer) es un prominente paquete de

software de la firma LINDO System, Inc; amigable para el usuario y con una gran
aceptación en el mercado [Hillier, F. y Lieberman, G.; 2002]. El LINDO permite
introducir la función objetivo y las restricciones en forma natural, sin necesidad de
insertar las entradas con coeficientes iguales a cero. Acepta hasta 100 restricciones y
hasta 200 variables. El software TORA Optimization System © Hamdy Taha, es útil
en el caso de problemas de pequeña escala, en donde la data no requiere
representaciones decimales muy grandes o muy pequeñas. Acepta un máximo de 30
variables y 30 restricciones [UNA; 2006]. El TORA se puede usar en modo tutorial
guiado por el usuario o de resolución. El programa se emplea a base de menús, por lo
que no es necesario un manual para el usuario [Taha, H.; 2003].
En la actualidad es muy común el uso del paquete de hojas de cálculo líder,

Microsoft Excel [Hillier, F. y Lieberman, G.; 2002]. Microsoft Excel Solver™, es un
módulo de optimización, útil para problemas de gran escala y muy flexible para el
manejo de la data y solución del problema; se instala con el Microsoft Office y se
activa con la opción Solver del menú Herramientas de Excel. Winqsb, al igual que el
Excel, permite introducir la data en forma natural. El paquete LOPT © Robert Bixby,
está diseñado para resolver problemas de mediana escala, hasta 1.200 variables y 600
restricciones [UNA;2006]. Existen otros paquetes como AMPL, MPL, GAMS y
LINGO para resolver problemas de PL grandes [Hillier, F. y Lieberman, G.; 2002].

31
CAPITULO III
MARCO METODOLOGICO
III.1.- Tipo de investigación
Es una investigación documental, ya que su estrategia esta basada en el análisis de

datos, obtenidos de diferentes fuentes de información, especialmente de revistas
científicas, textos y demás material impreso
III.2.- Propósito de la investigación
Es una investigación aplicada, porque se buscan conocimientos con fines de

aplicación inmediata a la realidad, con el objeto de presentar solución a problemas
prácticos
III.3.- Nivel de la investigación
Es una investigación descriptiva, trata de obtener información acerca del proceso,

para describir sus implicaciones, a fin de dar una visión de como opera y cuales son
sus características
III.4.- Fuentes de información
La información fue obtenida de las siguientes fuentes

1) Fuentes primarias: Conversaciones informales con profesionales del área
de la Nutrición y de la Producción Animal.
2) Fuentes secundarias: Las principales fuentes secundarias corresponden a
revistas científicas, texto, otros documentos impresos y consultas en
páginas web.

32
III.5.- Metodología de la investigación.
Para la formulación del modelo de programación lineal en la preparación de

raciones alimenticias para ganado porcino se siguió los lineamientos de UNA (1993),
donde se dedujo el modelo de Tarje Hansen (Haley, B.; 1981) que versa sobre la
proporción de mezcla alimenticia que cumpla con los requerimientos nutricionales
del animal y a un costo mínimo. Este modelo fue ampliado al incorporar restricciones
de índole energética, y se adaptó su aplicación a las raciones alimenticias
experimentalmente probadas para cerdos, en donde el costo mínimo obtenido por la
programación lineal, junto al parámetro de la conversión alimenticia, permite hallar
un costo mínimo de ración alimenticia más ajustada a la realidad.
III.5.1- Formulación del modelo de programación lineal
El ganado porcino, como otras especies de interés pecuario, deben alimentarse en

varias etapas, cada una de ellas con requerimientos nutricionales específicos y en
donde se considera las necesidades energéticas. A continuación se presenta un
esquema que permite visualizar mejor lo anteriormente referido
ETAPA : ETA_[k] ► ETA_[1] ETA_[2] • • • ETA_[q]

ENERGIA : ENE_[k] ► ENE_[1] ENE_[2] • • • ENE_[q]
NUTRIENTES : NUT_[k] ► NUT_[1] NUT_[2] • • • NUT_[q]
En el presente trabajo, la formulación del modelo de programación lineal va estar

orientado a una etapa específica, por lo tanto, si se evalúan varias etapas, entonces
cada una de éstas deben solucionarse por separados en función de las particularidades
de cada caso y después de obtener los costos respectivos, se procede a su totalización.
Ahora se procede a la formulación del modelo de programación lineal (Ver

Apéndice A) para una etapa productiva específica del animal.

33
Paso 1. Variables de decisión.

Se designa por xj la cantidad, en kilogramos, que se debe utilizar del ingrediente j
(j = 1, 2,..., n). Estas son las variables de decisión y que por la naturaleza del
problema toman valores no negativos
Paso 2. Función objetivo.

El modelo debe proporcionar el costo mínimo de la ración preparada. Si x1 es la
cantidad, en kilogramos, de ingrediente 1 a comprar, y si p1 es el precio por
kilogramo asociado al ingrediente 1, entonces el costo de ese ingrediente es p1x1. De
manera similar, el costo de comprar x2 kilogramos del ingrediente 2 es p2x2 . En
general, si el costo de comprar de comprar xj del ingrediente j es pjxj , entonces, si se
designa por Z el costo total de la ración, se tiene que:
Z = p1x1 + p2x2 + … + pnxn ;
Como lo que se desea es obtener el costo total mínimo, entonces la función objetivo
es:
minimizar Z = p1x1 + p2x2 + … + pnxn ;
Que se puede expresar como:

n
minimizar Z = ∑px
j =1
j j
Paso 3. Restricciones.
Como se desea preparar un kilogramo de ración alimenticia, debe cumplirse que
la suma de las cantidades de cada uno de los ingredientes de ración sea igual a la
unidad, es decir,
x1 + x2 + … + xn = 1
O bien
n
∑x
j =1
j =1 ;

34
Se establece las limitaciones inherentes a los nutrientes. Considerando que aij es la

cantidad de nutrientes i presente en un kilogramo de ingrediente j, y que la cantidad
máxima y mínima permisible de nutriente i en un kilogramo del alimento animal es
bi ’max y bi ’min respectivamente. Por lo tanto se tendría lo siguiente
a11x1 + a12x2 + … + a1nx1n ≥ b1 ’min
a11x1 + a12x2 + … + a1nx1n ≤ b1 ’max
a21x1 + a22x2 + … + a2nxn ≥ b2 ’min
a21x1 + a22x2 + … + a2nxn ≤ b2 ’max
• • • •
• • • •
• • • •
am1x1 + am2x2 + … + amnxn ≥ bm ’min

am1x1 + am2x2 + … + amnxn ≤ bm ’max
En forma resumida, esta ecuaciones se escriben
n
bi ' min ≤ ∑ a i j x j ≤ bi ' max i = 1, 2,…, m
j =1
Las variables de decisión, representadas por las cantidades de ingredientes,

además de tomar valores no negativos, están condicionadas a las cantidades
máximas xj ’max y mínimas xj ’min permisible del ingrediente j en un kilogramo del
compuesto (Ver Apéndice D), por lo tanto:
x1 ≥ x1 ’min
x1 ≤ x1 ’max
x2 ≥ x2 ’min
x2 ≤ x2 ’max
• •
• •
• •
xn ≥ xn ’min
xn ≤ xn ’max
En analogía del caso anterior, estas ecuaciones se escriben
xj ' min ≤ x j ≤ x j ' max ; j = 1, 2,..., n
Ahora bien, como se puede apreciar, hasta este momento se ha formulado el

modelo de Tarje Hansen, sin embargo, el mismo no considera la energía (digestible
o metabolizable) que es suministrada por los ingredientes que son fuentes energéticas.

35
En consecuencia, al fijar los niveles máximos y mínimos de los ingredientes en la

ración, también se fijan los niveles máximos y mínimos de la energía digestible o
metabolizable. En adelante, ésta última es la energía que será considerada. Dicho lo
anterior, se procede ampliar el modelo agregándole restricciones de energía y para
ello se parte del siguiente razonamiento. Si se designa con dj la energía metabolizable
por kilogramo de ingrediente j de la ración, y si se denota con e ‘max y e ‘min las
cantidades máximas y mínimas permisibles de energía metabolizable, entonces se
tendría
d1x1 + d2x2 + … + dnxn ≥ e ‘min
d1x1 + d2x2 + … + dnxn ≤ e ‘max
Estas ecuaciones se escriben

n
e 'min ≤ ∑ d j x j ≤ e ' max
j =1
Para el caso de las raciones experimentales, donde el radio de acción nutricional

puede coincidir o ser más reducido por los límites fijados de manera estándar por la
literatura especializada, se tiene que, si se designa con bi’ ’max y bi’ ’min las
cantidades máximas y mínimas permisibles del nutriente i en la ración experimental,
si además se denota con xj’ ’max y x j’ ’min las cantidades máximas y mínimas
permisibles del ingrediente j en 1 kg de la ración experimental. Aunado a lo anterior,
se designan con e ’‘max y e’‘min las cantidades máximas y mínimas de energía que
puede suministrar la ración experimental, lo anteriormente referido se puede
explicitar como
n
bi ' min ≤ bi ' ' min ≤ ∑ a i j x j ≤ bi ' ' max ≤ bi ' max ; i = 1,…,m
j =1
xj ' min ≤ x j ' 'min ≤ x j ≤ x j ' ' max ≤ x j ' max

; j = 1, 2,..., n
n
e 'min ≤ e ' 'min ≤ ∑ d j x j ≤ e ' ' max ≤ e 'max
j =1

36
Ahora bien, si se desea flexibilidad en las restricciones de la cantidad de energía

metabolizable en el modelo de Tarje Hansen adaptado a raciones experimentales, es
necesario considerar dos parámetros, e ’’ ‘max y e ’’ ‘min que denotan las cantidades
máximas y mínimas de energía metabolizable que va a servir para el análisis de
sensibilidad en la restricción correspondiente al componente de energía en el modelo.
El modelo formulado de Tarje Hansen ampliado y adaptado a raciones

experimentalmente probadas para el ganado porcino, viene dado por:
n
1) minimizar Z = ∑ p j x j
j =1
sujeto a
n
2) e ' ' 'min ≤ ∑ d j x j ≤ e ' ' ' max
j =1
3) bi ' 'min ≤ ∑ a i j x j ≤ bi ' ' max ; i = 1,…,m

j =1
n
4) ∑x
j =1
j =1
5) x j ' 'min ≤ x j ≤ x j ' ' max ; j = 1,…,n
En el modelo se puede apreciar la inclusión de Z en el miembro izquierdo de la

función objetivo y de las necesidades energéticas en las restricciones.
El productor dedicado a la cría de animales le interesa que las mezclas

alimenticias preparadas, estén nutricionalmente balanceadas y al menor costo posible.
Precisamente el modelo de programación lineal, a través del método Simplex (Ver
Apéndice B), permite la confección de raciones de costo mínimo, el cual puede ser
implementado en un software específico, donde es posible especificar las
restricciones de cada ingrediente y nutriente. Al productor que cría animales de
interés pecuario para comercializar su carne, también le interesa que éstos obtengan el

37
peso de mercado con un menor consumo de alimento, para ello es importante conocer
o estimar el parámetro de la conversión alimenticia, que es una respuesta productiva a
la ingestión de nutrientes por parte del animal, al suministrarle la mezcla alimenticia.
En virtud de lo anterior, el productor debe combinar la ración balanceada y de menor
costo con la conversión alimenticia asociada. Esta situación es más notoria en una
explotación porcina, donde los cerdos destinados a la cría para su comercialización
son alimentados por etapas dependiendo del incremento de su peso corporal. Es de
destacar, que el parámetro de la conversión alimenticia se toma en cuenta para los
cerdos de cría y cerdas gestantes, no así para las cerdas en etapa de lactancia.
En los ensayos de raciones alimenticias experimentales para ganado de porcino, el

investigador evalúa el efecto que se produce sobre la conversión alimenticia cuando
un ingrediente alternativo sustituye progresivamente a un ingrediente estándar a
través de diferentes tratamientos, donde el primero de éstos es denominado ración
basal, y que generalmente se utiliza como patrón para el análisis comparativo con el
resto de los tratamientos. Ahora bien, cuando el investigador considera el costo de la
cada ración experimental, multiplica cada uno de estos costos por la conversión
alimenticia asociada y los compara entre sí, para seleccionar el que obtuvo el menor
valor, y si ésta no coincide con el valor de la ración basal, se obtiene el resultado
deseado por el investigador.
En los problemas de dietas donde se aplica la programación lineal, el costo

mínimo de la función objetivo Z es dado directamente por la solución del problema.
En el presente trabajo, donde se considera la conversión alimenticia, la solución del
problema de mezclas alimenticias esta basado en la utilización, bajo ciertos
lineamientos, de la programación lineal a partir de los tratamientos de las raciones
alimenticias experimentales. Para ello, se consideran tres raciones R denominadas
basal, alternativa y alternativa’. Cada una de éstas tienen asociados un costo Z, una
conversión alimenticia CA y el producto de éstos dos últimos Z.CA.

38
La ración basal R1, se caracteriza porque la composición porcentual de los

ingredientes, el costo de la ración Z1, la conversión alimenticia asociada CA1 y el
producto Z1.CA1 es dado directamente por la tabla de datos primarios. El valor de
Z1.CA1 de la ración basal es tomado como referencia, en el sentido que a este nivel al
hacer el estudio comparativo con otras raciones, lo esperado es que la ración
seleccionada con el menor valor, sea además menor que la ración basal.
La ración alternativa R2, es obtenida fijando los niveles máximos y mínimos de

energía y nutrientes contenidos en los ingredientes de la mezcla en un modelo
matemático previamente establecido, posteriormente se aplica la técnica
programación lineal que permite obtener los valores que corresponde a la
composición porcentual de los ingredientes (variables de decisión) en la mezcla, el
costo de la ración Z2 (función objetivo), la conversión alimenticia CE2 asociada
(estimada por interpolación) y por supuesto Z2.CA2.
La ración alternativa’ R3, se obtiene a partir del análisis de sensibilidad llevado a

cabo en el modelo de programación lineal; pero antes ejecutar este procedimiento, se
debe observar los valores CR.CA de cada tratamiento. Si entre los tratamientos
extremos se encuentra uno con el menor valor CR.CA, se realiza los cambios
pertinentes en el segundo miembro de las restricciones (energía y/o nutrientes y/o
ingredientes), que sea los más próximo a dicho tratamiento; pero si el menor valor
CR.CA se localiza entre uno de los tratamientos extremos, queda a juicio del
investigador hacer los cambios (segundo miembro) que considere apropiados. Al
ejecutar el análisis de sensibilidad y en analogía al caso anterior, se obtienen lo
correspondiente a la composición porcentual de los ingredientes en la mezcla, el costo
de la ración Z3 (función objetivo), la conversión alimenticia CA3 asociada (estimada
por interpolación) y Z3.CA3.

39
Una vez hallado los valores Z2.CA2 y Z3.CA3 de las raciones alternativa R2 y
alternativa’ R3 respectivamente, y si al menos el valor uno de ello es menor al Z1.CA1
de la ración basal, entonces se logró el objetivo. El costo obtenido de Z.CA tiene
diversos nombres que hacen referencias a las unidades de medidas, entre los
cuales se destaca Costo/kg G. Peso (Acurero et al; 1993), Costo por peso relativo
(González et al; 1997). En virtud de lo anterior, es necesario proporcionar una
denominación a este costo fundamentado en bases conceptuales formales. Partiendo
del principio que Z.CA es un indicador que mide un efecto (resultado cuantificable),
que a través de un procedimiento de comparación con respecto a un nivel de criterio
prefijado, se establece si se logró o no el efecto esperado. Bajo estos lineamientos se
esta atendiendo los criterios de eficacia, eficiencia y efectividad.
Los términos de eficacia, eficiencia y efectividad es ampliamente utilizado en los

diversos campos de saber y de la vida diaria cotidiana. Sobre el uso corriente de estos
términos en diferentes ámbitos, no está en correspondencia con las acepciones que
ofrece el diccionario; y más aún, que en muchas ocasiones se usan de forma
indistinta, predominando más una intención cualitativa que un verdadero sustrato
conceptual. (Bouza 2000, González 2002). De los tres términos anteriormente
referidos, es muy común el uso de la combinación de dos ellos, cuyo efecto puede
estar basado en objetivo(s), meta(s), resultado(s) y similares. A continuación se
presenta dos combinaciones que son comúnmente empleados en base a objetivo(s)
- Eficacia es lograr el objetivo y eficiencia es como se logra el objetivo.
- Efectividad es la capacidad para lograr objetivos y eficiencia es como
lograr los objetivos.
Para los efectos del presente trabajo, se utilizaron los tres términos en base a
resultado:
- Efectividad es la capacidad para lograr resultados, eficiencia es como
lograr el mejor resultado y eficacia es lograr el resultado esperado.

40
Partiendo del principio que Z.CA es un resultado cuantificable traducido en costo

(efectividad), que es comparado con otros resultados de las misma índole, para
seleccionar el mejor, en esta circunstancia el menor (eficiencia), y que luego es
comparado con un costo específico para establecer si es inferior a éste, que en caso
afirmativo se dice que se logró el resultado esperado (eficacia). En consecuencia,
para proporcionar una denominación apropiada del parámetro Z.CA, solo resta
agregar el sustantivo que mejor se adecue a lo aquí planteado. A continuación se
presenta las consideraciones que al respecto manifiesta un autor, lo cual va a permitir
despejar la presente situación.
Nieto (2003), expresa que cuando en la aplicación de un programa SSA

(seguridad, salud y ambiente), se cumplen los objetivos (en base a un criterio),
seleccionando entre varios resultados el mejor, entonces se dice que los recursos
empleados se utilizaron de una manera eficaz, eficiente y efectiva.
Nieto (2003), bajo un enfoque económico, define el costo-eficaz como el logro

del objetivo con la mínima cantidad de recursos; el costo-efectividad es el costo de las
intervenciones, a igual efectividad de varias intervenciones, la de menor costo es la
más eficiente. En base a lo planteado por este autor, y su adaptación a lo aquí
desarrollado, el resultado de multiplicar el costo ración por la conversión alimenticia
(Z.CA) es el costo-efectividad, el cual se designó con CE. Para los efectos del
presente trabajo, el objetivo es que de los resultados obtenidos de costo-efectividad de
las raciones basal (CE1), alternativa (CE2) y alternativa’ (CE3), al menos una de estas
dos últimas sea menor a la basal (CE2 < CE1 y/o CE3 < CE1). El menor valor de los
costo-efectividad es el más eficiente y si además es menor que su homólogo basal,
entonces es un costo-eficaz.

41
III.5.2- Evaluación de raciones alimenticias por programación lineal
III.5.2.1- Consideraciones básicas
En el presente trabajo, con relación a la evaluación de raciones

experimentalmente probadas, hay un ingrediente estándar o tradicional (maíz) y un
ingrediente alternativo (reemplazante del maíz). En la formulación de la mezcla
alimenticia a nivel de las categorías de ración (R), costo ración (Z) y
costo-efectividad (CE) asociado, se denotó con h (h = 1,2,3) la modalidad de la
mezcla, donde 1 = basal, 2 = alternativa y 3 = alternativa’, y en virtud de lo anterior,
se utilizó la siguiente denotación:
Ración: Rh ; ración h
(R1 es la mezcla alimenticia denominada ración basal o testigo que incluye el ingrediente
tradicional y excluye o incluye en menor proporción el ingrediente alternativo. R2 y R3 son
las raciones alternativa y alternativa’ respectivamente, y en cuyas mezclas se combinan el
ingrediente tradicional y el alternativo. La proporción de los ingredientes de R2 es obtenido
por PL (programación lineal) y los de R3 por análisis de sensibilidad
Costo ración: Zh ; costo ración de la ración h
Costo-efectividad: CEh ; costo-efectividad de la ración h
En la figura 2 se ilustra el proceso para determinar el costo-efectividad de la

ración alternativa
Restricciones
Cantidades de
Costo mínimo
ENERGIA ingredientes
de R2
NUTRIENTES
INGREDIENTES Costo-efectividad de R2
SIMPLEX x1 x2 ... xn Z2
Función objetivo CE2 = CA2 . Z2
Min Z= p1x1 + p2 x2 + … + pnxn

CAT1 CAT2 ... CATr CA2
Modelo de PL de R 2 Conversión alimenticia por tratamiento Conversión alimenticia
de las raciones experimentales estimada de R2
FIGURA 2. Proceso para determinar el costo-efectividad de la ración alternativa (R2) a partir

del modelo de programación lineal (PL) y el parámetro de la conversión alimenticia
FIGURA 2. Proceso para determinar el costo-efectividad de la ración alternativa (R2) a partir

del modelo de programación lineal (PL) y el parámetro de la conversión alimenticia
42
Para evaluar raciones alimenticias experimentalmente probadas para cerdos

mediante programación lineal, específicamente con el modelo de Tarje Hansen
ampliado y adaptado a este tipo de raciones; donde se considera el parámetro
zootécnico de la conversión alimenticia, se debe contar con una tabla de datos
primarios contentiva de la siguiente información básica:
Ración alternativa R2
Ración basal R1
Raciones de control
Niveles de tratamiento
Ingrediente Ingrediente
estándar (x1) T1 T2 • • •
Tr
Ingrediente_1 x1T1 x1T2 • • • x1Tr
Ingrediente_2 x2T1 x2T2 • • • x2Tr
Ingrediente • • • • Conversiones alimenticias
alternativo (x1) •
•
•
•
•
•
•
• asociadas a las raciones
Ingrediente_n xnT1 xnT2 • • • xnTr de control
Total 100 100 • • • 100
Conversión alimenticia CAT1 CAT2 • • • CATr
Conversión alimenticia
de ración basal R1
Conversión alimenticia
estimada de la ración
alternativa R2
FIGURA 3. Representación esquemática de la tabla de composición de raciones

experimentales con inclusión de ingrediente alternativo. Las llamadas con líneas de trazos
significan valores que deben determinarse
III.5.2.2- Procedimiento para la evaluación de raciones
A continuación se indica los pasos para evaluar raciones experimentalmente

probadas para cerdos a través de la programación lineal aplicado a animales que
presentan variación en su peso corporal, como es el caso de los cerdos criados para
destinarlo a la venta y las gestantes, bajo los siguientes supuestos:
- Evaluación del efecto que sobre la conversión alimenticia tiene un ingrediente
alternativo con respecto a un ingrediente estándar mediante raciones
experimentalmente probadas de diferente composición (tratamiento).
- El precio por unidad del ingrediente alternativo es menor al estándar

43
a) Construcción de la tabla de datos

Construir una tabla con tres matrices estructurales
a.1) Indicar los ingredientes, los precios asociados y la composición porcentual de
cada ración experimental (tratamientos)
a.2) Presentar por cada ración el costo ración (Bs/kg), la conversión alimenticia
(kg/kg), el costo-efectividad (Bs/kg) y el costo-efectividad porcentual (%).
a.3) Señalar por cada ración la energía metabolizable (Kcal/kg), la proteina (%) y
demás nutrientes presentes en el mezcla.
a.4) Opcionalmente se puede colocar información adicional de interés en la parte
inferior de la tabla. La determinación de los valores extremos de energía
metabolizable, nutrientes y cantidad de ingredientes se puede hacer a este nivel
TABLA 1. Estructura genérica de composición porcentual, monetaria,

energética y de nutrientes de raciones experimentales para cerdos con
inclusión creciente del ingrediente alternativo
Precio Nivel de tratamiento

Ingrediente Tr
(Bs/Kg) T1 T2 • • •
Ingrediente_1 p1 x1T1 x1T2 • • • x1Tr

Ingrediente_2 p2 x2T1 x2T2 • • • x2Tr
• • • • •
• • • • •
• • • • •
Ingrediente_n pn xnT1 xnT2 • • •

xnTr
Total 100 100 • • • 100
Costo ración (Bs/ Kg) CRT1 CRT2 • • • CRTr
Conversión alimenticia (Kg/Kg) CAT1 CAT2 • • • CATr
Costo-efectividad (Bs/Kg) CET1 CET2 • • • CETr
Costo- efectividad porcentual (%) %CE T1 %CE T2 • • • %CE T1
Energía metabolizable (Kcal/Kg) ｅ’T1 ｅ’T2 • • •
ｅ’Tr
Nutriente_1 (%) b1’T1 b1’T2 • • • b1’Tr
Nutriente_2 (%) b2’T1 b2’T2 • • • b2’Tr
• • • • •
• • • • •
• • • • •
Nutriente_m (%) bm’T1 bm’T2 • • •

bm’Tr
NOTA: Los recursos disponibles sujeto a restricciones para el modelo de programación lineal son: energía, nutrientes
e ingredientes. Con respecto a este último, se refiere a la cantidad de ingrediente j presente en la ración. Cuando entre
los tratamientos T2 y Tr-1 exista(n) valor(es) nulo de cantidad(es) de ingrediente(s) xjTv (v = 2,3,..., r-1); se debe
verificar si la(s) misma(s) cuando están presente en el compuesto no tiene(n) incompatibilidad al mezclarse a ese u
otro nivel con los demás ingredientes de la ración.(￡): Los niveles de sustitución significa que en el tratamiento Tr el
conjunto de las raciones estándar y alternativa representan un 100%, mientras que los de inclusión representan el nivel
de porcentaje del ingrediente alternativo incluido en la ración.

44
Los niveles máximos y mínimos de los recursos disponibles para la mezcla son:
ENERGÍA: e’’’max = max { e’T1 , e’T2 , ... , e’Tr } ; e’’’min = min { e’T1 , e’T2 , ... , e’Tr }
NUTRIENTES: bi’max = max { bi’T1, bi’T2 , ... , bi’Tr } ; bi’min = min { bi’T1, bi’T2 , ... , bi’Tr }; i = 1, 2, ...,m
INGREDIENTES: xj’max = max { xjT1, xjT2 , ... , xjTr } ; xj’min = min { xjT1, xjT2 , ... , xjTr }; j = 1, 2, ...,n
b) Elaboración de tabla intervalos de tendencias lineales de las conversiones

alimenticia de cada ración experimental
Se elabora una tabla con los intervalos de tendencias lineales de conversión

alimenticia entre raciones en base a las cantidades presentes de los ingredientes
estándar y alternativo. Aquellos intervalos contiguo con igual pendiente se pueden
presentar como uno solo, formando un intervalo unificado, y por ende, una tendencia
lineal unificada asociada, lo cual facilita los cálculos de la conversión alimenticia a
estimar. Opcionalmente se puede presentar gráfico(s) para visualizar la influencia de
ambos ingredientes sobre la conversión alimenticia de las raciones experimentales
para cerdos.
TABLA 2 Intervalos genéricos de tendencias de la

conversión de los ingredientes estándar (x1) y alternativo (x2)
Ingrediente Intervalo Tendencia lineal
x1T1 ≤ x1 ≤ x1T2 CAT1 + P1T1 (x1 - x1T2 )
x1T2 < x1 ≤ x1T3 CAT2 + P1T2 (x1 - x1T3 )
Ingrediente_1 • • • t• • •
x1Tr-1 < x1 ≤ x1Tr CATr-1 + P1Tr (x1 - x1Tr )
x2T1 ≤ x2 < x2T2 CAT1 + P2T1 (x2 – x2T2 )
x2T2 ≤ x2 < x2T3 CAT2 + P2T2 (x2 – x2T3 )
Ingrediente_2 • • • t• • •
x2Tr-1 ≤ x2 ≤ x2Tr CATr-1 + P2Tr (x1 - x1Tr )
PθTλ - 1 = (CATλ - CAλ - 1 ) / (xθTλ - xθTλ – 1 ) ;
θ =1, 2 ; θ ⊂ j ; j = 1, 2,…,n ; λ = 2, 3,…,r ; λ ⊂s ; s = 1,2,…,r
c) Formulación del modelo de programación lineal para raciones alimenticias
A partir de la tabla construida en el punto a, se formula el modelo de

programación lineal presentando el siguiente esquema:

45
c.1) FUNCION OBJETIVO: Representado por las cantidades de ingredientes (xj)

multiplicado por los precios por unidad asociados (pj)
MIN Z = p1x1 + p2x2 + ... + pnxn
c.2) RESTRICCIONES LINEALES:

c.2.1) Restricciones de energía: Restringe la energía metabolizable a los
valores extremos de energía de la tabla de datos
d1x1 + d2x2 + ... + dnxn ≥ e’’’min
d1x1 + d2x2 + ... + dnxn ≤ e’’’max
c.2.2) Restricciones de nutrientes: Restringe los nutrientes presente en la
mezcla alimenticia a los valores extremos de los nutrientes de la tabla
de datos
a11x1 + a12x2 + ... + a1nxn ≥ b1’min
a11x1 + a12x2 + ... + a1nxn ≤ b1’max
a21x1 + a22x2 + ... + a2nxn ≥ b2’min
a21x1 + a22x2 + ... + a2nxn ≤ b2’max
• • • •
• • • •
• • • •
am1x1 + am2x2 + ... + amnxn ≥ bm’min

am1x1 + am2x2 + ... + amnxn ≤ bm’max
c.2.3) Restricciones de mezcla base: La suma total de las cantidades de
ingredientes debe ser igual a la unidad (1 kg )
x1 + x2 + ... + xn = 1
c.2.4) Restricciones de ingredientes: Restringe las cantidades de ingredientes a
determinar a los valores extremos de los nutrientes de la tabla de datos
x1 ≥ x1’min
x1 ≤ x1’max
x2 ≥ x2’min
x2 ≤ x2’max
• •
• •
• •
xn ≥ xn’min
xn ≤ xn’max
El modelo formulado es corrido en el software (LINDO, ver Apéndice C) para

obtener la solución de costo mínimo de la ración alternativa (Z2).

46
d) Cálculo de la conversión alimenticia de la ración alternativa (CA2)
Una vez obtenido las cantidades de los ingredientes estándar (x1) y alternativo (x2)
se estiman las conversiones alimenticias de ambos ingredientes en base a la
información suministrada por la tabla del punto b; luego se promedian para obtener la
conversión alimenticia estimada de la ración alternativa R2 (CA2)
CA2 = (1/2)(CA2X1 + CA2X2)
e) Cálculo de los costos eficaz y porcentual de la ración alternativa (CE2 y

%CE2 respectivamente )
CE2 = CA2 .Z2

%CE2 = (CE2 / CE1).100%
f) Análisis de sensibilidad.
Se realiza en uno o más de los siguientes niveles:

f.1) Restricciones de energía: Si las diferentes raciones experimentales no
tienen iguales niveles de energía (Isoenergética)
f.2) Restricciones de nutrientes: Si el nutriente i no está afectado por signo de
igualdad
f.3) Restricciones de cantidad de ingredientes: Si la cantidad de ingrediente xj
del ingrediente j no esta presente en iguales cantidades en las diferentes
raciones experimentales
El nuevo modelo formulado es corrido en el software para obtener la solución del
costo mínimo de la nueva ración alternativa’ (Z3)
g) Cálculo de la conversión alimenticia de la ración alternativa’ (CA3)
Se procede de manera análoga al punto d), utilizando los valores x1 y x2 de la

nueva corrida
CA3 = (1/2)(CA3X1 + CA3X2)

47
h) Cálculo de los costos-efectividad y porcentual de la ración alternativa’

(CE3 y %CE3 respectivamente )
CE3 = CA3.Z3
%CE3 = (CE3 / CE3).100%
i) Construcción de la tabla de resultados
Construir una tabla con tres matrices estructurales

a.1) Indicar los ingredientes, los precios asociados y la composición porcentual
de las ración basal, alternativa y alternativa’
a.2) Presentar por cada ración, el costo ración (Bs/kg), la conversión
alimenticia (kg/kg), el costo-efectividad (Bs/kg), el costo-efectividad
porcentual (%) y la energía metabolizable (Kcal/kg).
a.3) Opcionalmente se puede colocar información adicional de interés en la
parte inferior de la tabla, así como gráfico(s) versado sobre la tabla
TABLA 3. Estructura genérica de composición porcentual, monetaria,

energética y de nutrientes de las raciones experimentales para cerdos. basal,
alternativa y alternativa’
Precio Ración
Ingrediente
(Bs/Kg) Basal Alternativa Alternativa'
Ingrediente_1 P1 x1T1 x1 x1’
Ingrediente_2 P2 x2T1 x2 x2’
• • • • •
• • • • •
• • • • •
Ingrediente_n pn xnT1 xn xn’

Total 100 100 100
Costo ración (Bs/Kg) CR1 CR2 CR3
Conversión alimenticia (Kg/Kg) CA1 CA2 CA3
Costo eficaz (Bs/Kg) CE1 CE2 CE3
Costo eficaz porcentual (%) %CE1 %CE2 %CE3
Energía metabolizable (Kcal/Kg) e1’ e2’’ e 3’’
En la tabla 3 se tiene los elementos para la evaluación de las raciones basal,

alternativa y alternativa’.

48
En el análisis de la tabla de resultados, primeramente se señalan las raciones en

orden creciente de sus costos ración. Asimismo, se procede con los señalamientos de
los costo-efectividad e indicando luego que el menor costo de éstos es el más
eficiente. Seguidamente se hace mención al análisis de sensibilidad indicando que fue
exitoso si el costo-efectividad de la ración alternativa’ es el menor de los valores
hallados, y en caso contrario se expresa que fue no exitoso. Posteriormente se hace
referencia a la ración con el menor costo-efectividad porcentual, y las otras raciones
son nombradas en orden creciente según la diferencia de los valores porcentual total
que separan a éstas de la ración seleccionada con el menor valor. Finalmente se indica
que si el costo-efectividad de la ración seleccionada al compararse con la de la ración
basal, resulta menor que ésta en términos porcentuales, se concluye que es un
costo-eficaz y se indica su nivel económico, según es indicado en la tabla 4
TABLA 4 Niveles económicos del costo-eficaz

N° (%) Nivel económico
1 0,01 – 5,00 Mínimo económico
2 5,01 – 10,00 Relativamente económico
3 10,01 – 15,00 Medianamente económico
4 15,01 – 20,00 Económico
5 20,01 – 30,00 Satisfactoriamente económico
6 30,01 – 40,00 Sustancialmente económico
7 > 40,00 Óptimo económico
Si el menor valor de los costos-efectividad corresponde a la ración basal, se

señala que no se logró el objetivo de obtener un costo-efectividad menor a éste
Cuando se evalúan varios casos de raciones alimenticias, se debe identificar cada

uno de ellos con un número romano W. Luego se presenta un enunciado señalando el
ingrediente estándar y el ingrediente alternativo (reemplazante), la utilización de la
programación lineal y a que etapa del ciclo productivo del cerdo corresponde, para
posteriormente proceder a construir la tabla de datos primarios.

49
Cuando en alguno de los casos se realizan ensayos de raciones alimenticias que

comprenden dos o más etapas (k ≥ 2) del ciclo productivo del cerdo, cada etapa se
debe identificar con un número romano W seguido de uno arábigo, por lo que una de
las maneras de abordar el problema es aplicar el procedimiento de evaluación de
raciones en cada etapa por separados y al final totalizar los resultados. En adición a lo
anterior, el proceso de determinar el costo-efectividad de la ración alternativa para
cada etapa k puede ser como lo ilustrado en la Figura 4.
Restricciones
ENERGIA Cantidades de Costo mínimo

NUTRIENTES ingredientes de Rk2
INGREDIENTES
Costo-efectividad de Rk2
SIMPLEX xk1 xk2 ... x kn Zk2
Función objetivo
CEk2 = CAkR2 . Zk2
Min Z= p1xk1 + p2 xk2 + … + pnxkn
CAkT1 CAkT2 ... CAkTr CAk2
Modelo de PL de Rk 2 Conversión alimenticia por tratamiento Conversión alimenticia

de las raciones experimentales estimada de Rk2
FIGURA 4. Proceso para determinar el costo-efectividad de la ración alternativa en la etapa k

(Rk2) a partir del modelo de programación lineal (PL) y el parámetro de la conversión
Para unificar criterios con el caso de una etapa, se tiene que cuando se considera
varias etapas k (k = 2, 3,..., q) en la formulación de la mezcla alimenticia a nivel de las
categorías de ración (R), costo ración (Z) y costo-efectividad (CE) asociado, se
denotó con h (h = 1, 2, 3) la modalidad de la mezcla, donde 1 = basal, 2 = alternativa y
3 = alternativa’, y en virtud de lo anterior, se utilizó la siguiente denotación:
Ración por etapa: Rkh; ración h en la etapa k

Costo ración por etapa: Zkh; costo ración de la ración h en la etapa k
Costo ración total de etapas: Z( q) h; costo ración de la ración h en q etapas
Costo-efectividad por etapa: CEkh; costo-efectividad de la ración h en la etapa k
Costo-efectividad total de etapas: CE( q) h; costo-efectividad total de la ración h en q etapas

50
Para el caso que contempla varias etapas del ciclo productivo del cerdo, se
procede de manera análoga al procedimiento desarrollado para una etapa, donde en
principio, se identifica el caso con un número romano W, seguido del enunciado del
problema, que finaliza nombrando cada una de las etapas. Luego se procede a
construir la(s) tabla(s) de datos primarios, que por englobar varias etapas, el
investigador debe escoger el formato que más se ajuste a sus necesidades.
Seguidamente cada etapa se trata como casos individuales, identificado con el
número romano W seguido del número signado para la etapa. En seguida se presenta
el enunciado que finaliza con el nombre de la etapa que va a ser desarrollada, y luego
se lleva a cabo el procedimiento de evaluación de raciones para dicha etapa. Después
de evaluar el total de etapas, se procede a totalizar los costo ración y costo-efectividad
de éstas a nivel de las raciones basal, alternativa y alternativa’.
Lo anteriormente desarrollado se puede ilustrar de la siguiente manera,

considerando un total de etapas q.
. Caso W [ Enunciado >> ETA_[1] , ETA_[2] , ... , ETA_[q-1] y ETA_[q] ]

[ Construcción tabla(s) de datos primarios >> ETA_[1] , ETA_[2] , ... , ETA_[q-1] y ETA_[q] ]
.1 Caso W.1 [Enunciado >> ETA_[1] ]
[Procedimiento de evaluación de raciones >> ETA_[1] ]
.2 Caso W.2 [Enunciado >> ETA_[2] ]
[Procedimiento de evaluación de raciones >> ETA_[2] ]
M
.q –1 Caso W.q-1 [Enunciado >> ETA_[q-1] ]
[Procedimiento de evaluación de raciones >> ETA_[q-1] ]
.q Caso W.q [Enunciado >> ETA_[q] ]
[Procedimiento de evaluación de raciones >> ETA_[q] ]
.q+1 Resultados de los casos W.1 , W.2 , ... , W.q-1 y W.q : Raciones alimenticias de las etapas
ETA_[1] , ETA_[2] , ... , ETA_[q-1] y ETA_[q]
Una vez efectuado el procedimiento de evaluación de raciones a cada una de las

etapas, se procede a tabular los resultados correspondientes a los costos ración y
costo-efectividad por modalidad de ración h (h = 1, 2, 3; 1 = basal, 2 = alternativa,
3 = alternativa’).

51
A continuación se presenta la tabla 5 (genérica) que versa sobre los resultados de la

variable costo ración por etapa (Zkh ; k = 1, 2,...,q ; h =1, 2, 3) y total etapas (Z( q) h) por
modalidad de ración h
TABLA 5 Costo ración genérico de las raciones basal, alternativa y

alternativa’ por etapa y total etapas del caso W
MODALIDAD C O S T O R A C I O N
DE POR ETAPA TOTAL
CIÓN ETAPAS
ETA_[1] ETA_[2] • • • ETA_[q]
Basal Z11 Z21 • • •
Zq1 Z(q) 1
Alternativa Z12 Z22 • • •
Zq2 Z(q) 2
Alternativa’ Z13 Z23 • • •
Zq3 Z(q) 3
El análisis de los resultados de la tabla 5 se limita a señalar las raciones en orden

creciente de sus costos ración correspondiente del total etapas.
En la tabla 6 (genérica) se presentan los resultados de la variable de

costo-efectividad por etapa (CEkh ; k = 1, 2,...,q ; h =1, 2, 3) y total etapas en términos
absolutos (CE( q) h) y porcentuales (%CE( q) h) por modalidad de ración h. Dado que a
este nivel se quiere obtener para cada etapa k el mínimo valor de costo-efectividad
de las raciones basal, alternativa y alternativa’, para la totalización de las q etapas. En
virtud de los anterior, fue incorporada a la tabla 6, una fila que corresponde a la
modalidad anexada de ración mínima RM , que denota el mínimo valor de un grupo
de raciones a un nivel específico, y que adaptado al costo-efectividad por etapa k y
total etapas q tiene las siguientes denotaciones:
RM k; ración mínima en una etapa k.
CEM k; costo-efectividad de la ración mínima en la etapa k. Î mín {CEk1 ,CEk2 ,CEk3 }; k = 1,2,...,q
CE M( q); costo-efectividad total de la ración mínima en q etapas. Î CEM 1 + CEM 2 + • • •+ CEM q
%CE M ( q); costo-efectividad porcentual total de la ración mínima en q etapas. Î 100 (CEM (q) / CE(q)1)
A continuación se presenta al tabla 6 con información genérica de interés

52
TABLA 6 Costo-efectividad genérico de las raciones basal, alternativa,

alternativa’ y mínima por etapa y total etapas del caso W.
MODALIDAD COSTO–EFECTIVIDAD
DE POR ETAPA
RACIÓN TOTAL ETAPAS
ETA_[1] ETA_[2] • • • ETA_[q]
Basal CE11 CE21 • • •
CEq1 CE(q) 1 %CE(q) 1
Alternativa CE12 CE22 • • •
Alternativa’ CE13 CE23 • • •
Mínima CEM1 CEM2 • • •
CEMq CEM(q) %CEM(q)
Es de destacar que si una de las etapa k corresponde a una de etapa de lactación,

se debe colocar tanto en la casilla de la columna de la ración h respectiva como en la
de la ración mínima, el menor valor de costo ración e inutilizar el remanente de las
casillas en dicha columna, y además se debe hacer una observación al respecto
indicando que por convención este costo ración se asumió como un costo-efectividad.
En el análisis de resultados de la tabla 6, primeramente se señala cada ración h en

orden creciente de sus costos-efectividad total (CE(q)h). Luego se hace referencia a
que el costo-efectividad porcentual total de la ración mínima (%CEM(q)) en q etapas es

menor a las raciones h, las cuales son nombradas en orden creciente según la
diferencia de los valores porcentual total que separan a éstas de la ración mínima. La
gráfica es opcional y finalmente, en base a la diferencia entre el costo-efectividad
porcentual de la ración mínima y su homólogo de la ración basal, se concluye a que
nivel se obtuvo una reducción de costo para q etapas, según se señala en la tabla 7
TABLA 7 Niveles de reducción de costo en q etapas

N° (%) Nivel Observación
1 0,01 – 10,00 I Cuando la reducción
de costo de la ración
2 10,01 – 20,00 II mínima excede el
20,01 – 30,00 20%, la misma se hace
3 III
más atractiva para ser
4 30,01 – 40,00 IV suministrada al
ganado porcino
5 >40,00 V

53
CAPITULO IV
ANÁLISIS DE RESULTADOS
En este capitulo se presentan los resultados de los casos I, II y III que versa sobre
raciones experimentales para ganado porcino publicados en revistas científicas, donde
uno de sus principales objetivos es determinar la respuesta biológica del cerdo
atendiendo al criterio de la conversión alimenticias, mediante la ingesta de varias
raciones experimentales denominadas tratamiento, en la cual un ingrediente estándar,
en este caso el maíz, es sustituido en diferentes niveles por un ingrediente alternativo.
Los casos I y III fueron seleccionados de la revista Zootecnia Tropical y el caso II de
la revista Archivos Latinoamericanos de Producción Animal. En la tabla 8 se presenta
para cada caso, una relación de ingredientes estándar y alternativo, y de la(s) etapa(s)
del ciclo productivo del cerdo a la cual pertenece.
TABLA 8 Ingredientes estándar y alternativo, y etapa productiva del

cerdo de los casos I, II y III.
Ingrediente Etapa productiva del
CASO
Estándar Alternativo ciclo del cerdo
Subproducto de
I Maíz afrecho de grano Crecimiento
de maíz desgrasado
Harina cruda de
II Maíz raíz de yuca amarga Crecimiento-engorde
deshidratada
III Maíz Sorgo Crecimiento y engorde
El ensayo experimental del caso I abarcó una sola etapa (crecimiento), donde el
ingrediente alternativo es un subproducto industrial derivado del maíz, con menor
cantidad de energía metabolizable que éste. El caso II comprendió las etapas conjunta
de crecimiento y engorde, el ingrediente alternativo que se empleó es un producto
obtenido a partir de la raíz de yuca amarga. La literatura consultada reporta una

54
energía metabolizable para este producto un poco inferior a la del el maíz. El caso III
abarcó dos etapas (crecimiento y engorde), el ingrediente alternativo utilizado es el
sorgo que posee una energía metabolizable cercana a la del maíz. Para los casos I y II,
se empleó el proceso de evaluación de raciones para una sola etapa y en el caso III el
correspondiente al de varios etapas, en donde la evaluación de las raciones
alimenticias de las etapas de crecimiento y engorde se hicieron por separados bajo las
denominaciones de caso III.1 y caso III.2 respectivamente.
Cada uno de los casos objeto de estudio, se inicia nombrando la revista de donde
fue tomada, seguido del título del artículo y de un breve resumen inherente a las
condiciones bajo las cuales se realizó le experiencia, tales como la duración de la
misma, características del animal (edad, peso vivo), número de individuos utilizados,
el nivel de sustitución/inclusión del ingrediente alternativo como fuente (parcial o
total) de energía de reemplazante del ingrediente estándar. Luego se presenta una
tabla de datos primarios con la composición porcentual de los tratamientos y
conversión alimenticia promedio asociada. Posteriormente se procede a la
evaluación de las raciones, que se inicia con otra tabla como la referida anteriormente,
a la cual se le incorporó los componentes tanto de los precios de los ingredientes,
como de la energía metabolizable y nutrientes de cada una de los tratamientos.
Con la información disponible, se fijan los niveles extremos de los recursos de la

mezcla alimenticia de energía metabolizable, nutrientes e ingredientes; se soluciona el
problema por programación lineal, y se relaciona con la conversión alimenticia
estimada, con la finalidad esencial de obtener el costo-efectividad de las raciones
basal, alternativa y alternativa’.
A continuación se presenta la tabla 9 con la composición nutricional de cada uno

de los ingredientes utilizados en las raciones experimentales de los tres casos
estudiados.

55
TABLA 9 Energía metabolizable y composición porcentual de los nutrientes de los ingredientes utilizados en la preparación de raciones
alimenticias experimentales para cerdos de los casos ( *1) estudiados.
Energía Proteina Grasa Fibra Extacto Calcio Fósforo AMINOÁCIDOS ESENCIALES %
Ingrediente Metabolizable Cruda Cruda Cruda libre de
Lisina Metionina Triptó- Treoni- Fuente
nitrógeno
+
fano na
EM Kcal/kg PC % GC % FC % ELN % Ca % P %
Cistina
Maíz amarillo molido 3572 8,50 3,50 2,00 72,60 0,02 0,30 0,22 0,33 0,06 0,27 (1)
(†)
SAGMD 2715 12,90 6,11 0,80 64,19 0,06 0,85 0,87 0,30 0,10 0,60 (1)
( †† ) c
Yuca amarga 3200 2,80 1,20 2,60 80,20 0,30 0,20 0,05 0,05 0,02 0,05 (2)
( *2) a c
Sorgo 3230 8,70 2,70 2,10 72,00 0,02 0,30 0,20 0,31 0,09 0,30 (3)
( *3) b
Harinilla de maíz 2400 2,20 2,90 5,00 ND 0,16 0,30 0,29 0,12 0,14 0,15 (4)
Harina de soya 3085 47,50 1,35 4,95 28,23 0,42 0,66 2,79 1,37 0,62 1,83 (1)
( *2) a c
Harina de pescado 3150 62,40 7,52 1,00 3,38 4,50 2,77 4,68 2,31 0,61 2,59 (3)
Harina de ajonjolí 4015 43,70 18,80 6,70 ND 3,06 1,40 1,70 1,80 014 1,15 (5)
( *2) a
Aceite de palma 7760 0,00 99,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 (3)
( *2) a c
Melaza 2260 4,30 0,02 0,00 59,28 0,74 0,07 0,02 0,04 0,01 0,04 (3)
Grasa animal 3350 0,00 99,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 (1)
Lisina 4110 93,40 0,00 0,00 0,00 0,00 0,00 78,00 0,00 0,00 0,00 (1)
Carbonato de calcio 0,00 0,00 0,00 0,00 0,00 38,00 0,00 0,00 0,00 0,00 0,00 (1)
Fosfato dicálcico 0,00 0,00 0,00 0,00 0,00 21,00 16,00 0,00 0,00 0,00 0,00 (1)
(1) : Msc. Nelly López (Médico veterinario) a : Cátedra de Nutrición Animal (†) : Subproducto de afrecho de grano de maíz desgrasado
(2) : Gil, J. y Buitriago, J.; 2005 Facultad de Ciencias Veterinarias - UCV.
(††) : Harina cruda de raíz de yuca amarga deshidratada
(3) : FEDNA; 2005 b : Acurero, et al; 1993 (*1)
:Casos de artículos publicados en las revistas: Archivos
(4) : Vilariño, M., León, A. y Picard, M.; 1996 c : Valor de extracto libre de nitrógeno obtenido a través de la fórmula Latinoamericanos de Producción Animal (Vol 5 (supl. 1)) y
Zootecnia Tropical (Vol 1 (1 y 2) 1983 y Vol 21(3) 2003)
(5) : Laboratorio de Nutrición Animal - UCV ELN% = 100% - ( PC% + GC% + FC% + Humedad% + Ceniza% )
(*2)
: La cifras indicadas con el superíndice “a” fueron tomadas de una tabla
ND: Información no disponible nutricional complementaria de FEDNA.
(*3)
: La energía metabolizable y la composición nutricional fue estimada
(por ensayo y error) a partir de los resultados de los artículos
publicados en la revista de Zootecnia Tropical, signados con los
volúmenes 11(2) 1993 y 14(2) 1996 respectivamente.

56
IV.1.- CASO I. Formulación de una ración alimenticia experimental que

contiene el subproducto de afrecho de grano de maíz desgrasado (SAGMD),
como fuente parcial de energía reemplazante del maíz, utilizando la
programación lineal, para ser suministrado en la etapa de crecimiento del
ganado porcino.
Este caso fue tomado de la revista Zootecnia Tropical Vol 21, Nº 3 del año 2003,
titulado “Valor nutritivo y germen desgrasado de maíz en la alimentación de cerdos”.
Esta experiencia, de 7 semanas de duración, fue llevado a cabo en una granja porcina
comercial en donde se seleccionaron 400 lechones de 30 Kg de peso inicial y de 13
semanas de edad. Las dietas y el agua de bebida fue suministrado ad libitum. Estos
animales fueron asignados a las dietas con cinco niveles de inclusión de SAGMD
(0, 10, 20, 30 y 40%) en sustitución del maíz, tal como se aprecia en la tabla 10.
TABLA 10 Estructura de composición porcentual de raciones experimentales para

cerdos con niveles de inclusión creciente de SAGMD†.
Nivel de inclusión de SAGMD

N° Ingrediente
0 10 20 30 40
1 Maíz amarillo 74,20 64,81 56,32 47,55 37,57
2 SAGMD 0,00 10,00 20,00 30,00 40,00
3 H. Soya/48 18,10 17,00 16,05 14,95 15,00
4 Carbonato calcio 1,63 1,70 1,75 1,75 1,75
5 Fosfato de dicálcico 1,63 1,55 1,45 1,32 1,45
6 Minerales-Vitaminas 2,50 2,50 2,50 2,50 2,50
7 Grasa animal 1,75 1,75 1,75 1,75 1,75
8 Lisina 0,19 0,19 0,18 0,18 0,18
Total 100,00 100,00 100,00 100,00 100,00
Conversión alimenticia (Kg/Kg) 2,79 2,95 3,02 3,09 3,17
†: Subproducto de afrecho de grano de maíz desgrasado
La mezcla experimental consta de 8 ingredientes, donde el estándar lo representa

el maíz amarillo y el alternativo el SAGMD. La ración contiene el aminoácido
esencial de la lisina en forma sintética para equilibrar la mezcla. La conversión
alimenticia de la ración basal se encuentra entre los valores esperados de 2,50 y 3,00.

57
A continuación se presenta el procedimiento para la evaluación de la ración.
VI.1.a) Construcción de la matriz de datos
Con la información disponible en las tablas 9 y 10, se obtiene los resultados para
la construcción de la matriz de datos, tal como se puede apreciar en la tabla 11.
TABLA 11 Estructura de composición porcentual, monetaria, energética y de nutrientes

de raciones experimentales para cerdos con niveles de inclusión creciente de SAGMD†.
Precio Nivel de inclusión de SAGMD
N° Ingrediente (*4)
(Bs/Kg) 0 10 20 30 40
(1)
1 Maíz amarillo 1000,00 74,20 64,81 56,32 47,55 37,57
(2)
2 SAGMD 600,00 0,00 10,00 20,00 30,00 40,00
(3)
3 H. Soya/48 840,00 18,10 17,00 16,05 14,95 15,00
(3)
4 Carbonato calcio 207,00 1,63 1,70 1,75 1,75 1,75
(3)
5 Fosfato de dicálcico 1060,00 1,63 1,55 1,45 1,32 1,45
(3)
6 Minerales-Vitaminas 4450,00 2,50 2,50 2,50 2,50 2,50
(1)
7 Grasa animal 1200,00 1,75 1,75 1,75 1,75 1,75
(3)
8 Lisina 10040,00 0,19 0,19 0,18 0,18 0,18
Total 100,00 100,00 100,00 100,00 100,00
(a)
Costo ración (Bs/Kg) 1066,02 1022,08 987,33 949,02 911,01
Conversión alimenticia ( b) (Kg/Kg) 2,79 2,95 3,02 3,09 3,17
Costo-efectividad ( c ) (Bs/Kg) 2974,19 3015,42 2981,75 2932,46 2887,92
Costo-efectividad porcentual (%) 100,00 101,39 100,25 98,60 97,10
Energia metabolizable (Kcal/Kg) 3275 3177 3116 3040 2957
Proteína cruda (%) 15,08 15,05 15,16 15,18 15,65
Fibra (%) 2,38 2,75 3,14 3,52 3,94
Grasa (%) 4,57 4,31 4,08 3,84 3,57
ELN (d ) (%) 58,98 58,27 58,26 58,00 57,19
Calcio (%) 1,05 1,06 1,06 1,03 1,06
Fósforo (%) 0,60 0,64 0,68 0,71 0,78
Lisina (%) 0,82 0,85 0,89 0,92 0,99
Meteonina+cistina (%) 0,50 0,48 0,47 0,45 0,45
Triptofano (%) 0,16 0,15 0,15 0,15 0,16
Treonina (%) 0,53 0,55 0,57 0,58 0,62
† : Subproducto de afrecho de grano de maíz desgrasado (a): Bs de racion / Kg de alimento

(*4) : Procedencia de los precios para el año 2005 (b): Kg de alimento consumido / Kg de peso corporal
(1): Mercado Municipal de Cumaná Edo Sucre (c): Bs de racion / kg de peso corporal Î (a)x(b)
(2): Estimado referencial sugerido por la autora del (d): Extracto Libre de Nitrógeno (Hidratos de carbono)
articulo Nellys López: 60% del precio del maíz
(3): Alexis Moya, importador de productos agropecuario

58
En la tabla 11 se incorporó el componente de los precios de cada uno de los

ingredientes, que permite obtener por tratamiento, los costo ración, costo-efectividad
y costo-efectividad porcentual. Es de destacar que, en el artículo donde se seleccionó
el caso I, no fueron considerados los precios de los ingredientes, y en virtud de lo
anterior, se recurrió a diferentes fuentes para la obtención de los mismos. El
ingrediente alternativo (SAGMD) es 40% más económico que el estándar
(maíz amarillo). Ahora bien, cuando se analizan las variables de costo ración y
costo-efectividad se observa lo siguiente: El costo ración es máximo (1066,02 Bs/kg)
en la ración basal, y el mismo disminuye en la medida que se sustituye
progresivamente el maíz por el SAGMD en la ración, hasta llegar a su mínimo
(911,01 Bs/kg) para la ración con el nivel de inclusión 40% de SAGMD. En cambio,
el costo-efectividad es máximo (3015,42 Bs/kg) en la ración con el 10% de inclusión
de SAGMD, superando al costo-efectividad de la ración basal (2974,19 Bs/kg), luego
éste tiene su mínimo (2887,92 Bs/kg) para la ración con el nivel de inclusión de 40%
de SAGMD.
En la tabla 11 se puede observar que en relación a la energía metabolizable de las

raciones, las mismas oscilan por las 3.000 Kcal/Kg, donde el máximo valor
permisible (3275 kcal/kg) corresponde a la ración basal y el mínimo (2957 kcal/kg) a
la ración con 40% de inclusión de SAGMD.
En relación a los nutrientes, se puede observar en la tabla 11 que la cantidad

proteínas que aporta cada tratamiento es uniforme (isoproteíco) y ligeramente
superior al 15%. Asimismo, el aporte de calcio, que excede del 1%, supera como era
de esperarse, al aporte de fósforo. La lisina sintética, como fuente económica y eficaz
de aporte de este aminoácido esencial, suple las cantidades necesarias del mismo, y
que junto a los demás ingredientes, permite obtener una dieta equilibrada, que
redunda en beneficio del animal.

59
VI.1.b) Elaboración de tabla con intervalos de tendencias lineales de las

conversiones alimenticia de cada ración experimental
Previo a la elaboración de la tabla con los intervalos de tendencias lineales de la

conversión alimenticia de los ingredientes estándar (x1: Maíz) y alternativo
(x2: SAGMD), se presentan las gráficas 2 y 3, para visualizar la influencia de ambos
ingredientes sobre la conversión alimenticia de las raciones experimentales para
cerdos.
GRÁFICA 2 Efecto del nivel de inclusión de SAGMD sobre la conversión

alimenticia en raciones experimentales para cerdos
En la gráfica 2 se observa que en las cinco raciones con niveles de inclusión del
maíz (0%, 10%, 20%, 30% y 40%) por SAGMD, los ingredientes estándar y
alternativo representan más del 70% de la composición de las raciones. Los valores
de conversión alimenticia obtenidas fueron 2,79; 2,95; 3,02; 3,09 y 3,17 para los
niveles de inclusión de SAGMD de 0%, 10%, 20%, 30% y 40% respectivamente, y lo
cual es indicativo de un desmejoramiento del parámetro de la conversión alimenticia
cuando se incrementa los niveles de inclusión de SAGMD.

60
GRÁFICA 3 Variación de la conversión alimenticia de las raciones experimentales

para cerdos según el nivel de proporción de los ingredientes maíz (x1) y SAGMD (x2)
En la gráfica 3 puede observarse los cuatros intervalos con sus respectivas

tendencias lineales asociadas de los ingredientes maíz (x1) y SAGMD (x2), y su efecto
sobre la conversión alimenticia. Los tres primeros intervalos (en sentido descendente)
de la curva continua (x1:maíz) tienen tendencias lineales similares, y análogamente, lo
mismo se observa en el segundo y tercer intervalo (en sentido ascendente) de la curva de
trazos cortos (x2:SAGMD). Ambos ingredientes coinciden en un punto, próximo a la
proporción 0,40. Los intervalos y las tendencias lineales asociadas del maíz y el
SAGMD se presentan en forma algebraica en la tabla 12.
TABLA 12 Intervalos de tendencias lineales de la conversión alimenticia

de los ingredientes estándar (x1: Maíz) y alternativo (x2: SAGMD)
0,7420 ≤ x1 ≤ 0,6481 2,95 – 1,704(x1 – 0,6481)
MAIZ (I) (II)
0,6481 < x1 ≤ 0,3757 3,17 – 0,808(x1 – 0,3757)
0 ≤ x2 < 0,1000 2,79 + 1,6x2

(I) (II)
SAGMD 1000 ≤ x2 < 0,3000 2,95 + 0,7(x2 - 0,1000)
0,3000 ≤ x2 ≤ 0,4000 3,09 + 0,8(x2 – 0,3000 )
(I) : Intervalo unificado

(II) : Tendencia lineal unificada

61
Por lo presentado en la tabla 12 y en base a la gráfica 3, se observa que cuando en

la ración está presente el ingrediente alternativo (x2:SAGMD) hasta en una proporción
de 0,20; el valor de la conversión alimenticia varía de 2,79 a 2,95; y a partir de ésta,
la conversión alimenticia varía en menor medida, hasta llegar a un valor tope de 3,17
cuando el ingrediente alternativo reemplaza parcialmente al ingrediente estándar
(x2:Maíz), al estar presente en una proporción 0,40 de la ración experimental.
VI.1.c) Formulación del modelo de programación lineal para raciones

alimenticias
Antes de proceder a la formulación del modelo, se presenta la gráfica 4, en donde

se aprecia la tendencias de los costos de las raciones experimentales para cerdos
GRÁFICA 4 Variación de los costo ración, costo-efectividad y costo-efectividad porcentual

de las raciones experimentales para cerdos según el nivel de inclusión de SAGMD
En el gráfica 4 se visualiza que cuando se incrementa la cantidad de SAGMD, el

costo de la ración disminuye; sin embargo con un nivel de inclusión del 10% se
obtuvo las ración con el mayor costo-efectividad. La ración con un nivel de inclusión
de 40% de SAGMD es el que tiene los mínimos valores en cuanto a costos ración,
costo-eficaz y por ende, el costo-eficaz porcentual.

62
A continuación se transcribe la formulación del modelo bajo el formato del

software LINDO, para determinar el costo ración de la ración alternativa (Z2) y las
conversiones alimenticias estimadas según los valores obtenidos de los ingredientes
estándar (x1: Maíz) y alternativo (x2: SAGMD), que son esenciales para la
determinación del costo-efectividad.
SOFTWARE LINDO
!CASO I. Formulación de una ración alimenticia experimental que contiene el subproducto de
!afrecho de grano de maíz desgrasado (SGMAD), como fuente parcial de energía reemplazante del
!maíz, utilizando la técnica de la programación lineal, para ser suministrado en la etapa de crecimiento
del ganado porcino.
!REVISTA: Zootecnia Tropical Vol 21, Nº 3, año 2003.
!WEB: www.ceniap.gov.ve/ztzoo/zt2103/art/lopez_n.htm
!TITULO: "Valor nutritivo y germen desgrasado de maíz en la alimentación de cerdos".
!AUTORES: López, N.; Chicco, C. y Godoy S. ;
! Correspondencia => Variables de decisión: Ingredientes.

!X1: Maíz amarillo ; X5: Fosfato de dicálcico
!X2: SAGMD ; X6: Minerales-Vitaminas
!X3: Harina de Soya/48 ; X7: Grasa animal
!X4: Carbonato calcio ; X8: Lisina
! Entrada de datos
! FUNCIÓN OBJETIVO
MIN 1000.00 X1 + 600.00 X2 + 840.00 X3 + 207.00 X4
+ 1060.00 X5 + 4450.00 X6 + 1200.00 X7 + 10040.00 X8
! RESTRICCIONES LINEALES
SUBJECT TO
! Restricciones de energía:
ENERGIA1) 3572 X1 + 2715 X2 + 3100 X3
+ 3350 X7 + 2675 X8 >= 2956
ENERGIA2) 3572 X1 + 2715 X2 + 3100 X3
+ 3350 X7 + 2675 X8 <= 3275
! Restricciones de nutrientes:
PROTEIN1) 0.0850 X1 + 0.1290 X2 + 0.4750 X3
0.9340 X8 >= 0.1505
!PROTEIN2) 0.0850 X1 + 0.1290 X2 + 0.4750 X3
0.9340 X8 <= 0.1565
FIBRA1) 0.0200 X1 + 0.0611 X2 + 0.0495 X3 >= 0.0238
FIBRA2) 0.0200 X1 + 0.0611 X2 + 0.0495 X3 <= 0.0394

63
GRASA1) 0.0350 X1 + 0.0080 X2 + 0.0135 X3

+ 0.9900 X7 >= 0.0357
GRASA2) 0.0350 X1 + 0.0080 X2 + 0.0135 X3
+ 0.9900 X7 <= 0.0457
ELN1) 0.7260 X1 + 0.6419 X2 + 0.2823 X3 >= 0.5719
ELN2) 0.7260 X1 + 0.6419 X2 + 0.2823 X3 <= 0.5898
CALCIO1) 0.0002 X1 + 0.0006 X2 + 0.0042 X3 + 0.3800 X4

+ 0.2100 X5 >= 0.0103
CALCIO2) 0.0002 X1 + 0.0006 X2 + 0.0042 X3 + 0.3800 X4
+ 0.2100 X5 <= 0.0106
FOSFORO1) 0.0030 X1 + 0.0085 X2 + 0.0066 X3
+ 0.1600 X5 >= 0.0060
FOSFORO2) 0.0030 X1 + 0.0085 X2 + 0.0066 X3
+ 0.1600 X5 <= 0.0078
LISINA1) 0.0022 X1 + 0.0087 X2 + 0.0279 X3
+ 0.7800 X8 >= 0.0082
LISINA2) 0.0022 X1 + 0.0087 X2 + 0.0279 X3
+ 0.7800 X8 <= 0.0099
MET+CIS1) 0.0033 X1 + 0.0030 X2 + 0.0137 X3 >= 0.0045
MET+CIS2) 0.0033 X1 + 0.0030 X2 + 0.0137 X3 <= 0.0050
TRIPTOF1) 0.0006 X1 + 0.0010 X2 + 0.0062 X3 >= 0.0015
TRIPTOF2) 0.0006 X1 + 0.0010 X2 + 0.0062 X3 <= 0.0016
TREONIN1) 0.0027 X1 + 0.0060 X2 + 0.0183 X3 >= 0.0053
TREONIN2) 0.0027 X1 + 0.0060 X2 + 0.0183 X3 <= 0.0062
! Restricción de mezcla base:

BASE) X1 + X2 + X3 + X4
+ X5 + X6 + X7 + X8 = 1.0000
! Restricciones de ingredientes:
X1MIN) X1 >= 0.3757
X1MAX) X1 <= 0.7420
X2MIN) X2 >= 0.0000
X2MAX) X2 <= 0.4000
X3MIN) X3 >= 0.1495
X3MAX) X3 <= 0.1810
X4MIN) X4 >= 0.0163
X4MAX) X4 <= 0.0175
X5MIN) X5 >= 0.0132
X5MAX) X5 <= 0.0163
X6) X6 = 0.0250
X7) X7 = 0.0175
X8MIN) X8 >= 0.0018
X8MAX) X8 <= 0.0019
END

64
A continuación se presenta parte de la salida del software LINDO con los

resultados del caso I referidos a el costo ración de la ración alternativa (Z2) y las
cantidades de ingredientes que conforman la misma (R2)
SOFTWARE LINDO : Salida de resultados
LP OPTIMUM FOUND AT STEP 11
OBJECTIVE FUNCTION VALUE
1) 911.9516
VARIABLE VALUE REDUCED COST

X1 0.382095 0.000000
X2 0.392625 0.000000
X3 0.150463 0.000000
X4 0.017486 0.000000
X5 0.013200 0.000000
X6 0.025000 0.000000
X7 0.017500 0.000000
X8 0.001800 0.000000
• Costo ración:
- Ración basal: Z1 = 1066,02 Bs/kg
- Ración alternativa: Z2 = 911,95 Bs/kg
VI.1.d) Cálculo de la conversión alimenticia de la ración alternativa (CA2)
Para estimar la conversión alimenticia de la ración alternativa se consideró los

dos primeros ingredientes energéticos de la ración alternativa (R2):
x1 = 0,382095 > x1’min = 0,3757
x2 = 0,392625 < x2’max = 0,4000
A continuación se busca en la tabla 12, a que tendencia lineal se ubica tanto x1
como x2 :
CA2X1 = 3,17 – 0,808( x1 – 0,3757) = 3,1648
CA2X2 = 3,09 + 0,8(x2 – 0,3000 ) = 3,1641

CA2 = (1/2)(CA2X1 + CA2X2) = 3,1645

65
VI.1.e) Cálculo de los costos-efectividad y costos-efectividad porcentual de la

ración alternativa (CE2 y %CE2 respectivamente )
CE2 = CA2 . Z2 = 3,1645 . 911,95 = 2885,87

CE2 = (CE2 / CE1)x100% = (2885,87 / 2974,19)x100% = 97,03%
VI.1.f) Análisis de sensibilidad: a nivel de las restricciones energéticas
Considerando como la mínima cantidad de energía metabolizable permisible

(e’’ ‘min) , la correspondiente a la ración de tratamiento T2 (3177 kcal/kg), se tiene:
e’’ ‘min = e’’T2 = 3177 Kcal/Kg
A continuación se presenta parte de la salida del software LINDO
SOFTWARE LINDO : Report / Parametics / … / 3177 <<enter>>
RIGHTHANDSIDE PARAMETRICS REPORT FOR ROW: ENERGIA1
VAR VAR PIVOT RHS DUAL PRICE OBJ

OUT IN ROW VAL BEFORE PIVOT VAL
2956.00 0.000000E+00 912.394

SLK 2 SLK 10 32 2961.31 0.000000E+00 912.394
SLK 32 SLK 33 12 2970.30 -0.466131 916.581
SLK 29 SLK 18 18 2990.90 -0.471226 926.292
SLK 4 SLK 29 4 3063.89 -0.471842 960.728
3177.00 -0.474507 1013.91
Los nuevos valores de las variables de decisión son:

x1 = 0,628318 ; x5 = 0.013200
x2 = 0.131611 ; x6 = 0.025000
x3 = 0.165124 ; x7 = 0.017500
x4 = 0.017447 ; x8 = 0.001800
• Costo ración:
- Ración alternativa’: Z3 = 1013,91 Bs/kg

66
Al efectuar el análisis de sensibilidad a nivel del segundo miembro de las

restricción de energía mínima permisible, pasando del valor de 2975 kcal/kg a
3177 kcal/kg, se obtuvo los nuevos valores de las variables de decisión, y que por
intermedio de x1 (Maíz) y x2 (SAGMD), se pudo determinar el costo ración de la
ración alternativa’ (1013,91 Bs/kg), que resultó ser menor al de la ración basal
(1115,02 Bs/kg). A continuación se procede a determinar como es el comportamiento
de la ración alternativa’ a nivel del costo-efectividad de las raciones anteriormente
referidas, para su posterior evaluación con su equivalente de la raciones basal y
alternativa.
VI.1.g) Cálculo de la conversión alimenticia de la ración alternativa’ (CA3)
Se procede de manera análoga al punto VI.1.d. Los dos primeros ingredientes

energéticos de la ración alternativa’ (R3 ) son:
x1 = 0,628318 > x1’min = 0,3757
x2 = 0.131611 < x2’max = 0,4000
A continuación se busca en la tabla 12, a que tendencia lineal corresponde tanto
x1 como x2 :
CA3 X 1 = 3,17 – 0,808(x1 – 0,3757) = 2,965
CA3 X 2 = 2,95 + 0,7(x2 - 0,1000) = 2,971

CA3 = (1/2)( CA3 X 1 + CA3 X 2) = 2,9682
La conversión alimenticia estimada de la ración alternativa’ fue ligeramente

superior a la conversión alimenticia de la ración con 10% de inclusión del SAGMD.
VI.1.h) Cálculo de los costos-efectividad y costos-efectividad porcentual de la

ración alternativa’ (CE3 y %CE3 respectivamente )
CE3 = CA3 x Z3 = 2,9682. 1013,91 = 3009,49

%CE3 = (CE3 / CE1)x100% = (3010,74 / 2974,19).100% = 101,19%

67
VI.1.i) Construcción de la tabla de resultados
Con la información obtenida en los puntos anteriores, se procede a la

construcción de la tabla 13 con la información contentiva de parámetros de interés
sobre las raciones basal, alternativa y alternativa’ del caso I.
TABLA 13 Estructura de composición porcentual, monetaria, conversión

alimenticia y energética de las raciones basal, alternativa y alternativa’ del caso I
Precio R a c i ó n
N° Ingrediente (*4)
(Bs/Kg) Basal Alternativa Alternativa’
(1)
1 Maíz amarillo 1000,00 74,20 38,34 62,92
(2)
2 SAGMD†. 600,00 0,00 39,12 13,02
(3)
3 H. Soya/48 840,00 18,10 15,05 16,53
(3)
4 Carbonato calcio 207,00 1,63 1,75 1,75
(3)
5 Fosfato de dicálcico 1060,00 1,63 1,32 1,34
(3)
6 Minerales-Vitaminas 4450,00 2,50 2,50 2,5
(1)
7 Grasa animal 1200,00 1,75 1,75 1,75
(3)
8 Lisina 10040,00 0,19 0,18 0,18
Total 100,00 100,00 100,00
(a)
Costo ración (Bs/Kg) 1066,06 911,95 1013,91
Conversión alimenticia ( b) (Kg/Kg) 2,79 3,1635 2,968
Costo-efectividad ( c ) (Bs/Kg) 2974,19 2885,87 3009,49
Costo-efectividad porcentual (%) 100,00 93,03 101,19
Energía metabolizable (Kcal/Kg) 3275 2961 3177
† : Subproducto de afrecho de german de maiz desgrasado (a): Bs de ración / Kg de alimento

(*4) : Procedencia de los precios para el año 2005 (b): Kg de alimento consumido / Kg de peso corporal
(1): Mercado Municipal de Cumaná Edo Sucre (c): Bs de ración / kg de peso corporal Î (a)x(b)
(2): Estimado referencial sugerido por la autora del
articulo Nellys López: 60% del precio del maíz
(3): Alexis Moya, importador de productos agropecuario
En la tabla 13 se puede observar que a este nivel de precio de cada uno de los
ingredientes, el mínimo valor del costo ración se encuentra en la ración alternativa
con 911,95 Bs/kg, seguido por la alternativa’ con 1013,91 Bs/kg y finalmente por
la basal con 1066,06 Bs/kg. El mínimo valor del costo-efectividad se encuentra en
la ración alternativa con 2885,87 Bs/kg, seguido por la basal con 2974,19 Bs/kg
y finalmente por la alternativa’ con 3009,49 Bs/kg. En virtud de lo anterior, el

68
costo-efectividad de la ración alternativa es el más eficiente, por tener el menor valor.

El análisis de sensibilidad realizado fue no exitoso, debido a que el costo-efectividad
de la ración alternativa’ fue mayor a la ración alternativa e incluso que la ración
basal.
En la gráfica 5 se puede visualizar la magnitud de los costo ración,

costo-efectividad y costo-efectividad porcentual de las raciones basal, alternativa y
alternativa’ del caso I.
GRÁFICA 5 Variación de los costo ración, costo-efectividad y costo-efectividad

porcentual de las raciones para cerdos basal, alternativa y alternativa’ del caso I
Por lo ilustrado en la gráfica 5 y en base a la tabla 13, el costo-efectividad

porcentual de la ración alternativa es menor al de las raciones basal y alternativa’ en
un 6,97% y 8,13% respectivamente. En consecuencia, con los actuales precios de los
ingredientes, el costo-efectividad de la ración alternativa es un costo-eficaz y
el mismo en comparación con el costo-efectividad de la ración basal es
relativamente económico, y esto se debe en gran medida a que el nivel de inclusión
del SAGMD en la ración no excedió del 40%.

69
IV.2.- CASO II. Formulación de una ración alimenticia experimental que

contiene harina cruda de raíz de yuca amarga (YAD), como fuente parcial o
total de energía reemplazante del maíz, utilizando la programación lineal para
ser suministrado en la etapa conjunta de crecimiento-engorde del ganado porcino.
El presente caso fue tomado de la revista Archivo Latinoamericano de

Producción Animal, volumen 5/Supl. 1 del año 1997, titulado “Utilización de harina
cruda de raíz de yuca (Manihot esculenta C.) y harina cruda de cormos de ocumo
chino (Colocasia esculenta C.) en la alimentación de cerdos.”. En esta experiencia, de
72 días de duración, se utilizaron 50 cerdos, con peso inicial de 24 Kg. Los cerdos
recibieron las raciones en dos ofertas diarias. El primer grupo de tratamientos (yuca
amarga) estuvo constituido de la siguiente manera: T1,ración basal; y en los restantes,
el maíz es reemplazado por T2: 50% de raíz de yuca amarga deshidratada y molida
YAD; T3, 100% de YAD; tal como se aprecia en la tabla 14.
TABLA 14 Estructura de composición porcentual de raciones experimentales

para cerdos con niveles de sustitución creciente de YAD††.
Basal 50% YAD 100% YAD
N° Ingredientes
% % %
1 Maíz 83,56 42,17 0,00
2 YAD 0,00 36,84 73,68
3 Harina de pescado 14,20 19,65 25,24
*
4 Aceite de palma ( 4) 1,54 0,64 0,00
*
5 Fosfato dicálcico ( 4) 0,00 0,00 0,38
6 Sal 0,50 0,50 0,50
7 Premezcla Vitaminas 0,15 0,15 0,15
8 Trazas 0,05 0,05 0,05
Total 100,00 100,00 100,00
Conversión alimenticia (Kg/Kg) 2,63 2,66 3,01
††: Harina cruda de raíz de yuca amarga deshidratada
(*4): En la literatura consultada existen raciones experimentales en base de maíz - raíz y/o follaje de yuca, donde el
fosfato dicálcico y el aceite de palma se combinan, siempre y cuando este último no exceda el 5% de la mezcla.
La ración alimenticia experimental consta de 8 ingredientes, donde el ingrediente

estándar lo representa el maíz y el alternativo la YAD. La conversión alimenticia de los
tratamientos se encuentran entre los valores esperados de 2,50 y 3,00.

70
A continuación se presenta el procedimiento para la evaluación de la ración.
VI.2.a) Construcción de la matriz de datos
TABLA 15 Estructura de composición porcentual, monetaria, energética y de

nutrientes de raciones experimentales para cerdos con niveles de sustitución
creciente de YAD††.
Precio Basal 50% YAD 100% YAD
N° Ingredientes % %
(Bs/Kg) %
1 Maíz 130 83,56 42,17 0,00
2 YAD 70 0,00 36,84 73,68
3 Harina de pescado 295 14,20 19,65 25,24
4 Aceite de palma 150 1,54 0,64 0,00
5 Fosfato dicálcico 30 0,00 0,00 0,38
6 Sal 100 0,50 0,50 0,50
7 Premezcla Vitaminas 500 0,15 0,15 0,15
8 Trazas 500 0,05 0,05 0,05
Total 100,00 100,00 100,00
Costo ración (a ) (Bs/Kg) 135.97 113,47 91,05
Conversión alimenticia ( b ) (Kg/Kg) 2,63 2,66 3,01
Energia metabolizable (Kcal/Kg) 3552 3354 3153
Proteína cruda (%) 15,96 16,88 17,81
Fibra (%) 1,81 2,00 2,17
Grasa (%) 5,52 4,03 2,78
ELN ( d ) (%) 61,14 60,83 59,94
Calcio (%) 0,66 1,00 1,44
Fósforo (%) 0,64 0,74 0,91
Lisina (%) 0,86 1,04 1,24
Meteonina+cistina (%) 0,61 0,62 0,63
Triptófano (%) 0,14 0,16 0,18
Treonina (%) 0,60 0,65 0,71
†† : Harina cruda de raíz de yuca amarga deshidratada
(a): Bs de racion / Kg de alimento
(b): Kg de alimento consumido / Kg de peso corporal
(c): Bs de racion / kg de peso corporal Î (a)x(b)
(d): Extracto Libre de Nitrógeno (Hidratos de carbono)

71
En la tabla 15, la incorporación del componente de los precios de cada uno de los
ingredientes, permitió obtener por tratamiento, los costo ración, costo-efectividad y
costo-efectividad porcentual. El ingrediente alternativo (YAD) es 53% más
económico que el estándar (maíz amarillo). Las variables de costo ración y costo-
efectividad presentan las siguientes características: El costo ración es máximo
(135,97 Bs/kg) en la ración basal, y el mismo disminuye en la medida que se
sustituye el maíz por el YAD en la ración, hasta llegar a su mínimo (91,05 Bs/kg)
para la ración con el nivel de sustitución 100% del YAD. Análogamente, el
costo-efectividad es máximo (357,60 Bs/kg) en la ración basal, y el mismo tiene su
mínimo (274,06 Bs/kg) para la ración con el nivel de sustitución de 100% de YAD.

raciones, las mismas exceden las 3.100 Kcal/Kg, donde el máximo valor permisible
(3552 kcal/kg) corresponde a la ración basal y el mínimo (3153 kcal/kg) a la ración
con 100% de nivel de sustitución de YAD.

proteínas que aporta los tratamiento en orden creciente de nivel de sustitución de
YAD (0%, 50%, 100%) es ligeramente superior a los valores de 15%, 16% y 17%
respectivamente; destacándose la presencia de harina de pescado como principal
fuente de proteínas. El aporte de calcio es superior al del fósforo en cada uno de los
tratamientos. Se puede notar que en la ración con 100% de nivel de sustitución de
YAD, se encuentran los mayores valores de calcio y fósforo de 1,44% y 0,91%
respectivamente, y esto es debido en gran manera a la presencia de fosfato de
dicálcico, que es una fuente económica de aporte de ambos nutrientes. La ausencia de
aceite de palma en la ración con 100% de sustitución de YAD, ocasiona que en la
misma esté presente el mínimo valor (2,42%) de grasa.

72
VI.2.b) Elaboración de tabla con intervalos de tendencias lineales de las


(x2: YAD), se presentan las gráficas 6 y 7, para visualizar la influencia de ambos
cerdos.
GRÁFICA 6 Efecto del nivel de sustitución de YAD sobre la conversión

alimenticia en raciones experimentales para cerdos
En la gráfica 6 se observa que en las tres raciones con niveles de sustitución de

YAD (0%, 50% y 100%), los ingredientes estándar y alternativo representan más del
70% de la composición de las raciones. Los valores de conversión alimenticia
obtenidas fueron 2,63; 2,66; y 3,01; para los niveles de sustitución de YAD de 0%,
50% y 100% respectivamente, y lo cual es indicativo de un desmejoramiento del
parámetro de la conversión alimenticia cuando se incrementa los niveles de
sustitución de YAD.

73
GRAFICA 7 Variación de la conversión alimenticia de las raciones experimentales

para cerdos según el nivel de proporción de los ingredientes maíz (x1) y YAD (x2)
En la gráfica 7 puede observarse los dos intervalos con sus respectivas tendencias
lineales asociadas de los ingredientes maíz (x1) y YAD (x2), y su efecto sobre la
conversión alimenticia. El primer intervalo (en sentido descendente) de la curva
continua (x1:maíz) tiene una pendiente poco inclinada, mientras que en el segundo intervalo
ésta es más pronunciada, y análogamente, se observa lo mismo en el primer y segundo
intervalo (en sentido ascendente) de la curva de trazos cortos (x2:YAD). Ambas curvas
coinciden en un punto, muy próximo a la proporción 0,40. Los intervalos y las
tendencias lineales asociadas del maíz y la YAD se presentan en forma algebraica en
la tabla 16.
TABLA 16 Intervalos de tendencias lineales de la conversión

alimenticia de los ingredientes estándar (x1: Maíz) y
alternativo (x2: YAD)
0,84 ≤ x1 ≤ 0,42 2,66 – 0,0725(x1 – 0,42)
MAIZ
0,42 < x1 ≤ 0 3,01 – 0,83x1
0 ≤ x2 < 0,42 2,63 + 0,0814x2

YAD
0,42 ≤ x2 < 0,74 2,66 + 0,9501(x2 - 0,42)

74
Por lo presentado en la tabla 16 y en base a la gráfica 7, se observa que cuando en

la ración está presente el ingrediente alternativo (x2:YAD) hasta en una proporción de
0,42; el valor de la conversión alimenticia poco varía, pasando de 2,63 a 2,66; pero a
partir de la proporción anteriormente referida, la conversión alimenticia varía
considerablemente, hasta llegar a un valor tope de 3,01 cuando el ingrediente
alternativo reemplaza totalmente al ingrediente estándar (x2:Maíz) al estar presente en
una proporción 0,74 de la ración experimental.
VI.2.c) Formulación del modelo de programación lineal para raciones

alimenticias
Antes de proceder a la formulación del modelo, se presenta la gráfica 8, en donde

se aprecia la tendencias de los costos de la raciones experimentales para cerdos.
GRÁFICA 8 Variación de los costo ración, costo-efectividad y costo-efectividad porcentual

de las raciones experimentales para cerdos según el nivel de sustitución de YAD
En la gráfica 8 se visualiza que cuando se incrementa el nivel de sustitución de

YAD, el costo ración disminuye, análogamente, ocurre lo mismo con el
costo-efectividad. La ración con un nivel de sustitución de 100% de YAD es el que
tiene los mínimos valores en cuanto a los costo de ración, costo-efectividad y por
ende, el costo-efectividad porcentual.

75
A continuación se transcribe la formulación del modelo bajo el formato del

software LINDO, para determinar el costo ración de la ración alternativa (Z2) y las
conversiones alimenticias estimadas según los valores obtenidos de los ingredientes
estándar (x1: Maíz) y alternativo (x2: YAD), que son esenciales para la determinación
del costo-efectividad
SOFTWARE LINDO
!CASO II Formulación de una ración alimenticia experimental que contiene harina cruda de raíz de
!yuca amarga (YAD), como fuente parcial o total de energía reemplazante del maíz, utilizando la
!programación lineal para ser suministrado en la etapa conjunta de crecimiento-engorde del ganado
!porcino.
!REVISTA: Archivos latinoamericanos de Producción Animal 5 , (suplemento 1), 1997.
!WEB: www.alpa.org.ve/ojs/include/getdoc. php?id=198&article=161&mode=pdf
!TITULO: "Utilización de harina cruda de raíz de yuca (Manihot sculenta C.) y harina cruda
! de cormos de ocumo chino (Colocasia sculenta C.) en la alimentación de cerdos"
!AUTORES: González, C.; Vecchionacce, H.; Díaz, I. y Ortiz, V.
!Correspondencia => Variables de decisión : Ingredientes.

!X1: Maíz ; X5: Fosfato de dicálcico
!X2: YAD ; X6: Sal
!X3: Aceite de palma ; X7: Premezcla vit.
!X4: Harina de pescado ; X8: Trazas
! Entrada de datos
!FUNCIÓN OBJETIVO
MIN 130.00 X1 + 70.00 X2 + 295.00 X3 + 150.00 X4
+ 30.00 X5 + 100.00 X6 + 500.00 X7 + 500.00 X8
!RESTRICCIONES LINEALES
SUBJECT TO
! Restricciones de energía:
ENERGIA1) 3572 X1 + 3200 X2 + 7760 X3 + 3150 X4 >= 3153
ENERGIA2) 3572 X1 + 3200 X2 + 7760 X3 + 3150 X4 <= 3552
! Restricciones de nutrientes:
PROTEIN1) 0.0850 X1 + 0.0280 X2 + 0.6240 X4 >= 0.1596
PROTEIN2) 0.0850 X1 + 0.0280 X2 + 0.6240 X4 <= 0.1781
FIBRA1) 0.0200 X1 + 0.0260 X2 + 0.0100 X4 >= 0.0181
FIBRA2) 0.0200 X1 + 0.0260 X2 + 0.0100 X4 <= 0.0217

76
GRASA1) 0.0350 X1 + 0.0120 X2 + 0.9900 X3 + 0.0752 X4 >= 0.0278
GRASA2) 0.0350 X1 + 0.0120 X2 + 0.9900 X3 + 0.0752 X4 <= 0.0552
ELN1) 0.7260 X1 + 0.8020 X2 + 0.0338 X4 >= 0.5994
ELN2) 0.7260 X1 + 0.8020 X2 + 0.0338 X4 <= 0.6114
CALCIO1) 0.0002 X1 + 0.0030 X2 + 0.0450 X4

+ 0.2100 X5 >= 0.0066
CALCIO2) 0.0002 X1 + 0.0030 X2 + 0.0450 X4
+ 0.2100 X5 <= 0.0144
FOSFORO1) 0.0030 X1 + 0.0020 X2 + 0.0277 X4
+ 0.1600 X5 >= 0.0064
FOSFORO2) 0.0030 X1 + 0.0020 X2 + 0.0277 X4
+ 0.1600 X5 <= 0.0091
LISINA1) 0.0022 X1 + 0.0005 X2 + 0.0468 X4 >= 0.0085
LISINA2) 0.0022 X1 + 0.0005 X2 + 0.0468 X4 <= 0.0122
MET+CIS1) 0.0033 X1 + 0.0005 X2 + 0.0231 X4 >= 0.0061
MET+CIS2) 0.0033 X1 + 0.0005 X2 + 0.0231 X4 <= 0.0062
TRIPTOF1) 0.0006 X1 + 0.0002 X2 + 0.0061 X4 >= 0.0014
TRIPTOF2) 0.0006 X1 + 0.0002 X2 + 0.0061 X4 <= 0.0017
TREONIN1) 0.0027 X1 + 0.0005 X2 + 0.0259 X4 >= 0.0059
TREONIN2) 0.0027 X1 + 0.0005 X2 + 0.0259 X4 <= 0.0069
! Restricción de mezcla base:

BASE) X1 + X2 + X3 + X4
+ X5 + X6 + X7 + X8 = 1.0000
! Restricciones de ingredientes:
X1MIN) X1 >= 0.0000
X1MAX) X1 <= 0.8356
X2MIN) X2 >= 0.0000
X2MAX) X2 <= 0.7368
X3MIN) X3 >= 0.0000
X3MAX) X3 <= 0.0154
X4MIN) X4 >= 0.1420
X4MAX) X4 <= 0.2524
X5MIN) X5 >= 0.0000
X5MAX) X5 <= 0.0038
X6) X6 = 0.0050
X7) X7 = 0.0015
X8) X8 = 0.0005
END

77

resultados del caso II referidos a el costo de la ración alternativa (Z2) y las cantidades
de ingredientes que conforman la misma (R2)
1) 91.01948

X1 0.001983 0.000000
X2 0.736800 0.000000
X3 0.000063 0.000000
X4 0.250354 0.000000
X5 0.003800 0.000000
X6 0.005000 0.000000
X7 0.001500 0.000000
X8 0.000500 0.000000
• Costo ración:
VI.2.d) Cálculo de la conversión alimenticia de la ración alternativa (CA2)
Para estimar la conversión alimenticia de la ración alternativa se consideró los

dos primeros ingredientes energéticos de la ración alternativa (R2):
x1 = 0.001983 > x1’min = 0
x2 = 0.736800 < x2’min = 0,74
A continuación se busca en la tabla 16, a que tendencia lineal se ubica tanto x1
como x2 :
CA2X1 = 3,01 – 0,83x1 = 3,0084
CA2X2 = 2,66 + 0,9501(x2 – 0,42 ) = 2,9610
CA2 = (1/2)(CA2X1 + CA2X2) = 2,9847

78
VI.2.e) Cálculo de los costo-efectividad y costo-efectividad porcentual de la

CE2 = CA2 . Z2 = 2,9847. 91,02 = 271,67

CE2 = (CE2 / CE1).100% = (271,67 / 357,60)x100% = 75,97%
VI.2.f) Análisis de sensibilidad: a nivel de las restricciones energéticas
Considerando como la mínima cantidad de energía metabolizable permisible

(e’’ ‘min) , la correspondiente a la ración de tratamiento T2 (3354 kcal/kg), se tiene:
e’’ ‘min = e’’T2 = 3354 Kcal/Kg
SOFTWARE LINDO: Report / Parametrics / … / 3354 <<enter>>
RIGHTHANDSIDE PARAMETRICS REPORT FOR ROW: ENERGIA1

3153.00 0.000000E+00 91.0195

SLK 2 SLK 8 18 3153.95 0.000000E+00 91.0195
SLK 18 SLK 34 7 3160.76 -0.248410E-01 91.1888
X5 SLK 7 34 3190.25 -0.341495E-01 92.1958
SLK 10 SLK 28 8 3201.54 -0.408808E-01 92.6574
3354.00 -0.114238 110.074

x1 = 0.314524 ; x5 = 0.000000
x2 = 0.453842 ; x6 = 0.005000
x3 = 0.015321 ; x7 = 0.001500
x4 = 0.209314 ; x8 = 0.000500
• Costo ración::

79
Al efectuar el análisis de sensibilidad a nivel del segundo miembro de las

restricción de energía mínima permisible, pasando del valor de 3175 kcal/kg a
3354 kcal/kg, se obtuvo los nuevos valores de las variables de decisión, y que por
intermedio de x1 (Maíz) y x2 (YAD), se determinó que el costo ración de la ración
alternativa’ (110,07 Bs/kg), resultó ser menor al de la ración basal (135,97 Bs/kg). A
continuación se procede a determinar como es el comportamiento de la ración
alternativa’ a nivel del costo-efectividad de las raciones anteriormente referidas, para
su posterior evaluación con su equivalente de las raciones basal y alternativa.
VI.2.g) Cálculo de la conversión alimenticia de la ración alternativa’ (CA3)
Se procede de manera análoga al punto VI.2.d. Los dos primeros ingredientes

x1 = 0.314524 > x1’min = 0
x2 = 0.453842 < x2’max = 0,7368
A continuación se busca en la tabla 16, a que tendencia lineal corresponde tanto
x1 como x2 :
CA3X1 = 3,01 – 0,83x1 = 2,749
CA3X2 = 2,66 + 0,9501(x2 - 0,42) = 2,692
CA3 = (1/2)(CA3X1 + CA3X2) = 2,721
La conversión alimenticia estimada de la ración alternativa’ resultó ser

ligeramente superior a la conversión alimenticia de la ración con 50% de nivel de
sustitución del YAD.
VI.2.h) Cálculo de los costo-efectividad y costo-efectividad porcentual de la

CE3 = CA3 x Z3 = 2,721. 110,07 = 299,50

%CE3 = (CE3 / CE1)x100% = (299,50 / 357,60)x100% = 83,75%

80
VI.1.i) Construcción de la tabla de resultados

sobre las raciones basal, alternativa y alternativa’ del caso II.

alimenticia y energética de las raciones basal, alternativa y alternativa’ del caso II
Precio R a c i ó n
N° Ingrediente
1 Maíz 130 83,56 0,20 31,45
2 YAD 70 0,00 73,68 45,39
3 Harina de pescado 295 1,54 0,01 1,53
4 Aceite de palma 150 14,20 25,03 20,93
5 Fosfato dicálcico 30 0,00 0,38 0,00
6 Sal 100 0,50 0,50 0,50
7 Premezcla Vitaminas 500 0,15 0,15 0,15
8 Trazas 500 0,05 0,05 0,05
Total 100,00 100,00 100,00
(a)
Energía metabolizable (Kcal/Kg) 3554 3154 3354
††
: Harina cruda de raiz de yuca amarga deshidratada
(a): Bs de ración / Kg de alimento
(c): Bs de ración / kg de peso corporal Î (a)x(b)
En la tabla 17 se puede observar que a este nivel de precio de cada uno de los
ingredientes, el mínimo valor del costo ración se encuentra en la ración alternativa
con 91,02 Bs/kg, seguido por la alternativa’ con 110,07 Bs/kg y finalmente por la
basal con 133,10 Bs/kg. El mínimo valor del costo-efectividad se encuentra en la
ración alternativa con 217,67 Bs/kg, seguido por la alternativa’ con 299,50 Bs/kg
y finalmente por la basal con 357,60 Bs/kg. En virtud de lo anterior, el

81
costo-efectividad de la ración alternativa es el más eficiente, por tener el menor valor.

El análisis de sensibilidad realizado fue no exitoso, puesto que el costo-efectividad de
la ración alternativa’ fue mayor a la ración alternativa, aunque menor que la ración
basal.
En la grafica 9 se puede visualizar la magnitud de los costo ración,

alternativa’ del caso II.
GRAFICA 9 Variación de los costo ración, costo-efectividad y costo-efectividad

porcentual de las raciones para cerdos basal, alternativa y alternativa’ del caso II

porcentual de la ración alternativa es menor al de las raciones alternativa’ y basal en
un 7,78% y 24,03% respectivamente. En consecuencia, con los actuales precios de
los ingredientes, el costo-efectividad de la ración alternativa es un costo-eficaz y
satisfactoriamente económico, y esto se debe en gran medida a que el YAD es
capaz de reemplazar totalmente el maíz.

82
IV.3.- CASO III. Formulación de raciones alimenticias experimental que

contiene el sorgo, como fuente parcial o total de energía reemplazante del maíz,
utilizando la programación lineal, para ser suministrado en las etapas de
crecimiento y engorde del ganado porcino.
Este caso fue tomado de la revista Zootecnia Tropical Vol 1 y 2, Nº 1 del año
1983, titulado “Utilización del grano de sorgo como fuente energética en raciones
para cerdos en crecimiento y engorde”. En esta experiencia, los registros de consumo
de alimento y ganancia de peso, fueron obtenidos durante 29 días en la fase de
crecimiento y 52 en la de engorde. Se utilizaron 20 cerdos machos castrados, con un
peso promedio inicial de 34,5 Kg. Los cerdos estuvieron bajo un sistema de
alimentación controlada y disponibilidad de agua constante. Los tratamientos estaban
constituido por raciones isoproteícas e isoenergéticas, que contenían 0, 50, 75 y 100%
de sorgo molido, como fuente de energía reemplazante del maíz, tal como se aprecia
en la tabla 18.
TABLA 18 Estructura de composición porcentual de raciones experimentales para

cerdos en las etapas de crecimiento y engorde, con niveles de sustitución creciente de
sorgo.
(III)
T R A T A M I E N T O
N° Ingrediente CRECIMIENTO ENGORDE
s00 s50 s75 s100 s00 s50 s75 s100
1 Maíz amarillo molido 40,00 20,00 10,00 0,00 40,00 20,00 10,00 0,00
2 Sorgo molido 0,00 20,00 30,00 40,00 0,00 20,00 30,00 40,00
3 Harinilla de maíz 28,00 28,00 28,00 28,00 30,00 31,25 31,25 31,25
4 Harina de ajonjolí 15,00 15,00 15,00 15,00 10,00 10,00 10,00 10,00
5 Harina de pescado 6,00 6,00 6,00 6,00 5,75 5,75 5,75 5,75
6 Melaza 7,50 7,257 7,25 7,10 12,00 10,75 10,50 10,35
7 Grasa animal 1,00 1,25 1,25 1,40 0,00 0,00 0,25 0,40
8 Fosfato de dicálcico 1,50 1,50 1,50 1,50 1,25 1,25 1,25 1,25
9 Sal común 0,50 0,50 0,50 0,50 0,50 0,50 0,50 0,50
10 Vitaminas y minerales 0,50 0,50 0,50 0,50 0,50 0,50 0,50 0,50
Total 100,00 100,00 100,00 100,00 100,00 100,00 100,00 100,00
Conversión alimenticia (Kg/Kg) 3,44 3,72 3,95 4,22 3,96 4,44 3,56 4,15
(III): s00 = 0% de sorgo; s50 = 50% de sorgo; s75 = 75% de sorgo; s100 = 100% de sorgo

83
La mezcla alimenticia experimental consta de 10 ingredientes para las etapas de

crecimiento y engorde del cerdo, donde el estándar lo representa el maíz amarillo y el
alternativo el sorgo. La conversión alimenticia de los tratamientos en ambas etapas
productivas, se encuentran por encima de los valores esperados de 2,50 y 3,00.
En vista que, el presente caso de ensayo de raciones alimenticias comprende en

total dos etapas (q = 2) del ciclo productivo del cerdo, se debe aplicar la metodología
de evaluación de raciones para cada etapa por separado y al final totalizar los
resultados para hacer la comparación de rigor a nivel de costos. Para el procedimiento
evaluación de raciones alimenticias en cada etapa, se tiene que los subíndices
incorporados a las variables de costo ración (Z) y costo-efectividad (CE) tienen por
ende, el siguiente significado:
Subíndice k; referido a la etapa productiva del cerdo (k = 1, 2 ; 1: crecimiento, 2: engorde)
Subíndice q entre paréntesis; referido al total de etapas productiva del cerdo objeto de estudio, que
para este caso en particular es de 2 etapas en total (q = 2 ; crecimiento y engorde)
Subíndice h; referido a la modalidad de ración (h = 1, 2, 3 ; 1: basal, 2: alternativa y 3: alternativa’ )
En base a lo anterior, se presenta las siguientes denotaciones por etapas y total etapas:
Z1h : Costo ración de la ración h en la etapa 1 (crecimiento)
Z2h : Costo ración de la ración h en la etapa 2 (engorde)
Z(2)h : Costo ración de la ración h en un total de 2 etapas (crecimiento y engorde)
Z( 2)h = Z1h + Z2h ; h = 1, 2, 3
CE1h : Costo-efectividad de la ración h en la etapa 1 (crecimiento)
CE2h : Costo-efectividad de la ración h en la etapa 2 (engorde)
CE(2)h : Costo-efectividad de la ración h en un total de 2 etapas (crecimiento y engorde)
CE( 2)h = CE1h + CE2h ; h = 1, 2, 3
%CE1h : Costo-efectividad porcentual de la ración h en la etapa 1 (crecimiento)
%CE2h : Costo-efectividad porcentual de la ración h en la etapa 2 (engorde)
%CE(2)h : Costo-efectividad porcentual de la ración h en un total de 2 etapas (crecimiento y engorde)
%CE( 2)h = %CE1h +% CE2h ; h = 1, 2, 3
A continuación se presenta el procedimiento para la evaluación de la ración

alimenticia, para las etapas de crecimiento y engorde.

84
VI.3.1.- Evaluación Caso III.1: Ración alimenticia de la etapa de crecimiento
VI.3.1.a) Construcción de la matriz de datos

nutrientes de raciones experimentales para cerdos con niveles de sustitución
creciente de sorgo en la etapa de crecimiento.
(III)
Precio T R A T A M I E N T O
N° Ingrediente (Bs/Kg) s00 s50 s75 s100
1 Maíz amarillo molido 1,72 40,00 20,00 10,00 0,00
2 Sorgo molido 1,41 0,00 20,00 30,00 40,00
3 Harinilla de maíz 0,01 28,00 28,00 28,00 28,00
4 Harina de ajonjolí 0,19 15,00 15,00 15,00 15,00
5 Harina de pescado 1,80 6,00 6,00 6,00 6,00
6 Melaza 0,08 7,50 7,25 7,25 7,10
7 Grasa animal 1,91 1,00 1,25 1,25 1,40
9 Sal común 1,00 0,50 0,50 0,50 0,50
10 Vitaminas y minerales 6,28 0,50 0,50 0,50 0,50
Total 100,00 100,00 100,00 100,00
Costo ración (a) (Bs/Kg) 0,90 0,84 0,81 0,78
Conversión alimenticia ( b) (Kg/Kg) 3,44 3,72 3,95 4,22
Costo-efectividad ( c ) (Bs/Kg) 3,08 3,12 3,19 3,29
Costo-efectividad porcentual (%) 100,00 101,21 103,51 106,72
Energia metabolizable (Kcal/Kg) 3095,1 3029,4 2995,2 2962,6
Proteína cruda (%) 14,638 14,667 14,687 14,700
Fibra (%) 3,265 3,285 3,295 3,305
Grasa (%) 6,475 6,562 6,482 6,551
Calcio (%) 1,152 1,150 1,150 1,149
Fósforo (%) 0,825 0,825 0,825 0,825
Lisina (%) 0,707 0,702 0,700 0,698
Meteonina+cistina (%) 0,579 0,574 0,572 0,569
Triptofano (%) 0,122 0,128 0,131 0,134
Treonina (%) 0,481 0,487 0,490 0,493
s00 = 0% de sorgo; s50 = 50% de sorgo; s75 = 75% de sorgo; s100 = 100% de sorgo
NOTA: Los valores de energía metabolizable y nutrientes fueron expresados con una y tres cifras decimales
respectivamente, para obtener resultados más precisos al aplicar el software LINDO (programación lineal), y más
aún, si los valores de los coeficiente de la función objetivo son numéricamente pequeños.

85
ingredientes, permitió obtener por tratamiento, los costos ración, costo-efectividad y
costo-efectividad porcentual, correspondiente a la etapa de crecimiento del ciclo
productivo del cerdo. El ingrediente alternativo (sorgo) es 18,02% más económico
que el estándar (maíz amarillo). Cuando se analizan las variables de costo ración y
costo-efectividad se observa lo siguiente: El costo ración es máximo (0,90 Bs/kg) en
la ración basal, y el mismo disminuye en la medida que se sustituye progresivamente
el maíz por sorgo en la ración, hasta llegar a su mínimo (0,78 Bs/kg) para la ración
con el nivel de sustitución 100% del sorgo. Sin embargo, con el nivel de sustitución
anteriormente referido, el costo-efectividad es máximo (3,29 Bs/kg), superando al
costo-efectividad de la ración basal (3,08 Bs/kg), que a su vez representa el mínimo
costo-efectividad de las raciones experimentales objeto de estudios.

raciones es relativamente uniforme, oscilando por las 3.000 Kcal/Kg, con lo cual se
pueden considerar isoenergéticos, El máximo valor de energía metabolizable
permisible (3095,1 kcal/kg) corresponde a la ración basal y el mínimo (2962,6
kcal/kg) a la ración con un nivel de sustitución de sorgo del 100%..

superior al 14,5%. En la ración con nivel de sustitución de 100% de sorgo, presenta el
menor aporte de calcio con 1,149%; el aporte de fósforo es uniforme en todos los
tratamientos e igual a 0,825%. La ración con nivel de sustitución de 100% de sorgo
presenta el mayor aporte de fibra con 3,305%, y el menor aporte de grasa se observa
en la ración basal con un valor de 6,475%.

86
VI.3.1.b) Elaboración de tabla con intervalos de tendencias lineales de las


(x12: Sorgo), se presentan las gráficas 10 y 11, para visualizar la influencia de ambos
cerdos.
GRÁFICA 10 Efecto del nivel de sustitución de sorgo sobre la conversión

alimenticia en raciones experimentales para cerdos (etapa de crecimiento)
En la gráfica 10 se observa que en las cuatros raciones con niveles de sustitución

de sorgo (0%, 50%, 75% y 100%), los ingredientes estándar y alternativo representan
el 40% de la composición de las raciones. Los valores de conversión alimenticia
obtenidas fueron 3,44; 3,72; 3,95 y 4,22 para los niveles de sustitución de sorgo de
0%, 50%, 75% y 100% respectivamente, y lo cual es indicativo de un
desmejoramiento importante del parámetro de la conversión alimenticia cuando se
incrementa los niveles de sustitución de sorgo.

87
GRÁFICA 11 Variación de la conversión alimenticia de las raciones

experimentales para cerdos (etapa de crecimiento) según el nivel de proporción de
los ingredientes maíz (x11) y sorgo (x12)
En la gráfica 11 puede observarse los tres intervalos con sus respectivas

tendencias lineales asociadas de los ingredientes maíz (x11) y sorgo (x12), y su efecto
sobre la conversión alimenticia. Los dos primeros intervalos (en sentido descendente)
de la curva continua (x11:Maíz) tienen tendencias lineales semejantes, y análogamente, lo
mismo se observa en el segundo y tercer intervalo (en sentido ascendente) de la curva de
trazos cortos (x12:Sorgo). Ambos ingredientes coinciden en un punto, próximo a la
proporción 0,20. Los intervalos y las tendencias lineales asociadas del maíz y el
sorgo se presentan en forma algebraica en la tabla 20.
TABLA 20 Intervalos de tendencias lineales de la conversión alimenticia de los

ingredientes estándar (x11: Maíz) y alternativo (x12: Sorgo)
0,40 ≤ x11 ≤ 0,20 3,72 – 1, 4(x11 – 0,20)
MAIZ 0,20 < x11 ≤ 0,10 3,95 – 2,3(x11 – 0,10)
0,10 < x11 ≤ 0 4,22 – 2,7x11
0≤ x12 < 0,20 3,44 + 1, 4x12
SORGO 0,20 ≤ x12 < 0,30 3,72 + 2,3(x12 – 0,20)
0,30 ≤ x12 ≤ 0,40 3,95 + 2,7(x12 – 0,30)

88
Por lo presentado en la tabla 20 y en base a la gráfica 10, se observa que cuando

en la ración está presente el ingrediente alternativo (x12:sorgo) hasta en una proporción
de 0,20; el valor de la conversión alimenticia varía de 3,44 a 3,72. A partir de ésta, la
conversión alimenticia varía en mayor medida, hasta llegar a un valor tope de 4,72
cuando el ingrediente alternativo reemplaza totalmente al ingrediente estándar
(x12:maíz), al estar presente en una proporción 0,40 de la ración experimental.
VI.3.1.c) Formulación del modelo de programación lineal para raciones

alimenticias
Antes de proceder a la formulación del modelo, se presenta la gráfica 12, en la

cual se aprecia la tendencias de los costos de la raciones experimentales para cerdos
GRÁFICA 12 Variación de los costo ración, costo-efectividad y

costo-efectivamente porcentual de las raciones experimentales para
cerdos (etapa de crecimiento) según el nivel de sustitución de sorgo
En la gráfica 12 se visualiza que cuando se incrementa la cantidad de sorgo, el

costo ración disminuye, pero el costo-efectividad aumenta, y en consecuencia, las
tendencias de ambos costos son contrarios. En virtud de lo anterior, La ración con 0%
de nivel de sustitución de sorgo (basal) es el que tiene los mínimos valores en cuanto
al costo-efectividad, y por ende, el costo-efectividad porcentual.

89
A continuación se transcribe la formulación del modelo del caso III.1 bajo el

formato del software LINDO, para determinar el costo ración de la ración alternativa
(Z12) y las conversiones alimenticias estimadas según los valores obtenidos de los
ingredientes estándar (x11: Maíz) y alternativo (x12: sorgo), que son esenciales para la
SOFTWARE LINDO
!CASO III.1. Formulación de una ración alimenticia experimental que contiene el sorgo, como fuente
!parcial o total de energía reemplazante del maíz, utilizando la técnica de la programación lineal, para
!ser suministrado en la etapa de crecimiento del ganado porcino.
!WEB: www.ceniap.gov.ve/bdigital/ztzoo/zt0112/texto/sorgo.htm
!TITULO: "Utilización del grano de sorgo como fuente energética en raciones para cerdos
! en crecimiento y engorde".
!AUTORES: Acurero, G.; Alvarez, R.; Pérez, S.; Alvarado, L.; Castillo, P. Schmidt y Guaicara, M.
! Correspondencia (etapa de crecimiento) => Variables de decisión: Ingredientes.

!X11: Maíz amarillo molido ; X16: Melaza
!X12: Sorgo molido ; X17: Grasa animal
!X13: Harinilla de maíz ; X18: Fosfato de dicálcico
!X14: Harina de ajonjolí ; X19: Sal
!X15: Harina de pescado ; X110: Minerales-Vitaminas
! Entrada de datos
!FUNCION OBJETIVO
MIN 1.72 X11 + 1.41 X12 + 0.01 X13 + 0.19 X14 + 1.80 X15
+ 0.08 X16 + 1.91 X17 + 0.50 X18 + 1.00 X19 + 6.28 X110
SUBJECT TO
! Restricciones de energía
ENERGIA1) 3572 X11 + 3230 X12 + 2400 X13 + 4015 X14 + 3150 X15
+ 2600 X16 + 3350 X17 >= 2962.6
ENERGIA2) 3572 X11 + 3230 X12 + 2400 X13 + 4015 X14 + 3150 X15
+ 2600 X16 + 3350 X17 <= 3095.1
! Restricciones de nutrientes
PROTEIN1) 0.0850 X11 + 0.0870 X12 + 0.0220 X13 + 0.4370 X14 + 0.6240 X15
+ 0.0430 X16 >= 0.14638
PROTEIN2) 0.0850 X11 + 0.0870 X12 + 0.0220 X13 + 0.4370 X14 + 0.6240 X15
+ 0.0430 X16 <= 0.14700
FIBRA1) 0.0200 X11 + 0.0210 X12 + 0.0500 X13 + 0.0670 X14 + 0.0100 X15 >= 0.03265
FIBRA2) 0.0200 X11 + 0.0210 X12 + 0.0500 X13 + 0.0670 X14 + 0.0100 X15 <= 0.03305

90
GRASA1) 0.0350 X11 + 0.0270 X12 + 0.0290 X13 + 0.1880 X14 + 0.0752 X15
+ 0.0002 X16 + 0.9900 X17 >= 0.06475
GRASA2) 0.0350 X11 + 0.0270 X12 + 0.0290 X13 + 0.1880 X14 + 0.0752 X15
+ 0.0002 X16 + 0.9900 X17 <= 0.06562
CALCIO1) 0.0002 X11 + 0.0002 X12 + 0.0016 X13 + 0.0306 X14 + 0.0450 X15
+ 0.0074 X16 + 0.2100 X18 >= 0.01149
CALCIO2) 0.0002 X11 + 0.0002 X12 + 0.0016 X13 + 0.0306 X14 + 0.0450 X15
+ 0.0074 X16 + 0.2100 X18 <= 0.01152
FOSFORO) 0.0030 X11 + 0.0030 X12 + 0.0030 X13 + 0.0140 X14 + 0.0277 X15
+ 0.0007 X16 + 0.1600 X18 = 0.00825
LISINA1) 0.0022 X11 + 0.0020 X12 + 0.0029 X13 + 0.0170 X14 + 0.0468 X15
+ 0.0002 X16 >= 0.00698
LISINA2) 0.0022 X11 + 0.0020 X12 + 0.0029 X13 + 0.0170 X14 + 0.0468 X15
+ 0.0002 X16 <= 0.00707
MET+CIS1) 0.0033 X11 + 0.0031 X12 + 0.0012 X13 + 0.0180 X14 + 0.0231 X15
+ 0.0004 X16 >= 0.00569
MET+CIS2) 0.0033 X11 + 0.0031 X12 + 0.0012 X13 + 0.0180 X14 + 0.0231 X15
+ 0.0004 X16 <= 0.00579
TRIPTOF1) 0.0006 X11 + 0.0009 X12 + 0.0014 X13 + 0.0014 X14 + 0.0061 X15
+ 0.0001 X16 >= 0.00122
TRIPTOF2) 0.0006 X11 + 0.0009 X12 + 0.0014 X13 + 0.0014 X14 + 0.0061 X15
+ 0.0001 X16 <= 0.00134
TREONIN1) 0.0027 X11 + 0.0030 X12 + 0.0015 X13 + 0.0115 X14 + 0.0259 X15
+ 0.0004 X16 >= 0.00481
TREONIN2) 0.0027 X11 + 0.0030 X12 + 0.0015 X13 + 0.0115 X14 + 0.0259 X15
+ 0.0004 X16 <= 0.00493
! Restricción de mezcla base

BASE) X11 + X12 + X13 + X14 + X15
+ X16 + X17 + X18 + X19 + X110 = 1.0000
! Restricciones de ingredientes
X11MIN) X11 >= 0.0000
X11MAX) X11 <= 0.4000
X12MIN) X12 >= 0.0000
X12MAX) X12 <= 0.4000
X13) X13 = 0.2800
X14) X14 = 0.1500
X15) X15 = 0.0600
X16MIN) X16 >= 0.0710
X16MAX) X16 <= 0.0750
X17MIN) X17 >= 0.0100
X17MAX) X17 <= 0.0140
X18) X18 = 0.0150
X19) X19 = 0.0050
X110) X110 = 0.0050
END

91

resultados del caso III.1 referidos a el costo ración de la ración alternativa (Z12) y las

1) 0.7739630

X11 0.000000 0.305846
X12 0.396674 0.000000
X13 0.280000 0.000000
X14 0.150000 0.000000
X15 0.060000 0.000000
X16 0.075000 0.000000
X17 0.013326 0.000000
X18 0.015000 0.000000
X19 0.005000 0.000000
X110 0.005000 0.000000
• Costo ración:
VI.3.1.d) Cálculo de la conversión alimenticia de la ración alternativa (CA12)
Para estimar la conversión alimenticia de la ración alternativa en la etapa 1,

se consideró los dos primeros ingredientes energéticos de la ración alternativa (R12):
x11 = 0 = x11’min = 0
x12 = 0,309952 < x12’max = 0,4000
En la tabla 19, se busca en que tendencia lineal se ubica tanto x11 como x12 :
CA12 X 11 = 4,22 – 2,7x11 = 4,22
CA12 X 12 = 3,95 + 2,7(x12 – 0,30 ) = 3,9769

CA12 = (1/2)(CA12 X 11 + CA12 X 12) = 4,0984

92
VI.3.1.e) Cálculo de los costo-efectividad y costo-efectividad porcentual de la

CE12 = CA12 . Z12 = 4,0984 . 0,77 = 3,16

%CE12 = (CE12 / CE11).100% = (3,16 / 3,08)x100% = 102,60%
VI.3.1.f) Análisis de sensibilidad: a nivel de las restricciones de ingredientes
Dado que las raciones experimentales son isoenergética e isoproteíca, y

considerando que x12’max es la máxima cantidad de sorgo (ingrediente alternativo)
permisible , se realizó el análisis de sensibilidad con un nuevo valor de éste.
x12’max = 0,20
SOFTWARE LINDO : Report / Parametics / … / 0,20 <<enter>>

RIGHTHANDSIDE PARAMETRICS REPORT FOR ROW: X2MAX

0.400000 0.000000E+00 0.773963

SLK 25 X11 30 0.396674 0.000000E+00 0.773963
0.200000 0.308408 0.834619

x11 = 0.198321 ; x16 = 0.075000
x12 = 0.20000 ; x17 = 0.011679
x13 = 0.28000 ; x18 = 0.015000
x14 = 0.15000 ; x19 = 0.005000
x15 = 0.06000 ; x110 = 0.005000
• Costo ración:
- Ración basa alternativa’: Z13 = 0,84 Bs/kg

93
Al efectuar el análisis de sensibilidad a nivel de la cantidad (proporción) del

ingrediente alternativo (sorgo) permisible, pasando del valor de 0,40 a 0,20; se
obtuvo los nuevos valores de las variables de decisión, y que por intermedio de x11
(Maíz) y x12 (Sorgo), se pudo determinar el costo ración de la ración alternativa’
(0,77 Bs/kg), que resultó ser mayor al de la ración basal (0,90 Bs/kg). A continuación
se procede a determinar como es el comportamiento de la ración alternativa’ a nivel
del costo-efectividad de las raciones anteriormente referidas, para su posterior
evaluación con su equivalente de la raciones basal y alternativa.
VI.3.1.g) Cálculo de la conversión alimenticia de la ración alternativa’ (CA13 )
Se procede de manera análoga al punto VI.3.1.d. Los dos primeros ingredientes

x11 = 0.198321 > x11’min = 0,3757
x12 = 0.200000 = x12’max = 0,2000
En la tabla 20, se busca a que tendencia lineal corresponde tanto x1 como x2:
CA13 X 11 = 3,95 – 2,3(x11 – 0,10) = 3,7239
CA13 X 12 = 3,72 + 2,3(x12 - 0,20) = 3,72

CA13 = (1/2)(CA13 X 11 + CA13 X 12) = 3,7220
La conversión alimenticia estimada de la ración alternativa’ resultó ser

aproximadamente igual a la conversión alimenticia de la ración experimental con un
nivel de sustitución de 50% de sorgo.
VI.3.1.h) Cálculo de los costo-efectividad y costo-efectividad porcentual de la

CE13 = CA13 . Z13 = 3,7220 . 0,84 = 3,13

%CE13 = (CE13 / CU11)x100% = (3010,74 / 2974,19).100% = 101,62%

94
VI.3.1.i) Construcción de la tabla de resultados

sobre las raciones basal, alternativa y alternativa’ del caso III.1.

alimenticia y energética de las raciones basal, alternativa y alternativa’ del caso III.1
Precio R a c i ó n
N° Ingrediente
1 Maíz amarillo molido 1,72 40,00 0,00 19,83
2 Sorgo molido 1,41 0,00 39,67 20,00
3 Harinilla de maíz 0,01 28,00 28,00 28,00
4 Harina de ajonjolí 0,19 15,00 15,00 15,00
5 Harina de pescado 1,80 6,00 6,00 6,00
6 Melaza 0,08 7,50 7,50 7,50
7 Grasa animal 1,91 1,00 1,33 1,17
9 Sal común 1,00 0,50 0,50 0,05
10 Vitaminas y minerales 6,28 0,50 0,50 0,05
Total 100,00 100,00 100,00
(a)
Energía metabolizable (Kcal/Kg) 3905,1 2958,7 3026,3

(c): Bs de ración / kg de peso corporal Î (a)x(b
En la tabla 21 se puede observar que a este nivel de precio de cada uno

de los ingredientes, el mínimo valor del costo ración se encuentra en
la ración alternativa con 0,77 Bs/kg, seguido por la alternativa’ con 0,84 Bs/kg
y finalmente por la basal con 0,90 Bs/kg. El mínimo valor del costo-efectividad se
encuentra en la ración basal con 3,08 Bs/kg, seguido por la alternativa‘ con
3,13 Bs/kg y por último por la alternativa con 3,16 Bs/kg. En virtud de lo anterior, el

95
costo-efectividad de la ración basal es el más eficiente, por tener el menor valor.

El análisis de sensibilidad realizado, disminuyendo la cantidad (proporción) máxima
permisible del ingrediente alternativo (sorgo) de 0,40 a 0,20; fue no exitoso, debido a
que el costo-efectividad de la ración alternativa’ fue mayor que el de la ración basal,
aunque menor a la ración alternativa

alternativa’.

costo-efectividad porcentual de las raciones para cerdos basal, alternativa y
alternativa’ del caso III.1

porcentual de la ración basal es menor al de las raciones alternativa’ y alternativa en
un 1,62% y 2,60% respectivamente. En consecuencia, con los actuales precios de los
ingredientes, no se logró el objetivo de obtener un costo-efectividad menor al de la
ración basal.

96
VI.3.2.- Evaluación Caso III.2: Ración alimenticia de la etapa de engorde
VI.3.2.a) Construcción de la matriz de datos

nutrientes de raciones experimentales para cerdos con niveles de sustitución creciente
de sorgo en la etapa de engorde.
(III)
Precio T R A T A M I E N T O
N° Ingrediente (Bs/Kg) s00 s50 s75 s100
1 Maíz amarillo molido 1,72 40,00 20,00 10,00 0,00
2 Sorgo molido 1,41 0,00 20,00 30,00 40,00
3 Harinilla de maíz 0,01 30,00 31,25 31,25 31,25
4 Harina de ajonjolí 0,19 10,00 10,00 10,00 10,00
5 Harina de pescado 1,80 5,75 5,75 5,75 5,75
6 Melaza 0,08 12,00 10,75 10,50 10,35
7 Grasa animal 1,91 0,00 0,00 0,25 0,40
9 Sal común 1,00 0,50 0,50 0,50 0,50
10 Vitaminas y minerales 6,28 0,50 0,50 0,50 0,50
Total 100,00 100,00 100,00 100,00
Costo ración (a) (Bs/Kg) 0,87 0,80 0,78 0,75
Conversión alimenticia ( b) (Kg/Kg) 3,96 4,44 3,56 4,15
Costo efectividad ( c ) (Bs/Kg) 3,43 3,56 2,76 3,11
Costo efectividad porcentual (%) 100,00 103,99 80,65 90,60
Energía metabolizable (Kcal/Kg) 3002,6 2936,0 2904,5 2871,9
Proteína cruda (%) 12,534 12,548 12,557 12,571
Fibra (%) 3,028 3,110 3,120 3,130
Grasa (%) 4,585 4,461 4,628 4,697
Calcio (%) 0,972 0,965 0,963 0,962
Fósforo (%) 0,718 0,721 0,720 0,720
Lisina (%) 0,617 0,616 0,614 0,612
Meteonina+cistina (%) 0,487 0,483 0,481 0,478
Triptofano (%) 0,116 0,124 0,127 0,130
Treonina (%) 0,422 0,429 0,432 0,435
s00 = 0% de sorgo; s50 = 50% de sorgo; s75 = 75% de sorgo; s100 = 100% de sorgo
NOTA: Los valores de energía metabolizable y nutrientes fueron expresados con una y tres cifras decimales
respectivamente, para obtener resultados más precisos al aplicar el software LINDO (programación lineal y más
aún, si los valores de los coeficiente de la función objetivo son numéricamente pequeños.

97
ingredientes, permitió obtener por tratamiento, los costo ración, costo-efectividad y
costo-efectividad porcentual, correspondiente a la etapa de engorde del ciclo
productiva por el cerdo. El ingrediente alternativo (sorgo), es 18,02% más económico
que el estándar (maíz amarillo). Cuando se analizan las variables de costo ración y
costo-efectividad se observa lo siguiente: El costo ración es máximo (0,87 Bs/kg) en
la ración basal, y el mismo disminuye en la medida que se sustituye progresivamente
el maíz por sorgo en la ración, hasta llegar a su mínimo (0,75 Bs/kg) para la ración
con el nivel de sustitución 100% del sorgo. El costo-efectividad en la ración con el
nivel de sustitución 50% del sorgo es máximo (3,56 Bs/kg), superando al de la ración
basal (3,43 Bs/kg). En la ración con el nivel de sustitución 75% del sorgo se presenta
el mínimo costo-efectividad (2,76 Bs/kg) de las raciones experimentales. objeto de
estudios.
En la tabla 22 se puede observar que en las raciones con niveles de sustitución de

0%, 50% y 75% de sorgo, los valores de energía metabolizable son de 3.002,9
Kcal/Kg, 2936,0 Kcal/Kg y 2904,5 Kcal/Kg respectivamante, considerándose
relativamente uniformes. En la ración con nivel de sustitución de 100% de sorgo,
presenta el mínimo valor de energía metabolizable permisible de 2871,9 kcal/kg,

superior al 12,5%. En la ración con nivel de sustitución de 100% de sorgo, el aporte
de calcio es relativamente uniforme, observándose su mínima contribución en la
ración con nivel de sustitución de 100% de sorgo con 0,962%. El aporte de fósforo es
relativamente uniforme, presentando su mínima contribución en la ración con nivel
de sustitución de 0% de sorgo con 0,718%. La ración con nivel de sustitución de
100% de sorgo presenta el mayor aporte de fibra con 3,130%, y el menor aporte de
grasa se observa en la ración basal con un valor de 4,585%.

98
VI.3.2.b) Elaboración de tabla con intervalos de tendencias lineales de las


(x22: Sorgo), se presentan las gráficas 14 y 15, para visualizar la influencia de ambos
cerdos.
GRÁFICA 14 Efecto del nivel de sustitución de sorgo sobre la conversión

alimenticia en raciones experimentales para cerdos (etapa de engorde)
En la gráfica 14 se observa que en las cuatros raciones con niveles de sustitución

de sorgo (0%, 50%, 75% y 100%), los ingredientes estándar y alternativo representan
el 40% de la composición de las raciones. Los valores de conversión alimenticia
obtenidas fueron 3,96; 4,44; 3,56 y 4,15 para los niveles de sustitución de sorgo de
0%, 50%, 75% y 100% respectivamente. A excepción de la ración nivel de
sustitución de sorgo de 75%, el resto de las raciones presentan un desmejoramiento
importante del parámetro de la conversión alimenticia al estar presente el sorgo en
determinadas cantidades.

99
GRÁFICA 15 Variación de la conversión alimenticia de las raciones

experimentales para cerdos (etapa de engorde) según el nivel de proporción de los
ingredientes maíz (x21) y sorgo (x22)
En la gráfica 15 puede observarse los tres intervalos con sus respectivas

tendencias lineales asociadas de los ingredientes maíz (x21) y sorgo (x22), y su efecto
sobre la conversión alimenticia. En la curva continua (x21:Maíz), partiendo del eje
vertical u ordenada, se observa en sus tres intervalos continuos tendencias lineales en
el siguiente orden: ascendente, descendente y ascendente. Análogamente,
considerando el sentido contrario, semejante comportamiento se observa en los
intervalos continuos de la curva de trazos cortos (x22:Sorgo). Ambos ingredientes
coinciden en tres proporciones (0,02; 0,20 y 0,38). Los intervalos y las tendencias
lineales asociadas del maíz y el sorgo se presentan en forma algebraica en la tabla 23.
TABLA 23 Intervalos de tendencias lineales de la conversión alimenticia

de los ingredientes estándar (x21: Maíz) y alternativo (x22: Sorgo)
0,40 ≤ x21 ≤ 0,20 4,44 – 2, 4(x21 – 0,20)
MAIZ 0,20 < x21 ≤ 0,10 3,56 + 8,8(x21 – 0,10)
0,10 < x21 ≤ 0 4,15 – 5,9x21
0≤ x22 < 0,20 3,96 + 2,4x22
SORGO 0,20 ≤ x22 < 0,30 4,44 - 8,8(x22 – 0,20)
0,30 ≤ x22 ≤ 0,40 3,56 + 5,9(x22 – 0,30)

100
Por lo presentado en la tabla 23 y en base a la gráfica 15, se observa que cuando

en la ración está presente el ingrediente alternativo (x22:sorgo) hasta en una proporción
de 0,20; el valor de la conversión alimenticia varía de 3,44 a 3,72. Para una
proporción de éste de 0,30; la conversión alimenticia disminuye al valor de 3,56; y
para la proporción la 0,40; donde el ingrediente alternativo reemplaza totalmente al
ingrediente estándar (x21:maíz), la conversión alimenticia se ubica en 4,15.
VI.3.2.c) Formulación del modelo de programación lineal para raciones

alimenticias
Antes de proceder a la formulación del modelo, se presenta la gráfica 16, en la

cual se aprecia la tendencias de los costos de la raciones experimentales para cerdos

costo-efectividad porcentual de las raciones experimentales para
cerdos (etapa de engorde) según el nivel de sustitución de sorgo
En el gráfica 16 se visualiza que cuando se incrementa la cantidad de sorgo, el

costo ración disminuye, pero el costo-efectividad presenta una tendencia no regular
caracterizada por altibajos.. La ración con 75% de nivel de sustitución de sorgo es el
que tiene los mínimos valores en cuanto al costo-efectividad, y por ende, el
costo-efectividad porcentual.

101
A continuación se transcribe la formulación del modelo del caso III.2 bajo el

formato del software LINDO, para determinar el costo ración de la ración alternativa
(Z22) y las conversiones alimenticias estimadas según los valores obtenidos de los
ingredientes estándar (x21: Maíz) y alternativo (x22: sorgo), que son esenciales para la
SOFTWARE LINDO
!CASO III.1. Formulación de una ración alimenticia experimental que contiene el sorgo, como fuente
!parcial o total de energía reemplazante del maíz, utilizando la técnica de la programación lineal, para
!ser suministrado en la etapa de engorde del ganado porcino.
!WEB: www.ceniap.gov.ve/bdigital/ztzoo/zt0112/texto/sorgo.htm
!TITULO: "Utilización del grano de sorgo como fuente energética en raciones para cerdos
! en crecimiento y engorde".
!AUTORES: Acurero, G.; Alvarez, R.; Pérez, S.; Alvarado, L.; Castillo, P. Schmidt y Guaicara, M.
! Correspondencia (etapa de engorde) => Variables de decisión: Ingredientes.

!X21: Maíz amarillo molido ; X26: Melaza
!X22: Sorgo molido ; X27: Grasa animal
!X23: Harinilla de maíz ; X28: Fosfato de dicálcico
!X24: Harina de ajonjolí ; X29: Sal
!X25: Harina de pescado ; X210: Minerales-Vitaminas
! Entrada de datos
!FUNCION OBJETIVO
MIN 1.72 X21 + 1.41 X22 + 0.01 X23 + 0.19 X24 + 1.80 X25
+ 0.08 X26 + 1.91 X27 + 0.50 X28 + 1.00 X29 + 6.28 X210
SUBJECT TO
! Restricciones de energía
ENERGIA1) 3572 X21 + 3230 X22 + 2400 X23 + 4015 X24 + 3150 X25
+ 2600 X26 + 3350 X27 >= 2871.9
ENERGIA2) 3572 X21 + 3230 X22 + 2400 X23 + 4015 X24 + 3150 X25
+ 2600 X26 + 3350 X27 <= 3002.6
! Restricciones de nutrientes
PROTEIN1) 0.0850 X21 + 0.0870 X22 + 0.0220 X23 + 0.4370 X24 + 0.6240 X25
+ 0.0430 X26 >= 0.12534
PROTEIN2) 0.0850 X21 + 0.0870 X22 + 0.0220 X23 + 0.4370 X24 + 0.6240 X25
+ 0.0430 X26 <= 0.12571
FIBRA1) 0.0200 X21 + 0.0210 X22 + 0.0500 X23 + 0.0670 X24 + 0.0100 X25 >= 0.03028
FIBRA2) 0.0200 X21 + 0.0210 X22 + 0.0500 X23 + 0.0670 X24 + 0.0100 X25 <= 0.03130

102
GRASA1) 0.0350 X21 + 0.0270 X22 + 0.0290 X23 + 0.1880 X24 + 0.0752 X25
+ 0.0002 X26 + 0.9900 X27 >= 0.04461
GRASA2) 0.0350 X21 + 0.0270 X22 + 0.0290 X23 + 0.1880 X24 + 0.0752 X25
+ 0.0002 X26 + 0.9900 X27 <= 0.04697
CALCIO1) 0.0002 X21 + 0.0002 X22 + 0.0016 X23 + 0.0306 X24 + 0.0450 X25
+ 0.0074 X26 + 0.2100 X28 >= 0.00962
CALCIO2) 0.0002 X21 + 0.0002 X22 + 0.0016 X23 + 0.0306 X24 + 0.0450 X25
+ 0.0074 X26 + 0.2100 X28 <= 0.00972
FOSFORO1) 0.0030 X21 + 0.0030 X22 + 0.0030 X23 + 0.0140 X24 + 0.0277 X25
+ 0.0007 X26 + 0.1600 X28 >= 0.00718
FOSFORO2) 0.0030 X21 + 0.0030 X22 + 0.0030 X23 + 0.0140 X24 + 0.0277 X25
+ 0.0007 X26 + 0.1600 X28 <= 0.00721
LISINA1) 0.0022 X21 + 0.0020 X22 + 0.0029 X23 + 0.0170 X24 + 0.0468 X25
+ 0.0002 X26 >= 0.00612
LISINA2) 0.0022 X21 + 0.0020 X22 + 0.0029 X23 + 0.0170 X24 + 0.0468 X25
+ 0.0002 X26 <= 0.00617
MET+CIS1) 0.0033 X21 + 0.0031 X22 + 0.0012 X23 + 0.0180 X24 + 0.0231 X25
+ 0.0004 X26 >= 0.00478
MET+CIS2) 0.0033 X21 + 0.0031 X22 + 0.0012 X23 + 0.0180 X24 + 0.0231 X25
+ 0.0004 X26 <= 0.00487
TRIPTOF1) 0.0006 X21 + 0.0009 X22 + 0.0014 X23 + 0.0014 X24 + 0.0061 X25
+ 0.0001 X26 >= 0.00116
TRIPTOF2) 0.0006 X21 + 0.0009 X22 + 0.0014 X23 + 0.0014 X24 + 0.0061 X25
+ 0.0001 X26 <= 0.00130
TREONIN1) 0.0027 X21 + 0.0030 X22 + 0.0015 X23 + 0.0115 X24 + 0.0259 X25
+ 0.0004 X26 >= 0.00422
TREONIN2) 0.0027 X21 + 0.0030 X22 + 0.0015 X23 + 0.0115 X24 + 0.0259 X25
+ 0.0004 X26 <= 0.00435
! Restricción de mezcla base

BASE) X21 + X22 + X23 + X24 + X25
+ X26 + X27 + X28 + X29 + X210 = 1.0000
! Restricciones de ingredientes
X21MIN) X21 >= 0.0000
X21MAX) X21 <=0.4000
X22MIN) X22 >= 0.0000
X22MAX) X22 <= 0.4000
X23MIN) X23 >= 0.3000
X23MAX) X23 <= 0.3125
X24) X24 = 0.1000
X25) X25 = 0.0575
X26MIN) X26 >= 0.1035
X26MAX) X26 <= 0.1200
X27MIN) X27 >= 0.0000
X27MAX) X27 <= 0.0040
X28) X28 = 0.0125
X29) X29 = 0.0050
X210) X210 = 0.0050
END

103

resultados del caso III.2 referidos a el costo ración de la ración alternativa (Z22) y las
1) 0.7411906

X21 0.000000 0.305846
X22 0.397933 0.000000
X23 0.312500 0.000000
X24 0.100000 0.000000
X25 0.057500 0.000000
X26 0.107892 0.000000
X27 0.001674 0.000000
X28 0.012500 0.000000
X29 0.005000 0.000000
X210 0.005000 0.000000
• Costo ración:
VI.3.2.d) Cálculo de la conversión alimenticia de la ración alternativa (CA22)
Para estimar la conversión alimenticia de la ración alternativa para la etapa 2

se consideró los dos primeros ingredientes energéticos de la ración alternativa (R22):
x21 = 0 = x21’min = 0
x22 = 0.397933 < x22’max = 0,4000
En la tabla 23, se busca en que tendencia lineal se ubica tanto x1 como x2 :
CA22 X 21 = 4,15 – 5,9x21 = 4,15
2
CA22 X22 = 3,56 + 5,9(x22 – 0,30 ) = 4,1378

CA22 = (1/2)(CA22 X 21 + CA22 X22 ) = 4,1439
2

104
VI.3.2.e) Cálculo de los costo-efectividad y costo-efectividad porcentual de la

CE22 = CA22 x Z22 = 4,1439x 0,74 = 3,07

CE22 = (CE22 / CE21)x100% = (3,07 / 3,43)x100% = 89,50%
VI.3.2.f) Análisis de sensibilidad: a nivel de las restricciones de ingredientes
Dado que las raciones experimentales son isoenergética e isoproteíca, y

considerando que x22’max es la máxima cantidad de sorgo (ingrediente alternativo)
permisible , se realizó el análisis de sensibilidad con un nuevo valor de éste.
x22’max = 0,30
SOFTWARE LINDO : Report / Parametics / … / 0,20 <<enter>>

RIGHTHANDSIDE PARAMETRICS REPORT FOR ROW: X22MAX

0.400000 0.000000E+00 0.741190

SLK 26 X21 22 0.397933 0.000000E+00 0.741191
SLK 4 SLK 28 8 0.318019 0.185319 0.756000
0.300000 0.267993 0.760829

x21 = 0.091500 ; x26 = 0.118195
x22 = 0.300000 ; x27 = 0.001208
x23 = 0.309097 ; x28 = 0.012500
x24 = 0.100000 ; x29 = 0.005000
x25 = 0.057500 ; x210 = 0.005000
• Costo ración:

105
Al efectuar el análisis de sensibilidad a nivel de la cantidad (proporción) del

ingrediente alternativo (sorgo) permisible, pasando del valor de 0,40 a 0,30; se
obtuvo los nuevos valores de las variables de decisión, y que por intermedio de x21
(Maíz) y x22 (Sorgo), se pudo determinar el costo ración de la ración alternativa’
(0,76 Bs/kg), que resultó ser mayor al de la ración basal (0,87 Bs/kg). A continuación
se procede a determinar como es el comportamiento de la ración alternativa’ a nivel
del costo-efectividad de las raciones anteriormente referidas, para su posterior
evaluación con su equivalente de la raciones basal y alternativa.
VI.3.2.g) Cálculo de la conversión alimenticia de la ración alternativa’ (CA23)
Se procede de manera análoga al punto VI.3.2.d. Los dos primeros ingredientes

x21 = 0.091500 > x21’min = 0,3757
x22 = 0.300000 = x22’max = 0,3000

En la tabla 23, se busca a que tendencia lineal corresponde tanto x1 como x2:
CA23 X21 = 4,15 – 5,9x21 = 3,6102
CA23 X22 = 3,56 + 5,9(x22 - 0,30) = 3,56

CA2 3 = (1/2)(CA23 X21 + CA23 X22) = 3,5851
La conversión alimenticia estimada de la ración alternativa resultó ser ligeramente
superior a la conversión alimenticia de la ración experimental con un nivel de
sustitución de 75% de sorgo.
VI.3.2.h) Cálculo de los costo-efectividad y costo-efectividad porcentual de la

CE2 3 = CA2 3 x Z2 3 = 3,5851 x 0,76 = 2,73

%CE2 3 = (CE2 3 / CE21)x100% = (2,73 / 3,43)x100% = 79,59%

106
VI.3.2.i) Construcción de la tabla de resultados

sobre las raciones basal, alternativa y alternativa’ del caso III.2.

alimenticia y energética de las raciones basal, alternativa y alternativa’ del caso III.2
Precio R a c i ó n
N° Ingrediente
1 Maíz amarillo molido 1,72 40,00 0,00 9,15
2 Sorgo molido 1,41 0,00 39,79 30,00
3 Harinilla de maíz 0,01 28,00 31,25 30,91
4 Harina de ajonjolí 0,19 15,00 10,00 10,00
5 Harina de pescado 1,80 6,00 5,75 5,75
6 Melaza 0,08 7,50 10,79 11,82
7 Grasa animal 1,91 1,00 1,67 0,12
9 Sal común 1,00 0,50 0,50 0,50
10 Vitaminas y minerales 6,28 0,50 0,50 0,50
Total 100,00 100,00 100,00
(a)
Energía metabolizable (Kcal/Kg) 3002,6 2867,4 2891,5

(c): Bs de ración / kg de peso corporal Î (a)x(b
En la tabla 24 se puede observar que a este nivel de precio de cada uno

de los ingredientes, el mínimo valor del costo ración se encuentra en
la ración alternativa con 0,74 Bs/kg, seguido por la ración alternativa’ con 0,76 Bs/kg
y finalmente por la basal con 0,87 Bs/kg. El mínimo valor del costo-efectividad se
encuentra en la ración alternativa’ con 2,73 Bs/kg, seguido por la alternativa con
3,07 Bs/kg y por último por la basal con 3,43 Bs/kg. En virtud de lo anterior, el

107
costo-efectividad de la ración alternativa’ es el más eficiente, por tener el menor

valor. El análisis de sensibilidad realizado, disminuyendo la cantidad (proporción)
máxima permisible del ingrediente alternativo (sorgo) de 0,40 a 0,30; fue exitoso,
debido a que el costo-efectividad de la ración alternativa’ fue menor que el de la
raciones alternativa y basal.

alternativa’.

costo-efectividad porcentual de las raciones para cerdos basal,
alternativa y alternativa’ del caso III.2

porcentual de la ración alternativa’ es menor al de las raciones alternativa y basal en
un 10,50% y 20,41% respectivamente. En consecuencia, con los actuales precios
de los ingredientes, el costo-efectividad de la ración alternativa’ es un costo-eficaz y
satisfactoriamente económico, y esto se debe en gran medida a que el sorgo es
capaz de reemplazar totalmente el maíz.

108
VI.3.3.- Resultados casos III.1 y III.2: Raciones alimenticias de las etapas

crecimiento y engorde.
A continuación se presentan las tablas 25 y 26, con la información de las

variables costo ración y costo-efectividad respectivamente, para las etapas de
crecimiento y engorde, así como la totalización de los mismos.
TABLA 25 Costo ración de las raciones basal, alternativa y

alternativa’ por etapa y total etapas del caso III
COSTO RACIÓN
MODALIDAD
DE POR ETAPA TOTAL
RACIONES CRECIMIENTO ENGORDE ETAPAS
(Bs / kg) (Bs / kg) (Bs / kg)
Basal 0,90 0,87 1,77
Alternativa 0,77 0,74 1,51
Alternativa’ 0,84 0,86 1,60
En la tabla 25 se puede observar que en la columna de total etapas, el mínimo

valor del costo ración se encuentra en la ración alternativa con 1,51 Bs/kg, seguido
por la alternativa’ con 1,60 Bs/kg y finalmente por la basal con 1,60 Bs/kg.
TABLA 26 Costo-efectividad de las raciones basal, alternativa,

alternativa’ y mínima por etapa y total etapas del caso III.
COSTO–EFECTIVIDAD
MODALIDAD
DE POR ETAPA TOTAL ETAPA
RACIONES ENGORDE
CRECIMIENTO (Bs / kg) (%)
(Bs / kg) (Bs / kg)
Basal 3,08 3,43 6,51 100,00
Alternativa 3,16 3,07 6,23 95,70
Alternativa’ 3,13 2,73 5,86 90,02
Mínima 3,08 2,73 5,81 89,25

109
En la tabla 26, al totalizar los valores de costo-efectividad de las etapas

crecimiento y engorde de las raciones basal, alternativa y alternativa’, se tiene que, el
mínimo valor del costo-efectividad se encuentra en la ración alternativa’ con
5,86 Bs/kg, seguido por la alternativa con 6,23 Bs/kg y finalmente por la basal con
6,51 Bs/kg.

costo-efectividad y costo-efectividad porcentual de las raciones basal, alternativa,
alternativa’ y mínima del caso III.
GRÁFICA 18 Variación de los costo-efectividad porcentual de las

raciones para cerdos basal, alternativa, alternativa’ y mínima del caso III

porcentual de la ración mínima en 2 etapas (crecimiento y engorde) es menor al de
las raciones alternativa’, alternativa y basal en un 4,30% 9,98% y 10,75%
respectivamente.
El costo-efectividad porcentual de la ración mínima en comparación con la de la

ración basal, obtuvo una reducción de costo de nivel II para 2 etapas.

110
CAPITULO V
CONCLUSIONES Y RECOMENDACIONES
V.1.- Conclusiones
La versatilidad del modelo de programación lineal propuesto para mezclas

alimenticias permite evaluar directamente el componente energético, que es lo
más costoso en la alimentación porcina.
La raciones alimenticias experimentales para ganado porcino y signados como

caso I (etapa de crecimiento), caso II (etapa conjunta crecimiento-engorde),
caso III.1 (etapa de crecimiento) y caso III.2 (etapa de engorde), permitieron
la evaluación de raciones fuentes alternativas de alimento para cerdos como
sustituto parcial o total del ingrediente estándar (maíz), determinando la
factibilidad de uso en función de los precios actuales vigentes.
En la formulación de raciones alimenticias para cerdos con variación de peso

corporal (lactantes y cerdos de cría), la combinación de la herramienta de la
programación lineal con el parámetro de la conversión alimenticia permite
obtener raciones de costo mínimo más cercano a la realidad.
Con la metodología de evaluación de raciones alimenticias por programación

lineal para varias etapas (k≥2), se pueden obtener las raciones más económicas
de cada una de las etapas del ciclo productivo del cerdo y su total general.
Los ingredientes alternativos de la YAD y el sorgo pueden reemplazar

totalmente al maíz como fuente de energía, mientras que el SAGMD puede
reemplazarlo parcialmente.

111
Los mayores montos monetarios de costo ración de los tratamientos de las

mezclas alimenticias de los casos I, II y III, correspondieron a sus respectivas
raciones basales.
La metodología aplicada a una etapa específica (k = 1) del ciclo productivo del

cerdo, reveló lo siguiente:
- Caso I, el costo-efectividad de la ración alternativa (CE2) es un
costo-eficaz con un nivel relativamente económico.
- Caso II, el costo-efectividad de la ración alternativa (CE2) es un
costo-eficaz con un nivel satisfactoriamente económico.
- Caso III.1 (etapa 1/2), el costo-efectividad de la ración basal (CE11) no
es un costo-eficaz.
- Caso III.2 (etapa 2/2), el costo-efectividad de la ración alternativa’
(CE23) es un costo-eficaz con un nivel satisfactoriamente económico.
El mejor nivel económico de costo eficaz encontrado fue satisfactoriamente

económico, que corresponden a las raciones alternativa del caso II y
alternativa’ del caso III.2, con costo-efectividad porcentual de 75,97% y
79,59% respectivamente.
La metodología aplicada a dos etapas (k = 2) del ciclo productivo del cerdo

del caso III, evidenció que el costo-efectividad de la ración mínima
correspondiente (CE M( 2)), es 10,75% menor que el costo-efectividad de la
ración basal (CE(2)1), y por consiguiente, dicha ración mínima obtuvo una
reducción de costo de nivel II para 2 etapas.

112
V.2.- Recomendaciones
Fomentar a diferentes niveles del circuito agropecuario del país, la

importancia que tiene la programación lineal en la optimización a nivel de
costos, de ganancias, entre otros factores del negocio agrícola y pecuario.
Construir un modelo de programación lineal que determine la cantidad de los

ingrediente a utilizar en cada una de las etapas del ciclo productivo del cerdo a
un costo mínimo, y que para el caso de las unidades de producción pecuaria
de explotación múltiple, pueda hacer lo propio para cada especie explotada.
Incorporar en el proceso de evaluación de raciones alimenticias, además de las

raciones alternativa (R2) y alternativa’ (R3), más variedad de raciones producto
del análisis sensibilidad, que al compararse con la ración basal (R1), permitan
explorar nuevas opciones que pudiesen contribuir al fortalecimiento del
proceso anteriormente referido.
Promover la incorporación de la metodología de evaluación de raciones

alimenticias estudiado en el presente trabajo, en las instituciones y
organizaciones públicas y privadas de investigación que se dedican a la
realización de ensayos de evaluación de mezcla alimenticia de las distintas
especies de interés pecuario, para los casos en que se considera el parámetro
de la conversión alimenticia y el costo de cada uno de las raciones de pruebas
objeto de evaluaciones.
Desarrollar un software que automatice el proceso de evaluación de raciones

alimenticias para cada una de las etapas del ciclo productivo del cerdo, así
como de otras especies de interés pecuario, que permita la obtención de
resultados de manera eficiente y expedita.

113
Realizar ensayos donde los niveles de tratamientos de las raciones

experimentales de control tengan mayores grados de refinamiento que los
comúnmente utilizados de 10% y 25%.
Realizar ensayos de evaluación de raciones que permita estudiar el efecto de

dos o más grupos de mezclas alimenticias, cada uno de éstos con un
ingrediente alternativo (diferente) reemplazante energético del ingrediente
estándar.
Que los ensayos de evaluación de raciones alimenticias llevados a cabo por

las instituciones correspondientes, comprenda todas las etapas del ciclo
productivo de la especie pecuaria objeto de estudio, para precisar con más
precisión y fiabilidad el impacto que tiene en la respuesta biológica del
animal, la incorporación de ingredientes alternativos, que actúan como
reemplazante energético del maíz u otro ingrediente estándar.
Inculcar en el productor pecuario, la importancia de preparar raciones

alimenticias con productos, subproductos y desechos de alimentos
aprovechables disponibles en la zona, nutricionalmente balanceadas y a un
costo mínimo.

114
BIBLIOGRAFÍA
[Ackoff, R. y Sasiene, M.; 1984]. Fundamento de investigación de operaciones.

Editorial Limusa., México DF, México: Autores.
[Acurero et al; 1983]. Utilización del grano de sorgo como fuente energética en
racionespara cerdos en crecimiento y engorde. Zootecnia Tropical. Vol 1 (1 y 2),
pp 54-64, (Maracay): Autor.
[Acurero et al; 1991]. Determinación de los coeficientes de digestibilidad in vivo de

las harinas de batatas y de yuca y del sorgo en cerdos. Zootecnia Tropical, Vol IX
(2), pp 145-163 , (Maracay):Autores.
[Acurero et al; 1993]. Efectos económicos de la sustitución parcial de los cereales

por harina de batata en raciones para cerdos en crecimiento. Zootecnia Tropical.
Vol 11 (2), pp 117-128, (Maracay): Autores.
[Alejadre, J., Alueva, A. y González, J.; 2002]. Programación lineal: Una

introducción para estudiantes de Ciencias Agrarias. [On line]. Disponible en
http://www.ppca.com.ve/vp/articulos/e33a12htm
[Anzola, L.; 1989]. Índice Agropecuario. Litografía Edicanpa, S.R.L. XIV Edición,
Caracas, Venezuela: Autor.
______(2003). Ìndice Agropecuario. Litografía Edicanpa, S.R.L. XXIX Edición,


115
[Ayerbe, A.; 2002]. Efecto en el rendimiento productivo de cerdos en la etapa de

acabado por el reemplazo del total de maíz por harina de yuca. [On line]. Disponible
en http://www.clayuca.org/pdf/cerdos/pdf.
[Bender, A.; 1977]. Nutrición y alimentos dietéticos. Editorial Acribia, Zaragoza,

España: Autor.
[Bergner, H.; 1970]. Elementos de nutrición animal. Unión Litográfica Hispano

americana, México DF, México: Autor.
Bouza, A.; 2002]. Reflexiones acerca del uso de los conceptos de eficiencia,
eficacia y efectividad en el sector salud. [On line]. Disponible en
http://www.bvs.sld.cu/revistas/spu/vo126_1_00/spu07100.pdf.
[Bueno, G.; 1987]. Introducción a la programación lineal y al análisis de

sensibilidad. Editorial Trillas, S.A de CV, México DF, México: Autor.
[Bundy, C., Diggins, R. y Christensen, V.; 1984]. Producción Porcina. Compañía

Editorial Continental, S.A. de C.V., México DF, México: Autores.
[Cardona et al.; 2002]. Establecimiento de una base de datos para la elaboración de

tablas de contenido nutricional de alimentos para animales. [On line]. Disponible en
http://www.kogi.udea.edu.co/revista/15/15-2-12.pdf.
[Colina, J.; 2004]. Deposición de proteina corporal y eficiencia de utilización de

aminoácidos en cerdos en crecimiento. Parte I, [On line]. Disponible en
http://www.ppca.com.ve/vp/attículos/vp52p25.html.

116
[Church, D.; 1974]. Fisiología digestiva y nutrición de los rumiantes. Vol 2,

Editorial Acribia, Zaragoza, España: Autor.
[Eliozondo, L.; 2001]. Cuidemos nuestra salud. Editorial Limusa, S.A. de CV

México DF, México: Autor.
[Escalona, I.; 2003]. Ingeniería industrial. Programación lineal en investigación de

operaciones (Academìa de IO de la UPIICSA). [On line]. Disponible en
http://www.ilustrados.com/publicaciones/EpyuVkluEukPMSPxhA.php
[FEDNA; 2005]. Tablas FEDNA de ingredientes para piensos. [On line]. Disponible
en http://www.etsia.upm.es/fedna/tablas.htm.
[Frazer, R.; 1968]. Programación lineal aplicada. Editorial Técnica, México DF,
México: Autor
[Garbati et al 2001(a)]. Efecto de la oferta y la presentación de una dieta

con yuca (Manihot esculenta Crantz) integral sobre el comportamiento
productivo de cerdos en finalización. [On line]. Disponible en
http://www.sian.info.ve/porcino/publicaciones/viencuent/gabatti.htm.
[Garbati et al 2001(b)]. Rasgos de comportamiento y canal en cerdos en finalización

alimentados con dietas de raiz y follaje de yuca. [on line]. Disponible en
http://www.sian.info.ve/porcino/publicaciones/viencuent/gabatti.htm
[García, F.; 1981]. Técnicas y prácticas modernas en la cría del cerdo. Editorial
Arineo, San José, Costa Rica: Autor.

117
[García, F.; 1988]. Investigación operativa con computador. Editorial Paraninfo,

S.A., Madrid, España: Autor.
[García, J., Martinez, L. y Tejera, P.; 1990]. Técnicas de investigación operativa.

Editorial Paraninfo, S.A., Madrid, España: Autores.
[García, J.; González C. y Escobar, A.; 1997]. Efecto del nivel de incorporación del
follaje deshidratado de batata (Ipomea batata (L) Lam.) en raciones para cerdas
gestantes y lactantes sobre el comportamiento productivo y reproductivo. Arch. Prod.
Anim. 5(Supl 1), pp 285-287: Autores.
[Gass, S.; 1974]. Programación lineal. Métodos y aplicaciones. Compañía Editorial

Continental S.A, México DF, México: Autor.
[Gil, J. Y Buitriago, J.; 2005]. La yuca en la alimentación animales. [On line].

Disponible en http://www.clayuca.org/PDFlibro_yuca/ captiulo28 .pdf.
[González et al; 1997]. Utilización de harina cruda de raíz de yuca (Manihot

esculenta C.) y harina cruda de cormos de ocumo chino (Colocasia esculenta C.) en la
alimentación de cerdos. Arch. Prod. Anim. 5(Supl 1), pp 277-279: Autor.
[González et al; 2000]. Potencialidad de producción de cerdos a campo en

Venezuela. [On line]. Disponible en http://www.
sian.info.ve/porcinos/publicaciones/encuentros/gonzálezeivone.htm
[González, C., Díaz, I. y Vecchionacce, H.; 2001]. Uso de raíces y tubérculos en la

alimentación de cerdos. [On line]. Disponible en http://www.sian.info.ve/porcinos/

118
[González, J : 2002]. La verdad sobre la eficiencia, eficacia y efectividad. [On line].

Disponible en http://www.monografias.com/trabajos11/veref/veref.shtml.
[González, C; 2005]. Alimentación alternativa de cerdos en Venezuela.

[On line]. Disponible en http://www.sian.info.ve/porcinos/publicaciones/
encuentros/viii_encuentro/carlos.htm
[Guzmán, J.; 1987]. La vaca y los alimentos en el trópico. Espasande SRL Editores,
Caras, Venezuela: Autor.
[Guzmán, J.; 1991]. Soya, ajonjolí y palma africana. Espasande SRL Editores,
[Haley, B.; 1981]. Applied Operations Research in Fishing. University of

Birminghan, Series II, Vol 10, New York, pp 247-260: Autor.
[Herrera, A.; 1988]. Arisbe Herrera M.. "Mejoramiento de la explotación porcina en

Venezuela". Trabajo de Grado presentado como requisito parcial para optar al título
de Ingeniero Industrial. Puerto La Cruz: Autor.
[Hillier, F. y Lieberman, G.; 2002]. Investigación de Operaciones. Séptima edición

Mcgraw-Hill/Interamericana Editores, S.A. de CV, México DF, México: Autores.
[Juaffred et al; 1979]. Métodos de optimización: Programación lineal. Gráficas.

Editorial Representaciones y Servicios de Ingeniería S,A, México DF, México:
autores
[LaCueva, A.; 1995]. El viaje de los alimentos. Ediciones CENAMEC, Caracas,

Venezuela: Autor.

119
[Lockiby, J.; 1997]. José Lockiby A. "Análisis de la demanda de harina de pescado

en un modelo de programación lineal". Trabajo de Grado presentado como requisito
parcial para optar al título de Licenciado en Matemáticas. Cumaná: Autor.
[Lloyd, I., McDonald, B. y Crampton, E.; 1982]. Fundamentos de nutrición.

Editorial Acribia, Zaragoza, España: Autores.
[López, N., Cicco, C. y Godoy, S.; 2003]. Valor nutritivo y germen desgrasado de
maíz en la alimentación de cerdos. Zootecnia Tropical, Vol 21 (3), pp 219-235 ,
(Maracay):Autores.
[Lugo, J.; 2003]. Efectos de la inclusión de varias fuentes de lípidos sobre la

utilización de los nutrientes en dietas para cerdos en etapa de iniciación. [On line].
Disponible en http://www.info.ve/porcino/publicaciones/resunfagro/cerdos/ada.htm
[Maynard, L.; 1968]. Nutrición animal. Fundamentos de la alimentación del ganado.

Unión Tipográfica Editorial Hispano Americana, México: Autor.
[Medina, M y Torres, E.; 2004]. Diccionario de términos contables y

administrativos. Editorial Panapo de Venezuela, C.A., Caracas, Venezuela: Autores.
[Michelangeli, C.; 2001]. Usos y efectos de la incorporación de grasas y aceites en

dietas para cerdos. [On line]. Disponible en http://www.
sian.info.ve/porcinos/publicaciones/producerdos/articulo6.htm
[Mital, K.; 1984]. Métodos de optimización en investigación de operaciones y en

análisis de sistemas. Editorial Limusa S.A., México D.F., Mèxico: Autor

120
[Montalvo, A.; 1985]. Yuca o mandioca. Instituto Interamericana de Cooperación

para la Agricultura, San Juan, Costa Rica: Autor.
[Molina, E. Y Sindoni, C,; 1985]. Edith Molina A. y Carmen Sindoni V.

"Optimización de costos mediante programación lineal de dietas para animales
utilizando vinazas de destilería". Trabajo de Grado presentado como requisito parcial
para optar al título de Ingeniero Químico. Puerto La Cruz: Autor.
[Morrison, F.; 1969]. Alimentos y alimentación del ganado. Uteha, México D.F.,
Mèxico: Autor
[Nieto, A : 2002]. Desarrollo de indicadores para programas de seguridad, salud y

ambiente. [On line]. Disponible en http://www.
monografias.com/trabajos12/indicado/indicado.shtml
[Pond, W. y Maner, J.; 1975]. Producción de cerdos en climas templados y

tropicales. Editorial Acribia, Zaragoza, España: Autores.
[Pontificia Universidad Católica de Chile; 2005]. Glosario http://www.

puc.cl/sw_educ/prodanim/glosario.htm
[Quispe, E.; 2003]. Métodos de formulación de raciones. [On line]. Disponible en

http://www.monograifas.com/trabajos13/racion/racion2.shtml.
[Rea, C., Bates, O. y Veum, T.; 2001]. Subproductos y fuentes no

tradicionales de alimentos para cerdos. [On line]. Disponible en
http://www.ppca.com.ve/vp/articulos/e33a12htm
[Rios et al 2000]. Programación lineal y aplicaciones. Alfaomega Grupo Editor, S.A.

de CV, Bogotá, Colombia: Autores.

121
[Rodriguez, H.; 1993]. Hector Rodriguez R."Formulación y resolución de un modelo

matemático de programación lineal para la distribución de espacio". Trabajo de
Grado presentado para optar al título de Ingeniero de Sistemas. Caracas: Autor.
[Rondón, A.; 1999]. Guía para la cría de cerdo y manejo del lechón recién nacido.
Guía informativa. Cumaná: Autor.
[SENASICA; 2004]. Manual de buenas practicas de producción en granjas porcícolas.

[On line]. Disponible en http://www. sagarpa.gob.mx/Dgg/manual/manual_porcino.pdf.
[Snedecor, G.; 1960]. Métodos estadísticos aplicados a la investigación agrícola y

biológica. Compañía Editorial continental, S.A.., México DF, México: Autor.
[Suárez, S.; 1991]. Saida Suárez. "Aplicación de la programación lineal entera en un

proceso de optimización para la exportación del camarón y langostino". Trabajo de
Grado presentado como requisito parcial para optar al título de Magister Scientiarum
en Matemáticas. Cumaná: Autor.
[Taha, H.; 1998]. Investigación de Operaciones. Una introducción. Prentice Hall

Hispanamaricana, Naucaulpan de Juárez, México: Autor.
[Taha, H.; 2003]. Investigación de Operaciones. Una introducción. Quinta

edición,Alfaomega Grupo Editor,S.A. México DF, México: Autor.
[UNA; 1982]. Teoría de decisiones (305). Caracas: Autor
_____(1983). Teoría de sistemas (306). Tomos I y II. Caracas: Autor
_____(1985). Auditoria y evaluación de sistemas (307). Tomo II. Caracas: Autor

122
_____(1992). Técnicas de Documentación e Investigación I (102). Caracas: Autor
_____(1993). Investigación de operaciones I (315). Tercera edición. Caracas: Autor.
_____(2001). Teoría Económica I (615).. Caracas: Autor.
_____(2006). Trabajo práctico de Investigación de Operaciones I. Caracas: Autor.
[Varela, J.; 1982]. Introducción a la investigación de operaciones. Fondo Educativo

Interamericano, Bogotá, Colombia: Autor.
[Vilariño, M., León, A y Picard, M.; 1996]. Efecto de la composición y

presentación del alimento sobre el comportamiento de las aves en clima tropical.
Zootecnia Tropical, Vol 14 (2), pp 191-213 , (Maracay):Autores
[Wall, J. y Ross, W.; 1975]. Producción y usos del sorgo. Editorial Hemisferio Sur
S.R.L, Buenos Aires, Argentina: Autores.
[Whitaker, D.; 1988]. Investigación operativa con computador. Editorial Paraninfo,

S.A., Madrid, España: Autor.
[Wikipedia; 2005]. La enciclopedia libre. [On Line]. Disponible en

http://es.wikipedia.org/wiki
[Winston, W.; 1994]. Investigación de Operaciones. Grupo Editorial Iberoamericana

S.A de CV, México DF, México: Autor.
LINDO System, Inc: Disponible en hppt: // www.Lindo.com

123
GLOSARIO DE TÉRMINOS
Ad libitum: Término que expresa el consumo de alimento sin restricción [Pontificia

Universidad Católica de Chile; 2005]
Alimento: sustancia que contribuye a asegurar en todas sus manifestaciones

(producción, reproducción) la vida del animal que la consume [Quispe, E.;. 2004].
Camada: Todas las crías que pare de una vez un animal y se hallan juntos en el
mismo lugar [Pontificia Universidad Católica de Chile; 2005].
Canal: parte del animal que incluye casi por completo el sistema oseo, muscular y
graso; excluyendo la sangre, cuero, plumas o pelos, visceras, cabezas y patas algunas
veces. El rendimiento de canal normal respecto al peso vivo: Aves 80% Cerdos 80 %
Bovinos 55% [Pontificia Universidad Católica de Chile; 2005].
Cereal: Conjunto de plantas herbáceas cuyos granos o semilla se emplean para la

alimentación humana o del ganado, generalmente molidos en forma de harina
[Wikipedia; 2005].
Celo: Período en que la hembra muestra receptividad al macho para el acoplamiento

sexual. En cerdos este período dura tres dias [Bundy, C., Diggins, R. y Christensen,
V.; 1984].
(*5)
Costo : En términos amplios, es la medida y valoración del consumo realizado o
previsto por la aplicación racional de los factores de producción buscando la creación
de un producto o servicio [Medina, M. y Torres, E.; 2004].

124
Frutas: Conjunto de alimentos vegetales que proceden del fruto de determinadas

plantas, ya sean hierbas o árboles. Poseen un sabor y un aroma característicos
[Wikipedia; 2005].
Genotipo: Conjunto de características no observable a simple vista que configuran el

comportamiento productivo del animal [Garcìa, F.; 1981].
Gramíneas: Conocidas tambien como poaceas, son una familia de plantas herbáceas
y muy raramente leñosas [Wikipedia; 2005].
Nutrimento: Elemento constitutivo de las sustancias alimenticias, ya sean de

procedencia vegetal o animal, que ayuda a mantener la vida. Puede ser un elemento
simple como el hierro o el cobre o puede ser un compuesto químico complicado
como el almidón o la proteína, compuesto de muchas unidades [Quispe, E.;. 2004].
Precio (*5) : Valor monetario exigido u ofrecido como contraprestación de una unidad
de un bien o servicio [Medina, M. y Torres, E.; 2004].
(*6)
Ración : Cantidad de alimento que se dá a un animal por un período de 24 hr.
[Bundy, C., Diggins, R. y Christensen, V.; 1984].
Ración equilibrada: Ración que aporta en proporción correcta todos los principios
nutritivos necesarios para alimentar apropiadamente a un animal por un período de 24
hr [Bundy, C., Diggins, R. y Christensen, V.; 1984]
Unidad de producción: Organismo dirigido a la producción de bienes y servicios

[UNA: 2001]
______________________
(*5): Los términos costo y precio se utilizan indistintamente en el presente informe.
(*6): El término ración, para los efectos del presente trabajo, se utiliza como sinónimo de dieta.

125

126
APÉNDICE A. Un recorrido básico por la programación lineal
A.1. Naturaleza y metodología de la Investigación de Operaciones.
La Investigación de Operaciones puede ser considerada como la aplicación del

método científico, por equipos multidisciplinarios, que por lo general trabaja a nivel
de asesorías, con la finalidad de encontrar la solución de problemas de una
organización, de tal manera que las soluciones que se obtengan sirvan mejor a los
objetivos de esa organización como un todo.
Los principales componentes de un modelo de investigación de operaciones son:

las alternativas, las restricciones y un criterio objetivo, que se traduce en un modelo
matemático que relaciona variables, restricciones y una función objetivo. La solución
del modelo produce los valores de las variables, que optimizan (maximizan o
minimizan) el valor de la función objetivo, al mismo tiempo que satisfacen todas las
restricciones a la cual esta sujeto el problema. En los modelos matemáticos de
Investigación de Operaciones, las variables reciben el nombre de variables de
decisión, las mismas pueden ser enteras o continuas, y el objetivo y las funciones de
restricción son lineales o no lineales. En virtud de lo anterior, los problemas
optimización planteados por estos modelos, dieron origen al desarrollo de una
variedad de métodos de solución, cada uno diseñado para tomar en cuenta las
propiedades del modelo. Cuando todas las funciones, el objetivo y las restricciones
son lineales y todas las variables son continuas, se dice que es un problema de
programación lineal (PL).
Para resolver problemas de una organización, la Investigación de Operaciones

utiliza el método científico: Construye representaciones del sistema y su operación
(modelos) y sobre estas representaciones realiza su investigación. Aún cuando no hay

127
etapas claramente delimitadas para resolver un problema, se puede decir que la

aplicación del método se hace por medio de cinco pasos, a saber:
a) Formulación del problema: Se debe establecer el alcance del problema que se
está investigando. El resultado final de la investigación es identificar tres
elementos principales de decisión del problema: (1) una descripción exacta de
las metas y objetivos, (2) una identificación de las alternativas y (3) un
reconocimiento de las limitaciones, restricciones y requerimientos del sistema.
b) Construcción del modelo: Se debe decidir cuál modelo es el mejor que se
ajusta al sistema que se desea representar. El modelo seleccionado, además de
ser de fácil manipulación, debe tener expresiones matemáticas para cuantificar
los objetivos y las restricciones del problema.
c) Obtención de soluciones del modelo: Es una etapa relativamente sencilla,
debido a que implica el empleo de uno de los algoritmos de optimización bien
definidos, para derivar una solución al problema a partir del modelo
seleccionado. Sin embargo, se sabe que un modelo no es nunca una
representación perfecta de la realidad. Luego, la solución óptima del modelo
no pasa de ser una buena aproximación de la verdadera solución óptima del
problema. Un aspecto importante de esta etapa es el análisis de sensibilidad,
dado que es muchas veces apropiado obtener información acerca del
comportamiento de la solución debido a cambios que se introduzcan en los
parámetros del modelo.
d) Pruebas y evaluación de las soluciones: Debe probarse de manera exhaustiva
la correspondencia del modelo construido con la realidad misma y valorar las
soluciones. El modelo es válido si, a pesar de su inexactitud en representar la
realidad, puede dar una aproximación confiable acerca del sistema que se esta
estudiando y su funcionamiento. Al realizar las pruebas y evaluación del
modelo, es conveniente dejar sentadas las bases para la siguiente etapa, así
como detectar si es necesario o no tener información adicional o si en última
instancia, se requerirá un cambio en la estructura de la organización.

128
e) Implantación y control de las soluciones: En esta última etapa, que es crítica,

porque se cosecharan los beneficios del estudio, los resultados se traducen a
instrucciones detalladas dirigidas a las personas que administrarán y operarán
el sistema. Es en esta etapa donde debe existir una máxima interacción entre
el equipo de investigación de operaciones y el personal directivo y encargado
de la operación del sistema, para asegurar que las soluciones del modelo se
traduzcan con exactitud en un procedimiento operativo, que permita corregir
defectos en la solución que surjan en este momento.
A.2. Esencia de la programación lineal
La programación lineal es una metodología que se utiliza en la solución de

problemas en los que se desea optimizar (maximizar o minimizar) una función lineal
de una o más variables, llamada función objetivo, sujeta a ciertas limitaciones
(restricciones) que se pueden representar como desigualdades y/o igualdades de
funciones lineales de las variables. La forma estándar de un problema de
programación lineal es la siguiente:
n
maximizar Z = ∑c
j =1
j xj
Sujeto a
n
∑a
j =1
i j x j ≤ bi ; i = 1, 2,…, m
xj ≥ 0 ; j = 1, 2,..., n
Este problema de maximización de la función objetivo, tambien se puede

representar en forma matricial:

129
maximizar Z = cx
Sujeta a
Ax ≤ b
x≥0
de donde c es el vector fila,
c = [c1 L cn ] ,
b y x son los vectores columna de lado derecho y variables de decisión
respectivamente, y 0 es el vector nulo , tales que
⎡b1 ⎤ ⎡x1 ⎤ ⎡0⎤
b = ⎢M⎥ , x = ⎢M⎥ , 0 = ⎢M⎥
⎢ ⎥ ⎢ ⎥ ⎢⎥
⎢⎣bn ⎥⎦ ⎢⎣xn ⎥⎦ ⎢⎣0⎥⎦
A es la matriz de restricciones, tambien llamado matriz tecnológica
⎡a11 L a1n ⎤
A= ⎢M
⎢ M ⎥⎥
⎢⎣am1 L amn⎥⎦
El modelo de programación lineal, al igual que cualquier otro modelo, no debe ser
empleado indiscriminadamente. Es necesario reconocer cuándo una situación está
estructurada de tal manera, que la técnica de la programación lineal pueda ser
utilizada con éxito. Entonces, para que en el modelo sea verdaderamente efectivo se
requiere que en el problema en cuestión se satisfagan las siguientes premisas:
a) Proporcionalidad, que requiere que la contribución de cada variable de
decisión, tanto en la función objetivo Z como en las restricciones funcionales
del lado izquierdo, sea directamente proporcional al valor de la variable
anteriormente referida.. Esto es, dada una variable de decisión xj (j = 1,2,..,n),
su contribución a la función objetivo es cjxj y su contribución a la restricción i
(i = 1,2,...,m) es aijxj.

130
b) Aditividad, que estipula que la contribución total de todas las variables de

decisión en la función del objetivo y en las restricciones sea la suma directa de
la contribución individual de cada variable de decisión. Lo anterior significa
que cada función de un modelo de programación lineal, ya sea la función
objetivo o el lado izquierdo de la restricción funcional i, es la suma de las
contribuciones individuales respectivas. Las contribuciones anteriormente
referidas, para la función objetivo son c1x1 , c2x2, ..., cnxn , y para la restricción
funcional i, ai1x1, ai2x2 , ... , ai nxn.,
c) Divisibilidad, Las variables de decisión en un modelo de programación lineal
pueden tomar cualquier valor continuo, que satisfagan las restricciones
funcionales y de no negatividad.
A.3. Esencia del método gráfico
En esta sección se muestra la forma de obtener gráficamente las soluciones de un

modelo de programación lineal de dos variables. Este método de solución, aún
cuando es poco práctico, permite introducir una serie de conceptos de mucha utilidad,
que se amplia y se extiende al espacio de n dimensiones.
Un problema de programación lineal esta constituido por una función objetivo y

un conjunto de restricciones. Cada restricción del problema representa un medio
plano. La recta ai1x1 + bi2x2 = bi es la frontera de la restricción ai1x1 + bi2x2 ≥ bi y
divide al plano en dos medios planos. Los puntos que satisfacen la restricción es la
región del plano a un lado de la recta, y que es un ejemplo de un conjunto convexo de
puntos en dos dimensiones; en consecuencia, un conjunto es denominado convexo si
todos los puntos sobre un segmento de recta que una dos puntos del conjunto,
pertenecen al conjunto. Si se incluye las fronteras del conjunto convexo,

131
entonces éste se llama cerrado. Análogamente, los puntos que satisfacen la

restricción ai1x1 + bi2x2 ≤ bi es la región del plano al otro lado de la recta.
La intersección de dos rectas es un punto en el espacio bidimensional, A este

punto se le llama punto esquina o punto extremo. Aunque tambien puede suceder que
la intersección de dos rectas es la intersección de dos líneas y puede ser un segmento
de recta, esto último sucede si las restricciones se enciman. Los puntos donde se
intersecan las fronteras de las restricciones se denominan puntos esquina. Los puntos
(x1 y x2) que satisfacen todas las restricciones del problema son los puntos factibles y
se encuentran en la intersección de todos los medios planos que representan las
restricciones del problema. A la región donde se encuentran los puntos factibles se le
llama región factible (conjunto convexo). Cuando esta región es cerrada recibe el
nombre región factible acotada, y cuando no lo es, se le denomina región factible no
acotada. En una representación gráfica bidimensional, la región factible se debe
resaltar mediante el sombreado o el rayado, o por alguna técnica que destaque esta
región en el gráfico. La frontera de la región factible está constituida por segmentos
de rectas de borde de la región factible.
Cuando los puntos factibles son puntos esquina, se denominan puntos esquina
factibles o puntos extremos factibles, que son los verdaderamente interesan para la
resolución del problema de programación lineal. Dos puntos esquina factibles se
llaman adyacentes si el segmento que los une es un borde de la región factible.
Cuando los puntos no satisfacen las restricciones del problema se llaman puntos no
factibles y si son puntos esquina reciben en nombre de puntos esquina no factibles,
los cuales no son de interés para la resolución del problema.
El problema de programación lineal consiste en localizar entre los puntos esquina

factibles a aquel o aquellos que producen el óptimo o mejor valor para la función
objetivo.

132
La función objetivo Z = c1x1 + c2x2 representa una familia de rectas, todas ellas
paralelas, que se van obteniendo al darles distintos valores c0 a Z; entonces al variar el
valor c0 asignado a Z se van obteniendo rectas que se desplaza en un sentido, en
consecuencia, moviendo la recta en ese sentido se modifica el valor de Z, y por ende,
la función objetivo. Esto se puede continuar hasta aquel valor de Z tal, que la recta
Z = c0 interseque únicamente la frontera de la región factible, esta intersección
ocurrirá en un punto de esquina factible o en un borde de la frontera (segmento de
recta), en cuyo caso ocurre en dos puntos esquina factibles.
Por lo expuesto sobre el análisis gráfico, se concluye que resolver un problema de

programación lineal se reduce a identificar los puntos esquina factibles y localizar en
ellos el que produzca el mejor valor para la función objetivo, que para el caso de
maximización (minimización) sería el máximo (mínimo) valor encontrado. Esto es, en
un gráfico de dos dimensiones, localizar primero la región factible y desplazando la
función objetivo en el sentido en que mejora su valor hasta ubicarse en la frontera de
la región factible. El punto esquina factible donde ocurra esto, será la solución
óptima.
A este nivel se está en posición de solucionar un problema de programación lineal

por el método gráfico. Considere el siguiente problema de programación lineal
genérico de maximización:
maximizar Z = c1x1 + c2x2

sujeto a
a11x1 + a12x2 ≤ b1
a21x1 + a22x2 ≤ b2 ’max
• • •
• • •
• • •
am1x1 + am2x2 ≤ bm ’max

x1 ≥ 0
x2 ≥ 0 ;

133
Se comienza por dibujar en un gráfico las m+2 restricciones, con x1 y x2 como

variables independientes. La región factible (convexa) es la formada por la
intersección de las regiones ai1x1 + bi2x2 ≤ bi , i = 1, 2,...,m y las regiones delimitadas
por las restricciones de no negatividad (x1 ≥ 0 y x2 ≥ 0). La región factible debe ser
resaltado en el gráfico mediante el sombreado o rayado. La solución óptima se
obtiene moviendo la línea c1x1 + c2x2 = c0 = constante, paralela a sí misma y dentro
de la región factible, en el sentido que crecería el valor de la c0 . El punto del conjunto
convexo (punto esquina) que corresponda al máximo valor de Z es, por consiguiente
el punto óptimo, es decir, la solución óptima.
La mayor parte de los problemas de programación lineal, bien sea de

maximización o minimización, tendrá nada más que una solución óptima. Sin
embargo, tambien es posible tener más de una. Esto ocurre cuando la función objetivo
es paralela a una de las restricciones que se satisface por la solución óptima en el
sentido de igualdad, y en consecuencia, la función objetivo puede tomar el mismo
valor para más de una solución óptima, y lo cual implica que el problema tiene
múltiples soluciones óptimas.
Otra posibilidad es que el problema de programación lineal no tenga soluciones

óptimas. Esto ocurre si no existe soluciones factibles (región factible inexistente), o
las restricciones no impiden que el valor de la función objetivo (Z) aumente (caso
maximización) o disminuya (caso minimización) indefinidamente. Este último caso
se conoce como un problema que tiene Z no acotado.
¾ Problema Tipo. Presentación
Para la solución por el método gráfico de un caso de minimización, se presenta un

problema de raciones alimenticias para cerdos tomado de Bueno (1987), que fue
denominado para los efecto del presente trabajo como Problema Tipo, que contiene

134
las restricciones a nivel de energía, nutrientes e ingredientes. El enunciado del mismo

se presenta a continuación.
Se desea encontrar la proporción de maíz y soya con que se alimenta a cerdos en

desarrollo, buscando satisfacer ciertos requerimientos nutricionales a un mínimo costo.
Los requerimientos que se considerarán son: proteina, energía metabolizante y lisina.
El contenido de ellos en el maíz y la soya son los siguientes:
Proteina Energía Lisina Precio/kg

kg/kg metabolizante kg/kg
Maíz 0.088 3.3 0.0026 2.4
Soya 0.44 3.245 0.0288 1.8
Los requerimientos mínimos y máximos de los anteriores nutrientes, por parte del
animal, son los siguientes:
Proteina Energía Lisina

kg/kg metabolizante kg/kg
Min/kg 0.140 3.080 0.0065
Max/kg 0.160
Antes de presentar el modelo de programación lineal del problema, se expone una

serie de consideraciones para unificar criterios entre lo tratado en el presente trabajo y
el enunciado del Problema Tipo, a fin que sean compatible.
a) La frase energía metabolizante fue sustituida por energía metabolizable, que
es la utilizada en la literatura del área nutricional. Esta energía viene
expresada en Kcal/kg.
b) Los coeficientes de la función objetivo se especificaron con dos cifras
decimales, y la unidad de precio de los ingredientes, para mayor generalidad
y como un equivalente del bolívar, se expresó en UM (unidades monetarias)
c) Tanto el miembro derecho como los coeficientes del miembro izquierdo del
conjunto de restricciones se especificaron con cuatro cifras decimales.
d) La denominada etapa de desarrollo del cerdo es lo señalado en este trabajo
como etapa de crecimiento del ciclo productivo de éste.

135
Debido a que la mezcla alimenticia consiste en maíz y soya, las variables de

decisión se definen como
x1 = Kilogramos de maíz en la mezcla diaria
x2 = Kilogramos de soya en la mezcla diaria
La función objetivo trata de minimizar el costo total (en UM) de la mezcla
alimenticia y se expresa como
minimizar Z = 2.40 x1 + 1.80 x2
Las restricciones del modelo debe reflejar los requerimientos de energía y
nutrientes. La autora estableció el siguiente orden en el conjunto de restricciones
Proteina (min): 0.0880 x1 + 0.4400 x2 ≥ 0.1400
Proteina (max): 0.0880 x1 + 0.4400 x2 ≤ 0.1600
Energía metabolizable (min): 3.3000 x1 + 3.2450 x2 ≥ 3.0800
Lisina (min): 0.0026 x1 + 0.0288 x2 ≥ 0.0065
El problema se formula como sigue
minimizar Z = 2.40 x1 + 1.80 x2
sujeto a
0.0880 x1 + 0.4400 x2 ≥ 0.1400
0.0880 x1 + 0.4400 x2 ≤ 0.1600
3.3000 x1 + 3.2450 x2 ≥ 3.0800
0.0026 x1 + 0.0288 x2 ≥ 0.0065
x1 ≥ 0
x2 ≥ 0
En la gráfica 19 , se encuentra la representación bidimensional de la función

objetivo Z y del conjunto de restricciones del problema anterior, y para la resolución
del mismo fue utilizado el método gráfico, considerando todos los puntos esquina
factibles. Seguidamente, en la gráfica 20 se presenta el problema anterior con la
restricción adicional de mezcla base (x1 + x2 = 1.0000) y su solución empleando
el método anteriormente referido. A continuación se presenta una notación
convencional que fue incorporado a las graficas 19 y 20 para una mejor presentación.
Punto esquina factible i Ubicación de la restricción i en el conjunto de restricciones

Punto esquina no factible i Recta que contiene los puntos que satisface la restricción
(de igualdad) i de la mezcla base
Puntos esquina factibles adyacentes i Proyección del semiplano de la recta que contiene los puntos
(representa un borde de la región factible) que satisface la restricción i

136
Gráfica 19 Representación gráfica del Problema Tipo donde se puede apreciar el conjunto
de restricciones, el área rayada de la región factible y la función objetivo genérica Z.
Al representar en el eje de coordenadas bidimensional los semiplanos de todas las

restricciones del Problema Tipo se determina la región factible, el cual está señalado
por el área rayada que encierran los puntos de esquina factible signados con las letras
I, J, K, L y M. Para hallar la solución óptima (de minimización) del problema, se
desplaza paralelamente la función objetivo Z sobre los punto esquina factibles que
mejoran el valor de la función objetivo hasta llegar al que tenga menor valor. En este
caso la recta de la función objetivo se desplaza en el sentido M-I, mejorándose el
valor de la función objetivo Z de 3,1292 a 2,1166, que es el óptimo. A continuación
se presenta el conjunto de puntos que interceptan las fronteras de las restricciones.
Punto de esquina Punto de esquina

¿Factible? Z = 2,4x1 + 1,8x2 ¿Factible? Z = 2,4x1 + 1,8x2
(x1 ; x2) UM/kg (x1 ; x2) UM/kg
A = (1,8180 ; 0) NO H = (0 ; 0,9492) NO
B = (1,5909 ; 0) NO I = (0,7167 ; 0,2203) SI 2,1166 (*)
C = (0,9333 ; 0) NO J = (0,7724 ; 0,1637) SI 2,1484
D = (0 ; 0) NO K = (0,7807 ; 0,1552) NO
E = (0 ; 0,2188) NO L = (0,8429 ; 0,1496) SI 2,2922
F = (0 ; 0,3182) NO M = (1,2572 ; 0,1122) SI 3,2192
G = (0 ; 0,3636) NO
(*): Solución óptima ; x1 = 0,7167 kg de maíz , x2 = 0,2203 kg de soya , Z = 2,1166 unidades monetarias

137
Gráfica 20. Representación gráfica del Problema Tipo donde se ha agregado al problema
original una restricción de mezcla base ( x1 + x2 = 1). La nueva región factible es el segmento
de recta que une los puntos O y P.
Al agregar la restricción de mezcla base (x1 + x2 = 1 ) al Problema Tipo, se

incrementa el número de puntos de esquina, pero la región factible se limita al
segmento de recta unidos por los puntos de esquina factible O y P. La solución
óptima se encuentra al desplazar la recta de la función objetivo Z entre estos dos
puntos para encontrar el de menor valor de función objetivo, en este caso el óptimo
se encuentra en O viene dado por Z = 2,2775. A continuación el conjunto de puntos
que interceptan las fronteras de las restricciones del Problema Tipo modificado.
Punto de esquina Punto de esquina

¿Factible? Z = 2,4x1 + 1,8x2 ¿Factible? Z = 2,4x1 + 1,8x2
(x1 ; x2) UM/kg (x1 ; x2) UM/kg
A = (1,8180 ; 0) NO J = (0,7724 ; 0,1637) NO
B = (1,5909 ; 0) NO K = (0,7807 ; 0,1552) NO
C = (0,9333 ; 0) NO L = (0,8429 ; 0,1496) NO
D = (0 ; 0) NO M = (1,2572 ; 0,1122) NO
E = (0 ; 0,2188) NO N = (0 ; 1,0000) NO
(*)
F = (0 ; 0,3182) NO O = (0,7955 ; 0,2046) SI 2,2775
G = (0 ; 0,3636) NO P = (0,8523 ; 0,1477) SI 2,3114
H = (0 ; 0,9492) NO Q = (0,8512 ; 0,1489) NO
I = (0,7167 ; 0,2203) NO R = (1,0000 ; 0) NO
(*): Solución óptima ; x1 = 0,7955 kg de maíz , x2 = 0,2046 kg de soya , Z = 2,2775 UM

138
APÉNDICE B. Un recorrido básico por el método Simplex
El método Simplex es un procedimiento general para resolver problemas de

programación lineal, extraordinariamente eficiente y se usa en forma rutinaria para
resolver problemas grandes en las computadoras actuales. Consiste en un método
iterativo, que se basa en el hecho que el óptimo de un problema de programación
lineal debe ocurrir en un punto extremo, debido a la linealidad y convexidad de las
restricciones; en virtud de lo anterior, basta analizar los puntos extremos para hallar el
punto que produce el óptimo
En esta parte se describe y ejemplifica las características principales del método

Simplex, en principio, con el desarrollo del procedimiento para resolver cualquier
modelo de programación lineal que se establezca en la forma típica de maximización:
todas las restricciones funcionales son de la forma ≤, con restricciones de no
negatividad sobre todas las variables y que solo tenga cantidades no negativa en el
lado derecho bi, de las restricciones funcionales. El método Simplex comprende tres
pasos que lo caracterizan, y que brevemente se indican a continuación:
1. Paso de inicialización. Establece cómo se selecciona la solución básica
factible (punto de esquina factible) de partida.
2. Proceso iterativo: Realiza un proceso iterativo donde se analiza una
secuencia no repetida de soluciones factibles, de tal manera que cada
solución nueva mejora el valor de la función objetivo. En este paso se
establece el criterio para seleccionar la variable no básica que debe entrar
al conjunto de variables básicas y cómo puede identificarse una nueva
solución a la variable básica que es reemplazada se llama variable básica
saliente y a la variable no básica que la va a reemplazar, se le llama
variable básica entrante.
3. Regla de parada. Establece el criterio para conocer si una solución
presente es o no óptima, o bien si el problema tiene múltiples soluciones o
ninguna solución.

139
Las reglas para seleccionar las variables entrantes y saliente se conocen como
condiciones fundamentales del método Simplex y se resumen a continuación:
1) Condición de optimización. En un problema de PL de maximización
(minimización) la variable entrante es la variable no básica que tiene el
coeficiente más negativo (positivo) en la fila Z. Los empates se rompen
arbitrariamente. Se llega a la óptima en la iteración donde todos los
coeficientes de la fila Z de las variables básicas son no negativos (no
positivos). Esta condición asegura que no encontrará una solución mejor
que la óptima encontrada.
2) Condición de factibilidad. En los problemas de PL de
maximización/minimización, la variable saliente es la variable básica
asociada con la razón no negativa más pequeña. Los empates se rompen
arbitrariamente. Esta condición garantiza que al comenzar con una
solución básica factible, se encuentran solamente soluciones básicas
factibles durante el proceso iterativo.
Como ayuda en el proceso iterativo, la forma típica del modelo de programación

lineal, se presenta en forma de un arreglo o tabla que se conoce comúnmente como la
FORMA TABULAR DEL MÉTODO SIMPLEX. Al arreglo inicial de la forma típica
se le llama la TABLA INICIAL del método Simplex.
Para las restricciones del tipo ≤, por lo común el lado derecho representa el límite
sobre la disponibilidad de un recurso y el lado izquierdo presenta el empleo que
hacen de ese recurso limitado los diferentes actividades (variables) del modelo. De
manera que una holgura representa la cantidad en la cual la cantidad disponible de un
recurso excede al empleo que se le dan a la actividades, para transformar las
desigualdades en ecuaciones se añade a cada una de éstas una variable de holgura.

140
El problema de PL se puede expresar tal como se presentas a continuación:
Maximizar Z = c1x1 + c2x2 + ... + cnxn

sujeto a
a11x1 + a12x2 + ... + a1nxn + xn+1 = b1
a21x1 + a22x2 + ... + a2nxn + xn+2 = b2
• • • • •
• • • • •
• • • • •
am1x1 + am2x2 + ... + amnxn + xn+m = bm
xj ≥ 0 ; j = 1,2,…,n+m
El problema escrito de esta forma, permite identificar fácilmente una solución

básica factible,. Se puede ver que si las variables de holgura se eligen como variables
básicas (V.B.), las variables de decisión son entonces las variables no básicas. En
consecuencia, una solución básica factible de partida es:
x1 = 0, x2 = 0 , ... , xn = 0 , ... , xn+1 = b1 , xn+2 = b2 , ,... , xn+m = bm
Todas esta información se puede presentar en una TABLA INICIAL del método
Simplex de dos manera, tal como se aprecia en la tabla 27
TABLA 27 Tabla Simplex inicial genérica asociado de un problema de

programación lineal
V.B x1 x2 • • •
xn xn+1 xn+2 • • •
xn+m b
Z -c1 -c2 • • •
-cn 0 0 • • • 0 0
xn+1 a11 a12 • • •
a1n 1 0 • • • 0 b1
xn+2 a21 a22 • • •
a2n 0 1 • • • 0 b2
• • • •
• • • •
• • • •
xn+2 am1 am2 • • •

amn 0 0 • • • 1 bm
Consideraciones: Solamente se almacena en la tabla la información esencial, o sea, los coeficientes de
las variables, las constantes del segundo miembro de las ecuaciones y la variable básica de cada una de
estas ecuaciones. Queda sobreentendido que las variables que no aparecen en la columna V.B. son las
variables no básicas y, en consecuencia, sus valores son cero.

141
El equivalente de la tabla 27 expresada en forma de matriz dividida y luego en

forma matricial se ilustran a continuación:
1 -c1 -c2 • • •
-cn 0 0 • • • 0 Z 0
0 a11 a12 • • •
a1n 1 0 • • • 0 xn+1 b1
0
•
a21 a22 • • •
•
a2n 0 1 • • •
•
0 xn+2
•
= b2
•
• • • • •
• • • • •
0 am1 am2 • • •
amn 0 0 • • • 1 xn+2 bm
Z
1 -c -cs 0
x = b
0 A I
xs
En esta última forma matricial, se tienen las siguientes denotaciones:

c , cs : Vectores fila de los coeficientes de las variables de decisión y de
holgura respectivamente en la función objetivo.
x , xs , b : Vectores columna de variables de decisión, variables de holgura y del
2do miembro de las restricciones (lado derecho) respectivamente.
0 : Vector nulo.
A , I : Matriz de restricciones del lado izquierdo y de Identidad mxm
respectivamente.
El vector xs corresponde a la base inicial B = I, es decir, es la solución inicial

básica factible. En cualquiera iteración del método Simplex, xB es el vector de las
variables básicas, y éste en la iteración inicial del método viene dada por:
x
xB = x
s
En virtud que xB es el vector de las básicas, se define cB como sus coeficientes

asociados de la función objetivo. Estos coeficientes, en cualquiera iteración del
método Simplex, se disponen en correspondencia con el orden que tienen las
variables básicas en el vector xB ,

142
B.1 Pasos del algoritmo Simplex
Los tres pasos del método Simplex se describen en detalle a continuación:

1. Paso de inicialización: Determine una solución básica factible inicial.
Cada fila tiene una sola variable. Cada variable básica tiene un
coeficiente +1 en la tabla y no aparece en ninguna otra fila.
2. Proceso iterativo: Seleccione una variable básicas entrante. Para

un problema de maximización (minimización) es la variable no básica
que tiene el coeficiente más negativo (positivo) en la fila Z.
a. Seleccione una variable básica saliente. Tanto en los problemas

de maximización como de minimización, la variable básica saliente
es la variable básica asociada con la razón no negativa más pequeña.
Razón no negativa más pequeña:
¾ Elija los coeficientes de la columna pivote que son estrictamente
mayores que cero (>0).
¾ Divida cada coeficiente entre el elemento del lado derecho en la
misma fila.
¾ Identifique la fila que tiene la menor de estas razones.
¾ La variable básica en esta fila es la variable básica saliente, luego,
se sustituye por la variable básica entrante en la columna de la variable
básica Los empates se rompen arbitrariamente
b. Determine las nuevas soluciones básicas empleando los cálculos

apropiados, que permita tener en cada fila, una sola variable básica
con coeficiente +1, y sin aparecer (coeficiente cero) en ninguna otra fila..
3. Regla de parada: En el problema de maximización (minimización)

se llega a la solución óptima en la iteración donde todos los coeficientes
de la fila Z de las variables no básicas son no negativos (no positivos).

143
En el método Simplex, se empieza con una base factible B y después se avanza a

una nueva base factible Bsiguiente que produce una solución factible mejorada
(o cuando menos no se desmejora) de la función objetivo, hasta alcanzar la solución
óptima. Por consiguiente, la base B es el principal elemento que impulsa los cálculos
en el método Simplex.
El problema de PL en su forma típica se escribe:
Maximizar Z = cx
sujeto a Ax ≤ b
x≥0
Al añadir las variables de holguras xs, se forma una matriz unitaria en la base inicial,
esto es
Maximizar Z = cx
sujeto a (A,I)(x, xs)’ = b
x ≥ 0 , xs ≥ 0
De donde se obtiene la forma matricial inicial del método Simplex., que es el punto
de partida para encontrar a través de un proceso iterativo la solución óptima, que en el
caso de maximización viene dado por:.
Z
1 -c -cs 0
x = b
0 A I
xs
En cualquiera iteración del método Simplex, xB es el vector de las variables

básicas que se obtienen al eliminar las variables no básicas de x y xs. Debido a que

144
todas las variables básicas son cero, el problema de PL se reduce a

xB = B-1b y Z = cB xB y la solución actual es
-1
Z 1 -cB 0 1 cBB-1 0 cBB-1b
= 0 B = 0 B-1 b = B-1b
xB b
que representa el conjunto de ecuaciones después de cualquier iteración, esto es
1 cBB-1A -c cBB-1 -cs Z cBB-1b

0 B-1A B-1
= B-1b
xB
Al final la tabla 28 se muestra este mismo conjunto de ecuaciones
TABLA 28 Primera y última tabla Simplex genérica en la forma matricial

V.B x xs Lado derecho
Z -c -c s 0 Iteración
inicial
xB A I b
Z -cBB-1 A - c cBB-1 -cs cBB-1 b Iteración

cualquiera
xB B-1A B-1 B-1b
Toda la tabla se calcula fácilmente una vez que se conoce la base actual B ( y por
consiguiente su inversa).
A continuación se presenta un problema de PL tomado de UNA (1993) para poner

en práctica lo anteriormente referido del método Simplex.
Maximizar Z = 3x1 + 2 x2
sujeto a
2x1 + x2 ≤ 22
-x1 + 4x2 ≤ 10
2x1 - x2 ≤ 7
x1 - 3x2 ≤ 1
x1 ≥ 0 , x2 ≥ 0

145
El problema de PL se expresa en su forma estándar agregando las

variables de holguras asociadas con el conjunto de restricciones
funcionales (≤)
Z - 3x1 + 2 x2 = 0
P 2x1 + x2 + x3 = 22
A -x1 + 4x2 + x4 = 10
S 2x1 - x2 + x5 = 7
0
x1 - 3x2 + x6 = 1
xj ≥ 0 , j = 1,2,...,6
La forma estándar del problema se resume en forma tabular en la

tabla 29
D
E
TABLA 29 Tabla Simplex inicial para la aplicación del
método Simplex en un problema de maximización
VB x1 x2 x3 x4 x5 x6 b Fila
Z -3 -2 0 0 0 0 0 (0)
I x3 2 4 1 0 0 0 22 (1)
N x4 -1 4 0 1 0 0 10 (2)
I x5 2 -1 0 0 0 0 7 (3)
C
I x6 1 -3 0 0 0 1 1 (4)
A
L Las variables de holguras proporcionan una solución básica
I
Z factible de partida (x3 = 22 , x4 = 10 , x4 = 7 y x5 = 1), asimismo
A
C el valor asociado de Z es cero. Estos valores se pueden leer
I
Ó directamente en la tabla Simplex inicial. Bastará hacer
N
corresponder a cada variable básica en la primera columna
(VB) los valores de la última columna (b) la primera columna.
Además, en la tabla se puede observar que la matriz que
corresponde a las variables básicas, es una matriz identidad

146
En la primera iteración de la tabla 30, la variable básica entrante

es x1 , puesto que es la tiene el coeficiente más negativo en la fila
0. La variable básica saliente se determina por la menor cota
superior:
x1 b Razón La menor cota superior es 1 y

2 22 22/2 = 11 corresponde a la fila 4; por
-1 10 - consiguiente x6 es la variable
2 7 7/2 = 7/2 básica saliente
P 1 1 1/1 = 1
R
O
C De manera análoga se procede en el resto de las iteraciones
E
S
O TABLA 30 Tabla Simplex en un problema de maximización
Z -3 -2 0 0 0 0 0 (0)
x3 2 4 1 0 0 0 22 20
x4 -1 4 0 1 0 0 10 (2) Entra x1
I x5 2 -1 0 0 0 0 7 (3) Sale x6
T x6 1 -3 0 0 0 1 1 (4)
E
R
Z 0 -11 0 0 0 3 3 (0)
A x3 0 10 1 0 0 -2 20 20
T Entra x2
x4 0 1 0 1 0 1 11 (2)
I
x5 0 5 0 0 1 -2 5 (3) Sale x5
V
O X1 1 -3 0 0 0 1 1 (4)
Z 0 0 0 0 11/ 5 -7/ 5 14 (0)

x3 0 0 1 0 -2 2 10 (1)
x4 0 0 0 1 -1/ 5 7/ 5 10 (2) Entra x6
x2 0 1 0 0 -1/ 5 -2/ 5 1 (3) Sale x3
x1 1 0 0 0 3/ 5 -1/ 5 4 (4)
Z 0 0 7/ 10 0 4/ 5 0 21 (0)
REGLA
x6 0 0 1/ 2 0 -1 1 5 (1)
DE x4 0 0 -7/ 10 1 6/ 5 0 3 (2) Solución
óptima
PARADA
x2 0 1 1/ 5 0 -1/ 5 0 3 (3)
x1 1 0 1/ 10 0 2/ 5 0 5 (4)
La solución óptima es (x6 , x4 , x2 , x1 ) = ( 5, 3, 3 , 5 ) ; Z = 21

147
En cualquier iteración de la tabla Simplex (donde cB y B-1 se actualizan),

las soluciones factibles y el valor de la función objetivo se reducen a
xB = B-1b y Z = cB B-1b . Para la solución óptima encontrada se tiene:
⎡ 1/ 2 0 −1 1⎤
⎢− 7 /10 1 6 / 5 0⎥⎥
-1 ⎢
cB = ( 0, 0, 2, 3) , b = ( 22, 10, 7, 1)’ , B = ⎢ 1/ 5 0 −1/ 5 0⎥
⎢ ⎥
⎣ 1/10 0 2 / 5 0⎦
B.2 Técnica de las variables artificiales
Para los problemas de programación lineal, en las cuales todas las restricciones
son del tipo ≤ , con segundos miembros de las restricciones no negativos. En este
caso, al añadir a cada restricción una variable de holgura, se establece que las
variables de holguras ofrecen una solución básica factible de partida. Sin embargo, a
menudo hay problemas donde al menos una de las restricciones es del tipo ≥ o del
tipo = . En estos casos, es necesario un procedimiento para obtener una solución
básica factible de partida. La técnica de la variable artificial proporciona de una
manera relativamente fácil, las variables básicas de partida para tipos restricciones
anteriormente referidos.
a. Restricción del tipo =.

Considérese la restricción i de un problema de programación lineal
ai1x1 + ai2x2 + ... + ain xn = bi
Si se añade una variable, llamada variable artificial, al primer miembro de la
ecuación causa una violación a la restricción. No obstante, la dificultad puede
subsanarse si se asegura que esta variable artificial sea cero en la solución
final. Luego esta restricción se expresa como:
ai1x1 + ai2x2 + ... + ain x2 + xn+1 = bi
donde xn+1 es la variable artificial.

148
b. Restricción del tipo ≥.

Considérese la restricción i de un problema de programación lineal
ai1x1 + ai2x2 + ... + ain xn ≥ bi
Si se sustrae una variable de holgura, entonces se puede expresar la
restricción como una igualdad. Ahora bien, si a esta igualdad se le añade una
variable artificial, se dispondrá de una variable básica de partida en esa
ecuación, es decir:
ai1x1 + ai2x2 + ... + ain x2 + xn+1 + xn+2 = bi
donde xn+1 es una variable de holgura y xn+1 es una variable artificial.
Por supuesto que en este último caso, tambien tiene que asegurarse que la
variable artificial sea cero en la solución final, en caso que ésta exista.
A continuación se expone uno de los métodos, denominado de las dos fases, que
permite que las variables artificiales asuman el papel de variables de holguras en la
primera iteración del problema de programación lineal y que sólo es posible eliminar
en una iteración posterior
Método de las dos fases.

Este método, como su nombre lo indica, resuelve el problema de programación
lineal en dos fases. La fase I trata de encontrar una solución básica factible de
partida. Si es posible encontrar esa solución, la fase II se utiliza para resolver el
problema original. Los pasos de cada Fase es el siguiente:
Fase I.
¾ Utilice el algoritmo Simplex para obtener la minimización de la suma de
las variables artificiales, sujeta a las mismas restricciones del problema
original, independientemente si éste es de maximización o minimización.
¾ Si la suma de las variables artificiales, x0 , es mayor que cero, entonces
no existe una solución factible y se termina el proceso. Si x0 = 0 ,
entonces inicie la Fase II del algoritmo.

149
Fase II.
¾ Utilice la solución de partida obtenida en la Fase I como solución de
partida al problema original, reemplazando la función objetivo original
(Z) por la de x0 . La función objetivo original debe expresarse en función
de las variables no básicas. Si al final de la Fase I las variables
artificiales son no básicas, se eliminan de la Fase II. Si alguna variable
artificial es básica, pero no a nivel cero, esta variable se mantiene en el
conjunto de las variables básicas, pero debe garantizarse que su valor
nunca es mayor que cero durante la ejecución de la Fase II.
A continuación se procede a la aplicación del algoritmo Simplex del método de

las dos fases al Problema Tipo en dos modalidades, primero en su versión original y
segundo con las restricción de la mezcla base. Para uniformizar el formato de las
cantidades en la tabla Simplex, los coeficientes de la función objetivo se expresaron
en cuatro cifras decimales.
A) Aplicación del método de las dos fases al Problema Tipo
Minimizar Z = 2,40 x1 + 1,80 x2

Sujeto a
0,0880 x1 + 0,4400 x2 ≥ 0,1400
0,0880 x1 + 0,4400 x2 ≤ 0,1600
3,3000 x1 + 3,2450 x2 ≥ 3,0800
0,0026 x1 + 0,0288 x2 ≥ 0,0065
x1 ≥ 0
x2 ≥ 0
El primer paso de la Fase I es introducir las variables de artificiales x4 , x7 y x9 y

las de holguras x3 , x5 y x8 , según correspondan en el conjunto de las restricciones
funcionales; para la construcción de la tabla Simplex inicial (Tabla 31).

150
Minimizar xo = x4 + x7 + x9
sujeto a
0,0880 x1 + 0,4400 x2 - x3 + x4 ≥ 0,1400
0,0880 x1 + 0,4400 x2 + x5 ≤ 0,1600
3,3000 x1 + 3,2450 x2 - x6 + x7 ≥ 3,0800
0,0026 x1 + 0,0288 x2 - x8 + x9 ≥ 0,0065
xj ≥ 0 ; j = (1,2,...,9)
TABLA 31 Tabla Simplex inicial de la Fase I del método de las dos fase del Problema Tipo
VB x1 x2 X3 x4 x5 x6 x7 x8 x9 b Fila
x0 0,0000 0,0000 0,0000 -1,0000 0,0000 0,0000 -1,0000 0,0000 -1,0000 0,0000 (0)
x4 0,0880 0,4400 -1,0000 1,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,1400 (1)
x5 0,0880 0,4400 0,0000 0,0000 1,0000 0,0000 0,0000 0,0000 0,0000 0,1600 (2)
x7 3,3000 3,2450 0,0000 0,0000 0,0000 -1,0000 1,0000 0,0000 0,0000 3,0800 (3)
x9 0,0026 0,0288 0,0000 0,0000 0,0000 0,0000 0,0000 -1,0000 1,0000 0,0065 (4)
Dado que x4 , x7 y x9 son variables básicas, sus coeficientes en la fila 0 deben ser
cero. Para ello se suman las filas 1, 3 y 4 a la fila 0, tal como se presenta en la
tabla 32.
TABLA 32 Preparación de la tabla Simplex para la Fase I del método de las dos fase del
Problema Tipo
x0 3,3906 3,7138 -1,0000 0,0000 0,0000 -1,0000 0,0000 -1,0000 0,0000 3,2265 (0)
x4 0,0880 0,4400 -1,0000 1,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,1400 (1)
x5 0,0880 0,4400 0,0000 0,0000 1,0000 0,0000 0,0000 0,0000 0,0000 0,1600 (2)
x7 3,3000 3,2450 0,0000 0,0000 0,0000 -1,0000 1,0000 0,0000 0,0000 3,0800 (3)
x9 0,0026 0,0288 0,0000 0,0000 0,0000 0,0000 0,0000 -1,0000 1,0000 0,0065 (4)
A continuación se procede a la aplicación de la Fase I del algoritmo Simplex

(Tabla 33) para verificar si x0 = 0. Si éste es el caso, entonces la suma obtenida de las
variables artificiales, x0 , fue cero, y cuyo resultado permite proporcionar una solución
básica factible inicial para el Problema Tipo.

151
TABLA 33 Tabla Simplex de la fase I del método de las dos fase del Problema Tipo
x0 3,3906 3,7138 -1,0000 0,0000 0,0000 -1,0000 0,0000 -1,0000 0,0000 3,2265 (0)
x4 0,0880 0,4400 -1,0000 1,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,1400 (1) Entra x2
x5 0,0880 0,4400 0,0000 0,0000 1,0000 0,0000 0,0000 0,0000 0,0000 0,1600 (2)
Sale x9
x7 3,3000 3,2450 0,0000 0,0000 0,0000 -1,0000 1,0000 0,0000 0,0000 3,0800 (3)
x9 0,0026 0,0288 0,0000 0,0000 0,0000 0,0000 0,0000 -1,0000 1,0000 0,0065 (4)
x0 3,0553 0,0000 -1,0000 0,0000 0,0000 -1,0000 0,0000 127,9514 -128,9514 2,3883 (0)
x4 0,0483 0,0000 -1,0000 1,0000 0,0000 0,0000 0,0000 15,2778 -15,2778 0,0407 (1) Entra x8
x5 0,0483 0,0000 0,0000 0,0000 1,0000 0,0000 0,0000 15,2778 -15,2778 0,0607 (2)
Sale x4
x7 3,0070 0,0000 0,0000 0,0000 0,0000 -1,0000 1,0000 112,6736 -112,6736 2,3476 (3)
x2 0,0903 1,0000 0,0000 0,0000 0,0000 0,0000 0,0000 -34,7222 34,7222 0,2257 (4)
x0 2,6510 0,0000 7,3750 -8,3750 0,0000 -1,0000 0,0000 0,0000 -1,0000 2,0475 (0)
x8 0,0032 0,0000 -0,0655 0,0655 0,0000 0,0000 0,0000 1,0000 -1,0000 0,0027 (1) Entra x3
x5 0,0000 0,0000 1,0000 -1,0000 1,0000 0,0000 0,0000 0,0000 0,0000 0,0200 (2)
Sale x5
x7 2,6510 0,0000 7,3750 -7,3750 0,0000 -1,0000 1,0000 0,0000 0,0000 2,0475 (3)
x2 0,2000 1,0000 -2,2727 2,2727 0,0000 0,0000 0,0000 0,0000 0,0000 0,3182 (4)
x0 2,6510 0,0000 0,0000 -1,0000 -7,3750 -1,0000 0,0000 0,0000 -1,0000 1,9000 (0)
x8 0,0032 0,0000 0,0000 0,0000 00655 0,0000 0,0000 0,0000 -1,0000 0,0040 (1) Entra x1
x3 0,0000 0,0000 1,0000 -1,0000 1,0000 0,0000 0,0000 0,0000 0,0000 0,0200 (2)
Sale x7
x7 2,6510 0,0000 0,0000 0,0000 -7,3750 -1,0000 1,0000 0,0000 0,0000 1,9000 (3)
x2 0,2000 1,0000 0,0000 0,0000 2,2727 0,0000 0,0000 0,0000 0,0000 0,3636 (4)
x0 0,0000 0,0000 0,0000 -1,0000 0,0000 0,0000 -1,0000 0,0000 -1,0000 0,0000 (0)
x8 0,0000 0,0000 0,0000 0,0000 0,0742 0,0012 0,0000 1,0000 -1,0000 0,0017 (1) La suma de las variables
x3 0,0000 0,0000 1,0000 -1,0000 1,0000 0,0000 0,0000 0,0000 0,0000 0,0200 (2) artificiales es cero (x0 = 0 ),
entonces existe una solución
x1 1,0000 0,0000 0,0000 0,0000 -2,7820 -0,3772 0,3772 0,0000 0,0000 0,7167 (3) básica factible para iniciar la
x2 0,0000 1,0000 0,0000 0,0000 2,8291 0,0754 -0,0754 0,0000 0,0000 0,2203 (4) fase II del método
151
152
TABLA 34 Preparación de la tabla Simplex para la fase II del método de las dos fase del Problema Tipo
x0 0,0000 0,0000 0,0000 -1,0000 0,0000 0,0000 -1,0000 0,0000 -1,0000 0,0000 (0)
x8 0,0000 0,0000 0,0000 0,0000 0,0742 0,0012 0,0000 1,0000 -1,0000 0,0017 (1)
x3 0,0000 0,0000 1,0000 -1,0000 1,0000 0,0000 0,0000 0,0000 0,0000 0,0200 (2) Tabla Simplex final
para la Fase I
x1 1,0000 0,0000 0,0000 0,0000 -2,7820 -0,3772 0,3772 0,0000 0,0000 0,7167 (3)
x2 0,0000 1,0000 0,0000 0,0000 2,8291 0,0754 -0,0754 0,0000 0,0000 0,2203 (4)
x0 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 (0)
x8 0,0000 0,0000 0,0000 0,0742 0,0012 1,0000 0,0017 (1)

Eliminación de las
x3 0,0000 0,0000 1,0000 1,0000 0,0000 0,0000 0,0200 (2)
variables artificiales
x1 1,0000 0,0000 0,0000 -2,7820 -0,3772 0,0000 0,7167 (3) x4 , x7 , y x9 .
x2 0,0000 1,0000 0,0000 2,8291 0,0754 0,0000 0,2203 (4)
Z -2,4000 -1,8000 0,0000 0,0000 0,0000 0,0000 0,0000 (0)
x8 0,0000 0,0000 0,0000 0,0742 0,0012 1,0000 0,0017 (1)

Función objetivo
x3 0,0000 0,0000 1,0000 1,0000 0,0000 0,0000 0,0200 (2)
original (Z) sustituye
x1 1,0000 0,0000 0,0000 -2,7820 -0,3772 0,0000 0,7167 (3) a x0 en la fila 0
x2 0,0000 1,0000 0,0000 2,8291 0,0754 0,0000 0,2203 (4)
152
153
Con el resultado obtenido en la Fase I de x0 = 0., se inició la Fase II, que implicó
sustituir x0 por Z y eliminación de las variables artificiales que no son básicos
(x4 , x7 , y x9). La tabla Simplex de partida de la Fase II se presenta en la tabla 35.
TABLA 35 Tabla Simplex inicial para la Fase II del método de las dos fase del
Problema Tipo
VB x1 X2 x3 x5 x6 x8 b Fila
Z -2,4000 -1,8000 0,0000 0,0000 0,0000 0,0000 0,0000 (0)
x8 0,0000 0,0000 0,0000 0,0000 0,0000 1,0000 0,0017 (1)

x3 0,0000 0,0000 1,0000 0,0742 0,0012 0,0000 0,0200 (2)
x1 1,0000 0,0000 0,0000 1,0000 0,0000 0,0000 0,7167 (3)
x2 0,0000 1,0000 0,0000 -2,7820 -0,3772 0,0000 0,2203 (4)
x6 0,0000 0,0000 0,0000 2,8291 0,0754 0,0000 0,0017 (5)
En la tabla 35, las variables x1 y x2 tienen coeficiente no cero en la fila 0, y como

la función objetivo debe estar expresada en función de las variables básicas, se hacen
las transformaciones adecuadas en la fila 0, para obtener el resultado; tal como se
aprecia en la tabla 36
(FILA 0) : -2,4000 -1,8000 0,0000 0,0000 0,0000 0,0000 0,0000
2,4000x(FILA 3) : 2,4000 0,0000 0,0000 -6,6767 -0,9053 0,0000 1,7201
1,8000x(FILA 4) : 0,0000 1,8000 0,0000 5,0924 0,1357 0,0000 0,3965
NUEVA (FILA 0) : 0,0000 0,0000 0,0000 -1,5843 -0,7695 0,0000 2,1166
TABLA 36 Tabla Simplex final para la Fase II del método de las dos fase del
Problema Tipo
VB x1 X2 x3 x5 x6 x8 b Fila
Z 0,0000 0,0000 0,0000 -1,5843 -0,7695 0,0000 2,1166 (0)
x8 0,0000 0,0000 0,0000 0,0744 0,0012 1,0000 0,0017 (1)

x3 0,0000 0,0000 1,0000 1,0000 0,0000 0,0000 0,0200 (2)
x1 1,0000 0,0000 0,0000 -2,7820 -0,3772 0,0000 0,7167 (3)
x2 0,0000 1,0000 0,0000 2,8291 0,0754 0,0000 0,2203 (4)
La solución óptima: x1 = 0,7167 ; x2 = 0,2203 ; x3 = 0,0200 ; x8 = 0,0017 ; Z = 2,1166
La proporción de la mezcla alimenticia (Problema Tipo) que satisface los

requerimientos nutricionales del cerdos en desarrollo es de 0,7167 kg de maíz y
0,2203 kg de soya, a un mínimo costo de Z = 2,1166 UM

154
B) Aplicación del método de las dos fases al Problema Tipo con restricción de
mezcla base
Minimizar Z = 2,4000 x1 + 1,8000 x2
sujeto a
0,0880 x1 + 0,4400 x2 ≥ 0,1400
0,0880 x1 + 0,4400 x2 ≤ 0,1600
3,3000 x1 + 3,2450 x2 ≥ 3,0800
0,0026 x1 + 0,0288 x2 ≥ 0,0065
x1 + x2 = 1.0000
x1 ≥ 0 , x2 ≥ 0
Al inicio de la Fase I, se introducen las variables artificiales (x4 ,x7 ,x9 y x10) y las
de holguras (x3 ,x5 ,x6 y x8), para la construcción de la tabla Simplex inicial (Tabla 37).
Minimizar xo = x4 + x7 + x9 + x10
sujeto a
0,0880 x1 + 0,4400 x2 - x3 + x4 ≥ 0,1400
0,0880 x1 + 0,4400 x2 + x5 ≤ 0,1600
3,3000 x1 + 3,2450 x2 - x6 + x7 ≥ 3,0800
0,0026 x1 + 0,0288 x2 - x8 + x9 ≥ 0,0065
x1 + x2 + x10 ≥ 0,0065
xj ≥ 0 ; j = (1,2,...,10)
TABLA 37 Tabla Simplex inicial de la Fase I del método de las dos fase del Problema Tipo
con restricción de mezcla base
VB x1 x2 x3 x4 x5 x6 x7 x8 x9 x10 b Fila
x0 0,0000 0,0000 0,0000 -1,0000 0,0000 0,0000 -1,0000 0,0000 -1,0000 -1,0000 0,0000 (0)
x4 0,0880 0,4400 -1,0000 1,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,1400 (1)
x5 0,0880 0,4400 0,0000 0,0000 1,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,1600 (2)
x7 3,3000 3,2450 0,0000 0,0000 0,0000 -1,0000 1,0000 0,0000 0,0000 0,0000 3,0800 (3)
x9 0,0026 0,0288 0,0000 0,0000 0,0000 0,0000 0,0000 -1,0000 1,0000 0,0000 0,0065 (4)
x10 1,0000 1,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 1,0000 1,0000 (5)
Dado que x4 , x7 , x9 y x10 son variables básicas, sus coeficientes en la fila 0 deben ser
cero. Para ello se suman las filas 1, 3, 4 y 5 a la fila 0. El resultado de esta operación
se presenta en la tabla 38. A continuación se procede a la aplicación de la Fase I del
algoritmo Simplex (Tabla 39) para verificar si x0 = 0; con el fin de pasar a la Fase II.

155
TABLA 38 Preparación de la tabla Simplex para la fase I del método de las dos fase del Problema Tipo con restricción de mezcla base
VB X1 x2 x3 x4 x5 x6 x7 x8 x9 x10 b Fila
x0 0,0000 0,0000 0,0000 -1,0000 0,0000 0,0000 -1,0000 0,0000 -1,0000 -1,0000 0,0000 (0)
x4 0,0880 0,4400 -1,0000 1,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,1400 (1) La fila 0 debe
expresarse función de
x5 0,0880 0,4400 0,0000 0,0000 1,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,1600 (2) las variables no
x7 3,3000 3,2450 0,0000 0,0000 0,0000 -1,0000 1,0000 0,0000 0,0000 0,0000 3,0800 (3) básicas, sumando las
filas 1, 3, 4 y 5 a la
x9 0,0026 0,0288 0,0000 0,0000 0,0000 0,0000 0,0000 -1,0000 1,0000 0,0000 0,0065 (4) fila 0, para aplicar la
x10 1,0000 1,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 1,0000 1,0000 (5) fase I del algoritmo
TABLA 39 Tabla Simplex inicial y final de la fase I del método de las dos fase del Problema Tipo con restricción de mezcla base
x0 4,3906 4,7138 -1,0000 0,0000 0,0000 -1,0000 0,0000 -1,0000 0,0000 0,0000 4,2265 (0)
x4 0,0880 0,4400 -1,0000 1,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,1400 (1)
x5 0,0880 0,4400 0,0000 0,0000 1,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,1600 (2) Entra x2
x7 3,3000 3,2450 0,0000 0,0000 0,0000 -1,0000 1,0000 0,0000 0,0000 0,0000 3,0800 (3) Sale x9
x9 0,0026 0,0288 0,0000 0,0000 0,0000 0,0000 0,0000 -1,0000 1,0000 0,0000 0,0065 (4)
x10 1,0000 1,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 1,0000 1,0000 (5)
x0 0,0000 0,0000 0,0000 -1,0000 0,0000 0,0000 -1,0000 0,0000 -1,0000 -1,0000 0,0000 (0)
x8 (1) La suma de las

0,0000 0,0000 0,0000 0,0000 0,0744 0,0000 0,0012 1,0000 -1,0000 -0,0040 0,0015
variables artificiales
x3 0,0000 0,0000 1,0000 -1,0000 1,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0200 (2) es cero (x0 = 0 ),
x1 1,0000 0,0000 0,0000 0,0000 -2,8409 0,0000 0,0000 0,0000 0,0000 1,2500 0,7955 (3) entonces existe una
solución básica
x2 0,0000 1,0000 0,0000 0,0000 2,8409 0,0000 0,0000 0,0000 0,0000 -0,2500 0,2045 (4)
factible para iniciar
x6 0,0000 0,0000 0,0000 0,0000 -0,1562 1,0000 -1,0000 0,0000 0,0000 3,3138 0,2088 (5) la fase II del método
155
156
Dado que en la Fase I x0 = 0; a partir de este resultado se inició la Fase II, que
implicó sustituir x0 por Z y eliminación de las variables artificiales que no son básicos
( x4 , x7 , x9 y x10). La tabla Simplex de partida de la Fase II se presenta en la tabla 40
TABLA 40 Tabla Simplex inicial para la Fase II del método de las dos fase
del Problema Tipo con restricción de mezcla base
Z -2,4000 -1,8000 0,0000 0,0000 0,0000 0,0000 0,0000 (0)
x8 0,0000 0,0000 0,0000 0,0744 0,0000 1,0000 0,0015 (1)

x3 0,0000 0,0000 1,0000 1,0000 0,0000 0,0000 0,0200 (2)
x1 1,0000 0,0000 0,0000 -2,8409 0,0000 0,0000 0,7955 (3)
x2 0,0000 1,0000 0,0000 2,8409 0,0000 0,0000 0,2045 (4)
x6 0,0000 0,0000 0,0000 -0,1562 1,0000 0,0000 0,2088 (5)
En la tabla 40, las variables x1 y x2 tienen coeficiente no cero en la fila 0, y como

la función objetivo debe estar expresada en función de las variables básicas, se hacen
las transformaciones pertinentes para reducir a cero los coeficientes de x1 y x2 en la
fila anteriormente referida, tal como se aprecia en la tabla 41
TABLA 41 Tabla Simplex final para la Fase II del método de las dos fase del
Problema Tipo con restricción de mezcla base
Z 0,0000 0,0000 0,0000 -1,7045 0,0000 0,0000 2,2773 (0)
x8 0,0000 0,0000 0,0000 0,0744 0,0000 1,0000 0,0015 (1)

x3 0,0000 0,0000 1,0000 1,0000 0,0000 0,0000 0,0200 (2)
x1 1,0000 0,0000 0,0000 -2,8409 0,0000 0,0000 0,7955 (3)
x2 0,0000 1,0000 0,0000 2,8409 0,0000 0,0000 0,2045 (4)
x6 0,0000 0,0000 0,0000 -0,1562 1,0000 0,0000 0,2088 (5)
La solución óptima : x1 = 0,7955 ; x2 = 0,2045 ; x3 = 0,0200 ; x6 = 0,2088 ; x8 = 0,0015 ; Z = 2,2773
La proporción de la mezcla alimenticia (Problema Tipo con restricción de mezcla

base) que satisface los requerimientos nutricionales del cerdos en desarrollo es de
0,7955 kg de maíz y 0,2045 kg de soya, a un mínimo costo de Z = 2,2773 UM

157
Los problemas de programación lineal, las tablas Simplex y la mayor parte de la

exposición teórica presentados en este apartado y en el siguiente fueron tomados de
UNA (1993) como herramienta de apoyo a las explicaciones pertinentes.
B.3 Ecuaciones redundantes
Las ecuaciones redundantes se caracterizan por lo siguiente: si una de las

ecuaciones que integran el conjunto de las restricciones de un problema de
programación lineal, puede ser obtenida de una combinación lineal de otras
ecuaciones de las que forman el sistema, luego ésta puede ser eliminada del sistema.
Por ejemplo, en el sistema (señalado entre llave), la ecuación (3) es redundante,
puesto que es la suma del doble de la primera ecuación más la segunda ecuación.
2 x1 + x2 + x3 = 8 (1)
3x1 + 5x2 + 6x3 = 18 (2)
7x1 + 7x2 + 8x3 = 34 (3)
La existencia de ecuaciones redundantes puede detectarse durante la Fase I del

método Simplex:
Si en la tabla final de la Fase I, una vez que se ha eliminado las variables
artificiales no básicas, existe una fila en la cual todos los coeficientes de
las variables son cero, a excepción de un único 1 en un vector columna
correspondiente a una variable artificial, entonces esa fila corresponde a
una ecuación que es redundante en el sistema original y puede ser
eliminado al entrar en la Fase II. Por ejemplo, la tabla 42 es la final de la
Fase I de un problema de PL, donde x5 es una variable artificial.
TABLA 42 Tabla Simplex final de la Fase I de un caso de ecuaciones

redundantes
V.B. x1 x2 x3 x4 x5 b Fila
x0 0 0 -1 -2 0 0 (O) La fila 2
representa
x2 2 1 3 1 0 2 (1)
una ecuación
x5 0 0 0 0 1 0 (2) redundante
La fila 2 (ecuación redundante) puede eliminarse de la tabla para iniciar la Fase II.

158
B.4 Variantes en la solución de un problema de programación lineal
El método Simplex permite detectar distintos tipos de soluciones que se

encuentran frecuentemente en los problemas de programación lineal, como son los
casos de soluciones no acotadas (superiormente o inferiormente), múltiples
soluciones óptimas, soluciones degeneradas y la no existencia de soluciones. A
continuación se presenta estos tipos de soluciones:
1. Soluciones no acotadas: Durante el proceso iterativo en un problema de PL de

maximización (minimización), es posible que todos los elementos de la columna
bajo una variable, candidata a ser variable que entra, sean menores o iguales que
cero. En este caso la cota superior sería + ∞ (-∞), para cada variable candidata a
ser variable básica saliente. Esto indicaría que la variable básica entrante podría
aumentarse (disminuirse) indefinidamente incrementando (disminuyendo) de esa
misma forma la función objetivo. Para un caso de maximización (minimización)
se dice que la función objetivo no está acotada superiormente (inferiormente).
Considere el siguiente ejemplo y la tabla Simplex inicial asociada (Tabla 43)
Maximizar Z = 4x1 + 5x2

sujeto a
- 2 x1 + x2 ≤ 8
-3x1 + 6x2 ≤ 12
x1 ≥ 0 , x2 ≥ 0
TABLA 43 Tabla Simplex inicial de un caso de

soluciones no acotadas
V.B. x1 x2 x3 x4 b (Fila)
Z -4 -5 0 0 0 (0)
x3 -2 1 1 0 8 (1)
x4 -3 6 0 1 12 (2)
Tanto x1 como x2 son candidatas a ser variable que entra, pero como x2 tiene el
coeficiente más negativo, debería ser seleccionada como la variable básica
entrante. No obstante, x1 puede incrementarse indefinidamente sin afectar la

159
factibilidad del problema. Con este se quiere resaltar que si en cualquier

iteración, cualquiera de las variables entrante tiene coeficientes menores o
iguales a cero (≤ 0) en las restricciones, entonces se puede afirmar que se está en
presencia de una solución no acotada.
2. Múltiples soluciones óptimas: Si en un problema de programación lineal,

la función objetivo es paralela a una de las restricciones que se satisface por la
solución óptima en el sentido de igualdad, entonces la función objetivo puede
tomar el mismo valor para más de una solución óptima. Por esta razón se
conoce como múltiples soluciones óptimas. Considere el siguiente ejemplo y la
tabla Simplex asociada (Tabla 44):
Maximizar Z = 3x1 + 2x2 + 5x3

sujeto a
6x1 + 4x2 + 10x3 ≤ 20
x1 + x2 + x3 ≤ 3
x1 ≥ 0 , x2 ≥ 0 , x3 ≥ 0
TABLA 44 Tabla Simplex de un caso de soluciones no acotadas

V.B. x1 x2 x3 x4 x5 b (Fila)
Z -3 -2 5 0 0 0 (0)
x4 6 4 10 1 0 20 (1) Entra x3
x5 1 1 1 0 1 3 (2) Sale x4
Z 0 0 0 1/2 0 10 (0)
x3 3/5 2/5 1 1/10 0 2 (1) Entra x2
x5 2/5 3/5 0 -1/10 1 1 (2) Sale x5
Z 0 0 0 1/2 0 10 (0)
x3 1/3 0 1 1/6 -2/3 4/3 (1) Entra x1
x2 2/3 1 0 -1/6 5/3 5/3 (2) Sale x2
Z 0 0 0 1/2 0 10 (0)
x3 0 -1/2 1 1/4 -1/5 1/2 (1) Soluc. múltiples
x1 1 3/2 0 -1/4 2/5 5/2 (2) (Z = 10 )
Nota : Los coeficientes de la fila 0 son mayores o iguales a cero, pero aún
así se continua con las iteraciones, obteniéndose soluciones múltiples
La función objetivo está expresada como función de las variables no básicas x1, x2
y x4 , sólo que los coeficientes de x1 y x2 son ceros. Como cada cociente de una
variable no básica indica la tasa a la cual se incrementaría Z al incrementarse esa

160
variable, entonces si se introduce x1 o x2 en el conjunto de las variables básicas

no se incrementaría (ni disminuiría) Z. Esto indica que si al menos uno de los
coeficientes de las variables no básicas en la función objetivo de la tabla final es
cero, entonces el problema tiene múltiples soluciones óptimas. Para generar una
nueva solución, bastaría que la variable (o variables) con coeficientes cero entrase
en el conjunto de variables básicas. Por ejemplo, si se hace que entre x2 al
conjunto, la variable saliente es x5 , y obtienen las soluciones Z* = 10 , x3 = 4/3 ,
x5 = 5/3. En una nueva iteración, se hace entrar a x1 al conjunto de variables
básicas, la solución es Z* = 10 , x3 = 1/2 , x1 = 5/2.
3. Soluciones degeneradas: Durante la aplicación del algoritmo Simplex, es posible

que ocurra el caso donde dos o más variables lleguen a cero al mismo tiempo.
Esto sucede cuando hay un empate entre dos o más variables candidatas a ser
variables básicas salientes. En otras palabras, la cota superior mínima es la misma
para al menos dos variables. Ahora bien, cuando se realizan las transformaciones
típicas para mejorar la función objetivo, el cociente mínimo es cero, el valor de la
función objetivo permanece inalterable y sólo cambia el conjunto de las variables
básicas. Luego es posible que las iteraciones del Simplex entren en un ciclo que
repetiría la misma secuencia de variables básicas que iniciaron el proceso. Este
problema, llamado ciclaje en el algoritmo Simplex no se encuentra a menudo en la
práctica, aunque existan procedimientos para evitar que ocurra ese fenómeno. Es
de destacar que en la mayor parte de los paquetes computaciones de PL, no
incluyen disposiciones para el ciclaje, debido a que el porcentaje de éstos
problemas es demasiado pequeño, como para desarrollar una rutina para tal fin.
Es de destacar que una solución puede ser temporalmente degenerada y la

solución óptima no serlo. También, una solución óptima puede ser degenerada.
Ambos casos se ilustran mediante los ejemplos 1 y 2, en donde puede observarse
como es el comportamiento de éstos en una tabla Simplex.

161
Ejemplo 1
Considere el siguiente problema de PL y la tabla Simplex asociada (Tabla 45)

sujeto a
x1 + x2 ≤ 8
x1 + 4x2 ≤ 32
x1 ≥ 0 , x2 ≥ 0
TABLA 45 Tabla Simplex de un caso de soluciones degeneradas

V.B. x1 x2 x3 x4 b (Fila)
Z -5 -6 0 0 10 (0)
x3 1 1 1 0 8 (1) Entra x2
x4 1 4 0 1 32 (2) Sale x4
Z -7/2 0 0 3/2 48 (0)
x3 3/4 0 1 -1/4 0 (1) Entra x1
x2 1/4 1 0 1/4 8 (2) Sale x3
Z 0 0 4/3 1/3 48 (0)
x1 1 0 4/3 -1/3 0 (1) Solución óptima
x2 0 1 -1/3 1/3 8 (2) (degenerada)
En la iteración inicial de la tabla 45, la variable entrante es x2 , pero hay un

empate en la cota superior de las variables x3 y x4 candidatas a variables saliente.
Si se selecciona a x4 como variable básica saliente, se obtendría en la primera
iteración una solución degenerada puesto que x3 = 0 ; sin embargo la solución no
es óptima. En la siguiente iteración donde entra x1 y sale x3 , la solución obtenida
también es degenerada, pero en este caso es óptima. Se observa que los valores de
las variables en la primera y segunda iteración son los mismos, sólo que una de
las variables básicas ha cambiado.
Ejemplo 2
Considere el siguiente problema de PL y la tabla Simplex asociada (Tabla 46)

sujeto a
2x1 + 5x2 ≤ 20
3x1 + 2x2 ≤ 24
x1 - 3 x2 ≤ 8
x1 ≥ 0 , x2 ≥ 0

162
TABLA 46 Tabla Simplex de un caso de soluciones

degeneradas, con solución óptima no degenerada
V.B. x1 x2 x3 x4 x5 b (Fila)
Z -4 -3 0 0 0 0 (0)
x3 2 5 1 0 0 20 (1)
Entra x1
x4 3 2 0 1 0 24 (2)
Sale x5
x5 1 -3 0 0 1 8 (3)
Z 0 -15 0 0 4 32 (0)
x3 0 11 1 0 -2 4 (1)
Entra x2
x4 0 11 0 1 -3 0 (2)
Sale x4
x1 1 -3 0 0 1 8 (3)
Z 0 0 0 15/11 -1/11 32 (0)
x3 0 0 1 -1 1 4 (1)
Entra x5
x2 0 1 0 1/11 -3/11 0 (2)
Sale x3
x1 1 0 0 3/11 2/11 8 (3)
Z 0 0 1/11 14/11 0 356/11 (0)
x5 0 0 1 -1 1 4 (1)
Solución
x2 0 1 3/11 2/11 0 12/11 (2)
óptima
x1 1 0 -2/11 5/11 00 80/11 (3)
En la tabla 46, se puede observar que en las iteraciones 1 y 2 la solución es

degenerada, pero la solución óptima no lo es.
4. Soluciones inexistentes: Si en un modelo de programación lineal, las restricciones

no se satisfacen simultáneamente, entonces la solución es inexistente en el modelo.
Este caso tambien se le conoce como solución no factible o infactible. Esta
situación no puede ocurrir si el conjunto de las restricciones funcionales son del
tipo ≤ (suponiendo valores no negativos en el lado derecho). Pero si en un conjunto
de restricciones funcionales, están presentes restricciones del tipo ≤ y ≥ y/o =, es
posible que el modelo no tenga una solución factible.
La inexistencia de soluciones puede detectarse en la tabla Simplex cuando al final

de la Fase I (método Simplex de las dos fases), se obtiene que la suma de las
variables artificiales, x0, es mayor que cero y con lo cual termina el proceso, y por
ende, la inexistencia de una solución factible en el modelo.

163
Considere el siguiente ejemplo y la tabla Simplex de la Fase I asociada (Tabla 47)

Maximizar Z = 2x1 + x2
sujeto a
x1 + x2 ≤ 2
x1 - 3 x2 ≥ 3
x1 ≥ 0 , x2 ≥ 0
TABLA 47 Tabla Simplex de la Fase I de un caso de soluciones

inexistentes
V.B. X1 x2 x3 x4 x5 b (Fila)
x0 1 -3 0 -1 0 3 (0)
x3 1 1 1 0 0 2 (1) Entra x1
x5 1 -3 0 -1 1 3 (2) Sale x3
x0 0 -4 -1 -1 0 1 (0)
x1 1 1 1 0 0 2 (1) Solución
x5 0 -4 -1 -1 1 1 (2) inexistente
En la tabla 47, al final de la Fase I se puede observar que x0 = 1; y por tanto no

existe una solución básica factible. Esta situación, en la práctica, indica la
posibilidad que el modelo de PL utilizado no fue formulado correctamente, al
menos en alguna de las restricciones.
B.5 Análisis de sensibilidad
Una vez que se ha obtenido la solución óptima de un problema de programación

lineal, es mucha veces necesario hacer un análisis de sensibilidad, para determinar si
los cambios en los coeficientes (aij, bi y cj) del modelo dejarán inalterada la solución
actual y, de no ser así, cómo obtener con eficiencia una nueva solución óptima
(suponiendo que exista). En síntesis, la idea del análisis de sensibilidad es verificar la
optimalidad y factibilidad de la solución como resultados de hacer los cambios
anteriormente referidos.

164
B.5.1 Cambios en la solución óptima
Cuando los coeficientes de un problema de PL se modifican, en general estas

modificaciones pueden resultar en uno de los tres casos siguientes:
a) La solución óptima del problema no se modifica: variables básicas
permanecen inalteradas con los mismos valores que en la solución original.
b) Las variables básicas permanecen, pero con otros valores con respecto a los
valores originales.
c) La solución básica cambia completamente.
A continuación se presenta un problema de PL tomado de UNA (1993), que se

denominó Problema Prototipo para ser utilizado en el análisis de sensibilidad.
Maximizar Z = 2 x1 - 2 x2 + x3
sujeto a
3x1 - 4x2 + 2x3 ≤ 15
- x1 + x2 + x3 ≤ 3
x1 + x2 + x3 ≤ 4
xj ≥ 0 , j = 1,2,3
Para el análisis de sensibilidad, se empleó la forma matricial del problema de PL,

tal como se presenta a continuación
⎡ x1 ⎤
Maximizar Z = [2 − 2 1] ⎢⎢ x2 ⎥⎥
⎣⎢ x3 ⎦⎥
Sujeto a
⎡ 3 4 2 ⎤ ⎡ x 1 ⎤ ⎡15 ⎤
⎢− 1 1 1 ⎥⎥ ⎢⎢ x 2 ⎥⎥ ≤ ⎢⎢ 3 ⎥⎥
⎢
⎣⎢ 1 1 1 ⎦⎥ ⎣⎢ x 3 ⎦⎥ ⎢⎣ 4 ⎦⎥
⎡ x1 ⎤ ⎡ 0 ⎤
⎢ x ⎥ ≥ ⎢0 ⎥
⎢ 2⎥ ⎢ ⎥
⎢⎣ x 3 ⎥⎦ ⎢⎣ 0 ⎥⎦

165
Al agregar las variables de holguras x4, x5 y x6 en la primera, segunda y tercera

restricción respectivamente, se procedió aplicar el método Simplex, de cuya de la
tabla Simplex final se obtuvo información de interés
⎡15 ⎤ ⎡1 3 0⎤
⎢0 1 1 ⎥
cB = [− 1 0 2] ; b ⎢ ⎥
= ⎢3⎥ ;
-1
B = ⎢ ⎥
⎢⎣ 4 ⎥⎦ ⎢⎣1 2 0⎥⎦
estos elementos de la tabla Simplex final, permitieron determinar los valores de la

solución óptima del vector de las variables básicas xB y de la función objetivo Z.
⎡1 3 0⎤ ⎡15⎤ ⎡24⎤ ⎡x2 ⎤ ⎡24⎤

-1 ⎢0 1 1 ⎥ ⎢ 3 ⎥ = ⎢ 7 ⎥ Î ⎢x ⎥ ⎢7⎥
xB = B b = ⎢ ⎥ ⎢ 6⎥ = ⎢ ⎥
⎢ ⎥ ⎢ ⎥
⎢⎣ 21⎥⎦ ⎢⎣ x1 ⎥⎦ ⎢⎣ 21⎥⎦
⎣⎢1 2 0⎥⎦ ⎢⎣ 4 ⎥⎦
⎡24⎤
Z = cB xB = [−1 0 2] ⎢ 7 ⎥ = 18
⎢ ⎥
⎢⎣ 21⎥⎦
B.5.2 Aplicación del análisis de sensibilidad
El análisis de sensibilidad permite evaluar el efecto que tendrá sobre la solución

óptima proporcionada por el método Simplex el hecho que los parámetros tomaran
otros valores posibles. En general, se presentaran casos en que algunos parámetros a
los que se les puede asignar cualquier valor razonable sin que afecten la optimalidad
de esta solución. Sin embargo, también habrá casos de parámetros con valores
probables que lleven a una nueva solución óptima, como podría ser que la solución
original adquiere valores sustancialmente inferiores a la función objetivo, o por el
contrario, la obtención de una solución inexistente.

166
A continuación se presentan las clases de modificaciones que se realizan en

un análisis de sensibilidad.
1) Cambios en el segundo miembro (lado derecho)

de las restricciones.
2) Cambios en los coeficientes de la función objetivo.
3) Cambios en los coeficientes de las variables en el
conjunto de restricciones.
4) Adición de una nueva variable.
5) Adición de una nueva restricción.
Los cambios realizados en un problema de PL a nivel de 1) y 5) solamente afectan

la factibilidad , mientras que los restantes afectan la optimilidad. Para los efectos del
informe, solamente se estudió el primer caso referido a los cambios en el segundo
miembro (lado derecho) de las restricciones, y esto es debido porque en primer
lugar, los cambios a este nivel presentan generalmente mayor flexibilidad al
establecer y ajustar estos valores que los otros parámetros del modelo. En segundo
lugar, en los problemas de mezclas alimenticias, es el caso más comúnmente utilizado
en función de la respuesta biológica del animal y en tercer lugar, los otros casos
requiere de una técnica de programación lineal que no fue aquí tratado. A
continuación se presenta este nivel de análisis de sensibilidad a través de dos
ejemplos, que permiten ilustrar como afectan estos cambios a la solución óptima
obtenida por el método Simplex.
CASO: Cambios en el segundo miembro (lado derecho) de las restricciones.
En este caso se hacen cambios específicos discretos en uno o más de los

elemento del vector b (cantidad de recursos). Lo anterior se denotó como:
b → b

167
Los cambios en el segundo miembro de las restricciones (vector b) pueden afectar

solamente la factibilidad del problema. Puede suceder que con el cambio las variables
básicas sigan con valores no negativos (solución continua factible), o bien que alguna
de éstas tome un valor negativo (solución no factible). Para este último resultado,
existe una técnica que restablece la factibilidad.
Ejemplo 1-A
Considerando el Problema Prototipo anteriormente presentado. Se desea investigar
si el siguiente cambio en segundo miembro de las restricciones.
⎡15 ⎤ ⎡ 20 ⎤
⎢3⎥ ⎢4⎥
b= ⎢ ⎥ → b= ⎢ ⎥
⎢⎣ 4 ⎥⎦ ⎢⎣ 2 ⎥⎦
afecta la solución optima anteriormente determinada por el método Simplex.

(x2 = 24 , x6 = 7 y x1 = 21 , Z = 18).
Los nuevos valores de las variables y de la función objetivo del

Ejemplo 1-A son:
⎡1 3 0⎤ ⎡20⎤ ⎡32⎤ ⎡x2 ⎤ ⎡32⎤

⎢0 1 1 ⎥ ⎢ 4 ⎥ ⎢ ⎥ ⎢x ⎥ ⎢46⎥
xB = B-1b = ⎢ ⎥ ⎢ ⎥ = ⎢46⎥ Î ⎢ 6⎥ = ⎢ ⎥
⎢⎣1 2 0⎥⎦ ⎢⎣ 2 ⎥⎦ ⎢⎣28⎥⎦ ⎢⎣ x1 ⎥⎦ ⎢⎣28⎥⎦
Como en este caso xB > 0, la solución es óptima y factible. El nuevo valor de Z es:
⎡32⎤
⎢ ⎥
Z = cB xB = [− 1 0 2] ⎢46⎥ = 24
⎢⎣28⎥⎦
El cambio efectuado en el segundo miembro de las restricciones tuvo un efecto

positivo debido a que la nueva solución óptima (Z = 24) es mejor que la anterior
(Z = 18).

168
Ejemplo 1-B
Considere ahora que el problema fuese:
⎡ x1 ⎤
Maximizar Z = [2 7 − 3] ⎢⎢ x 2 ⎥⎥
⎢⎣ x3 ⎥⎦
Sujeto a
⎡ x1 ⎤
⎡1 3 4 ⎤ ⎢ ⎥ ⎡ 30 ⎤
x2 ≤
⎢1
⎣ 4 − 1 ⎥⎦ ⎢ ⎥ ⎢⎣ 10 ⎥⎦
⎢⎣ x 3 ⎥⎦
⎡ x1 ⎤ ⎡ 0 ⎤
⎢ x ⎥ ≥ ⎢0 ⎥
⎢ 2⎥ ⎢ ⎥
⎢⎣ x 3 ⎥⎦ ⎢⎣ 0 ⎥⎦
Investigue como el siguiente cambio
⎡30 ⎤ ⎡10 ⎤
b = ⎢10 ⎥ → b= ⎢ ⎥
⎣ ⎦ ⎣ 20 ⎦
realizado en el segundo miembro de las restricciones, afecta la solución óptima del

presente problema determinado por el método Simplex. La tabla Simplex
proporciona la siguiente información:
⎡1 − 1⎤ ⎡x4 ⎤ ⎡20⎤
cB = [0 2] ; B-1 = ⎢ ⎥ ; xB = ⎢ ⎥ = ⎢ ⎥ ; Z = 20 -1
;donde xB = B b
0 ⎣ 1⎦ ⎣ x1 ⎦ ⎣10 ⎦ Z = cB xB
Los nuevos valores de las variables y de Z del Ejemplo 1-B son:
⎡1 − 1⎤ ⎡10⎤ ⎡−10⎤ ⎡ x 4 ⎤ ⎡−10⎤

xB = B-1b = ⎢ ⎥ ⎢ ⎥ = ⎢ ⎥ Î ⎢x ⎥ = ⎢ ⎥
⎣0 1 ⎦ ⎣20⎦ ⎣ 20 ⎦ ⎣ 1 ⎦ ⎣ 20 ⎦
El cambio ha ocasionado que un elemento de xB sea negativo (x4 = -10).

Luego, la primera restricción no se satisface y la solución no es factible. El
nuevo valor asociado de la función objetivo es Z = 10. En este punto es de
destacar que existe un método que permite restablecer la factibilidad.

169
APÉNDICE C. Un recorrido básico por el LINDO
El software LINDO (Linear, INteractive Discrete Optimizer) es una herramienta

diseñado para aprenderlo y usarlo con facilidad para problemas de programación
lineal, incluyendo los problemas de programación entera, cuadrática.
Cuando se inicia el LINDO, se presenta una primera pantalla, junto con una
ventana de estado contentiva de información inherente a la firma comercial LINDO
System, inc y de algunas características predefinidas del software, luego esta ventana
de estado desaparece, quedando la pantalla que se muestra en la figura 5
Figura 5 Pantalla inicial LINDO

170
En la parte superior de la pantalla (figura 5), se encuentra una barra de menú,

dispuesta como el estándar de Windows, con los elementos File, Edit, Solve,
Reports, Window y Help. Debajo de esta barra se encuentra una barra de
herramientas, donde cada botón corresponde a las órdenes frecuentemente usadas.
Estos botones solamente se acceden a través del puntero del ratón, cuando se hace
clic (se pulsa) en los mismos.
Un modelo de LINDO tiene un requisito mínimo de tres factores:

1. Necesita un objetivo, que es la meta a lograr. Se tiene la opción de dos metas,
MAX o MIN que simbolizan maximizar (ganancia, utilidad) o minimizar
(costo, carga de trabajo). Después de la palabra MAX o MIN se introduce la
función objetivo
2. Necesita las variables, que son valores que se quieren ajustar a través de
LINDO para alcanzar la meta, como máxima ganancia o mínimo costo, según
sea el caso.
3. Necesita de restricciones, en este caso, de las restricciones funcionales que
limitan el campo de acción del modelo.
Una vez que se cumplen con los tres requisitos anteriormente referido, se coloca
después de la línea de la última restricción funcional la palabra END, que indica el fin
del modelo. LINDO supone de modo automático las restricciones de no negatividad,
pero, si en el modelo está presente una variable que no tiene restricción de no
negatividad, debe indicarse con la palabra FREE seguido del nombre de la variable,
en el línea que sigue a END. En LINDO, cada comentario se inicia con un signo de
exclamación (!). LINDO permite introducir un modelo en forma algebraica
directamente desde el teclado. Tambien se puede abrir un archivo (con extensión
LTX) desde una unidad de disco o desde un subdirectorio del mismo. A continuación
se presenta como se ve (en pantalla) el Problema Tipo con restricción de mezcla base
(final de la sección A.3) bajo formato LINDO, tal como se aprecia en la figura 6.

171
Figura 6 Pantalla de LINDO mostrando la ventana con la formulación del Problema Tipo con
restricción de mezcla base que se utilizó como ejemplo para describir el uso de este software
Además del modelo básico (objetivo, variables y restricciones), esta formulación

incluye varios comentarios aclaratorios,. Así las tres primeras líneas dan la fuente de
donde fue tomado el problema y el enunciado de lo que se quiere determinar, la
cuarta línea es tambien un comentario que señala la existencia de una restricción
funcional de mezcla base en el conjunto de restricciones.
En la sexta línea de la formulación de LINDO indica que el objetivo del modelo

es minimizar la función objetivo 2.40x1 + 1.8x2. En este caso x1 (X1) y x2 (X2) son
las variables de decisión que representan las cantidades de maíz y sorgo
respectivamente presentes en la ración. Las letras de las variables de decisión están
expresadas en mayúsculas, aunque también se pueden usar las minúsculas Otra

172
opción es utilizar palabras sugestivas (o abreviaturas) que no excedan de las ocho

letras. Obsérvese que en la función objetivo está la palabra MIN sin estar
acompañada de la letra Z.
En la octava línea está la palabra SUBJECT TO que traduce “sujeto a” que indica
las limitaciones en las cuales se va a someter las variables de decisión.. En las cuatros
líneas siguientes comienzan con un nombre (de nutrientes) seguido de un paréntesis
para cada restricción funcional. Estas restricciones se escriben de la forma usual,
excepto por los signos de desigualdad. Nótese que en la línea catorce se encuentra la
restricción funcional de la mezcla base, y en la línea siguiente la palabra END que
indica el fin del modelo.
El modelo de PL está listo para ser resuelto. Para empezar se hace clic en el menú
Solve, se despliega un menú donde se hace clic en Solve, o si se prefiere se pulsa el
botón tiro al blanco de la barra de herramientas. LINDO empezará intentando
compilar el modelo. Esto significa que LINDO determinará si el modelo tiene
sentido matemático, y si se ajusta a los requisitos sintácticos. Si el modelo no pasa
estas pruebas, entonces LINDO detecta que ocurrió un error durante la compilación y
aparece un mensaje de error mostrando un código numérico y uno de texto inherente
al error encontrado, y éste debe ser ubicado por lo que el usuario para su corrección.
Si no hay ningún error de la formulación durante la fase de la recopilación,

LINDO empieza a resolver realmente el modelo y al finalizar, LINDO despliega una
ventana de estado en la pantalla junto a un cuadro de diálogo que pregunta si se desea
un análisis de intervalo (sensibilidad), para nuestro efecto se hace clic en el botón No,
luego queda la ventana de estado tal como se aprecia en la figura 7.

173
Figura 7 Pantalla de LINDO mostrando la ventana de estado (activa) que proporciona

información sobre la solución encontrada
Esta ventana de estado es útil para supervisar el progreso de la solución. Una

descripción de ésta se presenta a continuación:
Estado de Optimización:
Estado: Proporciona el estado actual de los posibles valores (Óptimo,
factible, infactible, ilimitado). En el ejemplo el valor es óptimo
Iteraciones: Indica el número de iteraciones realizadas por el LINDO para
encontrar la solución. En el ejemplo es de una (1) iteración.
Infactibilidad: referido a la violación de las restricciones. En el ejemplo no
se violó ninguna restricción
Objetivo: Presenta el valor actual de la función objetivo. En el ejemplo el
valor es 2,27727
Mejor IP:
IP límite: No aplicables para el caso de la programación lineal
Ramificaciones:
Tiempo transcurrido: Indica el tiempo que se tardó en encontrar la solución

174
Intervalo de actualización: Actualiza los intervalos. Para el valor cero se

aumentan los tiempos de solución
interrumpir la solución: Al pulsar este botón se interrumpe la ejecución de la
solución antes de la última iteración en cualquier punto y hace retorno a la
mejor solución actual que encontró.
cerrar: Al pulsar este botón se cierra la ventana de estado
Ahora se presenta en la pantalla la “Ventana de Informes" y que contiene la

solución del modelo, tal como se aprecia en la figura 8
Figura 8 Pantalla de LINDO mostrando la ventana de informes (segunda ventana activa

restaurada) que proporciona información sobre la solución encontrada
En la ventana de informe, en su segunda línea, se señala que SE ENCONTRÓ LA

SOLUCIÓN ÓPTIMA DEL PL EN 1 PASO. Después de una línea por el medio está
la frase VALOR DE LA FUNCIÓN OBJETIVO para esta solución, que se encuentra
en la línea 6 y que para el ejemplo es de 2,277273. Después por otra línea por el medio

175
se encuentra una sección de tres columnas. La primera denominada VARIABLE con

las variables de decisión de X1 (x1:maiz) y X2 (x2:soya). La segunda llamada
VALORES que contienen los valores para la solución óptima (X1= 0,795455;
X1= 0.204545). En las terceras columnas de la presente sección y de la siguiente se
encuentran los denominados COSTOS REDUCIDOS Y PRECIOS DUALES
respectivamente, los cuales se obviaron para los efectos del presente trabajo, pero
cabe de destacar que, aunque ambos conceptos no fueron aquí tratados, proporcionan
información interesente para el análisis conocido como análisis posóptimo.
En la línea 13 se inicia la segunda sección, en cuya primera columna se encuentra

FILA que contiene los nombres de cada una de las restricciones funcionales seguido
de un paréntesis. En la segunda columna está HOLGURA O SUPERÁVIT que
proporciona la diferencia entre los dos lados de cada restricción. Finalmente en la
línea 20 se encuentra No DE ITERACIONES = 1, que recalca que la solución óptima
se encontró en una sola iteración.
Si se desea hacer el análisis de sensibilidad, entonces, considerando el ejemplo de

nuestro caso, y suponiendo que en el mismo se tiene evidencia experimentalmente
comprobada que la cantidad mínima de energía metabolizable que se le puede
suministrar a una determinada raza de cerdo en la etapa de desarrollo es de 3.00 kcal
en vez de 3.08 kcal. Para obtener la nueva solución ante este cambio de parámetro en
el segundo miembro de las restricciones, se procede de la siguiente manera: se pulsa
el menú Report, luego lo mismo se hace con Parametrics del menú desplegable,
donde aparece una caja de diálogo denominada “Fila paramétrica”.
En la lista desplegable de la caja de diálogo (parte superior), se selecciona la fila

(ENERGIA) donde se llevará a cabo el análisis de sensibilidad, luego en la esquina
izquierda (parte inferior) se muestra en la casilla Nuevo valor de RHS el valor (3.08)
del segundo miembro de la fila seleccionada, a continuación se coloca en ésta el

176
nuevo valor (3.00). Luego, en la esquina derecha (parte inferior) se selecciona la

opción de el tipo de informe texto., y finalmente se pulsa el botón OK para generar
los informes paramétricos. El anterior procedimiento se expresa en el presente trabajo
como: Reports/parametric/.../3.00 <<enter>>
El informe del texto se envía a la ventana de los Informes, y aparece tal como se
aprecia en la figura 9.
Figura 9 Pantalla de LINDO mostrando la ventana de informes (segunda ventana activa

restaurada) con la solución del análisis de sensibilidad del 2do. Miembro de las restricciones.
El informe de texto muestra las columnas de las variables salientes (VAR OUT) y
entrantes (VAR IN) para cada pivote (PÍVOT ROW). En el ejemplo, el valor de la
función objetivo (2.27727) para la nueva solución no varia al pasar en el segundo
miembro de las restricciones de 3.08 a 3.00. Por lo tanto, el ejemplo es un caso en
que la solución óptima del problema no se modifica.

177
APÉNDICE D. Un recorrido por la mezcla Base
En una finca de explotación pecuaria, el productor está interesado en saber

cual es la cantidad mínima de alimento, que nutricionalmente balanceado y a un
costo mínimo, debe consumir diariamente el animal para mantenerlo saludable y
con peso corporal adecuado, y que en consecuencia, al ser comercializado
redunde positivamente en la rentabilidad de la unidad de producción. Cuando el
productor tiene la opción de preparar las raciones alimenticias a partir de
piensos (porciones de alimentos secos), preferiblemente con análisis nutricional
garantizado y disponibles en la zona, entonces basa la formulación del alimento,
en la cantidad mínima bmin de éste que se debe suministrar diariamente el animal
y a las restricciones nutricionales, quedando implícito que las necesidades de
requerimiento mínimo de energía están suplidas. A continuación se presenta un
ejemplo en base a dos tipo de piensos.
Una granja prepara una ración alimenticia compuesto de pienso1 y pienso2 con las
siguientes composiciones:
Ingrediente Nutriente1 Nutriente2 Nutriente3 Precio

(Proteínas) (H. de carbono) (Grasas) UM
Pienso1 a11 a12 a13 p1
Pienso2 a21 a22 a23 p2
Los requerimientos nutricionales de la ración alimenticia para mantener a un

animal saludable y con peso corporal adecuado, debe consumir diariamente bmin
de alimento compuesto por un ρ1% de nutriente1 como máximo, un ρ2% de
nutriente2 como máximo y un ρ3% de nutriente3 como mínimo. En base a los
precios (expresado en unidades monetarias UM) vigentes de los piensos en el
mercado local, el productor desea determinar el costo mínimo diario de la mezcla
alimenticia.

178
La formulación del problema de programación lineal (genérico) viene dado en los

siguientes términos:
Debido a que la ración alimenticia consiste en la mezcla de Pienso1 y Pienso2,
las variables de decisión del modelo se definen como
x1 = kilogramos de Pienso1 en la mezcla diaria
x2 = kilogramos de Pienso2 en la mezcla diaria
La función objetivo trata de minimizar el costo diario total (en UM) de la ración
alimenticia y se expresa como
minimizar Z = p1x1 + p2 x2
Las restricciones del modelo deben reflejar la cantidad diaria necesaria y los
requerimientos nutricionales. Debido a que el productor necesita bmin de mezcla
alimenticia al día, la restricción asociada se puede expresar como
x1 + x2 ≥ bmin
Antes de analizar el resto de las restricciones, se recalca que
ρi% =ρi x100 ; donde i = 1, 2, 3
a lo cual, los segundos miembros de las restricciones nutricionales están supeditados
a un porcentaje ρi% del total de la mezcla (x1 + x2).
Ahora bien, en cuanto a las restricciones de índole nutricional, se tiene que la
cantidad de nutriente1 incluida en x1 y x2 es (a11x1 + a12x2). Esta cantidad debe ser
menor o igual a ρ1% de la mezcla total de alimento ρ1(x1 + x2), lo que da por
resultado
a11x1 + a12x2 ≤ ρ1(x1 + x2)
De manera similar, las restricciones de nutriente2 y nutriente3 se construyen
como
a21x1 + a22x2 ≤ ρ2(x1 + x2)
a31x1 + a32x2 ≥ ρ3(x1 + x2)
Las restricciones anteriores se simplifican agrupando todos los coeficientes
de x1 y x2 en el lado izquierdo de cada desigualdad. De manera que el modelo
completo se convierte en:

179
Sujeto a
x1 + x2 ≥ bmin
(a11 - ρ1)x1 + (a12 - ρ1)x2 ≤ 0
(a21 - ρ2)x1 + (a22 - ρ2)x2 ≤ 0
(a21 - ρ2)x1 + (a22 - ρ2)x2 ≥ 0
x1 ≥ 0 , x2 ≥ 0
Luego se aplica la técnica Simplex, obteniendo los valores x1 y x2, que conllevan
a la solución óptima del problema: x1* = x1 ; x2* = x2 ; Z * = p1x1* + p2 x2*
En la práctica, la cantidad mínima de alimento que se le puede suministrar

diariamente al animal puede variar (aumentar o disminuir) en diferentes épocas
del año, especialmente por factores exógeno como los de índole climáticos, en
cuyo caso se debe hacer un análisis de sensibilidad a nivel de bmin cada vez que
éste cambie de valor para obtener una ración de costo mínimo, y la situación se
complica cuando en la unidad de producción se tiene animales (de interés
pecuario) de diferentes especies.
Lo anteriormente expuesto, se puede subsanar, haciendo uso de la restricción

de mezcla base (igual a 1 unidad) que permite una mayor versatilidad en el
modelo de PL, puesto que la restricción funcional de cantidad mínima de
alimento diario a suministrar bmin puede ser reemplazada por la restricción de
mezcla base, además que, una vez hallados los valores óptimos preeliminares de
las variables de decisión (en este caso x1 y x2), permite determinar la ración de
costo mínimo multiplicando estos valores por bmin, y asimismo al variar éste
último, es posible determinar otras raciones de costo mínimo, sin necesidad de
recurrir al análisis de sensibilidad. A continuación se presenta el modelo de
programación lineal (genérico) con la restricción de mezcla base y ésta por
convención se coloca al final del conjunto de restricciones funcionales.

180
Sujeto a
a11 x1 + a12x2 ≤ ρ1
a21x1 + a22 x2 ≤ ρ2
a21x1 + a22x2 ≥ ρ3
x1 + x2 = 1
x1 ≥ 0 , x2 ≥ 0
Luego se aplica la técnica Simplex, obteniendo los valores preeliminares x1 y x2,
obteniéndose la solución óptima: x1* = bmin x1 ; x2* = bmin x2 ; Z * = p1x1* + p2 x2*
A continuación se presenta un problema tomado de Alejadre, Allueva y González

(2002), que se ajusta a lo aquí tratado en el presente apéndice.
Supongamos una granja de ganado porcino en la cual se funciona con tipos de piensos
“Porcil” y “Megacerdina”. Las composiciones de dicho piensos son:
“Porcil”: 50% proteínas, 30% hidratos de carbono, 20% grasas.
“Megacerdina”: 10% proteínas, 80% hidratos de carbono, 10% grasas.
La Organización Mundial de la Salud y Engorde del Porcino sugiere para mantener a

un animal en la salud y peso óptimos, éste debería ingerir al día un mínimo de 2
kilogramos de alimentos por un 30% de proteínas como máximo, un 60% de hidratos
de carbono como máximo y un 10% de grasas como mínimo.
Si 100 gramos de “Porcil” cuestan 50 unidades monetarias y 100 gramos de

“Megacerdina” cuestan 30 unidades se monetarias, ¿cuántos gramos de cada pienso
deberíamos comprar al día para que el coste sea mínimo?
Para el caso bmin = 2 kg; el modelo (PL) tiene la siguiente solución óptima:
x1* = x1 = 0,8 kg ; x2* = x2 = 1,2 kg ; Z * = 0,76 UM
Al resolver el modelo con la restricción de mezcla base, la solución es:
x1* = bmin 0,4 = 0,8 kg,; x2* = bmin 0,6 =1,2 ; Z * = 0,76 UM. Para otros valores de
bmin , la solución óptima se obtiene sin recurrir al análisis de sensibilidad.

181
APÉNDICE E. Un recorrido por la programación lineal aplicado a

los problemas de mezclas para ganado porcino
A continuación se presenta dos problemas típicos de mezclas de raciones i e ii,

tomados de Taha (2003) y Hillier y Lieberman (2002) respectivamente. Se solicita, en
función del enunciado, formular el modelo de PL correspondiente y solucionarlo por
el método Simplex. Posteriormente añada al modelo inicialmente formulado la
restricción de mezcla base (igual a 1 unidad) y vuelva aplicar el método Simplex.
i Un agricultor .posee 200 cerdos que consumen 90 lb de comida especial

todos los días. El alimento se prepara como una mezcla de maíz y harina
de soya con las siguientes composiciones:
Libras por libra de

alimento
Alimento Calcio Proteina Fibra Costo ($/lb)
Maíz 0.001 0.09 0.02 0.20
Harina de soya 0.002 0.60 0.06 0.60
Los requisitos diarios de alimento de los cerdos son:

1. Cuando menos 1% de calcio.
2. Por lo menos 30% de proteína.
3. Máximo 5% de fibra.
Determine la mezcla de alimentos con el mínimo costo por día.

182
ii Fred Janasonn administra la granja de su familia. Para complementar varios

alimentos que se cultivan en la granja, Fred tambien cría cerdos para venta
y desea determinar las cantidades de los distintos tipos de alimentos
disponibles (maíz, grasas y alfalfa) que debe dar a cada cerdo. Como los
cerdos se comerán cualquiera mezcla de esto tipos de alimentos, el objetivo
es determinar qué mezcla cumple ciertos requisitos nutritivos a un costo
mínimo..En la siguiente tabla se dan las unidades de cada tipo de
ingrediente nutritivo básico contenido en 1 kilogramo de cada tipo de
alimentos, junto con los requisitos de nutrición diarios y los costo de los
alimentos
Req.
Ingrediente Kilogramo Kilogramo Kilogramo mínimo
Nutritivo De maíz de grasas de maíz diario
Carbohidratos 90 20 40 200
Proteínas 30 80 60 180
Vitaminas 10 20 60 150
Costo (¢ ) 84 72 60

183

Anexo A
Selección de raza
Sanidad Alimentación
Instalaciones Manejo de
EXITO materiales
Funcionalidad Orientación
Administración
Diagrama sobre los criterios de producción que intervienen para

programar una gestión exitosa de la producción porcina. Se resaltó
el criterio alimentación por su impacto en los costos totales de
producción.
FUENTE:
Herrera, A.; 1988

Anexo B
Minerales Energía
EFICIENCIA
ALIMENTICIA
Vitaminas Proteínas
Palatabilidad
Eficiencia alimenticia de una ración equilibrada: Energía y

nutrientes en cantidades balanceadas, y cumplir con la condición de
palatabilidad, en la cual debe tener un sabor que le sea agradable a
los animales.
FUENTE:
Bundy, C.; Diggins, R. y Christensen, V.; 1984

Anexo C
- Aceleran reacciones químicas

- Almacenan y/o transportan otras sustancias
- Contraen los tejidos
N Proteínas - Protegen al organismo contra agentes
dañinos
- Transportan información y regulan
U procesos
- Forman el sostén de las células y tejidos
T
Proporcionan la energía necesaria para:
R - Sostener los procesos de la vida (latido
cardíaco, respiración, actividad cerebral y
Carbohidratos otros.
I - Mantener ka temperatura corporal y
desarrollar las actividades físicas de una
y rápida
M
- Almacén de energía
E Grasas - Protección de tejidos y órganos
- Aislamiento térmico
- Forman estructuras celulares
N
- Son necesarios para realizar reacciones celulares
T específicas, que tienen importantes repercusiones
Vitaminas en el organismo normal
- Su deficiencia o ausencia ocasionan
O trastornos en el organismo
Son esenciales para efectuar diferentes funciones

S biológicas, entre otros:
- Fortalecimiento de la estructura ósea del
Minerales organismos
- Regulación de las funciones nerviosas,
musculares y de la coagulación
- Es esencial para la estructura de la hemoglobina
Esquema sobre los nutrimentos y sus funciones

FUENTE:
Eliozondo, L.; 2001

Anexo D
- Cereales
G
R - Tubérculos
U Energéticos - Frutos
P
O - Azúcares
S - Grasas
D
E - Leguminosas
A - Oleaginosas
L Proteicos - Carnes
I
M - Lácteos
E - Huevos
N
T
O - Frutas
S Reguladores - Verduras: Raíces, hojas
Esquema sobre los grupos de alimentos y sus principales fuentes

FUENTE:
Elizondo, L.; 2001

Anexo E
Principales alimentos en la nutrición del cerdo

FUENTE:
García, F.; 1981

Anexo F
ETAPAS PRODUCTIVAS DEL CERDO

Ingredientes
Gestación Lactancia Iniciación Crecimiento Engorde
Aceite de palma 0.90 3.07 0.00 6.70 5.96
Carbonato de calcio 0..87 1.17 1.35 0.00 0.00
Follaje de batata 20.00 20.00 0.00 15.00 150
Fosfato dicálcico 0.43 0.30 0.07 0.50 0.76
Maíz 0.00 0.00 8.24 2.38 8.06
Minerales trazas 0.05 0.05 0.05 0.05 0.05
Pescado 4.00 4.00 0.00 9.00 5.00
Pre mezcla de vitaminas 0.15 0.15 0.15 0.15 0.15
Raíz 63.00 48.00 49.40 50.00 50.00
Sorgo 0.00 0.00 8.24 0.00 0.00
Sebo 0.00 0.00 1.17 0.00 0.00
Soya 0.50 0.50 0.50 0.50 0.50
Sal 0.00 0.00 30.80 16.70 14.50
NOTA Estas dietas fueron balanceadas considerando energía digestible y balance de Aminoácidos por lo tanto cualquier
modificación en los ingredientes implica un nuevo balanceo.
Tabla sobre dietas elaboradas con materias primas alternativas de

acuerdo a la etapa productiva del cerdo.
FUENTE:
González, C.; Díaz, I. y Vecchionacce, H.; 2001

Anexo G
R A Z A S D E C E R D O S
CARACTE-
RÍSTICAS Hampshire Landrace Duroc-Jersey
Yorkshire
Larga y algo estrecha Longitud media Ligera y fina Esta es Pequeña, ancha
Cabeza mas alargada en los
cerdos jóvenes
Medianas, ligeramente Longitud media, Largas, finas y en Medianas, finas y

Orejas inclinadas hacia elevadas forma de visera, pero dirigidas hacia delante
delante y afuera sin cubrir los ojos
Negro con una franja Blanco Blanco Rojo oscuro

Pelaje blanca
Animales alargados en Cuello corto y grueso.

Cuello corto. Pecho Cerdos largos, anchos,
forma uniforme. Tronco largo, ancho y
ancho y profundo. profundos, con
Supera a la Yorkshire profundo. Piel blanca.
Espaldas anchas. apariencia maciza.
en precocidad y Espaldas
Puede aprovechar bien Cuello corto. Torax
rendimientos magros moderadamente anchas
el forraje verde. Macho profundo y ancho.
Elevada precocidad,
apreciado por su carne Posee buena alzada
gran rusticidad,
magra. Hembra cría Piel blanca. Espalda
Otras fecundidad y buena
camadas vigorosas. fina y ligera
cualidades producción lechera.
Buena para los cruces
Tabla sobre las principales características de cuatro razas de cerdos

FUENTE:
Germán, C.; Camacho, J. y Gallegos, J.; 2005

Anexo H
GUIA PARA LA CRIA DE CERDOS
ÍNDICES DE PRODUCCIÓN
- 1 Verraco por cada 15 madre
- 2.2 Partos por año
- 9 Lechones destetados
- 114-120 Días de gestación
- Verracos listos para el servicio a los 8 meses con 120 kg de peso y sólo 4 montas semanales
- Madres listas para la monta a los 8 meses con 100-110 kg de peso, un mínimo de 8 pares de
tetas, buenos aplomos y sanas
- Destetar los días jueves
- Para la monta se traslada la hembra al corral del macho evitando tratos bruscos
- Llevar registros: No de madres No de verracos Fecha de parto Posibles fechas de
repeticiones de celo
- Celo cada 18-21 días
- Servicio: Se deben dar por lo menos 2 montas con intervalos de 2 horas. Duración del celo 36
horas
MANEJO DEL LECHÓN RECIÉN NACIDO

- Las madres antes de parir deben desparasitarse 15 días antes de la fecha prevista del parto y
bañarse con agua jabonosa, incluyendo las tetas.
- Deben limpiarse y desinfectarse (cal. Creolina, yodo) los corrales o jaulas paritorias antes de
entrar la madre.
- Al nacer cada lechón se limpia y se retira las mucosidades de la nariz y la boca.
- A los lechones del primer día de nacidos:
1) Corte de colmillo
2) Corte de cola.
3) Corte y desinfección del ombligo.
4) Identificación.
5) Inyectar hierro.
6) Asegurarse que los lechones consuman calostro.
7) Mantener limpio y seco los paritorios y evitar las corrientes de aire.
8) Castrar los animales entre 7 y 15 días.
9) Destetar a los 30 días (Los días jueves).
10) El regulador de celo es el destete.
11) Al destetar retire la madre del cubículo.
12) Una semana luego del destete, desparasitar los lechones, aplicar vitaminas y vacunar
contra el cólera porcino y aftosa.
13) Repetir la desparasitación a los 21 días.
14) En caso de diarreas al destete, suministre suero por vía oral. Defina el origen de la
diarrea, si es bacteriana, parasitaria o nutricional y realice el tratamiento adecuado.
15) Limpie diariamente los corrales
16) Darle el alimento adecuado de acuerdo a su peso y edad.
FUENTE:
Rondón, A.; 1999

Anexo I
1 Sostener adecuadamente 2 Sostener de forma 3 Hacer la incisión

el animal (ver figura) apropiada el escroto
durante la operación (ver figura) antes de
la incisión
4 Extraer el testículo 5 Raspar el cordón que 6 Cortar el cordón

sujeta el testículo (raspado) para evitar
hemorragias
7 Cortar (de la misma 8 Retirar ambos testículos.

forma) el otro testículo Fin de la operación
Proceso de castración del cerdo

FUENTE:
Herrera, A.; 1988

Anexo J
1 Inyección subcutánea 2 Inyección intramuscular 3 Inyección intravenosa
• Forma de descolmillar el lechón
Tipos de inyecciones para cerdos y descolmillado del lechón

FUENTE:
Herrera, A.; 1988

Anexo K
PROBLEMAS DE FORMULACIÓN DE DIETAS
... A continuación presentamos un modelo específico de programación lineal para el problema de

formulación de dietas y revisamos si es aplicable la formulación ... Un análisis como éste es típico para
los problemas de programación lineal y se recomienda cuando se intenta describir una situación
compleja mediante un modelo lineal elemental. Los modelos de tales situaciones usualmente empiezan
como modelo simples, y usando las soluciones de estos modelos modestos como una base, el
investigador puede desarrollar modelos más reales. Para ilustrar este proceso describiremos
brevemente diversos ajustes al modelo de formulación de dietas los cuales tienden a hacerlo que se
apegue mejor a la situación a la situación de la vida real.
Históricamente, el problema de la dieta de Stigler, fue el primer problema de programación lineal

que se resolvió por el método simplex y era bastante largo y complejo. en este caso el problema era
determinar las cantidades que se debían comprar de 77 comidas para dar no sólo el costo mínimo, sino
también para satisfacer las necesidades mínimas de nueve elementos nutritivos, por ejemplo, vitamina
A, niacina y tiamina. Las compras resultantes debían formar la dieta completa para sostener a una
persona por un año. La formulación básica de programación lineal de este problema estaba en términos
de 9 ecuaciones y 86 variables, incluyendo las nueves variables de holgura. La solución final obtenida
por el método simplex era, por supuesto, una verdadera solución mínima. Sin embargo, puesto que el
procediendo simplex sólo considera soluciones básicas, únicamente nueve de los elementos posibles
estaban representados con un nivel positivo en la solución mínima, Así la dieta obtenida por los
métodos de la programación lineal consideraba la compra de cantidades variables de harina de trigo,
harina de maíz, leche en polvo, mantequilla de cacahuate, manteca, hígado de ternera, calabazas, papas
y espinacas a un costo de 39.67 dls (para el año 1939). La solución obtenida por Stigler usando un
procedimiento sistemático de tanteos sólo requería cinco alimentos, harina de trigo, leche en polvo,
calabazas, espinacas y alubias, a un costo de 39.93 dls. Tales dietas, aunque muy baratas, eran
ciertamente desagradables sobre cualquier período de tiempo y las elección de alimentos
justificacarían ampliamente al jefe de dietista de un campamento de trabajo forzados. Como Stigler
señala, “Nadie recomienda estas dietas (o sea, las dietas de costo mínimo verdaderamente) a ninguna
persona, mucho menos a todo el mundo”. También cita una dieta de bajo costo para 1939 la cual fue
formulada por un dietista y costaba 115 dls. La diferencia de costo se atribuía a la preocupación
lineal en las necesidades de sabor, variedad en la dieta y el valor en prestigio de ciertos alimentos.

122
Empezando con nuestra formulación básica, ¿cómo podemos modificar nuestro procedimiento o
modelo para satisfacer estas necesidades dietéticas adicionales?. En este caso tenemos una solución
correcta al problema como se planteó, pero sucede que esta solución correcta no es aceptable en
su ejecución. Para este defecto, podríamos buscar soluciones óptimas alternativas y formar diversas
combinaciones convexas de estas soluciones. De esta forma podríamos seleccionar una dieta que
incluyera más de nueve alimentos. O podríamos buscar entre las dietas que precedieron a la dieta de
costo mínimo con la esperanza de que una de ellas fuera aceptable. O bien, finalmente, podríamos
revaluar la formulación de programación lineal del problema para ver si realmente describe el
problema bajo investigación.
Para corregir las deficiencias inherentes en la solución al problema general es necesaria una
reformulación de este problema de programación lineal. El nuevo modelo no debe permitir más de
nueve alimentos en la solución mínima y también debe tomar en cuenta las preferencias del gusto
humano por ciertos alimentos. Estos alimentos se pueden introducir en el modelo por desigualdades las
cuales fuercen a que algunos alimentos están en la solución final, cuando menos en una cantidad
mínima. También debemos determinar ponderaciones de preferencia y añadirlas a los coeficientes de
costos correspondiente. Otro enfoque al problema general de formulación de raciones de dietas que
introducirá más variedad sería subdividir el problema en problemas de formulación más pequeños,
cada uno de los cuales sólo involucraría un solo tipo de alimentos. En este proceso de suboptimizar
podríamos tener el problema de seleccionar dietas de costo mínimo para verduras, o bien frutas, o
carnes, y la dieta compuesta sería una solución al problema general. En estos intentos de introducir
más realismo al problema, sufrimos un aumento correspondiente en el costo de la dieta resultante. Si el
problema se restringiera aún más, el costo, por , lo general aumentaría, y debe ser el investigador quien
determine el valor relativo de costo en dinero comparado con gusto y variedad.
Sin embargo, hay muchas situaciones en las que es aplicable la formulación de programación lineal
del problema básico de formulación de dietas. Estos problemas tienen que ver con mezclas de
alimentos con costo mínimo para animales de granja o bien con la mezcla de varios elementos, por
ejemplo, productos químicos o fertilizantes, para satisfacer necesidades mínimas a un costo mínimo ...
Referencia versada sobre los problemas de mezclas aplicados a las dietas

FUENTE:
Gass, S.; 1974

Balanceo de Raciones Cerdos PDF

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Balanceo de Raciones Cerdos PDF

Cargado por

Copyright:

Formatos disponibles

UNIVERSIDAD NACIONAL ABIERTA

“FORMULACIÓN DE UN PROBLEMA DE PROGRAMACIÓN

Trabajo de grado presentado ante la

SÓLO PARA FINES ACADÉMICOS Y EDUCATIVOS

“FORMULACIÓN DE UN PROBLEMA DE PROGRAMACIÓN

Autor: Br. Edgar Márquez. C.I. 8.651.099

SÓLO PARA FINES ACADÉMICOS Y EDUCATIVOS

SÓLO PARA FINES ACADÉMICOS Y EDUCATIVOS

ÍNDICE GENERAL (Continuación)

Capítulo V: Conclusiones y Recomendaciones..................................................... 110

SÓLO PARA FINES ACADÉMICOS Y EDUCATIVOS

TABLA Nombre de la tabla Página

2 Intervalos genéricos de tendencias de la conversión de los

3 Estructura genérica de composición porcentual, monetaria,

4 Niveles económicos del costo-eficaz..................................................... 48

5 Costo ración genérico de las raciones basal, alternativa y alternativa’

6 Costo-efectividad genérico de las raciones basal, alternativa,

7 Niveles de reducción de costo en q etapas............................................ 52

8 Ingredientes estándar y alternativo, y etapa productiva del cerdo de

9 Energía metabolizable y composición porcentual de los nutrientes de

10 Estructura de composición porcentual de raciones experimentales

11 Estructura de composición porcentual, monetaria, energética y de

12 Intervalos de tendencias lineales de las conversión alimenticia de los

13 Estructura de composición porcentual, monetaria, conversión

14 Estructura de composición porcentual de raciones experimentales

SÓLO PARA FINES ACADÉMICOS Y EDUCATIVOS

ÍNDICE DE TABLAS (Continuación)

TABLA Nombre de la tabla Página

16 Intervalos de tendencias lineales de las conversión alimenticia de los

17 Estructura de composición porcentual, monetaria, conversión

18 Estructura de composición porcentual de raciones experimentales

19 Estructura de composición porcentual, monetaria, energética y de

20 Intervalos de tendencias lineales de las conversión alimenticia de los

21 Estructura de composición porcentual, monetaria, conversión

22 Estructura de composición porcentual, monetaria, energética y de

23 Intervalos de tendencias lineales de las conversión alimenticia de los

24 Estructura de composición porcentual, monetaria, conversión

25 Costo ración de las raciones basal, alternativa y alternativa’ por etapa

26 Costo-efectividad de las raciones basal, alternativa, alternativa’ y

SÓLO PARA FINES ACADÉMICOS Y EDUCATIVOS

ÍNDICE DE TABLAS (Continuación)

TABLA Nombre de la tabla Página

28 Primera y última tabla Simplex genérica en la forma matricial............. 144

29 Tabla Simplex inicial para la aplicación del método Simplex en un

30 Tabla Simplex en un problema de maximización.................................. 146

32 Preparación de la tabla Simplex para la Fase I del método de las dos

34 Preparación de la tabla Simplex para la Fase II del método de las dos

38 Preparación de la tabla Simplex para la Fase I del método de las dos

42 Tabla Simplex final de la Fase I de un caso de ecuaciones redundantes 157

SÓLO PARA FINES ACADÉMICOS Y EDUCATIVOS

ÍNDICE DE TABLAS (Continuación)

TABLA Nombre de la tabla Página

44 Tabla Simplex de un caso de múltiples soluciones óptimas................... 159

45 Tabla Simplex de un caso de soluciones degeneradas............................ 161

46 Tabla Simplex de un caso de soluciones degeneradas con solución

47 Tabla Simplex final de la Fase I de un caso de soluciones inexistentes. 163

FIGURA Nombre de la figura Página

2 Proceso para determinar el costo-efectividad de la ración alternativa

3 Representación esquemática de la tabla de composición de raciones

4 Proceso para determinar el costo-efectividad de la ración alternativa

5 Pantalla inicial LINDO 169

6 Pantalla de LINDO mostrando la ventana con la formulación del

SÓLO PARA FINES ACADÉMICOS Y EDUCATIVOS