Modelamiento de Sistemas

Método Gráfico

El objetivo del curso no es que ustedes aprendan a manejar el método

gráfico, sino que entiendan lo que hace para posteriormente
comprender, de modo más abstracto, cómo funciona el software.

El método gráfico trata de encontrar la solución óptima y los valores

óptimos. Los valores óptimos son los valores de las variables del
modelo: si yo tengo variables de x cantidad de producto 1, 2 y 3, la
solución óptima será: ¿Cuánto tengo que hacer de cada uno de ellos?
Y el valor óptimo será: ¿Cuál es el valor de la función objetivo cuando
llegue a esos valores óptimos? Valor óptimo se llama a “los valores
óptimos puestos en la función objetivo”.

El método gráfico nos permite resolver modelos muy pequeños, de dos

variables, y, por ello, es poco probable que lo apliquemos, pero
conocerlo nos ayudará a interiorizarnos con la forma en que trabaja el
software.

¿Qué significa resolver un modelo matemático? Básicamente, es

encontrar el valor de las variables de cuántos productos vamos a hacer
o cuántos servicios vamos a suministrar. Cuando produzcamos esos
valores de productos, el valor de la función objetivo será la solución
óptima. Matemáticamente, podemos decir que la solución óptima es la
solución de las variables en el óptimo, y el valor óptimo es el valor de
nuestra función objetivo cuando ponemos los datos de la solución
óptima.

¿Cómo se aplica el método gráfico? Es un método de cuatro pasos

fundamentales, pero necesitamos conocimiento de geometría: cómo
graficar una inecuación, cómo graficar un plano, entre otros. Entonces,
el paso uno será graficar las restricciones: si yo tengo sólo dos
variables, es muy posible que tenga 3x1+2x2 ≤ 10. Ésa es una
inecuación que debo graficar en el plano x-y.

Instituto | Salud y Futuro

Instituto de Políticas y Gestión Salud y Futuro.
 Modelamiento de Sistemas

Para graficar esta inecuación, lo primero que debemos hacer es

transformarla en igualdad de menor o igual. Eso es una recta que, al
trazarla, va a dividir el primer cuadrante del plano en dos: si es menor o
igual, será aislado donde está el cero, y si es mayor o igual, hacia el
otro lado. Así, iremos escribiendo y graficando cada restricción.

Si tenemos una segunda restricción, la ubicaremos encima e

intersecaremos los puntos que cumplan la primera restricción. Si
ponemos otra, necesitaremos los puntos que cumplan las dos
restricciones y, si ponemos una tercera, una cuarta o una quinta,
entonces iremos delimitando una región de puntos que cumplan todas
las restricciones a la vez. A eso se le denomina “soluciones factibles”, y
nosotros la llamaremos “región factible”.

Una vez que encontremos la región factible como intersección de esas

restricciones, tendremos delimitados los puntos sobre los cuales es
posible que exista la solución óptima. Entonces, la solución óptima la
determinará la función objetivo.

El paso tres será dibujar una de las rectas de la función objetivo. Si

nosotros denominamos a nuestra función objetivo “maximizar
utilidades”, la podemos llamar z=4x1+3x2. Cuatro dólares por cada
unidad utilidad del x1 y 3 dólares por cada unidad de x2; entonces, ya
formamos función utilidad. Ése es un conjunto de rectas y, lo que
hacemos, es dibujar una. ¿Cómo lo hacemos? Dándole un valor fijo a
z. Si z es 10, ponemos 10=4x1+3x2 y resolvemos. Ésa es una de las
infinitas rectas que forman la función objetivo, porque la función
objetivo es libre y se moverá sobre la región factible, y buscará cuál es
el punto que maximiza o minimiza según lo que le hayamos pedido.

El primer paso es dibujar las restricciones, unas sobre otras. El

segundo paso es delimitar la región factible. El tercer paso es dibujar
una de las rectas de la función objetivo, que se irá moviendo a lo largo
de toda la región factible, y su punto final estará a razón de lo que pida
la función objetivo.

Si tenemos una recta que se mueve y va aumentando de valor,

tendremos que ir hacia el último punto que nos permita la región
factible. Recuerden que los puntos posibles de producción son la

Instituto | Salud y Futuro

Instituto de Políticas y Gestión Salud y Futuro.
 Modelamiento de Sistemas

región factible. Entonces, nuestra recta se irá moviendo hacia el último

punto, el máximo, o se moverá hacia el primer punto, el mínimo. Eso
es lo que hace un sistema de optimización: establece cuáles son los
puntos factibles y sobre ellos calcula la función objetivo.

El software, por su parte, establece, sin uso de la recta, cuáles son los
puntos de la región factible y rápidamente los calcula y determina cuál
es el máximo o el mínimo, según lo que le estemos pidiendo.

El punto que determina esta recta en movimiento en máximo o mínimo

se llama solución óptima. En el método gráfico, ésta siempre estará en
uno de los vértices de la región factible. Al ser vértice, es el cruce de
dos restricciones, de dos rectas, por lo que podremos encontrarlo
algebraicamente. Con el método algebraico encontraremos el valor de
x1 y x2, y los reemplazaremos en la función objetivo para obtener el
valor óptimo.

Lo importante de estas soluciones, sean gráficas o en software, no sólo

es obtener la solución óptima y el valor óptimo, sino, también,
conseguir toda la información posible acerca del sistema de
operaciones. Es importante conocer qué tipo de restricciones tenemos
y cuáles son las que realmente limitan la producción. Nuestra solución
óptima estará limitada siempre por las restricciones de aquello que se
acaba, ya que cuando algo se acaba, ya no podemos producir más,
incluso si aún tenemos de lo otro.

A aquello que se acaba lo llamamos “restricciones activas”, y a lo que

sobra, la holgura o el excedente, estas restricciones se llaman
“restricciones inactivas”.

Si una restricción inactiva es menor o igual, será una “holgura”. Esto

quiere decir que existía una disponibilidad y que usamos menos, lo que
generó una diferencia con el material que se acabó, y que ahora
representa una restricción activa. Este material de sobra podemos
mandarlo a otra planta, descontarlo de la compra del siguiente mes, o
incluso usar el dato para mejorar costos.

El “excedente”, por su parte, ocurre cuando nos sobrepasamos a un

límite inferior. Por ejemplo, cuando nos dicen que en las pastas de

Instituto | Salud y Futuro

Instituto de Políticas y Gestión Salud y Futuro.
 Modelamiento de Sistemas

dientes debe haber por lo menos un 10% de flúor, nosotros podemos

hacer una mezcla donde resulte que en el óptimo usamos 12%, y no
10. Está bien, estamos cumpliendo la norma, pero hay un excedente
de 2%, que incluso podemos usar en publicidad y decir que “nuestra
pasta contiene 2% más de flúor que las otras”.

Cuando optimizamos hay una única solución: el óptimo. Pero hay

ocasiones en las que existen soluciones infinitas: cuando la función
objetivo es paralela a una de las restricciones activas y, al moverla, no
logramos tocar el último punto, sino que un último segmento, donde
hay infinitas soluciones. También existen otras soluciones en las que
hay problemas no acotados: cuando a nuestra región factible le falta
una de las etapas. Entonces, si nos piden el mínimo y está acotado, lo
encontramos, pero si nos piden el máximo, no lo encontramos.
Después hay problemas no factibles, cuando no encontramos región
factible, y entonces, ese problema no tiene solución definitiva. Cuando
trabajamos situaciones reales, a veces es conveniente hacer todo lo
necesario para llegar a una solución infinita, de modo que existan
varias opciones de producción sin afectar la utilidad o el valor de la
función objetivo.

También podemos hacer un análisis de sensibilidad de los modelos de

programación lineal. Por ejemplo: ¿Qué sucede si se pierde
disponibilidad de alguna restricción inactiva? Si tenemos reservas de
una materia prima en almacén y después nos damos cuenta que las
fechas han vencido y no la podemos usar, tendremos que dilucidar qué
sucederá con el modelo. Si ese margen que se ha estropeado es
cubierto por la holgura, entonces no hay problema, pero si sobrepasa
la holgura, la restricción se vuelve activa.

Ésa es la información que nos sirve para gestionar mejor,

apartándonos un poco del óptimo que, como hemos dicho, es un
utópico, un ideal. En lugar de eso, debemos enfocarnos en la
información que nos dice cuáles son nuestras restricciones activas. Por
ejemplo, si nosotros vemos que la utilidad máxima es un monto,
debemos preguntarnos cómo llegamos a ese monto y por qué la
disponibilidad de un recurso no permite que nos movamos más. Pues
si nosotros incrementamos ese recurso, lógicamente podremos
aumentar la utilidad de la empresa. Entonces, lo importante del análisis

Instituto | Salud y Futuro

Instituto de Políticas y Gestión Salud y Futuro.
 Modelamiento de Sistemas

de sensibilidad, es que nos entrega conocimiento acerca de qué tipo

de restricciones tenemos, y de cuáles son activas o inactivas, lo que
nos faculta para tomar mejores decisiones de gestión.

¿Qué cambios afectan el modelo y sus resultados?

Básicamente, cambios en los coeficientes de la función objetivo. Esa

utilidad unitaria ha sido calculada como un precio de venta menos un
costo de venta. Los costos a veces son de variables cuyos precios son
manejados por el exterior. En ocasiones hay movimientos económicos,
que no están a nuestro alcance, que nos afectan y que no podemos
manejar. Lo mismo ocurre con las cantidades de recursos disponibles,
ya que a veces algo pasa y en lugar de tener cien unidades, tenemos
ochenta.

Hay cambios en los que no tenemos mayor influencia, por lo tanto,

debemos preocuparnos de cómo afectan esos cambios a los
resultados del modelo. La sensibilidad también nos puede ayudar, ya
que nos permite establecer rangos para los coeficientes de la función
objetivo y para el monto de recursos disponibles, en los que se
conserva alguna propiedad del modelo que nos conviene que se
mantenga.

Instituto | Salud y Futuro

Instituto de Políticas y Gestión Salud y Futuro.