VARIABLES DE DECISIÓN

Se debe comenzar definiendo las variables de decisión relevantes. En un modelo de

programación lineal las variables de decisión deben ser capaces de describir
completamente las decisiones que puedan ser tomadas y todas las variantes que existan.

Antes de definir las variables de decisión es importante definir las unidades

involucradas en el problema. En este caso, se habla de unidades de sillas y mesas, de
horas de trabajo por unidad y de demanda semanal. De acuerdo a ello, una buena opción
para definir las variables de decisión consiste en asociar las variables al número de
unidades de sillas y mesas a producir por semana.

Por lo tanto, podemos definir:

x1 = número de mesas producidas por semana.

x2 = número de sillas producidas por semana.

FUNCIÓN OBJETIVO

En un problema de LP, se debe tomar la decisión de maximizar (usualmente las

utilidades) o de minimizar (usualmente los costos) cierta función de las variables de
decisión. La función a maximizar o minimizar se denomina función objetivo. Antes de
formular el modelo matemático conviene resumir los datos del problema (Cuadro 1.1).

En el ejemplo, los costos e ingresos no dependen del valor de x1 o de x2, por lo tanto,
basta concentrarse en maximizar la diferencia entre:

(ingresos semanales) – (costos de materiales) – (costos de mano de obra)

Luego, se debe expresar los términos anteriores en función de las variables de decisión
x1 y x2. Supondremos que todas las sillas y mesas fabricadas son vendidas (respetando
las condiciones de mercado del enunciado). Así:

(ingresos semanales) = (ingresos por mesas) + (ingresos por sillas)

 $ mesas
= ( mesa ) ( semana ) + ( silla$ ) ( semana
sillas
)
= 27000 x1 + 21000 x2

Similarmente:

(costos por materiales) = 10000 x1 + 9000 x2

(costos por mano de obra) = 14000 x1 + 10000 x2

Por lo tanto, la función a maximizar queda (en miles):

(27x1 + 21x2) − (10x1 + 9x2) − (14x1 + 10x2) = 3x1 + 2x2

Otra opción para construir la función objetivo consiste en calcular previamente los
ingresos netos o utilidades de cada uno de los productos de la mueblería. Así:

utilidad por mesa = 27 − 10 − 14 = 3

utilidad por silla = 21 − 9 − 10 = 2

Así, el objetivo de la mueblería es escoger los valores de x1 y x2 tal que se maximice

3x1 + 2x2. Denotando por z el valor de la función objetivo para cualquier LP, la función
objetivo de la mueblería es:

Maximizar z = 3x1 + 2x2

El coeficiente que acompaña a cada variable en la función objetivo se denomina

coeficiente en la función objetivo de la variable y refleja el aporte unitario de dicha
variable a la función objetivo.
RESTRICCIONES

En la medida que las variables x1 y x2 crecen, la función objetivo aumenta su valor. Por
lo tanto, si se pudiera escoger arbitrariamente el valor de x1 y x2, la mueblería podría
hacer crecer arbitrariamente el valor de sus utilidades. Evidentemente, en la práctica
esto no es posible. En este ejemplo, el valor de las variables está limitado por las
siguientes tres restricciones:

Restricción 1: máximo 100 horas semanales para terminaciones

Restricción 2: máximo 80 horas semanales para carpintería

Restricción 3: producción máxima de 40 sillas semanales

Se asume que la cantidad disponible de material es ilimitada. Luego, el próximo paso

consiste en formular matemáticamente las restricciones anteriores en función de las
variables de decisión. Para formular la primera restricción en función de las variables x1
y x2 observamos que:

( terminaciones
semana ) (
=
terminaciones
mesa
mesas
) ( semana ) + ( terminaciones
sillas
sillas
) ( semana )
= 2x1 + 1x2

Por lo tanto, la primera restricción queda: 2x1 + x2 ≤ 100

Es importante notar que todos los valores en la expresión anterior son por semana, ya
que las variables de decisión se han escogido con esa referencia.

Análogamente la segunda restricción queda: x1 + x2 ≤ 80

Finalmente, la tercera restricción solo limita el valor de x2: x2 ≤ 40

El valor que aparece a la derecha del signo de la desigualdad en cada restricción se

denomina the constraint’s right-hand side (rhs) o coeficiente del lado derecho de la
restricción. Usualmente, representa la cantidad disponible de cierto recurso.

RESTRICCIÓN DE SIGNO

Para completar la formulación del modelo es importante definir si existe alguna

restricción de signo para cada variable de decisión.
Si una variable de decisión xi debe cumplir condiciones de no-negatividad, debemos
agregar la restricción xi ≥ 0. Si la variable de decisión xi puede asumir valores positivos
y negativos se dice que la variable xi no tiene restricción de signo (srs).

En este ejemplo, ambas variables de decisión se refieren a cantidades a producir, por lo

tanto, son no-negativas, luego: x1 ≥ 0 y x2 ≥ 0. Sin embargo, en otros ejemplos las
variables pueden ser srs, por ejemplo, en el caso de que xi se refiere al saldo de alguna
cuenta.

Combinando todas las expresiones anteriores, es posible completar el modelo

matemático para este problema de optimización:

Max z = 3x1 + 2x2 (Función Objetivo)

sujeto a (st)

2x1 + x2 ≤ 100 (Restricción de terminaciones)

x1 + x2 ≤ 80 (Restricción de carpintería)

x2 ≤ 40 (Restricción de demanda máxima)

x1 ≥ 0 (Restricción de signo)

x2 ≥ 0 (Restricción de signo)

Se deja como ejercicio al lector determinar las modificaciones sobre el modelo anterior
si:

 El excedente de horas de terminaciones puede ser empleado para carpintería y

viceversa.
 La misma hipótesis del punto anterior, pero suponiendo que cada hora de
terminaciones equivale a dos horas de carpintería.
 La producción de mesas no puede exceder al 40 % del total de unidades
producidas de mesas y sillas.