Correccion de Corte

TECNOLÓGICO NACIONAL DE MÉXICO
Instituto Tecnológico de Toluca
UNIDAD lI
MINIMIZACIÓN DE MERMA EN EL AREA DE CORTE DE ROLLOS DE

FOTOLITOS PARA LA PRODUCCIÓN DE PELICULAS
C A R R E R A:
Ingeniería en Logística
P R E S E N T A:
Díaz Leal Nuñez Titania Yamile
Hernández Morales Jaqueline Lisset
D O C E N T E:
Bernal Velázquez Vanessa
N O. C O N T R O L:
16280519
16280619
Metepec, Estado de México, a 24 de febrero de 2020.
Tecnológico S Av. /N, Col. Agrícola Bellavista, C.P. 52149,

Metepec, Estado de México. Tels. Dirección (01722) 208 7205, Subd. Académica 208 7207,
Subd. de Planeación 208 7206, Subd. Administrativa 208 7208, Conmut. 208 72 00
e-mail: info@toluca.tecnm.mx, www.tecnm.mx.
1
Agradecimientos
Agradecemos al Grupo Roulle quienes nos brindaron todo su apoyo y confianza en el
desarrollo de este trabajo y por la disposición y el apoyo con la información proporcionada
para la realización de esta investigación.
2
Resumen
En el presente trabajo de tesis se realiza un Análisis Situacional en el negocio de Grupo Roulle
haciendo uso de la metodología del Enfoque Sistémico o Enfoque de Sistemas.
El análisis Situacional nos brinda información que sirve de guía para enfocar la realidad del
negocio. Luego de realizar un análisis minucioso de todos los subsistemas de la institución, se
determina que el negocio cuenta con un serio problema de baja rentabilidad económica que
debe resolver; continuando con el Análisis de los procesos internos, se logra identificar que la
causa principal que genera este problema es el mal procedimiento que utiliza el negocio para
realizar los cortes de rollos de película que se utilizan como insumo principal en el proceso de
producción.
Para resolver el problema se utiliza la Programación Lineal que permite construir un Modelo
Matemático que describe el problema y para cuya solución utilizamos el Método Simplex que
permite obtener la solución óptima que permitirá solucionar el problema y por ende mejorar la
situación del negocio.
Finalmente, se propone este modelo de solución el cual remplazará la metodología actual que
realiza el negocio, y se recomienda su pronta implementación, para poder favorecer su
mejoramiento.
3
Abstrac
In this thesis work, a Situational Analysis is carried out in the Roulle Group business, using
the Systemic Approach or Systems Approach methodology.
The Situational analysis provides us with information that serves as a guide to focus the reality
of the business. After making a thorough analysis of all the institution's subsystems, it is
determined that the business has a serious problem of low economic profitability that must be
solved; Continuing with the Analysis of the internal processes, it is possible to identify that the
main cause that generates this problem is the bad procedure that the company uses to make the
cuts of film reels that are used as the main input in the production process.
To solve the problem, Linear Programming is used to build a Mathematical Model that
describes the problem and for whose solution we use the Simplex Method that allows us to
obtain the optimal solution that will solve the problem and therefore improve the business
situation.
Finally, this solution model is proposed, which will replace the current methodology carried
out by the business, and its early implementation is recommended, in order to favor its
improvement.
4
Introducción
El Negocio de GRUPO ROULLE, se ha ganado un lugar en el mercado local, con el fin de
seguir brindando un buen servicio gráfico a sus clientes; para ello el negocio busca siempre un
mejoramiento continuo en el proceso de producción de bienes y servicio que ofrece.
El Análisis de Sistemas permite tener una descripción clara del negocio y sus necesidades,
permitiendo identificar sus principales problemas, las causas y los efectos que estos puedan
tener en el futuro. Y con este fin, realizaremos en el negocio, el estudio de su sistema de
impresión de fotolitos.
Para enfocar el problema se utiliza la metodología de la Teoría de Sistemas, la cual permitirá
definir el espacio de estudio y de esta manera determinar cuáles son las actividades o
procedimientos que se encuentran comprometidos en el estudio y poder identificar las
variables asociadas a estas actividades; para complementar el estudio se hace uso de la
metodología del Enfoque de Sistemas que permitirá alimentar de información necesaria al
estudio, además de poder realimentar y posteriormente hacer retroalimentación de información
necesaria que permitirá describir perfectamente el problema. Finalmente, utilizando la
Metodología de Programación Lineal se construye un modelo matemático, y para obtener la
solución óptima al modelo se utiliza el Método Simplex.
Utilizando de esta manera diversas herramientas de la Investigación Operativa se realizará la
evaluación y se obtendrá un diagnóstico del sistema, construyendo modelos matemáticos que
plantea la solución a sus problemas.
5
Índic
Caratula...................................................................................................................................1
Agradecimientos.....................................................................................................................2
Resumen..................................................................................................................................3
Abstrac....................................................................................................................................4
Introducción............................................................................................................................5
Índice.......................................................................................................................................6
Índice de tablas....................................................................................................................7
Índice de ecuaciones............................................................................................................8
Índice de ilustraciones.........................................................................................................9
Parte I: Generalidades...........................................................................................................10
1.1 Antecedentes del problema.........................................................................................10
1.2 Descripción del problema............................................................................................11
1.3 Objetivos.....................................................................................................................13
1.4 Hipótesis o supuestos..................................................................................................14
1.5 Justificación.................................................................................................................15
II Marco Teórico...................................................................................................................17
2.1. Antecedentes del tema................................................................................................17
2.2. Desarrollo teórico.......................................................................................................19
6
2.3. Marco referencial o contextual...................................................................................23
2.4 Programación Entera...................................................................................................27
2.5 Métodos de Solución para problema de Programación Lineal....................................29
2.6 Tipos de cortes.............................................................................................................50
2.7 Solver en Excel...........................................................................................................51
III. Metodología....................................................................................................................53
3.1 Población o universo/ muestra....................................................................................53
3.2 Tipo de estudio............................................................................................................53
3.3 Descripción del instrumento........................................................................................54
3.4 Procedimiento de recolección de datos.......................................................................54
3.4.1 Diseño de la investigación........................................................................................55
3.5. Procedimiento de manejo estadístico de la información............................................59
3.5.1 Calculo de nivel de merma para rollos de películas en maquina “1” (76 cm de
ancho y una maquina “2” (35 cm de ancho).....................................................................60
3.5.2 Corte de fotolito........................................................................................................63
3.6 Modelo y experimentación..........................................................................................65
3.6.1 Modelo de solución de cortes...................................................................................66
Parte IV. Resultados obtenidos y discusión..........................................................................69
4.1 Solución por Excel herramienta adicional (solver).....................................................72
4.1.1 Para activar las herramientas adicionales de Excel:.................................................73
7
Resolución del problema...................................................................................................74
IV CONCLUSIONES Y RECOMENDACIONES..............................................................78
Bibliografía...........................................................................................................................79
Índice de tablas
Tabla 1 SIMPLEX................................................................................................................29
Tabla 2 INICIAL SIMPLEX.................................................................................................32
Tabla 3 Encontrar los coeficientes de la nueva tabla............................................................34
Tabla 4 Solución en proceso.................................................................................................35
Tabla 5 variable de holgura...................................................................................................35
Tabla 6 Construcción de la primera tabla.............................................................................38
Tabla 7 FASE I.....................................................................................................................40
Tabla 8 Reducción de coeficientes........................................................................................41
Tabla 9 El método simplex normal.......................................................................................42
Tabla 10 variable...................................................................................................................42
Tabla 11 Operando análogamente.........................................................................................43
Tabla 12 Fase 1 solución inicial............................................................................................44
Tabla 13 Coeficientes............................................................................................................44
Tabla 14 Elemento pivote.....................................................................................................45
Tabla 15 recopilación de cortes............................................................................................55
Tabla 16 Ejemplo de corte...................................................................................................56
Tabla 17 Merma de rollo “1”................................................................................................57
8
Tabla 18 Merma de rollo Sigma...........................................................................................58
Tabla 19 material ocupado....................................................................................................59
Tabla 20 Merma total............................................................................................................60
Tabla 21posibles casos..........................................................................................................61
Tabla 22 METODO SIMPLEX1..........................................................................................66
Tabla 23 modelo simplex 2...................................................................................................66
Tabla 24 modelo simplex 3...................................................................................................66
Tabla 25 Modelo simplex final.............................................................................................67
Tabla 26Solucion optima......................................................................................................72
Índice de ecuaciones
Ecuación 1 inecuación lineal.................................................................................................19
Ecuación 2 restricciones........................................................................................................21
Ecuación 3 función objetivo.................................................................................................22
Ecuación 4 SUJETO A.........................................................................................................27
Ecuación 5 función de minimización....................................................................................62
Ecuación 6restriccio para sa: a..............................................................................................62
Ecuación 7restriccion para sa: b............................................................................................62
Ecuación 8 no negatividad....................................................................................................63
Ecuación 9Modelo final de programación............................................................................63
Ecuación 9Modelo final de programación............................................................................64
Índice de ilustraciones
9
Ilustración 1 ubicación GRUPO ROULLE...........................................................................17
Ilustración 2 Stock de tubos de 2 metros de longitud...........................................................49
Ilustración 3 Ordenes de tubos de 30 y 60 cm de longitud...................................................49
Ilustración 4 Posibles patrones de cortes..............................................................................49
5 Diafragmara Ishikawa análisis de niveles de producción..................................................54
6 Comparación de insumos...................................................................................................55
7 Comparación de sueldos....................................................................................................55
8 Flujo grama de procesos....................................................................................................57
Ilustración 9 solver1..............................................................................................................72
Ilustración 10 solver 2...........................................................................................................72
Ilustración 11 solver 3...........................................................................................................73
Ilustración 12 acomodamiento de datos................................................................................73
Ilustración 13 acomodamiento para solver...........................................................................74
Ilustración 14 Datos..............................................................................................................74
Ilustración 15 Cuadro solver.................................................................................................75
Ilustración 16 Resolución solver...........................................................................................75
Parte I: Generalidades
10
1.1 Antecedentes del problema
Con el objetivo de minimizar la situación de desperdicio de merma, se realizó el presente
estudio, realizándose el análisis e identificándose la causa del problema, se empieza a indagar
sobre estudios anteriores, y debido a que en el negocio no se había realizado estudio similar de
control de insumos, se debía empezar de cero y poder sentar un precedente para trabajos
posteriores.
Se puede encontrar diversos estudios realizados por profesionales de ingeniería industrial en
imprentas, trabajos sobre Modelos de Programación Lineal para cortes de Bobinas de papel, lo
que se puede tomar como referencia o similar, ya que estos modelos de cortes de papel se
asemejan a los cortes de rollos de fotolitos que se tiene como parte del proceso de producción
de películas.
En contraste a lo antes mencionado se conoce que no existen trabajos anteriores realizados en
el negocio, ya que todo se ha realizado de forma tradicional.
Es así como el presente estudio muestra un campo de desarrollo profesional en el cual como
Investigadores Operativos se puede contribuir aportando conocimientos que favorezcan el
buen funcionamiento del Sistema de Producción de este Rubro.
1.2 Descripción del problema.
GRUPO ROULLE, participa en el mercado local como vendedor y/o proveedor de fotolitos, lo
cual el mejoramiento continuo es esencial para ofrecer a sus clientes un producto de calidad
acorde a la tecnología actual.
11
El negocio, actualmente tiene una capacidad de producción de 12 Rollos de película en
formato 76 cm de ancho y 6 rollos de película de formato 35 cm de ancho por mes. Se realizó
un análisis, en el cual se identificó la causa principal que hace que los costos de producción
sean altos, encontrándose que el proceso de cortes de rollos de películas no era el adecuado,
pues se adquieren rollos de película de 3.5 metros de largo, y se necesitan rollos de 76 y 35 cm
para trabajar en la producción de fotolitos.
La mala práctica de este proceso de cortes de rollos conlleva un alto nivel de mermas y a su
vez un alto costo de producción de estos. Entonces se deduce que el problema encontrado es el
alto nivel de merma o desperdicio que se obtienen en el proceso de cortes de película para la
producción de fotolitos, por lo cual es necesario identificar un modelo matemático que permita
optimizar este proceso.
Dado que no existe en la empresa un procedimiento adecuado para realizar de manera óptima
estos cortes, es necesario formular un modelo que permita optimizar estos cortes, para poder
obtener un mínimo de desperdicio de rollos de película y poder mantener estándares mínimos
de mermas en la producción, y así minimizar los costos de producción obteniendo una mejor
utilización de los recursos.
Con ello nos vemos ante un problema de Programación Lineal, donde nuestra Función
objetivo es la de minimizar los desperdicios de los cortes, contamos con restricciones de
tamaño y cantidad promedio de consumo por mes de cada tipo de rollos; y en el desarrollo del
modelo se describirán las variables y demás componentes de este modelo.
12
1.3 Objetivos
Objetivo General
Desarrollar un Modelo de Programación Lineal que permita optimizar estos procesos, para
poder obtener un mínimo de desperdicio.
13
Objetivo Especifico
● Conocer cuál es el proceso que involucra toda la producción.
● Saber cuál es el rendimiento de los insumos en la producción y por ende obtener los niveles
de desperdicio.
● Obtener un modelo de Programación Lineal que se ajuste a las necesidades de cortes
actuales.
14
1.4 Hipótesis o supuestos
Mediante el método de dos fases y con la comprobación en Solver se muestran resultados
confiables para la minimización de la merma en el proceso de corte de rollos de fotolito en el
área de impresión.
Ho: Se muestra una disminución bajo el 10 % en merma, en todo el proceso de corte de rollo
de fotolitos.
Hi: Se muestra una disminución abajo del 50% en merma, es diferente para al menos un de
proceso de corte de rollo de fotolitos.
15
1.5 Justificación
Esta investigación es de gran importancia pues busca a través de los conceptos fundamentales,
disminuir la cantidad de merma mediante criterios y sugerencias; esta investigación se llevará
a cabo a través de un análisis interno del negocio.
Además, teniendo en cuenta los datos encontrados en esta investigación y observando los
resultados arrojados por dicho trabajo, se desarrollarán sugerencias que permitan el desarrollo
eficiente del negocio en relación de su proceso de corte de rollos
Se realizará un estudio que permita solucionar los problemas, con el único fin de poder
optimizar los procesos y así obtener mayor rentabilidad para la organización. Sustentando los
resultados en que la programación lineal es una poderosa herramienta que brinda soluciones
factibles para este tipo de modelos matemáticos.
El desarrollo del presente proyecto trae consigo grandes beneficios para el negocio, ya que
GRUPO ROULLE, podrá contar con un modelo matemático que le permita estandarizar sus
procedimientos de cortes de rollos de película, por ende, resulta una optimización en el uso de
este recurso, se garantizará reducción en los niveles de desperdicio y en consecuencia la
reducción en los costos de producción, con lo que estaría alcanzando un mejoramiento
potencial en una disminución de merma.
Esta investigación se realizará con el único fin de minimizar el desperdicio en el proceso de
impresión de fotolitos.
La mayoría de los problemas en el mundo real tienen varias soluciones y algunos tienen
infinitas soluciones. El propósito de la optimización es encontrar o identificar la mejor
16
solución posible, entre todas las soluciones potenciales, para un problema dado, en términos
de algún o de algunos criterios de efectividad o desempeño.[ CITATION Ord14 \l 2058 ]
17
II Marco Teórico
2.1. Antecedentes del tema.
Modelo de Programación Lineal Aplicado a una Empresa PYME de Calzado
El objetivo de este estudio es aplicar el método de programación lineal en la maximización
de la utilidad de una fábrica de calzados (PYME), la empresa en la cual se realiza el estudio
es GA la cual se dedica a la fabricación de calzado principalmente para hombres. En este
caso, el estudio se enfoca en cuatro de sus principales productos para hombre, estos son:
zapatos Trekking, zapatos deportivos, zapato casual y zapato urbano. Una vez hecho el
análisis se pudo saber en qué tipos de calzado la empresa debe tomar decisiones para que se
haga posible la maximización de las utilidades.[ CITATION Dav09 \l 2058 ]
Aplicación de la Programación Lineal para la Maximización de Utilidades de la Empresa
Novedades e Importaciones ElSA I.R.L
Importaciones ELSA de los productos que distribuye y comercializa en su local principal,
ubicada en la Galería Comercial Coronel Mendoza, ante la demanda anual estimada, en este
caso de hallada anualmente a través de los registros históricos de la empresa. Se analiza la
tienda principal porque es aquí donde se realizan las ventas más amplias en el rubro de
ventas al detalle, cuenta a la ves con dos tiendas más en otras galerías de la ciudad pero no
tienen el mismo nivel de ventas que está; el problema que surge es determinar la cantidad
de productos y la mezcla de los mismos a venderse en la tienda principal de ventas al
detalle maximizando la utilidad correspondiente y considerando los niveles históricos de
ventas, la cantidad de espacio disponible en el almacén, el presupuesto de compras y las
políticas de la empresa para sus ventas y compras anuales, teniendo en cuenta que las
18
unidades de producto vendidas al detalle son la utilidad básica de venta menos los costos
operativos. Se llegó a una solución óptima utilizando una variación de la programación
lineal, la programación lineal entera continua, mediante la cual algunas variables criticas,
como las unidades de producto que son necesarias encontrar no pueden estar expresados en
términos decimales, por lo que este método es el mejor para este tipo de problema. La
solución si bien es óptima para esta situación en concreto, queda como sugerencia el poder
aumentar los niveles de venta a través del estudio de mercado mucho más moderno,
considerando lo cambiando de la moda y factores como la aparición de competencia en
diferentes galerías de la ciudad con gran disponibilidad en atención a la variación de los
gustos delos compradores del mercado y el lugares más acogedores para la demanda; Ya
que si se sigue manteniendo los mismo niveles la utilidad básica no sufrirá mayor variación
debido a un costo oportunidad y a una nula toma de decisión oportuna de cambio o
reorganización[ CITATION Adu09 \l 2058 ]
Aplicación de la Programación Lineal a la maximización de la contribución marginal de
una compañía argentina con restricciones de balanza comercial y deuda operacional
Una industria argentina necesita acceder al mercado de divisas para importar materia prima
para la producción y productos terminados de tal manera de ofrecer un mix adecuado al
cliente, satisfaciendo sus expectativas. A partir de la devaluación de Enero 2014, el acceso
al mercado de divisas para importar fue restringido drásticamente. Muchas industrias con
balanzas comerciales crónicamente deficitarias, principalmente las automotrices, debieron
reorientar sus estrategias productivas, financieras y comerciales. La búsqueda de fuentes
alternativas de divisas para cubrir sus desfasajes comerciales pasó a formar parte de sus
agendas centrales. Adicionalmente a estas restricciones de divisas se suman las limitaciones
19
de la deuda operacional con las casas matrices, no menos importantes que la anterior.
Mediante un planteo de programación lineal aplicada a las finanzas, se buscará la
maximización de la contribución marginal de una compañía local sujeta a las restricciones
de balanza comercial y deuda operacional. Se pretende aportar una herramienta de fácil
aplicación y accesibilidad que permita tomar decisiones financieras óptimas ante cambios
de contexto repentinos que impliquen restricciones de recursos.[ CITATION Víc15 \l
2058 ]
2.2. Desarrollo teórico
FOTOLITOS: Un fotolito es, en la impresión offset y huecograbado, el cliché que
reproduce el objeto, o la tipografía, sobre película o soporte transparente.
FUNCIÓN OBJETIVO: Es la función que deseamos optimizar, es decir, maximizar o
minimizar
MERMA Insumo desperdiciado durante la producción MÉTODO SIMPLEX: El método
Simplex es un método secuencial de optimización y puede ser empleado tanto para
maximizar como para minimizar una respuesta.
MODELO MATEMÁTICO: Un modelo matemático es la descripción matemática de una
situación real.
OBJETIVO: Son los resultados a largo plazo que una empresa espera lograr para hacer real
la misión y visión.
OPTIMIZACIÓN: La optimización es la búsqueda y el hecho de mejorar el rendimiento de
un sistema
20
PELÍCULAS Material plantificado en forma de láminas que sirven de herramientas para la
impresión final de un producto gráfico.
PLANEACIÓN ESTRATÉGICA: Es un instrumento Orientado de la empresa, formulado
desde una perspectiva temporal mayor al corto plazo, que enuncia la visión, los objetivos
estratégicos y las metas estratégicas de un presupuesto empresarial.
PRE PRENSA Proceso productivo previo a la impresión en la producción Gráfica
PRENSA Proceso de impresión final en la producción Gráfica
PROCESO: Puede ser definido como un conjunto de actividades enlazadas entre sí que,
partiendo de uno o más entradas, los transforma, generando un resultado.
RESTRICCIONES: Limitación o reducción impuesta en el suministro de productos de
consumo, generalmente por escasez de estos.
El negocio GRUPO ROULLE cuenta con un personal de ochos personas y cuatro áreas.
Ubicado en san pedro Tultepec en la calle miguel hidalgo y vasco de Quiroga
Ilustración 1 ubicación GRUPO ROULLE
21
Misión del negocio
Enfocados en la atención al cliente se compromete a brindar a sus clientes un producto de
excelente calidad, oportunamente y a precios competitivos
Visión del negocio
Satisfacer las necesidades y expectativas de sus clientes y ser para ellos una extensión de su
propia empresa. Ser considerados como parte integrante y comprometida de su organización.
Objetivos del negocio
⁺ Mejorar la situación financiera de la empresa, optando por políticas de mejoramiento
continuo.
22
⁺ Reducir los costos de producción mediante la utilización eficaz y eficiente de los
recursos.Cumplir con los pedidos de los clientes en forma oportuna y con porcentaje de error .
Area
de
diseño
Area Area
de GRUPO de
acabad ROULLE prepen
o sa
Area
de
impren
ta
Ilustración 2 Tareas de ROULLE
CONCEPTOS BASICOS DE INSUMOS Y AREAS
Área de diseño
En el área de diseño, el especialista aborda diversas tareas, como el aspecto visual de la pieza,
la elección de la tipografía, la creación de los diseños y la disposición de las páginas.
23
El equipo de diseño utiliza plantillas recientes, programas modernos de edición de imágenes y
de escaneo, así como poderosas computadoras que pueden correr sin inconvenientes estos
programas. De igual manera, los diseñadores poseen la experiencia necesaria para lograr que
el proyecto sea todo lo que pueda ser.
Área de pre-prensa
La pre-prensa es el área donde se realizan los procesos anteriores a la impresión y al
acabado. Aquí, se toma el material gráfico en el estado en cual ha sido entregado (a menudo
en archivo digital), se prepara el documento para la impresión utilizando un software de
preparación muy moderno que acepta diversos formatos y, finalmente, se lleva el archivo
hasta las planchas de impresión.
Algunas de las tareas comunes en el área de pre-prensa son la separación de colores, el
reventado (trapping) de las tintas, la preparación de fotolito, el grabado de las planchas, entre
otros.
Área de impresión
En el área de impresión se realiza la reproducción en papel de textos e imágenes. Este proceso
solo involucra principalmente una máquina impresora, que puede ser una offset o una de láser.
Sin embargo, hay otras tareas de preocupación.
Para garantizar una impresión de alta calidad, el encargado debe emplear el color de tinta
especificado, controlar la ganancia de punto, minimizar el movimiento del papel, minimizar la
distorsión de la imagen o la cantidad de polvo, verificar que las páginas se impriman en el
24
orden correcto y evaluar la calidad del medio tono e intentar mantener los detalles de luces y
sombras.
Área de acabado
En esta área se realizan todas las actividades hechas sobre material impreso. Esto incluye el
encuadernado, que a su vez requiere el cortado, el plegado y la perforación de las hojas.
Asimismo, en esta área se realizan otras labores como la fijación de las hojas individuales y
procesos decorativos.
2.3. Marco referencial o contextual
2.3.1 Programación Lineal.
La Programación Lineal según LOOMBA, es un procedimiento o algoritmo matemático
mediante el cual se resuelve un problema, formulado a través de ecuaciones lineales,
optimizando la función objetivo, también lineal. [ CITATION Alv09 \l 2058 ]
Consiste en optimizar (minimizar o maximizar) una función lineal, que se denomina función
objetivo, de tal forma que las variables de dicha función estén sujetas a una serie de
restricciones que expresamos mediante un sistema de inecuaciones lineales de la forma:
Ecuación 1 inecuación lineal
a1x1 + a2x2 + ……+ aixi , = b i= 1,2,…,m
Se considera el desarrollo de la Programación Lineal (PL) entre los avances científicos más
importantes de mediados del siglo XX. En la actualidad es una herramienta común que ha
25
ahorrado miles o millones de dólares a muchas compañías y negocios, incluyendo industrias
medianas en distintos países del mundo.[ CITATION Enr02 \l 2058 ]
El tipo más común de aplicación abarca el problema general designar recursos limitados entre
actividades competitivas de la mejor manera posible (es decir, en forma óptima).
Este problema de asignación puede surgir cuando deba elegirse el nivel de ciertas actividades
que compiten por recursos escasos para realizarlas.
La variedad de situaciones a las que se puede aplicar esta descripción es sin duda muy grande,
y va desde la asignación de instalaciones productivas a los productos, hasta la asignación de
los recursos nacionales a las necesidades de un país; desde la planeación agrícola, hasta el
diseño de una terapia de radiación; etc. No obstante, el ingrediente común de todas estas
situaciones es la necesidad de asignar recursos a las actividades.[ CITATION
MarcadorDePosición1 \l 2058 ]
La PL es una técnica determinista, no incluye probabilidades y utiliza un modelo matemático
para describir el problema. El adjetivo lineal significa que todas las funciones matemáticas del
modelo deben ser funciones lineales.
Así, la PL trata la planeación de las actividades para obtener un resultado óptimo, esto es, el
resultado que mejor alcance la meta especificada (según el modelo) entre todas las opciones de
solución. Aunque la asignación de recursos a las actividades es la aplicación más frecuente, la
PL tiene muchas otras posibilidades.
De hecho, cualquier problema cuyo modelo matemático se ajuste al formato general del
modelo de PL es un problema de PL.[ CITATION Hos94 \l 2058 ]
26
2.3.2 Variables
Las variables dependientes, que son aquellas que dependen del valor que se le asigne a otros
fenómenos o variables; las variables independientes, cuyos cambios en los valores influyen en
los valores de otra; las variables aleatorias son las funciones que asocian un número real a
cada elemento de un conjunto [CITATION Jua12 \l 2058 ]
2.3.3 Restricciones
Las restricciones pueden ser de la forma:
Ecuación 2 restricciones
N
Tipo 1: A= ∑ ❑aij . Xj
i=1
N Dónde:
Tipo 2: B ≤ ∑ ❑bij . Xj
i=1
A= valor conocido a ser respetado
N
Tipo 3: C ≥∑ ❑cij . Xj estrictamente;
i=1
B = valor conocido que debe ser
respetado o puede ser superado;
C = valor conocido que no debe ser
superado;
a; b; y, c = coeficientes técnicos
conocidos;
X = Incógnita
27
⁺ i = número de las restricciones, variable j = número de incógnitas, variable de 1 a
de 1 a N. M
En general no hay restricciones en cuanto a los valores de N y M. Puede ser N = M; N > M; ó,
N < M. Los tres tipos de restricciones pueden darse simultáneamente en el mismo problema.
[ CITATION Iri14 \l 2058 ]
2.3.4 Función Objetivo
La función objetivo puede ser:
Ecuación 3 función objetivo
M M
o
Max z = ∑ ❑ fi . xi Min z = ∑ ❑ fi . xi
i=1 i=1
Dónde:
fi= coeficientes son relativamente mayores o iguales a cero
M= número de incógnitas.
Finalmente, el Modelo de Programación Lineal queda como se muestra en el ejemplo de
M
maximización: ∑ ❑ fi . xi
i=1
S.A
28
N
C ≥ ∑ ❑bij . X j = 1, 2,3,… M
i=1
[ CITATION Iri14 \l 2058 ]
2.4 Programación Entera
En algunos casos se requiere que la solución óptima se componga de valores enteros para
algunas de las variables. La resolución de este problema se obtiene analizando las posibles
alternativas de valores enteros de esas variables en un entorno alrededor de la solución
obtenida considerando las variables reales.[CITATION Dyc90 \l 2058 ]
Muchas veces la solución del programa lineal truncado está lejos de ser el óptimo entero, por
lo que es necesario usar algún algoritmo para hallar esta solución de forma exacta
[ CITATION Ale981 \l 2058 ].El más famoso es el método de 'Ramificar y Acotar' o Branch
and Bound por su nombre en inglés. El método de Ramificar y Acotar parte de la adición de
nuevas restricciones para cada variable de decisión (acotar) que al ser evaluado
independientemente (ramificar) lleva al óptimo entero.[ CITATION Jor12 \l 2058 ]
2.4.1 Aplicaciones
La programación lineal constituye un importante campo de la optimización por varias razones,
muchos problemas prácticos de la investigación de operaciones pueden plantearse como
problemas de programación lineal. Algunos casos especiales de programación lineal, tales
como los problemas de flujo de redes y problemas de flujo de mercancías se consideraron en
el desarrollo de las matemáticas lo suficientemente importantes como para generar por si
29
mismos mucha investigación sobre algoritmos especializados en su solución.[CITATION
Ger86 \l 2058 ] Una serie de algoritmos diseñados para resolver otros tipos de problemas de
optimización constituyen casos particulares de la más amplia técnica de la programación
lineal. Históricamente, las ideas de programación lineal han inspirado muchos de los
conceptos centrales de la teoría de optimización tales como la dualidad, la descomposición y
la importancia de la convexidad y sus generalizaciones [ CITATION Gre85 \l 2058 ]. Del
mismo modo, la programación lineal es muy usada en la microeconomía y la administración
de negocios, ya sea para aumentar al máximo los ingresos o reducir al mínimo los costos de un
sistema de producción.
Algunos ejemplos son la mezcla de alimentos, la gestión de inventarios, la cartera y la gestión
de las finanzas, la asignación de recursos humanos y recursos de máquinas, la planificación de
campañas de publicidad, además según el autor también se puede aplicar en:
● Optimización de la combinación de diámetros comerciales en una red ramificada de
distribución de agua.
● Aprovechamiento óptimo de los recursos de una cuenca hidrográfica, para un año con
afluencias caracterizadas por corresponder a una determinada frecuencia.
● Soporte para toma de decisiones en tiempo real, para operaciones de un sistema de obras
hidráulicas.
● Solución de problemas de transporte.[ CITATION Jor12 \l 2058 ]
30
2.5 Métodos de Solución para problema de Programación Lineal
La Programación Lineal es una técnica mediante la cual se toman decisiones, reduciendo el
problema bajo estudio a un modelo matemático general, el cual debe ser resuelto por métodos
cuantitativos. Y estos métodos pueden ser el método gráfico, método simplex [ CITATION
Ale98 \l 2058 ].
• MÉTODO GRÁFICO
El método gráfico se utiliza para la solución de problemas de PL, representando
geométricamente a las restricciones y el objetivo. El modelo se puede resolver en forma
gráfica si tiene dos o tres variables. Para modelos con más variables, el método gráfico es
impráctico o imposible[ CITATION Phi96 \l 2058 ]
• MÉTODO SIMPLEX
El método simplex se utiliza, sobre todo, para resolver problemas de programación lineal en
los que intervienen tres o más variables. El álgebra matricial y el proceso de eliminación de
Gauss-Jordan para resolver un sistema de ecuaciones lineales constituyen la base del método
simplex[ CITATION Pau64 \l 2058 ]. Mientras que los Programas Lineales que solo tienen
restricciones de <= se pueden resolver sólo usando variables de holgura con el método
simplex, para aquellos programas lineales que involucren restricciones de tipo >= e = es
necesario usar variables artificiales, las variables de holgura tienen un significado físico real
que corresponde a las disponibilidades o requerimientos no usados en las restricciones, pero
las variables artificiales no tienen ninguna representación física y sólo son usadas como un
comodín matemático para ayudar en la solución del problema.[ CITATION Mat94 \l 2058 ]
31
Pues bien, cuando se tiene que usar variables artificiales al tener restricciones de >= e = se
debe usar una de las siguientes variantes del método simplex:
o MÉTODO DE DOS FASES
Por la naturaleza del problema de programación lineal que se plantea en el presente trabajo de
tesis se utilizara el método simplex y como variante el método de dos fases. [ CITATION
Pra87 \l 2058 ]
2.5.1 Presentación del Método Simplex
Publicado por George Dantzig en 1947 es en un algoritmo iterativo que secuencialmente a
través de iteraciones se va aproximando al óptimo del problema de Programación Lineal,
comienza con una solución factible y prueba si es o no óptima. Si no lo es, el método sigue a
una mejor solución, hasta que encuentre una solución óptima, si es que existe. Si el Problema
de Programación Lineal tiene solución, esta se encuentre en la región factible que es un
conjunto convexo.[ CITATION Dan47 \l 2058 ]
El método del simplex se basa en la siguiente propiedad: si la función objetivo, f, no toma su
valor máximo en el vértice A de la región factible, entonces hay una arista que parte de A, a lo
largo de la cual f aumenta; es decir, partiendo del valor de la función objetivo en un vértice
cualquiera, el método consiste en buscar sucesivamente otro vértice que mejore al anterior.
[ CITATION Mar03 \l 2058 ] La búsqueda se hace siempre a través de los lados del polígono
(o de las aristas del poliedro, si el número de variables es mayor) que conforman la región
factible. Cómo el número de vértices (y de aristas) es finito, siempre se podrá encontrar la
solución.[ CITATION Rud94 \l 2058 ]
32
Además de ser eficiente, dicho método tiene otras ventajas. Es completamente mecánico (se
utilizan matrices, operaciones elementales sobre renglones y aritmética básica). Asimismo, no
implica el uso de geometría. Esto permite resolver problemas de programación lineal que tiene
cualquier número de restricciones y variables [ CITATION Tho89 \l 2058 ].
Cabe destacar que para aplicar el Método Simplex a un modelo lineal, este debe estar en un
formato especial conocido como formato estándar.
Forma estándar de un modelo de programación lineal
Min Z = c1x1 + c2x2 + ... + cnxn
sa
a11x1 + a12x2 + ... + a1nxn = b1
a21x1 + a22x2 + ... + a2nxn = b2
am1x1 + am2x2 + ... + amnxn = bm
xi >= 0, i = 1, 2, ..., n y m <= n
Y en su forma matricial
Min Z = cTx
s.a
Ecuación 4 SUJETO A
Ax= b
x >= 0
33
Considerando que:
● Siempre es posible llevar un problema de maximización a uno de minimización. Si f(x) es
la función objetivo a maximizar y x* es la solución óptima f(x*) >= f(x), para todo x factible.
-f(x*) <= - f(x), para todo x factible. En consecuencia: x* es también mínimo de -f(x)
[CITATION Fel95 \l 2058 ]
● Cada restricción del tipo <= puede ser llevada a una ecuación de igualdad usando una
(nueva) variable de holgura no negativa, con coeficiente nulo en la función objetivo.
● Cada restricción del tipo >= puede ser llevada a una ecuación de igualdad usando una
(nueva) variable de exceso no negativa, con coeficiente nulo en la función objetivo.
● Siempre es posible escribir una variable libre de signo como la diferencia de dos variables
no negativas.[ CITATION Jho90 \l 2058 ]
Construcción de la tabla simplex
En la primera columna de la tabla aparecerá lo que llamaremos base, a partir de la segunda
columna aparecerán cada una de las variables de la función objetivo (Pi) y en la última el
término independiente de cada restricción (P0). [ CITATION Tah95 \l 2058 ]Para tener una
visión más clara de la tabla, incluiremos una fila en la que pondremos cada uno de los
nombres de las columnas. Sobre ésta tabla que tenemos incluiremos dos nuevas filas: una que
será la que liderará la tabla donde aparecerán las constantes de los coeficientes de la función
34
objetivo, y otra que será la última fila, donde tomará valor la función objetivo. Nuestra tabla
final tendrá tantas filas como restricciones.[ CITATION Whi88 \l 2058 ]
Tabla 1 SIMPLEX
TABLA
BASE
Pi P2 … Pn-1 Pn Po
Pi a11 a12 … a1n-1 a1n bil
P2 a21 a22 … a2n-1 a2n bi2
… … … … … … …
Pim aml am2 … amn-1 amn bim
Z z1-c1 C2-C2 … Zn-1-Cn-1 Zn-Cn Z0
Los valores de la fila Z se obtienen de remplazar los valores Cim de la función objetivo y cero
si no aparece en la base. El resto de las columnas se obtiene remplazando los coeficientes de
las restricciones según se muestra en la tabla.
Se observará al realizar el método Simplex que, en esta primera tabla, en la base estarán las
variables de holgura.
● Condición de parada: Cuando en la fila Z no existe ningún valor negativo (para problemas
de Maximización) o ningún valor positivo (para problemas de Minimización), se ha alcanzado
la solución óptima del problema. En tal caso, se ha llegado al final del algoritmo. De no ser
así, se continúa con las iteraciones.[ CITATION Win04 \l 2058 ]
● Elección de la variable que entra: Si no se ha dado la condición de parada, debemos
seleccionar una variable para que entre en la base en la siguiente tabla. Para ello nos fijamos
en los valores estrictamente negativos de la fila Z, y el menor de ellos será el que nos de la
variable entrante (para problemas de Maximización) y nos fijaremos en los valores
35
estrictamente positivos de la fila Z, y el mayor de ellos será el que nos de la variable entrante
(para problemas de Minimización) [ CITATION And04 \l 2058 ].
● Elección de la variable que sale: Una vez obtenida la variable entrante, obtendremos la
variable que sale, sin más que seleccionar aquella fila cuyo cociente P0/Pj sea el menor de los
estrictamente positivos (teniendo en cuenta que sólo se hará cuando Pj sea mayor de 0). La
intersección entre la columna entrante y la fila saliente nos determinará el elemento pivote.
[ CITATION Ben84 \l 2058 ]
● Actualización de la tabla: Las filas correspondientes a la función objetivo y a los títulos
permanecerán inalterados en la nueva tabla. El resto deberá calcularse de dos formas
diferentes: La fila en la cual se encuentra el elemento pivote, se le denomina fila pivote, y la
columna, columna pivote
1. Si es la fila pivote cada nuevo elemento se calculará:
Nuevo Elemento Fila Pivote = Elemento Fila Pivote actual / Pivote.
2. Para el resto de los elementos de filas se calculará:
Nuevo Elemento Fila = Elemento Fila Pivote actual - (Elemento Columna Pivote en la fila
actual * Nuevo Elemento Fila). Esto se realiza con el fin de llegar a construir la matriz unitaria
o base.[ CITATION Moy98 \l 2058 ]
Para conocer la metodología que se aplica en el Método SIMPLEX, se va a resolver el
siguiente problema:
36
Maximizar Z = f(x,y)= 3x +2y
Sujeto a
2x + y 18
2x + 3y 42
3x + y 24
x0,y0
Se consideran los siguientes pasos:
1. Convertir las desigualdades en igualdades
Se introduce una variable de holgura o exceso por cada una de las restricciones, para
convertirlas en igualdades, resultando el sistema de ecuaciones lineales:
2x+y+h = 18
2x+3y+s = 42
3x+y+d = 24
2. Igualar la función objetivo a cero
Z = 3x + 2y
0 = 3x +2y -Z
0 =- 3x-2y+Z
37
3. Escribir la tabla inicial simplex
En las columnas aparecerán todas las variables del problema y, en las filas, los coeficientes de
las igualdades obtenidas[ CITATION web84 \l 2058 ], una fila para cada restricción y la
última fila con los coeficientes de la función objetivo:
Tabla 2 INICIAL SIMPLEX
valores de
tabla interacción No 1
solución
X Y h s d
H 2 1 1 0 0 18
S 2 3 0 1 0 42
D 3 1 0 0 1 24
Z -3 -2 0 0 0 0
4. Encontrar la variable de decisión que entra en la base y la variable de holgura que sale
de la base
Para escoger la variable de decisión que entra en la base, utilizamos el criterio de optimalidad
para lo cual nos fijamos en la última fila, la de los coeficientes de la función objetivo y
escogemos la variable con el coeficiente negativo mayor[ CITATION Edu97 \l 2058 ]
En nuestro caso, la variable x de coeficiente -3.
Si existiesen dos o más coeficientes iguales que cumplan la condición anterior, entonces se
elige uno cualquiera de ellos.
Si en la última fila no existiese ningún coeficiente negativo, significa que se ha alcanzado la
solución óptima. Por tanto, lo que va a determinar el final del proceso de aplicación del
38
método del simplex, es que en la última fila no haya elementos negativos [ CITATION
Lib12 \l 2058 ].
La columna de la variable que entra en la base se llama columna pivote.
Para encontrar la variable de holgura que tiene que salir de la base, se divide cada término de
la última columna (valores solución) por el término correspondiente de la columna pivote,
siempre que estos últimos sean mayores que cero[ CITATION MarcadorDePosición2 \l
2058 ]. En nuestro caso:
18/2 [=9], 42/2 [=21] y 24/3 [=8]
Si hubiese algún elemento menor o igual que cero no se realiza dicha operación. En el caso de
que todos los elementos fuesen menores o iguales a cero, entonces tendríamos una solución no
acotada y no se puede seguir ya que se hace imposible la aplicación del criterio de factibilidad
para las variables salientes de la base [ CITATION Ako86 \l 2058 ].
El término de la columna pivote que en la división anterior dé lugar al menor cociente
positivo, el 3, ya que 8 es el menor cociente, indica la fila de la variable de holgura que sale de
la base, d. Esta fila se llama fila pivote [CITATION Cal75 \l 2058 ].
Si al calcular los cocientes, dos o más son iguales, según PRAWDA se debe aplicar las
llamadas reglas lexicográficas para romper el empate. Una decisión arbitraria puede causar
que el proceso cicle continuamente sin alcanzar la solución óptima [ CITATION Epp78 \l
2058 ].
En la intersección de la fila pivote y columna pivote tenemos el elemento pivote operacional.
39
5. Encontrar los coeficientes de la nueva tabla.
Los nuevos coeficientes de x se obtienen dividiendo todos los coeficientes de la fila d por el
pivote operacional 3, que es el que hay que convertir en 1.
A continuación, mediante la reducción gaussiana se hace ceros los restantes términos de su
columna, con el fin de poder construir la matriz base, con lo que se obtiene los nuevos
coeficientes de las otras filas incluyendo los de la función objetivo Z.
Tabla 3 Encontrar los coeficientes de la nueva tabla.
Tabla de interacción N0. 2

valores de
BASEVariable de interacción Variable de holgura
decisión
x y h s d
h 0 1/ 3 1 0 -2/ 3 2
s 0 7/ 3 0 1 -2/ 3 26
x 1 1/ 3 0 0 1/ 3 8
z 0 -1 0 0 1 24
Como en los elementos de la última fila hay uno negativo, -1, significa que no hemos llegado
todavía a la solución óptima. Hay que repetir el proceso:
● La variable que entra en la base es y, por ser la variable que corresponde al coeficiente -1
Para calcular la variable que sale, dividimos los términos de la última columna entre los
términos correspondientes de la nueva columna pivote[ CITATION Cor04 \l 2058 ]:
2/(1/3) =6, 26/(7/3) =(78/7) y 8/(1/3) =8
40
Y como el menor cociente positivo es 6, tenemos que la variable de holgura que sale es h.
● El elemento pivote, que ahora hay que hacer 1, es 1/3.
Operando de forma análoga a la anterior obtenemos la tabla:
Tabla 4 Solución en proceso
Tabla de interacción N0. 2

Variable de Variable de valores de
BASE
interacción holgura decisión
x y h s D
H 0 1 3 0 -2 6
S 0 0 -7 0 4 12
X 1 0 -1 0 1 6
Z 0 0 3 0 -1 30
Como en los elementos de la última fila hay uno negativo, -1, significa que no hemos
llegado todavía a la solución óptima. Hay que repetir el proceso:
● La variable que entra en la base es d, por ser la variable que corresponde al coeficiente
-1[ CITATION Var82 \l 2058 ]
términos correspondientes de la nueva columna pivote:
6/(-2) =-3, 12/4 =3, y 6/1 =6
Y como el menor cociente positivo es 3, tenemos que la variable de holgura que sale es S.
• El elemento pivote, que ahora hay que hacer 1, es 4.
41
Obtenemos la tabla:
Tabla 5 variable de holgura
Tabla final
Variable de
BASE Variable de holguravalores de decisión
interacción
x y h S d
X 0 1 -1/ 2 0 0 12
D 0 0 -7/ 4 0 1 3
X 1 0 - 3/4 0 0 3
Z 0 0 5/ 4 0 0 33
Como todos los coeficientes de la fila de la función objetivo son positivos, hemos llegado a la
solución óptima.
La solución óptima viene dada por el valor de Z en la columna de los valores solución, en este
caso: 33. En la misma columna se puede observar el vértice donde se alcanza, observando las
filas correspondientes a las variables de decisión que han entrado en la basex= 3; y= 12 donde
la solución óptima al PL se da en el vértice D (3,12), con un valor optimo z= 33.
2.6 Método de dos fases
El Método de las Dos Fases es una variante del Algoritmo Simplex, que se aplica cuando
luego de llevar un modelo de programación lineal a su forma estándar no se dispone de una
solución básica factible inicial [ CITATION Jos99 \l 2058 ].
Este método difiere del Simplex en que primero hay que resolver un problema auxiliar que
trata de minimizar la suma de las variables auxiliares o artificiales.
42
Una vez resuelto este primer problema y reorganizada la tabla final, se pasa a la segunda fase,
que consiste en realizar el método Simplex normal, el cual se calcula como sigue:
FASE UNO:
En esta primera fase, se realiza todo de igual manera que en el método Simplex normal,
excepto la construcción de la primera tabla, la condición de parada y la preparación de la tabla
que pasará a la fase 2.
Se considera un problema auxiliar que resulta de agregar tantas variables auxiliares a las
restricciones del problema, de modo de obtener una solución básica factible. Luego se
resuelve, utilizando el método[ CITATION Hes83 \l 2058 ]
Simplex, un nuevo problema que considera como función objetivo minimizar la suma de las
variables auxiliares sujeta a las restricciones del problema original. Si el problema tiene un
espacio factible el valor de la función objetivo es cero, lo cual indica que todas las variables
artificiales son cero. En ese momento se pasa a la Fase Dos; caso contrario el problema no
tiene solución óptima[ CITATION Hil02 \l 2058 ].
FASE DOS:
Consiste en resolver a través del Método Simplex el problema original a partir de la solución
básica factible inicial hallada en la Fase
Uno, es decir, tomando como base los resultados óptimos obtenidos en la última tabla de la
Fase Uno, se eliminan las columnas de las variables artificiales, se remplaza la función
objetivo original del problema, en lugar de la provisional que se había colocado para iniciar la
43
Fase Uno. Luego se procede a resolver a partir de ahí, con el método Simplex
tradicional[ CITATION Man04 \l 2058 ].
Construcción de la primera tabla:
Siguiendo las pautas de 14, se hace de la misma forma que la tabla inicial del método Simplex,
la diferencia es que la fila de la función objetivo cambia para la primera fase, ya que cambia la
función objetivo y los coeficientes de esta si en el método simplex normal se consideraba a los
Zi-Ci, ahora se consideran a los Zi, además que en la segunda columna de la tabla aparecerán
los coeficientes del valor de la función objetivo en las restricciones a lo se llamara Cb, y se
incluirán las columnas para las variables artificiales[ CITATION Raf05 \l 2058 ].
Tabla 6 Construcción de la primera tabla
TABLA
BASE variable de decisión variable artificialvalores de solución
cb Pi P2 … Pn-1 … Pn Po
Pi c11 a11 a12 … a1n-1 … a1n bil
P2 C12 a21 a22 … a2n-1 … a2n bi2
… … … … … … … … …
Pim C1m aml am2 … amn-1 … amn bim
Z z1 Z2 … Zn-1 … Zn-Cn Z0
Condición de parada:
La condición de parada es la misma que en el método Simplex normal. La diferencia está en
que pueden ocurrir dos casos cuando se produce la parada: la función toma un valor 0, que
significa que el problema original tiene solución, o que tome un valor distinto, indicando que
el modelo no tiene solución[ CITATION Rob91 \l 2058 ].
Eliminar Columna de variables artificiales:
44
Si se ha llegado a la conclusión de que el problema original tiene solución, se debe preparar la
tabla para la segunda fase. Debiendo eliminar las columnas de las variables artificiales,
modificar la fila de la función objetivo por la original, y calcular la fila Z de la misma forma
que en la primera tabla de la fase 1.
Con el fin de conocer mejor el Método de dos Fases, se va a resolver el siguiente problema.
Minimizar Z = f(x,y)= 4X1+2X2+3X3+5X4
sujeto a
2X1+3X2+4X3+2X4=300
8X1+X2+X3+5X4=300
X1≥ 0
X2≥ 0
X3 ≥0
X4 ≥0
Al igual que con el Método Simplex se consideran los siguientes pasos:
1. Convertir las desigualdades en igualdades
En este caso el problema ya se encuentra en su forma estándar, por ello solo se introduce una
variable artificial por cada una de las restricciones, resultando el sistema de ecuaciones
lineales[ CITATION Man04 \l 2058 ]:
2X1+3X2+4X3+2X4+Y1=300
45
8X1+ X2+ X3+5X4+Y2=300
2. Construir la nueva función objetivo
La nueva función objetivo es la de minimizar las sumas de las variables de holgura o
artificiales que se tengan, es así que se tiene
La nueva función objetivo es la de minimizar las sumas de las variables de holgura o
artificiales que se tengan, es así que se tiene
Min W=Y1+Y2
Ahora para resolver el modelo por el método simplex como un problema de maximización
debemos de recordar que:
Min W = Max (-W), entonces tenemos:
El nuevo modelo queda como se muestra:
Max –W=-Y1-Y2
s.a
2X1+3X2+4X3+2X4+ Y1+0Y2=300
8X1+ X2+ X3+5X4+0Y1+ Y2=300
X1, X2, X3, X4, Y1, Y2 ≥ 0
FASE I
46
Se resuelve el modelo en la tabla simplex como se muestra:
Tabla 7 FASE I
TABLA
valores de
BASE variable de decisión variable artificial
solución
w X1 x2 x3 x4 Y1 Y2 Po
Y1 0 2 3 4 2 1 0 300
Y2 0 8 1 1 5 0 1 300
W -1 0 0 0 0 1 1 0
Como se observa los costos reducidos de las variables básicas Y1,Y2 no son nulos por ello se
deben de reducir a 0, ya que se debe de respetar que los costos reducidos de las variables
básicas sean 0.
Entonces para reducir estos coeficientes se hace (fila Y1 * -1 y se suma a fila W), luego (fila
Y2 * -1 y se suma a la fila W) obteniéndose las siguientes tablas.
Tabla 8 Reducción de coeficientes
TABLA
BASE variable de decisiónvariable artificialvalores de solucion
Y1 0 2 3 4 2 1 0 300
Y2 0 8 1 1 5 0 1 300
W -1 -2 -3 -4 -2 0 1 -300
TABLA
BASE variable de decisiónvariable artificialvalores de solucion
Y1 0 2 3 4 2 1 0 300
Y2 0 8 1 1 5 0 1 300
W -1 -10 -4 -5 -7 0 0 -600
47
Ahora se observa que los coeficientes de las variables básicas artificiales son 0, por lo que la
tabla simplex es correcta; por ello se procede a resolver mediante el método simplex normal,
obteniéndose las tablas siguientes:
Tabla 9 El método simplex normal
TABLA
valores de
solución
Y1 0 2 3 4 2 1 0 300
Y2 0 8 1 1 5 0 1 300
W -1 -10 -4 -5 -7 0 0 -600
● Para calcular la variable que sale, dividimos los términos de la última columna entre los
términos correspondientes de la nueva columna pivote[ CITATION Way05 \l 2058 ]:
300/2 =150, 300/8 =75/2
y como el menor cociente positivo es 75/2, tenemos que la variable que sale es Y2.
Para calcular la variable

Tabla 10 variable
TABLA
valores de
solucion
W X1 x2 x3 x4 Y1 Y2 Po
Y1 0 0 11/ 4 15/ 4 3/ 4 1 -1/ 4 225
Y2 0 1 1/ 8 1/ 8 5/8 0 1/8 75/ 2
W -1 0 -11/ 4 -3 3/4 -1 1/2 0 5/ 4 -225
La variable que entra en la base es X3, por ser la variable que corresponde al coeficiente -15/4
(menor negativo)
48
225/(15/4) =60, (75/2)/(1/8) =300
y como el menor cociente positivo es 60, tenemos que la variable que sale es Y1.
El elemento pivote, que ahora hay que hacer 1, es 15/4.
Operando análogamente como en el caso anterior se tiene:
Tabla 11 Operando análogamente
TABLA
valores de
solución
Y1 0 0 11/ 5 1 1/ 5 4/ 15 -1/ 15 60
Y2 0 1 1/ 30 0 1/ 30 -1/ 30 2/ 15 30
W -1 0 0 0 0 1 1 0
Como se observa los coeficientes de las variables de decisión son todos mayores o iguales a
cero, y el valor de las variables artificiales son ceros en consecuencia la función tiene valor 0,
por lo que se da por concluido con la FASE I y se tiene una solución básica factible X1=30,
X2=0, X3=60, X4=0
FASE II
Min Z = 4X1+2X2+3X3+5X4
Se toma la solución básica factible de la FASE I como la solución inicial y se eliminan las
columnas de las variables artificiales.
Teniendo así la siguiente tabla simplex:
49
Tabla 12 Fase 1 solución inicial
TABLA
valores de
BASE variable de decisión
solucion
W X1 x2 x3 x4 Po
Y1 0 0 11/ 5 1 1/ 5 60
Y2 0 1 1/ 30 0 1/ 30 30
W -1 0 -28/ 15 -3 -13/ 15 120
Como se observa en el cuadro simplex los costos reducidos de las variables básicas X3 y X1
no son nulos por ello debemos de hacer cero (0) estos coeficientes para que la tabla sea
correcta.
Entonces realizando los cálculos se tiene:
Tabla 13 Coeficientes
TABLA
valores de
solucion
W X1 x2 x3 x4 Po
Y1 0 0 11/ 5 1 1/ 5 60
Y2 0 1 1/ 30 0 3/ 5 30
W -1 0 -1/ 3 0 -2 300
50
Como se observa, uno de los coeficientes de las variables de decisión es menos a cero, por
tanto, se continúa con las iteraciones
La variable que entra en la base es X4, por ser la variable que corresponde al coeficiente -2
(menor negativo)
60/(1/5) =300, 30/(3/5) =50
y como el menor cociente positivo es 50, tenemos que la variable que sale es X1.
El elemento pivote, que ahora hay que hacer 1, es 3/5.
Una vez reducido el pívot a 1 mediante la reducción gaussiana se hacen 0 los coeficientes
restantes de la columna, se tiene:
Tabla 14 Elemento pivote
TABLA
valores de
solucion
w X1 x2 x3 x4 Po
Y1 0 -1/3 13/ 18 1 0 50
Y2 0 5/3 1/ 18 0 1 50
W -1 10/ 3 4/9 0 0 400
2.6 Tipos de cortes
51
Muchos de los productos primarios que emplean diversas industrias para fabricar sus
productos ya sea papel, textil, plásticos aluminio, etc. Se obtienen del proveedor en la
forma de rollos, bobinas o grandes planchas, las dimensiones de estas formas varían de un
proveedor a otro. Si un fabricante de bobina, por ejemplo, suministra estas en una anchura
determinada y el comprador necesita cortarlas para adaptarlas a sus necesidades
(imaginemos por ejemplo el impresor de revistas o periódicos de distintos formatos), el
problema que se le plantea es como hacer esos cortes de tal forma que se desperdicie la
menor cantidad posible de material.[ CITATION Dyc90 \l 2058 ]
Un stock ilimitado de tubos tiene una anchura de 2 metros, se tiene una orden de pedido de
tubos pequeños de 60cm y 30cm de anchura que deben ser producidos. Las órdenes de
producción de tubos pequeños incluyen una combinación de estos, los cuales deberán de
obtenerse del tubo más ancho del proveedor, cortándolas según un determinado patrón de
corte. El proceso de construir un patrón de corte obedece a ciertos objetivos y restricciones
específicos del problema. En este caso el objetivo es minimizar la perdida residual total.
Por ejemplo, un tubo de 2 metros se puede cortar en 3 de 60 centímetros de ancho
quedando un residuo de 20cm, y del mismo modo así se deben de identificar todos los
posibles patrones de cortes.
Ilustración 3 Stock de tubos de 2 metros de longitud
52
Ilustración 4 Ordenes de tubos de 30 y 60 cm de longitud
Ilustración 5 Posibles patrones de cortes
2.7 Solver en Excel
Solver es un programa de complemento de Microsoft Excel que puede usar para llevar a
cabo análisis y si. Use Solver para encontrar un valor óptimo (mínimo o máximo) para una
fórmula en una celda, la celda objetivo, que está sujeta a restricciones o limitaciones en los
valores de otras celdas de fórmula de una hoja de cálculo. Solver trabaja con un grupo de
celdas llamadas celdas de variables de decisión o, simplemente, celdas de variables que se
usan para calcular fórmulas en las celdas objetivo y de restricción. Solver ajusta los valores
de las celdas de variables de decisión para que cumplan con los límites de las celdas de
restricción y den el resultado deseado en la celda objetivo.[ CITATION k \l 2058 ]
En resumidas cuentas, puede usar Solver para determinar el valor máximo o mínimo de una
celda cambiando otras celdas. Por ejemplo, puede cambiar el importe del presupuesto de
publicidad proyectado y ver el efecto en el beneficio proyectado.
2.7.1 Conceptos básicos en Solver en Excel
Para poder trabajar con Solver es muy importante que entiendas los conceptos básicos y su
funcionamiento. Hay 3 componentes principales que es indispensable que conozcas:
53
 Celda objetivo: es la celda en la que se representa el objetivo del problema.
 Celdas variables: son aquellas celdas que se van a poder modificar para llegar al
resultado deseado.[ CITATION Mic20 \l 2058 ]
 Limitaciones: son las limitaciones o restricciones que se pueden configurar para que
Solver resuelva el problema. Es decir, si configuramos una base de empleados y
uno de ellos no puede trabajar en sábado, el complemento pondrá esa restricción.
III. Metodología
3.1 Población o universo/ muestra
El universo sobre el cual se va a realizar el presente trabajo es la que está constituida como
el negocio GRUPO ROULLE.
En el capítulo número dos se hace referencia a la cantidad de personas que laboran en el
negocio GRUPO ROULLE. Pero para nuestro estudio, nos centramos en el área de
impresión. Específicamente tomaremos como muestra un aproximado de dos personas,
tomando en cuenta que el negocio es pequeño.
3.2 Tipo de estudio
Este proyecto es de tipo cuantitativo pues se va a determinar el estado actual del
desperdicio que genera la zona de impresión de fotolitos
Para la realización del presente proyecto de investigación es indispensable el uso de la
observación directa con el fin de obtener información precisa y certera de primera mano.
Los presentes en el proyecto realizaremos una visita al negocio GRUPO ROULLE con el
fin de identificar al proceso de filmación, en donde se debe identificar cuáles son las áreas
54
que se encuentran involucradas con el proceso de impresión de fotolitos, en las cuales nos
concentraremos para obtener la información necesaria y poder lograr el objetivo de obtener
el porcentaje real de mermas.
Identificándose así que los procesos involucrados directamente en el proceso de filmación
de fotolitos son el Área de Filmación y el Área de Control de Calidad, siendo en estas
áreas en donde nos dirigiremos para obtener la información
3.3 Descripción del instrumento
Para realizar la recolección de datos se hará uso de la observación directa.
Observación Directa
La observación directa cada día cobra mayor credibilidad y su uso tiende a generalizarse,
debido a obtener información directa y confiable, siempre y cuando se haga mediante un
procedimiento sistemático y muy controlado, para lo cual hoy están utilizándose medios
audiovisuales muy completos, especialmente en estudios del comportamiento de la persona
en su sitio de trabajo. [ CITATION Ber06 \l 2058 ]
3.4 Procedimiento de recolección de datos
Para la recolección de datos se decidió hacer una observación no solo en el corte para la
minimización del producto, sino que también es el saber desde donde se encuentra dicho
problemática, por lo cual se dio a la tarea ir a hacer la observación de dicho proceso de
corte en los fotolitos y en tiempos, en el periodo designado de la clase del presente año
(9,11 y 16 de marzo) ya que son estos dos factores los que nos ayudaran a realizar las
actividades para la minimización de insumo.
55
Se identificó la unidad de medida para evaluar las mermas.
La presentación de las películas en materia prima es por rollos de 3.5m de ancho por 60m
de largo; estos rollos a su vez son cortados en sub proceso previo a la filmación de un
formato para un tipo de máquinas, formato de 0.76m o 76cm de ancho para máquina1 y un
formato de .35m o 35 cm de ancho.
Para recabar la información requerida se crean formatos especiales en los cuales los
operadores registran:
Número de secuencia de corte: Las filmaciones de fotolitos se hacen por secuencias de
cortes, los trabajos se agrupan y son filmados en conjunto, es decir, que al colocar un rollo
nuevo de película de 60m de largo, se pueden realizar cortes de hasta 10m de largo, y en
promedio dependiendo del largo de los cortes un rollo puede ser utilizado hasta en 6 a 15
cortes en promedio; esta información nos sirve para llevar un control ordenado de la salida
de cortes de los rollos
Media del Corte de la película: Se registra el largo del corte, los cual nos sirve para poder
calcular el área total de película utilizada para la filmación de una secuencia de filmaciones
que se encuentran dentro del corte dado.
3.4.1 Diseño de la investigación
Conociéndose más a fondo el funcionamiento de la empresa ya se puede abordar el tema
central de la problemática que aqueja el negocio de GRUPO ROULLE por la falta de
liquidez: lo que lleva a un incumplimiento con el pago a sus trabajadores y proveedores.
56
Todos estos problemas convertían al negocio en un lugar con un clima organizacional
incómodo, por lo que se decidió trabajar en la búsqueda de la solución.
Para la recolección de datos se decidió hacer una observación no solo en el corte para la
minimización de del producto, sino que también es el saber desde donde se encuentra dicho
problema, es por ello que se aplicara lo que es el diagrama de Ishikawa seguido de un
cuadro de comparación de los precios dentro y fuera del negocio este con el objetivo de
hacer una minimización en sus insumos.
Enfocándonos en el Problema principal del negocio se debe ahora trabajar en la
identificación y definición de las principales causas que generan este problema, para lo cual
se construye una lista y se evalúa su importancia mediante un diagrama de Causa Efecto o
diagrama de Ishikawa.
En los costos de Producción
En donde al momento de levantar información nos damos cuenta que existe mucho
desorden en ello, y al analizar el costo beneficio de la Venta de un servicio de filmación de
fotolito se deduce que el costo de producción es bastante alto
6 Diafragmara Ishikawa análisis de niveles de producción
Costo de mano de Costo de insumos

obra
Altos consumos
de producción
Rendimientos de insumos Consumo de energía,

agua
57
Costos de insumos: Se identifica que la empresa cuentas con alianzas estratégicas con
proveedores, lo cual le garantiza bajos costos de insumos, los cuales se muestran en el
cuadro comparativo; es por ello que se concluye que los costos de insumos no son causas
de la falta de liquidez en la empresa.
Proveedores
Insumos
GPO. ROULLE OTROS
ROLLOS
PELÍCULAS 3.5M $450.00 $465.00
QUÍMICO
REVELADOR $17.50 $17.00
QUÍMICO FIJADOR $18.50 $20.00
7 Comparación de insumos
Personal del negocio: Se descubrió que realmente eran bajos con respecto al mercado; el
análisis comparativo se muestra en el siguiente cuadro:
Sueldos
Personal
GPO. ROULLE OTROS
$1,200.0
DISEÑADORES $1,200.00 0
$1,000.0
ADMINISTRATIVOS $850.00 0
8 Comparación de sueldos
Después de obtener esta información se descarta que los costos de mano de obra sean una
causa que genere la falta de liquidez en la institución.
Costos de consumo de servicios: involucrado en el proceso de producción son realmente
acorde a los volúmenes de producción que se realizan mes a mes.
58
Al analizar el consumo de películas se descubre que existe una gran cantidad de desperdicio
de películas, lo cual supera el porcentaje de desperdicio permitido, se identifica entonces
que la utilización de las películas para la producción de fotolitos es la causa principal que
genera un alto Costo de Producción.
Es así que habiéndose identificado que la causa principal del problema es la mala
utilización de los rollos de película, debemos de conocer cuál es el proceso que siguen los
rollos de película desde que ingresan como materia prima, hasta que salen como producto
terminado, esto con el fin de poder conocer y determinar durante qué proceso es que ocurre
la mala utilización de este insumo.
Para ello se muestra el flujo de proceso que siguen los rollos de películas que son:
Se debe realizar un Flujo grama para identificar cuáles son las áreas que se encuentran
involucradas con el proceso de filmación, en las cuales concentraremos para obtener la
información necesaria para poder lograr el objetivo de obtener el porcentaje real de
mermas.
59
Identificándose
así que los procesos
involucrados
directamente en
9 Flujo grama de procesos
el proceso de
filmación de fotolitos son el Área de Filmación y el Área de Control de Calidad, siendo en
estas áreas donde se obtendrá información de primera mano
Seguidamente se debe de identificar la unidad de medida para evaluar las mermas.
60
La filmación en dos formatos para dos tipos de máquinas, formatos de 0.76m o 76cm de
ancho para máquina “1” y 35 cm para máquina “2”, la venta del producto es por cm2, es
por ello que para efectos de facilitar un mejor cálculo se trabajará con medidas en cm y
para áreas cm2 .
Para recabar la información requerida se crean formatos especiales en los cuales los
operadores registran:
Número de secuencia de corte: Las filmaciones de fotolitos se hacen por secuencias de
cortes, los trabajos se agrupan y son filmados en conjunto, es decir, que al colocar un rollo
nuevo de película de 60m de largo, se pueden realizar cortes de hasta 10m de largo, y en
promedio dependiendo del largo de los cortes un rollo puede ser utilizado hasta en 6 a 15
cortes en promedio; por decir un ejemplo.
Media del Corte de la película: Se registra el largo del corte, los cual nos sirve para poder
calcular el área total de película utilizada para la filmación de una secuencia de filmaciones
que se encuentran dentro del corte dado.
3.5. Procedimiento de manejo estadístico de la información
Se debe de proceder a calcular el nivel de mermas que se obtiene de cada rollo. Para ello se
calcula los niveles de mermas de los dos tipos de rollos que se utilizan en la producción
como son rollos de 76cm de ancho para máquina “1” y rollos de 35 cm para máquina “2”,
resultado con el cual se podrá identificar que genera este problema de un alto nivel de
mermas.
61
3.5.1 Calculo de nivel de merma para rollos de películas en maquina “1” (76 cm de
ancho y una maquina “2” (35 cm de ancho)
colore
medida
corte s
13 X 13.2 4
42
16.3 X 21.2 4
25 X 8 1
30 X 25.5 4
110
26 X 26 4
21.8 X 19.9 1
17 X 18 3
30
30 X 21 2
10 11 X 14 4
18.5 X 11.5 5
50
30 X 21 4
23.5 X 18 3
78
25.4 X 41 4
Tabla 15 recopilación de cortes
Como se observa en los datos, la utilización de los rollos se da por cortes, de estos se
registran el largo, las áreas de trabajo a facturar que se realizan dentro de estos cortes y
finalmente la cantidad de colores o número de filmaciones del mismo trabajo que se
procesan.
62
Para calcular el rendimiento de rollos, se realiza primero los cálculos de las áreas por
cortes, y estas se comparan con la suma de las áreas de los trabajos realizadas en este corte.
Luego se construye un resumen de áreas por corte versus áreas de trabajos a facturar, con lo
cual se podrá realizar la comparación y finalmente obtener el área de película no utilizada
que se le denomina merma de producción.
Entonces como se muestra en el cuadro siguiente, Tenemos un corte de 42 cm de largo y un
trabajos de 13cm x 13.2 cm a 4 colores y 16.3 cm x 21.2 cm a 4 colores.
colore
medida
corte s
13 x 13.2 4
42
16.3 x 21.2 4
Tabla 16 Ejemplo de corte
Área de corte
42 cm que equivale a 42cm por ancho de rollo que es de 76 cm se obtiene 3192cm 2
Área de la película a facturar
13cm x 13.2 equivale a 171.6cm2 x 4 clores que resulta 686.4cm2
16.13 cm x 21.2 cm equivale a 341.956 cm2 x 4 colores que resulta 1382.24 cm2
Total de 2068.64 cm2
Área de la merma
Equivale al área de corte- área de película a facturar-area de trabajos repuestos-area de
trabajos dañados
3192cm 2-2068.64 cm2-0cm2-0cm2=1124 cm2
63
% de Merma
Equivale al área de la merma dividido entre el área de corte
1124 cm2/3192cm 2= .3521≈ 35.21%
Así se obtiene un porcentaje de merma que es el 35.21%, por lo cual sus pérdidas son muy
elevadas.
área
ocupada de suma de Área área
medida
colore manera área total en área repuest
corte s individual ocupada cm dañada a merma porcentaje
13 x 13.2 4 686.4
42 35.19%
16.3 x 21.2 4 1382.24 2068.64 3192 0 0 1123.36
25 x 8 1 200
30 x 25.5 4 3060
110 23.47%
26 x 26 4 2704
21.8 x 19.9 1 433.82 6397.82 8360 0 0 1962.18
17 x 18 3 918
30 2280 4.47%
30 x 21 2 1260 2178 0 0 102
10 11 x 14 4 616 616 760 0 0 144 18.95%
18.5 x 11.5 5 1063.75
50 5.69%
30 x 21 4 2520 3583.75 3800 0 0 216.25
23.5 x 18 3 1269
78 8.32%
25.4 x 41 4 4165.6 5434.6 5928 0 0 493.4
320 288 258 43 20278.81 20278.81 24320 0 0 4041.19 16.62%
Una vez calculada estas áreas se elabora un cuadro resumen en el cual se registra, de los
cortes; sus respectivas áreas, áreas a facturar, áreas de trabajos repuestos, áreas de trabajos
dañados, se calculara la merma en cm2 y el porcentaje que estas equivalen del total; siendo
el resultado final como se muestra en el cuadro siguiente:
Tabla 17 Merma de rollo “1”
cort medida colore area suma de Area area area merma porcentaje
e s ocupada area total en dañada repuest
de ocupada cm a
manera
64
individual
10 x 11.3 3 339
22 20.87%
15 x 16.4 4 984 1323 1672 0 0 349
23 x 8 1 184
26 x 21.3 4 2215.2
64 10.86%
21 x 18.6 4 1562.4
23.4 x 16 1 374.4 4336 4864 0 0 528
22 x 18 3 1188
38 2888 11.08%
27.6 x 25 2 1380 2568 0 0 320
124 168 135 22 8227 8227 9424 0 0 1197 12.70%
Tabla 18 Merma de rollo 2
Los cuadros anteriores muestran el resumen general de los cálculos de mermas de los 3
rollos utilizados en la Máquina “1” (formato 76cm de ancho), y los 1 rollo utilizados en
máquinas “2” (formato 35cm de ancho); obteniéndose un porcentaje general de 16.62%
para formatos de 76cm y 35 de 12.70% para formatos de 350 cm.
Como se ha podido demostrar no existe una mala utilización de película durante el proceso
de filmación de fotolitos, pero en contraste a esto se conoce que el problema es la elevada
cantidad de desperdicio o merma. Por lo cual debemos de concentrarnos más en el proceso
que siguen los rollos de película desde su adquisición hasta que se convierten en producto
final, descartando ya el proceso de filmación de fotolitos.
3.5.2 Corte de fotolito
Como se ha descrito anteriormente los rollos de película que se utilizan para la filmación de
fotolito llegan al almacén en formatos de 350cm de ancho, y para que estos ingresen a
máquina pasan por un proceso de corte en formatos de 76cm y 35cm.
El procedimiento de cortar los rollos se realiza de forma a priori y según la necesidad de
rollos que se tenga, no se cuenta con un procedimiento adecuado de corte que permita
obtener el menor margen de desperdicio.
65
Los cortes se realizan por lotes de producción mensual, la demanda estándar de rollos de
producción son de 3 rollos de formato de 76cm y con 1 rollo de formato de 35cm, para
obtener esta cantidad de rollos cortados se compran 4 rollos de película de formato 350cm.
Los cortes de los rollos se realizan en una habitación oscura, pues de tener contacto con la
luz corren riesgo de ser velados y por ende se deterioran. Es importante resaltar que por las
características del material una vez cortado deben de ser utilizados durante el mismo lote de
producción (mismo mes) ya que corren riesgo de que se deteriore por el ingreso de luz, por
tal motivo no se da el caso que un rollo de película que es cortado durante un lote de
producción pase al siguiente lote.
El procedimiento actual estándar de corte de rollos que se realiza es como se muestra en la
figura siguiente:
rollo 1 76 76 76 76 46
rollo2 76 76 76 76 46
rollo 3 76 76 76 76 46
rollo 4 35 35 35 35 35 35 140
Tabla 19 material ocupado
De la figura anterior se aprecia una gran cantidad de desperdicio después del corte de los
rollos, para tener mayor precisión se calcula cuanto representan estos desperdicios, con
respecto a todo el material que interviene en el corte
modelo de cortes de rollo de pelicula
66
cortes de
% de merma
rollo rollo Ancho cm
76 35 fabrica usado merma
1 4 0 350 304 46
2 4 0 350 304 46
3 4 0 350 304 46
4 0 6 350 210 140
total 8 0 1400 1122 278 19.86%

Tabla 20 Merma total
Es así que habiéndose analizado el nivel de mermas después del proceso de corte se obtiene
un 19.86%, lo cual grafica claramente la mala utilización de este insumo y por ende la baja
productividad de los rollos.
Como se puede ver este problema en un problema de corte de rollos, que puede ser resuelto
mediante un modelo de Programación Lineal en el que se busca satisfacer la demanda
mensual de rollos de película minimizando la cantidad de desperdicio de película.
3.6 Modelo y experimentación
La demanda mensual de rollos es de 3 rollos de película de 76cm de ancho y 1 rollos de
película de 35cm de ancho; estos rollos deben ser obtenidos de rollos de 350cm de ancho.
El problema consiste en encontrar una solución que nos permita abastecer esta cantidad de
rollos obteniendo roles de cortes que nos permitan reducir el desperdicios de película.
3.6.1 Modelo de solución de cortes
67
Debemos de analizar todas las posibilidades que existen de cortar un rollo de 350cm de
ancho para conseguir rollos más pequeños de 76cm y 35cm de ancho, estas posibilidades
son:
Tabla 21 Posibles casos
7 7 7 7 3 1
caso 1 6 6 6 6 5 1
7 7 3 3 3 3 3
caso 2 6 6 5 5 5 5 5 23
7 7 7 3 3 5
caso 3 6 6 6 5 5 2
7 7 7 3 3 3 1
caso 4 6 6 6 5 5 5 7
Xi: N° de Veces que se realiza el corte de un rollo de 350cm en la forma del Caso 1
Ahora se debe de definir cuál es la función objetivo del Programa Lineal, para ello
analizamos los casos de cortes que tenemos
CASO 1: Obtendremos 4 rollos de 76 cm de ancho, 1 de 35 y un desperdicio de 11 cm. Es
decir tenemos 339 cm de rollos de película útil y 11cm de merma.
CASO 2: Obtendremos 2 rollos de 76 cm de ancho, 5 rollo de 35cm de ancho y un
desperdicio de 23cm. Es decir tenemos 327 cm de rollos de película útil y 23cm de merma.
CASO 3: Obtendremos 3 rollos de 76cm de ancho y un desperdicio de 52cm. Es decir
tenemos 298 cm de rollos de película útil y 52 cm de merma.
CASO 4: Obtendremos 3 rollos de 76cm de ancho, 3 rollo de 35 y un desperdicio de 17 cm.
Es decir tenemos 333cm de rollos de película útil y 17 cm de merma.
68
Viéndolo desde este punto de vista y teniendo como objetivo el obtener los rollos deseados
para la producción mensual de fotolitos tratando de tener la menor cantidad de desperdicio
posible, nos trazamos la Función objetivo para nuestro problema.
Función Objetivo
Ecuación 5 función de minimización
Min z=11x1+23x2+52x3+17x4
Continuando se debe de definir las restricciones que se tiene para este modelo, como son:
1.- Restricción de cantidad de rollos de 76cm de ancho Se debe de sumar las cantidades de
rollos que se obtendrán al aplicar cada caso de corte y esta suma debe ser igual a la cantidad
de rollos de formato 76cm que se necesitan por mes, es decir 12. Entonces se tiene:
Ecuación 6restriccio para sa: a
4X1+2X2 + 3X3 +3 X4 = 12
2.- Restricción de cantidad de rollos de 35cm de ancho Se debe de sumar las cantidades de
rollos que se obtendrán al aplicar cada caso de corte y esta suma debe ser igual la cantidad
de rollos de formato 35cm que se necesitan por mes, es decir 6.
Entonces se tiene
Ecuación 7restriccion para sa: b
X1+5X2 + 2X3 +3 X4 = 6
3.- Restricción de no negatividad de las variables Esta restricción nos ayuda a que los
valores obtenidos al resolver el modelo sean no negativos o positivos. Por ello se tiene.
69
Ecuación 8 no negatividad
 X1 ≥ 0
 X2 ≥ 0
 X3 ≥ 0
 X4 ≥ 0
Entonces el Modelo Final de Programación Lineal es como se muestra:
Ecuación 9Modelo final de programación
Min z=11x1+23x2+53x3+17x4
S.a.: 4X1+2X2 + 3X3 +3 X4 = 12
X1+5X2 + 2X3 +3 X4 = 6
X1 ≥ 0; X2 ≥ 0; X3 ≥ 0; X4 ≥ 0
70
Parte IV. Resultados obtenidos y discusión
Para encontrar una solución óptima al modelo Lineal planteado se utiliza el Método
Simplex el cual brinda el valor óptimo de la función objetivo, y con ello los modelos de
cortes necesarios. Con el fin de realizar el análisis de los resultados obtenidos, se utiliza el
software Excel con las herramientas adicionales en este caso el Excel y seguido de eso se
realizara una interpretación de los resultados
Solución Método Simplex – Método de dos Fases
Para poder resolver el modelo utilizamos el método simplex, el cual nos permitirá obtener
la solución óptima al modelo:
Ecuación 10Modelo final de programación
Min z=11x1+23x2+53x3+17x4
S.a.: 4X1+2X2 + 3X3 +3 X4 = 12
X1+5X2 + 2X3 +3 X4 = 6
X1 ≥ 0; X2 ≥ 0; X3 ≥ 0; X4 ≥ 0
Como se observa las restricciones son igualdades, por ello no podemos utilizar variables de
holgura, pero si utilizaremos variables artificiales (Y1, Y2), Entonces Estandarizando el
modelo tenemos:
Min z=11x1+23x2+53x3+17x4
S.a.: 4X1+2X2 + 3X3 +3 X4+Y+0Y1= 12
X1+5X2 + 2X3 +3 X4+0Y2+Y = 6
71
Xi ≥ 0; i = 1,2,3
Yj ≥ 0: j = 1,2
Para poder resolver este problema Lineal que cuenta con dos variables artificiales, se debe
de hacer uso del Método de Dos Fases, el cual permitirá obtener soluciones básicas
factibles
FASE I
La nueva función objetivo que se tiene es la de minimizar la suma de las variables
artificiales.
Min W = Y1+Y2
Ahora se resuelve el problema por el método simplex tradicional como un problema de
Maximización, recordando que Min W = Max (-W)
El nuevo modelo se queda asi:
MAX-W=-Y1-Y2
s.a:
4X1+2X2+ 3X3+3X4+ Y1+0Y2= 12
1X1+5 X2+2X3+3X4+0Y1+ Y2= 8
X1 ≥ 0; X2 ≥ 0; X3 ≥ 0; X4 ≥ 0; Y1 ≥ 0; Y2 ≥ 0
Se resuelve el modelo en la tabla simplex como se muestra:
72
Tabla 22 METODO SIMPLEX1
TABLA 1 0 0 0 0 -1 -1
Base Cb Y x1 x2 x3 x4 Y1 Y2
Y1 -1 12 4 2 3 3 0 1
Y2 -1 6 1 5 2 3 1 0
Z -18 -5 -7 -5 -6 0 0
Como se observa los costos reducidos de las variables básicas Y1, Y2 no son nulos por ello
se deben de reducir a 0, ya que se debe de respetar que los costos reducidos de las variables
básicas sean 0. Entonces se reducen estos coeficientes, la variable que sale de la bas3 y1 y
la que entra es la x2, obteniéndose la siguiente tabla:
Tabla 23 modelo simplex 2
TABLA 2 0 0 0 0 -1 -1
Y Y
Base Cb Y Y2 1 x3 x4 Y1 2
-2/
x1 -1 48/5 18/5 0 11/5 9/5 5 1
x2 0 6/5 1/5 1 2/5 3/5 1/5 0
. -9/
Z 48/5 -18/5 0 -11/5 5 7/5 0
La variable que sale de la base es y2 y la que entra es x1
Tabla 24 modelo simplex 3
TABLA 3 0 0 0 0 -1 -1
Base Cb Y Y2 Y1 x3 x4 Y1 Y2
11/1 5/1
Y2 0 8/3 1 0 8 ½ -1/9 8
-1/
X1 0 2/3 0 1 5/18 ½ 2/9 18
Z 0 0 0 0 0 1 1
Existe alguna solución posible para el problema, por lo que podemos pasar a la fase II para
calcularla
73
Tabla 25 Modelo simplex final
TABLA 4 -11
-23 -52 -17
Base Cb Y Y2
Y1 X2 x4
X3 -11 3 01 11/8 ½
X1 -23 1 10 5/18 ½
350/
Z 168 0 0 9 0
Entonces se tiene que los coeficientes de las variables de decisión son mayores o iguales a
cero por lo tanto se ad por concluida las iteraciones obteniéndose la solución básica
factible:
X1=1; x2=0; x3=3; x4=0
El valor óptimo de la función es Z=168
4.1 Solución por Excel herramienta adicional (solver)
A continuación se considera importante mostrar cómo resolver el problema de
Programación Lineal obtenido para el problema del GRUPO ROULLE mediante el
software de Excel, en el cual se tendrán que activar herramientas adicionales para el manejo
de solver que nos permitirá resolver el problema con un número limitado de variables y
restricciones de una manera amigable y sencilla, obteniendo rápidamente una solución.
Adicionalmente se debe mencionar que el negocio podrá ocupar esto sin ningún conflicto.
74
4.1.1 Para activar las herramientas adicionales de Excel:
Paso1:
Seleccionamos la parte de archivos y elegimos en opciones.
Ilustración 10
solver1
Paso 2:
Ilustración 11 solver 2
75
Ilustración 12 solver 3
Resolución del problema
Se colocan nuestras restricciones, funcion objetivo y por ultimo nuestros sujetos
Tomando en cuenta lo siguiente;
Ilustración 13 acomodamiento de datos
76
Ilustración 14 acomodamiento para solver
Vamos en la parte de “datos” y esquinado están las opciones de solver como muestra la
siguiente imagen:
Ilustración 15 Datos
En este apartado se comenzara a colocar los datos correspondientes en cada celda
77
Ilustración 16 Cuadro solver
Ilustración 17 Resolución solver
Los resultados indican que se deben realizar un corte con el modelo del caso 1 (X1=1), en
el modelo del caso 2 no se debe realizar ningún corte (X2=0) y se deben de realizar 3 cortes
78
del caso 3 (X3=3) y tampoco se realiza ningún corte en el caso 4 (x4=0), con lo cual se está
reduciendo las mermas hasta 168 cm de ancho
Entonces para obtener 12 rollos de película de 76cm de ancho y 6 rollos de película de
35cm de ancho se deben de cortar solo 4 rollos de 350cm de ancho, 1 rollo de la forma
Caso 1 y 3 rollos de la forma Caso 3. El modelo obtenido es como se muestra:
caso 3 76 76 76 35 35 52 rollo 1
caso 3 76 76 76 35 35 52 rollo2
caso 3 76 76 76 35 35 52 rollo3
caso 1 76 76 76 76 35 11 rollo4
Tabla 26 Solución optima
Esta solución brinda un área útil de 3,296cm de ancho en total, esto equivale a 168 cm de
merma de los 4 rollos utilizados, lo que representa solo un 9% de merma, a diferencia del
15.43 % actual, lo cual permite un ahorro en material
79
IV CONCLUSIONES Y RECOMENDACIONES
En la Programación Lineal podemos identificar nuestros modelos a solucionar y utilizando
los métodos Simplex para obtener una solución factible que permita optimizar el consumo
de los materiales para la producción.
El sistema de control de la producción es fácil de llevar pues el diseño de los formatos de
ingreso de datos debe de ser sencillo para los usuarios, la complejidad está en la evaluación
y tabulación de la data para obtener resultados factibles
El Buen manejo del sistema de control de insumos se presta como una herramienta
poderosa que apoya la toma de decisiones ya que permite identificar cuales procesos deben
de ser modificados o en que debemos mejorar para poder obtener una menor cantidad de
mermas y esto incurre en un mayor margen de ganancias.
Por todo lo expuesto se RECOMENDÓ la implementación inmediata de este proyecto, lo
cual involucró el cambio en el sistema de cortes de rollos de película, lo cual desde su
implementación viene trayendo grandes beneficios financieros a el negocio, y con ello ir
alcanzando sus objetivos trazados, también se recomendó que se continúe realizando
proyectos de investigación en otros productos que produce esta empresa, lo cual muestra
viabilidad gracias a lo acertado del presente proyecto.
80
Bibliografía
(s.f.).
Akoff. (1986). Fundamentos de la investigacion de Operaiones . Limusa.
Alvarado Boirivant, J. ( 2009). LA PROGRAMACIÓN LINEAL APLICACIÓN DE LA

PEQUEÑAS Y MEDIANAS EMPRESAS. Costa Rica.
Anderson. (2004). Metodos Cuantitativos para los negocios. Mexico: Thomson.
Arsham, H. (25 de 02 de 1994). Modelos Deterministas:. Recuperado el 25 de 03 de 2019,

de http://home.ubalt.edu/ntsbarsh/opre640S/spanishD.htm
Beneke. (1984). Programacion Lineal. Costa Rica: Aedos.
Bernal, C. (2006). Metodología de la investigación . México : Ed. Pearson.
Bryan, M. (2004). Multivariate Statistical Methods. United States America: Champan.
Collazos, M. (1994). Programacion Entera y Meta. Problemas aplicaciones . Mexico:

Zaragoza.
Cortez, A. (2004). teoria de la complejidad computacional. Investigacion y sistemas, 1004.
Cruz, V. S. (17 de 09 de 2015). rdu.unc.edu.ar/. Obtenido de rdu.unc.edu.ar/:

https://rdu.unc.edu.ar/bitstream/handle/11086/2709/Santa%20Cruz%2C%20Victor.
%20Aplicaci%C3%B3n%20de%20la%20programaci%C3%B3n%20lineal%20a
%20la%20maximizaci%C3%B3n%20de%20las%20contribuci%C3%B3n
%20marginal%20de%20una%20compa%C3%B1%C3%ADa%20argentina%20con
%
Cuaquero, R. (2005). Algoritmos Hueristicos en optimizacion combinatoria. España.
Dantzig, G. (1947). Algoritmo interativo.
Enrique Castillo, A. J. (2002). Formulacion y Resolucion de Modelos. Pederal .
Fernandez, J. (2012). conceptos matematico utiles de macroeconomia. milenio .
Frederick, H. (2002). investigacion de operaciones . Mexico : Mc Graw Hill.
Gigch, J. V. (1990). Teoria General de Sistemas . Mexico, Df.
Gonzalez, J. (1999). investigacion de operaciones en accion. Mexico.
Gould, E. (1978). Investigacion de Operaciones .
81
Grijalva, G. y. (1986). El enfoque de sistemas. Mexico: Limusa.
Harald., D. (1990). A Typology of cutting and packing problems. Europa: Journal.
Heskett, J., & Glaskowsky, N. (1983). Bussines Logistic: Physical Distribution and
materials managemet. United States of American .
James, G. (1985). Control de la produccion. Mexico.
Jarvis, A. (1998). Programacion lineal y Flujo de Redes . Limusa.
Javier, O. (2014). SlideShare. Obtenido de

https://es.slideshare.net/DeiviGonzalez3/optimizacion-84192674
Kothler, P. (1996). Analisis de sistemas. New york.
Libros de matematicas. (2012). Operaciones . Mexico: Anaya.
Lomba, P. (1964). Linear Programing: An introductory Analysis. New York: N.P.
Machucan, A. (1998). Investigacion de operaciones . Mexico.
Mendez, E. R. (1997). Programacion lineal y metodos de optimizacion . Madrd.
Microsoft. (01 de Mayo de 2020). Microsoft. Recuperado el 15 de Mayo de 2020, de

https://support.office.com/es-es/article/definir-y-resolver-un-problema-con-solver-
5d1a388f-079d-43ac-a7eb-f63e45925040
Moya. (1998). La Programcion Lineal . Costa Rica: Euned.
ok diario . (17 de Marzo de 20). Recuperado el 15 de Mayo de 20, de

https://okdiario.com/howto/como-usar-solver-excel-paso-paso-2234589
Perez, C. (1975). Modelos de decision. Mexico.
Prado, F. (1990). Programacion Lineal Entera. Madrid.
Prado, M. (2003). Investigacion Operativa . Madrid: Pearson.
Prawda, J. (1987). Metodos y Modelos de Investigacion de Operativa. Mexico.
Sabando, D. (23 de 06 de 2009). Researchgate. Obtenido de Researchgate:

https://www.researchgate.net/publication/327564501_Modelo_de_Programacion_Li
neal_Aplicado_a_una_Empresa_PYME_de_Calzado
Salazar, I. A. (2014). INVESTIGACIÓN DE OPERACIONES. Mexico: Ebook.
82
Sanchez, J. C. (2012). Matematicas VI (investigacion de operaciones). En J. C. Sanchez,
Matematicas VI (investigacion de operaciones) (pág. 415). Mexico.
Steiner, R. (1994). Investigacion de operaciones . En R. Steiner, Analisis de Sistemas (pág.

101). Mexico, Df.: Thaja hamdy .
Taha. (1995). Investigacion de operaciones . Alfaomega.
Thierauf, R. (1991). Toma de decisiones por medio de investigacion de operaciones.

Mexico: Limusa.
Varela, E. (1982). introduccion a la Investigacion de Operaciones. Colombia.
Vilca, A. (21 de 02 de 2009). Scribd. Obtenido de Scribd:

https://es.scribd.com/doc/12233850/Aplicacion-de-Programacion-Lineal-a-la-
Empresa-Novedades-e-Importaciones-ELSA
weber. (1984). Matematica y Administracion . Mexico : Hala.
Whitaker. (1988). Investigacion operativa de computadores . Paraninfo.
Willard, T. y. (1989). Analisis de sistemas . Mexico.
Winston. (2004). Investigacion de Operaciones . Iberoamericana.
Winston, W. (2005). investigacion de operaciones apkicaciones y algoritmos . Mexico:

Thomson .
83

Correccion de Corte

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

Correccion de Corte

Cargado por

Copyright:

Formatos disponibles

TECNOLÓGICO NACIONAL DE MÉXICO

Instituto Tecnológico de Toluca

MINIMIZACIÓN DE MERMA EN EL AREA DE CORTE DE ROLLOS DE

Díaz Leal Nuñez Titania Yamile

Hernández Morales Jaqueline Lisset

Bernal Velázquez Vanessa

Metepec, Estado de México, a 24 de febrero de 2020.

Tecnológico S Av. /N, Col. Agrícola Bellavista, C.P. 52149,

Agradecemos al Grupo Roulle quienes nos brindaron todo su apoyo y confianza en el

desarrollo de este trabajo y por la disposición y el apoyo con la información proporcionada

para la realización de esta investigación.

En el presente trabajo de tesis se realiza un Análisis Situacional en el negocio de Grupo Roulle

haciendo uso de la metodología del Enfoque Sistémico o Enfoque de Sistemas.

negocio. Luego de realizar un análisis minucioso de todos los subsistemas de la institución, se

situación del negocio.

realiza el negocio, y se recomienda su pronta implementación, para poder favorecer su

the Systemic Approach or Systems Approach methodology.

El Negocio de GRUPO ROULLE, se ha ganado un lugar en el mercado local, con el fin de

mejoramiento continuo en el proceso de producción de bienes y servicio que ofrece.

tener en el futuro. Y con este fin, realizaremos en el negocio, el estudio de su sistema de

Para enfocar el problema se utiliza la metodología de la Teoría de Sistemas, la cual permitirá

procedimientos que se encuentran comprometidos en el estudio y poder identificar las

variables asociadas a estas actividades; para complementar el estudio se hace uso de la

metodología del Enfoque de Sistemas que permitirá alimentar de información necesaria al

estudio, además de poder realimentar y posteriormente hacer retroalimentación de información

necesaria que permitirá describir perfectamente el problema. Finalmente, utilizando la

Metodología de Programación Lineal se construye un modelo matemático, y para obtener la

solución óptima al modelo se utiliza el Método Simplex.

Utilizando de esta manera diversas herramientas de la Investigación Operativa se realizará la

evaluación y se obtendrá un diagnóstico del sistema, construyendo modelos matemáticos que

plantea la solución a sus problemas.

1.1 Antecedentes del problema.........................................................................................10

1.2 Descripción del problema............................................................................................11

1.4 Hipótesis o supuestos..................................................................................................14

2.1. Antecedentes del tema................................................................................................17

2.2. Desarrollo teórico.......................................................................................................19

2.4 Programación Entera...................................................................................................27

2.5 Métodos de Solución para problema de Programación Lineal....................................29

2.6 Tipos de cortes.............................................................................................................50

2.7 Solver en Excel...........................................................................................................51

3.1 Población o universo/ muestra....................................................................................53

3.2 Tipo de estudio............................................................................................................53

3.3 Descripción del instrumento........................................................................................54

3.4 Procedimiento de recolección de datos.......................................................................54

3.4.1 Diseño de la investigación........................................................................................55

3.5. Procedimiento de manejo estadístico de la información............................................59

ancho y una maquina “2” (35 cm de ancho).....................................................................60

3.5.2 Corte de fotolito........................................................................................................63

3.6 Modelo y experimentación..........................................................................................65

3.6.1 Modelo de solución de cortes...................................................................................66

Parte IV. Resultados obtenidos y discusión..........................................................................69

4.1 Solución por Excel herramienta adicional (solver).....................................................72

4.1.1 Para activar las herramientas adicionales de Excel:.................................................73

Tabla 2 INICIAL SIMPLEX.................................................................................................32

Tabla 3 Encontrar los coeficientes de la nueva tabla............................................................34

Tabla 4 Solución en proceso.................................................................................................35

Tabla 5 variable de holgura...................................................................................................35

Tabla 6 Construcción de la primera tabla.............................................................................38

Tabla 7 FASE I.....................................................................................................................40

Tabla 8 Reducción de coeficientes........................................................................................41

Tabla 9 El método simplex normal.......................................................................................42

Tabla 11 Operando análogamente.........................................................................................43

Tabla 12 Fase 1 solución inicial............................................................................................44