Universidad de El Salvador

Facultad de Ingeniería y Arquitectura

Escuela de Ingeniaría Industrial

Investigación de Operaciones I

Trabajo Ex Aula
Responsable:

Ing. Andrés Omar Aguilar

Grupo N° 22

Presentado por:

APELLIDOS NOMBRES CARNET

Beltrán Corcio Alejandra Eunice BC18009
Guillén Castaneda Edwin Armando GC18020
Hernández Martínez Carmen Arely HM18016
Perla Portillo Diana Celeste PP18011
Solano Pérez Mónica Alejandra SP18010

Ciudad universitaria, 07 de diciembre 2020

1
Índice

INTRODUCCIÓN ............................................................................................................... 3
OBJETIVOS....................................................................................................................... 4
1. MARCO TEÓRICO ..................................................................................................... 5
1.1 Programación Lineal ............................................................................................ 5
1.1.1 Características de los problemas de programación lineal ............................. 6
1.2 Método Simplex ................................................................................................... 7
2. PRESENTACIÓN DE CASOS Y DESARROLLO DEL CASO ELEGIDO .................... 7
2.1 Casos propuestos ................................................................................................ 7
2.1.1 Planeación regional ...................................................................................... 7
2.1.2 Programación de horas de trabajo en centro de computo ............................. 8
2.1.3 Control de la contaminación del aire ............................................................. 9
2.1.4 Agentes de servicio a clientes..................................................................... 11
2.1.5 Problema lineal de producción de helados.................................................. 13
2.2 Planteamiento preliminar del problema del caso elegido ................................... 13
2.3 Planteamiento matemático ................................................................................ 14
2.4 Resolución mediante software ........................................................................... 15
2.5 Análisis de resultados............................................................................................. 18
CONCLUSIONES ............................................................................................................ 20
RECOMENDACIONES .................................................................................................... 21
BIBLOGRAFÍA ................................................................................................................. 22

2
INTRODUCCIÓN

Tomar la decisión correcta, en el momento adecuado, es clave para el éxito de cualquier

actividad. En el campo de la Ingeniería esto es esencialmente importante, ya que, si se está
a cargo de un proyecto en específico, su éxito depende de lo acertado que hayan sido las
decisiones tanto al momento de su planeación como ejecución. Es evidente la necesidad
de contar con un soporte científico para ayudar a esclarecer cuáles serían las mejores ini-
ciativas a tomar para la consecución de una actividad.

La Investigación de Operaciones puede definirse como un método científico de resolución

de problemas, la cual brinda las herramientas suficientes para que con base en abstraccio-
nes de la realidad se puedan generar y resolver modelos matemáticos con el objetivo de
elaborar un análisis y concluir de los mismos para así poder sustentar cuantitativamente las
decisiones que se tomen respecto a la situación problema. Se espera que las decisiones
alcanzadas mediante el uso de un modelo de investigación operativa sean significativa-
mente mejores en comparación a aquellas decisiones que se podrían tomar haciendo uso
de la simple intuición o experiencia.

Se utiliza un modelo de optimización que considera una función objetivo en una o varias
variables que se desea maximizar o minimizar dependiendo del problema que se quiere
solucionar. Los valores que pueden adoptar las variables de decisión usualmente están
restringidos por restricciones que adoptan la forma de ecuaciones y/o inecuaciones que
buscan representar las limitantes asociadas a la problemática.

Las aplicaciones de dicho modelo y los alcances de la Investigación de Operaciones son

bastante amplios. Abarcan ámbitos igual de amplios como automatización, transporte, si-
mulación, informática e ingeniería financiera. Incluso la planeación de actividades agrícolas
puede realizarse con la ayuda de los modelos de programación lineal, por lo que, en el
presente trabajo, se busca aplicar la Investigación de Operaciones a un caso posible en la
vida real.

Una confederación que está formada por tres comunidades agrícolas comunales de Israel
planea la producción agrícola de tres cultivos distintos. Sin embargo, se tiene una limitada
disponibilidad de agua para irrigación y esto provoca que no se puede utilizar todo el terreno
irrigable para los cultivos. Por tanto, lo que busca esta confederación es conocer la cantidad
de acres que deben asignarse a cada tipo de cultivo en cada comunidad agrícola comunal,
con el objetivo de maximizar el rendimiento neto total de la confederación dentro de las
limitaciones planteadas. Esto se resolverá mediante un software diseñado para encontrar
la solución a un problema de este tipo y en base a los resultados obtenidos se recomenda-
rán las decisiones más convenientes para la confederación.

3
OBJETIVOS

Objetivo general:

- Aplicar la Investigación de Operaciones para resolver un caso de estudio de una

confederación, a través de la programación lineal y, a su vez, obtener una solución
óptima del problema.

Objetivos específicos:

- Formular un modelo de programación lineal para maximizar el rendimiento neto to-

tal de la Confederación.

- Aprender el manejo de un software que facilite la obtención de la solución óptima

para el problema.

4
 1. MARCO TEÓRICO

1.1 Programación Lineal

La programación lineal es un conjunto de técnicas de análisis y de resolución de problemas
cuya función es ayudar a los responsables en las decisiones sobre asuntos en los que
interviene un gran número de variables representándolas matemáticamente como funcio-
nes lineales. El nombre de programación lineal no procede de la creación de programas de
ordenador, sino de un término militar, programar, que significa “realizar planes o propuestas
de tiempo para el entrenamiento, la logística o el despliegue de las unidades de combate”
A lo largo de la historia han ocurrido diversos acontecimientos relativamente importantes a
la programación lineal, tales como durante la Segunda Guerra Mundial, donde se mantuvo
en secreto y fue utilizada como mecanismo para poder gestionar decisiones acerca de la
mejor utilización de materiales bélicos y planificar todos los gastos. De esta manera se pre-
tendían, gestionar mejor los recursos propios y reducir lo máximo posible lo que eran los
costos del ejército.
Los fundamentos matemáticos de la programación lineal se deben al matemático norteame-
ricano de origen húngaro John (Janos) Von Neumann (1903-1957), quien en 1928 publicó
su famoso trabajo Teoría de Juegos. En 1947 conjetura la equivalencia de los problemas
de programación lineal y la teoría de matrices desarrollada en sus trabajos. La influencia de
este respetado matemático, y, desde 1930, catedrático de la Universidad de Princeton de
Estados Unidos, hace que otros investigadores se interesen paulatinamente por el desarro-
llo riguroso de esta disciplina. (Saez, I., 2012)
Un problema económico puede definirse de manera simple, como una búsqueda de una
asignación óptima de recursos escasos entre múltiples alternativas a elegir. Esto basado
en el hecho que los recursos tienen una doble limitación en el tiempo y el espacio, un obje-
tivo a desarrollar y una medida de eficiencia. Un tipo de problema así es abordado por la
programación lineal, en donde la manera de describir dicho problema es mediante un mo-
delo matemático, y por medio de este se trata el problema de asignación de recursos entre
actividades competitivas de manera óptima. Todos estos modelos pretenden la optimiza-
ción de una función lineal de algunas variables, satisfaciendo al mismo tiempo las restric-
ciones indicadas por el problema a resolver (López, 1993).

En general, el problema que resuelve la programación lineal se plantea así:

Función objetivo: Optimizar Z = C1 X1 +C2 X2 +C3 X3 +…Cn Xn

Ci ∈R, i=1,2, 3, …, n

5
 Sujeto a restricciones:

Restricciones físicas (estructurales)

a11 X1 +a12 X2 +a13 X3 +…+a1n Xn ≥b1

a21 X1 +a22 X2 +a23 X3 +…+a2n Xn ≥b2

a31 X1 +a32 X2 +a33 X3 +…+a3n Xn ≥b3

am1 X1 +am2 X2 +am3 X3 +…+amn Xn ≥bm

aij ∈R, i=1, 2,3,…,m

j=1,2,3,…,n

bi ∈R

Restricciones formales (de rango)

X1 , X2 , X3 ,…,Xn ≥0
RECURSOS: b1 ,…, bm

1.1.1 Características de los problemas de programación lineal

- Proporcionalidad: Implica que en la función objetivo Z, la utilización del recurso

j a X (i=1,2, 3, …, m), son directamente proporcionales al valor de la actividad j
determinada.
- Aditividad: Dados los niveles de actividad, el uso total de cada recurso y el valor
resultante de Z deben igualar la suma correspondiente a las cantidades genera-
das por el valor de cada actividad.
- No negatividad: Los resultados de cada una de las variables de decisión en la
solución óptima deben ser no negativos. Cuando se presentan variables negati-
vas, estas se deben expresar como la adición de variables positivas. Al conjunto
de valores de 𝑋1 , 𝑋2 , … 𝑋𝑛 que satisfacen simultáneamente todas las restricciones
se le denomina región factible. Cualquier punto dentro de la región factible repre-
senta un posible programa de acción. La solución óptima es el punto de la región
factible que hace máxima o mínima la función objetivo.
- Optimalidad: En algunos casos las variables reales que describen las activida-
des tienen sentido únicamente con valores enteros; debemos tener en cuenta
que en programación lineal se aceptan valores reales positivos.
El procedimiento a seguir para la construcción del planteamiento de programación lineal es
el siguiente:

1. Identificar los recursos y las actividades en el problema.

2. Definir las variables de decisión (qué se busca).

6
 3. Definir una función objetivo (alcanzar la solución óptima).
4. Definir las restricciones (limitaciones de las variables).

Posteriormente del planteamiento, es necesario formular el modelo matemático, en el cual

se de tallan de forma matemática, la función objetivo, y sus respectivas restricciones.

1.2 Método Simplex

Uno de los métodos con los cuales se logra la optimización de una función objetivo en
particular es el método simplex, un proceso iterativo que busca ofrecer un mejor resultado
por cada iteración concluida hasta satisfacer ciertas condiciones que aseguran que se ha
alcanzado el valor más óptimo posible en la función objetivo. Sallán, Suñé, Fernández y
Fonollosa (2005) lo definen como una exploración inteligente del conjunto de soluciones
posibles, de manera que se alcance el óptimo “explorando un subconjunto pequeño” de
dichas soluciones. Además, afirma que es el método indicado para resolver modelos rela-
tivamente pequeños o medianos y recomienda el uso de programas informáticos para su
aplicación, que es lo que se pretende con el presente trabajo.
En otras palabras, este método busca la solución óptima en cada paso, de forma mejorada
hasta que no pueda seguir mejorando dicha solución, mediante las distintas técnicas que
se utilizan para las diversas condiciones con que cuente el problema. Su principio se basa
en el sustituir variables no básicas por variables básicas, hasta encontrar la solución óptima.

2. PRESENTACIÓN DE CASOS Y DESARROLLO DEL CASO ELEGIDO

2.1 Casos propuestos

2.1.1 Planeación regional

Institución: Confederación sur de kibbutzim.

La CONFEDERACIÓN SUR DE KIBBUTZIM está formada por tres kibbutzim (comunidades

agrícolas comunales) de Israel. La planeación global de este grupo se hace en su oficina
de coordinación técnica. En la actualidad planean la producción agrícola para el año pró-
ximo. La producción agrícola está limitada tanto por la extensión de terreno disponible para
irrigación como por la cantidad de agua que la Comisión de Aguas (una oficina del gobierno
nacional) asigna para irrigarlo. La tabla 2.1 contiene los datos. Los tipos de cultivos ade-
cuados para la región incluyen remolacha, algodón y sorgo, que son precisamente los tres
que están en estudio para la estación venidera. Los cultivos difieren primordialmente en su
rendimiento neto esperado por acre y en su consumo de agua. Además, el Ministerio de
Agricultura ha establecido una cantidad máxima de acres que la Confederación puede de-
dicar a estos cultivos. La tabla 2.2 muestra estas cantidades.

Debido a la disponibilidad limitada de agua para irrigación, la Confederación no podrá usar

todo el terreno irrigable para los cultivos de la próxima temporada. Para asegurar la equidad
entre los tres kibbutzim, han acordado que cada uno sembrará la misma proporción de sus
tierras irrigables disponibles. Por ejemplo, si el kibbutz 1 siembra 200 de sus 400 acres

7
disponibles, entonces el kibbutz 2 deberá sembrar 300 de sus 600 acres, mientras que el
kibbutz 3 sembraría 150 acres de los 300 que tiene. Cualquier combinación de estos culti-
vos se puede sembrar en cualquiera de las granjas. El trabajo al que se enfrenta la oficina
de coordinación técnica consiste en planear cuántos acres deben asignarse a cada tipo de
cultivo en cada kibbutz, de forma que cumpla con las restricciones dadas. El objetivo es
maximizar el rendimiento neto total de la Confederación Sur de Kibbutzim.

Tabla 2.1. Datos de recursos de la Confederación Sur de Kibbutzim

Terreno disponible Asignación de agua

Kibbutz
(acres) (pies-acre)
1 400 600
2 600 800
3 300 375
Tabla 2.2. Datos de cultivos de la Confederación Sur de Kibbutzim

Cantidad má- Consumo de agua Rendimiento neto

Cultivo
xima (acres) (acre-pie/acre) ($/acre)
Remolacha 600 3 1000
Algodón 500 2 750
Sorgo 325 1 250

2.1.2 Programación de horas de trabajo en centro de computo

Institución: Centro de cómputo del Buckly College

Larry Edison es el director del centro de cómputo de Buckly College, en donde debe pro-
gramar las horas de trabajo del personal del centro. Abre desde las 8 a.m. hasta la media-
noche. Larry estudió el uso del centro en las diferentes horas del día y determinó los si-
guientes números de asesores en computación necesarios, los cuales se presentan en la
tabla 2.3:

Tabla 2.3 Horarios del centro de cómputo con el número de asesores requeridos.

Número mínimo de asesores

Horarios
requeridos
8:00 – 12:00 4

12:00 – 16:00 8

16:00 – 20:00 10

20:00 – 00:00 6

8
Puede contratar dos tipos de asesores: de tiempo completo y de tiempo parcial. Los prime-
ros trabajan 8 horas consecutivas en cualquiera de los siguientes turnos: matutino (8:00 –
16:00), vespertino (12:00 – 20:00) y nocturno (16:00 – 00:00). Estos asesores ganan $40
por hora. Los asesores de tiempo parcial pueden trabajar cualquiera de los cuatro turnos
enumerados en la tabla anterior y ganan $30 por hora.

Un requisito adicional es que durante todos los periodos debe haber al menos dos asesores
de tiempo completo por cada uno de tiempo parcial.

Larry desea determinar cuántos asesores de tiempo completo y cuántos de tiempo parcial
debe haber en cada turno para cumplir con los requisitos a un costo mínimo.

2.1.3 Control de la contaminación del aire

Institución: NORI & LEETS CO.

La NORI & LEETS CO., una de las mayores productoras de acero del mundo occidental,
está localizada en la ciudad de Steeltown y es la única empresa grande de la localidad. La
comunidad ha crecido y prosperado junto con la compañía, que de momento emplea cerca
de 50 000 residentes. La actitud de los habitantes ha sido siempre “lo que es bueno para
Nori & Leets es bueno para nosotros”. Sin embargo, esta actitud está cambiando; la conta-
minación no controlada del aire debida a los altos hornos de la planta está en camino de
arruinar la apariencia de la ciudad y de poner en peligro la salud de sus habitantes.

Como resultado, después de una revuelta entre los accionistas se eligió un nuevo consejo
directivo más responsable. Los nuevos directores han decidido seguir políticas de respon-
sabilidad social y realizar pláticas con las autoridades de la ciudad y con grupos de ciuda-
danos para tomar medidas respecto de la contaminación ambiental. Juntos han establecido
estándares rigurosos de calidad del aire para la ciudad de Steeltown.

Los tres tipos principales de contaminantes son partículas de materia, óxidos de azufre e
hidrocarburos. Los nuevos estándares requieren que la compañía reduzca su emisión anual
de estos contaminantes en las cantidades que se presentan en la tabla 2.4. El consejo
directivo ha dado instrucciones a la administración para que el personal de ingeniería de-
termine cómo lograr estas reducciones en la forma más económica.

La fabricación de acero tiene dos fuentes principales de contaminación: los altos hornos
para fabricar el arrabio (lingotes de hierro) y los hornos Siemens-Martin para transformar el
hierro en acero. En ambos casos, los ingenieros determinaron que los métodos de abati-
miento más eficaces son: 1) aumentar la altura de las chimeneas, 2) usar filtros (con tram-
pas de gas) en ellas y 3) incluir limpiadores de alto grado en los combustibles de los hornos.
Todos estos métodos tienen limitaciones tecnológicas en cuanto al nivel en que pueden
usarse; por ejemplo, un incremento factible máximo de la altura de las chimeneas, pero
también existe una gran flexibilidad para usar el método en cualquier nivel fraccionario de
su límite tecnológico.

9
La tabla 2.5 muestra la cantidad de emisión (en millones de libras anuales) que se puede
eliminar de cada tipo de horno mediante el empleo del método de abatimiento al máximo
límite tecnológico. Para fines de análisis se supone que cada método se puede usar a un
nivel menor para lograr cualquier fracción de reducción de las tasas de emisión que se
presentan en esta tabla. Más aún, las fracciones pueden ser diferentes para los altos hornos
y los hornos Siemens-Martin, y el uso simultáneo de otro método no afecta de manera sig-
nificativa la reducción de emisiones que alcanza cada uno de ellos.

Después de obtener estos datos, quedó claro que ningún método por sí solo podía lograr
las reducciones requeridas. Por otro lado, la combinación de los tres métodos a toda su
capacidad —lo que sería demasiado caro si se quiere que los productos tengan precios
competitivos— genera un resultado mucho más elevado de lo que se pide. Por todo esto,
la conclusión de los ingenieros fue que debían usar alguna combinación de métodos, tal
vez con capacidades fraccionarias, basada en sus costos relativos. Aún más, debido a las
diferencias entre los altos hornos y los hornos SiemensMartin, es probable que la combina-
ción sea diferente para cada tipo de horno.

Se llevó a cabo un análisis para estimar el costo total anual de cada método de abatimiento.
El costo anual de un método incluye el aumento de los gastos de operación y mantenimiento
al igual que la reducción de los ingresos debida a cualquier pérdida de eficiencia en el pro-
ceso de producción que pueda generar el uso del método. El otro costo importante es el
costo fijo inicial (el capital inicial) que se requiere para instalar el método. Para hacer que
este costo único fuera conmensurable con los costos anuales, se usó el valor del dinero en
el tiempo para calcular el gasto anual (sobre el tiempo esperado de vida del método) que
sería equivalente a este costo fijo inicial.

El análisis permitió estimar los costos anuales totales (en millones de dólares), que se pre-
sentan en la tabla 2.6, en que se incurre al usar los métodos a toda su capacidad de abati-
miento. También se determinó que el costo de un método que se utiliza a un nivel menor
es esencialmente proporcional a la capacidad fraccional de la capacidad de abatimiento
que se logra, aspecto que se presenta en la tabla 2.5. Entonces, para cualquier fracción
que se logre, el costo total anual sería en esencia la fracción de la cantidad correspondiente
de la tabla 2.6.

En esta etapa, todo está listo para desarrollar el marco general del plan de la compañía
para disminuir la contaminación. Este plan especifica qué tipo de métodos de reducción
deberán emplearse y a qué fracciones de su capacidad para: 1) los altos hornos y 2) los
hornos Siemens-Martin. Debido a la naturaleza combinatoria del problema de encontrar un
plan que satisfaga los requisitos con el menor costo posible, se formó un equipo de inves-
tigación de operaciones para resolverlo.

TABLA 2.4 Estándares de aire limpio de Nori & Leets Co.

10
 Reducción requerida de la tasa de emisión anual (millo-
Contaminante
nes de libras)
Partículas 60
Óxidos de azufre 150
Hidrocarbonos 125

TABLA 2.5 Reducción de la tasa de emisión (en millones de libras por año) con el uso
máximo factible del método de abatimiento de Nori & Leets Co.

Chimeneas más Mejores combusti-

Filtros
altas bles
Contaminante Hornos Hornos Hornos
Altos Altos Altos hor-
Siemens- Siemens- Siemens-
hornos hornos nos
Martin Martin Martin
Partículas 12 9 25 20 17 13
Óxidos de azufre 35 42 18 31 56 49
Hidrocarbonos 37 53 28 24 29 20

TABLA 2.6 Costo total anual por el uso máximo factible del método de abatimiento de Nori
& Leets Co. (millones de dólares).

Hornos de corazón
Método de abatimiento Altos hornos
abierto
Chimeneas más altas 8 10
Filtros 7 6
Mejores combustibles 11 9

2.1.4 Agentes de servicio a clientes

Institución: UNION AIRWAYS

UNION AIRWAYS va a agregar vuelos desde y hacia su aeropuerto base, por lo cual nece-
sita contratar más agentes de servicio a clientes. Sin embargo, no está claro cuántos más
debe contratar. La administración reconoce la necesidad de controlar el costo y al mismo
tiempo proporcionar de manera permanente un nivel satisfactorio de servicio. Con base en
la nueva programación de vuelos, se ha realizado un análisis del número mínimo de agen-
tes de servicio a clientes que deben encontrarse de guardia en diferentes momentos del día
para proporcionar un nivel satisfactorio de servicio. La columna de la derecha de la tabla
muestra el número de agentes necesario para los periodos dados en la primera columna.
Los otros datos de la tabla reflejan uno de los acuerdos del contrato colectivo vigente entre
la compañía y el sindicato que representa a los agentes de servicio a clientes. El acuerdo
es que cada agente trabaje un turno de 8 horas 5 días a la semana, y los turnos autorizados
son:

11
 - Turno 1: 6:00 a.m. a 2:00 p.m.
- Turno 2: 8:00 a.m. a 4:00 p.m.
- Turno 3: 12:00 a.m. (mediodía) a 8:00 p.m.
- Turno 4: 4:00 p.m. a 12 p.m. (medianoche)
- Turno 5: 10:00 p.m. a 6:00 a.m.

Las marcas en el cuerpo principal de la tabla muestran las horas cubiertas por los turnos
respectivos. Como algunos turnos son menos deseables que otros, los salarios que se es-
pecifican en el contrato difieren de uno a otro. En el último renglón se muestra la compen-
sación diaria —con las prestaciones— por cada agente para cada turno. El problema con-
siste en determinar cuántos agentes deben asignarse a los turnos respectivos cada día para
minimizar el costo total de personal debido a los agentes, de acuerdo con este último ren-
glón, al mismo tiempo que se cumplen (o se sobrepasan) las necesidades de servicio dados
en la columna de la extrema derecha

Tabla 2.7. Horas cubiertas por turnos

Período Períodos cubiertos Número mí-

nimo necesario
Turno de agentes

1 2 3 4 5

6:00 am a 8:00 am * 48

8:00 am a 10:00 am * * 79

10:00 am a 12:00 am * * 65

12:00 am a 2:00 pm * * * 87

2:00 pm a 4:00 pm * * 64

4:00 pm a 6:00 pm * * 73

6:00 pm a 8:00 pm * * 82

8:00 pm a 10:00 pm * 43

10:00 pm a 12:00 pm * * 52

12:00 pm a 6:00 am * 15

Costo diario por agente $170 $160 $175 $180 $195

12
2.1.5 Problema lineal de producción de helados

Institución: Empresa de origen valenciano dedicada a la elaboración de helados artesana-

les en Sevilla

La empresa de origen valenciano afincada en Sevilla desde la década de los años 70 se

dedica a la elaboración de helados artesanales. Después de estos años de grandes proce-
sos en su negocio, desea abrir mercado para enfrentarse a la situación actual. Esta amplia-
ción tiene como objetivo introducir sus productos en el sector de la hostelería, mediante la
propuesta de una gama de helados que se pueden considerar “Gourmet”. A continuación,
se detallan dicha gama. Está compuesta por cinco tipos de paletas artesanas: paletas de
menta, paletas de chocolate, paletas de melocotón, paletas de almendras y paletas de “Fior-
dilatte”. Aunque la elaboración de todos ellos difiere en diversos aspectos, hay un producto
común en todos ellos “Jarabe Base” ya que son este no sería posible la fabricación de la
base de las paletas. Este jarabe, está compuesto por: Agua 655 gr, Azúcar de Caña 180
gr, Dextrosa 35 gr, Glucosa 130 gr.
A continuación, se detalla las siguientes cantidades utilizadas para la fabricación de un kilo
de cada tipo de paletas en la tabla 2.7:
Tabla 2.8 Cantidades utilizadas en la fabricación de un kilo de cada tipo de paleta.
Melo-
Tipo/Canti- Le- Yogurt Pasta
Esen- co-
dades che Azú- Cober- de al-
Jarabe desna- Nata Baño cia de Cacao tón
en- car tura men-
(gramos) tado Menta ba-
tera dras
tido
Menta 550 450 800 200 10
Chocolate 500 440 25 800 200 35
Melocotón 430 300 500 20 500 250
Almendra 400 495 25 800 200 80
Fiordilatte 510 510 550 200 1300 200

2.2 Planteamiento preliminar del problema del caso elegido

Caso elegido: Planeación regional

Recursos: Acres para la siembra de cada producto (remolacha, algodón y/o sorgo) en los
Kibbutz y recursos hídricos disponibles.

Actividades: Distribución efectiva de terrenos para cada cultivo de ya sea remolacha, al-
godón y/o sorgo.

Variables: Cantidad de acres para la siembra de los vegetales (remolacha, algodón y

sorgo).

Sea 𝑋𝑗 = Número de acres asignados al tipo de vegetal en el kibutz

Donde j = 1,2,3,4,5,6,7,8,9

Objetivo: Maximizar el rendimiento neto total de la Confederación Sur de Kibbutzim

13
Restricciones:

- Número de acres por Kibbutz (3 restricciones)

- Número de acres establecidos por el ministerio de agricultura (3 restricciones)
- Condición de equidad por parte de la Confederación (3 restricciones)
- Asignación de agua (3 restricciones)

2.3 Planteamiento matemático

Función objetivo: Maximizar 𝑍 = 1000(𝑥1 + 𝑥2 + 𝑥3 ) + 750(𝑥4 + 𝑥5 + 𝑥6 ) + 250(𝑥7 +

𝑥8 + 𝑥9 )
Análisis dimensional:

$ = ($ ∗ 𝑐𝑢𝑙𝑡𝑖𝑣𝑜⁄𝑎𝑐𝑟𝑒) (𝑎𝑐𝑟𝑒⁄𝑐𝑢𝑙𝑡𝑖𝑣𝑜) + ($ ∗ 𝑐𝑢𝑙𝑡𝑖𝑣𝑜⁄𝑎𝑐𝑟𝑒) (𝑎𝑐𝑟𝑒⁄𝑐𝑢𝑙𝑡𝑖𝑣𝑜 )

+ ($ ∗ 𝑐𝑢𝑙𝑡𝑖𝑣𝑜⁄𝑎𝑐𝑟𝑒) (𝑎𝑐𝑟𝑒⁄𝑐𝑢𝑙𝑡𝑖𝑣𝑜)

En la tabla 2.8 se muestra la ubicación de cada una de las variables.

Tabla 2.9 Representación de las restricciones de acres por kibbutz y cultivo de la repartición
del Kibbutz.

Terreno
Kibbutz Remolacha Algodón Sorgo (acres)
1 X1 X4 X7 400
2 X2 X5 X8 600
3 X3 X6 X9 300
Cant Máx. 600 500 325 -

Tabla 2.10 Representación de las restricciones de agua por kibbutz y cultivo

Asignación de agua
Kibbutz Remolacha Algodón Sorgo (pies-acre)
1 X1 X4 X7 600
2 X2 X5 X8 800
3 X3 X6 X9 375
Consumo de agua
(acre-pie/acre) 3 2 1 -

Restricciones:

- Restricciones de acres por Kibbutz: como se nos presentó en el enunciado cada

Kibbutz tiene un numero de acres asignado por lo cual la suma de los acres utiliza-
dos para la siembra de cada producto no puede superar los establecidos en la tabla
2.1 por kibutz, en la tabla 2.9 se expresa de manera más clara.

14
 𝑥1 + 𝑥4 + 𝑥7 ≤ 400

x2 + x5 + x8 ≤ 600

𝑥3 + 𝑥6 + 𝑥9 ≤ 300
- Restricciones de acres por vegetal establecido por el ministerio: se menciona tam-
bién, que el Ministerio de Agricultura estableció una cantidad máxima de acres que
la Confederación puede dedicar a cada uno de los cultivos, este numero de acres
totales se plantea en la tabla 2.1 y se expresa en la tabla 2.9.

𝑥1 + 𝑥2 + 𝑥3 ≤ 600

𝑥4 + 𝑥5 + 𝑥6 ≤ 500

𝑥7 + 𝑥8 + 𝑥9 ≤ 325
- Restricciones por consumo de agua: la Comisión de Aguas establece un límite en
pies/acre para cada uno de los kibbutz, además cada tipo de cultivo consume una
cantidad establecida de agua por acre sembrado, la cantidad de agua por kibbutz
es presentada en la tabla 2.10 además del requerimiento de agua por cada cultivo.

3𝑥1 + 2𝑥4 + 𝑥7 ≤ 600

3𝑥2 + 2𝑥5 + 𝑥8 ≤ 800

3𝑥3 + 2𝑥6 + 𝑥9 ≤ 375

- Restricciones de equidad: la Confederación debe asegurar que la proporción de tie-
rra sembrada para cada kibbutz sea la misma por lo que se establece la siguiente
triple igualdad:
𝑥1 + 𝑥4 + 𝑥7 𝑥2 + 𝑥5 + 𝑥8 𝑥3 + 𝑥6 + 𝑥9
= =
400 600 300
Es decir:
𝑥1 + 𝑥4 + 𝑥7 𝑥2 + 𝑥5 + 𝑥8
=
400 600
𝑥2 + 𝑥5 + 𝑥8 𝑥3 + 𝑥6 + 𝑥9
=
600 300
𝑥1 + 𝑥4 + 𝑥7 𝑥3 + 𝑥6 + 𝑥9
=
400 300
- Restricción de no negatividad:
𝑥𝑗 ≤ 0 ; 𝑗 = 1,2,3. .9

2.4 Resolución mediante software

Para la resolución del caso planteado se ocupará el software Lingo. LINGO es un producto
de LINDO Systems, Inc., que también comercializa un optimizador orientado por completo

15
a hojas de cálculo llamado What’sBest que está diseñado para enfrentar grandes problemas
industriales, así como una subrutina adicional llamada LINDO API. El software LINGO in-
cluye una interfaz con el subprograma LINDO que ha sido una introducción popular a la
programación lineal para muchas personas.

Se usó la configuración del solver “Dual computations” en la opción también los intervalos
de sensibilidad de los coeficientes de la función objetivo (en programación lineal) y de los
términos independientes de las restricciones (Prices & Ranges) y también” Variables assu-
med non-negative” con esta opción LINGO supone que todas las variables de un problema
son >0 salvo que se indique explícitamente lo contrario.

Para programar el caso presentado se hizo uso de los siguientes elementos del programa:

- La función objetivo se introduce precedida de Max = o de Min =.

- Para introducir una desigualdad de ≤ 𝑜 ≥ se escribe <= o >= aunque se puede abre-
viar a < o >. Para introducir una igualdad escribimos simplemente =.
- Cada instrucción termina obligatoriamente con un “;”.

Con estos comandos se programó el caso de usando Lingo, en la figura 2.1 se evidencia
dicha programación.

Figura 2.1 Evidencia de la programación del caso en lingo

Para poder ejecutar el programa se selecciona el botón “Solve” ubicado en la barra de he-
rramientas, en la figura 2.2 se muestra la ubicación exacta de dicho botón.

16
 Solve
Figura 2.2 Ubicación del botón solve

Al presionar el botón una nueva pestaña de diálogo aparece, expresando si el modelo pudo
resolverse o no, agregando información como el número de iteraciones empleadas, el nú-
mero de variables, valor optimizado, etc. En la figura 2.3 se muestra el cuadro de diálogo
mostrado al resolver este caso.

Figura 2.3 Cuadro de diálogo presentado en el caso

Al apretar el botón “Close” del cuadro de diálogo se nos muestra una pestaña con informa-
ción más detallada acerca del caso, dicha pestaña es mostrada en la figura 2.4.

17
 Figura 2.4 Pestaña con el valor de cada variable utilizada

En la tabla 2.10 se presentará el resumen de los valores adquiridos por las variables en el
punto óptimo luego que Lingo resolviese el caso mediante programación lineal.

Tabla 2.11 Valores adquiridos por las variables en el punto óptimo

Variable Valor Variable Valor

X1 133.3333 X6 150

X2 100 X7 0

X3 25 X8 0

X4 100 X9 0

X5 250 - -

2.5 Análisis de resultados

Con los resultados obtenidos a través de LINGO se determinó que el valor óptimo de ga-
nancias obtenidas por las ventas de los productos cultivados en los terrenos de los Kibbutz

18
es de $633,333.33. El número de acres por Kibbutz además de los acres por cultivo utiliza-
dos se plantean en la tabla 2.11 presentada a continuación.

Tabla 2.12 Acres por kibbutz y su uso.

Terreno
Kibbutz Remolacha Algodón Sorgo (acres)
1 133.3333 100 0 233.33
2 100 250 0 350
3 25 150 0 175
Cant cultivada ≈258.33 500 0 758.33

Podemos observar que se cultivó el máximo total de acres de algodón establecido por el
Ministerio, mientras que de los 600 acres disponibles para la remolacha solo se cultivaron
258.33 acres. Por otra parte, a partir de las respuestas observadas cultivar sorgo no es
rentable en los terrenos de los Kibbutz.

Como se puede observar en la tabla 2.11 se puede apreciar que el primer Kibbutz cultivó
233.33 acres de su terreno de 400, el segundo kibbutz cultiva 350 acres de los 600 dispo-
nibles y el tercer kibbutz cultiva 175 acres de 300 disponibles. Observando que todos los
Kibbutz cultivaron un 58.3333% de sus terrenos. De esta manera todos los Kibbutz cultiven
de manera equivalente y se obtenga la mayor ganancia posible.

19
 CONCLUSIONES

Según los resultados obtenidos mediante nuestra investigación acerca del caso de estudio
elegido y la programación lineal podemos comprobar la necesidad de tener técnicas de
análisis y resolución de problemas como también recalcar la importancia del uso del método
simplex como herramienta para poder obtener la solución más óptima para tomar las mejo-
res decisiones sobre la resolución de problemas y ejecución de soluciones en la industria
actual y en otros campos donde se requiera su uso.

La tecnología es en la actualidad es una herramienta indispensable por lo que nos apoya-

mos en ella mediante el uso del software LINGO de LINDO Systems, Inc. Para resolver
nuestro caso de estudio acerca de planeación regional de acres cuya función objetivo fue
maximizar el rendimiento neto total de la Confederación Sur de Kibbutzim.

Al finalizar la resolución del problema mediante la programación, se procedió a hacer un

análisis de los datos obtenidos para así concluir lo siguiente: Que cultivar sorgo no sería
rentable para los terrenos de los Kibbutz y que para que se lograra una ganancia máxima
y una plantación equivalente se necesitaban cultivan 233.33 en el primer terreno, 350 acres
en el segundo y 175 acres en el tercero de cantidades establecidas en la tabla 2.11 en el
apartado 2.5 de “Análisis de resultado” de algodón y remolacha para así obtener la rentabi-
lidad máxima cultivando 758.33 acres en total para la siembra de los vegetales requeridos
dando así solución a nuestro caso seleccionado.

20
 RECOMENDACIONES

- Para mayor comprensión del modelo matemático y evitar confusiones, al momento

de plantear las restricciones en forma de desigualdades, se debe separar las res-
tricciones por grupos según su objetivo dado que hay restricciones de acres por
Kibbutz, acres por vegetal establecido por el ministerio, por consumo de agua y res-
tricciones de equidad.

- Es necesario realizar el análisis dimensional dado que esto representa congruencia

entre las variables y los resultados finales que resuelven el problema planteado.

- Dado que el caso de estudio posee muchas variables, es recomendable brindarle

solución a través de un software que nos permita ahorrar tiempo, así como se hizo
en el presente trabajo en donde se utilizó LINGO.

- A la Confederación se le recomienda no cultivar Sorgo, dado que la resolución del

caso presenta que no es rentable, por lo que se deben enfocar en las remolachas y
el algodón.

- A la Confederación se le recomienda no cultivar todos los acres disponibles para la

remolacha, se debe verificar la cantidad óptima de cultivo para cada terreno con el
fin de obtener el mayor rendimiento neto total de la Confederación Sur de Kibbutzim

21
BIBLOGRAFÍA

Saez, I., Teoría y Problemas De Programación Lineal. Consultado el 3 de diciembre de

2020, Recuperado de https://www.academia.edu/12272624/Teor%C3%ADa_y_Proble-
mas_resueltos_de_Programaci%C3%B3n_Lineal

López Casuso, R. (3a Ed.). (1993). Programación lineal y decisiones económicas. Caracas,
Universidad Católica Andrés Bello, UCAB.

Sallán, J., Suñé, A., Fernández, V. y Fonollosa, J. (2a Ed.). (2005). Métodos cuantitativos
de organización industrial I. Barcelona: Ediciones UPC.

Consultado el 3 de diciembre de 2020, Recuperado de http://files.unefa-io.web-

node.es/200000012-1e0071ef9f/UNIDAD3.pdf

22