Concepto de programación lineal.
Formulación del
modelo
Como hemos visto en las lecturas anteriores, las relaciones y las características
entre las variables del problema que se trate definen los tipos de programación
matemática.
El objetivo de la presente lectura es abordar la temática relacionada con la
programación lineal en cuanto al planteo del problema y sus características.
La programación lineal (PL)
Generalización del modelo de PL y terminología
Video conceptual
Referencias
LECCIÓN 1 de 4
La programación lineal (PL)
Recordemos que la programación lineal se refiere a un conjunto de técnicas
matemáticas que intentan optimizar, es decir, intentan obtener la máxima
mejora posible en cualquier problema de tipo económico, social, industrial o
de otras disciplinas. Esa máxima mejora se expresa mediante una función
objetivo que está sujeta a restricciones o limitaciones de recursos.
Como la programación lineal es un modelo matemático abstracto de un
problema físico, es necesario utilizar símbolos matemáticos para representar
las cantidades físicas del problema.
Antes de generalizar el planteamiento de un problema de PL en términos
matemáticos, haremos referencia al problema mencionado en las anteriores
lecturas.
Problema: La empresa Silban S.A. fabrica y vende dos tipos de productos,
sillas y bancos, para lo que dispone de una máquina cortadora de madera
que trabaja 8 horas diarias y dispone de un total de 9 kg de madera como
materia prima por día para fabricarlos.
Se desea determinar el número de productos diarios a fabricar de cada tipo
(sillas y bancos) para obtener el máximo beneficio, y saber que la utilidad por
cada silla es de $2000 y por cada banco de $3000. Además, se conocen los
datos de la siguiente tabla que representa las horas de trabajo de la máquina
cortadora empleadas para cada producto y la materia prima (madera)
necesaria para cada uno.
Tabla 1: Datos de los recursos que se necesitan para la producción
Recursos Silla Banco
Horas máquina
1 2
cortadora
Materia prima
3 1
(madera)
Fuente: adaptado de Davis y McKeown, 1995.
La empresa te solicita que determines:
a) La cantidad de productos de silla y banco a fabricar para maximizar la
ganancia.
b) ¿A cuánto asciende la ganancia máxima de la fábrica?
Lo que se busca no es resolver el problema, sino plantearlo matemáticamente.
Formulación del problema
En este tópico se identifican los elementos fundamentales del modelo de PL
para el problema:
1 Las variables de decisión
2 La función objetivo
3 Las restricciones
En primer lugar, nos preguntamos:
¿Cuáles son las variables de decisión?
–
Esto es lo primero que tenemos que definir para hacer compatibles las variables
de decisión con la función objetivo y las restricciones. En otras palabras,
queremos que las variables de decisión tengan el mismo sentido en todo el
problema, que no cambien su significado al introducirlas en la función objetivo y
en las restricciones.
Para entender un poco más qué plantear y cómo podemos preguntarnos
además:
¿Qué es lo se quiere optimizar? ¿Bajo qué condiciones?
–
Estas son preguntas fundamentales para definir las variables de decisión en
consonancia con la función objetivo y las restricciones. Si se quiere maximizar
los beneficios es evidente que la función objetivo tendrá que estar en relación
directa con las variables de decisión: a mayor valor de éstas, más crecerán los
beneficios.
Por lo tanto, si llamamos Z a la función beneficio: Z=f(x,y) que se lee: Z está en
función de x y de y. Si nos referimos al problema planteado, entonces
definiremos:
x: silla
y: banco
Ya que la función Z varía de acuerdo con la cantidad de sillas y bancos que se
fabrican y comercializan (aquí estamos simplificando el problema. Se supone que
los costos de producción ya están contemplados en el beneficio neto). También
estamos en condiciones de plantear la función objetivo:
Maximizar Z = 2000x + 3000y
Analicemos brevemente esta ecuación: si se venden, por ejemplo, 10 sillas, la
empresa ganará por su venta $20000 y si se venden, por ejemplo, 3 bancos, Silban
S.A. ganará por ellos $9000. El beneficio o ganancia total será de $29000 (esto es
solo un ejemplo).
Con este análisis, nos aseguramos la coherencia que las variables de decisión
siguen teniendo en la función objetivo, es decir, siguen teniendo el mismo sentido
que les dimos al principio (siguen siendo cantidades o unidades de sillas y
bancos), solo que Z ahora está expresada en $ que es, en definitiva, su verdadera
magnitud, ya que hablamos de beneficios.
Pero si nos quedamos aquí, podríamos decir que las ganancias de la empresa se
harían cada vez más grandes si se fabrican y venden grandes cantidades de sillas
y bancos, especialmente de bancos que es el que más ganancia deja. Entonces la
función objetivo crecería sin límites. Eso no es real porque existen restricciones.
En este caso, son restricciones de tiempo en horas máquina de la cortadora de
madera y de kilogramos de materia prima (madera).
¿Cómo armamos las restricciones?
–
Reiteramos: las variables de decisión (silla y banco) no tienen que perder su
sentido en el problema. Parece evidente, entonces, que, por ahora, dos de las
restricciones serán las siguientes: una restricción será de horas máquina de la
cortadora (leer bien el primer párrafo del problema) que, en este caso, no deberá
exceder las 8 hs. La otra restricción es de kilogramos de materia prima (madera)
que no deberá exceder los 9 kg.
Intentemos, entonces, armar las restricciones que en este caso consistirán en un
sistema de inecuaciones:
x + 2y < = 8 restricción de horas máquina cortadora
3x + y < = 9 restricción de kilogramos de materia prima (madera).
Es fundamental identificar cuáles magnitudes están relacionadas en cada
inecuación. Lo que queremos decir es que podemos tener magnitudes distintas, y
de hecho las tenemos, en ambas inecuaciones: una inecuación se refiere a horas
mientras que la otra, a kilogramos. Lo importante es que cada inecuación dé
cuenta de la misma magnitud. Siempre es importante verificar esto.
Analicemos lo expuesto:
x + 2y < = 8, ¿la magnitud horas máquina cortadora se conserva en ambos
miembros de la desigualdad?
Primer miembro: x +2y, ¿son horas o cantidades?
x: son sillas, si se fabrican, por ejemplo, 2 sillas y un banco. Demanda 1 hora de
maquinaria cortadora, entonces 1 x 2 = 2: 2 sillas utilizarán 2 horas de máquina de
la cortadora de las 8 horas que están disponibles.
2y: y representa a los bancos. Cada banco demanda 2 hs de máquina cortadora.
Entonces, si, por ejemplo, se fabrican 3 bancos, se utilizarán 2 x 3 = 6 hs de
máquina cortadora.
De esa forma, el primer miembro está expresado en horas y el segundo también.
Por lo tanto, hay coherencia en la misma inecuación. En esta suposición no
quedarían horas máquina sin utilizar. El mismo análisis podemos hacer con la
segunda inecuación que nos dará como resultado kg en ambos miembros.
Para finalizar este análisis y poder resumir el planteo del problema, no debemos
olvidar lo siguiente: Las variables de decisión nunca pueden ser negativas. ¿Por
qué? porque no se pueden fabricar cantidad sillas y bancos negativos.
Finalmente, hagamos una síntesis de lo analizado y obtendremos el planteo del
problema:
Variables de decisión:
x: silla
y: banco
Maximizar: z= 2000x + 3000y
Sujeta a las restricciones (SA):
x + 2y < = 8
3x + y < = 9
x, y > = 0
donde A x > = 0 e y > = 0 se las llama restricciones de no negatividad.
En la formulación del problema de PL, ¿cuáles son los elementos
fundamentales?
Variables de decisión, objetivo y restricciones porque
definen el planteo de un problema de PL.
Objetivo y restricciones porque son los dos elementos
fundamentales de PL.
Variables de decisión, objetivos, restricciones y
negatividad porque definen el planteo de un problema
de PL.
Objetivos, restricciones y no negatividad porque son
los tres elementos fundamentales de PL.
SUBMIT
Una vez resuelto el planteo del problema, expresaremos en término teórico
al modelo de PL.
C O NT I NU A R
LECCIÓN 2 de 4
Generalización del modelo de PL y terminología
En general un problema de programación lineal consiste en optimizar
(maximizar o minimizar) la función.
A la función Z = F (x1, x2, ...,xn) = c1x1 + c2x2 + ... + cnxn, se la denomina
función objetivo o función criterio.
Los coeficientes c1, c2, ..., cn son números reales y se llaman coeficientes de
beneficio o coeficientes de costo. Son datos de entrada del problema.
x1, x2, ..., xn son las variables de decisión (o niveles de actividad) que deben
determinarse.
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 representa un posible programa de acción.
La solución óptima es el punto de la región factible que hace máxima o
mínima la función objetivo (Calmaestra, 2001, https://goo.gl/aoWUMa).
Características del modelo de PL
Según Davis y McKeown (1995) se pueden enumerar las siguientes
características del modelo de PL:
1. Un solo objetivo
–
Necesitamos ocuparnos de un objetivo a la vez. Se maximiza una única función,
por ejemplo, el objetivo en nuestro problema es maximizar los beneficios de la
empresa y saber que cada silla tiene una utilidad de $2000 y cada banco de
$3000.
2. Restricciones
–
La maximización o minimización de un objetivo está sujeta a restricciones. La
disponibilidad de los recursos escasos limita la producción a niveles que puedan
alcanzarse con los recursos disponibles. “Si no existiera esta restricción sería
posible fabricar una cantidad ilimitada de productos, lo cual, por supuesto, es
totalmente irreal. Esas limitaciones de los niveles de producción se denominan
restricciones” (Davis y McKeown, 1995, p. 25).
En nuestra situación problemática, las restricciones están dadas por los recursos
que se necesitan para la fabricación en horas máquinas, en el uso de la cortadora
de madera y en la cantidad de materia prima (madera) para la producción.
3. Proporcionalidad o linealidad
–
La relación entre la función objetivo y las variables de decisión (nivel de
fabricación de cada producto) debe ser proporcional. Igualmente, la relaciones
entre las restricciones y el nivel de fabricación de los productos también debe ser
proporcional (lineales).
En nuestro problema se puede visualizar que tanto la función objetivo como las
restricciones están en función de variables de decisión: silla (x) y banco (y); todas,
expresiones lineales:
z= 2000x + 3000y
SA:
x + 2y < = 8
3x + y < = 9
4. Divisibilidad
–
La producción de cierto tipo de productos puede expresarse mediante fracciones,
por ejemplo, se admite que el resultado arroje algún valor como: 4,33 sillas o 2,52
bancos, entre otros. Es decir, no deben ser sólo números enteros.
5. Aditividad
–
La función objetivo muestra que las partes de la misma contribuyen a la función
objetivo en forma aditiva. Esto significa que, en el caso de nuestro problema, si
deseamos agregar alguna variable de decisión más a la función objetivo, la
misma debe aportar a la meta, es decir, si buscamos maximizar beneficios no
podemos agregar una variable de decisión que reste utilidades.
6. No negatividad de los productos
–
Los productos fabricados no son valores negativos. Significa que no podemos
fabricar una cantidad negativa de sillas y/o de bancos.
7. Certidumbre
–
Significa que las utilidades, la disponibilidad de recursos escasos y las relaciones
entre los niveles de producción y los usos de los recursos se conocen con
certeza y no varían en el tiempo establecido de estudio.
En relación con la problemática planteada, significa que los $2000 de las sillas,
los $3000 de los bancos y las restricciones en recursos (horas máquina de la
cortadora y la madera como materia prima) no cambiarán en el tiempo que se
estudia y se conocen con certeza.
En un modelo de programación lineal se analizan varios objetivos a la vez, pero
siempre respetando todas las restricciones del problema.
Falso, ya que es una característica de los modelos de
programación lineal.
Verdadero, ya que en un modelo de programación
lineal se pueden analizar más de un objetivo en forma
simultánea.
SUBMIT
C O NT I NU A R
LECCIÓN 3 de 4
Video conceptual
Video 1. Introducción a la Programación Lineal
Verify to continue
We detected a high number of errors from your
connection. To continue, please confirm that
you’re a human (and not a spambot).
I'm not a robot
reCAPTCHA
Privacy - Terms
C O NT I NU A R
LECCIÓN 4 de 4
Referencias
Calmaestra, L. (2001). Programación lineal [publicación en línea].
Recuperado de
http://recursostic.educacion.es/descartes/web/materiales_didacticos/prog_l
ineal_lbc/definicion_pl.htm
Davis, K., y McKeown, P. (1995). Modelos Cuantitativos para Administración.
México: Grupo Editorial Iberoamérica.
C O NT I NU A R
