CORPORACION

UNIVERSITARIA REMINGTON
MATEMATICAS III

PROGRAMACION LINEAL

MÉTODO GRÁFICO

El método gráfico es un procedimiento de solución de problemas

de programación lineal, muy limitado en cuanto al número de variables (2 si es un
gráfico 2D y 3 si es 3D) pero muy rico en materia de interpretación de resultados e
incluso análisis de sensibilidad. Este consiste en representar cada una de las
restricciones y encontrar en la medida de lo posible el polígono (poliedro) factible,
comúnmente llamado el conjunto solución o región factible, en el cual por razones
trigonométricas en uno de sus vértices se encuentra la mejor respuesta (solución
óptima).

EL PROBLEMA

La fábrica de Hilados y Tejidos "SALAZAR" requiere fabricar dos tejidos de calidad

diferente T y T’; se dispone de 500 Kg de hilo a, 300 Kg de hilo b y 108 Kg de hilo
c. Para obtener un metro de T diariamente se necesitan 125 gr de a, 150 gr de b y
72 gr de c; para producir un metro de T’ por día se necesitan 200 gr de a, 100 gr de
b y 27 gr de c.

El T se vende a $4000 el metro y el T’ se vende a $5000 el metro. Si se debe obtener

el máximo beneficio, ¿cuántos metros de T y T’ se deben fabricar?

LA MODELIZACIÓN MEDIANTE PROGRAMACIÓN LINEAL

VARIABLES
XT: Cantidad de metros diarios de tejido tipo T a fabricar
XT’: Cantidad de metros diarios de tejido tipo T’ a fabricar

RESTRICCIONES

0,12XT + 0,2XT’ <= 500 Hilo “a”

0,15XT + 0,1XT’ <= 300 Hilo “b”
0,072XT + 0,027XT’ <= 108 Hilo “c”

Las restricciones de no negatividad no son necesarias en este ejemplo dado que se

trata de un ejercicio de maximización, cuando el ejercicio sea de minimización lo
más recomendado es incluirlas.

FUNCIÓN OBJETIVO

ZMAX = 4000XT + 5000XT’

LA SOLUCIÓN MEDIANTE MÉTODO GRÁFICO

PASO 1: GRAFICAR LAS RESTRICCIONES

Para iniciar con el trazado de las restricciones es indispensable igualar las
restricciones a 0, de esta manera podemos mediante despeje de ecuaciones iniciar
con la tabulación que nos otorgará las coordenadas para esbozar cada una de las
gráficas. Además dado que se trabajará en el plano cartesiano sería prudente
renombrar las variables

XT = x
XT' = y

Igualamos las restricciones,

0,12X + 0,2y = 500

0,15X + 0,1y = 300
0,072X + 0,027y = 108

Acto seguido iniciamos con la primera restricción, hallamos las primeras dos
coordenadas. Para hallar las coordenadas regularmente llevamos una de las
variables a cero, para de esta manera despejar más fácilmente la segunda.

Por ejemplo, para un x = 0

0,12(0) + 0,2y = 500

0,2y = 500
500/0,2 = y
2500 = y

y para un y = 0

0,12x + 0,2(0) = 500

0,12x = 500
x = 500/0,12
x = 4167

Seguimos con la segunda restricción,

0,15X + 0,1y = 300

Tercera restricción,

0,072X + 0,027y = 108

En el siguiente gráfico se muestra el polígono solución de color gris, en este
conjunto es donde cada coordenada cumple con todas las restricciones, las cuales
se caracterizan por ser restricciones de menor o igual y esta característica se
representa con una flecha hacía abajo.

Una vez se llega a este punto es indispensable saber que las soluciones óptimas
se alojan en los vértices del polígono solución (color gris) y que identificar a la
solución óptima es cuestión de elegir la mejor alternativa dependiendo de las
herramientas disponibles (tecnológicas y conocimientos matemáticos).

La primera opción es la geométrica, esta depende de trazar la ecuación que

representa a la función objetivo (este paso consiste en realizar el mismo
procedimiento de las restricciones).

Función objetivo,

ZMAX = 4000x + 5000y

luego igualamos a 0.

4000x + 5000y = 0

luego tabulamos para obtener las coordenadas necesarias para esbozar la gráfica
correspondientes a la ecuación (en esta ocasión es recomendable más de dos
coordenadas, incluyendo la coordenada (x = 0, y = 0).
Una vez se ha esbozado la función objetivo (línea negra) sacamos replicas
paralelas a esta que se encuentren con cada vértice, y solo en el caso en que la
línea imaginaria paralela a la función objetivo no corte el polígono solución se ha
encontrado la solución óptima. En otras palabras trasladamos la función objetivo por
todo el polígono conservando su forma paralela con la original, la detenemos en los
vértices y evaluamos si esta corta o no el conjunto solución.

www
Claramente solo en el punto "B", es decir en el vértice formado por la intersección
de las ecuaciones 1 y 2, la línea imaginaria no corta el polígono solución, entonces
es este punto el correspondiente a la coordenada óptima.

Para hallar el valor de esta coordenada es indispensable recurrir a la resolución de

ecuaciones lineales 2x2, y se pueden considerar varios métodos de solución entre
ellos:

- Método por sustitución

- Método por igualación
- Método por reducción o Eliminación
- Método por eliminación Gauss
- Método por eliminación Gauss - Jordán
- Método por determinantes

La riqueza de las matemáticas nos deja suficientes alternativas, para mi gusto el

método de reducción o eliminación es muy sencillo de aplicar.
El método por reducción o eliminación consiste en igualar los coeficientes de una
de las variables multiplicando una o las dos ecuaciones, teniendo en cuenta que
estos coeficientes queden iguales pero con signos contrarios.

Ecuación 1 0,12x + 0,2y = 500

Ecuación 2 0,15x + 0,1y = 300 multiplicamos por (-2)
Ecuación 3 (2*(-2)) -0,30x - 0,2y = -600
Sumamos 1 y 3 -0,18x = -100
Despejamos "x" x = -100 / (-0,18)
x = 555,55

luego reemplazamos x = 555,55 en cualquiera de las dos ecuaciones originales con

el objetivo de despejar "y".

Ecuación 1 0,12x + 0,2y = 500

Reemplazamos "x" 0,12(555,55) + 0,2y = 500
Despejamos "y" 66,666 + 0,2y = 500
0,2y = 500 - 66,666
0,2y = 433,334
y = 433,334 / 0,2
y = 2166,67

De esta forma hemos obtenido los valores para "x" y "y".

Recordemos que x y y fueron los nombres que recibieron las variables originales XT
y XT'

x = XT
y = XT'

XT = 555,55
XT' = 2166,67

y la contribución obtenida (reemplazando las variables en la función objetivo) es de:

Zmax = 4000XT + 5000XT'

Zmax = 4000(555,55) + 5000(2166,67)
Zmax = 13.055.550

Ahora podemos cotejar los resultados con los obtenidos mediante resolución
por Solver - Excel, sin embargo recuerden que el método de búsqueda de la
solución óptima en el método gráfico que utilizamos es el geométrico y que existe
una posibilidad mucho más engorrosa pero igualmente efectiva, este es el método
de iteración por vértice, y que consiste en hallar todas las coordenadas de los
vértices y luego en cada coordenada se evalúa la función objetivo, (cada
coordenada nos proporciona un valor en "x" y otro en "y", luego reemplazamos estos
valores en la función objetivo "4000x + 5000y = ?" y luego evaluamos los resultados
seleccionando la mayor cantidad).

Una herramienta muy útil al momento de resolver ejercicios mediante el método

gráfico es una calculadora graficadora, como es el caso de la calculadora de encarta
(disponible aquí).

VARIANTES EN EL MÉTODO GRÁFICO

Como en la mayoría de los casos el ejemplo con el que aquí se explicó el método
gráfico es el ideal, es decir un ejercicio de conjunto acotado con solución óptima
única, sin embargo existen una variedad de problemas diferentes a los ideales y
que vale la pena analizar:
SOLUCIÓN ÓPTIMA MÚLTIPLE
Una de las variantes que puede presentar un ejercicio de programación
lineal consiste en la cantidad de soluciones óptimas, gran cantidad de ellos presenta
más de una solución óptima, es decir una solución en la cual la función objetivo es
exactamente igual en una combinación cuantitativa de variables diferente.

Estos problemas deben de afrontarse de tal manera que prime el análisis de

sensibilidad, es decir una vez encontradas múltiples soluciones iguales se debe
proceder al comportamiento del consumo de los recursos y restricciones,
evidentemente prevaleciendo el concepto de productividad de los recursos más
limitados y costosos.
Un ejemplo de este caso es el siguiente:

La ebanistería "SALAZAR LTDA" ha recibido una gran cantidad de partes

prefabricadas para la elaboración de mesas, sin embargo no ha podido iniciar un
plan de producción enfocado a estas por la alta demanda que tiene de sus productos
restantes. Las mesas que pueden elaborarse de las partes prefabricadas son de
dos modelos, modelo A y B, y estas no requieren más que ser ensambladas y
pintadas. Esta semana se ha determinado dedicar 10 horas de ensamble y 8 de
pintura para elaborar la mayor cantidad de mesas posibles teniendo en cuenta que
cada mesa modelo A requiere de 2 horas de ensamble y 1 de pintura
respectivamente, y que cada mesa modelo B requiere de 1 hora de ensamble y 2
de pintura respectivamente. Si el margen de utilidad es de $20000 por cada mesa
modelo A y $10000 por cada mesa modelo B. Determine el modelo adecuado de
producción para esta semana.

X = Cantidad de mesas modelo A a fabricar esta semana

Y = Cantidad de mesas modelo B a fabricar esta semana

Restricciones
2X + Y <= 10 "Horas de ensamble"
X + 2Y <= 8 "Horas de pintura"
X, Y => 0 "De no negatividad"

Función objetivo

Zmax = 20000X + 10000Y

La gráfica resultante sería:

Como nos podemos dar cuenta mediante la geometría en dos vértices la línea
imaginaria perpendicular a la función objetivo no atraviesa el conjunto solución, por
ende en dos puntos se presentan soluciones óptimas, que son los puntos B y C.

Observemos la solución óptima múltiple

Z(0) = 20000(0) + 10000(0) = 0

Z(A) = 20000(0) + 10000(4) = $40000
Z(B) = 20000(4) + 10000(2) = $100000
Z(C) = 20000(5) + 10000(0) = $100000

Existen entonces dos soluciones óptimas

Solución óptima 1

X=4 Y=2
Solución óptima 2

X=5 Y=0

La pregunta siguiente es ¿cual decisión tomar?, pues depende de factores tales

como una análisis de sensibilidad donde se tenga en cuenta el consumo distinto de
determinados recursos (horas ensamble vs. horas pintura) y factores extras al
modelo como lo puede llegar a ser en este caso una necesidad de espacio de
almacenamiento, dado que existe una alternativa en la que se elaboran más mesas
que en la otra, de todas formas es interesante el paso posterior a esbozar los
resultados pues requerirá de la capacidad de quien toma las decisiones.
SOLUCIÓN ÓPTIMA NO ACOTADA
Otra de las variantes que presentan los modelos de programación
lineal corresponde a los modelos de solución óptima no acotada, es decir problemas
con infinitas soluciones óptimas. Hay que reconocer que en la vida real gran parte
de estos problemas se deben a un mal planteamiento de las restricciones, sin
embargo es común que este tipo de problemas sean evaluados en la vida
académica.

Un ejemplo:

La compañía comercializadora de bebidas energéticas "CILANTRO SALVAJE" se

encuentra promocionando dos nuevas bebidas, la tipo A y la tipo B, dado que se
encuentran en promoción se puede asegurar el cubrimiento de cualquier cantidad
de demanda, sin embargo existen 2 políticas que la empresa debe tener en cuenta.
Una de ellas es que la cantidad de bebidas tipo A que se vendan no puede ser
menor que las de tipo B, y la segunda es que se deben de vender por lo menos
1500 bebidas de cualquier tipo.

Dado que se encuentran en promoción el precio de venta de ambas bebidas

equivale a $1800 pesos.

Determine la cantidad de unidades que deben venderse!!

Variables

X = Cantidad de bebidas tipo A a vender

Y = Cantidad de bebidas tipo B a vender

Restricciones

X => Y
X + Y => 1500

Función Objetivo
Zmax = 1800X + 1800Y

La gráfica resultante sería:

Es claro que en este ejercicio las variables pueden aumentar mejorando

indefinidamente la función objetivo, en estos casos se dice que la solución óptima
no es acotada, por lo cual las posibles soluciones son infinitas.
SOLUCIÓN INFACTIBLE
El caso de la solución infactible es más típico de lo pensado, y corresponde a los
casos en los cuales no existen soluciones que cumplen con todas las restricciones.
Es muy común ver este fenómeno producto de inviables proporciones de oferta y
demanda.

Un ejemplo:

La compañía de galletas "CAROLA" desea planificar la producción de galletas que

tendrá que entregar a su cliente en dos semanas, el contrato indica que la compañía
"CAROLA" se compromete a entregar por lo menos 300 cajas de galletas cualquiera
sea su tipo (presentación D, presentación N o una combinación de ambas
presentaciones), cada caja de galletas presentación D tiene un tiempo de
elaboración de 2 horas, y un tiempo de horneado de 3 horas, mientras cada caja de
presentación N tiene un tiempo de elaboración de 3 horas y un tiempo de horneado
de 1 hora. La compañía cuenta estas dos semanas con 550 horas para elaboración
y con 480 horas de horneado.
Teniendo en cuenta que el margen de utilidad de cada caja de galletas presentación
D y N es de $8500 y $8100 respectivamente, determine mediante un modelo de
programación lineal el plan de producción que maximice las utilidades.

Variables

X = Cantidad de cajas de galletas presentación D a producir en 2 semanas

Y = Cantidad de cajas de galletas presentación N a producir en 2 semanas

Restricciones

2X + 3Y <= 550
3X + Y <= 480
X + Y => 300

Función Objetivo

Zmax = 8500X + 8100Y

La gráfica resultante es la siguiente:

Evidentemente no existe forma alguna de satisfacer todas las restricciones, por

ende se concluye que no existe solución factible.
REDUNDANTES O SOBRANTES
Existen en los modelos de programación lineal un tipo de restricciones que no
juegan rol alguno en la determinación del conjunto solución (de igual manera en la
solución óptima), lo que lleva a deducir que estas son redundantes.

Por ejemplo:

La compañía "CONGELADORES MAJO" pretende fabricar dos tipos de

congeladores denominados A y B. Cada uno de ellos debe pasar por tres
operaciones antes de su comercialización: Ensamblaje, pintura y control de calidad.
Los congeladores tipo A requieren 2 horas de ensamblaje, 3 kg de pintura y 4 horas
de control de calidad; los congeladores tipo B requieren 3 horas de ensamblaje, 6
kg de pintura y 5 horas de control de calidad. El margen contributivo por cada
congelador tipo A y B es de $102000 y $98000 respectivamente.

La compañía dispone como máximo semanalmente 300 horas de ensamblaje, 840

kg de pintura y 450 horas de control de calidad. Con base en la información
suministrada determine las unidades a producir semanalmente de cada referencia
para maximizar las utilidades.

Las variables:

X = Cantidad de congeladores tipo A a producir semanalmente

Y = Cantidad de congeladores tipo B a producir semanalmente

Las restricciones:

2X + 3Y <= 300
3X + 5Y <= 840
4X + 5Y <= 450

Función Objetivo:

Zmax = 102000X + 98000Y

La gráfica resultante es la siguiente,

La solución óptima corresponde a:

X = 150
Y=0

y la función objetivo quedaría.

Zmax = $15300000
Claramente podemos observar como la restricción 1 y la restricción 2 no determinan
el conjunto solución, por ende se denominan restricciones redundantes o sobrantes.

FUENTE: WWW.INGENIERIAINDUSTRIALONLINE.COM