Principal aplicación económica: planificación de la

producción
• Consideramos una empresa que fabrica n productos distintos
P1 , P2 , . . . , Pn , utilizando una serie de máquinas (o fases),
M1 , M2 , . . . , Mm .
• Variables de decisión: x1 , . . . , xn son las cantidades fabricadas de
los artı́culos P1 , . . . , Pn respectivamente.
• Coeficientes de f. objetivo: cj es la utilidad unitaria del producto
Pj .
• Coeficientes de las restricciones: aij representa el número de
horas de trabajo de la máquina Mi necesarias para fabricar una
unidad de producto Pj .
• Términos independientes: bi es el número de horas disponibles de
la máquina Mi
• El problema consiste en determinar la producción de los n artı́culos
que proporciona máxima utilidad sin sobrepasar las limitaciones de
los recursos disponibles.

Se suelen presentar los datos en una tabla (previa) de la forma:

Máquina P1 P2 ··· Pn Disponibilidad

M1 a11 a12 ... a1n b1
M2 a21 a22 ... a2n b2
.. .. .. .. ..
. . . ... . .
Mm am1 am2 ... amn bm
Utilidad unitaria c1 c2 ... cn

La formulación del problema es de la forma:

Maximizar : c1 x1 + c2 x2 + . . . + cn xn
s.a. a11 x1 + a12 x2 + . . . + a1n xn ≤ b1
a21 x1 + a22 x2 + . . . + a2n xn ≤ b2
..
.
am1 x1 + am2 x2 + . . . + amn xn ≤ bm
x1 , . . . , xn ≥ 0.

Es un problema PL estándar.
 Ejemplo: los fabricantes de adornos
Dos artesanos asociados fabrican y comercializan tres tipos de adornos, a
los que denominaremos A, B y C. Por cada unidad del tipo A obtienen un
beneficio de 10 u.m., por cada unidad del tipo B un beneficio de 8 u.m. y
por cada unidad del tipo C el beneficio es de 6 u.m.
Existen dos fases en el proceso: primero hay que modelar el adorno y
después hay que pintarlo; cada artesano se ocupa de una fase. Cada
adorno del tipo A necesita 3 horas en la fase de modelado y 2 horas de
pintura. El tipo B necesita 2 horas de modelado y 3 horas de pintura. El
tipo C necesita 2 horas de modelado y 4 horas de pintura.
Cada artesano trabaja, como máximo, 35 horas semanales. Quieren
averiguar cuál es la estrategia que les permita obtener el máximo
beneficio.

Ejemplo: la empresa juguetera

La empresa de juguetes comercializa dos tipos de juguetes de madera:
trenes y soldados. Cada tren vendido proporciona 3 u.m. de beneficio y
cada soldado 2 u.m. de beneficio.
La fabricación de los juguetes usa dos procesos: el proceso de tallado (en
la que se da forma al juguete) y el proceso de acabado (en la que se
pinta y se envasa).
Se necesitan dos horas de tallado y una hora de acabado para fabricar
cada tren. Para fabricar un soldado se utilizan una hora de tallado y una
hora de acabado.
Cada semana se pueden emplear 100 horas en el tallado de juguetes y 80
horas en el proceso de acabado.
Además, por cuestiones técnicas, la empresa no puede producir más de
40 trenes cada semana.
¿Cuál debe ser la producción de la empresa para maximizar sus
beneficios?
 Variables artificiales
¿Qué ocurre si entre las restricciones del PL hay alguna de otro tipo (de
igualdad o de desigualdad inferior)?
• Para empezar el conjunto factible podrı́a ser vacı́o (PL no factible).
• La mayor dificultad en este caso es que no conocemos un vértice
inicial (resp. una SFB inicial).
• Una manera de resolver este inconveniente consiste en introducir
nuevas variables a las que llamaremos variables artificiales.
• La diferencia entre las variables de holgura y las variables artificiales
es que estas últimas sı́ modificarán (de algún modo) la función
objetivo.
• Introduciremos tantas variables artificiales como desigualdades del
tipo “≥” o del tipo “=”.

Método de las dos fases: primera fase

1 En primer lugar se introducen las variables de holgura y las variables
artificiales.
2 La función objetivo se sustituye por la suma de todas las variables
artificiales pero con signo negativo:

Z = −a1 − a2 − · · · − aj

3 Creamos la tabla sı́mplex inicial y usamos el método sı́mplex.

4 Si encontramos una SFB óptima que no tiene variables artificiales
entre sus variables básicas (el valor óptimo debe ser 0) pasamos a la
segunda fase.
5 Si la SFB óptima para este problema tiene variables artificiales entre
las variables óptimas (el valor óptimo será distinto de 0) entonces es
un PL no factible.
 Método de las dos fases: segunda fase
1 Ahora la función objetivo es la original: se cambian los
coeficientes ck

2 Podemos eliminar las variables artificiales (y las columnas

correspondientes).

3 Usamos el método sı́mplex hasta encontrar una tabla final.

Ejemplo: modificación del ejemplo de la empresa juguetera

Modificamos ligeramente el PL de la empresa juguetera. Queremos
maximizar la utilidad de una fábrica de juguetes. Ahora suponemos que
semanalmente deben producir exactamente 80 juguetes (de los dos tipos).

Maximizar : 2x + 3y
s.a. x + y = 80
2 x + y ≤ 100
x ≤ 40
x, y ≥ 0
podemos introducir dos variables de holgura y una variable artificial: a.
En la fase 1, resolvemos:
Maximizar : −a
s.a. x + y + a = 80
2 x + y + s1 = 100
x + s2 = 40
x, y , a, s1 , s2 ≥ 0
Tabla inicial
Tabla 1 ck 0 0 −1 0 0
C .B. V .B. x y a s1 s2 t.i.
−1 a 1 1 1 0 0 80
0 s1 2 1 0 1 0 100
0 s2 1 0 0 0 1 40
zk −1 −1 −1 0 0
c k − zk 1 1 0 0 0 -80

La variable entrante es y .

Tabla 1 ck 0 0 −1 0 0
C .B. V .B. x y a s1 s2 t.i. cocientes
−1 a 1 1 1 0 0 80 80 : 1 = 80
0 s1 2 1 0 1 0 100 100 : 1
0 s2 1 0 0 0 1 40 No
zk −1 −1 −1 0 0
c k − zk 1 1 0 0 0 -80
La variable saliente es a.

   
1 1 1 0 0 80 ·(−1) 1 1 1 0 0 80
2 1 0 1 0 100 ←
 −+ ∼ 1 0 −1 1 0 20
1 0 0 0 1 40 1 0 0 0 1 40

Tabla 2 ck 0 0 −1 0 0
C .B. V .B. x y a s1 s2 t.i.
0 y 1 1 1 0 0 80
0 s1 1 0 −1 1 0 20
0 s2 1 0 0 0 1 40
zk 0 0 0 0 0
c k − zk 0 0 −1 0 0 0

¡¡ Es una tabla final !! (pero para la fase 1)

• No quedan indicadores positivos.
• La SFB asociada es (x, y , a, s1 , s2 ) = (0, 80, 0, 20, 40), en la que no
hay variables básicas que sean artificiales.
• El vértice asociado es (x, y ) = (0, 80).
• Podemos pasar a la fase 2.
En la fase 2 volvemos al problema original (sin variables artificiales):

Maximizar : 2x + 3y
s.a. x + y = 80
2 x + y + s1 = 100
x + s2 = 40
x, y , s1 , s2 ≥ 0

La tabla inicial es:

Tabla 3 ck 2 3 0 0
C .B. V .B. x y s1 s2 t.i.
3 y 1 1 0 0 80
0 s1 1 0 1 0 20
0 s2 1 0 0 1 40
zk 3 3 0 0
ck − zk −1 0 0 0 240
¡¡ Es una tabla final !!
• No quedan indicadores positivos.
• La SFB óptima es (x, y , s1 , s2 ) = (0, 80, 20, 40).
• El vértice óptimo es (x, y ) = (0, 80).
• El valor óptimo es 240.

Ejemplo
Se considera el PL

Maximizar : 4 x1 + 5 x2 − 7 x3
s.a. x1 + 3 x2 + x3 = 100
2 x1 − 6 x3 ≤ 120
3 x1 − 2 x2 + x3 ≥ 50
x1 , x2 , x3 ≥ 0
En la fase 1 se resuelve:

Maximizar : −a1 − a2
s.a. x1 + 3 x2 + x3 + a1 = 100
2 x1 − 6 x3 + s1 = 120
3 x1 − 2 x2 + x3 − s2 + a2 = 50
x1 , x2 , x3 , a1 , a2 , s1 , s2 ≥ 0

La tabla inicial es:

Tabla 1 ck 0 0 0 −1 −1 0 0
C .B. V .B. x1 x2 x3 a1 a2 s1 s2 t.i.
−1 a1 1 3 1 1 0 0 0 100
0 s1 2 0 −6 0 0 1 0 120
−1 a2 3 −2 1 0 1 0 −1 50
zk −4 −1 −2 −1 −1 0 1
ck − zk 4 1 2 0 0 0 −1

No es necesario calcular el valor de la última celda.