RESUMEN ARTICULO PROGRAMACION LINEAL
José camilo Guais
Fundación universitaria de san gil unisangil
joseguais@unisangil.edu.co
RESUMEN.
Las aplicaciones de la investigación de
operaciones y como el software matemático se
ha empleado desde hace varios como un
asistente con buenos resultados a de más de
herramientas de programación que ayudan con
la automatización del problema, En este trabajo
se muestra una práctica de optimización
matemática con ayuda de la herramienta
SOLVER en un problema clásico de asignación
de recursos en una línea de producción
industrial.
Palabras clave. Investigación de operaciones,
Optimización.
ABSTRACT.
The applications of research operations and
how mathematical software has been used
for several years as an assistant with good
results to more than programming tools that
help with the automation of the problem, In
this work an optimization practice with
mathematics is shown. help of the SOLVER
tool in a classic resource reduction problem
in an industrial production line.
Keywords. Operations Research,
Optimization.
I. INTRODUCCIÓN
En este trabajo se muestra la solución de un
problema de programación lineal basado en un
problema de asignación de recursos, tanto la
solución del problema y el análisis de los datos
se realiza con la herramienta SOLVER
incluida en el programa Excel. SOLVER es un
programa de complemento de Microsoft Excel
que puede usar para llevar a cabo análisis para
encontrar un valor óptimo (mínimo o máximo),
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, puede usar SOLVER para
determinar el valor máximo o mínimo de una
celda cambiando otras celdas. Por ejemplo,
puede cambiar el importe del presupuesto y ver
el efecto en el resultado objetivo. [1]
En esta se agrega y se ilustra el uso del lenguaje
de programación Visual Basic for
Applications, también conocido como VBA, es
un lenguaje de programación desarrollado por
Microsoft utilizado para programar
aplicaciones de Windows y que se encuentra
integrado en un gran número de aplicaciones
como Outlook, Word, Excel, Access y
PowerPoint de manera que se puedan crear
pequeños programas, basados en scripts,
dentro de estas aplicaciones, con el fin de
automatizar tareas cotidianas.
El problema de asignación de recursos es lineal
y se resuelve habitualmente con el método
simplex en programación lineal. Ha sido
considerado en esta práctica para ilustrar el uso
del lenguaje de programación de Visual Basic
for Applications, el cual permite aumentar de
manera sencilla el análisis del problema, dadas
por el número variables y restricciones en el
modelo.
Se incluyen un poco de los conocimientos
elementales necesarios para empezar a trabajar
con SOLVER y Visual Basic for Applications.
II. PROBLEMA
El problema de asignación consiste en
encontrar la forma de asignar ciertos recursos
disponibles (máquinas o personas) para la
realización de determinadas tareas al menor
coste, suponiendo que cada recurso se destina
a una sola tarea, y que cada tarea es ejecutada
por uno solo de los recursos. Es uno de los
problemas fundamentales de optimización
combinatoria de la optimización o
investigación operativa en matemática.
El departamento de ventas indica que el
potencial de ventas para los productos 1 y 2 es
mayor que la tasa de producción máxima y
que el potencial de ventas para el producto 3 es
de 20 unidades por semana.

El modelo se puede aplicar a la asignación de
empleados a tareas, de fábricas a productos, de
vendedores a territorios, de postores a
contratos, etc. Con una sencilla manipulación,
el método también se puede aplicar al caso en
el que se pretende maximizar cierta cantidad.
[2]
Una empresa manufacturera ha descontinuado
la producción de cierta línea de productos no
provechosa. Esto creó un exceso considerable
en la capacidad de producción. El gerente está
considerando dedicar esta capacidad en exceso
a uno o más de tres productos, llamémoslos
losproductos1, 2, y3.La capacidad disponible
de las máquinas que podría limitar la
producción se resume en la tabla siguiente:
El número de horas de máquina requerida por
cada unidad de los productos respectivos es:
La utilidad unitaria será de $30, $12 y $15,
para los productos 1,2 y 3, respectivamente. [3]
III. DESARROLLO DEL PROBLEMA
Aunque se pueden presentar otras incógnitas,
así como elementos del análisis
a) identificar la manera en la que SOLVER
puede resolver el problema,
b) reducir el tiempo en de análisis
c) Evidentemente el objetivo es conseguir la
forma más factible (optima), según el
parámetro de medición establecido (tiempo,
distancia, costo o cualquier otro), de alcanzar
alguno de los objetivos previamente
mencionados. Para resolver estos problemas se
dispone del método simplex.

Tipo de maquina Tiempo disponible

Fresadora 500 h/semana

Torno 350 h/semana

IV. PROBLEMA CLASICO METODO
Rectificadora 150 h/semana SIMPLEX

Una vez formulado el modelo PL para

determinar cuánto debe producir la empresa de
cada producto para maximizar la utilidad
legamos a las siguientes soluciones.

Coeficiente de Productividad (en horas SOLUCIÓN:

máquina por unidad). 1. Definición de las variables de decisión:
Tipo de Produ Produc Produ Xi= Cantidad a producir del producto i (i=1,2,)
maquina cto 1 to 2 cto 3
2. Elaboración de la función objetivo:
Fresadora 9 3 5
Maximizar=30x1+12x2+15x3
Torno 5 4 0

Rectificad 3 0 2
ora

TABLA 1
 1. ¿Cuántas horas de fresadora se están
usando?
3. Formulación de las restricciones
tecnológicas:  Se usan todas las horas de la fresadora.

Restricción de tiempo de la fresadora. 2. ¿Cuántas horas ociosas tiene el área de

torno?
9x1 +3x2 +5x3 <= 500
 No tiene horas ociosas.
Restricción de tiempo de torno.
3. ¿Cuántas horas extras puede trabajar la
5x1 + 4x2 <= 350 rectificadora?
Restricción de tiempo de rectificadora.  La rectificadora puede trabajar 150
3x1 + 2x3 <= 150 horas

Restricción del potencial de ventas del 4.- ¿Qué área puede ser utilizada que genere
producto 3. más ganancia?

X3 <= 20  En la fresadora haya e aumentar una

hora más porque genera mayor
Restricciones de no negatividad ganancia

Dado que las variables de decisión sólo
pueden tomar valores no negativos, tenemos
que x1, x2, x3 >= 0
4. Modelo Lineal:
5.- ¿cuántas horas máximas se puede dar de
mantenimiento a la planta?
 31 horas

Finalmente podemos expresar el modelo lineal

de la siguiente manera: III. MODELO EN SOLVER

Max z = 30x1 + 12x2 + 15x3

Sujeto a: La escritura del modelo se basa en las

siguientes reglas:
9x1 +3x2 +5x3 <= 500
 La función objetivo lleva una
5x1 + 4x2 <= 350 operación =SUMAPRODUCTO
(C3:E3,C4:E4)
3x1 + 2x3 <= 150
Es necesario indicar el la suma producto
x3 <= 20
Teniendo en cuenta estas reglas, el modelo
x1, x2, x3 >= 0 puede escribirse como sigue:
Con lo obtenido en el modelo de programación
lineal para este problema podemos llegar a las
siguientes soluciones y afirmaciones en base a
las preguntas formuladas en el problema.

Imagen 1. Modelo en Excel


Imagen 2. Informe de confidencialidad.
V. INFORME DE CONFIDENCIALIDAD
Imagen 3. Informe de confidencialidad.
EL INFORME DE SENSIBILIDAD DE
SOLVER
CELDA OBJETIVO (MAX):
Se observa que el valor óptimo, es decir, el
valor de la función objetivo del problema de
maximización al ser evaluada en la solución
óptima alcanzada.
2. VARIABLES DE DECISIÓN
CELDAS:
En esta sección se puede identificar la solución
óptima (valores bajo la columna etiquetada
como VALOR FINAL), los coeficientes o
parámetros en la función objetivo (valores en
la columna Objetivo Coeficiente), el aumento
permisible y la disminución permisible para
cada uno de los coeficientes de forma
individual en la función objetivo que permite
garantizar que se conserva la actual solución
óptima.
De forma análoga recomendamos al lector
verificar que el intervalo de variación para la
solución óptima. [4]
3. RESTRICCIONES:
Un primer aspecto a observar es si una
restricción se encuentra activa al ser evaluada
en la solución óptima. Una restricción activa es
aquella que se satisface en igualdad. También
resulta de interés interpretar lo que se conoce
como Precio Sombra de una restricción.
El Precio Sombra corresponde a la tasa de
cambio del valor óptimo de un modelo de
Programación Lineal ante la modificación
marginal del lado derecho de una restricción.
Se entiende por una modificación marginal
aquella que permite conservar la base óptima
del problema (idénticas variables básicas
originales en el caso del Método Simplex) o la
geometría del problema (mantener las
restricciones activas originales). [5]
VI. CONCLUSIONES
Las ventajas que ofrece la utilización de una
herramienta de optimización profesional como
Solver son múltiples y son rápidamente
identificadas por quienes comienzan a
formarse en el apasionante mundo de la
Investigación de Operaciones.
Cabe destacar adicionalmente que SOLVER
no solo nos permite resolver modelos de
optimización, también ofrece la oportunidad de
generar Informes de Sensibilidad una vez
alcanzada la solución óptima y valor óptimo de
un modelo base. En este contexto el análisis de
sensibilidad o buscar analizar el impacto que
tiene en los resultados de un modelo la
modificación de uno o varios parámetros del
mismo.
Un Informe de Sensibilidad de SOLVER se
divide en 3 partes:
• Función objetivo
• Celdas variables
• Restricciones
REFERENCIAS

[1] S. M. Metev and V. P. Veiko, Laser

Assisted Microtechnology, 2nd ed., R. M.
Osgood, Jr., Ed. Berlin, Germany: Springer-
Verlag, 1998.

[2] J. Breckling, Ed., The Analysis of

Directional Time Series: Applications to Wind
Speed and Direction, ser. Lecture Notes in
Statistics. Berlin, Germany: Springer, 1989,
vol. 61.

[3] S. Zhang, C. Zhu, J. K. O. Sin, and P. K.

T. Mok, “A novel ultrathin elevated channel
low-temperature poly-Si TFT,” IEEE Electron
Device Lett., vol. 20, pp. 569–571, Nov. 1999.

[4] M. Wegmuller, J. P. von der Weid, P.

Oberson, and N. Gisin, “High resolution fiber
distributed measurements with coherent
OFDR,” in Proc. ECOC’00, 2000, paper
11.3.4, p. 109.

[5] R. E. Sorace, V. S. Reinhardt, and S. A.

Vaughn, “High-speed digitalto-RF converter,”
U.S. Patent 5 668 842, Sept. 16, 1997.