UNIVERSIDAD NACIONAL ABIERTA

DIRECCIÓN DE INVESTIGACIONES Y POSTGRADO

MAESTRÍA EN EDUCACIÓN ABIERTA Y A DISTANCIA
Unidad Curricular: Métodos Cuantitativos en la Gestión de la Empresa

ALTERNATIVAS DE DECISIÓN CON PROGRAMAION LINEAL:

EL PROBLEMA.

Maturín, Noviembre 2022

 Introducción

La investigación de operaciones se trata de una disciplina que consiste en la aplicación de

métodos analíticos avanzados, los cuales tienen como principal objetivo mejorar el proceso de

toma de decisiones. Para ello, la investigación operativa hace uso de diferentes técnicas de

modelamiento matemático, análisis estadístico y optimización matemática. Se ha determinado,

que las decisiones alcanzadas a través de sus metodologías, son significativamente mejores en

comparación con las decisiones basadas en intuición o experiencia profesional. Desde luego, su

principal uso es evaluar decisiones complicadas.

La investigación operativa se complementa con otras profesiones como la Ingeniería

Industrial y la Gestión de Empresas. El enfoque que sigue es el modelaje, una herramienta

analítica que sirve para tener una visión bien estructurada de la realidad.

Se apoya por tanto en la Programación Lineal, que es una herramienta matemática, que

mediante una función objetivo de tipo lineal maximiza o minimiza las variables de dicha

función, que están sujetas a una serie de restricciones expresadas en un sistema de inecuaciones

lineales. Uno de los métodos más utilizados para resolver problemas de Programación Lineal es

el algoritmo simplex.

La Programación Lineal hoy en día, es usada en las empresas del sector público y privado,

en las empresas privadas es usado en materia de finanzas, compra de títulos valores, distribución

de portafolio en finanzas, asignación de recursos, y las empresas públicas en solución de

problemas de transporte, proyectos hidroeléctricos y petroleros, entre otros.

 Alternativas de decisión con programación lineal

El objetivo del presente informe es identificar los elementos y la aplicación del modelo de

Programación Lineal, para lo cual se planteó el siguiente caso práctico: Giapetto’s Woodcarving,

Inc., manufactura dos tipos de juguetes de madera: soldados y trenes. Un soldado se vende en 27

dólares y requiere 10 dólares de materia prima. Cada soldado que se fabrica incrementa la mano

de obra variable y los costos globales de Giapetto’s en 14 dólares. Un tren se vende en 21 dólares

y utiliza 9 dólares de su valor en materia prima. Todos los trenes fabricados aumentan la mano

de obra variable y los costos globales de Giapetto’s en 10 dólares. La fabricación de soldados y

trenes de madera requiere dos tipos de mano de obra especializada: carpintería y acabados. Un

soldado necesita dos horas de trabajo de acabado u una hora de carpintería. Un tren requiere una

hora de acabado y una hora de carpintería. Todas las semanas, Giapetto’s consigue todo el

material necesario, pero solo 100 horas de trabajo de acabado y 80 de carpintería. La demanda de

trenes es ilimitada, pero se venden cuando mucho 40 soldados por semana. Giapetto’s desea

maximizar las utilidades semanales (ingresos –costos). Usted debe:

1) Diseñe el modelo que corresponde; es decir, defina las variables estudiadas,

plantee su función objetivo, restricciones y condición de no negatividad.

2) Determine la región factible a través del método gráfico.

3) Encuentre la solución óptima a través del método simplex.

4) A partir del modelo primal definido, construya el modelo dual correspondiente.

 5) ¿Cuáles son las variables básicas del modelo con su respectivo valor? Explique.

6) Señale y explique cuáles son los costos de oportunidad en el modelo.

7) Emita una opinión razonada sobre el aprendizaje alcanzado en esta unidad en

cuanto a la aplicación de los modelos matemáticos a la toma de decisiones administrativas.

1.- Diseñe el modelo que corresponde; es decir, defina las variables estudiadas, plantee su

función objetivo, restricciones y condición de no negatividad.

Los datos previamente expuestos se resumen en la tabla.

Tabla 1

Datos de Producción de Giapetto’s Woodcarving, Inc.:

PRODUCTOS
DISPONIBILIDAD
FACTORES SOLDADOS TRENE
SEMANAL
S

Precio de venta ($) 27 21

Materia prima ($) 10 9

Costos de fabricación ( mano de obra 14 10

variable y costos globales ) ($)

Utilidad / Unidad ( $) 3 2

Horas de trabajo de acabado (horas) 2 1 100

Horas de trabajo de carpintería (horas) 1 1 80

Demanda máx. de soldados (unidades) 40

Demanda máx. de trenes Ilimitada

Fuente: El autor (2022)

     El objeto de las variables de decisión es describir de manera clara y precisa la disposición que

se debe tomar, para lograr el objetivo: maximizar la utilidad mensual. Por lo tanto se deberá

determinar cuántas unidades producir tanto de soldados como de trenes; por ello las variables a

estudiar serán las siguientes:

X1: el número de soldados fabricados por semana.

X2: el número de trenes fabricados por semana.

Función Objetivo

     El Gerente o la persona que toma las decisiones en una empresa generalmente busca:

Maximizar (ingresos o ganancias) o Minimizar (costos), por eso se requiere alguna función de

las variables de decisión. A esta función se le conoce como  “Función Objetivo”.

Considerando los siguientes valores:

Precio de Venta = 27*X1 + 21*X2

Costos de materia prima = 10*X1 + 9*X2

Mano de obra variable y costos globales = 14*X1 + 10*X2

 Tenemos que, para maximizar la utilidad se tiene que la función objetivo estará dada por el

total de ventas menos el costo de la materia prima y el costo de fabricación; entonces se puede

establecer lo siguiente para definir la función objetivo:

FO = Max Z = Ventas – Costos Materia Prima – Costos Fabricación

Entonces, sustituyendo, la Función Objetivo es igual a:

[27*X1 + 21*X2] – [10*X1 + 9X2] – [14*X1 +10*X2] = 3*X1 + 2*X2

Es decir, se desea Max. Z = 3*X1 + 2*X2(Función de utilidad o ganancia)

Restricciones

Los valores X1 y X2 están limitados por ciertas restricciones. A continuación se detallan:

Restricciones de tiempo (capacidad semanal)

1. El tiempo disponible en carpintería no puede ser superior a 80 horas semanales.

1X1+1X2≤80

2. El tiempo disponible para el acabado no puede ser superior a 100 horas semanales.

2X1+1X2≤100

3. La Demanda máxima de soldados semanal no es superior a 40 unidades.

X1 ≤ 40

4. Condición de no negatividad.

El número de juguetes fabricados no puede ser negativo, por tanto:

X1>0

X2>0

Ahora bien, todo lo expuesto anteriormente se puede condensar en el siguiente modelo

matemático:

Maximizar Z = 3 X1 + 2 X2

Restringido por:

2 X1 + X2 ≤ 100

X1 + X2 ≤ 80

X1 ≤ 40

Con una condición de restricción de no – negatividad dada por:

X1> 0

X2 > 0

2.- Determine la región factible a través del método gráfico.

Las restricciones del problema conforman un sistema de inecuaciones, las cuales

resolveremos y obtendremos la región factible.

MAXIMIZAR: Z = 3 X1 + 2 X2

2 X1 + 1 X2 ≤ 100 2X1 +X2≤100

1 X1 + 1 X2 ≤ 80 X1+X2≤80
1 X1 + 0 X2 ≤ 40X1≤40

X1≥0

X1, X2 ≥ 0X2≥0

La intersección de todas las restricciones nos da la región factible, pero la solución

óptima está en alguno de los vértices de la región factible.

La región factible está limitada por un polígono, en este caso el polígono OHDCE.

Calculamos entonces esos vértices para obtener la solución óptima.

El vértice O es la intersección de las rectas x= 0; y =0, la solución del sistema es (0,0).

El vértice H es la intersección de las rectas x= 40; y =0, la solución del sistema es (40,0).

El vértice D es la intersección de las rectas x= 40; 2x+ y =100, la solución del sistema es

(40,20).

El vértice C es la intersección de las rectas 2x+ y= 100; x + y =80, la solución del sistema

es (20,60).

El vértice E es la intersección de las rectas x + y= 80; x =0, la solución del sistema es

(0,80).

Para ello se determinó en primer lugar que la condición de no negatividad obliga a

trabajar en el primer cuadrante del plano cartesiano; posteriormente, se graficó cada una de las

ecuaciones dadas sustituyendo la desigualdad por una igualdad, obteniendo con ello una recta.
Gráfica 1

Determinación del Espacio de Soluciones Factibles, de acuerdo al siguiente modelo:

Fuente: El autor (2022) Elaborado en www.PHPSimplex.com

Tabla 2

Valores representados en grafica 1 correspondientes a puntos de intersección coordenadas "x" y

" y"
 Fuente: El autor (2022) Elaborado en www.PHPSimplex.com

Nota:

En color verde los puntos en los que se encuentra la solución.

En color rojo los puntos que no pertenecen a la región factible.

Corroboramos por medio de la resolución analítica, sustituimos los valores de los vértices

en la función objetivo, y como queremos la función entonces la solución es el valor máximo.

F.O = Max Z = 3x+ 2y

Tabla 3

Resultados de la sustitución de los valores de los vértices en la función objetivo

Vértic Z= 3x+2y

(0,0) Z=3(0)+2(0)=0

(40,0) Z=3(40)+2(0)=120

(40,20) Z=3(40)+2(20)=160
 (20,60) Z=3(20)+2(60)=180

(0,80) Z=3(0)+2(80)=160

Fuente: El autor (2022)

La solución óptima es:

X= 20 muñecos

Y= 60 trenes

Z= 180$ de beneficio

Y también podemos realizarlo por la resolución gráfica, para ello remplazamos en la

Función origen a Z por el valor de 0, tabulamos y graficamos la recta, adicional a ello,

desplazamos la recta, paralela a la primera por todos los vértices y nos fijamos en que la recta

corta polígono en todos los vértices menos en el vértice (20,60).

Max Z = 3x +2y x = (0,-40)

0 = 3x + 2y y = (0,60)

Luego, sustituimos:

Z= 3x +2y

Z= 3(20) +2(60)

Z= 180

Z=180$ de beneficio, confirmándose la solución optima como: x=20 muñecos y y= 60 trenes.

Gráfica 2

Determinación de la solución optima de acuerdo al modelo gráfico

Fuente: El autor (2022) a través de www.PHPsimplex.comadaptaciones en Microsoft Word

2010.

3.- Encuentre la solución óptima a través del método simplex.

Pasamos el problema a la forma estándar, añadiendo variables de exceso, holgura, y artificiales

según corresponde

MAXIMIZAR: Z = 3 MAXIMIZAR: Z = 3 X1 + 2 X2 + 0

X1 + 2 X2 X3 + 0 X4 + 0 X5

sujeto a sujeto a

2 X1 + 1 X2 ≤ 100 2 X1 + 1 X2 + 1 X3 = 100

1 X1 + 1 X2 ≤ 80 1 X1 + 1 X2 + 1 X4 = 80

1 X1 + 0 X2 ≤ 40 1 X1 + 1 X5 = 40

X1, X2 ≥ 0 X1, X2, X3, X4, X5 ≥ 0

Pasamos a construir la primera tabla del método Simplex.

Tabla 4

Valores de tabla 1 de iteración

Fuente: Elaborado por el autor (2022) a través de www.Phpsimplex.com

La variable que sale de la base es P5 y la que entra es P1.

Tabla 5

Valores de tabla 2 de iteración

Fuente: Elaborado por el autor (2022) a través de www.Phpsimplex.com

La variable que sale de la base es P3 y la que entra es P2.

Tabla 6

Valores de tabla 3 de iteración

Fuente: Elaborado por el autor (2022) a través de www.Phpsimplex.com

La variable que sale de la base es P4 y la que entra es P5.

Tabla 7

Valores de tabla 4 de iteración

Fuente: Elaborado por el autor (2022) a través de www.Phpsimplex.com

La última tabla es óptima porque ninguna de las variables no básicas tiene un coeficiente

negativo en la función Z, lo cual completa los cálculos del método simplex, dando como

resultado X1 = 20, X2 = 60 y Z=180.

 Igualmente, la tabla muestra la solución óptima que ya se había encontrado con el método

gráfico, reafirmando que se deben producir 20 soldados y 60 trenes para obtener el máximo de

ingreso respetando las restricciones indicadas.

La solución óptima es Z = 180

X1 = 20

X2 = 60

4.- A partir del modelo primal definido, construya el modelo dual correspondiente.

Según Taha(2004), se puede decir que el problema dual se define sistemáticamente a

partir del modelo de PL primal (u original). Tanto así, que, los dos problemas están

estrechamente relacionados en el sentido de que la solución óptima de uno proporciona

automáticamente la solución óptima al otro.

Tenemos como función objetivo:

Max Z = 3x1 + 2x2

Sujeto a:

2x1 + x2 <= 100

x1 + x2 <= 80

x1 <= 40

Donde x1, x2>= 0

Considerando que , la función objetivo es maximizadora, por tanto todas las ≥ restricciones se

pueden convertir a≤.

En primal, hay 2 variables y 3 restricciones, por lo que en dual debe haber2restricciones y 3

variables

Tenemos que el modelo dual es:

Min W = 100y1 + 80y2+ 40y3

Sujeto a:

2y1 + y2 ≥ 3

y1+ y2+ y3 ≥ 2

Donde y1 + y2+ y3 ≥ 0

5) ¿Cuáles son las variables básicas del modelo con su respectivo valor? Explique.

La diferencia principal del método simplex y el método dual, es que el simplex se inicia

con una solución factible y la mantiene mientras busca conseguir la optimización, mientras que

el método dual inicia con una solución óptima pero no factible y busca la factibilidad

manteniendo la optimización.

Ahora bien, introduciendo variables de holgura y artificiales en el modelo dual construido

anteriormente, se tiene:

Maximizar W = -100 y1 - 80 y2 - 40 y3 + 0 h1 + 0 h2 + 0 a1 + 0 a2

Restringido por:
2 y1 + y2 + y3 - h1 + a1 = 3

y1 + y2 + 0 y3 - h2 + a2 = 2

y1, y2, y3, h1, h2, a1, a2 ≥ 0

Finalmente, al resolver el modelo anterior por el método simplex se tiene que y1 = 1, y2 = 1, y3

= 0 y W = -180; por lo tanto, se cumple la dualidad entre los modelos.

6.- Señale y explique cuáles son los costos de oportunidad en el modelo.

Tomando como base el modelo primal y el modelo dual del problema presentado por

Giapetto’s Woodcarving, Inc., así como los conceptos teóricos estudiados, a continuación se

presentan ambos modelos con su respectivo significado económico:

Tabla 8

Modelos Primal y Dual

Modelo Primal Modelo Dual

Maximizar Z = 3 X1 + 2 X2 Minimizar W = 100 y1 + 80 y2 + 40 y3

Restringido por: Restringido por:

2 X1 + X2 ≤ 100 2 y1 + y2 + y3 ≥ 3

X1 + X2 ≤ 80 y1 + y2 +0 y3 ≥ 2

X1 ≤ 40 y1, y2, y3 ≥ 0

X1,X2≥ 0

Niveles de Rentabilidad Optima Niveles de Costos de Oportunidad

 Optimo

Fuente: El autor (2022)

La solución del problema dual da la información acerca de los “costos de oportunidad” de

los recursos o “precios sombra”, es decir, la tasa a la cual podría incrementarse (o decrecer) la

función objetivo del problema primal, incrementando (o disminuyendo) ligeramente la cantidad

de recurso.

7.- Emita una opinión razonada sobre el aprendizaje alcanzado en esta unidad en cuanto a

la aplicación de los modelos matemáticos a la toma de decisiones administrativas.

En la actualidad en el mundo empresarial, la mayoría de las veces, las consecuencias de

una decisión errada pueden ser muy drásticas, incluso alterar considerablemente el curso de la

organización, de allí la importancia de poder auxiliarse con algún instrumento o estrategia

metodología que facilite la elección de la mejor alternativa y así maximizar las ganancias y

minimizar los costos con eficiencia, en pro de los mejores resultados para la organización

considerándose el menor tiempo, desgaste y esfuerzo posible.

Es en este punto donde entra la investigación de operaciones, que según Winston (2005)

no es más que un planteamiento científico a la toma de decisiones, que busca como determinar y

operar mejor un sistema, normalmente bajo condiciones que requieren la asignación de recursos

escasos, utilizando para ello modelos matemáticos que permiten en primer lugar representar el
problema y en segundo lugar poder resolverlo, con la finalidad de que se produzcan las

soluciones óptimas que faciliten el logro de los objetivos propuestos.

El empleo de los modelos matemáticos permite una mejor descripción y comprensión de

los hechos, presenta factores y descubre relaciones que no se aprecian en otro tipo de modelos,

esto hace posible que se ocupe del problema en su totalidad y permite considerar

simultáneamente todas las variables del problema, permitiendo un mejor análisis de la situación

y de los problemas administrativos, utilizando el lenguaje matemático para su representación y

suministrando un consejo al ofrecer el resultado obtenido en caso de seguir determinada

alternativa; por lo tanto, se han convertido en una poderosa herramienta que coadyuvan en la

identificación de las mejores alternativas y de este modo, con la seguridad que se ha descartado

todo sesgo, facilitar la toma de decisión en base a un fundamento cuantificable y calificable.

En fin, los modelos matemáticos ayudan a simplificar y entender la realidad; su ventaja

reside en que permiten manipular situaciones reales y complejas mediante la simulación de las

mismas, proporcionando así un valioso instrumentos de trabajo para que la organización pueda

afrontar y estudiar sus problemas, cerrando la brecha entre lo que es (la realidad) y lo que debería

ser (los resultados de las diferentes alternativas disponibles).

Referencias bibliográficas
Taha, H. (2004). Investigación de Operaciones. Modelado en programación Lineal

Novena edición, Editorial Prentice Hall. México. Compilación con fines instruccionales.

Universidad Nacional Abierta. Venezuela.

Winston, W. (2005) Investigación de operaciones, Introducción a la investigación de

operaciones, cuarta edición, Editorial Thomson, EE.UU.