UNIVERSIDAD AUTÓNOMA CHAPINGO

DEPARTAMENTO DE INGENIERÍA MECÁNICA AGRÍCOLA

OPTIMIZACIÓN
1. PROGRAMACIÓN MATEMÁTICA

PROFR. ING. LUIS LORENZO JIMÉNEZ Y GARCÍA

jimenezg@att.net.mx
LJIMENEZY@chapingo.mx
Cel. 55 18 22 67 60
PROPÓSITO GENERAL DE LA ASIGNATURA
Optimizar procesos de producción y/o servicios
mediante la utilización de tecnologías, algoritmos y
software especializado que satisfagan necesidades
específicas, tomando en cuenta las consideraciones
económicas, técnicas, ambientales, sociales y de
sostenibilidad, a fin de elevar la eficacia y eficiencia
de las máquinas y organizaciones relacionadas con
la Ingeniería Mecatrónica Agrícola.
1. OPTIMIZACIÓN O PROGRAMACIÓN MATEMÁTICA

Propósito específico de la unidad:

Identificar las propiedades fundamentales de

los modelos de programación lineal, entera-
mixta y no lineal y los algoritmos a resolverse
en problemas de ingeniería, para tomar la
decisión óptima factible.
1. OPTIMIZACIÓN O PROGRAMACIÓN MATEMÁTICA
❖ LA OPTIMIZACIÓN MATEMÁTICA, IMPLICA UTILIZAR UN
CONJUNTO DE TÉCNICAS MATEMÁTICAS PARA ENCONTRAR
LA MEJOR SOLUCIÓN POSIBLE A UN PROBLEMA DE GESTIÓN
COMERCIAL O INDUSTRIAL.
❖ UNA SOLUCIÓN BASADA EN OPTIMIZACIÓN IMPLICA:
➢ UN MODELO DE OPTIMIZACIÓN, DEFINIDO EN TÉRMINOS
DE VARIABLES DE DECISIÓN, RESTRICCIONES Y UNA
FUNCIÓN OBJETIVO.
➢ DATOS PARA CREAR UNA INSTANCIA DEL MODELO.
➢ UN ALGORITMO QUE RESUELVA LA INSTANCIA DEL
MODELO
❖ El proceso de optimización busca valores para las variables de decisión que satisfagan
todas las restricciones y optimicen la función objetivo.
❖ La optimización es una herramienta de ayuda a la toma de decisiones que tiene
aplicaciones en casi todas las industrias. Se pueden optimizar un amplio rango de
decisiones, por ejemplo:
➢ La cantidad de productos a fabricar, cuando fabricarlos y dónde fabricarlos.
➢ Cómo transportar artículos elaborados, personas o materias primas.
➢ Cómo mezclar materias primas.
➢ Cómo planificar mano de obra, tareas o máquinas.
➢ Cómo ubicar y asignar instalaciones y equipos.
➢ Cómo invertir capital.
TÉCNICAS DE OPTIMIZACIÓN MATEMÁTICA

Las técnicas de programación matemática

incluyen:
➢ Programación Lineal.
➢ Programación entera.
➢ Programación entera‐mixta.
➢ Programación no lineal: programación
cuadrática, Programación Cuadrática
entera‐mixta.
➢ Programación multiobjetivo.
 1.1 EL MODELO DE PROGRAMACIÓN LINEAL

ENTRE LAS HERRAMIENTAS MÁS ÚTILES PARA ESTUDIAR LOS

SISTEMAS QUE SE PRESENTAN EN LA INGENIERÍA, SE
ENCUENTRAN LOS MÉTODOS DE OPTIMIZACIÓN. DENTRO DE
ÉSTOS, ESTÁ LA PROGRAMACIÓN MATEMÁTICA, QUE PRETENDE
ENCONTRAR EL VALOR ÓPTIMO DEL OBJETIVO DEL SISTEMA,
SUJETÁNDOSE A UNA SERIE DE RESTRICCIONES QUE SURGEN DE
LAS RELACIONES QUE EXISTEN ENTRE SUS ENTIDADES.
UNA DE SUS TÉCNICAS MÁS IMPORTANTES Y UTILIZADAS ES
LA PROGRAMACIÓN LINEAL, QUE RECIBE ESTE NOMBRE
PORQUE TODAS SUS RELACIONES FUNCIONALES SE PUEDEN
REPRESENTAR MEDIANTE UN MODELO MATEMÁTICO CUYAS
ECUACIONES SON TODAS LINEALES. SIN EMBARGO, HAY QUE
TENER PRESENTE LA PROGRAMACIÓN NO LINEAL,
MULTIOBJETIVO, ETC.
ADEMÁS DEBEMOS ENTENDER “PROGRAMACIÓN” COMO
SINÓNIMO DE PLANEACIÓN
LA PROGRAMACIÓN LINEAL TRATA CON
SISTEMAS CUYO PROBLEMA ES ASIGNAR
RECURSOS LIMITADOS ENTRE ACTIVIDADES
COMPETITIVAS, DE LA MEJOR FORMA
POSIBLE, ES DECIR, OPTIMIZAR.
LA ESTRUCTURA DE UN MODELO MATEMÁTICO CONTIENE
LOS SIGUIENTES ELEMENTOS:

VARIABLES DE DECISIÓN
FUNCIÓN(ES) OBJETIVO(S)
RESTRICCIONES
VARIABLES DE DECISIÓN
LAS VARIABLES DE DECISIÓN EN UN MODELO DE OPTIMIZACIÓN REPRESENTAN
VALORES O DECISIONES QUE PUEDEN FIJARSE POR EL ALGORITMO DE
OPTIMIZACIÓN PARA CONSEGUIR EL MEJOR VALOR POSIBLE DE LA FUNCIÓN
OBJETIVO.

❖ EJEMPLOS DE VARIABLES DE DECISIÓN SERÍAN LOS SIGUIENTES:

➢ CANTIDAD A FABRICAR DE UN PRODUCTO DADO.
➢ NÚMERO DE PERSONAS A CONTRATAR PARA REALIZAR UNA TAREA DADA.
➢ ELEGIR LA LOCALIZACIÓN DE UN NUEVO ALMACÉN.
➢ EL TIEMPO DE INICIO DE UNA TAREA DADA.
❖ Algunas características de las variables de decisión son las siguientes:
➢ Su valor se calcula durante el proceso de solución.
➢ Inicialmente son desconocidas en el modelo, aunque es posible proporcionar
una pista inicial para ayudar a la optimización.
➢ Las variables de decisión tienen un dominio: el conjunto de todos los valores
posibles de la variable.
➢ Las variables de decisión tienen límites impuestos por los límites de su dominio.
➢ Las variables de decisión tienen tipo, por ejemplo, real, entero, booleano o
intervalo (utilizado sólo en programación con restricciones).
La elección de las variables de decisión es importante porque tienen un impacto
significativo en la formulación de las restricciones y el método de optimización
utilizado.
Función objetivo
La función objetivo de un modelo de optimización es una representación
matemática de los logros industriales que se desean conseguir.
❖ Las funciones objetivos son de maximización o minimización y suelen
involucrar un objetivo simple o una expresión compleja que involucra varios
objetivos industriales.
❖ Algunos ejemplos de objetivos son los siguientes:
➢ Maximizar un beneficio.
➢ Minimizar un coste.
➢ Minimizar retrasos.
➢ Maximizar el servicio a los clientes
Restricciones
Las restricciones definen las relaciones entre diferentes variables de decisión y
relacionan también los datos con dichas variables.
❖ Representan los límites dentro de los cuales debe existir la solución. Los siguientes
son ejemplos de restricciones:
➢ La cantidad fabricada de un producto dado debe ser menor que la capacidad de
producción.
➢ Las personas contratadas para realizar una tarea dada deben tener un conjunto
mínimo de habilidades profesionales.
➢ El coste total para construir un nuevo almacén debe ser menor que la cantidad de
dinero presupuestada.
➢ La salida de un proceso debe ser igual al rendimiento multiplicado por la entrada.
➢ Una cierta tarea sólo puede comenzar una vez que se haya completado otra tarea
relacionada.
Clasificación de los problemas de optimización atendiendo a su solución
❖ En optimización una solución es una propuesta de valores específicos para las
variables de decisión. Una solución puede ser:
➢ Factible: una solución que satisface todas las restricciones.
➢ Optima: una solución factible que alcanza el mejor valor posible de la función objetivo.
➢ No factible: Una solución que viola una o más restricciones.
➢ No acotada: Una solución que produce un valor de la función objetivo que tiende a más
o menos infinito dependiendo de si se trata de un problema de maximización o
minimización.
❖ El conjunto de todas las soluciones factibles se denomina región factible.
PARA RESOLVER ESTOS PROBLEMAS, SE UTILIZA EL
MODELO DE PROGRAMACIÓN LINEAL QUE TIENE LA
SIGUIENTE ESTRUCTURA:
𝑴𝒂𝒙𝒊𝒎𝒊𝒛𝒂𝒓 𝒁 = 𝒄𝟏 𝒙𝟏 + 𝒄𝟐 𝒙𝟐 + … + 𝒄𝒏 𝒙𝒏 ሽ 𝑭𝒖𝒏𝒄𝒊ó𝒏 𝒐𝒃𝒋𝒆𝒕𝒊𝒗𝒐
𝐒𝐮𝐣𝐞𝐭𝐨 𝐚:

𝐚𝟏,𝟏 𝐱 𝟏 + 𝐚𝟏,𝟐 𝐱 𝟐 + … + 𝐚𝟏,𝐧 𝐱 𝐧 ≤, ≥, = 𝒃𝟏

𝐚𝟐,𝟏 𝐱 𝟏 + 𝐚𝟐,𝟐 𝐱 𝟐 + … + 𝐚𝟐,𝐧 𝐱 𝐧 ≤, ≥, = 𝐛𝟐
Restricciones explícitas

𝐚𝐦,𝟏 𝐱 𝟏 + 𝐚𝐦,𝟐 𝐱 𝟐 + … + 𝐚𝐦,𝐧 𝐱 𝐧 ≤, ≥, = 𝐛𝐦

𝐱 𝟏 , 𝐱 𝟐 … 𝐱 𝐧 ≥ 𝟎 ሽ 𝐑𝐞𝐬𝐭𝐫𝐢𝐜𝐜𝐢𝐨𝐧𝐞𝐬 𝐢𝐦𝐩𝐥í𝐜𝐢𝐭𝐚𝐬
o no negatividad
OBJETIVO DEL MODELO

SE EXPRESA COMO UNA ECUACIÓN MATEMÁTICA

LINEAL (NO LINEAL) QUE PRETENDE ENCONTRAR
EL VALOR ÓPTIMO DEL PROBLEMA, EN ESTE CASO
EL MÁXIMO (FUNCIÓN OBJETIVO) O EL MÍNIMO.
VARIABLES.
SON LAS ACTIVIDADES QUE COMPITEN Y SE
TRATA DE DETERMINAR EL NIVEL ADECUADO
QUE SATISFAGA EL OBJETIVO DEL PROBLEMA Y
LAS RESTRICCIONES.

CAMBIAN CONTINUAMENTE AL TRABAJAR CON

EL MODELO.
RELACIONES FUNCIONALES.
Son ecuaciones matemáticas lineales y se
clasifican en tres tipos:

Función objetivo. Cada uno de sus términos

indica el beneficio que se obtiene por cada
actividad y al sumarse dan el beneficio total
del sistema. Se busca encontrar el máximo
(mínimo)
RELACIONES FUNCIONALES.

Restricciones explícitas. Reciben este nombre

porque se indican textualmente. Cada uno de
sus términos indica cuánto recurso está
consumiendo la actividad, y su suma cuánto
recurso consume el sistema. Son
desigualdades del tipo menor o igual que (≤).
Indican que se debe consumir menos o hasta
lo que se tiene. También se tiene restricciones
con igualdad o mayor que(=, ≥).
RELACIONES FUNCIONALES.

Restricciones implícitas. Indican únicamente

que el valor de las variables (o nivel de las
actividades) debe ser cero o cualquier valor
positivo.
Los resultados y el proceso de optimización se convierten en un
respaldo cuantitativo de las decisiones frente a las situaciones
planteadas. Decisiones en las que sería importante tener en cuenta
diversos criterios administrativos como: Los hechos; la experiencia;
la intuición; la autoridad.
 EJEMPLO DE PLANEACIÓN DE LA PRODUCCIÓN:

UNA COMPAÑÍA DE ALIMENTOS PARA POLLOS, FABRICA

DOS MEZCLAS DE COMIDA: DE 1ª. Y DE 2ª. TIENE
DISPONIBLES PARA LA PRODUCCIÓN DOS MATERIAS
PRIMAS, HARINA DE PESCADO Y UNA BASE NUTRIENTE.
LOS DATOS SE RESUMEN EN LA SIGUIENTE TABLA.
LA COMPAÑÍA QUIERE SABER CUÁNTO PRODUCIR
MENSUALMENTE DE CADA UNA DE LAS DOS MARCAS,
CON OBJETO DE MAXIMIZAR SUS GANANCIAS.
 CONCEPTO 1ª. 2ª.
Contenido del paquete terminado 2.5 kg 3.0 kg
Precio de venta por paquete $ 90.00 $ 75.00
Materias primas usadas por paquete:
- Harina de pescado 1.0 kg 2.0 kg
- Nutriente 1.5 kg 1.0 kg
Costo de mezcla, empaque y demás costos
variables por paquete. $ 14.00 $ 18.00
Recursos disponibles para la producción
mensual:
- Harina de pescado 240,000 kg
- Nutriente 180,000 kg

Capacidad de procesamiento mensual:

- Empaque de 1ª. 110,000 Bolsas

- Mezclado de 1ª y Empaque y mezclado Suficiente para producir

de 2ª. cualquier mezcla de
productos
 SOLUCIÓN DEL PROBLEMA
ANALIZANDO EL PROBLEMA, QUEDA CLARO QUE EL OBJETIVO
ES DETERMINAR CUÁNTOS PAQUETES MENSUALES HAY QUE
PRODUCIR DE ALIMENTO DE 1ª. Y DE 2ª. CON EL OBJETO DE
OBTENER LA MÁXIMA UTILIDAD POSIBLE SUJETÁNDOSE A LAS
RESTRICCIONES DE DISPONIBILIDAD DE HARINA DE PESCADO,
NUTRIENTE Y CAPACIDAD DE EMPAQUE, CON ESTO SE
ESTABLECE LA ESTRUCTURA DEL MODELO.
El problema se recomienda leer en
más de una ocasión para facilitar el
reconocimiento de las variables,
además es muy recomendable la
elaboración de tablas o matrices que
faciliten una mayor comprensión del
mismo.
SE RECOMIENDA EL SIGUIENTE PROCEDIMIENTO
PASO 1: "FORMULAR EL PROBLEMA"
PARA REALIZAR ESTE PASO PARTIMOS DE LA PREGUNTA
CENTRAL DEL PROBLEMA.
¿CUÁNTOS PAQUETES DE ALIMENTOS DE 1ª Y DE 2ª SE DEBEN
FABRICAR?
Y LA FORMULACIÓN ES:
“DETERMINAR LA CANTIDAD MENSUAL DE PAQUETES DE
ALIMENTO PARA POLLOS DE 1ª Y DE 2ª A PRODUCIR TENIENDO
EN CUENTA EL ÓPTIMO BENEFICIO RESPECTO A LA UTILIDAD”.
PASO 2: DETERMINAR LAS VARIABLES DE DECISIÓN
BASÁNDONOS EN LA FORMULACIÓN DEL PROBLEMA NUESTRAS
VARIABLES DE DECISIÓN SON:
X1: CANTIDAD DE PAQUETES MENSUALES DE ALIMENTO PARA
POLLOS DE 1ª A PRODUCIR.
X2: CANTIDAD DE PAQUETES MENSUALES DE ALIMENTO PARA
POLLOS DE 2ª A PRODUCIR .
EL NOMBRE DE LA VARIABLE TAMBIÉN PUEDE HACER ALUSIÓN A
LO QUE SE DESEA CONOCER, POR EJEMPLO:
PAQALIM1: PAQUETES DE ALIMENTO DE PRIMERA.
PASO 3: DETERMINAR LAS RESTRICCIONES DEL PROBLEMA
EN ESTE PASO DETERMINAMOS LAS FUNCIONES QUE LIMITAN EL
PROBLEMA, QUE ESTÁN DADAS POR CAPACIDAD, DISPONIBILIDAD,
PROPORCIÓN, ESTO ES, LO QUE CONSUME CADA PRODUCTO,
LIMITADO POR LO QUE SE TIENE PARA SU PRODUCCIÓN.
DE DISPONIBILIDAD DE MATERIA PRIMA:
1 X1 + 2X2 <= 240,000 HARINA DE PESCADO
1.5 X1 + 1X2 <= 180,000 NUTRIENTE
1 X1 <= 110,000 CAPACIDAD DE EMPAQUE
RESTRICCIONES DE NO NEGATIVIDAD
X1, X2 >= 0
PASO 4: DETERMINAR LA FUNCIÓN OBJETIVO
EN ESTE PASO ES DE VITAL IMPORTANCIA ESTABLECER EL
CONTEXTO OPERATIVO DEL PROBLEMA PARA DE ESTA FORMA
DETERMINAR SI ES DE MAXIMIZACIÓN O MINIMIZACIÓN.
EN ESTE CASO ABORDAMOS EL CONTEXTO DE BENEFICIO POR
TANTO SE TRATA DE MAXIMIZAR.

FUNCIÓN OBJETIVO
MAX Z = 76 X1 + 57 X2
PASO 5: RESOLVER EL MODELO UTILIZANDO SOFTWARE O
MÉTODOS MANUALES
A MENUDO LOS PROBLEMAS DE PROGRAMACIÓN LINEAL ESTÁN
CONSTITUIDOS POR INNUMERABLES VARIABLES, LO CUAL
DIFICULTA SU RESOLUCIÓN MANUAL (MÉTODO SIMPLEX, MÉTODO
DE LA GRAN M O MÉTODO DE LAS DOS FASES), ES POR ESTO QUE
SE RECURRE A SOFTWARE ESPECIALIZADO, COMO ES EL CASO,
ENTRE OTROS, DE LINDO, LINGO, WINQSB, QM, GAMS, O PARA
MODELOS MENOS COMPLEJOS SE HACE ÚTIL LA HERRAMIENTA DE
MATLAB O SOLVER DE EXCEL.
RESUMEN:
EL MODELO DE PROGRAMACIÓN LINEAL DE ESTE
PROBLEMA DE PLANEACIÓN DE LA PRODUCCIÓN ES:

Función objetivo

Harina
Nutriente
Empaque
 3.2 ALGORITMO SIMPLEX

EL ALGORITMO SIMPLEX PERMITE ENCONTRAR LA SOLUCIÓN

ÓPTIMA (EN CASO DE QUE EXISTA), DE LOS MODELOS DE
PROGRAMACIÓN LINEAL.

3.2.1 MÉTODO GRÁFICO

LOS MODELOS DE PROGRAMACIÓN LINEAL QUE

CONTIENEN HASTA TRES VARIABLES, SE PUEDEN RESOLVER
GRÁFICAMENTE DE LA SIGUIENTE FORMA:
 EJES CARTESIANOS

SE GRAFICAN LAS ECUACIONES LINEALES EN LOS EJES CARTESIANOS Y

EXCLUSIVAMENTE EN EL CUADRANTE I SE ANALIZA LA GRÁFICA , POQUE
AQUÍ SE SATISFACEN LAS CONDICIONES DE NO NEGATIVIDAD, ESTO ES,
𝑿𝒊 ≥ 𝟎
GRÁFICA DE LA RESTRICCIÓN DE HARINA DE PESCADO
GRÁFICA DE LA RESTRICCIÓN DE NUTRIENTE
GRÁFICA DE LA RESTRICCIÓN DE EMPAQUE
SE PRESENTAN SEIS ZONAS DE ANÁLISIS Y SE VERIFICA CUÁL CUMPLE
CON TODAS LAS RESTRICCIONES
LA ZONA VI CUMPLE CON TODAS LAS RESTRICCIONES Y ES LA QUE SE ANALIZA.
 EN BUSCA DE LA SOLUCIÓN ÓPTIMA EN PROBLEMAS DE MAXIMIZACIÓN:

ÚLTIMO PUNTO DE LA REGIÓN FACTIBLE QUE TOCA LA RECTA DE LA FUNCIÓN

OBJETIVO DESPLAZÁNDOSE EN FORMA ASCENDENTE.

SE PROPONE UN VALOR ARBITRARIO A Z (CERO POR EJEMPLO), PARA

ENCONTRAR LOS VALORES DE X1 Y X2. DESPUÉS SE PROPONEN OTROS
VALORES Z AL TANTEO (POR EJEMPLO, 1,750), PROCURANDO QUE AL
RESOLVERLA SE PUEDA GRAFICAR EN EL CUADRANTE I Y ESTÉ DENTRO DE LA
REGÍON VI, COMO SE MUESTRA EN LA SIGUIENTE GRÁFICA.
CON UN JUEGO DE ESCUADRAS, SE DESLIZA LA LÍNEA DE LA FUNCIÓN OBJETIVO HACIA ARRIBA Y
EL ÚLTIMO PUNTO QUE TOCA EN LA REGIÓN FACTIBLE VI, ES LA SOLUCIÓN ÓPTIMA.
SOLAMENTE SI SE GRAFICA EN PAPEL MILIMÉTRICO O EN PAPEL
A ESCALA, EL MÉTODO GRÁFICO DA EL RESULTADO ADECUADO
DE LA COORDENADA ÓPTIMA CORRESPONDIENTE AL VALOR
ÓPTIMO.

CLARAMENTE SE OBSERVA EN LA GRÁFICA QUE EL VALOR

ÓPTIMO ES EL VÉRTICE FORMADO POR LA INTERSECCIÓN DE LAS
ECUACIONES 1 Y 2 (HARINA DE PESCADO Y NUTRIENTE),
CORRESPONDIENTE A LA COORDENADA ÓPTIMA.
ALGEBRAICAMENTE, PARA HALLAR EL VALOR DE ESTA
COORDENADA ES INDISPENSABLE RECURRIR A LA RESOLUCIÓN
DE ECUACIONES LINEALES 2X2.

x1 + 2x2 = 240,000 Ec. 1

1.5x1 + x2 = 180,000 Ec.2
Multiplicando la Ec.2 por (-2) y sumando a Ec.1, tenemos:
-2x1 = -120,000 → x1 = 60,000
Sustituyendo en la Ec.1 tenemos x2 = 90,000
Z = 76(60,000) + 57(90,000) = 9,690,000
SOLUCIÓN GRÁFICA CON WINQSB
UNA INDUSTRIA PRODUCE DOS LÍNEAS DE EQUIPO PESADO.
EL EQUIPO E-9 PARA REMOCIÓN DE ESCOMBROS DE LA INDUSTRIA DE LA CONSTRUCCIÓN Y EL
EQUIPO F-9 DESTINADO A LA INDUSTRIA MADERERA, AMBOS SE PRODUCEN EN EL MISMO
DEPARTAMENTO.
EL E-9 TENDRÁ UNA UTILIDAD DE $5,000.00 Y EL F-9 UNA UTILIDAD DE $4,000.00.
CADA EQUIPO PASA POR OPERACIONES MECÁNICAS TANTO EN EL DEPARTAMENTO A COMO EN
EL DEPARTAMENTO B, COMO SE MUESTRA EN LA SIGUIENTE TABLA:

DEPARTA- HORAS
MENTO E-9 F-9 DISPONIBILIDAD
MÁXIMA
A 10 15 150
B 20 10 160

EL CONTROL DE CALIDAD SE VERIFICA EN UN TERCER DEPARTAMENTO QUE NO TIENE

RELACIÓN CON LOS DEPARTAMENTOS A Y B, COMO SIGUE:

E-9 F-9 MÍNIMO DE HORAS

HORAS PARA CONTROL
DE CALIDAD 30 10 135

➢ CON EL OBJETO DE MANTENER SU POSICIÓN ACTUAL EN EL MERCADO, LA GERENCIA

HA DECIDIDO QUE PARA LA POLÍTICA DE OPERACIÓN ES NECESARIO CONSTRUIR AL
MENOS UN F-9 POR CADA 3 E-9.
➢ UN DISTRIBUIDOR IMPORTANTE HA ORDENADO UN TOTAL DE POR LO MENOS CINCO
EQUIPOS (EN CUALQUIER COMBINACIÓN DE E-9 Y F-9) PARA EL PRÓXIMO MES, ASÍ QUE
POR LO MENOS DEBE PRODUCIRSE ESA CANTIDAD.
➢ EL PROBLEMA CONSISTE EN DECIDIR CUÁNTOS E-9 Y CUÁNTOS F-9 SE DEBEN
PRODUCIR PARA EL PRÓXIMO MES DE FORMA DE MAXIMIZAR LA GANANCIA.
MODELO MATEMÁTICO.
VARIABLES DE DECISIÓN:
E9: NÚMERO DE E-9 A PRODUCIR.
F9: NÚMERO DE F-9 A PRODUCIR.

FUNCIÓN OBJETIVO
MAXIMIZAR Z = 5,000 E9 + 4,000 F9

SUJETO A:
RESTRICCIÓN DEL TOTAL DE HORAS MÁXIMAS DISPONIBLES EN EL DEPARTAMENTO A:
10 E9 + 15 F9 ≤ 150

RESTRICCIÓN DEL TOTAL DE HORAS MÁXIMAS DISPONIBLES EN EL DEPARTAMENTO B:

20 E9 + 10 F9 ≤ 160

RESTRICCIÓN DEL TOTAL MÍNIMO DE HORAS EN EL CONTROL DE CALIDAD:

30 E9 + 10 F9 ≥ 135

RESTRICCIÓN DE CONSTRUCCIÓN DE EQUIPOS:

𝐄𝟗
≤ 𝐅𝟗 o F9 ≥ E9/3; 3F9 ≥ E9 ; 3F9 - E9 ≥ 0
𝟑
E9 ≤ 3 F9
E9 – 3F9 ≤ 0

RESTRICCIÓN DE PRODUCCIÓN DEL TOTAL DE EQUIPOS:

E9 + F9 ≥ 5

RESTRICCIÓN DE NO NEGATIVIDAD
E9, F9 ≥ 0
MODELO MATEMÁTICO DE PROGRAMACIÓN LINEAL:

MAX Z = 5,000 E9 + 4,000 F9 (FUNCIÓN OBJETIVO)

SUJETO A:

10 E9 + 15 F9 ≤ 150 (HORAS EN EL DEPARTAMENTO A)

20 E9 + 10 F9 ≤ 160 (HORAS EN EL DEPARTAMENTO B)
30 E9 + 10 F9 ≥ 135 (HORAS DE CALIDAD O COMPROBACIÓN)
E9 – 3 F9 ≤ 0 (RESTRICCIÓN DE COMBINACIÓN)
E9 + F9 ≥ 5 (TOTAL DE EQUIPOS REQUERIDOS)

E9, F9 ≥ 0 (CONDICIONES DE NO NEGATIVIDAD)

 15
GRÁFICA CON MATLAB O GEOGEBRA

10

E+ F= 5

0
0 5 10 15
E
 15

10

E - 3F = 0
F

E+ F= 5

0
0 5 10 15
E
 15

10

10E + 15F = 150 E - 3F = 0

E+ F= 5

0
0 5 10 15
E
 15

20E + 10F = 160

10

10E + 15F = 150 E - 3F = 0

E+ F= 5

0
0 5 10 15
E
 15

20E + 10F = 160

30E + 10F = 135

10

10E + 15F = 150 E - 3F = 0

F

E+ F= 5

0
0 5 10 15
E
UTILIDAD MÁXIMA = 5,000 (4.5) + 4,000(7) = $ 50,500
GRÁFICA CON WINQSB
• SI EL MODELO DE PROGRAMACIÓN LINEAL TIENE TRES
VARIABLES, EL PROCEDIMIENTO ES SEMEJANTE, SÓLO QUE
AHORA SE TENDRÁ UN ESPACIO Y LA REGIÓN DE NO
NEGATIVIDAD SERÁ UN OCTANTE DE ESTE ESPACIO.

• LA FUNCIÓN OBJETIVO Y LAS RESTRICCIONES SERÁN

PLANOS EN LUGAR DE RECTAS Y LA REGIÓN FACTIBLE SERÁ
UN VOLUMEN EN EL OCTANTE EN LUGAR DE UNA FIGURA
EN EL CUADRANTE.
MÉTODO GRÁFICO APLICADO A UN MODELO
DE MINIMIZACIÓN

Minimizar Z = x1 + 2 x2
s.a.
-3 x1 + 2 x2 ≤ 6 (1)
x1 + x2 ≤ 10.5 (2)
- x1 + 3 x2 ≥ 6 (3)
x1, x2 ≥ 0
 GRÁFICA DE RESTRICCIONES

6
2
1
5
2
x

4
3

0
0 1 2 3 4 5 6 7 8 9

x1
REGIÓN FACTIBLE PARA EL MODELO MIN
EN BUSCA DE LA SOLUCIÓN ÓPTIMA EN PROBLEMAS DE MINIMIZACIÓN:
ÚLTIMO PUNTO DE LA REGIÓN FACTIBLE QUE TOCA LA RECTA DE LA FUNCIÓN
OBJETIVO EN FORMA DESCENDENTE. SE PROPONE UN VALOR ARBITRARIO A Z
X1 + 2X2 = 8
SOLUCIÓN ÓPTIMA: X1 = 0 , X2 = 2 . MIN = (0) + 2(2) = 4
GRÁFICA CON WINQSB
 RESUMIENDO EL MÉTODO GRÁFICO CONSISTE EN:

1. CONSIDERAR ÚNICAMENTE EL CUADRANTE I DEL PLANO CARTESIANO, YA

QUE A ÉL LIMITAN LAS RESTRICCIONES IMPLÍCITAS DE NO NEGATIVIDAD.
2. LAS RESTRICCIONES EXPLÍCITAS DE ESCRIBEN COMO IGUALDADES
ESTRICTAS Y SE GRAFICAN COMO RECTAS EN EL PLANO, AL CUÁL DIVIDEN
EN DOS REGIONES. SE DETERMINA CUÁL DE ELLAS ES LA QUE SE CUMPLE
CON LA DESIGUALDAD.
3. LA INTERSECCIÓN DE LAS REGIONES QUE CUMPLEN CON TODAS LAS
DESIGUALDADES DEL MODELO ES LA REGIÓN FACTIBLE.
4. SE TRAZA LA RECTA DE LA FUNCIÓN OBJETIVO DÁNDOLE A Z UN VALOR
ARBITRARIO.
5. DESPLAZÁNDOSE PARALELAMENTE A LA RECTA DE LA FUNCIÓN
OBJETIVO, EN PROBLEMAS DE MAXIMIZACIÓN (MINIMIZACIÓN) EN FORMA
ASCENDENTE (DESCENDENTE), SE DETERMINA CUÁL ES EL ÚLTIMO PUNTO
DE LA REGIÓN FACTIBLE QUE SE TOCA. ESTE PUNTO ES LA SOLUCIÓN
ÓPTIMA DEL MODELO DE PROGRAMACIÓN LINEAL.

ACTUALMENTE ESTE MÉTODO YA NO SE USA, SOLAMENTE SE DESCRIBIÓ

CON FINES DIDÁCTICOS, PORQUE SE UTILIZA SOFTWARE PARA SU
SOLUCIÓN.
EJEMPLO
EN UN TALLER SE CUENTA CON TRES TIPOS DE MÁQUINAS;
CORTADORA (A), TORNO (B) Y TALADRO (C). EN DICHO TALLER SE
FABRICAN CUATRO PRODUCTOS: 1, 2, 3, 4. CADA PRODUCTO DEBE
PASAR POR CADA MÁQUINA.

EL TIEMPO (HORAS) EMPLEADO POR CADA MÁQUINA PARA EL

ACABADO DEL PRODUCTO, EL NÚMERO DE HORAS EFECTIVAS DE
TRABAJO DE CADA MÁQUINA Y LA UTILIDAD NETA OBTENIDA DE
CADA PRODUCTO TERMINADO ESTÁN DADAS EN LA TABLA.
 TIPO DE TIEMPO ÚTIL PRODUCTOS
MÁQUINA DE TRABAJO (HORAS)
(HORAS) 1 2 3 4
A 3,500 2 1.5 3.0 1.5
B 8,000 1.5 5.5 1.5 4.0
C 4,500 2 3.5 4.0 1.5

UTILIDAD 70 90 100 60
UNITARIA ($)

PARA QUE LA PRODUCCIÓN SEA RENTABLE SE REQUIERE QUE EL

NÚMERO DE ARTÍCULOS ELABORADOS SEA MAYOR DE 500.

DETERMINE EL NÚMERO DE ARTÍCULOS DE CADA TIPO QUE SE

DEBEN PRODUCIR EN EL AÑO PARA QUE LA GANANCIA OBTENIDA
SEA MÁXIMA. CONSIDERE QUE TODOS LOS PRODUCTOS
ELABORADOS SON VENDIDOS.
MODELO MATEMÁTICO
VARIABLES DE DECISIÓN
P1: NÚMERO DE ARTÍCULOS ELABORADOS DEL PRODUCTO 1
P2: NÚMERO DE ARTÍCULOS ELABORADOS DEL PRODUCTO 2
P3: NÚMERO DE ARTÍCULOS ELABORADOS DEL PRODUCTO 3
P4: NÚMERO DE ARTÍCULOS ELABORADOS DEL PRODUCTO 4
FUNCIÓN OBJETIVO
(SE TRATA DE MAXIMIZAR LA UTILIDAD NETA DE CADA PRODUCTO)
MAXIMIZAR Z = 70 P1 + 90 P2 + 100 P3 + 60 P4
RESTRICCIONES DE TIEMPO DE CADA MÁQUINA
2 P1 + 1.5 P2 + 3 P3 + 1.5 P4 ≤ 3,500 (MÁQUINA A)
1.5 P1 + 5.5 P2 + 1.5 P3 + 4 P4 ≤ 8,000 (MÁQUINA B)
2 P1 + 3.5 P2 + 4 P3 + 1.5 P4 ≤ 4,500 (MÁQUINA C)
RESTRICCIÓN DE RENTABILIDAD
P1 + P2 + P3 + P4 ≥ 500
MODELO DE PROGRAMACIÓN LINEAL
MAX 70 P1 + 90 P2 + 100 P3 + 60 P4
s.a.
2 P1 + 1.5 P2 + 3 P3 + 1.5 P4 ≤ 3,500
1.5 P1 + 5.5 P2 + 1.5 P3 + 4 P4 ≤ 8,000
2 P1 + 3.5 P2 + 4 P3 + 1.5 P4 ≤ 4,500
P1 + P2 + P3 + P4 > 500
P1, P2, P3, P4 ≥ 0
EJEMPLO. SE VA A MEZCLAR MINERAL PROCEDENTE DE CUATRO
MINAS DIFERENTES PARA FABRICAR BANDAS PARA UN NUEVO
PRODUCTO DE UNA COMPAÑÍA, UN TRACTOR ORUGA DE TAMAÑO
MEDIO, EL E-6, DISEÑADO ESPECIALMENTE PARA COMPETIR EN EL
MERCADO MEXICANO. LOS ANÁLISIS HAN DEMOSTRADO QUE PARA
PRODUCIR UNA BANDA CON LAS CUALIDADES ADECUADAS DE
TENSIÓN Y LOS REQUIRIMIENTOS MÍNIMOS SE DEBE CONTAR CON
TRES ELEMENTOS BÁSICOS A, B Y C, COMO SE MUESTRA EN LA
TABLA:
REQUERIMIENTOS MÍNIMOS DE ELEMENTOS BÁSICOS
(LIBRAS POR TONELADA)

ELEMENTO REQUIRIMIENTO
BÁSICO MÍNIMO POR TON.
DE MEZCLA (LBS)
A 5
B 100
C 30
EL MINERAL DE CADA UNA DE LAS CUATRO MINAS DIFERENTES
CONTIENE LOS TRES ELEMENTOS BÁSICOS, PERO EN DIFERENTES
PROPORCIONES. SUS COMPOSICIONES EN LIBRAS POR TONELADA,
SE MUESTRAN EN LA TABLA:

DISEÑE EL MODELO DE PROGRAMACIÓN LINEAL PARA ENCONTRAR

UNA COMBINACIÓN ÓPTIMA A COSTO MÍNIMO.

ELEMENTO MINAS
BÁSICO 1 2 3 4
A 10 3 8 2
B 90 150 75 175
C 45 25 20 37
COSTO POR TON.
DE CADA MINA ($) 800 400 600 500
MODELO MATEMÁTICO
VARIABLES DE DECISIÓN
M1: FRACCIÓN DE TONELADA QUE SE VA A ESCOGER DE LA MINA 1
M2: FRACCIÓN DE TONELADA QUE SE VA A ESCOGER DE LA MINA 2
M3: FRACCIÓN DE TONELADA QUE SE VA A ESCOGER DE LA MINA 3
M4: FRACCIÓN DE TONELADA QUE SE VA A ESCOGER DE LA MINA 4

FUNCIÓN OBJETIVO:
COSTO DE UNA TONELADA DE MEZCLA PARA MINIMIZAR
MIN Z = 800 M1 + 400 M2 + 600M3 + 500 M4

RESTRICCIONES:
REQUIRIMIENTOS DE ELEMENTO BÁSICO A EN 1 TON DE MEZCLA
10 M1 + 3 M2 + 8 M3 + 2 M4 ≥ 5

REQUIRIMIENTOS DE ELEMENTO BÁSICO B EN 1 TON DE MEZCLA

90 M1 + 150 M2 + 75 M3 + 175 M4 ≥ 100

REQUIRIMIENTOS DE ELEMENTO BÁSICO C EN 1 TON DE MEZCLA

45 M1 + 25 M2 + 20 M3 + 37 M4 ≥ 30

APORTACIONES FRACCIONARIAS DE LAS MINAS (CONDICIÓN DE BALANCE)

M1 + M2 + M3 + M4 = 1
MODELO DE PROGRAMACIÓN LINEAL

MIN 800 M1 + 400 M2 + 600M3 + 500 M4

S.A.

10 M1 + 3 M2 + 8 M3 + 2 M4 ≥ 5

90 M1 + 150 M2 + 75 M3 + 175 M4 ≥ 100

45 M1 + 25 M2 + 20 M3 + 37 M4 ≥ 30

M1 + M2 + M3 + M4 = 1

M1, M2, M3, M4 ≥ 0

EJEMPLO. UN FABRICANTE DE BOMBONES ENTREGA SUS
PRODUCTOS EN CAJAS DE KILOGRAMOS , EN DOS VARIEDADES A
Y B.
LA CAJA TIPO A CONTIENE 300 GRAMOS DE BOMBONES DE LICOR,
500 GRAMOS DE BOMBONES DE NUEZ Y 200 GRAMOS DE
BOMBONES DE FRUTA. LA CAJA TIPO B CONTIENE 400 GRAMOS,
200 GRAMOS Y 400 GRAMOS DE CADA TIPO DE BOMBÓN
RESPECTIVAMENTE.
LA UTILIDAD POR CAJA DE BOMBONES TIPO A ES DE $120 Y POR
CADA CAJA DE TIPO B ES DE $90.
EL FABRICANTE DISPONE DE 100 KILOGRAMOS DE BOMBONES DE
LICOR, 120 KILOGRAMOS DE BOMBONES DE NUEZ Y 100
KILOGRAMOS DE BOMBONES DE FRUTA.
SE DESEA OBTENER LA CANTIDAD DE CAJAS DE CADA TIPO QUE
DEBE ARMAR EN ESTA SITUACIÓN PARA QUE SU BENEFICIO SEA
MÁXIMO
MODELO MATEMÁTICO
VARIABLES DE DECISIÓN
CA: PRODUCCIÓN DE CAJAS TIPO A
CB: PRODUCCIÓN DE CAJAS TIPO B

FUNCIÓN OBJETIVO
MAXIMIZAR Z = 120 CA + 90 CB
¡CUIDADO CON LAS UNIDADES!
RESTRICCIONES DE LOS BOMBONES
0.3 CA + 0.4 CB ≤ 100 (LICOR)
0.5 CA + 0.2 CB ≤ 120 (NUEZ)
0.2 CA + 0.4 CB ≤ 100 (FRUTA)
CA, CB ≥ 0
 120 CA + 90 CB = 35000
300

250
X= 0
Y= 250.6024
Level= 0.24096

200
CB

150

X= 200
Y= 100
Level= 0
100

50

X= 240.9639
Y= 0
Level= -51.8072
0
0 50 100 150 200 250 300
CA