Apunte de contenido

Métodos de programación lineal

Modelo de programación lineal

La administración de sistemas se ha tornado cada vez más difícil debido a la

complejidad creciente que estos experimentan. Complejidad que deriva de las
interacciones entre los muchos elementos de las organizaciones y los sistemas
físicos en que estos interactúan. Se ha hecho cada día más necesaria la
utilización de nuevas metodologías y técnicas que resuelvan sus problemas de
planificación, diseño, administración y operación. La investigación operacional
es un método científico de toma de decisiones que se caracteriza por su
naturaleza integradora o enfoque de sistemas, esto es, una vez definido el
alcance de un cierto sistema, se da énfasis en el conjunto e interacción de las
partes que lo constituyen y no en algún aspecto o componente específico.

El desarrollo de la programación lineal ha sido clasificado como uno de los

avances científicos más importantes de mediados del siglo XX y estamos de
acuerdo con esta aseveración. Su efecto desde 1950 ha sido extraordinario. En
la actualidad es una herramienta de uso normal que ha ahorrado miles o
millones de dólares a muchas compañías o negocios, incluso empresas
medianas, en los distintos países industrializados del mundo; su aplicación a
otros sectores de la sociedad se ha ampliado con rapidez. Una proporción muy
grande de los programas científicos en computadoras está dedicada al uso de
la programación lineal. Se han escrito docenas de libros de texto sobre esta
materia y se cuentan por cientos los artículos publicados que describen
aplicaciones importantes.

Dentro de los problemas de programación lineal, el tipo más común de

aplicación abarca el problema general de asignar de la mejor manera posible,
es decir, de forma óptima, recursos limitados a actividades que compiten entre
sí por ellos. Con más precisión, este problema consiste en elegir el nivel de
ciertas actividades que compiten por recursos escasos necesarios para
realizarlas. Después, los niveles de actividad que se eligen dictan la cantidad
de recursos que consumirá cada una de ellas. La variedad de situaciones a las
que puede aplicarse esta descripción es sin duda muy grande, ya que abarca
2
desde la asignación de instalaciones de producción a los productos hasta la
asignación de los recursos nacionales a las necesidades de un país; desde la
selección de una cartera de inversiones hasta la selección de los patrones de
envío; desde la planeación agrícola hasta el diseño de una terapia de radiación,
etc. No obstante, el ingrediente común de todas estas situaciones es la
necesidad de asignar recursos a las actividades mediante la elección de sus
niveles.

La programación lineal utiliza un modelo matemático para describir el

problema. El adjetivo lineal significa que todas las funciones matemáticas del
modelo deben ser funciones lineales. La palabra programación no se refiere
aquí a términos computacionales; en esencia, es sinónimo de planeación. Por
lo tanto, la programación lineal involucra la planeación de actividades para
obtener un resultado óptimo; esto es, el que mejor alcance la meta
especificada, de acuerdo con el modelo matemático, entre todas las
alternativas factibles. Aunque la asignación de recursos a las actividades es la
aplicación más frecuente, la programación lineal tiene muchas otras
posibilidades. En realidad, cualquier problema cuyo modelo matemático se
ajuste al formato general del modelo de programación lineal, es un problema
de programación lineal. Por esta razón, un problema de programación lineal y
su modelo se denominan con frecuencia programa lineal, o incluso solo PL.
Aún más, se dispone de un procedimiento de solución muy eficiente llamado
método simplex para resolver estos problemas lineales, incluso los de gran
tamaño. Estas son algunas razones del tremendo efecto de la programación
lineal en las décadas recientes.

Es un modelo que tiene varios supuestos subyacentes y la validez de los

resultados depende de estos: proporcionalidad, aditividad, divisibilidad,
determinismo, número de objetivos.

3
a) PROPORCIONALIDAD

La función objetivo y cada restricción sobre las variables de decisión debe ser
lineal. Esto es, las medidas de efectividad (utilidad o costo) en la FO y la
cantidad de recurso usado debe ser proporcional al valor de cada variable de
decisión considerada individualmente. Si, por ejemplo, para hacer una silla
necesito ½ tabla, para fabricar 3 sillas necesitaré 1½. Los recursos son
proporcionales a la producción. Esto no es válido en todos los casos reales.

Ejemplo: curva de reconocimiento

El modelo en la realidad es la curva azul, pero podemos linealizarlo trazando

rectas que en cierto intervalo se aproximan a la realidad, con lo cual se reduce
a una combinación de ecuaciones lineales.

b) ADITIVIDAD

La suposición de proporcionalidad no es suficiente para garantizar que la FO y

las restricciones sean lineales, por lo tanto, es necesario que cada variable sea
aditiva con respecto a la utilidad (costo) y la cantidad de recurso utilizado. Es
posible sumar los recursos en distintas actividades.

c) DIVISIBILIDAD

4
Algunas veces las variables de decisión deberán tener un significado físico, que
es posible solo si ellas tienen valores enteros. Sin embargo, la solución
obtenida por la programación lineal con mucha frecuencia no es entera. Luego,
se debe suponer que las unidades de las actividades pueden dividirse en
niveles fraccionarios.

d) DETERMINISMO

La programación lineal está definida para trabajar suponiendo que el

comportamiento de las variables y parámetros es conocido con certeza. En los
problemas reales, muy pocas veces se satisface por completo esta suposición.

e) NÚMERO DE OBJETIVOS

La programación lineal está limitada a considerar un solo objetivo. En

consecuencia, si el problema tiene muchos objetivos imposibles de agrupar en
uno solo, no se puede utilizar programación lineal.

La clave para la aplicación exitosa de esta técnica es la capacidad de reconocer

cuando un problema puede resolverse por programación lineal y la capacidad
de formularlo posteriormente como tal.

El enunciado general del problema de programación lineal es el siguiente.

Encuentra x1, x2, …, xn, tal que maximice la siguiente función lineal:

Z = c1x1 + c2x2 + . . . . . + cnxn ,

Sujeto a las restricciones:

a11x1 + a12x2 . . . . . a1nxn ≤ b1
a21x1 + a22x2 . . . . . a2nxn ≤ b2
......
am1x1 + am2x2 . . . amnxn ≤ bm
x1 ≥ 0, x2 ≥ 0, . . . . , xn ≥ 0
5
donde los aij, bi , cj son los parámetros que permiten relacionar las variables de
decisión con la función objetivo y restricciones.

Podemos tener los casos de minimización, restricciones del tipo ≥, = e incluso

la no condición de no negatividad.

EJEMPLO

Un señor tiene disponible semanalmente 7000 g de hilo rojo; 4000 g de hilo

verde y 7000 g de hilo amarillo y decide fabricar tela escocesa y exportar a
Escocia. Debido a los colores puede fabricar a dos clanes, los McFarlam y los
McDonald (bajo el supuesto que son cada uno lo suficientemente grandes
como para comprar cualquier producción de tela). No consideraremos el costo
por mano de obra. El objetivo es maximizar las utilidades.

Un metro de tela requiere:

Sean:
x1: metros de tela McFarlam fabricados por semana
x2: “ “ “ McDonald “ “ “ b1: g hilo rojo disponible por semana
b2: “ “ verde “ “ “
b3: “ “ amarillo “ “ “

Función objetivo: maximizar utilidades:

6
Max Z = 5x1 + 4x2
Las variables de decisión no pueden ser negativas:

x1, x2 ≥ 0

Rojo ⇒ 2x1 + 1x2 ≤ 7000

Verde ⇒ 1x1 + 1x2 ≤ 4000
Amarillo ⇒ 1x1 + 2x2 ≤ 7000

Se tienen 3 fronteras tecnológicas:

7
Otro aspecto para considerar es cuánto sobra de cada factor si no se está sobre
su respectiva frontera tecnológica, obtenido de una escala en una recta
perpendicular a esta.

Por ejemplo: Para la frontera tecnológica por el hilo rojo:

La cantidad de recurso sobrante es la cantidad de recursos disponibles no

utilizados y se llama variable de holgura. En el ejemplo anterior:

x3: g de hilo rojo no utilizado por semana.

x4: “verde”.
x5: “amarillo”.

Con x3, x4, x5 ≥ 0, variables de holguras positivas, con lo cual se transforman

las inecuaciones en:

8
2x1 + 1x2 + x3 = 7000
1x1 + 1x2 + x4 = 4000
1x1 + 2x2 + x5 = 7000
x1, x2, x3, x4, x5 ≥ 0

Tengamos siempre presente que el objetivo es maximizar Z = 5x1 + 4x2.

Al iniciar la semana el producto se encuentra en I, es decir:

x1 = 0
x2 = 0
x3 = 7000
x4 = 4000
x5 = 7000
Z=0

9
Como primera reacción es producir el máximo de uno de los dos productos ir
al punto II, ya que x1 tiene una utilidad de $5, que es mayor a la que nos da x2
($4), con lo que se tiene:
x1 = 3500
x2 = 0
x3 = 0
x4 = 500
x5 = 3500
Z = 17500

Analizando el “ingreso marginal”, es decir, ver que implicaciones tiene

producir 1 m menos de tela McFarlam.
x1 = 3499 ⇒ x3 = 2
x4 = 501
x5 = 3501

Con los cuales se puede fabricar 2m m de tela McDonald. ∴ x2 = 2 ⇒ x3 = 0 x4

= 499 x5 = 3497. Como al sacrificar un metro de tela 1 se “pierden” $5 y al
producir dos metros de tela 2 se “ganan” $8, se tiene que por cada metro de
tela 2 que se fabrique sacrificando tela 1 aumentan las utilidades en $1.5 (-
5+8=3/2m que se fabrican = 1.5$/m). Es decir, el valor marginal de fabricar tela
2 es de $1.5 por metro. ∴es más racional fabricar menos tela 1 y más tela 2 con
el sacrificio de la anterior, lo cual nos lleva a situarnos en el punto III con: x3 =
0, x4 = 0, reemplazando en las ecuaciones se tiene:
x1 = 3000
x2 = 1000
x3 = 0
x4 = 0
x5 = 2000
Z = 19000 Análogamente al caso anterior, analizamos el valor marginal:
x1 = 2999 ⇒ x3 = 2
x4 = 1
x5 = 2001
10
Con lo cual se puede fabricar 1 metro de tela 2.

∴ x2 = 2001 ⇒ x3 = 1
x4 = 0
x5 = 1999

Pero, sacrificar un metro de tela 1 nos significa una pérdida de $5 y producir

un metro más de tela 2 nos aporta $4. Tenemos una merma de $1 en la
utilidad, es decir, un valor marginal de –1, por lo cual no nos movemos del
punto anterior y decimos estar en el punto óptimo de producción.

Referencias bibliográficas
Hillier y Liebermann (2010). Introducción a la investigación de operaciones.
Novena edición. Mc Graw Hill.

11