HERRAMIENTAS DE CONTROL DE GESTIÓN

NUESTROS OBJETIVOS:

NUEVAS HERRAMIENTAS PARA

LA TOMA DE DESICIONES 1
 HERRAMIENTAS DE GESTION DE CONTROL

INVESTIGACION OPERATIVA
DI DIO EDGARDO - SONIN EDUARDO

MARZULLO CONSTANZA - BOVEDA MARIANO

Nuestros Objetivos:
 Atender a las expectativas y exigencias que presenta el medio productivo global para
poder ser componente clave dentro del desarrollo productivo regional APLICANDO EL
METODO CIENTÍFICO PARA OPTIMIZAR LA EFICIENCIA Y LA COMPETITIVIDAD.

 Obtener una visión general sobre el concepto de MODELIZACIÓN, OPTIMIZACIÓN

DE RECURSOS, COSTOS Y ESTRATEGIAS como herramientas indispensables para
la toma decisiones gerenciales en la búsqueda de la eficiencia de la gestión
administrativa y/o productiva.

 Desarrollar capacidades necesarias para el diseño de modelos particulares para

resolver problemas en situaciones específicas en empresas de la región.

 Comprender la importancia de la Investigación de Operaciones como metodología de

optimización dentro de cualquier tipo de organización.

 Modelizar situaciones específicas de asignación de costos, readecuación de insumos,

asignación de transportes, políticas de optimización de almacenamiento, optimización
de líneas de espera y servicios secuenciales en un canal y n canales

 Conocer y utilizar herramientas computacionales, soporte para la aplicación de los

modelos

2
INTRODUCCIÓN

El universo de la Investigación Operativa es amplio, abarca toda la problemática de la toma de

decisiones en empresas desde la fijación de objetivos hasta la planificación, ejecución y control de las
políticas de gestión.

En principio la Investigación Operativa, históricamente fue considerada como:

La aplicación del método científico por parte de equipos especializados de distintas

disciplinas a distintos problemas para alcanzar soluciones que sirvan mejor a los propósitos
de la organización en forma conjunta.

En primer lugar queremos destacar que en la adaptación a nuestra realidad sería más conveniente
denominarla como HERRAMIENTAS DE CONTROL DE GESTIÓN, ya que él termino Investigación de
Operaciones es muy antigua y hace al nacimiento en la segunda guerra mundial de esta ciencia.

Sintetizando diremos que las formas básicas en que la Investigación de Operaciones como herramienta
en el control de operaciones de gestión, permite ayudar al ejecutivo. Cuando el funcionario ejecutivo
no conoce las variables de importancia, los sistemas de investigación operativa pueden ayudarlo a
descubrirlas.
Cuando el funcionario ejecutivo conoce las variables importantes pero no como relacionarlas entre sí, ni
con el resultado o con la medida de las compensaciones, la I.O puede dar el análisis necesario para
resolver el problema.
Cuando el funcionario ejecutivo no puede examinar las muchas o innumerables medidas de
compensación para poder tomar una decisión, puede establecer un sistema matemático que pueda
decidir por él y ayudarlo a tener mejor información en el momento donde tomar la decisión.

ANTECEDENTES DE LA DISCIPLINA INVESTIGACIÓN OPERATIVA

DEL CONJURO A LOS PARADIGMAS

La tribu
Para contar con una idea acabada de los procesos históricos que antecedieron al nacimiento de la
investigación operativa y su posible evolución al mundo actual, efectuaremos una resumida síntesis de

3
la evolución de nuestra sociedad y del conocimiento. Síntesis muy abreviada y por lo tanto muy peculiar
ya que la aventura del desarrollo de nuestra sociedad del clan o tribu a la sociedad postindustrial
merece y necesita mucho análisis, que estas escasas líneas pueden ofrecer. En los comienzos de la
humanidad, el orden simbólico se basaba en representaciones privilegiadas y ordenadas del tipo
terrorífico (hoy puede decirse que el poder también suele utilizar estos medios) que unificaban al clan
en situaciones catastróficas o de disolución, lo denominamos modelo mágico.

En la sociedad tribal estas representaciones del universo se actúan, los actos

mágicos, rituales o conjuros inauguran una forma de ser activos y de representar
al mundo que nos rodea. La toma de decisiones y la problemática de la sociedad
estaban basadas en el modelo mágico. Por primera vez se construye un modelo
para explicar el mundo exterior y los problemas intrínsecos de la sociedad tribal.

Los imperios teocráticos

Los esfuerzos para ordenar el conocimiento se remontan a los

primeros tiempos históricos (con escritura), los testimonios escritos
más antiguos de investigaciones protocientíficas proceden de las
culturas mesopotámicas, corresponden a listas de observaciones
astronómicas, sustancias químicas o síntomas de enfermedades —
además de numerosas tablas matemáticas — inscriptas en caracteres
cuneiformes sobre tablillas de arcilla. Otras tablillas que datan
aproximadamente del 2000 a.C. demuestran que los babilonios conocían el teorema de Pitágoras,
resolvían ecuaciones cuadráticas y habían desarrollado un sistema sexagesimal de medidas (basado
en el número 60) del que se derivan las unidades modernas para tiempos y ángulos.

En el valle del Nilo se han descubierto papiros de un período cronológico próximo al de las culturas
mesopotámicas que contienen información sobre el tratamiento de heridas y enfermedades, la
distribución de pan y cerveza, y la forma de hallar el volumen de una parte de una pirámide. Algunas
de las unidades de longitud actuales proceden del sistema de medidas egipcio y el calendario que
empleamos es el resultado indirecto de observaciones astronómicas prehelénicas.

El modelo racional nacido en la Grecia antigua efectúa una representación del universo,
representándolo como un conjunto lógico y por lo tanto previsible. Las representaciones son un
conjunto de definiciones, reglas lógicas que permiten explicar los diversos ejes problemáticos sin que

4
medie ninguna explicación mágica. Este modelo choco con la realidad, ya que lo lógico es un modelo
recortado de la realidad, una parte y no la realidad misma. Existe una enorme distancia entre la propia
realidad y su problemática en la recortada realidad lógica de los griegos.

Es de destacar, por su posición filosófica, los griegos fueron muy buenos en geometría pero no
desarrollaron una "ciencia" fáctica (basada en la experiencia y en hechos observados). Uno de los
primeros griegos, en el siglo VI a.C., que intentó explicar las causas fundamentales de los fenómenos
naturales, fue el filósofo Tales de Mileto. Fue un gran matemático que pensaba que la Tierra era un
disco plano que flotaba en el elemento universal, el agua.

El matemático y filósofo Pitágoras, de época posterior, estableció una escuela de pensamiento, en la

cual, las matemáticas se convirtieron en una disciplina fundamental en toda investigación científica.
Los eruditos pitagóricos postulaban una Tierra esférica que se movía en una órbita circular alrededor
de un fuego central. En Atenas, en el siglo IV a.C., la filosofía natural jónica y la ciencia matemática
pitagórica llegaron a una síntesis en la lógica de Platón y Aristóteles. (Ver Biografía de Pitágoras).

Tras la destrucción de Cartago y Corinto por los romanos en el año 146 a.C., la investigación científica
perdió impulso, hasta que se produjo una breve recuperación en el siglo II d.C. bajo el emperador y
filósofo romano Marco Aurelio. Durante este breve lapso, el astrónomo Claudio Ptolomeo propuso
la teoría donde la Tierra era el centro del Universo (teoría geocéntrica). También surgieron
las obras médicas del filósofo y médico Galeno que se convirtieron en tratados médicos de referencia
para las civilizaciones posteriores.

La Ciencia Medieval y Renacentista

Durante la edad media existían seis grupos culturales principales: en lo que respecta a Europa, de un
lado, el Occidente latino; del otro, el Oriente griego (o bizantino). En cuanto al continente asiático,
China e India, así como la civilización musulmana (también presente en Europa), y finalmente, en el
ignoto Continente Americano, desligado del resto de los grupos culturales mencionados, la civilización
maya. El grupo latino no contribuyó demasiado a la ciencia hasta el siglo XIII; los griegos no
elaboraron sino meras paráfrasis de la sabiduría antigua; los mayas, en cambio, descubrieron y
emplearon el cero en sus cálculos astronómicos, antes que ningún otro pueblo.

5
Durante la época medieval las representaciones del universo se efectúan a través de la idealización de
Dios, pero tiene espacio lo diverso, en el sentido que existen sub-representaciones en donde se
mantiene el modelo racional, mientras no ponga en riesgo la existencia del orden monoteísta.
Al avance de la explicación racional del universo se le puso un bozal, se lo clausuró bajo
representaciones de trascendentalismo religioso, lo que se denomina hoy como: el modelo teológico.

El modelo teológico produjo una lucha intensa por ir avanzando en una nueva representación del
universo y el cosmos; lucha que no sólo dio lugar a debates entre personajes de la época, requirió
muchos esfuerzos, frustraciones, prohibiciones, torturas y reprimendas de muchos científicos, se
avanzaba y retrocedía.

En China la ciencia vivió épocas de esplendor, pero no con un impulso sostenido. Las matemáticas
chinas alcanzaron su apogeo en el siglo XIII con el desarrollo de métodos para resolver ecuaciones
algebraicas, mediante matrices y con el empleo del triángulo aritmético. Lo más importante fue el
impacto que tuvieron en Europa varias innovaciones prácticas de origen chino. Entre ellas estaban los
procesos de fabricación del papel para su uso en la imprenta, la pólvora y el empleo de la brújula en
la navegación. Las principales contribuciones indias a la ciencia fueron la formulación de los
numerales denominados indo arábigos, empleados actualmente, y la modernización de la
trigonometría. Estos avances se transmitieron en primer lugar a los árabes, que combinaron los
mejores elementos de las fuentes babilónicas, griegas, chinas e indias. En el siglo IX Bagdad, situada
a orillas del río Tigris, era un centro de traducción de obras científicas. En el siglo XII estos
conocimientos se transmitieron a Europa a través de España, Sicilia y Bizancio.

En el siglo XIII la recuperación de obras científicas de la antigüedad en las universidades europeas

llevó a una controversia sobre el método científico. Los llamados realistas apoyaban el enfoque
platónico, mientras que los nominalistas preferían la visión de Aristóteles. En las universidades de
Oxford y París estas discusiones llevaron a descubrimientos de óptica y cinemática, que prepararon el
camino para Galileo y para el astrónomo alemán Johannes Kepler.

La gran epidemia de peste y la guerra de los Cien Años interrumpieron el avance científico durante
más de un siglo, pero en el siglo XVI la recuperación ya estaba plenamente en marcha. En 1543 el
astrónomo polaco Nicolás Copérnico publicó “De revolutionibus orbium caelestium” (Sobre las
revoluciones de los cuerpos celestes), que conmocionó la astronomía. Otra obra publicada ese mismo
año, Humani corporis fabrica libri septem (Siete libros sobre la estructura del cuerpo humano), del

6
anatomista belga Andrés Vesalio, corrigió y modernizó las enseñanzas anatómicas de Galeno y llevó al
descubrimiento de la circulación de la sangre. Dos años después, el libro Ars magna (Gran arte), del
matemático, físico y astrólogo italiano Gerolamo Cardano, inició el periodo moderno en el álgebra con
la solución de ecuaciones de tercer y cuarto grado.

EL orden religioso y su modelo teológico sucumben frente al nacimiento del modelo científico,
explican sobre todo, que el ser humano puede construir una representación de la realidad, generar sus
propios conceptos y símbolos teóricos que enriquecen su representación.

Pero aun utilizando la experimentación y la observación como puentes entre su representación y la

propia realidad, el modelo científico no se deja engañar. Aquello que está explicando aun cuando
se lo ha verificado con la observación y la experimentación, es un modelo.

La Ciencia Moderna
Esencialmente, los métodos y resultados científicos modernos aparecieron en el siglo XVII gracias al
éxito de Galileo, al combinar las funciones de erudito y artesano. A los métodos antiguos de inducción
y deducción, Galileo añadió la verificación sistemática a través de experimentos planificados, en los
que empleó instrumentos científicos de invención reciente, como el telescopio, el microscopio o el
termómetro. A finales del siglo XVII se amplió la experimentación: el matemático y físico Evangelista
Torricelli empleó el barómetro; el matemático, físico y astrónomo holandés Christiaan Huygens usó el
reloj de péndulo; el físico y químico británico Robert Boyle y el físico alemán Otto von Guericke
utilizaron la bomba de vacío. La culminación de esos esfuerzos fue la formulación de la ley de la
gravitación universal, expuesta en 1687 por el matemático y físico británico Isaac Newton en su obra
Philosophiae naturalis principia mathematica (Principios matemáticos de la filosofía natural). El
nombre de la obra no debe asombrarnos desde los griegos, matemática es mathema. Lo que se
aprende, lo que nutre al saber (como la leche materna al bebé)

Al mismo tiempo, la invención del cálculo infinitesimal por parte de Newton y Gottfried Wilhelm
Leibniz, filósofo y matemático alemán, sentó las bases de la ciencia y las matemáticas actuales.

Los avances científicos del siglo XVIII prepararon el camino para el siguiente, llamado “siglo de la
correlación” por las amplias generalizaciones que tuvieron lugar en la ciencia. Entre ellas figuran la
teoría atómica de la materia postulada por el químico y físico británico John Dalton. Así como las

7
teorías electromagnéticas de los británicos Michael Faraday y James Clerk Maxwell, o la ley de la
conservación de la energía, enunciada por el físico británico James Prescott Joule y otros científicos.

En esta breve y simplificada síntesis de la evolución histórica del pensamiento científico de nuestra
civilización y sus modelos de representación, no podemos dejar de mencionar una de las epopeyas más
fuertes en el camino del conocimiento. la ruptura de la concepción de la visión geocéntrica
(representación del modelo teológico del universo) a la visión helio-céntrica (representación del
modelo científico del universo) por parte de Galileo Galilei creador de método de experimentación
y sus palabras para tratar de que toda una concepción cultural se modifique y se entienda la nueva
realidad.(Ver biografía).

Él fue obligado a confesar un error que no era error: " Yo Galileo Galilei,
abandono la falsa opinión de que el Sol es el centro (del Universo) y está inmóvil.
Abjuro, maldigo y detesto los dichos errores". La leyenda dice que cuando se
puso de pie murmuró para sus adentros: "E pur si muove”: Y sin embargo (la
Tierra) se mueve (alrededor del Sol).

En el siglo XVI el capitalismo se desarrolla aceleradamente en lo comercial. Los banqueros son

hombres de negocios que fundan empresas, por consecuencia nace la necesidad de la gestión
comercial y financiera, dando comienzo así a la gestión administrativa pública. Se necesitaban
personas capaces para manejar el nuevo estado, no solo era cobrar impuestos y mantener ejércitos,
sino que había que GESTIONAR POLÍTICAS.

En el espíritu de esa época se exalta el valor de la razón, el grado de precisión y el hábito del cálculo.
Se perfecciona el método científico y se impulsan las ciencias. (Ver historia General de las
Civilizaciones, Maurice Crouzet, Ediciones Destino Vol. 98 Los siglos XVI y XVII pág. 7 a 10).

En un espacio de 150 años desde 1750 a 1900, el capitalismo y la tecnología conquistaron el globo y
crearon una civilización mundial. Ni el capitalismo, ni la tecnología eran algo nuevo, ambos habían
sido fenómenos usuales y recurrentes, en el Este como en el Oeste. Lo novedoso fue la rapidez y
amplitud de difusión, su alcance mundial a través de culturas, clases y geografías; convirtió al
capitalismo en CAPITALISMO y en un SISTEMA y los avances en tecnología conformaron LA
REVOLUCION INDUSTRIAL, (La Sociedad Postcapitalista, Bs As Editorial Sudamericana, 1996,
capítulo Desde el Capitalismo a la Sociedad del Saber pág 23 a 45).

8
Hoy podemos decir que de la Fe en Dios se pasó a la Fe en la razón y esta se depositó en las ciencias
naturales para explicar el universo, haciendo del método cuantitativo un dogma para estudiar todos
los fenómenos de la naturaleza.

En esta primer fase el saber se aplicó a herramientas, procesos administrativos y productivos,

estamos en los comienzos de las técnicas cuantitativas aplicadas a la administración y producción
aplicando el método científico, podemos decir que está naciendo la Investigación Operativa.

En su segunda fase, que comienza a fines del siglo XIX y culmina en la Segunda Guerra Mundial, el
saber con su nuevo significado empieza a aplicarse al trabajo y esto marcó el comienzo de la
Revolución de la Productividad. En este contexto por primera vez se uso el término
Investigación Operativa (o Investigación de Operaciones) en el año 1939.

Sin embargo podemos decir que el modelo científico nace en las ciencias, allí en las postrimerías de
la edad media que agoniza por los avances del mundo científico, se produce un gran cambio en
todas las relaciones y funciones de la sociedad, entre ellas se genera la revolución industrial y el
mercantilismo, los procesos productivos se complejizan y la unidad productiva básica la fabrica o
taller artesanal, dejan lugar a la empresa moderna. Surgen nuevas y diferentes formas de
administración.
La aplicación de la ciencia a las nuevas funciones ejecutivas de la problemática de gestión compleja
de nuestro mundo actual da origen a la investigación operativa.

En Gran Bretaña la hulla, el hierro, el transporte, los suministros a las tropas en las colonias de ultramar
dan lugar al estudio de la optimización de recursos y planificación de actividades utilizando los
conceptos matemáticos.
Con el advenimiento de los medios mecánicos en sustitución de los puramente manuales como también
la aparición de sistemas de comunicaciones y transporte impulsaron mucho a la industria hasta llegar a
lo que es hoy.
A medida que crecían las industrias, se hacían más complejas por lo cual debían ser manejadas por más
personas. Así fue como nacieron los gerentes de las distintas áreas. Inmediatamente se subdividieron
áreas en sub-aéreas cada una de las cuales generaron sus propios sistemas administrativos. La
complejidad de las nuevas industrias generó expansión no solo de tareas sino también geográfica tal

9
como lo podemos observar hoy donde una empresa puede producir a buena distancia de donde tiene
sus oficinas, administrativas, etc.

La ciencia y la tecnología son sistemas conceptuales para transformar controladamente a la realidad

y su aplicación a los problemas de producción da origen a nuevas ramas como la ingeniería
mecánica, química electrónica, sistemas etc.
Es en esa misma época que aparece por primera vez la investigación de mercado. Se puede decir
que cuanto más especializadas eran las administraciones mas lo eran las aplicaciones de la ciencia por
ejemplo el control estadístico de calidad, la investigación publicitaria, etc.
No obstante no se aplicó a la incipiente función ejecutiva de la administración. Para llevar a cabo esta
función ejecutiva es necesario establecer objetivos, por ejemplo en las empresas que se dedicaban a
la producción los objetivos pueden ser optimizar la cantidad de bienes o servicios y minimizar los costos
unitarios de las mismas. Si bien estos objetivos aparecen como indiscutidos, él alcanzarlos genera
problemas o conflictos , así apareció lo que hoy denominamos investigación operativa que no fue ni
más ni menos que la aplicación de la ciencia para la resolución de los distintos problemas que se
presentaban.
Efectivamente, el verdadero progreso de la Investigación Operativa se produce en la Segunda Guerra
Mundial en la que las instituciones militares se enfrentaban con los mismos problemas que las
industrias. Así fue que en dichas instituciones militares aparecieron funciones administrativas bien
definidas: administración, inteligencia, operaciones, entrenamiento, suministros y logística.
En los veinte años que mediaron entre la primera y la Segunda Guerra Mundial se produjo la gran
diferenciación entre los ejecutivos militares y los industriales, digamos que durante dicho lapso de
veinte años la tecnología militar se desarrollo más rápidamente que lo que la técnica y estrategia podía
aceptar, no fue entonces extraño que los administradores militares británicos debieran consultar a los
científicos cuando Alemania atacó a Gran Bretaña, así pequeños grupos de técnicos y científicos
actuaron exitosamente entre 1939 y 1940 a punto tal que se extendieron a los otros países incluso a los
Estados Unidos, estos grupos se asignaban a los ejecutivos a cargo de las operaciones, de allí que en
gran Bretaña su trabajo se llego a conocer como investigación operacional y con nombres similares en
los otros países.

10
Finalizada la guerra los técnicos que colaboraron con los militares pasaron a ser absorbidos por las
industrias creándose de ese modo la investigación operativa industrial. En estados unidos no fue del
mismo modo pues las industrias no tenían tanta necesidad de construir lo que la guerra había destruido
como aconteció lógicamente en Europa.
En Estados Unidos la incorporación del aporte científico a la industria se produjo en realidad con el
advenimiento de la Segunda Revolución Industrial. Las bases para la automatización se echaron en la
Segunda Guerra Mundial donde la máquina sustituyó al hombre como fuente de control.
Al final de la década del 40 comenzaron a aparecer las primeras computadoras electrónicas. Estos
nuevos elementos administrativos, verdaderos cerebros electrónicos, se comenzaron a expandir
rápidamente sobre todo por parte de los ejecutivos carentes de la preparación técnica necesaria. El
estallido de la a guerra de Corea fue de importancia decisiva debido a la necesidad de aumentar la
producción por parte de Estados Unidos. Así se pudo observar que en la década del 50 la industria
comenzó a incorporar analistas de Investigación Operativa que pasaron del ejército a la industria y
produjeron en consecuencia una verdadera expansión de esta nueva disciplina. Al finalizar la década del
50 la mayoría de las grandes empresas poseen analistas en la materia, produciéndose en 1957 la
institucionalización de la misma con la creación de la Federación Internacional de Sociedades de
Investigación de Operaciones (Internacional Federation of Operacional Research Societies).

Se inicia la última fase, el saber se aplica al saber mismo, efectivamente es la Revolución de la

Gestión. Comienza a gestarse una innovación en las teorías del conocimiento, el mundo post moderno;
la ciencia define al conocimiento y a sí misma, como un conjunto de axiomas dentro de una comunidad
científica. Provocando el nacimiento de otro método de indagación científica, el método cualitativo o
interpretativo.
Anteriormente se afirmaba (actualmente se continua afirmando esto en mucho menor
medida) que el paradigma cuantitativo tiene un monopolio sobre la verdad, pero esto es
falso por dos razones. Primero, no puede proporcionar 'verdad absoluta' como el filósofo de la
ciencia Karl Popper (1959) lo ha mostrado, ya que la indagación científica resulta en nada más que
teorías e hipótesis bien confirmadas. Segundo, existen otros paradigmas válidos para obtener(o
generar) conocimiento, y así cualquier afirmación de derechos exclusivos sobre la verdad es arrogante
y no puede sostenerse. (Veremos luego cuáles son esos otros paradigmas)

11
“Aquello que los miembros de una comunidad comparten”, donde “aquello” se refiere a los supuestos
sobre el conocimiento, la visión de mundo, cómo se obtiene el conocimiento, qué es relevante ser
investigado y cómo debe ser investigado, entre otras cosas”.

Thomas Kuhn
(1962, La estructura de las revoluciones científicas)

Un paradigma es una visión de mundo, una perspectiva general, un modo de analizar la complejidad
del mundo real. Como tal, los paradigmas están profundamente implicados en la socialización de
adeptos y practicantes: los paradigmas les dicen qué es importante, legítimo y razonable. Los
paradigmas también son normativos, dicen al practicante qué hacer sin necesidad de una prolongada
consideración existencial o epistemológica. Pero es este aspecto de los paradigmas lo que se constituye
tanto en su fortaleza como en su debilidad, su fortaleza porque hace que la acción sea posible, su
debilidad porque el propio motivo para actuar está escondido en los supuestos incuestionables del
paradigma.
Michael Patton
(En Lincoln & Guba, 1983)

Los términos métodos cualitativo y cuantitativo significan mucho más que unas técnicas específicas
para la recolección de datos. Resultan más adecuadamente conceptualizados como paradigmas.
TD Cook y CHS Reichardt Métodos cualitativos y cuantitativos en investigación educativa.

UN MODELO ES UNA REPRESENTACION DE LA REALIDAD y no la misma realidad, sin embargo,

basta con mirar a nuestro alrededor para visualizar los logros del modelo científico, el que nos permite
en base a la observación y la verificación experimental, obtener resultados. Por primera vez desde
nuestro modelo científico se utiliza la lógica deductiva como procedimiento para pasar de la observación
a la afirmación y su posterior verificación.
Las máquinas pre computacionales, se fabrican y funcionan solo para determinada actividad o área de
trabajo, característico del período mecánico industrial. La computadora es algorítmica, ejecuta
procedimientos y es universal, cambiándole su programa puede efectuar distintas tareas o trabajos. La

12
tecnología computacional no solo genera cambios en la relación hombre-máquina, sino que el desarrollo
de redes de computadoras y comunicaciones produce dos aspectos:
1. Mundializa a gran parte del comercio a través de las redes computacionales. Las redes de
computación no solo conectan a empresas y a los usuarios entre sí, sino que inciden en el interior de las
empresas haciéndolas más interrelacionadas a sus componentes y promoviendo nuevas problemáticas
de gestión como la selección de la información y su clasificación.
2. La incorporación de la imagen y del sonido digitalizado a los textos gráficos a través de la tecnología
de hipermedia da lugar a un nuevo producto cultural, el hipertexto superador del texto gráfico habitual.
Los nuevos administradores no presentaran sus informes en textos de combinación de palabras,
números y gráficos, podrán representar a la realidad en trozos de la misma a través de imágenes,
sonidos y palabras. Todo en el mismo elemento, el hipertexto multimedial.

Con la tecnología computacional, la lógica y la matemática son utilizadas de modo directo para
domesticar la energía para procesar a velocidad, y por interfaces modificar el mundo empírico.
En el mercado se puede observar una fuerte tercerización de la economía, aportándole el predominio
creciente de un mundo formal catalizado por la tecnología computacional. En este mundo predominan
los intercambios de máxima eficiencia y productividad, en consecuencia la optimización de recursos y
utilidades es imprescindible.
El peso del mismo recaerá entre los poseedores de las tecnologías avanzadas, el poder se apartara de
su forma histórica mercantil para instaurarse como relación tecnológica y del conocimiento.

Cada vez más nuestra representación de la realidad va a ser más parecida a ella, el hipertexto nos
alcanza y presenta la realidad virtual, que es otra realidad, un modelo nuevo y apasionante, pero
siempre es un modelo como el del brujo, representa la realidad, no es la propia realidad.
Alvin Tofler definió a este nuevo modelo como tercera ola, en contraposición de los modelos
anteriores denominados la segunda ola, estableciendo modelos y parámetros de un modelo y otro.
John F. Nash, tras la concesión del Premio Nobel, 1994 expresó: Ahora parece que he vuelto a pensar
racionalmente de nuevo, en el estilo característico de los científicos. Sin embargo eso no es algo de lo
que haya que alegrarse como si alguien con alguna limitación física hubiera recuperado su buena salud.
Un aspecto de esto es que la racionalidad del pensamiento impone un límite al concepto que tiene una
persona de su relación con el cosmos. Por ejemplo, un no-zoroastriano podría considerar a Zaratustra
simplemente como un loco que arrastró a millones de ingenuos seguidores a un culto de adoración

13
ritual del fuego. Pero sin esa "locura" Zaratustra habría sido solo otro de los millones o billones de
individuos que han vivido y después han sido olvidados.
No olvidemos que la racionalidad del pensamiento impone un límite al concepto que tiene una
persona de su relación con el cosmos. Debemos saber que según nuestro conocimiento es la verdad
que nosotros vemos, nuestra representación del universo, nuestra relación y representación del cosmos.

Por lo tanto en esto hay distintos modelos cada vez más refinados y más cercanos a la
realidad, el conocimiento es dinámico, hay distintas verdades y opiniones, pero a medida
que uno pueda tener un mayor y sólido conocimiento científico está más cerca de la
realidad de su tiempo. Entendamos que hay sujetos que innovan y muchas veces no son
comprendidos en su época.

Ese es el legado de los hacedores de nuestra cultura, ir creciendo en nuestras

representaciones y modelos, buscando que ese modelo sea el más parecido a la
realidad que queremos representar, estudiar o analizar.

El conocimiento humano va buscando el camino que le permite década a década, siglo

a siglo, milenio a milenio adquirir nuevos modelos

Deberíamos preguntarnos antes de emitir un juicio de valor que información tenemos y que
conocimiento del suceso hemos adquirido para saber la justeza de nuestra opinión.

Los modelos representacionales del cosmos permiten desarrollar en la actualidad modelos prácticos
basados en el método científico para solucionar muchas situaciones, en especial nosotros
comenzaremos analizando los modelos referidos a la gestión administrativa de empresas

Es decir desde el modelo cultural científico se van perfeccionando una serie de modelos específicos en
cada ciencia y en cada particularidad de acuerdo a las necesidades de cada sector de las ciencias
aplicadas.
Por lo tanto hoy nuestras representaciones de la realidad se efectúan a través de modelos, estos
modelos deben estar fundamentados en modelos lógico-matemáticos y nos permiten simbolizar la
realidad y resolver situaciones problemáticas (denominadas problemas prototipos), en nuestra
especialidad y particularidad los modelos que nos interesan son los modelos específicos de control
de gestión, que podremos denominar como las actuales herramientas de control de gestión.

14
Me parece fundamental resaltar que cada individuo tiene un límite conceptual en su relación con el
escenario (momento, lugar y condicionamientos históricos) en que debe actuar. Sus conocimientos más
allá de sus aptitudes le imponen un techo a su objetividad histórica.

Así podremos entender por qué personas cultas y preparadas envueltas en un conocimiento
tradicional no reconocen e incluso son intolerantes con las personas innovadoras, esta alternativa es
importante tenerla en cuenta pues se da la dualidad de organizaciones tradicionales, (segunda ola) y
la de las organizaciones innovadoras (tercera ola).

El saber que hoy consideramos saber se demuestra en la acción, en los resultados económicos o en el
desarrollo del saber mismo. Por lo que es altamente especializado, y por eso nacen las disciplinas, la
nuestra definida como la Investigación Operativa es la aplicación de la ciencia y la tecnología
computacional a los problemas de gestión de políticas para optimizar la acción en las
distintas problemáticas, que se traduce en un resultado cuantificable.
También debemos tener un compromiso histórico con los nuevos desafíos, debe haber una ética
histórica, en esta revolución de la gestión, debemos saber diferenciar los escenarios históricos, hoy no
es lo mismo que en la primer ola. Puede ser que la máxima utilidad no sea la óptima, pues quizás esa
máxima utilidad, este dañando el ecosistema o creando nuevas situaciones aún no evaluadas que nos
pueden hacer perder la plenitud del desarrollo.
Veremos en este cuatrimestre que en el modelo de teoría de juegos, el óptimo muchas veces está en el
punto de equilibrio entre el interior (la empresa o utilidad propia) y el exterior (ganancia o perdida del
competidor), que el conflicto de intereses se resuelve a veces: no en el punto MÁXIMO, sino en el
ÓPTIMO. Es decir el máximo muchas veces no coincide con el óptimo.
Lo que se puede observar en la investigación tradicional es el movimiento del inicio cualitativo (del
problema) a la conjugación de los datos en las hipótesis, que es principalmente cuantitativo y su
interpretación que es otra vez cualitativa.

Nosotros estudiaremos las técnica cuantitativas de la formulación de hipótesis y su

resolución, modelizando hipótesis a modelos matemáticos

15
Los modelos matemáticos aplicados a situaciones concretas de gestión

Es decir desde el modelo cultural científico se van perfeccionando una serie de modelos específicos en
cada ciencia y en cada particularidad de acuerdo a las necesidades de cada sector de las ciencias
aplicadas.
Por lo tanto hoy nuestras representaciones de la realidad se efectúan a través de modelos, estos
modelos deben estar fundamentados en modelos lógico-matemáticos y nos permiten simbolizar la
realidad y resolver situaciones problemáticas (denominadas problemas prototipos), en nuestra
especialidad y particularidad los modelos que nos interesan son los modelos específicos de control
de gestión, que podremos denominar las actuales herramientas de control de gestión.

Me parece fundamental resaltar que cada individuo tiene un límite conceptual en su relación con el
escenario (momento, lugar y condicionamientos históricos) en que debe actuar. Sus conocimientos más
allá de sus aptitudes le imponen un techo a su objetividad histórica.
El saber que hoy consideramos saber se demuestra en la acción, en los resultados económicos o en el
desarrollo del saber mismo. Por lo que es altamente especializado, y por eso nacen las disciplinas, la
nuestra, la Investigación Operativa es la aplicación de la ciencia y la tecnología computacional
a los problemas de gestión de políticas para optimizar esa acción que se traduce en un
resultado cuantificable.
También debemos tener un compromiso histórico con los nuevos desafíos, debe haber una ética
histórica, en esta revolución de la gestión, debemos saber diferenciar los escenarios históricos, hoy no

16
es lo mismo que en la primer ola. Puede ser que la máxima utilidad no sea la óptima, pues quizás esa
máxima utilidad, este dañando el ecosistema o creando nuevas situaciones aún no evaluadas que nos
pueden hacer perder la plenitud del desarrollo.
Veremos en este cuatrimestre que en el modelo de teoría de juegos, el óptimo muchas veces está en el
punto de equilibrio entre el interior (la empresa o utilidad propia) y el exterior (ganancia o perdida del
competidor), que el conflicto de intereses se resuelve a veces: no en el punto MÁXIMO, sino en el
ÓPTIMO. Es decir el máximo muchas veces no coincide con el óptimo.

Lo que se puede observar en la investigación tradicional es el movimiento del inicio cualitativo (del
problema) a la conjugación de los datos en las hipótesis, que es principalmente cuantitativo y su
interpretación que es otra vez cualitativa.

¿Cómo utiliza la Investigación Operativa el método científico?

El primer escenario general o meta problema prototipo de la gestión de políticas puede enunciarse
como UNA SERIE DE ALTERNATIVAS ( RESULTADOS DE LAS RELACIONES POSIBLES)
SUJETAS A UNOS CIERTOS POSIBLES ESCENARIOS ( FUTUROS POSIBLES)
El investigador Operativo debe seleccionar y ejecutar UN MODELO QUE PERMITA DETERMINAR
LA ALTERNATIVA ÓPTIMA, VERIFICARLA Y PONERLA EN EJECUCIÓN.

Las Etapas del desarrollo de una situación proto-problemática en Investigación Operativa utilizando el
método científico son:

1. Definición y estudio de la situación problemática

2. Planteamiento del problema
3. Construcción del modelo
4. Deducción de una solución
5. Prueba del modelo y evaluación de solución
6. Ejecución y control de la solución
7. Aplicación de la solución

17
1. Estudio de la situación problemática
Observación y análisis sistemático de la situación problemática a estudiar.
Recolección de datos, análisis de variables, formulación de la matriz de datos y de la función a
optimizar, o suceso o procedimiento a planificar o ejecutar. (Por lo general se denominan: Técnicas
de resolución de problemas)

2. Formulación del problema:

Se debe determinar o especificar un parámetro de eficacia y/o de optimización o planificación,
formularlo objetivamente en el contexto o escenario donde se realiza la investigación o estudio. Se
describe la matriz de resultado y las relaciones entre datos y variables.

3. Construcción de un modelo
Construcción de un modelo matemático o adecuación de los modelos existentes a la realidad donde se
realiza el estudio.

¿Cómo se simboliza el modelo?

En la práctica este modelo debe expresar la eficacia del sistema en estudio, mediante una función de
varias variables, de las cuales por lo menos una variable está sometida a control. Esta función se puede

expresar simbólicamente así:

Donde la Z significa eficacia del sistema, Xi representa las variables del sistema sujetas a control y sus

relaciones con variables del sistema no sujetas a control. A su vez las restricciones al valor de las

variables se hacen mediante un conjunto de ecuaciones y/o inecuaciones del tipo:

Donde los son parámetros de recursos o insumos o relaciones de las probabilidades de ocurrencia de las

alternativas

Existen modelos donde solo nos encontramos con la función a Optimizar, es decir no existe
condicionamientos en entre las alternativas. 18
4. Derivación de una solución a partir del modelo:
Par obtener una solución óptima a partir del modelo existen dos tipos de procedimiento:
Analítico: Se obtienen en abstracto resolviendo ecuaciones y sustituyendo luego los símbolos por
números, lo cual se hace después de hallada la solución.
Numérico: Consiste en general en sustituir las variables por valores. Las variables que se sustituyen
son las controladas y luego de la sustitución se comparan los resultados procediéndose a seleccionar
los valores que proporcionaba la mejor solución.

5. Comprobación del modelo y de la solución derivada del mismo:

El modelo expresa la eficacia del sistema en estudio. EL modelo no es más que una aproximación
parcial de la realidad. Un modelo es bueno si a pesar de ser incompleto puede predecir con la mayor
exactitud el efecto de los cambios sufridos por el sistema sobre la efectividad general de este.
LA solución puede evaluarse comparando los resultados obtenidos sin aplicar la solución con los
resultados obtenidos cuando se la aplica.

6. Establecimiento de controles sobre la solución:

Para controlar la solución es necesario disponer de instrumentos que determinen cuando ocurren
cambios significativos en el valor de alguna variable no controlada o cuando cambia alguna relación
entre las variables.

7. Aplicación de la solución:
La solución probable debe convertirse en un conjunto de procesos funcionales capaces de ser
comprendidos y aplicados por el personal responsable de su utilización.
Podemos decir que la investigación operativa es la fuente con la que cuenta el ejecutivo para ayudarse
a sistematizar los modelos cualitativos e ir desarrollándolos para llegar al punto de que se puedan
cuantificar.

19
CLASIFICACIÓN DE LAS SITUACIONES PROBLEMÁTICAS SEGÚN EL FUTURO PROBABLE

Los futuros pueden especificar cuatro formas de situaciones de toma de decisión de

acuerdo a la información adquirida y su posible procesamiento sistemático:

 Condiciones de certidumbre
 Condiciones de incertidumbre
 Condiciones de riesgo
 Condiciones de conflicto

Condiciones de certidumbre:
En estos casos existen un gran número de alternativas posibles cuyos resultados son conocidos y las
alternativas tienen restricciones.
En el caso que exista un objetivo a maximizar o minimizar y dicho objeto está representado por una
función lineal, y el objetivo está limitado por restricciones. Representadas dichas restricciones por
ecuaciones o inecuaciones lineales, estaremos en condiciones de aplicar el método de programación
lineal.

Condiciones de incertidumbre:
En este caso se conocen futuros posibles pero no se puede determinar la distribución de sus
probabilidades. El desconocimiento de las probabilidades no permite calcular el resultado esperado para
cada alternativa razón por la cual hay que recurrir a otros criterios de decisión.
El desconocimiento de las probabilidades puede deberse a la carencia de datos anteriores. Por ejemplo
en el caso de un producto nuevo que se lanza al mercado y por ende de demanda desconocida.

Condición de riesgo:
En este caso los resultados de las distintas alternativas dependen de distintos futuros cuyas
probabilidades se conocen o se pueden conocer. Con la información histórica se puede determinar la
probabilidad de los distintos futuros posibles.

Condiciones de conflicto:
Las condiciones de conflicto no se producen cuando el enfrentamiento es con algún estado natural sino
con un oponente racional. Esta situación se conoce con el nombre de Teoría de Juegos.

20
Ejemplos de situaciones donde se pueden aplicar el método de la Investigación Operativa

Más allá del método general veremos que se han desarrollado a partir de este, una gama de modelos
prácticos de Gestión y Control de la administración, que son la aplicación del método general y de
modelos matemáticos. No hay un problema prototipo general sino más bien un problema para cada uno
de los problemas prácticos a resolver.
La modelización matemática de situaciones específicas de procesos y situaciones concretas de
problemáticas de gestión nos permite contar con herramientas eficaces para la solución de diversas
situaciones:
 Estrategias de mercado
 Inversiones
 Inventario
 Transporte
 Distribución
 Producción
 Asignación de recursos
 Líneas de Espera
En el transcurso de nuestro estudio desarrollaremos estos modelos y sus aplicaciones. Inicialmente
empezaremos por los modelos más sencillos, entre ellos mencionaremos el modelo del valor
esperado de la utilidad.
Se organizan los datos en una matriz denominada matriz de resultados o una matriz de compensación
formada por filas donde se colocan las distintas estrategias y columnas donde se colocan los distintos
estados naturales o futuros posibles con sus posibilidades. Así, en la intersección de una fila con una
columna tendremos la medida de utilidad del resultado que se obtiene con dicha estrategia de la
siguiente manera:

Futuro 1 ( p1) Futuro 2( p2) Futuro 3 ( p3)

Alternativa 1 X11 X12 X13
Alternativa 2 X21 X22 X23

Utilizando la esperanza matemática se calcula el valor esperado de cada alternativa, lógicamente la

alternativa óptima será la que garantice la mayor utilidad.

21
PROBLEMA 1:

Un agricultor debe decidir entre sembrar trigo o maíz. Se conoce que estadísticamente las posibilidades
de tiempo bueno, variable y malo son 0,20; 0,60 y 0,20 respectivamente, por estadísticas de rinde de
cosechas anteriores se puede estimar que el trigo con tiempo bueno rinde en dólares: 700.000 para
tiempo bueno, 200.000 para variable y nada para tiempo malo, en cuanto al maíz en dólares también
tiene el siguiente rinde para ese campo: 400.000 en tiempo bueno, 300.000 en tiempo variable y
100.000 en tiempo malo.

Por lo tanto nuestros datos podemos organizarlos en una matriz de resultados de la

siguiente forma:

Tiempo Bueno Tiempo Variable Tiempo Malo

Sembrar Trigo 700.000 200.000 0
Sembrar Maíz 400.000 300.000 100,000

El Criterio del valor numérico monetario esperado significa hallar el valor esperado matemático
de cada alternativa y elegir la máxima alternativa pues se trata de utilidades.
(En caso de tratarse de costos deberá elegir el menor valor esperado)
Entonces:

Por lo que el agricultor deberá elegir la alternativa , es decir sembrar Maíz.

PROBLEMA 2:

Una empresa opera una fábrica que requiere un mínimo rígido de obreros para operarla. Si menos de
20 obreros concurren en un día determinado, la fábrica debe suspender la producción. NO obstante, la
planta puede operar satisfactoriamente con 20 obreros o más. Cuando la planta está en operaciones,
se elaboran productos químicos con un valor de venta de $400.000 diarios. Los costos variables de
producir y vender esos productos, excluida la mano de obra, son 240.000 $. La empresa siempre ha

22
tenido 24 personas en su lista de personal de fábrica en el pasado. El ausentismo en la planta ha
promediado apenas el $%. Una discriminación más detallada del ausentismo se da a continuación:

Número de Por ciento de días

obreros ausentes en que están ausentes

0 36
1 38
2 19
3 6
4 1
5 o más…. 0
100 %

Todos los obreros de la fábrica son permanentes, es decir trabajan con una relación de empleo fija.
Esto implica que la compañía paga todos los obreros que se presentan a trabajar cada día, aun en el
caso de que la planta no pueda operar, y los obreros ausentes también reciben su retribución integra
ese día. Las remuneraciones incluyendo beneficios adicionales y cargas sociales, promedian $4.000 por
día para cada obrero.
Se pide:
a) Construya la matriz de ganancias.
b) Determine que alternativa tiene la máxima ganancia esperada.
c) Determine cuál es la ganancia esperada bajo certeza ( o con información perfecta).
d) Determine cuál es el valor esperado de la información perfecta.

Las alternativas a considerar en este problema están dadas por las distintas cantidades posibles de
obreros que puede contratar la compañía para operar la fábrica. Las restricciones técnicas hacen que
dicha cantidad no pueda ser inferior de 20. Por otra parte, no es necesario contratar más de 25
obreros puesto que la probabilidad de que un mismo día falten 5 o más obreros es nula (si nos
guiamos por los porcentajes históricos de ausentismo), lo que asegura que no habrá que suspender
nunca la producción.

23
Por lo tanto las alternativas que tendremos en cuenta son:

En cuanto a los futuros a considerar están dados por los distintos niveles posibles de ausentismo:

Si llamamos Q al número de obreros contratados y A al número de obreros ausentes

tendremos que la ganancia diaria será:

G ($) =

Puesto que si el número de obreros presentes es menor de 20 se suspende la producción, con lo cual
no se obtiene el ingreso por ventas de $ 400.000, tampoco se incurre en los costos variables de
producción y ventas de $ 240.000; si bien hay que pagar las remuneraciones de todo el personal, lo
que implica un costo de $ 4.000.

El análisis de la matriz de resultados indica que la alternativa puede eliminarse, ya que es

dominada por la , cualquiera sea el futuro que ocurra, esta última asegura mayor ganancia que la

A6 (esto era por otra parte previsible puesto que contratando 25 obreros en lugar de 24, habrá

24
siempre un número de obreros presentes innecesariamente superior al mínimo exigido para la
operación de la fabrica).
La ganancia esperada para las restantes alternativas resulta ser:

Por lo tanto la alternativa que tiene mayor ganancia esperada es la , la cual, la compañía ha estado

siguiendo en el pasado.

La ganancia con información perfecta (ganancia que se tendría si para cada futuro se eligiera la

alternativa mejor) está dada por:

Luego el valor de la información perfecta (es decir la ganancia adicional por sobre la
correspondiente a la alternativa optima)
Será:

PROBLEMA TRES:

Una compañía de artículos de cotillón ha preparado un nuevo artículo para su utilización durante los
carnavales, dado que no se le puede dar otro uso que no sea el específico para el cual se ha
confeccionado. La compañía debido a experiencias similares ha determinado la siguiente distribución de
probabilidades.

25
 Unidades Probabilidades

0 0,03
10 0,17
20 0,37
30 0,29
40 0,12
50 0,02

El precio de venta se fijo en $ 1 en tanto que la venta del papel crepe que queda como rezago
reembolsara $ 0,20 por unidad y el costo de fábrica se ha determinado en $ 0,50

RESOLUCIÓN:
Para construir la matriz de resultados, necesitamos calcular la ganancia bruta de la empresa para cada
acto o nivel de stock posible. Llamado D a la cantidad demandada y S a la cantidad en stock.

G ($)=

0,03 0,17 0,37 0,29 0,12 0,02

0 0 0 0 0 0
-3 5 5 5 5 5
-6 2 10 10 10 10
-9 1 7 15 15 15
-12 -4 4 12 20 20
-15 -7 1 9 17 25

Ya que no existen relaciones de dominio entre actos posibles debemos, aplicando el criterio del valor
esperado de resultados, calcular la esperanza matemática para todas las alternativas y adoptar como
solución aquella que posee la óptima.

26
El valor de la información: Costo de oportunidad

Se tiene que calcular el incremento de la ganancia que puede esperar por el hecho de disponer de una
predicción perfecta y compararlo con el costo de la información, convendrá adquirir información si y
solo si su valor excede a su costo.
El costo de oportunidad asociado esta dado por lo que se dejo de ganar por el hecho de haber elegido

la alternativa en lugar de haber elegido la alternativa optima para el futuro .

Toda decisión tiene un determinado costo, que el costo de oportunidad o cuasi-costo. El hecho de
hacer una determinada cosa implica un costo de oportunidad en relación a no haber hecho otra
distinta.
Cuando el valor de stock corresponda a la alternativa seleccionada coincide con el valor de la demanda,
el costo de oportunidad es cero, porque es la máxima ganancia que se puede obtener para ese valor
de la demanda. En las demás intersecciones entre demandas y niveles de stock hay un costo de
oportunidad.

0,03 0,17 0,37 0,29 0,12 0,02

0 5 10 15 20 25
3 0 5 10 15 20
6 2 10 10 10 15
9 6 3 0 5 10
12 9 6 3 0 5
15 12 9 6 3 0

27
El valor esperado si se aplica en cada decisión una estrategia coincide con el nivel de la demanda
recibe el nombre de ganancia con información completa, puesto que representa el beneficio que en
promedio se obtendría si en cada decisión se eligiera la alternativa más conveniente para el futuro que

van a acontecer.

El valor esperado del costo de oportunidad de una determinada estrategia es igual a la diferencia entre
la ganancia esperada con información completa, y el valor esperado de la ganancia para ser
alternativa.

Criterio del análisis incremental

Este criterio se puede aplicar tanto a valores de ganancias como a costos de oportunidad. Un
comerciante minorista debe decidir cuantas unidades comprar de una determinada mercadería. Como
la mercadería es perecedera y no puede ser guardada en stock por más de un día el comerciante no
desea comprar más que la provisión para el día. Por otra parte, puesto que cada unidad cuesta al
comerciante solo $1, mientras que la vende por $ 5. Cada unidad demanda que deje de satisfacer,
como consecuencia de haber comprado de menos la representara dejar de ganar $ 4, sin tener en
cuenta la posible pérdida de prestigio comercial. El comerciante no conoce la demanda real y a pesar
de ello debe decidir qué nivel de stock mantener. Supongamos que la producción es de S0 unidades.
Para saber si ese valor optimo el stock, debemos analizar como varia la ganancia esperada al aumentar
el stock en 1 unidad es decir pasa de . En este caso el costo total se incrementa en $1
(costo de la unidad adicional). En cuanto al ingreso bruto su valor dependerá del valor de la demanda,
puesto que si esta es tal que a lo sumo alcanza a cubrir el stock la unidad adicional
no se venderá, significando por lo tanto una disminución de la ganancia total de $1. Por el contrario si
la demanda es superior a S0 La unidad adicional podrá venderse (pudiendo incluso quedar una
demanda insatisfecha, si es ) Implicando por lo tanto un ingreso adicional de $ 5 lo que
da un incremento en las ganancias de $ 4
Para hallar el valor esperado del incremento de la ganancia:

28
Realmente convendrá aumentar el stock en una unidad toda vez que implique un aumento de la
ganancia esperada, si y solo si:
Mientras la ganancia incremental sea positiva aun cuando fuera decreciente, está indicando que se
adiciona ganancia a la ya acumulada. Por otro lado desde que comienza a ser negativa, nos indica que
un aumento adicional del stock provocara una disminución de la ganancia total acumulada.
Este mismo análisis puede hacerse en términos de costos de oportunidad, podemos estudiar el costo
de oportunidad asociado a la estrategia, ordenar una unidad adicional Vs el costo de oportunidad
asociado a la estrategia no ordenar, una unidad adicional puesto que nos convendrá la que tenga
menor costo de oportunidad.
Racionalmente para que convenga ordenar una unidad mas de stock, el costo de oportunidad de
ordenar tiene que ser menor que el costo de oportunidad de no ordenar.
En otras situaciones el modelo quedara determinado por una función a optimizar y una matriz de
restricciones o condiciones, como es en el modelo de programación lineal.

PROBLEMA CUATRO:

Objetivo: La determinación de las cantidades de producción, para la maximización del beneficio.

Alkanos S.A. es una empresa cuya principal actividad es la producción de Poliméricos.

Para la obtención de este producto se deben mezclar dos tipos de poliol, uno de base común y el otro
de tipo aditivo. El poliol es un tipo de alcohol de alto peso molecular, siendo su principal aplicación en
espuma flexible o elastómera de poliuretano.
Para la obtención del polimérico se utilizan dos tipos de poliol, uno común y el otro de tipo aditivo, en
una proporción de 75% y 25% respectivamente. Para la realización de esta mezcla se procede al
calentamiento de esta solución, por su grado de viscosidad. Esta tarea se puede realizar a través de
dos procesos que son:

1. Proceso sobre la base de baño María: en este se colocan las materias primas en bateas, que luego
son colocadas en un tambor con agua caliente, que se logra a través de un sistema de calderas,
obteniéndose las siguientes características técnicas del producto:

a. El tiempo de elaboración es de 9 hs.

b. La capacidad de producción es de 20.000 Kg

c. Para realizar la producción se necesita de dos operarios

29
 d. Se obtiene una mezcla de menor calidad, que ofrece un menor beneficio.

2. Proceso con pantallas infrarrojas: proceso por el cual se calienta el producto por medio de
pantallas infrarrojas, las cuales deben ir cambiándose el ángulo de posición manualmente.

a. El tiempo de elaboración es de 14 hs.

b. La capacidad de producción es de 17.000 Kg

c. Para su realización se utiliza un operario.

d. Se obtiene una mezcla de mayor calidad, con mayor margen de beneficio.

DATOS COMPLEMENTARIOS:

 Se dispone actualmente de una capacidad de producción total de 130.000 Kg. semanales.

 El cliente de Alkanos S.A. posee una demanda mínima semanal de:

A. Producto sobre la base de Baño María como máximo de 65.000 Kg

B. Producto sobre la base de pantalla infrarroja, como máximo de 45.000 Kg

 El producto A nos brinda un beneficio bruto de $ 0,35 y el producto B le produce a la empresa un

beneficio de $ 0,46.

 La cantidad de horas hombres disponibles es de 135 semanales.

 La capacidad de distribución instalada es de 100.000 Kg. Semanales

Maximizar el beneficio

Sujeta a las siguientes restricciones:

Recursos Producto A Producto B Disponibilidad

Horas hombre 18 14 135

Capacidad de producción 20.000 17.000 130.000

Capacidad de distribución 1 1 100.000

Demanda mínima 1 0 65.000

Demanda mínima 0 1 45.000

30
Aquí los datos se estructuran en un sistema de inecuaciones que limitan una función a optimizar
(Modelo de Programación Lineal)

Estas restricciones que dan expuestas en el siguiente sistema de inecuaciones lineales:

De los resultados obtenidos al utilizar el modelo de programación lineal debemos producir 39.031 Kg
de el producto A, y 968 Kg del producto B; el recurso de hs. hombres será consumido en su totalidad,
se produjo hasta agotar la capacidad máxima a producción y se satisfizo la demanda mínima
superándola en 2612 Kg.

La Programación Lineal General puede ser usada para resolver una extensa variedad de problemas de
gestión, ya sea para maximizar beneficios o para minimizar costos. En cada caso, la solución óptima
nos explica cómo podrían ser asignados los recursos para obtener un objetivo establecido.
 Un modelo de programación lineal busca maximizar o minimizar una función lineal, sujeta a
un conjunto de restricciones lineales.

 Un modelo de programación lineal está compuesto de lo siguiente:

 Un conjunto de variables de decisión
 Una función objetivo
 Un conjunto de restricciones
n

 Cj.Xj
j
=

31
Ejemplo:
En un empresa metalúrgica se producen dos piezas mecánicas elaboradas, utilizando usando
cantidades prefijadas de materia prima, mano de obra y maquinarias. Generándose un beneficio de 3
unidades monetarias por cada pieza A y de 5 para las del tipo B, se puede colocar toda la producción
que se disponga fabricar. La información correspondiente está determinada por:
INSUMO Producto A Producto B Disponibilidad
Materia Prima 1 kg / unidad 2 kg / unidad 500 kg.
Mano de Obra 1 h / unidad 4 h / unidad 800 hs.
Maquinarias 2 h / unidad 1 h / unidad 300 hs.

Se pide: Construir el modelo matemático

Solución:

a) Modelo matemático

Función Objetivo

Inecuaciones

Representación grafica

32
Solución:
Como podemos observar al graficar quedo determinado OABC que se denomina polígono de soluciones
factibles. Vamos a determinar las coordenadas de cada uno de los vértices.

El funcional en cada vértice tomas los siguientes valores:

Bibliografía:

 Técnicas cuantitativas aplicadas a las decisiones en la economía de empresa. Dresdner y otros.

 Editorial El Coloquio.
 Investigación operativa y decisiones ejecutivas. Millar y Starr. Editorial CECSA
 Métodos y modelos de la investigación de opreraciones. Kaufman, Esditorial continental
 Dirección de operaciones, problemas y modelos. Elwood S. Buffa. ED. Limusa Wiley
 Fundamentos de investigación de operaciones. Ackoff. SASEIN ED. Limusa.
 Reflexiones sobre los paradigmas cuantitativo y cualitativo en la investigación social aplicados a
las ciencias administrativas DURGA E. RAMÍREZ MIRANDA

33
LOS HACEDORES

GALILEO (1564-1642)

La obra de Galileo marca el fin de la Revolución, constituyendo el inicio de la Nueva Ciencia. Sólo
hay que esperar unos años más para que todo el mundo acepte el heliocentrismo y Newton asiente los
pilares de la física clásica. Al igual que Copérnico y que Kepler, Galileo creía en que la explicación del
Universo debía ser hecha a través de las Matemáticas, pero al contrario que éste, no consideraba, en
absoluto, que ciertos números pudieran tener especiales propiedades. Galileo nació el 15 de Febrero de
1564 en Pisa (Italia) en una familia de siete hijos. Su padre llamado Vicenzio era comerciante y músico
culto. En el año de 1581 a la edad de diecisiete años ingresó a la Universidad de Pisa para estudiar
Medicina.

Cuando estudiaba en Pisa y estando asistiendo a un oficio religioso, observó la regularidad con que
oscilaba la gran araña de la catedral midiéndola con su propio pulso. Este experimento lo realizó
posteriormente con bolitas de plomo atadas a hilos de diferentes longitudes, con lo que descubrió que
independientemente de la magnitud de la oscilación o el peso del plomo, la bolita necesitaba el mismo
tiempo para completar un viaje de ida y vuelta y que sólo el cambio de la longitud de la cuerda
afectaba el tiempo de la oscilación (periodo de vibración). Esta simple observación permitió la
descripción de la ley fundamental del movimiento pendular que posteriormente permitió el desarrollo
de los relojes.

Fue expulsado de la universidad de Pisa en el tercer año de medicina principalmente por su actitud de
libre pensador, regresando a Florencia donde fue discípulo del matemático Ricci y se distinguió muy
pronto con un ensayo sobre el centro de gravedad de los sólidos.

En 1589 fue nombrado profesor de matemáticas de la Universidad de Pisa dedicándose al estudio de la

caída de los cuerpos y el movimiento de los proyectiles. Creó el concepto de la aceleración que se usa
en la física moderna, el concepto moderno de la fricción y la inercia con respecto a los objetos en
movimiento. Analizó los componentes de la fuerza, demostrando por ejemplo, que las fuerzas que
afectan a la trayectoria de una bala se dirigen hacia abajo y adelante, de tal manera que pueden
medirse sistemáticamente. Estos experimentos iniciados antes del 1590, fueron perfeccionados y
publicados en 1638 en su obra Diálogos sobre dos nuevas ciencias (movimiento y mecánica).

34
Como profesor Galileo prosiguió su búsqueda de la verdad, analizando las teorías científicas de
Aristóteles mediante la aplicación de las matemáticas y las observaciones experimentales. En 1590
publicó sus resultados en "De motu gravium", recibidos con hostilidad por el público científico de la
época a causa de sus ataques contra la ciencia clásica, Galileo resultó un rebelde en otros sentidos.
Así, por ejemplo, se negaba a ponerse las ropas académicas que usaban sus colegas, aduciendo que
estorbaban innecesariamente sus movimientos. Por no usarlas, se le obligó a pagar varias multas,
hasta que fue despedido de la facultad de Pisa. En ese año, 1592, es llevado a la cátedra de
matemáticas en la Universidad de Padua, en la cual durante dieciocho años gozó de una gloria sin
sombras.

En Padua es donde realizó sus trabajos fundamentales sobre la estática, sobre las temperaturas y la
noción de calor. Siguió enseñando a sus discípulos el sistema de Ptolomeo, pero se sabe que en
aquella época ya estaba convencido del valor del sistema de Copérnico y de los trabajos de Kepler.

A principios del siglo XVII conoció la técnica de un óptico holandés que logró unir una lente cóncava y
una lenta convexa, de tal manera que hacía que los objetos distantes parecieran más cercanos. Con
este principio construyo en su taller un telescopio que ampliaba los objetos treinta veces, dándolo a
conocer al público en 1609. Galileo con sus telescopios fue el primero en realizar descubrimientos
astronómicos utilizando estos instrumentos y los describieron en su obra publicada en 1610: "Sidereus
nuntius" (El mensajero de los astros). En ella dice: "Doy gracias a Dios, que ha tenido a bien hacerme
el primero en observar las maravillas ocultas a los siglos pasados. Me he cerciorado de que la Luna es
un cuerpo semejante a la Tierra. He contemplado una multitud de estrellas fijas que nunca antes se
observaron. Pero la mayor maravilla de todas ellas es el descubrimiento de cuatro nuevos
planetas (cuatro satélites de Júpiter). He observado que se mueven alrededor del Sol".

Descubrió que la Vía Láctea consistía en una miríada de estrellas; que el Universo no era fijo ni
inmutable, como creían sus contemporáneos, pues aparecían ante su vista nuevas estrellas que luego
desaparecían; que los planetas Venus y Mercurio se movían también alrededor del Sol y que el mismo
giraba sobre su eje.

En 1623, publicó el "Diálogo sobre los dos principales sistemas del mundo" apoyado por el Papa
Urbano VIII, sin embargo debido a la representación del Papa en un personaje llamado Simplicio el
libro fue prohibido en 1632 y su autor fue citado ante el tribunal de la Inquisición.

35
En la sala de honor del convento de Santa María Sopra Minerva el miércoles 22 de junio de 1633 fue
obligado a confesar públicamente un error que no era error: " Yo Galileo Galilei, abandono la falsa
opinión de que el Sol es el centro (del Universo) y está inmóvil. Abjuro, maldigo y detesto los dichos
errores". La leyenda dice que cuando se puso de pie murmuró para sus adentros: "E pur si muove”: Y
sin embargo (la Tierra) se mueve (alrededor del Sol).

Después de este injusto juicio Galileo fue condenado a prisión domiciliaria primero en Siena y después
en las afueras de Florencia, en Arcetri, donde reanudó sus trabajos de mecánica publicando "Diálogos
de las Nuevas Ciencias", en la que resumía todas sus investigaciones sobre el movimiento y la
mecánica, esta obra se imprimió clandestinamente en Ámsterdam, en 1638.

Los últimos cuatro años de su vida, Galileo los pasó en una oscuridad total: a fines de 1637 quedó
completamente ciego, consecuencia probablemente de las observaciones solares realizadas sin una
adecuada protección. Murió el 8 de enero de 1642, cuando trabajaba con su hijo en la puesta a punto
de un reloj con péndulo regulador. La Inquisición se negó a permitir la realización de un
funeral público.

36
 Modelo de la programación lineal
Optimizar (maximizar o minimizar) una función objetivo, función lineal de varias variables.
Sujeta a: una serie de restricciones, expresadas por inecuaciones lineales.
Un problema de programación lineal en dos variables, tiene el siguiente modelo matemático:

OPTIMIZAR

Sujeto a:

Los elementos de un problema de Programación Lineal son:

La función llamada función objetivo y que es necesario optimizar.

En esa expresión x e y son las variables de decisión que necesariamente deben ser
controlables, mientras que a, b y c son constantes.

Las restricciones son inecuaciones lineales. Su número depende del problema en cuestión. El carácter
de desigualdad viene impuesto por las limitaciones, disponibilidades o necesidades, que son: inferiores
a... ; como mínimo de... .

Si se trata de maximizar como de minimizar, las desigualdades pueden darse en cualquiera de los dos

sentidos. (Para una mejor representación las enunciaremos en filas de matrices, con la letras , con

las letras ,... para no utilizar subíndices o bien directamente escribiendo su ecuación o

inecuación, según sea más conveniente).

Al conjunto de valores de que verifican todas y cada una de las

restricciones, se lo denomina conjunto factible (o región, superficie o polígono factible). Todo
punto de ese conjunto puede ser solución del problema y todo punto no perteneciente a ese conjunto
no puede ser solución. En el apartado siguiente veremos cómo se determina la región factible.

37
La SOLUCIÓN OPTIMA del problema será el subconjunto de pares de valores del

conjunto factible que haga que tome el valor óptimo.

La región factible incluye o no incluye los lados y los vértices, dependiendo de las desigualdades sean

en sentido amplio o en sentido estricto

Si la región factible está acotada, su representación gráfica es un polígono convexo con un número de
lados menor o igual que el número de restricciones.

Ejemplo
Pampa Metal produce dos productos metalmecánicos el y el , destinados a la industria
agromecánica, sus beneficios marginales son 3 unidades monetarias para cada uno. En la elaboración
los productos insumen 1 y 3 horas de matrizado, 1 y 2 horas de termocuplado e insumiendo 2 y 1
horas de embalaje, cada uno respectivamente. Las disponibilidades en la planta de producción son
310 horas de matrizado, 240 hs de termocuplado y 360 horas de embalaje. Desarrollar cual es el nivel
óptimo de producción, el beneficio máximo desarrollado y el estado de los recursos en el nivel óptimo.

Siendo variables de decisión, llamamos a al producto e al producto .

El modelo de programación lineal sería:

Sujeto a:

38
El método gráfico consiste en representar en un sistema de ejes cartesianos cada recta, ellas
conforman la frontera de una zona del plano que queda determinada por la desigualdad.

Función
objetivo
Polígono de
soluciones

OPTIMO

X=160; Y= 40

Nos queda determinado un polígono , cuyos vértices son las intersecciones de las rectas que
conforman el lado respectivo , es decir vértice A recta 1 con el eje de ordenadas, vértice B recta 2 con
recta 1 , vértice C (recta 1 y recta 3) , vértice D (recta 3 con el eje de abscisas) y vértice O (vértice
Origen de coordenadas).
Las coordenadas de los vértices son
. El polígono se denomina polígono de soluciones.

Teorema fundamental de la programación lineal:

Si existe una solución única que optimice la función objetivo, ésta se encuentra en un punto extremo
(vértice) de la región factible acotada, nunca en el interior de dicha región.
Si la función objetivo toma el mismo valor óptimo en dos vértices consecutivos, también toma idéntico
valor en los puntos del segmento que lo determinan.
En el caso de que la región factible no es acotada, la función lineal objetivo no alcanza necesariamente
un valor óptimo concreto, pero si lo hace, éste se encuentra en uno de los vértices de la región.
Por lo que sólo debemos buscar el valor de la función en cada vértice, de esos valores escoger el
mayor, si calculamos en el ejemplo la solución óptima se encuentra en el vértice C y es producir 160

39
unidades de y 40 de . El beneficio máximo es unidades
monetarias.
Analizando los recursos, debemos tener en cuenta que en el vértice que se alcanzó el óptimo, las
rectas que determinaron ese punto están en equilibrio, por lo tanto los recursos que representan esas
rectas están utilizados totalmente, es decir se han agotado las horas de termocuplado y embalaje.
En cuanto a la otra recta, las horas de matrizado tenemos que: , tenemos
un sobrante de 30 horas sobre un total disponible de 310 horas.
Como toda situación de gestión es dinámica y en unos meses ha variado el escenario económico ya
que existen problemas para colocar el producto XR_90 en el mercado externo por lo que su beneficio
se debe reducir a una unidad monetaria, hallar la nueva solución:
Sujeto a:

Función
objetivo

A
B

Lógicamente el polígono de soluciones no se modificó pero si la pendiente de la recta de la función

Objetivo que coincide con la pendiente de la recta de la primera de las condiciones. Ahora tenemos
infinitas soluciones todos los puntos comprendidos en el segmento son el nuevo óptimo de 310
unidades monetarias, así se pueden plantear distintas opciones que son óptimas:

40
No producir del y producir 103 unidades del , producir 100 unidades de
y 70 de o también por ejemplo producir 40 unidades de y 90 de
Es interesante conocer la holgura es decir el límite superior e inferior que pueden variar los coeficientes
del funcional para pasar de solución única a soluciones infinitas.

Los recursos saturados varían ahora de acuerdo a la solución escogida, en todos se utilizan al máximo
las horas de matrizado y en la del punto B se saturan también las horas de termocuplado, habiendo
siempre sobrantes de horas de embalaje. Por ejemplo si elegimos la opción producir 40 unidades de
y 90 de , nos sobran sobrante de 20 horas de termocuplado y
sobrante de 90 horas de embalaje.

TIPOS DE SOLUCIÓN

La solución puede ser única, infinitas o ninguna. Veamos los casos que pueden darse:

Si el recinto es cerrado existe una solución única para el máximo y otra para el mínimo en alguno de
los vértices si en todos ellos la función toma valores distintos.
Si es cerrado pero hay dos vértices consecutivos en los que la función toma el mismo valor (ese valor
es por ejemplo máximo), entonces toma el mismo valor en todos los puntos del segmento que une
ambos vértices, luego la función infinitos máximos y un mínimo. Al contrario sucedería si el valor
común de los dos vértices fuese mínimo, habiendo entonces infinitos mínimos y un máximo.
Si el recinto convexo no está acotado superiormente, no existe máximo aunque sí mínimo.
Los tipos de solución que se presentan se denominan: FACTIBLES, CUANDO HAY CONJUNTO
SOLUCIÓN Y NO FACTIBLES CUANDO LA SOLUCIÓN ES EL CONJUNTO VACÍO. (Cuando no
existe el conjunto de soluciones que cumplen las restricciones, es decir, las restricciones son
inconsistentes).

41
Factibles

Solución única

Se van a construir casas de dos tipos: A y B. La empresa

constructora dispone para ello de un máximo de 1800 millones de
um, siendo el costo de cada tipo de casa de 30 y 20 millones,
respectivamente. El código de planeamiento urbano CPLU exige que
el número total de casas no sea superior a 80.

Sabiendo que el beneficio obtenido por la venta de una casa de tipo A es 4 millones y de 3 millones
por una de tipo B, ¿cuántas casas deben construirse de cada tipo para obtener el máximo beneficio?

Variables:
Función objetivo:
Conjunto de restricciones: El costo total . El CPLU impone .
De no negatividad:

Tiene por región factible la región coloreada. Si hallamos los valores de la función objetivo en cada
uno de los vértices :
f

La solución es única, y corresponde al vértice para el que la función objetivo toma el valor máximo.
En este caso es el vértice D= (20,60). Por tanto se deben construir 20 casas de tipo A y 60 de tipo B
con un beneficio de 260 millones de um.

42
 Con Solución múltiple
Maximizar la función sujeta a las restricciones
2x + y 4, x - y 1, x 0,y 0.
Los valores de la función objetivo en cada uno de los vértices son:

La función objetivo alcanza el valor máximo en los vértices B y C, por tanto en todos los puntos del
segmento . Hay infinitas soluciones, solución múltiple, que corresponden a los puntos del segmento
situado entre dos vértices de la región factible.
En estos casos la función objetivo es paralela a una de las restricciones.

No factibles
Maximizar la función

Tiene por región factible la zona coloreada que aparece en la figura, que es una
región no acotada.
La función crece indefinidamente para valores crecientes de x e y.
En este caso no existe un valor extremo para la función objetivo, por lo que
puede decirse que el problema carece de solución
Para que suceda n. esta situación la región factible debe estar no acotada.

Maximizar la función
sujeta a las restricciones

No existe la región factible, ya que las zonas coloreadas que aparecen en la

figura son únicamente soluciones de alguna de las inecuaciones.
Por tanto, el conjunto de soluciones del sistema de desigualdades no determina
ninguna región factible.
Este tipo de problemas carece de solución.

43
Veamos este ejemplo:
En una distribuidora se almacena aceite de girasol y de soja con la finalidad de su posterior
redistribución, la utilidad, al redistribuirlos es la misma para los dos tipos de aceite. (1 unidad
monetaria). Para atender a la demanda se han de tener almacenados un mínimo de 20 bidones de
aceite de girasol y 40 de aceite de soja, y además el número de bidones de aceite de soja no debe ser
inferior a la mitad del número de bidones de aceite de girasol. La capacidad total del almacén es de
150 bidones. ¿Cuántos bidones de cada tipo habrá que almacenar para que la utilidad sea máxima?

Paso 1º: Leer detenidamente el enunciado, determinar el objetivo, definir las variables y escribir la
función objetivo.
El objetivo es: hallar cuántos bidones de cada tipo hay que almacenar para maximizar los gastos.

Suponemos que tal objetivo se consigue almacenado bidones de aceite de girasol e de aceite de

soja. Cómo cada bidón de aceite de girasol revendido tiene una utilidad de 1 unidad monetaria y lo
mismo para el aceite de soja.

La función objetivo será: Maximizar la función

Paso 2º: Reordenar los datos del problema y a partir de las cantidades decididas , escribir el

sistema de inecuaciones que determinan las restricciones.

El número de bidones de aceite de soja no debe ser inferior a la mitad del número de bidones de aceite
de girasol:

La capacidad total del almacén es de 150 bidones:

Expresar el problema en la forma estándar. Siguiendo con el ejemplo, sería:

Sujeto a:

44
Paso 3º Representar gráficamente las restricciones y marcar claramente la región factible.
Para las restricciones anteriores debemos representar las rectas
, obteniéndose la región factible que en la figura se encuentra coloreada.
Además, los números de bidones deben ser cantidades positivas:

Paso 4º: Hallar las coordenadas de los vértices del polígono obtenido.
Resolviendo los sistemas: ,
.
Se obtienen los vértices

Paso 5º: Sustituir las coordenadas de esos puntos en la función objetivo y hallar el valor máximo o
mínimo.
Sustituyendo en , se tiene:

Como el valor máximo se obtiene en los puntos C y D, puede optarse por cualquiera de los dos, o por
cualquier punto perteneciente al segmento que los une. Así, por ejemplo se obtendría la MISMA
UTILIDAD con 40 bidones de aceite girasol y 110 bidones de aceite de soja; o 90 y 60
respectivamente.

Paso 6º: También es conveniente representar las rectas de nivel para comprobar que la solución
gráfica coincide con la encontrada. Esta conveniencia se convierte en necesidad cuando la región
factible es no acotada.

45
En nuestro caso, puede comprobarse que las rectas de nivel tienen la misma pendiente que la recta
límite de la restricción ; por tanto hay múltiples soluciones.

Paso 7º: Por último, como en la resolución de todo problema es necesario verificar la solución:
cerciorarse de que la solución hallada es lógica y correcta.

En este ejemplo, no todos los puntos del son soluciones válidas, ya que no podemos
admitir valores de no enteros, como ocurriría en el punto . De acuerdo a las
necesidades externas al modelo de PL se puede escoger la mejor o alguna otra
aproximando al entero más próximo.

Volviendo a nuestro problema, en el modelo ha recuperado su rendimiento llegando a un

beneficio marginal unitario de 2 unidades monetarias. El directorio ha decidido producir al menos uno
de este modelo por cada dos producido del otro.
La nueva condición es del tipo pues debemos establecer que debemos producir al menos el
doble del .
Generar el nuevo modelo matemático y establecer la solución óptima
Sujeta a las siguientes condiciones:

OPTIMO EN

x= 48 y = 96

Máximo: 384

Vemos que se ha modificado substancialmente el polígono de soluciones y en este momento sujeto a la

nueva restricción hemos de producir 48 unidades de , sobrando horas de
embalaje y matrizado.

46
Por lo que aconteció en nuestro ejemplo podemos observar que pueden producirse variaciones que
afectan al polígono de solución y al tipo de solución. Es importante para la toma de decisiones
distinguir el tipo de variación, la relación entre las modificaciones de las condiciones iniciales y las
modificaciones en la solución como la posible variación u holgura de los parámetros iniciales para
mantener un tipo de solución.
Debemos distinguir que siempre tenemos dos dimensiones de análisis, el matemático y el de la gestión.

Por ejemplo el condicionamiento de horas de matrizado , en la gestión el coeficiente 1 de

significa que cada el , utiliza una hora de matrizado mientras que el coeficiente 3 de
significa que el utiliza tres horas de ese recurso y el lado derecho de la desigualdad implica
que tenemos 310 horas disponibles.
En matemática significa que los coeficientes 1 y 3 determinan una pendiente de para la recta
frontera de la desigualdad y que el punto de corte de esa recta con el eje de ordenadas será
Toda modificación de los recursos implica una nueva distribución unitaria del insumo y una
recta frontera diferente.

Ejemplo:
El Consejo de Administración de una terminal portuaria de cargas ha aprobado el presupuesto para el
próximo período fiscal. En el mismo se aprueba la compra de un lote de contenedores para reemplazar
los que han quedado obsoletos, facultando al gerente de operaciones la toma de decisión sobre las
características de la compra.

El gerente de operaciones debe determinar la conveniencia de comprar contenedores de 8 o 12 metros

de longitud. Para ello deberá tener en cuenta la siguiente información almacenada en los últimos
ejercicios del sector:
1. La operación con contenedores de 12 m. de longitud se factura a $150, y los de 8 m. a
$120. Los costos promedio de operación ascienden a $100.
2. La dimensión de la playa de maniobras en el muelle de cargas es de . Ha
quedado demostrado por estudios de distribución que en promedio cada contenedor
absorbe una superficie de para 8 y 12 m. de longitud, respectivamente.
Esto tiene en cuenta los espacios para maniobra y circulación.

47
 3. Se dispone de 55 hs. semanales para la carga de los contenedores. Un contenedor
grande consume 5 veces más tiempo que uno chico.
4. El tiempo promedio de carga de las bodegas de los buques es de 15 hs. para el tipo de
calado que admite el puerto. Se considera igual tiempo para todo tipo de contenedor.
5. En la elaboración del presupuesto se incluyó un incremento de $ 3.300 anuales para
mantenimiento de los contenedores a reponer. Dado que los contenedores de 8 m. de
longitud permiten la instalación de equipos de refrigeración para transporte de
mercadería perecedera, su costo de mantenimiento anual es de $300, tres veces
superior a los de 12m.

Definiendo las variables como:

El modelo queda configurado de la siguiente manera:

Función Objetivo:
Sujeto a:

Restricción dada por la disponibilidad de tiempo de carga de los contenedores:

Restricción dada por la disponibilidad de tiempo promedio de carga de las bodegas:

Restricción dada por el presupuesto anual para el mantenimiento de los contenedores:

Restricción dada por la capacidad de la playa de maniobras:

Restricción de no negatividad de las variables:

48
Solución:

Plan de compra:

• Comprar 5 unidades de
contenedores de 8 metros de longitud
•Comprar 10 unidades de
contenedores de 12 metros de longitud

Beneficio máximo: $600.-

Luego de haber resuelto el problema, y no habiendo aún elevado el pedido de compra, el Gerente de
Operaciones recibe los siguientes informes, con lo cual se desea conocer si deberá modificar la decisión
adoptada:
1. Variaciones en los precios de mercado y en los costos de operación han determinado que los
beneficios resultantes para ambos contenedores asciendan a $30.-

Modelo matemático

Sujeto a:

49
 Plan de compra:

Estamos en presencia de soluciones

múltiples.

• Comprar 5 unidades de contenedores

de 8 metros de longitud y 10 unidades
de contenedores de 12 metros de
longitud
• Comprar 9 unidades de contenedores
de 8 metros de longitud y 6 unidades
de contenedores de 12 metros de
longitud

Beneficio máximo: $450.-

2. Una reciente fluctuación en el mercado asiático podría ocasionar nuevas distorsiones en los
beneficios de operación de los contenedores. Pudiendo alcanzar los mismos a $10.- y $20.-
respectivamente para los de 8 y 12m.

Modelo matemático

Sujeto a:

Plan de compra:

• Comprar 5 unidades de contenedores de 8 metros de longitud

• Comprar 10 unidades de contenedores de 12 metros de longitud
Beneficio máximo: $250

50
 3. La Gerencia General emite una circular en la cual informa que los fondos no afectados del
presupuesto corriente no podrán ser utilizados para el próximo ejercicio. Con lo cual deberá
consumir el total de los $3.300 para mantenimiento.
Modelo matemático

Sujeto a:

Plan de compra:

• Comprar 9 unidades de contenedores de 8

metros de longitud

• Comprar 6 unidades de contenedores de 12

metros de longitud

Beneficio máximo: $210

4. Recibe los objetivos para el presente año del plan de mejora continua de calidad en el cual se
espera llegar al final del período con un tiempo promedio de carga de las bodegas de los
buques de 11h.
Modelo matemático

Sujeto a:

Plan de compra:

• Comprar ninguna unidad de contenedores de 8 metros de longitud

• Comprar 11 unidades de contenedores de 12 metros de longitud
Beneficio máximo: $220.- 51
 5. Existiría un proyecto de ley que gravaría con una tasa especial la tenencia de contenedores
para financiar los déficits de las cajas de jubilaciones. De aprobarse dicho proyecto, debería
pagarse anualmente $20.- por contenedor de 8m. y $25 por contenedor de 12m., no pudiendo
se el aporte menor a $2000.
Modelo matemático

Sujeto a:

Encontrar las similitudes y diferencias entre las modificaciones en las condiciones y la solución

Ejemplo:
La empresa Electromed S.A. produce y vende dos tipos de nebulizadores, a pistón y ultrasónicos.
Cada nebulizador a pistón fabricado y vendido le produce un beneficio de $20 y cada ultrasónico $30.
Ambos nebulizadores deben ser ensamblados y embalados a través de operaciones diferentes. La
capacidad mensual de ensamblado, embalaje y los requerimientos para cada tipo de nebulizador se
dan en la siguiente tabla:

Producto \ Horas requeridas Ensamblado Embalaje

Nebulizador a pistón 3 1
Nebulizador ultrasónico 2 2
Capacidad mensual 2000 h. 1000 h.

52
Definir las variables

Plantear el modelo

Restricciones:

Sujeto a:

Plan de producción (mensual):

• 500 unidades de nebulizadores a pistón (x1)

• 250 unidades de nebulizadores ultrasónicos (x2)
Beneficio máximo (mensual): $17.500.-

VARIABLES DE HOLGURA

Observemos que de las horas de ensamblado primera ecuación hemos agotado todo el recurso de igual
manera las horas de embalaje segunda ecuación .Los recursos de las ecuaciones que definen el vértice
solución se agotan. Si hubiese otros recursos estarían sobando, en el algoritmo simplex se introducen
para ese fin unas variables llamadas variables de holgura.

53
En las ecuaciones se agregan variables, una por cada recurso que transforman a las inecuaciones en
igualdades e identifican a cada recurso con ellas. Es decir es la variable de holgura del recurso uno,
es la variable de holgura del recurso dos. Al terminar el cálculo nos informarán de la disponibilidad
final de los recursos.
La renta por arrendar o vender los recursos necesarios para producir un nebulizador debe ser superior
al beneficio que resulta de su fabricación y venta.

(Restricción de no negatividad de las variables)

Volviendo al problema de Electromed S.A.

Sujeto a:

Sus ecuaciones serían:

Agregamos las variables de holgura

Este problema tiene asociado otro problema: (lo llamamos dual del anterior)

Sujeto a:

54
EL DUAL EN LA PROGRAMACIÓN LINEAL

Todo problema de programación lineal se encuentra relacionado con otro problema de optimización
que representa una gama de características interrelacionadas con otras con respecto al problema
original. Este problema original recibe el nombre de “Primitivo” o”Primal”, mientras que el problema
relacionado con el primal se denomina “problema dual”.

El valor del funcional o función objetivo en ambos problemas, primal y dual, es el mismo aunque
debemos tener en cuenta que si el primal debe maximizar el funcional, el dual correspondiente buscara
la minimización del funcional correspondiente y recíprocamente, O sea:

El funcional del dual:

Recordemos que los distintos b, representan disponibilidad de los recursos correspondientes al

problema primitivo. El número de inecuaciones del primal coincide con el número de variables
originales del dual y el número de variables del primal coincide con el número de inecuaciones del
problema dual.

Entre las variables existe la siguiente relación: Las originales del primal son variables de holgura en el
dual y recíprocamente. Además, las restricciones son de sentido contrario en el primal y en su
correspondiente dual. Por otra parte los respectivos coeficientes de las variables del dual son los
coeficientes transpuestos del problema primal, o sea aij en el primal corresponde a bij en el dual.

Relación entre el problema y su correspondiente dual.

Como ya expresamos antes, todo problema de programación lineal está asociado con otro problema, el
cual se denomina problema dual o simplemente dual. Cuando el problema a resolver busca
minimizar su función objetivo y recíprocamente. Resulta por todo lo dicho anteriormente, posible

55
construir el cuadro final del problema dual a partir del cuadro final del primal y viceversa.
Efectivamente se deben colocar:
1.
2.
3.
4.

5.

Ejemplo:
En una empresa metalúrgica se producen dos productos A y B cuyos beneficios marginales son $2 y $3
respectivamente. Los productos insumen 4 horas de estampado, 2 y 4 de soldado y 8 y 4 horas de
pintado. Las disponibilidades respectivas de los recursos son: 320, 240 y 560 horas respectivamente.
Determinar las unidades a producir de cada producto para maximizar la utilidad.
Modelo matemático:
Funcional

Inecuaciones Ecuaciones

Solución matemática:

Solución económica:
Se deben producir 40 unidades de cada producto para que el beneficio se máximo. Dicho beneficio
será:
Quedando un excedente en el proceso de pintado de 80 horas.

56
Problema dual
Modelo matemático

Sujeto a:

Solución matemática:

Solución económica:

La solución económica no es otra cosa que la interpretación económica de la solución matemática. En

este caso dicha solución nos está diciendo que por cada unidad horaria que se agregue en el proceso
de estampado, el valor del funcional aumenta en 0,25 y análogamente por cada hora que se agregue
en el proceso de soldado, el funcional aumentara en 0,5.
En cuanto a significa que el funcional no experimentara variación si aumentamos la
disponibilidad de horas para el proceso de pintado ya que este recurso no fue empleado totalmente.

También podemos observar que en dicho ejemplo, que el elemento que aparece en la fila de
columna y este valor, cambiado de signo, aparece en el cuadro final del dual en la fila
columna .

Propongo al alumno lector que a modo de práctica tome el cuadro final de un problema cualquiera y a
partir del mismo confeccione el cuadro final del dual correspondiente al mismo.

EN SÍNTESIS:

El problema dual es un problema de PL auxiliar que se define directa y sistemáticamente a partir del
modelo de PL original o primal. El problema de programación lineal bien dado por:

57
Maximizar sujeto a: su dual asociado es el problema de PL dado por:
Minimizar sujeto a:

De lo anterior se deduce que el paso al dual se lleva a cabo teniendo presente las cuatro reglas
siguientes:
a) Los coeficientes de la i-ésima restricción para el problema primal pasan a ser los coeficientes de
las variables Yi en las restricciones del problema dual. El problema dual tiene tantas variables
como restricciones hay en el primal.
b) Los coeficientes de las variables de decisión Xj en el problema primal pasan a ser los
coeficientes de la restricción j-ésima en el problema dual. El problema dual tiene tantas
restricciones como variables hay en el primal.
c) Los coeficientes de la función objetivo en el problema primal pasan a ser los coeficientes del
segundo miembro de las restricciones en el problema dual.
d) Los coeficientes del segundo miembro de las restricciones del problema primal pasan a ser los
coeficientes de la función objetivo del dual.

Ejemplo:
Sujeto a:
Primal máximizar Dual minimizar

Es indistinto obtener la solución optima de uno resolviendo el otro, en la práctica preferimos maximizar
que minimizar por efectos netamente prácticos en los cálculos, además el algoritmo simplex se
resuelve oportunamente en una planilla de cálculo.

58
Veamos otro ejemplo:

En una fábrica se hacen dos modelos distintos de un producto A y B usando cantidades prefijadas de
materia prima, mano de obra y maquinas. La información correspondiente se conoce mediante la
siguiente tabla:
Insumo A B disponibilidad
Materia prima 1Kg/unid 2Kg/unid 500Kg
Mano de obra 1H/unid 4h /unid 800 hs
Maquinas 2h /unid 1h/unid 300hs
BENEFICIO 3 5

Modelo matemático

Sujeto a :

Agregamos las variables de holgura:

Función objetivo o funcional

Inecuaciones Ecuaciones

En las ecuaciones se agregan variables, una por cada recurso que transforman a las inecuaciones en
igualdades e identifican a cada recurso con ellas. Es decir es la variable de holgura del recurso uno,

59
 es la variable de holgura del recurso dos y es la variable de holgura del recurso tres. Al terminar
el cálculo nos informarán de la disponibilidad final de los rescursos.

Representación grafica

Solución analítica:
Como podemos observar al graficar quedo determinado OABC que se denomina polígono de soluciones
factibles. Vamos a determinar las coordenadas de cada uno de los vértices:

Para calcular el vértice B (en la grafica), que es el que realmente nos interesa debemos resolver (por
cualquier método) el siguiente sistema de ecuaciones.

Siempre se deben tomar las ecuaciones que determinan el vértice que queremos hallar.
Por lo tanto el vértice es:

60
El funcional en cada vértice tomas los siguientes valores:

Problema dual
Modelo matemático

Sujeto a:

Solución matemática:

El método grafico no siempre permite leer con precisión el resultado del problema razón por la cual el
método analítico es fundamental en los problemas de programación lineal. En general y dado que los
problemas pueden presentar ecuaciones con más de tres incógnitas, recurriremos a HERRAMIENTAS
TECNOLOGICAS, PROGRAMAS ADECUADOS, para la resolución de problemas.
UTILIZAREMOS EL PROGRAMA “TORA”. También existen otros programas como el Solver, Lingo.

61
La tabla nos informa la solución real: sería producir 57 piezas del tipo A y 185 del tipo B
También señala la contribución de cada variable al funcional y sus coeficientes.
Debajo tenemos la información de las variables de holgura, variables que en la tabla de Slack-
/Surplus+ (variables de holgura) se indica la cantidad sobrante de cada inecuación (es decir lo que
queda del lado derecho de las desigualdades que no es utilizado en el punto óptimo).En nuestro caso
tenemos un sobrante de 71,43 kilogramos de materia prima, mientras que del resto no hay sobrantes
sus valores son cero, este tipo de recursos están saturados.
En la tabla análisis de sensibilidad:

62
Se nos informa en primer término de las holguras de variabilidad de los coeficientes del funcional
Observemos que el coeficiente X1 puede variar entre 1,25 a 10 y el de X2 entre 1,50 y 12 sin efectuar
modificaciones en la solución óptima topológica.
La columna Costo reducido informa si alguna variable de decisión no es parte de la solución,
reduciendo su coeficiente podría ser parte de la misma. Es decir si hubiese alguna variable que no
estuviese en la solución óptima el costo reducido nos informa cuanto debe variar el coeficiente de esa
variable en el funcional para que esta ingrese en la solución óptima.

Por último en la tabla inferior se hace un análisis de las variaciones posibles en cada restricción. Aquí
se indica hasta cuándo se pueden aumentar o disminuir las disponibilidades de los recursos y se señala
un nuevo concepto importante el DUAL PRICE o PRECIO SOMBRA.
En este caso como el recurso materia prima tiene sobrante su precio sombra es cero (ya que teníamos
sobrante del producto); los otros recursos son uno, señala que para inversiones a futuro cada unidad
de mejora en ellos agregaría una unidad al funcional.

DUAL PRICE o PRECIO SOMBRA:

El precio sombra es la mejora que se obtiene en la función objetivo (FO) por cada aumento
unitario en los recursos (considerando el lado derecho de la restricción LD).
Nos indica la razón de cambio del valor óptimo de (FO) a medida que aumente el LD de
una restricción.
Si el precio sombra es positivo, entonces VO y LD se mueven en la misma dirección,
aumentos en LD hace que se incremente y viceversa.

63
Además es la solución del problema dual, en nuestro ejemplo
Los coeficientes de las variables de decisión del funcional pueden variarse en determinados casos sin
que la solución óptima cambie de vértice topológico, este rango de variación es muy importante para la
toma de decisiones.

Analizaremos el siguiente problema mediante TORA, (resuelto anteriormente utilizando el

método algebraico y grafico).
Pampa Metal produce dos productos metalmecánicos el y el , destinados a la industria
agromecánica, sus beneficios marginales son 3 unidades monetarias para cada uno. En la elaboración
los productos insumen 1 y 3 horas de matrizado, 1 y 2 horas de termocuplado e insumiendo 2 y 1
horas de embalaje, cada uno respectivamente. Las disponibilidades en la planta de producción son
310 horas de matrizado, 240 hs de termocuplado y 360 horas de embalaje. Desarrollar cual es el nivel
óptimo de producción, el beneficio máximo desarrollado y el estado de los recursos en el nivel óptimo.

Utilizando una planilla electrónica de cálculo (TORA). Evaluar la solución óptima si ante la escasez de
papel y corrugado para el embalaje estas horas son reducidas a 300

RECORDAMOS:

Siendo variables de decisión, llamamos a al producto e al producto .

Variables de decisión:

El modelo de programación lineal está determinado por:

Sujeto a:

64
Donde:

Ecuaciones:

Se deben producir 160 XR_90 y 40 XR_100 agotando las horas de termocuplado y embalaje y
habiendo un sobrante de 30 horas de matriciado para obtener un beneficio de 600 unidades
monetarias.

Dual

Sujeto a las siguientes condiciones:

Solución con la planilla electrónica de cálculo:

65
Nos sobran 30 horas de matrizado, el resto de los recursos están agotados.
Los coeficientes de la Función Objetivo pueden disminuirse hasta 1.50 unidades o aumentarse a 6
unidades siendo la misma solución topológica, pasando de solución única a múltiples soluciones. Por lo
tanto pueden analizarse distintas soluciones semejantes topológicamente.
No hay reducción de costo (es decir disminución de costos por producto para que sea factible su
producción), pues ambas variables de decisión están incorporadas a la solución final (es decir los
estamos produciendo a los dos productos).
Los precios sombra de 1 unidad para los recursos no saturados implican que ambos tributan a la
solución final de igual manera. La solución del Dual es
Las horas de termocuplado y embalaje a pesar de estar agotadas, tienen holgura para mantener la
solución topológica. Sus pisos son 180 y 270, mientras que sus techos son 258 y 480 horas
respectivamente, es decir si se modifican de a una dentro de esos intervalos se modifica la solución
aritmética pero no la topológica (esto significa que el vértice D puede desplazarse vertical u
horizontalmente según lo variado dentro de esas holguras, sigue siendo el óptimo topológico). Pueden
estimarse nuevas soluciones modificando las disponibilidades, para analizar distintos escenarios.

Ahora analizamos: (Evaluar la solución óptima si ante la escasez de papel y corrugado para el
embalaje estas horas son reducidas a 300)

Observemos la nueva solución: En el punto óptimo ,

los recursos saturados ahora son matriciado y embalaje habiendo sobrante de horas.

66
PROBLEMA:
Una microempresa de inversiones que se dedica a administrar la cartera de acciones de varios
clientes. Un nuevo cliente ha solicitado que la compañía se haga cargo de administrar para él una
cartera de 100.000 UM (unidades monetarias). A ese cliente le seduce la idea de invertir en una
mezcla de tres tipos de acciones únicamente, como podemos apreciar en la siguiente tabla de
rendimiento anal por las acciones que a él le interesarían invertir:

Acciones Precio por Rendimiento Inversión Máxima

acción anual estimado Posible
por acción
Azucarera GS 60 7 60000 UM
Bridas Corp. 25 3 25000 UM
Agrícola Exim 20 3 30000 UM

Debemos hallar un modelo que le posibilite efectuar la inversión con la mayor renta posible
Para ello construimos el modelo matemático, siendo las variables de decisión:
Variables de decisión:

Nuestro modelo está conformado por tres variables y cuatro restricciones. Cargamos la matriz de
datos en la planilla electrónica de datos en TORA.

67
Solución matemática:

Solución del dual

Análisis de la situación de inversión:

Se obtiene una renta de 14.500 um, con el siguiente porfolio de inversión:

1.000 acciones de Azucarera GS, 1.000 acciones de Bridas Corp y 1.500 acciones de Agrícola Exim.
En cuanto a las variables de holgura de las tres restricciones iniciales son nulas, ya que hemos hecho la
máxima inversión posible en cada tipo de acción.
Tenemos un sobrante de 3.500 um en la inversión mayor posible del cliente, que es imposible ubicar
en esas tres opciones. (Invertimos un total de 96.500 um)
El análisis de sensibilidad de los coeficientes en cuanto a los rendimientos anuales como a las posibles
inversiones máximas de cada tipo varía lógicamente de cero al infinito ya que el modelo no las limita, la
realidad del mercado que es externa al modelo, es la que las determina.
Si tenemos los precios dual que nos indica en función de la cantidad invertida, nos conviene a futuro
pugnar por conseguir más acciones de Agrícola Exim, que tiene el máximo precio sombra.

68
Analizaremos otra situación de la microempresa de inversiones:

Si en el siguiente ciclo de inversión las acciones de Bridas Corp aumentan a 30 um y las de Agrícola
Exim a 25 um, permaneciendo Azucarera GS con la misma condición.

Para analizar la nueva situación hay que cambiar los coeficientes de las dos restricciones.

Carga los datos modificados en la planilla electrónica de datos.

Solución:

69
Solución matemática:

Solución del dual

Análisis de la situación de inversión:

Se obtiene una renta de 13.100 um, con el siguiente porfolio de inversión:

1000 acciones de Azucarera GS; 833,33 acciones de Bridas Corp y 1.200 acciones de Agrícola Exim.
En cuanto a las variables de holgura de las tres restricciones iniciales son nulas, ya que hemos hecho la
máxima inversión posible en cada tipo de acción.
Tenemos un sobrante de 3033,33 um en la inversión mayor posible del cliente que es imposible ubicar
en esas tres opciones. (Invertimos un total de 96500 um).
El análisis de sensibilidad de los coeficientes en cuanto a los rendimientos anuales como a las posibles
inversiones máximas de cada tipo varía lógicamente de cero al infinito, ya que el modelo no las limita,
la realidad del mercado que es externa al modelo es la que las determina.
Si tenemos los precios dual que nos indica en función de la cantidad invertida , nos conviene a futuro
pugnar por conseguir más acciones de Agrícola Exim o Azucarera GS que tienen el máximo precio
sombra.

PROBLEMA:

En el Haras San Jorge Sur se crían caballos de salto. Para obtener un mejor desempeño en el salto y
aspecto del animal, el veterinario recomienda que cada balde de 30 kilos de comida deba contener una
mezcla de 4 productos que se compran en bolsas de 30 kilogramos según estos componentes y
precios:

70
 Información sobre los contenidos de los productos por bolsas de 30 kilogramos
CONTENIDO Y PRECIO POR CADA 30 KG DE ALIMENTO
PRODUCTO Alfalfa Proteínas Carbohidratos PRECIO ($)
I 6 14 10 400
II 10 8 12 600
III 8 10 12 300
IV 10 16 4 200

Los requerimientos mínimos de cada alimentos según la dieta requerida por los especialistas es de
alfalfa 6 kilos, proteínas 10 kilos y carbohidratos 4 kilos. Por experiencia se sabe que para una buena
calidad de la mezcla final, lo utilizado del producto dos debe superar la cuarta parte de lo utilizado del
resto de los productos. Se tiene un stock máximo de 15 bolsas del producto dos y de 42 bolsas del
producto cuatro, el resto no tiene restricciones de stock.

Se requiere elaborar un modelo de programación lineal que permita obtener la mezcla óptima.
Variables de decisión:

71
 Matriz de datos:

Solución:

Solución matemática:

Solución del dual

72
Informe de gestión

Obtenemos el menor costo de 325,71 pesos para satisfacer los requerimientos si mezclamos un 20%
del segundo producto, con un 46% del tercero y 34% del cuarto.
De la alfalfa hemos logrado lo requerido, hemos superado en 0,29 el nivel proteico y tenemos un
excedente de 9,71 de carbohidratos. Contamos con un sobrante de 14 bolsas del producto 2 y 41 del
producto 4.
Para mantener esta solución como óptima topológica:
Para ser utilizable el producto 1 debería tener una reducción de costo de 128,57 pesos, es decir el
primer producto debería tener un costo mínimo de 271,43 pesos para ser utilizado, desde ese valor
hasta cualquier precio mayor no es utilizado. El segundo producto puede ser utilizado hasta con un
valor mínimo de 328,37 pesos (cada vez en mayor proporción) y si supera los 600 pesos deja de
utilizarse, el producto tres tiene una holgura de precios entre 200 pesos y 480 pesos que es utilizable
en distintas proporciones, el cuarto producto es utilizable desde un valor inferior de una unidad
superior a 0 (-750 tiene sentido matemático pero no económico en precios) hasta un valor máximo de
300 pesos.
Para inversiones futuras por su precio sombra de 14,29 es importante invertir explorando la posibilidad
de hacerlo con productos que contengan mayor cantidad de alfalfa, ya que los otros requerimientos
están demasiado cubiertos, su precio sombra es de cero unidades.

Cuestionario:
¿Se pueden variar los requerimientos mínimos de Proteínas sin que varíe la solución óptima? ¿Cuál es
su límite?
Como tenemos un excedente de 9,41 podemos anular ese excedente.
¿Se puede absorber un aumento de costo del producto tres en 250 pesos sin que se modifique la
solución final?
Si, está entre su rango de admisibilidad

Si hubiese una oferta de un distribuidor que reduce el costo del producto dos en 20% ¿que
se modificaría?
Un 20% de 600 pesos nos determina un nuevo costo final de 480 pesos, lo que implica que está dentro
de su rango de utilización, la solución topológica es la misma, actualizándose los valores aritméticos.

73
Observemos la nueva solución en la planilla electrónica de cálculo:

Obtuvimos una solución similar con el problema anterior, pero con una reducción de costo. El nuevo
costo mínimo es 301,71 pesos.

74
 PROBLEMAS SUGERIDOS PARA RESOLVER

1. En una empresa se aprueba la compra de un lote de porta embalajes para reemplazar los que
han quedado obsoletos, facultando al gerente de operaciones la toma de decisión sobre las
características de la compra. El gerente de operaciones debe determinar la conveniencia de
comprar porta embalajes de 10 o 20 metros de longitud. Para ello deberá tener en cuenta la
siguiente información almacenada en los últimos ejercicios del sector:

a) La operación con porta embalajes de 10 m. de longitud se factura a $110 y los de 20 m. a

$160. Los costos promedio de operación ascienden a $80.
b) La dimensión de la playa de maniobras en la playa de cargas es de 2.050m2. Ha quedado
demostrado por estudios de distribución que en promedio, cada porta embalaje de 10 m
2 2
absorbe una superficie de 45 m y los otros 40 m . Esto tiene en cuenta los espacios para
maniobra y circulación.
c) Se dispone de 60 hs. semanales para la carga de los porta embalajes. Un porta embalaje de 20
m consume 3 veces más tiempo que otro de 10 m.
d) El tiempo promedio de carga de los camiones es de 10hs. Se considera igual tiempo para todo
tipo de porta embalaje.
e) En la elaboración del presupuesto se incluyó un incremento de $3.000 anuales para
mantenimiento de los porta embalajes a reponer. Dado que los porta embalajes de 20 m. de
longitud permiten la instalación de equipos de refrigeración para transporte de mercadería
perecedera, su costo de mantenimiento anual es de $300, tres veces superior a los de 10m.

Indicar las variables de decisión, escribir modelo matemático, indicar las variables de
Holgura y escribir una solución básica. Hacer un informe de la política de producción
acorde a la solución obtenida.

75
Luego de haber resuelto el problema y no habiendo aún elevado el pedido de compra, el Gerente de
Operaciones recibe los siguientes informes, con lo cual se desea conocer si deberá modificar la decisión
adoptada:

 Variaciones en los precios de mercado y en los costos de operación han determinado que los
beneficios resultantes para ambos porta embalajes asciendan a $40 para los de 10 m y $100
para los de 20m.

 Una reciente fluctuación en el mercado asiático podría ocasionar nuevas distorsiones en los
beneficios de operación reduciendo los beneficios a 20 unidades monetarias para cada tipo.

 Recibe los objetivos para el presente año del plan de mejora continua de calidad en el cual se
espera llegar al final del período con un tiempo promedio de carga en las playas de maniobras
y cargas debido a la adquisición de grúas mecánicas a 8 horas por camión.

Planteada la nueva problemática indicar las variables de decisión, escribir modelo

matemático, indicar las variables de holgura y escribir una solución básica.
Hacer un informe de la política de producción acorde a la solución obtenida para cada una
de las situaciones planteadas.

2. En la elaboración de una mezcla para alimentos de mascotas se utilizan dos productos.

Cada bolsa del primer producto contiene 4 unidades calóricas, 2 unidades de carbohidratos y 5
unidades de vitamina, siendo su costo de $50.
Del segundo producto contiene 2 unidades calóricas, 4 unidades de carbohidratos y 1 unidades de
vitamina, siendo su costo de $55.
La determinación de los nutricionistas es que el alimento debe contener por lo menos 82 unidades
calóricas, 122 unidades de carbohidratos y 50 unidades de vitamina.
Se desea saber el nivel óptimo de producción, el costo mínimo y el estado de los requerimientos en
dicho nivel.
Del segundo producto se dispone un stock de 50 bolsas. Para una buena calidad de la mezcla final lo
utilizado del segundo producto debe superar el doble de lo utilizado del primer producto. Si hubiese
remanentes de productos pueden volver a utilizarse para la próxima producción.

76
Escribir modelo matemático. Resolverlo por TORA. Escribir solución óptima de la gestión de política
de costos.

3. Una bolsa de 20 kilos de alimento para un criadero de perros debe tener cuanto menos los
siguientes requerimientos mínimos de proteínas, carbohidratos y grasas: 3, 5 y 4 UDM
respectivamente. Utilizando 4 tipos de alimentos que se compran en bolsas de 20 kilos, cuyas
especificaciones y requerimientos mínimos quedan determinados por:

Alimento Proteínas Carbohidratos Grasas Precio por

UDM UDM UDM Bolsa de 20 K
Kanino 3 7 5 40
Royal 5 4 6 60
Premiun 2 2 6 30
Dog 3 8 2 20

En la composición de la mezcla final como máximo puede haber la cuarta parte del producto más
económico, se requiere un plan para obtener la mezcla más económica.
 Formule el modelo matemático, el modelo dual y el modelo que identifique las variables de
decisión y de holgura.
 Utilizando una planilla electrónica de cálculo (TORA), escribir la solución final detallando el valor
de cada variable y los precios sombras.
 Efectuar un análisis de la solución final, sin omitir ninguna variable.
 El producto dos ha modificado su composición en 3, 3 y 5 reduciendo su precio en un 40%
¿Esto produce cambios en la solución óptima?
 Se logra una oferta de un distribuidor que reduce el costo del producto dos en 12%
¿Qué resultados se generarían de aceptarla?
 ¿Cómo pueden variar los requerimientos mínimos de Proteínas sin que varíe la solución óptima?
 ¿Se puede abonar más de 20 pesos por la bolsa el producto Dog sin que se modifique la
solución final? Justifique su solución.

77
 4. Las enfermeras de un hospital llegan cada 4 horas y trabajan en turnos de 8 horas continuas.
La administración ha decidido la idea de definir 6 cambios de turno al día para minimizar las
distracciones y los problemas de comunicación que ocurren en los cambios de turno.
El hospital ha realizado un análisis del trabajo requerido durante cada uno de los seis períodos del día.
Las características de cada período son las siguientes:

Hora del día Período Número Mínimo

Enfermeras
2 AM - 6 AM 1 25
6 AM - 10 AM 2 60
10 AM - 2 PM 3 50
2 PM - 6 PM 4 35
6 PM - 10 PM 5 55
10 PM - 2 AM 6 40

Las enfermeras que empiezan a trabajar en los períodos 2, 3 y 4 ganan $ 40 al día, aquellas que
comienzan en los períodos 1, 5 y 6 ganan 50 al día. ¿Cuántas enfermeras deben empezar a trabajar
en cada turno para minimizar los costos por salarios?

Modelo:
En este caso podemos identificar como variable de decisión el número de enfermeras Ni que comienza
a trabajar en el turno "i" (i = 1; 2; 3; 4; 5; 6). De esta forma, la función objetivo queda:

Evidentemente, la función anterior debe ser minimizada. Para construir las restricciones es conveniente
recurrir a una representación gráfica de los turnos:

78
De la gráfica anterior se observa que en cada turno trabajan las enfermeras que comenzaron en dicho
turno, pero también las que empezaron en el turno anterior. Por lo tanto, las restricciones de personal
mínimo por turno quedan:

Finalmente, el modelo se completa con las restricciones de signo: Ni >0 i

Desarrollar cual es el nivel óptimo de personal por turno, para determinar el costo laboral mínimo y el
estado de los requerimientos en el mínimo. Utilizando una planilla electrónica de cálculo. (TORA)

5. El “Vasco” produce cuatro tipos de hormas de quesos. Cuyos beneficios son: Pategras 40
pesos, Port Salut 35 pesos, Reggianito de 50 pesos y Sardo 55 pesos. Empleando
proyecciones económicas correspondientes a la próxima semana, la gerencia de ventas
considera que será posible vender toda la producción. Se debe recomendar una meta de
producción buscando obtener el mejor beneficio. En la producción intervienen cuatro
procesos: el de pasteurizado, materia prima, homogeneizado, y decantación y espera. Con una
disponibilidad de horas semanales de 1060, 680, 720 y 900 horas respectivamente.
Fabricación:
Pategras requiere 40 horas de pasteurizado, 20 de materia prima, 32 de homogeneizado y 20
horas de decantación y espera.
Port Salut requieren 60 de pasteurizado, 10 de materia prima, 40 de homogeneizado y 10
horas de decantación y espera.
Reggianito requiere 50 de pasteurizado, 12 de materia prima, 42 de homogeneizado y 50 horas
de decantación y espera.
Sardo 50 de pasteurizado, 14 de materia prima, 40 de homogeneizado y 60 horas de
decantación y espera.
Para el control bromatológico de los productos terminados se estima que como mínimo se
deben utilizar 1.200 horas:

79
 Pategras requieren como mínimo 20 horas.
Port Salut 10 horas.
Reggianito 25 horas.
Sardo 25 horas.
Siempre por cada horma.
Como el fin de mantenerse en el mercado frente a sus competidoras el directorio ha decidido
como política operativa que deberá construirse cuando menos un Port Salut cada cuatro
quesos producidos.
Uno de los principales distribuidores ha ordenado para la semana al menos 3 unidades del
Pategras.

a) Indicar y caracterizar: las variables de decisión y las restricciones, escribir modelo matemático,
indicar las variables de holgura y escribir el modelo dual.
b) Utilizando una planilla electrónica de cálculo (TORA) hacer un informe de la política de
producción acorde a la solución obtenida, donde utilice todas las variables, el análisis de
sensibilidad de coeficientes del funcional y de los recursos.
c) Indicar cuál es el intervalo de optimalidad del precio de cada tipo de queso.

6. “Anco” fabrica tres productos envasados derivados del zapallo. La demanda diaria mínima del
producto dos es de 70 unidades, la demanda máxima del producto tres es de 240 unidades.
Las utilidades marginales de cada producto son: 3,2 y 5 unidades monetarias respectivamente.
La dirección de Anco analiza posibilidades para mejorar su situación financiera, en el proceso
de elaboración se utilizan zapallos, azúcar y agua potable procesados en dos líneas de
producción de acuerdo a:

Utilizando una planilla electrónica de cálculo, analizar y efectuar un análisis si son factibles las
siguientes propuestas:

80
 a) La utilidad de P3 puede aumentarse un 25%, sin que se produzcan problemas en la producción
óptima de todos los productos.
b) Según el gerente de ventas el aumento del 25% de la utilidad de P3 se logrará aumentando su
precio y hará descender la demanda máxima de este producto a 230 unidades. El gerente de
producción informa, si ese es el nuevo techo del producto no se modificará la manera de
generar la producción óptima.
c) El zapallo es el insumo de producción más crítico para limitar la producción actual, se puede
asegurar unidades adicionales con un segundo proveedor a un costo mayor de 2 unidades
monetarias por kilo, del que actualmente se abona.
d) Es posible aumentar las capacidades de las líneas de producción en 40 minutos diarios a un
costo adicional de 35 unidades monetarias diarias.
e) Un distribuidor pide para la próxima semana una entrega diaria de P1 de 50 unidades.
f) Un distribuidor pide que se aumente la entrega diaria de P2 a 100 unidades.
g) El jefe de operaciones ha inventado un recurso que posibilita reducir el tiempo de
procesamiento de P1 de 3 minutos a 2 minutos por unidad en la línea dos con costo adicional
de 4 unidades monetarias diarias.

7. Se desea mezclar mineral de hierro de cuatro minas distintas para fabricar rodamientos
destinados a un nuevo producto: un tractor tipo oruga de tamaño mediano, el E-6, diseñado
especialmente para competir en el mercado europeo. Por medio de análisis se ha demostrado
que para producir una mezcla dotada de las cualidades de tracción adecuadas, deben
cumplirse requerimientos mínimos en relación con tres elementos básicos que, para simplificar,
señalaremos como A, B, C.

En términos específicos, cada tonelada de mineral deberá contener cuando menos 5 libras del
elemento básico A, 100 libras del elemento básico B y 30 libras del elemento básico C:

Requerimientos de elementos básicos

Requerimiento Mínimo por Tonelada de Mezcla
Elemento Básico
(libras de cada elemento)
A 5
B 100
C 30

81
El mineral extraído de cada una de las cuatro minas posee los tres elementos básicos, pero en
cantidades distintas:

Composiciones obtenidas de cada Mina

MINA
(Libras por tonelada de cada elemento)
ELEMENTO
1 2 3 4
BÁSICO
A 10 3 8 2
B 90 150 75 175
C 45 25 20 37

En virtud que el mineral de cada mina tiene un costo diferente, las distintas mezclas factibles también
tendrán costos diferentes:

Costo del Mineral de cada Mina

Mina Costo en dólares

por tonelada de Mineral
1 800
2 400
3 600
4 500

El objetivo de la Administración es hallar una mezcla factible de costo mínimo.

Escribir las variables de decisión, modelo matemático, modelo simplex y el dual. Resolverlo por TORA.
Escribir la solución óptima de la gestión de costos de extracción, señalar el estado de los
requerimientos en la solución óptima.
Hacer un informe de la política de costos acorde a la solución obtenida y los posibles escenarios.

8. Para producir una medicina compleja, un laboratorio farmacéutico debe mezclar 4 tipos de
drogas básicas de acuerdo a exigencias rigurosas para alcanzar al menos las siguientes
requerimientos mínimos de: Methotrexato 6 Ht, Ciclosporina 4 Ht, Azathioprina 8 Ht y
Ciclofosfamida 10 Ht, cada unidad de las drogas básicas a utilizar contienen las siguientes
características en Ht:

82
 Tipo de droga requerida Básica A Básica B Básica C Básica D
Methotrexato 4 5 3 3
Ciclosporina 6 5 5 3
Azathioprina 8 2 5 4
Ciclofosfamida 4 8 4 3
Precios 300 280 360 340

Debido a las tolerancias diarias de los pacientes en tratamiento el 40 por ciento de la mezcla total
debe ser de la droga Básica D, pudiendo las otras combinarse de cualquier manera. El stock máximo
diario de la Droga B es de dos unidades y el de la Droga A es de una unidad, no teniendo restricciones
de stock diario el resto.
a) Codificar el enunciado para utilizar las condiciones del método simplex, escribiendo el dual del
problema y señalando la categorización de variables.
b) Utilizando TORA, cuál es la solución obtenida, detallando el valor de todas las variables.
c) Hacer un informe de la política de MEZCLA acorde a la solución obtenida, donde utilice todas las
variables y el análisis de sensibilidad de coeficientes del funcional y de los recursos.
d) Cuál es el intervalo de optimalidad de los costos de las drogas básicas.
e) Se ha logrado luego de una profunda discusión con un proveedor reducir el costo de la droga A
en 5 % por ciento ¿Es conveniente comprarla al nuevo precio?
f) ¿Puede disminuirse aún más el costo respetando los requerimientos mínimos? Fundamente su
afirmación o negación.
g) Un importador ofrece una sustituta de la droga básica C a un precio de $ 300 ¿es beneficio
comprarla a ese precio? ¿qué ocurre con la solución nueva óptima?
h) Cual requerimiento es el único que sería posible modificar mejorando el costo mínimo sin
modificar la solución óptima topológica obtenida. ¿cómo se reformula el modelo? ¿cuál es la
solución óptima para ese caso?
i) El responsable de suministro de drogas ha efectuado una investigación donde sería posible
modificar la tolerancia diaria, de tal manera que sólo sería necesaria para la tolerancia diaria
mínima establecida de la droga D sea del 20 % en la mezcla total. ¿cómo se reformula el
modelo ? ¿cuál es la solución óptima para ese caso?
j) Utilizando TORA, como es más conveniente codificar el stock máximo y/o mínimo.

83
9. Aberturas Croco fabrica cinco modelos de portones de madera: A1 cuyo beneficio es 3.000
pesos; el A2 de beneficio 3.200 pesos, el A3 de beneficio 2.900 pesos, el A4 cuyo beneficio
es 3.500 pesos y por último el A5 de un beneficio 3.250 pesos. Empleando proyecciones
económicas correspondiente al próximo mes, la gerencia de ventas considera que ese mes será
posible vender todas los portones que la compañía sea capaz de producir.
Se debe recomendar una meta de producción para el período mencionado buscando obtener la
mejor utilidad, respetando la capacidad instalada de la planta, los compromisos mensuales de
distribución y las restricciones financieras.
En la producción intervienen tres sectores: el de maquinado, ensamblado y ajuste final, con
una disponibilidad de horas de trabajo mensuales de 410 ,500 y 550 horas respectivamente; la
fabricación de las A1 requiere 12 horas de maquinado, 11 de ensamblado y 14 de ajuste final;
A2 insume 12 de maquinado, 21 de ensamblado y 17 de ajuste final, mientras que la A3
requiere 10 horas de maquinado, 8 de ensamblado y 9 de Ajuste final; el modelo A4 insume
11 horas de maquinado, 20 de ensamblado y 20 de ajuste final; el A5 11 de maquinado, 12
de ensamblado y 12 de ajuste final.
Para el control de calidad de los productos terminados se estima que como mínimo se deben
utilizar 400 horas para el control de calidad.
Estas se llevan a cabo por personal especializado y son independientes de las actividades de
los otros sectores; las portones A1 requieren como mínimo 12 hs, los A2 11 hs, los A3 9 hs,
los A4 25 hs y los A5 12 por unidad terminada.
Como el fin de mantenerse en el mercado frente a sus competidoras, el directorio ha decidido
como política operativa que deberá construirse cuando menos la cuarta parte de la producción
total mensual del portón tipo A2.
Uno de los principales distribuidores ha ordenado para el mes al menos 20 unidades pudiendo
ser cualquier combinación de las cuatro, y al menos hay que tener uno de cada tipo en el mes
para su exposición.

a) Indicar y caracterizar: las variables de decisión y las restricciones, escribir modelo matemático,
indicar las variables de holgura y escribir el modelo dual.
b) Utilizando una hoja de cálculo (TORA), hacer un informe de la política de producción acorde a
la solución obtenida, donde utilice todas las variables y el análisis de sensibilidad de coeficientes
del funcional y de los recursos.

84
 c) Indicar cuál es el intervalo de optimalidad del precio de todos los portones.
d) Se ha logrado luego de una profunda discusión con el gremio reducir las horas de planta,
pagándolas en un 40% por ciento las no necesarias ¿cuál es el ahorro logrado?
e) ¿Cómo puede mejorarse la utilidad respectando la capacidad instalada disponible? ¿Cuál sería
la producción óptima en ese caso? ¿qué variables permiten reducir costos? ¿Explique por qué?
f) Un importador ofrece un sustituto del A5 a un beneficio de 2890 ¿es posible no sustituir la
fabricación por la importación sin modificar el plan óptimo de producción?
g) Si por un acuerdo con distribuidores de los productos se efectúa un convenio de venta de 8
portones A1 y A2 en cualquier combinación de ellas ¿cómo se reformula el modelo? ¿cuál es la
solución óptima para ese caso?
h) El jefe de operaciones de planta ha logrado reducir a 10, 18 y 15 las horas de maquinado,
ensamblado y ajuste final del A3 ¿Es conveniente fabricar en ese caso más que 8 unidades?
i) Utilizando TORA como es más conveniente codificar las demandas máximas y mínimas.
j) Que recurso es más conveniente mejorar en inmersiones futuras para mejorar la utilidad.

10. El personal de seguridad ingresa cada 4 horas y trabaja en 6 turnos al día para minimizar las
distracciones y los problemas de comunicación que ocurren en los cambios de turno que
pueden perjudicar el colado de la fundición. La gerencia de personal ha realizado un análisis
del trabajo requerido durante cada uno de los seis períodos del día. Las características de cada
período son las siguientes:
Personal
Hora del día Período Mínimo
2 AM - 6 AM 1 6
6 AM - 10 AM 2 8
10 AM - 2 PM 3 14
2 PM - 6 PM 4 10
6 PM - 10 PM 5 11
10 PM - 2 AM 6 9

Los salarios del personal son de 120 pesos los de los turnos 1 y 6; 110 pesos el turno 5 y el resto 100
pesos. Los operarios del turno 3 no deben superar las 5 personas. Optimice los costos salariales.

85
a) Cuál es la solución obtenida señalando todas las variables incluyendo los precios sombras.
b) Utilizando una hoja de cálculo (TORA), hacer un informe de la política de contratación de
personal acorde a la solución obtenida donde utilice todas las variables y el análisis de
sensibilidad de coeficientes del funcional y de los recursos.
c) ¿Cuál es el intervalo de variación salarial de los operarios de cada turno que no afecta a la
solución óptima?
d) Como se podría reducirse el costo sin modificar los salarios de los turnos.
e) Utilizando TORA, como es más conveniente codificar la condición turno 5, no deben superar las
5 personas ¿cómo calcularía si esa condición se suprime?
f) En una negociación paritaria cual es el nivel máximo permisible de salarios en cada turno para
mantener la política de contrataciones al mejor costo mínimo posible.
g) Si nos ofrecen tercerizar el turno 6 ¿cuál es el personal mínimo que contrataríamos y a que
costo salarial mínimo?, respetando la solución obtenida.
h) Que salarios afectan más a los costos y cuáles son los turnos más factibles y sensibles para
producir alguna rebaja en función de mejorar a futuro el costo.
i) Afectaría a la solución óptima obtenida la exigencia que en el turno tres no haya más de 3
operarios ¿Por qué?
j) Suministrarle a la gerencia un abanico de soluciones óptimas factibles de igual costo óptimo.

11. Para producir la dieta para un criadero de ñandúes enanos(choique), en un criadero se deben
mezclar 4 tipos de alimentos balanceados de acuerdo a exigencias rigurosas para alcanzar al
menos las siguientes requerimientos mínimos de: Megalina 8 ut, Calcio 6 ut, Azúcares 16 ut y
grasas 20 ut, cada unidad de los alimentos balanceados básicos a utilizar contienen las
siguientes características en ut:
Tipo de balanceado Balanceado Balanceado Balanceado Balanceado
requerida A B C D
Megalina 4 5 3 3
Calcio 6 5 5 3
Azúcares 8 2 5 4
Grasas 4 8 4 3
Precios 310 285 370 350

86
Debido a las tolerancias diarias de los individuos en crianza el 40 por ciento de la mezcla total debe ser
del balanceado D, pudiendo las otras combinarse de cualquier manera. El stock máximo diario de el
Balanceado B es de dos unidades y el del balanceado A es de una unidad, no teniendo restricciones de
stock diario el resto.
a) Codificar el enunciado para utilizar las condiciones del método simplex, escribiendo el dual del
problema y señalando la categorización de variables.
b) Cuál es la solución obtenida, detallando el valor de todas las variables.
c) Utilizando una hoja de cálculo (TORA), hacer un informe de la política de MEZCLA acorde a la
solución obtenida, donde utilice todas las variables y el análisis de sensibilidad de coeficientes
del funcional y de los recursos.
d) Cuál es el intervalo de optimalidad de los costos de los balanceados básicos.
e) Se ha logrado luego de una profunda discusión con un proveedor reducir el costo de el
balanceado A en 10 % por ciento ¿Es conveniente comprarlo al nuevo precio?
f) ¿Puede disminuirse aún más el costo respetando los requerimientos mínimos? Fundamente su
afirmación o negación.
g) Un importador ofrece un sustituto del Balanceado D a un precio de 210 ¿es beneficio comprarlo
a ese precio? ¿qué ocurre con la solución nueva óptima? ¿Alguna contrapropuesta a la oferta?
h) Cual requerimiento es el único que sería posible modificar mejorando el costo mínimo sin
modificar la solución óptima topológica obtenida. ¿cómo se reformula el modelo? ¿cuál es la
solución óptima para ese caso?
i) El responsable de suministro de balanceados ha efectuado una investigación donde sería
posible modificar la tolerancia diaria de tal manera que sólo sería necesaria para la tolerancia
diaria mínima establecida que del balanceado D sea del 25 % en la mezcla total. ¿cómo se
reformula el modelo? ¿cuál es la solución óptima para ese caso?
j) Utilizando TORA como es más conveniente codificar el stock máximo y/o mínimo.

12. Pampa Global ha extendido su línea de producción a cuatro maquinarias cosechadoras:

LA PAMPA EX 90 cuyo precio de venta en dólares 110.000 + IVA (10.5%). Características: ancho de
labor: 19 pie metros, motor Deutz 160 hp, con 19 pies de corte, triturador, flexi trigo y soja, con vigía y
aire acondicionado, excelente mantenimiento.

87
LA PAMPA EX 90 PREFERENCIAL cuyo precio de venta en dólares es de 130.000 + IVA (10.5%), con
un motor Deutz 180 hp, con 25 pies de corte, triturador, flexi trigo, cebada y soja, con vigía y aire
acondicionado;
LA PAMPA FX100 cuyo precio de venta en dólares es 100.000 + IVA (10.5%). Características: ancho
de labor 19 pie metro cosechadora, motor Deutz 140hp, con 19 pies de corte, triturador, flexi trigo y
soja, con vigía., excelente mantenimiento y bajo consumo de combustible.
PAMPA ECOMAX cuyo precio de venta en dólares es 95,000 + IVA (10.5%). Características: ancho de
labor 17 pie metros cosechadora PAMPA FX, motor Deutz 140hp, con 19 pies de corte, triturador, flexi
trigo y soja.

Son armadas en la planta de la empresa en la localidad de Salto en la provincia de Buenos Aires, con
elementos adquiridos en nuestro país y de otros países del MERCOSUR. Empleando proyecciones
económicas correspondiente al próximo mes, el gerente de ventas de PAMPA GLOBAL considera que
será posible vender todas las cosechadoras que la compañía sea capaz de producir el mes entrante. Se
debe recomendar una meta de producción para el período mencionado buscando obtener la mejor
utilidad y respetando la capacidad instalada de la planta y sus restricciones financieras.

Indicar las variables de decisión, escribir modelo matemático, indicar las variables de Holgura y escribir
una solución básica.
Hacer un informe de la política de producción acorde a la solución obtenida.
Luego de un minucioso análisis de costos de producción totales unitarios de cada cosechadora, son:

EX 90 de 105.000 dólares;
EX 90 Preferencial 126.000 dólares;
FX 100 95.800 dólares
ECOMAX 89.000 dólares.

En la producción intervienen tres sectores: el de maquinado, ensamble y pintura, con una

disponibilidad de horas de trabajo mensuales de 290, 300 y 500 horas respectivamente;
Fabricación:

EX90 requiere 12 horas de maquinado, 20 de ensamblado y 16 de pintado.

EX90 PREFERENCIAL insume 18 horas más de maquinado, 1 de ensamblado y 2 de pintado.

88
FX 100 requiere 10 horas de maquinado, 10 de ensamblado y 20 de pintado.
ECOMAX insume 10 horas de maquinado, 9 de ensamble y 10 de pintado.

Para mantener la calidad de los productos terminados en un equilibrio presupuestario respecto a los
costos de personal y mantenimiento, y de acuerdo a las horas extras acordadas con el personal, las
horas totales de trabajo en la prueba final de productos terminados en el mes deben ser superiores a
las 120 horas. Estas se llevan a cabo por personal especializado en un campo anexo a la planta de
producción y son independientes de las actividades de los otros sectores, las cosechadoras EX
requieren 10 horas, la EX PREFERENCIAL 25 horas, las FX100 8 horas y la ECOMAX 6 horas por unidad
terminada. Como el fin de mantenerse en el mercado frente a sus competidoras el directorio ha
decidido como política operativa que deberá construirse cuando menos una PREFERENCIAL por cada
tres de los otros productos que sean fabricadas. Uno de los principales distribuidores ha ordenado
para el mes al menos ocho unidades pudiendo ser cualquier combinación de ambas.

a) Indicar las variables de decisión, escribir modelo matemático, indicar las variables de holgura y
hallar la solución óptima que garantice la máxima utilidad.
b) Utilizando una hoja de cálculo (TORA), hacer un informe de la política de producción acorde a la
solución obtenida.
c) Cuál es el intervalo de optimalidad del precio de la PREFERENCIAL y ECOMAX.
d) Se ha logrado luego de una profunda discusión con el gremio reducir las horas de planta en 610
horas, pagándolas en un 50% por ciento las no necesarias ¿cuál es el ahorro logrado?
e) ¿Cómo puede utilizarse toda la capacidad disponible? ¿Cuál sería la producción óptima en ese
caso?
f) Un importador ofrece una sustituta de la FX 100 a un precio de 102.500 + IVA (10.5%), ¿es
posible competir con él?
g) Que hubiera que modificar para logra producir por lo menos una cada tipo.
h) Si por un acuerdo con distribuidores de los productos se efectúa un convenio de venta de 6
maquinarias EX 90 y FX 100 en cualquier combinación de ellas ¿cómo se reformula el modelo?
¿Cuál es la solución óptima para ese caso?
i) El jefe de operaciones de planta ha logrado reducir a 10, 12 y 15 las horas de maquinado,
ensamble y pintura de la EX 90 ¿es suficiente para que se produzca?

89
 13. Willie Hanes es presidente de una microempresa de inversiones que se dedica a administrar la
cartera de acciones de varios clientes. Un nuevo cliente ha solicitado que la compañía se haga
cargo de administrar para él una cartera de 200.000 dólares .El cliente tiene preferencia por
una mezcla de tres tipos de acciones únicamente, como podemos apreciar en la siguiente:

Acciones Precio por Rendimiento anual Inversión

acción estimado por acción Máxima Posible

Azucarera GS 60 7 100.000
Bridas Corp. 25 3 80.000
Agrícola Exim 20 3 40.000

Formular un modelo que pueda resolver el tipo de inversión a realizar e informar sobre el escenario de
todas las variables.
14. Una compañía de inversiones tiene actualmente 10.000.000 de dólares disponibles, sus cuatro
posibilidades de inversión se presentan en la siguiente tabla:

Posibilidad de Retribución Inversión Máxima

inversión esperada % Posible
Bonos de la tesorería 8 5.000.000
Acciones ordinarias. 6 7.000.000
Mesas de dinero 12 2.000.000
Títulos públicos 9 4.000.000

Formular un modelo que pueda determinar la mejor inversión, el tipo de inversión a realizar e informar
sobre el escenario de todas las variables.

15. Acopios El Chúcaro, el presidente en una reunión mensual junto al gerente de ventas y el de
compras deben decidir la política mensual de la empresa. Se tienen órdenes de compras para
puerto Rosario de 120 - 140 tn y puerto Buenos Aires 90-120 tn de acuerdo a las siguientes
características:

90
 Tolerancias máximas para cada grado

Peso Hectolítrico Granos Granos Materias HUMEDAD

puerto GRANOS
Mínimo Kg./hl. Dañados Quebrados Extrañas %
PICADOS
% % (1) % %

RO 75-70 3,00 2,00 1,50 3,0 15.5

BA 72-70 5,00 5,00 2,20 3,5 16

El gerente de compras ha hecho un minucioso inventario de las cantidades recibidas y las

características de las existencias en los silos de la planta en tres tipos de cantidades:
M1 hasta 60 tn, M2 hasta 80 tn y M3 hasta 50 tn.

Tolerancias máximas para

Peso cada grado GRANOS HUMED

Costo Hectolítrico Granos Granos Materias PICADOS AD
Mínimo Kg./hl. Dañados Quebrados Extrañas % %

% % (1) %

135 75 3,00 2,00 1,00 3,00 15

132 72 5,00 3,00 1,50 3,00 15,5

121 70 5,00 5,00 2,20 3,5 16

También pueden adquirirse a El Yacaré granos adicionales a un precio a convenir en un rango de

132,5 a 135 dólares la tn .con las características del grano M2 hasta 100 tn.
Es política primordial de la empresa cobrar un cargo adicional del 15% sobre el costo del grano
suministrado a sus clientes para los dos primeros tipos de Maíz y del 18% para el tercero. Se debe
informar a los despachantes de Puerto Rosario y Buenos Aires la cantidad de granos y tipos que
recibirán y sus precios. El costo del flete puesto en puerto por tn es de 0.01% para Rosario y de 0.02%
para Buenos Aires a cargo de El Chúcaro (a descontar de su cargo adicional).
El Chúcaro mezcla los granos para atender la demanda con el objetivo de vender todas sus existencias
maximizando el ingreso, manteniendo los precios de venta a sus clientes lo suficientemente bajos para
hacer buenos negocios a futuro.

91
a) Desarrollar un modelo para ayudar a la toma de decisiones en El Chúcaro
b) Señale las variables de decisión
c) Señale la función objetivo
d) Señale las restricciones
e) Indique el modelo matemático con las variables de holgura, especificándolas conceptualmente.
f) Señale el modelo Dual y la conceptualización del mismo y su solución.
g) Describa la solución final
h) Describa el análisis de sensibilidad de los coeficientes del funcional
i) Describa el análisis de sensibilidad de los coeficientes de los recursos.
j) Efectúe un informe para entregarlo a cada uno de los clientes con cantidad de Maíz, tipo y
precio a entregar.
k) Formule detalladamente su informe al presidente de El Chúcaro, según su análisis de acuerdo a
la solución. Formule recomendaciones que mejoren el ingreso o las ganancias.
l) Formule otra solución óptima a la detallada.
m) Cuál es el límite de precio Max a negociar con el Yacaré, contemplando por separado
suministros a cada puerto.
n) Cuál es el límite de las cantidades según los precios a negociar con el Yacaré, contemplando
por separado suministros a cada puerto.
o) Sería conveniente no utilizar todas nuestras existencias y comprar más al Yacaré para mejorar
nuestras ganancias ¿sería factible? ¿qué modificaciones le haría al modelo para ese fin?
p) ¿Qué tipo de maíz a futuro nos conviene acopiar? ¿por qué?
q) ¿Cuánto rinde cada tn de maíz tipo 2 acopiado?
r) ¿A qué puerto conviene más suministrarle maíz? ¿puede decidirse tb de que tipo?
s) Si cree conveniente conjeturar nuevas alternativas en búsqueda de nuevas situaciones más
ventajosas para El Chúcaro, formule distintos modelos con el conjunto de datos y conceptualice
sus variables. de acuerdo a si se debe comprar producto a El Yacaré, las cantidades a
suministrar a cada puerto y las existencias en el silo de tipos de Maíz y su contribución marginal
unitaria por tn.
t) Si el Yacaré incrementase sus precios en un 10% y redujera su oferta a solo 50 tn ¿modifica la
solución óptima? ¿cómo? ¿Por qué?

92
BIBLIOGRAFÍA
Hamdy A.Taha Investigación de Operaciones (Editorial Pearson)

Eppen,Gould,Schmidt,Moore,Weaherford Investigación de Operaciones en la Ciencia

Administrativa (Editorial Pearson)

Dresdner-Evelson-Dresdner-Dreyfus Técnicas Cuantitativas. (Editorial Universo)

Sylvester-Donato Problemas Desarrollados de Investigación Operativa

(Univ.Nac.del Sur, Bahía Blanca)

Ackoff-Sasieni Fundamentos de Investigación de Operaciones. (Ed. Limusa, México )

93
94
 TRANSPORTE Y ASIGNACIONES

Modelo de transporte

¿Qué significa problema de transporte? Supongamos que un fabricante tiene tres plantas que
producen el mismo producto. Estas plantas a su vez envían el producto a cuatro depósitos.
Cada planta puede enviar productos a todos los depósitos, pero el costo de transporte varía
con las diferentes combinaciones. El problema es determinar la cantidad que cada planta debe
enviar a cada depósito, con el fin de minimizar el costo total de transporte.
La manera más fácil de reconocer un problema de transporte es por su naturaleza o
estructura, “de-hacia”: de un origen hacia un destino, de una fuente hacia un usuario, del
presente hacia el futuro, de aquí hacia allá, una relación de uno a otro.
Al enfrentar este tipo de problemas, la intuición dice que debe haber una manera de obtener
una solución.
Se conocen las fuentes y los destinos, las capacidades y demandas y los costos de cada
trayectoria. Debe haber una combinación óptima que minimice el costo (o maximice la
ganancia). La dificultad está en el gran número de combinaciones posibles, debido a eso el
problema del transporte recurre a buscar soluciones con la computara y software
especializado.
El responsable de gestión del trasporte debe determinar una política óptima: cómo hacer
llegar los productos de sus diversos depósitos, plantas de producción o bodegas a
sus consumidores o clientes, con el objeto de satisfacer la demanda o pedidos a un
costo mínimo de transporte o de envío.

El modelo de transporte debe determinar un plan de transporte o envío de una mercancía de

varias fuentes a varios destinos, es decir, cantidad de unidades de productos que se enviará
de cada fuente a cada destino tal que se minimice el costo de transporte total.

95
Datos:
1. Nivel de oferta en cada fuente y cantidad de demanda en cada destino.
2. El costo de transporte unitario de la mercancía de cada fuente a cada destino.

Planteamiento del Modelo de Transporte:

El Modelo General de Programación lineal que representa el modelo de transporte es el

siguiente:
Minimizar
Sujeto a:

En este modelo general implica que la oferta total debe ser cuando menos igual a la demanda
total.

Cuando la oferta total es igual a la demanda total, la formulación resultante recibe el nombre
de Modelo de Transporte Balanceado. Este difiere del modelo general sólo en el hecho de
que todas las restricciones son ecuaciones, es decir:

En la realidad se puede encontrar que la oferta no sea igual a la demanda, sin embargo un
modelo de transporte siempre puede balancearse.

96
Propiedades de los Problemas de Transporte:
1. Soluciones Enteras.
Para los problemas de transporte en donde las ofertas y las demandas tienen un valor
entero, todas las variables básicas (asignaciones), en toda solución básica inicial factible
(incluyendo la óptima), tienen también valores enteros.

2. Soluciones Factibles.
Una condición necesaria y suficiente para que un problema de transporte tenga soluciones
factibles es que: Los recursos totales disponibles (ofertas) deben ser iguales a las exigencias
totales (demanda), lo que exige entonces que el problema debe estar balanceado.
Si no se cumple, entonces significa que ó están indicando que hay un requerimiento que
no es exacto; por esta razón se debe introducir en el modelo un origen o destino "imaginario"
o "ficticio".

Interpretación de las fuentes y destinos ficticios:

i. La cantidad de unidades enviadas a un destino desde una fuente ficticia,

representará la cantidad faltante en ese destino.
ii. La cantidad de unidades enviadas a un destino ficticio desde una fuente,
representará una cantidad excedente en esa fuente.

El costo de transporte unitario asociado es cero (0), puesto que en el caso i. no se están
enviando las unidades ya que no existen; en el caso ii. Las unidades permanecen en la fuente
ya que el destino es ficticio.

Puede formularse un problema de transporte como un problema de programación lineal y

aplicarse el método simplex. Si se hiciera, se encontraría que los problemas de transporte
tienen características matemáticas únicas. Para visualizar esto, considérese el siguiente
ejemplo:

97
Harina de Soja embolsada es uno de los productos más importantes de la compañía P & T.
La Harina de Soja se prepara en tres Embolsados en:
Salto (Prov. de Bs As)
Rufino (Santa Fe)
Río IV (Córdoba)
Después se envían por camión a cuatro depósitos de distribución:
Rosario (Santa Fe)
Bahía Blanca (Provincia de Bs As)
Santa Rosa (La Pampa)
Villa Mercedes (San Luis)

Puesto que los costos de embarque constituyen un gasto importante, la gerencia ha iniciado
un estudio para reducirlos lo más posible que se pueda. Se ha hecho una estimación de la
producción de cada Embolsado para la próxima temporada, y se ha asignado a cada Depósito
una cierta cantidad de la producción total de Harina de Soja.

En la siguiente tabla se proporciona esta información (en unidades de carga de camión), junto
con el costo de transporte por camión cargado para cada combinación de embolsado-depósito.
Como se ve hay un total de 300 cargas de camión que se deben transportar. El problema es
determinar el plan de asignación de estos embarques a las distintas combinaciones de
embolsado-depósito que minimice el costo total de transporte.

Costo de Embarque por carga($)

Depósito
1 2 3 4 Producción
1 464 513 654 867 75
Embolsado 2 352 416 690 791 125
3 995 682 388 685 100
Asignación 80 65 70 85 300

98
Este de hecho, es un problema de programación lineal del tipo de los problemas de transporte.
Para formularlo, sea Z el costo total de transporte y sea xij (i = 1, 2, 3; j = 1, 2, 3, 4).
El número de cargas de camión que se mandan de la Embolsado i al Depósito j.
Entonces el objetivo es seleccionar los valores de estas 12 variables de decisión (las xij) para:

Minimizar Z= 464x11 + 513x12 + 654x13 + 867x14 + 352x21 + 416x22 + 690x23 + 791x24

995x31 + 682x32 + 388x33 + 685x34

Sujeto a las restricciones:

x11 + x12 + x13 + x14 = 75

x21 + x22 + x23 + x24 = 125
x31 + x32 + x33 + x34 = 100
x11 + x21 + x31 = 80
x12 + x22 + x32 = 65
x13 + x23 + x33 = 70
x14 + x24 + x34 = 85

xij 0 (i = 1, 2, 3; j = 1, 2, 3, 4)

La siguiente tabla muestra los coeficientes de las restricciones. Como se verá enseguida, lo
que distingue a este problema como un problema de transporte es la estructura especial en el
patrón de estos coeficientes, no su contexto.

Entre paréntesis, la solución óptima para este problema es x11 = 0, x12 = 20, x13 = 0, x14 = 55,
x21 = 80, x22 = 45, x23 = 0, x24 = 0, x31 = 0, x32 = 0, x33 = 70, x34 = 30. Cuando se conozca la
prueba de optimalidad se podrá verificar este resultado.

99
 Coeficiente de :
x11 x12 x13 x14 x21 x22 x23 x24 x31 x32 x33 x34
1 1 1 1 Restricciones de
1 1 1 1 Embolsado

1 1 1 1
A= 1 1 1
1 1 1 Restricciones de
1 1 1 Deposito
1 1 1

Modelo general del problema de transporte

Para describir el modelo general del problema de transporte es necesario emplear términos
que sean menos específicos, que los que se usaron para los componentes del ejemplo
prototipo.
En particular, el problema general de transporte se refiere (literal o en sentido figurado) a la
distribución de cualquier bien desde cualquier grupo de centros de abastecimiento, llamados
orígenes, a cualquier grupo de centros de recepción, llamados destinos, de tal manera que
se minimicen los costos totales de distribución.
La correspondencia en terminología entre el ejemplo prototipo y el problema general se
resume en la siguiente tabla:
Ejemplo prototipo Problema general
Cargas de Harina de Soja embolsada Unidades de un bien
Tres Embolsados m orígenes
Cuatro depósitos n destinos
Producción de la Embolsado i si recursos en el origen i
Asignación al Depósito j Demanda dj en el destino j
Costo de embarque por carga Costo cij por unidad distribuida
desde la Embolsado i al Depósito j desde el origen i al destino j

100
Por lo general, el origen i (i = 1, 2,..., m) dispone de si unidades para distribuir a los destinos.
El destino j (j = 1, 2,..., n) tiene una demanda de dj unidades que recibe desde los orígenes.
Una suposición básica es que el costo de distribución de unidades desde el origen i al destino j
es directamente proporcional al número distribuido, donde cij denota el costo por unidad
distribuida. Igual que para el ejemplo prototipo, estos datos de entrada se pueden resumir en
forma muy conveniente en la tabla de costos y requerimientos que se muestra enseguida:

Costo por unidad distribuida

Destino
1 2 ... n Recursos
1 c11 c12 . . . c1n s1
Origen 2 c21 c22 . . . c2n s2
. . . . .
m cm1 cm2 . . . cmn sm
Demanda d1 d2 . . . dn

Sea Z el costo total de distribución y xij (i = 1, 2,..., m ; j = 1, 2,..., n) el número de unidades

que se distribuyen del origen i al destino j, la formulación de programación lineal para este
problema es:
m n
c ij xij
Minimizar Z= i 1 j 1

Sujeto a
n
x
j 1
ij  si para i = 1, 2, ..., m

m
x
i 1
ij  dj para j = 1, 2, ..., n

xij 0, para toda i y j

101
 Note que la tabla que resulta de los coeficientes de las restricciones tiene la estructura
especial que se muestra en la siguiente tabla:

Coeficiente de :
x11 x12 … … x1n x21 x22 … … x2n x31 x32 … … x3n
1 1 …. … 1
1 1 … … 1 Restricciones
de Origen
1 1 … … 1
A= 1 1 1
1 1 1
… … … Restricciones
… … … de Destino
1 1 1

Cualquier problema de programación lineal que se ajuste a esta formulación especial es del
tipo de problemas de transporte, sin importar su contexto físico. De hecho, se han realizado
numerosas aplicaciones no relacionadas con el transporte que se ajustan a esta estructura
especial. Ésta es una de las razones por las que el problema de transporte se suele considerar
como uno de los tipos especiales de problemas de programación lineal más importantes.

Una condición necesaria y suficiente para que un problema de transporte tenga soluciones
factibles es que:
m n
 si   dj
i 1 j 1

Esta propiedad se puede verificar observando que las restricciones requieren que:
m n m n
s
i 1
i y d
j 1
j sean iguales a x
i 1 j 1
ij

Esta condición de que los recursos totales deben ser iguales a la demanda total en
realidad exige que el sistema esté balanceado.

102
Si el problema tiene algún significado físico y esta condición no se cumple, casi siempre
significa que, o bien si, o bien dj de hecho representan una cota y no un requerimiento
exacto.
Si este es el caso, se puede introducir un “origen” o “destino” imaginario (llamado origen
ficticio o destino ficticio) para captar la holgura, con el fin de convertir las desigualdades
en igualdades y satisfacer la condición de factibilidad.

El problema de transporte es sólo un tipo especial de problemas de programación lineal y

puede resolverse aplicando el método simplex tal y como lo hemos estudiado. Sin embargo,
veremos que si se aprovecha la estructura especial que se muestra en la tabla anterior, se
puede lograr un importante ahorro en los cálculos.
Se hará referencia a este procedimiento simplificado como el método simplex de
transporte.
Para hacer hincapié en la simplificación lograda por el método simplex de transporte, se
revisará primero la forma en que el método simplex general (no simplificado) establecería el
problema de transporte en forma tabular. Después de construir la tabla de los coeficientes de
restricción (vea la tabla anterior), de convertir la función objetivo a la forma de maximización y
de usar el método de la M para introducir las variables artificiales z1, z2, ..., zm+n en las m+n
ecuaciones de restricción respectivas, se ve que las columnas de la tabla simplex tendrían la
forma que se muestra en la siguiente tabla:

Variable Ec. Coeficiente de Lado

básica núm. Z ... xij ... zi ... zm+j ... derecho
Z (0) 1 cij M M 0
(1)
.
zi (i) 0 1 1 si

zm+j (m+j) 0 1 1 dj

(m+n)

103
En esta tabla, todos los elementos que no se muestran en estas columnas son ceros. El único
ajuste que queda por hacer antes de la primera iteración es eliminar algebraicamente los
coeficientes distintos de cero de las variables básicas iniciales (artificiales) en el renglón de Z
(renglón 0).

Después de cualquier iteración subsecuente, el renglón 0 tendría la forma que se muestra en

la siguiente tabla:

Variable Ec. Coeficiente de Lado

básica núm Z ... xij ... zi ... zm+j ... derecho
m n
  siui   djvj
i 1 j 1
Z (0) 1 cijui Mui Mvj
vj

A causa del patrón de ceros y unos que siguen los coeficientes en la tabla anterior, u i y vj
tienen la siguiente interpretación:

ui = múltiplo del renglón i original que se ha restado (directa o indirectamente) del renglón 0
original durante todas las iteraciones del método simplex que llevaron a la tabla actual.

vj = múltiplo del renglón m+j original que se ha restado (directa o indirectamente) del renglón
0 original durante todas las iteraciones del método simplex que llevaron a la tabla actual.

El renglón 0 actual se puede obtener sin usar ningún otro renglón con sólo calcular los valores
de ui y vj directamente.
Como cada variable básica debe tener coeficiente cero en el renglón 0, estos valores se
pueden obtener resolviendo el sistema de ecuaciones:
cijuivj = 0 para cada i y j tal que xij es variable básica, lo cual se puede hacer de manera
directa.

104
Además de los datos de entrada (los valores de cij, si y dj), la única información que necesita el
método simplex de transporte es la solución básica factible actual, los valores actuales de u i y
vj y los valores resultantes de cijuivj para las variables no básicas xij.
Cuando se resuelve un problema a mano es conveniente registrar esta información en una
tabla simplex de transporte, como la que se muestra enseguida:

En los casos en que la sumatoria de todo lo que se produce en todos los orígenes es mayor
que la sumatoria de todo lo que se demanda en todos los destino o viceversa, entonces se
dice que el problema no está balanceado. En estos casos lo primero que se debe hacer antes
de intentar resolver el problema es balancearlo.

m n
 si  dj
Para el caso de SOBREPRODUCCIÓN ( i 1  j 1 )

Si se dispone de mayor producción de la que se demanda, entonces para balancear el

problema se agrega un destino imaginario o artificial (llamado también destino ficticio), el cual
tendrá como demanda dicha sobreproducción.

105
En cuanto a los costos asociados a este nuevo destino los estableceremos a cero (¿por qué?).
El siguiente dibujo muestra lo que se debe hacer:

Donde:
m n

s  di j

dn+1 = i 1 j 1

ci,n+1 = 0, para i = 1, 2,..., m

n n

 dj s i

Para el caso de SOBREDEMANDA ( j 1

 j 1
)
Si el caso es que se tiene mayor demanda de lo que se produce, entonces para
balancear el problema se agrega un origen imaginario o artificial (llamado también origen
ficticio) el cual tendrá como recursos (producirá) dicha sobredemanda. En cuanto a los costos
asociados a este nuevo origen los estableceremos a cero (¿por qué?). El siguiente dibujo
muestra lo que se debe hacer:

106
Donde:
n m

 dj   si
sm+1 = j 1 i 1

cm+1j = 0 para j = 1, 2,..., n

Como todas las restricciones funcionales en el problema de transporte son igualdades, el

método simplex obtendría una solución inicial básica factible introduciendo variables artificiales
y usándolas como variables básicas iniciales.
La solución básica que resulta de hecho sólo es factible para la versión aumentada del
problema, por lo que se necesita un buen número de iteraciones para hacer que el valor de
estas variables artificiales sea cero y se alcancen las soluciones básicas factibles reales.
El método simplex de transporte pasa por alto todo esto, pues usa un procedimiento más
sencillo para construir directamente una solución básica factible real en la tabla de transporte.
Antes de describir este procedimiento, es necesario establecer que el número de variables
básicas en cualquier solución básica de un problema de transporte es una menos de lo que se
espera.
Normalmente en los problemas de programación lineal, se tiene una variable básica por cada
restricción funcional. En los problemas de transporte con m recursos y n destinos el número
de restricciones funcionales es m +n.

Sin embargo, el número de variables básicas = m + n  1.

107
Esto se debe a que se manejan restricciones de igualdad y este conjunto de m + n ecuaciones
tiene una ecuación adicional o (redundante) que se puede eliminar.
La razón es que se sabe que la cantidad total que se envía desde todos los orígenes debe ser
igual que la cantidad total que se recibe en todos los destinos.
Por lo tanto, cualquier solución básica factible en una tabla de transporte debe aparecer con
exactamente m + n  1 asignaciones no negativas, en donde la suma de las asignaciones en
cada renglón o columna es igual a su demanda o sus recursos.

Métodos para encontrar soluciones factibles.

Al iniciar, todos los renglones de los orígenes y las columnas de destinos de la tabla simplex de
transporte se toman en cuenta para proporcionar una variable básica (asignación).

1. Se selecciona la siguiente variable básica (asignación) entre los renglones y columnas

en que todavía se puede hacer una asignación de acuerdo a algún criterio.
2. Se hace una asignación lo suficientemente grande como para que use el resto de los
recursos en ese renglón o la demanda restante en esa columna (cualquiera que sea la
cantidad más pequeña).
3. Se elimina ese renglón o columna (la que tenía la cantidad más pequeña en los
recursos o demanda restantes) para las nuevas asignaciones. (Si el renglón y la
columna tiene la misma cantidad de recursos y demanda restante, entonces
arbitrariamente se elimina el renglón. La columna se usará después para proporcionar
una variable básica degenerada, es decir, una asignación con cero unidades.)
4. Si sólo queda un renglón o una columna dentro de las posibilidades, entonces el
procedimiento termina eligiendo como básicas cada una de las variables restantes (es
decir, aquellas variables que no se han elegido ni se han eliminado al quitar su renglón
o columna) asociadas con ese renglón o columna que tiene la única asignación
posible. De otra manera se regresa al paso 1.

108
PROBLEMA:

La destilería “San Lorenzo S.A.” posee tres plantas de producción: Ensenada, Dock Sud y San
Lorenzo. Las capacidades de las tres plantas durante el próximo trimestre serán de 1.000,
1.500 y 1.200 (en camiones cisternas de 35.000 litros por camión).
Dos centros principales de distribución, Rosario que demanda 2.300 camiones y Buenos Aires
que demanda 1.400. El costo de cada viaje en dólares está determinado por:

Rosario Buenos
Aires

Ensenada 210 110

Dock Sud 160 80
San Lorenzo 68 215

109
 Rosario Buenos Aires Oferta
Ensenada 1.000
Dock Sud 1.500
San Lorenzo 1.200
Demanda 2.300 1.400

Resolución:

Empiezo por la fuente uno y asigno el menor costo es decir las 1000 a la variable ,bajo a la
segunda fuente asigno lo que falta de Buenos Aires al menor costo que es y el resto
de la oferta a Rosario es decir 1100.

Ahora analizo la otra fuente San Lorenzo, optimizo la mayor producción a menor costo de
distribución que es Rosario donde restaban por cubrir 1200 camiones hago entonces =1200
y cubrí todas las demanda sin que me sobre lo producido en alguna destilería.

¿Cómo proceder si la demanda es diferente a la oferta?

Supongamos ahora que en la destilería San Lorenzo se produce un excedente de 200

camiones, por lo que el problema queda desbalanceado.

110
Esto se resuelve fácilmente, agregando un destino ficticio de tal manera que en ese destino
destinamos el sobrante de combustible; en la solución estos 200 camiones los tendremos de
reserva o para vender a otra destilería.

Si Buenos Aires requiere supongamos un agregado de 300 camiones a su pedido habitual de

1400, debemos instalar una fuente ficticia que abastezca esa cantidad, lo que significará que
debemos comprar esa cantidad en otra destilería para abastecer el pedido de Buenos Aires

Utilizando excell
Ejemplo - Problema:
La Farmacéutica “Carlton” abastece de drogas y otros suministros médicos.
Tiene tres plantas en: Claveland, Detroit, Greensboro.
Posee cuatro centros de distribución en:
Boston, Atlanta, St. Louis.
La gerencia de Carlton desea realizar el transporte de sus productos de la manera más
económica posible, el costo es:

a) El costo de transporte por unidad es constante.

b) Todos los transportes ocurren simultáneamente.
c) Solo se considera el costo de transporte entre el lugar de origen y el de destino.
d) La oferta total es igual a la demanda total.

Variables de decisión:

111
112
Interpretación de los resultados del análisis de sensibilidad
Reducción de Costos:
La cantidad a transportar que reduce el costo por unidad entrega la ruta más económicamente
atractiva.
Si una ruta debe usarse obligatoriamente, incurriendo así en el costo que ello significa, por
cada carga transportada, el costo total aumentara en una cantidad igual a la reducción del
costo hecha.
Precios Sombra:
Para las plantas el precio sombra de transporte corresponde al costo de cada unidad
disponible en la planta.
Para las distribuidoras, el precio sombra de transporte corresponde al costo de cada unidad
extra demandada por la distribuidora.

Método de la esquina noroeste

Regla de la esquina noroeste: la primera elección es x11 (es decir, se comienza en la
esquina noroeste de la tabla simplex de transporte). De ahí en adelante, si x ij fue la última
variable básica seleccionada, la siguiente elección es xi,j+1 (es decir, se mueve una columna a
la derecha) si quedan recursos en el origen i. De otra manera, se elige xi+1,j (es decir, se
mueve un renglón hacia abajo).
Para hacer más concreta esta descripción, se ilustrará el procedimiento general, utilizando la
regla de la esquina noroeste en el siguiente ejemplo:

recursos
3 7 6 4 5

2 4 3 2 2

4 3 8 5 3

demanda 3 4 2 1 10 \ 10

113
Lo primero que debemos hacer al resolver cualquier problema de transporte es comprobar que
esté balanceado, si no lo estuviera, agregamos un origen o un destino artificial según sea el
caso para conseguir que el problema quede balanceado y podamos comenzar a resolverlo.

En nuestro ejemplo, la sumatoria de los recursos de los tres orígenes es de 10 unidades que
es igual a la sumatoria de las demandas de los destinos, por lo que nuestro problema está
balanceado y podemos iniciar con la resolución.

Comenzamos asignando en la esquina noroeste de la tabla, es decir, en la celda

correspondiente a la variable básica x11.
Paso 1: podemos observar que en la primera columna se demandan 3 unidades del bien y en
el primer renglón disponemos de 5 unidades, entonces enviamos las 3 unidades demandadas
desde el origen 1 hacia el destino 1 (ya que hay los recursos suficientes para satisfacer toda la
demanda).
Paso 2: disminuimos a 2 los recursos restantes en ese origen. Con esto cubrimos toda la
demanda del primer destino (ó Depósito).
Paso 3: lo cancelamos para las próximas asignaciones.
recursos
3 3 7 6 4 52

2 4 3 2 2

4 3 8 5 3

demanda 3 0 4 2 1 10 \ 10

La siguiente asignación será en la celda correspondiente a la variable x 12 (paso 1) ya que

todavía le quedan recursos al origen 1 (además es la esquina noroeste de la tabla restante
después de haber eliminado la primera columna).

114
Notemos que en el segundo destino se demandan 4 unidades del bien y ahora solamente se
disponen de 2 unidades en el origen 1, entonces se envían las 2 unidades del origen 1 al
destino 2 para satisfacer 2 de las 4 unidades demandadas en este destino quedando 2 por
satisfacer (paso 2) y cancelamos el origen 1 ya que no tiene más unidades del bien para
enviar a otro destino (paso 3).
recursos
3 3 7 2 6 4 52 0

2 4 3 2 2

4 3 8 5 3

demanda 3 0 42 2 1 10 \ 10

La siguiente asignación será en la celda correspondiente a la variable x 22 (paso 1) ya que no le

quedan unidades del bien al origen 1 (notemos también que esa celda es la que se encuentra
en la esquina noroeste de la tabla restante después de haber eliminado el primer renglón y la
primera columna y no olvidemos que estamos aplicando la regla de la esquina noroeste). Ya
que solamente faltan 2 unidades para satisfacer por completo la demanda del segundo destino
y se disponen exactamente de 2 unidades en el segundo origen, entonces enviamos 2
unidades del bien del origen 2 al destino 2 (paso 2) y cancelamos el segundo renglón ya que
no le quedan más unidades para enviar a otro destino.
Dejamos pendiente la eliminación de la segunda columna ya que nos servirá más adelante
para hacer la asignación de una variable básica degenerada, es decir, una asignación con cero
unidades (paso 3):

115
 recursos
3 3 7 2 6 4 52 0

2 4 2 3 2 20

4 3 8 5 3

demanda 3 0 420 2 1 10 \ 10

La siguiente asignación será en la celda correspondiente a la variable x 32 (paso1) ya que no le

quedan más unidades al origen 2. Notemos que “se demandan cero unidades del bien en el
segundo destino”, en este momento es cuando hacemos una asignación de cero unidades
convirtiendo así a la variable x32 en una variable básica degenerada (paso 2) y ahora sí
podemos cancelar la segunda columna para ya no considerarla más en las siguientes
asignaciones (paso 3). Notemos que esta demanda de cero unidades es satisfecha sin ningún
problema por el origen 3 ya que éste dispone todavía de 3 unidades del bien:

recursos
3 3 7 2 6 4 52 0

2 4 2 3 2 20

4 3 0 8 5 3

demanda 3 0 420 2 1 10 \ 10

Como solamente queda un renglón dentro de las posibilidades (el renglón 3 no ha sido
cancelado), entonces aplicando el paso 4 del procedimiento general para construir una
solución inicial básica factible, la siguiente asignación será en la celda que corresponde a la
variable x33 (paso 1). Ya que la demanda del tercer destino (2 unidades) puede ser satisfecha
muy bien por el tercer origen, entonces enviamos 2 unidades del bien del origen 3 al destino 3

116
quedando solamente 1 unidad en el tercer origen (paso 2) para enviarlo al cuarto destino y
con eso cubrir su demanda de una unidad, cancelando de esta manera tanto el destino 3
como el destino 4 y el tercer renglón ya que la demanda de todos los destinos ya ha sido
satisfecha y no quedan más unidades del bien en ningún origen:

recursos
3 3 7 2 6 4 52 0

2 4 2 3 2 20

4 3 0 8 2 5 1 30

demanda 3 0 420 2 0 10 Costo =52

La solución inicial básica factible es x11=3, x12=2, x22=2, x32=0 (variable básica
degenerada), x33=2 y x34=1 y el costo total de transporte asociado a esta primera “Política de
Transporte” factible es de:

x11 c11 x12 c12 x22 c22 x32 c32 x33 c33 x34 c34
Costo= 3 . (3) + 2 . (7) + 2 . (4) + 0 . (3) + 2 . (8) + 1 . (5) = 52unidades

Es necesario aclarar que esta no es la solución final del problema, es necesario aplicar a esta
primera solución factible la prueba de optimalidad ya que puede existir una mejor “pol tica de
transporte” que minimice todavía más el costo total.

117
PROBLEMA:

Tres plantas de energía eléctrica con capacidades de 25, 40 y 50 millones de kilovatios/hora,

proporcionan electricidad a tres ciudades.
La demanda máxima es de 30, 35 y 25 millones de kilovatios/hora.
El costo de transporte por millón de kilovatio/hora está dado en la siguiente información:
Ciudad 1 Ciudad 2 Ciudad 3
Planta 1 $600 $700 $700
Planta 2 $320 $300 $350
Planta 3 $500 $480 $450

Encuentre una solución óptima por el Método de la esquina noreste:

Después construimos la tabla de transporte asociada e iniciamos asignando 25 a la celda (1;1)
y ajustamos la oferta y la demanda como se muestra en la tabla:

Ahora asignamos 5 a la celda (2;1) y ajustamos la oferta y la demanda como se muestra en la

tabla:

118
En seguida asignamos 35 a la celda (2;2) y ajustamos la oferta y la demanda como se muestra
en la tabla:

Posteriormente asignamos 0 a la celda (3;2) y ajustamos la oferta y la demanda como se

muestra en la tabla:

Después ajustamos el renglón restante, como se muestra en la tabla:

Entonces tenemos una solución inicial:

X11=25; x21=5; x22=35; x32=0; x33=25 y x34=25, con un costo mínimo

de $38.350

119
 Modelos de Asignación

Definición del Problema

“n” trabajadores deben ser asignados a “m” trabajos.
Un costo unitario (o ganancia) Cij es asociado al trabajador i que realizara el trabajo j.
Minimizar el costo total (o maximizar la ganancia total) de la asignación de trabajadores a sus
respectivos empleos que le corresponde a cada uno, tratando de que esta asignación sea la
óptima posible.

Problema
Los tres hijos de Giorgio, Juan, Karina y Tomás tiene tres tareas designadas:
Cortar el pasto, pintar la cochera y lavar los autos de la familia.
Cada hijo puede presentar sus costos de manera secreta para cada actividad.
Ofertas que están resumidas en la siguiente tabla:

120
Realizamos el problema por TORA como transporte

121
Realizamos el problema por TORA como programación lineal

122
123
Problema
El Profesor Mitchell ha terminado 4 capítulos de su libro y está pensando en pedir ayuda para
culminar dicho volumen. El ha elegido a 4 secretarias que podrían tipear cada uno de sus
capítulos. El costo asociado refleja la velocidad de la secretaria y la exactitud con la que realiza
el trabajo. Además los capítulos difieren en la cantidad de hojas y en su complejidad.
¿Qué solución podrá adoptar el profesor conociendo la siguiente tabla?

Resolvemos:

124
Si el número de líneas es igual al número de filas “es la solución óptima”. En caso contrario,
identificar el menor valor no rayado restarlo a los demás números no rayados y sumarlo en las
intersecciones, (para este caso corresponde al valor 2).

Suele ocurrir que no siempre los pasos son tan sencillos de implementar, porque puede que la
asignación no sea factible en ese caso hay que:
a) Trazar la cantidad mínima de filas y columnas que en la última matriz cubren todos los
ceros.
b) Seleccionar el mínimo elemento no cubierto, restarlo de todo elemento no cubierto y a
continuación sumarlo a todo elemento en la intersección de una fila con una columna.
c) Si no se puede encontrar una asignación factible entre los elementos cero que resulten,
hay que repetir el procedimiento.

125
 APENDICE
OTROS METÓDOS DE TRANSPORTE

Método de aproximación de Vogel

Para cada renglón y columna que queda bajo consideración, se calcula su diferencia, que se
define como la diferencia aritmética entre el costo unitario más pequeño (cij) y el que le sigue
de los valores que quedan en ese renglón o columna. (Si se tiene un empate para el costo
más pequeño de los restantes de un renglón o columna, entonces la diferencia es 0).

En el renglón o columna que tiene la mayor diferencia se elige la variable que tiene el menor
costo unitario que queda. (Los empates para la mayor de estas diferencias se pueden romper
de manera arbitraria).

Para hacer más concreta esta descripción, se ilustrará el procedimiento general, utilizando el
método de aproximación de Vogel para resolver el ejemplo presentado anteriormente y que
fue resuelto por la regla de la esquina noroeste:

Iniciamos el método calculando las primeras diferencias para cada renglón y columna. De las
diferencias que obtuvimos nos fijamos en la mayor (¿Por qué?), que resulta ser para la
tercera columna. En esa columna encontramos el costo unitario (cij) menor y en esa celda
realizamos la primera asignación:

126
 recursos diferencia

3 7 6 4 5 1

2 4 3 2 2 0 0
2

4 3 8 5 3 1

demanda 3 4 2 0 1 10 \ 10
diferencia
1 1 1 2
3

Nota: Marcaremos a la mayor de las diferencias seleccionada encerrándola en un círculo y

escribiéndole como superíndice el número que le corresponda en la secuencia de selección.

Observemos en la figura anterior que únicamente eliminamos el segundo renglón ya que la

tercera columna nos servirá después para hacer la asignación de una variable básica
degenerada. Continuando con la aplicación del método, tenemos que calcular nuevamente las
diferencias de las columnas ya que hemos eliminado un renglón y ésto puede ocasionar que
las diferencias aritméticas entre el costo unitario más pequeño y el que le sigue ya no sean las
mismas:

127
 recursos diferencia

3 7 6 4 5 1

2 4 3 2 2 0 0
2

4 3 8 5 3 0 1
3

demanda 3 4 2 0 1 10 \ 10
diferencia
1 1 3 1 2

1 4 2 2 1

Como siguiente paso deberíamos calcular las nuevas diferencias de columnas, pero ya que
solamente queda un renglón dentro de las posibilidades (esto no significa que solamente un
renglón quede bajo consideración ya que podemos observar que ninguna de las cuatro
columnas (destinos) ha sido eliminada y todas quedan todavía bajo consideración), no es
posible encontrar la diferencia aritmética entre el costo menor y el que le sigue, por lo tanto
vamos tomando una a una las celdas que quedan comenzando con la de menor costo unitario
hasta que todas hayan sido asignadas.

128
 recursos diferencia

3 7 6 4 5210 1
3 1 0 1
2 4 3 2 2 0 0
2

4 3 8 5 3 0 1
3

demanda 3 4 2 0 1 10 \ 10
diferencia
1 1 3 1 2

1 4 2 2 1

La solución inicial básica factible es x11=3, x12=1, x13=0 (variable básica degenerada),
x14=1, x23=2 y x32=3 y el costo total de transporte asociado a esta primera “Política de
Transporte” factible es de:

x11 c11 x12 c12 x13 c13 x14 c14 x23 c23 x32 c32
Costo= 3 . (3) + 1 . (7) + 0 . (6) + 1 . (4) + 2 . (3) + 3 . (3) =35unidades

Es necesario aclarar que ésta puede o no ser la solución final del problema, es necesario
aplicar a esta primera solución factible la prueba de optimalidad ya que puede existir una
mejor “pol tica de transporte” que minimice todavía más el costo total.

Comparación de criterios alternativos para el paso 1.

Se compararán estos dos criterios para elegir la siguiente variable básica. La virtud principal de
la regla de la esquina noroeste es la facilidad y rapidez con que se aplica. Sin embargo, como

129
no le da importancia a los costos unitarios cij, por lo general la solución que se obtiene distará
mucho de la óptima. Si se realiza un esfuerzo un poco mayor para encontrar la solución inicial
básica factible, es posible que se reduzca mucho el número de iteraciones que después
necesita el método simplex de transporte para encontrar la solución óptima. El objetivo del
otro criterio es precisamente encontrar una solución así.

El método de aproximación de Vogel ha sido el más popular durante muchos años, en parte
porque es relativamente fácil hacerlo a mano. Este criterio toma en cuenta los costos unitarios
en forma efectiva ya que la diferencia representa el mínimo costo adicional en que se incurre
por no hacer una asignación en la celda que tiene el menor costo en esa columna o renglón.

Podemos decir, que el método de aproximación de Vogel proporciona una mejor solución
inicial que el criterio de la esquina noroeste, en otras palabras es más cualitativo.

El siguiente paso después de hallar una solución inicial básica factible (por cualquiera de los
dos criterios expuestos anteriormente) es verificar si esta solución inicial es efectivamente
óptima aplicando la prueba de optimalidad.

La prueba de optimalidad estándar del método simplex para el problema de transporte, se

puede reducir de la siguiente manera:
Una solución básica factible es óptima si y sólo si cijuivj 0 para toda (i,j) tal que xij es no
básica.

Así, lo único que hay que hacer para realizar esta prueba es obtener los valores de u i y vj para
la solución básica factible actual y después calcular los valores cijuivj según se describe
enseguida.
Como el valor de cijuivj debe ser cero si xij es una variable básica, ui y vj satisfacen el
conjunto de ecuaciones:

cij = ui + vj para cada (i,j) tal que xij es básica.

130
Existen m+n1 variables básicas y por tanto hay m+n1 ecuaciones de este tipo. Como el
número de incógnitas (las ui y vj) es m+n, se puede asignar un valor arbitrario a cualquiera de
estas variables sin violar las ecuaciones. La elección de esta variable y su valor no afecta el
valor de ningún cijuivj, aun cuando xij sea no básica, por lo que la única diferencia (menor)
estriba en la facilidad para resolver estas ecuaciones. Una elección conveniente para lograr
esto es seleccionar la ui que tiene el mayor número de asignaciones en su renglón (los
empates se rompen de manera arbitraria) y asignarle un valor de cero. Gracias a la sencilla
estructura de estas ecuaciones, resulta muy fácil obtener algebraicamente los valores del resto
de las variables.
Para ejemplificar la prueba de optimalidad, consideremos la solución inicial básica
factible obtenida por la regla de la esquina noroeste para nuestro ejemplo en cuestión:

recursos
3 7 6 4 5
3 2
2 4 3 2 2
2
4 3 8 5 3
0 2 1

demanda 3 4 2 1 Costo=52

Para este problema, existen m+n1= 3+4 1= 6 variables básicas, que dan origen al siguiente
conjunto de ecuaciones:
3 = u1+v1 3 = u3+v2
7 = u1+v2 8 = u3+v3
4 = u2+v2 5 = u3+v4

131
Observemos que resultaron ser 6 ecuaciones que involucran 7 incógnitas (tres de las u i y
cuatro de las vj), por lo que este sistema de ecuaciones no es cuadrado.
La forma de resolverlo es dando un valor arbitrario a una de las incógnitas, para que a partir
de él encontremos el valor de las demás. La regla para hacer esta asignación arbitraria nos
dice que sea para la ui (ó renglón) que haya tenido el mayor número de asignaciones.
En nuestro ejemplo, el renglón 1 tuvo dos asignaciones, el renglón 2 tuvo una asignación y
por último el tercer renglón tuvo tres asignaciones, por lo que asignamos el valor de cero a la
incógnita u3.

De esta asignación resulta lo siguiente:

3 = u1+v1
7 = u1+v2
4 = u2+v2
3 = u3+v2 v2 = 3
8 = u3+v3 v3 = 8
5 = u3+v4 v4 = 5

Hemos obtenido el valor de tres incógnitas más, v2, v3 y v4, los cuales nos ayudarán para
hallar el valor de las incógnitas restantes:

3 = u1+v1 si u1=4, entonces v1= 1

7 = u1+v2 si v2=3, entonces u1= 4
4 = u2+v2 si v2=3, entonces u2= 1
3 = u3+v2 v2 = 3
8 = u3+v3 v3 = 8
5 = u3+v4 v4 = 5

De esta forma hemos obtenido el valor de todas las incógnitas y procedemos a colocarlos en la
tabla como sigue:
132
 recursos
3 7 6 4 5 4
3 2
2 4 3 2 2 1
2
4 3 8 5 3 0
0 2 1

demanda 3 4 2 1 Costo=52

-1 3 8 5

Ahora calculemos los valores cijuivj para las variables no básicas, ya que para las básicas,
este valor es cero (por la forma de las ecuaciones con que se hallaron los valores de las
incógnitas ui y vj), y coloquemos estos valores en la esquina inferior izquierda de cada celda:

133
 recursos
3 7 6 4 5 4
3 2
0 0 -6 -5
2 4 3 2 2 1
2 2
0 -6 -4
4 3 8 5 3 0
5 0 2 1
0 0 0

demanda 3 4 2 1 Costo=52

-1 3 8 5

En este momento se puede aplicar la prueba de optimalidad para verificar los valores de
cijuivj obtenidos.
Como cuatro de estos valores (c13u1v3= 6, c14u1v4= 5, c23u2v3= 6, c24u2v4= 4),
son negativos, se concluye que la solución básica factible actual no es óptima.
Entonces, el método simplex de transporte debe proceder a hacer una iteración para encontrar
una mejor solución básica factible.

Una iteración.

Igual que para método simplex estándar, una iteración del método simplex de transporte debe
determinar una variable básica entrante (paso 1), una variable básica que sale (paso 2) y
después identificar la nueva solución básica factible que resulta (paso 3).

134
Paso 1: como cijuivj representa la tasa a la que cambia la función objetivo si se incrementa
la variable no básica xij, la variable que entra debe tener un valor de cijuivj negativo, para
que el costo total Z disminuya.
Entonces, los candidatos en la tabla anterior son x13, x14, x23 y x24 . Entre ellos se elige el valor
negativo más grande (en términos absolutos) de cijuivj como la variable básica entrante, que
en este caso corresponde a x13 y x23.
En los casos en que haya empate para la elección de la variable básica entrante, este empate
se rompe de manera arbitraria, ya que tarde o temprano llegaremos a la misma solución
independientemente de la elección de la variable.
Pero, observemos lo siguiente: ya que debemos elegir la variable básica “entrante, es decir,
aquella que comenzará a tener un valor (ya que antes no lo tenía porque era variable no
básica), entonces, es conveniente que elijamos aquella que tenga el costo menor, ya que el
valor de la variable entrante multiplicado por su respectivo costo será la contribución al costo
total.
En nuestro caso, el costo asociado a x13 es 6 y el costo asociado a x23 es 3, por lo que la
variable que debemos elegir como entrante es x23.

Paso 2: si se incrementa el valor de la variable básica entrante, se establece una reacción

en cadena de cambios compensatorios en otras variables básicas (asignaciones) para seguir
satisfaciendo las restricciones de recursos y demanda.
La primera variable básica que disminuya su valor hasta cero será la variable básica que sale.
En general, siempre existe sólo una reacción en cadena (en cualquier dirección) que se puede
completar con éxito para conservar la factibilidad, cuando la variable básica entrante aumenta
su valor.
Esta reacción en cadena se puede identificar si se hace una selección entre las celdas que
tienen variables básicas: primero, la celda donadora en la columna que tiene la variable
básica; después, la celda receptora en el renglón que corresponde a la celda donadora;
luego, la celda donadora en la columna en que se encuentra esta celda receptora, y así
sucesivamente, hasta que la reacción en cadena conduce a una celda donadora en el renglón
que tiene a la variable básica entrante.

135
Cuando una columna o renglón tiene más de una celda adicional con variable básica, puede
ser necesario explorar el camino que se va a seguir para averiguar cuál debe seleccionarse
como celda donadora o receptora. (Todas las demás menos la adecuada llegarán tarde o
temprano a un camino sin salida en un renglón o columna que no tiene otra celda con una
variable básica).
Después de identificar la reacción en cadena. La celda donadora que tiene la asignación menor
proporciona en forma automática la variable básica que sale. (En caso de un empate para la
celda donadora, se puede elegir cualquiera para proporcionar la variable básica que sale).
Si x23 es la variable básica entrante, la reacción en cadena de la tabla anterior se resume
enseguida. (Siempre se indicará la variable básica entrante colocando un signo + encuadrado
dentro de su celda):

recursos
3 7 6 4 5 4
3 2
0 0 -6 -5
2 4 3 2 2 1
2 2 +
0 -6
-6 -4
4 3 8 5 3 0
5 0 2 1
0 0 0

demanda 3 4 2 1 Costo=52

-1 3 8 5

136
Al aumentar x23 debe disminuir x33 en la misma cantidad para conservar la demanda de 2 en la
columna 3; esto a su vez requiere que se aumente x32 en esa cantidad para mantener la oferta
de 3 en el renglón 3 y esto a su vez exige una disminución en el valor de x 22 para conservar la
demanda de 4 en la columna 2.
Esta disminución en x22 completa con éxito la reacción en cadena ya que también conserva la
oferta del renglón 2.

El resultado final es que las celdas (2; 3) y (3; 2) se convierten en celdas receptoras, cada
una con su asignación adicional proveniente de las celdas donadoras (2; 2) y (3; 3).
Estas celdas están indicadas en la tabla anterior por medio de los signos + y  .
Observe que tuvo que elegirse la celda (3; 2) como celda receptora para el renglón 3 y no la
(3; 4), ya que esta última no hubiera tenido celda donadora en la columna 4 para continuar la
reacción en cadena.

Note además que, a excepción de la variable básica entrante, todas las celdas receptoras y
donadoras en la reacción en cadena deben corresponder a variables básicas en la solución
básica factible actual.

Cada celda donadora disminuye su asignación en una cantidad exactamente igual al aumento
que tiene la variable básica entrante (y las otras celdas receptoras). Entonces, la celda
donadora que comienza con la asignación más pequeña  en este caso las celdas (2; 2) y
(3;3)  debe ser la primera en llegar a una asignación de cero conforme se incrementa la
variable entrante x23.
Así, x22 ó x23 se pueden convertir en la variable básica que sale. Cuando existe empate para la
variable básica que sale, éste puede romperse de manera arbitraria, es decir, eligiendo
cualquiera de las variables donadoras con la asignación más pequeña como variable básica
saliente. Como una regla empírica, podemos seleccionar como variable básica saliente aquélla
que tenga asociado el mayor costo unitario, ya que como esta variable perderá
completamente su valor (es decir, se convertirá de variable básica a variable no básica),

137
esperaríamos que el costo total de transporte disminuya. Así, escogeríamos a x 33 como
variable básica saliente.

Paso 3: la nueva solución básica factible se identifica sumando el valor (antes de los cambios)
de la variable básica que sale a las asignaciones de cada celda receptora y restando esta
misma cantidad de las asignaciones de cada celda donadora. En la tabla anterior se observa
que el valor de la variable básica que sale x33 es 2, por lo que esta porción de la tabla simplex
de transporte cambia, como se ilustra en la siguiente tabla para la nueva solución. (Como x 33
es no básica en la nueva solución, su nueva asignación es cero y ya no se muestra en la
tabla).

recursos
3 7 6 4 5
3 2
0 0 -6 -5
2 4 3 2 2
2 0 2
0 -6 -4
4 3 8 5 3
5 2 1
0 0 0

demanda 3 4 2 1 Costo=40

En este momento se puede señalar una interpretación útil de las cantidades c ijuivj que se
obtienen en la prueba de optimalidad. Debido al cambio de 2 unidades en las asignaciones de
las celdas donadoras a las receptoras, el costo total cambia en:

138
 Z = 2. (38+34) = 2. (6) = 12 = 2. (c23u2v3)

Es decir, el costo total de transporte se decremento en 12 unidades con respecto al costo

anterior que era de 52 unidades.
Notemos que hemos obtenido una nueva política de transporte, la cual podemos resumir así:

La nueva solución básica factible es x11=3, x12=2, x22=0 (variable básica degenerada),
x23=2, x32=2 y x34=1 y el costo total de transporte asociado es de:

x11 c11 x12 c12 x22 c22 x23 c23 x32 c32 x34 c34
Costo= 3 . (3) + 2 . (7) + 0 . (4) + 2 . (3) + 2 . (3) + 1 . (5) =40unidades

Antes de completar la solución del problema ejemplo, se hará un resumen de las reglas del
método simplex de transporte.

Resumen del método simplex de transporte

Inicialización:
Se construye una solución inicial básica factible.
Se realiza la prueba de optimalidad: Se obtiene ui y vj eligiendo el renglón con el mayor
número de asignaciones y estableciendo su ui = 0, y después resolviendo el sistema de
ecuaciones cij = ui+vj para cada (i,j) tal que xij es básica. Si cijuivj 0 para toda (i,j) tal que
xij es no básica, entonces la solución actual es óptima por lo que el proceso se detiene.
De lo contrario, se regresa a una iteración.

Iteración:
1. Se determina la variable básica entrante: se elige la variable no básica x ij que tiene el valor
negativo más grande (en términos absolutos) para cijuivj.

139
2. Se determina la variable básica que sale identificando la reacción en cadena ( encontrar un
circuito) que se necesita para conservar la factibilidad cuando se aumenta el valor de la
variable básica entrante. Entre las celdas donadoras se selecciona la variable básica que
tiene el menor valor.
3. Se determina la nueva solución básica factible: se suma el valor de la variable básica que
sale a las asignaciones de las celdas receptoras y se resta este valor a las asignaciones de
las celdas donadoras.

Continuando con la aplicación de este procedimiento a nuestro problema, tenemos que

calcular los nuevos valores de las ui y vj y después los valores cijuivj correspondientes a las
variables no básicas para determinar si todos cumplen con la prueba de optimalidad:
Nuevamente existen m+n1=3+41=6 variables básicas, que dan origen al siguiente conjunto
de ecuaciones:

3 = u1+v1 Observemos que nuevamente resultaron ser 6 ecuaciones que involucran 7

7 = u1+v2 incógnitas (tres de las ui y cuatro de las vj). Ya que hay empate en el número

4 = u2+v2 de asignaciones que tiene cada renglón (2 asignaciones en cada renglón),

asignemos el valor de cero a la incógnita u1.
3 = u2+v3

3 = u3+v2

5 = u3+v4

De esta asignación resulta lo siguiente:

3 = u1+v1  v1=3
7 = u1+v2  v2=7
4 = u2+v2
3 = u2+v3
3 = u3+v2
5 = u3+v4

140
Hemos obtenido el valor de dos incógnitas más, v1, y v2, los cuales nos ayudarán para hallar el
valor de las incógnitas restantes:
3 = u1+v1  v1=3
7 = u1+v2  v2=7
4 = u2+v2 si v2=7, entonces u2=  3
3 = u2+v3 si u2= 3, entonces v3= 6
3 = u3+v2 si v2=7, entonces u3=  4
5 = u3+v4 si u3= 4, entonces v4= 9

De esta forma hemos obtenido el valor de todas las incógnitas y procedemos a colocarlos en la
tabla como sigue:
recursos
3 7 6 4 5 0
3 2

2 4 3 2 2 -3
0 2

4 3 8 5 3 -4
2 1

demanda 3 4 2 1 Costo=40

3 7 6 9

Ahora calculemos los valores cijuivj para las variables no básicas y coloquemos estos valores
en la esquina inferior izquierda de cada celda:

141
 recursos
3 7 6 4 5 0
3 2
0 0 0 -5
2 4 3 2 2 -3
0 2
2 0 0 -4
4 3 8 5 3 -4
2 1
5 0 6 0

demanda 3 4 2 1 Costo=40

3 7 6 9

Aplicando la prueba de optimalidad para verificar los valores de cijuivj obtenidos, vemos que
dos de estos valores (c14u1v4= 5, c24u2v4= 4) son negativos, se concluye que la
solución básica factible actual no es óptima.
Entonces, el método simplex de transporte debe proceder a hacer una iteración para encontrar
una mejor solución básica factible.
Aplicando el procedimiento descripto anteriormente, se llega al siguiente conjunto de tablas
simplex de transporte que se muestra enseguida y que dan solución al problema planteado:

142
 recursos
3 7 - 6 4 5 0
3 22 +
0 0 0 -5
2 4 3 2 2 -3
0 2
2 0 0 -4
4 3 - 8 5 - 3 -4
22 11
5 6 0
0

demanda 3 4 2 1 Costo=40

3 7 6 9

recursos
3 7 6 4 5
3 1 1
0 0 0 -5
2 4 3 2 2
0 2
2 0 0 -4
4 3 8 5 3
3
5 0 6 0

demanda 3 4 2 1 Costo=35

143
La nueva solución básica factible es x11=3, x12=1, x14=1, x22=0 (variable básica
degenerada), x23=2 y x32=3 y el costo total de transporte asociado es de:

x11 c11 x12 c12 x14 c14 x22 c22 x23 c23 x32 c32
Costo = 3 . (3) + 1 . (7) + 1 . (4) + 0 . (4) + 2 . (3) + 3 . (3) =35unidades

Como en esta última tabla todas las cijuivj son no negativas (¡comprobarlo !), la
prueba de optimalidad identifica este conjunto de asignaciones como óptimo, lo cual concluye
el algoritmo.

144