Académique Documents
Professionnel Documents
Culture Documents
INVESTIGACION DE OPERACIONES
UNIDAD TEMATICA 2 - PROGRAMACION LINEAL
2.1 INTRODUCCION
La Programacin Lineal (PL) tiene como objetivo la planificacin de actividades econmicas de la
ms diversa ndole, con el objeto de optimizar el empleo de recursos limitados. Por su parte, recibe
el nombre de PL la tcnica en s, utilizada como herramienta matemtica de modelado, para
determinar condiciones ptimas en la asignacin de recursos y capacidades operativas, limitados
ambos, a actividades que compiten por ellas.
2.2 CONSTRUCCION DEL MODELO DE PL Elementos bsicos
Se ilustrarn los elementos bsicos de un modelo de PL con un ejemplo de dos variables, que si
bien es sencillo, sus resultados proporcionarn ideas concretas acerca de la solucin e interpretacin
del problema general.
Una fbrica produce dos tipos de pintura, para exteriores (PPE) y para interiores (PPI),
mezclando dos materias primas: una base acrlica y diluyente, cuya disponibilidad diaria es de 2,4
y 1,8 ton respectivamente.
Cada ton de PPE insume 0,6 ton de base acrlica y 0,4 ton de diluyente, mientras que cada ton de
PPI, involucra mezclar 0,4 ton de base acrlica con 0,6 ton de diluyente.
De la PPI, se puede colocar diariamente en el mercado hasta 2 ton, siendo la ganancia neta por
ton de cada pintura producida, de $ 5.000 para la PPE y de $ 4.000 para la PPI.
Programar la produccin de la planta que maximice la utilidad total diaria.
La Tabla 2-1, proporciona los datos bsicos del problema.
Tabla 2-1
ton de MP por ton de
Disp. mxima
diaria (ton)
Materia Prima PPE PPI
Base acrlica 0,6 0,4 2,4
Diluyente 0,4 0,6 1,8
Utilidad por ton
(en miles de $)
5 4
El modelo de PL, como cualquier otro de IO, incluye tres elementos bsicos:
1. Variables de decisin, que se trata de determinar.
2. Objetivo (representado por una FO), que se trata de optimizar.
3. Restricciones, que se deben satisfacer.
Se pretende en definitiva, determinar la mejor solucin a un problema cuya particularidad es que,
tanto la FO como las restricciones, son todas relaciones lineales.
El primer paso primordial en el desarrollo del modelo, es definir las variables de decisin. Luego de
ello expresar la FO y restricciones, no debera ser muy difcil.
Para el problema en cuestin, se necesita determinar cunto se va a producir de cada tipo de pintura.
Luego, las variables del modelo sern:
x
1
= ton diarias producidas de PPE y x
2
= ton diarias producidas de PPI
Un objetivo lgico es maximizar tanto como sea posible la utilidad diaria de la planta. Si Z
representa la utilidad diaria total, en este caso en [miles de $], la FO estar representada por:
Z = 5 x
1
+ 4 x
2
siendo el objetivo: (MAX) Z = 5 x
1
+ 4 x
2
en [miles de $]
Resta por definir las restricciones, como lo son para este caso, por un lado, la disponibilidad
mxima diaria para cada materia prima y por el otro, la cantidad mxima diaria colocable de PPI en
el mercado.
La restriccin de disponibilidad mxima diaria de materias primas (MP) se expresara como:
empleo de MP para ambas pinturas < disponibilidad mxima de MP
Y sus expresiones matemticas:
0,6 x
1
+ 0,4 x
2
< 2,4 (1) para la base acrlica
0,4 x
1
+ 0,6 x
2
< 1,8 (2) para el diluyente
La restriccin en cuanto a cantidad diaria colocable en el mercado de PPI, se expresara como:
Venta de PPI < 2 con su expresin matemtica: x
2
< 2 (3)
Una restriccin implcita, es que x
1
y x
2
no sean negativas, para que la solucin en este caso, tenga
sentido fsico: x
1
> 0 (4) y x
2
> 0 (5)
Entonces, el modelo completo para este modelo se expresa como:
(MAX) Z = 5 x
1
+ 4 x
2
sujeta a:
0,6 x
1
+ 0,4 x
2
< 2,4 (1)
0,4 x
1
+ 0,6 x
2
< 1,8 (2)
x
2
< 2 (3)
x
1
> 0 (4)
x
2
> 0 (5)
Cualquier solucin que satisfaga todas las restricciones del modelo, se denomina solucin factible
(SF). Intuitivamente, se deduce que el modelo posee un infinito nmero de soluciones, dadas las
infinitas combinaciones de posibles valores de las variables de decisin, que no violan las
restricciones. Lo que en realidad interesa es aquella que produzca la utilidad total mxima, conocida
como SF ptima. Como sera sumamente lento, dado la infinidad de soluciones, arribar por simple
tanteo a la mejor solucin, se necesita un procedimiento ms eficiente que, de manera sistemtica,
localice la solucin ptima.
La resolucin grfica y su generalizacin algebraica, bajo la forma de algoritmo como el
SIMPLEX, suministran ese procedimiento. Las suposiciones de linealidad del ejemplo propuesto,
3
tanto para la FO como las restricciones, llevan intrnsecamente implcitas las dos propiedades
siguientes: proporcionalidad y aditividad.
Proporcionalidad: requiere que la contribucin de cada variable, tanto a la FO como a las
restricciones, sea directamente proporcional al valor de la variable.
Aditividad: requiere que la contribucin total de todas las variables en la FO y restricciones, sea la
suma directa de la contribucin individual de cada variable.
Con respecto a las restricciones, ellas deben ser linealmente independientes, o sea, ninguna puede
ser combinacin lineal de otras.
2.3 GENERACION DE SOLUCIONES. Solucin grfica. Interpretacin geomtrica.
La representacin geomtrica del problema de 2.2, implica para las restricciones, representar las
ecuaciones (que corresponden a la condicin =) en un grfico cartesiano, donde el eje de las X, se
referir a las cantidades producidas de PPE como x
1
[ton/da] y el eje de las Y, a las cantidades
producidas de PPI como x
2
[ton/da]. Las tres rectas, corresponden a la condicin igual, lmite por
encima del cual, se viola la restriccin respectiva, del tipo menor o igual que.
Se sealan las zonas prohibidas utilizando puntos de prueba, que correspondan a valores de las
variables que no estn sobre la recta (si el origen x
1
= x
2
= 0 no est sobre la recta, es el punto de
prueba ms sencillo), quedando delimitada una regin de soluciones, denominadas factibles o
admisibles, que corresponde en este caso al polgono ABCDE (zona sombreada), como se observa
en la Fig. 2.1 y donde se dan las soluciones factibles (SF). La familia de rectas Z = 5 x
1
+ 4 x
2
=
cte., es paralela a Z
MIN
= 0 (para x
1
= x
2
= 0), que pasa por el origen.
Como se maximiza, la direccin de optimizacin ser entonces aquella que se aleja del origen
(sentido de Z crecientes) hasta que, alguna recta de la familia Z = cte. intercepte algn punto de la
regin admisible, el ms alejado del origen. Ello ocurre para C, interseccin de (1) y (2) para la
condicin igual, cuyas coordenadas son: x
1
= 3,6 [ton] y x
2
= 0,6 [ton], para el que corresponde una
Z
C
= Z
MAX
= $ 20.400 (recordar que la FO est expresada en [miles de $].
Para los problemas bidimensionales, la regin admisible, es el conjunto de puntos convexo,
delimitado por el conjunto de rectas que representan las restricciones lineales.
4
Si el conjunto convexo es limitado, se est en presencia de un polgono convexo, si no lo es, de una
poligonal convexa.
Hay un teorema del lgebra lineal, que expresa que para crecimiento o decrecimiento montono de
una FO, el mximo (o mnimo) estar siempre asociado con un vrtice o punto extremo del
polgono (o poligonal) convexo que delimita la regin de soluciones.
En consecuencia, lo que se hace no es desplazar paralelas a Z = 0 alejndose del origen hasta
interceptar algn punto de la regin admisible, sino determinar los sucesivos valores de Z para cada
uno de los puntos extremos del polgono.
Las FO lineales, por el hecho de ser rectas, poseen la particularidad de que los valores ptimos, se
investigan en los extremos de los rangos delimitados.
Cuando las rectas, que representan la condicin de igualdad (ecuacin) para las restricciones se
interceptan, delimitan los extremos o vrtices de la denominada regin admisible.
Para este problema, las coordenadas de cada uno de los vrtices del polgono son:
A [x
1
=0;x
2
=0], B [x
1
=4;x
2
=0], C [x
1
=3,6;x
2
=0,6], D [x
1
=1,5;x
2
=2] y E [x
1
=0;x
2
=2] y los valores
respectivos de Z, recordando que la utilidad est dada en [miles de $] sern:
Z
A
= $ 0; Z
B
= $ 20.000 Z
C
= $ 20.400 Z
D
= $ 15.500 y Z
E
= $ 8.000. Luego
la utilidad mxima diaria ser:
Z
(MAX)
= Z
C
= $ 20.400
2.4 APLICACION DE LA SOLUCION GRAFICA A UN PROBLEMA DE MINIMIZACION
Sirva como ejemplo el siguiente problema.
Una empresa, dedicada a la produccin de alimento para el ganado, procesa como materia prima,
dos derivados de la industria oleaginosa: tortas de prensado de maz y de soja, siendo 4 ton su
requerimiento mnimo de produccin diaria. La Tabla 2-2, resume la composicin alimentaria de
cada insumo as como su costo.
Tabla 2-2
Composicin alimentaria
Materia Prima Protenas Fibra Costo [$/ton]
Torta de maz 9 % 2 % 600
Torta de soja 60 % 6 % 1.800
Los requerimientos dietticos diarios del alimento, estipulan por lo menos un 30 % de protenas y
cuando mucho, un 5 % de fibra. Se desea determinar la mezcla de MP que cumpliendo con los
requerimientos diarios de produccin y dietticos, sea la de menor costo.
Dado que las MP consisten en torta de maz y de soja, las variables de decisin del modelo
quedarn definidas como: x
1
= ton de torta de maz en la mezcla diaria y x
2
= ton de torta de soja en
la mezcla diaria.
La FO trata de minimizar el costo diario total (en $) de la mezcla de MP y tendr por expresin:
5
minimizar Z = 600 x
1
+ 1800 x
2
Las restricciones del modelo, deben reflejar la cantidad diaria necesaria y los requerimientos
dietticos. Debido a que la mezcla de la fbrica debe producir al menos 4 ton de alimento por da,
la restriccin asociada se puede expresar como: x
1
+ x
2
> 4
El aporte de protenas en x
1
ton de torta de maz y x
2
ton de torta de soja es (0,09 x
1
+ 0,6 x
2
) ton,
cantidad que debe ser igual al menos a 30 % de la mezcla total de MP (x
1
+ x
2
), lo que se expresa
como:
0,09 x
1
+ 0,6 x
2
>0,3 (x
1
+ x
2
), que reordenada dar: - 0,21x
1
+0,3x
2
> 0
De manera similar, la restriccin para el aporte de fibra, se construye como: 0,02 x
1
+ 0,06 x
2
< 0,05
(x
1
+ x
2
), que reordenada ser: - 0,03 x
1
+ 0,01 x
2
< 0. Por ltimo, las restricciones obvias: x
1
, x
2
> 0
Entonces, el modelo completo ser:
(MIN) Z = 600 x
1
+ 1800 x
2
sujeta a:
x
1
+ x
2
> 4 (1)
- 0,21 x
1
+ 0,3 x
2
> 0 (2)
- 0,03 x
1
+ 0,01 x
2
< 0 (3)
x
1
> 0 (4)
x
2
> 0 (5)
La Fig. 2.2 proporciona la solucin grfica al modelo.
A diferencia de las del modelo de la fbrica de pinturas, dos de las restricciones atraviesan el
origen.
Para trazar cada una de las rectas asociadas a estas dos restricciones, se necesita un punto adicional,
que se obtiene asignndole a una de las variables un valor y despejando luego la otra variable.
La direccin de factibilidad para las dos restricciones que atraviesan el origen, se puede determinar
usando un punto de prueba que no sea [0;0], porque ambas rectas pasan por el origen.
Debido a que este modelo busca la minimizacin de la FO, se necesita reducir el valor de Z tanto
como sea posible en la direccin de optimizacin que muestra la flecha en la Fig. 2.2.
6
La solucin ptima se encuentra en la interseccin de las dos rectas x
1
+ x
2
= 4 y - 0,21 x
1
+ 0,3 x
2
=
0, cuyas coordenadas son, x
1
= 2,35295 ton (o 2.352,95 kg) y x
2
= 1,64705 ton (o 1.647,05 kg),
cuyo costo mnimo asociado para esa mezcla de MP ser:
Z
(MIN)
= 600 . 2,35295 + 1800 . 1,64705 = 1.411,77 + 2.964,69
Z
(MIN)
~ $ 4.376,5
2.5 RESTRICCIONES ACTIVAS E INACTIVAS Holgura y Supervit
Cabe preguntarse en los problemas vistos, acerca del grado de cumplimiento de las restricciones. En
el problema de 2.2, las restricciones (1), (2) y (3) se referan a la disponibilidad de base acrlica y
diluyente y a la colocacin mxima en el mercado de pintura para exteriores respectivamente.
Remplazando los valores ptimos de ambas variables de decisin (x
1
=3,6;x
2
=0,6) en las
restricciones, se tiene que:
(1): 0,6 . 3,6 + 0,4 . 0,6 = 2,4 ton de base acrlica
(2): 0,4 . 3,6 + 0,6 . 0,6
= 1,8 ton de diluyente
(3): 0,6 < 2 ton de PPI
De las tres restricciones, las dos primeras se cumplen para la condicin igual, o sea, se utiliza el
mximo disponible de ambos recursos. En cambio, en el caso de la (3), el mejor programa de
produccin implica que la cantidad producida de PPI es inferior a la colocable diariamente en el
mercado
A las restricciones (1) y (2), donde no queda recurso por utilizar, se las denomina activas u
obligatorias. En este caso, la utilizacin plena de ambos recursos, impide la obtencin de ganancias
adicionales, con lo que las restricciones activas como estas, desempean un papel muy importante.
Resumiendo, una restriccin de estricta igualdad, siempre es activa y una de desigualdad (> <)
ser activa si al evaluarla en las condiciones de optimidad, hay igualdad entre el primer y segundo
miembro de la expresin.
En cambio, las restricciones como la (3) se denominan inactivas en las condiciones de optimidad.
En los modelos analizados hasta ahora, se han usado restricciones tanto < como >. Para las
restricciones del tipo <, el lado derecho (LD) por lo comn representa el lmite sobre la
disponibilidad de un recurso y el lado izquierdo (LI), el empleo que hacen de ese recurso limitado
las diferentes actividades (variables) del modelo. De manera que una holgura, representa la
cantidad que el recurso disponible excede al empleo que le dan las actividades.
En el caso de la fbrica de pinturas, se dice que en el programa ptimo, hay una holgura (diferencia
entre el LD y el LI de la expresin) de 1,4 ton de PPI no producidas, que no se colocarn en el
mercado.
Las restricciones del tipo >, por lo comn representan requerimientos mnimos de especificaciones.
Para una restriccin inactiva en el programa ptimo del tipo >, la diferencia entre el LI y el LD de la
expresin, se denomina supervit o excedente, representando el exceso del LI sobre el
requerimiento mnimo. Un supervit significa que se supera ese requerimiento mnimo.
7
Geomtricamente y observando la Fig. 2.1, las restricciones activas pasan por la solucin ptima.
En cambio, las inactivas, como la (3) no pasan por la solucin ptima.
Una consecuencia de lo expresado precedentemente es que las restricciones inactivas como la (3),
pueden suprimirse (probar hacerlo) de la representacin geomtrica, sin afectar por ello la solucin
ptima.
Las restricciones activas u obligatorias, son tambin llamadas importantes, as como las no activas
o no obligatorias, tambin se denominan no importantes.
2.6 MODELOS NO ACOTADOS
En algunos modelos de PL, los valores de las variables pueden incrementarse indefinidamente sin
violar ninguna de las restricciones, lo que significa que el espacio de la solucin es no acotado, por
lo menos en una direccin.
As, si en el ejemplo de la fbrica de pinturas los recursos no tuvieran lmites, manteniendo que lo
menos que se colocara en el mercado de PPI seran 2 ton, la expresin del problema sera:
(MAX) Z = 5 x
1
+ 4 x
2
sujeta a:
0,6 x
1
+ 0,4 x
2
> 2,4 (1)
0,4 x
1
+ 0,6 x
2
> 1,8 (2)
x
2
> 2 (3) x
1
> 0 (4) x
2
> 0 (5)
La Fig. 2.3, corresponde a la representacin grfica de este problema, donde la regin de soluciones
est definida por una poligonal que se extiende indefinidamente en la direccin de optimizacin (Z
crecientes):
Se observa que siempre habr un par de valores permisibles de las variables de decisin que
mejorarn la solucin respecto de valores anteriores. El modelo no tiene solucin porque la FO no
est acotada. Estos modelos, pueden resultar tambin de la omisin de una o varias restricciones
activas o importantes o por errores al introducir datos en el modelo.
8
No debe confundirse el concepto de modelo no acotado, con el de conjunto restringido no
acotado. En el ejemplo analizado, ocurren ambas cosas: FO y conjunto restringido son no acotados.
En cambio, si se buscara minimizar la FO, con la misma estructura de restricciones, si bien el
conjunto restringido seguira siendo no acotado (regin de soluciones definida por la poligonal),
no lo sera la FO, pues habra una solucin ptima en el vrtice interseccin de las restricciones (1)
y (3). La (2), en ese caso pasara a la categora de inactiva o no importante, pudindose suprimirla
del grfico.
2.7 MODELOS NO FACTIBLES
Si las restricciones no se satisfacen simultneamente, el modelo no tiene una SF. La no
factibilidad, se conoce tambin como inconsistencia, que se refiere a un modelo con un conjunto
restringido vaco. No hay una combinacin de valores de las variables de decisin que satisface
simultneamente a todas las restricciones.
Una ilustracin de un modelo de este tipo, se obtiene invirtiendo las restricciones (1) y (3) del
modelo de la fbrica de pinturas visto en 2.2.
(MAX) Z = 5 x
1
+ 4 x
2
sujeta a:
0,6 x
1
+ 0,4 x
2
> 2,4 (1)
0,4 x
1
+ 0,6 x
2
< 1,8 (2)
x
2
> 2 (3) x
1
> 0 (4) x
2
> 0 (5)
Trazadas las rectas para la condicin igual de las restricciones, la delimitacin de las zonas
factibles, no proporciona una regin de soluciones, por cancelacin mutua entre zonas admisibles
para una restriccin y zonas prohibidas para la otra u otras.
En estos casos, la inconsistencia no depende de la FO sino exclusivamente de las restricciones.
Como obviamente el modelo no tiene solucin, es muy posible que no haya sido formulado
correctamente, ya sea por responder a restricciones contradictorias o a mala formulacin de las
mismas.
2.8 SOLUCION ALTERNATIVA O MULTIPLE
Cuando la FO es paralela a una restriccin, la FO asumir el mismo valor, en ms de un punto de la
solucin, es decir habr muchas soluciones. Dos en los vrtices (extremos de la recta paralela a la
FO) y todos los puntos de la recta entre ellos. Por esta razn, se conocen como ptimos
alternativos o mltiples.
Suponer que el beneficio en el problema de 2.2, por ton de x
1
, sea igual a $ 6.000 en lugar de $
5.000 manteniendo iguales las dems restricciones:
(MAX)Z = 6 x
1
+ 4 x
2
sujeta a:
(1) 0,6 x
1
+ 0,4 x
2
< 2,4
(2) 0,4 x
1
+ 0,6 x
2
< 1,8
(3) x
2
< 2
Del grfico resultante (se sugiere hacerlo), la pendiente de la (1) para la condicin de igualdad, es
igual a la de la familia de rectas Z = cte., cuya pendiente es = - (6/4) = - (3/2). Al barrer la regin
admisible con rectas de ecuacin 6 x
1
+ 4 x
2
= cte. se llega eventualmente a abarcar TODOS los
puntos del lado BC del polgono de la Fig. 2.1.
9
Para Z
B
, corresponden x
1
= 4 ton y x
2
= 0
Para Z
C
, corresponden x
1
= 3,6 ton y x
2
= 0,6 ton
Z
B
= 6 . 4 + 4 . 0 = $ 24.000/da Z
C
= 6 . 3,6 + 4 . 0,6 = $ 24.000/da Z
B
= Z
C
2.9 DEGENERACION
Desde el punto de vista prctico, la degeneracin revela que el modelo tiene por lo menos, una
restriccin redundante. Retomando el ejemplo de 2.2, supngase que para la PPI, en lugar de 2 ton,
la cantidad mxima colocable en el mercado sea de 0,6 ton. Entonces:
(MAX) Z = 5 x
1
+ 4 x
2
sujeta a:
(1) 0,6 x
1
+ 0,4 x
2
< 2,4
(2) 0,4 x
1
+ 0,6 x
2
< 1,8
(3) x
2
< 0,6 para x
1
, x
2
> 0
La Fig. 2.4 proporciona la solucin grfica del modelo y muestra la implicancia prctica de la
degeneracin.
Tres rectas pasan por el vrtice C ptimo: x
1
= 3,6; x
2
= 0,6. Debido a que este es un problema bi-
dimensional, el punto est determinado en exceso y una de las restricciones es redundante. En la
prctica, el simple conocimiento de que algunos recursos son superfluos resulta valioso durante la
puesta en prctica de la solucin.
La informacin, tambin puede ser conducente al descubrimiento de irregularidades en la
construccin del modelo.
2.10 LIMITE DE LA SOLUCION GRAFICA
En el espacio tridimensional, para tres variables en las restricciones, la regin factible o admisible
ser un poliedro (slido) convexo, explorndose ya con dificultad y tambin como antes, en los
vrtices o extremos del mismo. En el caso de tres variables, existe un recurso o artificio para seguir
10
trabajando geomtricamente en el plano y es colocar una de las variables en funcin de las otras
dos.
Para un problema n-dimensional, donde n supera a tres, se puede definir un hiperespacio convexo,
si bien la nica forma de resolucin, a partir de n = 4 es recurrir al lgebra, es decir, resolver
analticamente.
2.11 FORMA GENERAL DEL MODELO DE PL
El modelo matemtico para el problema general de asignar recursos a actividades, consiste en:
Dado un conjunto de m ecuaciones y/o inecuaciones lineales, que involucran a n variables, (x
1
,
x
2
,... x
j
.....x
n
), encontrar los n valores positivos o nulos, que satisfagan las ecuaciones o
inecuaciones y adems, maximicen (o minimicen) una FO lineal.
2.12 RESOLUCION ANALITICA - Utilizacin de hojas de clculo electrnicas
Se resolvern problemas de PL con el auxilio de la computadora, dado que si bien es posible
resolverlos a mano aplicando algoritmos como el mtodo SIMPLEX, ello queda reducido a
aquellos con muy pocas variables y restricciones, debido a los clculos iterativos demasiado
tediosos para llevarlos a cabo, con la gran posibilidad de errores en las operaciones aritmticas que,
aunque sencillas, es fcil equivocarse en la mecnica de la rutina y por ende, en los resultados.
La existencia de paquetes de software, tanto para uso ms domstico como sofisticados, ponen a
disposicin del usuario programas para manejar desde cien o ms restricciones (lo cual es ya
demasiado para el clculo manual) hasta cientos de miles de restricciones funcionales y millones de
variables de decisin.
Con respecto a los factores que influyen en el tiempo involucrado en cmputos, el mismo tiende a
ser proporcional al cubo del nmero m de restricciones:
0
c
= k . m
3
As, si ellas se duplican (2m), el tiempo de cmputo puede quedar multiplicado por un factor
aproximado a 8.
En cambio, el nmero n de variables, tiene una importancia relativamente menor. Si ellas se
duplican, posiblemente no se duplique el tiempo de clculos.
De all que el mayor trabajo, consista en, una vez comprendido el enunciado del problema con
todos sus datos, plantear correctamente los parmetros clsicos de toda optimizacin: variables y
relaciones que las vinculan, tanto en la FO como en las restricciones, para luego volcarlos a los
distintos utilitarios que se elijan para manejar problemas de PL.
Estos programas, adems de brindar la solucin ptima, (valores de la FO y variables
intervinientes), suministran tambin los valores de las holguras y/o supervits, as como el anlisis
de sensibilidad para variaciones tanto en los coeficientes de la FO como los trminos
independientes (LD) de las restricciones.
Tambin, como cuando por ejemplo la FO y/o las variables no estn acotadas o cuando no hay
solucin factible, alertan acerca de tales situaciones, que pueden involucrar restricciones omitidas,
redundantes o en definitiva, un modelo mal formulado.
11
2.13 EXPRESION DE MODELOS DE PL EN PLANILLAS DE CALCULO
Del software disponible, se construirn los modelos en EXCEL