Vous êtes sur la page 1sur 68

PROGRAMACION LINEAL

En infinidad de aplicaciones de la industria, la economa, la estrategia


militar, etc... Se presentan situaciones en las que se exige maximizar
o minimizar algunas funciones que se encuentran sujetas a
determinadas limitaciones, que llamaremos restricciones.
Para hacernos una idea ms clara de estos supuestos, veamos dos
ejemplos:
Ejemplo 1: Problema de mximos.
En una granja se preparan dos clases de piensos, P y Q, mezclando
dos productos A y B. Un saco de P contiene 8 kg de A y 2 de B, y un
saco de Q contiene 10 kg de A y 5 de B. Cada saco de P se vende a
300 ptas. y cada saco de Q a 800 ptas. Si en la granja hay
almacenados 80 kg de A y 25 de B, cuntos sacos de cada tipo de
pienso deben preparar para obtener los mximos ingresos?
Ejemplo 2: Problema de mnimos.
Una campaa para promocionar una marca de productos lcteos se
basa en el reparto gratuito de yogures con sabor a limn o a fresa.
Se decide repartir al menos 30000 yogures.
Cada yogur de limn necesita para su elaboracin 0.5 gramos de un
producto de fermentacin y cada yogur de fresa necesita 0.2 gramos
de este mismo producto. Se dispone de 9 kilogramos de este
producto para fermentacin.
El coste de produccin de un yogur de limn es de 30 pesetas y 20
pesetas uno de fresa.
En los dos ejemplos descritos est claro que tanto la cantidad que
deseamos maximizar como la cantidad que deseamos minimizar
podemos expresarlas en forma de ecuaciones lineales. Por otra parte,
las restricciones que imponen las condiciones de ambos problemas se
pueden expresar en forma de inecuaciones lineales.
Tratemos de plantear en trminos matemticos los dos ejemplos
anteriores:
1) Si designamos por x al nmero de sacos de pienso de clase P y
por y el nmero de sacos de pienso de clase Q que se han de vender,
la funcin: Z = 300x + 800y representar la cantidad de pesetas
obtenidas por la venta de los sacos, y por tanto es la que debemos
maximizar.
Podemos hacer un pequeo cuadro que nos ayude a obtener las
restricciones:

N kg de A kg de B
P x
8x
2x
Q y
10y
5y
80
25
Por otra parte, las variables x e y, lgicamente, han de ser no
negativas, por tanto : x 0, y 0
Conjunto de restricciones:
8x + 10y 80
2x + 5y 25
x 0, y 0
2) Si representamos por x el nmero de yogures de limn e y al
nmero de yogures de fresa, se tiene que la fucin de coste es Z =
30x + 20y.
Por otra parte, las condiciones del problema imponen las siguientes
restricciones:

De nmero : x + y 80
De fermentacin: 0.5x + 0.2y 9000
Las variables x e y han de ser, lgicamente, no negativas; es
decir: x 0, y 0

Conjunto de restricciones:
x + y 80
0.5x + 0.2y
x 0, y 0

9000

En definitiva:
Se llama programacin lineal al conjunto de tcnicas
matemticas que pretenden resolver la situacin siguiente:
Optimizar (maximizar o minimizar) una funcin objetivo,
funcin lineal de varias variables, sujeta a:
una serie de restricciones, expresadas por inecuaciones
lineales.
Un problema de programacin lineal en dos variables, tiene la
siguiente formulacin estndar:

Pudiendo cambiarse maximizar por minimizar, y el sentido de las


desigualdades.
En un problema de programacin lineal intervienen:

La funcin f(x,y) = ax + by + c llamada funcin objetivo y


que es necesario optimizar. En esa expresin x e y son las
variables de decisin, mientras que a, b y c son constantes.
Las restricciones que deben ser inecuaciones lineales. Su
nmero depende del problema en cuestin. El carcter de
desigualdad viene impuesto por las limitaciones,
disponibilidades o necesidades, que son: inferiores a ...
( menores: < o ); como mnimo de ... (mayores: > o ) .
Tanto si se trata de maximizar como de minimizar, las
desigualdades pueden darse en cualquiera de los dos sentidos.
Al conjunto de valores de x e y que verifican todas y cada una
de las restricciones se lo denomina conjunto (o regin )
factible. Todo punto de ese conjunto puede ser solucin del
problema; todo punto no perteneciente a ese conjunto no
puede ser solucin. En el apartado siguiente veremos como se
determina la regin factible.
La solucin ptima del problema ser un par de valores (x0,
y0) del conjunto factible que haga que f(x,y) tome el valor
mximo o mnimo.

En ocasiones utilizaremos las siglas PPL para indicar problema de


programacin lineal.

PROGRAMACION LINEAL

Raciones de Mnimo Costo


La programacin lineal es el estudio de modelos matemticos
concernientes a la asignacin eficiente de los recursos limitados en
las actividades conocidas, con el objetivo de satisfacer las metas
deseadas (tal como maximizar beneficios o minimizar costos). El
propsito de la programacin lineal es el de MAXIMIZAR o MINIMIZAR
funciones lineales de la forma :
f(X) = C1X1 + C2X2 + C3X3 +. .... ....+ CnXn
Sujeta a un sistema de inecuaciones o ecuaciones lineales.
a11X1 + a12X2 + a13X3 a1nXn <= b1
a21X1 + a22X2 + a23X3 a2nXn <= b2
...
...
...
...
am1X1 + am2X2 + am3X3 + amnXn <= bn
En donde las variables Xi (i = 1,2,3 n) son no negativas.

EJEMPLO 1
Para aplicar la programacin lineal en la elaboracin de las raciones
para vacas lecheras, partimos de una racin hipottica en la cual
intervienen los siguientes datos:
- Dos alimentos : un Concentrado (X1) y un Forraje (X2)
- Tres nutrientes :
Protena Cruda PC
Energa Neta de lactancia ENI
Fibra Cruda FC

- El precio por Kilogramo de cada uno de los alimentos


- Necesidades nutritivas de las vacas lecheras.
ALIMENTOS

VARIABLES

PC

ENl

FC

PRECIO

( gr )

( Mcal )

( gr )

($)

concentrado

X1

120

2.0

100

100

forraje

X2

200

1.3

280

50

NECESIDADES
PC ( gr )

Enl ( Mcal )

MAXIMO
MINIMO

FC ( gr )
2000

1500

16.5

1300

Nuestro propsito es el de optimizar una racin de Mnimo Costo,


aplicando la programacin lineal por el mtodo grfico. El modelo de
programacin lineal es el siguiente:
(1) MIN 110 X1 + 50 X2
SUJETO A LAS SIGUIENTES RESTRICCIONES
(2) 120 X1 + 200 X2 >= 1500
(3) 2.0 X1 + 1.3 X2 >= 16.5
(4) 100 X1 + 280 X2 <= 2000
(5) 100 X1 + 280 X2 >= 1300
La ecuacin (1) corresponde a la FUNCION OBJETIVO, que se trata de
Minimizar, la restriccin (2) es de la Proteina Cruda PC, que como
mnimo debe tener 1500 gramos, la restriccin (3) es de la Energa
Neta de lactancia ENI, que como mnimo debe tener 16.5 Mcal., la
restriccin (4) es de la Fibra Cruda, FCmax que como mximo debe
tener 2000 gramos, la restriccin (5) es tambin de la Fibra Cruda
FCmin, pero en este caso debe tener un mnimo de 1300 gramos.
Se va a determinar por graficacin, cuantos Kilogramos de
Concentrado (X1) y cuantos Kilogramos de Forraje (X2) se calcularan
para que la racin sea al mnimo costo posible y cubra los
requerimientos nutritivos.

Para pensar en una interpretacin geomtrica de nuestro problema,


se transforman las inecuaciones 2, 3, 4 y 5 como ecuaciones :
120 X1 + 200 X2 = 1500
2.0 X1 + 1.3 X2 = 16.5
100 X1 + 280 X2 = 2000
100 X1 + 280 X2 = 1300
Se trazan las grficas de dichas ecuaciones, que no son otra cosa que
lneas rectas, en los ejes cartesianos, tomando coma eje de las Xs el
Concentrado (X1) y en el eje de las Ys el Forraje (X2).

En el rea factible de solucin (rayada) tenemos dos vrtices, el


Punto A, donde se intersectan las lneas de FCmax con ENI y el Punto
B donde se intersectan las lneas de ENl con PC; encontrando las
coordenadas de estos puntos :
PUNTO A
FCmax

100 X1 + 280 X2 = 2000


Enl

+ 1.3 X2 = 16.5
Donde :
X1 = 4.7

X2 = 5.47

2.0 X1

PUNTO B
ENl

2.0 X1 + 1.3

X2 = 16. 5
PC

120 X1 +

200 X2 = 1500
Donde :
X1 = 5.53

X2 = 4.18

Sustituyendo los valores de estos puntos en la ecuacin del COSTO.


110 X1 + 50 X2
Para el Punto A (4.7 , 5.47)
110(4.7) + 50(5.47) = 790.5
Que son los valores para el MINIMO COSTO.
Para el Punto B (5.53 , 4.18)
110(5.53) + 50(4.18) = 817.62
La ecuacin FCmin 100X1 + 280 X2 = 1300
est fuera del rea factible de solucin, por lo tanto, no participa en
la solucin del problema de optimizacin.
LA SOLUCION ES :
CONCENTRADO

(X1) =

4.70 Kg.
FORRAJE
(X2) = 5.47 g.
MINIMO COSTO = $ 790.50
APORTE DE NUTRIENTES POR LA RACION :
Proteina Cruda PC 120(4.7) + 200(5.47) = 1658 gr., que es poco ms
del mnimo impuesta por la restriccin de 1500 gr.
Energa Neta de lactancia ENI 2.0(4.7) + 1.3(5.47) = 16.5 Mcal., que
es el mnimo requerido e impuesto por la restriccin.

Fibra Cruda FC 100(4.7) + 280(5.47) = 2000 gr., que es limite


mximo requerido e impuesto por la restriccin 1300 - 2000 gr.
Maximizacin de Raciones
EJEMPLO 2
Calculemos ahora una racin MAXIMIZADA con los siguientes datos,
Agregando una nueva restriccin ; COSTO :
ALIMENTOS

VARIABLES

PC

ENl

FC

PRECIO

( gr )

( Mcal )

( gr )

($)

concentrado

X1

120

2.0

100

100

forraje

X2

200

1.3

280

50

NECESIDADES
Enl ( Mcal )
MAXIMO
MINIMO

14.5

FC ( gr )

COSTO ( $ )

2000

850

1300

Optimizar una racin de MAXIMA PROTEINA CRUDA, agregando como


restriccin, que la racin no cueste ms de $ 850.00.
El modelo de programacin lineal es el siguiente:
(1) MAX 120 X1 + 200 X2
SUJETO A LAS SIGUIENTES RESTRICCIONES
(2) 2.0 X1 + 1.3 X2 >= 14.5
(3) 100 X1 + 280 X2 <= 2000
(4) 100 X1 + 280 X2 >= 1300
(5) 110 X1 + 50 X2 <= 850
La ecuacin (1) es la FUNCION OBJETIVO, que en este caso ser para
Mxima Protena Cruda PC, la inecuacn (2) es la restriccin para la
Energa Neta de lactancia ENl, siendo mnimo de 14.5 Mcal., la
inecuacin (3) es la restriccin para la Fibra Cruda FCmax, que es de
mximo de 2000 gr., la inecuacin (4) es la restriccin tambin para

la Fibra Cruda FCmin, pero para un mnimo de 1300 gr., la inecuacin


(5) es la restriccin del COSTO de la racin, que deber costar un
mximo de $ 850.00.
Trazando las ecuaciones lineales en los ejes cartesianos, tendremos :

En el rea factible de solucin (rayada) tambin tenemos dos


vrtices, el Punto A, donde se intersectan las lneas de FCmax con
COSTO y el Punto B, donde se intersectan las lneas de ENI con
FCmin.
Encontrando las coordenadas de estos puntos :
PUNTO A
FCmax

100 X1 + 280

COSTO

110 X1 +

X2 = 2000
X2 = 850
Donde:
X1 = 5.35

X2 = 5.23

50

Sustituyendo en la ecuacin de Mxima Protena Cruda


120(5.35) + 200(5.23) = 1688 gr.
PUNTO B
ENI

2 .0 X1 + 1.3

X2 = 14.5
FCmin

100 X1 + 280

X2 = 1300
Donde:
X1 = 5.51

X2 = 2.67

Sustituyendo en la ecuacin de Mxima Protena Cruda :


120(5.51) + 200(2.67) = 1423 gr
Vemos que en el Punto A(5.35 , 5.23) es donde se cumple la funcin
objetivo para mxima protena cruda, que es a la vez el punto ms
alejado del origen.
LA SOLUCION :
CONCENTRADO

(X1) = 5.35

Kg.
ORRAJE

(X2) =

5.23 Kg.
MAXIMA PROTEINA CRUDA = 1688 gr.
APORTE DE NUTRIENTES POR LA RACION :
ENI 2(5.35) + 1.3(5.23) = 17.5 Mcal., que est arriba del limite
mnimo de 14.5 Mcal. que impone como restriccin.
FC 100(5.35) + 280(5.23) = 1999 gr., que se encuentra entre el
rango de 1300 a 2000 grs. impuestos por las restricciones.
COSTO 110(5.35) + 50(5.23) = $ 850.00, costo que se encuentra al
limite mximo impuesto por la restriccin.
El mtodo grfico de solucin de problemas de programacin lineal,
es prctico slo para dos variables X1 y X2, ms de dos variables se

complica demasiado, pues se forma un poliedro dificil de interpretar;


El Mtodo Grfico lo ilustramos slo por cuestiones didcticas.
La manera ms eficiente de resolver el problema de programacin
lineal es mediante el mtodo Simplex, en el cual estn basadas la
mayora de los cdigos para computadora.
ESTRATEGIA DE ALIMENTACION
Racin para Vaca lechera
Resolver una racin optimizada por programacin lineal para una
Vaca Lechera con un pesa vivo de 650 Kg. produciendo 30 Kg. de
leche por da, con un contenido de grasa de 4 %; por lo tanto
producir 9155 Kg. leche por lactancia.
La curva de lactancia tendr los siguientes valores de produccin
mensual de leche por da, para una granja de 80 vacas, de las cuales
70 vacas estn en produccin lactea y 10 vacas se encuentran secas :
PERIODO DE LACTANCIA
MES DE
LECHE
LACTANCIA POR
VACA

LECHE POR
VACA

MEDIA
POR
LOTE

VACAS

PRODUCCION PRODU
LACTEA
LACTE

(Kg/da) (Kg/lactancia) (Kg/da) (cabezas) (Kg/da)

(Kg/m

1er

36

252

7656

41

287

8753.5

37

259

7899.5

35

210

6405

32

256

7808

30

270

8235

27

162

4941

24

144

4392

21

126

3843

10

18

144

4392

70

2110

64355

TOTAL

4525

2721

1909

37

30

21

9155
PERIODO DE SECA

MES DE SECA

VACAS ( cabezas )

1er

2o

TOTAL

10

Se puede elegir dos estrategias de alimentacin :


1a. ESTRATEGIA .- Determinar una racin por cada mes de
lactancia; por lo que calcularemos 10 raciones por programacin
lineal.
2a. ESTRATEGIA .- Lotes de vacas por produccin lactea:
1er. Lote del 1er al 4o. mes de lactancia :
Produccin lactea total de 4525 Kg. y Media/da de 37
Kg. 1 racin
para produccin lactea de 37 Kg. leche y peso vivo de
650 Kg.
2o. Lote del 4o. al 7o. mes de lactancia:
Produccin lactea total de 2721 Kg. y Media/da de 30 Kg.
1 racin
para produccin lactea de 30 Kg. leche y peso vivo de 650
Kg.
3er. Lote del 7o. al 10o. mes de lactancia:
Produccin lactea total de 1909 Kg. y Media/da de 21
Kg. 1 racin
para produccin lactea de 21 Kg. leche y peso vivo de
650 Kg.

PROGRAMACION LINEAL

INTRODUCCION:
En esta unidad vas a utilizar unas escenas en las que aparece la
representacin de rectas y expresiones con clculos que te permitirn
contestar a las preguntas formuladas.
En la parte inferior de cada escena puedes ver los parmetros que
incorpora la escena. Tienen unos valores iniciales que tu puedes
modificar situando el cursor en la casilla del parmetro y tecleando
los valores que te interesen. Para pasar de un parmetro al siguiente
usa el tabulador y para ver el efecto de esos cambios pulsa ENTER.
Es preferible que selecciones el texto e imprimas en un papel las
explicaciones. De esta forma puedes ver la escena y las explicaciones
simultneamente. De otro modo tendrs que desplazarte por la

pantalla cada vez que necesites consultar las instrucciones o las


explicaciones.

SEMIPLANOS. INECUACIONES DE PRIMER GRADO CON DOS


INCGNITAS
EXPLICACIN:Una recta es el conjunto de puntos (x,y) del plano que
verifican la ecuacin
Ax+By=C.
La recta divide el plano en dos semiplanos o conjuntos de puntos que
verifican las inecuaciones
Ax+By<C semiplano
Ax+By>C semiplano
ESCENA: En la siguiente escena puedes ver una recta, tres puntos,
las ecuaciones de esa recta y de los semiplanos y unas expresiones
con los clculos A*x+B*y que hay que hacer para ver el valor que
toma la expresin Ax+By en el punto seleccionado. Estudia
atentamente la escena hasta familiarizarte con ella. Vers que los
clculos estn hechos con un decimal
OBJETIVO: localizar la ecuacin de cada semiplano. Para ello sigue las
indicaciones que estn despues de la escena.

1.-Situa la flecha sobre el punto P de coordenadas (x,y), arrstralo


sobre la recta ( mantn pulsado el botn izquierdo) y comprueba en
la parte superior izquierda que al sustituir sus coordenadas en la
ecuacin se verifica la igualdad Ax+By=C
2.- Repite la comprobacin con el punto Q arrastrndolo por el
semiplano correspondiente y comprueba en la parte inferior izquierda
que para esos puntos se verifica la desigualdad Ax+By<C

3.- Repite con el punto R y comprueba en la parte superior derecaha


que para esos puntos se verifica la desigualdad Ax+By>C
4.- Puedes modificar la recta seleccionando otros valores de A, B y C
(usa las flechas o teclalos como te expliqu al principio) y
comprobar a qu expresin corresponde cada semiplano.
LOCALIZACION DE UN SEMIPLANO CON EL PUNTO (0,0)
EXPLICACION: Puesto que todos los puntos de un mismo semiplano
verifican la misma desigualdad es suficiente comprobar con uno de
ellos para localizar la desigualdad que lo define. Se suele elegir el
punto (0,0) por la sencillez de los clculos. Si la recta pasa por (0,0)
hay que utilizar otro punto cualquiera.
ESCENA: En esta escena vas a ver una recta, las ecuaciones de la
recta y de los semiplanos y el valor que toma la expresin A*x+B*y
en el punto (0,0) y que debes comparar con C.
OBJETIVO: Localizar la ecuacin de cada semiplano observando el
punto (0,0)

1.- Observa el valor que toma la expresin Ax+By, comprala con C y


elige la desigualdad (> <)que representa al semiplano que contiene
el punto (0,0). La otra desigualdad representa al semiplano que no
contiene el punto (0,0). Arrastrando con el ratn mueve las
ecuaciones a los semiplanos correspondientes. Dibuja en tu cuaderno
la recta actual y escribe el nombre de los dos semiplanos usando las
desigualdades.
2.- Cambia la ecuacion de la recta tecleando otros valores para A , B
y C y trata de localizar la desigualdad correspondiente a cada
semiplano. En tu cuaderno dibuja esta nueva recta y escribe las
desigualdades en cada semiplano.
3.- Elige alguna ecuacin que tenga A, B o C negativo , localiza
nuevamente la expresin de cada semiplano y anota en tu cuaderno
las soluciones.

RECINTOS DEFINIDOS MEDIANTE DESIGUALDADES AX+BY>=C O


AX+BY<=C
EXPLICACION: La expresin Ax+By>=C ( tambin puede ser
Ax+By<=C) se llama inecuacion de primer grado con dos incgnitas y
sus soluciones son parejas de nmeros (x,y) que se corresponden
con los infinitos puntos de la regin > y la recta =.
A partir de ahora vamos a estudiar los sistemas de inecuaciones, es
decir las soluciones de un conjunto de inecuaciones. Estas habrn de
ser parejas de nmeros ( puntos del plano) que verifican todas las
desigualdades del sistema y estarn situadas en una regin del plano
o recinto limitado por algunas de las rectas del sistema.
Estos sistemas con tres inecuaciones dividen el plano en 7 recintos
limitados por algunas de las rectas representadas. El problema
consiste en localizar cul de ellos hace verdaderas las tres
desigualdades.
ESCENA: En esta escena vas a ver tres inecuaciones , las rectas
asociadas a cada una de ellas y un punto P(x,y) que puedes mover
por el plano arrastrndolo con el ratn o tecleando en la ventana x o
y el valor que te interesa. En la parte superior puedes ver el valor que
toma cada expresin al sustituir las coordenadas de P=(x,y).

OBJETIVO: Localizar el recinto que contiene todas las soluciones del


sistema de inecuaciones.

1.- Selecciona puntos P en cada recinto hasta localizar aquel que hace
verdaderas las tres desigualdades. Puedes probar con (3,1) (0,2)
(0,0) (2,2) (4,4) (1,4) u otros.

2.- Arrastra con el ratn el punto P por el recinto seleccionado y vers


que en todos los puntos se cumplen las tres desigualdades.
Todos los puntos del recinto seleccionado son soluciones del sistema.
3.- Observa en la escena que hay recintos abiertos (no estn
limitados por rectas en alguna direccin). En el ejemplo la solucin es
un recinto cerrado de forma triangular pero si modificas alguna
desigualdad poniendo > en lugar de < la solucin sera un recinto
abierto. En la quinta escena encontrars un ejemplo

UN PROBLEMA DE PROGRAMACION LINEAL

EXPLICACION: Estos problemas consisten en encontrar el valor


mximo o mnimo de una funcin lineal Ax+By=Z que toma valores
en los puntos (x,y) de un recinto. Esencialmente constan de una
funcin objetivo, la que queremos optimizar, y una serie de
restricciones que representan el recinto y que son desigualdades
como las del apartado anterior.
Debes entender que trabajamos con una familia de rectas, una para
cada valor de Z , y se trata de localizar el valor mximo o mnimo de
Z cuando toma valores dentro del recinto.
ESCENA: Vas a ver representadas las restricciones, una recta que es
la funcin objetivo y sobre ella un punto P que cumple dos funciones,
la de arrastrar la recta por el plano y la de calcular el valor Z que
toma A*x+B*y en ese punto P y que puedes verlo en la parte inferior
izquierda de la escena.
OBJETIVO: Hallar el punto P en el que la funcin objetivo Ax+By
toma su valor mximo o su valor mnimo.

1.- Selecciona, arrastrando con el ratn, algunos puntos P y observa


las restricciones de la parte superior izquierda. Comprobars que los
puntos que cumplen las tres restricciones estn en la zona

sombreada de la escena. En las proximidades de los bordes del


tringulo puede haber alguna confusin debida a que en la pantalla
los clculos se ven con un decimal. Para asegurarte puedes meter
(x,y) desde el teclado y vers que los bordes del tringulo y en
concreto sus vrtices tambin cumplen las restricciones. Lee en la
escena las coordenadas de los vrtices y comprueba las restricciones
para esos puntos.

Solamente los puntos de la zona sombreada cumplen las tres


restricciones. Esa zona se llama regin factible y sobre ella
buscaremos los valores ptimos de Z.
2.- Selecciona puntos P=(x,y) en la regin factible y observa el valor
que toma la funcin objetivo en esos puntos. Asegrate de tomar
puntos que estn en los bordes del recinto, especialmente en los
vrtices.
3.- Localiza los puntos en los que la funcin objetivo alcanza el valor
mximo y el valor mnimo.
Los valores ptimos de la funcin objetivo se alcanzan en los vrtices
de la regin factible si sta es cerrada.
4.- Anota en tu cuaderno los valores de x e y en los que la funcin
objetivo alcanza el mximo y el mnimo. Anota tambin el valor
mximo y mnimo de la funcin objetivo
5.- Si quieres probar con otra funcin objetivo pasa a la siguiente
escena.

OTRO PROBLEMA CAMBIANDO LA FUNCION OBJETIVO

ESCENA: Ahora puedes elegir la funcin que deseas optimizar.


Observa que hay dos parmetros nuevos A y B que son los
coeficientes de la funcin objetivo. Puedes modificarlos escribiendo
otros valores. En esta escena hemos cambiado tambien las
restricciones. Si quieres que los clculos sean ms exactos introduce
los valores x, y, A, B a travs del teclado.

1.- Selecciona puntos P=(x,y) y comprueba que la regin factible


coincide con la zona sombreada incluyendo los bordes.
2.- Selecciona puntos P(x,y) en la regin factible y fjate en el valor
que toma la funcin objetivo en esos puntos especialmente en los
vrtices.

3.- Localiza los puntos en los que la funcin objetivo alcanza el valor
mximo y el valor mnimo. Anota en tu cuaderno estas restricciones y
la funcin objetivo. Anota tambin tus conclusiones.
4.- Elige una funcin objetivo con coeficientes A y B iguales o
proporcionales a los de alguna de las restricciones (por ej A=2, B=1). Localiza los puntos (x,y) donde se alcanza el mximo y el mnimo
de Z. Fjate bien en los bordes. Anota en tu cuaderno el problema
elegido y tus conclusiones
Los ptimos pueden ser muchos pero estarn situados en el borde del
recinto

OTRO PROBLEMA CON UN RECINTO ABIERTO


EXPLICACION
Algunas restricciones nos pueden conducir a recintos abiertos. En
este caso puede que no existan el mximo o el mnimo..
ESCENA

1.- Localiza la regin factible moviendo el punto P=(x,y) por las


distintas regiones y observando el valor que toman las restricciones.
En este ejemplo las restricciones nos llevan a un recinto que no est
limitado por una recta en uno de sus bordes, se trata de un recinto
abierto. Puedes ver lo que ocurre en esa direccin moviendo el origen
de coordenadas a travs de O.x y O.y en la parte superior de la
escena. Te sugiero que teclees O.x=-250 O.y=150 y ENTER
2.- Observa el valor que toma la funcin objetivo tomando P dentro
de este recinto y trata de localizar los valores mximo y mnimo.
Observars que esta funcin tiene un mnimo pero nunca alcanza su
valor mximo. Copia en tu cuaderno la grfica, las restricciones y la
funcin objetivo.
Anota los valores (x,y) en los que Z alcanza el mnimo y anota
tambin el valor mnimo para Z.
Si el recinto es abierto la funcin objetivo puede que no tenga
mximo o mnimo.
3.- Elige otra funcin objetivo cambiando los parmetros A y B de
forma que sean iguales o proporcionales a alguna restriccin. Por
ejemplo A=2 y B=4. Busca el mximo y el mnimo. Anota en tu
cuaderno las soluciones.
Esta funcin alcanza el mnimo en todos los puntos (x,y) del
segmento BC. Nunca alcanza el mximo.
4.- Prueba otra vez con A=2 y B=-1 y anota en tu cuaderno las
soluciones.
La funcin objetivo alcanza el mnimo en todos los puntos (x,y) de
una semirecta de ecuacin 2x-y=1 con x>=2. El valor mnimo es
Z=1. No alcanza el mximo.
5.- Prueba con A=2 y B=-6. Anota las soluciones
La funcin objetivo alcanza el mximo en todos los puntos de una
semirecta de ecuacin x-3y=-2 con x>=4. Esta funcin no alcanza el
mnimo.
Los ptimos de la funcin objetivo pueden ser infinitos pero estarn
situados en los segmentos o semirectas que definen el borde del
recinto.

Formulacin del Modelo de Transporte.

La programacin lineal es un campo tan amplio que se extiende


a subclases de problemas para los cuales existen mtodos de solucin
especiales. Una de estas subclases se conoce como problemas de
transporte. El mtodo smplex de programacin lineal, puede servir
para resolver estos problemas. Pero se han desarrollado mtodos
ms

sencillos

que

aprovechan

ciertas

caractersticas

de

los

problemas. Entonces, el mtodo del transporte son slo tcnicas


especiales para resolver ciertos tipos de problemas de programacin
lineal.
El transporte desempea un papel importante en la economa y
en las decisiones administrativas. Con frecuencia la disponibilidad de
transporte econmico es crtica para la sobre-vivencia de una
empresa.
Qu significa problema de transporte? Supngase que un
fabricante tiene tres plantas que producen el mismo producto. Estas
plantas a su vez mandan el producto a cuatro almacenes. Cada
planta puede mandar productos a todos los almacenes, pero el costo
de transporte vara con las diferentes combinaciones. El problema es
determinar la cantidad que cada planta debe mandar a cada almacn
con el fin de minimizar el costo total de transporte.
La manera ms fcil de reconocer un problema de transporte es
por

su

naturaleza

estructura

de-hacia: de un origen hacia un destino, de una fuente hacia un


usuario, del presente hacia el futuro, de aqu hacia all. Al enfrentar
este tipo de problemas, la intuicin dice que debe haber una manera
de obtener una solucin. Se conocen las fuentes y los destinos, las
capacidades y demandas y los costos de cada trayectoria. Debe haber
una combinacin ptima que minimice el costo (o maximice la
ganancia). La dificultad estriba en el gran nmero de combinaciones
posibles.
Puede formularse un problema de transporte como un problema
de programacin lineal y aplicarse el mtodo smplex. Si se hiciera, se

encontrara que los problemas de transporte tienen caractersticas


matemticas nicas. Para visualizar esto, considrese el siguiente
ejemplo:

Ejemplo prototipo.
Chcharos enlatados es uno de los productos ms importantes
de la compaa P & T. Los chcharos se preparan en tres enlatadoras
(cercanas a Bellingham, Washington; a Eugene, Oregn y a Albert
Lea, Minnesota) y despus se mandan por camin a cuatro almacenes
de distribucin (en Sacramento, California; Salt Lake City, Utah;
Rapid City, South Dakota y Alburquerque, New Mexico) en el oeste de
Estados Unidos. Puesto que los costos de embarque constituyen un
gasto importante, la gerencia ha iniciado un estudio para reducirlos lo
ms posible que se pueda. Se ha hecho una estimacin de la
produccin de cada enlatadora para la prxima temporada y se ha
asignado a cada almacn una cierta cantidad de la produccin total
de chcharos. En la siguiente tabla se proporciona esta informacin
(en unidades de carga de camin), junto con el costo de transporte
por camin cargado para cada combinacin de enlatadora-almacn.
Como se ve hay un total de 300 cargas de camin que se deben
transportar. El problema es determinar el plan de asignacin de estos
embarques a las distintas combinaciones de enlatadora-almacn que
minimice el costo total de transporte.

Costo de embarque ($) por carga

Almacn
2
3
4

Producci

n
1
Enlatadora
2
3
Asignacin

464 513 654 867


352 416 690 791

75
125

995 682 388 685


80 65 70 85

100

Este, de hecho, es un problema de programacin lineal del tipo


de los problemas de transporte. Para formularlo, sea Z el costo total
de transporte y sea x ij (i = 1, 2, 3;

j = 1, 2, 3, 4) el nmero de

cargas de camin que se mandan de la enlatadora i al almacn j.


Entonces el objetivo es seleccionar los valores de estas 12 variables
de decisin (las xij) para:
Minimizar Z= 464x11 + 513x12 + 654x13 + 867x14 + 352x21 +
416x22 + 690x23 + 791x24
995x31 + 682x32 + 388x33 + 685x34
sujeta a las restricciones:

x1 + x1 + x1 + x1
1

= 75
x2 + x2 + x2 + x2
1

x1
1

+ x2
1

x1
2

+ x3

x1
4

+ x2
2

x1

x3 + x3 + x3 + x3
3

+ x3
2

+ x2
3

+ x2
4

= 12
5
= 10
0
= 80
= 65

+ x3
3

= 70
+ x3 = 85
4

xij 0 (i = 1, 2, 3; j = 1, 2, 3, 4)
La siguiente tabla muestra los coeficientes de las restricciones.
Como se ver enseguida, lo que distingue a este problema como un

problema de transporte es la estructura especial en el patrn de estos


coeficientes, no su contexto.

x11 x12 x13 x14 x21


1

Coeficiente de:
x22 x23 x24 x31 x32 x33 x34

1
1

1
1

1
1

Restricciones
de
enlatadora

1
1

1
1

Restricciones
de
almacn

1
1

Entre parntesis, la solucin ptima para este problema es x 11 = 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 podr verificar
este resultado.
Modelo general del problema de transporte.
Para describir el modelo general del problema de transporte es
necesario emplear trminos que sean mucho menos especficos 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 distribucin de cualquier bien desde cualquier
grupo de centros de abastecimiento, llamados orgenes, a cualquier
grupo de centros de recepcin, llamados

destinos, de tal manera que se minimicen los costos totales de


distribucin. La correspondencia

en terminologa entre el ejemplo

prototipo y el problema general se resume en la siguiente tabla:

Ejemplo prototipo
Cargas
de
chcharos
enlatados
Tres enlatadoras
Cuatro almacenes
Produccin de la enlatadora i
Asignacin al almacn j
Costo de embarque por
carga
desde la enlatadora i al
almacn j

Problema general
Unidades de un bien
m orgenes
n destinos
si recursos en el origen i
Demanda dj en el destino j
Costo
cij
por
unidad
distribuida
desde el origen i al
destino j

As, por lo general, el origen i (i = 1, 2, ..., m) dispone de si


unidades para distribuir a los destinos y el destino j (j = 1, 2, ..., n)
tiene una demanda de dj unidades que recibe desde los orgenes. Una
suposicin bsica es que el costo de distribucin de unidades desde el
origen i al destino j es directamente proporcional al nmero
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
1
1

c11

c21

.
.

.
.

.
m

.
cm1

Origen

Demanda

d1

Destino
2
..
.
c12
..
.
c22
..
.
.
.
.
.
.
.
cm2
..
.
d2
..
.

Recursos

c1n

s1

c2n

s2

.
.

.
.

.
cmn

.
sm

dn

Sea Z el costo total de distribucin y xij (i = 1, 2, ..., m; j = 1, 2,...,


n) el nmero de unidades que se distribuyen del origen i al destino j,
la formulacin de programacin lineal para este problema es:
m

Minimizar

Z=

ij

xij

i 1 j 1

sujeta a
n

ij

si

para i = 1, 2, ..., m

ij

dj

para j = 1, 2, ..., n

j 1

x
i 1

xij 0,

para toda i y j

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 . xm1 xm2 . xmn
.
.
.
.
.
.
.
.
1

.
.
.

Restricciones
1

.
.
.

de
origen
.
.
.

A
=

1
1

.
.
.

1
1

.
.
.

Restricciones
de
destino

.
1

.
1

Cualquier problema de programacin lineal que se ajuste a esta


formulacin especial es del tipo de problemas de transporte, sin
importar su contexto fsico. De hecho, se han realizado numerosas
aplicaciones no relacionadas con el transporte que se ajustan a esta
estructura especial. sta es una de las razones por las que el
problema de transporte se suele considerar como uno de los tipos
especiales de problemas de programacin lineal ms importantes.
Una condicin necesaria y suficiente para que un problema de
transporte tenga soluciones factibles es que:

s d
i

i 1

j 1

Esta propiedad se puede verificar observando que las restricciones


requieren que:
m

i 1

d
j 1

sean iguales a

ij

i 1 j 1

Esta condicin de que los recursos totales deben ser iguales a la


demanda total en realidad exige que el sistema est balanceado. Si el
problema tiene algn significado fsico y esta condicin no se cumple,
casi siempre significa que, o bien s i, 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 condicin de factibilidad.
El problema de transporte es slo un tipo especial de problemas
de programacin lineal y puede resolverse aplicando el mtodo
smplex 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 clculos. Se
har referencia a este procedimiento simplificado como el mtodo
smplex de transporte.
Para hacer hincapi en la simplificacin lograda por el mtodo
smplex de transporte, se revisar primero la forma en que el mtodo
smplex general (no simplificado) establecera el problema de
transporte en forma tabular. Despus de construir la tabla de los
coeficientes de restriccin (vea la tabla anterior), de convertir la
funcin objetivo a la forma de maximizacin y de usar el mtodo de
la M para introducir las variables artificiales z 1, z2, ..., zm+n en las m+n
ecuaciones de restriccin respectivas, se ve que las columnas de la
tabla smplex tendran la forma que se muestra en la siguiente tabla:

Variable

Ec.

Lado

Coeficiente de

bsica
Z

nm.
Z . . . xij . . .
(0)
cij
1
(1)
.
.
.
zi
(i)
0
1
.
.
.
zm+j
(m+j) 0
1
.
.
.
(m+n)
En esta tabla, todos los elementos

zi
M

. . . zm+j . . . derecho
M
0

si

dj

que no se muestran en estas

columnas son ceros. El nico ajuste que queda por hacer antes de la
primera

iteracin

es

eliminar

algebraicamente

los

coeficientes

distintos de cero de las variables bsicas iniciales (artificiales) en el


rengln de Z (rengln 0).
Despus de cualquier iteracin subsecuente, el rengln 0
tendra la forma que se muestra en la siguiente tabla:
Variable
bsica

Ec.

Lado

Coeficiente de

nm Z . . .

xij

...

zi

. . . zm+j . . .

derecho
m

(0)

cij
uivj

Mui

Mvj

siui
i 1

d v

j j

j 1

A causa del patrn de ceros y unos que siguen los coeficientes


en la tabla anterior, ui y vj tienen la siguiente interpretacin:

ui = mltiplo del rengln i original que se ha restado (directa o


indirectamente) del rengln 0 original

durante todas las

iteraciones del mtodo smplex que llevaron a la tabla actual.


vj = mltiplo del rengln m+j original que se ha restado (directa o
indirectamente) del rengln 0 original durante todas las
iteraciones del mtodo smplex que llevaron a la tabla actual.

El rengln 0 actual se puede obtener sin usar ningn otro


rengln con slo calcular los valores de ui y vj directamente. Como
cada variable bsica debe tener coeficiente cero en el rengln 0,
estos valores se

pueden obtener resolviendo el sistema de

ecuaciones:
cijuivj = 0

para cada i y j tal que xij es variable bsica,

lo cual se puede hacer de manera directa.


Adems de los datos de entrada (los valores de c ij, si y dj), la
nica informacin que necesita el mtodo smplex de transporte es la
solucin bsica factible actual, los valores actuales de u i y vj y los
valores resultantes de cijuivj para las variables no bsicas xij.
Cuando se resuelve un problema a mano es

conveniente registrar

esta informacin en una tabla smplex de transporte, como la que


se muestra enseguida:

En los casos en que la sumatoria de todo lo que se produce en


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

Para el caso de SOBREPRODUCCIN (

si

i 1

dj
j 1

Si el caso es que se dispone de mayor produccin de la que se


demanda, entonces para balancear el problema se agrega un destino
imaginario o artificial (llamado tambin destino ficticio) el cual tendr
como demanda dicha sobreproduccin. En cuanto a los costos
asociados a este nuevo destino los estableceremos a cero (por
qu?). El siguiente dibujo muestra lo que se debe hacer:

donde

dn+1 =
ci,n+1 = 0,

i 1

j 1

si dj

para i = 1, 2, ..., m

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 tambin origen ficticio) el cual tendr
como recursos (producir) dicha sobredemanda. En cuanto a los
costos asociados a este nuevo origen los estableceremos a cero (por
qu?). El siguiente dibujo muestra lo que se debe hacer:

donde
n

d s
j

sm+1 =

cm+1j = 0

j 1

i 1

para j = 1, 2, ..., n

Como todas las restricciones funcionales en el problema de


transporte son igualdades, el mtodo smplex obtendra una solucin
inicial bsica factible introduciendo variables artificiales y usndolas
como variables bsicas iniciales. La solucin bsica que resulta de
hecho slo es factible para la versin aumentada del problema, por lo
que se necesita un buen nmero de iteraciones para hacer que el
valor de estas variables artificiales sea cero y se alcancen las
soluciones bsicas factibles reales. El mtodo smplex de transporte
pasa por alto todo esto, pues usa un procedimiento ms sencillo para
construir directamente una solucin bsica factible real en la tabla de
transporte.
Antes de describir este procedimiento, es necesario establecer
que el nmero de variables bsicas en cualquier solucin bsica de
un problema de transporte es una menos de lo que se espera.
Normalmente en los problemas de programacin lineal, se tiene una

variable bsica por cada restriccin funcional. En los problemas de


transporte con m recursos y n destinos el nmero de restricciones
funcionales es m+n. Sin embargo,el nmero de variables bsicas =
m + n 1.
Esto se debe a que se manejan restricciones de igualdad y este
conjunto de m + n ecuaciones tiene una ecuacin adicional o
(redundante) que se puede eliminar. La razn es que se sabe que la
cantidad total que se manda desde todos los orgenes debe ser igual
que la cantidad total que se recibe en todos los destinos. Por lo tanto,
cualquier solucin bsica 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 rengln o columna es
igual a su demanda o sus recursos
4.2. Mtodos para encontrar soluciones factibles.
Al iniciar, todos los renglones de los orgenes y las columnas de
destinos de la tabla smplex de transporte se toman en cuenta para
proporcionar una variable bsica (asignacin).
1. Se selecciona la siguiente variable bsica (asignacin) entre
los renglones y columnas en que todava se puede hacer una
asignacin de acuerdo a algn criterio.
2. Se hace una asignacin lo suficientemente grande como para
que use el resto de los recursos en ese rengln o la demanda
restante en esa columna (cualquiera que sea la cantidad ms
pequea).
3. Se elimina ese rengln o columna (la que tena la cantidad
ms pequea en los recursos odemanda restantes) para las
nuevas asignaciones.(Si el rengln y la columna tiene la
misma cantidad de recursos y demanda restante, entonces
arbitrariamente se elimina el rengln. La columna se usar

despus para proporcionar una variable bsica degenerada, es


decir, una asignacin con cero unidades.)
4. Si slo queda un rengln o una columna dentro de las
posibilidades, entonces el procedimiento termina eligiendo
como bsicas cada una de las variables restantes (es decir,
aquellas variables que no se han elegido ni se han eliminado al
quitar su rengln o columna) asociadas con ese rengln o
columna que tiene la nica asignacin posible. De otra manera
se regresa al paso 1.
4.2.1. Mtodo de la esquina noroeste.
1. Regla de la esquina noroeste: la primera eleccin es x11 (es
decir, se comienza en la esquina noroeste de la tabla smplex
de transporte). De ah en adelante, si x ij fue la ltima variable
bsica seleccionada, la siguiente eleccin es x i,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
rengln hacia abajo).
Para hacer ms concreta esta descripcin, se ilustrar el
procedimiento general, utilizando la regla de la esquina noroeste en
el siguiente ejemplo:
3
2
4

Recursos
5
2
3
1

Demanda

0
10

Lo primero que debemos hacer al resolver cualquier problema


de transporte es comprobar que est balanceado, si no lo estuviera,
agregamos un origen o un destino artificial segn 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 orgenes es de 10 unidades que es igual a la sumatoria de las
demandas de los destinos, por lo que nuestro problema est
balanceado y podemos iniciar con la resolucin.
Comenzamos asignando en la esquina noroeste de la tabla, es
decir, en la celda correspondiente a la variable bsica x 11 (paso 1),
podemos observar que en la primera columna se demandan 3
unidades del bien y en el primer rengln disponemos de 5 unidades,
entonces enviamos las 3 unidades demandadas desde el origen 1
hacia el destino 1 (ya que hay los recursos suficiente para satisfacer
toda la demanda) y decrementamos a 2 los recursos restantes en ese
origen (paso 2). Con esto cubrimos toda la demanda del primer
destino ( almacn) y lo cancelamos para las prximas asignaciones
(paso3):

3
3
2
4

Demanda

3 0

Recursos
5 2

La siguiente asignacin ser en la celda correspondiente a la


variable x12 (paso 1) ya que todava le quedan recursos al origen 1
(adems es la esquina noroeste de la tabla restante despus de
haber eliminado la primera columna). 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 envan 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 ms unidades del bien para


enviar a otro destino
(paso 3):

3
3
2
4

Demanda

3 0

Recursos
5 2 0

4 2

3
1

La siguiente asignacin ser en la celda correspondiente a la


variable x22 (paso 1) ya que no le quedan unidades del bien al origen
1 (notemos tambin que esa celda es la que se encuentra en la
esquina noroeste de la tabla restante despus de haber eliminado el
primer rengln 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 rengln ya que no le quedan ms
unidades

para

enviar

otro

destino.

Dejamos

pendiente

la

eliminacin de la segunda columna ya que nos servir ms adelante


para hacer la asignacin de una variable bsica degenerada, es decir,
una asignacin con cero unidades (paso 3):

7
2
4
2
3

3
2
4

Demanda

3 0

4 2 0

Recursos
5 2 0

2 0

La siguiente asignacin ser en la celda correspondiente a la variable


x32 (paso1) ya que no le quedan ms unidades al origen 2. Notemos
que se demandan cero unidades del bien en el segundo destino, en
este momento es cuando hacemos una asignacin de cero unidades
convirtiendo as a la variable x32 en una variable bsica degenerada
(paso 2) y ahora s podemos cancelar la segunda columna para ya no
considerarla ms en las siguientes asignaciones (paso 3). Notemos
que esta demanda de cero unidades es satisfecha sin ningn
problema por el origen 3 ya que ste dispone todava de 3 unidades
del bien:

7
3

Recursos
5 2 0

2 0

2
4
2

3
0

Demanda

3 0

4 2 0

Como solamente queda un rengln dentro de las posibilidades


(el rengln 3 no ha sido cancelado), entonces aplicando el paso 4 del
procedimiento general para construir una solucin inicial bsica
factible, la siguiente asignacin ser 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


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 rengln ya que la demanda de todos los destinos ya ha
sido satisfecha y no quedan ms unidades del bien en ningn origen:
Recursos
3

7
3

5 2 0

2 0

4
2
3

8
0

Demanda

3 0

4 2 0

3 1 0

5
2

2 0

1 0

Costo =
52

La solucin inicial bsica factible es x11=3, x12=2, x22=2,


x32=0 (variable bsica degenerada), x33=2 y x34=1 y el costo total de
transporte asociado a esta primera Poltica de Transporte factible es
de:
x1 c11
Cost
o=

3 (3 +
)

x1 c12
2

2 (7 +
)

x2 c22
2

2 (4 +
)

x3 c32
2

0 (3 +
)

x3 c33
3

2 (8 +
)

x3 c34
4

1 (5 = 52
)
unidad
es

Es necesario aclarar que esta no es la solucin final del


problema, es necesario aplicar a esta primera solucin factible la
prueba de optimalidad ya que puede existir una mejor poltica de
transporte que minimice todava ms el costo total.
4.2.2. Mtodo de aproximacin de Vogel.
Mtodo de Aproximacin de Vogel: para cada rengln y columna
que queda bajo consideracin, se calcula su diferencia, que se
define como la diferencia aritmtica entre el costo unitario ms

pequeo (cij) y el que le sigue, de los que quedan en ese rengln o


columna. (Si se tiene un empate para el costo ms pequeo de los
restantes de un rengln o columna, entonces la diferencia es 0). En el
rengln 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

ms

concreta

esta

descripcin,

se

ilustrar

el

procedimiento general, utilizando el mtodo de aproximacin de


Vogel
para resolver el ejemplo presentado anteriormente y que fue resuelto
por la regla de la esquina noroeste:
Iniciamos el mtodo calculando las primeras diferencias para cada
rengln y columna. De las diferencias que obtuvimos nos

fijamos

en la mayor (Por qu?), que resulta ser para la tercera columna. En


esa columna encontramos el costo unitario (c ij) menor y en esa celda
realizamos la primera asignacin:

3
2

Recursos
DIF.
5
1

2 0

2 0

1
2

10
Demanda
DIF.

3
1

4
1

10

Nota: Marcaremos a la mayor de las diferencias seleccionada


encerrndola en un crculo y escribindole como superndice el
nmero que le corresponda en la secuencia de seleccin.
Observemos en la figura anterior que nicamente eliminamos el
segundo rengln ya que la tercera columna nos servir despus para
hacer la asignacin de una variable bsica degenerada. Continuando

con la aplicacin del mtodo, tenemos que calcular nuevamente las


diferencias de las columnas ya que hemos eliminado un rengln y
sto puede ocasionar que las diferencias aritmticas entre el costo
unitario ms pequeo y el que le sigue ya no sean las mismas:

3
2
4

Recursos
DIF.
5
1

2 0

3 0

2
3
10

Demanda
DIF.

3
1

4 1
1

2 0
3

1
2

10

Como siguiente paso deberamos calcular las nuevas diferencias


de columnas, pero ya que solamente queda un rengln dentro de las
posibilidades (sto no significa que solamente un rengln quede bajo
consideracin ya que podemos observar que ninguna de las cuatro
columnas (destinos) ha sido eliminada y todas quedan todava bajo
consideracin), no es posible encontrar la diferencia aritmtica 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.

7
3

4
4

6
1
3

Recursos DIF.
5 2 1 1
1 0
2 0
0

3 0

3
10
Demanda
DIF.

3 0
1

4 1 0
1

2 0
3
1

1 0
2

10

La solucin inicial bsica factible es x11=3, x12=1, x13=0


(variable bsica degenerada), x14=1, x23=2 y x32=3 y el costo total de
transporte asociado a esta primera Poltica de Transporte factible es
de:
x1 c11
1

x1 c12
2

x1 c13
3

x1 c14
4

x2 c23
3

x3 c32
2

Cost 3 (3 + 1 (7 + 0 (6 + 1 (4 + 2 (3 + 3 (3 = 35
o=
)
)
)
)
)
) unidad
es
Es necesario aclarar que sta puede o no ser la solucin final
del problema, es necesario aplicar a esta primera solucin factible la
prueba de optimalidad ya que puede existir una mejor poltica de
transporte que minimice todava ms el costo total.

Comparacin de criterios alternativos para el paso 1.


Se compararn estos dos criterios para elegir la siguiente
variable bsica. La virtud principal de la regla de la esquina noroeste
es la facilidad y rapidez con que se aplica. Sin embargo, como no le
da importancia a los costos unitarios cij, por lo general la solucin
que se obtiene distar mucho de la ptima. Si se realiza un esfuerzo
un poco mayor para encontrar la solucin inicial bsica factible, es
posible que se reduzca mucho el nmero de iteraciones que despus
necesita el mtodo smplex de transporte para encontrar la solucin
ptima. El objetivo del otro criterio es precisamente encontrar una
solucin as.

El mtodo de aproximacin de Vogel ha sido el ms popular


durante muchos aos, en parte porque es relativamente fcil hacerlo
a mano. Este criterio toma en cuenta los costos unitarios en forma
efectiva ya que la diferencia representa el mnimo costo adicional en
que se incurre por no hacer una asignacin en la celda que tiene el
menor costo en esa columna o rengln.
Podemos decir, que el mtodo de aproximacin de Vogel
proporciona una mejor solucin inicial que el criterio de la esquina
noroeste, en otras palabras es ms cualitativo.
El siguiente paso despus de hallar una solucin inicial bsica
factible (por cualquiera de los dos criterios expuestos anteriormente)
es verificar si esta solucin inicial es efectivamente ptima aplicando
la prueba de optimalidad.
La prueba de optimalidad estndar del mtodo smplex para el
problema de transporte, se puede reducir de la siguiente manera:
Una solucin bsica factible es ptima si y slo si c ijuivj 0
para toda (i,j) tal que xij es no bsica.
As, lo nico que hay que hacer para realizar esta prueba es
obtener los valores de ui y vj para la solucin bsica factible actual y
despus calcular los valores cijuivj segn se describe enseguida.
Como el valor de cijuivj debe ser cero si xij es una variable
bsica, ui y vj satisfacen el conjunto de ecuaciones:
cij = ui + vj

para cada (i,j) tal que xij es bsica.

Existen m+n1 variables bsicas y por tanto hay m+n1 ecuaciones


de este tipo. Como el nmero de incgnitas (las u i y vj) es m+n, se
puede asignar un valor arbitrario a cualquiera de estas variables sin
violar las ecuaciones. La eleccin de esta variable y su valor no afecta
el valor de ningn cijuivj, aun cuando xij sea no bsica, por lo que la
nica diferencia (menor) estriba en la facilidad para resolver estas

ecuaciones. Una eleccin conveniente para lograr esto es seleccionar


la ui que tiene el mayor nmero de asignaciones en su rengln (los
empates se rompen de manera arbitraria) y asignarle un valor de
cero. Gracias a la sencilla estructura de estas ecuaciones, resulta muy
fcil obtener algebraicamente los valores del resto de las variables.
Para ejemplificar la prueba de optimalidad, consideremos la
solucin inicial bsica factible obtenida por la regla de la esquina
noroeste para nuestro ejemplo en cuestin:
v1
3

u1

u2

v3
6

v4
4

este

ui

2
0

Demanda
vj

Recursos
5

2
4

u3

Para

v2
7

problema,

existen

3
1

Costo=5
2

m+n1=3+41=6

variables

bsicas, que dan origen al siguiente conjunto de ecuaciones:


3
7
4
3
8
5

=
=
=
=
=
=

u1+v1
u1+v2
u2+v2
u3+v2
u3+v3
u3+v4

Observemos que resultaron ser 6 ecuaciones que involucran 7


incgnitas (tres de las ui 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 incgnitas, para que, a partir de l
encontremos el valor de las dems. La regla para hacer esta
asignacin arbitraria nos dice que sea para la u i ( rengln) que haya
tenido el mayor nmero de asignaciones. En nuestro ejemplo, el
rengln 1 tuvo dos asignaciones, el rengln 2 tuvo una asignacin y
por ltimo el tercer rengln tuvo tres asignaciones, por lo que

asignamos el valor de cero a la incgnita u 3. De esta asignacin


resulta lo siguiente:
3
7
4
3
8
5

=
=
=
=
=
=

u1+v1
u1+v2
u2+v2
u3+v2
u3+v3
u3+v4

v2 = 3
v3 = 8
v4 = 5

Hemos obtenido el valor de tres incgnitas ms, v 2, v3 y v4, los


cuales nos ayudarn para hallar el valor de las incgnitas restantes:
3
7
4
3
8
5

=
=
=
=
=
=

si u1=4, entonces v1= 1


si v2=3, entonces u1= 4
si v2=3, entonces u2= 1
v2 = 3
v3 = 8
v4 = 5

u1+v1
u1+v2
u2+v2
u3+v2
u3+v3
u3+v4

De esta forma hemos obtenido el valor de todas las incgnitas y


procedemos a colocarlos en la tabla como sigue:
v1
3

u1
u2
u3
Demanda
vj

v2
7
3

v4
4

ui
4

2
0

3
1

Recursos
5

2
4

v3
6

4
3

2
2
8

1
1
5

Costo=5
2

Ahora calculemos los valores cijuivj para las variables no


bsicas, ya que para las bsicas, este valor es cero (por la forma de
las ecuaciones con que se hallaron los valores de las incgnitas u i y
vj), y coloquemos estos valores en la esquina inferior izquierda de
cada celda:
Para la celda (1,3): 6 4 8 = 6
Para la celda (1,4): 4 4 5 = 5

Para
Para
Para
Para
v1
3

u1

0
u2
u3

Demanda
vj

2
2
4

la
la
la
la

v2
7
3

0
4
0
3

3
1

4
3

2
2

celda
celda
celda
celda

(2,1):
(2,3):
(2,4):
(3,1):

2
3
2
4

v3
6

v4
4

6
3

5
2

6
8

4
5

0
2
8

0
1
5

1
1
1
0

(1) = 2
8 = 6
5 = 4
(1) = 5
Recursos
5

ui
4

1
Costo=5
2

En este momento se puede aplicar la prueba de optimalidad


para verificar los valores de c ijuivj obtenidos. Como cuatro de estos
valores (c13u1v3= 6, c14u1v4= 5, c23u2v3= 6, c24u2v4= 4),
son negativos, se concluye que la solucin bsica factible actual no es
ptima. Entonces, el mtodo smplex de transporte debe proceder a
hacer una iteracin para encontrar una mejor solucin bsica factible.
Una iteracin.
Igual que para mtodo smplex estndar, una iteracin del
mtodo smplex de transporte debe determinar una variable bsica
entrante (paso 1), una variable bsica que sale (paso 2) y despus
identificar la nueva solucin bsica factible que resulta (paso 3).
Paso 1: como cijuivj representa la tasa a la que cambia la funcin
objetivo si se incrementa la variable no bsica xij, la variable que
entra debe tener un valor de cijuivj negativo, para que el costo total
Z disminuya. Entonces, los candidatos en la tabla anterior son x 13, x14,
x23 y x24 . Entre ellos se elige el valor negativo ms grande (en

trminos absolutos) de cijuivj como la variable bsica entrante, que


en este caso corresponde a x13 y x23. En los casos en que haya
empate para la eleccin de la variable bsica entrante, este empate
se rompe de manera arbitraria, ya que tarde o temprano llegaremos a
la misma solucin independientemente de la eleccin de la variable.
Pero, observemos lo siguiente: ya que debemos elegir la variable
bsica entrante, es decir, aquella que comenzar a tener un valor (ya
que antes no lo tena porque era variable no bsica), entonces, es
conveniente que elijamos aquella que tenga el costo menor, ya que el
valor de la variable entrante multiplicado por su respectivo costo ser
la contribucin al costo total. En nuestro caso, el costo asociado a x 13
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 bsica entrante, se
establece una reaccin en cadena de cambios compensatorios en
otras variables bsicas (asignaciones) para seguir satisfaciendo las
restricciones de recursos y demanda. La primera variable bsica que
disminuya su valor hasta cero ser la variable bsica que sale. En
general, siempre existe slo una reaccin en cadena (en cualquier
direccin) que se puede completar con xito para conservar la
factibilidad, cuando la variable bsica entrante aumenta su valor. Esta
reaccin en cadena se puede identificar si se hace una seleccin entre
las celdas que tienen variables bsicas: primero, la celda donadora
en la columna que tiene la variable bsica; despus, la celda
receptora en el rengln que corresponde a la celda donadora; luego,
la celda donadora en la columna en que se encuentra esta celda
receptora, y as sucesivamente, hasta que la reaccin en cadena
conduce a una celda donadora en el rengln que tiene a la variable
bsica entrante. Cuando una columna o rengln tiene ms de una
celda adicional con variable bsica, puede ser necesario explorar el
camino que se va aseguir para averiguar cul debe seleccionarse
como celda donadora o receptora. (Todas las dems menos la

adecuada llegarn tarde o temprano a un camino sin salida en un


rengln o columna que no tiene otra celda con una variable bsica).
Despus de identificar la reaccin en cadena. La celda donadora que
tiene la asignacin menor proporciona en forma automtica la
variable bsica que sale. (En caso de un empate para la celda
donadora, se puede elegir cualquiera para proporcionar la variable
bsica que sale).
Si x23 es la variable bsica entrante, la reaccin en cadena de la
tabla anterior se resume enseguida. (Siempre se indicar la variable
bsica entrante colocando un signo + encuadrado dentro de su
celda):
v1
3

u1

3
0

u2
u3

2
22
4
5

Demanda
vj

3
1

v2
7

v3
6

v4
4

2
0
4
2
0

6
3
+
6

5
2

0 2

0 0
4
3

2
8

Recursos
5

ui
4

1
5

1
Costo=5
2

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 rengln 3 y esto a su vez exige una disminucin en el valor de x 22
para conservar la demanda de 4 en la columna 2. Esta disminucin en
x22 completa con xito la reaccin en cadena ya que tambin
conserva la oferta del rengln 2.
El resultado final es que las celdas (2,3) y (3,2) se convierten
en celdas receptoras, cada una con su asignacin adicional
proveniente de las celdas donadoras (2,2) y (3,3). Estas celdas
estn 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 rengln 3 y no la (3,4), ya que esta ltima no hubiera tenido
celda donadora en la columna 4 para continuar la reaccin en cadena.
Note adems que, a excepcin de la variable bsica entrante, todas
las celdas receptoras y donadoras en la reaccin en cadena deben
corresponder a variables bsicas en la solucin bsica factible actual.
Cada celda donadora disminuye su asignacin en una cantidad
exactamente igual al aumento que tiene la variable bsica entrante (y
las otras celdas receptoras). Entonces, la celda donadora que
comienza con la asignacin ms pequea en este caso las celdas
(2,2) y (3,3) debe ser la primera en llegar a una asignacin de cero
conforme se incrementa la variable entrante x 23. As, x22 x23 se
pueden convertir en la variable bsica que sale. Cuando existe
empate para la variable bsica que sale, ste puede romperse de
manera arbitraria, es decir, eligiendo cualquiera de las variables
donadoras con la asignacin ms pequea como variable bsica
saliente. Como una regla emprica, podemos seleccionar como
variable bsica saliente aqulla que tenga asociado el mayor costo
unitario, ya que como esta variable perder completamente su valor
(es decir, se convertir de variable bsica a variable no bsica),
esperaramos que el costo total de transporte disminuya. As,
escogeramos a x33 como variable bsica saliente.
Paso 3: la nueva solucin bsica factible se identifica sumando el
valor (antes de los cambios) de la variable bsica 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 bsica que sale x 33 es 2, por lo que
esta porcin de la tabla smplex de transporte cambia, como se ilustra
en la siguiente tabla para la nueva solucin. (Como x 33 es no bsica
en la nueva solucin, su nueva asignacin es cero y ya no se muestra
en la tabla).

v1
3

u1

0
u2

v2
7
3

0
4

2
22
4

u3

0
3
0

5
Demanda
vj

v3
6

v4
4

6
3

5
2

2
6

Recursos
5

ui

3
1
Costo=4
0

En este momento se puede sealar una interpretacin til de


las cantidades cijuivj 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:
Z = 2(38+34) = 2(6) = 12 = 2(c23u2v3)
es decir, el costo total de transporte se decrementa en 12 unidades
con respecto al costo anterior que era de 52 unidades. Notemos que
hemos obtenido una nueva poltica de transporte, la cual podemos
resumir as:
La nueva solucin bsica factible es x11=3, x12=2, x22=0
(variable bsica degenerada), x23=2, x32=2 y x34=1 y el costo total de
transporte asociado es de:
x1 c11
1

x1 c12
2

x2 c22
2

x2 c23
3

x3 c32
2

x3 c34
4

Cost 3 (3 + 2 (7 + 0 (4 + 2 (3 + 2 (3 + 1 (5 = 40
o=
)
)
)
)
)
) unidad
es

Antes de completar la solucin del problema ejemplo, se har


un resumen de las reglas del mtodo smplex de transporte.
Resumen del mtodo smplex de transporte
Inicializacin: Se construye una solucin inicial bsica factible. Se
realiza la prueba de optimalidad.
Prueba de optimalidad: Se obtiene ui y vj eligiendo el rengln con el
mayor nmero de asignaciones y estableciendo su u i = 0, y despus
resolviendo el sistema de ecuaciones c ij = ui+vj para cada (i,j) tal que
xij es bsica. Si cijuivj 0 para toda (i,j) tal que x ij es no bsica,
entonces la solucin actual es ptima por lo que el proceso se
detiene. De lo contrario, se regresa a una iteracin.
Iteracin:
1. Se determina la variable bsica entrante: se elige la variable no
bsica xij que tiene el valor negativo ms grande (en trminos
absolutos) para cijuivj.
2. Se determina la variable bsica que sale identificando la reaccin
en cadena (encontrar un circuito) que se necesita para conservar la
factibilidad cuando se aumenta el valor de la variable bsica
entrante. Entre las celdas donadoras se selecciona la variable
bsica que tiene el menor valor.
3. Se determina la nueva solucin bsica factible: se suma el valor de
la variable bsica que sale a las asignaciones de las celdas
receptoras y se resta este valor a las asignaciones de las celdas
donadoras.
Continuando con la aplicacin de este procedimiento a nuestro
problema, tenemos que calcular los nuevos valores de las u i y vj y
despus los valores cijuivj correspondientes a las variables no
bsicas para determinar si todos cumplen con la prueba de

optimalidad:

Nuevamente

existen

m+n1=3+41=6

variables

bsicas, que dan origen al siguiente conjunto de ecuaciones:

3
7
4
3
3
5

=
=
=
=
=
=

u1+v1
u1+v2
u2+v2
u2+v3
u3+v2
u3+v4

Observemos que nuevamente resultaron ser 6 ecuaciones que


involucran 7 incgnitas (tres de las u i y cuatro de las vj). Ya que hay
empate en el nmero de asignaciones que tiene cada rengln (2
asignaciones en cada rengln), asignemos el valor de cero a la
incgnita u1. De esta asignacin resulta lo siguiente:
3
7
4
3
3
5

=
=
=
=
=
=

u1+v1
u1+v2
u2+v2
u2+v3
u3+v2
u3+v4

v1=3
v2=7

Hemos obtenido el valor de dos incgnitas ms, v 1, y v2, los


cuales nos ayudarn para hallar el valor de las incgnitas restantes:
3
7
4
3
3
5

=
=
=
=
=
=

u1+v1
u1+v2
u2+v2
u2+v3
u3+v2
u3+v4

v1=3
v2=7
si v2=7, entonces u2= 3
si u2= 3, entonces v3=6
si v2=7, entonces u3= 4
si u3= 4, entonces v4=9

De esta forma hemos obtenido el valor de todas las incgnitas y


procedemos a colocarlos en la tabla como sigue:

v1
u1
u2

v2

v3

7
3

v4
4

0
2
4

u3

Demanda
vj

Recursos
5

ui
0

2
4

3
3

4
7

2
6

Costo=4
0

1
9

Ahora calculemos los valores cijuivj para las variables no


bsicas y coloquemos estos valores en la esquina inferior izquierda de
cada celda:
Para
Para
Para
Para
Para
Para
v1
u1

u3

Demanda
vj

celda
celda
celda
celda
celda
celda

v2

3
3

6
2

0
4

2
22
4

2
4
7

06=0
0 9 = 5
(3) 3 = 2
(3) 9 = 4
(4) 3 = 5
(4) 6 = 6

v4
4

Recursos
5

6
4
2
2
4
8

ui
0

3
3

(1,3):
(1,4):
(2,1):
(2,4):
(3,1):
(3,3):

v3

0
u2

la
la
la
la
la
la

0
2
6

1
9

1
Costo=4
0

Aplicando la prueba de optimalidad para verificar los valores de


cijuivj obtenidos, vemos que dos de estos valores ( c 14u1v4= 5,
c24u2v4= 4) son negativos, se concluye que la solucin bsica
factible actual no es ptima. Entonces, el mtodo smplex de
transporte debe proceder a hacer una iteracin para encontrar una
mejor solucin bsica factible. Aplicando el procedimiento descrito
anteriormente, se llega al siguiente conjunto de tablas smplex de
transporte que se muestra enseguida y que dan solucin al problema
planteado:
v1
u1

3
0

u2
u3

v2

2
2
2
4

Demanda
vj

u1

u2

0
22

v4
4

2
2

0
8

3
+
0

5
0

2
6

1
9

v1

v2

v3

v4

0
4

3
0

0
3

Recursos
5

2
2

0
2

Costo=4
0

4
7

ui
0

Recursos
5
+

3
3

Demanda
vj

u3

v3
6

7
3
0

Costo=3
5

ui

La nueva solucin bsica factible es x11=3, x12=1, x14=1, x22=0


(variable bsica degenerada), x23=2 y x32=3 y el costo total de
transporte asociado es de:

x1 c11
1

x1 c12
2

x1 c14
4

x2 c22
2

x2 c23
3

x3 c32
2

Cost 3 (3 + 1 (7 + 1 (4 + 0 (4 + 2 (3 + 3 (3 = 35
o=
)
)
)
)
)
) unidad
es
Como en esta ltima tabla todas las c ijuivj son no negativas
(comprobarlo!), la prueba de optimalidad identifica este conjunto de
asignaciones como ptimo, lo cual concluye el algoritmo.

Los trminos clave son recursos y actividades, en donde m denota el


nmero de distintos tipos de recursos que se pueden usar y n denota
el nmero de actividades bajo consideracin. Algunos ejemplos de
recursos son dinero y tipos especiales de maquinaria, equipo,
vehculos y personal. Los ejemplos de actividades incluyen inversin
en proyectos especficos, publicidad en un medio determinado y el
envo de bienes de cierta fuente a cierto destino. En cualquier
aplicacin de programacin lineal, puede ser que todas las
actividades sean de un tipo general (como cualquiera de los
ejemplos), y entonces cada una correspondera en forma individual a
las alternativas especficas dentro de esta categora general.
El tipo ms usual de aplicacin de programacin lineal involucra la
asignacin de recursos a ciertas actividades. La cantidad disponible
de cada recurso est limitada, de forma que deben asignarse con
todo cuidado. La determinacin de esta asignacin incluye elegir los
niveles de las actividades que lograrn el mejor valor posible de la
medida global de efectividad.
Ciertos smbolos se usan de manera convencional para denotar las
distintas componentes de un modelo de programacin lineal. Estos
smbolos se enumeran a continuacin, junto con su interpretacin
para el problema general de asignacin de recursos a actividades.
Z = valor de la medida global de efectividad
xj = nivel de la actividad j (para j = 1,2,...,n)
cj = incremento en Z que resulta al aumentar una unidad en el nivel
de la actividad j

bi = cantidad de recurso i disponible para asignar a las actividades


(para i = 1,2,...,m)
aij = cantidad del recurso i consumido por cada unidad de la actividad
j
El modelo establece el problema en trminos de tomar decisiones
sobre los niveles de las actividades, por lo que x1,x2,....,xn se llaman
variables de decisin. Los valores de cj, bi y aij (para i = 1,2,....,m y j
= 1,2,....,n) son las constantes de entrada al modelo. Las cj, bi y aij
tambin se conocen como parmetros del modelo.
FORMA ESTNDAR DEL MODELO
Ahora se puede formular al modelo matemtico para este problema
general de asignacin de recursos a actividades. En Datos necesarios
para un modelo de programacin lineal que maneja la asignacin de
recursos a actividades particular, este modelo consiste en elegir
valores de x1,x2,....,xn para:
optimizar (maximizar o minimizar) Z = c1x1 + c2x2 +....+ cnxn,
sujeta a las restricciones:
a11x1 + a12x2 +....+ a1nxn (<=,>=,=) b1
a21x1 + a22x2 +....+ a2nxn (<=,>=,=) b2
.
.
.
am1x1 + am2x2 +....+ amnxn (<=,>=,=) bm
X1 >= 0,

X2 >= 0,

...,

Xn>=0.

SUPOSICIONES DEL MODELO DE PROGRAMACIN LINEAL


PROPORCIONALIDAD
La contribucin de cada actividad al valor de la funcin objetivo Z es
proporcional al nivel de actividad xj, como lo representa el trmino
cjxj en la funcin objetivo. De manera similar, la contribucin de cada
actividad al lado izquierdo de cada restriccin funcional es
proporcional al nivel de la actividad xj, en la forma en que lo
representa el trmino aijxj en la restriccin. En consecuencia, esta
suposicin elimina cualquier exponente diferente a 1 para las
variables en cualquier trmino de las funciones (ya sea la funcin
objetivo o la funcin en el lado izquierdo de las restricciones
funcionales) en un modelo de programacin lineal.
ADITIVIDAD

Establece que la entrada y salida de un recurso en particular al


conjunto de actividades, deben ser la misma cantidad; o sea, que las
actividades transforman los recursos y no los crean o destruyen. Esta
suposicin garantiza que la contribucin total tanto a la funcin
objetivo como a las restricciones, es igual a la suma de las
contribuciones individuales. Cuando en un problema dado no se tenga
la aditividad puede recurrirse al empleo de otras tcnicas de la
programacin matemtica, dependiendo de cada caso en particular.
Cada funcin en un modelo de programacin lineal (ya sea la funcin
objetivo o el lado izquierdo de las restricciones funcionales) es la
suma de las contribuciones individuales de las actividades
respectivas.
DIVISIBILIDAD
Las variables de decisin en un modelo de programacin lineal
pueden tomar cualquier valor, incluyendo valores no enteros, que
satisfagan las restricciones funcionales y de no negatividad. As, estas
variables no estn restringidas a slo valores enteros. Como cada
variable de decisin representa el nivel de alguna actividad, se
supondr que las actividades se pueden realizar a niveles
fraccinales.
LIMITACIONES DEL MODELO DE PROGRAMACIN LINEAL
MODELO DETERMINSTICO
El modelo de PL involucra nicamente tres tipos de parmetros: Cj,
aij y bi; de ah su sencillez y gran aplicacin. Sin embargo, el valor de
dichos parmetros debe ser conocido y constante. Cuando el valor de
los parmetros tiene un cierto riesgo o incertidumbre, pude utilizarse
la programacin paramdica, la programacin estocstica, o
realizarse un anlisis de sensibilidad.
MODELO ESTTICO
En algunos modelos matemticos se han empleado con xito las
ecuaciones diferenciales, para inducir la variable tiempo en ellos. En
este sentido, puede decidirse que la PL utiliza un modelo esttico, ya
que la variable tiempo no se involucra formalmente. Adquiriendo un
poco de experiencia en la formulacin de modelos de PL, puede
imbuirse la temporabilidad mencionada, con el uso de subndices en
las variables.
MODELO QUE NO SUBOPTIMIZA

Debido a la forma que se plantea el modelo de PL, o encuentra la


solucin ptima o declara que sta no existe. Cuando no es posible
obtener una solucin ptima y se debe obtener alguna, se recurre a
otra tcnica ms avanzada que la PL, la cual se denomina
programacin lineal por metas.

La teora de colas
La teora de las colas es el estudio matemtico de las colas o lneas
de espera. La formacin de colas es, por supuesto, un fenmeno
comn que ocurre siempre que la demanda efectiva de un servicio
excede a la oferta efectiva.
Con frecuencia, las empresas deben tomar decisiones respecto al
caudal de servicios que debe estar preparada para ofrecer. Sin
embargo, muchas veces es imposible predecir con exactitud cundo
llegarn los clientes que demandan el servicio y/o cuanto tiempo ser
necesario para dar ese servicio; es por eso que esas decisiones
implican dilemas que hay que resolver con informacin escasa. Estar
preparados para ofrecer todo servicio que se nos solicite en cualquier
momento puede implicar mantener recursos ociosos y costos
excesivos. Pero, por otro lado, carecer de la capacidad de servicio
suficiente causa colas excesivamente largas en ciertos momentos.
Cuando los clientes tienen que esperar en una cola para recibir
nuestros servicios, estn pagando un coste, en tiempo, ms alto del
que esperaban. Las lneas de espera largas tambin son costosas por
tanto para la empresa ya que producen prdida de prestigio y prdida
de clientes.
La teora de las colas en si no resuelve directamente el problema,
pero contribuye con la informacin vital que se requiere para tomar
las decisiones concernientes prediciendo algunas caractersticas sobre
la lnea de espera: probabilidad de que se formen, el tiempo de
espera promedio.
Pero si utilizamos el concepto de "clientes internos" en la organizacin
de la empresa, asocindolo a la teora de las colas, nos estaremos
aproximando al modelo de organizacin empresarial "just in time" en
el que se trata de minimizar el costo asociado a la ociosidad de
recursos en la cadena productiva.

RESUMEN DE TEORA DE COLAS


Ampliacin de Investigacin Operativa- 2 Estadstica
1. MODELO M/M/1/DG//.
Dados >0 y >0 sea =/. Si 1 no existe estado estable. Si
<1 el sistema es estable y entonces:
j (1 ) j para j=1,2,3,
0 1 ,

,
1
1
W
,

2
2
Ls

y
.

1 ( )
1

Ws
Wq
y
.
( )
Probabilidad de servidor desocupado: 0 1 1 Ls .
L

Lq

Tasa de servicio = Tasa de uso = Intensidad de trfico =


=(nmero de clientes que pasan)/( nmero de clientes que podran
pasar) =/==Ls.
2. MODELO M/M/1/DG/c/.
Dados >0 y >0 sea =/. El sistema es siempre estable.
Tasa de entrada (1-c).
Para j=c+1,c+2,.
se tiene j 0 .
Si , entonces:
0

1
,
1 c 1

j 0 j

para j=1,2,,c

1 (c 1) c c c 1
(1 )(1 c 1 )

Si =, entonces:
j

1
para j=0,1,2,,c
c 1

c
2

Para todo valor de y , se tiene:


Ls 1 0
W

( 1 c )

Lq
L
Wq
,
(1 c )
(1 c )

Lq L Ls

Ws

Probabilidad de servidor desocupado: 0 1 Ls .

Tasa de servicio: (1-c)/=Ls.

3. MODELO M/M/s/DG//.
Dados >0 y >0 sea =/s. Si 1 no existe estado estable. Si
<1 el sistema es estable y entonces:

( s ) j
j 0
j!

j 0

s 1

( s ) s
( s ) i
0

i!
s!(1 )
i 0

para j=1,2,,s

j=s,s+1,s+2,..
Probabilidad de bloqueo: P j s 0
Lq
Wq

Lq

P j s ,
1
P j s
s

Ls

Ws

( s ) s
s
s!(1 ) 1

para

(tabulada)

L Lq Ls

y
y

( s ) j
s js
s! s j s

L
Wq Ws

Probabilidad
de
servidor
L
s 1
s2
1
0
1
2 ........ s 1 1 s 1
s
s
s
s
Tasa de servicio: /s==Ls/s.

desocupado:

4. MODELO M/M/s/DG/c/ con 1sc.


Dados >0 y >0 sea r=/ y =/s=r/s. El sistema es siempre
estable.
Tasa de entrada (1-c).

s1 i s cs1 1
r r 1 si 1
1

s1 r i r s c is i0 i! s! 1
,
0

1
i0 i! s! is s1 r i r s
(c s 1) si 1
i0 i! s!

rj
j!

j 0

para j=1,2,,s

rj

j 0

s! s

j=s,s+1,s+2,..
r (1
) s (1 c s 1 )

si 1
s! (1 )
1
c s 1

P j s 0

=1
c s 1

r s 1 (c s 1) cs (c s)
0
s!
(1 ) 2

Lq

j s

r (c s 1)(c s)
s!
2

para

P{js}=s(c-s+1) si

si 1
Ls

s j s

(1 c )

si 1
L Lq Ls

Wq

Lq

Ws

(1 c )

L
Wq Ws
(1 c )

Probabilidad
de
servidor
L
s 1
s2
1
0
1
2 ........ s 1 1 s
s
s
s
s
Tasa de servicio: (1-c)/s.

desocupado:

5. MODELO M/G/1/DG//.
Dados >0 y >0 sea =/. Si 1 no existe estado estable. Si
<1 el sistema es estable y si 2=varianza de la distribucin de
tiempos de servicio, entonces:
Lq

2 2 2
(Pollaczek-Khinchin),
2( 1 )

Ls

L Lq

0 1

Wq

Lq

Ws

W Wq

Probabilidad de servidor desocupado: 0 1 1 Ls .


Tasa de servicio: /==Ls.

6. MODELO M/G/s/DG/s/.
Dados >0 y >0 sea =/.
Tasa de entrada (1-s).
1

j j s i
i
0 , j 0

j!
j ! i 0 i !
i0 i!
Esta ltima est tabulada.
(1 s )
Lq Wq 0 ,
L Ls

s
s
s!

i 0 i !
s

W Ws

Probabilidad
de
servidor
L
s 1
s2
1
0
1
2 ........ s 1 1 s
s
s
s
s
Tasa de servicio: (1-s)/s.

7. MODELO G/G//DG//.
Lq Wq 0 ,

L Ls

Si G=M y =/, entonces j e

j!
j

W Ws

desocupado:

(Poisson con parmetro ).

8. MODELO M/M/R/DG/K/K de reparacin de maquinaria con


1 R K.
R = nmero de reparadores.
K = nmero de mquinas.
L = nmero esperado de mquinas descompuestas.
Lq = nmero esperado de mquinas que esperan para ser
reparadas.
W = tiempo promedio que est descompuesta una mquina.
Wq = tiempo promedio que espera una mquina antes de empezar
a repararse.
= frecuencia o rapidez con que se descompone cada
mquina = nmero de veces que una mquina se descompone
por unidad de tiempo.
Tasa de entrada si hay j mquinas descompuestas: j=(K-j).
Tasa media de entrada: *=(K-L).
= frecuencia o rapidez con que se repara cada mquina.
=/.
j=probabilidad de que existan j mquinas descompuestas.

K j
j 0
j

para j=0,1,2,,R

K j j !
j 0 jR
j RR!

para j=R+1,R+2,..,K.

K K
j j j!
0 jR
j j R!
j 0 j R
R1 K

L j j ,
j 0

Lq

( j R)
jR

Ls

Ws

L
*

Wq

Lq

Probabilidad
de
servidor
Ls
R 1
R2
1
0
1
2 ........ R 1 1
R
R
R
R
Tasa de servicio: */R.

desocupado:

Los Inventarios
El tema de los Inventarios, en particular y como parte de un rengln
tan vital en los activos de la empresa, posee mayor nfasis en
algunos aspectos tales como: La Concepcin de lo que es un
inventario, el papel que desempea en la empresa, su real
importancia, los diferentes tipos de inventario que existen o pueden
aplicarse, la utilidad que se deriva al aplicarlos correctamente y con la
rigurosidad requerida por cada caso particular.
Consideraciones Generales
Desde tiempos inmemorables, los egipcios y dems pueblos de la
antigedad, acostumbraban almacenar grandes cantidades de
alimentos para ser utilizados en los tiempos de sequa o de
calamidades. Es as como surge o nace el problema de los
inventarios, como una forma de hacer frente a los periodos de
escasez. Que le aseguraran la subsistencia de la vida y el desarrollo
de sus actividades normales. Esta forma de almacenamiento de todos

los bienes y alimentos necesarios para sobrevivir motiv la existencia


de los inventarios.
Concepto de Inventario:
Segn, Finney- Miller, en su libro "Curso de Contabilidad Intermedia",
Tomo II, Pagina 225, se definen los inventarios de una empresa como
la compra de artculos en condiciones para la venta. Los Inventarios
de mercanca se encuentran en los negocios que tienen ventas al por
mayor y al detalle. Estos negocios no alteran la forma de los artculos
que adquieren para venderlos.
Otro concepto fue extrado del boletn No. 1, Principios y Normas
Contables sobre la auditoria de los Inventarios del Prof. Maldonado; y
dice as: El Vocablo inventario se usa para nombrar el conjunto de
aquellas partidas de bienes muebles tangibles.
El termino inventario encierra los bienes en espera de su venta (las
mercancas de una empresa comercial, y los productos terminados de
un fabricante), los artculos en proceso de produccin y los artculos
que sern consumidos directa o indirectamente en la produccin. Esta
definicin de los inventarios excluye los activos a largo plazo sujetos
a depreciacin, o los artculos que al usarse sern as clasificados.
Tipos de Inventarios
Los inventarios son importantes para los fabricantes en general, y
varia ampliamente entre los distintos grupos de industrias. La
composicin de esta parte del activo es una gran variedad de
artculos, y es por eso que se han clasificado de acuerdo a su
utilizacin en los siguientes tipos:

Inventarios
Inventarios
Inventarios
Inventarios

de
de
de
de

Materia Prima
Produccin en Proceso
Productos Terminados
Materiales y Suministros

Inventarios de Materias Primas


En toda actividad industrial concurren una variedad de artculos
(Materias Primas) y materiales, los que sern sometidos a un proceso
para obtener al final un articulo terminado o acabado. A los
materiales que intervienen en mayor grado en la produccin se les
considera "Materia Prima", ya que su uso se hace en cantidades los
suficientemente importantes del producto acabado. La Materia prima,
es aquel o aquellos artculos sometidos a un proceso de fabricacin
que al final se convertir en un producto terminado.

Inventarios de Productos en Proceso:


El inventario de productos en proceso consiste en todos los artculos o
elementos que se utilizan en el actual proceso de produccin. Es
decir, son productos parcialmente terminados que se encuentran en
un grado intermedio de produccin y a los cuales se les aplico la labor
directa y gastos indirectos inherentes al proceso de produccin en un
momento determinado.
Una de las caractersticas del Inventario de produccin en proceso es
que va aumentando el valor a medida que es transformado de
materia prima en el producto terminado como consecuencia del
proceso de produccin.
Inventario de Productos Terminados:
Comprenden estos, los artculos transferidos por el departamento de
produccin al almacn de productos terminados por haber estos
alcanzado su grado de terminacin total y que a la hora de la toma
fsica de inventario se encuentren aun en los almacenes, es decir, los
que todava no han sido vendidos. El nivel de inventario de productos
terminados va a depender directamente de las ventas, es decir, su
nivel esta dado por la demanda.
Inventario de Materiales y Suministros:
En el inventario de materiales y suministros se incluye:

Materias primas secundarias, sus especificaciones varan segn


el tipo de industria, un ejemplo para la industria cervecera es,
sales para tratamiento de agua.
Artculos de consumo destinados para ser usados en la
operacin de la industria, dentro de estos artculos de consumo
los mas importantes son los destinados a las operaciones, y
estn formados por los combustibles y lubricantes, estos en la
industria tienen gran significacin.
Los Artculos y materiales de reparacin y mantenimiento de las
maquinarias y aparatos operativos, los artculos de reparacin
por su gran volumen necesitan ser controlados adecuadamente,
la existencia de estos varan en relacin a sus necesidades.

FUNCIONES DE LOS INVENTARIOS

Por que necesitamos los inventarios?


Que funciones cumple?

Cuales son los beneficios de tener inventarios, y aumentar tales


beneficios a medida que aumentan los niveles de inventarios?
En que momento empiezan los beneficios a costar mas que su
valor positivo?

Algunos inventarios son inevitables. Todo o cuando menos una parte


del inventario de manufactura en proceso es inevitable. Al momento
de llevar a cabo el recuento del inventario, parte de el estara en las
maquinas otra parte estara en la fase de traslado de una maquina a
otra, o en transito del almacn de materias primas a la linea de
produccin o de esta al almacn de artculos terminados. Si vamos a
tener produccin es inevitable tener inventarios en proceso. Sin
embargo, frecuentemente podemos minimizar este inventario
mediante una mejor programacin de la produccin, o bien mediante
una organizacin mas eficiente de la lnea de produccin, o bien
mediante una organizacin mas eficiente de la lnea de produccin.
Como un alternativa, podramos pensar en subcontratar parte del
trabajo, de tal manera que la carga de llevar dicho inventario en
proceso fuera para el subcontratista. En ocasiones conviene acumular
inventario en proceso para evitar problemas relacionados con la
programacin y plantacin de la produccin. Si se trata de una
poltica bien pensada, esta bien; sin embargo frecuentemente resulta
ser un camino fcil para obviar una tarea difcil.
El resto del inventario que se tenga en accesorios, materias primas,
artculos en proceso y artculos terminados simplemente se mantiene
por una razn bsica. Principalmente se tiene inventarios porque nos
permite realizar las funciones de compras, produccin y ventas a
distintos niveles.
Bibliografa: administracin financiera. Robert w. Johnson. Capitulo .
Administracin de inventarios. Inicio pagina 177.
PLANIFICACON DE LAS POLITICAS DE INVENTARIO
En la mayora de los negocios, los inventarios representan una
inversin relativamente alta y producen efectos importantes sobre
todas las funciones principales de la empresa. Cada funciones tiene a
generar demandas de inventario diferentes y a menudo
incongruentes:
Ventas.- Se necesitan inventarios elevados para hacer frente con
rapidez a las exigencias del mercado.
Produccin.- se necesitan elevados inventarios de materias primas
para garantizar la disponibilidad en las actividades de fabricacin; y

un colchn permisiblemente grande de inventarios de productos


terminados facilita niveles de produccin estables.
Compras.- las compras elevadas minimizan los costos por unidad y
los gastos de compras en general.
Financiacin.- los inventarios reducidos minimizan las necesidades de
inversin ( corriente de efectivo) y disminuyen los costos de
mantener inventarios ( almacenamiento, , riesgos, etc. ).
Los propsitos de las polticas de inventarios deben ser:
1.- planificar el nivel optimo de inversin en inventarios
2.- a traves de control, mantener los niveles ptimos tan cerca como
sea posible de lo planificado.
Los niveles de inventario tienen que mantenerse entre dos extremos:
un nivel excesivo que causa costos de operacin, riesgos e inversin
insostenibles, y un nivel inadecuado que tiene como resultado la
imposibilidad de hacer frente rpidamente a las demandas de ventas
y produccin
( alto costo por falta de existencia).
Bibliografia: Presupuestos planificacin y control de las utilidades.
Welsch. Planificacin y control de la produccin. Inicio pagina 217.
LA IMPORTANCIA DEL INVENTARIO
Para muchas firmas, la cifra del inventario es el mayor de los activos
circulantes. Los problemas de inventario pueden contribuir, y de
hecho lo hacen, a las quiebras de los negocios. Cuando una firma solo
falla en que involuntariamente se queda sin inventario, los resultados
no son agradables. Si la firma es una tienda de menudeo, el
comerciante pierde la utilidad bruta de este articulo. Si la firma es un
fabricante, la falta de inventario ( incapacidad de abastecer un
articulo del inventario) podra en casos extremos, hacer que se
detenga la produccin. Por el contrario si una firma mantiene
inventarios excesivos, el costo de mantenimiento adicional puede
representar la diferencia entre utilidades y perdidas. Nuestra
conclusin debe ser que la administracin habilidosa de los
inventarios, puede hacer una contribucin importante a las utilidades
mostradas por la firma.

LAS FUNCIONES QUE EFECTUA EL INVENTARIO

Que funciones cumple el Inventario?


En cualquier organizacin, los inventarios a;aden una flexibilidad de
operacin que de otra manera no existira. En fabricacin, los
inventarios de producto en proceso son una necesidad absoluta, a
menos que cada parte individual se lleve de maquina a maquina y
que estas se preparen para producir una sola parte.
Funciones:
Eliminacin de irregularidades en la oferta
Compra o produccin en lotes o tandas
Permitir a la organizacin manejar materiales perecederos
Almacenamiento de mano de obra
Decisiones sobre inventario:
hay dos decisiones bsicas de inventario que los gerentes deben
hacer cuando intentan llevar a cabo las funciones de inventario recin
revisadas. Estas dos decisiones se hacen para cada articulo en el
inventario:
1.- Que cantidad de un articulo ordenar cuando el inventario de ese
item se va a reabastecer.
2.- cuando reabastecer el inventario de ese articulo.