2014

INVESTIGACION
OPERATIVA
PROGRAMACION LINEAL
“La programación lineal es un procedimiento o algoritmo matemático
mediante el cual se resuelve un problema indeterminado, formulado a través
de un sistema de inecuaciones lineales, optimizando la función objetivo,
también lineal. Consiste en optimizar (minimizar o maximizar) una función
lineal, denominada función objetivo, de tal forma que las variables de dicha
función estén sujetas a una serie de restricciones que expresamos mediante
un sistema de inecuaciones lineales.” RAMON SALA GARRIDO.

ANDRES ANGULO- MONICA PEREZ- SANDRA ROMERO

UNIVERSIDAD COOPERATIVA DE COLOMBIA
27/05/2014
 PROGRAMACION LINEAL

ANDRES MAURICIO ANGULO RIAÑO

MONICA MARCELA PEREZ RODRIGUEZ
SANDRA MILENA ROMERO CASTAÑEDA

UNIVERSIDAD COOPERATIVA DE COLOMBIA

INGENIERIA INDUSTRIAL
INVESTIGACION OPERATIVA I
BOGOTA
2014
 PROGRAMACION LINEAL

ANDRES MAURICIO ANGULO RIAÑO

MONICA MARCELA PEREZ RODRIGUEZ
SANDRA MILENA ROMERO CASTAÑEDA

TRABAJO ESCRITO APLICACIONES DE LA PROGRAMACION LINEAL

INGENIERO FRANCISCO ESTEFAN

UNIVERSIDAD COOPERATIVA DE COLOMBIA

INGENIERIA INDUSTRIAL
INVESTIGACION OPERATIVA I
BOGOTA
2014
 GLOSARIO

ALGORITMOS: un algoritmo es un conjunto finito bien definido de

instrucciones para llevar a cabo una determinada tarea que dado un estado
inicial, terminará en un estado final definido. En un método para resolver un
problema mediante una serie de pasos definidos, precisos, finitos..

ANÁLISIS COSTO-BENEFICIO: Método usado para cuantificar las relaciones

funcionales entre los aspectos más importantes de los beneficios, identificando
la estructura del beneficio de una organización.

ANÁLISIS DE RIESGOS: Enfoque del análisis de problemas que pondera los

riesgos de una situación al incluir probabilidades para obtener una evaluación
más exacta de los riesgos existentes.

ANÁLISIS DE SENSIBILIDAD: Cálculo en porcentaje del efecto de un cambio

porcentual dado en una variable exógena puede producir en otro variable.

ARBOLES DE DECISIÓN: Técnica que permite analizar decisiones

secuenciales basada en el uso de resultados y probabilidades asociadas.

ÁREAS DE APLICACIÓN: Algunas personas se verían tentadas a aplicar

métodos matemáticos a cuanto problema se presentase, pero es que ¿acaso
siempre es necesario llegar al óptimo? Podría ser más caro el modelar y el
llegar al óptimo que a la larga no nos dé un margen de ganancias muy superior
al que ya tenemos.

ASIGNACIÓN DE RECURSOS: Toda actividad necesita recursos para

ejecutarse. Hay que asignar a cada actividad los recursos y la cantidad de
cada uno de ellos que necesitamos para poder desarrollar la misma.

EFICIENCIA: Logro de los fines con la menor cantidad de recursos; el logro

de objetivos al menor costo u otras consecuencias no deseadas.

FASES: La elaboración del problema está subdividida en fases obligatorias,

las principales son: examen de la situación real y recolección de la información

FORMULACIÓN DE MODELOS DE PROGRAMACIÓN LINEAL: Aunque se

ponga en duda, la parte más difícil de PL es reconocer cuándo ésta puede
aplicarse y formular el problema matemáticamente. Una vez hecha esa parte,
resolver el problema casi siempre es fácil.

INVESTIGACIÓN DE OPERACIONES (IO): Las raíces de la investigación de

operaciones se remontan a muchas décadas, cuando se hicieron los primeros
intentos para emplear el método científico en la administración de una
empresa.

INVESTIGACION OPERATIVA EN CONTEXTO: La investigación operativa

es una moderna disciplina científica que se caracteriza por la aplicación de
teoría, métodos y técnicas especiales, para buscar la solución de problemas
de administración, organización y control que se producen en los diversos
sistemas que existen en la naturaleza y los creados por el ser humano, tales
como las organizaciones a las que identifica como sistemas organizados,
sistemas físicos, económicos, ecológicos, educacionales, de servicio social,
etc.

LAS PRINCIPALES HERRAMIENTAS DE LA INVESTIGACIÓN DE

OPERACIONES: Cuando hablamos de herramientas en IO, nos estamos
refiriendo a los diferentes modelos teóricos (como por ejemplo, modelos de
transporte y teoría de colas), y a otras disciplinas (como matemática,
administración, economía, etcétera), que se utilizan como instrumentos de
trabajo habitual para el profesional de la Investigación de Operaciones. Debe
quedar claro, sin embargo, que cada día se agregan más tipos de modelos y
otras disciplinas imposibles de enumerar en este momento.

MÉTODOS: La investigación operacional consiste en la aplicación del método

científico, por parte de grupos interdisciplinarios, a problemas de control de
sistemas organizativos con la finalidad de encontrar soluciones que atiendan
de la mejor manera posible a los objetivos de la organización en su conjunto.

NATURALEZA DE LA INVESTIGACIÓN DE OPERACIONES: Como su

nombre lo dice, la investigación de operaciones significa "hacer investigación
sobre las operaciones". Entonces, la investigación de operaciones se aplica a
problemas que se refieren a la conducción y coordinación de operaciones (o
actividades) dentro de una organización.

OBJETIVOS Y MÉTODOS: El objetivo y finalidad de la investigación

operacional (conocida también como teoría de la toma de decisiones o
programación matemática) es encontrar la solución óptima para un
determinado problema (militar, económico, de infraestructura, logístico, etc.)

OPTIMIZACION: La optimización o programación matemática intenta dar

respuesta a un tipo general de problemas donde se desea elegir el mejor entre
un conjunto de elementos.

PROGRAMACIÓN LINEAL: Procedimiento o algoritmo matemático mediante

el cual se resuelve un problema indeterminado, formulado a través de
ecuaciones lineales, optimizando la función, también lineal.
SISTEMA: Un sistema es un conjunto de partes o elementos organizados y
relacionados que interactúan entre sí para lograr un objetivo. Los sistemas
reciben (entrada) datos, energía o materia del ambiente y proveen (salida)
información, energía o materia.

SUPUESTOS DE LA PROGRAMACIÓN LINEAL: Existe un número de

suposiciones realizadas en cada modelo. La utilidad de un modelo está
directamente relacionada con la realidad de los supuestos. El primer supuesto
tiene que ver con la forma lineal de las funciones. Ya que el objetivo es lineal,
la contribución al objetivo de cualquier decisión es proporcional al valor de la
variable de decisión.

TOMA DE DESICIONES: Selección de un curso de acción entre varias

opciones, selección racional de un curso de acción.
 INTRODUCCION

La investigación operativa para su desarrollo utiliza modelos

matemáticos, estadística y algoritmos para la toma de decisiones.
Generalmente toma para estudio complejos sistemas reales, con el objetivo
de mejorar su funcionamiento; además permite el análisis de la toma de
decisiones teniendo en cuenta la escasez de recursos y de esta manera
determinar cómo se puede optimizar un objetivo definido, como la
maximización de los beneficios o la minimización de costos.

Se utiliza la programación lineal para solucionar un problema indeterminado

mediante un procedimiento o algoritmo matemático, el cual es formulado por
medio de un sistema de inecuaciones lineales, optimizando la función objetivo,
también lineal.

Se trata de optimizar (minimizar o maximizar) una función lineal, conocida

como función objetivo, donde las variables de dicha función estén ligadas a
una serie de restricciones que son expresadas mediante un sistema de
inecuaciones lineales.
 OBJETIVOS

Objetivo General

 Analizar las diferentes situaciones planteadas en los diferentes

problemas de tal forma de optimizar la situación propuesta; en algunos
casos, maximizar o minimizar una función objetivo para obtener la
solución más favorable a un problema.

Objetivos Específicos

 Plantear la mejor decisión de los problemas, de tal manera que se

obtenga la función objetivo necesario para satisfacer las necesidades
del problema.

 Diseñar los diferentes tipos de restricciones que se pueden colocar

dentro de los problemas existentes en programación lineal.

 Interpretar los resultados obtenidos utilizando algún paquete de

optimización lineal (Solver, WinQsb, Lingo).
 PROGRAMACION LINEAL

La programación lineal se plantea como un problema matemático desarrollado

desde los años cincuenta, para mejorar las situaciones planteadas de los
gastos y las ganancias; esto con el fin de reducir los costos al ejército y
aumentar las pérdidas del enemigo.

Los fundadores de la técnica son George Dantzig, quien publicó el algoritmo

simplex, en 1947, John von Neumann, que desarrolló la teoría de la dualidad
en el mismo año, y Leonid Kantoróvich, un matemático ruso, que utiliza
técnicas similares en la economía antes de Dantzig. En 1979, otro matemático
ruso, Leonid Khachiyan, diseñó el llamado Algoritmo del elipsoide, a través del
cual demostró que el problema de la programación lineal es de solucion
eficiente. En 1984, Narendra Karmarkar introduce un nuevo método del punto
interior para resolver problemas de programación lineal, lo que constituiría un
enorme avance en los principios teóricos y prácticos en el área.

La programación es un enfoque de solución de problemas elaborado para

ayudar a tomar decisiones. Es un modelo matemático con una función
objetivo lineal, un conjunto de restricciones lineales variables no negativas.

Para resolver un problema de programación lineal es recomendable seguir

ciertos pasos que son:

 Analizar el problema en todas sus dimensiones.

 Describir el objetivo
 Describir cada restricción
 Definir las variables de decisión
 Escribir el objetivo en función de las variables de decisión
 Escribir las restricciones en función de las variables de decisión
 Agregar las restricciones de no negatividad
TIPOS DE SOLUCIONES DE PROBLEMAS DE PROGRAMACION LINEAL

Cuando un modelo de programación lineal se expresa en términos de dos

variables puede resolverse con procedimientos gráficos; entre las cuales
encontramos:

 SOLUCION FACTIBLE: Es el conjunto de intersección, de todos los

semiplanos formados por las restricciones, determina un recinto,
acotado o no, que recibe el nombre de región de validez o zona de
soluciones factibles.

Imagen No. 0011

1 Tomado de: http://www.ditutor.com/programacion_lineal/programacion_lineal.html

  SOLUCION OPTIMA: Es el conjunto de los vértices del recinto se
demonica conjunto de soluciones factibles básicas y el vértice donde se
presenta la solución optima se llama solución máxima o minima según
sea el caso.

Imagen No. 0022

2 Tomado de: http://www.ditutor.com/programacion_lineal/programacion_lineal.html

 SITUACIÓN 1

Usted cuenta con los siguientes datos para un problema de programación

lineal cuyo objetivo es minimizar los costos de realizar dos actividades no
negativas para lograr tres beneficios que no bajan de sus niveles mínimos.

Beneficio Contribución del Nivel

beneficio por unidad mínimo
de actividad aceptable
Actividad 1 Actividad 2
1 5 3 60
2 2 2 30
3 7 9 126
Costo 60 50
unitario

a) Formule un modelo de programación lineal

Minimizar Z=60X1 + 50x2

Restricciones:

5x1 + 3x2 ≥ 60

2x1 + 2x2 ≥ 30

7x1 + 9x2 ≥ 126

X1 ≥ 0, x2 ≥0
b) Método grafico

c) Hoja Excel

Contribución al beneficio por

Beneficio unidad de actividad Totales
Actividad
Actividad 1 2
1 5 3 60
2 2 2 30
3 7 9 126
Costo Uni. 60 50
Solución 6.75 8.75
d) Soluciones factibles

x1 x2 Z
7 7 770 infactible
7 8 820 infactible
8 7 830 infactible
8 8 880 factible
8 9 930 factible
9 8 940 factible

e) Mediante Solver se determina la solución óptima

x1 x2 Z
6 10 860
 SITUACIÓN 2

Problema Postobon

 Situación uno

La empresa Postobón tiene huertas de producción de frutas en cuatro lugares

diferentes del país, semanalmente transporta a sus tres fábricas las frutas
para el procesamiento de conversión a jugos HIT.

Los costos de transporte por kilo de fruta dependen en forma directa con la
distancia que existe entre las huertas y las fábricas, cada huerta tiene una
capacidad máxima de producción en kilos semanalmente y envía a las
fábricas la materia prima.

Fabricas
Dest.
Cali Neiva Medellín Ficticio oferta
Pitalito 10 3 4 1000 4500
Huertas de La Ceja 9 4 7 1000 6000
producción Fredonia 3 6 9 1000 4500
Rionegro 4 7 6 1000 3000
Demanda 9000 3000 4000 2000

Cantidades óptimas

PATRON
DE
CORTE

P1

Cali Neiva Medellín

 Pitalito 0 500 4000

La Ceja 1500 2500 0

Fredonia 4500 0 0

Rionegro 3000 0 0

El costo óptimo de transportar la materia prima de las huertas a las

fábricas se determinó a través de la herramienta solver y la distribución
debe realizarse así:

 Pitalito
 500 Kilogramos a la fábrica de Neiva
 4000 Kilogramos a la fábrica de Medellín
 La ceja
 1500 Kilogramos a la fábrica de Cali
 2500 Kilogramos a la fábrica de Neiva
 2000 Kilogramos quedan en inventario
 Fredonia
 4500 Kilogramos a la fábrica de Cali
 Rionegro
 3000 Kilogramos a la fábrica de Cali

Costo total

Costo
Total $ 66.500

2. La asignación óptima se ve modificada por las siguientes condiciones:

 De Pitalito a Nieva por problemas de orden público (asaltos de guerrilla

a los camiones) no se puede enviar la materia prima.

 De Rionegro a Medellín no se despacha fruta por derrumbes en la

carretera.
  De Fredonia a Cali por la calidad de la materia prima siempre se enviará
2000 kilos

Nueva asignación:

Dest.
Cali Neiva Medellín
Ficticio
Pitalito 1500 3000 0 0
La Ceja 2500 0 3500 0
Fredonia 2000 0 500 2000
Rionegro 3000 0 0 0

 Pitalito
 1500 Kilogramos a la fábrica de Cali
 3000 Kilogramos a la fábrica de Neiva
 La ceja
 2500 Kilogramos a la fábrica de Cali
 3500 Kilogramos a la fábrica de Medellín
 Fredonia
 2000 Kilogramos a la fábrica de Cali
 500Kilogramos a la fábrica de Medellín
 2000 Kilogramos quedan en inventario
 Rionegro
 3000 Kilogramos a la fábrica de Cali

Costo total

$
Costo 93.500,00
 SITUACIÓN 3

Caso de estudio: Elaboración de envases de hojalata a partir de láminas del

material, bajo consideraciones de disponibilidad de recursos y demanda

La empresa Platek produce en uno de sus departamentos, latas de hojalata a

partir de láminas del mencionado material. Las latas constan de un cuerpo
principal, que es un rectángulo y dos extremos que son dos círculos idénticos
(Ver figura 1).

Figura 1. Partes del envase

Se dispone de dos tipos de láminas de hojalata: L1: la cual tiene dimensiones

de l1 x l2 m2 y L2, con dimensiones de l3 x l4 m2.

Existen 5 tipos de posibles patrones de cortes de las láminas de hojalata. En

la Figura 2, se representan los modelos de los mismos, aunque en ellos no se
muestran las cantidades exactas de círculos y rectángulos requeridos para
realizar el corte.
De los patrones reales de corte, se extrae la información, correspondiente a
cada lámina de hojalata (ver la tabla 1)

Tabla 1. Información de patrones reales de corte

El precio de venta de cada lata es de 1 UM (UM: unidad monetaria). Por otra

parte se estima un costo calculado sobre cada m2 de sobrante s, de 0,25 UM
y un costo por cada parte (círculo o rectángulo) sobrante al final de la semana,
de 0,5 UM. Este costo está relacionado con el espacio que ocupará la pieza
en el almacén.

En cuanto a la disponibilidad de las láminas de hojalata, por semana, se

tienen las siguientes unidades de láminas de hojalata:
 Lámina Unidades disponibles
L1 500
L2 100
Tabla 2. Disponibilidad

Además se sabe que la demanda semanal es de 20.000 latas y cada semana

dispone de 40 horas para la elaboración de las latas.

Sobre la base de esta información, determine la cantidad óptima de latas a

elaborar, que permita a la empresa Platek maximizar los beneficios,
considerando los costos de los sobrantes de los cortes de las piezas y los
costos de almacenamiento; garantizando al menos la satisfacción de la
demanda y la disponibilidad del número de horas de producción. Para ello
formule el Modelo de Programación Lineal adecuado, y resuélvalo,
empleando un paquete de optimización.

Las dimensiones reales de las latas y de las láminas no interesan para la

resolución del problema, es por ello que sólo se especifican el número de
piezas que se pueden obtener de las láminas.

Consideraciones:

 Defina cuidadosamente las variables de decisión que utilizará; verifique si

está incluyendo todas las variables que requerirá para dar respuesta a los
requerimientos de producción. Especifique en qué unidades se mide
dicha variable de decisión.

 Utilice nombres de variables alusivos a lo que representan en el problema

real, esto facilita la interpretación de la data y de la solución.

 Seguidamente escriba la función objetivo y cada una de las restricciones,

en palabras.

 Construya la formulación matemática de la función objetivo, en términos

de las variables de decisión, tomando en consideración los costos y los
beneficios por producto y si se trata de maximización o de minimización
de la función. Verifique bien el cálculo de los costos de cada elemento.

 Luego formule las restricciones que surgen de las especificaciones del

mismo. Determine cuál será el valor del lado derecho de cada restricción.
Al construir las restricciones es posible que deba modificar algunas
definiciones de las variables o agregar variables. Tome en cuenta las
 medidas empleadas y las conversiones que tengan lugar, a fin de que las
restricciones resulten correctamente formuladas.

 Evite la redundancia de variables y restricciones. Verifique si existen cotas

para las diferentes variables.

 Al resolverlo, analice cuidadosamente los resultados para determinar si

tienen sentido real. En caso de resultar el problema infactible (infeasible),
se recomienda verificar si la data está correcta, si los recursos resultan
suficientes y los requerimientos satisfechos. Algunos paquetes poseen
una opción llamada debug que ayuda a determinar las restricciones que
hacen al problema infactible.

El estudiante deberá resolver la situación y entregar un informe que contenga

lo siguiente:

1. Formulación del problema

a) Descripción de las variables de decisión.

b) Formulación general de la situación planteada.

c) Total de variables de decisión y restricciones: presente en forma

explícita el número de variables de decisión, y número de
restricciones. Considere dentro de las restricciones las cotas de
variables (si las hay).

1) Solución de la situación

a) Reporte de los datos, solución y análisis de sensibilidad de la situación,

utilizando algún paquete de optimización lineal como: Solver, WinQsb,
Lingo.

b) En el reporte, señale o resalte la solución, en caso de existir; su estado,

el número de iteraciones y el valor óptimo de la función objetivo, si
existe.
 Solución

1) Formulación del problema

a) Descripción de las variables de decisión

𝐗 𝐢𝐣 = Cantidad de cortes a realizar utilizando del patrón tipo i en la lámina tipo j

I= 1, 2, 3, 4, 5
J=1, 2

𝐘𝐢 = Variable binaria auxiliar

I= 1, 2

𝐖 = Variable binaria pra uso condicional

b) Formulación general de la situación planteada

Max Z = (Y1 )($1)(0X11 + 240X21 + 150X31 + 0X42 + 250X52 )

+ (Y2 )($1)(0.5)(400X11 + 0X21 + 50X31 + 700X42 + 50X52 )
− ($0.25)(4.16X11 + 0.96X 21 + 1.12X31 + 6.56X42 + 0.48X52 )
− (Y2 )($0.5)((0X11 + 240X21 + 150X31 + 0X42 + 250X 52 )
− (0.5)(400X11 + 250X21 + 50X31 + 700X42 + 50X 52 ))
− (Y1 )($0.5)((400X11 + 250X 21 + 50X31 + 700X42 + 50X52 )
− (2)(0X11 + 240X21 + 150X31 + 0X42 + 250X52 ))

 Cantidad de rectángulos
 Cantidad de círculos
 Cantidad de m2 sobrantes
 Cantidad de rectángulos sobrantes
 Cantidad de círculos sobrantes

c) Restricciones:
  Este conjunto de restricciones hace referencia a los patrones de corte
que no hacen parte de los parámetros iniciales:

𝐗 𝟏𝟐 =𝟎
𝐗 𝟐𝟐 =𝟎
𝐗 𝟑𝟐 =𝟎
𝐗 𝟒𝟏 =𝟎
𝐗 𝟓𝟏 =𝟎

 Restricciones referentes a la disponibilidad de tipo de lámina L1 y

lámina L2:

𝐗 𝟒𝟐 + 𝐗 𝟓𝟐 <= 𝟏𝟎𝟎
𝐗 𝟏𝟏 + 𝐗 𝟐𝟏 + 𝐗 𝟑𝟏 <= 𝟓𝟎𝟎

 Restricción de disponibilidad de tiempo de operación en minutos:

𝟏𝟎𝟎𝐗 𝟏𝟏 + 𝟔𝐗 𝟐𝟏 + 𝟖𝐗 𝟑𝟏 + 𝟏𝟓𝐗 𝟒𝟐 + 𝟏𝟎𝐗 𝟓𝟐 ≤ 𝟐𝟒𝟎𝟎

 Primera restricción condicional:

(𝟎𝐗 𝟏𝟏 + 𝟐𝟒𝟎𝐗 𝟐𝟏 + 𝟏𝟓𝟎𝐗 𝟑𝟏 + 𝟎𝐗 𝟒𝟐 + 𝟐𝟓𝟎𝐗 𝟓𝟐 − (𝟎. 𝟓)(𝟒𝟎𝟎𝐗 𝟏𝟏 + 𝟎𝐗 𝟐𝟏 +

𝟓𝟎𝐗 𝟑𝟏 + 𝟕𝟎𝟎𝐗 𝟒𝟐 + 𝟓𝟎𝐗 𝟓𝟐 ) = 𝐌𝐙

 Segunda restricción condicional:

𝐘𝟐 ≤ (𝟏 − 𝐙)
 Restricción excluyente entre las variables binarias Y1 y Y2:

𝐘𝟏 + 𝐘𝟐 = 𝟏
 Restricciones lógicas

𝐗 𝟏𝟏 , 𝐗 𝟐𝟏 , 𝐗 𝟑𝟏 , 𝐗 𝟒𝟐 , 𝐗 𝟓𝟐 = 𝐞𝐧𝐭𝐞𝐫𝐚𝐬, 𝐧𝐨 𝐧𝐞𝐠𝐚𝐭𝐢𝐯𝐚𝐬
𝐘𝟏 , 𝐘𝟐 , 𝐙 = 𝟎 𝐘 𝟏
2) Solución de la situación

a) Información de los patrones de corte

PATRON 1 PATRON 2 PATRON 3 PATRON 4 PATRON 5

TIPO LÁMINA L1 L1 L1 L2 L2
RECTÁNGULOS 0 240 150 0 250
CÍRCULOS 400 0 50 700 50
TIEMPO DE
PROD. 100 6 8 15 10
SOBRANTES m² 4,16 0,96 1,12 6,56 0,48

Parámetros de análisis en el esquema del problema

PARÁMETROS
PRECIO DE VENTA POR LATA $ 1,00
COSTO DE DESPERDICIO m² $ 0,25
COSTO DEL MATERIAL SOBRANTE $ 0,50
CANTIDAD DE LÁMINAS L1 500
CANTIDAD DE LÁMINAS L2 100
TIEMPO DISPONIBLE EN (min) 2400
DEMANDA TOTAL 20000

El problema se resolvió mediante el programa lineal de Solver

implementando el análisis lineal realizado en el punto anterior, a
continuación una imagen que nos permite visualizar el desarrollo del
problema mediante el programa:
b) Si hay una solución optima según el análisis que realizamos al momento
de maximizar la función del valor de venta, en la tabla se observa la
matriz que el programa nos calcula como más efectiva para obtener la
solución óptima:

LAMINA
PATRON DE
CORTE L1 L2
PATRON 1 0 0
PATRON 2 20 0
PATRON 3 0 0
PATRON 4 0 82
PATRON 5 0 105
20 187
TIEMPO TOTAL 2400

CONDICION1 31050
FUNCION
OBJETIVO $ 30.623,12
Según la matriz resultante para la lámina uno se utiliza el patrón dos, y para la
lámina dos, se utilizan los patrones cuatro y cinco, de esta forma se obtiene el
mayor beneficio para reducir el costo de materia prima, mayor utilidad de
fabricación de latas y la solución optima en la función del precio de venta.

INGRESO POR VENTAS $ 31.050,00

COSTO POR SOBRANTES m² $ 151,88
COSTO POR PIEZAS SOBRANTES $ 275

Valor de la solución optima

Al momento de realizar el análisis del problema mediante el Solver los datos

que se pudieron obtener según la fabricación de las latas son los siguientes
datos:

RECTÁNGULOS 31050
CÍRCULOS 62650 31325
m² SOBRANTES 607,52
RECT.
SOBRANTES 0
CIR. SOBRANTES 550

Los datos que podemos ver corresponden a datos de la fabricación de las

latas según cada corte usado en las dos laminas, está el total de corte de
los rectángulos y círculos en la función objetivo, además la cantidad de
material sobrante durante la fabricación de las latas, debido a que la
función a optimizar era realizar la mayor cantidad de latas con el menor
costo de materia prima, es que se utiliza un condicional para que en las
piezas sobrantes solo sea de un tipo en el corte, ya sea circular o
rectangular.

3) Análisis de resultados

Una vez resuelta la situación, utilice el reporte generado por el paquete de

optimización, para responder razonadamente lo siguiente:
 a) ¿Cuál es el beneficio que obtendrá Platek al realizar un plan óptimo de
producción de las latas?

El beneficio que obtiene es el de tener un valor máximo de latas con el

costo menor de materia prima y la menor cantidad de material
desperdiciado, esto para tener un mayor costo de venta

FO $ 30.623,12

b) ¿Cuántas latas elaborará la empresa de acuerdo al plan óptimo

semanal?

La cantidad de latas que elaborar la empresa durante 2400 minutos

trabajados son de:

CONDICION1 31050

c) ¿Cuántos círculos deberá cortar, de acuerdo al plan óptimo?

La empresa debe cortar 62.650 piezas circulares según la función

óptima del problema, esta cantidad debe ser divida en 2 para obtener el
valor real en cuanto a la cantidad de latas, ya que por lata se utilizan dos
piezas circulares:

CÍRCULOS 62650 31325

d) ¿Cuántos rectángulos según el plan óptimo?

La cantidad de rectángulos que se usaran son:

RECTÁNGULOS 31050

e) Obtenga la cantidad en m2 de sobrantes, de los cortes de las láminas,

que resultarán según el plan óptimo

La cantidad en metros cuadrados que sobran son los siguientes, valor

calculado de las dos laminas según los patrones de corte utilizados,
este material sobrante en el inventario es de forma circular:

m² SOBRANTES 607,52
 f) ¿Cuántos círculos y cuántos rectángulos sobrarán de la producción
semanal, conforme al plan óptimo?

Esta cantidad de latas ensambladas deja como sobrante en el inventario

una cantidad de piezas circulares de la siguiente manera, cabe explicar
que debido al planteamiento condicional del problema el sobrante que
nos da en la función objetivo es en piezas circulares únicamente y no
de sobrante de piezas rectangulares:

CIR. SOBRANTES 550

g) ¿Cuántas latas sobrarán, de acuerdo al plan óptimo?

No sobran latas ya que la función objetivo que planteamos nos genera un

sobrante solo en partes de corte, ya sea rectangular o ya sea circular, por
este motivo no tenemos sobrante en cantidad de latas.

h) ¿Cuántos minutos de producción sobrarán?

No hay sobrante de tiempo ya que el planteamiento de la solución da el

tiempo exacto de 2400 minutos de acuerdo al tiempo de cada patrón
utilizado según la función optima obtenida.

i) Si se incrementa al 100% el número de láminas de hojalata tipo L2

¿Se mantiene óptima la solución actual?

Si se tiene un cambio en la solución óptima, ya que el valor de venta

aumenta, lo que significa que hay una mayor cantidad de latas
producida como no lo muestra la imagen:
 j) Obtenga conclusiones derivadas de los resultados obtenidos. Indique
las mejoras que realizaría al modelo formulado.

En conclusión la solución óptima que tuvimos en cuanto al valor de

venta con respecto al valor de gasto y cantidad producida obtenemos
un valor que genera mucha ganancia, concepto que podemos obtener
realizando el análisis que obtuvimos en cuanto al planteamiento lineal
del problema se logra evidenciar una dificultad que no permite que el
problema tenga una solución óptima real; esto debido a que no se
tiene los costos de las 2 láminas que maneja la fábrica, en dado caso
que tuviéramos los dos valores de las láminas, podríamos obtener
una mayor disminución en la solución óptima del problema.

SITUACIÓN 4

Caso de estudio: Realice un análisis objetivo del artículo de aplicación de

programación lineal de la siguiente dirección:

El Análisis Post-Optimal en Programación Lineal Aplicada a la Agricultura.

http://www.redalyc.org/articulo.oa?id=72918776010

Recuerde que se realizará una verificación sobre el trabajo.

Interpretación y análisis del artículo

El artículo plantea una situación particular en la que en términos generales se

busca maximizar la utilidad en un proceso de producción agrícola que se lleva
a cabo durante un periodo total de 13 meses.

En primera instancia el artículo define la historia del método, el funcionamiento

y su importancia; explica paso a paso como debe realizarse la construcción
del modelo y en qué consiste cada uno de los parámetros que se utilizan para
la elaboración del mismo. Se evidencian algunas aclaraciones sobre
ambigüedades que pueden llegar a presentarse durante la formulación del
modelo; y explica brevemente como interpretar una situación de la realidad
para plasmarla de forma correcta mediante el modelo de programación lineal,
que permita desarrollarlo de forma consistente, veraz y por supuesto que ante
todo permita obtener un resultado o una combinación de resultados optimas al
objetivo que propone el problema.

El autor presenta el proyecto que servirá de base para construir el modelo

lineal y luego de resolverlo someterlo a un análisis de sensibilidad. El proyecto
consiste en alquilar durante trece meses una finca de 5 hectáreas en la
provincia de Cartago en Costa Rica. Se plantean cinco posibles cultivos y con
datos históricos se calcula la ganancia de cada uno en diferentes periodos y
en base a esta información se construye la función objetivo buscando
maximizar el ingreso monetario.

El primer conjunto de restricciones hace referencia a la disponibilidad de tierra,

utilizando todas las posibles combinaciones de todos los cultivos, el área
utilizada no puede superar las 5 hectáreas durante cada periodo.

El segundo conjunto de restricciones define la cantidad máxima de mano de

obra que puede utilizarse definida en términos de horas para cada uno de los
periodos.

Mediante la herramienta computacional LINGO se calcula la solución del

modelo y del resultado que se obtiene, se inicia un análisis de sensibilidad que
es la parte interesante del artículo.

En lo que concierne al modelamiento del problema no es necesario objetar

ninguno de los procedimientos utilizados, ya que se tienen en cuenta todos los
recursos disponibles y se utilizan datos reales para calcular los estándares que
se van a usar como coeficientes tecnológicos, quizá habría que adicionar
alguna restricción en cuanto a los factores climáticos que pudieran interferir en
el resultado final, pero en términos generales el modelo es muy completo.

Para el análisis de sensibilidad se hace un recuento breve de las variables que

van a ser tomadas como foco de dicho análisis, se determinan unos límites
dentro de los que estas variables pueden ser modificadas y sobre todo se
analizan los costos reducidos de las variables duales que en últimas son las
que brindan mayor información acerca de lo que se puede obtener con algunos
cambios en las variables de decisión. Se pueden determinar datos tan
importantes como el incremento en el recurso de área disponible en el periodo
8 a un total de 7,47 hectáreas aumenta el ingreso final en casi un 15%, lo cual
puede resultar decisivo para las decisiones que tome la dirección del proyecto.
También se destaca la importancia de conocer la holgura o el disponible que
se tiene de cada uno de los recursos, frente a la solución de la función objetivo
y de esta manera también permite tomar algún tipo de decisión en aras de
reducir costos o aumentar la utilidad mediante la implementación de alguna
aplicación para los recursos que dejan de utilizarse en cada uno de los
periodos.

WEBGRAFIA

 http://ktica2711.blogspot.com/2010/08/3.html

 https://sites.google.com/site/programacionlineal398/ejercicio-3-6-3
 http://www.redalyc.org/articulo.oa?id=72918776010