V JORNADAS ASEPUMA

DIDACTICA DE LA PROGRAMACIN LINEAL CON ORDENADOR PARA ECONOMISTAS

Snchez Alvarez, Isidro1 Lpez Ares, Susana

Resumen La generalizacin de los paquetes informticos en la enseanza de la programacin lineal ha supuesto transformaciones de gran calado en las tcnicas y contenidos docentes. A continuacin se recogen aquellos aspectos ms relevantes,

centrando su anlisis en aquellas aplicaciones informticas de mayor facilidad de uso por considerarlas ms adecuadas para la enseanza en los niveles de licenciatura. De ah que no se incluyan programas como GAMS que requieren un mayor grado de elaboracin por parte del usuario.

1. MODELOS FORMALES VERSUS MODELOS CON HOJA DE CLCULO

En relacin con la facilidad de comprensin por parte del administrador, los modelos con hoja de clculo tienen una mayor orientacin hacia el usuario dado que el gerente no necesita comprender los fundamentos de la programacin lineal para que el experto pueda explicarle el modelo. Las frmulas para generar los datos se muestran en las celdas y consecuentemente las relaciones son fciles de observar y modificar. Adems, los datos se obtienen de forma directa a partir de los datos brutos de que se dispone con mayor facilidad, y posteriormente, la hoja de clculo transforma de forma automtica los valores hasta obtener el objetivo, lo cual supone un entorno completo y de fcil acceso para el decisor. Por contra, en los modelos formales de programacin lineal, la solucin se lleva a cabo en un paquete informtico no conocido por el gerente no especializado, con lo cual se dificulta el acceso a modificaciones y controles del mismo por parte del administrador, si ste no es un especialista en la materia. Desde el punto de vista de la facilidad de transmisin de la informacin analizada a personas no especializadas, las hojas de clculo representan pues un entorno con mayor facilidad de uso y manejo.

Departamento de Economa Cuantitativa - Universidad de Oviedo. Facultad de Ciencias

Econmicas y Empresariales. Avenida del Cristo s/n 33.006 Oviedo

Snchez Alvarez, I. y Lpez Ares, S.

Respecto al planteamiento y posterior depuracin del modelo, existen al menos dos razones por las cuales es preciso disear el modelo formal. Por una parte, resulta casi obligado formular previamente el programa lineal aunque posteriormente se resuelva con hoja de clculo. Por otra parte, es difcil que se formule correctamente en el primer intento con lo cual ser preciso un proceso de depuracin; la experiencia indica que es ms fcil, especialmente cuando el modelo es complejo, analizar el programa lineal formalizado. El objetivo de la hoja de clculo sera trasladar el problema a un entorno ms asequible para el decisor, pero esta fase slo se puede elaborar de una forma correcta tras haber depurado la formulacin. Por ello, la hoja de clculo no se puede entender como un sustituto de los modelos formales de programacin lineal sino como una representacin complementaria que permite al administrador tener contacto directo con el problema. Respecto a la disponibilidad del programa informtico, el gerente tendr siempre mayor accesibilidad a los optimizadores incluidos en las hojas de clculo (por ejemplo, el Solver en Excel) dado que ser una utilidad informtica siempre accesible en su carrera profesional. No obstante, un problema de gran tamao puede requerir un programa especializado como LINDO. Cuadro I Capacidad mxima de algunos programas de uso generalizado Lindo 6.0 (Extended) 100.000(VA) 32.000(RE) Whats Best! (Extended) 32.000(VA) 16.000(RE) QSB+ 3.0 100(VA) 100(RE) * Solver (Excel para Office 97) Sin lmite de restricciones (la hoja tiene 66536 filas y 230 columnas) VA=variables; RE=restricciones * No se define un lmite concreto. Se ofrece dicho programa como resoluble. En relacin con las posibilidades didcticas, las hojas de clculo tienen la ventaja de ser ampliamente conocidas por los alumnos, mientras que los modelos formales resueltos en paquetes como LINDO suponen un aprendizaje especfico. No obstante, su manejo es muy sencillo dado que supone una mera traslacin del modelo planteado manualmente. Esta pequea dificultad puede ser ampliamente superada por buen nmero de ventajas: permite controlar el proceso eligiendo las variables que entran y salen en la base, se puede acceder a las tablas del simplex, se conocen el nmero de coeficientes tecnolgicos no nulos, la densidad del problema, etc. Todos ellos aspectos que permiten resolver de forma ms eficiente el programa y relacionar la prctica informtica con los fundamentos tericos desarrollados en las clases.

V JORNADAS ASEPUMA

La perfecta complementariedad de ambos enfoques, modelo formal y de hoja de clculo, y la sencillez de su manejo nos lleva a afirmar la necesidad de aunar ambas tcnicas de resolucin. No es necesario pues elegir una de ellas, sino que ambas deben ser incorporadas al curriculum del alumno.

2. WHATS BEST 3.0 VERSUS SOLVER DE EXCEL PARA OFFICE 97 La resolucin con hoja de clculo puede llevarse a cabo bien a travs de un optimizador incorporado en la propia hoja (como el Solver en Excel) o bien a travs de una aplicacin especfica (como Whats Best!, que realmente es una versin del programa LINDO). Aparte de las diferencias de capacidad -ver cuadro I- su funcionamiento difiere en algunos aspectos que es preciso sealar. Ambas aplicaciones permiten resolver los programas lineales planteados en un curso de licenciatura, incluida la programacin entera y bivalente. No obstante, el Solver ser siempre de ms fcil disponibilidad para el alumno en su posterior vida profesional al venir directamente incorporado a la hoja de clculo Excel. En todo caso, Whats Best! se puede adquirir junto con LINDO y LINGO en el paquete Solver Suite, lo cual lo hace ms accesible. La diferencia ms relevante entre ambas aplicaciones se refiere a las variables de decisin. Por defecto, Solver las considera no restringidas en signo, mientras que Whats Best! supone que son no negativas. Ahora bien, en ambos casos se puede intercambiar su signo sin dificultad (definiendo la variable como libre en Whats Best! y aadiendo la restriccin 0 en Solver). Otra diferencia importante es que Solver no dispone de un sistema para determinar si el programa es lineal. El usuario debe especificar la opcin de modelo lineal, y es un test a posteriori el que determina si la hiptesis lineal es correcta. Este test de linealidad puede producir resultados incorrectos bajo determinadas condiciones (Plane, 1994). Por contra, Whats Best! detecta todas las relaciones no lineales de la hoja de clculo indicando si afectan a la linealidad de la funcin objetivo o las restricciones, y por tanto a la del problema. En este sentido, es preciso distinguir dos tipos de indicacin de no linealidad: aquella que afecta y aquella que no afecta al carcter lineal del programa. En el cuadro II se plantea un modelo lineal en el que se presentan relaciones no lineales en la hoja que sin embargo no afectan a la linealidad del problema. Tomando como variables de decisin las cantidades de los productos X e Y (celdas B2 y C2) el

Snchez Alvarez, I. y Lpez Ares, S.

objetivo es maximizar el ingreso total (celda D5). Las restricciones vienen dadas por la cantidad mxima (D2F2), el nmero de horas disponibles (D8F8) y las unidades disponibles de materias primas (D11F11). Tanto la funcin objetivo como las

restricciones son lineales, sin embargo las celdas B3 y C3 de la hoja calculan una relacin no lineal (por ejemplo, B3=100*B2/D2) y la aplicacin detecta una no linealidad. No obstante, Whats Best! resuelve el problema como lineal e indica la no linealidad de las expresiones de dichas celdas. El programa permite adems omitir toda referencia a dichas celdas con el objeto de reducir el tiempo de ejecucin del problema. En el cuadro III, se propone un ejemplo de una relacin no lineal que s afecta al modelo. El problema tiene como objetivo maximizar los kilogramos obtenidos de una mezcla de dos productos X e Y (celda B4). Las restricciones vienen dadas por los lmites de kilogramos de cada producto (celdas D2 y D3) y por el porcentaje total de metal en la mezcla. Esta ltima restriccin parte de que son conocidos los porcentajes de metal en cada producto (celdas B6 y B7) y de que el total de metal (celda B10) se obtiene como suma de las cantidades de metal que proporciona cada producto (celdas B8 y B9). La restriccin que se construye no es lineal dado que se relaciona el porcentaje de metal en la mezcla (celda B11, obtenida como cociente de dos funciones lineales B10/B4) y el lmite establecido (celda D11). Whats Best! indicara la no linealidad de la expresin recogida en la celda B11 y resolvera el programa como no lineal. En algunos casos, estas

expresiones no lineales pueden ser fcilmente transformables en lineales. Cuadro II Modelo lineal con relaciones no lineales en la hoja de trabajo A B C D E F 1 X Y Total 2 Cantidad 37,5 75 112,5 <= 200 3 % Total 33,33% 66,67% 4 Precio 1000 950 5 Ingresos 37500 71250 108750 6 7 Horas M.O. 20 30 8 Coste M.O. 750 2250 3000 =<= 3000 9 10 Materia prima 60 50 11 Total M.P. 2250 3750 6000 =<= 6000 En el cuadro IV se resuelve este mismo problema linealizando esta ltima restriccin. Para ello no se establece la restriccin como una relacin entre porcentajes sino como una relacin entre cantidades de metal: el total de metal en la mezcla (celda B10) no puede superar el lmite fijado en la celda D10 (obtenida como el producto de la cantidad de mezcla B4 por el porcentaje lmite fijado D11). Las hojas de clculo

V JORNADAS ASEPUMA

permiten pues evitar la no linealidad con estrategias a veces distintas de las utilizadas cuando el modelo se resuelve formalmente.

Cuadro III Modelo no lineal B 200 300 500 10% 15% 20 45 65 13,00%

C =<= =<=

1 2 Kg de X 3 Kg de Y 4 Kg de mezcla 5 6 % metal en X 7 % metal en Y 8 Metal en X 9 Metal en Y 10 Total metal 11 % metal en mezcla

D Lmite 200 300

=<=

13%

Cuadro IV Modelo no lineal anterior, transformado en lineal A B C D 1 Lmite 2 Kg de X 200 =<= 200 3 Kg de Y 300 =<= 300 4 Kg de mezcla 500 5 6 % metal en X 10% 7 % metal en Y 15% 8 Metal en X 20 9 Metal en Y 45 10 Total metal 65 =<= 65 11 % metal en mezcla 13,00% 13% Con la introduccin en el Solver de la versin para Office 97 de la posibilidad de manejar variables bivalentes y la eliminacin del nmero mximo de restricciones, las capacidades de ambas aplicaciones para hoja de clculo se han asimilado. Ambas

aplicaciones pueden servir de base para un curso de programacin lineal, y el mayor condicionante vendr siempre dado por el tamao del problema a resolver.

3. PROGRAMACIN LINEAL CON PAQUETES DE CLCULO SIMBLICO Algunos programas de clculo simblico disponen de paquetes especficos para la resolucin de programas lineales. En concreto, Maple V dispone de una librera

Snchez Alvarez, I. y Lpez Ares, S.

denominada simplex que permite la evaluacin de programas lineales. A continuacin se recogen sus particularidades ms destacadas: Permite definir el grado de precisin, es decir, la cuanta a partir de la cual los nmeros en como flotante se consideran como ceros, y por tanto se pueden comenzar a producir errores de redondeo. En Maple V esta opcin se fija bien a travs del comando Digits, que establece el nmero de dgitos con que se trabaja o bien a travs de define_zero(err) donde err es un nmero positivo que define el nmero ms pequeo no considerado como cero, en valor absoluto. Facilita una expresin analtica del programa dual. Dispone de la posibilidad de conocer las ecuaciones matriciales en cada iteracin. Se puede obtener la solucin paso a paso, estableciendo la solucin bsica de partida, buscando el elemento pivote y ejecutando las iteraciones una a una. Sin embargo, no dispone de opciones directas para utilizar variables bivalentes o enteras, sino que es preciso definir sus caractersticas a travs del comando assume. No dispone tampoco de una opcin para obtener directamente el anlisis de sensibilidad. La introduccin del programa lineal es poco orientada al usuario y en problemas complejos resulta poco adecuada. Todas estas caractersticas hacen que este tipo de programas aporte un mtodo de gran inters terico en la solucin de programas lineales, pero menos adecuado que los anteriormente descritos de cara a ser utilizado en las enseanzas de licenciatura. Esta particularidad

permite evitar en buena medida los problemas de redondeo del clculo numrico.

4. CONSECUENCIAS SOBRE EL CONTENIDO DE LA MATERIA A IMPARTIR La resolucin informatizada de programas lineales supone cambios en el enfoque docente. Adems de las propias implicaciones que supone la utilizacin de medios informticos, aspectos que se comentarn en el epgrafe siguiente, supone la necesidad de introducir nuevos contenidos didcticos que en las clases exclusivamente tericas no se requeran. En general, dichos contenidos estn relacionados con aspectos de eficiencia en la utilizacin de los programas informticos. A continuacin, se desarrollan los

contenidos ms destacados que se deberan incorporar en la docencia de la programacin lineal.

V JORNADAS ASEPUMA

En los problemas matemticos se suele representar a las variables como x, y, xij, etc. De cara a plantear problemas con gran nmero de variables es preciso denominarlas de forma que se facilite su identificacin utilizando nombres nemotcnicos. Este mismo aspecto debe ser considerado al identificar las restricciones. En programacin lineal continua, los tiempos de solucin dependen ms del nmero de restricciones que del nmero de variables. En programacin lineal entera, las dificultades de clculo dependen ms del nmero de variables enteras, como consecuencia de los algoritmos utilizados para obtener la solucin. En el caso de restricciones referidas a una sola variable, desde un punto de vista computacional es ms eficiente tratarlas como un lmite o cota (en aquellos paquetes informticos que lo permitan) que como una restriccin ms. Se debe intentar que el conjunto de soluciones factibles de los programas lineales enteros se ajuste en los posible al de soluciones continuas ya que, aunque eso pueda implicar ms restricciones, supone ahorros en el tiempo de clculo. En problemas enteros complejos, se deben colocar las condiciones ms restrictivas en primer lugar ya que los paquetes informticos suelen analizar la factibilidad de cada solucin en el mismo orden en que se ha definido el problema. Los problemas de escala pueden dar lugar a errores de redondeo en los clculos y consecuentemente pueden aparecer falsas infactibilidades, tiempos de ejecucin superiores, etc. Con el objeto de evitar estos problemas, es preciso modelizar de forma que el orden de magnitud de las cifras utilizadas sea similar. Por ejemplo, el programa LINDO aconseja no utilizar coeficientes superiores a 105 ni inferiores a 10-4, en valor absoluto. Los programas tiene limitaciones en cuanto al nmero de variables y restricciones (ver cuadro I) y el alumno debe ser consciente de ellas. No es usual que todas las variables del modelo aparezcan en una restriccin determinada. De hecho, en los grandes problemas reales, un gran nmero de variables tienen coeficientes tecnolgicos cero. Dado que almacenar estos ceros no tendra ninguna utilidad tanto desde el punto de vista de la ejecucin como del almacenamiento, los paquetes informticos slo almacenan los coeficientes tecnolgicos no nulos. Dado que en algunas aplicaciones (tal es el caso de LINDO) se puede establecer una cuanta fija de espacio para los coeficientes no nulos, dicho lmite se deber modificar teniendo en cuenta que cuanto mayor sea dicho lmite ms memoria se asigna a almacenaje y menos queda liberada para resolver el problema.

Snchez Alvarez, I. y Lpez Ares, S.

Adems, es preciso tener en cuenta que existe un tope mximo que no es posible superar.

5. VENTAJAS E INCONVENIENTES COMUNES A LA UTILIZACIN GENERALIZADA DE LA INFORMTICA EN LA ENSEANZA DE LAS MATEMTICAS La posibilidad de que el alumno acceda a la solucin informatizada de problemas matemticos tiene indiscutibles ventajas. Entre ellas, cabe citar las siguientes: La posibilidad de acceder al resultado final permite ver de forma global el problema y conocer la problemtica real de los casos planteados. En el caso de la programacin lineal, esto permite analizar problemas reales, ms cercanos a la actividad profesional, frente a lo limitado de los modelos de prcticas de tablero. Como consecuencia de lo anterior, la enseanza por ordenador prima la comprensin de muchos conceptos, obviando algoritmos muchas veces poco creativos para el alumno. Esto permite hacer mayor hincapi en la reflexin sobre los resultados y sobre la construccin del modelo. Tambin en relacin con los aspectos anteriores, el programa informtico permite al alumno experimentar por s mismo, e intentar comprobar sus propias intuiciones y las relaciones a priori del modelo. paramtrico en programacin lineal. Adems, el anlisis de programas lineales de tamao real favorece la organizacin del trabajo en equipo, dada la amplitud de los casos analizados. Al menos durante las primeras fases, la introduccin de herramientas informticas aumenta la motivacin en el alumno. concretos, este efecto no es tan definitivo. Pese a las ventajas, la utilizacin de medios informticos no est exenta de inconvenientes: Se suele objetar que el alumno pierde la facilidad de uso de ciertas habilidades bsicas que proporcionan los cursos tradicionales de matemticas. En este sentido, no se debera olvidar que, aunque la soluciones de problemas reales se lleve a cabo mediante tcnicas informticas, sigue siendo preciso un fundamento terico del proceso, aunque orientando la enseanza con unos parmetros distintos. En el caso de la programacin lineal, los tiempos de solucin obligan a utilizar tcnicas informticas, de ah que ceir la docencia a aspectos puramente analticos carezca de sentido. A largo plazo, y en grupos de personas Tal es el caso del anlisis de sensibilidad y

V JORNADAS ASEPUMA

Por otra parte, la solucin por ordenador no es transparente al usuario, con lo cual ste no es consciente del proceso y pierde capacidad crtica respecto al problema. En este sentido es importante introducir en la docencia los aspectos comentados en el punto anterior y profundizar en el planteamiento e interpretacin de las soluciones de los programas lineales. En general, la enseanza por ordenador puede provocar un mayor inters en la herramienta informtica que en el concepto matemtico. Si bien esto puede implicar un alejamiento del objetivo docente, tambin puede ser utilizado como un atractivo para lograr el inters del alumno. Unido a todos los aspectos anteriores surge toda una problemtica en relacin con la organizacin docente: cmo hacer compatible y en qu medida el uso del ordenador y las clases tradicionales, cmo mantener formado al profesorado, cmo estimular al alumno dirigiendo su inters a los aspectos matemticos, qu tipo de problemas resolver, etc.

6. CONCLUSIONES La enseanza de la programacin lineal por ordenador debe hacer especial hincapi en la interpretacin de las salidas de ordenador relativas a la solucin, anlisis de sensibilidad y paramtrico. El formato de las mismas es muy similar en todos los programas informticos y recogen los aspectos clave para la toma de decisiones empresariales. Los cursos de licenciatura deberan incorporar la solucin del modelo lineal tanto desde el punto de vista formal como con hoja de clculo, dado que son dos enfoques complementarios fcilmente compatibles y de diversa utilidad segn el contexto de anlisis. La docencia en programacin lineal debe incluir aspectos relativos a la eficiencia y a limitaciones de la resolucin informtica.

7. BIBLIOGRAFA 1 GARCA, A., MARTNEZ, A. y MIAO, R. (1995): Nuevas tecnologas y enseanza de las matemticas. Editorial Sntesis. Madrid. 2 PLANE, D.R. (1994): Management Sciece. Boyd and Fraser Publishing Company. Danvers, Massachusetts.

Snchez Alvarez, I. y Lpez Ares, S.

VILLALBA, D. y JREZ, M. (1990): Sistemas de optimizacin para la planificacin y toma de decisiones. Pirmide. Madrid.

10