Este documento introduce la programación lineal como una técnica matemática para ayudar a las empresas a optimizar el uso de sus recursos mediante la asignación de los mismos a la producción de bienes y servicios. Explica que los problemas de programación lineal buscan optimizar una función objetivo sujeta a restricciones, y que deben cumplir cuatro propiedades: pretender optimizar una función lineal, considerar restricciones lineales, presentar alternativas posibles y tener soluciones reales no necesariamente enteras. Finalmente, resume métodos para resolver
Este documento introduce la programación lineal como una técnica matemática para ayudar a las empresas a optimizar el uso de sus recursos mediante la asignación de los mismos a la producción de bienes y servicios. Explica que los problemas de programación lineal buscan optimizar una función objetivo sujeta a restricciones, y que deben cumplir cuatro propiedades: pretender optimizar una función lineal, considerar restricciones lineales, presentar alternativas posibles y tener soluciones reales no necesariamente enteras. Finalmente, resume métodos para resolver
Descripción original:
La programacion lineal es la rama de la ingenieria que define los...
Este documento introduce la programación lineal como una técnica matemática para ayudar a las empresas a optimizar el uso de sus recursos mediante la asignación de los mismos a la producción de bienes y servicios. Explica que los problemas de programación lineal buscan optimizar una función objetivo sujeta a restricciones, y que deben cumplir cuatro propiedades: pretender optimizar una función lineal, considerar restricciones lineales, presentar alternativas posibles y tener soluciones reales no necesariamente enteras. Finalmente, resume métodos para resolver
Este documento introduce la programación lineal como una técnica matemática para ayudar a las empresas a optimizar el uso de sus recursos mediante la asignación de los mismos a la producción de bienes y servicios. Explica que los problemas de programación lineal buscan optimizar una función objetivo sujeta a restricciones, y que deben cumplir cuatro propiedades: pretender optimizar una función lineal, considerar restricciones lineales, presentar alternativas posibles y tener soluciones reales no necesariamente enteras. Finalmente, resume métodos para resolver
Descargue como DOCX, PDF, TXT o lea en línea desde Scribd
Descargar como docx, pdf o txt
Está en la página 1de 6
Introduccin a la Programacin Lineal.
En cualquier empresa, muchas de las decisiones que se toman tienen por
objeto hacer el mejor uso posible (optimizacin) de los recursos de la misma. Por recursos de una empresa entendemos la maquinaria que sta posea, sus trabajadores, capital financiero, instalaciones, y las materias primas de que disponga. Tales recursos pueden ser usados para fabricar productos (electrodomsticos, muebles, comida, ropa, etc.) o servicios (horarios de produccin, planes de marketing y publicidad, decisiones financieras, etc.). La Programacin Lineal (PL) es una tcnica matemtica diseada para ayudar a los directivos en la planificacin y toma de decisiones referentes a la asignacin de los recursos. Como ejemplos de problemas donde la Programacin Lineal desarrolla un papel fundamental, podramos citar: 1. A partir de los recursos disponibles, determinar las unidades a producir de cada bien de forma que se maximice el beneficio de la empresa. 2. Elegir materias primas en procesos de alimentacin, para obtener mezclas con unas determinadas propiedades al mnimo coste. 3. Determinar el sistema de distribucin que minimice el coste total de transporte, desde diversos almacenes a varios puntos de distribucin. 4. Desarrollar un plan de produccin que, satisfaciendo las demandas futuras de los productos de una empresa, minimice al mismo tiempo los costes totales de produccin e inventario. Caractersticas de un problema de Programacin Lineal Las tcnicas de Programacin Lineal han sido ampliamente utilizadas en mbitos tan diferentes como el militar, industrial, financiero, de marketing, e incluso agrcola. A pesar de tal diversidad de aplicaciones, todos los problemas de Programacin Lineal tienen cuatro propiedades comunes: 1.
2.
3.
4.
Pretenden optimizar (maximizar o minimizar) alguna cantidad (funcin objetivo).
As, por ejemplo, el principal objetivo de un banquero sera maximizar beneficios, mientras que el principal objetivo de una empresa transportista podra ser minimizar los costes de los envos. Habr que tener en cuenta las restricciones que limitan el grado en el cual es posible modificar las variables que afectan a nuestra funcin objetivo. As, a la hora de decidir cuntas unidades de cada bien se han de producir, deberemos considerar, entre otras, las limitaciones de personal y maquinaria de que disponemos. El problema debe presentar distintas alternativas posibles: si una compaa produce cuatro bienes diferentes, la direccin puede usar Programacin Lineal para determinar las cantidades de recursos que asigna a la produccin de cada uno de ellos (podra optar por hacer una asignacin ponderada, dedicar todos los recursos a la produccin de un nico bien abandonando la produccin del resto, etc.). En Programacin Lineal, la funcin objetivo debe ser una funcin lineal, y las restricciones deben ser expresables como ecuaciones o inecuaciones lineales.
Planteamiento de un problema de Programacin Lineal
Ejemplo: Una empresa fabrica dos modelos de mesas para ordenador, M 1 y M2. Para su produccin se necesita un trabajo manual de 20 minutos para el modelo M1 y de 30 minutos para el M2; y un trabajo de mquina de 20 minutos para M1 y de 10 minutos para M 2. Se dispone de 100 horas al mes de trabajo manual y de 80 horas al mes de mquina. Sabiendo que el
beneficio por unidad es de 1,5 y 1 para M 1 y M2, respectivamente,
planificar la produccin para obtener el mximo beneficio. Nos limitaremos ahora a plantear formalmente resolveremos ms adelante):
el problema (ya lo
Llamando: X = n unidades producidas al mes de M 1, e Y = n unidades
producidas al mes de M2, nuestra funcin objetivo sera: Maximizar: Z(X,Y) = 1,5X + Y y las restricciones vendrn dadas por: Sujeto a: 20X + 30Y <= 100*60 20X + 10Y <= 80*60 X >= 0 Y >= 0 Las dos ltimas restricciones, si bien no constan de forma explcita en el enunciado, s figuran de forma implcita, pues el nmero de mesas a producir no puede ser inferior a 0. Supuestos bsicos de la Programacin Lineal Desde un punto de vista tcnico, hay cinco supuestos que debe cumplir todo problema de programacin lineal: 1. Los coeficientes, tanto de la funcin objetivo como de las restricciones, son conocidos con exactitud y adems no varan durante el perodo de tiempo en que se realiza el estudio (supuesto de certidumbre). 2. Tanto en la funcin objetivo como en las restricciones hay proporcionalidad: si para la produccin de un bien empleamos 5 horas de un determinado recurso (mano de obra, maquinaria, etc.), para producir diez unidades de dicho bien sern necesarias 50 horas del mismo recurso. 3. Aditividad de actividades: tanto en la funcin objetivo como en las restricciones, la contribucin de cada variable es independiente de los valores del resto de las variables, siendo el total de todas las actividades igual a la suma de cada actividad individual. As, por ejemplo, si producimos dos tipos de bienes, uno que nos reporte un beneficio de 20 /unidad, y otro que nos reporte un beneficio de 10 /unidad, la produccin de un bien de cada tipo supondr un beneficio total de 30 . 4. Las soluciones del problema sern, en general, nmeros reales no necesariamente enteros (supuesto de divisibilidad). Para aquellos problemas en los cuales slo tenga sentido obtener soluciones enteras (cuando las soluciones se refieran a objetos indivisibles), se usarn tcnicas de Programacin Lineal Entera (PLE). 5. Las variables de nuestro modelo tomarn siempre valores positivos (supuesto de no negatividad), dado que no tiene sentido hablar de cantidades negativas de objetos fsicos. Resolucin grfica de un problema de Programacin Lineal El mtodo grfico de resolucin tan slo es aplicable a problemas con dos variables (X e Y). Para aquellos casos en que el nmero de variables del problema sea superior a dos, no ser posible encontrar la solucin a partir de un grfico bidimensional y, por tanto, tendremos que usar mtodos de resolucin ms complejos. An as, el mtodo grfico es de un gran valor pedaggico dado que nos permite vislumbrar de una forma intuitiva las
ideas bsicas de la Programacin Lineal.
Volviendo al ejemplo de las mesas de ordenador, dado que en l tenemos slo dos variables, podremos representar cada una de las restricciones en el plano real. Estas restricciones son semiespacios (por ser lineales), la interseccin de los cuales se denomina regin factible (rea de color verde en la figura):
La teora matemtica establece que, dado un problema de
Programacin Lineal que tenga solucin, sta vendr dada por uno de los vrtices (o puntos extremos) del polgono que configura la regin factible. Por tanto, ser suficiente hallar las coordenadas de dichos vrtices (intersecciones de rectas) y determinar (sustituyendo en la funcin objetivo) cul de ellos es la solucin ptima. En nuestro ejemplo, tendramos slo cuatro puntos candidatos a ser solucin del problema (los cuatro vrtices del polgono), sustituyendo sus coordenadas en la funcin objetivo obtenemos: Z(0,0) = 0; Z(0,200) = 200; Z(210,60) = 375; y Z(240,0) = 360 Como en este caso buscbamos maximizar Z(X,Y), concluiremos que el punto ptimo es el (210,60), dado que con l obtenemos el valor mximo de la funcin objetivo. As pues, la solucin a nuestro dilema ser fabricar 210 mesas de tipo M1 y slo 60 de tipo M2, con ello conseguiremos unos beneficios de 375 . Casos especiales A la hora de resolver un problema de Programacin Lineal, nos podramos encontrar con cualquiera de estas cuatro situaciones especiales que conviene conocer: No Factibilidad: Podra ocurrir que el problema propuesto no tuviese solucin. ste sera el caso en que las restricciones fuesen incompatibles, i.e., que ningn punto del plano (o, en general, del espacio real n-dimensional) puede cumplir simultneamente todas las limitaciones a las que estamos sometidos, es decir, la regin factible es un conjunto vaco.
No Acotacin: En ocasiones, podemos encontrarnos con problemas
que no tengan una solucin finita; as por ejemplo, en un problema de maximizacin podramos tener alguna variable que pudiese incrementarse indefinidamente sin violar ninguna de las restricciones, permitiendo a la funcin objetivo tomar valores tan grandes como se desee. Grficamente, tendramos una regin factible no acotada. Redundancia: Algunas restricciones pueden estar de ms por no aportar nada nuevo a la forma de la regin factible, ya que hay otras que resultan ser ms restrictivas (esto suele ocurrir en problemas extensos, donde resulta difcil reconocer restricciones redundantes). Soluciones Mltiples: Un problema de Programacin Lineal puede tener ms de una solucin ptima (e incluso infinitas). En el caso grfico de dos variables, si dos vrtices consecutivos de la regin factible son solucin ptima del problema, entonces todos los puntos del segmento comprendido entre ellos tambin sern ptimos.
Ejemplos de resolucin grfica
Ejemplo 1: La tabla adjunta muestra las unidades de nitrgeno (N) y de fsforo (P) que contiene cada kilo de los abonos A y B. Se desea obtener un abono que, como mnimo, contenga 9 unidades de N y 9 unidades de P. El precio de A es de 10 /kg. y el de B es de 20 /kg. Calcular las cantidades que deben comprarse de A y de B para satisfacer las necesidades minimizando el coste. Resolver el mismo ejercicio suponiendo que el precio de B es de 30 /kg. Llamando X = n kilos de A, e Y = n kilos de B, Minimizar: Z(X,Y) = 10X + 20Y Sujeto a: 3X + Y >= 9 X + 3Y >= 9 X , Y >= 0
Evaluando Z(X,Y) en cada uno de los vrtices:
Z(0,9) = 180; Z(9/4,9/4) = 67,5; Z(9,0) = 90
Por tanto, la solucin ptima es utilizar 9/4 kilos de A y 9/4 kilos de B, lo
que supone un coste (mnimo) de 67,5 . Si ahora consideramos la nueva funcin objetivo Z(X,Y) = 10X + 30Y, al evaluar en los vrtices (las restricciones no han cambiado), obtenemos: Z(0,9) = 270; Z(9/4,9/4) = 90; Z(9,0) = 90 -> tendremos infinitas soluciones ya que cualquier punto del segmento que une los dos ltimos vrtices (stos incluidos) ser un ptimo, obtenindose en ellos un coste (mnimo) de 90 . Ejemplo 2: Unos grandes almacenes desean liquidar 200 camisas y 100 pantalones de la temporada anterior. Para ello lanzan dos ofertas, A y B: la oferta A consiste en un lote de una camisa y un pantaln, que se vende a 30 ; y la oferta B consiste en un lote de tres camisas y un pantaln, que se vende a 50 . No se desea ofrecer menos de 20 lotes de la oferta A ni menos de 10 de la B. Cuntos lotes ha de vender de cada tipo para maximizar la ganancia?. Sean: X = n lotes tipo A Y = n lotes tipo B Maximizar: Z(X,Y) = 30X + 50Y Sujeto a: 3X + Y <= 200 X + Y <= 100 X >= 20 Y >= 10 Evaluando en los vrtices: Z(20,80) = 4.600; Z(50,50) = 4.000; y Z(190/3,10) = 2.400
Observar que, en este caso, se hace innecesario calcular Z(20,10), pues es
claro que su valor ser inferior al de Z(20,80) y al de Z(190/3,10). En definitiva, pues, tendremos que la empresa debe vender 20 lotes de tipo A y 80 de tipo B, con lo que tendr una ganancia (mxima) de 4.600 .