Professional Documents
Culture Documents
1. INTRODUCCIÓN
Según (Moya, 2003) el hombre siempre a buscado la mejor solución a la infinidad de probleas a los que
se enfrenta a lo largo de su vida, y puesto que los recursos materiales y humanas son escasos debemos
optimizarlos, teniendo en cuenta que debemos resolver el problema desde un punto de vista científico.
Éste proceso se inicia observando y formulando cuidadosamente el problema, y a continuación se
construye un modelo matemático que intenta explicar con ecuaciones el comportamiento de un
problema de la vida real, que generalmente es muy complejo e intenta hallar la mejor solución posible
para el problema que se está estudiando con la obtenención del valor más óptimo, en medida de las
posibilidades que se tengan y que cumplan con los objetivos del tomador de desiciones.
La Programación Lineal corresponde a un algoritmo a través del cual se resuelven situaciones reales en
las que se pretende identificar y resolver dificultades para aumentar la productividad respecto a los
recursos (principalmente los limitados y costosos), aumentando así los beneficios. Los resultados y el
proceso de optimización se convierten en un respaldo cuantitativo de las decisiones frente a las
situaciones planteadas. Decisiones en las que sería importante tener en cuenta diversos criterios
administrativos como: Los hechos; la experiencia; la intuición; la autoridad (Salazar, 2016)
Mientras que (Euskadi, 2011) indica que la programación lineal es una técnica que realiza un modelado
matemático que se desarrolló en la decada de los años 30, y desde ahí se lo ha aplicado en la toma de
desiciones en el ámbito de la economia y en los sistemas productivos de una empresa o bien en la
ingeniería misma para poder obtener una solución óptima a un problema que está condicionado por
ciertas resticciones, y (Alvarado Boirivant, El análisis post-optimal en programación lineal aplicada a
la agricultura, 2011) nos indica que la programación lineal es un método muy útil que nos ayuda a la
toma de decisiones entre una infinidad de posibles alternativas, y el punto más importante radica en la
modelación del problema y la posibilidad de porder encontrar la soloción más óptima. Esta técnica es
muy usada en la microeconomía y la administración de empresas, especialmente en circunstancias donde
estén presentes diferentes alternativas para el desarrollo de los procesos productivos, ya sea para
aumentar al máximo los ingresos o reducir al mínimo los costos de operación. Algunos ejemplos son la
mezcla de alimentos, la gestión de inventarios, la cartera y la gestión de las finanzas, la asignación de
recursos humanos y recursos de máquinas, la planificación de campañas de publicidad, etc. (Lora &
Pellicer, 2012)
2. PARÁMETROS PARA RESOLVER UN PROBLEMA MEDIANTE PROGRAMACIÓN
LINEAL
El primer paso para la resolución de un problema de programación lineal consiste en la identificación
de los elementos básicos de un modelo matemático, estos son:
Función Objetivo
Variables
Restricciones
2.1. FUNCIÓN OBJETIVO
Se denomina función objetivo a la maximización de las ganancias o minimización de costos de
producción, según sea el problema (Salazar, 2016) y el primer requisito es el de definir un objetivo
(optimización de alguna variable). (Taha, 2004). Para (Euskadi, 2011) la función objetivo tiene
una estrecha relación con la pregunta general que se desea responder. Sin embargo para
(Alvarado, Vazquez, Nivon, & Castaneda, 2004) si un modelo resultan distintas preguntas, la
función objetivo se relacionaría con la pregunta del nivel superior, es decir, la pregunta
fundamental.
La definición de la función objetivo es el aspecto más difícil, por eso el primer paso es distinguir
de manera clara y consiza las respuestas a las preguntas tales como:
Qué es lo que queremos lograr?
Hacia donde nos dirigimos?
Cuál es la medida representativa de nuestro objetivo? (Castro, 1998)
La función objetivo lineal se puede representar de las siguientes maneras:
Z = Cl X1 + C2 X2 +...... + Cn Xn
o utilizando la notación de sumatorias
𝑛
𝑍 = ∑ 𝐶𝑗 𝑋𝑗
𝑗=1
Donde:
Z = Función objetivo lineal.
Cj = Precio neto o costo unitario, según sea el modelo.
Xj = Actividad o proceso.
Los coeficientes C1, C2...., Cn son los coeficientes de costo (conocidos) o de ingresos, según el
tipo de problema que estemos resolviendo. Por otra parte, X1, X2. . . . , Xn son las variables de
decisión (variables, o niveles de actividad) que deben determinarse de tal manera que se alcance
el objetivo dentro de las restricciones que enfrenta el problema. (Alvarado Boirivant, La
programación lineal aplicación de la pequeñas y medianas empresas, 2009)
2.2. VARIABLES DE DESICIÓN
Existen dos tipos de variables las cuales son:
Variables de desición: Son las cuales miden la magnitud que se desea optimizar (Suñe,
Fonollosa, & Fernandez, 2016), o bien las magnitudes sobre las cuales se puede actuar o
decidir. (Cáceres, Reyes, García, & Sanchez, 2015)
Variables auxiliares: Son las cuales miden las magnitudes que tienen sentido en el
problema y que dependen de las variables de desición (Suñe, Fonollosa, & Fernandez,
2016), usualmente se puede crear el modelo sin estas variables, pero su definición suele
afectar sobre el resultado final a costa de crear un modelo más complicado. (Cáceres,
Reyes, García, & Sanchez, 2015)
Generalmente se hace una distinción entre las variables controlables y las no controlables (Diaz
& Rodriguez, 1999). Las variables del sistema sujetas a control se conocen con el nombre se
variables endógenas, y normalmente son las llamadas variables de desición, que están sujetas a la
manipulación por parte del tomador de desiciones. (Moya, 2003)
Las variables que no están sujetas a control se conocen como variables exógenas, y normalmente
se les llama variables ambientales (Diaz & Rodriguez, 1999). Este tipo de variables casi siempre
está sujetas a incertidumbres, por lo que obliga al analista a hacer que estas tomen un valor
constante durante un periodo de tiempo, como una única manera de poder trabajar con ellas.
(Moya, 2003)
Similar a la relación que existe entre objetivos específicos y objetivo general, se comportan las
variables de decisión respecto a la función objetivo, puesto que estas se identifican partiendo de
una serie de preguntas derivadas de la pregunta fundamental y éstas pueden tomar diversos
valores posibles, de los cuales se precisa conocer su valor óptimo, que contribuya con la
consecución del objetivo de la función general del problema. (Salazar, 2016)
Para cada variable hay que definir su significado (es decir,la magnitud que mide), su unidad de
medida (euros, metros o personas)y su naturaleza matemática (real, entera, binaria, no negativa,
etc.) (Suñe, Fonollosa, & Fernandez, 2016)
2.3. RESTICCIONES
Las resticciones según (Taha, 2004) son condiciones impuestas al sistema por medio de sus
variables, y para (Salazar, 2016) cuando hablamos de las restricciones en un problema
de programación lineal, nos referimos a todo aquello que limita la libertad de los valores que
pueden tomar las variables de decisión. En la práctica, muchos problemas se pueden considerar
cono no restringidos, y otros con resticciones. (Moya, 2003).
Las resticciones son expresiones lineales que definen las limitaciones de recursos, las condiciones
del problema, o que relacionan las variables entre sí (Alvarado Boirivant, El análisis post-optimal
en programación lineal aplicada a la agricultura, 2011) . Las restricciones determinan el conjunto
de valores posibles para las variables de desición, o también denominado regiòn factible deben
cumplir todas las resticciones, las mismas que pueden ser ecuaciones como inecuaciones. (Suñe,
Fonollosa, & Fernandez, 2016) y por esto también existen resticciones que nos impiden de alguna
manera el logro del objetivo enunciado. Estas restricciones existen porque los recursos con que
contamos son limitados. (Luro, 1992). Por lo que entonces descubrimos que nuestro sistema
presenta una serie de limitantes, tanto físicas, como de contexto, por lo que nuestras variables de
decisión se encuentran condicionados por una serie de restricciones. (Salazar, 2016)
Las restricciones vienen expresadas de la siguiente manera:
Tipo 1:
Tipo 2:
Tipo 3:
Donde:
A = valor conocido a ser respetado estrictamente;
B = valor conocido que debe ser respetado o puede ser superado;
C = valor conocido que no debe ser superado;
j = número de la ecuación, variable de 1 a M (número total de restricciones);
a; b; y, c = coeficientes técnicos conocidos;
X = Incógnitas, de 1 a N;
i = número de la incógnita, variable de 1 a N.
3. MÉTODO GRÁFICO
La primera idea que surge al intentar resolver los problemas lineales es prescindir de las condiciones de
integridad de las variables y resolver entonces el problema lineal asociado (PLA), y asi encontrar la
solución óptima del problema, para obtener la solución entera, debermos pensar principalmente en el
método de redondeo. (Mocholi & Sala, 1994)
Para llevar a cabo el método gráfico es necesario conocer:
a) La representación del conjunto de oportunidades K que viene dada por la intersección de los
semiespacios definidos por las restricciones.
b) La gráfica de la familia de líneas de nivel definida por la función objetivo. (Mocholi & Sala,
1994)
Este método puede ser utilizado cuando se trata de no más de dos variables ya que consiste en representar
gráficamente la solución en un plano de dos dimensiones, a las ecuaciones que se optienen del modelo
matemático de estudio (Taha, 2004). En el eje de las ordenadas se ubica las cantidades de una de las
variables y en el de las absisas la segunda variable, las elección de los ejes para las variables es indistinto
puesto que la solución será la misma (Moya, 2003). Además debemos representar las restricciones, para
delimitar la región dónde se encuentran las soluciones factibles (Cabrera, 2012), y se obtiene así el
polígono de soluciones factibles, la cual es el área de las posibles soluciones debemos tener en cuenta
que para el caso de maximización el área será del polígono hacia abajo y para la minimizaciòn estará
del poligono hacia arriba. (Luro, 1992)
Se desea obtener una estructura de distribución de las tierras, para la producción de los dos tipos
de variedades de café, que complementando las restricciones establecidas y las disponibilidades de
recursos, optimice los niveles de producción. (Lora & Pellicer, 2012)
Se dispone o se conoce lo siguiente:
Los niveles de disponibilidad de tierra destinados al café.
Las diferentes variedades de café a cultivar.
Los límites mínimos de hectáreas por variedad.
El cumplimiento de los planes, dados en toneladas y variedad
Los diferentes precios según las diversas calidades de las variedades
El rendimiento en toneladas de cada producto por hectáreas cultivadas.
Teniendo en cuenta la formulación del problema se examina cuáles son los modelos matemáticos
que satisfacen estos requerimientos partiendo de varias alternativas. El objetivo de éste modelo es
maximizar la producción, pero desde la óptica de la planificación, teniendo en cuenta diversos
parámetros, tanto en la función objetivo como en el conjunto de restricciones. (Lora & Pellicer,
2012)
Se realiza una descripción del problema a modelar. Se identifican los elementos que constituyen
variables, parámetros e índices. Esta fase demanda un intenso intercambio entre los productores y
los autores de la investigación para ayudar a plantear el modelo matemático.
Tipo de variables:
Parámetros:
Identificación de los parámetros presentes en el caso de estudio presentado.
𝑇𝑑 = 𝑇𝑜𝑡𝑎𝑙 𝑑𝑒 ℎ𝑒𝑐𝑡á𝑟𝑒𝑎𝑠 𝑑𝑒𝑠𝑡𝑖𝑛𝑎𝑑𝑎𝑠 𝑎 𝑙𝑎 𝑝𝑟𝑜𝑑𝑢𝑐𝑐𝑖ó𝑛 𝑑𝑒 𝑙𝑎 𝑣𝑎𝑟𝑖𝑒𝑑𝑎𝑑 𝐴𝑟á𝑏𝑖𝑐𝑎
𝑇ℎ = 𝑇𝑜𝑡𝑎𝑙 𝑑𝑒 ℎ𝑒𝑐𝑡á𝑟𝑒𝑎𝑠 𝑑𝑒𝑠𝑡𝑖𝑛𝑎𝑑𝑎𝑠 𝑎 𝑙𝑎 𝑝𝑟𝑜𝑑𝑢𝑐𝑐𝑖ó𝑛 𝑑𝑒 𝑙𝑎 𝑣𝑎𝑟𝑖𝑒𝑑𝑎𝑑 𝑅𝑜𝑏𝑢𝑠𝑡𝑎
𝑅𝑗 = 𝑅𝑒𝑛𝑑𝑖𝑚𝑖𝑒𝑛𝑡𝑜 𝑒𝑛 𝑡𝑜𝑛𝑒𝑙𝑎𝑑𝑎𝑠 𝑝𝑜𝑟 ℎ𝑒𝑐𝑡á𝑟𝑒𝑎𝑠 𝑑𝑒 𝑐𝑎𝑑𝑎 𝑣𝑎𝑟𝑖𝑒𝑑𝑎𝑑 𝑗
𝑃𝐿 = 𝑃𝑙𝑎𝑛 𝑑𝑒 𝑝𝑟𝑜𝑑𝑢𝑐𝑐𝑖ó𝑛 𝑒𝑛 𝑡𝑜𝑛𝑒𝑙𝑎𝑑𝑎𝑠
𝐼 = 𝑃𝑙𝑎𝑛 𝑑𝑒 𝑖𝑛𝑔𝑟𝑒𝑠𝑜𝑠 𝑒𝑛 𝑝𝑒𝑠𝑜𝑠, 𝑝𝑜𝑟 𝑙𝑎 𝑣𝑒𝑛𝑡𝑎 𝑑𝑒 𝑙𝑎 𝑝𝑟𝑜𝑑𝑢𝑐𝑐𝑖ó𝑛
𝐿𝑗 = 𝐼𝑛𝑔𝑟𝑒𝑠𝑜𝑠, 𝑒𝑛 𝑝𝑒𝑠𝑜𝑠, 𝑝𝑜𝑟 𝑙𝑎 𝑣𝑒𝑛𝑡𝑎 𝑑𝑒 𝑙𝑎 𝑣𝑎𝑟𝑖𝑒𝑑𝑎𝑑 𝑗
𝐿 𝑚𝑖𝑛 𝑗 =
𝐿í𝑚𝑖𝑡𝑒𝑠 𝑚í𝑛𝑖𝑚𝑜𝑠 𝑑𝑒 ℎ𝑒𝑐𝑡á𝑟𝑒𝑎𝑠 𝑑𝑒𝑑𝑖𝑐𝑎𝑑𝑎𝑠 𝑎 𝑙𝑎 𝑝𝑟𝑜𝑑𝑢𝑐𝑐𝑖ó𝑛 𝑑𝑒 𝑙𝑎 𝑣𝑎𝑟𝑖𝑒𝑑𝑎𝑑 𝑗
Variables:
𝑋𝑗 = 𝐻𝑒𝑐𝑡á𝑟𝑒𝑎𝑠 𝑑𝑒𝑠𝑡𝑖𝑛𝑎𝑑𝑎𝑠 𝑎 𝑙𝑎 𝑝𝑟𝑜𝑑𝑢𝑐𝑐𝑖ó𝑛 𝑑𝑒 𝑐𝑎𝑑𝑎 𝑣𝑎𝑟𝑖𝑒𝑑𝑎𝑑 𝑗
Restricciones:
A continuación se presentan las restricciones o limitaciones a las que está sujeto nuestro caso de
estudio.
1. Disponibilidad de tierras, en hectáreas, para la variedad tipo 1 (Arábico):
REFERENCIAS
Alvarado Boirivant, J. (2009). La programación lineal aplicación de la pequeñas y medianas empresas. Dialnet, 88(1),
2-5. Recuperado el 18 de Febrero de 2019, de https://dialnet.unirioja.es/servlet/articulo?codigo=4796082
Alvarado Boirivant, J. (2011). El análisis post-optimal en programación lineal aplicada a la agricultura. Dialnet, 2-8.
Recuperado el 18 de Febrero de 2019, de https://dialnet.unirioja.es/servlet/articulo?codigo=4796070
Alvarado, S., Vazquez, M., Nivon, S., & Castaneda, R. (Agosto de 2004). Uso de programacion lineal para conocer los
parámetros geométricos de superficies conicas convexas. Revista Mexicana de Física, 2-4. Recuperado el 18
de Febrero de 2019, de http://www.scielo.org.mx/pdf/rmf/v50n4/v50n4a7.pdf
Boussard, J. (2002). Estudios de programación lineal aplicado al sector agrario en paises no socialistas. Recuperado
el 18 de Febrero de 2019, de Researchgate: https://bit.ly/2IodvZX
Cáceres, D., Reyes, J., García, M., & Sanchez, C. (Septiembre de 2015). Modelo de Programación Lineal para
Planeación de Requerimiento de Materiales. Revista Tecnológica ESPOL, XVIII(2), 3-7|. Recuperado el 18
de Febrero de 2019, de http://rte.espol.edu.ec/index.php/tecnologica/article/view/322/236
Castro, J. (1998). Implementación de un algoritmo primal-dual de orden superior mediante el uso de un método
predictor-corrector para programación lineal. Raco.cat, XXII(1), 102-106. Recuperado el 18 de Febrero de
2019, de quaderns d'estadística i investigació operativa
Lora, R., & Pellicer, R. (2012). MAXIMIZACIÓN DE LA PRODUCCIÓN DE CAFÉ A TRAVÉS. AECO, 3, 2-5.
Recuperado el 18 de Febrero de 2019, de https://revistas.uo.edu.cu/index.php/aeco/article/view/643/616
Luro, P. (Noviembre de 1992). Programación Lineal (Tercera ed., Vol. Xlll). Argentina: VADEMECUM. Recuperado
el 15 de Febrero de 2019, de https://bit.ly/2GUtOLL
Mocholi, A., & Sala, G. (1994). Programación Lineal (Cuarta ed.). Madrid: Tebar Flores. Recuperado el 15 de Febrero
de 2019, de https://bit.ly/2V36Qpj
Moya, M. (2003). La programación lineal. En M. Moya, Investigación de operaciones (Tercera ed., págs. 21-22).
Editorial Universidad Estatal a Distancia. Recuperado el 15 de Febrero de 2019, de
https://books.google.com.ec/books?id=RChI5AkZK_sC&printsec=frontcover&dq=programacion+lineal&h
l=es&sa=X&ved=0ahUKEwi3sqr-
rsPgAhXJtVkKHW41Bo4Q6AEIJzAA#v=onepage&q=programacion%20lineal&f=false
Suñe, A., Fonollosa, J., & Fernandez, V. (2016). Programacion Leneal Métodos Cuantitativos para la Toma de
Desiciones (Primera ed.). Catalunya, Barcelona, España: BarcelonaTech. Recuperado el 15 de Febrero de
2019, de https://bit.ly/2TUkCdH
Taha, H. (2004). Ingenieria de Operaciones (Septima ed.). (V. Gonzáles, Trad.) Mexico: Person Educación.
Recuperado el 18 de Febrero de 2019, de https://bit.ly/2SIxKq0