Documente Academic
Documente Profesional
Documente Cultură
https://www.facebook.com/pages/Interfase-
IQ/146073555478947?ref=bookmarks
BIBLIOTECA DE GESTIÓN
DESCLÉE DE BROWER
© Miguel Ángel Larrinaga Ojanguren, 2007
Queda prohibida, salvo excepción prevista en la ley, cualquier forma de reproducción, dis-
tribución, comunicación pública y transformación de esta obra sin contar con la autorización
de los titulares de propiedad intelectual. La infracción de los derechos mencionados puede
ser constitutiva de delito contra la propiedad intelectual (arts. 270 y sgts. del Código Penal)
El Centro Español de Derechos Reprográficos (www.cedro.org) vela por el respeto de los
citados derechos.
AGRADECIMIENTOS.................................................................................. 9
PRESENTACIÓN ........................................................................................ 11
Introducción ...........................................................................................11
Tan antigua como el mundo ...................................................................12
Una abundancia de programación lineal ................................................12
La optimización lineal como competencia profesional ..........................14
La optimización lineal en la empresa .....................................................15
Estrategias de Enseñanza/Aprendizaje ...................................................17
Estructura del libro .................................................................................18
Unas palabras finales..............................................................................19
1 UNA CIERTA LIMITACIÓN............................................................. 21
1.1 Introducción................................................................................21
1.2 La empresa BOCASA.................................................................22
1.2.1 El proceso productivo........................................................22
1.2.2 Un primer avance ..............................................................23
1.2.3 El resumen de los datos.....................................................25
1.3 Una resolución con sentido común.............................................26
1.4 Un paso más allá.........................................................................29
1.5 El papel de la optimización lineal...............................................30
1.6 A modo de conclusión ................................................................31
2 UNA VISIÓN GRÁFICA..................................................................... 35
2.1 Introducción................................................................................35
2.2 Razones para la linealidad ..........................................................36
2.3 Construyendo un modelo............................................................37
2.3.1 ¿Cuántas variables? ...........................................................38
2.3.2 ¿Cuántas restricciones? .....................................................39
2.3.3 ¿Qué unidades de medida? ................................................39
2.3.4 ¿Cuántas funciones objetivo?............................................40
2.4 El ejemplo a utilizar....................................................................41
2.5 Cálculos Preliminares .................................................................42
2.6 Pasos a seguir para la obtención del modelo ..............................43
2.6.1 Determinación de las variables de decisión ......................43
6 LA OPTIMIZACIÓN LINEAL: UN INSTRUMENTO DE GESTIÓN
2.6.2 Determinación de las restricciones....................................43
2.6.3 Determinación de la función objetivo ...............................44
2.7 Resolución Gráfica .....................................................................44
2.8 Otros Tipos de Soluciones ..........................................................48
2.8.1 Solución múltiple ..............................................................48
2.8.2 Solución ilimitada .............................................................50
2.8.3 Problema irrealizable.........................................................50
2.9 A modo de conclusión ................................................................51
3 SENSIBILIDAD: MÁS ALLÁ DEL ÓPTIMO ................................ 55
3.1 Introducción................................................................................55
3.2 Cambio en las disponibilidades de los recursos..........................56
3.3 Cambio en los coeficientes de las variables en la función objetivo
61
3.4 Un breve apunte de Solver..........................................................63
3.5 Cambio en los consumos unitarios de recursos ..........................66
3.6 Programación Paramétrica..........................................................68
3.7 A modo de conclusión ................................................................70
4 DUALIDAD: EL REVERSO............................................................... 75
4.1 Introducción................................................................................75
4.2 Otro sencillo ejemplo..................................................................76
4.3 Una pequeña vuelta de tuerca (v1.0) ..........................................78
4.4 Una pequeña vuelta de tuerca (v2.0) ..........................................81
4.5 El dual cómo herramienta de búsqueda de nuevas variables......83
4.6 Una última reflexión ...................................................................85
4.7 Conclusión ..................................................................................87
5 UNA CUESTIÓN DE OBJETIVOS ................................................... 91
5.1 Introducción................................................................................91
5.2 El objetivo como meta ................................................................92
5.2.1 Un ejercicio ajustado ........................................................93
5.2.2 Una pequeña variante ........................................................97
5.2.3 Una aplicación empresarial ...............................................99
5.3 Riesgo y Rendimiento...............................................................103
5.4 Una eficiencia más compleja ....................................................106
5.5 A modo de conclusión ..............................................................111
6 ALGUNOS EJEMPLOS. ................................................................... 115
6.1 Introducción..............................................................................115
6.2 Modelo 1...................................................................................116
6.3 Modelo 2...................................................................................118
6.3.1 Enunciado Modelo 2 .......................................................118
6.4 Modelo 3...................................................................................120
6.5 Modelo 4...................................................................................125
INDICE 7
6.5.1 Enunciado Modelo 4 .......................................................125
6.6 Modelo 5...................................................................................128
6.7 Modelo 6...................................................................................131
6.8 Modelo 7...................................................................................133
6.9 Modelo 8...................................................................................138
6.10 Modelo 9...................................................................................140
6.11 Modelo 10.................................................................................144
7 CONTINUARA…............................................................................... 147
7.1 El libro como emoción..............................................................148
7.2 El libro como experiencia.........................................................149
7.3 Un final inesperado...................................................................150
8 BIBLIOGRAFÍA ................................................................................ 155
8.1 Libros y Artículos .....................................................................155
8.2 Páginas Web .............................................................................159
8.3 Proveedores de Software ..........................................................160
I ANEXO I: UNA TARDE DE MATEMÁTICAS ............................ 161
I.1 A modo de introducción ...........................................................161
I.2 Un primer paso: Kuhn-Tucker..................................................162
I.3 Solución Básica, Puntos Extremos, Optimo. ............................166
I.3.1 Definición de solución básica realizable..........................167
I.3.2 ¿Para qué las soluciones básicas realizables? ..................169
I.3.3 Definición de puntos extremos ........................................171
I.4 En busca del óptimo..................................................................172
I.5 Algoritmo Simplex ...................................................................173
I.6 Tabla del Simplex .....................................................................174
I.7 Solución Irrealizable.................................................................179
I.8 Solución Ilimitada.....................................................................182
I.9 Solución Múltiple .....................................................................184
II ANEXO II: UNA DUALIDAD MATEMÁTICA............................ 191
II.1 Justificación de la Dualidad......................................................191
II.2 Aproximación a la Dualidad .....................................................192
II.2.1 Un problema excesivamente sencillo .............................193
II.2.2 Un problema más corriente.............................................193
II.2.3 Una nueva idea ...............................................................195
II.2.4 Resumen .........................................................................196
II.3 Teoría de la Dualidad................................................................196
II.4 Interpretación Económica de la Tabla del Simplex ..................203
II.4.1 Un ejemplo numérico .....................................................203
II.4.2 Calculo de variables duales ............................................205
II.4.3 El dual en la Tabla del Simplex......................................207
II.4.4 El significado de la Tabla del Simplex ...........................208
8 LA OPTIMIZACIÓN LINEAL: UN INSTRUMENTO DE GESTIÓN
II.4.5 Interpretación Económica del planteamiento Dual.........209
II.4.6 El dual para generar columnas........................................211
II.5 El algoritmo Simplex-dual........................................................212
II.5.1 Una cuestión final...........................................................214
III ANEXO III: UN MANUAL DE SOLVER .................................. 217
III.1 Presentación..............................................................................217
III.2 El ejemplo a utilizar..................................................................218
III.2.1 Enunciado......................................................................218
III.2.2 Comentario al enunciado...............................................221
III.3 Diseño de la Hoja de Cálculo ...................................................222
III.3.1 Datos .............................................................................223
III.3.2 Variables .......................................................................224
III.3.3 Restricciones y Función Objetivo .................................224
III.4 La Macro Solver .......................................................................225
III.4.1 Menú Principal ..............................................................226
III.4.2 Agregando una restricción ............................................227
III.4.3 Usando las Opciones .....................................................231
III.5 Tipos de Soluciones..................................................................232
III.6 Salidas de un modelo No lineal ................................................234
III.6.1 Informe de Respuestas ..................................................234
III.6.2 Informe de Sensibilidad ................................................234
III.6.3 Informe de Límites ........................................................239
III.7 Salidas de un modelo lineal ......................................................241
III.7.1 Informe Sensibilidad Modelo Lineal Continuo.............242
III.8 Introduciendo Variables Enteras...............................................245
III.9 Introduciendo Variables Bivalentes..........................................247
AGRADECIMIENTOS
Amaia, Luis, Leire y Feli son otros profesores que, con sus palabras
amables, pensamientos de Marcial, haikus indescifrables, regañinas periódicas,
etc. me han permitido disfrutar de tiempo útil para el trabajo.
Huelga decir que el autor está igualmente agradecido a todos los autores
consultados, a todos los alumnos que me han hecho mejorar en mi docencia y
por supuesto, a todos los compositores literarios y musicales que me han
acompañado en las horas de trabajo.
10 LA OPTIMIZACIÓN LINEAL: UN INSTRUMENTO DE GESTIÓN
x Estructurar el paseo.
Introducción
Resulta complicado, a la hora de introducir un libro, lograr un equilibrio
entre un tono distendido, que “venda” el libro, y un tono científico, que acredite
la rigurosidad del mismo. Además, los nuevos productos multimedia parecen
minorar el encanto de un libro. Quizás, debiéramos utilizar la técnica que
Groucho Marx, por ejemplo, presentaba en las primeras páginas de su
autobiografía, Groucho y yo como herramienta de venta de su libro1.
1“Groucho y yo”, por Groucho Marx. Ed. Tusquets 2001, 320 pags. El texto
original en ingles dice en su pág 5.: “But as an added attraction, at no extra charge, my
idea was to put a fried egg on the cover. I think a lot of people that hate literature but
12 LA OPTIMIZACIÓN LINEAL: UN INSTRUMENTO DE GESTIÓN
Las siguientes líneas pretenden recoger, en el fondo, razones para la
lectura y, espero, disfrute de este libro.
loved fried eggs would buy if the price was right” que puede ser consultado en la página
web: http://www.amazon.com/gp/reader/0306806665/ref=sib_dp_pt/102-6749071-3502513#reader-link .
2 A título de curiosidad, la Real Academia de la Lengua, en su 22ª edición
definía la felicidad como “estado del ánimo que se complace en la posesión de un bien”.
Esta definición está prevista que se modifique en su 23ª edición con el siguiente texto:
“estado de grata satisfacción espiritual y física”. (www.rae.es).
PRESENTACIÓN 13
toman tan racionalmente porque no hay datos, tiempo, software, motivación o
cualquier combinación de ellas.”
Estrategias de Enseñanza/Aprendizaje
El libro pretende ser, en ciertos aspectos, interactivo con el lector, de
modo que continuamente aparecen preguntas, lecturas y ejercicios a los que el
lector puede ir respondiendo.
Ejercicio de Reflexión
Piense en una decisión que vaya a tomar que afecte a varias personas.
x ¿Cuál es el objetivo que usted persigue? ¿Cuál es el objetivo que los
demás persiguen? ¿Llega a un consenso en la fijación de objetivos?
Identifique las posibles opciones para lograr ese objetivo
x ¿Cuántas opciones logra identificar? ¿Cuántas opciones logra cuantificar
su impacto en el logro del objetivo?
Finalmente enumere las principales limitaciones al logro del objetivo y del
ejercicio de las opciones. Al realizar este ejercicio está dibujando un modelo.
Thinking Case
The following lines are extracted from “Fighting cannibalization” by Ari
Buchalter and Humam Sakhnini, published in The McKinsey Quarterly
2006, Nº 1, pp. 12-13. Read it carefully and prepare a short report explaining
a couple of actions to solve the problem. You must clearly state the objective
you want to rise to, the decisions and the constraints you may face.
Situation
Any company that sells similar products at a range of prices fears
cannibalization. Take the case of a subscription media company that
expanded from one product line to a mix of offers that included several
similar but lower-priced products sold through a number of channels.
Executives felt that the new offers were necessary because the original
product, while quite profitable, was losing market share and might never
penetrate certain customer segments. The new products did indeed attract
these elusive customers, but the lower prices also lured some established
customers away from the mature product.
1 UNA CIERTA LIMITACIÓN
1.1 Introducción
¿Cómo se puede explicar la optimización lineal dentro de una
organización mezclando con delicadeza matemáticas y gestión? ¿Se encuentra
ante una audiencia de ingenieros? ¿Se encuentra ante un grupo de expertos en
marketing? Huya de los tópicos habituales y láncese a la lectura de este capítulo
de forma audaz. Si se le ocurrieron algunos ejemplos en los casos planteados en
la presentación del libro, ¡enhorabuena!. Ya está preparado. Piense en ellos al
finalizar este capítulo.
22 LA OPTIMIZACIÓN LINEAL: UN INSTRUMENTO DE GESTIÓN
Para lograr nuestro propósito se va a utilizar un ejemplo5 basado en el
artículo “Synergies from spreadsheet LP used with the theory of constraints–a
case study” escrito por VJ Mabin y J. Gibson, publicado en el Journal of
Operational Research Society (1998) Vol. 49, pp. 918-927.
Fase V: Empaquetado
Pregunta 1.1
Antes de seguir adelante, haga un resumen de los datos presentados.
Acostúmbrese a recoger los datos ordenadamente dentro de una hoja de
cálculo. Rellene los huecos que se indican donde además de los datos
originales debe rellenar los tiempos necesarios para fabricar un lote de cada
producto.
Productos Jamón Salchichas
Lotes Producidos 1 1
Tamaño Lote 1000 400
Tiempos de Proceso Empleado Disponible
Jamón Salchichas
(Horas/Lote) (Horas) (Horas)
Mezcla (Jamón)
Mezcla (Salchichas)
Llenado
Cocinado
Refrigerado
Empaquetado
Jamón Salchichas
Demanda Semanal
8 20
(Lotes)
Pregunta 1.2
La pregunta clave en este caso: ¿Está la empresa ganando por los productos
que se vende?
x ¿Cuánto gana por lote de salchicha? ¿Cuánto gana por kilo de jamón
vendido? ¿Tienen ambos productos los mismos márgenes sobre precio
de venta?
Para ello rellene la tabla siguiente sobre costes para los lotes manejados:
Datos por Lote Datos por Kilo
Productos Jamón Salchichas Jamón Salchichas
Margen Unitario
Precio de Venta
Coste Total
Producción
Mezcla
Llenado
Cocinado
Refrigerado
Empaquetado
Pregunta 1.3
Con los datos de las preguntas 1.2 y 1.3 dibuje un gráfico en el que en
abscisas vaya indicando el tiempo de producción por lote y en ordenadas el
coste total que se va incorporando al producto.
Este gráfico es en el fondo un ejemplo de visión gráfica de las actividades y
cómo van incorporando coste al producto. De esta forma, podría preguntarse
sobre cuáles son las fases que menos aportan o las que más tardan.
Jamón Salchichas
Margen (€/Lote) 90.00 € 15.00 €
Llenado (Horas/Lote) 8 1
Margen por Hora
11.25 € 15.00 €
Llenado
Pregunta 1.4
En este punto observe la importancia de la detección del factor escaso. Si el
departamento de marketing deseara cambiar los precios de los productos:
x ¿qué relación de márgenes debería mantenerse para que la solución no
cambiara en términos de ser factor escaso la instalación de llenado?
Fíjense que este dato es relevante, puesto que nos permite establecer un
precio máximo a la nueva hora de trabajo en esa instalación. Dado que 11,25€
está calculado con un coste por hora de 60€/hora en esa instalación, me
interesará alquilar más horas de trabajo en esa instalación mientras que el coste
por hora no supere las 71,25€.
Celdas cambiantes
Valor Gradiente Coeficiente Aumento Descenso
Celda Nombre Igual reducido objetivo permisible permisible
$C$3 Lotes Producidos Jamón 2.5 0 90 30 90
$D$3 Lotes Producidos Salchichas 20 3.75 15 1E+30 3.75
Restricciones
Valor Sombra Restricción Aumento Descenso
Celda Nombre Igual precio lado derecho permisible permisible
$E$6 Mezcla (Jamón) 12.5 0 40 1E+30 27.5
$E$7 Mezcla (Salchichas) 10 0 40 1E+30 30
$E$8 Llenado 40 11.25 40 44 20
$E$9 Cocinado 40 0 160 1E+30 120
$E$10 Refrigerado 65 0 200 1E+30 135
$E$11 Empaquetado 142.5 0 160 1E+30 17.5
Ejercicio 1.1
Un consultor que está aplicando la TOC en su empresa ha realizado un
ejemplo con los datos que se exponen a continuación. Su respuesta ha sido
que la solución es producir 60 unidades del producto U.
¿Cuál es su opinión al respecto?
En el mismo informe ha incluido el siguiente comentario: “However, since
the maximum demand cannot be met because of limitations, a conventional
analysis would indicate that U is definitely the preferred product – its
contribution of 1.50€ per labour minute (45€/30 minutes) out-strips Product
T’s 1.17€per minute (35€/30 minutes).” ¿Cómo cree que ha podido llegar a
ese comentario? ¿Está de acuerdo con la consultora en qué dicho
razonamiento es erróneo?
Datos ofrecidos por la empresa.
Unidades Disponibles de
Consumo Unitario de Recursos Producto T Producto U
Recursos
Instalación A (minutos) 10 2400
Instalación B (minutos) 20 10 2400
Instalación C (minutos) 5 2400
Instalación D (minutos) 15 2400
Materia Prima nº 2 (unidades) 1 2 120
Producto T Producto U
Precio Venta Unitario 60 65
X Y X Y
Consumo Unitario de
Volumen de Ventas
8.600 5.600 Material por Unidad de 4,00 3,50
(Unidades)
Producto Final
Tiempo Unitario de
Precio Unitario Venta (€) 38 34
Proceso (horas/unidad)
Departamento 1 1,00 0,25
Coste Unitario Compra del
4 Departamento 2 0,25 1,00
Material (€)
Real
Real X Y
Consumo Unitario
X Y 4,10 3,50
de Material
Tiempo Unitario de
Volumen de Ventas 7.029 7.171
Proceso
Precio Unitario (€) 36,00 35,00 Departamento 1 0,80 0,20
Coste Unitario de
3,90 3,90 Departamento 2 0,28 1,12
Material (€)
2.1 Introducción
El capítulo anterior nos mostraba cómo la optimización valía para
explicar una teoría muy conocida en gestión. Pero nos empujaba a plantearnos
una pregunta - ¿qué hacemos cuando tenemos dos recursos escasos? La
matemática nos sale al paso.
x Planteamiento
Objetivos para toda la organización, restricciones, interrelaciones, tiempo
para tomar la decisión, etc.
x Construcción de un modelo:
Cuidado con las simplificaciones innecesarias
Ejercicio 2.1
Una empresa que atiende un servicio de asistencia médica rápida por
teléfono está tratando de ajustar su plantilla, puesto que se trata de un
servicio gratuito pero que sin que se perjudique el servicio. Cada empleado
debe trabajar 7 horas al día pero nunca más de 3 horas continuadas.
x ¿Cuál sería la variable a manejar?
x ¿Qué datos necesitaría para definir cuántas variables a manejar?.
UNA VISIÓN GRÁFICA 39
2.3.2 ¿Cuántas restricciones?
Resulta el número especialmente crítico en todos los modelos: un
número excesivo puede conllevar soluciones imposibles; en algunos casos
resulta más interesante no incluirlos o bien incluirlas pero con límites que no
supongan restricciones.
Ejercicio 2.2
Suponga una empresa que ensambla las piezas de un juguete desmontable
para niños de 2 años. Se trata de un robot que consta de dos brazos, dos
piernas, un tronco y una cabeza como elementos desmontables. Se venden
piezas sueltas y productos completos.
Es un producto barato de demanda bastante estable aunque se dispara todos
los fines de mes.
Suponiendo que debiera plantear un problema de planificación de
producción:
x ¿Qué tipos de restricciones manejaría?
x ¿Qué horizonte de planificación emplearía?
Ejercicio 2.3
Una pequeña tienda de ferretería ha aumentado su tamaño con la adquisición
de una lonja vecina a la que dará un uso de almacén. Así ha construido todo
un sistema de almacenaje en carruseles horizontales, donde cada una de las
ubicaciones tiene una capacidad de 10 cm. de alto, 30 cm. de largo y 20 cm.
de ancho. Desearía colocar todo el inventario de sus referencias en cada una
de las 250 ubicaciones disponibles.
Las variables a manejar son las unidades de cada producto a asignar en cada
ubicación posible.
x ¿Qué unidades debería utilizar? Piense en los tipos de productos que
puede encontrar en una ferretería.
Ejercicio 2.4
Una empresa desea cubrir con red óptica propia las conexiones entre las 15
plantas productoras distribuidas por la península para poder instalar un
programa de control de producción y de distribución que permita planificar
conjuntamente el proceso de producción y de distribución. Desea por tanto
saber cómo unir las 15 plantas en una red de longitud mínima.
x ¿Considera que éste debería ser el único objetivo a cubrir?
http://www.richardwilding.info/downloads/assets/ComplexityTriangle.pdf y replique el
ejercicio que aparece en la página numerada como 613.
UNA VISIÓN GRÁFICA 41
Ejercicio 2.5
En la página Web siguiente puede encontrar un modelo real que responde al
Ejercicio 2.1.
http://www.rostima.com/Resources/WhitePapers/Scheduling%20in%20different%2
0industries.pdf
x ¿Había considerado todas las restricciones que aquí se comentan?
x ¿Qué conclusiones sobre la construcción de un modelo puede extraer de
este artículo?
Los costes fijos diarios de la empresa son de trece mil euros diarios.
¿Cuál es el programa de producción óptimo?.
Coste
Materia
Producto Transformación Variable
Prima
Unitario
Prod.“A” 26 21 5
Prod.“B” 30 24 6
Ejercicio 2.6
Antes de seguir adelante:
x ¿Cuáles cree que deberían ser las unidades de medida a manejar en este
problema: unidades, cientos o miles de unidades?
x ¿Qué impacto tiene en los coeficientes obtenidos?
UNA VISIÓN GRÁFICA 43
Ejercicio 2.7
Se desea dejar 500 unidades del producto A almacenadas permanentemente.
x ¿Cuál sería la definición de las variables?
Ejercicio 2.8
En el caso del modelo que aparece en la práctica Thinking Case 2.2:
x ¿Cuál sería la notación matemática de las variables que usted emplearía?
Ejercicio 2.9
xA t 0 x B t 0
3,5
Instalación
3 Materia Prima
Ventas A
2,5 Ventas B
Producto B
1,5
0,5
0
0 0,5 1 1,5 2 2,5 3 3,5 4 4,5
Producto A
3,5
Margen Bruto = 18 Instalación
3 Materia Prima
Ventas A
2,5 Ventas B
Producto B
2
Margen Bruto = 15
1,5
Margen Bruto = 12
1
0,5
0
0 0,5 1 1,5 2 2,5 3 3,5 4 4,5
Producto A
3,5
Instalación
3 Materia Prima
Ventas A
2,5 Ventas B
Producto B
2
Margen Bruto = 15
1,5 Plan de Producción:
1000 unidades de A
1666,6 unidades de B
1
0,5
0
0 0,5 1 1,5 2 2,5 3 3,5 4 4,5
Producto A
¿Cuál es nuestro factor escaso? Vemos que son tanto las horas de
instalación como la materia prima, porque nos imposibilita vender más. A la
pregunta de ¿qué me interesa más: contratar más horas en la instalación o
realizar un pedido adicional? podremos contestar más adelante.
2 Plan de Producción:
1000 unidades de A
1666,6 unidades de B
1,5 A
Margen Bruto Nuevo = 16
1 Plan de Producción:
2000 unidades de A
666,6 unidades de B
0,5 B
0
0 0,5 1 1,5 2 2,5 3 3,5 4 4,5
Producto A
Una solución de este tipo puede venir por una mala definición de las
restricciones o por la falta de alguna de ellas. Si de todos modos el modelo
estuviera correctamente planteado, el gestor podría optar por el punto más
conveniente.
Ejercicio 2.10
Jolas Corp. manufactures tables and chairs from wooden blocks (Figure
1). A table can be assembled from two large blocks (grey) and two small ones
(green). Assembly of a chair requires one large and two small blocks, as shown
in that Figure 1:
A Table A Chair
x What is the product mix (i.e., the number of tables and chairs to be
produced) for the upcoming production run that maximises that total
contribution to profit?
x What would the result if you can get an extra large block? (Hint: This
question will drive you to the next chapter).
x Una unidad de categoría extra aporta un margen de 0,48€ mientras que una
unidad de calidad superior sólo aporta 0,25€.
Por otro lado, el almacén está bastante lleno con las materias primas
utilizadas, de forma que para esos productos se dispone sólo de 300 m3 de
espacio disponible. Una unidad del producto A ocupa 12m3 y una unidad del
producto B ocupa 16m3. Finalmente, se desea que la producción de A se sitúe en
el entorno del ± 10% de la producción de B por arriba o por abajo. Es decir, que
si la producción de B es de 100 unidades, la producción de A debe situarse entre
90 y 110.
3.1 Introducción
En la vida real, normalmente las condiciones iniciales del problema no
permanecen inalterables, ni siquiera en el corto plazo. Muchas veces, tras
establecer un plan, nos preguntaremos ¿cómo nos afectará un aumento de las
horas disponibles en las instalaciones?, o bien, si ofrecemos un descuento
promocional que afecte al margen unitario de un producto, ¿posibilitará
incrementar nuestra participación en el mercado?.
56 LA OPTIMIZACIÓN LINEAL: UN INSTRUMENTO DE GESTIÓN
Desde otro punto de vista, ¿cuál es la fiabilidad de la información que
manejamos? ¿Cuántas veces ha recibido datos precedidos por expresiones tales
como “aproximadamente”, “en el entorno”, “alrededor de”, “podemos estimar
en”, “estamos hablando de unos”,… ? ¿No estamos igualmente hartos de oír
sobre entornos turbulentos y cambiantes?
Pero a partir del punto C, como tenemos una limitación de ventas del
producto B, aunque disponemos de materia prima, no podemos vender lo que
fabricamos, por lo que comienza a aparecer materia prima no utilizada. Es decir,
a partir del punto C, no aprovechamos al máximo el suministro diario de materia
prima y, en cambio, la imposibilidad de vender más de 2.000 unidades del
producto B pasa a ser un factor decisivo, que marca la producción.
58 LA OPTIMIZACIÓN LINEAL: UN INSTRUMENTO DE GESTIÓN
2 Plan de Producción:
C 1000 unidades de A
1666,6 unidades de B
1,5 A
Margen Bruto = 16
1 Plan de Producción:
B 2000 unidades de A
1000 unidades de B
0,5 Horas Trabajadas 9 h
0
0 0,5 1 1,5 2 2,5 3 3,5 4 4,5
Producto A
Ejercicio 3.1
Por tanto, fijémonos que ese precio sombra, realmente es una valoración
interna que hacemos de ese recurso que estamos consumiendo. Por tanto, ante la
pregunta: si tengo varios recursos escasos, ¿cuál intentaré aumentar su
disponibilidad? , la respuesta es clara. El recurso que tenga un precio sombra
mayor, de forma que ese precio sombra me permite hacer un ranking de
recursos.
Ejercicio 3.2
Utilizando el Caso Práctico 2.1 del capítulo anterior, responda a la siguiente
pregunta.
x ¿Le resultaría interesante aumentar las horas disponibles de recogida de
130 horas a 131 horas si esta mejora le costará 10€?.
SENSIBILIDAD: MÁS ALLÁ DEL ÓPTIMO 61
En este caso, ¿qué supone este cambio en el Gráfico 2.1 del capítulo
anterior?. Un cambio en el coeficiente de alguna variable afectará a la pendiente
de la función objetivo. En general el grado de interés relativo de un producto
sobre el resto se verá afectado.
2 Plan de Producción:
C 1000 unidades de A
1666,6 unidades de B
1,5 A
Margen Bruto = 16
1 Plan de Producción:
2000 unidades de A
666,6 unidades de B
0,5 B Horas Trabajadas 8 h
Materia Prima Consumida
0
0 0,5 1 1,5 2 2,5 3 3,5 4 4,5
Producto A
XA = 2 XB = 0,66 Z = 10 + 0,66 CB
x Si el margen del producto B es mayor que 5,5 €/unidad (CB > 5,5) el
producto XB se convierte en el más interesante pero su producción viene
limitada por la imposibilidad de vender más de 2 (miles) unidades de ese
producto. En este caso el óptimo sería:
XA = 0,5 XB = 2 Z = 2,5 + 2 CB
Ejercicio 3.3
Con el Caso Práctico final del Capítulo anterior, analice la sensibilidad del
modelo ante una variación en el margen de los productos de Calidad Extra.
x ¿Cuánto puede descender el margen de estas cestas sin que se vea
afectado el óptimo?
x ¿Qué ocurre si el margen de estos productos es de 0,39€?.
x ¿Le lleva el resultado que obtiene a alguna nueva conclusión?
En la Tabla 3.1 recogemos la hoja de cálculo con los datos del problema
que manejamos.
Productos
Función Objetivo XA XB
Márgen Bruto Total 5 6
Productos
Variables XA XB
Cantidades a Producir 1 1
Productos
Variables XA XB
Cantidades a Producir 1 1,66666667
Celdas cambiantes
Valor Gradiente Coeficiente Aumento Descenso
Celda Nombre Igual reducido objetivo permisible permisible
$C$16 Cantidades a Producir XA 1 0 5 1 1
$D$16 Cantidades a Producir XB 1,666 0 6 1,5 1
Restricciones
Valor Sombra Restricción Aumento Descenso
Celda Nombre Igual precio lado derecho permisible permisible
$C$19 Instalación 8 1 8 1 0,5
$C$20 Materia Prima 7 1 7 0,333 1
$C$21 Demanda XA 1 0 2 1E+30 1
$C$22 Demanda XB 1,666 0 2 1E+30 0,333
3,5
3 Instalación
Materia Prima
2,5 Ventas A
Ventas B
Producto B
1,5
Margen Bruto = 10,5
Plan de Producción:
1
2.000 unidades de A
500 unidades de B
0,5
0
0 0,5 1 1,5 2 2,5 3 3,5 4 4,5
Producto A
Ejercicio 3.4
Programación Paramétrica
3,5
2,5
Instalación
C Materia Prima
Ventas A
Producto B
2
B D
Ventas B
1,5
E
1
0,5
A F
0
0 0,5 1 1,5 2 2,5 3 3,5 4 4,5
Producto A
Margen
Límite Límite Precio
Límite Inferior Límite Bruto
Puntos Inferior Superior Sombra
(L.I.) Superior (L.S.) (miles €.)
(L.I.) (L.S.) (€/hora)
L.IļL.S
AļB 0 6 xA = 0 x B = 0 xA = 0 xB = 2 0 ļ 12 2.000
BļC 6 7,5 xA = 0 x B = 2 xA = 0,5 xB = 2 12 ļ 14,5 1.666
CļE 7,5 9 xA = 0,5 xB = 2 xA = 2 x B = 1 14,5 ļ 16 1.000
E Más de 9 horas xA = 2 x B = 1 16 0
Producto A Producto B
2
Miles Unidade
1,5
1
0,5
0
0 1 2 3 4 5 6 7 8 9 10
Horas Producción
Ejercicio 3.5
Realice un análisis paramétrico similar:
x Con el límite de suministro de materia prima
x Con el precio de venta del producto A
Production
Requirements
Resource
Resource Cost (€) Desk Table
Availability
Lumber (Board Feet) 2 8 6 2.000
Carpentry (Hours) 5,2 2 1,5 1.000
Finishing (Hours) 4 4 2 500
Item
SENSIBILIDAD: MÁS ALLÁ DEL ÓPTIMO 73
Demand Scenario Probability Desk Table
Low Value 30% 50 20
Most Likely Value 40% 150 110
High Value 30% 200 225
4.1 Introducción
En el capítulo anterior se ha explicado el concepto de precio sombra,
cómo un medidor del impacto en el objetivo a lograr de una variación de los
recursos que limitan alcanzar una mejor meta para ese objetivo.
2 xA + 2 xB d 42 (tabletas de turrón)
1 xA + 2 xB d 30 (botellas de licor)
xA t 0 x B t 0
La representación del Gráfico 4.1, muy similar a la del Gráfico 2.1 del
capítulo de visión gráfica nos resuelve el problema. En este caso, hemos
llamado a este problema como problema primal.
x Si tenemos dos turrones más, hacemos dos cestas más tipo A y una menos
tipo B, obteniendo unos ingresos de 118€. Es decir, ganamos 2€ por tableta
de turrón.
x Si tenemos una botella de licor más, en el nuevo óptimo hacemos una cesta
menos de tipo A y una más de tipo B, de forma que el ingreso se incrementa
en un euro. Es decir, el precio sombra es de 1€.
DUALIDAD: EL REVERSO 77
25
Ingresos = 5 xA + 6 xB
20
Turrón
15 Ingresos = 114 €
Cestas B
Plan de Producción:
12 Cestas A
10 9 Cestas B
5
Licor
0
0 5 10 15 20 25 30 35
Cestas A
Celdas cambiantes
Valor Gradiente Coeficiente Aumento Descenso
Celda Nombre Igual reducido objetivo permisible permisible
$C$14 Cestas A 12 0 5 1 2
$D$14 Cestas B 9 0 6 4 1
Restricciones
Valor Sombra Restricción Aumento Descenso
Celda Nombre Igual precio lado derecho permisible permisible
$C$17 Tabletas de Turrón 42 2 42 18 12
$C$18 Botellas de Licor 30 1 30 12 9
78 LA OPTIMIZACIÓN LINEAL: UN INSTRUMENTO DE GESTIÓN
Ejercicio 4.1
Con el informe de sensibilidad de la Tabla 4.1 responda si son ciertas o
falsas las siguientes afirmaciones.
x Si el total de tabletas disponibles hubiera sido de 60, el ingreso total
hubiera sido de 150 €
x Si se rompen 3 botellas de licor, el ingreso sería de 111 con 15 cestas
tipo A preparadas.
x Si el precio de las cestas tipo A aument un 20% seguiríamos empleando
todas las tabletas y todas las botellas.
x Sólo fabricaré cestas tipo A siempre que el precio sea superior a 3€ por
cesta.
x 2 tabletas de turrón
x 2 botellas de licor
Sujeto a
Estos valores coinciden con los precios sombra vistos con anterioridad.
6
Coste de Recursos = 114 €
5
2 € por Tableta de Turrón
1 € por Botella de Licor
4
Precio Botella
Cesta A
3
c
Coste Compra = 42 yT + 20 yW
1
Cesta B
0
0 0,5 1 1,5 2 2,5 3 3,5
Precio Turrón
Gráfico 4.2: Problema Dual
En resumen tenemos los problemas que se recogen en la Tabla 4.1
80 LA OPTIMIZACIÓN LINEAL: UN INSTRUMENTO DE GESTIÓN
¿Qué información recoge el dual? Lo hemos resumido en el nombre de
la función a optimizar: “Coste de los recursos”. No estamos hablando de un
coste real, sino de un coste de oportunidad.
Celdas cambiantes
Valor Gradiente Coeficiente Aumento Descenso
Celda Nombre Igual reducido objetivo permisible permisible
$C$14 Precios de Tableta YT 2 0 42 18 12
$D$14 Precios de Botella YW 1 0 30 12 9
Restricciones
Valor Sombra Restricción Aumento Descenso
Celda Nombre Igual precio lado derecho permisible permisible
$C$17 Ingreso Cesta A 5 12 5 1 2
$C$18 Ingreso Cesta B 6 9 6 4 1
Ejercicio 4.2
Con el informe de sensibilidad de la Tabla 4.2 responda si son ciertas o
falsas las siguientes afirmaciones.
x Si el ingreso unitario por cesta A tomara el valor de 4€/cesta, el
resultado hubiera descendido de 114€ a 102€.
x Aunque el ingreso unitario por cada cesta B aumentara a 9€/cesta se
seguiría produciendo la cesta tipo A
Con este coste supongamos que los precios de venta de la Cesta A fuera
de 16€ por cesta mientras que el precio de venta de cada Cesta B fuera de 22€.
PRIMAL
DUAL
Vemos, por tanto, que numéricamente los resultados serían los mismos.
Lo que ahora cambia es el significado del precio sombra o valor dual:
x yT = 2€ nos dice que el precio máximo a pagar por una tableta es 2€ más
sobre el precio normal de compra de la tableta, es decir, 5€/tableta.
x yW =1€ nos dice que el precio máximo a pagar por una botella es 1€ más
sobre el precio normal de compra de la tableta, es decir, 6€/tableta
Y de esta forma, aunque los ingresos puedan venir desde la óptica del
dual (se fabrican las cestas) o desde la óptica del dual (se venden las tabletas y
las botellas) el resultado es el mismo.
DUALIDAD: EL REVERSO 83
Ingresos Ingresos
12 u x 16€/u 192 € 42 u x 5€/u 210 €
Cestas A Turrón
Ingresos Ingresos
9 u x 22€/u 198 € 30 u x 6€/u 180 €
Cestas B Licor
PRIMAL DUAL
Vemos, por tanto, que la información sobre los valores duales resulta
esencial para la fijación de precios de transferencia o venta de nuestros recursos.
2 xA + 2 xB + 1 xC d 42 (tabletas de turrón)
1 xA + 2 xB + 1 xC d 30 (botellas de licor)
xA t 0 x B t 0 xC t 0
El informe de sensibilidad quedaría como detalla la Tabla 4.3.
Celdas cambiantes
Valor Gradiente Coeficiente Aumento Descenso
Celda Nombre Igual reducido objetivo permisible permisible
$C$14 Cestas A 12 0 5 1 2
$D$14 Cestas B 9 0 6 4 1
$E$14 Cestas C 0 -0,5 2,5 0,5 1E+30
Restricciones
Valor Sombra Restricción Aumento Descenso
Celda Nombre Igual precio lado derecho permisible permisible
$C$17 Tabletas de Turrón 42 2 42 18 12
$C$18 Botellas de Licor 30 1 30 12 9
¿Cuánto valen los recursos que detraemos para hacer esta cesta C?
Comentábamos unas pocas líneas anteriormente que el óptimo disminuye en 3€
para fabricar una cesta con la que sólo ganamos 2,5€. Es decir, que nos obligan
a fabricar una cesta, la pérdida es de 0,5€.
Las conclusiones que se extractan del dual sólo son válidas para ciertos
valores de los recursos. En este caso sencillo podemos ver entre qué posibles
valores de disponibilidad de turrones y botellas seguiremos valorando a dicho
precio.
Ejercicio 4.1
Adjuntamos a continuación este mismo problema, pero con una composición
de las cestas de forma distinta. El planteamiento queda cómo sigue:
Max Margen = 5 xA + 9 xB + 11 xC
1 xA + 2 xB + 3 xC d 51 (tabletas de turrón)
2 xA + 2 xB + 1 xC d 41 (botellas de licor)
xA t 0 x B t 0 x C t 0
Microsoft Excel 10.0 Informe de sensibilidad
Celdas cambiantes
Valor Gradiente Coeficiente Aumento Descenso
Celda Nombre Igual reducido objetivo permisible permisible
$C$14 Cestas A 0 -0,75 5 0,75 1E+30
$D$14 Cestas B 18 0 9 13 0,6
$E$14 Cestas C 5 0 11 1,5 6,5
Restricciones
Valor Sombra Restricción Aumento Descenso
Celda Nombre Igual precio lado derecho permisible permisible
$C$17 Tabletas de Turrón 51 3,25 51 72 10
$C$18 Botellas de Licor 41 1,25 41 10 24
4.7 Conclusión
El dual ofrece una perspectiva de valoración interna de los recursos
frente a la perspectiva de más de producción que nos ofrece el primal. El anexo
II proporciona las guías para aplicar el dual a cualquier formato de optimización
lineal manejado. A continuación vea unos ejercicios de aplicación. El último
caso práctico le ofrecerá una nueva versión del apartado 3.3.
Celdas cambiantes
Valor Gradiente Coeficiente Aumento Descenso
Celda Nombre Igual reducido objetivo permisible permisible
$C$12 Bobinas cortadas con Patrón 1 300 0 1 1E+30 1
$C$13 Bobinas cortadas con Patrón 2 200 0 1 1E+30 1
Restricciones
Valor Sombra Restricción Aumento Descenso
Celda Nombre Igual precio lado derecho permisible permisible
$C$16 Bobinas de 20 cm 1100 0 400 700 1E+30
$C$17 Bobinas de 30 cm 300 1 300 1E+30 50
$C$18 Bobinas de 40 cm 300 0 250 50 1E+30
$C$19 Bobinas de 50 cm 200 1 200 1E+30 100
$C$20 Bobinas de 60 cm 200 0 100 100 1E+30
DUALIDAD: EL REVERSO 89
Como puede observar, el nº de bobinas consumidas es de 500 bobinas
de 500 cm. de largo y 130 cm. de ancho y se generan 1.100 bobinas de 20 cm
cuando sólo son necesarias 400.
5.1 Introducción
Todos los capítulos anteriores mantenían un rasgo en común: la
presencia de una solución función objetivo. Pero. ¿Cuántas veces se quiere
“matar muchos pájaros con un solo tiro”?. En una empresa, y más aún, en las
variadas cadenas logísticas de la que forma parte, los distintos agentes
participantes buscan distintos objetivos, que, además, no son pocas veces
diferentes e incluso contrapuestos.
92 LA OPTIMIZACIÓN LINEAL: UN INSTRUMENTO DE GESTIÓN
Dentro de la programación matemática, la programación multiobjetivo,
la programación multicriterio y otras técnicas han tratado de resolver esos
problemas desde diversas perspectivas.
Una meta inferior: “Como mínimo debo ganar 20.000 € este año”, es decir,
una meta de la que nos preocupa cualquier desviación por debajo
Una meta superior: “Como máximo voy a trabajar 50 horas esta semana”, es
decir, una meta de la que nos preocupa cualquier desviación por encima
El ajuste a realizar sería una recta con término independiente donde este
ratio PIB es explicado por la tasa de Paro. El economista esta pensando, por
tanto, en realizar la regresión que a continuación se detalla16:
IndicePIBi = a + bParoi + di
b: Pendiente de la recta.
di = IndicePIBi a bParoi
Tasa de Tasa de
Trimestre PIB Trimestre PIB
Paro Paro
mar-93 104,754 9,7 mar-00 123,707 8,3
jun-93 104,782 10,1 jun-00 124,693 8,1
sep-93 105,211 10,4 sep-00 125,124 8
dic-93 105,614 10,7 dic-2000 125,943 7,8
mar-94 106,532 10,8 mar-2001 126,913 7,8
jun-94 107,119 10,8 jun-2001 127,064 7,8
sep-94 107,860 10,7 sep-2001 127,132 7,8
dic-94 108,783 10,7 dic-2001 127,260 7,9
mar-95 109,343 10,5 mar-2002 127,528 8
jun-95 109,995 10,4 jun-2002 128,060 8,2
sep-95 110,200 10,5 sep-2002 128,584 8,3
dic-95 110,370 10,5 dic-2002 128,636 8,4
mar-96 110,618 10,7 mar-2003 128,795 8,6
jun-96 111,348 10,7 jun-2003 128,667 8,7
sep-96 111,951 10,7 sep-2003 129,368 8,7
dic-96 112,195 10,7 dic-2003 129,970 8,8
mar-97 112,500 10,7 mar-2004 130,898 8,8
jun-97 113,766 10,6 jun-2004 131,325 8,9
sep-97 114,511 10,5 sep-2004 131,634 8,8
dic-97 115,696 10,4 dic-2004 131,920 8,7
mar-98 116,701 10,2 mar-2005 132,443 8,8
jun-98 117,093 10 jun-2005 132,920 8,7
sep-98 117,720 9,8 sep-2005 133,778 8,4
dic-98 118,086 9,7 dic-2005 134,281 8,4
mar-99 119,145 9,4 mar-2006 135,386 8,2
jun-99 119,749 9,1 jun-2006 136,727 7,9
sep-99 121,250 8,8 sep-2006 137,447 7,7
dic-99 122,623 8,6 dic-2006 138,683 7,5
Tabla 5.1: Datos Paro e Indice PIB Zona Euro. Fuente Eustat y BBVA
El problema reside en buscar la recta que mejor se ajuste a esos datos.
Pero… ¿qué se entiende por “ajuste”?. Normalmente el ajuste es esa desviación
expresada través de esa variable di.
UNA CUESTIÓN DE OBJETIVOS 95
Pero esa variable sólo nos da el error para un dato. El problema requiere
minimizar la desviación total. Y es en esta definición de la desviación total
donde encontramos un problema: matemáticamente se puede comprobar que la
suma de todos esos errores es siempre cero. Por tanto, es necesario buscar
formulaciones alternativas.
144
139
2004 - 2006
134
124
1998 - 2001
119
114
1993
104
7 7,5 8 8,5 9 9,5 10 10,5 11
Paro
+
di = desviación por defecto, es decir, cuando la recta queda por debajo del
punto. a + bParoi < IndicePIBi
di = desviación por exceso, es decir, cuando la recta queda por encima del
punto. a + bParoi > IndicePIBi
Minimizar ¦ |di|
i
= ¦ | d+i di | = ¦ [ d+i + di ]
i i
+
Minimizar ¦ |di| = ¦ [ di + di ]
i i
Sujeto
+
IndicePIBi = a + bParoi + di
ҟ di i = 1993,...,2006
+
Siendo di 0 di 0
17El método Simplex impide que en una misma solución tomen valor
simultáneamente variables con coeficientes iguales o proporcionales en las restricciones
del modelo.
UNA CUESTIÓN DE OBJETIVOS 97
Tiempo de
Colectivo R Carac. 1 Carac. 2 Carac. 3 Carac. 4
Recurrencia
Paciente 1 5 6 4 3 6 meses
Paciente 2 4 8 6 3 8 meses
Paciente 3 5 5 4 6 5 meses
Del mismo modo, para tres pacientes que no han recaído (Colectivo B)
Tiempo de
Colectivo NR Carac. 1 Carac. 2 Carac. 3 Carac. 4
Supervivencia
Paciente 1 1 2 1 1 10 meses
Paciente 2 1 3 4 2 12 meses
Paciente 3 5 1 5 2 8 meses
Tabla 5.3: Datos para el ejercicio en base Wolberg.
Con estos datos se trata de obtener una relación lineal entre las 4
características y los valores de tiempo, considerando los datos de los 6 pacientes
analizados, y, teniendo en cuenta que:
En este caso, por tanto nos preocupa que se den ciertas desviaciones que
son las que se tratan de minimizar.
+
Minimizar ¦ [ dRj + dNRj ]
i
Con esos datos la regresión queda como sigue:
Los objetivos propuestos son muy sencillos, con las cuantías que
indican en la Tabla 5.5:
Fiabilidad de
Variables de Decisión
Coste Envío
Xij donde “i” es Calidad
Unitario % de envíos
Proveedores proveedor y “j” es tipo (%)
(€/Unit) llegados cuando
de hierro (Calij)
Cij debían
proporcionado
(Tij)
X11 30 99 99
Proveedor 1
X12 40 90 97
X21 10 98 95
Proveedor 2 X22 20 96 90
X23 25 95 89
X31 30 90 70
Proveedor 3
X33 20 89 88
X41 25 99 92
Proveedor 4
X43 35 99 91
Proveedor 5 X53 30 90 85
Tabla 5.4: Datos para la selección de proveedores.
Las restricciones para alcanzar esos objetivos vienen dados tanto por el
lado de la demanda como de la oferta:
La demanda
Restricciones de Meta
+
Objetivo 1: Coste de Compra ¦ ¦ Cij Xij + d1j ҟ d1j = 100
i j
¦ Calij Xij
i +
Demandaj + d2j ҟ d2j = Meta para cada Producto
Restricciones Estructurales
Comentarios a la solución
Ejercicio 5.1
Suponga que se desea minimizar ese riesgo de concentración de oferta y por
tanto se introduce una restricción que nos indique un proveedor no puede
atender más del 50% de una única aleación. ¿Cómo se vería afectada la
solución?
sujeto a
250
Argentina
China
200
España
150
100
50
9/11
0
31-dic-98 31-dic-99 30-dic-00 30-dic-01 30-dic-02 30-dic-03 29-dic-04 29-dic-05 29-dic-06
50,00%
Argentina
40,00% China
España
30,00%
20,00%
10,00%
0,00%
-10,00%
-20,00%
-30,00% 9/11
-40,00%
31-dic-98 31-dic-99 30-dic-00 30-dic-01 30-dic-02 30-dic-03 29-dic-04 29-dic-05 29-dic-06
1,60%
1,50%
1,40%
1,30%
1,20%
1,10%
China
1,00%
0,90%
España
0,80%
4,50% 5,50% 6,50% 7,50% 8,50% 9,50% 10,50% 11,50% 12,50% 13,50%
Ejercicio 5.2
Vaya a la pagina web http://www.effisols.com/download/index.htm y
descargue la versión de muestra del programa que ofrece.
Existen otros programas de cálculo de las fronteras pero éste es bastante
sencillo. Obtenga cotizaciones de fin de mes de los títulos del Ibex-35 de los
últimos 5 años. ¿En qué posición se sitúan las empresas constructoras?
0 F G Input
Análisis Unidad 3
Créditos Recursos
Nº
Entidad Oficinas a la de
empleados
clientela Clientes
Caja 1 385 2.354 17.081 16.495
Caja 2 131 743 5.391 6.204
Caja 3 294 2.574 12.755 17.421
Caja 4 5.186 23.229 139.765 197.495
Caja 5 1.987 13.047 95.078 109.590
Caja 6 299 1.712 7.914 8.762
Tabla 5.7: Datos para el caso DEA
108 LA OPTIMIZACIÓN LINEAL: UN INSTRUMENTO DE GESTIÓN
Con estos datos podemos establecer dos ratios con el mismo
denominador, bien los empleados o bien las oficinas, de forma que podemos
realizar dos análisis alternativos.
60,000
Caja 3 B
Caja 5
50,000
Caja 2 A
Caja 1
40,000 Caja 4
(millones €)
30,000 Caja 6
20,000
10,000
0,000 O
0,000 10,000 20,000 30,000 40,000 50,000 60,000
Créditos de la Clientela porOficina (Millones €)
Gráfico 5.6: Una posible frontera eficiente según datos por oficina
Como se puede observar, la frontera eficiente nos la dan la Caja 5 y la
Caja 3 en el caso de ratios por Oficina mientras que si empleáramos los ratios
por Empleado son la Caja 5 y la Caja 421.
Entidad Eficiencia
Caja 1 92,72%
Caja 2 86 %
Caja 3 100 %
Caja 4 64,27 %
Caja 5 100 %
Caja 6 55,31%
5.391 U1 + 6.204 U2 U2 t H
d 100% Recursos
7.914 U1 + 8.7624 U2
d 100% V2 t H Empleados
299 V1 + 1.712 V2
Ejercicio 5.3
Con esos mismo datos suponga que sólo hay un output: los créditos a los
clientes. Plantee el programa de optimización indicado y compruebe si en este
caso cambian las cajas que resultan relativamente eficientes con las demás.
x Presentation
Table 5.12 presents the identified new railway projects and the values
are annual averages. There are ten projects identified for investment under the
new scheme, having a total cost of about Euro two billion for capital investment
over a 20 year period between 2009 and 2028. The estimated benefits are both
quantitative and qualitative.
Qualitative Goals:
Quantitative Benefits:
23 This case has been taken from “Railway projects prioritisation for
investment: Application of goal programming” Aoife Ahern and Gabrial Anandarajah,
Transport Policy, Volume 14, Issue 1, January 2007, Pages 70-80.
UNA CUESTIÓN DE OBJETIVOS 113
x The variables
The decision variable, which is used for the selection of the projects,
i.e., it is one when the project i is selected and zero when the projected i is not
selected. The model has, therefore, 10 binary variables.
x The constraints
There is only one rigid constraint: the total capital investment cost of
the selected projects should be below the financial availability for capital
investment. The rest of constraints are soft constraints for the different goals that
were described several lines above.
x The data
Annual Qual. Qual. Qual. Qual.
Annual
Projects Cost Economic Goal Goal Goal Goal
Revenue
Benefits 1 2 3 4
Project 1 123,6 21,4 6,3 3 4 3 4
Project 2 33,4 12,1 4,1 3 3 2 3
Project 3 116,8 12,1 3,5 1 3 2 1
Project 4 28,9 10,4 3,5 2 3 2 2
Project 5 289,8 34,4 12,2 2 3 2 2
Project 6 109,8 11,2 3,4 2 1 2 1
Project 7 154,2 4,9 1,8 1 3 2 0
Project 8 150,6 3,6 1,2 1 3 1 2
Project 9 571,7 73,1 13,4 1 3 2 1
Project 10 407,5 14,4 4,3 1 2 1 1
Goals - 197,6 53,7 17 28 19 17
Weights 0,475 0,095 0,114 0,117 0,111 0,088
With the provided data, solve the problem using the weight assigned to
every goal and varying the budget starting from €100 million up to € 2000
million with steps of € 100 million. You may draw a graph like Figure 5.8.
100,00%
90,00%
80,00%
% Goal Achievement
70,00%
60,00%
Economic Benefit
50,00%
Customer Benefits
40,00%
Quality Goal 1
30,00%
Quality Goal 2
20,00%
Quality Goal 3
10,00%
Quality Goal 4
0,00%
0 100 200 300 400 500 600 700 800 900 1000 1100 1200 1300 1400 1500 1600 1700 1800 1900 2000
Budget (Millones €)
6.1 Introducción
A continuación se presentan varios modelos. El esquema básico es el
siguiente:
6.2 Modelo 1
Enunciado Modelo 1
Los nombres de las variables son X1, X2, X3, X4, X5, X6, medidos en pares
de pantalones.
Función Objetivo
Restricción de HORAS
Restricción de TELA
Restricción de CLIENTE
X2 + X3
X1 + X2 + X3 + X4 = 0,5 RELACIÓN
Restricción de No Negatividad
El precio sombra nos dice que por una hora más el ingreso aumenta en
3,333. ¿Hasta qué limite de horas? Haga un dibujo de la variación del
ingreso desde no tener horas hasta que las horas se conviertan en un
factor no escaso para la empresa. Extraiga alguna conclusión.
6.3 Modelo 2
6.3.1 Enunciado Modelo 2
La empresa Manzanas Asturianas vende bolsas con manzanas y bricks
con sidra. La empresa clasifica las manzanas según su tamaño, en una escala de
1 a 10, de más pequeña y baja calidad a más grande y de mayor calidad.
¿Cuántas veces ha comprado una bolsa de manzanas o de otra fruta en el
supermercado y no todas han tenido el mismo tamaño?.
Función Objetivo
M8B + M6B
Maximizar Margen 0,8 2 + 0,3 (M8C + M6C)
8M8B + 6M6B
Bolsas M8B + M6B 7
8M8C + 6M6C
Cajas M8C + M6C 6,5
Restricción de No Negatividad
La solución del problema nos ofrece una calidad de las cajas de 6,5 y en
el caso de las bolsas, la calidad media es de 7, consumiéndose todas las
unidades disponibles.
6.4 Modelo 3
6.4.1.1 Enunciado Modelo 3
Origen: Origen:
Hospitales Destino Banco de Banco de
Sangre I Sangre II
Hospital 1 5 9
Hospital 2 12 10
Hospital 3 14 7
Hospital 4 27 19
Hospital 5 17 8
Hospital 6 9 16
Hospital 7 7 14
Tabla 6.3: Costes Unitario de Transporte (Cij) (€/Bolsa)
La variable a manejar es la siguiente:
xijk = nº de bolsas del Banco de Sangre “i” (i = I,II) transportadas al Hospital “j”
(j = 1,2,3,..,7) llenas con el tipo de sangre “k” (k = A,B,AB,O)
122 LA OPTIMIZACIÓN LINEAL: UN INSTRUMENTO DE GESTIÓN
6.4.1.2 Planteamiento Modelo 3
Tipos de Sangre
Envíos del Banco I A B AB O
Al Hospital 1 45 15 8 32
Al Hospital 2 0 0 0 0
Al Hospital 3 35 27 13 0
Al Hospital 4 0 0 0 0
Al Hospital 5 0 0 0 0
Al Hospital 6 36 12 16 36
Al Hospital 7 30 10 6 49
Tipos de Sangre
Envíos del Banco II A B AB O
Al Hospital 1 0 5 0 10
Al Hospital 2 30 15 6 38
Al Hospital 3 35 0 0 65
Al Hospital 4 9 4 0 10
Al Hospital 5 36 16 8 37
Al Hospital 6 12 0 0 0
Al Hospital 7 0 0 0 0
6.5 Modelo 4
6.5.1 Enunciado Modelo 4
La empresa REFIL dispone de dos refinerías en la zona sur de la
península. Las Refinerías, A y B procesan el petróleo y envían el resultado del
refino (Propano, butano, etc.) a diversos almacenes situados en la comunidad
andaluza. De todos estos productos, existe una excepción, el gasóleo.
Refinería A 4 5
Refinería B 6 3
Tabla 6.5: Costes Unitarios de Transporte (€/m3)
Estos datos han sido obtenidos al comparar las ofertas de AUTOSA y
TRENSA para el transporte del gasóleo. La gerencia de REFIL ha dispuesto que
sea AUTOSA quién transporte el gasóleo con destino el Depósito 1 mientras
que ha contratado a TRENSA para que transporte el gasóleo al Depósito 2.
Restricción de No Negatividad
Celdas cambiantes
Valor
Celda Nombre Valor final
original
$D$13 Refinería A Depósito 1 0 2500
$D$14 Refinería A Depósito 2 0 0
$D$15 Refinería B Depósito 1 0 1500
$D$16 Refinería B Depósito 2 0 1500
Restricciones
Valor de
Celda Nombre fórmula Estado Divergencia
la celda
$D$20 Refinería A Depósito 1 2500 $D$20=$E$20 Opcional 0
$D$21 Refinería B Depósito 1 3000 $D$21=$E$21 Opcional 0
$D$22 Depósito 1 Depósito 1 4000 $D$22<=$E$22 Opcional 0
$D$23 Depósito 2 Depósito 1 1500 $D$23<=$E$23 Opcional 0
6.6 Modelo 5
6.6.1.1 Enunciado Modelo 5
Se desea diseñar la ruta más corta entre la entrada y la salida para poder
así ofrecer esa ruta a turistas “más cansado”. En cualquier caso se desea que el
turista esté más de 70 minutos.
ALGUNOS EJEMPLOS 129
Z1
30
20
20 Z4
Entrada 25
Z2
15
35 50 25
20 40
Salida
45 35
Z3 Z5 N
W E
Z4S + Z5S = 1
Finalmente obtenga la ruta más corta desde todas las zonas a la salida.
En cualquier caso, suponga que desea la ruta más corta pero pasando
necesariamente por la Zona 3 puesto que se ha instalado allí un pequeño
puesto donde quiere que los turistas gasten algún dinero. ¿Cómo sería la
solución?
6.7 Modelo 6
6.7.1.1 Enunciado Modelo 6
La solución en este caso queda como sigue donde puede notar cómo
aparecen las variables enteras y las variables bivalentes.
Celdas cambiantes
Valor Gradiente Coeficiente Aumento Descenso
Celda Nombre Igual reducido objetivo permisible permisible
$C$14 P1 15 0 200 1E+30 39,13043478
$C$15 P2 20 0 450 1E+30 28,26086957
$C$16 P3 10,32608696 0 500 35,13513514 313,2075472
$C$17 P4 14,67391304 0 100 46,15384615 1E+30
Restricciones
Valor Sombra Restricción Aumento Descenso
Celda Nombre Igual precio lado derecho permisible permisible
$C$22 PRESUPUESTO 90 434,7826087 90 13,5 8,58
$C$23 CONSUMO MINIMO 60 -360,8695652 60 4,333333333 6,818181818
$C$24 LIMITE P1 15 39,13043478 15 17,30769231 11
$C$25 LIMITE P2 20 28,26086957 20 12,83783784 18,24324324
$C$26 LIMITE P3 10,32608696 0 25 1E+30 14,67391304
$C$27 LIMITE P4 14,67391304 0 24 1E+30 9,326086957
6.8 Modelo 7
Las compañías aéreas, especialmente a partir de 2001, compiten en dos
niveles: servicio y sobretodo precio. Para poder ofrecer un precio competitivo,
deben controlar sus costes. Y entre estos costes, el coste del combustible es uno
de los más importantes25.
25
Este ejercicio se basa en el artículo: A multiple period capacitated inventory
model for airline fuel management: a case study, por PP Zouein, WR Abillama y E
Tohme, publicado en el Journal of the Operacional Research Society, Vol 53, pp. 379 –
386.
134 LA OPTIMIZACIÓN LINEAL: UN INSTRUMENTO DE GESTIÓN
Los objetivos perseguidos por este caso, y que los diferencia de los
anteriores son:
Así, empleará la ecuación de esa recta para la estimación del Consumo de Fuel
para todos los viajes.
Ese dato, junto con la carga a transportar, y el nivel de fuel como stock
de seguridad al acabar el vuelo se recoge en la tabla siguiente.
Precio de
Stock de
Duración compra de
Vuelo Carga Seguridad
(Horas) combustible
(Kg.)
(€/litro)
1 2,64 19935 0,2338 7.508
2 2,89 7.978 0,2289 6.250
3 4,35 18.008 0,2338 5.450
4 3,73 20.005 0,2094 6.122
5 2,46 23.403 0,2338 10.263
6 2,47 2.418 0,2363 6.085
7 4,1 19.099 0,2338 5.645
8 3,88 12.008 0,2035 6.142
9 4,1 9.823 0,2338 5.645
10 3,88 12.578 0,2035 6.142
11 4,9 19.878 0,2338 5.657
12 4,03 11.978 0,2076 6.205
13 2,56 15.778 0,2338 10.263
14 2,47 6.478 0,2363 6085
Tabla 6.9: Datos de los Vuelos
ALGUNOS EJEMPLOS 137
Suponga que un litro es un kg. Los vuelos son consecutivos. Es decir, el
destino del viaje “1” es el origen del viaje “2”. El final del viaje “14” es el inicio
del viaje “1” en un aeropuerto peninsular.
6.9 Modelo 8
6.9.1.1 Presentación del Modelo 8
Operación 1 2 3 4 5 6
Máquina A B A B A A
Máquina C D C B C C
Tiempo 7 5 9 8 6 5
Tabla 6.11: Tiempo de proceso para el Componente GY2
En cada momento una única operación puede hacerse en cada máquina
y deben hacerse todas las operaciones en el orden indicado. Indique cuál sería el
mínimo tiempo necesario para tener fabricado una unidad de cada componente.
Pero también nos hace falta una variable adicional que “T” tiempo de
finalización de la producción de una unidad.
x1 t 0 x 2 t 0 x3 t 0 x4 t 0 x5 t 0 x6 t 0 T t 0
Función Objetivo
6.10 Modelo 9
6.10.1.1 Presentación del Modelo 9
Delantero 10 6.800
Central 14 8.700
Trasero 6 5.300
Tabla 6.12: Restricciones de Peso y Volumen
En la actualidad se la han presentado cuatro clientes con las siguientes
características en cuanto a capacidad (peso y volumen). Las tarifas a cobrar por
Tm a cada cliente son los siguientes se incluyen también en la última columna
de dicha tabla
4 3
Max Ingresos Totales (€) = ¦ ¦ [ci xij ]
i=1 j=1
3
¦ xij = Pesoi i = 1, 2, 3, 4
j=1
4
¦ xij d PMaxj j = D; C; T
i=1
4
¦ voli xij d Vmaxj j = D; C; T
i=1
4 1 4 1 4 1 4 1
Zona Delante = Zona Centro ¦ 10 xiD = ¦ 14 xiC ¦ 10 xiD ¦ 14 xiC = 0
i=1 i=1 i=1 i=1
4 1 4 1 4 1 4 1
Zona Centro = Zona Trasera ¦ 14 xiC = ¦ 6 xiT ¦ 14 xiC ¦ 6 xiT = 0
i=1 i=1 i=1 i=1
142 LA OPTIMIZACIÓN LINEAL: UN INSTRUMENTO DE GESTIÓN
Restricción de No Negatividad de las Variables
xij 0 i = 1, 2, 3, 4 j = D, C, T
Celdas cambiantes
Celda Nombre Valor original Valor final
$C$15 Cliente 1 Delantero 0 0
$D$15 Cliente 1 Central 0 7
$E$15 Cliente 1 Trasero 0 0
$C$16 Cliente 2 Delantero 0 9
$D$16 Cliente 2 Central 0 0
$E$16 Cliente 2 Trasero 0 0
$C$17 Cliente 3 Delantero 0 1
$D$17 Cliente 3 Central 0 1
$E$17 Cliente 3 Trasero 0 6
$C$18 Cliente 4 Delantero 0 0
$D$18 Cliente 4 Central 0 6
$E$18 Cliente 4 Trasero 0 0
Restricciones
Celda Nombre Valor de la celda fórmula Estado Divergencia
$C$24 Cliente 1 Delantero 7 $C$24=$E$24 Opcional 0
$C$25 Cliente 2 Delantero 9 $C$25=$E$25 Opcional 0
$C$26 Cliente 3 Delantero 8 $C$26=$E$26 Opcional 0
$C$27 Cliente 4 Delantero 6 $C$27=$E$27 Opcional 0
$C$31 Peso Maximo Delantero 10 $C$31<=$E$31 Obligatorio 0
$C$32 Peso Máximo Central 14 $C$32<=$E$32 Obligatorio 0
$C$33 Peso Máximo Trasero 6 $C$33<=$E$33 Obligatorio 0
$C$37 Volumen Maximo Delantero 6430 $C$37<=$E$37 Opcional 370
$C$38 Volumen Máximo Central 6280 $C$38<=$E$38 Opcional 2420
$C$39 Volumen Máximo Trasero 3480 $C$39<=$E$39 Opcional 1820
$C$43 Zona Delante - Zona Centro 0 $C$43=0 Opcional 0
Restricciones
Valor Sombra Restricción Aumento Descenso
Celda Nombre Igual precio lado derecho permisible permisible
$C$24 Cliente 1 Delantero 7 310 7 0 3
$C$25 Cliente 2 Delantero 9 380 9 0 2,142857143
$C$26 Cliente 3 Delantero 8 350 8 0 2,142857143
$C$27 Cliente 4 Delantero 6 285 6 0 3
$C$31 Peso Maximo Delantero 10 0 10 1E+30 0
$C$32 Peso Máximo Central 14 0 14 1E+30 0
$C$33 Peso Máximo Trasero 6 0 6 1E+30 0
$C$37 Volumen Maximo Delantero 6430 0 6800 1E+30 370
$C$38 Volumen Máximo Central 6280 0 8700 1E+30 2420
$C$39 Volumen Máximo Trasero 3480 0 5300 1E+30 1820
$C$43 Zona Delante - Zona Centro 0 0 0 0 0
Tabla 6.15: Informe de Sensibilidad del Modelo 9
144 LA OPTIMIZACIÓN LINEAL: UN INSTRUMENTO DE GESTIÓN
6.11 Modelo 10
6.11.1.1 Presentación del Modelo 10
FASE I: Cimentación
Coste de la
Contratista Proposición Fase que incluye Proposición
(Miles €)
1A I y II 250
nº 1
1B I , II y III 400
2A II y III 125
nº 2
2B II y III y IV 350
nº 3 3A I 166
3B II 191
3C III 170
3D IV 120
nº 4 4A III y IV 363
4B I, III y IV 600
nº 5 5A I y III 413
5B I y IV 675
Tabla 6.16: Propuestas de los Contratistas
ALGUNOS EJEMPLOS 145
6.11.1.2 Las restricciones impuestas
Este es un problema muy típico que puede relacionarse con otras tareas
en la empresa: asignar personal a tareas, diseñar el horario de clases del aula de
formación, etc.
Hemos llegado al final del libro, pero como reza el título, no estamos
ante una conclusión como sería una terminación al uso. Podría tratarse del
epítome de todo el libro, pero ¿qué valor aportaría al lector?.
Dado que usted lector ha debido pagar por el libro, y, por tanto, dentro
de su problema de optimización lineal recurrente: ¿cómo gastar sus fondos? es
preciso que estas páginas también le ofrezcan, al menos, algo para pensar en
torno a la experiencia de la optimización.
x Tras los resultados ser autocríticos, recordando que los mismos dependen de
la bondad de los datos.
APLICACIÓN
DIMENSIONES
DEL MOTOR DE
DEL MODELO
OPTIMIZACIÓN
Descripción
de las
necesidades / Planteamiento del
cuestiones a modelo : Validación del
Selección de la Resolución: Conclusio
resolver Variables modelo con la
herramienta OPTIMIZACIÓN nes
mediante un Restricciones situación actual
modelo de Función Objetivo
optimización
Introducción Periodo de
Búsqueda de
del Modelo en Juego
Información
la Herramienta
7.3.1.1 Un comentario
7.3.1.2 Un examen
Un Primer Modelo:
Un avispado experto en divisas ha estado examinando la siguiente
información sobre la cotización de las divisas:
Dicha tabla nos dice, por ejemplo que 1Libra = 193,37 Yen. Pero
curiosamente si deseo saber cuántas libras suponen esa cantidad de yenes no es
Un segundo modelo:
Una empresa está diseñando un gigantesco parque de atracciones en la
zona norte para quitar influencia a los parques temáticos de la zona de Levante.
El parque sólo admitirá como visitantes a grupos de más de 10 personas, para
garantizar así una cierta rentabilidad.
x HE: Indicador de horas extras imprevistas, en tanto por ciento, sobre las
horas totales de mantenimiento (horas normales, extras planificadas y extras
imprevistas).
MABIN , V.J. Y J. GIBSON (1998): “Synergies from spreadsheet LP used with the
theory of constraints–a case study”, Journal of the Operational Research
Society Vol. 49, pp. 918-927.
MARX, GROUCHO (2001): Groucho y yo. Ed. Tusquets. Barcelona, pp. 320.
ROYO HERNÁNDEZ, SIMÓN (2002): “La sociedad capitalista como negación del
ocio: historia de una paradoja actual”, LOGOS. Anales del Seminario de
Metafísica, Vol. 35 (2002),. pp. 193-222
La sociedad de Investigación
www.seio.es
Operativa española
La sociedad de Investigación
www.orsoc.org.uk
Operativa británica
La sociedad de Investigación
www.informs.org
Operativa estadounidense
La página creada para “vender” la
http://www.scienceofbetter.org/
investigación operativa
Investigación Operativa en la
http://www.uk.capgemini.com/servic
consultora Cap Gemini en Reino
es/consulting/or
Unido
Sociedad Americana de Cadena de
www.supply-chain.org
Suministro creadora del modelo SCOR
Sociedad creadora e impulsora de la
http://www.goldratt.com
Teoría de las Limitaciones
http://www.sapinfo.net/ Un ERP importante del mercado
Publicación OR/MS Today de la
www.lionhrtpub.com/ORMS.shtml Sociedad de Investigación Operativa
Americana
Journal of the Operations Research
www.palgrave-journals.com/jors/
Society
http://mansci.journal.informs.org/ Management Science
http://or.pubs.informs.org/ Operations Research
http://interfaces.journal.informs.org/ Interfaces
http://ite.pubs.informs.org/index.php Informs Transactions in Education
160 LA OPTIMIZACIÓN LINEAL: UN INSTRUMENTO DE GESTIÓN
www.ampl.com AMPL
Max Z = c´x
Axdb
x t 0n
donde:
x es el vector columna de las variables del problema, en nuestro caso “n”
variables.
Max Z = c´x
A x + xc = b
x t 0n xc t 0m
donde
Ejercicio I.1
Si el problema hubiera incluido restricciones de límite inferior, ¿cómo
hubiera incluido las variables complementarias? ¿Qué significado podrían
tener?
2 2
Así, transformando las variables: xj = uj xci = uci tenemos la siguiente
función de Lagrange a maximizar31:
n 2 m n 2 2
[
Max L = ¦ cj u j + ¦ yi bi –¦ aij u j – uci ]
j i j
wL m m
wuj
= 2cjuj – 2 uj ¦aij yi = [
–2 uj ¦aij yi – cj ]=0
i i
m
uj ycj = 0 siendo ycj = ¦aij yi – cj i
i
m
xj ycj = 0 siendo ycj = ¦aij yi – cj j
i
wL
= -2 uci yi = 0 uci yi = 0 xci yi = 0 i
wuci
wL n 2 2
n
= bi – ¦ aij u j – uci = 0 bi – ¦aij xj – xci = 0 j
wyi
j j
w2L m
wuj2
=-2 [
¦aij yi – cj ]d0 –2 ycj d 0 ycj t 0 j
i
w2L
=– 2 yi d 0 yi t 0 i
wuci2
w2L
= 0 d 0.
wyi2
Ejercicio I.2
Plantee las condiciones para el caso de un problema de minimización con
todas las inecuaciones de límite inferior y variables positivas. Compare los
resultados obtenidos.
Ejercicio I.3
¿Qué desventajas tiene, a su juicio, el empleo de las condiciones de Kuhn-
Tucker? Piense en resolver el ejemplo gráfico mediante este esquema. ¿Qué
es lo que exigiría a otro método?
166 LA OPTIMIZACIÓN LINEAL: UN INSTRUMENTO DE GESTIÓN
Max c´ x sujeto a S ={ x Rn / Ax = b, x 0n }
ªx B º
Y dada la división anterior, A = [B,N], x = « » el sistema de
¬xN ¼
ecuaciones nos queda como sigue:
ªx B º
A x = [B, N] « » B xB + N xN = b
¬xN ¼
xB = B–1 b – B–1 N xN
x1 + x2 d 5 x1 + x2 + xc1 =5
x1 t 0 x2 t 0 xc1 t 0 xc2 t 0
X1 = 0 Solución
X2 = 5 Básica
5 XC1 = 0 Realizable
XC2 = 0 Degenerada X1 = 0,5 Solución
4,5 X2 = 3,5 Realizable
XC1 = 1
4 XC2 = 2
3,5 Solución
X1 + X2 d 5 X1 = 3,5
3 X2 = 0,5 Solución
XC1 = 1
Básica
2,5 Solución XC2 = -4
Básica X1 = 5
2 Realizable X2 = 0
X1 = 0 5X1 + 3X2 d 15 XC1 = 0
1,5 X2 = 0 XC2 = -10
XC1 = 5 X1 = 3
XC2 = 15 Solución
1 X2 = 0
Básica
Realizable XC1 = 2
0,5 XC2 = 0
Ejercicio I.4
Suponga las siguientes funciones objetivos alternativas para el problema:
x Max Z = 100x1 + 2x2
x Min Z = x1 + 2x2
¿Qué conclusión extrae? ¿Qué ganamos respecto a aplicar las condiciones de
Kuhn-Tucker?
Por otro lado, en uno de los vértices definimos una SOLUCIÓN BÁSICA
REALIZABLE DEGENERADA (que en el ejemplo, es, además, el óptimo): su
característica gráfica radica en que es un punto de intersección de más de dos
rectas. De hecho, podemos encontrar dos soluciones básicas realizables
asociadas a dicho vértice.
“Si existe una solución realizable, existe una solución realizable básica.
Si encuentro una solución óptima, tengo por lo menos otra que además es
básica”.
Demostración33:
32
Recuerde el lector el caso de una solución múltiple.
33
La siguiente demostración se puede obviar sin que se vea afectado el
entendimiento general de procedimiento.
ANEXO I: UNA TARDE DE MATEMÁTICAS 171
z = Ox+ (1 – O) y, siendo 0 d O d 1
A z = A [Ox+ (1 – O)y] = A O x + A (1 – O) y =
= O Ax + (1 – O)Ay =
= O b + (1 – O) b = b
§n· = n!
©m¹ m! (n–m)!
Ejercicio I.5
Considere el siguiente problema: una empresa fabrica dos productos A y B
que consumen el mismo número de recursos por unidad. El producto A es
lavado en un momento del proceso productivo y consume 3litros/unidad. El
producto B no pasa por este proceso.
¿Es posible que la solución óptima sea fabricar ambos productos?
xB = B–1 b – B–1 N xN
ªcB º
c=« » siendo
¬cN ¼
¬xN¼
Sustituyendo xB por su valor obtenemos la siguiente expresión:
TEST DE OPTIMO SI
OPTIMO
¿ y0j t 0 j R?
NO
NO
¿ y ik > 0 , i = 1 , 2 . . . m ? SOLUCION
ILIMITADA
SI
Mejora de la Solución
PIVOTE
Max Z = 5 x1 + 6 x2
3 x1 + 3 x2 + xc1 =8
2 x1 + 3 x2 + xc2 =7
x1 + + xc3 =2
x2 + xc4 =2
las demás líneas recogen los coeficientes de las variables en las restricciones
con el mismo signo
la última parte de la matriz es una matriz unidad que recoge los coeficientes
de las variables básicas en las restricciones y la función objetivo.
la última fila refleja los y0j; para determinar la variable a entrar en base
escogeremos de entre las variables no básicas aquella que tenga coeficiente
más negativo.
las filas de las restricciones son los coeficientes yij: nos fijamos en los
coeficientes positivos de la variable a entrar y aplicando la regla del menor
cociente obtendremos la variable básica que sale de base.
los términos independientes son los yi0 ,es decir, los valores que van
tomando las diferentes variables básicas en cada momento.
176 LA OPTIMIZACIÓN LINEAL: UN INSTRUMENTO DE GESTIÓN
Vamos a plantear el cuadro inicial, donde en columnas aparecen los
términos independientes, variables no básicas y variables básicas.
xc1 8 3 3 1 0 0 0
xc2 7 2 3 0 1 0 0
xc3 2 1 0 0 0 1 0
m xc4 2 0 1 0 0 0 1
Z 0 -5 -6 0 0 0 0
n
Tabla I.1: Algoritmo Simplex: Tabla Inicial
Como en el caso anterior nos fijamos si estamos en el óptimo.
Comprobamos como las dos variables no básicas, x1, x2 tienen coeficientes
negativos en la función objetivo (5, 6, respectivamente). Por ello, resulta
interesante que cualquiera de ellas entre en base. Elegimos aquella que tenga un
coeficiente más negativo.
Entra x2
yi0
Regla del cociente: min [ y , yik >0] i = 1,2,3...m
ik
y10 8
1º Ecuación = y = 3 = 2,666
1k
y20 7
2º Ecuación = y = 3 = 2,333
2k
ANEXO I: UNA TARDE DE MATEMÁTICAS 177
y40 2
4º Ecuación = y = 1 = 2
4k
Por tanto sale de base la variable xc4. Nótese que aunque el Simplex es
un procedimiento matemático, no esconde en absoluto una lógica económica en
sus operaciones, puesto que pretende en cada pivote maximizar el uso de los
recursos.
* yrj
yij = yij yik y i = 0,1,2,...m j = 0,1,2,......n
rk
xc1 2 3 0 0 0 -3 2
m xc2 1 2 0 1 0 -3 1
xc3 2 1 0 0 1 0 2
x2 2 0 1 0 0 1 2
Z 12 -5 0 0 0 6 12
n
Tabla I.2: Algoritmo Simplex: Tabla Inicial tras primer pivote
Aplicando el mismo proceso tenemos que: Entra x1 Sale xc2
x1 1/2 1 0 0 ½ 0 -3/2
x2 2 0 1 0 0 0 1
n
Tabla I.3: Algoritmo Simplex: Tabla Inicial tras segundo pivote
En la tabla I.3, vemos que seguimos teniendo todavía posibilidades de
emplear 0,5 horas de la Instalación. Como tenemos agotadas las ventas del
producto B podemos pensar en fabricar más unidades del producto A. Pero esto
supone tener que hacer menos unidades del producto B.
En este caso, obtener el mejor empleo de esta media hora es algo más
complicado, pero es una actividad que el lector sin duda podrá plantear.
x1 1 1 0 1 -1 0 0
xc3 1 0 0 -1 1 1 0
x2 5/3 0 1 -2/3 1 0 0
Z 15 0 0 1 1 0 0
Ejercicio I.6
Resuelva el ejercicio anterior mediante la macro Solver haciendo click
dentro Opciones en “Mostrar Resultado Iteraciones” en los dos casos
posibles:
x Sin Adoptar Modelo Lineal.
x Adoptando Modelo Lineal.
Compare los resultados con las tablas anteriores.
Ejercicio I.7
Dibuje el problema anterior y resuelve gráficamente.
Considere el efecto si el problema hubiera sido de minimización.
MAX Z = x1 + 2 x2
3 x1 + 4 x2 12 3 x1 + 4 x2 + xc1 = 12
5 x1 + 8 x2 40 5 x1 + 8 x2 – xc2 + xa2 = 40
PRIMERA FASE
3 x1 + 4 x2 + xc1 = 12
5 x1 + 8 x2 – xc2 + xa2 = 40
–x1 – 2 x2 +Z =0
m xc1 12 3 4 1 0 0
xa2 40 5 8 0 -1 1
Z 0 -1 -2 0 0 0
W -40 -5 -8 0 1 0
n
Tabla I.5: Algoritmo Simplex: Tabla Inicial Problema Irrealizable
Ind x1 x2 xc1 xc2 xa2
x2 4 3/4 1 1/4 0 0
xa2 8 -1 0 -2 -1 1
Z 8 1/2 0 1/2 0 0
W -8 1 0 2 1 0
MAX Z = x1 + 2 x2
– 3 x1 + 4 x2 4 3 x1 + 4 x2 + xc1 =4
x1 – 4 x2 1 x1 – 4 x2 + xc2 = 1
Ejercicio I.8
Dibuje el problema anterior y resuelve gráficamente.
Considere el efecto si el problema hubiera sido de minimización.
m xc1 4 -3 4 1 0
xc2 1 1 -4 0 1
Z 0 -1 -2 0 0
n
Tabla I.7: Algoritmo Simplex: Tabla Final Problema Ilimitado
ANEXO I: UNA TARDE DE MATEMÁTICAS 183
x2 1 -3/4 1 1/4 0
xc2 5 -2 0 1 1
Z 2 -5/2 0 1/2 0
n
Tabla I.8: Algoritmo Simplex: Tabla Final Problema Ilimitado
Vemos que puede entrar en base x1 pero como todos los coeficientes en
las ecuaciones donde hay variable básicas despejadas son negativos, no tiene
limitación para su crecimiento.
x2 = 1 + 3/4 x1
xc2 = 5 + 2 x1
Z = 2 + 5/2 x1
Max Z = 6 x1 + 3 x2
x1 + 2x2 8
2x1 + x2 6
x1 0 x 2 0
Ejercicio I.9
Dibuje el problema anterior y resuelve gráficamente.
Considere el efecto si el problema hubiera sido de minimización.
xc1 8 1 2 1 0
m xc2 6 2 1 0 1
Z 0 -6 -3 0 0
n
Tabla I.9: Algoritmo Simplex: Tabla Inicial Problema Múltiple
Tras el primer pivote con x1 tendríamos la siguiente solución:
x1 3 1 1/2 0 1/2
Z 18 0 0 0 3
n
Tabla I.10: Algoritmo Simplex: Tabla Final I Problema Múltiple
ANEXO I: UNA TARDE DE MATEMÁTICAS 185
Vemos que puede entrar en base x2 sin que se vea alterado el óptimo
que sigue dando 18 como vemos en el siguiente cuadro
Z 18 0 0 0 3
n
Tabla I.11: Algoritmo Simplex: Tabla Final I Problema Múltiple
De esta forma se tienen dos soluciones básicas realizables que nos dan
el mismo valor óptimo para la función objetivo.
Fijémonos que cualquier punto situado entre los dos puntos indicados y
que cumpla 2x1 + x2 = 6 es una solución válida y óptima.
x1
ªx º ª«30º» ª4/3 º ª4/3 + 5/3O º
2 «10/3» = «10/3 10/3O»
«x » «5»
=
c1
O + (1 – O )
«0 » « 5O »
¬x ¼ 0
c2
¬ ¼ ¬0 ¼ ¬0 ¼
186 LA OPTIMIZACIÓN LINEAL: UN INSTRUMENTO DE GESTIÓN
Ejercicios de Repaso
Ejercicio 1 Ejercicio 2
Max Z = 4 x1 + 2 x2+ 5 x3 Max Z = x1 + 2 x2+ 3x3
x1 + 2x2 + 2x3 8 x1 + x2 2x3 = 8
2x1 + x2 + 3x3 6 2x1 + x2 + 4x3 6
x1 0 x 2 0 x 3 0 x1 0 x 2 0 x 3 0
Solución: x1 = 3 xc1 = 2 (Múltiple) Solución: No Tiene
Ejercicio 3 Ejercicio 4
Max Z = 3 x1 + 2 x2+ 5 x3 Max Z = 8x1 + 7 x2 + 8x3
x1 + 2x2 + 2x3 8 x1 + 2x2 2 x3 20
x1 + x2 + x3 = 6 -1 x1 + x2 + 3x3 24
x1 0 x 2 0 x 3 0 x1 0 x 2 0 x 3 0
Solución: x3 = 6 xc1 = 4 Solución: Ilimitada
ANEXO I: UNA TARDE DE MATEMÁTICAS 187
Thinking Case
The following exercise is based on the article “Linear programming
comes of age: a decision support tool for every manager”, by D.J.Caine and
B.J. Parker, published in Management Decision, 1996, Vol. 34 nº 4, pp 46-
53.
The
40.000 2 0 1 1 0 -0,5
Rooker
Slack
27.500 -0,25 0 0 -1,25 1 0,25
Milling
Z 1.020.000 4 0 0 8 0 1
188 LA OPTIMIZACIÓN LINEAL: UN INSTRUMENTO DE GESTIÓN
Celofán
(cm2 por 10 15 20 50 60 90
bolsa)
Tabla I.13: Caso Dulcesa: Consumos de Celofán
El coste por cm2 es de 0,15€ y se disponen de 21.000 cm2 de celofán.
Calidad 3 2 1 3 4 2
Los valores duales nos han ofrecido los multiplicadores de Lagrange de las
restricciones, digamos, que normales del problema. Pero en ningún caso
hemos considerado las restricciones “sencillas” o de cota inferior o superior
de una variable. ¿Dónde se encuentran?. Una profundización en el
planteamiento dual nos permite responder a esa pregunta.
Así, en las siguientes líneas presentamos una nueva lectura, que sin
llegar a la “dureza” matemática de las condiciones de Kuhn-Tucker vistas en el
capítulo sobre el Método Simplex, presenta un planteamiento más ajustado.
ANEXO II: UNA DUALIDAD MATEMÁTICA 193
II.2.1 Un problema excesivamente sencillo
Si existe un planteamiento de programación lineal sencillo sería un
problema como cualquiera de los dos siguientes:
Ejemplo A Ejemplo B
Sujeto a x1 t 0, x2 t 0. Sujeto a x1 t 0, x2 t 0.
Min Z = C1x1 + C2 x2
Sujeto a x1 t 0, x2 t 0.
Sujeto a x1 t 0, x2 t 0.
Sujeto a x1 t 0, x2 t 0.
Coeficiente de x1 t 0 6 – 3y t 0 3y d 6
Coeficiente de x2 t 0 12 – 4y t 0 4y d 12
Por tanto quizás podemos preguntarnos cuál puede ser el máximo valor
de la función de Lagrange para ese valor. Para ello plantearíamos el siguiente
problema:
Sujeto a 3y d 6
4y d 12
x1 = 8/3, x2 = 1, Z = 28
4y d 12
Si sustituimos el valor de la variable “y = 2” en esa inecuación vemos
que no se cumple en igualdad. Para ese producto que no fabricamos la
inecuación es una desigualdad estricta.
4*2 = 8 < 12
II.2.4 Resumen
Los anteriores ejercicios nos llevan a las siguientes conclusiones
n
xci = bi – ¦ aijxj xj 0 xci 0 i = 1,2,.....m
j
m
ycj = ¦ aijyi – cj yi 0 ycj 0 j = 1,2,.....n
i
m
Min V = ¦ biyi
i
m
¦ aijyi cj j = 1,2,3,…n
i
yi 0 i = 1,2,3,…m
Nos queda por relacionar esos dos problemas de forma más rotunda.
Los principales teoremas sobre la dualidad se enuncian a continuación:
El dual del dual es siempre el primal: éste es un teorema que solo se cumple
en la optimización lineal.
Así, sea x una solución realizable del primal, y v una solución realizable
del dual. Es decir que cumplen las restricciones del primal y del dual
respectivamente:
198 LA OPTIMIZACIÓN LINEAL: UN INSTRUMENTO DE GESTIÓN
n m
¦ aijxj bi ¦ aijvi cj
j i
n m
¦ a1j x1y1 b 1 y1 ¦ ai1vi x1 c1x1
j i
n m
¦ a2j x1 y2 b2 y2 ¦ ai2vi x2 c2 x2
j i
n m
¦ aijx1 yi bi yi ¦ ai1vi xj cj xj
j i
n m
¦ a2j x1ym bm y m ¦ ai2vi xn cnxn
j i
m n m n m n
¦ ¦ aijx1 yi ¦ bi yi ¦ ¦ ai1vi xj ¦ cj xj
i j i j i j
De este modo una misma expresión con límite inferior y superior, que
podemos “ordenar”:
n m
¦ j j ¦ biyi
c x d
j i
n m
Partimos pues de que : ¦ cjxj = ¦ biyi
j i
n m
Además, sabemos que: bi = ¦ aijxj + xci cj = ¦ aijyi – ycj
j i
Sustituyendo me queda:
n m m n
¦ ¦ ij i cj j ¦ [¦ aijxj + xci ]yi)
[ a y – y ]x =
j i i j
n m
¦ j cj ¦ xciyi
c y =
j i
los coeficientes en la función objetivo de las variables del primal, son los
límites de las restricciones del dual a las que están asociadas
los coeficientes en las restricciones del dual de las variables duales son los
coeficientes de las variables primales en la restricción a la que están
asociadas.
Si en el primal maximizamos,
las restricciones del dual tienen el mismo sentido que las variables del
primal a las que están asociadas: por ej: si una variable del primal xj t 0 la
restricción asociada del dual tiene ese igualmente un límite inferior (t), es
decir:
m
xj 0 ¦ aijyi cj
i
las variables del dual tienen distinto sentido a las restricciones del primal a
las que están asociadas: por ej una restricción con límite superior (d) en el
primal tiene una variable dual asociada positiva
n
¦ aijxj bi yi 0
j
Si en el primal estamos minimizando
las restricciones del dual tienen el sentido contrario al de las variables del
primal a las que están asociadas: por ej: si una variable del primal xj t 0 la
restricción asociada del dual tiene igualmente un límite superior (d), es
decir,
m
xj 0 ¦ aijyi d cj
i
ANEXO II: UNA DUALIDAD MATEMÁTICA 201
las variables del dual tienen mismo sentido que las restricciones del primal a
las que están asociadas: por ej. una restricción con límite superior (d), en el
primal tiene una variable dual asociada negativa
n
¦ aijxj bi yi d 0
j
Pregunta II.1
Uno de los modelos de redes más conocidos es el modelo de transporte. En
el planteamiento siguiente se detalla la expresión del modelo en su formato
general, donde existe una oferta disponible y una demanda mínima a atender.
m n
Min Coste Total Transporte = ¦ ¦ cij xij
i j
n
¦ xij Oi i = 1,2,3,…n
j
m
¦ xij Dj j = 1,2,3,…m
i
xij 0 i = 1,2,3,…m, j = 1,2,3,…n
¿Cuál es el planteamiento dual de este problema?
202 LA OPTIMIZACIÓN LINEAL: UN INSTRUMENTO DE GESTIÓN
Primal Finito Dual Finito
Max Z = 5x1 + 2x2 Min V = 7y1 + 10y2
3x1 + 1x2 d 7 3y1 + 4y2 t 5
4x1 + 2x2 d 10 1y1 + 2y2 t 2
x1 t 0, x2 t 0 y1 t 0, y2 t 0
Solución: x1 = 2, x2 = 1 Solución: y1 = 1, y2 = 1/2
Primal Infinito Dual Irrealizable
Max Z = 5x1 + 2x2 Min V = 7y1 + 10y2
3x1 – 1x2 d 7 3y1 + 4y2 t 5
4x1 – 2x2 d 10 –1y1 – 2y2 t 2
x1 t 0, x2 t 0 y1 t 0, y2 t 0
La variable x2 puede tomar un La restricción en negrita no se
valor tan grande como puede cumplir.
queramos.
Primal Irrealizable Dual Infinito
Max Z = 5x1 + 2x2 Min V = 7y1 + 10y2
3x1 + 1x2 d 7 3y1 + 4y2 t 5
4x1 + 2x2 d 10 1y1 + 2y2 t 2
x1 t 0, x2 t 0 y1 t 0, y2 t 0
La restricción en negrita no se La variable y1 puede tomar un
puede cumplir. valor tan grande como queramos.
Primal Irrealizable Dual Irrealizable
Max Z = 5x1 + 2x2 Min V = 7y1 – 10y2
–3x1 d7 –3y1 t5
2x2 d –10 2y2 t 2
x1 t 0, x2 t 0 y1 t 0, y2 t 0
La restricción en negrita no se La restricción en negrita no se
puede cumplir. puede cumplir.
Tabla II.1: Posibles Relaciones entre Primal – Dual
ANEXO II: UNA DUALIDAD MATEMÁTICA 203
4 x1 + 2 x2 + 2 x3 + x4 d 80 (Unidades factor 2)
y1 + 4 y2 + 3 y3 t 5 (Producto 1)
y1 + 2 y2 + 4 y3 t 2 (Producto 2)
2y1 + 2 y2 + y3 t 6 (Producto 3)
2y1 + y2 + 3 y3 t 5 (Producto 4)
y1, y2, y3 0
204 LA OPTIMIZACIÓN LINEAL: UN INSTRUMENTO DE GESTIÓN
En este Dual sabemos que si el factor 3 no es escaso, el valor dual
asociado a dicho factor es igual a cero, es decir, que y3 = 0. De este modo el
dual nos queda como sigue:
y1 + 4 y2 t 5 (Producto 1)
y1 + 2 y2 t 2 (Producto 2)
2y1 + 2 y2 t 6 (Producto 3)
2y1 + y2 t 5 (Producto 4)
y1 , y 2 0
Los productos 3 y 4 son los productos que se fabrican, puesto que son las
rectas que se cruzan en el punto óptimo.
2 x3 + x4 = 80 (Unidades factor 2)
x3 , x 4 0
donde además sabemos que Z = 280. Así podemos también calcular los
valores de producción de los productos 3 y 4.
x Planteamiento Primal
' '
Max Z = c B x B + cN x N
siendo xB t 0n , xN t 0n
' '
Z = cB [B-1 b – B-1N XN]+ cN xN
Min V = b´y
Sujeto a B´y t cB
N´y t cN
y t 0m
Variables que toman valor están asociadas con restricciones del dual que se
cumplen estrictamente en igualdad
' '
xB > 0 B´y = cB y´B = cB y´ = cB B-1
Variables que no toman valor están asociadas con restricciones del dual que
son desigualdades estrictas.
'
yc = N´y – cN yc = y´N – cN yc = cB B-1 y – cN
' ' '
' –1
Y´ = cBOptima BOptima
Valores Complementarios o Costes Reducidos de las variables
originales que no se producen
ANEXO II: UNA DUALIDAD MATEMÁTICA 207
' –1 '
Yc´ = cBOptima BOptimaN - cN
' –1
Yc´ = cBOptima BOptimaA – c'
II.4.3 El dual en la Tabla del Simplex
Finalmente podemos tratar de comprobar si en la tabla del Simplex
encontramos la información sobre el dual del ejercicio. Para ello escribimos
aquí la Tabla II.2 final del ejercicio que estamos planteando.
x4 20 –3 –1 0 1 1 –1 0
x3 30 7/2 3/2 1 0 –1/2 1 0
xc3 10 17/2 11/2 0 0 –5/2 2 1
Z 280 1 2 0 0 2 1 0
Tabla II.2: Tabla Final Ejercicio Dual en el Simplex
Podemos ver cómo en esa tabla se encuentra la información del dual. Si
recordamos la expresión matricial de cálculo de la tabla podemos encontrar
fácilmente la explicación de cada elemento:
–1
–1
BOptimab BOptimaA
Valores
Variables
“Normales Relaciones Sustitución:
”
Entre variables “normales”
Valores Entre variables complementarias
Variables
“compleme
Entre variables “normales” y complementarias
ntarias”
Coeficiente Interpretación
20 Las unidades a fabricar del producto 4 (x4)
10 Las unidades no utilizadas del factor 3 (xc3), es decir, sólo
empleamos 90 unidades de ese factor
3/2 El coeficiente cruce de la columna de x2 y la fila de x3: si
nos obligaran a fabricar una unidad de x3 dejaríamos de
fabricar 1,5 unidades del producto 2
17/2 El coeficiente cruce de la columna de x1 y la fila de xc3: si
nos obligaran a fabricar una unidad de x1 deberíamos
emplea 8,5 unidades más del factor 3 de esas 10 que
todavía no hemos empleado.
Tabla II.5: Interpretación Completa de la Tabla del Simplex
ANEXO II: UNA DUALIDAD MATEMÁTICA 209
Coeficiente Interpretación
n
Max Z = ¦ cjxj
j
n
¦ aijxj bi i = 1,2,3,…m
j
xj 0 j = 1,2,3,…n
donde:
cj son los ingresos unitarios del producto xj
bi son total de recursos disponibles del factor i
aij es la cantidad de factor i necesaria para producir una unidad de producto j
210 LA OPTIMIZACIÓN LINEAL: UN INSTRUMENTO DE GESTIÓN
Si eliminamos la desigualdad y lo planteamos para poder resolver por el
método Simplex, introducimos una variable complementaria xci que
representaría los recursos ociosos, no dispuestos del factor i, tendríamos un
planteamiento clásico de producción.
m
Min V = ¦ biyi
i
m
¦ aijyi cj j = 1,2,3,…n
i
yi 0 i = 1,2,3,…m
Así, una vez definido el significado de las variables duales veamos que
significan las restricciones:
m
¦ aijyi representa la valoración o “coste interno” que hacemos de la
i
producción del producto xj en función de los recursos que consume,
m
¦ aijyi cj comparamos el coste de oportunidad de cada producto con el
i
ingreso unitario efectivo de cada producto.
Max V = 12 y
Sujeto a 3y d 6
4y d 12
Primal Dual
5 * 2 < c3
Fijémonos, que este hecho nos permite pensar en cómo agregar nuevas
variables a un problema.
xc1 -8 -2 -1 1 0
xc2 -7 -1 -3 0 1
Z* 0 3 2 0 0
Esta tabla nos ofrece una solución que es válida para el dual, aunque no
para el primal. Vamos a realizar un pivote tratando de no perder la solución
válida del dual y avanzar hacia el primal.
coeficiente en fila Z
coeficiente en la fila de la variable negativa
1 2
x1 -2 x2 -1
x1 4 1 1/2 -1/2 0 x2 8 2 1 -1 0
3/2 -3 1/2
x2 -5/2 = 5 = xc1 -1/2 = -1
x4 20 –3 –1 0 1 1 –1 0
Z 280 1 2 0 0 2 1 0
Supongamos que nos obligan a utilizar todas las unidades del recurso 3.
Como vemos en la solución, empleamos 90 unidades de las 100 disponibles, y
como resultado, en la tabla final aparece xc3 con valor 10. Podemos plantear
realizar un pivote en la tabla, determinando que variable entra en lugar de la
variable xc3 pero sin perjudicar a la solución en el dual. La respuesta, similar al
algoritmo Simplex-dual, es seleccionar aquella variable que menos perjudique a
la función objetivo.
Así, vemos que las variables “x1”, “x2”, “xc2” son las que hacen
disminuir el valor de la variable “xc3”. La elección es sencilla:
Por tanto es “x1”. Esta elección permite que en el dual se mantenga una
solución válida. Similar al caso del algoritmo Simplex.
III.1 Presentación
La optimización lineal emplea el método Simplex para su resolución
como método fundamental. En páginas anteriores hemos comentado las
características de ese método pero lógicamente no parece adecuado pensar en
resolver problemas manualmente. Necesitamos para ello una ayuda.
218 LA OPTIMIZACIÓN LINEAL: UN INSTRUMENTO DE GESTIÓN
De entre todas las posibilidades de software que se pueden encontrar en
l mercado (animamos al lector a que acuda a un buscador en Internet y busque
“software programación lineal” para que obtenga un número elevado de
posibilidades creadas por universidades y proveedores de software, en diversos
soportes35), hemos elegido utilizar la macro Solver por las siguientes razones:
x De dimensión, porque, por ej. sólo admite hasta 200 variables continuas en
su resolución.
2 5
Max Calidad = ¦ ¦ nij wij xij
i=1 j=1
donde nij recoge la calidad media que una conocida revista del sector ha
otorgado a esos posibles 5 proveedores en las dos materias primas contempladas
y wij es un factor de ponderación con relación al cumplimiento de las
condiciones (plazo de entrega, calidad del producto, nº de defectos, etc.) según
nuestras propias estimaciones, para cada uno de los productos/proveedores. Ver
datos en Tabla III.1 y Tabla III.2.
2 5
¦ ¦ pij xij
i=1 j=1
Coste Medio Unitario: 2 5
d 11 €
¦ ¦ xij
i=1 j=1
2 5
¦ ¦ pij xij
i=1 j=1 2 5 2 5
2 5
d 11 ¦ ¦ pij xij d 11 ¦ ¦ xij
¦ ¦ xij i=1 j=1 i=1 j=1
i=1 j=1
2 5
¦ ¦ (pij –11) xij d 0
i=1 j=1
Proveedores Proveedores
Calidad (nij) nº1 nº2 nº3 nº4 nº5 Ponderación (wij) nº1 nº2 nº3 nº4 nº5
Carbono 7 9 9 6 5 Carbono 5 2 4 3 1
Hierro 8 7 5 9 6 Hierro 5 2 4 3 1
Proveedores Proveedores
Precio Unitario (pij) nº1 nº2 nº3 nº4 nº5 LímiteSuministro nº1 nº2 nº3 nº4 nº5
Carbono 11,4 10,8 9,5 12,2 9,1 Carbono 70 60 30 30 50
Hierro 10,9 8,9 9,3 9,5 12,1 Hierro 80 30 90 60 40
Proveedores Proveedores
Calidad Final (nij * wij) nº1 nº2 nº3 nº4 nº5 Compra Mínima nº1 nº2 nº3 nº4 nº5
Carbono 35 18 36 18 5 Carbono 5 5 5 5 5
Hierro 40 14 20 27 6 Hierro 5 5 5 5 5
Proveedores Proveedores
Calidad (nij) nº1 nº2 nº3 nº4 nº5 Ponderación (wij) nº1 nº2 nº3 nº4 nº5
Carbono 7 9 9 6 5 Carbono 5 2 4 3 1
Hierro 8 7 5 9 6 Hierro 5 2 4 3 1
Proveedores Proveedores
Precio Unitario (pij) nº1 nº2 nº3 nº4 nº5 LímiteSuministro nº1 nº2 nº3 nº4 nº5
Carbono 11,4 10,8 9,5 12,2 9,1 Carbono 70 60 30 30 50
Hierro 10,9 8,9 9,3 9,5 12,1 Hierro 80 30 90 60 40
Proveedores Proveedores
Calidad Final (nij * wij) nº1 nº2 nº3 nº4 nº5 Compra Mínima nº1 nº2 nº3 nº4 nº5
Carbono 35 18 36 18 5 Carbono 5 5 5 5 5
Hierro 40 14 20 27 6 Hierro 5 5 5 5 5
Además, las variables son las mismas, tanto para el planteamiento lineal
como no lineal. Así se refleja en la figura III.3.
Variables
Proveedores
Tm Suministrada nº1 nº2 nº3 nº4 nº5
Carbono 1 1 1 1 1
Hierro 1 1 1 1 1
F. Objetivo
x Celda Objetivo
Esta celda debe incluir una celda que incluya una operación (es decir,
que no sea un dato) y es donde se recoge lo que se desea minimizar o
maximizar. En nuestro ejemplo sería la casilla de CALIDAD TOTAL.
x Referencia de la celda
ANEXO III: UN MANUAL DE SOLVER 229
Aquí incluimos la parte izquierda de una restricción, donde hacemos los
cálculos con las variables. En nuestro caso, por ejemplo, el cociente del coste
medio exigido.
x Signo de la restricción
x Restricción
x Asumir no negativos
Este es el botón que nos permite decir fácilmente que todas las variables
son no negativas.
232 LA OPTIMIZACIÓN LINEAL: UN INSTRUMENTO DE GESTIÓN
El modelo no tiene solución. Las razones para ello pueden ser varias:
Para las restricciones nos ofrece para cada restricción el valor obtenido
(Columna e), y la divergencia entre el límite de la restricción y el valor que se
cumple (Columna f). Así, aquellas restricciones para los cuales la divergencia
es nula son las restricciones limitativas del modelo.
Celdas cambiantes
Celda Nombre Valor original Valor final
$C$27 Carbono Prov. 1 1 70
2
$D$27 Carbono Prov. 2 1 5
$E$27 Carbono Prov. 3 1 30
$F$27 Carbono Prov. 4 1 5
$G$27 Carbono Prov. 5 1 5
$C$28 Hierro Prov. 1 1 80
$D$28 Hierro Prov. 2 1 5
$E$28 Hierro Prov. 3 1 85
$F$28 Hierro Prov. 4 1 60 4
$G$28 Hierro Prov. 5 1 5
3
Restricciones
Celda Nombre Valor de la celda fórmula Estado Divergencia
$C$50 Espacio Disponible 350 $C$50<=$E$50 Obligatorio 0
$C$32 Coste Medio 10,23142857 $C$32<=$C$21 Opcional 0,768571429
$C$27 Límite Mínimo Carbono Prov. 1 70 $C$27>=$J$45 Opcional 65
$D$27 Límite Mínimo Carbono Prov. 2 5 $D$27>=$K$45 Obligatorio 0
$E$27 Límite Mínimo Carbono Prov. 3 30 $E$27>=$L$45 Opcional 25
$F$27 Límite Mínimo Carbono Prov. 4 5 $F$27>=$M$45 Obligatorio 0
$G$27 Límite Mínimo Carbono Prov. 5 5 $G$27>=$N$45 Obligatorio 0
$C$28 Límite Mínimo Hierro Prov. 1 80 $C$28>=$J$46 Opcional 75
$D$28 Límite Mínimo Hierro Prov. 2 5 $D$28>=$K$46 Obligatorio 0
$E$28 Límite Mínimo Hierro Prov. 3 85 $E$28>=$L$46 Opcional 80
$F$28 Límite Mínimo Hierro Prov. 4 60 $F$28>=$M$46 Opcional 55
$G$28 Límite Mínimo Hierro Prov. 5 5 $G$28>=$N$46 Obligatorio 0
$C$27 Límite Máximo Carbono Prov. 1 70 $C$27<=$J$39 Obligatorio 0
$D$27 Límite Máximo Carbono Prov. 2 5 $D$27<=$K$39 Opcional 55
$E$27 Límite Máximo Carbono Prov. 3 30 $E$27<=$L$39 Obligatorio 0
$F$27 Límite Máximo Carbono Prov. 4 5 $F$27<=$M$39 Opcional 25
$G$27 Límite Máximo Carbono Prov. 5 5 $G$27<=$N$39 Opcional 45
$C$28 Límite Máximo Hierro Prov. 1 80 $C$28<=$J$40 Obligatorio 0
$D$28 Límite Máximo Hierro Prov. 2 5 $D$28<=$K$40 Opcional 25
$E$28 Límite Máximo Hierro Prov. 3 85 $E$28<=$L$40 Opcional 5
$F$28 Límite Máximo Hierro Prov. 4 60 $F$28<=$M$40 Obligatorio 0
$G$28 Límite Máximo Hierro Prov. 5 5 $G$28<=$N$40 Opcional 35
2 5
Celdas cambiantes
Valor Gradiente
Celda Nombre Igual reducido
$C$27 Carbono Prov. 1 70 15
$D$27 Carbono Prov. 2 5 -2
$E$27 Carbono Prov. 3 30 16
$F$27 Carbono Prov. 4 5 -2
$G$27 Carbono Prov. 5 5 -15
$C$28 Hierro Prov. 1 80 20
$D$28 Hierro Prov. 2 5 -6
$E$28 Hierro Prov. 3 85 0
$F$28 Hierro Prov. 4 60 7
$G$28 Hierro Prov. 5 5 -14
3 6
Restricciones
Valor Multiplicador
Celda Nombre Igual de Lagrange
$C$50 Espacio Disponible 350 20
$C$32 Coste Medio 10,23142857 0
Gradiente Reducido
Función Función
MAX MIN
Objetivo Objetivo
Valor de la Gradiente Valor de la Gradiente
Variable Reducido Variable Reducido
Límite Límite
Negativo Positivo
Inferior Inferior
Límite Límite
Positivo Negativo
Superior Superior
Valor Valor
Nulo Nulo
Intermedio Intermedio
Tabla III.5: Signos Gradiente Reducido
De esta forma tenemos que:
Por esa razón, el gradiente reducido toma un valor de 15. Sí ese límite
superior aumentara en una Tm, es decir, podríamos comprar una Tm de
Carbono, la calidad total aumentaría en 15.
Multiplicador de Lagrange
Función Función
MAX MIN
Objetivo Objetivo
Multiplica Multiplica
Signo de la Valor de la
dor de dor de
Restricción Variable
Lagrange Lagrange
Positivo Negativo
Negativo Positivo
Positivo o Positivo o
= =
Negativo Negativo
Tabla III.6: Signos Multiplicador Lagrange
De esta forma tenemos que:
Así, para cada variable indica entre que valores puede situarse su valor
dentro de los cuales se cumplen las restricciones. Muestra, como se ve en la
Salida III una lista con la celda objetivo y las celdas ajustables con sus valores
correspondientes así como los límites inferior (columnai) y superior
(columnaj) posibles para cada variable. No se genera este informe para los
modelos que tengan restricciones enteras. Es importante resaltar que el valor en
la función objetivo no representa ningún valor óptimo.
Celda objetivo
Celda Nombre Igual
$C$62 Calidad Total 10355 7 8
2
Celdas cambiantes Límite Celda Límite Celda
Celda Nombre Igual inferior objetivo superior objetivo
$C$27 Carbono Prov. 1 70 5 8080 70 10355
$D$27 Carbono Prov. 2 5 5 10355 5 10355
$E$27 Carbono Prov. 3 30 5 9455 30 10355
$F$27 Carbono Prov. 4 5 5 10355 5 10355
$G$27 Carbono Prov. 5 5 5 10355 5 10355
$C$28 Hierro Prov. 1 80 5 7355 80 10355
$D$28 Hierro Prov. 2 5 5 10355 5 10355
$E$28 Hierro Prov. 3 85 5 8755 85 10355
$F$28 Hierro Prov. 4 60 5 8870 60 10355
$G$28 Hierro Prov. 5 5 5 10355 5 10355
Celdas cambiantes
Celda Nombre Valor original Valor final 2
$C$33 Carbono Prov. 1 1 70
$D$33 Carbono Prov. 2 1 5
$E$33 Carbono Prov. 3 1 30
$F$33 Carbono Prov. 4 1 5
$G$33 Carbono Prov. 5 1 5
$C$34 Hierro Prov. 1 1 80
$D$34 Hierro Prov. 2 1 5
$E$34 Hierro Prov. 3 1 85
$F$34 Hierro Prov. 4 1 60 4
$G$34 Hierro Prov. 5 1 5
3
Restricciones
Celda Nombre Valor de la celda fórmula Estado Divergencia
$C$43 Límite Máximo Carbono Prov. 1 70 $C$43<=$J$43 Obligatorio 0
$D$43 Límite Máximo Carbono Prov. 2 5 $D$43<=$K$43 Opcional 55
$E$43 Límite Máximo Carbono Prov. 3 30 $E$43<=$L$43 Obligatorio 0
$F$43 Límite Máximo Carbono Prov. 4 5 $F$43<=$M$43 Opcional 25
$G$43 Límite Máximo Carbono Prov. 5 5 $G$43<=$N$43 Opcional 45
$C$44 Límite Máximo Hierro Prov. 1 80 $C$44<=$J$44 Obligatorio 0
$D$44 Límite Máximo Hierro Prov. 2 5 $D$44<=$K$44 Opcional 25
$E$44 Límite Máximo Hierro Prov. 3 85 $E$44<=$L$44 Opcional 4,999999999
$F$44 Límite Máximo Hierro Prov. 4 60 $F$44<=$M$44 Obligatorio 0
$G$44 Límite Máximo Hierro Prov. 5 5 $G$44<=$N$44 Opcional 35
$C$49 Límite Mínimo Carbono Prov. 1 70 $C$49>=$J$49 Opcional 65
$D$49 Límite Mínimo Carbono Prov. 2 5 $D$49>=$K$49 Obligatorio 0
$E$49 Límite Mínimo Carbono Prov. 3 30 $E$49>=$L$49 Opcional 25
$F$49 Límite Mínimo Carbono Prov. 4 5 $F$49>=$M$49 Obligatorio 0
$G$49 Límite Mínimo Carbono Prov. 5 5 $G$49>=$N$49 Obligatorio 0
$C$50 Límite Mínimo Hierro Prov. 1 80 $C$50>=$J$50 Opcional 75
$D$50 Límite Mínimo Hierro Prov. 2 5 $D$50>=$K$50 Obligatorio 0
$E$50 Límite Mínimo Hierro Prov. 3 85 $E$50>=$L$50 Opcional 80
$F$50 Límite Mínimo Hierro Prov. 4 60 $F$50>=$M$50 Opcional 55
$G$50 Límite Mínimo Hierro Prov. 5 5 $G$50>=$N$50 Obligatorio 0
$C$38 Coste Medio -269 $C$38<=$E$38 Opcional 269
$C$55 Espacio Disponible 350 $C$55<=$E$55 Obligatorio 0
1
Celda objetivo
Celda Nombre Igual
$C$67 Calidad Total 10355
7 8
2
2 5 9
Celdas cambiantes
Valor Gradiente Coeficiente Aumento Descenso
Celda Nombre Igual reducido objetivo permisible permisible
$C$33 Carbono Prov. 1 70 0 35 1E+30 15
$D$33 Carbono Prov. 2 5 0 18 2 1E+30
$E$33 Carbono Prov. 3 30 0 36 1E+30 16
$F$33 Carbono Prov. 4 5 0 18 2 1E+30
$G$33 Carbono Prov. 5 5 0 5 15 1E+30
$C$34 Hierro Prov. 1 80 0 40 1E+30 20
$D$34 Hierro Prov. 2 5 0 14 6 1E+30
$E$34 Hierro Prov. 3 85 0 20 7 2
$F$34 Hierro Prov. 4 60 0 27 1E+30 7
$G$34 Hierro Prov. 5 5 0 6 14 1E+30
3 6 10
Restricciones
Valor Sombra Restricción Aumento Descenso
Celda Nombre Igual precio lado derecho permisible permisible
$C$43 Límite Máximo Carbono Prov. 1 70 15 70 80 5
$D$43 Límite Máximo Carbono Prov. 2 5 0 60 1E+30 55
$E$43 Límite Máximo Carbono Prov. 3 30 16 30 80 5
$F$43 Límite Máximo Carbono Prov. 4 5 0 30 1E+30 25
$G$43 Límite Máximo Carbono Prov. 5 5 0 50 1E+30 45
$C$44 Límite Máximo Hierro Prov. 1 80 20 80 80 5
$D$44 Límite Máximo Hierro Prov. 2 5 0 30 1E+30 25
$E$44 Límite Máximo Hierro Prov. 3 85 0 90 1E+30 5
$F$44 Límite Máximo Hierro Prov. 4 60 7 60 80 4,999999999
$G$44 Límite Máximo Hierro Prov. 5 5 0 40 1E+30 35
$C$49 Límite Mínimo Carbono Prov. 1 70 0 5 65 1E+30
$D$49 Límite Mínimo Carbono Prov. 2 5 -2 5 55 5
$E$49 Límite Mínimo Carbono Prov. 3 30 0 5 25 1E+30
$F$49 Límite Mínimo Carbono Prov. 4 5 -2 5 25 5
$G$49 Límite Mínimo Carbono Prov. 5 5 -15 5 45 5
$C$50 Límite Mínimo Hierro Prov. 1 80 0 5 75 1E+30
$D$50 Límite Mínimo Hierro Prov. 2 5 -6 5 25 5
$E$50 Límite Mínimo Hierro Prov. 3 85 0 5 80 1E+30
$F$50 Límite Mínimo Hierro Prov. 4 60 0 5 55 1E+30
$G$50 Límite Mínimo Hierro Prov. 5 5 -14 5 35 5
$C$38 Coste Medio -269 0 0 1E+30 269
$C$55 Espacio Disponible 350 20 350 5 80
Como hemos dicho antes, este “20” se corresponde con el valor que
para la restricción de espacio aparece en la columna de precio sombra que se
corresponde con el valor de Multiplicador de Lagrange del informe de modelo
no lineal.
Proveedores
Tm Suministrada nº1 nº2 nº3 nº4 nº5
Carbono 70 0 30 20 0
Hierro 80 0 90 60 0
xC1 xC1
24 = CC1 24 - CC1 = 0
Nuevas
Vari ables
Restricciones de
Vari ables Enteras
Restricciones
Nuevas de
Cami ones
Proveedores
Tm Suministrada nº1 nº2 nº3 nº4 nº5
Carbono 48 48 24 24 0
Hierro 72 0 72 48 0
x Carbono o Hierro
GCP1 + GHP1 1
donde LC1 son los límites de suministros de cada proveedor. Estas dos
inecuaciones obligan a que la variable bivalente tome valor para que podamos
comprar a ese proveedor.
ANEXO III: UN MANUAL DE SOLVER 249
2 5
Max Calidad = ¦ ¦ nij wij xij
i=1 j=1
2 5
¦ ¦ (pij –11) xij d 0
i=1 j=1
GCj + GHj 1 j
2 5
x Capacidad de nuestro almacén ¦ ¦ xij d 350 Tm
i=1 j=1
Todas las variables positivas y continuas salvo la variable “Gij” que son
bivalentes.
Proveedores
Tm Suministrada nº1 nº2 nº3 nº4 nº5
Carbono 0 60 0 0 50
Hierro 90 0 90 60 0
Warehouse 1 6 2 6 7 30
Warehouse 2 4 9 5 3 25
Warehouse 3 8 8 1 5 21
Demand 15 17 22 12
ANEXO III: UN MANUAL DE SOLVER 251
PROGRAMA LINGO
1) 161.0000
Restrictions
Capacity Demand
Warehouse 1 20 30 <= Customer 1 15 15 =>=
Warehouse 2 25 25 =<= Customer 2 17 17 =>=
Warehouse 3 21 21 =<= Customer 3 22 22 =>=
Customer 4 12 12 =>=
Función Objetivo
Costes 161
ANEXO III: UN MANUAL DE SOLVER 257
10. Salida del Programa What’s Best
What'sBest! Solution Report
OBJECTIVE CELL:
CELL INITIAL
ADDRESS VALUE VALUE TYPE
------------------------------------------
Hoja1!C25 161 0 MIN
ADJUSTABLE CELLS:
CONSTRAINT CELLS:
Una imprenta imprime diversos artículos, entre los que destacan las
invitaciones de boda, menús de restaurantes, recordatorios y tarjetas de
presentación. A esta imprenta, que forma parte de una cadena de 30 imprentas
en toda la zona Norte de España, ha acudido un licenciado en Empresariales,
que tras un periodo vacacional, ha llegado a su nuevo puesto con grandes
ánimos. Aunque al principio se encarga de corregir las pruebas y otras tareas
“administrativas” está decidido a demostrar cuanto antes su valía por lo que ha
preparado un programa para planificar las ventas y producción para el mes de
Mayo, un mes donde el trabajo se acumula notablemente.
x2 (recordatorios) 0,3 €
x3 (menús) 0,2 €
x1 0 x2 0 x3 0 x4 0
Preguntas a considerar.
Margen por
Producto
Caja de 25 Unidades
x1 (invitaciones de boda) 24 €
x2 (recordatorios) 9€
x3 (menús) 5€
x4 (tarjetas personales) 18 €
260 LA OPTIMIZACIÓN LINEAL: UN INSTRUMENTO DE GESTIÓN
¿Recomendaría usted esta medida?
Tiempo de Preparación
Intervalos
(minutos)