1

RÚBRICA Satisfactorio En proceso Por mejorar

Item Desarrolla Hay falencias de No presenta o no se
adecuadamente el acuerdo a las pautas ajusta en lo absoluto a
Capítulo siguiendo las dadas las pautas
pautas

Cap 3 Resultados 4 2 0

Cap 4 Discusión 4 2 0
2
 3

Optimización de recursos de construcción para la empresa “Carvas

Ingenieros S.R.L.”

Pablo Chávez Leal1, Francis Vasquez2, German Solano3, Verónica Rodriguez4, Richard
Correa Spelucin5, Hugo Bacon6
Estudiantes de la carrera de Ingeniería Industrial de la Universidad Privada del Norte –
1-6

Cajamarca Perú.

Resumen
La programación lineal es un modelo matemático para describir un problema y obtener una
solución óptima empleando mejor los recursos limitados. Se empieza por definir las
variables, luego se determina la función objetivo que se desea maximizar o minimizar, y
finalmente nos hace conocer las restricciones. El presente trabajo aporta un sistema de
planteamiento y control de costos por procesos para los proyectos en el sector construcción,
en la reducción o minimización de costos de la empresa, el objetivo principal como
empresa mediante la evaluación de las mejores propuestas presentadas por parte de los
proveedores sobre los distintos materiales para la construcción y diseño de los diferentes
proyectos, es minimizar costos, para ello se analizó toda la documentación existente en las
diferentes obras de la empresa y se hizo uso o aplicación de la programación lineal con la
cual podemos conocer que medios o combinación nos ayudan a mejorar o reducir los costos
en este sector. Commented [1]: Resultado y conclusión

Abstract
Linear programming is a mathematical model to describe a problem and obtain an optimal
solution using limited resources better. The variables begin to be defined, then the objective
function that is desired to be maximized or minimized is determined, and finally it makes
us know the restrictions. The present work provides a system of approach and control of
costs by processes for the projects in the construction sector, in the reduction or
minimization of costs of the company, the main objective as a company by evaluating the
best proposals included by the suppliers on the different materials for the construction and
design of the different projects, are minimal costs, for this we analyzed all the existing
documentation in the different works of the company and made use or application of the
linear programming with which we can know that means or combination help us improve
or reduce costs in this sector.
Palabras clave: Optimización, minimizar, programación lineal.
Keywords: Optimization, minimize, linear programming.
 4

I. Introducción.
La programación lineal es un método matemático de resolución de problemas donde el
objetivo es optimizar (maximizar o minimizar) un resultado a partir de seleccionar los
valores de un conjunto de variables de decisión, respetando las restricciones
correspondientes a la disponibilidad de recursos, especificaciones y especificaciones
técnica. GM Díaz Muñoz – (2005)
Programación lineal son métodos cuantitativos para los negocios. Es una herramienta que
se ha aplicado en diferentes áreas empresariales como: la producción, la manufactura, el
transporte, la construcción, las telecomunicaciones, la planeación financiera, el cuidado de
la salud, la milicia y los servicios públicos, donde podemos destacar estos elementos
importantes. (Anderson D. S., 2009)
Los problemas de optimización se presentan en múltiples disciplinas, teniendo en común
una meta por alcanzar, sujeta a restricciones que influyen de manera directa limitando las
posibles soluciones al problema de maximizar o minimizar el objetivo propuesto. Por
ejemplo; en administración, un objetivo muy común es el de maximizar las ganancias,
tomando en cuenta los límites impuestos por los tiempos de operación, costos de
producción, capital disponible para la inversión, entre otros factores; a nivel industrial, los
gastos de operación se encuentran sujetos a la eficiencia de la maquinaria, a los productos
manufacturados o la llegada de materia prima. (Gaffney, 1 de febrero de 2018 )
En estos casos la programación lineal es factible de utilizarse en negocios, para optimizar
costos o beneficios en problemas de diseño de dietas, presupuestos de capital, planificar
fabricación o establecer turnos, conservación de recursos, problemas de transporte y
muchos más (Carro, 2014).

El desarrollo de la programación lineal, es considerado por mucha gente como uno de los
avances científicos más importantes de la segunda mitad del siglo XX. De hecho, una
proporción importante de todo el cálculo científico que se lleva a cabo por computadoras se
dedica al uso de la programación lineal y a técnicas íntimamente relacionadas, estimándose
en un 25%, de acuerdo a un estudio de la IBM (Marrero et al, 2006).
El presente estudio se dirige a las empresas del rubro de la construcción civil, estas
empresas son conocidas como constructoras, las cuales brindan cubrir la necesidad del
hombre en cuanto a vivienda, En la actualidad existen diversos tipos de empresas
constructoras que pueden ser tomadas de referencia para el consumo óptimo de sus recursos
para así poder aumentar el margen de ganancia para la empresa.
 5

Presentamos a la constructora CARVAS S.R.L que tiene como misión llevar a cabo las
obras civiles realizadas en diferentes puntos de la ciudad de Cajamarca, es una empresa con
una amplia trayectoria en el rubro de las construcciones civil en la cual se busca aplicar el
modelo de programación lineal entera para la optimización del uso de recursos consumibles
utilizando diferentes tipos de materiales que no afecten la calidad de la obra y que
mantenga los mismos estándares de calidad. Otro de los puntos que se quiere conocer es
cuan conveniente es contratar mano de obra calificada frente a una mano de obra menos
calificada con costos menores en trabajos que así lo requieran, mediante modelación
matemática de programación lineal que nos permita generar conclusiones que beneficien a
la empresa aumentando su margen de ganancias.

II. Material y métodos:

Los materiales que se usaron son: un ordenador HP con un procesador Intel core i7 a 2.80
GHz y con 6 Gb de RAM, cuadernos/block para dibujos, reglas, regletas, marcadores,
lápices, borradores, triángulos, escuadras y compases y otros materiales para hacer
maquetas, además se utilizó el software LINDO y el AutoCAD para el diseño de planos.
Para alcanzar los objetivos mencionados se tuvo acceso a los datos proporcionados por la
empresa, para lo cual se realizaron las siguientes acciones:

Se ha realizado un trabajo de investigación con fuentes relacionadas a la programación

lineal y las aplicaciones, a partir de las cuales se han identificado las variables de estudio,
dentro de las cuales de los datos se analizó el cual se busca maximizar o minimizar la
función objetivo, ya que la empresa busca mejorar u optimizar costos en cada obra o
proyecto que ha realizado, además de ello se determinó las restricciones. Por tanto de toda
esta información se construyó el modelo de programación lineal que se muestra a
continuación.

Representación matemática:

a) Variables: Las variables representan valores reales mayores o iguales a cero.

 6

b) Función objetivo: Conjunto de variables mayores o iguales a cero que nos

proporcionan una ecuación la cual dará una solución lineal.

MIN Z= C1X1+C2X2+…+CnXn

c) Restricciones: Las restricciones pueden ser de la forma: Commented [2]: Rescataría esto pero mejorando la
redacción y presentación, el modelamiento tiene 4
fases

Figura N° 2 Restricciones de Programación Lineal

Fuente: Alvares (2011). Programación Lineal.
Para solucionar este problema es necesario el planteamiento de un modelo de Programación
lineal

Este proceso de formulación del modelo de un problema es muy importante para

determinar las soluciones a los costos de minimización de la empresa.
El primer paso consiste en determinar las variables de decisión. Este paso es de vital
importancia pues una elección inadecuada de las variables hará imposible la resolución del
problema. Por lo general, estas variables representan los bienes que consumirá o producirá
la empresa. En nuestro problema, los ingresos que tenga la empresa dependerán del tipo de
casas que construya. Por esto las variables de decisión son:

x1: número de viviendas tipo I por construir

x2: número de viviendas tipo II por construir
El siguiente paso es identificar las restricciones, que limitan las decisiones admisibles que
se pueden tomar. Las restricciones pueden tomar la forma de igualdades, en caso de que se
desee alcanzar un valor específico, o de desigualdades, cuando dicho valor deba ser
excedido o no, según el caso. En nuestro problema tenemos una restricción por el uso del
terreno y tres por la de- manda del mercado:
 7

III. Resultados:

La empresa Carvas iniciara un proyecto de urbanización en un terreno donde se pueden

aprovechar como máximo 4 hectáreas para realizar los trabajos de construcción. En él
se construirán tres tipos distintos de casas: las viviendas tipo I que ocupan superficie
de 200m2 y tendrán ganancia de 4000 $, las viviendas tipo II que ocupan un área de
250m2 con ganancias de $5000 y por ultimo las de tipo 3 que ocupan un área de
270m2 y genera 5500 $ de utilidades . Los estudios de mercado indican que la
demanda de viviendas de tipo I es de 100 unidades como máximo, mientras que para
los tipos II corresponde a 120 unidades y los de tipo 3 a 100 unidades , Se desea
determinar la combinación óptima de viviendas para lograr un máximo ingreso para la
empresa. El tiempo de trabajo para este proyecto es de 1 año, el costo de terreno es de
un dólar por metro cuadrado (precio de terreno en zona rural).
Otros de los requerimientos del cliente es que exista por lo menos una de los siguientes
combinaciones: Tipo 1 - 2, tipo 2-3 y tipo 1-3
Previo al desarrollo del caso se consideró necesario convertir las unidades de área
(hectáreas a m2) para luego obtener la conversión a unidades monetarias en el tiempo
que dura el proyecto usando los datos del problema:
4 hectáreas/año * 10 000 m2/hectárea * 1$/m2 = 40 000 $/año
Para el desarrollo efectivo de este caso se organizó los datos en la siguiente tabla:

Tabla 01 Commented [3]: apa

Vivienda Tipo 1 Tipo 2 Tipo3 máximo recurso

Guanacia $ 4000 5000 5500
Recursos por Terreno 270
200 250 40 000
$
Demanda máxima 100 120 170 Commented [4]: aclarar mas detalles

Luego de haber organizado la tabla se pasó a definir las variables que para este caso
fueron:
 8

Número de viviendas a construir del tipo 1 al año: X1 (unidades/año)

Número de viviendas a construir del tipo 2 al año: X2 (unidades/año)
Número de viviendas a construir del tipo 3 al año: X3 (unidades/año)

Posteriormente se realizó el planteamiento de las restricciones que nos da el caso y

fueron clasificadas de la siguiente manera:
Restricción de espacio:
(200 (m2/unida) * X1 (unidad /año) + 250 (m2/unidad) * X2 (unidad/año) + 270
(m2/unidad) * X3 (unidad/año) ) * ($/m2) >= 40 000 $/año
Restricción de unidades a construir:
X1 <= 100 unidades/año
X2 <= 120 unidades /año
X3 <= 170 unidades /año
X1+X2 >= 1 unidades /año
X2+X3 >= 1 unidades /año
X3+X1 >= 1 unidades /año

Basados en las restricciones que se plantearon anteriormente se realizó la definición de

la función objetivo del trabajo de investigación planteada a continuación:
Fo = Zmin = 4000x1 + 5000x2 + 5500x3 - 200x1 - 250x2 - 270x3 ($/año)
Luego de haber hallado las restricciones y la función objetivo se formuló el modelo
matemático del caso presentado a continuación:
F.O. min Z = (4000x1 + 5000x2 + 5500x3 – 40000) ($/año)
ST
resp) 200 * X1 + 250 * X2 + 270 * X2 <= 40 000 $/año
runid) X1 <= 100 viviendas/año
runid1) X2 <= 120 viviendas /año
runid2) X3 <= 170 viviendas/año
runid3) x1+x2 >= 1
 9

runid4) x2+x3 >= 1

runid5) x1+x3 >=
runid6) x1 >= 2
runid7) x2 >= 2
runid8) x3 >= 2 Commented [5]: enriquecer

rnn) X1;X2 >= 0

Luego de haber finalizado el modelo matemático se planteó la programación para el

software LINDO, para así poder analizar los resultados que necesitamos para este
trabajo de investigación.
Programación para software Lindo:
max Z) 4000x1 + 5000x2 + 5500x3 - 200x1 - 250x2 - 270x3
ST
resp) 200x1 + 250x2 + 270x3 <= 40000
runid) x1 <= 100
runid1) x2 <= 120
runid2) x3 <= 170
runid3) x1+x2 >= 1
runid4) x2+x3 >= 1
runid5) x1+x3 >= 1
runid6) x1 >= 2
runid7) x2 >= 2
runid8) x3 >= 2
end
Luego de haber realizado la programación se realizó el análisis de resultados mostrado
a continuación:

● Z) 774481.5
 10

Este valor nos indica que es la máxima ganancia que se puede obtener respetando las
restricciones planteadas

VARIABLE VALUE REDUCED COST

X1 2.000000 0.000000
X2 2.000000 0.000000
X3 144.814819 0.000000

xxx Commented [6]: por partes y explicando los

resultados que se van obteniendo y algún análisis de
ROW SLACK OR SURPLUS DUAL PRICES sensibilidad

RESP) 0.000000 19.370371

RUNID) 98.000000 0.000000
RUNID1) 118.000000 0.000000
RUNID2) 25.185184 0.000000
RUNID3) 3.000000 0.000000
RUNID4) 145.814819 0.000000
RUNID5) 145.814819 0.000000
RUNID6) 0.000000 -74.074074
RUNID7) 0.000000 -92.592590
RUNID8) 142.814819 0.000000
NO. ITERATIONS= 4

RANGES IN WHICH THE BASIS IS UNCHANGED:

OBJ COEFFICIENT RANGES

VARIABLE CURRENT ALLOWABLE ALLOWABLE
COEF INCREASE DECREASE
 11

X1 3800.000000 74.074074 INFINITY

X2 4750.000000 92.592590 INFINITY
X3 5230.000000 INFINITY 100.000000

RIGHTHAND SIDE RANGES

ROW CURRENT ALLOWABLE ALLOWABLE
RHS INCREASE DECREASE
RESP 40000.000000 6800.000000 38560.000000
RUNID 100.000000 INFINITY 98.000000
RUNID1 120.000000 INFINITY 118.000000
RUNID2 170.000000 INFINITY 25.185184
RUNID3 1.000000 3.000000 INFINITY
RUNID4 1.000000 145.814819 INFINITY
RUNID5 1.000000 145.814819 INFINITY
RUNID6 2.000000 98.000000 2.000000
RUNID7 2.000000 118.000000 2.000000
RUNID8 2.000000 142.814819 INFINITY

270 x1 + 200 x2 ≤ 40,000

Demanda de viviendas tipo I.

270 x1 + 200 x2 ≤ 100

Demanda de viviendas tipo II.

200 x2 ≤ 120
 12

Demanda combinada
x1 + 200 x2 ≤ 170
Finalmente planteamos la función objetivo, en este caso es maximizar el ingreso, en
miles de dólares
max z = 800 x1 + 500 x2

IV. IV Discusión:

La programación lineal es una técnica poderosa para tratar problemas de

asignación de recursos escasos entre actividad, que compiten al igual que otros
problemas cuya formulación matemática es parecida. Se ha convertido en una
herramienta estándar de gran importancia para muchas organizaciones
industriales y de negocios, como menciona (Gaffney, 2018) lo cual hemos
podido ver que se pueden minimizar los costos de construcción de la nuestra
empresa.

Como podemos ver la programación lineal es un método matemático de

resolución de problemas donde el objetivo es optimizar (maximizar o
minimizar) un resultado a partir de seleccionar los valores de un conjunto de
variables de decisión, respetando restricciones correspondientes a disponibilidad
de recursos, especificaciones técnicas, u otras condicionantes que limiten la
libertad de elección. Por lo que la programación lineal se aplica en sector de la
construcción civil actividad principal de la empresa para darnos a conocer
porque tipo de medios podemos optar las cuales sean más rentables o
beneficiosas, dándonos como resultado un costo mínimo posible.
 13

Bibliografía Commented [7]: sangria francesa

(s.f.).

(s.f.).

Alvarado Boirivant, J. (2009). La Programación Lineal Aplicación de las Pequeñas y Medias

Empresas. San José, Costa Rica: Reflexiones.

Anderson, D., Sweeney, D., & Williams , T. (2009). Métodos cuantitativos para los negocios.
México: THOMSON.

Beneke, D; Winterboer, R;. (1984). Programación lineal a la agricultura. España: AEDOS.

Weber, J. (1984). Matemática para administración y economía. México: Editorial Hala.

Bermúdez Colina, Y. (2011). Aplicaciones de programación lineal, entera y mixta. Carabobo,

Venezuela: Ingeniería Industrial. Actualidad y Nuevas Tendencias.

Bruno, T. (2013). Modelos y Optimización I. Buenos Aires, Argentina: Facultad de Ingeniería de la

Universidad de Buenos Aires.

Carro, R. (2014). Investigación de operaciones en administración. Mar del Plata: UNMP.

Castillo, E., Conejo, A., Pedregal, P., García , R., & Alguacil, N. (2002). Formulación y Resolución de
Modelos de Programación Matemática en Ingeniería y Ciencia.

Castillo, Y. (19 de Abril de 2019). Monografías.com. Obtenido de Programación lineal en la

investigación de operaciones: https://www.monografias.com/trabajos102/programacion-
lineal-investigacion-operaciones/programacion-lineal-investigacion-operaciones.shtml

Collier, D., & Evans, J. (2012). Administración de Operaciones. México: Bienes, Servicios cadenas de
valor.
 14

De la Figuera, D. (2002). Métodos cuantitativos para la toma de decisisones. Buenos Aires.

Díaz, M. G. (2007). Programación lineal como herramienta para tomar decisiones financieras.
Dialnet.

Enrick, N. (1965). Management Operations Research. New York.

Escobar Alvarán, D. F., & Garcés Hincapié: Juan Alberto, R. C. (2012). Aplicación de la
programación entera binaria para resolver el problema simple de balanceo de linea de
ensamble: un caso de estudio. Pereira, Colombia: Scientia Et Technica.

Gaffney, C. (1 de febrero de 2018). Usos de un modelo de programación lineal en los negocios.

Obtenido de Cuida tu dinero: https://www.cuidatudinero.com/13180516/usos-de-un-
modelo-de-programacion-lineal-en-los-negocios

Gonzales Jaramillo, V. H. (2018). Modelo de Programación Lineal Aplicado a una Empresa PYME de
calzado. Lima, Perú: Education and Inclusion.

Hillier, E., & Lieberman, G. (2010). Investigación de Operaciones. México: McGraw

Hill/Interamericana.

Hillier, F., Hillier, M., & Lieberman, G. (2002). Métodos Cuantitativos para Administración. México
D.F: McGraw-HILL INTERAMERICANA.

Krajewski, L., & Ritzman, L. (2000). Administración de Operaciones. México: PEARSON EDUCACIÓN.

Niño Lopez, M. L. (2003). Modelamiento a través de la Programación Lineal Entera Mixta del
Problema de Programación de Operaciones en el Taller de TRABAJO. Santander: Facultad
de Ingenierías Fisicomecánicas.

Omar, R., Dolores, L., & Amezcua Pacheco, G. (s.f.).

Ortiz, M., Wong, C., & Torcacio, A. (Vol. 34 (8) 2013). La programación lineal entera. Uso de
criterios cualitativos en la función objetivo. Espacios, 34(8), 11. Recuperado el 12 de 5 de
2019, de https://www.revistaespacios.com/a13v34n08/13340811.html

Ríos, S., Ríos, D., Caballero, A., Jiménez , J., & Jiménez , A. (2012). Problema de Invstigación
Operativa. Madrid: RA-MA.

Rojas Omar, A. P., Gabriel, L. D., & Manuel, S. (2015). Problemario de Investigación de
Operaciones. Guadalajara, México: Escuela de Ciencias Económicas y Empresariales.

Romero Susunaga, J. C. (2016). Aplicación de la herramienta informática Solver en un modelo de

programación binaria. Bogotá D.C.: Universidad Nueva Granada.

Serra de la F, D. (2000). Métodos cuantitativos para la toma de Decisiones. España.

Taha, H. (2007). Investigación de Operación. Arkansas: University of arkansas.

 15

Thierauf, R., & Grosse, R. (1976). Toma desiciones por medio de investigación de operaciones.
México DF: LIMUSA.

Trinidad, L. (2004). Investigación Operativa. Lima: Universidad Garcilazode la Vega.

Wayne L., W. (2005). Investigación de Operaciones. Bogotá, Colombia: Thomson.

Wolfram Mathworld. (19 de Abril de 2019). Wolfram Mathworld. Obtenido de Linear

Programming: http://mathworld.wolfram.com/LinearProgramming.html