2.

1 El planteamiento del problema de programación lineal

Las empresas tienen como meta obtener la mayor rentabilidad en sus actividades;
para ello debe aprovechar al máximo sus recursos disponibles, tales como talento
humano, insumos, equipos, planta, dinero, entre otros. La programación lineal se
presenta como una herramienta muy útil, para ayudar a encontrar la mejor solución
en las empresas para lograr esta meta. En este post aprenderás cómo plantear un
problema de programación lineal.

La programación lineal hace referencia a varias técnicas de modelamiento

matemático; para asignar, en forma óptima, los recursos limitados a distintas
demandas que compiten por ellos.

Como identificar un problema de programación lineal:

Para que un determinado problema se plantee mediante programación lineal debe

cumplir las siguientes condiciones:

 Tener restricciones o recursos limitados. Por ejemplo: cantidad limitada de

trabajadores, número máximo de clientes que se puede atender o límite de
capacidad de un proceso.
 Buscar un objetivo explícito como maximizar los ingresos o minimizar los
costos.
 Linealidad, es decir, debe tener proporcionalidad. Las ecuaciones que
generan las variables de decisión son lineales.
 Homogeneidad (las características de las variables de decisión y de los
recursos son iguales). Por ejemplo: todas las horas que trabaja una persona
son igual de productivas o los productos fabricados en una máquina son
idénticos.
 Divisibilidad, es decir que los productos y recursos se pueden presentar en
fracciones.
 No negatividad, quiere decir que las variables de decisión deben ser positivas
o cero; es decir no se puede fabricar una cantidad negativa de productos.
Cómo plantear un problema de programación lineal:

Un problema de programación lineal representa un proceso de optimización en el

cuál encontraremos lo siguiente:

Variables de decisión:

Son las variables que están bajo el control de la persona que toma las decisiones.
Sus valores óptimos se determinarán al resolver el problema.

Por ejemplo:

Función objetivo:

Expresa matemáticamente el objetivo que se pretende alcanzar en la solución del

problema; ya sea minimizar o maximizar. Por ejemplo: maximizar las utilidades de
la empresa o minimizar los costos de producción.

Se representa de la siguiente forma:

Donde:
X1, X2, X3, …, Xn = Variables de decisión
C1, C2, C3, …, Cn = Constantes

Restricciones:

Son las limitaciones que restringen las opciones permisibles para las variables de
decisión.

Cada restricción se expresa matemáticamente con cualquiera de estos signos:

 Menor que o igual a (≤). Cuando existe un límite superior, por ejemplo: las
horas extras de trabajo no pueden ser mayor a 2 horas diarias
  Igual a (=). Indica una relación obligatoria, por ejemplo: el inventario final es
igual al inventario inicial más la producción menos las ventas.
 Mayor que o igual a (≥). Cuando existe un límite inferior, por ejemplo: la
producción de cierto producto debe ser superior a la demanda pronosticada.

Cualquier problema de programación lineal debe presentar una o varias

restricciones. Se debe considerar dentro de las restricciones la no negatividad de
las variables de decisión.

Se representan de la siguiente forma:

Donde:
X1, X2, X3, …, Xn = Variables de decisión
Amn y Bm = Constantes

Ejemplo:

Ahora mostraremos un caso donde se realizará el planteamiento del problema de

programación lineal:

El chef principal (encargado de la parrilla) de “Tacoste”, está tratando de decidir cuál

es la mejor manera de asignar las materias primas disponibles a los cuatro platillos
especiales del viernes por la noche. La decisión se debe tomar temprano por la
tarde porque tres de los platillos se deben
empezar a preparar ya (albóndigas, tacos y
picadillo).

La tabla que está en seguida contiene la

información sobre los alimentos en inventario y
las cantidades requeridas por cada platillo.

o hay otros hechos importantes para la decisión del chef. A continuación, se

presenta la demanda de mercado estimada y el precio de venta.

El chef quiere maximizar el ingreso porque ya ha comprado todos los materiales,

los cuales están en el congelador.

Planteamiento:

Definimos las variables de decisión:

 H = Número de Hamburguesas con queso a preparar el viernes

 A = Número de Albóndigas a preparar el viernes
 T = Número de Tacos a preparar el viernes
 P = Número de porciones de picadillo a preparar el viernes
El objetivo del chef es maximizar los ingresos, los cuales calcularemos multiplicando
el precio de venta unitario con las unidades correspondientes a cada platillo
(variables de decisión) y sumándolos entre sí:

Ahora plantearemos las restricciones:

Respecto a los Insumos:

Cada platillo utiliza cierta cantidad de insumos. En la tabla nos muestran las
cantidades disponibles de cada uno de ellos; por lo tanto, la preparación de los
platillos está limitada por la cantidad de insumos disponibles.

Multiplicando la cantidad necesaria de insumo para producir un platillo por las

unidades correspondientes a cada platillo (variables de decisión) y sumándolas
entre sí; obtenemos la fórmula del consumo total de cada uno de los insumos. Este
resultado debe ser menor o igual a la cantidad disponible.

Respecto a la Demanda:

Esta restricción hace referencia que la empresa no debe preparar una cantidad de
platillos mayor a la que puede vender según lo indica la demanda esperada.
  H = 20
 A = 60
 T = 65
 P = 55

El ingreso máximo aparece en la celda correspondiente por un valor de 416.25

dólares.

Usos de la Programación Lineal

Entre los usos de la programación lineal tenemos:

Planificación Agregada de Ventas y Operaciones:

Se busca minimizar los costos de producción en un corto plazo (tres y seis meses)
que logre satisfacer la demanda esperada. Las limitantes que se presentan son: la
capacidad de producción esperada, el tamaño de la fuerza de trabajo y los niveles
de inventario. Los costos asociados en este tipo de problema son los salarios
normales y de tiempo extra, contrataciones y despidos, subcontratación y costo de
manejo de inventarios.

Planificación de productos:

Trata de encontrar la mezcla óptima de productos, considerando que los productos

requieren diferentes recursos y tienen distintos costos. Como ejemplo podemos
encontrar la mezcla óptima de elementos químicos para gasolina, pinturas, dietas
para el ser humano y alimento para animales.

Flujo de producción:

Determinamos el flujo óptimo para fabricar un producto que debe pasar en

secuencia por varias estaciones de trabajo, donde estación tiene sus costos y
características de producción.

Programación de transporte:

Sirve para programar múltiples recorridos de cierta cantidad de vehículos para

atender a los clientes o llevar los materiales que se transportarán entre diferentes
plazas. Cada vehículo puede tener diferente capacidad de carga y de desempeño.

Manejo de inventarios:

Encontrar la combinación óptima de productos que se tendrán en inventario dentro

de una red de almacenes.

Programación de personal:

Cuando se requiere elaborar un plan de personal que permita atender la demanda

variable esperada con el menor número posible de empleados.

Control de desperdicios:
Cuando se requiere cortar algunos materiales como el acero, cuero, tela o alguna
lámina de material; mediante programación lineal se puede calcular cómo reducir el
desperdicio al mínimo.

Estos son algunos de los usos más comunes donde se utiliza la programación lineal.
En general, cualquier problema de optimización que cumpla las condiciones
mencionadas puede ser resuelto con programación lineal.
2.2 El modelo primal y el dual.

Asociado a cada problema lineal existe otro problema de programación lineal

denominado problema dual (PD), que posee importantes propiedades y relaciones
notables con respecto al problema lineal original, problema que para diferencia del
dual se denomina entonces como problema primal (PP).

Las relaciones las podemos enumerar como siguen:

a) El problema dual tiene tantas variables como restricciones tiene el programa

primal.
b) El problema dual tiene tantas restricciones como variables tiene el programa
primal
c) Los coeficientes de la función objetivo del problema dual son los términos
independientes de las restricciones o RHS del programa primal.
d) Los términos independientes de las restricciones o RHS del dual son los
coeficientes de la función objetivo del problema primal.
e) La matriz de coeficientes técnicos del problema dual es la traspuesta de la
matriz técnica del problema primal.
f) El sentido de las desigualdades de las restricciones del problema dual y el
signo de las variables del mismo problema, dependen de la forma de que
tenga el signo de las variables del problema primal y del sentido de las
restricciones del mismo problema. ( Ver tabla de TUCKER)
g) Si el programa primal es un problema de maximización, el programa dual es
un problema de minimización.
h) El problema dual de un problema dual es el programa primal original
Los problemas duales simétricos son los que se obtienen de un problema primal en
forma canónica y ‘normalizada’, es decir, cuando llevan asociadas desigualdades
de la forma mayor o igual en los problemas de minimización, y desigualdades menor
o igual para los problemas de maximización. Es decir, si el problema original es de
la siguiente forma:

 Máx Z(x) = ct x
 s.a:
 Ax≤b
 x≥0

El problema dual ( dual simétrico ) es :

 Mín G(λ) = λ b
 s.a:
 λA≥c
 λ≥0

Los restantes tipos de combinaciones de problemas, se conocen con el nombre de

duales asimétricos. Como por ejemplo:

 Máx Z(x) = ct x
 s.a:
 Ax=b
  x≥0

El problema dual ( dual asimétrico ) es :

 Mín G(λ) = λ b
 s.a:
 λA≥c
 λ >< 0, es decir, variables libres.

PREGUNTAS:

¿Por qué se plantea el programa dual?

Por una parte permite resolver problemas lineales donde el número de restricciones
es mayor que el número de variables.

¿Qué significado tiene su solución?

La dualidad permite realizar importantes interpretaciones económicas de los

problemas de programación lineal.

¿La solución del dual se puede obtener desde el primal?

La dualidad permite generar métodos como el método dual del simplex de gran
importancia en el análisis de postoptimización y en la programación lineal
paramétrica.

https://www.plandemejora.com/como-plantear-un-problema-de-programacion-
lineal/