MODELOS DE OPTIMIZACION

Matías Arce Rojas

Universidad Tecnológica Metropolitana
Santiago, Chile
marce@utem.cl
planteamiento del problema hasta la
formulación del modelo y la aplicación
de métodos de solución, examinaremos
1. Abstract cómo estos modelos determinísticos y
Operations Research (OR) plays a sus métodos asociados ayudan a abordar
crucial role in business decision-making una variedad de desafíos empresariales y
by providing structured and quantitative financieros. Además, presentaremos
tools to address complex problems. This casos prácticos para ilustrar la aplicación
paper examines the importance of de estos modelos en situaciones reales,
optimization models in decision-making así como métodos de solución
and the key phases of an OR study. comúnmente utilizados y técnicas de
Deterministic models are explored, from análisis post-óptimo.
problem formulation to model
formulation, along with solution 3. Importancia de los modelos
methods such as the Graphical Method, para la Toma de Decisiones
the Simplex Method, and the Big M Es evidente que a lo largo del día
Method. Additionally, practical cases are tomamos innumerables decisiones,
presented to illustrate the application of aunque a menudo lo hacemos de manera
these models in real-world situations, inconsciente. Esto se debe en gran
along with post-optimal analysis medida a la multitud de ideas que
techniques. This work highlights the compiten por nuestra atención
value of optimization models in simultáneamente.
improving operational efficiency and
strategic decision-making in dynamic Cuando trasladamos este fenómeno al
business environments. ámbito empresarial, la complejidad se
2. Introducción incrementa notablemente. Aquí, nos
La toma de decisiones eficaz es crucial enfrentamos a una multiplicidad de
en cualquier ámbito de la gestión procesos que pueden o no llevarse a
empresarial y organizacional. Para cabo, dependiendo de lo que se
enfrentar este desafío, se recurre a la considere más conveniente para la
Investigación de Operaciones (IO), un empresa. Por lo tanto, la toma de
campo interdisciplinario que utiliza decisiones en este contexto requiere un
modelos matemáticos y técnicas enfoque cuidadoso y deliberado, ya que
cuantitativas para abordar problemas las decisiones empresariales pueden
complejos de toma de decisiones. En tener un impacto significativo en el
este contexto, los modelos de rendimiento de la organización.
optimización desempeñan un papel
fundamental al proporcionar La toma de decisiones empresariales es
herramientas estructuradas y sistemáticas un proceso que requiere una atención
para analizar, diseñar y mejorar procesos cuidadosa, ya que todas las decisiones
y sistemas. conllevan consecuencias. Es por ello que
han surgido modelos para la toma de
En este trabajo, exploramos la decisiones, los cuales buscan ofrecer una
importancia de los modelos de visión clara de la situación y
optimización en la toma de decisiones y proporcionar un enfoque estructurado
las diversas fases de un estudio de para mejorar la toma de decisiones.
Investigación de Operaciones. Desde el
1
Aunque se han realizado diversos Construcción del modelo: Una vez que
estudios que respaldan la efectividad de tenemos una comprensión clara del
estos modelos, como uno realizado en problema, pasamos a definirlo en
2014 que concluyó que el uso de un términos de relaciones matemáticas.
modelo predictivo puede reducir los Aquí, nos enfrentamos a una bifurcación
errores en al menos un 20% [1], es en el camino: si el problema se ajusta
importante considerar investigaciones bien a modelos matemáticos estándar,
más recientes para tener una procedemos utilizando estos modelos.
comprensión completa del tema. Sin embargo, si nos encontramos con un
problema de mayor complejidad, es
Entre las limitaciones que presentan, se momento de simplificar. En esta fase,
encuentra la simplificación de la podemos recurrir a modelos heurísticos o
realidad. Estos modelos tienden a reducir incluso simular el problema para
la complejidad de la realidad para que encontrar una solución práctica.
sea más manejable desde un punto de Solución del modelo: Llegados a este
vista matemático. Sin embargo, esta punto, prácticamente hemos resuelto
simplificación puede llevar a nuestro modelo, pero aún necesitamos
conclusiones subóptimas o imprecisas, encontrar valores que satisfagan las
que pueden ser relevantes o no según el restricciones impuestas. Este paso,
caso específico. conocido como análisis de sensibilidad,
nos permite ajustar nuestra solución para
En resumen, la importancia de estos garantizar su viabilidad y eficacia.
modelos radica en su capacidad para Validación del modelo: Una vez obtenida
ayudarnos a comprender los problemas, nuestra solución, es crucial verificar si
reducir la incertidumbre y optimizar la realmente cumple con su propósito
relación coste-beneficio. Sin embargo, es inicial. Esta etapa nos permite confirmar
fundamental reconocer sus limitaciones la eficacia predictiva de nuestro modelo
y utilizarlas con precaución, sabiendo y su capacidad para resolver el problema
que no son una solución perfecta para planteado.
todos los escenarios empresariales. Implementación de la solución:
Finalmente, transformamos nuestro
4. Fases de un estudio de modelo en instrucciones prácticas y
Investigación de Operaciones comprensibles. Esta fase es
Según lo expuesto por Taha en su obra responsabilidad del equipo de IO,
"Investigación de Operaciones" [2], el quienes se encargan de traducir la
proceso de Investigación de Operaciones solución teórica en acciones tangibles y
(IO) se desglosa en cinco etapas aplicables en el contexto real.
fundamentales:
5. Modelos Determinísticos
Definición del problema: Aquí es donde Antes de adentrarnos en el tema, es
empezamos a desentrañar el dilema en importante definir qué entendemos por
cuestión. Comenzamos por delinear las "modelo". Según la Real Academia
distintas opciones de decisión Española (RAE), un modelo es un
disponibles, de forma sucinta. Luego, esquema teórico, generalmente
nos enfocamos en establecer el objetivo expresado en forma matemática, que
general de nuestro estudio. Finalmente, representa un sistema o una realidad
delimitamos los alcances y limitaciones compleja, y que se utiliza para facilitar
de nuestro enfoque. En este punto, la su comprensión y estudio del
colaboración de todo el equipo de IO comportamiento. Esta definición nos
resulta crucial para comprender brinda un marco sólido para comprender
plenamente el panorama y establecer el concepto de modelo en el contexto
bases sólidas. que nos ocupa.
2
 problema, las cuales suelen estar
Asimismo, es relevante explorar el relacionadas con la disponibilidad de
término "determinismo", derivado de recursos.
"determinista", según la RAE. En 2. Mantener cierta proporcionalidad
términos generales, el determinismo se entre la función objetivo y las
refiere a una teoría que postula que todo restricciones, asegurándonos de
acontecimiento o suceso, considerado un que estén alineadas con la
fenómeno natural, está inevitablemente disponibilidad de recursos.
determinado por condiciones naturales 3. Considerar la divisibilidad de las
preexistentes. Esta definición nos ofrece variables, lo que implica la
una comprensión más clara de este posibilidad de asignar valores
concepto clave. fraccionarios a las variables en la
función objetivo.
Ahora bien, en nuestro contexto de 4. Además, es fundamental cumplir
estudio y basándonos en el conocimiento con ciertas propiedades clave
adquirido, podemos entender los durante este proceso:
modelos determinísticos como un - Propiedad de actividad:
conjunto específico de ecuaciones, Significa que la función objetivo
acompañadas de sus respectivas debe mantener su equivalencia
restricciones y condiciones iniciales, tal con la suma de las variables en
como se menciona en la segunda juego, asegurando así la
definición. Estos modelos nos permiten coherencia del modelo.
maximizar o minimizar una función - No negatividad: Las variables
lineal según sea necesario. Este enfoque utilizadas no pueden ser
de resolución nos brinda la capacidad de negativas, ya que esto iría en
evaluar diversas soluciones de manera contra de los objetivos del
iterativa hasta encontrar la óptima para problema.
nuestro propósito.[3] Es importante en este paso aislar las
variables de factores irrelevantes para
5.1. Planteamiento del garantizar la claridad y eficacia del
problema modelo.
En cuanto a los tipos de variables,
Para resolver problemas mediante podemos distinguir entre:
modelos determinísticos, contamos con 1. Variables exógenas: Estas están
diversas opciones, como el Método formadas por las variables
Gráfico, el Método Simplex, el Método controlables por el gestor y las no
del Gran M, entre otros, los cuales controlables, y suelen representar
explicaremos más adelante. Sin las entradas del sistema.
embargo, antes de adentrarnos en estos 2. Variables endógenas: Estas son
métodos, es crucial seguir una serie de formadas por las variables
pasos y considerar algunos aspectos transformadas y se utilizan para
clave: evaluar en qué medida se han
alcanzado las metas establecidas.
Identificar las variables de decisión
necesarias para abordar el problema en 5.2. Pasos para formular el
cuestión. modelo
1. Determinar una función objetivo Para formular correctamente el modelo,
que nos permita maximizar o es crucial plasmarlo en términos
minimizar, dependiendo del tipo matemáticos para dotarlo de estructura y
de problema que enfrentemos. coherencia. A continuación, se detallan
Establecer las distintas los pasos necesarios para llevar a cabo
restricciones presentadas por el este proceso:
3
 1. Definición de variables de continuación, detallamos los elementos
decisión: Es fundamental esenciales de esta formulación:
identificar las variables que nos Variables de decisión:
permitirán abordar el problema Existen dos tipos de variables de
en cuestión. Estas variables decisión:
deben ser debidamente definidas Variables de decisión sin
en términos de sus unidades de referencia: Estas representan una sola
medida o dimensiones. Es común entidad, como una empresa que produce
utilizar una notación que las varios tipos de productos. Se pueden
represente, como x1, x2, hasta representar como Xj para j=1..n, donde
xn. X indica la variable a optimizar y j
2. Establecimiento de la función indica los distintos tipos de productos.
objetivo: Una vez definidas las Variables de decisión con
variables de decisión, es referencia: Estas pueden representar
necesario determinar la función múltiples entidades, como varias
objetivo, la cual guiará la empresas que producen varios productos.
optimización de dichas variables. Se pueden representar como Xij para
Es esencial que las variables i=1..m y j=1..n, donde X indica la
estén integradas de manera variable a optimizar, i representa una
adecuada dentro de la función entidad específica (por ejemplo, un
para garantizar resultados centro de distribución) y j representa el
significativos. tipo de producto.
3. Definición de restricciones: Las Función objetivo:
restricciones del problema están La función objetivo es aquella que
vinculadas a los recursos deseamos optimizar y puede tomar dos
disponibles para satisfacer una formas, dependiendo de si buscamos
determinada demanda. Es maximizar o minimizar:
fundamental incorporar estas Sin referencia:
restricciones al modelo para Max o Min(Z) = C1 X1 + C2 X2
garantizar su viabilidad y utilidad + C3 X3 + ... + Cn Xn
en la práctica. Con referencia:
4. No negatividad: Se debe Max o Min(Z) = C11 X11 + C12
establecer matemáticamente que X12 + C21 X21 + ... + Cmn Xmn
los valores de las variables deben Restricciones:
ser iguales o mayores a cero. Las restricciones del problema están
Esto asegura la coherencia del relacionadas con los recursos disponibles
modelo con la realidad del y deben ser consideradas en la
problema que se está abordando. formulación del modelo.
Una vez completados estos pasos, se Principio de no negatividad:
procede a elaborar el modelo matemático Es importante recordar que las variables
que represente de manera precisa la de decisión no pueden ser negativas.
situación que se desea analizar y Formulación final:
resolver. La formulación final del modelo
matemático implica la integración de
5.3. Formulación del modelo todos los elementos anteriores. De
Después de completar los pasos manera resumida:
anteriores, es crucial formular un modelo Sin referencia:
matemático que se adapte a las Max o Min(Z) = C1 X1 + C2 X2
características específicas de nuestro + C3 X3 + ... + Cn Xn
problema. Posteriormente, seguimos un s.a.
algoritmo matemático que nos permitirá a11 x1 + a12 x2 + a13 x3 + ... +
encontrar soluciones óptimas. A a1n xn ≤ b1
4
 a21 x1 + a22 x2 + a23 x3 + ... + soluciones que cumplen con las
a2n xn ≤ b2 restricciones del problema.
... Convexidad: Se dice que una
am1 x1 + am2 x2 + am3 x3 + ... región es convexa si, dentro de ella,
+ amn xn ≤ bm cualquier segmento de línea recta que
Xj ≥ 0 Para i = 1..m ; j = 1..n une dos puntos también se encuentra
Con referencia: dentro de la región.
Max o Min(Z) = C11 X11 + C12
X12 + C13 X13 + ... + Cmn Xmn Equivalencias de Signos:
s.a.
a11 x11 + a12 x12 + a13 x13 + ... La desigualdad ">=" o "<=" se
+ a1n x1n ≤ b1 puede invertir manteniendo la dirección
a21 x21 + a22 x22 + a23 x23 + ... de la desigualdad.
+ a2n x2n ≤ b2 Por ejemplo, si tenemos la
... restricción "AX <= b", es equivalente a
am1 xm1 + am2 xm2 + am3 xm3 decir "-AX >= -b", y viceversa.
+ ... + amn xmn ≤ bm Cuando se busca maximizar una
Xij ≥ 0 Para i = 1..m ; j = 1..n función objetivo, es equivalente a
Estos pasos nos permiten formular un minimizar el negativo de esa función. De
modelo matemático que represente de igual manera, si se busca minimizar una
manera precisa el problema que estamos función objetivo, es equivalente a
abordando, lo cual es fundamental para maximizar el negativo de esa función.
encontrar soluciones óptimas. Por ejemplo, maximizar CX es
equivalente a minimizar -CX, y
5.4 Conceptualización y viceversa.
equivalencias
Cij: Representa el coeficiente de 5.5 Características del modelo
contribución de una variable en el lineal
modelo. - Linealidad: El modelo lineal no
aij: Indica el requerimiento de la permite expresiones matemáticas
variable según la disponibilidad de como X1*X2, a(^2)*X, X^2, o
recursos. También puede entenderse Log(X).
como la cantidad de recursos "j" - Restricciones sin recursos
necesarios por cada unidad de la negativos: Las restricciones no
actividad "i". pueden incluir recursos
bi: Representa los recursos negativos.
disponibles. - Adición: Si el producto A
Xij: Indica las unidades de requiere 3 horas de la actividad 1
actividad "i" obtenidas del recurso "j". y el producto B requiere 6 horas
Tipos de Soluciones Factibles: de la misma actividad, entonces
Solución Factible: Es aquella se necesitan 9 horas para ambos
que cumple con todas las restricciones productos en total.
establecidas en el modelo. - Producto: Por ejemplo, si una
Solución Factible Básica: Es unidad del producto requiere 3
una solución factible que tiene horas, entonces para 6 unidades
exactamente "m" componentes positivos. se necesitarán 18 horas.
Solución Factible Degenerada: - Variables fraccionales: Las
Es aquella solución factible que tiene variables pueden tomar valores
menos de "m" componentes positivos en fraccionales. Por ejemplo, X
la variable de decisión "X". puede ser igual a 1.5.
Región de Factibilidad: Se - Factibilidad: Si las variables
refiere al conjunto de todas las posibles están restringidas a ser mayores o
5
 iguales que cero (Xj >= 0), pesos por unidad del producto 3.
entonces se considera una ¿Determine cuántas unidades
solución factible. deben producirse de cada
- Inversión de la función objetivo: producto?, y ¿cuánto serían sus
Multiplicar la función objetivo ingresos totales? Formule un
por -1 cambiará el sentido de la problema y aplique las técnicas
maximización o minimización. Si de los modelos lineales para
se buscaba maximizar, ahora se encontrar una solución óptima.
buscará minimizar, y viceversa. Variables de decisión:
- Función Objetivo Óptima: Se x1: Cantidad de unidades a
dice que se alcanza una solución producir producto 1
óptima cuando todas las variables x2: Cantidad de unidades a
de decisión optimizan la función producir producto 2
objetivo de manera adecuada. x3: Cantidad de unidades a
producir producto 3

6. Formulación de casos Función objetivo:

6.1 Plantear a lo menos dos Max Z = 250x1+310x2+270x3
casos relacionados con problemas de
las empresas, organizaciones, negocios Restricciones:
y financieros 4x1 + 3x2 + 5x3 <= 30000
Para la formulación de problemas los (materia prima)
vamos a extraer directamente de 6x1 + 7x2 + 4x3 <= 54000
información académica [3] (insumos)
1. La empresa Babilonia produce 60x1 + 45x2 + 53x3 <= 4500
tres variedades de productos para (mano de obra)
comercializarlos en el mercado x1, x2, x3 >= 0
nacional, la demanda actual del
mercado es de 20000 unidades. 2. Un banco de nuestro medio
Para producir una unidad del actualmente está analizando cuál
producto 1, se requieren cuatro puede ser su estrategia comercial
unidades de materia prima y seis en créditos para el próximo
de insumos; para producir una semestre. Para ello destina un
unidad del producto 2, se monto de $ 20.000.000. Dentro
requieren tres unidades de de sus condiciones está obligada
materia prima y siete de insumo, a prestar su servicio sin
para producir una unidad del exclusividad de clientes e
producto 3 se requieren cinco igualmente dar créditos a sus
unidades de materia prima y clientes. La tabla siguiente señala
cuatro de insumos; la las líneas de crédito, tasa de
disponibilidad de materia prima interés a cobrar (E. T), cartera
en el mercado es de 30000 irrecuperable, es decir que los
unidades y de insumo 54000 clientes dejen de cancelar su
unidades. Además, los productos obligación con el crédito dado.
requieren para su producción, 60, La tasa de interés a cobrar es
45 y 53 horas de mano de obra, mensual. El mercado competitivo
respectivamente, y cuenta con con otros bancos, le indican que
una disponibilidad total de 4500 debe asignar el 45 % del monto
horas. Si los productos se venden destinado para créditos para la
a $ 250 pesos por unidad del línea industrial y comercial; y
producto 1, $ 310 pesos por para vivienda al menos un 45 %
unidad del producto 2, y $ 270 de los préstamos personales de
6
 actividad agrícola. El banco compra de acciones B y por lo
considera que dentro de su menos $ 20 millones de pesos, en
política de pagos de difícil cobro acciones A. Además, decide que
no puede ser de más de un 3.5%. lo invertido en B sea por lo
Se supone que el cliente que no menos igual a lo invertido en A.
paga, es cartera de difícil cobro, y ¿Cómo debería invertir los $100
por lo tanto no se reciben millones de pesos de tal manera
intereses. ¿Qué sugeriría a las que su beneficio sea el máximo?
directivas? Formule un modelo Variables de decisión:
de problema de programación x: cantidad de dinero a invertir en
lineal. acciones A
Variables de decisión: y: cantidad de dinero a invertir en
x1: Monto asignado línea acciones B
industrial y comercial
x2: Monto asignado a línea de Función objetivo:
viviendo Max Z = 0.06x + 0.09y
x3: Monto asignado a otras
Función objetivo: Restricciones
Max Z = Ingresos netos por x + y =100000000 (total del
intereses - Pérdidas por carte premio)
irrecuperable 20 <= x <= 100 (mínimo y
máximo a invertir en acciones A)
Restricciones: y >= x (mínimo a invertir en
x1 + x2 + x3 = 20000000 (total acciones B)
asignado)
0.45x1 >= monto mínimo línea 7. Métodos de solución
industrial y comercial 7.1 Método Gráfico
0.45x2 >= Monto mínimo para El método gráfico se utiliza
linea viviendo principalmente cuando hay dos variables
Perdidas por cartera irrecuperable en el problema. Aquí te veremos los
<= 0.035 (Monto total asignado) pasos para resolverlo:
1. Convertir desigualdades:
x1, x2, x3 >= 0 Transformamos las desigualdades
(como <= o >=) en ecuaciones
3. Una persona se gana un baloto de (=) para crear líneas rectas.
$ 100 millones de pesos y le 2. Hallar puntos de corte:
recomiendan sus amigos que los Encontramos los puntos donde
invierta en dos tipos de acciones las líneas se intersectan. Esto se
de la bolsa de valores de hace igualando una variable a 0 y
Colombia, acciones A y acciones calculando el valor de la otra
B, las acciones A tienen menor variable, y viceversa, para cada
riesgo y producen un beneficio una de las funciones o
del 6 %, las acciones B, tienen un restricciones.
mayor riesgo y producen un 3. Representar puntos: Colocamos
beneficio del 9 %. Sus amigos, los puntos en un plano cartesiano.
después de varias deliberaciones, 4. Graficar restricciones: Dibujamos
le recomendaron varias formas de las restricciones en el plano para
cómo realizar la inversión. identificar el área que satisface
Teniendo en cuenta las todas las restricciones.
recomendaciones, optó por lo 5. Determinar área de solución:
siguiente: Invertir como máximo Identificamos el área de solución
$ 50 millones de pesos, en la
7
 que cumple con todas las La región factible es el área sombreada
restricciones. que cumple con todas las restricciones
6. Escoger solución óptima: del problema.
Buscamos el punto dentro del Calcular el beneficio en los vértices de la
área de solución que maximice o región factible:
minimice la función objetivo. Evaluamos la función objetivo
Este método proporciona una Z=50x+40y en cada uno de los vértices
visualización clara del problema y de la región factible para determinar cuál
permite identificar la solución óptima produce el mayor beneficio.
cuando hay dos variables involucradas. Identificar la solución óptima:
Ejemplo Práctico: La solución óptima es el vértice de la
Problema: región factible que produce el mayor
Supongamos que una empresa fabrica beneficio. Este punto es la respuesta al
dos productos, A y B. Para producir cada problema y nos indica cuántas unidades
unidad de A, se requieren 2 horas de de cada producto se deben producir para
trabajo y 1 hora de máquina, mientras maximizar el beneficio.
que para producir cada unidad de B, se
necesitan 1 hora de trabajo y 3 horas de
máquina. La empresa dispone de 100 7.2 Método Simplex
horas de trabajo y 90 horas de máquina El método simplex es una herramienta
por semana. Si el beneficio por unidad analítica útil para resolver problemas
de A es de $50 y por unidad de B es de matemáticos, especialmente aquellos con
$40, ¿cuántas unidades de cada producto muchas opciones para elegir. Funciona
debería producir la empresa para en varios pasos:[4]
maximizar su beneficio?
1. Modelado: Primero,
Solución: establecemos las opciones
Para resolver este problema utilizando el posibles, las reglas y el objetivo
Método Gráfico, primero graficamos las del problema.
restricciones y luego encontramos el 2. Estandarización: Ajustamos las
punto de intersección que maximiza el reglas para que todas sean
beneficio. igualmente importantes y nos
aseguramos de que todo sea
Graficar las restricciones: positivo.
Las restricciones del problema son: 3. Inicio básico: Seleccionamos
2x+y<=100 (restricción de horas de una opción inicial para comenzar.
trabajo) 4. Iteración: Repetimos un proceso
x+3y<=90 (restricción de horas de para mejorar la solución hasta
máquina) que no se pueda mejorar más.
x>=0 (no se pueden producir unidades Durante cada iteración, seguimos
negativas de A) un proceso que incluye:
y>=0 (no se pueden producir unidades - Identificar la variable que entra a
negativas de B) la solución y la que sale. Esto se
Encontrar los puntos de intersección: basa en cálculos como el
Graficamos las restricciones en un plano coeficiente de costo reducido y el
cartesiano y encontramos el área de valor del coeficiente de la
intersección entre ellas. En este caso, el función objetivo en la nueva
área sombreada representa todas las solución.
combinaciones de unidades de A y B que - Calcular el valor de la
cumplen con las restricciones. intersección entre la columna de
Determinar la región factible: la variable entrante y la fila de la

8
 variable saliente, denominado debe producir la empresa para
"a". maximizar sus ingresos?
- Dividir toda la fila de la variable
saliente por "a" para obtener los Solución:
nuevos valores de la fila. Para resolver este problema utilizando el
- Multiplicar la fila de la nueva Método Simplex, primero formulamos el
variable entrante por (-a) y problema en forma estándar y luego
sumarla a la fila original aplicamos el Método Simplex para
correspondiente a la variable encontrar la solución óptima.
saliente, para obtener los nuevos
valores de la fila de la nueva 1. Formulación del problema:
variable entrante. Definimos las variables de decisión:
- Calcular los nuevos valores de Zj x = número de unidades de X a producir
y Cj - Zj para determinar si se ha y = número de unidades de Y a producir
alcanzado la solución óptima. z = número de unidades de Z a producir
- El proceso de iteración continúa La función objetivo es maximizar los
hasta que se cumplan los criterios ingresos:
de terminación del método Z=5x+4y+6z Sujeto a las restricciones
simplex, que varían dependiendo de mano de obra y máquina:
de si se trata de maximizar o 2x+y+3z≤80
minimizar la función objetivo. En x+2y+2z≤60
el caso de maximización, la y las restricciones de no negatividad:
terminación ocurre cuando todos x,y,z≥0
los valores de Cj - Zj son no 2. Forma canónica:
negativos, mientras que en Añadimos variables de holgura para
minimización, la terminación convertir las desigualdades en
ocurre cuando todos los valores igualdades:
de Cj - Zj son no positivos. 2x+y+3z+s1=80
x+2y+2z+s2=60
El método simplex es un proceso 3. Tabla inicial:
iterativo que permite encontrar Creamos una tabla inicial con las
soluciones óptimas en problemas variables básicas, no básicas y el
de programación lineal, aunque valor de la función objetivo.
su aplicación manual puede ser
compleja y requiere atención I x y z s1 s2 R
meticulosa a los detalles. H
S
Ejemplo práctico:
Problema: Z 5 4 6 0 0 0
Supongamos que una empresa fabrica
tres productos, X, Y y Z. Para fabricar s1 2 1 3 1 0 80
cada unidad de X, requiere 2 horas de
mano de obra y 1 hora de máquina; para s2 1 2 2 0 1 60
cada unidad de Y, requiere 1 hora de I=iteración
mano de obra y 2 horas de máquina; y 4. Determinar la variable de entrada
para cada unidad de Z, requiere 3 horas y salida:
de mano de obra y 2 horas de máquina. Identificamos la variable de entrada
La empresa dispone de 80 horas de mano como la que más aumenta la función
de obra y 60 horas de máquina por objetivo. En este caso, z tiene el mayor
semana. Los precios de venta por unidad coeficiente (6), por lo que entra en la
son $5 para X, $4 para Y y $6 para Z. base. La variable de salida se determina
¿Cuántas unidades de cada producto dividiendo el término independiente
9
(RHS) entre el coeficiente efectividad en la resolución de
correspondiente de la variable de problemas.
entrada. En este caso, s2 sale de la base Supongamos que tenemos un
(60/2 = 30). problema grande y complejo
5. Actualizar la tabla: representado por la variable P. Podemos
Utilizando la regla de pivote, descomponer este problema en
actualizamos la tabla para reflejar el subproblemas más manejables,
cambio en las variables básicas y no representados por S1, S2, ..., Sn. Luego,
básicas. al resolver cada subproblema Si,
obtenemos soluciones parciales Sol(S1),
I x y z s1 s2 RH Sol(S2), ..., Sol(Sn). Finalmente,
S combinamos estas soluciones parciales
para obtener la solución al problema
Z 5 4 0 0 -3 -18 principal P:
0 P = S1 + S2 + ... + Sn
Sol(P) = Sol(S1) ∪ Sol(S2) ∪ ...
s1 2 1 0 1 -1 20 ∪ Sol(Sn)

s2 1/2 1 1 0 1/2 30 Esta es una forma simplificada de

representar el Método del Gran M,
6. Continuar el proceso: donde descomponemos un problema en
Repetimos los pasos 4 y 5 hasta que subproblemas más pequeños, los
todos los coeficientes de la fila Z sean resolvemos individualmente y luego
no negativos. combinamos las soluciones para obtener
la solución al problema principal.
7.3 Método del Gran M
El Método del Gran M es una técnica Ejemplo práctico
utilizada en la resolución de problemas y
la toma de decisiones. Se centra en Una fábrica produce dos productos, X e
descomponer un problema grande y Y, utilizando dos tipos de máquinas, A y
complejo en partes más manejables para B. Cada unidad de X requiere 2 horas de
facilitar su abordaje y solución. [5] trabajo en la máquina A y 1 hora en la
La "M" en el Método del Gran M máquina B, mientras que cada unidad de
representa tres etapas clave del proceso: Y requiere 1 hora en la máquina A y 3
Mapear, Masticar y Moverse. En la etapa horas en la máquina B. La máquina A
de Mapear, se identifican y analizan está disponible 40 horas a la semana y la
todas las facetas del problema, se máquina B está disponible 50 horas a la
recopila información relevante y se semana. Si el beneficio por unidad de X
establecen objetivos claros. Luego, en la es de $30 y por unidad de Y es de $40,
etapa de Masticar, se desglosa el ¿cuántas unidades de cada producto
problema en subproblemas más simples debería producir la fábrica para
y se exploran diferentes enfoques para maximizar su beneficio?
resolverlos. Finalmente, en la etapa de
Moverse, se implementan las soluciones Solución utilizando el Método del Gran
a los subproblemas y se integran para M:
resolver el problema principal.
En resumen, el Método del Gran M es 1. Formulación del problema:
una estrategia efectiva para abordar - Variables de decisión:
problemas complejos al dividirlos en x = número de unidades de producto X a
partes manejables y resolverlas de producir.
manera sistemática y organizada. Esto y = número de unidades de producto Y a
mejora la claridad, la eficiencia y la producir.
10
Función objetivo: s1 -2 0 1 -1 1 0 10
Maximizar
Z=30x+40y (beneficio total) x 1 0 0 -1 0 1 10
Restricciones:
2x+y≤40 (disponibilidad de máquina A) Iteración 2:
x+3y≤50 (disponibilidad de máquina B) Entrante: Máxima función objetivo (x).
x≥0 (no se pueden producir unidades Saliente: Máquina A (s1).
negativas de X) Nueva tabla:
y≥0 (no se pueden producir unidades
negativas de Y) x y s1 s2 M M M
2. Introducción de variables áq áq
artificiales: A B
Introducimos las variables artificiales s1
y s2 para convertir las desigualdades en F 0 0 30 10 - - -4
ecuaciones. La función objetivo O M M 00
modificada es: 0
Z'= 30x + 40y -Ms1 - Ms2
​ x -2 0 0. -0. 0. 0 5
5 5 5

3. Tabla inicial: y 0. 1 -0. 0. 0. 0 3.

Creamos una tabla inicial con las 33 33 33 33 33
variables, las ecuaciones y la función 5. Solución óptima:
objetivo, donde las variables artificiales La solución óptima se alcanza cuando
tienen un valor de 0. todos los coeficientes de la función
objetivo son no negativos. En este caso,
x y s1 s2 M M M la solución óptima es x=5 y y=3.33, con
aq aq un beneficio máximo de $400.
A B

F 30 40 0 0 - - 0
O M M 8. Modelo Determinístico Dual
El descubrimiento de la dualidad durante
s1 2 1 1 0 1 0 40 el avance de la programación lineal
marcó un hito importante en su
s2 1 3 0 1 0 1 50 desarrollo, trayendo consigo
implicaciones significativas. Este
hallazgo reveló la existencia de un
4. Iteraciones: problema "dual" asociado a cada
Iteración 1: problema lineal, y entre ellos existen
Entrante: Máxima función relaciones clave que facilitan el análisis
objetivo (y). en diversos campos, como la tecnología
Saliente: Máquina B (s2). de la informática, el análisis económico
Nueva tabla: y el análisis post óptimo.[3]

En el ámbito de la tecnología de la
x y s1 s2 M M M
informática, el Método Dual se destaca
aq aq
por su capacidad para reducir el tamaño
A B
de la base empleada en el Método
F 30 0 0 40 - - -4 Simplex. La preocupación radica en el
O M M 00 tamaño de esta base, ya que puede
0 afectar el rendimiento de la computadora
11
debido al espacio que ocupa en la El análisis post optimal es una
memoria, potencialmente ralentizando. herramienta crucial para obtener la
En este contexto, el tiempo necesario solución óptima en situaciones donde los
para resolver un problema depende más parámetros de las variables pueden estar
del número de restricciones que del sujetos a incertidumbre. Consiste en
número de variables. Además, el sensibilizar estos parámetros para
problema Dual y su método de solución, identificar aquellos que son susceptibles
el Método Dual Simplex, a veces pueden a cambios y, posteriormente, evaluar el
evitar el uso de variables artificiales. impacto de esos cambios en la solución
óptima.
En el análisis económico, la dualidad
ofrece una interpretación natural que Vamos a revisar algunos escenarios
resulta extremadamente útil para los específicos en los cuales se puede aplicar
economistas. Los problemas de el análisis post optimal:
programación lineal se centran en la
asignación óptima de recursos limitados - Cambio en cj cuando xj es no
entre actividades competitivas. Por básica: En este caso, se evalúa
ejemplo, consideremos el problema cómo afecta un cambio en el
principal donde xj representa el nivel de coeficiente de la función objetivo
la actividad j, cj la ganancia unitaria o de una variable no básica en la
costo de la actividad j, b j la cantidad de solución óptima. Por ejemplo, si
recurso disponible y a ij la cantidad de se decide aumentar el precio de
recurso i utilizada por unidad de venta de un producto, se verifica
actividad j. Del problema principal, si la solución óptima se mantiene.
podemos derivar restricciones típicas
para el problema dual que representan - Cambio en cj cuando xj es
los precios implícitos de los recursos. básica: Similar al caso anterior,
pero aquí se evalúa cómo afecta
La construcción del problema Dual se el cambio en el coeficiente de
basa en asignar variables duales a las una variable básica en la solución
restricciones del problema principal y óptima. Por ejemplo, si se
coeficientes de contribución a los incrementa el precio de venta de
recursos disponibles. Además, las un producto que ya se está
direcciones de maximización y produciendo, se verifica si la
minimización se invierten entre el solución óptima sigue siendo
problema principal y el Dual. Siempre óptima.
que ambos problemas tengan soluciones
factibles finitas, existe una solución - Cambio en la disponibilidad de
óptima finita para ambos. Esta relación un recurso: Se evalúa cómo
complementaria simétrica entre el afecta un cambio en la
problema principal y su Dual se resume disponibilidad de un recurso en la
en el teorema Dual, que establece que el solución óptima. Por ejemplo, si
costo total de los recursos es igual a la se adquiere una nueva máquina
ganancia total de las actividades cuando que aumenta la disponibilidad de
se utilizan los recursos de manera horas de producción, se verifica
óptima. Por lo tanto, el Dual del Dual es si la solución óptima mejora o se
igual al problema principal, lo que mantiene.
subraya la interrelación esencial entre
ambos problemas. - Cambio en un aij cuando xj​es no
básica: Aquí se evalúa cómo
9. Análisis Post Optimal afecta un cambio en los
coeficientes de las variables no
12
 básicas en las restricciones del recursos desde múltiples orígenes (como
problema. Por ejemplo, si se fábricas) hacia múltiples destinos (como
reduce el tiempo requerido para centros de distribución o clientes). Este
producir un producto, se verifica enfoque, basado en el Método Simplex,
si la solución óptima sigue siendo se utiliza para optimizar la asignación de
óptima. recursos minimizando el costo total de
transporte.
- Cambio en un aij cuando xj es
básica: Similar al caso anterior, Para ilustrar este modelo, consideremos
pero aquí se evalúa cómo afecta un escenario donde hay n centros de
el cambio en los coeficientes de distribución que necesitan ser
las variables básicas en las abastecidos por m fábricas. Cada fábrica
restricciones del problema. Por produce una cierta cantidad del producto,
ejemplo, si se aumenta el tiempo y cada centro de distribución requiere
requerido para producir un una cierta cantidad del mismo. El costo
producto ya en producción, se de transportar una unidad del producto
verifica si la solución óptima desde una fábrica a un centro de
sigue siendo óptima. distribución específico se representa
como Cij. El objetivo es minimizar el
- Adición de una nueva restricción: costo total de transporte.
Se evalúa cómo afecta la adición
de una nueva restricción al La formulación del problema se realiza
problema. Por ejemplo, si se utilizando variables de decisión xij, que
considera una nueva limitación representan la cantidad de unidades del
en la capacidad de producción, se producto transportadas desde la fábrica i
verifica si la solución óptima al centro de distribución j. La función
sigue siendo factible y óptima. objetivo busca minimizar el costo total,
expresado como la suma de los costos de
- Adición de una nueva variable: transporte Cij multiplicados por las
Finalmente, se evalúa cómo cantidades xij.
afecta la adición de una nueva
variable a la función objetivo y a El Modelo de Formulación se establece
las restricciones del problema. como:
Por ejemplo, si se introduce un
nuevo producto en el mercado, se 𝑚 𝑛
verifica cómo afecta la solución min Z= ∑ ∑ 𝐶𝑖𝑗 * 𝑥𝑖𝑗
𝑖=1 𝑗=1
óptima.
​
En cada uno de estos casos, el análisis
post optimal permite ajustar la solución
óptima según los cambios en las Sujeto a las restricciones:
condiciones del problema, lo que
proporciona una mayor robustez y C.S.R.
adaptabilidad a las decisiones xij >=0 para 𝑖=1, 2, 3 y j=1, 2, 3,
empresariales. 4, 5

10. Modelo Determinístico de Una observación importante es que las

Transporte sumas de las ofertas de las fábricas
El Modelo Determinístico de Transporte, deben ser iguales a las sumas de las
dentro del campo de la programación demandas de los centros de distribución.
lineal, ofrece un enfoque específico para Si hay desequilibrios, es posible
resolver problemas de distribución de introducir fábricas o centros de

13
distribución ficticios para equilibrar las A pesar de su simplicidad, el Método de
sumas. la Esquina Noroeste tiene sus
limitaciones. Por ejemplo, la solución
Este modelo presenta desafíos en su inicial puede estar lejos de ser óptima, lo
resolución utilizando el Método Simplex que puede requerir la aplicación de
debido a su gran cantidad de variables y métodos adicionales, como el Método
restricciones. Sin embargo, existen Simplex, para mejorarla. Además, en
métodos alternativos, como el Método de algunos casos, puede resultar en
la Matriz de Transporte, que abordan el soluciones degeneradas, donde no se
problema en forma de matriz en lugar de utilizan todas las variables básicas
un conjunto de ecuaciones, disponibles.
simplificando así el proceso de solución.
En resumen, el Método de la Esquina
11. Método de la esquina noroeste Noroeste es una técnica intuitiva y fácil
El Método de la Esquina Noroeste [6] es de implementar para abordar problemas
una técnica clásica y fácil de entender de asignación en la optimización.
que se utiliza en la resolución de Aunque puede no garantizar la solución
problemas de asignación en el campo de óptima, proporciona un punto de partida
la optimización. Este método es sólido para la resolución de problemas
especialmente útil en situaciones donde de asignación más complejos.
se busca minimizar el costo total o
maximizar el beneficio total asociado
con la asignación de recursos desde 12. Método de Voguel
varias fuentes (como fábricas) hacia El Método de Vogel[7] es una estrategia
múltiples destinos (como centros de avanzada utilizada en el campo de la
distribución o clientes). optimización para resolver problemas de
asignación. Este método se destaca por
El proceso comienza ubicándose en la su capacidad para ofrecer soluciones más
esquina noroeste de la tabla de refinadas y cercanas a la óptima en
asignación, que representa una matriz comparación con enfoques más simples
que muestra la cantidad de recursos como el Método de la Esquina Noroeste.
disponibles en las fábricas y la cantidad
de recursos requeridos en los destinos. La aplicación del Método de Vogel
Luego, se procede a asignar la mayor implica un procedimiento detallado que
cantidad posible a esa celda inicial, se basa en calcular las diferencias entre
agotando tanto la oferta como la los valores más pequeños y los segundos
demanda en esa fila o columna. Después más pequeños en cada fila y columna de
de realizar esta asignación inicial, se una tabla de costos o requisitos. Estas
actualizan las cantidades restantes y se diferencias proporcionan información
continúa el proceso hasta que se crucial sobre qué celdas son más críticas
completen todas las asignaciones para la asignación y cómo se pueden
posibles. optimizar las asignaciones para
minimizar el costo total.
Una vez que se ha completado la
asignación inicial, se obtiene una El proceso comienza identificando la fila
solución básica factible no degenerada. o columna con la mayor diferencia entre
Sin embargo, es importante tener en los valores más pequeños y los segundos
cuenta que esta solución inicial puede no más pequeños. Luego, se selecciona el
ser óptima y puede necesitar ajustes elemento de menor costo dentro de esa
adicionales para mejorarla. fila o columna y se asigna la mayor
cantidad posible a esa celda. Este paso se

14
repite hasta que se agoten tanto la oferta deben cumplirse. Luego, se emplean
como la demanda en esa fila o columna. técnicas específicas, como el Método
Simplex en programación lineal o
Una vez completada la asignación algoritmos de búsqueda en problemas de
inicial, se procede a ajustar los ceros en optimización combinatoria, para explorar
las filas y columnas donde se ha agotado el espacio de soluciones y encontrar
la oferta o la demanda. Este proceso de aquella que maximice o minimice la
ajuste permite garantizar que todas las función objetivo mientras cumple con las
restricciones se cumplan y que se restricciones establecidas.
aprovechen al máximo las capacidades
de oferta y demanda disponibles. La solución óptima obtenida representa
el mejor resultado posible dentro del
En comparación con el Método de la contexto del problema definido. Sin
Esquina Noroeste, el Método de Vogel embargo, es importante destacar que la
ofrece una solución más precisa y solución óptima puede no ser única,
eficiente al problema de asignación. Su especialmente en problemas complejos
capacidad para identificar las donde existen múltiples combinaciones
asignaciones más críticas y optimizarlas de variables que satisfacen las
en consecuencia lo convierte en una restricciones y optimizan la función
herramienta valiosa para una variedad de objetivo.
aplicaciones, desde la gestión de la
cadena de suministro hasta la Además, el Método Solución Óptima no
programación de la producción y la siempre garantiza la viabilidad de la
distribución de recursos. solución encontrada en situaciones
futuras o en entornos dinámicos donde
En resumen, el Método de Vogel es una las condiciones pueden cambiar. Por lo
técnica avanzada que permite encontrar tanto, es crucial realizar un análisis
soluciones óptimas en problemas de cuidadoso de la solución obtenida y
asignación al considerar cuidadosamente considerar su robustez y adaptabilidad a
las diferencias en los costos o requisitos. diferentes escenarios.
Su aplicación eficaz puede ayudar a
mejorar la eficiencia y reducir los costos En resumen, el Método Solución Óptima
en una variedad de entornos es una herramienta poderosa y
empresariales y de gestión. ampliamente utilizada en una variedad
de campos, desde la ingeniería y la
economía hasta la logística y la
13. Método Solución Óptima planificación, que permite encontrar la
El Método Solución Óptima[3] es una mejor solución posible a problemas de
técnica fundamental en el campo de la optimización complejos. Sin embargo, su
optimización que se utiliza para aplicación requiere un entendimiento
encontrar la mejor solución posible a un profundo del problema en cuestión y la
problema dado. Este método es selección adecuada de técnicas y
especialmente relevante en contextos algoritmos para obtener resultados
donde se busca maximizar o minimizar precisos y relevantes.
una función objetivo sujeta a ciertas
restricciones.
14. Conclusiones
El proceso para encontrar la solución En resumen, los modelos de
óptima implica varios pasos. Primero, se optimización en la Investigación de
establece el problema de optimización, Operaciones son herramientas poderosas
identificando la función objetivo que se que proporcionan un marco estructurado
quiere optimizar y las restricciones que para la toma de decisiones informadas y
15
eficientes. Desde la identificación y [5]R. Burke, Project Management:
formulación de problemas hasta la Planning and Control Techniques. Wiley,
aplicación de métodos de solución y el 2013.
análisis de resultados, estos modelos [6]B. Salazar López. “Método de la
ofrecen un enfoque sistemático y esquina noroeste » Problema del
cuantitativo para abordar una amplia transporte » Heurísticos”. Método de la
gama de desafíos empresariales y esquina noroeste. Accedido el 30 de abril
organizacionales. de 2024. [En línea]. Disponible:
https://ingenieriaindustrialonline.com/in
Al comprender la importancia de estos vestigacion-de-operaciones/metodo-de-la
modelos y las fases involucradas en su -esquina-noroeste/
aplicación, los profesionales pueden [7]B. Salazar López. “Método de
tomar decisiones más fundamentadas y aproximación de Vogel » Problemas de
estratégicas, lo que conduce a una transporte » Heurísticos”. Método de
mejora en la eficiencia operativa, la aproximación de Vogel. Accedido el 30
optimización de recursos y, en última de abril de 2024. [En línea]. Disponible:
instancia, al logro de objetivos https://ingenieriaindustrialonline.com/in
empresariales. Con la continua evolución vestigacion-de-operaciones/metodo-de-a
de la tecnología y las técnicas de proximacion-de-vogel/
optimización, el campo de la
Investigación de Operaciones sigue
siendo relevante y ofrece oportunidades
emocionantes para mejorar la gestión y
el rendimiento organizacional en un
entorno empresarial en constante
cambio.

15. Bibliografía
[1]A. M. N. Pisco. “ESTUDIO
CUANTITATIVO SOBRE LA
EFECTIVIDAD DE LOS MODELOS
PREDICTIVOS EN LA TOMA DE
DECISIONES EMPRESARIALES”.
https://cienciainteligente.com/. Accedido
el 2 de abril de 2024. [En línea].
Disponible:
https://cienciainteligente.com/index.php/
CIN/article/view/12
[2]H. A. Taha, investigación de
Operaciones, 9a ed. México: Pearson,
2012.
[3]R. Pérez Peña, Introducción a los
modelos de optimización. Bogotá, 2019.
[4]B. Salazar López. “Método Simplex »
Programación lineal » Investigación de
operaciones”. Ingeniería industrial.
Accedido el 29 de abril de 2024. [En
línea].
Disponible:https://ingenieriaindustrialonl
ine.com/investigacion-de-operaciones/m
etodo-simplex/

16