OPTIMIZACIÓN CON PROGRAMACIÓN LINEAL

Resuelve el problema de asignar de la mejor

manera posible, es decir de forma óptima,
recursos limitados a actividades que compiten
entre sí por ellos

Se debe elegir el nivel de ciertas

actividades que compiten por
recursos limitados (escasos)
necesarios para realizarlas
 PROGRAMACIÓN LINEAL

Asignación de instalaciones de
producción a los productos.

Selección de cartera de inversiones

Asignación de infraestructura de servicio

a demandas

Selección de patrones de envío

Plantaciones agrícolas

Diseño de terapias de radiación

La programación lineal usa un modelo
matemático para describir el problema

LINEAL  significa que todas las funciones

matemáticas del modelo deben ser lineales

La palabra PROGRAMACION  se usa como

sinónimo de planeación

Planeación de actividades para obtener un

resultado óptimo
 Ejemplo tipo

Una fábrica produce ventanas y puertas de vidrio.

Tiene tres plantas.

Los marcos y molduras de aluminio se hacen en

la planta 1,

Los de madera en la planta 2;

La 3 produce el vidrio y ensambla los productos.

Debido a una reducción de las ganancias, la alta

administración ha decidido reorganizar la
línea de producción de la compañía.
Ejemplo tipo

Se discontinuarán varios productos no

rentables y se dejará libre una parte de la
capacidad de producción para emprender la
fabricación de dos productos nuevos cuyas
ventas potenciales son muy prometedoras:

Producto 1: una puerta de vidrio de 8 pies con

marco de aluminio

Producto 2: una ventana corrediza con marco

de madera de 4 por 6 pies
Ejemplo tipo

El producto 1 requiere parte de la

capacidad de producción en las plantas 1
y 3 y nada en la planta 2.

 El producto 2 sólo necesita trabajo en

las plantas 2 y 3. La división de
comercialización ha concluido que la
compañía puede vender todos los
productos que se puedan fabricar en las
plantas.
Ejemplo tipo

Sin embargo, como ambos productos

competirían por la misma capacidad de
producción en la planta 3, no está claro
cuál mezcla de productos sería la más
rentable. Por lo tanto, se ha formado un
equipo de IO para estudiar este problema.

El grupo comenzó por realizar juntas con la

alta administración para identificar los
objetivos del estudio. Como consecuencia
de ellas se desarrolló la siguiente definición
del problema:
Determinar cuáles tasas de producción
deben tener los dos productos con el fin de
maximizar las utilidades totales, sujetas a
las restricciones impuestas por las
capacidades de producción limitadas
disponibles en las tres plantas.
(Cada producto se fabricará en lotes de 20
unidades, de manera que la tasa de
producción está definida como el número
de lotes que se producen a la semana.) Se
permite cualquier combinación de tasas de
producción que satisfaga estas
restricciones, incluso no fabricar uno de los
productos y elaborar todo lo que sea
posible del otro.

El equipo de IO también identificó los datos

que necesitaba reunir:
 DATOS

1. Número de horas de producción disponibles

por semana en cada planta para fabricar estos
nuevos productos. (Casi todo el tiempo de estas
plantas está comprometido con los productos
actuales, lo que limita la capacidad para
manufacturar nuevos productos.)

2. Número de horas de fabricación que se emplea

para producir cada lote de cada artículo nuevo
en cada una de las plantas.
 DATOS

3. La ganancia por lote de cada producto

nuevo. (Se escogió la ganancia por lote
producido como una medida adecuada una
vez que el equipo llegó a la conclusión de
que la ganancia incremental de cada lote
adicional producido sería, en esencia,
constante, sin que importase el número total
de lotes producidos.
Debido a que no se incurre en costos
sustanciales para iniciar la producción y la
comercialización de estos nuevos productos, la
ganancia total de cada uno es aproximadamente
la ganancia por lote que se produce multiplicada
por el número de lotes.)
La obtención de estimaciones razonables
de estas cantidades requirió del apoyo de
personal clave en varias unidades de la
compañía.

El personal de la división de manufactura

proporcionó los datos de la primera
categoría mencionada.
En la segunda categoría, el desarrollo de
estimaciones requirió un análisis de los
ingenieros de manufactura involucrados en el
diseño de los procesos de producción para
elaborar los nuevos artículos.

Al analizar los datos de costos que se

obtuvieron, junto con la decisión sobre los
precios de la división de marketing, el
departamento de contabilidad calculó las
estimaciones para la tercera categoría.
Las puertas requieren 1hora de la planta 1 y 3
de la planta 3 y aportan una utilidad de $3.000
por lote.

Las ventanas requieren 2 horas de la planta 2 y

2 de la planta 3 y aportan una utilidad de
$5.000 por lote.

La disponibilidad de horas de producción en la

planta 1 es de 4 horas semanales, en la planta
2 es de 12 horas semanales y la planta 3 es de
18 horas semanales
Las decisiones a tomar son el
número de lotes de los
productos que se fabricarán
semanalmente, de manera de
maximizar las utilidades
Para formular el modelo matemático de
programación lineal de este problema se define:

x1 = número de lotes del producto 1

que se fabrican por semana

x2 = número de lotes del producto 2

que se fabrican por semana

Z = ganancia semanal total (en miles

de dólares) que generan estos dos
productos
Por lo tanto las variables de decisión son: x1 y x2

La función objetivo (FO) es :

Z= 3x1+5x2
 Restricciones Función objetivo

Condición de
no negatividad
SOLUCIÓN GRÁFICA

x1≤4
 Terminología de las soluciones del modelo

SOLUCIÓN = Cualquier conjunto de valores

específicos de las variables (x1, x2, …xn)

SOLUCIÓN FACTIBLE = es aquella para la que

todas las restricciones se satisfacen

SOLUCIÓN NO FACTIBLE = es aquella para la que

al menos una restricción se viola.

REGIÓN FACTIBLE = es la reunión de todas las

soluciones factibles.
SOLUCIÓN OPTIMA = la solución FACTIBLE que
proporciona el valor más favorable de la función
objetivo.

SOLUCIONES ÓPTIMAS MULTIPLES = más de una

solución obtiene el valor más favorable de la FO
SIN SOLUCIÓN ÓPTIMA = no hay solución factible
ó Z no está acotada
 SOLUCIÓN FACTIBLE EN UN VÉRTICE (FEV)= es
una solución que se encuentra en una esquina de la
región factible

La mejor
Si tiene solución FEV
soluciones debe ser
factibles y óptima y si hay
región factible múltiples
acotada, debe soluciones
tener soluciones óptimas, al
FEV y una debe
menos dos son
ser óptima
FEV
Supuestos de la programación lineal

Todos los supuestos están implícitos en la formulación del

modelo.

1.- Proporcionalidad: es un supuesto sobre la FO y las

restricciones funcionales y se resume así:

La contribución de cada actividad a la FO Z es proporcional

al nivel de la actividad xj como lo representa el término cjxj
en la FO.

La contribución de cada actividad al lado izquierdo de cada

restricción funcional es proporcional al nivel de la actividad
xj, como lo representa el término aij xj en cada restricción
proporcional al nivel de la actividad xj, como lo representa el
término aijxj
 2.- Aditividad.

Aunque el supuesto de proporcionalidad elimina los

exponentes diferentes de 1, no prohíbe los términos de
productos cruzados (que incluyen el producto de dos
variables).

Cada función de un modelo de programación lineal (sea

de la FO o el lado izquierdo de las restricciones
funcionales) es la suma de las contribuciones individuales
de las actividades respectivas
 3.- Divisibilidad.

En un modelo de programación lineal, las variables de

decisión pueden tomar cualquier valor, incluso valores no
enteros, que satisfagan las restricciones funcionales y de
no negatividad.

4.- Certidumbre.

Se supone que los valores asignados a cada parámetro de

un modelo de programación lineal (los coeficientes cj en la
FO, los coeficientes aij en las restricciones funcionales y
los bi en el lado derecho de las restricciones funcionales)
son constantes conocidas.
Algunos ejemplos adicionales

Acaban de diagnosticar que Mary padece cáncer en una

etapa bastante avanzada. Específicamente, tiene un tumor
grande en el área de la vejiga, una “lesión que afecta a toda
la vejiga”.
Mary recibirá los cuidados médicos más avanzados
disponibles, para proporcionarle la mejor posibilidad de
supervivencia. Estos cuidados incluyen una terapia de
radiación extensa.
La terapia implica el uso de una máquina de rayos
externos que envía radiación ionizante a través del cuerpo
de la paciente y daña tanto los tejidos cancerosos como los
sanos. Es normal que se administren los rayos con
precisión desde diferentes ángulos en un plano de dos
dimensiones.
 Debido a la atenuación, cada rayo descarga más radiación
sobre el tejido cercano al punto de entrada que sobre el
cercano al punto de salida. La dispersión también provoca
que parte de la radiación se descargue sobre tejidos que
están fuera de la trayectoria directa del rayo.

Debido a que las células del tumor casi siempre se

encuentran diseminadas entre células sanas, la dosis de
radiación a través de la región del tumor debe ser suficiente
para matar las células malignas que son un poco más
sensibles a ella, pero suficientemente pequeña para no
matar a las células sanas.
 Al mismo tiempo, la dosis acumulada que reciben los
tejidos críticos no debe exceder los niveles de tolerancia
establecidos, con el objeto de prevenir complicaciones que
puedan resultar más serias que la enfermedad misma. La
dosis completa que recibe el cuerpo sano debe minimizarse.
Debido a la necesidad de balancear con cuidado todos
estos factores, el diseño de la terapia de radiación es un
proceso muy delicado. La meta principal de este diseño es
elegir la combinación de rayos que se utilizará y la intensidad
de cada uno para generar la mejor distribución posible de la
dosis. (La fuerza de la dosis en cualquier punto del cuerpo se
mide en unidades llamadas kilorads.) Una vez diseñado el
tratamiento, se administra en muchas sesiones durante
varias semanas.
 En el caso de Mary, el tamaño y la localización del tumor
hacen que el diseño de su tratamiento sea un proceso más
delicado que lo usual. La figura muestra un diagrama de un
corte transversal del tumor visto desde arriba, al igual que
los tejidos cercanos críticos que deben evitarse.

Estos tejidos incluyen órganos vitales —por ejemplo, el

recto— y estructura ósea —el fémur y la pelvis— que
atenuarán la radiación. Además, se muestra el punto de
entrada y la dirección de los únicos dos rayos que se
pueden usar en este caso con un grado relativamente
moderado de seguridad. (El ejemplo se ha simplificado en
este punto, pero en la realidad se consideran docenas de
rayos posibles.)
 En el caso de cualquier rayo propuesto de una cierta
intensidad, el análisis para determinar cuál sería la absorción
de radiación resultante por distintas partes del cuerpo
requiere desarrollar un difícil proceso.

En resumen, con base en un análisis anatómico cuidadoso,

la distribución de energía dentro de un corte transversal de
dos dimensiones se puede graficar en un mapa de isodosis
en el que las curvas representan la fuerza de la dosis como
un porcentaje de la fuerza de ésta en el punto de entrada.

Después, se coloca una red fina sobre dicho mapa. Si se

suma la radiación absorbida en los cuadros que contienen
cada tipo de tejido, se puede calcular la dosis promedio que
absorbe el tumor, los tejidos sanos y los tejidos críticos. La
absorción de la radiación es aditiva cuando se administra
más de un rayo (en forma secuencial).
 Después de un análisis exhaustivo, el equipo médico estimó con
detalle los datos necesarios para el diseño del tratamiento de Mary,
cuyo resumen se presenta en la tabla siguiente:
Fracción de la
Área dosis de Restricción
entrada sobre la dosis
absorbida por promedio total,
área kilorads
(promedio)

Rayo 1 Rayo 2

Anatomía sana 0.4 0.5 Minimizar

Tejido crítico 0.3 0.1 ≤2.7
0.5 0.5
Región del tumor =6
0.6 0.4
Centro del tumor ≤6

La primera columna presenta las áreas del cuerpo que deben considerarse.
Las dos siguientes, la fracción de dosis de radiación de cada rayo, que se
absorbe en promedio. La última columna presenta las restricciones sobre la
dosis total de ambos rayos que se absorbe en promedio
 1.- Vejiga y tumor

3.- Fémur,
parte de la
pelvis, etc.

2.- Recto, coxis, etc.

Corte transversal del tumor de Mary (visto desde arriba),

cerca de tejidos críticos y de los rayos de radiación
usados
Formulación como un problema de programación lineal.

Las decisiones que deben hacerse son las dosis de

radiación en los dos puntos de entrada. Por lo tanto, las
dos variables de decisión x1 y x2 representan la dosis
(en kilorads) en el punto de entrada de los rayos 1 y 2,
respectivamente. Como debe minimizarse la dosis total
que llega a la anatomía sana, se definirá como Z a esta
cantidad. En este punto se pueden usar los datos de la
tabla para formular el siguiente modelo de programación
lineal Minimizar

Z = 0.4x1 + 0.5x2 ,
sujeta a
0.3x1 + 0.1x2 ≤ 2.7
0.5x1 + 0.5x2 = 6
0.6x1 + 0.4x2 ≤ 6 Y x1 ≥ 0, x2 ≥0.
 Observe las diferencias entre este modelo y el
ejemplo que desarrollamos:

Este último involucraba maximizar Z, y todas las

restricciones funcionales tenían la forma ≤.

El nuevo modelo incorpora otras tres formas legítimas

descritas anteriormente; a saber: minimizar Z,
restricciones funcionales de la forma ≥, y restricciones
funcionales de la forma =.

Sin embargo, ambos modelos tienen sólo dos

variables, de manera que este nuevo problema
también se puede resolver por el método gráfico
La región factible consiste nada
más en el segmento entre los
puntos (6, 6) y (7.5, 4.5), ya
que los puntos en este
segmento son los únicos que
satisfacen todas las restric-
ciones al mismo tiempo.
(Observe que la restricción de
igualdad limita la región factible
a la recta que contiene este
segmento y las otras
restricciones funcionales
determinan los puntos extremos
del segmento.)
La línea punteada representa la
función objetivo que pasa por la
solución óptima(x1, x2) = (7.5, 4.5)
con Z= 5.25. Esta solución es
óptima

En consecuencia, el diseño óptimo implica utilizar una dosis total en el

punto de entrada de7.5 kilorads para el rayo 1 y 4.5 kilorads para el rayo 2.
Otro ejemplo:

La CONFEDERACIÓN SUR DE KIBBUTZIM está formada

por tres kibbutzim (comunidades agrícolas comunales) de
Israel. La planeación global de este grupo se hace en su
oficina de coordinación técnica. En la actualidad planean la
producción agrícola para el año próximo.
La producción agrícola está limitada tanto por la extensión
de terreno disponible para irrigación como por la cantidad
de agua que la Comisión de Aguas (una oficina del gobierno
nacional) asigna para irrigarlo.
Los tipos de cultivos adecuados para la región incluyen
remolacha, algodón y sorgo, que son precisamente los tres
que están en estudio para la estación venidera.

Los cultivos difieren primordialmente en su rendimiento neto

esperado por acre y en su consumo de agua. Además, el
Ministerio de Agricultura ha establecido una cantidad
máxima de acres que la Confederación puede dedicar a
estos cultivos. La tabla muestra estas cantidades.
 Debido a la disponibilidad limitada de agua para
irrigación, la Confederación no podrá usar todo el terreno
irrigable para los cultivos de la próxima temporada. Para
asegurar la equidad entre los tres kibbutzim, han acordado
que cada uno sembrará la misma proporción de sus
tierras irrigables disponibles. Por ejemplo, si el kibbutz 1
siembra 200 de sus 400 acres disponibles, entonces el
kibbutz 2 deberá sembrar 300 de sus 600 acres, mientras
que el kibbutz 3 sembraría 150 acres de los 300 que tiene.
 Cualquier combinación de estos cultivos se puede
sembrar en cualquiera de las granjas. El trabajo al que se
enfrenta la oficina de coordinación técnica consiste en
planear cuántos acres deben asignarse a cada tipo de
cultivo en cada kibbutz, de forma que cumpla con las
restricciones dadas. El objetivo es maximizar el
rendimiento neto total de la Confederación Sur de
Kibbutzim.
Formulación como un problema de programación lineal.

Las cantidades sobre las que se tomará la decisión son el

número de acres que se dedicará a cada cultivo en cada
kibbutz.

Las variables de decisión xj (j = 1, 2, . . . , 9) representan

estas nueve cantidades, como se muestra en la tabla
 Como la medida de eficacia
Z es el rendimiento neto total,
el modelo de programación
lineal que resulta para este
problema es:

Maximizar

Z = 1000 (x1 + x2 + x3) + 750 (x4 + x5 +

x6) + 250 (x7 + x8 + x9)

sujeta a las siguientes restricciones :

Esto completa el modelo, a excepción de las igualdades
que no están en la forma apropiada para un modelo de
programación lineal porque algunas variables están en el
lado derecho de las ecuaciones. En consecuencia, la forma
final es:

La oficina de coordinación técnica formuló este modelo y

después aplicó el método Simplex para encontrar una
solución óptima