9

CAPITULO
OPTIMIZACION DE PROCESOS

9.4 PROGRAMACION LINEAL

La programacin lineal es una tcnica de optimizacin aplicada a problemas en los que la
funcin objetivo es lineal y las restricciones son ecuaciones o inecuaciones tambin
lineales.
Las principales aplicaciones de la programacin lineal consisten en la optimizacin de:
Lneas de produccin
Formulacin de Productos
Problemas de transporte y asignacin
Asignacin de componentes
Sntesis de reacciones qumicas
Redes de intercambio de calor.
Principio
Se trata de buscar el ptimo de la funcin en la regin limitada por los planos que
constituyen las restricciones. El ptimo se encuentra en un vrtice de estos planos.
Procedimiento
El procedimiento de clculo de la programacin lineal es bastante sencillo. En primer lugar
se debe formular el problema, es decir, expresar con ecuaciones lineales la funcin objetivo
y las restricciones. Usualmente las restricciones se expresan como desigualdades. Estas
desigualdades se transforman en igualdades mediante la introduccin de las denominadas
variables de holgura. Posteriormente el problema se adecua a la forma matricial y se
realizan operaciones en filas para su resolucin, que resulta equivalente al mtodo de Gauss
Jordan.
Este procedimiento se ilustrar mejor mediante un ejemplo sencillo.

Ejemplo 1
En una planta se tienen tres tipos de mquinas: M1, M2 y M3; asimismo, se manufacturan
dos productos P1 y P2. Se debe determinar la cantidad semanal de los productos P1 y P2
que se debe manufacturar para maximizar ganancias. El beneficio obtenido por el producto
P1 es $ 40 y por el producto P2 es $ 60.
Como restricciones se tienen que para producir P1 se requieren 2 horas de uso de M1; 1
hora de M2 y 1 hora de M3. En cambio, para producir P2 se requieren 2 horas de M1; 1
hora de M2 y 3 horas de M3. El nmero de horas disponibles por semana de cada mquina
es 70 de M1; 40 de M2 y 90 de M3.
Para resolver este problema el primer paso es formular la funcin objetivo, que deber
relacionar la cantidad a manufacturar de cada producto y la ganancia esperada. Entonces se
asignan como variables principales a X1 y X2, que corresponden a las cantidades a
producir de P1 y P2, respectivamente. Entonces la ganancia total de la produccin se
expresar como: M = 40 X1 + 60 X2.
Las restricciones en el uso de maquinaria expresadas matemticamente resultan:
M1:
2X1+ X2 70
M2:
X1 + X2 40
M3:
X1 + 3 X2 90
Obviamente, X1 0; X2 0
Las restricciones se pueden reformular introduciendo las variables de holgura X3, X4 y X5.
M1:
2X1+ X2 + X3
= 70
M2:
X1 + X2
+ X4
= 40
M3:
X1 + 3 X2
+ X5 = 90
Luego el planteamiento del problema ser:
Maximizar
M = 40 X1 + 60 X2
Sujeto a
2X1+ X2 + X3
= 70
X1 + X2
+ X4
= 40
X1 + 3 X2
+ X5 = 90
La expresin matricial del problema ser:
M
0
0
0
1

X1
2
1
1
-40

X2
1
1
3
-60

X3
1
0
0
0

X4
0
1
0
0

X5
0
0
1
0

b
70
40
90
0

Ntese que la ltima fila corresponde a la funcin objetivo expresada como

M- 40 X1 60 X2 = 0
Para seleccionar los valores ptimos para X1 y X2 se procede del siguiente modo:
a) Seleccionar como pivote la columna con el coeficiente mayor en la ltima fila.

b) Dividir los elementos del vector b entre aquellos de la columna seleccionada b/Xi;
para este caso es b/X2. Seleccionar como pivote la fila correspondiente al valor
positivo menor de (b/Xi).
c) Tomar como elemento pivote a la fila y a la columna seleccionada; en este caso, se
trata de a32.
d) Usando el elemento pivote seleccionado en el paso anterior, se eliminan los dems
elementos de la columna pivote, mediante operaciones en filas, de modo semejante
a como se trabaja con el mtodo de Gauss Jordan.
e) Repetir desde el paso (a) hasta que no existan valores negativos en la fila de la
funcin objetivo.
Aplicando este procedimiento a la matriz del ejemplo resulta:
a) Columna pivote, corresponde al valor de -60.
b) Seleccionar la fila pivote dividiendo b/X2i. En este ejemplo:
(b/X2)T = (70, 40, 30). Se selecciona la ltima fila.
c) Elemento pivote es a32 = 3.
d) Haciendo operaciones en filas para eliminar los dems elementos de la columna
pivote, resulta:
M
X1
X2
X3
X4
X5
b
0
5/3
0
1
0
0
40
0
2/3
0
0
1
-1/3 10
0
1/3
1
0
0
1/3
30
1
-20
0
0
0
20
1800
Ntese que el valor de la funcin objetivo ha cambiado de 0 a 1800.
Repitiendo todos los pasos anteriores se obtiene que la columna pivote corresponde a -20.
La fila pivote es la segunda en tanto, (b/X1)T = (24, 15, 90). El elemento pivote es a12 =
2/3. De las operaciones en filas se obtiene:
M
0
0
0
1

X1
0
1
0
0

X2
0
0
1
0

X3
1
0
0
0

X4
-5/2
3/2
-1/2
30

X5
5/6
-1/2
1/6
10

b
15
15
25
2100

Se ha alcanzado el punto ptimo de la funcin objetivo. Ya no es posible continuar

optimizando pues no existe un valor negativo. Luego, X1 = 15 y X2 = 25
.
Ejemplo 2
Una pequea planta de maylicas tiene una capacidad de planta de 6500 kg/da. En ella se
fabrican 3 tipos de maylicas. Sus composiciones, costos de materias primas, precios de
venta y demandas mximas se presentan en la tabla adjunta. Determinar:
a) La utilidad que reporta la produccin de cada tipo de maylica, sabiendo que el
costo de produccin es cuatro veces superior al costo de las materias primas.

b)
c)
d)
e)
f)
g)
h)

Las variables de optimizacin

La funcin objetivo si lo que se quiere es maximizar la utilidad de la planta
Las restricciones del sistema
Formule el problema de programacin lineal en forma matricial
Seleccione el elemento pivote del primer paso del proceso de reduccin
Reduzca la columna pivote a un vector con un solo elemento no nulo.
Establezca el valor de la funcin objetivo para el primer paso.
COSTO
$/kg

Caoln
Slice
Talco
Dolomita
PRECIO DE
VENTA
DEMANDA
MXIMA

0,5
0,3
0,4
0,2
$/kg

COMPOSICIN
MAYOLICA A MAYOLICA B MAYOLICA C
0,4
0,35
0,3
0,03
0,04
0,05
0,02
0,04
0,05
0,2
0,22
0,25
3
2
1,5

100 kg/da

20

25

30

Resolucin
A) La utilidad que reporta cada tipo de materia prima se presenta en la siguiente
tabla:
PRODUCTO

Costo de
Proceso $/kg

Precio de
Venta $/kg

Utilidad
$/kg

Demanda
Mxima
100 kg/da

Maylica A
Maylica B
Maylica C

1,028
0,988
0,940

3,00
2,00
1,50

1,972
1,012
0,56

20
25
30

B) Las variables de optimizacin son las cantidades de cada tipo de maylica a

producir, es decir: MA, fraccin de maylica A; MB, fraccin de maylica
B; MC, fraccin de maylica C.
C) La funcin objetivo ser el producto de las cantidades de cada tipo de
maylica a producir multiplicado por la utilidad correspondiente. Vale
decir:
M = 1,972*MA + 1,012*MB + 0,56*MC
D) Una primera restriccin es que la suma de las cantidades de cada producto
no debe exceder la capacidad de planta. Es decir:
MA + MB + MC 65
Las siguientes restricciones se refieren a que la cantidad a producir de cada
producto no debe superar su demanda.
MA 20
MB 25

MC 30
Obviamente los valores de Mi deben ser positivos.
E) La formulacin matricial del problema de programacin lineal ser:
F.O.
0
0
0
0
1

MA
1
1
0
0
-1,972

MB
1
0
1
0
-1,012

MC
1
0
0
1
-0,56

M1
1
0
0
0
0

M2
0
1
0
0
0

M2
0
0
1
0
0

M4
0
0
0
1
0

b
65
20
25
30
0

F) La columna pivote ser la correspondiente a MA, pues el valor absoluto

mayor en la ltima fila es -1,972. Dividiendo los valores del vector bi por
los correspondientes MAi se obtiene el vector:
(b/MA)T = (65, 20, /0, /0, 0). Luego el elemento pivote ser el a21 = 1.
G) Tomando el elemento pivote, mediante operaciones en filas se convierten los
otros elementos de la columna MA a cero. Es decir, multiplicando la
columna 2 por (-1) y sumando a la columna 1, as como multiplicando la
columna 2 por (1,972) y sumando a la ltima columna se obtendrn los
resultados indicados en la tabla siguiente.
H) Como se aprecia en la tabla las operaciones en filas para anular los
elementos de la columna MA incrementan el valor de la funcin objetivo a
39,44.
F.O.
M1
M2
M3
M4
M5
M6
M7
b
0
0
1
1
1
-1
0
0
45
0
1
0
0
0
1
0
0
20
0
0
1
0
0
0
1
0
25
0
0
0
1
0
0
0
1
30
1
0
-1,012 -0,56
0
1,972 0
0
39,44
I) Si se contina trabajando en la misma forma se llegar a la solucin ptima
que reporta los siguientes valores:
MA=20 ; MB=25 ; MC=20; Funcin Objetivo = 75,94. Recordar que
estos valores deben ser multiplicados por 100. Es decir, la cantidad a
producir de la maylica tipo A es 2000; de la B es 2500 y de la C es 2000,
siendo la utilidad diaria de 7594 dlares.
Software
Para la resolucin de problemas de programacin lineal se puede acceder a software de
muy diversa calidad. En varios textos se encuentran cdigos computacionales para resolver
dichos problemas. Por ejemplo consltese Numerical Recipes de Press et. al., disponible en
lnea en la pgina web www.nr.com. Hoy en da, las diversas hojas de clculo incorporan la

programacin, siendo bastante sencillo su empleo. LINDO es software especializado en

programacin lineal, siendo tambin bastante amigable.