APLICACIONES DE LA
PROGRAMACIÓN LINEAL
1.APLICACIONES
DE LA PROGRAMACIÓN
LINEAL EN MARKETING
1.1SELECCIÓN DE
MEDIOS PUBLICITARIOS
La Programación
Lineal se utiliza en el campo del marketing y la publicidad como una
herramienta que nos permite determinar cuál es la combinación más efectiva de
medios para anunciar nuestros productos. En muchas ocasiones partiremos de un
presupuesto para publicidad fijo y nuestro objetivo será distribuirlo entre las
distintas opciones que se nos ofrecen (televisión, radio, periódicos, revistas,
etc.) de forma que nuestros productos tengan la mayor difusión posible. En
otros casos, las restricciones no serán presupuestarias sino que vendrán dadas
por la disponibilidad de cada medio y por las políticas publicitarias de
nuestra propia empresa.
Supongamos, por
ejemplo, que trabajamos para una cadena nacional de bingos, el director de la
cual nos otorga un presupuesto de 8.000 € por semana para publicidad. Este
dinero debe dedicarse a publicar anuncios en cuatro tipos de medios de
difusión: TV, periódicos, y dos emisoras de radio. Nuestro objetivo final no
será otro que el de conseguir la mayor audiencia posible. En el cuadro que se
muestra a continuación se recoge información referente a la audiencia esperada
por anuncio, el coste del mismo, y el nº máximo de anuncios que es posible
insertar en cada medio por semana:
MEDIO
|
AUDENCIA
POR ANUCIO
|
COSTE POR
ANUNCIO (€)
|
N° MÁXIMO
POR SEMANA
|
TV
|
5.000
|
800
|
12
|
Periódico
|
8.500
|
925
|
5
|
Radio 1
|
2.400
|
290
|
25
|
Radio 2
|
2.800
|
380
|
20
|
Además, los
acuerdos contractuales de nuestra empresa requieren la contratación al menos 5
anuncios de radio por semana, aunque la dirección insiste en no dedicar a este
medio más de 1.800 € por semana. Usaremos LINDO para plantear y resolver este
problema:
SELECCIÓN DE MEDIOS
Variables
X1=
“anuncios en TV por semana”
X2= “anuncios en periódico por semana”
X3= “anuncios
en radio 1 por semana”
X4=
“anuncios en radio 2 por semana”
Función objetivo
Función objetivo
(maximizar) = 5000 X1 + 8500 X2 + 2400 X3 +
2800 X4
Restricciones
Número máximo por
semana
X1 <=
12
X2 <= 5
X3 <=
25
X4 <=
20
Coste por anuncio (€)
800 X1 +
925 X2 +290 X3 + 380 X4 <= 8000
Acuerdos
contractuales
X3 + X4 >= 5
290 X3
+380 X4 <= 1800
R./ Por tanto, la
forma más efectiva de distribuir nuestro capital en base a las condiciones
preestablecidas, será emitiendo dos anuncios semanales en televisión, 5 en el
periódico, y 6 en la radio 1. Ello hará que unos 66.900 potenciales compradores
conozcan nuestros productos.
1.2 ESTUDIOS DE
MERCADO
La
programación lineal es aplicable también a la investigación de mercados. En el
siguiente ejemplo se muestra cómo los estadísticos pueden hacer uso de la
Programación Lineal a la hora de diseñar encuestas:
Supongamos
que pretendemos realizar una encuesta para determinar la opinión de los
españoles acerca del problema de la inmigración. A fin de que la misma sea
significativa desde un punto de vista estadístico, exigiremos que ésta deba
cumplir los siguientes requisitos:
1.
Entrevistar al menos un total de 2.300 familias españolas.
2. De las
familias entrevistadas, al menos 1.000 deben cumplir que su cabeza de familia
no supere los 30 años de edad.
3. Al
menos 600 de las familias entrevistadas tendrán un cabeza de familia con edad
comprendida entre los 31 y los 50 años.
4. El
porcentaje de entrevistados que pertenecen a zonas con elevada tasa de
inmigración no debe ser inferior a un 15% del total.
5.
Finalmente, no más de un 20% de los entrevistados mayores de 50 años
pertenecerán a zonas con alta tasa de inmigración.
Además,
todas las encuestas deberán realizarse en persona. A continuación indicamos el
coste estimado de cada encuesta según la edad del encuestado y si procede o no
de una zona con una alta tasa de inmigración:
ZONA
|
EDAD < 31 AÑOS
|
EDAD 31 - 50
|
EDAD > 50
|
Tasa
de inmig. Elevada
|
7.50
€
|
6.80
€
|
5.50
€
|
Tasa
de inmig. baja
|
6.90
€
|
7.25
€
|
6.10
€
|
Obviamente,
nuestro objetivo será cumplir todos los requisitos anteriores minimizando el
coste:
ESTUDIO DE MERCADO – ENCUESTA
Variables
I3 = “n° encuestados de edad <= 30 y que viven en zonas
de mucha inmigración”
I4 = “n° encuestados de edad entre 31- 50 que viven en zonas
de mucha inmigración”
I5 = “n° encuestados de edad > 50 que NO viven en zonas
de mucha inmigración”
N3 = “n° encuestados de edad<= 30 y que NO viven en zonas
de mucha inmigración”.
N4 = “n° encuestados de edadentre 31-50 que NO viven en
zonas de mucha inmigración”.
N5 = “n° encuestados de edad > 50 que NO viven en zonas
de mucha inmigración”.
Función objetivo
Función obj.
(Minimizar) = 7.50 I3 + 6.80 I4 + 6.90 I5 +
6.90 N3 +7.25 N4 +6.10 N5
Restricciones
I3 + I4 + I5 + N3
+ N4 + N5 >= 2300
I3 + N3 >= 1000
I4 +
N4 >= 600
I3 + I4 +I5 – (0.15)
I3 – (0.15) I4 – (0.15) I5 – (0.15) N3
– 0.15) N4 – (0.15) N5 >= 0
I5 – (0.2) I5 – (0.2) N5
<= 0
Así pues, deberíamos realizar la encuesta exclusivamente
a 600 individuos del tipo I4, a 140 del tipo I5, a 1.000 del tipo N3 y a 560
del tipo N5. Ello supondría unos costes estimados de 15.166 €.
2. APLICACIONES
DE LA PROGRAMACIÓN
LINEAL EN PRODUCCIÓN
2.1 COMBINACIÓN
ÓPTIMA DE BIENES
A menudo las técnicas de PL permiten decidir sobre
la cantidad más adecuada que una empresa debe producir de cada uno de sus
productos a fin maximizar los beneficios sin dejar de cumplir con unos
determinados requisitos (financieros, de demanda, contractuales, de
disponibilidad de materias primas, etc.).
Una
empresa dedicada a la elaboración y venta de ropa para hombre produce cuatro
tipos de corbatas, una de seda, otra de poliester, y dos de poliester/algodón.
La tabla siguiente muestra el coste de cada uno de estos materiales y su
disponibilidad:
MATERIAL
|
COSTE POR METRO (€)
|
METROS DISPONIBLES/MES
|
Seda
|
21
|
800
|
Poliéster
|
6
|
3.000
|
Algodón
|
9
|
1.600
|
La empresa
tiene contratos de larga duración para suministrar corbatas a cinco cadenas de
tiendas de ropa. En dichos contratos se especifica que la empresa deberá
suministrar unas cantidades mínimas mensuales de cada tipo de corbata y, que en
caso de recibir una demanda superior al mínimo, será la propia empresa la que
decida si puede o no servir la cantidad extra solicitada. A continuación
aparecen los datos relevantes:
TIPO DE CORBATA
|
PRECIO DE VENTA (€)
|
MINIMO A SERVIR
|
DEMANDA MENSUAL
|
METROS NECESARIOS
|
COMPOSICION
|
Seda
|
6.70
|
6.000
|
7.000
|
0.125
|
100%
seda
|
Poliéster
|
3.55
|
10.000
|
14.000
|
0.08
|
100%
poliéster
|
Algodón
# 1
|
4.31
|
13.000
|
16.000
|
0.10
|
50%
poliéster
50%
algodón
|
Algodón
# 2
|
4.81
|
6.000
|
8.500
|
0.10
|
30%poliéster
70%
algodón
|
El objetivo
de la empresa es elegir el plan de producción que maximice sus beneficios
mensuales.
Lo primero en
este problema será determinar qué beneficios nos reporta cada una de las corbatas
vendidas y fabricadas. Así por ejemplo, cada corbata de seda requiere de 0.125
metros de este material, a un coste de 21 € por metro, lo que nos da un coste
por corbata de 2.62 €. Como la vendemos por 6.70 €, el beneficio que obtenemos
será de 4.08 € por cada unidad producida y vendida. El mismo razonamiento se
aplicará a los restantes tres tipos de corbata, con lo que obtendremos el
siguiente planteamiento:
COMBINACIÓN DE BIENES
A PRODUCIR
Variables
S = “N° corbatas de
seda a producir”
P = N° corbatas de
poliéster a producir”
A1 = N°
corbatas de algodón #1 a producir”
A2 = N°
corbatas de algodón #2 a producir”
Función objetivo
Función obj. (Maximizar)
= 4.08 S + 3.07P + 3.56 A1 + 4.00 A2
Restricciones
0.125 S <= 800
0.08 P + 0.05 A1
+ 0.03 A2 <= 3000
0.05 A1 + 0.07 A2
<= 1600
S >= 6000
S <= 7000
P >= 10000
P <= 14000
A1 >=
13000
A1 <=
16000
A2 >=
6000
A2 <=
8500
Observar que la solución a nuestro caso será producir
cada mes 6.400 corbatas de seda, 14.000 de poliéster, 16.000 de algodón #1, y
8.500 de algodón #2. Ello nos dará unos beneficios de 160.052 € por mes.
2.2 PLANIFICACIÓN
DE LA PRODUCCIÓN
El establecer un plan de producción para un período de
semanas o meses resulta ser una tarea difícil e importante en la mayoría de las
plantas de producción. El director de operaciones debe considerar muchos
factores: mano de obra, costes de inventario y almacenamiento, limitaciones de
espacio, demanda, etc. Por lo general la mayoría de las plantas producen más de
un bien, con lo que la tarea anterior se complica aún más. Como veremos en el
siguiente ejemplo, el problema de la planificación se asemeja bastante al de la
combinación óptima de bienes, pudiendo ser el objetivo maximizar beneficios o
bien minimizar los costes de producción más almacenamiento.
La empresa Motores de Almazora, S.A. fabrica dos tipos de
motores eléctricos los cuales vende a la compañía Electrodomésticos Villareal,
S.A. Tres veces al año, el director de compras de esta última empresa envía a
la primera un pedido que abarca los siguientes cuatro meses. A continuación se
muestra una tabla con el pedido para el período enero-abril para cada modelo de
motor:
MODELO
|
ENERO
|
FEBRERO
|
MARZO
|
ABRIL
|
ME3A
|
800
|
700
|
1.000
|
1.100
|
ME3B
|
1.000
|
1.200
|
1.400
|
1.400
|
La planificación de la producción en Motores de Almazora, S.A. debe considerar cuatro factores:
1. El deseo de
producir el mismo nº de motores cada mes. Esto simplificaría la planificación y
los horarios de trabajadores y máquinas.
2. La necesidad de
mantener lo más bajo posible los costes de estucos. Esto sugiere que en cada
mes se ha de ajustar la producción a lo estrictamente requerido en el mismo.
3. Limitaciones de
almacenes, las cuales son de 3.300 unidades máximo de cada tipo.
4. La política de no
despidos de la compañía, la cual garantiza que un mínimo de la capacidad
productiva estará en activo cada mes. Concretamente se asegura un nivel no
inferior a las 2.240 horas mensuales de mano de obra, pudiéndose ampliar tal
recurso hasta las 2.560 horas mensuales si fuese necesario.
Deberemos
tener en cuenta que los costes de producción son de 10 € por unidad de ME3A y
de 6 € por unidad de ME3B, si bien debido a un acuerdo con los sindicatos,
éstos costes se incrementarán en un 10% a partir del 1 de marzo. Además, cada
motor de tipo ME3A que permanezca en estoc supone un coste de 0.18 € por mes,
mientras que almacenar uno de tipo ME3B genera un coste de 0.13 € mensuales.
Por otro
lado, se desea tener un inventario de seguridad de 450 ME3A y 300 ME3B a
finales de abril. Indicar finalmente que cada ME3A requerirá de 1.3 horas de
mano de obra, mientras que cada ME3B necesita de 0.9 horas.
PLAN DE PRODUCCIÓN
Variables
XAi = “n°de ME3A producidos durante el mes i”, donde i=1, 2, 3, 4.
XBi = “n°de ME3B producidos durante el mes i”
IAi = “n° de ME3A en
inventario al final del mes i”
IBi = “n° de ME3B en
inventario al final del mes i”
Función objetivo
Función obj.
(Minimizar) = 10XA1 + 10XA2
+ 11XA3 + 11XA4 + 6XB1 + 6XB2 +
6.6XB3 + 6.6XB4 + 0.18 IA1 + 0.18 IA2
+ 0.18 IA3 + 0.18 IA4 + 0.13 IB1 + 0.13 IB2
+ 0.13 IB3 + 0.13 IB4
Costes de producción y costes de inventario
Restricciones
XA1 – IA1 = 800 demanda de enero
XB1 – IB1 = 1000
XA2 + IA1 – IA2 = 700 demanda de febrero
XB2 + IB1 – IB2 = 1200
XA3 + IA2 –
IA3 = 1000 demanda de marzo
XB3 + IB2 – IB3 = 1400
XA4 + IA3 – IA4 = 1100 demanda de abril
XB4 + IB3 – IB4 = 1400
IA4 = 450
IB4 = 300
IA1 + IB1
<= 3300
IA2 + IB2
<= 3300
IA3 + IB3
<= 3300
IA4 + IB4
<= 3300
1.3 XA1 + 0.9 XB1 >= 2240 mínimo uso de mano de obra en enero
1.3 XA1 + 0.9 XB1 <= 2560
1.3 XA2 + 0.9 XB2 >= 2240 mínimo de uso de manos de obra en febrero
1.3 XA2 + 0.9 XB2 <= 2560
1.3 XA3 + 0.9 XB3 >= 2240 mínimo de uso de manos de obra en marzo
1.3 XA3 + 0.9 XB3 <= 2560
1.3 XA4 + 0.9 XB4 >= 2240 mínimo de uso de manos de obra en abril
1.3 XA4 + 0.9 XB4 <= 2560
El ejemplo anterior
nos muestra la elaboración de un plan de producción relativamente sencillo ya
que sólo se consideran dos productos. Sin embargo, el mismo procedimiento usado
aquí es aplicable a planes de producción con decenas de productos y centenares
de restricciones.
3. APLICACIONES
DE LA PROGRAMACIÓN LINEAL A LA DISTRIBUCIÓN DE TAREAS
3.1 ASIGNACIÓN
DE TRABAJOS
El
objetivo aquí será asignar de la forma más eficiente posible un trabajo a cada
empleado o máquina. Ejemplos de este tipo de asignación serían la distribución
de coches patrulla por las calles de una ciudad
o la destino de cada jefe de ventas a una determinada zona geográfica.
El objetivo puede ser bien minimizar los tiempos o costes de desplazamiento, o bien maximizar la efectividad de las asignaciones.
El objetivo puede ser bien minimizar los tiempos o costes de desplazamiento, o bien maximizar la efectividad de las asignaciones.
Aparte de poder utilizar los algoritmos tradicionales
(Simplex y Karmarkar), este tipo de problemas también puede resolverse usando
técnicas especialmente diseñadas para sus características como el método
húngaro, el cual necesita de menos iteraciones para dar con la solución.
Una propiedad particular de los problemas de asignación
es que tanto los coeficientes tecnológicos cómo los términos independientes (right-hand-side)
siempre toman el valor 1. Además, todas las variables serán binarias, tomando
el valor 1 si la asignación propuesta se lleva a cabo y 0 en caso contrario.
Veamos un ejemplo:
Un gabinete de abogados tiene en su nómina cuatro hábiles
licenciados en derecho a los cuales quiere utilizar de forma óptima asignando a
cada uno el caso que más se ajuste a sus características. El 1 de marzo llegan
a la compañía cuatro clientes en busca de asesoramiento, y el director del
gabinete decide asignar cada caso a cada uno de sus cuatro
empleados según sus especialidades y preferencias.
A
continuación se muestra una tabla donde se estima la efectividad (valorada en
una escala del 1 al 9) de cada trabajador para cada uno de los casos que
presentan los clientes:
ABOGADO
|
DIVORCIO
|
FUSION
EMPRESAS
|
ABSORCION
EMPRESAS
|
EXHIBICIONISMO
|
A1
|
6
|
2
|
8
|
5
|
A2
|
9
|
3
|
5
|
8
|
A3
|
4
|
8
|
3
|
4
|
A4
|
6
|
7
|
6
|
4
|
DESPACHO DE ABOGADO
Variable
Para resolver esta
situación, consideraremos las variables Xij, donde i = 1, 2, 3, 4 según
abogado, y j = 1, 2, 3, 4 según caso. Así, la variable Xij tomará el valor 1 si
el abogado i es asignado al caso j, y 0 en caso contrario.
Función objetivo
Función obj. (Max) = 6X11 + 2X12
+ 8X13 + 5X14 + 9X21 + 3X22 + 5X23
+ 8X24 + 4X31 + 8X32 + 3X33 + 4X34
+ 6X41 + 7X42 + 6X43 + 4X44
Maximizamos la efectividad total
Restricciones
X11
+ X21 + X31 + X41 = 1 Caso divorcio
X12 +
X22 + X32 + X42 = 1 Caso fusión
X13
+ X23 + X33 + X43 = 1 Caso absorción
X14 + X24 + X34 + X44
= 1 Caso exhibicionismo
X11
+ X12 + X13 + X14 = 1 Abogado 1
X21
+ X22 + X23 + X24 = 1 Abogado 2
X31
+ X32 + X33 + X34 = 1 Abogado 3
X41
+ X42 + X43 + X44 = 1 Abogado 4
Queda claro pues que el
abogado 1 se ocupará del caso de absorción empresarial, el abogado 2 del caso
de exhibicionismo, el abogado 3 del caso de la fusión, y el abogado 4 del divorcio.
3.2 PLANIFICACIÓN
DE HORARIOS
La
planificación de horarios intenta dar una respuesta efectiva a las necesidades
de personal durante un período concreto de tiempo. La aplicación de la PL a
este tipo de problemas resulta especialmente útil cuando los directivos
disponen de cierta flexibilidad a la hora de asignar tareas a empleados
polifuncionales. Un sector típico donde se hace uso de la PL para tomar
decisiones sobre planificación de horarios son las entidades bancarias.
Supongamos
que una oficina bancaria necesita diariamente entre 10 y 18 cajeros en función
de la hora según se especifica en la tabla siguiente:
FRANJA
HORARIA
|
N°
DE CAJEROS NECESARIOS
|
9
a.m. – 10 a.m.
|
10
|
10
a.m. – 11 a.m.
|
12
|
11
a.m. – 12 a.m.
|
14
|
12
a.m. – 1 p.m.
|
16
|
1
a.m. – 2 p.m.
|
18
|
2
a.m. – 3 p.m.
|
17
|
3
a.m. – 4 p.m.
|
15
|
4
a.m. – 15 p.m.
|
10
|
En la actualidad la
oficina tiene 12 trabajadores a jornada completa (“full-time”), y dispone de
una larga lista de gente dispuesta a trabajar a media jornada (“part-time”). Un
cajero que trabaje a media jornada ha de estar operativo 4 horas al día, y
estar disponible para comenzar su trabajo a cualquier hora entre las 9 a.m. y
la 1 p.m. Por su parte, los trabajadores a jornada completa están operativos de
9 a.m. a 5 p.m., teniendo libre una hora para comer (la mitad de ellos lo harán
de 11 a.m. a 12 a.m. y la otra mitad de 12 a.m. a 1 p.m.). Observar que cada
uno de estos cajeros tiene una jornada semanal de 35 horas.
Las normas de la
entidad limitan el número de horas realizadas por los “part-time” a, como
máximo, el 50% de las horas diarias requeridas. Los “part-time” ganan una media
de 4 € la hora (es decir, 16 € al día), por 50 € diarios que ganan los
“full-time”. El banco pretende establecer un horario que minimice sus costes
salariales, estando dispuesto a desprenderse de algún trabajador “full-time” si
ello resulta conveniente.
HORARIO BANCOS
Variables
F = “n° trabajadores
full-time”
P1 = “n° trabajadores
part-time operativos de 9 a.m. a 1 p.m.”
P2 = “n° trabajadores
part-time operativos de 10 a.m. a 2 p.m.”
P3 = “n° trabajadores
part-time operativos de 11 a.m. a 3 p.m.”
P4 = “n° trabajadores
part-time operativos de 12 a.m. a 4 p.m.”
P5 = “n° trabajadores
part-time operativos de 1 p.m. a 5 p.m.”
Función objetivo
Función obj. (Min.) =
50 F + 16 P1 + 16 P2 + 16 P3 + 16 P4 + 16 P5
Se quiere minimizar los costos salariales
Restricciones
F + P1 >= 10 Necesidades de 9 a.m. a 10 a.m.
F + P1 + P2 >= 12
0.5 F + P1 + P2 + P3 >=
14
0.5 F + P1 + P2 + P3 + P4 >= 16
F + P2 + P3 + P4+
P5 >= 18
F + P3 + P4+ P5 >=
17
F + P4+ P5 >=
15
F + P5 >=
10
F <= 12
4P1 + 4P2 + 4P3 + 4P4 + 4P5 <= 56
Los part-time harán a lo sumo el 50% de la horas
4. APLICACIONES
DE LA PROGRAMACIÓN LINEAL A LAS FINANZAS
4.1 SELECCIÓN DE UNA CARTERA DE VALORES
Un
problema al que se tienen que enfrentar de forma habitual los directivos de
bancos, fondos de inversión, y compañías de seguros es la selección de una
serie de inversiones concretas de entre la gran variedad de alternativas
existentes en el mercado. Por norma general, el objetivo de estos directivos es
maximizar los beneficios esperados de estas inversiones, las cuales se ven
sometidas a un conjunto de restricciones, algunas legales y otras provenientes
de la propia empresa (como puede ser el nivel de riesgo que se desea asumir o
la cantidad máxima que se permite invertir).
Supongamos
que nuestro banco se dedica a invertir en créditos al consumo, bonos
corporativos, depósitos de oro, y préstamos a la construcción. Con el fin de
diversificar la cartera de valores, la Junta Directiva del banco ha puesto
límite a las cantidades que se permiten invertir en cada una de las opciones
anteriores. En la actualidad disponemos de 5 millones de € para invertir, y
pretendemos: (1) Maximizar el interés esperado para los próximos seis meses, y
(2) cumplir con la diversificación propugnada por la Junta Directiva según se
especifica en la tabla siguiente:
TIPO DE INVERSION
|
INTERÉS ESPERADO
|
LIMITE DE INVERSION (MILLONES DE €)
|
Crédito
al consumo
|
7%
|
1.0
|
Bonos
corporativos
|
11%
|
2.5
|
Depósitos
de oro
|
19%
|
1.5
|
Prestamos
a la construcción
|
15%
|
1.8
|
Además, la Directiva
requiere que al menos un 5% de los fondos se dediquen a depósitos de oro y
préstamos a la construcción, mientras que el porcentaje dedicado a créditos al
consumo no debe superar el 15%.
SELECCIÓN DE UNA CARTERA
Variables
X1 = “Cantidad
invertida en créditos al consumo”
X2 = “Cantidad
invertida en bonos corporativos”
X3 = “Cantidad
invertida en depósitos de oro”
X4 = “Cantidad
invertida en préstamos a la construcción”
Función objetivo
Función obj. (Max.)= 0.07 X1 + 0.11 X2 + 0.19 X3 + 0.15 X4
Restricciones
Función obj. (Max.)= 0.07 X1 + 0.11 X2 + 0.19 X3 + 0.15 X4
Restricciones
X1 <= 1.000.000
X2 <= 2.500.000
X3 <= 1.500.000
X4 <=1.800.000
X3 + X4 – 0.55X1 –
0.55X2 – 0.55X3 – 0.55X4 >= 0
X1- 0.15X1 – 0.15X2 –
0.15X3 – 0.15X4 >= 0
X1 + X2 + X3 + X4
<= 5.000.000
5. APLICACIONES
DE LA PROGRAMACIÓN LINEAL A LA LOGÍSTICA
5.1 El PROBLEMA
DEL TRANSPORTE
El llamado problema del transporte se refiere al proceso
de determinar el número de bienes o mercancías que se han de transportar desde
cada uno de los orígenes a cada uno de los destinos posibles. El objetivo suele
ser minimizar costes de transporte, y las restricciones vienen dadas por las
capacidades productivas de cada origen y las necesidades de cada destino. Este
tipo de problema es un caso específico de PL, por lo que existen métodos y
algoritmos especiales que facilitan su resolución (Regla de la Esquina
NorOeste, Método de Vogel, Método de Paso Secuencial, y Método de distribución
modificada o MODI).
Una compañía de ámbito nacional produce y distribuye una
línea de bicicletas de alta competición. La empresa tiene líneas de montaje en
dos ciudades, Castellón y Sabadell, mientras que sus tres principales cadenas
de distribución están localizadas en Madrid, Barcelona, y Vitoria.
La oficina de Madrid presenta una demanda anual de 10.000
bicicletas, mientras que la de Barcelona solicita 8.000 y la de Vitoria 15.000.
La planta de Castellón puede producir hasta 20.000 bicicletas anuales, por
15.000 la de Sabadell. Los costes de transporte por unidad son los siguientes:
DESTINO
|
|||
ORIGEN
|
Madrid
|
Barcelona
|
Victoria
|
Castellon
|
2
€
|
3
€
|
5
€
|
Sabadell
|
3
€
|
1
€
|
4
€
|
La compañía pretende
establecer un plan de distribución que minimice sus costes anuales de
transporte.
EL PROBLEMA DEL TRANSPORTE
Variables
CM = “n° bicicletas a
transportar desde Castellon hasta Madrid”
CB = “n° bicicletas a
transportar desde Castellon hasta Barcelona”
CV = “n° bicicletas a
transportar desde Castellon hasta Victoria”
SM = “n° bicicletas a
transportar desde Sabadell hasta Madrid”
SB = “n° bicicletas a
transportar desde Sabadell hasta Barcelona”
SV = “n° bicicletas a
transportar desde Sabadell hasta Victoria”
Función Objetivo
Función obj. (Min.)= 2 CM + 3 CM + 5 CV + 3 SM + 1 SB + 4 SV
Restricciones
CM + SM = 10.000
CB + SB = 8.000
CV + SV = 15.000
CM + CB + CV <=20.000
SM +SB + SV <= 15.000
6. APLICACIONES
DE LA PROGRAMACIÓN
LINEAL A MEZCLAS
6.1 El PROBLEMA
DE LA DIETA
Este
problema representa una de las primeras aplicaciones de la PL, y comenzó a
utilizarse en los hospitales para determinar la dieta más económica con la que
alimentar a los pacientes a partir de unas especificaciones nutritivas mínimas.
En la actualidad también se aplica con éxito en el ámbito agrícola con la misma
idea de encontrar la combinación óptima de alimentos que, logrando un aporte
nutritivo mínimo, suponga el menor coste posible.
Un centro
de nutrición utiliza tres tipos de granos para elaborar un cereal natural que
vende por kilos. El eslogan del centro es que cada 125 gramos de su cereal,
tomados con medio vaso de leche entera, cubre las necesidades alimenticias de
un adulto en cuanto a proteínas, hidratos de carbono, fósforo y magnesio. El
coste de cada tipo de grano y sus contenidos por kg. se reflejan en la
siguiente tabla:
GRANO
|
COSTE
POR KG.
|
PROTEINAS
(Unidades/Kg.)
|
HIDRATOS
C (Unidades/Kg.)
|
FÓSFORO
(Unidades/Kg.
|
MAGNESIO
(Unidades/Kg.
|
A
|
0.33 €
|
22
|
16
|
8
|
5
|
B
|
0.47 €
|
28
|
14
|
7
|
0
|
C
|
0.38 €
|
21
|
25
|
9
|
6
|
Los requisitos
nutricionales mínimos por día para un adulto son 3 unidades de proteínas, 2 de
hidratos de carbono, 1 de fósforo, y 0.425 de magnesio. Se tratará pues de
establecer la mezcla adecuada de granos que logra cubrir estas necesidades con
el mínimo coste para el centro.
PROBLEMA DE LA DIETA
Variables
XA = “Kgs. Grano tipo
A que usaremos en 125 gramos de cereal”
XB = “Kgs. Grano tipo
B que usaremos en 125 gramos de cereal”
XC = “Kgs. Grano tipo
C que usaremos en 125 gramos de cereal”
Función Objetivo
Función obj. (Min.)= 0.33 XA + 0.47 XB + 0.38 XC
Restricciones
22 XA + 28 XB + 21 XC >= 3
16 XA + 14 XB + 25 XC >= 2
8 XA + 7 XB + 9 XC >= 1
5 XA + 6 XC >= 0.425
XA + XB + XC = 0.125
Queda claro
pues que la solución ideal será usar 25 gramos de grano tipo A, 50 de grano
tipo B y otros 50 de grano tipo C. Con ello logramos cumplir con nuestro
eslogan al menor coste posible.
Bibliografía
1.
Anderson, D.R.,
Sweeney, D. J. y Williams, T.A. (2001): Quantitative Methods for Business. West
Publishing Company. (Existe versión en español).
2.
Hillier, F.S. y Liebermann, G.J. (2001): Introducción
a la Investigación de Operaciones. Ed. McGraw-Hill.
3.
Winston, W. (1994): Investigación de
Operaciones. Aplicaciones y Algoritmos. Grupo Editorial Iberoamericano.
4.
Eppen, G.D., Gould,
F.J., Schmidt, C.P., Moore, J.H., Weatherford, L.R. (1998): Introductory
Management Science. Decision Modeling with Spreadsheets. Upper
Saddle River. (Existe versión en español)