Prog ramación Lineal: Aplicación a la producción de

UNIVERSIDAD NACIONAL DE INGENIERÍA

FACULTAD DE INGENIERÍA QUÍMICA Y
TEXTIL

INVESTIGACION DE OPERACIONES
l PA - 714
PERIODO ACADÉMICO 2018 – I

PROGRAMACIÒN LINEAL: APLICACIÒN A LA PRODUCCION DE HELADOS

  Docente:
  FRANCO PORTILLA, LUZ ROSARIO  

  PEREZ ESTRELLA, MAURO. 

  Integrantes:
  Castillo Flores Miguel Francisco 20112628F
  Mayhua Huaman Jhony 20151367E
  Poma Tolentino Christian Jesus 20152162H

LIMA – PERÚ

UNIVERSIDAD NACIONAL DE 1
INGENIERIA
INDICE
l Introducción 3
1.  Antecedentes 3
2.  Objetivo General 4
3.  Objetivo Especifico 4
4.  Alcance 4
ll ESTUDIO DE LAS OPERACIONES DEL SISTEMA 5

lll IDENTIFICACIÒN DE LA PROBLEMÁTICA Y DEFINICION DEL PROBLEMA 8

lV DESARROLLO DEL MODELO, SOLUCIÒN Y ANALISIS DE RESULTADOS DEL
REPORTE 10
V APLICACIÒN DE LA TEORÌA DUAL A TRAVES DE PREGUNTAS Y RESPUESTAS 16

V l A P LI C A C I Ò N DE LA TEORIA DE SENSIBILIDAD A TRAVES DE PREGUNTAS Y

RE SP U E S T A S
22
Vll VENTAJAS DE USAR AL PROGRAMACION LINEAL EN LA TOMA DE DECISIONES
EN LA ADMINISTRACION DE LOS SISTEMAS
Vlll BIBLIOGRAFIA
 PROGRAMACIÒN LINEAL: APLICACIÒN A LA PRODUCCIÒN DE HELADOS 

I.  INTRODUCCIÒN
1. 
ANTECEDENTES
Aunque parece ser que la programación lineal fue utilizada por G. Monge en 1776, se
considera al matemático y economista ruso Leonid Vitalevich Kantorovitch como uno de
sus creadores, aunque no fue el único. A continuación, exponemos, cronológicamente,
los autores que pueden considerarse como los creadores de la programación lineal,
así como sus aportaciones.

1939- L. Kantorovitch publica: “Métodos matemáticos de organización y planificación de la

 producción”. En esta obra se engloba una serie de problemas de producción y distribución con
una teoría matemática precisa y bien definida. Esta obra no se dio a conocer hasta 20
años después.
Tjallining Koopmans trabajando como estadístico en el puerto de Washington trató
1942-
de determinar los planes de embarque al mínimo coste total, conociendo de
antemano la disponibilidad y demanda de cada puerto. Hoy en día, a este tipo de
problema se le conoce como PROBLEMA DE TRANSPORTE.
Simultáneamente pero de forma independiente Kantorovich trabajaba en la resolución de
este tipo de problema.
Ambos son galardonados con el Premio Nobel de Economía en 1975, por su contribución a la
TEORIA DE OPTIMIZACION DE RECURSOS.

1946- Geor ge Joseph Stigler publica “Los costes de la Subsistencia” donde formula y resuelve
el problema lineal de régimen alimenticio óptimo (Problema de la Dieta), para solventar
la
 preocupación del ejército americano por asegurar a sus tropas unos requisitos
nutricionales al menor coste posible. Para su resolución utilizó un método heurístico
cuya solución pudo comprobarse años más tarde que sólo difería en unos céntimos de la
solución aportada por el método del simplex.
En 1982, recibe el Premio Nobel de Economía por sus estudios de las estructuras
industriales, el funcionamiento de los mercados y las causas y efectos de la
reglamentación pública.

George Bernard Dantzing, trabajando como experto en métodos de planificación

1947-
para las fuerzas aéreas norteamericanas, formula el enunciado general al que se reduce
cualquier
 problema lineal y desarrolla un método iterativo y muy eficaz de resolución, llamado “Método
del Simplex”. 

Una de las primeras aplicaciones de sus estudios fue la resolución del llamado "Puente
Aéreo de Berlín". A mediados de 1948, en plena guerra fría, la URSS
 bloqueó las comunicaciones terrestres entre las zonas occidentales alemanas ocupadas por los
aliados y la ciudad de Berlín. Utilizando la Programación Lineal, diseñó un plan de
abastecimiento aéreo minimizando costes que en pocos meses consiguió igualar a los

suministros realizados por carretera y ferrocarril antes del bloqueo

2.   OBJETIVO GENERAL
La Programación Lineal surgió para dar respuesta a problemas logísticos y militares, a
lo largo de la historia ha tenido aplicaciones importantes en distintas áreas de la
actividad humana, desde el social y estratégico hasta la industria y la economía.
El éxito de esta herramienta se debe a varios motivos:
o  La sencillez de su formulación permite describir un gran número de situaciones

reales en distintas áreas.

o  La eficacia del algoritmo del simplex para hallar la solución en un número finito de

 pasos además de su fácil implementación. 

3.   OBJETIVO ESPECIFICO
El objetivo especifico del presente trabajo, fue aprender el curso de Investigación de
Operaciones; sus fundamentos teóricos y prácticos.
También desarrollar nuestras habilidades usando software (Lindo, Simplex, Lingo, etc)
que nos ayudan a facilitar nuestros problemas.

4.   ALCANCE

La programación lineal es una técnica matemática, desarrollada al comienzo de la segunda

mitad del siglo XX. Su impacto desde 1950 ha sido extraordinario y en la actualidad es una
herramienta de uso habitual en los países industrializados del mundo.
Un problema de programación lineal es un problema de optimización con r estricciones
en el que tanto la función objetivo como las restricciones son funciones lineales de las
variables de decisión.
o   Desde un punto de vista técnico, hay cinco supuestos que debe cumplir todo problema de
 programación lineal:
o   Divisibilidad: todas las variables tienen carácter continuo por lo que pueden tomar cualquier
valor real

  Condición de no negatividad: todas las variables siempre tomaran valores iguales o

o

superiores al cero.
o   Proporcionalidad: la contribución de cada variable es individual y proporcional a su valor.

o   Certidumbre: todos los parámetros del modelo son conocidos.

o   Aditividad: la contribución total de las variables es la suma de las contribuciones

individuales de cada una de ellas.
Si en un modelo lineal, las variables de decisión deben tomar valores enteros, puede utilizarse la
Programación Lineal Entera.
Si los parámetros del problema lineal no son conocidos, puede realizarse un análisis de
sensibilidad o usarse la Programación Lineal Estocástica.
 Además, cuando se tiene más de un objetivo, puede aplicarse la Programación Lineal
Multicriterio.
La formulación general de un problema de programación lineal es:

Siendo    j= 1, 2 ,…, n las variables de decisión ,  i= 1,2,.., m los términos independientes
de las restricciones,   i=1,2,…, m j= 1,2,.. n los coeficientes tecnológicos y = 1,2,.., n los
coeficientes de la función objetivo.

Puesto que los problemas lineales presentan un carácter convexo, en el caso de existir
óptimos serán globales

A la hora de resolver un problema de Programación Lineal, nos podemos encontrar con

cualquiera de las siguientes situaciones
o  Solución única: En este caso, la solución óptima es un punto extremo de la región

factible. o  Soluciones Múltiples: Un problema de Programación Lineal puede tener más

de una solución óptima (infinitas). En el caso de dos variables, las soluciones óptimas
se corresponden con el segmento que une dos puntos extremos (solución de arista) o bien
la
semirrecta que parte de un punto extremo (solución de arista infinita).
o  Solución no acotada: En ocasiones, podemos encontrarnos con problemas que no
tienen solución finita. Esta situación sólo se puede dar en el caso de que la región
factible no esté acotada.
o   No Factibilidad: Esta situación se da cuando ningún punto del plano (o, en general, del

espacio real n-dimensional) cumple simultáneamente todas las restricciones del

 problema, es decir, la región factible es un conjunto vacío.

II.   ESTUDIO DE LAS OPERACIONES DEL SISTEMA

Como ya se ha comentado anteriormente, la Programación Lineal es una herramienta que
se utiliza habitualmente en muchos áreas, siendo la industria y la economía donde ha
encontrado sus aplicaciones más importantes. Podemos incluso afirmar que esta
herramienta ha tenido un
gran impacto en el estudio y desarrollo de la actividad económica. Es en este último
aspecto donde nos centraremos en este apartado.

Como muestra en el gráfico superior, hemos dividido el ámbito económico en 6 categorías:

Marketing, Finanzas, Producción, Logística, Mezclas y Asignación de Tareas.
A continuación, esbozaremos la utilidad de esta herramienta en cada una de ellas.

a)   MARKETING:
La Programación Lineal en este campo, se presenta como una herramienta
bastante eficaz, en la elección, por ejemplo, de la combinación más efectiva de los
medios de comunicación (periódicos, revistas, radio, televisión…) para  promocionar
productos o servicios.
El objetivo principal es conseguir la mayor audiencia posible, y usualmente
las restricciones suelen ser:
-  Presupuestaria, ya que no es ilimitado.
-  Política publicitaria específica de la empresa.
-  Disponibilidad de cada medio.

 b)  PRODUCCIÒN:
En este campo, esta herramienta permite determinar la producción óptima de una
empresa (las cantidades a producir de cada producto) con objeto de maximizar
 beneficios o minimizar costes.
Las restricciones, más comunes son:
-  Presupuestaria.
-  Disponibilidad de recursos.
-  Demanda del mercado.
-  Políticas medioambientales.
 -  Políticas de la propia empresa.

c)   FINANZAS:
 Normalmente directivos, bancos, etc... deben seleccionar una serie de inversiones
concretas para configurar su “Cartera de Valores” entre la amplia variedad de
alternativas que existen en el mercado.
Tradicionalmente el objetivo ha sido maximizar el rendimiento que genera dicha
cartera o minimizar el riesgo adherente a la misma.
Las restricciones a las que se enfrentan son:
-  Presupuestaria.
-   Nivel de riesgo permisible.
-  Leyes estatales.
-  Políticas de la compañía.

d)   LOGISTICA:
Una de las aplicaciones más habituales de la Programación Lineal en este campo
es el denominado “Problema de Transporte”. En este tipo de problema se desea
determinar la cantidad de mercancía que se ha de transportar desde cualquier grupo
de centros de suministro (Orígenes), a cualquier grupo de centros de
recepción (Destinos).
Habitualmente el objetivo es minimizar costes de transporte.
Las restricciones son:
-  Oferta de cada centro de origen.
-  Demanda de cada centro de destino.

El problema de transporte es un caso particular de Programación Lineal, y existen

algoritmos específicos para su resolución, como `por ejemplo la Regla de la Esquina
 NorOeste.
e)   ASIGNACIÒN DE TAREAS:
Habitualmente se desea asignar de la forma más eficiente un trabajo a cada
empleado ó máquina. El objetivo es minimizar el coste total de la asignación.
E l p r o b l e m a d e a s i g n a c i ó n e s u n c as o p
 p e c u l ia r i d ad d e e s t e ti p o d e p r o b l e m a e s
a r ti c u la r d e l p r o b l e m a d e t ra n p o r te . U n a
q u e la s v a r i a b l e s d e d e c is i ó n so n b i n a ri a s
(toman valor 1 ó 0) y aunque puede resolverse mediante el simplex, existen
métodos específicos más eficaces como el método húngaro.
Otra aplicación interesante de la Programación Lineal en este ámbito es la
 planificación de horarios, en la cual se desea asignar tareas a empleados
 polifuncionales. Suele utilizarse en sectores como la sanidad, la banca, etc.

f)   MEZCLAS:
Una de las primeras aplicaciones de la Programación Lineal fue el
denominado Problema de la Dieta, en el cual se desea determinar la
combinación óptima de alimentos al menor coste posible, objetivo habitual,
aunque también puede ser
minimizar/maximizar calorías.
Teniendo en cuenta las siguientes restricciones:
 -  Presupuesto.
-  Disponibilidad de alimentos.
-  Especificación nutritivas mínimas.

En general, los problemas de mezclas se presentan cuando se desea combinar

dos o más recursos para fabricar uno o más productos. En estos casos, se desea
determinar la cantidad de cada recurso a adquirir para satisfacer las
especificaciones de los
 productos y las demandas de los mismos a un costo mínimo.
Los problemas de mezclas aparecen frecuentemente en la industria del petróleo
(problemas como la combinación de petróleos crudos para fabricar gasolinas con
octanajes diferentes), en la industria química (como mezcla de productos químicos
 para fabricar fertilizantes) y en la industria de los alimentos (como mezcla de
ingredientes para fabricar bebidas, sopas, etc.)
III.   IDENTIFICACIÒN DE LA PROBLEMÁTICA Y DEFINICION DEL PROBLEMA

Problema Lineal de Producción de Helados

 Nuestra empresa de origen valenciano afincada en Sevilla desde la década de los años 70,
se dedica a la elaboración de helados artesanos. Después de estos años de grandes
progresos en su negocio, desea abrir mercado para poder enfrentarse a la situación
actual.
Esta ampliación tiene como objetivo introducir sus productos en el sector de la hostelería,
mediante la propuesta de una gama de helados que podemos considerar “Gourmet”. A
continuación, detallaremos dicha gama.

Creada por el gran Filippo Zampieron está compuesta por cinco tipos de polos
artesanos: Polos de menta, Polos de chocolate, Polos de yogurt y melocotón, Polos de
almendras y Polos “Fiordilatte”. 
Aunque la elaboración de todos ellos difiere en diversos aspectos, ya sea en la
composición de la base, cobertura o en las proporciones de cada componente, hay un
producto común en todos ellos “Jarabe Base” ya que sin este no sería posible la fabricación de
la base de los polos. 
Este Jarabe, está compuesto por:

Agua (655 gr), Azúcar de Caña (180 gr), Dextosa (35 gr), Glucosa (130 gr).

A continuación, detallamos el proceso de elaboración y las cantidades utilizadas

para la fabricación de un kilo de cada tipo de polos.

Polos de menta: La fabricación de este producto comienza con la elaboración de la base.

Para ello, como se puede apreciar en la fotografía, se utiliza 550 gr del jarabe,
seguido de unas
gotas de esencia de menta (10 gotas) y posteriormente añadiendo unos 450 gr de leche
fresca entera. Una vez que se ha mezclado la base y se ha dejado reposar para conseguir
una textura idónea se procede a la elaboración de su cobertura. Está compuesta por unos
800 gr chocolate y 200 gr de manteca de cacao.

Polos de Chocolate: La base de estos está compuesta por: 500 gr de jarabe, 440 gr de
leche entera fresca unos 25 gr de azúcar invertido (una combinación de glucosa y
fructosa) y por último, 35 gr de cacao. La cobertura al igual que el producto anterior está
compuesta por: 800 gr de chocolate y 200 gr de manteca de cacao.

Polos de Yogurt y Melocotón: Con una base compuesta por 430 gr de jarabe, 300 gr de yogurt
desnatado, 20 gr de azúcar invertido y 250 gr de melocotón batido.
Su cobertura es una dulce combinación de 500 gr de chocolate y 500 gr de nata.

Polos de Almendra: Base elaborada por: 400 gr de jarabe, 495 gr de leche fresca entera,
25 gr de azúcar invertido. La cobertura está elaborada por 800 gr de chocolate, 200 gr de
manteca de cacao y 80 gr de pasta de almendras.

Polos Fiordilatte: Su elaboración comienza con la base compuesta por 510 gr de jarabe,
510 gr de leche fresca entera, 250 gr de nata, 200 gr de azúcar invertido. Una vez
que la base se haya mezclado y adoptado la textura deseada, se le inyecta un relleno
compuesto por: 550 gr

d e n a ta y 5 0 0 g r d e c h o c o la t e . F i n a l m en t e , e s p
se a d a p t e a la b a s e , s e le añ a d e u n a c ob er t u r a d e
r a d o e l t i m p n e c e s ar io p a r a q u e e l r ll e n o
8 0 0 g r d e ch oc o la t e y 2 0 0 g r d e m a n t ec a d e cacao.

A su vez se ha realizado un estudio de mercado y de producción, que nos proporcionan los

siguientes datos:

Beneficio esperado por cada kilo de los diferentes polos:

  Polos de menta: 23 u.m. el kilo

  Polos de chocolate: 22.5 u.m. el kilo

  Polos de yogurt y melocotón: 21 u.m. el kilo

  Polos de almendras: 20.5 u.m. el kilo
  Polos “ Fiordilatte”: 21 u.m. el  kilo
 Disponibilidad semanal de las siguientes materias primas:
  Jarabe Base: 20,5 kg

  Leche Fresca entera: 13 kg

  Yogurt desnatado: 5 kg
   Nata: 8,5 kg
  Azúcar invertido: 1,3 kg
  Chocolate: 27 kg

  Manteca de cacao: 5 kg
  Esencia de menta: 2 frasco de 90 ml, cada frasco
 proporciona 75 gotas.
  Cacao: 0,28 kg ( 2 bolsas de 140 gr cada uno)
  Melocotón batido: 4 kg
  Pasta de almendras: 0,8 kg ( 2 bolsas de 400 gr cada una)

Demanda esperada semanalmente para cada tipo de polo:

  Demanda de polos de menta y polos de chocolate: 10 kilos
  Demanda de polos de yogurt y polos de almendras: 10 kilos

   No se ha estimado demanda alguna de polos Fiordilatte.

Una vez que hemos descrito el proceso de producción de cada producto, hemos
sintetizado toda la información, en el siguiente cuadro para ver de una forma más clara,
los requisitos de materias primas por tipo de polo:

La empresa nos ha solicitado que determinemos el plan semanal de producción de los

diferentes tipos de polos que conforman la “Gama Gourmet”, con el objetivo de maximizar  
 beneficios.

IV.   DESARROLLO DEL MODELO, SOLUCIÒN Y ANALISIS DE

RESULTADOS DEL REPORTE
 El problema propuesto por la empresa se corresponde con un problema de programación
lineal. A continuación, se definen las distintas actividades a realizar (variables de
decisión), las restricciones del problema originadas por las limitaciones de los
recursos (materias
 primas) y las demandas a satisfacer, así como la función objetivo (beneficio) que hay que
maximizar.

Variables de decisión:

 x1  nº kilos a fabricar semanalmente de polos de menta

 x2  nº kilos a fabricar semanalmente de polos de chocolate
 x3  nº kilos a fabricar semanalmente de polos de yogur y melocotón
 x4  nº kilos a fabricar semanalmente de polos de almendras
 x5  nº kilos a fabricar semanalmente de polos Fiordilatte

Restricciones con respecto a la disponibilidad de materias primas:

Limitación de Jarabe Base: 20,5 kilos  

 
550 x1  500 x2  430 x3  400 x4  510 x5  20500  
Limitación de Leche Fresca Entera: 13 kilos
450 x1 440 x2 495 x4  510 x5  13000 
 
Limitación de Yogurt desnatado: 5 kilos
300 x3  5000 
 
Limitación de Nata: 8,5 kilos
500 x3 550 x5  8500 
 
Limitación de Azúcar invertido: 1,3 kilo
25 x2 20 x3 25 x4 200 x5  1300 
 
Limitación de Chocolate: 27 kilos
800 x1 800 x2 500 x3 800 x4 1300 x5  27000 
 
Limitación de Manteca de cacao: 5 kilos
200 x1 200 x2 200 x4 200 x5  5000 
 
Limitación de Esencia de menta: 150 gotas

10 x1  150 
 
 Limitación de Cacao: 0,28 kg
35 x2  280 
 
Limitación de Melocotón Batido: 4 kilos
250 x3   4000 

Limitación de Pasta de Almendras: 0.8 kilo

80 x4  800 
 
Restricciones con respecto a la demanda:
 x
1  x2   10 

 x3   x4  10 

Función Objetivo: Beneficio

Max = 23 x1 22.5 x2 21 x3  20.5 x4  21 x5

 x1, x2 , x3 , x4 , x5  0

Para la resolución de este problema hemos utilizado el programa LINGO. Como se

ha comentado en apartados anteriores, este programa permite realizar una modelización del
problema
que simplifica enormemente la introducción del modelo a resolver, ya que todas las
restricciones con análoga estructura pueden escribirse en una sola sentencia.
En este caso, el modelo quedaría de la forma siguiente:
Las siguientes ventanas muestran la solución del problema que proporciona el programa y
el análisis de sensibilidad de los coeficientes de la función objetivo y de los términos
independientes de las restricciones.
Atendiendo a las salidas que proporciona el programa vamos a realizar el informe que se
presentará a la empresa.
INFORME PARA LA EMPRESA HELADERA

L a e m p r es a o b t ie ne u n b e n e f ic i o m á x im o d e
ki lo s d e p o lo s d e m e n t a , 8 k il o s d e p o lo s d e c h
8 7 6 , 3 7 5 0 u . m . , p ro d u c ie n d o se m a n a l m e n t e 1 5
o c o l a te , 1 6 k il o s d e y o g u r t y m e lo c o t ó n y 0 , 7 5
kilos de polos de almendra. En esta producción óptima no se contempla la fabricación de
polos de Fiordilatte.

Si se desea fabricar este tipo de polo, por cada kilo de este producto elaborado, el
 beneficio disminuiría en 12,31
u.m.   O bien podría realizarse esta actividad productiva si
se incrementase el beneficio unitario en dicha cantidad.

siguieEntsetsa mparotedruiacsc ipórnim óapst:ima es única y se agotan todos los recursos

disponibles de las
  Chocolate
  Esencia de Menta
  Cacao
  Melocotón batido
A continuación, se muestra las materias primas que no se agotan (indicamos las cantidades):

  1070 gr de Jarabe Base

  2358,75 gr de Leche entera fresca

  200 gr de Yogurt desnatado
  500 gr de Nata
  761,25gr de Azúcar invertido
  250 gr de Manteca de cacao
  740 gr de Pasta de Almendras
Con respecto a la demanda hay un excedente de 13 kilos de polos de menta y
polos de chocolate, mientras que son 6,75 kilos el excedente de polos de yogurt y
melocotón; y polos de almendras.

Con respecto al chocolate que forma parte de la cobertura, el precio que se estaría dispuesto a
 pagar por cada gramo adicional es de 0,025 u.m. Este precio sería válido siempre que
se adquiriese hasta 1000 gr.
El precio que se estaría dispuesto a pagar por cada gota de menta adicional, es de 0,25
u.m., aunque con este precio solo podría adquirirse 7,5 gotas. Situación no válida, ya que
esta materia
 prima suele comprarse en frascos de 90 ml equivalentes a 75 gotas.
Con respecto al cacao, que es otro recurso que se agota en la producción, por cada
gramo del mismo, podría pagarse hasta 0,057 u.m., aunque solamente podría comprarse a
este precio, unos 26 gramos.
Por otro lado, el precio que se estaría dispuesto a pagar por cada gramo adicional de Melocotón
 batido es de 0,032 u.m., pudiéndose comprar al precio indicado, hasta unos 167 gr.
La producción óptima se mantiene siempre que:
  El beneficio unitario de polos de menta no sea inferior a 22,5 u.m., o
  el beneficio unitario de polos de chocolate no sea inferior a 20,5 u.m., o
  en el caso de polos de yogurt el beneficio no debe disminuir más de 8,1875u.m. o
  si el beneficio de polos de almendra oscile entre las 12,9 y
22,5u.m. En todos estos casos cambiaría el beneficio máximo
obtenido.
La producción cambiaría si el beneficio de polos Fiordilatte auméntese en 12,3125 u.m.

Seguiremos produciendo:
aunque en cantidades polos desiempre
distintas, menta, chocolate,
y cuando yogurt y melocotón y de
las disponibilidades almendras;
las materias
primas no se
reduzcan en las cantidades indicadas a continuación:
Jarabe base: 1070gr
Leche entera fresca: 2358,75
gr Yogurt desnatado: 200 gr
 Nata: 500 gr
Azúcar invertido: 761,25 gr   Chocolate: 600
gr Manteca de cacao: 250 gr
Esencia de menta: 92,5 gotas Cacao: 280 gr
Melocotón Batido: 500 gr   Pasta de Almendras: 740
 gr

En estos casos no se producirán: Polos Fiordilatte.

 Prog ramación Lineal: Aplicación a la producción de

V.   APLICACIÒN DE LA TEORÌA DUAL A TRAVES DE PREGUNTAS Y RESPUESTAS

Para poder resolver el problema post optimal, pues debemos generar nuestra tabla simplex
 primal y dual, se presenta a continuación:

Primera Tabla Simplex:

Luego de 4 iteraciones:

UNIVERSIDAD NACIONAL DE INGENIERIA 16

 Prog ramación Lineal: Aplicación a la producción de

Soluciones:

X1 =15
X2 =8
X3 =15.45
X4 =1.09
X5 =0
S1 =1168.18
S2 =2190
S3 =363.64
S4 =0
S5 =763.64
S6 =0
S7 =181.82
S8 =0
S9 =0
S10 =136.36
S11 =712.73
S12 =13
S13 =6.55
A1 =0
A 2  = 0
Z   = 8 67.36
También necesitamos la tabla Dual, se presenta a continuación:
Gerente: Dígame Ingeniero que sucede con nuestro punto óptimo si es que aumentamos el beneficio
esperado de polos de menta de 23 a 25 u.m el kilo.
Ingeniero: Pues teniendo nuestra tabla óptima primal, y sabiendo que X1 es una variable básica,
entonces el óptimo ser modificará, haremos la nueva tabla simplex con ese cambio:

UNIVERSIDAD NACIONAL DE 17
INGENIERIA
Para hacer el
calculo Pregunta 1:
Ingeniero: Bueno Sr Gerente, observamos que el óptimo ha aumentado de 867.36 a 897,36,
no es mucho, pero conviene entonces aumentar el beneficio esperado para los polos de
menta.
Gerente: Algo me decía, jejeje. Interesantes cálculos ingeniero, ahora dígame, últimamente en el
mercado me informan que el melocotón es una fruta ya no muy consumida así que… ¿Qué sucede si
hacemos que la limitación de Melocotón batido baje de 4 kilos a solo 2 kilos?
Ingeniero: Si había escuchado lo que me cuenta, pues entonces hagamos el cálculo, sabiendo que
el X3 es una variable básica, construyamos la nueva tabla simplex:

Ingeniero: Bueno SrGerente, los rumores no parecen favorecer la producción, si limitamos

el melocotón batido de 4 kilos a 2 kilos, entonces tendríamos una disminución de 867.36 a
799.46 en nuestro óptimo.
Gerente: Ya veo… entonces ni modo a seguir, Y dígame ingeniero ¿A usted le gusta el chocolate? 
Ingeniero: Me encanta, de vez en cuando me paseo por la planta me doy mi gustito haciendo
“gestión de calidad gustativa” 
Gerente: jajajaja, ¡en cambio yo lo detesto!, Dígame ingeniero ¿Que sucede si limitamos el
chocolate de 27 kilos a solo 15 Kilos?
Ingeniero: ¡Sucede que yo renuncio! Jajaja, a ver veamos, haremos un cambio del lado derecho
de la restricción de limitación en chocolate, ahora construiremos la nueva tabla simplex con
la nueva limitación:
Ingeniero: Resulta que el óptimo disminuye de 867.36 a 524 de beneficio, era de esperarse, todo
el mundo Ama el Chocolate, no va a quitarle ese sabor que nos caracteriza.
Gerente: Bueno todo sea por ese viajecito al final del Mundial que jugará Perú jajaja.
Ingeniero: Al final de ajedrez será jajajaja
Gerente: No se pase ingeniero jajaja, ahora bueno si me dice que todo el mundo ama el
chocolate, que Sucedería si cambiamos la limitación de 27 kilos de chocolate a 100 kilos.
Ingeniero: Wow no vaya al extremo, pero veamos en el simplex:
Ingeniero: pues el óptimo aumentaría de 867.36 a 885,55 de Beneficio, Viva el chocolate!
Gerente: Tengo una propuesta interesante, ¿Qué sucedería si utilizamos menos cacao para el polo de
chocolate?, para ser más específico que sucede si en vez de 35g usamos solo 20g ¿Que dice?
Ingeniero: Primero habría que ver el sabor, si es agradable o no, pero si vamos por el lado económico
haremos el cambio en la tabla simplex primal óptima:

BP
Ingeniero: Pues viéndolo por el lado económico no convendría, ya que el óptimo disminuye de
867.36 a 860.55 y repito, eso sin saber el sabor.
Gerente: Tiene razón, sería mucho riesgo y en vano. ¿Y qué sucede si limitamos el cacao de 0,28
kg a 1 kg?
Ingeniero: veamos:

Ingeniero: Vemos que el óptimo aumenta muy muy poco, para ser exactos de 867.3 a
869.55 Gerente: Es demasiado poco como para jugársela, Ingeniero y si cambiamos el beneficio
esperado de
los polos de almendras de 20,5 a 22 y los polos “Fiordilatte” de 21 a 25um.  
Ingeniero: Veamos:
 Ingeniero: veamos que la función obtenido cambia de 867.36 a 869,55 así que sería
beneficioso. Gerente: Y que sucede si no limitamos la el chocolate?
Ingeniero: Eliminamos una restricción entonces, veamos:

Ingeniero: Pues es no recomendable moderadamente ya que la función objetivo baja de

867.36 a 885,55.
Gerente: muchas gracias ingeniero, y bendito el profe Estrellita por enseñarle investiga jejeje
Ingeniero: Gracias, y ya sabe, que el chocolate lo acompañe, jejeje

 
VI. A P L IC A C I Ò N DE LA TEORIA DE SENSIBILIDAD A TRAVES DE PREGUNTAS
R E S P U E ST A S
Y

VII.  VENTAJAS DE USAR AL PROGRAMACION LINEAL EN LA TOMA

DE DECISIONES EN LA ADMINISTRACION DE LOS
SISTEMAS
VIII.  BIBLIOGRAFIA
Dongarra, J.; Sullivan, F. (2000): “Guest Editors, Introduction: The top 10 Algorithms”.
Computing in Science and Engineering, Vol. 2, Nº 1, January/ February.
Kantorovich, L.V. (1939): ”Mathematical Methods of Organizing and Planning
Production”. Management Science, Vol. 6, Nº 4 (Jul, 1960), pp. 366 -422. Ed.
INFORMS.
Stigler, G. J. (1945): “The Cost of Subsistence”. Journal of Farm Economics.
Vol. 27, Nº 2 (May, 1945), pp. 304-314.
Von Neumann, J.; Morgenstern, O. (1944): “Theory of Games and Economic
Behavior  ”. Ed. Princeton University Press. (Commemorative Edition,
May 2007).

Revista “Helado Aretesano” (2011). Nº38 y 39.