La Programación Lineal (PL) es una técnica de Investigación de Operaciones que se utiliza para optimizar una función objetivo lineal, sujeta a un conjunto de restricciones lineales. El objetivo es encontrar la mejor solución posible (máximo o mínimo) dentro de las limitaciones impuestas. Para comprender mejor, veamos cómo resolver un problema de PL paso a paso.
Paso 1: Definir las Variables de Decisión
El primer paso consiste en identificar y definir las variables de decisión. Estas son las variables que controlamos y cuyos valores queremos determinar para optimizar la función objetivo. Por ejemplo, si una empresa produce dos tipos de productos, A y B, podríamos definir:
* x = número de unidades del producto A a producir.
* y = número de unidades del producto B a producir.
Paso 2: Formular la Función Objetivo
La función objetivo representa lo que queremos maximizar o minimizar (por ejemplo, ganancias, costos, etc.). Debe expresarse como una función lineal de las variables de decisión. Si la ganancia por unidad del producto A es $5 y la ganancia por unidad del producto B es $8, y queremos maximizar la ganancia total, la función objetivo sería:
* Maximizar Z = 5x + 8y.
Must Read
Paso 3: Establecer las Restricciones
Las restricciones son limitaciones que restringen los valores que pueden tomar las variables de decisión. Estas restricciones también deben expresarse como desigualdades lineales. Consideremos algunos ejemplos:
* Supongamos que la producción del producto A requiere 2 horas de mano de obra por unidad, y la producción del producto B requiere 3 horas de mano de obra por unidad. Si la empresa tiene un total de 120 horas de mano de obra disponibles, la restricción sería: 2x + 3y ≤ 120.
* Si la demanda del producto A es de al menos 10 unidades, la restricción sería: x ≥ 10.
* Las variables de decisión no pueden ser negativas, por lo que añadimos las restricciones de no negatividad: x ≥ 0, y ≥ 0.
Paso 4: Resolver Gráficamente (para problemas con dos variables)
Cuando tenemos un problema con dos variables de decisión, podemos resolverlo gráficamente. Esto implica dibujar las restricciones en un plano cartesiano. La región factible es el área donde se cumplen todas las restricciones simultáneamente. Para trazar la región factible, primero representa cada restricción como una línea recta y, luego, identifica el área que satisface la desigualdad. La intersección de todas estas áreas define la región factible.
Después de trazar la región factible, identifica los puntos de esquina (vértices) de esta región. Evalúa la función objetivo en cada uno de estos puntos. El punto de esquina que proporcione el valor máximo (o mínimo, según el objetivo) para la función objetivo es la solución óptima.
Paso 5: Resolver Simplex (para problemas con más de dos variables)
Cuando tenemos más de dos variables, el método gráfico no es práctico. En este caso, utilizamos el método Simplex. El método Simplex es un algoritmo iterativo que busca la solución óptima moviéndose sistemáticamente de un punto de esquina factible a otro hasta que se encuentra la solución óptima. El método simplex implica la conversión del problema original en una forma estándar, añadiendo variables de holgura o exceso a las restricciones.
Este proceso implica realizar operaciones de fila en una tabla (tabla Simplex) hasta que se cumplen ciertas condiciones de optimalidad. Se selecciona la variable de entrada (la que aumenta más la función objetivo) y la variable de salida (la que primero llega a cero). El proceso se repite hasta que ninguna variable de entrada pueda mejorar la función objetivo.
Paso 6: Interpretar la Solución
Una vez que se encuentra la solución óptima, es importante interpretarla en el contexto del problema original. Esto implica identificar los valores óptimos de las variables de decisión y el valor óptimo de la función objetivo. Por ejemplo, si la solución óptima es x = 20, y = 30 y Z = 340, significa que la empresa debe producir 20 unidades del producto A y 30 unidades del producto B para obtener una ganancia máxima de $340.
La Programación Lineal es una herramienta poderosa que puede ayudar a tomar decisiones óptimas en una variedad de situaciones. Aunque el proceso puede parecer complicado al principio, la práctica y la comprensión de los conceptos básicos hacen que sea una técnica muy útil en la Investigación de Operaciones.
