CUADERNO DE INVESTIGACION DE OPERACIONES PROGRAMACION LINEAL APUNTES PARA ADMINISTRADORES Y PROGRAMAS AFINES

JOSE MANUEL FUQUEN SANDOVAL

UNIVERSIDAD DE LA SALLE FACULTAD DE CIENCIAS ADMINISTRATIVAS Y CONTABLES PROGRAMA DE ADMINISTRACION DE EMPRESAS Bogot D.C. Agosto de 2009

1-Antecedentes histricos y conceptos Para algunos historiadores ,los modelos matemticos de la investigacin de operaciones se originan en el ao 1759 cuando el francs Franois Quesnay cirujano y economista empieza a utilizar modelos primitivos de decisin 1 .Posteriormente en 1874 Len Walras, tambin economista francs y uno de los iniciadores del concepto de utilidad marginal que dio lugar al marginalismo- corriente del anlisis econmico- emplea tcnicas similares. Los modelos lineales tienen como precursores en las tres ltimas dcadas de siglo XlX a Jordan, Minkowsky y Fargas. Otros autores sealan el inicio de la investigacin de operaciones IO- a fines del siglo XIX y las dos primeras dcadas del siglo XX y otros sealan como inicio los tiempos de la segunda guerra mundial. Los primeros citan los diagramas o grficas del Ingeniero estadounidense Henry Gantt para planificacin y control de proyectos , el trabajo probabilstico del matemtico ruso Andrei Markov ( las cadenas de Markov - las salidas de un experimento o evento dado afectan al siguiente experimento ) , el origen de la teora de colas acreditada al matemtico, estadstico e ingeniero Dans Agner Kraup Erlang por su trabajo en la congestin de trfico telefnico de Copenhague y los problemas de asignacin por los hngaros Dnes Knig y Jen Egervry que sentaron las bases para que otro hngaro desarrollara el algoritmo de Kuhn-Munkres.Tambin se citan en la dcada del 40 del siglo pasado al ruso Kantorovich por el estudio de los problemas de distribucin y a John Von Neumann y Morgenstern por su trabajo sobre la teora de juegos y la teora de las preferencias. Los que ubican el origen en la segunda guerra mundial tienen el referente de que las tcnicas y mtodos empleados por los britnicos y los norteamericanos no resolvan apropiadamente los problemas complejos mejorando la utilizacin de los recursos, por lo tanto se considera que el gran desarrollo de la investigacin operacional llamada tambin ciencia de la administracin, programacin matemtica, o mtodos cuantitativos se debe principalmente al auge que tomo la logstica estratgica para vencer al enemigo y a la logstica de distribucin de los recursos de las fuerzas armadas de los aliados, destacndose los siguientes factores : el gran avance de las tcnicas operativas (programacin lineal y no lineal, programacin dinmica, lneas de espera, inventarios, simulacin, etc.), el crecimiento de la capacidad de almacenamiento y la velocidad de los ordenadores, el desarrollo del mtodo Simplex en el ao 1947 por el reconocido matemtico norteamericano George Dantzig2 para resolver problemas de programacin lineal, y el xito en la asignacin de recursos blicos . Entre los primeros grupos de investigacin se destaca el dirigido por Patrick Blakett, reconocido como el Circo de Blackett, conformado por especialistas de diversas disciplinas. Este ingls contribuyo entre otros, al estudio y mejora del uso de un sistema antiareo instalado en naves mercantes, deteccin de barcos y bombardeo a submarinos mediante la optimizacin del radar y el empleo de bombas. Los beneficios de las nuevas tcnicas abarcaron la fuerza naval, area y el ejrcito. Como ejemplo de la importancia, para la poca de la segunda guerra mundial se cita que

Entre los ms usados se encuentran Laplace, Maximin y Maximax

En 1952 fue investigador en la Corporacin RAND( Research And Development )

en la Fuerza Area Norteamericana para el da D (se refiere as al da en que las tropas aliadas desembarcan en Normanda una regin al norte de Francia iniciando la liberacin de la Europa continental en poder de los alemanes) haban ms de 20 grupos de investigacin de operaciones. Terminada la segunda guerra mundial la investigacin de operaciones se extiende hacia la industria y posteriormente a los servicios. Entre las organizaciones que tuvieron un impacto significativo estn United Airlines, Texaco, IBM, American Airlines y la industria militar norteamericana. Se considera al Institute for Operations Research and the Management Sciences (INFORMS) con sede en los EEUU y alrededor de 1200 miembros como la sociedad profesional ms grande en el mundo de investigacin de operaciones. Esta Organizacin es producto de la fusin en el ao 1995 entre The Institute of Management Sciences (TIMS ) y the Operations Research Society of America (ORSA) fundada en 1952. Tambin figura The Australian Society For Operations Research (ASOR) con alrededor de 400 miembros por todo el mundo y afiliada a la International Federation of Operational Research Societies (IFORS) con ms de 30 paises afiliados. La investigacin de operaciones es una rama de las Matemticas considerada como ciencia interdisciplinaria (equipos de trabajo mixtos, multiprofesionales) que busca las mejores soluciones a los problemas que surgen en los sistemas , apoyando la toma de decisiones , utilizando modelos fsicos ( icnicos, analgicos) , simblicos (matemticos , verbales) y abstractos 3, la estadstica y algoritmos4, con el objetivo de optimizar el rendimiento de los sistemas naturales y las organizaciones. Optimizacin que se alcanza en virtud de la asignacin eficiente de recursos humanos y fsicos (involucrados como factores cuantitativos) a las actividades propias de las reas funcionales que constituyen las organizaciones (en marcha, o nuevas unidades productivas) o de los componentes de los sistemas naturales. La investigacin de operaciones sigue el mtodo (un camino para encontrar una meta) cientfico con aplicacin de tcnicas e instrumentos cientficos. La optimizacin es uno de los resultados 5 ,del modelo formulado, que se alcanza mediante medidas de desempeo del sistema representadas en funciones objetivo (las salidas se reconocen como variables endgenas originadas en el interior del sistema) As las salidas o resultados dependen de variables de entrada o exgenas que pueden ser controlables o incontrolables (parmetros). Las variables generalmente tienen restricciones y adems pueden ser continuas o discretas (enteras). Tanto la optimizacin como las restricciones se expresan como funciones lineales o no lineales a travs de ecuaciones e inecuaciones. Se puede afirmar entonces que la Investigacin de Operaciones est interesada en los sistemas como un todo, adoptando una visin organizacional y buscando soluciones globales y no ptimos locales, por lo tanto abarca todos los componentes como los insumos (de informacin, fsicos, humanos, energticos),agentes fsicos (recursos materiales como instalaciones, mquinas y equipos), el proceso mismo al considerar la

Desarrollo de ideas o pensamientos como abstracciones que solo reflejan partes del mundo exterior y generalmente no corresponden a imgenes o representaciones tridimensionales de la realidad. 4 Conjunto finito de operaciones, instrucciones o normas que de manera sucesiva permiten solucionar un problema, realizar una funcin o una accin determinada. 5 Otro resultado o salida del modelo son las variables de consecuencia .Si se optimiza la participacin en el mercado se puede considerar como consecuencia el nmero de productos embarcados.

secuencia de las operaciones, los agentes humanos que actan sobre los insumos y el medio ambiente( fsico, econmico, humano) externo e interno donde habita el sistema.

Las tcnicas de la investigacin de operaciones se pueden utilizar en problemas que de acuerdo con la naturaleza de los datos se pueden clasificar en determinstico6 y probabilsticos .Tambin se clasifican en consideracin al tiempo en problemas estticos si la variable tiempo no es considerada, es decir optimizar la funcin objetivo en un determinado momento del tiempo (Programacin No Lineal, Programacin Lineal, Programacin Entera y Teora de Juegos, Programacin Clsica-libre de restricciones o restringida a solo igualdades-) y problemas con marcos de referencia dinmicos (lineales y no lineales) , es decir que cambian con el tiempo y para los cuales se desarrollan modelos que incorporan el factor tiempo. La tcnica empleada en estos casos, para mejorar la eficiencia , descompone el problema en otros de menor tamao que resuelve en etapas optimizando una variable y vinculando las diferentes etapas por clculos recursivos que pueden darse en un orden inverso (comenzando por la ltima etapa) de manera sucesiva. Sin embargo la Programacin Dinmica soluciona adecuadamente problemas en los cuales el tiempo no es un factor importante. As mismo un problema puede ser clasificado o identificado de manera conjunta atendiendo a la naturaleza de los datos y a la consideracin o no del tiempo para su solucin, as por ejemplo el modelo Insumo- Producto 7 que estudia las interrelaciones existentes entre sectores que conforman la economa de un pas se puede clasificar como dinmico, lineal y determinstico o esttico lineal determinstico. Otro ejemplo es el modelo de Programacin Lineal que puede ser esttico y determinstico o esttico probabilstico (estocstico) Adems del mtodo (algoritmo) Simplex mencionado anteriormente para resolver problemas de Programacin Lineal se dispone de otros como: el mtodo de Elipsoide para Programacin Convexa no Diferenciable , desarrollado de manera independiente por Shor (1970), Yudin y Nemirovski (1976) y el algoritmo de Punto Interior Proyectivo de Karmarkar (1984). Para el caso de dos variables tambin se emplean el mtodo grfico y el de puntos de vrtice ( puntos de esquina). En el caso de problemas que por su complejidad no tienen solucin ptima por medio de los algoritmos tradicionales, alternativamente se han desarrollado algoritmos heursticos que ofrecen soluciones factibles cercanas a las ptimas con una lgica basada en reglas o mtodos prcticos. Estos mtodos mejoran la velocidad del proceso cuando se utilizan dentro del contexto de un algoritmo de optimizacin o sencillamente cuando se usan para obtener una buena solucin. En el primer caso se cita por ejemplo cuando el modelo del transporte , a pesar de disponer de los algoritmos apropiados ,la solucin inicial puede ser heurstica asignando los requerimientos o cantidades demandas a la ruta ms econmica sin violar las restricciones de esquina (oferta y demanda).El otro caso se puede ilustrar cuando el vendedor viajero debe visitar solo una vez un

6 7

Ningn problema es determinstico totalmente, sin presencia de incertidumbre en todas sus variables. Por este modelo macroeconmico fue concedido el premio nobel de economa a Wassily Leontief (ruso nacionalizado norteamericano)

nmero de ciudades partiendo y regresando al origen de tal manera que el objetivo sea minimizar la distancia total recorrida.

2-Aplicaciones de la Investigacin de Operaciones Despus de la segunda guerra mundial y dado el xito de la investigacin de operaciones en el campo de las fuerzas armadas , factores como la competencia, la renovacin de los sistemas de produccin y de las organizaciones ,entre otros, impulsaron la aplicacin de la investigacin de operaciones para mejorar la eficiencia de los recursos. Gran Bretaa inicio la aplicacin con subsectores bsicos, industriales y de servicios que actualmente emplean la IO como las industrias del acero, extractivas como la del carbn y otras como textiles, carreteras, ferrocarriles y agricultura .Estados Unidos ha aplicado las tcnicas por ejemplo en servicios de salud, supermercados, servicios de peaje, tiendas departamentales, fuerzas armadas y otros servicios pblicos. Al interior de las organizaciones las tcnicas son aplicables para apoyar la toma de decisiones de los gerentes en reas funcionales como finanzas, mercados, produccin, investigacin y desarrollo , etc. Los gerentes no requieren tener conocimiento profundo de las matemticas y de los algoritmos para solucionar los problemas, dada la disponibilidad y abundancia de software especializado y variado caracterizado por ser herramientas informticas amigables y de fcil manejo 3-Planificacin del Mtodo Cientfico en la Investigacin de Operaciones Por lo general este proceso de apoyo para la toma de decisiones no necesariamente se realiza en el orden secuencial de las etapas que se presentan a continuacin e inclusive algunas o todas se realizan simultneamente, dando lugar a una interaccin permanente. Las etapas , pasos o fases de lo que suele llamarse enfoque del anlisis cuantitativo o la subdivisin metodolgica del mtodo cientfico son : determinar el problema y recolectar los datos, formular el modelo, solucin del modelo y prueba, anlisis de resultados e implementacin. Exceptuando la solucin del modelo basada en tcnicas bien desarrolladas, las dems etapas no siguen reglas fijas dadas su dependencia con el tipo de problema y con el mbito de operacin. Determinacin del problema y recoleccin de los datos En la segunda guerra mundial un problema era la supresin de la defensa antiarea a bordo de las naves mercantes por deficiencia en abatir los aviones enemigos ,el porcentaje de naves mercantes armadas hundidas por la aviacin enemiga Luftwaffe 8 era inferior al porcentaje de naves desarmadas. Entonces no se trataba de abatir aviones sino de salvar naves.

Luftwaffe fue disuelta en agosto de 1946 por la Comisin Aliada de Control, reduciendo considerablemente la Aviacin alemana

Es ideal que el problema se formule claramente y sin ambigedad, empero esta etapa es considerada a la vez difcil y vital para el direccionamiento del proceso , se trata como el diagnstico en medicina de ir ms all de los signos y sntomas para establecer causas y efectos e identificar quien toma las decisiones , si el problema relevante recae en un individuo o en un grupo, si es nico o existen varios problemas y si estos se prestan a la aplicacin de la IO. Adems se requiere identificar las reas comprometidas e involucradas y establecer las interrelaciones del rea o sistema de estudio con las otras reas. En esta fase el equipo encargado que comnmente trabaja a nivel de asesora incluye la fijacin de objetivos (congruentes con los objetivos globales) y el reconocimiento de sus limitaciones, condiciones o restricciones provenientes de los recursos sobre lo que se puede hacer(incluido el lmite de tiempo para la toma de decisiones) , los diferentes cursos o alternativas u opciones de accin atractivas posibles dentro de algn rango de valores para un parmetro como poltica o criterio de evaluacin por la administracin No obstante que existen mtodos alternativos como la Programacin por Objetivos para tratar con varios objetivos, a veces las organizaciones lucrativas utilizan el enfoque de combinar varios objetivos en lugar de maximizar uno solo y otras veces los problemas requieren de objetivos especficos ante la dificultad de integrarlos. As los objetivos que tratan de combinarse y satisfacerse para aumentar por ejemplo las ganancias podran ser conservar o aumentar la participacin en el mercado, mejorar la moral de los empleados, mantener el control familiar de la empresa y aumentar la imagen empresarial, sin embargo puede dificultarse el establecimiento de unas relaciones claras entre las aspiraciones o intereses de los diferentes pblicos que intervienen (proveedores ,empleados, clientes, gobierno, comunidad).De otra parte el caso de un proceso de atencin inadecuado en el rea de observacin de urgencias de una clnica se pude abordar, entre otros, por los siguientes objetivos: disminucin de las horas promedio de permanencia ,atender los pacientes las 24 horas con profesionales especializados, disponer de servicios de laboratorio 24 horas, atender la consulta de urgencias con mdicos urgenciologos. Al contemplar ms de un objetivo es posible buscar una medida de desempeo global de eficacia tangible como las ganancias o abstracta como la utilidad. Los datos deben ser confiables, pertinentes, relevantes y constituyen un insumo originado en la observacin y recoleccin de los mismos , adems son facilitadores para mejorar el entendimiento del problema. Generalmente esta parte demanda mucho tiempo y se requiere de la colaboracin de los empleados claves en la empresa. Algunas situaciones frecuentes en los datos se pueden caracterizar por los llamados datos blandos , considerados estimaciones burdas o subjetivas, la falta de disponibilidad , incoherencia por cambios en los sistemas de informacin , obsolescencia, datos difusos, errores de registro y falta de validacin, muchas bases de datos , o una base con muchas variables y registros que requiere como herramienta de la minera de datos para establecer el patrn de los datos. Con el desarrollo de los sistemas de informacin muchas empresas disponen de bases de datos que son bsicos para los sistemas de informacin gerencial y que adems constituyen la fuente de datos para la investigacin de operaciones y estn relacionados con clientes ,proveedores, impuestos, empleados, mercados, productos, etc. Formulacin del Modelo Entre las representaciones que siempre deben ser menos complejas que la realidad se encuentran los modelos simblicos, icnicos y anlogos. En la investigacin de operaciones el modelo que se establece es matemtico mediante smbolos y expresiones matemticas que representan el problema en trminos idealizados pero en forma mucho ms clara y concisa revelando las relaciones ms importantes causa efecto que hacen el problema ms comprensible. Implica seleccionar el modelo ms conveniente de los disponibles en la IO que

debe ser menos complejo que el sistema real , por ejemplo dependiendo de la complejidad de las relaciones matemticas podra ser de programacin lineal o de simulacin. Este proceso de modelado creativo en las organizaciones evoluciona de un modelo mental (abstracto) a uno verbal para llegar al modelo matemtico desarrollado con el apoyo de los modelos de hoja de clculo (Excel y otras). La representacin matemtica requiere : establecer las variables exgenas( de entrada al sistema): controlables conocidas como variables de decisin y no controlables (parmetros que se denominan tambin variables aleatorias), para derivar los posibles cursos de accin, y las salidas ;variables endgenas, resultados correspondientes a las medidas de desempeo que establecen hasta qu punto se alcanzan los objetivos ( de ah el nombre de funciones objetivo) y otras variables llamadas de consecuencia que ayudan a la interpretacin de los resultados del sistema . Por ltimo se tienen las restricciones que reflejan las interrelaciones lgicas relevantes entre componentes de los subsistemas. Las variables de decisin son las que un gerente bajo ciertas condiciones controla como el precio, la localizacin de una instalacin, vender o no una sucursal, mientras que parmetros pueden ser el precio de los productos de la competencia, de los insumos, una limitacin fsica de capacidad ,la demanda del mercado, los cambios climatolgicos, las tasas de inters, etc. Se reconocen diferentes opciones para la construccin de los modelos : un modelado a simple vista de la estructura del sistema , la necesidad de recurrir a un sistema anlogo (la localizacin de instalaciones puede recurrir a los sistemas de redes),un modelado por aproximacin al anlisis de cierta informacin (el sistema de colas puede modelarse a partir de datos por observacin de las llegadas al sistema y del tiempo de servicio),obtencin del modelo con base en la experimentacin (programacin de la produccin de un nuevo producto a partir de un pronstico cualitativo originado en las ventas de un producto similar ( analoga con el ciclo del productoexperimentacin del mercado) o ante la imposibilidad de tener datos o experimentacin se conceptualiza una estructura artificial. Siendo la medida del desempeo o de eficiencia del sistema E y las n variables de decisin ( llamadas tambin variables controlables) X 1,X2,X3,,Xn , y las variables no controlables (exgenas sobre las cuales no es posible actuar ) Y1,Y2,,Ym , (los valores de estas variables son estimaciones que se han llamado parmetros) la funcin objetivo del modelo tendrn la siguiente forma : E =f (Xi,Yj) y las restricciones o requerimientos sobre las variables se expresarn mediante ecuaciones y/ o desigualdades como por ejemplo

Optimizar Z = f (X1, X2,..., Xn) = 2 X1+ 5 X2+ ...+ Xn/2 Conjunto de limitaciones Restricciones: 4 X1+ X2 15 2 X1- X2 10 4 X 1+ X 2 = 8

Desarrollo de la solucin y prueba Resolver el modelo implica optimizar o mejorar la eficiencia y/o efectividad del sistema hallando los valores de las variables dependientes asociadas a los componentes controlables y tales

valores dependern de las interrelaciones que tengan con las variables independientes, stas asumen o se les asigna valores arbitrarios. La solucin ptima o una muy buena aproximacin puede ser analtica o numrica .La primera se hace con el concurso de varias ramas de las matemticas, de manera abstracta , empleando smbolos literales en lugar de nmeros. La numrica implica probar diversos valores variables que arrojan la mejor solucin y a veces solo requiere resolver una ecuacin (Programacin clsica ).Otras veces se hace empleando varios enfoques hasta encontrar la mejor solucin numrica (por prueba y error ).Tambin se puede recurrir a la enumeracin completa trabajando con todos los posibles valores de las variables. Una alternativa ms se hace a travs de los algoritmos 9 que son de naturaleza iterativa, es decir los problemas se resuelven por repeticin sistemtica de una secuencia de iteraciones ,pasos o procedimientos, donde cada nueva iteracin lleva o aproxima a la solucin . La solucin numrica se puede obtener con programas a travs de los computadores. Las tcnicas de simulacin se utilizan, con frecuencia en los problemas con riesgo y bajo incertidumbre, imitando o emulando a los sistemas reales con base en modelos matemticos La solucin obtenida se evala mediante la comparacin de sus resultados con datos anteriores , o por ensayos. Como las salidas dependen de las entradas y del modelo, las pruebas se orientan a determinar la validez y confiabilidad de los datos y si el modelo brinda soluciones razonables, es decir si existe una alta correlacin entre las predicciones del modelo y la situacin real, por lo tanto es importante practicar suficientes pruebas del modelo y hacer los ajustes correspondientes . Algunas veces se recopilan datos de otras fuentes utilizando diversos diseos de muestreo y se descartan fuentes de error entre los datos mediante pruebas estadsticas. Hechas las pruebas sobre los datos, de no resultar incongruencia, se procede con pruebas para verificar el modelo y determinar por ejemplo que no se haya omitido ninguna componente controlable importante o que no se haya rechazado ninguna interaccin. Validado el diseo del sistema se corroboran las expresiones matemticas y se verifica que las tcnicas se han aplicado correctamente. El modelo debe asegurar que incorpora con exactitud los factores y relaciones relevantes que reflejen la realidad idealmente. Los ajustes pueden darse por errores en los datos y/o por problemas en la construccin del modelo que requiere cambios u otro modelo ms apropiado. Anlisis de los resultados e implementacin La solucin del modelo es vlida mientras permanezcan los supuestos o estimaciones de las variables incontrolables y continen las relaciones entre las variables del modelo. Al modificarse una o ms variables pueden resultar cambios importantes que hacen que la solucin quede fuera de control, es decir la solucin es sensible a dichos cambios dando lugar al anlisis de sensibilidad reconocido tambin con los nombres de anlisis de postoptimalidad o anlisis de parmetros. La solucin implantada apropiadamente implica cambio en la forma de operacin de las organizaciones, modificaciones o nuevos procedimientos que conllevan actualizacin de funciones y recomendaciones para los gerentes sobre la forma de implementar la solucin y buscando siempre la cooperacin. Un sistema puede ser diseado para resolver las
9

En honor al matemtico Arabe del siglo IX Algorismus.

modificaciones que la gerencia propone al modelo, si la expectativa es apoyar frecuentemente las decisiones con la solucin, las organizaciones desarrollan un sistema de apoyo a la toma de decisiones teniendo como fuentes bases de datos o sistemas de informacin transaccionales. Cuando la IO enfoca los problemas macroeconmicamente es caracterstico encontrar barreras burocrticas en los pases llamados emergentes y emergentes secundarios a los problemas inmutables como: la inequidad en la distribucin de la riqueza, la concentracin econmica y poltica, el crecimiento demogrfico desmedido, la dependencia financiera y tecnolgica, tasas de productividad bajas y la alta concentracin y subutilizacin de la propiedad de la tierra. INTRODUCCION A LA PROGRAMACION LINEAL Esta parte de los apuntes se enfocan en problemas de programacin lineal esttica 10 (o de un periodo) y determinstica, as como tambin a los problemas del transporte y de asignacin que pertenecen a la programacin lineal llamada problemas de flujo en red La programacin lineal es una de las categoras que conforman la programacin matemtica general, plantea un modelo matemtico de optimizacin caracterizado por contener una funcin objetivo11 , restricciones y variables de decisin llamadas tambin variables instrumentales. La programacin lineal es uno de los modelos ms significativos de mediados del siglo pasado basado en transformaciones de lgebra de matrices, y es considerada como una de las tcnicas ms conocidas y de aplicacin prctica para lograr la optimizacin (maximizacin o minimizacin) de los objetivos de las organizaciones resolviendo el problema de la asignacin de los recursos limitados entre diferentes actividades concurrentes y buscando la mejor mezcla de las actividades y los niveles de planeacin de estas actividades. As por ejemplo una situacin ilustrativa de la necesidad de establecer peridicamente (semanal, mensual, trimestral, etc. ) la mezcla de productos que hace posible maximizar las ganancias se tiene cuando en un entorno competitivo los precios de los productos fluctan peridicamente y consecuentemente el margen de contribucin es variable dando lugar a cambios entre los productos ms rentables. La programacin lineal se puede clasificar como un modelo esttico o dinmico y tambin como modelo determinstico o probabilstico. Algunos de los recursos que se asignan (a veces simultneamente) a las actividades son mano de obra, maquinaria y equipo, dinero, tiempo, espacio de almacenamiento, materia prima, tierra y agua. Diversas son las actividades que pueden demandar estos recursos y que ilustran su amplia aplicacin. La programacin lineal inicialmente se enfoco en la planeacin militar y luego se extendi a otras actividades ,como por ejemplo: en telecomunicaciones para decidir entre cable, multiplexores, switches remotos o terminales de fibra ptica para expandir e instalar una red, en produccin para determinar la planificacin de tareas o el programa de fabricacin de dos o ms productos diferentes ,en marketing para la planeacin de ventas de ganancia mxima con un gasto mnimo
10

El carcter esttico busca optimizar la funcin objetivo considerando que la decisin tomada no es afectada por decisiones previas en periodos anteriores y que adems esta decisin no afectar decisiones que se tomen en periodos futuros, bajo este contexto se tienen entre otras aplicaciones prcticas las de mantenimiento y reparacin de mquinas, equilibrio financiero de carteras, control de inventarios y de produccin, reemplazo de equipos y comercializacin. 11 La programacin matemtica tambin considera ms de un objetivo en otros modelos. Cuando considera un solo objetivo sin restricciones o con restricciones solo de igualdades donde el numero de restricciones m es menor que el nmero de variable n, se tiene la programacin clsica.

de publicidad o para la publicidad en dos o ms medios distintos , en finanzas para constituir un portafolio (cartera) de inversin de dos o ms activos, en logstica para la programacin de los envos de varios productos desde los orgenes hasta los destinos 12, en organizacin para determinar la asignacin de personas a mquinas o proyectos , vendedores a territorios, contratos a licitadores, trabajos a mquinas, en la agricultura para decidir la cantidad de hectreas que se pueden dedicar a diferentes tipos de cultivos, en las importaciones para establecer las cantidades de produccin nacional y de importaciones de varios componentes de carroceras, en salud para asignar cirugas a quirfanos, en problemas de mezclas como raciones alimenticias balanceadas, para producir diferentes productos a partir del petrleo (tipos de gasolina, aceites y otros), combinacin de varios alimentos en proporciones deseadas para la dieta alimenticia que asegure la nutricin a mnimo costo, combinacin de carne, emulsiones, agua y otros ingredientes para producir ingredientes , para producir salsa , etc. Hillier describe tres casos, de aplicacin de la programacin lineal, relacionados con una empresa Mexicana la Ponderosa que tiene como objetivo maximizar la ganancia incorporando los precios y sus cambios en un ambiente riesgoso , requiere determinar la mezcla de productos de madera y la necesidad de verificar como cambia esta mezcla si cambian los pronsticos de los precios .La Ponderosas para obtener este objetivo dispuso de 6 recursos; 4 tipos de troncos y las capacidades de produccin en horas por mes para las operaciones de prensado y pulido. El impacto fue de un aumento en las ganancias del 20% y una mejor utilizacin de materias primas, bienes de capital y de personal. El segundo caso citado es la United Airlines que trata del problema de horarios de personal buscando como objetivo reducir los costos de personal de tiempo parcial y de tiempo completo. La pregunta por resolver se plantea como . Cuntos empleados segn la duracin del turno en horas (2,4,6,8, 10 )deben comenzar a trabajar en que hora de inicio para cada jornada de 24 horas de una semana de 7 das. En este caso el ncleo es la programacin lineal junto con tcnicas como pronsticos, lneas de espera y programacin discreta. El impacto se resume en una disminucin de $ 6 millones de dlares representada en salarios y prestaciones, una mejora del servicio y una hubo reduccin de cargas para el personal de apoyo. La refinacin y comercializacin del petrleo en Citgo Petroleum Corporation constituye el tercer caso que aborda la planeacin de suministros, la distribucin y la comercializacin. Se cre un equipo con el director ,un consultor de mtodos cuantitativos y se aplicaron tcnicas en refinacin, suministro, distribucin, planeacin comercial, cuentas por pagar y por cobrar , control de inventarios y adquisiciones, tomando decisiones como : Donde vender?, Qu precio cobrar?, Donde comprar o canjear? ,Cuanto mantener en inventario y cuanto embarcar en cada medio de transporte?.De una parte las ganancias aumentaron en $ 70 millones de dlares, se disminuyeron los inventarios en US $ 116.5 millones conjuntamente con un ahorro de US $14 millones . El vocablo programacin utilizado en Programacin de Operaciones se refiere planeacin de actividades, como programas, estimadas por un modelo matemtico lineal que representa el
12

En 1958 en Mosc se aplico para determinar el plan ptimo del transporte de arena para la construccin de edificaciones, haban 10 puntos de origen y 230 de destino

problema que se estudia y no al cdigo o instrucciones empleadas por los programadores cuando desarrollan alguna aplicacin en sistemas. Las aplicaciones industriales que utilizan la programacin lineal pueden llegar a involucrar miles de variables gracias al desarrollo de software especializado y del avance de los computadores.

PROPIEDADES Y SUPUESTOS BASICOS DE LA PROGRAMACION LINEAL Los problemas de programacin lineal se caracterizan por: optimizar la funcin objetivo, la existencia de restricciones, consideran cursos de accin alternativas- para elegir y la linealidad de la funcin objetivo y las restricciones. Todos los problemas de programacin lineal tienen una funcin objetivo para optimizar , ya sea maximizando o minimizando la funcin. Generalmente existe inters por los administradores de maximizar magnitudes deseables como las ganancias (beneficios), los ingresos, cantidad o calidad de los productos, mientras que otros aspectos son indeseables y se trata de minimizarlos tales como costos, desperdicios, tiempo de produccin o de respuesta, distancias recorridas, el riesgo de una inversin, la cantidad de empleados o maquinas, la cantidad de sangre que se vence en un banco de sangre, entre otros. La segunda propiedad considera que la optimizacin de funcin objetivo de los problemas de programacin lineal se alcanza dentro de restricciones o limitaciones. Es decir que la funcin objetivo est sujeta a recursos limitados. Por ejemplo la produccin de productos nuevos est limitada por capacidad liberada o disponible, por cantidad de materia prima, cantidad de mano de obra, disponibilidad de capital, cantidad de productos a elaborar, etc., estas restricciones son llamadas restricciones funcionales (estructurales) La tercera propiedad implica la existencia de cursos de accin alternativas- entre los cuales se pueda tomar una decisin. Es decir se trata de elegir entre un conjunto de oportunidades o conjunto factible, aquellos valores para las variables de decisin (instrumentales) que proporcionan el mximo o el mnimo valor de la funcin objetivo. As si se trata de producir mesas, asientos y escritorios entre las alternativas se pueden considerar las cantidades de produccin de solo uno de los tres,( solo producir mesas, o solo producir asientos o solo producir escritorios) o contemplar la posibilidad de producir dos de esos productos y en que proporciones, o producir los tres en iguales o diferentes proporciones. Como se puede deducir el nmero de alternativas es 2. La ltima propiedad enuncia que tanto la funcin objetivo (a veces llamada funcin econmica) expresada siempre por una ecuacin (igualdad) y las restricciones expresadas como ecuaciones (igualdades) y/o desigualdades son funciones lineales. El vocablo lineal se deriva de las ecuaciones e inecuaciones de primer grado que el modelo matemtico utiliza, de tal manera que las variables aceptables para el problema de programacin lineal (trminos no libres) estn elevadas a la potencia uno. Una funcin lineal es un polinomio 13de la forma :
13

La funcin lineal es un polinomio pero no todo polinomio es una funcin lineal. Ejemplos de polinomios que no son funciones lineales X1X2+2X3 (contiene un producto); X12+X1/2 (potencia diferente de uno); X/2Y (contiene un cociente)

Z=

C1X1+C2X2++CnXn

(suma de productos algebraica).Aparte de las igualdades ,las

inecuaciones o desigualdades admitidas en las restricciones son de la forma mayor-igual o menor-igual ( , ) y no se admite productos entre variables o relaciones de la forma mayor o menor ( > , < ). En la funcin objetivo no deben aparecer trminos libres o constantes as : optimizar Z = , si el problema requiere de este tipo de funcin objetivo, se debe solucionar ignorando la constante K y el problema que se resuelve sin la constante tiene los mismos ptimos. Solucionado el problema se le adiciona la constante K.

Los cinco supuestos bsicos de la programacin lineal son certeza, proporcionalidad, aditividad, divisibilidad y no negatividad 1-Certeza: deben ser conocidos con certidumbre los parmetros (constantes o nmeros) del problema de programacin lineal. Los parmetros son los coeficientes de la funcin objetivo, los coeficientes tecnolgicos 14 que acompaan a las variables en las restricciones y el lado derecho de estas restricciones. Estos parmetros no cambian mientras se soluciona el problema. 2-Proporcionalidad: tanto la contribucin de cada variable en la funcin objetivo y en las restricciones (lado izquierdo de las desigualdades o igualdades) es proporcional al valor de la variable e independiente de los valores de las otras variables de la decisin. As por ejemplo si una puerta contribuye con $ 80.000, la fabricacin de 3 puertas contribuye con $80.000*3=$240.000 y esta contribucin de cada puerta es independiente de la contribucin individual de otros productos como digamos ventanas o mesas. De otra parte si para la elaboracin de una puerta se requieren de 25 horas de carpintera para la produccin de 4 puertas se requieren 25*4 = 100 horas de carpintera y este requerimiento por unidad es independiente de otro que pude ser el acabado de las puertas. 3-Aditividad : quiere decir que tanto en la funcin objetivo como en las restricciones las contribuciones de cada variable se suman, en consecuencia la funcin objetivo como el lado derecho de las restricciones es igual a la suma de dichas contribuciones. 4-Divisibilidad : implica que las variables y por lo tanto la solucin son continuas , dando lugar a que las variables asuman cualquier valor real positivo dentro de un intervalo, es decir no solo enteros(discretos) sino tambin fraccionarios. 5-Restricion de no negatividad: conocida tambin como la restriccin de signo, supone que todas las variables deben ser no negativas es decir 0 (mayores o iguales que cero ).No obstante una variable puede no estar restringida como en el caso de que la variable represente el saldo de caja, lo que significa que puede asumir valores negativos, positivos e inclusive valer cero, entonces para cumplir con la restriccin de no negatividad se recurre a un artificio o una transformacin de equivalencia que se explicar ms adelante. FORMULACION DEL PROBLEMA DE PROGRAMACION LINEAL

14

Se llaman coeficientes tecnolgicos porque con frecuencia reflejan la tecnologa utilizada en la produccin de diferentes productos.

La forma general de un modelo matemtico de un problema de programacin lineal se hace por medio de las siguientes expresiones matemticas: Optimizar (maximizar o minimizar) una funcin objetivo F.O.

Max o Min

Z= C1X1 + C2X2 ++ CnXn b1

Sujeto a : a11x1+ a12x2+ a13x3+ + a1nxn

a21x1+ a22x2+ a23x3+ + a2nxn
. . . . . . . . . . . . . . . . . . . . . . . . . . .

b2

am1x1+ am 2x2+ am 3x3++ am nxn Xj 0 Donde :

bm

j 1,2,3,n

Z = valor de la funcin (Maximizar o Minimizar) Es la medida de desempeo global o de eficiencia que se desea optimizar Ejemplos: ganancias, costos, horas, personas, ingresos , riesgo, etc. Cj = Coeficiente de proporcionalidad de la funcin objetivo. Es un parmetro que se estima y que puede representar precio por unidad, costo por unidad, ganancia por unidad, tiempo por unidad, o cualquier otra cantidad por unidad de actividad.

aij = Coeficiente de proporcionalidad llamado a veces coeficiente tecnolgico (parmetro que

se estima),representa la cantidad de recurso j que se necesita por unidad de actividad i Xj = Variables de decisin por determinar o incgnitas. Representan el nivel de las actividades. Cuando el problema se plantea solo con dos variables generalmente se designan con X y Y o tambin como X1 y X2 bj = Representa la disponibilidad de los recursos(limitaciones) o requerimientos como por ejemplo disponibilidad de materias primas, de horas de capacidad, de horas de mano de obra, requerimientos de demanda o de oferta o alguna otra cantidad. Es otro parmetro que se estima. n = Cantidad de variables de decisin m = Cantidad de restricciones funcionales o estructurales, no incluye las de no negatividad Uno de estos tres operadores se emplea para determinar la relacin La cantidad de variables de decisin n ,no necesariamente tienen que ser iguales a la cantidad de restricciones funcionales m. La anterior formulacin se puede reescribir matricialmente como

.[

Sujeto a

.[

] [ ]

Alternativamente segn Prawda se tiene una forma de programacin lineal denominada forma cannica as Maximizar Sujeto a

Z = CX AX b X 0

Donde : C= es el vector fila o rengln de coeficientes de la funcin objetivo, conocido tambin como vector de precios unitarios, costos unitarios, utilidades o beneficios unitarios, cantidades, etc., A es una matriz de m x n, denominada de coeficientes tecnolgicos , X es el vector columna con n componentes denominadas actividades o variables de decisin , y b es el vector de m componentes que recibe el nombre de vector de disponibilidad de recursos o requerimientos. REGLAS DE EQUIVALENCIA Existen otras formas equivalentes de la programacin lineal a la forma cannica considerando las siguientes cinco reglas de transformacin: Regla 1- Cambio en el objetico de la funcin Z Un problema puede cambiar el objetivo de la funcin as: a) Max Z = Min Z b) Min Z = Max Z Ejemplos : Max Z = 4X1 + 3X2 2X3 es equivalente a Min Z = 4X1 3X2 + 2X3 Si suponemos que la solucin est dada por los valores ( X 1 , X2 , X3 ) = (5 ,4, 1) ,el valor ptimo en el problema inicial, es decir el de Maximizacin no es 4x5 3x4 + 2x1 = 30 sino 30 El ejemplo del caso b) es Min Z = 5Y-3X+2W es equivalente a Max Z = 5Y+3X 2W Regla 2-Cambio de una desigualdad a) Una desigualdad de la forma AX b equivale a la desigualdad AX b Ejemplo: 2X1+3X2X3 100 multiplicando por 1 equivale a: 2X13X2+X3

100

b) Una desigualdad de la forma AX b equivale a la desigualdad AX b Ejemplo: 4X13X2 + X3 30 multiplicando por 1 equivale a : 4X1+3X2 X3 30 Regla 3-Toda igualdad de la forma AX = b puede descomponerse como la interseccin de

dos desigualdades de la forma AX b y AX b Ejemplo: 5X12X2 +7 X3 = 50 . esta igualdad se pude cambiar por las siguientes dos desigualdades 5X12X2 +7 X3 50 y 5X12X2 +7 X3 50

Regla 4-Las desigualdades de la forma AX

b se pueden transformar en igualdades ya bien sea por adicin de un vector H de m componentes de holguras no negativas y las desigualdades de la forma AX b agregando un vector S llamado superfluo de m componentes tambin no negativas . Ejemplos : a) Sea 5Y-3X 25 equivale a 5Y-3X + H1 = 25 X + 2Y 8 equivale a X + 2Y + H2 = 8 b) Sea 4X + 9Y 18 equivale a 4X + 9Y S1 = 18 3X - Y 7 equivale a 3X - Y S2 = 7 Regla 5-Una variable puede ser no restringida en signo es decir es una variable que puede tomar toda clase de valores negativos, o el cero , o los valores positivos. Esta variable puede escribirse como la diferencia entre dos variables no negativas. Ejemplo: Sea X1 una variable no restringida en signo , entonces podemos denotarla as X1 = X2 X3 donde X2 , X3 son 0 , ntese que Si X2 X3 X1 0 Si X2 X3 X1 0 Si X2 X3 X1 0
Aplicacin de las reglas y verificacin con Solver.

Las reglas se pueden aplicar para convertir un problema de formulacin lineal a la forma cannica. Como ejemplo suponga que un problema de programacin lineal ha sido formulado as Min Z = 3X14X2 + X3
Sujeta a (1)

X1+2X2 3 = 4 X3 no restringida en signo

(2) X2 X3 X1 0, X2 0 y

Entonces al aplicar las reglas tenemos: Max Z = 3X1+ 4X2 X3 Sujeta a: equivalente por la regla 1

X1 2X2 3 por la regla 2b) al multiplicar por -1

Como X2 es 0 hacemos X4 = X2 y as X4 0 y como X3 es no restringida en signo por la regla 5 consideramos dos nuevas variables X5 , X6 0 y expresamos a X3 de la siguiente forma X3 = X5 X6 .Ahora con base en estas consideraciones buscamos la forma cannica y tenemos la siguiente formulacin Max Z = 3X1+ 4X2 X3 Max Z = 3X1 4X4 X5 + X6 al reemplazar X2 y X3 Sujeta a: (1) X1 + 2X4 3 (sustituir 2X2 por 2X4 ,recuerde que hicimos X4 = X2 ) (2) X4 X5 + X6 4 (X2 = X4 y X3 = X5 X6 X3 = X5 + X6 )

(2) X4 + X5 X6 4 ( restriccin trasformada de X4 X5 + X6 4 al multiplicar por 1 para invertir la relacin de a ) Para establecer que las transformaciones si son equivalentes resolvemos con Solver de Excel (posteriormente se ampliar la explicacin sobre este software),los siguientes son los resultados para la primera formulacin.

Y estos son los resultados para la formulacin cannica despus de aplicar las reglas de equivalencia

EJEMPLO DE FORMULACION DE UN PROBLEMA DE PROGRAMACIN LINEAL Considerando la naturaleza del problema de programacin lineal expuesta en la introduccin, las propiedades y los supuestos veamos con el ejemplo resumido de Hillier (2008) uno de los textos citados en la biografa como se formula un problema de programacin lineal. La Wyndor Glass Company es una compaa pequea que produce artculos de vidrio de alta calidad incluidas ventanas y puertas de vidrio y que ha venido desarrollando productos novedosos con excelentes resultados. Actualmente desarrolla un proyecto para lanzar al mercado dos nuevos productos diferenciados que incluyen las caractersticas solicitadas por los clientes en las encuestas de mercado. Una puerta de cristal de 8 pies con marco de aluminio y una ventana colgante con doble marco de madera de 4 x 6 pies sern los dos nuevos productos. Parte de la estrategia de la Wyndor es abandonar la produccin de ciertos productos cuando sus ventas son decrecientes. Esta situacin permite disponer de capacidad para los dos nuevos productos en sus tres plantas dedicadas a la produccin as: la planta 1 fabrica marcos de aluminio y herreras, la planta 2 fabrica marcos de madera y la planta 3 fabrica el vidrio y ensambla ventanas y puertas. Despus de discutir las caractersticas, la calidad, la tecnologa, la diferenciacin de los productos y la aceptacin en el mercado, la administracin decide seguir adelante con el proyecto.

Las preguntas que surgen posteriormente estn relacionadas con Qu cantidad de capacidad se libera y como distribuirla entre los dos productos? Se plantean algunos cursos de accin o alternativas como: Producir el mismo nmero de productos? O ms de uno de ellos? O incluso producir lo ms que se pueda de uno de ellos y posponer el lanzamiento del otro? De estas alternativas que se plantean para tomar una decisin Cul va a ser la mezcla de los dos productos que resulte ms rentable para la empresa? As mismo el ejemplo ilustra la participacin de las reas funcionales de desarrollo de nuevos productos, comercializacin, produccin y el papel que juega el grupo de mtodos cuantitativos primero al definir la pregunta clave: Cules son las dos tasas de produccin que maximizan las ganancias totales? Describiendo en esta pregunta la medida de desempeo global o de eficiencia para estas decisiones como maximizar las ganancias. En seguida el grupo de mtodos cuantitativos identifica y proporciona las siguientes estimaciones, con la ayuda de otras reas de la empresa, necesarias para realizar el estudio: 1-La capacidad de produccin disponible en la plantas 1, 2, 3 es 4, 12,18 horas por semana respectivamente 2-El grupo establece que en la planta 1 se requiere de 1 hora por puerta, en la planta 2 se requieren 2 horas por ventana y en la planta 3 se requieren 3 horas por cada puerta y 2 horas por cada ventana. 3-El margen de contribucin15, rentabilidad de cada producto o ganancia unitaria establecida por el grupo de mtodos cuantitativos por puerta es de $ 300 y por ventana es de $ 500.Una manera de estimar estos parmetros (margen de contribucin) es contar con informacin sobre las ventas netas y sobre los costos variables : de produccin, administracin y ventas relacionados con algn volumen de un producto especfico. En el caso que se contempla se puede pensar que contaron con esta informacin para hallar el margen de contribucin por puerta y por ventana. Por ltimo el grupo reconoce que el problema es de mezcla de productos, es decir se requiere determinar cuntas puertas y cuntas ventanas por semana se deben producir , dicho de otra manera se desea establecer las tasas de produccin semanal de las puertas y las ventanas que maximicen las ganancias. La formulacin matemtica consiste en determinar las caractersticas comunes a los problemas de programacin lineal : variables de decisin, funcin objetivo y restricciones. Variables de decisin : estas variables representan las decisiones a tomar para todo problema de programacin lineal, en este caso para La Wyndor Glass Company, para lo cual definimos: X = el nmero de puertas de cristal de 8 pies a producir por semana (tasa de produccin) Y = el nmero de ventanas colgantes de madera de 4 x 6 pies a producir por semana Funcin Objetivo: los administradores, gerentes y otros profesionales desearan optimizar (maximizar o minimizar) alguna funcin de las variables de decisin, a esta funcin se le conoce con el nombre de funcin objetivo que abreviadamente se puede referenciar como F.O. y generalmente se denota por variable Z. Las ganancias deseadas se pueden expresar en funcin de las variables de decisin X y Y . Como sabemos que la ganancia por puerta es de $ 300 y por cada ventana es de $ 500, la funcin objetivo para La Wyndor Glass Company que maximice sus ganancias es : F.O. Maximizar Z = 300 X + 500 Y

15

El margen de contribucin = Precio Costo variable unitario = PCVu. Una vez que este margen contribuye con Qe unidades a recuperar los costos fijos CF entonces se tiene el punto de equilibrio. Por encima de este punto de equilibrio el margen de contribucin contribuye a formar las utilidades.

Aqu los coeficientes de la funcin objetivo (C1) y (C2) son 300 y 500 que anteriormente habamos denotado como C1,C2,Cn .Una notacin abreviada y aceptada de maximizar y minimizar es Max y Min respectivamente, por tanto se escribir en adelante Max Z o Min Z Restricciones: En la medida que La Wyndor Glass Company haga ms puertas y ventanas significa que aumentan sus ganancias, de tal forma que si Wyndor pudiera seleccionar libremente valores muy grandes para X y Y , obtendra una ganancia igualmente muy grande, pero los valores de las variables X y Y es decir el nmero de puertas y ventanas que puede producir por semana estn limitados o condicionados por las siguientes tres restricciones: Restriccin 1 No se pueden utilizar ms de 4 horas en la planta 1 para hacer los marcos de aluminio de las puertas. Equivale a decir como mximo 4 horas o a lo ms 4 horas. Como el grupo de la Wyndor estableci que en la planta 1 se requiere de 1 hora para hacer el marco de aluminio de cada puerta y se supone que de estas puertas solo se hacen los marcos de aluminio en esta planta , entonces para expresar la restriccin 1 se tiene x La expresin matemtica queda as : Restriccin 1 X 4

Restriccin 2 No se pueden utilizar ms de 12 horas en la planta 2, la cual est dedicada a la produccin de marcos de madera para ventanas. Equivale a decir como mximo 12 horas o a lo ms 12 horas. El grupo de la Wyndor estimo que cada marco de ventana en madera requiere de 2 horas en la planta 2, por lo tanto para expresar la restriccin 2 se tiene x La expresin matemtica queda as : Restriccin 2 2Y 12

Restriccin 3 Indica que en la planta 3 se fabrica el vidrio y se ensamblan las puertas y las ventanas, para estas actividades ,no se pueden utilizar ms de 18 horas. Equivale a decir como mximo 18 horas o a lo ms 18 horas. El grupo de la Wyndor estim que esta actividades para cada puerta requieren de 3 horas y para cada ventana se requieren 2 horas, la restriccin 3 se expresa as: x x

La expresin matemtica queda as : Restriccin 3 3X + 2Y 18

Las restricciones 1,2,3 formuladas se denominan restricciones funcionales, solo nos falta referirnos a las restricciones de signo o de no negatividad que determinan que todas las variables (pueden ser cientos de variables) consideradas en el problema de programacin lineal deben ser mayores o iguales a cero.

Un caso particular del problema de programacin lineal es cuando se est tratando solo con dos variables de decisin como ocurre en el caso de la Wyndor -puertas y ventanas- para el cual como veremos ms delante de existir solucin se puede graficar siempre en el cuadrante positivo del plano cartesiano en virtud de la no negatividad. Esta restriccin la podemos expresar diciendo que 0 (para cualquier mayor igual a cero ,donde representa variables de decisin, de holgura, superfluas, artificiales) .Si existen variables que no cumplen nos poder valer de las reglas de equivalencia para transformarlas. Considerando las restricciones de no negatividad y resumiendo tenemos la siguiente formulacin matemtica para el problema de la Wyndor:

Maximizar Z = 300 X + 500 Y s.a. Restriccin 1 Restriccin 2 Restriccin 3 X 4 2Y 12 3X + 2Y 18