Explicacion resultadoslindo

LINDO:
Explicación del significado
de los resultados
obtenidos mediante el
software LINDO

Realizado por: Virginia N. Barros.

Supervisado por: Pablo Echevarría.

Modelos y Optimización I 1

Para poder entender el significado de la solución obtenida mediante LINDO se trabajará
sobre un simple problema de producción .1
Antes de realizar cualquier tipo de análisis es conveniente conocer el problema, sus
variables, el significado de sus restricciones, como así también del funcional.
Al igual que en Simplex, para poder realizar un buen análisis debemos saber cuántas
variables van a formar parte de nuestra solución. ¿Cómo sabemos cuántas variables van
a tomar un valor distinto de cero? ¿Lo sabemos exactamente?. Si realizamos un análisis
paralelo al Simplex, podemos decir que vamos a tener en la base tantas variables como
restricciones haya2 ... ¿Esto implica que todas ellas van a ser distintas de cero?3 .

Problema a resolver:

Una empresa fabrica y vende tres productos (1, 2 y 3). Se dispone de 10 kg. diarios de
materia prima y de 20 hs de máquina diaria. Cada producto requiere 1, 2 y 1 kg de
materia prima, respectivamente, y de 4, 2 y 2hs de máquina por unidad. Los beneficios
unitarios son de 4, 1 y 2$/unidad.
Debido a un contrato firmado con un cliente se deben producir como mínimo, 2
unidades diarias de producto 2.

Resolución:

Pi: cantidad de producto i (i=1...3)
Se trabajará con variables continuas.
Para facilitar la comprensión de los resultados, se colocarán “títulos/etiquetas” a cada
una de las restricciones, dado que, de no hacerlo, LINDO las enumera (1 corresponde al
valor del funcional 2 a la primera restricción y así sucesivamente).

1
Este ejercicio se extrajo de la guía de la práctica, ejercicio 5.11, con el fin de que puedan comparar los
resultados obtenidos por LINDO con los obtenidos mediante Simplex.
2
Recordar tabla inicial del Simplex, en donde cada variable de la base es la slack de una restricción.
3
¡Pensarlo!

Versión 1.0 – Octubre 2007


!Funcional
MAX 4P1 + 3P2 +2P3
ST
!Restricción de disponibilidad de materia prima
MPRIMA) P1+2P2+P3<10
!Restricción de disponibilidad de horas máquina
HSMAQ) 4P1 + 2P2 +2P3<20
!Cumplimiento del contrato firmado - Demanda mínima del producto 2
DEMMIN2) P2>2
END

Preguntas iniciales:
§ ¿Cuántas variables hay en total? 3 variables producto y 3 slack.
§ ¿Cuántas variables van a ser básicas en la solución óptima que encontramos con
Simplex? Tenemos 3 restricciones, por lo tanto, tendremos 3 variables básicas.
§ ¿Cuántas variables van a ser iguales a cero? “Por lo menos” 3... ¿Por qué?

Una vez determinado el modelo y luego de elegir la opción Solve del menú Solve, el
LINDO preguntará:
Do range (sensitivity) analysis?
Si respondemos YES obtenemos el siguiente reporte más completo, ya que incluye el
análisis de sensibilidad4 :

OBJECTIVE FUNCTION VALUE

1) 23.33333

Como se dijo anteriormente LINDO enumera cada una de nuestra líneas del
modelo (comenzando por el funcional), por lo tanto, el LINDO nos está
informando que el valor del funcional en el óptimo 5 es de 23.33333 ($ en nuestro
caso) .

VARIABLE VALUE REDUCED COST

4
Entre líneas se explica el significado de cada uno de los datos que nos brinda el reporte.
5
Ver Anexo: Posibles estados.



P1 3.333333 0.000000
P2 3.333333 0.000000
P3 0.000000 0.333333

Aquí el LINDO nos presenta el valor (
VALUE) que tomaron cada una de las “variables
producto” (VARIABLE: aquellas variables que definimos “de manera explícita” en el
modelo) en el óptimo.
En este caso, podríamos informar que se están fabricando 3.33 unidades de producto 1,
3.33 unidades de producto 2 y no se está fabricando producto 36 .
Hasta acá parecería que no hay nada nuevo, estos valores que obtuvimos son los que en
Simplex se encuentran representados por los Bk (si la variable correspondiente se
encuentra en la base). Pero el LINDO nos aporta más información para poder realizar
un análisis más productivo de la situación.

¿Qué representa REDUCED COST? Es lo que llamamos costo de oportunidad (costo
reducido) y que está relacionado con las “variables producto” (corresponde a los zj-cj de
estas variables en la tabla de Simplex), y representa en cuánto disminuirá el valor del
funcional asociado si se le asignara un valor no nulo a dicha variable, es decir, por cada
unidad7 fabricada de ese producto.

En este caso se está fabricando tanto P1 como P2, por lo tanto dichas variables poseen
valor no nulo y, como hemos visto en Simplex, dichas variables formarían parte de la
base en la tabla óptima del Simplex. Como también vimos, al formar parte de la base,
poseen un costo de oportunidad nulo 8 , lo que tiene sentido ya que esos productos ya se
están fabricando.
Por lo contrario, no se está fabricando P3 y el REDUCED COST nos está indicando que
por cada unidad que fabriquemos de P3 nuestro funcional va a disminuir en 0.339 .

6
Recordar que estamos trabajando con variables continuas.
7
Se habla de unidad para poder dar una definición general, pero recuerden que estamos trabajando con
variables continuas.
8
Recordar que los zj-cj de las variables que se encuentran en la base siempre valen cero.
9
Esto se cumple dentro de cierto rango ... ¡ya lo vamos a ver!



Hasta el momento LINDO nos aportó información sobre las “variables producto” ...
¿pero de dónde sacamos la información perteneciente al resto de las variables del
problema que aparecen cuando planteamos Simplex?
A continuación se detalla la información sobre dichas variables, las variables slack o de
holgura de nuestro problema.

ROW SLACK OR SURPLUS DUAL PRICES
MPRIMA) 0.000000 0.666667
HSMAQ) 0.000000 0.833333
DEMMIN2) 1.333333 0.000000

Cada una de estas filas (ROW) representa a la variable slack asociada a la restricción
correspondiente (por eso la importancia de ponerle nombres a las restricciones!!!).
Por ejemplo, MPRIMA y HSMAQ representan las cantidades que me están sobrando
(analizar la restricción, en este caso es de menor igual) de dichos recursos (en este caso
valen cero, lo que representa que ambos recursos son limitantes, es decir, están
saturados).
Por otro lado, DEMMIN2 representa en cuánto estoy superando la demanda mínima del
producto 2, si observamos el valor que toma (SLACK OR SURPLUS ), vemos que
estamos produciendo 1.33 unidades por encima de la demanda mínima (lógico pues
P2=3.33).

¿Qué representa el DUAL PRICE? Es lo que llamamos valor marginal (en Simplex: zj-
cj de las variables que no son producto, es decir, de las variables slack o de holgura).
Representa en cuánto mejorará10 el valor actual del funcional si “relajásemos” la
restricción asociada en una unidad11 .

En nuestro problema esto se traduce a: en cuánto mejoraría el valor actual del funcional
si:

10
Aumentar en un problema de máximo, disminuir en un problema de mínimo.
11
Dentro de cierto rango. Se habla de unidad para poder dar una definición general, pero recuerden que
estamos trabajando con variables continuas.



§ pudiese obtener una unidad más de dicho recurso (para las restricciones de materia
prima y horas máquina).
§ pudiese reducir en una unidad la demanda mínima (para la restricción de demanda
mínima).
En este caso, vemos que, como era de suponer, al encontrarse ambos recursos saturados,
me conviene adquirirlos. Por cada unidad de más que posea de materia prima mi
funcional se incrementará en 0.66; o en 0.83 por cada hora máquina 12 .
Como era de esperar, al tener DEMMIN un valor no nulo (es decir, si lo asociamos al
Simplex, sería una variable que forma parte de la base), su valor marginal es cero.

Hasta el momento hemos hablado del valor marginal y del costo de oportunidad, y
hemos dicho cómo afecta, en el valor del funcional, el incremento o disminución del
valor de los términos independientes de las restricciones, pero siempre aclaramos que
esto se cumple de dentro de cierto rango. Pero .... ¿cuál es ese rango?.

Observación:
NO. ITERATIONS= 2
Es el número de iteraciones en las que se encontró la solución óptima. No
necesariamente coincide con la cantidad de tablas de Simplex realizadas hasta llegar al
óptimo.
Nuevamente, LINDO separa el análisis de las variables producto del de las variables
slack.

RANGES IN WHICH THE BASIS IS UNCHANGED:

OBJ COEFFICIENT RANGES
VARIABLE CURRENT ALLOWABLE ALLOWABLE
COEF INCREASE DECREASE
P1 4.000000 2.000000 1.000000
P2 3.000000 5.000000 1.000000
P3 2.000000 0.333333 INFINITY

12
Dichas relaciones se determinan para cada restricción por separado y no para dos restricciones a la vez,
es decir, no puedo analizar de esta manera la variación simultánea de dos o más restricciones. Por otro
lado, hablamos de “cada hora máquina” para poder dar una definición general, pero recuerden que
estamos trabajando con variables continuas.



RANGES IN WHICH THE BASIS IS UNCHANGED: Rangos en los que la base no
cambia ... ¿Qué significa esto? ... Estos rangos me muestran en cuánto puedo variar el
valor actual que posee el coeficiente asociado a cada variable en el funcional
(suponiendo que es el único coeficiente que varía), sin que se modifique la estructura de
la solución actual. ¿Qué quiere decir esto último? ...
Si modificamos alguno de estos coeficientes (son los Ci del Simplex), el valor del
funcional se modificará, como así también se modificarán los costos de oportunidad (zj-
cj del Simplex)... pero entonces... ¿Qué no queremos que se modifique? Lo que no
queremos que se modifique es la estructura actual de la solución, es decir, queremos que
esta solución siga siendo la óptima, lo que implica que las variables (tanto las producto
como las slack) sigan teniendo el mismo valor, el óptimo sigue siendo el mismo, pero
no así el valor del funcional.13 (Si seguimos fabricando la misma cantidad de productos
pero su beneficio varía, obviamente variará el funcional) .

Entonces lo que nos muestra el LINDO es:
§ CURRENT COEF: valor actual del coeficiente asociado a la variable en el
funcional (en este caso C1=4, C2=3, C3=2).
§ ALLOWABLE INCREASE: incremento permitido. “En cuánto puedo aumentar
el valor actual de dicho coeficiente sin que se modifique la estructura de la solución
actual”.
§ ALLOWABLE DECREASE: decremento permitido. “En cuánto puedo disminuir
el valor actual de dicho coeficiente sin que se modifique la estructura de la solución
actual”.

Es decir que, por ejemplo, para el caso de P1, si C1 se encuentra entre [4-1,4+2], la
estructura de la solución no se modificará.14

El mismo análisis se realiza para las variables slack:

RIGHTHAND SIDE RANGES

13
En Simplex pediríamos que la tabla óptima que obtuvimos siga siéndolo.
14
¡Prueben qué sucede en los límites del rango!.



ROW CURRENT ALLOWABLE ALLOWABLE
RHS INCREASE DECREASE
MPRIMA 10.000000 9.999999 2.000000
HSMAQ 20.000000 8.000000 9.999999
DEMMIN 2.0000000 1.333333 INFINITY

Aquí estos coeficientes representan el término independiente de cada una de las
restricciones.
Lo que se busca determinar con estos rangos es similar al caso anterior, ya que se
pretende que no se modifique la estructura de la solución actual. Al variar el término
independiente de una restricción (suponiendo que es el único coeficiente que varía), el
valor del funcional se modificará como así también los zj-cj, lo que no se modifica es el
valor que toman las variables en la solución óptima.
Hasta acá parecería que, para las variables slack sucede lo mismo que para las variables
productos, y esto es así, pero la diferencia radica en el significado que tienen los valores
marginales (zj-cj) y quiénes son las variables que forman parte de la solución óptima
cuando se habla de variaciones en los términos independientes.
Si bien hablaremos de estos temas cuando veamos Dual, lo que sí les adelanto es que:
no se modifican los valores marginales de las variables pero sí se modifican los valores
que toman las variables producto.

Volviendo al ejemplo de estudio, por ejemplo, para la demanda mínima del producto 2
tenemos que ésta puede variar en el rango [-infinito, 2+1.33] sin que cambie la
estructura de la solución óptima (recordar qué implica esto).

Análisis Extra

Se modifica el problema inicial: ahora C2=1.
En principio vemos que, según los rangos de variación para los coeficientes del
funcional, el valor de C2 puede disminuir de 4 a 2 sin que se modifique la estructura de
la solución. Por lo tanto, a priori, no sé cuál será mi nueva solución, pero sí sé que se va
a modificar la estructura de la solución actual.
Si cambiamos dicho valor y volvemos a realizar la corrida LINDO nos da el siguiente
reporte:



OBJECTIVE FUNCTION VALUE

1) 18.00000

VARIABLE VALUE REDUCED COST
P1 2.000000 0.000000
P2 2.000000 0.000000
P3 4.000000 0.000000

ROW SLACK OR SURPLUS DUAL PRICES
MPRIMA) 0.000000 0.000000
HSMAQ) 0.000000 1.000000
DEMMIN) 0.000000 -1.000000

Como podemos observar, a grandes rasgos, estamos produciendo 2 unidades de P1, 2 de
P2 y 4 de P3 y nuestros recursos se encuentran saturados.
Pero ... ¿Qué es lo particular que tiene esta solución?

ü Por una lado, estamos fabricando exactamente 2 unidades de producto 2, es
decir, lo que nos piden como exigencia. Si recordamos lo que vimos en páginas
anteriores, el DUAL PRICE representaba el valor marginal asociado a las
variables slack, es decir, en cuánto mejorará el valor actual del funcional si
“relajásemos” la restricción asociada en una unidad. En este caso, estaría
representando en cuánto “mejoraría” nuestro funcional si pudiésemos
“liberarnos de cumplir con esa exigencia”, es decir, que por cada unidad menos
que me exijan de producto 2 mi funcional va a mejorar en 1 (si realizan la
corrida completa van a ver que los rangos lo permiten). ¿Pero por qué un valor
negativo (–1)? Porque se trata de una restricción de mayor igual, se considera
sólo su valor absoluto, pero se deber tener en cuenta que, en este caso, relajar la
restricción implica disminuir su término independiente en lugar de aumentarlo.

ü Por otro lado, si revisamos lo que dijimos al iniciar las explicación con respecto
al análisis de la cantidad de variables que se encuentran en la base, en nuestro
problema tenemos que son 3 : P1, P2 y P3. Por ende, el resto de las variables no
forman parte de la base ... ¿pero qué ocurre con la variable slack asociada a la



restricción de materia prima? Si bien esta variable no forma parte de la base ...
¿qué valor marginal está tomando? ... Cero ... ¿qué significa esto? Significa que
estamos ante un caso de soluciones alternativas ... ¿Por qué? ¿Qué relación hay
con Simplex?15

Anexo
Posibles Estados

Los posibles estados (status) son16 :

15
Eso se los dejo pensar a ustedes ... ¿Qué otros casos particulares podrían detectar? ¿Cómo?
16
Extraído de la Guía de Lindo que se encuentra en la página de la materia.



l Infeasible: el modelo es incompatible (no tiene solución válida). Previamente
se presenta un cuadro que explica la situación (NO FEASIBLE SOLUTION…).

l Unbounded: el modelo es un poliedro abierto (el funcional no está restringido).
Previamente se presenta un cuadro que explica la situación (UNBOUNDED
SOLUTION …).

l Optimal: se llegó a una solución óptima. Se presenta la posibilidad de realizar
un análisis de sensibilidad del rango de variación de los coeficientes de la
función objetivo y los términos independientes de las restricciones. En todos los
casos, una vez que se cierran los cuadros emergentes se podrá ver el reporte de
la corrida que se muestra a continuación.

Breve reseña histórica17
Si bien no tiene que ver con LINDO en sí, quería acercarles la historia de quién
descubrió el método Simplex porque a mí me resultó interesante.

George Bernard Dantzig (8 de noviembre de 1914 – 13 de mayo de 2005) fue un
matemático reconocido por desarrollar el método simplex y es considerado como el
"padre de la programación lineal". Recibió muchos honores, tales como el premio a la
teoría John von Neumann en 1974 y la Medalla Nacional a la Ciencia en 1975.

Fue miembro de la Academia Nacional de Ciencias, la Academia Nacional de
Ingeniería y la Academia Americana de Artes y Ciencias.

Obtuvo su grado de bachiller en matemáticas y físicas en la Universidad de Maryland en
1936, su grado de magister en matemáticas en la Universidad de Michigan, y su
doctorado en Berkeley en 1946. Recibió además un doctorado honorario de la
universidad de Maryland en 1976.

17
Extraída de : http://es.wikipedia.org/wiki/George_Dantzig



La verdad de un mito urbano

Un hecho real en la vida de Dantzig dio origen a una famosa leyenda urbana en 1939
mientras él era un estudiante graduado en Berkeley. Cerca del comienzo de una clase a
la que Dantzig llegaba tarde, el profesor Jerzy Neyman escribió en la pizarra dos
ejemplos famosos de problemas estadísticos no resueltos. Cuando Dantzig llegó más
tarde a clase, pensó que los dos problemas eran tarea para la casa y los escribió en su
cuaderno. De acuerdo a Dantzig, los problemas "le parecieron ser un poco más difíciles
de lo normal", pero unos pocos días después obtuvo soluciones completas para ambos,
aún creyendo que éstos eran tareas que debía entregar. Seis semanas después, Dantzig
recibió la visita de un excitado profesor Neyman, quien había preparado una de las
soluciones de Dantzig para ser publicada en una revista matemática. Años después otro
investigador, Abraham Wald, se preparaba para publicar un artículo en el que llegaba a
la conclusión del segundo problema, y en este artículo incluyó a Dantzig como co-autor.

Esta historia comenzó a difundirse, y fue usada como una lección motivacional
demostrando el poder del pensamiento positivo. A través del tiempo el nombre de
Dantzig fue removido y los hechos fueron alterados, pero la historia básica persiste en la
forma de un mito urbano.

Y para finalizar les dejo unas palabras del propio Dantzig:

“If i had known that the problems were not homework, but were in fact two
famous unsolved problems in statistics, i probably would not have thought
positivily, would become discouraged, and would never have solved them”.

“Si hubiese sabido que esos problemas no eran tarea, sino que eran dos
problemas famosos de estadística sin resolver, seguramente no hubiese



podido pensar positivamente, me hubiese desalentado y nunca los hubiese
podido resolver”.


Explicacion resultadoslindo

Más contenido relacionado

Similar a Explicacion resultadoslindo (20)

Explicacion resultadoslindo