UNIVERSIDAD PRIVADA DEL
NORTE FACULTAD DE
INGENIERIA
“APLICACIÓN DE LA PROGRAMACION LINEAL ENTERA PARA
MEJORAR LA PRODUCTIVIDAD DEL PROCESO DE
OBTENCIÓN Y PROCESAMIENTO DE LA GOMA DE TARA
DE INDUSTRIAS NATIVAS S.A.C”
Curso: Investigación de Operaciones 2
[Link]
Duda Arancibia, Ariana. (1), Duran Escobar, Jamiled. (2), Martínez
Campos, Mishelle (3), Sambrailo Castillo, Nike (4)
(1) Estudiante de la Carrera de Ingeniería Industrial (N00243089)
(2) Estudiante de la Carrera de Ingeniería Industrial (N00292002)
(3) Estudiante de la Carrera de Ingeniería Industrial (N00255610)
(4) Estudiante de la Carrera de Ingeniería Industrial (N00234647)
Docente: Martin Gerardo Saavedra Farfán
2022
ÍNDICE
INTRODUCCIÓN...........................................................................................................3
1 TEMA ......................................................................................................................5
1.1 Programación lineal entera .................................................................................6
2 AUTORES ...............................................................................................................5
3 PLAN DE LA INVESTIGACIÓN ........................................................................6
3.1 El problema ........................................................................................................6
3.2 Hipótesis.............................................................................................................6
3.3 Objetivos ............................................................................................................6
3.3.1 Generales ....................................................................................................7
3.3.2 Específicos ..................................................................................................8
4 APLICACIÓN DE LA HERRAMIENTA ...........................................................9
4.1 Recolección e información de datos...................................................................9
4.2 Aplicación de la herramienta ...........................................................................10
4.2.1 Primer paso .................................................................................................7
4.2.2 Segundo paso ..............................................................................................8
4.2.3 Tercer paso .................................................................................................7
4.2.4 Cuarto paso .................................................................................................8
5 RESULTADOS .....................................................................................................16
6 REFERENCIAS ...................................................................................................16
INTRODUCCIÓN
-Según el Ministerio de Agricultura, El Perú produce aproximadamente el 80% de Tara
a nivel mundial, siendo los departamentos de mayor producción Cajamarca y Ayacucho.
La demanda mundial es de 100 mil toneladas, sin embargo, Perú solo exporta 7 mil
toneladas. Industria Nativa S.A.C. es una empresa 100% peruana, con años de
experiencia en el mercado nacional, comprometida en la transformación y
comercialización de productos orgánicos, en especial de la Tara. La Tara es un árbol
pequeño cuyos frutos son vainas de color naranja que poseen múltiples usos, como, por
ejemplo, medicinales, curtientes, cosméticos, tintes, entre otros. Trabaja de la mano con
los campesinos y agricultores de diversos departamentos del Perú tales como Ayacucho,
Apurímac, Cajamarca, Huánuco, Trujillo los cuales les proveen de su mejor materia
prima, la cual se transforma en la planta ubicada en la ciudad de Lima. Garantizando la
calidad de todos nuestros productos. Cabe resaltar que durante todo el proceso se
aprovecha todos los componentes de la tara desde la semilla hasta la cascara. Uno de los
principales productos comercializados por la empresa es la Goma de Tara. El problema
principal de la empresa radica en que actualmente la productividad en el procesamiento
de la Tara para la obtención de goma es baja. Ello se debe principalmente a tres
problemas en el proceso de elaboración de la goma de tara. Por lo anteriormente
mencionado el siguiente trabajo propone mejorar la productividad del procesamiento y
obtención de goma de tara, a través del planteamiento de un modelo de programación
lineal entera en el cual se propone dos turnos en la producción de la goma de tara para
optimizar la productividad. Buscamos determinar la opción más viable de acuerdo a los
recursos actuales de la empresa que optimice la producción de la goma, por medio del
planteamiento de variables y restricciones en el modelo de programación lineal,
asimismo, analizar la productividad obtenida con el modelo propuesto y detallar los
beneficios obtenidos de la resolución del mismo.
1. TEMA
1. 1.1 PROGRAMACION DINAMICA ENTERA
La programación lineal entera es el modelo de programación lineal con la
restricción de que las variables deben tener valores enteros y el supuesto de
divisibilidad.
x1 ≥ 0, x2 ≥ 0, …, xn y entera ε [0,1], x
La clasificación del modelo de programación lineal entera se divide en tres:
P.L.E Pura: Todas las variables de decisión son enteras.
P.L.E Mixta: Algunas variables de decisión son enteras.
P.L.E Binaria: Todas las variables de decisión son binarias.
Basados en los siguientes criterios:
Directo: Cuando el programa incluye variables enteras.
Codificado: Cuando el programa incluye variables enteras o binarias.
Transformado: Cuando el programa incluye variables enteras artificiales.
Para encontrar la solución óptima del problema de programación lineal se
asocian diferentes métodos entre ellos tenemos:
Método Gráfico: Este método emplea un sistema de ejes y coordenadas
definidos por la inecuación y las restricciones. Se utiliza con solo dos variables
de decisión.
Método Simplex: Este método elaborado por George Danzig en 1947, localiza
una solución óptima basada en una solución básica factible. Lee Krajewski,
Larry Ritzman y Mano Malhotra. (2008) lo definen en su libro como “Un
procedimiento algebraico iterativo para resolver problemas de programación
lineal”.
El modelo de PLE debe cumplir las siguientes condiciones:
1. El objetivo es maximizar las utilidades incrementando la producción
2. Las variables son números enteros y positivos.
3. Convertir las restricciones con signos de desiguales a igualdades estrictas.
Resolución de un problema de programación lineal:
Uso del Solver: El programa Excel nos brinda la herramienta de optimización
llamada Solver, se usa para dar solución a problemas con programación lineal.
La pagina web de soporte de Microsoft Excel define el Solver como un
complemento con capacidad ampliada de análisis de datos para la planeación de
"Y si" Las aplicaciones de la programación lineal son muchas, en el ámbito
empresarial se puede usar en diversas áreas, por ejemplo, en el ámbito de
producción sobre la cantidad adecuada a producir para generar mayores
ganancias o en el ámbito marketing para hallar la combinación más efectiva de
anuncios publicitarios que generen mayores ventas para la empresa.
2. AUTORES
La programación lineal entera surge como respuesta a los problemas de
programación lineal, donde algunas, o todas las variables de decisión, están
condicionadas a tomar valores enteros. La condición de integralidad para las
variables de decisión aparece en una gran cantidad de problemas lineales. Por
ejemplo, una constructora que construye edificios en dos zonas diferentes de una
misma ciudad (zona N y zona S), sabe que para maximizar sus beneficios debe
construir 7,8 edificios en la zona N y 9,3 en la zona B, sin embargo, esta
solución no es válida. Será necesaria una solución entera. Existen multitud de
ejemplos como éste, como pueden ser los problemas de selección de proyectos,
del transporte, de asignación de servicios, del viajante, del coste fijo, de
distribución de un presupuesto., en definitiva, de todo aquello que no es
divisible. Cabría pensar que, puesto que el conjunto de soluciones factibles de un
problema entero es mucho más reducido que el del mismo problema lineal con
las variables libres de esta condición, se podría obtener la solución simplemente
evaluando la función objetivo en dichos puntos. Sin embargo, no es fácil
conocer explícitamente las soluciones posibles enteras y habitualmente hay un
número excesivamente grande de ellas. Tampoco el redondeo de la solución
óptima del problema lineal continuo (problema lineal entero sin la restricción de
integralidad para las variables) conduce a la solución del problema entero ya que
en la mayor parte de los casos incumple algunas de las restricciones del
problema. Se han desarrollado métodos específicos para la resolución de estos
problemas, pero no hay un “método” de resolución de problemas lineales enteros
como el algoritmo del Simplex en Programación Lineal, sino una colección de
algoritmos generalmente basados en las particularidades específicas de cada tipo
de problema. Una característica común a la mayoría 5 de estos métodos de
solución es que comienzan resolviendo el P.L. Continuo (en adelante P.L.C.)
asociado y a partir de su solución óptima introducen técnicas específicas para
alcanzar la solución óptima entera. Los primeros intentos surgieron en 1958 de
la mano de R. Gomory, se trataba del primer algoritmo finito, conocido como
“Método de los Cortes de Gomory”. Tan sólo dos años después, en 1960, A.
Lang y A. Doig, a partir del método de Gomory desarrollaron “Los Métodos de
Branch and Bond”, también conocidos como métodos de ramificación y
acotación. En 1965, E. Balas desarrolló “Los Métodos de Enumeración
Implícita”.
3. PLAN DE INVESTIGACION
3.1 . El problema
- Nativa S.A.C quiere que este producto se comercialice al exterior.
Actualmente cuenta con una fábrica que produce 500 kg de goma de tara
en polvo, pero es necesario mejorar la rapidez de los procesos y eliminar
la mayor cantidad de purezas del producto. Uno de los problemas que
presenta la empresa es que tiene una máquina de compresión de aire
antigua y esta al momento de succionar el aire, arrastra agentes
contaminantes que pueden afectar en el proceso, ya que la goma de tara
entra en contacto con estos agentes, los cuales se ven reflejados en el
producto final. Otro problema que se presenta a nivel técnico es que el
flujo de aire que requiere el selector óptico para un correcto
funcionamiento, sobrecarga la capacidad que el compresor de aire pueda
abastecer, lo que limita el óptimo funcionamiento del selector,
desaprovechándose la capacidad de la máquina, influenciando en la
insuficiente cantidad de toneladas finales de goma de tara que pasaría a
su molienda. Por otra parte, el tercer problema que se ha detectado es
que el selector óptico al estar en funcionamiento la absorción de aire que
utiliza, hace que el compresor genera picos de energía, ya que la
capacidad de esta es muy escasa lo cual genera un mayor gasto de
energía eléctrica, lo que no permite alcanzar costos competitivos con el
mercado internacional y productos sustitutos.
- En vista la problemática analizada se puede diseñar un modelo de
programación lineal entera, con la finalidad de optimizar la producción
de goma de tara en polvo, a fin de poder llevar los productos al exterior,
lo que genere competitividad, impacto positivo en el exterior lo que
conlleve a alcanzar mayores utilidades en la empresa.
3.2 . Hipótesis
- El objetivo principal de esta investigación es probar que, mediante la
aplicación del modelo de programación lineal, es posible optimizar la
productividad de la goma de tara en la Empresa Industria Nativa SAC.
Para ello, es necesario que, en un corto plazo, se logre reducir los costos
fijos, se aproveche al máximo la capacidad de las máquinas con que
cuenta la fábrica, se utilice los recursos que se encuentran disponibles,
alcanzando un crecimiento económico sostenido mediante el incremento
de sus ventas. En ese sentido dicho incremento debe evidenciarse en el
aumento de la producción, por medio de la compra de maquinaria
moderna y poder determinar, si es rentable utilizar el doble turno. Para
alcanzar este crecimiento es necesario que la empresa pueda estar
preparada para atender pedidos de grandes volúmenes, cumpliendo con
los estándares de calidad que se demandan en los mercados tanto
nacionales como internacionales. Por eso, se pretende que el modelo de
programación lineal entera, permita a la empresa Industria Nativa S.A.C.
alcanzar una mayor productividad y competitividad en el tiempo, y que
finalmente se pueda convertir en una empresa líder en la producción de
goma de tara en polvo. Por lo tanto, el trabajo de investigación, se
enfocará en definir las variables y restricciones necesarias para poder
aplicar el modelo de programación lineal entera y de esa manera
comprobar que es necesario realizar estos cambios para que la empresa
pueda aumentar el volumen de producción y en consecuencia sus ventas.
3.3 . Objetivos
3.3.1 Objetivo general
- Formular un modelo de programación lineal que permita optimizar la
productividad de la goma de tara en la Empresa Industria Nativa SAC.
3.3.2 Objetivos específicos
- Determinar la maquinaria que optimice el rendimiento de la goma de
tara y describir su producción.
- Plantear variables de decisión del modelo y restricciones para la correcta
ejecución del modelo a través de un algoritmo de programación lineal
entera.
- Analizar la productividad obtenida con el modelo y determinar si hubo
una mejora en la misma
4. APLICACIÓN DE LA HERRAMIENTA
4.1 RECOPILACIÓN Y PROCESAMIENTO DE DATOS
Se considera que por cada 33,000.00 kilos de tara en vaina rinda la siguiente cantidad de
productos terminados, en el cual se considera que existe una pérdida de 1,000.00 kilos,
debido a que cuando el producto por el horno, se hace una liberación de la humedad:
Tabla 1:
Rendimiento de tara en vaina
Tabla 2:
Cantidades en almacén
En la siguiente tabla se muestra la capacidad que tiene cada línea de producción, en
kilos por hora, kilos por un turno de trabajo de 8 horas y un mes de trabajo.
Tabla 3:
Producción por cada línea de producción
Tomando en cuenta que el mes tiene 30 días, de los cuales 26 días son
laborables de 8 horas (lunes-sábados) y 4 días no laborables (domingos).
- Los productos que se encuentran con un asterisco a su lado derecho,
son productos finales para venta, aquellos que no tienen son
subproductos.
- Del mismo modo se elaboró un resumen de las cantidades máximas a
producir, por la restricción que existe en la capacidad de la primera línea
de producción
Tabla 4:
Cantidades máximas a producir
Tabla 5:
Precios de ventas
Nota: El tipo de cambio utilizado es 3.3 soles por cada dólar americano
Otro dato esencial es el costo de la materia prima, ya que gracias a alianzas estratégicas
con sus proveedores se mantiene un precio estable y se hace una planificación de
compra antes de la llegada de temporada de lluvia para luego ser se almacenada para su
futura producción.
COSTO DE MATERIA PRIMA= $ 0.82 / S/. 2.70
El siguiente dato que se debe tomar en cuenta son los costos fijos de venta que existen
actualmente en la empresa:
Tabla 6:
Costos fijos de venta
Tabla 2. La tabla representa la valoración que la empresa considera en sus últimos períodos mensuales,
en horario de oficina de 8-5pm.
Del mismo modo, los costos fijos de venta adicionales que se incurriría si se realizan
dos turnos en la empresa.
Tabla 7:
Costos fijos de venta
4.2 AP
LIC
ACIÓN DE LA PROGRAMACION LINEAL ENTERA
4.2.1 Primer paso: Identificar las variables:
Se debe identificar qué cantidad de kilos a fabricar es la ideal para poder
maximizar la utilidad bruta mensual.
Xi = Cantidad de kilos a producir del producto “i”, i = 1, 2, 3, 4
1: Tara en Polvo
2: Germen de Tara
3: Cascara de pepa
4: Goma de Tara en polvo
La situación actual de la empresa les genera unos costos fijos mensuales.
CF = Costos de venta fijos mensuales.
Se debe comprobar si es necesario utilizar o no doble turno, ya que actualmente la
empresa cuenta con la capacidad de tener doble turno.
Es así, que debemos considerar que se aplicará un adicional en los costos fijos
mensuales
I = Monto de costos de venta fijos mensuales adicionales, si se utiliza doble
turno
Otra variable necesaria, es la de probar si es necesario que se haga la compra de un
compresor de aire.
Considerando que es necesario saber cuánta materia prima necesitamos para la futura
producción, es necesario saber cuántos kilos de tara en vaina se debe adquirir
T = Cantidad de kilos a adquirir de Tara en Vaina
Finalmente, una variable de apoyo que necesitaremos es una variable auxiliar, la cual
será un monto mayor a todos los montos que se tienen en producción.
M=500
4.2.2 Segundo paso: Establecer la función objetivo:
La cual es Maximizar la utilidad bruta mensual, la cual se resolverá mediante la
siguiente ecuación:
MAX Z(X) = ∑ (PRECIO X PRODUCTO) - COSTOS DE VENTA FIJOS – COSTO
DE MATERIA PRIMA – COSTOS DE VENTA ADICIONALES
Simbolizada:
4.3.3 Tercer paso: Plantear las
restricciones
XI = ENTERO
XI >= 0
La siguiente restricción establece que las variables de compra o no de la maquinaria y
usar o no doble turno, son binarias, es decir:
Bi= binaria
Yi= binaria
Además, se debe tomar en cuenta el rendimiento que tiene la tara en vaina en relación a
sus subproductos terminados, esta restricción se define como:
Es necesario comprobar si es beneficioso para la empresa que se aumente un turno
nocturno (Yi), por ello se debe considerar la capacidad de producción que tiene cada
línea procesadora en un mes. Adicionalmente, en estas restricciones toma la variable de
comprar o no la maquinaria, que influye en la capacidad de la maquina seleccionadora.
Elaborando así las siguientes:
Finalmente se debe considerar que cada producto abastece a la siguiente línea de
producción, por ello se debe considerar cual es el máximo subproducto que la anterior
línea puede producir.
Tomando en cuenta el stock existente en almacenes de cada subproducto. Estas
restricciones se definirían de la siguiente manera:
Al unir todos los pasos de formulación del modelo se obtiene la programación lineal
siguiente:
4.2.3 Cuarto paso: Resolución de la programación
A través del método de resolución Simplex LP
Imagen 1:
Variables
Las restricciones tomarán la siguiente forma:
Imagen 2:
Restricciones
Para ejecutar la resolución se necesitará ingresar los datos en el complemento de Solver
en Excel que se observará en la pantalla:
5. RESULTADOS
Seguidamente se presentará la solución obtenida con el método Solver Simplex LP, en
donde se obtiene el valor óptimo para maximizar las utilidades brutas mensuales que se
definió desde un inicio como la función objetivo del diseño, ya que lo se busca
maximizar la capacidad de la fábrica, teniendo en cuenta los costos que se incurrirán
tras los cambios que ofrecemos para ello.
Imagen 3:
Respuesta de solver
El solver muestra como dato total de producción 274, 565.00 Toneladas de productos
terminados, dicho monto se encuentra dentro del rango de producción por línea, por lo
tanto, no sería necesaria la compra de una nueva maquinaria en términos productivos,
ya que usando la maquina actual a doble turno estarían aún dentro del rango. Se
pretende llegar a usar toda la capacidad de la planta a futuro mediante un crecimiento
sostenido de las ventas y la implementación de nuevas maquinarias, por el momento con
el uso del doble turno nos permite aumentar la produccion actual de manera
significativa cumpliendo con el objetivo de optimizar la productividad.
Tabla 8
Producción por cada línea de producto
Actualmente la empresa solo usa un turno de trabajo, el aumento a dos turnos de
producción generaría un aumento también en sus costos fijos mensuales en 52.88%, lo
cual se vería recuperado ampliamente con el aumento de su producción. Así mismo, las
ventas estarían aseguradas ya que la demanda mundial del producto supera ampliamente
la oferta.
Tabla 9
Costos fijos de ventas resultantes
Finalmente, Con el aumento de la producción y ventas, la empresa cumplirá con su
objetivo de optimizar la producción a corto plazo, utilizando los recursos actuales, pero
en doble turno.
LINK DE LA GRABACIÓN:
[Link]
6. REFERENCIAS
Boirivant, J. A. (2009). LA PROGRAMACIÓN LINEAL APLICACIÓN DE LA PEQUEÑAS Y MEDIANAS
[Link] de: [Link]
[Link];jsessionid=7DAC1D1E7BB37477C48BC6702E0E0371?sequence=7
Lafora, J., Milagros, G., Quispe, M., Karina, A., Candiotti, S., & Mercedes, J. (2016). Modelo de
programación lineal entera para mejorar la productividad del proceso de obtención y
procesamiento de la goma de tara de industria Nativa S.A.C. Universidad Peruana de Ciencias
Aplicadas (UPC). Recuperado de
[Link]
[Link]?sequence=2
