Programación lineal
Guía para implementar el modelo y leer la solución en Solver/GAMS/Python
10
Menú
1. CE2 y RA2 en el caso de Manufacturas Andinas S.A.
En esta evidencia, el criterio de evaluación CE2 se concreta en la capacidad del estudiante para mostrar cómo el modelo de programación lineal de Manufacturas Andinas S.A. pasa de la formulación matemática a una implementación operativa en Solver, GAMS o Python, y cómo la solución obtenida se interpreta para sustentar decisiones de producción.
Ver más
2. Qué se implementa exactamente en el caso
En Manufacturas Andinas S.A., el problema consiste en decidir cuántas unidades producir de cada componente metálico durante un periodo de planeación, sabiendo que todos los productos compiten por recursos comunes. Al implementar el modelo en software, las variables de decisión representan esas cantidades de producción; la función objetivo representa el desempeño que se desea maximizar, normalmente asociado a la contribución total del sistema; y las restricciones expresan los límites reales de la operación, como disponibilidad de horas máquina, mano de obra especializada y capacidad logística. Por tanto, implementar el modelo no significa copiar ecuaciones de forma mecánica, sino traducir el problema real de la empresa a una estructura computacional fiel, verificable y coherente con la situación planteada en el caso.
3. Del modelo matemático a una estructura computacional trazable
La implementación exige que cada componente de la formulación tenga una correspondencia directa en el software. Las variables del modelo se convierten en celdas modificables, símbolos o variables programadas; los coeficientes técnicos pasan a ser parámetros cargados en tablas o estructuras de datos; la función objetivo se expresa como una relación matemática que el solucionador debe maximizar; y las restricciones se registran como ecuaciones o desigualdades que definen el conjunto factible.
Caso
4. Cómo se implementa el modelo en Solver
En Solver, la implementación del caso de Manufacturas Andinas S.A. se organiza dentro de una hoja de cálculo con bloques claramente diferenciados. Primero, se registran los parámetros del problema: contribución unitaria por producto, consumo de recursos por unidad y capacidades disponibles. Después, se ubican las variables de decisión en celdas que el solucionador puede modificar. A continuación, se construyen fórmulas para calcular el valor de la función objetivo y el consumo total de cada recurso. Finalmente, en la ventana de Solver se define la celda objetivo, se indican las celdas variables y se agregan las restricciones correspondientes a producción, disponibilidad y no negatividad. Para lograr un buen desempeño en el CE2, el estudiante debe explicar no solo qué celdas cambian, sino por qué la hoja fue organizada de esa manera y cómo esa estructura permite auditar el modelo con claridad.
5. Cómo se implementa el modelo en GAMS
En GAMS, el modelo de Manufacturas Andinas S.A. se implementa mediante una estructura declarativa y ordenada. El estudiante define primero los conjuntos que representan productos y recursos; luego declara los parámetros asociados a contribuciones unitarias, consumos técnicos y disponibilidades; posteriormente crea las variables de decisión y la variable objetivo; y finalmente formula las ecuaciones que representan la función objetivo y las restricciones del sistema. Esta forma de programación permite que el modelo tenga una lectura lógica y profesional, muy útil cuando se requiere trazabilidad o revisión técnica.
Exposición
6. Cómo se implementa el modelo en Python
En Python, el modelo puede construirse con librerías de optimización como PuLP o Pyomo, organizando el problema en bloques equivalentes a la formulación matemática.
Tercero
Segundo
Primero
7. Qué debe leer el estudiante en la salida del solucionador
Una vez ejecutado el modelo en Solver, GAMS o Python, la interpretación de la salida es un componente central del RA2. El estudiante debe identificar, en primer lugar, el estado del modelo: si la solución es óptima, inviable o no acotada. Si existe solución óptima, debe explicar el valor de cada variable de decisión, es decir, cuántas unidades conviene producir de cada producto en Manufacturas Andinas S.A. También debe interpretar el valor de la función objetivo y analizar el comportamiento de las restricciones, distinguiendo cuáles quedan activas, cuáles presentan holgura y qué recurso resulta más presionado en la solución final. Esta lectura convierte una salida numérica en una recomendación gerencial concreta y técnicamente sustentada.
8. Cómo explicar la solución en lenguaje técnico y organizacional
Explicar la solución no consiste solo en leer números en pantalla. En el caso de Manufacturas Andinas S.A., el estudiante debe traducir la salida del software a una conclusión operativa comprensible: qué plan de producción recomienda el modelo, qué recursos se utilizan al límite, cuáles quedan con capacidad disponible y por qué esa combinación representa una decisión eficiente.
Caso
9. Qué diferencia un nivel básico de un nivel sobresaliente en CE2
En un nivel básico, el estudiante logra ejecutar el modelo en alguno de los entornos y mostrar la solución encontrada. Sin embargo, en un nivel intermedio o alto, la evidencia debe ir mucho más allá: debe justificar la estructura de la hoja o del código, explicar qué representa cada variable, mostrar cómo se incorporaron las restricciones del caso y analizar de manera argumentada los resultados.
Implementación
10. Guía de entrega para evidenciar RA2 en el caso
Como cierre, la evidencia del RA2 en el caso de Manufacturas Andinas S.A. debe incluir cuatro elementos articulados. Primero, una breve referencia al modelo matemático ya formulado, para recordar qué se está implementando. Segundo, la presentación clara de la estructura usada en Solver, GAMS o Python, mostrando cómo se organizaron datos, variables, función objetivo y restricciones. Tercero, la ejecución del solucionador y la exposición ordenada de los resultados obtenidos. Cuarto, una interpretación técnica y organizacional que explique qué decisión de producción se recomienda, qué recursos son críticos y por qué la solución es coherente con los objetivos del caso.
Ver más
Loucks, D. P. (2022). Linear optimization modeling. En Public systems modeling (Vol. 318, pp. 89–109). Springer. Bridgelall, R. (2022). Tutorial and practice in linear programming: Optimization problems in supply chain and transport logistics. arXiv.
Primero se cargan los datos del caso de Manufacturas Andinas S.A.; después se definen las variables de decisión para cada producto;
En la exposición, no basta con mostrar el código ejecutado: se espera que el estudiante explique qué representa cada bloque y cómo el solucionador utiliza esa estructura para encontrar la combinación de producción que optimiza el uso de los recursos limitados de la planta.
Finalmente, se ejecuta el solucionador y se recuperan los valores óptimos. En términos de CE2, el estudiante debe explicar con precisión cómo el script representa el problema real, qué hace cada sección del código y cómo la salida obtenida se conecta con decisiones concretas de producción. Así, Python no aparece como un recurso aislado, sino como una herramienta formal para implementar el modelo de optimización del caso.
Además, debe relacionar la solución con el contexto del caso, en el que la empresa busca mejorar su rentabilidad, utilizar mejor sus capacidades y sustentar técnicamente sus decisiones ante procesos de revisión o mejora continua. Un desempeño sólido en CE2 se reconoce cuando la exposición conecta de forma clara la programación del modelo con la lógica organizacional de la recomendación final.
En el caso de Manufacturas Andinas S.A., esta trazabilidad es esencial porque la gerencia necesita justificar técnicamente sus decisiones. Por ello, el estudiante debe mostrar que cada dato usado en el archivo o script proviene del problema formulado previamente y que la implementación conserva sin alteraciones la lógica organizacional del caso.
En coherencia con el resultado de aprendizaje RA2, no se evalúa únicamente que el software arroje una respuesta, sino que el estudiante explique con claridad cómo programó el modelo, qué representa cada elemento de la implementación y por qué la solución encontrada optimiza el uso de recursos limitados como horas máquina, mano de obra especializada y capacidad logística interna. En los niveles superiores de desempeño, la exposición debe evidenciar trazabilidad entre el caso, el modelo matemático, la estructura del archivo o script y la recomendación final para la empresa.
De esta forma, la presentación demuestra no solo manejo del software, sino comprensión integral del proceso de optimización y de su valor en la toma de decisiones industriales.
El nivel sobresaliente se alcanza cuando la implementación en Solver, GAMS o Python se presenta como una extensión rigurosa del modelo matemático y no como una simple captura de pantalla o una ejecución automática. En este punto, la exposición demuestra dominio conceptual, claridad técnica y capacidad para comunicar una solución de optimización útil para Manufacturas Andinas S.A.
luego se programa la función objetivo; y enseguida se incorporan las restricciones asociadas a horas máquina, mano de obra especializada y capacidad logística.
Programación lineal_Contenido 3
Griky Kontent
Created on April 14, 2026
Start designing with a free template
Discover more than 1500 professional designs like these:
View
Pastel Color Presentation
View
Visual Presentation
View
Relaxing Presentation
View
Modern Presentation
View
Colorful Presentation
View
Modular Structure Presentation
View
Chromatic Presentation
Explore all templates
Transcript
Programación lineal
Guía para implementar el modelo y leer la solución en Solver/GAMS/Python
10
Menú
1. CE2 y RA2 en el caso de Manufacturas Andinas S.A.
En esta evidencia, el criterio de evaluación CE2 se concreta en la capacidad del estudiante para mostrar cómo el modelo de programación lineal de Manufacturas Andinas S.A. pasa de la formulación matemática a una implementación operativa en Solver, GAMS o Python, y cómo la solución obtenida se interpreta para sustentar decisiones de producción.
Ver más
2. Qué se implementa exactamente en el caso
En Manufacturas Andinas S.A., el problema consiste en decidir cuántas unidades producir de cada componente metálico durante un periodo de planeación, sabiendo que todos los productos compiten por recursos comunes. Al implementar el modelo en software, las variables de decisión representan esas cantidades de producción; la función objetivo representa el desempeño que se desea maximizar, normalmente asociado a la contribución total del sistema; y las restricciones expresan los límites reales de la operación, como disponibilidad de horas máquina, mano de obra especializada y capacidad logística. Por tanto, implementar el modelo no significa copiar ecuaciones de forma mecánica, sino traducir el problema real de la empresa a una estructura computacional fiel, verificable y coherente con la situación planteada en el caso.
3. Del modelo matemático a una estructura computacional trazable
La implementación exige que cada componente de la formulación tenga una correspondencia directa en el software. Las variables del modelo se convierten en celdas modificables, símbolos o variables programadas; los coeficientes técnicos pasan a ser parámetros cargados en tablas o estructuras de datos; la función objetivo se expresa como una relación matemática que el solucionador debe maximizar; y las restricciones se registran como ecuaciones o desigualdades que definen el conjunto factible.
Caso
4. Cómo se implementa el modelo en Solver
En Solver, la implementación del caso de Manufacturas Andinas S.A. se organiza dentro de una hoja de cálculo con bloques claramente diferenciados. Primero, se registran los parámetros del problema: contribución unitaria por producto, consumo de recursos por unidad y capacidades disponibles. Después, se ubican las variables de decisión en celdas que el solucionador puede modificar. A continuación, se construyen fórmulas para calcular el valor de la función objetivo y el consumo total de cada recurso. Finalmente, en la ventana de Solver se define la celda objetivo, se indican las celdas variables y se agregan las restricciones correspondientes a producción, disponibilidad y no negatividad. Para lograr un buen desempeño en el CE2, el estudiante debe explicar no solo qué celdas cambian, sino por qué la hoja fue organizada de esa manera y cómo esa estructura permite auditar el modelo con claridad.
5. Cómo se implementa el modelo en GAMS
En GAMS, el modelo de Manufacturas Andinas S.A. se implementa mediante una estructura declarativa y ordenada. El estudiante define primero los conjuntos que representan productos y recursos; luego declara los parámetros asociados a contribuciones unitarias, consumos técnicos y disponibilidades; posteriormente crea las variables de decisión y la variable objetivo; y finalmente formula las ecuaciones que representan la función objetivo y las restricciones del sistema. Esta forma de programación permite que el modelo tenga una lectura lógica y profesional, muy útil cuando se requiere trazabilidad o revisión técnica.
Exposición
6. Cómo se implementa el modelo en Python
En Python, el modelo puede construirse con librerías de optimización como PuLP o Pyomo, organizando el problema en bloques equivalentes a la formulación matemática.
Tercero
Segundo
Primero
7. Qué debe leer el estudiante en la salida del solucionador
Una vez ejecutado el modelo en Solver, GAMS o Python, la interpretación de la salida es un componente central del RA2. El estudiante debe identificar, en primer lugar, el estado del modelo: si la solución es óptima, inviable o no acotada. Si existe solución óptima, debe explicar el valor de cada variable de decisión, es decir, cuántas unidades conviene producir de cada producto en Manufacturas Andinas S.A. También debe interpretar el valor de la función objetivo y analizar el comportamiento de las restricciones, distinguiendo cuáles quedan activas, cuáles presentan holgura y qué recurso resulta más presionado en la solución final. Esta lectura convierte una salida numérica en una recomendación gerencial concreta y técnicamente sustentada.
8. Cómo explicar la solución en lenguaje técnico y organizacional
Explicar la solución no consiste solo en leer números en pantalla. En el caso de Manufacturas Andinas S.A., el estudiante debe traducir la salida del software a una conclusión operativa comprensible: qué plan de producción recomienda el modelo, qué recursos se utilizan al límite, cuáles quedan con capacidad disponible y por qué esa combinación representa una decisión eficiente.
Caso
9. Qué diferencia un nivel básico de un nivel sobresaliente en CE2
En un nivel básico, el estudiante logra ejecutar el modelo en alguno de los entornos y mostrar la solución encontrada. Sin embargo, en un nivel intermedio o alto, la evidencia debe ir mucho más allá: debe justificar la estructura de la hoja o del código, explicar qué representa cada variable, mostrar cómo se incorporaron las restricciones del caso y analizar de manera argumentada los resultados.
Implementación
10. Guía de entrega para evidenciar RA2 en el caso
Como cierre, la evidencia del RA2 en el caso de Manufacturas Andinas S.A. debe incluir cuatro elementos articulados. Primero, una breve referencia al modelo matemático ya formulado, para recordar qué se está implementando. Segundo, la presentación clara de la estructura usada en Solver, GAMS o Python, mostrando cómo se organizaron datos, variables, función objetivo y restricciones. Tercero, la ejecución del solucionador y la exposición ordenada de los resultados obtenidos. Cuarto, una interpretación técnica y organizacional que explique qué decisión de producción se recomienda, qué recursos son críticos y por qué la solución es coherente con los objetivos del caso.
Ver más
Loucks, D. P. (2022). Linear optimization modeling. En Public systems modeling (Vol. 318, pp. 89–109). Springer. Bridgelall, R. (2022). Tutorial and practice in linear programming: Optimization problems in supply chain and transport logistics. arXiv.
Primero se cargan los datos del caso de Manufacturas Andinas S.A.; después se definen las variables de decisión para cada producto;
En la exposición, no basta con mostrar el código ejecutado: se espera que el estudiante explique qué representa cada bloque y cómo el solucionador utiliza esa estructura para encontrar la combinación de producción que optimiza el uso de los recursos limitados de la planta.
Finalmente, se ejecuta el solucionador y se recuperan los valores óptimos. En términos de CE2, el estudiante debe explicar con precisión cómo el script representa el problema real, qué hace cada sección del código y cómo la salida obtenida se conecta con decisiones concretas de producción. Así, Python no aparece como un recurso aislado, sino como una herramienta formal para implementar el modelo de optimización del caso.
Además, debe relacionar la solución con el contexto del caso, en el que la empresa busca mejorar su rentabilidad, utilizar mejor sus capacidades y sustentar técnicamente sus decisiones ante procesos de revisión o mejora continua. Un desempeño sólido en CE2 se reconoce cuando la exposición conecta de forma clara la programación del modelo con la lógica organizacional de la recomendación final.
En el caso de Manufacturas Andinas S.A., esta trazabilidad es esencial porque la gerencia necesita justificar técnicamente sus decisiones. Por ello, el estudiante debe mostrar que cada dato usado en el archivo o script proviene del problema formulado previamente y que la implementación conserva sin alteraciones la lógica organizacional del caso.
En coherencia con el resultado de aprendizaje RA2, no se evalúa únicamente que el software arroje una respuesta, sino que el estudiante explique con claridad cómo programó el modelo, qué representa cada elemento de la implementación y por qué la solución encontrada optimiza el uso de recursos limitados como horas máquina, mano de obra especializada y capacidad logística interna. En los niveles superiores de desempeño, la exposición debe evidenciar trazabilidad entre el caso, el modelo matemático, la estructura del archivo o script y la recomendación final para la empresa.
De esta forma, la presentación demuestra no solo manejo del software, sino comprensión integral del proceso de optimización y de su valor en la toma de decisiones industriales.
El nivel sobresaliente se alcanza cuando la implementación en Solver, GAMS o Python se presenta como una extensión rigurosa del modelo matemático y no como una simple captura de pantalla o una ejecución automática. En este punto, la exposición demuestra dominio conceptual, claridad técnica y capacidad para comunicar una solución de optimización útil para Manufacturas Andinas S.A.
luego se programa la función objetivo; y enseguida se incorporan las restricciones asociadas a horas máquina, mano de obra especializada y capacidad logística.