Perspectiva de las suposiciones

En la sección 2.2 se hizo hincapié  en que el modelo matemático intenta ser sólo una representación idealizada del problema real. Por lo general se requieren aproximaciones y las suposiciones de simplificación para que el problema se puede manejar. El agregar demasiados detallados y precisión puede hacer que el modelo sea demasiado amplio para llevar a cabo un análisis útil del problema. En realidad, todo lo que se necesita es que exista una correlación relativamente alta entre la predicción del modelo y lo que de hecho pasaría en el problema real.

Este consejo sin duda es aplicable a programación lineal. Es muy frecuente en las aplicaciones reales de esta técnica que casi ninguna de las suposiciones se cumpla. Excepto quizá en lo que se refiere a la suposición de divisibilidad, deben esperarse pequeñas disparidades. Esto es cierto en especial para la suposicion de certidumbre, de manera que es normal que deba aplicarse el análisis de sensibilidad para compensar la violación de esta uposición.

Sin embargo, es importen que el equipo que se está estudiando y analice qué tan grandes son las cuatro suposiciones para el problema que se está estudiando y analice qué tan grandes son las disparidades. Si cualquiera de las suposiciones queda violada de manera importante, entonces se dispone de varios modelos alternativos, como se verá en las siguientes partes de este sitio. Una desventaja de estos modelos es que los algoritmos disponibles para resolverlos no son ni lejanamente tan poderosos como el de programación lineal, pero en algunos casos esto se ha ido solucionando. En algunas aplicaciones se utiliza el poderoso enfoque de programación lineal para el análisis inicial y después se usa un modelo más complicado para refinar este análisis.

Al trabajar con los ejemplos de la siguiente sección, se encontrará que una buen práctica es analizar hasta qué grado se cumplen las suposiciones de programación lineal en estos problemas.