Está en la página 1de 132

UNIVERSIDAD NACIONAL DEL ALTIPLANO

Facultad de Ingeniera de Minas













MANUAL UNIVERSITARIO
INVESTIGACIN DE
OPERACIONES MINERAS




MSc. Mario
Cuentas Alvarado


2009
INVESTIGACION DE OPERACIONES EN MINERIA

Facultad de Ingeniera de Minas
Universidad Nacional del Altiplano
Derechos Reservados MCA-FIM 2009

i
CONTENIDO
CAPITULO I ........................................................................................................................................ 1
INTRODUCCION A LA INVESTIGACION DE OPERACIONES ....................................................... 1
QU ES LA INVESTIGACIN DE OPERACIONES? ..................................................................... 1
HISTORIA DE LA INVESTIGACION DE OPERACIONES ................................................................ 1
METODOLOGIA DE LA INVESTIGACION DE OPERACIONES ...................................................... 2
Definicin del problema .................................................................................................................. 2
Desarrollo de un Modelo Matemtico y Recoleccin de Datos ...................................................... 3
Resolucin del Modelo Matemtico ................................................................................................ 3
Validacin, Instrumentacin y Control de la Solucin .................................................................... 3
Modificacin del Modelo ................................................................................................................. 4
USOS Y VENTAJAS DE LOS MODELOS DE INVESTIGACIN DE OPERACIONES .................... 4
RESUMEN .......................................................................................................................................... 5
CAPITULO II ....................................................................................................................................... 6
CONSTRUCCION DE MODELOS DETERMINISTICOS .................................................................. 6
PASOS GENERALES Y TCNICAS DE LA CONSTRUCCIN DE MODELOS MATEMTICOS .. 6
Identificacin de las variables de decisin ..................................................................................... 6
Identificacin de los datos del problema ........................................................................................ 7
Identificacin de la funcin objetivo ................................................................................................ 8
Identificacin de las restricciones ................................................................................................... 9
Formulacin matemtica del problema ........................................................................................ 11
EJEMPLOS DE FORMULACIN DE MODELOS MATEMTICOS ............................................ 12
CAPITULO III .................................................................................................................................... 40
SOLUCIN A PROBLEMAS DE PROGRAMACIN LINEAL USANDO SOFTWARE ................... 40
USO DE SOLVER DE EXCEL ......................................................................................................... 40
EL PROBLEMA DE PLANEACIN DE PRODUCCIN DEL SINDICATO MINERO
PACOCOCHA ............................................................................................................................... 40
USO DE SOLVER DE WinQSB ....................................................................................................... 43
EL PROBLEMA DE PLANEACIN DE PRODUCCIN DEL SINDICATO MINERO
PACOCOCHA ............................................................................................................................... 43
USO DE LINDO ................................................................................................................................ 48
SINTAXIS DEL MODELO LINDO ................................................................................................. 48
EL PROBLEMA DE PLANEACIN DE PRODUCCIN DEL SINDICATO MINERO
PACOCOCHA ............................................................................................................................... 48
CAPITULO IV ................................................................................................................................... 53
ANLISIS DE SENSIBILIDAD USANDO SOFTWARE: .................................................................. 53
EL PROBLEMA DE PLANEACIN DE PRODUCCIN DE CASE CHEMICALS ........................... 53
CONCEPTOS BSICOS EN ANLISIS DE SENSIBILIDAD ....................................................... 54
1. ANLISIS DE SENSIBILIDAD CON EXCEL .......................................................................... 54
ANLISIS DE SENSIBILIDAD DE LOS COEFICIENTES DE LA FUNCIN OBJETIVO ............ 57
ANLISIS DE SENSIBILIDAD DE LOS VALORES DEL LADO DERECHO DE LAS
RESTRICCIONES (RECURSOS DISPONIBLES, RHS) ............................................................. 58
ANLISIS PARAMTRICO DE LOS RECURSOS DISPONIBLES (VALORES DEL LADO
DERECHO) ................................................................................................................................... 60
2. ANLISIS DE SENSIBILIDAD CON LINDO .............................................................................. 61
3. ANLISIS DE SENSIBILIDAD CON WinQSB ............................................................................ 62
MSc Ing Mario Cuentas Alvarado


Facultad de Ingeniera de Minas
Universidad Nacional del Altiplano
Derechos Reservados MCA-FIM 2009
ii
EL PROBLEMA DE PLANEACIN DE PRODUCCIN DEL SINDICATO MINERO PACOCOCHA
.......................................................................................................................................................... 63
EJEMPLOS DE ANLISIS DE SENSIBILIDAD USANDO SOFTWARE ..................................... 70
CAPITULO V .................................................................................................................................... 97
PROBLEMAS DE REDES DE DISTRIBUCIN: TRANSPORTACIN, ASIGNACIN Y
TRANSBORDO ................................................................................................................................ 97
QU ES UNA RED DE DISTRIBUCIN? .................................................................................. 97
EL PROBLEMA DE TRANSPORTACIN .................................................................................... 98
EL PROBLEMA DE ASIGNACIN ............................................................................................. 101
EL PROBLEMA DE TRANSBORDO .......................................................................................... 104
CAPITULO VI ................................................................................................................................. 108
ADMINISTRACIN DE PROYECTOS: ......................................................................................... 108
PERT - CPM ................................................................................................................................... 108
DESARROLLO DE LA RED DE PROYECTOS ......................................................................... 109
Identificacin de las tareas individuales ................................................................................. 109
Obtencin de estimaciones de tiempo para cada tarea ......................................................... 110
Creacin de la tabla de precedencia para el proyecto ........................................................... 111
Trazo de la red de proyectos .................................................................................................. 111
La red de proyectos para el proyecto de Santa Rosa Mining. ................................................ 114
ADMINISTRACIN DE PROYECTOS USANDO TIEMPOS DETERMINSTICOS (CPM) ....... 114
Clculo del tiempo de terminacin de proyecto ......................................................................... 115
Identificacin de las tareas crticas ............................................................................................. 116
Administracin de proyectos con tiempos determinsticos de tarea: uso de la computadora ... 119
Expedicin de un proyecto usando tcnicas de crashing .......................................................... 121
Obtencin de datos de costos adicionales para las tareas ........................................................ 122
Desarrollo del modelo de choque ............................................................................................... 123
Resolucin del modelo de choque ............................................................................................. 127
ADMINISTRACIN DE PROYECTOS USANDO TIEMPOS DE TAREA PROBABILISTICOS
(PERT) ............................................................................................................................................ 127
BIBLIOGRAFIA............................................................................................................................... 129

INVESTIGACION DE OPERACIONES EN MINERIA

Facultad de Ingeniera de Minas
Universidad Nacional del Altiplano
Derechos Reservados MCA-FIM 2009

1










CAPITULO I
INTRODUCCION A LA INVESTIGACION DE OPERACIONES

QU ES LA INVESTIGACIN DE OPERACIONES?
En la ciencia de la administracin (que tambin se conoce como investigacin de
operaciones), los administradores utilizan las matemticas y las computadoras para tomar
decisiones racionales en la resolucin de problemas. Aunque algunos problemas son lo bastante
simples como para que un administrador pueda aplicar su experiencia personal para resolverlos,
en el complejo mundo actual muchos problemas no pueden resolverse de esta manera. La
evaluacin de cada alternativa es demasiado difcil o tardada debido a la cantidad y complejidad
de la informacin que debe ser procesada o porque el nmero de soluciones alternativas es tan
vasto que un administrador simplemente no puede evaluarlas todas para seleccionar una
apropiada.
Las tcnicas de la administracin se aplican a las siguientes dos categoras bsicas de problemas:
1. Problemas determinsticos, en los que toda la informacin necesaria para obtener una
solucin se conoce con certeza.
2. Problemas estocsticos, en los que parte de la informacin necesaria no se conoce con
certeza, sino ms bien se comporta de una manera probabilstica.
La resolucin de un problema determinstico es similar a decidir en cul aerolnea comprar boleto
para volar hoy de Nueva York a Los ngeles dado que se pueden obtener exactamente las
mismas tarifas en todas las aerolneas. En contraste, considere hacer el mismo viaje dentro de un
mes. El decidir si comprar el mejor boleto disponible hoy o arriesgarse a esperar una mejor tarifa
es un problema estocstico, porque no se conocen las tarifas futuras. La obtencin de soluciones
a estos dos grupos de problemas de decisin -determinsticos y estocsticos- a menudo requiere
de tcnicas de administracin muy diferentes.
HISTORIA DE LA INVESTIGACION DE OPERACIONES
El campo de la administracin surgi durante la Segunda Guerra Mundial, cuando haba una gran
necesidad de administrar los escasos recursos. La Fuerza Area Britnica form el primer grupo
MSc Ing Mario Cuentas Alvarado


Facultad de Ingeniera de Minas
Universidad Nacional del Altiplano
Derechos Reservados MCA-FIM 2009
2
que desarrollara mtodos cuantitativos para resolver estos problemas operacionales y bautiz a
sus esfuerzos como investigacin operacional. Poco despus, las fuerzas armadas
estadounidenses formaron un grupo similar, compuesto por cientficos fsicos e ingenieros, cinco
de los cuales posteriormente fueron laureados con el premio Nobel, Los esfuerzos de estos
grupos, especialmente en el rea de la deteccin por radar, se consideran vitales en el triunfo de
la guerra area de Gran Bretaa.
Despus de la Segunda Guerra Mundial, los administradores de la industria reconocieron el valor
de aplicar tcnicas similares a sus complejos problemas de decisin. Los primeros esfuerzos se
dedicaron a desarrollar modelos apropiados y procedimientos correspondientes para solucionar
problemas que surgan en reas tales como la programacin de refineras de petrleo, la
distribucin de productos, la planeacin de produccin, el estudio de mercados y la planeacin de
inversiones. Estos procedimientos de soluciones se hicieron posibles con el advenimiento de
computadoras de alta velocidad, porque la resolucin del tpico problema de investigacin de
operaciones requiere demasiados clculos para ser realizados prcticamente a mano. El uso de
tcnicas de administracin ha aumentado con los avances en los clculos hasta el punto en que
actualmente estas tcnicas son empleadas rutinariamente en una computadora de escritorio para
solucionar muchos problemas de decisin.
METODOLOGIA DE LA INVESTIGACION DE OPERACIONES
El uso de mtodos cuantitativos para solucionar problemas, generalmente implica a mucha gente
de toda la organizacin. Los individuos de un equipo de proyectos proporcionan informacin de
sus reas respectivas respecto a diversos aspectos del problema. El proceso de aplicar mtodos
cuantitativos requiere una sucesin sistemtica de pasos ilustrados en la figura 1. 1. Cada uno de
estos pasos se describe con detalle en esta seccin.

Figura 1.1 La metodologa de la investigacin de operaciones.
Definicin del problema
El primer paso es identificar, comprender y describir, en trminos precisos, el problema que la
organizacin enfrenta. En algunos casos, el problema est bien definido y es claro.
En otras situaciones, el problema puede no estar tan bien definido y puede requerir bastantes
discusiones y consenso entre los miembros del equipo de proyectos. Por ejemplo, puede haber
varios objetivos que entren en conflicto. Tal vez usted desee maximizar la satisfaccin del cliente
y, sin embargo, tambin minimizar los costos totales. Es improbable que pueda lograr ambas
metas. Se tendrn que tomar decisiones corporativas respecto a un objetivo global. Algunas
veces la cuantificacin del objetivo mismo es difcil. Por ejemplo, cmo se mide la "satisfaccin
INVESTIGACION DE OPERACIONES EN MINERIA

Facultad de Ingeniera de Minas
Universidad Nacional del Altiplano
Derechos Reservados MCA-FIM 2009

3
del cliente"? Todas estas cuestiones deben resolverse y clarificarse por consenso del equipo de
proyectos durante la fase de definicin del problema.
Desarrollo de un Modelo Matemtico y Recoleccin de Datos
Despus de que el problema est claramente definido y comprendido, el siguiente paso es
expresar el problema en una forma matemtica, esto es, formular un modelo matemtico. Una
vez construido el modelo, existen muchas tcnicas matemticas disponibles para obtener la mejor
solucin, a pesar del vasto nmero de alternativas y/o de la complejidad implicada.
Resolucin del Modelo Matemtico
Una vez formulado un modelo matemtico del problema, el siguiente paso es resolver el modelo,
es decir, obtener valores numricos para la variable de decisin. Para el ejemplo de las
inversiones, esto significa obtener los mejores valores para S y B. La forma en que se obtengan
estos valores depende de la forma o tipo especfico del modelo matemtico. Es decir, una vez
que identifique el tipo de modelo que tiene, podr elegir una tcnica de administracin apropiada
para resolverlo. Estas tcnicas pertenecen a una de dos categoras:
1. Mtodos ptimos, que producen los mejores valores para las variables de decisin, es decir,
aquellos valores que satisfacen simultneamente todas las limitaciones y proporcionan el
mejor valor para la funcin objetiva.
2. Mtodos heursticos, que producen valores para las variables que satisfacen todas las
limitaciones. Aunque no necesariamente ptimos, estos valores proporcionan un valor
aceptable para la funcin objetiva.
En contraste con los mtodos ptimos, los mtodos heursticos son computacionalmente ms
eficientes y, por tanto, se usan cuando la obtencin de soluciones ptimas lleva demasiado tiempo
o es imposible porque el modelo es demasiado complejo.
Un objetivo de este curso es mostrar muchos mtodos matemticos diferentes y sus
procedimientos de solucin asociados. La mayor parte de las veces, se dispondr de estos
procedimientos en una computadora, y usted aprender cmo obtener e interpretar las soluciones
al modelo.
Validacin, Instrumentacin y Control de la Solucin
Despus de resolver el modelo matemtico, es extremadamente importante validar la solucin,
es decir, revisar la solucin cuidadosamente para ver que los valores tienen sentido y que las
decisiones resultantes puedan llevarse a cabo. Algunas de las razones para hacer esto son:
1. El modelo matemtico puede no haber captado todas las limitaciones del problema real.
2. Ciertos aspectos del problema pueden haberse pasado por alto, omitido deliberadamente o
simplificado.
3. Los datos pueden haberse estimado o registrado incorrectamente, tal vez al introducirlos a la
computadora.
Tambin es importante darse cuenta que aun cuando el modelo y la solucin pueden ser vlidos,
tal vez no sea factible llevar a cabo una decisin basndose en esos resultados. Puede haber
aplicaciones conductuales o polticas que no pueden incluirse en el modelo. Por ejemplo, el
resultado de un modelo puede indicar que es ms eficiente en cuanto a costos transferir algunos
trabajadores del turno de da al de noche. Sin embargo, tal cambio puede enfrentar resistencia de
los empleados (o administradores) por razones personales, polticas o de otra ndole. Una forma
de evitar este tipo de dificultades es incluir representantes de todos los grupos potencialmente
afectados como parte del equipo de proyectos.
Los resultados y su posterior instrumentacin deben supervisarse cuidadosamente, no slo para
asegurar que la solucin trabaja segn lo planeado, sino tambin porque el problema, los datos o
ambos pueden cambiar con el tiempo.
MSc Ing Mario Cuentas Alvarado


Facultad de Ingeniera de Minas
Universidad Nacional del Altiplano
Derechos Reservados MCA-FIM 2009
4
Modificacin del Modelo
Si durante el paso de validacin se encuentra que la solucin no puede llevarse a cabo, se
pueden identificar las limitaciones que fueron omitidas durante la formulacin del problema original
o puede uno darse cuenta de que algunas de las limitaciones originales eran incorrectas y
necesitan mortificarse, En estos casos, debe regresarse a la etapa de formulacin del problema y
hacer cuidadosamente las modificaciones apropiadas para reflejar con ms exactitud el problema
real.
Este proceso de modificacin de un modelo obteniendo la nueva solucin y validndola, puede
tener que repetirse varias veces antes de encontrar una solucin aceptable y factible (vase la
figura 1.1).
USOS Y VENTAJAS DE LOS MODELOS DE INVESTIGACIN DE OPERACIONES
En general, los modelos matemticos ayudan a los administradores a tomar dos tipos de
decisiones: estratgicas y operacionales. Las decisiones estratgicas, generalmente decisiones
de una sola vez, tienen un efecto sobre intervalos de tiempo relativamente largos. Considere las
siguientes decisiones que probablemente tuviera que tomar como administrador:
Debera reemplazarse un sistema existente con un nuevo sistema recin propuesto? Por
ejemplo, debera convertir una de tres casetas de peaje en un carril expreso para carros de dos o
ms pasajeros? Otro ejemplo, debera abrir una nueva instalacin de produccin?
Debera cambiar su poltica de administracin? Por ejemplo, debera reordenar inventarios a
intervalos de tiempo regulares en lugar de cada vez que el nivel caiga por debajo de alguna
cantidad especificada?
Como los modelos que construye para llegar a decisiones estratgicas generalmente se usan
nicamente para hacer una determinacin a largo plazo, no debe preocuparse demasiado por la
cantidad de esfuerzo computacional requerido para obtener la solucin. Es muy probable que las
decisiones estratgicas tengan un impacto importante en la organizacin, as que debe dedicar la
mayor parte de sus esfuerzos a asegurar que el modelo sea vlido, que incluya todos los aspectos
importantes del problema y que los datos sean lo ms exactos posibles.
Las decisiones operacionales, por el contrario, afectan procesos en curso sobre periodos ms
cortos. Considere las siguientes decisiones operacionales que tal vez tenga que tomar
regularmente:
Cmo puede la empresa programar de la manera ms eficiente la fuerza de trabajo
semanalmente?
Cul es el plan de produccin mensual ptimo?
Cul es el plan de embarque ms efectivo en costos para distribuir productos desde las
plantas hasta los mercados al por menor?
A diferencia de los modelos para planeacin estratgica, los modelos para decisiones
operacionales se usan repetidamente. Por tanto, vale la pena gastar tiempo y esfuerzo extras en
identificar o desarrollar los procedimientos de solucin ms eficientes, ya que hacerlo puede
redituar ahorros significativos en costos computacionales con el tiempo.
Sin importar si se requiere de una decisin estratgica u operacional, los modelos matemticos
proporcionan los siguientes beneficios a los administradores:
1 . Un mtodo de determinacin de la mejor manera de lograr un objetivo, como asignar
recursos escasos.
2. Una forma de evaluar el impacto de un cambio propuesto o un nuevo sistema sin el costo y
tiempo de llevarlo a cabo primero.
INVESTIGACION DE OPERACIONES EN MINERIA

Facultad de Ingeniera de Minas
Universidad Nacional del Altiplano
Derechos Reservados MCA-FIM 2009

5
3. Una forma de evaluar la fortaleza de la solucin ptima al hacer preguntas de sensibilidad
de la forma "Qu sucedera si ... ?" Por ejemplo, qu le sucedera al plan de inversin
ptima y retribucin anual si se esperara que el fondo de acciones produjera slo 8% (en vez
del 10% original)?
4. Un procedimiento para lograr un objetivo que beneficie a la organizacin global al incluir en el
modelo consideraciones correspondientes a muchas otras partes de la organizacin.
RESUMEN
Los pasos generales comprendidos en la aplicacin de las tcnicas de la administracin para
resolver problemas de decisin determinsticos y estocsticos son los siguientes:
1. Definicin del problema, mediante su identificacin y comprensin de manera que pueda
expresarle de manera precisa.
2. Desarrollar un modelo matemtico, a menudo identificando variables de decisin, un objetivo
matemtico global y limitaciones.
3. Resolucin del modelo, usando una tcnica de administracin apropiada.
4. Validacin de la solucin, usando la intuicin y la experiencia para determinar si la solucin
obtenida del modelo tiene sentido y puede llevarse a cabo de manera realista. Si no, puede
ser necesario que modifique el modelo adecuadamente para obtener la nueva solucin.
5. Poner en prctica y supervisar la solucin; si se encuentran resultados no anticipados, o si los
datos cambian, necesitar modificar el modelo en consecuencia y validar la nueva solucin.
MSc Ing Mario Cuentas Alvarado


Facultad de Ingeniera de Minas
Universidad Nacional del Altiplano
Derechos Reservados MCA-FIM 2009
6










CAPITULO II
CONSTRUCCION DE MODELOS DETERMINISTICOS

PASOS GENERALES Y TCNICAS DE LA CONSTRUCCIN DE MODELOS MATEMTICOS
En el captulo 1 aprendi que el primer paso al usar tcnicas de administracin es identificar y
describir el problema. El siguiente paso es formular el problema en un marco matemtico. Esta
seccin proporciona pasos y tcnicas sistemticas que puede aplicar al formular sus propios
modelos determinsticos. Para ilustrar, considere el problema enfrentado por la gerencia de
produccin de Case Chemicals.
EJEMPLO 2.1 EL PROBLEMA DE PLANEACIN DE PRODUCCIN DE CASE CHEMICALS
Case Chemicals produce dos solventes, CS-01 y CS-02, en su planta de Cleveland. Las
empresas que compran estos solventes los usan para disolver ciertas sustancias txicas que se
producen durante procesos de fabricacin particulares. La planta opera 40 horas a la semana y
emplea a cinco trabajadores de tiempo completo y a dos de tiempo parcial, que trabajan 15 horas
a la semana. Estas personas operan las siete mquinas que mezclan ciertos qumicos para
producir cada solvente. Los productos salen del departamento de mezclado para ser refinados en
el departamento de purificacin, que actualmente tiene siete purificadores y emplea a seis
trabajadores de tiempo completo y a uno de tiempo parcial, que trabaja 10 horas a la semana.
Case Chemicals tiene una provisin casi limitada de la materia prima que necesita para producir
los dos solventes. Case Chemicals puede vender cualquier cantidad de CS-01, pero la demanda
del producto ms especializado, CS-02, est limitada a lo ms a 120 000 galones por semana.
Como gerente de produccin, usted desea determinar el plan de produccin semanal ptimo para
Case Chemicals. (Qu cantidad de cada solvente debe producir Case Chemicals para maximizar
la ganancia?
El objetivo ahora es convertir esta descripcin cualitativa del problema a una forma matemtica
que pueda resolverse. Este proceso es llamado formulacin del problema y generalmente
implica cuatro pasos, cada uno de los cuales es descrito en las siguientes secciones.
Identificacin de las variables de decisin
El primer paso en la formulacin del problema es identificar las variables de decisin, a menudo
simplemente llamadas variables. Los valores de estas variables, una vez determinados,
proporcionan la solucin al problema. Para el ejemplo 2.1, usted puede identificarlas variables de
INVESTIGACION DE OPERACIONES EN MINERIA

Facultad de Ingeniera de Minas
Universidad Nacional del Altiplano
Derechos Reservados MCA-FIM 2009

7
decisin preguntndose qu informacin necesita proporcionar al personal de produccin, los
departamentos de mezclado y purificacin, para que sepan cmo proceder. Su respuesta a esta
pregunta debera ser:
1. El nmero de miles de galones de CS-01 por producir semanalmente.
2. El nmero de miles de galones de CS-02 por producir semanalmente.
Como los valores de estos elementos no se conocen todava, a cada variable de decisin se le da
un nombre simblico. Usted puede elegir el nombre simblico que quiera, pero encontrar til
seleccionar un nombre simblico que le recuerde la cantidad que la variable de decisin
representa. Para el ejemplo que estamos viendo, podra crear las siguientes variables,
correspondientes a los dos elementos identificados anteriormente:
CS1 = el nmero de miles de galones de CS-01 por producir semanalmente
CS2 = el nmero de miles de galones de CS-02 por producir semanalmente
Observe que estas descripciones son precisas. Incluyen las unidades asociadas con las
cantidades que las variables representan (miles de galones, en este caso). No es suficiente
definir una variable como la "cantidad" de un elemento, porque para las otras personas que
leyeran su formulacin, el trmino "cantidad" podra tener varios significados (por ejemplo, miles
de litros en este caso).
La necesidad de identificar las variables de decisin correctamente es vital. De otra manera, la
formulacin de un modelo vlido que capte todos los aspectos del problema es imposible. La
eleccin de estas variables no es nica, y no existen reglas fijas. Sin embargo, las siguientes
pautas son tiles en la identificacin de un conjunto adecuado de variables de decisin para
virtualizar cualquier problema.
CARACTERSTICAS CLAVE
Pautas generales para identificar variables de decisin
Qu elementos afectan los costos y/o ganancias (o, en general, el objetivo global)?
Qu elementos puede elegir y/o controlar libremente? Qu decisiones tiene que tomar?
Qu valores, una vez determinados, constituyen una solucin para el problema? Pngase en la
posicin de alguien que tiene que implantar su solucin, y luego pregntese qu informacin se
requiere.
Para el ejemplo 2.l, las respuestas a todas estas preguntas son iguales y lo llevan a identificar las
variables de decisin como el nmero de miles de galones de CS-01 y CS-02 por producir
semanalmente.
Identificacin de los datos del problema
La finalidad de resolver un problema es proporcionar los valores reales para las variables de
decisin que ha identificado. Usted requiere conocer cierta informacin para ayudar a determinar
esos valores. Por ejemplo, para determinar las cantidades reales de.los dos solventes a producir
para maximizar las ganancias corporativas, necesitar saber:
1. El nmero de horas de trabajo disponibles en el departamento de mezclado.
2. El nmero de horas de trabajo disponibles en el departamento de purificacin.
3. La cantidad de ganancias obtenidas al producir y vender cada tipo de solvente.
MSc Ing Mario Cuentas Alvarado


Facultad de Ingeniera de Minas
Universidad Nacional del Altiplano
Derechos Reservados MCA-FIM 2009
8
Estas cantidades constituyen los datos del problema. En problemas determinsticos, se requiere
conocer (u obtener) estos valores en el momento de formular el problema. Para Case Chemicals:
1. Como se estableci en la descripcin del problema, el departamento de mezclado tiene cinco
trabajadores de tiempo completo (40 horas cada uno)y dos trabajadores de tiempo parcial (15
horas cada uno). Esto da un total de 230 horas de trabajo a la semana en el departamento
de mezclado.
2. De manera similar, los seis trabajadores de tiempo completo (40 horas cada uno) y el
trabajador de tiempo parcial (10 horas) representan un total de 250 horas de trabajo a la
semana en el departamento de purificacin.
3. El departamento de contabilidad estima un margen de ganancias de $0.30 por galn de CS-01
y de $0.50 por galn de CS-02, esto es, $300 por mil galones de CS-01 y $500 por mil
galones de CS-02.
A diferencia de las variables de decisin, cuyos valores usted puede controlar, usted no puede
controlar directamente los valores de los datos.
CARACTERSTICAS CLAVE
La necesidad de que algunos de los datos del problema pueden aclararse cuando especifica el
problema. Otros datos pueden hacerse necesarios al desarrollar el modelo matemtico y
descubrir que se requiere informacin adicional para ayudar a determinar los valores de las
variables de decisin.

Identificacin de la funcin objetivo
El siguiente paso en la formulacin del problema es expresar el objetivo organizacional global en
forma matemtica usando las variables de decisin y los datos conocidos del problema. Esta
expresin, la funcin objetivo, generalmente se crea en tres etapas.
1. Establecer el objetivo en forma verbal. Para el ejemplo 2.1, este objetivo es:
Maximizar la ganancia semanal total de la produccin de CS-01 y CS-02
2. Donde sea adecuado, descomponer el objetivo en una suma, diferencia o producto de
cantidades individuales. Para el ejemplo 2. 1, la ganancia total puede calcularse como la
suma de la ganancia de CS-01 y la de CS-02:
Maximizar ganancia = (ganancia de CS-01) + (ganancia de CS-02)
3. Expresar las cantidades individuales matemticamente usando las variables de decisin otros
datos conocidos en el problema.
Para lograr la tarea en la tercera etapa, a menudo es til elegir algunos valores especficos para
las variables de decisin y luego usar esos valores para determinar la forma en que se calcula la
funcin objetivo. Se hace referencia a esta tcnica como trabajo a travs de un ejemplo
especfico. En el ejemplo 2.l, supongamos que se producen 10 mil galones de CS-01 y 20 mil
galones de CS-02 (as que CS, = 10 y CS 2= 20). El departamento de contabilidad le ha dicho
que cada mil galones de CS-01 contribuye con $300 a la ganancia y que cada mil galones de CS-
02 contribuye con $500. Se puede escribir:
Ganancia de CS-01 = 300(10) = $ 3 000 + Ganancia de CS-02 = 500(20) = $ 10 000
Ganancia total = $ 13 000
INVESTIGACION DE OPERACIONES EN MINERIA

Facultad de Ingeniera de Minas
Universidad Nacional del Altiplano
Derechos Reservados MCA-FIM 2009

9
Sin embargo, el propsito de usar valores especficos para las variables no es obtener la ganancia
total de estos valores, sino ms bien ayudarlo a determinar cmo calcular el objetivo cuando los
valores de las variables no se conocen explcitamente. En este problema, se puede ver fcilmente
de los clculos anteriores que si CS1 es el nmero no especificado de miles de galones de CS-01
y CS 2 es el nmero no especificado de miles de galones de CS-02 por producir, entonces
la ganancia es:
Ganancia de CS-01 = 300CS1 + Ganancia de CS-02 = 500CS 2 Ganancia total = 300CSI +
500CS2
Por lo tanto, la funcin objetiva matemtica expresada en trminos de las variables de decisin y
de los datos del problema es:
Maximzar 300CSI + 500CS2
CARACTERSTICAS CLAVE
Este problema ilustra las siguientes caractersticas clave:
Creacin de la funcin objetivo mediante:
a. Enunciado del objetivo de manera verbal.
b. Cuando sea apropiado, descomponer el objetivo en una suma, diferencia, y/o producto de
trminos individuales.
e. Expresar los trminos individuales en (b) usando las variables de decisin y otros datos de
problemas conocidos.
Identificacin de las restricciones
Trabajar con un ejemplo especfico para determinar cmo se expresa la funcin objetivo en una
forma matemtica, eligiendo valores especficos para las variables de decisin y realizando los
clculos necesarios.
Su objetivo es maximizar las ganancias. La funcin objetivo le dice que mientras ms grande sea
el valor de las variables, ms grande ser la ganancia. Pero el mundo real pone un lmite en los
valores que puede asignar a estas variables. En el ejemplo 2. 1, os departamentos de mezclado y
purificacin tienen ciertas restricciones fsicas: un nmero limitado de horas de trabajo disponible
cada uno. Estas limitaciones, as como otras consideraciones que imponen restricciones sobre
los valores de las variables, son las restricciones. El paso final en la formulacin del problema es
identificar estas restricciones y escribirlas en forma matemtica.
Las restricciones son condiciones que las variables de decisin deben satisfacer para constituir
una solucin "aceptable". Estas restricciones por lo general surgen de:
1. Limitaciones fsicas (el nmero limitado de horas de trabajo en los departamentos de
mezclado y purificacin, por ejemplo).
2. Restricciones impuestas por la administracin (por ejemplo, sta pudo haber prometido una
cierta cantidad de un producto a un cliente estimado).
3. Restricciones externas (por ejemplo, Case Chemicals no puede vender ms de 120 mil
galones de CS-02 a la semana, y no hay razn para producir ms que la cantidad
demandada).
4. Relaciones implicadas entre variables (por ejemplo, en el problema de inversin de Mark de la
seccin 1.1, las dos fracciones que representan la proporcin de dinero a invertir en los dos
fondos debe sumar l).
MSc Ing Mario Cuentas Alvarado


Facultad de Ingeniera de Minas
Universidad Nacional del Altiplano
Derechos Reservados MCA-FIM 2009
10
5. Restricciones lgicas sobre variables individuales (por ejemplo, el nmero de carros
producidos debe ser un nmero entero, y Case Chemicals no puede producir una cantidad
negativa de solventes).
CARACTERSTICAS CLAVE
Despus de identificar estas restricciones, debe expresaras en forma matemtica usando las
variables de decisin y otros datos del problema. Este proceso es idntico al usado para
especificar la funcin objetivo.
Expresar las restricciones en forma verbal.
Cuando es apropiado, descomponer la restriccin en una suma, diferencia y/o producto de
cantidades individuales.
Trabaja con un ejemplo especfico para expresar las cantidades individuales en una forma
matemtica, usando las variables de decisin y otros datos conocidos del problema.
Considere las restricciones del ejemplo 2. l.
RESTRICCIN DE TRABAJO EN EL DEPARTAMENTO DE MEZCLADO (LIMITACIN FSICA)
Forma verbal: Horas totales usadas en el mezclado no pueden exceder de 230 Horas
Descomposicin: Horas usadas @ para CS-01 + Horas usadas @ para CS-02 no pueden
exceder de 230
Matemticas: para expresar las horas usadas para CS-0 1 y CS-02 en el departamento de
mezclado trate de trabajar con un ejemplo especfico. Por ejemplo, suponga que CS1 = 15 mil y
que CS 2 = 10 mil galones. Cmo calcula el nmero de horas usadas en el departamento de
mezclado? Estos valores son datos del problema (adems de los datos ya identificados en la
seccin 2.1.2) que usted debe obtener. Supongamos que usted llama al departamento de
procesos y recoge los siguientes datos para los departamentos de mezclado y purificacin:
HORAS POR MILES DE GALONES DE
CS-01 CS-02
Mezclado 2 1
Purificacin 1 2
Resulta entonces fcil calcular las horas usadas en el departamento de mezclado trabajando con
valores especficos de CS, = 15 y CS2 = 10:
Horas para 15 mil galones de CS-01 = 2(15) = 30
+ Horas para 10 mil galones de CS-02 = 1(10) = 10
Total de horas en el mezclado = 2(15) + 1(10) = 40
El propsito de usar este ejemplo numrico especfico es ayudarle a escribir una restriccin
matemtica general cuando los valores de las variables (CS, y CS2, en este caso) no se conocen.
De los clculos anteriores, usted obtiene la siguiente restriccin matemtica general:
2CSI +1CS2 < 230
RESTRICCIN DE TRABAJO EN EL DEPARTAMENTO DE PURIFICACIN (LIMITACIN
FSICA)
INVESTIGACION DE OPERACIONES EN MINERIA

Facultad de Ingeniera de Minas
Universidad Nacional del Altiplano
Derechos Reservados MCA-FIM 2009

11
Forma verbal: Horas totales usadas no pueden exceder de 250 en la purificacin
Horas Horas
Descomposicin: usadas + usadas no pueden exceder de 250
@ para CS-01 para CS-02
Matemticas: 1CS1 + 2CS 2 < 250
RESTRICCIN DE LMITE (LIMITACIN EXTERNA)
La limitacin de que a lo ms pueden venderse 120 mil galones de CS-02 da pie a la siguiente
restriccin sobre el valor de CS 2 :
CS2 < 120
RESTRICCIN DE NO NEGATIVIDAD (LIMITACIONES LOGICAS)
Claro est que usted sabe que los valores de estas variables de decisin deben ser no negativos,
esto es, cero o positivos. Tales restricciones implcitas de las que usted est consciente deben
hacerse explcitas en la formulacin matemtica. Para este problema, debe incluir las siguientes
restricciones:
cs 1> 0 y CS 2> 0 o CSJ' cs 2 > 0
Juntando todas las piezas de los pasos anteriores, la formulacin matemtica completa del
problema de planeacin de produccin de Case Chemicals es la siguiente:
Formulacin matemtica del problema
FORMULACIN MATEMTICA DEL PROBLEMA DE CASE CHEMICALS
Maximizar 30OCS1 + 50OCS 2 (ganancia)
Condicionado por:
2CS1 + 1CS2 2 < 230 (mezclado)
1CS1 + 2C2 < 250 (purificacin)
CS2 < 120 (limitado en CS-02)
CS1, CS2 > 0 (no negatividad)
donde:
CS1, = el nmero de miles de galones de CS-01 por producir semanalmente
CS2 = el nmero de miles de galones de CS-02 por producir semanalmente
En el captulo 4 aprender el procedimiento de solucin para este tipo de problema. La aplicacin
de ese procedimiento da por resultado la solucin ptima:
cs, = 70
cs 2 = 90
Es decir ,el plan de produccin ptima es de 70000galonesdeCS1 y de 90000 galones de CS-02,
lo que representa una ganancia semanal de $66 000.
MSc Ing Mario Cuentas Alvarado


Facultad de Ingeniera de Minas
Universidad Nacional del Altiplano
Derechos Reservados MCA-FIM 2009
12
En esta seccin, usted ha aprendido los pasos a tomar en la formulacin de problemas
identificando (1) las variables de decisin, (2) los datos del problema, (3) la funcin objetivo y (4)
Ias restricciones. Para escribir la funcin objetiva y las restricciones en una forma matemtica, use
las variables junto con los datos del problema que usted tenga al formular el modelo. Es posible
que no conozca todos los datos necesarios al definir por primera vez el problema. La necesidad
de datos adicionales puede descubrirse cuando proceda con la formulacin del problema. Estos
valores de datos deben obtenerse de fuentes apropiadas dentro de la organizacin. Para ahorrar
tiempo y espacio, los enunciados de problemas futuros en este libro incluirn todos los datos
necesarios. La formulacin consistir en estos tres pasos:
Paso 1. Identificacin de las variables de decisin.
Paso 2. Identificacin de la funcin objetivo.
Paso 3. Identificacin de las restricciones.
El problema de esta seccin involucro slo dos variables de decisin y unas cuantas restricciones.
Los problemas de importancia prctica a menudo contienen cientos o miles de variables y un
nmero similar de restricciones. Estos problemas ms complejos tambin pueden formularse
usando los pasos que aprendi en esta seccin.
EJEMPLOS DE FORMULACIN DE MODELOS MATEMTICOS
1. El Sindicato Minero Pacococha S.A. viene soportando un incesante incremento en sus costos
de produccin, por lo tanto urge optimizar el uso de sus recursos. La gerencia ha determinado
explotar las vetas Colquechaca y 10 de mayo, para ello debemos satisfacer algunas
restricciones referentes a las leyes y la capacidad de la planta concentradora:
Vetas
Leyes
Costo
$/ton
Ag
(onz/ton)
Pb (%)
Colquechaca 4 3,5 7,0
10 de mayo 16 1,15 9,0

Otros datos que debemos considerar son: el precio de la plata: $ 20,0 /onz; precio del plomo
0,70 $/lb; capacidad de la planta concentradora: 95 ton/da, ley minima de cabeza de plata: 6
onz/ton, ley mxima de cabeza de plata: 8 onz/ton.
Como gerente de produccin, formule un modelo matemtico para determinar el tonelaje a
extraer de cada veta.
Solucin:
Paso 1: Identificacin de las variables de decisin
Xc = el nmero de toneladas de mineral a extraer de la veta Colquechaca por da
Xm = el nmero de toneladas de mineral a extraer de la veta 10 de mayo por da
Paso 2: Identificacin de los datos del problema
a) Costo de 1 tonelada de mineral extrada de la veta Colquechaca: $ 7,0
b) Costo de 1 tonelada de mineral extrada de la veta 10 de mayo: $ 9,0
c) Ley de plata del mineral extrado de la veta Colquechaca: 4,0 onz/ton
d) Ley de plata del mineral extrado de la veta 10 de mayo 16,0 onz/ton
e) Ley de plomo del mineral extrado de la veta Colquechaca: 3,5%
f) Ley de plomo del mineral extrado de la veta 10 de mayo: 1,15%
g) Precio de la plata: $ 20,0 /onz
h) Precio del plomo 0,70 $/lb
INVESTIGACION DE OPERACIONES EN MINERIA

Facultad de Ingeniera de Minas
Universidad Nacional del Altiplano
Derechos Reservados MCA-FIM 2009

13
i) Capacidad de la planta concentradora: 95 ton/da.
j) Ley mnima de cabeza de plata de la planta concentradora: 6 onz/ton.
k) Ley mxima de cabeza de plata de la planta concentradora: 8 onz/ton.
l) Ganancia por 1 tonelada de mineral de la veta Colquechaca
= ingreso por plata + ingreso por plomo costo de produccin
= 4 onz/ton x $ 20,0/onz +0,035 x 2 200lb/ton x $0,70/lb $ 7,0/ton
= $ 126,9 /ton.
m) Ganancia por 1 tonelada de mineral de la veta 10 de mayo
= ingreso por plata + ingreso por plomo costo de produccin
= 16 onz/ton x $ 20,0/onz +0,0115 x 2 200lb/ton x $0,70/lb $ 9,0/ton
= $ 328,71 /ton.
Paso 3 Identificacin de la funcin objetivo
FV: Maximizar la ganancia por venta de mineral
D : Maximizar (ganancia
1
por mineral de la veta Colquechaca + ganancia por mineral de la veta 10 de
mayo)
FM: Maximizar 126,9 Xc + 328,71 Xm
Paso 4 Identificacin de las restricciones
a) Capacidad de la planta concentradora
FV: La capacidad de tratamiento de la planta es de 95 ton de mineral por da
D : (el mineral procedente de la veta Colquechaca + el mineral procedente de la veta 10 de mayo) debe
ser mximo 95 toneladas
FM: Xc + Xm <= 95
b) Ley mnima de cabeza de plata de la planta concentradora
FV: la ley mnima de cabeza es de 6 onz/ton
D : ((contenido de plata en el mineral de Colquechaca + contenido de plata en el mineral de 10 de
mayo)/(tonelaje de mineral de Colquechaca + tonelaje de mineral de 10 de mayo)) debe ser mayor
de 6 onz/ton

6
16 4
>
(

+
+
Xm Xc
Xm Xc

FM: - Xc + 5 Xm >= 0
c) Ley mxima de cabeza de plata de la planta concentradora
FV: la ley mxima de cabeza es de 8 onz/ton
D : ((contenido de plata en el mineral de Colquechaca + contenido de plata en el mineral de 10 de
mayo)/(tonelaje de mineral de Colquechaca + tonelaje de mineral de 10 de mayo)) debe ser menor
de 8 onz/ton

8
16 4
s
(

+
+
Xm Xc
Xm Xc

FM: - Xc + 2,0 Xm <= 0
d) Restricciones lgicas
Xc y Xm >= 0
Paso 5 Formulacin matemtica del modelo
Maximizar 126,9 Xc + 328,71 Xm
Sujeto a:

1
ganancia = ganancia por 1 ton de mineral x nmero de toneladas de mineral a extraer.
MSc Ing Mario Cuentas Alvarado


Facultad de Ingeniera de Minas
Universidad Nacional del Altiplano
Derechos Reservados MCA-FIM 2009
14
Xc + Xm <= 95
- Xc + 5 Xm >= 0
- Xc + 2 Xm <= 0
Xc y Xm >= 0
Nota: Al resolver el modelo matemtico, los resultados indican que la veta Colquechaca debe
producir 63,33 ton de mineral y la veta 10 de mayo 31,67 ton de mineral, para obtener una
ganancia de $ 18 446,15 por da.
Fuente: Selvino Paz, PERT CPM una alternativa en problemas mineros, UNI, Lima Per,
2. World Oil Company puede comprar dos tipos de petrleo crudo: crudo ligero a un costo de $25
por barril y crudo pesado a $22 por barril. Cada barril de petrleo crudo, ya refinado, produce
tres productos: gasolina, turbosina y queroseno. La siguiente tabla indica las cantidades en
barriles de gasolina, turbosina y queroseno producidos por barril de cada tipo de petrleo
crudo:
Petrleo Crudo Gasolina Turbosina Queroseno
Crudo ligero 0,35 0,36 0,22
Crudo pesado 0,45 0,18 0,28
Cada barril de petrleo crudo ligero produce un desecho de 0,07 de barril que se tira a un
costo de $1 por barril de desecho. De manera similar, cada barril de petrleo crudo pesado
produce un desecho de 0,09 de barril y su eliminacin cuesta $ 1,50 por barril.
La refinera se ha comprometido a entregar 960 000 barriles de gasolina, 1 200 000 barriles de
turbosina y 450 000 barriles de queroseno. Como gerente de produccin, formule un modelo
para determinar la cantidad de cada tipo de petrleo crudo por comprar para minimizar el
costo total al tiempo que satisfaga la demanda apropiada.
Solucin:
Paso 1: Identificacin de las variables de decisin
CL = el nmero de de barriles de crudo ligero a adquirir
CP = el nmero de de barriles de crudo pesado a adquirir
Paso 2: Identificacin de los datos del problema
a) Costo de 1 barril de crudo ligero
= costo compra + costo de deposicin de desecho
= $25,0 + $1,0 = $26,0
b) Costo de 1 barril de crudo pesado
= costo compra + costo de deposicin de desecho
= $22,0 + $1,5 = $23,5
c) Productos obtenidos de 1 barril de crudo ligero
a. Gasolina: 0,35 barril
b. Turbosina: 0,36 barril
c. Queroseno: 0,22 barril
d. Desecho: 0,07 barril
d) Productos obtenidos de 1 barril de crudo pesado
a. Gasolina: 0,45 barril
b. Turbosina: 0,18 barril
c. Queroseno: 0,28 barril
d. Desecho: 0,09 barril
INVESTIGACION DE OPERACIONES EN MINERIA

Facultad de Ingeniera de Minas
Universidad Nacional del Altiplano
Derechos Reservados MCA-FIM 2009

15
e) Compromisos de venta adquiridos
a. Gasolina: 960 000 barril
b. Turbosina: 1 200 00 barril
c. Queroseno: 450 000 barril
Paso 3 Identificacin de la funcin objetivo
FV: Minimizar el costo total de la compra de crudos
D : Minimizar costo = Minimizar ( costo
2
de crudo ligero + costo de crudo pesado)
FM: Minimizar 26,0 CL + 23,5 CP
Paso 4 Identificacin de las restricciones
a) Compromiso de venta de gasolina
FV: producir un mnimo de 960 000 barriles de gasolina
D : la produccin de (gasolina de crudo ligero + gasolina de crudo pesado) debe ser al menos 960 000
barriles
FM: 0,35CL + 0,45CP >= 960 000
b) Compromiso de venta de turbosina
FV: producir un mnimo de 1 200 000 barriles de gasolina
D : la produccin de (turbosina de crudo ligero + turbosina de crudo pesado) debe ser al menos 1 200
000 barriles
FM: 0,36CL + 0,18CP >= 1 200 000
c) Compromiso de venta de queroseno
FV: producir un mnimo de 450 000 barriles de queroseno
D : la produccin de (queroseno de crudo ligero + queroseno de crudo pesado) debe ser al menos 450
000 barriles
FM: 0,22CL + 0,28CP >= 450 000
d) Restricciones lgicas
CL y CP >= 0 y enteros
Paso 5 Formulacin matemtica del modelo
Minimizar 26,0 CL + 23,5 CP
Sujeto a:
0,35CL + 0,45CP >= 960 000
0,36CL + 0,18CP >= 1 200 000
0,22CL + 0,28CP >= 450 000
CL y CP >= 0 y enteros

3. Exxon Oil Co. Construye una refinera para elaborar cuatro productos: diesel, gasolina,
lubricantes y combustible para avin. Las demandas (en barriles/da) de esos productos son:
14 000, 30 000, 10 000 y 8 000, respectivamente. Irn y Dubai tienen contrato para enviar
crudo a Exxon Oil Co. Debido a las cuotas de produccin que especifica la OPEP
(Organizacin de Pases Exportadores de Petrleo) la nueva refinera puede recibir al menos
el 40% de su crudo de Irn, y el resto de Dubai. Exxon Oil Co. pronostica que estas cuotas de
demanda y crudo permanecern estables durante los 10 aos siguientes.
Las distintas especificaciones de los dos crudos determinan dos proporciones distintas de
productos: un barril de crudo de Irn rinde 0,2 barril de diesel, 0,25 barril de gasolina, 0,1 barril

2
Costo = costo de 1 barril de crudo x nmero de barriles de crudo a adquirir.
MSc Ing Mario Cuentas Alvarado


Facultad de Ingeniera de Minas
Universidad Nacional del Altiplano
Derechos Reservados MCA-FIM 2009
16
de lubricante y 0,15 barril de combustible para avin. Los rendimientos correspondientes del
crudo de Dubai son: 0,1, 0,6, 0,15 y 0,1 respectivamente.
Exxon Oil Co. Necesita determinar la capacidad mnima de la refinera en barriles de crudo por
da.
Solucin:
Paso 1: Identificacin de las variables de decisin
CI = el nmero de barriles de crudo comprados a Irn diariamente.
CD = el nmero de barriles de crudo comprados a Dubai diariamente.
Paso 2: Identificacin de los datos del problema
a) Demanda de productos
- Diesel = 14 000 barriles/da
- Gasolina = 30 000 barriles/da
- Lubricantes = 10 000 barriles/da
- Combustible para avin = 8 000 barriles/da
b) Rendimiento de los crudos
Procedencia
Rendimiento (barriles)
Diesel Gasolina Lubricantes
Combustible
para avin
Irn 0,2 0,25 0,1 0,15
Dubai 0,1 0,6 0,15 0,1

c) Mnimo de crudo procedente de Irn = 40%
Paso 3 Identificacin de la funcin objetivo
FV: Minimizar la cantidad de crudo comprado por da
D : Minimizar ( cantidad de crudo comprado a Irn + cantidad de crudo comprado a Dubai)
FM: Minimizar CI + CD
Paso 4 Identificacin de las restricciones
a) Produccin de diesel
FV: la produccin de diesel debe ser al menos 14 000 barriles/da
D : (diesel procedente del crudo de Irn + diesel procedente del crudo de Dubai)debe ser al menos 14
000 barriles /da
FM: 0,2CI + 0,1 CD >= 14 000
b) Produccin de gasolina, lubricante y combustible para avin
De manera similar al caso anterior:
Produccin de gasolina:
0,25 CI + 0,6CD >= 30 000
Produccin de lubricante:
0,1 CI + 0,15CD >= 10 000
Produccin de combustible para avin:
0,15 CI + 0,1CD >= 8 000
c) Crudo comprado de Irn
FV: al menos debe recibir el 40% de crudo de Irn
DM: crudo de Irn debe ser mayor de 0,4x(crudo de Irn + crudo de Dubai)
INVESTIGACION DE OPERACIONES EN MINERIA

Facultad de Ingeniera de Minas
Universidad Nacional del Altiplano
Derechos Reservados MCA-FIM 2009

17
FM: CI >= 0,4(CI + CD)
0,6CI 0,4CD >= 0
d) Restricciones lgicas
CI y CD >= 0 y enteros.
Paso 5 Formulacin matemtica del modelo
Minimizar CI + CD
Sujeto a:
0,2CI + 0,1 CD >= 14 000
0,25 CI + 0,6CD >= 30 000
0,1 CI + 0,15CD >= 10 000
0,15 CI + 0,1CD >= 8 000
0,6CI 0,4CD >= 0
CI y CD >= 0 y enteros.
4. En Ananea Chemicals Co., se usan las materias primas I y II para producir dos soluciones
para lixiviacin, A Y B. La disponibilidad diaria de las materias primas I y II es de 150 y 140
galones respectivamente. Una unidad de solucin A consume 0,5 unidad de materia prima I y
0,6 unidad de materia II; una unidad de solucin B requiere 0,5 unidad de materia prima I y
0,4 unidad de materia prima II. Las utilidades unitarias de las soluciones A y B son $8 y $10,
respectivamente. La demanda diaria de la solucin A esta entre 30 y 150 unidades, y la de la
solucin B entre 40 y 200 unidades.
Solucin:
Paso 1: Identificacin de las variables de decisin
SA = el nmero de unidades de solucin A a producir diariamente.
SB = el nmero de unidades de solucin B a producir diariamente.
Paso 2: Identificacin de los datos del problema
a) Consumo y disponibilidad de las materias primas I y II
Materia Prima Solucin A Solucin B
Disponibilidad
Gl/x da
I 0,5 0,5 150
II 0,6 0,4 140

b) Utilidades unitarias de las soluciones
- Solucin A: $ 8,0
- Solucin B: $ 10,0
c) Demanda de las soluciones
a. Solucin A: entre 30 y 150 unidades
b. Solucin B: entre 40 y 200 unidades
Paso 3 Identificacin de la funcin objetivo
FV: Maximizar las utilidades por la venta de las soluciones A y B
D : Maximizar (utilidades por la venta de la solucin A + utilidades por la venta de la solucin B)
FM: Maximizar 8SA + 10SB
Paso 4 Identificacin de las restricciones
a) Consumo del material I
FV: El consumo del material I no debe exceder de 150 gl/da
MSc Ing Mario Cuentas Alvarado


Facultad de Ingeniera de Minas
Universidad Nacional del Altiplano
Derechos Reservados MCA-FIM 2009
18
D : (consumo del material I para producir la solucin A + consumo del material I para producir la solucin
B) no debe de exceder de 150 gl/da.
FM: 0,5 SA + 0,5SB <= 150
b) Consumo del material II
FV: El consumo del material II no debe exceder de 140 gl/da
D : (consumo del material II para producir la solucin A + consumo del material II para producir la
solucin B) no debe de exceder de 140 gl/da.
FM: 0,6 SA + 0,4SB <= 140
c) Demanda de la solucin A
FV: La demanda de la solucin A est entre 30 y 150 gl/da
FM: SA >= 30 y SA<= 150
d) Demanda de la solucin B
FV: La demanda de la solucin B est entre 40 y 200 gl/da
FM: SB >= 40 y SB<= 200
e) Restricciones lgicas
SA y SB >= 0 y enteros.
Paso 5 Formulacin matemtica del modelo
Maximizar 8SA + 10SB
Sujeto a:
0,5 SA + 0,5SB <= 150
0,6 SA + 0,4SB <= 140
SA >= 30
SA<= 150
SB >= 40
SB<= 200
SA y SB >= 0 y enteros

5. Una compaa minera opera tres minas. El mineral obtenido en cada una se separa en dos
calidades antes de su distribucin. Las capacidades de produccin diarias de cada mina, as
como sus costos de operacin diarios, son los siguientes:

Mineral de alta
calidad (ton/da)
Mineral de baja
calidad (ton/da)
Costo de operacin
(dlares/da)
Mina 1 40 40 20 000
Mina 2 60 40 22 000
Mina 3 10 60 18 000

La compaa se ha comprometido a entregar 540 toneladas de mineral de alta calidad y 650
de baja calidad en el plazo de una semana. Los contratos firmados le garantizan la paga del
da completo por cada da o fraccin que la mina est abierta.
Formule el modelo matemtico correspondiente para determinar el nmero de das que debe
funcionar cada mina durante la prxima semana para cumplir el compromiso con un costo
mnimo.
Solucin:
Paso 1: Identificacin de las variables de decisin
M1 = el nmero de das que trabaja la mina 1
M2 = el nmero de das que trabaja la mina2
INVESTIGACION DE OPERACIONES EN MINERIA

Facultad de Ingeniera de Minas
Universidad Nacional del Altiplano
Derechos Reservados MCA-FIM 2009

19
M3 = el nmero de das que trabaja la mina 3
Paso 2: Identificacin de los datos del problema
a) Capacidad de produccin de mineral de alta calidad de la mina 1: 40 ton/da
b) Capacidad de produccin de mineral de alta calidad de la mina 2: 60 ton/da
c) Capacidad de produccin de mineral de alta calidad de la mina 3: 10 ton/da
d) Capacidad de produccin de mineral de baja calidad de la mina 1: 40 ton/da
e) Capacidad de produccin de mineral de baja calidad de la mina 2: 40 ton/da
f) Capacidad de produccin de mineral de baja calidad de la mina 3: 60 ton/da
g) Costo de operacin de la mina 1: 20 000 dlares/da
h) Costo de operacin de la mina 2: 22 000 dlares/da
i) Costo de operacin de la mina 3: 18 000 dlares/da
j) Cantidad de mineral de alta calidad que debe entregar la empresa: 540 ton/semana
k) Cantidad de mineral de bajaa calidad que debe entregar la empresa: 650 ton/semana
Paso 3 Identificacin de la funcin objetivo
FV: Minimizar el costo de operacin semanal de las unidades mineras de la empresa.
D : Minimizar (costo de operacin de la mina 1 + costo de operacin de la mina 2 + costo de operacin
de la mina 3)
FM: Minimizar 20 000 M1 + 22 000 M2 + 18 000 M3
Paso 4 Identificacin de las restricciones
a) Compromiso de entrega de mineral de alta calidad
FV: La produccin semanal de mineral de alta calidad debe ser al menos 540 toneladas
D : (produccin semanal de mineral de alta calidad de la mina 1 + produccin semanal de mineral de
alta calidad de la mina 2 + produccin semanal de de mineral de alta calidad de la mina 3) debe ser
al menos 540 toneladas
FM: 40 M1 + 60 M2 + 10 M3 >= 540

b) Compromiso de entrega de mineral de baja calidad
FV: La produccin semanal de mineral de baja calidad debe ser al menos 650 toneladas
D : (produccin semanal de mineral de baja calidad de la mina 1 + produccin semanal de mineral de
baja calidad de la mina 2 + produccin semanal de de mineral de baja calidad de la mina 3) debe ser
al menos 650 toneladas
FM: 40 M1 + 40 M2 +610 M3 >= 650
c) Nmero de das trabajados por semana
FV: El nmero de das trabajados por semana en la mina 1 debe ser menor o igual a 7
FM: M1 <= 7
De manera similar en las minas 2 y 3
M2 <= 7
M3 <= 7
d) Restricciones lgicas
M1, M2 y M3 >= 0 y enteros
Paso 5 Formulacin matemtica del modelo
Minimizar 20 000 M1 + 22 000 M2 + 18 000 M3
Sujeto a:
40 M1 + 60 M2 + 10 M3 >= 540
MSc Ing Mario Cuentas Alvarado


Facultad de Ingeniera de Minas
Universidad Nacional del Altiplano
Derechos Reservados MCA-FIM 2009
20
40 M1 + 40 M2 +610 M3 >= 650
M1 <= 7
M2 <= 7
M3 <= 7
M1, M2 y M3 >= 0 y enteros

6. Una compaa petrolera produce dos tipos de gasolina, normal y sper, que vende a sus
estaciones de servicio a 120 y 140 dlares/barril respectivamente. Ambos tipos de gasolina se
realizan mezclando combustible nacional y extranjero de sus almacenes, y debe cumplir las
siguientes especificaciones:


Presin
de vapor
mxima
Octanaje
mnimo
Demanda
mxima
barriles/seman
a
Entregas
mnimas
barriles/seman
a
Normal 23 88 100 000 50 000
Sper 23 93 20 000 5 000

Las caractersticas del combustible disponible en el almacn son:

Presin de
vapor
Octanaje Barriles en
el almacn
Costo
$/barril
Nacional 25 87 40 000 80
Extranjero 15 98 60 000 150

Qu cantidades de combustible nacional y extranjero deben mezclarse para producir las dos
gasolinas y obtener los mximos beneficios semanales? Formule el modelo matemtico
correspondiente.

NOTA: Los componentes de la mezcla contribuyen al octanaje (y a la presin de vapor) de
acuerdo a su porcentaje en la mezcla.
Solucin:
Paso 1: Identificacin de las variables de decisin
GN = Nmero de barriles de gasolina normal a producir por semana
GS= Nmero de barriles de gasolina super a producir por semana
CNN= Nmero de barriles de combustible nacional para producir gasolina normal por semana
CEN= Nmero de barriles de combustible extranjero para producir gasolina normal por semana
CNS= Nmero de barriles de combustible nacional para producir gasolina super por semana
CES= Nmero de barriles de combustible extranjero para producir gasolina super por semana.
Paso 2: Identificacin de los datos del problema
a) Precio de 1 barril de gasolina normal = 120 $
b) Precio de 1 barril de gasolina super = 140 $
c) Especificaciones tcnicas de las gasolinas

Presin
de vapor
mxima
Octanaje
mnimo
Demanda
mxima
barriles/seman
a
Entregas
mnimas
barriles/seman
a
Normal 23 88 100 000 50 000
Sper 23 93 20 000 5 000
d) Caractersticas del combustible
Presin de
vapor
Octanaje Barriles en
el almacn
Costo
$/barril
INVESTIGACION DE OPERACIONES EN MINERIA

Facultad de Ingeniera de Minas
Universidad Nacional del Altiplano
Derechos Reservados MCA-FIM 2009

21
Nacional 25 87 40 000 80
Extranjero 15 98 60 000 150
Paso 3 Identificacin de la funcin objetivo
FV: Maximizar los beneficios semanales por concepto de venta de gasolina
D : Maximizar (ingresos por concepto de venta de gasolina normal + ingresos por concepto de venta de
gasolina super egreso por concepto de compra de combustible nacional egreso por concepto de
compra de combustible extranjero)
FM: Maximizar 120 GN + 140 GS 80 CNN 80 CNS 150 CEN 150 CES
Paso 4 Identificacin de las restricciones
a) Demanda mxima de gasolina normal
FV: La demanda mxima de la gasolina normal por semana es de 100 000 barriles
FM: GN <= 100 000
b) Demanda mxima de gasolina super
De manera similar al caso anterior
GS <= 20 000
c) Entrega mnima de gasolina normal
FV: La entrega mnima de la gasolina normal por semana es de 50 000 barriles
FM: GN >= 50 000
d) Entrega mnima de gasolina super
De manera similar al caso anterior
GS >= 5 000
e) Presin de vapor mxima de la gasolina normal
FV: La presin de vapor de la gasolina normal debe ser menos de 23
D : (presin de vapor aportado por el combustible nacional + presin de vapor aportado por el
combustible extranjero) debe ser menor de 23
FM: 25 CNN + 15 CEN <= 23 GN
25 CNN + 15 CEN - 23 GN <= 0
f) Presin de vapor mxima de la gasolina super
De manera similar al caso anterior
25 CNS + 15 CES - 23 GS <= 0
g) Octanaje mnimo de la gasolina normal
FV: El octanaje de la gasolina normal debe ser mayor de 88
D : (octanaje aportado por el combustible nacional + octanaje aportado por el combustible extranjero)
debe ser mayor de 88
FM: 87 CNN + 98 CEN >= 88 GN
87 CNN + 98 CEN - 88 GN >= 0
h) Octanaje mnimo de la gasolina super
De manera similar al caso anterior
87 CNS + 98 CES - 93 GS >= 0
i) Existencia de combustible nacional en el almacn
FV: El nmero de barriles de combustible nacional que puede utilizarse para producir gasolina es
mximo 40 000
FM: CNN + CNS <= 40 000
j) Demanda mxima con el combustible extranjero
MSc Ing Mario Cuentas Alvarado


Facultad de Ingeniera de Minas
Universidad Nacional del Altiplano
Derechos Reservados MCA-FIM 2009
22
De manera similar al caso anterior
CEN + CES <= 60 000
k) Igualdad para gasolina normal
FV: El volumen de Combustible utilizado es igual al volumen de gasolina normal producido
D : (Volumen combustibles nacional + volumen de combustible extranjero = Volumen de gasolina
normal)
FM: CNN + CEN = GN
CNN + CEN - GN = 0
l) Igualdad para gasolina normal
De manera similar al caso anterior
CNS + CES - GS = 0
m) Restricciones lgicas
GN, GS, CNN, CNS, CEN y CES >= 0
Paso 5 Formulacin matemtica del modelo
Maximizar 120 GN + 140 GS 80 CNN 80 CNS 150 CEN 150 CES
Sujeto a:
GN <= 100 000
GS <= 20 000
GN >= 50 000
GS >= 5 000
25 CNN + 15 CEN - 23 GN <= 0
25 CNS + 15 CES - 23 GS <= 0
87 CNN + 98 CEN - 88 GN >= 0
87 CNS + 98 CES - 93 GS >= 0
CNN + CNS <= 40 000
CEN + CES <= 60 000
CNN + CEN - GN = 0
CNS + CES - GS = 0
GN, GS, CNN, CNS, CEN y CES >= 0
7. Una compaa produce dos tipos de bombas. Cada bomba del tipo 1 requiere el doble de
tiempo en mano de obra que el segundo tipo. Si todas las bombas son del tipo 2, la compaa
puede producir un total de 500 bombas al da. El mercado limita las ventas diarias del tipo 1 y
2 a 150 y 250 bombas respectivamente. Suponga que los beneficios por cada bomba son $80
para el tipo 1 y $50 para el tipo 2. determine el nmero de bombas a ser producidos de cada
tipo para maximizar el beneficio.
Solucin:
a. Formulacin del modelo matemtico
Paso 1: Identificacin de las variables de decisin
B1 = el nmero de bombas del tipo 1 producidas por da.
B2 = el nmero de bombas del tipo 2 producidas por da
Paso 2: Identificacin de los datos del problema
a) Una bomba del tipo 1 requiere el doble de tiempo en mano de obra que la bomba de tipo
2.
b) La compaa si solo produce bombas del tipo 2, puede producir 500 unidades.
INVESTIGACION DE OPERACIONES EN MINERIA

Facultad de Ingeniera de Minas
Universidad Nacional del Altiplano
Derechos Reservados MCA-FIM 2009

23
c) La venta mxima de bombas de tipo 1 es de 150 unidades.
d) La venta mxima de bombas de tipo 2 es de 250 unidades.
e) El beneficio por la venta de una bomba de tipo 1 es de $80,0.
f) El beneficio por la venta de una bomba de tipo 2 es de $50,0.
Paso 3 Identificacin de la funcin objetivo
FV: Maximizar los beneficios obtenidos por la venta de bombas. .
D : Maximizar (beneficios por la venta de bombas del tipo 1 + beneficios por la venta de bombas del tipo
2)
FM: Maximizar 80 B1 + 50 B2
Paso 4 Identificacin de las restricciones
a) Tiempo en mano de obra
FV: Si la compaa produce solo bombas de tipo 2, puede producir 500 unidades
D : (tiempo en mano de obra para producir bombas del tipo 1 + tiempo en mano de obra para producir
bombas del tipo 2) es igual al tiempo para producir 500 bombas del tipo 2
FM: B1T1 + B2T2 <= 500T2, donde T1 = 2T2
B1 2T2 + B2T2 <= 500T2
2B1 + B2 <= 500
b) Ventas diarias
FV: El nmero de bombas del tipo 1 que se puede vender es un mximo de 150 unidades
FM: B1 <= 150
De manera similar con la venta de bombas del tipo 2
B2 <= 250
c) Restricciones lgicas
B1 y B2 >= 0
Paso 5 Formulacin matemtica del modelo
Maximizar 80 B1 + 50 B2
Sujeto a:
2B1 + B2 <= 500
B1 <= 150
B2 <= 250
B1 y B2 >= 0
8. Una compaa de transporte de concentrado de mineral tiene 10 camiones con capacidad de
20 toneladas y 5 camiones de 15 toneladas de capacidad. Los camiones grandes tienen
costos de operacin de $ 0,30/Km y los mas pequeos de $0,25/km. La prxima semana, la
compaa debe transportar 200 toneladas de concentrado de plomo para un recorrido de 800
km. La posibilidad de otros compromisos impone que por cada dos camiones medianos
mantenidos en reserva debe quedarse por lo menos uno de los grandes. Se pregunta Cual
es el nmero ptimo de camiones de ambas clases que deben movilizarse para transportar el
concentrado?
Solucin:
a. Formulacin del modelo matemtico
Paso 1: Identificacin de las variables de decisin
CG = el nmero de camiones grandes empleados por semana.
CM = el nmero de camiones medianos empleados por semana.
MSc Ing Mario Cuentas Alvarado


Facultad de Ingeniera de Minas
Universidad Nacional del Altiplano
Derechos Reservados MCA-FIM 2009
24
Paso 2: Identificacin de los datos del problema
a) La compaa posee 10 camiones con capacidad de 20 toneladas.
b) La compaa posee 5 camiones con capacidad de15 toneladas.
c) El costo de operacin de un camin grande es de $0,30 / km.
d) El costo de operacin de un camin mediano es de $0,25 / km.
e) Costo de operacin de un camin grande para un recorrido de 800 km = $0,30 * 800 = $240
f) Costo de operacin de un camin grande para un recorrido de 800 km = $0,25 * 800 = $200
g) En reserva debe quedarse un camin grande por cada dos camiones medianos.
Paso 3 Identificacin de la funcin objetivo
FV: Minimizar el costo de operacin de los camiones a movilizar
D : Minimizar (costo de operacin de los camiones grandes a movilizar + costo de operacin de los
camiones medianos a movilizar)
FM: Minimizar 240 CG + 200 CM
Paso 4 Identificacin de las restricciones
a) Tonelaje a transportar
FV: La compaa debe transportar 200 toneladas de concentrado
D : (toneladas de concentrado transportado por camiones grandes + toneladas de concentrado
transportado por camiones medianos ) es igual 200 toneladas de concentrado
FM: 20 CG + 15 CM = 200
b) Relacin de reserva de camiones
FV: por cada dos camiones medianos mantenidos en reserva debe quedarse por lo menos un camin
grande
FM: 2(5- CM) <= (10 CG)
CG 2 CM <= 0
c) Nmero de camiones
FV: La compaa puede utilizar un mximo de 10 camiones grandes
FM: CG <= 10
De manera similar para los camiones medianos
CM <= 5
d) Restricciones lgicas
CG y CM >= 0
Paso 5 Formulacin matemtica del modelo
Minimizar 240 CG + 200 CM
Sujeto a:
20 CG + 15 CM = 200
CG 2 CM <= 0
CG <= 10
CM <= 5
CG y CM >= 0 y enteros
9. El departamento de energa de Paraguay actualmente esta en el proceso de desarrollar un
plan nacional de energa para el ao 2009. Paraguay puede generar energa de cualquiera de
cinco fuentes: carbn, gas natural, materiales nucleares, proyectos hidroelctricos y petrleo.
Los datos sobre los recursos de energa, las capacidades de generacin medidas en
megawatt-horas (MW-hr, y los costos unitarios de generacin se dan en la tabla 1.
INVESTIGACION DE OPERACIONES EN MINERIA

Facultad de Ingeniera de Minas
Universidad Nacional del Altiplano
Derechos Reservados MCA-FIM 2009

25
Tabla 1. Capacidades de generacin y costos
Fuente de Energa Capacidad Total
(MW-hr)
Costo de Generacin
($/MW-hr)
Carbn 45 000 6,0
Gas natural 15 000 5,5
Nuclear 45 000 4,5
Hidroelctrica 24 000 5,0
Petrleo 48 000 7,0
Paraguay necesita 50 000 MW-hr de energa de uso domestico, y el pas tiene un
compromiso para producir 10 000 MW-hr para la exportacin. Ms aun, a fin de conservar los
recursos de energa y proteger el ambiente, el gobierno ha aprobado las siguientes
regulaciones.
1. La generacin proveniente de materiales nucleares no debe exceder 20% de la
energa total generada por Paraguay.
2. Debe utilizarse al menos 80% de las capacidades de la plantas de carbn
3. Los efluentes que salen a la atmsfera no deben exceder los lmites especificados
en la tabla 2.
4. la cantidad de energa generada a partir del gas natural debe ser al menos 30% de la
generada a partir del petrleo.
Tabla 2. Datos de contaminacin en la generacin de energa
Fuente de
Energa
Contaminante (g/MW-hr)
Dixido de
Azufre
Monxido de
Carbono
Partculas de
Polvo
Desechos
slidos
Carbn 1,5 1,2 0,7 0,4
Gas natural 0,2 0,5 - -
Nuclear - 0,1 0,2 0,7
Hidroelctrica - - - -
Petrleo 0,4 0,8 0,5 0,1
Kg mximos
permitidos
75 60 30 25
Formule el modelo matemtico correspondiente.
Solucin:
Paso 1: Identificacin de las variables de decisin
C = el nmero de MW-h generados con carbn
G = el nmero de MW-h generados con gas natural
N = el nmero de MW-h generados con material nuclear.
H = el nmero de MW-h generados con proyectos hidroelctricos.
P = el nmero de MW-h generados con petrleo.

Paso 2: Identificacin de los datos del problema
d) Demanda de energa:
Consumo domestico: 50 000 MW-hr
Exportacin: 10 000 MW-h
Total: 60 000 MW-hr
e) La generacin de energa por plantas nucleares no debe exceder el 20% de la energa total
generada.
MSc Ing Mario Cuentas Alvarado


Facultad de Ingeniera de Minas
Universidad Nacional del Altiplano
Derechos Reservados MCA-FIM 2009
26
20% de 60 000 MW-hr = 12 000 MW-hr
f) Se debe utilizar al menos 80% de la capacidad de las plantas de carbn.
80% de 45 000 MW-hr = 36 000 MW-hr
g) La cantidad de generada a partir del gas natural debe ser al menos 30% de la generada a partir del
petrleo.
h) Capacidades de generacin y costos:
Fuente de Energa Capacidad Total
(MW-hr)
Costo de Generacin
($/MW-hr)
Carbn 45 000 6,0
Gas natural 15 000 5,5
Nuclear 45 000 4,5
Hidroelctrica 24 000 5,0
Petrleo 48 000 7,0
i) Informacin de contaminacin durante la generacin de energa:
Fuente de
Energa
Contaminante (g/MW-hr)
Dixido de Azufre
Monxido de
Carbono
Partculas de
Polvo
Desechos slidos
Carbn 1,5 1,2 0,7 0,4
Gas natural 0,2 0,5 - -
Nuclear - 0,1 0,2 0,7
Hidroelctrica - - - -
Petrleo 0,4 0,8 0,5 0,1
Kg mximos
permitidos
75 60 30 25

Paso 3 Identificacin de la funcin objetivo
FV: Minimizar los costos de generacin de energa
D : Minimizar (los costos de generacin de energa con carbn + los costos de generacin de energa
con gas natural + los costos de generacin de energa con material nuclear + los costos de
generacin de energa con hidroelctricas + los costos de generacin de energa con petrleo )
FM: Minimizar 6,0C + 5,5G + 4,5N+ 5,0H+ 7,0P
Nota: Costo de generacin = Costo unitario de generacin x N de MW-hr generados.
Paso 4 Identificacin de las restricciones
a) Demanda de Energa
FV: la produccin de energa debe ser igual a 60 000 MW-hr
D : (generacin de energa con carbn + generacin de energa con gas natural + generacin de energa
con material nuclear + generacin de energa con hidroelctricas + generacin de energa con
petrleo ) debe ser igual a 60 000 MW-hr
FM: C + G + N + H + P = 60 000
b) Capacidad total de generacin de energa con carbn
FV: La capacidad total de generacin de energa con carbn no debe exceder 45 000 MW-hr
FM: C <= 45 000
c) Capacidad total de generacin de energa con gas, material nuclear, hidroelctricas y petrleo
De manera similar al caso anterior:
Capacidad total de generacin de energa con gas
FM: G <= 15 000
Capacidad total de generacin de energa con material nuclear
FM: N <= 45 000
Capacidad total de generacin de energa con hidroelctricas
INVESTIGACION DE OPERACIONES EN MINERIA

Facultad de Ingeniera de Minas
Universidad Nacional del Altiplano
Derechos Reservados MCA-FIM 2009

27
FM: H <= 24 000
Capacidad total de generacin de energa petrleo
FM: P <= 48 000
d) Generacin de energa en plantas nucleares
FV: La generacin de energa por plantas nucleares no debe exceder el 20% de la energa total
generada
D : La generacin de energa por plantas nucleares no debe exceder el 20% de 60 000 MW-hr
FM: N <= 12 000
e) Generacin de energa en plantas de carbn
FV: Se debe utilizar al menos 80% de la capacidad de las plantas de carbn
D : La generacin de energa por plantas de carbn debe ser mayor del 80% de 45 000 MW-hr
FM: C >= 36 000
f) Generacin de energa en plantas de gas natural
FV: La cantidad de energa generada a partir del gas natural debe ser al menos 30% de la energa
generada a partir del petrleo.
FM: G >= 0,3P
G 0,3P >= 0
g) Limite mximo permisible de Dixido de Azufre
FV: La cantidad total de dixido de azufre emitido por la generacin de energa no debe ser mayor de 75
kg.
D : (La cantidad de dixido de azufre emitido por las plantas de carbn + La cantidad de dixido de
azufre emitido por las plantas de gas natural + La cantidad de dixido de azufre emitido por las
plantas nucleares + La cantidad de dixido de azufre emitido por las hidroelctricas + La cantidad de
dixido de azufre emitido por las plantas de petrleo) no debe ser mayor de 75 kg
FM: 1,5C + 0,2G + 0,4P <= 75 000
Nota: se uniformizan las unidades a ambos lados ( 1 000 g = 1 kg)
h) Limite mximo permisible de monxido de carbono, partculas de polvo y desechos slidos
De manera similar al caso anterior:
Limite mximo permisible de monxido de carbono
1,2C + 0,5G +0,1N + 0,8P <= 60 000
Limite mximo permisible de partculas de polvo
0,7C + 0,2N + 0,5P <= 30 000
Limite mximo permisible de desechos slidos
0,4C + 0,7N + 0,1P <=25 000
i) Restricciones lgicas
C, G, N, H yP >= 0 y enteros.
Paso 5 Formulacin matemtica del modelo
Minimizar 6,0C + 5,5G + 4,5N+ 5,0H+ 7,0P
Sujeto a:
C + G + N + H + P = 60 000
C <= 45 000
G <= 15 000
N <= 45 000
H <= 24 000
MSc Ing Mario Cuentas Alvarado


Facultad de Ingeniera de Minas
Universidad Nacional del Altiplano
Derechos Reservados MCA-FIM 2009
28
P <= 48 000
N <= 12 000
C >= 36 000
G 0,3P >= 0
1,5C + 0,2G + 0,4P <= 75 000
1,2C + 0,5G +0,1N + 0,8P <= 60 000
0,7C + 0,2N + 0,5P <= 30 000
0,4C + 0,7N + 0,1P <=25 000
C, G, N, H yP >= 0 y enteros.
10. Una compaa elabora cuatro productos metlicos: a, b, c y d, los cuales fluyen a travs de
cuatro departamentos taladrado, torneado, fresado y ensamblado. Las horas para el tiempo en
el departamento, que se requiere para cada uno de los productos por unidad son:
Producto Taladrado Torneado Fresado Ensamblado
a 3 0 3 4
b 7 2 4 6
c 4 4 0 5
d 0 6 5 3
Las contribuciones unitarias de los cuatro productos y las horas de disponibilidad en los
cuatro departamentos son:
Producto
Contribucin
($)/unidad
a 9
b 18
c 14
d 11

Departamento Horas disponibles
Taladrado 70
Torneado 80
Fresado 90
Ensamblado 100
Formule el modelo matemtico correspondiente.
Solucin:
Paso 1: Identificacin de las variables de decisin
A = El nmero de unidades del producto a a producir.
B = El nmero de unidades del producto b a producir.
C = El nmero de unidades del producto c a producir.
D = El nmero de unidades del producto d a producir.
Paso 2: Identificacin de los datos del problema
a) Horas de proceso empleados en los departamentos para producir los productos
Producto Taladrado Torneado Fresado Ensamblado
a 3 0 3 4
b 7 2 4 6
c 4 4 0 5
d 0 6 5 3
b) Utilidades generadas por los productos
INVESTIGACION DE OPERACIONES EN MINERIA

Facultad de Ingeniera de Minas
Universidad Nacional del Altiplano
Derechos Reservados MCA-FIM 2009

29
Producto
Contribucin
($)/unidad
a 9
b 18
c 14
d 11
c) Horas disponibles por departamento de produccin
Departamento Horas disponibles
Taladrado 70
Torneado 80
Fresado 90
Ensamblado 100
Paso 3 Identificacin de la funcin objetivo
FV: Maximizar las utilidades de la empresa
D : Maximizar (las utilidades generadas por el producto a + las utilidades generadas por el producto b +
las utilidades generadas por el producto c + las utilidades generadas por el producto d)
FM: Maximizar 9A +18B +14 C +11 D
Paso 4 Identificacin de las restricciones
a) Departamento de taladrado
FV: El nmero de horas disponibles en el departamento de taladrado es de 70
D : (nmero de horas de taladrado empleados en el producto a + nmero de horas de taladrado
empleados en el producto b + nmero de horas de taladrado empleados en el producto c + nmero
de horas de taladrado empleados en el producto d) debe ser menor de 70 horas
FM: 3A + 7B + 4C <= 70
b) Departamentos de torneado, fresado y ensamblado
De manera similar al caso anterior:
Departamento de torneado:
2B + 4C + 6D <= 80
Departamento de fresado:
3A + 4B + 5D <= 90
Departamento de ensamblado:
4A + 6B + 5C + 3D <= 100
c) Restricciones lgicas
A, B, C y D >= 0 y enteros.
Paso 5 Formulacin matemtica del modelo
Maximizar 9A +18B +14 C +11 D
Sujeto a:
3A + 7B + 4C <= 70
2B + 4C + 6D <= 80
3A + 4B + 5D <= 90
4A + 6B + 5C + 3D <= 100
A, B, C y D >= 0 y enteros.
11. La compaa Cueros de Acero produce guantes y correas de seguridad para minera. La
materia prima para los guantes cuesta S/. 2,0 por unidad, mientras que la materia prima para
cada correa de seguridad cuesta 2,5. Una correa de seguridad requiere dos horas de maquina
de obra en el departamento 1 y tres horas en el departamento 2. Mientras que un guante
MSc Ing Mario Cuentas Alvarado


Facultad de Ingeniera de Minas
Universidad Nacional del Altiplano
Derechos Reservados MCA-FIM 2009
30
requiere cuatro horas en el departamento 1 y dos horas en el departamento 2. El jornal por
hora en ambos departamentos es de S/. 2,0. Ambos productos se venden a S/. 18,0 y el
nmero de horas de mano de hora disponibles por semana en los departamentos es de 160 y
180 horas respectivamente, Como gerente de produccin determine la produccin ptima de
la compaa.
Solucin:
a) Formulacin del modelo matemtico
Paso 1: Identificacin de las variables de decisin
G = El nmero de pares de guantes producido..
C= El nmero de unidades de correas producidos.
Paso 2: Identificacin de los datos del problema
d) Utilidades producto de la venta de guantes
Utilidad = Costo de venta Costo de produccin
Utilidad = Costo de venta (costo de materia prima + costo de maquina 1 + costo de maquina 2)
Utilidad = Costo de venta (costo de materia prima + costo unitario de maquina 1 x horas utilizadas
de maquina 1 + costo unitario de maquina 2 x horas utilizadas de maquina 2)
Utilidad = S/. 18,0 (S/.2,0 + 2,0 S/./h x 4h + 2,0 S/./h x2h)
Utilidad = S/. 4,0
e) Utilidades producto de la venta de correas de seguridad
Utilidad = S/. 18,0 (S/.2,5 + 2,0 S/./h x2h + 2,0 S/./h x3h)
Utilidad = S/. 5,5
f) Horas mquina empleados para producir guantes y correas
Producto Mquina 1 Mquina 2
Guantes (par) 4 2
Correas 2 3
Total 160 180
Paso 3 Identificacin de la funcin objetivo
FV: Maximizar las utilidades de la empresa
D : Maximizar (las utilidades generadas por la venta de guantes + las utilidades generadas por la venta
de correas)
FM: Maximizar 4G + 5,5C
Paso 4 Identificacin de las restricciones
a) Uso de la mquina 1
FV: El nmero de horas disponibles de la mquina 1 es de 160
D : (nmero de horas de mquina 1 empleados en los guantes + nmero de horas de taladrado
empleados en las correas) debe ser menor de 160 horas
FM: 4G + 2C <= 160
b) Uso de la mquina 2
De manera similar al caso anterior:
2G + 3C <= 180
c) Restricciones lgicas
G y C >= 0 y enteros.
Paso 5 Formulacin matemtica del modelo
Maximizar 4G + 5,5C
Sujeto a:
4G + 2C <= 160
INVESTIGACION DE OPERACIONES EN MINERIA

Facultad de Ingeniera de Minas
Universidad Nacional del Altiplano
Derechos Reservados MCA-FIM 2009

31
2G + 3C <= 180
G y C >= 0 y enteros.
12. Luz del Centro es duea de una central turbogeneradora. Como en los alrededores hay
abundantes depsitos de carbn, la central genera su vapor con ese combustible. Sin
embargo, eso puede causar una emisin que no cumpla con las normas ambientales, que
limitan la descarga de dixido de azufre a 2 000 partes por milln por tonelada de carbn
quemado, y la descarga de humo por las chimeneas a 20 libras por hora. La empresa recibe
dos clases de carbn pulverizado, C1 y C2, que usa en sus calderas. Las dos clases se
suelen mezclar antes de quemarlas. Para simplificar, se puede suponer que el dixido de
azufre contaminante de la mezcla (en partes por milln) es un promedio ponderado para cada
clase que se usa en la mezcla. Los datos siguientes se basan en 1 tonelada de consumo por
hora, de cada una de las dos clases de carbn.
Clase de
carbn
Descarga de azufre
Partes por millon
Descarga de humo
Lb/hora
Vapor generado
Lb/hora
C1 1 800 2,1 12 000
C2 2 100 0,9 9 000
Determine la relacin ptima de mezcla de las dos clases de carbn.
Solucin:
a) Formulacin del modelo matemtico
Paso 1: Identificacin de las variables de decisin
C1 = El nmero de toneladas de carbn pulverizado tipo 1 a mezclarse por hora.
C2 = El nmero de toneladas de carbn pulverizado tipo 2 a mezclarse por hora.
Paso 2: Identificacin de los datos del problema
b) Emisin de contaminantes por la quema de carbn y vapor generado por 1 tonelada de consumo por
hora
Clase de
carbn
Descarga de azufre
Partes por millon
Descarga de humo
Lb/hora
Vapor generado
Lb/hora
C1 1 800 2,1 12 000
C2 2 100 0,9 9 000
a. Limite mximo permisible de emisin de dixido de azufre = 2 000 ppm
b. Limite mximo permisible de descarga de humo por las chimeneas = 20 lb/h
Paso 3 Identificacin de la funcin objetivo
FV: Maximizar el vapor generado por la central turbogeneradora
D : Maximizar (el vapor generado por el carbn tipo 1 + el vapor generado por el carbn tipo)
FM: Maximizar 12 000C1 + 9 000C2

Paso 4 Identificacin de las restricciones
a) Limite mximo permisible de dixido de azufre
FV: La cantidad total de dixido de azufre emitido por la quema de carbn no debe ser mayor de 2 000
ppm.
D : (La cantidad de dixido de azufre emitido por la quema del carbn 1 + La cantidad de dixido de
azufre emitido por la quema del carbn 2) no debe ser mayor de 2 000 ppm.
FM:
2000
2 1
2 2100 1 1800
s
+
+
C C
xC xC

FM: -200C1 + 100C2 <= 0
b) Limite mximo permisible de descarga de humo
FV: La cantidad total de descarga de humo emitido por la quema de carbn no debe ser mayor de 20 lb.
MSc Ing Mario Cuentas Alvarado


Facultad de Ingeniera de Minas
Universidad Nacional del Altiplano
Derechos Reservados MCA-FIM 2009
32
D : (La cantidad de descarga de humo emitido por la quema del carbn 1 + La cantidad de descarga de
humo emitido por la quema del carbn 2) no debe ser mayor de 20 lb
FM: 2,1C1 + 0,9C2 <= 20
c) Restricciones lgicas
C1 y C2 >= 0 y enteros.
Paso 5 Formulacin matemtica del modelo
Maximizar 12 000C1 + 9 000C2
Sujeto a:
F-200C1 + 100C2 <= 0
2,1C1 + 0,9C2 <= 20
C1 y C2 >= 0 y enteros.
13. Dos fbricas de explosivos producen 3 tipos de diferentes dinamitas, de bajo, medio y alto
grado. Se tiene un contrato de venta para vender 15 cajas de dinamita de bajo grado, 2 cajas
de dinamita de medio grado y 10 cajas de alto grado, los costos de operacin son de $ 2
720,0/da para la primera fbrica y $ 3 200,0/da para la segunda.
La fbrica 1 produce 8 cajas de bajo grado, 1 caja de medio grado y 2 cajas de alto grado en
un da de operacin; la fbrica 2 produce 2 cajas de bajo grado, 1 caja de grado medio y 7
cajas de alto grado por da.
Formule un modelo matemtico para determinar el nmero de das que debe trabajar cada
fbrica para cumplir con el mencionado contrato en la forma mas econmica.
Solucin:
Paso 1: Identificacin de las variables de decisin
F1 = el nmero de das que trabaja la fbrica 1
F2 = el nmero de das que trabaja la fbrica 2
Paso 2: Identificacin de los datos del problema
n) Contrato de venta para dinamita de bajo grado: 15 cajas
o) Contrato de venta para dinamita de medio grado: 2 cajas
p) Contrato de venta para dinamita de alto grado: 10 cajas
q) Costo de operacin de la fbrica 1: $ 2 720,0 por da
r) Costo de operacin de la fbrica 2: $ 3 200,0 por da
s) La fbrica 1 produce 8 cajas de bajo grado, 1 caja de medio grado y 2 cajas de alto grado en un da
de operacin.
t) La fbrica 2 produce 2 cajas de bajo grado, 1 caja de grado medio y 7 cajas de alto grado por da.
Paso 3 Identificacin de la funcin objetivo
FV: Minimizar el costo de operacin total de las fbricas
D : Minimizar (costo de operacin de la fbrica 1 + costo de operacin de la fbrica 2)
FM: Minimizar 2 720 F1 + 3 200 F2
Paso 4 Identificacin de las restricciones
e) Compromiso de venta de dinamita de bajo grado
FV: La produccin de dinamita de bajo grado debe ser al menos 15 cajas
D : (produccin de dinamita de bajo grado de la fbrica 1 + produccin de dinamita de bajo grado de la
fbrica 2) debe ser al menos 15 cajas
FM: 8 F1 + 2 F2 >= 15
f) Compromiso de venta de dinamita de medio grado
INVESTIGACION DE OPERACIONES EN MINERIA

Facultad de Ingeniera de Minas
Universidad Nacional del Altiplano
Derechos Reservados MCA-FIM 2009

33
FV: La produccin de dinamita de medio grado debe ser al menos 2 cajas
D : (produccin de dinamita de medio grado de la fbrica 1 + produccin de dinamita de medio grado de
la fbrica 2) debe ser al menos 2 cajas
FM: F1 + F2 >= 2
g) Compromiso de venta de dinamita de alto grado
FV: La produccin de dinamita de alto grado debe ser al menos 10 cajas
D : (produccin de dinamita de alto grado de la fbrica 1 + produccin de dinamita de alto grado de la
fbrica 2) debe ser al menos 10 cajas
FM: 2 F1 + 7 F2 >= 10
h) Restricciones lgicas
F1 y, F2 >= 0 y enteros
Paso 5 Formulacin matemtica del modelo
Minimizar 2 720 F1 + 3 200 F2
Sujeto a:
8 F1 + 2 F2 >= 15
F1 + F2 >= 2
2 F1 + 7 F2 >= 10
F1 y, F2 >= 0 y enteros
14. La Tomas River Chemicals Inc., debe producir 1 000 lb de una mezcla especial para un
cliente, compuesta de los ingredientes AX1, AX2, AX. El ingrediente AX1 cuesta $ 7,0 la libra,
el AX2 cuesta $ 6,9/lb y la AX3 $7,0/lb. No pueden usarse mas de 300 libras de AX1 y debe
usarse por lo menos 150 lb de AX2. Adems se requieren de por lo menos 200 lb de AX3.

Como la empresa desea minimizar los costos, formule un modelo matemtico para determinar
la cantidad de cada ingrediente que debe utilizar la empresa.

Solucin:
Paso 1: Identificacin de las variables de decisin
AX1 = el nmero de libras del ingrediente AX1 a usarse para producir la mezcla
AX2 = el nmero de libras del ingrediente AX2 a usarse para producir la mezcla
AX3 = el nmero de libras del ingrediente AX3 a usarse para producir la mezcla
Paso 2: Identificacin de los datos del problema
a) La empresa debe producir 1 000 lb de una mezcla especial
b) El ingrediente AX1 cuesta $ 7,0 la libra
c) El ingrediente AX2 cuesta $ 6,9 la libra
d) El ingrediente AX3 cuesta $ 7,0 la libra
e) No puede usarse ms de 300 lb del ingrediente AX1
f) Debe usarse por lo menos 150 lb del ingrediente AX2
g) Se requiere por lo menos 200 lb de AX3
Paso 3 Identificacin de la funcin objetivo
FV: Minimizar el costo de operacin de la empresa.
D : Minimizar (costo del ingrediente AX1 + costo del ingrediente AX2 + costo del ingrediente AX3)
FM: Minimizar 7 AX1 + 6,9 AX2 + 7 AX3
Paso 4 Identificacin de las restricciones
a) Produccin
MSc Ing Mario Cuentas Alvarado


Facultad de Ingeniera de Minas
Universidad Nacional del Altiplano
Derechos Reservados MCA-FIM 2009
34
FV: La empresa debe producir 1 000 lb de una mezcla especial
D : (costo del ingrediente AX1 + costo del ingrediente AX2 + costo del ingrediente AX3) debe ser al
menos 1 000 lb
FM: AX1 + AX2 + AX3 >= 1 000
b) Uso del ingrediente AX1
FV: No puede usarse ms de 300 lb del ingrediente AX1
FM: AX1 <= 300
c) Uso del ingrediente AX2
FV: Debe usarse por lo menos 150 lb del ingrediente AX2
d) Uso del ingrediente AX3
FV: Se requiere por lo menos 200 lb de AX3
e) Restricciones lgicas
Paso 5 Formulacin matemtica del modelo
Minimizar 7 AX1 + 6,9 AX2 + 7 AX3
Sujeto a:
AX1 + AX2 + AX3 >= 1 000
AX1 <= 300
AX2 >= 150
AX3 >= 200
AX1, AX2 y AX3 >= 0 y enteros
15. Una compaa extrae tres tipos de mineral en tres pozos distintos. Para esto cuenta con tres
equipos de las siguientes caractersticas:
Capacidad de trabajo (rendimiento) en Ton/da
Equipo Pozos Das de mantenimiento
por mes (30 das)
P1 P2 P3
E1 90 70 78 5
E2 65 80 65 2
E3 50 70 85 2
Por compromisos adquiridos anteriormente, debe arrendarse otro equipo de las siguientes
caractersticas
Equipo Pozos Das de mantenimiento
por mes (30 das)
P1 P2 P3
E4 90 72 58 1
que est disponible los 30 das del mes, pero no se arrienda por menos de 10 das/mes.
La empresa que recibe el material admite las capacidades siguientes:
Mineral Pozo P1 2500 Ton/mes
Mineral Pozo P2 2300 Ton/mes
Mineral Pozo P3 2250 Ton/mes
INVESTIGACION DE OPERACIONES EN MINERIA

Facultad de Ingeniera de Minas
Universidad Nacional del Altiplano
Derechos Reservados MCA-FIM 2009

35
Los costos de operacin que tiene cada equipo estn en el cuadro siguiente ($/da):
Equipo Pozos
P1 P2 P3
E1 12 25 22
E2 4 17 20
E3 9 20 21
E4 15 30 25
Los gastos de salario y jornales de la mano de obra asociada a cada equipo son:
Equipo E1 E2 E3 E4
($/dia) 20 35 30 40
Suponiendo que los pozos deben explotarse los 30 das del mes, plantee el problema de
programacin lineal, de manera que el programa de explotacin produzca mximas utilidades.
Solucin:
Paso 1: Identificacin de las variables de decisin
E1P1 = el nmero de das de trabajo durante 1 mes del equipo 1 en el pozo 1.
E1P2 = el nmero de das de trabajo durante 1 mes del equipo 1 en el pozo 2.
E1P3 = el nmero de das de trabajo durante 1 mes del equipo 1 en el pozo 3.
E2P1 = el nmero de das de trabajo durante 1 mes del equipo 2 en el pozo 1.
E2P2 = el nmero de das de trabajo durante 1 mes del equipo 2 en el pozo 2.
E2P3 = el nmero de das de trabajo durante 1 mes del equipo 2 en el pozo 3.
E3P1 = el nmero de das de trabajo durante 1 mes del equipo 3 en el pozo 1.
E3P2 = el nmero de das de trabajo durante 1 mes del equipo 3 en el pozo 2.
E3P3 = el nmero de das de trabajo durante 1 mes del equipo 3 en el pozo 3.
E4P1 = el nmero de das de trabajo durante 1 mes del equipo 4 en el pozo 1.
E4P2 = el nmero de das de trabajo durante 1 mes del equipo 4 en el pozo 2.
E4P3 = el nmero de das de trabajo durante 1 mes del equipo 4 en el pozo 3.
Paso 2: Identificacin de los datos del problema
u) Rendimiento diario de los equipos:
Equipo Pozos Das de mantenimiento
por mes (30 das)
P1 P2 P3
E1 90 70 78 5
E2 65 80 65 2
E3 50 70 85 2
E4 90 72 58 1
v) Produccin mensual del pozo 1: 2500ton.
w) Produccin mensual del pozo 2: 2300ton.
x) Produccin mensual del pozo 3: 2250ton.
y) Costo de operacin total de los equipos ($)
Equipo Pozos
P1 P2 P3
E1 32 45 42
E2 39 52 55
E3 39 50 51
E4 55 70 65
Paso 3 Identificacin de la funcin objetivo
MSc Ing Mario Cuentas Alvarado


Facultad de Ingeniera de Minas
Universidad Nacional del Altiplano
Derechos Reservados MCA-FIM 2009
36
FV: Minimizar el costo de operacin de los equipos utilizados en la extraccin de mineral.
D : Minimizar (costo de equipo 1 + costo de equipo 2 + costo de equipo 3 + costo de equipo4)
FM: Minimizar 32E1P1 + 45E1P2 + 42E1P3 + 39E2P1 + 52E2P2 + 55E2P3 + 39E3P1 + 50E3P2 +
51E3P3 + 55E4P1 + 70E4P2 + 65E4P3
Paso 4 Identificacin de las restricciones
i) produccin de mineral del pozo 1
FV: La produccin de mineral del pozo 1 debe ser de 2500 ton/mes
D : (produccin de mineral con el equipo 1 + produccin de mineral con el equipo 2 + produccin de
mineral con el equipo 3 + produccin de mineral con el equipo 4) debe ser 2500 ton/mes
FM: 90E1P1 + 65E2P1 + 50E3P1 +90E4P1 = 2500
j) produccin de mineral del pozo 2
FV: La produccin de mineral del pozo 2 debe ser de 2300 ton/mes
D : (produccin de mineral con el equipo 1 + produccin de mineral con el equipo 2 + produccin de
mineral con el equipo 3 + produccin de mineral con el equipo 4) debe ser 2300 ton/mes
FM: 70E1P2 + 80E2P2 + 70E3P2 +72E4P2 = 2300
k) produccin de mineral del pozo 3
FV: La produccin de mineral del pozo 1 debe ser de 2250 ton/mes
D : (produccin de mineral con el equipo 1 + produccin de mineral con el equipo 2 + produccin de
mineral con el equipo 3 + produccin de mineral con el equipo 4) debe ser 2250 ton/mes
FM: 78E1P3 + 65E2P3 + 85E3P3 +58E4P3 = 2250
l) Das efectivos de trabajo de la mquina 1
FV: la mquina 1 trabaja 25 das efectivos mensualmente.
D : (das de trabajo de la mquina 1 en el pozo 1 + das de trabajo de la mquina 1 en el pozo 2+ das
de trabajo de la mquina 1 en el pozo 3) debe ser menor de 25 das.
FM: E1P1 + E1P2 + E1P3 <= 25
m) Das efectivos de trabajo de la mquina 2
FV: la mquina 2trabaja 28as efectivos mensualmente.
D : (das de trabajo de la mquina 2en el pozo 1 + das de trabajo de la mquina 2en el pozo 2+ das
de trabajo de la mquina 2en el pozo 3) debe ser menor de 28as.
FM: E2P1 + E2P2 + E2P3 <= 28
n) Das efectivos de trabajo de la mquina 3
FV: la mquina 3 trabaja 28 das efectivos mensualmente.
D : (das de trabajo de la mquina 3 en el pozo 1 + das de trabajo de la mquina 3 en el pozo 2+ das
de trabajo de la mquina 3 en el pozo 3) debe ser menor de 28 das.
FM: E3P1 + E3P2 + E3P3 <= 28
o) Das efectivos de trabajo de la mquina 4
FV: la mquina 4 trabaja 29 das efectivos mensualmente.
D : (das de trabajo de la mquina 4 en el pozo 1 + das de trabajo de la mquina 4 en el pozo 2+ das
de trabajo de la mquina 4 en el pozo 3) debe ser menor de 29 das.
FM: E4P1 + E4P2 + E4P3 <= 29
p) Das mnimos de trabajo de la mquina 4
FV: la mquina 4 debe trabajar minimamente 10 das mensualmente.
D : (das de trabajo de la mquina 4 en el pozo 1 + das de trabajo de la mquina 4 en el pozo 2+ das
de trabajo de la mquina 4 en el pozo 3) debe ser al menos 10 das.
FM: E4P1 + E4P2 + E4P3 >=10
q) Das de trabajo en el pozo 1
INVESTIGACION DE OPERACIONES EN MINERIA

Facultad de Ingeniera de Minas
Universidad Nacional del Altiplano
Derechos Reservados MCA-FIM 2009

37
FV: El pozo 1 debe trabajar 30 das mensualmente
D : (das de trabajo de la mquina 1 en el pozo 1 + das de trabajo de la mquina 2 en el pozo 1 + das
de trabajo de la mquina 3 en el pozo 1 + das de trabajo de la mquina 4 en el pozo 1) debe ser 30
das.
FM: E1P1 + E2P1 + E3P1 + E4P1 = 30
r) Das de trabajo en el pozo 2
FV: El pozo 2 debe trabajar 30 das mensualmente
D : (das de trabajo de la mquina 1 en el pozo 2 + das de trabajo de la mquina 2 en el pozo 2 + das
de trabajo de la mquina 3 en el pozo 2 + das de trabajo de la mquina 4 en el pozo 2) debe ser 30
das.
FM: E1P2 + E2P2 + E3P2 + E4P2 = 30
s) Das de trabajo en el pozo 3
FV: El pozo 3 debe trabajar 30 das mensualmente
D : (das de trabajo de la mquina 1 en el pozo 3 + das de trabajo de la mquina 2 en el pozo 3 + das
de trabajo de la mquina 3 en el pozo 3 + das de trabajo de la mquina 4 en el pozo 3) debe ser 30
das.
FM: E1P3 + E2P3 + E3P3 + E4P3 = 30
t) Restricciones lgicas
E1P1, E1P2, E1P3, E2P1, E2P2, E2P3, E3P1, E3P2, E3P3, E4P1, E4P2 y E4P3 >= 0 y enteros
Paso 5 Formulacin matemtica del modelo
Minimizar 32E1P1 + 45E1P2 + 42E1P3 + 39E2P1 + 52E2P2 + 55E2P3 + 39E3P1 + 50E3P2 + 51E3P3 +
55E4P1 + 70E4P2 + 65E4P3
Sujeto a:
90E1P1 + 65E2P1 + 50E3P1 +90E4P1 = 2500
70E1P2 + 80E2P2 + 70E3P2 +72E4P2 = 2300
78E1P3 + 65E2P3 + 85E3P3 +58E4P3 = 2250
E1P1 + E1P2 + E1P3 <= 25
E2P1 + E2P2 + E2P3 <= 28
E3P1 + E3P2 + E3P3 <= 28
E4P1 + E4P2 + E4P3 <= 29
E4P1 + E4P2 + E4P3 >=10
E1P1 + E2P1 + E3P1 + E4P1 = 30
E1P2 + E2P2 + E3P2 + E4P2 = 30
E1P3 + E2P3 + E3P3 + E4P3 = 30
E1P1, E1P2, E1P3, E2P1, E2P2, E2P3, E3P1, E3P2, E3P3, E4P1, E4P2 y E4P3 >= 0 y enteros
16. Un productor de aluminio fabrica una aleacin especial que el garantiza que contiene un 90%
o ms de aluminio, entre 5% y 8% de cobre y el resto de otros metales. La demanda para esta
aleacin es muy incierta de modo que el productor no mantiene un stock disponible. El ha
recibido una orden de 1.000 kg. a $450/kg. La aleacin debe hacerse a partir de barras de dos
tipos de materiales de desecho, de cobre puro y de aluminio puro. El anlisis de los materiales
de desecho es el siguiente:
Al Cu Otros
Material de desecho 1 95 3 2
Material de desecho 2 85 1 14
Los respectivos costos son: Material de desecho 1 = $150/kg; Material de desecho 2 = $50/kg;
Cobre puro = $150/kg; y Aluminio puro $500/kg.
MSc Ing Mario Cuentas Alvarado


Facultad de Ingeniera de Minas
Universidad Nacional del Altiplano
Derechos Reservados MCA-FIM 2009
38
Cuesta $50 fundir un kilogramo de metal. Se tienen ms de 1.000 kg. de cada tipo de metal
disponible. Como debe el productor cargar su horno de manera que maximice sus utilidades?
Solucin:

Paso 1: Identificacin de las variables de decisin
MD1 = Kilogramos de material de desecho 1 a utilizar para obtener 1 kilogramo de aleacin especial
MD2 = Kilogramos de material de desecho 2 a utilizar para obtener 1 kilogramo de aleacin especial
AL = Kilogramos de aluminio puro a utilizar para obtener 1 kilogramo de aleacin especial.
CU = Kilogramos de cobre puro a utilizar para obtener 1 kilogramo de aleacin especial.
Paso 2: Identificacin de los datos del problema
a) La aleacin especial debe tener 90% o ms de aluminio.
b) La aleacin especial debe tener 5% o mas de cobre
c) La aleacin especial debe tener 8% o menos de cobre
d) 1 kg de material de desecho cuesta $150.0
e) 1 kg de material de desecho2 cuesta $50.0
f) 1 kg de aluminio puro cuesta $500.0
g) 1 kg de cobre puro cuesta $150.0
h) El costo de fundicin de 1 kg de metal es $50.0
i) 1 kg de aleacin especial es vendido a $450.0
j) La aleacin especial debe tener 90% o mas de aluminio
Paso 3 Identificacin de la funcin objetivo
FV: Minimizar el costo de los insumos de la aleacin especial para obtener 1 kg de aleacin.
D : Minimizar (costo de material de desecho 1 + costo de material de desecho 2 + costo de aluminio
puro + costo de cobre puro) para 1 kg de aleacin.
FM: Minimizar 150MD1 +50MD2 + 500AL + 150AL
Paso 4 Identificacin de las restricciones
a) Contenido mnimo de aluminio en aleacin especial
FV: La aleacin especial debe tener 90% o ms de aluminio
D : ((contenido de aluminio en el material de desecho 1 + contenido de aluminio en el material de
desecho 2 + contenido de aluminio en el aluminio puro)/(peso del material de desecho 1 + peso del
material de desecho 2 + peso del aluminio puro + peso del cobre puro)) debe ser mayor o igual a
90% de aluminio

90 . 0
2 1
2 85 . 0 1 95 . 0
>
(

+ + +
+ +
CU AL MD MD
AL MD MD

FM: 0.05MD1 -0.05MD2 + 0.1AL -0.9CU >= 0
b) Contenido mnimo de cobre en aleacin especial
FV: La aleacin especial debe tener 5% o ms de cobre
D : ((contenido de cobre en el material de desecho 1 + contenido de cobre en el material de desecho 2 +
contenido de cobre en el cobre puro)/(peso del material de desecho 1 + peso del material de
desecho 2 + peso del aluminio puro + peso del cobre puro)) debe ser mayor o igual a 5% de cobre

05 . 0
2 1
2 01 . 0 1 03 . 0
>
(

+ + +
+ +
CU AL MD MD
CU MD MD

FM:-0.02MD1 -0.04MD2 -0.05AL + 0.95CU >= 0
c) Contenido mximo de cobre en aleacin especial
FV: La aleacin especial debe tener 8% o menos de cobre
INVESTIGACION DE OPERACIONES EN MINERIA

Facultad de Ingeniera de Minas
Universidad Nacional del Altiplano
Derechos Reservados MCA-FIM 2009

39
D : ((contenido de cobre en el material de desecho 1 + contenido de cobre en el material de desecho 2 +
contenido de cobre en el cobre puro)/(peso del material de desecho 1 + peso del material de
desecho 2 + peso del aluminio puro + peso del cobre puro)) debe ser menor o igual a 8% de cobre

08 . 0
2 1
2 01 . 0 1 03 . 0
s
(

+ + +
+ +
CU AL MD MD
CU MD MD

FM:-0.05MD1 -0.07MD2 -0.08AL + 0.92CU >= 0
d) Contenido de 1 kg de aleacin especial
FV: La aleacin especial debe pesar 1 kg
D : (peso del material de desecho 1 + peso del material de desecho 2 + peso de aluminio puro + peso
del cobre puro) debe ser igual a 1 kg
FM: MD1+ MD2 + AL + CU = 1
e) Restricciones lgicas
MD1, MD2, AL y CU >= 0
Paso 5 Formulacin matemtica del modelo
Minimizar 150MD1 +50MD2 + 500AL + 150AL
Sujeto a:
0.05MD1 -0.05MD2 + 0.1AL -0.9CU >= 0
0.02MD1 -0.04MD2 -0.05AL + 0.95CU >= 0
-0.05MD1 -0.07MD2 -0.08AL + 0.92CU >= 0
MD1+ MD2 + AL + CU = 1
MD1, MD2, AL y CU >= 0
MSc Ing Mario Cuentas Alvarado


Facultad de Ingeniera de Minas
Universidad Nacional del Altiplano
Derechos Reservados MCA-FIM 2009
40










CAPITULO III
SOLUCIN A PROBLEMAS DE PROGRAMACIN LINEAL
USANDO SOFTWARE

USO DE SOLVER DE EXCEL
En esta seccin, se utiliza el software Excel de Microsoft Office para resolver y analizar el
problema de programacin lineal.
EL PROBLEMA DE PLANEACIN DE PRODUCCIN DEL SINDICATO MINERO PACOCOCHA
El Sindicato Minero Pacococha S.A. viene soportando un incesante incremento en sus costos de
produccin, por lo tanto urge optimizar el uso de sus recursos. La gerencia ha determinado
explotar las vetas Colquechaca y 10 de mayo, para ello debemos satisfacer algunas restricciones
referentes a las leyes y la capacidad de la planta concentradora:
Vetas
Leyes
Costo
$/ton
Tonelaje a
extraer
Ag
(onz/ton)
Pb (%)
Colquechaca 4 3,5 7,0 Xc
10 de mayo 16 1,15 9,0 Xm

Otros datos que debemos considerar son: el precio de la plata: $ 20,0 /ton; precio del plomo
0,70 $/lb; capacidad de la planta concentradora: 95 ton/da.
Como gerente de produccin, formule un modelo para determinar el tonelaje a extraer de cada
veta.
Cuya formulacin dio el siguiente modelo matemtico:
Maximizar 126,9 Xc + 328,71 Xm
Sujeto a:
Xc + Xm <= 95
INVESTIGACION DE OPERACIONES EN MINERIA

Facultad de Ingeniera de Minas
Universidad Nacional del Altiplano
Derechos Reservados MCA-FIM 2009

41
- Xc + 5 Xm >= 0
- Xc + 2 Xm <= 0
Xc y Xm >= 0 y enteros
La nica dificultad que tenemos es el de modelar el programa dentro del Excel, y eso, es muy
fcil. Por supuesto, hay infinidad de maneras de hacerlo, aqu propongo una.
PROCEDIMIENTO DE SOLUCIN
Se activa Excel y en una hoja...
- Se ubican las celdas que se correspondern con el valor de las variables de decisin; en
ste caso, las celdas B6 y C6, se les da un formato para diferenciarlas de las dems (ver
captura abajo). Se ubica tambin, las celdas que contendrn los coeficientes de las
variables de decisin, B4 y C4, y se llenan con sus respectivos valores, 126,9 y 328,71.
Aunque ste ltimo paso, se podra omitir y dejar los coeficientes definidos en la celda de
la funcin objetivo, as es mejor para los anlisis de sensibilidad y para que la hoja quede
portable para otro programa.
- Se ubica la celda que se corresponder con la funcin objetivo (celda objetivo), la B3. En
ella se escribe la funcin que sea, en ste caso, ser el coeficiente de X1 (en B4) por el
valor actual de Xc (en B6) mas el coeficiente de Xm (en C4) por el valor actual de Xm (en
C6) o sea: = $B$4*$B$6+$C$4*$C$6
- Coeficientes para la primera restriccin: los podemos escribir en la misma columna de las
variables de decisin; en las celdas B7 y C7, con los valores 2 y 1, seguido del sentido de
la desigualdad (<=) y de su correspondiente RHS: 230. A la derecha ubicaremos el valor
actual de consumo de la restriccin, ella se escribir en funcin de las variables de
decisin y de los coeficientes de la restriccin. Esta celda, la utilizar Solver como la real
restriccin, cuando le digamos que el valor de sta celda no pueda sobrepasar la de su
correspondiente RHS. De nuevo ser el valor del coeficiente por el de la variable: =
B7*$B$6+C7*$C$6. Notese que ahora B7 y C7 no tienen el signo $. Pues es que luego
que se haya escrito sta celda, se podr arrastrar hacia abajo para que Excel escriba la
frmula por nosotros (la pereza!), pero tome los valores relativos a los coeficientes que le
corresponda a los mismos valores de las variables de decisin. Se repite los pasos
anteriores para las otras restricciones, pero ahora la frmula ser: = B8*$B$6+C8*$C$6 y
= B9*$B$6+C9*$C$6.

El resto del formato es para darle una presentacin ms bonita a la hoja. Ahora a resolverlo! Al
hacer clic en Herramientas, Solver se tendr una pantalla como la siguiente. Lo primero que hay
que hacer es especificar la celda objetivo y el propsito: maximizar. Se escribe B3 (o $B3 B$3
$B$3 como sea, da igual), en el recuadro "cambiando las celdas", se hace un clic en la flechita
roja, para poder barrer las celdas B6 y C6; lo mismo da si se escriben directamente los nombres.
MSc Ing Mario Cuentas Alvarado


Facultad de Ingeniera de Minas
Universidad Nacional del Altiplano
Derechos Reservados MCA-FIM 2009
42

Y ahora para las restricciones: se hace clic en agregar...

En F7 est la primera restriccin, como se puede ver en la captura. Se especifica el sentido de la
restriccin <=, >= =. Aqu tambin se puede especificar el tipo de variable, por defecto es
continua, pero se puede escoger "Int" para entera o "Bin" para binaria. En el recuadro de la
derecha establecemos la cota. Aqu podemos escribir 95 pero mejor escribimos $E$7 para que
quede direccionado a la celda que contiene el 95, y despus lo podramos cambiar y volver a
encontrar la respuesta a manera de anlisis de sensibilidad.
Se repite ste paso para las otras dos restricciones.
La condicin de no negatividad hay que incluirla manualmente, as:

El cuadro de dilogo debe lucir as:
INVESTIGACION DE OPERACIONES EN MINERIA

Facultad de Ingeniera de Minas
Universidad Nacional del Altiplano
Derechos Reservados MCA-FIM 2009

43

Y listo! Se hace clic en resolver y ya. Parece un poco largo en comparacin con los otros paquetes
de programacin lineal, pero esto se har slo una vez, para los prximos programas se podr
utilizar la misma hoja cambiando los coeficientes. Sin embargo, como se puede notar, la
flexibilidad de modelamiento es muy grande.

Los resultados para el Sindicato Minero Pacococha en la forma de un plan de produccin semanal
son los siguientes:
Cantidad de mineral de la veta Colquechaca por producir = 63,33 toneladas
Cantidad de mineral de la veta 10 de Mayo por producir = 31,67 toneladas
Margen de ganancia semanal = $ 18 446,15

USO DE SOLVER DE WinQSB
En esta seccin, se utiliza el software WinQSB para resolver y analizar el problema de
programacin lineal continua.
EL PROBLEMA DE PLANEACIN DE PRODUCCIN DEL SINDICATO MINERO PACOCOCHA
El Sindicato Minero Pacococha S.A. viene soportando un incesante incremento en sus costos de
produccin, por lo tanto urge optimizar el uso de sus recursos. La gerencia ha determinado
explotar las vetas Colquechaca y 10 de mayo, para ello debemos satisfacer algunas restricciones
referentes a las leyes y la capacidad de la planta concentradora:
Vetas
Leyes
Costo
$/ton
Tonelaje a
extraer
Ag
(onz/ton)
Pb (%)
Colquechaca 4 3,5 7,0 Xc
MSc Ing Mario Cuentas Alvarado


Facultad de Ingeniera de Minas
Universidad Nacional del Altiplano
Derechos Reservados MCA-FIM 2009
44
10 de mayo 16 1,15 9,0 Xm

Otros datos que debemos considerar son: el precio de la plata: $ 20,0 /ton; precio del plomo
0,70 $/lb; capacidad de la planta concentradora: 95 ton/da.
Como gerente de produccin, formule un modelo para determinar el tonelaje a extraer de cada
veta.
Cuya formulacin dio el siguiente modelo matemtico:
Maximizar 126,9 Xc + 328,71 Xm
Sujeto a:
Xc + Xm <= 95
- Xc + 5 Xm >= 0
- Xc + 2 Xm <= 0
Xc y Xm >= 0
PROCEDIMIENTO DE SOLUCIN:
1. En la barra de tareas de la parte inferior de la pantalla, abrir el men Inicio y clic en el men
Programas.
2. Seleccione el men WinQSB y haga clic en el botn Linear and Integer Programming.

3. Tendremos la presentacin del programa WinQSB
INVESTIGACION DE OPERACIONES EN MINERIA

Facultad de Ingeniera de Minas
Universidad Nacional del Altiplano
Derechos Reservados MCA-FIM 2009

45

4. Luego tendremos la interface del programa y desde el men seleccionaremos: File | New
Problem

5. Se presentara una ventana donde colocaremos el nombre del problema, en nuestro caso
Sindicato Minero Pacococha y el numero de variables y restricciones de nuestro problema: 2
y 3 respectivamente, a continuacin seleccionaremos el criterio del objetivo, el tipo de variable
y el formato de entrada de datos

y pulsaremos OK.
6. En la nueva ventana que se presenta ingresaremos los datos del problema:
MSc Ing Mario Cuentas Alvarado


Facultad de Ingeniera de Minas
Universidad Nacional del Altiplano
Derechos Reservados MCA-FIM 2009
46

Podemos editar el nombre de las variables y de las restricciones


7. En la barra de men, seleccionaremos el icono para procesar los datos

8. WinQSB procesara los datos, presentndonos la siguiente ventana:

INVESTIGACION DE OPERACIONES EN MINERIA

Facultad de Ingeniera de Minas
Universidad Nacional del Altiplano
Derechos Reservados MCA-FIM 2009

47
Los resultados para el Sindicato Minero Pacococha en la forma de un plan de produccin semanal
son los siguientes:
Cantidad de mineral de la veta Colquechaca por producir = 63,33 toneladas
Cantidad de mineral de la veta 10 de Mayo por producir = 31,67 toneladas
Margen de ganancia semanal = $ 18 446,15
9. Si deseamos observar la grfica, seleccionaremos el icono y se presentara la siguiente
ventana:

10. WinQSB presentara el siguiente grfico:
MSc Ing Mario Cuentas Alvarado


Facultad de Ingeniera de Minas
Universidad Nacional del Altiplano
Derechos Reservados MCA-FIM 2009
48
USO DE LINDO
En esta seccin, se utiliza el software LINDO para resolver y analizar el problema de
programacin lineal continua.
LINDO (Linear Interactive Discrete Optimization) es una herramienta que fue diseada por Linus
Shorage en 1985 para resolver problemas de programacin lineal, entera y cuadrtica
SINTAXIS DEL MODELO LINDO
1. Todos los modelos empiezan con el comando MAX o MIN seguido de la funcin objetivo que
debe ser del tipo c
t
x.
2. Los nombres de las variables pueden contener a lo sumo 8 caracteres
3. Los nombres de las restricciones deben terminar con un parntesis y pueden contener a lo
sumo 8 caracteres
4. Se pueden usar los operadores +, -, =, > (equivale a >=), < (equivale a <=)
5. No reconoce la situacin (2+5-4)*X1, debemos poner 3 X1 ni tampoco 2(x1+x2) hay que
escribir 2x1+2x2
6. Los comentarios comienzan con el signo de exclamacin
7. Podemos utilizar ms de una lnea para escribir la funcin objetivo o las restricciones
8. No distingue entre maysculas y minsculas
9. En el lado derecho de las restricciones (denotado por RHS) slo pueden aparecer valores
numricos
10. En el lado izquierdo de las restricciones slo pueden aparecer las variables y sus coeficientes
11. Se supone que todas las variables son no negativas, por eso no se introducen las
restricciones de no negatividad
12. El esquema que se sigue es:
MAX <funcin objetivo>
SUBJECT TO (st)
Restriccion1)

Restriccin m)
END
13. Si queremos indicar que alguna variable no tiene restriccin de signo, que es entera, binaria,
etc, tenemos una serie de comandos que se utilizan despus de END
- FREE <variable> se usa si variable no tiene restriccin de signo
- GIN <variable> se usa si variable slo toma valores enteros no negativos
- INT <variable> se usa si variable es binaria
- SLB <variable> <VALOR> se usa si variable est acotada inferiormente por valor
- SUB <variable> <VALOR> se usa si variable est acotada superiormente por valor



EL PROBLEMA DE PLANEACIN DE PRODUCCIN DEL SINDICATO MINERO PACOCOCHA
El Sindicato Minero Pacococha S.A. viene soportando un incesante incremento en sus costos de
produccin, por lo tanto urge optimizar el uso de sus recursos. La gerencia ha determinado
explotar las vetas Colquechaca y 10 de mayo, para ello debemos satisfacer algunas restricciones
referentes a las leyes y la capacidad de la planta concentradora:
INVESTIGACION DE OPERACIONES EN MINERIA

Facultad de Ingeniera de Minas
Universidad Nacional del Altiplano
Derechos Reservados MCA-FIM 2009

49
Vetas
Leyes
Costo
$/ton
Tonelaje a
extraer
Ag
(onz/ton)
Pb (%)
Colquechaca 4 3,5 7,0 Xc
10 de mayo 16 1,15 9,0 Xm

Otros datos que debemos considerar son: el precio de la plata: $ 20,0 /ton; precio del plomo
0,70 $/lb; capacidad de la planta concentradora: 95 ton/da.
Como gerente de produccin, formule un modelo para determinar el tonelaje a extraer de cada
veta.
Cuya formulacin dio el siguiente modelo matemtico:
Maximizar 126,9 Xc + 328,71 Xm
Sujeto a:
Xc + Xm <= 95
- Xc + 5 Xm >= 0
- Xc + 2 Xm <= 0
Xc y Xm >= 0
PROCEDIMIENTO DE SOLUCIN:
11. En la barra de tareas de la parte inferior de la pantalla, abrir el men Inicio y haga clic en el
men Programas.
12. Seleccione el men LINDO 6.1 y haga clic en el botn Windows32.

13. Luego tendremos la interface del programa y una pantalla <untitled>.
MSc Ing Mario Cuentas Alvarado


Facultad de Ingeniera de Minas
Universidad Nacional del Altiplano
Derechos Reservados MCA-FIM 2009
50

14. En la pantalla <untitled> escribiremos nuestro modelo

15. A continuacin guardaremos nuestro modelo seleccionando: File | Save As

16. En la pantalla Save As: en File Name: ingresaremos el nombre que deseemos para el
modelo, en este caso CaseChemicals.ltx y en Directories podremos seleccionar el fichero
donde guardarlo
INVESTIGACION DE OPERACIONES EN MINERIA

Facultad de Ingeniera de Minas
Universidad Nacional del Altiplano
Derechos Reservados MCA-FIM 2009

51

17. Para procesar el modelo, seleccionaremos : Solve | Solve

18. A continuacin se presentar la ventana LINDO preguntndonos, si deseamos realizar un
anlisis de sensibilidad?:

19. Luego tendremos la ventana LINDO Solver Status, que nos indicara las caractersticas de la
solucin:

MSc Ing Mario Cuentas Alvarado


Facultad de Ingeniera de Minas
Universidad Nacional del Altiplano
Derechos Reservados MCA-FIM 2009
52
20. LINDO procesara los datos, presentndonos el siguiente reporte:

Los resultados para el Sindicato Minero Pacococha en la forma de un plan de produccin semanal
son los siguientes:
Cantidad de mineral de la veta Colquechaca por producir = 63,33 toneladas
Cantidad de mineral de la veta 10 de Mayo por producir = 31,67 toneladas
Margen de ganancia semanal = $ 18 446,15
INVESTIGACION DE OPERACIONES EN MINERIA

Facultad de Ingeniera de Minas
Universidad Nacional del Altiplano
Derechos Reservados MCA-FIM 2009

53










CAPITULO IV
ANLISIS DE SENSIBILIDAD USANDO SOFTWARE:

EL PROBLEMA DE PLANEACIN DE PRODUCCIN DE CASE CHEMICALS
Case Chemicals produce dos solventes, CS-01 y CS-02, en su planta de Cleveland. Las
empresas que compran estos solventes los usan para disolver ciertas sustancias txicas que se
producen durante procesos de fabricacin particulares. La planta opera 40 horas a la semana y
emplea a cinco trabajadores de tiempo completo y a dos de tiempo parcial, que trabajan 15 horas
a la semana. Estas personas operan las siete mquinas que mezclan ciertos qumicos para
producir cada solvente. Los productos salen del departamento de mezclado para ser refinados en
el departamento de purificacin, que actualmente tiene siete purificadores y emplea a seis
trabajadores de tiempo completo y a uno de tiempo parcial, que trabaja 10 horas a la semana.
Case Chemicals tiene una provisin casi ilimitada de la materia prima que necesita para producir
los dos solventes. Case Chemicals puede vender cualquier cantidad de CS-01, pero la demanda
del producto ms especializado, CS-02, est limitada a lo ms a 120 000 galones por semana.
El departamento de contabilidad estima un margen de ganancias de $0,30 por galn de CS-01 y
de $0,50 por galn de CS-02, esto es, $300 por mil galones de CS-01 y $500 por mil galones de
CS-02.
Como gerente de produccin, usted desea determinar el plan de produccin semanal ptimo para
Case Chemicals. Qu cantidad de cada solvente debe producir Case Chemcals para maximizar
la ganancia?
Formulando el modelo matemtico, tenemos:
Maximizar 300 CS1 + 500 CS2
Dependiendo de: 2 CS1 + CS2 230
CS1 + 2 CS2 250
CS2 120
CS1, CS2 0
Donde: CS1 = El nmero de miles de galones de CS-01 por producir semanalmente
MSc Ing Mario Cuentas Alvarado


Facultad de Ingeniera de Minas
Universidad Nacional del Altiplano
Derechos Reservados MCA-FIM 2009
54
CS2 = El nmero de miles de galones de CS-02 por producir semanalmente
CONCEPTOS BSICOS EN ANLISIS DE SENSIBILIDAD
El Anlisis de Sensibilidad se utiliza para examinar los efectos de cambios en tres reas
diferenciadas del problema:
1. Los coeficientes de la funcin objetivo (Coeficientes Objetivo). Los cambios en los
coeficientes objetivo NO afectan la forma de la regin factible, por lo que no afectaran a la
solucin optima (aunque si al valor de la funcin objetivo).
2. Los coeficientes tecnolgicos (aquellos coeficientes que afectan a las variables de las
restricciones, situados a la izquierda de la desigualdad). Los cambios en estos
coeficientes provocaran cambios sustanciales en la forma de la regin factible.
3. Los recursos disponibles (los trminos independientes de cada restriccin, situados a la
derecha de la desigualdad). Intuitivamente (para 2 variables), los cambios en el RHS
suponen desplazamientos paralelos de las rectas asociadas a las restricciones, lo cual
har variar la forma de la regin factible y, con ello, a la solucin optima.

1. ANLISIS DE SENSIBILIDAD CON EXCEL
El primer paso ser plantear el modelo en la hoja de clculo:

Activando la funcin Solver de Excel, tendremos:
INVESTIGACION DE OPERACIONES EN MINERIA

Facultad de Ingeniera de Minas
Universidad Nacional del Altiplano
Derechos Reservados MCA-FIM 2009

55

Activemos Adoptar modelo lineal en la ventana Opciones de Solver:

Haciendo clic en el botn Resolver, obtendremos la ventana Resultados de Solver, donde
elegiremos Respuesta y Sensibilidad en Informes:

Excel resolver el modelo matemtico:
MSc Ing Mario Cuentas Alvarado


Facultad de Ingeniera de Minas
Universidad Nacional del Altiplano
Derechos Reservados MCA-FIM 2009
56

Nos presentar el siguiente Informe de respuestas:

Su interpretacin es inmediata: la solucin ptima sera un plan de produccin semanal de 70000
galones de CS-01, 90000 galones de CS-02 y tendremos un margen de ganancia semanal de $
66000.
Excel, tambin nos presentar el siguiente Informe de sensibilidad:
INVESTIGACION DE OPERACIONES EN MINERIA

Facultad de Ingeniera de Minas
Universidad Nacional del Altiplano
Derechos Reservados MCA-FIM 2009

57

Despus de formular y resolver un problema de programacin lineal, un gerente debe hacerse un
numero de preguntas importantes de la forma: Qu sucede si ..?. Por ejemplo:
1. Supongamos que, debido a una competencia reciente en el mercado por CS-01, la gerencia
de Case Chemicals ha decidido disminuir el precio de venta de su producto en $ 25 por cada
1 000 galones. Este cambio disminuye el coeficiente de ganancia de CS-01 de 300 dlares
por mil galones a 275 dlares. Cmo afecta este cambio el plan de produccin?
2. Supongamos que cada uno de los dos empleados de tiempo parcial del departamento de
mezclado de Case Chemicals trabaja 10 horas en vez de 15 a la semana. Este cambio
reduce las horas disponibles de mano de obra en el departamento de mezclado de 230 a
220. Cmo afecta este cambio el plan de produccin y la ganancia ptima?
Estas preguntas tienen que ver con el tpico del anlisis de sensibilidad. Usted, gerente, se
pregunta qu tan sensibles son la solucin ptima y el valor de la funcin objetivo con respecto a
los cambios en los datos del problema, es decir, los coeficientes en la funcin objetivo y las
restricciones. Qu tanto impacto tendr en la solucin un cambio en cualquiera de los datos?
Para dicho anlisis, utilizaremos el Informe de sensibilidad de Excel.

ANLISIS DE SENSIBILIDAD DE LOS COEFICIENTES DE LA FUNCIN OBJETIVO
Anlisis de sensibilidad del coeficiente de la funcin objetivo para CS1
Basndose en la solucin ptima obtenida, la compaa ha estado produciendo 70 mil galones de
CS-01 y 90 mil galones de CS-02. Debido a una competencia reciente en el mercado por CS-01,
la gerencia ha decidido disminuir el precio de venta de CS-01 en $25 por mil galones. Cmo
debera cambiar el plan de produccin para CS-01 y CS-02?
El primer paso para responder esta pregunta es darse cuenta de que una disminucin de $25 en
el precio de venta de cada mil galones de CS-01 tiene como resultado una disminucin
correspondiente en el margen de ganancia de CS-01 de $300 a $275. La pregunta a formularse
es: qu sucede con la solucin ptima anterior para CS1 = 70 y CS2 = 90 cuando el coeficiente
de CS1 en la funcin objetivo disminuye de 300 a 275?
Una forma de contestar esta pregunta es resolver el problema despus de cambiar el coeficiente
de CS1 en la funcin objetivo a 275. Sin embargo, el anlisis de sensibilidad le permite responder
sta y otras preguntas relacionadas sin tener que resolver el problema cada vez que se hace
una pregunta similar.
MSc Ing Mario Cuentas Alvarado


Facultad de Ingeniera de Minas
Universidad Nacional del Altiplano
Derechos Reservados MCA-FIM 2009
58
En el Informe de sensibilidad de Excel, obtenemos el intervalo de sensibilidad de los coeficientes
de objetivo y de los recursos disponibles:

Podemos ver que el intervalo de sensibilidad del coeficiente CS1 es <250, 1000>
3
. Esto significa
que si todos los dems datos permanecen inalterados y el coeficiente de CS1 de la funcin
objetivo permanece en el intervalo <250, 1000>, la solucin actual de CS1 = 70 y CS2 = 90 sigue
siendo ptima.
Ahora puede responder la pregunta original de cmo cambiar el plan de produccin de Case
Chemicals cuando el precio de CS-01 disminuye en $25 por mil galones. Aunque esta
disminucin ocasiona que el coeficiente de CS1 disminuya de su valor actual de 300 a 275, este
nuevo valor de 275 est dentro del intervalo <250, 1000>. Por tanto, la solucin ptima anterior
sigue siendo ptima, es decir, Case Chemicals no debera cambiar su plan de produccin de 70
mil galones de CS-01 y 90 mil galones de CS-02 a la semana. Sin embargo, el margen de
ganancia semanal cambia:
Nuevo margen de ganancia = 275 CS1 + 500 CS2
= 275(70) + 500(90)
= 64 250
Esto es, su margen de ganancia semanal disminuye a $64 250.
Anlisis de sensibilidad del coeficiente de la funcin objetivo para CS2
Puede conducir un anlisis similar sobre el coeficiente de ganancia de CS2 del ejemplo,
asumiendo que el coeficiente de CS1 permanece inalterado en su valor original de 300. Considere
el coeficiente de CS2 de la funcin objetivo como una variable y conociendo el intervalo de
sensibilidad de <150, 600>. Tenemos que, si todos los dems datos permanecen inalterados, la
solucin ptima actual CS1 = 70 y CS2 = 90 sigue siendo ptima, siempre que la ganancia por
vender cada mil galones de CS-02 est dentro del intervalo <150, 600>. El tamao de este
intervalo indica qu tan sensible es la solucin ptima a su coeficiente.

ANLISIS DE SENSIBILIDAD DE LOS VALORES DEL LADO DERECHO DE LAS
RESTRICCIONES (RECURSOS DISPONIBLES, RHS)
Usted puede aplicar el anlisis de sensibilidad no slo a los cambios en los coeficientes de la
funcin objetivo, sino tambin a los cambios en los valores del lado derecho de las restricciones
(recursos disponibles). Por ejemplo, como gerente de produccin de Case Chemicals, puede
estar interesado en cualquiera de las siguientes preguntas.
1. Ante los posibles recortes de presupuesto por parte de la administracin superior, usted desea
saber: qu sucede con el margen de ganancia de Case Chemicals si cada uno de los dos

3
El valor minimo del intervalo, se obtiene realizando $F$9 $H$9 y el valor mximo: $F$9 + $G$9
INVESTIGACION DE OPERACIONES EN MINERIA

Facultad de Ingeniera de Minas
Universidad Nacional del Altiplano
Derechos Reservados MCA-FIM 2009

59
empleados de tiempo parcial del departamento de mezclado trabaja 10 horas (en vez de 15) a
la semana?
2. Al observar que todas las horas disponibles de mano de obra del departamento de mezclado
se utilizan segn el plan de produccin actual, se incrementar el margen de ganancia si las
horas disponibles aumentan al hacer que uno de los empleados de tiempo parcial trabaje de
tiempo completo y se prescinde del otro?
3. Como una alternativa a la pregunta 2, en cunto se incrementara el margen de ganancia si
se contratara un trabajador adicional de tiempo completo en el departamento de purificacin?
Cada una de estas preguntas puede reformularse de la siguiente forma general:
Qu le sucede al valor ptimo de la funcin objetivo de un programa lineal cuando uno de los
valores del lado derecho de una restriccin (recursos disponibles) se modifica y los otros datos del
problema permanecen inalterados?
Una forma de responder este tipo de pregunta es solucionar un nuevo problema de programacin
lineal en el que se modifique el valor de inters del lado derecho, y todo lo dems sea igual. Sin
embargo, las tcnicas presentadas a continuacin le permiten responder tales preguntas sin tener
que resolver todo el problema.
Anlisis de sensibilidad del valor del lado derecho de la restriccin (1): Proceso de
mezclado

De los resultados del Informe de sensibilidad de Excel, puede concluirse que, mientras el valor del
lado derecho de la restriccin (1) permanece dentro del intervalo de <140, 500>, la solucin
ptima y el margen de ganancia cambian.
El cambio del margen de ganancia total, puede calcularse utilizando el valor del precio sombra, o
precio dual, de la restriccin, que es 33,33333.
Esto significa que por cada hora adicional de mano de obra disponible en el departamento de
mezclado por encima del valor actual de 230 y hasta 500 horas, el margen de ganancia
corporativo se incrementa en $33.33.
Observe que el precio sombra de 33,3333 tambin indica que cada recorte de hora del actual nivel
de 230 hasta 140 tiene como resultado una prdida de $33.33 en el margen de ganancia.
Con esta informacin, podemos responder las preguntas planteadas:
1. Qu sucede con el margen de ganancia de Case Chemicals si cada uno de los dos
empleados de tiempo parcial del departamento de mezclado trabaja 10 horas (en vez de 15) a
la semana (es decir, si el valor Id de la restriccin (1) disminuye a 220 de su valor actual de
230)?
Como este cambio est dentro del intervalo <140, 500>, cada hora perdida disminuye el
margen de ganancia en el precio sombra:
MSc Ing Mario Cuentas Alvarado


Facultad de Ingeniera de Minas
Universidad Nacional del Altiplano
Derechos Reservados MCA-FIM 2009
60
Utilizando la ecuacin:
Nuevo margen de ganancia = (Viejo margen de ganancia) + (Precio sombra) x
(Incremento en horas de mano de obra)
Tenemos:
= 66 000 + 33,3333 x (220 230)
= $ 65 667
2. Qu sucede con el margen de ganancia si uno de los empleados de tiempo parcial del
departamento de mezclado trabaja tiempo completo y se prescinde del otro (es decir, el valor
del lado derecho de la restriccin (1) se incremento a 240?
Como este cambio est dentro del intervalo <140,500>, el margen de ganancia se incrementa
en la proporcin del precio sombra, es decir:
Nuevo margen de ganancia = (viejo margen de ganancia) + (precio sombra) x
(incremento en horas de mano de obra)
= 66 000 + 33,3333 x (240 230)
= $66 333,33
Anlisis de sensibilidad del valor del lado derecho de la restriccin (2): Proceso de
refinacin
Usando la misma lgica, descubrir que, mientras este valor del lado derecho permanezca en el
intervalo <115, 295>, la solucin ptima estar determinada por la interseccin de las restricciones
(1) y (2). Podemos observar que el precio sombra, o precio dual, del recurso es de 233,33.
Por cada hora adicional de mano de obra disponible en el departamento de purificacin arriba del
valor actual de 250 y hasta 295 horas, el margen de ganancia se incrementa en $233,33. De
manera similar, cada recorte de hora del actual nivel de 250 hasta 115 horas tiene como resultado
una prdida de $233,33 en el margen de ganancia.
Ya podemos responder la pregunta planteada al principio de esta seccin, que se repiten aqu:
3. Qu sucede con el margen de ganancia si se contrata un trabajador adicional de tiempo
completo en el departamento de purificacin (esto es, si el valor del Iado derecho de la
restriccin (2) se incremento a 290 de su valor actual de 250)?
Como este cambio est dentro del intervalo <115, 295>, cada hora ganada incrementa el
margen de ganancia en el precio sombra:
Nuevo margen de ganancia = (viejo margen de ganancia) - (precio sombra) x
(incremento en horas de mano de obra)
= 66 000 + 233,33 x (290 250)
= $75 333,33
ANLISIS PARAMTRICO DE LOS RECURSOS DISPONIBLES (VALORES DEL LADO
DERECHO)
Con el anlisis de sensibilidad, usted est preparado para responder ciertas preguntas del tipo
"Qu sucede si ... ?', siempre y cuando los cambios en los coeficientes estn dentro del intervalo
de sensibilidad. Sin embargo, qu sucede si esos cambios estn fuera del intervalo? Por
ejemplo, como gerente de Case Chemicals, podra enfrentarse con una de las siguientes
preguntas (pero no ambas simultneamente):
1. Qu sucede con la ganancia semanal si el departamento de mezclado se reduce a dos
trabajadores de tiempo completo y uno de tiempo parcial de 30 horas a la semana?
2. Qu le sucede al margen de ganancia semanal si el departamento de purificacin se
ampla a nueve purificadores con nueve trabajadores de tiempo completo?
El primer paso es darse cuenta de que ambas preguntas tienen que ver con cambios en los
valores del lado derecho. Estas preguntas pueden reformularse de la siguiente manera:
INVESTIGACION DE OPERACIONES EN MINERIA

Facultad de Ingeniera de Minas
Universidad Nacional del Altiplano
Derechos Reservados MCA-FIM 2009

61
1. Qu le sucede al margen de ganancia semanal ptimo si el valor del lado derecho de la
restriccin (1) disminuye de su valor actual de 230 a 110 (dos trabajadores de tiempo
completo de 40 horas semanales y uno de tiempo parcial de 30 horas a la semana)?
2. Qu le sucede al margen de ganancia semanal ptimo si el valor del lado derecho de la
restriccin (2) se incremento de su valor actual de 250 a 360 (nueve trabajadores de
tiempo completo de 40 horas semanales)?
Observe que el nuevo valor de 120 para el Iado derecho en la pregunta 1 est fuera del intervalo
de sensibilidad <140,500> calculado para la restriccin (1). De manera similar, el nuevo valor de
360 para el Iado derecho en la pregunta 2 est fuera del intervalo de sensibilidad <115,295> para
la restriccin (2). Para responder las preguntas relativas a los valores del Iado derecho, fuera del
intervalo de sensibilidad, se realiza de nuevo los clculos con el nuevo valor del lado derecho de
la restriccin (1).

En otras palabras, si el nmero de horas en el departamento de mezclado se reduce a 110, el
margen de ganancia semanal cae de $66 000 a $55 000. Esta informacin debera usarse junto
con otros factores al tomar una decisin gerencial.
Para responder la pregunta 2, necesita un anlisis similar para el valor del lado derecho de la
restriccin (2):

En otras palabras, si el nmero de horas en el departamento de purificacin se incremento a 360,
el margen de ganancia semanal se incremento de $66 000 a $76 500. Esta informacin debera
usarse junto con otros factores al tomar una decisin gerencial. Por ejemplo observe que puede
obtenerse el mismo margen de ganancia de $76 500 si el valor del lado derecho de la restriccin
(2) es de 295. La gerencia podra obtener este valor con siete trabajadores de tiempo completo y
uno de tiempo parcial de 15 horas a la semana. Por tanto, tal vez no sea necesario contratar
nueve trabajadores de tiempo completo.

2. ANLISIS DE SENSIBILIDAD CON LINDO
Utilizamos el software LINDO para resolver el modelo matemtico:
MSc Ing Mario Cuentas Alvarado


Facultad de Ingeniera de Minas
Universidad Nacional del Altiplano
Derechos Reservados MCA-FIM 2009
62

Obtenemos el siguiente resultado:

Con los resultados, podremos realizar un anlisis similar al realizado con los Informes de Excel.

3. ANLISIS DE SENSIBILIDAD CON WinQSB
Al usar el software WinQSB, obtendramos el siguiente reporte:


INVESTIGACION DE OPERACIONES EN MINERIA

Facultad de Ingeniera de Minas
Universidad Nacional del Altiplano
Derechos Reservados MCA-FIM 2009

63

De manera similar al anlisis con Excel, podemos trabajar con el reporte de WinQSB.
CONCLUSIN
En esta seccin, usted ha aprendido a preguntar y contestar preguntas relativas a qu tan
sensibles son la solucin ptima y el valor de la funcin objetivo en uno de los coeficientes de la
funcin objetivo o en valores del lado derecho. Tales preguntas son de particular importancia para
gerentes que deben tomar decisiones cuando los datos para un problema estn sujetos a cambios
o incertidumbre.
REFERENCIA BIBLIOGRFICA
Kamlesh Mathur, Daniel Solow, INVESTIGACIN DE OPERACIONES, Edit.Prentice hall
Hispanoamericana S.A., Mxico, 1996.

EL PROBLEMA DE PLANEACIN DE PRODUCCIN DEL SINDICATO
MINERO PACOCOCHA
El Sindicato Minero Pacococha S.A. viene soportando un incesante incremento en sus costos de
produccin, por lo tanto urge optimizar el uso de sus recursos. La gerencia ha determinado
explotar las vetas Colquechaca y 10 de mayo, para ello debemos satisfacer algunas restricciones
referentes a las leyes y la capacidad de la planta concentradora:
Vetas
Leyes
Costo
$/ton
Tonelaje a
extraer
Ag
(onz/ton)
Pb (%)
Colquechaca 4 3,5 7,0 Xc
10 de mayo 16 1,15 9,0 Xm
Otros datos que debemos considerar son: el precio de la plata: $ 20,0 /ton; precio del plomo 0,70
$/lb; capacidad de la planta concentradora: 95 ton/da.
Como gerente de produccin, formule un modelo para determinar el tonelaje a extraer de cada
veta.
Formulacin matemtica del modelo
Maximizar 126,9 Xc + 328,71 Xm
Sujeto a:
Xc + Xm <= 95
- Xc + 5 Xm >= 0
MSc Ing Mario Cuentas Alvarado


Facultad de Ingeniera de Minas
Universidad Nacional del Altiplano
Derechos Reservados MCA-FIM 2009
64
- Xc + 2 Xm <= 0
Xc y Xm >= 0
Fuente: Selvino Paz, PERT CPM una alternativa en problemas mineros, UNI, Lima Per,
Conceptos Bsicos en Anlisis de Sensibilidad
El Anlisis de Sensibilidad se utiliza para examinar los efectos de cambios en tres reas
diferenciadas del problema:
4. Los coeficientes de la funcin objetivo (Coeficiente Objetivo). Los cambios en los
coeficientes objetivo NO afectan la forma de la regin factible, por lo que no afectaran a la
solucin optima (aunque si al valor de la funcin objetivo).
5. Los coeficientes tecnolgicos (aquellos coeficientes que afectan a las variables de las
restricciones, situados a la izquierda de la desigualdad). Los cambios en estos
coeficientes provocaran cambios sustanciales en la forma de la regin factible.
6. Los recursos disponibles (los trminos independientes de cada restriccin, situados a la
derecha de la desigualdad). Intuitivamente (para 2 variables), los cambios en el RHS
suponen desplazamientos paralelos de las rectas asociadas a las restricciones, lo cual
har variar la forma de la regin factible y, con ello, a la solucin optima.

ANLISIS DE SENSIBILIDAD CON EXCEL
El primer paso ser plantear el modelo en la hoja de clculo:

Activando la funcin Solver de Excel, tendremos:
INVESTIGACION DE OPERACIONES EN MINERIA

Facultad de Ingeniera de Minas
Universidad Nacional del Altiplano
Derechos Reservados MCA-FIM 2009

65

Activemos Adoptar modelo lineal en la ventana Opciones de Solver:

Haciendo clic en el botn Resolver, obtendremos la ventana Resultados de Solver, donde
elegiremos Respuesta y Sensibilidad en Informes:

Excel nos dar el siguiente Informe de respuestas:
MSc Ing Mario Cuentas Alvarado


Facultad de Ingeniera de Minas
Universidad Nacional del Altiplano
Derechos Reservados MCA-FIM 2009
66

Una vez identificados los componentes del informe, su interpretacin es casi inmediata:
La veta Colquechaca debe producir 63,33 ton de mineral y la veta 10 de mayo 31,67 ton; para una
ganancia mxima de $ 18 446,15.
Despus de formular y resolver un problema de programacin lineal, un gerente debe hacerse un
numero de preguntas importantes de la forma: Qu sucede si ..?. Por ejemplo:
1. Qu le sucede a la solucin ptima y al valor de la funcin objetivo correspondiente si un
coeficiente particular de la funcin objetivo se modifica? Por ejemplo, supongamos que,
debido a una sobreoferta de plata en el mercado mundial la cotizacin de la plata baja a $
10,0 /onz. Este cambio disminuye el coeficiente de ganancia de Xc de $126,9 a $ $86,9 y Xm
de $328,71 a $ 168,71. Cmo afecta este cambio en el coeficiente de la funcin objetivo el
plan de produccin?
2. Qu sucede con la solucin ptima y con el valor de la funcin objetivo correspondiente si se
modifica un valor particular del extremo derecho de las restricciones? Por ejemplo, durante
un mes existen problemas con el rea de molienda de la planta concentradora y solo trabaja
al 80% de su capacidad total. Este cambio reduce la capacidad de la planta de 95 ton/da a
76 ton/da. Cmo afecta este cambio en el valor del extremo derecho de la capacidad de la
planta concentradora el plan de produccin y la ganancia ptima?
Estas preguntas tienen que ver con el tpico del anlisis de sensibilidad. Usted, gerente, se
pregunta qu tan sensibles son la solucin ptima y el valor de la funcin objetivo con respecto a
los cambios en los datos del problema, es decir, los coeficientes en la funcin objetivo y las
restricciones. Qu tanto impacto tendr en la solucin un cambio en cualquiera de los datos?
Estas preguntas de sensibilidad son importantes para un gerente porque los datos del problema a
menudo tienen que estimarse y por tanto estn sujetos a inexactitudes. Antes de implantar la
solucin obtenida de un programa lineal, es ventajoso para el gerente saber lo que podra suceder
si las estimaciones de los datos son ligeramente inexactas. El anlisis de sensibilidad indica qu
coeficientes afectan ms significativamente la solucin ptima.
Para dicho anlisis, Excel tambin nos proporcionar el Informe de sensibilidad:
INVESTIGACION DE OPERACIONES EN MINERIA

Facultad de Ingeniera de Minas
Universidad Nacional del Altiplano
Derechos Reservados MCA-FIM 2009

67

Podemos utilizar el informe de sensibilidad, adjuntando algunos clculos:

Anlisis de sensibilidad de los coeficientes de la funcin objetivo
Anlisis de sensibilidad de los coeficientes de la funcin objetivo para Xc y Xm
Basndose en la solucin ptima obtenida, la veta Colquechaca ha estado produciendo 63,33 ton
de mineral y la veta 10 de mayo 31,67 ton.
Debido a una sobreoferta de plata en el mercado mundial la cotizacin de la plata baja a $ 10,0
/onz. Cmo debera cambiar el plan de produccin para las vetas Colquechaca y 10 de mayo?
El primer paso para responder esta pregunta es darse cuenta de que una disminucin de $10 en
la cotizacin de la plata tiene como resultado una disminucin correspondiente en el margen de
ganancia de la veta Colquechaca de $126,9 a $ $86,9 y de $328,71 a 168,71 en la veta 10 de
mayo. La pregunta a formularse es: qu sucede con la solucin ptima anterior para Xc = 63,33
y Xm = 31,67 cuando el coeficiente de Xc en la funcin objetivo disminuye de 126,9 a 86,9 y el
coeficiente Xm disminuye de $328,71 a $ 168,71?.
Una forma de contestar esta pregunta es resolver el problema despus de cambiar el coeficiente
de Xc y Xm en la funcin objetivo a 86,9 y 168,71. Sin embargo, el anlisis de sensibilidad le
permite responder sta y otras preguntas relacionadas sin tener que resolver el problema cada
vez que se hace una pregunta similar.
En el Informe de sensibilidad de Excel, podemos ver que el intervalo de sensibilidad del
coeficiente Xc es [-164,355 , 328,71] y el intervalo de sensibilidad del coeficiente Xm es [126,9 ,
M]. Esto significa que si todos los dems datos permanecen inalterados, entonces mientras el
coeficiente de Xc de la funcin objetivo permanezca en el intervalo [-164,355 , 328,71] y el
MSc Ing Mario Cuentas Alvarado


Facultad de Ingeniera de Minas
Universidad Nacional del Altiplano
Derechos Reservados MCA-FIM 2009
68
coeficiente Xm en el intervalo [126,9 , M] , la solucin actual de Xc = 63,33 y Xm = 31,67 sigue
siendo ptima. El valor de la funcin objetivo en este punto, sin embargo, cambia. El tamao de
este intervalo indica qu tan sensible es la solucin ptima a su coeficiente. Por ejemplo, un
intervalo para Xc de [110,5, 150,5] indicara que la solucin ptima es ms sensible a un cambio
en este coeficiente de funcin objetivo que el intervalo anterior de [-164,355 , 328,71].
Ahora puede responder la pregunta original de cmo cambiar el plan de produccin de Pacococha
cuando el precio de la plata disminuye en $10 por onza. Aunque esta disminucin ocasiona que el
coeficiente de Xc disminuya de su valor actual de $126,9 a $86,9, este nuevo valor de 86,9 est
dentro del intervalo [-164,355 , 328,71] calculado en el anlisis de sensibilidad; de la misma
manera el nuevo valor de 168,71 para el coeficiente Xm est dentro del intervalo [126,9 , M]. Por
tanto, la solucin ptima anterior sigue siendo ptima, es decir, la veta Colquechaca debe producir
63,33 ton de mineral y la veta 10 de mayo 31,67 ton.
Sin embargo, el margen de ganancia cambia:
Nuevo margen de ganancia = 86,9 Xc + 168,71 Xm
= 86.9 (63,33) + 168.71(31,67)
= 10 846,42
Esto es, su margen de ganancia disminuye a $7 599,73.
Conclusin: Si todos los dems datos permanecen inalterados, la solucin ptima actual Xc =
63,33 y Xm = 31,67 sigue siendo ptima, siempre que las variaciones de los coeficientes estn
dentro de los intervalos proporcionados por el anlisis de sensibilidad. El tamao de este intervalo
indica qu tan sensible es la solucin ptima a su coeficiente.
Anlisis de sensibilidad de los valores del lado derecho (recursos)
Usted puede aplicar el anlisis de sensibilidad no slo a los cambios en los coeficientes de la
funcin objetivo, sino tambin a los cambios en los valores del lado derecho de las restricciones
(recursos). Por ejemplo, como gerente de produccin de Pacococha, puede estar interesado en
cualquiera de las siguientes preguntas.
4. Ante la existencia de problemas en el rea de molienda de la planta concentradora que viene
trabajando al 80% de su capacidad total. Y por ende la reduccin de la capacidad de la planta
de 95 ton/da a 76 ton/da. en cuanto disminuir el margen de ganancia?
Podemos formular la pregunta de la siguiente forma general:
Qu le sucede al valor ptimo de la funcin objetivo de un programa lineal cuando uno de los
valores del lado derecho de una restriccin se modifica y los otros datos del problema
permanecen inalterados?
Una forma de responder este tipo de pregunta es solucionar un nuevo problema de programacin
lineal en el que se modifique el valor de inters del lado derecho, y todo lo dems sea igual. Sin
embargo, las tcnicas presentadas a continuacin le permiten responder tales preguntas sin tener
que resolver todo el problema.
Anlisis de sensibilidad del valor del lado derecho de la restriccin
De los resultados del Informe de sensibilidad de Excel, puede concluirse que, si no cambian otros
datos del problema, entonces, mientras el valor del lado derecho de la restriccin (1) permanece
dentro del intervalo de [0 , M], la solucin ptima sigue siendo la misma. Sin embargo, incluso
dentro de este intervalo, los valores especficos de las variables en la solucin ptima cambian.
Hasta ahora usted ha visto cmo cambia la solucin ptima. Como gerente de Pacococha
tambin debera estar interesado en lo que le sucede a la ganancia total, esto es, lo que le sucede
al valor de la funcin objetivo en la solucin ptima al cambiar el valor Id de la restriccin (1).
Podemos observar que el precio sombra, o precio dual, del recurso es de 194,17.
Esto significa que por cada tonelada adicional de capacidad de planta concentradora disponible
por encima del valor actual de 95 el margen de ganancia corporativo se incrementar en $194,17.
Observe que el precio sombra de 194,17 tambin indica que cada recorte de hora del actual nivel
de 95 tiene como resultado una prdida de $194,17en el margen de ganancia.
INVESTIGACION DE OPERACIONES EN MINERIA

Facultad de Ingeniera de Minas
Universidad Nacional del Altiplano
Derechos Reservados MCA-FIM 2009

69
Conociendo el precio sombra de la restriccin, ya puede responder la pregunta planteada:
Nuevo margen de ganancia = (viejo margen de ganancia) + (precio sombra)*
(incremento en toneladas de capacidad de tratamiento)
= 18 446,15 + 194,17(76 - 95)
= $14 756,92
Anlisis paramtrico de los valores del lado derecho
Con el anlisis de sensibilidad, usted est equipado para responder ciertas preguntas del tipo
"Qu sucede si ... ?', siempre y cuando los cambios en los coeficientes estn dentro del
intervalo de sensibilidad. Sin embargo, qu sucede si esos cambios estn fuera del intervalo?.
Para responder preguntas relativas a los valores del Id fuera del intervalo de sensibilidad, se
realiza clculos con el nuevo valor del ld de la restriccin.
ANLISIS DE SENSIBILIDAD CON LINDO
Con el software LINDO obtendramos el siguiente resultado:

Con los resultados, podremos realizar una anlisis similar al realizado con los Informes de Excel.

ANLISIS DE SENSIBILIDAD CON WinQSB
Al usar el software WinQSB, obtendramos el siguiente reporte:
MSc Ing Mario Cuentas Alvarado


Facultad de Ingeniera de Minas
Universidad Nacional del Altiplano
Derechos Reservados MCA-FIM 2009
70

De manera similar al anlisis con Excel, podemos trabajar con el reporte de WinQSB.
CONCLUSIN
En esta seccin, usted ha aprendido a preguntar y contestar preguntas relativas a qu tan
sensibles son la solucin ptima y el valor de la funcin objetivo en uno de los coeficientes de la
funcin objetivo o en valores del lado derecho. Tales preguntas son de particular importancia para
gerentes que deben tomar decisiones cuando los datos para un problema estn sujetos a cambios
o incertidumbre.
REFERENCIA BIBLIOGRFICA
Kamlesh Mathur, Daniel Solow, INVESTIGACIN DE OPERACIONES, Edit.Prentice hall
Hispanoamericana S.A., Mxico, 1996.

EJEMPLOS DE ANLISIS DE SENSIBILIDAD USANDO SOFTWARE
1. Steel Company produce tres tamaos de tubos: A, B y C, que son vendidos, respectivamente
en $10, $12 y $9 por pie. Para fabricar cada pie del tubo A se requieren 0,5 minutos de tiempo
de procesamiento sobre un tipo particular de maquina de modelado. Cada pie de tubo B
requiere 0,45 minutos y cada pie del tubo C requiere 0,6 minutos. Despus de la produccin,
cada pie de tubo, sin importar el tipo, requiere 1 onza de material de soldar. El costo total se
estima en $3, $4 y $4 por pie de los tubos A, B y C, respectivamente.
Para la siguiente semana, MTV Steel ha recibido pedidos excepcionalmente grandes que
totalizan 2000 pies del tubo A, 4000 pies del tubo B y 5000 pies del tubo C. Como solo se
dispone de 40 horas de tiempo de maquina esta semana y solo se tienen en inventario 5500
onzas de material de soldar, el departamento de produccin no podr satisfacer esta
demanda, que requiere un total de 97 horas de tiempo de maquina y 11000 onzas de material
de soldar. No se espera que contine este nivel de demanda. En vez de expandir la capacidad
de las instalaciones de produccin, la gerencia de MTV Steel esta considerando la compra de
algunos de estos tubos a proveedores de Japn a un costo de entrega de $6 por pie de tubo
A, $6 por pie de tubo B y $7 por pie del tubo C. estos diversos datos se resumen en la tabla.
Como gerente del departamento de produccin, se le ha pedido hacer recomendaciones
respecto a la cantidad de produccin de cada tipo de tubo y la cantidad de compra a Japn
para satisfacer la demanda y maximizar las ganancias de la compaa.

TIPO PRECIO DE
VENTA
($/pie)
DEMANDA
(pie)
TIEMPO DE
MAQUINA
(min/pie)
MATERIAL
PARA
SOLDAR
(oz/pie)
COSTO DE
PRODUCCIN
($/pie)
COSTO DE
COMPRA
($/pie)
INVESTIGACION DE OPERACIONES EN MINERIA

Facultad de Ingeniera de Minas
Universidad Nacional del Altiplano
Derechos Reservados MCA-FIM 2009

71
A 10 2 000 0,50 1 3 6
B 12 4 000 0,45 1 4 6
C 9 5 000 0,60 1 4 7
Cantidad disponible 40 5 500 oz
El modelo matemtico para el problema es:
Maximizar ganancia = 7AP + 8BP + 5CP + 4AJ + 6BJ + 2CJ
Dependiendo de:
Restricciones de demanda
AP + AJ = 2 000 (demanda A)
BP + BJ = 4 000 (demanda B)
CP + CJ = 5 000 (demanda C)
Restricciones de recursos
0,5AP + 0,45BP + 0,6CP <= 2 400 (tiempo de maquina)
AP + BP + CP <= 5 500 (material para soldar)
Restricciones lgicas
AP, BP, CP, AJ, BJ, CJ >= 0
Utilice el software WinQSB para responder a las preguntas siguientes:
a) Cul es el plan de produccin/adquisicin ptimo para la MTV Steel?


MTV Steel debe producir 2,000 pies de tubo A y 2,333.33 pies de tubo C; debe comprar de sus
proveedores del Japn 4,000 pies de tubo B y 2,666,67 pies de tubo C para cumplir con sus pedidos.
La venta de estos productos le va a reportar $ 55,000 de ganancia.
b) Cules de las dos restricciones de recursos son acotantes
4
?

4
Acotante es sinnimo de limitante.
MSc Ing Mario Cuentas Alvarado


Facultad de Ingeniera de Minas
Universidad Nacional del Altiplano
Derechos Reservados MCA-FIM 2009
72
Solo la restriccin para el recurso tiempo de mquina es limitante, debido a que su variable de
holgura (Snack o Surplus) tiene valor de cero.
c) Si pudiera obtener mas material para soldar o mas tiempo de maquina, pero no ambas cosas,
Cul escogera? Explique.
Escogera el tiempo de mquina, pues es un recurso limitado, mientras que an tenemos 1 666,67
onzas de material para soldar.
d) Los japoneses acaban de aumentar el precio de sus tubos tipo C de $7 a $8 por pie. de que
manera cambia el plan de produccin/adquisicin actual? (Si no puede hacerlo, obtenga la
respuesta resolviendo un modelo apropiadamente modificado).
El incremento del precio, disminuye nuestra ganancia en el tubo C comprado a $1,0, cuyo valor
queda fuera del intervalo de sensibilidad <1.4 2.333>. Se debe volver a resolver el problema con
las nuevas condiciones:


El nuevo plan de produccin optimo es producir 4,000 pies de tubo C y comprar de sus proveedores
del Japn 2,000 pies de tubo A; 4,000 pies de tubo B y 1,000 pies de tubo C para cumplir con sus
pedidos. La venta de estos productos le va a reportar una ganancia de $ 53,000
e) La compaa desea aumentar sus ganancias a $ 57 500. Cuntas horas mas de tiempo
maquina se necesitan para lograr este objetivo? (Si no puede hacerlo, obtenga la respuesta
resolviendo un modelo apropiadamente modificado).
Nuevo margen de ganancia = (viejo margen de ganancia) + (precio sombra) x (incremento en horas
de mano de obra)
(incremento en horas de mano de obra) = [(nuevo margen de ganancia) (viejo margen de
ganancia)]/(precio sombra)
incremento en horas de mano de obra = ($57,500 - $55,000)/$5,0/h) = 500 min = 8,33 h.
Comprobando con el software tenemos:

INVESTIGACION DE OPERACIONES EN MINERIA

Facultad de Ingeniera de Minas
Universidad Nacional del Altiplano
Derechos Reservados MCA-FIM 2009

73


2. HiDec produce dos modelos de artculos electrnicos, donde se usan resistores, capacitores y
chips. La tabla siguiente es un resumen de lo datos de este caso.
Recurso
Requerimientos del recursos por unidad
Modelo I
(unidades)
Modelo 2
(unidades)
Disponibilidad
mxima (unidades)
Resistor 2 3 1 200
Capacitor 2 1 1 000
Chips 0 4 800
Utilidad ($) 3 4

El modelo matemtico es el siguiente:
Maximizar 3M1 + 4M2
Sujeto a:
2M1 + 3M2 <= 1 200 (disponibilidad de resistores)
2M1 + M2 <= 1 000 (disponibilidad de capacitores)
4M2 <= 800 (disponibilidad de chips)
M1, M2 >= 0
Utilice el software WinQSB para responder a las preguntas siguientes:
a. Determine la solucin ptima con WinQSB

HiDec debe producir 450 unidades de M1 y 100 unidades de M2 para obtener una ganancia de S/. 1
750,00.
MSc Ing Mario Cuentas Alvarado


Facultad de Ingeniera de Minas
Universidad Nacional del Altiplano
Derechos Reservados MCA-FIM 2009
74
b. En funcin de la utilidad ptima, determine el valor de un resistor. De un capacitor. De un
chip.
El valor de los elementos est determinado por el precio sombra de cada uno de ellos, para un
resistor es S/. 1,25, para un capacitor S/. 0,25 y para un chip es 0.
c. Si la cantidad disponible de resistores aumenta a 1 300 unidades, Qu sucede?
Podemos observar que el recurso resistor posee un intervalo de <1 000, 1 400> y 1 300 se
encuentra dentro del rango, por lo tanto, podemos calcular la variacin de la ganancia ptima:
(Nuevo valor de z) = (valor original de z) + (precio sombra) x (cambio en el valor del lado derecho)
z = 1 750,00 + (1,25) x (1 300-1 200) = S/. 1 875,0
d. Si se reduce la cantidad de chips disponible a 350 unidades, Podra usted determinar la
solucin ptima nueva en forma directa a partir de la informacin? Explique por qu.
El valor de 350 no se encuentra dentro del intervalo <400, M>, por lo tanto, debemos volver a
calcular la produccin ptima con el nuevo valor.

Con el cambio de valor del recurso chips, HiDec debe producir 456 unidades de M1 y 87 unidades
de M2 para obtener una ganancia de S/. 1 716,0.
e. Si la disponibilidad de los capacitores se limita por el intervalo de aplicabilidad calculado
en b), determine el intervalo correspondiente de utilidad ptima y los intervalos
correspondientes de la cantidad de unidades a producir de los modelos 1 y 2 .
Para responder, utilizaremos el anlisis paramtrico de WinQSB

INVESTIGACION DE OPERACIONES EN MINERIA

Facultad de Ingeniera de Minas
Universidad Nacional del Altiplano
Derechos Reservados MCA-FIM 2009

75

Del grfico, podemos deducir que para el intervalo de los capacitores <800, 1 200>, el intervalo del
margen de ganancia es <1 700, 1 800>.
Para calcular el valor los intervalos correspondientes a la cantidad de unidades a producir de los
modelos 1 y 2, realizaremos nuevos clculos son los valores extremos del intervalo <800, 1 200>:


El intervalo para M1 ser <300, 600> y para M2 <0, 200>.
f. Un nuevo contratista ofrece vender a HiDec mas resistores a 40 centavos cada uno, pero
solo si HiDec compra un mnimo de 500 unidades. debe aceptar la oferta HiDec?
Volvemos a calcular con 1 700 resistores:
MSc Ing Mario Cuentas Alvarado


Facultad de Ingeniera de Minas
Universidad Nacional del Altiplano
Derechos Reservados MCA-FIM 2009
76

Observamos que la ganancia se incrementa en S/. 250,0 (2 000,0 1 750,0) y el gasto sera de S/.
200,0 (500 unidades x $0,4/unidad), por lo tanto, es recomendable realizar la compra.
3. Toyco arma tres juguetes: trenes, camiones y coches, con tres operaciones. Los lmites de
tiempo disponible para las tres operaciones son 430, 460 y 420 minutos, respectivamente, y
las utilidades por tren, camin y coche de juguete son $3, $2 y $5, respectivamente. Los
tiempos de armado por tren, en las tres operaciones son 1, 3 y 1 minutos, respectivamente.
Los tiempos respectivos por camin y por coche son (2, 0, 4) y (1, 2, 0) minutos (un tiempo de
cero indica que no se usa la operacin). Si x
1
, x
2
y x
3
representan la cantidad diaria de
unidades armadas de trenes, camiones y coches. El modelo matemtico formulado ser:
Maximizar z = 3x
1
+ 2x
2
+ 5x
3

Sujeto a:
x
1
+ 2x
2
+ x
3
<= 430 (Operacin 1)
3x
1
+ 2x
3
<= 460 (Operacin 2)
x
1
+ 4x
2
<= 420 (Operacin 3)
x
1
, x
2
, x
3
>= 0
a) Determine la solucin ptima del problema usando WinQSB.

Toyco debe producir 100 unidades de camiones y 230 unidades de coches para obtener una
ganancia de S/. 1 350,00.
b) Si usted pudiera redistribuir la capacidad en exceso de la operacin 3 de 20 minutos, Cul
de las dos operaciones (1 2) escogera?
Los minutos no utilizados en la operacin 3 son 20 minutos, el valor de los mismos es:
Operacin 1 = 20 minutos x $1/minuto = $20
Operacin 2 = 20 minutos x $2/minuto = $40
Asignara los 20 minutos a la operacin 2, lo que permitira aumentar mi margen de ganancia en
$40,0.
INVESTIGACION DE OPERACIONES EN MINERIA

Facultad de Ingeniera de Minas
Universidad Nacional del Altiplano
Derechos Reservados MCA-FIM 2009

77
c) Suponga que para los trenes de juguete el tiempo por unidad de operacin 2 se puede
reducir de 3 minutos a cuando mucho 1,25 minutos. Cunto debe reducirse el tiempo por
unidad de la operacin 1 para hacer que los trenes de juguete sean apenas rentables?
La variacin sucede en el lado izquierdo de la restriccin 2, observemos el nuevo modelo
planteado y su solucin:


El plan de produccin ptimo y el margen de ganancia se mantienen; el coeficiente 1 de la
restriccin 1 (operacin 1) lo haremos variar, hasta que la solucin nos reporte produccin de
trenes:

Tiempo por
unidad de
operacin 1
Unidades de
trenes
Unidades de
camiones
Unidades de
coches
Margen de
ganancia
0,9 0 100 230 1 350,0
0,8 0 100 230 1 350,0
0,7 0 100 230 1 350,0
0,6 0 100 230 1 350,0
0,5 0 100 230 1 350,0
0,4 13,7931 101,5517 221,379 1 351, 379
Acercamos el valor del tiempo a 0,5 (0,4999999), para hallar la nueva produccin ptima.

MSc Ing Mario Cuentas Alvarado


Facultad de Ingeniera de Minas
Universidad Nacional del Altiplano
Derechos Reservados MCA-FIM 2009
78

Toyco puede producir 16 unidades de trenes, 101 unidades de camiones y 220 unidades de
coches para obtener una ganancia de S/. 1 350,00, cuando el tiempo por unidad de operacin 2
se reduzca a 1,25 minutos y el tiempo por unidad de operacin 1 sea menor de 0,5 minutos.
d) Suponga que Toyco estudia la posibilidad de introducir un cuarto juguete: carro de
bomberos. En el armado no se usa la operacin 1. Sus tiempos de armado por unidad en las
operaciones 2 y 3, son 1 y 3 minutos respectivamente. La utilidad por unidad es $4.
Aconsejara usted a Toyco que introdujera este nuevo producto?
El nuevo modelo matemtico ser:
Maximizar z = 3x
1
+ 2x
2
+ 5x
3
+ 4x
4

Sujeto a:
x
1
+ 2x
2
+ x
3
<= 430 (Operacin 1)
3x
1
+ 2x
3
+ x
4
<= 460 (Operacin 2)
x
1
+ 4x
2
+ 3x
4
<= 420 (Operacin 3)
x
1
, x
2
, x
3,
x
4
>= 0
La solucin del modelo matemtico con WinQSB, nos reporta:

La diferencia de utilidades es solo S/. 10,0. No aconsejara la introduccin del nuevo producto,
e) Suponga que todo tiempo adicional para la operacin 1, respecto a su capacidad actual de
430 minutos diarios, se debe hacer en tiempo extra, a $50 por hora. El costo por hora
incluye tanto la mano de obra como el funcionamiento de la maquina. hay ventajas
econmicas de recurrir al tiempo extra para la operacin 1?
Del anlisis paramtrico de la restriccin 1 (operacin 1):
INVESTIGACION DE OPERACIONES EN MINERIA

Facultad de Ingeniera de Minas
Universidad Nacional del Altiplano
Derechos Reservados MCA-FIM 2009

79


Solo habr incremento en el margen de ganancia de S/.10 (S/.1 350 a S/.1 360), incrementando los
minutos de 430 a 440; luego as se incrementen ms minutos, no habr incremento en el margen
de ganancia (ver grfica).
f) Suponga que el trabajador de la operacin 2 conviene en trabajar 2 horas de tiempo
extraordinario diarias a $45 por hora. Adems el costo de la operacin misma es $ 10 por
hora. Cul es el efecto de esta actividad sobre la utilidad diaria?
En la operacin 2, con el incremento de 2 horas extras o sea 120 minutos, el total sera de 580
minutos que se encuentra dentro del intervalo <440, 860>, por lo tanto el incremento en las
ganancias sera de $2 x 240 = $480,0 y los gastos seran de 2 x ($45,0 + $10,0) = $110,0, dando
un saldo positivo de $370 ($480 - $110).
g) Vale la pena usar tiempo extra para la operacin 3?
El anlisis paramtrico para la operacin 3 es:

MSc Ing Mario Cuentas Alvarado


Facultad de Ingeniera de Minas
Universidad Nacional del Altiplano
Derechos Reservados MCA-FIM 2009
80

Observamos que el margen de ganancia no se incrementa, a pesar de incrementar los minutos de
operacin, por lo tanto no vale la pena usar tiempo extra.
h) Suponga que aumenta la disponibilidad diaria de la operacin 1 a 440 minutos. Todo tiempo
extra incurrido en exceso de la capacidad mxima actual costara $40 por hora. Qu sucede
con la solucin optima hallada?
Analizando el reporte de anlisis paramtrico para la operacin 1:

El nuevo margen de ganancia es de $1 360,0, $10 ms que el anterior; los 10 minutos adicionales
cuestan $6,67, tendramos un incremento de ganancia efectivo de $3,33.
i) Suponga que disminuye la disponibilidad de la operacin 2 en 15 minutos diarios, y que el
costo por hora de la operacin durante el tiempo normal es $30. Vale la pena disminuir la
disponibilidad de la operacin 2?
La disminucin a 445 minutos, est dentro del intervalo <440, 860>, por lo tanto una disminucin
de 15 minutos nos disminuira el margen de ganancia en $2 x 15 = $30,0, de la misma manera el
ahorro sera de $7,5, ocasionando una prdida de $22,5. No vale la pena disminuir la disponibilidad
de la operacin 2.
4. Cauchos Per, fabrica tres productos de caucho: Airtex (material esponjoso), Extendex
(material elstico) y Resistex (material rgido). Los tres productos requieren los mismos tres
polmeros qumicos y una base. La cantidad de cada ingrediente usada por libra del producto
final se muestra en a tabla:
PRODUCTO Ingrediente (oz/lb de producto)
Polmero A Polmero B Polmero C Base
Airtex 4 2 4 5
Extendex 2 2 3 8
INVESTIGACION DE OPERACIONES EN MINERIA

Facultad de Ingeniera de Minas
Universidad Nacional del Altiplano
Derechos Reservados MCA-FIM 2009

81
Resistex 5 3 5 2
Cauchos Peru, tiene el compromiso de producir al menos 1200 libras de Airtex, 500 libras de
Extendex y 300 libras de Resistex para la prxima semana, pero la gerencia de la compaa
sabe que puede vender mas de cada uno de los tres productos. Los inventarios actuales de
los ingredientes son 500 libras del polmero A, 425 libras del polmero B, 650 libras del
polmero C y 1100 libras de la base. Cada libra de Airtex produce a la compaa una ganancia
de $/.7, cada libra de Extendex una ganancia de $6,5 y cada libra de Resistex una ganancia
de $6.
El modelo matemtico planteado es:
Maximizar ganancia = 7A+ 6,5E + 6R
Sujeto a:
Restricciones de recursos
4A + 2E + 5R <= 8 000 (polmero A en onzas)
2A + 2E + 3R <= 6 800 (polmero B en onzas)
4A + 3E + 5R <= 10 400 (polmero C en onzas)
5A + 8E + 2R <= 17 600 (base en onzas)
Restricciones de demanda
A >= 1 200 (Airtex en libras)
E >= 500 (Extendex en libras)
R >= 300 (Resistex en libras)
Restricciones lgicas
A, E, R >= 0
Utilice el resultado del uso de software, Solver de Excel para responder a las siguientes
preguntas:
a. Cul es el plan de produccin ptimo?

MSc Ing Mario Cuentas Alvarado


Facultad de Ingeniera de Minas
Universidad Nacional del Altiplano
Derechos Reservados MCA-FIM 2009
82

Cauchos Per debe producir 1 200 lb de Airtex, 850 lb de Extendex y 300 lb de Resistex. La venta
de estos productos le va a reportar $ 15 725 de ganancia.

b. Cules de las cuatro restricciones son acotantes?
Solo la restriccin para el recurso polmero A es limitante, debido a que su variable de holgura
(Snack o Surplus) tiene valor de cero.
c. Si usted pudiera obtener cantidades adicionales de nicamente uno de los tres polmeros
Cul de ellos recomendara? Explique.
Solicitara cantidades adicionales del polmero A.
d. La compaa desea aumentar sus ganancias a $18 000 adquiriendo ms cantidad del
polmero A Cunto mas del polmero A se necesita? Explique.
Nuevo margen de ganancia = (viejo margen de ganancia) + (precio sombra) x (incremento en
polmero A)
(incremento en polmero A) = [(nuevo margen de ganancia) (viejo margen de ganancia)]/(precio
sombra)
incremento en polmero A = ($18,000 - $15,725)/$3,25/oz) = 700 oz..
Comprobando con el software tenemos:

INVESTIGACION DE OPERACIONES EN MINERIA

Facultad de Ingeniera de Minas
Universidad Nacional del Altiplano
Derechos Reservados MCA-FIM 2009

83

e. Si la demanda de Airtex aumenta en 2%, Cul es el nuevo plan de produccin ptimo?
Explique
La demanda de Airtex, seria 1224 lb,


f. Qu coeficiente o coeficientes de ganancia podran duplicarse, mientras se mantienen
fijos todos los dems coeficientes, sin que se afecte el plan de produccin optimo?
Explique.
En el producto Airtex, s duplicamos la ganancia de $7 a $14, este nuevo valor sale del rango de
variacin de coeficiente de ganancia de [0 , 13].
En el producto Extendex, s duplicamos la ganancia de $6,5 a $13, este nuevo valor se encuentra
dentro del rango de variacin de coeficiente de ganancia de [3,5 , M].
En el producto Resistex, s duplicamos la ganancia de $6 a $24, este nuevo valor se encuentra
dentro del rango de variacin de coeficiente de ganancia de [0 , 16,25].
En conclusin, podemos duplicar el coeficiente de ganancia de Extendex y Resistex.
MSc Ing Mario Cuentas Alvarado


Facultad de Ingeniera de Minas
Universidad Nacional del Altiplano
Derechos Reservados MCA-FIM 2009
84
g. La ganancia de Extendex acaba de disminuir en 20%. Cul es el nuevo plan de
produccin y la ganancia total? Explique.
La nueva ganancia en el producto Extendex, sera de $5,2, este nuevo valor esta dentro del rango
de variacin de coeficiente de ganancia de [3,5 ,M]. Por lo tanto, se conserva el plan de
produccin obtenido, con la ganancia de $ 14 620.
h. El compromiso de producir 300 lbs de Resistex acaba de caer en 10%. Qu le sucede a
la ganancia optima? Explique


Cauchos Per debe producir 1 200 lb de Airtex, 500 lb de Extendex y 270 lb de Resistex. La venta
de estos productos le va a reportar $ 13 270 de ganancia.
5. Mobil Oil del Peru, obtiene tres tipos de petrleo crudo de sus pozos de Talara, Loreto y
Ucayali. La gasolina obtenida de estos petrleos crudos se mezcla con dos aditivos para
obtener el producto final. Estos petrleos crudos y aditivos contienen azufre, plomo y fsforo,
como se muestra en la tabla. El costo de cada componente tambin se presenta. Debido a los
residuos e impurezas, cada galn de petrleo crudo de Talara resulta solo en 0,40 de galn de
producto final, que contiene 0,07% de azufre. De manera similar, cada galn de crudo de
Loreto produce 0,50 de galn de producto final que contiene 0,08% de sulfuro y cada galn de
crudo de Ucayali resulta en 0,30 de galn de producto final que contiene 0,10 de azufre. La
gerencia ha establecido las siguientes especificaciones para controlar las cantidades de
azufre, plomo y fsforo:
a. Cada galn debe tener a lo ms 0,07% de azufre.
b. Cada galn debe tener entre 1,25 y 2,5 gramos de plomo.
c. Cada galn debe tener entre 0,0025 y 0,0045 gramos de fsforo.
d. La cantidad total de aditivos no puede exceder de 19% de la mezcla.
Petrleos crudos Aditivos
Talara Loreto Ucayali 1 2
Azufre (%) 0,07 0,08 0,10 - -
INVESTIGACION DE OPERACIONES EN MINERIA

Facultad de Ingeniera de Minas
Universidad Nacional del Altiplano
Derechos Reservados MCA-FIM 2009

85
Plomo (g/gal) - - - 7 6
Fsforo (g/gal) - - - 0,025 0,02
Costo 8$/gal) 0,55 0,47 0,33 0,08 0,12
El modelo matemtico planteado es:
Minimizar 0,55T + 0,47L + 0,33U + 0,08A1 + 0,12A2
Sujeto a:
Restricciones de produccin
0,35T + 0,40L + 0,30U + A1 + A2 = 1
Restricciones de composicin de mezclado
0,000245T + 0,00032L + 0,0003U <= 0,0007 (azufre)
7A1 + 6A2 <= 2,50 (limite superior en
plomo)
7A1 + 6A2 >= 1,25 (limite inferior en
plomo)
0,025A1 + 0,02A2 <= 0,0045 (limite superior en fsforo)
0,025A1 + 0,02A2 >= 0,0025 (limite inferior en fsforo)
A1 + A2 <= 0,19 (limite superior en
aditivos)
Restricciones lgicas
T, L, U, A1, A2 >= 0
Utilice el resultado del uso de software WinQSB para responder a las siguientes preguntas:
a. Cul es el plan de produccin ptimo?


MSc Ing Mario Cuentas Alvarado


Facultad de Ingeniera de Minas
Universidad Nacional del Altiplano
Derechos Reservados MCA-FIM 2009
86
Mobil Oil del Per debe mezclar 1,375 gal de petrleo crudo de sus pozos de Loreto con 0,8667 gal
de petrleo crudo de sus pozos de Ucayali con 014 gal de Aditivo 1 y 0,05 gal de Aditivo 2. Con un
costo de 0,9495 $/gal de producto final.
b. Identifique que ingredientes (azufre, plomo y fsforo) estn en su lmite permitido.
Los elementos que estn en sus lmites permisibles son: Azufre y Fsforo en su lmite superior.
c. Analice el efecto de los aumentos y disminuciones individuales en los costos de los tres
petrleos crudos antes de que las cantidades actuales de los ingredientes deban cambiarse.
El precio del petrleo crudo procedente de Talara, puede fluctuar en el rango de [0,424, M] y no
alterarse la mezcla optima, si los otros precios no varan.
El precio del petrleo crudo procedente de Loreto, puede fluctuar en el rango de [0,4400 0,5657]
y no alterarse la mezcla optima, si los otros precios no varan.
El precio del petrleo crudo procedente de Ucayali, puede fluctuar en el rango de [0,1146 0,3525]
y no alterarse la mezcla optima, si los otros precios no varan.
d. Explique el impacto de los cambios en el contenido mximo de azufre sobre el costo de la
mezcla ptima.

e. Proporcione la mezcla ptima y el costo asociado si el precio del petrleo crudo Ucayali
aumenta en 10%.

f. Proporcione la mezcla ptima y el costo asociado si el lmite sobre la cantidad total de
aditivos disminuye de 19% a 15%.
6. La comunidad de Ichu tiene 50 Has. De tierra en la que se puede plantar cualquier cantidad de
maz, cebolla y lechuga. La siguiente tabla muestra la informacin relevante con respecto a la
produccin, la ganancia neta y los requerimiento de agua para cada cultivo:

CULTIVO PRODUCCIN
(Kg/Ha)
GANANCIA NETA
(S/./Kg)
AGUA
REQUERIDA
(litros/kg)
Maz 640 1,0 8,75
Cebolla 500 0,8 5,00
Lechuga 400 0,6 2,25
Dado que se tienen disponibles 100 000 litros de agua y que la comunidad se ha
comprometido a vender al menos 5 120 kg de maz, se desarrollo el siguiente programa lineal,
en el que CN es el numero de Has. Que se van a plantar con maz, SB es el numero de Has.
Que se van a plantar con cebolla y LT es el nmero de Has que se van a plantar con lechuga:
Maximizar 640 CN + 400SB + 240LT
Sujeto a:
CN + SB + LT <= 50 (tierra)
5600CN + 2500SB + 900LT <= 100 000 (agua)
CN >= 8 (demanda de maz)
CN, SB, LT >= 0
Utilice el resultado del uso de software WinQSB para responder a las siguientes preguntas:
a. Cuntos kilogramos de cada cultivo sern cosechados?
INVESTIGACION DE OPERACIONES EN MINERIA

Facultad de Ingeniera de Minas
Universidad Nacional del Altiplano
Derechos Reservados MCA-FIM 2009

87


Maz = 8 Ha x 640 kg/Ha = 5 120 kg.
Cebolla = 10,875 Ha x 500 kg/Ha = 5 437,50 kg.
Lechuga = 31,125 Ha x 400 kg/Ha = 12 450 kg.
b. En la solucin optima cuanta agua y cuanta tierra no se utilizan? Explique
Agua = Se utiliza el 100% del recurso, pues el Slack o Surplus es 0.
Tierra = Se utiliza el 100% del recurso, pues el Slack o Surplus es 0.
c. En que cantidad tendra que disminuir la ganancia neta por kilogramo de lechuga antes de
que cambie la solucin optima actual?
El rango de variacin del coeficiente de ganancia de la lechuga es [144 , 276,129], entonces la
ganancia neta por lechuga puede disminuir hasta 144/400 = 0,36, sin cambiar la solucin optima.
d. Con la misma cantidad de dinero la gerencia puede arrendar 10 Has. De terreno adicionales
para la estacin o adquirir 13 000 litros de agua. Cul de las dos alternativas recomendara
usted? Explique.
Terreno = 10 x 150 = S/. 1500
Agua = 13 000 x 0,1 = 1 300
Recomiendo adquirir agua, por tener menor costo.
e. La gerencia desea obtener una ganancia neta de $25 000. Cuntos litros de agua se
necesitan para lograr esta meta, suponiendo que la cantidad de tierra es la misma?
Nuevo margen de ganancia = (viejo margen de ganancia) + (precio sombra) x (incremento en
agua)
(incremento en agua) = [(nuevo margen de ganancia) (viejo margen de ganancia)]/(precio
sombra)
incremento en agua = ($25 000 - $16 940)/$0,1/l) = 80 600 litros.
f. La gerencia acaba de recibir la oferta de arrendar su tierra para la temporada a $/. 200 por
Ha. Cuntas Has. Si lo hace, deber arrendar? Explique
Debe arrendar todo, pues le ofrecen $200 y su Shadow Price es $150.
7. la compaa Muani Cueros SRL fabrica guantes, correas y mochillas para minera. En la
fabricacin de los tres productos se necesita cuero, metal y materiales sintticos, y el cuero es
la materia prima limitante. En el proceso de produccin se usan dos clases de mano de obra
MSc Ing Mario Cuentas Alvarado


Facultad de Ingeniera de Minas
Universidad Nacional del Altiplano
Derechos Reservados MCA-FIM 2009
88
calificada: costura y acabado. La tabla siguiente muestra la disponibilidad de los recursos, su
uso en los tres productos y las utilidades por unidad.
Recurso
Requerimiento del recurso por unidad
Guante Correa Mochila
Disponibilida
d diaria
Cuero (pie
2
) 2 1 3 42
Costura (h) 2 1 2 40
Acabado (h) 1 0.5 1 45
Utilidad (S/.) 24 22 45
El modelo matemtico formulado es:
Maximizar 24G + 22C+ 45M
Sujeto a:
2G + 1C + 3M <= 42 (disponibilidad de pie
2
de cuero)
2G + 1C + 2M <= 40 (disponibilidad de horas de costura)
1G + 0,5C + 1M <= 45 (disponibilidad de horas de acabado)
G, C, M >= 0
Determine la solucin ptima con WinQSB

Muani Cueros SRL, debe producir 36 unidades de correas y 2 unidades de mochillas
para obtener una ganancia diaria de S/. 882,0.
A continuacin comente como influyen los cambios siguientes en los recursos:
a. El cuero disponible aumenta a 45 pie
2
(1pto).
Podemos observar que el recurso cuero posee un intervalo de [40 , 60] y 45 se
encuentra dentro del rango, por lo tanto, podemos calcular la variacin de la ganancia
optima:
(Nuevo valor de z) = (valor original de z) + (precio sombra)x(cambio en el valor del lado
derecho)
z = 882,0 + (1,0)x(45-42) = S/. 885,0
b. El cuero disminuye a 1 pie
2
(1pto).
El valor de 1 no se encuentra dentro del intervalo [40 , 60], por lo tanto, debemos volver
a calcular la produccin ptima con el nuevo valor.
INVESTIGACION DE OPERACIONES EN MINERIA

Facultad de Ingeniera de Minas
Universidad Nacional del Altiplano
Derechos Reservados MCA-FIM 2009

89

Con el cambio de valor del recurso cuero, Muani Cueros SRL, debe producir 1 correa
para obtener una ganancia diaria de S/. 22,0.
c. Las horas disponibles de costura cambian a 38 (1pto).
El recurso costura posee un intervalo de [28 , 42] y 38 se encuentra dentro del rango, por
lo tanto, podemos calcular la variacin de la ganancia optima:
(Nuevo valor de z) = (valor original de z) + (precio sombra)x(cambio en el valor del lado
derecho)
z = 882,0 + (21,0)x(38-40) = 882,6 42,0 = S/. 840,0
d. Las horas disponibles de costura cambian a 46 (1pto).
El valor de 46 no se encuentra dentro del intervalo [28 , 42], por lo tanto, debemos volver
a calcular la produccin ptima con el nuevo valor.

Con el cambio de valor del recurso costura, Muani Cueros SRL, debe producir 42
correas para obtener una ganancia diaria de S/. 924,0.
e. Las horas disponibles de acabado disminuyen a 15 (1pto).
El valor de 15 no se encuentra dentro del intervalo [20 , M], por lo tanto, debemos volver
a calcular la produccin ptima con el nuevo valor.
MSc Ing Mario Cuentas Alvarado


Facultad de Ingeniera de Minas
Universidad Nacional del Altiplano
Derechos Reservados MCA-FIM 2009
90

Con el cambio de valor del recurso acabado, Muani Cueros SRL, debe producir 6
correas y 12 mochilas para obtener una ganancia diaria de S/. 672,0.
f. Las horas disponibles de acabado aumentan a 50 (1pto).
El recurso acabado posee un intervalo de [20 , M] y 50 se encuentra dentro del rango,
por lo tanto, podemos calcular la variacin de la ganancia optima:
(Nuevo valor de z) = (valor original de z) + (precio sombra)x(cambio en el valor del lado
derecho)
z = 882,0 + (0,0)x(50-45) = 882,0 + 0,0 = S/. 882,0
g. Recomendara usted contratar un costurero mas a S/.15 por hora? (1pto).
Si observamos el precio sombra del recurso costura es de S/. 21,0 mayor que S/. 15,0,
por lo tanto, recomendamos contratar un nuevo costurero por hora.
8. Gapco tiene un presupuesto diario de 320 horas de mano de obra y 350 unidades de materia
prima, para fabricar dos productos. Si es necesario, la empresa puede emplear hasta 10 horas
de tiempo extra de mano de obra, con un costo adicional de $2 por hora. Se necesita 1 hora
de mano de obra y 3 unidades de materia prima para producir una unidad de producto 1, y 2
horas de mano de obra y 1 unidad de materia prima para producir una unidad de producto 2.
la utilidad por unidad de producto 1 es de $10, y la del producto 2 es $12. Sean x
1
y x
2
las
cantidades diarias fabricada de productos 1 y 2 respectivamente. y x
3
las horas diarias de
tiempo extra usadas. El modelo matemtico formulado ser:
Maximizar 10x
1
+ 12x
2
2x
3

Sujeto a:
x
1
+ 2x
2
x
3
<= 320 (Horas de mano de obra)
3x
1
+ x
2
<= 350 (Materia prima)
x
3
<= 10 (Tiempo extra)
x
1
, x
2
, x
3
<= 0
a) Determine la solucin ptima del problema usando Solver de Excel

INVESTIGACION DE OPERACIONES EN MINERIA

Facultad de Ingeniera de Minas
Universidad Nacional del Altiplano
Derechos Reservados MCA-FIM 2009

91

La produccin diaria de Gapco debe ser de 74 unidades del producto 1 y 128 unidades del
producto 2, debe usar 10 horas de tiempo extra y tendr una ganancia de $ 2 256,0.
b) Actualmente, Gapco paga $2 adicionales por hora de tiempo extra. Cunto es lo mximo
que puede pagar la empresa? (1 pto).
Si observamos el rango del coeficiente de x3 [-5,2 , M], podemos deducir que el monto mximo que
podemos pagar es de $5,2 sin alterar la solucin ptima hallada. El nuevo valor de z ser Z =
10(74) + 12(128) 5,2(10) = $ 2 224,0.
c) Si Gapco puede adquirir 100 unidades diarias ms de materia prima a $1,50 cada una.
Aconsejara usted que lo hiciera? Y si el costo de la materia prima fuera $2 por unidad? (1
pto).
Las unidades diarias de materia prima sern 350,0 + 100,0 = 450,0 cuyo valor se encuentra dentro
del intervalo [165 , 990] y el precio sombra es $ 1,6 por unidad de materia prima, por lo tanto, se
aconseja adquirir hasta un costo mximo de $1,6, por encima de este costo no se debe adquirir.
d) Suponga que Gapco puede adquirir cuando mucho 200 unidades adicionales de materia
prima por da. Determine la solucin ptima asociada (1,5 ptos).
Las unidades diarias de materia prima sern 350,0 + 200,0 = 550,0 cuyo valor se encuentra dentro
del intervalo [165 , 990], por lo tanto, podemos calcular la variacin de la ganancia optima:
(Nuevo valor de z) = (valor original de z) + (precio sombra)x(cambio en el valor del lado derecho)
z = 2 256,0 + (1,6)x(200,0) = $ 2576,0. Para calcular la solucin ptima empleamos WinQSB.

La produccin diaria de Gapco debe ser de 154 unidades del producto 1 y 88 unidades del
producto 2, debe usar 10 horas de tiempo extra y tendr una ganancia de $ 2 576,0.
e) Suponga que Gapco no puede usar ms de 8 horas diarias de tiempo extra. la solucin
ptima inicial hallada es todava correcta? (1,5 ptos).
El valor de 8 se encuentra dentro del intervalo [0 , 380], por lo tanto, podemos calcular la variacin
de la ganancia optima:
(Nuevo valor de z) = (valor original de z) + (precio sombra)x(cambio en el valor del lado derecho)
MSc Ing Mario Cuentas Alvarado


Facultad de Ingeniera de Minas
Universidad Nacional del Altiplano
Derechos Reservados MCA-FIM 2009
92
z = 2 256,0 + (3,2)x(8-10) = $ 2249,6. Para calcular la solucin ptima empleamos WinQSB.

La produccin diaria de Gapco debe ser de 74 unidades del producto 1 y 127 unidades del
producto 2, debe usar 8 horas de tiempo extra y tendr una ganancia de $ 2 248,0.

La produccin diaria de Gapco debe ser de 74,4 unidades del producto 1 y 126,8 unidades del
producto 2, debe usar 8 horas de tiempo extra y tendr una ganancia de $ 2 249,6.
9. Una compaa minera opera tres minas. El mineral obtenido en cada una se separa en dos
calidades antes de su distribucin. Las capacidades de produccin diarias de cada mina, as
como sus costos de operacin diarios, son los siguientes:
Mineral de alta
calidad (ton/da)
Mineral de baja
calidad (ton/da)
Costo de operacin
(dlares/da)
Mina 1 40 40 20 000
Mina 2 60 40 22 000
Mina 3 10 60 18 000
La compaa se ha comprometido a entregar 540 toneladas de mineral de alta calidad y 650
de baja calidad en el plazo de una semana. Los contratos firmados le garantizan la paga del
da completo por cada da o fraccin que la mina est abierta.
El modelo matemtico planteado es:
Minimizar 20 000 M1 + 22 000 M2 + 18 000 M3
Sujeto a:
40 M1 + 60 M2 + 10 M3 >= 540
40 M1 + 40 M2 +60 M3 >= 650
M1 <= 7
M2 <= 7
M3 <= 7
M1, M2 y M3 >= 0
INVESTIGACION DE OPERACIONES EN MINERIA

Facultad de Ingeniera de Minas
Universidad Nacional del Altiplano
Derechos Reservados MCA-FIM 2009

93
Donde:
M1 = el nmero de das que trabaja la mina 1
M2 = el nmero de das que trabaja la mina2
M3 = el nmero de das que trabaja la mina 3
Utilice el resultado del uso de software WinQSB para responder a las siguientes preguntas:
a. Cul es el plan de produccin ptimo?

La mina 1 debe trabajar 1,75 das, la mina 2 de trabajar 7 das y la mina 3 debe trabajar 5 das, con
un costo mnimo de produccin de $ 279 000.
b. Cules de las cinco restricciones son acotantes y que significan?

Las restricciones 1, 2 y 4 son acotantes, en el caso de las restricciones 1 y 2 significa que se ha
producido lo solicitado en un 100%, en el caso de la restriccin 4 significa que se trabaja los 7 das
de la semana.
c. Si el costo de produccin de la Mina 1 disminuye a US$ 18 000 / da, Que sucede con el
plan de produccin ptimo? Explique.

El rango de variacin de la variable M1 es <$18 250, $72 000>, como $18 000, se encuentra fuera
de este rango, se debe volver a calcular la produccin ptima:
MSc Ing Mario Cuentas Alvarado


Facultad de Ingeniera de Minas
Universidad Nacional del Altiplano
Derechos Reservados MCA-FIM 2009
94

La mina 1 debe trabajar 7 das, la mina 2 de trabajar 3,7 das y la mina 3 debe trabajar 3,7 das,
con un costo mnimo de produccin de $ 274 187,5.
d. Si la compaa desea disminuir sus costos de operacin a US $ 250 000 / semana y debe
disminuir la produccin de la Mina 2 Cuntos das debe dejar de producir? Explique.
La funcin objetivo es:
z = 20 000 M1 + 22 000 M3 + 18 000 M3, con el resultado de a) y la disminucin del costo de
operacin tenemos:
z = 25 000 = 20 000 (1,75) + 18 000 (M2) + 18 000 (5), donde M2 = 5,681 das, entonces la mina 2
debe dejar de producir 7 5,681 = 1,319 das.
e. Si la compaa recibe un pedido de 700 ton de mineral de baja calidad para la prxima
semana Cul es el nuevo costo de operacin de la compaa? Explique.

El pedido de 700 ton de mineral de baja ley se encuentra dentro del rango <400 , 750>, por lo que,
para calcular el nuevo costo de operacin podemos utilizar el valor de 260 como precio sombra,
entonces:
Nuevo margen de ganancia = (viejo margen de ganancia) (precio sombra) x (incremento en
tonelaje)
= 279 000 (260)(650 700) = $292 000.
10. Una compaa de transporte de concentrado de mineral tiene 10 camiones con capacidad de
20 toneladas y 5 camiones de 15 toneladas de capacidad. Los camiones grandes tienen
costos de operacin de $ 0,30/Km y los mas pequeos de $0,25/km. La prxima semana, la
compaa debe transportar 200 toneladas de concentrado de plomo para un recorrido de 800
km. La posibilidad de otros compromisos impone que por cada dos camiones medianos
mantenidos en reserva debe quedarse por lo menos uno de los grandes.
El modelo matemtico planteado es:
Minimizar 240 CG + 200 CM
Sujeto a:
20 CG + 15 CM = 200
CG 2 CM <= 0
CG <= 10
CM <= 5
INVESTIGACION DE OPERACIONES EN MINERIA

Facultad de Ingeniera de Minas
Universidad Nacional del Altiplano
Derechos Reservados MCA-FIM 2009

95
CG y CM >= 0 y enteros
Donde:
CG = el nmero de camiones grandes empleados por semana.
CM = el nmero de camiones medianos empleados por semana.
Utilice el resultado del uso de software, WinQSB para responder a las siguientes preguntas:
a) Cual es el nmero ptimo de camiones de ambas clases que deben movilizarse para
transportar el concentrado?


Se utilizaran para el transporte del concentrado 7 camiones grandes y 4 camiones medianos, con
un costo de $ 2 480.
b) Qu sucede con el nmero ptimo de camiones, Si el costo de operacin de los camiones
grandes se incrementa en un 10%? Explique.
El nuevo costo de transporte para los camiones grandes, sera: $ 240 x 1,1 = $ 264, calculando con
este nuevo costo, tenemos:

Observamos que el plan de transporte se mantiene, incrementndose el costo a $ 2 648.
c) Si tres camiones grandes son enviados a otro proyecto Qu sucede con el transporte del
concentrado? Explique.
Tenemos 10 camiones, de los cuales solo se utiliza 7 camiones, podemos enviar los 3 camiones
que tenemos en stand by.
d) Si de la demanda del transporte de concentrado sube a 250 toneladas. En que porcentaje
se incrementa el costo de operacin? Explique.
MSc Ing Mario Cuentas Alvarado


Facultad de Ingeniera de Minas
Universidad Nacional del Altiplano
Derechos Reservados MCA-FIM 2009
96
Utilizando el precio sombra de la restriccin 1, tenemos:
Nuevo margen de ganancia = (viejo margen de ganancia) (precio sombra) x (incremento en
tonelaje)
= 2 480 + 13,3333 x (250 200) = $ 3146, 665
Entonces el costo de produccin, se incrementa en (3 146,665 2 480)x100 / (2 480) = 26,88%.
e) Si dos camiones medianos sufren desperfectos y no pueden operar Qu sucede con el
transporte del concentrado? Explique.
No podemos cumplir con la programacin, pues solo podramos reemplazar 1 camin, faltando 1.
INVESTIGACION DE OPERACIONES EN MINERIA

Facultad de Ingeniera de Minas
Universidad Nacional del Altiplano
Derechos Reservados MCA-FIM 2009

97











CAPITULO V
PROBLEMAS DE REDES DE DISTRIBUCIN: TRANSPORTACIN,
ASIGNACIN Y TRANSBORDO
Muchos problemas, cuando se les formula, muestran una estructura especial en sus restricciones
o en su funcin objetivo. Mediante el diseo de procedimientos de solucin (algoritmos) para
aprovechar la estructura especial, es posible resolver problemas de una manera ms eficiente que
si se estuviera en cualquier otra circunstancia. Este captulo presenta uno de los problemas de tal
tipo, problemas de redes de distribucin.
QU ES UNA RED DE DISTRIBUCIN?
Una clase de problemas que tiene una estructura especial en sus restricciones cuando se le
formula de manera matemtica tiene que ver con la distribucin de bienes. Por lo general, estos
bienes deben ser enviados desde puntos de suministro conocidos (fbricas, plantas, etctera)
hasta puntos de demanda conocidos (clientes, tiendas detallistas, etctera), posiblemente a travs
de puntos intermedios (almacenes regionales y/o de campo, por ejemplo). El objetivo general
consiste en hallar el mejor plan de distribucin, es decir, la cantidad que se debe enviar por cada
una de las rutas desde los puntos de suministro, a travs de los puntos intermedios, hasta los
puntos de demanda. Con el trmino "mejor" se entiende un plan que minimice los costos totales
de envo, produzca la mayor ganancia u optimice algn otro objetivo corporativo especificado por
la gerencia. Tambin es necesario satisfacer ciertas restricciones:
1. No enviar ms de la capacidad especificada desde cada punto de suministro.
2. Enviar bienes solamente por las rutas vlidas.
3. Cumplir (o exceder) los requerimientos de bienes en los puntos de demanda.
Un problema de este tipo es un problema de redes de distribucin. Una caracterstica favorable
de esta clase de problema es que muchos aspectos pueden representarse de manera concisa
mediante un diagrama, conocido como red de distribucin. Una red de distribucin consiste en
MSc Ing Mario Cuentas Alvarado


Facultad de Ingeniera de Minas
Universidad Nacional del Altiplano
Derechos Reservados MCA-FIM 2009
98
una coleccin finita de crculos, llamados nodos, cada uno de los cuales representa una planta,
un almacn o una tienda al menudeo. Los nodos desde los cuales se van a enviar los bienes
(como fbricas y plantas) son nodos de suministro. Los nodos que van a recibir los bienes en
cumplimiento de una demanda conocida (como las tiendas detallistas) se conocen como nodos
de demanda. Los nodos que reciben bienes de otros nodos para su redistribucin (como el caso
de los almacenes) se conocen como nodos de transbordo o nodos intermedios.
Las parejas de nodos seleccionados de una red estn conectadas mediante una flecha, conocida
como arco, que representa una ruta de envo vlida desde el nodo de origen al nodo de destino,
segn lo indica la direccin en la que apunta la flecha (vase la figura 1). La representacin de la
red puede contener varios datos del problema. Por ejemplo, el nmero colocado al lado de cada
nodo de suministro de la figura 1 representa la capacidad de dicho nodo de suministro; es decir, el
nmero mximo de unidades que pueden ser enviadas desde ese nodo. Por ejemplo, la planta
representada por el nodo 1 de la figura 1 puede enviar hasta 1000 unidades. Similarmente, el
nmero colocado junto a cada nodo de demanda en la figura 1 representa la demanda en dicho
nodo; esto es, el nmero mnimo de unidades que necesita recibir ese nodo para cumplir la
demanda en l. Por ejemplo, la demanda en la tienda detallista representada por el nodo 6 es de
700 unidades. Cada arco puede, tambin, tener un nmero asociado a l. Por ejemplo, el
nmero que se encuentra encima de los arcos de la figura 1, representa el costo de envo de una
unidad entre los dos nodos conectados por ese arco. El costo de envo de una unidad desde el
nodo 1 al nodo 4 es 4 (que pueden ser $4, $400 o, incluso, $4000). En la red tambin se puede
incluir otro tipo de informacin sobre el problema, como podra ser el nmero mximo de unidades
que se pueden enviar a lo largo de un arco dado.
Figura 1. Una red de distribucin general

EL PROBLEMA DE TRANSPORTACIN
En la presente seccin, usted aprender acerca de una clase especfica de problemas de
distribucin comunes a muchas empresas: cmo enviar bienes terminados, de la manera menos
costosa posible, directamente desde las plantas hasta las tiendas detallistas, sin que haya
almacenes intermedios. A este problema de distribucin se le conoce como problema de
transportacin. El problema de Cosmic Computer Company (CCC) es un ejemplo de problema de
transportacin.
INVESTIGACION DE OPERACIONES EN MINERIA

Facultad de Ingeniera de Minas
Universidad Nacional del Altiplano
Derechos Reservados MCA-FIM 2009

99
EL PROBLEMA DE TRANSPORTACIN DE CCC.- CCC posee tres plantas de ensamblado de
microcomputadoras. La que se encuentra localizada en San Francisco tiene una capacidad de
produccin mensual de 1700 unidades, la que est localizada en Los ngeles tiene una capacidad
de produccin mensual de 2000 unidades y la de Phoenix tiene una capacidad de produccin
mensual de 1700 unidades. Las microcomputadoras son vendidas a travs de tiendas al
menudeo. Para el mes siguiente, la tienda que se encuentra en San Diego ha hecho un pedido de
1700 unidades, la que est en Barstow tiene un pedido de 1000 unidades, la de Tucson ha pedido
1500 unidades y la situada en Dallas tiene un pedido de 1200 unidades. El costo de envo de una
microcomputadora desde cada planta de ensamblado a cada una de las diferentes tiendas
detallistas se presenta en la tabla 1. Como gerente de distribucin, usted desea formular un
modelo matemtico para encontrar el programa de envos de menor costo.
Tabla 1. Costos de embarque ($/maquina) de plantas a tiendas
TIENDAS
PLANTAS SAN DIEGO BARSTOW TUCSON DALLAS
San francisco
Los Angeles
Phoenix
5
4
6
3
7
5
2
8
3
6
10
8
Figura 2. La red de distribucin de CCC

FORMULACIN MATEMTICA DEL PROBLEMA
Minimizar (5xss + 3xsb + 2xst, + 6xsd) +
(4xls + 7xlb + 8xlt+ 10xld) +
(6xps + 5xpb + 3xpt + 8xpd)
Dependiendo de:
RESTRICCIONES DE CAPACIDAD
xss + xsb + xst, + xss = 1 700 (San Francisco)
MSc Ing Mario Cuentas Alvarado


Facultad de Ingeniera de Minas
Universidad Nacional del Altiplano
Derechos Reservados MCA-FIM 2009
100
xls + xlb + xlt + xld = 2 000 (Los ngeles)
xps + xpb + xpt + xpd = 1 700 (Phoenix)
RESTRICCIONES DE DEMANDA
xss + xls + xps = 1 700 (San Diego)
xsb + xlb + xpb = 1 000 (Barstow)
xsi + xlt + xpt = 1 500 (Tucson)
xsd + xld + xpd = 1 200 (Dallas)
RESTRICCIONES LGICAS
Xss, xsb, xst, xsd, xls, xlb, xlt, xld, xps, xpb, xpt, xpd > 0 y enteras
USO DE LA COMPUTADORA
En la presente seccin, aprender cmo es utilizado el software winQSB para resolver problemas
de transportacin.
1. Elija la opcin Network Modelling
2. Seleccione la opcin Transportation Problem
3. Ingrese la informacin del problema:

1. La solucin optima es:

La primera parte del informe trata sobre la planta localizada en San Francisco (Source 1), la
segunda seccin de dicho informe trata sobre la planta situada en Los ngeles (Source 2) y la
tercera seccin trata sobre la planta de Phoenix (Source 3).
De la columna Shipment, se puede ver que es ptimo embarcar 700 computadoras desde San
Francisco a Barstow, 1 000 a Dallas y ninguna a San Diego ni a Tucson. De la misma manera, es
ptimo enviar 1700 computadoras de Los ngeles a San Diego, 300 a Barstow y ninguna a Dallas
ni a Tucson. De la misma columna de la tercera seccin del informe, es ptimo enviar 200
computadoras desde Phoenix a Dallas, 1500 a Tucson y ninguna a San Diego ni a Barstow.
La columna etiquetada Unit Cost en el informe representa el costo de transportacin original por
cada unidad embarcada desde la correspondiente planta a la tienda al menudeo. La columna
INVESTIGACION DE OPERACIONES EN MINERIA

Facultad de Ingeniera de Minas
Universidad Nacional del Altiplano
Derechos Reservados MCA-FIM 2009

101
etiquetada 'Total Cost es el costo total del envo del nmero de unidades de la columna
etiquetada con el trmino Shipment en esa celda, es decir 'Shipment' * 'Unit Cost'.
El costo total de embarque es de $23 100.
EL PROBLEMA DE ASIGNACIN
En muchos problemas de decisin es necesario asignar un elemento a un grupo (como una
maquina, un empleado, etc.) a un elemento de un segundo grupo (como una tarea, un proyecto,
etc.). Considere, por ejemplo, asignar trabajaos a maquinas en una planta industrial, asignar
representantes de ventas a territorios o asignar investigadores a proyectos.
Al hacerse una asignacin, a menudo debe cumplirse dos condiciones:
1. cada elemento del primer grupo debe asignarse a exactamente un elemento del segundo
grupo.
2. cada elemento del segundo grupo debe asignarse a exactamente un elemento del primer
grupo.
Debido a que cada pareja asignada existe un costo asociado, por ejemplo, la cantidad de tiempo
que toma una tarea asignada a una maquina particular, el objetivo es elegir asignaciones que
minimicen el costo total.
Para satisfacer estas dos condiciones de asignacin, el numero de elementos de cada grupo debe
ser el mismo. Un problema de este tipo se denomina problema de asignacin equilibrado.
EL PROBLEMA DE ASIGNACIN DE CONTAINERS INC. Containers,Inc., fabrica contenedores
de muchos tamaos y formas. Recientemente ha recibido pedidos para producir diversas
cantidades de contenedores de cocinas de cinco diferentes tamaos. Cada tamao de
contenedor puede producirse en cualquiera de cuatro mquinas. Debido a las distintas
tecnologas y tiempos de disposicin, el nmero total de horas, incluyendo el tiempo de
disposicin, necesarias para procesar cada tamao de contenedor en cada mquina vara, como
se muestra en la tabla 2. En la tabla, el tamao del contenedor se indica en la primera columna
mediante su altura y dimetro en pulgadas.
Adecuar una mquina para que cambie el tamao de un contenedor toma largo tiempo, as que la
gerencia ha decidido que cada mquina producir contenedores de un solo tamao. Por tanto,
slo se producirn cuatro de los cinco tamaos en las cuatro mquinas disponibles dentro de la
fecha lmite asignado. Como los ingresos por cada tamao de contenedor son aproximadamente
iguales, la gerencia de Containers, Inc., es indiferente en cuanto a cul de los cinco pedidos no
satisfacer. Como gerente del departamento de produccin, se le ha pedido determinar cules
cuatro de los cinco pedidos aceptar y desarrollar un plan de produccin que minimice el tiempo de
procesamiento total para satisfacer esos pedidos.
En este problema, puede reconocerlas caractersticas de un problema de asignacin. Tiene que
asignar un elemento de un grupo, esto es, un pedido de uno de los cinco tamaos, a un elemento
de un segundo grupo, es decir, las mquinas. En este caso, el problema es desequilibrado
porque hay cinco pedidos para slo cuatro mquinas. Para resolver este problema, se puede
hacer lo siguiente:
1. Aada tantos elementos figurados a uno de los grupos como sea necesario para igualar el
tamao de los dos grupos.
2. Por cada elemento figurado, identifique un costo apropiado asociado con la asignacin de
cada elemento del otro grupo a este elemento figurado.
En cuanto al problema de Containers, Inc., es necesario aadir una mquina figurada. Ahora hay
cinco pedidos y cinco mquinas, dando como resultado un problema de asignacin equilibrado.
Recuerde que la mquina 5, de hecho, no existe. Los contenedores asignados a esta mquina no
MSc Ing Mario Cuentas Alvarado


Facultad de Ingeniera de Minas
Universidad Nacional del Altiplano
Derechos Reservados MCA-FIM 2009
102
son producidos y por tanto, no contribuyen en nada al tiempo total de procesamiento. Los datos
para el problema de asignacin se muestran en la tabla 3.
Tabla 2. Tiempo total de procesamiento (hr) para producir cada tamao de contenedor en cada
maquina
TAMAO DEL MAQUINA
CONTENEDOR 1 2 3 4
3 X 4
4 X 6
6 X 8
8 X 12
12 X 18
25
24
30
38
40
20
22
30
32
40
28
25
28
30
28
30
23
25
30
30
Tabla 3. Tiempo total de procesamiento (hr) para producir cada tamao de contenedor en cada
maquina incluyendo la maquina figurada 5
TAMAO MAQUINA
CONTENEDOR 1 2 3 4 5
3 X 4
4 X 6
6 X 8
8 X 12
12 X 18
25
24
30
38
40
20
22
30
32
40
28
25
28
30
28
30
23
25
30
30
0
0
0
0
0
Figura 3. Representacin de la red del problema de asignacin

FORMULACIN MATEMTICA DEL PROBLEMA
Minimizar 25x11 + 20x12 + 28x13 + 30x14 + 0x15 +
INVESTIGACION DE OPERACIONES EN MINERIA

Facultad de Ingeniera de Minas
Universidad Nacional del Altiplano
Derechos Reservados MCA-FIM 2009

103
24x 21 + 22x22 + 25x23 + 23x24 + 0x25 +
30x31 + 30x32 + 28x33 + 25x34 + 0x35 +
38X41 + 32x42 + 30X43 + 30X44 + 0x45 +
40x51 + 40x52 + 28x53 + 30x54 + 0x55
Dependiendo de:
RESTRICCIONES DE ASIGNACIN DE PEDIDO
x11 + x12 + x13 + x14 + x15 = 1 (Orden 1)
x21 + x22 + x23 + x24 + x25 = 1 (Orden 2)
x31 + x32 + x33 + x34 + x35 = 1 (Orden 3)
x41 + x42 + x43 + x44 + x45 = 1 (Orden 4)
x51 + x52 + x53 + x54 + x55 = 1 (Orden 5)
RESTRICCIONES DE ASIGNACIN DE MQUINA
X11 + x21 + x31 + x41 + 51 = 1 (Mquina 1)
X12 + x22 + x32 + x42 + 52 = 1 (Mquina 2)
X13 + x23 + x33 + x43 + 53 = 1 (Mquina 1)
X14 + x24 + x34 + x44 + 54 = 1 (Mquina 1)
X15 + x25 + x35 + x45 + 55 = 1 (Mquina 1)
RESTRICCIONES LGICAS
Todas las variables deben ser variables enteras 0-1
SOLUCIN POR COMPUTADORA
En la presente seccin, aprender cmo es utilizado el software winQSB para resolver problemas
de asignacion
1. Elija la opcin Network Modelling
2. Seleccione la opcin Assignment Problem
3. Ingrese la informacin del problema:

4. La solucin optima es:

MSc Ing Mario Cuentas Alvarado


Facultad de Ingeniera de Minas
Universidad Nacional del Altiplano
Derechos Reservados MCA-FIM 2009
104
Como resultado se tiene un tiempo total de procesamiento de 97 horas. Observe que el pedido 4
no esta satisfecho porque se le asigno la maquina figurada 5.


EL PROBLEMA DE TRANSBORDO
PROBLEMA DE DISTRIBUCIN DE MEDICAL TECHNOLOGIES, INC. Medical Technologies,
Inc. (MTI), es una empresa fabricante y distribuidora internacional de equipo de rayos X de alta
resolucin que se utiliza en hospitales. La planta que tienen en Paris, Texas, puede producir
hasta 100 mquinas por ao; la que se encuentra en Davenport, Iowa, produce hasta 200
mquinas y la planta de Springfield, Oregon, puede producir hasta 150 mquinas. Para el ao
siguiente, sus clientes en Japn han pedido 120 mquinas, los de Corea del Sur ordenaron 80
mquinas, los de Nueva Zelanda 70 y los de Australia 110 mquinas.
El equipo producido en Texas y en Iowa puede ser enviado a los almacenes regionales situados
en Hungra y/o en Hawai. Los almacenes regionales, a su vez, pueden enviar a cualquiera de los
almacenes de campo situados en Fiji y en las Filipinas. Ninguno de los almacenes regionales
almacena mquinas en inventario, por consiguiente deben enviar todas las mquinas que reciben.
Los clientes de Corea del Sur y de Nueva Zelanda pueden recibir mquinas de cualquiera de los
almacenes de campo. Sin embargo, debido a los tratados de comercio internacionales, los
clientes del Japn deben obtener sus mquinas exclusivamente de las Filipinas, y los de Australia
deben recibir las suyas solamente de las Fiji. Los costos de envo por mquina desde las plantas
a los almacenes regionales, a los almacenes de campo y, finalmente, a los clientes se dan En las
tablas 4, 5 y 6, respectivamente. Como gerente de distribucin, se le ha pedido a usted que
determine el plan de embarque con el mnimo costo total.
Tabla 4. Costos de embarque ($/maquina) de plantas a almacenes regionales
ALMACENES REGIONALES
PLANTAS HUNGRIA HAWAI
Texas
Iowa
Oregon
200
300
N/A
400
400
500
Tabla 5. Costos de embarque ($/maquina) de almacenes regionales a almacenes de campo
ALMACENES REGIONALES
ALMACENES REGIONALES FILIPINAS FIJI
Hungra
Hawai
800
700
600
400
Tabla 6. Costos de embarque de almacenes de campo a clientes
ALMACENES CLIENTES
DE CAMPO JAPN COREA DEL SUR NUEVA ZELANDA AUSTRALIA
Filipinas
Fiji
700
N/A
600
700
800
500
N/A
600
El primer paso en la formulacin matemtica de este problema consiste en trazar una red que
represente el flujo de productos desde las plantas, a travs de los almacenes, hasta los clientes.
La red debe contener once nodos, uno para cada una de las tres plantas, los dos almacenes
regionales, los dos almacenes de campo y los cuatro clientes, de la forma en que se ilustra en la
figura 4. Debe haber un arco que conecte una pareja de nodos, siempre y cuando sea posible
enviar mquinas directamente desde el nodo de origen al de destino, segn est especificado en
la descripcin del problema. Por ejemplo, debido a que la planta de Oregon solamente puede
INVESTIGACION DE OPERACIONES EN MINERIA

Facultad de Ingeniera de Minas
Universidad Nacional del Altiplano
Derechos Reservados MCA-FIM 2009

105
hacer envos al almacn regional de Hawai, deber haber un arco que vaya desde el nodo
correspondiente a la planta de Oregon al nodo correspondiente al almacn regional de Hawai,
pero no al correspondiente al de Hungra. En la figura 4 se muestran tambin los arcos, junto con
los correspondientes costos unitarios de envo. La red de la figura incluye tambin la capacidad
de cada planta y la demanda de los clientes al lado de los correspondientes nodos de suministro y
demanda, respectivamente.
Figura 4. Red de distribucin del problema del MTI


FORMULACIN MATEMTICA DEL PROBLEMA
Minimizar 2x
14
+ 4x
15
+ 3x
24
+ 4x
25
+ 5x
35
+ 8x
46
+ 6x
47
+ 7x
56
+ 4x
5
7 +
7x
68
+ 6x
69
+ 8x
6,10
+ 7x
79
+ 5x
7,10
+ 6x
7,11

Dependiendo de:
RESTRICCIONES DE SUMINISTRO
x14 + x15 = 100 (capacidad en Paris, Texas) (1)
x24 + x25 = 200 (capacidad en Davenport, Iowa) (2)
x35 = 150 (capacidad en Springfield, Oregon) (3)
RESTRICCIONES DE ALMACN REGIONAL
x46 + x47 - x14 - x24 = 0 (equilibrio en Hungra) (4)
x56 + x57 - x15 - x25 - x35 = 0 (equilibrio en Hawai) (5)
RESTRICCIONES DE ALMACN DE CAMPO
x68 + x69 + x6,10 - x46 x56 = 0 (equilibrio en Filipinas) (6)
x79 + x7,10 - x7,11 x47 - x57 = 0 (equilibrio en Islas Fiji) (7)
RESTRICCIONES DE DEMANDA
MSc Ing Mario Cuentas Alvarado


Facultad de Ingeniera de Minas
Universidad Nacional del Altiplano
Derechos Reservados MCA-FIM 2009
106
x68 = 120 (demanda en Japn) (8)
x69 + x79 = 80 (demanda en Corea del Sur) (9)
x6,10 + x7,10 = 70 (demanda en Nueva Zelanda) (10)
x7,11 = 110 (demanda en Australia) (11)
RESTRICCIONES LGICAS
Todas las variables > 0 y enteras (12)
SOLUCIN POR COMPUTADORA
En la presente seccin, aprender cmo es utilizado el software LINDO 6,0 para resolver
problemas de trasbordo:
1. Ingrese la informacin del problema:

2. La solucin optima es:
INVESTIGACION DE OPERACIONES EN MINERIA

Facultad de Ingeniera de Minas
Universidad Nacional del Altiplano
Derechos Reservados MCA-FIM 2009

107

La solucin optima, podemos observarla en las siguientes tablas:
Tabla 7. Plan de embarque de plantas a almacenes regionales
ALMACENES REGIONALES
PLANTAS HUNGRA HAWAI
Texas
Iowa
Oregon
100
0
N/A
0
200
80
Tabla 8. Plan de embarque de almacenes regionales a almacenes de campo
ALMACENES REGIONALES
ALMACENES REGIONALES FILIPINAS FIJI
Hungra
Hawai
100
20
0
260
Tabla 9. Plan de embarque de almacenes de campo a clientes
ALMACENES CLIENTES
DE CAMPO JAPN COREA DEL SUR NUEVA ZELANDA AUSTRALIA
Filipinas
Fiji
120
N/A
0
80
0
70
N/A
110
El costo total es de $ 579 000.
Resumen del problema de transbordo
El problema de transbordo es un problema de red de distribucin que involucro nodos de
suministro, transbordo y demanda. Los arcos que conectan las parejas de estos nodos tienen
capacidades en forma de lmites inferiores y superiores sobre las cantidades embarcadas a lo
largo de esos arcos. Cuando los nodos tienen capacidades, sin embargo, es necesario crear una
red modificada que pueda resolverse mediante un programa de computadora. Las capacidades
en los nodos en la red original se transforman en capacidades en los arcos en la red modificada.
CAPITULO II: CONSTRUCCION DE MODELOS DETERMINISTICOS


Facultad de Ingeniera de Minas
Universidad Nacional del Altiplano
Derechos Reservados MCA-FIM 2009
108










CAPITULO VI
ADMINISTRACIN DE PROYECTOS:
PERT - CPM
En este captulo se presenta una tcnica de la ciencia administrativa que ayuda a comprobar y
controlar un proyecto que involucra numerosas tareas interrelacionadas. La supervisin de estos
proyectos requiere muchas habilidades administrativas, una de las cuales es mantener el proyecto
acorde a un programa. La ciencia de la administracin puede ayudar a esto proporcionando
respuestas a preguntas como:
1. Cundo sera lo ms pronto que el proyecto pudiera estar terminado?
2. Para cumplir con este tiempo de conclusin, qu tareas son crticas, en el sentido de que
un retraso en cualquiera de esas tareas provoca un retraso en la conclusin de todo el
proyecto?
3. Es posible acelerar ciertas tareas para terminar todo el proyecto ms pronto? Si es as,
qu tareas seran stas y cul sera el costo adicional?
Cuando un proyecto implica unas cuantas tareas, las respuestas a estas preguntas a menudo
pueden encontrarse con poco esfuerzo. Sin embargo, cuando la planeacin de un proyecto
implica cientos o miles de tareas interrelacionadas que deben ser realizadas por distintas
personas, las herramientas de la ciencia de la administracin presentadas en este captulo
proporcionan una forma sistemtica no slo de responder estas preguntas, sino tambin dar
seguimiento al proyecto a lo largo de su duracin.
Las tcnicas de administracin de proyecto presentadas en este captulo fueron desarrolladas
independientemente por dos equipos de investigadores a mediados de los aos cincuenta.
Dupont Company cre la primera tcnica, llamada Mtodo de ruta crtica (CPM)
5
, para
administrar proyectos en los que el tiempo requerido para completar las tareas individuales se
conoca con relativa certeza. La Marina de los EE.UU. desarroll la segunda tcnica, denominada
la Tcnica de evaluacin y revisin de proyecto (PERT)
6
, para administrar el proyecto de

5
Mtodo utilizado para administrar proyectos en que los tiempos requeridos para terminar las tareas
individuales se conocen con relativa certeza.
6
Mtodo utilizado para administrar proyectos en los que los tiempos requeridos para completar las tareas
individuales son inciertos.
INVESTIGACION DE OPERACIONES EN MINERIA

Facultad de Ingeniera de Minas
Universidad Nacional del Altiplano
Derechos Reservados MCA-FIM 2009

109
misiles Polaris, que implicaba aproximadamente 500 tareas y varios miles de subcontratistas. El
tiempo requerido para completar muchas de esas tareas era incierto. Estas dos tcnicas son
similares excepto que CPM se utiliza para administrar proyectos que implican tiempos de tarea
determinados y PERT se usa para aquellos que implican tiempos probables de tarea.
DESARROLLO DE LA RED DE PROYECTOS
Para ilustrar cmo se aplican las tcnicas de administracin de proyectos a la verificacin de un
proyecto, considere el enfrentado por la Gerencia de Operaciones de Santa Rosa Mining. Que
encomienda a sus ingenieros realizar un proyecto de desarrollo y preparacin de una veta, con
minerales de Plomo, Zinc y Cobre, para explotar mediante el mtodo de subniveles.
Puede determinar el tiempo de conclusin siguiendo los siguientes pasos:
a) Identifique las tareas individuales que componen el proyecto.
b) Obtenga una estimacin del tiempo de conclusin de cada tarea.
c) Identifique las relaciones de tiempo entre las tareas. Qu tareas deben concluirse antes de
que otras puedan iniciarse?
d) Dibuje un diagrama de red de proyecto para reflejar la informacin de los pasos a y b.

Fig 1. Desarrollo y preparacin para explotacin por subniveles
Identificacin de las tareas individuales
Los proyectos terminados consisten en diversas tareas individuales. Para comprobar los
proyectos, primero debe identificar esas tareas. stas pueden variar tanto en el tiempo requerido
para concluirlas como en su complejidad. Las tareas complejas pueden considerarse como
proyectos que en s mismos necesitan verificacin al ser divididos en subtareas. Por ejemplo, en
el diseo de una lanzadera espacial, una de las tareas es desarrollar sistemas de computacin a
bordo. Como esta tarea es en s misma un proyecto importante, puede dividirla en subtareas
consistentes en desarrollar sistemas de computacin para salvamento, control de motor y
recoleccin y transmisin de datos. Aunque no existe una forma nica de decidir qu tan grande o
pequea debe ser una tarea, existen algunas pautas a seguir:
1. Cada tarea debe tener un comienzo y un final claros en el contexto del proyecto.
2. La terminacin de cada tarea debe ser necesaria para la conclusin del proyecto y debe
representar un hito en el progreso del proyecto.
3. El tamao de una tarea debe estar en proporcin con el control que usted pueda ejercer.
4. Debe haber alguna(s) persona(s) responsables de la conclusin de cada tarea individual.
CAPITULO II: CONSTRUCCION DE MODELOS DETERMINISTICOS


Facultad de Ingeniera de Minas
Universidad Nacional del Altiplano
Derechos Reservados MCA-FIM 2009
110
Sobre la base de estas pautas usted, como Gerente de operaciones de Santa Rosa Mining. Debe
identificar las tareas que estn bajo su control y que deben completarse para que el proyecto sea
exitoso.
Tabla 1 Lista de tareas
ETIQUETA DESCRIPCION
A Nivel
B Subnivel I
C Subnivel II
D Transversal II
E Chimenea de acceso
F Chimenea o coladero de minera
G Chimenea de ventilacin
H Instalacin de tolvas
I Chimenea de corte I
J Chimenea de corte II
K Instalacin de cabrestante
L Explotacin
M Parte inicial de la galera de rastrillaje
N Parte final de la galera de rastrillaje

Aun cuando el orden de las tareas de esta tabla es indiferente, es importante incluir todas las
tareas relevantes desde el principio. Si surgen tareas inesperadas en el curso del proyecto,
pueden ocurrir retrasos por la prisa en terminarlas.
Obtencin de estimaciones de tiempo para cada tarea
Debe estar claro que el tiempo total que lleva completar todo el proyecto depende, de alguna
manera, en cunto tiempo lleva realizar cada tarea individual. Por tanto, se hace necesario
obtener algunas estimaciones de la cantidad de tiempo requerida para completar cada tarea.
Puede desarrollarse una estimacin haciendo lo siguiente:
1. Confiando en experiencias pasadas en proyectos similares.
2. Consultando con las personas a cargo de cada tarea individual.
3. Usando datos anteriores.
Suponga que ha obtenido las estimaciones de tiempo para las tareas de este proyecto particular
despus de consultar a los miembros apropiados de cada departamento de mina.
Tabla 2 Estimacin de tiempo para las tareas
ETIQUETA DESCRIPCION
L
o
n
g
i
t
u
d

(
m
)
S
e
c
c
i

n

(
m
2
)
T
i
p
o

d
e

r
o
c
a
m

A
v
a
n
c
e

d
i
s
p
a
r
o
d
i
s
p
a
r
o
s
/
m
e
s
N


t
a
l
a
d
r
o
s
K
g

e
x
p
l

m

a
v
a
n
c
e
$
/
m

a
v
a
n
c
e
T
i
e
m
p
o

m
e
d
i
o
A Nivel
B Subnivel I 60 6x4 dura 1.3 30 16 7.1 135 40
C Subnivel II 60 6x4 dura 1.3 30 16 7.1 135 40
D Transversal II 8 7x8 dura 1.3 25 29 12.5 145 5
E Chimenea de acceso 60 5x4 dura 1.1 20 15 6.7 120 68
F Chimenea o col adero de minera 16 5x4 sdura 1.1 20 12 5.3 120 18
G Chimenea de ventilacin 18 5x4 sdura 1.1 20 12 5.3 120 21
H Instalacin de tol vas 14
I Chimenea de corte I 15 5x4 dura 1.1 20 15 6.7 120 16
J Chimenea de corte II 16 5x4 dura 1.1 20 15 6.7 120 17
K Instalacin de cabrestante 14
L Explotacin 40 190 28
M Parte inici al del nivel de rastrillaje 25 6x4 dura 1.3 45 13 5.7 130 12
N Parte final del nivel de rastrill aj e 40 6x4 sdura 1.3 45 12 5.3 120 16

Para este proyecto, puede sentir que el tiempo requerido para concluir cada tarea se conoce
bastante bien sin ninguna variabilidad significativa. Otros proyectos implican tareas cuyo tiempo
de conclusin es incierto o debe estimarse con una cantidad significativa de incertidumbre.
INVESTIGACION DE OPERACIONES EN MINERIA

Facultad de Ingeniera de Minas
Universidad Nacional del Altiplano
Derechos Reservados MCA-FIM 2009

111
Creacin de la tabla de precedencia para el proyecto
Como se observ anteriormente, la cantidad de tiempo que toma terminar un proyecto completo
se basa en los tiempos de conclusin de las tareas individuales. Sin embargo, el tiempo de
conclusin total no es igual a la suma de los tiempos de las tareas individuales porque algunas
tareas pueden realizarse simultneamente. Otras tareas, sin embargo, no pueden comenzar
hasta que ciertas tareas anteriores no hayan sido concluidas. Para determinar la cantidad de
tiempo mnima requerida para concluir el proyecto total, debe primero comprender cmo se
relacionan las tareas individuales entre s. Debe identificar qu tarea(s) debe(n) terminarse antes
de que otra tarea comience.
La lista de predecesoras inmediatas de una tarea particular de inters incluye aquellas tareas que:
- deben terminarse antes de que la tarea de inters pueda comenzar y
- no dependen para su inicio de la conclusin de cualquier otra tarea inmediatamente
predecesora de esta lista.
De todas las tareas que deben terminarse antes de que pueda iniciarse una tarea dada, usted
necesita identificar slo las tareas inmediatamente predecesoras
7
. Hacerlo requiere conocer el
proyecto particular y la forma en que las tareas estn relacionadas
Tabla 3 Tabla de precedencia
8
para las tareas
ETIQUETA DESCRIPCION
ESTIMACION
TIEMPO
(dias)
PREDECESORAS
INMEDIATAS
A Ni vel 0 Ninguna
B Subnivel I 40 M
C Subnivel II 40 D
D Transversal II 5 A
E Chimenea de acceso 68 A
F Chimenea o coladero de mineral 18 A
G Chimenea de ventil aci n 21 A
H Instal aci n de tolvas 14 G , K
I Chimenea de corte I 16 L , B
J Chimenea de corte II 17 I
K Instal aci n de cabrestante 14 N
L Expl otacin 28 H
M Parte i ni cial del nivel de rastrill aj e 12 E
N Parte final del nivel de rastril laje 16 F , M

Trazo de la red de proyectos
Recuerde que uno de los objetivos principales de la administracin de proyecto es determinar la
cantidad mnima de tiempo requerido para terminar todo el proyecto. La identificacin de las
relaciones de precedencia entre las tareas individuales, como en la tabla 3, es un primer paso en
esa direccin. Una comprensin todava mejor de estas relaciones puede obtenerse convirtiendo
la informacin de precedencia en una red de proyecto
9
. Una red consiste en una coleccin finita
de nodos y arcos. Un arco es una flecha que conecta un nodo con otro.
En la administracin de proyecto, los nodos y arcos de la red de proyecto tienen un significado
especial en el contexto del problema especfico, dependiendo de cul de los siguientes enfoques
estndar be utilice:

7
Una tarea que debe concluirse antes de que la tarea de inters pueda iniciarse y que no depende para su
inicio de la conclusin de cualquier otra tarea inmediatamente predecesora de esta lista.
8
Una tabla que enumera las predecesoras inmediatas para cada tarea.
9
Un diagrama de red que consiste en una coleccin finita de nodos y arcos usados para representar las
tareas y sus relaciones de precedencia en un proyecto.
CAPITULO II: CONSTRUCCION DE MODELOS DETERMINISTICOS


Facultad de Ingeniera de Minas
Universidad Nacional del Altiplano
Derechos Reservados MCA-FIM 2009
112
1. Representacin de actividad en arco
10
: en este enfoque, cada arco corresponde a una
de las actividades: los nodos que estn conectados por ese arco representan el inicio y fin
de esa actividad.
2. Representacin de actividad en nodo
11
: en este enfoque, cada nodo representa una de
las tareas (o actividad); un arco conecta dos nodos si un nodo corresponde a una tarea
inmediatamente predecesora del otro nodo.
Puede adaptarse cualquier enfoque para dibujar la red de proyecto. Del siguiente procedimiento
de solucin depende cul se elija. Slo asegrese de que el paquete de computadora disponible
para la administracin del proyecto puede manejar el enfoque elegido para trazar la red del
proyecto.
Grficamente la actividad se representa mediante dos figuras:
ARCO
Orientando de izquierda a derecha, significa la ejecucin del trabajo. La longitud del arco no es
vectorial y no siempre es recto.
NODOS
A estos se les denomina sucesos, eventos o nudos, inicial y final respectivamente, indican el inicio
y la finalizacin de la actividad y sirve como punto de control de la ejecucin de los trabajos. Una
actividad debe estar terminada para que la subsiguiente pueda empezar.
Ejemplos:


Fig. 2 Fig. 3
En la figura 1 se puede observar que el arco no tiene un sentido vectorial, sino que es
simplemente una progresin de tiempo .En la figura 2 se muestra que todas las actividades tienen
sus sucesos iniciales y finales, siendo que el suceso final de la actividad precedente es el mismo
suceso inicial de la subsiguiente - Adems puede distinguirse que el primer suceso inicial del
proyecto no posee una actividad que la preceda y el ultimo suceso final no tiene una tarea que la
subsiga.
ARCO FICTICIO
Se indica por medio de un arco de trazos, que se denomina tambin "dummy", sirve para denotar
una relacin de precedencia entre dos actividades, pero no por que necesariamente requiere un
trabajo previo, ni tiempo, sino por instancias especiales.

10
Una convencin usada en un diagrama de red de proyecto en la que cada arco corresponde a una de las
actividades y los dos nodos conectados por ese arco representan el inicio y fin de esa actividad.
11
Una convencin usada en un diagrama de red de proyecto en la que cada nodo representa una tarea, y un
arco conecta dos nodos si un nodo corresponde a una tarea inmediatamente predecesora del otro nodo.

INVESTIGACION DE OPERACIONES EN MINERIA

Facultad de Ingeniera de Minas
Universidad Nacional del Altiplano
Derechos Reservados MCA-FIM 2009

113

Fig. 4
En la figura 4 que representa el proceso para la explotacin de un tajeo , donde el mineral
requiere ser sometido antes a un anlisis para luego ser acarreando al shut y transportado a la
planta, se puede observar un caso tpico de una flecha ficticia, que indica la precedencia del
muestreo y resultado del anlisis para su acarreo posterior, con el fin de evitar una dilucin.
RED DE PROYECTO
La red de proyecto sirve como base a la programacin por camino crtico y seala con toda
precisin la secuencia de las actividades, su interrelacin, etc.

Fig. 5 labores Nv. 2510
Nota: Nominacin de galeras con letras.

Fig. 6 Red para el Nv 2510
La figura 5 representa un proyecto de excavacin de labores subterrneas para la preparacin del
Nv 2510; representando mediante le red de proyecto se tiene la fig. 6.
La enumeracin de los sucesos, es otro sistema para la identificacin de las actividades, la misma
que facilita los clculos manuales y en computadora. Normalmente es conveniente enumerar en
forma secuencial.
En la red de proyecto indicado en la fig. 6 las actividades enumeradas son:
Actividad A ----- (1 , 2) Actividad G ----- (6 , 9)
CAPITULO II: CONSTRUCCION DE MODELOS DETERMINISTICOS


Facultad de Ingeniera de Minas
Universidad Nacional del Altiplano
Derechos Reservados MCA-FIM 2009
114
Actividad B ---- (2 , 3) Actividad H ----- (9 , 10)
Actividad C ----- (3 , 4) Actividad I ----- (3 , 7)
Actividad D ----- (4 , 5) Actividad J ----- (7 , 8)
Actividad E ----- (5 , 6) Actividad K ----- (8 , 10)
Actividad F ----- (6 , 7)
En resumen, para dibujar una red de proyecto que refleje correctamente las relaciones de
precedencia usando la representacin de actividad en arco, recuerde las siguientes pautas:
a) Construya la red secuencialmente, aadiendo un arco correspondiente a una actividad a la
vez, eligiendo un nodo terminal y preguntndose qu tarea(s) puede empezar entonces.
Recuerde que este nodo representa el punto en el tiempo en el que todas las actividades
correspondientes a los arcos que entran a ese nodo han sido concluidas.
b) Evite los ciclos en los que dos mismos nodos son conectados por ms de un arco.
c) Cuando no exista ningn nodo que represente la conclusin de todas las predecesoras
inmediatas de la nueva tarea a ser aadida, considere la combinacin de nodos, la adicin de
actividades figuradas o de nodos (y actividades) figurados.
d) Al completarse, combine todos los nodos terminales sin arcos que salgan de ellos hacia un
solo nodo para representar el tiempo en que todo el proyecto se concluya.
e) Use la red de proyecto final para enumerar las predecesoras inmediatas de cada tarea;
despus verifique que esas relaciones sean correctas, como se especifica en la tabla de
precedencia.
La red de proyectos para el proyecto de Santa Rosa Mining.

Fig. 7. Red de proyectos del proyecto Santa Rosa Mining Corp.
ADMINISTRACIN DE PROYECTOS USANDO TIEMPOS DETERMINSTICOS (CPM)
En esta seccin aprender cmo usar la red de proyecto junto con tiempos determinsticos para la
conclusin de tareas a fin de administrar proyectos respondiendo las siguientes preguntas:
1. Qu tan pronto puede completarse todo el proyecto?
2. Para satisfacer este tiempo de conclusin,qu tareas son crticas, en el sentido de que un
retraso en cualquiera de esas tareas producira un retraso en la conclusin de todo el
proyecto?
INVESTIGACION DE OPERACIONES EN MINERIA

Facultad de Ingeniera de Minas
Universidad Nacional del Altiplano
Derechos Reservados MCA-FIM 2009

115
Clculo del tiempo de terminacin de proyecto
Los clculos sistemticos necesarios para determinar el tiempo de terminacin ms breve se
ilustran para el proyecto de Santa Rosa Mining Corp. Observe que el tiempo determinstico para la
conclusin de cada tarea se escribe junto al arco correspondiente a esa tarea en la figura.

Fig. 8 Tiempos de duracin de cada actividad del proyecto Santa Rosa Mining
Para encontrar el tiempo de terminacin ms corto de todo el proyecto, proceda sistemticamente
desde el principio, determinando lo siguiente para cada tarea:
1. El tiempo de inicio ms temprano (IT)
12
, esto es, el tiempo ms inmediato en que esa
tarea puede iniciarse.
2. El tiempo de terminacin ms temprano (TT)
13
, esto es, el tiempo ms breve en el que
esa tarea puede concluir.

donde:
A : Actividad
i, j : Nodos
El tiempo de terminacin ms temprana de la tarea final es el tiempo ms corto en el que todo el
proyecto puede completarse. (En el caso de que exista ms de una tarea terminal, el tiempo de
conclusin ms breve de todo el proyecto es el mximo de los tiempos mnimos de terminacin de
todas esas tareas.)
Para calcular el tiempo de inicio ms temprano para una tarea particular, recuerde el concepto de
las tareas predecesoras inmediatas, esto es, aquellas tareas que deben concluirse antes que la
tarea actual pueda iniciarse. Es necesario saber cundo termina cada una de estas tareas
predecesoras:
Regla 1. Para calcular el tiempo de inicio ms temprano de una tarea particular, debe
conocer los tiempos de terminacin ms tempranos de cada tarea predecesora inmediata.
Regla 2. El tiempo de inicio ms temprano de una tarea de la que se conocen los tiempos
de terminacin ms tempranos de todas sus tareas predecesoras inmediatas es el mximo
de esos tiempos de terminacin ms tempranos.

12
El tiempo mas cercano en que una tarea posiblemente puede inciarse.
13
El tiempo mas corto en el que una tarea posiblemente puede concluir.
CAPITULO II: CONSTRUCCION DE MODELOS DETERMINISTICOS


Facultad de Ingeniera de Minas
Universidad Nacional del Altiplano
Derechos Reservados MCA-FIM 2009
116
Regla 3. Tiempo de terminacin ms temprano = (tiempo de inicio ms temprano) + (tiempo
de tarea):
t IT TT + =

Fig 9. Clculo de los tiempos de inicio y terminacin mas tempranos para el proyecto de Santa Rosa Mining
Pasos para calcular los tiempos de inicio y de terminacin ms tempranos
Paso 0. Identifique el nodo correspondiente al principio de todo el proyecto.
Calcule y escriba lo siguiente en el nodo inicial:
a. El tiempo de inicio ms cercano, esto es, 0 (porque la tarea correspondiente
puede iniciarse inmediatamente).
b. El tiempo de terminacin ms breve de acuerdo con la regla 3, esto es:
Tiempo de terminacin ms breve
= (tiempo de inicio ms inmediato) + (tiempo de tarea)
= 0 + (tiempo de tarea)
= tiempo de tarea
Paso 1. Seleccione cualquier nodo donde todos los arcos entrantes han sido etiquetados
con sus tiempos de inicio y de terminacin ms breves.
Paso 2. Para el nodo seleccionado en el paso 1, calcule y escriba lo siguiente junto a cada
arco saliente:
a. El tiempo de inicio ms breve de acuerdo con la regla 2, esto es
Tiempo de inicio ms inmediato = mximo de los tiempos de terminacin ms
breves de todos los arcos entrantes
b. El tiempo de terminacin ms breve de acuerdo con la regla 3, esto es
Tiempo de terminacin ms breve = (tiempo de inicio ms inmediato) +
(tiempo de tarea)
Identificacin de las tareas crticas
En esta seccin, aprender cmo usar la red de proyecto junto con los tiempos de conclusin de
tareas individuales y los tiempos de inicio y terminacin ms tempranos calculados en 2.1 para
determinar qu tareas son crticas. Crtica significa que un retraso en cualquiera de esas tareas
ocasiona un retraso en todo el proyecto. Los retrasos del proyecto pueden ocasionar costos
adicionales, ingresos perdidos y/o incumplimiento de las obligaciones contractuales. Por ejemplo,
no terminar las labores de preparacin e inicio de explotacion de Santa Rosa Mining Corp. a
tiempo puede ocasionar una prdida sustancial en las ventas de concentrado para el periodo
INVESTIGACION DE OPERACIONES EN MINERIA

Facultad de Ingeniera de Minas
Universidad Nacional del Altiplano
Derechos Reservados MCA-FIM 2009

117
planeado. Por tanto, como gerente, necesitar comprobar estas tareas crticas estrechamente
para ver que se terminen a tiempo a fin de que el proyecto entero se mantenga en lo programado.
Ahora puede ver que la forma ms fcil de identificar las tareas crticas es iniciar al final de la red y
proceder hacia atrs, hacia el principio del proyecto, examinando cada tarea. Determinar cules
son crticas, entonces, requiere calcular lo siguiente para cada tarea:
1. El ltimo tiempo de terminacin (UT)
14
-es decir, lo ms tarde que pueda concluirse una
tarea, mientras permita que el proyecto se complete lo ms pronto posible, como se
determin en la seccin 2.1 para el proyecto de Santa Rosa Mining Corp.
2. El ltimo tiempo de inicio (UI)
15
-es decir, lo ms tarde que pueda iniciarse una tarea, de
tal forma que finalice en su ltimo tiempo de terminacin.
Cualquier actividad cuyo ltimo tiempo de inicio sea igual que su tiempo de inicio ms inmediato
calculado en la seccin 2.1 es crtica. Esto se debe a que la nica forma de mantener el proyecto
a tiempo es iniciar esta tarea exactamente en este tiempo comn.
Para calcular el ltimo tiempo de terminacin para una tarea particular, observe que un retraso en
esta tarea particular afecta a todas las tareas sucesoras
16
, es decir, aquellas tareas para las que
una tarea es una predecesora, porque las tareas sucesoras no pueden comenzar sino hasta que
sta est terminada. Esta observacin da pie a la siguiente regla, que se aade a las tres reglas
presentadas en la seccin.2.1:
Regla 4. Para calcular el ltimo tiempo de terminacin de una tarea particular, debe conocer
los ltimos tiempos de inicio de cada tarea sucesora inmediata.
Regla 5. Respecto a una tarea de la que se conocen los ltimos tiempos de inicio de todas
sus tareas sucesoras inmediatas, el ltimo tiempo de terminacin de esa tarea es el mnimo
de los ltimos tiempos de inicio de todas las tareas sucesoras inmediatas.
Regla 6. ltimo tiempo de inicio = (ltimo tiempo de terminacin) - (tiempo de tarea)
t UT UI =

14
Lo ms tarde que pueda concluirse una tarea, en tanto permita que el proyecto se complete lo ms pronto
posible.
15
Lo ms tarde que pueda iniciarse una tarea, pero finalizando dentro de su ltimo tiempo de terminacin.
16
Una tarea para la que la tarea de inters es una predecesora.

CAPITULO II: CONSTRUCCION DE MODELOS DETERMINISTICOS


Facultad de Ingeniera de Minas
Universidad Nacional del Altiplano
Derechos Reservados MCA-FIM 2009
118

Fig. 10 Clculo de los ltimos tiempos de inicio y terminacin para el proyecto de Santa Rosa Mining
Pasos para calcular los ltimos tiempos de inicio y terminacin
Paso 0. Identifique el nodo correspondiente al final de todo el proyecto. Calcule y escriba
lo siguiente dentro de cada arco entrante:
a. El ltimo tiempo de terminacin, que es el tiempo ms breve de conclusin
del proyecto, segn se determin en la seccin 2.2 (porque cualquier otro
retraso en estas tareas retrasara todo el proyecto).
b. El ltimo tiempo de inicio de acuerdo con la regla 6, es decir
ltimo tiempo de inicio = (ltimo tiempo de terminacin) - (tiempo de tarea)
= (tiempo de conclusin de proyecto) - (tiempo de
tarea)
Paso 1. Seleccione un nodo, cuyos arcos salientes hayan sido etiquetados todos con sus
ltimos tiempos de inicio y terminacin.
Paso 2. Para el nodo seleccionado en el paso 1, calcule y escriba lo siguiente junto a
cada arco entrante:
a. El ltimo tiempo de terminacin de acuerdo con la regla 5, es decir ltimo
tiempo de inicio = mnimo de los ltimos tiempos de inicio de todos los arcos
salientes
b. El ltimo tiempo de inicio de acuerdo con la regla 6, es decir ltimo tiempo
de inicio = (ltimo tiempo de terminacin) - (tiempo de tarea)
Habiendo hecho estos clculos, ahora puede identificar las tareas crticas y no criticas. Para cada
tarea, calculemos la holgura (H)
17
de las tareas:
t IT UT H =
Usando los clculos de la figura 10 y calculando las holguras se llega al calendario de actividades
mostrado en la tabla 4
Tabla 4 Calendario de actividades y tareas crticas para el proyecto de Santa Rosa Mining

17
Cantidad de tiempo que una tarea puede retrasarse sin afectar la conclusin del proyecto.
INVESTIGACION DE OPERACIONES EN MINERIA

Facultad de Ingeniera de Minas
Universidad Nacional del Altiplano
Derechos Reservados MCA-FIM 2009

119
ETIQUETA DESCRIPCION t IT UI TT UT HOLGURA
B Subnivel I 40 80 120 112 152 32
C Subnivel II 40 5 45 128 168 123
D Transversal II 5 0 5 123 128 123
E Chimenea de acceso 68 0 68 0 68 0
F Chimenea o coladero
de mineral 18 0 18 62 80 62
G Chimenea de
ventilacin 21 0 21 89 110 89
H Instalacin de tolvas 14 110 124 110 124 0
I Chimenea de corte I 16 152 168 152 168 0
J Chimenea de corte II 16 168 184 168 184 0
K Instalacin de
cabrestante 14 96 110 96 110 0
L Explotacin 28 124 152 124 152 0
M Parte inicial del nivel
de rast rillaje 12 68 80 68 80 0
N Parte final del nivel de
rastrillaje 16 80 96 80 96 0
Figurada 0 80 80 80 80 0

Las holguras en esta tabla representan la cantidad de tiempo segn la cual la tarea
correspondiente puede retrasarse sin retrasar todo el proyecto, suponiendo que todas las demas
tareas se realizan a tiempo. Por ejemplo la Chimenea o coladero de mineral puede comenzar
hasta 89 dias tarde sin retrasar el proyecto.
Tarea crtica es una tarea cuyo tiempo de retraso es 0, lo que indica que cualquier retraso en esta
tarea ocasionara un retraso en la conclusion de todo el proyecto. En el ejemplo son tareas crticas
las tareas E, H, I, J, K, K, L, M y N. Como gerente debe verificar cuidadosamente estas tareas
criticas para mantener el proyecto dentro del calendario.

Fig. 11 Ruta crtica para el proyecto Santa rosa Mining
Las dobles lneas corresponden a las tareas crticas para el proyecto Santa Rosa Minino. Como
puede ver, estas tareas forman, en conjunto una ruta crtica
18
desde el principio hasta el final del
proyecto. En general puede haber varias rutas crticas; en ese caso, el tiempo es de 184 das.


Administracin de proyectos con tiempos determinsticos de tarea: uso de la computadora
Utilizaremos el software WinQSB para hallar la ruta crtica:
1. Iniciar el modulo PERT-CPM del software WinQSB

18
Una secuencia de tareas crticas de un proyecto que conecta el principio del proyecto con el fin.
CAPITULO II: CONSTRUCCION DE MODELOS DETERMINISTICOS


Facultad de Ingeniera de Minas
Universidad Nacional del Altiplano
Derechos Reservados MCA-FIM 2009
120

2. Ingresar los datos iniciales del proyecto

3. Ingresar la duracin y los predecesores de las tareas.

4. Obtener la ruta crtica
INVESTIGACION DE OPERACIONES EN MINERIA

Facultad de Ingeniera de Minas
Universidad Nacional del Altiplano
Derechos Reservados MCA-FIM 2009

121

Son valores similares a los obtenidos anteriormente.
5. Podemos observar tambin la grafica

Expedicin de un proyecto usando tcnicas de crashing
En muchos proyectos la gerencia puede decidir que el tiempo de conclusin ms breve no es
aceptable. En tales casos, a menudo pueden usarse recursos adicionales para agilizar ciertas
tareas, ocasionando una conclusin ms temprana del proyecto. En esta seccin, aprender
cmo puede formularse un modelo de programacin lineal para determinar las tareas que deben
agilizarse para lograr un tiempo de conclusin deseado, y a qu costo.
CAPITULO II: CONSTRUCCION DE MODELOS DETERMINISTICOS


Facultad de Ingeniera de Minas
Universidad Nacional del Altiplano
Derechos Reservados MCA-FIM 2009
122
En el ejemplo de Santa Rosa Mining, suponga que el Gerente General decide que un tiempo de
conclusin de 184 das es demasiado largo. Se le ha pedido hacer recomendaciones sobre cmo
puede acortarse el proyecto a 160 das.
Obtencin de datos de costos adicionales para las tareas
Qu tareas del proyecto pueden acortarse y en cunto? Claro est que acortar las tareas
claramente requiere recursos adicionales, como el pago de tiempos extra, personal adicional y/o
subcontrataciones. Por tanto, los primeros pasos son enumerar, para cada tarea:

1. El tiempo de choque, esto es, el tiempo mnimo posible en el que la tarea puede
concluirse de manera realista usando recursos adicionales.
2. El costo de los recursos adicionales necesarios para acortar el tiempo de tarea a cualquier
valor entre sus tiempos normal y de choque.
Para obtener el tiempo de choque, puede consultar con las personas involucradas en la tarea.
Por ejemplo, considere la tarea de la chimenea de acceso en el proyecto de Santa Rosa Mining.
Originalmente se estima que esta tarea requiere 68 das. Sin embargo, despus de las
discusiones con el gerente del departamento de diseo, usted descubri que al contratar algo de
ayuda de tiempo parcial y/o usar tiempos extra, la chimenea de acceso podra terminarse en slo
64 das, pero no menos. Por tanto, con recursos adicionales, el tiempo de conclusin de esta
tarea puede acortarse en 4 das a un tiempo de choque de 64 das.
El tiempo cuesta dinero. Para establecer cunto cuesta el tiempo, comience por obtener dos
estimaciones de costo para concluir la tarea en (a) su tiempo normal y (b) su tiempo de choque.
En el proyecto de Santa Rosa Mining, suponga que la chimenea de acceso se estima que cueste
$7200 si se termina en su tiempo normal de 68 das y $7528 si se terminan en su tiempo de
choque de 64 das. De hecho, con una cantidad apropiada de entre $7200 y $7528, puede
concluir esta tarea en cualquier momento entre 68 y 64 das. Sin embargo, la obtencin de las
estimaciones de costo para cada tiempo posible entre las 68 y 64 das puede ser difcil, caro y
llevarse tiempo. Una aproximacin comnmente usada es suponer que los costos se comportan
linealmente dentro del intervalo de tiempo dado, como se muestra en la figura 12. Basndose en
esta suposicin, un costo por unidad de tiempo aproximado puede calcularse usando la siguiente
frmula:
(costo al tiempo de choque) - (costo al tiempo normal)
(tiempo normal) - (tiempo de choque)
Costo por unidad =

Para la tarea de la chimenea de acceso,
7528 - 7200
68 - 64
Costo por unidad = = 82

En otras palabras, costar $ 82 adicionales por cada da que se acorte esta tarea.
7150
7200
7250
7300
7350
7400
7450
7500
7550
63 64 65 66 67 68 69
Tiempo de tarea (das)
C
o
s
t
o

(
$
)

INVESTIGACION DE OPERACIONES EN MINERIA

Facultad de Ingeniera de Minas
Universidad Nacional del Altiplano
Derechos Reservados MCA-FIM 2009

123
Fig. 12 Transaccin tiempo costo lineal para la chimenea de acceso
Estos datos y clculos para cada tarea del proyecto de Santa Rosa Mining se muestran en la tabla
5.
Observe que el costo por unidad de la tarea L, Explotacin, no se ha calculado. Esa tarea no
puede acortarse en absoluto.
Tabla 5 Costos de choque para las tareas de Santa Rosa Mining
ETIQUETA DESCRIPCION
T
i
e
m
p
o

n
o
r
m
a
l
C
o
s
t
o

n
o
r
m
a
l
T
i
e
m
p
o

d
e

c
h
o
q
u
e
C
o
s
t
o

d
e

C
h
o
q
u
e
R
e
d
u
c
c
i

n

M

x
i
m
a
C
o
s
t
o

p
o
r

d

a
A Nivel
B Subnivel I 40 8,100 36 8,380 4 70.0
C Subnivel II 40 8,100 36 8,380 4 70.0
D Transversal II 5 1,160 4 1,612 1 452.0
E Chimenea de acceso 68 7,200 55 8,528 13 102.2
F Chimenea o col adero de minera 18 1,920 15 2,241 3 107.0
G Chimenea de ventilacin 21 2,160 18 3,110 3 316.7
H Instalacin de tol vas 14 430 12 650 2 110.0
I Chimenea de corte I 16 1,800 15 2,132 1 332.0
J Chimenea de corte II 17 1,920 16 2,360 1 440.0
K Instalacin de cabrestante 14 350 11 465 3 38.3
L Explotacin 28 28 0
M Parte inici al del nivel de rastrillaje 12 3,900 10 4,020 2 60.0
N Parte final del nivel de rastrill aj e 16 4,800 14 5,350 2 275.0
41,840 COSTO TOTAL

Desarrollo del modelo de choque
Con los datos de la tabla 5 y la red de proyecto, ahora es posible desarrollar un modelo de
programacin lineal para determinar qu tareas acortar, y en cunto, para lograr un tiempo de
conclusin meta para todo el proyecto de la manera menos costosa.
Identificacin de las variables de decisin
Preguntndose lo que puede controlar y/o necesita determinar en este problema lo debe llevar a
identificar como variables de decisin la cantidad de tiempo en la cual acortar cada tarea. Por
tanto, para el ejemplo de Santa Rosa Mining, defina
Y
B
= el nmero de das en las cuales acortar la tarea B
Y
C
= el nmero de das en las cuales acortar la tarea C
.
Y
N
= el nmero de das en las cuales acortar la tarea N
Los valores de estas variables de decisin reducen los tiempos de conclusin de tareas a las
cantidades mostradas junto a cada arco de la figura 13. Por ejemplo, el nuevo tiempo de
conclusin de la tarea C es 40 - Yc, es decir, el tiempo normal de 40 das menos el nmero de
das, Yc, en la cual se acorta esa tarea.
Identificacin de la funcin objetivo
El objetivo global es minimizar los recursos adicionales totales requeridos para satisfacer el tiempo
de conclusin meta para el proyecto. Habiendo calculado los costos unitarios enumerados en la
tabla 5 asociados con el acortamiento de cada tarea, y observando que el costo de la variable YL
es irrelevante porque su valor estar restringido a 0, la funcin objetivo en trminos matemticos
es
Minimizar 70 Y
B
+ 70 Y
C
+ 452Y
D
+ 102.2 Y
E
+ 107 Y
F
+ 316.7 Y
G
+ 110 Y
H
+332 YY
I
+ 440
Y
J
+ 38.33 Y
K
+ 60 Y
M
+ 275 Y
N

CAPITULO II: CONSTRUCCION DE MODELOS DETERMINISTICOS


Facultad de Ingeniera de Minas
Universidad Nacional del Altiplano
Derechos Reservados MCA-FIM 2009
124
Identificacin de las restricciones
Usando la tcnica de agrupamiento puede identificar dos grupos de restricciones:
1. La cantidad mxima de tiempo en la cual se puede acortar cada tarea.
2. El tiempo de conclusin meta del proyecto (en este caso, 170 das).
Para las restricciones del grupo 1, lo nico que se necesita son las cotas superiores sobre las
variables de decisin, Y
A
, . . . , Y
N
. Los valores mximos de estas variables se proporcionan en la
columna etiquetada 'Reduccin mxima' de la tabla 5. La combinacin de estos valores con la no
negatividad implcita de estas variables da pie a las siguientes restricciones:

Fig. 13 Variables de decisin para agilizar el proyecto de Santa Rosa Mining
Restricciones de lmite
0 <= Y
B
<= 4 (Lmite B)
0 <= Y
C
<= 4 (Lmite C)
0 <= Y
D
<= 1 (Lmite D)
0 <= Y
E
<= 13 (Lmite E)
0 <= Y
F
<= 3 (Lmite F)
0 <= Y
G
<= 3 (Lmite G)
0 <= Y
H
<= 2 (Lmite H)
0 <= Y
I
<= 1 (Lmite I)
0 <= Y
J
<= 1 (Lmite J)
0 <= Y
K
<= 3 (Lmite K)
0 <= Y
L
<= 0 (Lmite L)
0 <= Y
M
<= 2 (Lmite M)
0 <= Y
N
<= 2 (Lmite N)
La especificacin de la restriccin del grupo 2 requiere cuidado. Mirando la red de proyecto de la
figura 13, es necesario saber cundo se concluir la tarea J para determinar cundo se terminara
todo el proyecto. Esto a su vez requiere saber cundo se concluirn todas las predecesoras
inmediatas de la tarea J, es decir, cundo se concluirn las tareas C e I. De hecho, para
INVESTIGACION DE OPERACIONES EN MINERIA

Facultad de Ingeniera de Minas
Universidad Nacional del Altiplano
Derechos Reservados MCA-FIM 2009

125
especificar que el proyecto puede concluirse en su tiempo meta, es necesario saber cuando
puede comenzar cada tarea individual. Como estos valores son todavia desconocidos y dependen
de los valores de Y
A
, . . . , Y
N
, es aconsejable definir las variabless adicionales para cada nodo en
la red de proyecto de la manera siguiente:
X
0
= el tiempo en que todas las tareas que salen del nodo 0 pueden comenzar
X
1
= el tiempo en que todas las tareas que salen del nodo 1 pueden comenzar
X
2
= el tiempo en que todas las tareas que salen del nodo 2 pueden comenzar
X
3
= el tiempo en que todas las tareas que salen del nodo 3 pueden comenzar
X
4
= el tiempo en que todas las tareas que salen del nodo 4 pueden comenzar
X
5
= el tiempo en que todas las tareas que salen del nodo 5 pueden comenzar
X
6
= el tiempo en que todas las tareas que salen del nodo 6 pueden comenzar
X
7
= el tiempo en que todas las tareas que salen del nodo 7 pueden comenzar
X
8
= el tiempo en que todas las tareas que salen del nodo 8pueden comenzar
X
9
= el tiempo en que todas las tareas que salen del nodo 9 pueden comenzar
X
10
= el tiempo en que todas las tareas que salen del nodo 10 pueden comenzar
Con estas variables, ahora es posible especificar que el proyecto puede comenzar en el tiempo 0
y terminar en 160 das con las dos siguientes restricciones:
X
0
= 0 (inicio)
X
10
<= 160 (finalizacin)
Todo lo que resta son las restricciones que especifican que una tarea puede comenzar solo
despuers de que sus tareas predecesoras inmediatas hayan concluido. Por ejemplo refiriendose al
nodo 1 de la figura 13, la tarea M puede comenzar solo despues de haber concluido la tarea E.
Como X
1
es el tiempo en el que esta tarea puede comenzar, se tiene la siguiente restriccin de
nodo:
Tiempo de inicio de las tareas que salen del nodo 1 >= tiempos de terminacin de todas las tareas
que entran al nodo 1
Tiempo de inicio de M >= tiempo de terminacin de la tarea E
Tiempo de inicio de M >= (tiempo de inicio de la tarea E) + (tiempo acortado de la tarea E)
X
1
>= X
0
+ (68-Y
E
) (tarea A)
De manera similar para el resto de los nodos, tenemos:
X
2
>= X
0
+ (5-Y
D
) (tarea D)
X
3
>= X
1
+ (12-Y
M
) (tarea M)
X
4
>= X
0
+ (18-Y
F
) (tarea F)
X
4
>= X
3
+ 0 (tarea figurada)
X
5
>= X
4
+ (16-Y
N
) (tarea N)
X
6
>= X
5
+ (14-Y
K
) (tarea K)
X
6
>= X
0
+ (21-Y
G
) (tarea G)
X
7
>= X
6
+ (14-Y
H
) (tarea H)
X
8
>= X
7
+ (28-Y
L
) (tarea L)
X
8
>= X
3
+ (40-Y
B
) (tarea B)
X
9
>= X
8
+ (16-Y
I
) (tarea I)
CAPITULO II: CONSTRUCCION DE MODELOS DETERMINISTICOS


Facultad de Ingeniera de Minas
Universidad Nacional del Altiplano
Derechos Reservados MCA-FIM 2009
126
X
9
>= X
2
+ (40-Y
C
) (tarea C)
X
10
>= X
9
+ (16-Y
J
) (tarea J)
Notemos que por cada tarea real o figurada existe una restriccin.
Aadiendo la no negatividad implcita de las variables X, se obtiene el siguiente modelo de choque
completo:
Minimizar 70 Y
B
+ 70 Y
C
+ 452Y
D
+ 102.2 Y
E
+ 107 Y
F
+ 316.7 Y
G
+ 110 Y
H
+332 YY
I
+ 440
Y
J
+ 38.33 Y
K
+ 60 Y
M
+ 275 Y
N

Dependiendo de:
Restricciones de lmite
0 <= Y
B
<= 4 (Lmite B)
0 <= Y
C
<= 4 (Lmite C)
0 <= Y
D
<= 1 (Lmite D)
0 <= Y
E
<= 13 (Lmite E)
0 <= Y
F
<= 3 (Lmite F)
0 <= Y
G
<= 3 (Lmite G)
0 <= Y
H
<= 2 (Lmite H)
0 <= Y
I
<= 1 (Lmite I)
0 <= Y
J
<= 1 (Lmite J)
0 <= Y
K
<= 3 (Lmite K)
0 <= Y
L
<= 0 (Lmite L)
0 <= Y
M
<= 2 (Lmite M)
0 <= Y
N
<= 2 (Lmite N)
Restricciones de terminacin de proyecto
X
0
= 0 (inicio)
X
10
<= 170 (finalizacin)
Restricciones de red
X
1
>= X
0
+ (68-Y
E
) (tarea A)
X
2
>= X
0
+ (5-Y
D
) (tarea D)
X
3
>= X
1
+ (12-Y
M
) (tarea M)
X
4
>= X
0
+ (18-Y
F
) (tarea F)
X
4
>= X
3
+ 0 (tarea figurada)
X
5
>= X
4
+ (16-Y
N
) (tarea N)
X
6
>= X
5
+ (14-Y
K
) (tarea K)
X
6
>= X
0
+ (21-Y
G
) (tarea G)
X
7
>= X
6
+ (14-Y
H
) (tarea H)
X
8
>= X
7
+ (28-Y
L
) (tarea L)
X
8
>= X
3
+ (40-Y
B
) (tarea B)
X
9
>= X
8
+ (16-Y
I
) (tarea I)
X
9
>= X
2
+ (40-Y
C
) (tarea C)
INVESTIGACION DE OPERACIONES EN MINERIA

Facultad de Ingeniera de Minas
Universidad Nacional del Altiplano
Derechos Reservados MCA-FIM 2009

127
X
10
>= X
9
+ (16-Y
J
) (tarea J)
Restricciones de red
X
0
, ..,X
10
>= 0
Resolucin del modelo de choque
Habiendo formulado el modelo de choque apropiado, ahora podemos usar cualquier programa de
programacin lineal para obtener la solucin. En nuestro caso, utilizaremos el WinQSB.

De los valores de las variables Y se puede ver que para terminar el proyecto en el tiempo meta de
160 das, es necesario acortar los tiempos de la tarea E en 13 das, de la tarea H en 2 das, de la
tarea I en 1 da, de la tarea J en 1 da, de la tarea K en 3 das, de la tarea M en 2 das y de la tarea
N en 2 das. El costo total de hacer esto son $ 3,105.59 adicionales.
ADMINISTRACIN DE PROYECTOS USANDO TIEMPOS DE TAREA PROBABILISTICOS
(PERT)
Al revisar proyectos, un gerente a menudo encuentra retrasos imprevistos al llevar a cabo las
diferentes tareas, lo cual tiene como resultado un correspondiente retraso en el proyecto
completo. Una manera de manejar tales problemas consiste en tomar en cuenta esta variabilidad
cuando se estiman los tiempos de terminacin individuales. En lugar de suponer que los tiempos
de tarea se conocen con certeza, como fue el caso en el ejemplo del proyecto de Santa Rosa
Mining en las secciones 2.1 a 2.4, puede ser ms apropiado estimar los tiempos de tarea,
tomando en cuenta la incertidumbre. Para revisar tales proyectos se requiere un anlisis
probabilstico, que se describir en la presente seccin. A lo largo de ella, se supone que el lector
conoce las nociones bsicas de probabilidad y de estadstica.
1.1. Enumeracin de las tareas, identificando las relaciones de precedencia y trazando la
red de proyectos
CAPITULO II: CONSTRUCCION DE MODELOS DETERMINISTICOS


Facultad de Ingeniera de Minas
Universidad Nacional del Altiplano
Derechos Reservados MCA-FIM 2009
128
En las secciones 1.1. a 1.4 se ha realizado la enumeracin de las tareas del proyecto de Santa
Rosa Mining, identificado las relaciones de precedencia y trazado la red de proyectos.
1.2. Estimacin de los tiempos de terminacin de tareas
Los tiempos de terminacin de estas tareas son bastante variables debido a la incertidumbre de la
obtencin de suministros, el mantenimiento de las relaciones laborales, etctera. As pues, una
sola estimacin del tiempo no es apropiada. Para tomar en cuenta esta variabilidad se requiere el
conocimiento de la distribucin de probabilidad de los tiempos de terminacin de cada tarea.
Esto, a su vez, requiere el conocimiento de los parmetros de la distribucin, entre los que se
encuentran la media y la varianza. La obtencin de la distribucin y de sus parmetros, a
menudo, es difcil y tardada. Sin embargo, un planteamiento que ha resultado ser conflable en la
prctica consiste en aproximar las distribuciones desconocidas mediante una distribucin beta. El
anlisis, en la presente seccin, no requiere la forma exacta de la distribucin, sino solamente del
conocimiento de tres parmetros: el valor mnimo, el valor mximo y el valor ms probable,
presentados en la figura 14.


Fig. 14 Distribucin Beta de un tiempo de tarea
Suponga que para la tarea C, colocacin del techo, las tres estimaciones obtenidas del
subcontratista que lo va a colocar son:
a = ms optimista = 3 das b = ms pesimista = 11 das m = ms probable = 5.5 das
Utilizando estas tres estimaciones, el tiempo esperado y la desviacin estndar se calculan de la
manera siguiente:
Tiempo de tarea esperado a + 4m + b
INVESTIGACION DE OPERACIONES EN MINERIA

Facultad de Ingeniera de Minas
Universidad Nacional del Altiplano
Derechos Reservados MCA-FIM 2009

129
BIBLIOGRAFIA
- INVESTIGACIN DE OPERACIONES, Kamlesh Mathur, Daniel Solow, Edit. Prentice-
Hall Hispanoamericana S.A., 1996, Mxico.
- INVESTIGACIN DE OPERACIONES, Hamdy A. Taha, sptima edicin, Pearson
Educacin de mxico, S.A. de C.V., 2004, Mxico.
- INVESTIGACIN DE OPERACIONES: Programacin Lineal, Jorge Alvarez A.,
segunda edicin, Edit. Amrica, 1995, Per.
- MICROSOFT PROJECT 2003 PASO A PASO, Curso Oficial de Microsoft, Edit.
McGraw-Hill/Interamericana de Espaa, 2003, Madrid.

También podría gustarte