P. 1
C) PROBLEMAS DE PROGRAMACION LINEAL RESUELTOS.pdf

C) PROBLEMAS DE PROGRAMACION LINEAL RESUELTOS.pdf

|Views: 786|Likes:
Publicado porjuchama4256

More info:

Published by: juchama4256 on Aug 01, 2013
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as PDF, TXT or read online from Scribd
See more
See less

08/06/2014

pdf

text

original

Investigación Operativa I

Programación Lineal

EJERCICIOS DE PROGRAMACION LINEAL 1. RMC es una empresa pequeña que produce diversos productos químicos. En un proceso de producción en particular se utilizan tres materia primas para elaborar dos productos: un aditivo para combustible y una base disolvente. El aditivo para combustible se vende a empresas petroleras y se utiliza en la producción de gasolina y otros combustibles relacionados. La base disolvente se vende a varias empresas químicas y se utiliza tanto para productos de limpieza para el hogar como industriales. Para formar el aditivo para combustible y la base de disolvente de mezclan tres materia primas, según apara ce en la siguiente tabla. NECESIDADES DE MATERIA PRIMA POR TONALADA Materia Prima Producto 1 2 3 Aditivo para combustible 2/5 0 3/5 Base disolvente 1/2 1/5 3/10
Utiliza ½ toneladas de materia prima 1 en cada tonelada de base de disolvente.

La producción de RMC está limitada por la disponibilidad de las tres materia primas. Para el período de producción actual, RMC tiene disponibles las cantidades siguientes de cada una de las materia primas Materia Prima Materia prima 1 Materia Prima 2 Materia prima 3 Cantidades disponibles para la producción 20 toneladas 5 toneladas 21 toneladas

Debido a deterioro y la naturaleza del proceso de producción, cualquier materia prima que no se utilice para producción actual resulta inútil y debe descartarse. El departamento de control de calidad ha analizado las cifras de producción, asignando todos los costos correspondientes, y para ambos productos llegó a precios que resultarán en una contribución a la utilidad de 40 dólares por tonelada de aditivo para combustible producida y de 30 dólares por cada tonelada de base disolvente producido. La administración de RMC, después de una análisis de la demanda potencial, ha concluido que los precios establecidos asegurarán la venta de todo el aditivo para combustible y de toda la base disolvente que se produzca. El problema de RMC es determinar cuántas tonelada de cada producto deberá producir para maximizar la contribución total de la utilidad. Si Ud. Estuviera a cargo de la programación de la producción para RMC. ¿qupe decisión tomaría? Esto es, ¿Cuántas tonaladas de aditivo para combustible y cuántas toneladas

Oswaldo Paul Rivadeneira

Página: 1

Investigación Operativa I

Programación Lineal

de base disolvente produciría usted para el período actual de producción? Escriba sus decisiones abajo y encuentre sus resultados.1 Solución: Diseño del modelo matemático:  Definición de variables X1 = número de toneladas de aditivo para combustible X2 = número de toneladas de base disolvente Función objetivo: Maximizar la contribución a la utilidad, Z = 40 X1 + 30 X2 Restricciones Toneladas de materia prima 1 2/5X1 + 1/2X2 ≤ 20 Toneladas de materia prima 2 1/5X2 ≤ 5 Toneladas de materia prima 3 3/5X1 + 3/10X2 ≤ 21 No negatividad Xi ≥0; i=1,2

 

Entrada de datos para Solver

Salida de resultados

1

Anderson Sweeney Willams. Métodos Cuantitativos para los Negocios. 7ma Edición. Editorial Thomson. Página 220. Oswaldo Paul Rivadeneira Página: 2

Investigación Operativa I

Programación Lineal

Informe del problema: Orden de producción: 25 toneladas de aditivo 20 toneladas de base disolvente con: 20 toneladas de materia prima 1, 4 toneladas de materia prima 2, y 21 toneladas de materia prima 3 2. Innis Investments administra fondos de empresas y clientes pudientes. La estrategia de inversión se adecua a las necesidades de cada cliente. Para un cliente nuevo, a Innis se le ha autorizado invertir hasta 1’200.00 dólares en fondos de inversión: un fondo de acciones y un fondo del mercado de dinero. Cada unidad del fondo de acciones cuesta 50 dólares, con una tasa de rendimiento anual de 10%; cada unidad del fondo de mercado de dinero cuesta 100 dólares, con una tasa de rendimiento anual de 4%. El cliente desea minimizar el riesgo, pero quiere tener un ingreso anual sobre la inversión de por lo menos 60.000 dólares. De acuerdo con el sistema de medición del riesgo del Innis, cada unidad adquirida en el fondo de acciones tiene un índice de riesgo del 8, y cada unidad adquirida en el fondo de mercado de dinero tiene un índice de riesgo de 3. El índice de riesgo más elevado con el fondo de acciones indica, simplemente que se trata de un a inversión más riesgosa. El cliente de Innis también ha especificado que se inviertan por lo menos 3.000 dólares en el fondo de mercado de dinero. ¿Cuántas de cada uno de los fondos deberá adquirir Innis para el cliente, si el objetivo es minimizar el índice de riesgo total para esa cartera?2 Solución: Diseño del modelo matemático:  Definición de variables X1 = número de unidades adquiridas en el fondo de acciones X2 = número de unidades adquiridas en el fondo del mercado de dinero Función objetivo: Minimizar el riesgo, Z = 8 X1 + 3 X2 Restricciones Fondos disponibles 50X1 + 100X2 ≤ 1’200.000 Ingreso anual 5 X1 + 4X2 ≥ 60.000 Unidades en fondo 100X2 ≥ 3.000

 

2

Anderson Sweeney Willams. Métodos Cuantitativos para los Negocios. 7ma Edición. Editorial Thomson. Página 242. Oswaldo Paul Rivadeneira Página: 3

que muestra las necesidades de tiempo de producción para las cuatro operaciones de manufactura requeridas y la estimación por parte del departamento de contabilidad de la contribución a la utilidad por bolsa.000 unidades a 100 dólares cada en el mercado de dinero para obtener una ganancia de 62. el distribuidor está de acuerdo en adquirir todas las bolsas que PAR pueda fabricar en los siguientes tres meses. El distribuidor tiene tanta confianza en el mercado que si PAR puede fabricar las bolsas a un precio competitivo.000 dólares al año. como para una bolsa de golf de precio elevado. conocida como modelo deluxe. PAR es un pequeño fabricante de equipo y accesorios para golf cuyo distribuidor lo convenció de que existe un mercado tanto para la bolsa de golf de precio medio. 3. i=1. Un análisis cuidadoso de los requerimientos de fabricación dieron como resultado la tabla siguiente.2 Entrada de datos para Solver Datos de salida del Solver Informe de asesoría: Innis Investments aconseja al cliente que adquiera 400 unidades a 50 dólares cada una en Acciones y 10. Tiempo de producción Corte y Costura Oswaldo Paul Rivadeneira Terminado Inspección Utilidad por Página: 4 .Investigación Operativa I Programación Lineal  No negatividad Xi ≥0. conocida como modelo estándar.

600 horas de tiempo de costura.2 Solución gráfica:  3 Anderson Sweeney Willams.6667X2 ≤ 708 Horas de Terminado 0. Oswaldo Paul Rivadeneira Página: 5 . 7ma Edición.0X1 + 0. Problema 15. i=1. a) b) c) d) Si la empresa desea maximizar la contribución total a la utilidad.5X1 + 0.25X2 ≤ 35 Horas de Inspección y Empaque No negatividad Xi ≥0. Métodos Cuantitativos para los Negocios. Página 264.1X1 + 0.Investigación Operativa I Programación Lineal Producto Estándar Deluxe teñido 7/10 1 1/2 5/6 1 2/3 y empaque 1/10 1/4 Bolsa $10 $9 El director da manufactura estima que durante los siguientes tres meses estarán disponibles 630 horas de tiempo de corte y teñido. Editorial Thomson.0X2 ≤ 630 Horas de Corte y teñido 0.7X1 + 1.¿Cuántas bolsas de cada modelo deberá fabricar? ¿Qué contribución a la utilidad puede obtener PAR de estas cantidades de producción? ¿Cuántas horas de producción se programarán para cada operación? ¿Cuál es el tiempo de holgura de cada operación?3 Solución: Formulación del modelo:  Definición de variables X1 = Cantidad de unidades de bolsas de golf estandar X2 = Cantidad de unidades de bolsas de golf de lujo   Función Objetivo Z max = 10X1 + 9X2 Restricciones 0.8334X2 ≤ 600 Horas de Costura 1. 708 horas de tiempo de terminado y 135 horas de tiempo de inspección y empaque para la producción de las bolsas de golf.

Investigación Operativa I Programación Lineal Entrada de datos Solver: Solución Solver: Oswaldo Paul Rivadeneira Página: 6 .

708 horas de Terminado y 117 horas de Inspección y Empaque. como para una bolsa de golf de precio elevado. que muestra las necesidades de tiempo de producción para las cuatro operaciones de manufactura requeridas y la estimación por parte del departamento de contabilidad de la contribución a la unidad por bolsa.01 bolsas de golf de Lujo. Aparece disponible una nueva materia prima de bajo costo para la bolsa estándar. conocida como modelo estándar. d) Los tiempos de holgura son de 119. Un análisis cuidadoso de los requerimientos de fabricación dieron como resultado la tabla siguiente. b) Contribución total = $ 7. y Terminado no tienen holgura. 480. Resuelva el problema descrito y luego responda a las siguientes preguntas: a) b) El departamento de contabilidad revisa su estimación de contribución a la utilidad para la bolsa Deluxe a 18 dólares por bolsa. PAR es un pequeño fabricante de equipo y accesorios para golf cuyo distribuidor lo convenció de que existe un mercado tanto para la bolsa de golf de precio medio.(suponga que 10X1 + 9X2 es la función objetivo apropiada) c) Oswaldo Paul Rivadeneira Página: 7 . el distribuidor está de acuerdo en adquirir todas las bolsas que PAR pueda fabricar en los siguientes tres meses. y la contribución a la unidad por la bolsa estándar puede incrementarse a 20 dólares por bolsa. (suponga que la contribución a la utilidad por la bolsa Deluxe es el valor original de 9 dólares) Se puede obtener nuevo equipo de costura que incrementará la capacidad de operación de costura a 750 horas. Producto Estándar Deluxe Tiempo de producción Corte y Costura teñido 7/10 1/2 1 5/6 Terminado 1 2/3 Inspección y empaque 1/10 1/4 Utilidad por Bolsa $10 $9 El director da manufactura estima que durante los siguientes tres meses estarán disponibles 630 horas de tiempo de corte y teñido.02 horas de Costura. 4. Las operaciones de Corte y Teñido.942 c) Se programarán 620 horas de Corte y Teñido. El distribuidor tiene tanta confianza en el mercado que si PAR puede fabricar las bolsas a un precio competitivo. conocida como modelo Deluxe. 708 horas de tiempo de terminado y 135 horas de tiempo de inspección y empaque para la producción de las bolsas de golf.667.98 para Costura y 18 horas para Inspección y Empaque.Investigación Operativa I Programación Lineal a) Debe fabricar 539.98 bolsas de golf estándar y 252. 600 horas de tiempo de costura.

6667 X2 = 708.0000 X1 + 9.Investigación Operativa I Programación Lineal Si cada una de estas situaciones se encuentra por separado.25X2 ≤ 135 Horas de Inspección y Empaque No negatividad Xi ≥0.0000 X2 = 7667.2500 X2 = 135.0000 4 Anderson Sweeney Willams.2 700 Solución GLP 665 630 Payoff: 10.8334 X2 = 600.7000X1 + 1.2500X2 <= 135.0000 : 0.1000 X1 + 0.7000 X1 + 1.7X1 + 1.5000 X1 + 0.0000 : 0.0000 X1 + 0.0000 X2 = 630.9417 595 560 525 490 455 420 385 350 315 280 245 210 175 140 105 70 35 0 0 60 120 180 240 300 360 420 480 540 600 660 720 780 840 900 960 1020 1080 1140 : 1. i=1.0000 : 0.6667X2 <= 708.5X1 + 0.0X2 ≤ 630 Horas de Corte y teñido 0.0000X2 <= 630.1X1 + 0.9842. Página 265.0000X1 + 0.8334X2 <= 600. Métodos Cuantitativos para los Negocios.0000 X2  12 Optimal Decisions(X1.1000X1 + 0. 7ma Edición. 252.0000 : 1. Problema 16.0110) : 0.0000 : 0.6667X2 ≤ 708 Horas de Terminado 0. Editorial Thomson.0000 : 0.X2): (539. ¿Cuál sería la solución óptima y la contribución total a la utilidad?4 Solución: Formulación del modelo:  Definición de variables X1 = Cantidad de unidades de bolsas de golf estandar X2 = Cantidad de unidades de bolsas de golf de lujo   Función Objetivo Z max = 10X1 + 9X2 Restricciones 0. Oswaldo Paul Rivadeneira Página: 8 .0X1 + 0.8334X2 ≤ 600 Horas de Costura 1.5000X1 + 0.

Investigación Operativa I Programación Lineal Entrada de datos Solver: Solución Solver: a) b) Oswaldo Paul Rivadeneira Página: 9 .

Kelson Sporting Equipment fabrica dos modelos de guantes de béisbol: uno normal y una manopla de catcher. ¿Cuántos guantes de cada modelo deberá fabricar Kelson? Oswaldo Paul Rivadeneira Página: 10 . La empresa tiene disponibles 900 horas de tiempo de producción en su departamento y corte y costura. 300 horas disponibles en el departamento de terminado y 100 horas disponibles en el departamento de empaque y embarque.Investigación Operativa I Programación Lineal c) La solución óptima es la alternativa b) donde se incrementa la contribución a la utilidad de las bolsas estándar a $20 y su contribución total es de $ 14.160 fabricando sólo bolsas de golf estándar. 5. Los requerimientos de tiempo de producción y la contribución a la utilidad de cada uno de losa productos es: Tiempo Corte y costura 1 3/2 de producción(horas) Terminado Empaque y Utilidad por Guante embarque 1/2 1/8 $5 1/3 1/4 $8 Modelo Normal Catcher Suponga que la empresa está interesada en maximizar la contribución total de la utilidad. a) b) ¿Cuál es el modelo de programación lineal para este problema? Encuentre la solución óptima.

125X1 + 0.Investigación Operativa I Programación Lineal c) d) e) ¿Cuál es la contribución total a la utilidad que puede ganar Nelson con las cantidades de producción arriba citadas? ¿Cuántas horas de producción serían programadas en cada departamento? ¿Cuál es el tiempo libre de cada departamento?5 Solución: a) Formulación del modelo:  Definición de variables X1 = Cantidad de guantes de Béisbol normal X2 = Cantidad de guantes de Béisbol tipo Manopla   Función Objetivo Z max = 5X1 + 8X2 Restricciones X1 + 1.25X2 ≤ 100 horas de Empaque y Embarque No negatividad Xi ≥0.2 Solución GLP  5 Anderson Sweeney Willams.5X2 ≤ 900 horas de Corte y Costura 0.5X1 + 0. Métodos Cuantitativos para los Negocios.3334X2 ≤ 300 horas de Terminado 0. Problema 22. Página 266. i=1. Oswaldo Paul Rivadeneira Página: 11 . Editorial Thomson. 7ma Edición.

3X2 <= 300.0 0 60 120 180 Payoff: 5.630 595 560 Investigación Operativa I 525 490 455 420 385 350 315 280 245 210 175 140 105 70 35 0 : 0.5 X2 = 900.3X2 <= 100.0 X2 = 3699. 150.0 Datos de entrada de Solver: Salida del Solver: Oswaldo Paul Rivadeneira Página: 12 .0 : 1.1X1 + 0.1 X1 + 0.3 X2 = 300.0.3 X2 = 100.9 Programación Lineal 240 300 360 420 480 540 600 660 720 780 840 900 960 Optimal Decisions(X1.5 X1 + 0.0 : 0.X2): (500.0 X1 + 8.0X1 + 1.0 : 0.5X1 + 0.5X2 <= 900.0 : 0.0 X1 + 1.0) : 1.

5%. Independientemente de la porción de la herencia que finalmente decida comprometer al fideicomiso. Los rendimientos proyectados durante la vida de las inversiones son 6% para el fondo de bonos y 10% para el de acciones. 7ma Edición. George Johnson heredó recientemente una gran suma de dinero. El fideicomiso tiene dos opciones de inversión: (1) un fondo de bonos y (2) un fondo de acciones. Problema 23. Editorial Thomson.5% (100) rendimiento total X1 + X2 ≤ 100 relación entre inversiones No negatividad Xi ≥0. Además. Métodos Cuantitativos para los Negocios. Página 266. i=1. desea invertir por lo menos 30% de dicha cantidad en el fondo de bonos. desea seleccionar una combinación que le permita obtener un rendimiento total de por lo menos 7. Oswaldo Paul Rivadeneira Página: 13 .2 Datos entrada Solver    6 Anderson Sweeney Willams. Resuelva el problema utilizando el procedimiento de solución gráfica y por solver6 Solución:  Definición de variables X1 = cantidad de dinero invertido en fondo de bonos X2 = cantidad de dinero invertido en fondo de acciones Función Objetivo Zmax = 1X1 + 1X2 Restricciones X1 ≥ 30% (100) inversión en fondo de bonos 6% X1 + 10% X2 ≥ 7. a) b) Formule un modelo de programación lineal que pueda utilizarse para determinar el porcentaje que debe asignarse a cada una de las posibles alternativas de inversión. desea utilizar parte de este dinero para establecer un fideicomiso para sus dos hijos.Investigación Operativa I Programación Lineal 6.

000 dólares entre Oswaldo Paul Rivadeneira Página: 14 .Investigación Operativa I Programación Lineal Resultados del Solver: Solución gráfica: 7. El propietario de Sea Warf Restaurant desearía determinar cual es la mejor forma de asignar un prosupuesto mensual de publicidad de 1.

Un asesor de mercadotecnia ha desarrollado un índice que mide la exposición del auditorio por dólar de publicidad en una escala de 0 al 100. Problema 24. i=1.25(X1 + X2) mínimo para radio X1 ≥ 2X2 relación periódicos y radio X1 + X2 ≤ 1000 presupuesto No negatividad Xi ≥0. a fin de maximizar el valor de exposición total en el auditorio? a) Formule un modelo de programación lineal que se pueda utilizar para determinar la manera en que la administración debe asignar el presupuesto de publicidad a fin de maximizar el valor de la exposición total del auditorio.2  Solución GLP 7 Anderson Sweeney Willams. y para el anuncio de radio es de 80. ¿Cómo debería asignar la administración el presupuesto de publicidad. La administración ha decidido que por lo menos 25% del presupuesto debe utilizarse en cada uno de estos dos tipos de medios y que el monto del dinero gastado en publicidad en periódicos locales debe tener por lo menos el doble de los que se gaste en radio. Página 266.25(X1 + X2) mínimo para periódicos X2 ≥ 0.Investigación Operativa I Programación Lineal periódicos y la radio. Resuelva el problema utilizando el procedimiento de solución gráfica y por solver7 b) Solución: Formulación del modelo:  Definición de variables X1 = Cantidad de dólares asignados a periódicos X2 = Cantidad de dólares asignados a radio   Función Objetivo Zmax= 50X1 + 80X2 Restricciones X1 ≥ 0. Métodos Cuantitativos para los Negocios. Oswaldo Paul Rivadeneira Página: 15 . Si el valor del índice para publicidad en los periódicos locales es de 50. 7ma Edición. donde valores más elevados del índice indican mayores exposiciones al auditorio. Editorial Thomson.

2. Métodos Cuantitativos para los Negocios.00X2 >= 0.00. Página 267. Invesment Advisors es una empresa de corretaje que administra carteras de valores para clientes. Editorial Thomson. Como estrategia inicial de inversión.2. Para los datos dados.25 X1 + 0.00 : -0.00 : 1.S.S. 7ma Edición.75X1 .00 X2 = 46000.00 X1 + 2.25X1 + 0. OIL es la inversión sujeta a más riesgo.X2): (600.0.00 : 0. el cliente desea restringir la cartera a una combinación de las acciones siguientes: Acción U.00 : 1.00X2 <= 1000. Un cliente nuevo ha solicitado que la empresa maneje una cartera de inversiones de $80. se piensa que U.00X1 + 2.000.75 X1 .00 33 66 99 132 165 198 231 264 297 330 363 396 429 462 495 528 561 594 627 660 Optimal Decisions(X1.00) : 0.75X2 >= 0.00 X2 = 1000.00 X2 = 0.000 acciones para los valores U.0. Problema 25.00 8. OIL más riesgosos.00 X1 . la firma de inversiones evita colocar cantidades excesivas de la cartera en inversiones potencialmente de rendimiento alto y riesgo elevado.00 : -0. ¿Cuántas acciones de cada uno de estos valores deben ser adquiridos a fin de maximizar en rendimiento anual total?8 Solución: 8 Anderson Sweeney Willams.50 $5 0. Oswaldo Paul Rivadeneira Página: 16 .00 : 1. Para la cartera actual se ha establecido un límite superior a 700 para el índice de riesgo total de todas las inversiones.75 X2 = 0.25 El índice de riesgo por acción es una clasificación del riesgo relativo de dos alternativas de inversión. OIL Hub Properties Precio Acción $25 $50 por Rendimiento anual Índice de riego estimado por acción $3 0. también la empresa ha establecido un límite superior de 1.00 : 1.00X1 .Investigación Operativa I Programación Lineal X2 400 380 360 340 320 300 280 260 240 220 200 180 160 140 120 100 80 60 40 20 0 0 Payoff: 50.00 X1 + 80.25 X2 = 0. Al restringir el riesgo total de la cartera.25X2 >= 0.S. 200.

i=1. OIL 25X1 + 50X2 = 80.50X1 + 0.00 X1 Datos de entrada SOLVER Oswaldo Paul Rivadeneira Página: 17 .00 X1 + 0.00.S.00 : 1.00 158 79 0 : 0.00 X2 = 1000.00X1 + 0.00 395 316 237 : 1.00 X2 = 80000.Oil X2 = Cantidad de acciones en Hub Properties   Función Objetivo Z max = 3X1 + 5X2 Restricciones 0.2 Solucion GLP  X2 Payoff: 3.X2): (800.00X2 <= 1000.25 X2 = 700.000 inversión en acciones No negatividad Xi ≥0.25X2 ≤ 700 por riesgo X1 ≤ 1000 inversión en U.00) : 0.50X1 + 0.00 1580 1501 1422 1343 1264 1185 1106 1027 948 869 790 711 632 553 474 : 25.25X2 <= 700.00 X1 + 5.Investigación Operativa I Programación Lineal Formulación del modelo:  Definición de variables X1 = Cantidad de acciones en U.50 X1 + 0.00 0 49 98 147 196 245 294 343 392 441 490 539 588 637 686 735 784 833 882 931 980 Optimal Decisions(X1.00X1 + 50.00 X2 = 8400.S.00X2 <= 80000.00 X1 + 50. 1200.00 : 25.

93 por cada tarro de México City Salsa. 10% de salsa de tomate y 20% de pasta de tomate. el precio por libra de estos ingredientes es $0. que tiene una consistencia más espesa y troceada. a. Utilidad U.75 ≤ 700 699. y los costos de etiquetado y llenado se estiman en $0. b. Resuelva las ecuaciones lineales simultáneas apropiadas a fin de determinar las coordenadas de cada punto extremo.56 respectivamente. Cada tarro de salsa producida pesa 10 onzas.Investigación Operativa I Programación Lineal PLANIFICACION TRABAJO INVESTMENT ADVISORS Acciones Cantidad Contrib. Tom’s compra tarros de vidrio vacíos a $0.25 0.25 700 ≤ 700 -7.Oil Inversión 0. ambos productos son mezclas de tomates enteros. La México City Salsa.S. c. Tom’s produce varios productos alimenticios mexicanos y los vende a Western Foods.10 por recipiente.S.96.5 1 25 No Utilizado Límite Utiliz 0. Haga una gráfica de la región factible.64 y $0.4E-10 800 ≤ 1000 200 50 80000 ≤ 80000 -7. está elaborada con 70% de tomates enteros. $0.64 por cada tarro de Western Foods Salsa y de $1.S.5 1 25 9. 30% de salsa de tomate y 20% de pasta de tomate. El contrato de Tom’s con Western Foods resulta en ingresos por ventas de $1. Desarrolle un modelo de programación lineal que le permita a Tom’s determinar la mezcla de salsa que maximice la contribución total a la utilidad.25 1 ≤ 1000 999 50 75 ≤ 80000 79925 Datos de salida SOLVER PLANIFICACION TRABAJO INVESTMENT ADVISORS Acciones Cantidad Contrib. cadena de tiendas de abarrotes localizada en Texas y Nuevo México. Para el período de producción actual. Oswaldo Paul Rivadeneira Página: 18 .03 por cada tarro de salsa producido.Oil HUB 800 1200 max 3 5 8400 No Utilizado Límite Utiliz 0.S.Oil Inversión 0. El costo de las especias y de los demás ingredientes es de aproximadamente $0.Oil 1 3 HUB 1 max 5 8 Restricciones Riesgo En U. Esencialmente. Tom’s puede adquirir hasta 280 libras de tomates enteros.02 cada uno. Tom’s fabrica dos salsas: Western Foods Salsa y México City Salsa.3E-08 Restricciones Riesgo En U. 130 libras de salsa de tomate y 100 libras de pasta de tomate. Utilidad U.

93 – (0.64 – (0.96)/16+10%(10)(0.10+0.96)/16+30%(10)(0.15 + 0.56)/16))X2 Z max = (1.25X2  Restricciones 5X1 + 7X2 ≤ 4480 libras de tomates enteros 3X1 + 1X2 ≤ 2080 libras de salsa de tomate 2X1 + 2X2 ≤ 1600 libras de pasta de tomate No negatividad Xi ≥0.07))X1 + (1.Investigación Operativa I Programación Lineal d.2 Solución con GLP  9 Anderson Sweeney Willams. Encuentre la solución óptima9 Solución: Formulación del modelo:  Definición de variables X1 = Cantidad de tarros de salsa Western Foods X2 = Cantidad de tarros de salsa México City  Función Objetivo Z max = (1.15 + 0. Métodos Cuantitativos para los Negocios.02+0.07))X2 + Z max = 1X1 + 1.93 – (0.64)/16+20%(10)(0. Problema 26.42 + 0. 7ma Edición.10+0.3 + 0.03+50%(10)(0. Oswaldo Paul Rivadeneira Página: 19 . i=1.56)/16))X1 (1. Editorial Thomson.64 – (0. Página 267.04 + 0.64)/16+20%(10)(0.02+0.03+70%(10)(0.12 + 0.

00.00 : 2.00X2 <= 4480.00) : 5.25 2.00X1 + 7.00 736 785 834 883 932 981 X1 Optimal Decisions(X1.25 860 Oswaldo Paul Rivadeneira Página: 20 .25 Utilizado Límite No utiliz 7 12 ≤ 4480 4468 1 4 ≤ 2080 2076 2 4 ≤ 1600 1596 tomates enteros salsa de tomate pasta de tomate Salida de datos SOLVER Planificación para Tom’s 5 3 2 SALSA Cantidad de tarros Utilidad Western México Foods City 560 1 240 Max 1. 240.25 X2 = 860.00X2 <= 2080.00X2 <= 1600.00 400 350 300 250 200 150 100 50 0 1 50 99 148 197 246 295 344 393 442 491 540 589 638 687 : 2.00 X2 = 4480.00X1 + 2.00X1 + 1.00 Datos entrada SOLVER Planificación para Tom’s Western Foods 1 1 SALSA Cantidad de tarros Utilidad Restricciones México City 1 Max 1.00 X2 = 1600.00 X1 + 7.00 X2 = 2080.X2): (560.Investigación Operativa I 950 900 850 800 750 700 650 600 550 500 450 : 5.00 X1 + 1.00 X2 1000 Programación Lineal : 3.00 : 3.00 X1 + 2.00 Payoff: 1.00 X1 + 1.

¿cuántas páginas deben ser asignadas a cada revisor para completar el proyecto con la calidad más elevada posible?10 Solución: Formulación del modelo:  Definición de variables X1 = cantidad de páginas revisadas por Erhan X2 = cantidad de páginas revisadas por Sue   Función Objetivo Z max = 9X1 + 6X2 Restricciones 3X1 + 2X2 ≤ 4. Se ha asignado un presupuesto de $4. Rayburn Publishing Company ha desarrollado un índice para medir la calidad general de un revisor en una escala de 1 (peor) a 10 (mejor).2E-09 2080 160 1600 -3.800 presupuesto X1 + X2 = 1.2 Solución GLP  10 Anderson Sweeney Willams.Investigación Operativa I Programación Lineal Restricciones tomates enteros salsa de tomate pasta de tomate 5 3 2 Utilizado 7 4480 ≤ 1 1920 ≤ 2 1600 ≤ Límite No utiliz 4480 -6. además.800 para la revisión. Erhan cobra 3 dólares por página de manuscrito revisado. Oswaldo Paul Rivadeneira Página: 21 . Erhan puede procesar 100 páginas de manuscrito por día. sólo hay dos revisores disponibles Erhan Mergen y Sue Smith. Erhan tiene diez días disponibles y Sue doce días.800 número de páginas X1/100 ≤ 10 días disponibles de Erhan X2/150 ≤ 12 días disponibles de Sue No negatividad Xi ≥0. Problema 27. Debido al poco tiempo involucrado.800 páginas de manuscrito que debe ser revisadas. Página 267. y Sue 150 páginas diarias. Métodos Cuantitativos para los Negocios. El editor de producción de Rayburn Publishing Company tiene 1.7E-09 10. Sue cobra 2 dólares por página. La calidad de Erhan es 9 y la de Sue es 6. Editorial Thomson. i=1. 7ma Edición.

0.0 X2 = 1000.0 X1 + 6.0 X1 + 1.0X2 <= 4800.0 X2 = 1800.0X2 <= 1800.0 X2 = 1800.0 Datos de entrada SOLVER Páginas revisadas Cantidad Calidad Ehran Sue 1 1 Max 9 6 15 Utilizado 2 5 1 1 1 1 2 Limite No utiliz 4800 4795 1000 999 1800 1799 1800 1798 Restricciones Presupuesto 3 Horas Ehran 1 Horas Sue Núm.0 : 1.0 X2 = 4800.X2): (1000.0X1 + 1.0X1 + 2.0 : 1. 800.0 : 0.0 X1 + 2.0 X1 + 1.0 : 1.0 : 1.0 X2 2000 1900 1800 1700 1600 1500 1400 1300 1200 1100 1000 900 800 700 600 500 400 300 200 100 0 0 60 : 3. Páginas 1 ≤ ≤ ≤ ≤ Salida SOLVER PLANIFICACIÓN TRABAJO RAYBURN Páginas revisadas Cantidad Calidad Ehran Sue 1000 800 Max 9 6 13800 Utilizado 2 4600 ≤ Limite No utiliz 4800 200 Restricciones Presupuesto 3 Oswaldo Paul Rivadeneira Página: 22 .0 : 0.0 X1 + 0.0X1 + 0.0) : 3.0X2 <= 1800.Investigación Operativa I Programación Lineal Payoff: 9.0X2 <= 1000.0X1 + 1.0 X2 = 13800.0 120 180 240 300 360 420 480 540 600 660 720 780 840 900 960 1020108011401200 X1 Optimal Decisions(X1.

1E-10 1800 1000 1800 -4. i=1.Investigación Operativa I Programación Lineal Horas Ehran Horas Sue Núm. d. ¿Cuál es la meta óptima de ventas para la empresa durante el período de 4 semanas? c. Además. Están disponibles un total de 600 horas de venta para el siguiente período de cuatro semanas. Problema 28. Métodos Cuantitativos para los Negocios. a. Oswaldo Paul Rivadeneira Página: 23 . Si la empresa obtiene una contribución a la utilidad de 40 dólares por cada modelo X vendido y una contribución a la utilidad de 50 dólares por cada modelo Y vendido. Desarrolle una restricción y muestre la región factible si la administración agrega la restricción que Car Phones debe vender por lo menos tantos teléfonos Y como teléfonos X. tanto para el X como para el Y. Páginas 1 1 1 1 1000 ≤ 800 ≤ 1800 ≤ 1000 -1. y 5 horas de tiempo de ventas por cada teléfono de modelo Y. Editorial Thomson. 7ma Edición. las políticas de planeación de la administración exigen metas mínimas de ventas de 25 unidades. ¿Cuál es la nueva solución óptima si al problema se le agrega la restricción del inciso (c)?11 Solución: Formulación del modelo:  Definición de variables X1 = Número de unidades de teléfonos modelo X X2 = Número de unidades de teléfonos modelo Y   Función Objetivo Zmax = 40X1 + 50X2 Restricciones 3X1 + 5X2 ≤ 600 horas de venta disponibles X1 ≥ 25 meta mínima de venta X2 ≥ 25 meta mínima de venta No negatividad Xi ≥0. Car Phones vende dos modelos de teléfono para automóvil: X y Y Los registros muestran que se utilizan 3 horas de tiempo de ventas por cada modelo de teléfono X vendido. Muestre la región factible b. Página 268.2E-09 11.2 Solución GLP  11 Anderson Sweeney Willams.

0 X1 + 1.Investigación Operativa I Programación Lineal Payoff: 40. Venta min X Venta min Y 3 1 Utilizado 5 8 ≤ 1 ≥ 1 1 ≥ Datos de Salida SOLVER PLANIFICACION DE CAR PHONES Modelo Modelo X Y 158.3333 25 2.0X2 <= 600. Venta min X Venta min Y 3 1 Oswaldo Paul Rivadeneira .0X1 + 1.0 X1 + 50.3333 25 Max 40 50 7583.0X2 >= 25.0) : 3.0 X2 = 25.0 : 0.0X1 + 0.0 X2 = 25.4E-09 25 133.X2): (158.0 X2 2 2 X1 Optimal Decisions(X1.0X1 + 5.64E-12 Página: 24 Teléfono Cantidad Utilidad Restricciones Horas disp.0 : 1.333 Utilizado 5 600 ≤ 158.0X2 >= 25. 25.3 : 1.0 Datos de entrada SOLVER PLANIFICACION DE CAR PHONES Modelo Modelo X Y 1 1 Max 40 50 90 No Límite Utiliz 600 592 25 -24 25 -24 Teléfono Cantidad Utilidad Restricciones Horas disp.0 : 3.3333 ≥ 1 25 ≥ Límite No Utiliz 600 -1.0 X2 = 7583.0 X2 = 600.0 X1 + 5.0 X1 + 0.3.0 : 0.

06X1 + 0. Los datos para las dos comidas con las siguientes: Comida Bark Bits Canine Chow Costo/onza 0. La comida para perros de la perrera se elabora mezclado dos alimentos de marca para perros a fin de obtener lo que la perrera identifica como una “dieta para perros bien balanceada”. Una característica particular en Greentree es la calidad del cuidado que reciben las mascotas.3X1 + 0. Oswaldo Paul Rivadeneira Página: 25 .05 Proteínas % 30 20 Grasa % 15 30 Si Greentree desea asegurarse de que los perros reciban por lo menos 5 onzas de proteínas y como mínimo 3 onzas de grasas cada día. incluyendo una excelente alimentación. i=1. Página 269.05X2 Restricciones 0. Métodos Cuantitativos para los Negocios.2X2 ≥ 5 contenido de proteínas 0.15 X1 + 0.Investigación Operativa I Programación Lineal 12. 7ma Edición.06 0. Problema 34.3 X2 ≥ 3 contenido de grasas No negatividad Xi ≥0. ¿Cuál es la mezcla de costo mínimo de los alimentos para perros?12 Solución: Formulación del modelo:  Definición de variables X1 = Cantidad de onzas de comida Bark Bits X2 = Cantidad de onzas de comida Canine Chow   Función Objetivo Zmin = 0.2 Solución GLP  12 Anderson Sweeney Willams. Editorial Thomson. Greentree Kennels proporciona alojamiento por una noche para mascotas.

54 Investigación Operativa I 42 48 Programación Lineal 36 30 24 Payoff: 0.5 0.30 X2 = 3.025 Comida Cantidad Calidad Oswaldo Paul Rivadeneira Página: 26 .00 : 0.45 ≥ 3 2.50) : 0.05 X2 = 1.00 12 : 0.00.06 0.00 Entrada de datos SOLVER PLANIFICACIÓN TRABAJO Greentree Kennels Bark Bits 1 0.5 Min 0.5 ≥ 5 4.00 6 0 0 10 20 30 40 50 60 70 80 Optimal Decisions(X1.30X1 + 0.30 X1 + 0.20 X2 = 5.06 Canine Chow 1 Min 0.20X2 >= 5.3 0.15 No Utilizado Limite utiliz 0.11 Comida Cantidad Calidad Proteinas Grasas Restricciones 0.02 18 : 0. 2.15 X1 + 0.05 1.X2): (15.30X2 >= 3.2 0.15X1 + 0.06 X1 + 0.05 0.55 Salida de datos SOLVER PLANIFICACIÓN TRABAJO Greentree Kennels Bark Bits Canine Chow 15 2.3 0.

75X1 + 0.20 .3 Utilizado No Limite utiliz -3.40X2 Restricciones 0.3E5 ≥ 5 12 -2.75*1.40X1 + 1.80*0.20*0.20 – 2.40)X1 + (2. La mezcla Regular contiene 80% de chedar suave y 20% de extrafuerte y la mezcla Zesty contiene 60% de chedar suave y 40% de extrafuerte.Investigación Operativa I Programación Lineal Restricciones Proteinas Grasas 0.20 por libra y hasta 3.20*0. i=1. Si cada recipiente de Regular se vente a $1.0 – 0. ¿Cuántos recipientes deberá producir New England Cheese de Regular y Zesty?13 Solución: Formulación del modelo:  Definición de variables X1 = Cantidad (en miles) de recipientes de queso Regular X2 = Cantidad (en miles) de recipientes de queso Zesty  Función Objetivo Zmax = (1.0.40*0.40 por libra.75X2 ≤ 8.75*1. El costo de mezclar y empacar estos quesos crema.0 queso chedar extrafuerte No negatividad Xi ≥0.1 queso chedar suave 0. Editorial Thomson.20 por recipiente.100 libras de queso chedar a $1.2 0.2 Solución GLP   13 Anderson Sweeney Willams.40*0.75X2 ≤ 3. Métodos Cuantitativos para los Negocios.95 y cada recipiente Zesty se vende a $2. Oswaldo Paul Rivadeneira Página: 27 . excluyendo el costo del queso mismo.60*0.75*1.2E3 ≥ 3 12 13. La New England Cheese Company produce dos quesos crema mezclando quesos chedar tanto suave como extrafuerte. que después se venden a distribuidores en todo el noroeste. Página 269.95 – 0.60*0.75X1 + 0. Este año.20 – 0.40)X2 Zmax = 0.75*1. es de $0.3 0. 7ma Edición.15 0. una cooperativa lechera local ha ofrecido entregar hasta 8.80*0.20 – 0.000 libras de queso chedar extrafuerte a $1.20. Problema 35. Los quesos crema se empacan en recipientes de 12 onzas.

4 Restricciones Queso Ch. min 0.0 Optimal Decisions(X1.6 ≤ 4 3.8 0.8 No Utilizado Límite Utiliz 0.4X2 <= 4.4 1.4 4 ≤ Oswaldo Paul Rivadeneira Página: 28 . suave Tiempo prod.6X2 <= 10.X2): ( 0.2 0.Investigación Operativa I Programación Lineal : 0.8 9.6 1.4 0. min 0.8X1 + 0.4 14 No Límite Utiliz 10.2 Datos de salida SOLVER Recipientes queso Cantidad en miles Utilidad Regular Zesty 0 10 max 0.4 X1 + 1.4 0.4 X2 = 14.0.5E-12 Restricciones Queso Ch.8 : 0.8 4 -5.4 0.8 X1 + 0.8 0.4 Zesty 1 max 1. 10.0 Datos de entrada SOLVER PLANIFICACION TRABAJO en New England Cheese Company Recipientes queso Cantidad en miles Utilidad Regular 1 0.2X1 + 0.8 4.4 ≤ 10.6 6 ≤ 0.4 1. suave Tiempo prod.6 X X2 10 9 8 7 6 5 4 3 2 1 0 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 X1 Payoff: 0.0) : 0.2 Utilizado 0.

Investigación Operativa I

Programación Lineal

14. Los administradores de Healthtech Foods están considerando desarrollar un nuevo bocadillo bajo en grasas. Se trata de una mescla de dos tipos de cereales, cada una de ellos con distintas características en fibras, grasas y proteínas. La tabla siguiente muestra estas características por onza de cada tipo de cereal. Fibra dietética (gramos) 2 1.5 Grasas (gramos) 2 3 Proteínas (gramos) 4 3

Cereal A B

Note que cada onza de cereal A proporciona dos gramos de fibra dietética y que cada onza de cereal B da 1.5 gramos de fibra dietética, por lo que si Healthtech fuera a desarrollar el nuevo producto utilizando una mezcla formada de 50% de cereal A y 50% de cereal B, una onza de éste contendría 1.75 gramos de fibra dietética. Los requisitos nutricionales de Healthtech exigen que cada onza del nuevo alimento tenga por lo menos 1.7 gramos de fibra dietética, no más de 2.8 gramos de grasa y no más de 3.6 gramos de proteínas. El costo del cereal A es de $0.02 por onza y el del B es de $0.025 por onza. Healthtech desea determinar cuánto de cada cereal es necesario para producir una onza del nuevo producto al menor costo posible. a. Formule el modelo de programación lineal para esta situación b. Resuelva el problema utilizando el procedimiento de solución gráfica c. ¿Cuáles son las variables de holgura y de excedente d. Si Healthtech pone en el mercado el nuevo cereal en un paquete de 8 onzas. ¿Cuál sería el costo del paquete?14 Solución: Formulación del modelo:  Definición de variables X1 = Cantidad de onzas de cereal A X2 = Cantidad de onzas de cereal B   Función Objetivo Zmin = 0.02X1 + 0.025X2 Restricciones 2X1 + 1.5X2 ≥ 1.7 por fibra dietética 2X1 + 3X2 ≤ 2.8 por grasas 4X1 + 3X2 ≤ 3.6 por proteínas X1 + X2 = 1 onzas

14

Anderson Sweeney Willams. Métodos Cuantitativos para los Negocios. 7ma Edición. Editorial Thomson. Página 269. Problema 36.

Oswaldo Paul Rivadeneira

Página: 29

Investigación Operativa I

Programación Lineal

No negatividad Xi ≥0; i=1,2 Solución GLP

X2 1

Payoff: 0.020 X1 + 0.025 X2 = 0.017

: 4.000 X1 + 3.000 X2 = 3.600 : 2.000 X1 + 3.000 X2 = 2.800 0 : 2.000 X1 + 1.500 X2 = 1.700 0 Optimal Decisions(X1,X2): (0.850, 0.000) : 2.000X1 + 1.500X2 >= 1.700 : 2.000X1 + 3.000X2 <= 2.800 : 4.000X1 + 3.000X2 <= 3.600

1

X1

Datos entrada SOLVER
Planificacion de Healthtech Foods Cereal Cantidad en onzas Costo A 1 0,02 B 1 min 0,025 0,045 No Límite Utiliz 1,7 1,8 2,8 -2,2 3,6 -3,4

Restricciones fibra dietética por grasas por proteinas

2 2 4

Utilizado 1,5 3,5 ≥ 3 5 ≤ 3 7 ≤

Datos salida SOLVER
Planificacion de Healthtech Foods Cereal Cantidad en onzas A 0,85 B 0 min

Oswaldo Paul Rivadeneira

Página: 30

Investigación Operativa I

Programación Lineal

Costo

0,02

0,025

0,017 No Utiliz 9,12E1,7 13 2,8 1,1 3,6 0,2

Restricciones fibra dietética por grasas por proteinas 2 2 4 1,5 3 3

Utilizado 1,7 ≥ 1,7 ≤ 3,4 ≤

Límite

15. MD Chemical produce dos productos que se venden como materia prima para empresas fabricantes de jabones para baño, detergentes para lavandería y otros productos de jabón. Apoyándose en un análisis de los niveles actuales de inventarios y de la demanda potencial para el mes siguiente, la administración de MD ha especificado que la producción total de los productos 1 y 2 combinados debe ser de por lo menos 350 galones. Además debe cumplir con un pedido de un cliente de importancia de 125 galones del producto 1. El tiempo de procesado del producto 1 requiere dos horas por galón, y del producto 2 requiere de una hora; para el mes siguiente, hay disponibilidades de 600 horas de proceso. Los costos de producción son 2 dólares por galón del producto 1 y 3 dólares del producto 2. a. Determine las cantidades de producción que satisfagan los requisitos especificados al costo mínimo. b. ¿Cuál es el costo total del producto? c. Identifique la cantidad de cualquier producción excedente.15 Solución: Formulación del modelo:  Definición de variables X1 = Cantidad de galones del producto 1 X2 = Cantidad de galones de producto 2   Función Objetivo Zmin = 2X1 + 3X2 Restricciones X1 + X2 ≥ 350 galones producidos X1 ≥ 125 pedido de un cliente 2X1 + 1X2 ≤600 horas de proceso No negatividad Xi ≥0; i=1,2 Solución GLP
15

Anderson Sweeney Willams. Métodos Cuantitativos para los Negocios. 7ma Edición. Editorial Thomson. Página 270. Problema 37.

Oswaldo Paul Rivadeneira

Página: 31

0 22 0 : 1.X2): (250.0 X2 = 600.0X1 + 0.0X2 >= 125.0 : 1.0 X2 = 350.0X1 + 1.0 X1 + 1.Investigación Operativa I Programación Lineal X2 440 418 396 374 352 330 308 286 264 Payoff: 2.0 X2 = 125.0X2 >= 350.0) : 1.0 X2 = 800.0 X1 + 0.0.0 X1 + 1.0X1 + 1. 100.0X2 <= 600.0 242 220 198 176 154 132 110 88 : 2.0 : 2. M&D Chemical Producto Cantidad galones Costo 1 1 2 2 1 min 3 5 No Utiliz -348 124 597 Restricciones Galones producidos Pedido cliente Horas proceso Utilizado 1 1 2 1 1 2 ≥ 1 ≥ 3 ≤ Límite 350 125 600 Datos salida SOLVER Planificacion de M&D Chemical Producto Cantidad galones Costo 1 250 2 2 100 min 3 800 Oswaldo Paul Rivadeneira Página: 32 .0 200 220 240 260 280 300 320 340 360 380 400 X1 Datos entrada SOLVER Planificacion de 55.0 X1 + 3.0 0 20 40 60 80 100 120 140 160 180 Optimal Decisions(X1.0 66 44 : 1.

11E-10 -125 -2. de ahí el requerimiento de la administración de que por lo menos se utilicen las 80 libras en las siguientes dos semanas. 7ma Edición. Oswaldo Paul Rivadeneira Página: 33 . están buscando un plan de producción de costo mínimo que utilice la totalidad de las 80 libras de la materia prima perecedera y que obtenga por lo menos 30 galones del producto 1 y por lo menos 20 galones del producto 2. También ha dicho la administración que en el transcurso de las siguientes dos semanas debe utilizarse el inventario existente de una materia prima muy perecedera necesaria en la producción de ambos fluidos. Métodos Cuantitativos para los Negocios. Problema 38. el producto 1 requiere de una libra de esta materia prima perecedera por galón. Photo Chemicals produce dos tipos de fluido para revelado fotográfico. Aunque de ser necesario se puede ordenar más de esta materia prima. Editorial Thomson. i=1. Ambos productos le cuestan a la empresa un dólar por galón producirlos.2  16 Anderson Sweeney Willams. y el producto 2 requiere 2 libras de la materia prima por galón. Dado que el objetivo de la administración es mantener los costos de producción al mínimo nivel posible. Página 270.9E-10 16. Con base e una análisis de niveles actuales de inventario y en las órdenes en mano para el mes siguiente. cualquier parte del inventario actual no utilizada se echará a perder dentro de las siguientes dos semanas. El inventario actual de esta materia prima muy perecedera es de 80 libras.Investigación Operativa I Programación Lineal Restricciones Galones producidos Pedido cliente Horas proceso Utilizado 1 1 2 1 1 350 ≥ 250 ≥ 600 ≤ Límite 350 125 600 No Utiliz 8. Además. ¿Cuál es la solución de costo mínimo?16 Solución: Formulación del modelo:  Definición de variables X1 = Cantidad de galones de fluido tipo 1 X2 = Cantidad de galones de fluido tipo 2   Función Objetivo Zmin = X1 + X2 Restricciones X1 ≥ 30 producción mínima de producto 1 X2 ≥ 20 producción mínima de producto 2 X1 + 2X2 ≥ 80 libras de materia prima No negatividad Xi ≥0. la administración de Photo Chemicals ha decidido que durante las siguientes dos semanas se produzcan por los menos 30 galones del producto 1 y por lo menos 20 galones del producto 2.

0) : 1.0 X1 + 1.0 X2 = 30.0 : 1.0X1 + 0.0 : 1.X2): (40. ¿Cuántas pizzas normales y de lujo deberá fabricar la empresa para maximizar la utilidad? a. Cada pizza de lujo utiliza una libra de mezcla de pasta de harina y 8 onzas de mezcal de relleno. 7ma Edición.5 dólares por cada pizza de lujo. Cada pizza incluye una combinación de pasta de harina y de mezcla de relleno. La empresa tiene una utilidad de un dólar por cada pizza normal que produzca y de 1.Investigación Operativa I Programación Lineal Solucion GLP Payoff: 1.0X2 <= 80. Oswaldo Paul Rivadeneira Página: 34 .0 X2 = 60. Editorial Thomson. c. 20.0 12 14 16 18 20 22 24 26 28 30 32 34 36 38 40 X1 Optimal Decisions(X1. Escriba este programa lineal en su forma estándar.0 17.0 X2 25 24 23 22 21 20 19 18 17 16 15 14 13 12 11 10 9 8 7 6 5 4 3 2 1 0 0 2 4 6 8 10 : 1. ¿Qué restricciones están asociadas con recursos limitantes?17 Solución: Formulación del modelo: 17 Anderson Sweeney Willams. Página 270.0X2 >= 20.0 : 0. Cada pizza normal utiliza una libra de mezcla de pasta de harina y 4 onzas de mezcla de pasta de relleno. Problema 39.0 X1 + 0.0.0X1 + 2.0 : 0. ¿Cuál es el modelo de programación lineal para este problema? b. Actualmente la empresa tiene 150 libras de mezcla de pasta y de 50 libras de mezcla de relleno.0X1 + 1. Con base en la demanda del pasado. Bryant puede vender por lo menos 50 pizzas normales y por lo menos 25 pizzas de lujo. Métodos Cuantitativos para los Negocios.0 X2 = 80. Bryant’s Pizza es un productor de pizzas congeladas.0 X2 = 20.0X2 >= 30.0 X1 + 2. Encuentre la solución óptima. d.0 X1 + 1. ¿Cuáles son los valores e interpretaciones de todas las variables de holgura y de excedente? e.

00 X1 + 1. i=1.5X2 Restricciones X1 + X2 ≤ 150 pasta de harina 0.2 X2 Solución GLP 160 152 144 136 128 120 112 104 96 88 80 72 64 56 48 40 32 24 16 8 0 0 10 20 30 40 50 60 70 80 90 100 110 120 130 140 150 160 170 : 0.00 : 0.00X1 + 0.00 X2 = 150. 50.25X1 + 0.00 X1 + 0.X2): (100.00 : 0.00 X1 + 1.00) : 1.50 X2 = 175.00 X2 = 50.00 : 0.00 : 1.00 : 1.00X1 + 1.00 X2 = 25.25X1 + 0.00 : 1.00 Payoff: 1.00    Optimal Decisions(X1.00X2 <= 150.00X2 >= 50.00X1 + 1.5X2 ≤ 50 pasta de relleno X1 ≥ 50 venta de pizzas Normales X2 ≥ 25 venta de pizzas De Lujo No negatividad Xi ≥0.00X2 >= 25.00.Investigación Operativa I Programación Lineal  Definición de variables X1 = Cantidad de Pizzas Normales X2 = Cantidad de Pizzas De Lujo Función Objetivo Zmax = 1X1 + 1.25 X1 + 0.00 Datos de entrada SOLVER PLANIFICACION TRABAJO BRYANT'S PIZZA Pizzas Cantidad Normal Lujo 1 1 max Oswaldo Paul Rivadeneira Página: 35 .50 X2 = 50.00 X1 + 1.50X2 <= 50.

4E-10 50 -6E-11 50 50 25 25 Restricciones Pasta harina 1 Relleno 0.25 50 -49 25 -24 Restricciones Pasta harina 1 Relleno 0. Como parte de la campaña de mercadotecnia. haga el recorrido de prueba y efectúe la compra.5 No Límite Utiliz 150 148 50 49. El costo de cada promoción.5 175 No Límite Utiliz 150 -3. Un factor clave en el éxito de esta nueva promoción es la tasa de respuesta.75 1 1 1 ≤ ≤ ≥ ≥ Datos de salida SOLVER PLANIFICACION TRABAJO BRYANT'S PIZZA Pizzas Cantidad Utilidad Normal Lujo 100 50 max 1 1.000 clientes actuales y a un mínimo de 10.5 2.5 50 100 1 50 ≤ ≤ ≥ ≥ 18. como a propietarios de vehículos utilitarios deportivos de cuatro ruedas ofrecidos por los competidores EML se refiere a estos dos mercados objetivo como mercado de clientes actual y mercado de clientes nuevo. (EML). excluyendo los costos de recorrido de prueba.25 Pizzas Normales 1 Pizzas Lujo Utilizado 1 2 0. con tracción en la cuatro llantas.25 Pizzas Normales 1 Pizzas Lujo Utilizado 1 150 0. Los estudios de investigación de mercado indican que la tasa de ventas el de 12% para el mercado de clientes actual y de 20% para el mercado de clientes nuevo. el número de clientes actuales que haga el recorrido de prueba del Oswaldo Paul Rivadeneira Página: 36 . durante un fin de semana. EML estima que la tasa de respuesta para el mercado de clientes actual es de 25% y para el mercado de cliente nuevo es de 20%. Ltd. La tasa de ventas es el porcentaje de individuos que reciba la nueva promoción. La administración también ha decidido que se deberá enviar la nueva promoción a un mínimo d 30. English Motors.Investigación Operativa I Programación Lineal Utilidad 1 1. EML ha desarrollado una presentación de ventas en video cinta que se enviará tanto a propietarios de vehículos de tracción en las cuatro ruedas EML actuales. Los individuos que reciban el nuevo video promocional también recibirán un cupón para un recorrido de prueba del nuevo modelo EML. es de 5 dólares por cada promoción enviada al mercado de clientes actual y de 4 dólares por cada promoción enviada al mercado de clientes nuevo.000 clientes nuevos.5 0. Además. es decir el porcentaje de individuos que reciban la nueva promoción y hagan el recorrido de prueba del nuevo modelo. ha desarrollado un nuevo vehículo deportivo de utilería.

incluyendo los costos del recorrido de prueba. es de 1’200.20X2 relación entre clientes que responden a la promoción 5X1 + 4X2 ≤1’200.000 clientes actuales X2 ≥ 10. ¿Cuántas promociones deberán ser enviadas a cada grupo de clientes para maximizar las ventas totales?18 Solución: Formulación del modelo:  Definición de variables X1 = Cantidad de promociones enviadas a clientes actuales X2 = Cantidad de promociones enviadas a clientes nuevos   Función Objetivo Zmax = 0.2 Solución GLP  18 Anderson Sweeney Willams.Investigación Operativa I Programación Lineal nuevo vehículo debe ser de por lo menos el doble del número de clientes nuevos que hagan recorrido de prueba del nuevo vehículo.000 clientes nuevos 0. i=1. Editorial Thomson.20*4X2 Restricciones X1 ≥ 30. Página 274. Problema 61.12*5X1 + 0. Oswaldo Paul Rivadeneira Página: 37 .000 dólares.000 presupuesto No negatividad Xi ≥ 0.25X1 ≥ 2*0. Métodos Cuantitativos para los Negocios. Si el presupuesto de mercadotecnia. 7ma Edición.

00.8 1.00 X2 = 10.00 78 91 104 117 130 143 156 169 182 195 208 221 234 247 260 Optimal Decisions(X1.00X1 + 0.00 : 5.25X1 .8 176 Promociones Cantidad en miles Ventas Oswaldo Paul Rivadeneira Página: 38 .6 100 max 0.00 : 0.00X2 <= 1200.00X1 + 1.00 130 117 104 91 78 65 52 39 26 13 0 0 13 26 39 52 65 : 5.X2): (160.00X2 >= 30.00 : 0.6 1 max 0.4 No Límite Utiliz 30 29 10 9 0 -0.00) : 1. Clientes Clientes Actuales Nuevos 1 0.00 : 0.00 Datos de entrada SOLVER PLANIFICACION TRABAJO ENGLISH MOTOR LTD.15 4 9 ≥ ≥ ≥ ≤ Datos salida SOLVER PLANIFICACION TRABAJO ENGLISH MOTOR LTD. Clientes Clientes Actuales Nuevos 160 0.00 X2 = 1200.25 X1 .80 X2 = 176.00 X1 + 1.Investigación Operativa I Programación Lineal X2 273 260 247 234 221 Payoff: 0.40 X2 = 0.00X2 >= 10.0. 100.15 1200 -1191 Promociones Cantidad en miles Ventas Restricciones Clientes actuales Clientes nuevos Relacion clientes Presupuesto 1 0.00X1 + 4.40X2 >= 0.60 X1 + 0.25 5 Utilizado 1 1 1 -0.00 : 0.0.00 208 195 182 169 156 143 : 1.00 X1 + 4.00 X1 + 0.00 X2 = 30.4 -0.

1E-11 1200 2. 7ma Edición. Métodos Cuantitativos para los Negocios. Oswaldo Paul Rivadeneira Página: 39 . Las contribuciones a la utilidad son de 10 dólares por cada raqueta estándar y de 15 dólares por cada raqueta extragrande y están disponibles 40 horas de tiempo de producción por semana. Editorial Thomson. a fin de maximizar la contribución a la utilidad? Suponga que. debido a la naturaleza única de sus productos.78E-09 19. i=1.1E-11 4 1200 ≥ ≥ ≥ ≤ Límite No Utiliz 30 -130 10 -90 0 -1.20(X1 + X2) No negatividad Xi ≥0.125 kilos de aleación y cada raqueta extragrande utiliza 0. La administración ha especificado que por lo menos 20% de la producción total debe ser de raqueta de tamaño estándar. Cada raqueta de tamaño estándar utiliza 0.4X2 ≤ 80 kilos de aleación 10X1 + 12X2 ≤ 40*60 minutos de tiempo de producción X1 ≥ 0.2 Solución GLP  19 Anderson Sweeney Willams.125X1 + 0.19 Solución: Formulación del modelo:  Definición de variables X1 = Cantidad de unidades de raquetas estandar X2 = cantidad de unidades de raquetas extra grande   Función Objetivo Zmax = 10X1 + 15X2 Restricciones 0.Investigación Operativa I Programación Lineal Restricciones Clientes actuales Clientes nuevos Relacion clientes Presupuesto 1 0.25 5 Utilizado 160 1 100 -0. para el siguiente período de producción de dos semanas sólo hay disponibles 80 kilos de aleación. debido a uso de una aleación de magnesio y grafito inventada por el fundador de la empresa. ¿Cuántas raquetas de cada tipo deberá fabricar CSD en las dos semanas siguientes. Página 274. CSD puede vender tantas raquetas como pueda producir.4 kilos. Las raquetas de la empresa son extremadamente ligeras.4 -1. Creative Sports Designs (CSD) fabrica raquetas de tamaño estándar y extragrande. Cada raqueta de tamaño estándar ocupa 10 minutos de tiempo de fabricación y cada raqueta de tamaño extragrande ocupa 12 minutos. Problema 62.

03E-10 0.6 ≥ 0 0.800X1 . 165.125X1 + 0.37931 165.125 10 Oswaldo Paul Rivadeneira Página: 40 .8 Datos salida SOLVER PLANIFICACION TRABAJO 59.4 71.000 X2 = 2896.Investigación Operativa I Programación Lineal X2 200 190 180 170 160 150 140 130 120 110 100 90 80 70 60 50 40 30 20 10 0 0 2 4 6 : 0. Utilidad Estandar Extra G 1 1 max 10 15 25 No Utilizado Límite Utiliz 0.000 X1 + 15.000X2 <= 2400.125 X1 + 0.200 X2 = 0.800 X1 .000 X1 + 12.200X2 >= 0.000 : 0.4 0.2 0.400X2 <= 80.125 10 0. Utilidad Restricciones Kilos aleación Tiempo prod.5172 max 10 15 2896.551 : 10. Creative Sports Designs Raquetas Cantidad Contrib.0. min Estandar Extra G 41.X2): (41.517) : 0.37931 ≤ 80 8.000 Datos entrada SOLVER PLANIFICACION TRABAJO 59.000 : 10. min 20% prod estand 0.62069 12 2400 ≤ 2400 3.000 X2 = 2400.379.0.475 12 22 ≤ 2400 2378 -0. Creative Sports Designs Raquetas Cantidad Contrib.000X1 + 12.000 8 10 12 14 16 18 20 22 24 26 28 30 32 34 36 38 40 42 X1 Optimal Decisions(X1.000 : 0.400 X2 = 80.552 Utilizado Límite No Utiliz 0.525 ≤ 80 79.6 Restricciones Kilos aleación Tiempo prod.000 Payoff: 10.

el tiempo de técnico utilizado en contactos con clientes nuevos debe ser por lo menos 60% del tiempo utilizado en contactos con clientes normales. Haga una gráfica de la región factible c. 7ma Edición. Página 274. Los técnicos requieren un promedio de 50 minutos por cada contacto de cliente normal y de una hora por cada contacto con cliente nuevo. HTS desearía determinar cómo asignar el tiempo de los técnicos entre clientes normales y nuevos. d.2 9. Problema 63. Para asegurarse de que se mantienen contactos nuevos. A fin de satisfacer los requisitos de flujo de caja. porque en muchos casos el contacto con el cliente no llega a generar servicios facturables. a.03E-11 ≥ 0 9.Investigación Operativa I Programación Lineal 20% prod estand 0. Resuelva las ecuaciones lineales simultáneas apropiadas para determinar los valores de X1 y X2 en cada punto extremo de la región factible. La administración de High Tech Service (HTS) desea desarrollar un modelo que le ayude a asignar el tiempo de sus técnicos entre llamada de servicio por contrato a clientes tanto normales como nuevos. Editorial Thomson. Para los requerimientos de ingresos y políticas enunciadas. En el período de planeación de dos semanas hay disponible un máximo de 80 horas de tiempo de técnico.03E-11 20. Encuentre la solución óptima20 REFERENCIA: Página 274 Problema 63. a fin de maximizar el número total de clientes en contacto durante el período de dos semanas. Oswaldo Paul Rivadeneira Página: 41 . i=1. Solución: Formulación del modelo:  Definición de variables X1 = Numero de horas de técnico asignado a clientes normales X2 = Numero de horas de técnico asignado a clientes nuevos   Función Objetivo Zmax = 60X1/50+ 60X2/60 número de clientes Restricciones X1 + X2 ≤ 80 horas disponibles de técnico X2 ≥ 0. deben generarse por lo menos 800 dólares de ingresos (por técnico) durante el período de dos semanas. Editorial Thomson.2  20 Anderson Sweeney Willams.6X1 relación de tiempo de técnico 25X1 + 8X2 ≥ 800 ingresos en dólares No negatividad Xi ≥ 0. pero para clientes nuevos sólo genera un promedio de 8 dólares la hora. Desarrolle un modelo de programación lineal que le permita a HTS asignar el tiempo de los técnicos entre clientes normales y nuevos. 7ma Edición. El tiempo de técnico para los clientes normales genera 25 dólares por hora. Métodos Cuantitativos para los Negocios.8 -0. Métodos Cuantitativos para los Negocios. b. Anderson Sweeney Willams.

00 Entrada de datos SOLVER PLANIFICACION TRABAJO High Tech Service Clientes Clientes normales nuevos 1 1 max 1. 30.00 X2 = 800.00 X2 = 80.00X1 + 8.156 Investigación Operativa I 130 143 Programación Lineal Solución GLP 104 117 91 Payoff: 1.00 : -0.60X1 + 1.2 Utilizado 1 -0.00 : 25.00X1 + 1.20 X1 + 1.00 X1 + 8.00) : 1.60 X1 + 1.2 1 90 Horas de trabajo Cantidad horas Número clientes Oswaldo Paul Rivadeneira Página: 42 .00.X2): (50.00 78 65 52 39 : 25.00X2 >= 800.6 25 1 1 8 2 ≤ 0.4 -767 Horas de trabajo Cantidad horas Número clientes Restricciones Horas disponibles Relación tiempo Ingresos Datos de salida SOLVER PLANIFICACION TRABAJO High Tech Service Clientes Clientes normales nuevos 50 30 max 1.2 1 2.00 X1 + 1.00 X2 = 90.00 26 : -0.00 13 : 1.00 X2 = 0.00X2 <= 80.00X2 >= 0.00 0 0 11 22 33 44 55 66 77 Optimal Decisions(X1.4 ≥ 33 ≥ Límite 80 0 800 No Utiliz 78 -0.

Oswaldo Paul Rivadeneira Página: 43 . la administración requiere que.. Página 275. Jackson Hole Manufacturing es un pequeño fabricante de productos de plástico que se utilizan en las industrias automotrices y de computación. Además del costo de la materia prima. a.18E-11 690 21. en razón del elevado costo de preparación involucrado en ambas máquinas. El costo de la materia prima es de 6 dólares por libra.8E-10 2. La máquina M100 tiene una capacidad de producción de 20 cajas de impresora por hora y la máquina M200 tiene una capacidad de 40 cajas por hora. Formule un modelo de programación lineal que se pueda utilizar para maximizar la contribución de la utilidad. la siguiente semana es un período normal de vacaciones programadas para la mayor parte de los empleados de producción de Jackson Hole. Ambas máquina utilizan la misma materia prima química para producir las cajas de impresora. Las cajas de impresora se producen en dos máquinas de moldeo por inyección.21 Solución: Formulación del modelo:  Definición de variables X1 = Numero de horas de trabajo de maquina M100 X2 = Numero de horas de trabajo de maquina M200  Función Objetivo Zmax = (20X1*18 – 40X1*6 – 50X1) + (40X2*18 – 50X2*6 – 75X2) 21 Anderson Sweeney Willams. Resuelva el problema utilizando el procedimiento de solución gráfica.2E-11 ≥ 1490 ≥ Límite 80 0 800 No Utiliz -1.6 25 1 1 8 80 ≤ -2. y la M200 utiliza 50 por hora. Durante este tiempo. Sin embargo. El proveedor de la materia química utilizada en el proceso de producción le ha informado a Jackson Hole que tendrá disponible un máximo de 1. Métodos Cuantitativos para los Negocios. b. La empresa de computadoras le ha pedido a Jackson Hole que produzca tantas cajas durante la semana que sigue como sea posible. la máquina deberá operar por lo menos durante 5 horas. y la ha dicho que le pagará 18 dólares por cada caja que pueda entregar. Sin embargo. la M100 utiliza 40 libras de materia prima por hora. se efectúa el mantenimiento anual de todo el equipo de la planta. Problema 64. si el programa de producción en cualquiera de estas máquinas. Tiene un importante contrato con una empresa de computadoras que implica la producción de cajas de plástico para las impresoras portátiles de dicha empresa. 7ma Edición. la M100 no estará disponible durante más de 15 horas y la M200 durante más de 10 horas. respectivamente. Debido al tiempo parado para mantenimiento.000 libras de la materia prima para la producción de la siguiente semana. Jackson Hole estima que el costo horario de operación de la M100 y la M200 son de 50 y 75 dólares.Investigación Operativa I Programación Lineal Restricciones Horas disponibles Relación tiempo Ingresos Utilizado 1 -0. Editorial Thomson.

0 X1 + 0.0 X1 + 0.0 : 40.0 X2 = 5.0X1 + 1.0X2 <= 1000.5.0 0 : 1.0 X1 + 2.0 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 Optimal Decisions(X1.0 X2 = 5.0 : 0. i=1.0 X1 + 1.0X1 + 0.X2): (12.0X1 + 2.0 12  6 : 40.0 : 1.0 : 1.0) : 1.0 X2 = 15.2 Solución GLP Payoff: 70.0 : 0.0 X2 = 10.0X2 <= 10. 10.0 X2 = 1000.0X1 + 50.0 : 0.0X2 <= 15.0X2 >= 5.0 X1 + 50.0 : 0.0 Datos entrada SOLVER PLANIFICACION TRABAJO High Tech Service Maquina Maquina M100 M200 1 1 max 70 345 415 Utilizado 1 ≤ 1 ≤ Límite No Utiliz 15 14 10 9 Horas de trabajo Cantidad horas Contrib.0 X1 + 345.Investigación Operativa I 30 Programación Lineal Zmax = (360 – 240 – 50)X1 + (720 – 300 – 75)X2 Zmax = 70X1 + 345X2  Restricciones X1 horas máximas de trabajo M100 24 ≤ 15 X2 ≤ 10 horas máximas de trabajo de M200 X1 ≥ 5 horas mínimas de trabajo de M100 X2 ≥ 5 horas mínimas de trabajo de M200 40X1 + 50X2 ≤ 1000 libras de materia prima disponibles No 18 negatividad Xi ≥ 0.0X1 + 0.0X2 >= 5. utilidad Restricciones Horas max M100 Horas max M200 1 0 0 1 Oswaldo Paul Rivadeneira Página: 44 .0 X2 = 4325.

distribuidores de equipo marino. la reditualidad del producto variará según el canal de distribución. 4.5 10 -9.5 10 max 70 345 4325 Utilizado 12. Marinos $90 $10 2 horas Oswaldo Paul Rivadeneira Página: 45 . y está disponible un máximo de 1800 horas de la fuerza de ventas para asignar al esfuerzo de ventas. utilidad Restricciones Horas max M100 Horas max M200 Horas min M100 Horas min M200 Libras disponibles Maquina Maquina M100 M200 12. Los canales de distribución para el nuevo radio son: 1.9E-13 5 7. Electronic Comunications fabrica radios portátiles que pueden utilizarse en comunicaciones de dos vías. Finalmente. La empresa a formulado un presupuesto de publicidad de 5. un contrato vigente con la cadena nacional de tiendas al menudeo requiere que por lo menos de distribuyan 150 unidades a través de este canal de distribución.Investigación Operativa I Programación Lineal Horas min M100 Horas min M200 Libras disponibles 1 0 40 0 1 50 1 ≥ 1 ≥ 90 ≤ 5 5 1000 -4 -4 910 Datos de salida SOLVER Horas de trabajo Cantidad horas Contrib. La tabla siguiente resume la distribución de la utilidad.5 10 1000 Límite No Utiliz 15 2. pedidos por correo. el costo de publicidad y el esfuerzo de ventas personales requerido también variarán de acuerdo con los canales de distribución. es adecuado para una diversidad de usos comerciales y personales. cadenas nacionales de tiendas al menudeo. El nuevo producto de la empresa que tiene un rango de hasta 25 millas. 3.5 5 5 1000 -1. 2. Además. Debido a diferentes costos de distribución y promocionales.000 dólares. Datos de Utilidades. el costo de publicidad y los datos de esfuerzo de ventas personales correspondientes al problema de Electronic Comunications.5 10 12. costos y esfuerzo del personal de ventas para Electronic Esfuerzo del Canal de Utilidades por Costo de publicidad personal de ventas distribución unidad vendida por unidad vendida por unidad vendida Distrib.5E-09 1 0 1 0 40 0 1 0 1 50 ≤ ≤ ≥ ≥ ≤ 22. distribuidores de equipo de oficina.

Debe tomarse decisiones en relación con cuantas unidades deben asignarse a cada uno de los cuatro canales de distribución.00 1800 1792.00 150 -149.000 por presupuesto 2X1 + 3X2 + 3X3 ≤ 1.00 22 Anderson Sweeney Willams. 7ma Edición.22 Solución: Formulación del modelo:  Definición de variables X1 = Numero de radios X2 = Numero de radios X3 = Numero de radios X4 = Numero de radios   asignados asignados asignados asignados a a a a distribuidores de equipo marino distribuidores de equipos de oficina cadenas nacionales de tiendas pedidos por correo Función Objetivo Zmax = 90X1 + 84X2 + 70X3 + 60X4 Restricciones 10X1 + 8X2 + 9X3 + 15X4 ≤ 5. así como asignar el presupuesto de publicidad y el esfuerzo de la fuerza de ventas a cada uno de los canales de distribución. i=1. de oficinas Tiendas nacionales Pedidos por correo $84 $70 $60 $8 $9 $15 3 horas 3 horas Ninguna Electronic Comunications ahora se enfrenta al problema de establecer un estrategia de distribución para los radios.800 horas de esfuerzo en ventas X3 ≥ 150 unidades mínimas para cadenas nacionales No negatividad Xi ≥ 0. Editorial Thomson. Métodos Cuantitativos para los Negocios.Investigación Operativa I Programación Lineal Distrib. Oswaldo Paul Rivadeneira Página: 46 . que maximice la reditualidad general de la producción de nuevos radios. Página 298.4  Datos de entrada SOLVER ELECTRONIC COMUNICATION Distribuidores Cadenas pedidos Equipo Equipos de nacionales por Radios asignados a Marino Oficina de tiendas correo Número de Radios 1 1 1 1 Max Utlidades 90 84 70 60 304 USO DE RECUROS 10 2 RESTRICCIONES Presupuesto Esfuerzo laboral Contrato cadena nacion 8 3 9 3 1 15 Utilizado 42 ≤ 8 ≤ 1 ≥ LIMITE No utiliz 5000 4958.

000 dólares y deben ser tomados en consideración para nuevas oportunidades de inversión.29 USO DE RECUROS 10 2 RESTRICCIONES Presupuesto Esfuerzo laboral Contrato cadena nacion 8 3 9 3 1 Utilizado LIMITE No utiliz 15 5000 ≤ 5000 0. Las medidas de riesgo son proporcionadas por el principal asesor financiero de la empresa. La tasa de rendimiento anual de la cartera debe ser por lo menos 9% 2. Actualmente hay fondos disponibles por 200. a. National Insurance Associates mantiene una cartera de inversiones en acciones. Las cuatro opciones de valores que National está considerando así como los datos financieros relevantes correspondientes son los que siguen: Acción Datos financieros Precio por acción ($) Tasa anual de rendimiento Medida de riego por dólar A 100 0.10 0. Utilice la programación lineal para desarrollar una cartera de inversiones que minimice el riesgo.85714 150 0 Max Utlidades 90 84 70 60 48664.71429 442.05 40 0.00 23. ¿Cuál sería la cartera de inversiones? Oswaldo Paul Rivadeneira Página: 47 . b.Investigación Operativa I Programación Lineal Datos de salida SOLVER ELECTRONIC COMUNICATION Distribuidores Cadenas pedidos Equipo Equipos nacionales por Radios asignados a Marino de Oficina de tiendas correo Número de Radios 10.07 B C 80 0. valores más elevados indican mayor riesgo.06 0.12 0.08 0. en función de su capacidad de alcanzar su rendimiento anual proyectado. Ninguno de los valores puede representar más del 50% de la inversión total en dólares.10 50 0.00 150 ≥ 150 0.08 D La medida de riesgo indica la incertidumbre relativa asociada con la acción. bonos y otras alternativas de inversión. La administración general de National ha estipulado las siguientes vías de acción para las inversiones: 1. Si la empresa ignora el riesgo y utiliza una estrategia de máximo rendimiento sobre la inversión.00 1800 ≤ 1800 0.

000 inversión máxima de X3 40X4 ≤ 0.09*200.0X4 ≥ 0.000 rendimiento 100X1 ≤ 0.0X3 + 3.8X3 + 4.00 100000 99960. Editorial Thomson.8 80 ≤ ≥ ≤ ≤ ≤ ≤ 23 Anderson Sweeney Willams.000 inversión máxima de X4 No negatividad Xi ≥ 0.5*200.00  Accionea asignadas a Cantidad Riesgo RESTRICCIONES Dólares disponibles Rendimiento annual Invesión máx en A Invesión máx en B Invesión máx en C Invesión máx en D USO DE RECUROS 100 50 12 4 100 50 80 4. 7ma Edición.5X2 + 4.2 20.5*200. Métodos Cuantitativos para los Negocios. 7ma Edición. ¿Cuál es la diferencia en dólares entre las carteras de inversiones de los incisos (a) y (b)? ¿Por qué preferiría la empresa la solución desarrollada en el inciso (a)23 REFERENCIA: Página 316 Problema 16. Anderson Sweeney Willams.7 Utilizado 40 270 4 24.00 100000 99950.000 inversión máxima de X1 50X2 ≤ 0.5*200. Problema 16.000 inversión máxima de X2 80X3 ≤ 0.4 Datos entrada SOLVER National Insurance Associates Acciones A 1 10 B 1 3.Investigación Operativa I Programación Lineal c.5 C 1 4 D 1 Min 3.0X2 + 4.2X4 Restricciones 100X1 + 50X2 + 80X3 + 40X4 ≤ 200.20 100000 99900. Solución a): Formulación del modelo:  Definición de variables X1 = Cantidad de acciones X2 = Cantidad de acciones X3 = Cantidad de acciones X4 = Cantidad de acciones   asignados asignados asignados asignados a a a a opción A opción B opción C opción D Función Objetivo Zmin = 10X1 + 3. Métodos Cuantitativos para los Negocios. Página 316.8 100 50 80 40 40 LIMITE No utiliz 200000 199730. i=1.5*200.00 18000 -17975.000 dólares disponibles 12X1 + 4. Oswaldo Paul Rivadeneira Página: 48 .00 100000 99920. Editorial Thomson.

00 18000 0.67 100000 100000. en dólares. el cartucho de grapa y la manija. Esta engrapadora se ensambla a partir de tres componentes principales: la base. Los requisitos de tiempos de producción por unidad son como sigue: Tiempo de producción (horas) Base Cartucho Manija 0.Investigación Operativa I Programación Lineal Resultados del SOLVER National Insurance Associates Acciones Accionea asignadas a Cantidad Riesgo A 333.40 1.00 100000 33333.03 0. La administración de Carson Stapler Manufacturing Company pronostica para el trimestre que viene una demanda de 5000 unidades para su modelo Sure-Hold.04 0. el pronóstico de 5000 unidades es un nuevo volumen máximo de venta y la empresa quizá no tenga suficiente capacidad de producción para la fabricación de todos los componentes.01 Tiempo disponible (horas) 400 400 400 Departamento A B C Note que cada componente fabricado por Carson ocupa tiempo de producción en cada uno de los tres departamentos.333333 3. Después de tomar en consideración los gastos generales.5 4 D 2500 Min 3.00 24.8 80 Utilizado 40 200000 4 18000 33333.40 Página: 49 . Estos datos junto con las cotizaciones de la empresa maquiladora de los precios de compra.55 1.33 0 66666.75 0. son como sigue: Componente Base Cartucho Manija Oswaldo Paul Rivadeneira Costo de manufactura 0. Hasta ahora Carson ha fabricado los tres componentes.03 0.10 Costo de adquisición 0. las materias primas y los costos de mano de obra de la empresa.04 0. en dólares.67 RESTRICCIONES Dólares disponibles Rendimiento annual Invesión máx en A Invesión máx en B Invesión máx en C Invesión máx en D 50 4 50 80 4. Sin embargo.3333 10 USO DE RECUROS 100 12 100 B C 0 833.02 0. La administración está pensando contratar una empresa maquiladora local para producir por lo menos una parte de los componentes.02 0.2 14666.02 0.33 100000 0.00 100000 66666. el departamento de contabilidad ha llegado al costo unitario. de manufactura de cada componente.67 40 100000 ≤ ≥ ≤ ≤ ≤ ≤ LIMITE No utiliz 200000 0.95 0.05 0.

¿Qué recomendaría usted?24 Solución: Formulación del modelo:  Definición de variables X11 = Numero de bases para grapadoras producidas X12 = Numero de cartuchos para grapadoras producidos X13 = Numero de manijas producidas para grapadoras producidas X21 = Numero de bases para grapadoras adquiridas X22 = Numero de cartuchos para grapadoras adquiridos X23 = Numero de manijas para grapadoras adquiridas   Función Objetivo Zmin = 0. ¿Qué departamento o departamentos deberían ser motivo de tiempo extra? Explique.15 24 Anderson Sweeney Willams.75 0.03X11 + 0. C cantidad de bases cantidad de cartuchos cantidad de manijas  Min 5.40X23 Restricciones 0.3 Datos de entrada SOLVER Unidades de Cantidad Costos Carson Stapler Manufacturing Company Producidas Grapas Cartuchos Manijas Grapas 1 1 1 1 0.55 Manijas 1 1.2. Editorial Thomson. Determine cuál sería la decisión de fabricar o comprar para Carson.04X13 ≤ 400 horas disponibles Dep. Oswaldo Paul Rivadeneira Página: 50 .95X21 + 0.000 X13 + X23 = 5. Suponga que en el departamento A se pueden programar hasta 80 horas de tiempo extra.05X13 ≤ 400 horas disponibles Dep. Métodos Cuantitativos para los Negocios. Página 316.02X12 0.000 No negatividad Xij ≥0.40X12 + 1. j=1. que haga que pueda cumplirse la demanda de 5000 unidades a un costo total mínimo.04X11 + 0.02X12 0.4 + 0. De cada componente.1 0. Problema 17.Investigación Operativa I Programación Lineal a. 7ma Edición. ¿Qué departamentos están limitando el volumen de fabricación? Si pudiera considerarse tiempo extraordinario a un costo adicional de $3 la hora.02X11 + 0.01X13 ≤ 400 horas disponibles Dep.55X22 + 1. i=1. A + 0.000 X12 + X22 = 5. c.75X11 + 0. ¿Cuántas unidades deberán ser fabricadas y cuantas deberán ser adquiridas? b.95 Adquiridas Cartuchos 1 0.4 1.03X12 X11 + X21 = 5.10X13 + 0. B + 0.

Debido a diferencias en equipamiento en cada una de las plantas y de distintos costos de mano de obra. Suponga que algunas de las órdenes anteriores de la planta de Tampa podrían ser reprogramadas para liberar la capacidad adicional para esta nueva orden.00 0.90 399.25 $ 5. d.04 0.05 0.02 0.00 0. como se muestra a continuación: Palo normal Palo rígido Costo de San Diego $ 5.02 0.00 4998.00 4998.00 137. y la de Tampa.00 0. desde modelos normales.000 palos de golf.01 1 1 1 1 Utilizado 0.94 4998.90 399.1 0.02 0.06 2 2 2 ≤ ≤ ≤ = = = LIMITE 400 400 400 5000 5000 5000 No utiliz 399.02 0. Formule un modelo de programación lineal para determinar la manera en que GSI deberá programar la producción de este nuevo pedido para minimizar el costo total de producción. Golf Shafts (GSI) produce palos de grafito para varios fabricantes de palos de golf. principalmente utilizados por golfistas promedio.00 0. utilizados principalmente por golfistas con bajo handicap y profesionales.03 1 1 0.04 0.000 palos normales y 75. La planta de San diego puede producir hasta un total de 120.04 0.02 0.4 1.75 0. y que el costo correcto es de 5.03 0. Dado que ambas plantas actualmente están produciendo palos de golf para cumplir con órdenes anteriores. hasta un total de 180. GSI acaba de recibir un contrato para la producción de 200. b.55 Manijas 1250 1.03 1 1 Adquiridas Cartuchos 0 0.1 0. por si misma. tienen capacidad para producir palos en diversos grados de rigidez.70 a.1 0.000 rígidos.4 Min 11875 Utilizado 400 400 262.45 Costo de Tampa $ 4. los costos de producción unitarios son distintos.05 0. Utilice cualquier código de programación lineal para resolver el modelo desarrollado en el inciso (a) c. Oswaldo Paul Rivadeneira Página: 51 . para llenar el nuevo pedido.30 dólares por palo.00 Datos de salida de SOLVER Unidades de Cantidad Costos RESTRICCIONES Horas Departamento A Horas Departamento B Horas Departamento C Cantidad de bases Cantidad de cartuchos Cantidad de manijas Carson Stapler Manufacturing Company Producidas Grapas Cartuchos Manijas Grapas 3750 5000 3750 1250 0.03 0.04 0. Dos instalaciones de fabricación de GSI.95 $ 5.Investigación Operativa I Programación Lineal RESTRICCIONES Horas Departamento A Horas Departamento B Horas Departamento C Cantidad de bases Cantidad de cartuchos Cantidad de manijas USO DE RECUROS 0.000 palos. ¿Merecería esto la pena? Explique. hasta modelos extrarígidos.02 0. Suponga que el costo de producir un palo de golf rígido en Tampa fue incorrectamente calculado.5 5000 5000 5000 LIMITE 400 400 400 5000 5000 5000 No utiliz 0. una localizada en San Diego y otra en Tampa.01 1 1 1 1 ≤ ≤ ≤ = = = 25.95 USO DE RECUROS 0. ningún de las plantas tiene capacidad suficiente.50 0.

70X4 palos palos palos palos de golf normales de golf extrarígidos fabricados en San Diego fabricados en Tampa Restricciones X1 + X3 = 200.95X3 + 5.000 X1 + X2 ≤ 120. tendría lo anterior sobre la solución óptima desarrollada en el inciso (b)? ¿Qué efecto tendría lo anterior sobre el costo total de producción?25 Solución a): Formulación del modelo:  Definición de variables X1 = Numero de unid.15 Utilizado 1 1 1 1 1 1 1 2 2 2 2 ≥ ≥ ≤ ≤ LIMITE 200000 75000 120000 180000 No utiliz 199998.4 Datos de entrada SOLVER San Diego Palos de Golf Cantidad Costos RESTRICCIONES Palos normales Palos extrarígidos Fabric. 7ma Edición.25 Golf Shafts (GSI) Tampa Normales 1 4.000 X3 + X4 ≤ 180.95 Extrarígid 1 5. de palos de golf normales fabricados en San Diego X2 = Numero de unid.000  No negatividad Xi ≥ 0. Página 317. Editorial Thomson.00 119998.000 X2 + X4 = 75. de palos de golf extrarígidos fabricados en San Diego X3 = Numero de palos de golf normales fabricados en Tampa X4 = Numero de palos de golf extrarígidos fabricados en Tampa   Función Objetivo Zmin = 5.Investigación Operativa I Programación Lineal ¿Qué efecto.45X2 + 4.00 1 5.7 Min 21.00 179998.25 Extrarígid USO DE RECUROS Datos de salida SOLVER 25 Anderson Sweeney Willams. Oswaldo Paul Rivadeneira Página: 52 . San Diego Fabric.25X1 + 5. Tampa 1 Normales 1 5. i=1.00 74998. si es que hubiera alguno. Métodos Cuantitativos para los Negocios. Problema 18.

Investigación Operativa I

Programación Lineal

Golf Shafts (GSI) San Diego Palos de Golf Cantidad Costos RESTRICCIONES Palos normales Palos extrarígidos Fabric. San Diego Fabric. Tampa 1 1 1 1 1 1 Normales 20000 5.25 Extrarígid 75000 5.25 Tampa Normales 180000 4.95 Extrarígid 0 5.7 Min 1E+06 Utilizado 1 1 2E+05 75000 95000 2E+05 ≥ ≥ ≤ ≤ LIMITE 200000 75000 120000 180000 No utiliz 0.00 0.00 25000.00 0.00

USO DE RECUROS

26. La Pfeiffer Company administra aproximadamente 15 millones de dólares para sus clientes. Para cada Cliente, Pfeiffer escoge una mezcla de tres tipos de inversiones: un fondo de valores de crecimiento, un fondo de ingresos y un fondo de mercado de dinero. Cada cliente tiene objetivos de inversión distintos y diferentes tolerancias de riesgo. Para dar gusto a estas diferencias, Pfeiffer establece límites en cada cartera para los porcentajes que pueden ser invertidos en estos tres fondos y a cada cliente le asigna un índice de riesgo. Así como este sistema funciona para Dennos Hartmann, uno de los clientes de Pfeiffer Con base en una evaluación de la tolerancia al riesgo de Hartmann, Pfeiffer le ha asignado a la cartera de Hartmann un índice de 0.05. Además, para mantener cierta diversidad, la fracción de la cartera de Hartmann invertida en fondos de crecimiento y de ingresos debe ser por lo menos de 10% cada una y por lo menos 20% deberá estar invertido en fondos de mercado de dinero. Las evaluaciones de riego para los fondos de crecimiento, de ingresos y de mercado de dinero son respectivamente 0.10, 0.05 y 0.01. El índice de riesgo de cada una se calcula como el promedio ponderado de la valuaciones de riesgo de los tres fondos, donde los coeficientes de ponderación son iguales a la fracción de la cartera invertida en cada uno de los tres fondos. Hartmann le ha dado 300.000 dólares a Pfeiffer para su administración. Pfeiffer está pronosticando actualmente un rendimiento del 20% en el fondo de crecimiento, 10% en el fondo de ingresos y 6% en el fondo de mercad de dinero. a. Desarrolle un modelo de programación lineal para seleccionar la mejor mezcla de inversiones para el cartera Hartmann. b. Resuelva el modelo desarrollado en el inciso (a) c. ¿Cuánto pueden variar los rendimientos de los tres fondos, antes que Pfeiffer tenga que modificar la composición de la cartera de Hartmann? d. Si Hartmann fuera mas tolerante al riesgo. ¿qué aumento de rendimiento podría esperar? Por ejemplo, ¿Qué pasaría si su índice de riesgo de cartera aumentaría al 0.06?

Oswaldo Paul Rivadeneira

Página: 53

Investigación Operativa I

Programación Lineal

e. Si Pfeiffer revisa hacia abajo su estimación de rendimiento para el fondo de crecimiento hasta 0.10, ¿Cómo recomendaría usted que se modificara la cartera de Hartmann? f. ¿Qué información debe mantener Pfeiffer sobre cada cliente para utilizar este sistema para la administración de las carteras de los clientes? g. En base semanaria Pfeiffer revisa las estimaciones de rendimiento de cada uno de los tres fondos. Suponga que Pfeiffer tiene 50 clientes. Describe la forma en que Pfeiffer podría ser modificaciones semanales en cada cartera de cliente, y asignar los fondos totales administrados entre los tres fondos de inversión.26 Solución a): Formulación del modelo:  Definición de variables X1 = Cantidad de dólares asignados a valores de crecimiento X2 = Cantidad de dólares asignados a ingresos X3 = Cantidad de dólares asignados a mercado de dinero   Función Objetivo Zmax = 0.20X1 + 0.10X2 + 0.06X3 Restricciones X1 ≥ 0.10*300.000 para valores de crecimiento X2 ≥ 0.10*300.000 para ingresos X3 ≥ 0.20*300.000 para mercado de dinero X1 + X2 +X3 ≤ 300.000 cartera 0.10X1 + 0.05X2 + 0.01X3 ≤ 0.05*300.000 riesgo de cartera

No negatividad Xi ≥ 0; i=1,3 Datos de entrada SOLVER
La Pfeiffer Company Asignados a Cantidad de dólares Rendimiento RESTRICCIONES Crecimiento Ingresos Mercado de dinero Riesgo Cartera 0.1 0.05 Crecimiento 1 0.2 Ingresos 1 0.1 Mercado 1 0.06 Max 0.36 Utilizado 1 1 1 0.01 1 1 0.16 3 ≥ ≥ ≥ ≤ ≤ LIMITE 30000 30000 60000 15000 300000 No utiliz -29999.00 -29999.00 -59999.00 14999.84 299997.00

USO DE RECUROS 1

1

1

1

26

Anderson Sweeney Willams. Métodos Cuantitativos para los Negocios. 7ma Edición. Editorial Thomson. Página 317. Problema 19 Oswaldo Paul Rivadeneira Página: 54

Investigación Operativa I

Programación Lineal

La Pfeiffer Company Asignados a Cantidad de dólares Rendimiento RESTRICCIONES Crecimiento Ingresos Mercado de dinero Riesgo Cartera 0.1 0.05 Crecimiento 120000 0.2 Ingresos 30000 0.1 Mercado 150000 0.06 Max 36000 Utilizado 1E+05 1 1 0.01 30000 2E+05 15000 3E+05 ≥ ≥ ≥ ≤ ≤ LIMITE 30000 30000 60000 15000 300000 No utiliz 90000.00 0.00 90000.00 0.00 0.00

USO DE RECUROS 1

1

1

1

27. La Jolla Beverage Products está pensando en producir un refresco de vino, que sería mezcla de un vino blanco, de un vino rosado y de jugo de fruta. A fin de llenar las especificaciones de sabor, el refresco de vino debe estar hecho con por lo menos 50% de vino blanco, un mínimo de un 20% y no más de un 30% de rosado, y 20% de jugo de fruta. La Jolla adquiere el vino de los viñedos o lugares cercanos y el jugo de frutas de una planta procesadora en San Francisco. Para el período actual de producción, pueden adquirirse 10.000 galones de vino blanco y 8.000 galones de vino rosado, no hay límite en la cantidad de jugo de fruta que se puede pedir. El costo de los vinos es de un dólar por galón para el vino blanco y de 1.50 dólares por galón para el vino rosado; el jugo de fruta se puede adquirir a 0.50 por galón. La Jolla Beverage Products puede vender todo el refresco que pueda producir a 2.50 dólares por galón. a. ¿En esta situación, es el costo de vino y el costo de frutas un costo hundido, o uno relevante? Explique. b. Formule un programa lineal para determinar el número de galones que La Jolla Beverage Products deberá adquirir de cada ingrediente y la contribución a la utilidad total que obtendrán de esta mezcla. c. Si La Jolla Beverage Products pudiera obtener cantidades adicionales de vino blanco, ¿debería hacerlo? De hacerlo, ¿Cuánto debería estar dispuesto a pagar por cada galón adicional, y cuantos galones adicionales desearía adquirir? d. Si La Jolla Beverage Products pudiera obtener cantidades adicionales de vino rosado, ¿debería hacerlo? De hacerlo, ¿Cuánto debería estar dispuesto a pagar por cada galón adicional, y cuanto galones adicionales desearía adquirir? e. Interprete el precio dual para la restricción que corresponde al requisito de que el refresco de vino debe contener por lo menos 50% de vino blanco.¿Cual sería su consejo a la administración respecto a este precio dual? f. Interprete el precio dual de la restricción que correspóndela requisito de que al refresco de vino debe contener exactamente el 20% de jugo de frutas.¿Cual es su consejo a la administración respecto a este precio dual?27

27

Anderson Sweeney Willams. Métodos Cuantitativos para los Negocios. 7ma Edición. Editorial Thomson. Página 317. Problema 18.

Oswaldo Paul Rivadeneira

Página: 55

50 -0.7 -0.5X2 -0.5 Utilizado 1 ≤ ≤ ≥ ≥ ≤ ≤ 1 -1 -0.10 -0.4 LIMITE 10000 8000 0 0 0 0 No utiliz 9999. vino rosado Max.00 7999.5 0.00 -1.2(X1 +X2 +X3) dosificación mínima de vino rosado X2 ≤ 0.000 cantidad máxima de vino rosado X1 ≥ 0.000 cantidad máxima de vino blanco X2 ≤ 8.5(X1 +X2 + X3) dosificación máxima de vino blanco X2 ≥ 0.5X3 Restricciones X1 ≤ 10.3(X1 +X2 +X3) dosificación máxima de vino rosado X3 ≤ 0. frutas Frutas 1 2 Max 4.3  Datos de entrada SOLVER La Pfeiffer Company Vino V.2 -0.5 1 1 Galones de Cantidad Utilidad RESTRICCIONES Vino blanco Vino rosado Min.3 0.2(X1 +X2 +X3) dosificación de jugo de frutas No negatividad Xi ≥ 0.Investigación Operativa I Programación Lineal Solución b): Formulación del modelo:  Definición de variables X1 = Cantidad de galones de vino blanco X2 = Cantidad de galones de vino rosado X3 = Cantidad de galones de jugo de frutas   Función Objetivo Zmax = 2. Blanco Rosado 1 1.5 3000 1 Frutas 2000 2 Max 22000 Oswaldo Paul Rivadeneira Página: 56 .2 0.5*(X1+X2+X3) – 1X1 – 1.40 -0. i=1. vino rosado Max.3 -0.2 -1 0.8 Datos de salida SOLVER Galones de Cantidad Utilidad La Pfeiffer Company Vino V. Blanco Rosado 10000 1. vino blanco Min.5 -0.1 0.40 USO DE RECUROS 1 1 0.8 -0.4 0.2 -1.

El gerente de programación del Canal 10 desea determinar la mejor forma de asignar el tiempo para la difusión de las noticias vespertinas de las 11:00 a las 11:30. vino rosado Max. frutas USO DE RECUROS 1 1 0.5 -0. noticias nacionales. 200 dólares para noticias nacionales.00 0. 100 dólares para el clima y 100 dólares para deportes. el tiempo dedicado al segmento del clima deberá ser inferior o igual al tiempo que se dedique al segmento de deportes.8 28. Los costos de producción por minuto son de 300 dólares para noticias locales. i=1. y por lo menos.2 Utilizado 10000 3000 1E-08 6E-09 -1500 -1000 ≤ ≤ ≥ ≥ ≤ ≤ LIMITE 10000 8000 0 0 0 0 No utiliz 0. se reservan 10 minutos para nubilidad.00 1500.Investigación Operativa I Programación Lineal RESTRICCIONES Vino blanco Vino rosado Min.2 -1 0.3 -0.8 -1 -0. A lo largo de los 30 minutos de difusión. el tiempo dedicado al segmento de deportes no deberá ser superior al tiempo total dedicado a noticias locales y nacionales. el clima y los deportes.7 -0. 20% del tiempo deberá dedicarse al segmento del clima. vino blanco Min.00 1000.00 5000. Específicamente le gustaría determinar el número de minutos de tiempo de difusión dedicado a noticias locales.4 Datos de entrada SOLVER PROGRAMACIÓN CANAL 10  Oswaldo Paul Rivadeneira Página: 57 .2 -0.3 0.2 0. vino rosado Max. La política de difusión indica que por lo menos 15% del tiempo disponible deberá dedicarse a cobertura de noticias locales el tiempo dedicado a noticias locales y nacionales deberá ser por lo menos 50% del tiempo total de difusión. Solución: Formulación del modelo:  Definición de variables X1 = número de minutos X2 = número de minutos X3 = número de minutos X4 = número de minutos   para noticias locales para noticias nacionales sobre clima sobre deportes Función Objetivo Z min = 300X1 + 200X2 + 100X3 + 100X4 Restricciones X1 ≥ 15%(X1 + X2 + X3 + X4) tiempo noticias locales X1 + X2 ≥ 50%(X1 + X2 + X3 + X4) tiempo noticias locales y nacionales X3 ≤ X4 tiempo de noticias del clima X4 ≤ (X1 + X2) tiempo para deportes X3 ≥ 20%(X1 + X2 + X3 +X4) tiempo para clima X1 +X2 + X3 + X4 = 20 tiempo disponible en minutos No negatividad Xi ≥ 0.00 0.00 -0.

00 USO DE RECUROS 0.00 USO DE RECUROS -0.40 0.15 0.00 0.00 -5.00 0.00 0. de hecho sólo el 0.85 0. Durante los últimos años.20 16.5 1 -0. Johnson Printing y Likeside Lithono deberá exceder 30.2 1 -0.4 0 0 1 0.5 1 -0.00 -1.15 -0. la administración también ha indicado que a Likeside Litho se le deberá Oswaldo Paul Rivadeneira Página: 58 . ha inquirido sobre la posibilidad de efectuar una parte de la impresión. Debido a la larga relación desarrollada con Likeside Litho. Benson Printing. El nivel de calidad y servicio de Likeside Litho ha sido extremadamente elevado.5 1 -0.05% de sus informes tuvieron que ser descartados por problemas de calidad.15 -0. produciendo un promedio de sólo 1% de informes no aceptables.000.15 0. Una nueva empresa.2 1 Datos de salida SOLVER PROGRAMACIÓN CANAL 10 MINUTOS en Noticias Cantidad Costos RESTRICCIONES Noticias Locales Not.000 y 50.00 -0. Dado que la Gulf Coast Electronics no ha tenido experiencia con Benson Printing.Investigación Operativa I Programación Lineal MINUTOS en Noticias Cantidad Costos RESTRICCIONES Noticias Locales Not. Locales y Nac Noticias Clima Noticias Deportes Noticias Clima Tiempo disponible Locales 1 300 Nacionales 1 200 Clima 1 100 Deportes 1 100 Min 700 Utilizado -0. ha estimado su tasa de defectos en 10%.00 -1. por lo menos 10% del volumen que se asigne a Johnson Printing. Para asegurarse de que Benson Printing recibirá una parte del contrato de la administración ha especificado que el número de informes asignados a Benson Printing deberá ser. un informe anual a cuatro colores ha sido impreso por Johnson Printing y Likeside Litho.5 -0.5 1 -0.2 1 0. Locales y Nac Noticias Clima Noticias Deportes Noticias Clima Tiempo disponible 1 1 0.85 0.2 1 0. 50. Johnson Printing también ha tenido un nivel histórico elevado de calidad. Gulf Coast Electronics está listo para asignar contratos para la impresión de su informe anual.2 1 -0.000 ejemplares respectivamente.000 informes de calidad aceptables.8 1 -0.15 -0. Además el volumen total asignado a Benson Printing.5 -1 -1 -2E-12 9E-12 0 5 1 20 ≥ ≥ ≤ ≥ ≥ ≤ LIMITE 0 0 0 0 0 20 No utiliz 0.2 1 29.5 Locales 3 300 Nacionales 7 200 Clima 5 100 Deportes 5 100 Min 3300 Utilizado -0.8 1 -0.5 -1 -1 0.00 0. A Gulf Coast Electronics le gustaría determinar cuantos informes deberán ser impresos por cada una de estas empresas.2 4 ≥ ≥ ≤ ≥ ≥ ≤ LIMITE 0 0 0 0 0 20 No utiliz -0. para obtener 75.15 -0.

a.5X2 +2.5%X1 + 99%X2 + 90%X3 ≤ 75.¿Que efecto.000 asignación max a Benson X2 ≤ 50.000 informes de calidad aceptable. b.45 Max 7.Investigación Operativa I Programación Lineal asignar por lo menos 30. si es que hay alguno.75 dólares para Likeside Litho. y 2.000 asignación min a Litho No negatividad Xi ≥0. Suponga que el nivel de calidad de Benson Printing resulta mucho mejor a lo estimado.45 dólares para Benson Printing.75X1 + 2.000 informes. Formule y resuelva un programa lineal para determinar cuántos ejemplares deberán asignarse a cada empresa impresora. para maximizar el costo total de obtener 75.000 ejemplares de buena calidad X3 ≥ 10%X2 asignación mínima Benson X3 ≤ 30. 2. El costo por ejemplar es de 2. i=1.5 Benson 1 2. tendría esto? Solución: Formulación del modelo:  Definición de variables X1 = cantidad de ejemplares asignados a Litho X2 = cantidad de ejemplares asignados a Johnson X3 = cantidad de ejemplares asignados a Benson   Función Objetivo Zmax = 2. ¿Qué efecto.000 asignación max a Johnson X1 ≤ 50.45X3 Restricciones 99.7 Utilizado LIMITE No utiliz USO DE RECUROS Oswaldo Paul Rivadeneira Página: 59 .3 Datos entrada SOLVER  PROGRAMACIÓN Gulf Coast Electronics Ejemplares Cantidad Costos RESTRICCIONES Litho 1 2.50 dólares para Johnson Printing. tendría? c.000 informes. si es que existe alguno.000 asignación max a Litho X1 ≥ 30.75 Johnson 1 2. Suponga que la administración está dispuesta a reconsiderar su requisito de que a Likeside Litho se le den por lo menos 30.

A y B. la maquina 1 y la máquina 2. Z = 4X1 + 5X2 28 Sets.995 0.00 49999. Ciento veinte horas de tiempo enlatables pueden fijarse para máquina1.885 0.00 28055. la producción debe fijarse con el objetivo de aumentar al máximo la ganancia. Robert L. Matrices.9 1 1 1 1 ≤ ≥ ≤ ≤ ≤ ≥ 75000 0 30000 50000 50000 30000 74997.00 49999.99 -0.6 28055.1 1 1 20000 30. Como una ilustración de la asignación de recursos que usa la programación lineal.90 29999. El margen de la contribución es $4.56 -1944. and Linear Programming.75 Johnson 0 2. La producción debe fijarse para dos tipos de máquinas.9 1 1 75000 28055. cada unidad del producto A requiere 2 horas de tiempo del proceso en cada máquina.5 Benson 28055.6 2.00 por cada unidad de producto A y $5.45 Max 206236 Utilizado 0.5 horas en la máquina 2. Cada unidad de producto que B requiere de 3 horas en la máquina 1 y de 1. y 80 horas para máquina 2.Investigación Operativa I Programación Lineal Ejemplares de calidad Johnson y Benson Ejemplares Benson Ejemplares Johnson Ejemplares Litho Ejemplares Litho 0.00 por cada unidad de producto B.28 La formulación: Dado.00 USO DE RECUROS 0. considere el problema siguiente acerca de la planificación de producción en una tienda.995 0. La producción durante el periodo de planificación se limita a dos productos. por consiguiente.44 50000.9 1 1 2. Childress Página: 60 Oswaldo Paul Rivadeneira .00 0.1 0.00 1 1 1 -29999 Datos salida SOLVER PROGRAMACIÓN Gulf Coast Electronics Ejemplares Cantidad Costos RESTRICCIONES Ejemplares de calidad Johnson y Benson Ejemplares Benson Ejemplares Johnson Ejemplares Litho Ejemplares Litho 1 Litho 50000 2. X1 = número de unidades del producto A para producción X2 = número de unidades del producto B para producción Maximizar la contribución en la ganancia.12 -0.6 0 50000 50000 ≤ ≥ ≤ ≤ ≤ ≥ LIMITE 75000 0 30000 50000 50000 30000 No utiliz 0. Ambos tipos de productos pueden comercializarse prontamente.99 -0.

La empresa produce una aleación que es hecho de acero y metal de trozos.Investigación Operativa I Programación Lineal Sujeto a: 2X1 + 3X2 ≤ 120 (recurso máquina 1) 2X1 + 1.33 20 16.33 20 26.33 25 26.33 15 25 e) 213.5X2 ≤ 80 (recurso máquina 2) X1 ≥ 0 (no negatividad) X2 ≥ 0 (no negatividad) Datos de entrada para Solver Datos de salida del Solver Solución: opción b) Solución Z max X1 X2 a) 213.667 31.667 d) 213.667 c) 313.33 20 25 b) 213. El costo por la tonelada de acero es $50 y el costo por la tonelada de trozo es de $20. Los requisitos tecnológicos para la aleación son (1) un mínimo de una tonelada de acero se Oswaldo Paul Rivadeneira Página: 61 . Para ilustrar un problema de la programación lineal en que el costo se minimiza. considere el problema que enfrenta el fabricante de metales.

un mínimo de 80 horas de tiempo de procesamiento debe usarse. Robert L. Childress Página: 62 Oswaldo Paul Rivadeneira .90X1 + 0. (3) el acero y el trozo se combinan linealmente para hacer la aleación.Investigación Operativa I Programación Lineal requiere para cada dos toneladas de trozo. X2 – 2X1 ≥ 0 . X1 = número de toneladas de acero para producción de aleación X2 = número de toneladas de trozo para producción de aleación Minimizar el costo Z = 50X1 + 20X2 Análisis: (1) un mínimo de una tonelada de acero se requiere por cada dos toneladas de trozo 1 X1  2 X 2 . El suministro tanto de los trozos como del acero es adecuado para la producción de la aleación. Aunque la producción puede exceder la demanda. demanda mínima d 40 toneladas de aleación rendimiento del acero (1-10%)X1 rendimiento del trozo (1-20%)X2 (1-10%)X1 + (1-20%)X2 ≥ 40 0.90X1 + 0. El objetivo del fabricante es producir la aleación a un costo mínimo. y se requieren cuatro horas de tiempo de procesamiento por cada tonelada de trozo. 2X1 – X2 ≥ 0 (2) se necesitan una hora de procesamiento por cada tonelada de acero y cuatro horas de tiempo de procesamiento por cada tonelada de trozo y un mínimo de 80 horas 1X1 + 4X2 ≥ 80 (3) La pérdida en proceso es del 10% de acero y el 20% de trozo. X 2  2 X 1 .80X2 ≥ 40 (3) X1 ≥ 0 (no negatividad) 29 Sets. (2) una hora de tiempo de procesamiento se requiere por cada tonelada de acero. and Linear Programming. Matrices. La pérdida en proceso del acero es 10 por ciento y la pérdida en proceso del trozo es 20 por ciento. Para mantener el funcionamiento de la planta eficazmente. un mínimo de 40 toneladas de la aleación debe fabricarse.29 La formulación matemática al problema de programación lineal puede plantearse de la siguiente manera Dado.80X2 ≥ 40 Sujeto a: 2X1 – X2 ≥ 0 (1) 1X1 + 4X2 ≥ 80 (2) 0.

667 32.Investigación Operativa I Programación Lineal X2 ≥ 0 (no negatividad) Datos de entrada para Solver Datos de salida del Solver Solución: opción a) Solución Z max X1 X2 a) 1. El vicepresidente de manufactura quiere saber si podría aumentarse las ganancias cambiando la mezcla de productos entre los dos modelos.440 15 25 e) 1.044 32 16. con una producción actual diaria de 30 unidades del modelo Z-1200 y de 120 unidades del modelo Z1500.667 d) 1. fabrica actualmente una línea de armas para civiles.440 16 32 b) 1. un fabricante progresista de mecanismos civiles y militares. La Kenmore Corporation. Se compiló la Oswaldo Paul Rivadeneira Página: 63 .440 32 16 c) 144 16 26.

4 1 1/5 1 1/2 Contribución por unidad $ 50 $ 40 Formulación del problema:    X1 = Cantidad de unidades del modelo Z-1200 X2 = Cantidad de unidades del modelo Z-1500 Función Objetivo: Maximizar Z = 50 X1 + 40 X2 Restricciones: 2 X1 + 0 X2 ≤ 300 0 X1 + 3 X2 ≤ 540 2 X1 + 2 X2 ≤ 440 1.Departamental diarias) 300 540 440 300 (horas 30 Robert J. 1 por Dep. Toma de decisiones por medio de Investigación de Operaciones.Investigación Operativa I Programación Lineal siguiente información sobre las horas requeridas para la fabricación de cada modelo y las capacidades de los departamentos de la fábrica.5 X2 ≤ 300  No negatividad: X i ≥ 0.30 Horas-Hombre requeridas Departamentos Modelo Z. i = 1. 2 0 3 Dep. 2 por Dep. Pag 273 Oswaldo Paul Rivadeneira Página: 64 . 4 Capacidad Z.Modelo 1200 1500 Dep. 5 2 2 Dep. Thierauf y Richard A. Limusa. 5 por Dep. 1 2 0 Dep.2 X1 + 1. Grosse. 2 Solución gráfica por computador (usando el GLP) por Dep.

Investigación Operativa I Programación Lineal Solución con SOLVER: Datos de entrada Oswaldo Paul Rivadeneira Página: 65 .

300 10.300 4.300 Aumenta las ganancias en: 10.300 – 6.000 Respuestas múltiples: respuesta correcta d) a) b) c) d) e) aumenta las ganancias en aumenta las ganancias en aumenta las ganancias en aumenta las ganancias en no aumenta las ganancias $ $ $ $ 3.300 Producción Nueva: Z = 50(150) + 40(70) = $ 10.000 6.Investigación Operativa I Programación Lineal Datos de salida: Producción Actual: Z = 50(30) + 40(120) = $ 6.000 Oswaldo Paul Rivadeneira Página: 66 .300 = $ 4.

000 X2 Restricciones 6 X1 + 4 X2 ≤ 24 1 X1 + 2 X2 ≤ 6 0 X1 + 1 X2 ≤ 2 -1X1 + 1 X2 ≤ 1 No negatividad: X i ≥ 0.000 X1 + 4. Reddy Mikks quiere determinar la mezcla de producto óptima (la mejor) de pinturas para interiores y para exteriores que maximice la utilidad diaria total. Además la demanda diaria de pintura para interiores no puede exceder a la de pintura para exteriores por más de 1 tonelada. 2 por disp.31 Formulación del problema:  Definición de variables: X1 = Número de toneladas de Pintura para Exteriores X2 = Número de toneladas de Pintura para Interiores Función objetivo: Maximizar Z = 5. Investigación de Operaciones. 11 Página: 67 Oswaldo Paul Rivadeneira . Materia prima M1 por disp. M1 y M2. La siguiente tabla proporciona los datos básicos del problema: Materia prima. Taha. M1 Materia prima. Int. Una Introducción. i = 1.Investigación Operativa I Programación Lineal 33. demanda diaria    31 Handy A. Prentice Hall. Pag. Reddy Mikks produce pinturas tanto para interiores como para exteriores a partir de dos materias primas. M2 Utilidad por tonelada $5 (1000 dólares) Toneladas de materia prima por tonelada de Pintura para Pintura para exteriores interiores 6 4 1 2 $4 Disponibilidad máxima diaria en toneladas 24 6 Una encuesta de mercado restringe la demanda máxima diaria de pintura para interiores a 2 toneladas. Materia prima M2 máximo diario de pint.

Investigación Operativa I Programación Lineal Solución gráfica por computador (usando el GLP) Solución con SOLVER: Datos de entrada Datos de salida: Oswaldo Paul Rivadeneira Página: 68 .

30 0. max. Una Introducción. Ozark Farms desea determinar el costo mínimo diario de la mezcla de alimento.000 e 3. 18 Página: 69 Oswaldo Paul Rivadeneira . para producir una ganancia máxima de $ 21.000 d 1.09 0.5 toneladas de pintura para interiores. El alimento especial es una mezcla de maíz y semilla de soya.32 Formulación del problema:  Definición de variables: X1 = Cantidad de libras de Maíz X2 = Cantidad de libras de Semilla de Soya 32 Handy A.($) Respuestas c 3.0 21. Prentice Hall.Investigación Operativa I Programación Lineal Solución: Producir diariamente 3 toneladas de pintura para exteriores y 1.5 21. Ext (ton) Pint.0 21.000 34.5 2.00 Solución múltiple: respuesta correcta c) Rubro Pint. Pag.90 Maíz Semilla de Soya Los requerimientos dietéticos diarios del alimento especial estipulan que por lo menos un 30% de proteínas y cuando mucho un 5% de fibra.60 0.02 0. con las siguientes composiciones: Libra por libra de alimento para ganado Costo (/libra) Proteínas Fibra 0. Int (ton) Ganan.5 3. Ozark Farms utiliza diariamente 800 libras de alimento especial.06 0.5 20. Investigación de Operaciones.000 a 1.0 1.5 1.000. Taha.5 20.0 1.000 b 3.

06 X2 ≤ 0.60 X2 ≥ 0. i = 1.90 X2 por proteínas por fibra producción Restricciones: 0.09 X1 + 0.30*(X1 + X2) 0.02 X1 + 0.05*(X1 + X2) X1 + X2 ≥ 800  No negatividad: X i ≥ 0. 2 Solución gráfica por computador (usando el GLP) Solución con SOLVER: Oswaldo Paul Rivadeneira Página: 70 .Investigación Operativa I Programación Lineal   Función Objetivo: Minimizar Z = 0.30 X1 + 0.

Investigación Operativa I Programación Lineal Datos de entrada Datos de Salida: Solución: 470. Comprende que “sólo el trabajo y nada de diversión hacen de Jack un muchacho aburrido”.65 437. Sin embargo. Jack quiere distribuir su tiempo disponible. de alrededor de 10 horas al día. Solución múltiple: respuesta correcta b) a) b) c) d) e) $ $ $ $ $ 457. entre el trabajo y la diversión.65 por por por por por día día día día día 35.41 libras de semilla de soya costo mínimo del alimento: 437. Jack comprende que si quiere terminar todas sus tareas universitarias. Calcula que el juego es dos veces más divertido que el trabajo.65 537. no puede jugar más de cuatro horas al día.65 417. Como resultado de esto.59 libras de maíz.65 por día. También quiere estudiar por lo menos tanto como juega.65 517. 329. Oswaldo Paul Rivadeneira Página: 71 . Jack es un estudiante emprendedor de primer año de la UTE.

0X1 + 1.X2): ( 4. 2 Solución GLP X2 Payoff: : 1.0X2 <= 0.0 . 18 Página: 72 Oswaldo Paul Rivadeneira . Pag.0) : 1.0 Datos de Entrada Solver 33 Handy A.0 X2 = + X2 10.0 X1 + : X1 + 1.0X1 .0 1.0 X2 X1 1. Una Introducción.0 = 0.0.0 : 1.0 X2 0.0 : 2. Investigación de Operaciones. Taha.1.Investigación Operativa I Programación Lineal ¿Cómo debe distribuir Jack su tiempo para maximizar su satisfacción tanto en el trabajo como en el juego?33 Formulación del problema:  Definición de variables X1 = número de horas de juego X2 = número de horas de trabajo  Función objetivo: Maximizar Z = 2X1 + X2  Restricciones: X1 + X2 = 10 disponibilidad de tiempo X2 ≥ X1 X1 – X2 ≤ 0 trabajar por lo menos tanto como juega X1 ≤ 4 límite de juego  No negatividad Xi ≥ 0. i= 1.0X2 <= 4.0 : 1. Prentice Hall.0X2 <= 10. 6.0 X1 1.0 Optimal Decisions(X1.0X1 + 0.0 = 4.0 = 14.1.

0 6. John calcula que.0 21. Solución múltiple: respuesta correcta d) Rubro Juega Trabaja Satisfacción max a 1. él supone que el estrés total al final de la semana es proporcional al Oswaldo Paul Rivadeneira Página: 73 . Debido a que el estrés aumenta por hora.5 3.0 Respuestas c 3.0 6.0 14. en una escala de 1 a 10.000 36.0 d 4.Investigación Operativa I Programación Lineal Datos de Salida Solver Juega cuatro horas y trabaja 6 horas.0 14. Tiene la oportunidad de trabajar en dos tiendas al detalle: en la tienda 1 John puede trabajar entre 5 y 12 horas a la semana.0 2. Ambas tiendas pagan el mismo salario por hora.0 e 6. los factores des estrés son de 8 y 6 en las tiendas 1 y 2. John debe trabajar por lo menos 20 horas a la semana para completar su ingreso mientras asiste a la escuela. Basándose en entrevistas con los empleados actuales.0 b 3. De manera que John quiere basar su decisión acerca de cuántas horas debe trabajar en cada tienda en un criterio diferente: el factor del estrés en el trabajo. y en la tienda 2 le permiten trabajar entre 6 y 10 horas.0 20.0 6.0 14. respectivamente.

0 : 0. Una Introducción.0X2 >= 6. ¿Cuántas horas debe trabajar en cada tienda?34 Formulación del problema:  Definición de variables X1 = número de horas de trabajo en la tienda 1 X2 = número de horas de trabajo en la tienda 2   Función objetivo: Minimizar Z = 8X1 + 6X2 Restricciones: X1 ≥ 5 X1 ≤ 12 X2 ≥ 6 X2 ≤ 10 X1 + X2 ≥ 20 No negatividad Xi ≥ 0.0 : 0. 10.X2): (10.0 X2 = 20.0 x1 + 1.0X2 <= 12.0 : 1. Prentice Hall.0 : 1.0 X2 12 11 10 9 8 7 6 5 4 3 2 1 0 0 1 2 3 4 5 6 7 : 0.0 X2 = 10.0 : 1.0 8 9 10 11 12 x1 Optimal Decisions(x1.0X2 >= 5. i = 1.0x1 + 0.0 34 Handy A.0X2 <= 10.0 : 1.0x1 + 1.0 X2 = 5.0X2 >= 20. Pag.0.0x1 + 0.0 : 0. Investigación de Operaciones.0 x1 + 0.0 X2 = 140.0 x1 + 1. 20 Página: 74 Oswaldo Paul Rivadeneira .0x1 + 1.0) : 1.0 x1 + 0.0 X2 = 6. 2  Solución GLP Payoff: 8.0 : 1.0 x1 + 1. Taha.0 X2 = 12.0 x1 + 6.Investigación Operativa I Programación Lineal número de horas que trabaja en la tienda.0x1 + 1.

0 b 10 10 20.Investigación Operativa I Programación Lineal Datos de entrada Solver Datos de salida Solver Solución: John debe trabajar 10 horas a la semana en la tienda 1 y 10 horas en la tienda 2 Solución múltiple: respuesta correcta d) Rubro Tienda 1 Tienda 2 Estrés min a 11 11 14.000 Oswaldo Paul Rivadeneira Página: 75 .0 d 10 10 140 e 10 10 21.0 Respuestas c 10 6.0 14.

La Dumont Company.5 1 4. Grosse.5X1 + 1.5X2 ≤ 1600 Dep.Investigación Operativa I Programación Lineal 37. Las capacidades mensuales son las siguientes: Requerimientos unitarios de tiempo (horas) Modelo Modelo SS-1000 2000 4 2 2. Determínese la salida óptima para cada modelo. debido a las condiciones favorables de mercado. Suponiendo que la compañía puede vender cualquier cantidad de cada uno de sus productos. ensamblaje  No negatividad Xi ≥ 0.000X2 Restricciones 4X1 + 2X2 ≤ 1600 Dep. y la del modelo S2000 es de $ 10 000 por unidad. Thierauf y Richard A.5X1 + 1X2 ≤ 1200 Dep.000X1 + 10. Toma de decisiones por medio de Investigación de Operaciones. de Estructuras 2. 2 Solución GLP 35 Robert J. Limusa.5 1.35 Formulación del problema:  Definición de variables X1 = número de unidades del modelo S-1000 X2 = número de unidades del modelo S-2000   Función objetivo: Maximizar Z = 40. la contribución más alta posible para el presente mes y el tiempo sobrante en los tres departamentos. alambrado eléctrico 4. tiene tres departamentos principales para la manufactura de sus modelos S-1000 y S2000. Pag 273 Oswaldo Paul Rivadeneira Página: 76 . fabricante de equipo de pruebas. i = 1.5 Departamentos De Estructura principal De Alambrado eléctrico De Ensamble Horas disponibles en el presente mes 1600 1200 1600 La contribución del modelo S-1000 es de $ 40 000 por unidad.

0 X1 + 10.X2): (355.5 X2 = 1600.0 Payoff: 40.0 X1 + 2.0 285 293 301 309 317 325 333 341 349 357 365 373 381 389 Optimal Decisions(X1.0 : 2.5X1 + 1.0X1 + 2.Investigación Operativa I Programación Lineal : 2.0X2 <= 1600.5 X1 + 1. 0.0 : 4.0) : 4.5X1 + 1.0 : 4.6.0 Datos entrada para Solver Datos salida del Solver Oswaldo Paul Rivadeneira Página: 77 .5 X1 + 1.0 X2 = 1600.0 X2 = 1200.2 X2 240 228 216 204 192 180 168 156 144 132 120 108 96 84 72 60 48 36 24 12 0 221 229 237 245 253 261 269 277 : 4.0X2 <= 1200.0 X2 = 14222.5X2 <= 1600.

Limusa.00 Solución múltiple: respuesta correcta b) Rubro Modelo S-1000 Modelo S-2000 Contribución max a 255. Además se requieren por lo menos 2 000 libras de X3.0 14. Thierauf. Pag 274) Formulación del problema  Definición de variables X1 = número de libras del ingrediente X1 36 Robert J. Grosse. X1 cuesta $8/libra. fabricar 355 unidades del modelo S-1000 y 1 unidad del modelo S-2000 para producir un beneficio de $ 14 210. Pag 274 Oswaldo Paul Rivadeneira Página: 78 . No pueden usarse mas de 3 000 libras de X1 y por lo menos deberían usarse 1 500 libras de X2.0 14. A fin de reducir la mínimo el costo total de las 10 000 libras. Thierauf y Richard A.222. X2 y X3.5 0.0 14.2 Respuestas c 355.5 10.210 b 355.5 unidades del Modelo S-1000 solamente para producir un beneficio de $14 222.222. Calcúlese el costo total más bajo posible. Limusa. ¿Hay libras sobrantes en el problema? 36 (Ref: Toma de decisiones por medio de Investigación de Operaciones.2 38. Toma de decisiones por medio de Investigación de Operaciones.Investigación Operativa I Programación Lineal Fabricar 355. La Cincinnati Chemical Company debe producir 10 000 libras de una mezcla especial para un cliente.0 14.0 14. a) b) c) Calcúlese el número de libras de cada ingrediente que habrá que emplear.20 Si la restricción es fabricar componentes completos.5 0. La mezcla se compone de los ingredientes: X1.222.2 d 350 6. X2 $ 10/libra y X3 $ 11/libra.220 e 350 10.

000  No negatividad Xi ≥ 0.000 X2 ≥1.00 Debo utilizar 3500 libras más de X2 Oswaldo Paul Rivadeneira Página: 79 .500 X3 ≥ 2. i = 1.Investigación Operativa I Programación Lineal X2 = número de libras del ingrediente X2 X3 = número de libras del ingrediente X3   Función objetivo: Minimizar Z = 8X1 + 10X2 + 11X3 Restricciones: X1 + X2 + X3 = 10. 3 Datos entrada para Solver cantidad de producción cantidad de X1 cantidad de X2 cantidad de X3 Datos de salida del Solver Solución: a) b) c) X1= 3000 libras X2= 5000 libras X3= 2000 libras Costo más bajo = $ 96 000.000 X1 ≤ 3.

000 No 39. La Gray Manufacturing Company ha seguido constantemente una política de fabricación de aquellos productos que contribuyan con la mayor cantidad a los costos fijos y a las ganancias.000 96. es de: Oswaldo Paul Rivadeneira Página: 80 .000 Si d 4. siempre se ha procurado producir los requerimientos mínimos semanales de venta.000 2. Sin embargo.25 0.Investigación Operativa I Programación Lineal Solución múltiple: respuesta correcta d) Rubro Ingrediente X1 Ingrediente X2 Ingrediente X3 Costo min ¿Hay sobrantes? Respuestas c 3. K L M N (horas) 0.000 6.000 No b 2.000 96.000 4.40 0.15 0.25 0.30 0.000 2. que son los siguientes para los productos K.500 69.000 1.30 0. L.000 No a 3.25 $ 10.000 1.30 0.000 69.25 0.0 400 1000 500 500 Departamento Departamento1 Departamento 2 Departamento 3 Departamento 4 Contribución por unidad Actualmente.30 0.000 Si e 3.25 $ 10.500 6.25 $ 8.000 5.50 0.50 0.00 0.00 0. la mezcla semanal de producción (considerando los requerimientos mínimos de venta).000 2.20 0.25 0. M y N: Producto K Producto L Producto M Producto N 25 unidades 30 unidades 30 unidades 25 unidades Los requerimientos de producción y el tiempo disponible para la semana siguiente son: Tiempo Tiempo requerido por producto (horas) disponible la semana prox.25 $ 9.000 5.000 69.

25X1 + 0. Thierauf y Richard A.25X1 + 0. Dep.0X2 + 8.0X4 Restricciones 0. Dep. Dep.30X2 + 0.5X1 + 9. Pag 275 Oswaldo Paul Rivadeneira Página: 81 . 1 Disp.25X4 ≤ 500 X1 ≥ 25 X2 ≥ 30 X3 ≥ 30 X4 ≥ 25  No negatividad Xi ≥ 0.25X4 ≤ 400 0.4 Datos de entrada para el Solver Venta mínima de K Venta mínima de L Venta mínima de M Venta mínima de N Disp. i = 1. para la empresa.25X2 + 0.15X3 + 0.30X4 ≤ 500 0. Toma de decisiones por medio de Investigación de Operaciones. 4 37 Robert J. Grosse.Investigación Operativa I Programación Lineal Producto K Producto L Producto M Producto N 1 533 unidades 30 unidades 30 unidades 25 unidades ¿Son la mezcla actual de productos y la contribución.20X2 + 0. 3 Disp.0X3 + 10.25X1 + 0.30X4 ≤ 1000 0.40X2 + 0. 2 Disp.25X3 + 0.50X3 + 0. Dep. Limusa.25X3 +0. óptimas? En caso contrario ¿Cuál es la contribución actual? ¿Cuáles deben ser las óptimas?37 Formulación del problema:  Definición de variables X1 = Número de unidades del producto K X2 = Número de unidades del producto L X3 = Número de unidades del producto M X4 = Número de unidades del producto N   Función objetivo: Maximizar Z = 10.30X1 + 0.

500.0 976.556.0 35 Oswaldo Paul Rivadeneira Página: 82 . Producto K Producto L Producto M Producto N Respuestas b c No Si 16.500.25 14.5 906.433.0 976 30 950.0 25 e Si 16.0 14.5 30 25 957.055.856.856.5 25 d No 16.2 16.5 976.5 16.6 25 30 a Si 18.500.Investigación Operativa I Programación Lineal Datos de salida del Solver Solución múltiple: respuesta correcta b) Rubro ¿Mezcla óptima? Contribución act Contribución opt.856.433.5 18.0 950 30 956.0 18.5 30 957.5 975.

0 3 2. uno de los cuales consta de dos procesos y el otro de tres.0 8. Limusa. Cada producto puede fabricarse con dos métodos diferentes y completamente distintos.6 10. La LaCross Manufacturing Company esta considerando la fabricación de una línea de productos. Se fabricarán basándose en el segundo turno.5 4. Grosse.0 9.Investigación Operativa I Programación Lineal 40.0 1. El precio de venta de estos productos y sus costos variables.0 4.0 4. Thierauf y Richard A.0 0.5 9.0 5.0 8.0 0.0 1. de acuerdo con el grupo de investigaciones de mercadotecnia.0 3.0 15 000 50 000 8 000 Robert J. compuesta de cuatro productos. Pag 275 Oswaldo Paul Rivadeneira Página: 83 .0 3.5 2. Toma de decisiones por medio de Investigación de Operaciones.0 4. son los siguientes:38 Producto 1 Precio de venta al mayoreo (40% de descuento) Costos variables – Método A Costos variables – Método B Cantidad que puede venderse $ 100 $ 80 $ 110 1000 2 $ 150 $ 135 $ 150 3000 3 $ 125 $ 120 $ 100 4000 4 $ 140 $ 135 $ 110 6000 La sección de manufactura de la empresa ha determinado que los tiempos de manufactura para cada proceso son los siguientes: Producto 1 Método A Departamento 20 Departamento 21 Departamento 22 Método B Departamento 31 Departamento 32 Las horas disponibles al mes: Departamento 20 Departamento 21 Departamento 22 38 2 3. así como las cantidades que probablemente puedan venderse.0 4 3.

000 9.0X11 + 1.Investigación Operativa I Programación Lineal Departamento 31 Departamento 32 10 000 10 000 Formulación del problema:  Definición de variables X11 = Número de unidades del producto 1 elaborados con el método A X21 = Número de unidades del producto 2 elaborados con el método A X31 = Número de unidades del producto 3 elaborados con el método A X41 = Número de unidades del producto 4 elaborados con el método A X12 = Número de unidades del producto 1 elaborados con el método B X22 = Número de unidades del producto 2 elaborados con el método B X32 = Número de unidades del producto 3 elaborados con el método B X42 = Número de unidades del producto 4 elaborados con el método B  Función Objetivo: Maximizar Z = (100-80)X11 + (150-135)X21 + (125-120)X31 + (140-135)X41 + (100-110)X12 + (150-150)X22 + (125-100)X32 + (140-110)X24  Restricciones X11 + X12 ≤ 1000 X21 + X22 ≤ 3000 X31 + X32 ≤ 4000 X41 + X42 ≤ 6000 Venta producto 1 Venta producto 2 Venta producto 3 Venta producto 4 Horas Dep.000 1.5X31 + 0.000  No negatividad Xij ≤0.0X41 ≤ 50.000 5.0X42 ≤ 10.0X21 + 8.0X11 + 10.0X12 + 4.2 Datos de entrada para el solver Oswaldo Paul Rivadeneira Página: 84 .000 4. 20 Horas Dep.0X31 + 9.0X42 ≤ 10. 32 3. 21 Horas Dep.5X41 ≤ 15. i= 1.0X32 + 3.0X22 + 4. 22 Horas Dep.0X31 + 3. j = 1.0X12 + 8.5X41 ≤ 8.0X32 + 4.0X21 + 0.0X11 + 3.0X22 + 2.4. 31 Horas Dep.6 X21 + 2.

Una fábrica elabora dos productos. Cada uno de ellos debe ser procesado en dos máquinas diferentes. Una máquina tiene una capacidad disponible de 24 Oswaldo Paul Rivadeneira Página: 85 . B.00 41. A.Investigación Operativa I Programación Lineal Datos de salida del Solver Solución: P1= 1 000 unidades (Método A) P2= 3 000 unidades (Método A) P3= 600 unidades (Método A) P3= 1 000 unidades (Método B) P4= 2 000 unidades (Método B) Contribución. $ 153 000.

Investigación Operativa I Programación Lineal horas y la otra de 16 horas. Análisis Cuantitativo para los Negocios. Cada unidad del producto A requiere de dos horas en ambas máquinas. Cada unidad del producto B necesita de tres horas en la primera máquina y de una hora en la segunda. La utilidad incremental es de $6 por unidad del producto A y de $7 por unidad del producto B. Hansman. Bierman. Pag. Novena Edición. y la fábrica puede vender tantas unidades de cada producto como pueda fabricar. 2 capacidad de máquina 1 capacidad de máquina 2  Solución con GLP 39 Bonini. Irwin McGrawHill. i = 1. El problema está en determinar cuántas unidades del producto A y del producto B podrían producirse dentro de los límites disponibles por la capacidad de las máquinas. El objetivo de la fábrica es maximizar las utilidades. 43 Oswaldo Paul Rivadeneira Página: 86 .39 Resumen: Máquinas 1 2 Utilidad en $ Productos A 2 horas 2 horas 6 B 3 horas 1 hora 7 Capacidad de las máquinas 24 horas 16 horas Formulación del problema  Definición de variables X1 = número de unidades del producto A X2 = número de unidades del producto B   Función objetivo: Maximizar Z = 6X1 + 7X2 Restricciones 2X1 + 3X2 ≤24 2X1 + 1X2 ≤ 16 No negatividad Xi ≥0 .

X2): ( 6. : 2X1 + 3X2 <= 24 : 2X1 + 1X2 <= 16 Datos de entrada para Solver Datos salida del Solver Oswaldo Paul Rivadeneira Página: 87 .13 12 Investigación Operativa I 11 10 9 8 7 6 5 4 3 Payoff: 2 1 0 6 X1 + : 2 X1 + 3 X2 = 24 Programación Lineal : 2 X1 + 1 X2 = 16 7 X2 = 64 0 1 2 3 4) 4 5 6 7 8 9 10 11 12 13 14 15 16 Optimal Decisions(X1.

000 x5  1. contenido de azufre y contenido de oxidante). cuyas características se presentan en la siguiente tabla: Características de las mezclas de gasolina Mezclas disponibles Gasolina tipo 1 Gasolina tipo 2 Octanaje 104 94 Presión de vapor 5 9 Cantidad Disponible 30 000 barriles 70 000 barriles Estos tipos de gasolina pueden ser combinados para producir dos productos finales. se supone que una refinería dispone sólo de dos tipos de gasolina.000 x9 7 2. la gasolina resultante tendrá un octanaje de 99: 1.40 Cuando la gasolina se combina.000 x104  1. se realizan varias mezclas de hidrocarburos. En este ejemplo simplificado. Las cualidades que requieren estos productos finales aparecen en la siguiente tabla: Características de la gasolina como producto final Presión Productos Octanaje Máxima Ventas finales mínimo de vapor máximas Gasolina avión 102 6 20 000 barriles Gasolina carro 96 8 cualquiera Precio De venta (por barril) $45. gasolina para avión y gasolina para carro. se obtiene gasolina de diferentes grados. En una operación real de refinación. que dan muchas clases de gasolina como producto final (por ejemplo. que es el resultado directo de las operaciones de refinería.000 x94  99 2.Investigación Operativa I Programación Lineal Solución: X1 = 6 X2 = 4 Z = 64 42.000 Y una presión de vapor de 7: 1. si se mezclan 1 000 barriles de gasolina tipo 1 con 1 000 barriles gasolina tipo 2. gasolina de distintos grados para avión y para carro). presión del vapor. octanaje. con características importantes para los distintos grados de la composición de la gasolina (por ejemplo.000 Oswaldo Paul Rivadeneira Página: 88 . Al mezclar diferentes hidrocarburos.10 $32. la mezcla resultante tiene un octanaje y una presión de vapor proporcional al volumen de cada tipo de gasolina que se mezcló. Por ejemplo.

10X3 + 32. Bierman. i = 1. para avión 5X 2  9X 4 8 X2  X4 -3X2 + X4 ≤ 0 pres. Novena Edición. 4 Datos de entrada para Solver 40 Bonini. utilizada utilizada utilizada utilizada para para para para gasolina gasolina gasolina gasolina de avión de carro de avión de carro Función objetivo: Maximizar Z = 45.40X2 + 45. Análisis Cuantitativo para los Negocios.000 disponibilidad de gas Tipo 1 X3 + X4 ≤ 70. Hansman.000 disponibilidad gas Tipo 2 X1 + x3 ≤ 20.10 X1 + 32.Investigación Operativa I Programación Lineal La empresa desea maximizar los ingresos por la venta de gasolina como producto final.40X4  Restricciones 104 X 1  94 X 3  102 X1  X 3 2X1 – 8X3 ≥ 0 oct. 1. para carro 5 X1  9 X 3 6 X1  X 3 -1X1 + 3X3 ≤0 pres. 2.40 Formulación del problema:  Definición de variables X1 = número de barriles X2 = número de barriles X3 = número de barriles X4 = número de barriles  de de de de gasolina gasolina gasolina gasolina Tipo Tipo Tipo Tipo 1. 46 Oswaldo Paul Rivadeneira Página: 89 .40 (X2 + X4) Z = 45. para avión 104 X 2  94 X 4  96 X2  X4 8X2 – 2X4 ≥ 0 oct.10 (X1 + X3) + 32. Irwin McGrawHill. Pag. 2.000 venta gasolina para avión  No negatividad Xi ≥0 . para carro X1 + X2 ≤ 30.

818. cada unidad del producto D requiere de cinco horas de maquinado. ninguna de montaje y $12 de inventario en proceso. Cada unidad del producto B requiere de una hora de maquinado. C y D.Investigación Operativa I Programación Lineal Datos de salida del Solver Solución: Z = 3´355.727. Cada unidad del producto C requiere de dos y media horas de maquinado. Oswaldo Paul Rivadeneira Página: 90 .18 X4 = 68. una hora de montaje y $10 de inventario en proceso. Cada cantidad del producto A requiere de dos horas de maquinado. dos y media horas de montaje y $2 de inventario en proceso.82 43. B. Una fábrica produce cuatro artículos: A. tres horas de montaje y $5 de inventario en proceso.27 X3 = 1.272.5 X1 = 7. Finalmente.454.72 X2 = 22.181.

y pueden venderse la cantidad que se quiera de los productos B y D. Sin embargo.000 límite de venta del producto C X4 ≥ 10.000 limite de venta producto A X3 ≤ 16.41 Resumen: Producto Proceso Maquinado Montaje Inventario Utilidad A 2 hr 1 hr $10 $40 B 1 hr 3 hr $5 $24 C 2. Además. Cada unidad del producto A genera una utilidad de $40. Bierman.000 160. cada unidad de producto C genera una utilidad de $36 y cada unidad del producto D genera una utilidad de $23.Investigación Operativa I Programación Lineal La fábrica dispone de 120 000 horas de tiempo de maquinado y 160 000 horas de tiempo de montaje. 16 000 unidades del producto C.000 Formulación del problema:  Definición de variables: X1 = Número de unidades X2 = Número de unidades X3 = Número de unidades X4 = Número de unidades del del del del producto producto producto producto A B C D   Función objetivo: Maximizar Z = 40X1 + 24X2 + 36X3 + 23X4 Restricciones: 2X1 + X2 + 2. Sobre estas condiciones. formular un problema de programación lineal.5 hr 2.000 1’000.5X3 + 5X4 ≤ 120. 4  41 Bonini.5X3 + 0X4 ≤ 160. El objetivo de la fábrica es maximizar la utilidad resultante de la venta de los cuatro productos. no puede tener más de un millón de dólares de inventario en proceso. Pag.000 disponibilidad de maquinado X1 + 3X2 + 2. deben producir y vender por lo menos 10 000 unidades del producto D para cumplir con los requerimientos de un contrato. i = 1. Novena Edición.000 contrato del producto D No negatividad: Xi ≥0 . Hansman. 57 Oswaldo Paul Rivadeneira Página: 91 .5 hr $2 $36 D 5 hr 0 hr $12 $23 Disponible (horas) 120. cada unidad del producto B genera una utilidad de $24.000 disponibilidad de inventario X1 ≤ 20. Análisis Cuantitativo para los Negocios.000 disponibilidad de montaje 10X1 + 5X2 + 2X3 + 12X4 ≤ 1’000. Irwin McGrawHill. No pueden venderse más de 20 000 unidades del producto A.

000 X3 = 0 X4 = 10.000 44. que se indican a continuación. con un retorno anual (en porcentaje) para ella.000 X2 = 50. Tipo de préstamo Préstamos quirografarios Préstamos para muebles Préstamos para automóviles Hipotecas de bienes raíces en segundo grado Retorno anual 15 12 9 10 Oswaldo Paul Rivadeneira Página: 92 . La U-Save Loan Company está planeando sus operaciones para el próximo año.Investigación Operativa I Programación Lineal Datos de entrada Solver Datos de salida del Solver Solución: Z = 1’830. La empresa hace cinco tipos de préstamos.000 X1 = 10.

Los préstamos quirografarios no pueden exceder del 10% del total de Tipo de préstamos. Bierman.40 (X4 + X5) . 0.15X1 + 0.60X5 ≥ 0 límite de monto en hipotecas X5 ≥ 0. Las hipotecas en segundo grado no pueden exceder de 25% de la cantidad total de tipo de préstamos.20 (X1 + X2 + X3 + X4 + X5) límite monto del total de prest.80X5 ≥ 0 X4 ≤ 0. por lo menos.10X4 + 0.10X3 – 0. + muebles X5 ≥ 0.20X3 – 0.0. La empresa puede prestar un máximo de $1.20X4 – 0.5 millones.25X2 – 0.09X3 + 0.20 (X1 + X2 + X3 + X4 + X5) límite en monto para prest. Irwin McGrawHill.80X1 + 0. Pag. quirograf. .40X4 + 0.12X2 + 0. Las hipotecas en primer grado deben ser por lo menos de 40% del total de hipotecas y. La empresa debe maximizar los ingresos de los intereses de los préstamos.25(X1 + X2 + X3 + X4 + X5) límite en hipotecas de 2do grado . Hansman. 0.0.10X4 – 0. 20% de la cantidad total de tipo de préstamos.75X4 – 0.20X5 ≤ 0 quiro.20X1 – 0. Análisis Cuantitativo para los Negocios.0.90X1 – 0.Investigación Operativa I Programación Lineal Hipotecas de bienes raíces en primer grado 7 Los requerimientos legales y la política de la empresa establecen los siguientes límites en las cantidades de los distintos tipos de préstamos.000 monto disponible 42 Bonini.42 Formulación del Problema:  Definición de variables X1 = Monto en dólares para X2 = Monto en dólares para X3 = Monto en dólares para X4 = Monto en dólares para X5 = Monto en dólares para   Préstamos Quirografarios Préstamos para Muebles préstamos para Automóviles Hipotecas de bienes raíces en segundo grado Hipotecas de bienes raíces en primer grado Función objetivo: Maximizar Z = 0.25X3 + 0.07X5 Restricciones X1 ≤ 0. 58 Oswaldo Paul Rivadeneira Página: 93 .25X1 – 0.10X5 ≤ 0 X1 + X2 ≤ 0.10X2 – 0.80X2 – 0.20X3 – 0.25X5 ≤ 0 X1 + X2 + X3+ X4 + X5 ≤ 1’500.20X4 + 0. sujetándose a las restricciones indicadas. La cantidad de préstamos quirografarios y para muebles no puede exceder de 20% del total de tipo de préstamos.20X2 – 0.10 (X1 +X2 +X3 + X4 + X5) límite en monto de pres. Novena Edición.

El mercado ya fue estudiado. El proceso de producción tiene una capacidad de 30 000 horas de mano de obra. i = 1. por lo que los funcionarios de la empresa consideran que la cantidad máxima de las unidades de A que puede venderse es de 8 000. A y B.Investigación Operativa I Programación Lineal  No negatividad Xi ≥0 . Una fábrica venden dos tipos de productos diferentes. La información sobre el precio de venta y el costo incremental es la siguiente: Precio de venta Costo incremental Utilidad incremental Producto A $60 $30 $30 Producto B $40 $10 $30 Los dos productos se fabrican dentro de un proceso común y se venden en dos mercados diferentes. se requiere de tres horas para elaborar una unidad de A y una hora para producir una unidad de B. 5 Datos de entrada para el Solver Datos de salida del Solver 45. la cantidad máxima de B es de 12 000 Oswaldo Paul Rivadeneira Página: 94 .

000 venta de B No negatividad Xi ≥0 .0 : 1.0X1 + 1.0X2 <= 30000.0 X1 + 30.0 X2 = 540000.0 X2 = 12000. 2 Solución GLP Payoff: 30.0    X2 11995 11400 10805 10210 9615 9020 8425 7830 7235 6640 6045 5450 4855 4260 3665 3070 2475 1880 1285 690 95 30 : 0.0X2 <= 12000.000 por mano de obra X1 ≤ 8. los productos pueden venderse en cualquier combinación.X2): (6000.0 X2 = 8000.0 : 3. De acuerdo con estas limitaciones.0 X1 + 0.0X2 <= 8000.0 428 826 1224 1622 2020 2418 2816 3214 3612 4010 4408 4806 5204 5602 6000 6398 6796 7194 7592 7990 X1 Optimal Decisions(X1.0 X2 = 30000. Hansman.0.0) : 3. Formular esta situación como un problema de programación lineal.000 venta de A X2 ≤ 12. Irwin McGrawHill.43  Formulación del problema Definición de variables X1 = Número de unidades del producto A X2 = Número de unidades del producto B Función objetivo: Maximizar Z = 30X1 + 30X2 Restricciones 3X1 + 1X2 ≤ 30. Bierman.0X1 + 1. 12000.0X1 + 0.0 X1 + 1.0 : 0.Investigación Operativa I Programación Lineal unidades.0 Datos entrada Solver 43 Bonini. Novena Edición. Análisis Cuantitativo para los Negocios.0 : 1.0 X1 + 1. Pag. i = 1. 58 Oswaldo Paul Rivadeneira Página: 95 .

Recientemente. y el porcentaje de grasa. por peso.75 $0.40 $0. debe ser al menos 15%. no puede exceder de 30% (el peso restante es relleno). por peso. la empresa EMBUTIDOS experimentó drásticos cambios en los precios de la materia prima.Investigación Operativa I Programación Lineal Datos salida Solver 46.15 Oswaldo Paul Rivadeneira Página: 96 . por los que el gerente ordenó a un analista reexaminar las proporciones de las mezclas de los ingredientes para la producción de salchichas. La producción de salchichas implica cumplir con dos requisitos esenciales para el producto. con las siguientes características: Ingrediente A B C D Porcentaje de Proteínas 40 20 10 5 Porcentaje de Grasa 10 15 35 40 Costo por Libra $1. La empresa tiene cuatro materia primas disponibles para la mezcla.80 $0. El porcentaje de proteínas.

30 grasas X1 + X2 + X3 + X4 = 1 total libra de mezcla No negatividad Xi ≥0 .10X1 + 0.40X4 ≤ 0. 4 Datos de entrada para Solver  Datos de salida del Solver 44 Bonini.20X2 + 0. Irwin McGrawHill. 58 Oswaldo Paul Rivadeneira Página: 97 . i = 1.15X2 + 0.10X3 + 0. Análisis Cuantitativo para los Negocios. Bierman. Novena Edición.35X3 + 0.15 proteínas 0.40X1 + 0.75X2 + 0.40X3 + 0.Investigación Operativa I Programación Lineal Formular el problema de programación lineal que le ayude a la empresa a determinar el problema de mezcla más apropiado44 Formulación del problema:  Definición de variables X1 = Cantidad en libras del X2 = Cantidad en libras del X3 = Cantidad en libras del X4 = Cantidad en libras del   ingrediente ingrediente ingrediente ingrediente A B C D Función objetivo Minimizar Z = 1. Pag. Hansman.15X4 Restricciones 0.05X4 ≥ 0.80X1 + 0.

16 horas de pre-acabado y 64 horas de acabado final. 3 horas de ensamble. CECSA. Cada unidad de escritorio ejecutivo requiere de 72 min de corte.59 Página: 98 Oswaldo Paul Rivadeneira . ¿Qué mezcla de productos es óptima?45 Formulación del problema  Definición de variables X1 = Número de unidades de escritorios estándar X2 = Número de unidades de escritorios ejecutivos   Función objetivo: Maximizar Z = 40X1 + 50X2 Restricciones 0. Cada escritorio debe pasar por cuatro operaciones básicas: corte de madera.Investigación Operativa I Programación Lineal 47. i = 1.2X2 ≤ 16 2. y para todo fin práctico existe un mercado ilimitado para cualquier mezcla de ellos. Pag.6667X1 + 2. Un fabricante de muebles produce dos tipos de escritorios: estándar y ejecutivo. al menos dentro de la capacidad de producción del fabricante.0X1 + 3. 40 min de pre-acabado y 5 horas y 20 min de tiempo de acabado final. Daellenbach.3334X1 + 4. 2 Solución GLP horas horas horas horas de corte de ensamblaje de pre-acabado acabado final  45 Hans G.8X1 + 1. 30 horas de ensamble. La capacidad diaria para cada operación equivale a 16 horas de corte.0X2 ≤ 64 No negatividad Xi ≥0 .0X2 ≤ 16 5. Introducción a Técnicas de Investigación de Operaciones. Cada unidad producida del escritorio del escritorio estándar requiere de 48 min de tiempo de corte. ensamble de las piezas.0X2 ≤ 30 0. El beneficio por unidad producida es de $40 para el escritorio estándar y de $50 para el escritorio ejecutivo. 2 horas de ensamble. Estos escritorios se venden a un mayorista de mobiliario de oficina. 2 horas de pre-acabado y 4 horas de tiempo de acabado final. preacabado y acabado final.

000 X2 = 559.000X1 + 3.000.000 13 14 15 16 17 18 19 Optimal Decisions(X1.000 X1 + 3.000X2 <= 30.000 Datos entrada Solver Datos salida Solver Oswaldo Paul Rivadeneira Página: 99 .000 3 2 1 0 0 1 2 3 4 5 6 7 8 9 10 11 12 : 5.000 X2 = 16.000X2 <= 16.000 : 5.998 14 Programación Lineal : 0.200 X2 = 16.000 : 0.16 15 Investigación Operativa I 13 12 11 10 9 8 7 6 5 : 0.667 X1 + 2.000) : 0.000 : 2. 4.X2): (9.800X1 + 1.000 X2 = 30.333 X1 + 4.333X1 + 4.200X2 <= 16.000 Payoff: 40.800 X1 + 1.000 4 : 2.000X2 <= 64.000 X2 = 64.000 X1 + 50.667X1 + 2.

i = 1. Introducción a Técnicas de Investigación de Operaciones. sus resultados serán analizados por un dietista para no incurrir en daños a los pollos. CECSA. de A.46 Formulación del problema:  Definición de variables X1 = Cantidad de Kg. de nutriente C y 10 gr. Puede mezclar la fórmula empleando dos ingredientes y otro de relleno.40X1 + 0. 40 gr. y cuesta $0. 90 Página: 100 Oswaldo Paul Rivadeneira . de nutriente A. El ingrediente 1 contiene 100 gr. de nutriente C y 1. 80 gr. de vitamina X por cada kg. de C.Investigación Operativa I Programación Lineal 48.40 por Kg.5 Vitamina X No negatividad Xi ≥0 .60 por kg. 48 gr. El ingrediente 2 contiene 200 gr.5 gr. 20 gr. de ingrediente Tipo 2   Función objetivo: Minimizar Z = 0. de nutriente B. Daellenbach. de nutriente A. entonces:  Restricciones 100X1 + 200X2 ≥ 90 80X1 + 150X2 ≥ 48 40X1 + 20X2 ≥ 20 10X1 + 0X2 ≥ 1. 150 gr. nada de vitamina X y cuesta $0. de alimento. de nutriente B. para su solución se asume que cumplirán al menos los pedidos de los ingredientes.60X2 Restricciones 100X1 + 200X2 = 90 Nutriente A 80X1 + 150X2 = 48 Nutriente B 40X1 + 20X2 = 20 Nutriente C 10X1 + 0X2 = 1. 2 Son ecuaciones redundantes. de ingrediente Tipo 1 X2 = Cantidad de Kg. 20 gr. Un fabricante de alimento para pollos desea determinar la mezcla de menor costo para una fórmula de altas proteínas que contiene 90 gr. Pag.5 Nutriente A Nutriente B Nutriente C Vitamina X  46 Hans G. de B. de vitamina X.

Investigación Operativa I Programación Lineal Datos entrada Solver Datos salida Solver En la solución gráfica puede notarse las ecuaciones redundantes: Oswaldo Paul Rivadeneira Página: 101 .

5 ton de A. B y C. CECSA.47  Formulación del problema Definición de variables X1 = Toneladas de compuesto X X2 = Toneladas de compuesto Y Función objetivo: Minimizar Z = 500X1 + 600X2 Restricciones 0. Cada tonelada de X proporciona 0.0834 ton de C. Es necesario producir diariamente al menos 4 ton de A.Investigación Operativa I Programación Lineal 49.10 ton de B y 0.25X1 + 0. 2 ton de B y 1 ton de C. Las cantidades producidas que excedan los requerimientos diarios no tienen valor. El problema consiste en determinar la mezcla con costo mínimo de entrada. Una compañía produce tres tipos de productos químicos refinados: A. Cada tonelada de Y rinde 0. Daellenbach.0834 ton de C. 90 Página: 102 Oswaldo Paul Rivadeneira . ya que el producto sufre cambios químicos si no se utiliza de inmediato.25X1 + 0.5X2 ≥ 4 toneladas de A 0. La tonelada de compuesto X cuesta $250 y el compuesto Y $400. 0.10X2 ≥ 2 toneladas de B   47 Hans G. Los productos de entrada son los compuestos X y Y.25 ton de A.25 ton de B y 0. El costo de procesamiento es de $250 por ton de X y $200 por ton de Y. 0. Pag. Introducción a Técnicas de Investigación de Operaciones.

0834 X1 + 0.0000 : 0.0000 Datos de entrada Solver Datos de salida Solver Oswaldo Paul Rivadeneira Página: 103 . i = 1.5000X2 >= 4.X2): (7. 4.0834X1 + 0.5000 X2 = 4.2500X1 + 0.0834 X2 = 1.0000 3 : 0.15 Investigación Operativa I 13 14 Programación Lineal 12 0.1000 X2 = 2.0000 X1 + 600.2500 X1 + 0.2500 X1 + 0.1630 toneladas de C 11 10 9 8 7 : 0.0834X1 + 0.0000 2 1 0 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 X1 Optimal Decisions(X1.1000X2 >= 2.2500X1 + 0.9808.0000 : 0.0834X2 >= 1. 2 Solución GLP Payoff: 500.0834X2 ≥ 1  No negatividad Xi ≥0.0096) : 0.0000 X2 = 6396.0000 6 5 4 : 0.

i = 1.15X2 Restricciones X1 + X2 ≤ 20 X2 ≤ 0. 90 Página: 104 Oswaldo Paul Rivadeneira .20X2 ≥ 0 X2 ≤ 0. Pag. dispone de fondos ociosos por un total de $20 millones. Las especificaciones gubernamentales requieren que no más del 80% de todas las inversiones sean a largo plazo. mientras que la tasa anual para las inversiones a corto plazo es del 10%.40X1 . Actualmente.Investigación Operativa I Programación Lineal 50.60X2 ≥ 0 X2/X1 ≤ 3/1 3X1 – X2 ≥ 0 No negatividad Xi ≥0 . Plantéese este problema como programa lineal con el objetivo de maximizar el beneficio ponderado. 2 Solución GLP fondos para inversión inversiones a largo plazo inversiones a corto plazo relación entre inversiones  48 Hans G.80X1 – 0.0.48 Formulación del Problema  Definición de variables X1 = Cantidad en millones de dólares para inversión a corto plazo X2 = Cantidad en millones de dólares para inversión a largo plazo   Función objetivo: Maximizar Z = 0. Daellenbach. las inversiones a largo plazo rinden el 15% anual. La Palysafe Insurane Company of Knockville. Introducción a Técnicas de Investigación de Operaciones.40(X1 + X2) 0. no más del 40% de inviertan a corto plazo. disponible para inversiones a corto y largo plazo. CECSA. ME. y que la razón entre las inversiones a largo y corto plazo no sean mayor de 3 a 1.80(X1 + X2) 0.10X1 + 0.

0 Optimal Decisions(X1.1 X2 = 2.0 X2 = 0.0.Investigación Operativa I Programación Lineal Payoff: 0.0X1 .0 : 3.4 X1 .0 : 0.4X1 .0 X2 = 20.0.8 X1 .0X1 + 1.0 Datos entrada para Solver Datos de salida de Solver Oswaldo Paul Rivadeneira Página: 105 .0X2 <= 20.0.1.2X2 >= 0.0 : 0. 8.2 X2 = 0.4 X2 12 11 10 9 8 7 6 5 4 3 2 1 0 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 X1 : 1.8X1 .0.0) : 1.0 : 3.0.X2): (12.6X2 >= 0.1 X1 + 0.1.0X2 >= 0.0 : 0.0 X1 + 1.0 X1 .0 : 0.6 X2 = 0.

/ semana 48 h Los pronósticos de venta indican que.5 12 3 160 h Compuesto de moldeado Beneficio (gal/unid) ($/unid) 200 160 200 124 280 212 220 170 4800 gal Modelo 1 2 3 4 Capac. la demanda será suficiente para absorber cualquier cantidad producida. Pag. Daellenbach.5X2 + 12X3 + 3X4 ≤ 160 200X1 + 200X2 + 280X3 + 220X4 ≤ 4800 horas de moldeado horas de ensamble horas de acabado galones para moldeado 49 Hans G. 91 Página: 106 Oswaldo Paul Rivadeneira . El objetivo es maximizar los beneficios. CECSA. en promedio. Introducción a Técnicas de Investigación de Operaciones. Un fabricante de botes de fibra de vidrio produce cuatro modelos diferentes que deben pasar por tres operaciones diferentes: moldeado. La tabla dada contiene toda la información necesaria.49 Formulación del Problema  Definición de variables X1 = Número de unidades del X2 = Número de unidades del X3 = Número de unidades del X4 = Número de unidades del   modelo modelo modelo modelo 1 2 3 4 Función objetivo: Maximizar Z = 160X1 + 124X2 +212X3 + 170 X4 Restricciones 2. Excepto por esta restricción.8 2.1X2 + 4X3 + 3X4 ≤ 48 5X1 + 3X2 + 6X3 + 4X4 ≤ 96 10X1 + 7. no deben producirse por semana más de 8 unidades del modelo 4.1 4 3 Ensamble (h/unid) 5 3 6 4 96 h Acabado (h/unid) 10 7.8X1 + 2.Investigación Operativa I Programación Lineal 51. ensamblado y acabado. Moldeado (h/unid) 2.

El tiempo necesario en minutos por unidad producida. i = 1. para cada posibilidad de producción en cada máquina. El producto C puede fabricarse utilizando las maquinas X y S o en las máquinas Y. S y T. En una compañía se fabrican tres productos A. y el costo variable de producción por minuto para cada máquina se condensan en la siguiente tabla. El producto B utiliza sólo dos operaciones en las máquinas X y S o en las máquinas Y y T. Y. S y T. Tiempo (en min/unidad de máquina) Producto Proceso X Y A 1 10 B 1 8 2 6 C 1 8 S 6 10 16 T 3 9 Código A B1 B2 C1 Oswaldo Paul Rivadeneira Página: 107 . 4 Datos de entrada para Solver Datos de salida del Solver 52. El producto A utiliza tres operaciones en las máquinas X. Los tres productos comparten en sus procesos de producción cuatro máquinas X.Investigación Operativa I Programación Lineal X4 ≤ 8  No negatividad Xi ≥0 . S y T. B y C.

Pag.40(10X1 + 8X2 + 8X4) + 0.50(6X3 + 10X5) + 0.50 Formulación del problema: Definición de variables X1 = número de unidades X2 = número de unidades X3 = número de unidades X4 = número de unidades X5 = número de unidades  del del del del del producto producto producto producto producto A.40 10 0.30(3X1 + 9X3 + 8X5) Minimizar Z = 6. CECSA. con el el el el el proceso 1 proceso 1 proceso 2 proceso 1 proceso 2  Función objetivo: Minimizar Z = 0. con B.12X5 Restricciones 10X1 + 8X2 + 8X4 ≤ 480 capacidad maquina 6X3 + 10X5 ≤ 480 capacidad maquina 6X1 +10X2 + 16X4 + 3X5 ≤ 480 capacidad maquina 3X1 + 9X3 + 8X5 ≤ 480 capacidad maquina X1 ≥ 36 demanda del producto A X2 + X3 ≥ 45 demanda del producto B X4 + X5 ≥ 10 demanda del producto C No negatividad Xi ≥0 .24(6X1 +10X2 + 16X4 + 3X5) + 0. El objetivo consiste en determinar el esquema de producción que minimice el costo total variable de producción.6X2 + 5.7X3 + 7. Introducción a Técnicas de Investigación de Operaciones. i = 1. Daellenbach. con B.Investigación Operativa I Programación Lineal 2 Costo var /min ($) 0. con C.24 8 0. 92 Página: 108 Oswaldo Paul Rivadeneira .50 3 0.04X4 + 8.34X1 + 5. con C. 4 X Y S T   Datos de entrada para Solver 50 Hans G.30 C2 Cada máquina tiene una capacidad diaria de producción de 480 minutos. La demandas mínimas de los tres productos son 36 para A. 45 para B y 10 para C.

CECSA. en forma tal. Cócteles Molotov (Martinis Rusos) y Whisky en las rocas. Sin embargo.51 Resumen: 51 Hans G. Plantéese como un problema de programación lineal. Un Chauncy consiste en 2/3 de whisky y 1/3 de vermouth rojo. Por último el Whisky en las rocas consiste sólo de whisky. Usted está organizando una fiesta y dispone de de las siguientes cantidades de licor: 48 onz líquidas de whisky. Su objetivo es mezclar los ingredientes. 24 onz líquidas de brandy y 18 onz líquidas de licor de café. 94 Página: 109 Oswaldo Paul Rivadeneira . Rusos Negros. Introducción a Técnicas de Investigación de Operaciones. 72 onz de vermouth rojo. ½ de vermouth rojo y ¼ vermouth blanco. Usted piensa preparar las siguientes bebidas: Chauncies. Un Italiano Dulce consiste de ¼ de brandy. Los Cócteles Molotov son una mezcla de 2/3 de vodka y 1/3 de vermouth blanco. para proporcionar una selección equilibrada. Cada trago contiene 4 onz líquidas. Un Ruso Negro consiste de ¾ de vodka y ¼ de licor de café.Investigación Operativa I Programación Lineal Datos de salida del Solver 53. 64 onz líquidas de vermouth blanco. Italianos Dulces. Pag. 72 onz líquidas de vodka. Daellenbach. que pueda prepararse el mayor número de posible de tragos. Usted considera que es necesario preparar cuando menos el doble de Cócteles Molotov que de Rusos Negros.

Café  Mezclas (tragos de Rusos Italianos chauncies negros dulces 2/3*4 ¾*4 ¼*4 1/3*4 2/4*4 ¼*4 ¼*4 4 onzas) Cócteles molotov 2/3*4 1/3*4 Whisky en rocas 1*4 Cantidad Disponible (onz) 48 72 64 72 24 18 Formulación del problema: Definición de variables: X1 = Número de tragos de X2 = Número de tragos de X3 = Número de tragos de X4 = Número de tragos de X5 = Número de tragos de Chauncies Rusos Negros Italianos Dulces Cócteles Molotov Whisky en las Rocas   Función objetivo: Maximizar Z = X1 + X2 + X3 + X4 + X5 Restricciones: 2/3*4 X1 + 4X5 ≤ 48 2X1 + 3X5 ≤ 36 por contenido de whisky ¾*4X2 + 2/3*4X4 ≤ 72 9X2 + 8X4 ≤ 216 por contenido de Vodka ¼*4X3 + 1/3*4X4≤ 64 3X3 + 4X4≤ 192 por contenido de Vermouth Blanco 1/3*4X1 + 2/4*4X3 ≤ 72 4X1 + 6X3 ≤ 216 por contenido de vermouth Rojo ¼*4X3 ≤ 24 X3 ≤ 24 por contenido de Brandy ¼*4X2 ≤ 18 X2 ≤ 18 por contenido de Licor de Café 2X2 ≥ X4 2X2 – X4 ≤ 0 relación de Cócteles Molotov/Rusos Negros No negatividad Xi ≥0 . 5  Solución: Datos de entrada para Solver Oswaldo Paul Rivadeneira Página: 110 . Brandy Lic. i = 1.Investigación Operativa I Programación Lineal Licores Whisky Vodka Verm.B.R. Verm.

Produce dos líneas de máquina pesada. está destinada a la industria maderera. ¿cuántas E-9 y F-9 deberán fabricar si la dirección de ProTrac desea maximizar la contribución del mes entrante a la ganancia ( es decir. tanto en el departamento A como en el departamento B. La gerencia tiene que recomendar ahora una meta de producción para el mes próximo. Es decir. llamada equipo de excavación. Cada producto pasa por las operaciones de maquinado. ProTrac. El margen de contribución unitaria de ProTrac es de $ 5. Empleando las proyecciones económicas correspondientes al siguiente mes. La otra línea.Investigación Operativa I Programación Lineal Datos de salida del Solver 54. Oswaldo Paul Rivadeneira Página: 111 . como la mayor de toda la línea del equipo de silvicultura (la F-9) son fabricadas en los mismos departamentos y con el mismo equipo. el gerente de Mercadotecnia de ProTrac ha considerado que durante ese período será posible vender todas las E-9 y F-9 que la compañía sea capaz de producir.Inc. denominada equipo de la silvicultura. Una de sus líneas de productos.000 por cada E-9 vendida y de $ 4. definido como los ingresos menos los costos variables) La toma de decisiones requiere la consideración de los siguientes factores importantes: a. el margen de contribución.000 por cada F-9 b. se utiliza de manera primordial en aplicaciones de construcción. Tanto la máquina más grande de la línea de excavación (la E-9).

Pag 69 Página: 112 Oswaldo Paul Rivadeneira . por lo cual tendrá que producirse por lo menos esa cantidad. las horas totales de trabajo invertidas el la prueba de productos terminados del siguiente mes no deben ser más allá del 10% inferior a una meta convenida de 150 horas. Restricciones (ecuaciones de restricción) 10(E-9) + 15(F-9) ≤ 150 20(E-9) + 10(F-9) ≤ 160 30(E-9) + 10(F-9) ≥ 135 1(E-9) . Estas pruebas se llevan a cabo en un tercer departamento y no tienen nada que ver con las actividades de los departamentos A y B. respectivamente. la alta gerencia ha decretado como política operativa: que deberá construirse cuando menos una F-9 por cada tres E-9 que sean fabricadas. Para la producción correspondiente al mes próximo. Uno de los principales distribuidores ha ordenado un total de cuando menos cinco E-9 y F-9 (en cualquier combinación) para el próximo mes.Investigación Operativa I Programación Lineal c.52 Resumen de datos: HORAS Maq. La fabricación de cada E-9 requiere 10 horas de maquinado en el departamento A y 20 horas en el departamento B. Para que la administración cumpla con el acuerdo concertado con el sindicato. Definición de variables (variables de decisión) E-9 = número de unidades de maquinas tipo E-9 F-9 = número de unidades de máquinas tipo F-9 2. E-9 10 20 30 Total disponible 150 160 135 (150-10%) Producir cuando menos 1 F-9 por cada 3 E-9: 1( E  9)  3( F  9) Formulación del modelo 1. A Dep. Prentice Hall. Cada E-9 es sometida a pruebas durante 30 horas y cada F-9 durante 10. f. F-9 15 10 10 Dep. Investigación de opresiones en la ciencia administrativa. e. Función objetivo Maximizar Z = 5000 E-9 + 4000 F-9 3. B Hora de prueba Maq. d. estos dos departamentos tiene tiempos disponibles de 150 y 160 horas.3(F-9) ≤ 0 1(E-9) + 1(F-9) ≥ 5 1(E-9) ≥ 0 1(F-9) ≥ 0 52 Eppen. Con el fin de mantener su posición actual en el mercado. mientras que cada F-9 requiere 15 horas horas en el departamento a y 10 en el B.

Investigación Operativa I Programación Lineal Solución gráfica: Solución matemática (analítica) Datos iniciales antes de aplicas SOLVER: Definiciones de datos para SOLVER y resolver: Oswaldo Paul Rivadeneira Página: 113 .

Investigación Operativa I Programación Lineal Resultados del modelo: Oswaldo Paul Rivadeneira Página: 114 .

T4 ≥ 0 (no negatividad) 53 Eppen. señalaremos aquí como A. deben cumplirse requerimientos mínimos en relación con tres elementos básicos que. El mineral extraído de cada una de las cuatro minas posee los tres elementos básicos. pero en cantidades distintas. La empresa Crawler Tread. Prentice Hall. cada tonelada de mineral deberá contener cuando menos cinco libras del elemento básico A.Investigación Operativa I Programación Lineal 55. Pag 97 Página: 115 Oswaldo Paul Rivadeneira . desea mezclar minerales de hierro de cuatro minas distintas para fabricar rodamientos destinados a un nuevo producto de Protrac: un tractor tipo oruga de tamaño mediano.53 Formulación del problema: 1. para simplificar. Restricciones 10 T1 + 3 T2 + 8 T3 + 2 T4 ≥ 5 (elemento A) 90 T1 + 150 T2 + 75 T3 + 175 T4 ≥ 100 (elemento B) 45 T1 + 25 T2 + 20 T3 + 37 T4 ≥ 30 (elemento A) T1 + T2 + T3 + T4 = 1 (balance) T1. 100 libras del elemento básico B y 30 libras del elemento básico C. Investigación de opresiones en la ciencia administrativa. Definición de variables T1 = fracción de toneladas T2 = fracción de toneladas T3 = fracción de toneladas T4 = fracción de toneladas de de de de la la la la mina 1 mina 2 mina 3 mina 4 2. En términos específicos. para producir una mezcla dotada de las cualidades de tracción adecuadas. B. Función objetivo Minimizar Z = 800 T1 + 400 T2 + 600 T3 + 500 T4 3. Estas composiciones expresadas en libras por tonelada. se enumeran en la siguiente tabla: Composiciones obtenidas de cada mina Elemento MINA (libras por tonelada de cada elemento) básico 1 2 3 4 A 10 3 8 2 B 90 150 75 175 C 45 25 20 37 Costo/tonelada de mineral $ 800 $ 400 $ 600 $ 500 El objetivo del administrador es descubrir una mezcla factible de costo mínimo. T3. el E-6. T2. C. diseñado especialmente para competir en el mercado europeo. Por medio del análisis se ha demostrado que .

Investigación Operativa I Programación Lineal Solución: para hoja de cálculo Datos originales: Resultados : Oswaldo Paul Rivadeneira Página: 116 .

La capacidad de la línea de producción del Astro es de 70 aparatos de TV por día. Actualmente se puede asignar 90 horas de trabajo al departamento B para la producción de ambos modelos. B X1 ≤ 70 capacidad de línea Astro X2 ≤ 50 capacidad de línea Cosmo  No negatividad Xi ≥0 . respectivamente. ¿cuál deberá ser el plan de producción por cada día (es decir. La capacidad de la línea Cosmo es de 50 televisores diarios. En este departamento se requiere una hora de trabajo para cada modelo Astro y dos horas de trabajo para cada modelo Cosmo. por cada televisor Astro y Cosmo. Prentice Hall. En el departamento A se fabrican los cinescopios. En la actualidad puede asignarse un máximo de 120 horas de trabajo diarias para la producción de ambos tipos de aparato en el departamento A. La contribución a las ganancias es de 20 y 10 dólares. una para cada modelo. Aquí se requiere una hora de trabajo para cada televisor Astro y también una hora para cada modelo Cosmo. A X1 + X2 ≤ 90 capacidad Dep. i = 1. Si la compañía sabe que puede vender todos los aparatos Astro y Cosmo que sea capaz de fabricar. e intervienen dos departamentos en la producción de cada modelo. la producción diaria) para cada modelo?54  Formulación del problema: Definición de variables X1 = número de unidades de TV Astro X2 = número de unidades de TV Cosmo   Función objetivo: Maximizar Z = 20X1 + 10X2 Restricciones X1 + 2X2 ≤ 120 capacidad Dep. 2 Solución GLP 54 Eppen. Investigación de opresiones en la ciencia administrativa. Hay dos líneas de producción. Pag 100 Página: 117 Oswaldo Paul Rivadeneira . el astro y el Cosmo. En el departamento B se construye el chasis. Una compañía (ASTRO Y COSMOS) fabricante de TV produce dos modelos de aparatos televisores.Investigación Operativa I Programación Lineal 56.

0 X1 + 1.0 : 1.0 X2 = 70.0.0 : 1.Investigación Operativa I Programación Lineal Payoff: 20.0 X2 = 1600.0X2 <= 90.0 X2 = 90.0 X1 + 0.0 X1 + 2.0 : 1.0X2 <= 120.0X2 <= 70.0 : 0.0X1 + 1.0 X2 = 120.0X1 + 1.0 : 1.0X1 + 0.0 0 5 10 15 20 25 30 35 40 45 50 55 60 65 70 75 80 85 90 95 100 X1 Optimal Decisions(X1.0 X1 + 10.0 : 1.0) : 1.0 X2 = 50.X2): (70.0 X1 + 1.0X1 + 2. 20.0 X2 40 38 36 34 32 30 28 26 24 22 20 18 16 14 12 10 8 6 4 2 0 : 0.0 Datos de entrada para solver Datos de salida del Solver Oswaldo Paul Rivadeneira Página: 118 .0X2 <= 50.

Limusa.0 1.5 1.5 1.0 1. Los requerimientos por unidad de producto en horas y contribución son los siguientes: Departamento Producto Cepillado Fresado Taladrado Ensamble Contr. E y F. De los muchos productos que fabrica la Arco Manufacturing Company.0 1.Investigación Operativa I Programación Lineal 57.0 1.0 3. Pag. fresado. Toma de Decisiones por medio de Investigación de Operaciones. D. 274 Página: 119 Oswaldo Paul Rivadeneira .0 0.5 2.0 2. así como los requerimientos mínimos de venta. Mínimos Venta 100 unidades 600 unidades 500 unidades 400 unidades Determínese la cantidad de los productos C. sólo los productos C.0 3.0 1. E y F pasan por los siguientes departamentos: cepillado.55  Formulación del problema Definición de variables X1 = Número de unidades X2 = Número de unidades X3 = Número de unidades X4 = Número de unidades del del del del producto producto producto producto C D E F 55 Thierauf. E y F. que tendrá que fabricar este mes para maximizar la contribución.5 0. D. taladrado y ensamble.0 $8 $9 $7 $6 Las capacidades disponibles en este mes para los productos C.0 0.0 1. son: Departamento Capacidad(horas) Cepillado Fresado Taladrado Ensamble 1800 2800 3000 6000 Producto C D E F Req. D./Unidad C D E F 0.

0X3 1.000 capacidad Cepillado capacidad Fresado capacidad Taladrado capacidad Ensamble venta de C venta de D venta de E venta de F  No negatividad Xi ≥0 .5X4 1.0X3 1.0X1 + 1.0X1 + 1.0X2 0.0X3 2. 4 Datos de entrada para el Solver Datos de salida del Solver Oswaldo Paul Rivadeneira Página: 120 .0X2 X1 ≥ 100 X2 ≥ 600 X3 ≥ 500 X4 ≥ 400 + + + + 1.5X1 + 0.000 6. i = 1.0X4 ≤ ≤ ≤ ≤ 1.800 2.0X3 + + + + 0.5X1 + 1.0X4 1.800 3.5X2 3.Investigación Operativa I Programación Lineal   Función objetivo: Maximizar Z = 8X1 + 9X2 + 7X3 +6X4 Restricciones 0.0X2 2.0X4 3.

Formule UD.000 inversión máxima de Gofer Crude 25X2 ≤ 25. como podemos apreciar en la siguiente tabla.56 RENDIMIENTO ANUAL ESTIMADO POR ACCION ($) 7 3 3 INVERSION MAXIMA POSIBLE ($) 60. A ese cliente le agradaría restringir una cartera a una mezcla de tres tipos de acciones únicamente. Prentice Hall. Investigación de opresiones en la ciencia administrativa. un PL para mostrar cuántas acciones de cada tipo tendría que comprar Willie con el fin de maximizar el rendimiento anual.000 ACCIONES Gofer Crude Can Oil Sloth Petroleum PRECIO POR ACCION($) 60 25 20 Formulación del problema:  Definición de variables X1 = Número de acciones de Gofer Crude X2 = Número de acciones de Can Oil X3 = Número de acciones de Sloth Petroleum   Función objetivo: Maximizar Z = 7X1 + 3X2 + 3X3 Restricciones 60X1 ≤ 60. Willie Hanes es el presidente de una microempresa de inversiones que se dedica a administrar las carteras de acciones de varios clientes.000 inversión máxima de Sloth Petroleum 60X1 + 25X2 + 25X3 ≤ 100.000 inversión máxima de Can Oil 20X3 ≤ 30. Pag 115 Página: 121 Oswaldo Paul Rivadeneira . i = 1.000.000 30. Un nuevo cliente ha solicitado que la compañía se haga cargo de administrar para él una cartera de $ 100. 3 Datos de entrada para Solver  56 Eppen.Investigación Operativa I Programación Lineal 58.000 inversión total No negatividad Xi ≥0 .000 25. Planificación financiera.

Investigación Operativa I

Programación Lineal

Datos de salida del Solver

59. Planificación de Cartera. Una compañía de inversiones tiene actualmente $ 10 millones disponibles para inversión. La meta que se ha trazado consiste en maximizar la retribución esperada durante el siguiente año. Sus cuatro posibilidades de inversión se presentan resumidas en la siguiente tabla. Además, la compañía ha especificado que cuando menos 30% de los fondos tendrán que colocarse en acciones ordinarias y bonos de la tesorería y que no más del 40% del dinero deberá invertirse en fondos del mercado y títulos municipales. Se invertirá la totalidad de los $ 10 millones actualmente a la mano. Formule un modelo de PL que indique a la empresa cuánto dinero debe invertir en cada instrumento.57 POSIBILIDAD DE INVERSION Bonos de Tesorería Acciones Ordinarias Mercado de Dinero Títulos Municipales
57

RETRIBUCION ESPERADA (%) 8 6 12 9

INVERSION MAXIMA (MILLONES DE $) 5 7 2 4

Eppen. Investigación de opresiones en la ciencia administrativa. Prentice Hall. Pag 117 Página: 122

Oswaldo Paul Rivadeneira

Investigación Operativa I

Programación Lineal

Formulación del problema  Definición de variables X1 = cantidad en dólares X2 = cantidad en dólares X3 = cantidad en dólares X4 = cantidad en dólares en en en en Bonos de Tesorería Acciones Ordinarias Mercado de Dinero Títulos Municipales

 

Función objetivo: Maximizar Z = 0.08X1 + 0.06X2 + 0.12X3 + 0.09X4 Restricciones X1 + X2 ≥ 0.30(X1 + X2 + X3 + X4) 0.70X1 + 0.70X2 – 0.30X3 – 0.30X4 ≥ 0 30% de inversión X3 + X4 ≤ 0.40(X1 + X2 + X3 + X4) -0.40X1 – 0.40X2 + 0.60X3 +0.60X4 ≤ 0 40% de inversión X1 ≤ 5’000.000 inversión en Bonos de Tesorería X2 ≤ 7’000.000 inversión en Acciones Ordinarias X3 ≤ 2’000.000 inversión en Mercado de Dinero X4 ≤ 4’000.000 inversión en Títulos Municipales X1 + X2 + X3 + X4 ≤ 10’000.000 inversión total No negatividad Xi ≥0 ; i = 1, 4

Datos de entrada para el Solver

Datos de salida del Solver

Oswaldo Paul Rivadeneira

Página: 123

Investigación Operativa I

Programación Lineal

60. Wood Walter es propietario de un pequeño taller de fabricación de muebles. En este taller fabrica tres tipos diferentes de mesas: A, B y C. Con cada mesa, se requiere determinado tiempo para cortar las partes que la constituyen, ensamblarlas y pintar la pieza terminada. Word podrá vender todas las mesas que consiga fabricar. Además, el modelo C puede venderse sin pintar. Word emplea a varias personas, las cuales trabajan en turnos parciales, por lo cual el tiempo disponible para realizar cada una de estas actividades es variable de uno a otro mes. A partir de los datos siguientes, formule UD. un modelo de programación lineal que ayude a Word a determinar la mezcla de productos que le permitirá maximizar sus ganancias en el próximo mes.58 Modelo A B C C sin pintar Capacidad Corte (hrs) 3 1 4 4 150 Montaje (hrs) 4 2 5 5 200 Pintura (hrs) 5 5 4 0 300 Ganancia por mesa ($) 25 20 50 30

Solución al problema  Definición de variables X1 = Cantidad de mesas Modelo A X2 = Cantidad de mesas Modelo B X3 = Cantidad de mesas Modelo C X4 = Cantidad de mesa Modelo C sin pintar   Función objetivo: Maximizar Z = 25X1 Restricciones 3X1 + X2 + 4X3 + 4X4 ≤ 150 4X1 + 2X2 + 5X3 + 5X4 ≤ 200 5X1 + 5X2 + 4X3 + 0X4 ≤ 300 + 20X2 + 50X3 + 30X4 horas en Corte horas en Montaje horas en Pintura

58

Eppen. Investigación de opresiones en la ciencia administrativa. Prentice Hall. Pag 114 Página: 124

Oswaldo Paul Rivadeneira

¿qué cantidad de cada producto en grano deberá incluirse en el alimento de los perros a fin de minimizar los costos de Douglas? (Nota: 16 onzas = 1 libra)59 PRODUCTO EN GRANO A B C COSTO POR LIBRA($) 0.38 0. Prentice Hall.27 PROTEINAS (%) 62 55 36 CARBOHIDRATOS (%) 5 10 20 GRASAS (%) 3 2 1 Solución del problema 59 Eppen. con lo cual se obtiene una dieta bien balanceada para los canes.Investigación Operativa I Programación Lineal No negatividad Xi ≥0 . i = 1.45 0. ofrece alojamiento en plan de pensión para mascotas. Investigación de opresiones en la ciencia administrativa. 1 onza de carbohidratos y no más de 0. Starr. Si Douglas quiere asegurarse de que cada uno de sus perros ingiera diariamente cuando menos 8 onzas de proteínas. Douglas E. La información sobre los tres productos se muestra en la siguiente tabla. 4 Datos de entrada para Solver  Datos de salida del Solver 61. administrador de la perrera Heavenly Hound Kennels.5 onzas de grasas. Pag 115 Página: 125 Oswaldo Paul Rivadeneira . La comida de los perros alojados en la perrera se prepara mezclando tres productos granulados. Inc.

0625 por carbohidratos 0.27X3 Restricciones 0. 3    Datos de entrada para Solver Datos de salida del Solver 62. McNaughton puede vender toda la salsa que elabore.03X1 + 0. Inc.01X3 ≤ 0.Investigación Operativa I Programación Lineal  Definición de variables X1 = Cantidad en libras de producto A X2 = Cantidad en libras del producto B X3 = Cantidad en libras del producto C Función objetivo: Minimizar Z = 0.05X1 + 0. i = 1.20X3 ≥ 0. Esta salsa de hacen mezclando dos ingrediente.10X2 + 0. Formule un modelo de programación Oswaldo Paul Rivadeneira Página: 126 .5 por proteínas 0. así como la información de ingresos y costos. McNaughton. Los porcentajes permisibles.38X2 + 0. Se permite cierto nivel de flexibilidad en las fórmulas de estos productos.55X2 + 0.03125 por grasas No negatividad Xi ≥0 . Es posible comprar hasta 40 litros de A y 30 de B.45X1 + 0. Produce dos salsas para carne: Spicy Diablo y Red Baron (la más suave). aparecen en la siguiente tabla.36X3 ≥ 0.62X1 + 0.02X2 + 0. A y B.

Investigación Operativa I Programación Lineal lineal cuyo objetivo sea maximizar las ganancias netas obtenidas por la venta de estas salsas.59(X3 + X4) Z = 1.26X4 Restricciones X1 ≥ 0. Prentice Hall.50(X1 + X3) -0.85(X2 + X4) – 1.75X1 + 0.35(X1 + X3) + 2.59 * no existe un porcentaje máximo o mínimo explícito Solución del problema  Definición de variables X1 = Cantidad de litros X2 = Cantidad de litros X3 = Cantidad de litros X4 = Cantidad de litros  INGREDIENTE PRECIO DE VENTA POR LITRO 3.76X2 + 1. i = 1. Investigación de opresiones en la ciencia administrativa.25X3 ≥ 0 X2 ≤ 0.75X1 – 0.75X4 ≤ 0 X3 ≥ 0.35 2.60 2. Pag 115 Página: 127 Oswaldo Paul Rivadeneira .60 SALSA A B Spicy Diablo Cuando menos 25% Cuando menos 50% Red Baron Cuando mucho 75% * Costo por litro 1.25(X1 + X3) 0.25X2 – 0.75(X2 + X4) 0.50X3 ≥ 0 X1 + X2 ≤ 40 X3 + X4 ≤ 30 No negatividad Xi ≥0 .6(X1 + X2) – 2.85 de de de de ingrediente ingrediente ingrediente ingrediente A para A para B para B para Salsa Spicy Diablo Salsa Red Baron Salsa Spicy Diablo Salsa Red Baron Función objetivo: Maximizar Z = 3. 4  contenido de A en la salsa Spicy contenido de A en la salsa Red contenido de B en la salsa Spicy máxima compra de litros de A máxima compra de litros de B  Datos para entrada del Solver 60 Eppen.50X1 + 0.25X3 + 0.

Investigación de opresiones en la ciencia administrativa. Los ingredientes no utilizados podrán venderse en el mercado. Los precios actuales son: HB01.Investigación Operativa I Programación Lineal Salida del Solver 63. El departamento de mercadotecnia informa que la compañía puede vender todo el pimentón que sea capaz de producir. Prentice Hall. $0. $0.25 2. En la siguiente tabla se ofrece información adicional. La Corey Ander’s Spice Company dispone de una cantidad limitada de tres ingredientes que se utiliza para producción de condimentos. HB03. HB02. Los precios están expresados en $/onza. Corey emplea los tres ingredientes (HB01.75 Cúrcuma Pimentón Disponibilidad 61 Eppen.61 INGREDIENTES (ONZ/BOTELLA) HB01 HB02 HB03 4 2 1 3 2 3 DEMANDA (BOTELLAS) 1700 ilimitada PRECIO VENTA /BOTELLA 3. Corey ha firmado un contrato para suministrar 600 botellas de pimentón a Wal-Mart. Además.55.60. Formule el problema de Corey como un modelo de programación lineal para maximización de ingresos. $0. Pag 115 Página: 128 Oswaldo Paul Rivadeneira . pero solamente se puede vender un máximo de 1700 botellas de cúrcuma.70. HB02 y HB03) para la elaboración de cúrcuma y pimentón.

95X2  Restricciones 4X1 + 3X2 ≤ 8000 por onzas de HB01 2X1 + 2X2 ≤ 9000 por onzas de HB02 1X1 + 3X2 ≤ 7000 por onzas de HB03 X1 ≤ 1.0X2 <= 8000.0 X1 + 3. 2 Solución GLP : 2.0X2 <= 7000.0X2 <= 9000.0X2 <= 1700.0X1 + 0.55(7000 – X1 – 3X2) Z = 14.75X2 + 0.0X1 + 2.0 X1 + 2.0 X2 = 9000.25X1 + 2.1 X1 + 2.0 X2 = 7000.0 : 0.0 X2 = 8000.X2): ( 0.950 – 5.0 : 0. 600.45X1 – 6.Investigación Operativa I Programación Lineal (onzas) 8000 9000 7000 Solución del problema  Definición de variables X1 = Cantidad de botellas de Cúrcuma X2 = Cantidad de botellas de Pimentón  Función objetivo Maximizar Z = 3.0 X2 = 600.0 : 2.0 : 1.0.0X2 >= 600.0 X2 1701 1621 1541 1461 1381 1301 1221 1141 1061 981 901 821 741 661 581 501 421 341 261 181 101 : 4.0) : 4.700 botellas de Cúrcuma X2 ≥ 600 contrato para Pimentón  No negatividad Xi ≥ 0.0X1 + 3.0 X1 Datos de entrada para el Solver Oswaldo Paul Rivadeneira Página: 129 . i = 1.0 X2 = 1700.1 X2 = 1260.0 X1 + 0.0 : 1.0 0 90180 270 360 450 540 630 720 810 900 990 1080 1170 1260 1350 1440 1530 1620 1710 1800 Optimal Decisions(X1.0 : 1.0X1 + 1.70(9000 – 2X1 – 2X2) + 0.60(8000 – 4X1 – 3X2) + 0.0 Payoff: 1.0X1 + 3.0 X1 + 1.0 X1 + 3.0 : 1.

ha planeado aplicar fertilizante al césped del área cuadrangular a principios de la primavera.Investigación Operativa I Programación Lineal Salida del Solver 64. Ese prado necesita por lo menos las cantidades de nitrógeno. superintendente de los edificios y del terreno circundante de la Universidad Gótica. Formule un modelo de PL que determine la cantidad de Oswaldo Paul Rivadeneira Página: 130 . fósforo y potasio que figuran en la siguiente tabla: MINERAL Nitrógeno Fósforo Potasio PESO MINIMO(LIBRAS) 10 7 5 Hay tres tipos de fertilizante comercial disponibles. Guy puede comprar cualquier cantidad de cualquiera de los fertilizantes que quiera y combinarlos antes de aplicarlos al césped. los análisis y precios por 1000 libras se enlistan en la siguiente tabla. Guy Chung.

Investigación de opresiones en la ciencia administrativa. i = 1.62 Fertilizante I II III Contenido de nitrógeno (lib) 25 10 5 Contenido de Contenido de fósforo (lib) potasio (lib) 10 5 5 10 10 5 Precio ($) 10 8 7 Solución del problema  Definición de variables X1 = Miles de libras de Fertilizante I X2 = Miles de libras de Fertilizante II X3 = Miles de libras de Fertilizante III   Función objetivo: Minimizar Z = 10X1 + 8X2 + 7X3 Restricciones 25X1 + 10X2 + 5X3 ≥ 10 contenido de nitrógeno 10X1 + 5X2 + 10X3 ≥ 7 contenido de fósforo 5X1 + 10X2 + 5X3 ≥ 5 contenido de potasio  No negatividad Xi ≥ 0. 3 Datos de entrada para el Solver Datos de salida del Solver 62 Eppen. Pag 116 Página: 131 Oswaldo Paul Rivadeneira . Prentice Hall.Investigación Operativa I Programación Lineal cada fertilizante que debe comprar para satisfacer los requerimientos con un costo mínimo.

mientras que la segunda produce 2 toneladas diarias de material de alta calidad. i = 1. Prentice Hall. La Ebel Mining Company es propietaria de dos minas que producen cierto tipo de mineral. 2 mineral de alta calidad mineral de calidad mediana mineral de baja calidad máximo tiempo 1 semana (5 días)    63 Eppen. 8 toneladas de calidad mediana y 24 toneladas de calidad baja. presentan diferencias en sus capacidades de producción y en la calidad de su mineral. Después de ser molido el mineral se clasifica en tres clases dependiendo de la calidad: alta. en consecuencia. Investigación de opresiones en la ciencia administrativa. 2 toneladas de mediana y 4 toneladas de baja. Pag 116 Página: 132 Oswaldo Paul Rivadeneira . Dichas minas está localizadas en distintas partes del país y.000 la segunda. Media y baja. Sin embargo en un día de operación la primera mina produce 6 tonelada de mineral de alta calidad. Ebel ha sido contratada para suministrar semanalmente a la planta de fundición de su compañía matriz 12 toneladas de mineral de alta calidad.Investigación Operativa I Programación Lineal 65.000 diarios operar la primera mina y $ 16. ¿Cuántos días a la semana tendrá que funcionar cada mina para cumplir los compromisos de Ebel de la manera más económica posible? (En este caso resulta aceptable programar la operación de las minas en fracciones de día)63 Solución del problema  Definición de variables X1 = Número de días a la semana (fracción de semana) de trabajo de la Mina 1 X2 = Número de días a la semana (fracción de semana) de trabajo de la Mina 2 Función objetivo: Minimizar Z = 20X1 + 16X2 miles de dólares Restricciones 6X1 + 2X2 ≥ 12 2X1 + 2X2 ≥ 8 4X1 + 12X2 ≥ 24 X1 + X2 = 5 No negatividad Xi ≥ 0. 2 de mediana y 12 de baja. A Ebel le cuesta $ 20.

0X2 >= 12.0X1 + 2.0 4 : 1.0 X2 = 24.0X1 + 12.0 X2 = 8.X2): ( 1. Producción mineral mediana c.0 X1 + 2.0X1 + 1. Tiempo máximo una semana UTILIZADO 8 4 16 2 ≥ ≥ ≥ ≤ Datos de salida del Solver Mina 1 Mina 2 1 3 MIN 20000 16000 68000 Producción en Días de la semana Costo diario de operación Oswaldo Paul Rivadeneira Página: 133 .0 2 : 2.0 6 8 10 Optimal Decisions(X1.0 : 1.0 0 0 2 4 : 4.0 X1 + 2.0) : 6.0X2 >= 24. Producción mineral baja c.0 X1 + 1.0.0X2 >= 8. 3.0 X2 = 68.0 X1 + 12.0 : 4.0 X2 = 12.Investigación Operativa I 8 Programación Lineal Solución GLP 6 : 6.0 Payoff: 20.0 : 2.0 Datos de entrada para Solver PRODUCCION DE MINERALES EN EBEL MINING COMPANY Mina Mina 1 2 1 1 MIN 20000 16000 36000 USO DE RECURSOS 6 2 4 1 2 2 12 1 NO LIMITE UTILIZADO 12 -4 8 -4 24 -8 5 3 Producción en Días de la semana Costo diario de operación RESTRICCIONES Producción mineral alta c.0X1 + 2.0X2 <= 5.0 X2 = 5.0 X1 + 16.

2000 ≥ 0 producción de automóviles sedan 8X2 – 3000 ≥ 0 producción de camionetas 11X3 – 7000 ≥ 0 producción de automóviles deportivos x1 ≥ 100 cantidad de automóviles sedan x2 ≥ 200 cantidad de camionetas X3 ≥ 300 cantidad de automóviles deportivos No negatividad Xi ≥ 0. Producción mineral mediana c. La Sally Solar Car CO. Ella desea planear la producción de manera que pueda alcanzar el punto de equilibrio con la mayor rapidez posible.. es decir. 3  64 Eppen. Producción mineral baja c.000 11.64 Solución del problema:  Definición de variables X1 = cantidad de automóviles Sedan X2 = cantidad de Camionetas X3 = Cantidad de automóviles Deportivos   Función objetivo: Tiempo Mínimo Z = 12X1 + 15X2 + 24X3 Restricciones 6X1 . quiere asegurarse que el margen total de contribución sea igual al total de costos fijos y que los costos variables de producción sean mínimos. Tiempo máximo una semana 6 2 4 1 UTILIZADO 2 12 2 12 1 8 40 4 ≥ ≥ ≥ ≤ NO LIMITE UTILIZADO 12 9.000 MODELO Sedan Camioneta Deportivo Rally ha recibido recientemente pedidos por un total de 100 automóviles sedan.000 7. 200 camionetas y 300 automóviles deportivos. deportivos y camionetas. Prentice Hall.000 VARIABLE DE PRODUCCION TIEMPO(HRS) 12 15 24 COSTOS FIJOS ($) 2.000 3.000.000 8. Pag 116 Página: 134 Oswaldo Paul Rivadeneira . Deberá atender todos estos pedidos.000. Investigación de opresiones en la ciencia administrativa. i = 1.32E-12 8 24 5 9. tiene una planta que fabrica automóviles sedán.32E-12 16 1 66.000.Investigación Operativa I Programación Lineal RESTRICCIONES Producción mineral alta c. costos variables y costos fijos correspondientes a la manufactura de estos vehículos se presentan en la siguiente tabla: CONTRIBUCION A LAS GANANCIAS ($) 6. Formule este problema como un modelo de programación lineal y resuélvalo. Los precios de venta.

Pag 117 Página: 135 Oswaldo Paul Rivadeneira . Investigación de opresiones en la ciencia administrativa. 210X1 ≥ 150000   65 Eppen. Formule el modelo de PL para minimizar los costos y resuélvalo. Prentice Hall. Reese Eichler.000 700 360 240.65 Producto Umidaire Depollinator  Precio de venta Costos variables Costos fijos ($) por unidad ($) por unidad ($) 450 240 150. produce dos tipos de unidades. fabricante de equipo complementario para filtración del aire. La compañía Resse ha sido contratada para suministrar 500 Umidaire y desea calcular las cantidades del punto de equilibrio de ambos tipos de unidad.Investigación Operativa I Programación Lineal Entrada de datos para Solver Salida del Solver 67. el Umidaire y el Depollinator.000 Definición de variables X1 = Cantidad de unidades de Umidaire X2 = Cantidad de unidades de Depollinator Función objetivo: Minimizar Z = 240X1 + 360X2 Restricciones 450X1 – 240X1 – 150000 ≥ 0 . Los datos referentes a los precios de venta y a los costos aparecen en la siguiente tabla.

3.0 X2 = 500.0X2 >= 150000.0 X2 = 240000.0 X1 + 0.0 X2 = 150000.0 : 0.0 X1 + 340.0X2 >= 240000. 340X2 ≥ 240000 X1 ≥ 500 No negatividad Xi ≥ 0.0X1 + 0.2 X2 1000 950 900 850 800 750 700 650 600 550 500 450 400 350 300 250 200 150 100 50 0 0 50 : 1.9 Datos de entrada Solver Salida Solver Oswaldo Paul Rivadeneira Página: 136 .Investigación Operativa I Programación Lineal  700X2 – 360X2 – 240000 ≥ 0 .X2): (714. 2 Solución GLP : 210.0X1 + 340.0X1 + 0.0 X1 + 360.0 X1 + 0. 705.0X2 >= 500.0 Payoff: 240.9) : 210.0 X2 = 425546.0 100 150 200 250 300 350 400 450 500 550 600 650 700 750 800 850 900 950 1000 X1 Optimal Decisions(X1. i = 1.0 : 1.0 : 0.0 Punto de equilibrio x1 > 500 y x2 > 705.

en cualquiera de esas fincas puede crecer cualquier combinación de cultivos. como se indica en la siguiente tabla. la política de la administración recomienda que el porcentaje de hectáreas plantadas deberá ser igual para todas las granjas. HECTAREAS UTILES 500 900 300 700 HORAS DE TRABAJO DISPONIBLES POR MES 1700 3000 900 2200 GRANJA 1 2 3 4 La organización está considerando la opción de plantar tres cultivos distintos.Investigación Operativa I Programación Lineal 68. Con la finalidad de mantener una carga de trabajo más o menos uniforme entre las distintas granjas. HECTAREAS MAXIMAS 700 800 300 HORAS MENSUALES DE TRABAJO POR HECTAREA 2 4 3 GANACIAS ESPERADAS POR HECTAREA ($) 500 200 300 CULTIVO A B C Además. siempre y cuando se satisfagan todas las restricciones (incluido el requerimiento de la carga de trabajo sea uniforme). Los datos correspondientes a la próxima temporada aparecen en la siguiente tabla. Una compañía opera cuatro granjas. Las diferencias principales entre estos cultivos son las ganancias esperadas por hectárea y la cantidad de mano de obra que cada uno requiere. Sin embargo. Cada una de las granjas tiene cierta cantidad de hectáreas útiles y de horas de trabajo para plantar y cuidar la cosecha. el total de las hectáreas que pueden ser dedicadas a cualquier cultivo en particular están limitadas por los requerimientos asociados por concepto de equipo de ciega. cuyos grados de productividad son comparables. La administración desea saber cuantas hectáreas de cada cultivo tendrá que Oswaldo Paul Rivadeneira Página: 137 .

4 i = Cultivo. Investigación de opresiones en la ciencia administrativa. G1 y G4   No negatividad Xij ≥ 0. G1 y G3 = 0 Distr.66  Definición de variables X11 = Cantidad de Ha del X12 = Cantidad de Ha del X13 = Cantidad de Ha del X14 = Cantidad de Ha del X21 = Cantidad de Ha del X22 = Cantidad de Ha del X23 = Cantidad de Ha del X24 = Cantidad de Ha del X31 = Cantidad de Ha del X32 = Cantidad de Ha del X33 = Cantidad de Ha del X34 = Cantidad de Ha del Cultivo Cultivo Cultivo Cultivo Cultivo Cultivo Cultivo Cultivo Cultivo Cultivo Cultivo Cultivo A A A A B B B B C C C C en en en en en en en en en en en en la Granja 1 la Granja 2 la Granja 3 la Granja 4 la Granja 1 la Granja 2 la Granja 3 la Granja 4 la Granja 1 la Granja 2 la Granja 3 la Granja 4   Función objetivo: Maximizar Z = 500X11 + 500X12 + 500X13 + 500X14 + 200X21 + 200X22 + 200X23 + 200X24 + 300X31 + 300X32 + 300X33 + 300X34 Restricciones X11 + X21 + X31 ≤ 500 Ha de cultivo en Granja 1 X12 + X22 + X32 ≤ 900 Ha de cultivo en Granja 2 X13 + X23 + X33 ≤ 300 Ha de cultivo en Granja 3 X14 + X24 + X34 ≤ 700 Ha de cultivo en Granja 4 2X11 + 4X21 + 3X31 ≤ 1700 Horas de trabajo en Granja 1 2X12 + 4X22 + 3X32 ≤ 3000 Horas de trabajo en Granja 2 2X13 + 4X23 + 3X33 ≤ 900 Horas de trabajo en Granja 3 2X14 + 4X24 + 3X34 ≤ 2200 Horas de trabajo en Granja 4 X11 + X12 + X13 + X14 ≤ 700 Ha de cultivo A X21 + X22 + X23 + X24 ≤ 800 Ha de cultivo B X31 + X32 + X33 + X34 ≤ 300 Ha de cultivo C Cumplimiento de distribución uniforme 500 900 300   X 11  X 21  X 31 X 12  X 22  X 32 X 13  X 23  X 33 900(X11 + X21 + X31) – 500(X12 + X22 + X32) 500(X13 + X23 + X33) – 300(X11 + X21 + X31) 700(X11 + X21 + X31) – 500(X14 + X24 + X34) 700 X 14  X 24  X 34 = 0 Distr. Prentice Hall. j = Granja Entrada de datos para Solver 66 Eppen. j = 1.Investigación Operativa I Programación Lineal plantar en sus respectivas granjas. i = 1. G1 y G2 = 0 Distr. A fin de maximizar las ganancias esperadas. 3. Pag 117 Página: 138 Oswaldo Paul Rivadeneira .

las cosechas 2 y 3 en conjunto deberán constituir cuando menos 75% de la mezcla de A y cuando menos 35% de la mezcla C. mientras que la mezcla B deberá contener por lo menos 10% de la cosecha 2 y a lo sumo 35% de la cosecha 4. junto con ciertas restricciones sobre los porcentajes incluidos en la composición de las tres mezclas. La administración de un viñedo desea combinar cuatro cosechas distintas para producir tres tipos distintos de vinos en forma combinada. Las existencias de las cosechas y los precios de venta de los vinos combinados se muestran en la siguiente tabla.Investigación Operativa I Programación Lineal Salida Solver 69. Se podrá vender cualquier cantidad Oswaldo Paul Rivadeneira Página: 139 . En particular. Además. la mezcla A deberá contener cuando menos el 8% de la cosecha 4.

Pag 118 Página: 140 Oswaldo Paul Rivadeneira . 4. Investigación de opresiones en la ciencia administrativa. B y C.35(X12 + X22 + X32 + X42) cuando mucho el 35% en B X23 + X33 ≥ 0.35(X13 + X23 + X33 + X43) por lo menos 35% de 2 y 3 en C X11 + X12 + X13 ≤ 130 máximo de galones de cosecha 1 X21 + X22 + X23 ≤ 200 máximo de galones de cosecha 2 X31 + X32 + X33 ≤ 150 máximo de galones de cosecha 3 X41 + X42 + X43 ≤ 350 máximo de galones de cosecha 4  No negatividad Xij ≥ 0.75(X11 + X21 + X31 + X41) por lo menos 75% de 2 y 3 en A X41 ≥ 0. Prentice Hall. Formule un modelo PL que aproveche de mejor forma las cosechas disponibles y resuélvalo.08(X11 + X21 + X31 + X41) cuando menos el 8% en A X22 ≥ 0.67 Cosecha 2 3 4 cuando menos 75% 2 Y 3 cuando en cualquier proporción menos 8% cuando menos * cuando 10% mucho 35% Cuando menos 35% 2 y 3 * en cualquier proporción 200 150 350 Precio de venta/galón 80 50 35 Mezcla A B C 1 * * * Existencias 130 (galones) * indica que no existe restricción alguna  Definición de variables X11 = Cantidad de galones X12 = Cantidad de galones X13 = Cantidad de galones X21 = Cantidad de galones X22 = Cantidad de galones X23 = Cantidad de galones X31 = Cantidad de galones X32 = Cantidad de galones X33 = Cantidad de galones X41 = Cantidad de galones X42 = Cantidad de galones X43 = Cantidad de galones de de de de de de de de de de de de vino vino vino vino vino vino vino vino vino vino vino vino de de de de de de de de de de de de la la la la la la la la la la la la cosecha cosecha cosecha cosecha cosecha cosecha cosecha cosecha cosecha cosecha cosecha cosecha 1 1 1 2 2 2 3 3 3 4 4 4 para para para para para para para para para para para para mezcla mezcla mezcla mezcla mezcla mezcla mezcla mezcla mezcla mezcla mezcla mezcla A B C A B C A B C A B C  Función Objetivo Maximizar Z= 80X11 + 80X21 + 80X31 + 80X41 + 50X12 + 50X22 + 50X32 + 50X42 + 35X13 + 35X23 + 35X33 + 35X43  Restricciones X21 + X31 ≥ 0. j = 1.Investigación Operativa I Programación Lineal que se elabore de las mezclas A.10(X12 + X22 + X32 + X42) cuando menos el 10% en B X42 ≤ 0. 3 67 Eppen. i = 1.

j = Mezcla Datos de entrada para Solver Salida del Solver Oswaldo Paul Rivadeneira Página: 141 .Investigación Operativa I Programación Lineal i = Cosecha.

You're Reading a Free Preview

Descarga
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->