Documentos de Académico
Documentos de Profesional
Documentos de Cultura
C) Problemas de Programacion Lineal Resueltos
C) Problemas de Programacion Lineal Resueltos
1 2
2X X
Investigacin Operativa I Programacin Lineal
Oswaldo Paul Rivadeneira Pgina: 63
X2 0 (no negatividad)
Datos de entrada para Solver
Datos de salida del Solver
Solucin: opcin a)
Solucin a) b) c) d) e)
Z max 1.440 1.440 144 1.440 1.044
X1 16 32 16 15 32
X2 32 16 26.667 25 16.667
32. La Kenmore Corporation, un fabricante progresista de mecanismos civiles y
militares, fabrica actualmente una lnea de armas para civiles, con una produccin
actual diaria de 30 unidades del modelo Z-1200 y de 120 unidades del modelo Z-
1500. El vicepresidente de manufactura quiere saber si podra aumentarse las
ganancias cambiando la mezcla de productos entre los dos modelos. Se compil la
Investigacin Operativa I Programacin Lineal
Oswaldo Paul Rivadeneira Pgina: 64
siguiente informacin sobre las horas requeridas para la fabricacin de cada
modelo y las capacidades de los departamentos de la fbrica.
30
Departamentos
Horas-Hombre requeridas Capacidad
Departamental (horas
diarias)
Modelo Z-
1200
Modelo Z-
1500
Dep. 1
Dep. 2
Dep. 5
Dep. 4
2
0
2
1 1/5
0
3
2
1 1/2
300
540
440
300
Contribucin
por unidad
$ 50
$ 40
Formulacin del problema:
X1 = Cantidad de unidades del modelo Z-1200
X2 = Cantidad de unidades del modelo Z-1500
Funcin Objetivo: Maximizar Z = 50 X1 + 40 X2
Restricciones:
2 X1 + 0 X2 300 por Dep. 1
0 X1 + 3 X2 540 por Dep. 2
2 X1 + 2 X2 440 por Dep. 5
1.2 X1 + 1.5 X2 300 por Dep. 4
No negatividad:
X i 0; i = 1, 2
Solucin grfica por computador (usando el GLP)
30
Robert J. Thierauf y Richard A. Grosse. Toma de decisiones por medio de Investigacin de
Operaciones. Limusa. Pag 273
Investigacin Operativa I Programacin Lineal
Oswaldo Paul Rivadeneira Pgina: 65
Solucin con SOLVER:
Datos de entrada
Investigacin Operativa I Programacin Lineal
Oswaldo Paul Rivadeneira Pgina: 66
Datos de salida:
Produccin Actual: Z = 50(30) + 40(120) = $ 6.300
Produccin Nueva: Z = 50(150) + 40(70) = $ 10.300
Aumenta las ganancias en: 10.300 6.300 = $ 4.000
Respuestas mltiples: respuesta correcta d)
a) aumenta las ganancias en $ 3.000
b) aumenta las ganancias en $ 6.300
c) aumenta las ganancias en $ 10.300
d) aumenta las ganancias en $ 4.000
e) no aumenta las ganancias
Investigacin Operativa I Programacin Lineal
Oswaldo Paul Rivadeneira Pgina: 67
33. Reddy Mikks produce pinturas tanto para interiores como para exteriores a partir
de dos materias primas, M1 y M2. La siguiente tabla proporciona los datos bsicos
del problema:
Toneladas de materia prima
por tonelada de
Disponibilidad
mxima diaria
en toneladas
Pintura para
exteriores
Pintura para
interiores
Materia prima, M1
Materia prima, M2
6
1
4
2
24
6
Utilidad por
tonelada
(1000 dlares)
$ 5
$ 4
Una encuesta de mercado restringe la demanda mxima diaria de pintura para
interiores a 2 toneladas. Adems la demanda diaria de pintura para interiores
no puede exceder a la de pintura para exteriores por ms de 1 tonelada.
Reddy Mikks quiere determinar la mezcla de producto ptima (la mejor) de
pinturas para interiores y para exteriores que maximice la utilidad diaria
total.
31
Formulacin del problema:
Definicin de variables:
X1 = Nmero de toneladas de Pintura para Exteriores
X2 = Nmero de toneladas de Pintura para Interiores
Funcin objetivo: Maximizar Z = 5.000 X1 + 4.000 X2
Restricciones
6 X1 + 4 X2 24 por disp. Materia prima M1
1 X1 + 2 X2 6 por disp. Materia prima M2
0 X1 + 1 X2 2 mximo diario de pint. Int.
-1X1 + 1 X2 1 demanda diaria
No negatividad:
X i 0; i = 1, 2
31
Handy A. Taha. Investigacin de Operaciones. Una Introduccin. Prentice Hall. Pag. 11
Investigacin Operativa I Programacin Lineal
Oswaldo Paul Rivadeneira Pgina: 68
Solucin grfica por computador (usando el GLP)
Solucin con SOLVER:
Datos de entrada
Datos de salida:
Investigacin Operativa I Programacin Lineal
Oswaldo Paul Rivadeneira Pgina: 69
Solucin:
Producir diariamente 3 toneladas de pintura para exteriores y 1.5 toneladas de
pintura para interiores, para producir una ganancia mxima de $ 21.000,00
Solucin mltiple: respuesta correcta c)
Rubro
Respuestas
a b c d e
Pint. Ext (ton) 1.5 3.0 3.0 1.5 3.5
Pint. Int (ton) 3.0 1.5 1.5 1.5 2.0
Ganan. max.($) 21.000 20.000 21.000 20.000 21.000
34. Ozark Farms utiliza diariamente 800 libras de alimento especial. El alimento
especial es una mezcla de maz y semilla de soya, con las siguientes
composiciones:
Libra por libra de alimento
para ganado
Costo (/libra)
Protenas Fibra
Maz
Semilla de Soya
0.09
0.60
0.02
0.06
0.30
0.90
Los requerimientos dietticos diarios del alimento especial estipulan que por lo
menos un 30% de protenas y cuando mucho un 5% de fibra. Ozark Farms desea
determinar el costo mnimo diario de la mezcla de alimento.
32
Formulacin del problema:
Definicin de variables:
X1 = Cantidad de libras de Maz
X2 = Cantidad de libras de Semilla de Soya
32
Handy A. Taha. Investigacin de Operaciones. Una Introduccin. Prentice Hall. Pag. 18
Investigacin Operativa I Programacin Lineal
Oswaldo Paul Rivadeneira Pgina: 70
Funcin Objetivo: Minimizar Z = 0.30 X1 + 0.90 X2
Restricciones:
0.09 X1 + 0.60 X2 0.30*(X1 + X2) por protenas
0.02 X1 + 0.06 X2 0.05*(X1 + X2) por fibra
X1 + X2 800 produccin
No negatividad:
X i 0; i = 1, 2
Solucin grfica por computador (usando el GLP)
Solucin con SOLVER:
Investigacin Operativa I Programacin Lineal
Oswaldo Paul Rivadeneira Pgina: 71
Datos de entrada
Datos de Salida:
Solucin:
470.59 libras de maz,
329.41 libras de semilla de soya
costo mnimo del alimento: 437.65 por da.
Solucin mltiple: respuesta correcta b)
a) $ 457.65 por da
b) $ 437.65 por da
c) $ 417.65 por da
d) $ 517.65 por da
e) $ 537.65 por da
35. Jack es un estudiante emprendedor de primer ao de la UTE. Comprende que
slo el trabajo y nada de diversin hacen de Jack un muchacho aburrido.
Como resultado de esto, Jack quiere distribuir su tiempo disponible, de
alrededor de 10 horas al da, entre el trabajo y la diversin. Calcula que el juego
es dos veces ms divertido que el trabajo. Tambin quiere estudiar por lo
menos tanto como juega. Sin embargo, Jack comprende que si quiere terminar
todas sus tareas universitarias, no puede jugar ms de cuatro horas al da.
Investigacin Operativa I Programacin Lineal
Oswaldo Paul Rivadeneira Pgina: 72
Cmo debe distribuir Jack su tiempo para maximizar su satisfaccin tanto en el
trabajo como en el juego?
33
Formulacin del problema:
Definicin de variables
X1 = nmero de horas de juego
X2 = nmero de horas de trabajo
Funcin 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 lmite de juego
No negatividad
Xi 0; i= 1, 2
Solucin GLP
Datos de Entrada Solver
33
Handy A. Taha. Investigacin de Operaciones. Una Introduccin. Prentice Hall. Pag. 18
X2
X1
: 1.0 X1 + 1.0 X2 = 10.0 : 1.0 X1 - 1.0 X2 = 0.0 : 1.0 X1 + 0.0 X2 = 4.0 Payoff: 2.0 X1 + 1.0 X2 = 14.0
Optimal Decisions(X1,X2): ( 4.0, 6.0)
: 1.0X1 + 1.0X2 <= 10.0
: 1.0X1 - 1.0X2 <= 0.0
: 1.0X1 + 0.0X2 <= 4.0
Investigacin Operativa I Programacin Lineal
Oswaldo Paul Rivadeneira Pgina: 73
Datos de Salida Solver
Juega cuatro horas y trabaja 6 horas.
Solucin mltiple: respuesta correcta d)
Rubro
Respuestas
a b c d e
Juega 1.5 3.0 3.0 4.0 6.0
Trabaja 3.0 6.0 6.0 6.0 2.0
Satisfaccin max 14.0 20.0 14.0 14.0 21.000
36. John debe trabajar por lo menos 20 horas a la semana para completar su
ingreso mientras asiste a la escuela. 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, y en la tienda 2 le permiten trabajar entre 6 y 10 horas. Ambas tiendas
pagan el mismo salario por hora. De manera que John quiere basar su decisin
acerca de cuntas horas debe trabajar en cada tienda en un criterio diferente: el
factor del estrs en el trabajo. Basndose en entrevistas con los empleados
actuales, John calcula que, en una escala de 1 a 10, los factores des estrs son
de 8 y 6 en las tiendas 1 y 2, respectivamente. Debido a que el estrs aumenta
por hora, l supone que el estrs total al final de la semana es proporcional al
Investigacin Operativa I Programacin Lineal
Oswaldo Paul Rivadeneira Pgina: 74
nmero de horas que trabaja en la tienda. Cuntas horas debe trabajar en
cada tienda?
34
Formulacin del problema:
Definicin de variables
X1 = nmero de horas de trabajo en la tienda 1
X2 = nmero de horas de trabajo en la tienda 2
Funcin objetivo: Minimizar Z = 8X1 + 6X2
Restricciones:
X1 5
X1 12
X2 6
X2 10
X1 + X2 20
No negatividad
Xi 0; i = 1, 2
Solucin GLP
34
Handy A. Taha. Investigacin de Operaciones. Una Introduccin. Prentice Hall. Pag. 20
0 1 2 3 4 5 6 7 8 9 10 11 12
0
1
2
3
4
5
6
7
8
9
10
11
12
X2
x1
: 1.0 x1 + 0.0 X2 = 5.0
: 1.0 x1 + 0.0 X2 = 12.0
: 0.0 x1 + 1.0 X2 = 6.0
: 0.0 x1 + 1.0 X2 = 10.0
: 1.0 x1 + 1.0 X2 = 20.0
Payoff: 8.0 x1 + 6.0 X2 = 140.0
Optimal Decisions(x1,X2): (10.0, 10.0)
: 1.0x1 + 0.0X2 >= 5.0
: 1.0x1 + 0.0X2 <= 12.0
: 0.0x1 + 1.0X2 >= 6.0
: 0.0x1 + 1.0X2 <= 10.0
: 1.0x1 + 1.0X2 >= 20.0
Investigacin Operativa I Programacin Lineal
Oswaldo Paul Rivadeneira Pgina: 75
Datos de entrada Solver
Datos de salida Solver
Solucin:
John debe trabajar 10 horas a la semana en la tienda 1 y 10 horas en la tienda 2
Solucin mltiple: respuesta correcta d)
Rubro
Respuestas
a b c d e
Tienda 1 11 10 10 10 10
Tienda 2 11 10 6.0 10 10
Estrs min 14.0 20.0 14.0 140 21.000
Investigacin Operativa I Programacin Lineal
Oswaldo Paul Rivadeneira Pgina: 76
37. La Dumont Company, fabricante de equipo de pruebas, tiene tres
departamentos principales para la manufactura de sus modelos S-1000 y S-
2000. Las capacidades mensuales son las siguientes:
Requerimientos unitarios
de tiempo (horas)
Departamentos Modelo
S-1000
Modelo S-
2000
Horas disponibles en
el presente mes
De Estructura principal 4 2 1600
De Alambrado elctrico 2.5 1 1200
De Ensamble 4.5 1.5 1600
La contribucin del modelo S-1000 es de $ 40 000 por unidad, y la del modelo S-
2000 es de $ 10 000 por unidad. Suponiendo que la compaa puede vender
cualquier cantidad de cada uno de sus productos, debido a las condiciones
favorables de mercado. Determnese la salida ptima para cada modelo, la
contribucin ms alta posible para el presente mes y el tiempo sobrante en los
tres departamentos.
35
Formulacin del problema:
Definicin de variables
X1 = nmero de unidades del modelo S-1000
X2 = nmero de unidades del modelo S-2000
Funcin objetivo: Maximizar Z = 40.000X1 + 10.000X2
Restricciones
4X1 + 2X2 1600 Dep. de Estructuras
2.5X1 + 1X2 1200 Dep. alambrado elctrico
4.5X1 + 1.5X2 1600 Dep. ensamblaje
No negatividad
Xi 0; i = 1, 2
Solucin GLP
35
Robert J. Thierauf y Richard A. Grosse. Toma de decisiones por medio de Investigacin de
Operaciones. Limusa. Pag 273
Investigacin Operativa I Programacin Lineal
Oswaldo Paul Rivadeneira Pgina: 77
Datos entrada para Solver
Datos salida del Solver
221 229 237 245 253 261 269 277 285 293 301 309 317 325 333 341 349 357 365 373 381 389 397
0
12
24
36
48
60
72
84
96
108
120
132
144
156
168
180
192
204
216
228
240
X2
X1
: 4.0 X1 + 2.0 X2 = 1600.0
: 2.5 X1 + 1.0 X2 = 1200.0
: 4.5 X1 + 1.5 X2 = 1600.0
Payoff: 40.0 X1 + 10.0 X2 = 14222.2
Optimal Decisions(X1,X2): (355.6, 0.0)
: 4.0X1 + 2.0X2 <= 1600.0
: 2.5X1 + 1.0X2 <= 1200.0
: 4.5X1 + 1.5X2 <= 1600.0
Investigacin Operativa I Programacin Lineal
Oswaldo Paul Rivadeneira Pgina: 78
Fabricar 355,5 unidades del Modelo S-1000 solamente para producir un beneficio
de $14 222,20
Si la restriccin es fabricar componentes completos, fabricar 355 unidades del
modelo S-1000 y 1 unidad del modelo S-2000 para producir un beneficio de $ 14
210,00
Solucin mltiple: respuesta correcta b)
Rubro
Respuestas
a b c d e
Modelo S-1000 255.5 355.5 355.5 350 350
Modelo S-2000 0.0 0.0 10.0 6.0 10.0
Contribucin max 14.210 14.222,2 14.222,2 14.220 14.222,2
38. La Cincinnati Chemical Company debe producir 10 000 libras de una mezcla
especial para un cliente. La mezcla se compone de los ingredientes: X1, X2 y
X3. X1 cuesta $8/libra, X2 $ 10/libra y X3 $ 11/libra. No pueden usarse mas de
3 000 libras de X1 y por lo menos deberan usarse 1 500 libras de X2. Adems
se requieren por lo menos 2 000 libras de X3.
a) Calclese el nmero de libras de cada ingrediente que habr que
emplear. A fin de reducir la mnimo el costo total de las 10 000 libras.
b) Calclese el costo total ms bajo posible.
c) Hay libras sobrantes en el problema?
36
(Ref: Toma de decisiones por medio de Investigacin de Operaciones.
Thierauf. Limusa. Pag 274)
Formulacin del problema
Definicin de variables
X1 = nmero de libras del ingrediente X1
36
Robert J. Thierauf y Richard A. Grosse. Toma de decisiones por medio de Investigacin de
Operaciones. Limusa. Pag 274
Investigacin Operativa I Programacin Lineal
Oswaldo Paul Rivadeneira Pgina: 79
X2 = nmero de libras del ingrediente X2
X3 = nmero de libras del ingrediente X3
Funcin objetivo: Minimizar Z = 8X1 + 10X2 + 11X3
Restricciones:
X1 + X2 + X3 = 10.000 cantidad de produccin
X1 3.000 cantidad de X1
X2 1.500 cantidad de X2
X3 2.000 cantidad de X3
No negatividad
Xi 0; i = 1, 3
Datos entrada para Solver
Datos de salida del Solver
Solucin:
a) X1= 3000 libras
X2= 5000 libras
X3= 2000 libras
b) Costo ms bajo = $ 96 000,00
c) Debo utilizar 3500 libras ms de X2
Investigacin Operativa I Programacin Lineal
Oswaldo Paul Rivadeneira Pgina: 80
Solucin mltiple: respuesta correcta d)
Rubro
Respuestas
a b c d e
Ingrediente X1 3.000 2.500 3.000 4.000 3.000
Ingrediente X2 5.000 6.000 6.000 4.000 5.000
Ingrediente X3 2.000 1.500 1.000 2.000 2.000
Costo min 96.000 69.000 69.000 96.000 69.000
Hay sobrantes? No Si No Si No
39. La Gray Manufacturing Company ha seguido constantemente una poltica de
fabricacin de aquellos productos que contribuyan con la mayor cantidad a los
costos fijos y a las ganancias. Sin embargo, siempre se ha procurado producir
los requerimientos mnimos semanales de venta, que son los siguientes para los
productos K, L, M y N:
Producto K 25 unidades
Producto L 30 unidades
Producto M 30 unidades
Producto N 25 unidades
Los requerimientos de produccin y el tiempo disponible para la semana
siguiente son:
Departamento
Tiempo requerido por producto (horas)
Tiempo
disponible la
semana prox.
(horas)
K L M N
Departamento1 0.25 0.20 0.15 0.25 400
Departamento 2 0.30 0.40 0.50 0.30 1000
Departamento 3 0.25 0.30 0.25 0.30 500
Departamento 4 0.25 0.25 0.25 0.25 500
Contribucin por
unidad
$ 10.50
$ 9.00
$ 8.00
$ 10.0
Actualmente, la mezcla semanal de produccin (considerando los
requerimientos mnimos de venta), es de:
Investigacin Operativa I Programacin Lineal
Oswaldo Paul Rivadeneira Pgina: 81
Producto K 1 533 unidades
Producto L 30 unidades
Producto M 30 unidades
Producto N 25 unidades
Son la mezcla actual de productos y la contribucin, para la empresa,
ptimas? En caso contrario Cul es la contribucin actual? Cules deben ser
las ptimas?
37
Formulacin del problema:
Definicin de variables
X1 = Nmero de unidades del producto K
X2 = Nmero de unidades del producto L
X3 = Nmero de unidades del producto M
X4 = Nmero de unidades del producto N
Funcin objetivo:
Maximizar Z = 10.5X1 + 9.0X2 + 8.0X3 + 10.0X4
Restricciones
0.25X1 + 0.20X2 + 0.15X3 + 0.25X4 400 Disp. Dep. 1
0.30X1 + 0.40X2 + 0.50X3 + 0.30X4 1000 Disp. Dep. 2
0.25X1 + 0.30X2 + 0.25X3 + 0.30X4 500 Disp. Dep. 3
0.25X1 + 0.25X2 + 0.25X3 +0.25X4 500 Disp. Dep. 4
X1 25 Venta mnima de K
X2 30 Venta mnima de L
X3 30 Venta mnima de M
X4 25 Venta mnima de N
No negatividad
Xi 0; i = 1,4
Datos de entrada para el Solver
37
Robert J. Thierauf y Richard A. Grosse. Toma de decisiones por medio de Investigacin de
Operaciones. Limusa. Pag 275
Investigacin Operativa I Programacin Lineal
Oswaldo Paul Rivadeneira Pgina: 82
Datos de salida del Solver
Solucin mltiple: respuesta correcta b)
Rubro
Respuestas
a b c d e
Mezcla ptima? Si No Si No Si
Contribucin act 18.433,2 16.856,5 16.556.0 16.856.5 16.500.0
Contribucin opt. 16.856,5 18.433,25 14.055.0 18.500.0 14.500.0
Producto K 976.5 976.5 906.5 950 976
Producto L 30 30 25 30 30
Producto M 957.5 957.5 975.6 956.0 950.0
Producto N 25 25 30 25 35
Investigacin Operativa I Programacin Lineal
Oswaldo Paul Rivadeneira Pgina: 83
40. La LaCross Manufacturing Company esta considerando la fabricacin de una
lnea de productos, compuesta de cuatro productos. Cada producto puede
fabricarse con dos mtodos diferentes y completamente distintos, uno de los
cuales consta de dos procesos y el otro de tres. Se fabricarn basndose en el
segundo turno. El precio de venta de estos productos y sus costos variables, as
como las cantidades que probablemente puedan venderse, de acuerdo con el
grupo de investigaciones de mercadotecnia, son los siguientes:
38
Producto
1 2 3 4
Precio de venta al mayoreo (40% de
descuento)
$ 100
$ 150
$ 125
$ 140
Costos variables Mtodo A $ 80 $ 135 $ 120 $ 135
Costos variables Mtodo B $ 110 $ 150 $ 100 $ 110
Cantidad que puede venderse 1000 3000 4000 6000
La seccin de manufactura de la empresa ha determinado que los tiempos de
manufactura para cada proceso son los siguientes:
Producto
1 2 3 4
Mtodo A
Departamento 20 3.0 3.6 2.0 3.5
Departamento 21 9.0 10.0 8.0 9.0
Departamento 22 1.0 1.0 0.5 0.5
Mtodo B
Departamento 31 4.0 4.0 2.0 4.0
Departamento 32 5.0 8.0 4.0 3.0
Las horas disponibles al mes:
Departamento 20 15 000
Departamento 21 50 000
Departamento 22 8 000
38
Robert J. Thierauf y Richard A. Grosse. Toma de decisiones por medio de Investigacin de
Operaciones. Limusa. Pag 275
Investigacin Operativa I Programacin Lineal
Oswaldo Paul Rivadeneira Pgina: 84
Departamento 31 10 000
Departamento 32 10 000
Formulacin del problema:
Definicin de variables
X11 = Nmero de unidades del producto 1 elaborados con el mtodo A
X21 = Nmero de unidades del producto 2 elaborados con el mtodo A
X31 = Nmero de unidades del producto 3 elaborados con el mtodo A
X41 = Nmero de unidades del producto 4 elaborados con el mtodo A
X12 = Nmero de unidades del producto 1 elaborados con el mtodo B
X22 = Nmero de unidades del producto 2 elaborados con el mtodo B
X32 = Nmero de unidades del producto 3 elaborados con el mtodo B
X42 = Nmero de unidades del producto 4 elaborados con el mtodo B
Funcin 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 Venta producto 1
X21 + X22 3000 Venta producto 2
X31 + X32 4000 Venta producto 3
X41 + X42 6000 Venta producto 4
3.0X11 + 3.6 X21 + 2.0X31 + 3.5X41 15.000 Horas Dep. 20
9.0X11 + 10.0X21 + 8.0X31 + 9.0X41 50.000 Horas Dep. 21
1.0X11 + 1.0X21 + 0.5X31 + 0.5X41 8.000 Horas Dep. 22
4.0X12 + 4.0X22 + 2.0X32 + 4.0X42 10.000 Horas Dep. 31
5.0X12 + 8.0X22 + 4.0X32 + 3.0X42 10.000 Horas Dep. 32
No negatividad
Xij 0; i= 1,4; j = 1,2
Datos de entrada para el solver
Investigacin Operativa I Programacin Lineal
Oswaldo Paul Rivadeneira Pgina: 85
Datos de salida del Solver
Solucin:
P1= 1 000 unidades (Mtodo A)
P2= 3 000 unidades (Mtodo A)
P3= 600 unidades (Mtodo A)
P3= 1 000 unidades (Mtodo B)
P4= 2 000 unidades (Mtodo B)
Contribucin, $ 153 000,00
41. Una fbrica elabora dos productos, A, B. Cada uno de ellos debe ser procesado
en dos mquinas diferentes. Una mquina tiene una capacidad disponible de 24
Investigacin Operativa I Programacin Lineal
Oswaldo Paul Rivadeneira Pgina: 86
horas y la otra de 16 horas. Cada unidad del producto A requiere de dos horas
en ambas mquinas. Cada unidad del producto B necesita de tres horas en la
primera mquina 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, y la fbrica puede
vender tantas unidades de cada producto como pueda fabricar.
El objetivo de la fbrica es maximizar las utilidades. El problema est en
determinar cuntas unidades del producto A y del producto B podran producirse
dentro de los lmites disponibles por la capacidad de las mquinas.
39
Resumen:
Mquinas
Productos Capacidad de
las mquinas A B
1 2 horas 3 horas 24 horas
2 2 horas 1 hora 16 horas
Utilidad en $ 6 7
Formulacin del problema
Definicin de variables
X1 = nmero de unidades del producto A
X2 = nmero de unidades del producto B
Funcin objetivo: Maximizar Z = 6X1 + 7X2
Restricciones
2X1 + 3X2 24 capacidad de mquina 1
2X1 + 1X2 16 capacidad de mquina 2
No negatividad
Xi 0 ; i = 1, 2
Solucin con GLP
39
Bonini, Hansman, Bierman. Anlisis Cuantitativo para los Negocios. Novena Edicin. Irwin McGraw-
Hill. Pag. 43
Investigacin Operativa I Programacin Lineal
Oswaldo Paul Rivadeneira Pgina: 87
Datos de entrada para Solver
Datos salida del Solver
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
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
28
29
X2
X1
: 2 X1 + 3 X2 = 24
: 2 X1 + 1 X2 = 16
Payoff: 6 X1 + 7 X2 = 64
Optimal Decisions(X1,X2): ( 6, 4)
: 2X1 + 3X2 <= 24
: 2X1 + 1X2 <= 16
Investigacin Operativa I Programacin Lineal
Oswaldo Paul Rivadeneira Pgina: 88
Solucin:
X1 = 6
X2 = 4
Z = 64
42. Al mezclar diferentes hidrocarburos, se obtiene gasolina de diferentes grados,
que es el resultado directo de las operaciones de refinera. En una operacin
real de refinacin, se realizan varias mezclas de hidrocarburos, que dan muchas
clases de gasolina como producto final (por ejemplo, gasolina de distintos
grados para avin y para carro), con caractersticas importantes para los
distintos grados de la composicin de la gasolina (por ejemplo, octanaje,
presin del vapor, contenido de azufre y contenido de oxidante). En este
ejemplo simplificado, se supone que una refinera dispone slo de dos tipos de
gasolina, cuyas caractersticas se presentan en la siguiente tabla:
Caractersticas de las mezclas de gasolina
Estos tipos de gasolina pueden ser combinados para producir dos productos
finales, gasolina para avin y gasolina para carro. Las cualidades que
requieren estos productos finales aparecen en la siguiente tabla:
Caractersticas de la gasolina como producto final
Productos
finales
Octanaje
mnimo
Presin
Mxima
de vapor
Ventas
mximas
Precio
De venta
(por barril)
Gasolina avin 102 6 20 000 barriles $45.10
Gasolina carro 96 8 cualquiera $32.40
Cuando la gasolina se combina, la mezcla resultante tiene un octanaje y una
presin de vapor proporcional al volumen de cada tipo de gasolina que se
mezcl. Por ejemplo, si se mezclan 1 000 barriles de gasolina tipo 1 con 1
000 barriles gasolina tipo 2, la gasolina resultante tendr un octanaje de 99:
99
000 . 2
94 000 . 1 104 000 . 1
x x
Y una presin de vapor de 7:
7
000 . 2
9 000 . 1 5 000 . 1
x x
Mezclas
disponibles
Octanaje
Presin de
vapor
Cantidad
Disponible
Gasolina tipo 1 104 5 30 000 barriles
Gasolina tipo 2 94 9 70 000 barriles
Investigacin Operativa I Programacin Lineal
Oswaldo Paul Rivadeneira Pgina: 89
La empresa desea maximizar los ingresos por la venta de gasolina como
producto final.
40
Formulacin del problema:
Definicin de variables
X1 = nmero de barriles de gasolina Tipo 1, utilizada para gasolina de avin
X2 = nmero de barriles de gasolina Tipo 1, utilizada para gasolina de carro
X3 = nmero de barriles de gasolina Tipo 2, utilizada para gasolina de avin
X4 = nmero de barriles de gasolina Tipo 2, utilizada para gasolina de carro
Funcin objetivo: Maximizar Z = 45.10 (X1 + X3) + 32.40 (X2 + X4)
Z = 45.10 X1 + 32.40X2 + 45.10X3 + 32.40X4
Restricciones
102
94 104
3 1
3 1
X X
X X
2X1 8X3 0 oct. para avin
96
94 104
4 2
4 2
X X
X X
8X2 2X4 0 oct. para carro
6
9 5
3 1
3 1
X X
X X
-1X1 + 3X3 0 pres. para avin
8
9 5
4 2
4 2
X X
X X
-3X2 + X4 0 pres. para carro
X1 + X2 30.000 disponibilidad de gas Tipo 1
X3 + X4 70.000 disponibilidad gas Tipo 2
X1 + x3 20.000 venta gasolina para avin
No negatividad
Xi 0 ; i = 1, 4
Datos de entrada para Solver
40
Bonini, Hansman, Bierman. Anlisis Cuantitativo para los Negocios. Novena Edicin. Irwin McGraw-
Hill. Pag. 46
Investigacin Operativa I Programacin Lineal
Oswaldo Paul Rivadeneira Pgina: 90
Datos de salida del Solver
Solucin:
Z = 3355.454.5
X1 = 7.272,72
X2 = 22.727,27
X3 = 1.818,18
X4 = 68.181,82
43. Una fbrica produce cuatro artculos: A, B, C y D. Cada cantidad del producto A
requiere de dos horas de maquinado, una hora de montaje y $10 de inventario
en proceso. Cada unidad del producto B requiere de una hora de maquinado,
tres horas de montaje y $5 de inventario en proceso. Cada unidad del producto
C requiere de dos y media horas de maquinado, dos y media horas de montaje
y $2 de inventario en proceso. Finalmente, cada unidad del producto D requiere
de cinco horas de maquinado, ninguna de montaje y $12 de inventario en
proceso.
Investigacin Operativa I Programacin Lineal
Oswaldo Paul Rivadeneira Pgina: 91
La fbrica dispone de 120 000 horas de tiempo de maquinado y 160 000 horas
de tiempo de montaje. Adems, no puede tener ms de un milln de dlares de
inventario en proceso.
Cada unidad del producto A genera una utilidad de $40, cada unidad del
producto B genera una utilidad de $24, cada unidad de producto C genera una
utilidad de $36 y cada unidad del producto D genera una utilidad de $23. No
pueden venderse ms de 20 000 unidades del producto A, 16 000 unidades del
producto C, y pueden venderse la cantidad que se quiera de los productos B y
D. Sin embargo, deben producir y vender por lo menos 10 000 unidades del
producto D para cumplir con los requerimientos de un contrato.
Sobre estas condiciones, formular un problema de programacin lineal. El
objetivo de la fbrica es maximizar la utilidad resultante de la venta de los
cuatro productos.
41
Resumen:
Proceso
Producto Disponible
(horas) A B C D
Maquinado 2 hr 1 hr 2,5 hr 5 hr 120.000
Montaje 1 hr 3 hr 2,5 hr 0 hr 160.000
Inventario $10 $5 $2 $12 1000.000
Utilidad $40 $24 $36 $23
Formulacin del problema:
Definicin de variables:
X1 = Nmero de unidades del producto A
X2 = Nmero de unidades del producto B
X3 = Nmero de unidades del producto C
X4 = Nmero de unidades del producto D
Funcin objetivo: Maximizar Z = 40X1 + 24X2 + 36X3 + 23X4
Restricciones:
2X1 + X2 + 2.5X3 + 5X4 120.000 disponibilidad de maquinado
X1 + 3X2 + 2.5X3 + 0X4 160.000 disponibilidad de montaje
10X1 + 5X2 + 2X3 + 12X4 1000.000 disponibilidad de inventario
X1 20.000 limite de venta producto A
X3 16.000 lmite de venta del producto C
X4 10.000 contrato del producto D
No negatividad:
Xi 0 ; i = 1, 4
41
Bonini, Hansman, Bierman. Anlisis Cuantitativo para los Negocios. Novena Edicin. Irwin McGraw-
Hill. Pag. 57
Investigacin Operativa I Programacin Lineal
Oswaldo Paul Rivadeneira Pgina: 92
Datos de entrada Solver
Datos de salida del Solver
Solucin:
Z = 1830.000
X1 = 10.000
X2 = 50.000
X3 = 0
X4 = 10.000
44. La U-Save Loan Company est planeando sus operaciones para el prximo ao.
La empresa hace cinco tipos de prstamos, que se indican a continuacin, con
un retorno anual (en porcentaje) para ella.
Tipo de prstamo Retorno anual
Prstamos quirografarios 15
Prstamos para muebles 12
Prstamos para automviles 9
Hipotecas de bienes races en segundo grado 10
Investigacin Operativa I Programacin Lineal
Oswaldo Paul Rivadeneira Pgina: 93
Hipotecas de bienes races en primer grado 7
Los requerimientos legales y la poltica de la empresa establecen los siguientes
lmites en las cantidades de los distintos tipos de prstamos.
Los prstamos quirografarios no pueden exceder del 10% del total de Tipo de
prstamos. La cantidad de prstamos quirografarios y para muebles no puede
exceder de 20% del total de tipo de prstamos. Las hipotecas en primer grado
deben ser por lo menos de 40% del total de hipotecas y, por lo menos, 20%
de la cantidad total de tipo de prstamos. Las hipotecas en segundo grado no
pueden exceder de 25% de la cantidad total de tipo de prstamos.
La empresa debe maximizar los ingresos de los intereses de los prstamos,
sujetndose a las restricciones indicadas. La empresa puede prestar un
mximo de $1,5 millones.
42
Formulacin del Problema:
Definicin de variables
X1 = Monto en dlares para Prstamos Quirografarios
X2 = Monto en dlares para Prstamos para Muebles
X3 = Monto en dlares para prstamos para Automviles
X4 = Monto en dlares para Hipotecas de bienes races en segundo grado
X5 = Monto en dlares para Hipotecas de bienes races en primer grado
Funcin objetivo:
Maximizar Z = 0.15X1 + 0.12X2 + 0.09X3 + 0.10X4 + 0.07X5
Restricciones
X1 0.10 (X1 +X2 +X3 + X4 + X5) lmite en monto de pres. quirograf.
0.90X1 0.10X2 0.10X3 0.10X4 0.10X5 0
X1 + X2 0.20 (X1 + X2 + X3 + X4 + X5) lmite en monto para prest.
0.80X1 + 0.80X2 0.20X3 0.20X4 0.20X5 0 quiro. + muebles
X5 0.40 (X4 + X5) lmite de monto en hipotecas
- 0.40X4 + 0.60X5 0
X5 0.20 (X1 + X2 + X3 + X4 + X5) lmite monto del total de prest.
- 0.20X1 0.20X2 0.20X3 0.20X4 + 0.80X5 0
X4 0.25(X1 + X2 + X3 + X4 + X5) lmite en hipotecas de 2do grado
- 0.25X1 0.25X2 0.25X3 + 0.75X4 0.25X5 0
X1 + X2 + X3+ X4 + X5 1500.000 monto disponible
42
Bonini, Hansman, Bierman. Anlisis Cuantitativo para los Negocios. Novena Edicin. Irwin McGraw-
Hill. Pag. 58
Investigacin Operativa I Programacin Lineal
Oswaldo Paul Rivadeneira Pgina: 94
No negatividad
Xi 0 ; i = 1, 5
Datos de entrada para el Solver
Datos de salida del Solver
45. Una fbrica venden dos tipos de productos diferentes, A y B. La informacin
sobre el precio de venta y el costo incremental es la siguiente:
Producto A Producto B
Precio de venta $60 $40
Costo incremental $30 $10
Utilidad incremental $30 $30
Los dos productos se fabrican dentro de un proceso comn y se venden en
dos mercados diferentes.
El proceso de produccin tiene una capacidad de 30 000 horas de mano de
obra, se requiere de tres horas para elaborar una unidad de A y una hora para
producir una unidad de B. El mercado ya fue estudiado, por lo que los
funcionarios de la empresa consideran que la cantidad mxima de las unidades
de A que puede venderse es de 8 000; la cantidad mxima de B es de 12 000
Investigacin Operativa I Programacin Lineal
Oswaldo Paul Rivadeneira Pgina: 95
unidades. De acuerdo con estas limitaciones, los productos pueden venderse
en cualquier combinacin. Formular esta situacin como un problema de
programacin lineal.
43
Formulacin del problema
Definicin de variables
X1 = Nmero de unidades del producto A
X2 = Nmero de unidades del producto B
Funcin objetivo: Maximizar Z = 30X1 + 30X2
Restricciones
3X1 + 1X2 30.000 por mano de obra
X1 8.000 venta de A
X2 12.000 venta de B
No negatividad
Xi 0 ; i = 1, 2
Solucin GLP
Datos entrada Solver
43
Bonini, Hansman, Bierman. Anlisis Cuantitativo para los Negocios. Novena Edicin. Irwin McGraw-
Hill. Pag. 58
30 428 826 1224 1622 2020 2418 2816 3214 3612 4010 4408 4806 5204 5602 6000 6398 6796 7194 7592 7990
95
690
1285
1880
2475
3070
3665
4260
4855
5450
6045
6640
7235
7830
8425
9020
9615
10210
10805
11400
11995
X2
X1
: 3.0 X1 + 1.0 X2 = 30000.0
: 1.0 X1 + 0.0 X2 = 8000.0
: 0.0 X1 + 1.0 X2 = 12000.0
Payoff: 30.0 X1 + 30.0 X2 = 540000.0
Optimal Decisions(X1,X2): (6000.0, 12000.0)
: 3.0X1 + 1.0X2 <= 30000.0
: 1.0X1 + 0.0X2 <= 8000.0
: 0.0X1 + 1.0X2 <= 12000.0
Investigacin Operativa I Programacin Lineal
Oswaldo Paul Rivadeneira Pgina: 96
Datos salida Solver
46. Recientemente, la empresa EMBUTIDOS experiment drsticos cambios en los
precios de la materia prima; por los que el gerente orden a un analista
reexaminar las proporciones de las mezclas de los ingredientes para la
produccin de salchichas.
La produccin de salchichas implica cumplir con dos requisitos esenciales para el
producto. El porcentaje de protenas, por peso, debe ser al menos 15%, y el
porcentaje de grasa, por peso, no puede exceder de 30% (el peso restante es
relleno). La empresa tiene cuatro materia primas disponibles para la mezcla, con
las siguientes caractersticas:
Ingrediente
Porcentaje de
Protenas
Porcentaje de
Grasa
Costo por
Libra
A 40 10 $1.80
B 20 15 $0.75
C 10 35 $0.40
D 5 40 $0.15
Investigacin Operativa I Programacin Lineal
Oswaldo Paul Rivadeneira Pgina: 97
Formular el problema de programacin lineal que le ayude a la empresa a
determinar el problema de mezcla ms apropiado
44
Formulacin del problema:
Definicin de variables
X1 = Cantidad en libras del ingrediente A
X2 = Cantidad en libras del ingrediente B
X3 = Cantidad en libras del ingrediente C
X4 = Cantidad en libras del ingrediente D
Funcin objetivo
Minimizar Z = 1.80X1 + 0.75X2 + 0.40X3 + 0.15X4
Restricciones
0.40X1 + 0.20X2 + 0.10X3 + 0.05X4 0.15 protenas
0.10X1 + 0.15X2 + 0.35X3 + 0.40X4 0.30 grasas
X1 + X2 + X3 + X4 = 1 total libra de mezcla
No negatividad
Xi 0 ; i = 1, 4
Datos de entrada para Solver
Datos de salida del Solver
44
Bonini, Hansman, Bierman. Anlisis Cuantitativo para los Negocios. Novena Edicin. Irwin McGraw-
Hill. Pag. 58
Investigacin Operativa I Programacin Lineal
Oswaldo Paul Rivadeneira Pgina: 98
47. Un fabricante de muebles produce dos tipos de escritorios: estndar y ejecutivo.
Estos escritorios se venden a un mayorista de mobiliario de oficina; y para todo
fin prctico existe un mercado ilimitado para cualquier mezcla de ellos; al menos
dentro de la capacidad de produccin del fabricante. Cada escritorio debe pasar
por cuatro operaciones bsicas: corte de madera, ensamble de las piezas, pre-
acabado y acabado final. Cada unidad producida del escritorio del escritorio
estndar requiere de 48 min de tiempo de corte, 2 horas de ensamble, 40 min
de pre-acabado y 5 horas y 20 min de tiempo de acabado final. Cada unidad de
escritorio ejecutivo requiere de 72 min de corte, 3 horas de ensamble, 2 horas
de pre-acabado y 4 horas de tiempo de acabado final. La capacidad diaria para
cada operacin equivale a 16 horas de corte, 30 horas de ensamble, 16 horas
de pre-acabado y 64 horas de acabado final. El beneficio por unidad producida
es de $40 para el escritorio estndar y de $50 para el escritorio ejecutivo. Qu
mezcla de productos es ptima?
45
Formulacin del problema
Definicin de variables
X1 = Nmero de unidades de escritorios estndar
X2 = Nmero de unidades de escritorios ejecutivos
Funcin objetivo: Maximizar Z = 40X1 + 50X2
Restricciones
0.8X1 + 1.2X2 16 horas de corte
2.0X1 + 3.0X2 30 horas de ensamblaje
0.6667X1 + 2.0X2 16 horas de pre-acabado
5.3334X1 + 4.0X2 64 horas acabado final
No negatividad
Xi 0 ; i = 1, 2
Solucin GLP
45
Hans G. Daellenbach. Introduccin a Tcnicas de Investigacin de Operaciones. CECSA. Pag.59
Investigacin Operativa I Programacin Lineal
Oswaldo Paul Rivadeneira Pgina: 99
Datos entrada Solver
Datos salida Solver
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21
0
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
X2
X1
: 0.800 X1 + 1.200 X2 = 16.000
: 2.000 X1 + 3.000 X2 = 30.000
: 0.667 X1 + 2.000 X2 = 16.000
: 5.333 X1 + 4.000 X2 = 64.000
Payoff: 40.000 X1 + 50.000 X2 = 559.998
Optimal Decisions(X1,X2): (9.000, 4.000)
: 0.800X1 + 1.200X2 <= 16.000
: 2.000X1 + 3.000X2 <= 30.000
: 0.667X1 + 2.000X2 <= 16.000
: 5.333X1 + 4.000X2 <= 64.000
Investigacin Operativa I Programacin Lineal
Oswaldo Paul Rivadeneira Pgina: 100
48. Un fabricante de alimento para pollos desea determinar la mezcla de menor
costo para una frmula de altas protenas que contiene 90 gr. de nutriente A, 48
gr. de nutriente B, 20 gr. de nutriente C y 1.5 gr. de vitamina X por cada kg. de
alimento. Puede mezclar la frmula empleando dos ingredientes y otro de
relleno. El ingrediente 1 contiene 100 gr. de nutriente A, 80 gr. de nutriente B,
40 gr. de nutriente C y 10 gr. de vitamina X; y cuesta $0.40 por Kg. El
ingrediente 2 contiene 200 gr. de A, 150 gr. de B, 20 gr. de C, nada de vitamina
X y cuesta $0.60 por kg.
46
Formulacin del problema:
Definicin de variables
X1 = Cantidad de Kg. de ingrediente Tipo 1
X2 = Cantidad de Kg. de ingrediente Tipo 2
Funcin objetivo: Minimizar Z = 0.40X1 + 0.60X2
Restricciones
100X1 + 200X2 = 90 Nutriente A
80X1 + 150X2 = 48 Nutriente B
40X1 + 20X2 = 20 Nutriente C
10X1 + 0X2 = 1.5 Vitamina X
No negatividad
Xi 0 ; i = 1, 2
Son ecuaciones redundantes, para su solucin se asume que cumplirn al
menos los pedidos de los ingredientes, sus resultados sern analizados por un
dietista para no incurrir en daos a los pollos, entonces:
Restricciones
100X1 + 200X2 90 Nutriente A
80X1 + 150X2 48 Nutriente B
40X1 + 20X2 20 Nutriente C
10X1 + 0X2 1.5 Vitamina X
46
Hans G. Daellenbach. Introduccin a Tcnicas de Investigacin de Operaciones. CECSA. Pag. 90
Investigacin Operativa I Programacin Lineal
Oswaldo Paul Rivadeneira Pgina: 101
Datos entrada Solver
Datos salida Solver
En la solucin grfica puede notarse las ecuaciones redundantes:
Investigacin Operativa I Programacin Lineal
Oswaldo Paul Rivadeneira Pgina: 102
49. Una compaa produce tres tipos de productos qumicos refinados: A, B y C. Es
necesario producir diariamente al menos 4 ton de A, 2 ton de B y 1 ton de C.
Los productos de entrada son los compuestos X y Y. Cada tonelada de X
proporciona 0.25 ton de A, 0.25 ton de B y 0,0834 ton de C. Cada tonelada de Y
rinde 0.5 ton de A, 0.10 ton de B y 0.0834 ton de C. La tonelada de compuesto
X cuesta $250 y el compuesto Y $400. El costo de procesamiento es de $250
por ton de X y $200 por ton de Y. Las cantidades producidas que excedan los
requerimientos diarios no tienen valor, ya que el producto sufre cambios
qumicos si no se utiliza de inmediato. El problema consiste en determinar la
mezcla con costo mnimo de entrada.
47
Formulacin del problema
Definicin de variables
X1 = Toneladas de compuesto X
X2 = Toneladas de compuesto Y
Funcin objetivo: Minimizar Z = 500X1 + 600X2
Restricciones
0.25X1 + 0.5X2 4 toneladas de A
0.25X1 + 0.10X2 2 toneladas de B
47
Hans G. Daellenbach. Introduccin a Tcnicas de Investigacin de Operaciones. CECSA. Pag. 90
Investigacin Operativa I Programacin Lineal
Oswaldo Paul Rivadeneira Pgina: 103
0.0834X1 + 0.0834X2 1 toneladas de C
No negatividad
Xi 0; i = 1, 2
Solucin GLP
Datos de entrada Solver
Datos de salida Solver
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
0
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
X2
X1
: 0.2500 X1 + 0.5000 X2 = 4.0000
: 0.2500 X1 + 0.1000 X2 = 2.0000
: 0.0834 X1 + 0.0834 X2 = 1.0000
Payoff: 500.0000 X1 + 600.0000 X2 = 6396.1630
Optimal Decisions(X1,X2): (7.9808, 4.0096)
: 0.2500X1 + 0.5000X2 >= 4.0000
: 0.2500X1 + 0.1000X2 >= 2.0000
: 0.0834X1 + 0.0834X2 >= 1.0000
Investigacin Operativa I Programacin Lineal
Oswaldo Paul Rivadeneira Pgina: 104
50. La Palysafe Insurane Company of Knockville, ME, dispone de fondos ociosos por
un total de $20 millones, disponible para inversiones a corto y largo plazo. Las
especificaciones gubernamentales requieren que no ms del 80% de todas las
inversiones sean a largo plazo; no ms del 40% de inviertan a corto plazo; y
que la razn entre las inversiones a largo y corto plazo no sean mayor de 3 a 1.
Actualmente, las inversiones a largo plazo rinden el 15% anual; mientras que la
tasa anual para las inversiones a corto plazo es del 10%. Plantese este
problema como programa lineal con el objetivo de maximizar el beneficio
ponderado.
48
Formulacin del Problema
Definicin de variables
X1 = Cantidad en millones de dlares para inversin a corto plazo
X2 = Cantidad en millones de dlares para inversin a largo plazo
Funcin objetivo: Maximizar Z = 0.10X1 + 0.15X2
Restricciones
X1 + X2 20 fondos para inversin
X2 0.80(X1 + X2)
0.80X1 0.20X2 0 inversiones a largo plazo
X2 0.40(X1 + X2)
0.40X1 - 0.60X2 0 inversiones a corto plazo
X2/X1 3/1
3X1 X2 0 relacin entre inversiones
No negatividad
Xi 0 ; i = 1, 2
Solucin GLP
48
Hans G. Daellenbach. Introduccin a Tcnicas de Investigacin de Operaciones. CECSA. Pag. 90
Investigacin Operativa I Programacin Lineal
Oswaldo Paul Rivadeneira Pgina: 105
Datos entrada para Solver
Datos de salida de Solver
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
0
1
2
3
4
5
6
7
8
9
10
11
12
X2
X1
: 1.0 X1 + 1.0 X2 = 20.0
: 0.8 X1 - 0.2 X2 = 0.0
: 0.4 X1 - 0.6 X2 = 0.0
: 3.0 X1 - 1.0 X2 = 0.0
Payoff: 0.1 X1 + 0.1 X2 = 2.4
Optimal Decisions(X1,X2): (12.0, 8.0)
: 1.0X1 + 1.0X2 <= 20.0
: 0.8X1 - 0.2X2 >= 0.0
: 0.4X1 - 0.6X2 >= 0.0
: 3.0X1 - 1.0X2 >= 0.0
Investigacin Operativa I Programacin Lineal
Oswaldo Paul Rivadeneira Pgina: 106
51. Un fabricante de botes de fibra de vidrio produce cuatro modelos diferentes que
deben pasar por tres operaciones diferentes: moldeado, ensamblado y acabado.
La tabla dada contiene toda la informacin necesaria.
Modelo
Moldeado
(h/unid)
Ensamble
(h/unid)
Acabado
(h/unid)
Compuesto de
moldeado
(gal/unid)
Beneficio
($/unid)
1 2.8 5 10 200 160
2 2.1 3 7.5 200 124
3 4 6 12 280 212
4 3 4 3 220 170
Capac./
semana
48 h
96 h
160 h
4800 gal
Los pronsticos de venta indican que, en promedio, no deben producirse por
semana ms de 8 unidades del modelo 4. Excepto por esta restriccin, la
demanda ser suficiente para absorber cualquier cantidad producida. El objetivo
es maximizar los beneficios.
49
Formulacin del Problema
Definicin de variables
X1 = Nmero de unidades del modelo 1
X2 = Nmero de unidades del modelo 2
X3 = Nmero de unidades del modelo 3
X4 = Nmero de unidades del modelo 4
Funcin objetivo: Maximizar Z = 160X1 + 124X2 +212X3 + 170 X4
Restricciones
2.8X1 + 2.1X2 + 4X3 + 3X4 48 horas de moldeado
5X1 + 3X2 + 6X3 + 4X4 96 horas de ensamble
10X1 + 7.5X2 + 12X3 + 3X4 160 horas de acabado
200X1 + 200X2 + 280X3 + 220X4 4800 galones para moldeado
49
Hans G. Daellenbach. Introduccin a Tcnicas de Investigacin de Operaciones. CECSA. Pag. 91
Investigacin Operativa I Programacin Lineal
Oswaldo Paul Rivadeneira Pgina: 107
X4 8
No negatividad
Xi 0 ; i = 1, 4
Datos de entrada para Solver
Datos de salida del Solver
52. En una compaa se fabrican tres productos A, B y C. Los tres productos
comparten en sus procesos de produccin cuatro mquinas X, Y, S y T. El
producto A utiliza tres operaciones en las mquinas X, S y T. El producto B
utiliza slo dos operaciones en las mquinas X y S o en las mquinas Y y T. El
producto C puede fabricarse utilizando las maquinas X y S o en las mquinas Y,
S y T. El tiempo necesario en minutos por unidad producida, para cada
posibilidad de produccin en cada mquina, y el costo variable de produccin
por minuto para cada mquina se condensan en la siguiente tabla.
Tiempo (en min/unidad de mquina)
Producto Proceso X Y S T Cdigo
A 1 10 6 3 A
B 1 8 10 B1
2 6 9 B2
C 1 8 16 C1
Investigacin Operativa I Programacin Lineal
Oswaldo Paul Rivadeneira Pgina: 108
2 10 3 8 C2
Costo var
/min ($)
0.40
0.50
0.24
0.30
Cada mquina tiene una capacidad diaria de produccin de 480 minutos. La
demandas mnimas de los tres productos son 36 para A, 45 para B y 10 para C.
El objetivo consiste en determinar el esquema de produccin que minimice el
costo total variable de produccin.
50
Formulacin del problema:
Definicin de variables
X1 = nmero de unidades del producto A, con el proceso 1
X2 = nmero de unidades del producto B, con el proceso 1
X3 = nmero de unidades del producto B, con el proceso 2
X4 = nmero de unidades del producto C, con el proceso 1
X5 = nmero de unidades del producto C, con el proceso 2
Funcin objetivo:
Minimizar Z = 0.40(10X1 + 8X2 + 8X4) + 0.50(6X3 + 10X5) + 0.24(6X1 +10X2
+ 16X4 + 3X5) + 0.30(3X1 + 9X3 + 8X5)
Minimizar Z = 6.34X1 + 5.6X2 + 5.7X3 + 7.04X4 + 8.12X5
Restricciones
10X1 + 8X2 + 8X4 480 capacidad maquina X
6X3 + 10X5 480 capacidad maquina Y
6X1 +10X2 + 16X4 + 3X5 480 capacidad maquina S
3X1 + 9X3 + 8X5 480 capacidad maquina T
X1 36 demanda del producto A
X2 + X3 45 demanda del producto B
X4 + X5 10 demanda del producto C
No negatividad
Xi 0 ; i = 1, 4
Datos de entrada para Solver
50
Hans G. Daellenbach. Introduccin a Tcnicas de Investigacin de Operaciones. CECSA. Pag. 92
Investigacin Operativa I Programacin Lineal
Oswaldo Paul Rivadeneira Pgina: 109
Datos de salida del Solver
53. Usted est organizando una fiesta y dispone de de las siguientes cantidades de
licor: 48 onz lquidas de whisky, 72 onz lquidas de vodka, 64 onz lquidas de
vermouth blanco, 72 onz de vermouth rojo, 24 onz lquidas de brandy y 18 onz
lquidas de licor de caf. Usted piensa preparar las siguientes bebidas:
Chauncies, Rusos Negros, Italianos Dulces, Ccteles Molotov (Martinis Rusos) y
Whisky en las rocas. Un Chauncy consiste en 2/3 de whisky y 1/3 de vermouth
rojo. Un Ruso Negro consiste de de vodka y de licor de caf. Un Italiano
Dulce consiste de de brandy, de vermouth rojo y vermouth blanco. Los
Ccteles Molotov son una mezcla de 2/3 de vodka y 1/3 de vermouth blanco.
Por ltimo el Whisky en las rocas consiste slo de whisky. Cada trago contiene 4
onz lquidas. Su objetivo es mezclar los ingredientes, en forma tal, que pueda
prepararse el mayor nmero de posible de tragos. Sin embargo, Usted
considera que es necesario preparar cuando menos el doble de Ccteles
Molotov que de Rusos Negros, para proporcionar una seleccin equilibrada.
Plantese como un problema de programacin lineal.
51
Resumen:
51
Hans G. Daellenbach. Introduccin a Tcnicas de Investigacin de Operaciones. CECSA. Pag. 94
Investigacin Operativa I Programacin Lineal
Oswaldo Paul Rivadeneira Pgina: 110
Licores
Mezclas (tragos de 4 onzas) Cantidad
Disponible
(onz) chauncies
Rusos
negros
Italianos
dulces
Ccteles
molotov
Whisky
en rocas
Whisky 2/3*4 1*4 48
Vodka *4 2/3*4 72
Verm.B. *4 1/3*4 64
Verm.R. 1/3*4 2/4*4 72
Brandy *4 24
Lic. Caf *4 18
Formulacin del problema:
Definicin de variables:
X1 = Nmero de tragos de Chauncies
X2 = Nmero de tragos de Rusos Negros
X3 = Nmero de tragos de Italianos Dulces
X4 = Nmero de tragos de Ccteles Molotov
X5 = Nmero de tragos de Whisky en las Rocas
Funcin objetivo: Maximizar Z = X1 + X2 + X3 + X4 + X5
Restricciones:
2/3*4 X1 + 4X5 48
2X1 + 3X5 36 por contenido de whisky
*4X2 + 2/3*4X4 72
9X2 + 8X4 216 por contenido de Vodka
*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
*4X3 24
X3 24 por contenido de Brandy
*4X2 18
X2 18 por contenido de Licor de Caf
2X2 X4
2X2 X4 0 relacin de Ccteles Molotov/Rusos Negros
No negatividad
Xi 0 ; i = 1, 5
Solucin:
Datos de entrada para Solver
Investigacin Operativa I Programacin Lineal
Oswaldo Paul Rivadeneira Pgina: 111
Datos de salida del Solver
54. ProTrac,Inc. Produce dos lneas de mquina pesada. Una de sus lneas de
productos, llamada equipo de excavacin, se utiliza de manera primordial en
aplicaciones de construccin. La otra lnea, denominada equipo de la silvicultura,
est destinada a la industria maderera. Tanto la mquina ms grande de la lnea
de excavacin (la E-9), como la mayor de toda la lnea del equipo de silvicultura
(la F-9) son fabricadas en los mismos departamentos y con el mismo equipo.
Empleando las proyecciones econmicas correspondientes al siguiente mes, el
gerente de Mercadotecnia de ProTrac ha considerado que durante ese perodo
ser posible vender todas las E-9 y F-9 que la compaa sea capaz de producir.
La gerencia tiene que recomendar ahora una meta de produccin para el mes
prximo. Es decir, cuntas E-9 y F-9 debern fabricar si la direccin de ProTrac
desea maximizar la contribucin del mes entrante a la ganancia ( es decir, el
margen de contribucin, definido como los ingresos menos los costos variables)
La toma de decisiones requiere la consideracin de los siguientes factores
importantes:
a. El margen de contribucin unitaria de ProTrac es de $ 5.000 por cada
E-9 vendida y de $ 4.000 por cada F-9
b. Cada producto pasa por las operaciones de maquinado, tanto en el
departamento A como en el departamento B.
Investigacin Operativa I Programacin Lineal
Oswaldo Paul Rivadeneira Pgina: 112
c. Para la produccin correspondiente al mes prximo, estos dos
departamentos tiene tiempos disponibles de 150 y 160 horas,
respectivamente. La fabricacin de cada E-9 requiere 10 horas de
maquinado en el departamento A y 20 horas en el departamento B,
mientras que cada F-9 requiere 15 horas horas en el departamento a y
10 en el B.
d. Para que la administracin cumpla con el acuerdo concertado con el
sindicato, las horas totales de trabajo invertidas el la prueba de
productos terminados del siguiente mes no deben ser ms all del 10%
inferior a una meta convenida de 150 horas. 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. Cada E-9 es sometida a
pruebas durante 30 horas y cada F-9 durante 10.
e. Con el fin de mantener su posicin actual en el mercado, la alta
gerencia ha decretado como poltica operativa: que deber construirse
cuando menos una F-9 por cada tres E-9 que sean fabricadas.
f. Uno de los principales distribuidores ha ordenado un total de cuando
menos cinco E-9 y F-9 (en cualquier combinacin) para el prximo mes,
por lo cual tendr que producirse por lo menos esa cantidad.
52
Resumen de datos:
HORAS
Maq. E-9 Maq. F-9 Total disponible
Dep. A 10 15 150
Dep. B 20 10 160
Hora de prueba 30 10 135 (150-10%)
Producir cuando menos 1 F-9 por cada 3 E-9:
Formulacin del modelo
1. Definicin de variables (variables de decisin)
E-9 = nmero de unidades de maquinas tipo E-9
F-9 = nmero de unidades de mquinas tipo F-9
2. Funcin objetivo
Maximizar Z = 5000 E-9 + 4000 F-9
3. Restricciones (ecuaciones de restriccin)
10(E-9) + 15(F-9) 150
20(E-9) + 10(F-9) 160
30(E-9) + 10(F-9) 135
1(E-9) - 3(F-9) 0
1(E-9) + 1(F-9) 5
1(E-9) 0
1(F-9) 0
52
Eppen. Investigacin de opresiones en la ciencia administrativa. Prentice Hall. Pag 69
) 9 ( 3 ) 9 ( 1 F E
Investigacin Operativa I Programacin Lineal
Oswaldo Paul Rivadeneira Pgina: 113
Solucin grfica:
Solucin matemtica (analtica)
Datos iniciales antes de aplicas SOLVER:
Definiciones de datos para SOLVER y resolver:
Investigacin Operativa I Programacin Lineal
Oswaldo Paul Rivadeneira Pgina: 114
Resultados del modelo:
Investigacin Operativa I Programacin Lineal
Oswaldo Paul Rivadeneira Pgina: 115
55. La empresa Crawler Tread, desea mezclar minerales de hierro de cuatro minas
distintas para fabricar rodamientos destinados a un nuevo producto de Protrac:
un tractor tipo oruga de tamao mediano, el E-6, diseado especialmente para
competir en el mercado europeo. Por medio del anlisis se ha demostrado que ,
para producir una mezcla dotada de las cualidades de traccin adecuadas,
deben cumplirse requerimientos mnimos en relacin con tres elementos bsicos
que, para simplificar, sealaremos aqu como A, B, C. En trminos especficos,
cada tonelada de mineral deber contener cuando menos cinco libras del
elemento bsico A, 100 libras del elemento bsico B y 30 libras del elemento
bsico C.
El mineral extrado de cada una de las cuatro minas posee los tres elementos
bsicos, pero en cantidades distintas. Estas composiciones expresadas en libras
por tonelada, se enumeran en la siguiente tabla:
Composiciones obtenidas de cada mina
Elemento
bsico
MINA (libras por tonelada de cada elemento)
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
mnimo.
53
Formulacin del problema:
1. Definicin de variables
T1 = fraccin de toneladas de la mina 1
T2 = fraccin de toneladas de la mina 2
T3 = fraccin de toneladas de la mina 3
T4 = fraccin de toneladas de la mina 4
2. Funcin objetivo
Minimizar Z = 800 T1 + 400 T2 + 600 T3 + 500 T4
3. 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, T2, T3, T4 0 (no negatividad)
53
Eppen. Investigacin de opresiones en la ciencia administrativa. Prentice Hall. Pag 97
Investigacin Operativa I Programacin Lineal
Oswaldo Paul Rivadeneira Pgina: 116
Solucin: para hoja de clculo
Datos originales:
Resultados :
Investigacin Operativa I Programacin Lineal
Oswaldo Paul Rivadeneira Pgina: 117
56. Una compaa (ASTRO Y COSMOS) fabricante de TV produce dos modelos de
aparatos televisores, el astro y el Cosmo. Hay dos lneas de produccin, una
para cada modelo, e intervienen dos departamentos en la produccin de cada
modelo. La capacidad de la lnea de produccin del Astro es de 70 aparatos de
TV por da. La capacidad de la lnea Cosmo es de 50 televisores diarios. En el
departamento A se fabrican los cinescopios. En este departamento se requiere
una hora de trabajo para cada modelo Astro y dos horas de trabajo para cada
modelo Cosmo. En la actualidad puede asignarse un mximo de 120 horas de
trabajo diarias para la produccin de ambos tipos de aparato en el
departamento A. En el departamento B se construye el chasis. Aqu se requiere
una hora de trabajo para cada televisor Astro y tambin una hora para cada
modelo Cosmo. Actualmente se puede asignar 90 horas de trabajo al
departamento B para la produccin de ambos modelos. La contribucin a las
ganancias es de 20 y 10 dlares, respectivamente, por cada televisor Astro y
Cosmo.
Si la compaa sabe que puede vender todos los aparatos Astro y Cosmo que
sea capaz de fabricar. cul deber ser el plan de produccin por cada da (es
decir, la produccin diaria) para cada modelo?
54
Formulacin del problema:
Definicin de variables
X1 = nmero de unidades de TV Astro
X2 = nmero de unidades de TV Cosmo
Funcin objetivo: Maximizar Z = 20X1 + 10X2
Restricciones
X1 + 2X2 120 capacidad Dep. A
X1 + X2 90 capacidad Dep. B
X1 70 capacidad de lnea Astro
X2 50 capacidad de lnea Cosmo
No negatividad
Xi 0 ; i = 1, 2
Solucin GLP
54
Eppen. Investigacin de opresiones en la ciencia administrativa. Prentice Hall. Pag 100
Investigacin Operativa I Programacin Lineal
Oswaldo Paul Rivadeneira Pgina: 118
Datos de entrada para solver
Datos de salida del Solver
0 5 10 15 20 25 30 35 40 45 50 55 60 65 70 75 80 85 90 95 100
0
2
4
6
8
10
12
14
16
18
20
22
24
26
28
30
32
34
36
38
40
X2
X1
: 1.0 X1 + 2.0 X2 = 120.0
: 1.0 X1 + 1.0 X2 = 90.0
: 1.0 X1 + 0.0 X2 = 70.0
: 0.0 X1 + 1.0 X2 = 50.0
Payoff: 20.0 X1 + 10.0 X2 = 1600.0
Optimal Decisions(X1,X2): (70.0, 20.0)
: 1.0X1 + 2.0X2 <= 120.0
: 1.0X1 + 1.0X2 <= 90.0
: 1.0X1 + 0.0X2 <= 70.0
: 0.0X1 + 1.0X2 <= 50.0
Investigacin Operativa I Programacin Lineal
Oswaldo Paul Rivadeneira Pgina: 119
57. De los muchos productos que fabrica la Arco Manufacturing Company, slo los
productos C, D, E y F pasan por los siguientes departamentos: cepillado,
fresado, taladrado y ensamble. Los requerimientos por unidad de producto en
horas y contribucin son los siguientes:
Departamento
Producto Cepillado Fresado Taladrado Ensamble Contr./Unidad
C 0.5 2.0 0.5 3.0 $ 8
D 1.0 1.0 0.5 1.0 $ 9
E 1.0 1.0 1.0 2.0 $ 7
F 0.5 1.0 1.0 3.0 $ 6
Las capacidades disponibles en este mes para los productos C, D, E y F, as
como los requerimientos mnimos de venta, son:
Departamento Capacidad(horas) Producto Req. Mnimos Venta
Cepillado 1800 C 100 unidades
Fresado 2800 D 600 unidades
Taladrado 3000 E 500 unidades
Ensamble 6000 F 400 unidades
Determnese la cantidad de los productos C, D, E y F, que tendr que fabricar
este mes para maximizar la contribucin.
55
Formulacin del problema
Definicin de variables
X1 = Nmero de unidades del producto C
X2 = Nmero de unidades del producto D
X3 = Nmero de unidades del producto E
X4 = Nmero de unidades del producto F
55
Thierauf. Toma de Decisiones por medio de Investigacin de Operaciones. Limusa. Pag. 274
Investigacin Operativa I Programacin Lineal
Oswaldo Paul Rivadeneira Pgina: 120
Funcin objetivo: Maximizar Z = 8X1 + 9X2 + 7X3 +6X4
Restricciones
0.5X1 + 1.0X2 + 1.0X3 + 0.5X4 1.800 capacidad Cepillado
2.0X1 + 1.0X2 + 1.0X3 + 1.0X4 2.800 capacidad Fresado
0.5X1 + 0.5X2 + 1.0X3 + 1.0X4 3.000 capacidad Taladrado
3.0X1 + 1.0X2 + 2.0X3 + 3.0X4 6.000 capacidad Ensamble
X1 100 venta de C
X2 600 venta de D
X3 500 venta de E
X4 400 venta de F
No negatividad
Xi 0 ; i = 1, 4
Datos de entrada para el Solver
Datos de salida del Solver
Investigacin Operativa I Programacin Lineal
Oswaldo Paul Rivadeneira Pgina: 121
58. Planificacin financiera. Willie Hanes es el presidente de una microempresa de
inversiones que se dedica a administrar las carteras de acciones de varios
clientes. Un nuevo cliente ha solicitado que la compaa se haga cargo de
administrar para l una cartera de $ 100.000. A ese cliente le agradara
restringir una cartera a una mezcla de tres tipos de acciones nicamente, como
podemos apreciar en la siguiente tabla. Formule UD. un PL para mostrar
cuntas acciones de cada tipo tendra que comprar Willie con el fin de
maximizar el rendimiento anual.
56
ACCIONES
PRECIO POR
ACCION($)
RENDIMIENTO
ANUAL
ESTIMADO POR
ACCION ($)
INVERSION
MAXIMA POSIBLE
($)
Gofer Crude 60 7 60.000
Can Oil 25 3 25.000
Sloth Petroleum 20 3 30.000
Formulacin del problema:
Definicin de variables
X1 = Nmero de acciones de Gofer Crude
X2 = Nmero de acciones de Can Oil
X3 = Nmero de acciones de Sloth Petroleum
Funcin objetivo: Maximizar Z = 7X1 + 3X2 + 3X3
Restricciones
60X1 60.000 inversin mxima de Gofer Crude
25X2 25.000 inversin mxima de Can Oil
20X3 30.000 inversin mxima de Sloth Petroleum
60X1 + 25X2 + 25X3 100.000 inversin total
No negatividad
Xi 0 ; i = 1, 3
Datos de entrada para Solver
56
Eppen. Investigacin de opresiones en la ciencia administrativa. Prentice Hall. Pag 115
Investigacin Operativa I Programacin Lineal
Oswaldo Paul Rivadeneira Pgina: 122
Datos de salida del Solver
59. Planificacin de Cartera. Una compaa de inversiones tiene actualmente $ 10
millones disponibles para inversin. La meta que se ha trazado consiste en
maximizar la retribucin esperada durante el siguiente ao. Sus cuatro
posibilidades de inversin se presentan resumidas en la siguiente tabla.
Adems, la compaa ha especificado que cuando menos 30% de los fondos
tendrn que colocarse en acciones ordinarias y bonos de la tesorera y que no
ms del 40% del dinero deber invertirse en fondos del mercado y ttulos
municipales. Se invertir la totalidad de los $ 10 millones actualmente a la
mano. Formule un modelo de PL que indique a la empresa cunto dinero debe
invertir en cada instrumento.
57
POSIBILIDAD DE
INVERSION
RETRIBUCION
ESPERADA (%)
INVERSION MAXIMA
(MILLONES DE $)
Bonos de Tesorera 8 5
Acciones Ordinarias 6 7
Mercado de Dinero 12 2
Ttulos Municipales 9 4
57
Eppen. Investigacin de opresiones en la ciencia administrativa. Prentice Hall. Pag 117
Investigacin Operativa I Programacin Lineal
Oswaldo Paul Rivadeneira Pgina: 123
Formulacin del problema
Definicin de variables
X1 = cantidad en dlares en Bonos de Tesorera
X2 = cantidad en dlares en Acciones Ordinarias
X3 = cantidad en dlares en Mercado de Dinero
X4 = cantidad en dlares en Ttulos Municipales
Funcin objetivo: Maximizar Z = 0.08X1 + 0.06X2 + 0.12X3 + 0.09X4
Restricciones
X1 + X2 0.30(X1 + X2 + X3 + X4)
0.70X1 + 0.70X2 0.30X3 0.30X4 0 30% de inversin
X3 + X4 0.40(X1 + X2 + X3 + X4)
-0.40X1 0.40X2 + 0.60X3 +0.60X4 0 40% de inversin
X1 5000.000 inversin en Bonos de Tesorera
X2 7000.000 inversin en Acciones Ordinarias
X3 2000.000 inversin en Mercado de Dinero
X4 4000.000 inversin en Ttulos Municipales
X1 + X2 + X3 + X4 10000.000 inversin total
No negatividad
Xi 0 ; i = 1, 4
Datos de entrada para el Solver
Datos de salida del Solver
Investigacin Operativa I Programacin Lineal
Oswaldo Paul Rivadeneira Pgina: 124
60. Wood Walter es propietario de un pequeo taller de fabricacin de muebles. En
este taller fabrica tres tipos diferentes de mesas: A, B y C. Con cada mesa, se
requiere determinado tiempo para cortar las partes que la constituyen,
ensamblarlas y pintar la pieza terminada. Word podr vender todas las mesas
que consiga fabricar. Adems, el modelo C puede venderse sin pintar. Word
emplea a varias personas, las cuales trabajan en turnos parciales, por lo cual el
tiempo disponible para realizar cada una de estas actividades es variable de uno
a otro mes. A partir de los datos siguientes, formule UD. un modelo de
programacin lineal que ayude a Word a determinar la mezcla de productos que
le permitir maximizar sus ganancias en el prximo mes.
58
Modelo
Corte
(hrs)
Montaje
(hrs)
Pintura
(hrs)
Ganancia por
mesa ($)
A 3 4 5 25
B 1 2 5 20
C 4 5 4 50
C sin pintar 4 5 0 30
Capacidad 150 200 300
Solucin al problema
Definicin 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
Funcin objetivo: Maximizar Z = 25X1 + 20X2 + 50X3 + 30X4
Restricciones
3X1 + X2 + 4X3 + 4X4 150 horas en Corte
4X1 + 2X2 + 5X3 + 5X4 200 horas en Montaje
5X1 + 5X2 + 4X3 + 0X4 300 horas en Pintura
58
Eppen. Investigacin de opresiones en la ciencia administrativa. Prentice Hall. Pag 114
Investigacin Operativa I Programacin Lineal
Oswaldo Paul Rivadeneira Pgina: 125
No negatividad
Xi 0 ; i = 1, 4
Datos de entrada para Solver
Datos de salida del Solver
61. Douglas E. Starr, administrador de la perrera Heavenly Hound Kennels, Inc,
ofrece alojamiento en plan de pensin para mascotas. La comida de los perros
alojados en la perrera se prepara mezclando tres productos granulados, con lo
cual se obtiene una dieta bien balanceada para los canes. La informacin sobre
los tres productos se muestra en la siguiente tabla. Si Douglas quiere
asegurarse de que cada uno de sus perros ingiera diariamente cuando menos 8
onzas de protenas, 1 onza de carbohidratos y no ms de 0.5 onzas de
grasas.qu cantidad de cada producto en grano deber incluirse en el alimento
de los perros a fin de minimizar los costos de Douglas? (Nota: 16 onzas = 1
libra)
59
PRODUCTO
EN GRANO
COSTO POR
LIBRA($)
PROTEINAS
(%)
CARBOHIDRATOS
(%)
GRASAS
(%)
A 0.45 62 5 3
B 0.38 55 10 2
C 0.27 36 20 1
Solucin del problema
59
Eppen. Investigacin de opresiones en la ciencia administrativa. Prentice Hall. Pag 115
Investigacin Operativa I Programacin Lineal
Oswaldo Paul Rivadeneira Pgina: 126
Definicin de variables
X1 = Cantidad en libras de producto A
X2 = Cantidad en libras del producto B
X3 = Cantidad en libras del producto C
Funcin objetivo: Minimizar Z = 0.45X1 + 0.38X2 + 0.27X3
Restricciones
0.62X1 + 0.55X2 + 0.36X3 0.5 por protenas
0.05X1 + 0.10X2 + 0.20X3 0.0625 por carbohidratos
0.03X1 + 0.02X2 + 0.01X3 0.03125 por grasas
No negatividad
Xi 0 ; i = 1, 3
Datos de entrada para Solver
Datos de salida del Solver
62. McNaughton, Inc. Produce dos salsas para carne: Spicy Diablo y Red Baron (la
ms suave). Esta salsa de hacen mezclando dos ingrediente, A y B. Se permite
cierto nivel de flexibilidad en las frmulas de estos productos. Los porcentajes
permisibles, as como la informacin de ingresos y costos, aparecen en la
siguiente tabla. Es posible comprar hasta 40 litros de A y 30 de B. McNaughton
puede vender toda la salsa que elabore. Formule un modelo de programacin
Investigacin Operativa I Programacin Lineal
Oswaldo Paul Rivadeneira Pgina: 127
lineal cuyo objetivo sea maximizar las ganancias netas obtenidas por la venta de
estas salsas.
60
SALSA
INGREDIENTE PRECIO DE VENTA
POR LITRO A B
Spicy Diablo Cuando menos 25% Cuando menos 50% 3.35
Red Baron Cuando mucho 75% * 2.85
Costo por litro 1.60 2.59
* no existe un porcentaje mximo o mnimo explcito
Solucin del problema
Definicin de variables
X1 = Cantidad de litros de ingrediente A para Salsa Spicy Diablo
X2 = Cantidad de litros de ingrediente A para Salsa Red Baron
X3 = Cantidad de litros de ingrediente B para Salsa Spicy Diablo
X4 = Cantidad de litros de ingrediente B para Salsa Red Baron
Funcin objetivo: Maximizar Z = 3.35(X1 + X3) + 2.85(X2 + X4)
1.6(X1 + X2) 2.59(X3 + X4)
Z = 1.75X1 + 0.76X2 + 1.25X3 + 0.26X4
Restricciones
X1 0.25(X1 + X3)
0.75X1 0.25X3 0 contenido de A en la salsa Spicy
X2 0.75(X2 + X4)
0.25X2 0.75X4 0 contenido de A en la salsa Red
X3 0.50(X1 + X3)
-0.50X1 + 0.50X3 0 contenido de B en la salsa Spicy
X1 + X2 40 mxima compra de litros de A
X3 + X4 30 mxima compra de litros de B
No negatividad
Xi 0 ; i = 1, 4
Datos para entrada del Solver
60
Eppen. Investigacin de opresiones en la ciencia administrativa. Prentice Hall. Pag 115
Investigacin Operativa I Programacin Lineal
Oswaldo Paul Rivadeneira Pgina: 128
Salida del Solver
63. La Corey Anders Spice Company dispone de una cantidad limitada de tres
ingredientes que se utiliza para produccin de condimentos. Corey emplea los
tres ingredientes (HB01, HB02 y HB03) para la elaboracin de crcuma y
pimentn. El departamento de mercadotecnia informa que la compaa puede
vender todo el pimentn que sea capaz de producir, pero solamente se puede
vender un mximo de 1700 botellas de crcuma. Los ingredientes no utilizados
podrn venderse en el mercado. Los precios estn expresados en $/onza. Los
precios actuales son: HB01, $0.60; HB02, $0.70; HB03, $0.55. Adems, Corey
ha firmado un contrato para suministrar 600 botellas de pimentn a Wal-Mart.
En la siguiente tabla se ofrece informacin adicional. Formule el problema de
Corey como un modelo de programacin lineal para maximizacin de ingresos.
61
INGREDIENTES
(ONZ/BOTELLA)
DEMANDA
(BOTELLAS)
PRECIO
VENTA
/BOTELLA HB01 HB02 HB03
Crcuma 4 2 1 1700 3.25
Pimentn 3 2 3 ilimitada 2.75
Disponibilidad
61
Eppen. Investigacin de opresiones en la ciencia administrativa. Prentice Hall. Pag 115
Investigacin Operativa I Programacin Lineal
Oswaldo Paul Rivadeneira Pgina: 129
(onzas) 8000 9000 7000
Solucin del problema
Definicin de variables
X1 = Cantidad de botellas de Crcuma
X2 = Cantidad de botellas de Pimentn
Funcin objetivo
Maximizar Z = 3.25X1 + 2.75X2 + 0.60(8000 4X1 3X2)
+ 0.70(9000 2X1 2X2) + 0.55(7000 X1 3X2)
Z = 14.950 5.45X1 6.95X2
Restricciones
4X1 + 3X2 8000 por onzas de HB01
2X1 + 2X2 9000 por onzas de HB02
1X1 + 3X2 7000 por onzas de HB03
X1 1.700 botellas de Crcuma
X2 600 contrato para Pimentn
No negatividad
Xi 0; i = 1, 2
Solucin GLP
Datos de entrada para el Solver
0 901802703604505406307208109009901080 1170 1260 1350 1440 1530 1620 1710 1800
101
181
261
341
421
501
581
661
741
821
901
981
1061
1141
1221
1301
1381
1461
1541
1621
1701
X2
X1
: 4.0 X1 + 3.0 X2 = 8000.0
: 2.0 X1 + 2.0 X2 = 9000.0
: 1.0 X1 + 3.0 X2 = 7000.0
: 1.0 X1 + 0.0 X2 = 1700.0
: 0.0 X1 + 1.0 X2 = 600.0
Payoff: 1.1 X1 + 2.1 X2 = 1260.0
Optimal Decisions(X1,X2): ( 0.0, 600.0)
: 4.0X1 + 3.0X2 <= 8000.0
: 2.0X1 + 2.0X2 <= 9000.0
: 1.0X1 + 3.0X2 <= 7000.0
: 1.0X1 + 0.0X2 <= 1700.0
: 0.0X1 + 1.0X2 >= 600.0
Investigacin Operativa I Programacin Lineal
Oswaldo Paul Rivadeneira Pgina: 130
Salida del Solver
64. Guy Chung, superintendente de los edificios y del terreno circundante de la
Universidad Gtica, ha planeado aplicar fertilizante al csped del rea
cuadrangular a principios de la primavera. Ese prado necesita por lo menos las
cantidades de nitrgeno, fsforo y potasio que figuran en la siguiente tabla:
MINERAL PESO MINIMO(LIBRAS)
Nitrgeno 10
Fsforo 7
Potasio 5
Hay tres tipos de fertilizante comercial disponibles; los anlisis y precios por
1000 libras se enlistan en la siguiente tabla. Guy puede comprar cualquier
cantidad de cualquiera de los fertilizantes que quiera y combinarlos antes de
aplicarlos al csped. Formule un modelo de PL que determine la cantidad de
Investigacin Operativa I Programacin Lineal
Oswaldo Paul Rivadeneira Pgina: 131
cada fertilizante que debe comprar para satisfacer los requerimientos con un
costo mnimo.
62
Fertilizante
Contenido de
nitrgeno (lib)
Contenido de
fsforo (lib)
Contenido de
potasio (lib)
Precio ($)
I 25 10 5 10
II 10 5 10 8
III 5 10 5 7
Solucin del problema
Definicin de variables
X1 = Miles de libras de Fertilizante I
X2 = Miles de libras de Fertilizante II
X3 = Miles de libras de Fertilizante III
Funcin objetivo: Minimizar Z = 10X1 + 8X2 + 7X3
Restricciones
25X1 + 10X2 + 5X3 10 contenido de nitrgeno
10X1 + 5X2 + 10X3 7 contenido de fsforo
5X1 + 10X2 + 5X3 5 contenido de potasio
No negatividad
Xi 0; i = 1, 3
Datos de entrada para el Solver
Datos de salida del Solver
62
Eppen. Investigacin de opresiones en la ciencia administrativa. Prentice Hall. Pag 116
Investigacin Operativa I Programacin Lineal
Oswaldo Paul Rivadeneira Pgina: 132
65. La Ebel Mining Company es propietaria de dos minas que producen cierto tipo
de mineral. Dichas minas est localizadas en distintas partes del pas y, en
consecuencia, presentan diferencias en sus capacidades de produccin y en la
calidad de su mineral. Despus de ser molido el mineral se clasifica en tres
clases dependiendo de la calidad: alta. Media y baja. Ebel ha sido contratada
para suministrar semanalmente a la planta de fundicin de su compaa matriz
12 toneladas de mineral de alta calidad, 8 toneladas de calidad mediana y 24
toneladas de calidad baja. A Ebel le cuesta $ 20.000 diarios operar la primera
mina y $ 16.000 la segunda. Sin embargo en un da de operacin la primera
mina produce 6 tonelada de mineral de alta calidad, 2 toneladas de mediana y 4
toneladas de baja, mientras que la segunda produce 2 toneladas diarias de
material de alta calidad, 2 de mediana y 12 de baja. Cuntos das a la semana
tendr que funcionar cada mina para cumplir los compromisos de Ebel de la
manera ms econmica posible? (En este caso resulta aceptable programar la
operacin de las minas en fracciones de da)
63
Solucin del problema
Definicin de variables
X1 = Nmero de das a la semana (fraccin de semana) de trabajo de
la Mina 1
X2 = Nmero de das a la semana (fraccin de semana) de trabajo de la
Mina 2
Funcin objetivo: Minimizar Z = 20X1 + 16X2 miles de dlares
Restricciones
6X1 + 2X2 12 mineral de alta calidad
2X1 + 2X2 8 mineral de calidad mediana
4X1 + 12X2 24 mineral de baja calidad
X1 + X2 = 5 mximo tiempo 1 semana (5 das)
No negatividad
Xi 0; i = 1, 2
63
Eppen. Investigacin de opresiones en la ciencia administrativa. Prentice Hall. Pag 116
Investigacin Operativa I Programacin Lineal
Oswaldo Paul Rivadeneira Pgina: 133
Solucin GLP
Datos de entrada para Solver
PRODUCCION DE MINERALES EN EBEL MINING COMPANY
Produccin en Mina 1
Mina
2
Das de la semana 1 1 MIN
Costo diario de operacin 20000 16000 36000
RESTRICCIONES
USO DE
RECURSOS UTILIZADO LIMITE
NO
UTILIZADO
Produccin mineral alta c. 6 2 8 12 -4
Produccin mineral mediana c. 2 2 4 8 -4
Produccin mineral baja c. 4 12 16 24 -8
Tiempo mximo una semana 1 1 2 5 3
Datos de salida del Solver
Produccin en
Mina
1
Mina
2
Das de la semana 1 3 MIN
Costo diario de operacin 20000 16000 68000
0 2 4 6 8 10 12 14 16 18 20 22 24 26 28 30 32 34 36 38 40 42 44 46 48 50
0
2
4
6
8
10
12
14
16
18
20
22
24
26
28
30
32
34
36
38
40
42
44
46
48
50
X2
X1
: 6.0 X1 + 2.0 X2 = 12.0
: 2.0 X1 + 2.0 X2 = 8.0
: 4.0 X1 + 12.0 X2 = 24.0
: 1.0 X1 + 1.0 X2 = 5.0
Payoff: 20.0 X1 + 16.0 X2 = 68.0
Optimal Decisions(X1,X2): ( 1.0, 3.0)
: 6.0X1 + 2.0X2 >= 12.0
: 2.0X1 + 2.0X2 >= 8.0
: 4.0X1 + 12.0X2 >= 24.0
: 1.0X1 + 1.0X2 <= 5.0
Investigacin Operativa I Programacin Lineal
Oswaldo Paul Rivadeneira Pgina: 134
RESTRICCIONES UTILIZADO LIMITE
NO
UTILIZADO
Produccin mineral alta c. 6 2 12 12 9,32E-12
Produccin mineral mediana
c. 2 2 8 8 9,32E-12
Produccin mineral baja c. 4 12 40 24 16
Tiempo mximo una semana 1 1 4 5 1
66. La Sally Solar Car CO., tiene una planta que fabrica automviles sedn,
deportivos y camionetas. Los precios de venta, costos variables y costos fijos
correspondientes a la manufactura de estos vehculos se presentan en la
siguiente tabla:
MODELO
CONTRIBUCION A
LAS GANANCIAS
($)
VARIABLE DE
PRODUCCION
TIEMPO(HRS)
COSTOS
FIJOS
($)
Sedan 6.000 12 2.000.000
Camioneta 8.000 15 3.000.000
Deportivo 11.000 24 7.000.000
Rally ha recibido recientemente pedidos por un total de 100 automviles sedan,
200 camionetas y 300 automviles deportivos. Deber atender todos estos
pedidos. Ella desea planear la produccin de manera que pueda alcanzar el
punto de equilibrio con la mayor rapidez posible, es decir, quiere asegurarse
que el margen total de contribucin sea igual al total de costos fijos y que los
costos variables de produccin sean mnimos. Formule este problema como un
modelo de programacin lineal y resulvalo.
64
Solucin del problema:
Definicin de variables
X1 = cantidad de automviles Sedan
X2 = cantidad de Camionetas
X3 = Cantidad de automviles Deportivos
Funcin objetivo: Tiempo Mnimo Z = 12X1 + 15X2 + 24X3
Restricciones
6X1 - 2000 0 produccin de automviles sedan
8X2 3000 0 produccin de camionetas
11X3 7000 0 produccin de automviles deportivos
x1 100 cantidad de automviles sedan
x2 200 cantidad de camionetas
X3 300 cantidad de automviles deportivos
No negatividad
Xi 0; i = 1, 3
64
Eppen. Investigacin de opresiones en la ciencia administrativa. Prentice Hall. Pag 116
Investigacin Operativa I Programacin Lineal
Oswaldo Paul Rivadeneira Pgina: 135
Entrada de datos para Solver
Salida del Solver
67. Reese Eichler, fabricante de equipo complementario para filtracin del aire,
produce dos tipos de unidades, el Umidaire y el Depollinator. Los datos
referentes a los precios de venta y a los costos aparecen en la siguiente tabla.
La compaa Resse ha sido contratada para suministrar 500 Umidaire y desea
calcular las cantidades del punto de equilibrio de ambos tipos de unidad.
Formule el modelo de PL para minimizar los costos y resulvalo.
65
Producto Precio de venta
por unidad ($)
Costos variables
por unidad ($)
Costos fijos ($)
Umidaire 450 240 150.000
Depollinator 700 360 240.000
Definicin de variables
X1 = Cantidad de unidades de Umidaire
X2 = Cantidad de unidades de Depollinator
Funcin objetivo: Minimizar Z = 240X1 + 360X2
Restricciones
450X1 240X1 150000 0 ; 210X1 150000
65
Eppen. Investigacin de opresiones en la ciencia administrativa. Prentice Hall. Pag 117
Investigacin Operativa I Programacin Lineal
Oswaldo Paul Rivadeneira Pgina: 136
700X2 360X2 240000 0 ; 340X2 240000
X1 500
No negatividad
Xi 0; i = 1, 2
Solucin GLP
Punto de equilibrio x1 > 500 y x2 > 705.9
Datos de entrada Solver
Salida Solver
0 50 100 150 200 250 300 350 400 450 500 550 600 650 700 750 800 850 900 950 1000
0
50
100
150
200
250
300
350
400
450
500
550
600
650
700
750
800
850
900
950
1000
X2
X1
: 210.0 X1 + 0.0 X2 = 150000.0
: 0.0 X1 + 340.0 X2 = 240000.0
: 1.0 X1 + 0.0 X2 = 500.0
Payoff: 240.0 X1 + 360.0 X2 = 425546.2
Optimal Decisions(X1,X2): (714.3, 705.9)
: 210.0X1 + 0.0X2 >= 150000.0
: 0.0X1 + 340.0X2 >= 240000.0
: 1.0X1 + 0.0X2 >= 500.0
Investigacin Operativa I Programacin Lineal
Oswaldo Paul Rivadeneira Pgina: 137
68. Una compaa opera cuatro granjas, cuyos grados de productividad son
comparables. Cada una de las granjas tiene cierta cantidad de hectreas tiles y
de horas de trabajo para plantar y cuidar la cosecha. Los datos
correspondientes a la prxima temporada aparecen en la siguiente tabla.
GRANJA
HECTAREAS
UTILES
HORAS DE TRABAJO
DISPONIBLES
POR MES
1 500 1700
2 900 3000
3 300 900
4 700 2200
La organizacin est considerando la opcin de plantar tres cultivos distintos.
Las diferencias principales entre estos cultivos son las ganancias esperadas por
hectrea y la cantidad de mano de obra que cada uno requiere, como se indica
en la siguiente tabla.
CULTIVO
HECTAREAS
MAXIMAS
HORAS MENSUALES
DE TRABAJO
POR HECTAREA
GANACIAS
ESPERADAS
POR HECTAREA ($)
A 700 2 500
B 800 4 200
C 300 3 300
Adems, el total de las hectreas que pueden ser dedicadas a cualquier cultivo
en particular estn limitadas por los requerimientos asociados por concepto de
equipo de ciega. Con la finalidad de mantener una carga de trabajo ms o
menos uniforme entre las distintas granjas, la poltica de la administracin
recomienda que el porcentaje de hectreas plantadas deber ser igual para
todas las granjas. Sin embargo, en cualquiera de esas fincas puede crecer
cualquier combinacin de cultivos, siempre y cuando se satisfagan todas las
restricciones (incluido el requerimiento de la carga de trabajo sea uniforme). La
administracin desea saber cuantas hectreas de cada cultivo tendr que
Investigacin Operativa I Programacin Lineal
Oswaldo Paul Rivadeneira Pgina: 138
plantar en sus respectivas granjas, A fin de maximizar las ganancias
esperadas.
66
Definicin de variables
X11 = Cantidad de Ha del Cultivo A en la Granja 1
X12 = Cantidad de Ha del Cultivo A en la Granja 2
X13 = Cantidad de Ha del Cultivo A en la Granja 3
X14 = Cantidad de Ha del Cultivo A en la Granja 4
X21 = Cantidad de Ha del Cultivo B en la Granja 1
X22 = Cantidad de Ha del Cultivo B en la Granja 2
X23 = Cantidad de Ha del Cultivo B en la Granja 3
X24 = Cantidad de Ha del Cultivo B en la Granja 4
X31 = Cantidad de Ha del Cultivo C en la Granja 1
X32 = Cantidad de Ha del Cultivo C en la Granja 2
X33 = Cantidad de Ha del Cultivo C en la Granja 3
X34 = Cantidad de Ha del Cultivo C en la Granja 4
Funcin 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 distribucin uniforme
900(X11 + X21 + X31) 500(X12 + X22 + X32) = 0 Distr. G1 y G2
500(X13 + X23 + X33) 300(X11 + X21 + X31) = 0 Distr. G1 y G3
700(X11 + X21 + X31) 500(X14 + X24 + X34) = 0 Distr. G1 y G4
No negatividad
Xij 0; i = 1, 3; j = 1, 4
i = Cultivo; j = Granja
Entrada de datos para Solver
66
Eppen. Investigacin de opresiones en la ciencia administrativa. Prentice Hall. Pag 117
34 24 14 33 23 13 32 22 12 31 21 11
700 300 900 500
X X X X X X X X X X X X
Investigacin Operativa I Programacin Lineal
Oswaldo Paul Rivadeneira Pgina: 139
Salida Solver
69. La administracin de un viedo 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, junto con ciertas restricciones sobre los porcentajes incluidos en
la composicin de las tres mezclas. En particular, las cosechas 2 y 3 en conjunto
debern constituir cuando menos 75% de la mezcla de A y cuando menos 35%
de la mezcla C. Adems, la mezcla A deber contener cuando menos el 8% de
la cosecha 4, mientras que la mezcla B deber contener por lo menos 10% de la
cosecha 2 y a lo sumo 35% de la cosecha 4. Se podr vender cualquier cantidad
Investigacin Operativa I Programacin Lineal
Oswaldo Paul Rivadeneira Pgina: 140
que se elabore de las mezclas A, B y C. Formule un modelo PL que aproveche
de mejor forma las cosechas disponibles y resulvalo.
67
Mezcla
Cosecha Precio de
venta/galn 1 2 3 4
A * cuando menos 75% 2 Y 3
en cualquier proporcin
cuando
menos 8%
80
B * cuando menos
10%
* cuando
mucho 35%
50
C * Cuando menos 35% 2 y 3
en cualquier proporcin
*
35
Existencias
(galones)
130 200 150 350
* indica que no existe restriccin alguna
Definicin de variables
X11 = Cantidad de galones de vino de la cosecha 1 para mezcla A
X12 = Cantidad de galones de vino de la cosecha 1 para mezcla B
X13 = Cantidad de galones de vino de la cosecha 1 para mezcla C
X21 = Cantidad de galones de vino de la cosecha 2 para mezcla A
X22 = Cantidad de galones de vino de la cosecha 2 para mezcla B
X23 = Cantidad de galones de vino de la cosecha 2 para mezcla C
X31 = Cantidad de galones de vino de la cosecha 3 para mezcla A
X32 = Cantidad de galones de vino de la cosecha 3 para mezcla B
X33 = Cantidad de galones de vino de la cosecha 3 para mezcla C
X41 = Cantidad de galones de vino de la cosecha 4 para mezcla A
X42 = Cantidad de galones de vino de la cosecha 4 para mezcla B
X43 = Cantidad de galones de vino de la cosecha 4 para mezcla C
Funcin Objetivo
Maximizar Z= 80X11 + 80X21 + 80X31 + 80X41 + 50X12 + 50X22 + 50X32 +
50X42 + 35X13 + 35X23 + 35X33 + 35X43
Restricciones
X21 + X31 0.75(X11 + X21 + X31 + X41) por lo menos 75% de 2 y 3 en A
X41 0.08(X11 + X21 + X31 + X41) cuando menos el 8% en A
X22 0.10(X12 + X22 + X32 + X42) cuando menos el 10% en B
X42 0.35(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 mximo de galones de cosecha 1
X21 + X22 + X23 200 mximo de galones de cosecha 2
X31 + X32 + X33 150 mximo de galones de cosecha 3
X41 + X42 + X43 350 mximo de galones de cosecha 4
No negatividad
Xij 0; i = 1, 4; j = 1, 3
67
Eppen. Investigacin de opresiones en la ciencia administrativa. Prentice Hall. Pag 118
Investigacin Operativa I Programacin Lineal
Oswaldo Paul Rivadeneira Pgina: 141
i = Cosecha; j = Mezcla
Datos de entrada para Solver
Salida del Solver