EjCap2

Ctedra: Investigacin Operativa Universidad Tecnolgica Nacional
Ao: 2002 Facultad Regional Mendoza

1

EJERCICIO 2.1:

Identifique un conjunto de variables de decisin apropiadas para este ejercicio. Proporcione
nombres simblicos relevantes y una descripcin completa de cada variable. No necesita formular el
modelo.
Florida Citrus, Inc., procesa jugo de naranja y lo transforma en concentrado congelado en
tres plantas localizadas en Tampa, Miami y J acksonville. De cualquiera de los dos huertos ubicados
cerca de Orlando y Gainesville se pueden enviar libras de naranja hacia cualquier planta. Dado el
costo de embarque y el precio de venta del concentrado, el objetivo, sujeto a ciertas restricciones de
oferta y demanda, es determinar como embarcar estas naranjas desde los dos huertos a las tres
plantas procesadoras para maximizar la ganancia total.

Plantas
Tampa =T
J acksonville =J
Miami =M

Huertos
Orlando =O
Gaineisville =G

Variables de decisin:

X
OT
=cantidad de naranjas desde el origen O hasta el destino T.
X
OM
=cantidad de naranjas desde el origen O hasta el destino M
X
OJ
=cantidad de naranjas desde el origen O hasta el destino J .
X
GT
=cantidad de naranjas desde el origen G hasta el destino T.
X
GM
=cantidad de naranjas desde el origen G hasta el destino M
X
GJ
=cantidad de naranjas desde el origen G hasta el destino J .

EJERCICIO 2.2:
Identifique un conjunto de variables de decisin apropiadas para este ejercicio. Proporcione
nombres simblicos relevantes y una descripcin completa de cada variable No necesita formular el
modelo.
Pensin Planners, Inc., administra una cartera particular que consiste en 1800, 1000 y 500
acciones de fondos mutuos. Dadas ciertas suposiciones sobre las condiciones econmicas en los
siguientes 2 meses, el administrador de la agenda desea determinar el nmero de acciones de cada
fondo por vender o comprar en cada uno de los siguientes dos meses, para maximizar el valor
esperado de la agenda.
O
G
T
M
J
Huertos Plantas

RESOLUCION DE EJERCICIOS DEL CAPITULO 2


2

.


X
1
=cantidad de acciones del fondo 1 por vender en los siguientes dos meses.
X
2
X
3
X
4
=cantidad de acciones del fondo 1 por comprar en los siguientes dos meses.
X
5
X
6
F1 =cantidad total de acciones del fondo 1 al final de los dos meses.
F2= cantidad total de acciones del fondo 2 al final de los dos meses.
F3 =cantidad total de acciones del fondo 3 al final de los dos meses.

EJERCICIO 2.3:

Para el ejercicio 2.1, el huerto que est cerca de Orlando tiene 20000 libras de naranjas y el
huerto cercano a Gainesville tiene 12000 libras de naranjas.
La planta de Tampa requiere al menos 8000 libras de naranjas para cumplir su cuota de
produccin. Las plantas de Miami y J acksonville requieren cada una al menos 11000 libras de
naranjas. Use la tcnica de agrupamiento para identificar todos los grupos de restricciones. No
necesita formular las restricciones; sin embargo, especifique el nmero de restricciones de cada
grupo.

Restricciones de no negatividad:
X
i
>=0 siendo i =1 6

Restricciones de produccin:

X
OT
+X
OM
+X
OJ
<=20000 Orlando puede enviar hasta 20000 libras de naranjas
X
GT
+X
GM
+X
GJ
<=12000 Gainesville puede enviar hasta 12000 libras de
naranjas

Ventas
Compras
Fondo1
Fondo2
Fondo3


3

Restricciones de demanda:
X
OT
+X
GT
>=8000

Tampa requiere al menos 8000 libras de naranjas
X
OM
+X
GM
>=11000 Miami requiere al menos 11000 libras de naranjas.
X
OJ
+X
GJ
>=11000 J acksonville requiere al menos 11000 libras de
naranjas.

EJERCICIO 2.4:

Al determinar el nmero de acciones por comprar o vender en el ejercicio 2.2, la
administracin nunca deseara vender ms acciones de las que tiene. Asimismo, el fondo 1 en
ningn caso debe tener ms del doble de acciones del fondo 2, y este ltimo tampoco debe tener
ms del doble del nmero de acciones del fondo 3.
Finalmente, la cantidad total invertida en cada fondo no debe exceder los $75 000. Use la
tcnica de agrupamiento para identificar todos los grupos de restricciones. No necesita formular las
restricciones; sin embargo, especifique el nmero de restricciones de cada grupo.

X
i
>=0 siendo i =1 6
Restricciones de venta:
F1 =1800 +X
4
X
1
El total del fondo1 es lo que tiene ms lo que compra y vende.
F2 =1000 +X
5
- X
2
F3 =500 +X
6
- X
3

X
1
<=1800 +X
4
Lo que hay para vender del fondo1 debe ser al menos la suma de lo que
tiene ms lo que compra.
X
2
<=1000 +X
5
X
3
<=500 +X
6

Restricciones de compra:

F1 <=2 * F2 El fondo1 en ningn caso debe tener ms del doble de acciones del fondo2

F2 <=2 * F3 El fondo2 en ningn caso debe tener ms del doble de acciones del fondo3

Restricciones de inversin:

F1 <=75000 La cantidad total invertida en el fondo1 no debe exceder los $75 000.
F2 <=75000 La cantidad total invertida en el fondo2 no debe exceder los $75 000
F3 <=75000 La cantidad total invertida en el fondo3 no debe exceder los $75 000


4

EJERCICIO 2.5
Para el ejercicio 2.1, use la tcnica de descomposicin para expresar la funcin objetivo de
maximizacin de ganancias dados los siguientes datos de costo e ingresos:

Funcin objetivo de maximizacin de ganancias:

Z =(X
OT
* Ingresos - X
OT
* Costos) +(X
OM
* Ingresos - X
OM
* Costos) +(X
OJ
* Ingresos - X
OJ
*
Costos) +(X
GT
* Ingresos - X
GT
* Costos) +(X
GM
* Ingresos - X
GM
* Costos) +(X
GJ
* Ingresos -
X
GJ
* Costos)

Z =(X
OT
* 550 - X
OT
* 50) +(X
OM
* 750 - X
OM
* 75) +(X
OJ
* 600 - X
OJ
* 60) +(X
GT
* 550 - X
GT
*
60) +(X
GM
* 750 - X
GM
* 90) +(X
GJ
* 600 - X
GJ
* 45)

Mediante Lingo:

MAX =(Xot*550 - Xot*50)+(Xom*750 - Xom*75)+(Xoj*600 -
Xoj*60)+(Xgt*550 - Xgt*60)+(Xgm*750 - Xgm*90)+(Xgj*600 -
Xgj*45);
Xot >=0;
Xom >=0;
Xoj >=0;
Xgt >=0;
Xgm >=0;
Xgj >=0;
Xot+Xom+Xoj <=20000;
Xgt+Xgm+Xgj <=12000;
Xot+Xgt >=8000;
Xom+Xgm >=11000;
Xoj+Xgj >=11000;

COSTO DE EMBARQUE ($/Ton) A
DESDE TAMPA MIAMI J AKSONVILLE
Orlando 50 75 60
Gainesville 60 90 45
INGRESOS
($/ton de naranjas procesadas)
Tampa 550
Miami 750
J acksonville 600


5

Solution Report
Global optimal solution found at step: 10
Objective value: 0.1887000E+08
Variable Value Reduced Cost
XOT 7000.000 0.0000000
XOM 13000.00 0.0000000
XOJ 0.0000000 25.00000
XGT 1000.000 0.0000000
XGM 0.0000000 5.000000
XGJ 11000.00 0.0000000
Row Slack or Surplus Dual Price
1 0.1887000E+08 1.000000
2 7000.000 0.0000000
3 13000.00 0.0000000
4 0.0000000 0.0000000
5 1000.000 0.0000000
6 0.0000000 0.0000000
7 11000.00 0.0000000
8 0.0000000 675.0000
9 0.0000000 665.0000
10 0.0000000 -175.0000
11 2000.000 0.0000000
12 0.0000000 -110.0000
Mediante Solver::


6
Celdas cambiantes
Nombre Valor final Valor inicial
Xot>=0 7000 0
Xom>=0 13000 0
Xoj>=0 0 0
Xgt>=0 1000 0
Xgm>=0 0 0
Xgj>=0 11000 0
Restricciones
Nombre Valor final lado
derecho
Valor final lado
izquierdo
Valor inicial lado
izquierdo
Xot+Xom+Xoj<=20000 20000 20000 20000
Xgt+Xgm+Xgj<=12000 12000 12000 12000
Xot+Xgt>=8000 8000 8000 8000
Xom+Xgm>=11000 13000 11000 11000
Xoj+Xgj>=11000 11000 11000 11000
Funcin objetivo
Z=
18870000
(Xgm * 750 - Xgm * 90) +(Xgj * 600 - Xgj * 45)
Z =(Xot* 550 - Xot* 50) +(Xom * 750 - Xom * 75) +
(Xoj * 600 - Xoj * 60) +(Xgt * 550 - Xgt * 60) +
0
0
0
0
Valor inicial lado
derecho
0

EJERCICIO 2.6:

Para el ejercicio 2.2, suponga que al final del segundo mes se espera que el precio por
accin del Fondo 1 sea $28, que el del Fondo 2 sea $60 y el del Fondo 3, $45. Formule una
restriccin para asegurar que con estos precios, el valor de la cartera al final del segundo mes sea al
menos $ 125 000. Ilustre el uso de la descomposicin.

Restriccin de ganancia:
28 * F1 +60 * F2 +45 * F3 >=125000

Funcin Objetivo:

Z =28 * ( 1800 +X
4
X
1
) +60 * ( 1000 +X
5
X
2
) +45 * ( 500 +X
6
X
3
)
Z =28* F1 +60 * F2 +45 * F3

Mediante Lingo:

MAX =28*(1800 +X4 - X1)+60*(1000 +X5 - X2)+45*(500 +X6 -
X3);

X1 >=0;
X2 >=0;
X3 >=0;
X4 >=0;


7
X5 >=0;
X6 >=0;

1800 +X4 - X1 <=2*(1000 +X5 - X2);
1000 +X5 - X2 <=2*(500 +X6 - X3);

28*(1800 +X4 - X1) <=75000;
60*(1000 +X5 - X2) <=75000;
45*(500 +X6 - X3) <=75000;

28*(1800 +X4 - X1)+
60*(1000 +X5 - X2)+
45*(500 +X6 - X3) >=125000;

Solution Report
Objective value: 220000.0
X4 700.0000 0.0000000
X1 0.0000000 0.0000000
X5 250.0000 0.0000000
X2 0.0000000 0.3337860E-05
X6 1166.667 0.0000000
X3 0.0000000 0.0000000
1 220000.0 1.000000
2 0.0000000 0.0000000
3 0.0000000 0.0000000
4 0.0000000 0.0000000
5 700.0000 0.0000000
6 250.0000 0.0000000
7 1166.667 0.0000000
8 0.0000000 28.00000
9 2083.333 0.0000000
10 5000.000 0.0000000
11 0.0000000 1.933333
12 0.0000000 1.000000
13 95000.00 0.0000000


8
Mediante Solver:
Celdas cambiantes
Nombre Valor inicial Valor final
X1>=0 0 1042
X2>=0 0 0
X3>=0 0 0
X4>=0 0 1742
X5>=0 0 250
X6>=0 0 1167
Restricciones
Nombre Valor inicial
lado derecho
Valor Final
lado derecho
Valor inicial
lado izquierdo
Valor Final
lado izquierdo
F3 500+X6-X3 500 625
F1 1800+X4-X1<=2*F2 1800 2500 2000 2500
F2 1000+X5-X2<=2*F3 1000 1250 1000 1250
F1 28*(1800+X4-X1)<=75000 50400 70000 75000 75000
F2 60*(1000+X5-X2)<=75000 108000 75000 75000 75000
F3 45*(500+X6-X3)<=75000 22500 75000 75000 75000
28*F1+60*F2+45*F3>=125
000
132900 220000 125000 125000

Funcin objetivo: Z=28*F1 +60*F2 +45*F3
Z= 220000
EJERCICIO 2.7:

World Oil Company puede comprar dos tipos de petrleo crudo: crudo ligero a un costo de
$25 por barril, y petrleo pesado a $22 por barril. Cada barril de petrleo crudo, ya refinado,
produce tres productos: gasolina, turbosina y queroseno. La siguiente tabla indica las cantidades en
barriles de gasolina, turbosina y queroseno producidos por barril de cada tipo de petrleo crudo:

GASOLINA TURBOSINA QUEROSENO
Crudo ligero 0.45 0.18 0.30
Crudo pesado 0.35 0.36 0.20

La refinera se ha comprometido a entregar 1260000 barriles de gasolina, 900000 barriles de
turbosina y 300000 barriles de queroseno. Como gerente de produccin, formule un modelo para
determinar la cantidad de cada tipo de petrleo crudo por comprar para minimizar el costo total al
tiempo que se satisfaga la demanda apropiada. Defina todas las variables de decisin. Use el
esquema de la seccin 2.3 para clasificar su modelo.


X1=cantidad de barriles de petrleo ligero
X2=cantidad de barriles de petrleo pesado


9

X
i
>=0 siendo i =1 2


0.45 * X1 +0.35 * X2 >=1260000 cantidad de barriles de gasolina a entregar
0.18 * X1 +0.36 * X2 >=900000 cantidad de barriles de turbosina a entregar
0.30 * X1 +0.20 * X2 >=300000 cantidad de barriles de queroseno a entregar

Funcin objetivo:

Minimizar el costo total al tiempo que se satisfaga la demanda apropiada.

MIN =25 * X1 +22 * X2

EJERCICIO 2.8

Reconsidere el ejercicio 2.7. Cada barril de petrleo crudo refinado produce un desecho de
0.07 de barril que se tira a un costo de $1 por barril de desecho. De manera similar, cada barril de
petrleo crudo pesado produce un desecho de 0.09 de barril y su eliminacin cuesta $1.50 por barril.
Formule un nuevo modelo para incorporar estos costos adicionales usando los mismos datos del
ejercicio 2.7.

Funcin objetivo:
Z=(X1*25 +X1* 0.07*1) +(X2*22 +X2*0.09*1.50)

Mediante Lingo:

MIN=(X1*25 +X1* 0.07*1) +(X2*22 +X2*0.09*1.50);
X1>=0;
X2>=0;
0.45 * X1 +0.35 * X2 >=1260000;
0.18 * X1 +0.36 * X2 >=900000;
0.30 * X1 +0.20 * X2 >=300000;

Resolucin:

Solution Report


10

Objective value: 0.7494100E+08

X1 1400000. 0.0000000
X2 1800000. 0.0000000

1 0.7494100E+08 1.000000
2 1400000. 0.0000000
3 1800000. 0.0000000
4 0.0000000 -50.91818
5 0.0000000 -11.98232
6 480000.0 0.0000000

Mediante Solver:

Celdas cambiantes
Nombre Valor Inicial Valor final
X1>=0 0 1400000
X2>=0 0 1800000

Restricciones
Nombre Valor final
lado derecho
Valor final lado
izquierdo
Valor inicial lado
derecho
Valor inicial
lado izquierdo
0.45 * X1 +0.35 * X2 >=
1260000
1260000 1260000 0 1260000
0.18 * X1 +0.36 * X2 >=
900000
900000 900000 0 900000
0.30 * X1 +0.20 * X2 >=
300000
780000 300000 0 300000

Funcin objetivo Z=(X1*25 +X1* 0.07*1) +(X2*22 +X2*0.09*1.50)
Z= 74941000

EJERCICIO 2.9:


11

Carmac Company fabrica carros compactos y subcompactos. La produccin de cada carro
requiere una cierta cantidad de materia prima y mano de obra, como se especifica en la siguiente
tabla:

MATERIA
PRIMA
MANO DE
OBRA
(libras) (horas)
Compactos 200 18
Subcompactos 150 20
Costo unitario ($) 10 70
Total disponible 80000 9000

La divisin de comercializacin ha estimado que a lo ms 1500 compactos pueden venderse
a $ 10 000 cada uno y que a lo ms 200 subcompactos pueden venderse a $8000 cada uno. Como
vicepresidente de programacin, formule un modelo para determinar la cantidad a fabricar de cada
tipo de carro para maximizar la ganancia total (ingresos menos gastos). Defina todas las variables de
decisin. Use el esquema de la seccin 2.3 para clasificar su modelo.

Costo de un auto compacto: cant Materia Prima*costo +cant Mano de Obra*costo
=200*10 +18*70 =$3260

Costo de un auto subcompacto: cant Materia Prima*costo +cant Mano de Obra*costo
=150*10 +20*70 =$2900

X1=cantidad de carros compactos
X2=cantidad de carros subcompactos

Funcin objetivo:
Maximizar la ganancia total (ingresos menos gastos).
MAX =(X1*10000 +X2*8000) (X1*3260 +X2*2900)
X
i
>=0 siendo i =1 2

Restricciones de disponibilidad:

X1*2000 +X2*1500 <=80000 Total disponible de materia prima
X1*18 +X2*20 <=9000 Total disponible de mano de obra
X1<=1500 a lo ms 1500 compactos pueden venderse
X2<=200 a lo ms 200 subcompactos pueden venderse

Mediante Lingo:
MAX =(X1*10000 +X2*8000)- (X1*3260 +X2*2900);


12
X1>=0;
X2>=0;
X1*200 +X2*150 <=80000 ;
X1*18 +X2*20 <=9000 ;
X1<=1500;
X2<=200;

Solution Report
Objective value: 2705000.
X1 250.0000 0.0000000
X2 200.0000 0.0000000
1 2705000. 1.000000
2 250.0000 0.0000000
3 200.0000 0.0000000
4 0.0000000 33.70000
5 500.0000 0.0000000
6 1250.000 0.0000000
7 0.0000000 45.00000

Mediante Solver:

Celdas cambiantes
X1>=0 0 250
X2>=0 0 200

Restricciones
Nombre Valor final
lado derecho
Valor final
lado izquierdo
Valor inicial
lado derecho
Valor inicial
lado izquierdo
X1*200 +X2*150 <=
80000
80000 80000 0 80000
X1*18 +X2*20 <=
9000
8500 9000 0 9000
X1<=1500 250 1500 0 1500
X2<=200 200 200 0 200

Funcin objetivo Z=(X1*10000 +X2*8000) (X1*3260 +
X2*2900)

Z= 2705000

EJERCICIO 2.10:


13
Fresh Dairy Farms tiene dos mquinas distintas para procesar leche pura y producir leche
descremada, mantequilla o queso. La cantidad de tiempo requerido en cada mquina para producir
cada unidad de producto resultante y las ganancias netas se proporcionan en la siguiente tabla:

LECHE
DESCREMADA
MANTEQUILLA QUESO
Mquina1 0.2 min/gal 0.5 min/lb 1.5 min/lb
Mquina2 0.3 min/gal 0.7 min/lb 1.2 min/lb
Ganancia neta $0.22/gal $0.38/lb $0.72/lb

Suponiendo que se dispone de 8 horas en cada mquina diariamente, como gerente del
departamento de produccin, formule un modelo para determinar un plan de produccin diaria que
maximice las ganancias corporativas netas y produzca un mnimo de 300 galones de leche
descremada, 200 libras de mantequilla y 100 libras de queso.

X1=cantidad de leche descremada
X2=cantidad de mantequilla
X3=cantidad de queso
Funcin objetivo: Maximice las ganancias corporativas netas.
MAX =0.22 * X1 + 0.38 * X2 + 0.72 * X3
X
i
>=0 siendo i =1 3

X1>=300 produccin mnima de leche
X2>=200 produccin mnima de mantequilla
X3>=100 produccin mnima de queso
X1*0.2 +X2*0.5 +X3*1.5 <=480 produccin diaria en mquina 1
X1*0.3 +X2*0.7 +X3*1.2 <=480 produccin diaria en mquina 2
Mediante Lingo:
MAX =0.22 * X1 + 0.38 * X2 + 0.72 * X3;
X1>=300;
X2>=200;
X3>=100;
X1*0.2 +X2*0.5 +X3*1.5 <=480;
X1*0.3 +X2*0.7 +X3*1.2 <=480;
X1 733.3333 0.0000000
X2 200.0000 0.0000000
X3 100.0000 0.0000000
1 309.3333 1.000000
2 433.3333 0.0000000
3 0.0000000 -0.1333333


14
4 0.0000000 -0.1600000
5 83.33333 0.0000000
6 0.0000000 0.7333333
Mediante Solver:
Celdas cambiantes
X1>=0 0 733
X2>=0 0 200
X3>=0 0 100
Restricciones
Nombre Valor final lado
derecho
Valor final lado
izquierdo
Valor inicial lado
derecho
Valor inicial lado
izquierdo
X1>=300 733 300 0 300
X2>=200 200 200 0 200
X3>=100 100 100 0 100
X1*0.2 + X2*0.5 +
X3*1.5 <=480
397 480 480
X1*0.3 + X2*0.7 +
X3*1.2 <=480
480 480 0 480

Funcin objetivo Z=0.22 * X1 + 0.38 * X2 + 0.72 * X3
Z= 309

EJERCICIO 2.11:

Cada galn de leche, libra de queso y libra de manzanas proporciona un nmero conocido
de miligramos de protenas y vitaminas A, B y C. La siguiente tabla incluye esos datos junto con los
requerimientos diarios de los ingredientes nutricionales, segn lo recomendado por el Departamento
de Agricultura de los EE.UU. La tabla tambin incluye la cantidad mnima de cada alimento que
debe incluirse en la comida y su costo.

LECHE QUESO MANZANAS REQUERIMIENTOS
(mg/gal) (mg/lb) (mg/lb) MN. DIARIOS (mg)
Protenas 40 30 10 80
Vitamina A 5 50 30 60
Vitamina B 20 30 40 50
Vitamina C 30 50 60 30
Cantidad mnima 0.5gal 0.5lb 0.5lb
Costo unitario ($) 2.15 2.25 1.25

Como dietista de una escuela pblica, formule un modelo para determinar la comida de costo
mnimo que rena todos los requerimientos nutricionales. Use el esquema de la seccin 2.3 para
clasificar su modelo.
X1=cantidad de leche a consumir.
X2=cantidad de queso a consumir


15
X3=cantidad de manzanas a consumir

Funcin objetivo:
Costo mnimo de comida que rena todos los requerimientos nutricionales.
MIN = 2.15 * X1 +2.25 * X2 +1.25 * X3
X
i
>=0 siendo i =1 3
Restricciones de consumo mnimo:
40 * X1 +30 * X2 +10 * X3 >=80 requerimiento mnimo diario de protenas
5 * X1 +50 * X2 +30 * X3 >=60 requerimiento mnimo diario de vtamina A
20 * X1 +30 * X2 +40 * X3 >=50 requerimiento mnimo diario de vitamina B
30 * X1 +50 * X2 +60 * X3 >=30 requerimiento mnimo diario de vitamina C
X1 >=0.5 cantidad mnima de leche, a consumir diariamente
X2 >=0.5 cantidad mnima de queso, a consumir diariamente
X3 >=0.5 cantidad mnima de manzanas, a consumir diariamente
Mediante Lingo:
MIN = 2.15 * X1 +2.25 * X2 +1.25 * X3;
40 * X1 +30 * X2 +10 * X3 >=80;
5 * X1 +50 * X2 +30 * X3 >=60;
20 * X1 +30 * X2 +40 * X3 >=50;
30 * X1 +50 * X2 +60 * X3 >=30;
X1 >=0.5;
X2 >=0.5;
X3 >=0.5;
X1 1.297297 0.0000000
X2 0.7702703 0.0000000
X3 0.5000000 0.0000000
1 5.147297 1.000000
2 0.0000000 -0.5202703E-01
3 0.0000000 -0.1378378E-01
4 19.05405 0.0000000
5 77.43243 0.0000000
6 0.7972973 0.0000000
7 0.2702703 0.0000000
8 0.0000000 -0.3162162

Mediante Solver:

Celdas cambiantes
X1>=0 0,00 1,05
X2>=0 0,00 1,09
X3>=0 0,00 0,50


16

Restricciones
Nombre Valor final
lado derecho
Valor final
lado izquierdo
Valor inicial
lado derecho
Valor inicial
lado izquierdo
40 * X1 +30 * X2 +10 *
X3 >=80
80,00 80,00 0,00 80,00
5 * X1 +50 * X2 +30 * X3
>=60
60,00 60,00 0,00 60,00
20 * X1 +30 * X2 +40 *
X3 >=50
73,92 50,00 0,00 50,00
30 * X1 +50 * X2 +60 *
X3 >=30
116,35 30,00 0,00 30,00
X1 >=0.5 1,05 0,50 0,00 0,50
X2 >=0.5 1,09 0,50 0,00 0,50
X3 >=0.5 0,50 0,50 0,00 0,50

Funcin objetivo Z=2.15 * X1 +2.25 * X2 +
1.25 * X3

Z= 5,35

EJERCICIO 2.13:

Rich Oil Company, cerca de Cleveland, suministra gasolina a sus distribuidores en
camiones. La compaa recientemente recibi un contrato para iniciar el suministro de $800 000
galones de gasolina por mes a distribuidores de Cincinnati. La compaa tiene $500 000 disponibles
para crear una flota consistente en tres tipos diferentes de camiones. En la siguiente tabla se muestra
la capacidad relevante, costo de compra, costo operativo y nmero mximo de viajes por cada tipo
de camin:

TIPO DE
CAMIN
CAPACIDAD
(galones)
COSTO DE
COMPRA ($)
COSTO DE
OPERACIN
($/mes)
MXIMO DE
VIAJ ES/MES
1 6000 50 000 800 20
2 3000 40 000 650 25
3 2000 25 000 500 30

Sobre la base del mantenimiento y la disponibilidad de conductores, la compaa no desea
comprar mas de 10 vehculos para su flota. Asimismo, la compaa deseara asegurarse que se
compren al menos tres de los camiones del tipo 3 (se requieren para su uso en las rutas de trayecto
corto/baja demanda). Finalmente, la compaa no desea que ms de la mitad de la flota sea de
camiones del tipo 1.


17
Como gerente de operaciones, formule un modelo para determinar la composicin de la flota
que minimice los costos operativos mensuales al tiempo que satisfagan las demandas, no salindose
del presupuesto y satisfaciendo los requerimientos de las otras compaas. Use el esquema de la
seccin 2.3 para clasificar su modelo.

XI :N de camiones tipo I

Restricciones de costo: X1+X2+X3 <=10
X3 >=3
Restricciones de
demanda:

X1 - X2 - X3 <=0
Inversin Inicial X1.50000+X2.40000+X3.25000 <=500000
Restricciones de contrato X1.20.6000+X2.25.3000+X3. 30.2000 >=800000

Funcin objetivo: Min [800 X1 +650 X2+500 X3]

Mediante Lindo:
MIN 800 X1 +650 X2 +500 X3
ST
500000 X1 +40000 X2 +25000 X3 <=500000
120000 X1 +75000 X2 +60000 X3 <=800000
X1 + X2 + X3 <=10
X3 >= 3
X1 - X2 - X3 <= 0
END
Resolucin:
LP OPTIMUM FOUND AT STEP 1
OBJ ECTIVE FUNCTION VALUE
1) 1500.000
VARIABLE VALUE REDUCED COST
X1 0.000000 800.000000
X2 0.000000 650.000000
X3 3.000000 0.000000
ROW SLACK OR SURPLUS DUAL PRICES
2) 425000.000000 0.000000
3) 620000.000000 0.000000
4) 7.000000 0.000000
5) 0.000000 -500.000000
6) 3.000000 0.000000
NO.ITERATIONS=1

EJERCICIO 2.14:

World Airlines reabastece sus aeronaves regularmente en los cuatro aeropuertos en donde
da servicio. La turbosina puede comprarse a tres vendedores posibles en cada aeropuerto. La tabla


18
indica (1) el costo de entrega (compra mas embarque) por mil galones de cada vendedor a cada
aeropuerto, (2) el nmero disponible de miles de galones que cada vendedor puede suministrar cada
mes y (3) el requerimiento mensual de turbosina (en miles de galones) en cada aeropuerto.

COSTO DE ENTREGA CANTIDAD DE
COMBUSTIBLE
REQUERIDO
AEROPUERTO Vendedor 1 Vendedor 2 Vendedor 3
1 900 800 900 150
2 900 1200 1300 250
3 800 1300 500 350
4 1000 1400 1000 480
Provisin
mxima
300 600 700

Formule un modelo para determinar las cantidades que se deben comprar y enviar por parte
de cada vendedor a cada aeropuerto para minimizar el costo total, satisfaciendo al mismo tiempo
por lo menos la demanda mensual a cada aeropuerto y no excediendo el suministro de cualquier
vendedor. Use el esquema de la seccin 2.3 para clasificar su modelo.

Variables de decisin
XIj : cantidad de gasolina del vendedor j al aeropuerto i

X1 +X5 +X9 >=150
X2 +X6 +X10 >=250
X3 +X7 +X11 >=350
X4 +X9 +X12 >=480
X1 +X2 +X3 +X4 <=300
X5 +X6 +X7 +X8 <=600

Restricciones

X9 +X10 +X11 +X12 <=700

Funcin Objetivo : Z=Min [X1. 900 +X5 . 800 +X9 . 900 +X2 . 900 +X6. 1200 +X10 . 1300 +
X3 . 800 +X7 . 1300 +X11. 500 +X4 . 1000 +X9 . 1400 +X12 . 1000 ]

Mediante Lindo:

MIN 900 X1 +900 X2 +800 X3 +1000 X4 +800 X5 +1200 X6 +
1300 X7 +1400 X8 +900 X9 +1300 X10 +500 X11 +1000 X12

ST
X1 +X2 +X3 +X4 <=300


19
X5 +X6 +X7 +X8 <=600
X9 +X10 +X11 +X12 <=700
X1 +X5 +X9 >=150
X2 +X6 +X10 >=250
X3 +X7 +X11 >=350
X4 +X9 +X12 >=480

END

Resolucin:



1) 869000.0

X1 0.000000 1200.000000
X2 170.000000 0.000000
X3 0.000000 200.000000
X4 130.000000 0.000000
X5 0.000000 800.000000
X6 80.000000 0.000000
X7 0.000000 400.000000
X8 0.000000 1400.000000
X9 350.000000 0.000000
X10 0.000000 500.000000
X11 350.000000 0.000000
X12 0.000000 100.000000
2) 0.000000 300.000000
3) 520.000000 0.000000
4) 0.000000 400.000000
5) 200.000000 0.000000
6) 0.000000 -1200.000000
7) 0.000000 -900.000000
8) 0.000000 -1300.000000

NO.ITERATIONS=5

EJERCICIO 2.15:

Mason Communication Commision ha recibido solicitudes de asignacin de frecuencias de
cuatro nuevas estaciones de radio. Dos frecuencias de radio interfieren si estn a 0.5 megahertz de
distancia. Las siguientes frecuencias (en meagahertz) estn actualmente disponibles: 100.0, 100.1,
100.3, 100.7, 101.0, 101.1, 101.4, 101.8. Formule un modelo para determinar si la comisin puede


20
asignar cuatro nuevas frecuencias y, si es asi, cules. Use el esquema de la seccin 2.3 para
clasificar su modelo. (Sugerencia: es usted libre para asignar o no cada frecuencia, as que considere
las variables 0-1.)


100.0 100.1 100.3 100.7 101.0 101.1 101.4 101.8
X1 X2 X3 X4 X5 X6 X7 X8

Xj =0;1 son enteras
X1 +X2 +X3 <=1
X3 +X4 <=1
X4 +X5 +X6 <=1
X5 +X6 <=1
X5 +X6 +X7 <=1
X6 +X7 <=1
Restricciones:
X7 +X8 <=1

Funcin objetivo: Z=MAX X1 +X2 +X3 +X4 +X5 +X6 +X7 +X8

Mediante Lindo:

MIN X1 +X2 +X3 +X4 +X5 +X6 +X7 +X8

ST
X1 +X2 +X3 <=1
X3 +X4 <=1
X4 +X5 +X6 <=1
X5 +X6 <=1
X5 +X6 +X7 <=1
X6 +X7 <=1
X7 +X8 <=1
END

Resolucin:



1) 0.0000000E+00

X1 0.000000 1.000000
X2 0.000000 1.000000


21
X3 0.000000 1.000000
X4 0.000000 1.000000
X5 0.000000 1.000000
X6 0.000000 1.000000
X7 0.000000 1.000000
X8 0.000000 1.000000

2) 1.000000 0.000000
3) 1.000000 0.000000
4) 1.000000 0.000000
5) 1.000000 0.000000
6) 1.000000 0.000000
7) 1.000000 0.000000
8) 1.000000 0.000000

NO. ITERATIONS= 0

EJERCICIO 2.16:

La cuidad de Dakota Heigts desea determinar cuntas subestaciones postales se requieren
para dar servicio a su poblacin. La ciudad ha sido dividida en ocho zonas postales. Se han
identificado cinco ubicaciones posibles para las subestaciones. Cada ubicacin puede dar servicio a
un nmero de zonas, como se indica en la siguiente tabla:

UBICACIN ZONAS QUE SE
PUEDEN ATENDER
1 1,2,3
2 1,4,5
3 2,4,5,8
4 3,5,6,8
5 6,7,8

Formule un modelo para determinar el menor nmero de subestaciones ( y sus ubicaciones)
necesarias para dar servicio a las ocho zonas postales. Use el esquema de la seccin 2.3 para
clasificar su modelo. (Sugerencia: defina una variable apropiada para cada ubicacin.)

Xi : ubicacin i ocupada / no ocupada ( 0 o 1)

X1 +X2 <=1
X1 +X3 <=1
X1 +X4 <=1
Restricciones:
X2 +X3 <=1


22
X2 +X3 + X4 <=1
X4 +X5 <=1
X3 +X5 <=1

Funcin objetivo:

Z=MIN X1 +X2 +X3 +X4 +X5 +X6 +X7 +X8 +X9 +X10 +X11 +X12 +X13 + X14 +X15
+X16 +X17

Mediante Lindo:

MIN X1 +X2 +X3 +X4 +X5 +X6 +X7 +X8 +X9 +X10 +X11 +
X12 +X13 + X14 +X15 +X16 +X17

ST
X1 +X2 <=1
X1 +X3 <=1
X1 +X4 <=1
X2 +X3 <=1
X2 +X3 +X4 <=1
X4 +X5 <=1
X4 +X5 <=1
X3 +X5 <=1
END

Resolucin:

1) 0.0000000E+00
X1 0.000000 1.000000
X2 0.000000 1.000000
X3 0.000000 1.000000
X4 0.000000 1.000000
X5 0.000000 1.000000
X6 0.000000 1.000000
X7 0.000000 1.000000
X8 0.000000 1.000000
X9 0.000000 1.000000
X10 0.000000 1.000000
X11 0.000000 1.000000
X12 0.000000 1.000000
X13 0.000000 1.000000
X14 0.000000 1.000000
X15 0.000000 1.000000
X16 0.000000 1.000000


23
X17 0.000000 1.000000
2) 1.000000 0.000000
3) 1.000000 0.000000
4) 1.000000 0.000000
5) 1.000000 0.000000
6) 1.000000 0.000000
7) 1.000000 0.000000
8) 1.000000 0.000000
9) 1.000000 0.000000

NO. ITERATIONS= 0

EJERCICIO 2.17:

Tres divisiones de Twinsburg Company fabrican un producto en el que cada unidad
completa consiste en 4 unidades de componente A y 3 unidades del componente B.
Los dos componentes (A y B) se fabrican a partir de 2 materias primas diferentes.
Existen 100 unidades de la materia prima 1 y 200 unidades de la materia prima 2 disponibles c/1 .
Cada una de las tres divisiones usa un mtodo diferente para fabricar los componentes, dando
como resultado distintos requerimientos de materia prima por corrida de produccin en cada
divisin y el numero de cada componente producido por esa corrida.

ENTRADA SALIDA
MATERIA
PRIMA
COMPONENTE

DIVISION 1 2 A B
1 8 6 7 5
2 5 9 6 9
3 3 8 8 4

Por ejemplo cada corrida de produccin de la divisin 1 requiere 8 unidades de la materia
prima 1 y 6 unidades de la materia prima 2. El producto de esta corrida es 7 unidades de A y 5
unidades de B.
Como gerente de produccin, formule un modelo de produccin para determinar el numero de
corridas de produccin para cada divisin que maximice el numero total de unidades terminadas
del producto final.

XU: Nmero de corridas de la divisin de 1.
XD: Nmero de corridas de la divisin de 2.
XT: Nmero de corridas de la divisin de 3.
A: Nmero del componente A.
B: Nmero del componente B.


24
C: Nmero del componente C.

8 XU +5 XD +3 XT <=100
6 XU +9 XD +8 XT <=200
7XU +6 XD +8 XT =A 7 XU +6 XD +8
XT A =0
Restricciones
5 XU +9 XD +4 XT =B 5 XU +9 XD +4
XT B =0

Mediante Lindo:
MAX 4 A +3 B
SUBJ ECT TO
6 XU +9 XD +8 XT >=200
8 XU +5 XD +3 XT <=100

7 XU +6 XD +8 XT - A =0
5 XU +9 XD +4 XT - B =0
END
Resolucin:

1) 1466.667
A 266.666656 0.000000
B 133.333328 0.000000
XU 0.000000 74.333336
XD 0.000000 22.333334
XT 33.333332 0.000000
2) 66.666664 0.000000
3) 0.000000 14.666667
4) 0.000000 -4.000000
5) 0.000000 -3.000000

NO. ITERATIONS= 2

EJERCICIO 2.18:

Los dos productos que produce case chemicals, CS-01 y CS-02, generan cantidades
excesivas de tres contaminantes diferentes A, B, C. El gobierno estatal le ha ordenado a la compaa
que instale y emplee dispositivos anticontaminantes. La siguiente tabla proporciona las emisiones
diarias actuales en kg/1000 litros y el mximo de cada contaminante permitido en kg.

CONTAMINANTE CS-01 CS-02 MAXIMO PERMITIDO
A 25 40 43


25
B 10 15 20
C 80 60 50

El gerente del departamento de produccin aprob la instalacin de dos dispositivos
anticontaminantes. Las emisiones de cada producto pueden ser manejadas por cualquiera de los dos
dispositivos en cualquier proporcin. (las emisiones se envan a travs de un dispositivo solamente
una vez, es decir, la salida de un dispositivo no puede ser la entrada del otro o de si mismo). La
siguiente tabla muestra el porcentaje de cada contaminante proveniente de cada producto que es
eliminado por cada dispositivo.

DISPOSOTIVO
1
DISPOSOTIVO
1
DISPOSOTIVO
2
DISPOSOTIVO
2
CONTAMINA
NTE
CS-01 CS-02 CS-01 CS-02
A 40 40 30 20
B 60 60 0 0
C 55 55 65 80

Por ejemplo, si la emisin de CS-01 se enva a travs del dispositivo 1, se elimina 40% del
contaminante A, 60% del contaminante B y 55% del contaminante C. Las consideraciones de
fabricacin dictan que CS-01 y CS-02 deben producirse en la proporcin de dos a uno. Formule un
modelo para determinar un plan que maximice la produccin diaria total (cantidad de CS-01 +CS-
02) al mismo tiempo que satisfaga los requerimientos gubernamentales.


CSUU: cantidad de producto CS-01 enviados por el dispositivo 1.
CSUD: cantidad de producto CS-01 enviados por el dispositivo 2.
CSDU: cantidad de producto CS-02 enviados por el dispositivo 1.
CSDD: cantidad de producto CS-02 enviados por el dispositivo 2.

Mediante Lindo:

MAX CSUU +CSUD +CSDU +CSDD

SUBJ ECT TO
15 CSUU +17.5 CSUD <=43
24 CSDU +32 CSDD <=43
4 CSUU +10 CSUD <=20
6 CSDU +15 CSDD <=20
34.4 CSUU +28 CSUD <=50
27 CSDU +12 CSDD <=50
END

Resolucin:


26

1) 3.577381
CSUU 0.000000 0.228571
CSUD 1.785714 0.000000
CSDU 1.791667 0.000000
CSDD 0.000000 0.333333
2) 11.750000 0.000000
3) 0.000000 0.041667
4) 2.142857 0.000000
5) 9.250000 0.000000
6) 0.000000 0.035714
7) 1.625000 0.000000
NO. ITERATIONS= 3

EJERCICIO 2.19:
Philadelphia Paint Company produce 3 tipos de pinturas: Standard, Quality y Premium. Las
instalaciones actuales pueden producir un mximo de 18000 gal de Standard, 10000 gal de Quality
y 500 gal de Premium al da. Debido a la economa de escala, el costo de producir cada tipo de
pintura disminuye al aumentar el nmero de gal producidos. Por ejemplo si se producen X gal de
pintura Standard, entonces el costo por gal es a-b*x. La siguiente tabla proporciona los valores de a
y b; el precio de venta por gal, y la demanda diaria mnima por cada tipo de pintura.

VALORES DE VALORES DE
TIPO DE
PINTURA
a b Precio de venta
($/gal)
Demanda
minima (gal)
Standard 3 0.0001 6.50 10000
Quality 4 0.0002 8.50 6000
Premiun 5 0.0003 11.00 2500

La compaa puede producir un total combinado de hasta 25000 gal de pintura al da. Como
supervisor de produccin, formule un modelo para determinar la cantidad de pintura a producir para
maximizar la ganancia (ingreso menos costo).

S: cantidad de galones de pintura Standad
Q: cantidad de galones de pintura Quality
P: cantidad de galones de pintura Premiun

Mediante Lindo:
MAX 3.5 S +S 0.0001 S +4.5 Q +Q 0.0002 Q +6 P +P 0.0003 P
ST
S +Q +P <=25000
S >=10000


27
Q >=6000
P >=2500
S <=18000
Q <=10000
P <=5000
END

Resolucin:

1) 2665754.
S 16500.000000 0.000000
Q 6000.000000 0.000000
P 2500.000000 0.000000
2) 0.000000 158.500107
3) 6500.000000 0.000000
4) 0.000000 -152.999908
5) 0.000000 -151.499802
6) 1500.000000 0.000000
7) 4000.000000 0.000000
8) 2500.000000 0.000000
NO. ITERATIONS= 2

EJERCICIO 2.20:
Formule el problema de agenda de High Tech en el ejercicio 2.4 seccin 2.2.3 usando como
variable de decisin 1 s High Tech no debe invertir y 0 si High Tech debe invertir.

Proyectos Ao 1 Ao 2 Ao 3 Ao 4 Rendimiento
Total
Bio-Tech 60 10 10 10 250
Tele-comm 35 35 35 35 375
Laser-Optics 10 50 50 10 275
Compu-Ware 15 10 10 40 140
Fondo de
inversin
90 80 50 50

B =1 si High Tech debe invertir en Bio-Tech
B =0 si High Tech no debe invertir en Bio-Tech
T =1 si High Tech debe invertir en Tele-comm
T =0 si High Tech no debe invertir en Tele-comm
L =1 si High Tech debe invertir en Laser-Optics
L =0 si High Tech no debe invertir en Laser-Optics


28
C =1 si High Tech debe invertir en Compu-Ware
C =0 si High Tech no debe invertir en Compu-Ware

Mediante Lindo:

MAX 250 B +375 T +275 L +140 C
SUBJ ECT TO
2) 60 B +35 T +10 L +15 C <= 90
3) 10 B +35 T +50 L +10 C <= 80
4) 10 B +35 T +50 L +10 C <= 80
5) 10 B +35 T +10 L +40 C <= 50
6) T +L <= 1
END

Resolucin:
INTE 4
OBJ ECTIVE VALUE = 637.000000
NEW INTEGER SOLUTION OF 525.000000 AT BRANCH 0 PIVOT 4
RE-INSTALLING BEST SOLUTION...
1) 525.0000
B 1.000000 -250.000000
T 0.000000 -375.000000
L 1.000000 -275.000000
C 0.000000 -140.000000
2) 20.000000 0.000000
3) 20.000000 0.000000
4) 20.000000 0.000000
5) 30.000000 0.000000
6) 0.000000 0.000000

NO. ITERATIONS= 4
BRANCHES= 0 DETERM.= 1.000E 0

EJERCICIO 2.21:

Containers Inc. ha recibido un pedido para hacer tambores de acero cilndricos con la base y
la tapa circulares. El volumen total de conteiner debe ser al menos de 10 pies cbicos. El costo del
acero para hacer el costado del contenedor es de 3 $/pie cuadrado. El costo de la base y la tapa es de
3.82 $/pie cuadrado. Formule un modelo para minimizar el costo de acero requerido.



29
R: radio del cilindro en [pie]
H: altura del cilindro en [pie]

Restricciones

R 3.1415 R 1 H >10

Funcion Objetivo: MIN R 18.84 H +R 24 R

Mediante Lindo:

MIN R 18.84 H +R 24 R
ST
R 3.1415 R 1 H >10
END

Resolucin:
1) 62.77919
R 2.414584 0.000000
H 0.000000 12.562081
2) 0.000000 -6.277919
NO. ITERATIONS= 1

EJERCICIO 2.24:

Lether Company produce guantes de bisbol, balones y correas de piel de cuero que es
procesado en una maquina. Para la prxima semana se tienen en existencia 1000 metros cuadrados
de cuero y 40 hs de maquina. Se desea determinar un plan de produccin de la semana que
maximice las ganancias netas.

a- Identifique las variables.
G: cantidad de guantes a producir.
B: cantidad de balones a producir.
C: cantidad de correas a producir.

b- Identifique los datos adicionales.
CG: cantidad de m
2
de cuero para producir un guante.
CB: cantidad de m
2
de cuero para producir un baln.
CC: cantidad de m
2
de cuero para producir una correa.
TG: cantidad de hs para producir un guante.
TB: cantidad de hs para producir un baln.
TC: cantidad de hs para producir una correa.
PG: precio de venta de un guante.
PB: precio de venta de un baln.


30
PC: precio de venta de una correa.
CoG: precio de costo de produccin de un guante.
CoB: precio de costo de produccin de un baln.
CoC: precio de costo de produccin de una correa.

c- Formule el modelo.

Restricciones

G CG +B CB +C CC <=1000
G TG +B TB +C TC <=40

Funcin Objetivo

MAX (PG - COG)*G +(PB - CoB)*B +(PC - CoC)*C

EJERCICIO 2.25:

Los nutrilogos de HealthNut Company estn diseando un nuevo bocadillo hecho de palomitas
de maz inflado y mantequilla de cacahuete natural. El objetivo es minimizar el costo total de estos
ingredientes, pero el producto final debe contener al menos 4 gramos de protena, no mas de 10
gramos de carbohidratos y 2 gramos de grasa saturada.
a. Identifique las variables.
b. Identifique y asigne un nombre a cada valor de datos adicional que tendr obtener para poder
formular un modelo matemtico.
c. Formule un modelo matemtico usando los nombres de variables de (a) y los nombres
simblicos para los datos de (b).

Mediante Lindo:
MIN A 1 D1 +N 1 D2
SUBJ ECT TO
P1 1 A +P2 1 N >=4
C1 1 A +C2 1 N <=10
F1 1 A +F2 1 N <=2
END

Resolucin:

1) 0.0000000E+00
A 0.000000 1.000000
D1 0.000000 1.000000
N 0.000000 1.000000


31
D2 0.000000 1.000000
P1 4.000000 0.000000
P2 0.000000 0.000000
C1 0.000000 0.000000
C2 0.000000 0.000000
F1 0.000000 0.000000
F2 0.000000 0.000000
2) 0.000000 0.000000
3) 10.000000 0.000000
4) 2.000000 0.000000
NO. ITERATIONS= 0

EJERCICIO 2.26:

El departamento de Investigacin ha identificado seis proyectos en los que Hight Tech
puede elegir invertir o no. Cada proyecto ha sido evaluado para determinar la cantidad de capital
que debe invertirse, la tasa esperada de devolucin y tambin un factor de riesgo usando un
algoritmo patentado. Estos datos se resumen en la siguiente tabla:

Proyecto

Capital requerido
$
Tasa de devolucin
(%)
Riesgo

1 100000 10 0.50
2 400000 5 0.40
3 170000 20 0.70
4 250000 15 0.65
5 200000 7 0.45
6 250000 30 0.80

Los socios generales han acordado que el riesgo total, obtenido aadiendo los factores de
riesgo para cada proyecto respaldado, no debe exceder de 3, y que no deben emprenderse mas de
dos proyectos con un factor de riesgo mayor de 0,6. Usando las variables:
1, si se emprende el proyecto i
Pi = i =1, ....., 6
0, si no se emprende el proyecto i
un socio general ha formulado el siguiente modelo para determinar que proyecto respaldar para
maximizar el rendimiento esperado en un ao sobre la cantidad invertida y mantenerse en un
presupuesto de $1 milln:
Maximizar 10 P1 +20 P2 +34 P3 + 37.5 P4 +14 P5 +75 P6
Condicionado por 100 P1 +40 P2 +170 P3 + 250 P4 +200 P5 +250 P6 <=100
0.50 P1 +0.40 P2 +0.70 P3 + 0.65 P4 +0.45 P5 +0.80 P6 >=3
P1, P2, P3, P4, P5, P6 >=0


32
Es correcto este modelo? Si no es as, identifique y corrija todos los errores.

Mediante Lindo:
MAX 10 P1 +20 P2 +34 P3 +37.5 P4 +14 P5 +75 P6
SUBJ ECT TO
100 P1 +400 P2 +170 P3 +250 P4 +200 P5 +250 P6 <=1000
0.5 P1 +0.4P2 +0.7 P3 +0.65 P4 +0.45 P5 +0.8 P6 <=3
P1 <=1
P2 <=1
P3 <=1
P4 <=1
P5 <=1
P6 <=1
P1 >=0
P2 >=0
P3 >=0
P4 >=0
P5 >=0
P6 >=0
P3 +P4 =1
P3 +P6 =1
P4 +P4 +P6 <=2
END

Resolucin:

1) 125.8333
P1 1.000000 0.000000
P2 0.775000 0.000000
P3 0.333333 0.000000
P4 0.666667 0.000000
P5 1.000000 0.000000
P6 0.666667 0.000000
2) 0.000000 0.050000
3) 0.540000 0.000000
4) 0.000000 5.000000
5) 0.225000 0.000000
6) 0.666667 0.000000
7) 0.333333 0.000000
8) 0.000000 4.000000
9) 0.333333 0.000000
10) 1.000000 0.000000
11) 0.775000 0.000000


33
12) 0.333333 0.000000
13) 0.666667 0.000000
14) 1.000000 0.000000
15) 0.666667 0.000000
16) 0.000000 -16.333334
17) 0.000000 41.833332
18) 0.000000 20.666666
NO. ITERATIONS= 5

EJERCICIO 2.27:

Chirality Company debe producir al menos 600000 tornillos pequeos y 400000 tornillos
grandes para satisfacer de la demanda de las sig. 4 semanas. Estos tornillos pueden producirse en 2
maquinas distintas, cada una de las cuales esta disponible 40 horas a la semana. Los requerimientos
de costo y tiempo para producir cada tamao de tornillo en cada maquina y el precio de venta de
cada tamao de tornillo se muestran en la sig. Tabla:

Tornillos pequeos Tornillos grandes
Precio de venta($/1000) 27.50 32.50
Costo en la maquina 1 ($/1000) 6.25 7.75
Costo en la maquina 2 ($/1000) 8.00 9.25
Tiempo en la maquina 1 (min/lb) 1.50 1.75
Tiempo en la maquina 2 (min/lb) 1.00 1.25
En cada libra hay aproximadamente 60 tornillos pequeos y 40 tornillos grandes.
Usando las variables:
S
1
=el numero de miles de tornillos pequeos por producir en la maquina 1
durante las sig. 4 semanas.
S
2
=el numero de miles de tornillos pequeos por producir en la maquina 2
L
1
=el numero de miles de tornillos grandes por producir en la maquina 1
L
2
=el numero de miles de tornillos grandes por producir en la maquina 2
El gerente de produccin ha formulado el sig. modelo para maximizar la ganancia y
satisfacer la demanda con la disponibilidad limitada de tiempo de maquina en las sig. 4 semanas:

Maximizar 27.50 S
1
+27.50 S
2
+32.50 L
1
+32.50 L
2

Condicionado por: S
1
+ S
2
>=600000
L
1
+ L
2
>=400000
1.5 S
1
+ 1.75 L
1
<=40
1.0 S
2
+ 1.25 L
2
<=40
S
1
, S
2
, L
1
, L
2
>=0

Es correcto este modelo? Si no es as, identifique y corrija todos los errores.

Mediante Lindo:


34
MAX 21.25 S1 +19.50 S2 +24.75 L1 +23.25 L2
SUBJ ECT TO
S1 +S2 >=600
L1 +L2 >=400
0.41667 S1 +729 L1 >=160
0.2777 S2 +0.5208 L2 >=160
END
Resolucin:
SLK 4
S1
1) 0.9999990E+08
S1 600.000000 0.000000
S2 0.000000 414.097290
L1 92.780334 0.000000
L2 307.219666 0.000000
2) 0.000000 0.000000
3) 0.000000 0.000000
4) 67726.867188 -0.416670
5) 0.000000 -1.000000
NO. ITERATIONS= 4

EjCap2

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

EjCap2

Cargado por

Copyright:

Formatos disponibles

Ctedra: Investigacin Operativa Universidad Tecnolgica Nacional

Ao: 2002 Facultad Regional Mendoza

También podría gustarte