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
Ctedra: Investigacin Operativa Universidad Tecnolgica Nacional Ao: 2002 Facultad Regional Mendoza
2
.
Variables de decisin:
X 1 =cantidad de acciones del fondo 1 por vender en los siguientes dos meses. X 2 =cantidad de acciones del fondo 2 por vender en los siguientes dos meses. X 3 =cantidad de acciones del fondo 3 por vender en los siguientes dos meses. X 4 =cantidad de acciones del fondo 1 por comprar en los siguientes dos meses. X 5 =cantidad de acciones del fondo 2 por comprar en los siguientes dos meses. X 6 =cantidad de acciones del fondo 3 por comprar en los siguientes dos meses. 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
Ctedra: Investigacin Operativa Universidad Tecnolgica Nacional Ao: 2002 Facultad Regional Mendoza
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.
Restricciones de no negatividad: 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 El total del fondo2 es lo que tiene ms lo que compra y vende. F3 =500 +X 6 - X 3 El total del fondo3 es lo que tiene ms lo que compra y vende.
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 Lo que hay para vender del fondo2 debe ser al menos la suma de lo que tiene ms lo que compra. X 3 <=500 +X 6 Lo que hay para vender del fondo3 debe ser al menos la suma de lo que tiene ms lo que compra.
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 $75 000
Ctedra: Investigacin Operativa Universidad Tecnolgica Nacional Ao: 2002 Facultad Regional Mendoza
4
EJERCICIO 2.5 Para el ejercicio 2.1, use la tcnica de descomposicin para expresar la funcin objetivo de maximizacin de ganancias dados los siguientes datos de costo e ingresos:
Funcin objetivo de maximizacin de ganancias:
Z =(X OT * Ingresos - X OT * Costos) +(X OM * Ingresos - X OM * Costos) +(X OJ * Ingresos - X OJ * Costos) +(X GT * Ingresos - X GT * Costos) +(X GM * Ingresos - X GM * Costos) +(X GJ * Ingresos - X GJ * Costos)
Z =(X OT * 550 - X OT * 50) +(X OM * 750 - X OM * 75) +(X OJ * 600 - X OJ * 60) +(X GT * 550 - X GT * 60) +(X GM * 750 - X GM * 90) +(X GJ * 600 - X GJ * 45)
COSTO DE EMBARQUE ($/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
Ctedra: Investigacin Operativa Universidad Tecnolgica Nacional Ao: 2002 Facultad Regional Mendoza
Ctedra: Investigacin Operativa Universidad Tecnolgica Nacional Ao: 2002 Facultad Regional Mendoza
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
Ctedra: Investigacin Operativa Universidad Tecnolgica Nacional Ao: 2002 Facultad Regional Mendoza
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
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:
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.
Variables de decisin:
X1=cantidad de barriles de petrleo ligero X2=cantidad de barriles de petrleo pesado
Ctedra: Investigacin Operativa Universidad Tecnolgica Nacional Ao: 2002 Facultad Regional Mendoza
9
Restricciones de no negatividad: X i >=0 siendo i =1 2
Restricciones de produccin:
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 $1.50 por barril. Formule un nuevo modelo para incorporar estos costos adicionales usando los mismos datos del ejercicio 2.7.
Celdas cambiantes Nombre Valor Inicial Valor final X1>=0 0 1400000 X2>=0 0 1800000
Restricciones Nombre Valor final lado derecho Valor final lado izquierdo Valor inicial lado derecho Valor inicial lado izquierdo 0.45 * X1 +0.35 * X2 >= 1260000 1260000 1260000 0 1260000 0.18 * X1 +0.36 * X2 >= 900000 900000 900000 0 900000 0.30 * X1 +0.20 * X2 >= 300000 780000 300000 0 300000
Ctedra: Investigacin Operativa Universidad Tecnolgica Nacional Ao: 2002 Facultad Regional Mendoza
11
Carmac Company fabrica carros compactos y subcompactos. La produccin de cada carro requiere una cierta cantidad de materia prima y mano de obra, como se especifica en la siguiente tabla:
MATERIA PRIMA MANO DE OBRA (libras) (horas) Compactos 200 18 Subcompactos 150 20 Costo unitario ($) 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
Variables de decisin: 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) Restricciones de no negatividad: 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);
Ctedra: Investigacin Operativa Universidad Tecnolgica Nacional Ao: 2002 Facultad Regional Mendoza
Solution Report Global optimal solution found at step: 3 Objective value: 2705000. Variable Value Reduced Cost X1 250.0000 0.0000000 X2 200.0000 0.0000000 Row Slack or Surplus Dual Price 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 Nombre Valor Inicial Valor final 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
Ctedra: Investigacin Operativa Universidad Tecnolgica Nacional Ao: 2002 Facultad Regional Mendoza
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:
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.
Variables de decisin: 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 Restricciones de no negatividad: X i >=0 siendo i =1 3
Restricciones de produccin: 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; Global optimal solution found at step: 7 Objective value: 309.3333 Variable Value Reduced Cost X1 733.3333 0.0000000 X2 200.0000 0.0000000 X3 100.0000 0.0000000 Row Slack or Surplus Dual Price 1 309.3333 1.000000 2 433.3333 0.0000000 3 0.0000000 -0.1333333
Ctedra: Investigacin Operativa Universidad Tecnolgica Nacional Ao: 2002 Facultad Regional Mendoza
14 4 0.0000000 -0.1600000 5 83.33333 0.0000000 6 0.0000000 0.7333333 Mediante Solver: Celdas cambiantes Nombre Valor Inicial Valor final 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
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.
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. Variables de decisin: X1=cantidad de leche a consumir. X2=cantidad de queso a consumir
Ctedra: Investigacin Operativa Universidad Tecnolgica Nacional Ao: 2002 Facultad Regional Mendoza
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 Restricciones de no negatividad: 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; Global optimal solution found at step: 7 Objective value: 5.147297 Variable Value Reduced Cost X1 1.297297 0.0000000 X2 0.7702703 0.0000000 X3 0.5000000 0.0000000 Row Slack or Surplus Dual Price 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 Nombre Valor Inicial Valor final X1>=0 0,00 1,05 X2>=0 0,00 1,09 X3>=0 0,00 0,50
Ctedra: Investigacin Operativa Universidad Tecnolgica Nacional Ao: 2002 Facultad Regional Mendoza
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
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.
Ctedra: Investigacin Operativa Universidad Tecnolgica Nacional Ao: 2002 Facultad Regional Mendoza
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.
Variables de decisin: XI :N de camiones tipo I
Restricciones de costo: X1+X2+X3 <=10 X3 >=3 Restricciones de demanda:
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
Ctedra: Investigacin Operativa Universidad Tecnolgica Nacional Ao: 2002 Facultad Regional Mendoza
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.
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
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
Ctedra: Investigacin Operativa Universidad Tecnolgica Nacional Ao: 2002 Facultad Regional Mendoza
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.)
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.)
Variables de decisin: Xi : ubicacin i ocupada / no ocupada ( 0 o 1)
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.
Variables de decisin: 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.
Ctedra: Investigacin Operativa Universidad Tecnolgica Nacional Ao: 2002 Facultad Regional Mendoza
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:
LP OPTIMUM FOUND AT STEP 2 OBJ ECTIVE FUNCTION VALUE 1) 1466.667 VARIABLE VALUE REDUCED COST 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 ROW SLACK OR SURPLUS DUAL PRICES 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
Ctedra: Investigacin Operativa Universidad Tecnolgica Nacional Ao: 2002 Facultad Regional Mendoza
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.
Variables de decisin:
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.
Ctedra: Investigacin Operativa Universidad Tecnolgica Nacional Ao: 2002 Facultad Regional Mendoza
26
LP OPTIMUM FOUND AT STEP 3 OBJ ECTIVE FUNCTION VALUE 1) 3.577381 VARIABLE VALUE REDUCED COST CSUU 0.000000 0.228571 CSUD 1.785714 0.000000 CSDU 1.791667 0.000000 CSDD 0.000000 0.333333 ROW SLACK OR SURPLUS DUAL PRICES 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).
Variables de decisin: 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
Ctedra: Investigacin Operativa Universidad Tecnolgica Nacional Ao: 2002 Facultad Regional Mendoza
27 Q >=6000 P >=2500 S <=18000 Q <=10000 P <=5000 END
Resolucin: LP OPTIMUM FOUND AT STEP 2
OBJ ECTIVE FUNCTION VALUE 1) 2665754. VARIABLE VALUE REDUCED COST S 16500.000000 0.000000 Q 6000.000000 0.000000 P 2500.000000 0.000000 ROW SLACK OR SURPLUS DUAL PRICES 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
Variables de decisin: 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
Ctedra: Investigacin Operativa Universidad Tecnolgica Nacional Ao: 2002 Facultad Regional Mendoza
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 LP OPTIMUM FOUND AT STEP 4 OBJ ECTIVE VALUE = 637.000000 NEW INTEGER SOLUTION OF 525.000000 AT BRANCH 0 PIVOT 4 RE-INSTALLING BEST SOLUTION... OBJ ECTIVE FUNCTION VALUE 1) 525.0000 VARIABLE VALUE REDUCED COST B 1.000000 -250.000000 T 0.000000 -375.000000 L 1.000000 -275.000000 C 0.000000 -140.000000 ROW SLACK OR SURPLUS DUAL PRICES 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.
Variables de decisin:
Ctedra: Investigacin Operativa Universidad Tecnolgica Nacional Ao: 2002 Facultad Regional Mendoza
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: LP OPTIMUM FOUND AT STEP 1 OBJ ECTIVE FUNCTION VALUE 1) 62.77919 VARIABLE VALUE REDUCED COST R 2.414584 0.000000 H 0.000000 12.562081 ROW SLACK OR SURPLUS DUAL PRICES 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.
Ctedra: Investigacin Operativa Universidad Tecnolgica Nacional Ao: 2002 Facultad Regional Mendoza
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:
LP OPTIMUM FOUND AT STEP 0 OBJ ECTIVE FUNCTION VALUE 1) 0.0000000E+00 VARIABLE VALUE REDUCED COST A 0.000000 1.000000 D1 0.000000 1.000000 N 0.000000 1.000000
Ctedra: Investigacin Operativa Universidad Tecnolgica Nacional Ao: 2002 Facultad Regional Mendoza
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:
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 $1 milln: Maximizar 10 P1 +20 P2 +34 P3 + 37.5 P4 +14 P5 +75 P6 Condicionado por 100 P1 +40 P2 +170 P3 + 250 P4 +200 P5 +250 P6 <=100 0.50 P1 +0.40 P2 +0.70 P3 + 0.65 P4 +0.45 P5 +0.80 P6 >=3 P1, P2, P3, P4, P5, P6 >=0
Ctedra: Investigacin Operativa Universidad Tecnolgica Nacional Ao: 2002 Facultad Regional Mendoza
32 Es correcto este modelo? Si no es as, identifique y corrija todos los errores.
Chirality Company debe producir al menos 600000 tornillos pequeos y 400000 tornillos grandes para satisfacer de la demanda de las sig. 4 semanas. Estos tornillos pueden producirse en 2 maquinas distintas, cada una de las cuales esta disponible 40 horas a la semana. Los requerimientos de costo y tiempo para producir cada tamao de tornillo en cada maquina y el precio de venta de cada tamao de tornillo se muestran en la sig. Tabla:
Tornillos pequeos Tornillos grandes Precio de venta($/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 durante las sig. 4 semanas. L 1 =el numero de miles de tornillos grandes por producir en la maquina 1 durante las sig. 4 semanas. L 2 =el numero de miles de tornillos grandes por producir en la maquina 2 durante las sig. 4 semanas. 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:
Ctedra: Investigacin Operativa Universidad Tecnolgica Nacional Ao: 2002 Facultad Regional Mendoza