Minutos por unidad

Tiempo
disponible
min/sem
6000
10000
4000
7000
4000

Producto
Mquina

A,
A2
B,
B2

10
9
8

B3

5
7
6
4
7

Costo materiales

$250

$350

$500

Precio de venta

$1250

$2000

$2800

Demanda

800

600

550

12
-

11

Costo/sem
a plena capacidad
$300000
$321000
$250000
$770000
$200000

Se desea saber qu cantidades de los productos 1, 2 y 3 deben ser procesadas en cada mquina
para que la utilidad obtenida sea mxima.
VARIABLES REALES:
->t

Producto

Costo por minuto

Mquina

A,

X,

Y,

A2

x2

Y2

B,

X3

Y, + Y2

B2

X4

B3

X5

$50
$32,10
$62,50
$110
$50

Modelo (primal):
MAX Z =

1250(X, + X2) + 2000 (Y, + Y2) + 2800 U - 250 (X, + X2) - 350 (Y, + Y2) - 500 U
- 50 (5 X, +10 Y,) - 32,10 ( 7 X , + 9 Y , + 12 U) - 62,50 [ 6X3 + 8 (Y, + Y,)]
- .110 (4 X4 + 11 U ) - 50 (7 X s )

Sujeta a:

124

1. X 1. ' + X ,2 - X 3 - X 4 - X,5.

2. 5 X, + 10 Y,

<

6000

3. 7 X2 + 9 Y, + 12 U

<

10000

4. 6 X 3 + 8 ( Y , + Y 2 )

<

4000

5. 4 X 4+ 11 U

<

7000

6. 7X 5

<

4000

7. X, + X2

<

800

8. Y , + Y 2

<

600

9. U

<

550

>

X,, x2, x3, x4,

x5, Y,, Y,, U

Una fbrica de conservas vegetales est considerando la planificacin de la prxima campaa del
meln. Las previsiones sobre la cosecha son optimistas y los expertos calculan que se dispondr de unas
100 toneladas de fruta, el 30% ser de la mejor calidad, llamada tcnicamente calidad A y el resto ser de
calidad B. La calidad de un fruto est en relacin con aspectos tales como: calibre, grado de madurez y se
mide en una escala de uno a diez, siendo diez el ndice de mejor calidad. La calidad Atiene un ndice medio
de nueve puntos por kilo, mientras que la calidad B alcanza un ndice medio de cinco puntos por kilo.
La fbrica comercializa el meln de dos maneras: en forma de enlatados de meln en almbar y
en forma de frascos de vidrio de jugo de meln. Con un kilogramo de fruta pueden producirse dos latas
de meln en almbar o bien tres frascos de jugo de meln. La fbrica piensa que puede vender todos las
latas de fruta en conserva y frascos de jugo que pueda fabricar. No obstante, existen algunas limitaciones
que han de tenerse presentes.
En primer lugar, ha de tenerse en cuenta que la fruta destinada a conserva debe ser de una
calidad superior. Esta calidad se ha fijado en un ndice mnimo de 8,5 puntos por kilo. En la obtencin de
jugo puede emplearse fruta de cualquier calidad.
En segundo lugar, el nmero mximo de latas que pueden producirse est limitado por las disponibilidades
de material (hoja de lata, etiquetas, envases, etc.), la mano de obra, la competencia con otros productos de
la empresa, etc. Despus de detenidos estudios, la direccin ha determinado que pueden producirse un
mximo de 100000 latas de meln en almbar y un mximo de 240000 frascos de jugo de meln.
Finalmente, por experiencias de campaas anteriores, se sabe que la cantidad de latas de meln
vendidos nunca es inferior al 25%, ni superior al 40% de la cantidad de frascos de jugo vendidos.
Recientes estudios de mercado realizados por una empresa de consultora confirman que estas
proporciones se seguirn manteniendo durante la presente campaa.
La empresa ha comprado las 100 toneladas de la cosecha al precio fijo de 500 unidades monetarias
por kilo. Los costes de fabricacin y envasado suponen 700 unidades monetarias para una lata de fruta
en conserva y 500 unidades monetarias para un frasco de jugo. La fbrica vende nicamente a
mayoristas y distribuidores a un precio fijo de 2000 unidades monetarias la lata de meln en almbar y
1000 unidades monetarias el frasco de jugo de meln.

125

El objetivo de la fbrica de conservas es determinar el plan de produccin de la campaa del

meln en orden a obtener el mayor beneficio posible.
VARIABLES DE DECISION:
XA: Nmero de kg de fruta de calidad A destinados a fabricar meln en almbar
Xg: Cantidad de kg de fruta de calidad B destinados a producir meln en almbar
Y a : Nmero de kg de fruta de calidad A destinados a fabricar jugo de meln
Y b : Cantidad de kg de fruta de calidad B destinados a producir jugo de meln
Z:

Funcin de utilidad

Modelo (primal):
MAX Z =

2000 * 2 (XA + XB) - 700 * 2 (XA + XB) - 500 (XA + XB) + 1000 * 3 (YA + YB)
- 500 * 3 (Y a + YB) - 500 (Y a + Y b )

Con sus restricciones:

1.

9X
X

a
A

+ 5 X
+

>

8,5

2. X a + Y a

<

30000

3. X_D + YD

<

70000

4. 2(X A + XB)

<

100000

5. 3 ( Y a + Y b )

<

240000

>

6. 0,25 * 3 (Y a + Y 0 ) 2(X A + XB) 0 , 4 * 3 ( Y a + Y b )

X

a> X b>Y a ,Y b

Resumiendo:
MAX Z = 2100 X A +2100 X B + 1000 Y,A + 1000 Y Bn
Con sus restricciones:
1. 0,5
X 4A - 3,5
XRB
'
'
2.

126

XA

Ya

<

>

30000

xB
XA +

+ Yb

XB

6.

2Xa

Ya
+Y b
+ 2Xb-0,75Ya-0,75Yb

7.

-2Xa

- 2 X b + 1,2Y a + 1,2Y b
X

A '

B>

A '

<

70000

<

100000

<

80000

>

>

>

93.

En una empresa petrolfera se presentan los siguientes procesos: el proceso 1 es un proceso

de destilacin en el que el petrleo bruto se transforma en un producto A, obtenindose diversos
subproductos denominados S,. En este proceso, un barril de petrleo rinde 0,4 barriles de producto Ay
0,6 de S r La capacidad del proceso es de 80000 barriles diarios y el coste operativo (consumo de
energa, etc.) es de 360000 unidades monetarias por barril de petrleo bruto. En el proceso 2, que es un
proceso de refinamiento, el producto A es transformado en un producto B y en diversos subproductos
denominados S2, de modo que un barril de Aproduce 0,7 barriles de B y 0,3 barriles de S2. La capacidad
del proceso 2 es de 60000 barriles diarios y su costo operativo es de 480000 unidades monetarias por
barril de producto A.
Finalmente, el proceso 3 es un proceso de mezclado sin limitacin de capacidad y de costo
despreciable. En l se mezclan los productos A y B para obtener los dos tipos de gasolina normal y
extra que se comercializan. La nica condicin es que las mezclas han de efectuarse en las proporciones
apropiadas a fin de que el octanaje de cada gasolina sea el adecuado. As, la gasolina normal debe
tener un ndice mnimo de 90 octanos y la gasolina extra debe tener un ndice mnimo de 94 octanos.
Por su parte el producto A tiene un ndice de 86 octanos y el producto B tiene un ndice de 96 -octanos.
El ndice de una mezcla es la media ponderada de los ndices de los productos mezclados. La refinera
compra el barril de petrleo a 20000 unidades monetarias. Todos los productos y subproductos pueden
venderse directamente al exterior a los precios siguientes:
-

S,: 2040 unidades monetarias/barril

A: 3,125 unidades monetarias/barril
B: 3850 unidades monetarias/barril
S,: 3100 unidades monetarias/barri 1
Gasolina normal: 3800 unidades monetarias/barril

- Gasolina extra: 4000 unidades monetarias/barril

Por otra parte, se estima que la cantidad mxima de gasolina que se puede vender es de 20000
barriles de normal y de 50000 de extra. El problema de la empresa de petrleo es organizar el
funcionamiento de la refinara, teniendo en cuenta que los beneficios obtenidos deben ser los mayores.
VARIABLES REALES:
P: Nmero de barriles de petrleo bruto que se deben comprar
A: Cantidad de barriles del producto A que se deben obtener
127

A q : Nmero de barriles del producto A que se venden al exterior

A,: Cantidad de barriles del producto A que se mezclan para obtener gasolina normal
A,: Nmero de barriles del producto A que se mezclan para obtener gasolina extra
S , : Cantidad de barriles del subproducto A que se deben obtener
S2 : Nmero de barriles del subproducto A que se deben obtener
B : Cantidad de barriles del producto B que se deben obtener
B 0 : Nmero de barriles del producto B que se venden al exterior
B!: Cantidad de barriles del producto B que se mezclan para obtener gasolina normal
B 2 : Nmero de barriles del producto B que se mezclan para obtener gasolina extra
G,: Cantidad de barriles de gasolina normal que se deben obtener
G,: Cantidad de barriles de gasolina extra que se deben obtener
Z : Funcin de utilidad.

Modelo (primal):
MAX Z =

- 420000 P - 480000 A+ 90000 A0 + 60000 S, + 120000 S, + 110000 B0 + 100000 G,

+130000G,

Sujeta a:
1.

P < 80000

2.

A < 60000

3.

A := 0,4 P

4.

S, = 0,6 P

5.

A := A 0 + A 1

6.

B = 0,7 A

7.

S2 = 0,3 A

8.

B = B0 + B , 4 B 2

9.

G, = A, + B,

+ A2

10. G2 = A2 + B2
11. G, < 20000
12. G, < 50000

128

86A, +96B]

13

>9Q

A,+B,
86 A 2 + 9 6 B 2
A2 + b 2

14

94

Resumiendo:
MAX Z =

- 420000 P - 480000 A + 90000 A0 + 60000 S, + 120000 S2 + 110000 B0

+ 100000 G, + 130000 G,

Sujeta a:
P

<

80000

2. A

<

60000

1.

3. A - 0,4 P

4. S, - 0,4 P = 0 0,6 P

5. A - AQ - A, - A2

6. B - 0,7 A

7. S2 - 0,3 A

8. b - b 0 - b , - b 2

9. G . - A . - B ,

10. G2 - A2 - B2

11.

<

20000

<

50000

13. - 4 A, + 6 B,

>

14. - 6 A2 + 2 B2

>

>

12.

G ,

P, A, A0, A,, A,, S,, S 2 , B, B0, B,, B2, G,, G2

9 4
* Un fabricante de artculos de consumo est trabajando con su departamento de publicidad en
la distribucin del presupuesto de la campaa publicitaria de la nueva temporada; dicho presupuesto
asciende a 500000000 de unidades monetarias y se pretende realizar una campaa de gran impacto
que alcance al mayor nmero posible de consumidores.

129

Los medios de comunicacin que admiten publicidad pueden clasificarse del siguiente modo:
televisin, radio, prensa diaria, revistas semanales y vallas publicitarias. Cada una de ellas presenta una
rentabilidad publicitaria que viene medida por el cociente entre el nmero de consumidores a los que
potencialmente llega dicho anuncio y el coste de dicho anuncio en el medio de que se trate. Estas
rentabilidades se obtienen a partir del estudio general de medios de comunicacin que peridicamente
actualiza la difusin de cada emisora, publicacin peridica, etc., junto con las tarifas de publicidad que
proporcionan dichos medios. En la siguiente tabla, que el agente de publicidad pone a disposicin de su
cliente, se muestran dichos cocientes para la prxima temporada, tanto globalmente, como por segmentos
de consumidores, segn una clasificacin de inters para el anunciante.

Televisin
Radio
Prensa diaria
Revistas semanales
Vallas publicitarias

Total

Jvenes

Mujeres

10
9
6
4
1

15
12
3
1
0

11
14
2
5
3

Educacin
superior
9
9
8
3
1

Por las caractersticas de los productos que se anuncian se piensa que el nmero adecuado de
personas a los que puede llegar la campaa en cada segmento sera el siguiente: jvenes superior a
2000000, mujeres superior a 3500000, educacin superior superior a 2500000.
Para asegurar una difusin conveniente, no debe gastarse en ningn medio ms del 50% del
presupuesto, ni menos del 5%; as mismo, la cantidad gastada en medios audiovisuales, televisin y
radio, puede ser como mximo tres veces superior a la gastada en los otros tres medios.
Plantear un modelo de programacin lineal para el problema del anunciante.
VARIABLES DE DECISIN:
Xf: Cantidad de unidades monetarias gastadas en publicidad en televisin
X^: Unidades monetarias gastadas en publicidad en radio
Xp: Cantidad de unidades monetarias gastadas en publicidad en prensa diaria
X^: Unidades monetarias gastadas en publicidad en revistas semanales
Xv; Cantidad de unidades monetarias gastadas en publicidad en vallas publicitarias
Z: Funcin de utilidad

Modelo (primal):
MAX Z = 10 X T + 9 XR + 6 Xp + 4 X s + X y
Sujeta a:

130

1.

XT + XR + Xp + x s + Xy

<

500000000

2.

15X T +12X R + 3 X p + 4XS

>

2000000

3.

11X T +14X R + 2 X p + 5X S + 3X V

>

3500000

4.

9X T + 9 XR + 8 Xp + 3 X s + Xy

>

2500000

5.

XT + XR - 3X p - 3X S -3X V

<

6.

X,.

>

25000000

7.

Xj.

<

250000000

8.

XR

>

25000000

9.

XR

<

250000000

10.

Xp

>

20000000

11.

Xp

<

2500000000

12.

Xs

>

250000000

13.

Xs

<

2500000000

14.

Xv

>

250000000

15.

Xv

<

2500000000

XT, XR, Xp, X s , Xy

>

95.

Una empresa que fabrica colchones, para la elaboracin de su producto estrella precisa de
una serie de tareas ligadas por relaciones de precedencia; adems, cada tarea requiere de un tiempo
de ejecucin indicado a continuacin:
Tarea
1
2
3
4
5
6
7
8
9

Peso
0
2
5
7
10
12
17
21
26

Duracin
10
23
12
10
3
11
5
4
10

Tareas precedentes
Ninguna
1
1
2
3,4
2
2
7
5,6

Plantear el anterior problema como un modelo de programacin lineal, sabiendo que se requiere
disminuir el tiempo total.

131

VARIABLES REALES:
X.: Tiempo de comienzo asociado a la tarea i, i = 1,2, 3,4, 5, 6, 7, 8, 9
W: Funcin de costo

Modelo (primal):
1
MIN W = (0 X, + 2 X2 + 5 X3 + 7 X4 + 10 X5 + 12 X6 + 17 X7 + 21 Xg + 26 X9)
Sujeta a:
1. x ,
2. - X,

4.

>

10

>

10

>

23

+ x5

>

12

- X,4 + x 5.

>

10

>

23

+ X7

>

23

-x7+xs

>

X2
+

3. - X,

X3
+

- x2

5.

- X.

6.
7.

- x2

8.

- x2

X4

H- x 6

9.
10.

-x5

11.

X6

X9

>

X9

>

11

>

x . , x , , x , x 4 , X5, X , X X , X

Una empresa necesita tener cada da de la semana al menos el siguiente nmero de empleados:
Da
Empleados

Lunes
16

Martes
15

Mircoles
17

Jueves
19

Viernes
14

Sbado
12

Domingo
18

Si se sabe que atendiendo a convenios laborales cada empleado har su semana laboral trabajando
cinco das consecutivos, comenzando cuando la empresa lo considere y que cada contrato le supone un
costo de 300000 unidades monetarias por semana. Cuntos empleados deber contratar y qu das
deber trabajar cada uno de ellos con el objetivo de minimizar los costos de contratacin?

132

VARIABLES DE DECISIN:
X,: Cantidad de empleados que empiezan a trabajar el lunes
X0: Nmero de empleados que comienzan a laborar el martes
X3: Cantidad de empleados que empiezan a trabajar el mircoles
X4: Nmero de empleados que comienzan a laborar el jueves
X5: Cantidad de empleados que empiezan a trabajar el viernes
X6: Nmero de empleados que comienzan a laborar el sbado
X?: Cantidad de empleados que empiezan a trabajar el domingo
W: Funcin de costo.

Modelo (primal):
MIN W = 300000 (X,I + X,2 + X,3 + X,4 + X,5 + X,+
X,)
6
7'
V

Sujeta a:
1.

+ x 4 + x 5 + x6+x7

>

16

+ x5 + x 6 + x 7

>

15

>

17

>

19

>

14

>

12

x3 + x 4 + x 5 + x 6 + x 7

>

18

>

X,

2. X, +

+
4. X, +

x3 + x4

5. X, +

x3

6.

x3 + x

3. X,

7.
X

2>

+x 7

x4+x5

3>

4 +

4 '

s +

5>

6 '

Cinco corredores de fondo de un mismo equipo tienen que repartirse la nica bicicleta del
equipo para lograr llegar a la meta en el menor tiempo posible; en la siguiente tabla se muestra las
velocidades, en kilmetros por hora, caminando y en bicicleta de cada corredor:
Deportista
Caminando
en bicicleta

nl
(Km/h)
4
7

n2
(Km/h)

n3
(Km/h)

n4
(Km/h)

n5
(Km/h)

2
8

3
7

2
9

3
8

Sabiendo que los deportistas salen todos juntos desde el mismo punto de salida y que la meta se
encuentra a 10 kilmetros del mismo, plantear un modelo matemtico de programacin lineal que
resuelva el problema de optimizar el uso de la bicicleta en cada momento del trayecto, para que el
ltimo deportista llegue al punto de destino lo antes posible.
133

VARIABLES REALES:
X,: Cantidad de kilmetros que el deportista nl hace en bicicleta
Xn: Nmero de kilmetros que el deportista n2 recorre en bicicleta
X3: Cantidad de kilmetros que el deportista n3 hace en bicicleta
X4: Nmero de kilmetros que el deportista n4 recorre en bicicleta
X5: Cantidad de kilmetros que el deportista n5 hace en bicicleta
T: Tiempo mnimo empleado por el grupo en el recorrido, determinado como el tiempo empleado
por el ltimo deportista del grupo que llega a la meta

Modelo (primal):
MIN W = T
Sujeta a:

1.

X,

10-X,
+7
4

X,
1 0 - X1,
2. +

<

X,
1 0 - X1,
3. +

<

'

X5
10-X,
5. +

<

6. X , + X2 + X3 + X4 + X5

10

>

X , X X , X4, x

98.

El Club Deportivo Once Caldas ha colocado sus acciones en bolsa y un inversionista ha

descubierto la clave para obtener el beneficio que en el terreno de juego el resto de los accionistas no
han conseguido en toda la temporada; el funcionamiento es el siguiente: al inicio de la temporada se
puede invertir en ella una cantidad cualquiera de X unidades monetarias, al empezar la siguiente
temporada se debe invertir adicionalmente X/2 unidades monetarias y luego pasada otra temporada se
obtienen 2 X unidades monetarias. Lo conseguido en estas acciones al final de una temporada puede
ser reinvertido de nuevo en dichas acciones al comienzo de la siguiente, si se desea; si en el momento

134

actual el inversionista dispone de 10000000 unidades monetarias. Cul debe ser su plan de inversin
en tales acciones para disponer de un mximo capital dentro de seis aos?
Temporadas

Nueva inversin

X0

Inversin adicional

Beneficios

i *
1

X,

2X0
2Xi

x2

2 X2

i *

2X3

X3
i " '

X4

Ix.

2 X,

VARIABLES DE DECISIN:
X: Cantidad de dinero invertido al inicio de la temporada i - sima
i = l , 2 , 3,4, 5 , 6
Z: Funcin de utilidad
Debido a las condiciones de las acciones, conviene que X5 = 0 y X6 = 0, porque estas inversiones
no producen beneficios dentro de las seis temporadas.

Modelo (primal):
t)
1
1
1
1
1
MAX Z =
2 X o + -2 X .1 + ~
2 X,2 +
2 X3 + 2- X4 . + 100000
Sujeta a:
1
1. X, + - X0

<

100000-X 0

135

2. X

<

100000+ ^ X 0 - X ,

x2

<

100000+

1
4. x . + - X,3
4 2

<

100000+

1
100000+ j X 0 + -

>

+|x,

3. x 3 + ^

1
- 2X4
X,, X2, X3, X4

x0+

-x,-x

1
1
- x 0 + - x ,1 +
2
2

1
-x,-x,
2 2 3

1
1
1
X,+ - X2+ - X3-X4

Resumiendo:
MAX Z = 2 X 0 + 2 X , + 2X 2 + 2X 3 + 2X 4 (Funcin objetivo equivalente a la anterior)
Sujeta a:
3

1. - x0

+X,

2. - ~ x 0 +

X, + x 2

3. - \

X,+ |

x0-

x2 + x3

1 x
1
1
3
- - T
2 no- T2 X, '- -2 X,2 + -2 X,3 + X44

2 - - X,
- - T
2 Xon - 2- x 1. - 2- X,
2 3 + 2 - 4X.

<

100000

<

100000

<

100000

<

100000

<

100000

X,, X2, X3, X4

Un industrial desea determinar el programa ptimo para tres mezclas distintas que hace con
diferentes proporciones de pistachos, avellanas y castaas. Las especificaciones de cada una de ellas
son: la mezcla 1 debe contener 50% de pistachos como mnimo y 25% de castaas cuando ms; la libra
de esta mezcla se vende a 500 unidades monetarias. El segundo tipo debe contener el 25% de pistachos,
por lo menos y un 50% de castaas, cuando ms y se vende a 350 unidades monetarias la libra. El
tercer tipo no tiene especificaciones y se vende a 250 unidades monetarias la libra.
Sin embargo, estn restringidas las cantidades de materias primas que puede conseguir el industrial;
las mximas por perodo son: 100 libras de pistacho, 60 libras de avellanas y 100 libras de castaas.
Cada libra de pistachos le cuesta 650 unidades monetarias, la de avellanas 350 unidades monetarias y
136

y la de castaas 250 unidades monetarias. Se trata de determinar cuntas libras se deben preparar de
cada mezcla, de manera que se obtengan las mximas utilidades.
Plantear el anterior problema como un modelo de programacin lineal.
DEFINICIN DE VARIABLES:
X..:

Cantidad de libras de mezcla tipo i (i = 1, 2, 3) a asociar con las materias primas j (j = P:

pistachos, A: avellanas y C: castaas)

Z :

Funcin de utilidad

Modelo (primal):
MAX Z =

500 (X |p + X1A + X1C) + 350 (X2p + X2A + X2C) + 250 (X3p + X3A + X3C) - 650 (X |p + X2p + X3p) - 350 (X,A + X2A + X3A) - 250 (X, c + X2C + X3C)

Sujeta a:
1. x 1 P
2

1
- (X1P + X]A + X1C)
^(X,p

X, c

3. X2p

1
2

5.

2C

+ X

,A + X,C)

(X2p + X2A + X2C)

> j&m*

.ip
(X

X lp + X ; p +X 3 p

>S
<

100

6- X1A + X2A + X3A

<

60

7. X, + X, + X,

<

100

> BIBLIOTECA
\

o'
i
*

Resumiendo:
MAX Z = - 150 X lp + 150 X1A + 250 X, c - 300 X2p + 100 X2C - 400 X3p - 100 X
Sujeta a:

137

l
x

, p

I
2

l
X

IP

i
3

i
x

, a

IA

2P

"

^ X 2P

^ X 2A

2 A

7.

"

'

ic

2C

i
x

5.
6

l
x

"

"

"

fX2C

>

X lp + x 2 p + X3P

<

100

, A

+ x

2 A

3A

60

X, c + X2C + X3C

<

100

x i p , x I A , x i c , x 2P , x 2A , x 2C , X3P, x 3A , X3C

<

1 0 0 . Una empresa observa que las demandas de sus productos varan cada dos meses en el
ao segn se ilustra en la siguiente tabla:

Perodo

Enero
Febrero

Marzo
Abril

Mayo
Junio

Julio
Agosto

Septiembre
Octubre

Noviembre
Diciembre

Demanda

100

230

100

235

100

200

En cuanto a sus productos iniciales, dispone de dos suministradores con diferentes precios: el
suministrador A produce en cada perodo 70 unidades y vende cada unidad a 300000 unidades monetarias,
mientras que el suministrador B produce en cada perodo 100 unidades y las vende a 330000 unidades
monetarias por unidad. Obviamente le conviene comprar en cada perodo tanto como sea posible al
ms barato y lo menos al ms caro, pero la exigencia de satisfacer las demandas obliga a la empresa el
tener que disponer siempre del nmero de productos demandados, teniendo presente que el costo de
conservar en su almacn un producto que llega en un perodo y sale en el siguiente es de 15000
unidades monetarias por unidad; esta ltima situacin puede aparecer, ya que algunos perodos la
demanda supera la oferta de los suministradores. Plantear un modelo matemtico para el problema de
planificar la compra a los suministradores y el almacenamiento, de manera que se minimicen los costos
totales de un ao especfico (es decir, no hay nada almacenado antes de enero, ni hay nada que guardar
despus de diciembre).

138

VARIABLES DE DECISIN:
X: Nmero de unidades procedentes del suministrador A al inicio del perodo i - simo
i

e {1,2,3,4,5,6}

Y. : Cantidad de unidades procedentes del suministrador B al inicio del perodo i - simo

i e {1,2,3,4,5,6}
U. : Nmero de unidades almacenadas durante el perodo i - simo
i e {1,2,3,4,5,6}
W : Funcin de costos
Se observa que U, = 0 y que si U7 representa las unidades que deben estar almacenadas despus
del perodo sexto, entonces U7 = 0.

Modelo (primal):

MIN W =

300000 (X, + X2 + X3 + X4 + X5 + X6) + 330000 (Y, + Y2 + Y3 + Y4 + Ys + Y6)

+ 15000 (U2 + U3 + U4 + U5 + U6)

Sujeta a :
1. X . + Y . - U ,
2. x 2 + Y2 + U, -U 3

=.

100

230

'

-U4

100

4. x 4 + Y4 + U3 -U 5

235

100

3.

5.

5 + YS + U 4 - U 6

6.

Y6 + U5

200

0 < X1

<

70

0 < Y1

<

100

>

139

BIBLIOGRAFA

ACKOFF Russell L., SASIENI Maurice W. Fundamentos de investigacin de operaciones. Limusa.

Mxico: 1965.
ANDERSON David R., et al. Mtodos cuantitativos para los negocios. Thomson. Mxico: 2005.
ARBONES Malisani Eduardo A. Optimizacin
Marcombo. Barcelona: 1989.

industrial

(I): Distribucin

de los

recursos.

ARREOLA R. J. S., ARREOLA R. A. Programacin lineal. Thomson. Mxico: 2003.

BARBOLLA Rosa, et al. Optimizacin. Prentice Hall. Madrid: 2001.
BARSOV A.S. Qu es programacin lineal? Limusa Wiley. Mxico: 1972.
BAZARAA S., et al. Programacin lineal y flujo en redes. Limusa. Mxico: 1998.
BAZARAA S. Mokhtar, et al. Nonlinear programming. John Wiley & Sons, Inc. Singapore 1993.
BERGREN Stephen. Algunas tcnicas de la investigacin
Universidad Tecnolgica de Pereira: 1976.

de operaciones.

Mimeografiado

BIERMAN Harold Jr., et al. Anlisis cuantitativo para los negocios. Me Graw-Hill Irwin. Bogot: 1999.
BOIZN Jstiz Meinardo Alberto. Optimizacin. Editorial Pueblo y Educacin. La Habana: 1988.
BRONSON Richard. Investigacin de operaciones. Me Graw-Hill (Coleccin Schaum). Mxico: 1982.
BUFFA Elwood S. Direccin de operaciones. Limusa. Mxico: 1973.
BUFFA S. Elwood, DYER S. James. Ciencias de la administracin e investigacin de operaciones.
Limusa. Mxico: 1982.
BUFFA S. Elwood, SARIN Rakesh K. Administracin
Limusa. Mxico: 1992.

de la produccin y de las

operaciones.

CAMACHO Quiroz Arturo. Principios de investigacin de operaciones. Ecafsa. Mxico: 1997.

CHASE R. B., AQUILANO N. J. Direccin y administracin
operaciones. Me Graw-Hill Irwin. Mxico: 1997.

de la produccin

y de las

CHEDIAK F. A. Investigacin de operaciones (Volumen I). Corporacin Universitaria de Ibagu.

Ibagu: 2001.
CHURCHMAN West C., et al. Introduccin a la investigacin de operaciones. Aguilar. Madrid: 1971.
DACCARETT Enrique. Investigacin
Bucaramanga: 1994.

de operaciones.

Universidad Industrial de Santander.

DANTZIG George Bernard. Linear programming and extensions. Princeton University Press. New
Yersey: 1963.
141

DAVIS Roscoe K., MCKEOWN Patrick G. Modelos cuantitativos para administracin. Grupo
Editorial Iberoamrica. Mxico: 1986.
EDGAR T.F.,HIMMELBLAU D. M. Optimization of chemicalprocesses. Me Graw-Hill. Singapore: 1988.
DE LA FUENTE O'Connor Jos Luis. Tecnologas computacionales para sistemas de ecuaciones,
optimizacin lineal entera. Editorial Revert S.A. Barcelona: 1993.
DOMINGUEZ Machuca Jos Antonio, et al. Direccin de operaciones. Aspectos estratgicos y
metodolgicos en la produccin y los servicios. Me Graw-Hill. Madrid: 1995
DOMINGUEZ Machuca Jos Antonio, et al. Direccin de operaciones.
operativos en la produccin y los servicios. Me Graw-Hill. Madrid: 1995.

Aspectos tcticos y

DORAN Jody L., HERNNDEZ Eugenio. Las matemticas en la vida cotidiana. Addison-Wesley/
Universidad Autnoma de Madrid. Madrid: 1999.
DORFMAN Robert, et al. Programacin lineal y anlisis econmico. Aguilar. Madrid: 1972.
EPPEN G. D., et al. Investigacin de operaciones en la ciencia administrativa. Pearson. Mxico 1999.
ESPINOSA Berriel Hctor M. Programacin lineal. Editorial Pax. Mxico: 1975.
FOGARTY Donald W., et al. Administracin de la produccin e inventarios. CECSA. Mxico: 1993.
GALLAGHER Charles A., WATSON Hugh J. Mtodos cuantitativos para la toma de decisiones
en administracin. Me Graw-Hill. Mxico: 1982.
GARCIA Cabaes Jaime, et al. Tcnicas de investigacin operativa. Editorial Paraninfo S.A. 1989.
GASS Sal I. Linear programming. Me Graw-Hill. Singapore: 1994.
GEREZ Vctor, CZITROM Vernica. Introduccin al anlisis de sistemas e investigacin
operaciones. Representaciones y Servicios de Ingeniera S. A. Mxico: 1978.

de

GOBERNA Torrent Miguel Angel, et al. Optimizacin lineal. Teora, mtodos y modelos. Me Graw
Hill. Madrid: 2004.
GONZALEZ Ariza Angel Len. Manual prctico de investigacin de operaciones I. Ediciones
Uninorte. Barranquilla: 1998.
GROSSMAN Stanley I. Aplicaciones de algebra lineal. Me Graw - Hill. Mxico: 1992.
GUERRERO Casas Flor Mara. Curso de optimizacin. Ariel Economa. Barcelona: 1994.
HANSEN Gregory A. Automatizacin. Prentice Hall. Mxico: 1997.
HEIN Leonard W. El anlisis cuantitativo en las decisiones administrativas. Diana. Mxico: 1967.
HIERCHE HENRI. Tcnicas modernas de gestin de empresas. Aguilar. Madrid: 1970.
HILLIER Frederick S., LIEBERMAN Gerald J. Introduccin a la Investigacin de Operaciones.
Me Graw-Hill. Mxico: 2001.
HILLIER Frederick S., et al. Mtodos cuantitativos para administracin. Me Graw-Hill. Mxico: 2001.
HOPEMAN Richard J. Administracin de produccin y operaciones. Cecsa. Mxico: 1993.
HOROWITZ Ira. Introduccin
Madrid: 1968.
142

al anlisis cuantitativo de los negocios. Ediciones del Castillo.

INFANTE Villarreal Arturo. Notas sobre investigacin

(Mimeografiado). Santaf de Bogot D.C.: 1976.

operacional. Universidad de los Andes

JAUFFRED M. Francisco J., et al. Mtodos de optimizacin. Representaciones

Ingeniera S. A. Mxico: 1980.

y Servicios de

JIMNEZ Lozano Guillermo. Investigacin operativa I. Universidad Nacional de Colombia Sede

Manizales Departamento de Administracin y Sistemas. Manizales: 2001.
JIMENEZ Lozano Guillermo. Investigacin operativa II. Universidad Nacional de Colombia Sede
Manizales Departamento de Administracin y Sistemas. Manizales: 2002.
KALENATIC Dusko. Tcnicas de la investigacin operacional. Universidad Piloto de Colombia.
Santaf de Bogot D.C.: 1992.
KAUFMANN A. Mtodos y modelos de la investigacin de operaciones (Tomo I). Cecsa. Mxico: 1965.
KAUFMANN A. Mtodos y modelos de la investigacin de operaciones (Tomo H). Cecsa. Mxico: 1966.
KAUFMANN A., Henry-Labordre A. Mtodos y modelos de la investigacin de
(Tomo III). Cecsa. Espaa: 1976.

operaciones

LAWRENCE A. John, PASTERNACK A. Bany Ciencias administrativas aplicadas. CECSA. Mxico: 2004.
LEVIN Richard I., KIRKPATRICK Charles A. Enfoques cuantitativos a la administracin. Cecsa.
Mxico: 1983.
LUENBERGER David E. Programacin lineal y no lineal. Addison - Wesley Iberoamericana.
E.U.A.: 1989.
MAROTO Alvarez Concepcin. Formulacin de modelos de programacin
anlisis de sensibilidad. Universidad Politcnica de Valencia. Valencia: 1997.

lineal, solucin y

MATHUR Kamlesh, Solow Daniel. Investigacin de operaciones Prentice-Hall Hispanoamericana

S.A.Mxico: 1996.
MICHA Elias. Matemticas discretas: Limusa. Mxico: 1998.
MILLER M. David, SCHMIDT J. W. Ingeniera industrial e investigacin de operaciones. Noriega.
Mxico: 1992.
MITAL K.V. Mtodos de optimizacin. Limusa. Mxico: 1984.
MONKS Joseph G. Administracin de operaciones. Me Graw-Hill. Mxico: 1987.
MONTANO Agustn. Iniciacin al mtodo del camino crtico. Trillas. Mxico: 1972.
MORA Escobar Hctor Manuel. Programacin lineal. Universidad Nacional de Colombia Sede Bogot
D.C. Departamento de Matemticas y Estadstica. Bogot: 2004.
MORA Escobar Hctor Manuel. Optimizacin no lineal y dinmica. Universidad Nacional de Colombia
Sede Bogot D.C. Departamento de Matemticas y Estadstica. Bogot: 2001.
MORA Jos Luis. Investigacin de operaciones e informtica. Trillas. Mxico; 1986.
MORENO Osorio Luis G. Teora de la decisin. Universidad Nacional de Colombia Sede Santaf de
Bogot D.C. Departamento de Matemticas y Estadstica. Bogot: 1995.
143

MOSKOWITZ Herbert, WRIGHT Gordon C. Investigacin de operaciones. Prentice Hall Carvajal.

Cali: 1982.
MURO Senz Javier. Prctica de a investigacin
A. Barcelona: 1975.

operativa empresarial.

Editorial Labor S.

NAMAKFOROOSH Mohammad. Investigacin de operaciones. Limusa. Mxico: 1984.

NARASIMHAN Sim, et al. Planeacin de la produccin y control de inventarios. Prentice-Hall
Hispanoamericana, S.A. Mxico: 1996.
NASH Stephen G, Sofer Ariela. Linear and nonlinearprogramming. Me Graw Hill. Singapore: 1996.
NOBLE Ben, Daniel James W. Algebra lineal aplicada. Prentice Hall. Mxico: 2000.
PENAFIEL Milln Luis. Programacin lineal. Trillas. Mxico: 1979.
PEREZ S. Eduardo, CEBALLOS C. Fabio. lgebra y programacin lineal. Universidad Pontificia
Bolivariana. Medelln: 2002.
PIKE Ralph W., Guerra Lautaro G. Optimizacin en ingeniera. Alfaomega. Mxico: 1991.
PRAWDA Witenberg Juan. Mtodos y modelos de investigacin de operaciones (Tomo 1). Limusa.
Mxico 1982.
PRAWDA Witenberg Juan. Mtodos y modelos de investigacin de operaciones (Tomo 2). Limusa.
Mxico: 1982.
QUESADA Ibargen Vctor Manuel. Programacin lineal y entera. Grficas El Cheque. Cartagena: 1997.
RENDER Barry, STAIR Ralph M. Quantitative analysis for management. Render Allyn and Bacon.
Massachusetts: 1988.
RENDON Castao Hernn Daro, DAZ Serna Francisco Javier. Introduccin a la investigacin
de operaciones. Universidad Nacional de Colombia Sede Medelln. Medelln: 2002.
RINCON Abril Luis Alberto. Investigacin de operaciones para ingenieras y administracin de
empresas. Universidad Nacional de Colombia Sede Palmira. Palmira: 2001.
ROS Insua Sixto, et al. Programacin lineal y aplicaciones. Rama. Alfaomega. Santaf de Bogot:
D.C.1998.
ROS Insua Sixto. Investigacin operativa. Editorial Centro de Estudios Ramn Areces S.A. Madrid: 1996.
ROS Garca Sixto. Modelizacin. Alianza Universidad. Madrid 1995.
SAATY L. Thomas. Elementos de la teora de colas. Aguilar. Madrid: 1967.
SABOGAL Snchez Carlos Arturo, ARDILA Romero Esperanza. Algebra y programacin
Universidad Externado de Colombia. Bogot: 2003.

lineal.

SASIENI M., et al. Investigacin de operaciones. Limusa. Mxico: 1982.

SCHNEIDER Kenneth C., RANDALL Byers C. Mtodos cuantitativos en administracin. Limusa.
Mxico: 1982.
SERRA de la Figuera Daniel. Mtodos cuantitativos para la toma de decisiones. Gestin 2000.
Barcelona: 2004.
144

SHAMBLIN James E.,STEVENS G. T. Investigacin de operaciones. Me Graw-Hill. Mxico: 1975.

SINGLETON Robert R., TYNDALL William F. Introduccin
programacin lineal. Editorial Labor. Barcelona: 1977.

a la teora de juegos y a la

SOLER Fajardo Francisco et al. Algebra lineal y programacin lineal. Ecoe Ediciones. Bogot: 2003.
TAHA Hamdy A. Investigacin de operaciones. Pearson Prentice Hall. Mxico: 2004.
THIERAUF Robert J., GROSSE Richard A. Toma de decisiones por medio de investigacin de
operaciones. Limusa. Mxico: 1982.
TURNER J. C. Matemtica moderna aplicada: probabilidades,
operativa. Alianza Universidad. Madrid: 1995.

estadstica

investigacin

ULLMAN John E. Mtodos cuantitativos en administracin. Me Graw-Hill (Coleccin Schaum).

Mxico: 1979.
URIBE Alvaro. Programacin lineal. Universidad Nacional de Colombia Sede Santaf de Bogot
D.C. :1976.
VAN DEN BERGHE Edgar. Simulacin de decisiones gerenciales. Universidad Nacional de Colombia
Sede Santaf de Bogot D.C. 1997.
VARELA Jaime Enrique. Investigacin de operaciones. Fondo Educativo Interamericano. Santaf
de Bogot D.C.: 1982.
VARGAS Morales Germn. Modelos lineales en investigacin de operaciones. Universidad Distrital
Francisco Jos de Caldas. Santaf de Bogot D.C.: 1990.
VARGAS Morales Germn. Mtodos cuantitativos en produccin. Universidad Distrital Francisco
Jos de Caldas. Santaf de Bogot D.C.: 1996.
VENTSEL S. Elena. Investigacin de operaciones. Editorial Mir. Mosc: 1992.
WAINRIGHT Martn E. Jr. Programacin lineal. Editorial Ateneo. Buenos Aires: 1978.
WINSTON Wayne L. Investigacin de operaciones. Thomson. Mxico: 2004.
WHITAKER David. Investigacin
Madrid: 1988.

operativa

con el computador.

Editorial Paraninfo S.A.

145