Documentos de Académico
Documentos de Profesional
Documentos de Cultura
C) Problemas de Programacion Lineal Resueltos
C) Problemas de Programacion Lineal Resueltos
Programacin Lineal
Cantidades disponibles
para la produccin
20 toneladas
5 toneladas
21 toneladas
Pgina: 1
Investigacin Operativa I
Programacin Lineal
Definicin de variables
X1 = nmero de toneladas de aditivo para combustible
X2 = nmero de toneladas de base disolvente
Funcin objetivo:
Maximizar la contribucin a la utilidad, Z = 40 X1 + 30 X2
Restricciones
Toneladas de materia prima 1 2/5X1 + 1/2X2 20
Toneladas de materia prima 2
1/5X2 5
Toneladas de materia prima 3 3/5X1 + 3/10X2 21
No negatividad
Xi 0; i=1,2
Salida de resultados
Anderson Sweeney Willams. Mtodos Cuantitativos para los Negocios. 7ma Edicin. Editorial
Thomson. Pgina 220.
Oswaldo Paul Rivadeneira
Pgina: 2
Investigacin Operativa I
Programacin Lineal
Definicin de variables
X1 = nmero de unidades adquiridas en el fondo de acciones
X2 = nmero de unidades adquiridas en el fondo del mercado de
dinero
Funcin objetivo:
Minimizar el riesgo, Z = 8 X1 + 3 X2
Restricciones
Fondos disponibles 50X1 + 100X2 1200.000
Ingreso anual
5 X1 +
4X2 60.000
Unidades en fondo
100X2 3.000
Anderson Sweeney Willams. Mtodos Cuantitativos para los Negocios. 7ma Edicin. Editorial
Thomson. Pgina 242.
Oswaldo Paul Rivadeneira
Pgina: 3
Investigacin Operativa I
Programacin Lineal
No negatividad
Xi 0; i=1,2
Informe de asesora:
Innis Investments aconseja al cliente que adquiera 400 unidades a 50 dlares
cada una en Acciones y 10.000 unidades a 100 dlares cada en el mercado de
dinero para obtener una ganancia de 62.000 dlares al ao.
3. PAR es un pequeo fabricante de equipo y accesorios para golf cuyo distribuidor
lo convenci de que existe un mercado tanto para la bolsa de golf de precio
medio, conocida como modelo estndar, como para una bolsa de golf de precio
elevado, conocida como modelo deluxe. El distribuidor tiene tanta confianza en
el mercado que si PAR puede fabricar las bolsas a un precio competitivo, el
distribuidor est de acuerdo en adquirir todas las bolsas que PAR pueda fabricar
en los siguientes tres meses. Un anlisis cuidadoso de los requerimientos de
fabricacin dieron como resultado la tabla siguiente, que muestra las
necesidades de tiempo de produccin para las cuatro operaciones de
manufactura requeridas y la estimacin por parte del departamento de
contabilidad de la contribucin a la utilidad por bolsa.
Tiempo de produccin
Corte
y Costura
Oswaldo Paul Rivadeneira
Terminado
Inspeccin
Utilidad por
Pgina: 4
Investigacin Operativa I
Producto
Estndar
Deluxe
teido
7/10
1
Programacin Lineal
1/2
5/6
1
2/3
y empaque
1/10
1/4
Bolsa
$10
$9
El director da manufactura estima que durante los siguientes tres meses estarn
disponibles 630 horas de tiempo de corte y teido, 600 horas de tiempo de
costura, 708 horas de tiempo de terminado y 135 horas de tiempo de inspeccin
y empaque para la produccin de las bolsas de golf.
a)
b)
c)
d)
Solucin:
Formulacin del modelo:
Definicin de variables
X1 = Cantidad de unidades de bolsas de golf estandar
X2 = Cantidad de unidades de bolsas de golf de lujo
Funcin Objetivo
Z max = 10X1 + 9X2
Restricciones
0.7X1 + 1.0X2 630 Horas de Corte y teido
0.5X1 + 0.8334X2 600 Horas de Costura
1.0X1 + 0.6667X2 708 Horas de Terminado
0.1X1 + 0.25X2 35 Horas de Inspeccin y Empaque
No negatividad
Xi 0; i=1,2
Solucin grfica:
Anderson Sweeney Willams. Mtodos Cuantitativos para los Negocios. 7ma Edicin. Editorial
Thomson. Pgina 264. Problema 15.
Oswaldo Paul Rivadeneira
Pgina: 5
Investigacin Operativa I
Programacin Lineal
Solucin Solver:
Pgina: 6
Investigacin Operativa I
Programacin Lineal
Producto
Estndar
Deluxe
Tiempo de produccin
Corte
y Costura
teido
7/10
1/2
1
5/6
Terminado
1
2/3
Inspeccin
y empaque
1/10
1/4
Utilidad por
Bolsa
$10
$9
El director da manufactura estima que durante los siguientes tres meses estarn
disponibles 630 horas de tiempo de corte y teido, 600 horas de tiempo de
costura, 708 horas de tiempo de terminado y 135 horas de tiempo de inspeccin
y empaque para la produccin de las bolsas de golf.
Resuelva el problema descrito y luego responda a las siguientes preguntas:
a)
b)
c)
Pgina: 7
Investigacin Operativa I
Programacin Lineal
Funcin Objetivo
Z max = 10X1 + 9X2
Restricciones
0.7X1 + 1.0X2 630 Horas de Corte y teido
0.5X1 + 0.8334X2 600 Horas de Costura
1.0X1 + 0.6667X2 708 Horas de Terminado
0.1X1 + 0.25X2 135 Horas de Inspeccin y Empaque
No negatividad
Xi 0; i=1,2
X2
700
Solucin
GLP
665
630 Payoff: 10.0000 X1 + 9.0000 X2 = 7667.9417
595
560
525
490
455
420
385
350
: 0.1000 X1 + 0.2500 X2 = 135.0000
315
280
245
210
175
140
105
70
35
0
0
60
120
180
240
300
360
420
480
540
600
660
720
780
840
900
960
Anderson Sweeney Willams. Mtodos Cuantitativos para los Negocios. 7ma Edicin. Editorial
Thomson. Pgina 265. Problema 16.
Pgina: 8
1020
1080 1140
12
Investigacin Operativa I
Programacin Lineal
Solucin Solver:
a)
b)
Pgina: 9
Investigacin Operativa I
Programacin Lineal
c)
Modelo
Normal
Catcher
Tiempo
Corte
y
costura
1
3/2
de produccin(horas)
Terminado Empaque y Utilidad por
Guante
embarque
1/2
1/8
$5
1/3
1/4
$8
Pgina: 10
Investigacin Operativa I
c)
d)
e)
Programacin Lineal
Solucin:
a) Formulacin del modelo:
Definicin de variables
X1 = Cantidad de guantes de Bisbol normal
X2 = Cantidad de guantes de Bisbol tipo Manopla
Funcin Objetivo
Z max = 5X1 + 8X2
Restricciones
X1 + 1.5X2 900 horas de Corte y Costura
0.5X1 + 0.3334X2 300 horas de Terminado
0.125X1 + 0.25X2 100 horas de Empaque y Embarque
No negatividad
Xi 0; i=1,2
Solucin GLP
Anderson Sweeney Willams. Mtodos Cuantitativos para los Negocios. 7ma Edicin. Editorial
Thomson. Pgina 266. Problema 22.
Pgina: 11
630
595
560
Investigacin
Operativa I
525
Programacin Lineal
490
455
420
385
350
315
280
245
210
175
140
105
70
35
0
240
300
360
420
480
540
600
660
720
780
840
Pgina: 12
900
960
Investigacin Operativa I
Programacin Lineal
6. George Johnson hered recientemente una gran suma de dinero; desea utilizar
parte de este dinero para establecer un fideicomiso para sus dos hijos. El
fideicomiso tiene dos opciones de inversin: (1) un fondo de bonos y (2) un
fondo de acciones. Los rendimientos proyectados durante la vida de las
inversiones son 6% para el fondo de bonos y 10% para el de acciones.
Independientemente de la porcin de la herencia que finalmente decida
comprometer al fideicomiso, desea invertir por lo menos 30% de dicha cantidad
en el fondo de bonos. Adems, desea seleccionar una combinacin que le
permita obtener un rendimiento total de por lo menos 7.5%.
a)
b)
Solucin:
Definicin de variables
X1 = cantidad de dinero invertido en fondo de bonos
X2 = cantidad de dinero invertido en fondo de acciones
Funcin Objetivo
Zmax = 1X1 + 1X2
Restricciones
X1 30% (100) inversin en fondo de bonos
6% X1 + 10% X2 7.5% (100) rendimiento total
X1 + X2 100 relacin entre inversiones
No negatividad
Xi 0; i=1,2
Datos entrada Solver
Anderson Sweeney Willams. Mtodos Cuantitativos para los Negocios. 7ma Edicin. Editorial
Thomson. Pgina 266. Problema 23.
Pgina: 13
Investigacin Operativa I
Programacin Lineal
Solucin grfica:
Pgina: 14
Investigacin Operativa I
Programacin Lineal
b)
Solucin:
Formulacin del modelo:
Definicin de variables
X1 = Cantidad de dlares asignados a peridicos
X2 = Cantidad de dlares asignados a radio
Funcin Objetivo
Zmax= 50X1 + 80X2
Restricciones
X1 0.25(X1 + X2)
mnimo para peridicos
X2 0.25(X1 + X2)
mnimo para radio
X1 2X2 relacin peridicos y radio
X1 + X2 1000 presupuesto
No negatividad
Xi 0; i=1,2
Solucin GLP
Anderson Sweeney Willams. Mtodos Cuantitativos para los Negocios. 7ma Edicin. Editorial
Thomson. Pgina 266. Problema 24.
Pgina: 15
Investigacin Operativa I
Programacin Lineal
X2
400
380
360
340
320
300
280
260
240
220
200
180
160
140
120
100
80
60
40
20
0
33
66
99
132
165
198
231
264
297
330
363
396
429
462
495
528
561
594
627
Precio
Accin
$25
$50
por Rendimiento
anual ndice de riego
estimado por accin
$3
0.50
$5
0.25
El ndice de riesgo por accin es una clasificacin del riesgo relativo de dos
alternativas de inversin. Para los datos dados, se piensa que U.S. OIL es la
inversin sujeta a ms riesgo. Al restringir el riesgo total de la cartera, la firma
de inversiones evita colocar cantidades excesivas de la cartera en inversiones
potencialmente de rendimiento alto y riesgo elevado. Para la cartera actual se
ha establecido un lmite superior a 700 para el ndice de riesgo total de todas las
inversiones, tambin la empresa ha establecido un lmite superior de 1.000
acciones para los valores U.S. OIL ms riesgosos. Cuntas acciones de cada
uno de estos valores deben ser adquiridos a fin de maximizar en rendimiento
anual total?8
Solucin:
8
Anderson Sweeney Willams. Mtodos Cuantitativos para los Negocios. 7ma Edicin. Editorial
Thomson. Pgina 267. Problema 25.
Pgina: 16
660
Investigacin Operativa I
Programacin Lineal
Funcin Objetivo
Z max = 3X1 + 5X2
Restricciones
0.50X1 + 0.25X2 700 por riesgo
X1
1000 inversin en U.S. OIL
25X1 + 50X2 = 80.000 inversin en acciones
No negatividad
Xi 0; i=1,2
Solucion GLP
X1
Pgina: 17
Investigacin Operativa I
Programacin Lineal
U.S.Oil
HUB
1
3
Restricciones
Riesgo
En U.S.Oil
Inversin
0,5
1
25
1 max
5
No
Utilizado
Lmite
Utiliz
0,25
0,75
700
699,25
1
1000
999
50
75
80000
79925
U.S.Oil
HUB
800
1200 max
3
5
8400
Restricciones
Riesgo
En U.S.Oil
Inversin
0,5
1
25
No
Utilizado
Lmite
Utiliz
0,25
700
700 -7,4E-10
800
1000
200
50
80000
80000 -7,3E-08
Pgina: 18
Investigacin Operativa I
Programacin Lineal
Funcin Objetivo
Z max =
(1.64 (0.10+0.02+0.03+50%(10)(0.96)/16+30%(10)(0.64)/16+20%(10)(0.56)/16))X1
(1.93 (0.10+0.02+0.03+70%(10)(0.96)/16+10%(10)(0.64)/16+20%(10)(0.56)/16))X2
Z max = (1.64 (0.15 + 0.3 + 0.12 + 0.07))X1 + (1.93 (0.15 + 0.42 + 0.04 + 0.07))X2
Restricciones
5X1 + 7X2 4480 libras de tomates enteros
3X1 + 1X2 2080 libras de salsa de tomate
2X1 + 2X2 1600 libras de pasta de tomate
No negatividad
Xi 0; i=1,2
Solucin con GLP
Anderson Sweeney Willams. Mtodos Cuantitativos para los Negocios. 7ma Edicin. Editorial
Thomson. Pgina 267. Problema 26.
Pgina: 19
X2
1000
Investigacin Operativa I
Programacin Lineal
950
900
850
800
750
700
650
600
550
500
450
: 5.00 X1 + 7.00 X2 = 4480.00
400
350
300
250
200
150
100
50
0
1
50
99
148
197
246
295
344
393
442
491
540
589
638
687
736
785
834
883
932
SALSA
Cantidad de tarros
Utilidad
Mxico
City
1
1
1 Max
1.25
2.25
Restricciones
tomates enteros
salsa de tomate
pasta de tomate
Utilizado
Lmite No utiliz
7
12 4480
4468
1
4 2080
2076
2
4 1600
1596
5
3
2
SALSA
Cantidad de tarros
Utilidad
Western Mxico
Foods
City
560
1
240 Max
1.25
860
Pgina: 20
981
X1
Investigacin Operativa I
Programacin Lineal
Restricciones
tomates enteros
salsa de tomate
pasta de tomate
5
3
2
Utilizado
7
4480
1
1920
2
1600
Lmite
No utiliz
4480 -6.2E-09
2080
160
1600 -3.7E-09
Funcin Objetivo
Z max = 9X1 + 6X2
Restricciones
3X1 + 2X2 4.800 presupuesto
X1 + X2 = 1.800 nmero de pginas
X1/100 10 das disponibles de Erhan
X2/150 12 das disponibles de Sue
No negatividad
Xi 0; i=1,2
Solucin GLP
10
Anderson Sweeney Willams. Mtodos Cuantitativos para los Negocios. 7ma Edicin. Editorial
Thomson. Pgina 267. Problema 27.
Pgina: 21
Investigacin Operativa I
Programacin Lineal
60
120 180 240 300 360 420 480 540 600 660 720 780 840 900 960 1020108011401200
X1
Pginas revisadas
Cantidad
Calidad
Ehran Sue
1
1 Max
9
6
15
Restricciones
Presupuesto
3
Horas Ehran
1
Horas Sue
Nm. Pginas
1
Utilizado
2
5
1
1
1
1
2
Limite
No utiliz
4800
4795
1000
999
1800
1799
1800
1798
Utilizado
2
4600
Limite
No utiliz
4800
200
Salida SOLVER
Ehran Sue
1000 800 Max
9
6
13800
Restricciones
Presupuesto
Pgina: 22
Investigacin Operativa I
Horas Ehran
Horas Sue
Nm. Pginas
Programacin Lineal
1
1
1
1
1000
800
1800
1000 -1,1E-10
1800
1000
1800 -4,2E-09
11. Car Phones vende dos modelos de telfono para automvil: X y Y Los registros
muestran que se utilizan 3 horas de tiempo de ventas por cada modelo de
telfono X vendido, y 5 horas de tiempo de ventas por cada telfono de modelo
Y. Estn disponibles un total de 600 horas de venta para el siguiente perodo de
cuatro semanas. Adems, las polticas de planeacin de la administracin
exigen metas mnimas de ventas de 25 unidades, tanto para el X como para el
Y.
a. Muestre la regin factible
b. Si la empresa obtiene una contribucin a la utilidad de 40 dlares por cada
modelo X vendido y una contribucin a la utilidad de 50 dlares por cada
modelo Y vendido. Cul es la meta ptima de ventas para la empresa durante
el perodo de 4 semanas?
c. Desarrolle una restriccin y muestre la regin factible si la administracin
agrega la restriccin que Car Phones debe vender por lo menos tantos
telfonos Y como telfonos X.
d. Cul es la nueva solucin ptima si al problema se le agrega la restriccin
del inciso (c)?11
Solucin:
Formulacin del modelo:
Definicin de variables
X1 = Nmero de unidades de telfonos modelo X
X2 = Nmero de unidades de telfonos modelo Y
Funcin Objetivo
Zmax = 40X1 + 50X2
Restricciones
3X1 + 5X2 600
horas de venta disponibles
X1 25 meta mnima de venta
X2 25 meta mnima de venta
No negatividad
Xi 0; i=1,2
Solucin GLP
11
Anderson Sweeney Willams. Mtodos Cuantitativos para los Negocios. 7ma Edicin. Editorial
Thomson. Pgina 268. Problema 28.
Pgina: 23
Investigacin Operativa I
Programacin Lineal
X2
2
2
X1
Telfono
Cantidad
Utilidad
Restricciones
Horas disp.
Venta min X
Venta min Y
3
1
Utilizado
5
8
1
1
1
No
Lmite
Utiliz
600
592
25
-24
25
-24
Telfono
Cantidad
Utilidad
Modelo
Modelo
X
Y
158,3333
25 Max
40
50 7583,333
Restricciones
Horas disp.
Venta min X
Venta min Y
Oswaldo Paul Rivadeneira
3
1
Utilizado
5
600
158,3333
1
25
Lmite
No Utiliz
600 -1,4E-09
25 133,3333
25 2,64E-12
Pgina: 24
Investigacin Operativa I
Programacin Lineal
12. Greentree Kennels proporciona alojamiento por una noche para mascotas. Una
caracterstica particular en Greentree es la calidad del cuidado que reciben las
mascotas, incluyendo una excelente alimentacin. La comida para perros de la
perrera se elabora mezclado dos alimentos de marca para perros a fin de
obtener lo que la perrera identifica como una dieta para perros bien
balanceada. Los datos para las dos comidas con las siguientes:
Comida
Bark Bits
Canine Chow
Costo/onza
0.06
0.05
Protenas %
30
20
Grasa %
15
30
Si Greentree desea asegurarse de que los perros reciban por lo menos 5 onzas
de protenas y como mnimo 3 onzas de grasas cada da, Cul es la mezcla de
costo mnimo de los alimentos para perros?12
Solucin:
Formulacin del modelo:
Definicin de variables
X1 = Cantidad de onzas de comida Bark Bits
X2 = Cantidad de onzas de comida Canine Chow
Funcin Objetivo
Zmin = 0.06X1 + 0.05X2
Restricciones
0.3X1 + 0.2X2 5 contenido de protenas
0.15 X1 + 0.3 X2 3 contenido de grasas
No negatividad
Xi 0; i=1,2
Solucin GLP
12
Anderson Sweeney Willams. Mtodos Cuantitativos para los Negocios. 7ma Edicin. Editorial
Thomson. Pgina 269. Problema 34.
Pgina: 25
54
48
Investigacin Operativa I
Programacin Lineal
42
36
30
24
Payoff: 0.06 X1 + 0.05 X2 = 1.02
18
: 0.30 X1 + 0.20 X2 = 5.00
12
: 0.15 X1 + 0.30 X2 = 3.00
6
0
0
10
20
30
40
50
60
70
Comida
Cantidad
Calidad
Proteinas
Grasas
Bark
Bits
Canine
Chow
1
0,06
Restricciones
0,3
0,15
1 Min
0,05
0,11
No
Utilizado
Limite utiliz
0,2
0,5
5
4,5
0,3
0,45
3
2,55
Comida
Cantidad
Calidad
Bark
Bits
Canine
Chow
15
2,5 Min
0,06
0,05
1,025
Pgina: 26
80
Investigacin Operativa I
Programacin Lineal
Restricciones
Proteinas
Grasas
Utilizado
0,3
0,2
0,15
0,3
No
Limite utiliz
-3,3E5
5
12
-2,2E3
3
12
13. La New England Cheese Company produce dos quesos crema mezclando quesos
chedar tanto suave como extrafuerte. Los quesos crema se empacan en
recipientes de 12 onzas, que despus se venden a distribuidores en todo el
noroeste. La mezcla Regular contiene 80% de chedar suave y 20% de
extrafuerte y la mezcla Zesty contiene 60% de chedar suave y 40% de
extrafuerte. Este ao, una cooperativa lechera local ha ofrecido entregar hasta
8.100 libras de queso chedar a $1.20 por libra y hasta 3.000 libras de queso
chedar extrafuerte a $1.40 por libra. El costo de mezclar y empacar estos
quesos crema, excluyendo el costo del queso mismo, es de $0.20 por recipiente.
Si cada recipiente de Regular se vente a $1.95 y cada recipiente Zesty se vende
a $2.20. Cuntos recipientes deber producir New England Cheese de Regular
y Zesty?13
Solucin:
Formulacin del modelo:
Definicin de variables
X1 = Cantidad (en miles) de recipientes de queso Regular
X2 = Cantidad (en miles) de recipientes de queso Zesty
Funcin Objetivo
Zmax = (1.95 0.20 - 0.80*0.75*1.20 0.60*0.75*1.40)X1 +
(2.20 2.0 0.20*0.75*1.20 0.40*0.75*1.40)X2
Zmax = 0.40X1 + 1.40X2
Restricciones
0.80*0.75X1 + 0.60*0.75X2 8,1 queso chedar suave
0.20*0.75X1 + 0.40*0.75X2 3,0 queso chedar extrafuerte
No negatividad
Xi 0; i=1,2
Solucin GLP
13
Anderson Sweeney Willams. Mtodos Cuantitativos para los Negocios. 7ma Edicin. Editorial
Thomson. Pgina 269. Problema 35.
Pgina: 27
Investigacin Operativa I
Programacin Lineal
: 0.2
0.8 X1 + 0.4
0.6 X
X2
10
Payoff: 0.4 X1 + 1.4 X2 = 14.0
9
8
7
6
5
4
3
2
1
0
0
10
11
12
13
Regular
Restricciones
Queso Ch. suave
Tiempo prod. min
Zesty
1
0,4
1 max
1,4
1,8
0,8
0,2
No
Utilizado
Lmite Utiliz
0,6
1,4
10,8
9,4
0,4
0,6
4
3,4
Restricciones
Queso Ch. suave
Tiempo prod. min
Regular Zesty
0
10 max
0,4
1,4
14
0,8
0,2
Utilizado
0,6
6
0,4
4
No
Lmite
Utiliz
10,8
4,8
4 -5,5E-12
Pgina: 28
14
X1
Investigacin Operativa I
Programacin Lineal
Cereal
A
B
Fibra diettica
(gramos)
2
1.5
Grasas
(gramos)
2
3
Protenas
(gramos)
4
3
Note que cada onza de cereal A proporciona dos gramos de fibra diettica y que
cada onza de cereal B da 1.5 gramos de fibra diettica, por lo que si Healthtech
fuera a desarrollar el nuevo producto utilizando una mezcla formada de 50% de
cereal A y 50% de cereal B, una onza de ste contendra 1.75 gramos de fibra
diettica. Los requisitos nutricionales de Healthtech exigen que cada onza del
nuevo alimento tenga por lo menos 1.7 gramos de fibra diettica, no ms de 2.8
gramos de grasa y no ms de 3.6 gramos de protenas. El costo del cereal A es
de $0.02 por onza y el del B es de $0.025 por onza. Healthtech desea
determinar cunto de cada cereal es necesario para producir una onza del
nuevo producto al menor costo posible.
a. Formule el modelo de programacin lineal para esta situacin
b. Resuelva el problema utilizando el procedimiento de solucin grfica
c. Cules son las variables de holgura y de excedente
d. Si Healthtech pone en el mercado el nuevo cereal en un paquete de 8 onzas.
Cul sera el costo del paquete?14
Solucin:
Formulacin del modelo:
Definicin de variables
X1 = Cantidad de onzas de cereal A
X2 = Cantidad de onzas de cereal B
Funcin Objetivo
Zmin = 0.02X1 + 0.025X2
Restricciones
2X1 + 1.5X2 1.7 por fibra diettica
2X1 + 3X2 2.8 por grasas
4X1 + 3X2 3.6 por protenas
X1 + X2 = 1 onzas
14
Anderson Sweeney Willams. Mtodos Cuantitativos para los Negocios. 7ma Edicin. Editorial
Thomson. Pgina 269. Problema 36.
Pgina: 29
Investigacin Operativa I
Programacin Lineal
No negatividad
Xi 0; i=1,2
Solucin GLP
X2
1
B
1
0,02
Restricciones
fibra diettica
por grasas
por proteinas
2
2
4
1 min
0,025
0,045
Utilizado
1,5
3,5
3
5
3
7
No
Lmite
Utiliz
1,7
1,8
2,8
-2,2
3,6
-3,4
B
0,85
0 min
Pgina: 30
X1
Investigacin Operativa I
Costo
Programacin Lineal
0,02
0,025
Restricciones
fibra diettica
por grasas
por proteinas
0,017
Utilizado
2
2
4
1,5
3
3
1,7
1,7
3,4
No
Utiliz
9,12E1,7
13
2,8
1,1
3,6
0,2
Lmite
15. MD Chemical produce dos productos que se venden como materia prima para
empresas fabricantes de jabones para bao, detergentes para lavandera y otros
productos de jabn. Apoyndose en un anlisis de los niveles actuales de
inventarios y de la demanda potencial para el mes siguiente, la administracin
de MD ha especificado que la produccin total de los productos 1 y 2
combinados debe ser de por lo menos 350 galones. Adems debe cumplir con
un pedido de un cliente de importancia de 125 galones del producto 1. El
tiempo de procesado del producto 1 requiere dos horas por galn, y del
producto 2 requiere de una hora; para el mes siguiente, hay disponibilidades de
600 horas de proceso. Los costos de produccin son 2 dlares por galn del
producto 1 y 3 dlares del producto 2.
a. Determine las cantidades de produccin que satisfagan los requisitos
especificados al costo mnimo.
b. Cul es el costo total del producto?
c. Identifique la cantidad de cualquier produccin excedente.15
Solucin:
Formulacin del modelo:
Definicin de variables
X1 = Cantidad de galones del producto 1
X2 = Cantidad de galones de producto 2
Funcin Objetivo
Zmin = 2X1 + 3X2
Restricciones
X1 + X2 350 galones producidos
X1 125 pedido de un cliente
2X1 + 1X2 600 horas de proceso
No negatividad
Xi 0; i=1,2
Solucin GLP
15
Anderson Sweeney Willams. Mtodos Cuantitativos para los Negocios. 7ma Edicin. Editorial
Thomson. Pgina 270. Problema 37.
Pgina: 31
Investigacin Operativa I
Programacin Lineal
X2
440
418
396
374
352
330
308
286
264 Payoff: 2.0 X1 + 3.0 X2 = 800.0
242
220
198
176
154
132
110
88
: 2.0 X1 + 1.0 X2 = 600.0
66
44
: 1.0 X1 + 0.0 X2 = 125.0
22
0
: 1.0 X1 + 1.0 X2 = 350.0
0
20
40
60
80
100 120 140 160 180
380 400
1
1
2
Restricciones
Galones
producidos
Pedido cliente
Horas proceso
2
1 min
3
Utilizado
1
1
2
1
1
2
1
3
Lmite
350
125
600
No
Utiliz
-348
124
597
1
250
2
2
100 min
3
800
Pgina: 32
X1
Investigacin Operativa I
Restricciones
Galones
producidos
Pedido cliente
Horas proceso
Programacin Lineal
Utilizado
1
1
2
1
1
350
250
600
Lmite
350
125
600
No Utiliz
8,11E-10
-125
-2,9E-10
16. Photo Chemicals produce dos tipos de fluido para revelado fotogrfico. Ambos
productos le cuestan a la empresa un dlar por galn producirlos. Con base e
una anlisis de niveles actuales de inventario y en las rdenes en mano para el
mes siguiente, la administracin de Photo Chemicals ha decidido que durante
las siguientes dos semanas se produzcan por los menos 30 galones del producto
1 y por lo menos 20 galones del producto 2. Tambin ha dicho la administracin
que en el transcurso de las siguientes dos semanas debe utilizarse el inventario
existente de una materia prima muy perecedera necesaria en la produccin de
ambos fluidos. El inventario actual de esta materia prima muy perecedera es de
80 libras. Aunque de ser necesario se puede ordenar ms de esta materia
prima, cualquier parte del inventario actual no utilizada se echar a perder
dentro de las siguientes dos semanas; de ah el requerimiento de la
administracin de que por lo menos se utilicen las 80 libras en las siguientes dos
semanas. Adems, el producto 1 requiere de una libra de esta materia prima
perecedera por galn, y el producto 2 requiere 2 libras de la materia prima por
galn. Dado que el objetivo de la administracin es mantener los costos de
produccin al mnimo nivel posible, estn buscando un plan de produccin de
costo mnimo que utilice la totalidad de las 80 libras de la materia prima
perecedera y que obtenga por lo menos 30 galones del producto 1 y por lo
menos 20 galones del producto 2. Cul es la solucin de costo mnimo?16
Solucin:
Formulacin del modelo:
Definicin de variables
X1 = Cantidad de galones de fluido tipo 1
X2 = Cantidad de galones de fluido tipo 2
Funcin Objetivo
Zmin = X1 + X2
Restricciones
X1 30 produccin mnima de producto 1
X2 20 produccin mnima de producto 2
X1 + 2X2 80 libras de materia prima
No negatividad
Xi 0; i=1,2
16
Anderson Sweeney Willams. Mtodos Cuantitativos para los Negocios. 7ma Edicin. Editorial
Thomson. Pgina 270. Problema 38.
Pgina: 33
Investigacin Operativa I
Programacin Lineal
Solucion GLP
Payoff: 1.0 X1 + 1.0 X2 = 60.0
X2
25
24
23
22
21
20
19
18
17
16
15
14
13
12
11
10
9
8
7
6
5
4
3
2
1
0
10
12
14
16
18
20
22
24
26
28
30
32
34
36
38
40
Anderson Sweeney Willams. Mtodos Cuantitativos para los Negocios. 7ma Edicin. Editorial
Thomson. Pgina 270. Problema 39.
Pgina: 34
X1
Investigacin Operativa I
Programacin Lineal
Definicin de variables
X1 = Cantidad de Pizzas Normales
X2 = Cantidad de Pizzas De Lujo
Funcin Objetivo
Zmax = 1X1 + 1.5X2
Restricciones
X1 + X2 150 pasta de harina
0.25X1 + 0.5X2 50 pasta de relleno
X1 50 venta de pizzas Normales
X2 25 venta de pizzas De Lujo
No negatividad
Xi 0; i=1,2
X2
Solucin GLP
160
152
144
136
128
120
112
104
96
88
80
72
64
56
48
40
32
24
16
8
0
0
10
20
30
40
50
60
70
80
90
100
110
120
130
140
Normal Lujo
1
1 max
Pgina: 35
150
160
170
Investigacin Operativa I
Programacin Lineal
Utilidad
Restricciones
Pasta harina
1
Relleno
0,25
Pizzas Normales
1
Pizzas Lujo
1,5
2,5
Utilizado
1
2
0,5
0,75
1
1
1
No
Lmite
Utiliz
150
148
50
49,25
50
-49
25
-24
No
Lmite
Utiliz
150 -3,4E-10
50
-6E-11
50
50
25
25
Normal Lujo
100
50 max
1 1,5
175
Restricciones
Pasta harina
1
Relleno
0,25
Pizzas Normales
1
Pizzas Lujo
Utilizado
1
150
0,5
50
100
1
50
Pgina: 36
Investigacin Operativa I
Programacin Lineal
nuevo vehculo debe ser de por lo menos el doble del nmero de clientes
nuevos que hagan recorrido de prueba del nuevo vehculo. Si el presupuesto de
mercadotecnia, incluyendo los costos del recorrido de prueba, es de 1200.000
dlares, Cuntas promociones debern ser enviadas a cada grupo de clientes
para maximizar las ventas totales?18
Solucin:
Formulacin del modelo:
Definicin de variables
X1 = Cantidad de promociones enviadas a clientes actuales
X2 = Cantidad de promociones enviadas a clientes nuevos
Funcin Objetivo
Zmax = 0.12*5X1 + 0.20*4X2
Restricciones
X1 30.000 clientes actuales
X2 10.000 clientes nuevos
0.25X1 2*0.20X2 relacin entre clientes que responden a la promocin
5X1 + 4X2 1200.000 presupuesto
No negatividad
Xi 0; i=1,2
Solucin GLP
18
Anderson Sweeney Willams. Mtodos Cuantitativos para los Negocios. 7ma Edicin. Editorial
Thomson. Pgina 274. Problema 61.
Pgina: 37
Investigacin Operativa I
Programacin Lineal
X2
273
260
247
234
221 Payoff: 0.60 X1 + 0.80 X2 = 176.00
208
195
182
169
156
143
: 1.00 X1 + 0.00 X2 = 30.00
130
117
104
91
78
65
52
39
26
13
0
0
13
26
39
52
65
78
91
104
117
130
143
156
169
182
195
208
221
Promociones
Cantidad en
miles
Ventas
Restricciones
Clientes actuales
Clientes nuevos
Relacion clientes
Presupuesto
Clientes Clientes
Actuales Nuevos
1
0,6
1
0,25
5
1 max
0,8
1,4
Utilizado
1
1
1
-0,4
-0,15
4
9
No
Lmite
Utiliz
30
29
10
9
0
-0,15
1200
-1191
Promociones
Cantidad en
miles
Ventas
Clientes Clientes
Actuales Nuevos
160
0,6
100 max
0,8
176
Pgina: 38
234
247
260
Investigacin Operativa I
Restricciones
Clientes actuales
Clientes nuevos
Relacion clientes
Presupuesto
Programacin Lineal
1
0,25
5
Utilizado
160
1
100
-0,4 -1,1E-11
4
1200
Lmite
No Utiliz
30
-130
10
-90
0
-1,1E-11
1200
2,78E-09
Funcin Objetivo
Zmax = 10X1 + 15X2
Restricciones
0.125X1 + 0.4X2 80 kilos de aleacin
10X1 + 12X2 40*60 minutos de tiempo de produccin
X1 0.20(X1 + X2)
No negatividad
Xi 0; i=1,2
Solucin GLP
19
Anderson Sweeney Willams. Mtodos Cuantitativos para los Negocios. 7ma Edicin. Editorial
Thomson. Pgina 274. Problema 62.
Pgina: 39
Investigacin Operativa I
X2
200
190
180
170
160
150
140
130
120
110
100
90
80
70
60
50
40
30
20
10
0
Programacin Lineal
10 12 14 16 18 20 22 24 26 28 30 32 34 36 38 40 42
X1
Estandar Extra G
1
1 max
10
15
25
Restricciones
Kilos aleacin
Tiempo prod. min
20% prod estand
0,125
10
0,8
No
Utilizado
Lmite
Utiliz
0,4
0,525
80
79,475
12
22
2400
2378
-0,2
0,6
0
0,6
Estandar Extra G
41,37931 165,5172 max
10
15 2896,552
0,125
10
Utilizado
Lmite
No Utiliz
0,4 71,37931
80
8,62069
12
2400
2400
3,03E-10
Pgina: 40
Investigacin Operativa I
Programacin Lineal
0,8
-0,2
9,03E-11
9,03E-11
20. La administracin de High Tech Service (HTS) desea desarrollar un modelo que le
ayude a asignar el tiempo de sus tcnicos entre llamada de servicio por
contrato a clientes tanto normales como nuevos. En el perodo de planeacin de
dos semanas hay disponible un mximo de 80 horas de tiempo de tcnico. A fin
de satisfacer los requisitos de flujo de caja, deben generarse por lo menos 800
dlares de ingresos (por tcnico) durante el perodo de dos semanas. El tiempo
de tcnico para los clientes normales genera 25 dlares por hora, pero para
clientes nuevos slo genera un promedio de 8 dlares la hora, porque en
muchos casos el contacto con el cliente no llega a generar servicios facturables.
Para asegurarse de que se mantienen contactos nuevos, el tiempo de tcnico
utilizado en contactos con clientes nuevos debe ser por lo menos 60% del
tiempo utilizado en contactos con clientes normales. Para los requerimientos de
ingresos y polticas enunciadas, HTS deseara determinar cmo asignar el
tiempo de los tcnicos entre clientes normales y nuevos, a fin de maximizar el
nmero total de clientes en contacto durante el perodo de dos semanas. Los
tcnicos requieren un promedio de 50 minutos por cada contacto de cliente
normal y de una hora por cada contacto con cliente nuevo.
a. Desarrolle un modelo de programacin lineal que le permita a HTS asignar el
tiempo de los tcnicos entre clientes normales y nuevos.
b. Haga una grfica de la regin factible
c. Resuelva las ecuaciones lineales simultneas apropiadas para determinar los
valores de X1 y X2 en cada punto extremo de la regin factible.
d. Encuentre la solucin ptima20
REFERENCIA: Pgina 274 Problema 63. Mtodos Cuantitativos para los
Negocios. 7ma Edicin. Anderson Sweeney Willams. Editorial Thomson.
Solucin:
Formulacin del modelo:
Definicin de variables
X1 = Numero de horas de tcnico asignado a clientes normales
X2 = Numero de horas de tcnico asignado a clientes nuevos
Funcin Objetivo
Zmax = 60X1/50+ 60X2/60
Restricciones
X1 + X2 80
horas disponibles de tcnico
X2 0.6X1
relacin de tiempo de tcnico
25X1 + 8X2 800
ingresos en dlares
No negatividad
Xi 0; i=1,2
nmero de clientes
20
Anderson Sweeney Willams. Mtodos Cuantitativos para los Negocios. 7ma Edicin. Editorial
Thomson. Pgina 274. Problema 63.
Oswaldo Paul Rivadeneira
Pgina: 41
156
143
Investigacin Operativa I
Programacin Lineal
130
117
Solucin GLP
104
91
78
65
52
39
: 25.00 X1 + 8.00 X2 = 800.00
26
13
0
0
11
22
33
44
55
66
Horas de trabajo
Cantidad horas
Nmero clientes
Restricciones
Horas
disponibles
Relacin tiempo
Ingresos
Utilizado
1
-0.6
25
1
1
8
2
0.4
33
Lmite
80
0
800
No Utiliz
78
-0.4
-767
Horas de trabajo
Cantidad horas
Nmero clientes
Clientes
Clientes
normales nuevos
50
30 max
1.2
1
90
Pgina: 42
77
Investigacin Operativa I
Restricciones
Horas
disponibles
Relacin tiempo
Ingresos
Programacin Lineal
Utilizado
1
-0.6
25
1
1
8
80
-2.2E-11
1490
Lmite
80
0
800
No Utiliz
-1.8E-10
2.18E-11
690
Funcin Objetivo
Zmax = (20X1*18 40X1*6 50X1) + (40X2*18 50X2*6 75X2)
21
Anderson Sweeney Willams. Mtodos Cuantitativos para los Negocios. 7ma Edicin. Editorial
Thomson. Pgina 275. Problema 64.
Oswaldo Paul Rivadeneira
Pgina: 43
Investigacin Operativa I
Programacin Lineal
30
Restricciones
X1
horas mximas de trabajo M100
24 15
X2 10 horas mximas de trabajo de M200
X1 5
horas mnimas de trabajo de M100
X2 5
horas mnimas de trabajo de M200
40X1 + 50X2 1000 libras de materia prima disponibles
No
18 negatividad
Xi 0; i=1,2
Solucin GLP
Payoff: 70.0 X1 + 345.0 X2 = 4325.0
12
6
: 40.0 X1 + 50.0 X2 = 1000.0
: 0.0 X1 + 2.0 X2 = 5.0
: 1.0 X1 + 0.0 X2 = 5.0
: 0.0 X1 + 1.0 X2 = 10.0
0
10
11
12
13
14
15
16
17
18
19
20
21
22
23
Horas de trabajo
Cantidad horas
Contrib. utilidad
Restricciones
Horas max M100
Horas max M200
Maquina Maquina
M100
M200
1
1 max
70
345
415
1
0
0
1
Utilizado
1
1
Lmite
No Utiliz
15
14
10
9
Pgina: 44
24
25
26
27
Investigacin Operativa I
Programacin Lineal
1
0
40
0
1
50
1
1
90
5
5
1000
-4
-4
910
Horas de trabajo
Cantidad horas
Contrib. utilidad
Restricciones
Horas max M100
Horas max M200
Horas min M100
Horas min M200
Libras disponibles
Maquina Maquina
M100
M200
12.5
10 max
70
345
4325
1
0
1
0
40
0
1
0
1
50
Utilizado
12.5
10
12.5
10
1000
Lmite
No Utiliz
15
2.5
10
-9.9E-13
5
7.5
5
5
1000
-1.5E-09
Pgina: 45
Investigacin Operativa I
Programacin Lineal
Distrib. de oficinas
Tiendas nacionales
Pedidos por correo
$84
$70
$60
$8
$9
$15
3 horas
3 horas
Ninguna
asignados
asignados
asignados
asignados
a
a
a
a
Funcin Objetivo
Zmax = 90X1 + 84X2 + 70X3 + 60X4
Restricciones
10X1 + 8X2 + 9X3 + 15X4 5.000 por presupuesto
2X1 + 3X2 + 3X3 1.800 horas de esfuerzo en ventas
X3 150 unidades mnimas para cadenas nacionales
No negatividad
Xi 0; i=1,4
RESTRICCIONES
Presupuesto
Esfuerzo laboral
Contrato cadena nacion
USO DE
RECUROS
10
2
8
3
9
3
1
15
Utilizado
42
8
1
LIMITE
No utiliz
5000 4958.00
1800 1792.00
150 -149.00
22
Anderson Sweeney Willams. Mtodos Cuantitativos para los Negocios. 7ma Edicin. Editorial
Thomson. Pgina 298.
Oswaldo Paul Rivadeneira
Pgina: 46
Investigacin Operativa I
Programacin Lineal
RESTRICCIONES
Presupuesto
Esfuerzo laboral
Contrato cadena
nacion
USO DE
RECUROS
10
2
8
3
Utilizado
LIMITE No utiliz
15
5000
5000
0.00
1800
1800
0.00
9
3
1
150
150
A
100
0.12
0.10
B
50
0.08
0.07
C
80
0.06
0.05
D
40
0.10
0.08
Pgina: 47
0.00
Investigacin Operativa I
Programacin Lineal
asignados
asignados
asignados
asignados
a
a
a
a
opcin A
opcin B
opcin C
opcin D
Funcin Objetivo
Zmin = 10X1 + 3.5X2 + 4.0X3 + 3.2X4
Restricciones
100X1 + 50X2 + 80X3 + 40X4 200.000 dlares disponibles
12X1 + 4.0X2 + 4.8X3 + 4.0X4 0.09*200.000 rendimiento
100X1 0.5*200.000
inversin mxima de X1
50X2 0.5*200.000
inversin mxima de X2
80X3 0.5*200.000
inversin mxima de X3
40X4 0.5*200.000
inversin mxima de X4
No negatividad
Xi 0; i=1,4
Datos entrada SOLVER
National Insurance Associates
Acciones
Accionea asignadas a
Cantidad
Riesgo
RESTRICCIONES
Dlares disponibles
Rendimiento annual
Invesin mx en A
Invesin mx en B
Invesin mx en C
Invesin mx en D
B
1
10
1
3.5
USO DE RECUROS
100
50
12
4
100
50
D
1
4
80
4.8
80
1 Min
3.2
20.7
Utilizado
40
270
4
24.8
100
50
80
40
40
LIMITE No utiliz
200000 199730.00
18000 -17975.20
100000
99900.00
100000
99950.00
100000
99920.00
100000
99960.00
23
Anderson Sweeney Willams. Mtodos Cuantitativos para los Negocios. 7ma Edicin. Editorial
Thomson. Pgina 316. Problema 16.
Oswaldo Paul Rivadeneira
Pgina: 48
Investigacin Operativa I
Programacin Lineal
RESTRICCIONES
Dlares disponibles
Rendimiento annual
Invesin mx en A
Invesin mx en B
Invesin mx en C
Invesin mx en D
A
333.3333
10
USO DE
RECUROS
100
12
100
C
0 833.333333
3.5
4
50
4
80
4.8
50
80
D
2500 Min
3.2 14666.67
Utilizado
40
200000
4
18000
33333.33
0
66666.67
40
100000
LIMITE
No utiliz
200000
0.00
18000
0.00
100000 66666.67
100000 100000.00
100000 33333.33
100000
0.00
Departamento
A
B
C
Tiempo
disponible
(horas)
400
400
400
Note que cada componente fabricado por Carson ocupa tiempo de produccin
en cada uno de los tres departamentos.
Despus de tomar en consideracin los gastos generales, las materias primas y
los costos de mano de obra de la empresa, el departamento de contabilidad ha
llegado al costo unitario, en dlares, de manufactura de cada componente.
Estos datos junto con las cotizaciones de la empresa maquiladora de los precios
de compra, en dlares, son como sigue:
Componente
Base
Cartucho
Manija
Oswaldo Paul Rivadeneira
Costo de manufactura
0.75
0.40
1.10
Costo de adquisicin
0.95
0.55
1.40
Pgina: 49
Investigacin Operativa I
Programacin Lineal
a. Determine cul sera la decisin de fabricar o comprar para Carson, que haga
que pueda cumplirse la demanda de 5000 unidades a un costo total mnimo.
De cada componente, Cuntas unidades debern ser fabricadas y cuantas
debern ser adquiridas?
b. Qu departamentos estn limitando el volumen de fabricacin? Si pudiera
considerarse tiempo extraordinario a un costo adicional de $3 la hora, Qu
departamento o departamentos deberan ser motivo de tiempo extra?
Explique.
c. Suponga que en el departamento A se pueden programar hasta 80 horas de
tiempo extra. Qu recomendara usted?24
Solucin:
Formulacin del modelo:
Definicin de variables
X11 = Numero de bases para grapadoras producidas
X12 = Numero de cartuchos para grapadoras producidos
X13 = Numero de manijas producidas para grapadoras producidas
X21 = Numero de bases para grapadoras adquiridas
X22 = Numero de cartuchos para grapadoras adquiridos
X23 = Numero de manijas para grapadoras adquiridas
Funcin Objetivo
Zmin = 0.75X11 + 0.40X12 + 1.10X13 + 0.95X21 + 0.55X22 + 1.40X23
Restricciones
0.03X11 + 0.02X12
0.04X11 + 0.02X12
0.02X11 + 0.03X12
X11 + X21 = 5.000
X12 + X22 = 5.000
X13 + X23 = 5.000
No negatividad
Xij 0; i=1,2; j=1,3
+ 0.05X13 400
horas disponibles Dep. A
+ 0.04X13 400
horas disponibles Dep. B
+ 0.01X13 400
horas disponibles Dep. C
cantidad de bases
cantidad de cartuchos
cantidad de manijas
Adquiridas
Cartuchos
1
0.55
Manijas
1
1.4
Min
5.15
24
Anderson Sweeney Willams. Mtodos Cuantitativos para los Negocios. 7ma Edicin. Editorial
Thomson. Pgina 316. Problema 17.
Oswaldo Paul Rivadeneira
Pgina: 50
Investigacin Operativa I
RESTRICCIONES
Horas Departamento A
Horas Departamento B
Horas Departamento C
Cantidad de bases
Cantidad de cartuchos
Cantidad de manijas
USO DE RECUROS
0.03
0.02
0.04
0.02
0.02
0.03
1
1
Programacin Lineal
Utilizado
0.1
0.1
0.06
2
2
2
Manijas
1250
1.4
Min
11875
Utilizado
400
400
262.5
5000
5000
5000
0.05
0.04
0.01
1
1
1
=
=
=
LIMITE
400
400
400
5000
5000
5000
No utiliz
399.90
399.90
399.94
4998.00
4998.00
4998.00
=
=
=
LIMITE
400
400
400
5000
5000
5000
No utiliz
0.00
0.00
137.50
0.00
0.00
0.00
Adquiridas
Cartuchos
0
0.55
0.05
0.04
0.01
1
1
1
25. Golf Shafts (GSI) produce palos de grafito para varios fabricantes de palos de
golf. Dos instalaciones de fabricacin de GSI, una localizada en San Diego y otra
en Tampa, tienen capacidad para producir palos en diversos grados de rigidez,
desde modelos normales, principalmente utilizados por golfistas promedio, hasta
modelos extrargidos, utilizados principalmente por golfistas con bajo handicap y
profesionales. GSI acaba de recibir un contrato para la produccin de 200.000
palos normales y 75.000 rgidos. Dado que ambas plantas actualmente estn
produciendo palos de golf para cumplir con rdenes anteriores, ningn de las
plantas tiene capacidad suficiente, por si misma, para llenar el nuevo pedido. La
planta de San diego puede producir hasta un total de 120.000 palos, y la de
Tampa, hasta un total de 180.000 palos de golf. Debido a diferencias en
equipamiento en cada una de las plantas y de distintos costos de mano de obra,
los costos de produccin unitarios son distintos, como se muestra a
continuacin:
Palo normal
Palo rgido
Costo de Tampa
$ 4.95
$ 5.70
Pgina: 51
Investigacin Operativa I
Programacin Lineal
Funcin Objetivo
Zmin = 5.25X1 + 5.45X2 + 4.95X3 + 5.70X4
Restricciones
X1 + X3 = 200.000
X2 + X4 = 75.000
X1 + X2 120.000
X3 + X4 180.000
No negatividad
Xi 0; i=1,4
Datos de entrada SOLVER
palos
palos
palos
palos
de golf normales
de golf extrargidos
fabricados en San Diego
fabricados en Tampa
Tampa
Normales
Extrargid
Normales
Extrargid
5.25
5.25
4.95
5.7
Cantidad
Costos
RESTRICCIONES
USO DE RECUROS
Palos normales
Palos
extrargidos
21.15
Utilizado
1
1
Fabric. Tampa
Min
1
1
LIMITE
No utiliz
200000
199998.00
75000
74998.00
120000
119998.00
180000
179998.00
25
Anderson Sweeney Willams. Mtodos Cuantitativos para los Negocios. 7ma Edicin. Editorial
Thomson. Pgina 317. Problema 18.
Oswaldo Paul Rivadeneira
Pgina: 52
Investigacin Operativa I
Programacin Lineal
Tampa
Normales
Extrargid
Normales
Extrargid
20000
75000
180000
5.25
5.25
4.95
5.7
RESTRICCIONES
USO DE RECUROS
Palos normales
Palos
extrargidos
1E+06
Utilizado
1
1
Fabric. Tampa
Min
1
1
LIMITE
No utiliz
2E+05
200000
0.00
75000
75000
0.00
95000
120000
25000.00
2E+05
180000
0.00
Pgina: 53
Investigacin Operativa I
Programacin Lineal
Funcin Objetivo
Zmax = 0.20X1 + 0.10X2 + 0.06X3
Restricciones
X1 0.10*300.000 para valores de crecimiento
X2 0.10*300.000 para ingresos
X3 0.20*300.000 para mercado de dinero
X1 + X2 +X3 300.000 cartera
0.10X1 + 0.05X2 + 0.01X3 0.05*300.000 riesgo de cartera
No negatividad
Xi 0; i=1,3
Datos de entrada SOLVER
La Pfeiffer Company
Asignados a
Cantidad de
dlares
Crecimiento
Ingresos
Mercado
Rendimiento
0.2
0.1
0.06
RESTRICCIONES
USO DE RECUROS
Crecimiento
Riesgo
Cartera
LIMITE
No utiliz
30000
-29999.00
30000
-29999.00
60000
-59999.00
Mercado de dinero
0.36
Utilizado
Ingresos
Max
0.1
0.05
0.01
0.16
15000
14999.84
300000
299997.00
26
Anderson Sweeney Willams. Mtodos Cuantitativos para los Negocios. 7ma Edicin. Editorial
Thomson. Pgina 317. Problema 19
Oswaldo Paul Rivadeneira
Pgina: 54
Investigacin Operativa I
Programacin Lineal
La Pfeiffer Company
Asignados a
Cantidad de
dlares
Crecimiento
Ingresos
Mercado
120000
30000
150000
Rendimiento
0.2
0.1
0.06
RESTRICCIONES
USO DE RECUROS
Crecimiento
Riesgo
Cartera
LIMITE
No utiliz
1E+05
30000
90000.00
30000
30000
0.00
2E+05
60000
90000.00
Mercado de dinero
36000
Utilizado
Ingresos
Max
0.1
0.05
0.01
15000
15000
0.00
3E+05
300000
0.00
27. La Jolla Beverage Products est pensando en producir un refresco de vino, que
sera mezcla de un vino blanco, de un vino rosado y de jugo de fruta. A fin de
llenar las especificaciones de sabor, el refresco de vino debe estar hecho con
por lo menos 50% de vino blanco, un mnimo de un 20% y no ms de un 30%
de rosado, y 20% de jugo de fruta. La Jolla adquiere el vino de los viedos o
lugares cercanos y el jugo de frutas de una planta procesadora en San
Francisco. Para el perodo actual de produccin, pueden adquirirse 10.000
galones de vino blanco y 8.000 galones de vino rosado, no hay lmite en la
cantidad de jugo de fruta que se puede pedir. El costo de los vinos es de un
dlar por galn para el vino blanco y de 1.50 dlares por galn para el vino
rosado; el jugo de fruta se puede adquirir a 0.50 por galn. La Jolla Beverage
Products puede vender todo el refresco que pueda producir a 2.50 dlares por
galn.
a. En esta situacin, es el costo de vino y el costo de frutas un costo hundido,
o uno relevante? Explique.
b. Formule un programa lineal para determinar el nmero de galones que La
Jolla Beverage Products deber adquirir de cada ingrediente y la contribucin
a la utilidad total que obtendrn de esta mezcla.
c. Si La Jolla Beverage Products pudiera obtener cantidades adicionales de vino
blanco, debera hacerlo? De hacerlo, Cunto debera estar dispuesto a pagar
por cada galn adicional, y cuantos galones adicionales deseara adquirir?
d. Si La Jolla Beverage Products pudiera obtener cantidades adicionales de vino
rosado, debera hacerlo? De hacerlo, Cunto debera estar dispuesto a pagar
por cada galn adicional, y cuanto galones adicionales deseara adquirir?
e. Interprete el precio dual para la restriccin que corresponde al requisito de
que el refresco de vino debe contener por lo menos 50% de vino blanco.Cual
sera su consejo a la administracin respecto a este precio dual?
f. Interprete el precio dual de la restriccin que correspndela requisito de que al
refresco de vino debe contener exactamente el 20% de jugo de frutas.Cual
es su consejo a la administracin respecto a este precio dual?27
27
Anderson Sweeney Willams. Mtodos Cuantitativos para los Negocios. 7ma Edicin. Editorial
Thomson. Pgina 317. Problema 18.
Pgina: 55
Investigacin Operativa I
Programacin Lineal
Solucin b):
Formulacin del modelo:
Definicin de variables
X1 = Cantidad de galones de vino blanco
X2 = Cantidad de galones de vino rosado
X3 = Cantidad de galones de jugo de frutas
Funcin Objetivo
Zmax = 2.5*(X1+X2+X3) 1X1 1.5X2 -0.5X3
Restricciones
X1 10.000 cantidad mxima de vino blanco
X2 8.000 cantidad mxima de vino rosado
X1 0.5(X1 +X2 + X3) dosificacin mxima de vino blanco
X2 0.2(X1 +X2 +X3) dosificacin mnima de vino rosado
X2 0.3(X1 +X2 +X3) dosificacin mxima de vino rosado
X3 0.2(X1 +X2 +X3) dosificacin de jugo de frutas
No negatividad
Xi 0; i=1,3
Galones de
La Pfeiffer Company
Vino
V.
Blanco
Rosado
Cantidad
Utilidad
Frutas
1.5
RESTRICCIONES
USO DE RECUROS
Vino blanco
Vino rosado
Max
4.5
Utilizado
LIMITE
No utiliz
10000
9999.00
8000
7999.00
0.5
-1
-1
-1.5
-1.50
-0.2
0.8
-0.2
0.4
-0.40
-0.3
0.7
-0.3
0.1
-0.10
Max. frutas
-0.2
-0.2
0.8
0.4
-0.40
Galones de
La Pfeiffer Company
Vino
V.
Blanco
Rosado
Cantidad
Utilidad
Frutas
10000
3000
2000
1.5
Max
22000
Pgina: 56
Investigacin Operativa I
Programacin Lineal
RESTRICCIONES
USO DE RECUROS
Vino blanco
Vino rosado
Utilizado
LIMITE
No utiliz
10000
10000
0.00
3000
8000
5000.00
0.5
-1
-1
1E-08
0.00
-0.2
0.8
-0.2
6E-09
0.00
-0.3
0.7
-0.3
-1500
1500.00
Max. frutas
-0.2
-0.2
0.8
-1000
1000.00
Funcin Objetivo
Z min = 300X1 + 200X2 + 100X3 + 100X4
Restricciones
X1 15%(X1 + X2 + X3 + X4) tiempo noticias locales
X1 + X2 50%(X1 + X2 + X3 + X4) tiempo noticias locales y nacionales
X3 X4 tiempo de noticias del clima
X4 (X1 + X2) tiempo para deportes
X3 20%(X1 + X2 + X3 +X4) tiempo para clima
X1 +X2 + X3 + X4 = 20 tiempo disponible en minutos
No negatividad
Xi 0; i=1,4
Pgina: 57
Investigacin Operativa I
Programacin Lineal
MINUTOS en
Noticias
Locales
Cantidad
Costos
Nacionales
Clima
Deportes
300
200
100
100
RESTRICCIONES
Min
700
USO DE RECUROS
Noticias Locales
Not. Locales y Nac
Noticias Clima
Tiempo disponible
LIMITE
No utiliz
0,85
-0,15
-0,15
-0,15
0,4
-0,40
0,5
0,5
-0,5
-0,5
0,00
-1
0,00
-1,00
Noticias Clima
Noticias Deportes
Utilizado
-1
-0,2
-0,2
0,8
-0,2
0,2
-0,20
20
16,00
Locales
Nacionales
Clima
Deportes
300
200
100
100
Cantidad
Costos
RESTRICCIONES
Noticias Locales
USO DE RECUROS
Min
3300
Utilizado
LIMITE
No utiliz
0,85
-0,15
-0,15
-0,15
-2E-12
0,00
0,5
0,5
-0,5
-0,5
9E-12
0,00
-1
0,00
-1
-5,00
-0,2
-0,2
0,8
-0,2
-1,00
20
20
0,00
29. Gulf Coast Electronics est listo para asignar contratos para la impresin de su
informe anual. Durante los ltimos aos, un informe anual a cuatro colores ha
sido impreso por Johnson Printing y Likeside Litho. Una nueva empresa,
Benson Printing, ha inquirido sobre la posibilidad de efectuar una parte de la
impresin. El nivel de calidad y servicio de Likeside Litho ha sido
extremadamente elevado; de hecho slo el 0,05% de sus informes tuvieron que
ser descartados por problemas de calidad. Johnson Printing tambin ha tenido
un nivel histrico elevado de calidad, produciendo un promedio de slo 1% de
informes no aceptables. Dado que la Gulf Coast Electronics no ha tenido
experiencia con Benson Printing, ha estimado su tasa de defectos en 10%. A
Gulf Coast Electronics le gustara determinar cuantos informes debern ser
impresos por cada una de estas empresas, para obtener 75.000 informes de
calidad aceptables. Para asegurarse de que Benson Printing recibir una parte
del contrato de la administracin ha especificado que el nmero de informes
asignados a Benson Printing deber ser, por lo menos 10% del volumen que se
asigne a Johnson Printing. Adems el volumen total asignado a Benson Printing,
Johnson Printing y Likeside Lithono deber exceder 30.000, 50.000 y 50.000
ejemplares respectivamente. Debido a la larga relacin desarrollada con Likeside
Litho, la administracin tambin ha indicado que a Likeside Litho se le deber
Oswaldo Paul Rivadeneira
Pgina: 58
Investigacin Operativa I
Programacin Lineal
asignar por lo menos 30.000 informes. El costo por ejemplar es de 2.45 dlares
para Benson Printing, 2.50 dlares para Johnson Printing, y 2.75 dlares para
Likeside Litho.
a. Formule y resuelva un programa lineal para determinar cuntos ejemplares
debern asignarse a cada empresa impresora, para maximizar el costo total de
obtener 75.000 informes de calidad aceptable.
b. Suponga que el nivel de calidad de Benson Printing resulta mucho mejor a lo
estimado. Qu efecto, si es que existe alguno, tendra?
c. Suponga que la administracin est dispuesta a reconsiderar su requisito de
que a Likeside Litho se le den por lo menos 30.000 informes.Que efecto, si es
que hay alguno, tendra esto?
Solucin:
Formulacin del modelo:
Definicin de variables
X1 = cantidad de ejemplares asignados a Litho
X2 = cantidad de ejemplares asignados a Johnson
X3 = cantidad de ejemplares asignados a Benson
Funcin Objetivo
Zmax = 2.75X1 + 2.5X2 +2.45X3
Restricciones
99.5%X1 + 99%X2 + 90%X3 75.000 ejemplares de buena calidad
X3 10%X2 asignacin mnima Benson
X3 30.000 asignacin max a Benson
X2 50.000 asignacin max a Johnson
X1 50.000 asignacin max a Litho
X1 30.000 asignacin min a Litho
No negatividad
Xi 0; i=1,3
Datos entrada SOLVER
Litho
Johnson
Benson
2,75
2,5
2,45
USO DE RECUROS
Max
7,7
Utilizado
LIMITE
No utiliz
Pgina: 59
Investigacin Operativa I
Programacin Lineal
Ejemplares de calidad
0,995
Johnson y Benson
0,99
0,9
2,885
75000
74997,12
-0,1
0,9
30000
-0,90
29999,00
50000
49999,00
50000
49999,00
30000
-29999
Ejemplares Benson
Ejemplares Johnson
1
1
Ejemplares Litho
Ejemplares Litho
Litho
Cantidad
Costos
RESTRICCIONES
Ejemplares de calidad
Johnson
Benson
50000
28055,6
2,75
2,5
2,45
USO DE RECUROS
0,995
Johnson y Benson
Ejemplares Litho
Ejemplares Litho
206236
Utilizado
LIMITE
No utiliz
0,99
0,9
75000
75000
-0,1
28055,6
0,00
28055,56
28055,6
30000
-1944,44
50000
50000,00
50000
50000
0,00
50000
30000
20000
Ejemplares Benson
Ejemplares Johnson
Max
1
1
30. Como una ilustracin de la asignacin de recursos que usa la programacin lineal,
considere el problema siguiente acerca de la planificacin de produccin en una
tienda. La produccin debe fijarse para dos tipos de mquinas, la maquina 1 y la
mquina 2. Ciento veinte horas de tiempo enlatables pueden fijarse para
mquina1, y 80 horas para mquina 2. La produccin durante el periodo de
planificacin se limita a dos productos. A y B, cada unidad del producto A requiere
2 horas de tiempo del proceso en cada mquina. Cada unidad de producto que B
requiere de 3 horas en la mquina 1 y de 1.5 horas en la mquina 2. El margen
de la contribucin es $4.00 por cada unidad de producto A y $5.00 por cada
unidad de producto B. Ambos tipos de productos pueden comercializarse
prontamente; por consiguiente, la produccin debe fijarse con el objetivo de
aumentar al mximo la ganancia.28
La formulacin:
Dado,
X1 = nmero de unidades del producto A para produccin
X2 = nmero de unidades del producto B para produccin
Maximizar la contribucin en la ganancia, Z = 4X1 + 5X2
28
Pgina: 60
Investigacin Operativa I
Programacin Lineal
Sujeto a:
2X1 + 3X2 120 (recurso mquina 1)
2X1 + 1.5X2 80 (recurso mquina 2)
X1 0
(no negatividad)
X2 0
(no negatividad)
Datos de entrada para Solver
Solucin: opcin b)
Solucin
Z max
X1
X2
a)
213.33
20
25
b)
213.33
20
26.667
c)
313.33
25
26.667
d)
213.33
15
25
e)
213.33
20
16.667
Pgina: 61
Investigacin Operativa I
Programacin Lineal
requiere para cada dos toneladas de trozo; (2) una hora de tiempo de
procesamiento se requiere por cada tonelada de acero, y se requieren cuatro
horas de tiempo de procesamiento por cada tonelada de trozo; (3) el acero y el
trozo se combinan linealmente para hacer la aleacin. La prdida en proceso del
acero es 10 por ciento y la prdida en proceso del trozo es 20 por ciento. Aunque
la produccin puede exceder la demanda, un mnimo de 40 toneladas de la
aleacin debe fabricarse. Para mantener el funcionamiento de la planta
eficazmente, un mnimo de 80 horas de tiempo de procesamiento debe usarse. El
suministro tanto de los trozos como del acero es adecuado para la produccin de
la aleacin. El objetivo del fabricante es producir la aleacin a un costo mnimo.29
La formulacin matemtica al problema de programacin lineal puede plantearse
de la siguiente manera
Dado,
X1 = nmero de toneladas de acero para produccin de aleacin
X2 = nmero de toneladas de trozo para produccin de aleacin
Minimizar el costo Z = 50X1 + 20X2
Anlisis:
(1) un mnimo de una tonelada de acero se requiere por cada dos toneladas de
trozo
1 X1
2 X 2 ; X 2 2X 1 ; X2 2X1 0 ; 2X1 X2 0
(2) se necesitan una hora de procesamiento por cada tonelada de acero y
cuatro horas de tiempo de procesamiento por cada tonelada de trozo y un
mnimo de 80 horas
1X1 + 4X2 80
(3) La prdida en proceso es del 10% de acero y el 20% de trozo, demanda
mnima d 40 toneladas de aleacin
rendimiento del acero (1-10%)X1
rendimiento del trozo (1-20%)X2
(1-10%)X1 + (1-20%)X2 40
0.90X1 + 0.80X2 40
Sujeto a:
2X1 X2 0
(1)
1X1 + 4X2 80
(2)
0.90X1 + 0.80X2 40
(3)
X1 0
(no negatividad)
29
Pgina: 62
Investigacin Operativa I
Programacin Lineal
X2 0
(no negatividad)
Solucin: opcin a)
Solucin
Z max
X1
X2
a)
1.440
16
32
b)
1.440
32
16
c)
144
16
26.667
d)
1.440
15
25
e)
1.044
32
16.667
Pgina: 63
Investigacin Operativa I
Programacin Lineal
Capacidad
Z- Departamental
diarias)
300
540
440
300
(horas
Restricciones:
2 X1 + 0 X2 300
por Dep. 1
0 X1 + 3 X2 540
por Dep. 2
2 X1 + 2 X2 440
por Dep. 5
por Dep. 4
No negatividad:
X i 0; i = 1, 2
30
Pgina: 64
Investigacin Operativa I
Programacin Lineal
Datos de entrada
Pgina: 65
Investigacin Operativa I
Programacin Lineal
Datos de salida:
$
$
$
$
3.000
6.300
10.300
4.000
Pgina: 66
Investigacin Operativa I
Programacin Lineal
33. Reddy Mikks produce pinturas tanto para interiores como para exteriores a partir
de dos materias primas, M1 y M2. La siguiente tabla proporciona los datos bsicos
del problema:
Materia prima, M1
Materia prima, M2
Utilidad
por
tonelada
$5
(1000 dlares)
Disponibilidad
mxima
diaria
en toneladas
24
6
$4
Definicin de variables:
X1 = Nmero de toneladas de Pintura para Exteriores
X2 = Nmero de toneladas de Pintura para Interiores
Restricciones
6 X1 + 4 X2 24
1 X1 + 2 X2 6
0 X1 + 1 X2 2
-1X1 + 1 X2 1
No negatividad:
X i 0; i = 1, 2
31
Pgina: 67
Investigacin Operativa I
Programacin Lineal
Datos de salida:
Oswaldo Paul Rivadeneira
Pgina: 68
Investigacin Operativa I
Programacin Lineal
Solucin:
Producir diariamente 3 toneladas de pintura para exteriores y 1.5 toneladas de
pintura para interiores, para producir una ganancia mxima de $ 21.000,00
Solucin mltiple: respuesta correcta c)
Rubro
Pint. Ext (ton)
Pint. Int (ton)
Ganan. max.($)
a
1.5
3.0
21.000
b
3.0
1.5
20.000
Respuestas
c
3.0
1.5
21.000
d
1.5
1.5
20.000
e
3.5
2.0
21.000
34. Ozark Farms utiliza diariamente 800 libras de alimento especial. El alimento
especial es una mezcla de maz y semilla de soya, con las siguientes
composiciones:
Maz
Semilla de Soya
Los requerimientos dietticos diarios del alimento especial estipulan que por lo
menos un 30% de protenas y cuando mucho un 5% de fibra. Ozark Farms desea
determinar el costo mnimo diario de la mezcla de alimento.32
Formulacin del problema:
Definicin de variables:
X1 = Cantidad de libras de Maz
X2 = Cantidad de libras de Semilla de Soya
32
Pgina: 69
Investigacin Operativa I
Programacin Lineal
Restricciones:
0.09 X1 + 0.60 X2 0.30*(X1 + X2)
0.02 X1 + 0.06 X2 0.05*(X1 + X2)
X1 +
X2 800
No negatividad:
por protenas
por fibra
produccin
X i 0; i = 1, 2
Pgina: 70
Investigacin Operativa I
Programacin Lineal
Datos de entrada
Datos de Salida:
Solucin:
470.59 libras de maz,
329.41 libras de semilla de soya
costo mnimo del alimento: 437.65 por da.
Solucin mltiple: respuesta correcta b)
a)
b)
c)
d)
e)
$
$
$
$
$
457.65
437.65
417.65
517.65
537.65
por
por
por
por
por
da
da
da
da
da
Pgina: 71
Investigacin Operativa I
Programacin Lineal
X2
Payoff:
: 1.0:2.0
X1
1.0
X1
+: X1
+
1.0
1.0
- 1.0
X2
X1
1.0
X2
=
+X2
10.0
=0.0
=14.0
X2
0.0= 4.0
Optimal Decisions(X1,X2): ( 4.0, 6.0)
: 1.0X1 + 1.0X2 <= 10.0
: 1.0X1 - 1.0X2 <= 0.0
: 1.0X1 + 0.0X2 <= 4.0
33
Pgina: 72
Investigacin Operativa I
Programacin Lineal
a
1.5
3.0
14.0
b
3.0
6.0
20.0
Respuestas
c
3.0
6.0
14.0
d
4.0
6.0
14.0
e
6.0
2.0
21.000
36. John debe trabajar por lo menos 20 horas a la semana para completar su
ingreso mientras asiste a la escuela. Tiene la oportunidad de trabajar en dos
tiendas al detalle: en la tienda 1 John puede trabajar entre 5 y 12 horas a la
semana, y en la tienda 2 le permiten trabajar entre 6 y 10 horas. Ambas tiendas
pagan el mismo salario por hora. De manera que John quiere basar su decisin
acerca de cuntas horas debe trabajar en cada tienda en un criterio diferente: el
factor del estrs en el trabajo. Basndose en entrevistas con los empleados
actuales, John calcula que, en una escala de 1 a 10, los factores des estrs son
de 8 y 6 en las tiendas 1 y 2, respectivamente. Debido a que el estrs aumenta
por hora, l supone que el estrs total al final de la semana es proporcional al
Pgina: 73
Investigacin Operativa I
Programacin Lineal
Restricciones:
X1 5
X1 12
X2 6
X2 10
X1 + X2 20
No negatividad
Xi 0; i = 1, 2
Solucin GLP
10
11
12
x1
34
Pgina: 74
Investigacin Operativa I
Programacin Lineal
Solucin:
John debe trabajar 10 horas a la semana en la tienda 1 y 10 horas en la tienda 2
Solucin mltiple: respuesta correcta d)
Rubro
Tienda 1
Tienda 2
Estrs min
a
11
11
14.0
b
10
10
20.0
Respuestas
c
10
6.0
14.0
d
10
10
140
e
10
10
21.000
Pgina: 75
Investigacin Operativa I
Programacin Lineal
Departamentos
De Estructura principal
De Alambrado elctrico
De Ensamble
Requerimientos unitarios
de tiempo (horas)
Modelo
Modelo SS-1000
2000
4
2
2.5
1
4.5
1.5
Horas disponibles en
el presente mes
1600
1200
1600
La contribucin del modelo S-1000 es de $ 40 000 por unidad, y la del modelo S2000 es de $ 10 000 por unidad. Suponiendo que la compaa puede vender
cualquier cantidad de cada uno de sus productos, debido a las condiciones
favorables de mercado. Determnese la salida ptima para cada modelo, la
contribucin ms alta posible para el presente mes y el tiempo sobrante en los
tres departamentos.35
Formulacin del problema:
Definicin de variables
X1 = nmero de unidades del modelo S-1000
X2 = nmero de unidades del modelo S-2000
35
Pgina: 76
Investigacin Operativa I
Programacin Lineal
X2
240
228
216
204
192
180
168
156
144
132
120
108
96
84
72
60
48
36
24
12
0
221
229
237
245
253
261
269
277
285
293
301
309
317
325
333
341
349
357
365
Pgina: 77
373
381
389
Investigacin Operativa I
Programacin Lineal
Fabricar 355,5 unidades del Modelo S-1000 solamente para producir un beneficio
de $14 222,20
Si la restriccin es fabricar componentes completos, fabricar 355 unidades del
modelo S-1000 y 1 unidad del modelo S-2000 para producir un beneficio de $ 14
210,00
Solucin mltiple: respuesta correcta b)
Rubro
Modelo S-1000
Modelo S-2000
Contribucin max
a
255.5
0.0
14.210
b
355.5
0.0
14.222,2
Respuestas
c
355.5
10.0
14.222,2
d
350
6.0
14.220
e
350
10.0
14.222,2
38. La Cincinnati Chemical Company debe producir 10 000 libras de una mezcla
especial para un cliente. La mezcla se compone de los ingredientes: X1, X2 y
X3. X1 cuesta $8/libra, X2 $ 10/libra y X3 $ 11/libra. No pueden usarse mas de
3 000 libras de X1 y por lo menos deberan usarse 1 500 libras de X2. Adems
se requieren por lo menos 2 000 libras de X3.
a)
b)
c)
Definicin de variables
X1 = nmero de libras del ingrediente X1
36
Pgina: 78
Investigacin Operativa I
Programacin Lineal
Restricciones:
X1 + X2 + X3 = 10.000
cantidad de produccin
X1 3.000
cantidad de X1
X2 1.500
cantidad de X2
X3 2.000
cantidad de X3
No negatividad
Xi 0; i = 1, 3
Solucin:
a)
b)
c)
Pgina: 79
Investigacin Operativa I
Programacin Lineal
a
3.000
5.000
2.000
96.000
No
b
2.500
6.000
1.500
69.000
Si
Respuestas
c
3.000
6.000
1.000
69.000
No
d
4.000
4.000
2.000
96.000
Si
e
3.000
5.000
2.000
69.000
No
25 unidades
Producto L
30 unidades
Producto M
30 unidades
Producto N
25 unidades
Departamento
Tiempo
Tiempo requerido por producto (horas) disponible la
semana prox.
K
L
M
N
(horas)
Departamento1
0.25
0.20
0.15
0.25
400
Departamento 2
0.30
0.40
0.50
0.30
1000
Departamento 3
0.25
0.30
0.25
0.30
500
Departamento 4
0.25
0.25
0.25
0.25
500
$ 9.00
$ 8.00
$ 10.0
Contribucin por
unidad
$ 10.50
Pgina: 80
Investigacin Operativa I
Programacin Lineal
Producto K
1 533 unidades
Producto L
30 unidades
Producto M
30 unidades
Producto N
25 unidades
Definicin de variables
X1 = Nmero de unidades del producto K
X2 = Nmero de unidades del producto L
X3 = Nmero de unidades del producto M
X4 = Nmero de unidades del producto N
Funcin objetivo:
Maximizar Z = 10.5X1 + 9.0X2 + 8.0X3 + 10.0X4
Restricciones
0.25X1 + 0.20X2 + 0.15X3 + 0.25X4 400
Disp. Dep. 1
Disp. Dep. 2
Disp. Dep. 3
Disp. Dep. 4
X1 25
Venta mnima de K
X2 30
Venta mnima de L
X3 30
Venta mnima de M
X4 25
Venta mnima de N
No negatividad
Xi 0; i = 1,4
37
Pgina: 81
Investigacin Operativa I
Programacin Lineal
a
Si
18.433,2
16.856,5
976.5
30
957.5
25
Respuestas
b
c
No
Si
16.856,5
16.556.0
18.433,25
14.055.0
976.5
906.5
30
25
957.5
975.6
25
30
d
No
16.856.5
18.500.0
950
30
956.0
25
e
Si
16.500.0
14.500.0
976
30
950.0
35
Pgina: 82
Investigacin Operativa I
Programacin Lineal
$ 100
$ 150
$ 125
$ 140
$ 80
$ 135
$ 120
$ 135
$ 110
$ 150
$ 100
$ 110
1000
3000
4000
6000
3.0
3.6
2.0
3.5
10.0
8.0
9.0
1.0
1.0
0.5
0.5
Departamento 31
4.0
4.0
2.0
4.0
Departamento 32
5.0
8.0
4.0
3.0
Mtodo A
Departamento 20
Departamento 21
Departamento 22
9.0
Mtodo B
15 000
Departamento 21
50 000
Departamento 22
8 000
38
Pgina: 83
Investigacin Operativa I
Programacin Lineal
Departamento 31
10 000
Departamento 32
10 000
Definicin de variables
X11 = Nmero de unidades del producto 1 elaborados con el mtodo A
X21 = Nmero de unidades del producto 2 elaborados con el mtodo A
X31 = Nmero de unidades del producto 3 elaborados con el mtodo A
X41 = Nmero de unidades del producto 4 elaborados con el mtodo A
X12 = Nmero de unidades del producto 1 elaborados con el mtodo B
X22 = Nmero de unidades del producto 2 elaborados con el mtodo B
X32 = Nmero de unidades del producto 3 elaborados con el mtodo B
X42 = Nmero de unidades del producto 4 elaborados con el mtodo B
Funcin Objetivo:
Maximizar Z = (100-80)X11 + (150-135)X21 + (125-120)X31 +
(140-135)X41 + (100-110)X12 + (150-150)X22 + (125-100)X32 +
(140-110)X24
Restricciones
X11 + X12 1000
Venta producto 1
Venta producto 2
Venta producto 3
Venta producto 4
Horas Dep. 20
Horas Dep. 21
Horas Dep. 22
Horas Dep. 31
Horas Dep. 32
No negatividad
Xij 0; i= 1,4; j = 1,2
Datos de entrada para el solver
Pgina: 84
Investigacin Operativa I
Programacin Lineal
Solucin:
P1= 1 000 unidades (Mtodo A)
P2= 3 000 unidades (Mtodo A)
P3= 600 unidades (Mtodo A)
P3= 1 000 unidades (Mtodo B)
P4= 2 000 unidades (Mtodo B)
Contribucin, $ 153 000,00
41. Una fbrica elabora dos productos, A, B. Cada uno de ellos debe ser procesado
en dos mquinas diferentes. Una mquina tiene una capacidad disponible de 24
Pgina: 85
Investigacin Operativa I
Programacin Lineal
horas y la otra de 16 horas. Cada unidad del producto A requiere de dos horas
en ambas mquinas. Cada unidad del producto B necesita de tres horas en la
primera mquina y de una hora en la segunda. La utilidad incremental es de $6
por unidad del producto A y de $7 por unidad del producto B, y la fbrica puede
vender tantas unidades de cada producto como pueda fabricar.
El objetivo de la fbrica es maximizar las utilidades. El problema est en
determinar cuntas unidades del producto A y del producto B podran producirse
dentro de los lmites disponibles por la capacidad de las mquinas.39
Resumen:
Mquinas
1
2
Utilidad en $
Productos
A
2 horas
2 horas
6
B
3 horas
1 hora
7
Capacidad de
las mquinas
24 horas
16 horas
Restricciones
2X1 + 3X2 24
2X1 + 1X2 16
No negatividad
Xi 0 ; i = 1, 2
capacidad de mquina 1
capacidad de mquina 2
39
Bonini, Hansman, Bierman. Anlisis Cuantitativo para los Negocios. Novena Edicin. Irwin McGrawHill. Pag. 43
Oswaldo Paul Rivadeneira
Pgina: 86
13
12
Investigacin
Operativa I
11
Programacin Lineal
10
9
8
7
2 X1 +
1 X2 =
16
6
:
2 X1 +
3 X2 =
24
4
3
Payoff:
6 X1 +
7 X2 =
64
2
1
0
Optimal Decisions(X1,X2): ( 6,
: 2X1 + 3X2 <= 24
: 2X1 + 1X2 <= 16
10
11
12
13
14
4)
Pgina: 87
15
16
Investigacin Operativa I
Programacin Lineal
Solucin:
X1 = 6
X2 = 4
Z = 64
42. Al mezclar diferentes hidrocarburos, se obtiene gasolina de diferentes grados,
que es el resultado directo de las operaciones de refinera. En una operacin
real de refinacin, se realizan varias mezclas de hidrocarburos, que dan muchas
clases de gasolina como producto final (por ejemplo, gasolina de distintos
grados para avin y para carro), con caractersticas importantes para los
distintos grados de la composicin de la gasolina (por ejemplo, octanaje,
presin del vapor, contenido de azufre y contenido de oxidante). En este
ejemplo simplificado, se supone que una refinera dispone slo de dos tipos de
gasolina, cuyas caractersticas se presentan en la siguiente tabla:
Caractersticas de las mezclas de gasolina
Mezclas
disponibles
Gasolina tipo 1
Gasolina tipo 2
Octanaje
104
94
Presin de
vapor
5
9
Cantidad
Disponible
30 000 barriles
70 000 barriles
Estos tipos de gasolina pueden ser combinados para producir dos productos
finales, gasolina para avin y gasolina para carro. Las cualidades que
requieren estos productos finales aparecen en la siguiente tabla:
Caractersticas de la gasolina como producto final
Presin
Productos
Octanaje
Mxima
Ventas
finales
mnimo
de vapor
mximas
Gasolina avin
102
6
20 000 barriles
Gasolina carro
96
8
cualquiera
Precio
De venta
(por barril)
$45.10
$32.40
Pgina: 88
Investigacin Operativa I
Programacin Lineal
de
de
de
de
gasolina
gasolina
gasolina
gasolina
Tipo
Tipo
Tipo
Tipo
1,
1,
2,
2,
utilizada
utilizada
utilizada
utilizada
para
para
para
para
gasolina
gasolina
gasolina
gasolina
de avin
de carro
de avin
de carro
No negatividad
Xi 0 ; i = 1, 4
40
Bonini, Hansman, Bierman. Anlisis Cuantitativo para los Negocios. Novena Edicin. Irwin McGrawHill. Pag. 46
Oswaldo Paul Rivadeneira
Pgina: 89
Investigacin Operativa I
Programacin Lineal
Solucin:
Z = 3355.454.5
X1 = 7.272,72
X2 = 22.727,27
X3 = 1.818,18
X4 = 68.181,82
43. Una fbrica produce cuatro artculos: A, B, C y D. Cada cantidad del producto A
requiere de dos horas de maquinado, una hora de montaje y $10 de inventario
en proceso. Cada unidad del producto B requiere de una hora de maquinado,
tres horas de montaje y $5 de inventario en proceso. Cada unidad del producto
C requiere de dos y media horas de maquinado, dos y media horas de montaje
y $2 de inventario en proceso. Finalmente, cada unidad del producto D requiere
de cinco horas de maquinado, ninguna de montaje y $12 de inventario en
proceso.
Pgina: 90
Investigacin Operativa I
Programacin Lineal
La fbrica dispone de 120 000 horas de tiempo de maquinado y 160 000 horas
de tiempo de montaje. Adems, no puede tener ms de un milln de dlares de
inventario en proceso.
Cada unidad del producto A genera una utilidad de $40, cada unidad del
producto B genera una utilidad de $24, cada unidad de producto C genera una
utilidad de $36 y cada unidad del producto D genera una utilidad de $23. No
pueden venderse ms de 20 000 unidades del producto A, 16 000 unidades del
producto C, y pueden venderse la cantidad que se quiera de los productos B y
D. Sin embargo, deben producir y vender por lo menos 10 000 unidades del
producto D para cumplir con los requerimientos de un contrato.
Sobre estas condiciones, formular un problema de programacin lineal. El
objetivo de la fbrica es maximizar la utilidad resultante de la venta de los
cuatro productos.41
Resumen:
Producto
Proceso
Maquinado
Montaje
Inventario
Utilidad
A
2 hr
1 hr
$10
$40
B
1 hr
3 hr
$5
$24
C
2,5 hr
2,5 hr
$2
$36
D
5 hr
0 hr
$12
$23
Disponible
(horas)
120.000
160.000
1000.000
Definicin de variables:
X1 = Nmero de unidades
X2 = Nmero de unidades
X3 = Nmero de unidades
X4 = Nmero de unidades
Restricciones:
2X1 + X2 + 2.5X3 + 5X4 120.000
disponibilidad de maquinado
X1 + 3X2 + 2.5X3 + 0X4 160.000
disponibilidad de montaje
10X1 + 5X2 + 2X3 + 12X4 1000.000 disponibilidad de inventario
X1 20.000
limite de venta producto A
X3 16.000
lmite de venta del producto C
X4 10.000
contrato del producto D
No negatividad:
Xi 0 ; i = 1, 4
del
del
del
del
producto
producto
producto
producto
A
B
C
D
41
Bonini, Hansman, Bierman. Anlisis Cuantitativo para los Negocios. Novena Edicin. Irwin McGrawHill. Pag. 57
Oswaldo Paul Rivadeneira
Pgina: 91
Investigacin Operativa I
Programacin Lineal
Solucin:
Z = 1830.000
X1 = 10.000
X2 = 50.000
X3 = 0
X4 = 10.000
44. La U-Save Loan Company est planeando sus operaciones para el prximo ao.
La empresa hace cinco tipos de prstamos, que se indican a continuacin, con
un retorno anual (en porcentaje) para ella.
Tipo de prstamo
Prstamos quirografarios
Prstamos para muebles
Prstamos para automviles
Hipotecas de bienes races en segundo grado
Retorno anual
15
12
9
10
Pgina: 92
Investigacin Operativa I
Programacin Lineal
Prstamos Quirografarios
Prstamos para Muebles
prstamos para Automviles
Hipotecas de bienes races en segundo grado
Hipotecas de bienes races en primer grado
Funcin objetivo:
Maximizar Z = 0.15X1 + 0.12X2 + 0.09X3 + 0.10X4 + 0.07X5
Restricciones
X1 0.10 (X1 +X2 +X3 + X4 + X5)
lmite en monto de pres. quirograf.
0.90X1 0.10X2 0.10X3 0.10X4 0.10X5 0
X1 + X2 0.20 (X1 + X2 + X3 + X4 + X5)
lmite en monto para prest.
0.80X1 + 0.80X2 0.20X3 0.20X4 0.20X5 0 quiro. + muebles
X5 0.40 (X4 + X5)
- 0.40X4 + 0.60X5 0
Bonini, Hansman, Bierman. Anlisis Cuantitativo para los Negocios. Novena Edicin. Irwin McGrawHill. Pag. 58
Oswaldo Paul Rivadeneira
Pgina: 93
Investigacin Operativa I
Programacin Lineal
No negatividad
Xi 0 ; i = 1, 5
Datos de entrada para el Solver
Producto A
$60
$30
$30
Producto B
$40
$10
$30
Pgina: 94
Investigacin Operativa I
Programacin Lineal
No negatividad
Xi 0 ; i = 1, 2
Solucin GLP
Payoff: 30.0 X1 + 30.0 X2 = 540000.0
X2
11995
11400
10805
10210
9615
9020
8425
7830
7235
6640
6045
5450
4855
4260
3665
3070
2475
1880
1285
690
95
30
428
826
1224 1622 2020 2418 2816 3214 3612 4010 4408 4806 5204 5602 6000 6398 6796 7194 7592 7990
43
Bonini, Hansman, Bierman. Anlisis Cuantitativo para los Negocios. Novena Edicin. Irwin McGrawHill. Pag. 58
Oswaldo Paul Rivadeneira
Pgina: 95
X1
Investigacin Operativa I
Programacin Lineal
Porcentaje de
Protenas
40
20
10
5
Porcentaje de
Grasa
10
15
35
40
Costo por
Libra
$1.80
$0.75
$0.40
$0.15
Pgina: 96
Investigacin Operativa I
Programacin Lineal
ingrediente
ingrediente
ingrediente
ingrediente
A
B
C
D
Funcin objetivo
Minimizar Z = 1.80X1 + 0.75X2 + 0.40X3 + 0.15X4
Restricciones
0.40X1 + 0.20X2 + 0.10X3 + 0.05X4 0.15 protenas
0.10X1 + 0.15X2 + 0.35X3 + 0.40X4 0.30 grasas
X1 + X2 + X3 + X4 = 1 total libra de mezcla
No negatividad
Xi 0 ; i = 1, 4
Datos de entrada para Solver
44
Bonini, Hansman, Bierman. Anlisis Cuantitativo para los Negocios. Novena Edicin. Irwin McGrawHill. Pag. 58
Oswaldo Paul Rivadeneira
Pgina: 97
Investigacin Operativa I
Programacin Lineal
Restricciones
0.8X1 + 1.2X2 16
2.0X1 + 3.0X2 30
0.6667X1 + 2.0X2 16
5.3334X1 + 4.0X2 64
No negatividad
Xi 0 ; i = 1, 2
horas
horas
horas
horas
de corte
de ensamblaje
de pre-acabado
acabado final
Solucin GLP
45
Pgina: 98
16
15
14
Investigacin Operativa I
Programacin Lineal
13
12
11
10
9
8
: 5.333 X1 + 4.000 X2 = 64.000
7
6
5
3
2
1
0
0
10
11
12
13
14
15
16
Pgina: 99
17
18
19
Investigacin Operativa I
Programacin Lineal
No negatividad
Xi 0 ; i = 1, 2
Son ecuaciones redundantes, para su solucin se asume que cumplirn al
menos los pedidos de los ingredientes, sus resultados sern analizados por un
dietista para no incurrir en daos a los pollos, entonces:
46
Restricciones
100X1 + 200X2 90
80X1 + 150X2 48
40X1 + 20X2 20
10X1 + 0X2 1.5
Nutriente A
Nutriente B
Nutriente C
Vitamina X
Pgina: 100
Investigacin Operativa I
Programacin Lineal
Pgina: 101
Investigacin Operativa I
Programacin Lineal
47
Pgina: 102
15
14
Investigacin Operativa I
Programacin Lineal
13
0.0834X1 + 0.0834X2 1
12
11
10
toneladas de C
No negatividad
Xi 0; i = 1, 2
Solucin GLP
9
Payoff: 500.0000 X1 + 600.0000 X2 = 6396.1630
7
: 0.2500 X1 + 0.1000 X2 = 2.0000
6
4
: 0.2500 X1 + 0.5000 X2 = 4.0000
3
: 0.0834 X1 + 0.0834 X2 = 1.0000
2
10
11
12
13
14
15
16
17
18
19
20
21
22
23
Pgina: 103
24
X1
Investigacin Operativa I
Programacin Lineal
50. La Palysafe Insurane Company of Knockville, ME, dispone de fondos ociosos por
un total de $20 millones, disponible para inversiones a corto y largo plazo. Las
especificaciones gubernamentales requieren que no ms del 80% de todas las
inversiones sean a largo plazo; no ms del 40% de inviertan a corto plazo; y
que la razn entre las inversiones a largo y corto plazo no sean mayor de 3 a 1.
Actualmente, las inversiones a largo plazo rinden el 15% anual; mientras que la
tasa anual para las inversiones a corto plazo es del 10%. Plantese este
problema como programa lineal con el objetivo de maximizar el beneficio
ponderado.48
Formulacin del Problema
Definicin de variables
X1 = Cantidad en millones de dlares para inversin a corto plazo
X2 = Cantidad en millones de dlares para inversin a largo plazo
Restricciones
X1 + X2 20
X2 0.80(X1 + X2)
0.80X1 0.20X2 0
X2 0.40(X1 + X2)
0.40X1 - 0.60X2 0
X2/X1 3/1
3X1 X2 0
No negatividad
Xi 0 ; i = 1, 2
Solucin GLP
48
Pgina: 104
Investigacin Operativa I
Programacin Lineal
10
9
8
: 3.0 X1 - 1.0 X2 = 0.0
7
6
5
4
3
2
1
0
0
10
11
12
13
14
15
X1
Pgina: 105
Investigacin Operativa I
Programacin Lineal
51. Un fabricante de botes de fibra de vidrio produce cuatro modelos diferentes que
deben pasar por tres operaciones diferentes: moldeado, ensamblado y acabado.
La tabla dada contiene toda la informacin necesaria.
Moldeado
(h/unid)
2.8
2.1
4
3
Modelo
1
2
3
4
Capac./
semana 48 h
Ensamble
(h/unid)
5
3
6
4
Acabado
(h/unid)
10
7.5
12
3
Compuesto de
moldeado
Beneficio
(gal/unid)
($/unid)
200
160
200
124
280
212
220
170
96 h
160 h
4800 gal
49
modelo
modelo
modelo
modelo
1
2
3
4
Restricciones
2.8X1 + 2.1X2 + 4X3 + 3X4 48
5X1 + 3X2 + 6X3 + 4X4 96
10X1 + 7.5X2 + 12X3 + 3X4 160
200X1 + 200X2 + 280X3 + 220X4 4800
horas de moldeado
horas de ensamble
horas de acabado
galones para moldeado
Pgina: 106
Investigacin Operativa I
Programacin Lineal
X4 8
No negatividad
Xi 0 ; i = 1, 4
S
6
10
T
3
9
16
Cdigo
A
B1
B2
C1
Pgina: 107
Investigacin Operativa I
Programacin Lineal
2
Costo var
/min ($)
0.40
10
0.50
0.24
0.30
C2
del
del
del
del
del
producto
producto
producto
producto
producto
A, con
B, con
B, con
C, con
C, con
el
el
el
el
el
proceso 1
proceso 1
proceso 2
proceso 1
proceso 2
Funcin objetivo:
Minimizar Z = 0.40(10X1 + 8X2 + 8X4) + 0.50(6X3 + 10X5) + 0.24(6X1 +10X2
+ 16X4 + 3X5) + 0.30(3X1 + 9X3 + 8X5)
Minimizar Z = 6.34X1 + 5.6X2 + 5.7X3 + 7.04X4 + 8.12X5
Restricciones
10X1 + 8X2 + 8X4 480
capacidad maquina
6X3 + 10X5 480
capacidad maquina
6X1 +10X2 + 16X4 + 3X5 480
capacidad maquina
3X1 + 9X3 + 8X5 480
capacidad maquina
X1 36
demanda del producto A
X2 + X3 45
demanda del producto B
X4 + X5 10
demanda del producto C
No negatividad
Xi 0 ; i = 1, 4
X
Y
S
T
50
Pgina: 108
Investigacin Operativa I
Programacin Lineal
53. Usted est organizando una fiesta y dispone de de las siguientes cantidades de
licor: 48 onz lquidas de whisky, 72 onz lquidas de vodka, 64 onz lquidas de
vermouth blanco, 72 onz de vermouth rojo, 24 onz lquidas de brandy y 18 onz
lquidas de licor de caf. Usted piensa preparar las siguientes bebidas:
Chauncies, Rusos Negros, Italianos Dulces, Ccteles Molotov (Martinis Rusos) y
Whisky en las rocas. Un Chauncy consiste en 2/3 de whisky y 1/3 de vermouth
rojo. Un Ruso Negro consiste de de vodka y de licor de caf. Un Italiano
Dulce consiste de de brandy, de vermouth rojo y vermouth blanco. Los
Ccteles Molotov son una mezcla de 2/3 de vodka y 1/3 de vermouth blanco.
Por ltimo el Whisky en las rocas consiste slo de whisky. Cada trago contiene 4
onz lquidas. Su objetivo es mezclar los ingredientes, en forma tal, que pueda
prepararse el mayor nmero de posible de tragos. Sin embargo, Usted
considera que es necesario preparar cuando menos el doble de Ccteles
Molotov que de Rusos Negros, para proporcionar una seleccin equilibrada.
Plantese como un problema de programacin lineal.51
Resumen:
51
Pgina: 109
Investigacin Operativa I
Licores
Whisky
Vodka
Verm.B.
Verm.R.
Brandy
Lic. Caf
Programacin Lineal
Mezclas (tragos de
Rusos
Italianos
chauncies negros
dulces
2/3*4
*4
*4
1/3*4
2/4*4
*4
*4
4 onzas)
Ccteles
molotov
Whisky
en rocas
1*4
2/3*4
1/3*4
Cantidad
Disponible
(onz)
48
72
64
72
24
18
Chauncies
Rusos Negros
Italianos Dulces
Ccteles Molotov
Whisky en las Rocas
Restricciones:
2/3*4 X1 + 4X5 48
2X1 + 3X5 36
por contenido de whisky
*4X2 + 2/3*4X4 72
9X2 + 8X4 216
por contenido de Vodka
*4X3 + 1/3*4X4 64
3X3 + 4X4 192
por contenido de Vermouth Blanco
1/3*4X1 + 2/4*4X3 72
4X1 + 6X3 216
por contenido de vermouth Rojo
*4X3 24
X3 24
por contenido de Brandy
*4X2 18
X2 18
por contenido de Licor de Caf
2X2 X4
2X2 X4 0
relacin de Ccteles Molotov/Rusos Negros
No negatividad
Xi 0 ; i = 1, 5
Solucin:
Datos de entrada para Solver
Pgina: 110
Investigacin Operativa I
Programacin Lineal
54. ProTrac,Inc. Produce dos lneas de mquina pesada. Una de sus lneas de
productos, llamada equipo de excavacin, se utiliza de manera primordial en
aplicaciones de construccin. La otra lnea, denominada equipo de la silvicultura,
est destinada a la industria maderera. Tanto la mquina ms grande de la lnea
de excavacin (la E-9), como la mayor de toda la lnea del equipo de silvicultura
(la F-9) son fabricadas en los mismos departamentos y con el mismo equipo.
Empleando las proyecciones econmicas correspondientes al siguiente mes, el
gerente de Mercadotecnia de ProTrac ha considerado que durante ese perodo
ser posible vender todas las E-9 y F-9 que la compaa sea capaz de producir.
La gerencia tiene que recomendar ahora una meta de produccin para el mes
prximo. Es decir, cuntas E-9 y F-9 debern fabricar si la direccin de ProTrac
desea maximizar la contribucin del mes entrante a la ganancia ( es decir, el
margen de contribucin, definido como los ingresos menos los costos variables)
La toma de decisiones requiere la consideracin de los siguientes factores
importantes:
a. El margen de contribucin unitaria de ProTrac es de $ 5.000 por cada
E-9 vendida y de $ 4.000 por cada F-9
b. Cada producto pasa por las operaciones de maquinado, tanto en el
departamento A como en el departamento B.
Oswaldo Paul Rivadeneira
Pgina: 111
Investigacin Operativa I
Programacin Lineal
Dep. A
Dep. B
Hora de prueba
Maq. E-9
10
20
30
HORAS
Maq. F-9
15
10
10
Total disponible
150
160
135 (150-10%)
Pgina: 112
Investigacin Operativa I
Programacin Lineal
Solucin grfica:
Pgina: 113
Investigacin Operativa I
Programacin Lineal
Pgina: 114
Investigacin Operativa I
Programacin Lineal
55. La empresa Crawler Tread, desea mezclar minerales de hierro de cuatro minas
distintas para fabricar rodamientos destinados a un nuevo producto de Protrac:
un tractor tipo oruga de tamao mediano, el E-6, diseado especialmente para
competir en el mercado europeo. Por medio del anlisis se ha demostrado que ,
para producir una mezcla dotada de las cualidades de traccin adecuadas,
deben cumplirse requerimientos mnimos en relacin con tres elementos bsicos
que, para simplificar, sealaremos aqu como A, B, C. En trminos especficos,
cada tonelada de mineral deber contener cuando menos cinco libras del
elemento bsico A, 100 libras del elemento bsico B y 30 libras del elemento
bsico C.
El mineral extrado de cada una de las cuatro minas posee los tres elementos
bsicos, pero en cantidades distintas. Estas composiciones expresadas en libras
por tonelada, se enumeran en la siguiente tabla:
Composiciones obtenidas de cada mina
Elemento
MINA (libras por tonelada de cada elemento)
bsico
1
2
3
4
A
10
3
8
2
B
90
150
75
175
C
45
25
20
37
Costo/tonelada de
mineral
$ 800
$ 400
$ 600
$ 500
El objetivo del administrador es descubrir una mezcla factible de costo
mnimo.53
Formulacin del problema:
1. Definicin de variables
T1 = fraccin de toneladas
T2 = fraccin de toneladas
T3 = fraccin de toneladas
T4 = fraccin de toneladas
de
de
de
de
la
la
la
la
mina 1
mina 2
mina 3
mina 4
2. Funcin objetivo
Minimizar Z = 800 T1 + 400 T2 + 600 T3 + 500 T4
3. Restricciones
10 T1 +
3 T2 + 8 T3 +
2 T4 5 (elemento A)
90 T1 + 150 T2 + 75 T3 + 175 T4 100 (elemento B)
45 T1 + 25 T2 + 20 T3 + 37 T4 30 (elemento A)
T1 +
T2 +
T3 +
T4 = 1
(balance)
T1, T2, T3, T4 0 (no negatividad)
53
Pgina: 115
Investigacin Operativa I
Programacin Lineal
Resultados :
Pgina: 116
Investigacin Operativa I
Programacin Lineal
54
Pgina: 117
Investigacin Operativa I
Programacin Lineal
X2
40
38
36
34
32
30
28
26
24
22
20
18
16
14
12
10
8
6
4
2
0
25
30
35
40
45
50
55
60
65
70
75
80
85
90
95
100
Pgina: 118
X1
Investigacin Operativa I
Programacin Lineal
57. De los muchos productos que fabrica la Arco Manufacturing Company, slo los
productos C, D, E y F pasan por los siguientes departamentos: cepillado,
fresado, taladrado y ensamble. Los requerimientos por unidad de producto en
horas y contribucin son los siguientes:
Departamento
Producto Cepillado Fresado Taladrado Ensamble Contr./Unidad
C
0.5
2.0
0.5
3.0
$8
1.0
1.0
0.5
1.0
$9
1.0
1.0
1.0
2.0
$7
0.5
1.0
1.0
3.0
$6
Producto
Cepillado
1800
100 unidades
Fresado
2800
600 unidades
Taladrado
3000
500 unidades
Ensamble
6000
400 unidades
55
del
del
del
del
producto
producto
producto
producto
C
D
E
F
Thierauf. Toma de Decisiones por medio de Investigacin de Operaciones. Limusa. Pag. 274
Pgina: 119
Investigacin Operativa I
Programacin Lineal
Restricciones
0.5X1 + 1.0X2
2.0X1 + 1.0X2
0.5X1 + 0.5X2
3.0X1 + 1.0X2
X1 100
X2 600
X3 500
X4 400
No negatividad
Xi 0 ; i = 1, 4
+
+
+
+
1.0X3
1.0X3
1.0X3
2.0X3
+
+
+
+
0.5X4
1.0X4
1.0X4
3.0X4
1.800
2.800
3.000
6.000
capacidad Cepillado
capacidad Fresado
capacidad Taladrado
capacidad Ensamble
venta de C
venta de D
venta de E
venta de F
Pgina: 120
Investigacin Operativa I
Programacin Lineal
ACCIONES
Gofer Crude
Can Oil
Sloth Petroleum
PRECIO POR
ACCION($)
60
25
20
RENDIMIENTO
ANUAL
ESTIMADO POR
ACCION ($)
7
3
3
INVERSION
MAXIMA POSIBLE
($)
60.000
25.000
30.000
No negatividad
Xi 0 ; i = 1, 3
Datos de entrada para Solver
56
Pgina: 121
Investigacin Operativa I
Programacin Lineal
RETRIBUCION
ESPERADA (%)
8
6
12
9
INVERSION MAXIMA
(MILLONES DE $)
5
7
2
4
Pgina: 122
Investigacin Operativa I
Programacin Lineal
Definicin de variables
X1 = cantidad en dlares
X2 = cantidad en dlares
X3 = cantidad en dlares
X4 = cantidad en dlares
Restricciones
X1 + X2 0.30(X1 + X2 + X3 + X4)
0.70X1 + 0.70X2 0.30X3 0.30X4 0
30% de inversin
X3 + X4 0.40(X1 + X2 + X3 + X4)
-0.40X1 0.40X2 + 0.60X3 +0.60X4 0
40% de inversin
X1 5000.000
inversin en Bonos de Tesorera
X2 7000.000
inversin en Acciones Ordinarias
X3 2000.000
inversin en Mercado de Dinero
X4 4000.000
inversin en Ttulos Municipales
X1 + X2 + X3 + X4 10000.000
inversin total
No negatividad
Xi 0 ; i = 1, 4
en
en
en
en
Bonos de Tesorera
Acciones Ordinarias
Mercado de Dinero
Ttulos Municipales
Pgina: 123
Investigacin Operativa I
Programacin Lineal
Corte
(hrs)
3
1
4
4
150
Montaje
(hrs)
4
2
5
5
200
Pintura
(hrs)
5
5
4
0
300
Ganancia por
mesa ($)
25
20
50
30
Solucin al problema
Definicin de variables
X1 = Cantidad de mesas Modelo A
X2 = Cantidad de mesas Modelo B
X3 = Cantidad de mesas Modelo C
X4 = Cantidad de mesa Modelo C sin pintar
58
Pgina: 124
Investigacin Operativa I
Programacin Lineal
No negatividad
Xi 0 ; i = 1, 4
Datos de entrada para Solver
COSTO POR
LIBRA($)
0.45
0.38
0.27
PROTEINAS
(%)
62
55
36
CARBOHIDRATOS
(%)
5
10
20
GRASAS
(%)
3
2
1
Pgina: 125
Investigacin Operativa I
Programacin Lineal
Definicin de variables
X1 = Cantidad en libras de producto A
X2 = Cantidad en libras del producto B
X3 = Cantidad en libras del producto C
62. McNaughton, Inc. Produce dos salsas para carne: Spicy Diablo y Red Baron (la
ms suave). Esta salsa de hacen mezclando dos ingrediente, A y B. Se permite
cierto nivel de flexibilidad en las frmulas de estos productos. Los porcentajes
permisibles, as como la informacin de ingresos y costos, aparecen en la
siguiente tabla. Es posible comprar hasta 40 litros de A y 30 de B. McNaughton
puede vender toda la salsa que elabore. Formule un modelo de programacin
Pgina: 126
Investigacin Operativa I
Programacin Lineal
lineal cuyo objetivo sea maximizar las ganancias netas obtenidas por la venta de
estas salsas.60
INGREDIENTE
SALSA
A
B
Spicy Diablo
Cuando menos 25%
Cuando menos 50%
Red Baron
Cuando mucho 75%
*
Costo por litro 1.60
2.59
* no existe un porcentaje mximo o mnimo explcito
Solucin del problema
Definicin de variables
X1 = Cantidad de litros
X2 = Cantidad de litros
X3 = Cantidad de litros
X4 = Cantidad de litros
de
de
de
de
ingrediente
ingrediente
ingrediente
ingrediente
A para
A para
B para
B para
PRECIO DE VENTA
POR LITRO
3.35
2.85
Restricciones
X1 0.25(X1 + X3)
0.75X1 0.25X3 0
X2 0.75(X2 + X4)
0.25X2 0.75X4 0
X3 0.50(X1 + X3)
-0.50X1 + 0.50X3 0
X1 + X2 40
X3 + X4 30
No negatividad
Xi 0 ; i = 1, 4
60
Pgina: 127
Investigacin Operativa I
Programacin Lineal
63. La Corey Anders Spice Company dispone de una cantidad limitada de tres
ingredientes que se utiliza para produccin de condimentos. Corey emplea los
tres ingredientes (HB01, HB02 y HB03) para la elaboracin de crcuma y
pimentn. El departamento de mercadotecnia informa que la compaa puede
vender todo el pimentn que sea capaz de producir, pero solamente se puede
vender un mximo de 1700 botellas de crcuma. Los ingredientes no utilizados
podrn venderse en el mercado. Los precios estn expresados en $/onza. Los
precios actuales son: HB01, $0.60; HB02, $0.70; HB03, $0.55. Adems, Corey
ha firmado un contrato para suministrar 600 botellas de pimentn a Wal-Mart.
En la siguiente tabla se ofrece informacin adicional. Formule el problema de
Corey como un modelo de programacin lineal para maximizacin de ingresos.61
Crcuma
Pimentn
Disponibilidad
61
INGREDIENTES
(ONZ/BOTELLA)
HB01
HB02
HB03
4
2
1
3
2
3
DEMANDA
(BOTELLAS)
1700
ilimitada
PRECIO
VENTA
/BOTELLA
3.25
2.75
Pgina: 128
Investigacin Operativa I
Programacin Lineal
(onzas)
8000
9000
7000
Funcin objetivo
Maximizar Z = 3.25X1 + 2.75X2 + 0.60(8000 4X1 3X2)
+ 0.70(9000 2X1 2X2) + 0.55(7000 X1 3X2)
Z = 14.950 5.45X1 6.95X2
Restricciones
4X1 + 3X2 8000
por onzas de HB01
2X1 + 2X2 9000
por onzas de HB02
1X1 + 3X2 7000
por onzas de HB03
X1 1.700
botellas de Crcuma
X2 600
contrato para Pimentn
No negatividad
Xi 0; i = 1, 2
Solucin GLP
X2
1701
1621
1541
1461
1381
1301
1221
1141
1061
981
901
821
741
661
581
501
421
341
261
181
101
0 90180
270
360
450
540
630
720
810
900
990
1080
1170
1260
1350
1440
1530
1620
1710
1800
X1
Pgina: 129
Investigacin Operativa I
Programacin Lineal
PESO MINIMO(LIBRAS)
10
7
5
Hay tres tipos de fertilizante comercial disponibles; los anlisis y precios por
1000 libras se enlistan en la siguiente tabla. Guy puede comprar cualquier
cantidad de cualquiera de los fertilizantes que quiera y combinarlos antes de
aplicarlos al csped. Formule un modelo de PL que determine la cantidad de
Pgina: 130
Investigacin Operativa I
Programacin Lineal
cada fertilizante que debe comprar para satisfacer los requerimientos con un
costo mnimo.62
Fertilizante
I
II
III
Contenido de
nitrgeno (lib)
25
10
5
Contenido de Contenido de
fsforo (lib)
potasio (lib)
10
5
5
10
10
5
Precio ($)
10
8
7
62
Pgina: 131
Investigacin Operativa I
Programacin Lineal
65. La Ebel Mining Company es propietaria de dos minas que producen cierto tipo
de mineral. Dichas minas est localizadas en distintas partes del pas y, en
consecuencia, presentan diferencias en sus capacidades de produccin y en la
calidad de su mineral. Despus de ser molido el mineral se clasifica en tres
clases dependiendo de la calidad: alta. Media y baja. Ebel ha sido contratada
para suministrar semanalmente a la planta de fundicin de su compaa matriz
12 toneladas de mineral de alta calidad, 8 toneladas de calidad mediana y 24
toneladas de calidad baja. A Ebel le cuesta $ 20.000 diarios operar la primera
mina y $ 16.000 la segunda. Sin embargo en un da de operacin la primera
mina produce 6 tonelada de mineral de alta calidad, 2 toneladas de mediana y 4
toneladas de baja, mientras que la segunda produce 2 toneladas diarias de
material de alta calidad, 2 de mediana y 12 de baja. Cuntos das a la semana
tendr que funcionar cada mina para cumplir los compromisos de Ebel de la
manera ms econmica posible? (En este caso resulta aceptable programar la
operacin de las minas en fracciones de da)63
Solucin del problema
63
Definicin de variables
X1 = Nmero de das a la semana (fraccin de semana) de trabajo de
la Mina 1
X2 = Nmero de das a la semana (fraccin de semana) de trabajo de la
Mina 2
Restricciones
6X1 + 2X2 12
2X1 + 2X2 8
4X1 + 12X2 24
X1 + X2 = 5
No negatividad
Xi 0; i = 1, 2
Pgina: 132
Investigacin Operativa I
Programacin Lineal
Solucin GLP
6
: 6.0 X1 + 2.0 X2 = 12.0
10
Produccin en
Das de la semana
Costo diario de operacin
RESTRICCIONES
Produccin mineral alta c.
Produccin mineral mediana c.
Produccin mineral baja c.
Tiempo mximo una semana
Mina
Mina 1
2
1
1 MIN
20000 16000
36000
USO DE
RECURSOS
6
2
4
1
2
2
12
1
UTILIZADO
8
4
16
2
NO
LIMITE UTILIZADO
12
-4
8
-4
24
-8
5
3
Produccin en
Das de la semana
Costo diario de operacin
Mina
1
Mina
2
1
3 MIN
20000 16000
68000
Pgina: 133
Investigacin Operativa I
RESTRICCIONES
Produccin mineral alta c.
Produccin mineral mediana
c.
Produccin mineral baja c.
Tiempo mximo una semana
Programacin Lineal
6
2
4
1
UTILIZADO
2
12
2
12
1
8
40
4
NO
LIMITE
UTILIZADO
12
9,32E-12
8
24
5
9,32E-12
16
1
66. La Sally Solar Car CO., tiene una planta que fabrica automviles sedn,
deportivos y camionetas. Los precios de venta, costos variables y costos fijos
correspondientes a la manufactura de estos vehculos se presentan en la
siguiente tabla:
MODELO
Sedan
Camioneta
Deportivo
CONTRIBUCION A
LAS GANANCIAS
($)
6.000
8.000
11.000
VARIABLE DE
PRODUCCION
TIEMPO(HRS)
12
15
24
COSTOS
FIJOS
($)
2.000.000
3.000.000
7.000.000
64
Pgina: 134
Investigacin Operativa I
Programacin Lineal
67. Reese Eichler, fabricante de equipo complementario para filtracin del aire,
produce dos tipos de unidades, el Umidaire y el Depollinator. Los datos
referentes a los precios de venta y a los costos aparecen en la siguiente tabla.
La compaa Resse ha sido contratada para suministrar 500 Umidaire y desea
calcular las cantidades del punto de equilibrio de ambos tipos de unidad.
Formule el modelo de PL para minimizar los costos y resulvalo.65
Producto
Umidaire
Depollinator
65
Definicin de variables
X1 = Cantidad de unidades de Umidaire
X2 = Cantidad de unidades de Depollinator
Pgina: 135
Investigacin Operativa I
Programacin Lineal
50
100 150 200 250 300 350 400 450 500 550 600 650 700 750 800 850 900 950 1000
X1
Salida Solver
Pgina: 136
Investigacin Operativa I
Programacin Lineal
68. Una compaa opera cuatro granjas, cuyos grados de productividad son
comparables. Cada una de las granjas tiene cierta cantidad de hectreas tiles y
de horas de trabajo para plantar y cuidar la cosecha. Los datos
correspondientes a la prxima temporada aparecen en la siguiente tabla.
HECTAREAS
UTILES
500
900
300
700
GRANJA
1
2
3
4
HORAS DE TRABAJO
DISPONIBLES
POR MES
1700
3000
900
2200
CULTIVO
A
B
C
HECTAREAS
MAXIMAS
700
800
300
HORAS MENSUALES
DE TRABAJO
POR HECTAREA
2
4
3
GANACIAS
ESPERADAS
POR HECTAREA ($)
500
200
300
Adems, el total de las hectreas que pueden ser dedicadas a cualquier cultivo
en particular estn limitadas por los requerimientos asociados por concepto de
equipo de ciega. Con la finalidad de mantener una carga de trabajo ms o
menos uniforme entre las distintas granjas, la poltica de la administracin
recomienda que el porcentaje de hectreas plantadas deber ser igual para
todas las granjas. Sin embargo, en cualquiera de esas fincas puede crecer
cualquier combinacin de cultivos, siempre y cuando se satisfagan todas las
restricciones (incluido el requerimiento de la carga de trabajo sea uniforme). La
administracin desea saber cuantas hectreas de cada cultivo tendr que
Pgina: 137
Investigacin Operativa I
Programacin Lineal
Definicin de variables
X11 = Cantidad de Ha del
X12 = Cantidad de Ha del
X13 = Cantidad de Ha del
X14 = Cantidad de Ha del
X21 = Cantidad de Ha del
X22 = Cantidad de Ha del
X23 = Cantidad de Ha del
X24 = Cantidad de Ha del
X31 = Cantidad de Ha del
X32 = Cantidad de Ha del
X33 = Cantidad de Ha del
X34 = Cantidad de Ha del
Cultivo
Cultivo
Cultivo
Cultivo
Cultivo
Cultivo
Cultivo
Cultivo
Cultivo
Cultivo
Cultivo
Cultivo
A
A
A
A
B
B
B
B
C
C
C
C
en
en
en
en
en
en
en
en
en
en
en
en
la Granja 1
la Granja 2
la Granja 3
la Granja 4
la Granja 1
la Granja 2
la Granja 3
la Granja 4
la Granja 1
la Granja 2
la Granja 3
la Granja 4
X 11 X 21 X 31 X 12 X 22 X 32 X 13 X 23 X 33
900(X11 + X21 + X31) 500(X12 + X22 + X32)
500(X13 + X23 + X33) 300(X11 + X21 + X31)
700(X11 + X21 + X31) 500(X14 + X24 + X34)
700
X 14 X 24 X 34
= 0 Distr. G1 y G2
= 0 Distr. G1 y G3
= 0 Distr. G1 y G4
No negatividad
Xij 0; i = 1, 3; j = 1, 4
i = Cultivo; j = Granja
66
Pgina: 138
Investigacin Operativa I
Programacin Lineal
Salida Solver
Pgina: 139
Investigacin Operativa I
Programacin Lineal
Mezcla
A
1
*
Cosecha
2
3
4
cuando menos 75% 2 Y 3 cuando
en cualquier proporcin
menos 8%
cuando menos *
cuando
10%
mucho 35%
Cuando menos 35% 2 y 3 *
en cualquier proporcin
200
150
350
Precio de
venta/galn
80
50
35
Existencias 130
(galones)
* indica que no existe restriccin alguna
Definicin de variables
X11 = Cantidad de galones
X12 = Cantidad de galones
X13 = Cantidad de galones
X21 = Cantidad de galones
X22 = Cantidad de galones
X23 = Cantidad de galones
X31 = Cantidad de galones
X32 = Cantidad de galones
X33 = Cantidad de galones
X41 = Cantidad de galones
X42 = Cantidad de galones
X43 = Cantidad de galones
de
de
de
de
de
de
de
de
de
de
de
de
vino
vino
vino
vino
vino
vino
vino
vino
vino
vino
vino
vino
de
de
de
de
de
de
de
de
de
de
de
de
la
la
la
la
la
la
la
la
la
la
la
la
cosecha
cosecha
cosecha
cosecha
cosecha
cosecha
cosecha
cosecha
cosecha
cosecha
cosecha
cosecha
1
1
1
2
2
2
3
3
3
4
4
4
para
para
para
para
para
para
para
para
para
para
para
para
mezcla
mezcla
mezcla
mezcla
mezcla
mezcla
mezcla
mezcla
mezcla
mezcla
mezcla
mezcla
A
B
C
A
B
C
A
B
C
A
B
C
Funcin Objetivo
Maximizar Z= 80X11 + 80X21 + 80X31 + 80X41 + 50X12 + 50X22 + 50X32 +
50X42 + 35X13 + 35X23 + 35X33 + 35X43
Restricciones
X21 + X31 0.75(X11 + X21 + X31 + X41) por lo menos 75% de 2 y 3 en A
X41 0.08(X11 + X21 + X31 + X41) cuando menos el 8% en A
X22 0.10(X12 + X22 + X32 + X42) cuando menos el 10% en B
X42 0.35(X12 + X22 + X32 + X42) cuando mucho el 35% en B
X23 + X33 0.35(X13 + X23 + X33 + X43) por lo menos 35% de 2 y 3 en C
X11 + X12 + X13 130 mximo de galones de cosecha 1
X21 + X22 + X23 200 mximo de galones de cosecha 2
X31 + X32 + X33 150 mximo de galones de cosecha 3
X41 + X42 + X43 350 mximo de galones de cosecha 4
67
No negatividad
Xij 0; i = 1, 4; j = 1, 3
Pgina: 140
Investigacin Operativa I
Programacin Lineal
i = Cosecha; j = Mezcla
Datos de entrada para Solver
Pgina: 141