Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Aun recuerdo aquella tarde de 1990 cuando nuestro profesor entro al aula,
todos nosotros nos ubicamos en nuestros asientos, nos miro casi de reojo y
con voz pausada se dijo:
"les voy a ensear Investigacin de Operaciones" Que es eso? fue la
pregunta que lanzamos algunos de nosotros, algunas risas se escucharon
como siempre en el aula, el profesor sin inmutarse prosigui su monlogo
diciendo :"es una nueva ciencia que apareci durante la Segunda Guerra
Mundial y que ayud a derrotar a Alemania y ahora se ha trasladado a la
guerra que libran da a da las empresas en las cuales hay vencedoras y
vencidas ",que tan poderosa es esa nueva ciencia de la cul nunca antes
haba yo escuchado? que armas tan potentes debe usar ? como hace para
que algunas empresas crezcan y otras queden destruidas? preguntas como
estas empezaron a hacerse eco en mi cabeza, y hasta ahora siguen
sorprendentemente siendo analizadas an todava en todo el mundo por
muchas personas.
Creo que ese momento marc para m el rumbo de mi vida ,poder
responder esas preguntas y muchas ms hicieron que me interese de
sobremanera en Investigacin de Operaciones porque era algo nuevo ( y
muchos veces an todava lo sigue siendo) y que a travs de este tiempo
nuevas interrogantes han aparecido en
ciencia ya sea personalmente o mediante las charlas con los alumnos de las
universidades de Trujillo.
Hoy estoy frente a ti a travs de estas lnea, para acompaarte en esta
aventura de ingresar a un nuevo y fascinante mundo, cumpliendo uno de
los mayores sueos que he tenido, hacer realidad la publicacin de un libro
el cual no ha sido fcil, hace algunos aos hice
2
publicaciones de
CAPITULO I
Introduccin a la Investigacin de Operaciones
Pag. 4
Capitulo II
2.1 Formulacin de un modelo Lineal
2.2 Problema para formular: Nivel A
Pag. 7
Pag. 8
Capitulo III
3.1 Problemas para formular : Nivel B
Pag. 21
Capitulo IV
4.1 Modelos para formular
Pag. 41
CAPITULO V
Casos De Aplicacin De Modelos Lineales
Pag.58
ANEXO 1
Entrevista a George Dantzig:
Fundador de la Programacin Lineal
Pag.84
ANEXO 2
Historia de los mtodos cuantitativos
Pag.89
cientficos fueron conocidos como los O.R, por ser los primeros
investigadores operacionales. Al final de la guerra un grupo de ellos se
dedica a la industria y al gobierno, empezando la palabra I.O. para designar
a aquellos cientficos que se preocupaban por resolver los problemas que
aparecan en la administracin.
Se le debe a Gran Bretaa el haber iniciado la I.O. y a Estados Unidos por
el rpido crecimiento de esta disciplina.
El auge empieza en 1947 :
3. Reemplazo.
4. Lneas de espera.
5. Secuenciacin y coordinacin.
6. Trayectorias.
7. Competencia.
8. Bsqueda.
CAPITULO II
Modelos de Programacin Lineal
Se llama programacin lineal al conjunto de tcnicas matemticas que
pretenden resolver la situacin siguiente:
Optimizar (maximizar o minimizar) una funcin objetivo, funcin lineal de
varias variables, sujeta a una serie de restricciones, expresadas por
inecuaciones lineales.
Funcin Objetivo (F.O.):
Para seleccionar que funcin objetivo debe elegirse se toma en cuenta lo
siguiente:
a) Si vamos a encontrar situaciones en las cuales tendremos solo costos ya
sea de materia prima, costo de mano de obra, costo de uso de mquina,
costos de transporte, costos de depreciacin ,etc. esto indica que
indudablemente la F.O. ser de MINIMIZACION.
b) Si el enunciado solo da datos econmicos de ganancia, precio de venta o
dinero a recibir por unidad producida la F.O. ser de MAXIMIZACION.
c) Si el enunciado nos da al mismo tiempo costos y ganancias restaremos
de la siguiente manera:
GANANCIAS - COSTOS =UTILIDAD, la que tendr como F.O.
MAXIMIZACION.
d) Si no nos dan ningn datos econmico y solo se da tiempos, el tiempo se
minimiza, si nos da solo produccin, la produccin se ha de maximizar, si
el modelo corresponde a contratar al personal, la funcin objetivo se
minimiza.
Restricciones:
Estas limitaciones o restricciones en los modelos lineales tienen slo las
siguientes estructuras:
<= , >=, =.
Muchos problemas tienen expresiones caractersticas que nos pueden
anunciar que tipo de restriccin debemos usar, por ejemplo:
Usar
Para expresiones como :
<=
como mximo, a lo ms, disponibilidad, demanda mxima.
>=
como mnimo, por lo menos, al menos, demanda mnima.
=
total, proporcin
8
Vino
S/8 / unidad
Vinagre
S/ 2 /unidad
Variable de decisin:
Xi= Nmero de unidades producidas de i(i=Vino,vinagre=1,2) a elaborar.
Funcin Objetivo:
Max=8x1+2x2
Restricciones:
El doble de la produccin de vino es siempre menor o igual que la
produccin de vinagre ms cuatro unidades:
2x1<=x2+4
9
10
Camin
7 dias operario/camin
3 dias operario/camin
$6000 /camin
Automvil
2 das
operario/coche
3 das
operario/coche
$2000/automovil
Disponibilidad
300 das
/operario
270 das
/operario
Variable de decisin:
Xi= Nmero de vehculos tipo i(i=camion,automovil=1,2) a producir.
Funcin objetivo:
Maximizar beneficios:
Max=6000x1+2000x2
10
11
Restricciones:
Departamento A
7x1+2x2<=300
Departamento B
3x1+3x2<=270
No negatividad:
Xi>=0
Problema 3.-(inversin)
Una entidad financiera capta depsitos y presta dinero. La captacin de
depsitos lleva una hora para convencer al cliente y otra de trabajo
burocrtico. El prstamo de dinero lleva una hora para convencer al cliente
y dos horas de trabajo burocrtico. El mximo nmero de horas de trabajo
disponibles es de 40 horas para convencer a los clientes y 60 horas para el
trabajo burocrtico. El beneficio obtenido por prestar dinero es 1/3 mayor
que el de captar depsitos. Cuntas operaciones de cada tipo le conviene
realizar para obtener el mximo beneficio?
Solucin:
Horas de trabajo
para convencer al
cliente
Horas de trabajo
burocrtico
Beneficio
Depsitos
1h/operacin
Prestamos
1h/operacin
Disponible
40 h
1h/operacin
2h/operacin
60 h
1/operacin
(1+1/3)/operacin
Variable de Decisin:
Xi= Nmero de operaciones de tipo i ( i = depsitos , prestamos = 1, 2) a
realizar.
Funcin objetivo:
Maximizar beneficios
Max=x1+1,333x2
Restricciones:
Horas de trabajo para convencer al cliente:
X1+x2<=40
Horas de trabajo burocrtico:
X1+2x2<=60
No negatividad:
Xi>=0
11
12
Problema 4.-(Inversin)
Una persona tiene S/500.000 para invertir en dos tipos de acciones A y B.
El tipo A tiene bastante riesgo con un inters anual del 10% y el tipo B es
bastante seguro con un inters anual del 7%. Decide invertir como mximo
S/300.000 en A y como mnimo S/100.000 en B, e invertir en A por lo
menos tanto como en B. Cmo deber invertir sus S/500.000 para
maximizar sus intereses anuales?
Solucin:
Inters
Inversin
Acciones A
0,10
Mximo
S/300 000
Acciones B
0,07
Mnimo
S/100 000
Dinero
Disponibilidad
S/500 000
Variable de decisin:
Xi= Nmero de acciones de tipo i(i=A,B=1,2) a comprar.
Funcin objetivo:
Maximizar intereses
Max=0,10x1+0,07x2
Restricciones:
Dinero mximo a invertir en acciones tipo A
X1<=300000
Dinero mnimo a invertir en acciones tipo B
X2>=100000
invertir en A por lo menos tanto como en B
X1>=X2
Dinero disponible
X1+X2<=500000
No negatividad:
Xi>=0
Problema 5.-(mezcla)
Alice, gerente de la Food Fast. Proporciona albergues para cachorros. El
alimento para perros Kennel se hace mezclando dos productos de soya para
obtener una "dieta para perros bien balanceada". En la figura se dan los
datos para los dos productos. Si Alice quiere asegurarse de que sus perros
reciban al menos 8 onzas de protenas y 1 onza de grasa diariamente, cul
sera la mezcla del costo mnimo de los dos alimentos para perro?.
12
Solucin:
Producto
de soya
1
2
13
Costo
Por onza
$0,60
$0,15
Proteina (%)
Grasas (%)
50
20
10
20
Variable de decisin:
Xi = Nmero de onzas del producto i(i=1,2) a comprar.
Funcin Objetivo:
Minimizar costos
Min=0,60x1+0,15x2
Restricciones:
Protenas:
0,50x1+0,20x2>=8
Grasas:
0,10x1+0,20x2>=1
No negatividad:
Xi>=0.
Problema 6.-(Mezcla)
Pearce Dears, un antiguo entrenador de grupos de choque, se ha convertido
en avicultor. Desea alimentar a sus animales en forma tal que se cubran sus
necesidades de nutricin a un costo mnimo. Pearce est estudiando el uso
de maz, soya, avena y alfalfa. En la figura se muestra la informacin
diettica importante por libra de grano (por ejemplo, 1 libra de maz
proporciona 15 miligramos de protena). Elabore un modelo de PL para
determinar la mezcla diettica que satisfar los requisitos diarios a un costo
mnimo.
Nutrientes por libra de grano
Nutriente
Maz
(mg)
Protena
15
Calcio
40
Grasas
20
Caloras
850
Costo
por 70
Ejercicios
Propuestos
libra
Soya
Avena
Alfalfa
30
10
50
1500
45
15
40
8
1200
40
7
45
25
4000
90
13
Necesidades
(mg)
Mnimo 50
Mnimo 150
Mximo 120 y Mnimo 25
Mnimo 5000
14
Solucin:
Variable de Decisin:
Xi= Nmero de libras a comprar de i(i=Maiz,soya,avena,alfalfa=1,2,3,4) .
Funcin Objetivo:
Minimizar costos
Min =70x1 + 45x2 + 40x3 + 90x4
Restricciones:
Protenas:
15x1 + 30x2 + 15x3 + 7x4 >= 50
Calcio:
40x1 + 10x2 + 40x3 + 45x4 >= 150
Grasas:
20x1 + 50x2 + 8x3 + 25x4 >= 25
20x1 + 50x2 + 8x3 + 25x4 <= 120
Caloras:
850x1 + 1500x2 + 1200x3 + 4000x4 >=5000
No negatividad:
Xi>=0
Problema 7.- (Encuesta)
Para realizar una encuesta por telfono, un grupo de investigacin de
mercado necesita comunicar por lo menos a 150 esposas, 120 maridos, 100
varones adultos solteros y 110 mujeres adultas solteras. Cuesta $2 realizar
una llamada telefnica durante el da, y $5 realizar una llamada telefnica
durante la noche(debido a mayores costos laborales). Estos resultados se
muestran en la tabla. Se pueden realizar a lo ms la mitad de estas llamadas
en la noche, por disponer de un nmero limitado de empleados . Formule
un PL que minimice los costos para completar la encuesta.
Porcentaje
Porcentaje
Persona
de
de
que
llamadas
llamadas
contest
Diurnas
Nocturnas
Esposa
Marido
Soltero
Soltera
Nadie
30
10
10
10
40
30
30
15
20
5
14
15
Solucin:
variables de decisin :
Xij= nmero de llamadas realizadas en el horario i (i=diurno/nocturno=1,2)
Funcin Objetivo:
Minimizar costos
Minimizar = 2x1 + 5x2
Restricciones:
Esposas encuestadas:
0.30x1+0.30x2>=150
Maridos encuestados:
0.10x1+0.30x2>=120
Solteros encuestados:
0.10x1+0.15x2>=100
Solteras encuestados:
0.10x1+0.20x2>=110
realizar a lo ms la mitad de estas llamadas en la noche
x2<=(1/2)(x1+x2)
No negatividad: Xi>=0
Problema 8.-(Pesca)
Las restricciones pesqueras impuestas por la CEE obligan a cierta empresa
a pescar como mximo 2.000 toneladas de merluza y 2.000 toneladas de
rape, adems, en total, las capturas de estas dos especies no pueden pasar
de las 3.000 toneladas. Si el precio de la merluza es de S/10/kg y el precio
del rape es de S/15/kg, qu cantidades debe pescar para obtener el mximo
beneficio?
Solucin:
Merluza
Rape
Pesca
Mximo
Mximo
2000 tn
2000 tn
Total
Mximo
3000 tn
Precio de
S/10/kg
S/15/kg
Venta
Variable de decisin:
Xi= Nmero de toneladas de pescado tipo i(i=merluza,rapa=1,2) a pescar.
15
16
Funcin Objetivo:
Maximizar ingresos
Max=(S/ 10/kg)*(1000 kg)x1 tn+(S/15/kg)*(1000 kg)x2 tn
Restricciones:
Toneladas de merluza:
X1<=2000
Toneladas de Rape:
X2<=2000
Toneladas mximas a pescar:
X1+X2<=3000
No negatividad:
Xi>=0
Problema 9.-(Compra)
Un hipermercado necesita como mnimo 16 cajas de langostino, 5 cajas de
ncoras y 20 de percebes. Dos mayoristas, A y B, se ofrecen al
hipermercado para satisfacer sus necesidades, pero slo venden dicho
marisco en contenedores completos. El mayorista A enva en cada
contenedor 8 cajas de langostinos, 1 de ncoras y 2 de percebes. Por su
parte, B enva en cada contenedor 2, 1 y 7 cajas respectivamente. Cada
contenedor que suministra A cuesta S/210, mientras que los del mayorista B
cuestan S/300 cada uno. Cuntos contenedores debe pedir el hipermercado
a cada mayorista para satisfacer sus necesidades mnimas con el menor
coste posible?
Solucin:
Contenedor A
Contenedor B
Necesidad
Langostino 8 cajas/contenedor 2cajas/contenedor
16 cajas
Ncoras
1 cajas/contenedor 1cajas/contenedor
5 cajas
Percebes 2 cajas/contenedor 7cajas/contenedor
20 cajas
Costo
S/210/contenedor S/300/contenedor
Variable de decisin:
Xi = Cantidad de contenedores tipo i(i=A,B=1,2) a pedir.
Funcin objetivo:
Minimizar el costo
Min=210x1+300x2
Restricciones:
16
17
Langostinos
8x1+2x2>=16
Ncoras:
1x1+1x2>=5
Percebes:
2x1+7x2>=20
No negatividad:
Xi>=0
Problema 10.Una planta produce dos tipos de productos, en la misma lnea de ensamble.
La lnea de ensamble consta de tres departamentos. Los tiempos de
ensamblaje en los departamentos son:
(Unidades/minuto)
Departamento
Producto 1
Producto 2
1
8
9
2
5
6
3
5
3
Cada departamento tiene disponible las 8 horas de trabajo diario. Sin
embargo los departamentos requieren mantenimiento diario, que utilizan el
5%, 8% y 6% del tiempo disponible para cada departamento diariamente.
La planta desea saber las unidades semanales ( se trabaja 6 dias a la
semana) que se ensamblaran a fin de minimizar la suma de tiempos no
ocupados (ociosos) en los tres departamentos.
Solucin:
Indudablemente es una produccin en lnea por que el producto para
ensamblarse debe pasar por los tres departamentos, entonces
Variable de Decisin :
Xi= nmero de unidades del producto i(i=1,2) a elaborar semanalmente.
Sj= tiempo ocioso del departamento j(j=1,2,3).
Funcin Objetivo :
minimizar el tiempo ocioso
Min = s1 minutos + s2 minutos + s3 minutos
Restricciones:
17
18
Departamento 1:
(1 minuto/ 8 unidades)(X1 unidades/semana) + (1minuto/9 unidades)(X2
unidades/semana)+(s1 minutos/semana)=(48h/semana)(60 minutos/h)(0,95)
Departamento 2:
( 1 minuto/ 5 unidades)(X1 unidades/semana) + (1 minuto/6 unidades)(X2
unidades/semana)+(s2 minutos/semana)=(48h/semana)(60 minutos/h)(0,92)
Departamento 3:
( 1 minuto/ 5 unidades)(X1 unidades/semana) + (1 minuto/3 unidades)(X2
unidades/semana)+(s3 minutos/semana)=(48h/semana)(60 minutos/h)(0,94)
No negatividad:
Xi >=0, Si>=0
Problema 11.Una empresa manufacturera ha descontinuado la produccin de cierta lnea
de productos no provechosa. Esto cre un exceso considerable en la
capacidad de produccin. El gerente est
considerando dedicar esta
capacidad en exceso a uno o ms de tres productos, llammoslos
losproductos1,2,y3.La capacidad disponible de la mquinas que podra
limitar la produccin se resume en la tabla siguiente:
TIPO DE MAQUINA
TIEMPO DISPONIBLE
FRESADORA
500H/SEMANA
TORNO
350
RECTIFICADORA
150
El nmero de horas de mquina requerida por cada unidad de los productos
respectivos es:
Coeficiente de Productividad(en horas
mquina por unidad)
TIPO DE MAQUINA PRODUCTO PRODUCTO 2 PRODUCTO
1
3
FRESADORA
9
3
5
TORNO
5
4
0
RECTIFICADORA
3
0
2
18
19
20
20
21
21
22
CAPITULO III
Modelos para formular:
NIVEL B
Problema 1.-(mezcla)
Usted a decidido entrar en el negocio de los dulces. Est considerando
producir dos tipos de dulces: Easy Out Candy y Slugger Candy , que se
componen solamente de azcar, nueces y chocolate. Actualmente, tiene en
bodega 100 onzas de azcar, 20 oz de nueces y 30 oz de chocolate. La
mezcla para producir Easy Out Candy tiene que contener por lo menos 20%
de nueces.
La mezcla para producir Slugger Candy tiene que contener por lo menos
10% de nueces y por lo menos 10% de chocolate. Cada onza de Easy Out
Candy se vende a 25 centavos(de dlar), y una onza de Slugger Candy a 20
centavos. Formule un PL que le permita maximizar sus ingresos por la
venta de dulces.
Solucin:
Easy Out Candy
Slugger Candy
Azcar
Nueces
Por lo menos 20% Por lo menos 10%
Chocolate
Por lo menos 10%
Precio de Venta
$0,25
$0.20
Disponible
100 onzas
20 onzas
30 onzas
Variable de decisin:
Xij = Usar onzas del ingrediente i (i= azcar, nueces, chocolate = 1, 2 ,3)
para elaborar el tipo de dulce j ( j = Easy Out Candy , Slugger Candy=1,2).
Funcin Objetivo:
Maximizar el ingreso por el precio de venta:
Max = 0.25X11 + 0.25X21 + 0.25X31+ 0.20X12 + 0.20X22 + 0.20X32
Restricciones:
Azcar:
X11 + X12 <= 100
Nueces:
X21 + X22 <= 20
Chocolate:
X31 + X32 <= 30
22
23
24
Acera 1:
(20 min/ton)(x11)ton +( 22 min/ton)(x12)ton<= (200h) (60min/h)
Acera 2:
(24 min/ton)(x21)ton + (18 min/ton)(x22)ton<=(200h) (60 min/h)
Acera 3:
(28 min/ton)(x31)ton + (30 min/ton)(x32)ton<=(200h) (60 min/h)
Produccin:
Acero 1:
( x11+x21+x31) ton>=500 ton
Acero 2:
(x12+x12+x32) ton>=600 ton
No negatividad:
Xij>=0
Problema 3.-(produccin )
Funco fabrica mesas y sillas. Hay que fabricar cada mesa y cada silla
completamente de roble o de pino. Se dispone de un total de 150 pies de
tabla de roble y de 210 pies de tabla de pino. Una mesa requiere 17 p.t. de
roble, o bien 30 p.t. de pino y una silla necesita 5 p.t. de roble, o bien, 13
p.t. de pino. Se puede vender cada mesa a 40 dlares y cada silla a 15
dlares. Formule un PL que se puede usar para maximizar los ingresos.
Solucin:
Mesa
Silla Disponible
Roble
17
5
150
Pino
30
13
210
Precio de Venta $40
$15
Variable de Decisin:
Xij= Numero de unidades de tipo i (i= mesas, silla = 1,2) usado elaborado
a base de j ( j =roble, pino =1,2)
Funcin objetivo Maximizar ingresos:
Max = 40(x11+x12)+15(x21+x22)
Restricciones:
Roble:
17x11+5x21<=150
Pino:
30x12+13x22<=210
No negatividad:
24
25
Xij>=0
26
mircoles, jueves,
XD)
>=150
XD )
>= 200
XD )
>= 400
27
6( XL + XM + XMI + XJ
+ XD )
Viernes:
6( XL + XM + XMI + XJ + XV
Sbado :
6(
Domingo:
6(
XM + XMI + XJ + XV + XS
XMI + XJ + XV + XS
>=300
>= 700
>= 800
+XD )
>= 300
No negatividad:
Xi>=0
Problema 6.-(mezcla)
Un viedo desea mezclar cuatro cosechas diferentes para producir tres tipos
de vino mezclado. Se establecen restricciones al porcentaje de la
composicin de las mezclas .
Se puede vender cualquier cantidad de la mezcla B y de la mezcla C pero a
la mezcla A se le considera una mezcla de alta calidad y por consiguiente
no se venden ms de 50 galones. Elabore un modelo de PL que har el
mejor uso de las cosechas con que se cuenta .
Composicin de las mezclas
MEZCLA
VENDIMIA
1
A
B
C
Oferta
*
180
*
250
PRECIO DE
VENTA
POR GALON
$70
40
30
200
(galones)
. Seala que no existe restriccin.
27
400
28
Solucin:
Mezcla A
Mezcla B
Mezcla C
Vendimia 1
X1a
X1b
X1c
Vendimia 2
X2a
X2b
X2c
Vendimia 3
X3a
X3b
X3c
Vendimia 4
X4a
X4b
X4c
Variable de decisin:
Xij = nmero de galones a utilizar de la vendimia i(i=1,2,3,4) para la
elaboracin de la mezcla j(j=A,B,C) .
Funcin Objetivo:
Maximizar = ($70/gal)(X1a + X2a + X3a + X4a)gal +($ 40/gal)(X1b +X2b
+X3b +X4b) gal + ($30/gal)( (X1c + X2c + X3c + X4c) gal
Restricciones:
Mezcla A :
en la expresin por lo menos 75% de 1 y 2 , se tiene que ver quienes son la
que componen la mezcla A para ubicarlas como denominador, en el
numerador se tiene a las vendimias 1 y 2 , obtenindose la siguiente
expresin:
(X1a + x2a) gal / (x1a+x2a+x3a+x4a) gal >= 0.75
en la expresin cuando ms 50%, el denominador es igual a la restriccin
anterior por que se refiere a la misma mezcla pero el numerador es solo con
respecto a la vendimia 4, la expresin queda:
( X4a ) gal / (x1a+x2a+x3a+x4a) gal <= 0.50
Mezcla B:
En la expresin por lo menos 35% , el denominador esta formado por todas
la vendimias pero el numerador se refiere slo a las vendimias 1 y 2, la
expresin es:
(X1b + X2b) gal / (x1b + x2b +x3b + x4b) gal >= 0.35
Mezcla C:
En la expresin cuando ms 40%, el denominador esta formado por todas
la vendimias pero el numerador se refiere slo a la vendimia 4, la
expresin es:
(X4c ) gal / (x1c + x2c + x3c +x4c) gal < = 0.40
28
29
Oferta:
Vendimia 1 tiene en oferta 180 galones, como esto es lo mximo que se
dispone entonces la restriccin queda:
(x1a + X1b + X1c) gal <= 180 gal.
Vendimia 2 tiene en oferta 250 galones, como esto es lo mximo que se
dispone entonces la restriccin queda:
(X2a + X2b + X2c ) gal <= 250 gal.
12
200
29
Acido
Clorhdrico
18
150
30
1
X2
-------- = -----30
Y2
p1= x1 + y1
p2= x2 + y2
De no negatividad:
Xi>=0
Otra manera de solucin:
30
31
32
X12>=1
X12<=6
X13>=1
X13<=6
X21>= 1
X21<=6
X22>=1
X22<=6
X23>=1
X23<=6
X31>= 1
X31<=6
X32>=1
X32<=6
X33>=1
X33<=6
No negatividad: Xij>=0
Problema 9 .- (Agricultura)
Una cooperativa agricola grande del suroeste de los Estados Unidos de
Norteamrica opera cuatro granjas.La produccin de cada granja est
limitada por la cantidad de agua disponible para irrigacin y por el nmero
de acres disponibles para cultivo. Los datos de la tabla A describen las
granjas. Normalmente, la cooperativa cultiva 3 tipos de productos, aunque
cada una de las granjas no necesariamente cultiva todos ellos. Debido a la
limitacin en la disponibilidad de equipo para cosechar, existen
restricciones sobre el nmero de acres de cada producto que se cultivan en
cada granja. Los datos de la tabla B reflejan el mximo de acres de cada
cultivo que pueden producirse en cada granja. El agua que se requiere
(expresada en millares de pies cbicos por acre) para los respectivos
cultivos son: 6, 5 y 4. Las utilidades que se proyectan por acre para cada
uno de los tres cultivos son $500, $350 y $200, respectivamente.
Para mantener una carga de trabajo equilibrada entre las 4 granjas, la
cooperativa ha adoptado la poltica de hacer que en cada granja se cultive
un porcentaje igual de terreno disponible. Plantee un modelo de PL para el
problema que permita la cooperativa a determinar la cantidad (acres) de
cada cultivo que deben plantarse en cada granja para que se maximice la
utilidad total esperada para la cooperativa.
32
33
Tabla A
Disponibilidad de Agua Disponibilidad de Tierra
Granja (pies cbicos)
(acres)
1
480 000
450
2
1320 000
650
3
370 000
350
4
890 000
500
Tabla B
Cultivo
A
B
C
Solucin:
Variables de decisin:
Xij= Nmero de acres a sembrar en la granja i(i=1,2,3,4) con el cultivo
j(j=1,2,3)
Funcin Objetivo:
Maximizar=
($500/acres)(x11+x21+x31+x41)acres
+ ($350/acres)(x12+x22+x32+x42)acres
+ ($200/acres)(x13 +x23+x33+x43)acres
Restricciones:
Cantidad mxima de acre en cada granja para cada cultivo:
x11 acres <= 200 acres
x12 acres <= 150 acres
x13 acres <= 200 acres
x21 acres <= 300 acres
x22 acres <= 200 acres
x23 acres <= 350 acres
33
34
35
36
37
38
plantas de carbn .
3. Los enfluentes que salen a la atmsfera no deben exceder
los lmites especificados en la tabla 2
4. La cantidad de energa generada a partir de gas natural
debe ser al menos 30% de la generada a partir del
petrleo.
Formule un programa lineal para determinar un plan de energa
de costo mnimo .
Tabla 1 Capacidades de generacin y costos
Fuente de Energa
Carbn
Gas Natural
Nuclear
Hidroelctrica
Petrleo
Capacidad Total
(MW-hr)
45000
15000
45000
24000
48000
Costo de Generacin
($/MW-hr)
6
5,5
4,5
5
7
Fuente de
Energa
Carbn
Gas Natural
Nuclear
Dixido de
azufre
1,5
0,2
Contaminante (gm/MW-hr)
Monoxido de Partculas de
Carbono
Polvo
1,2
0,7
0,5
0,1
0,2
Desechos
Slidos
0,4
0,7
Hidroelctrica
Petrleo
Kg mximos
permitidos
0,4
75
0,8
60
0,5
30
Solucin:
Variables de Decisin:
CUD= Mw-h producido por Carbn de uso domestico.
CUE= Mw-h producido por Carbn de uso externo.
GNUD= Mw-h producido por Gas natural de uso domestico.
GNE= Mw-h producido Gas natural de uso externo.
NUD= Mw-h producido Nuclear de uso domestico.
38
0,1
25
39
Funcin Objetivo:
Minimizar =6.0/Mw-h(CUD+DUE)Mw-h+5.5/Mw-h(GUD+GUE)Mw-h
+4.5/Mw-h(NUD+NUE)Mw-h+5.0/Mw-h(HUD+HUE)Mw-h
+7.0/Mw-h(PUD+PE)Mw-h
Restriccin:
Demanda de energa de uso domestico
(CUD+GNUD+NUD+HUD+PUD)Mw-h=50000Mw-h
Demanda de energa de uso externo
(CUE+GNUE+NUE+HUE+PUE)Mw-h=10000Mw-h
1.Energa generada por material nuclear
(NUD+NUE)Mwh<=0.20(CUD+CUE+GNUD+GNUE+NUD+NUE+HUD+HUE
+PUD+PUE)Mw-h
2.Capacidad de produccin de la planta de carbn
(CUD+CUE)Mw-h=>0.80(45000)
Dixido de Azufre:
*( 1.5GR DE DIOXIDO DE AZUFRE/Mw-h)(CUD+CUE)Mw-h
+( 0.2GR DE DIOXIDO DE AZUFRE/Mw-h)(GNUD+GNUE)Mw-h
+( 0.4GR DE DIOXIDO DE AZUFRE / Mw-h )( PUD + PUE ) Mw-h
<=75Kg(1000GR/1Kg)
Monoxido de carbono:
*(1.2GR DE MONOXIDO DE CARBONO/Mw-h)(CUD+CUE)Mw-h
+(0.5GRDE MONOXIDO DE CARBONO/Mw-h)(GNUD+GNUE)Mw-h
+(0.1GR DE MONOXIDO DECARBONO/Mw-h)(NUD+NUE)Mw-h
+( 0.8 GR DE MONOXIDO DE CARBONO / Mw-h )(PUD+PUE)Mw-h
<=60Kg(1000GR/1Kg)
Partculas de Polvo:
39
40
Desechos slidos:
*(0.4GR DE DESECHOS SOLIDOS/MW-H)(CUD+CUE)Mw-h
+(0.7GR DE DESECHOS DE POLVO/Mw-h)(NUD+NUE)Mw-h
+(0.1GR
DE
DESECHOS
DE
POLVO/Mw-h)(PUD+PUE)Mw-h
<=25Kg(1000GR/1Kg)
4.Cantidad de energa generada a partir de gas natural
(GNUD+GNUE)Mw-h=>0.30(PUD+PUE)Mw-h
No negatividad
CUD>=0
CUE>=0
GNUD>=0
GNE>=0
NUD>=0
NUE>=0
HUD>=0
HUE>=0
PUD>=0
PUE>=0
Problema 13.-(Produccin)
Cada semana Florida Citrus, Inc., usa una sola mquina durante 150 horas para
destilar jugo de naranja y de toronja en concentrados, estos jugos estan
almacenados en dos tanques separados de 1000 galones cada uno antes de
congelarlos.La mquina puede procesar 25 galones de jugo de naranja por hora,
pero slo 20 galones de jugo de toronja. Cada galn de jugo de naranja cuesta
$1.50 y pierde 30% de contenido de agua al destilarse en concentrado.
El concentrado de jugo de naranja se vende despus en $6 por galn, cada galn de
jugo de toronja cuesta $2 y pierde 25% de contenido de agua al destilarse en
concentrado. El concentrado de jugo de toronja se vende despus en $8 por galn.
Formule un modelo de PL para determinar un plan de produccin que maximice la
ganancia para la siguiente semana.
40
41
Solucin:
Variables de decisin:
Xi= nmero de galones de jugo tipo i(i= naranja, toronja=1, 2)
a usar en la produccin.
41
42
Capitulo IV
Modelos para formular
NIVEL C
Problema 1.
Se esta diseando un vehculo espacial para llevar astronautas a Marte y
traerlos de regreso. Este vehculo tendr tres compartimentos , cada uno
con su propio sistema de mantenimiento de la vida independiente. El
elemento clave en cada uno de estos sistemas es una pequea unidad
oxidante que provoca un proceso qumico para producir oxigeno. Sin
embargo, no pueden probarse con anticipacin y solo se logra algo en
provocar este proceso qumico. Por lo tanto, es importante tener unidades
de apoyo para cada sistema. En virtud de la diferencia en los
requerimientos para los tres compartimentos, las unidades que se necesitan
para cada uno tienen caractersticas un tanto diferentes. Ahora debe tomarse
una decisin sobre cuantas unidades proporcionar a cada compartimento,
tomando en cuenta las limitaciones de diseo sobre la cantidad total de
espacio, peso y costo que pueden ser asignadas a estas unidades en relacin
con la nave completa. La tabla siguiente resume estas limitaciones as como
las caractersticas de las unidades individuales por cada compartimento:
Compartimento Espacio Peso Costo Probabilidad
(pulg3) (lb)
($)
de falla
1
40
15
30000
0.30
2
50
20
35000
0.40
3
30
10
25000
0.20
Si todas las unidades fallan en solo uno o dos de los compartimentos, los
astronautas pueden ocupar el compartimento, o los compartimentos
restantes y continuar su viaje espacial pero con cierta perdida en la cantidad
de informacin cientfica que puede ser obtenida. Sin embargo, si todas las
unidades fallan en los tres compartimentos, entonces los astronautas
todava pueden regresar la nave con seguridad, pero el viaje en conjunto
debe ser completamente abortado a gran costo. Por lo tanto, el objetivo es
minimizar la probabilidad de que esto ocurra, sujeto a las limitaciones antes
mencionadas y a la restriccin adicional de que cada compartimento tenga
42
43
una probabilidad de no mas del 0.05 de que todas sus unidades fallen.
Plantese el modelo de programacin lineal para este problema.
(sugerencia: sense logaritmos)
Solucin:
Variable de decisin:
Sea Xi = el numero de unidades de apoyo en el compartimento i (i=1,2,3)
Restricciones :
Espacio
40X1 + 50X2 + 30X3 <= 500
Peso
15X1 + 20X2 + 10X3 <=200
Costo
30000X1 + 35000X2 + 25000X3 <= 400000
Probabilidad de falla
Compartimento 1
(0.30)X1
<=0.05
Compartimento 2
(0.40)X2
<=0.05
Compartimento 3
(0.20)X3 <=0.05
Esto ultimo se explica, porque si el compartimento 1 existiera una unidad,
la probabilidad de falla seria 0.3, si hubieran dos unidades, la probabilidad
seria (0.3) (0.3) = (0.09), y de modo general, si hubieran X1 unidades, la
probabilidad seria (0.3)x
Funcin Objetivo:
Prob (compart. 1) Prob (compart. 2) Prob (compart. 3)
min Z = (0.3)X1 (0.4)X2 (0.2)X3
Con la finalidad de linealizar, se recurre a los logaritmos, obtenindose
min = x1 1n (0.3) + x2 1n (0.4) + x3 1n (0.2)
43
44
Restricciones:
Espacio
40x1 + 50x2 + 30x3 <= 500
Peso
15x1 + 20x2 + 10x3 <= 200
costo
30x1 + 35x2 + 25x3 <= 400
Unidades de apoyo en el compartimento 1
x1
>= 1n (0.05) / 1n (0.3)
Unidades de apoyo en el compartimento 2
x2
>= 1n (0.05) / 1n (0.4)
Unidades de apoyo en el compartimento 3
x3 >= 1n (0.05) / 1n (0.2)
No negatividad:
x1, x2, x3 >= 0
Problema 2.Una familia de granjeros posee 100 acres de tierra y tiene $30000 en
fondos disponibles para inversin.Sus miembros pueden producir un total
de 3500 horas - hombre de mano de obra durante los meses de invierno(de
mediados de septiembre a mediados de mayo) ,4000 horas - hombre
durante el verano. Si no se necesitan cualesquiera de estas horas - hombre
,los miembros mas jvenes de la familia usarn para trabajar en una granja
vecina por$4.00/hora, durante los meses de invierno, y $4.50/hora, durante
el verano.
El ingreso de efectivo puede obtenerse a partir de tres cultivos y dos tipos
de animales: vacas lecheras y gallinas ponedoras. No se necesita invertir en
los cultivos .Sin embargo ,cada vaca requerir un desembolso de $900 y
cada gallina requerir de $7. Cada vaca requerir 1.5 acres de tierra,100
horas - hombre de trabajo durante los meses de invierno ,y otras 50 horas hombre durante el verano .Cada vaca producir un ingreso anual neto en
efectivo de $800 para la familia .Los valores correspondientes para las
gallinas son : nada de tierra, 0,6 horas hombre durante el verano y un
ingreso anual neto en efectivo de $ 5. El gallinero puede acomodar un
mximo de 300 gallinas y el tamao del granero limita el rebao a un
mximo de 32 vacas .Las horas hombres y los ingresos estimados por acre
plantado en cada uno de los tres cultivos son :
44
Horas hombre en
invierno
Horas hombre en
verano
Horas anual neto
en efectivo($)
45
Frijol de soya
20
Maz
35
Avena
10
50
75
40
375
550
250
46
47
Restricciones:
Compra:
Clase1: (PCL1)pie3/semana <= 40000 pie3/semana
Clase2: (PCL2)pie3/semana <= 60000 pie3/semana
Tiempo de secado:
(2seg/pie3)PCL1 pie/semana + (0.8seg/pie3)PCL2pie3/semana
+ (T)troncos(1.3seg/tronco) <=(40h/semana)(3600seg/h)
Capacidad de aserradero:
(0.7pie3util)/pie3 (PCL1)pie3 + (0.9pie3util/pie3)(PCL2)pie3
+ (0.8pie3util/tronco)(Ttronco) <=35000 pie3/semana
Pedido:
(0.7pie3util)/(pie3)(PCL1(pie3/semana))+(0.9pie3util/pie3)
(PCL2(pie3/semana))+(0.8pie3util)tronco(T)tronco=90000 pie3util/semana
Problema 4.Un consumidor requiere, durante los prximos cuatro meses, 50, 65, 100 y
70 unidades, respectivamente, de cierto artculo (no se permiten demandas
pendientes). Los costos de produccin son 5 dlares, 8 dlares, 4 dlares y
7 dlares por unidad, durante estos meses.
El costo de almacenaje de un mes al siguiente, es de 2 dlares por
unidad(aplicado al terminar el inventario). Se estima que cada unidad
sobrante al final del cuarto mes, tendr que venderse a 6 dlares. Formule
un PL que minimice los costos netos para cumplir con las demandas
durante los prximos cuatro meses.
Solucin:
Mes
1
2
3
4
Demanda
50
65
100
70
Costo de
$5/unid
$8/unid
$4/unid
$7/unid
produccin
Variables de decisin:
Ii= Nmero de unidades en el mes i(i=1,2,3,4)
Pi= Nmero de unidades producidas en el mes i(i=1,2,
Di= Nmero de unidades demandadas en el mes i(i=1,2,3,4)
47
48
Funcin Objetivo:
Minimizacin = ($5/unid)(P1 unid) + ($8/unid)(P2 unid)
+($4/unid)(P3 unid) + ($7/unid)(P4 unid)
+($2/unid)(I1 + I2 + I3)unid
-($6/unid)(I4)unid
Restricciones:
INVENTARIO EN EL MES 1: DEMANDA EN EL MES 1:
I1=I0-P1-D1
D1=50
INVENTARIO EN EL MES 2: DEMANDA EN EL MES 2:
I2=I1-P2-D2
D2=65
Enero
Febrero
Marzo
Abril
Mayo
Junio
Costo
49
Periodos
2
E1
F1
M1
A1
MY1
J1
$200
E2
E2+F2
F2+M2
M2+A2
A2+MY2
MY2+J2
$350
E3
E3+F3
E3+F3+M3
F3+M3+A3
M3+A3+MY3
A3+MY3+J3
$450
Por lo
menos
9
5
7
9
10
5
Variables de decisin:
Ei= Nmero de computadoras a alquilar en el mes de Enero durante i
meses (i=1,2,3).
Fi= Nmero de computadoras a alquilar en el mes de Febrero durante i
meses (i=1,2,3).
Mi= Nmero de computadoras a alquilar en el mes de Marzo durante i
meses (i=1,2,3).
Ai= Nmero de computadoras a alquilar en el mes de Abril durante i
meses (i=1,2,3).
MYi= Nmero de computadoras a alquilar en el mes de Mayo durante i
meses (i=1,2,3).
Ji= Nmero de computadoras a alquilar en el mes de Junio durante i
meses (i=1,2,3).
Funcin Objetivo:
Minimizar=($200/unid)(E1 + F1 + M1 + A1 + MY1 + J1)unid
+($350/unid)(E2 + F2 + M2 + A2 + MY2 + J2)unid
+($450/unid)(E3 + F3 + M3 + A3 + MY3 + J3)unid
- ($150/unid)(MY3 unid) - ($175/unid)(J2 unid)
- ($300/unid)(J3 unid)
49
50
Restricciones:
Enero:
E1 + E2 + E3 >= 9
Febrero:
F1 + F2 + F3 + E2 + E3 >=5
Marzo:
M1 + M2 + M3 + F2 + F3 + E3 >= 7
Abril:
A1 + A2 + A3 + M2 + M3 + F3 >= 9
Mayo:
MY1 + MY2 + MY3 + A2 + A3 + M3 >= 10
Junio:
J1 + J2 + J3 + MY2 + MY3 + A3 >= 5
No Negatividad
E1, E2, E3 , F1, F2, F3 , M1, M2, M3, A1, A2, A3,
MY1, MY2, MY3 , J1, J2 ,J3 >=0
Problema 6.Un proveedor debe preparar con 5 bebidas de fruta en existencias, al menos
500 galones de un ponche que contenga por lo menos 20% de jugo de
naranja, 10% de jugo de toronja y 5% de jugo de arndano. Si los datos del
inventario son los que se muestran en la tabla siguientes Qu cantidad de
cada bebida deber emplear el proveedor a fin de obtener la composicin
requerida a un costo total mnimo?
Jugo de Jugo de
Naranja Toronja
Jugo de
Arndan
o
Bebida A
40
40
0
Bebida B
5
10
20
Bebida C
100
0
0
Bebida D
0
100
0
Bebida E
0
0
0
Nota: Las tres primeras columnas indican el
50
Existencia Costo
[gal]
[$/gal]
200
1,50
400
0,75
100
2,00
50
1,75
800
0,25
porcentaje de un tipo de
51
i A
Ci
Restricciones:
E
1)
X
i A
500
2)
N i 0.2
Ti 0.1
i A
E
3)
i A
X
i A
E
X
i A
requerida)
E
4)
X
i A
Ai 0.05
i A
requerida)
5) X i E i i A..E
bebida)
6) X i 0 i A..E
Problema 7.Un pequeo taller arma dispositivos mecnicos, ya sea como un producto
51
52
52
53
1 int ermedio
1 obrero no calificado
j
2 obrero calificado
Restricciones:
1)
2)
X 1 100
X 1 150
0.5 X 1 X 2 0.6 X 3 80 Z 1
Z 1 20
no calificado)
3)
Z 2 10
obrero calificado)
X i 0 y enteros i 1..3
4) Z 0 j 1,2
j
(Horas de trabajo de
54
Solucin:
La situacin se puede ilustrar grficamente como:
1
Xa1
Xa2
Xa3
Xa4
Xd1
Xb1
Xb2
Xb3
Xc2
Xd5
55
56
i 2 camionetas
3 jeeps
0.85 I
i 1
2
i1 0.85 I i 3 X i
C
i 1
X i 0.14 Z i1 0.14 Z i 2
Restricciones:
3
1)
Y
i 1
i1
2 10 6
(Capital Inicial)
56
57
i 1
i 1
Yi 2 0.14 Z i1 I i1 X i
5)
Y
j 1
ij
0.5 C i X i
inicio ao 2)
2
7) 1.14
i 1
Zi2
I
i 1
i2
Xi
8) Y , Z 0 i 1..3 j 1..3
ij
j
(Naturaleza de las
variables)
Problema 10.Considere el problema de programacin de la produccin de un conjunto de
m tipos diferentes de artculos para los prximos n meses en una fbrica.
- En cuanto al uso de materias primas, el costo de produccin de
cada artculo de tipo i se estima en ci.
- La produccin de un artculo tipo i requiere moi horas de mano de
obra, disponiendo la fbrica de hj horas de mano de obra durante el
mes j. En ciertos meses, la fbrica puede emplear horas extras para
aumentar sus recursos de mano de obra. En general, se puede
denotar por stj la cantidad mxima de horas extras disponibles en el
mes j, cada una de las cuales tiene un costo unitario de cst.
- La demanda de artculos tipo i en el mes j se estima en dij, las
cuales necesariamente deben ser satisfechas.
- El exceso de produccin puede ser almacenado a un costo mensual
unitario de s. Existe capacidad para almacenar un volumen mximo
de v, pudindose representar por vi el volumen de un artculo de
57
58
Funcin Objetivo:
c
i 1 j 1
X ij
cst Z
j 1
s V
i 1 j 1
ij
Restricciones:
m
1)
i 1
moi X ij h j Z j
j 1..n
Z j st j
normal y extra)
X i1 d i1 V i1
i 1..m
2) X V
ij
ij 1 dij V ij i 1..m j 2..n
(Se debe satisfacer la demanda mensual con artculos producidos
y/o almacenados)
m
3)
v
i 1
5)
59
(Naturaleza de
las variables)
CAPITULO V
CASOS DE APLICACIN DE MODELOS LINEALES
CASO 1:
Gracias a una adecuada estrategia de marketing y a la calidad del producto,
cierta pequea fbrica de canastos de mimbre ha recibido pedidos que
superan su actual capacidad de produccin. Durante las prximas cuatro
semanas debe entregar 52, 65, 70 y 85 canastos, respectivamente.
Actualmente cuenta con seis artesanos.
La gerencia general de la fbrica ha decidido contratar personal nuevo para
poder cumplir sus compromisos comerciales. Dada la escasez de artesanos,
se deber contratar personal sin experiencia. Un novato puede ser
entrenado para llegar a ser aprendiz durante una semana. La segunda
semana trabaja como aprendiz para ganar experiencia. Comenzando la
tercera semana (despus de dos semanas de trabajo) se transforma en
artesano.
La produccin estimada y sueldos de los empleados es la siguiente:
Artesano dedicado
slo a la produccin
Artesano dedicado a
prod. y entrenamiento
Aprendiz
Novato
PRODUCCIN
Canastos/semana
10
SALARIOS
$/semana
30.000
40.000
5
1
15.000
5.000
Cada artesano puede entrenar hasta dos novatos por semana (el
entrenamiento de un novato slo dura una semana). Todo excedente de
produccin semanal puede ser guardado para cumplir los siguientes
compromisos comerciales.
59
60
1
2
i
3
4
artesano productor
artesano instructor
aprendiz
novato
Min
j 1..4
donde
j1 i 1
x ij
10
61
(Semana 2)
x 32 x 41
x 12 x 22 x 11 x 21
10 x 12 5 x 22 x 42 5 x 32 z 1 65
x 42 2 x 22
z 2 10 x 12 5 x 22 x 42 5 x 32 z 1 65
(Semana 3)
x 33 x 42
x 13 x 23 x12 x 22 x 32
10 x 13 5 x 23 x 43 5 x 33 z 2 70
x 43 2 x 23
z 3 10 x 13 5 x 23 x 43 5 x 33 z 2 70
(Semana 4)
x 34 x 43
x 14 x 13 x 23 x 33
10 x 14 5 x 34 z 3 85
x 14 9
x ij , z j 0 y enteros
61
62
Caso 2
La ciudad 1 produce 500 toneladas de basura por da y la ciudad 2 produce
400 toneladas por da. La basura debe ser incinerada en los incineradores 1
2, y cada incinerador puede procesar hasta 500 toneladas de basura por
da. El costo de incinerar la basura es US$ 40/ton en el incinerador 1 y US$
30/ton en el incinerador 2. La incineracin reduce cada tonelada de basura
a 0.2 toneladas de cenizas, las cuales deben ser llevadas a uno de dos
depsitos. Cada depsito puede recibir a lo ms 200 toneladas de cenizas
por da. El costo es de US$ 3/milla para transportar una tonelada de
material (ya sea ceniza o basura). Las distancias en millas se muestran en la
tabla.
Formule el problema de programacin lineal que se puede usar para
minimizar los costos.
Ciudad 1
Ciudad 2
Incinerador 1
Incinerador 2
Incinerador Incinerador
1
2
30
5
36
42
Botadero 1 Botadero 2
5
8
9
6
Solucin.
63
Supuestos :
Toda la basura producida en un da debe ser incinerada durante ese
mismo da.
Los botaderos no cobran por recibir las cenizas.
Existe indiferencia en escoger el incinerador 1 2 con relacin a
cualquier variable que no sea el costo por tonelada incinerada.
El cobre de transporte es una funcin exclusiva de la distancia
recorrida, dejando de lado cualquier otro factor.
La decisin se tomar exclusivamente desde el punto de vista de
los costos.
El anlisis se realizar en el perodo de un da, dado los datos
entregados.
Formulacin:
De acuerdo al objetivo y: supuestos planteados, se escoger las
siguientes variables de decisin:
Xij : cantidad de basura en toneladas transportada desde la ciudad
i hasta el incinerador j, as, i=1..2 y j=1..2.
Yij : cantidad de ceniza en toneladas transportada desde el
incinerador i hasta el botadero j as, i=1..2 y j=1..2.
Con la tabla de distancias dadas y los costos de incineracin, se plantea
la funcin objetivo:
63
cos
64
X11 X 21 500
X12 X 22 500
X 21 X 22 400
- X ij 0 & Yij 0
Relativo al inc
Relativo al inc
64
65
Nivel del G
fundido1
66
Respuesta.
67
Formulacin:
De acuerdo al objetivo y: supuestos planteados, se escoger las
siguientes variables de decisin:
X1 : cantidad de transistores producidos por el mtodo 1.
X2 : cantidad de transistores producidos por el mtodo 2.
Xij : cantidad de transistores provenientes del mtodo i y de clase
j que se envan a reprocesar, as, i=1..2 y j=0...3. Se entiende por
clase j: de nivel j, considerando como defectuoso de clase 0.
Es claro que no tiene sentido reprocesar los transistores de nivel 4,
por eso el subndice j slo llega hasta3.
Con las tablas de produccin en porcentaje dadas y los costos de
fabricacin por unidad, se plantea la funcin objetivo:
Z
50 X1 70
X
2
25
X ij
i 1 j0
67
68
0.05 X1 0.15 X 2 0.1 X10 X 20 0.2 X11 X 21 0.3 X12 X 22 0.5 X13
No reprocesados
Re procesados
No reprocesad os
Re procesados
0.2X 1 X 12 0.25
X X 0.15 X10 X 20 0.3 X11 X 21 0.4 X12 X 22
2 22
No reprocesad os
Re procesados
Re procesados
X 20 0.2X 2
X11 0.3X1
X 21 0.2X 2
X12 0.2X1
X 22 0.25X 2
X13 0.15 X1
X 23 0.2X 2
Cabe destacar que todas las variables deben ser positivas y enteras dado
que representan nmero de unidades de transistores.
La formulacin anterior permite resolver el problema ya sea utilizando
el mtodo Simplex o bien algn software especializado como LINDO.
Caso 4
PLANEACION DE PRODUCCION DE CASSINELLI E HIJOS S.A.C
68
69
70
70
71
72
72
73
CASO FINAL
TCorporacin para el desarrollo del lago SADDLEBACK.
LSDC est desarrollando una comunidad de casas y condominios en los
alrededores del lago Saddleback, Texas. La idea es utilizar 300 acres
de tierra de tal forma de maximizar sus ganancias ofreciendo una
apropiada variedad de diferentes alternativas de casas constituyendo
diferentes productos. Adems, la corporacin desea analizar la
factibilidad de desarrollar 10 acres para un complejo deportivo y de
recreacin.
LSDC est ofreciendo 4 productos: (1) La serie Gran Estado (2) La
coleccin Glen Wood (3) Casas con vista al lago y (4) casas en
Condominio. Cada uno de estos productos tiene 4 planos con diferentes
estilos, tal como se describe en la siguiente lista:
Plano
Precio venta
(US$)
Tamao
(ft2)
Dormitorios
Baos
Pisos
Tamao
Garage
(autos)
700.000
680.000
650.000
590.000
4000
3600
3000
2600
5+manzarda
4+manzarda
4
3
4
3
3
3
2
2
1
1
3
3
3
3
420.000
2800
4+manzarda
380.000
320.000
280.000
2400
2200
1800
4
3
3
3
3
2
2
2
1
2
2
2
300.000
270.000
240.000
2000
1800
1500
4
3+manzarda
3
2
2
2
2
2
1
2
2
2
Gran
Esta
do
Trump
Vanderbilt
Hughes
Jackson
Glen Wood
Gran
Cipr
s
Lazy Oak
Wind Row
Orangewoo
d
Vista
al
lago
Bayview
Shoreline
Docks
Edg
e
73
Condomio
Stream
Weeping
Wilo
w
Picket
Fen
ce
74
200.000
1200
220.000
160.000
1600
1200
3
2
2
2
2
1
140.000
1000
75
76
Variedad.
Como parte del proyecto se han definido ciertos requerimientos mximos y
mnimos arrojados por el departamento de estudios de mercado
(Condominio est includo).
Casas con
2-dormitorios
3-dormitorios
4-dormitorios
5-dormitorios
Mximo
25%
40%
40%
15%
Mnimo
15%
25%
25%
5%
Adems, ninguno de los cuatro productos (Gran Estado, Glen Wood, Vista
al lago, y Condominio) pueden ser ms que el 35% ni menos que el 15% de
las unidades construidas en el desarrollo. Ms an, dentro de cada
producto, cada plano debe ocupar entre 20% y 35% del total de unidades de
ese producto. Por razones de esttica hasta un mximo del 70% de las casas
de un-piso (salvo las de condominio) pueden ser casas de dos-pisos.
Abordables.
En el rea del lago cualquier casa avaluada en US$200.000 o menos es
considerada abordable. El gobierno exige al menos 15% del proyecto
pueda ser considerado como abordable.
Ganancias.
LSDC ha determinado los siguientes porcentajes de los precios de ventas
como ganancias netas:
Gran Estado
Glen Wood
Vista al lago
Condominio
22%
18%
20%
25%
Objetivos.
1. LSDC necesita determinar el nmero de unidades de cada plano de
cada producto a construir, de tal manera de maximizar sus ganancias.
2. Si LSDC construye un complejo de recreacin y deportivo en 10-acres,
esto podra reducir el rea utilizable en 10-acres y a un costo de
76
77
alrededor US$8 millones. Sin embargo, LSDC cree que esto puede
cargarse al costo de las casas como sigue:
Gran Estado
Glen Wood
Vista al lago
Condominio
5%
3%
2%
5%
*Excepto para el modelo Golden Pier, es decir todava puede ser catalogada
como abordable.
Informe:
Prepare un informe detallado analizando este proyecto y haga
sugerencias para la construccin. De recmendaciones si conviene o no
construir el complejo deportivo. Haga un anlisis apropiado de qu
sucede si.. (anlisis de sensibilidad) y haga un resumen de sus
recomendaciones finales.
Informe.
Consideraciones y supuestos.
Antes de resolver el problema es importante especificar la
interpretacin dada a algunas frases del enunciado del problema:
78
lote mnimo para casas de las series Glen Wood y Vista al Lago.
Se supondr tambin que cuando se habla del aviso de la casa se
refiere a la informacin del primer cuadro del enunciado.
Las manzardas no se considerarn como dormitorios (para el clculo
del parking).
Los porcentajes que aparecen asociados a la variedad se trabajarn
sobre el total de todas las casas.
Para la condicin asociada a la proporcin de las casas de dos pisos
frente a las de un piso, no se considerarn las casas del condominio de
un piso, es decir slo se considerarn las casas del condominio de dos
pisos para esta restriccin.
Para la segunda parte, se considerar que los porcentajes que
aparecen en la ltima tabla se refieren al valor (precio de venta) de las
casas y no a un aumento porcentual exclusivamente de las utilidades
de cada casa.
Para llevar todo a un mismo sistema de unidades se utilizar la
conversin:
1 acre = 43.560 ft2
Planteamiento.
Para poder resolver el problema es importante visualizar en forma
clara las distintas posibilidades para la construccin, esto se refiere no
slo a los 4 series y 15 planos distintos dados sino que tambin a las
distintas posibilidades permitidas para cada plano. El anlisis de las
distintas posibilidades ayudar a determinar el nmero de variables de
decisin con el objeto de resolver el problema va programacin lineal.
Similarmente es importante distinguir cada restriccin observando
el efecto que est produciendo, esto se refiere si tiene un efecto en la
superficie utilizadas por las casas, cantidad de ellas, relaciones en
cantidad de los distintos tipos, etc.
De esta forma se puede distinguir:
79
Producto Condominio.
En este caso slo se puede distinguir una posibilidad para cada plano.
Esto define 3 variables.
En resumen se tiene 8+5+5+3=21 variables de decisin.
Para denominar cada posibilidad para cada casa con una variable se
utilizar la siguiente convencin:
Xijk
caractersticas
producto
plano
i=1..4
(Gran
Estado,
Gleen
Wood,...
respectivamente)
j=1..4 (El significado depender del valor de i)
k=1..2 (El significado depender del valor de i y j)
El detalle de cada variable con los respectivos subndices se
encuentra en la tabla1 de la siguiente pgina.
Antes de plantear las restricciones es conveniente plantear en
forma ordenada las caractersticas de cada casa en cuanto a superficie
que se le asigna en el proyecto, precio de venta, parking requeridos por esa
casa, ganancia asociada a ella, caractersticas generales, etc. La forma
ms conveniente de presentar esta informacin es con la ayuda de un
cuadro (Tabla 1).
79
80
Gran
Estado
X111 Trump
standard
X112 Trump en
el lago
X12 Vanderbi
lt
1
standard
X12 Vanderbi
lt en el
2
lago
X13 Hughes
standard
1
X13 Hughes
en
el
2
lago
X14 Jackson
standard
1
X14 Jackson
en
el
2
lago
Glen
Wood
X211 Gran
Ciprs
standard
X21 Gran
Ciprs
2
premiada
X22 Lazy Oak
standard
1
X23 Wind
rea
real
[ft2]
Precio
venta
US$
Area
asignad
a [ft2]
Dor
m.
Gara
ge
Parking
700.000
21.780
5+m
No
154000
960.000
21.780
5+m
No
211.200
680.000
21.780
4+m
No
149.600
934.000
21.780
4+m
No
205.480
650.000
21.780
No
143.000
895.000
21.780
No
196.900
590.000
21.780
No
129.800
817.000
21.780
No
179.740
4950
420.000
4950
4+m
No
75.600
460.000
10890
4+m
No
82.800
4100
380.000
4356
No
68.400
3800
320.000
4356
No
57.600
80
Abor Gananci
dabl
a
e
US$
Row
standard
Orange
Wood
standard
Vista al
lago
X311 Bayview
standard
X31 Bayview
premiada
2
X32 Shoreline
standard
1
X33 Docks
Edge
1
standard
X34 Golden
Pier
1
standard
Condomi
nio
X411 Stream
standard
X42 Weeping
Wilow
1
std.
X43 Picket
Fence
1
stdandar
d
81
3500
280.000
4356
No
50.400
3350
300.000
4.356
No
60.000
330.000
7.260
No
66.000
3125
270.000
4.356
3+m
No
54.000
2900
240.000
4.356
No
48.000
2600
200.000
4.356
40.000
220.000
1.500
No
55.000
160.000
1.500
40.000
140.000
1.500
35.000
82
; X142 8
200 2 X111 - X112 X221 X311 X312 X421 X431 3X 411 X 121
X 211 X 212 X231 X 241 X 321 X 331 15 43560
Xijk
i
7. Condicin de variedad.
2
0,15
dormitorios:
3 dormitorios:
0,25
Xijk
j
82
83
4 dormitorios:
0,25
dormitorios:
0,05
Glen Wood:
0,15
Vista al Lago:
0,15
Condominio:
0,15
84
X111
X112 X121 X122 X 211 X 212 X 221 X 231 X 311 X 312
CANTIDAD DE CASAS DE 2 PISOS
Xijk
i
4950X211
10890X212
4356
X221
X231
X241
X311
X321
X331
X
1000
Xijk
i
X 112
200
2 X 111
X 221
X 311
X
312
X
421
X
SUPERFICIE PARKING
CARRETERAS Y PARQUES
200
X121
X
122
X
131
X 132
X 211
X
212
X
231
X
241
X 321
X 33
SUPERFICIE PARKING
y enteros
84
85
ANEXOS
George Dantzig: Fundador de la Programacin Lineal
SIAM News, Noviembre de 1994
86
87
88
89
89
90
ANEXO 2
Historia de los mtodos cuantitativos
Introduccin
El inicio formal de la Investigacin Operativa tuvo lugar en Inglaterra a
finales de 1939, cuando la estacin de investigacin de Bawdsey, bajo la
direccin de A. Rowe, fue encargada del desarrollo de polticas ptimas
para el nuevo sistema de deteccin militar llamado radar. Poco despus, se
present un estudio de las fases de las operaciones nocturnas en lo que sera
un modelo para los estudios posteriores del mismo tipo.
Poco despus, debido a las extremas necesidades de personal que se
plantearon durante la guerra y a la complejidad de los nuevos sistemas de
defensa y ataque que se introdujeron, pareci indicado el empleo de
cientficos en el estudio global de los problemas planteados. La finalidad
era conseguir la mxima eficiencia posible. As, en Agosto de 1940, el
fsico P.M.S. Blackett de la Universidad de Manchester fue
responsabilizado de formar un grupo de trabajo para estudiar el sistema de
defensa antiarea gobernado por radar. Este grupo, estaba constituido por
tres psiclogos, dos fsicos matemticos, un astrofsico, un oficial del
ejrcito, un topgrafo, un fsico y dos matemticos. Fue jocosamente
denominado el circo de Blackett, siendo generalmente admitido que en l
se daban todas las caractersticas de los grupos que trabajan en
Investigacin Operativa:
Grupo de trabajo interdisciplinar
Empleo de modelos matemticos
Punto de vista de anlisis de sistemas
Uno de los primeros esfuerzos de este grupo fue dirigido al estudio del
ataque areo a los submarinos. Las bombas estaban programadas para
estallar a una profundidad de unos treinta metros, pues se argumentaba que
90
91
92
93
93
94
95
95
96
97
98
99
100
100
101
101