Está en la página 1de 82

EJERCICIOS DE PROGRAMACIÓN LINEAL MODELACIÓN, SOLUCIÓN E INTERPRETACIÓN

INVESTIGACIÓN DE OPERACIONES

SISTEMA DE EJERCICIOS DE PROGRAMACIÓN


LINEAL:

MODELACIÓN, SOLUCIÓN E INTERPRETACIÓN DE


RESULTADOS.

JOSÉ E. VÁZQUEZ ARÉVALO


PROCESOS TECNOLÓGICOS E INDUSTRIALES
ITESO

JEVA / PTI 1
EJERCICIOS DE PROGRAMACIÓN LINEAL MODELACIÓN, SOLUCIÓN E INTERPRETACIÓN

PROBLEMAS TIPO "MEZCLA DE PRODUCTOS".


PROBLEMAS DE NIVEL BÁSICO.
1. Dijes.
Un joyero puede disponer semanalmente de 800 gramos de oro, 2.4 kilogramos de plata y 14 kilogramos de cobre.
Actualmente fabrica dos dijes que tienen gran demanda. Se llevan 10 gramos de oro en cualquier dije que fabrique,
pero el dije 1 lleva también 40 gramos de plata y 150 de cobre mientras que el dije 2 requiere de 250 gramos de cobre
y 20 de plata. Se tiene una utilidad total de $90 y $70 para el dije 1 y 2 respectivamente.
a. Haga una tabla con los datos del problema.
b. Desarrolle un modelo que ayude a hacer un programa de producción que
maximice la utilidad total.

Tabla de Datos.
Ma teri ales
Dije (gramos/dije) Utilidad
Oro Plata Cobre ($/dije)
1 10 40 150 90
2 10 20 250 70
Disponibilidad
(gramos/semana) 800 2,400 14,000

Modelación.

Variables de Decisión.
Xi = Dije tipo "i" a fabricarse semanalmente.
(d/s)

Función Objetivo.
Máx. Z = 90X1 + 70X2
$/s ($/d) (d/s) = $/s

Restricciones.
1. Materiales.
Oro 10X1 + 10X2 ≤ 800
Plata 40X1 + 20X2 ≤ 2,400
Cobre 150X1 + 250X2 ≤ 14,000
(g/d)( d/s) = g/s g/s
2. No negatividad Xi ≥ 0

Análisis Dimensional: Probado.

Solución Optima.
X1 = 45.77143
X2 = 28.571|4
0ro (H1) = 57.1429
Máx. Z = 6,114.286

Interpretación.
Como los dijes son una variable discreta que solo se pueden fabricar en unidades enteras, se tienen dos posibles
alternativas de fabricación para la siguiente semana: fabricar 46 dijes 1 y 28 dijes 2 ó 45 dijes 1 y 29 dijes 2.
 Alternativa 1: si se fabrican 46 dijes 1 y 28 dijes 2, se tendrá un sobrante de 60 gramos de oro y 100 gramos
de cobre, con una utilidad total de $6,100.
 Alternativa 2: fabricar 45 dijes 1 y 29 dijes 2, se tendrán sobrantes de 60 gramos de oro y 20 gramos de plata,
con una utilidad total de $6,080.
La mejor decisión será fabricar la alternativa 1 donde la restricción dominante o “cuello de botella” es la disponibilidad
de la plata.

JEVA / PTI 2
EJERCICIOS DE PROGRAMACIÓN LINEAL MODELACIÓN, SOLUCIÓN E INTERPRETACIÓN

2. Productos de Moda.
Una empresa fabrica tres productos de moda, que Mercadotecnia ha nombrado como producto 1, 2 y 3. Estos
productos se fabrican a partir de tres ingredientes A, B y C. Los kilogramos de cada ingrediente que se requieren para
fabricar un kilogramo de producto terminado se presentan en la siguiente tabla:

Ingredientes
(KgIng./kgProd. Terminado)
Tipo de Producto
A B C
P1 4 7 8
P2 3 9 7
P3 2 2 12

La empresa dispone de 400, 800 y 1000 kilogramos de los ingredientes A, B y C respectivamente. Con las condiciones
actuales del mercado, el margen de utilidad por kilogramo para el producto 1 es de $180, para el producto 2 es de
$100 y de $120 para el producto 3. Modele el problema para determinar la cantidad de cada producto que debe
fabricarse para maximizar las utilidades.

Modelación.
Variables de Decisión.
Xi = Producto Terminado tipo "i" a fabricarse.
(KgPT)

Función Objetivo.
Máx Z = 180X1 + 100 X2 + 120 X3
$ ($/Kgpt)Kgpt = $

Restricciones.
1. Ingredientes.
A 4X1 + 3X2 + 2X3 ≤ 400
B 7X1 + 9X2 + 2X3 ≤ 800
C 8X1 + 7X2 + 12X3 ≤ 1000
(Kgi/Kgpt)Kgpt = Kgi Kgi
2. No negatividad. Xi ≥ 0

Análisis Dimensional: Probado.

Solución Optima.
X1 = 87.5
X3 = 25
Ingrediente B (H2) = 137.5
Máx. Z = 18,750

Interpretación.
Como los kilogramos son una variable continua que se pueden fabricar en cualquier valor fraccionario, el programa de
producción indica que se deben de fabricar 87.5 Kg del producto 1 y 25 Kg del producto 3 para así lograr la máxima
utilidad de $18,750. Fabricando este programa, se tendrá un sobrante de 137.5 Kg del ingrediente B considerando
como restricciones dominantes la disponibilidad de los ingredientes A y C.

3. Paquetes de Botanas.
Una empresa dedicada a la venta de botanas fabrica tres paquetes para su distribución: el familiar, el estándar y el
jumbo. El paquete familiar tiene 200 gramos de cacahuate salado, 150 gramos de cacahuate enchilado, 300 gramos
de pepita y 150 gramos de pistache. El estándar tiene 150 gramos de cacahuate salado, 100 gramos de cacahuate
enchilado, 200 gramos de pepita, 100 de pistache y 70 gramos de nuez de la india. Finalmente el jumbo tiene 400
gramos de cacahuate salado, 250 de cacahuate enchilado, 300 de pepita, 300 de pistache y 150 de nuez de la india.
Las existencias que se tienen en la bodega son de 100 kilogramos de cacahuate salado, 80 de cacahuate enchilado,
80 de pepita, 65 de pistache y 40 de nuez de la india.
El margen de utilidad de cada paquete familiar, estándar y jumbo es de $5, $7 y $10 respectivamente.

JEVA / PTI 3
EJERCICIOS DE PROGRAMACIÓN LINEAL MODELACIÓN, SOLUCIÓN E INTERPRETACIÓN

a. Elabore una tabla donde resuma los datos del problema.


b. Desarrolle un modelo para hacer un programa de producción diario que indique la cantidad de
paquetes que deben ser elaborados para maximizar la utilidad total.

Tabla de datos.

Ingredientes
Tipo de (gramos/paquete)
Utilidad
Paquete Cacahuate Cacahuate Pepitas Pistache Nuez de
($/paquete)
Salado Enchilado la India
Familiar 200 150 300 150 0 5
Estándar 150 100 200 100 70 7
Jumbo 400 250 300 300 150 10
Disponibilidad 100 80 80 65 40
(kg/día)

Modelación.
Variables de Decisión.
Xi = Paquete de botanas tipo "i" a fabricar por día.
(p/d)

Función Objetivo.
Máx. Z = 5X1 + 7X2 + 10X3
$/d ($/p)(p/d) = $/d

Restricciones.
1. Ingredientes.
Cacahuate salado 0.20X1 + 0.15X2 + 0.40X3 ≤ 100
Cacahuate enchilado 0.15X1 + 0.10X2 + 0.25X3 ≤ 80
Pepitas 0.30X1 + 0.20X2 + 0.30X3 ≤ 80
Pistache 0.15X1 + 0.10X2 + 0.30X3 ≤ 65
Nuez de la india 0.07X2 + 0.15X3 ≤ 40
(kg/p)(p/d) = kg/d kg/d
2. No negatividad Xi ≥ 0

Análisis Dimensional: Probado.

Solución Optima.
X2 = 400
Cacahuate salado (H1) = 40
Cacahuate enchilado (H2) = 40
Pistache (H4) = 25
Nuez de la india (H5) = 12
Máx. Z = 2,800

Interpretación.
El programa de producción para mañana debe ser de 400 paquetes estándar que dará la máxima utilidad de $2,800.
Al fabricar este programa, se tendrán los siguientes sobrantes: 40 Kg de cacahuate salado, 40 Kg de cacahuate
enchilado, 25 Kg de pistache y 12 Kg de nuez de la india. El recurso que realmente limitó la fabricación fueron las
pepitas. Si se tuviera suficiente existencia de pepitas, esta restricción dominante podría dejar de serlo para que otro de
los recursos se convirtiera en el siguiente cuello de botella.

4. Zapatos.
Una fabrica de zapatos fabrica tres modelos distintos, el modelo 1, 2 y 3 que utilizan los mismos materiales y mano de
obra.

JEVA / PTI 4
EJERCICIOS DE PROGRAMACIÓN LINEAL MODELACIÓN, SOLUCIÓN E INTERPRETACIÓN

Se disponen de 1,000 pares de plantillas especiales para los zapatos del modelo 2 y 3 que se utilizan dos pares para
el modelo 3 y un par para el modelo 2.
Se tienen 1,200 trozos de piel del tipo "A", utilizándose 4 trozos en el modelo 1 y 2 trozos en el modelo 2. Además hay
2,400 trozos de piel tipo "B", requiriéndose 4 trozos para el modelo 1 y 2 para el modelo 3.
Se dispone de 40 horas para la fabricación, considerando que el tiempo requerido para cada par de zapatos del
modelo 2 es de 4 minutos, de 7 minutos para el modelo 3 y de 2 minutos para el modelo 1.
Los precios de venta son de $100, $200 y $300 para los zapatos del modelo 1, 2 y 3 respectivamente.
¿Cuántos pares de cada tipo se deben de fabricar para que el ingreso por ventas sea máximo?

Modelación.
Variables de Decisión.
Xi = Pares del Modelo "i" a fabricarse.
(p)

Función Objetivo.
Máx. Z = 100X1 + 200X2 + 300X3
$ ($/p) (p) = $

Restricciones.
1. Materiales.
Plantillas especiales X2 + 2X3 ≤ 1,000
(pp/p)(p) = pp pp
Trozos de piel:
Tipo "A" 4X1 + 2X2 ≤ 1,200
Tipo "B" 4X1 + 2X3 ≤ 2,400
(t/p)(p) = t t
2. Producción 2X1 + 4X2 + 7X3 ≤ 2,400
(m/p)(p) = m m
3. No negatividad Xi ≥ 0

Análisis Dimensional: Probado.

Solución Optima.
X2 = 600
Plantillas especiales (H1) = 400
Piel tipo "B" (H3) = 2,400
Máx. Z = 120,000

Interpretación.
Para tener el máximo ingreso posible de $120,000, se debe fabricar 600 pares del modelo 2. Al fabricar este
programa, se tendrá un sobrante de 400 pares de plantillas especiales y 2,400 trozos de piel tipo "B". Existen dos
restricciones dominantes: producción y la piel tipo "A".

5. Empresa Automotriz.
Una empresa automotriz vende automóviles y camionetas. La empresa obtiene $30,000 de utilidad en cada automóvil
que vende y $40,000 por cada camioneta. El fabricante no puede entregar más de 300 automóviles ni más de 200
camionetas por mes de acuerdo a su capacidad de producción. Para la venta de las unidades, la empresa necesita
prepararlas en su taller donde se dispone de 900 horas mensuales. El arreglo de cada automóvil requiere de 2 horas y
3 horas para cada camioneta. Modele el problema para determinar cuántos vehículos de cada tipo se deben comprar
mensualmente para maximizar las utilidades de la empresa.

Modelación.
Variables de Decisión.
Xi = Vehículos "i" a comprarse mensualmente.
(v/m)

Función Objetivo.

JEVA / PTI 5
EJERCICIOS DE PROGRAMACIÓN LINEAL MODELACIÓN, SOLUCIÓN E INTERPRETACIÓN

Máx. Z = 30,000 X1 + 40,000 X2


$/m ($/v)(v/m) = $/m

Restricciones.
1. Capacidad del proveedor.
Autos X1 ≤ 300
Camionetas X2 ≤ 200
v/m v/m
2. Capacidad del taller.
2 X1 + 3 X2 ≤ 900
(h/v)(v/m) = h/m h/m
3. No negatividad Xi ≥ 0

Análisis Dimensional: Probado.

Solución Optima.
X1 = 300
X2 = 100
Capacidad prov. camionetas (H2) = 100
Máx. Z = 13'000,000

Interpretación.
Se deben de comprar para el siguiente mes 300 automóviles y 100 camionetas para obtener la máxima utilidad para la
empresa de $13'000,000. Con este programa de compras, al proveedor le sobra capacidad para entregar 100
camionetas más y la capacidad del taller se saturó convirtiéndose en la restricción dominante.

6. Bombas Hidráulicas.
Una empresa fabrica y vende dos tipos de bombas hidráulicas, la normal y la extragrande. El proceso de manufactura
para las bombas se expresa en la siguiente tabla:

Proceso de Manufactura
(horas/unidad)
Tipo de Bomba
Ensamble Pintura Control de Calidad
Normal 3.6 1.6 0.6
Extragrande 4.8 1.8 0.6

En la venta de cada bomba se obtiene un margen de utilidad de $500 para la bomba normal y de $750 para la
extragrande. Analizando las estadísticas de las ventas pasadas, se observó que la mínima cantidad de bombas
normales que se vendieron fueron de 300 semanales y 180 de las extragrandes. En el proceso de manufactura, se
tienen disponibles semanalmente 4800 horas en ensamble, 1980 en pintura y 900 en control de calidad.
a. Desarrolle una tabla de datos para el problema.
b. La empresa quiere hacer un modelo para programar su producción de tal forma que le ayude a maximizar sus
utilidades.

Tabla de Datos.

Proceso de Manufactura Ventas


Tipo de Bomba (hrs/unidad) Utilidad mínimas
Ensamble Pintura Control de Calidad ($/unidad) (unid/sem)
Normal 3.6 1.6 0.6 500 300
Extragrande 4.8 1.8 0.6 750 180
Tiempo Disponible
4,800 1,980 900
(horas/semana)

Modelación.
Variables de Decisión.
Xi = Bomba tipo "i" a fabricarse por semana.

JEVA / PTI 6
EJERCICIOS DE PROGRAMACIÓN LINEAL MODELACIÓN, SOLUCIÓN E INTERPRETACIÓN

(b/s)

Función Objetivo.
Máx. Z = 500X1 + 750X2
$/s ($/b) (b/s) = $/s

Restricciones.
1. Producción.
Ensamble 3.6X1 + 4.8X2 ≤ 4,800
Pintura 1.6X1 + 1.8X2 ≤ 1,980
Control Calidad 0.6X1 + 0.6X2 ≤ 900
(h/b) (b/s) = h/s h/s
2. Ventas.
Bomba Normal X1 ≥ 300
Bomba Extragrande X2 ≥ 180
b/s b/s
3. No negatividad Xi ≥ 0

Análisis Dimensional: Probado.

Solución Optima.
X1 = 300
X2 = 775
Pintura (H2) = 105.0001
C. Calidad (H3) = 255
Ventas B. Extragrande (E5) = 595
Máx. Z = 731,250

Interpretación.
El programa de producción para la siguiente semana, debe fabricar 300 bombas normales y 775 extragrandes para
tener la máxima utilidad de $731,250. Con esta fabricación, se tendrán en pintura un sobrante de 105.0001 horas y en
control de calidad de 255 horas. En lo referente a las ventas, se tendrá un excedente de 595 bombas extragrandes
respecto a la venta mínima de 180. La restricción dominante está en ensamble.

7. Agricultura: Comunidad Rural.


Un grupo de ingenieros agrónomos está dando asesoría a una comunidad rural. Han recomendado a la comunidad
cultivar brócoli y coliflor en sus 500 hectáreas de terreno. Una hectárea de brócoli da una utilidad de $500 mientras
que una de coliflor da $1,000. Debido a un estudio de mercado realizado por los asesores, se determinó que no se
podrá cultivar más de 200 hectáreas de brócoli por razones de demanda. Durante la temporada de la plantación se
dispondrá de 120,000 horas-plantador, considerando que una hectárea de brócoli requiere de 250 horas-hombre y una
de coliflor 550. El grupo de asesores le piden que modele el problema para determinar cuántas hectáreas de cada
cultivo deben plantarse para maximizar las utilidades de la comunidad rural.

Modelación.
Variables de Decisión.
Xi = Hectáreas a plantarse del cultivo "i".
(ha)

Función Objetivo.
Máx Z = 500 X1 + 1000 X2
$ ($/ha)ha = $

Restricciones.
1. Terreno X1 + X2 ≤ 500
ha ha

JEVA / PTI 7
EJERCICIOS DE PROGRAMACIÓN LINEAL MODELACIÓN, SOLUCIÓN E INTERPRETACIÓN

2. Demanda X1 ≤ 200
ha ha
3. Plantación 250 X1 + 550 X2 ≤ 120000
(h-h/ha) ha = h-h h-h
4. No negatividad Xi ≥ 0

Análisis Dimensional: Probado.

Solución optima.
X1 = 200
X2 = 127.2727
Terreno (H1) = 172.7273
Máx. Z = 227, 272.7

Interpretación.
Se deben plantar 200 hectáreas de brocolí y 127.2727 de coliflor para tener la máxima utilidad posible de
$227,272.70. Con este programa de cultivo se tiene un sobrante de 172.7273 hectáreas de terreno y se tiene como
restricción dominante la demanda y la plantación.

8. Bolsas de Piel.
Una empresa fabrica dos bolsas de piel. El tipo "A" es fina con un precio de venta de $550 y el tipo "B" es corriente y
se vende a $230.
El abastecimiento de piel es suficiente para hacer 170 bolsas diarias. Se fabrican dos bolsas "B" por una de "A" y
diariamente se pueden fabricar 250 bolsas del tipo "B" si solamente se hicen de éstas.
La bolsa "A" requiere de un broche elegante, disponiéndose de solo 80 broches de este tipo y para la bolsa "B" que
lleva un broche más sencillo se tienen 100. Pueden venderse por lo menos 130 bolsas diarias combinando el tipo "A"
y "B". ¿Qué cantidad de bolsas se debe fabricar para maximizar los ingresos por venta?

Modelación.
Variables de Decisión.
Xi = Bolsa tipo "i" a fabricarse diariamente.
(b/d)

Función Objetivo.
Máx. Z = 550X1 + 230X2
$/d ($/b)(b/d) = $/d

Restricciones.
1. Materiales.
Piel X1 + X2 ≤ 170
b/d b/d
Broches:
Bolsa "A" X1 ≤ 80
Bolsa "B" X2 ≤ 100
(br/b)(b/d)=br/d br/d
2. Producción.
X2 2
Proporción =
X1 1
- 2X1 + X2 = 0
Bolsa "B" X2 ≤ 250
b/d b/d
3. Ventas X1 + X2 ≥ 130
b/d b/d
4. No negatividad Xi ≥ 0

Análisis Dimensional: Probado.

JEVA / PTI 8
EJERCICIOS DE PROGRAMACIÓN LINEAL MODELACIÓN, SOLUCIÓN E INTERPRETACIÓN

Solución Optima.
X1 = 43.3333
X2 = 86.6667
Piel (H1) = 40
Broche A (H2) = 36.6667
Broche B (H3) = 13.3333
Producción bolsa B (H4) = 163.3333
Máx. Z = 43, 766.67

Interpretación.
La fabricación de bolsas es una variable discreta por lo que se necesita hacer un ajuste en los valores de la solución
matemática. El programa de producción para mañana debe fabricar 43 bolsas del tipo A y 87 bolsas del tipo B para
tener la máxima utilidad posible de $43,660. Con este programa se tendrá un sobrante de piel para 40 bolsas; un
sobrante de broches para 37 bolsas del tipo A y 13 broches para bolsas del tipo B y también sobra capacidad para
fabricar 163 bolsas del tipo B. La restricción dominante en este problema está dada por la proporción. Considerando el
ajuste realizado, se tiene que la proporción de la bolsa B es de 2.02 veces en vez de 2.

9. Productos para Computadora.


Una empresa fabrica productos para el mercado de las computadoras. Produce un paquete de limpieza y dos tipos de
disco de alta densidad, el de cinco un cuarto de pulgada y el de tres y media solo en lotes de 1,000 unidades. La
contribución unitaria a las utilidades es de $2 para el disco de tres y media pulgadas, $1 para el disco de cinco un
cuarto y $3.50 para el paquete de limpieza. El proceso de producción tiene tres centros de manufactura por los que
pasan cada uno de los productos y mediante un estudio de tiempos, se calcularon los siguientes datos:

Proceso de Producción
(horas/lote)
Tipo de Producto
Centro Centro Centro3
1 2
Disco 3.5¨ 3 2 1
Disco 5,25¨ 4 1 3
Paquete limpieza 2 2 2
Tiempo Disponible 60 40 80
(horas/semana)
Costo Fijo 1000 2000 1500
($/semana)

Desarrolle un modelo para programar la producción para la siguiente semana en lotes, de tal forma que maximice las
utilidades de la empresa.

Modelación.
Variables de Decisión:
Xi = Lotes de 1,000 unidades del Producto "i" a fabricarse por semana.
(l/s)

Función Objetivo:
Máx Z = 2,000 X1 + 1,000 X2 + 3,500 X3
$/s ($/l)(l/s) = $/s

Restricciones:
Los costos fijos no forman una restricción ya que siempre se tienen haya o no producción.
1. Producción.
Centro 1 3X1 + 4X2 + 2X3 ≤ 60
Centro 2 2X1 + X2 + 2X3 ≤ 40
Centro 3 X1 + 3X2 + 2X3 ≤ 80
(h/l)(l/s) = h/s h/s
2. No negatividad Xi ≥ 0

JEVA / PTI 9
EJERCICIOS DE PROGRAMACIÓN LINEAL MODELACIÓN, SOLUCIÓN E INTERPRETACIÓN

Análisis Dimensional: Probado.

Solución Optima.
X3 = 20
Centro 1 (H1) = 20
Centro 3 (H3) = 40
Máx. Z = 70,000

Interpretación.
En el programa de producción para la siguiente semana se debe fabricar 20 lotes de paquetes de limpieza para
obtener la máxima utilidad de $70,000. Realizando este programa, se tendrá una capacidad sobrante de 20 horas en
el centro 1 y de 40 horas en el centro 3. Considerando estos resultados, el cuello de botella está localizado en el
centro 2.

10. Servicio de Transporte Terrestre.


Una empresa adquirió un permiso del gobierno para realizar el transporte terrestre del aeropuerto a la ciudad.
Actualmente se tiene una flotilla de 30 vagonetas que se reemplazarán totalmente ya que el costo de mantenimiento
es muy alto por ser modelos viejos. Para el reemplazo se están considerando tres tipos de vehículos: vagoneta,
minibús y autobús. La empresa ha calculado las utilidades netas esperadas para cada tipo de vehículo y las presenta
en el siguiente cuadro:

Tipo de Precio del Vehículo Utilidad Neta Esperada


Vehículo ($/unidad) ($/unidad)
Vagoneta 650,000 200,000
Minibús 1050,000 280,000
Autobús 2900,000 650,000

El consejo de administración ha autorizado $50 millones para la adquisición de vehículos. La proyección de la


demanda del transporte garantiza que todos los vehículos que se puedan comprar con el capital se usarán para el
transporte; sin embargo, la capacidad del taller para dar mantenimiento a los vehículos es limitada, actualmente solo
puede atender a las 30 vagonetas que se tienen. La empresa no desea hacer ninguna ampliación a la capacidad del
taller, pero debe estar preparado para atender también los minibuses y autobuses que se compren. Un minibús es
equivalente a 1.5 vagonetas y un autobús equivale a 3 vagonetas. La empresa quiere tener un modelo que le permita
determinar el número óptimo de cada tipo de vehículo que deba comprar para maximizar las utilidades netas
esperadas.

Modelación.
Variables de Decisión.
Xi = Vehículos del tipo "i" a comprarse.
(v)

Función Objetivo.
Máx Z = 200,000X1 + 280,000X2 + 650,000X3
$ ($/v) v = $

Restricciones.
1. Capital. 650,000X1 + 1050,000X2 + 2900,000X3 ≤ 50'000,000
($/v)v = $ $
2. Capacidad del taller.
La capacidad del taller está dada en vagonetas por lo que todo se debe de expresar en esta unidad de
referencia.
X1 + 1.5X2 + 3X3 ≤ 30
(vag/minb) (minb) = vag vag
el análisis dimensional también se puede expresar como:
% (v) = v v
3. No negatividad Xi ≥ 0

JEVA / PTI 10
EJERCICIOS DE PROGRAMACIÓN LINEAL MODELACIÓN, SOLUCIÓN E INTERPRETACIÓN

Análisis Dimensional: Probado.

Solución Optima.
X3 = 10
Capital (H1) =21’000,000
Máx. Z = 6’500,000

Interpretación.
El programa de compra debe ser de 10 autobuses para tener la máxima utilidad de $6’500,000. Con este programa,
se tendrá un sobrante de $21’000,000 del capital. El cuello de botella en este caso es la capacidad del taller.

11. Ensamble de Equipos Estereofónicos.


Una empresa ensambladora de equipos estereofónicos para auto, produce dos tipos de estéreos, el convencional que
lleva radio y tocacintas y el especial que lleva además "compact disk". Actualmente la planta trabaja 480 horas
semanales con gastos fijos de $1,000 por semana. La producción de un estéreo convencional requiere de 2 horas de
mano de obra y su margen de utilidad es de $200. El estéreo especial requiere de 3 horas con una utilidad de $250. El
departamento de Mercadotecnia ha determinado que lo máximo que puede venderse por semana son 150 estéreos
convencionales y 100 especiales. Modele el problema para tener un programa de producción óptimo, es decir, que
determine la cantidad a fabricar de cada tipo de estéreo para maximizar las utilidades.

Modelación.
Variables de Decisión.
Xi = Estéreos del tipo "i" a fabricarse por semana.
(e/s)

Función Objetivo.
Máx Z = 200X1 + 250X2
$/s ($/e)(e/s) = $/s

Restricciones.
Los costos fijos no son una restricción; no influyen en el objetivo de maximizar las
utilidades ya que éstas solo dependen de lo que se fabrica y se vende. Los costos fijos
siempre se tendrán se fabrique o no.

1. Producción 2X1 + 3X2 ≤ 480


(h/e)(e/s) = h/s h/s
2. Ventas.
Estéreo convencional X1 ≤ 150
Estéreo especial X2 ≤ 100
e/s e/s
3. No negatividad Xi ≥ 0

Análisis Dimensional: Probado.

Solución Optima.
X1 = 150
X2 = 60
Ventas estéreo especial (H3) = 40
Máx. Z = $45,000

Interpretación.
El programa de producción para la próxima semana debe fabricar 150 estéreos convencionales y 60 estéreos
especiales para tener la máxima utilidad de $45,000. Al fabricar este programa, se tendrá un sobrante en la capacidad
de ventas por 40 estéreos especiales. La capacidad de producción forma el cuello de botella.

12. Tenis.

JEVA / PTI 11
EJERCICIOS DE PROGRAMACIÓN LINEAL MODELACIÓN, SOLUCIÓN E INTERPRETACIÓN

Una fábrica de tenis elabora tres modelos distintos: infantil, dama y caballero. Se dispone de 350 metros de tela,
18,000 plantillas, 500 tiras de suela y de tiempo suficiente para fabricar 10,000 pares de tenis para dama, si solamente
se hicieran éstos ó 15,000 pares infantiles si solo se hicieran éstos ó 7,000 pares de caballero si únicamente se
fabricaran éstos.
Un par de tenis para caballero requiere de 20 centímetros de tela, un par de dama de 15 centímetros y un par infantil
de 14. Se sabe que de cada tira de suela puede obtenerse 4 pares de tenis para caballero ó 6 para dama u 11
infantiles.
Si cada par de tenis infantil se vende al mayoreo en $140, los de dama en $180 y los de caballero en $190 ¿cuál es la
producción que maximiza los ingresos por ventas?

Modelación.
Variables de Decisión.
Xi = Pares de tenis tipo "i" a fabricar.
(p)

Función Objetivo.
Máx. Z = 140X1 + 180X2 + 190X3
$ ($/p)(p) = $

Restricciones.
1. Materiales.
Tela 0.14X1 + 0.15X2 + 0.20 X3 ≤ 350
(m/p) (p) = m m
Plantillas X1 + X2 + X3 ≤ 9,000
p p
Suelas X1/11 + X2/6 + X3/4 ≤ 500
(p/1)/(p/t) = t t

3. Producción.
Infantil X1 ≤ 15,000
Dama X2 ≤ 10,000
Caballero X3 ≤ 7,000
p p
3. No negatividad Xi ≥ 0

Análisis Dimensional: Probado.

Solución Optima.
X2 = 2,333.3330
Plantillas (H2) = 6,666.6670
Suelas (H3) = 111.1111
Infantil (H4) = 15,000
Dama (H5) = 7,666.6670
Caballero (H6) = 7,000
Máx. Z = 419,999.94

Interpretación.
La fabricación de tenis es una variable discreta por lo que se tiene que ajustar la solución obtenida. Haciendo el
ajuste, se tiene que el programa de producción debe fabricar 2,333 pares de dama para tener la máxima utilidad de
$419,940. Al hacer este programa, se tendrán materiales sobrantes de 0.05 metros de tela, 6,667 pares de plantillas y
111.17 tiras de suela. Además se tendrá un sobrante en la capacidad de producción para 7,667 pares de tenis de
dama, de 15,000 pares de tenis infantil y 7,000 pares de tenis para caballero. La restricción dominante es la tela.

13. Collares.
Una pequeña empresa fabrica joyería económica pero de apariencia fina. Actualmente está fabricando un collar chico
que lleva 85 piedras "ojo de tigre" y un broche; el grande lleva 110 piedras y un broche. Para esta semana se tienen
en existencia 100 broches, 9,000 piedras y todo el hilo que se requiera para la fabricación de collares.

JEVA / PTI 12
EJERCICIOS DE PROGRAMACIÓN LINEAL MODELACIÓN, SOLUCIÓN E INTERPRETACIÓN

La experiencia de ventas indica que por cada collar grande que se venda, por lo menos se venden tres chicos. Los
collares chicos tienen un precio de venta de $180 y los grandes de $240. ¿Cuál es la producción que maximiza los
ingresos por ventas?

Modelación.
Variables de Decisión.
Xi = Collar tipo "i" a fabricar semanalmente.
(c/s)
Función Objetivo.
Máx. Z = 180X1 + 240X2
$/s ($/c)(c/s) = $/s

Restricciones.
1. Materiales.
Piedras 85X1 + 110X2 ≤ 9,000
(p/c)(c/s) = p/s p/s
Broches X1 + X2 ≤ 100
(b/c)(c/s) = b/s b/s
2. Ventas.
X2 1 X2 1
Proporción de ventas ≤ La proporción X es inicialmente de pero al aplicar la condición
X1 3 1 3
c/s)/(c/s) = % % de “al menos tres chicos”, el valor de la proporción va disminuyendo
3X2 ≤ X1 al crecer el valor de X 1 . Por ejemplo, si el valor de X 1 fuera 6
X2
3X2 - X1 ≤ 0 (podría ser cualquier valor superior a 3) el valor de la proporción X
1
1
será menor que
3
3. No negatividad Xi ≥ 0

Análisis Dimensional: Probado.

Solución Optima.
X1 = 73.9726
X2 = 24.6575
Broches (H2) = 1.3699
Máx. Z = 19,232.88

Interpretación.
Para obtener el máximo ingreso por ventas de $19,080 para la próxima semana, es necesario un programa de
producción que fabrique 74 collares chicos y 24 collares grandes. Con este programa se tiene un sobrante de 70
piedras "ojo de tigre", 2 broches y un 0.9% de la proporción de ventas. La restricción dominante es la proporción de
ventas, que aún con los ajustes es prácticamente cero.

14. Portafolios.
Una fábrica de portafolios de piel hace tres modelos que utilizan piel sintética, cartón, forro y chapas en las cantidades
que se muestran en la siguiente tabla:

Piel Cartón Forro Chapa


Modelo de Portafolio
(cm) (metros) (cm) (unidades)
Chico 80 1.5 70 1
Mediano 130 2.0 100 2
Grande 150 2.30 120 2

Las existencias para el programa de producción mensual son: 6 rollos de piel sintética, 10 rollos de forro de 50 metros
cada uno, 4 rollos de cartón de 80 metros cada uno y 500 chapas. Se conoce que se puede vender toda la producción

JEVA / PTI 13
EJERCICIOS DE PROGRAMACIÓN LINEAL MODELACIÓN, SOLUCIÓN E INTERPRETACIÓN

que se haga pero la experiencia de ventas indica que por cada tres portafolios medianos se venden por lo menos dos
grandes y que se venden tantos chicos como la suma de los otros dos. ¿Cuál será el programa de producción para
tener la máxima utilidad considerando que el portafolio chico tiene una utilidad de $150, el mediano de $300 y el
grande de $350?

Modelación.
Variables de Decisión.
Xi = Portafolio tipo "i" a fabricar para el mes.
(p/m)

Función Objetivo.
Máx. Z = 150X1 + 300X2 + 350X3
$/m ($/p)(p/m) = $/m

Restricciones.
1. Materiales.
Piel 0.80X1 + 1.30X2 + 1.50X3 ≤ 300
Cartón 1.50X1 + 2X2 + 2.30X3 ≤ 320
Forro 0.70X1 + X2 + 1.20X3 ≤ 500
(mts/p)(p/m) = mts/m mts/m
Chapa X1 + 2X2 + 2X3 ≤ 500
(ch/p)(p/m) = ch/m ch/m
2. Ventas.
Proporción medianos y grandes X2/X3 ≤ 3/2
Proporción chicos X1 = X 2 + X3
% %
2X2 ≥ 3X3
2X2 - 3X3 ≤ 0
3. No negatividad Xi ≥ 0

Análisis Dimensional: Probado.

Solución Optima.
X1 = 88.3978
X2 = 53.0387
X3 = 35.3591
Piel (H1) = 1077.2928
Forro (H3) = 342.6519
Chapa (H4) = 234.8066
Máx. Z = 41,546.96

Interpretación.
Haciendo el ajuste por ser variables discretas, quedaría que el programa de producción para el próximo mes, debe
fabricar 88 portafolios del modelo chico, 53 del modelo mediano y 35 del modelo grande para alcanzar la máxima
utilidad de $41,350. Al hacer este programa, se tendrán sobrantes de materiales por 108.2 metros de piel, 1.5 metros
de cartón, 3433.4 metros de forro y 236 chapas. La proporción de ventas del modelo chico se cumple exactamente
(88=53+35). La proporción pedida entre los modelos medianos y grandes que es de 1.5 veces (3/2=1.5), fue
superada ya que la proporción es de 1.514 veces (53/35=1.514). La restricción dominante es la proporción de las
ventas del modelo chico.

15. Maletas.
Una fábrica de maletas de piel fabrica dos modelos distintos para los que se utiliza la misma materia prima en
diferentes proporciones. La maleta chica utiliza piel, cartón, 90 centímetros de forro y una chapa; la maleta grande usa
piel, cartón, 180 centímetros de forro y 2 chapas.
De una tira de piel se pueden obtener 12 maletas chicas ó 5 maletas grandes.
De una hoja de cartón se obtienen 7 maletas chicas ó 3 grandes. Se tienen en existencia 500 hojas de cartón, 300
hojas de calidad B para el corte de maletas chicas y 200 hojas de calidad A para las maletas grandes.

JEVA / PTI 14
EJERCICIOS DE PROGRAMACIÓN LINEAL MODELACIÓN, SOLUCIÓN E INTERPRETACIÓN

Mensualmente surten 300 tiras de piel, 50 rollos de forro de 50 metros cada uno y 4,000 chapas.
Se sabe que se puede vender toda la producción de maletas pero el comportamiento de las ventas indica que por
cada 3 maletas chicas se pueden vender como máximo 3 maletas grandes.
La capacidad de la fábrica es tal, que si solamente se hicieran maletas chicas se podrían fabricar 3,600 mensualmente
pero también se conoce que la maleta grande requiere el doble de tiempo que la maleta chica. La utilidad marginal de
las maletas chica y grande son de $150 y $240 respectivamente.
Desarrolle un modelo para tener el programa de producción para el siguiente período de tal forma que se maximice la
utilidad.

Modelación.
Variables de Decisión.
Xi = Maletas del tipo "i" a fabricar por mes.
(mal/m)

Función Objetivo.
Máx. Z = 150X1 + 240X2
$/m ($/mal)(mal/m) = $/m

Restricciones.
1. Materiales.
X1 X 2
Piel + ≤ 300
12 5
(mal/m)/(mal/t) = t/m t/m
Cartón:
X1
Chica ≤ 300
7
X2
Grande ≤ 200
3
(mal/m)/(mal/h) = h/m h/m
Forro 0.90X1 + 1.80X2 ≤ 2,500
(mts/mal)(mal/m) = mts/m mts/m
Chapa X1 + 2X2 ≤ 4,000
(ch/mal)(mal/m) = ch/m ch/m
X1 3
2. Ventas ≥
X2 3
3X1 - 3X2 ≥ 0
%(mal/m) = mal/m mal/m
3. Producción.
Chica X1 ≤ 3,600
X2 2
Grande =
X1 1
2X1 = X2
2X1 -X2 = 0
%(mal/m) = mal/m mal/m
4. No negatividad Xi ≥ 0

Análisis Dimensional: Probado.

Solución Optima.
X1 = 300.0003
X2 = 600.0006
Piel (H1) = 154.9999
Cartón chica (H2) = 257.1429
Forro (H4) = 1,149.9990
Chapa (H5) = 2,499.9980
Ventas (H6) = 600.0006
Producción chica (H7) = 3,300

JEVA / PTI 15
EJERCICIOS DE PROGRAMACIÓN LINEAL MODELACIÓN, SOLUCIÓN E INTERPRETACIÓN

Máx. Z = 189,000.20

Interpretación.
Como el problema tiene variables discretas, es necesario hacer un ajuste de la solución matemática obtenida en la
computadora para poder hacer la siguiente interpretación: el programa de producción para el próximo mes debe
fabricar 300 maletas chicas y 600 maletas grandes para lograr la máxima utilidad de $189,000. Al hacer este programa
se tienen materiales sobrantes: 155 tiras de piel, 257.14 hojas de cartón programadas para la maleta chica, 1,150
metros de forro y 2,500 chapas. En las ventas, se tiene una proporción de 0.5 que es menor al 1.5 pedido, teniendo
una diferencia sobrante de 1 que equivale a una vez la cantidad fabricada de maletas grandes que son 600. En
producción sobra capacidad para fabricar 3,300 maletas chicas. Las restricciones dominantes son el cartón para la
maleta grande y la producción de la maleta grande.

16. Cuadros Tejidos de Tamaños Diferentes.


Un artesano fabrica y vende cuadros tejidos, de los cuales tiene tres tipos: el barco, la cruz y los amantes. El primero
requiere triplay, 200 metros de estambre y 85 clavos; el segundo necesita triplay, 300 metros de estambre y 100
clavos; el tercero utiliza triplay, 400 metros de estambre y 125 clavos.
De una hoja de triplay se pueden obtener 12 cuadros chicos u 8 medianos ó 5 grandes. Cada mes se cuenta con 15
hojas de triplay, 68 madejas de estambre de 500 metros cada una y 10 cajas de clavos equivalentes a 12,500.
El barco requiere de 3 horas, la cruz de 5 horas y los amantes de 6 horas para su elaboración. Mensualmente se
dispone de 530 horas para la fabricación de los cuadros. La experiencia que se tienen de las ventas muestra que
mínimo se venden 25 cuadros grandes por cada 60 cuadros chicos. El margen de utilidad para los cuadros chicos,
medianos y grandes son $22, $35 y $45 respectivamente. ¿Cuántos cuadros de cada tipo deben hacerse para que la
utilidad sea máxima?

Modelación.
Variables de Decisión.
Xi = Cuadros tipo "i" a fabricarse mensualmente.
(u/m)

Función Objetivo.
Máx. Z = 22X1 + 35X2 + 45X3
$/m ($/u)(u/m) = $/m

Restricciones.
1. Materiales.
X1 X 2 X 3
Triplay + + ≤ 15
12 8 5
(u/m)/(u/h) = h/m h/m
Estambre 200X1 + 300X2 + 400X3 ≤ 34,000
(mts/u)(u/m) = mts/m mts/m
Clavos 85X1 + 100X2 + 125X3 ≤ 12,500
(c/u)(u/m) = c/m c/m
2. Producción 3X1 + 5X2 + 6X3 ≤ 530
(h/u)(u/m) = h/m h/m
X 3 25
3. Ventas ≥
X 1 60
% %
- 25X1 + 60X3 ≥0
%(u/m) = u/m u/m
3. No negatividad Xi ≥ 0

Análisis Dimensional: Probado.

Solución Optima.
X1 = 60
X2 = 40
X3 = 25

JEVA / PTI 16
EJERCICIOS DE PROGRAMACIÓN LINEAL MODELACIÓN, SOLUCIÓN E INTERPRETACIÓN

Clavos (H3) = 275


Máx. Z = 3,845

Interpretación.
Para que el próximo mes se tenga una utilidad de $3,845, se debe fabricar 60 cuadros chicos (barco), 40 cuadros
medianos (cruz) y 25 cuadros grandes (amantes). Con este plan de fabricación, sobrarán 275 clavos y todos los
demás recursos se terminarán. Las restricciones dominantes son el triplay, el estambre y la capacidad de producción.

17. Raquetas de Tenis.


Una empresa fabrica y vende raquetas de tenis. Actualmente produce tres tipos de raquetas, una estándar y dos
profesionales. El proceso de manufactura de las raquetas está formado por dos operaciones por las que pasan todas
las raquetas. Cada raqueta requiere de 3 horas en la operación 1. En la operación 2, la raqueta estándar requiere de 2
horas, la profesional tipo 1 de 4 horas y la profesional tipo 2 de 5 horas. La operación 1 tiene disponible 50 horas
semanales para producción y la operación 2 tiene suficiente mano de obra para 80 horas por semana. El
departamento de Mercadotecnia ha proyectado que la demanda de la raqueta estándar no será más de 25 por
semana. Debido a que las raquetas profesionales son de la misma calidad, se ha pronosticado que la demanda
combinada para éstas, será de 10 o más pero no más de 30 por semana. La venta de la raqueta estándar tiene una
utilidad de $70, en tanto que las raquetas profesionales tienen $180 y $205 para el tipo 1 y 2 respectivamente. Modele
un programa de producción que maximice las utilidades para la empresa determinando cuántas raquetas de cada tipo
deben de fabricarse semanalmente.

Modelación.
Variables de Decisión.
Xi = Raquetas del tipo "i" a fabricar por semana.
(r/s)

Función Objetivo.
Máx Z = 70X1 + 180X2 + 205X3
$/s ($/r)(r/s) = $/s

Restricciones.
1. Proceso.
Operación 1 3X1 + 3X2 + 3X3 ≤ 50
Operación 2 2X1 + 4X2 + 5X3 ≤ 80
(h/r)(r/s) = h/s h/s
2. Demanda de raquetas.
Estándar X1 ≤ 25
Profesionales 30 ≥ X2 + X3 ≥ 10
Esta restricción doble se puede poner como si fueran dos restricciones quedando:
X2 + X3 ≥ 10
X2 + X3 ≤ 30
r/s r/s
3. No negatividad Xi ≥ 0

Análisis Dimensional: Probado.

Solución Optima.
X1 = 1.1111
X3 = 15.5556
Demanda raq. estándar (H3) = 23.8889
Demanda raq. profesional (E4) = 5.5556
Demanda raq. profesional (H5) = 14.4444
Máx. Z = 3,266.675

Interpretación.
Haciendo el ajuste por ser variables discretas, el programa de producción debe de fabricar una raqueta estándar y 15
raquetas profesionales del tipo 2 para la próxima semana, para tener la máxima utilidad posible de $3,145. Se tendrán

JEVA / PTI 17
EJERCICIOS DE PROGRAMACIÓN LINEAL MODELACIÓN, SOLUCIÓN E INTERPRETACIÓN

recursos sobrantes en el proceso de producción, 2 horas en la operación 1 y 3 horas en la operación 2. Mientras que
en la demanda, se tiene una demanda sobrante de 24 raquetas estándar que se dejó de aprovechar. En la demanda
de las raquetas profesionales, como se debe de fabricar 16 raquetas en total, se tendrá un excedente de 6 raquetas
profesionales del tipo 2 respecto a la demanda mínima pronosticada y 14 por debajo de la máxima.
A pesar de que ningún recurso se agotó en la solución ajustada, se puede considerar que el cuello de botella es el
proceso de producción de acuerdo a la solución matemática.

18. Procesos de Mezclado.


En una refinería se deben de programar dos procesos de mezclado. Una hora de trabajo del proceso 1 produce 4,000
litros de gasolina magna y 1,750 litros de gasolina nova, consumiendo 100 barriles de petróleo crudo del pozo 3 y 300
barriles del pozo 10. En una hora de trabajo, el proceso 2 consume 100 barriles de petróleo crudo del pozo 3 y 200 del
pozo 10, para producir 3,500 litros de gasolina magna y 2,250 litros de gasolina nova. Para la siguiente corrida de
producción se tienen disponibles 1,200 barriles de petróleo crudo del pozo 3 y 1,800 del pozo 10. Los contratos que se
tienen con diferentes clientes, dan pedidos por 28,000 litros de gasolina magna y 12,000 litros de nova. El gobierno
como responsable del control ambiental de la nación ha dictaminado que se debe limitar la producción de gasolina
nova a no más de la mitad de gasolina magna. La refinería tiene una utilidad por hora del proceso 1 de $10,000 y en el
proceso 2 de $11,000.
a. Desarrolle un modelo para establecer un programa de producción que maximice la utilidad para la empresa.
b. En los datos del problema hay algunos que entran en contradicción, por lo que el modelo no tiene una
solución factible. Encuentre el error y formule nuevamente el modelo para encontrar la solución óptima del
problema.

Modelación.
Variables de Decisión.
Xi = Horas de operación del Proceso "i"
(h)

Función Objetivo.
Máx Z = 10,000X1 + 11,000X2
$ ($/h)h = $

Restricciones.
1. Disponibilidad de petróleo crudo.
Pozo 3 100X1 + 100X2 ≤ 1,200
Pozo 10 300X1 + 200X2 ≤ 1,800
(b/h)h = b b
2. Ventas.
Gasolina magna 4,000X1 + 3,500X2 = 28,000
Gasolina nova 1,750X1 + 2,250X2 = 12,000
(l/h)h = l l
3. Control ambiental.
1,750X1 + 2,250X2 ≤ 0.5 (4,000X1 + 3,500X2)
(l/h) h = l % [(l/h) h] = l
- 250X1 – 1250X2 ≤ 0
250X1 + 1250X2 ≥ 0 Se multiplica por -1 y cambia el signo de la desigualdad
4. No negatividad Xi ≥ 0

Análisis Dimensional: Probado.

Solución Optima.
Al resolver en la computadora este modelo, se encuentra que no tiene una solución factible, indicando que existe
algún conflicto entre las restricciones. Se detectó que el conflicto está en las restricciones de venta. Para desaparecer
el conflicto, se necesita cambiar el sentido de la restricción de gasolina magna en la forma siguiente:
Gasolina magna 4,000X1 + 3,500X2 ≤ 28,000

Con este cambio en el sentido de la restricción, se tiene la siguiente solución óptima:


X1 = 5.0769

JEVA / PTI 18
EJERCICIOS DE PROGRAMACIÓN LINEAL MODELACIÓN, SOLUCIÓN E INTERPRETACIÓN

X2 = 1.3846
Pozo 3 (H1) = 553.8462
Gasolina magna (H3) = 2,846.1540
Control ambiental (H4) = 576.9231
Máx. Z = 66,000

Interpretación.
Para la siguiente corrida de producción, se debe programar 5.0769 horas (5 horas 5 minutos) el proceso 1 y 1.3846
horas (1 hora 23 minutos) el proceso 2, para tener la máxima utilidad de $66,000. Al trabajar con esta programación,
se tendrá un sobrante de 553.8462 barriles de petróleo crudo, en el pedido de gasolina magna se dejaron de entregar
2,846.1540 litros y el control ambiental está dentro de lo exigido por el gobierno pudiendo fabricar hasta 576.1540
litros más de gasolina magna sin ningún problema.

19. Transporte de Carga Aérea.


Una empresa tiene un avión para transportar carga. Debido a los elevados costos de operación, el avión no sale hasta
que todas sus bodegas hayan sido cargadas. El avión tiene tres bodegas, una inferior, una media y una superior. La
capacidad de carga máxima del avión es de 100 toneladas por viaje. La capacidad de la bodega inferior es 40
toneladas como máximo en cada viaje. Por razones de equilibrio para el avión, la bodega intermedia debe llevar un
tercio de la carga de la bodega inferior y la superior de llevar dos quintas partes de la carga de bodega inferior. Sin
embargo existe una política de la empresa, que no deben de llevar más de 60 toneladas de carga en las bodegas
intermedia y superior combinadas. Después de deducir todos los gastos, se ha calculado una utilidad neta de $80 por
tonelada de carga en la bodega inferior, de $100 por tonelada de carga en la bodega intermedia y $120 en la bodega
superior. La empresa quiere obtener la máxima utilidad por viaje por lo que quiere desarrollar un modelo que le
permita determinar el mejor programa de carga para el avión.

Modelación.
Variables de Decisión.
Xi = Toneladas de carga a poner en la Bodega "i"
(t)

Función Objetivo.
Máx Z = 80X1 + 100X2 + 120X3
$ ($/t) t = $

Restricciones.
1. Capacidad.
Avión X1 + X2 + X3 ≤ 100
Bodega inferior X1 ≤ 40
X1 1
Bodega intermedia =
X2 3
% % - X1 + 3X2 = 0
%(t) = t t

X1 2
Bodega superior =
X2 5
% % - 2X1 + 5X3 = 0
%(t) = t t
2. Política de la Empresa X2 + X3 ≤ 60
t t
3. No negatividad Xi ≥ 0

Análisis Dimensional: Probado.

Solución Optima.
X1 = 40
X2 = 13.3333

JEVA / PTI 19
EJERCICIOS DE PROGRAMACIÓN LINEAL MODELACIÓN, SOLUCIÓN E INTERPRETACIÓN

X3 = 16
Cap. Avión (H1) = 30.6667
Política (H3) = 30.6667
Máx. Z = 6,453.333

Interpretación.
La forma óptima de cargar el avión es poner 40 toneladas en la bodega inferior, 13.3333 toneladas en la bodega
intermedia y 16 toneladas en la bodega superior para tener la máxima utilidad de $6,453.333. Al cargar el avión en
esta forma, se tendrá una capacidad desperdiciada del avión de 30.6667 toneladas; la política de la empresa se
cumple satisfactoriamente quedando un margen de 30.6667 toneladas. Las restricciones dominantes son todas las
bodegas del avión, tanto la inferior, la intermedia como la superior.

20. Guantes de Protección.


Una empresa fabrica guantes de protección industrial en tres modelos. El modelo "A" requiere de 0.06 metros
cuadrados de carnaza tipo 1, 0.05 metros cuadrados de carnaza tipo 2 y de piel. El modelo "B" requiere de piel, de
0.09 de carnaza tipo 2 y de 0.05 de carnaza tipo 1. Los requerimientos del modelo "C" son de 0.07 y 0.08 de carnaza
tipo 1 y 2 respectivamente y también usa piel.
Se sabe que de una pieza de piel pueden salir 8, 9 ó 5 pares de guantes de los modelos 1, 2 y 3 respectivamente. Si
se usara todo el tiempo disponible en producir guantes de un solo tipo saldrían 600, 700 ó 500 de los modelos 1, 2 y 3
respectivamente.
El metro cuadrado de carnaza del tipo 1 cuesta $400, $500 la del tipo 2 y $1,000 la pieza de piel. Los guantes modelo
1, 2, y 3 se venderán en $229, $241 y $348 respectivamente. Si se dispone de 45 metros cuadrados de carnaza tipo
1, de 40 del tipo 2 y 80 piezas de piel, desarrolle un modelo que permita maximizar la utilidad, determinando cuántos
guantes hay que producir de cada tipo y cuánto sobra de cada recurso utilizado.

Modelación.
Variables de Decisión.
Xi = Pares de guantes tipo "i" a fabricar
(p)

Función Objetivo.
El margen de utilidad para cada tipo de guante es:

Modelo de Guante
Tipo de Material
A B C
Carnaza Tipo 1 0.06 (400) = 24 20 28
Carnaza Tipo 2 0.05 (500) = 25 45 40
Piel 1,000/8 =125 111.10 200
Costo ($/par) 174 176.10 268
Precio Venta ($/par) 229 241 348
Utilidad ($/par) 55 64.90 80

Máx. Z = 55X1 + 64.90X2 + 80X3


$ ($/p)(p) = $

Restricciones.
1. Materiales.
Carnaza:
Tipo 1 0.06X1 + 0.05X2 + 0.07X3 ≤ 45
Tipo 2 0.05X1 + 0.09X2 + 0.08X3 ≤ 40
(m2/p)(p) = m2 m2
Piel X1/8 + X2/9 + X3/5 ≤ 80
(p/1)/(p/pza) = pza pza
2. Producción.
Modelo "A" X1 ≤ 600
Modelo "B" X2 ≤ 700
Modelo "C" X3 ≤ 500

JEVA / PTI 20
EJERCICIOS DE PROGRAMACIÓN LINEAL MODELACIÓN, SOLUCIÓN E INTERPRETACIÓN

p p
3. No negatividad Xi ≥ 0

Análisis Dimensional: Probado.

Solución Optima.
X1 = 483.9025
X2 = 175.6097
Carnaza tipo 1 (H1) = 7.1854
Producción "A" (H4) = 116.0975
Producción "B" (H5) = 524.3903
Producción "C" (H6) = 500
Máx. Z = 38,011.71

Interpretación.
En este problema se tienen variables discretas por lo que es necesario ajustar los valores de X 1 y X2 a valores
enteros. Se tienen dos soluciones lógicas, X1 = 484 X2 = 175 (solución 1) y X1 = 483 X2 = 176 (solución 2) que se
deben de probar para ver cuál se acerca más al valor óptimo y que cumpla con todas las restricciones del modelo. La
solución 2 es la seleccionada, quedando la siguiente interpretación:
El programa de producción debe fabricar 483 pares de guantes del modelo "A" y 176 del modelo "B" para tener la
máxima utilidad de $37,987.40. Al hacer este programa, se tienen recursos sobrantes tanto en los materiales como en
producción. Sobran 2.22 metros cuadrados de carnaza tipo 1 y 0.01 metros cuadrados del tipo 2. En producción, no
se utilizó la capacidad de 117 pares de guantes del modelo "A", ni la capacidad para 524 pares del modelo "B",
tampoco la capacidad de 500 pares del modelo “C”. Se pueden considerar la carnaza tipo 2 y la piel como
restricciones dominantes ya que prácticamente sus valores son muy cercanos a cero.

PROBLEMAS DE NIVEL MEDIO.

21. Agricultura: Cultivos.


Un agricultor quiere cultivar maíz y trigo en un terreno de 70 hectáreas. Sabe que una hectárea puede rendir 30
toneladas de maíz y 25 de trigo. Cada hectárea requiere de un capital de $9,000 si se cultiva con maíz y de $10,000 si
se cultiva con trigo. El capital disponible es de $1’000,000. La necesidad de agua de riego es de 900 metros cúbicos
por hectárea de maíz y 500 por hectárea de trigo en octubre pero en noviembre se requieren de 1,200 para el maíz y
850 para el trigo. La disponibilidad del agua en octubre es de 57,900 metros cúbicos y en noviembre de 15,200.
Los precios de venta de maíz y trigo son de $14,500 y $16,000 por tonelada respectivamente. Desarrolle un modelo
que determine la cantidad de maíz y trigo a sembrar para maximizar los ingresos por ventas.

Modelación.
Variables de Decisión.
Xi = Hectáreas a sembrarse del Cultivo "i"
(ha)

Función Objetivo.
Los ingresos por venta son:
Maíz 30 (14,500) = 435,000
Trigo 25 (16,000) = 400,000
(t/ha) ($/t) = $/ha
Máx. Z = 435,000X1 + 400,000X2
$ ($/ha)(ha) = $

Restricciones.
1. Terreno X1 + X2 ≤ 70
ha ha
2. Capital 9,000X1 + 10,000X2 ≤ 1’000,000
($/ha)(ha)=$ $
3. Agua:

JEVA / PTI 21
EJERCICIOS DE PROGRAMACIÓN LINEAL MODELACIÓN, SOLUCIÓN E INTERPRETACIÓN

Octubre 900X1 + 500X2 ≤ 57,900


Noviembre 1,200X1 + 850X2 ≤ 15,200
(m3/ha)(ha)=m3 m3
4. No negatividad Xi ≥ 0

Análisis Dimensional: Probado.

Solución Optima.
X2 = 17.8824
Terreno (H1) = 52.1176
Capital (H2) = 821,176.50
Agua octubre (H3) = 48,958.82
Máx. Z = 7’152,941

Interpretación.
El programa de siembra debe ser de 17.8824 hectáreas de trigo para lograr el máximo ingreso por ventas de
$7’152,941. Con este programa de cultivo, quedarán los siguientes sobrantes: 52.1176 hectáreas de terreno,
$821,176.50 del capital y 48,958.82 metros cúbicos de agua en el mes de octubre. La restricción dominante es la
disponibilidad del agua en noviembre.

22. Agricultura: Árboles Frutales.


En un cierto poblado, la Nacional Financiera S.A. (Nafinsa) pretende hacer una cuantiosa inversión para estimular el
cultivo de aguacate, lima reina, mango y zapote. Nafinsa quiere reducir el desempleo rural y aumentar las
exportaciones que vendrán a equilibrar la Balanza de Pagos de la nación.
Se conoce que la producción promedio de cada árbol es:

Tipo de Árbol Producción Promedio Anual Observación


(unid./árbol) (kgs/árbol)
Aguacate 350 150 Una vez por año
Lima Reina 230 200 Una vez por año
Mango 150 50 Una vez por año
Zapote 400 150 Una vez por año

El precio promedio en el mercado internacional es de $10 por kilogramo para el aguacate, de $4 para la lima reina, de
$15 para el mango y de $7 para el zapote. Existe una superficie de 250 hectáreas de propiedad federal propicia para
el cultivo de estos productos.
Considere que los ingenieros agrónomos enviados por Nafinsa, determinaron las extensiones mínimas para el cultivo
de esos productos de acuerdo a la siguiente tabla:

Extensión Mínima
Tipo de Árbol (m2/árbol)
Aguacate 4
Lima Reina 5
Mango 3
Zapote 6

Afortunadamente no existe problema de agua, pues hay varios manantiales dentro de la propiedad que aseguran su
existencia para los próximos 20 años.
El costo por sembrar un árbol de aguacate es de $200, $50 para la lima reina, $100 para el mango y $150 para el
zapote. Estos costos ya incluyen la compra del árbol más su cuidado y mantenimiento. Cada árbol empieza a ser
productivo, aproximadamente a los tres años de ser plantado. Cada árbol de aguacate requiere de cuidados
equivalentes a 36 horas-hombre por año, 72 para el mango, 50 para la lima reina y 10 para el zapote.
Nafinsa pretende hacer una inversión de 20 millones de pesos pensando en exportar toda la producción a partir del
tercer año. El desempleo del pueblo se ha calculado en 5,000 personas y el Gobierno Federal ha delineado que este
proyecto emplee al menos 2,000 personas en forma continua. Bajo estas circunstancias, ¿cuántos árboles de cada
tipo deberán sembrarse para maximizar el valor de la futura exportación anual?

JEVA / PTI 22
EJERCICIOS DE PROGRAMACIÓN LINEAL MODELACIÓN, SOLUCIÓN E INTERPRETACIÓN

Modelación.
Variables de Decisión.
Xi = Árboles tipo "i" a sembrarse por año
(árb/a)

Función Objetivo.
Máx. Z = 10(150)X1 + 4(200)X2 + 15(50)X3 + 7(150)X4 = 1500X1 + 800X2 + 750X3 + 1050X4
$/a ($/kg)(kg/árb)(árb/a) = $/a

Restricciones.
1. Cultivo. 4X1 + 5X2 + 3X3 + 6X4 ≤ 2'500,000
(m2/árb)(árb/a) = m2/a m2/a
2. Inversión. 200X1 + 50X2 + 100X3 + 150X4 ≤ 20’000,000
($/árb)(árb/a) = $/a $/a
3. Empleo. 2,000(365)(8) ≤ 36X1 + 72X2 + 50X3 + 10X4 ≤ 5,000(365)(8)
(h-h/árb)(árb/a)= h-h/a h(d/a)(h/d)= h-h/a
5’840,000 ≤ 36X1 + 72X2 + 50X3 + 10X4 ≤ 14’600,000
4. No negatividad Xij ≥ 0

Análisis Dimensional: Probado.

Solución Optima.
X2 = 193,203.90
X4 = 68,932.04
Cultivo (H1) = 1’120,388
Empleo (E3) = 8'760,000
Máx. Z = 226’941,700

Interpretación.
Haciendo los ajustes por ser variables discretas, se considera sembrar 193,203 árboles de lima reina y 68,932 árboles
de zapote para lograr el máximo valor de la exportación anual de $226’941,000. Con este plan de cultivo, sobrarán
1’379,607 metros cuadrados del terreno federal, $50 de la inversión y se tendrá un excedente de 8’759,936 horas-
hombre al año respecto a las 5’840,000 horas-hombre proyectadas como límite inferior y respecto al límite superior se
quedará 64 h-h por abajo. De acuerdo a la solución matemática, la restricción cuello de botella es la inversión y el
límite superior del empleo.

23. Máquinas Procesadoras con Precisiones Diferentes.


Una fábrica tiene tres tipos de máquinas procesadoras que pueden trabajar los mismos productos pero cada tipo tiene
diferente velocidad y recuperación. La máquina tipo 1 puede procesar 80 piezas por hora con una recuperación del
80%, la máquina tipo 2 puede hacer 60 piezas por horas con una recuperación del 90% y la tipo 3 hace 40 piezas por
hora con 95% de recuperación. El funcionamiento de las máquinas tipo 1, 2 y 3, tiene un costo por hora de $45, $70 y
$80 respectivamente. Se trabajan 8 horas diarias debiéndose fabricar diariamente cuando menos 3,500 piezas
buenas. Actualmente hay 8 máquinas tipo 1, 10 del tipo 2 y 20 del tipo 3. Cada pieza defectuosa le cuesta a la fábrica
$60. ¿Cuántas máquinas de cada tipo se deben utilizar para minimizar el costo total?

Modelación.
Variables de Decisión.
Xi = Máquinas tipo "i" a utilizar.
(m)

Función Objetivo.
Para calcular el costo total diario de cada tipo de máquina, se debe sumar el costo de
las piezas defectuosas con el costo de operación como a continuación se muestra:

JEVA / PTI 23
EJERCICIOS DE PROGRAMACIÓN LINEAL MODELACIÓN, SOLUCIÓN E INTERPRETACIÓN

Calidad de
Costo de Piezas Costo de Costo
Tipo de Piezas
Producción Recup. Defectuosas Operación Total
Máquina (pzas/h-máq)
(piezas/h) (%) ($/día-máq) ($/día-máq) ($/día-máq)
Acept. Def.
1 80 80 64 16 16(8)(60)=7,680 45(8)=360 8,040
2 60 90 54 6 2,880 560 3,440
3 40 95 38 2 960 640 1,600

La función objetivo quedará:


mín. Z = 8,040X1 + 3,440X2 +1,600X3
$/d ($/d-m)(m) = $/d

Restricciones.
1. Producción 64(8)X1 + 54(8)X2 + 38(8)X3 ≥ 3,500
512X1 + 432X2 + 304X3 ≥ 3,500
(p/d-m)(m) = p/d p/d
2. Máquinas.
Tipo 1 X1 ≤ 8
Tipo 2 X2 ≤ 10
Tipo 3 X3 ≤ 20
m m
3. No negatividad Xi ≥ 0

Análisis Dimensional: Probado.

Solución Optima.
X3 = 11.5132
Máquina 1 (H2) = 8
Máquina 2 (H3) = 10
Máquina 3 (H4) = 8.4868
mín. Z = 18,421.05

Interpretación.
Se deben utilizar 11 máquinas del tipo 3 para tener el mínimo costo total diario de $18,421.05. Con esta programación,
se tiene disponibles las 8 máquinas tipo 1, 10 máquinas tipo 2 y 9 del tipo 3. La restricción dominante es producción.

24. Aisladores Industriales.


Una empresa fabrica aisladores industriales para servicio electrónico. Actualmente se fabrican tres tipos de aisladores,
el de aplicación general, de aplicación especial y el de alto voltaje. Cada aislador pasa por tres operaciones de
producción: horneado, lavado-laminado y pulido. Solo hay una máquina en cada una de las operaciones del proceso.
Se han obtenido los siguientes datos de producción mostrados en la siguiente tabla:

Proceso de Fabricación
(unidades/hora)
Tipo de Aislador
Horneado Lavado-laminado Pulido
Aplicación General 50 40 25
Aplicación Especial 40 20 20
Alto Voltaje 25 10 10

El costo de la materia prima que requiere cada tipo de aislador es de $50 para el de aplicación general, $60 para el de
aplicación especial y $100 para el de alto voltaje, así como los precios de venta son respectivamente, $250, $397.5 y
$675. Los costos por hora para las operaciones de producción son de $250 para horneado, $200 para el lavado-
laminado y $100 para el pulido.
a. Haga la tabla de datos para el problema.

JEVA / PTI 24
EJERCICIOS DE PROGRAMACIÓN LINEAL MODELACIÓN, SOLUCIÓN E INTERPRETACIÓN

b. La empresa quiere un modelo que le permita hacer un programa de producción para optimizar el tiempo
que se debe emplear en la fabricación de cada producto de tal forma que maximice las utilidades por hora.

Tabla de Datos.

Proceso de Fabricación (unid/h) Costo Precio


Tipo de Aislador Horneado Lav.-Lam. Pulido Mat. Prima Venta
($/unid) ($/unid)
Aplicación General 50 40 25 50 250
Aplicación Especial 40 20 20 60 397.50
Alto Voltaje 25 10 10 100 675
Costo ($/hora) 250 200 100

Modelación.
Variables de Decisión.
Xi = Aislador tipo "i" a fabricar por hora
(u/h)

Función Objetivo.
Se calcula el margen de utilidad para cada tipo de aislador, considerando que:
Utilidad = Precio de Venta - Costo Total

Tipo de Aislador
Concepto
General Especial Alto Voltaje
Precio de Venta 250 397.50 675
Costo de Materiales 50 60 100
Costo de Mano de Obra:
Horneado 250/50 = 5 250/40 = 6.25 250/25 = 10
Lav-Lam 200/40 = 5 200/20 = 10 200/10 = 20
Pulido 100/25 = 4 100/20 = 5 100/10 = 10
Total 14 21.25 40
Costo de Materiales 50 60 100
Costo Total 64 81.25 140
Margen de Utilidad 186 316.25 535
($/unid)

La Función Objetivo es:


Máx. Z = 186X1 + 316.25X2 + 535X3
$/h ($/u)(u/h) = $/h
Restricciones.
1. Producción.
Como no se tiene el tiempo disponible de las operaciones del proceso se puede considerar como referencia el
100% de la capacidad de cada una de ellas.
Horneado X1/50 + X2/40 + X3/25 ≤ 1
Lav-Lam X1/40 + X2/20 + X3/10 ≤ 1
Pulido X1/25 + X2/20 + X3/10 ≤ 1
(u/h)/(u/h) = % %
2. No negatividad Xi ≥ 0

Análisis Dimensional: Probado.

Solución Optima.
X2 = 20
Horneado (H1) = 0.50
Máx. Z = 6,325

Interpretación.

JEVA / PTI 25
EJERCICIOS DE PROGRAMACIÓN LINEAL MODELACIÓN, SOLUCIÓN E INTERPRETACIÓN

Se deben fabricar 20 aisladores de aplicación especial por hora para lograr la máxima utilidad de $6,325. Este
programa de producción dejará disponible el 50% de la capacidad de horneado, encontrando que el cuello de botella
está en lavado-laminado y pulido que utilizan el 100% de su capacidad.

25. Agricultura: Cooperativa Agrícola.


Una cooperativa agrícola tiene 130 hectáreas de terreno donde se cultivan frijol soya, trigo y maíz. La cosecha que se
obtiene se destina a satisfacer la demanda de los miembros de la cooperativa y el excedente se vende al precio del
mercado. La cooperativa quiere determinar las hectáreas que se deben programar a cada cultivo para maximizar sus
utilidades, para ésto se han concentrado los siguientes datos:

Demanda de la Demanda del Utilidad


Rendimiento
Tipo de Cultivo Cooperativa Mercado Estimada
(toneladas/ha)
(toneladas) (toneladas) ($/tonelada)
Frijol soya 105 500 3,000 1500
Trigo 50 1250 3,250 1800
Maíz 17 250 1,000 2500

Modelación.
Variables de Decisión.
Xi = Hectáreas programadas para sembrar el Cultivo "i"
(ha)

Función Objetivo.
Para construir la Función Objetivo es necesario calcular la utilidad para cada uno de los cultivos, quedando:
Frijol soya 1,500(105X1 - 500) = 157,500X1 - 750,000
Trigo 1,800( 50X2 - 1,250) = 90,000X2 – 2’250,000
Maíz 2,500( 17X3 - 250) = 42,500X3 - 625,000
($/t) {(t/ha)ha - t} = $ $ 3’625,000

Máx Z = 157,500X1 + 90,000X2 + 42,500X3 – 3’625,000


$ $

Restricciones.
1. Terreno para cultivo. X1 + X2 + X3 ≤ 130
ha ha
2. Demanda de los productos.
El objetivo de la cosecha es cubrir la demanda de la cooperativa y luego vender los excedentes de cada cultivo,
quedando:
Frijol soya 3,000 ≥105X1 ≥ 500
Trigo 3,250 ≥ 50X2 ≥ 1,250
Maíz 1,000 ≥ 17X3 ≥ 250
t (t/ha)ha = t
3. No negatividad Xi ≥ 0

Análisis Dimensional: Probado.

Solución Optima.
X1 = 28.5714
X2 = 65
X3 = 36.4286
Frijol soya (E3) =23.8095
Trigo (E5) = 40
Maíz (H6) = 22.3950
Maíz (E7) = 21.7227
Máx. Z = 11’898,210
Recordar que la Función Objetivo tiene un término constante de 3'625,000 que afecta al valor calculado de
Máx. Z = 11'898,210, por lo que el valor real es de Máz. Z = 8'273,210.

JEVA / PTI 26
EJERCICIOS DE PROGRAMACIÓN LINEAL MODELACIÓN, SOLUCIÓN E INTERPRETACIÓN

Interpretación.
El programa de cultivo destina 28.5714 hectáreas a sembrar de frijol soya, 65 hectáreas de trigo y 36.4286 hectáreas
de maíz para tener la máxima utilidad de $8'273,210. Al hacer este programa, se tiene el siguiente análisis de
recursos: en el frijol soya se rebasa el mínimo especificado en 23.8095 hectáreas (2,500 toneladas); en el trigo se
rebasó el límite inferior en 40 hectáreas (2,000 toneladas) y en el maíz se está por arriba del mínimo en 21.7227
hectáreas (369.2857 toneladas) y por abajo del máximo en 22.3950 hectáreas (380.7143 toneladas). La restricción
dominante es el terreno.

26. Mercadotecnia: Selección de Medios Publicitarios.


Un fabricante de rasuradoras eléctricas ha destinado un presupuesto de $3’800,000 para la publicidad de las nuevas
rasuradoras que ha desarrollado para hombres. Los estudios de mercado que se han realizado para la empresa,
muestran que el segmento de mercado que desea atacar está conformado en su mayor parte por hombres entre 20 y
45 años de edad, que tienen ingresos de $15,000 o más y han cursado dos o más años de educación universitaria.
Con esta información, el departamento de Mercadotecnia ha dado una importancia relativa a cada característica para
definir el perfil del cliente potencial en la siguiente forma: edad 40%, ingresos 35% y educación 25%
Mercadotecnia ha contratado a una agencia de publicidad que le ayude a desarrollar un plan para llegar al cliente
potencial en la mejor forma posible. Después de estudiar el perfil del cliente potencial, la agencia recomendó que se
coloquen anuncios publicitarios en tres revistas de consumo popular. Los datos obtenidos por la agencia se presentan
en la siguiente tabla:

Porcentaje de Clientes Potenciales por


Características Importancia
Anuncio
del Relativa de la
(%)
Cliente Característica
Revista Revista Revista
Potencial (%)
A B C
Edad 40 40 70 60
(20 a 45 años)
Ingresos 35 60 50 40
($15,000 o más)
Educación 25 30 20 60
(2 años de universidad o más)
Total de Lectores (miles) 780 940 1,250

La agencia ha recomendado que una meta apropiada sería maximizar los clientes potenciales expuestos a la
publicidad, por lo que ha recomendado formar un indicador de "exposición efectiva" expresado en clientes potenciales
por peso invertido en publicidad.
Conjuntamente con la agencia de publicidad, se ha decidido que lo máximo de anuncios que se deben poner en la
revista "A" son 36, en la revista "B" 40 y en la revista "C" 45 y que se deben de colocar cuando menos 9 anuncios en
la revista "A" y 5 en la "C". El costo por anuncio en la revista "A" es de $500, de $750 en la "B" y de $800 en la "C".
Se quiere desarrollar un modelo que le permita a Mercadotecnia determinar cuánto se debe invertir en cada revista
para maximizar los clientes potenciales expuestos a la publicidad, así como los anuncios que se deben poner en cada
una de ellas.

Modelación.
Variables de Decisión.
Xi = Dinero a invertir en anuncios de la Revista "i".
($)

Función Objetivo.
Se formula un indicador de "exposición efectiva" que permita la construcción de la función objetivo, en la siguiente
forma:
Revista
A {[0.40(0.40)+0.35(0.60)+0.25(0.30)] 780,000} / 500 = 694.20
B {[0.40(0.70)+0.35(0.50)+0.25(0.20)] 940,000} / 750 = 632.93
C {[0.40(0.60)+0.35(0.40)+0.25(0.60)] 1'250,000}/ 800 = 828.13
{[% (% de cp/a)] (cp)} / ($/a) = cp/$ cp/$

JEVA / PTI 27
EJERCICIOS DE PROGRAMACIÓN LINEAL MODELACIÓN, SOLUCIÓN E INTERPRETACIÓN

Máx. Z = 694.20 X1 + 632.93 X2 + 828.13 X3


cp (cp/$)$ = cp

Restricciones.
1. Inversión en publicidad.
X1 + X2 + X3 ≤ 3’800,000
$ $
2. Anuncios.
Revista A 9 ≤ X1/500 ≤ 36
($/1)/($/a)= a a
X1 ≤ 18,000
X1 ≥ 4,500
$ $
Revista B X2/750 ≤ 40
Revista C 5 ≤ X3/800 ≤ 45
X3 ≤ 36,000
X3 ≥ 4,000
3. No negatividad Xi ≥ 0

Análisis Dimensional: Probado.

Solución Optima.
X1 = 18,000
X2 = 30,000
X3 = 36,000
Inversión (H1) = 116,000
Anuncios rev. A (E3) = 13,500
Anuncios rev. C (E6) = 32,000
Máx. Z = 61'296,180

Interpretación.
El programa de inversión en publicidad debe gastar $18,000 en la revista "A", equivalente a 36 anuncios; $30,000 en
la revista "B", equivalente a 40 anuncios y $36,000 en la revista "C" que son 45 anuncios, logrando de esta forma el
máximo número de clientes potenciales de 61'296,180. Al hacer este programa, sobrarán $116,000 del presupuesto
para publicidad; respecto a los 9 anuncios mínimos especificados para la revista "A" nos pasamos con $13,500
equivalentes a 27 anuncios; también nos pasaremos en $32,000 , es decir 40 anuncios del mínimo especificado para
la revista "C". Las restricciones dominantes son el número máximo de anuncios fijados por la agencia de publicidad
para cada revista.

PROBLEMAS DE NIVEL SUPERIOR.

27. Muebles de Oficina.


Una empresa de muebles de oficina está fabricando escritorios ejecutivos y secretariales en dos plantas diferentes. En
la planta 1, es una fábrica antigua que trabaja dos turnos, es decir, 80 horas por semana. La planta 2 es una fábrica
nueva que no trabaja a toda su capacidad. Sin embargo, se quiere trabajar doble turno como en la planta 1 por lo que
ha contratado personal para trabajar un segundo turno. Actualmente, cada turno de la planta 2 trabaja 25 horas
semanales. Los tiempos de producción y los costos estándar de cada planta se muestran en la siguiente tabla:

Tiempos de Costo Estándar


Producción ($/unidad)
Tipos de Escritorio
(horas/unidad)
Planta 1 Planta 2 Planta 1 Planta 2
Ejecutivo 7 6 25,000 26,000
Secretarial 4 5 20,000 18,000

JEVA / PTI 28
EJERCICIOS DE PROGRAMACIÓN LINEAL MODELACIÓN, SOLUCIÓN E INTERPRETACIÓN

Se ha competido con éxito en el mercado vendiendo el escritorio ejecutivo a $35,00. Pero en el escritorio secretarial,
la empresa está forzada a bajar el precio a $27,500 para mantener su ventaja competitiva.
La empresa ha tenido costos excesivos en las ultimas 10 semanas por lo que los administradores han establecido
presupuestos semanales para producción como una medida de control. Para la fabricación de los escritorios
ejecutivos se fijó un presupuesto de $200,000 mientras que para los secretariales se estableció en $220,000.
a. Elabore la tabla de datos para el problema.
b. A la empresa le gustaría tener un programa de producción que le diga cuántos escritorios de que tipo y en que
planta se deben de fabricar para maximizar las utilidades.

Tabla de Datos.

Tiempos de Producción Costo Estándar Precio


Tipo de Escritorio (horas/unidad) ($/unidad) Venta Presupuesto
Planta1 Planta 2 Planta 1 Planta 2 ($/unidad) ($/semana)
Ejecutivo 7 6 25,000 26,000 35,000 200,000
Secretarial 4 5 20,000 18,000 27,500 220,000
Tiempo Disponible 80 50
(hrs/sem)

Modelación.
Variables de Decisión.
Xij = Escritorio "i" a fabricarse por semana en la Planta "j"
(e/s)

Función Objetivo.
Para la Función Objetivo, es necesario calcular la utilidad para cada uno de los escritorios, en la siguiente forma:
Planta 1 Planta 2
Ejecutivo 35,000 - 25,000 = 10,000 35,000 – 26,000 = 9,000
Secretarial 27,500 - 20,000 = 7,500 27,500 – 18,000 = 9,500

Máx. Z = 10,000X11 + 9,000X12 + 7,500X21 + 9,500X22


$/s ($/e)(e/s) = $/s

Restricciones.
1. Producción.
Planta 1 7X11 + 4X21 ≤ 80
Planta 2 6X12 + 5X22 ≤ 50
(h/e)(e/s) = h/s h/s
2. Presupuesto.
Ejecutivo 25,000X11 + 26,000X12 ≤ 200,000

Secretarial 20,000X21 + 18,000X22 ≤ 220,000


($/e)(e/s) = $/s $/s
3. No negatividad Xij ≥ 0

Análisis Dimensional: Probado.

Solución Optima.
X11 = 8
X21 = 2
X22 = 10
Planta 1 (H1) = 16
Máx. Z = 190,000

Interpretación.
El programa de producción para la próxima semana, debe fabricar en la planta 1, 8 escritorios ejecutivos y 2
secretariales mientras que en la planta 2, se fabricarán 10 escritorios secretariales. Con este programa se logrará

JEVA / PTI 29
EJERCICIOS DE PROGRAMACIÓN LINEAL MODELACIÓN, SOLUCIÓN E INTERPRETACIÓN

tener la máxima utilidad de $190,000, considerando que se tendrá una capacidad sobrante en la planta 1 de 16 horas.
Las restricciones dominantes son la capacidad de producción de la planta 2 y el presupuesto para el escritorio
ejecutivo y secretarial.

28. Línea de Producción para Equipos Estereofónicos.


Un fabricante de equipos estereofónicos está considerando añadir una nueva línea con cuatro productos diferentes.
La empresa tiene dos plantas donde se puede fabricar la línea nueva. La planta 1 tiene un proceso con tres
operaciones mientras que la planta 2 lo tiene con 2 operaciones. Como las plantas tienen diferente proceso de
fabricación, se puede pensar que es más económico fabricar algunos de los productos en una planta que en la otra.
Después de un estudio para obtener los tiempos de los procesos, la demanda máxima, el precio de venta y los costos
variables, se presentaron los siguientes datos:

Producto Producto
Proceso de Fabricación (horas/unidas) Concepto ($/unidad)
1 2 3 4 1 2 3 4
Planta 1: Precio de venta 200 300 250 280
Operación 1 6 7 4 7
Operación 2 18 20 16 18 Costos variables:
Operación 3 2 2 1 1 Planta 1 160 270 240 270
Planta 2: Planta 2 220 300 200 220
Operación 1 8 8 4 8
Operación 2 10 16 8 6
Demanda máxima 1 3 4 6
(miles unidades/mes)

El gerente de la planta 1 ha señalado que puede disponer de 30,000 horas mensuales en la operación 1 para la
fabricación de la nueva línea, en la operación 2 de 100,000 horas y en la operación 3 de 16,000 horas. En cada una
de las operaciones de la planta 2 se tienen disponibles 20,000 horas mensuales. A la empresa le gustaría tener un
modelo que le ayude a determinar la cantidad de cada uno de los productos de la línea nueva que se deben de
fabricar para el próximo mes en cada una de las plantas de manera que se maximicen las utilidades.

Modelación.
Variables de Decisión.
Xij = Unidades por mes a fabricarse del Producto "i" en la Planta "j"
(u/m)

Función Objetivo.
Máx Z = 40X11 + 30X21 + 10X31 + 10X41 -20X12 + 50X32 + 60X42
$/m ($/u)(u/m) = $/m

Restricciones.
1. Proceso de Fabricación.
Planta 1:
Operación 1 6X11 + 7X21 + 4X31 + 7X41 ≤ 30,000
Operación 2 18X11 + 20X21 + 16X31 + 18X41 ≤ 100,000
Operación 3 2X11 + 2X21 + X31 + X41 ≤ 16,000
Planta 2:
Operación 1 8X12 + 8X22 + 4X32 + 8X42 ≤ 20,000
Operación 2 10X12 + 16X22 + 8X32 + 6X42 ≤ 20,000
(h/u)(u/m) = h/m h/m
2. Demanda.
Producto 1 X11 + X12 ≤ 1,000
Producto 2 X21 + X22 ≤ 3,000
Producto 3 X31 + X32 ≤ 4,000
Producto 4 X41 + X42 ≤ 6,000

JEVA / PTI 30
EJERCICIOS DE PROGRAMACIÓN LINEAL MODELACIÓN, SOLUCIÓN E INTERPRETACIÓN

u/m u/m
3. No negatividad Xij ≥ 0

Análisis Dimensional: Probado.

Solución Optima.
X11 = 1,000
X21 = 3,000
X31 = 750
X32 = 1,000
X42 = 2.000
Planta 1 operación 2 (H2) = 1,000
Planta 1 operación 3 (H3) = 7,250
Producto 3 (H8) = 2,250
Producto 4 (H9) = 2,000
Máx. Z = 307,500

Interpretación.
Para el próximo mes, se debe fabricar para la nueva línea de productos las siguientes cantidades: en la planta 1
fabricar 1,000 productos 1, 3,000 productos 2 y 750 productos 3; en la planta 2 fabricar 1,000 productos 3 y 2,000
productos 4. Con este programa se tendrá la máxima utilidad de $307,500 con el siguiente análisis de recursos: en la
planta 1 se tendrá una capacidad sobrante de 1,000 horas en la operación 2 y de 7,250 en la operación 3; se tendrá
una demanda insatisfecha de 2,250 unidades del producto 3 e igualmente en el producto 4 con 4,000 unidades. Las
restricciones dominantes son, la capacidad de la operación 1 de la planta 1, la capacidad completa de la planta 2, y
la demanda del producto 1 y 2.

29. Agricultura: Granjas Agrícolas.


Una cooperativa agrícola tiene cuatro granjas que plantan tres tipos de cultivos, aunque cada una de ellas no
necesariamente cultiva todos. La producción de cada granja está limitada por la cantidad de agua disponible para el
riego y por las hectáreas disponibles para la plantación. Debido al equipo que se tiene para cosechar, existe limitación
en las hectáreas que se pueden plantar de cada tipo de cultivo en cada una de las granjas. A continuación, se
presentan los datos que se tienen de las granjas:

Máximo de Tierra a Plantar Requerimiento de Utilidad


Tipos de Cultivo (hectáreas) Agua ($/ha)
Granja 1 Granja 2 Granja 3 Granja 4 (m3/hectárea)
A 200 300 100 250 11 1000
B 150 200 150 100 10 700
C 200 350 200 300 9 400
Tierra Disponible (ha) 450 650 350 500
Agua Disponible (m3) 4,800 8,000 3,700 6,000

Para mantener la carga de trabajo equilibrada entre las granjas, la cooperativa ha establecido la política de que se
cultive el mismo porcentaje de tierra en cada una de ellas. Desarrolle un modelo que permita a la cooperativa
determinar las hectáreas que se deben plantar de cada tipo de cultivo en cada una de las granjas para maximizar las
utilidades.

Modelación.
Variables de Decisión.
Xij = Hectáreas a cultivarse en la Granja "i" del Cultivo "j"
(ha)

Función Objetivo.
Máx Z = 1000(X11+X21+X31+X41) + 700(X12+X22+X32+X42) + 400(X13+X23+X33+X43)
$ ($/ha)ha = $

Restricciones.
1. Agua.

JEVA / PTI 31
EJERCICIOS DE PROGRAMACIÓN LINEAL MODELACIÓN, SOLUCIÓN E INTERPRETACIÓN

Granja 1 11X11 + 10X12 + 9X13 ≤ 4,800


Granja 2 11X21 + 10X22 + 9X23 ≤ 8,000
Granja 3 11X31 + 10X32 + 9X33 ≤ 3,700
Granja 4 11X41 + 10X42 + 9X43 ≤ 6,000
(m3/ha)ha = m3 m3
2. Tierra.
Granja 1 X11 + X12 + X13 ≤ 450
Granja 2 X21 + X22 + X23 ≤ 650
Granja 3 X31 + X32 + X33 ≤ 350
Granja 4 X41 + X42 + X43 ≤ 500
ha ha

3. Política para la carga de trabajo.


Para que se cultive el mismo porcentaje de tierra en cada una de las granjas, se puede considerar que:
% terreno granja 1 = % terreno granja 2 = % terreno granja 3 = % terreno granja 4

% terreno granja 1 = % terreno granja 2 (X11+X12+X13)/450 = (X21+X22+X23)/650


% terreno granja 2 = % terreno granja 3 (X21+X22+X23)/650 = (X31+X32+X33)/350
% terreno granja 3 = % terreno granja 4 (X31+X32+X33)/350 = (X41+X42+X43)/500
% terreno granja 4 = % terreno granja 1 (X41+X42+X43)/500 = (X11+X12+X13)/450
ha/ha = % ha/ha = %
4. Tierra a plantarse por cultivo.
Cultivo A Cultivo B Cultivo C
Granja 1 X11 ≤ 200 X12 ≤ 150 X13 ≤ 200
Granja 2 X21 ≤ 300 X22 ≤ 200 X23 ≤ 350
Granja 3 X31 ≤ 100 X32 ≤ 150 X33 ≤ 200
Granja 4 X41 ≤ 250 X42 ≤ 100 X43 ≤ 300
ha ha
5. No Negatividad Xij ≥ 0

Análisis Dimensional: Probado.

Solución Optima.
X11 = 200 X21 = 300 X31 = 100 X41 = 250
X12 = 150 X22 = 200 X32 = 150 X42 = 100
X13 = 100 X23 = 150 X33 = 100 X43 = 150
AguaG1 = 200 AguaG2 = 1,350 AguaG3 = 200 AguaG4 = 900
Cultivo CG1 = 100 Cultivo CG2 = 200 Cultivo CG3 = 100 Cultivo CG4 = 150 Máx. Z = 1'470,000

Interpretación.
El programa de cultivo considera que se debe plantar en la granja 1, 200 hectáreas del cultivo A, 150 hectáreas del
cultivo B y 100 hectáreas del cultivo C; en la granja 2, 300 hectáreas del cultivo A, 200 del cultivo B y 150 del cultivo
C; en la granja 3, 100 hectáreas del cultivo A, 150 del cultivo B y 100 del cultivo C; finalmente en la granja 4, 250
hectáreas del cultivo A, 100 del cultivo B y 150 del cultivo C. Con este programa se tendrá la máxima utilidad de
$1'470,000, teniendo el siguiente análisis de recursos: habrá sobrantes de agua, 200 metros cúbicos en la granja 1,
en la granja 2 sobrarán 1,350 metros cúbicos, 200 en la granja 3 y en la granja 4, 900 metros cúbicos. En el cultivo C,
se tendrán 100 hectáreas sobrantes en la granja 1, 200 en la granja 2, 100 en la granja 3 y 150 en la granja 4. La
restricciones dominantes están dadas por la tierra y por la política de la carga de trabajo.

30. Mercadotecnia: Almacén de Ropa.


Un almacén exclusivo vende trajes y abrigos para caballero. Esta tienda maneja tres líneas de ropa: la deportiva de
precio moderado, la de ejecutivos jóvenes que es ligeramente costosa y la de lujo que es costosa. Las líneas mientras
más costosas exigen exhibiciones más complicadas y mayor tiempo de los vendedores pero son también las que dán
mayor utilidad. Para fines de planeación, el almacén ha considerado que el precio de venta dentro de cada línea no

JEVA / PTI 32
EJERCICIOS DE PROGRAMACIÓN LINEAL MODELACIÓN, SOLUCIÓN E INTERPRETACIÓN

difiere entre los trajes y los abrigos, por lo que se puede considerar un precio de venta promedio de $500 por artículo
en la línea deportiva, en tanto que para las líneas de ejecutivos jóvenes y de lujo, el precio de venta unitario es de
$1,370 y $2,320 respectivamente. De experiencias pasadas, se determinó que se requieren 30 metros cuadrados para
exhibir 1,000 prendas de la línea deportiva, 70 metros cuadrados para 1,000 prendas de la línea de ejecutivos jóvenes
y 100 metros cuadrados para 1,000 prendas de la línea de lujo. También de experiencias pasadas se calculó que las
horas-hombre requeridas para vender 1,000 prendas de la línea deportiva es de 250 horas, de 650 horas para la línea
de ejecutivos jóvenes y 1,800 horas para la de lujo.
Para mantener una variedad razonable de abrigos y trajes, se compran cuando menos 1,000 prendas de cada línea.
Se conoce que los trajes se venden más que los abrigos, por lo que se tiene una política de mantener una proporción
de 80% de trajes y 20% de abrigos en cada una de las líneas, cuando se hagan los pedidos. El espacio de exhibición
que tiene el almacén es de 1,000 metros cuadrados. La fuerza de ventas es de 8 vendedores que trabajan 48 horas
semanales. La temporada de comercialización de estos productos dura aproximadamente 4 meses. El gerente del
almacén quiere desarrollar un modelo para determinar la cantidad de trajes y abrigos de cada línea que el
departamento de compras debe pedir para maximizar los ingresos de la empresa.

Modelación.
Variables de Decisión.
Xij = Prendas "i" a comprar de la Línea "j"
(u)

Función Objetivo.
Máx Z = 500(X11+X21) + 1,370(X12+X22) + 2,320(X13+X23)
$ ($/u)u = $

Restricciones.
1. Espacio de exhibición.
(30/1,000)(X11+X21) + (70/1,000)(X12+X22) + (100/1,000)(X13+X23) ≤ 1,000
0.03(X11+X21) + 0.07(X12+X22) + 0.10(X13+X23) ≤ 1,000
(m2/u)u = m2 m2
2. Ventas.
(250/1000)(X11+X21)+(650/1000)(X12+X22)+(1800/1000)(X13+X23) ≤ 8(48)(4)(4)
0.25 (X11+X21) + 0.65 (X12+X22) + 1.8 (X13+X23) ≤ 6,144
(h-h/u)u = h-h h(h/s)(s/m)(m) = h-h
3. Compras.
Línea deportiva X11 + X21 ≥ 1,000
Línea ejecutivos jóvenes X12 + X22 ≥ 1,000
Línea de lujo X13 + X23 ≥ 1,000
u u
4. Proporción entre trajes y abrigos.
Línea deportiva X11/X21 = 0.20/0.80
0.80 X11 - 0.20 X21 = 0
%(u)=u %(u)=u
Línea ejecutivos jóvenes X12/X22 = 0.20/0.80
0.80 X12 - 0.20 X22 = 0
Línea de lujo X13/X23 = 0.20/0.80
0.80 X13 - 0.20 X23 = 0
5. No negatividad Xij ≥ 0

Análisis Dimensional: Probado.

Solución Optima.
X11 = 200
X21 = 800
X12 = 1,259.6920
X22 = 5,038.7690
X13 = 200
X23 = 800

JEVA / PTI 33
EJERCICIOS DE PROGRAMACIÓN LINEAL MODELACIÓN, SOLUCIÓN E INTERPRETACIÓN

Espacio (H1) = 429.1077


Compras ejecutivo (E4) = 5,298.4620
Máx. Z = 11'448,890

Interpretación.
Para tener la máxima utilidad de $11'448,260 para la siguiente temporada considerando los ajustes por las variables
discretas, el programa de compras debe ser: para la línea deportiva, 200 abrigos y 800 trajes; para la línea de
ejecutivos jóvenes, 1,260 abrigos y 5,038 trajes y para la línea de lujo, 200 abrigos y 800 trajes. Al hacer este
programa de compras, se tendrá un espacio de exhibición sobrante de 429.14 metros cuadrados y un excedente de
5,298 unidades de la línea de ejecutivos jóvenes. Las restricciones cuello de botella son las ventas y la política de
mantener la proporción entre abrigos y trajes.

31. Botas Vaqueras.


Un fabricante de botas vaqueras ha implementado una estrategia de mercadotecnia para vender su producto
mediante tiendas al menudeo en lugar de hacerlo directamente con mayoristas. La empresa considera conveniente
fabricar pares de botas en exceso en algunos meses para venderlas en meses posteriores. Esta conclusión se sacó
debido a dos razones: primera, las fluctuaciones en el costo de algunos materiales que repercuten en el costo de
producción de la bota haciéndolo variar de un mes a otro. Segunda, se tiene un bajo costo de inventario de $10 por
mes por par de botas que incluye el manejo de materiales y su almacenamiento. Mercadotecnia ha pronosticado la
demanda y los costos para el próximo semestre, como se muestra en el siguiente cuadro:

Demanda Pronosticada Costo


Mes (miles pares/mes) Pronosticado
($/par)
1 150 560
2 110 620
3 180 580
4 100 600
5 200 550
6 180 590

Considerando que no existe restricción en la capacidad de producción y en el almacenamiento de las botas, la


empresa desea programar la producción mediante un modelo que minimice el costo total.

Modelación.
Variables de Decisión.
Xij = Pares de botas a fabricar en el mes "i" y que se esperan vender en el mes "j"
(p/m)

Función Objetivo.
mín Z = 560X11 + 570X12 + 580X13 + 590X14 + 600X15 + 610X16 +
620X22 + 630X23 + 640X24 + 650X25 + 660X26 +
580X33 + 590X34 + 600X35 + 610X36 +
600X44 + 610X45 + 620X46 +
550X55 + 560X56 +
590X66
$/m ($/p)(p/m) = $/m

Restricciones.
1. Demanda.
Mes 1 X11 ≥ 150,000
Mes 2 X12 + X22 ≥ 110,000
Mes 3 X13 + X23 + X33 ≥ 180,000
Mes 4 X14 + X24 + X34 + X44 ≥ 100,000
Mes 5 X15 + X25 + X35 + X45 + X55 ≥ 200,000
Mes 6 X16 + X26 + X36 + X46 + X56 + X66 ≥ 180,000
p/m p/m

JEVA / PTI 34
EJERCICIOS DE PROGRAMACIÓN LINEAL MODELACIÓN, SOLUCIÓN E INTERPRETACIÓN

2. No negatividad Xij ≥ 0

Análisis Dimensional: Probado.

Solución Optima.
X11 = 150,000
X12 = 110,000
X13 = 180,000
X14 = 100,000
X55 = 200,000
X56 = 180,000
Mín. Z = 512'350,000

Interpretación.
El programa de producción para los siguientes seis meses, que da el mínimo costo total de $512'350,000 incluyendo
los costos de producción e inventarios, debe fabricar 5,400 pares de botas en el mes 1 y 3,800 en el mes 5. De los
pares fabricados en el mes 1, se esperan vender 1,500 en el mes 1, 1,100 en el mes 2, 1,800 en el mes 3 y 1,000 en
el mes 4. De los pares fabricados en el mes 5, se esperan vender 2,000 pares en el mes 5 y 1,800 en el mes 6.

32. Productos con Recuperaciones Diferentes.


Una planta fabrica dos productos "A" y "B" que tienen que pasar por ciertas operaciones con diferentes
recuperaciones de acuerdo al siguiente proceso de fabricación:

Capacidad Costo de
Producto Operación de Entrada Recuperación Operación
(litros/h) (%) ($/h)
1 300 90 150
2 (1er paso) 450 95 200
A 4 250 85 180
2 (2do paso) 400 80 220
3 (alternativo) 350 75 250
1 500 90 300
B 3 480 85 250
4 400 80 240

Cada operación puede procesar solamente un producto a la vez. Si hay capacidad en la operación 3, es posible enviar
el producto "A" a través de 3 en lugar de mandarlo la segunda vez por la operación 2, pero ésto es más costoso.
Los datos obtenidos de los costo y las ventas se dan en la siguiente tabla:

Materia Prima Precio de Venta Ventas Máximas


Producto ($/litro) ($/litro) (litros/día)
A 50 200 1,700
B 60 180 1,500

Las operaciones 1 y 4 pueden trabajar hasta 16 horas diarias. Las operaciones 2 y 3 pueden trabajar como máximo 12
horas por día. No se pueden transportar más de 2,500 litros de "A" y "B" diariamente. Suponga que se dispone de
suficiente capacidad de almacenamiento sin costo adicional. Para maximizar las utilidades, la empresa quiere un
modelo para desarrollar un programa de producción que le permita determinar la cantidad de litros del producto "A" y
"B" que se deben de fabricar por el curso normal y los litros de "A" por el curso alternativo.

Modelación.
Variables de Decisión.
Xij = litros diarios a fabricar del Producto "i" por Curso "j"
(l/d)

Función Objetivo.
Para la Función Objetivo es necesario calcular la utilidad que da un litro terminado del producto de acuerdo al proceso
de fabricación. Calculando el costo por litro terminado de cada producto se tiene:

JEVA / PTI 35
EJERCICIOS DE PROGRAMACIÓN LINEAL MODELACIÓN, SOLUCIÓN E INTERPRETACIÓN

Entrada Recup. Salida Costo/hora Costo/litro


Producto Operación
(litros/h) (%) (litros/h) ($/h) ($/litro)
X11 1 300 90 270 150 0.556
2 270 95 256.5 * 200 0.780
4 250 85 212.5 180 0.847
2 212.5 80 170 220 1.294
3.477
X12 1 300 90 270 150 0.556
2 270 95 256.5 200 0.780
4 250 85 212.5 180 0.847
3 212.5 75 159.38 250 1.569
3.752
X21 1 500 90 450 300 0.667
3 450 85 382.5 250 0.654
4 382.5 80 306 240 0.784
2.105

* Observación: la capacidad de salida de la operación 2 es de 256.5 litros por hora pero al entrar a la
operación 4, esta capacidad de entrada se restringe a 250 litros por hora debida a la capacidad de esta
operación.

Calculando el margen de utilidad para cada uno de los productos, se tiene:

Costo Mano Costo de la Margen de


Precio Venta de Obra Materia Costo Total Utilidad
Producto
($/litro) Directa Prima ($/litro) ($/litro)
($/litro) ($/litro)
X11 200 3.447 50 53.477 146.523
X12 200 3.752 50 53.752 146.248
X21 180 2.105 60 62.105 117.895

Máx. Z = 146.523X11 + 146.248X12 + 117.895X21


$/d ($/l)(l/d) = $/d

Restricciones.
1. Producción.
Operación 1 X11/270 + X12/270 + X21/450 ≤ 16
Operación 2 X11/250 + X12/250 + X11/170 ≤ 12
Operación 3 X12/159.38 + X21/382.5 ≤ 12
Operación 4 X11/212.5 + X12/212.5 + X21/306 ≤ 16
(l/d)/(l/h) = h/d h/d
2. Ventas.
Producto A X11 + X12 ≤ 1,700
Producto B X21 ≤ 1,500
l/d l/d
3. Transporte X11 + X12 + X21 ≤ 2,500
l/d l/d
4. No negatividad Xij ≥ 0

Análisis Dimensional: Probado.

Solución Optima.
Para solucionar el modelo con el paquete "Storm", se requiere ingresar los coeficientes de las restricciones en forma
entera o fraccionaria pero no en forma de cociente como se tiene en la restricción de producción. Para quitar los
cocientes de una restricción se pueden hacer dos alternativas: la primera es hacer simplemente la división y poner el
valor fraccionado y la segunda, es quitar los denominadores utilizando las reglas aritméticas.

JEVA / PTI 36
EJERCICIOS DE PROGRAMACIÓN LINEAL MODELACIÓN, SOLUCIÓN E INTERPRETACIÓN

Se presenta la solución del modelo haciendo la restricción de producción con las dos alternativas y así se pueden
comparar la diferencia entre ellas. Se presenta la restricción expresada en las dos formas:
Forma 1: en esta forma existe un pequeño error por el redondeo de los decimales pero facilita hacer la
interpretación puesto que se trabaja en la escala original del modelo. Las restricciones quedan:
Operación 1 0.003703703X11 + 0.003703703X12 + 0.002222222X21 ≤ 16 horas/día
Operación 2 0.009882353X11 + 0.004X12 ≤ 12
Operación 3 0.006274313X12 + 0.002614379X21 ≤ 12
Operación 4 0.004705882X11 + 0.004705882X12 + 0.003267973X21 ≤ 16
(h/l)(l/d) = h/d h/d
Forma 2: esta forma es recomendable cuando se quiere tener precisión en el resultado pero es más confusa para
hacer la interpretación ya que se cambia la escala original.
Operación 1 45X11 + 45X12 +27X21 ≤ 194,400 litros/día
Operación 2 42X11 +17X12 ≤ 51,000
Operación 3 382.5X12 + 159.38X21 ≤ 731,554.2
Operación 4 306x11 +212.5 X21 ≤ 1'040,400
{(l/h)/(l/h)} (l/d) = l/d l/d
Se presenta la solución que se obtuvo del modelo aplicando cada una de las formas:
Forma 1 Forma 2
X11 = 884.0001 X11 = 884
X12 = 815.9999 X12 = 816
X21 = 800 X21 = 800
Operación 1 (H1) = 7.9259 horas/día Operación 1 (H1) = 96,300 litros/día
Operación 3 (H3) = 4.7887 Operación 3 (H3) = 291,930.2
Operación 4 (H4) = 5.3856 Operación 4 (H4) = 350,200
Ventas "B" (H6) = 700 Ventas "B" (H6) = 700
Máx. Z = 343,180.7 Máx. Z = 343,180.7
Los recursos sobrantes en la solución de la forma 1 y 2 son equivalentes. Por ejemplo, en la forma 1 se tiene un
sobrante en la operación 1 de 7.9259 horas/día que son equivalentes a 96,300 litros/dia como se muestra a
continuación:
194,400 litros/día son equivalentes a 16 horas/día por lo que 1 hora/día es igual a 12,150 litros/día. Para
mostrar lo equivalente, se tiene que 96,300/12,150 = 7.9259 horas/dia.

Interpretación.
Para tener la máxima utilidad de $343,180.7 diarios, el programa de producción para el curso normal, debe tener una
entrada de 884 litros del producto "A" y 800 litros del producto "B"; por el curso alternativo, se deben programar 816
litros del producto "A". Al hacer este programa, se tendrá una capacidad ociosa en el proceso de producción de:
7.9259 horas en la operación 1, 4.7887 en la operación 3 y 5.3856 en la operación 4. También se tendrá en las ventas
del producto "B" una fuerza de ventas desaprovechada, ya que sobra capacidad para vender 700 litros. Las
restricciones dominantes en el problema son: en producción, la operación 2; en ventas, el producto "A" y el transporte.

33. Mercadotecnia: Venta de Tejas.


Una empresa contratista se dedica a la instalación de tejas para techos. Puesto que el precio de las tejas varía con las
estaciones del año, la empresa las compra cuando los precios están bajos y las almacena para su uso posterior.
Cuando las instala, la empresa cobra el precio actual del mercado, sin importar cuando las haya comprado. En el
siguiente cuadro, la empresa presenta su proyección del precio de compra, del precio actual del mercado y las ventas
mínimas que se esperan tener para las próximas estaciones del año:

Precio de Compra Precio del Mercado Ventas Mínimas


Estaciones ($/teja) ($/teja) (miles de tejas)
Primavera 23 27.50 160
Verano 21 24.25 100
Otoño 22 25.75 140
Invierno 26 30.25 200

Cuando se compran las tejas en una estación y se almacenan para su venta posterior, se incurre en un costo de
almacenamiento y en un costo de manejo. El costo de almacenamiento es un costo variable de $12 por millar de tejas

JEVA / PTI 37
EJERCICIOS DE PROGRAMACIÓN LINEAL MODELACIÓN, SOLUCIÓN E INTERPRETACIÓN

por cada estación que duran almacenadas y el costo de manejo del inventario que comprende el estibamiento y el
acomodo de las tejas es un costo fijo de $6 por millar. La capacidad del almacén donde se tienen las tejas es de
220,000. Anualmente la empresa tiene su cierre de ejercicio para calcular sus utilidades, por lo que ha fijado como
política, no tener inventarios al final del año. Se quiere un modelo que ayude a la empresa a maximizar su utilidad
anual determinando los millares de tejas que se deben de comprar y que se esperan vender en cada estación.

Modelación.
Variables de Decisión.
Xij = Millares de tejas a comprar en la estación "i" y que se esperan vender en la estación
"j" durante el año.
(t/a)

Función Objetivo.
Para la función Objetivo se requiere la utilidad neta considerando que:
Utilidad Neta = Utilidad Bruta - Costo del Inventario
Utilidad Bruta = (Precio del Mercado - Precio de Compra) - (Costo de Manejo + Costo de Almacenamiento)
Se presenta como ejemplo la utilidad neta por millar de tejas para X14:
Utilidad Neta = {(30.25 - 23)1,000} - {12(3) + 6}
Utilidad Neta = 7,250 - 42 = 7,208

En el siguiente cuadro, se presenta las utilidades netas por millar de tejas para cada una de las variables de decisión:

Utilidad Bruta Costo del Utilidad Neta


Estación ($/millar tejas) Inventario ($/millar tejas)
($/millar tejas)
Primavera:
X11 4,500 0 4,500
X12 1,250 18 1,232
X13 2,750 30 2,720
X14 7,250 42 7,208
Verano:
X22 3,250 0 3,250
X23 4,750 18 4,732
X24 9,250 30 9,220
Otoño:
X33 3,750 0 3,750
X34 8,250 18 8,232
Invierno:
X44 4,250 0 4,250

La Función Objetivo queda en la siguiente forma:


Máx Z = 4,500X11 + 1,232X12 + 2,720X13 + 7,208X14 +
3,250X22 + 4,732X23 + 9,220X24 +
3,750X33 + 8,232X34 +
4,250X44
$/a ($/t)(t/a) = $/a

Restricciones.
1. Capacidad del almacén.
Primavera X11 + X12 + X13 + X14 ≤ 220
Verano X12 + X13 + X14 + X22 + X23 + X24 ≤ 220
Otoño X13 + X14 + X23 + X24 + X33 + X34 ≤ 220
Invierno X14 + X24 + X34 + X44 ≤ 220
t/a t/a
2. Ventas.
Primavera X11 ≥ 160
Verano X12 + X22 ≥ 100

JEVA / PTI 38
EJERCICIOS DE PROGRAMACIÓN LINEAL MODELACIÓN, SOLUCIÓN E INTERPRETACIÓN

Otoño X13 + X23 + X33 ≥ 140


Invierno X14 + X24 + X34 + X44 ≥ 200
t/a t/a
3. No negatividad Xij ≥ 0

Análisis Dimensional: Probado.

Solución Optima.
X11 = 220
X22 = 220
X34 = 80
X44 = 140
Ventas primavera (E5) = 60
Ventas verano (E6) = 120
Ventas invierno (E8) = 20
Máx. Z = 3'483,560

Interpretación.
Para tener la máxima utilidad de $3'483,560, el programa de compras para el próximo año debe ser: comprar en
primavera 220,000 tejas y en verano 220,000 que se esperan vender en esas mismas estaciones, comprar en otoño
80,000 tejas que se esperan vender en invierno y comprar en invierno 140,000 tejas que se esperan vender en esa
misma estación. Siguiendo este programa de compras, se esperan vender en primavera 60,000 tejas más del mínimo,
en verano 120,000 tejas y en invierno 20,000 tejas más del mínimo de la estación. La restricción dominante es la
capacidad del almacén.

34. Rollos de Papel de Anchos Diferentes.


Una empresa fabrica y vende rollos de papel a distribuidores mayoristas. La empresa fabrica rollos de papel en
tamaño estándar de 1.20 metros de ancho pero las ventas son en rollos de 80, 70, 60 y 50 centímetros de ancho. Para
fines de programación de la producción se estableció que se puede cortar un poco más de los rollos pedidos para
tener almacenado producto terminado que se pueda aprovechar en los siguientes pedidos. Para cumplir con los
pedidos de los clientes se corta el rollo estándar en rollos más angostos de acuerdo a los anchos solicitados. Los
pedidos para el siguiente mes se muestran en la siguiente tabla:

Pedidos Ancho Solicitado


(rollos) (centímetros)
1,800 80
500 70
1,200 60
1,400 50

a. Desarrolle un modelo para un programa de producción que minimice el número de rollos estándar a fabricarse.
b. ¿Cómo quedaría el programa de producción si el objetivo fuera minimizar el desperdicio?

Modelación.
a. Minimizar el número de rollos estándar.
Variables de Decisión.
Al cortar un rollo estándar existe dos variantes: los "anchos", que son rollos del mismo ancho y las
"combinaciones" que son dos rollos de ancho diferente. Los anchos serán 80, 70, 60 y 50 centímetros y las
combinaciones serán 70-50 y 60-50 centímetros. Las variables de decisión son:
Xi = Rollos estándar a fabricar por mes para cortarse en rollos del Ancho "i"
Yj = Rollos estándar a fabricar por mes para cortarse en rollos de la Combinación "j"
(r/m)

Función Objetivo.
mín Z = X1 + X2 + X3 + X4 + Y1 + Y2

JEVA / PTI 39
EJERCICIOS DE PROGRAMACIÓN LINEAL MODELACIÓN, SOLUCIÓN E INTERPRETACIÓN

r/m r/m

Restricciones.
La siguiente tabla auxiliar resume las opciones que se tienen para el cortado de un rollo estándar:

Ancho Solicitado
(centímetros)
80 70 60 50
X1 X2 2X3 2X4
Y1 Y1
Y2 Y2
Pedidos 1,800 500 1,200 1,400
(rollos)

1. Pedidos.
Ancho 80 cm X1 ≥ 1,800
Ancho 70 cm X2 + Y1 ≥ 500
Ancho 60 cm 2X3 + Y2 ≥ 1,200
Ancho 50 cm 2X4 + Y1 + Y2≥ ≥ 1,400
% (r/m) = r/m r/m
2. No negatividad X i, Y i ≥ 0

Análisis Dimensional: Probado.

Solución Optima.
X1 = 1,800
X3 = 600
X4 = 450
Y1 = 500
mín Z = 3,350

Interpretación.
El programa de producción debe fabricar 3,350 rollos estándar que es el mínimo posible para cumplir con todos los
pedidos que se tienen. De este total, se deben de cortar 1,800 rollos estándar en rollos de 80 centímetros de ancho,
600 en rollos de 60 centímetros de ancho, 450 en rollos de 50 centímetros de ancho y 500 rollos en la combinación de
70-50 centímetros.

Otra forma de solucionar el problema.


Variables de Decisión
Xi = Rollos estándar a fabricar por mes para cortarse en la Opción "i".
(rollos/mes)

Función Objetivo.
mín. Z = X1 + X2 + X3 + X4 + X5 + X6
r/m r/m
Restricciones.
1.Pedidos.
Rollos de 80 cm. X1 ≥ 1,800
Rollos de 70 cm. X2 + X5 ≥ 500
Rollos de 60 cm. 2X3 + X6 ≥ 1,200
Rollos de 50 cm. 2X4 + X5 + X6 ≥ 1,400
2. No negatividad Xi ≥ 0

Solución Optima.
X1 = 1,800

JEVA / PTI 40
EJERCICIOS DE PROGRAMACIÓN LINEAL MODELACIÓN, SOLUCIÓN E INTERPRETACIÓN

X5 = 500
X3 = 150
X6 = 900
mín. Z = 3,350

Interpretación.
La cantidad mínima de rollos estándar a fabricar es de 3,350. De estos rollos se deben cortar 1,800 rollos estándar en
rollos de 80 cm de ancho, 500 en la opción de 70-50 cm, 150 en rollod de 60 cm y 900 en la opción de 60-50 cm.

b. Minimizar el desperdicio.
Variables de Decisión.
Considerando el desperdicio, las opciones de corte que se tiene son: un rollo de 80 centímetros de ancho dando
40 centímetros de desperdicio; un rollo de 70 centímetros generando otro rollo de 50 centímetros con cero de
desperdicio; dos rollos de 60 centímetros sin nada de desperdicio; un rollo de 60 centímetros generando otro rollo
de 50 con un desperdicio de 10 centímetros; dos rollos de 50 centímetros con 20 centímetros de desperdicio; un
solo rollo de 70 centímetros considerando como desperdicio el rollo de 50 centímetros sobrante, es decir que no
se utiliza para surtir los pedidos actuales y se manda al almacén para surtir pedidos posteriores; igualmente, todos
los rollos que nos sobren después de surtir los pedidos son considerados como desperdicio ya que se mandan al
almacén provocando un costo financiero innecesario.
Se presenta en la siguiente tabla un resumen de las opciones de corte que tiene la empresa para surtir los
pedidos que se tienen:

Ancho Opciones de Corte para Rollos Estándar Pedidos


(cm) 1 2 3 4 5 6 7 8 (rollos)
80 1 0 0 0 0 0 0 0 1,800
70 0 1 0 0 0 1 0 0 500
60 0 0 2 1 0 0 1 0 1,200
50 0 1 0 1 2 0 0 1 1,400
Desperdicio 40 0 0 10 20 50 60 70
(cm)

Variable de Decisión.
Xi = Rollos estándar para cortarse con la Opción "i"
Yj = Rollos sobrantes del Ancho "j" que se almacenan
(r)

Función Objetivo.
Como todos los rollo estándar tiene la misma longitud y diámetro, se puede considerar el desperdicio en
centímetros (longitud) en vez de centímetros cúbicos (volumen).
La Función Objetivo está formada por las opciones de corte para el rollo estándar y los rollos que nos sobren
después de surtir los pedidos que se tienen y que se almacenenan para surtir pedidos posteriores.

mín. Z = 40X1 + 10X4 + 20X5 + 50X6 +60X7 + 70X8 + 80Y1 + 70Y2 + 60Y3 + 50Y4
cm (cm/r) r = cm
Restricciones.
1.Pedidos.
Considerando que los rollos sobrantes son igual a los rollos estándar cortados menos los rollos pedidos, se
pueden estructurar las siguientes restricciones:
Ancho de 80 cm Y1 = X1 - 1,800
X1 - Y1 = 1,800
Ancho de 70 cm Y2 = X2 + X6 - 500
X2 + X6 - Y2 = 500
Ancho de 60 cm Y3 = 2X3 + X4 + X7 - 1,200
2X3 + X4 + X7 - Y3 = 1,200
Ancho de 50 cm Y4 = X2 + X4 + 2X5 + X8 - 1,400

JEVA / PTI 41
EJERCICIOS DE PROGRAMACIÓN LINEAL MODELACIÓN, SOLUCIÓN E INTERPRETACIÓN

X2 + X4 + 2X5 + X8 - Y4 = 1,400
r r
2. No negatividad X i, Y j ≥ 0

Solución Optima.
X1 = 1,800
X2 = 500
X3 = 600
X5 = 450
mín. Z = 81,000

Interpretación.
Para minimizar el desperdicio a 81,000 centímetros (675 rollos estándar) se deben fabricar 3,350 rollos estándar para
cortarse en la forma siguiente: 1,800 rollos estándar se deben de cortar con la opción 1 ( rollo de 80 cm de ancho);
500 rollos estándar se cortan con la opción 2 (rollo de 70 cm y otro de 50 cm); 600 rollos estándar se cortan con la
opción 3 (2 rollos de 60 cm) y 450 rollos estándar se cortan con la opción 5 (2 rollos de 50 cm).

35. Partes Automotrices.


Un fabricante de partes para la industria automotriz tiene problemas con la capacidad de producción de su planta, por
lo que se ve obligado a pedirle a la competencia que le maquile sus productos para poder cumplir con los pedidos
comprometidos. La empresa tiene cuatro productos que pueden fabricarse pasando por algunas de las seis máquinas
que tiene producción. Los tiempos de los procesos para cada uno de los producto, el tiempo disponible de cada
máquina y los pedidos que se tienen se dán en la siguiente tabla:

Procesos de Fabricación Pedidos


(horas/unidad) (unid/semana)
Producto
Máq. 1 Máq. 2 Máq. 3 Máq. 4 Máq. 5 Máq. 6
1 0.08 0.04 0.04 -- 0.06 0.12 250
2 -- 0.02 0.10 0.30 0.18 0.12 300
3 0.04 0.12 -- 0.15 0.50 0.45 500
4 0.12 0.08 0.35 -- -- 0.10 100
Tiempo Disponible 21 21 21 21 21 21
(horas/día)

Los costos de manufactura de la planta comparados con los costos de maquila dados por la competencia, para el
producto 1, 2, 3 y 4 respectivamente, son: $26 contra $31, $22.50 contra $27.50, $44 contra $47 y $21 contra $23.
Considere que la planta trabaja 6 días por semana. La empresa quiere un modelo que le ayude a decidir, en base a
los pedidos semanales que tenga, la cantidad de cada producto que se debe de fabricar en la planta y lo que se debe
de maquilar con la competencia para minimizar el costo total de producción.

Modelación.
Variables de Decisión.
Xi = Unidades semanales a fabricar del producto "i" en la planta.
Yi = Unidades semanales a maquilar del producto "i" con la competencia.
(u/s)

Otra forma en que se pueden definir las variables de decisión es:


Xij = Unidades semanales del Producto "i" a procesarse en la Opción "j"
(u/s)

Función Objetivo.
mín Z = 26X1 + 22.50X2 + 44X3 + 21X4 + 31Y1 + 27.50Y2 + 47Y3 + 23Y4
$/s ($/u)(u/s) = $/s

Restricciones.
1. Capacidad de los procesos.

JEVA / PTI 42
EJERCICIOS DE PROGRAMACIÓN LINEAL MODELACIÓN, SOLUCIÓN E INTERPRETACIÓN

Como se trabajan 21 horas diarias y 6 días a la semana, se tendrán disponibles para la fabricación 21(6) = 126
horas semanales
Máquina 1 0.08X1 + 0.04X3 + 0.12X4 ≤ 126
Máquina 2 0.04X1 + 0.02X2 + 0.12X3 + 0.08X4 ≤ 126
Máquina 3 0.04X1 + 0.10X2 + 0.35X4 ≤ 126
Máquina 4 0.30X2 + 0.15X3 ≤ 126
Máquina 5 0.06X1 + 0.18X2 + 0.50X3 ≤ 126
Máquina 6 0.12 X1 + 0.12 X2 + 0.45 X3 + 0.10 X4 ≤ 126
(h/u)(u/s) = h/s h/s
2. Pedidos.
Producto 1 X1 + Y1 = 250
Producto 2 X2 + Y2 = 300
Producto 3 X3 + Y3 = 500
Producto 4 X4 + Y4 = 100
u/s u/s
3. No negatividad Xi, Yi ≥ 0

Análisis Dimensional: Probado.

Solución Optima.
X1 = 250
X2 = 200
X3 = 111.1111
X4 = 100
Y3 = 388.8889
Máquina 1 (H1) = 89.5556
Máquina 2 (H2) = 88.6667
Máquina 3 (H3) = 51
Máquina 4 (H4) = 19.3333
Máquina 5 (H5) = 1.4444
mín. Z = 38,516.67

Interpretación.
Haciendo los ajustes por ser variables discretas, el programa de producción para la próxima semana consiste en
fabricar en la planta: 250 productos 1, 300 productos 2, 111 productos 3 y 100 productos 4; maquilar con la
competencia 389 productos 3. Al realizar esta programación, se tiene el mínimo costo total de producción de $38,517
y una capacidad sobrante en las máquinas de: 89.56 horas en la máquina 1, 88.68 horas en la máquina 2, 51 horas en
la máquina 3, 19.35 horas en la máquina 4, 1.5 horas en la máquina 5 y 0.05 horas en la máquina 6.
Las restricciones dominantes son los pedidos que se tienen que entregar y la capacidad de la máquina 6.

36. Productos con Demanda Variable.


Una empresa fabrica un producto que tiene una demanda variable, es decir, que puede aumentar o disminuir de un
mes a otro. El pronóstico de la demanda que se tiene para los próximos cuatro meses es de: 1,800 unidades en el
mes 1, 2,200 unidades en el mes 2, 3,400 unidades en el mes 3 y 2,800 unidades en el mes 4. Debido a las
variaciones de la demanda, se tiene que en algunos meses hay producción en exceso ocasionando altos costos de
inventario, mientras que en otros meses no se cubre la demanda del mercado. La capacidad de producción de la
empresa es de 2,400 unidades mensuales considerando un turno normal, pero utilizando tiempo extra, se puede
fabricar hasta 800 unidades adicionales. Debido al mayor costo que implica el tiempo extra repercute en un aumento
de $7 a cualquier unidad que no se fabrique en tiempo normal. Se ha estimado un costo de almacenamiento de $3 por
cada unidad que se fabrique en un determinado mes y que no se venda en el mismo. También quiere la empresa
terminar el mes 4 sin inventario en el almacén. La empresa quiere un modelo que le permita desarrollar un programa
de producción para cumplir con la demanda del mercado y que minimice el costo total, es decir, el costo de producción
y el costo del almacenamiento.

Modelación.
Variables de Decisión.
Xi = Unidades a fabricarse en el turno normal en el Mes "i".

JEVA / PTI 43
EJERCICIOS DE PROGRAMACIÓN LINEAL MODELACIÓN, SOLUCIÓN E INTERPRETACIÓN

Yi = Unidades a fabricarse en tiempo extra en el Mes "i".


Zi = Unidades de inventario al final del Mes "i".
(u)
Otra forma de definir las Variables de Decisión es:
Xij = Unidades a fabricarse en la Opción "i" en el Mes "j".
Zi = Unidades de inventario final en el Mes "i".
(u)

Función Objetivo.
Considerar que al minimizar el costo total, no repercute el costo de producción del turno normal solo el incremento del
costo que se tenga por el tiempo extra utilizado en los diferentes meses; también repercute el costo del
almacenamiento que se tenga en los meses.

mín. Z = 7(Y1+Y2+Y3+Y4) + 3(Z1+Z2+Z3+0)


$ $/u (u) = $

Restricciones.
1.Capacidad de producción.
Turno normal.
Mes 1 X1 ≤ 2400
Mes 2 X2 ≤ 2400
Mes 3 X3 ≤ 2400
Mes 4 X4 ≤ 2400
u u
Tiempo extra.
Mes 1 Y1 ≤ 800
Mes 2 Y2 ≤ 800
Mes 3 Y3 ≤ 800
Mes 4 Y4 ≤ 800
u u
2. Pronóstico de la demanda.
Considerar que: Inventario Final = Inventario Inicial + Entradas - Salidas
Mes 1 Z1 = 0 + (X1+Y1) - 1,800
X1 + Y1 - Z1 = 1,800
Mes 2 Z2 = Z1 + (X2+Y2) - 2,200
X2 + Y2 + Z1 - Z2 = 2,200
Mes 3 Z3 = Z2 + (X3+Y3) - 3,400
X3 + Y3 + Z2 - Z3 = 3,400
Mes 4 Como la empresa quiere que el inventario final en el mes 4 sea cero, se tiene:
0 = Z3 + (X4+Y4) - 2,800
X4 + Y4 + Z3 = 2,800
u u
3. No negatividad Xi, Yi, Zi ≥ 0

Análisis Dimensional: Probado.

Solución Optima.
X1 = 2,400 Y3 = 200
X2 = 2,400 Y4 = 400
X3 = 2,400 Z1 = 600
X4 = 2,400 Z2 = 800
T. extra mes 1 (H5) = 800
T. extra mes 2 (H6) = 800
T. extra mes 3 (H7) = 600

JEVA / PTI 44
EJERCICIOS DE PROGRAMACIÓN LINEAL MODELACIÓN, SOLUCIÓN E INTERPRETACIÓN

T. extra mes 4 (H8) = 400


mín. Z = 8,400

Interpretación.
El programa de producción para los siguientes cuatro meses es: fabricar 2,400 unidades en el turno normal en cada
uno de los cuatro meses; fabricar en tiempo extra, 200 unidades en el mes 3 y 400 unidades en el mes 4; el inventario
final que se tendrá en el mes 1 es de 600 unidades y de 800 unidades en el mes 2. Con esta programación se tiene el
mínimo costo total de $8,400 con el siguiente análisis de los recursos: no se utilizará la capacidad del tiempo extra en
los meses 1 y 2, en el mes 3 sobrará capacidad del tiempo extra equivalente a 600 unidades y en el mes 4 por 400
unidades.
La restricción dominante es la capacidad del turno normal y las condiciones que se tienen del inventario final en
relación con el pronóstico de la demanda.

37. Discriminación Racial en Escuelas.


En un intercambio estudiantil con una universidad americana, se le encargó a un grupo de alumnos mexicanos en el
curso de Investigación de Operaciones, desarrollar un modelo de programación lineal que resolviera un problema
social de la región. Ellos escogieron trabajar con un problema de discriminación racial en las escuelas del condado.
Este condado tiene dos escuelas de nivel medio superior que atienden las necesidades de educación. La escuela 1
tiene una capacidad para atender 6,500 estudiantes y la escuela 2 para 4,500. El distrito escolar tiene 6 áreas, cada
una con cantidad y tipo de población estudiantil diferente.
De acuerdo a las estadísticas que se tienen, se desarrollaron los siguientes datos:

Población Estudiantes Minoritarios Distancia Promedio entre Escuelas y Areas


Area Estudiantil (estudiantes) (kilómetros/estudiante)
(estudiantes) Escuela 1 Escuela 2
A 1900 200 1.5 2.5
B 2475 1600 1.8 1.9
C 1000 490 2.2 2.6
D 2150 450 2.5 2.3
E 1800 870 2.9 1.8
F 1400 590 2.8 1.1

Una estrategia implementada por el gobierno, establece que cada escuela debe tener inscritos por lo menos 32% de
alumnos de minoría pero no más del 45%. El objetivo del distrito escolar es minimizar la distancia recorrida por el
autobús escolar para transportar a los estudiantes y le gustaría que los estudiantes no recorrieran más de 2.8 km en el
autobús escolar. El grupo de alumnos mexicanos quiere desarrollar un modelo que ayude al distrito escolar a cumplir
con su objetivo respetando todas las restricciones.

Modelación.
Variables de Decisión.
Xij = Estudiantes norteamericanos del Area "i" que asisten a la Escuela "j"
Yij = Estudiantes minoritarios del Area "i" que asisten a la Escuela "j"
(est)

Función Objetivo.
mín Z = 1.5(X11+Y11) + 1.8(X21+Y21) + 2.2(X31+Y31) + 2.5(X41+Y41) + 2.9(X51+Y51) + 2.8(X61+y61) + 2.5(X12+Y12)+
1.9(X22+Y22) + 2.6(X32+Y32) + 2.3(X42+Y42) + 1.8(X52+Y52) + 1.1(X62+y62)
km (km/est)est = km

Restricciones.
1. Capacidad de las escuelas.
Escuela 1: (X11+Y11) + (X21+Y21) + (X31+Y31) + (X41+Y41) + (X51+Y51) + (X61+Y61) ≤ 6500
Escuela 2: (X12+Y12) + (X22+Y22) + (X32+Y32) + (X42+Y42) + (X52+Y52) + (X62+Y62) ≤ 4500
est est

2. Estrategia gubernamental para la discriminación.

JEVA / PTI 45
EJERCICIOS DE PROGRAMACIÓN LINEAL MODELACIÓN, SOLUCIÓN E INTERPRETACIÓN

En forma general se puede expresar en la siguiente forma:


0.45 ≥ (Total de estudiantes minoritarios / Total de población estudiantil) ≥ 0.32
% est/est = % %
Escuela 1:
0.45 ≥ (Y11+Y21+Y31+Y41+Y51+Y61) / (X11+Y11) + (X21+Y21) + (X31+Y31) + (X41+Y41) + (X51+Y51) + (X61+Y61) ≥ 0.32
Escuela 2:
0.45 ≥ (Y12+Y22+Y32+Y42+Y52+Y62) / (X12+Y12) + (X22+Y22) + (X32+Y32) + (X42+Y42) + (X52+Y52) + (X62+Y62) ≥ 0.32
3. Población estudiantil.
Los estudiantes de cada área pueden asistir a cualquiera de las dos escuelas.
Area 1 (X11+Y11) + (X12+Y12) = 1,900
Area 2 (X21+Y21) + (X22+Y22) = 2,475
Area 3 (X31+Y31) + (X32+Y32) = 1,000
Area 4 (X41+Y41) + (X42+Y42) = 2,150
Area 5 (X51+Y51) + (X52+Y52) = 1,800
Area 6 (X61+Y61) + (X62+Y62) = 1,400
est est
4. Estudiantes minoritarios.
Los estudiantes minoritarios que viven en cada áreas, pueden asistir a cualquiera de las dos escuelas.
Area 1 Y11 + Y12 = 200
Area 2 Y21 + Y22 = 1,600
Area 3 Y31 + Y32 = 490
Area 4 Y41 + Y42 = 450
Area 5 Y51 + Y52 = 870
Area 6 Y61 + Y62 = 590
est est
5. No negatividad Xij, Yij ≥ 0

Análisis Dimensional: Probado.


Solución Optima.
X11 = 1,700 Y11 = 200
X21 = 875 Y21 = 1,600
X31 = 510 Y31 = 490
X41 = 850 Y42 =450
X52 = 930 Y52 = 870
X62 = 810 Y62 = 590
Capacidad esc. 1 (H1) = 275
Estrat. gub. esc. 1 (E3) = 298
Estrat. gub. esc. 1 (H4) = 511.2499
Estrat. gub. esc. 2 (E5) = 470
Estrat. gub. esc. 2 (H6) = 114.9999
mín. Z = 19,400

Interpretación.
Se debe programar para la escuela 1: 1,700 norteamericanos y 200 minoritarios del área 1, 875 norteamericanos y
1,600 minoritarios del área 2, 510 norteamericanos y 490 minoritarios del área 3, 850 norteamericanos del área 4;
para la escuela 2 se debe programar: 450 minoritarios del área 4, 930 norteamericanos y 870 minoritarios del área 5,
810 norteamericanos y 590 minoritarios del área 6. Con esta programación se logra la mínima distancia total recorrida
de 19,400 kilómetros.
En cuanto al análisis de los recursos se tiene que: a la escuela 1 le sobrará capacidad para 275 alumnos; en la
estrategia gubernamental se tiene que la escuela 1 está 298 estudiantes minoritarios (4.8%) por arriba del límite
inferior y 511 estudiantes minoritarios (8.2%) por abajo del límite superior; la escuela 2 está 115 estudiantes
minoritarios (2.6%) por abajo del límite superior y 470 estudiantes (10.4%) por arriba del límite inferior. La restricción
dominante es la capacidad de la escuela 2.
De acuerdo con estos resultados, se logra que la distancia promedio recorrida por estudiante sea de 1.8 kilómetros,
que es inferior a la distancia deseada por el distrito escolar. Conviene aclarar que el objetivo deseado de 2.8
kilómetros se podría o no haber logrado sin que esto afecte la solución del modelo.

38. Mercadotecnia: Venta de Nuevos Productos.

JEVA / PTI 46
EJERCICIOS DE PROGRAMACIÓN LINEAL MODELACIÓN, SOLUCIÓN E INTERPRETACIÓN

Una empresa que se dedica a la venta de productos novedosos al menudeo, piensa agregar dos nuevos productos a
la línea ya existente, trabajándolos durante dos años para probar la reacción del mercado. Se comprarán los dos
nuevos productos con un mayorista, que ha dicho que el precio de compra variará de un año a otro, pero respecto al
precio de venta, la empresa determinó que fuera el mismo durante los dos años, siendo para el producto 1 de $12 y
para el producto 2 de $10.50. El departamento de Mercadotecnia de la empresa, ha detectado que las ventas de los
nuevos productos dependen de la publicidad que se les haga, lo que servirá de base para proyectar las ventas
expresadas en unidades vendidas por $1 gastado en publicidad. Los datos del costo y venta de los productos, para los
próximos dos años, se dán en la siguiente tabla:

Precio de Compra Pronostico de Ventas


Producto ($/unidades) (unidades/$1 en publicidad.)
Año 1 Año 2 Año 1 Año 2
1 7.50 8.00 6 7
2 7.00 8.50 9 12

Mercadotecnia ha pronosticado también, que en ambos años, cuando menos el 30% pero no más del 60% del total de
unidades vendidas de ambos productos serán del producto 2.
A principio del año 1, la empresa tendrá un presupuesto de $120 mil para los gastos de publicidad y compras. Se
supone que los productos se pueden comprar en un año y conservarse hasta el año siguiente sin incurrir en los costos
de inventario. También se considera que, la publicidad hecha en cualquier año solo tendrá efecto sobre las ventas de
ese año. Los gastos de publicidad y de compras que se hagan en el año 2, se deben de financiar con las utilidades del
año 1. La empresa quiere tener un modelo que le ayude a determinar el dinero que debe gastar en publicidad y en
compras, para cada producto en cada año, con el objeto de maximizar la utilidad total en el transcurso de los dos
años.

Modelación.
Variables de Decisión.
Xij = Dinero para comprar el Producto "i" en el Año "j"
Yij = Dinero para publicidad del Producto "i" en el Año "j"
($/a)

Función Objetivo.
Las ventas están dadas en función del gasto que se haga en publicidad, por lo que las ventas se pueden expresar
como:
Ventas = (unidades vendidas por peso gastado en publicidad) (cantidad gastada en
publicidad al año)
(u/$)($/a) = u/a
Las ventas calculadas para cada producto y su utilidad se presentan en el siguiente cuadro:

Ventas Utilidad
Producto Año (unidades/año) ($/unidades)
1 1 6 Y11 4.50
1 2 7 Y12 4.00
2 1 9 Y21 3.50
2 2 12 Y22 2.00

Máx Z = 4.50(6Y11) + 4(7Y12) + 3.50(9Y21) + 2(12Y22)


$/a ($/u)(u/a) = $/a
Máx Z = 27Y11 + 28Y12 + 31.50Y21 + 24Y22

Restricciones.
1. Compras.
Año 1: Las ventas deben ser menor o igual a lo comprado.
Producto 1 6Y11 ≤ X11/7.50
u/a ($/a) / ($/u) = u/a
45Y11 - X11 ≤ 0
(u/a)($/u) = $/a

JEVA / PTI 47
EJERCICIOS DE PROGRAMACIÓN LINEAL MODELACIÓN, SOLUCIÓN E INTERPRETACIÓN

Producto 2 9Y21 ≤ X21/7


63Y21 - X21 ≤0

Año 2: Las ventas deben ser menor o igual a las compras programadas para el año 2 menos el
sobrante del año 1 que no se vendió.
Producto 1 7Y12 ≤ X12 / 8 - (X11 / 7.50 - 6Y11)
-360Y11 + 420Y12 + 8X11 -7.5X12 ≤ 0
Producto 2 12Y22 ≤ X22 / 8.50 - (X21 / 7 - 9Y21)
-535Y21 + 714Y22 + 8.5X21 - 7X22 ≤ 0

2. Pronóstico de ventas para producto 2.


Año 1 0.60 ≥ 9Y21/(6Y11 + 9Y21) ≥ 0.30
-1.8Y11 + 6.3Y21 ≤ 0
-3.6Y11 + 3.6Y21 ≥ 0
Año 2 0.60 ≥ 12 Y22/(7 Y12 + 12 Y22) ≥ 0.30
% (u/a)/(u/a) = % %
-2.1Y12 + 8.4Y22 ≤ 0
-4.2Y12 + 4.8Y22 ≥ 0
(u/$)($/a) = u/a u/a
3. Presupuesto para publicidad y compras.
Año 1 (X11+X21) + (Y11+Y21) ≤ 120,000
Año 2 (X12+X22) + (Y12+Y22) ≤ {120,000 - (X11+X21+Y11+Y21)} + (27Y11+31.5Y21)
$/a ($/u)(u/a) = $/a
-26Y11 + Y12 -30.5Y21 + Y22 + X11 + X12+ X21 + X22 ≤ 120,000
$/a $/a
4. No negatividad Xij, Yij ≥ 0

Análisis Dimensional: Probado.

Solución Optima.
Y11 = 1,866.6670 X11 = 84,000
Y12 = 812.0846 X12 = 45,476.74
Y21 = 533.3333 X21 = 33,600
Y22 = 203.0211 X22 = 20,708.16
Pronóstico prod. 2 año 1 = 4,800
Pronóstico prod. 2 año 2 = 2,436.2540
Máx. Z = 94,810.88

Interpretación.
El programa de gastos para los próximos dos años, considera gastar para el producto 1: $1,1866.6670 en publicidad
en el año 1 y $812.0846 en el año 2; $84,000 en compras del producto 1 en el año 1 y $45,476.74 en el año 2. Para el
producto 2 se gastará: $533.3333 en publicidad en el año 1 y $203.0211 en el año 2; $33,600 en compras del
producto 2 en el año 1 y $20,708.16 en el año 2. Con este programa de gastos se tiene la máxima utilidad de
$94,810.88 en el transcurso de los dos años y el pronóstico de ventas del producto 2 está 4,800 unidades (30%) por
abajo del límite superior en el año 1 y 2,436 unidades (30%) por abajo del límite superior en el año 2.
Se tiene como restricciones dominantes las compras y el presupuesto para la publicidad y compras.

PROBLEMAS TIPO "DIETA".

1. Cápsula de Vitaminas.

JEVA / PTI 48
EJERCICIOS DE PROGRAMACIÓN LINEAL MODELACIÓN, SOLUCIÓN E INTERPRETACIÓN

Un laboratorio farmacéutico desea producir una cápsula de vitaminas que contenga al menos 12 unidades de vitamina
A y al menos 16 unidades de vitamina B. Se tienen suficientes existencias de los dos ingredientes para producir
cualquier cantidad de cápsulas. Cada ingrediente contiene las dos vitaminas y la cápsula puede producirse usando
cualquiera de los ingredientes ó una combinación de los dos. Cada gramo del primer ingrediente tiene un costo de
$0.60 y contiene 3 unidades de vitamina A y 2 de vitamina B. Un gramo del segundo ingrediente cuesta $0.40 y
contiene 0.5 unidades de vitamina A y 1 de B. ¿Cuál es el costo mínimo de la cápsula que cumple con los
requerimientos vitamínicos?

Modelación.
Variables de Decisión.
Xi = Gramos del Ingrediente "i" a poner por cápsula.
(g/c)

Función Objetivo.
mín. Z = 0.6X1 + 0.4X2
$/c ($/g)(g/c) = $/c

Restricciones.
1. Requerimientos.
Vitamina A 3X1 + 0.5X2 ≥ 12
Vitamina B 2X1 + X2 ≥ 16
(u/g)(g/c)=u/c u/c
2. No negatividad Xi ≥ 0

Análisis Dimensional: Probado.

Solución Optima.
X1 = 8
Vitamina A (E1) = 12
mín. Z = 4.8

Interpretación.
Se debe producir la cápsula con 8 gramos del primer ingrediente para tener un costo mínimo unitario de $4.80. Al
hacer esta formulación, se tendrá un excedente de 12 unidades de vitamina A de acuerdo al requerimiento vitamínico
especificado. La restricción dominante es el requerimiento de vitamina A.

2. Elaboración de Fertilizante.
Un agrónomo tiene que elaborar un fertilizante cuyas cantidades mínimas de los nutrientes A, B y C deben ser de 80,
120 y 240 unidades respectivamente. Para este efecto cuenta con dos marcas, la primera garantiza que cada costal
de su producto contiene 2, 6 y 4 unidades de los nutrientes A, B y C respectivamente, con un costo de $40 por costal.
El costal de la segunda marca cuesta $50 y contiene 2 unidades de A, 2 de B y 12 de C. Se desea saber cuántos
costales de cada marca hay que mezclar para obtener un fertilizante que cumpla con los requisitos nutricionales y que
sea con el menor costo posible.

Modelación.
Variables de Decisión.
Xi = Costales de la Marca "i" que se deben de mezclar.
(c)

Función Objetivo.
mín. Z = 40X1 + 50X2
$ ($/c)(c) = $

Restricciones.
1. Requerimientos.
Nutriente A 2X1 + 2X2 ≥ 80

JEVA / PTI 49
EJERCICIOS DE PROGRAMACIÓN LINEAL MODELACIÓN, SOLUCIÓN E INTERPRETACIÓN

Nutriente B 6X1 + 2X2 ≥ 120


Nutriente C 4X1 + 12X2 ≥ 240
(u/c)(c)=u u
2. No negatividad Xi ≥ 0

Análisis Dimensional: Probado.

Solución Optima.
X1 = 30
X2 = 10
Nutriente B (E2) = 80
mín. Z = 1,700

Interpretación.
Se deben de mezclar 30 costales de la primera marca con 10 costales de la segunda marca para hacer el fertilizante
al mínimo costo de $ 1,700. Al hacer esta combinación para el fertilizante, habrá un excedente de 80 unidades del
nutriente B respecto a las 120 unidades requeridas como mínimo. Las restricciones dominantes son el nutriente A y el
C.

3. Elaboración de una Dieta.


La dietista de un hospital, encargada de la planeación y administración de las dietas, tiene un paciente sometido a una
dieta especial a base de dos tipos de alimentos. Aunque el paciente puede comer la cantidad que guste de los dos
alimentos, la dieta debe cumplir con los siguientes requerimientos mínimos diarios: 1000 unidades del nutriente A,
2000 del B y 1500 del C. Se analizó en el laboratorio 100 gramos de cada alimento y se encontró que el alimento 1
contiene 100 unidades del nutriente A, 400 unidades del B y 200 unidades del C. El alimento 2 contiene 200 unidades
de A, 250 unidades de B y 200 del C. Los alimentos son algo costosos, el costo de cada kilogramo del alimento 1 es
de $60 y de $80 para el alimento 2. La dietista desea conocer la combinación de cada alimento que tiene que utilizar
por día para cumplir con los requerimientos de la dieta al mínimo costo.
a. Elabore la tabla de datos para el problema.
b. Desarrolle el modelo para el problema.

Tabla de Datos.

Análisis de los Contenidos Requerimientos


Nutriente (unidades/100 gramos) Mínimos
Alimento 1 Alimento 2 (unidades/día)
A 100 200 1000
B 400 250 2000
C 200 200 1500
Costo 60 80
($/kilogramo)

Modelación.
Variables de Decisión.
Xi = Kilogramos del Alimento "i" a combinar diariamente
(Kg/d)

Función Objetivo.
mín. Z = 60X1 + 80X2
$/d ($/kg)(kg/d) = $/d

Restricciones.
1. Requerimientos.
Nutriente A 1,000X1 + 2,000X2 ≥ 1,000
Nutriente B 4,000X1 + 2,500X2 ≥ 2,000
Nutriente C 2,000X1 + 2,000X2 ≥ 1,500
(u/kg)(kg/d) = u/d u/d

JEVA / PTI 50
EJERCICIOS DE PROGRAMACIÓN LINEAL MODELACIÓN, SOLUCIÓN E INTERPRETACIÓN

2. No negatividad X1 ≥ 0

Análisis Dimensional: Probado.

Solución Optima.
X1 = 0.5
X2 = 0.25
Nutriente C (E2) = 625
mín. Z = 50

Interpretación.
La combinación diaria que debe hacer la dietista es de 0.5 kg del alimento 1 con 0.25 Kg del alimento 2 para tener el
mínimo costo posible de $50. Al hacer esta combinación, se tendrá un excedente de 625 unidades del nutriente B
respecto al mínimo requerido de 2,000 unidades. Las restricciones dominantes son la vitamina A y B.

4. Piezas de Metal de Alta Precisión.


Una empresa fabrica piezas de metal de alta precisión para motores de carros de carreras. La pieza que actualmente
fabrica se hace mediante un proceso de fundición con ciertos requerimientos mínimos de calidad. Para asegurar el
cumplimiento de las especificaciones de calidad de la pieza, se deben tener por lo menos 400 gramos de plomo, 480
de cobre y 600 de hierro colado. Se tienen localizados 4 tipos de minerales que se pueden utilizar en la fabricación de
la pieza. El reporte del contenido de componentes por cada kilogramo de mineral es:

Contenido de Componentes Costo


Tipo de
(gramos/kg. ) Mineral
Mineral
Plomo Cobre Hierro C. ($/kilogramo)
1 40 20 20 20
2 20 60 60 30
3 10 40 40 60
4 5 10 80 50

La empresa quiere un modelo que le permita determinar cuánto se debe de mezclar de cada tipo de mineral para
cumplir con las especificaciones de fabricación de la pieza al mínimo costo.

Modelación.
Variables de Decisión.
Xi = Kilogramos del Mineral "i" que se deben de mezclar para fabricar la pieza.
(kg)

Función Objetivo.
mín Z = 20X1 + 30X2 + 60X3 + 50X4
$ ($/kg)kg = $

Restricciones:
1. Especificaciones de calidad.
Plomo 40X1 + 20X2 + 10X3 + 5X4 ≥ 400
Cobre 20X1 + 60X2 + 40X3 + 10X4 ≥ 480
Hierro colado 20X1 + 60X2 + 40X3 + 80X4 ≥ 600
(g/kg)kg = g g
2. No negatividad Xi ≥ 0

Análisis Dimensional: Probado.

Solución Optima.
X1 = 6

JEVA / PTI 51
EJERCICIOS DE PROGRAMACIÓN LINEAL MODELACIÓN, SOLUCIÓN E INTERPRETACIÓN

X2 = 8
Cobre (E2) = 120
mín. Z = 360

Interpretación.
Para fabricar la pieza al mínimo costo de $360, se deben de mezclar 6 Kg del mineral tipo 1 con 8 Kg del mineral tipo
2. Haciendo esta mezcla de minerales, se tendrá un excedente de 120 gramos de cobre respecto al mínimo requerido
de 120 gramos. Las restricciones dominantes en el modelo son las especificaciones de calidad del plomo y del hierro
colado.

5. Desarrollo de un Nuevo Alimento para Perros.


Un fabricante de alimentos para animales está desarrollando un nuevo producto para perros. Este alimento
balanceado es una lata de 160 gramos que debe de tener como mínimo 30 gramos de proteínas, 50 gramos de
carbohidratos y 40 gramos de grasas, el resto es un componente de relleno sin costo. Se van a comprar cuatro
alimentos comerciales para mezclarse en diferentes proporciones y así sacar una lata de alimento que cumpla con
todos los requerimientos. Un análisis de 160 gramos de cada tipo de alimento, dieron los siguientes datos:

Análisis de 160 gramos de Alimento


Costo
Tipo de Alimento (gramos/lata)
($/kilogramo)
Proteína Carbohidrato Grasa
1 30 70 50 250
2 50 40 60 375
3 20 20 60 187.50
4 30 80 20 125
Cantidad Requerida 30 50 40
(gramos/lata)

a. Desarrolle un modelo que permita determinar la “cantidad” de cada alimento que se le debe de poner a una
lata para minimizar su costo.
b. Desarrolle un modelo que permita conocer la “proporción” de cada alimento que se le debe de poner a una
lata para minimizar su costo.
c. ¿Qué cantidad de cada alimento se debe comprar para fabricar 500 latas diarias?

Modelación.
a. Modelo para “cantidad”.
Variables de Decisión.
Xi = Gramos del Alimento "i" que se deben de poner por lata
(g/l)

Función Objetivo.
mín. Z = 0.25X1 + 0.375X2 + 0.1875X3 + 0.125X4
$/l ($/g)(g/l) = $/l

Restricciones.
1. Requerimientos.
La aportación de cada alimento se tiene que expresar en porcentaje para tener congruencia dimensional en el
modelo. Ejemplo, la aportación del alimento 1 es de 30 gramos de proteína por cada 160 gramos de alimento,
equivalente a un 18.75%. En esta forma se construyen las restricciones quedando:
Proteína 0.1875X1 + 0.3125X2 + 0.125X3 + 0.1875 X4 ≥ 30
Carbohidrato 0.4375X1 + 0.2500X2 + 0.125X3 + 0.5000 X4 ≥ 50
Grasa 0.3125X1 + 0.3750X2 + 0.375X3 + 0.1250 X4 ≥ 40
%(g/l) = g/l g/l
1. Proporción X1 + X2 + X3 + X4 = 160
g/l g/l
3. No negatividad Xi ≥0
Análisis Dimensional: Probado.

JEVA / PTI 52
EJERCICIOS DE PROGRAMACIÓN LINEAL MODELACIÓN, SOLUCIÓN E INTERPRETACIÓN

Solución Optima.
X2 = 26.6667
X3 = 53.3333
X4 = 80
Carbohidratos (E2) = 3.3333
mín. Z = 26.666

Interpretación.
Para tener el mínimo costo de $26.67 por lata, se debe poner 26.6667 gramos del alimento 2, 53.3333 gramos
del alimento 3 y 80 gramos del alimento 4. Al poner en la lata estas cantidades, se tendrá un excedente de
3.3333 gramos de carbohidratos respecto a los 50 requeridos.

b. Modelo para “proporción”.


Variables de Decisión.
Xi = Proporción de Alimento "i" que se debe poner por lata
(%)

Función Objetivo.
Para construir la Función Objetivo, se debe calcular el costo por lata de cada alimento considerando que una
lata tiene 160 gramos. Se muestra el cálculo del costo para el alimento 1 quedando (250/1,000)160 = $40/lata
mín. Z = 40X1 + 60X2 + 30X3 + 20X4
$/l ($/l)(%) = $/l

Restricciones.
1. Requerimientos.
Proteína 30X1 + 50X2 + 20X3 + 30X4 ≥ 30
Carbohidrato 70X1 + 40X2 + 20X3 + 80X4 ≥ 50
Grasa 50X1 + 60X2 + 60X3 + 20X4 ≥ 40
(g/l)(%) = g/l g/l
2. Proporción X1 + X2 + X3 + X4 = 1
% %
3. No negatividad Xi ≥ 0

Análisis Dimensional: Probado.

Solución Optima.
X2 = 0.1667
X3 = 0.3333
X4 = 0.5
Carbohidratos (E2) = 3.3333
mín. Z = 26.666

Se puede concluir que los dos modelos son equivalentes.

Interpretación.
Se le debe poner por lata, 16.67% de alimento 2, el 33.33% del alimento 3 y 50% del alimento 4 para tener el
mínimo costo de $26.67. Mezclando esta proporción de alimentos, se tendrá un excedente de 3.3333 gramos de
carbohidrato respecto a los 50 gramos requeridos. La restricción dominante es la proporción y el requerimiento
de proteína y grasa.

c. Fabricación de 500 latas diarias.


Para fabricar 500 latas diarias se gastarán $15,000 comprando las siguientes cantidades de cada alimento:
Alimento 2 0.160 (0.1667) (500) = 13.336 Kgs
Alimento 3 0.160 (0.3333) (500) = 26.664
Alimento 4 0.160 (0.5000) (500) = 40.000

JEVA / PTI 53
EJERCICIOS DE PROGRAMACIÓN LINEAL MODELACIÓN, SOLUCIÓN E INTERPRETACIÓN

6. Alimentos Energéticos.
Una empresa produce alimentos energéticos en tres combinaciones: la normal que se vende a $15 el kilogramo, la
especial se vende a $22 por kilogramo y la extra a $35. Cada combinación requiere los mismos ingredientes:,
cacahuate con un costo de $9 por kilogramo, pasas a $15 por kilogramo y nuez a $20. La combinación normal
requiriere cuando menos 5% de cada ingrediente, la combinación especial requiere cuando menos 20% de cada
ingrediente pero no más de un 50% y la extra necesita cuando menos 25% de pasas y no más de 25% de cacahuate.
Además, se tiene especificado que la combinación normal debe limitarse al 20% de la producción total. Se ha definido
como política presupuestaria el tener como máximo semanal 1,000 kilogramos de cacahuate, 2,000 kilogramos de
pasas y 3,000 de nuez. La empresa tiene un costo fijo de $8,000 para producir las combinaciones. Desarrolle un
modelo para maximizar las utilidades de la empresa determinando la cantidad a producir de cada combinación
energética.

Modelación.
Variables de Decisión.
Xij = Kilogramos por semana del Ingrediente "i" a usarse en la elaboración del Producto "j"
(kg/s)

Función Objetivo.
Si no se puede calcular directamente el margen de utilidad para cada combinación porque no se conoce la
proporción que llevan de cada ingredientes, se puede calcular considerando la utilidad que proporciona cada uno
de los ingredientes.
Máx Z = 6X11 - 5X31 + 13X12 + 7X22 + 2X32 + 26X13 + 20X23 + 15X33
$/s ($/kg)(kg/s) = $/s

Restricciones.
1. Especificaciones.
Combinación Normal: Cacahuate X11/(X11 + X21 + X31) ≥ 0.05
0.95X11 - 0.05X21 - 0.05X31 ≥ 0
Pasas X21/(X11 + X21 + X31) ≥ 0.05
- 0.05X11 + 0.95X21 - 0.05X31 ≥ 0
Nuez X31/(X11 + X21 + X31) ≥ 0.05
- 0.05X11 - 0.05X21 + 0.95X31 ≥ 0
Combinación Especial: Cacahuate 0.50 ≥ X12/(X12 + X22 + X32) ≥ 0.20
0.8X12 - 0.2X22 - 0.2X32 ≥ 0
0.5X12 - 0.5X22 - 0.5X32 ≤ 0
Pasas 0.50 ≥ X22/(X12 + X22 + X32) ≥ 0.20
- 0.2X12 + 0.8X22 - 0.2X32 ≥ 0
- 0.5X12 + 0.5X22 - 0.5X32 ≤ 0
Nuez 0.50 ≥ X32/(X12 + X22 + X32) ≥ 0.20
- 0.2X12 - 0.2X22 + 0.8X32 ≥ 0
- 0.5X12 - 0.5X22 + 0.5X32 ≤ 0
Combinación Extra: Cacahuate X13/(X13 + X23 + X33) ≤ 0.25
0.75X13 - 0.25X23 - 0.25X33 ≤ 0
Pasas X23/(X13 + X23 + X33) ≥ 0.25
- 0.25X13 + 0.75X23 - 0.25X33 ≥ 0
Producción:
Combinación Normal.
(X11+X21+X31)/(X11+X21+X31+X12+X22+X32+X13+X23+X33) ≤ 0.20
(kg/s)/(kg/s) = % %
0.8X11+0.8X21+0.8X31-0.2X12-0.2X22-0.2X32-0.2X13-0.2X23-0.2X33) ≤ 0
%(kg/s) = kg/s
2. Política presupuestaria.
Cacahuate X11 + X12 + X13 ≤ 1,000
Pasas X21 + X22 + X23 ≤ 2,000
Nuez X31 + X32 + X33 ≤ 3,000
kg/s kg/s

JEVA / PTI 54
EJERCICIOS DE PROGRAMACIÓN LINEAL MODELACIÓN, SOLUCIÓN E INTERPRETACIÓN

3. No negatividad Xij ≥0
Análisis Dimensional: Probado.

Solución Optima.
X13 = 1,000
X23 = 2,000
X33 = 3,000
Esp. extra cacahuate (H10) = 500
Esp. extra pasas (E11) = 500
Esp. prod. normal (H12) = 1,200
Máx. Z = 111,000

Interpretación.
Para tener la máxima utilidad semanal de $111,000, se debe producir 6,000 kilogramos de la combinación extra
utilizando 1,000 kilogramos de cacahuate, 2,000 de pasas y 3,000 de nuez. Con este programa de producción, se
tendrán 500 kilogramos sobrantes de cacahuate (500/6,000 = 8.3333%) y un excedente de 500 kilogramos de pasas
(8.3333%) respecto a los 6,000 kilogramos fijados como mínimo (25%). Como no se fabricó nada de la combinación
normal, se tiene disponible la capacidad del 20% de la producción total que es equivalente a 1,200 kilogramos. La
restricción dominante es la política presupuestaria con la disponibilidad de la nuez.

7. Fabricación de Gasolinas.
Una empresa petroquímica comercializa gasolina de dos tipos, la premium y la magna. Cada gasolina debe cumplir
con ciertas especificaciones de octanaje y de presión de vapor. Las especificaciones para las gasolinas se muestran
en la siguiente tabla:

Octanaje Mínimo Presión de Vapor Máxima Precio de Venta


Gasolina (unidades de (unidades de presión de ($/barril)
octanaje/barril) vapor/barril)
Magna 80 9 21
Premium 100 6 24

Se utilizan tres tipos de gasolina base para fabricar la magna y la premium. Las características de las gasolinas base
son:

Octanaje Presión de Vapor Disponibilidad


Gasolina Costo
(unidades de (unidades de presión Máxima
Base ($/barril)
octanaje/barril) de vapor/barril) (barriles/semana)
Tipo 1 108 4 32,000 22
Tipo 2 90 10 20,000 20
Tipo 3 73 5 38,000 19

La empresa se ha comprometido con un distribuidor a entregarle cuando menos 30,000 barriles de magna para la
siguiente semana pero nada de la premium. Esta empresa quiere desarrollar un modelo para hacer un programa de
producción que le permita maximizar las utilidades.

Modelación
Variables de Decisión.
Xij = Barriles semanales del Tipo "i" a utilizar en la fabricación de la Gasolina "j"
(b/s)

Función Objetivo.
Máx. Z = -X11 + X21 + 2X31 + 2X12 + 4X22 + 5X32
$/s ($/b)(b/s) = $/s

JEVA / PTI 55
EJERCICIOS DE PROGRAMACIÓN LINEAL MODELACIÓN, SOLUCIÓN E INTERPRETACIÓN

Restricciones.
1. Especificaciones.
Presión de Vapor:
Magna [X11/(X11+X21+X31)]4 + [X21/(X11+X21+X31)]10 + [X31/(X11+X21+X31)]5 ≤ 9
Se puede poner esta restricción más simplificada quedando:
(4X11+10X21+5X31)/(X11+X21+X31) ≤ 9
- 5X11 + X21 - 4X31 ≤ 0
Premium (4X12+10X22+5X32)/(X12+X22+X32) ≤ 6
(upv/b)(b/s)/(b/s) = upv/b upv/b
- 2X12 + 4X22 - X32 ≤ 0
(upv/b)(b/s) = upv/s
Octanaje:
Magna (108X11+90X21+73X31)/(X11+X21+X31) ≥ 80
28X11 +10X21 - 7X31 ≥ 0
Premium (108X12+90X22+73X32)/(X12+X22+X32) ≥ 100
(uo/b)(b/s)/(b/s) = uo/b uo/b
8X12 - 10X22 - 27X32 ≥ 0
(uo/b)(b/s) = uo/s
2. Disponibilidad.
Tipo 1 X11 + X12 ≤ 32,000
Tipo 2 X21 + X22 ≤ 20,000
Tipo 3 X31 + X32 ≤ 38,000
b/s b/s
3. Pedidos.
Magna X11 + X21 + X31 ≥ 30,000
Premium X12 + X22 + X32 = 0
b/s b/s
4. No negatividad Xij ≥ 0

Análisis Dimensional: Probado.

Solución Optima.
X11 = 2,357.143
X21 = 20,000
X31 = 38,000
P. vapor magna (H1) = 143,785.7
Disp. tipo 1 (H5) = 29,642.86
Pedidos magna (E8) = 30,357.14
Máx. Z = 93,642.86

Interpretación.
Considerando el ajuste por variables discretas, el programa de producción para la próxima semana debe fabricar
60,357 barriles de gasolina magna, utilizándose 2,357 barriles del tipo 1, 20,000 barriles del tipo 2 y 38,000 barriles del
tipo 3 para tener la máxima utilidad de $93,643. Con este programa, se tendrá el siguiente análisis de recursos: en la
especificación de presión de vapor para la gasolina magna se tiene un sobrante de 143,785 unidades de presión de
vapor semanales (143,785/60,357=2.3822 unidades de presión de vapor por barril); en la disponibilidad del tipo 1 se
tiene un sobrante de 29,643 barriles y un excedente en el pedido de la gasolina magna de 30,357 barriles respecto a
los 30,000 barriles pedidos.

JEVA / PTI 56
EJERCICIOS DE PROGRAMACIÓN LINEAL MODELACIÓN, SOLUCIÓN E INTERPRETACIÓN

PROBLEMAS TIPO "TRANSPORTE".

1. Distribución de Cerveza.
Un fabricante de cerveza, preocupado por asegurar la calidad con que el producto es reconocido en el mercado,
decide hacer la distribución regional enviando camiones de tres plantas que se tienen a cuatro almacenes ubicados en
diferentes partes de la región. Debido al aumento constante de la gasolina y el diesel, el costo de la distribución del
producto se ha vuelto un concepto importante por lo que la administración está buscando la forma de reducirlo. Con
este propósito, se buscó recabar información de las capacidades de las plantas, pidiendo a cada gerente que diera un
pronóstico de las mismas expresada en camiones mensuales. Por otra parte, la demanda mínima de cada almacén se
estimó en base a los datos históricos de sus pedidos. También se calculó los costos por camión enviado de una planta
a un almacén. Un resumen de estos datos se presentan en la siguiente tabla:

Almacenes Capacidad de las


($/camión) Plantas
Plantas 1 2 3 4 (camiones/mes)
1 464 513 654 867 75
2 352 416 690 791 125
3 995 682 388 985 100
Demanda de los
Almacenes 80 65 70 85 300
(camiones/mes)

La administración de la empresa quiere desarrollar un modelo que le permita determinar la cantidad de camiones que
tiene que enviar de cada planta a cada almacén de tal forma que sea mínimo el costo de la distribución del producto.

Modelación.
Variables de Decisión.
Xij = Camiones mensuales a enviar de la Planta "i" al Almacén "j"
(camiones/mes)

Función Objetivo.
mín. Z = 464X11 + 513X12 + 654X13 + 867X14 + 352X21 + 416X22 + 690X23 + 791X24 +
995X31 + 682X32 + 388X33 + 685X34
$/m ($/c)(c/m) = $/m

Restricciones.
1. Capacidad de las plantas.
Planta 1 X11 + X12 + X13 + X14 ≤ 75
Planta 2 X21 + X22 + X23 + X24 ≤ 125
Planta 3 X31 + X32 + X33 + X34 ≤ 100
c/m c/m
2. Demanda de los almacenes.
Almacén 1 X11 + X21 + X31 ≥ 80
Almacén 2 X12 + X22 + X32 ≥ 65
Almacén 3 X13 + X23 + X33 ≥ 70
Almacén 4 X14 + X24 + X34 ≥ 85
c/m c/m
3. No negatividad Xij ≥ 0

Análisis Dimensional: Probado.

Solución Optima.
X12 = 20
X14 = 55

JEVA / PTI 57
EJERCICIOS DE PROGRAMACIÓN LINEAL MODELACIÓN, SOLUCIÓN E INTERPRETACIÓN

X21 = 80
X22 = 45
X33 = 70
X34 = 30
mín. Z = 152,535

Interpretación.
El programa de distribución mensual considera enviar: de la planta 1, 20 camiones al almacén 2 y 55 al almacén 4; de
la planta 2, 80 camiones al almacén 1 y 45 al almacén 2 y de la planta 3, 70 camiones al almacén 3 y 30 al almacén 4.
Con este programa, se tiene el mínimo costo de distribución del producto de $152,535 mensuales. Las restricciones
dominantes son la capacidad de producción de las plantas y la demanda de los almacenes. Como la capacidad total
de las plantas es igual que la demanda total de los almacenes, se puede asignar los recursos en forma exacta.

2. Distribución de Latas.
Una fundidora de aluminio recicla latas de este material de diferentes productos utilizados en el mercado. Esta
fundidora suministra la materia prima a un grupo cervecero que tiene cinco plantas productoras de cerveza y 3 plantas
fabricantes de latas. Este grupo quiere desarrollar un modelo que le permita hacer un programa de distribución
mensual, que le diga la cantidad de latas que conviene enviar de cada planta de latas a cada planta de cerveza para
minimizar el costo total de distribución. Con este fin se ha determinado la demanda mínima de latas para cada planta
de cerveza como se indica en la siguiente tabla:

Demanda
Planta de Cerveza
(latas/mes)
Distrito Federal 2´000,000
Guadalajara 500,000
Monterrey 500,000
Tijuana 100,000
Mérida 100,000

También se tienen datos de la capacidad de producción de las diferentes plantas productoras de latas como se
muestra a continuación:
Capacidad
Planta de Latas
(latas/mes)
Puebla 1´000,000
Torreón 1´000,000
Celaya 750,000

Se sabe que el costo de los fletes son una función de la distancia que existe entre las plantas de cerveza y las plantas
de latas, por lo que se recabaron los siguientes costos de distribución:

Costos de Distribución
($/mil latas)
Plantas de Cerveza
Plantas de Latas
Puebla Torreón Celaya
Distrito Federal 50 200 150
Guadalajara 200 150 20
Monterrey 250 20 100
Tijuana 750 500 400
Mérida 450 800 600

Modelación.
Variables de Decisión.
Xij = Miles de latas a enviar mensualmente de la Planta de Latas "i" a la Planta de
Cerveza "j".
(l/m)

JEVA / PTI 58
EJERCICIOS DE PROGRAMACIÓN LINEAL MODELACIÓN, SOLUCIÓN E INTERPRETACIÓN

Función Objetivo.
mín. Z = 50X11 + 200X12 + 250X13 + 750X14 + 450X15 + 200X21 + 150X22 + 20X23 + 500X24 + 800X25 + 150X31 +
20X32 + 100X33 + 400X34 + 600X35
$/m ($/l)(l/m) = $/m

Restricciones.
1. Demanda.
Distrito Federal X11 + X21 + X31 ≥ 2,000
Guadalajara X12 + X22 + X32 ≥ 500
Monterrey X13 + X23 + X33 ≥ 500
Tijuana X14 + X24 + X34 ≥ 100
Mérida X15 + X25 + X35 ≥ 100
l/m l/m
2. Capacidad.
Puebla X11 + X12 + X13 + X14 + X15 ≤ 1,000
Torreón X21 + X22 + X23 + X24 + X25 ≤ 1,500
Celaya X31 + X32 + X33 + X34 + X35 ≤ 750
l/m l/m
3. No negatividad Xij ≥ 0

Análisis Dimensional: Probado.

Solución Optima.
X11 = 900 X21 = 950 X31 = 150
X15 = 100 X23 = 500 X32 = 500
X34 = 100
Cap. Torreón (H7) = 50
mín. Z = 362,500

Interpretación.
El programa de distribución mensual debe enviar de Puebla, 900,000 latas al Distrito Federal y 100,000 latas a Mérida;
de Torreón, enviar 950,000 latas al Distrito Federal y 500,000 latas a Monterrey; de Celaya, enviar 150,000 latas al
Distrito Federal, 500,000 latas a Guadalajara y 100,000 latas a Tijuana. Con este programa se obtiene el mínimo costo
mensual de $3362,500 y se tendrá una capacidad sobrante en Torreón de 50,000 latas mensuales. Se cubre la
demanda mínima de todas las plantas de cerveza con la producción de latas de Puebla y Celaya, por lo que estas
restricciones son las dominantes en el problema.

3. Distribución de Fertilizante.
Una grupo industrial fabrica y vende fertilizantes de aplicación general. El grupo tiene tres plantas en diferentes
localizaciones que producen el fertilizante y envían para su venta a cuatro almacenes ubicados en diferentes partes.
Como las plantas tienen diferente antigüedad, los costos de producción varían de acuerdo a la modernidad del
proceso que utilizan para la fabricación del fertilizante. Los almacenes trabajan en forma independiente, por lo que el
precio de venta por tonelada difiere entre ellos. Los costos de transporte de las plantas a los almacenes, el costo de
producción, las capacidades de las plantas y la demanda de los almacenes se presentan en la siguiente tabla:

Capacidad de
Costo de Transporte Producción Costo de
Planta ($/tonelada) (tonelada/mes) Producción
($/ton)
Almacén 1 Almacén 2 Almacén 3 Almacén 4
1 230 180 210 250 650 380
2 210 240 230 180 600 300
3 180 210 270 230 600 350
Demanda
Máxima 300 450 500 600
(tonelada/mes)
Precio Venta 665 670 640 635

JEVA / PTI 59
EJERCICIOS DE PROGRAMACIÓN LINEAL MODELACIÓN, SOLUCIÓN E INTERPRETACIÓN

($/tonelada)

Modele el problema para que el grupo industrial logre maximizar las utilidades totales determinando las toneladas
mensuales a enviar de cada planta a cada almacén.

Modelación.
Variables de Decisión.
Xij = Toneladas mensuales de fertilizante a fabricar en la Planta "i" para entregarse en el Almacén "j"
(toneladas/mes)

Función Objetivo.
Máx Z = 55X11 + 110X12 + 50X13 + 5X14 + 155X21 + 130X22 + 110X23 + 155X24 + 135X31 + 110X32 + 20X33 + 55X34
$/m ($/t)(t/m) = $/m

Restricciones.
1. Capacidad de las plantas.
Planta 1 X11 + X12 + X13 + X14 ≤ 650
Planta 2 X21 + X22 + X23 + X24 ≤ 600
Planta 3 X31 + X32 + X33 + X34 ≤ 600
t/m t/m
2. Demanda de los almacenes.
Almacén 1 X11 + X21 + X31 ≤ 300
Almacén 2 X12 + X22 + X32 ≤ 450
Almacén 3 X13 + X23 + X33 ≤ 500
Almacén 4 X14 + X24 + X34 ≤ 600
t/m t/m
3. No Negatividad Xij ≥ 0

Análisis Dimensional: Probado.

Solución Optima.
X12 = 150
X13 = 500
X24 = 600
X31 = 300
X32 = 300
Máx. Z = 208,000

Interpretación.
Para tener la máxima utilidad total por mes de $208,000, el programa de distribución debe considerar que la planta 1
envíe 150 toneladas al almacén 2 y 500 al almacén 3; la planta 2 debe enviar a 600 toneladas al almacén 4 y la
planta 3 debe enviar 300 toneladas al almacén 1 y 300 al almacén 2.
Como la capacidad total de las plantas es igual a la demanda total de los almacenes, la asignación de las toneladas
son exactas. Se puede decir que las restricciones dominantes son tanto la capacidad de las plantas como las
demandas de los almacenes.

4. Arreglos Frutales.
Una cadena de tiendas vende arreglos frutales de cera para regalo. Los arreglos son hechos en dos tiendas diferentes
para enviarse a cinco sucursales. El costo de hacer el arreglo en la tienda 1 y 2 son de $153 y $157 respectivamente
incluyendo materiales y mano de obra. La empresa quiere satisfacer los pedidos que tiene para el siguiente mes y así
evitar un inventario excesivo en las sucursales. En la siguiente tabla se muestran los datos que se tienen de los
pedidos, de la capacidad de producción y de los costos de transporte:

JEVA / PTI 60
EJERCICIOS DE PROGRAMACIÓN LINEAL MODELACIÓN, SOLUCIÓN E INTERPRETACIÓN

Costos de Transporte
($/arreglo) Capacidad
Tiendas Sucursales (arreglos/mes)
1 2 3 4 5
1 6 4 12 9 5 2,000
2 15 9 5 8 8 1,200
Demanda 400 600 200 800 1,000
(arreglos/mes)

La empresa quiere desarrollar un modelo para determinar cuántos arreglos se deben de enviar de cada tienda a cada
sucursal de tal forma que se minimice el costo total.

Modelación.
Variables de Decisión.
Xij = Arreglos mensuales a enviar de la Tienda "i" a la Sucursal "j".
(a/m)

Función Objetivo.
mín. Z = 159X11 + 157X12 + 165X13 + 162X14 + 158X15 + 172X21 + 166X22 + 162X23 + 165X24 +1 65X25
$/m ($/a)(a/m) = $/m

Restricciones.
1. Capacidad.
Tienda 1 X11 + X12 + X13 + X14 + X15 ≤ 2,000
Tienda 2 X21 + X22 + X23 + X24 + X25 ≤ 1,200
a/m a/m
2. Pedidos.
Sucursal 1 X11 + X21 = 400
Sucursal 2 X12 + X22 = 600
Sucursal 3 X13 + X23 = 200
Sucursal 4 X14 + X24 = 800
Sucursal 5 X15 + X25 = 1,000
a/m a/m
3. No negatividad Xij ≥ 0

Análisis Dimensional: Probado.

Solución Optima.

X11 = 400 X23 = 200


X12 = 600 X24 = 800
X15 = 1,000
Cap. Tienda 2 (H2) = 200
mín. Z = 480,200

Interpretación.
Para lograr el mínimo costo total de $480,200, el programa de distribución del siguiente mes debe ser: la tienda 1
debe enviar un total de 2,000 arreglos, 400 a la sucursal 1, 600 a la sucursal 2 y 1,000 a la sucursal 5; la tienda 2
enviará un total de 1,000 arreglos, 200 a la sucursal 3 y 800 a la sucursal 4. Con este programa de distribución se
tendrá una capacidad sobrante de 200 arreglos en la tienda 2. La restricción dominante son los pedidos que se tienen,
se agotará la capacidad de la tienda 1 y sobrará capacidad en la tienda 2 por 200 arreglos.

5. Localización de una Planta.


Un consorcio industrial tiene actualmente tres plantas de producción. En los planes que se tienen de expansión para
los próximos cinco años, se requerirán 200 embarques anuales de materia prima para la planta 1, 300 embarques

JEVA / PTI 61
EJERCICIOS DE PROGRAMACIÓN LINEAL MODELACIÓN, SOLUCIÓN E INTERPRETACIÓN

para la planta 2 y 400 embarques para la planta 3. Actualmente se tienen dos fuentes de aprovisionamiento de materia
prima para las plantas, la fuente 1 provee 300 embarques por año y la fuente 2 solo 400 embarques. Por lo tanto, será
necesario abrir una fuente adicional de abastecimiento para satisfacer las necesidades futuras de materia prima que
tendrán las plantas. Una selección preliminar de las posibles fuentes hecha por el consorcio, las redujo a solo dos
alternativas. La capacidad adicional que se requiere de abastecimiento es de 200 embarques anuales. Se ha decidido
hacer la nueva ubicación de la fuente adicional considerando solamente la reducción de los costos de transporte que
se pueda tener. Los cálculos de los costos por embarque desde cada fuente de abastecimiento hasta cada planta, se
muestran en la siguiente tabla:

Costos de Transporte
Embarques Disponibles
Fuentes de Aprovisionamiento ($/embarque)
(embarques/año)
Planta 1 Planta 2 Planta 3
1 750 870 700 300
2 600 650 800 400
Ubicación 1 800 730 600 200
Ubicación 2 600 800 1,000 200
Embarques Requeridos 200 300 400
(embarques/año)

Desarrolle un modelo que permita decidir al consorcio qué ubicación es mejor para la nueva fuente de
aprovisionamiento de materia prima.

Modelación.
Para decidir sobre la localización de la nueva fuente es necesario conocer el costo mínimo total de cada ubicación
para compararlas. Para evaluar estas alternativas, se deben hacer dos modelos uno para cada ubicación:

 Modelo para ubicación 1.


Variables de Decisión.
Xij = Embarques anuales a enviar de la Fuente "i" a la Planta "j".
(e/a)

Función Objetivo.
mín. Z = 750X11 + 870X12 + 700X13 + 600X21 + 650X22 + 800X23 + 800X31 + 730X32 + 600X33
$/a ($/e)(e/a) = $/a

Restricciones.
1. Capacidad.
Fuente 1 X11 + X12 + X13 ≤ 300
Fuente 2 X21 + X22 + X23 ≤ 400
Ubicación 1 X31 + X32 + X33 ≤ 200
e/a e/a
2. Demanda.
Planta 1 X11 + X21 + X31 = 200
Planta 2 X12 + X22 + X32 = 300
Planta 3 X13 + X23 + X33 = 400
e/a e/a
3. No negatividad Xij ≥ 0

Análisis Dimensional: Probado.

Solución Optima.
X11 = 100 X21 = 100 X33 = 200
X13 = 200 X22 = 300
mín. Z = 590,000

 Modelo para ubicación 2.

JEVA / PTI 62
EJERCICIOS DE PROGRAMACIÓN LINEAL MODELACIÓN, SOLUCIÓN E INTERPRETACIÓN

Variables de Decisión.
Xij = Embarques anuales a enviar de la Fuente "i" a la Planta "j".
(e/a)

Función Objetivo.
mín. Z = 750X11+ 870X12+ 700X13+ 600X21+ 650X22+ 800X23+ 600X31+ 800X32+1,000X33
$/a ($/e)(e/a) = $/a

Restricciones.
1. Capacidad.
Fuente 1 X11 + X12 + X13 ≤ 300
Fuente 2 X21 + X22 + X23 ≤ 400
Ubicación 2 X31 + X32 + X33 ≤ 200
e/a e/a
2. Demanda.
Planta 1 X11 + X21 + X31 = 200
Planta 2 X12 + X22 + X32 = 300
Planta 3 X13 + X23 + X33 = 400
e/a e/a
3. No negatividad Xij ≥ 0

Análisis Dimensional: Probado.

Solución Optima.
X13 = 300 X22 = 300 X31 = 200
X23 = 100
mín. Z = 605,000

Interpretación.
La mejor decisión para el consorcio industrial es localizar la nueva fuente de aprovisionamiento de materia prima en la
ubicación 1, ya que tiene un costo mínimo de $590,000 mientras que la ubicación 2 tiene un costo de $605,000.
Considerando la nueva fuente de aprovisionamiento en la ubicación 1, se tendrá el siguiente programa de distribución:
enviar de la fuente 1 un total de 300 embarques anuales, 100 a la planta 1 y 200 a la planta 2; de la fuente 2 enviar
400 embarques anuales, 100 a la planta 1 y 300 a la planta 2; de la nueva fuente, enviar 200 embarques anuales a la
planta 3. Las demandas de las plantas son iguales a las capacidades de las fuentes por lo que la asignación es
exacta.

6. Localización de Nueva Planta.


Un grupo industrial manufactura sus productos en dos plantas y envía embarques a tres sucursales para la
comercialización de sus productos. La planta 1, produce un máximo de 50 embarques por año y la planta 2 un máximo
de 70. El costo por embarque de la planta 1 a la sucursal 1 es de $1,000, a la sucursal 2 es de $900 y a la sucursal 3
es de $1,600. El costo por embarque de la planta 2 a las sucursales 1, 2 y 3 son de $800, $1,300 y $1,000
respectivamente. El pronóstico de la demanda para el próximo año puede alcanzar 60 embarques anuales para la
sucursal 1, 40 para la sucursal 2 y 80 para la 3. Considerando este crecimiento de la demanda, se decidió construir
una nueva planta que incremente la capacidad total en 60 embarques anuales. Con este fin se calcularon los costos
de manufactura y de transporte para dos posibles localizaciones de la nueva planta. El costo de manufactura
promedio estimado por embarque, en la localización 1 es de $100,000 y en la 2 es de $80,000, mientras que en la
planta 1 es de $78,000 y en la planta 2 de $90,000. El costo por embarque de la localización 1 a la sucursal 1 es de
$600, a la sucursal 2 es de $1,000 y a la sucursal 3 es de $1,400, mientras que de la localización 2 a las sucursales 1,
2 y 3 son de $900, $1,200 y $700 respectivamente. Con los precios actuales se tiene un ingreso de venta promedio
por embarque en la sucursal 1 de $120,000, en la sucursal 2 de $110,000 y en la sucursal 3 de $100,000.
a. Construya una tabla de datos considerando las utilidades promedio por embarque, las demandas de las
sucursales y las capacidades de las plantas.
b. Modele el problema para tomar la mejor decisión en la localización de la nueva planta que maximice la utilidad
total del grupo industrial.

JEVA / PTI 63
EJERCICIOS DE PROGRAMACIÓN LINEAL MODELACIÓN, SOLUCIÓN E INTERPRETACIÓN

Tabla de Datos.

Utilidad Promedio por Embarque


Capacidad
Plantas ($/embarque)
(embarques/año)
Sucursal 1 Sucursal 2 Sucursal 3
1 41,000 31,100 20,400 50
2 29,200 18,700 9,000 70
Localización 1 19,400 9,000 1,400 60
Localización 2 39,100 28,800 19,300 60
Demanda 60 40 80 180
(embarques/año)

Modelación.
Para decidir sobre la localización de la nueva planta se necesita conocer cual alternativa da la máxima utilidad
promedio por lo que se requieren dos modelos para evaluar dichas alternativas.

 Modelo para localización 1.


Variables de Decisión.
Xij = Embarques anuales a enviar de la Planta "i" a la Sucursal "j".
(e/a)

Función Objetivo.
Máx. Z = 41,000X11 + 31,100X12 + 20,400X13 + 29,200X21 + 18,700X22 + 9,000X23 + 19,400X31 + 9,000X32
-1,400X33
$/a ($/e)(e/a) = $/a

Restricciones.
1. Capacidad.
Planta 1 X11 + X12 + X13 ≤ 50
Planta 2 X21 + X22 + X23 ≤ 70
Localiz. 1 X31 + X32 + X33 ≤ 60
e/a e/a
2. Demanda.
Sucursal 1 X11 + X21 + X31 ≤ 60
Sucursal 2 X12 + X22 + X32 ≤ 40
Sucursal 3 X13 + X23 + X33 ≤ 80
e/a e/a
3. No negatividad Xij ≥ 0

Análisis Dimensional: Probado.

Solución Optima.
X11 = 10 X21 = 50
X12 = 40 X23 = 20
Cap. localización 1 (H3) = 60
Dem. Sucursal 3 (H6) = 60
Máx. Z = 3'294,000

 Modelo para localización 2.


Variables de Decisión.
Xij = Embarques anuales a enviar de la Planta "i" a la Sucursal "j".
(e/a)

JEVA / PTI 64
EJERCICIOS DE PROGRAMACIÓN LINEAL MODELACIÓN, SOLUCIÓN E INTERPRETACIÓN

Función Objetivo.
Máx. Z = 41,000X11 + 31,100X12 + 20,400X13 + 29,200X21 + 18,700X22 + 9,000X23 + 39,100X31 + 28,800X32 +
19,300X33
$/a ($/e)(e/a) = $/a

Restricciones.
1. Capacidad.
Planta 1 X11 + X12 + X13 ≤ 50
Planta 2 X21 + X22 + X23 ≤ 70
Localiz. 1 X31 + X32 + X33 ≤ 60
e/a e/a
2. Demanda.
Sucursal 1 X11 + X21 + X31 ≤ 60
Sucursal 2 X12 + X22 + X32 ≤ 40
Sucursal 3 X13 + X23 + X33 ≤ 80
e/a e/a
3. No negatividad Xij ≥ 0

Análisis Dimensional: Probado.

Solución Optima.
X11 = 10 X21 = 50 X33 = 60
X12 = 40 X23 = 20
Máx. Z = 4'452,000

Interpretación.
La nueva planta conviene ponerla en la localización 2 para tener la máxima utilidad anual de $4'452,000. Esta
localización permite hacer el siguiente programa de embarques: de la planta 1, enviar 10 embarques anuales a la
sucursal 1 y 40 a la sucursal 2; de la planta 2, enviar 50 embarques anuales a la sucursal 1 y 20 a la sucursal 3; de la
planta 3, enviar 60 embarques anuales a la planta 3. La capacidad total de las plantas es igual a la demanda total de
las sucursales por lo que existe una asignación perfecta.

7. Plantas Múltiples.
Debido a la globalización de los mercados internacionales, un grupo de empresas fabricantes de calzado decidió
hacer una alianza para penetrar a nuevos mercados para fines de exportación. Actualmente, el grupo tiene dos
plantas en diferentes estados y 5 almacenes en diferentes países desde los cuales se comercializa el calzado. Debido
a la tendencia en el incremento de la demanda que se ha tenido en los últimos años, la administración decidió
construir una nueva planta, por lo que se está estudiando tres posibles alternativas. Los costos de distribución (que
incluyen el transporte, el almacenamiento y manejo del inventario), el costo de producción, la demanda potencial
mínima de los almacenes y la capacidad de producción de las plantas, se muestran en la siguiente tabla de datos:

Costo de distribución
Demanda
Almacenes (dólares/par)
Potencial
Plantas Existentes Localizaciones Posibles
(pares/semana)
1 2 1 2 3
País 1 0.42 0.32 0.46 0.44 0.48 10,000
País 2 0.36 0.44 0.37 0.30 0.45 15,000
País 3 0.41 0.42 0.30 0.37 0.43 16,000
País 4 0.38 0.48 0.42 0.38 0.46 19,000
País 5 0.50 0.49 0.43 0.45 0.27 12,000
Capacidad de
Producción 27,000 20,000 45,000 45,000 45,000
(pares/semana)
Costo de
Producción 12.70 12.68 12.64 12.69 12.62
(dólares/par)

JEVA / PTI 65
EJERCICIOS DE PROGRAMACIÓN LINEAL MODELACIÓN, SOLUCIÓN E INTERPRETACIÓN

Desarrolle un modelo que permita decidir dónde localizar la nueva planta para minimizar el costo total.

Modelación.
El modelo para evaluar cada una de las alternativas de localización de la nueva planta solo varía en los coeficientes
de contribución de la Función Objetivo ya que las restricciones serán iguales para cualquiera de las localizaciones.
Una ayuda para la construcción del modelo es hacer la tabla de costos totales entre las plantas y los almacenes como
a continuación se presenta:

Costo Total
Demanda
(dólares/par)
Almacenes Plantas Existentes Localizaciones Posibles
Potencial
(pares/semana)
1 2 1 2 3
País 1 13.12 13.00 13.10 13.13 13.10 10,000
País 2 13.06 13.12 13.01 12.99 13.07 15,000
País 3 13.11 13.10 12.94 13.06 13.05 16,000
País 4 13.08 13.16 13.06 13.07 13.08 19,000
País 5 13.20 13.17 13.07 13.14 12.89 12,000
Capacidad de 27,000 20,000 45,000 45,000 45,000
Producción
(pares/semana)

Variables de Decisión.
Xij = Pares semanales a enviar de la Planta "i" al Almacén "j".
(p/s)

Función Objetivo.

 Localización 1.
mín. Z = 13.12X11 + 13.06X12 + 13.11X13 + 13.08X14 + 13.20X15 + 13.00X21 + 13.12X22 + 13.10X23 + 13.16X24 +
13.17X25 + 13.10X31 + 13.01X32 + 12.94X33 + 13.06X34 + 13.97X35
$/s ($/p)(p/s) = $/s

 Localización 2.
mín. Z = 13.12X11 + 13.06X12 + 13.11X13 + 13.08X14 + 13.20X15 + 13.00X21 + 13.12X22 + 13.10X23 + 13.16X24 +
13.17X25 + 13.13X31 + 12.99X32 + 13.06X33 + 13.07X34 + 13.14X35
$/s ($/p)(p/s) = $/s

 Localización 3.
mín. Z = 13.12X11 + 13.06X12 + 13.11X13 + 13.08X14 + 13.20X15 + 13.00X21 + 13.12X22 + 13.10X23 + 13.16X24 +
13.17X25 + 13.10X31 + 13.07X32 + 13.05X33 + 13.08X34 + 12.89X35
$/s ($/p)(p/s) = $/s

Restricciones.
1. Capacidad.
Planta 1 X11 + X12 + X13 + X14 + X15 ≤ 27,000
Planta 2 X21 + X22 + X23 + X24 + X25 ≤ 20,000
Localización X31 + X32 + X33 + X34 + X35 ≤ 45,000
p/s p/s
2. Demanda.
País 1 X11 + X21 + X31 ≤ 10,000
País 2 X12 + X12 + X12 ≤ 15,000
País 3 X13 + X13 + X13 ≤ 16,000
País 4 X14 + X14 + X14 ≤ 19,000
País 5 X15 + X15 + X15 ≤ 12,000

JEVA / PTI 66
EJERCICIOS DE PROGRAMACIÓN LINEAL MODELACIÓN, SOLUCIÓN E INTERPRETACIÓN

p/s p/s
3. No negatividad Xij ≥ 0

Análisis Dimensional: Probado.

Solución Optima.
Localización 1 Localización 2 Localización 3
X14 = 17,000 X14 = 17,000 X12 = 15,000
X21 = 10,000 X21 = 10,000 X14 = 12,000
X32 = 15,000 X32 = 15,000 X21 = 10,000
X33 = 16,000 X33 = 16,000 X33 = 16,000
X34 = 2,000 X34 = 2,000 X34 = 7,000
X35 = 12,000 X35 = 12,000 X35 = 12,000
C. planta 1 (H1) = 10,000 C. planta 1 (H1) = 10,000 C. planta 2 (H2) = 10,000
C. planta 2 (H2) = 10,000 C. planta 2 (H2) = 10,000 C. localización 3 (H3) = 10,000
mín. Z = 937,510 mín. Z = 939,990 mín. Z = 937,900

Interpretación.
La localización 1 es la mejor para poner la nueva planta, ya que se tendría un programa de comercialización con un
costo total de $937,510, que es el valor mínimo de las tres alternativas evaluadas. Este programa de distribución
sería: de la planta 1 enviar 17,000 pares al país 4; de la planta 2 enviar 10,000 pares al país 1; de la planta 3 enviar
45,000 pares en total, 15,000 pares al país 2, 16,000 pares al país 3, 2,000 al país 4 y 12,000 pares al país 5. Al
seguir este programa, se tendrá una capacidad sobrante en la planta 1 y 2 de 10,000 pares.

JEVA / PTI 67
EJERCICIOS DE PROGRAMACIÓN LINEAL MODELACIÓN, SOLUCIÓN E INTERPRETACIÓN

PROBLEMAS TIPO "ASIGNACION: RELACION UNO-UNO (RELACION BIUNIVOCA)".

1. Asignación de Proyectos.
El municipio de la ciudad aprobó la realización de tres proyectos para mejorar la infraestructura municipal. El municipio
queriendo estimular las fuentes de trabajo y aprovechar eficientemente su presupuesto de obras públicas, invitó a las
constructoras locales a participar en un concurso presentando sus cotizaciones para los diferentes proyectos, pero
con la advertencia de que solo se asignará un proyecto a cada constructora seleccionada. Después de la presentación
de las cotizaciones, se seleccionaron las tres mejores firmas constructoras obteniéndose los siguientes datos:

Cotizaciones de los Proyectos


Constructoras (millones $)
1 2 3
1 28 32 36
2 36 28 30
3 38 34 40

Para el manejo del presupuesto de obras públicas, se formó un comité que decidirá sobre la asignación de los
proyectos a las constructoras seleccionadas. Se quiere un modelo que ayude al comité a hacer la asignación óptima
de tal forma que se minimice el costo total.

Modelación.
Variables de Decisión.
Xij = Asignar el Contratista "i" al Proyecto "j".
(%)
Criterio de decisión: Xij = 0 No asignar
Xij = 1 Asignar
Función Objetivo.
mín. Z = 28’000,000X11 + 32’000,000X12 + 36’000,000X13 + 36’000,000X21 + 28'000,000X22 + 30’000,000X23 +
38’000,000X31 + 34’000,000X32 + 40’000,000X33
$ $ (%) = $

Restricciones.
1. Contratistas.
Contratista 1 X11 + X12 + X13 = 1
Contratista 2 X21 + X22 + X23 = 1
Contratista 3 X31 + X32 + X33 = 1
% %
2. Proyectos.
Proyecto 1 X11 + X21 + X31 = 1
Proyecto 2 X12 + X22 + X32 = 1
Proyecto 3 X13 + X23 + X33 = 1
% %
3. No negatividad Xij ≥ 0

Análisis Dimensional: Probado.

Solución Optima.
X11 = 1
X23 = 1
X32 = 1
mín. Z = 92'000,000

Interpretación.
Se recomienda al comité asignar el proyecto 1 al contratista 1, el proyecto 2 al contratista 3 y el proyecto 3 al
contratista 2. Esta asignación tiene un costo total mínimo de $92'000,000.

JEVA / PTI 68
EJERCICIOS DE PROGRAMACIÓN LINEAL MODELACIÓN, SOLUCIÓN E INTERPRETACIÓN

2. Personal para Línea de Producción.


El gerente de producción de una empresa electrónica debe escoger personal para formar una nueva línea de
producción. Con el fin de seleccionar al mejor personal, el departamento de Ingeniería Industrial hizo pruebas de
eficiencia a un grupo de personas en cada una de las operaciones de la nueva línea. Como la línea tendrá cinco
operaciones, se le mandó al gerente los cinco mejores candidatos para que hiciera la asignación del personal. Las
calificaciones de las pruebas de eficiencia aplicadas a este personal se presentan en la siguiente tabla:

Resultados de las Pruebas de Eficiencia


(%)
Trabajador
Operación 1 Operación 2 Operación 3 Operación 4 Operación 5
1 112 116 124 108 102
2 106 108 120 114 106
3 110 106 116 118 112
4 102 104 102 124 120
5 107 110 106 106 118

Desarrolle un modelo para tener la asignación óptima de los trabajadores para maximizar la eficiencia promedio de la
nueva línea de producción.

Modelación.
Variables de Decisión.
Xij = Asignación del Trabajador "i" para realizar la Operación "j" de la línea de producción.
(%)
Criterio de Decisión: Xij = 1 Asignar
Xij = 0 No asignar
Función Objetivo.
Máx Z = 1.12X11 + 1.16X12 + 1.24X13 + 1.08X14 + 1.02X15 + 1.06X21 + 1.08X22 + 1.20X23 + 1.14X24 + 1.06X25 +
1.10X31 + 1.06X32 + 1.16X33 + 1.18X34 + 1.12X35 + 1.02X41 + 1.04X42 + 1.02X43 + 1.24X44 + 1.20X45 +
1.07X51 + 1.10X52 + 1.06X53 + 1.06X54 + 1.18X55
% (%)% = %

Restricciones.
1. Relación de trabajadores.
Trabajador 1 X11 + X12 + X13 + X14 + X15 = 1
Trabajador 2 X21 + X22 + X23 + X24 + X25 = 1
Trabajador 3 X31 + X32 + X33 + X34 + X35 = 1
Trabajador 4 X41 + X42 + X43 + X44 + X45 = 1
Trabajador 5 X51 + X52 + X53 + X54 + X55 = 1
% %
2. Relación de operaciones.
Operación 1 X11 + X21 + X31 + X41 + X51 = 1
Operación 2 X12 + X22 + X32 + X42 + X52 = 1
Operación 3 X13 + X23 + X33 + X43 + X53 = 1
Operación 4 X14 + X24 + X34 + X44 + X54 = 1
Operación 5 X15 + X25 + X35 + X45 + X55 = 1
% %
3. No Negatividad Xij ≥ 0

Análisis Dimensional: Probado.

Solución Optima.
X12 = 1
X23 = 1
X31 = 1
X44 = 1
X55 = 1

JEVA / PTI 69
EJERCICIOS DE PROGRAMACIÓN LINEAL MODELACIÓN, SOLUCIÓN E INTERPRETACIÓN

Máx. Z = 5.88

Interpretación.
Para la nueva línea de producción, el gerente de producción debe asignar a la operación 1 el trabajador 3, a la
operación 2 el trabajador 1, a la operación 3 el trabajador 2, a la operación 4 el trabajador 4 y a la operación 5 el
trabajador 5. Esta asignación del personal dará la máxima eficiencia promedio para la línea de 117.6% (5.88/5=1.176)

3. Servicio de Reparación de Lavadoras.


Una empresa dedicada a la reparación de lavadoras y secadoras domésticas, da servicio en toda la ciudad.
Actualmente tiene cinco empleados de servicio que viven en diferentes lugares de la ciudad. De acuerdo al contrato
de trabajo, la empresa paga el tiempo de transporte que los empleados utilizan para ir a los servicios. Con el objetivo
de ahorrar costos, la empresa le pidió a sus empleados que se trasladaran directamente de sus casas al primer
servicio que les asignara la oficina y para los siguientes servicios, la asignación la hará la oficina comunicándose con
ellos por radio. Se quiere un modelo que haga la programación óptima de los empleados para los servicios iniciales
del día de tal forma que se minimice la distancia promedio recorrida por ellos. Se presentan los datos de los primeros
cinco servicios que se deben atender al principio del siguiente día:

Distancia de Casa a Servicio


(kilómetros)
Empleado
Servicio 1 Servicio 2 Servicio 3 Servicio 4 Servicio 5
1 20 14 6 10 22
2 16 8 22 20 10
3 8 6 24 14 12
4 20 22 2 8 6
5 4 16 22 6 24

Modelación.
Variables de Decisión.
Xij = Asignar Empleado "i" al Servicio "j" para iniciar el siguiente dia
(%)
Criterio de Decisión: Xij = 1 Asignar
Xij = 0 No asignar
Función Objetivo.
mín Z = 20X11 + 14X12 + 6X13 + 10X14 + 22X15 + 16X21 + 8X22 + 22X23 + 20X24 + 10X25 +
8X31 + 6X32 + 24X33 + 14X34 + 12X35 + 20X41 + 22X42 + 2X43 + 8X44 + 6X45 +
4X51 + 16X52 + 22X53 + 6X54 + 24X55
km (km)% = km

Restricciones.
1. Empleados.
Empleado 1 X11 + X12 + X13 + X14 + X15 = 1
Empleado 2 X21 + X22 + X23 + X24 + X25 = 1
Empleado 3 X31 + X32 + X33 + X34 + X35 = 1
Empleado 4 X41 + X42 + X43 + X44 + X45 = 1
Empleado 5 X51 + X52 + X53 + X54 + X55 = 1
% %
2. Servicios.
Servicio 1 X11 + X21 + X31 + X41 + X51 = 1
Servicio 2 X12 + X22 + X32 + X42 + X52 = 1
Servicio 3 X13 + X23 + X33 + X43 + X53 = 1
Servicio 4 X14 + X24 + X34 + X44 + X54 = 1
Servicio 5 X15 + X25 + X35 + X45 + X55 = 1
% %
3. No Negatividad Xij ≥ 0

Análisis Dimensional: Probado.

JEVA / PTI 70
EJERCICIOS DE PROGRAMACIÓN LINEAL MODELACIÓN, SOLUCIÓN E INTERPRETACIÓN

Solución Optima.
X14 = 1
X25 = 1
X32 = 1
X43 = 1
X51 = 1
mín. Z = 32

Interpretación.
Para atender los servicio al inicio del día siguiente, la secretaria debe asignar el empleado 1 al servicio 4, el empleado
2 al servicio 5, el empleado 3 al servicio 2, el empleado 4 al servicio 3 y el empleado 5 al servicio 1. Con esta
asignación, se tiene la mínima distancia promedio de 6.4 kilómetros (32/5=6.4) que tiene que recorrer cada empleado.

JEVA / PTI 71
EJERCICIOS DE PROGRAMACIÓN LINEAL MODELACIÓN, SOLUCIÓN E INTERPRETACIÓN

PROBLEMAS TIPO "ASIGNACION: TURNOS DE TRABAJO".

1. Sistema de Vigilancia.
El director general de un grupo industrial ha estado recibiendo reportes de anomalías de una de las plantas, por lo que
decide reforzar el sistema de vigilancia. Le pide al gerente de personal de la planta que le presente un programa de
seguridad donde se respeten los siguientes requerimientos:

Intervalos de Vigilantes Mínimos


4 horas Requeridos
8-12 horas 15
12-16 7
16-20 12
20-24 9
24-4 5
4-8 7

El gerente de personal ha planeado hacer varios turnos de 8 horas para responder a los requerimientos solicitados
con la siguiente distribución de los turnos:

Turno Horario
1 24-8 horas
2 4-12
3 8-16
4 12-20
5 16-24
6 20-4

El gerente de personal quiere desarrollar un modelo que le diga cuántos vigilantes tiene que asignar a cada turno para
cumplir con el programa de seguridad de tal forma que se minimice el total de vigilantes.

Modelación.
Variables de Decisión.
Xi = Vigilantes a trabajar en el Turno "i".
(v)

Función Objetivo.
mín. Z = X1 + X2 + X3 + X4 + X5 + X6
v v

Restricciones.
Para modelar las restricciones se requiere que considere un traslape de los turnos, es decir, un turno de 8 horas
comprende dos intervalos de 4 horas tal como se muestra en la siguiente tabla auxiliar:

Intervalos de 4 horas
Turnos 8-12 12-16 16-20 20-24 24-4 4-8
1 X1 X1
2 X2 X2
3 X3 X3
4 X4 X4
5 X5 X5
6 X6 X6
Vigilantes
Requeridos 15 7 12 9 5 7
(vigilantes)

Aún sin hacer la tabla auxiliar, se pueden hacer directamente las restricciones que quedan en la siguiente forma:

JEVA / PTI 72
EJERCICIOS DE PROGRAMACIÓN LINEAL MODELACIÓN, SOLUCIÓN E INTERPRETACIÓN

1. Intervalos.
8-12 horas X2 + X3 ≥ 15
12-16 X3 + X4 ≥ 7
16-20 X4 + X5 ≥ 12
20-24 X5 + X6 ≥ 9
24-4 X1 + X6 ≥ 5
4-8 X1 + X2 ≥ 7
v v
2. No negatividad Xi >= 0

Análisis Dimensional: Probado.

Solución Optima.
X1 = 5
X2 = 2
X3 = 13
X5 = 12
Int. 12-16 hrs. (E2) = 6
Int. 20-24 hrs. (E4) = 3
mín. Z = 32
Interpretación.
El gerente de personal debe asignar 5 vigilantes al turno 1, 2 vigilantes al turno 2, 13 vigilantes al turno 3 y 12
vigilantes al turno 5 para tener un total mínimo de 32 vigilantes. Al hacer esta asignación, se tendrá en el intervalo de
12-16 horas un excedente de 6 vigilantes respecto a los 7 requeridos y en el intervalo de 20-24 horas se tendrá un
excedente de 3 vigilantes respecto a los 9 requeridos.

2. Restaurante de Comida Rápida.


Un restaurante de comida rápida trabaja 24 horas al día. Analizando la demanda que tiene el negocio se observa que
cambia durante el día, por lo que requiere una cantidad diferente de empleados para cubrir la demanda. De acuerdo
con las experiencias pasadas, el gerente del restaurante ha proyectado el requerimiento mínimo de empleados para
todo el día en períodos de cuatro horas como se presenta en la siguiente tabla:

Períodos Requerimiento de
de Empleados
4 horas
Mínimo Máximo
24 a 4 horas 3 5
4a 8 5 8
8 a 12 10 14
12 a 16 16 20
16 a 20 10 12
20 a 24 8 10

Considere que el personal trabaja turnos de 8 horas corridas al día. Actualmente se tienen 6 turnos de trabajo con los
siguientes horarios:
Turno Horario
1 24 a 8 horas
2 4 a 12
3 8 a 16
4 12 a 20
5 16 a 24
6 20 a 4

Desarrolle un modelo para asignar el número de empleados que debe trabajar cada turno, para cubrir los
requerimientos proyectados por el gerente de tal forma que se minice el número de empleados.

JEVA / PTI 73
EJERCICIOS DE PROGRAMACIÓN LINEAL MODELACIÓN, SOLUCIÓN E INTERPRETACIÓN

Modelación.
Variables de Decisión.
Xi = Empleados a trabajar en el Turno "i"
(e)

Función Objetivo.
mín Z = X1 + X2 + X3 + X4 + X5 + X6
e e

Restricciones.
Para hacer las restricciones se debe analizar que un turno de trabajo está formado por dos períodos de 4 horas
traslapados. Con esta base, se puede construir la siguiente tabla auxiliar:

Intervalos de Tiempo
Turnos 24-04 4-8 8-12 12-16 16-20 20-24
1 X1 X1
2 X2 X2
3 X3 X3
4 X4 X4
5 X5 X5
6 X6 X6
Vigilantes Mín 3 5 10 16 10 8
Máx 5 8 14 20 12 10
Requeridos
1. Períodos de Tiempo.
24 a 04 hrs. 5 ≥ X1 + X6 ≥ 3
04 a 08 hrs. 8 ≥ X1 + X2 ≥ 5
08 a 12 hrs. 14 ≥ X2 + X3 ≥ 10
12 a 16 hrs. 20 ≥ X3 + X4 ≥ 16
16 a 20 hrs. 12 ≥ X4 + X5 ≥ 10
20 a 24 hrs. 10 ≥ X5 + X6 ≥ 8
e e
2. No negatividad Xi ≥ 0

Análisis Dimensional: Probado.

Solución Óptima.
X1 = 5
X3 = 14
X4 = 2
X5 = 8
24-4 (E1) = 2
4-8 (H2) = 3
8-12 (E3) = 4
12-16 (H4) = 4
16-20 (H5) = 2
20-24 (H6) = 2
mín. Z = 29

Interpretación.
Se deben asignar 5 empleados en el turno 1, 14 empleados en el turno 3, 2 empleados en el turno 4 y 8 empleados en
el turno 5 para tener un total mínimo de 29 empleados. Con estas asignaciones se tienen 2 empleados por arriba del
mínimo establecido para el intervalo de 24-4 horas y 4 para el intervalo de 8-12 horas. En el intervalo de 4-8 horas, se
está por abajo del límite superior en 3 empleados, en el intervalo de 12-16 horas en 4, en el intervalo de 16-20 en 2 y

JEVA / PTI 74
EJERCICIOS DE PROGRAMACIÓN LINEAL MODELACIÓN, SOLUCIÓN E INTERPRETACIÓN

en el intervalo de 20-24 en 2. Las restricciones dominantes son 24-4 y 8-12 horas en el límite superior; las dominantes
en el límite inferior son 4-8, 12-16, 16-20 y 20-24 horas.

PROBLEMAS TIPO "FINANCIEROS".


1. Punto de Equilibrio.
Una empresa fabricante de pequeños botes deportivos, está haciendo su planeación para el siguiente año de
operaciones por lo que quiere conocer su punto de equilibrio. La administración sabe que calcular el punto de
equilibrio cuando se fabrica un solo producto es sencillo, pero le parece complicado hacerlo cuando se fabrican tres
botes tratando de cumplir con todos los compromisos que tiene adquiridos para el próximo período de operación de la
empresa. Recabando la información de los tres botes que se producen actualmente, se tienen los siguientes datos:

Tipo de Precio de Venta Costo Variable Costo Fijo


Bote (miles $/yate) (miles $/yate) (millones $/año)
Albatros 10.0 5.0 5
Nautilos 7.5 3.6 3
Rayo 15.0 8.0 10

La administración sabe que los costos fijos son muy altos porque incluye todo lo relativo a la modificación del diseño
del producto, la reconstrucción de moldes y los viajes de prueba. La administración conoce que los costos fijos son
inevitables y que se deben de cubrir se venda o no, pero se puede intentar reducir los costos variables para tener un
desplazamiento favorable en el punto de equilibrio y así controlar la salida del capital.
Para estimar la demanda para el próximo año, la administración mandó a hacer un estudio de mercado cuyos
resultados fueron: las ventas esperadas para el albatros están entre 700 y 1,000 botes como máximo y 300 nautilos
cuando menos. Además se tenían 400 rayos ya pedidos con anterioridad por sus clientes pero se esperan pedidos por
100 botes más.
Se conoce que la capacidad de producción que se tiene actualmente es para 4,000 botes anuales.
Como la empresa es relativamente nueva y está experimentando problemas de flujo de efectivo por el rápido
crecimiento que ha tenido, se quiere un modelo que determine cuántos botes de cada tipo se deben de fabricar para
estar en el punto de equilibrio mediante la minimización de los costos variables para el próximo período de
operaciones.

Modelación.
Variables de Decisión.
Xi = Botes "i" a fabricar anualmente.
(b/a)

Función Objetivo.
mín. Z = 5,000X1 + 3,600X2 + 8,000X3
$/a ($/b)(b/a) = $/a

Restricciones.
1. Demanda.
Albatros 1,000 ≥ X1 ≥ 700
Nautilos X2 ≥ 300
Rayo 500 ≥ X3 ≥ 400
b/a b/a b/a
2. Punto de equilibrio.
Considere que en el punto de equilibrio, “los ingreso son iguales a los egresos”.
10,000X1 +7,500X2 + 15,000X3 = 5,000X1 + 3,600X2 + 8,000X3 + 18'000,000
5,000X1 + 3,900X2 + 7,000X3 = 18'000,000
($/b)(b/a) = $/a $/a
2. Capacidad de producción X1 + X2 + X3 ≤ 4,000
b/a b/a
4. No negatividad Xi ≥ 0

Análisis Dimensional: Probado.

JEVA / PTI 75
EJERCICIOS DE PROGRAMACIÓN LINEAL MODELACIÓN, SOLUCIÓN E INTERPRETACIÓN

Solución Optima.
X1 = 1,000
X2 = 2,580.6450
X3 = 419.3548
Dem. albatros = 300
Dem. nautilos = 2,280.6450
Dem. rayo = 19.3548
mín. Z = 17'645,160

Interpretación.
Para lograr el punto de equilibrio, la empresa debe fabricar 1,000 botes albatros, 2,581 nautilos y 419 rayos, teniendo
un costo total mínimo de $17'643,600. Con este programa de producción, se estará en la demanda máxima de 1,000
albatros, es decir, 300 botes por arriba del mínimo de 700; en la demanda del nautilos, se tendrá un excedente de
2,281 botes respecto al mínimo fijado de 300 y en la demanda de los rayos, se estará con 19 botes arriba del mínimo
requerido de 400.

2. Portafolio Financiero: Selección de Afores.


Una institución financiera está administrando los fondos del retiro para los trabajadores (Afores). En el momento actual
el fondo es de 2,000 millones de pesos por lo que le están pidiendo al analista financiero que prepare
recomendaciones para el consejo directivo.
El analista financiero ha estudiado diferentes instrumentos de inversión para hacer una diversificación del fondo que
se tiene. Para cada instrumento de inversión calculó el rendimiento anual esperado, un factor de riesgo que indica la
probabilidad de que el rendimiento real sea inferior al rendimiento esperado y desarrolló un pronóstico del período
promedio de años que se espera tener dicho rendimiento esperado. La información que presentó al consejo directivo
fue la siguiente:

Instrumento Rendimiento Anual Factor de Período


de Esperado (%) Riesgo Promedio
Inversión (%) (años)
Certificado de Depósito 8.5 2 8
Bonos de Tesorería 9.0 1 2
Acciones Comunes 8.5 38 5
Acciones Especulativas 14.3 45 6
Bonos de Compañías 6.7 7 2
Bienes y Raíces 13.0 35 4

El consejo directivo señaló que le gustaría un período promedio para la inversión de cuando menos 5 años y que el
factor de riesgo no sea mayor del 20%. También existe una disposición gubernamental que le impide a cualquier
institución financiera invertir más del 25% del fondo en acciones especulativas y bienes raíces. El consejo le pide al
analista su recomendación para maximizar el rendimiento de la inversión.

Modelación.
Variables de Decisión.
Xi = Porcentaje del fondo a invertir en el Instrumento "i"
(%)

Función Objetivo.
Máx. Z = 0.085X1 + 0.09X2 + 0.085X3 + 0.143X4 + 0.067X5 + 0.13X6
% % (%) = %

Restricciones.
1. Inversión total X1 + X2 + X 3 + X 4 + X 5 + X 6 = 1
% %
2. Período promedio 8X1 + 2X2 + 5X3 + 6X4 + 2X5 + 4X6 ≥ 5
a (%) = a a

JEVA / PTI 76
EJERCICIOS DE PROGRAMACIÓN LINEAL MODELACIÓN, SOLUCIÓN E INTERPRETACIÓN

3. Factor de riesgo 0.02X1 + 0.01X2 + 0.38X3 + 0.45X4 + 0.07X5 + 0.35X6 ≤ 0.20


% (%) = % %

4. Disposición gubernamental X4 + X6 ≤ 0.25


% %
5. No negatividad Xi ≥ 0

Análisis Dimensional: Probado.

Solución Óptima.
X1 = 0.3333
X2 = 0.4167
X4 = 0.25
F. riesgo (H2) = 0.0767
Máx. Z = 0.1016

Interpretación.
La recomendación para el consejo directivo es que se invierta el 33.33% del fondo en certificados de depósito, el
41.67% en bonos de tesorería y el 25% en acciones especulativas para tener el máximo rendimiento de 10.1583%. Al
hacer este programa de inversiones se tendrá un margen sobrante del 10.1583% en el factor de riesgo.

3. Planeación Financiera: Selección de Proyectos de Inversión.


Una empresa está planeando su crecimiento para los próximos cuatro años y quiere analizar los proyectos de
inversión que le conviene realizar. Se estudiaron cuatro posibles proyectos, obteniendo de cada uno el valor presente
y el requerimiento de capital durante los cuatro años. También se proyectó el capital disponible que la empresa tendrá
en dicho período, por lo que es posible que no se puedan financiar todos los proyectos. Los datos obtenidos se
presentan en el siguiente cuadro:

Valor Requerimientos de Capital


Proyecto Presente (millones $)
(millones $) Año 1 Año 2 Año 3 Año 4
Expansión de Planta 80 30 40 40 30
Nueva Maquinaria 20 12 8 0 4
Desarrollo de Productos 72 30 20 20 20
Ampliación del Almacén 80 20 30 40 10
Capital Disponible 65 80 80 50
(millones $)

La empresa quiere un modelo que le permita hacer un plan de asignación de capital para maximizar la cantidad de
proyectos que se puedan financiar al 100%, de tal forma que especifique el porcentaje de financiamiento que se
puede hacer en cada uno de ellos durante los cuatro años.

Modelación.
Variables de Decisión.
Xi = Porcentaje de financiamiento del Proyecto "i"
(%)
Criterio de Decisión: Xi = 1 Seleccionar
Xi < 1 No seleccionar

Función Objetivo.
Máx. Z = 80X1 + 20X2 + 72X3 + 80X4 millones de pesos
$ $(%) = $

Restricciones.
1. Requerimiento de capital.
Año 1 30X1 + 12X2 + 30X3 + 20X4 ≤ 65 millones de pesos
Año 2 40X1 + 8X2 + 20X3 + 30X4 ≤ 80

JEVA / PTI 77
EJERCICIOS DE PROGRAMACIÓN LINEAL MODELACIÓN, SOLUCIÓN E INTERPRETACIÓN

Año 3 40X1 + 20X3 + 40X4 ≤ 80


Año 4 30X1 + 4X2 + 20X3 + 10X4 ≤ 50
$(%) = $ $

2. Financiamiento del proyecto.


X1 ≤ 1
X2 ≤ 1
X3 ≤ 1
X4 ≤ 1
% %
3. No negatividad Xi ≥ 0

Análisis Dimensional: Probado.

Solución Optima.
X1 = 0.55
X3 = 1
X4 = 1
Año 2 (H2) = 10
Año 4 (H4) = 5
F. proyecto 1 (H5) = 0.5
F. proyecto 2 (H6) = 1
Máx. Z = 192

Interpretación.
La empresa en su planeación financiera deben seleccionar dos proyectos: el desarrollo de productos y la ampliación
del almacén. Estos proyectos se pueden financiar al 100% durante los cuatro años considerados en la planeación
pero no así el proyecto de expansión de la planta que solo se puede financiar a un 50%. Con este plan de asignación
del capital, se puede lograr la máxima utilidad para la empresa de $192'000,000 y se tendrán $10'000,000 disponibles
en el año 2 y $5'000,000 en el año 4. No se puede financiar el 50% del proyecto expansión de la planta y el 100%
del proyecto nueva maquinaria,

4. Planeación Financiera: Inversiones a Mediano Plazo.


El grupo financiero está planeando sus inversiones para los próximos dos años. Actualmente tiene disponible un
capital de 2,000 millones de pesos para invertir, además tiene proyectado recibir un flujo de efectivo por concepto de
utilidades de los proyectos de inversión hechos anteriormente. Los ingresos proyectados a seis meses son de 500
millones de pesos, 400 en 12 meses y 380 en 18 meses. Se han hecho estudios de factibilidad de algunos proyectos y
se han seleccionado dos por su alta rentabilidad. El proyecto 1 es un complejo hotelero y el proyecto 2 es una red de
tiendas de descuento.
Para el proyecto 1 (complejo hotelero) se tiene proyectado el siguiente flujo de efectivo:

Flujo de Efectivo del Complejo Hotelero


Meses
Ingreso Proyectado 0 6 12 18 24
(millones $) - 1,000 - 700 1,800 400 600

Para el proyecto 2 (tiendas de descuento) se tiene el siguiente flujo de efectivo:

Flujo de Efectivo de las Tiendas de Descuento


Meses
Ingreso Proyectado 0 6 12 18 24
(millones $) - 800 500 - 200 - 700 2,000

Se ha establecido como política no pedir prestado dinero ya que se quiere que los proyectos sean autofinanciables.
Sin embargo, al comienzo de cada período de seis meses, todo el efectivo excedente que se tenga se tendrá que
invertir en instrumentos de inversión, que en este momento están ofreciendo un rendimiento promedio del 44% anual.

JEVA / PTI 78
EJERCICIOS DE PROGRAMACIÓN LINEAL MODELACIÓN, SOLUCIÓN E INTERPRETACIÓN

El grupo puede decidir invertir el 100% en los proyectos o cualquier otro porcentaje, en cuyo caso los flujos de efectivo
se reducirán en forma proporcional. Con estos datos, se quiere saber el porcentaje en que se debe financiar cada
proyecto y cuánto será el efectivo sobrante en cada período para invertir en un portafolio financiero de tal forma que
se maximice el efectivo que se tendrá en el mes 24.

Modelación.
Este problema tiene un objetivo que se quiere optimizar en el futuro, por lo que se requiere hacer las Restricciones en
primer lugar y luego estructurar la Función Objetivo.
Variables de Decisión.
Xi = Porcentaje de financiamiento para el Proyecto "i"
(%)
Ej = Efectivo sobrante en el Período "j" para invertir en instrumentos de inversión
($)

Restricciones.
1. Inversión en los períodos.
inversión a realizar = efectivo disponible
Inicial 1,000X1 + 800X2 + E1 = 2,000 millones de pesos
6 meses 700X1 + E2 = 500 + 500X2 + 1.22E1
12 meses 200X2 + E3 = 400 + 1,800X1 + 1.22E2
18 meses 700X2 + E4 = 380 + 400X1 + 1.22E3
24 meses E5 = 600X1 + 2,000X2 + 1.22E4
$ $ (%) = $
Esta última restricción es el efectivo que se tiene en el mes 24 por lo que formará la Función Objetivo que se
quiere maximizar.
2. Condición de Porcentaje.
X1 ≤ 1
X2 ≤ 1
% %
3. No negatividad Xi, Ej ≥ 0

Función Objetivo.
Máx. Z = 600x1 + 2,000 X2 + 1.22E4
$ $ (%) = $

Análisis Dimensional: Probado

Solución Optima.
X1 = 1
E1 = 1,000
E2 = 1,020
E3 = 3,444.4
E4 = 4,982.168
Cond. Porcentaje (H2) = 1
Máx. Z = 6,678.245

Interpretación.
Para maximizar el efectivo en el mes 24 a $6,678.245 millones, se tiene que financiar al 100% el flujo de efectivo
requerido por el complejo hotelero. Al hacer este programa de financiamiento, se tendrá el siguiente efectivo para
invertir en el instrumentos de inversión: en el período inicial (primer período) se tendrán $1,000 millones disponibles; a
los 6 meses (segundo período) se tendrán $1,020 millones disponibles; a los 12 meses (tercer período) se tendrán
$3,444.4 millones y a los 18 meses (cuarto período) se tendrán $4,982.168 millones. Como no se invirtió nada en el
proyecto de las tiendas de descuento se tiene un sobrante del 100% del financiamiento que no se utilizó.

5. Portafolio Financiero: Inversión de una Casa de Bolsa.


Una casa de bolsa ha reunido un capital de 600 millones de pesos para administrarlo por seis años, por lo que está
interesada en encontrar el mejor portafolio de inversiones que le permita maximizar el rendimiento de la inversión en
ese período. Para este fin, se estudiaron algunos instrumentos de inversión a plazo fijo, obteniéndose datos del

JEVA / PTI 79
EJERCICIOS DE PROGRAMACIÓN LINEAL MODELACIÓN, SOLUCIÓN E INTERPRETACIÓN

rendimiento ofrecido al final del vencimiento, los períodos de vencimiento y la disponibilidad del instrumento para
invertir en él. Al analizar los instrumentos de inversión, se vio la necesidad de tener una alternativa más que
comprendiera el dinero que intencionalmente no se invierta en ese año esperando una mejor opción de inversión en
un período futuro. Obviamente el rendimiento de esta alternativa es nulo, no tiene vencimiento y está disponible en
forma inmediata, es decir cada año. Con los datos recabados se construyó la siguiente tabla:

Instrumentos Rendimiento al Período de Disponibilidad


de Final del Período Vencimiento del Instrumento
Inversión (%) (años) (años)
Tipo 1 28 3 Cada año
Tipo 2 16 2 Cada año
Tipo 3 50 3 Principios del año 2
Tipo 4 40 2 Cada año después del año 3
Tipo 5 45 4 Principios del año 1
Tipo 6 0 - Cada año (inmediata)

La casa de bolsa quiere desarrollar un modelo que le permita determinar el portafolio financiero que maximice el
rendimiento del paquete completo de inversiones al final del año 6.

Modelación.
Cuando se tiene un "objetivo futuro", se necesita hacer primero las restricciones y luego la función objetivo, ya que el
resultado futuro dependerá de los resultados que se hayan tenido con anterioridad.
El resultado final, dependerá de las alternativas de inversión que se hayan utilizado, considerado que las inversiones
vencidas se reinvierten. Para visualizar las posibles alternativas de inversión que se tienen cada año, se hizo la
siguiente tabla auxiliar:

Instrumento de Rendimiento Años


Año Inversión en Período
(Tipo) (%) 0 1 2 3 4 5 6
1 28

1 2 16
5 45
6 0
1 28
2 16
2
3 50
6 0
1 28
3 2 16
6 0
1 28
2 16
4
4 40
6 0
2 16
4 40
5
6 0
6 6 0

Variables de Decisión.
Xij = Dinero a invertir en el Instrumento "i" en el Año "j"
($)

Restricciones.
1. Inversión.

JEVA / PTI 80
EJERCICIOS DE PROGRAMACIÓN LINEAL MODELACIÓN, SOLUCIÓN E INTERPRETACIÓN

Considerando que solo se puede invertir en el año, lo que se tiene disponible de efectivo en el mismo año, se pueden
construir las siguientes restricciones:
inversión a realizar = efectivo disponible
Año 1 X11 + X21 + X51 + X61 = 600,000,000
Año 2 X22 + X32 + X62 = X61
Año 3 X13 + X23 + X63 = X62 + 1.16X21
Año 4 X14 + X44 + X64 = X63 + 1.28X11 + 1.16X22
Año 5 X45 + X65 = X64 + 1.45X51 + 1.50X32 + 1.16X23
Año 6 X66 = X65 + 1.28X13 + 1.40X44
$ % ($) = $
2. No negatividad Xij ≥ 0

Función Objetivo.
Máx. Z = X66 + 1.28X14 + 1.40X45
$ % ($) = $

Análisis Dimensional: Probado.

Solución Optima.
X61 = 600'000,000
X32 = 600'000,000
X45 = 900'000,000
Máx. Z = 1,260'000,000

Interpretación.
Para maximizar la utilidad del capital al final del año 6 a $1,260'000,000, es necesario un portafolio de inversiones en
la siguiente forma: no invertir nada en al año 1, pero se puede invertir en otras opciones financieras, siempre y
cuando se tenga disponible el capital al principio del año 2 para invertir los $600'000,000 en el instrumento 3 y en el
año 5, invertir $900'000,000 en el instrumento 4.

JEVA / PTI 81
EJERCICIOS DE PROGRAMACIÓN LINEAL MODELACIÓN, SOLUCIÓN E INTERPRETACIÓN

JEVA / PTI 82