Está en la página 1de 15

Mtodos Cuantitativos

Formulacin de Problemas de Programacin Lineal

1.1 MODELOS DE PROGRAMACION LINEAL PARA DESICIONES DE MEZCLA DE PRODUCTOS A menudo se necesita determinar como asignar diversos recursos escasos, como la mano de obra, la materia prima y el capital, a varias alternativas que compiten por estos recursos. La decisin final se basa en la disponibilidad de estos recursos y en el logro de un objetivo global para la organizacin. Por ejemplo en problemas de produccin, la mezcla de productos por fabricar se basa finalmente en un objetivo corporativo global como la maximizacin de ganancias o la minimizacin de costos de produccin totales. Los modelos de programacin lineal a menudo se utilizan para ayudar a tomar tales decisiones. Considere el problema enfrentado por la gerencia de la empresa ABC. Ejemplo 1.1 El PROBLEMA DE MEZCLA DE PRODUCTOS DE ABC ABC fabrica tres productos de caucho: Airtex (Material esponjoso), Extendex (Material elstico) y Resistex (Material rgido). Los tres productos requieren los mismos tres polmeros qumicos y una base. La cantidad de cada ingrediente usada por libra del producto final se muestra en la tabla 1.1 TABLA 1.1 Ingredientes usados en la produccin de Airtex, Extender y Resistex INGREDIENTES (onz/lb de productos)
POLIMERO A POLIMERO B POLIMERO C BASE

Airtex Extender Resistex

4 3 6

2 2 3

4 2 5

6 9 2

ABC tiene el compromiso de producir al menos 1000 libras de Airtex, 500 libras de Extendex y 400 libras de Resitex para la prxima semana, pero la gerencia de la compaa sabe que puede vender mas de cada uno de los productos. Los inventarios Actulaes de los ingredientes son 5600 libras del polmero A, 425 libras del polmero B, 650 libras del polmero C y 1100 libras de la base. Cada libra de Airtex produce a la compaa una ganancia de $7, cada libra de Extendex una ganancia de $7 y cada libra de Resistex una ganancia de $6. Como gerente del departamento de produccin, usted necesita determinar un plan de produccin ptimo para esta semana. 1.1.1 Identificacin de las variables de decisin Siguiendo los pasos de la formulacin de problemas, primero identifique las variables de decisin. Pregntese lo que puede controlar y la informacin que constituye un plan de produccin, esto lo debe llevar a identificar las siguientes variables: A = el nmero de libras de Airtex por producir esta semana E = el nmero de libras de Extender por producir esta semana R = el nmero de libras de Resistex por producir esta semana 1.1.2 Identificacin de la funcin objetivo

Mtodos Cuantitativos

Para ABC, el objetivo lgico es determinar cunto de cada producto producir para maximizar la ganancia total. Al aplicar la tcnica de descomposicin se llega a: Ganancia total = ganancia de Airtex + ganancia de Extender + ganancia de Resistex Como cada libra de Airtex produce una ganancia de $7, A libras de Airtex produce $7A. De manera similar, Extender y Resistex contribuyen con $ 7E y $ 6R, respectivamente, a la ganancia total. En trminos de las variables de decisin y de los datos de ganancia, la funcin objetivo es Maximizar 1.1.3 Identificacin de las restricciones Aplicar la tcnica de agrupamiento lo debe conducir a identificar los siguientes tres grupos de restricciones: 1. 2. 3. Restricciones de recursos para asegurar que no se usen ms de los tres polmeros y la base que estn disponibles. Restricciones de demanda para asegurar que se cumplan los compromisos de la compaa. Restricciones lgicas para especificar que todas las cantidades de produccin son no negativas. 7A + 7E + 6R

RESTRICCIONES DE RECURSOS Este grupo consiste el cuatro restricciones: una para cada uno de los tres polmeros y una para la base. Para la disponibilidad limitada de 500 libras del polmero A: Cantidad empleada del polmero A 500 libras El uso de la descomposicin lleva a: Cantidad empleada del polmero A = (cantidad empleada para producir A libras de Airtex ) + (cantidad empleada para producir E libras de Extender)+ (cantidad empleada para producir R libras de Resistex)

Para determinar la cantidad del polmero A usada en la fabricacin de cada producto trabaje con un ejemplo especfico. Por ejemplo, fije A = 100, E = 300 y R = 200. De acuerdo con los datos de la tabla 1.1: Cantidad del polmero A empleada en Airtex Cantidad del polmero A empleada en Extender Cantidad del polmero A empleada en Resistex = 4(100) = 400 = 3(300) = 900 = 6(200) = 1200

Entonces, en trminos de las variables de decisin, podra pensar que la restriccin apropiada para el polmero A es: 4A + 3E + 6R 500 Sin embargo, esta restriccin no es correcta. La razn es que las unidades en la expresin de la izquierda estn en onzas (vase la tabla 3.1), pero las unidades a la derecha estn en libras. Esta discrepancia puede corregirse convirtiendo las unidades de cualquier lado a las del otro lado. Por ejemplo, al convertir las 500 libras disponibles del polmero A a 800 onzas (1 libra es igual a 16 onzas) se obtiene la siguiente restriccin: 4A + 3E + 6R 8 000 (polmero A)

Siguiendo una lgica similar para los tres resultados de recursos restantes en estas restricciones: 2A + 2E + 3R 6 800 (polmero B 4A + 2E + 5R 10 400 (polmero C) 6A + 9E + 2R 17 600 (base) RESTRICCIONES DE DEMANDA Este grupo consiste en tres restricciones: una para el requerimiento mnimo sobre la cantidad de cada uno de los tres productos. Estas restricciones son: A 1 000 (Airtex) E 500 (Extender) R 400 (Resistex) RESTRICCIONES LGICAS

Mtodos Cuantitativos

Como todas las cantidades de produccin deben ser no negativas, se necesitan las siguientes restricciones lgicas: A, E, R 0 1.1.4 Formulacin completa y solucin del problema de mezcla de productos de ABC. Como gerente del departamento de produccin, usted junta todas las piezas, lo que resulta en el siguiente modelo matemtico del problema de programacin lineal de ABC: Maximizar Dependiendo de RESTRICCIONES DE RECURSOS 4A + 3E + 6R 2A + 2E + 3R 4A + 2E + 5R 6A + 9E + 2R 8 000 6 800 10 400 17 600 (polmero A) (polmero B (polmero C) (base) 7A + 7E + 6R

RESTRICCIONES DE DEMANDA A E 1 000 (Airtex) 500 (Extender) R 400 (Resistex) A, E, R 0 La solucin ptima a este problema, calculada usando cualquier paquete de software de programacin lineal es A = 1 000.00 E = 533.33 R = 400.00 Con un valor de funcin objetivo de 13 133.33. En otras palabras, el plan semanal optimo es producir 1000 libras de Airtex, 533.33 libras de Extender y 400 libras de Resistex, dando como resultado una ganancia neta de $13133.33. Tal vez desee verificar esta solucin con su propio software de programacin lineal. 1.2 MODELOS DE PROGRAMACIN LINEAL PARA DECISIONES DE FABRICACIN O COMPRA En muchos problemas de produccin, puede ser que una compaa no tenga suficientes recursos para satisfacer una demanda inesperadamente grande de uno o ms productos. En tales casos, la compaa puede complementar su capacidad de produccin comprando algunos de los productos a proveedores externos. El punto central en esas situaciones es la decisin por parte de los administradores de la cantidad de cada producto por producir contra la cantidad que hay que comprar del exterior. A menudo es til un modelo de programacin lineal en la toma de tales decisiones, como lo ilustra el siguiente ejemplo. EJEMPLO 1.2 EL PROBLEMA DE HACER O COMPRAR DE ACEROS AREQUIPA. Aceros Arequipa produce tres tamaos de tubos: A, B y C, que son vendidos, respectivamente en $10, $12 y $9 por pie. Para cada pie del tubo A se requieren 0.5 minutos de tiempo de procesamiento sobre un tipo particular de mquina de modelado. Cada pie del tubo B requiere 0.45 minutos y cada pie del tubo C requiere 0.6 minutos. Despus de la produccin, cada pie de tubo, sin importar el tipo, requiere 1 onza de material de soldar. El costo total se estima en $3, $4 y $4 por pie de los tubos A, B y C, respectivamente. Para la siguiente semana, Aceros Arequipa ha recibido pedidos excepcionalmente grandes que totalizan 2000 pies del tubo A, 4000 pies del tubo B y 5000 pies del tubo C. Como slo se dispone de 40 horas de tiempo de mquina esta semana y slo se tienen en inventario 5500 onzas de material de soldar, el departamento de produccin no podr satisfacer esta demanda, que requiere un total de 97 horas de tiempo de mquina y 11000 onzas de material de soldar. No se espera que contine este alto nivel de demanda. En vez de expandir la

RESTRICCIONES LGICAS

Mtodos Cuantitativos

capacidad de las instalaciones de produccin, la gerencia de Aceros Arequipa est considerando la compra de algunos de estos tubos a proveedores de Japn a un costo de entrega de $6 por pie del tubo A, $6 por pie del tubo B y $7 por pie del tubo C. Estos diversos datos se resumen en la tabla 1.2. Como gerente del departamento de produccin, se le ha pedido hacer recomendaciones respecto a la cantidad de produccin de cada tipo de tubo y la cantidad de compra a Japn para satisfacer la demanda y maximizar las ganancias de la compaa. TABLA 1.2 Datos para el problema de hacer o comprar de Aceros Arequipa
PRECIO DE VENTA ($/pie) DEMANDA (pies) TIEMPO DE MAQUINA (min/pie) MATERIAL PARA SOLDAR (onz/pie) COSTO DE PRODUCCION ($/pie) COSTO DE COMPRA ($/pie)

A B C

10

2 000

0.50 0.45 0.60 40 hrs.

1 1 1 5 500 onz

3 4 4

6 6 7

1 4 000 9 5 000 Cantidad disponible

1.2.1 Identificacin de las variables de decisin En este problema, tiene libertad para elegir cuntos pies de cada tipo de tubo producir y cuntos pies comprar a Japn. Esto da como resultado las siguientes seis variables de decisin: AP = nmero de pies de tubo de tipo A por producir BP = nmero de pies de tubo de tipo B por producir CP = nmero de pies de tubo de tipo C por producir AJ = nmero de pies de tubo de tipo A por comprar a Japn BJ = nmero de pies de tubo de tipo B por comprar a Japn CJ = nmero de pies de tubo de tipo C por comprar a Japn 1.2.2 Identificacin de la funcin objetivo Como se estableci en la descripcin del problema, el objetivo global es maximizar las ganancias totales. Si aplicamos la descomposicin se obtiene: Ganancias totales = (ganancias de la produccin) + (ganancias de los productos comprados a Japn)

Si aplicamos la descomposicin a las ganancias de la produccin tenemos: Ganancias de la produccin = (ganancias de producir el tubo de tipo A) + (ganancias de producir el tubo de tipo B) + (ganancias de producir el tubo de tipo C)

Cada una de estas ganancias, a su vez, se calcula como el ingreso menos el costo por pie. Por ejemplo, como los tubos del tipo A se venden a $10 por pie pero su produccin cuesta $3, la ganancia neta es $7 por pie. Por tanto, la ganancia por producir AP pies de tubo del tipo A es 7AP. Un clculo similar para los tubos de los tipos B y C tiene como resultado: Ganancias de la produccin = 7AP + 8BP + 5CP Aplicando una descomposicin y lgica similares a los productos comprados a Japn se tiene: Ganancias de los productos comprados a Japn = 4AJ + 6BJ + 2CJ Como esperara, cada pie de tubo producido tiene como resultado una ganancia ms alta que cada pie de tubo comprado del proveedor externo. La combinacin de estos dos componentes de ganancia resulta en la siguiente funcin objetivo global: Maximizar 1.2.3 Identificacin de las restricciones La aplicacin de la tcnica de agrupamiento debera llevarlo a identificar los siguientes tres grupos de restricciones: 1. 2. Restricciones de recursos para asegurarse que la cantidad de tiempo de mquina y el material para soldar usado no exceda los suministros disponibles. Restricciones de demanda para asegurarse que se satisface la demanda de cada tipo de tubo. 7AP + 8BP + 5CP + 4AJ + 6BJ + 2CJ

Mtodos Cuantitativos
3. Restricciones lgicas.

RESTRICCIONES DE RECURSOS Producir estos tubos requiere dos recursos: tiempo de mquina y material para soldar. Como estos recursos son limitados se requieren dos restricciones para asegurar que los suministros disponibles no se rebasen. La restriccin de tiempo disponible es: El tiempo de mquina no debe exceder las 40 horas La aplicacin de la descomposicin lleva a: Tiempo de mquina total usado = (tiempo de mquina usado para producir tubo de tipo A) + (tiempo de mquina usado para producir tubo de tipo B) + (tiempo de mquina usado para producir tubo de tipo C) Recuerde de la tabla 1.2 que cada pie del tubo A requiere 0.5 minutos de tiempo de mquina. Por tanto, para producir AP pies se requiere 0.5AP minutos. De manera anloga, cada pie de tubo B requiere 0.5 minutos y cada pie de tubo C requiere 0.6 minutos. La restriccin es: 0.5AP + 0.45BP + 0.6CP 40 Sin embargo, observe que la cantidad de lado izquierdo se expresa en minutos, mientras que la de la derecha se expresa en horas. Una forma de corregir esta inconsistencia es convertir 40 horas en 40 * 60 = 2400 minutos: 0.5AP + 0.45BP + 0.6CP 2400 (tiempo de mquina) Regresando a la disponibilidad de material para soldar, la restriccin asociada es: El material para soldar total no debe exceder las 5500 onzas Aplicando la descomposicin y recordando que cada pie de tubo, sin importar el tipo, requiere 1 onza de material para soldar, esta restriccin de recursos es: AP + BP + CP 5500 (material para soldar) RESTRICCIONES DE DEMANDA Este grupo est constituido por tres restricciones, una para la demanda asociada con cada tipo de tubo. Para el tubo A: Nmero total de pies del tubo de tipo A = 2000 pies Aplicando la descomposicin: Nmero total de pies del tubo de tipo A = (nmero de pies de tipo A producidos) + (nmero de pies de tipo A comprados a Japn) = AP + AJ En consecuencia, la restriccin de demanda del tubo de tipo A es: AP + AJ = 2000 (demanda del tipo A) Una lgica similar da como resultado las siguientes restricciones de demanda para los tubos del tipo B y C: BP + BJ = 4000 (demanda del tipo B) CP + CJ = 5000 (demanda del tipo C) RESTRICCIONES LGICAS La nica restriccin lgica en este problema es que todas las variables deben ser no negativas. 1.2.4 Formulacin completa y solucin del problema de fabricacin o compra de Aceros Arequipa Una vez que se unen todas las piezas, da por resultado el modelo de programacin lineal siguiente para el problema de Aceros Arequipa: Maximizar Dependiendo de RESTRICCIONES DE DEMANDA 7AP + 8BP + 5CP + 4AJ + 6BJ + 2CJ

Mtodos Cuantitativos
AP BP CP + AJ + BJ + CJ = 2000 (demanda del tipo A) = 4000 (demanda del tipo B ) = 5000 (demanda del tipo C)

RESTRICCIONES DE RECURSOS 0.5AP + 0.45BP + 0.6CP 2400 (tiempo de mquina) AP + BP + CP 5500 (material para soldar) RESTRICCIONES LGICAS AP, AP = 2 000.000 BP = 0.000 CP = 2 333.000 AJ = 0.000 BJ = 4 000.000 CJ = 2 666.667 Con una ganancia neta de $ 55 000. En otras palabras, Aceros Arequipa debera producir 2000 pies de tubo de tipo A y 2333.333 pies de tubo C e importar 4000 pies de tubo de tipo B y 2666.667 pies de tubo de tipo C de Japn. Tal vez desee verificar esta solucin con su propio software de programacin lineal. 1.3 MODELOS DE PROGRAMACIN LINEAL PARA PROBLEMAS DE DIETAS Los modelos de programacin lineal tambin pueden aplicarse en la planeacin de dietas. En particular, dado un nmero de alternativas de comida, cada una de las cuales produce una cantidad conocida de un nutriente necesario, usted desea determinar qu cantidad de cada tipo de comida incluir en una dieta para asegurar un mnimo de requerimientos de nutrientes, a la vez que logra un objetivo global. En el siguiente ejemplo se ilustra un problema de este tipo. EJEMPLO 1.3 EL PROBLEMA DE DIETAS DEL HOSPITAL GENERAL XYZ. El Departamento de Nutricin del Hospital General XYZ prepara 30 mens de cena, uno para cada da del mes. Una comida consistente en espagueti, pavo, papas en escalope, espinacas y pastel de manzana. Como director del Departamento de Nutricin, usted ha determinado que esta comida debe proporcionar 63 000 miligramos (mg) de protenas, 10 mg de hierro, 15 mg de niacina, 1 mg de tiamina y 50 mg de vitamina C. Cada 100 gramos de esta comida proporciona la cantidad de cada nutriente y grasas indicadas en al tabla 1.3 TABLA 1.3 Nutrientes proporcionados por las distintas comidas
NUTRIENTE (mg/100 g)
PROTEINAS HIERRO TIACINA TIAMINA VITAMINA C GRASA

BP,

CP,

AJ,

BJ,

CJ

La solucin ptima a este problema, obtenida con un paquete de software de programacin lineal, es:

Espagueti Pavo Papas Espinacas Pastel de manzana

5 000 29 300 5 300 3 000 4 000

1.1 1.8 0.5 2.2 1.2

1.5 5.4 0.9 0.5 0.6

0.18 0.06 0.06 0.07 0.15

0.0 0.0 10.0 28.0 3.0

5 000 5 000 7 900 300 14 300

Para evitar demasiada cantidad de un tipo de comida, no debe incluirse en ella ms de 300 gramos de espagueti, 300 gramos de pavo, 200 gramos de papas, 100 gramos de espinacas y 100 gramos de pastel de manzana. Como director del departamento de nutricin, usted desea determinar la composicin de una comida que satisface los requerimientos nutricionales y proporciona la mnima cantidad de grasas. 1.3.1 Identificacin de las variables de decisin En este problema, usted puede controlar la cantidad de cada uno de los cinco alimentos que incluir en la comida, lo que lleva a definir las siguientes cinco variables: SPAG PAVO PAPA SPIN = el nmero de 100 gramos de espagueti que incluir = el nmero de 100 gramos de pavo que incluir = el nmero de 100 gramos de papas que incluir = el nmero de 100 gramos de espinaca que incluir

Mtodos Cuantitativos
MANZ = el nmero de 100 gramos de pastel de manzana que incluir

Por conveniencia, se ha escogido que las unidades de las variables se den en cientos de gramos porque sas son las unidades usadas en la tabla 1.3. 1.3.2 Identificacin de la funcin objetivo Como se estableci en la descripcin del problema, el objetivo global es minimizar el contenido de grasas totales de la dieta. Aplicando los resultados de descomposicin en lo siguiente: Contenido de grasas totales = (grasa aportada por el espagueti) + (grasa aportada por el pavo) + (grasa aportada por las papas) + (grasa aportada por las espinacas) + (grasa aportada por el pastel de manzana)

Si usa los datos de la ltima columna de la tabla 1.3 y trabaja con u ejemplo especfico debe llegar a identificar el siguiente objetivo global: Minimizar 5000SPAG + 5000PAVO + 7900PAPA + 300SPIN + 14300MANZ 1.3.3 Identificacin de las restricciones La aplicacin de la tcnica de agrupamiento lo conduce a los siguientes tres grupos de restricciones: Restricciones de nutrientes para asegurar que la comida proporciona la cantidad mnima de cada nutriente. 1. 2. Restricciones de lmite para asegurar que no se incluya demasiada cantidad de un tipo de comida (por ejemplo, solicitar a un paciente que coma 1000 gramos de espinacas) Restricciones lgicas para asegurar que todas las variables sean no negativas.

REQUERIMIENTOS DE NUTRIENTES Este grupo consiste en cinco restricciones, una para asegurar la cantidad mnima de cada uno de los cinco nutrientes. Considere el requerimiento de protenas: Cantidad total de protenas en la comida 63 000 mg Aplicando la descomposicin: Cantidad total de protenas en la comida = (cantidad de protenas del espagueti) + (cantidad de protenas del pavo) + (cantidad de protenas de las papas) + (cantidad de protenas de las espinacas) + (cantidad de protenas del pastel de manzana) Refirase a la primera columna de la tabla 1.3. Cada 100 gramos de espagueti contienen 5000 mg de protenas. Por lo tanto, SPAG cien gramos de esta comida proporciona 5000 SPAG mg de protenas a la comida. De manera similar, usando los datos restantes de la primera columna de la tabla 1.3 da como resultado la siguiente restriccin para protenas: 5000SPAG + 29300PAVO + 5300PAPA + 3000SPIN + 4000MANZ 63 000 (protenas) Aunque las unidades de las variables se expresan en cientos de gramos, las unidades de ambos lados de la restriccin anterior estn en miligramos. Usando las siguientes cuatro columnas de datos de la tabla 1.3 obtenemos las siguientes restricciones similares para cada uno de los siguientes cuatro nutrientes: 1.1 SPAG + 1.8 PAVO + 0.5 PAPA 1.4 SPAG + 5.4 PAVO + 0.9 PAPA 0.18 SPAG + 0.06 PAVO + 0.06 PAPA 10 PAPA RESTRICCIONES DE LMITE Estas restricciones limitan la cantidad mxima de cada tipo de alimento en la comida. Teniendo en mente que las unidades de las variables estn en cientos de gramos, surgen las siguientes restricciones de lmite: + 2.2 SPIN + 0.5 SPIN + 0.07 SPIN + 28 SPIN + 1.2 MANZ + 0.6 MANZ + 0.15 MANZ + 3 MANZ 10 (hierro) 15 (niacina) 1 (tiamina) 50 (vitamina C)

Mtodos Cuantitativos
SPAG 3 PAVO 3 PAPA 2 SPIN 1 MANZ 1 RESTRICCIONES LGICAS La nica restriccin lgica en este problema es que todas las variables son no negativas. 1.3.4 Formulacin completa y solucin del problema de dietas del Hospital General XYZ

Toda esta informacin da como resultado el siguiente modelo de programacin lineal para el problema del Hospital General XYZ: Minimizar 5000SPAG + 5000PAVO + 7900PAPA + 300SPIN + 14300MANZ Dependiendo de REQUERIMIENTO DE NUTRIENTES 5000 SPAG + 29300PAVO + 1.1 SPAG + 1.8 PAVO + 1.4 SPAG + 5.4 PAVO + 0.18 SPAG + 0.06 PAVO + 5300PAPA + 3000SPIN + 4000MANZ 0.5 PAPA + 2.2 SPIN + 1.2 MANZ 0.9 PAPA + 0.5 SPIN + 0.6 MANZ 0.06 PAPA + 0.07 SPIN + 0.15 MANZ 10 PAPA + 28 SPIN + 3 MANZ RESTRICCIONES DE LMITE SPAG PAVO PAPA SPIN MANZ MANZ 3 3 2 1 1 63 000 (protenas) 10 (hierro) 15 (niacina) 1 (tiamina) 50 (vitamina C)

RESTRICCIONES LGICAS SPAG, PAVO, PAPA, SPIN, 0

Con un contenido de grasa de 54 800 miligramos. En otras palabras, la comida debera consistir en 300 gramos de espagueti, 283.3 gramos de pavo, 200 gramos de papas, 100 gramos de espinacas y 66.7 gramos de pastel de manzana. Tal vez desee verificar esta solucin con su propio software de programacin lineal. 1.4 MODELOS DE PROGRAMACIN LINEAL PARA ADMINISTRACIN DE CARTERA DE VALORES La decisin en este tipo de problemas es determinar cules inversiones seleccionar. Este problema requiere tomar una decisin no/si que resultar en un modelo de programacin entera con variables 0-1. Como ser ahora, una decisin de inversin tambin puede requerir determinar cunto invertir en cada alternativa disponible. A menudo puede formularse un modelo de programacin lineal para un problema de esta naturaleza. El objetivo global de un inversionista es obtener el ms alto rendimiento posible. Pero un alto rendimiento tiene un precio: el riesgo. Un inversionista debe equilibrar el rendimiento frente al riesgo. A menudo puede formularse un modelo de programacin lineal para disear una estrategia de inversin que logre el rendimiento mximo, al mismo tiempo que satisfaga ciertos requerimientos de riesgo. Considere el problema enfrentando por los socios generales de AFP JR. EJEMPLO 1.4 EL PROBLEMA DE INVERSIN DE AFP JR. Al gerente de cartera de AFP JR, se le ha pedido invertir $1 000 000 de un gran fondo de pensiones. El departamento de investigaciones de Inversiones ha

Mtodos Cuantitativos

identificado seis fondos mutuos con estrategias de inversin variables, resultando en diferentes rendimientos potenciales y riesgos asociados, como se resume en la tabla 1.4. TABLA 1.4. Riesgo y tasa esperada de rendimiento de seis fondos de inversin FONDO 1 2 3 4 5 6 Predio ($/accin) 45 76 110 17 23 22 Devolucin esperada (%) 30 20 15 12 10 7 Categora de riesgo Alto Alto Alto Mediano Mediano Bajo Una forma de controlar el riesgo es limitar la cantidad de dinero invertido en los diversos fondos. Para ese fin, la administracin de AFP JR ha especificado las siguientes pautas: 1. 2. 3. La cantidad total invertida en fondos de alto riesgo debe estar entre 50 y 75 % de la cartera. La cantidad total invertida en fondos de mediano riesgo debe estar ente 20 y 30% de la cartera. La cantidad total invertida en fondos de bajo riesgo debe ser al menos de 5% de la cartera.

Una segunda forma de controlar el riesgo es diversificar, esto es, esparcir el riesgo invirtiendo en muchas alternativas diferentes. La gerencia de AFP JR, ha especificado que la cantidad invertida en los fondos de alto riesgo 1, 2 y 3 deben estar en la tasa 1:2:3 respectivamente. La cantidad invertida en los fondos de mediano riesgo 4 y 5 debe ser 1:2. Con estas pautas, Qu cartera debera usted, gerente de cartera, recomendar para maximizar la tasa esperada de retorno? 1.3.3 Identificacin de las variables de decisin En este problema, usted controlar cunto invertir en cada uno de los seis fondos mutuos, dando as origen a seis variables de decisin. Como siempre, debe especificar las unidades asociadas con cada variable. Por ejemplo, para el fondo 1, podra definir cualquier de las siguientes variables: F1 = el nmero de acciones del fondo 1 por comprar F1 = el nmero de dlares por invertir en el fondo 1 F1 = la fraccin de la agenda por invertir en el fondo 1 Cada opcin conduce a un modelo matemtico diferente pero equivalente. Aqu se utiliza la ltima opcin. As es que, para cada uno de los fondos restantes, defina: F2 = la fraccin de la cartera por invertir en el fondo 2 F3 = la fraccin de la cartera por invertir en el fondo 3 F4 = la fraccin de la cartera por invertir en el fondo 4 F5 = la fraccin de la cartera por invertir en el fondo 5 F6 = la fraccin de la cartera por invertir en el fondo 6 1.4.2 Identificacin de la funcin objetivo. Como se estableci en la descripcin del problema, el objetivo global es maximizar la tasa esperada de rendimiento, esto es, Tasa esperada de rendimiento cantidad invertida = Rendimiento total esperado = rendimiento total esperado Si aplicamos la descomposicin al numerador obtenemos (rendimiento esperado del fondo 1) + (rendimiento esperado del fondo 2) + (rendimiento esperado del fondo 3) + (rendimiento esperado del fondo 4) + (rendimiento esperado del fondo 5) + (rendimiento esperado del fondo 6)

Para determinar el rendimiento esperado del fondo 1, trabaje con un ejemplo especifico en el que 10% de la cartera se invierte en el fondo 1, es decir, F 1 = 0.10. En este caso, 0.10 * 1 000 000 = $ 100 000 de la cartera se invierte en el fondo 1. De acuerdo con los datos de la tabla 1.4 se espera que este dinero devuelva 30% 0.30*1000000 = $ 30 000. Por tanto, en trminos de F1, Rendimiento esperado del fondo 1 = (cantidad invertida en el fondo 1) *

Mtodos Cuantitativos
= = Rendimiento total esperado (tasa de rendimiento del fondo 1) (F1 * 1 000 000) * 0.30 300 000 F1

10

Usando una lgica similar para los cinco fondos restantes, llegamos a = 300 000 F1 + 200 000 F2 + 150 000 F3 + 120 000 F4 + 100 000 F5 + 70 000 F6

Dividiendo esto entre la inversin total de $ 1 000 000 obtenemos la tasa de rendimiento y por tanto la siguiente funcin objetivo: Maximizar 0.30 F1 + 0.2 F2 + 0.15 F3 + 0.12 F4 + 0.10 F5 + 0.07 F6 1.4.3 Identificacin de las restricciones Aplicando la tcnica de agrupamiento debe llegar a identificar los siguientes tres grupos de restricciones: 1. 2. 3. Limitaciones de inversin para controlar la cantidad invertida en cada una de las tres categoras de riesgo. Restricciones de diversificacin para extender la inversin dentro de cada categora de riesgo. Restricciones lgicas.

RESTRICCIONES DE LIMITACIN DE INVERSIN Este grupo consiste en tres subgrupos de restricciones, uno para cada categora de riesgo, a saber: 1. La cantidad total invertida en fondos de alto riesgo debe estar entre 50 y 75% de la cartera. Como F 1, F2 y F3 representan la fraccin de la cartera por invertir en fondos de alto riesgo, la fraccin de la cartera total invertida en fondos de alto riesgo es F1 + F2 + F3. Estas restricciones son: F1 + F2 + F3 0.50 F1 + F2 + F3 0.75 2. (mnimo en alto riesgo) (mximo en alto riesgo)

La cantidad total invertida en fondos de mediano riesgo debe estar entre 20 y 30% de la cartera. Como F4 y F5 representan la fraccin de cartera por invertir en fondos de mediano riesgo, la fraccin de la cartera total invertida en fondos de mediano riesgo es F4 + F5. Estas restricciones son: F4 + F5 0.20 F4 + F5 0.30 (mnimo en mediano riesgo) (mximo en mediano riesgo)

3.

La cantidad total invertida en fondos de bajo riesgo debe ser al menos 5% de la cartera. Como F 6 es la fraccin de la cartera invertida en fondos de bajo riesgo, esta restriccin es: F6 0.05 (mnimo en bajo riesgo)

RESTRICCIONES DE DIVERSIFICACIN Este grupo de restricciones se utiliza para controlar el riesgo asegurando que la cantidad invertida en los fondos pertenecientes a una categora de riesgo dada est dentro de la tasa especificada, de la manera siguiente: 1. La cantidad invertida en los fondos de alto riesgo 1, 2 y 3 debe ser en la tasa 1:2:3. Esta restriccin especifica que la cantidad invertida en el fondo 2 sea el doble de la cantidad invertida en el fondo 1: F2 = 2F1 Si cambiamos el orden para que todas las variables estn a la derecha, se obtiene: -2F1 + F2 = 0 (proporcin de F1 a F2) F3 = 3F1 -3F1 + F3 = 0 2. (proporcin de F1 a F3) La cantidad invertida en los fondos 4 y 5 de mediano riesgo debe estar en la proporcin de 1:2, esto es, la cantidad invertida en el fondo 5 debe ser el doble de la del fondo 4: F5 = 2F4 De manera similar, la cantidad invertida en el fondo 3 debe ser tres veces la invertida en el fondo 1:

Mtodos Cuantitativos
Si cambiamos el orden para que todas las variables estn a la derecha, se obtiene: -2F4 + F5 = 0 RESTRICCIONES LGICAS (proporcin de F4 a F5)

11

Claro Est que un conjunto de restricciones lgicas es que cada variable sea no negativa. Asimismo, como es posible comprar acciones fraccionales de un fondo mutuo, a estas variables se les permite tener cualquier valor fraccional, lo que resulta en un problema de programacin lineal, ms an, se requiere otra restriccin lgica para asegurar que se invierta la cartera total de precisamente $ 1 000 000. Como las variables de decisin representan la fraccin de esta cartera por invertir en los diversos fondos, esta restriccin es: La fraccin total de $ 1000 000 invertida debe ser igual a 1 F1 + F2 + F3 + F4 + F5 + F6 = 1.0 (agenda total) 1.4.4 Formulacin completa y solucin del Problema de inversin de AFP JR. A continuacin se muestra el modelo de programacin lineal completo para los socios generales de AFP JR: Maximizar 0.30 F1 + 0.2 F2 + 0.15 F3 + 0.12 F4 + 0.10 F5 + 0.07 F6 Dependiendo de RESTRICCIONES DE LIMITACIN DE INVERSIN F1 + F1 + F2 + F2 + F3 F3 F4 + F4 + F5 F5 0.50 0.75 0.20 0.30 F6 0.05 (mnimo en alto riesgo) (mximo en alto riesgo) (mnimo en mediano riesgo) (mximo en mediano riesgo) (mnimo en bajo riesgo)

RESTRICCIONES DE DIVERSIFICACIN -2F1 + -3F1 + F2 F3 =0 =0 -2F4 + F5 = 0 F4 + F4 , F5 + F5 , (proporcin de F1 a F2) (proporcin de F1 a F3) (proporcin de F4 a F5) F6 = 1.0 F6 0 (cartera total)

RESTRICCIONES LGICAS F1 + F1 , F2 + F2 , F3 + F3 ,

La solucin ptima para este problema que cualquier paquete de software de programacin lineal produce es: F1 = 0.1250 F2 = 0.2500 F3 = 0.3750 F4 = 0.0667 F5 = 0.1333 F6 = 0.0500 Con una tasa de rendimiento de 0.168583. En otras palabras, la cantidad de dinero invertido en cada uno de los seis fondos es: Cantidad en el fondo 1 Cantidad en el fondo 2 Cantidad en el fondo 3 Cantidad en el fondo 4 Cantidad en el fondo 5 Cantidad en el fondo 6 Inversin total = 0.1250 = 0.2500 = 0.3750 = 0.0667 = 0.1333 = 0.0500 * * * * * * 1 000 000 1 000 000 1 000 000 1 000 000 1 000 000 1 000 000 = = = = = = = $ 125 000 $ 250 000 $ 375 000 $ 66 700 $ 133 300 $ 50 000 $ 1 000 000

con una tasa de rendimiento esperado de 16.86% ( $168 600). Tal vez desee verificar esta solucin con su propio software de programacin lineal.

Mtodos Cuantitativos

12

Recuerde que las variables de decisin se definen como la fraccin de la cartera a invertir, en vez de la cantidad de dlares. Este enfoque tiene una ventaja clara, si la cantidad de dlares de la cartera cambia, un evento probable, el modelo actual permanece inalterado. Simplemente necesita multiplicar las fracciones obtenidas en la solucin anterior por el nuevo tamao de la cartera para determinar las nuevas cantidades a invertir en cada uno de los seis fondos.

Problemas para formulacin:


1.- Una empresa de produccin de muebles dispone de dos diferentes tipos de madera; tiene 1500 pies tabla del
tipo A y 1000 del tipo B (la madera B es importada), tambin dispone de 800 horas-hombre para efectuar el trabajo. La demanda semanal que ha estimado es la siguiente: cuando menos 40 mesas, 130 sillas, 30 escritorios y no ms de 10 libreros. Las cantidades de madera Ay B, las horas-hombre que requiere la elaboracin de cada unidad de artculo y las utilidades unitarias, estn indicadas en el siguiente cuadro: Madera Horas Artculo A B Hombre Mesa 5 2 3 Silla 1 3 2 Escritorio 9 4 5 Librero 12 1 10 Disponibilidad semanal 1500 1000 800 a) Demanda Utilidades Estimada por unidad no menos de 40 $ 12 no menos de 130 5 no menos de 30 15 no ms de 10 10

Formule un Modelo Matemtico de Programacin Lineal para saber qu cantidad debe fabricar semanalmente la empresa de cada artculo, de manera que las utilidades sean las mximas?

b) La empresa sufre una huelga laboral y ahora slo cuenta con 700 horas hombre. Reformule el Modelo y obtenga su solucin. Suponga que la empresa no acepta una solucin donde haya que producir fracciones de un artculo. Formule el Modelo de Programacin Lineal Entera que considere esta restriccin. c) Suponga ahora que el gobierno exige a la empresa minimizar el costo de importacin. Formule un Modelo de Programacin Lineal Mixta que satisfaga el objetivo del gobierno (El costo de importacin del pi tabla de madera B es de $ 2)

d) Dado que el empresario se ve perjudicado en sus utilidades al satisfacer el objetivo del gobierno, no acepta la solucin obtenida. Formule un Modelo de Programacin de Metas o Multiobjetiva que considere ambos objetivos.

2.- Una Empresa produce tres tipos de productos: A, B y C. Las horas hombre requeridas son H1 y H2 en los
departamentos 1 y 2 respectivamente para el producto A. Una unidad de B requiere de H3 y H1 horas en los departamentos 2 y 3 respectivamente y un producto C requiere de H3, H2 y H1 horas en los departamentos 1, 2 y 3 respectivamente. El jornal por horas es J en cualquier departamento. Se desea fabricar hasta un mximo de FT unidades para los tres productos; un mximo de F1 unidades entre los productos A y B y un mnimo de F2 unidades de C. Si los productos A, B y C se vende a V1, V2 y V3 cada unidad respectivamente y la disponibilidad de horas son HA, HB y HC para los departamentos 1, 2 y 3 respectivamente. Formule un Modelo de Programacin Lineal para este problema.

3.- Puede usarse 3 clasificaciones de trabajadores (w1, w2 y w3) en 3 trabajos distintos (j1, j2 y j3), de acuerdo a
una escala salarial. Cada trabajador tiene un costo (en $) diferente para cada trabajo, que aparece en la tabla siguiente: Trabajador w1 Trabajos Trabajadores j1 j2 j3 disponibles 4.0 4.0 4.6 10

Mtodos Cuantitativos
w2 w3 Trabajadores requeridos 3.6 3.7 5 3.5 4.4 20 4.4 4.6 10 15 10

13

Formule un Modelo Matemtico para determinar la asignacin ptima de trabajadores a los diversos trabajos a fin de minimizar el costo.

4.- XYZ tiene tres plantas de generacin de energa elctrica que suministran la energa requerida a cuatro
ciudades. Cada planta puede suministrar las siguientes cantidades de kilowatt-hora (kwh) de energa elctrica: la planta 1, 35 millones; la planta 2, 50 millones; la planta 3, 40 millones. Las demandas mximas de energa en estas ciudades, que se presentan al mismo momento (2 p.m.), son las siguientes (en kwh): la ciudad 1, 40 millones; la ciudad 2, 20 millones; la ciudad 3, 30 millones; la ciudad 4; 30 millones. Los costos para mandar 1 milln de kwh de energa de una planta a una ciudad depende de la distancia que la energa tiene que viajar (ver tabla 1). Formule un modelo de Programacin Lineal que permita determinar el plan de suministro que minimice el costo para satisfacer la demanda mxima de energa de cada ciudad. Tabla 1 DESDE Planta 1 Planta 2 Planta 3 HACIA Ciudad 1 Ciudad 2 Ciudad 3 Ciudad 4 ($) ($) ($) ($) 8 6 10 9 9 12 13 7 14 9 16 5

5.- La Compaa Industrial de Acero S.A. (IPASA) cuya planta principal est en la ciudad de Chincha (P1)
produce amortiguadores para camiones. IPASA tambin tiene plantas de produccin en Chimbote (P2) y en Arequipa (P3). Los productos se venden a cinco distribuidores mayoristas D1, D2, D3, D4 y D5 a S/ 10 por unidad. Las proyecciones de venta indican que el prximo mes se deben entregar las siguientes cantidades: a D1 D2 D3 D4 D5 P1 P2 P3 P1 P2 P3 $3 $5 $2 D1 2 3 2 D2 1 2 2 D3 3 4 3 D4 2 1 1 D5 1 1 3 13000 3500 4500 10000 8000 15000 12000 10000

Las capacidades mximas de produccin son:

El costo unitario de produccin en cada planta es:

El costo unitario de transporte de cada planta a cada distribuidor es: P1 P2 P3

Formular un Modelo Matemtico para determinar la produccin ptima de cada planta y el nmero de amortiguadores que debe enviar cada planta a cada distribuidor.

Mtodos Cuantitativos

14

6.- Ud. Sabe que como estudiante de ingeniera debe tomar decisiones cientficas basadas en herramientas
cuantitativas, en ese sentido se le pide tomar la decisin de elegir su dieta alimenticia. Suponiendo que los nicos alimentos de que Ud. dispone son: leche, carne y huevos, los cuales abastecen las cantidades de vitaminas dadas en la tabla 1. As mismo se proporciona la cantidad diaria mnima en miligramos que se debe ingerir de cada vitamina, as como el costo unitario de cada alimento.

Tabla 1 Leche Vitamina (litro) A 0.25 mg. B 15.00 C 2.50 Costo unitario S/. 2.0 Carne (Kg.) 2 mg. 30 20 S/. 7.0 Huevos (docena) 10 mg. 10 10 S/. 4.0 Cantidad diaria mnima 1 mg. 50 10

7.- Se desea instalar 5 fabricas (1, 2, 3, 4 y 5) en las ciudades (A, B, C, D, F y G). Se ha tomado la decisin de
invertir a lo ms una fbrica por cada ciudad. La siguiente tabla establece las utilidades netas de inversin en miles de dlares: Fabrica 1 2 3 4 5 A 45 75 55 58 65 B 50 50 50 60 50 Ciudad C D 65 50 55 60 55 40 65 70 45 60 E 75 55 55 65 65 F 60 60 60 70 40 G 45 75 75 65 55

Si se obliga instalar la fbrica 5 en F y se prohbe instalar la fabrica 2 en B. Formule un Modelo Matemtico de Programacin Entera que determine la asignacin ptima.

8.- La empresa XXX produce 2 artculos: cubiertas de carro y tolderas. Para la prxima semana dispone de los
siguientes suministros: 400 horas-hombre 1200 mts2 de lino 2700 mts2 de lona 600 horas-mquina El precio de venta de las cubiertas de carro es de 150 soles y de las tolderas 500 soles. Si para producir una cubierta de carro requiere 1 hora-hombre, 6 mts 2 de lino y 1 hora-mquina, y para producir una toldera requiere 2 horas-hombre, 18 mts2 de lona y 1.5 horas-mquina. a) Defina las variables de decisin del problema. b) Formular el modelo matemtico de programacin lineal respectivo. c) Resolver por el mtodo grfico y determinar el plan de produccin que haga mximo el ingreso de la empresa. Cul es la mxima utilidad alcanzada?

9.- Un agricultor puede producir tomate y lechuga. Para producir una tonelada de tomate requiere 0.15 Hs., 3
Kgs. de fertilizante y 30 jornadas y para una tonelada de lechuga requiere 0.20 Hs., 2 Kgs. de fertilizante y 32 jornadas. Determinar la cdula de produccin ptima y la situacin final de los insumos, si: Se dispone de 2 Hs. de terreno agrcola, y 60 Kgs. de fertilizante.

Mtodos Cuantitativos
Un presupuesto de 25000 soles para pagar jornales.

15

Adems, el jornal es 15 soles, la tonelada de tomate se vende a 900 soles y la de lechuga a 1800 soles.

10.- Una refinera fabrica 2 tipos de gasolina (1 y 2) a partir de 2 tipos de petrleo bruto (A y B); los precios de
venta, la materia prima para fabricar las gasolinas, as como los costos son:

Mxima Cantidad Costo Petrleo disponible unitario A 100TM 6 B 200TM 3

Gasolina 1 2

Mnimo % de A requerido 60 30

Precio de venta unitario 8 5

Determine un Programa de Programacin Lineal que maximice las utilidades. (sugerencia: defina la variable como Xij: cantidad de petrleo tipo i comprada para producir gasolina tipo j)

11.- Lupita est preocupada por su sobrepeso y el costo de la comida diaria, ella sabe que para bajar de peso,
debe consumir a lo ms 1350 Kcaloras, pero requiere un mnimo de 500 mgr. de vitamina A, 350 mgr. de Calcio, 200 mgr. de protenas y 150 mgr de minerales. Con los alimentos de la tabla siguiente, formule el Modelo de Programacin Lineal que resuelva la dieta de Lupita. Alimento Leche Huevo Espinacas Chancho Pescado Pastel Porcin 1 taza 2 unidades 1 racin 2 chuletas 2 trozos 2 rebanadas Vitam. A 105 75 100 25 150 30 Calcio 75 80 10 50 5 Protenas Minerales 50 35 50 15 125 78 55 100 50 8 Costo S/. 1.0 S/. 0.7 S/. 0.5 S/. 4.0 S/. 2.0 S/. 1.5 Kcaloras 80 50 175 150 200