Ao de la consolidacin del mar de Grau

UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS

FACULTAD DE INGENIERA INDUSTRIAL

Segunda Prctica: Problemas 3.3., 4.3. Y 6.2.

CURSO : Investigacin Operativa I

PROFESOR : Ing. Eyzaguirre

ALUMNOS : Pinto Pariona Anthony Bret 14170038

Ocampo Montoya Jorge 13170124

Flores Alvarez Ivan Adrian 13170065

Velasquez Concha Alexandra 13170208

2016
 Investigacin Operativa I |

Problema 3.3
Un transportista brindo el servicio de traslado de alimentos proveniente de 8 empresas hacia
dos centros de acopio A y B. El transportista cuenta con un camin que diariamente recoge
alimentos de las empresas y puede transportar cada da a cada centro de acopio a lo ms
cuarenta toneladas de alimentos. Para dentro de dos das, el centro de acopio A deber haber
recibido 30 toneladas de alimentos y el centro de acopio B debe de haber recibido 40
toneladas de alimentos.

La siguiente tabla muestra la disponibilidad de alimentos en total por los dos das para cada
empresa y la utilidad que el transportista obtendra por cada tonelada que traslade hacia cada
centro de acopio en el primer da. Por la carga transportada en el segundo da, la utilidad que
el transportista obtendra se reduce en 10% ya que las empresas desean que su carga llegue lo
ms pronto posible a los centros de acopio.

Disponibilidad de alimentos en Utilidad por la carga transportada en el

Empresa total por los dos das (en primer dia ($/tonelada)
toneladas Hacia el centro A Hacia el centro B
1 10 60 70
2 15 50 45
3 20 60 65
4 15 55 60
5 20 70 60
6 18 50 55
7 12 65 60
8 10 50 55

Tenga en cuenta que el transportista no est obligado a llevar la totalidad de la carga de

cualquier empresa. Cada da, todo lo que el transportista recoja de las empresas, lo va a
transportar en ese da hacia los centros de acopio.

a) Defina las variables de decisin y formule el modelo de programacin lineal que le

permita al transportista optimizar sus operaciones. (Respuesta Z=4650).

2
 Investigacin Operativa I |

Desarrollo:
1.- Realizamos la codificacin en LINGO, haciendo un anlisis previo del problema:

SETS:
EMPRESAS/1..8/:CAPACIDAD;
CENTROS/A..B/:DEMANDA;
REQUERIMIENTO/1..2/:REQ;
TRANSPORTE(EMPRESAS,CENTROS):UTILIDAD,X,Y;
!X:NUMERO DE TONELADAS ENTREGADAS EL PRIMER DIA
Y:NUMERO DE TONELADAS ENTREGADAS EL SEGUNDO DIA;
ENDSETS

DATA:
CAPACIDAD = 10,15,20,15,20,18,12,10;
DEMANDA = 30,40;
UTILIDAD = 60,70,50,45,50,65,55,60,70,60,50,55,65,60,50,55;
REQ = 40,40;
ENDDATA

MAX = @SUM(TRANSPORTE(I,J):UTILIDAD*X + (UTILIDAD*0.9)*Y);

@FOR(EMPRESAS(I):@SUM(TRANSPORTE(I,J):X(I,J)+Y(I,J))<=CAPACID
AD(I));
@FOR(CENTROS(J):@SUM(TRANSPORTE(I,J):X(I,J)+Y(I,J))=
DEMANDA(J));
@FOR(REQUERIMIENTO(J):@SUM(TRANSPORTE(I,J):X(I,J))<=REQ(J));
@FOR(REQUERIMIENTO(J):@SUM(TRANSPORTE(I,J):Y(I,J))<=REQ(J));
END

2.- Una vez que se ha escrito la codificacin, vemos el modelo del problema que nos da
el programa:

MODEL:
[_1] MAX= 60 * X_1_A + 54 * Y_1_A + 70 * X_1_B + 63 * Y_1_B + 50
* X_2_A
+ 45 * Y_2_A + 45 * X_2_B + 40.5 * Y_2_B + 50 * X_3_A + 45 *
Y_3_A + 65
* X_3_B + 58.5 * Y_3_B + 55 * X_4_A + 49.5 * Y_4_A + 60 * X_4_B +
54 *
Y_4_B + 70 * X_5_A + 63 * Y_5_A + 60 * X_5_B + 54 * Y_5_B + 50 *
X_6_A +
45 * Y_6_A + 55 * X_6_B + 49.5 * Y_6_B + 65 * X_7_A + 58.5 *
Y_7_A + 60
* X_7_B + 54 * Y_7_B + 50 * X_8_A + 45 * Y_8_A + 55 * X_8_B +
49.5 *
Y_8_B ;

3
 Investigacin Operativa I |

[_2] X_1_A + Y_1_A + X_1_B + Y_1_B <= 10 ;

[_3] X_2_A + Y_2_A + X_2_B + Y_2_B <= 15 ;
[_4] X_3_A + Y_3_A + X_3_B + Y_3_B <= 20 ;
[_5] X_4_A + Y_4_A + X_4_B + Y_4_B <= 15 ;
[_6] X_5_A + Y_5_A + X_5_B + Y_5_B <= 20 ;
[_7] X_6_A + Y_6_A + X_6_B + Y_6_B <= 18 ;
[_8] X_7_A + Y_7_A + X_7_B + Y_7_B <= 12 ;
[_9] X_8_A + Y_8_A + X_8_B + Y_8_B <= 10 ;
[_10] X_1_A + Y_1_A + X_2_A + Y_2_A + X_3_A + Y_3_A + X_4_A +
Y_4_A +
X_5_A + Y_5_A + X_6_A + Y_6_A + X_7_A + Y_7_A + X_8_A + Y_8_A =
30 ;
[_11] X_1_B + Y_1_B + X_2_B + Y_2_B + X_3_B + Y_3_B + X_4_B +
Y_4_B +
X_5_B + Y_5_B + X_6_B + Y_6_B + X_7_B + Y_7_B + X_8_B + Y_8_B =
40 ;
[_12] X_1_A + X_2_A + X_3_A + X_4_A + X_5_A + X_6_A + X_7_A +
X_8_A <=
40 ;
[_13] X_1_B + X_2_B + X_3_B + X_4_B + X_5_B + X_6_B + X_7_B +
X_8_B <=
40 ;
[_14] Y_1_A + Y_2_A + Y_3_A + Y_4_A + Y_5_A + Y_6_A + Y_7_A +
Y_8_A <=
40 ;
[_15] Y_1_B + Y_2_B + Y_3_B + Y_4_B + Y_5_B + Y_6_B + Y_7_B +
Y_8_B <=
40 ;
END

3.- El desarrollo del modelo es el siguiente:

Z es el mximo de utilidad segn anlisis de lingo es de Z=292500 dlares

Global optimal solution found.

Objective value: 4650.000
Infeasibilities: 0.000000
Total solver iterations: 5

Variable Value Reduced Cost

CAPACIDAD( 1) 10.00000 0.000000
CAPACIDAD( 2) 15.00000 0.000000
CAPACIDAD( 3) 20.00000 0.000000
CAPACIDAD( 4) 15.00000 0.000000
CAPACIDAD( 5) 20.00000 0.000000
CAPACIDAD( 6) 18.00000 0.000000
CAPACIDAD( 7) 12.00000 0.000000
CAPACIDAD( 8) 10.00000 0.000000
DEMANDA( A) 30.00000 0.000000
DEMANDA( B) 40.00000 0.000000
REQ( 1) 40.00000 0.000000
REQ( 2) 40.00000 0.000000
4
 Investigacin Operativa I |

UTILIDAD( 1, A) 60.00000 0.000000

UTILIDAD( 1, B) 70.00000 0.000000
UTILIDAD( 2, A) 50.00000 0.000000
UTILIDAD( 2, B) 45.00000 0.000000
UTILIDAD( 3, A) 50.00000 0.000000
UTILIDAD( 3, B) 65.00000 0.000000
UTILIDAD( 4, A) 55.00000 0.000000
UTILIDAD( 4, B) 60.00000 0.000000
UTILIDAD( 5, A) 70.00000 0.000000
UTILIDAD( 5, B) 60.00000 0.000000
UTILIDAD( 6, A) 50.00000 0.000000
UTILIDAD( 6, B) 55.00000 0.000000
UTILIDAD( 7, A) 65.00000 0.000000
UTILIDAD( 7, B) 60.00000 0.000000
UTILIDAD( 8, A) 50.00000 0.000000
UTILIDAD( 8, B) 55.00000 0.000000
X( 1, A) 0.000000 15.00000
X( 1, B) 10.00000 0.000000
X( 2, A) 0.000000 15.00000
X( 2, B) 0.000000 15.00000
X( 3, A) 0.000000 20.00000
X( 3, B) 20.00000 0.000000
X( 4, A) 0.000000 10.00000
X( 4, B) 10.00000 0.000000
X( 5, A) 20.00000 0.000000
X( 5, B) 0.000000 5.000000
X( 6, A) 0.000000 15.00000
X( 6, B) 0.000000 5.000000
X( 7, A) 10.00000 0.000000
X( 7, B) 0.000000 0.000000
X( 8, A) 0.000000 15.00000
X( 8, B) 0.000000 5.000000
Y( 1, A) 0.000000 21.00000
Y( 1, B) 0.000000 7.000000
Y( 2, A) 0.000000 20.00000
Y( 2, B) 0.000000 19.50000
Y( 3, A) 0.000000 25.00000
Y( 3, B) 0.000000 6.500000
Y( 4, A) 0.000000 15.50000
Y( 4, B) 0.000000 6.000000
Y( 5, A) 0.000000 7.000000
Y( 5, B) 0.000000 11.00000
Y( 6, A) 0.000000 20.00000
Y( 6, B) 0.000000 10.50000
Y( 7, A) 0.000000 6.500000
Y( 7, B) 0.000000 6.000000
Y( 8, A) 0.000000 20.00000
Y( 8, B) 0.000000 10.50000

Row Slack or Surplus Dual Price

1 4650.000 1.000000
2 0.000000 10.00000
3 15.00000 0.000000
4 0.000000 5.000000
5 5.000000 0.000000
6 0.000000 5.000000
7 18.00000 0.000000
8 2.000000 0.000000
9 10.00000 0.000000
10 0.000000 65.00000
11 0.000000 60.00000
12 10.00000 0.000000
13 5 0.000000 0.000000
14 40.00000 0.000000
15 40.00000 0.000000
 Investigacin Operativa I |

Problema 4.3
Una empresa tiene dos plantas de fabricacin ubicadas en distintas localidades y en ambas
plantas pueden operar en turno normal y si lo requiere un turno extra. Puede vender sus
productos en tres mercados diferentes en lugares distintos. La demanda en cada mercado es
limitada, por lo cual no es posible vender una cantidad mayor.

La distribucin de su produccin puede efectuarla de dos formas:

- Directamente, desde ambas plantas hacia los mercados; o

- Indirectamente, desde ambas plantas hacia dos almacenes y desde estos hacia los
mercados.

Los datos de capacidad de produccin normal y extra en cada planta, as como el costo de
transporte hacia los almacenes se dan en la siguiente tabla, adems se seala el dato de
capacidad en cada almacn:

Capacidad de produccin (unid) Costo de transporte ($/und)

Planta Normal Extra Hacia almacn 1 Hacia almacn 2
1 3500 2000 5 6
2 3500 2000 7 5
Capacidad de cada almacn (und) 2000 3000

Costo de transporte ($/und)

Almacn Hacia el mercado 1 Hacia el mercado 2 Hacia el mercado 3
1 3 2 3
2 4 4 3
Demanda (und) 3000 2500 2000

Costo de transporte ($/und)

Planta Hacia el mercado 1 Hacia el mercado 2 Hacia el mercado 3
1 8 9 8
2 10 12 9

En cada planta el costo de produccin de una unidad de producto es de $22 en turno normal y
de $28 en turno extra. El precio de venta en cada mercado es de $45, $48, $50 por producto
respectivamente.

a) Formule un modelo de programacin lineal en la forma matemtica compacta que

permita a la empresa planear sus operaciones, definiendo previamente las variables de
decisin (Respuesta Z= 127000).

6
 Investigacin Operativa I |

Desarrollo

1.- Realizamos la codificacin en LINDO, previamente realizando un anlisis.

SETS:
PLANTA/1..2/:;
CAPACIDAD/1..2/:COSTPROD;
ALMACENES/1..2/:CAPALMA;
MERCADOS/1..3/:COSTVENTA,DEMANDA;
PLANALMA(PLANTA,ALMACENES):COST1,Z;
PLANCAP(PLANTA,CAPACIDAD):CAP,X;
ALMAMER(ALMACENES,MERCADOS):COST2,W;
PLANMER(PLANTA,MERCADOS):COSTRAN,Y;
ENDSETS
DATA:
COSTPROD = 22, 28;
COSTVENTA = 45,48,50;
DEMANDA = 3000,2500,2000;
CAP = 3500, 2000,
3500, 2000;
CAPALMA = 2000,3000;
COSTRAN = 8, 9,8,
10,12,9;
COST1 = 5,6,
7,5;
COST2 = 3,2,3,
4,4,3;
ENDDATA

MAX = @SUM(PLANMER(I,J):COSTVENTA(J)*Y(I,J))-
@SUM(PLANCAP(I,J):COSTPROD(J)*X(I,J))-@SUM(PLANMER:COSTRAN*Y)-
@SUM(PLANALMA:COST1*Z)-@SUM(ALMAMER:COST2*W);

@FOR(MERCADOS(J):@SUM(PLANMER(I,J):Y(I,J))<= DEMANDA(J));
@FOR(MERCADOS(J):@SUM(ALMAMER(I,J):W(I,J))<= DEMANDA(J));
@FOR(ALMACENES(J):@SUM(PLANALMA(I,J):Z(I,J))<=CAPALMA(J));

@FOR(PLANCAP:X<=CAP);!CAPACIDAD DE PRODUCCION;

!RESTRICCIONES;
@FOR(CAPACIDAD(I):@SUM(PLANMER(I,J):Y(I,J))-
@SUM(PLANCAP(I,J):X(I,J)) >=0);
@FOR(CAPACIDAD(I):@SUM(PLANALMA(I,J):Z(I,J)) =
@SUM(ALMAMER(I,J):W(I,J)));
@FOR(CAPACIDAD(I):@SUM(PLANCAP(I,J):X(I,J))-
@SUM(PLANALMA(I,J):Z(I,J))>=0);
@FOR(CAPACIDAD(I):@SUM(PLANMER(I,J):Y(I,J))-
@SUM(ALMAMER(I,J):W(I,J)) >=0);

7
 Investigacin Operativa I |

2.- Desarrollamos el modelo del problema:

MODEL:
[_1] MAX= - 3 * W_1_1 - 2 * W_1_2 - 3 * W_1_3 - 4 * W_2_1 - 4 *
W_2_2 -
3 * W_2_3 - 5 * Z_1_1 - 6 * Z_1_2 - 7 * Z_2_1 - 5 * Z_2_2 + 37 *
Y_1_1 +
39 * Y_1_2 + 42 * Y_1_3 + 35 * Y_2_1 + 36 * Y_2_2 + 41 * Y_2_3 -
22 *
X_1_1 - 28 * X_1_2 - 22 * X_2_1 - 28 * X_2_2 ;
[_2] Y_1_1 + Y_2_1 <= 3000 ;
[_3] Y_1_2 + Y_2_2 <= 2500 ;
[_4] Y_1_3 + Y_2_3 <= 2000 ;
[_5] W_1_1 + W_2_1 <= 3000 ;
[_6] W_1_2 + W_2_2 <= 2500 ;
[_7] W_1_3 + W_2_3 <= 2000 ;
[_8] Z_1_1 + Z_2_1 <= 2000 ;
[_9] Z_1_2 + Z_2_2 <= 3000 ;
[_10] X_1_1 <= 3500 ;
[_11] X_1_2 <= 2000 ;
[_12] X_2_1 <= 3500 ;
[_13] X_2_2 <= 2000 ;
[_14] Y_1_1 + Y_1_2 + Y_1_3 - X_1_1 - X_1_2 >= 0 ;
[_15] Y_2_1 + Y_2_2 + Y_2_3 - X_2_1 - X_2_2 >= 0 ;
[_16] - W_1_1 - W_1_2 - W_1_3 + Z_1_1 + Z_1_2 = 0 ;
[_17] - W_2_1 - W_2_2 - W_2_3 + Z_2_1 + Z_2_2 = 0 ;
[_18] - Z_1_1 - Z_1_2 + X_1_1 + X_1_2 >= 0 ;
[_19] - Z_2_1 - Z_2_2 + X_2_1 + X_2_2 >= 0 ;
[_20] - W_1_1 - W_1_2 - W_1_3 + Y_1_1 + Y_1_2 + Y_1_3 >= 0 ;
[_21] - W_2_1 - W_2_2 - W_2_3 + Y_2_1 + Y_2_2 + Y_2_3 >= 0 ;
END

3.- Desarrollo del problema mediante Lingo:

Z es el mximo de utilidad segn anlisis de lingo es de Z=292500 dlares

Global optimal solution found.

Objective value: 292500.0
Infeasibilities: 0.000000
Total solver iterations: 3

Variable Value Reduced Cost

COSTPROD( 1) 22.00000 0.000000
COSTPROD( 2) 28.00000 0.000000
CAPALMA( 1) 2000.000 0.000000
CAPALMA( 2) 3000.000 0.000000
COSTVENTA( 1) 45.00000 0.000000
COSTVENTA( 2) 48.00000 0.000000
COSTVENTA( 3) 50.00000 0.000000
DEMANDA( 1) 3000.000 0.000000
DEMANDA( 2) 2500.000 0.000000
DEMANDA( 3) 8 2000.000 0.000000
 Investigacin Operativa I |

COST1( 1, 1) 5.000000 0.000000

COST1( 1, 2) 6.000000 0.000000
COST1( 2, 1) 7.000000 0.000000
COST1( 2, 2) 5.000000 0.000000
Z( 1, 1) 0.000000 5.000000
Z( 1, 2) 0.000000 6.000000
Z( 2, 1) 0.000000 7.000000
Z( 2, 2) 0.000000 5.000000
CAP( 1, 1) 3500.000 0.000000
CAP( 1, 2) 2000.000 0.000000
CAP( 2, 1) 3500.000 0.000000
CAP( 2, 2) 2000.000 0.000000
X( 1, 1) 0.000000 22.00000
X( 1, 2) 0.000000 28.00000
X( 2, 1) 0.000000 22.00000
X( 2, 2) 0.000000 28.00000
COST2( 1, 1) 3.000000 0.000000
COST2( 1, 2) 2.000000 0.000000
COST2( 1, 3) 3.000000 0.000000
COST2( 2, 1) 4.000000 0.000000
COST2( 2, 2) 4.000000 0.000000
COST2( 2, 3) 3.000000 0.000000
W( 1, 1) 0.000000 3.000000
W( 1, 2) 0.000000 2.000000
W( 1, 3) 0.000000 3.000000
W( 2, 1) 0.000000 4.000000
W( 2, 2) 0.000000 4.000000
W( 2, 3) 0.000000 3.000000
COSTRAN( 1, 1) 8.000000 0.000000
COSTRAN( 1, 2) 9.000000 0.000000
COSTRAN( 1, 3) 8.000000 0.000000
COSTRAN( 2, 1) 10.00000 0.000000
COSTRAN( 2, 2) 12.00000 0.000000
COSTRAN( 2, 3) 9.000000 0.000000
Y( 1, 1) 3000.000 0.000000
Y( 1, 2) 2500.000 0.000000
Y( 1, 3) 2000.000 0.000000
Y( 2, 1) 0.000000 2.000000
Y( 2, 2) 0.000000 3.000000
Y( 2, 3) 0.000000 1.000000

Row Slack or Surplus Dual Price

1 292500.0 1.000000
2 0.000000 37.00000
3 0.000000 39.00000
4 0.000000 42.00000
5 3000.000 0.000000
6 2500.000 0.000000
7 2000.000 0.000000
8 2000.000 0.000000
9 3000.000 0.000000
10 3500.000 0.000000
11 2000.000 0.000000
12 3500.000 0.000000
13 2000.000 0.000000
14 7500.000 0.000000
15 0.000000 0.000000
16 0.000000 0.000000
17 0.000000 0.000000
18 0.000000 0.000000
19 0.000000 0.000000
20 7500.000 0.000000
21 0.000000 0.000000

9
 Investigacin Operativa I |

Problema 6.2
Una planta fabrica dos tipos de productos: pernos y tornillos, a partir de varillas de acero de
tres tipos: C1008, C1018, Y SCM03. Esta planta trabaja 16 horas diaria, durante 7 das cada
semana. Para la siguiente semana tiene una disponibilidad de 200, 120 y 100 unidades de cada
tipo de varilla y el proceso de produccin comprende tres actividades consecutivas: estirado,
corte y roscado.

La actividad de roscado se puede realizar en cualquiera de dos mquinas. El tiempo requerido

para el estirado por varilla y por mquina y el coste unitario de estirado por mquina se indica
en la tabla siguiente:

Tiempo de estirado (minuto/varilla)

Tipo de varilla Maquina 1 Maquina 2
C1008 3 3.5
C1018 3.5 4.5
SCM03 4 3.5
Costo de estirado($/varilla) 30 35

Una vez estirada, cada varilla pasa por la actividad de corte, obtenindose un nmero de
unidades por varilla, segn el tipo de producto que se desea producir, tal como se muestra en
la siguiente tabla; en la que tambin se indica el costo de corte por varilla:

Rendimiento (und/varilla)
Tipo de varilla Pernos Tornillos Costo de corte ($/varilla)
C1008 1000 2000 25
C1018 1500 3000 30
SCM03 2000 2000 28

Las unidades producidas finalmente pasan el roscado, en el que se produce una merma del 5%
en las unidades de cada tipo de perno y del 3% en las unidades de cada tipo de tornillo y cuya
capacidad no representa restriccin. El roscado tiene un costo de $0.06 por unidad para cada
perno y de $0.05 por unidad para los tornillos.

Finalmente, la produccin total de cada producto (descontando las mermas) debe de ser al
menos de 300000 unidades para las siguientes semanas.

El modelo del caso propuesto, que no incluye las restricciones del signo, es el siguiente:
3 2 3 2

= + ( + )
=1 =1 =1 =1

Sujeto a:
2=1 Para todo i= 1,,3

3=1 6720 Para todo j= 1,2

10
 Investigacin Operativa I |

3=1 (1 ) 300000 Para todo k= 1,2

3=1 = 2=1 Para todo 1= 1,,3

Traduzca el modelo en LINGO de forma compacta y presente un informe administrativo de la

solucin ptima, indique adems el valor ptimo obtenido (Respuesta Z= 52384.86).

Desarrollo:
1.- Hacemos la codificacin en Lingo del problema, previamente se hizo el anlisis respectivo:

SETS:
VARILLA/1..3/:DISP,MINUT;
ESTIRADO/1..2/:COSTESTIRA;
CORTE/1..3/:COSTCORTE;
ROSCADO/1..2/:COSTROSCA,MERMA,PRODTOTAL;
MATRIZ(VARILLA,ESTIRADO):TIEMPO,QA;!QA ES LA CANTIDAD DE VARILLAS
MATERIAL I QUE SE UTILIZA EN CADA MAQUINA J;
MATRIZ1(CORTE,ROSCADO):RENDI,QB;!QB ES LA CANTIDAD DE VARILLAS
MATERIAL I QUE SE HACE EL CORTE J;
ENDSETS
DATA:
DISP=200,120,100;
MINUT=6720;
TIEMPO=3 3.5
3.5 4.5
4 2.5;
RENDI=1000,2000,
1500,3000,
2000,2000;
COSTCORTE=25,30,28;
COSTESTIRA=30,35;
COSTROSCA=0.06,0.05;
MERMA=0.05,0.03;
PRODTOTAL=300000;
ENDDATA
MIN=@SUM(MATRIZ(I,J):COSTESTIRA(J)*QA(I,J))+@SUM(MATRIZ(I,J):COSTCO
RTE(I)*QB(I,J)+COSTROSCA(J)*RENDI(I,J)*QB(I,J));
@FOR(VARILLA(I):@SUM(MATRIZ(I,J):QA(I,J))<=DISP(I));!VARILLA TIENE
3 FILAS (3 RESTRICCIONES);
@FOR(VARILLA(I):@SUM(MATRIZ(I,J):TIEMPO(I,J)*QA(I,J))<=MINUT);!VARI
LLA TIENE 3 FILAS (3 RESTRICCIONES);
@FOR(ROSCADO(J):@SUM(MATRIZ1(I,J):QB(I,J)*RENDI(I,J)*(1-
MERMA(J)))>=PRODTOTAL);!ROSCADO TIENE 2 FILAS (RESTRICCIONES);
@FOR(CORTE(I):@SUM(MATRIZ(I,J):QA(I,J))=@SUM(MATRIZ1(I,J):QB(I,J)))
;!UTILIZAMOS CORTE PARA DARLE 3 FILAS (RESTRICCIONES) Y QA VIENE
CON 2 COLUMNAS ;

END

11
 Investigacin Operativa I |

2.- Desarrollamos las preguntas del problema:

a) Variables de decisin :
QAij : Cantidad de varillas acero tipo i que se usara en maquina j
QBik : Cantidad de varillas acero tipo i que se usara para tipo de producto k
Tiempoij : tiempo de estirado de la maquina j para el tipo de acero i
Rendik : Rendimiento (unidades de k/varilla tipo acero i)
Mermak : merma el tipo de producto k que se produce en el roscado
CostoCortei: costo del corte de la varilla de tipo de acero i
CostoEstiraj: costo del proceso de estirado en la maquina j
CostoRoscak: costo del roscado segn el tipo de producto k
i : 1,2,3 ; j : 1,2 ; k=1,2
i : tipo de acero (C1008,C1018,SCM03)
j : maquina utilizado (1 o 2)
k : tipo de producto (pernos o tornillos)

b) Tercera familia de restricciones :

Asegura que se cumpla el requisito del total de cada producto para la siguiente semana
(en unidades).
Cuarta familia de restricciones:
Es un balance de la cantidad de varillas que entran y salen del proceso de estirado con el
proceso de corte.

c) Sabiendo que la planta labora 16 horas por dia los 7 dias de las semana y que el
tiempo estirado en las maquinas se miden en minutos en ambos lados que se demora
cada mquina, de esto podemos concluir la tercera familia de restricciones en la cual
comparamos el tiempo disponible (16*60*7 =6970 minutos) con la suma de tiempo de
produccin por mquina y cantidad de varillas que se asigna.
El modelo posee 11 restricciones.

12
 Investigacin Operativa I |

d) Desarrollamos el modelo en LINGO:

MODEL:
[_1] MIN= 85 * QB_1_1 + 125 * QB_1_2 + 120 * QB_2_1 + 180 *
QB_2_2 + 148
* QB_3_1 + 128 * QB_3_2 + 30 * QA_1_1 + 35 * QA_1_2 + 30 *
QA_2_1 + 35 *
QA_2_2 + 30 * QA_3_1 + 35 * QA_3_2 ;
[_2] QA_1_1 + QA_1_2 <= 200 ;
[_3] QA_2_1 + QA_2_2 <= 120 ;
[_4] QA_3_1 + QA_3_2 <= 100 ;
[_5] 3 * QA_1_1 + 3.5 * QA_1_2 <= 6720 ;
[_6] 3.5 * QA_2_1 + 4.5 * QA_2_2 <= 6720 ;
[_7] 4 * QA_3_1 + 2.5 * QA_3_2 <= 6720 ;
[_8] 950 * QB_1_1 + 1425 * QB_2_1 + 1900 * QB_3_1 >= 300000 ;
[_9] 1940 * QB_1_2 + 2910 * QB_2_2 + 1940 * QB_3_2 >= 300000 ;
[_10] - QB_1_1 - QB_1_2 + QA_1_1 + QA_1_2 = 0 ;
[_11] - QB_2_1 - QB_2_2 + QA_2_1 + QA_2_2 = 0 ;
[_12] - QB_3_1 - QB_3_2 + QA_3_1 + QA_3_2 = 0 ;
END

La solucin del modelo en LINGO es el siguiente:

Es el costo minimo de produccin segn anlisis de lingo es de Z=52384.86 dlares

Global optimal solution found.

Objective value: 52384.86
Infeasibilities: 0.000000
Total solver iterations: 9

Variable Value Reduced Cost

DISP( 1) 200.0000 0.000000
DISP( 2) 120.0000 0.000000
e) DISP( 3) 100.0000 0.000000
Segn el informe de LINGO se usa en su totalidad las varillas de acero C1018 y SCM03.
MINUT( 1) 6720.000 0.000000
MINUT( 2) 6720.000 0.000000
MINUT( 3) 6720.000 0.000000
COSTESTIRA( 1) 30.00000 0.000000
COSTESTIRA( 2) 35.00000 0.000000
COSTCORTE( 1) 25.00000 0.000000
COSTCORTE( 2) 30.00000 0.000000
COSTCORTE( 3) 28.00000 0.000000
COSTROSCA( 1) 0.6000000E-01 0.000000
COSTROSCA( 2) 0.5000000E-01 0.000000
MERMA( 1) 0.5000000E-01 0.000000
MERMA( 2) 0.3000000E-01 0.000000
PRODTOTAL( 1) 300000.0 0.000000
PRODTOTAL( 2) 300000.0 0.000000
TIEMPO( 1, 1) 3.000000 0.000000
TIEMPO( 1, 2) 3.500000 0.000000
TIEMPO( 2, 1) 3.500000 0.000000
TIEMPO( 2, 2) 4.500000 0.000000
TIEMPO( 3, 1) 4.000000 0.000000
TIEMPO( 3, 2) 2.500000 0.000000

13
 Investigacin Operativa I |

QA( 1, 1) 90.42865 0.000000

QA( 1, 2) 0.000000 5.000000
QA( 2, 1) 120.0000 0.000000
QA( 2, 2) 0.000000 5.000000
QA( 3, 1) 100.0000 0.000000
QA( 3, 2) 0.000000 5.000000
RENDI( 1, 1) 1000.000 0.000000
RENDI( 1, 2) 2000.000 0.000000
RENDI( 2, 1) 1500.000 0.000000
RENDI( 2, 2) 3000.000 0.000000
RENDI( 3, 1) 2000.000 0.000000
RENDI( 3, 2) 2000.000 0.000000
QB( 1, 1) 90.42865 0.000000
QB( 1, 2) 0.000000 0.000000
QB( 2, 1) 16.90722 0.000000
QB( 2, 2) 103.0928 0.000000
QB( 3, 1) 100.0000 0.000000
QB( 3, 2) 0.000000 55.00000

Row Slack or Surplus Dual Price

1 52384.86 -1.000000
2 109.5714 0.000000
3 0.000000 22.50000
4 0.000000 52.00000
5 6448.714 0.000000
6 6300.000 0.000000
7 6320.000 0.000000
8 0.000000 -0.1210526
9 0.000000 -
0.7989691E-01
10 0.000000 -30.00000
11 0.000000 -52.50000
12 0.000000 -82.0

e) Segn el informe de LINGO se usa en su totalidad las varillas de acero C1018 y SCM03.

14