Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Cantidades disponibles
Materia Prima para la produccin
Materia prima 1 20 toneladas
Materia Prima 2 5 toneladas
Materia prima 3 21 toneladas
Solucin:
Diseo del modelo matemtico:
Definicin de variables
X1 = nmero de toneladas de aditivo para combustible
X2 = nmero de toneladas de base disolvente
Funcin objetivo:
Maximizar la contribucin a la utilidad, Z = 40 X1 + 30 X2
Restricciones
Toneladas de materia prima 1 2/5X1 + 1/2X2 20
Toneladas de materia prima 2 1/5X2 5
Toneladas de materia prima 3 3/5X1 + 3/10X2 21
No negatividad
Xi 0; i=1,2
Salida de resultados
1
Anderson Sweeney Willams. Mtodos Cuantitativos para los Negocios. 7ma Edicin. Editorial
Thomson. Pgina 220.
Orden de produccin:
25 toneladas de aditivo
20 toneladas de base disolvente
con:
20 toneladas de materia prima 1,
4 toneladas de materia prima 2, y
21 toneladas de materia prima 3
El cliente desea minimizar el riesgo, pero quiere tener un ingreso anual sobre
la inversin de por lo menos 60.000 dlares. De acuerdo con el sistema de
medicin del riesgo del Innis, cada unidad adquirida en el fondo de acciones
tiene un ndice de riesgo del 8, y cada unidad adquirida en el fondo de
mercado de dinero tiene un ndice de riesgo de 3. El ndice de riesgo ms
elevado con el fondo de acciones indica, simplemente que se trata de un a
inversin ms riesgosa. El cliente de Innis tambin ha especificado que se
inviertan por lo menos 3.000 dlares en el fondo de mercado de dinero.
Cuntas de cada uno de los fondos deber adquirir Innis para el cliente, si el
objetivo es minimizar el ndice de riesgo total para esa cartera?2
Solucin:
Diseo del modelo matemtico:
Definicin de variables
X1 = nmero de unidades adquiridas en el fondo de acciones
X2 = nmero de unidades adquiridas en el fondo del mercado de
dinero
Funcin objetivo:
Minimizar el riesgo, Z = 8 X1 + 3 X2
Restricciones
Fondos disponibles 50X1 + 100X2 1200.000
Ingreso anual 5 X1 + 4X2 60.000
Unidades en fondo 100X2 3.000
2
Anderson Sweeney Willams. Mtodos Cuantitativos para los Negocios. 7ma Edicin. Editorial
Thomson. Pgina 242.
No negatividad
Xi 0; i=1,2
Informe de asesora:
Tiempo de produccin
Corte y Costura Terminado Inspeccin Utilidad por
El director da manufactura estima que durante los siguientes tres meses estarn
disponibles 630 horas de tiempo de corte y teido, 600 horas de tiempo de
costura, 708 horas de tiempo de terminado y 135 horas de tiempo de inspeccin
y empaque para la produccin de las bolsas de golf.
Solucin:
Formulacin del modelo:
Definicin de variables
X1 = Cantidad de unidades de bolsas de golf estandar
X2 = Cantidad de unidades de bolsas de golf de lujo
Funcin Objetivo
Z max = 10X1 + 9X2
Restricciones
0.7X1 + 1.0X2 630 Horas de Corte y teido
0.5X1 + 0.8334X2 600 Horas de Costura
1.0X1 + 0.6667X2 708 Horas de Terminado
0.1X1 + 0.25X2 35 Horas de Inspeccin y Empaque
No negatividad
Xi 0; i=1,2
Solucin grfica:
3
Anderson Sweeney Willams. Mtodos Cuantitativos para los Negocios. 7ma Edicin. Editorial
Thomson. Pgina 264. Problema 15.
Solucin Solver:
Tiempo de produccin
Corte y Costura Terminado Inspeccin Utilidad por
Producto teido y empaque Bolsa
Estndar 7/10 1/2 1 1/10 $10
Deluxe 1 5/6 2/3 1/4 $9
El director da manufactura estima que durante los siguientes tres meses estarn
disponibles 630 horas de tiempo de corte y teido, 600 horas de tiempo de
costura, 708 horas de tiempo de terminado y 135 horas de tiempo de inspeccin
y empaque para la produccin de las bolsas de golf.
Solucin:
Formulacin del modelo:
Definicin de variables
X1 = Cantidad de unidades de bolsas de golf estandar
X2 = Cantidad de unidades de bolsas de golf de lujo
Funcin Objetivo
Z max = 10X1 + 9X2
Restricciones
0.7X1 + 1.0X2 630 Horas de Corte y teido
0.5X1 + 0.8334X2 600 Horas de Costura
1.0X1 + 0.6667X2 708 Horas de Terminado
0.1X1 + 0.25X2 135 Horas de Inspeccin y Empaque
No negatividad
Xi 0; i=1,2
X2
Solucin
700 GLP
665
630 Payoff: 10.0000 X1 + 9.0000 X2 = 7667.9417
595
560
525
490
455 : 0.5000 X1 + 0.8334 X2 = 600.0000
420
385
350
315 : 0.1000 X1 + 0.2500 X2 = 135.0000
: 0.7000 X1 + 1.0000 X2 = 630.0000
280
245
210
175
140 : 1.0000 X1 + 0.6667 X2 = 708.0000
105
70
35
0
0 60 120 180 240 300 360 420 480 540 600 660 720 780 840 900 960 1020 1080 1140 12
4
Anderson Sweeney Willams. Mtodos Cuantitativos para los Negocios. 7ma Edicin. Editorial
Thomson. Pgina 265. Problema 16.
Solucin Solver:
a)
b)
c)
Tiempo de produccin(horas)
Corte y Terminado Empaque y Utilidad por
Modelo costura embarque Guante
Normal 1 1/2 1/8 $5
Catcher 3/2 1/3 1/4 $8
Solucin:
Funcin Objetivo
Z max = 5X1 + 8X2
Restricciones
X1 + 1.5X2 900 horas de Corte y Costura
0.5X1 + 0.3334X2 300 horas de Terminado
0.125X1 + 0.25X2 100 horas de Empaque y Embarque
No negatividad
Xi 0; i=1,2
Solucin GLP
5
Anderson Sweeney Willams. Mtodos Cuantitativos para los Negocios. 7ma Edicin. Editorial
Thomson. Pgina 266. Problema 22.
595
560
Investigacin
525
Operativa I Programacin Lineal
490
455
Payoff: 5.0 X1 + 8.0 X2 = 3699.9
420
385
350
315
280
245
210
175
140
105
6. George Johnson hered recientemente una gran suma de dinero; desea utilizar
parte de este dinero para establecer un fideicomiso para sus dos hijos. El
fideicomiso tiene dos opciones de inversin: (1) un fondo de bonos y (2) un
fondo de acciones. Los rendimientos proyectados durante la vida de las
inversiones son 6% para el fondo de bonos y 10% para el de acciones.
Independientemente de la porcin de la herencia que finalmente decida
comprometer al fideicomiso, desea invertir por lo menos 30% de dicha cantidad
en el fondo de bonos. Adems, desea seleccionar una combinacin que le
permita obtener un rendimiento total de por lo menos 7.5%.
Solucin:
Definicin de variables
X1 = cantidad de dinero invertido en fondo de bonos
X2 = cantidad de dinero invertido en fondo de acciones
Funcin Objetivo
Zmax = 1X1 + 1X2
Restricciones
X1 30% (100) inversin en fondo de bonos
6% X1 + 10% X2 7.5% (100) rendimiento total
X1 + X2 100 relacin entre inversiones
No negatividad
Xi 0; i=1,2
6
Anderson Sweeney Willams. Mtodos Cuantitativos para los Negocios. 7ma Edicin. Editorial
Thomson. Pgina 266. Problema 23.
Solucin grfica:
Solucin:
Formulacin del modelo:
Definicin de variables
X1 = Cantidad de dlares asignados a peridicos
X2 = Cantidad de dlares asignados a radio
Funcin Objetivo
Zmax= 50X1 + 80X2
Restricciones
X1 0.25(X1 + X2) mnimo para peridicos
X2 0.25(X1 + X2) mnimo para radio
X1 2X2 relacin peridicos y radio
X1 + X2 1000 presupuesto
No negatividad
Xi 0; i=1,2
Solucin GLP
7
Anderson Sweeney Willams. Mtodos Cuantitativos para los Negocios. 7ma Edicin. Editorial
Thomson. Pgina 266. Problema 24.
X2
400 Payoff: 50.00 X1 + 80.00 X2 = 46000.00
380
360
340
320
300 : 1.00 X1 + 2.00 X2 = 1000.00
280
260 : 0.75 X1 - 0.25 X2 = 0.00
240
220
200
180
160
140
120 : -0.25 X1 + 0.75 X2 = 0.00
100
80
60 : 1.00 X1 - 2.00 X2 = 0.00
40
20
0
0 33 66 99 132 165 198 231 264 297 330 363 396 429 462 495 528 561 594 627 660
El ndice de riesgo por accin es una clasificacin del riesgo relativo de dos
alternativas de inversin. Para los datos dados, se piensa que U.S. OIL es la
inversin sujeta a ms riesgo. Al restringir el riesgo total de la cartera, la firma
de inversiones evita colocar cantidades excesivas de la cartera en inversiones
potencialmente de rendimiento alto y riesgo elevado. Para la cartera actual se
ha establecido un lmite superior a 700 para el ndice de riesgo total de todas las
inversiones, tambin la empresa ha establecido un lmite superior de 1.000
acciones para los valores U.S. OIL ms riesgosos. Cuntas acciones de cada
uno de estos valores deben ser adquiridos a fin de maximizar en rendimiento
anual total?8
Solucin:
8
Anderson Sweeney Willams. Mtodos Cuantitativos para los Negocios. 7ma Edicin. Editorial
Thomson. Pgina 267. Problema 25.
Funcin Objetivo
Z max = 3X1 + 5X2
Restricciones
0.50X1 + 0.25X2 700 por riesgo
X1 1000 inversin en U.S. OIL
25X1 + 50X2 = 80.000 inversin en acciones
No negatividad
Xi 0; i=1,2
Solucion GLP
No
Restricciones Utilizado Lmite Utiliz
Riesgo 0,5 0,25 0,75 700 699,25
En U.S.Oil 1 1 1000 999
Inversin 25 50 75 80000 79925
Datos de salida SOLVER
No
Restricciones Utilizado Lmite Utiliz
Riesgo 0,5 0,25 700 700 -7,4E-10
En U.S.Oil 1 800 1000 200
Inversin 25 50 80000 80000 -7,3E-08
Solucin:
Formulacin del modelo:
Definicin de variables
X1 = Cantidad de tarros de salsa Western Foods
X2 = Cantidad de tarros de salsa Mxico City
Funcin Objetivo
Z max =
(1.64 (0.10+0.02+0.03+50%(10)(0.96)/16+30%(10)(0.64)/16+20%(10)(0.56)/16))X1 +
(1.93 (0.10+0.02+0.03+70%(10)(0.96)/16+10%(10)(0.64)/16+20%(10)(0.56)/16))X2
Z max = (1.64 (0.15 + 0.3 + 0.12 + 0.07))X1 + (1.93 (0.15 + 0.42 + 0.04 + 0.07))X2
Restricciones
5X1 + 7X2 4480 libras de tomates enteros
3X1 + 1X2 2080 libras de salsa de tomate
2X1 + 2X2 1600 libras de pasta de tomate
No negatividad
Xi 0; i=1,2
9
Anderson Sweeney Willams. Mtodos Cuantitativos para los Negocios. 7ma Edicin. Editorial
Thomson. Pgina 267. Problema 26.
Western Mxico
SALSA Foods City
Cantidad de tarros 1 1 Max
Utilidad 1 1.25 2.25
Western Mxico
SALSA Foods City
Cantidad de tarros 560 240 Max
Utilidad 1 1.25 860
Solucin:
Formulacin del modelo:
Definicin de variables
X1 = cantidad de pginas revisadas por Erhan
X2 = cantidad de pginas revisadas por Sue
Funcin Objetivo
Z max = 9X1 + 6X2
Restricciones
3X1 + 2X2 4.800 presupuesto
X1 + X2 = 1.800 nmero de pginas
X1/100 10 das disponibles de Erhan
X2/150 12 das disponibles de Sue
No negatividad
Xi 0; i=1,2
Solucin GLP
10
Anderson Sweeney Willams. Mtodos Cuantitativos para los Negocios. 7ma Edicin. Editorial
Thomson. Pgina 267. Problema 27.
X2
2000 : 3.0 X1 + 2.0 X2 = 4800.0
1900
1800 : 0.0 X1 + 1.0 X2 = 1800.0
1700
1600
1500
1400 : 1.0 X1 + 0.0 X2 = 1000.0
1300
1200
1100
1000
900 : 1.0 X1 + 1.0 X2 = 1800.0
800
700
600
500
400
300
200
100
0
0 60 120 180 240 300 360 420 480 540 600 660 720 780 840 900 960 1020108011401200 X1
Salida SOLVER
11. Car Phones vende dos modelos de telfono para automvil: X y Y Los registros
muestran que se utilizan 3 horas de tiempo de ventas por cada modelo de
telfono X vendido, y 5 horas de tiempo de ventas por cada telfono de modelo
Y. Estn disponibles un total de 600 horas de venta para el siguiente perodo de
cuatro semanas. Adems, las polticas de planeacin de la administracin
exigen metas mnimas de ventas de 25 unidades, tanto para el X como para el
Y.
a. Muestre la regin factible
b. Si la empresa obtiene una contribucin a la utilidad de 40 dlares por cada
modelo X vendido y una contribucin a la utilidad de 50 dlares por cada
modelo Y vendido. Cul es la meta ptima de ventas para la empresa durante
el perodo de 4 semanas?
c. Desarrolle una restriccin y muestre la regin factible si la administracin
agrega la restriccin que Car Phones debe vender por lo menos tantos
telfonos Y como telfonos X.
d. Cul es la nueva solucin ptima si al problema se le agrega la restriccin
del inciso (c)?11
Solucin:
Formulacin del modelo:
Definicin de variables
X1 = Nmero de unidades de telfonos modelo X
X2 = Nmero de unidades de telfonos modelo Y
Funcin Objetivo
Zmax = 40X1 + 50X2
Restricciones
3X1 + 5X2 600 horas de venta disponibles
X1 25 meta mnima de venta
X2 25 meta mnima de venta
No negatividad
Xi 0; i=1,2
Solucin GLP
11
Anderson Sweeney Willams. Mtodos Cuantitativos para los Negocios. 7ma Edicin. Editorial
Thomson. Pgina 268. Problema 28.
X2
2
2 X1
Modelo Modelo
Telfono X Y
Cantidad 1 1 Max
Utilidad 40 50 90
No
Restricciones Utilizado Lmite Utiliz
Horas disp. 3 5 8 600 592
Venta min X 1 1 25 -24
Venta min Y 1 1 25 -24
Modelo Modelo
Telfono X Y
Cantidad 158,3333 25 Max
Utilidad 40 50 7583,333
12. Greentree Kennels proporciona alojamiento por una noche para mascotas. Una
caracterstica particular en Greentree es la calidad del cuidado que reciben las
mascotas, incluyendo una excelente alimentacin. La comida para perros de la
perrera se elabora mezclado dos alimentos de marca para perros a fin de
obtener lo que la perrera identifica como una dieta para perros bien
balanceada. Los datos para las dos comidas con las siguientes:
Si Greentree desea asegurarse de que los perros reciban por lo menos 5 onzas
de protenas y como mnimo 3 onzas de grasas cada da, Cul es la mezcla de
costo mnimo de los alimentos para perros?12
Solucin:
Formulacin del modelo:
Definicin de variables
X1 = Cantidad de onzas de comida Bark Bits
X2 = Cantidad de onzas de comida Canine Chow
Funcin Objetivo
Zmin = 0.06X1 + 0.05X2
Restricciones
0.3X1 + 0.2X2 5 contenido de protenas
0.15 X1 + 0.3 X2 3 contenido de grasas
No negatividad
Xi 0; i=1,2
Solucin GLP
12
Anderson Sweeney Willams. Mtodos Cuantitativos para los Negocios. 7ma Edicin. Editorial
Thomson. Pgina 269. Problema 34.
48
Investigacin Operativa I Programacin Lineal
42
36
30
24
12
: 0.15 X1 + 0.30 X2 = 3.00
0
0 10 20 30 40 50 60 70 80
Bark Canine
Comida Bits Chow
Cantidad 1 1 Min
Calidad 0,06 0,05 0,11
No
Restricciones Utilizado Limite utiliz
Proteinas 0,3 0,2 0,5 5 4,5
Grasas 0,15 0,3 0,45 3 2,55
Bark Canine
Comida Bits Chow
Cantidad 15 2,5 Min
Calidad 0,06 0,05 1,025
No
Restricciones Utilizado Limite utiliz
-3,3E-
Proteinas 0,3 0,2 5 5 12
-2,2E-
Grasas 0,15 0,3 3 3 12
13. La New England Cheese Company produce dos quesos crema mezclando quesos
chedar tanto suave como extrafuerte. Los quesos crema se empacan en
recipientes de 12 onzas, que despus se venden a distribuidores en todo el
noroeste. La mezcla Regular contiene 80% de chedar suave y 20% de
extrafuerte y la mezcla Zesty contiene 60% de chedar suave y 40% de
extrafuerte. Este ao, una cooperativa lechera local ha ofrecido entregar hasta
8.100 libras de queso chedar a $1.20 por libra y hasta 3.000 libras de queso
chedar extrafuerte a $1.40 por libra. El costo de mezclar y empacar estos
quesos crema, excluyendo el costo del queso mismo, es de $0.20 por recipiente.
Si cada recipiente de Regular se vente a $1.95 y cada recipiente Zesty se vende
a $2.20. Cuntos recipientes deber producir New England Cheese de Regular
y Zesty?13
Solucin:
Formulacin del modelo:
Definicin de variables
X1 = Cantidad (en miles) de recipientes de queso Regular
X2 = Cantidad (en miles) de recipientes de queso Zesty
Funcin Objetivo
Zmax = (1.95 0.20 - 0.80*0.75*1.20 0.60*0.75*1.40)X1 +
(2.20 2.0 0.20*0.75*1.20 0.40*0.75*1.40)X2
Zmax = 0.40X1 + 1.40X2
Restricciones
0.80*0.75X1 + 0.60*0.75X2 8,1 queso chedar suave
0.20*0.75X1 + 0.40*0.75X2 3,0 queso chedar extrafuerte
No negatividad
Xi 0; i=1,2
Solucin GLP
13
Anderson Sweeney Willams. Mtodos Cuantitativos para los Negocios. 7ma Edicin. Editorial
Thomson. Pgina 269. Problema 35.
: 0.2
0.8 X1 + 0.4
0.6 X
X2
10
Payoff: 0.4 X1 + 1.4 X2 = 14.0
9
0
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 X1
No
Restricciones Utilizado Lmite Utiliz
Queso Ch. suave 0,8 0,6 1,4 10,8 9,4
Tiempo prod. min 0,2 0,4 0,6 4 3,4
No
Restricciones Utilizado Lmite Utiliz
Queso Ch. suave 0,8 0,6 6 10,8 4,8
Tiempo prod. min 0,2 0,4 4 4 -5,5E-12
Note que cada onza de cereal A proporciona dos gramos de fibra diettica y que
cada onza de cereal B da 1.5 gramos de fibra diettica, por lo que si Healthtech
fuera a desarrollar el nuevo producto utilizando una mezcla formada de 50% de
cereal A y 50% de cereal B, una onza de ste contendra 1.75 gramos de fibra
diettica. Los requisitos nutricionales de Healthtech exigen que cada onza del
nuevo alimento tenga por lo menos 1.7 gramos de fibra diettica, no ms de 2.8
gramos de grasa y no ms de 3.6 gramos de protenas. El costo del cereal A es
de $0.02 por onza y el del B es de $0.025 por onza. Healthtech desea
determinar cunto de cada cereal es necesario para producir una onza del
nuevo producto al menor costo posible.
Solucin:
Formulacin del modelo:
Definicin de variables
X1 = Cantidad de onzas de cereal A
X2 = Cantidad de onzas de cereal B
Funcin Objetivo
Zmin = 0.02X1 + 0.025X2
Restricciones
2X1 + 1.5X2 1.7 por fibra diettica
2X1 + 3X2 2.8 por grasas
4X1 + 3X2 3.6 por protenas
X1 + X2 = 1 onzas
14
Anderson Sweeney Willams. Mtodos Cuantitativos para los Negocios. 7ma Edicin. Editorial
Thomson. Pgina 269. Problema 36.
No negatividad
Xi 0; i=1,2
Solucin GLP
X2
1
Cereal A B
Cantidad en onzas 1 1 min
Costo 0,02 0,025 0,045
No
Restricciones Utilizado Lmite Utiliz
fibra diettica 2 1,5 3,5 1,7 1,8
por grasas 2 3 5 2,8 -2,2
por proteinas 4 3 7 3,6 -3,4
Cereal A B
Cantidad en onzas 0,85 0 min
No
Restricciones Utilizado Lmite Utiliz
9,12E-
fibra diettica 2 1,5 1,7 1,7 13
por grasas 2 3 1,7 2,8 1,1
por proteinas 4 3 3,4 3,6 0,2
15. MD Chemical produce dos productos que se venden como materia prima para
empresas fabricantes de jabones para bao, detergentes para lavandera y otros
productos de jabn. Apoyndose en un anlisis de los niveles actuales de
inventarios y de la demanda potencial para el mes siguiente, la administracin
de MD ha especificado que la produccin total de los productos 1 y 2
combinados debe ser de por lo menos 350 galones. Adems debe cumplir con
un pedido de un cliente de importancia de 125 galones del producto 1. El
tiempo de procesado del producto 1 requiere dos horas por galn, y del
producto 2 requiere de una hora; para el mes siguiente, hay disponibilidades de
600 horas de proceso. Los costos de produccin son 2 dlares por galn del
producto 1 y 3 dlares del producto 2.
a. Determine las cantidades de produccin que satisfagan los requisitos
especificados al costo mnimo.
b. Cul es el costo total del producto?
c. Identifique la cantidad de cualquier produccin excedente.15
Solucin:
Formulacin del modelo:
Definicin de variables
X1 = Cantidad de galones del producto 1
X2 = Cantidad de galones de producto 2
Funcin Objetivo
Zmin = 2X1 + 3X2
Restricciones
X1 + X2 350 galones producidos
X1 125 pedido de un cliente
2X1 + 1X2 600 horas de proceso
No negatividad
Xi 0; i=1,2
Solucin GLP
15
Anderson Sweeney Willams. Mtodos Cuantitativos para los Negocios. 7ma Edicin. Editorial
Thomson. Pgina 270. Problema 37.
X2
440
418
396
374
352
330
308
286
264 Payoff: 2.0 X1 + 3.0 X2 = 800.0
242
220
198
176
154
132
110
88 : 2.0 X1 + 1.0 X2 = 600.0
66
44 : 1.0 X1 + 0.0 X2 = 125.0
22
0 : 1.0 X1 + 1.0 X2 = 350.0
0 20 40 60 80 100 120 140 160 180 200 220 240 260 280 300 320 340 360 380 400 X1
Producto 1 2
Cantidad galones 1 1 min
Costo 2 3 5
No
Restricciones Utilizado Lmite Utiliz
Galones
producidos 1 1 2 350 -348
Pedido cliente 1 1 125 124
Horas proceso 2 1 3 600 597
Producto 1 2
Cantidad galones 250 100 min
Costo 2 3 800
16. Photo Chemicals produce dos tipos de fluido para revelado fotogrfico. Ambos
productos le cuestan a la empresa un dlar por galn producirlos. Con base e
una anlisis de niveles actuales de inventario y en las rdenes en mano para el
mes siguiente, la administracin de Photo Chemicals ha decidido que durante
las siguientes dos semanas se produzcan por los menos 30 galones del producto
1 y por lo menos 20 galones del producto 2. Tambin ha dicho la administracin
que en el transcurso de las siguientes dos semanas debe utilizarse el inventario
existente de una materia prima muy perecedera necesaria en la produccin de
ambos fluidos. El inventario actual de esta materia prima muy perecedera es de
80 libras. Aunque de ser necesario se puede ordenar ms de esta materia
prima, cualquier parte del inventario actual no utilizada se echar a perder
dentro de las siguientes dos semanas; de ah el requerimiento de la
administracin de que por lo menos se utilicen las 80 libras en las siguientes dos
semanas. Adems, el producto 1 requiere de una libra de esta materia prima
perecedera por galn, y el producto 2 requiere 2 libras de la materia prima por
galn. Dado que el objetivo de la administracin es mantener los costos de
produccin al mnimo nivel posible, estn buscando un plan de produccin de
costo mnimo que utilice la totalidad de las 80 libras de la materia prima
perecedera y que obtenga por lo menos 30 galones del producto 1 y por lo
menos 20 galones del producto 2. Cul es la solucin de costo mnimo?16
Solucin:
Formulacin del modelo:
Definicin de variables
X1 = Cantidad de galones de fluido tipo 1
X2 = Cantidad de galones de fluido tipo 2
Funcin Objetivo
Zmin = X1 + X2
Restricciones
X1 30 produccin mnima de producto 1
X2 20 produccin mnima de producto 2
X1 + 2X2 80 libras de materia prima
No negatividad
Xi 0; i=1,2
16
Anderson Sweeney Willams. Mtodos Cuantitativos para los Negocios. 7ma Edicin. Editorial
Thomson. Pgina 270. Problema 38.
Solucion GLP
X2
25 : 1.0 X1 + 2.0 X2 = 80.0
24
23
22
21
20
19 : 0.0 X1 + 1.0 X2 = 20.0
18
17
16
15
14
13
12
11 : 1.0 X1 + 0.0 X2 = 30.0
10
9
8
7
6
5
4
3
2
1
0
0 2 4 6 8 10 12 14 16 18 20 22 24 26 28 30 32 34 36 38 40 X1
Solucin:
Formulacin del modelo:
17
Anderson Sweeney Willams. Mtodos Cuantitativos para los Negocios. 7ma Edicin. Editorial
Thomson. Pgina 270. Problema 39.
Definicin de variables
X1 = Cantidad de Pizzas Normales
X2 = Cantidad de Pizzas De Lujo
Funcin Objetivo
Zmax = 1X1 + 1.5X2
Restricciones
X1 + X2 150 pasta de harina
0.25X1 + 0.5X2 50 pasta de relleno
X1 50 venta de pizzas Normales
X2 25 venta de pizzas De Lujo
No negatividad
Xi 0; i=1,2
Solucin GLP
X2
160
152
144
136
: 1.00 X1 + 0.00 X2 = 50.00
128
120
112
104
96
88
80 : 1.00 X1 + 1.00 X2 = 150.00
72
64
Payoff: 1.00 X1 + 1.50 X2 = 175.00
56
48
40
32 : 0.00 X1 + 1.00 X2 = 25.00
24
: 0.25 X1 + 0.50 X2 = 50.00
16
8
0
0 10 20 30 40 50 60 70 80 90 100 110 120 130 140 150 160 170
No
Restricciones Utilizado Lmite Utiliz
Pasta harina 1 1 2 150 148
Relleno 0,25 0,5 0,75 50 49,25
Pizzas Normales 1 1 50 -49
Pizzas Lujo 1 1 25 -24
No
Restricciones Utilizado Lmite Utiliz
Pasta harina 1 1 150 150 -3,4E-10
Relleno 0,25 0,5 50 50 -6E-11
Pizzas Normales 1 100 50 50
Pizzas Lujo 1 50 25 25
nuevo vehculo debe ser de por lo menos el doble del nmero de clientes
nuevos que hagan recorrido de prueba del nuevo vehculo. Si el presupuesto de
mercadotecnia, incluyendo los costos del recorrido de prueba, es de 1200.000
dlares, Cuntas promociones debern ser enviadas a cada grupo de clientes
para maximizar las ventas totales?18
Solucin:
Formulacin del modelo:
Definicin de variables
X1 = Cantidad de promociones enviadas a clientes actuales
X2 = Cantidad de promociones enviadas a clientes nuevos
Funcin Objetivo
Zmax = 0.12*5X1 + 0.20*4X2
Restricciones
X1 30.000 clientes actuales
X2 10.000 clientes nuevos
0.25X1 2*0.20X2 relacin entre clientes que responden a la promocin
5X1 + 4X2 1200.000 presupuesto
No negatividad
Xi 0; i=1,2
Solucin GLP
18
Anderson Sweeney Willams. Mtodos Cuantitativos para los Negocios. 7ma Edicin. Editorial
Thomson. Pgina 274. Problema 61.
X2
273
260
247
234
221 Payoff: 0.60 X1 + 0.80 X2 = 176.00
208
195
182 : 5.00 X1 + 4.00 X2 = 1200.00
169
156
143 : 1.00 X1 + 0.00 X2 = 30.00
130
117
104
91
78
65 : 0.25 X1 - 0.40 X2 = 0.00
52
39
26 : 0.00 X1 + 1.00 X2 = 10.00
13
0
0 13 26 39 52 65 78 91 104 117 130 143 156 169 182 195 208 221 234 247 260
Clientes Clientes
Promociones Actuales Nuevos
Cantidad en
miles 1 1 max
Ventas 0,6 0,8 1,4
No
Restricciones Utilizado Lmite Utiliz
Clientes actuales 1 1 30 29
Clientes nuevos 1 1 10 9
Relacion clientes 0,25 -0,4 -0,15 0 -0,15
Presupuesto 5 4 9 1200 -1191
Clientes Clientes
Promociones Actuales Nuevos
Cantidad en
miles 160 100 max
Ventas 0,6 0,8 176
Solucin:
Formulacin del modelo:
Definicin de variables
X1 = Cantidad de unidades de raquetas estandar
X2 = cantidad de unidades de raquetas extra grande
Funcin Objetivo
Zmax = 10X1 + 15X2
Restricciones
0.125X1 + 0.4X2 80 kilos de aleacin
10X1 + 12X2 40*60 minutos de tiempo de produccin
X1 0.20(X1 + X2)
No negatividad
Xi 0; i=1,2
Solucin GLP
19
Anderson Sweeney Willams. Mtodos Cuantitativos para los Negocios. 7ma Edicin. Editorial
Thomson. Pgina 274. Problema 62.
X2
200
190 : 0.125 X1 + 0.400 X2 = 80.000
180
170 Payoff: 10.000 X1 + 15.000 X2 = 2896.551
160
150
140 : 10.000 X1 + 12.000 X2 = 2400.000
130
120
110
100
90
80
: 0.800 X1 - 0.200 X2 = 0.000
70
60
50
40
30
20
10
0
0 2 4 6 8 10 12 14 16 18 20 22 24 26 28 30 32 34 36 38 40 42 X1
No
Restricciones Utilizado Lmite Utiliz
Kilos aleacin 0,125 0,4 0,525 80 79,475
Tiempo prod. min 10 12 22 2400 2378
20% prod estand 0,8 -0,2 0,6 0 0,6
20. La administracin de High Tech Service (HTS) desea desarrollar un modelo que le
ayude a asignar el tiempo de sus tcnicos entre llamada de servicio por
contrato a clientes tanto normales como nuevos. En el perodo de planeacin de
dos semanas hay disponible un mximo de 80 horas de tiempo de tcnico. A fin
de satisfacer los requisitos de flujo de caja, deben generarse por lo menos 800
dlares de ingresos (por tcnico) durante el perodo de dos semanas. El tiempo
de tcnico para los clientes normales genera 25 dlares por hora, pero para
clientes nuevos slo genera un promedio de 8 dlares la hora, porque en
muchos casos el contacto con el cliente no llega a generar servicios facturables.
Para asegurarse de que se mantienen contactos nuevos, el tiempo de tcnico
utilizado en contactos con clientes nuevos debe ser por lo menos 60% del
tiempo utilizado en contactos con clientes normales. Para los requerimientos de
ingresos y polticas enunciadas, HTS deseara determinar cmo asignar el
tiempo de los tcnicos entre clientes normales y nuevos, a fin de maximizar el
nmero total de clientes en contacto durante el perodo de dos semanas. Los
tcnicos requieren un promedio de 50 minutos por cada contacto de cliente
normal y de una hora por cada contacto con cliente nuevo.
a. Desarrolle un modelo de programacin lineal que le permita a HTS asignar el
tiempo de los tcnicos entre clientes normales y nuevos.
b. Haga una grfica de la regin factible
c. Resuelva las ecuaciones lineales simultneas apropiadas para determinar los
valores de X1 y X2 en cada punto extremo de la regin factible.
d. Encuentre la solucin ptima20
Solucin:
Formulacin del modelo:
Definicin de variables
X1 = Numero de horas de tcnico asignado a clientes normales
X2 = Numero de horas de tcnico asignado a clientes nuevos
Funcin Objetivo
Zmax = 60X1/50+ 60X2/60 nmero de clientes
Restricciones
X1 + X2 80 horas disponibles de tcnico
X2 0.6X1 relacin de tiempo de tcnico
25X1 + 8X2 800 ingresos en dlares
No negatividad
Xi 0; i=1,2
20
Anderson Sweeney Willams. Mtodos Cuantitativos para los Negocios. 7ma Edicin. Editorial
Thomson. Pgina 274. Problema 63.
143
Investigacin Operativa I Programacin Lineal
130
117
Solucin GLP
104
78
65
52
39
: 25.00 X1 + 8.00 X2 = 800.00
: -0.60 X1 + 1.00 X2 = 0.00
26
0
0 11 22 33 44 55 66 77
Clientes Clientes
Horas de trabajo normales nuevos
Cantidad horas 1 1 max
Nmero clientes 1.2 1 2.2
Clientes Clientes
Horas de trabajo normales nuevos
Cantidad horas 50 30 max
Nmero clientes 1.2 1 90
Solucin:
Formulacin del modelo:
Definicin de variables
X1 = Numero de horas de trabajo de maquina M100
X2 = Numero de horas de trabajo de maquina M200
Funcin Objetivo
Zmax = (20X1*18 40X1*6 50X1) + (40X2*18 50X2*6 75X2)
21
Anderson Sweeney Willams. Mtodos Cuantitativos para los Negocios. 7ma Edicin. Editorial
Thomson. Pgina 275. Problema 64.
Restricciones
X1
24 15 horas mximas de trabajo M100
X2 10 horas mximas de trabajo de M200
X1 5 horas mnimas de trabajo de M100
X2 5 horas mnimas de trabajo de M200
40X1 + 50X2 1000 libras de materia prima disponibles
No
18 negatividad
Xi 0; i=1,2
Solucin GLP
Maquina Maquina
Horas de trabajo M100 M200
Cantidad horas 1 1 max
Contrib. utilidad 70 345 415
Maquina Maquina
Horas de trabajo M100 M200
Cantidad horas 12.5 10 max
Contrib. utilidad 70 345 4325
Solucin:
Formulacin del modelo:
Definicin de variables
X1 = Numero de radios asignados a distribuidores de equipo marino
X2 = Numero de radios asignados a distribuidores de equipos de oficina
X3 = Numero de radios asignados a cadenas nacionales de tiendas
X4 = Numero de radios asignados a pedidos por correo
Funcin Objetivo
Zmax = 90X1 + 84X2 + 70X3 + 60X4
Restricciones
10X1 + 8X2 + 9X3 + 15X4 5.000 por presupuesto
2X1 + 3X2 + 3X3 1.800 horas de esfuerzo en ventas
X3 150 unidades mnimas para cadenas nacionales
No negatividad
Xi 0; i=1,4
USO DE
RESTRICCIONES RECUROS Utilizado LIMITE No utiliz
Presupuesto 10 8 9 15 42 5000 4958.00
Esfuerzo laboral 2 3 3 8 1800 1792.00
Contrato cadena nacion 1 1 150 -149.00
22
Anderson Sweeney Willams. Mtodos Cuantitativos para los Negocios. 7ma Edicin. Editorial
Thomson. Pgina 298.
USO DE
RESTRICCIONES RECUROS Utilizado LIMITE No utiliz
Presupuesto 10 8 9 15 5000 5000 0.00
Esfuerzo laboral 2 3 3 1800 1800 0.00
Contrato cadena
nacion 1 150 150 0.00
Accin
Datos financieros A B C D
Precio por accin ($) 100 50 80 40
Tasa anual de rendimiento 0.12 0.08 0.06 0.10
Medida de riego por dlar 0.10 0.07 0.05 0.08
Solucin a):
Funcin Objetivo
Zmin = 10X1 + 3.5X2 + 4.0X3 + 3.2X4
Restricciones
100X1 + 50X2 + 80X3 + 40X4 200.000 dlares disponibles
12X1 + 4.0X2 + 4.8X3 + 4.0X4 0.09*200.000 rendimiento
100X1 0.5*200.000 inversin mxima de X1
50X2 0.5*200.000 inversin mxima de X2
80X3 0.5*200.000 inversin mxima de X3
40X4 0.5*200.000 inversin mxima de X4
No negatividad
Xi 0; i=1,4
Datos entrada SOLVER
National Insurance Associates
Acciones
Accionea asignadas a A B C D
Cantidad 1 1 1 1 Min
Riesgo 10 3.5 4 3.2 20.7
23
Anderson Sweeney Willams. Mtodos Cuantitativos para los Negocios. 7ma Edicin. Editorial
Thomson. Pgina 316. Problema 16.
USO DE
RESTRICCIONES RECUROS Utilizado LIMITE No utiliz
Dlares disponibles 100 50 80 40 200000 200000 0.00
Rendimiento annual 12 4 4.8 4 18000 18000 0.00
Invesin mx en A 100 33333.33 100000 66666.67
Invesin mx en B 50 0 100000 100000.00
Invesin mx en C 80 66666.67 100000 33333.33
Invesin mx en D 40 100000 100000 0.00
Tiempo
Tiempo de produccin (horas) disponible
Departamento Base Cartucho Manija (horas)
A 0.03 0.02 0.05 400
B 0.04 0.02 0.04 400
C 0.02 0.03 0.01 400
Note que cada componente fabricado por Carson ocupa tiempo de produccin
en cada uno de los tres departamentos.
a. Determine cul sera la decisin de fabricar o comprar para Carson, que haga
que pueda cumplirse la demanda de 5000 unidades a un costo total mnimo.
De cada componente, Cuntas unidades debern ser fabricadas y cuantas
debern ser adquiridas?
b. Qu departamentos estn limitando el volumen de fabricacin? Si pudiera
considerarse tiempo extraordinario a un costo adicional de $3 la hora, Qu
departamento o departamentos deberan ser motivo de tiempo extra?
Explique.
c. Suponga que en el departamento A se pueden programar hasta 80 horas de
tiempo extra. Qu recomendara usted?24
Solucin:
Formulacin del modelo:
Definicin de variables
X11 = Numero de bases para grapadoras producidas
X12 = Numero de cartuchos para grapadoras producidos
X13 = Numero de manijas producidas para grapadoras producidas
X21 = Numero de bases para grapadoras adquiridas
X22 = Numero de cartuchos para grapadoras adquiridos
X23 = Numero de manijas para grapadoras adquiridas
Funcin Objetivo
Zmin = 0.75X11 + 0.40X12 + 1.10X13 + 0.95X21 + 0.55X22 + 1.40X23
Restricciones
0.03X11 + 0.02X12 + 0.05X13 400 horas disponibles Dep. A
0.04X11 + 0.02X12 + 0.04X13 400 horas disponibles Dep. B
0.02X11 + 0.03X12 + 0.01X13 400 horas disponibles Dep. C
X11 + X21 = 5.000 cantidad de bases
X12 + X22 = 5.000 cantidad de cartuchos
X13 + X23 = 5.000 cantidad de manijas
No negatividad
Xij 0; i=1,2; j=1,3
24
Anderson Sweeney Willams. Mtodos Cuantitativos para los Negocios. 7ma Edicin. Editorial
Thomson. Pgina 316. Problema 17.
25. Golf Shafts (GSI) produce palos de grafito para varios fabricantes de palos de
golf. Dos instalaciones de fabricacin de GSI, una localizada en San Diego y otra
en Tampa, tienen capacidad para producir palos en diversos grados de rigidez,
desde modelos normales, principalmente utilizados por golfistas promedio, hasta
modelos extrargidos, utilizados principalmente por golfistas con bajo handicap y
profesionales. GSI acaba de recibir un contrato para la produccin de 200.000
palos normales y 75.000 rgidos. Dado que ambas plantas actualmente estn
produciendo palos de golf para cumplir con rdenes anteriores, ningn de las
plantas tiene capacidad suficiente, por si misma, para llenar el nuevo pedido. La
planta de San diego puede producir hasta un total de 120.000 palos, y la de
Tampa, hasta un total de 180.000 palos de golf. Debido a diferencias en
equipamiento en cada una de las plantas y de distintos costos de mano de obra,
los costos de produccin unitarios son distintos, como se muestra a
continuacin:
Solucin a):
Formulacin del modelo:
Definicin de variables
X1 = Numero de unid. de palos de golf normales fabricados en San Diego
X2 = Numero de unid. de palos de golf extrargidos fabricados en San Diego
X3 = Numero de palos de golf normales fabricados en Tampa
X4 = Numero de palos de golf extrargidos fabricados en Tampa
Funcin Objetivo
Zmin = 5.25X1 + 5.45X2 + 4.95X3 + 5.70X4
Restricciones
X1 + X3 = 200.000 palos de golf normales
X2 + X4 = 75.000 palos de golf extrargidos
X1 + X2 120.000 palos fabricados en San Diego
X3 + X4 180.000 palos fabricados en Tampa
No negatividad
Xi 0; i=1,4
Datos de entrada SOLVER
Golf Shafts (GSI)
San Diego Tampa
Palos de Golf Normales Extrargid Normales Extrargid
Cantidad 1 1 1 1 Min
Costos 5.25 5.25 4.95 5.7 21.15
25
Anderson Sweeney Willams. Mtodos Cuantitativos para los Negocios. 7ma Edicin. Editorial
Thomson. Pgina 317. Problema 18.
As como este sistema funciona para Dennos Hartmann, uno de los clientes de
Pfeiffer Con base en una evaluacin de la tolerancia al riesgo de Hartmann,
Pfeiffer le ha asignado a la cartera de Hartmann un ndice de 0.05. Adems,
para mantener cierta diversidad, la fraccin de la cartera de Hartmann invertida
en fondos de crecimiento y de ingresos debe ser por lo menos de 10% cada una
y por lo menos 20% deber estar invertido en fondos de mercado de dinero.
Solucin a):
Formulacin del modelo:
Definicin de variables
X1 = Cantidad de dlares asignados a valores de crecimiento
X2 = Cantidad de dlares asignados a ingresos
X3 = Cantidad de dlares asignados a mercado de dinero
Funcin Objetivo
Zmax = 0.20X1 + 0.10X2 + 0.06X3
Restricciones
X1 0.10*300.000 para valores de crecimiento
X2 0.10*300.000 para ingresos
X3 0.20*300.000 para mercado de dinero
X1 + X2 +X3 300.000 cartera
0.10X1 + 0.05X2 + 0.01X3 0.05*300.000 riesgo de cartera
No negatividad
Xi 0; i=1,3
Datos de entrada SOLVER
La Pfeiffer Company
Asignados a Crecimiento Ingresos Mercado
Cantidad de
dlares 1 1 1 Max
Rendimiento 0.2 0.1 0.06 0.36
26
Anderson Sweeney Willams. Mtodos Cuantitativos para los Negocios. 7ma Edicin. Editorial
Thomson. Pgina 317. Problema 19
La Pfeiffer Company
Asignados a Crecimiento Ingresos Mercado
Cantidad de
dlares 120000 30000 150000 Max
Rendimiento 0.2 0.1 0.06 36000
27. La Jolla Beverage Products est pensando en producir un refresco de vino, que
sera mezcla de un vino blanco, de un vino rosado y de jugo de fruta. A fin de
llenar las especificaciones de sabor, el refresco de vino debe estar hecho con
por lo menos 50% de vino blanco, un mnimo de un 20% y no ms de un 30%
de rosado, y 20% de jugo de fruta. La Jolla adquiere el vino de los viedos o
lugares cercanos y el jugo de frutas de una planta procesadora en San
Francisco. Para el perodo actual de produccin, pueden adquirirse 10.000
galones de vino blanco y 8.000 galones de vino rosado, no hay lmite en la
cantidad de jugo de fruta que se puede pedir. El costo de los vinos es de un
dlar por galn para el vino blanco y de 1.50 dlares por galn para el vino
rosado; el jugo de fruta se puede adquirir a 0.50 por galn. La Jolla Beverage
Products puede vender todo el refresco que pueda producir a 2.50 dlares por
galn.
a. En esta situacin, es el costo de vino y el costo de frutas un costo hundido,
o uno relevante? Explique.
b. Formule un programa lineal para determinar el nmero de galones que La
Jolla Beverage Products deber adquirir de cada ingrediente y la contribucin
a la utilidad total que obtendrn de esta mezcla.
c. Si La Jolla Beverage Products pudiera obtener cantidades adicionales de vino
blanco, debera hacerlo? De hacerlo, Cunto debera estar dispuesto a pagar
por cada galn adicional, y cuantos galones adicionales deseara adquirir?
d. Si La Jolla Beverage Products pudiera obtener cantidades adicionales de vino
rosado, debera hacerlo? De hacerlo, Cunto debera estar dispuesto a pagar
por cada galn adicional, y cuanto galones adicionales deseara adquirir?
e. Interprete el precio dual para la restriccin que corresponde al requisito de
que el refresco de vino debe contener por lo menos 50% de vino blanco.Cual
sera su consejo a la administracin respecto a este precio dual?
f. Interprete el precio dual de la restriccin que correspndela requisito de que al
refresco de vino debe contener exactamente el 20% de jugo de frutas.Cual
es su consejo a la administracin respecto a este precio dual?27
27
Anderson Sweeney Willams. Mtodos Cuantitativos para los Negocios. 7ma Edicin. Editorial
Thomson. Pgina 317. Problema 18.
Solucin b):
Formulacin del modelo:
Definicin de variables
X1 = Cantidad de galones de vino blanco
X2 = Cantidad de galones de vino rosado
X3 = Cantidad de galones de jugo de frutas
Funcin Objetivo
Zmax = 2.5*(X1+X2+X3) 1X1 1.5X2 -0.5X3
Restricciones
X1 10.000 cantidad mxima de vino blanco
X2 8.000 cantidad mxima de vino rosado
X1 0.5(X1 +X2 + X3) dosificacin mxima de vino blanco
X2 0.2(X1 +X2 +X3) dosificacin mnima de vino rosado
X2 0.3(X1 +X2 +X3) dosificacin mxima de vino rosado
X3 0.2(X1 +X2 +X3) dosificacin de jugo de frutas
No negatividad
Xi 0; i=1,3
La Pfeiffer Company
Vino V.
Galones de Blanco Rosado Frutas
Cantidad 10000 3000 2000 Max
Utilidad 1.5 1 2 22000
Solucin:
Formulacin del modelo:
Definicin de variables
X1 = nmero de minutos para noticias locales
X2 = nmero de minutos para noticias nacionales
X3 = nmero de minutos sobre clima
X4 = nmero de minutos sobre deportes
Funcin Objetivo
Z min = 300X1 + 200X2 + 100X3 + 100X4
Restricciones
X1 15%(X1 + X2 + X3 + X4) tiempo noticias locales
X1 + X2 50%(X1 + X2 + X3 + X4) tiempo noticias locales y nacionales
X3 X4 tiempo de noticias del clima
X4 (X1 + X2) tiempo para deportes
X3 20%(X1 + X2 + X3 +X4) tiempo para clima
X1 +X2 + X3 + X4 = 20 tiempo disponible en minutos
No negatividad
Xi 0; i=1,4
MINUTOS en
Noticias Locales Nacionales Clima Deportes
Cantidad 1 1 1 1 Min
Costos 300 200 100 100 700
29. Gulf Coast Electronics est listo para asignar contratos para la impresin de su
informe anual. Durante los ltimos aos, un informe anual a cuatro colores ha
sido impreso por Johnson Printing y Likeside Litho. Una nueva empresa,
Benson Printing, ha inquirido sobre la posibilidad de efectuar una parte de la
impresin. El nivel de calidad y servicio de Likeside Litho ha sido
extremadamente elevado; de hecho slo el 0,05% de sus informes tuvieron que
ser descartados por problemas de calidad. Johnson Printing tambin ha tenido
un nivel histrico elevado de calidad, produciendo un promedio de slo 1% de
informes no aceptables. Dado que la Gulf Coast Electronics no ha tenido
experiencia con Benson Printing, ha estimado su tasa de defectos en 10%. A
Gulf Coast Electronics le gustara determinar cuantos informes debern ser
impresos por cada una de estas empresas, para obtener 75.000 informes de
calidad aceptables. Para asegurarse de que Benson Printing recibir una parte
del contrato de la administracin ha especificado que el nmero de informes
asignados a Benson Printing deber ser, por lo menos 10% del volumen que se
asigne a Johnson Printing. Adems el volumen total asignado a Benson Printing,
Johnson Printing y Likeside Lithono deber exceder 30.000, 50.000 y 50.000
ejemplares respectivamente. Debido a la larga relacin desarrollada con Likeside
Litho, la administracin tambin ha indicado que a Likeside Litho se le deber
asignar por lo menos 30.000 informes. El costo por ejemplar es de 2.45 dlares
para Benson Printing, 2.50 dlares para Johnson Printing, y 2.75 dlares para
Likeside Litho.
a. Formule y resuelva un programa lineal para determinar cuntos ejemplares
debern asignarse a cada empresa impresora, para maximizar el costo total de
obtener 75.000 informes de calidad aceptable.
b. Suponga que el nivel de calidad de Benson Printing resulta mucho mejor a lo
estimado. Qu efecto, si es que existe alguno, tendra?
c. Suponga que la administracin est dispuesta a reconsiderar su requisito de
que a Likeside Litho se le den por lo menos 30.000 informes.Que efecto, si es
que hay alguno, tendra esto?
Solucin:
Formulacin del modelo:
Definicin de variables
X1 = cantidad de ejemplares asignados a Litho
X2 = cantidad de ejemplares asignados a Johnson
X3 = cantidad de ejemplares asignados a Benson
Funcin Objetivo
Zmax = 2.75X1 + 2.5X2 +2.45X3
Restricciones
99.5%X1 + 99%X2 + 90%X3 75.000 ejemplares de buena calidad
X3 10%X2 asignacin mnima Benson
X3 30.000 asignacin max a Benson
X2 50.000 asignacin max a Johnson
X1 50.000 asignacin max a Litho
X1 30.000 asignacin min a Litho
No negatividad
Xi 0; i=1,3
30. Como una ilustracin de la asignacin de recursos que usa la programacin lineal,
considere el problema siguiente acerca de la planificacin de produccin en una
tienda. La produccin debe fijarse para dos tipos de mquinas, la maquina 1 y la
mquina 2. Ciento veinte horas de tiempo enlatables pueden fijarse para
mquina1, y 80 horas para mquina 2. La produccin durante el periodo de
planificacin se limita a dos productos. A y B, cada unidad del producto A requiere
2 horas de tiempo del proceso en cada mquina. Cada unidad de producto que B
requiere de 3 horas en la mquina 1 y de 1.5 horas en la mquina 2. El margen
de la contribucin es $4.00 por cada unidad de producto A y $5.00 por cada
unidad de producto B. Ambos tipos de productos pueden comercializarse
prontamente; por consiguiente, la produccin debe fijarse con el objetivo de
aumentar al mximo la ganancia.28
La formulacin:
Dado,
X1 = nmero de unidades del producto A para produccin
X2 = nmero de unidades del producto B para produccin
28
Sets, Matrices, and Linear Programming. Robert L. Childress
Sujeto a:
2X1 + 3X2 120 (recurso mquina 1)
2X1 + 1.5X2 80 (recurso mquina 2)
X1 0 (no negatividad)
X2 0 (no negatividad)
Datos de entrada para Solver
Solucin: opcin b)
Solucin a) b) c) d) e)
Z max 213.33 213.33 313.33 213.33 213.33
X1 20 20 25 15 20
X2 25 26.667 26.667 25 16.667
requiere para cada dos toneladas de trozo; (2) una hora de tiempo de
procesamiento se requiere por cada tonelada de acero, y se requieren cuatro
horas de tiempo de procesamiento por cada tonelada de trozo; (3) el acero y el
trozo se combinan linealmente para hacer la aleacin. La prdida en proceso del
acero es 10 por ciento y la prdida en proceso del trozo es 20 por ciento. Aunque
la produccin puede exceder la demanda, un mnimo de 40 toneladas de la
aleacin debe fabricarse. Para mantener el funcionamiento de la planta
eficazmente, un mnimo de 80 horas de tiempo de procesamiento debe usarse. El
suministro tanto de los trozos como del acero es adecuado para la produccin de
la aleacin. El objetivo del fabricante es producir la aleacin a un costo mnimo.29
Dado,
X1 = nmero de toneladas de acero para produccin de aleacin
X2 = nmero de toneladas de trozo para produccin de aleacin
Anlisis:
(1) un mnimo de una tonelada de acero se requiere por cada dos toneladas de
trozo
1 X1
2 X 2 ; X 2 2X 1 ; X2 2X1 0 ; 2X1 X2 0
(2) se necesitan una hora de procesamiento por cada tonelada de acero y
cuatro horas de tiempo de procesamiento por cada tonelada de trozo y un
mnimo de 80 horas
1X1 + 4X2 80
(3) La prdida en proceso es del 10% de acero y el 20% de trozo, demanda
mnima d 40 toneladas de aleacin
(1-10%)X1 + (1-20%)X2 40
0.90X1 + 0.80X2 40
Sujeto a:
2X1 X2 0 (1)
1X1 + 4X2 80 (2)
0.90X1 + 0.80X2 40 (3)
X1 0 (no negatividad)
29
Sets, Matrices, and Linear Programming. Robert L. Childress
X2 0 (no negatividad)
Solucin: opcin a)
Solucin a) b) c) d) e)
Z max 1.440 1.440 144 1.440 1.044
X1 16 32 16 15 32
X2 32 16 26.667 25 16.667
30
Robert J. Thierauf y Richard A. Grosse. Toma de decisiones por medio de Investigacin de
Operaciones. Limusa. Pag 273
Datos de entrada
Datos de salida:
33. Reddy Mikks produce pinturas tanto para interiores como para exteriores a partir
de dos materias primas, M1 y M2. La siguiente tabla proporciona los datos bsicos
del problema:
Definicin de variables:
X1 = Nmero de toneladas de Pintura para Exteriores
X2 = Nmero de toneladas de Pintura para Interiores
Restricciones
6 X1 + 4 X2 24 por disp. Materia prima M1
1 X1 + 2 X2 6 por disp. Materia prima M2
0 X1 + 1 X2 2 mximo diario de pint. Int.
-1X1 + 1 X2 1 demanda diaria
No negatividad:
X i 0; i = 1, 2
31
Handy A. Taha. Investigacin de Operaciones. Una Introduccin. Prentice Hall. Pag. 11
Datos de salida:
Solucin:
Respuestas
Rubro a b c d e
Pint. Ext (ton) 1.5 3.0 3.0 1.5 3.5
Pint. Int (ton) 3.0 1.5 1.5 1.5 2.0
Ganan. max.($) 21.000 20.000 21.000 20.000 21.000
34. Ozark Farms utiliza diariamente 800 libras de alimento especial. El alimento
especial es una mezcla de maz y semilla de soya, con las siguientes
composiciones:
Los requerimientos dietticos diarios del alimento especial estipulan que por lo
menos un 30% de protenas y cuando mucho un 5% de fibra. Ozark Farms desea
determinar el costo mnimo diario de la mezcla de alimento.32
Restricciones:
0.09 X1 + 0.60 X2 0.30*(X1 + X2) por protenas
0.02 X1 + 0.06 X2 0.05*(X1 + X2) por fibra
X1 + X2 800 produccin
No negatividad:
X i 0; i = 1, 2
Datos de entrada
Datos de Salida:
Solucin:
a) $ 457.65 por da
b) $ 437.65 por da
c) $ 417.65 por da
d) $ 517.65 por da
e) $ 537.65 por da
Solucin GLP
X2
Payoff:
: 1.0:2.0
X1
1.0
X1
+: X1
+
1.0
1.0
- 1.0
X2
X1
1.0
X2
=+X2
10.0
=0.0
=14.0
X2
0.0= 4.0
Optimal Decisions(X1,X2): ( 4.0, 6.0)
: 1.0X1 + 1.0X2 <= 10.0
: 1.0X1 - 1.0X2 <= 0.0
: 1.0X1 + 0.0X2 <= 4.0
33
Handy A. Taha. Investigacin de Operaciones. Una Introduccin. Prentice Hall. Pag. 18
Respuestas
Rubro a b c d e
Juega 1.5 3.0 3.0 4.0 6.0
Trabaja 3.0 6.0 6.0 6.0 2.0
Satisfaccin max 14.0 20.0 14.0 14.0 21.000
36. John debe trabajar por lo menos 20 horas a la semana para completar su
ingreso mientras asiste a la escuela. Tiene la oportunidad de trabajar en dos
tiendas al detalle: en la tienda 1 John puede trabajar entre 5 y 12 horas a la
semana, y en la tienda 2 le permiten trabajar entre 6 y 10 horas. Ambas tiendas
pagan el mismo salario por hora. De manera que John quiere basar su decisin
acerca de cuntas horas debe trabajar en cada tienda en un criterio diferente: el
factor del estrs en el trabajo. Basndose en entrevistas con los empleados
actuales, John calcula que, en una escala de 1 a 10, los factores des estrs son
de 8 y 6 en las tiendas 1 y 2, respectivamente. Debido a que el estrs aumenta
por hora, l supone que el estrs total al final de la semana es proporcional al
Restricciones:
X1 5
X1 12
X2 6
X2 10
X1 + X2 20
No negatividad
Xi 0; i = 1, 2
Solucin GLP
34
Handy A. Taha. Investigacin de Operaciones. Una Introduccin. Prentice Hall. Pag. 20
Solucin:
Respuestas
Rubro a b c d e
Tienda 1 11 10 10 10 10
Tienda 2 11 10 6.0 10 10
Estrs min 14.0 20.0 14.0 140 21.000
Requerimientos unitarios
de tiempo (horas)
Departamentos Modelo Modelo S- Horas disponibles en
S-1000 2000 el presente mes
De Estructura principal 4 2 1600
De Alambrado elctrico 2.5 1 1200
De Ensamble 4.5 1.5 1600
Solucin GLP
35
Robert J. Thierauf y Richard A. Grosse. Toma de decisiones por medio de Investigacin de
Operaciones. Limusa. Pag 273
Fabricar 355,5 unidades del Modelo S-1000 solamente para producir un beneficio
de $14 222,20
Si la restriccin es fabricar componentes completos, fabricar 355 unidades del
modelo S-1000 y 1 unidad del modelo S-2000 para producir un beneficio de $ 14
210,00
Respuestas
Rubro a b c d e
Modelo S-1000 255.5 355.5 355.5 350 350
Modelo S-2000 0.0 0.0 10.0 6.0 10.0
Contribucin max 14.210 14.222,2 14.222,2 14.220 14.222,2
38. La Cincinnati Chemical Company debe producir 10 000 libras de una mezcla
especial para un cliente. La mezcla se compone de los ingredientes: X1, X2 y
X3. X1 cuesta $8/libra, X2 $ 10/libra y X3 $ 11/libra. No pueden usarse mas de
3 000 libras de X1 y por lo menos deberan usarse 1 500 libras de X2. Adems
se requieren por lo menos 2 000 libras de X3.
36
Robert J. Thierauf y Richard A. Grosse. Toma de decisiones por medio de Investigacin de
Operaciones. Limusa. Pag 274
No negatividad
Xi 0; i = 1, 3
Solucin:
Respuestas
Rubro a b c d e
Ingrediente X1 3.000 2.500 3.000 4.000 3.000
Ingrediente X2 5.000 6.000 6.000 4.000 5.000
Ingrediente X3 2.000 1.500 1.000 2.000 2.000
Costo min 96.000 69.000 69.000 96.000 69.000
Hay sobrantes? No Si No Si No
Producto K 25 unidades
Producto L 30 unidades
Producto M 30 unidades
Producto N 25 unidades
Tiempo
Tiempo requerido por producto (horas) disponible la
semana prox.
Departamento K L M N (horas)
Departamento1 0.25 0.20 0.15 0.25 400
Departamento 2 0.30 0.40 0.50 0.30 1000
Departamento 3 0.25 0.30 0.25 0.30 500
Departamento 4 0.25 0.25 0.25 0.25 500
Contribucin por
unidad $ 10.50 $ 9.00 $ 8.00 $ 10.0
37
Robert J. Thierauf y Richard A. Grosse. Toma de decisiones por medio de Investigacin de
Operaciones. Limusa. Pag 275
Respuestas
Rubro a b c d e
Mezcla ptima? Si No Si No Si
Contribucin act 18.433,2 16.856,5 16.556.0 16.856.5 16.500.0
Contribucin opt. 16.856,5 18.433,25 14.055.0 18.500.0 14.500.0
Producto K 976.5 976.5 906.5 950 976
Producto L 30 30 25 30 30
Producto M 957.5 957.5 975.6 956.0 950.0
Producto N 25 25 30 25 35
Producto
1 2 3 4
Precio de venta al mayoreo (40% de
descuento) $ 100 $ 150 $ 125 $ 140
Costos variables Mtodo A $ 80 $ 135 $ 120 $ 135
Costos variables Mtodo B $ 110 $ 150 $ 100 $ 110
Cantidad que puede venderse 1000 3000 4000 6000
Producto
1 2 3 4
Mtodo A
Departamento 20 3.0 3.6 2.0 3.5
Departamento 21 9.0 10.0 8.0 9.0
Departamento 22 1.0 1.0 0.5 0.5
Mtodo B
Departamento 31 4.0 4.0 2.0 4.0
Departamento 32 5.0 8.0 4.0 3.0
Departamento 20 15 000
Departamento 21 50 000
Departamento 22 8 000
38
Robert J. Thierauf y Richard A. Grosse. Toma de decisiones por medio de Investigacin de
Operaciones. Limusa. Pag 275
Departamento 31 10 000
Departamento 32 10 000
Funcin Objetivo:
Maximizar Z = (100-80)X11 + (150-135)X21 + (125-120)X31 +
(140-135)X41 + (100-110)X12 + (150-150)X22 + (125-100)X32 +
(140-110)X24
Restricciones
X11 + X12 1000 Venta producto 1
X21 + X22 3000 Venta producto 2
X31 + X32 4000 Venta producto 3
X41 + X42 6000 Venta producto 4
3.0X11 + 3.6 X21 + 2.0X31 + 3.5X41 15.000 Horas Dep. 20
9.0X11 + 10.0X21 + 8.0X31 + 9.0X41 50.000 Horas Dep. 21
1.0X11 + 1.0X21 + 0.5X31 + 0.5X41 8.000 Horas Dep. 22
4.0X12 + 4.0X22 + 2.0X32 + 4.0X42 10.000 Horas Dep. 31
5.0X12 + 8.0X22 + 4.0X32 + 3.0X42 10.000 Horas Dep. 32
No negatividad
Xij 0; i= 1,4; j = 1,2
Solucin:
41. Una fbrica elabora dos productos, A, B. Cada uno de ellos debe ser procesado
en dos mquinas diferentes. Una mquina tiene una capacidad disponible de 24
horas y la otra de 16 horas. Cada unidad del producto A requiere de dos horas
en ambas mquinas. Cada unidad del producto B necesita de tres horas en la
primera mquina y de una hora en la segunda. La utilidad incremental es de $6
por unidad del producto A y de $7 por unidad del producto B, y la fbrica puede
vender tantas unidades de cada producto como pueda fabricar.
Resumen:
Productos Capacidad de
Mquinas A B las mquinas
1 2 horas 3 horas 24 horas
2 2 horas 1 hora 16 horas
Utilidad en $ 6 7
Restricciones
2X1 + 3X2 24 capacidad de mquina 1
2X1 + 1X2 16 capacidad de mquina 2
No negatividad
Xi 0 ; i = 1, 2
39
Bonini, Hansman, Bierman. Anlisis Cuantitativo para los Negocios. Novena Edicin. Irwin McGraw-
Hill. Pag. 43
12
Investigacin
11 Operativa I Programacin Lineal
10
7
: 2 X1 + 1 X2 = 16
5 : 2 X1 + 3 X2 = 24
3
Payoff: 6 X1 + 7 X2 = 64
2
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16
Optimal Decisions(X1,X2): ( 6, 4)
: 2X1 + 3X2 <= 24
: 2X1 + 1X2 <= 16
Solucin:
X1 = 6
X2 = 4
Z = 64
1.000 x5 1.000 x9
7
2.000
No negatividad
Xi 0 ; i = 1, 4
40
Bonini, Hansman, Bierman. Anlisis Cuantitativo para los Negocios. Novena Edicin. Irwin McGraw-
Hill. Pag. 46
Solucin:
Z = 3355.454.5
X1 = 7.272,72
X2 = 22.727,27
X3 = 1.818,18
X4 = 68.181,82
43. Una fbrica produce cuatro artculos: A, B, C y D. Cada cantidad del producto A
requiere de dos horas de maquinado, una hora de montaje y $10 de inventario
en proceso. Cada unidad del producto B requiere de una hora de maquinado,
tres horas de montaje y $5 de inventario en proceso. Cada unidad del producto
C requiere de dos y media horas de maquinado, dos y media horas de montaje
y $2 de inventario en proceso. Finalmente, cada unidad del producto D requiere
de cinco horas de maquinado, ninguna de montaje y $12 de inventario en
proceso.
La fbrica dispone de 120 000 horas de tiempo de maquinado y 160 000 horas
de tiempo de montaje. Adems, no puede tener ms de un milln de dlares de
inventario en proceso.
Cada unidad del producto A genera una utilidad de $40, cada unidad del
producto B genera una utilidad de $24, cada unidad de producto C genera una
utilidad de $36 y cada unidad del producto D genera una utilidad de $23. No
pueden venderse ms de 20 000 unidades del producto A, 16 000 unidades del
producto C, y pueden venderse la cantidad que se quiera de los productos B y
D. Sin embargo, deben producir y vender por lo menos 10 000 unidades del
producto D para cumplir con los requerimientos de un contrato.
Resumen:
Producto Disponible
Proceso A B C D (horas)
Maquinado 2 hr 1 hr 2,5 hr 5 hr 120.000
Montaje 1 hr 3 hr 2,5 hr 0 hr 160.000
Inventario $10 $5 $2 $12 1000.000
Utilidad $40 $24 $36 $23
Definicin de variables:
X1 = Nmero de unidades del producto A
X2 = Nmero de unidades del producto B
X3 = Nmero de unidades del producto C
X4 = Nmero de unidades del producto D
Restricciones:
2X1 + X2 + 2.5X3 + 5X4 120.000 disponibilidad de maquinado
X1 + 3X2 + 2.5X3 + 0X4 160.000 disponibilidad de montaje
10X1 + 5X2 + 2X3 + 12X4 1000.000 disponibilidad de inventario
X1 20.000 limite de venta producto A
X3 16.000 lmite de venta del producto C
X4 10.000 contrato del producto D
No negatividad:
Xi 0 ; i = 1, 4
41
Bonini, Hansman, Bierman. Anlisis Cuantitativo para los Negocios. Novena Edicin. Irwin McGraw-
Hill. Pag. 57
Solucin:
Z = 1830.000
X1 = 10.000
X2 = 50.000
X3 = 0
X4 = 10.000
44. La U-Save Loan Company est planeando sus operaciones para el prximo ao.
La empresa hace cinco tipos de prstamos, que se indican a continuacin, con
un retorno anual (en porcentaje) para ella.
Los prstamos quirografarios no pueden exceder del 10% del total de Tipo de
prstamos. La cantidad de prstamos quirografarios y para muebles no puede
exceder de 20% del total de tipo de prstamos. Las hipotecas en primer grado
deben ser por lo menos de 40% del total de hipotecas y, por lo menos, 20%
de la cantidad total de tipo de prstamos. Las hipotecas en segundo grado no
pueden exceder de 25% de la cantidad total de tipo de prstamos.
Funcin objetivo:
Maximizar Z = 0.15X1 + 0.12X2 + 0.09X3 + 0.10X4 + 0.07X5
Restricciones
X1 0.10 (X1 +X2 +X3 + X4 + X5) lmite en monto de pres. quirograf.
0.90X1 0.10X2 0.10X3 0.10X4 0.10X5 0
42
Bonini, Hansman, Bierman. Anlisis Cuantitativo para los Negocios. Novena Edicin. Irwin McGraw-
Hill. Pag. 58
No negatividad
Xi 0 ; i = 1, 5
Producto A Producto B
Precio de venta $60 $40
Costo incremental $30 $10
Utilidad incremental $30 $30
No negatividad
Xi 0 ; i = 1, 2
Solucin GLP
X2
11995 : 0.0 X1 + 1.0 X2 = 12000.0
11400
10805
10210
: 3.0 X1 + 1.0 X2 = 30000.0
9615
9020
8425
7830
7235
6640
6045
5450
4855
4260 : 1.0 X1 + 0.0 X2 = 8000.0
3665
3070
2475
1880
1285
690
95
30 428 826 1224 1622 2020 2418 2816 3214 3612 4010 4408 4806 5204 5602 6000 6398 6796 7194 7592 7990 X1
43
Bonini, Hansman, Bierman. Anlisis Cuantitativo para los Negocios. Novena Edicin. Irwin McGraw-
Hill. Pag. 58
Funcin objetivo
Minimizar Z = 1.80X1 + 0.75X2 + 0.40X3 + 0.15X4
Restricciones
0.40X1 + 0.20X2 + 0.10X3 + 0.05X4 0.15 protenas
0.10X1 + 0.15X2 + 0.35X3 + 0.40X4 0.30 grasas
X1 + X2 + X3 + X4 = 1 total libra de mezcla
No negatividad
Xi 0 ; i = 1, 4
44
Bonini, Hansman, Bierman. Anlisis Cuantitativo para los Negocios. Novena Edicin. Irwin McGraw-
Hill. Pag. 58
Restricciones
0.8X1 + 1.2X2 16 horas de corte
2.0X1 + 3.0X2 30 horas de ensamblaje
0.6667X1 + 2.0X2 16 horas de pre-acabado
5.3334X1 + 4.0X2 64 horas acabado final
No negatividad
Xi 0 ; i = 1, 2
Solucin GLP
45
Hans G. Daellenbach. Introduccin a Tcnicas de Investigacin de Operaciones. CECSA. Pag.59
15
14
Investigacin Operativa I Programacin Lineal
13
12
11
10
Payoff: 40.000 X1 + 50.000 X2 = 559.998
5
: 0.667 X1 + 2.000 X2 = 16.000
4 : 0.800 X1 + 1.200 X2 = 16.000
: 2.000 X1 + 3.000 X2 = 30.000
3
0
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19
No negatividad
Xi 0 ; i = 1, 2
Restricciones
100X1 + 200X2 90 Nutriente A
80X1 + 150X2 48 Nutriente B
40X1 + 20X2 20 Nutriente C
10X1 + 0X2 1.5 Vitamina X
46
Hans G. Daellenbach. Introduccin a Tcnicas de Investigacin de Operaciones. CECSA. Pag. 90
47
Hans G. Daellenbach. Introduccin a Tcnicas de Investigacin de Operaciones. CECSA. Pag. 90
14
Investigacin Operativa I Programacin Lineal
13
12
0.0834X1 + 0.0834X2 1 toneladas de C
11 No negatividad
Xi 0; i = 1, 2
10
Solucin GLP
9
7
: 0.2500 X1 + 0.1000 X2 = 2.0000
0 X1
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
50. La Palysafe Insurane Company of Knockville, ME, dispone de fondos ociosos por
un total de $20 millones, disponible para inversiones a corto y largo plazo. Las
especificaciones gubernamentales requieren que no ms del 80% de todas las
inversiones sean a largo plazo; no ms del 40% de inviertan a corto plazo; y
que la razn entre las inversiones a largo y corto plazo no sean mayor de 3 a 1.
Actualmente, las inversiones a largo plazo rinden el 15% anual; mientras que la
tasa anual para las inversiones a corto plazo es del 10%. Plantese este
problema como programa lineal con el objetivo de maximizar el beneficio
ponderado.48
Restricciones
X1 + X2 20 fondos para inversin
X2 0.80(X1 + X2)
0.80X1 0.20X2 0 inversiones a largo plazo
X2 0.40(X1 + X2)
0.40X1 - 0.60X2 0 inversiones a corto plazo
X2/X1 3/1
3X1 X2 0 relacin entre inversiones
No negatividad
Xi 0 ; i = 1, 2
Solucin GLP
48
Hans G. Daellenbach. Introduccin a Tcnicas de Investigacin de Operaciones. CECSA. Pag. 90
X2
12
11
: 0.4 X1 - 0.6 X2 = 0.0
10 : 0.8 X1 - 0.2 X2 = 0.0
9
0
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 X1
51. Un fabricante de botes de fibra de vidrio produce cuatro modelos diferentes que
deben pasar por tres operaciones diferentes: moldeado, ensamblado y acabado.
La tabla dada contiene toda la informacin necesaria.
Compuesto de
Moldeado Ensamble Acabado moldeado Beneficio
Modelo (h/unid) (h/unid) (h/unid) (gal/unid) ($/unid)
1 2.8 5 10 200 160
2 2.1 3 7.5 200 124
3 4 6 12 280 212
4 3 4 3 220 170
Capac./
semana 48 h 96 h 160 h 4800 gal
Restricciones
2.8X1 + 2.1X2 + 4X3 + 3X4 48 horas de moldeado
5X1 + 3X2 + 6X3 + 4X4 96 horas de ensamble
10X1 + 7.5X2 + 12X3 + 3X4 160 horas de acabado
200X1 + 200X2 + 280X3 + 220X4 4800 galones para moldeado
49
Hans G. Daellenbach. Introduccin a Tcnicas de Investigacin de Operaciones. CECSA. Pag. 91
X4 8
No negatividad
Xi 0 ; i = 1, 4
2 10 3 8 C2
Costo var
/min ($) 0.40 0.50 0.24 0.30
Funcin objetivo:
Minimizar Z = 0.40(10X1 + 8X2 + 8X4) + 0.50(6X3 + 10X5) + 0.24(6X1 +10X2
+ 16X4 + 3X5) + 0.30(3X1 + 9X3 + 8X5)
Minimizar Z = 6.34X1 + 5.6X2 + 5.7X3 + 7.04X4 + 8.12X5
Restricciones
10X1 + 8X2 + 8X4 480 capacidad maquina X
6X3 + 10X5 480 capacidad maquina Y
6X1 +10X2 + 16X4 + 3X5 480 capacidad maquina S
3X1 + 9X3 + 8X5 480 capacidad maquina T
X1 36 demanda del producto A
X2 + X3 45 demanda del producto B
X4 + X5 10 demanda del producto C
No negatividad
Xi 0 ; i = 1, 4
50
Hans G. Daellenbach. Introduccin a Tcnicas de Investigacin de Operaciones. CECSA. Pag. 92
53. Usted est organizando una fiesta y dispone de de las siguientes cantidades de
licor: 48 onz lquidas de whisky, 72 onz lquidas de vodka, 64 onz lquidas de
vermouth blanco, 72 onz de vermouth rojo, 24 onz lquidas de brandy y 18 onz
lquidas de licor de caf. Usted piensa preparar las siguientes bebidas:
Chauncies, Rusos Negros, Italianos Dulces, Ccteles Molotov (Martinis Rusos) y
Whisky en las rocas. Un Chauncy consiste en 2/3 de whisky y 1/3 de vermouth
rojo. Un Ruso Negro consiste de de vodka y de licor de caf. Un Italiano
Dulce consiste de de brandy, de vermouth rojo y vermouth blanco. Los
Ccteles Molotov son una mezcla de 2/3 de vodka y 1/3 de vermouth blanco.
Por ltimo el Whisky en las rocas consiste slo de whisky. Cada trago contiene 4
onz lquidas. Su objetivo es mezclar los ingredientes, en forma tal, que pueda
prepararse el mayor nmero de posible de tragos. Sin embargo, Usted
considera que es necesario preparar cuando menos el doble de Ccteles
Molotov que de Rusos Negros, para proporcionar una seleccin equilibrada.
Plantese como un problema de programacin lineal.51
Resumen:
51
Hans G. Daellenbach. Introduccin a Tcnicas de Investigacin de Operaciones. CECSA. Pag. 94
Restricciones:
2/3*4 X1 + 4X5 48
2X1 + 3X5 36 por contenido de whisky
*4X2 + 2/3*4X4 72
9X2 + 8X4 216 por contenido de Vodka
*4X3 + 1/3*4X4 64
3X3 + 4X4 192 por contenido de Vermouth Blanco
1/3*4X1 + 2/4*4X3 72
4X1 + 6X3 216 por contenido de vermouth Rojo
*4X3 24
X3 24 por contenido de Brandy
*4X2 18
X2 18 por contenido de Licor de Caf
2X2 X4
2X2 X4 0 relacin de Ccteles Molotov/Rusos Negros
No negatividad
Xi 0 ; i = 1, 5
Solucin:
54. ProTrac,Inc. Produce dos lneas de mquina pesada. Una de sus lneas de
productos, llamada equipo de excavacin, se utiliza de manera primordial en
aplicaciones de construccin. La otra lnea, denominada equipo de la silvicultura,
est destinada a la industria maderera. Tanto la mquina ms grande de la lnea
de excavacin (la E-9), como la mayor de toda la lnea del equipo de silvicultura
(la F-9) son fabricadas en los mismos departamentos y con el mismo equipo.
Empleando las proyecciones econmicas correspondientes al siguiente mes, el
gerente de Mercadotecnia de ProTrac ha considerado que durante ese perodo
ser posible vender todas las E-9 y F-9 que la compaa sea capaz de producir.
La gerencia tiene que recomendar ahora una meta de produccin para el mes
prximo. Es decir, cuntas E-9 y F-9 debern fabricar si la direccin de ProTrac
desea maximizar la contribucin del mes entrante a la ganancia ( es decir, el
margen de contribucin, definido como los ingresos menos los costos variables)
Resumen de datos:
HORAS
Maq. E-9 Maq. F-9 Total disponible
Dep. A 10 15 150
Dep. B 20 10 160
Hora de prueba 30 10 135 (150-10%)
2. Funcin objetivo
Maximizar Z = 5000 E-9 + 4000 F-9
Solucin grfica:
55. La empresa Crawler Tread, desea mezclar minerales de hierro de cuatro minas
distintas para fabricar rodamientos destinados a un nuevo producto de Protrac:
un tractor tipo oruga de tamao mediano, el E-6, diseado especialmente para
competir en el mercado europeo. Por medio del anlisis se ha demostrado que ,
para producir una mezcla dotada de las cualidades de traccin adecuadas,
deben cumplirse requerimientos mnimos en relacin con tres elementos bsicos
que, para simplificar, sealaremos aqu como A, B, C. En trminos especficos,
cada tonelada de mineral deber contener cuando menos cinco libras del
elemento bsico A, 100 libras del elemento bsico B y 30 libras del elemento
bsico C.
El mineral extrado de cada una de las cuatro minas posee los tres elementos
bsicos, pero en cantidades distintas. Estas composiciones expresadas en libras
por tonelada, se enumeran en la siguiente tabla:
1. Definicin de variables
T1 = fraccin de toneladas de la mina 1
T2 = fraccin de toneladas de la mina 2
T3 = fraccin de toneladas de la mina 3
T4 = fraccin de toneladas de la mina 4
2. Funcin objetivo
Minimizar Z = 800 T1 + 400 T2 + 600 T3 + 500 T4
3. Restricciones
10 T1 + 3 T2 + 8 T3 + 2 T4 5 (elemento A)
90 T1 + 150 T2 + 75 T3 + 175 T4 100 (elemento B)
45 T1 + 25 T2 + 20 T3 + 37 T4 30 (elemento A)
T1 + T2 + T3 + T4 = 1 (balance)
T1, T2, T3, T4 0 (no negatividad)
53
Eppen. Investigacin de opresiones en la ciencia administrativa. Prentice Hall. Pag 97
Resultados :
Si la compaa sabe que puede vender todos los aparatos Astro y Cosmo que
sea capaz de fabricar. cul deber ser el plan de produccin por cada da (es
decir, la produccin diaria) para cada modelo?54
Solucin GLP
54
Eppen. Investigacin de opresiones en la ciencia administrativa. Prentice Hall. Pag 100
X2
40
38
36
34
32
30
28
26
24
22
20
18
16
14
12 : 0.0 X1 + 1.0 X2 = 50.0
10
8 : 1.0 X1 + 0.0 X2 = 70.0
6
4 : 1.0 X1 + 1.0 X2 = 90.0
2
0 : 1.0 X1 + 2.0 X2 = 120.0
0 5 10 15 20 25 30 35 40 45 50 55 60 65 70 75 80 85 90 95 100 X1
57. De los muchos productos que fabrica la Arco Manufacturing Company, slo los
productos C, D, E y F pasan por los siguientes departamentos: cepillado,
fresado, taladrado y ensamble. Los requerimientos por unidad de producto en
horas y contribucin son los siguientes:
Departamento
Producto Cepillado Fresado Taladrado Ensamble Contr./Unidad
C 0.5 2.0 0.5 3.0 $8
D 1.0 1.0 0.5 1.0 $9
E 1.0 1.0 1.0 2.0 $7
F 0.5 1.0 1.0 3.0 $6
Las capacidades disponibles en este mes para los productos C, D, E y F, as
como los requerimientos mnimos de venta, son:
Departamento Capacidad(horas) Producto Req. Mnimos Venta
Cepillado 1800 C 100 unidades
Fresado 2800 D 600 unidades
Taladrado 3000 E 500 unidades
Ensamble 6000 F 400 unidades
55
Thierauf. Toma de Decisiones por medio de Investigacin de Operaciones. Limusa. Pag. 274
Restricciones
0.5X1 + 1.0X2 + 1.0X3 + 0.5X4 1.800 capacidad Cepillado
2.0X1 + 1.0X2 + 1.0X3 + 1.0X4 2.800 capacidad Fresado
0.5X1 + 0.5X2 + 1.0X3 + 1.0X4 3.000 capacidad Taladrado
3.0X1 + 1.0X2 + 2.0X3 + 3.0X4 6.000 capacidad Ensamble
X1 100 venta de C
X2 600 venta de D
X3 500 venta de E
X4 400 venta de F
No negatividad
Xi 0 ; i = 1, 4
RENDIMIENTO
ANUAL INVERSION
PRECIO POR ESTIMADO POR MAXIMA POSIBLE
ACCIONES ACCION($) ACCION ($) ($)
Gofer Crude 60 7 60.000
Can Oil 25 3 25.000
Sloth Petroleum 20 3 30.000
No negatividad
Xi 0 ; i = 1, 3
56
Eppen. Investigacin de opresiones en la ciencia administrativa. Prentice Hall. Pag 115
57
Eppen. Investigacin de opresiones en la ciencia administrativa. Prentice Hall. Pag 117
Definicin de variables
X1 = cantidad en dlares en Bonos de Tesorera
X2 = cantidad en dlares en Acciones Ordinarias
X3 = cantidad en dlares en Mercado de Dinero
X4 = cantidad en dlares en Ttulos Municipales
Restricciones
X1 + X2 0.30(X1 + X2 + X3 + X4)
0.70X1 + 0.70X2 0.30X3 0.30X4 0 30% de inversin
X3 + X4 0.40(X1 + X2 + X3 + X4)
-0.40X1 0.40X2 + 0.60X3 +0.60X4 0 40% de inversin
X1 5000.000 inversin en Bonos de Tesorera
X2 7000.000 inversin en Acciones Ordinarias
X3 2000.000 inversin en Mercado de Dinero
X4 4000.000 inversin en Ttulos Municipales
X1 + X2 + X3 + X4 10000.000 inversin total
No negatividad
Xi 0 ; i = 1, 4
Solucin al problema
Definicin de variables
X1 = Cantidad de mesas Modelo A
X2 = Cantidad de mesas Modelo B
X3 = Cantidad de mesas Modelo C
X4 = Cantidad de mesa Modelo C sin pintar
58
Eppen. Investigacin de opresiones en la ciencia administrativa. Prentice Hall. Pag 114
No negatividad
Xi 0 ; i = 1, 4
Datos de entrada para Solver
Definicin de variables
X1 = Cantidad en libras de producto A
X2 = Cantidad en libras del producto B
X3 = Cantidad en libras del producto C
62. McNaughton, Inc. Produce dos salsas para carne: Spicy Diablo y Red Baron (la
ms suave). Esta salsa de hacen mezclando dos ingrediente, A y B. Se permite
cierto nivel de flexibilidad en las frmulas de estos productos. Los porcentajes
permisibles, as como la informacin de ingresos y costos, aparecen en la
siguiente tabla. Es posible comprar hasta 40 litros de A y 30 de B. McNaughton
puede vender toda la salsa que elabore. Formule un modelo de programacin
lineal cuyo objetivo sea maximizar las ganancias netas obtenidas por la venta de
estas salsas.60
Restricciones
X1 0.25(X1 + X3)
0.75X1 0.25X3 0 contenido de A en la salsa Spicy
X2 0.75(X2 + X4)
0.25X2 0.75X4 0 contenido de A en la salsa Red
X3 0.50(X1 + X3)
-0.50X1 + 0.50X3 0 contenido de B en la salsa Spicy
X1 + X2 40 mxima compra de litros de A
X3 + X4 30 mxima compra de litros de B
No negatividad
Xi 0 ; i = 1, 4
60
Eppen. Investigacin de opresiones en la ciencia administrativa. Prentice Hall. Pag 115
63. La Corey Anders Spice Company dispone de una cantidad limitada de tres
ingredientes que se utiliza para produccin de condimentos. Corey emplea los
tres ingredientes (HB01, HB02 y HB03) para la elaboracin de crcuma y
pimentn. El departamento de mercadotecnia informa que la compaa puede
vender todo el pimentn que sea capaz de producir, pero solamente se puede
vender un mximo de 1700 botellas de crcuma. Los ingredientes no utilizados
podrn venderse en el mercado. Los precios estn expresados en $/onza. Los
precios actuales son: HB01, $0.60; HB02, $0.70; HB03, $0.55. Adems, Corey
ha firmado un contrato para suministrar 600 botellas de pimentn a Wal-Mart.
En la siguiente tabla se ofrece informacin adicional. Formule el problema de
Corey como un modelo de programacin lineal para maximizacin de ingresos.61
INGREDIENTES PRECIO
(ONZ/BOTELLA) DEMANDA VENTA
HB01 HB02 HB03 (BOTELLAS) /BOTELLA
Crcuma 4 2 1 1700 3.25
Pimentn 3 2 3 ilimitada 2.75
Disponibilidad
61
Eppen. Investigacin de opresiones en la ciencia administrativa. Prentice Hall. Pag 115
Funcin objetivo
Maximizar Z = 3.25X1 + 2.75X2 + 0.60(8000 4X1 3X2)
+ 0.70(9000 2X1 2X2) + 0.55(7000 X1 3X2)
Z = 14.950 5.45X1 6.95X2
Restricciones
4X1 + 3X2 8000 por onzas de HB01
2X1 + 2X2 9000 por onzas de HB02
1X1 + 3X2 7000 por onzas de HB03
X1 1.700 botellas de Crcuma
X2 600 contrato para Pimentn
No negatividad
Xi 0; i = 1, 2
Solucin GLP
Hay tres tipos de fertilizante comercial disponibles; los anlisis y precios por
1000 libras se enlistan en la siguiente tabla. Guy puede comprar cualquier
cantidad de cualquiera de los fertilizantes que quiera y combinarlos antes de
aplicarlos al csped. Formule un modelo de PL que determine la cantidad de
cada fertilizante que debe comprar para satisfacer los requerimientos con un
costo mnimo.62
62
Eppen. Investigacin de opresiones en la ciencia administrativa. Prentice Hall. Pag 116
65. La Ebel Mining Company es propietaria de dos minas que producen cierto tipo
de mineral. Dichas minas est localizadas en distintas partes del pas y, en
consecuencia, presentan diferencias en sus capacidades de produccin y en la
calidad de su mineral. Despus de ser molido el mineral se clasifica en tres
clases dependiendo de la calidad: alta. Media y baja. Ebel ha sido contratada
para suministrar semanalmente a la planta de fundicin de su compaa matriz
12 toneladas de mineral de alta calidad, 8 toneladas de calidad mediana y 24
toneladas de calidad baja. A Ebel le cuesta $ 20.000 diarios operar la primera
mina y $ 16.000 la segunda. Sin embargo en un da de operacin la primera
mina produce 6 tonelada de mineral de alta calidad, 2 toneladas de mediana y 4
toneladas de baja, mientras que la segunda produce 2 toneladas diarias de
material de alta calidad, 2 de mediana y 12 de baja. Cuntos das a la semana
tendr que funcionar cada mina para cumplir los compromisos de Ebel de la
manera ms econmica posible? (En este caso resulta aceptable programar la
operacin de las minas en fracciones de da)63
Definicin de variables
X1 = Nmero de das a la semana (fraccin de semana) de trabajo de
la Mina 1
X2 = Nmero de das a la semana (fraccin de semana) de trabajo de la
Mina 2
Restricciones
6X1 + 2X2 12 mineral de alta calidad
2X1 + 2X2 8 mineral de calidad mediana
4X1 + 12X2 24 mineral de baja calidad
X1 + X2 = 5 mximo tiempo 1 semana (5 das)
No negatividad
Xi 0; i = 1, 2
63
Eppen. Investigacin de opresiones en la ciencia administrativa. Prentice Hall. Pag 116
Solucin GLP
0
0 2 4 6 8 10
Mina
Produccin en Mina 1 2
Das de la semana 1 1 MIN
Costo diario de operacin 20000 16000 36000
USO DE NO
RESTRICCIONES RECURSOS UTILIZADO LIMITE UTILIZADO
Produccin mineral alta c. 6 2 8 12 -4
Produccin mineral mediana c. 2 2 4 8 -4
Produccin mineral baja c. 4 12 16 24 -8
Tiempo mximo una semana 1 1 2 5 3
Mina Mina
Produccin en 1 2
Das de la semana 1 3 MIN
Costo diario de operacin 20000 16000 68000
NO
RESTRICCIONES UTILIZADO LIMITE UTILIZADO
Produccin mineral alta c. 6 2 12 12 9,32E-12
Produccin mineral mediana
c. 2 2 8 8 9,32E-12
Produccin mineral baja c. 4 12 40 24 16
Tiempo mximo una semana 1 1 4 5 1
66. La Sally Solar Car CO., tiene una planta que fabrica automviles sedn,
deportivos y camionetas. Los precios de venta, costos variables y costos fijos
correspondientes a la manufactura de estos vehculos se presentan en la
siguiente tabla:
64
Eppen. Investigacin de opresiones en la ciencia administrativa. Prentice Hall. Pag 116
67. Reese Eichler, fabricante de equipo complementario para filtracin del aire,
produce dos tipos de unidades, el Umidaire y el Depollinator. Los datos
referentes a los precios de venta y a los costos aparecen en la siguiente tabla.
La compaa Resse ha sido contratada para suministrar 500 Umidaire y desea
calcular las cantidades del punto de equilibrio de ambos tipos de unidad.
Formule el modelo de PL para minimizar los costos y resulvalo.65
Definicin de variables
X1 = Cantidad de unidades de Umidaire
X2 = Cantidad de unidades de Depollinator
65
Eppen. Investigacin de opresiones en la ciencia administrativa. Prentice Hall. Pag 117
Solucin GLP
X2
1000
950
900
850 : 1.0 X1 + 0.0 X2 = 500.0
800
750
700
650
600
550
500
450
400
350
300 : 0.0 X1 + 340.0 X2 = 240000.0
250
200
150
100
50
0
0 50 100 150 200 250 300 350 400 450 500 550 600 650 700 750 800 850 900 950 1000 X1
Salida Solver
68. Una compaa opera cuatro granjas, cuyos grados de productividad son
comparables. Cada una de las granjas tiene cierta cantidad de hectreas tiles y
de horas de trabajo para plantar y cuidar la cosecha. Los datos
correspondientes a la prxima temporada aparecen en la siguiente tabla.
HORAS DE TRABAJO
HECTAREAS DISPONIBLES
GRANJA UTILES POR MES
1 500 1700
2 900 3000
3 300 900
4 700 2200
Adems, el total de las hectreas que pueden ser dedicadas a cualquier cultivo
en particular estn limitadas por los requerimientos asociados por concepto de
equipo de ciega. Con la finalidad de mantener una carga de trabajo ms o
menos uniforme entre las distintas granjas, la poltica de la administracin
recomienda que el porcentaje de hectreas plantadas deber ser igual para
todas las granjas. Sin embargo, en cualquiera de esas fincas puede crecer
cualquier combinacin de cultivos, siempre y cuando se satisfagan todas las
restricciones (incluido el requerimiento de la carga de trabajo sea uniforme). La
administracin desea saber cuantas hectreas de cada cultivo tendr que
Definicin de variables
X11 = Cantidad de Ha del Cultivo A en la Granja 1
X12 = Cantidad de Ha del Cultivo A en la Granja 2
X13 = Cantidad de Ha del Cultivo A en la Granja 3
X14 = Cantidad de Ha del Cultivo A en la Granja 4
X21 = Cantidad de Ha del Cultivo B en la Granja 1
X22 = Cantidad de Ha del Cultivo B en la Granja 2
X23 = Cantidad de Ha del Cultivo B en la Granja 3
X24 = Cantidad de Ha del Cultivo B en la Granja 4
X31 = Cantidad de Ha del Cultivo C en la Granja 1
X32 = Cantidad de Ha del Cultivo C en la Granja 2
X33 = Cantidad de Ha del Cultivo C en la Granja 3
X34 = Cantidad de Ha del Cultivo C en la Granja 4
No negatividad
Xij 0; i = 1, 3; j = 1, 4
i = Cultivo; j = Granja
66
Eppen. Investigacin de opresiones en la ciencia administrativa. Prentice Hall. Pag 117
Salida Solver
Cosecha Precio de
Mezcla 1 2 3 4 venta/galn
A * cuando menos 75% 2 Y 3 cuando
en cualquier proporcin menos 8% 80
B * cuando menos * cuando
10% mucho 35% 50
C * Cuando menos 35% 2 y 3 *
en cualquier proporcin 35
Existencias 130 200 150 350
(galones)
* indica que no existe restriccin alguna
Definicin de variables
X11 = Cantidad de galones de vino de la cosecha 1 para mezcla A
X12 = Cantidad de galones de vino de la cosecha 1 para mezcla B
X13 = Cantidad de galones de vino de la cosecha 1 para mezcla C
X21 = Cantidad de galones de vino de la cosecha 2 para mezcla A
X22 = Cantidad de galones de vino de la cosecha 2 para mezcla B
X23 = Cantidad de galones de vino de la cosecha 2 para mezcla C
X31 = Cantidad de galones de vino de la cosecha 3 para mezcla A
X32 = Cantidad de galones de vino de la cosecha 3 para mezcla B
X33 = Cantidad de galones de vino de la cosecha 3 para mezcla C
X41 = Cantidad de galones de vino de la cosecha 4 para mezcla A
X42 = Cantidad de galones de vino de la cosecha 4 para mezcla B
X43 = Cantidad de galones de vino de la cosecha 4 para mezcla C
Funcin Objetivo
Maximizar Z= 80X11 + 80X21 + 80X31 + 80X41 + 50X12 + 50X22 + 50X32 +
50X42 + 35X13 + 35X23 + 35X33 + 35X43
Restricciones
X21 + X31 0.75(X11 + X21 + X31 + X41) por lo menos 75% de 2 y 3 en A
X41 0.08(X11 + X21 + X31 + X41) cuando menos el 8% en A
X22 0.10(X12 + X22 + X32 + X42) cuando menos el 10% en B
X42 0.35(X12 + X22 + X32 + X42) cuando mucho el 35% en B
X23 + X33 0.35(X13 + X23 + X33 + X43) por lo menos 35% de 2 y 3 en C
X11 + X12 + X13 130 mximo de galones de cosecha 1
X21 + X22 + X23 200 mximo de galones de cosecha 2
X31 + X32 + X33 150 mximo de galones de cosecha 3
X41 + X42 + X43 350 mximo de galones de cosecha 4
No negatividad
Xij 0; i = 1, 4; j = 1, 3
67
Eppen. Investigacin de opresiones en la ciencia administrativa. Prentice Hall. Pag 118
i = Cosecha; j = Mezcla