EjCap2 PDF

Cátedra: Investigación Operativa Universidad Tecnológica Nacional
Año: 2002 Facultad Regional Mendoza
RESOLUCION DE EJERCICIOS DEL CAPITULO 2
EJERCICIO 2.1:
Identifique un conjunto de variables de decisión apropiadas para este ejercicio. Proporcione

nombres simbólicos relevantes y una descripción completa de cada variable. No necesita formular el
modelo.
Florida Citrus, Inc., procesa jugo de naranja y lo transforma en concentrado congelado en
tres plantas localizadas en Tampa, Miami y Jacksonville. De cualquiera de los dos huertos ubicados
cerca de Orlando y Gainesville se pueden enviar libras de naranja hacia cualquier planta. Dado el
costo de embarque y el precio de venta del concentrado, el objetivo, sujeto a ciertas restricciones de
oferta y demanda, es determinar como embarcar estas naranjas desde los dos huertos a las tres
plantas procesadoras para maximizar la ganancia total.
Tampa = T
Plantas Miami = M
Orlando = O
Huertos
Jacksonville = J
Gaineisville = G
Huertos Plantas
Variables de decisión:
T
XOT = cantidad de naranjas desde el origen O hasta el destino T.
O XOM = cantidad de naranjas desde el origen O hasta el destino M
XOJ = cantidad de naranjas desde el origen O hasta el destino J.
M
XGT = cantidad de naranjas desde el origen G hasta el destino T.
G XGM = cantidad de naranjas desde el origen G hasta el destino M
XGJ = cantidad de naranjas desde el origen G hasta el destino J.
J
EJERCICIO 2.2:
Identifique un conjunto de variables de decisión apropiadas para este ejercicio. Proporcione
nombres simbólicos relevantes y una descripción completa de cada variable No necesita formular el
modelo.
Pensión Planners, Inc., administra una cartera particular que consiste en 1800, 1000 y 500
acciones de fondos mutuos. Dadas ciertas suposiciones sobre las condiciones económicas en los
siguientes 2 meses, el administrador de la agenda desea determinar el número de acciones de cada
fondo por vender o comprar en cada uno de los siguientes dos meses, para maximizar el valor
esperado de la agenda.
1
.
Fondo1
Ventas
Fondo2
Compras
Fondo3
X1 = cantidad de acciones del fondo 1 por vender en los siguientes dos meses.
X4 = cantidad de acciones del fondo 1 por comprar en los siguientes dos meses.
F1 = cantidad total de acciones del fondo 1 al final de los dos meses.
F2= cantidad total de acciones del fondo 2 al final de los dos meses.
F3 = cantidad total de acciones del fondo 3 al final de los dos meses.
EJERCICIO 2.3:
Para el ejercicio 2.1, el huerto que está cerca de Orlando tiene 20000 libras de naranjas y el
huerto cercano a Gainesville tiene 12000 libras de naranjas.
La planta de Tampa requiere al menos 8000 libras de naranjas para cumplir su cuota de
producción. Las plantas de Miami y Jacksonville requieren cada una al menos 11000 libras de
naranjas. Use la técnica de agrupamiento para identificar todos los grupos de restricciones. No
necesita formular las restricciones; sin embargo, especifique el número de restricciones de cada
grupo.
Restricciones de no negatividad:
Xi >= 0 siendo i = 1 6
Restricciones de producción:
XOT + XOM + XOJ < = 20000 Orlando puede enviar hasta 20000 libras de naranjas
XGT + XGM + XGJ < = 12000 Gainesville puede enviar hasta 12000 libras de
naranjas
2
Restricciones de demanda:
XOT + XGT >= 8000 Tampa requiere al menos 8000 libras de naranjas
XOM + XGM >= 11000 Miami requiere al menos 11000 libras de naranjas.
XOJ + XGJ >= 11000 Jacksonville requiere al menos 11000 libras de
naranjas.
EJERCICIO 2.4:
Al determinar el número de acciones por comprar o vender en el ejercicio 2.2, la

administración nunca desearía vender más acciones de las que tiene. Asimismo, el fondo 1 en
ningún caso debe tener más del doble de acciones del fondo 2, y este último tampoco debe tener
más del doble del número de acciones del fondo 3.
Finalmente, la cantidad total invertida en cada fondo no debe exceder los $75 000. Use la
técnica de agrupamiento para identificar todos los grupos de restricciones. No necesita formular las
restricciones; sin embargo, especifique el número de restricciones de cada grupo.
Restricciones de venta:
F1 = 1800 + X4 – X1 El total del fondo1 es lo que tiene más lo que compra y vende.
F2 = 1000 + X5 - X2 El total del fondo2 es lo que tiene más lo que compra y vende.
F3 = 500 + X6 - X3 El total del fondo3 es lo que tiene más lo que compra y vende.
X1 < = 1800 + X4 Lo que hay para vender del fondo1 debe ser al menos la suma de lo que
tiene más lo que compra.
Restricciones de compra:
F1 < = 2 * F2 El fondo1 en ningún caso debe tener más del doble de acciones del fondo2
F2 < = 2 * F3 El fondo2 en ningún caso debe tener más del doble de acciones del fondo3
Restricciones de inversión:
F1 < = 75000 La cantidad total invertida en el fondo1 no debe exceder los $75 000.
F2 < = 75000 La cantidad total invertida en el fondo2 no debe exceder los $75 000
F3 < = 75000 La cantidad total invertida en el fondo3 no debe exceder los $75 000
3
EJERCICIO 2.5
Para el ejercicio 2.1, use la técnica de descomposición para expresar la función objetivo de
maximización de ganancias dados los siguientes datos de costo e ingresos:
COSTO DE EMBARQUE ($/Ton) A

DESDE TAMPA MIAMI JAKSONVILLE
Orlando 50 75 60
Gainesville 60 90 45
INGRESOS
($/ton de naranjas procesadas)
Tampa 550
Miami 750
Jacksonville 600
Función objetivo de maximización de ganancias:
Z = (XOT* Ingresos - XOT* Costos) + (XOM * Ingresos - XOM * Costos) + (XOJ * Ingresos - XOJ *
Costos) + (XGT * Ingresos - XGT * Costos) + (XGM * Ingresos - XGM * Costos) + (XGJ * Ingresos -
XGJ * Costos)
Z = (XOT* 550 - XOT* 50) + (XOM * 750 - XOM * 75) + (XOJ * 600 - XOJ * 60) + (XGT * 550 - XGT *
60) + (XGM * 750 - XGM * 90) + (XGJ * 600 - XGJ * 45)
Mediante Lingo:
MAX = (Xot*550 - Xot*50)+(Xom*750 - Xom*75)+ (Xoj*600 -

Xoj*60)+(Xgt*550 - Xgt*60)+ (Xgm*750 - Xgm*90)+(Xgj*600 -
Xgj*45);
Xot >=0;
Xom >=0;
Xoj >=0;
Xgt >=0;
Xgm >=0;
Xgj >=0;
Xot+Xom+Xoj <=20000;
Xgt+Xgm+Xgj <=12000;
Xot+Xgt >=8000;
Xom+Xgm >=11000;
Xoj+Xgj >=11000;
4
Solution Report
Global optimal solution found at step: 10
Objective value: 0.1887000E+08
Variable Value Reduced Cost
XOT 7000.000 0.0000000
XOM 13000.00 0.0000000
XOJ 0.0000000 25.00000
XGT 1000.000 0.0000000
XGM 0.0000000 5.000000
XGJ 11000.00 0.0000000
Row Slack or Surplus Dual Price
1 0.1887000E+08 1.000000
2 7000.000 0.0000000
3 13000.00 0.0000000
4 0.0000000 0.0000000
5 1000.000 0.0000000
6 0.0000000 0.0000000
7 11000.00 0.0000000
8 0.0000000 675.0000
9 0.0000000 665.0000
10 0.0000000 -175.0000
11 2000.000 0.0000000
12 0.0000000 -110.0000
Mediante Solver::
5
Celdas cambiantes
Nombre Valor final Valor inicial
Xot>=0 7000 0
Xom>=0 13000 0
Xoj>=0 0 0
Xgt>=0 1000 0
Xgm>=0 0 0
Xgj>=0 11000 0
Restricciones
Nombre Valor final lado Valor final lado Valor inicial lado Valor inicial lado
derecho izquierdo derecho izquierdo
Xot+Xom+Xoj<=20000 20000 20000 0 20000
Xgt+Xgm+Xgj<=12000 12000 12000 0 12000
Xot+Xgt>=8000 8000 8000 0 8000
Xom+Xgm>=11000 13000 11000 0 11000
Xoj+Xgj>=11000 11000 11000 0 11000
Función objetivo Z = (Xot* 550 - Xot* 50) + (Xom * 750 - Xom * 75) +
(Xoj * 600 - Xoj * 60) + (Xgt * 550 - Xgt * 60) +
(Xgm * 750 - Xgm * 90) + (Xgj * 600 - Xgj * 45)
Z= 18870000
EJERCICIO 2.6:
Para el ejercicio 2.2, suponga que al final del segundo mes se espera que el precio por
acción del Fondo 1 sea $28, que el del Fondo 2 sea $60 y el del Fondo 3, $45. Formule una
restricción para asegurar que con estos precios, el valor de la cartera al final del segundo mes sea al
menos $ 125 000. Ilustre el uso de la descomposición.
Restricción de ganancia:
28 * F1 + 60 * F2 + 45 * F3 > = 125000
Función Objetivo:
Z = 28 * ( 1800 + X4 – X1 ) + 60 * ( 1000 + X5 – X2 ) + 45 * ( 500 + X6 – X3 )

Z = 28* F1 + 60 * F2 + 45 * F3
Mediante Lingo:
MAX = 28*(1800 + X4 - X1)+ 60*(1000 + X5 - X2)+ 45*(500 + X6 -

X3);
X1 >=0;
X2 >=0;
X3 >=0;
X4 >=0;
6
X5 >=0;
X6 >=0;
1800 + X4 - X1 <= 2*(1000 + X5 - X2);

1000 + X5 - X2 <= 2*(500 + X6 - X3);
28*(1800 + X4 - X1) <= 75000;

60*(1000 + X5 - X2) <= 75000;
45*(500 + X6 - X3) <= 75000;
28*(1800 + X4 - X1)+
60*(1000 + X5 - X2)+
45*(500 + X6 - X3) >= 125000;
Solution Report
Objective value: 220000.0
X4 700.0000 0.0000000
X1 0.0000000 0.0000000
X5 250.0000 0.0000000
X2 0.0000000 0.3337860E-05
X6 1166.667 0.0000000
X3 0.0000000 0.0000000
1 220000.0 1.000000
2 0.0000000 0.0000000
3 0.0000000 0.0000000
4 0.0000000 0.0000000
5 700.0000 0.0000000
6 250.0000 0.0000000
7 1166.667 0.0000000
8 0.0000000 28.00000
9 2083.333 0.0000000
10 5000.000 0.0000000
11 0.0000000 1.933333
12 0.0000000 1.000000
13 95000.00 0.0000000
7
Mediante Solver:
Celdas cambiantes
Nombre Valor inicial Valor final
X1>=0 0 1042
X2>=0 0 0
X3>=0 0 0
X4>=0 0 1742
X5>=0 0 250
X6>=0 0 1167
Restricciones
Nombre Valor inicial Valor Final Valor inicial Valor Final
lado derecho lado derecho lado izquierdo lado izquierdo
F3 500+X6-X3 500 625
F1 1800+X4-X1<= 2*F2 1800 2500 2000 2500
F2 1000+X5-X2<= 2*F3 1000 1250 1000 1250
F1 28*(1800+X4-X1)<=75000 50400 70000 75000 75000
F2 60*(1000+X5-X2)<=75000 108000 75000 75000 75000
F3 45*(500+X6-X3)<=75000 22500 75000 75000 75000
28*F1+60*F2+45*F3>=125 132900 220000 125000 125000
000
Función objetivo: Z= 28*F1 + 60*F2 + 45*F3

Z= 220000
EJERCICIO 2.7:
World Oil Company puede comprar dos tipos de petróleo crudo: crudo ligero a un costo de
$25 por barril, y petróleo pesado a $22 por barril. Cada barril de petróleo crudo, ya refinado,
produce tres productos: gasolina, turbosina y queroseno. La siguiente tabla indica las cantidades en
barriles de gasolina, turbosina y queroseno producidos por barril de cada tipo de petróleo crudo:
GASOLINA TURBOSINA QUEROSENO

Crudo ligero 0.45 0.18 0.30
Crudo pesado 0.35 0.36 0.20
La refinería se ha comprometido a entregar 1260000 barriles de gasolina, 900000 barriles de

turbosina y 300000 barriles de queroseno. Como gerente de producción, formule un modelo para
determinar la cantidad de cada tipo de petróleo crudo por comprar para minimizar el costo total al
tiempo que se satisfaga la demanda apropiada. Defina todas las variables de decisión. Use el
esquema de la sección 2.3 para clasificar su modelo.
X1= cantidad de barriles de petróleo ligero

X2= cantidad de barriles de petróleo pesado
8
0.45 * X1 + 0.35 * X2 > = 1260000 cantidad de barriles de gasolina a entregar

0.18 * X1 + 0.36 * X2 > = 900000 cantidad de barriles de turbosina a entregar
0.30 * X1 + 0.20 * X2 > = 300000 cantidad de barriles de queroseno a entregar
Función objetivo:
Minimizar el costo total al tiempo que se satisfaga la demanda apropiada.
MIN = 25 * X1 + 22 * X2
EJERCICIO 2.8
Reconsidere el ejercicio 2.7. Cada barril de petróleo crudo refinado produce un desecho de
0.07 de barril que se tira a un costo de $1 por barril de desecho. De manera similar, cada barril de
petróleo crudo pesado produce un desecho de 0.09 de barril y su eliminación cuesta $1.50 por barril.
Formule un nuevo modelo para incorporar estos costos adicionales usando los mismos datos del
ejercicio 2.7.
Función objetivo:
Z= (X1*25 + X1* 0.07*1) + (X2*22 + X2*0.09*1.50)
Mediante Lingo:
MIN= (X1*25 + X1* 0.07*1) + (X2*22 + X2*0.09*1.50);

X1>=0;
X2>=0;
0.45 * X1 + 0.35 * X2 > = 1260000;
0.18 * X1 + 0.36 * X2 > = 900000;
0.30 * X1 + 0.20 * X2 > = 300000;
Resolución:
Solution Report
9

Objective value: 0.7494100E+08

X1 1400000. 0.0000000
X2 1800000. 0.0000000

1 0.7494100E+08 1.000000
2 1400000. 0.0000000
3 1800000. 0.0000000
4 0.0000000 -50.91818
5 0.0000000 -11.98232
6 480000.0 0.0000000
Mediante Solver:
Celdas cambiantes
Nombre Valor Inicial Valor final
X1>=0 0 1400000
X2>=0 0 1800000
Restricciones
Nombre Valor final Valor final lado Valor inicial lado Valor inicial
lado derecho izquierdo derecho lado izquierdo
0.45 * X1 + 0.35 * X2 > = 1260000 1260000 0 1260000
1260000
0.18 * X1 + 0.36 * X2 > = 900000 900000 0 900000
900000
0.30 * X1 + 0.20 * X2 > = 780000 300000 0 300000
300000
Función objetivo Z= (X1*25 + X1* 0.07*1) + (X2*22 + X2*0.09*1.50)

Z= 74941000
EJERCICIO 2.9:
10
Carmac Company fabrica carros compactos y subcompactos. La producción de cada carro

requiere una cierta cantidad de materia prima y mano de obra, como se especifica en la siguiente
tabla:
MATERIA MANO DE
PRIMA OBRA
(libras) (horas)
Compactos 200 18
Subcompactos 150 20
Costo unitario ($) 10 70
Total disponible 80000 9000
La división de comercialización ha estimado que a lo más 1500 compactos pueden venderse

a $ 10 000 cada uno y que a lo más 200 subcompactos pueden venderse a $8000 cada uno. Como
vicepresidente de programación, formule un modelo para determinar la cantidad a fabricar de cada
tipo de carro para maximizar la ganancia total (ingresos menos gastos). Defina todas las variables de
decisión. Use el esquema de la sección 2.3 para clasificar su modelo.
Costo de un auto compacto: cant Materia Prima*costo + cant Mano de Obra*costo

= 200*10 + 18*70 = $3260
Costo de un auto subcompacto: cant Materia Prima*costo + cant Mano de Obra*costo

= 150*10 + 20*70 = $2900
X1= cantidad de carros compactos
X2= cantidad de carros subcompactos
Función objetivo:
Maximizar la ganancia total (ingresos menos gastos).
MAX = (X1*10000 + X2*8000) – (X1*3260 + X2*2900)
Restricciones de disponibilidad:
X1*2000 + X2*1500 <= 80000 Total disponible de materia prima

X1*18 + X2*20 <= 9000 Total disponible de mano de obra
X1<= 1500 a lo más 1500 compactos pueden venderse
X2<= 200 a lo más 200 subcompactos pueden venderse
Mediante Lingo:
MAX = (X1*10000 + X2*8000)- (X1*3260 + X2*2900);
11
X1>=0;
X2>=0;
X1*200 + X2*150 <= 80000 ;
X1*18 + X2*20 <= 9000 ;
X1<= 1500;
X2<= 200;
Solution Report
Objective value: 2705000.
X1 250.0000 0.0000000
X2 200.0000 0.0000000
1 2705000. 1.000000
2 250.0000 0.0000000
3 200.0000 0.0000000
4 0.0000000 33.70000
5 500.0000 0.0000000
6 1250.000 0.0000000
7 0.0000000 45.00000
Mediante Solver:
Celdas cambiantes
X1>=0 0 250
X2>=0 0 200
Restricciones
Nombre Valor final Valor final Valor inicial Valor inicial
lado derecho lado izquierdo lado derecho lado izquierdo
X1*200 + X2*150 <= 80000 80000 0 80000
80000
X1*18 + X2*20 <= 8500 9000 0 9000
9000
X1<=1500 250 1500 0 1500
X2<=200 200 200 0 200
Función objetivo Z= (X1*10000 + X2*8000) – (X1*3260 +

X2*2900)
Z= 2705000
EJERCICIO 2.10:
12
Fresh Dairy Farms tiene dos máquinas distintas para procesar leche pura y producir leche
descremada, mantequilla o queso. La cantidad de tiempo requerido en cada máquina para producir
cada unidad de producto resultante y las ganancias netas se proporcionan en la siguiente tabla:
LECHE MANTEQUILLA QUESO

DESCREMADA
Máquina 1 0.2 min/gal 0.5 min/lb 1.5 min/lb
Máquina 2 0.3 min/gal 0.7 min/lb 1.2 min/lb
Ganancia neta $0.22/gal $0.38/lb $0.72/lb
Suponiendo que se dispone de 8 horas en cada máquina diariamente, como gerente del
departamento de producción, formule un modelo para determinar un plan de producción diaria que
maximice las ganancias corporativas netas y produzca un mínimo de 300 galones de leche
descremada, 200 libras de mantequilla y 100 libras de queso.
X1= cantidad de leche descremada
X2= cantidad de mantequilla
X3= cantidad de queso
Función objetivo: Maximice las ganancias corporativas netas.
MAX = 0.22 * X1 + 0.38 * X2 + 0.72 * X3
X1>= 300 producción mínima de leche
X2>=200 producción mínima de mantequilla
X3>=100 producción mínima de queso
X1*0.2 + X2*0.5 + X3*1.5 <=480 producción diaria en máquina 1
X1*0.3 + X2*0.7 + X3*1.2 <=480 producción diaria en máquina 2
Mediante Lingo:
MAX = 0.22 * X1 + 0.38 * X2 + 0.72 * X3;
X1>= 300;
X2>=200;
X3>=100;
X1*0.2 + X2*0.5 + X3*1.5 <=480;
X1*0.3 + X2*0.7 + X3*1.2 <=480;
X1 733.3333 0.0000000
X2 200.0000 0.0000000
X3 100.0000 0.0000000
1 309.3333 1.000000
2 433.3333 0.0000000
3 0.0000000 -0.1333333
13
4 0.0000000 -0.1600000
5 83.33333 0.0000000
6 0.0000000 0.7333333
Mediante Solver:
Celdas cambiantes
X1>=0 0 733
X2>=0 0 200
X3>=0 0 100
Restricciones
Nombre Valor final lado Valor final lado Valor inicial lado Valor inicial lado
derecho izquierdo derecho izquierdo
X1>=300 733 300 0 300
X2>=200 200 200 0 200
X3>=100 100 100 0 100
X1*0.2 + X2*0.5 + 397 480 480
X3*1.5 <=480
X1*0.3 + X2*0.7 + 480 480 0 480
X3*1.2 <=480
Función objetivo Z=0.22 * X1 + 0.38 * X2 + 0.72 * X3

Z= 309
EJERCICIO 2.11:
Cada galón de leche, libra de queso y libra de manzanas proporciona un número conocido
de miligramos de proteínas y vitaminas A, B y C. La siguiente tabla incluye esos datos junto con los
requerimientos diarios de los ingredientes nutricionales, según lo recomendado por el Departamento
de Agricultura de los EE.UU. La tabla también incluye la cantidad mínima de cada alimento que
debe incluirse en la comida y su costo.
LECHE QUESO MANZANAS REQUERIMIENTOS

(mg/gal) (mg/lb) (mg/lb) MÍN. DIARIOS (mg)
Proteínas 40 30 10 80
Vitamina A 5 50 30 60
Vitamina B 20 30 40 50
Vitamina C 30 50 60 30
Cantidad mínima 0.5gal 0.5lb 0.5lb
Costo unitario ($) 2.15 2.25 1.25
Como dietista de una escuela pública, formule un modelo para determinar la comida de costo
mínimo que reúna todos los requerimientos nutricionales. Use el esquema de la sección 2.3 para
clasificar su modelo.
X1= cantidad de leche a consumir.
X2= cantidad de queso a consumir
14
X3= cantidad de manzanas a consumir
Función objetivo:
Costo mínimo de comida que reúna todos los requerimientos nutricionales.
MIN = 2.15 * X1 + 2.25 * X2 + 1.25 * X3
Restricciones de consumo mínimo:
40 * X1 + 30 * X2 + 10 * X3 >= 80 requerimiento mínimo diario de proteínas
5 * X1 + 50 * X2 + 30 * X3 >= 60 requerimiento mínimo diario de vtamina A
20 * X1 + 30 * X2 + 40 * X3 >= 50 requerimiento mínimo diario de vitamina B
30 * X1 + 50 * X2 + 60 * X3 >= 30 requerimiento mínimo diario de vitamina C
X1 > = 0.5 cantidad mínima de leche, a consumir diariamente
X2 > = 0.5 cantidad mínima de queso, a consumir diariamente
X3 > = 0.5 cantidad mínima de manzanas, a consumir diariamente
Mediante Lingo:
MIN = 2.15 * X1 + 2.25 * X2 + 1.25 * X3;
40 * X1 + 30 * X2 + 10 * X3 >= 80;
5 * X1 + 50 * X2 + 30 * X3 >= 60;
20 * X1 + 30 * X2 + 40 * X3 >= 50;
30 * X1 + 50 * X2 + 60 * X3 >= 30;
X1 > = 0.5;
X2 > = 0.5;
X3 > = 0.5;
X1 1.297297 0.0000000
X2 0.7702703 0.0000000
X3 0.5000000 0.0000000
1 5.147297 1.000000
2 0.0000000 -0.5202703E-01
3 0.0000000 -0.1378378E-01
4 19.05405 0.0000000
5 77.43243 0.0000000
6 0.7972973 0.0000000
7 0.2702703 0.0000000
8 0.0000000 -0.3162162
Mediante Solver:
Celdas cambiantes
X1>=0 0,00 1,05
X2>=0 0,00 1,09
X3>=0 0,00 0,50
15
Restricciones
Nombre Valor final Valor final Valor inicial Valor inicial
lado derecho lado izquierdo lado derecho lado izquierdo
40 * X1 + 30 * X2 + 10 * 80,00 80,00 0,00 80,00
X3 >= 80
5 * X1 + 50 * X2 + 30 * X3 60,00 60,00 0,00 60,00
>= 60
20 * X1 + 30 * X2 + 40 * 73,92 50,00 0,00 50,00
X3 >= 50
30 * X1 + 50 * X2 + 60 * 116,35 30,00 0,00 30,00
X3 >= 30
X1 > = 0.5 1,05 0,50 0,00 0,50
X2 > = 0.5 1,09 0,50 0,00 0,50
X3 > = 0.5 0,50 0,50 0,00 0,50
Función objetivo Z=2.15 * X1 + 2.25 * X2 +

1.25 * X3
Z= 5,35
EJERCICIO 2.13:
Rich Oil Company, cerca de Cleveland, suministra gasolina a sus distribuidores en

camiones. La compañía recientemente recibió un contrato para iniciar el suministro de $800 000
galones de gasolina por mes a distribuidores de Cincinnati. La compañía tiene $500 000 disponibles
para crear una flota consistente en tres tipos diferentes de camiones. En la siguiente tabla se muestra
la capacidad relevante, costo de compra, costo operativo y número máximo de viajes por cada tipo
de camión:
TIPO DE CAPACIDAD COSTO DE COSTO DE MÁXIMO DE

CAMIÓN (galones) COMPRA ($) OPERACIÓN VIAJES/MES
($/mes)
1 6000 50 000 800 20
2 3000 40 000 650 25
3 2000 25 000 500 30
Sobre la base del mantenimiento y la disponibilidad de conductores, la compañía no desea

comprar mas de 10 vehículos para su flota. Asimismo, la compañía desearía asegurarse que se
compren al menos tres de los camiones del tipo 3 (se requieren para su uso en las rutas de trayecto
corto/baja demanda). Finalmente, la compañía no desea que más de la mitad de la flota sea de
camiones del tipo 1.
16
Como gerente de operaciones, formule un modelo para determinar la composición de la flota

que minimice los costos operativos mensuales al tiempo que satisfagan las demandas, no saliéndose
del presupuesto y satisfaciendo los requerimientos de las otras compañías. Use el esquema de la
sección 2.3 para clasificar su modelo.
XI :Nº de camiones tipo I
Restricciones de costo: X1+X2+X3 <= 10

X3 >=3
Restricciones de X1 - X2 - X3 <= 0
demanda:
Inversión Inicial X1.50000+X2.40000+X3.25000 <= 500000

Restricciones de contrato X1.20.6000+X2.25.3000+ X3. 30.2000 >= 800000
Función objetivo: Min [800 X1 + 650 X2+ 500 X3]
Mediante Lindo:
MIN 800 X1 + 650 X2 + 500 X3
ST
500000 X1 + 40000 X2 + 25000 X3 <= 500000
120000 X1 + 75000 X2 + 60000 X3 <= 800000
X1 + X2 + X3 <= 10
X3 >= 3
X1 - X2 - X3 <= 0
END
Resolución:
LP OPTIMUM FOUND AT STEP 1
OBJECTIVE FUNCTION VALUE
1) 1500.000
VARIABLE VALUE REDUCED COST
X1 0.000000 800.000000
X2 0.000000 650.000000
X3 3.000000 0.000000
ROW SLACK OR SURPLUS DUAL PRICES
2) 425000.000000 0.000000
3) 620000.000000 0.000000
4) 7.000000 0.000000
5) 0.000000 -500.000000
6) 3.000000 0.000000
NO.ITERATIONS=1
EJERCICIO 2.14:
World Airlines reabastece sus aeronaves regularmente en los cuatro aeropuertos en donde
da servicio. La turbosina puede comprarse a tres vendedores posibles en cada aeropuerto. La tabla
17
indica (1) el costo de entrega (compra mas embarque) por mil galones de cada vendedor a cada
aeropuerto, (2) el número disponible de miles de galones que cada vendedor puede suministrar cada
mes y (3) el requerimiento mensual de turbosina (en miles de galones) en cada aeropuerto.
COSTO DE ENTREGA CANTIDAD DE

COMBUSTIBLE
REQUERIDO
AEROPUERTO Vendedor 1 Vendedor 2 Vendedor 3
1 900 800 900 150
2 900 1200 1300 250
3 800 1300 500 350
4 1000 1400 1000 480
Provisión 300 600 700
máxima
Formule un modelo para determinar las cantidades que se deben comprar y enviar por parte
de cada vendedor a cada aeropuerto para minimizar el costo total, satisfaciendo al mismo tiempo
por lo menos la demanda mensual a cada aeropuerto y no excediendo el suministro de cualquier
vendedor. Use el esquema de la sección 2.3 para clasificar su modelo.
Variables de decisión
XIj : cantidad de gasolina del vendedor j al aeropuerto i
X1 + X5 + X9 >= 150
X2 + X6 + X10 >= 250
X3 + X7 + X11 >= 350
Restricciones X4 + X9 + X12 >= 480
X1 + X2 + X3 + X4 <= 300
X5 + X6 + X7 + X8 <= 600
X9 + X10 + X11 + X12 <= 700
Función Objetivo : Z= Min [X1. 900 + X5 . 800 + X9 . 900 + X2 . 900 + X6. 1200 + X10 . 1300 +
X3 . 800 + X7 . 1300 + X11. 500 + X4 . 1000 + X9 . 1400 + X12 . 1000 ]
Mediante Lindo:
MIN 900 X1 + 900 X2 + 800 X3 +1000 X4 + 800 X5 + 1200 X6 +

1300 X7 + 1400 X8 + 900 X9 + 1300 X10 + 500 X11 + 1000 X12
ST
X1 + X2 + X3 + X4 <= 300
18
X5 + X6 + X7 + X8 <= 600
X9 + X10 + X11 + X12 <= 700
X1 + X5 + X9 >= 150
X2 + X6 + X10 >= 250
X3 + X7 + X11 >= 350
X4 + X9 + X12 >= 480
END
Resolución:
1) 869000.0

X1 0.000000 1200.000000
X2 170.000000 0.000000
X3 0.000000 200.000000
X4 130.000000 0.000000
X5 0.000000 800.000000
X6 80.000000 0.000000
X7 0.000000 400.000000
X8 0.000000 1400.000000
X9 350.000000 0.000000
X10 0.000000 500.000000
X11 350.000000 0.000000
X12 0.000000 100.000000
2) 0.000000 300.000000
3) 520.000000 0.000000
4) 0.000000 400.000000
5) 200.000000 0.000000
6) 0.000000 -1200.000000
7) 0.000000 -900.000000
8) 0.000000 -1300.000000
NO.ITERATIONS=5
EJERCICIO 2.15:
Mason Communication Commision ha recibido solicitudes de asignación de frecuencias de

cuatro nuevas estaciones de radio. Dos frecuencias de radio interfieren si están a 0.5 megahertz de
distancia. Las siguientes frecuencias (en meagahertz) están actualmente disponibles: 100.0, 100.1,
100.3, 100.7, 101.0, 101.1, 101.4, 101.8. Formule un modelo para determinar si la comisión puede
19
asignar cuatro nuevas frecuencias y, si es asi, cuáles. Use el esquema de la sección 2.3 para
clasificar su modelo. (Sugerencia: es usted libre para asignar o no cada frecuencia, así que considere
las variables 0-1.)
100.0 100.1 100.3 100.7 101.0 101.1 101.4 101.8

X1 X2 X3 X4 X5 X6 X7 X8
Xj = 0;1 son enteras

X1 + X2 + X3 <= 1
X3 + X4 <= 1
X4 + X5 + X6 <= 1
Restricciones:
X5 + X6 <= 1
X5 + X6 +X7 <= 1
X6 + X7 <= 1
X7 + X8 <= 1
Función objetivo: Z= MAX X1 + X2 + X3 + X4 + X5 + X6 + X7 + X8
Mediante Lindo:
MIN X1 + X2 + X3 + X4 + X5 + X6 + X7 + X8
ST
X1 + X2 + X3 <= 1
X3 + X4 <= 1
X4 + X5 + X6 <= 1
X5 + X6 <= 1
X5 + X6 + X7 <= 1
X6 + X7 <= 1
X7 + X8 <= 1
END
Resolución:
1) 0.0000000E+00

X1 0.000000 1.000000
X2 0.000000 1.000000
20
X3 0.000000 1.000000
X4 0.000000 1.000000
X5 0.000000 1.000000
X6 0.000000 1.000000
X7 0.000000 1.000000
X8 0.000000 1.000000

2) 1.000000 0.000000
3) 1.000000 0.000000
4) 1.000000 0.000000
5) 1.000000 0.000000
6) 1.000000 0.000000
7) 1.000000 0.000000
8) 1.000000 0.000000
NO. ITERATIONS= 0
EJERCICIO 2.16:
La cuidad de Dakota Heigts desea determinar cuántas subestaciones postales se requieren

para dar servicio a su población. La ciudad ha sido dividida en ocho zonas postales. Se han
identificado cinco ubicaciones posibles para las subestaciones. Cada ubicación puede dar servicio a
un número de zonas, como se indica en la siguiente tabla:
UBICACIÓN ZONAS QUE SE

PUEDEN ATENDER
1 1,2,3
2 1,4,5
3 2,4,5,8
4 3,5,6,8
5 6,7,8
Formule un modelo para determinar el menor número de subestaciones ( y sus ubicaciones)

necesarias para dar servicio a las ocho zonas postales. Use el esquema de la sección 2.3 para
clasificar su modelo. (Sugerencia: defina una variable apropiada para cada ubicación.)
Xi : ubicación i ocupada / no ocupada ( 0 o 1)
Restricciones: X1 + X2 <= 1
X1 + X3 <= 1
X1 + X4 <= 1
X2 + X3 <= 1
21
X2 + X3 + X4 <= 1
X4 + X5 <= 1
X3 + X5 <= 1
Función objetivo:
Z= MIN X1 + X2 + X3 + X4 + X5 + X6 + X7 + X8 + X9 + X10 + X11 + X12 + X13 + X14 + X15

+ X16 + X17
Mediante Lindo:
MIN X1 + X2 + X3 + X4 + X5 + X6 + X7 + X8 + X9 + X10 + X11 +

X12 + X13 + X14 + X15 + X16 + X17
ST
X1 + X2 <= 1
X1 + X3 <= 1
X1 + X4 <= 1
X2 + X3 <= 1
X2 + X3 + X4 <= 1
X4 + X5 <= 1
X4 + X5 <= 1
X3 + X5 <= 1
END
Resolución:

1) 0.0000000E+00
X1 0.000000 1.000000
X2 0.000000 1.000000
X3 0.000000 1.000000
X4 0.000000 1.000000
X5 0.000000 1.000000
X6 0.000000 1.000000
X7 0.000000 1.000000
X8 0.000000 1.000000
X9 0.000000 1.000000
X10 0.000000 1.000000
X11 0.000000 1.000000
X12 0.000000 1.000000
X13 0.000000 1.000000
X14 0.000000 1.000000
X15 0.000000 1.000000
X16 0.000000 1.000000
22
X17 0.000000 1.000000

2) 1.000000 0.000000
3) 1.000000 0.000000
4) 1.000000 0.000000
5) 1.000000 0.000000
6) 1.000000 0.000000
7) 1.000000 0.000000
8) 1.000000 0.000000
9) 1.000000 0.000000
NO. ITERATIONS= 0
EJERCICIO 2.17:
Tres divisiones de Twinsburg Company fabrican un producto en el que cada unidad

completa consiste en 4 unidades de componente A y 3 unidades del componente B.
Los dos componentes (A y B) se fabrican a partir de 2 materias primas diferentes.
Existen 100 unidades de la materia prima 1 y 200 unidades de la materia prima 2 disponibles c/1 .
Cada una de las tres divisiones usa un método diferente para fabricar los componentes, dando
como resultado distintos requerimientos de materia prima por corrida de producción en cada
división y el numero de cada componente producido por esa corrida.
ENTRADA SALIDA
MATERIA COMPONENTE
PRIMA
DIVISION 1 2 A B
1 8 6 7 5
2 5 9 6 9
3 3 8 8 4
Por ejemplo cada corrida de producción de la división 1 requiere 8 unidades de la materia

prima 1 y 6 unidades de la materia prima 2. El producto de esta corrida es 7 unidades de A y 5
unidades de B.
Como gerente de producción, formule un modelo de producción para determinar el numero de
corridas de producción para cada división que maximice el numero total de unidades terminadas
del producto final.
XU: Número de corridas de la división de 1.
XD: Número de corridas de la división de 2.
XT: Número de corridas de la división de 3.
A: Número del componente A.
B: Número del componente B.
23
C: Número del componente C.
8 XU + 5 XD + 3 XT <= 100
6 XU + 9 XD + 8 XT <= 200
7XU + 6 XD + 8 XT = A 7 XU + 6 XD + 8
Restricciones
XT – A = 0
5 XU + 9 XD + 4 XT = B 5 XU + 9 XD + 4
XT – B =0
Mediante Lindo:
MAX 4 A + 3 B
SUBJECT TO
6 XU + 9 XD + 8 XT >= 200
8 XU + 5 XD + 3 XT <= 100
7 XU + 6 XD + 8 XT - A = 0
5 XU + 9 XD + 4 XT - B = 0
END
Resolución:

1) 1466.667
A 266.666656 0.000000
B 133.333328 0.000000
XU 0.000000 74.333336
XD 0.000000 22.333334
XT 33.333332 0.000000
2) 66.666664 0.000000
3) 0.000000 14.666667
4) 0.000000 -4.000000
5) 0.000000 -3.000000
NO. ITERATIONS= 2
EJERCICIO 2.18:
Los dos productos que produce case chemicals, CS-01 y CS-02, generan cantidades
excesivas de tres contaminantes diferentes A, B, C. El gobierno estatal le ha ordenado a la compañía
que instale y emplee dispositivos anticontaminantes. La siguiente tabla proporciona las emisiones
diarias actuales en kg/1000 litros y el máximo de cada contaminante permitido en kg.
CONTAMINANTE CS-01 CS-02 MAXIMO PERMITIDO

A 25 40 43
24
B 10 15 20
C 80 60 50
El gerente del departamento de producción aprobó la instalación de dos dispositivos

anticontaminantes. Las emisiones de cada producto pueden ser manejadas por cualquiera de los dos
dispositivos en cualquier proporción. (las emisiones se envían a través de un dispositivo solamente
una vez, es decir, la salida de un dispositivo no puede ser la entrada del otro o de si mismo). La
siguiente tabla muestra el porcentaje de cada contaminante proveniente de cada producto que es
eliminado por cada dispositivo.
DISPOSOTIVO DISPOSOTIVO DISPOSOTIVO DISPOSOTIVO

1 1 2 2
CONTAMINA CS-01 CS-02 CS-01 CS-02
NTE
A 40 40 30 20
B 60 60 0 0
C 55 55 65 80
Por ejemplo, si la emisión de CS-01 se envía a través del dispositivo 1, se elimina 40% del
contaminante A, 60% del contaminante B y 55% del contaminante C. Las consideraciones de
fabricación dictan que CS-01 y CS-02 deben producirse en la proporción de dos a uno. Formule un
modelo para determinar un plan que maximice la producción diaria total (cantidad de CS-01 + CS-
02) al mismo tiempo que satisfaga los requerimientos gubernamentales.
CSUU: cantidad de producto CS-01 enviados por el dispositivo 1.

CSUD: cantidad de producto CS-01 enviados por el dispositivo 2.
CSDU: cantidad de producto CS-02 enviados por el dispositivo 1.
CSDD: cantidad de producto CS-02 enviados por el dispositivo 2.
Mediante Lindo:
MAX CSUU + CSUD + CSDU + CSDD
SUBJECT TO
15 CSUU + 17.5 CSUD <= 43
24 CSDU + 32 CSDD <= 43
4 CSUU + 10 CSUD <= 20
6 CSDU + 15 CSDD <= 20
34.4 CSUU + 28 CSUD <= 50
27 CSDU + 12 CSDD <= 50
END
Resolución:
25

1) 3.577381
CSUU 0.000000 0.228571
CSUD 1.785714 0.000000
CSDU 1.791667 0.000000
CSDD 0.000000 0.333333
2) 11.750000 0.000000
3) 0.000000 0.041667
4) 2.142857 0.000000
5) 9.250000 0.000000
6) 0.000000 0.035714
7) 1.625000 0.000000
NO. ITERATIONS= 3
EJERCICIO 2.19:
Philadelphia Paint Company produce 3 tipos de pinturas: Standard, Quality y Premium. Las
instalaciones actuales pueden producir un máximo de 18000 gal de Standard, 10000 gal de Quality
y 500 gal de Premium al día. Debido a la economía de escala, el costo de producir cada tipo de
pintura disminuye al aumentar el número de gal producidos. Por ejemplo si se producen X gal de
pintura Standard, entonces el costo por gal es a-b*x. La siguiente tabla proporciona los valores de a
y b; el precio de venta por gal, y la demanda diaria mínima por cada tipo de pintura.
VALORES DE VALORES DE
TIPO DE a b Precio de venta Demanda
PINTURA ($/gal) minima (gal)
Standard 3 0.0001 6.50 10000
Quality 4 0.0002 8.50 6000
Premiun 5 0.0003 11.00 2500
La compañía puede producir un total combinado de hasta 25000 gal de pintura al día. Como
supervisor de producción, formule un modelo para determinar la cantidad de pintura a producir para
maximizar la ganancia (ingreso menos costo).
S: cantidad de galones de pintura Standad
Q: cantidad de galones de pintura Quality
P: cantidad de galones de pintura Premiun
Mediante Lindo:
MAX 3.5 S + S 0.0001 S + 4.5 Q + Q 0.0002 Q + 6 P + P 0.0003 P
ST
S + Q + P <= 25000
S >= 10000
26
Q >= 6000
P >= 2500
S <= 18000
Q <= 10000
P <= 5000
END
Resolución:

1) 2665754.
S 16500.000000 0.000000
Q 6000.000000 0.000000
P 2500.000000 0.000000
2) 0.000000 158.500107
3) 6500.000000 0.000000
4) 0.000000 -152.999908
5) 0.000000 -151.499802
6) 1500.000000 0.000000
7) 4000.000000 0.000000
8) 2500.000000 0.000000
NO. ITERATIONS= 2
EJERCICIO 2.20:
Formule el problema de agenda de High Tech en el ejercicio 2.4 sección 2.2.3 usando como
variable de decisión 1 sí High Tech no debe invertir y 0 si High Tech debe invertir.
Proyectos Año 1 Año 2 Año 3 Año 4 Rendimiento

Total
Bio-Tech 60 10 10 10 250
Tele-comm 35 35 35 35 375
Laser-Optics 10 50 50 10 275
Compu-Ware 15 10 10 40 140
Fondo de 90 80 50 50
inversión
B = 1 si High Tech debe invertir en Bio-Tech
B = 0 si High Tech no debe invertir en Bio-Tech
T = 1 si High Tech debe invertir en Tele-comm
T = 0 si High Tech no debe invertir en Tele-comm
L = 1 si High Tech debe invertir en Laser-Optics
L = 0 si High Tech no debe invertir en Laser-Optics
27
C = 1 si High Tech debe invertir en Compu-Ware

C = 0 si High Tech no debe invertir en Compu-Ware
Mediante Lindo:
MAX 250 B + 375 T + 275 L + 140 C

SUBJECT TO
2) 60 B + 35 T + 10 L + 15 C <= 90
3) 10 B + 35 T + 50 L + 10 C <= 80
4) 10 B + 35 T + 50 L + 10 C <= 80
5) 10 B + 35 T + 10 L + 40 C <= 50
6) T + L <= 1
END
Resolución:
INTE 4
OBJECTIVE VALUE = 637.000000
NEW INTEGER SOLUTION OF 525.000000 AT BRANCH 0 PIVOT 4
RE-INSTALLING BEST SOLUTION...
1) 525.0000
B 1.000000 -250.000000
T 0.000000 -375.000000
L 1.000000 -275.000000
C 0.000000 -140.000000
2) 20.000000 0.000000
3) 20.000000 0.000000
4) 20.000000 0.000000
5) 30.000000 0.000000
6) 0.000000 0.000000
NO. ITERATIONS= 4
BRANCHES= 0 DETERM.= 1.000E 0
EJERCICIO 2.21:
Containers Inc. ha recibido un pedido para hacer tambores de acero cilíndricos con la base y
la tapa circulares. El volumen total de conteiner debe ser al menos de 10 pies cúbicos. El costo del
acero para hacer el costado del contenedor es de 3 $/pie cuadrado. El costo de la base y la tapa es de
3.82 $/pie cuadrado. Formule un modelo para minimizar el costo de acero requerido.
28
R: radio del cilindro en [pie]

H: altura del cilindro en [pie]
Restricciones R 3.1415 R 1 H > 10
Funcion Objetivo: MIN R 18.84 H + R 24 R
Mediante Lindo:
MIN R 18.84 H + R 24 R
ST
R 3.1415 R 1 H > 10
END
Resolución:
1) 62.77919
R 2.414584 0.000000
H 0.000000 12.562081
2) 0.000000 -6.277919
NO. ITERATIONS= 1
EJERCICIO 2.24:
Lether Company produce guantes de béisbol, balones y correas de piel de cuero que es
procesado en una maquina. Para la próxima semana se tienen en existencia 1000 metros cuadrados
de cuero y 40 hs de maquina. Se desea determinar un plan de producción de la semana que
maximice las ganancias netas.
a- Identifique las variables.

G: cantidad de guantes a producir.
B: cantidad de balones a producir.
C: cantidad de correas a producir.
b- Identifique los datos adicionales.

CG: cantidad de m2 de cuero para producir un guante.
CB: cantidad de m2 de cuero para producir un balón.
CC: cantidad de m2 de cuero para producir una correa.
TG: cantidad de hs para producir un guante.
TB: cantidad de hs para producir un balón.
TC: cantidad de hs para producir una correa.
PG: precio de venta de un guante.
PB: precio de venta de un balón.
29
PC: precio de venta de una correa.

CoG: precio de costo de producción de un guante.
CoB: precio de costo de producción de un balón.
CoC: precio de costo de producción de una correa.
c- Formule el modelo.
Restricciones
G CG + B CB + C CC <= 1000
G TG + B TB + C TC <= 40
Función Objetivo
MAX (PG - COG)*G + (PB - CoB)*B + (PC - CoC)*C
EJERCICIO 2.25:
Los nutriólogos de HealthNut Company están diseñando un nuevo bocadillo hecho de palomitas
de maíz inflado y mantequilla de cacahuete natural. El objetivo es minimizar el costo total de estos
ingredientes, pero el producto final debe contener al menos 4 gramos de proteína, no mas de 10
gramos de carbohidratos y 2 gramos de grasa saturada.
a. Identifique las variables.
b. Identifique y asigne un nombre a cada valor de datos adicional que tendrá obtener para poder
formular un modelo matemático.
c. Formule un modelo matemático usando los nombres de variables de (a) y los nombres
simbólicos para los datos de (b).
Mediante Lindo:
MIN A 1 D1 + N 1 D2
SUBJECT TO
P1 1 A + P2 1 N >= 4
C1 1 A + C2 1 N <= 10
F1 1 A + F2 1 N <= 2
END
Resolución:

1) 0.0000000E+00
A 0.000000 1.000000
D1 0.000000 1.000000
N 0.000000 1.000000
30
D2 0.000000 1.000000
P1 4.000000 0.000000
P2 0.000000 0.000000
C1 0.000000 0.000000
C2 0.000000 0.000000
F1 0.000000 0.000000
F2 0.000000 0.000000
2) 0.000000 0.000000
3) 10.000000 0.000000
4) 2.000000 0.000000
NO. ITERATIONS= 0
EJERCICIO 2.26:
El departamento de Investigación ha identificado seis proyectos en los que Hight Tech

puede elegir invertir o no. Cada proyecto ha sido evaluado para determinar la cantidad de capital
que debe invertirse, la tasa esperada de devolución y también un factor de riesgo usando un
algoritmo patentado. Estos datos se resumen en la siguiente tabla:
Proyecto Capital requerido Tasa de devolución Riesgo

$ (%)
1 100000 10 0.50
2 400000 5 0.40
3 170000 20 0.70
4 250000 15 0.65
5 200000 7 0.45
6 250000 30 0.80
Los socios generales han acordado que el riesgo total, obtenido añadiendo los factores de
riesgo para cada proyecto respaldado, no debe exceder de 3, y que no deben emprenderse mas de
dos proyectos con un factor de riesgo mayor de 0,6. Usando las variables:
1, si se emprende el proyecto i
Pi = i = 1, ....., 6
0, si no se emprende el proyecto i
un socio general ha formulado el siguiente modelo para determinar que proyecto respaldar para
maximizar el rendimiento esperado en un año sobre la cantidad invertida y mantenerse en un
presupuesto de $1 millón:
Maximizar 10 P1 + 20 P2 + 34 P3 + 37.5 P4 + 14 P5 + 75 P6
Condicionado por 100 P1 + 40 P2 + 170 P3 + 250 P4 + 200 P5 + 250 P6 <= 100
0.50 P1 + 0.40 P2 + 0.70 P3 + 0.65 P4 + 0.45 P5 + 0.80 P6 >= 3
P1, P2, P3, P4, P5, P6 >= 0
31
¿ Es correcto este modelo? Si no es así, identifique y corrija todos los errores.
Mediante Lindo:
MAX 10 P1 + 20 P2 + 34 P3 + 37.5 P4 + 14 P5 + 75 P6
SUBJECT TO
100 P1 + 400 P2 + 170 P3 + 250 P4 + 200 P5 + 250 P6 <= 1000
0.5 P1 + 0.4P2 + 0.7 P3 + 0.65 P4 + 0.45 P5 + 0.8 P6 <= 3
P1 <= 1
P2 <= 1
P3 <= 1
P4 <= 1
P5 <= 1
P6 <= 1
P1 >= 0
P2 >= 0
P3 >= 0
P4 >= 0
P5 >= 0
P6 >= 0
P3 + P4 = 1
P3 + P6 = 1
P4 + P4 + P6 <= 2
END
Resolución:

1) 125.8333
P1 1.000000 0.000000
P2 0.775000 0.000000
P3 0.333333 0.000000
P4 0.666667 0.000000
P5 1.000000 0.000000
P6 0.666667 0.000000
2) 0.000000 0.050000
3) 0.540000 0.000000
4) 0.000000 5.000000
5) 0.225000 0.000000
6) 0.666667 0.000000
7) 0.333333 0.000000
8) 0.000000 4.000000
9) 0.333333 0.000000
10) 1.000000 0.000000
11) 0.775000 0.000000
32
12) 0.333333 0.000000

13) 0.666667 0.000000
14) 1.000000 0.000000
15) 0.666667 0.000000
16) 0.000000 -16.333334
17) 0.000000 41.833332
18) 0.000000 20.666666
NO. ITERATIONS= 5
EJERCICIO 2.27:
Chirality Company debe producir al menos 600000 tornillos pequeños y 400000 tornillos
grandes para satisfacer de la demanda de las sig. 4 semanas. Estos tornillos pueden producirse en 2
maquinas distintas, cada una de las cuales esta disponible 40 horas a la semana. Los requerimientos
de costo y tiempo para producir cada tamaño de tornillo en cada maquina y el precio de venta de
cada tamaño de tornillo se muestran en la sig. Tabla:
Tornillos pequeños Tornillos grandes

Precio de venta($/1000) 27.50 32.50
Costo en la maquina 1 ($/1000) 6.25 7.75
Costo en la maquina 2 ($/1000) 8.00 9.25
Tiempo en la maquina 1 (min/lb) 1.50 1.75
Tiempo en la maquina 2 (min/lb) 1.00 1.25
En cada libra hay aproximadamente 60 tornillos pequeños y 40 tornillos grandes.
Usando las variables:
S1 = el numero de miles de tornillos pequeños por producir en la maquina 1
durante las sig. 4 semanas.
S2 = el numero de miles de tornillos pequeños por producir en la maquina 2
L1 = el numero de miles de tornillos grandes por producir en la maquina 1
L2 = el numero de miles de tornillos grandes por producir en la maquina 2
El gerente de producción ha formulado el sig. modelo para maximizar la ganancia y
satisfacer la demanda con la disponibilidad limitada de tiempo de maquina en las sig. 4 semanas:
Maximizar 27.50 S1 + 27.50 S2 + 32.50 L1 + 32.50 L2
Condicionado por: S1 + S2 >= 600000

L1 + L2 >= 400000
1.5 S1 + 1.75 L1 <= 40
1.0 S2 + 1.25 L2 <= 40
S1 , S2, L1, L2 >= 0
¿Es correcto este modelo? Si no es así, identifique y corrija todos los errores.
Mediante Lindo:
33
MAX 21.25 S1 + 19.50 S2 + 24.75 L1 + 23.25 L2

SUBJECT TO
S1 + S2 >= 600
L1 + L2 >= 400
0.41667 S1 + 729 L1 >= 160
0.2777 S2 +0.5208 L2 >= 160
END
Resolución:
SLK 4
S1
1) 0.9999990E+08
S1 600.000000 0.000000
S2 0.000000 414.097290
L1 92.780334 0.000000
L2 307.219666 0.000000
2) 0.000000 0.000000
3) 0.000000 0.000000
4) 67726.867188 -0.416670
5) 0.000000 -1.000000
NO. ITERATIONS= 4
34

EjCap2 PDF

Cargado por

Copyright:

Formatos disponibles

También podría gustarte

EjCap2 PDF

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

EjCap2 PDF

Cargado por

Copyright:

Formatos disponibles

Cátedra: Investigación Operativa Universidad Tecnológica Nacional

Año: 2002 Facultad Regional Mendoza

RESOLUCION DE EJERCICIOS DEL CAPITULO 2

Identifique un conjunto de variables de decisión apropiadas para este ejercicio. Proporcione

Al determinar el número de acciones por comprar o vender en el ejercicio 2.2, la

COSTO DE EMBARQUE ($/Ton) A

Función objetivo de maximización de ganancias:

MAX = (Xot*550 - Xot*50)+(Xom*750 - Xom*75)+ (Xoj*600 -

Z = 28 * ( 1800 + X4 – X1 ) + 60 * ( 1000 + X5 – X2 ) + 45 * ( 500 + X6 – X3 )

MAX = 28*(1800 + X4 - X1)+ 60*(1000 + X5 - X2)+ 45*(500 + X6 -

1800 + X4 - X1 <= 2*(1000 + X5 - X2);

28*(1800 + X4 - X1) <= 75000;

Función objetivo: Z= 28*F1 + 60*F2 + 45*F3

GASOLINA TURBOSINA QUEROSENO

La refinería se ha comprometido a entregar 1260000 barriles de gasolina, 900000 barriles de

X1= cantidad de barriles de petróleo ligero

0.45 * X1 + 0.35 * X2 > = 1260000 cantidad de barriles de gasolina a entregar

Minimizar el costo total al tiempo que se satisfaga la demanda apropiada.

MIN= (X1*25 + X1* 0.07*1) + (X2*22 + X2*0.09*1.50);

Global optimal solution found at step: 8

Variable Value Reduced Cost

Row Slack or Surplus Dual Price

Función objetivo Z= (X1*25 + X1* 0.07*1) + (X2*22 + X2*0.09*1.50)

Carmac Company fabrica carros compactos y subcompactos. La producción de cada carro

La división de comercialización ha estimado que a lo más 1500 compactos pueden venderse

Costo de un auto compacto: cant Materia Prima*costo + cant Mano de Obra*costo

Costo de un auto subcompacto: cant Materia Prima*costo + cant Mano de Obra*costo

X1*2000 + X2*1500 <= 80000 Total disponible de materia prima

Función objetivo Z= (X1*10000 + X2*8000) – (X1*3260 +

LECHE MANTEQUILLA QUESO

Función objetivo Z=0.22 * X1 + 0.38 * X2 + 0.72 * X3

LECHE QUESO MANZANAS REQUERIMIENTOS

X3= cantidad de manzanas a consumir

Función objetivo Z=2.15 * X1 + 2.25 * X2 +

Rich Oil Company, cerca de Cleveland, suministra gasolina a sus distribuidores en

TIPO DE CAPACIDAD COSTO DE COSTO DE MÁXIMO DE

Sobre la base del mantenimiento y la disponibilidad de conductores, la compañía no desea

Como gerente de operaciones, formule un modelo para determinar la composición de la flota

Restricciones de costo: X1+X2+X3 <= 10

Inversión Inicial X1.50000+X2.40000+X3.25000 <= 500000

Función objetivo: Min [800 X1 + 650 X2+ 500 X3]

COSTO DE ENTREGA CANTIDAD DE

MIN 900 X1 + 900 X2 + 800 X3 +1000 X4 + 800 X5 + 1200 X6 +

LP OPTIMUM FOUND AT STEP 5

OBJECTIVE FUNCTION VALUE

VARIABLE VALUE REDUCED COST

Mason Communication Commision ha recibido solicitudes de asignación de frecuencias de

100.0 100.1 100.3 100.7 101.0 101.1 101.4 101.8

Xj = 0;1 son enteras

Función objetivo: Z= MAX X1 + X2 + X3 + X4 + X5 + X6 + X7 + X8

LP OPTIMUM FOUND AT STEP 0

OBJECTIVE FUNCTION VALUE

VARIABLE VALUE REDUCED COST

ROW SLACK OR SURPLUS DUAL PRICES

La cuidad de Dakota Heigts desea determinar cuántas subestaciones postales se requieren

UBICACIÓN ZONAS QUE SE

Formule un modelo para determinar el menor número de subestaciones ( y sus ubicaciones)

Z= MIN X1 + X2 + X3 + X4 + X5 + X6 + X7 + X8 + X9 + X10 + X11 + X12 + X13 + X14 + X15

MAX = (Xot550 - Xot50)+(Xom750 - Xom75)+ (Xoj*600 -

MAX = 28(1800 + X4 - X1)+ 60(1000 + X5 - X2)+ 45*(500 + X6 -

Función objetivo: Z= 28F1 + 60F2 + 45*F3

MIN= (X125 + X1 0.071) + (X222 + X20.091.50);

Función objetivo Z= (X125 + X1 0.071) + (X222 + X20.091.50)

Costo de un auto compacto: cant Materia Primacosto + cant Mano de Obracosto

Costo de un auto subcompacto: cant Materia Primacosto + cant Mano de Obracosto

X12000 + X21500 <= 80000 Total disponible de materia prima

Función objetivo Z= (X110000 + X28000) – (X1*3260 +

MAX (PG - COG)G + (PB - CoB)B + (PC - CoC)*C