Está en la página 1de 141

Investigación Operativa I Programación Lineal

EJERCICIOS DE PROGRAMACION LINEAL

1. RMC es una empresa pequeña que produce diversos productos químicos. En un


proceso de producción en particular se utilizan tres materia primas para elaborar
dos productos: un aditivo para combustible y una base disolvente. El aditivo para
combustible se vende a empresas petroleras y se utiliza en la producción de
gasolina y otros combustibles relacionados. La base disolvente se vende a varias
empresas químicas y se utiliza tanto para productos de limpieza para el hogar
como industriales. Para formar el aditivo para combustible y la base de
disolvente de mezclan tres materia primas, según apara ce en la siguiente tabla.

NECESIDADES DE MATERIA PRIMA POR TONALADA


Materia Prima
Producto 1 2 3
Aditivo para combustible 2/5 0 3/5
Base disolvente 1/2 1/5 3/10

Utiliza ½ toneladas de materia prima 1 en cada tonelada de base de disolvente.

La producción de RMC está limitada por la disponibilidad de las tres materia


primas. Para el período de producción actual, RMC tiene disponibles las
cantidades siguientes de cada una de las materia primas

Cantidades disponibles
Materia Prima para la producción
Materia prima 1 20 toneladas
Materia Prima 2 5 toneladas
Materia prima 3 21 toneladas

Debido a deterioro y la naturaleza del proceso de producción, cualquier


materia prima que no se utilice para producción actual resulta inútil y debe
descartarse.

El departamento de control de calidad ha analizado las cifras de producción,


asignando todos los costos correspondientes, y para ambos productos llegó a
precios que resultarán en una contribución a la utilidad de 40 dólares por
tonelada de aditivo para combustible producida y de 30 dólares por cada
tonelada de base disolvente producido. La administración de RMC, después de una
análisis de la demanda potencial, ha concluido que los precios establecidos
asegurarán la venta de todo el aditivo para combustible y de toda la base disolvente
que se produzca.

El problema de RMC es determinar cuántas tonelada de cada producto deberá


producir para maximizar la contribución total de la utilidad. Si Ud. Estuviera a
cargo de la programación de la producción para RMC. ¿qupe decisión tomaría?
Esto es, ¿Cuántas tonaladas de aditivo para combustible y cuántas toneladas

Oswaldo Paul Rivadeneira Página: 1


Investigación Operativa I Programación Lineal

de base disolvente produciría usted para el período actual de producción?


Escriba sus decisiones abajo y encuentre sus resultados.1

Solución:
Diseño del modelo matemático:

Definición de variables
X1 = número de toneladas de aditivo para combustible X2
= número de toneladas de base disolvente

Función objetivo:
Maximizar la contribución 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

Entrada de datos para Solver

Salida de resultados

1
Anderson Sweeney Willams. Métodos Cuantitativos para los Negocios. 7ma Edición. Editorial
Thomson. Página 220.

Oswaldo Paul Rivadeneira Página: 2


Investigación Operativa I Programación Lineal

Informe del problema:

Orden de producción:
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

2. Innis Investments administra fondos de empresas y clientes pudientes. La


estrategia de inversión se adecua a las necesidades de cada cliente. Para un
cliente nuevo, a Innis se le ha autorizado invertir hasta 1’200.00 dólares en
fondos de inversión: un fondo de acciones y un fondo del mercado de dinero.
Cada unidad del fondo de acciones cuesta 50 dólares, con una tasa de
rendimiento anual de 10%; cada unidad del fondo de mercado de dinero cuesta 100
dólares, con una tasa de rendimiento anual de 4%.

El cliente desea minimizar el riesgo, pero quiere tener un ingreso anual sobre
la inversión de por lo menos 60.000 dólares. De acuerdo con el sistema de
medición del riesgo del Innis, cada unidad adquirida en el fondo de acciones
tiene un índice de riesgo del 8, y cada unidad adquirida en el fondo de
mercado de dinero tiene un índice de riesgo de 3. El índice de riesgo más
elevado con el fondo de acciones indica, simplemente que se trata de un a
inversión más riesgosa. El cliente de Innis también ha especificado que se
inviertan por lo menos 3.000 dólares en el fondo de mercado de dinero.
¿Cuántas de cada uno de los fondos deberá adquirir Innis para el cliente, si el
objetivo es minimizar el índice de riesgo total para esa cartera?2

Solución:
Diseño del modelo matemático:

Definición de variables
X1 = número de unidades adquiridas en el fondo de acciones
X2 = número de unidades adquiridas en el fondo del mercado de
dinero

Función objetivo:
Minimizar el riesgo, Z = 8 X1 + 3 X2

Restricciones
Fondos disponibles 50X1 + 100X2 ≤ 1’200.000
Ingreso anual 5 X1 + 4X2 ≥ 60.000
Unidades en fondo 100X2 ≥ 3.000

2
Anderson Sweeney Willams. Métodos Cuantitativos para los Negocios. 7ma Edición. Editorial
Thomson. Página 242.

Oswaldo Paul Rivadeneira Página: 3


Investigación Operativa I Programación Lineal

No negatividad
Xi ≥0; i=1,2

Entrada de datos para Solver

Datos de salida del Solver

Informe de asesoría:

Innis Investments aconseja al cliente que adquiera 400 unidades a 50 dólares cada
una en Acciones y 10.000 unidades a 100 dólares cada en el mercado de dinero
para obtener una ganancia de 62.000 dólares al año.

3. PAR es un pequeño fabricante de equipo y accesorios para golf cuyo distribuidor


lo convenció de que existe un mercado tanto para la bolsa de golf de precio
medio, conocida como modelo estándar, como para una bolsa de golf de precio
elevado, conocida como modelo deluxe. El distribuidor tiene tanta confianza en
el mercado que si PAR puede fabricar las bolsas a un precio competitivo, el
distribuidor está de acuerdo en adquirir todas las bolsas que PAR pueda fabricar
en los siguientes tres meses. Un análisis cuidadoso de los requerimientos de
fabricación dieron como resultado la tabla siguiente, que muestra las
necesidades de tiempo de producción para las cuatro operaciones de
manufactura requeridas y la estimación por parte del departamento de
contabilidad de la contribución a la utilidad por bolsa.

Tiempo de producción
Corte y Costura Terminado Inspección Utilidad por

Oswaldo Paul Rivadeneira Página: 4


Investigación Operativa I Programación Lineal

Producto teñido y empaque Bolsa


Estándar 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 estarán
disponibles 630 horas de tiempo de corte y teñido, 600 horas de tiempo de
costura, 708 horas de tiempo de terminado y 135 horas de tiempo de inspección y
empaque para la producción de las bolsas de golf.

a) Si la empresa desea maximizar la contribución total a la


utilidad,¿Cuántas bolsas de cada modelo deberá fabricar?
b) ¿Qué contribución a la utilidad puede obtener PAR de estas cantidades
de producción?
c) ¿Cuántas horas de producción se programarán para cada operación?
d) ¿Cuál es el tiempo de holgura de cada operación?3

Solución:
Formulación del modelo:
Definición de variables
X1 = Cantidad de unidades de bolsas de golf estandar
X2 = Cantidad de unidades de bolsas de golf de lujo

Función Objetivo
Z max = 10X1 + 9X2

Restricciones
0.7X1 + 1.0X2 ≤ 630 Horas de Corte y teñido
0.5X1 + 0.8334X2 ≤ 600 Horas de Costura
1.0X1 + 0.6667X2 ≤ 708 Horas de Terminado
0.1X1 + 0.25X2 ≤ 35 Horas de Inspección y Empaque

No negatividad
Xi ≥0; i=1,2

Solución gráfica:

3
Anderson Sweeney Willams. Métodos Cuantitativos para los Negocios. 7ma Edición. Editorial
Thomson. Página 264. Problema 15.

Oswaldo Paul Rivadeneira Página: 5


Investigación Operativa I Programación Lineal

Entrada de datos Solver:

Solución Solver:

Oswaldo Paul Rivadeneira Página: 6


Investigación Operativa I Programación Lineal

a) Debe fabricar 539,98 bolsas de golf estándar y 252,01 bolsas de golf de


Lujo.
b) Contribución total = $ 7.667,942
c) Se programarán 620 horas de Corte y Teñido, 480.02 horas de Costura,
708 horas de Terminado y 117 horas de Inspección y Empaque.
d) Los tiempos de holgura son de 119.98 para Costura y 18 horas para
Inspección y Empaque. Las operaciones de Corte y Teñido, y Terminado no
tienen holgura.

4. PAR es un pequeño fabricante de equipo y accesorios para golf cuyo distribuidor


lo convenció de que existe un mercado tanto para la bolsa de golf de precio
medio, conocida como modelo estándar, como para una bolsa de golf de precio
elevado, conocida como modelo Deluxe. El distribuidor tiene tanta confianza en
el mercado que si PAR puede fabricar las bolsas a un precio competitivo, el
distribuidor está de acuerdo en adquirir todas las bolsas que PAR pueda fabricar
en los siguientes tres meses. Un análisis cuidadoso de los requerimientos de
fabricación dieron como resultado la tabla siguiente, que muestra las
necesidades de tiempo de producción para las cuatro operaciones de
manufactura requeridas y la estimación por parte del departamento de
contabilidad de la contribución a la unidad por bolsa.

Tiempo de producción
Corte y Costura Terminado Inspección Utilidad por
Producto teñido y empaque Bolsa
Estándar 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 estarán
disponibles 630 horas de tiempo de corte y teñido, 600 horas de tiempo de
costura, 708 horas de tiempo de terminado y 135 horas de tiempo de inspección y
empaque para la producción de las bolsas de golf.

Resuelva el problema descrito y luego responda a las siguientes preguntas:

a) El departamento de contabilidad revisa su estimación de contribución a


la utilidad para la bolsa Deluxe a 18 dólares por bolsa.
b) Aparece disponible una nueva materia prima de bajo costo para la bolsa
estándar, y la contribución a la unidad por la bolsa estándar puede
incrementarse a 20 dólares por bolsa. (suponga que la contribución a la
utilidad por la bolsa Deluxe es el valor original de 9 dólares)
c) Se puede obtener nuevo equipo de costura que incrementará la
capacidad de operación de costura a 750 horas.(suponga que 10X1 +
9X2 es la función objetivo apropiada)

Oswaldo Paul Rivadeneira Página: 7


Investigación Operativa I Programación Lineal

Si cada una de estas situaciones se encuentra por separado, ¿Cuál sería la


solución óptima y la contribución total a la utilidad?4

Solución:
Formulación del modelo:
Definición de variables
X1 = Cantidad de unidades de bolsas de golf estandar
X2 = Cantidad de unidades de bolsas de golf de lujo

Función Objetivo
Z max = 10X1 + 9X2

Restricciones
0.7X1 + 1.0X2 ≤ 630 Horas de Corte y teñido
0.5X1 + 0.8334X2 ≤ 600 Horas de Costura
1.0X1 + 0.6667X2 ≤ 708 Horas de Terminado
0.1X1 + 0.25X2 ≤ 135 Horas de Inspección y Empaque

No negatividad
Xi ≥0; i=1,2

Solución 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
280 : 0.7000 X1 + 1.0000 X2 = 630.0000

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

Optimal Decisions(X1,X2): (539.9842, 252.0110) :


0.7000X1 + 1.0000X2 <= 630.0000
: 0.5000X1 + 0.8334X2 <= 600.0000
: 1.0000X1 + 0.6667X2 <= 708.0000
: 0.1000X1 + 0.2500X2 <= 135.0000

4
Anderson Sweeney Willams. Métodos Cuantitativos para los Negocios. 7ma Edición. Editorial
Thomson. Página 265. Problema 16.

Oswaldo Paul Rivadeneira Página: 8


Investigación Operativa I Programación Lineal

Entrada de datos Solver:

Solución Solver:

a)

b)

Oswaldo Paul Rivadeneira Página: 9


Investigación Operativa I Programación Lineal

c)

La solución óptima es la alternativa b) donde se incrementa la contribución a la


utilidad de las bolsas estándar a $20 y su contribución total es de $ 14.160
fabricando sólo bolsas de golf estándar.

5. Kelson Sporting Equipment fabrica dos modelos de guantes de béisbol: uno


normal y una manopla de catcher. La empresa tiene disponibles 900 horas de
tiempo de producción en su departamento y corte y costura, 300 horas
disponibles en el departamento de terminado y 100 horas disponibles en el
departamento de empaque y embarque. Los requerimientos de tiempo de
producción y la contribución a la utilidad de cada uno de losa productos es:

Tiempo de producción(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

Suponga que la empresa está interesada en maximizar la contribución total de


la utilidad.

a) ¿Cuál es el modelo de programación lineal para este problema?


b) Encuentre la solución óptima. ¿Cuántos guantes de cada modelo deberá
fabricar Kelson?

Oswaldo Paul Rivadeneira Página: 10


Investigación Operativa I Programación Lineal

c) ¿Cuál es la contribución total a la utilidad que puede ganar Nelson con


las cantidades de producción arriba citadas?
d) ¿Cuántas horas de producción serían programadas en cada
departamento?
e) ¿Cuál es el tiempo libre de cada departamento?5

Solución:

a) Formulación del modelo:


Definición de variables
X1 = Cantidad de guantes de Béisbol normal
X2 = Cantidad de guantes de Béisbol tipo Manopla

Función 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
Solución GLP

5
Anderson Sweeney Willams. Métodos Cuantitativos para los Negocios. 7ma Edición. Editorial
Thomson. Página 266. Problema 22.

Oswaldo Paul Rivadeneira Página: 11


Investigación Operativa I Programación Lineal

455
Payoff: 5.0 X1 + 8.0 X2 = 3699.9
420

385

350

315

280

245

210

175

140

105

70 : 0.1 X1 + 0.3 X2 = 100.0

35 : 0.5 X1 + 0.3 X2 = 300.0

0 : 1.0 X1 + 1.5 X2 = 900.0


0 60 120 180 240 300 360 420 480 540 600 660 720 780 840 900 960

Optimal Decisions(X1,X2): (500.0, 150.0)


: 1.0X1 + 1.5X2 <= 900.0
: 0.5X1 + 0.3X2 <= 300.0
: 0.1X1 + 0.3X2 <= 100.0

Datos de entrada de Solver:

Salida del Solver:

Oswaldo Paul Rivadeneira Página: 12


Investigación Operativa I Programación Lineal

6. George Johnson heredó 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 inversión: (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 porción de la herencia que finalmente decida
comprometer al fideicomiso, desea invertir por lo menos 30% de dicha cantidad en
el fondo de bonos. Además, desea seleccionar una combinación que le permita
obtener un rendimiento total de por lo menos 7.5%.

a) Formule un modelo de programación lineal que pueda utilizarse para


determinar el porcentaje que debe asignarse a cada una de las posibles
alternativas de inversión.
b) Resuelva el problema utilizando el procedimiento de solución gráfica y
por solver6

Solución:

Definición de variables
X1 = cantidad de dinero invertido en fondo de bonos
X2 = cantidad de dinero invertido en fondo de acciones

Función Objetivo
Zmax = 1X1 + 1X2

Restricciones
X1 ≥ 30% (100) inversión en fondo de bonos
6% X1 + 10% X2 ≥ 7.5% (100) rendimiento total X1
+ X2 ≤ 100 relación entre inversiones

No negatividad
Xi ≥0; i=1,2

Datos entrada Solver

6
Anderson Sweeney Willams. Métodos Cuantitativos para los Negocios. 7ma Edición. Editorial
Thomson. Página 266. Problema 23.

Oswaldo Paul Rivadeneira Página: 13


Investigación Operativa I Programación Lineal

Resultados del Solver:

Solución gráfica:

7. El propietario de Sea Warf Restaurant desearía determinar cual es la mejor forma


de asignar un prosupuesto mensual de publicidad de 1.000 dólares entre

Oswaldo Paul Rivadeneira Página: 14


Investigación Operativa I Programación Lineal

periódicos y la radio. La administración ha decidido que por lo menos 25% del


presupuesto debe utilizarse en cada uno de estos dos tipos de medios y que el
monto del dinero gastado en publicidad en periódicos locales debe tener por lo
menos el doble de los que se gaste en radio. Un asesor de mercadotecnia ha
desarrollado un índice que mide la exposición del auditorio por dólar de
publicidad en una escala de 0 al 100, donde valores más elevados del índice
indican mayores exposiciones al auditorio. Si el valor del índice para publicidad en
los periódicos locales es de 50, y para el anuncio de radio es de 80, ¿Cómo debería
asignar la administración el presupuesto de publicidad, a fin de maximizar el
valor de exposición total en el auditorio?

a) Formule un modelo de programación lineal que se pueda utilizar para


determinar la manera en que la administración debe asignar el
presupuesto de publicidad a fin de maximizar el valor de la exposición total
del auditorio.
b) Resuelva el problema utilizando el procedimiento de solución gráfica y
por solver7

Solución:
Formulación del modelo:
Definición de variables
X1 = Cantidad de dólares asignados a periódicos X2
= Cantidad de dólares asignados a radio

Función Objetivo
Zmax= 50X1 + 80X2

Restricciones
X1 ≥ 0.25(X1 + X2) mínimo para periódicos
X2 ≥ 0.25(X1 + X2) mínimo para radio
X1 ≥ 2X2 relación periódicos y radio
X1 + X2 ≤ 1000 presupuesto
No negatividad
Xi ≥0; i=1,2

Solución GLP

7
Anderson Sweeney Willams. Métodos Cuantitativos para los Negocios. 7ma Edición. Editorial
Thomson. Página 266. Problema 24.

Oswaldo Paul Rivadeneira Página: 15


Investigación Operativa I Programación Lineal

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

Optimal Decisions(X1,X2): (600.00, 200.00)


: 0.75X1 - 0.25X2 >= 0.00
: -0.25X1 + 0.75X2 >= 0.00
: 1.00X1 - 2.00X2 >= 0.00
: 1.00X1 + 2.00X2 <= 1000.00

8. Invesment Advisors es una empresa de corretaje que administra carteras de


valores para clientes. Un cliente nuevo ha solicitado que la empresa maneje una
cartera de inversiones de $80.000. Como estrategia inicial de inversión, el
cliente desea restringir la cartera a una combinación de las acciones siguientes:

Acción Precio por Rendimiento anual Índice de riego


Acción estimado por acción
U.S. OIL $25 $3 0.50
Hub Properties $50 $5 0.25

El índice de riesgo por acción es una clasificación del riesgo relativo de dos
alternativas de inversión. Para los datos dados, se piensa que U.S. OIL es la
inversión sujeta a más 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 límite superior a 700 para el índice de riesgo total de todas las
inversiones, también la empresa ha establecido un límite superior de 1.000
acciones para los valores U.S. OIL más riesgosos. ¿Cuántas acciones de cada
uno de estos valores deben ser adquiridos a fin de maximizar en rendimiento
anual total?8

Solución:

8
Anderson Sweeney Willams. Métodos Cuantitativos para los Negocios. 7ma Edición. Editorial
Thomson. Página 267. Problema 25.

Oswaldo Paul Rivadeneira Página: 16


Investigación Operativa I Programación Lineal

Formulación del modelo:


Definición de variables
X1 = Cantidad de acciones en U.S.Oil
X2 = Cantidad de acciones en Hub Properties

Función Objetivo
Z max = 3X1 + 5X2

Restricciones
0.50X1 + 0.25X2 ≤ 700 por riesgo
X1 ≤ 1000 inversión en U.S. OIL
25X1 + 50X2 = 80.000 inversión en acciones

No negatividad
Xi ≥0; i=1,2
Solucion GLP

X2 Payoff: 3.00 X1 + 5.00 X2 = 8400.00


1580
1501
1422
1343
1264
1185
1106
1027
948
869
790
711
632
553
474
395 : 25.00 X1 + 50.00 X2 = 80000.00
316
237158 : 1.00 X1 + 0.00 X2 = 1000.00
79
0 : 0.50 X1 + 0.25 X2 = 700.00
0 49 98 147 196 245 294 343 392 441 490 539 588 637 686 735 784 833 882 931 980 X1

Optimal Decisions(X1,X2): (800.00, 1200.00)


: 0.50X1 + 0.25X2 <= 700.00
: 1.00X1 + 0.00X2 <= 1000.00
: 25.00X1 + 50.00X2 <= 80000.00

Datos de entrada SOLVER

Oswaldo Paul Rivadeneira Página: 17


Investigación Operativa I Programación Lineal

PLANIFICACION TRABAJO INVESTMENT ADVISORS

Acciones U.S.Oil HUB


Cantidad 1 1 max
Contrib. Utilidad 3 5 8

No
Restricciones Utilizado Límite Utiliz
Riesgo 0,5 0,25 0,75 ≤ 700 699,25
En U.S.Oil 1 1 ≤ 1000 999
Inversión 25 50 75 ≤ 80000 79925
Datos de salida SOLVER

PLANIFICACION TRABAJO INVESTMENT ADVISORS

Acciones U.S.Oil HUB


Cantidad 800 1200 max
Contrib. Utilidad 3 5 8400

No
Restricciones Utilizado Límite Utiliz
Riesgo 0,5 0,25 700 ≤ 700 -7,4E-10
En U.S.Oil 1 800 ≤ 1000 200
Inversión 25 50 80000 ≤ 80000 -7,3E-08

9. Tom’s produce varios productos alimenticios mexicanos y los vende a Western


Foods, cadena de tiendas de abarrotes localizada en Texas y Nuevo México.
Tom’s fabrica dos salsas: Western Foods Salsa y México City Salsa.
Esencialmente, ambos productos son mezclas de tomates enteros, 30% de salsa
de tomate y 20% de pasta de tomate. La México City Salsa, que tiene una
consistencia más espesa y troceada, está elaborada con 70% de tomates
enteros, 10% de salsa de tomate y 20% de pasta de tomate. Cada tarro de
salsa producida pesa 10 onzas. Para el período de producción actual, Tom’s
puede adquirir hasta 280 libras de tomates enteros, 130 libras de salsa de
tomate y 100 libras de pasta de tomate, el precio por libra de estos ingredientes
es $0.96, $0.64 y $0.56 respectivamente. El costo de las especias y de los
demás ingredientes es de aproximadamente $0.10 por recipiente. Tom’s compra
tarros de vidrio vacíos a $0.02 cada uno, y los costos de etiquetado y llenado se
estiman en $0.03 por cada tarro de salsa producido. El contrato de Tom’s con
Western Foods resulta en ingresos por ventas de $1.64 por cada tarro de
Western Foods Salsa y de $1.93 por cada tarro de México City Salsa.
a. Desarrolle un modelo de programación lineal que le permita a Tom’s
determinar la mezcla de salsa que maximice la contribución total a la utilidad.
b. Haga una gráfica de la región factible.
c. Resuelva las ecuaciones lineales simultáneas apropiadas a fin de determinar
las coordenadas de cada punto extremo.

Oswaldo Paul Rivadeneira Página: 18


Investigación Operativa I Programación Lineal

d. Encuentre la solución óptima9

Solución:
Formulación del modelo:
Definición de variables
X1 = Cantidad de tarros de salsa Western Foods
X2 = Cantidad de tarros de salsa México City

Función 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

Z max = 1X1 + 1.25X2

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

Solución con GLP

9
Anderson Sweeney Willams. Métodos Cuantitativos para los Negocios. 7ma Edición. Editorial
Thomson. Página 267. Problema 26.

Oswaldo Paul Rivadeneira Página: 19


Investigación Operativa I Programación Lineal

850
800
750
700 Payoff: 1.00 X1 + 1.25 X2 = 860.00
650
600 : 2.00 X1 + 2.00 X2 = 1600.00
550 : 3.00 X1 + 1.00 X2 = 2080.00
500
450
: 5.00 X1 + 7.00 X2 = 4480.00
400
350
300
250
200
150
100
50
0
1 50 99 148 197 246 295 344 393 442 491 540 589 638 687 736 785 834 883 932 981 X1

Optimal Decisions(X1,X2): (560.00, 240.00)


: 5.00X1 + 7.00X2 <= 4480.00
: 3.00X1 + 1.00X2 <= 2080.00
: 2.00X1 + 2.00X2 <= 1600.00

Datos entrada SOLVER

Planificación para Tom’s

Western México
SALSA Foods City
Cantidad de tarros 1 1 Max
Utilidad 1 1.25 2.25

Restricciones Utilizado Límite No utiliz


tomates enteros 5 7 12 ≤ 4480 4468
salsa de tomate 3 1 4 ≤ 2080 2076
pasta de tomate 2 2 4 ≤ 1600 1596

Salida de datos SOLVER


Planificación para Tom’s

Western México
SALSA Foods City
Cantidad de tarros 560 240 Max
Utilidad 1 1.25 860

Oswaldo Paul Rivadeneira Página: 20


Investigación Operativa I Programación Lineal

Restricciones Utilizado Límite No utiliz


tomates enteros 5 7 4480 ≤ 4480 -6.2E-09
salsa de tomate 3 1 1920 ≤ 2080 160
pasta de tomate 2 2 1600 ≤ 1600 -3.7E-09

10. El editor de producción de Rayburn Publishing Company tiene 1.800 páginas de


manuscrito que debe ser revisadas. Debido al poco tiempo involucrado, sólo hay
dos revisores disponibles Erhan Mergen y Sue Smith. Erhan tiene diez días
disponibles y Sue doce días. Erhan puede procesar 100 páginas de manuscrito
por día, y Sue 150 páginas diarias. Rayburn Publishing Company ha desarrollado
un índice para medir la calidad general de un revisor en una escala de 1 (peor)
a 10 (mejor). La calidad de Erhan es 9 y la de Sue es 6, además, Erhan cobra 3
dólares por página de manuscrito revisado, Sue cobra 2 dólares por página. Se
ha asignado un presupuesto de $4.800 para la revisión, ¿cuántas páginas deben
ser asignadas a cada revisor para completar el proyecto con la calidad más
elevada posible?10

Solución:
Formulación del modelo:
Definición de variables
X1 = cantidad de páginas revisadas por Erhan
X2 = cantidad de páginas revisadas por Sue

Función Objetivo
Z max = 9X1 + 6X2

Restricciones
3X1 + 2X2 ≤ 4.800 presupuesto
X1 + X2 = 1.800 número de páginas
X1/100 ≤ 10 días disponibles de Erhan
X2/150 ≤ 12 días disponibles de Sue

No negatividad
Xi ≥0; i=1,2
Solución GLP

10
Anderson Sweeney Willams. Métodos Cuantitativos para los Negocios. 7ma Edición. Editorial
Thomson. Página 267. Problema 27.

Oswaldo Paul Rivadeneira Página: 21


Investigación Operativa I Programación Lineal

Payoff: 9.0 X1 + 6.0 X2 = 13800.0


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

Optimal Decisions(X1,X2): (1000.0, 800.0)


: 3.0X1 + 2.0X2 <= 4800.0
: 1.0X1 + 1.0X2 <= 1800.0
: 1.0X1 + 0.0X2 <= 1000.0
: 0.0X1 + 1.0X2 <= 1800.0

Datos de entrada SOLVER

Páginas revisadas Ehran Sue


Cantidad 1 1 Max
Calidad 9 6 15

Restricciones Utilizado Limite No utiliz


Presupuesto 3 2 5 ≤ 4800 4795
Horas Ehran 1 1 ≤ 1000 999
Horas Sue 1 1 ≤ 1800 1799
Núm. Páginas 1 1 2 ≤ 1800 1798

Salida SOLVER

PLANIFICACIÓN TRABAJO RAYBURN

Páginas revisadas Ehran Sue


Cantidad 1000 800 Max
Calidad 9 6 13800

Restricciones Utilizado Limite No utiliz


Presupuesto 3 2 4600 ≤ 4800 200

Oswaldo Paul Rivadeneira Página: 22


Investigación Operativa I Programación Lineal

Horas Ehran 1 1000 ≤ 1000 -1,1E-10


Horas Sue 1 800 ≤ 1800 1000
Núm. Páginas 1 1 1800 ≤ 1800 -4,2E-09

11. Car Phones vende dos modelos de teléfono para automóvil: X y Y Los registros
muestran que se utilizan 3 horas de tiempo de ventas por cada modelo de
teléfono X vendido, y 5 horas de tiempo de ventas por cada teléfono de modelo
Y. Están disponibles un total de 600 horas de venta para el siguiente período de
cuatro semanas. Además, las políticas de planeación de la administración
exigen metas mínimas de ventas de 25 unidades, tanto para el X como para el
Y.
a. Muestre la región factible
b. Si la empresa obtiene una contribución a la utilidad de 40 dólares por cada
modelo X vendido y una contribución a la utilidad de 50 dólares por cada
modelo Y vendido. ¿Cuál es la meta óptima de ventas para la empresa durante
el período de 4 semanas?
c. Desarrolle una restricción y muestre la región factible si la administración
agrega la restricción que Car Phones debe vender por lo menos tantos
teléfonos Y como teléfonos X.
d. ¿Cuál es la nueva solución óptima si al problema se le agrega la restricción
del inciso (c)?11

Solución:
Formulación del modelo:
Definición de variables
X1 = Número de unidades de teléfonos modelo X
X2 = Número de unidades de teléfonos modelo Y

Función Objetivo
Zmax = 40X1 + 50X2

Restricciones
3X1 + 5X2 ≤ 600 horas de venta disponibles
X1 ≥ 25 meta mínima de venta
X2 ≥ 25 meta mínima de venta

No negatividad
Xi ≥0; i=1,2
Solución GLP

11
Anderson Sweeney Willams. Métodos Cuantitativos para los Negocios. 7ma Edición. Editorial
Thomson. Página 268. Problema 28.

Oswaldo Paul Rivadeneira Página: 23


Investigación Operativa I Programación Lineal

Payoff: 40.0 X1 + 50.0 X2 = 7583.3

: 1.0 X1 + 0.0 X2 = 25.0

: 3.0 X1 + 5.0 X2 = 600.0

: 0.0 X1 + 1.0 X2 = 25.0

X2
2
2 X1

Optimal Decisions(X1,X2): (158.3, 25.0)


: 3.0X1 + 5.0X2 <= 600.0
: 1.0X1 + 0.0X2 >= 25.0
: 0.0X1 + 1.0X2 >= 25.0

Datos de entrada SOLVER


PLANIFICACION DE CAR PHONES

Modelo Modelo
Teléfono X Y
Cantidad 1 1 Max
Utilidad 40 50 90

No
Restricciones Utilizado Límite Utiliz
Horas disp. 3 5 8 ≤ 600 592
Venta min X 1 1 ≥ 25 -24
Venta min Y 1 1 ≥ 25 -24

Datos de Salida SOLVER


PLANIFICACION DE CAR PHONES

Modelo Modelo
Teléfono X Y
Cantidad 158,3333 25 Max
Utilidad 40 50 7583,333

Restricciones Utilizado Límite No Utiliz


Horas disp. 3 5 600 ≤ 600 -1,4E-09
Venta min X 1 158,3333 ≥ 25 133,3333
Venta min Y 1 25 ≥ 25 2,64E-12

Oswaldo Paul Rivadeneira Página: 24


Investigación Operativa I Programación Lineal

12. Greentree Kennels proporciona alojamiento por una noche para mascotas. Una
característica particular en Greentree es la calidad del cuidado que reciben las
mascotas, incluyendo una excelente alimentación. 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:

Comida Costo/onza Proteínas % Grasa %


Bark Bits 0.06 30 15
Canine Chow 0.05 20 30

Si Greentree desea asegurarse de que los perros reciban por lo menos 5 onzas de
proteínas y como mínimo 3 onzas de grasas cada día, ¿Cuál es la mezcla de costo
mínimo de los alimentos para perros?12

Solución:
Formulación del modelo:
Definición de variables
X1 = Cantidad de onzas de comida Bark Bits
X2 = Cantidad de onzas de comida Canine Chow

Función Objetivo
Zmin = 0.06X1 + 0.05X2

Restricciones
0.3X1 + 0.2X2 ≥ 5 contenido de proteínas
0.15 X1 + 0.3 X2 ≥ 3 contenido de grasas

No negatividad
Xi ≥0; i=1,2

Solución GLP

12
Anderson Sweeney Willams. Métodos Cuantitativos para los Negocios. 7ma Edición. Editorial
Thomson. Página 269. Problema 34.

Oswaldo Paul Rivadeneira Página: 25


Investigación Operativa I Programación Lineal

36

30

24

Payoff: 0.06 X1 + 0.05 X2 = 1.02


18
: 0.30 X1 + 0.20 X2 = 5.00

12
: 0.15 X1 + 0.30 X2 = 3.00

0
0 10 20 30 40 50 60 70 80

Optimal Decisions(X1,X2): (15.00, 2.50)


: 0.30X1 + 0.20X2 >= 5.00
: 0.15X1 + 0.30X2 >= 3.00

Entrada de datos SOLVER


PLANIFICACIÓN TRABAJO Greentree Kennels

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

Salida de datos SOLVER

PLANIFICACIÓN TRABAJO Greentree Kennels

Bark Canine
Comida Bits Chow
Cantidad 15 2,5 Min
Calidad 0,06 0,05 1,025

Oswaldo Paul Rivadeneira Página: 26


Investigación Operativa I Programación Lineal

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 después 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 año, 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. ¿Cuántos recipientes deberá producir New England Cheese de Regular
y Zesty?13

Solución:
Formulación del modelo:
Definición de variables
X1 = Cantidad (en miles) de recipientes de queso Regular
X2 = Cantidad (en miles) de recipientes de queso Zesty

Función 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

Solución GLP

13
Anderson Sweeney Willams. Métodos Cuantitativos para los Negocios. 7ma Edición. Editorial
Thomson. Página 269. Problema 35.

Oswaldo Paul Rivadeneira Página: 27


Investigación Operativa I Programación Lineal

: 0.2 X1 + 0.4 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

Optimal Decisions(X1,X2): ( 0.0, 10.0)


: 0.8X1 + 0.6X2 <= 10.8
: 0.2X1 + 0.4X2 <= 4.0

Datos de entrada SOLVER

PLANIFICACION TRABAJO en New England Cheese Company

Recipientes queso Regular Zesty


Cantidad en miles 1 1 max
Utilidad 0,4 1,4 1,8

No
Restricciones Utilizado Límite 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

Datos de salida SOLVER

Recipientes queso Regular Zesty


Cantidad en miles 0 10 max
Utilidad 0,4 1,4 14

No
Restricciones Utilizado Límite 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

Oswaldo Paul Rivadeneira Página: 28


Investigación Operativa I Programación Lineal

14. Los administradores de Healthtech Foods están considerando desarrollar un


nuevo bocadillo bajo en grasas. Se trata de una mescla de dos tipos de
cereales, cada una de ellos con distintas características en fibras, grasas y
proteínas. La tabla siguiente muestra estas características por onza de cada tipo
de cereal.

Fibra dietética Grasas Proteínas


Cereal (gramos) (gramos) (gramos)
A 2 2 4
B 1.5 3 3

Note que cada onza de cereal A proporciona dos gramos de fibra dietética y que
cada onza de cereal B da 1.5 gramos de fibra dietética, 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 éste contendría 1.75 gramos de fibra
dietética. Los requisitos nutricionales de Healthtech exigen que cada onza del
nuevo alimento tenga por lo menos 1.7 gramos de fibra dietética, no más de 2.8
gramos de grasa y no más de 3.6 gramos de proteínas. El costo del cereal A es
de $0.02 por onza y el del B es de $0.025 por onza. Healthtech desea
determinar cuánto de cada cereal es necesario para producir una onza del
nuevo producto al menor costo posible.

a. Formule el modelo de programación lineal para esta situación


b. Resuelva el problema utilizando el procedimiento de solución gráfica
c. ¿Cuáles son las variables de holgura y de excedente
d. Si Healthtech pone en el mercado el nuevo cereal en un paquete de 8 onzas.
¿Cuál sería el costo del paquete?14

Solución:
Formulación del modelo:
Definición de variables
X1 = Cantidad de onzas de cereal A
X2 = Cantidad de onzas de cereal B

Función Objetivo
Zmin = 0.02X1 + 0.025X2

Restricciones
2X1 + 1.5X2 ≥ 1.7 por fibra dietética
2X1 + 3X2 ≤ 2.8 por grasas
4X1 + 3X2 ≤ 3.6 por proteínas
X1 + X2 = 1 onzas

14
Anderson Sweeney Willams. Métodos Cuantitativos para los Negocios. 7ma Edición. Editorial
Thomson. Página 269. Problema 36.

Oswaldo Paul Rivadeneira Página: 29


Investigación Operativa I Programación Lineal

No negatividad
Xi ≥0; i=1,2

Solución GLP

X2
1

Payoff: 0.020 X1 + 0.025 X2 = 0.017

: 4.000 X1 + 3.000 X2 = 3.600

: 2.000 X1 + 3.000 X2 = 2.800

0 : 2.000 X1 + 1.500 X2 = 1.700


0 1 X1

Optimal Decisions(X1,X2): (0.850, 0.000) :


2.000X1 + 1.500X2 >= 1.700
: 2.000X1 + 3.000X2 <= 2.800
: 4.000X1 + 3.000X2 <= 3.600

Datos entrada SOLVER

Planificacion de Healthtech Foods

Cereal A B
Cantidad en onzas 1 1 min
Costo 0,02 0,025 0,045

No
Restricciones Utilizado Límite Utiliz
fibra dietética 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

Datos salida SOLVER

Planificacion de Healthtech Foods

Cereal A B
Cantidad en onzas 0,85 0 min

Oswaldo Paul Rivadeneira Página: 30


Investigación Operativa I Programación Lineal

Costo 0,02 0,025 0,017

No
Restricciones Utilizado Límite Utiliz
9,12E-
fibra dietética 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. M D Chemical produce dos productos que se venden como materia prima para
empresas fabricantes de jabones para baño, detergentes para lavandería y otros
productos de jabón. Apoyándose en un análisis de los niveles actuales de
inventarios y de la demanda potencial para el mes siguiente, la administración
de M D ha especificado que la producción total de los productos 1 y 2
combinados debe ser de por lo menos 350 galones. Además 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 galón, y del
producto 2 requiere de una hora; para el mes siguiente, hay disponibilidades de 600
horas de proceso. Los costos de producción son 2 dólares por galón del producto
1 y 3 dólares del producto 2.
a. Determine las cantidades de producción que satisfagan los requisitos
especificados al costo mínimo.
b. ¿Cuál es el costo total del producto?
c. Identifique la cantidad de cualquier producción excedente.15

Solución:
Formulación del modelo:
Definición de variables
X1 = Cantidad de galones del producto 1
X2 = Cantidad de galones de producto 2

Función 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

Solución GLP

15
Anderson Sweeney Willams. Métodos Cuantitativos para los Negocios. 7ma Edición. Editorial
Thomson. Página 270. Problema 37.

Oswaldo Paul Rivadeneira Página: 31


Investigación Operativa I Programación Lineal

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

Optimal Decisions(X1,X2): (250.0, 100.0)


: 1.0X1 + 1.0X2 >= 350.0
: 1.0X1 + 0.0X2 >= 125.0
: 2.0X1 + 1.0X2 <= 600.0

Datos entrada SOLVER


Planificacion de 55. M&D Chemical

Producto 1 2
Cantidad galones 1 1 min
Costo 2 3 5

No
Restricciones Utilizado Límite Utiliz
Galones
producidos 1 1 2 ≥ 350 -348
Pedido cliente 1 1 ≥ 125 124
Horas proceso 2 1 3 ≤ 600 597

Datos salida SOLVER

Planificacion de M&D Chemical

Producto 1 2
Cantidad galones 250 100 min
Costo 2 3 800

Oswaldo Paul Rivadeneira Página: 32


Investigación Operativa I Programación Lineal

Restricciones Utilizado Límite No Utiliz


Galones
producidos 1 1 350 ≥ 350 8,11E-10
Pedido cliente 1 250 ≥ 125 -125
Horas proceso 2 1 600 ≤ 600 -2,9E-10

16. Photo Chemicals produce dos tipos de fluido para revelado fotográfico. Ambos
productos le cuestan a la empresa un dólar por galón producirlos. Con base e
una análisis de niveles actuales de inventario y en las órdenes en mano para el
mes siguiente, la administración 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. También ha dicho la administración
que en el transcurso de las siguientes dos semanas debe utilizarse el inventario
existente de una materia prima muy perecedera necesaria en la producción de
ambos fluidos. El inventario actual de esta materia prima muy perecedera es de
80 libras. Aunque de ser necesario se puede ordenar más de esta materia
prima, cualquier parte del inventario actual no utilizada se echará a perder
dentro de las siguientes dos semanas; de ahí el requerimiento de la
administración de que por lo menos se utilicen las 80 libras en las siguientes dos
semanas. Además, el producto 1 requiere de una libra de esta materia prima
perecedera por galón, y el producto 2 requiere 2 libras de la materia prima por
galón. Dado que el objetivo de la administración es mantener los costos de
producción al mínimo nivel posible, están buscando un plan de producción de
costo mínimo 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. ¿Cuál es la solución de costo mínimo?16

Solución:
Formulación del modelo:
Definición de variables
X1 = Cantidad de galones de fluido tipo 1
X2 = Cantidad de galones de fluido tipo 2

Función Objetivo
Zmin = X1 + X2

Restricciones
X1 ≥ 30 producción mínima de producto 1
X2 ≥ 20 producción mínima de producto 2
X1 + 2X2 ≥ 80 libras de materia prima

No negatividad
Xi ≥0; i=1,2

16
Anderson Sweeney Willams. Métodos Cuantitativos para los Negocios. 7ma Edición. Editorial
Thomson. Página 270. Problema 38.

Oswaldo Paul Rivadeneira Página: 33


Investigación Operativa I Programación Lineal

Solucion GLP

Payoff: 1.0 X1 + 1.0 X2 = 60.0

X225 : 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

Optimal Decisions(X1,X2): (40.0, 20.0)


: 1.0X1 + 0.0X2 >= 30.0
: 0.0X1 + 1.0X2 >= 20.0
: 1.0X1 + 2.0X2 <= 80.0

17. Bryant’s Pizza es un productor de pizzas congeladas. La empresa tiene una


utilidad de un dólar por cada pizza normal que produzca y de 1.5 dólares por
cada pizza de lujo. Cada pizza incluye una combinación de pasta de harina y de
mezcla de relleno. Actualmente la empresa tiene 150 libras de mezcla de pasta
y de 50 libras de mezcla de relleno. Cada pizza normal utiliza una libra de
mezcla de pasta de harina y 4 onzas de mezcla de pasta de relleno. Cada pizza
de lujo utiliza una libra de mezcla de pasta de harina y 8 onzas de mezcal de
relleno. Con base en la demanda del pasado, Bryant puede vender por lo menos
50 pizzas normales y por lo menos 25 pizzas de lujo. ¿Cuántas pizzas normales y de
lujo deberá fabricar la empresa para maximizar la utilidad?
a. ¿Cuál es el modelo de programación lineal para este problema?
b. Escriba este programa lineal en su forma estándar.
c. Encuentre la solución óptima.
d. ¿Cuáles son los valores e interpretaciones de todas las variables de holgura y
de excedente?
e. ¿Qué restricciones están asociadas con recursos limitantes?17

Solución:
Formulación del modelo:

17
Anderson Sweeney Willams. Métodos Cuantitativos para los Negocios. 7ma Edición. Editorial
Thomson. Página 270. Problema 39.

Oswaldo Paul Rivadeneira Página: 34


Investigación Operativa I Programación Lineal

Definición de variables
X1 = Cantidad de Pizzas Normales
X2 = Cantidad de Pizzas De Lujo

Función 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
Solución GLP
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

Optimal Decisions(X1,X2): (100.00, 50.00) :


1.00X1 + 1.00X2 <= 150.00
: 0.25X1 + 0.50X2 <= 50.00
: 1.00X1 + 0.00X2 >= 50.00
: 0.00X1 + 1.00X2 >= 25.00

Datos de entrada SOLVER

PLANIFICACION TRABAJO BRYANT'S PIZZA

Pizzas Normal Lujo


Cantidad 1 1 max

Oswaldo Paul Rivadeneira Página: 35


Investigación Operativa I Programación Lineal

Utilidad 1 1,5 2,5

No
Restricciones Utilizado Límite 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

Datos de salida SOLVER

PLANIFICACION TRABAJO BRYANT'S PIZZA

Pizzas Normal Lujo


Cantidad 100 50 max
Utilidad 1 1,5 175

No
Restricciones Utilizado Límite 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

18. English Motors, Ltd. (EML), ha desarrollado un nuevo vehículo deportivo de


utilería, con tracción en la cuatro llantas. Como parte de la campaña de
mercadotecnia, EML ha desarrollado una presentación de ventas en video cinta
que se enviará tanto a propietarios de vehículos de tracción en las cuatro ruedas
EML actuales, como a propietarios de vehículos utilitarios deportivos de cuatro
ruedas ofrecidos por los competidores EML se refiere a estos dos mercados
objetivo como mercado de clientes actual y mercado de clientes nuevo. Los
individuos que reciban el nuevo video promocional también recibirán un cupón
para un recorrido de prueba del nuevo modelo EML, durante un fin de semana.
Un factor clave en el éxito de esta nueva promoción es la tasa de respuesta, es
decir el porcentaje de individuos que reciban la nueva promoción y hagan el
recorrido de prueba del nuevo modelo, EML estima que la tasa de respuesta
para el mercado de clientes actual es de 25% y para el mercado de cliente
nuevo es de 20%. La tasa de ventas es el porcentaje de individuos que reciba
la nueva promoción, haga el recorrido de prueba y efectúe la compra. Los
estudios de investigación de mercado indican que la tasa de ventas el de 12%
para el mercado de clientes actual y de 20% para el mercado de clientes nuevo.
El costo de cada promoción, excluyendo los costos de recorrido de prueba, es
de 5 dólares por cada promoción enviada al mercado de clientes actual y de 4
dólares por cada promoción enviada al mercado de clientes nuevo. La
administración también ha decidido que se deberá enviar la nueva promoción a
un mínimo d 30.000 clientes actuales y a un mínimo de 10.000 clientes nuevos.
Además, el número de clientes actuales que haga el recorrido de prueba del

Oswaldo Paul Rivadeneira Página: 36


Investigación Operativa I Programación Lineal

nuevo vehículo debe ser de por lo menos el doble del número de clientes
nuevos que hagan recorrido de prueba del nuevo vehículo. Si el presupuesto de
mercadotecnia, incluyendo los costos del recorrido de prueba, es de 1’200.000
dólares, ¿Cuántas promociones deberán ser enviadas a cada grupo de clientes para
maximizar las ventas totales?18

Solución:
Formulación del modelo:
Definición de variables
X1 = Cantidad de promociones enviadas a clientes actuales
X2 = Cantidad de promociones enviadas a clientes nuevos

Función Objetivo
Zmax = 0.12*5X1 + 0.20*4X2

Restricciones
X1 ≥ 30.000 clientes actuales
X2 ≥ 10.000 clientes nuevos
0.25X1 ≥ 2*0.20X2 relación entre clientes que responden a la promoción 5X1
+ 4X2 ≤1’200.000 presupuesto

No negatividad
Xi ≥ 0; i=1,2
Solución GLP

18
Anderson Sweeney Willams. Métodos Cuantitativos para los Negocios. 7ma Edición. Editorial
Thomson. Página 274. Problema 61.

Oswaldo Paul Rivadeneira Página: 37


Investigación Operativa I Programación Lineal

X2
273
260
247
234
221 Payoff: 0.60 X1 + 0.80 X2 = 176.00
208

195182 : 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

Optimal Decisions(X1,X2): (160.00, 100.00) :


1.00X1 + 0.00X2 >= 30.00
: 0.00X1 + 1.00X2 >= 10.00
: 0.25X1 - 0.40X2 >= 0.00
: 5.00X1 + 4.00X2 <= 1200.00

Datos de entrada SOLVER


PLANIFICACION TRABAJO ENGLISH MOTOR LTD.

Clientes Clientes
Promociones Actuales Nuevos
Cantidad en
miles 1 1 max
Ventas 0,6 0,8 1,4

No
Restricciones Utilizado Límite 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

Datos salida SOLVER

PLANIFICACION TRABAJO ENGLISH MOTOR LTD.

Clientes Clientes
Promociones Actuales Nuevos
Cantidad en
miles 160 100 max
Ventas 0,6 0,8 176

Oswaldo Paul Rivadeneira Página: 38


Investigación Operativa I Programación Lineal

Restricciones Utilizado Límite No Utiliz


Clientes actuales 1 160 ≥ 30 -130
Clientes nuevos 1 100 ≥ 10 -90
Relacion clientes 0,25 -0,4 -1,1E-11 ≥ 0 -1,1E-11
Presupuesto 5 4 1200 ≤ 1200 2,78E-09

19. Creative Sports Designs (CSD) fabrica raquetas de tamaño estándar y


extragrande. Las raquetas de la empresa son extremadamente ligeras, debido a
uso de una aleación de magnesio y grafito inventada por el fundador de la
empresa. Cada raqueta de tamaño estándar utiliza 0,125 kilos de aleación y
cada raqueta extragrande utiliza 0,4 kilos; para el siguiente período de
producción de dos semanas sólo hay disponibles 80 kilos de aleación. Cada
raqueta de tamaño estándar ocupa 10 minutos de tiempo de fabricación y cada
raqueta de tamaño extragrande ocupa 12 minutos. Las contribuciones a la
utilidad son de 10 dólares por cada raqueta estándar y de 15 dólares por cada
raqueta extragrande y están disponibles 40 horas de tiempo de producción por
semana. La administración ha especificado que por lo menos 20% de la
producción total debe ser de raqueta de tamaño estándar. ¿Cuántas raquetas
de cada tipo deberá fabricar CSD en las dos semanas siguientes, a fin de
maximizar la contribución a la utilidad? Suponga que, debido a la naturaleza
única de sus productos, CSD puede vender tantas raquetas como pueda
producir.19

Solución:
Formulación del modelo:
Definición de variables
X1 = Cantidad de unidades de raquetas estandar
X2 = cantidad de unidades de raquetas extra grande

Función Objetivo
Zmax = 10X1 + 15X2

Restricciones
0.125X1 + 0.4X2 ≤ 80 kilos de aleación
10X1 + 12X2 ≤ 40*60 minutos de tiempo de producción X1
≥ 0.20(X1 + X2)

No negatividad
Xi ≥0; i=1,2
Solución GLP

19
Anderson Sweeney Willams. Métodos Cuantitativos para los Negocios. 7ma Edición. Editorial
Thomson. Página 274. Problema 62.

Oswaldo Paul Rivadeneira Página: 39


Investigación Operativa I Programación Lineal

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

Optimal Decisions(X1,X2): (41.379, 165.517) :


0.125X1 + 0.400X2 <= 80.000
: 10.000X1 + 12.000X2 <= 2400.000
: 0.800X1 - 0.200X2 >= 0.000

Datos entrada SOLVER

PLANIFICACION TRABAJO 59. Creative Sports Designs

Raquetas Estandar Extra G


Cantidad 1 1 max
Contrib. Utilidad 10 15 25

No
Restricciones Utilizado Límite Utiliz
Kilos aleación 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

Datos salida SOLVER

PLANIFICACION TRABAJO 59. Creative Sports Designs

Raquetas Estandar Extra G


Cantidad 41,37931 165,5172 max
Contrib. Utilidad 10 15 2896,552

Restricciones Utilizado Límite No Utiliz


Kilos aleación 0,125 0,4 71,37931 ≤ 80 8,62069
Tiempo prod. min 10 12 2400 ≤ 2400 3,03E-10

Oswaldo Paul Rivadeneira Página: 40


Investigación Operativa I Programación Lineal

20% prod estand 0,8 -0,2 9,03E-11 ≥ 0 9,03E-11

20. La administración de High Tech Service (HTS) desea desarrollar un modelo que le
ayude a asignar el tiempo de sus técnicos entre llamada de servicio por
contrato a clientes tanto normales como nuevos. En el período de planeación de
dos semanas hay disponible un máximo de 80 horas de tiempo de técnico. A fin
de satisfacer los requisitos de flujo de caja, deben generarse por lo menos 800
dólares de ingresos (por técnico) durante el período de dos semanas. El tiempo
de técnico para los clientes normales genera 25 dólares por hora, pero para
clientes nuevos sólo genera un promedio de 8 dólares 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 técnico
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 políticas enunciadas, HTS desearía determinar cómo asignar el
tiempo de los técnicos entre clientes normales y nuevos, a fin de maximizar el
número total de clientes en contacto durante el período de dos semanas. Los
técnicos 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 programación lineal que le permita a HTS asignar el
tiempo de los técnicos entre clientes normales y nuevos.
b. Haga una gráfica de la región factible
c. Resuelva las ecuaciones lineales simultáneas apropiadas para determinar los
valores de X1 y X2 en cada punto extremo de la región factible.
d. Encuentre la solución óptima20

REFERENCIA: Página 274 Problema 63. Métodos Cuantitativos para los


Negocios. 7ma Edición. Anderson Sweeney Willams. Editorial Thomson.

Solución:
Formulación del modelo:
Definición de variables
X1 = Numero de horas de técnico asignado a clientes normales
X2 = Numero de horas de técnico asignado a clientes nuevos

Función Objetivo
Zmax = 60X1/50+ 60X2/60 número de clientes

Restricciones
X1 + X2 ≤ 80 horas disponibles de técnico
X2 ≥ 0.6X1 relación de tiempo de técnico
25X1 + 8X2 ≥ 800 ingresos en dólares

No negatividad
Xi ≥ 0; i=1,2

20
Anderson Sweeney Willams. Métodos Cuantitativos para los Negocios. 7ma Edición. Editorial
Thomson. Página 274. Problema 63.

Oswaldo Paul Rivadeneira Página: 41


Investigación Operativa I Programación Lineal

Solución GLP
104

91 Payoff: 1.20 X1 + 1.00 X2 = 90.00

78

65

52

39
: 25.00 X1 + 8.00 X2 = 800.00
: -0.60 X1 + 1.00 X2 = 0.00

26

13 : 1.00 X1 + 1.00 X2 = 80.00

0
0 11 22 33 44 55 66 77

Optimal Decisions(X1,X2): (50.00, 30.00) :


1.00X1 + 1.00X2 <= 80.00
: -0.60X1 + 1.00X2 >= 0.00
: 25.00X1 + 8.00X2 >= 800.00

Entrada de datos SOLVER


PLANIFICACION TRABAJO High Tech Service

Clientes Clientes
Horas de trabajo normales nuevos
Cantidad horas 11 max
Número clientes 1.2 1 2.2

Restricciones Utilizado Límite No Utiliz


Horas
disponibles 1 1 2 ≤ 80 78
Relación tiempo -0.6 1 0.4 ≥ 0 -0.4
Ingresos 25 8 33 ≥ 800 -767

Datos de salida SOLVER

PLANIFICACION TRABAJO High Tech Service

Clientes Clientes
Horas de trabajo normales nuevos
Cantidad horas 50 30 max
Número clientes 1.2 1 90

Oswaldo Paul Rivadeneira Página: 42


Investigación Operativa I Programación Lineal

Restricciones Utilizado Límite No Utiliz


Horas
disponibles 1 1 80 ≤ 80 -1.8E-10
Relación tiempo -0.6 1 -2.2E-11 ≥ 0 2.18E-11
Ingresos 25 8 1490 ≥ 800 690

21. Jackson Hole Manufacturing es un pequeño fabricante de productos de plástico


que se utilizan en las industrias automotrices y de computación. Tiene un
importante contrato con una empresa de computadoras que implica la
producción de cajas de plástico para las impresoras portátiles de dicha empresa.
Las cajas de impresora se producen en dos máquinas de moldeo por inyección.
La máquina M100 tiene una capacidad de producción de 20 cajas de impresora
por hora y la máquina M200 tiene una capacidad de 40 cajas por hora. Ambas
máquina utilizan la misma materia prima química para producir las cajas de
impresora.; la M100 utiliza 40 libras de materia prima por hora, y la M200 utiliza
50 por hora. La empresa de computadoras le ha pedido a Jackson Hole que
produzca tantas cajas durante la semana que sigue como sea posible, y la ha
dicho que le pagará 18 dólares por cada caja que pueda entregar. Sin embargo,
la siguiente semana es un período normal de vacaciones programadas para la
mayor parte de los empleados de producción de Jackson Hole. Durante este
tiempo, se efectúa el mantenimiento anual de todo el equipo de la planta.
Debido al tiempo parado para mantenimiento, la M100 no estará disponible
durante más de 15 horas y la M200 durante más de 10 horas. Sin embargo, en
razón del elevado costo de preparación involucrado en ambas máquinas, la
administración requiere que, si el programa de producción en cualquiera de
estas máquinas, la máquina deberá operar por lo menos durante 5 horas. El
proveedor de la materia química utilizada en el proceso de producción le ha
informado a Jackson Hole que tendrá disponible un máximo de 1.000 libras de
la materia prima para la producción de la siguiente semana. El costo de la
materia prima es de 6 dólares por libra. Además del costo de la materia prima,
Jackson Hole estima que el costo horario de operación de la M100 y la M200
son de 50 y 75 dólares, respectivamente.
a. Formule un modelo de programación lineal que se pueda utilizar para
maximizar la contribución de la utilidad.
b. Resuelva el problema utilizando el procedimiento de solución gráfica.21

Solución:
Formulación del modelo:
Definición de variables
X1 = Numero de horas de trabajo de maquina M100
X2 = Numero de horas de trabajo de maquina M200

Función Objetivo
Zmax = (20X1*18 - 40X1*6 - 50X1) + (40X2*18 - 50X2*6 - 75X2)

21
Anderson Sweeney Willams. Métodos Cuantitativos para los Negocios. 7ma Edición. Editorial
Thomson. Página 275. Problema 64.

Oswaldo Paul Rivadeneira Página: 43


Investigación Operativa I Programación Lineal

Zmax = (360 - 240 - 50)X1 + (720 - 300 - 75)X2 Zmax


= 70X1 + 345X2

Restricciones
X1 ≤ 15 horas máximas de trabajo M100
X2 ≤ 10 horas máximas de trabajo de M200
X1 ≥ 5 horas mínimas de trabajo de M100
X2 ≥ 5 horas mínimas de trabajo de M200
40X1 + 50X2 ≤ 1000 libras de materia prima disponibles

No negatividad
Xi ≥ 0; i=1,2

Solución GLP

Payoff: 70.0 X1 + 345.0X2 = 4325.0


12

: 40.0 X1 + 50.0 X2 = 1000.0

: 0.0 X1+ 2.0 X2 = 5.0

: 1.0 X1 + 0.0 X2 = 5.0

: 0.0 X1 + 1.0 X2 = 10.0

0 : 1.0 X1 + 0.0 X2 = 15.0


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 25 26 27

Optimal Decisions(X1,X2): (12.5, 10.0)


: 1.0X1 + 0.0X2 <= 15.0
: 0.0X1 + 1.0X2 <= 10.0
: 1.0X1 + 0.0X2 >= 5.0
: 0.0X1 + 2.0X2 >= 5.0
: 40.0X1 + 50.0X2 <= 1000.0

Datos entrada SOLVER


PLANIFICACION TRABAJO High Tech Service

Maquina Maquina
Horas de trabajo M100 M200
Cantidad horas 1 1 max
Contrib. utilidad 70 345 415

Restricciones Utilizado Límite No Utiliz


Horas max M100 1 0 1 ≤ 15 14
Horas max M200 0 1 1 ≤ 10 9

Oswaldo Paul Rivadeneira Página: 44


Investigación Operativa I Programación Lineal

Horas min M100 1 0 1 ≥ 5 -4


Horas min M200 0 1 1 ≥ 5 -4
Libras disponibles 40 50 90 ≤ 1000 910

Datos de salida SOLVER

Maquina Maquina
Horas de trabajo M100 M200
Cantidad horas 12.5 10 max
Contrib. utilidad 70 345 4325

Restricciones Utilizado Límite No Utiliz


Horas max M100 1 0 12.5 ≤ 15 2.5
Horas max M200 0 1 10 ≤ 10 -9.9E-13
Horas min M100 1 0 12.5 ≥ 5 7.5
Horas min M200 0 1 10 ≥ 5 5
Libras disponibles 40 50 1000 ≤ 1000 -1.5E-09

22. Electronic Comunications fabrica radios portátiles que pueden utilizarse en


comunicaciones de dos vías. El nuevo producto de la empresa que tiene un
rango de hasta 25 millas, es adecuado para una diversidad de usos comerciales
y personales. Los canales de distribución para el nuevo radio son:

1. distribuidores de equipo marino,


2. distribuidores de equipo de oficina,
3. cadenas nacionales de tiendas al menudeo,
4. pedidos por correo.

Debido a diferentes costos de distribución y promocionales, la reditualidad del


producto variará según el canal de distribución. Además, el costo de publicidad
y el esfuerzo de ventas personales requerido también variarán de acuerdo con
los canales de distribución. La tabla siguiente resume la distribución de la
utilidad, el costo de publicidad y los datos de esfuerzo de ventas personales
correspondientes al problema de Electronic Comunications. La empresa a
formulado un presupuesto de publicidad de 5.000 dólares, y está disponible un
máximo de 1800 horas de la fuerza de ventas para asignar al esfuerzo de
ventas. Finalmente, un contrato vigente con la cadena nacional de tiendas al
menudeo requiere que por lo menos de distribuyan 150 unidades a través de
este canal de distribución.

Datos de Utilidades, costos y esfuerzo del personal de ventas para Electronic


Esfuerzo del
Canal de Utilidades por Costo de publicidad personal de ventas
distribución unidad vendida por unidad vendida por unidad vendida
Distrib. Marinos $90 $10 2 horas

Oswaldo Paul Rivadeneira Página: 45


Investigación Operativa I Programación Lineal

Distrib. de oficinas $84 $8 3 horas


Tiendas nacionales $70 $9 3 horas
Pedidos por correo $60 $15 Ninguna

Electronic Comunications ahora se enfrenta al problema de establecer un


estrategia de distribución para los radios, que maximice la reditualidad general de la
producción de nuevos radios. Debe tomarse decisiones en relación con cuantas
unidades deben asignarse a cada uno de los cuatro canales de distribución,
así como asignar el presupuesto de publicidad y el esfuerzo de la fuerza de ventas
a cada uno de los canales de distribución. 22

Solución:
Formulación del modelo:
Definición 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

Función 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 mínimas para cadenas nacionales

No negatividad
Xi ≥ 0; i=1,4

Datos de entrada SOLVER


ELECTRONIC COMUNICATION
Distribuidores Cadenas pedidos
Equipo Equipos de nacionales por
Radios asignados a Marino Oficina de tiendas correo
Número de Radios 1 1 1 1 Max
Utlidades 90 84 70 60 304

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. Métodos Cuantitativos para los Negocios. 7ma Edición. Editorial
Thomson. Página 298.

Oswaldo Paul Rivadeneira Página: 46


Investigación Operativa I Programación Lineal

Datos de salida SOLVER


ELECTRONIC COMUNICATION
Distribuidores Cadenas pedidos
Equipo Equipos nacionales por
Radios asignados a Marino de Oficina de tiendas correo
Número de Radios 10.71429 442.85714 150 0 Max
Utlidades 90 84 70 60 48664.29

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

23. National Insurance Associates mantiene una cartera de inversiones en acciones,


bonos y otras alternativas de inversión. Actualmente hay fondos disponibles por
200.000 dólares y deben ser tomados en consideración para nuevas
oportunidades de inversión. Las cuatro opciones de valores que National está
considerando así como los datos financieros relevantes correspondientes son los
que siguen:

Acción
Datos financieros A B C D
Precio por acción ($) 100 50 80 40
Tasa anual de rendimiento 0.12 0.08 0.06 0.10
Medida de riego por dólar 0.10 0.07 0.05 0.08

La medida de riesgo indica la incertidumbre relativa asociada con la acción, en


función de su capacidad de alcanzar su rendimiento anual proyectado; valores más
elevados indican mayor riesgo. Las medidas de riesgo son proporcionadas por el
principal asesor financiero de la empresa.

La administración general de National ha estipulado las siguientes vías de acción para


las inversiones:
1. La tasa de rendimiento anual de la cartera debe ser por lo menos 9%
2. Ninguno de los valores puede representar más del 50% de la inversión
total en dólares.

a. Utilice la programación lineal para desarrollar una cartera de inversiones que


minimice el riesgo.
b. Si la empresa ignora el riesgo y utiliza una estrategia de máximo rendimiento
sobre la inversión, ¿Cuál sería la cartera de inversiones?

Oswaldo Paul Rivadeneira Página: 47


Investigación Operativa I Programación Lineal

c. ¿Cuál es la diferencia en dólares entre las carteras de inversiones de los


incisos (a) y (b)? ¿Por qué preferiría la empresa la solución desarrollada en el
inciso (a)23

REFERENCIA: Página 316 Problema 16. Métodos Cuantitativos para los


Negocios. 7ma Edición. Anderson Sweeney Willams. Editorial Thomson.

Solución a):

Formulación del modelo:


Definición de variables
X1 = Cantidad de acciones asignados a opción A
X2 = Cantidad de acciones asignados a opción B
X3 = Cantidad de acciones asignados a opción C
X4 = Cantidad de acciones asignados a opción D

Función Objetivo
Zmin = 10X1 + 3.5X2 + 4.0X3 + 3.2X4

Restricciones
100X1 + 50X2 + 80X3 + 40X4 ≤ 200.000 dólares disponibles
12X1 + 4.0X2 + 4.8X3 + 4.0X4 ≥ 0.09*200.000 rendimiento
100X1 ≤ 0.5*200.000 inversión máxima de X1
50X2 ≤ 0.5*200.000 inversión máxima de X2
80X3 ≤ 0.5*200.000 inversión máxima de X3
40X4 ≤ 0.5*200.000 inversión máxima 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

RESTRICCIONES USO DE RECUROS Utilizado LIMITE No utiliz


Dólares disponibles 100 50 80 40 270 ≤ 200000 199730.00
Rendimiento annual 12 4 4.8 4 24.8 ≥ 18000 -17975.20
Invesión máx en A 100 100 ≤ 100000 99900.00
Invesión máx en B 50 50 ≤ 100000 99950.00
Invesión máx en C 80 80 ≤ 100000 99920.00
Invesión máx en D 40 40 ≤ 100000 99960.00

23
Anderson Sweeney Willams. Métodos Cuantitativos para los Negocios. 7ma Edición. Editorial
Thomson. Página 316. Problema 16.

Oswaldo Paul Rivadeneira Página: 48


Investigación Operativa I Programación Lineal

Resultados del SOLVER


National Insurance Associates
Acciones
Accionea asignadas a A B C D
Cantidad 333.3333 0 833.333333 2500 Min
Riesgo 10 3.5 4 3.2 14666.67

USO DE
RESTRICCIONES RECUROS Utilizado LIMITE No utiliz
Dólares disponibles 100 50 80 40 200000 ≤ 200000 0.00
Rendimiento annual 12 4 4.8 4 18000 ≥ 18000 0.00
Invesión máx en A 100 33333.33 ≤ 100000 66666.67
Invesión máx en B 50 0 ≤ 100000 100000.00
Invesión máx en C 80 66666.67 ≤ 100000 33333.33
Invesión máx en D 40 100000 ≤ 100000 0.00

24. La administración de Carson Stapler Manufacturing Company pronostica para el


trimestre que viene una demanda de 5000 unidades para su modelo Sure-Hold.
Esta engrapadora se ensambla a partir de tres componentes principales: la
base, el cartucho de grapa y la manija. Hasta ahora Carson ha fabricado los tres
componentes. Sin embargo, el pronóstico de 5000 unidades es un nuevo
volumen máximo de venta y la empresa quizá no tenga suficiente capacidad de
producción para la fabricación de todos los componentes. La administración está
pensando contratar una empresa maquiladora local para producir por lo menos una
parte de los componentes. Los requisitos de tiempos de producción por unidad
son como sigue:

Tiempo
Tiempo de producción (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 producción en
cada uno de los tres departamentos.

Después de tomar en consideración los gastos generales, las materias primas y los
costos de mano de obra de la empresa, el departamento de contabilidad ha llegado
al costo unitario, en dólares, de manufactura de cada componente. Estos datos
junto con las cotizaciones de la empresa maquiladora de los precios de compra, en
dólares, son como sigue:

Componente Costo de manufactura Costo de adquisición


Base 0.75 0.95
Cartucho 0.40 0.55
Manija 1.10 1.40

Oswaldo Paul Rivadeneira Página: 49


Investigación Operativa I Programación Lineal

a. Determine cuál sería la decisión de fabricar o comprar para Carson, que haga
que pueda cumplirse la demanda de 5000 unidades a un costo total mínimo.
De cada componente, ¿Cuántas unidades deberán ser fabricadas y cuantas
deberán ser adquiridas?
b. ¿Qué departamentos están limitando el volumen de fabricación? Si pudiera
considerarse tiempo extraordinario a un costo adicional de $3 la hora, ¿Qué
departamento o departamentos deberían ser motivo de tiempo extra?
Explique.
c. Suponga que en el departamento A se pueden programar hasta 80 horas de
tiempo extra. ¿Qué recomendaría usted?24

Solución:
Formulación del modelo:
Definición 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

Función 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

Datos de entrada SOLVER


Carson Stapler Manufacturing Company
Producidas Adquiridas
Unidades de Grapas Cartuchos Manijas Grapas Cartuchos Manijas
Cantidad 1 1 1 1 1 1 Min
Costos 0.75 0.4 1.1 0.95 0.55 1.4 5.15

24
Anderson Sweeney Willams. Métodos Cuantitativos para los Negocios. 7ma Edición. Editorial
Thomson. Página 316. Problema 17.

Oswaldo Paul Rivadeneira Página: 50


Investigación Operativa I Programación Lineal

RESTRICCIONES USO DE RECUROS Utilizado LIMITE No utiliz


Horas Departamento A 0.03 0.02 0.05 0.1 ≤ 400 399.90
Horas Departamento B 0.04 0.02 0.04 0.1 ≤ 400 399.90
Horas Departamento C 0.02 0.03 0.01 0.06 ≤ 400 399.94
Cantidad de bases 1 1 2 = 5000 4998.00
Cantidad de cartuchos 1 1 2 = 5000 4998.00
Cantidad de manijas 1 1 2 = 5000 4998.00

Datos de salida de SOLVER


Carson Stapler Manufacturing Company
Producidas Adquiridas
Unidades de Grapas Cartuchos Manijas Grapas Cartuchos Manijas
Cantidad 3750 5000 3750 1250 0 1250 Min
Costos 0.75 0.4 1.1 0.95 0.55 1.4 11875

RESTRICCIONES USO DE RECUROS Utilizado LIMITE No utiliz


Horas Departamento A 0.03 0.02 0.05 400 ≤ 400 0.00
Horas Departamento B 0.04 0.02 0.04 400 ≤ 400 0.00
Horas Departamento C 0.02 0.03 0.01 262.5 ≤ 400 137.50
Cantidad de bases 1 1 5000 = 5000 0.00
Cantidad de cartuchos 1 1 5000 = 5000 0.00
Cantidad de manijas 1 1 5000 = 5000 0.00

25. Golf Shafts (GSI) produce palos de grafito para varios fabricantes de palos de
golf. Dos instalaciones de fabricación 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 extrarígidos, utilizados principalmente por golfistas con bajo handicap y
profesionales. GSI acaba de recibir un contrato para la producción de 200.000
palos normales y 75.000 rígidos. Dado que ambas plantas actualmente están
produciendo palos de golf para cumplir con órdenes anteriores, ningún 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 producción unitarios son distintos, como se muestra a
continuación:

Costo de San Diego Costo de Tampa


Palo normal $ 5.25 $ 4.95
Palo rígido $ 5.45 $ 5.70

a. Formule un modelo de programación lineal para determinar la manera en que


GSI deberá programar la producción de este nuevo pedido para minimizar el
costo total de producción.
b. Utilice cualquier código de programación lineal para resolver el modelo
desarrollado en el inciso (a)
c. Suponga que algunas de las órdenes anteriores de la planta de Tampa podrían
ser reprogramadas para liberar la capacidad adicional para esta nueva orden.
¿Merecería esto la pena? Explique.
d. Suponga que el costo de producir un palo de golf rígido en Tampa fue
incorrectamente calculado, y que el costo correcto es de 5.30 dólares por palo.

Oswaldo Paul Rivadeneira Página: 51


Investigación Operativa I Programación Lineal

¿Qué efecto, si es que hubiera alguno, tendría lo anterior sobre la solución


óptima desarrollada en el inciso (b)? ¿Qué efecto tendría lo anterior sobre el
costo total de producción?25

Solución a):
Formulación del modelo:
Definición de variables
X1 = Numero de unid. de palos de golf normales fabricados en San Diego
X2 = Numero de unid. de palos de golf extrarígidos fabricados en San Diego X3 =
Numero de palos de golf normales fabricados en Tampa
X4 = Numero de palos de golf extrarígidos fabricados en Tampa

Función 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 extrarígidos
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 Extrarígid Normales Extrarígid
Cantidad 1 1 1 1 Min
Costos 5.25 5.25 4.95 5.7 21.15

RESTRICCIONES USO DE RECUROS Utilizado LIMITE No utiliz


Palos normales 1 1 2 ≥ 200000 199998.00
Palos
extrarígidos 1 1 2 ≥ 75000 74998.00
Fabric. San Diego 1 1 2 ≤ 120000 119998.00
Fabric. Tampa 1 1 2 ≤ 180000 179998.00

Datos de salida SOLVER

25
Anderson Sweeney Willams. Métodos Cuantitativos para los Negocios. 7ma Edición. Editorial
Thomson. Página 317. Problema 18.

Oswaldo Paul Rivadeneira Página: 52


Investigación Operativa I Programación Lineal

Golf Shafts (GSI)


San Diego Tampa
Palos de Golf Normales Extrarígid Normales Extrarígid
Cantidad 20000 75000 180000 0 Min
Costos 5.25 5.25 4.95 5.7 1E+06

RESTRICCIONES USO DE RECUROS Utilizado LIMITE No utiliz


Palos normales 1 1 2E+05 ≥ 200000 0.00
Palos
extrarígidos 1 1 75000 ≥ 75000 0.00
Fabric. San Diego 1 1 95000 ≤ 120000 25000.00
Fabric. Tampa 1 1 2E+05 ≤ 180000 0.00

26. La Pfeiffer Company administra aproximadamente 15 millones de dólares para sus


clientes. Para cada Cliente, Pfeiffer escoge una mezcla de tres tipos de
inversiones: un fondo de valores de crecimiento, un fondo de ingresos y un
fondo de mercado de dinero. Cada cliente tiene objetivos de inversión distintos
y diferentes tolerancias de riesgo. Para dar gusto a estas diferencias, Pfeiffer
establece límites en cada cartera para los porcentajes que pueden ser invertidos
en estos tres fondos y a cada cliente le asigna un índice de riesgo.

Así como este sistema funciona para Dennos Hartmann, uno de los clientes de
Pfeiffer Con base en una evaluación de la tolerancia al riesgo de Hartmann,
Pfeiffer le ha asignado a la cartera de Hartmann un índice de 0.05. Además,
para mantener cierta diversidad, la fracción 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% deberá estar invertido en fondos de mercado de dinero.

Las evaluaciones de riego para los fondos de crecimiento, de ingresos y de


mercado de dinero son respectivamente 0.10, 0.05 y 0.01. El índice de riesgo de cada
una se calcula como el promedio ponderado de la valuaciones de riesgo de los tres
fondos, donde los coeficientes de ponderación son iguales a la fracción de la cartera
invertida en cada uno de los tres fondos. Hartmann le ha dado 300.000 dólares a
Pfeiffer para su administración. Pfeiffer está pronosticando actualmente un
rendimiento del 20% en el fondo de crecimiento, 10% en el fondo de ingresos y
6% en el fondo de mercad de dinero.

a. Desarrolle un modelo de programación lineal para seleccionar la


mejor mezcla de inversiones para el cartera Hartmann.
b. Resuelva el modelo desarrollado en el inciso (a)
c. ¿Cuánto pueden variar los rendimientos de los tres fondos, antes
que Pfeiffer tenga que modificar la composición de la cartera de
Hartmann?
d. Si Hartmann fuera mas tolerante al riesgo. ¿qué aumento de
rendimiento podría esperar? Por ejemplo, ¿Qué pasaría si su índice de
riesgo de cartera aumentaría al 0.06?

Oswaldo Paul Rivadeneira Página: 53


Investigación Operativa I Programación Lineal

e. Si Pfeiffer revisa hacia abajo su estimación de rendimiento para el


fondo de crecimiento hasta 0.10, ¿Cómo recomendaría usted que se
modificara la cartera de Hartmann?
f. ¿Qué información debe mantener Pfeiffer sobre cada cliente para
utilizar este sistema para la administración de las carteras de los
clientes?
g. En base semanaria Pfeiffer revisa las estimaciones de rendimiento
de cada uno de los tres fondos. Suponga que Pfeiffer tiene 50
clientes. Describe la forma en que Pfeiffer podría ser modificaciones
semanales en cada cartera de cliente, y asignar los fondos totales
administrados entre los tres fondos de inversión. 26

Solución a):
Formulación del modelo:
Definición de variables
X1 = Cantidad de dólares asignados a valores de crecimiento
X2 = Cantidad de dólares asignados a ingresos
X3 = Cantidad de dólares asignados a mercado de dinero

Función 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
dólares 1 1 1 Max
Rendimiento 0.2 0.1 0.06 0.36

RESTRICCIONES USO DE RECUROS Utilizado LIMITE No utiliz


Crecimiento 1 1 ≥ 30000 -29999.00
Ingresos 1 1 ≥ 30000 -29999.00
Mercado de dinero 1 1 ≥ 60000 -59999.00
Riesgo 0.1 0.05 0.01 0.16 ≤ 15000 14999.84
Cartera 1 1 1 3 ≤ 300000 299997.00

26
Anderson Sweeney Willams. Métodos Cuantitativos para los Negocios. 7ma Edición. Editorial
Thomson. Página 317. Problema 19

Oswaldo Paul Rivadeneira Página: 54


Investigación Operativa I Programación Lineal

La Pfeiffer Company
Asignados a Crecimiento Ingresos Mercado
Cantidad de
dólares 120000 30000 150000 Max
Rendimiento 0.2 0.1 0.06 36000

RESTRICCIONES USO DE RECUROS Utilizado LIMITE No utiliz


Crecimiento 1 1E+05 ≥ 30000 90000.00
Ingresos 1 30000 ≥ 30000 0.00
Mercado de dinero 1 2E+05 ≥ 60000 90000.00
Riesgo 0.1 0.05 0.01 15000 ≤ 15000 0.00
Cartera 1 1 1 3E+05 ≤ 300000 0.00

27. La Jolla Beverage Products está pensando en producir un refresco de vino, que
sería 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 mínimo de un 20% y no más de un 30%
de rosado, y 20% de jugo de fruta. La Jolla adquiere el vino de los viñedos o
lugares cercanos y el jugo de frutas de una planta procesadora en San
Francisco. Para el período actual de producción, pueden adquirirse 10.000
galones de vino blanco y 8.000 galones de vino rosado, no hay límite en la
cantidad de jugo de fruta que se puede pedir. El costo de los vinos es de un
dólar por galón para el vino blanco y de 1.50 dólares por galón para el vino
rosado; el jugo de fruta se puede adquirir a 0.50 por galón. La Jolla Beverage
Products puede vender todo el refresco que pueda producir a 2.50 dólares por
galón.
a. ¿En esta situación, 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 número de galones que La
Jolla Beverage Products deberá adquirir de cada ingrediente y la contribución
a la utilidad total que obtendrán de esta mezcla.
c. Si La Jolla Beverage Products pudiera obtener cantidades adicionales de vino
blanco, ¿debería hacerlo? De hacerlo, ¿Cuánto debería estar dispuesto a pagar
por cada galón adicional, y cuantos galones adicionales desearía adquirir?
d. Si La Jolla Beverage Products pudiera obtener cantidades adicionales de vino
rosado, ¿debería hacerlo? De hacerlo, ¿Cuánto debería estar dispuesto a pagar
por cada galón adicional, y cuanto galones adicionales desearía adquirir?
e. Interprete el precio dual para la restricción que corresponde al requisito de
que el refresco de vino debe contener por lo menos 50% de vino blanco.¿Cual
sería su consejo a la administración respecto a este precio dual?
f. Interprete el precio dual de la restricción que correspóndela requisito de que al
refresco de vino debe contener exactamente el 20% de jugo de frutas.¿Cual
es su consejo a la administración respecto a este precio dual?27

27
Anderson Sweeney Willams. Métodos Cuantitativos para los Negocios. 7ma Edición. Editorial
Thomson. Página 317. Problema 18.

Oswaldo Paul Rivadeneira Página: 55


Investigación Operativa I Programación Lineal

Solución b):
Formulación del modelo:
Definición de variables
X1 = Cantidad de galones de vino blanco
X2 = Cantidad de galones de vino rosado
X3 = Cantidad de galones de jugo de frutas

Función Objetivo
Zmax = 2.5*(X1+X2+X3) - 1X1 - 1.5X2 -0.5X3

Restricciones
X1 ≤ 10.000 cantidad máxima de vino blanco
X2 ≤ 8.000 cantidad máxima de vino rosado
X1 ≥ 0.5(X1 +X2 + X3) dosificación máxima de vino blanco
X2 ≥ 0.2(X1 +X2 +X3) dosificación mínima de vino rosado
X2 ≤ 0.3(X1 +X2 +X3) dosificación máxima de vino rosado
X3 ≤ 0.2(X1 +X2 +X3) dosificación de jugo de frutas

No negatividad
Xi ≥ 0; i=1,3

Datos de entrada SOLVER


La Pfeiffer Company
Vino V.
Galones de Blanco Rosado Frutas
Cantidad 1 1 1 Max
Utilidad 1.5 1 2 4.5

RESTRICCIONES USO DE RECUROS Utilizado LIMITE No utiliz


Vino blanco 1 1 ≤ 10000 9999.00
Vino rosado 1 1 ≤ 8000 7999.00
Min. vino blanco 0.5 -1 -1 -1.5 ≥ 0 -1.50
Min. vino rosado -0.2 0.8 -0.2 0.4 ≥ 0 -0.40
Max. vino rosado -0.3 0.7 -0.3 0.1 ≤ 0 -0.10
Max. frutas -0.2 -0.2 0.8 0.4 ≤ 0 -0.40

Datos de salida SOLVER

La Pfeiffer Company
Vino V.
Galones de Blanco Rosado Frutas
Cantidad 10000 3000 2000 Max
Utilidad 1.5 1 2 22000

Oswaldo Paul Rivadeneira Página: 56


Investigación Operativa I Programación Lineal

RESTRICCIONES USO DE RECUROS Utilizado LIMITE No utiliz


Vino blanco 1 10000 ≤ 10000 0.00
Vino rosado 1 3000 ≤ 8000 5000.00
Min. vino blanco 0.5 -1 -1 1E-08 ≥ 0 0.00
Min. vino rosado -0.2 0.8 -0.2 6E-09 ≥ 0 0.00
Max. vino rosado -0.3 0.7 -0.3 -1500 ≤ 0 1500.00
Max. frutas -0.2 -0.2 0.8 -1000 ≤ 0 1000.00

28. El gerente de programación del Canal 10 desea determinar la mejor forma de


asignar el tiempo para la difusión de las noticias vespertinas de las 11:00 a las
11:30. Específicamente le gustaría determinar el número de minutos de tiempo
de difusión dedicado a noticias locales, noticias nacionales, el clima y los
deportes. A lo largo de los 30 minutos de difusión, se reservan 10 minutos para
nubilidad. La política de difusión indica que por lo menos 15% del tiempo
disponible deberá dedicarse a cobertura de noticias locales el tiempo dedicado a
noticias locales y nacionales deberá ser por lo menos 50% del tiempo total de
difusión; el tiempo dedicado al segmento del clima deberá ser inferior o igual al
tiempo que se dedique al segmento de deportes; el tiempo dedicado al
segmento de deportes no deberá ser superior al tiempo total dedicado a
noticias locales y nacionales; y por lo menos, 20% del tiempo deberá dedicarse al
segmento del clima. Los costos de producción por minuto son de 300 dólares para
noticias locales, 200 dólares para noticias nacionales, 100 dólares para el clima y
100 dólares para deportes.

Solución:
Formulación del modelo:
Definición de variables
X1 = número de minutos para noticias locales
X2 = número de minutos para noticias nacionales X3
= número de minutos sobre clima
X4 = número de minutos sobre deportes

Función 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

Datos de entrada SOLVER


PROGRAMACIÓN CANAL 10

Oswaldo Paul Rivadeneira Página: 57


Investigación Operativa I Programación Lineal

MINUTOS en
Noticias Locales Nacionales Clima Deportes
Cantidad 1 1 1 1 Min
Costos 300 200 100 100 700

RESTRICCIONES USO DE RECUROS Utilizado LIMITE No utiliz


Noticias Locales 0,85 -0,15 -0,15 -0,15 0,4 ≥ 0 -0,40
Not. Locales y Nac 0,5 0,5 -0,5 -0,5 0 ≥ 0 0,00
Noticias Clima 1 -1 0 ≤ 0 0,00
Noticias Deportes 1 1 -1 1 ≥ 0 -1,00
Noticias Clima -0,2 -0,2 0,8 -0,2 0,2 ≥ 0 -0,20
Tiempo disponible 1 1 1 1 4 ≤ 20 16,00

Datos de salida SOLVER


PROGRAMACIÓN CANAL 10
MINUTOS en
Noticias Locales Nacionales Clima Deportes
Cantidad 3 7 5 5 Min
Costos 300 200 100 100 3300

RESTRICCIONES USO DE RECUROS Utilizado LIMITE No utiliz


Noticias Locales 0,85 -0,15 -0,15 -0,15 -2E-12 ≥ 0 0,00
Not. Locales y Nac 0,5 0,5 -0,5 -0,5 9E-12 ≥ 0 0,00
Noticias Clima 1 -1 0 ≤ 0 0,00
Noticias Deportes 1 1 -1 5 ≥ 0 -5,00
Noticias Clima -0,2 -0,2 0,8 -0,2 1 ≥ 0 -1,00
Tiempo disponible 1 1 1 1 20 ≤ 20 0,00

29. Gulf Coast Electronics está listo para asignar contratos para la impresión de su
informe anual. Durante los últimos años, 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
impresión. El nivel de calidad y servicio de Likeside Litho ha sido
extremadamente elevado; de hecho sólo el 0,05% de sus informes tuvieron que
ser descartados por problemas de calidad. Johnson Printing también ha tenido
un nivel histórico elevado de calidad, produciendo un promedio de sólo 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 gustaría determinar cuantos informes deberán ser
impresos por cada una de estas empresas, para obtener 75.000 informes de
calidad aceptables. Para asegurarse de que Benson Printing recibirá una parte
del contrato de la administración ha especificado que el número de informes
asignados a Benson Printing deberá ser, por lo menos 10% del volumen que se
asigne a Johnson Printing. Además el volumen total asignado a Benson Printing,
Johnson Printing y Likeside Lithono deberá exceder 30.000, 50.000 y 50.000
ejemplares respectivamente. Debido a la larga relación desarrollada con Likeside
Litho, la administración también ha indicado que a Likeside Litho se le deberá

Oswaldo Paul Rivadeneira Página: 58


Investigación Operativa I Programación Lineal

asignar por lo menos 30.000 informes. El costo por ejemplar es de 2.45 dólares para
Benson Printing, 2.50 dólares para Johnson Printing, y 2.75 dólares para Likeside
Litho.
a. Formule y resuelva un programa lineal para determinar cuántos ejemplares
deberán 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. ¿Qué efecto, si es que existe alguno, tendría?
c. Suponga que la administración está 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, tendría esto?

Solución:
Formulación del modelo:
Definición de variables
X1 = cantidad de ejemplares asignados a Litho
X2 = cantidad de ejemplares asignados a Johnson
X3 = cantidad de ejemplares asignados a Benson

Función 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 asignación mínima Benson
X3 ≤ 30.000 asignación max a Benson
X2 ≤ 50.000 asignación max a Johnson
X1 ≤ 50.000 asignación max a Litho
X1 ≥ 30.000 asignación min a Litho

No negatividad
Xi ≥0; i=1,3

Datos entrada SOLVER

PROGRAMACIÓN Gulf Coast Electronics


Ejemplares Litho Johnson Benson
Cantidad 1 1 1 Max
Costos 2,75 2,5 2,45 7,7

RESTRICCIONES USO DE RECUROS Utilizado LIMITE No utiliz

Oswaldo Paul Rivadeneira Página: 59


Investigación Operativa I Programación Lineal

Ejemplares de calidad 0,995 0,99 0,9 2,885 ≤ 75000 74997,12


Johnson y Benson -0,1 1 0,9 ≥ 0 -0,90
-
Ejemplares Benson 1 1 ≤ 30000 29999,00
Ejemplares Johnson 1 1 ≤ 50000 49999,00
Ejemplares Litho 1 1 ≤ 50000 49999,00
Ejemplares Litho 1 1 ≥ 30000 -29999

Datos salida SOLVER


PROGRAMACIÓN Gulf Coast Electronics
Ejemplares Litho Johnson Benson
Cantidad 50000 0 28055,6 Max
Costos 2,75 2,5 2,45 206236

RESTRICCIONES USO DE RECUROS Utilizado LIMITE No utiliz


Ejemplares de calidad 0,995 0,99 0,9 75000 ≤ 75000 0,00
-
Johnson y Benson -0,1 1 28055,6 ≥ 0 28055,56
Ejemplares Benson 1 28055,6 ≤ 30000 -1944,44
Ejemplares Johnson 1 0 ≤ 50000 50000,00
Ejemplares Litho 1 50000 ≤ 50000 0,00
Ejemplares Litho 1 50000 ≥ 30000 20000

30. Como una ilustración de la asignación de recursos que usa la programación lineal,
considere el problema siguiente acerca de la planificación de producción en una
tienda. La producción debe fijarse para dos tipos de máquinas, la maquina 1 y la
máquina 2. Ciento veinte horas de tiempo enlatables pueden fijarse para
máquina1, y 80 horas para máquina 2. La producción durante el periodo de
planificación se limita a dos productos. A y B, cada unidad del producto A requiere
2 horas de tiempo del proceso en cada máquina. Cada unidad de producto que B
requiere de 3 horas en la máquina 1 y de 1.5 horas en la máquina 2. El margen de la
contribución 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 producción debe fijarse con el objetivo de aumentar al máximo
la ganancia.28

La formulación:
Dado,
X1 = número de unidades del producto A para producción
X2 = número de unidades del producto B para producción

Maximizar la contribución en la ganancia, Z = 4X1 + 5X2

28
Sets, Matrices, and Linear Programming. Robert L. Childress

Oswaldo Paul Rivadeneira Página: 60


Investigación Operativa I Programación Lineal

Sujeto a:
2X1 + 3X2 ≤ 120 (recurso máquina 1)
2X1 + 1.5X2 ≤ 80 (recurso máquina 2)
X1 ≥ 0 (no negatividad)
X2 ≥ 0 (no negatividad)
Datos de entrada para Solver

Datos de salida del Solver

Solución: opción b)

Solución 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

31. Para ilustrar un problema de la programación lineal en que el costo se minimiza,


considere el problema que enfrenta el fabricante de metales. La empresa produce
una aleación que es hecho de acero y metal de trozos. El costo por la tonelada de
acero es $50 y el costo por la tonelada de trozo es de $20. Los requisitos
tecnológicos para la aleación son (1) un mínimo de una tonelada de acero se

Oswaldo Paul Rivadeneira Página: 61


Investigación Operativa I Programación Lineal

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 aleación. La pérdida en proceso del
acero es 10 por ciento y la pérdida en proceso del trozo es 20 por ciento. Aunque
la producción puede exceder la demanda, un mínimo de 40 toneladas de la
aleación debe fabricarse. Para mantener el funcionamiento de la planta
eficazmente, un mínimo de 80 horas de tiempo de procesamiento debe usarse. El
suministro tanto de los trozos como del acero es adecuado para la producción de
la aleación. El objetivo del fabricante es producir la aleación a un costo mínimo. 29

La formulación matemática al problema de programación lineal puede plantearse de la


siguiente manera

Dado,
X1 = número de toneladas de acero para producción de aleación
X2 = número de toneladas de trozo para producción de aleación

Minimizar el costo Z = 50X1 + 20X2

Análisis:

(1) un mínimo de una tonelada de acero se requiere por cada dos toneladas de
trozo
1 X1
2 X 2 ; X 2 2X1 ; 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
mínimo de 80 horas
1X1 + 4X2 ≥ 80
(3) La pérdida en proceso es del 10% de acero y el 20% de trozo, demanda
mínima d 40 toneladas de aleación

rendimiento del acero (1-10%)X1


rendimiento del trozo (1-20%)X2

(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

Oswaldo Paul Rivadeneira Página: 62


Investigación Operativa I Programación Lineal

X2 ≥ 0 (no negatividad)

Datos de entrada para Solver

Datos de salida del Solver

Solución: opción a)

Solución 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

32. La Kenmore Corporation, un fabricante progresista de mecanismos civiles y


militares, fabrica actualmente una línea de armas para civiles, con una producción
actual diaria de 30 unidades del modelo Z-1200 y de 120 unidades del modelo Z-
1500. El vicepresidente de manufactura quiere saber si podría aumentarse las
ganancias cambiando la mezcla de productos entre los dos modelos. Se compiló la

Oswaldo Paul Rivadeneira Página: 63


Investigación Operativa I Programación Lineal

siguiente información sobre las horas requeridas para la fabricación de cada


modelo y las capacidades de los departamentos de la fábrica. 30
Horas-Hombre requeridas Capacidad
Departamentos Modelo Z- Modelo Z- Departamental (horas
1200 1500 diarias)
Dep. 1 2 0 300
Dep. 2 0 3 540
Dep. 5 2 2 440
Dep. 4 1 1/5 1 1/2 300
Contribución
por unidad $ 50 $ 40

Formulación del problema:


X1 = Cantidad de unidades del modelo Z-1200
X2 = Cantidad de unidades del modelo Z-1500
Función Objetivo: Maximizar Z = 50 X1 + 40 X2
Restricciones:
2 X1 + 0 X2 ≤ 300 por Dep. 1
0 X1 + 3 X2 ≤ 540 por Dep. 2
2 X1 + 2 X2 ≤ 440 por Dep. 5
1.2 X1 + 1.5 X2 ≤ 300 por Dep. 4
No negatividad:
X i ≥ 0; i = 1, 2
Solución gráfica por computador (usando el GLP)

30
Robert J. Thierauf y Richard A. Grosse. Toma de decisiones por medio de Investigación de
Operaciones. Limusa. Pag 273

Oswaldo Paul Rivadeneira Página: 64


Investigación Operativa I Programación Lineal

Solución con SOLVER:

Datos de entrada

Oswaldo Paul Rivadeneira Página: 65


Investigación Operativa I Programación Lineal

Datos de salida:

Producción Actual: Z = 50(30) + 40(120) = $ 6.300


Producción Nueva: Z = 50(150) + 40(70) = $ 10.300
Aumenta las ganancias en: 10.300 - 6.300 = $ 4.000

Respuestas múltiples: respuesta correcta d)

a) aumenta las ganancias en $ 3.000


b) aumenta las ganancias en $ 6.300
c) aumenta las ganancias en $ 10.300
d) aumenta las ganancias en $ 4.000
e) no aumenta las ganancias

Oswaldo Paul Rivadeneira Página: 66


Investigación Operativa I Programación Lineal

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 básicos
del problema:

Toneladas de materia prima


por tonelada de Disponibilidad
Pintura para Pintura para máxima diaria
exteriores interiores en toneladas
Materia prima, M1 6 4 24
Materia prima, M2
1 2 6
Utilidad por
tonelada $5 $4
(1000 dólares)

Una encuesta de mercado restringe la demanda máxima diaria de pintura para


interiores a 2 toneladas. Además la demanda diaria de pintura para interiores
no puede exceder a la de pintura para exteriores por más de 1 tonelada.
Reddy Mikks quiere determinar la mezcla de producto óptima (la mejor) de
pinturas para interiores y para exteriores que maximice la utilidad diaria
total.31

Formulación del problema:

Definición de variables:
X1 = Número de toneladas de Pintura para Exteriores
X2 = Número de toneladas de Pintura para Interiores

Función objetivo: Maximizar Z = 5.000 X1 + 4.000 X2

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 máximo diario de pint. Int.
-1X1 + 1 X2 ≤ 1 demanda diaria

No negatividad:
X i ≥ 0; i = 1, 2

31
Handy A. Taha. Investigación de Operaciones. Una Introducción. Prentice Hall. Pag. 11

Oswaldo Paul Rivadeneira Página: 67


Investigación Operativa I Programación Lineal

Solución gráfica por computador (usando el GLP)

Solución con SOLVER:


Datos de entrada

Datos de salida:

Oswaldo Paul Rivadeneira Página: 68


Investigación Operativa I Programación Lineal

Solución:

Producir diariamente 3 toneladas de pintura para exteriores y 1.5 toneladas de


pintura para interiores, para producir una ganancia máxima de $ 21.000,00

Solución múltiple: respuesta correcta c)

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 maíz y semilla de soya, con las siguientes
composiciones:

Libra por libra de alimento


para ganado Costo (/libra)
Proteínas Fibra
Maíz 0.09 0.02 0.30
Semilla de Soya 0.60 0.06 0.90

Los requerimientos dietéticos diarios del alimento especial estipulan que por lo
menos un 30% de proteínas y cuando mucho un 5% de fibra. Ozark Farms desea
determinar el costo mínimo diario de la mezcla de alimento.32

Formulación del problema:


Definición de variables:
X1 = Cantidad de libras de Maíz
X2 = Cantidad de libras de Semilla de Soya

32
Handy A. Taha. Investigación de Operaciones. Una Introducción. Prentice Hall. Pag. 18

Oswaldo Paul Rivadeneira Página: 69


Investigación Operativa I Programación Lineal

Función Objetivo: Minimizar Z = 0.30 X1 + 0.90 X2

Restricciones:
0.09 X1 + 0.60 X2 ≥ 0.30*(X1 + X2) por proteínas
0.02 X1 + 0.06 X2 ≤ 0.05*(X1 + X2) por fibra
X1 + X2 ≥ 800 producción
No negatividad:
X i ≥ 0; i = 1, 2

Solución gráfica por computador (usando el GLP)

Solución con SOLVER:

Oswaldo Paul Rivadeneira Página: 70


Investigación Operativa I Programación Lineal

Datos de entrada

Datos de Salida:

Solución:

470.59 libras de maíz,


329.41 libras de semilla de soya
costo mínimo del alimento: 437.65 por día.

Solución múltiple: respuesta correcta b)

a) $ 457.65 por día


b) $ 437.65 por día
c) $ 417.65 por día
d) $ 517.65 por día
e) $ 537.65 por día

35. Jack es un estudiante emprendedor de primer año de la UTE. Comprende que


“sólo el trabajo y nada de diversión hacen de Jack un muchacho aburrido”.
Como resultado de esto, Jack quiere distribuir su tiempo disponible, de
alrededor de 10 horas al día, entre el trabajo y la diversión. Calcula que el juego
es dos veces más divertido que el trabajo. También quiere estudiar por lo
menos tanto como juega. Sin embargo, Jack comprende que si quiere terminar
todas sus tareas universitarias, no puede jugar más de cuatro horas al día.

Oswaldo Paul Rivadeneira Página: 71


Investigación Operativa I Programación Lineal

¿Cómo debe distribuir Jack su tiempo para maximizar su satisfacción tanto en el


trabajo como en el juego?33

Formulación del problema:


Definición de variables
X1 = número de horas de juego
X2 = número de horas de trabajo
Función objetivo: Maximizar Z = 2X1 + X2
Restricciones:
X1 + X2 = 10 disponibilidad de tiempo
X2 ≥ X1
X1 - X2 ≤ 0 trabajar por lo menos tanto como juega
X1 ≤ 4 límite de juego
No negatividad
Xi ≥ 0; i= 1, 2

Solución GLP

X2

PayOf ptim.alDecisions(X1,X2): ( 4.0,46.0)


X 1.0 0 X.2 0= 2 X0.2
: 1.0X1 + 1.0X2 <= 10.0
: 1.0X1 - 1.0X2 <= 0.0
: 1.0X1 + 0.0X2 <= 4.0

Datos de Entrada Solver

33
Handy A. Taha. Investigación de Operaciones. Una Introducción. Prentice Hall. Pag. 18

Oswaldo Paul Rivadeneira Página: 72


Investigación Operativa I Programación Lineal

Datos de Salida Solver

Juega cuatro horas y trabaja 6 horas.


Solución múltiple: respuesta correcta d)

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
Satisfacción 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 decisión
acerca de cuántas horas debe trabajar en cada tienda en un criterio diferente: el
factor del estrés en el trabajo. Basándose en entrevistas con los empleados
actuales, John calcula que, en una escala de 1 a 10, los factores des estrés son
de 8 y 6 en las tiendas 1 y 2, respectivamente. Debido a que el estrés aumenta
por hora, él supone que el estrés total al final de la semana es proporcional al

Oswaldo Paul Rivadeneira Página: 73


Investigación Operativa I Programación Lineal

número de horas que trabaja en la tienda. ¿Cuántas horas debe trabajar en cada
tienda?34

Formulación del problema:


Definición de variables
X1 = número de horas de trabajo en la tienda 1
X2 = número de horas de trabajo en la tienda 2

Función objetivo: Minimizar Z = 8X1 + 6X2

Restricciones:
X1 ≥ 5
X1 ≤ 12
X2 ≥ 6
X2 ≤ 10
X1 + X2 ≥ 20

No negatividad
Xi ≥ 0; i = 1, 2

Solución GLP

Payoff: 8.0 x1 + 6.0 X2 = 140.0


: 1.0 x1 + 1.0 X2 = 20.0

: 1.0 x1 + 0.0 X2 = 5.0


X2
12
11
109 : 0.0 x1 + 1.0 X2 = 10.0
8
7
6 : 0.0 x1 + 1.0 X2 = 6.0
5
43 : 1.0 x1 + 0.0 X2 = 12.0
2
1
0
0 1 2 3 4 5 6 7 8 9 10 11 12 x1

Optimal Decisions(x1,X2): (10.0, 10.0)


: 1.0x1 + 0.0X2 >= 5.0
: 1.0x1 + 0.0X2 <= 12.0
: 0.0x1 + 1.0X2 >= 6.0
: 0.0x1 + 1.0X2 <= 10.0
: 1.0x1 + 1.0X2 >= 20.0

34
Handy A. Taha. Investigación de Operaciones. Una Introducción. Prentice Hall. Pag. 20

Oswaldo Paul Rivadeneira Página: 74


Investigación Operativa I Programación Lineal

Datos de entrada Solver

Datos de salida Solver

Solución:

John debe trabajar 10 horas a la semana en la tienda 1 y 10 horas en la tienda 2

Solución múltiple: respuesta correcta d)

Respuestas
Rubro a b c d e
Tienda 1 11 10 10 10 10
Tienda 2 11 10 6.0 10 10
Estrés min 14.0 20.0 14.0 140 21.000

Oswaldo Paul Rivadeneira Página: 75


Investigación Operativa I Programación Lineal

37. La Dumont Company, fabricante de equipo de pruebas, tiene tres


departamentos principales para la manufactura de sus modelos S-1000 y S-
2000. Las capacidades mensuales son las siguientes:

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 eléctrico 2.5 1 1200
De Ensamble 4.5 1.5 1600

La contribución del modelo S-1000 es de $ 40 000 por unidad, y la del modelo S-


2000 es de $ 10 000 por unidad. Suponiendo que la compañía puede vender
cualquier cantidad de cada uno de sus productos, debido a las condiciones
favorables de mercado. Determínese la salida óptima para cada modelo, la
contribución más alta posible para el presente mes y el tiempo sobrante en los
tres departamentos.35

Formulación del problema:


Definición de variables
X1 = número de unidades del modelo S-1000
X2 = número de unidades del modelo S-2000

Función objetivo: Maximizar Z = 40.000X1 + 10.000X2


Restricciones
4X1 + 2X2 ≤ 1600 Dep. de Estructuras
2.5X1 + 1X2 ≤ 1200 Dep. alambrado eléctrico
4.5X1 + 1.5X2 ≤ 1600 Dep. ensamblaje
No negatividad
Xi ≥ 0; i = 1, 2
Solución GLP

35
Robert J. Thierauf y Richard A. Grosse. Toma de decisiones por medio de Investigación de
Operaciones. Limusa. Pag 273

Oswaldo Paul Rivadeneira Página: 76


Investigación Operativa I Programación Lineal

: 2.5 X1 + 1.0 X2 = 1200.0


Payoff: 40.0 X1 + 10.0 X2 = 14222.2

X2 : 4.5 X1 + 1.5 X2 = 1600.0


240
228
216
204
192
180
168156 : 4.0 X1 + 2.0 X2 = 1600.0
1321
44
120
108
96
84
72
60
48
36
24
12
0
221 229 237 245 253 261 269 277 285 293 301 309 317 325 333 341 349 357 365 373 381 389

Optimal Decisions(X1,X2): (355.6, 0.0)


: 4.0X1 + 2.0X2 <= 1600.0
: 2.5X1 + 1.0X2 <= 1200.0
: 4.5X1 + 1.5X2 <= 1600.0

Datos entrada para Solver

Datos salida del Solver

Oswaldo Paul Rivadeneira Página: 77


Investigación Operativa I Programación Lineal

Fabricar 355,5 unidades del Modelo S-1000 solamente para producir un beneficio de
$14 222,20
Si la restricción 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

Solución múltiple: respuesta correcta b)

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
Contribución 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 deberían usarse 1 500 libras de X2. Además se
requieren por lo menos 2 000 libras de X3.

a) Calcúlese el número de libras de cada ingrediente que habrá que


emplear. A fin de reducir la mínimo el costo total de las 10 000 libras.
b) Calcúlese el costo total más bajo posible.
c) ¿Hay libras sobrantes en el problema? 36

(Ref: Toma de decisiones por medio de Investigación de Operaciones.


Thierauf. Limusa. Pag 274)
Formulación del problema
Definición de variables
X1 = número de libras del ingrediente X1

36
Robert J. Thierauf y Richard A. Grosse. Toma de decisiones por medio de Investigación de
Operaciones. Limusa. Pag 274

Oswaldo Paul Rivadeneira Página: 78


Investigación Operativa I Programación Lineal

X2 = número de libras del ingrediente X2


X3 = número de libras del ingrediente X3
Función objetivo: Minimizar Z = 8X1 + 10X2 + 11X3
Restricciones:
X1 + X2 + X3 = 10.000 cantidad de producción
X1 ≤ 3.000 cantidad de X1
X2 ≥1.500 cantidad de X2
X3 ≥ 2.000 cantidad de X3

No negatividad
Xi ≥ 0; i = 1, 3

Datos entrada para Solver

Datos de salida del Solver

Solución:

a) X1= 3000 libras


X2= 5000 libras
X3= 2000 libras
b) Costo más bajo = $ 96 000,00
c) Debo utilizar 3500 libras más de X2

Oswaldo Paul Rivadeneira Página: 79


Investigación Operativa I Programación Lineal

Solución múltiple: respuesta correcta d)

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

39. La Gray Manufacturing Company ha seguido constantemente una política de


fabricación de aquellos productos que contribuyan con la mayor cantidad a los
costos fijos y a las ganancias. Sin embargo, siempre se ha procurado producir
los requerimientos mínimos semanales de venta, que son los siguientes para los
productos K, L, M y N:

Producto K 25 unidades
Producto L 30 unidades
Producto M 30 unidades
Producto N 25 unidades

Los requerimientos de producción y el tiempo disponible para la semana


siguiente son:

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
Contribución por
unidad
$ 10.50 $ 9.00 $ 8.00 $ 10.0

Actualmente, la mezcla semanal de producción (considerando los


requerimientos mínimos de venta), es de:

Oswaldo Paul Rivadeneira Página: 80


Investigación Operativa I Programación Lineal

Producto K 1 533 unidades


Producto L 30 unidades
Producto M 30 unidades
Producto N 25 unidades

¿Son la mezcla actual de productos y la contribución, para la empresa,


óptimas? En caso contrario ¿Cuál es la contribución actual? ¿Cuáles deben ser las
óptimas?37

Formulación del problema:


Definición de variables
X1 = Número de unidades del producto K
X2 = Número de unidades del producto L
X3 = Número de unidades del producto M
X4 = Número de unidades del producto N
Función objetivo:
Maximizar Z = 10.5X1 + 9.0X2 + 8.0X3 + 10.0X4
Restricciones
0.25X1 + 0.20X2 + 0.15X3 + 0.25X4 ≤ 400 Disp. Dep. 1
0.30X1 + 0.40X2 + 0.50X3 + 0.30X4 ≤ 1000 Disp. Dep. 2
0.25X1 + 0.30X2 + 0.25X3 + 0.30X4 ≤ 500 Disp. Dep. 3
0.25X1 + 0.25X2 + 0.25X3 +0.25X4 ≤ 500 Disp. Dep. 4
X1 ≥ 25 Venta mínima de K
X2 ≥ 30 Venta mínima de L
X3 ≥ 30 Venta mínima de M
X4 ≥ 25 Venta mínima de N
No negatividad
Xi ≥ 0; i = 1,4

Datos de entrada para el Solver

37
Robert J. Thierauf y Richard A. Grosse. Toma de decisiones por medio de Investigación de
Operaciones. Limusa. Pag 275

Oswaldo Paul Rivadeneira Página: 81


Investigación Operativa I Programación Lineal

Datos de salida del Solver

Solución múltiple: respuesta correcta b)

Respuestas
Rubro a b c d e
¿Mezcla óptima? Si No Si No Si
Contribución act 18.433,2 16.856,5 16.556.0 16.856.5 16.500.0
Contribución 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

Oswaldo Paul Rivadeneira Página: 82


Investigación Operativa I Programación Lineal

40. La LaCross Manufacturing Company esta considerando la fabricación de una


línea de productos, compuesta de cuatro productos. Cada producto puede
fabricarse con dos métodos diferentes y completamente distintos, uno de los
cuales consta de dos procesos y el otro de tres. Se fabricarán basándose en el
segundo turno. El precio de venta de estos productos y sus costos variables, así
como las cantidades que probablemente puedan venderse, de acuerdo con el
grupo de investigaciones de mercadotecnia, son los siguientes:38

Producto
1 2 3 4
Precio de venta al mayoreo (40% de
descuento) $ 100 $ 150 $ 125 $ 140
Costos variables - Método A $ 80 $ 135 $ 120 $ 135
Costos variables - Método B $ 110 $ 150 $ 100 $ 110
Cantidad que puede venderse 1000 3000 4000 6000

La sección de manufactura de la empresa ha determinado que los tiempos de


manufactura para cada proceso son los siguientes:

Producto
1 2 3 4
Método 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
Método B
Departamento 31 4.0 4.0 2.0 4.0
Departamento 32 5.0 8.0 4.0 3.0

Las horas disponibles al mes:

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 Investigación de
Operaciones. Limusa. Pag 275

Oswaldo Paul Rivadeneira Página: 83


Investigación Operativa I Programación Lineal

Departamento 31 10 000
Departamento 32 10 000

Formulación del problema:


Definición de variables
X11 = Número de unidades del producto 1 elaborados con el método A
X21 = Número de unidades del producto 2 elaborados con el método A
X31 = Número de unidades del producto 3 elaborados con el método A
X41 = Número de unidades del producto 4 elaborados con el método A
X12 = Número de unidades del producto 1 elaborados con el método B
X22 = Número de unidades del producto 2 elaborados con el método B
X32 = Número de unidades del producto 3 elaborados con el método B
X42 = Número de unidades del producto 4 elaborados con el método B

Función 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

Datos de entrada para el solver

Oswaldo Paul Rivadeneira Página: 84


Investigación Operativa I Programación Lineal

Datos de salida del Solver

Solución:

P1= 1 000 unidades (Método A)


P2= 3 000 unidades (Método A)
P3= 600 unidades (Método A)
P3= 1 000 unidades (Método B)
P4= 2 000 unidades (Método B)

Contribución, $ 153 000,00

41. Una fábrica elabora dos productos, A, B. Cada uno de ellos debe ser procesado
en dos máquinas diferentes. Una máquina tiene una capacidad disponible de 24

Oswaldo Paul Rivadeneira Página: 85


Investigación Operativa I Programación Lineal

horas y la otra de 16 horas. Cada unidad del producto A requiere de dos horas en
ambas máquinas. Cada unidad del producto B necesita de tres horas en la primera
máquina 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 fábrica puede vender tantas
unidades de cada producto como pueda fabricar.

El objetivo de la fábrica es maximizar las utilidades. El problema está en


determinar cuántas unidades del producto A y del producto B podrían producirse
dentro de los límites disponibles por la capacidad de las máquinas.39

Resumen:

Productos Capacidad de
Máquinas A B las máquinas
1 2 horas 3 horas 24 horas
2 2 horas 1 hora 16 horas
Utilidad en $ 6 7

Formulación del problema


Definición de variables
X1 = número de unidades del producto A
X2 = número de unidades del producto B

Función objetivo: Maximizar Z = 6X1 + 7X2

Restricciones
2X1 + 3X2 ≤24 capacidad de máquina 1
2X1 + 1X2 ≤ 16 capacidad de máquina 2

No negatividad
Xi ≥0 ; i = 1, 2

Solución con GLP

39
Bonini, Hansman, Bierman. Análisis Cuantitativo para los Negocios. Novena Edición. Irwin McGrawHill.
Pag. 43

Oswaldo Paul Rivadeneira Página: 86


Investigación Operativa I Programación Lineal

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

Datos de entrada para Solver

Datos salida del Solver

Oswaldo Paul Rivadeneira Página: 87


Investigación Operativa I Programación Lineal

Solución:
X1 = 6
X2 = 4
Z = 64

42. Al mezclar diferentes hidrocarburos, se obtiene gasolina de diferentes grados,


que es el resultado directo de las operaciones de refinería. En una operación
real de refinación, se realizan varias mezclas de hidrocarburos, que dan muchas
clases de gasolina como producto final (por ejemplo, gasolina de distintos
grados para avión y para carro), con características importantes para los
distintos grados de la composición de la gasolina (por ejemplo, octanaje,
presión del vapor, contenido de azufre y contenido de oxidante). En este
ejemplo simplificado, se supone que una refinería dispone sólo de dos tipos de
gasolina, cuyas características se presentan en la siguiente tabla:

Características de las mezclas de gasolina


Mezclas Presión de Cantidad
disponibles Octanaje vapor Disponible
Gasolina tipo 1 104 5 30 000 barriles
Gasolina tipo 2 94 9 70 000 barriles
Estos tipos de gasolina pueden ser combinados para producir dos productos
finales, gasolina para avión y gasolina para carro. Las cualidades que
requieren estos productos finales aparecen en la siguiente tabla:

Características de la gasolina como producto final


Presión Precio
Productos Octanaje Máxima Ventas De venta
finales mínimo de vapor máximas (por barril)
Gasolina avión 102 6 20 000 barriles $45.10
Gasolina carro 96 8 cualquiera $32.40

Cuando la gasolina se combina, la mezcla resultante tiene un octanaje y una


presión de vapor proporcional al volumen de cada tipo de gasolina que se
mezcló. Por ejemplo, si se mezclan 1 000 barriles de gasolina tipo 1 con 1
000 barriles gasolina tipo 2, la gasolina resultante tendrá un octanaje de 99:

1.000x104 1.000x94
99
2.000
Y una presión de vapor de 7:

1.000x5 1.000x9
7
2.000

Oswaldo Paul Rivadeneira Página: 88


Investigación Operativa I Programación Lineal

La empresa desea maximizar los ingresos por la venta de gasolina como


producto final.40

Formulación del problema:


Definición de variables
X1 = número de barriles de gasolina Tipo 1, utilizada para gasolina de avión
X2 = número de barriles de gasolina Tipo 1, utilizada para gasolina de carro
X3 = número de barriles de gasolina Tipo 2, utilizada para gasolina de avión
X4 = número de barriles de gasolina Tipo 2, utilizada para gasolina de carro

Función objetivo: Maximizar Z = 45.10 (X1 + X3) + 32.40 (X2 + X4)


Z = 45.10 X1 + 32.40X2 + 45.10X3 + 32.40X4
Restricciones
104X1 94X3
102
X1
X3 oct. para avión
2X1 - 8X3 ≥ 0
104X 2 94X 4 96
X2 X4
8X2 - 2X4 ≥ 0 oct. para carro
5X1 9X3
6
X1 X3
-1X1 + 3X3 ≤0 pres. para avión
5X2 9X4
X2 X4 8
-3X2 + X4 ≤ 0 pres. para carro
X1 + X2 ≤ 30.000 disponibilidad de gas Tipo 1
X3 + X4 ≤ 70.000 disponibilidad gas Tipo 2
X1 + x3 ≤ 20.000 venta gasolina para avión

No negatividad
Xi ≥0 ; i = 1, 4

Datos de entrada para Solver

40
Bonini, Hansman, Bierman. Análisis Cuantitativo para los Negocios. Novena Edición. Irwin McGrawHill.
Pag. 46

Oswaldo Paul Rivadeneira Página: 89


Investigación Operativa I Programación Lineal

Datos de salida del Solver

Solución:
Z = 3´355.454.5
X1 = 7.272,72
X2 = 22.727,27
X3 = 1.818,18
X4 = 68.181,82

43. Una fábrica produce cuatro artículos: 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.

Oswaldo Paul Rivadeneira Página: 90


Investigación Operativa I Programación Lineal

La fábrica dispone de 120 000 horas de tiempo de maquinado y 160 000 horas de
tiempo de montaje. Además, no puede tener más de un millón de dólares 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 más 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.

Sobre estas condiciones, formular un problema de programación lineal. El


objetivo de la fábrica es maximizar la utilidad resultante de la venta de los
cuatro productos.41

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 1’000.000
Utilidad $40 $24 $36 $23

Formulación del problema:

Definición de variables:
X1 = Número de unidades del producto A
X2 = Número de unidades del producto B
X3 = Número de unidades del producto C
X4 = Número de unidades del producto D

Función objetivo: Maximizar Z = 40X1 + 24X2 + 36X3 + 23X4

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 ≤ 1’000.000 disponibilidad de inventario
X1 ≤ 20.000 limite de venta producto A límite
X3 ≤ 16.000 de venta del producto C
X4 ≥ 10.000 contrato del producto D

No negatividad:
Xi ≥0 ; i = 1, 4

41
Bonini, Hansman, Bierman. Análisis Cuantitativo para los Negocios. Novena Edición. Irwin McGrawHill.
Pag. 57

Oswaldo Paul Rivadeneira Página: 91


Investigación Operativa I Programación Lineal

Datos de entrada Solver

Datos de salida del Solver

Solución:
Z = 1’830.000
X1 = 10.000
X2 = 50.000
X3 = 0
X4 = 10.000

44. La U-Save Loan Company está planeando sus operaciones para el próximo año.
La empresa hace cinco tipos de préstamos, que se indican a continuación, con
un retorno anual (en porcentaje) para ella.

Tipo de préstamo Retorno anual


Préstamos quirografarios 15
Préstamos para muebles 12
Préstamos para automóviles 9
Hipotecas de bienes raíces en segundo grado 10

Oswaldo Paul Rivadeneira Página: 92


Investigación Operativa I Programación Lineal

Hipotecas de bienes raíces en primer grado 7

Los requerimientos legales y la política de la empresa establecen los siguientes


límites en las cantidades de los distintos tipos de préstamos.

Los préstamos quirografarios no pueden exceder del 10% del total de Tipo de
préstamos. La cantidad de préstamos quirografarios y para muebles no puede
exceder de 20% del total de tipo de préstamos. 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 préstamos. Las hipotecas en segundo grado no
pueden exceder de 25% de la cantidad total de tipo de préstamos.

La empresa debe maximizar los ingresos de los intereses de los préstamos,


sujetándose a las restricciones indicadas. La empresa puede prestar un
máximo de $1,5 millones.42

Formulación del Problema:


Definición de variables
X1 = Monto en dólares para Préstamos Quirografarios
X2 = Monto en dólares para Préstamos para Muebles
X3 = Monto en dólares para préstamos para Automóviles
X4 = Monto en dólares para Hipotecas de bienes raíces en segundo grado
X5 = Monto en dólares para Hipotecas de bienes raíces en primer grado

Función objetivo:
Maximizar Z = 0.15X1 + 0.12X2 + 0.09X3 + 0.10X4 + 0.07X5

Restricciones
X1 ≤ 0.10 (X1 +X2 +X3 + X4 + X5) límite en monto de pres. quirograf.
0.90X1 - 0.10X2 - 0.10X3 - 0.10X4 - 0.10X5 ≤ 0

X1 + X2 ≤ 0.20 (X1 + X2 + X3 + X4 + X5) límite en monto para prest.


0.80X1 + 0.80X2 - 0.20X3 - 0.20X4 - 0.20X5 ≤ 0 quiro. + muebles

X5 ≥ 0.40 (X4 + X5) límite de monto en hipotecas


- 0.40X4 + 0.60X5 ≥ 0

X5 ≥ 0.20 (X1 + X2 + X3 + X4 + X5) límite monto del total de prest.


- 0.20X1 - 0.20X2 - 0.20X3 - 0.20X4 + 0.80X5 ≥ 0

X4 ≤ 0.25(X1 + X2 + X3 + X4 + X5) límite en hipotecas de 2do grado


- 0.25X1 - 0.25X2 - 0.25X3 + 0.75X4 - 0.25X5 ≤ 0

X1 + X2 + X3+ X4 + X5 ≤ 1’500.000 monto disponible

42
Bonini, Hansman, Bierman. Análisis Cuantitativo para los Negocios. Novena Edición. Irwin McGrawHill.
Pag. 58

Oswaldo Paul Rivadeneira Página: 93


Investigación Operativa I Programación Lineal

No negatividad
Xi ≥0 ; i = 1, 5

Datos de entrada para el Solver

Datos de salida del Solver

45. Una fábrica venden dos tipos de productos diferentes, A y B. La información


sobre el precio de venta y el costo incremental es la siguiente:

Producto A Producto B
Precio de venta $60 $40
Costo incremental $30 $10
Utilidad incremental $30 $30

Los dos productos se fabrican dentro de un proceso común y se venden en dos


mercados diferentes.

El proceso de producción tiene una capacidad de 30 000 horas de mano de


obra, se requiere de tres horas para elaborar una unidad de A y una hora para
producir una unidad de B. El mercado ya fue estudiado, por lo que los
funcionarios de la empresa consideran que la cantidad máxima de las unidades
de A que puede venderse es de 8 000; la cantidad máxima de B es de 12 000

Oswaldo Paul Rivadeneira Página: 94


Investigación Operativa I Programación Lineal

unidades. De acuerdo con estas limitaciones, los productos pueden venderse


en cualquier combinación. Formular esta situación como un problema de
programación lineal.43

Formulación del problema


Definición de variables
X1 = Número de unidades del producto A
X2 = Número de unidades del producto B

Función objetivo: Maximizar Z = 30X1 + 30X2


Restricciones
3X1 + 1X2 ≤ 30.000 X1 por mano de obra
≤ 8.000 venta de A
X2 ≤ 12.000 venta de B

No negatividad
Xi ≥0 ; i = 1, 2

Solución GLP

Payoff: 30.0 X1 + 30.0 X2 = 540000.0

X2
1199 : 0.0 X1 + 1.0 X2 = 12000.0
1140
1080
1021
: 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

Optimal Decisions(X1,X2): (6000.0, 12000.0) :


3.0X1 + 1.0X2 <= 30000.0
: 1.0X1 + 0.0X2 <= 8000.0
: 0.0X1 + 1.0X2 <= 12000.0

Datos entrada Solver

43
Bonini, Hansman, Bierman. Análisis Cuantitativo para los Negocios. Novena Edición. Irwin McGraw-
Hill. Pag. 58

Oswaldo Paul Rivadeneira Página: 95


Investigación Operativa I Programación Lineal

Datos salida Solver

46. Recientemente, la empresa EMBUTIDOS experimentó drásticos cambios en los


precios de la materia prima; por los que el gerente ordenó a un analista
reexaminar las proporciones de las mezclas de los ingredientes para la
producción de salchichas.

La producción de salchichas implica cumplir con dos requisitos esenciales para el


producto. El porcentaje de proteínas, por peso, debe ser al menos 15%, y el
porcentaje de grasa, por peso, no puede exceder de 30% (el peso restante es
relleno). La empresa tiene cuatro materia primas disponibles para la mezcla, con las
siguientes características:

Porcentaje de Porcentaje de Costo por


Ingrediente Proteínas Grasa Libra
A 40 10 $1.80
B 20 15 $0.75
C 10 35 $0.40
D 5 40 $0.15

Oswaldo Paul Rivadeneira Página: 96


Investigación Operativa I Programación Lineal

Formular el problema de programación lineal que le ayude a la empresa a


determinar el problema de mezcla más apropiado 44

Formulación del problema:


Definición de variables
X1 = Cantidad en libras del ingrediente A
X2 = Cantidad en libras del ingrediente B
X3 = Cantidad en libras del ingrediente C
X4 = Cantidad en libras del ingrediente D

Función objetivo
Minimizar Z = 1.80X1 + 0.75X2 + 0.40X3 + 0.15X4

Restricciones
0.40X1 + 0.20X2 + 0.10X3 + 0.05X4 ≥ 0.15 proteínas
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

Datos de entrada para Solver

Datos de salida del Solver

44
Bonini, Hansman, Bierman. Análisis Cuantitativo para los Negocios. Novena Edición. Irwin McGrawHill.
Pag. 58

Oswaldo Paul Rivadeneira Página: 97


Investigación Operativa I Programación Lineal

47. Un fabricante de muebles produce dos tipos de escritorios: estándar y ejecutivo.


Estos escritorios se venden a un mayorista de mobiliario de oficina; y para todo
fin práctico existe un mercado ilimitado para cualquier mezcla de ellos; al menos
dentro de la capacidad de producción del fabricante. Cada escritorio debe pasar
por cuatro operaciones básicas: corte de madera, ensamble de las piezas, pre-
acabado y acabado final. Cada unidad producida del escritorio del escritorio
estándar requiere de 48 min de tiempo de corte, 2 horas de ensamble, 40 min
de pre-acabado y 5 horas y 20 min de tiempo de acabado final. Cada unidad de
escritorio ejecutivo requiere de 72 min de corte, 3 horas de ensamble, 2 horas
de pre-acabado y 4 horas de tiempo de acabado final. La capacidad diaria para
cada operación equivale a 16 horas de corte, 30 horas de ensamble, 16 horas
de pre-acabado y 64 horas de acabado final. El beneficio por unidad producida
es de $40 para el escritorio estándar y de $50 para el escritorio ejecutivo. ¿Qué
mezcla de productos es óptima?45

Formulación del problema


Definición de variables
X1 = Número de unidades de escritorios estándar
X2 = Número de unidades de escritorios ejecutivos

Función objetivo: Maximizar Z = 40X1 + 50X2

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

Solución GLP

45
Hans G. Daellenbach. Introducción a Técnicas de Investigación de Operaciones. CECSA. Pag.59

Oswaldo Paul Rivadeneira Página: 98


Investigación Operativa I Programación Lineal

12

11

10 Payoff: 40.000 X1 + 50.000 X2 = 559.998

7 : 5.333 X1 + 4.000 X2 = 64.000

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

Optimal Decisions(X1,X2): (9.000, 4.000) :


0.800X1 + 1.200X2 <= 16.000
: 2.000X1 + 3.000X2 <= 30.000
: 0.667X1 + 2.000X2 <= 16.000
: 5.333X1 + 4.000X2 <= 64.000

Datos entrada Solver

Datos salida Solver

Oswaldo Paul Rivadeneira Página: 99


Investigación Operativa I Programación Lineal

48. Un fabricante de alimento para pollos desea determinar la mezcla de menor


costo para una fórmula de altas proteínas que contiene 90 gr. de nutriente A, 48
gr. de nutriente B, 20 gr. de nutriente C y 1.5 gr. de vitamina X por cada kg. de
alimento. Puede mezclar la fórmula empleando dos ingredientes y otro de
relleno. El ingrediente 1 contiene 100 gr. de nutriente A, 80 gr. de nutriente B,
40 gr. de nutriente C y 10 gr. de vitamina X; y cuesta $0.40 por Kg. El
ingrediente 2 contiene 200 gr. de A, 150 gr. de B, 20 gr. de C, nada de vitamina X y
cuesta $0.60 por kg.46

Formulación del problema:


Definición de variables
X1 = Cantidad de Kg. de ingrediente Tipo 1
X2 = Cantidad de Kg. de ingrediente Tipo 2

Función objetivo: Minimizar Z = 0.40X1 + 0.60X2


Restricciones
100X1 + 200X2 = 90 Nutriente A
80X1 + 150X2 = 48 Nutriente B
40X1 + 20X2 = 20 Nutriente C
10X1 + 0X2 = 1.5 Vitamina X

No negatividad
Xi ≥0 ; i = 1, 2

Son ecuaciones redundantes, para su solución se asume que cumplirán al


menos los pedidos de los ingredientes, sus resultados serán analizados por un
dietista para no incurrir en daños a los pollos, entonces:

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. Introducción a Técnicas de Investigación de Operaciones. CECSA. Pag. 90

Oswaldo Paul Rivadeneira Página: 100


Investigación Operativa I Programación Lineal

Datos entrada Solver

Datos salida Solver

En la solución gráfica puede notarse las ecuaciones redundantes:

Oswaldo Paul Rivadeneira Página: 101


Investigación Operativa I Programación Lineal

49. Una compañía produce tres tipos de productos químicos refinados: A, B y C. Es


necesario producir diariamente al menos 4 ton de A, 2 ton de B y 1 ton de C.
Los productos de entrada son los compuestos X y Y. Cada tonelada de X
proporciona 0.25 ton de A, 0.25 ton de B y 0,0834 ton de C. Cada tonelada de Y
rinde 0.5 ton de A, 0.10 ton de B y 0.0834 ton de C. La tonelada de compuesto
X cuesta $250 y el compuesto Y $400. El costo de procesamiento es de $250
por ton de X y $200 por ton de Y. Las cantidades producidas que excedan los
requerimientos diarios no tienen valor, ya que el producto sufre cambios
químicos si no se utiliza de inmediato. El problema consiste en determinar la
mezcla con costo mínimo de entrada.47

Formulación del problema


Definición de variables
X1 = Toneladas de compuesto X
X2 = Toneladas de compuesto Y

Función objetivo: Minimizar Z = 500X1 + 600X2


Restricciones
0.25X1 + 0.5X2 ≥ 4 toneladas de A
0.25X1 + 0.10X2 ≥ 2 toneladas de B

47
Hans G. Daellenbach. Introducción a Técnicas de Investigación de Operaciones. CECSA. Pag. 90

Oswaldo Paul Rivadeneira Página: 102


Investigación Operativa I Programación Lineal

0.0834X1 + 0.0834X2 ≥ 1 toneladas de C

No negatividad
Xi ≥0; i = 1, 2
Solución GLP
9

Payoff: 500.0000 X1 + 600.0000 X2 = 6396.1630


8

7
: 0.2500 X1 + 0.1000 X2 = 2.0000

: 0.2500 X1 + 0.5000 X2 = 4.0000


3
: 0.0834 X1 + 0.0834 X2 = 1.0000
2

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
Optimal Decisions(X1,X2): (7.9808, 4.0096) :
0.2500X1 + 0.5000X2 >= 4.0000
: 0.2500X1 + 0.1000X2 >= 2.0000
: 0.0834X1 + 0.0834X2 >= 1.0000

Datos de entrada Solver

Datos de salida Solver

Oswaldo Paul Rivadeneira Página: 103


Investigación Operativa I Programación Lineal

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 más del 80% de todas las
inversiones sean a largo plazo; no más del 40% de inviertan a corto plazo; y
que la razón 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%. Plantéese este
problema como programa lineal con el objetivo de maximizar el beneficio
ponderado.48

Formulación del Problema


Definición de variables
X1 = Cantidad en millones de dólares para inversión a corto plazo
X2 = Cantidad en millones de dólares para inversión a largo plazo

Función objetivo: Maximizar Z = 0.10X1 + 0.15X2

Restricciones
X1 + X2 ≤ 20
fondos para inversión
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 relación entre inversiones

No negatividad
Xi ≥0 ; i = 1, 2

Solución GLP

48
Hans G. Daellenbach. Introducción a Técnicas de Investigación de Operaciones. CECSA. Pag. 90

Oswaldo Paul Rivadeneira Página: 104


Investigación Operativa I Programación Lineal

Payoff: 0.1 X1 + 0.1 X2 = 2.4

X2
12

11
: 0.4 X1 - 0.6 X2 = 0.0
10 : 0.8 X1 - 0.2 X2 = 0.0
9

7 : 3.0 X1 - 1.0 X2 = 0.0

4 : 1.0 X1 + 1.0 X2 = 20.0

0
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 X1

Optimal Decisions(X1,X2): (12.0, 8.0)


: 1.0X1 + 1.0X2 <= 20.0
: 0.8X1 - 0.2X2 >= 0.0
: 0.4X1 -0.6X2 >= 0.0
: 3.0X1 -1.0X2 >= 0.0

Datos entrada para Solver

Datos de salida de Solver

Oswaldo Paul Rivadeneira Página: 105


Investigación Operativa I Programación Lineal

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 información 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

Los pronósticos de venta indican que, en promedio, no deben producirse por


semana más de 8 unidades del modelo 4. Excepto por esta restricción, la
demanda será suficiente para absorber cualquier cantidad producida. El objetivo es
maximizar los beneficios.49

Formulación del Problema


Definición de variables
X1 = Número de unidades del modelo 1
X2 = Número de unidades del modelo 2
X3 = Número de unidades del modelo 3
X4 = Número de unidades del modelo 4

Función objetivo: Maximizar Z = 160X1 + 124X2 +212X3 + 170 X4

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. Introducción a Técnicas de Investigación de Operaciones. CECSA. Pag. 91

Oswaldo Paul Rivadeneira Página: 106


Investigación Operativa I Programación Lineal

X4 ≤ 8

No negatividad
Xi ≥0 ; i = 1, 4

Datos de entrada para Solver

Datos de salida del Solver

52. En una compañía se fabrican tres productos A, B y C. Los tres productos


comparten en sus procesos de producción cuatro máquinas X, Y, S y T. El
producto A utiliza tres operaciones en las máquinas X, S y T. El producto B
utiliza sólo dos operaciones en las máquinas X y S o en las máquinas Y y T. El
producto C puede fabricarse utilizando las maquinas X y S o en las máquinas Y,
S y T. El tiempo necesario en minutos por unidad producida, para cada
posibilidad de producción en cada máquina, y el costo variable de producción
por minuto para cada máquina se condensan en la siguiente tabla.

Tiempo (en min/unidad de máquina)


Producto Proceso X Y S T Código
A 1 10 6 3 A
B 1 8 10 B1
2 6 9 B2
C 1 8 16 C1

Oswaldo Paul Rivadeneira Página: 107


Investigación Operativa I Programación Lineal

2 10 3 8 C2
Costo var
/min ($) 0.40 0.50 0.24 0.30

Cada máquina tiene una capacidad diaria de producción de 480 minutos. La


demandas mínimas de los tres productos son 36 para A, 45 para B y 10 para C. El
objetivo consiste en determinar el esquema de producción que minimice el costo
total variable de producción.50

Formulación del problema:


Definición de variables
X1 = número de unidades del producto A, con el proceso 1
X2 = número de unidades del producto B, con el proceso 1
X3 = número de unidades del producto B, con el proceso 2
X4 = número de unidades del producto C, con el proceso 1
X5 = número de unidades del producto C, con el proceso 2

Función 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

Datos de entrada para Solver

50
Hans G. Daellenbach. Introducción a Técnicas de Investigación de Operaciones. CECSA. Pag. 92

Oswaldo Paul Rivadeneira Página: 108


Investigación Operativa I Programación Lineal

Datos de salida del Solver

53. Usted está organizando una fiesta y dispone de de las siguientes cantidades de
licor: 48 onz líquidas de whisky, 72 onz líquidas de vodka, 64 onz líquidas de
vermouth blanco, 72 onz de vermouth rojo, 24 onz líquidas de brandy y 18 onz
líquidas de licor de café. Usted piensa preparar las siguientes bebidas:
Chauncies, Rusos Negros, Italianos Dulces, Cócteles 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 ¾ de vodka y ¼ de licor de café. Un Italiano
Dulce consiste de ¼ de brandy, ½ de vermouth rojo y ¼ vermouth blanco. Los
Cócteles Molotov son una mezcla de 2/3 de vodka y 1/3 de vermouth blanco.
Por último el Whisky en las rocas consiste sólo de whisky. Cada trago contiene 4
onz líquidas. Su objetivo es mezclar los ingredientes, en forma tal, que pueda
prepararse el mayor número de posible de tragos. Sin embargo, Usted
considera que es necesario preparar cuando menos el doble de Cócteles
Molotov que de Rusos Negros, para proporcionar una selección equilibrada.
Plantéese como un problema de programación lineal.51

Resumen:

51
Hans G. Daellenbach. Introducción a Técnicas de Investigación de Operaciones. CECSA. Pag. 94

Oswaldo Paul Rivadeneira Página: 109


Investigación Operativa I Programación Lineal

Mezclas (tragos de 4 onzas) Cantidad


Licores Rusos Italianos Cócteles Whisky Disponible
chauncies negros dulces molotov en rocas (onz)
Whisky 2/3*4 1*4 48
Vodka ¾*4 2/3*4 72
Verm.B. ¼*4 1/3*4 64
Verm.R. 1/3*4 2/4*4 72
Brandy ¼*4 24
Lic. Café ¼*4 18

Formulación del problema:


Definición de variables:
X1 = Número de tragos de Chauncies
X2 = Número de tragos de Rusos Negros
X3 = Número de tragos de Italianos Dulces
X4 = Número de tragos de Cócteles Molotov
X5 = Número de tragos de Whisky en las Rocas

Función objetivo: Maximizar Z = X1 + X2 + X3 + X4 + X5

Restricciones:
2/3*4 X1 + 4X5 ≤ 48
2X1 + 3X5 ≤ 36 por contenido de whisky
¾*4X2 + 2/3*4X4 ≤ 72
9X2 + 8X4 ≤ 216 por contenido de Vodka
¼*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
¼*4X3 ≤ 24
X3 ≤ 24 por contenido de Brandy
¼*4X2 ≤ 18
X2 ≤ 18 por contenido de Licor de Café
2X2 ≥ X4
2X2 - X4 ≤ 0 relación de Cócteles Molotov/Rusos Negros

No negatividad
Xi ≥0 ; i = 1, 5

Solución:

Datos de entrada para Solver

Oswaldo Paul Rivadeneira Página: 110


Investigación Operativa I Programación Lineal

Datos de salida del Solver

54. ProTrac,Inc. Produce dos líneas de máquina pesada. Una de sus líneas de
productos, llamada equipo de excavación, se utiliza de manera primordial en
aplicaciones de construcción. La otra línea, denominada equipo de la silvicultura,
está destinada a la industria maderera. Tanto la máquina más grande de la línea
de excavación (la E-9), como la mayor de toda la línea del equipo de silvicultura
(la F-9) son fabricadas en los mismos departamentos y con el mismo equipo.
Empleando las proyecciones económicas correspondientes al siguiente mes, el
gerente de Mercadotecnia de ProTrac ha considerado que durante ese período
será posible vender todas las E-9 y F-9 que la compañía sea capaz de producir.
La gerencia tiene que recomendar ahora una meta de producción para el mes
próximo. Es decir, ¿cuántas E-9 y F-9 deberán fabricar si la dirección de ProTrac
desea maximizar la contribución del mes entrante a la ganancia ( es decir, el
margen de contribución, definido como los ingresos menos los costos variables)

La toma de decisiones requiere la consideración de los siguientes factores


importantes:
a. El margen de contribución unitaria de ProTrac es de $ 5.000 por cada
E-9 vendida y de $ 4.000 por cada F-9
b. Cada producto pasa por las operaciones de maquinado, tanto en el
departamento A como en el departamento B.

Oswaldo Paul Rivadeneira Página: 111


Investigación Operativa I Programación Lineal

c. Para la producción correspondiente al mes próximo, estos dos


departamentos tiene tiempos disponibles de 150 y 160 horas,
respectivamente. La fabricación de cada E-9 requiere 10 horas de
maquinado en el departamento A y 20 horas en el departamento B,
mientras que cada F-9 requiere 15 horas horas en el departamento a y
10 en el B.
d. Para que la administración cumpla con el acuerdo concertado con el
sindicato, las horas totales de trabajo invertidas el la prueba de
productos terminados del siguiente mes no deben ser más allá del 10%
inferior a una meta convenida de 150 horas. Estas pruebas se llevan a
cabo en un tercer departamento y no tienen nada que ver con las
actividades de los departamentos A y B. Cada E-9 es sometida a
pruebas durante 30 horas y cada F-9 durante 10.
e. Con el fin de mantener su posición actual en el mercado, la alta
gerencia ha decretado como política operativa: que deberá construirse
cuando menos una F-9 por cada tres E-9 que sean fabricadas.
f. Uno de los principales distribuidores ha ordenado un total de cuando
menos cinco E-9 y F-9 (en cualquier combinación) para el próximo mes,
por lo cual tendrá que producirse por lo menos esa cantidad.52

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%)

Producir cuando menos 1 F-9 por cada 3 E-9: 1(E 9) 3(F 9)


Formulación del modelo
1. Definición de variables (variables de decisión)
E-9 = número de unidades de maquinas tipo E-9
F-9 = número de unidades de máquinas tipo F-9

2. Función objetivo
Maximizar Z = 5000 E-9 + 4000 F-9

3. Restricciones (ecuaciones de restricción)


10(E-9) + 15(F-9) ≤ 150
20(E-9) + 10(F-9) ≤ 160
30(E-9) + 10(F-9) ≥ 135
1(E-9) - 3(F-9) ≤ 0
1(E-9) + 1(F-9) ≥ 5
1(E-9) ≥ 0
1(F-9) ≥ 0

52
Eppen. Investigación de opresiones en la ciencia administrativa. Prentice Hall. Pag 69

Oswaldo Paul Rivadeneira Página: 112


Investigación Operativa I Programación Lineal

Solución gráfica:

Solución matemática (analítica)


Datos iniciales antes de aplicas SOLVER:

Definiciones de datos para SOLVER y resolver:

Oswaldo Paul Rivadeneira Página: 113


Investigación Operativa I Programación Lineal

Resultados del modelo:

Oswaldo Paul Rivadeneira Página: 114


Investigación Operativa I Programación Lineal

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 tamaño mediano, el E-6, diseñado especialmente para
competir en el mercado europeo. Por medio del análisis se ha demostrado que ,
para producir una mezcla dotada de las cualidades de tracción adecuadas,
deben cumplirse requerimientos mínimos en relación con tres elementos básicos
que, para simplificar, señalaremos aquí como A, B, C. En términos específicos,
cada tonelada de mineral deberá contener cuando menos cinco libras del
elemento básico A, 100 libras del elemento básico B y 30 libras del elemento
básico C.

El mineral extraído de cada una de las cuatro minas posee los tres elementos
básicos, pero en cantidades distintas. Estas composiciones expresadas en libras por
tonelada, se enumeran en la siguiente tabla:

Composiciones obtenidas de cada mina


Elemento MINA (libras por tonelada de cada elemento)
básico 1 2 3 4
A 10 3 8 2
B 90 150 75 175
C 45 25 20 37
Costo/tonelada de
mineral $ 800 $ 400 $ 600 $ 500

El objetivo del administrador es descubrir una mezcla factible de costo


mínimo.53

Formulación del problema:

1. Definición de variables
T1 = fracción de toneladas de la mina 1
T2 = fracción de toneladas de la mina 2
T3 = fracción de toneladas de la mina 3
T4 = fracción de toneladas de la mina 4

2. Función 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. Investigación de opresiones en la ciencia administrativa. Prentice Hall. Pag 97

Oswaldo Paul Rivadeneira Página: 115


Investigación Operativa I Programación Lineal

Solución: para hoja de cálculo


Datos originales:

Resultados :

Oswaldo Paul Rivadeneira Página: 116


Investigación Operativa I Programación Lineal

56. Una compañía (ASTRO Y COSMOS) fabricante de TV produce dos modelos de


aparatos televisores, el astro y el Cosmo. Hay dos líneas de producción, una
para cada modelo, e intervienen dos departamentos en la producción de cada
modelo. La capacidad de la línea de producción del Astro es de 70 aparatos de
TV por día. La capacidad de la línea Cosmo es de 50 televisores diarios. En el
departamento A se fabrican los cinescopios. En este departamento se requiere
una hora de trabajo para cada modelo Astro y dos horas de trabajo para cada
modelo Cosmo. En la actualidad puede asignarse un máximo de 120 horas de
trabajo diarias para la producción de ambos tipos de aparato en el
departamento A. En el departamento B se construye el chasis. Aquí se requiere
una hora de trabajo para cada televisor Astro y también una hora para cada
modelo Cosmo. Actualmente se puede asignar 90 horas de trabajo al
departamento B para la producción de ambos modelos. La contribución a las
ganancias es de 20 y 10 dólares, respectivamente, por cada televisor Astro y
Cosmo.

Si la compañía sabe que puede vender todos los aparatos Astro y Cosmo que sea
capaz de fabricar. ¿cuál deberá ser el plan de producción por cada día (es decir, la
producción diaria) para cada modelo?54

Formulación del problema:


Definición de variables
X1 = número de unidades de TV Astro
X2 = número de unidades de TV Cosmo

Función objetivo: Maximizar Z = 20X1 + 10X2


Restricciones
X1 + 2X2 ≤ 120 capacidad Dep. A
X1 + X2 ≤ 90 capacidad Dep. B
X1 ≤ 70 capacidad de línea Astro
X2 ≤ 50 capacidad de línea Cosmo
No negatividad
Xi ≥0 ; i = 1, 2

Solución GLP

54
Eppen. Investigación de opresiones en la ciencia administrativa. Prentice Hall. Pag 100

Oswaldo Paul Rivadeneira Página: 117


Investigación Operativa I Programación Lineal

Payoff: 20.0 X1 + 10.0 X2 = 1600.0

X2
40
38
36
34
32
30
28
26
24
22
20
18
16
1412 : 0.0 X1 + 1.0 X2 = 50.0

108 : 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

Optimal Decisions(X1,X2): (70.0, 20.0)


: 1.0X1 + 2.0X2 <= 120.0
: 1.0X1 + 1.0X2 <= 90.0
: 1.0X1 + 0.0X2 <= 70.0
: 0.0X1 + 1.0X2 <= 50.0

Datos de entrada para solver

Datos de salida del Solver

Oswaldo Paul Rivadeneira Página: 118


Investigación Operativa I Programación Lineal

57. De los muchos productos que fabrica la Arco Manufacturing Company, sólo 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 contribución 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, así
como los requerimientos mínimos de venta, son:
Departamento Capacidad(horas) Producto Req. Mínimos Venta
Cepillado 1800 C 100 unidades
Fresado 2800 D 600 unidades
Taladrado 3000 E 500 unidades
Ensamble 6000 F 400 unidades

Determínese la cantidad de los productos C, D, E y F, que tendrá que fabricar este


mes para maximizar la contribución.55

Formulación del problema


Definición de variables
X1 = Número de unidades del producto C
X2 = Número de unidades del producto D
X3 = Número de unidades del producto E
X4 = Número de unidades del producto F

55
Thierauf. Toma de Decisiones por medio de Investigación de Operaciones. Limusa. Pag. 274

Oswaldo Paul Rivadeneira Página: 119


Investigación Operativa I Programación Lineal

Función objetivo: Maximizar Z = 8X1 + 9X2 + 7X3 +6X4

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

Datos de entrada para el Solver

Datos de salida del Solver

Oswaldo Paul Rivadeneira Página: 120


Investigación Operativa I Programación Lineal

58. Planificación financiera. Willie Hanes es el presidente de una microempresa de


inversiones que se dedica a administrar las carteras de acciones de varios
clientes. Un nuevo cliente ha solicitado que la compañía se haga cargo de
administrar para él una cartera de $ 100.000. A ese cliente le agradaría
restringir una cartera a una mezcla de tres tipos de acciones únicamente, como
podemos apreciar en la siguiente tabla. Formule UD. un PL para mostrar
cuántas acciones de cada tipo tendría que comprar Willie con el fin de
maximizar el rendimiento anual.56

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

Formulación del problema:


Definición de variables
X1 = Número de acciones de Gofer Crude
X2 = Número de acciones de Can Oil
X3 = Número de acciones de Sloth Petroleum

Función objetivo: Maximizar Z = 7X1 + 3X2 + 3X3


Restricciones
60X1 ≤ 60.000 inversión máxima de Gofer Crude
25X2 ≤ 25.000 inversión máxima de Can Oil
20X3 ≤ 30.000 inversión máxima de Sloth Petroleum
60X1 + 25X2 + 25X3 ≤ 100.000 inversión total

No negatividad
Xi ≥0 ; i = 1, 3

Datos de entrada para Solver

56
Eppen. Investigación de opresiones en la ciencia administrativa. Prentice Hall. Pag 115

Oswaldo Paul Rivadeneira Página: 121


Investigación Operativa I Programación Lineal

Datos de salida del Solver

59. Planificación de Cartera. Una compañía de inversiones tiene actualmente $ 10


millones disponibles para inversión. La meta que se ha trazado consiste en
maximizar la retribución esperada durante el siguiente año. Sus cuatro
posibilidades de inversión se presentan resumidas en la siguiente tabla.
Además, la compañía ha especificado que cuando menos 30% de los fondos
tendrán que colocarse en acciones ordinarias y bonos de la tesorería y que no
más del 40% del dinero deberá invertirse en fondos del mercado y títulos
municipales. Se invertirá la totalidad de los $ 10 millones actualmente a la
mano. Formule un modelo de PL que indique a la empresa cuánto dinero debe
invertir en cada instrumento.57

POSIBILIDAD DE RETRIBUCION INVERSION MAXIMA


INVERSION ESPERADA (%) (MILLONES DE $)
Bonos de Tesorería 8 5
Acciones Ordinarias 6 7
Mercado de Dinero 12 2
Títulos Municipales 9 4

57
Eppen. Investigación de opresiones en la ciencia administrativa. Prentice Hall. Pag 117

Oswaldo Paul Rivadeneira Página: 122


Investigación Operativa I Programación Lineal

Formulación del problema

Definición de variables
X1 = cantidad en dólares en Bonos de Tesorería
X2 = cantidad en dólares en Acciones Ordinarias
X3 = cantidad en dólares en Mercado de Dinero
X4 = cantidad en dólares en Títulos Municipales

Función objetivo: Maximizar Z = 0.08X1 + 0.06X2 + 0.12X3 + 0.09X4

Restricciones
X1 + X2 ≥ 0.30(X1 + X2 + X3 + X4)
0.70X1 + 0.70X2 - 0.30X3 - 0.30X4 ≥ 0 30% de inversión
X3 + X4 ≤ 0.40(X1 + X2 + X3 + X4)
-0.40X1 - 0.40X2 + 0.60X3 +0.60X4 ≤ 0 40% de inversión
X1 ≤ 5’000.000 inversión en Bonos de Tesorería
X2 ≤ 7’000.000 inversión en Acciones Ordinarias
X3 ≤ 2’000.000 inversión en Mercado de Dinero
X4 ≤ 4’000.000 inversión en Títulos Municipales
X1 + X2 + X3 + X4 ≤ 10’000.000 inversión total

No negatividad
Xi ≥0 ; i = 1, 4

Datos de entrada para el Solver

Datos de salida del Solver

Oswaldo Paul Rivadeneira Página: 123


Investigación Operativa I Programación Lineal

60. Wood Walter es propietario de un pequeño taller de fabricación de muebles. En


este taller fabrica tres tipos diferentes de mesas: A, B y C. Con cada mesa, se
requiere determinado tiempo para cortar las partes que la constituyen,
ensamblarlas y pintar la pieza terminada. Word podrá vender todas las mesas que
consiga fabricar. Además, el modelo C puede venderse sin pintar. Word emplea a
varias personas, las cuales trabajan en turnos parciales, por lo cual el tiempo
disponible para realizar cada una de estas actividades es variable de uno a otro mes.
A partir de los datos siguientes, formule UD. un modelo de programación
lineal que ayude a Word a determinar la mezcla de productos que le permitirá
maximizar sus ganancias en el próximo mes.58

Corte Montaje Pintura Ganancia por


Modelo (hrs) (hrs) (hrs) mesa ($)
A 3 4 5 25
B 1 2 5 20
C 4 5 4 50
C sin pintar 4 5 0 30
Capacidad 150 200 300

Solución al problema
Definición 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

Función objetivo: Maximizar Z = 25X1 + 20X2 + 50X3 + 30X4


Restricciones
3X1 + X2 + 4X3 + 4X4 ≤ 150 horas en Corte
4X1 + 2X2 + 5X3 + 5X4 ≤ 200 horas en Montaje
5X1 + 5X2 + 4X3 + 0X4 ≤ 300 horas en Pintura

58
Eppen. Investigación de opresiones en la ciencia administrativa. Prentice Hall. Pag 114

Oswaldo Paul Rivadeneira Página: 124


Investigación Operativa I Programación Lineal

No negatividad
Xi ≥0 ; i = 1, 4
Datos de entrada para Solver

Datos de salida del Solver

61. Douglas E. Starr, administrador de la perrera Heavenly Hound Kennels, Inc,


ofrece alojamiento en plan de pensión para mascotas. La comida de los perros
alojados en la perrera se prepara mezclando tres productos granulados, con lo
cual se obtiene una dieta bien balanceada para los canes. La información sobre
los tres productos se muestra en la siguiente tabla. Si Douglas quiere
asegurarse de que cada uno de sus perros ingiera diariamente cuando menos 8
onzas de proteínas, 1 onza de carbohidratos y no más de 0.5 onzas de
grasas.¿qué cantidad de cada producto en grano deberá incluirse en el alimento
de los perros a fin de minimizar los costos de Douglas? (Nota: 16 onzas = 1
libra)59

PRODUCTO COSTO POR PROTEINAS CARBOHIDRATOS GRASAS


EN GRANO LIBRA($) (%) (%) (%)
A 0.45 62 5 3
B 0.38 55 10 2
C 0.27 36 20 1

Solución del problema


59
Eppen. Investigación de opresiones en la ciencia administrativa. Prentice Hall. Pag 115

Oswaldo Paul Rivadeneira Página: 125


Investigación Operativa I Programación Lineal

Definición de variables
X1 = Cantidad en libras de producto A
X2 = Cantidad en libras del producto B
X3 = Cantidad en libras del producto C

Función objetivo: Minimizar Z = 0.45X1 + 0.38X2 + 0.27X3


Restricciones
0.62X1 + 0.55X2 + 0.36X3 ≥ 0.5 por proteínas
0.05X1 + 0.10X2 + 0.20X3 ≥ 0.0625 por carbohidratos
0.03X1 + 0.02X2 + 0.01X3 ≤ 0.03125 por grasas
No negatividad
Xi ≥0 ; i = 1, 3

Datos de entrada para Solver

Datos de salida del Solver

62. McNaughton, Inc. Produce dos salsas para carne: Spicy Diablo y Red Baron (la
más suave). Esta salsa de hacen mezclando dos ingrediente, A y B. Se permite
cierto nivel de flexibilidad en las fórmulas de estos productos. Los porcentajes
permisibles, así como la información 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 programación

Oswaldo Paul Rivadeneira Página: 126


Investigación Operativa I Programación Lineal

lineal cuyo objetivo sea maximizar las ganancias netas obtenidas por la venta de
estas salsas.60

INGREDIENTE PRECIO DE VENTA


SALSA A B POR LITRO
Spicy Diablo Cuando menos 25% Cuando menos 50% 3.35
Red Baron Cuando mucho 75% * 2.85
Costo por litro 1.60 2.59
* no existe un porcentaje máximo o mínimo explícito

Solución del problema


Definición de variables
X1 = Cantidad de litros de ingrediente A para Salsa Spicy Diablo
X2 = Cantidad de litros de ingrediente A para Salsa Red Baron
X3 = Cantidad de litros de ingrediente B para Salsa Spicy Diablo
X4 = Cantidad de litros de ingrediente B para Salsa Red Baron

Función objetivo: Maximizar Z = 3.35(X 1 + X3) + 2.85(X2 + X4) -


1.6(X1 + X2) - 2.59(X3 + X4)
Z = 1.75X1 + 0.76X2 + 1.25X3 + 0.26X4

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 máxima compra de litros de A
X3 + X4 ≤ 30 máxima compra de litros de B

No negatividad
Xi ≥0 ; i = 1, 4

Datos para entrada del Solver

60
Eppen. Investigación de opresiones en la ciencia administrativa. Prentice Hall. Pag 115

Oswaldo Paul Rivadeneira Página: 127


Investigación Operativa I Programación Lineal

Salida del Solver

63. La Corey Ander’s Spice Company dispone de una cantidad limitada de tres
ingredientes que se utiliza para producción de condimentos. Corey emplea los
tres ingredientes (HB01, HB02 y HB03) para la elaboración de cúrcuma y
pimentón. El departamento de mercadotecnia informa que la compañía puede
vender todo el pimentón que sea capaz de producir, pero solamente se puede
vender un máximo de 1700 botellas de cúrcuma. Los ingredientes no utilizados
podrán venderse en el mercado. Los precios están expresados en $/onza. Los
precios actuales son: HB01, $0.60; HB02, $0.70; HB03, $0.55. Además, Corey
ha firmado un contrato para suministrar 600 botellas de pimentón a Wal-Mart.
En la siguiente tabla se ofrece información adicional. Formule el problema de
Corey como un modelo de programación lineal para maximización de ingresos. 61

INGREDIENTES PRECIO
(ONZ/BOTELLA) DEMANDA VENTA
HB01 HB02 HB03 (BOTELLAS) /BOTELLA
Cúrcuma 4 2 1 1700 3.25
Pimentón 3 2 3 ilimitada 2.75
Disponibilidad

61
Eppen. Investigación de opresiones en la ciencia administrativa. Prentice Hall. Pag 115

Oswaldo Paul Rivadeneira Página: 128


Investigación Operativa I Programación Lineal

(onzas) 8000 9000 7000

Solución del problema


Definición de variables
X1 = Cantidad de botellas de Cúrcuma
X2 = Cantidad de botellas de Pimentón

Función 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 X1 por onzas de HB03
≤ 1.700 botellas de Cúrcuma
X2 ≥ 600 contrato para Pimentón

No negatividad
Xi ≥ 0; i = 1, 2

Solución GLP

: 2.0 X1 + 2.0 X2 = 9000.0

X21701 : 4.0 X1 + 3.0 X2 = 8000.0


16211541
1461
13811301 : 1.0 X1 + 0.0 X2 = 1700.0
1221 : 1.0 X1 + 3.0 X2 = 7000.0
10611
141
981
901
821
741661 : 0.0 X1 + 1.0 X2 = 600.0
581
501421 Payoff: 1.1 X1 + 2.1 X2 = 1260.0
341261
181101
0 901827364554637281909910111213141516171800 X1

Optimal Decisions(X1,X2): ( 0.0, 600.0)


: 4.0X1 + 3.0X2 <= 8000.0
: 2.0X1 + 2.0X2 <= 9000.0
: 1.0X1 + 3.0X2 <= 7000.0
: 1.0X1 + 0.0X2 <= 1700.0
: 0.0X1 + 1.0X2 >= 600.0

Datos de entrada para el Solver

Oswaldo Paul Rivadeneira Página: 129


Investigación Operativa I Programación Lineal

Salida del Solver

64. Guy Chung, superintendente de los edificios y del terreno circundante de la


Universidad Gótica, ha planeado aplicar fertilizante al césped del área
cuadrangular a principios de la primavera. Ese prado necesita por lo menos las
cantidades de nitrógeno, fósforo y potasio que figuran en la siguiente tabla:

MINERAL PESO MINIMO(LIBRAS)


Nitrógeno 10
Fósforo 7
Potasio 5

Hay tres tipos de fertilizante comercial disponibles; los análisis 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 césped. Formule un modelo de PL que determine la cantidad de

Oswaldo Paul Rivadeneira Página: 130


Investigación Operativa I Programación Lineal

cada fertilizante que debe comprar para satisfacer los requerimientos con un
costo mínimo.62

Contenido de Contenido de Contenido de


Fertilizante nitrógeno (lib) fósforo (lib) potasio (lib) Precio ($)
I 25 10 5 10
II 10 5 10 8
III 5 10 5 7

Solución del problema


Definición de variables
X1 = Miles de libras de Fertilizante I
X2 = Miles de libras de Fertilizante II
X3 = Miles de libras de Fertilizante III

Función objetivo: Minimizar Z = 10X1 + 8X2 + 7X3


Restricciones
25X1 + 10X2 + 5X3 ≥ 10 contenido de nitrógeno
10X1 + 5X2 + 10X3 ≥ 7 contenido de fósforo
5X1 + 10X2 + 5X3 ≥ 5 contenido de potasio
No negatividad
Xi ≥ 0; i = 1, 3

Datos de entrada para el Solver

Datos de salida del Solver

62
Eppen. Investigación de opresiones en la ciencia administrativa. Prentice Hall. Pag 116

Oswaldo Paul Rivadeneira Página: 131


Investigación Operativa I Programación Lineal

65. La Ebel Mining Company es propietaria de dos minas que producen cierto tipo
de mineral. Dichas minas está localizadas en distintas partes del país y, en
consecuencia, presentan diferencias en sus capacidades de producción y en la
calidad de su mineral. Después 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 fundición de su compañía 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 día de operación 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. ¿Cuántos días a la semana tendrá que funcionar
cada mina para cumplir los compromisos de Ebel de la manera más económica
posible? (En este caso resulta aceptable programar la operación de las minas en
fracciones de día)63

Solución del problema

Definición de variables
X1 = Número de días a la semana (fracción de semana) de trabajo de la Mina
1
X2 = Número de días a la semana (fracción de semana) de trabajo de la
Mina 2

Función objetivo: Minimizar Z = 20X1 + 16X2 miles de dólares

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 máximo tiempo 1 semana (5 días)

No negatividad
Xi ≥ 0; i = 1, 2

63
Eppen. Investigación de opresiones en la ciencia administrativa. Prentice Hall. Pag 116

Oswaldo Paul Rivadeneira Página: 132


Investigación Operativa I Programación Lineal

Solución GLP

: 6.0 X1 + 2.0 X2 = 12.0

Payoff: 20.0 X1 + 16.0 X2 = 68.0


4

: 1.0 X1 + 1.0 X2 = 5.0

: 2.0 X1 + 2.0 X2 = 8.0 : 4.0 X1 + 12.0 X2 = 24.0

0
0 2 4 6 8 10

Optimal Decisions(X1,X2): ( 1.0, 3.0)


: 6.0X1 + 2.0X2 >= 12.0
: 2.0X1 + 2.0X2 >= 8.0
: 4.0X1 + 12.0X2 >= 24.0
: 1.0X1 + 1.0X2 <= 5.0

Datos de entrada para Solver

PRODUCCION DE MINERALES EN EBEL MINING COMPANY

Mina
Producción en Mina 1 2
Días de la semana 1 1 MIN
Costo diario de operación 20000 16000 36000

USO DE NO
RESTRICCIONES RECURSOS UTILIZADO LIMITE UTILIZADO
Producción mineral alta c. 6 2 8 ≥ 12 -4
Producción mineral mediana c. 2 2 4 ≥ 8 -4
Producción mineral baja c. 4 12 16 ≥ 24 -8
Tiempo máximo una semana 1 1 2 ≤ 5 3

Datos de salida del Solver

Mina Mina
Producción en 1 2
Días de la semana 1 3 MIN
Costo diario de operación 20000 16000 68000

Oswaldo Paul Rivadeneira Página: 133


Investigación Operativa I Programación Lineal

NO
RESTRICCIONES UTILIZADO LIMITE UTILIZADO
Producción mineral alta c. 6 2 12 ≥ 12 9,32E-12
Producción mineral mediana
c. 2 2 8 ≥ 8 9,32E-12
Producción mineral baja c. 4 12 40 ≥ 24 16
Tiempo máximo una semana 1 1 4 ≤ 5 1

66. La Sally Solar Car CO., tiene una planta que fabrica automóviles sedán,
deportivos y camionetas. Los precios de venta, costos variables y costos fijos
correspondientes a la manufactura de estos vehículos se presentan en la
siguiente tabla:

CONTRIBUCION A VARIABLE DE COSTOS


LAS GANANCIAS PRODUCCION FIJOS
MODELO ($) TIEMPO(HRS) ($)
Sedan 6.000 12 2.000.000
Camioneta 8.000 15 3.000.000
Deportivo 11.000 24 7.000.000

Rally ha recibido recientemente pedidos por un total de 100 automóviles sedan, 200
camionetas y 300 automóviles deportivos. Deberá atender todos estos pedidos.
Ella desea planear la producción de manera que pueda alcanzar el punto de
equilibrio con la mayor rapidez posible, es decir, quiere asegurarse que el margen
total de contribución sea igual al total de costos fijos y que los costos variables de
producción sean mínimos. Formule este problema como un modelo de programación
lineal y resuélvalo.64

Solución del problema:


Definición de variables
X1 = cantidad de automóviles Sedan X2
= cantidad de Camionetas
X3 = Cantidad de automóviles Deportivos

Función objetivo: Tiempo Mínimo Z = 12X1 + 15X2 + 24X3


Restricciones
6X1 - 2000 ≥ 0 producción de automóviles sedan
8X2 - 3000 ≥ 0 producción de camionetas
11X3 - 7000 ≥ 0 producción de automóviles deportivos
x1 ≥ 100 cantidad de automóviles sedan
x2 ≥ 200 cantidad de camionetas
X3 ≥ 300 cantidad de automóviles deportivos
No negatividad
Xi ≥ 0; i = 1, 3

64
Eppen. Investigación de opresiones en la ciencia administrativa. Prentice Hall. Pag 116

Oswaldo Paul Rivadeneira Página: 134


Investigación Operativa I Programación Lineal

Entrada de datos para Solver

Salida del Solver

67. Reese Eichler, fabricante de equipo complementario para filtración 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 compañía 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 resuélvalo.65

Producto Precio de venta Costos variables Costos fijos ($)


por unidad ($) por unidad ($)
Umidaire 450 240 150.000
Depollinator 700 360 240.000

Definición de variables
X1 = Cantidad de unidades de Umidaire
X2 = Cantidad de unidades de Depollinator

Función objetivo: Minimizar Z = 240X1 + 360X2


Restricciones
450X1 - 240X1 - 150000 ≥ 0 ; 210X1 ≥ 150000

65
Eppen. Investigación de opresiones en la ciencia administrativa. Prentice Hall. Pag 117

Oswaldo Paul Rivadeneira Página: 135


Investigación Operativa I Programación Lineal

700X2 - 360X2 - 240000 ≥ 0 ; 340X2 ≥ 240000 X1


≥ 500
No negatividad
Xi ≥ 0; i = 1, 2

Solución GLP

: 210.0 X1 + 0.0 X2 = 150000.0


Payoff: 240.0 X1 + 360.0 X2 = 425546.2

X2
95010
00
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
150
200
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

Optimal Decisions(X1,X2): (714.3, 705.9) :


210.0X1 + 0.0X2 >= 150000.0
: 0.0X1 + 340.0X2 >= 240000.0
: 1.0X1 + 0.0X2 >= 500.0

Punto de equilibrio x1 > 500 y x2 > 705.9

Datos de entrada Solver

Salida Solver

Oswaldo Paul Rivadeneira Página: 136


Investigación Operativa I Programación Lineal

68. Una compañía opera cuatro granjas, cuyos grados de productividad son
comparables. Cada una de las granjas tiene cierta cantidad de hectáreas útiles y de
horas de trabajo para plantar y cuidar la cosecha. Los datos
correspondientes a la próxima 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

La organización está considerando la opción de plantar tres cultivos distintos. Las


diferencias principales entre estos cultivos son las ganancias esperadas por hectárea
y la cantidad de mano de obra que cada uno requiere, como se indica en la siguiente
tabla.

HORAS MENSUALES GANACIAS


HECTAREAS DE TRABAJO ESPERADAS
CULTIVO MAXIMAS POR HECTAREA POR HECTAREA ($)
A 700 2 500
B 800 4 200
C 300 3 300

Además, el total de las hectáreas que pueden ser dedicadas a cualquier cultivo
en particular están limitadas por los requerimientos asociados por concepto de
equipo de ciega. Con la finalidad de mantener una carga de trabajo más o
menos uniforme entre las distintas granjas, la política de la administración
recomienda que el porcentaje de hectáreas plantadas deberá ser igual para
todas las granjas. Sin embargo, en cualquiera de esas fincas puede crecer
cualquier combinación de cultivos, siempre y cuando se satisfagan todas las
restricciones (incluido el requerimiento de la carga de trabajo sea uniforme). La
administración desea saber cuantas hectáreas de cada cultivo tendrá que

Oswaldo Paul Rivadeneira Página: 137


Investigación Operativa I Programación Lineal

plantar en sus respectivas granjas, A fin de maximizar las ganancias


esperadas.66

Definición 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

Función objetivo: Maximizar Z = 500X11 + 500X12 + 500X13 + 500X14 +


200X21 + 200X22 + 200X23 + 200X24 + 300X31 + 300X32 + 300X33 +
300X34
Restricciones
X11 + X21 + X31 ≤ 500 Ha de cultivo en Granja 1
X12 + X22 + X32 ≤ 900 Ha de cultivo en Granja 2
X13 + X23 + X33 ≤ 300 Ha de cultivo en Granja 3
X14 + X24 + X34 ≤ 700 Ha de cultivo en Granja 4
2X11 + 4X21 + 3X31 ≤ 1700 Horas de trabajo en Granja 1
2X12 + 4X22 + 3X32 ≤ 3000 Horas de trabajo en Granja 2
2X13 + 4X23 + 3X33 ≤ 900 Horas de trabajo en Granja 3
2X14 + 4X24 + 3X34 ≤ 2200 Horas de trabajo en Granja 4
X11 + X12 + X13 + X14 ≤ 700 Ha de cultivo A
X21 + X22 + X23 + X24 ≤ 800 Ha de cultivo B
X31 + X32 + X33 + X34 ≤ 300 Ha de cultivo C

Cumplimiento de distribución uniforme


500 900 300 700
X11 X21 X31 X12 X22 X32 X13 X23 X33 X14 X24 X34
900(X11 + X21 + X31) - 500(X12 + X22 + X32) = 0 Distr. G1 y G2
500(X13 + X23 + X33) - 300(X11 + X21 + X31) = 0 Distr. G1 y G3
700(X11 + X21 + X31) - 500(X14 + X24 + X34) = 0 Distr. G1 y G4

No negatividad
Xij ≥ 0; i = 1, 3; j = 1, 4
i = Cultivo; j = Granja

Entrada de datos para Solver

66
Eppen. Investigación de opresiones en la ciencia administrativa. Prentice Hall. Pag 117

Oswaldo Paul Rivadeneira Página: 138


Investigación Operativa I Programación Lineal

Salida Solver

69. La administración de un viñedo desea combinar cuatro cosechas distintas para


producir tres tipos distintos de vinos en forma combinada. Las existencias de las
cosechas y los precios de venta de los vinos combinados se muestran en la
siguiente tabla, junto con ciertas restricciones sobre los porcentajes incluidos en
la composición de las tres mezclas. En particular, las cosechas 2 y 3 en conjunto
deberán constituir cuando menos 75% de la mezcla de A y cuando menos 35%
de la mezcla C. Además, la mezcla A deberá contener cuando menos el 8% de
la cosecha 4, mientras que la mezcla B deberá contener por lo menos 10% de la
cosecha 2 y a lo sumo 35% de la cosecha 4. Se podrá vender cualquier cantidad

Oswaldo Paul Rivadeneira Página: 139


Investigación Operativa I Programación Lineal

que se elabore de las mezclas A, B y C. Formule un modelo PL que aproveche


de mejor forma las cosechas disponibles y resuélvalo.67

Cosecha Precio de
Mezcla 1 2 3 4 venta/galón
A * cuando menos 75% 2 Y 3 cuando
en cualquier proporción menos 8% 80
B * cuando menos * cuando
10% mucho 35% 50
C * Cuando menos 35% 2 y 3 *
en cualquier proporción 35
Existencias 130 200 150 350
(galones)
* indica que no existe restricción alguna

Definición 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

Función 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 máximo de galones de cosecha 1
X21 + X22 + X23 ≤ 200 máximo de galones de cosecha 2
X31 + X32 + X33 ≤ 150 máximo de galones de cosecha 3
X41 + X42 + X43 ≤ 350 máximo de galones de cosecha 4

No negatividad
Xij ≥ 0; i = 1, 4; j = 1, 3

67
Eppen. Investigación de opresiones en la ciencia administrativa. Prentice Hall. Pag 118

Oswaldo Paul Rivadeneira Página: 140


Investigación Operativa I Programación Lineal

i = Cosecha; j = Mezcla

Datos de entrada para Solver

Salida del Solver

Oswaldo Paul Rivadeneira Página: 141