Documentos de Académico
Documentos de Profesional
Documentos de Cultura
OBJETIVOS DE APRENDIZAJE
Resumen • Glosario • Problemas resueltos • Autoevaluación • Preguntas para análisis y problemas • Estudio de caso:
Trabajo en Mexicana Wire • Estudio de caso en Internet • Bibliografía
239
240 CAPÍTULO 7 • MODELOS DE PROGRAMACIÓN LINEAL: MÉTODOS GRÁFICOS Y COMPUTACIONALES
7.1 Introducción
Muchas de las decisiones administrativas implica n la búsqueda del uso más eficaz de los recursos de
una organización. Por lo general, los recursos ix cluyen maquinaria, mano de obra, dinero, tiempo,
espacio de almacenamiento y materias primas. les recursos pueden usarse para fabricar productos
(como maquinaria, muebles, alimentos o ropa) u ofrecer servicios (como los programas de las com-
pañías aéreas o las líneas de producción, las políticas de publicidad o las decisiones de inversión). La
programación lineal (PL) es una técnica de modelado matemático que se utiliza ampliamente y que
La programación lineal es una está diseñada para ayudar a los gerentes a planear y a tomar decisiones en relación con la asignación
técnica que ayuda a tomar decisiones de recursos. El presente capítulo y el siguiente están dedicados a ilustrar cómo y por qué funciona la
para la asignación de recursos. programación lineal.
A pesar de su nombre, la PL y la categoría más general de las llamadas técnicas de programa-
ción "matemática" tienen muy poco que ver con la programación por computadora. En el mundo de
las ciencias de la administración, programación se refiere al modelado y la resolución de un problema
matemático. La programación por computadora tiene, desde luego, un papel relevante en el avance y el
uso de la PL. Los problemas de PL en la vida real son demasiado engorrosos como para resolverse ma-
nualmente o con una calculadora. Así que a lo largo de los capítulos sobre PL se ofrecen ejemplos de lo
valioso que puede ser un programa de cómputo en la resolución de un problema de PL.
fraccionario (por ejemplo, 0.3 sillas) simplemente significaría que hay trabajo en proceso. Algo que se ini-
ció en una semana puede terminarse en la siguiente. Sin embargo, en otros tipos de problemas, los valores
fraccionarios no tienen sentido. Si no es posible comprar una fracción de un producto (por ejemplo, un
tercio de un submarino), existe un problema de programación entera. La programación entera se analiza
con más detalle en el capítulo 10.
Por último, suponemos que todas las respuestas o variables son no negativas. Los valores negativos de
las cantidades fisicas son imposibles; usted simplemente no puede producir un número negativo de sillas,
camisas, lámparas o computadoras. Sin embargo, hay algunas variables que pueden tener valores negati-
vos, como la utilidad, donde un valor negativo indica una pérdida. Una simple operación matemática puede
transformar una variable de este tipo en dos variables no negativas, y ese proceso puede encontrarse en los
libros de programación lineal. Sin embargo, al trabajar con programación lineal en este texto, usaremos
sólo variables no negativas. En la tabla 7.1 se resumen tales propiedades y supuestos.
" Técnicamente, maximizamos el margen de contribución total, que es la diferencia entre el precio de venta unitario y los
costos que varían en proporción con la cantidad de artículos producidos. La depreciación, los gastos generales fijos y la
publicidad se excluyen de los cálculos.
242 CAPÍTULO 7 • MODELOS DE PROGRAMACIÓN LINEAL: MÉTODOS GRÁFICOS Y COMPUTACIONALES
El problema de Flair Furniture es determinar la mejor combinación posible de mesas y sillas a fabri-
car con la finalidad de alcanzar la máxima utilidad. La compañía desea formular esta situación de mezcla
de producción como un problema de PL.
Empezamos con un resumen de la información necesaria para formular y resolver este problema (vea
la tabla 7.2). Esto nos ayuda a entender el problema que enfrentamos. En seguida, identificamos el objetivo
y las restricciones. El objetivo es
Maximizar la utilidad
1. Las horas de tiempo de carpintería usadas no pueden exceder 240 horas a la semana.
2. Las horas de tiempo de pintura y barnizado utilizadas no pueden exceder 100 horas a la semana.
Las variables de decisión que representan las decisiones reales que tomaremos se definen como
Carpintería 4 3 240
Pintura y barnizado 2 1 100
Utilidad por unidad $70 $50
7.4 SOLUCIÓN GRÁFICA A UN PROBLEMA DE PL 243
Las restricciones de recursos Así que la primera restricción puede expresarse de la siguiente manera:
ponen límites en forma matemática
al recurso de mano de obra de Tiempo de carpintería utilizado 5 Tiempo de carpintería disponible
carpintería y de pintura. •
4T+ 3C 5 240 (horas del tiempo de carpintería)
Del mismo modo, la segunda restricción es la siguiente:
Tiempo de pintura y barnizado utilizado -5 Tiempo de pintura y barnizado disponible
T 1C 5- 100 (horas del tiempo de pintura y barnizado)
Esto significa que cada mesa producida requiere 2 horas del recurso de pintura y barnizado).
Ambas restricciones representan las limitaciones a la capacidad de producción y, desde luego, afec-
tan la utilidad total. Por ejemplo, Flair Furniture no puede producir 80 mesas durante el periodo de pro-
ducción, porque si T = 80, se quebrantarían las dos restricciones. Tampoco puede hacer T = 50 mesas y
C = 10 sillas. ¿Por qué? Debido a que esto transgrediría la segunda restricción de que no se asignen más
de 100 horas del tiempo de pintura y barnizado.
Para obtener soluciones significativas, los valores de T y C deben ser números no negativos. Es decir,
todas las soluciones posibles tienen que representar mesas reales y sillas reales. Matemáticamente, esto
significa que
Aunque técnicamente las restricciones de no negatividad son restricciones independientes, suelen escri-
birse en una sola línea con las variables separadas por comas. En este ejemplo, se escriben como
T, C O
4T + 3C = 240
244 CAPÍTULO 7 • MODELOS DE PROGRAMACIÓN LINEAL: MÉTODOS GRÁFICOS Y COMPUTACIONALES
FIGURA 7.1
Cuadrante que contiene
todos los valores
100
positivos
Este eje representa la restricción T O
80
Número de sillas
60
20
1111111 I I
0 20 40 60 80 100 T
Número de mesas
El trazado de la primera restricción Como se recordará del álgebra elemental, una ecuación lineal con dos variables es una línea recta. La
implica encontrar los puntos donde forma más fácil de trazar la recta es encontrar dos puntos que satisfagan la ecuación y, después, se dibuja
la recta cruza los ejes T y C. una línea recta a través de ellos.
Los dos puntos más fáciles de encontrar suelen ser los puntos en los que la recta cruza los ejes T y C.
Cuando Flair Furniture no produce mesas, es decir T = 0, esto implica que
4(0) + 3C = 240
o
3C = 240
o
C = 80
En otras palabras, si se utiliza todo el tiempo de carpintería disponible para producir sillas, podrían hacerse
80 sillas. Por lo tanto, esta ecuación de restricción cruza el eje vertical en 80.
Para encontrar el punto donde la recta cruza el eje horizontal, se supone que la compañía no produce
sillas, es decir, C = 0. Entonces,
4T + 3(0) = 240
o
4T = 240
o
T= 60
Por lo tanto, lo que hemos hecho es graficar la ecuación de restricción en su posición más limítrofe, es decir, usando todos
los recursos de carpintería.
7.4 SOLUCIÓN GRÁFICA A UN PROBLEMA DE PL 245
FIGURA 7.2
Gráfica de la ecuación
de la restricción de
carpintería, 4T+ 3C= 240 100
80 (T=0, C = 80)
Número de s illas
60
40
20
(T= 60, C= O)
1 1 1 1
O 80 100 T
Número de mesas
de las 240 horas. Los puntos que satisfacen la porción < de la restricción (es decir, 4T + 3C < 240) serán
todos los puntos a un lado de la recta; mientras que todos los puntos en el otro lado de la línea no satis-
farán esta condición. Para determinar cuál es el lado de la recta indicado, basta con elegir cualquier punto
a cada lado de la recta de restricción mostrada en la figura 7.2 y verificar si satisface la condición.
Por ejemplo, elija el punto (30, 20), como se ilustra en la figura 7.3:
Dado que 180 < 240, este punto satisface la restricción, y todos los puntos de este lado de la línea también
satisfarán esa condición. Este conjunto de puntos se indica mediante la región sombreada de la figura 7.3.
Para saber lo que sucedería si el punto no satisficiera la restricción, seleccione un punto en el otro lado
de la recta, por ejemplo, (70, 40). La restricción no se cumpliría en este punto porque
Dado que 400 > 240, este punto y cualquier otro en ese lado de la recta no satisfarían la restricción. Por
consiguiente, la solución representada por el punto (70, 40) requeriría más de las 240 horas que están dis-
ponibles. No hay suficientes horas de carpintería para producir 70 mesas y 40 sillas.
FIGURA 7.3
Región que satisface la
restricción de carpintería
100
80
Número de sillas
60
40 • (70, 40)
20 •
(30, 20)
1111 1 ',111111 •
0 20 40 60 80 100
Número de mesas
246 CAPÍTULO 7 • MODELOS DE PROGRAMACIÓN LINEAL: MÉTODOS GRÁFICOS Y COMPUTACIONALES
FIGURA 7.4
Región que satisface la
restricción de pintura
100 (T= O, C= 100)
y barnizado
80
Número de si llas
60
40
20
(T=50, C= 0)
1 l1 1 1 I I
0
20 40 60 80 100 T
Número de mesas
2T + 1C = 100
2(0) + 1C = 100
C = 100
Entonces, un punto sobre la recta es (0, 100). Para encontrar el segundo punto, seleccione C = O y
despeje T:
2T + 1(0) = 100
T = 50
El segundo punto usado para graficar la recta es (50, 0). Al graficar este punto, (50, 0), y el otro, (0, 100),
se obtiene la recta que representa todas las soluciones en las cuales se utilizan exactamente 100 horas del
tiempo de pintura y barnizado, como se muestra en la figura 7.4.
Para encontrar los puntos que requieren menos de 100 horas, seleccione un punto a ambos lados de
esta recta, con la finalidad de verificar si se satisface la parte de desigualdad en la restricción. Al seleccio-
nar (0, 0), resulta
Lo anterior indica que éste y todos los puntos por debajo de la recta satisfacen la restricción; esta región se
muestra sombreada en la figura 7.4.
Ahora que cada restricción individual ha sido representada gráficamente, es el momento de pasar a la
siguiente etapa. Se sabe que, para producir una silla o una mesa, es necesario utilizar tanto el departamento
En los problemas de PL estamos de carpintería como el de pintura y barnizado. En un problema de PL debemos encontrar el conjunto de
interesados en satisfacer todas las puntos de solución que satisfagan todas las restricciones de manera simultánea. Por lo tanto, las restriccio-
restricciones al mismo tiempo. nes deberían representarse nuevamente en una gráf ca (o superponer una sobre otra). Esto se muestra en la
figura 7.5.
Ahora, la región sombreada representa el área de soluciones que no excede ninguna de las dos restric-
ciones de Flair Furniture. Se conoce por el término área de soluciones factibles o, de forma más sencilla,
La región factible es el conjunto región factible. En un problema de PL esta región debe satisfacer todas las condiciones especificadas por
de puntos que satisfacen todas las las restricciones del problema y, por lo tanto, es la región donde se superponen todas las restricciones.
restricciones. Cualquier punto de la región sería una solución factible para el problema de Flaír Furniture; cualquier
punto fuera del área sombreada representaría una solución no factible. Por consiguiente, sería posible
7.4 SOLUCIÓN GRÁFICA A UN PROBLEMA DE PL 247
FIGURA 7.5
Región de soluciones
factibles para el
100
problema de la compañía •
•
Flair Furniture •
•
80 •
Número de sillas
Restricción de pintura/barnizado
•
•
•
60
40
20 40 60 80 100
Número de mesas
fabricar 30 mesas y 20 sillas (T = 30, C = 20) durante un periodo de producción, ya que se cumplen las
dos restricciones:
Pero quebrantaría las restricciones de producir 70 mesas y 40 sillas, como se muestra matemáticamente:
Además, también no sería factible fabricar 50 mesas y 5 sillas (T = 50, C = 5). ¿Puede usted ver por qué?
Esta posible solución se encuentra dentro del tiempo disponible en carpintería, pero excede el tiempo dis-
ponible en pintura y barnizado; por lo tanto, está fuera de la región factible.
utilidad que se obtiene fácilmente sin vulnerar ninguna de las dos restricciones. La función objetivo se
puede escribir como $2,100 = 70T + 50C.
Esta expresión es la ecuación de una recta; la llamamos recta de isoutilidad. Representa todas las
combinaciones de (T, C) que producirían una utilidad total de $2,100. Para trazar una recta de utilidad, se
procede exactamente como lo hicimos para graficar lás rectas de las restricciones. En primer lugar, consi-
dere que T = O y encuentre el punto donde la recta cruza el eje C:
$2,100 = $70(0) = $50C
C = 42 sillas
Después, considere que C = O y despeje T:
$2,100 = $70T+ 50(0)
T = 30 mesas
Definición
Definición del problema
del problema Hewlett Packard (HP) lanzó HPDirect.com a finales de la década de 1990 y abrió la venta online de produc-
tos HP, incluyendo computadoras, impresoras, accesorios y consumibles (suministros). En 2008 se avisó a la
gerencia de HPDirect.com que las ventas online tenían que crecer 150% en los próximos tres años, y esto
tenía que hacerse sin exceder los presupuestos de marketing. Para ello, debían atraer a más visitantes al sitio,
convertir a los visitantes en clientes mediante esfuerzos de marketing dirigidos, y retener a los clientes leales
al proporcionarles una experiencia satisfactoria de manera rentable.
Desarrollo de
Desarrollo de un modelo
un modelo La naturaleza masiva de este proyecto requirió el uso de una variedad de modelos de investigación de ope-
raciones para alcanzar los objetivos. La regresión múltiple se utilizó para identificar los factores clave de
los visitantes online, y se combinó con modelos de series de tiempo (que identifican la estacionalidad y la
tendencia) para pronosticar el número de visitas en todas las páginas Web, así como las ventas de la gran
variedad de productos. Se utilizaron modelos bayesianos y modelos de Markov para ayudar a predecir la
probabilidad de hacer una compra. La programación lineal se utilizó para determinar qué canales de comer-
cialización debían utilizarse con los diferentes clientes y para optimizar estas decisiones.
Adquisición de
Adquisición de datos de entrada
datos de entrada Los datos se recopilaron durante un periodo de 2 años, no sólo con base en los visitantes de la página web y
en su comportamiento, sino también a partir de las ventas y las actividades de marketing durante este mismo
periodo de 2 años. Los datos se separaron en dos grupos: un conjunto de entrenamiento para desarrollar el
modelo y un conjunto de prueba para validarlo.
Desarrollo de
Desarrollo de una solución
una solución El conjunto de datos de entrenamiento se usó para desarrollar los modelos utilizados en este proyecto, inclu-
yendo programas lineales para asignar de manera óptima el presupuesto de marketing.
Pruebas
Pruebas a la solución
a la solución Los datos en el conjunto de prueba se usaron para validar los modelos y asegurar que los modelos funcio-
naran según lo previsto. Cuando se llevaron a cabo las diferentes partes del proyecto, un grupo de clientes
de prueba recibió material de marketing personalizado con base en su perfil de segmento, mientras que un
grupo de control recibió el material genérico.
Implementación
Implementación de resultados
de resultados Al comienzo de cada trimestre, los modelos se ejecutan para ayudar a los esfuerzos de planeación del equipo
de marketing en ese periodo. Los propios modelos se actualizan cada trimestre. Desde 2009, los modelos han
recibido el crédito por un aumento de los ingresos en $117 millones, un incremento de los tamaños de pedido
y una reducción del costo total de inventario.
Fuente: Basado en R. Randon eral., -Hewlett Packard: Delive ring Profitable Growth for HPDirect.com Using Operations
Research", Interfaces 43, 1 (enero-febrero de 2013): 48-61.
7.4 SOLUCIÓN GRÁFICA A UN PROBLEMA DE PL 249
FIGURA 7.6
Gráfica de la recta de
utilidad de $2,100 para la
100
compañía Flair Furniture
80
Número de sillas
60
20
20 40 60 80 100
Número de mesas
Ahora podemos conectar estos dos puntos mediante una recta. Esta recta de utilidad se ilustra en
la figura 7.6. Todos los puntos sobre la recta representan soluciones factibles que producen una utilidad
de $2,100.*
La isoutilidad implica graficar rectas Ahora, es evidente que la recta de isoutilidad para $2,100 no produce la mayor utilidad posible a la
de utilidad paralelas. compañía. En la figura 7.7 se grafican dos líneas más, cada una de ellas proporciona una utilidad mayor.
La ecuación en el medio, $2,800 = $70T + $50C, se representó en la misma forma que la recta inferior.
Cuando T = 0,
Cuando C = 0,
FIGURA 7.7
Gráfica de cuatro rectas
de isoutilidad para la
compañía Flair Furniture 100
80
Número de sillas
20 40 60 80 100
Número de mesas
¡so significa "igual" o "similar". Por lo tanto, una recta de isoutilidad representa una línea donde todos sus puntos tienen la
misma utilidad, en este caso $2,100.
250 CAPÍTULO 7 • MODELOS DE PROGRAMACIÓN LINEAL: MÉTODOS GRÁFICOS Y COMPUTACIONALES
FIGURA 7.8
Solución óptima al
problema de Flair
100
Furniture
Recta de utilidad máxima
80
Número de sillas
60 Punto de solución óptima
(T=30, C= 40)
40
20 40 60 80 100
Número de mesas
Trazamos una serie de rectas de De nuevo, cualquier combinación de mesas (T) y sillas (C) sobre esta recta de isoutilidad produce
isoutilidad paralelas hasta encontrar una utilidad total de $2,800. Observe que la tercera recta genera una utilidad de $3,500; esto es más
la recta de isoutilidad más alta, es que una mejora. Cuanto más nos alejemos del origen, mayor será nuestra utilidad. Otro punto importante
decir, la que contiene la solución es que estas rectas de isoutilidad son paralelas. Ahora tenemos dos pistas sobre cómo encontrar la solución
óptima.
óptima al problema original. Podemos dibujar una serie de rectas paralelas (moviendo cuidadosamente
nuestra regla en un plano paralelo a la primera recta de utilidad). La recta de utilidad más alta que aún
toque algún punto de la región factible señala la solución óptima. Observe que la cuarta línea ($4,200) es
demasiado alta para ser considerada.
El último punto que una recta de isoutilidad tocaría en esta región factible sería el punto en el vértice,
donde se intersecan las dos rectas de restricción, por lo que este punto se traducirá en la máxima utilidad
posible. Para encontrar las coordenadas de este punto, resolvemos las dos ecuaciones en forma simultánea
(como se indica en la siguiente sección). Lo anterior resulta en el punto (30, 40) como se muestra en la
figura 7.8. Al calcular la utilidad en este punto, obtenemos
FIGURA 7.9
Cuatro vértices de la
región factible
100
80
Número de sillas
60
40
20
0 • 1 1 1 1 1 1 1 1 1 1
20 40 60 80 100 T
Número de mesas
entre éste, de modo que el coeficiente de esa variable (T) en una ecuación sea el negativo del coeficiente de .
la misma variable en la otra ecuación. Las dos ecuaciones de restricción son
4T + 3C = 240 (carpintería)
2T + 1C = 100 (pintura)
C = 40
Al hacer esto hemos podido eliminar una variable, T, y despejar C. Ahora podemos sustituir 40 por C
en cualquiera de las ecuaciones originales y despejar T. Usaremos la primera ecuación. Cuando C = 40,
entonces
4T + (3)(40) = 240
4T + 120 = 240
o
4T= 120
T = 30
TABLA 7.3
NÚMERO DE MESAS (T) NIER" SILLAS (C) UTILIDAD — $70T $50C
Vértices factibles y
utilidades para Flair $0
Furniture 50 $3,500
0 $4,000
30 $4,100
variables de decisión, debemos confiar en el software o utilizar el algoritmo símplex que se estudia en
el módulo 7.
Holgura y excedente
El término holgura se asocia con Además de conocer la solución óptima de un programa lineal, resulta útil saber si se están utilizando todos
restricciones del tipo los recursos disponibles. El término holgura se utiliza para la cantidad de un recurso que no se utiliza. Para
una restricción del tipo menor o igual que,
En el ejemplo de Flair Fumiture, había 240 horas de tiempo de carpintería disponibles. Si la empresa
decidiera producir 20 mesas y 25 sillas en vez de la solución óptima, la cantidad de tiempo de carpintería
usada (4T + 3C) sería 4(20) + 3(25) = 155. Por lo tanto,
Para la solución óptima (30, 40) del problema de Flair Furniture, la holgura es O puesto que se utilizan
todas las 240 horas.
El término excedente se asocia con El término excedente se utiliza con las restricciones del tipo mayor o igual que para indicar la canti-
las restricciones del tipo a-. dad en la que se excede el lado derecho de una restricción. Para un restricción del tipo mayor o igual que,
Suponga que hubo una restricción en el ejemplo que pedía un número total de mesas y sillas com-
binado de al menos 42 unidades (es decir, T + C 42), y que la empresa decidió producir 20 mesas y
25 sillas. La cantidad total producida sería 20 + 25 = 45, por lo que el excedente sería
Excedente = 45 — 42 = 3
lo cual significa que se produjeron 3 unidades más que el mínimo. Para la solución óptima (30, 40) del
problema de Flair Furniture, si esta restricción hubiera estado en el problema, el excedente habrías sido
70 — 42 = 28.
Así que la holgura y el excedente representan la diferencia entre el lado izquierdo (LI) y el lado de-
recho (LD) de una restricción. El término holgura se utiliza al hacer referencia a las restricciones del tipo
menor o igual que, y el término excedente se usa para referirse a las restricciones del tipo mayor o igual
que. La mayoría del software para programación lineal proporciona la cantidad de holgura y excedente que
existe para cada restricción en la solución óptima.
Una restricción que tiene cero holgura o excedente para la solución óptima se llama una restricción
vinculante. Una restricción con holgura o excedente positivos para la solución óptima se llama una res-
tricción no vinculante. Algunos resultados de computadora especifican si la restricción es vinculante o no
vinculante.
PROGRAMA 7.1C
Salida y gráfica en QM (El valor de la función objetivo RHS
( Los valores de las variables" T Dual
para Windows para se muestran aquí. \(utilidad) se muestra aquí
el problema de Flair Maxim 70 50
Furniture Carpently 4 3 240 15
Painting 2 100
Sohition-> 30 40 4.100
nstrakit Dirplag
Flair Fumiture Problem C' Ma< 70T+50C
t Haga clic en Window y seleccione Graph r 4T4C<.240
C 2T+1C<.1 00
`para ver esta gráfica y los vértices. none
Constaints
Comer PoMts
z
0 ENIZI111311111
0 DEM 4,000.
isoproft Line
EIRIERIE11111130M1
Una vez que el problema se haya resuelto, se puede visualizar una gráfica seleccionando Window—
Graph desde la barra de menú en QM para Windows. El programa 7.1C muestra la salida para la solu-
ción gráfica. Observe que, además de la gráfica, también se muestran los vértices y el problema original.
Posteriormente, regresaremos a ver información adicional relacionada con el análisis de sensibilidad que
proporciona QM para Windows.
PREPARACIÓN DE LA HOJA DE CÁLCULO PARA SOLVER La hoja de cálculo debe prepararse con
datos y fórmulas para ciertos cálculos antes de que Solver se pueda utilizar. Es posible usar Excel QM para
simplificar el proceso (vea el apéndice 7.1). Describiremos brevemente los pasos, y un mayor análisis y
más sugerencias cuando se presente el ejemplo de Flair Furniture. A continuación damos un resumen de
los pasos para preparar la hoja de cálculo:
1. Introduzca los datos del problema, los cuales se componen de los coeficientes de la función objetivo
y las restricciones, además de los valores del LD para cada una de las restricciones. Se recomienda
organizar esto de manera lógica y significativa. Los coeficientes serán utilizados al escribir fórmulas
en los pasos 3 y 4, y el LD se introducirá en Solver.
2. Designe celdas específicas para los valores de las variables de decisión. Posteriormente, estas direc-
ciones de celda se introducirán en Solver.
3. Escriba una fórmula para calcular el valor de la función objetivo, utilizando los coeficientes de la
función objetivo (del paso 1) que ha introducido y las celdas que contienen los valores de las varia-
bles de decisión (del paso 2). Después, esta dirección de celda se introducirá en Solver.
4. Escriba una fórmula para calcular el valor del LI de cada restricción, utilizando los coeficientes de
las restricciones (del paso 1) que ha introducido y las celdas que contienen los valores de las varia-
bles de decisión (del paso 2). Posteriormente, se introducirán en Solver estas direcciones de celda
y las direcciones de celda para el valor del LD correspondiente.
7.5 RESOLUCIÓN DEL PROBLEMA DE PL DE FLAIR FURNITURE USANDO QM PARA WINDOWS, EXCEL 2013 Y EXCEL QM 255
PROGRAMA 7.2A Estas celdas se seleccionan para contener los valores de las
Datos de entrada en variables de decisión. Solver introducirá la solución óptima
Excel para el ejemplo ,,aquí, pero usted también puede ingresar números aquí.
de Flair Furniture A 8 I C
1 Flair Furniture Los signos para las restricciones se
2
introducen aquí sólo como referencia.
3 Variabkts T (rabie) C (Chairs)
units Produccd Profit
Objective function I 70 50 o
PROGRAMA 7.2B
Profit
Fórmulas del ejemplo "4-5UMPRODUCT(5854:5054,135:C5)
de Flair Furniture
LH5 (Hours uscd)
..SUIVIPRODUCT(5354:5C$4,138:03)
5 rSUMPRODUCT($13$4:$C$4,39:C9)
Estos cuatro pasos se deben completar de alguna manera con todos los programas lineales en Excel.
Es posible agregar información adicional a la hoja de cálculo para hacer más claro el modelo. Esto se ilus-
trará con un ejemplo.
I. El programa 7.2A presenta los datos de entrada para el ejemplo de Flair Furniture. Usted debería
ingresar los números en las celdas que se indican. Las palabras pueden ser cualquier descripción que
usted elija. Los símbolos se introducen sólo como referencia. No son usados de manera especí-
fica por Solver de Excel.
2. Las celdas designadas para los valores de las variables son B4 para T (mesas) y C4 para C (sillas).
Estas direcciones de celda serán introducidas en Solver como By Changing Variable Cells. Solver
cambiará los valores de estas celdas para encontrar la solución óptima. En ocasiones es útil introdu-
cir un 1 en cada una de estas celdas para ayudar a identificar errores evidentes, cometidos al escribir
las fórmulas correspondienes al objetivo y a las restricciones.
3. Se escribe una fórmula en Excel para la función objetivo (D5), y esto se muestra en el programa
7.2B. La función Sumproduct es muy útil, aunque hay otras maneras de escribir el objetivo. Esta di-
rección de celda se introducirá en Solver como la ubicación Set Objective.
4. Las horas utilizadas en carpintería (LI de la restricción de carpintería) se calculan con la fórmula de
la celda D8; mientras que la celda D9 calcula las horas usadas en pintura, como se ilustra en el pro-
grama 7.2B. Estas celdas y las que contienen los valores del LD se utilizarán al introducir las restric-
ciones en Solver.
El problema ahora está listo para usar Solver. Sin embargo, incluso si no se encuentra la solución óp-
tima, esta hoja de cálculo tiene beneficios. Puede introducir valores diferentes para T y C en las celdas B4
y C4 sólo para ver cómo cambian la utilización de recursos (LI) la utilidad.
256 CAPÍTULO 7 • MODELOS DE PROGRAMACIÓN LINEAL: MÉTODOS GRÁFICOS Y COMPUTACIONALES
'introduzca la dirección
Set Objective SDS5
de celda para el valor de
To:
la función objetivo.
Ift) itax Value Of:
Unconsbabsed Variables
Sohing Odeltiod
Seied the GRG Mosdinear engine for Soker Probieras that are smooth nonlinear. Select the LP
Skop.= engine for ralear Solver Prohibas, and select the Evolutionary engine lar Solver 1
prohibas that ase non-so:00th (Haga clic en Solve después-'\
de haber añadido las
restricciones.
..•:,4"01J4411.1i L I V.,111.19151
USO DE SOLVER Para comenzar a utilizar Solver, vaya a la pestaña Data en Excel 2013 y haga clic en
Solver, como se muestra en el programa 7.2D. Si Solver no aparece en la pestaña de datos, consulte el
apéndice F para obtener instrucciones sobre cóm activar este complemento. Una vez que haga clic en
Solver, se abre el cuadro de diálogo Solver P ters, como se muestra en el programa 7.2E, y se de-
ben ingresar las siguientes entradas, aunque el orde no es importante:
1. En el cuadro Set Objective, introduzca la dirección de celda para la utilidad total (D5).
2. En el cuadro By Changing Variable Cells, introduzca las direcciones de las celdas para los valores de
las variables (B4:C4). Solver hará que los valores de estas celdas cambien durante la búsqueda del
mejor valor en la celda Set Objective.
7.5 RESOLUCIÓN DEL PROBLEMA DE PL DE FLAIR FURNITURE USANDO QM PARA WINDOWS, EXCEL 2013 Y EXCEL QM 257
Haga clic en OK cuando haya terminado. Haga clic en el botón para seleccionar el tipo de relación
de la restricción.
3. Haga clic en Max para un problema de maximización y Min para un problema de minimización.
4. Marque la casilla Make Unconstrained Variables Non-Negative, puesto que las variables T y C deben
ser mayores o iguales a cero.
5. Haga clic en el botón Select Solving Method y seleccione Simplex LP en el menú que aparece.
6. Haga clic en Add para agregar las restricciones. Al hacerlo, aparece el cuadro de diálogo que se
muestra en el programa 7.2F.
7. En el cuadro Cell Reference, introduzca las referencias de celda para los valores del LI (D8:D9).
Haga clic en el botón para abrir el menú desplegable y elija <=, que es para restricciones del
tipo Después, introduzca las referencias de celda para los valores del LD (F8:F9). Como todas
estas restricciones son del tipo menor o igual que, pueden introducirse a la vez, especificando los
rangos. Si hubiera otros tipos de restricciones, como restricciones usted podría hacer clic en Add
luego de ingresar estas primeras limitaciones, y el cuadro de diálogo Add Constraint le permitiría
introducir restricciones adicionales. En la preparación de la hoja de cálculo para Solver, es más fácil
si todas las restricciones s están juntas y las restricciones también lo están. Después de introducir
todas las restricciones, haga clic en OK. El cuadro de diálogo para agregar restricciones se cierra y
se reabre el cuadro de diálogo Solver Parameters.
8. Haga clic en Solve en el cuadro de diálogo Solver Parameters, y habrá encontrado la solución. El
cuadro de diálogo Solver Results se abre e indica que se encontró una solución, como se indica en
el programa 7.2G. En situaciones donde no hay solución factible, este cuadro lo indicará. Es posible
obtener información adicional en la sección de reportes, lo cual se verá más adelante. El programa
7.2H muestra los resultados de la hoja de cálculo con la solución óptima.
Uso de Excel QM
La utilización del complemento Excel QM puede ayudarle a resolver fácilmente problemas de programa-
ción lineal. Además de todas las fórmulas creadas automáticamente por Excel QM, la preparación de hojas
PROGRAMA 7.2H A
(La solución óptima es T= 30, C = 40, la utilidad = 4,100)
1 Flair Fumiture
Solución para Flair 2
Furniture encontrada 3 Variables T (Tablas) C (Chairs
4 Units Produeed ; 30 40 Profit
mediante Solver
5 Objective function I 50 4100
horas utilizadas se dan aquí)
7 Constraints LHS (Hours used_____
)
a Carpentry 240 <
9 Painting 100 5.
de cálculo para el uso del complemento Solver también se realiza de forma automática. Esto se ilustrará
con el ejemplo de Flair Furniture.
Para comenzar, desde la pestaña de Excel QM en Excel 2013, haga clic en el menú Alphabetical
y luego seleccione Lineal, Integer & Mixed Integer Programming en el menú desplegable, como se indica
en el programa 7.3A. Se abrirá la ventana de inicio de la hoja de cálculo en Excel QM, y en ella se escri-
birá el título del problema, el número de variables y el número de restricciones (no cuentan las restric-
ciones de no negatividad). Especifique si el problema es un problema de maximización o minimización
y, después, haga clic en OK. Cuando finalice el proceso de inicialización, se preparará una hoja de cálculo
para la introducción de datos, como se indica en el programa 7.3B. En esta hoja de cálculo, introduzca los
datos en la sección denominada Data. Especifique el tipo de restricción (menor que, mayor que o igual a)
y cambie los nombres de las variables y los nombres de las restricciones, si así lo desea. Usted no tiene
que escribir ninguna fórmula.
Una vez introducidos los datos, en la pestaña Data, seleccione Solver. Se abre la ventana Solver
Parameters (consulte de nuevo el programa 7.2E para ver qué entradas se requieren normalmente en una
ventana típica de parámetros en Solver); verá que Excel QM ha hecho todas las entradas y selecciones
necesarias. Usted no introduce información alguna y, simplemente, hace clic en Solve para encontrar la
solución. Tal solución se muestra en el programa 7.3C.
PROGRAMA 7.3A Uso de Excel QM en Excel 2013 para el ejemplo de Flair Furniture
PROGRAMA 7.3C A 6 C I) E F G H
1 Flair Furniture
Salida de Excel QM 2 Éritaidailialiata110asSaOadataa. Then gota the BATA 3-ab )11)300, 01148.00301yet In 8u/tata/surf*
.
para el ejemplo de 3
ItSOLVERsívt
4 oalve asta ttibliirn ovaise-seálle 601 081e (Solval, for icatmellíS•
Flair Furniture 5 iSigns
6 less than or equalto
7 equals {YOu need to enteran apostrophe first.)
8 greater than or equa I to
10 Data Results
11 X1 X2 1.85 Slack/Surplus
12 Objective 70 - sien RUS 4100
13 :consunint 3 240 240
14 :Constraint 2 1 100 100
15
16 r. Results La solución se muestra aqui)
•u:1
17 i Variables 30
18 lohiecti00 4100
•
A 5 10 90
B 4 3 48
0.5 o 1.5
Costo por libra 2 centavos 3 centavos
USO DEL MÉTODO DE LOS VÉRTICES EN UN PROBLEMA DE MINIMIZACIÓN Para resolver el pro-
blema del rancho Holiday Meal Turkey, primero construimos la región de soluciones factibles. Esto se
hace al trazar cada una de las tres ecuaciones de restricción, como en la figura 7.10. Observe que la tercera
restricción, 0.5X1 k 1.5, se puede reescribir y graficar como X1 k 3. (Esto implica multiplicar ambos lados
Graficamos las tres restricciones de la desigualdad por 2, pero no cambia la posición de la recta de la restricción de ninguna manera). Los
con la finalidad de desarrollar una problemas de minimización suelen no tener límites hacia el exterior (es decir, son no acotados hacia el lado
región de soluciones factibles para derecho y hacia arriba), pero esto no causa ninguna dificultad en su solución. Mientras estén limitados ha-
el problema de minimización. cia el interior (hacia el lado izquierdo y hacia abajo), es posible establecer vértices. La solución óptima se
Observe que los problemas de encuentra en uno de los vértices como se haría en u problema de maximización.
minimización suelen tener regiones En este caso, hay tres vértices: a, b y c. Para el punto a, encontramos las coordenadas en la inter-
factibles no acotadas. sección de las restricciones de los ingredientes C B, es decir, donde la recta X1 = 3 interseca la línea
4X1 + 3X2 = 48. Si sustituimos X1 = 3 en la ecuaci n de la restricción B, obtenemos
4(3) + 3X2 = 48
o
X21= 12
Por lo tanto. el punto a tiene las coordenadas (X1 = 3, X2 = 12).
7.6 SOLUCIÓN DE PROBLEMAS DE MINIMIZACIÓN 261
FIGURA 7.10
XZ
Región factible para el
problema del rancho
Holiday Meal Turkey
Libras de la marca 2
15 Región factible
10
5
Restricción del ingrediente A
10 15 20 25
Libras de la marca 1
Para encontrar las coordenadas del punto b algebraicamente, resolvemos las ecuaciones
4X1 + 3X2 =.48 y 5X1 + 10X, = 90 de manera simultánea. De esto se obtiene (X1 = 8.4, X2 = 4.8).
Por inspección, se observa que las coordenadas en el punto c son (X1 = 18, X2 = 0). Ahora evaluamos
la función objetivo en cada vértice y obtenemos
Por lo tanto, la solución de costo mínimo es comprar 8.4 libras del alimento de la marca 1 y 4.8 libras del
alimento de la marca 2 por pavo al mes. Esto dará lugar a un costo de 31.2 centavos por pavo.
A EN ACCIÓN
NBC utiliza programación lineal, programación entera y
programación por metas para vender espacios publicitarios
FIGURA 7.11
Solución gráfica del
problema del rancho
Holiday Meal Turkey
mediante la recta de
isocosto Región factible
Libras de la marca 2
10 15 20 25 30
Libras de la marca 1
El método de la recta de isocosto ENFOQUE DE LA RECTA DE ISOCOSTO Como se mencionó, el enfoque de la recta de isocosto también
es similar al método de la recta de es útil para resolver problemas de minimización de PL, como el del rancho Holiday Meal Turkey. Al igual
isoutilidad usado en los problemas que con las rectas de isoutilidad, no es necesario calcular el costo en cada vértice, sino dibujar una serie de
de maximización. rectas de costos paralelas. La recta de menor costo (es decir, la más cercana al origen) que toque la región
factible proporciona el vértice de la solución óptima.
Por ejemplo, empezamos la figura 7.11 dibujando una línea de costo de 54 centavos, es decir,
54 = 2X1 + 3X2. Evidentemente, hay muchos puntos de la región factible que producirían un menor costo
total. Se procede a mover la recta de isocosto hacia la parte inferior izquierda, en un plano paralelo a la
recta de solución de 54 centavos. El último punto que se toca aún en contacto con la región factible es el
mismo que el vértice b de la figura 7.10. Tiene la coordenadas (X1 = 8.4, X2 = 4.8) y un costo asociado de
31.2 centavos.
Esto puede resolverse utilizando QM para Windows al seleccionar el módulo Linear Programming y
elegir New (problema nuevo). Se debe especificar quc hay 2 variables y 3 restricciones. Cuando se abre la
ventana de entrada, se introducen los datos y se hace clic en Solve. La salida se muestra en el programa 7.4.
Para resolver esto en Excel 2013, determine las celdas donde estará la solución, introduzca los coe-
ficientes de la función objetivo y las restricciones, y escriba fórmulas para el costo total y el total de cada
ingrediente (restricciones). Los valores de entrada y la solución se muestran en el programa 7.5A, donde la
columna D contiene las fórmulas. Estas fórmulas se muestran en el programa 7.5B. Cuando se abre la ven-
tana Solver Parameters, la celda para Set Objective es D5; las celdas para By Changing Variable Cells son
B4:C4; se utiliza el método Simplex LP; la casilla para que las variables sean no negativas está marcada;
y se selecciona Min porque éste es un problema de minimización.
PROGRAMA 7.4
Solución al problema
del rancho Holiday X2 RHS Dual
Meal Turkey en QM
para Windows 3
10 >= 90 -024
4 3 >. 48 -0.2
0_5 >=, 1.5
8.4 4.8 31.2
7.7 CUATRO CASOS ESPECIALES EN PL 263
PROGRAMA 7.5A A
Se escriben fórmulas para encontrar los valores en la columna D.
1 ¡Holiday Meel Turkey
Solución al problema 7 •
del rancho Holiday Meal Variables Brand 1Brand 2
PROGRAMA 7.5B
Cost
Fórmulas del problema .SUMPRODUCT(513$4:5C$4,135:C5)
Solución no factible
La inexistencia de una región de Cuando no hay solución a un problema de PL que satisfaga todas las restricciones dadas, entonces no
soluciones factibles puede ocurrir existe ninguna solución factible. Gráficamente, significa que no existe ninguna región de soluciones facti-
si las restricciones tienen un bles, situación que podría ocurrir si el problema se formula con restricciones en conflicto. Esto, por cierto,
conflicto entre sL es un fenómeno frecuente en la vida real, con problemas de PL a gran escala que involucran cientos de
restricciones. Por ejemplo, si el gerente de marketing proporciona una restricción que establece que deben
producirse al menos 300 mesas (es decir, X1 300) para satisfacer la demanda de las ventas, y una se-
gunda restricción dada por el gerente de producción indica que no deben producirse más de 220 mesas (es
decir, X1 S 220) debido a la escasez de madera, resulta en una región de solución no factible. Cuando el
analista de investigación de operaciones que coordina el problema de PL señala este conflicto, un gerente
u otro deben modificar sus insumos. Tal vez podría comprarse más materia prima en una nueva fuente, o
tal vez la demanda de las ventas podría reducirse mediante la sustitución de un modelo de mesa diferente
para los clientes.
Como una ilustración gráfica adicional de esto, consideremos las siguientes tres restricciones:
X1 + 2X2 5 6
2X1 + X2 5 8
Xl 7
Como se observa en la figura 7.12, no hay ninguna región de soluciones factibles para este problema de PL
debido a la presencia de restricciones en conflicto.
Región no acotada
Cuando en un problema de
maximización la utilidad puede ser En ocasiones, un programa lineal no tiene una solución finita. Esto significa que en un problema de maxi-
infinitamente grande, el problema mización, por ejemplo, una o más variables de solución, y la utilidad, pueden volverse infinitamente gran-
es no acotado y no se cumplen des sin quebrabtar las restricciones. Si tratamos de resolver un problema de este tipo en forma gráfica,
una o más restricciones. observaremos que la región factible posee un extremo abierto.
264 CAPÍTULO 7 • MODELOS DE PROGRAMACIÓN LINEAL: MÉTODOS GRÁFICOS Y COMPUTACIONALES
FIGURA 7.12
Un problema con una
solución no factible
Región que
satisface la
tercera restricción
1111
2 4 6 8
Veamos un ejemplo sencillo para ilustrar la situación. Una empresa ha formulado el siguiente pro-
blema de PL:
Maximizar la utilidad = $3X1 + $5X2
sujeta a X1 5
X2 10
X1 2X2 10
XI , X2
Como se observa en la figura 7.13, debido a que éste es un problema de maximización y la región factible
se extiende infinitamente hacia la derecha, es ilimitada, es decir, existe una solución no acotada. Esto
implica que el problema se ha formulado de manera incorrecta. De hecho, sería maravilloso si la empresa
fuera capaz de producir un número infinito de unidades de X1 (¡con una ganancia de $3 cada una!), pero es
evidente que ninguna compañía tiene recursos disponibles infinitos o una demanda infinita de productos.
Redundancia
Una restricción redundante no La presencia de restricciones redundantes es otra situación común que se produce en las formulaciones
afecta la región de soluciones grandes de PL. La redundancia no causa mayores dificultades en la resolución gráfica de problemas de
factibles. PL, pero usted debería ser capaz de identificar su ocurrencia. Una restricción redundante simplemente no
FIGURA 7.13
Una región factible que
no está acotada por la
derecha
10
Región factible
10 15
7.7 CUATRO CASOS ESPECIALES EN PL 265
FIGURA 7.14
Ejemplo de una
restricción redundante
Restricción redundante
)(1 .25
5 10 15 20 25 30
afecta la región de soluciones factibles. En otras palabras, otras restricciones pueden ser más limitantes o
restrictivas que la restricción redundante.
Veamos el siguiente ejemplo de un problema de PL con tres restricciones:
La tercera restricción, XI 5 25, es menos limitante, pero las dos primeras restricciones son de hecho más
restrictivas (vea la figura 7.14).
Como se observa en la figura 7.15, nuestra primera recta de isoutilidad de $8 corre paralela a la primera
ecuación de restricción. En un nivel de utilidad de $12, la recta de isoutilidad cae directamente sobre el
segmento de la primera recta de restricción, lo cual significa que cualquier punto a lo largo de la línea
entre A y B ofrece una combinación óptima XI y X2. Lejos de causar problemas, la existencia de más de
266 CAPÍTULO 7 • MODELOS DE PROGRAMACIÓN LINEAL: MÉTODOS GRÁFICOS Y COMPUTACIONALES
FIGURA 7.15
Ejemplo de soluciones X2
óptimas múltiples
8
7
A
2
La recta de isoutilidad para
$12 se superpone al segmento
1 — Región de recta AB
factible
I I I I
1 5 6 7 8 X1
una solución óptima permite una gran flexibilidad Para que la gerencia decida qué combinación elegir.
La utilidad es la misma en cada solución múltiple.
no afecten la solución óptima o cambien las variables de la solución. Esto se hace sin resolver todo el
problema.
Investigaremos el análisis de sensibilidad mediante el desarrollo de un pequeño problema de mezcla
de producción. Nuestro objetivo será demostrar gráficamente y a través de la tabla símplex cómo utili-
zar el análisis de sensibilidad para hacer que los conceptos de programación lineal sean más realistas y
profundos.
FIGURA 7.16
High Note Sound X2
Company Graphical (Receptores)
Solution
60
20 b= (16, 12)
Recta de isoutilidad:
10 $2.400 = 50X1+ 120X2
10 0 30 40 50 60 X,
c= (20, 0) (Altavoces)
268 CAPÍTULO 7 • MODELOS DE PROGRAMACIÓN LINEAL: MÉTODOS GRÁFICOS Y COMPUTACIONALES
La solución actual sigue QM para Windows y cambios en los coeficientes de la función objetivo
siendo óptima, a menos que En el programa 7.6A se muestra la entrada en QM para Windows del ejemplo de la compañía High Note
un coeficiente de la función
objetivo se incremente hasta Sound. Después de haber encontrado la solución, al seleccionar Window y Ranging es posible ver infor-
un valor por encima del límite mación adicional sobre el análisis de sensibilidad. El programa 7.6B presenta la salida relacionada con
superior o disminuya hasta un el análisis de sensibilidad.
valor por debajo del límite En el programa 7.6B, vemos que la utilidad de los altavoces era de $50, lo cual se indica como el valor
inferior. original en la salida. Este coeficiente de la función objetivo tiene un límite inferior del infinito negativo
50
40
30
10 20 30 40 50 60
7.8 ANÁLISIS DE SENSIBILIDAD 269
PROGRAMA 7.6B
Salida del análisis H'mh Note Sound Comoanv Solution
de sensibilidad de Variable Value i Reduced Cost Original Val Lower Bound Upper Bound
la compañía High X1 0 10 50 -Infrnilt 60
Note Sound X2 20 0 120 100 Infinity
Constraint Dual Value Slack/Surplus Original Val Lower Bound 1 Upper Bound
Electrician hours 30 0 80 0 240
Ambo technician hours 0 40 60 20 Infinity
y un límite superior de $60. Esto significa que el vértice de solución actual sigue siendo óptimo, siempre
que la utilidad en los altavoces no exceda $60. Si es igual a $60, habría dos soluciones óptimas, ya que la
función objetivo sería paralela a la primera restricción. Los puntos (O, 20) y (16, 12) proporcionarían una
utilidad de $2,400. La utilidad de los altavoces puede disminuir cualquier cantidad, como lo indica el infi-
nito negativo, en tanto el vértice óptimo no cambiará. Este infinito negativo es lógico puesto que ahora
no hay altavoces a producir porque la utilidad es demasiado baja. Cualquier disminución en la utilidad
de los altavoces los haría menos atractivos en relación con los receptores y, desde luego, no se produciría
ningún altavoz debido a esto.
La utilidad de los receptores tiene un límite superior de infinito (puede aumentar en cualquier canti-
Los límites superior e inferior se dad) y un límite inferior de $100. Si esta ganancia llega a ser $100, entonces los vértices (0, 20) y (16, 12)
relacionan con cambios de un solo serían óptimos. La utilidad en cada una de ellos sería de $2,000.
coeficiente a la vez. En general, se puede hacer un cambio a uno (y sólo uno) de los coeficientes de la función objetivo y
el vértice óptimo actual seguirá siendo óptimo, siempre y cuando el cambio esté entre los límites superior
e inferior. Si se cambian dos o más coeficientes al mismo tiempo, entonces el problema debería resolverse
con los nuevos coeficientes para determinar si la solución actual sigue siendo óptima o no.
PROGRAMA 7.7A
Las celdas de variable cambiantes en el cuadro de diálogo de Solver son B4:C4.
Hoja de cálculo en Excel
A C D E
2013 para la compañía 1 IHIgh Note Sound
High Note Sound La celda objetivo en el cuadro de diálogo de Solver es D5.
Speaktiv.,
3 Variables X1 \
Units Produced r020 Proft
Objective function 150 120 =SUM P RODUCT($ E354:$ C$4,8 5:C5)
A ti E Solver Results
4 80
e ija Sensitivity en la ventana de resultados de
I Electrician Hours
3 1 20
Solver. Lue•o, ha •a clic en OK.
Audio Tech Hours
10
salen round • solution. Al Constránts and eptiautty cenditkIns re
11 f
sáthrsed.
12 When :he Gel; entina LS l/Sed.Solvt. has Sound at least a local ocs 4501
13 solusion When Strnples LP i5 usecl. Chis nonos SoNer has Sound • I 0001
optima! solehon
14
15
A 8 E G
6 Variable Calla
Final Reduced Objective All IO lowabk
8 Cell Name Value Cost Coefficient In ~se crease
9 51354 Unas %Cosed X1 0 -10 50 10 1E+30
10 SCS4 Units Producod X2 20 0 120 1E+30 20
11
12 Constraints
13 Final Shadow Constraint Allowable Allowable
14 Cell Neme Value Price R.M. Sido Mercase Decrease
15 SDS8 Electrician Hours LHS (Hrs. Used) 80 30 160 so f
80
16 SOS9 Autho Tech Horas LHS (Hrs. Used) 20 \ 1E+30 40
Solver de Excel presenta los permisible al valor actual, podemos obtener el límite superior. Por ejemplo, el aumento permisible en la
incrementos y decrementos utilidad (coeficiente objetivo) de los altavoces es 10, lo cual significa que el límite superior de esta utilidad
permitidos en vez de los límites es de $50 + $10 = $60. Del mismo modo, podemos restar la disminución permisible del valor actual para
superior e inferior. obtener el límite inferior.
FIGURA 7.18 Cambios en los coeficientes tecnológicos para la compañía High Note Sound Company
60 60 60
Receptores Estéreo
o 20 40 0 20 30 40 X1 o 20 40
Altavoces
Sin embargo, en la figura 7.18, inciso (c), un cambio en la otra restricción modifica la forma de
la región factible lo suficiente para causar que un nuevo vértice (g) se vuelve óptimo. Antes de continuar,
vea si se alcanza un valor de la función objetivo de $1,954 de utilidad en el punto g (contra una ganancia
de $1,920 en el punto f).*
A EN ACCIÓN
Swift & Company utiliza la PL para programar
su producción
* Observe que los valores de Xt y X2 en el punto g son fracciones. Aunque la compañía High Note Sound no puede producir
0.67, 0.75 o 0.90 altavoces o estéreos, podemos suponer que la empresa puede comenzar una unidad una semana y terminarla
la siguiente semana. Si el proceso de producción es suficientemente estable de una semana a otra, esto no plantea mayores
problemas. Si las soluciones deben ser números enteros cada periodo, consulte nuestro estudio de la ptogramación entera
en el capítulo 10 para manejar la situación.
272 CAPÍTULO 7 • MODELOS DE PROGRAMACIÓN LINEAL: MÉTODOS GRÁFICOS Y COMPUTACIONALES
una utilidad total superior. ¿Cuánto debería la empresa estar dispuesta a pagar por horas adicionales? ¿Es
rentable tener algunos electricistas que trabajen hor4s extras? ¿Debería la empresa estar dispuesta a pagar
por más tiempo de los técnicos de audio? El análisis de sensibilidad sobre estos recursos nos ayudará a
responder estas preguntas.
Si se cambia el lado derecho de una restricción, la región factible cambiará (a menos que la restricción
sea redundante) y, con frecuencia, la solución óptima también se modificará. En el ejemplo de la compañía
High Note Sound, había 80 horas de tiempo de electricista disponibles cada semana y la máxima utilidad
posible era $2,400. No hay holgura para esta restricción, por lo que es una restricción vinculante. Si las
horas de electricista disponibles se incrementaran a 100 horas, la nueva solución óptima que se observa en
la figura 7.19, inciso (a), es (0, 25) y la utilidad es de $3,000. Por lo tanto, las 20 horas extra dieron lugar
a un aumento de la utilidad de $600 o $30 por hora. Si las horas se redujeran a 60 horas, como se muestra
en la figura 7.19, inciso (b), la nueva solución óptima sería (0, 15) y la utilidad sería de $1,800. Por con-
siguiente, la reducción de 20 horas resulta en una disminución en la utilidad de $600 o $30 por hora. Este
El valor de una unidad adicional cambio de $30 por hora en la utilidad que resulta de un cambio en las horas disponibles se llama precio
de un recurso escaso se puede dual o valor dual. El precio dual para una restricción es la mejora en el valor de la función objetivo que
encontrar a partir del precio duaL resulta de un aumento de una unidad en el lado derecho de la restricción.
El precio dual de $30 por hora de tiempo de electricista nos indica que podemos aumentar la utilidad
si tenemos más horas de electricista. Sin embargo, existe un límite para esto, como lo hay para el tiempo
del técnico de audio. Si el total de horas de tiempo de electricista fuera de 240 horas, la solución óptima
sería (O, 60) como se indica en la figura 7.19, inciso (c), y la utilidad sería de $7,200. De nuevo, esto es un
aumento en la utilidad de $30 por hora (el precio dual) para cada una de las 160 horas que se agregaron a
la cantidad original. Si el número de horas aumenta más allá de 240, entonces la utilidad ya no aumentaría
y la solución óptima seguiría siendo (0, 60), como se muestra en la figura 7.19, inciso (c). Habría simple-
mente exceso (holgura) en las horas de tiempo de electricista y se utilizaría todo el tiempo del técnico de
audio. Por lo tanto, el precio dual es relevante sólo dentro de los límites. Tanto QM para Windows como
Solver de Excel proporcionan estos límites.
FIGURA 7.19
X2 (a)
Cambios en el recurso del
tiempo de electricistas 60
para la compañía High
Note Sound
20 40 50 60 X,
X2 (j)
60
C j
•
o 20 30 40 60 X,
X2 t (c)
601,_
Restricción modificada que representa 240 horas
del recurso del tiempo de electricistas
40
Restricción
que representa
20
60 horas del recurso
del tiempo de técnicos
de audio
20 40 60 80 100 120
Se proporciona el aumento permisible y la disminución permisible para el lado derecho de cada res-
tricción, y el precio sombra es relevante para los cambios dentro de estos límites. En el caso de las horas de
electricista, el valor de 80 al lado derecho puede incrementarse en 160 (para un total de 240) o disminuir en
80 (para un total de 0) y el precio sombra sigue siendo relevante. Si se realiza un cambio que exceda estos
límites, entonces es necesario resolver el problema para encontrar el impacto del cambio.
274 CAPÍTULO 7 • MODELOS DE PROGRAMACIÓN LINEAL: MÉTODOS GRÁFICOS Y COMPUTACIONALES
Resumen
En este capítulo presentamos una técnica de modelado matemático En este capítulo, también presentamos el importante concepto
llamada programación lineal (PL). Se utiliza para llegar a una so- del análisis de sensibilidad. En ocasiones conocido como análisis de
lución óptima para problemas que tienen una serie de restricciones postoptimalidad, el análisis de sensibilidad es usado por la gerencia
vinculadas al objetivo. Utilizamos los métodos de los vértices y de para responder a una serie de preguntas del tipo "¿qué pasaría si?"
isoutilidad/isocosto para la resolución de problemas en forma gráfica acerca de los parámetros del modelo de PL. También prueba qué tan
con sólo dos variables de decisión. sensible es la solución óptima ante los cambios en los coeficientes de
Los enfoques de solución gráfica presentados en este capí- utilidad o costo, los coeficientes tecnológicos y los recursos del lado
tulo proporcionan una base conceptual para abordar problemas más derecho. Expío amos el análisis de sensibilidad de forma gráfica (es
grandes y complejos, como los que se analizan en el capítulo 8. Para decir, para prob emas con sólo dos variables de decisión) y con la sa-
resolver problemas de PL en la vida real con numerosas variables lida de la come tadora, pero para entender cómo se analiza la sensi-
y restricciones, es necesario un procedimiento de solución como el bilidad de manera algebraica a través del algoritmo símplex, consulte el
algoritmo símplex, que es el tema del módulo 7. El algoritmo símplex módulo 7 (que e encuentra en www.pearsonenespañol.condrender).
es el método que utilizan QM para Windows y Excel para hacer frente
a los problemas de PL.
Glosario
Análisis de sensibilidad El estudio de qué tan sensible es una so- recursos al mismo tiempo que se optimiza un objetivo medible. La
lución óptima ante los cambios en los supuestos del modelo y los PL es un tipo de modelo de programación.
datos. Con frecuencia se denomina análisis de postoptimalidad. Recta de isoco$to Una línea recta que representa todas las combi-
Coeficientes tecnológicos Coeficientes de las variables en las ecua- naciones de X1 y X2 para un nivel de costo en particular.
ciones de restricción. Los coeficientes representan la cantidad de Recta de isoutilidad Una línea recta que representa todas las
recursos necesarios para producir una unidad de la variable. combinaciones no negativas de X1 y X2 para un nivel de utilidad
Desigualdad Una expresión matemática que contiene una relación específico.
mayor o igual que (~) o menor o igual que utilizada para indi- Redundancia La presencia de una o más restricciones que no afec-
car que el consumo total de un recurso debe ser o s que algún tan la regió de soluciones factibles.
valor límite. Región factibl El área que satisface todas las restricciones de re-
Excedente La diferencia entre el lado izquierdo y el lado derecho cursos del poblema; es decir, la región donde se traslapan todas
de una restricción del tipo mayor o igual que. Con frecuencia, re- las restricciones. Todas las soluciones posibles al problema perte-
presenta la cantidad en la que se supera un tamaño mínimo. necen a la región factible.
Función objetivo Un enunciado matemático de la meta de una orga- Restricción Una limitación sobre los recursos disponibles para
nización, establecido como la intención de maximizar o minimizar una empresa (se indica en la forma de una desigualdad o una
alguna cantidad importante, como las utilidades o los costos. ecuación).
Holgura La diferencia entre el lado izquierdo y el lado derecho de Restricción no vinculante Una restricción con una cantidad posi-
una restricción del tipo menor o igual que. A menudo, es la canti- tiva de holgura o excedente para la solución óptima.
dad de un recurso que no se está utilizando. Restricción vinculante Una restricción con cero holgura o exce-
Método de ecuaciones simultáneas El método algebraico para dente para la solución óptima.
encontrar el punto de intersección entre dos o más ecuaciones de Restricciones de no negatividad Un conjunto de restricciones que
restricción lineal. indican que cada variable de decisión debe ser no negativa; es de-
Método de los vértices El método para encontrar la solución óp- cir, cada Xi debe ser mayor o igual que O.
tima a un problema de PL probando el nivel de la utilidad o de Solución factible Un punto situado en la región factible. Básica-
los costos en cada vértice de la región factible. La teoría de la PL mente, es cualquier punto que satisface todas las restricciones del
afirma que la solución óptima debe estar en uno de los vértices. problema.
Precio (valor) dual La mejora en el valor de la función objetivo Solución no acotada Una condición que existe cuando una varia-
que resulta de un aumento de una unidad en el lado derecho de ble de solución y la utilidad pueden hacerse infinitamente grandes
esa restricción. sin transgre4ir ninguna de las restricciones del problema en un
Precio sombra El aumento en el valor de la función objetivo que proceso demaximización.
resulta de un aumento de una unidad en el lado derecho de Solución no factible Cualquier punto situado fuera de la región
esa restricción. factible. Vu era una o más de las restricciones establecidas.
Problema de mezcla de productos Un problema de PL común, Solución ópt* a múltiple Una situación donde es posible más de
que involucra una decisión de los productos que una empresa de- una solució óptima. Surge cuando la pendiente de la función ob-
bería producir, debido a que cuenta con recursos limitados. jetivo es ig a la pendiente de una restricción.
Programación lineal (PL) Una técnica matemática que ayuda a la Variable de d isión Una variable cuyo valor puede ser elegido por
gerencia a decidir cómo debe hacer el uso más eficaz de los recur- la persona que toma decisiones.
sos de una organización. Vértice o punto extremo Un punto que se encuentra en una de las
Programación matemática La categoría general de las técnicas esquinas de la región factible. Esto significa que se encuentra en
de modelado y resolución matemática utilizadas para asignar la intersección de dos rectas de restricción.
PROBLEMAS RESUELTOS 275
Problemas resueltos
donde
= número de espacios grandes desarrollados
X2 = número de espacios pequeños desarrollados
Solución
Una evaluación de los cinco vértices de la gráfica mostrada indica que el vértice C produce las mayores ganancias.
Consulte la gráfica y la tabla.
60
200
180
160
100X, + 50X2 _ 8,000
140
120
100
80
60
40 Región
factible 20X1 + 40X2 . 4,000
20
8 -I
A • I I
20 40 60 80 100 120 140 160 180 200 220 240 X,
276 CAPÍTULO 7 • MODELOS DE PROGRAMACIÓN LINEAL: MÉTODOS GRÁF COS Y COMPUTACIONALES
...
Maximiza 50 20
Constraint 1 20 40 4,000 o
Constraint 2 100 8,000 0.4
Constraint 3 60 10
Solution-> 60 40 3,800
Solución
a. En la solución óptima, X1 = 60 y X2 = 40. Si se usan estos valores en la primera restricción resulta
Holgura para la restricción 1 = 1,200 por lo que la cantidad utilizada es 4,000 — 1,200 = 2,800
En lugar de calcular esto, podemos simplemente observar que la holgura es 0, por lo que se utilizarán los
8,000 pies cuadrados disponibles.
c. No, la solución no cambiaría. El precio dual es O y no hay holgura disponible. El valor de 3,000 está entre el
límite inferior de 2,800 y el límite superior infinito. Sólo cambiaría la holgura para esta restricción.
d. Dado que el nuevo coeficiente para X1 está entre el límite inferior (40) y el límite superior (infinito), el vértice
actual sigue siendo óptimo. Así que X1 = 60 y X2 = 40, y sólo cambian las ganancias mensuales.
e. El precio dual para esta restricción es de 0.4, y el límite superior es 9,500. El aumento de 1,000 unidades
se traducirá en un aumento en las ganancias de 1,000(0.4 por unidad) = $400.
PROBLEMAS RESUELTOS 277
Solución
A continuación, se presenta una gráfica de las cuatro restricciones. Las flechas indican la dirección de la factibi-
lidad para cada restricción. La siguiente gráfica ilustra la región de soluciones factibles y presenta dos posibles
rectas de costos para la función objetivo. La primera, se seleccionó arbitrariamente en $10,000 como punto de
partida. Para encontrar el vértice óptimo, es necesario mover la recta de costos en la dirección de menor costo, es
decir, hacia abajo y hacia la izquierda. El último punto donde una recta de costos toca la región factible, mientras se
mueve hacia el origen, es el vértice D. De este modo D, que representa X1 = 200, X2 = 100 y un costo de $7,600,
es óptimo.
500
300
X1 + X2> 300
200
X2 100
100
400 Región
factible
300
200
Solución
A continuación se presenta la gráfica junto con la región factible sombreada.
4X1 + 2X2 16
2X1 — X2 2
X2 < 2
—2
Autoevaluación
• Antes de realizar la autoevaluación, consulte los objetivos de aprendizaje al comienzo del capítulo, las notas en los márgenes y el glosario
al final del capítulo.
• Consulte las soluciones en la parte final del libro para corregir sus respuestas.
• Vuelva a estudiar las páginas que correspondan a todas las preguntas que respondió incorrectamente o al material del que no se sienta seguro.
1. Cuando se utiliza un procedimiento de solución gráfica, la 8. Un método gráfico sólo se debería utilizar para resolver un
región limitada por el conjunto de restricciones se llama problema de PL cuando
a. solución. a. sólo hay dos restricciones.
b. región factible. b. hay más de dos restricciones.
c. región no factible. c. sólo hay dos variables.
d. región de máxima utilidad. d. hay más de dos variables.
e. ninguna de las anteriores. 9. En PL, las variables no tienen que asumir valores enteros y
2. En un problema de PL, al menos un vértice debe ser una pueden tomar cualquier valor fraccionario. Este supuesto se
solución óptima, si es que existe alguna. llama
a. Verdadero a. proporcionalidad.
b. Falso b. divisibilidad.
3. Un problema de PL tiene una región factible acotada. Si este c. aditividad.
problema tiene una restricción de igualdad (), entonces, d. certidumbre.
a. éste debe ser un problema de minimización. 10. Al resolver un programa lineal, existe una solución no factible.
b. la región factible debe constar de un segmento de recta. Para resolver este problema podríamos
c. el problema debe ser degenerado. a. agregar otra variable.
d. el problema debe tener más de una solución óptima. b. agregar otra restricción.
4. ¿Cuál de las siguientes opciones causaría un cambio en la c. eliminar o relajar una restricción.
región factible? d. probar un programa de computadora diferente.
a. El aumento de un coeficiente de la función objetivo en un 11. Si la región factible se hace más grande debido a un cambio en
problema de maximización una de las restricciones, el valor óptimo de la función objetivo
b. La adición de una restricción redundante a. debe aumentar o permanecer igual para un problema de
c. Un cambio en el lado derecho de una restricción no redun- maximización.
dante b. debe disminuir o permanecer igual para un problema
d. El aumento de un coeficiente de la función objetivo en un de maximización.
problema de minimización c. debe aumentar o permanecer igual para un problema de
5. Si una restricción no redundante se elimina de un problema minimización.
de PL, entonces, d. no puede cambiar.
a. la región factible se hará más grande. 12. Cuando existen soluciones óptimas múltiples en un problema
b. la región factible se hará más pequeña. de PL, entonces,
c. el problema se volvería no lineal. a. la función objetivo será paralela a una de las restricciones.
d. el problema se haría no factible. b. una de las restricciones será redundante.
6. En la solución óptima de un programa lineal, hay 20 unidades c. dos restricciones serán paralelas.
de holgura para una restricción. De esto, sabemos que d. el problema también será no acotado.
a. el precio dual para esta restricción es 20. 13. Si un programa lineal es no acotado, el problema
b. el precio dual para esta restricción es O. probablemente no se ha formulado correctamente.
c. esta restricción debe ser redundante. ¿Cuál de las siguientes causas sería la más probable?
d. éste debe ser un problema de maximización. a. Una restricción fue inadvertidamente omitida.
7. Se resolvió un programa lineal y se realizó un análisis de b. Se agregó una restricción innecesaria al problema.
sensibilidad. Se encontraron los rangos para los coeficientes de c. Los coeficientes de la función objetivo son demasiado grandes.
la función objetivo. Para la utilidad en X1, el límite superior es d. Los coeficientes de la función objetivo son demasiado
de 80, el límite inferior de 60 y el valor actual es 75. ¿Cuál de pequeños.
las siguientes afirmaciones debe ser cierta si la utilidad en esta 14. Una solución factible aun problema de PL
variable se reduce a 70 y se encuentra la solución óptima? a. debe satisfacer todas las restricciones del problema en forma
a. Un nuevo vértice se volverá óptimo. simultánea.
b. La utilidad total máxima posible puede aumentar. b. no tendría que satisfacer todas las restricciones, tan sólo
c. Los valores para todas las variables de decisión seguirán algunas.
siendo los mismos. c. debe ser un vértice de la región factible.
d. Todo lo anterior es posible. d. tiene que proporcionar la máxima utilidad posible.
280 CAPÍTULO 7 • MODELOS DE PROGRAMACIÓN LINEAL: MÉTODOS GRÁFICOS Y COMPUTACIONALES
Preguntas para análisis uso de una computadora encontramos que el límite supe-
7-1 Comente las semejanzas y diferencias entre los proble- rior para la utilidad en X es 20 y que el límite inferior es 9.
mas de minimización y maximización, utilizando los Comente los cambios a la solución óptima (los valores de
métodos de solución gráfica de PL. las variables y la utilidad) que se producirían si la utilidad
en X se incrementara a $15. ¿Cómo cambiaría la solución
7-2 Es importante entender los supuestos subyacentes al uso
óptima si la utilidad en X se incrementara a $25?
de cualquier modelo de análisis cuantitativo. ¿Cuáles son
los supuestos y requisitos para formular y utilizar un mo- 7-11 Un programa lineal tiene una utilidad máxima de $600.
Una restricción en este problema es 4X + 2Y s 80. Con el
delo de programación lineal?
uso de una computadora, encontramos que el precio dual
7-3 Se ha dicho que cada problema de PL que tiene una región para esta restricción es 3, y que tiene un límite inferior
factible posee un número infinito de soluciones. Explique de 75 y un límite superior de 100. Explique lo que esto
esa afirmación. significa.
7-4 Usted acaba de formular un problema de PL de maximi- 7-12 Desarrolle su propio problema de PL original con dos res-
zación y está preparándose para resolverlo gráficamente. tricciones y dos variables reales.
¿Qué criterios debería considerar al decidir si sería más
fácil resolver el problema por el método de los vértices o (a) Explique el significado de los números en el lado de-
con el enfoque de la recta de isoutilidad? recho de cada una de sus restricciones.
(b) Explique el significado de los coeficientes tecno-
7-5 ¿En qué condiciones es posible que un problema de PL
lógicos.
tenga más de una solución óptima?
(c) Resuelva el problema de forma gráfica para encontrar
7-6 Desarrolle su propio conjunto de ecuaciones de restricción
la solución óptima.
y desigualdades y utilícelas para ilustrar gráficamente
cada una de las siguientes condiciones: (d) Ilustre gráficamente el efecto de aumentar la tasa de
contribución de su primera variable (X1) en 50% con
(a) un problema no acotado respecto al valor que le asignó a la misma en un prin-
(b) un problema no factible cipio. ¿Cambia esto la solución óptima?
(c) un problema que contiene restricciones redundantes
7-13 Exp fique cómo un cambio en un coeficiente tecnológi-
7-7 El gerente de producción de una empresa manufacturera co uede afectar la solución óptima de un problema.
grande en Cincinnati hizo alguna vez la siguiente decla- ¿Có o puede un cambio en la disponibilidad de recursos
ración: "Me gustaría utilizar la PL, pero es una técnica
afee una solución?
que funciona en condiciones de certidumbre. Mi planta no
tiene esa certidumbre; es un mundo de incertidumbre. Así
que la PL no se puede utilizar aquí", ¿Cree usted que esta Problemas
afirmación tenga algún mérito? Explique por qué el ge- Q.
rente la pudo haber dicho. aE 7-14 La Electrocomp Corporation fabrica dos productos eléctri-
cos: aires acondicionados y ventiladores de gran tamaño.
7-8 Las siguientes relaciones matemáticas fueron formuladas Los procesos de ensamble para cada uno se parecen en que
por un analista de investigación de operaciones en la com- ambos requieren cierta cantidad de cableado y perforacio-
pañía Smith-Lawton Chemical. ¿Cuáles no son válidas nes. Cada aparato de aire acondicionado requiere 3 horas
para ser usadas en un problema de PL y por qué? para el cableado y 2 horas para las perforaciones. Cada
ventilador tiene que pasar 2 horas en cableado y 1 hora en
Maximizar la utilidad = 4X1 + 3X1X2 + 8X2 + 5X3
perforación. Durante el siguiente periodo de producción,
sujeta a 2X1 + X2 + 2X3 5 50 hay 240 horas de tiempo de cableado disponibles y se pue-
Xl — 4X2 6 den usar hasta 140 horas de tiempo de perforación. Cada
1.5Xi + 6X2 + 3X3 a• 21 aparato de aire acondicionado que se vende produce una
utilidad de $25. Cada ventilador ensamblado se puede ven-
19X2 — 0.35X3 = 17 der para obtener una utilidad de $15. Formule y resuelva
5X1 + 4X2 + 3V37 3 s 80 un problema de PL para esta situación de mezcla de pro-
— 4- x3 =-• 5 ducción con la finalidad de encontrar la mejor combina-
ción de aires acondicionados y ventiladores que produce la
7-9 Comente el papel del análisis de sensibilidad en la PL. mayor utilidad. Utilice el método gráfico de los vértices.
¿En qué circunstancias se necesita, y en qué condiciones º. 7-15 La erencia de Electrocomp se da cuenta de que olvidó
piensa usted que no es necesario? incl ur dos restricciones fundamentales (vea el problema
7-10 Un programa lineal tiene el objetivo de maximizar la utili- 7-1 ). En particular, la gerencia decide que debería ha-
dad = 12X + 8Y. La utilidad máxima es de $8,000. Con el ber n número mínimo de aparatos de aire acondicionado
Nota: S¿ significa que el problema puede resolverse con QM para Windows; significa que el problema puede resolverse con Excel QM, y ifc significa que el problema
puede resolverse con QM para Windows y/o Excel QM.
PREGUNTAS PARA ANÁLISIS Y PROBLEMAS 281
fabricados para cumplir un contrato. También, debido a un a cinco técnicos, que trabajan 160 horas mensuales cada
exceso de oferta de ventiladores en el periodo anterior, se uno, en su línea de montaje. La gerencia insiste en que se
debería colocar un límite al número total de ventiladores mantendrá el empleo de tiempo completo (es decir, todas
producidos. las 160 horas de tiempo) para cada trabajador durante las
(a) Si Electrocomp decide que se deberían producir al operaciones del mes que viene. Se requieren 20 horas de
menos 20 equipos de aire acondicionado, pero no más mano de obra para ensamblar cada computadora Alpha 4
de 80 ventiladores, ¿cuál sería la solución óptima? y 25 horas de mano de obra para ensamblar cada modelo
¿Cuánta holgura o excedente habría para cada una de Beta 5. MSA quiere producir al menos 10 Alpha 4 y al
las cuatro restricciones? menos 15 Beta 5 durante el periodo de producción. Las
(b) Si Electrocomp decide que se deben producir al me- Alpha 4 generan $1,200 de utilidad por unidad, y las Beta
nos 30 equipos de aire acondicionado, pero no más 5 generan $1,800 cada una. Determine el número más ren-
de 50 ventiladores, ¿cuál sería la solución óptima? table de cada modelo de minicomputadora a producir du-
¿Cuánta holgura o excedente habría para cada una de rante el mes próximo.
las cuatro restricciones a la solución óptima? x" 7-20 Un ganador de la Lotería de Texas ha decidido invertir
$50,000 al año en el mercado de valores, y está conside-
2"
X ' 7-16 Un candidato a alcalde en una pequeña ciudad ha desti-
nado $40,000 a publicidad de última hora en los días ante- rando las acciones de una empresa petroquímica y de un
riores a la elección. Se utilizarán dos tipos de anuncios: en organismo público. Aunque una meta a largo plazo es con-
radio y en televisión. Cada anuncio en radio cuesta $200 seguir el máximo rendimiento posible, algunas personas
y alcanza un estimado de 3,000 personas. Cada anuncio tienen en cuenta el riesgo involucrado en las acciones. Se
en televisión cuesta $500 y alcanza un estimado de 7,000 asigna un índice de riesgo en una escala del 1 al 10 (donde
personas. En la planeación de la campaña publicitaria, a la 10 es lo más riesgoso) a cada una de las dos acciones. El
jefa de campaña le gustaría llegar a tantas personas como riesgo total del portafolios se encuentra multiplicando
sea posible, pero ha estipulado que se deben emplear al el riesgo de cada acción por los dólares invertidos en dicha
menos 10 anuncios de cada tipo. Además, el número de acción.
anuncios de radio tiene que ser al menos tan grande como La siguiente tabla muestra un resumen del rendi-
el número de anuncios de televisión. ¿Cuántos anuncios miento y el riesgo:
de cada tipo se deberían utilizar? ¿A cuántas personas lle-
gará esto?
ACCIÓN RENDIMIENTO ESTIMADO ÍNDICE DE RIESGO
9. 7-17 La Outdoor Furniture Corporation fabrica dos productos,
bancas y mesas para día de campo, para su uso en patios Petroquímica 12% 9
y parques. La compañía cuenta con dos recursos princi- Organismo 6% 4
pales: sus carpinteros (fuerza de trabajo) y un inventario
de (madera) secuoya para utilizarse en los muebles. Du-
Al inversionista le gustaría maximizar el rendimiento
rante el próximo ciclo de producción, hay 1,200 horas de
sobre la inversión, pero el índice de riesgo promedio de
trabajo disponibles en virtud de un acuerdo con el sin-
la inversión no debería ser superior a 6. ¿Cuánto debería
dicato. La empresa también cuenta con un inventario de
invertir en cada acción? ¿Cuál es el riesgo promedio de
3,500 pies en tablones de secuoya de buena calidad. Cada
esta inversión? ¿Cuál es el rendimiento estimado para la
banca que produce Outdoor Furniture requiere 4 horas
inversión?
de trabajo y 10 pies en tablones de secuoya; cada mesa de
picnic necesita 6 horas de trabajo y 35 pies en tablones X' 7-21 Con referencia a la situación del ganador de la Lotería de
de secuoya. Las bancas terminadas producen una utili- Texas en el problema 7-20, suponga que el inversionista
dad de $9 cada una, y las mesas generan una utilidad de cambió su actitud acerca de la inversión y desea poner ma-
$20 cada una. ¿Cuántas bancas y mesas debería Outdoor yor énfasis en el riesgo de la inversión. Ahora el inversio-
Furniture producir para obtener la mayor utilidad posible? nista desea minimizar el riesgo de la inversión, siempre
Utilice el método gráfico de PL. y cuando el rendimiento generado sea al menos de 8%.
Q•• 7-18 El decano de la Universidad Occidental de Negocios debe
ag
Formule esto como un problema de PL y encuentre la so-
planear la oferta de cursos de la escuela para el semestre lución óptima. ¿Cuánto debería invertir en cada acción?
de otoño. Las demandas estudiantiles hacen que sea nece- ¿Cuál es el riesgo promedio de esa inversión? ¿Cuál es el
sario ofrecer al menos 30 de cursos de licenciatura y 20 rendimiento estimado para la inversión?
de posgrado en el semestre. Los contratos del profesorado X' 7-22 Resuelva el siguiente problema de PL utilizando el mé-
todo de los vértices. En la solución óptima, calcule la hol-
también indican que se ofrecerán al menos 60 cursos en
total. Cada curso de licenciatura cuesta a la universidad gura para cada restricción:
un promedio de $2,500 en salarios del profesorado, y cada
curso de posgrado le cuesta $3,000. ¿Cuántos cursos de Maximizar la utilidad = 4X + 4Y
licenciatura y posgrado deberían ofrecerse en el otoño, sujeta a 3X + 5Y 5 150
para que los salarios totales del profesorado se reduzcan al X — 2Y S 10
mínimo?
5X + 3Y S 150
1: 7-19 MSA Computer Corporation fabrica dos modelos de mi-
3
nicomputadoras, la Alfa 4 y la Beta 5. La firma emplea X, Y a•
282 CAPÍTULO 7 • MODELOS DE PROGRAMACIÓN LINEAL: MÉTODOS GRÁFICOS Y COMPUTACIONALES
fa • 7-23 Considere esta formulación de PL: de poda de las ramas. Si los olivos se podan cada dos se-
man s, aumenta la producción. El proceso de poda, sin
Minimizar el costo = SX + 2Y
emb go, requiere una cantidad de mano de obra consi-
sujetoa X + 3Y a• 90 dera lemente mayor que dejar a los olivos crecer por su
8X + 2Y a• 160 cue lo cual resulta en aceitunas de menor tamaño. Sin
3X + 2Y 120 emb go, también permite que los olivos tengan un menor
espaciado entre sí. El rendimiento de 1 barril de aceitunas
Y 5- 70 por la poda requiere 5 horas de mano de obra y 1 acre
X, Y? O de tierra. La producción de un barril de aceitunas por el
proceso normal requiere tan sólo 2 horas de mano de obra,
Ilustre gráficamente la región factible y aplique el pro-
pero requiere 2 acres de tierra. Un oleicultor tiene 250 ho-
cedimiento de la recta de isocosto, para indicar qué vér-
ras de mano de obra disponibles y un total de 150 acres
tice produce la solución óptima. ¿Cuál es el costo de esa
para el cultivo. Debido a la diferencia en el tamaño de las
solución? aceitunas, el barril de aceitunas producidas en los árbo-
jt: 7-24 La firma de corretaje Blank, Leibowitz & Weinberger ha les podados se vende por $20, mientras que el barril de
analizado y recomendado dos acciones al club de profe- aceitunas regulares tiene un precio en el mercado de $30.
sores inversionistas de la universidad. Los profesores es- El productor ha determinado que debido a la demanda in-
taban interesados en factores como el crecimiento a corto cierta, no debería producir más de 40 barriles de aceitunas
plazo, el crecimiento intermedio y las tasas de dividendos. de árboles podados. Utilice PL gráfica para encontrar
Estos datos son los siguientes para cada acción:
(a) la máxima utilidad posible.
ACCIÓN ($) (b) la mejor combinación de barriles de aceitunas de
árboles podados y regulares.
LOUISIANA GAS COMPAÑÍA TRIMEX (c) el número de acres que el oleicultor debería dedicar
FACTOR AND POWER INSULATION a cada proceso de cultivo.
- 7-27 Considere las siguientes cuatro formulaciones de PL. Con
Crecimiento poten- 0.36 0.24 X*
cial a corto plazo, base en un enfoque gráfico, determine
por dólar invertido (a) ué formulación tiene más de una solución óptima.
Crecimiento po- 1.67 1.50 (b) ué formulación es no acotada.
tencial intermedio (c) ué formulación no tiene solución factible.
(en los próximos (d) ué formulación es correcta como está.
tres años), por dólar Formulación Formulación 3
invertido
Maximizar 10X1 + 10X2 Maximizar 3X1 + 2X2
Tasa potencial de 4% 8%
sujeto a 2X1 5- 10 sujetoa X1 + X2 ? 5
dividendos
2X1 + 4X2 16 2
Cada miembro del club tiene una meta de inversión de 4X2 .15- 8 2X2 ?8
1. una apreciación de no menos de $720 en el corto plazo;
2. una apreciación de por lo menos $5,000 en los próximos X1 =6
tres años, y 3. un ingreso de dividendos de al menos $200 Formulación 2 Formulación 4
al año. ¿Cuál es la inversión más pequeña que un profesor
Maximizar X1 + 2X2 Maximizar 3X1 + 3X2
puede hacer para cumplir con estos tres objetivos?
1: 7-25
3 Woofer Pet Foods produce un alimento bajo en calorías sujeto a X 5 1 sujeto a 4X1 + 6X2 5 48
para perros con sobrepeso. Este producto está hecho a par- 2X2 5 2 4X1 + 2X2 12
tir de productos de carne de res y granos. Cada libra de
carne cuesta $0.90, y cada libra de grano cuesta $0.60.
+ 2,X2 5 2 3,12 -3
2X1 2
Una libra del alimento para perros debe contener al me-
nos 9 unidades de vitamina I y 10 unidades de vitamina
/1- 7-28 Gra fique el siguiente problema de PL e indique el punto
2. Una libra de carne de res contiene 10 unidades de vi- de 1 solución óptima:
tamina 1 y 12 unidades de vitamina 2. Una libra de grano
contiene 6 unidades de vitamina 1 y 9 unidades de vita- Maximizar la utilidad = $3X + $2Y
mina 2. Formule esto como un problema de PL para mini- sujeta a 2X + Y < 150
mizar el costo del alimento para perros. ¿Cuántas libras de
2X + 3Y 300
carne de res y de grano se deberían incluir en cada libra
de alimento para perros? ¿Cuál es el costo y el contenido de (a) Cambia la solución óptima si la utilidad por unidad
vitamina del producto final? de X cambia a $4.50?
1: 7-26 El rendimiento estacional de aceitunas en un viñedo de
3 (b) ¿Qué pasaría si la función de utilidad debería haber
Pireo, Grecia, está fuertemente influido por un proceso sido $3X + $3Y?
PREGUNTAS PARA ANÁLISIS Y PROBLEMAS 283
I. 7-29 Analice gráficamente el siguiente problema: (a) ¿Cuánto podría aumentar o disminuir la utilidad en
Maximizar la utilidad = $4X + $6Y X sin cambiar los valores de X y Y en la solución
óptima?
sujeta a X + 2Y S 8 horas
(b) Si-el lado derecho de la restricción 1 se incrementara
6X + 4Y S 24 horas en 1 unidad, ¿cuánto aumentaría la utilidad?
(a) ¿Cuál es la solución óptima? (c) Si el lado derecho de la restricción 1 se incremen-
(b) Si la primera restricción se convierte en X + 3Y s- 8, tara en 10 unidades, ¿cuál sería el aumento de la
¿cambian la región factible ola solución óptima? utilidad?
7-30 Examine la formulación de PL en el problema 7-29. La
34* 7-34 La salida de computadora en la página siguiente es un pro-
segunda restricción del problema se lee blema de mezcla de productos donde hay dos productos y
6X + 4Y S 24 horas (tiempo disponible en la máquina 2) tres restricciones de recursos. Utilice la salida para ayu-
Si la empresa decide que puede haber 36 horas disponi- darse a responder las siguientes preguntas. En cada caso,
bles de tiempo en la máquina 2 (es decir, un aumento de suponga que usted desea maximizar la utilidad.
12 horas) a un costo adicional de $10, ¿deberían agregarse (a) ¿Cuántas unidades del producto 1 y del producto 2
las horas? deberían producirse?
2: 7-31 Considere el siguiente problema de PL: (b) ¿Cuánto de cada uno de los tres recursos se está uti-
Maximizar la utilidad = 5X + 6V lizando? ¿Cuánta holgura hay para cada restricción?
¿Cuáles de las restricciones son vinculantes y cuáles
sujeta a 2X + Y s 120 no vinculantes?
2X + 3Y s 240 (c) ¿Cuáles son los precios duales para cada recurso?
X, Y O (d) Si se pudiera obtener más de uno de los recursos,
¿cuál debería ser éste? ¿Cuánto se debería estar dis-
(a) ¿Cuál es la solución óptima para este problema? Re- puesto a pagar por él?
suélvalo gráficamente. ¿Qué le pasaría a la utilidad si, con los resultados ori-
(e)
(b) Si ocurrió un gran avance técnico que elevó la
ginales, la gerencia decidiera producir una unidad más
utilidad por unidad de X a $8, ¿afectaría esto a de producto 2?
la solución óptima?
(c) En vez de un aumento en el coeficiente de utilidad X 7-35 Resuelva gráficamente el siguiente problema:
a $8, suponga que la utilidad se había sobrestimado y
Maximizar la utilidad = 8X1 + 5X2
sólo debería haber sido de $3. ¿Cambia esto la solu-
ción óptima? sujeta a XI + X2 5- 10
ac
Q: 7-32 Considere la formulación de PL dada en el problema 7-31. Xt 6
Si la segunda restricción se cambia de 2X + 3Y s 240 a XI, X2 O
2X + 4Y s 240, ¿qué efecto tendrá esto en la solución
óptima? (a) ¿Cuál es la solución óptima?
al: 7-33 La salida de computadora que se muestra a continuación (b) Cambie el lado derecho de la restricción 1 a 11 (en
es para el problema 7-31. Úsela para responder las si- vez de 10) y resuelva el problema. ¿Cuánto aumentó
guientes preguntas. la utilidad como resultado de esto?
Probiem 33 Solution
X Y RHS Dual
Maximize 5 6
const 1 2 1 <= 120 0.75
const 2 2 3 240 1.75
Solution-> 30 60 510
Lkocinize 50 20
Constrabt 1 1 2 c--= 45 0
Constraint 2 3 3 <= 87 0
Constraint 3 2 1 50 25
Solution-> 25 0 1,250
-~1111
,.. 11101.1w
Problem 34 Solution
Variable Value Reduced Cosí Original Val Lower Bound Upper Bound
X1 25 0 50 40 Infinity
X2 0 5 20 -Infinity 25
Constraint Dual Value Stack/Surplus Original Val Lamer Bound Upper Bound
Constraint 1 0 20 45 25 Infinky
Constraint 2 0 12 87 75 Infiruly
Constraint 3 25 0 50 0 58
Maximize 8 5
Constraint 1 1 10 5
Constraint 2 1 o 6 3
Solution-> 6 4 68
(c) Cambie el lado derecho de la restricción 1 a 6 (en vez .75*: 7-36 Ser!ndipity*
de 10) y resuelva el problema. ¿Cuánto disminuyó la Losltres príncipes de Serendip
utilidad como resultado de esto? En cuanto a la gráfi- Hicieron un pequeño viaje.
ca, ¿qué pasaría si el valor del lado derecho estuviera
No podían llevar mucho peso;
por debajo de 6?
Más de 300 libras los hicieron dudar.
(d) Cambie el valor del lado derecho de la restricción 1 a
5 (en vez de 10) y resuelva el problema. ¿Cuánto dis- Planearon llevar pequeñas cantidades. Cuando regresaron
minuyó la utilidad con respecto a la utilidad original a Ceilán
como resultado de esto? Descubrieron que sus suministros estaban a punto de
(e) Con base en los resultados de la computadora en esta pacer
página, ¿cuál es el precio dual de la restricción 1? do, qué alegría, el príncipe William se encontró
¿Cuál es el limite inferior en ésta? Un pila de cocos en el suelo.
(fl ¿Qué conclusiones puede usted obtener de esto con
"C da uno nos aportará 60 rupias", dijo el príncipe
respecto a los límites de los valores del lado derecho y
Ric ard con una sonrisa
del precio dual?
• La palabra serendipity fue acuñada por el escritor inglés Horace Walpole en relación con un cuento de liad titulado Los tres príncipes de Serendip. La fuente del problema
PREGUNTAS PARA ANÁLISIS Y PROBLEMAS 285
Cuando casi tropezó con una piel de león. con el riesgo, y se desarrolló el siguiente programa lineal
"¡Cuidado!", exclamó el príncipe Robert con júbilo para ayudar con esta decisión de inversión:
Cuando divisó algunas pieles de león más bajo un árbol.
Minimizar riesgo = 12S + 5M
"Éstas valen aún más: 300 rupias cada una
sujeto a
Si las podemos llevar todas a la playa".
Cada piel pesaba 15 libras y cada coco, 5, S + M = 200,000 la inversión total
es de $200,000
Pero cargaron todo y lo hicieron con ánimo.
El barco de regreso a la isla era muy pequeño 0.105 + 0.05M -›-» 14,000 el rendimiento debe ser
al menos de $14,000
15 pies cúbicos de capacidad para el equipaje: eso era
todo. M a. 40,000 al menos $40,000 deben
Cada piel de león ocupaba un pie cúbico colocarse en el fondo
S, M O del mercado de dinero
Mientras que ocho cocos ocupaban el mismo espacio.
Con todo guardado se hicieron a la mar donde
Y en el trayecto calcularon cuál podría ser su nueva S = dólares invertidos en el fondo de acciones
riqueza. M = dólares invertidos en el fondo del mercado de dinero
"¡Eureka!", Exclamó el príncipe Robert, "Nuestra riqueza
es tan grande A continuación se muestra la salida de QM para Windows.
Que no hay otra manera de que pudiéramos volver en este (a) ¿Cuánto dinero debería invertirse en el fondo del
estado. mercado de dinero y cuánto en el fondo de acciones?
Cualesquiera otras pieles o cocos que podríamos haber ¿Cuál es el riesgo total?
traído (b) ¿Cuál es el rendimiento total? ¿Qué tasa de retorno
representa?
Ahora nos haría ser más pobres. Y ahora lo sé:
(c) ¿Cambiaría la solución si la medida de riesgo para
Le escribiré a mi amigo Horacio en Inglaterra, pues sin cada dólar en el fondo de acciones fuera de 14 en
duda vez de 12?
Sólo él puede apreciar nuestro serendipity." (d) Por cada dólar adicional que esté disponible, ¿cuánto
Formule y resuelva Serendipity mediante PL gráfica para cambia el riesgo?
calcular "cuál podría ser su nueva riqueza". (e) ¿Cambiaría la solución si la cantidad que debe inver-
7-37 Inversiones Bhavika, un grupo de asesores financieros tirse en el fondo del mercado de dinero cambiara de
y planeadores de la jubilación, ha recibido una solicitud $40,000 a $50,000?
de asesoría sobre cómo invertir $200,000. El cliente ha 2: 7-38 Considere de nuevo la situación de Inversiones Bhavika
estipulado que el dinero debe colocarse en un fondo de (problema 7-37). Se ha decidido que, en vez de minimizar
acciones o bien en un fondo del mercado de dinero, y el el riesgo, el objetivo debería ser maximizar el rendimiento,
rendimiento anual debería ser al menos de $14,000. Tam- al tiempo que se pone una restricción a la cantidad de
bién se han especificado otras condiciones relacionadas riesgo. El riesgo promedio no debe ser mayor que 11 (con
neu Progr
Problem 37 Solution
S M RHS Dual
Ránirnize 12 5
Constraint 1 1 1 = 200,000 2
Constraint 2 0.1 0.05 >= 14,000 -140
Constraint 3 0 1 >= 40.000 0
Solution-> 80.000 120.000.0 1,560.000
RangIng
Problem 37 Solution
Vanable Value Reduced Cost Original Val Lower Bound Upper Bound
S 80,000 0 12 5 kánity
M 120,000.0 0 5 -kánity 12
Constraint Dual Value Siack/Surplus Original Val Lower Bound Upper Sound
Constraint 1 2 0 200,000 160,000 280,000
Constraint 2 -140 0 14,000 10,000 18,000
Constraint 3 0 80,000.01 40,000 -kihnity 120,000.0
286 CAPÍTULO 7 • MODELOS DE PROGRAMACIÓN LINEAL: MÉTODOS GRÁFICOS Y COMPUTACIONALES
2 ji--
,. ___Cidigiég
Zr. !mear Programming Results .
Problem 38 Solution
M R 1S Dual
.......... , . :
I r o*
4> Ranging
Problem 38 Solution
Variable Value Reduced Cost Original Val Lower Bound Upper Bound
S 160.000 0 0.1 0.05 Infinity
M 40.000 0 0.05 4rtfinity 0.1
Constraint Dual Value Slack/Surpfirs Original Val Lower Bound Upper Bound
Constraint 1 0.1 0 200.000 40,000 206,666.7
Constraint 2 0 80,000 2,200,000 2,121000 Infinity
Constraint 3 -0.05 0 40,000 28.571.43 200.000
un riesgo total de 2,200,000 para los $200,000 invertidos). El costo por libra de los granos X, Y y Z son $2, $4 y
El programa lineal fue reformulado y la salida de QM de $2.50, respectivamente. El requisito mínimo por vaca por
Windows se muestra arriba. mes es de 4 libras del ingrediente A, 5 libras del ingre-
diente B, 1 libra del ingrediente C y 8 libras del in-
(a) ¿Cuánto dinero debería invertirse en el fondo del mer-
cado de dinero y en el fondo de acciones? ¿Cuál es grediente D.
el rendimiento total? ¿Qué tasa de rendimiento repre- El rancho se enfrenta a una restricción adicional: sólo
senta esto? puede obtener 500 libras del grano Z por mes de su pro-
veedor, independientemente de lo que necesite. Debido
(b) ¿Cuál es el riesgo total? ¿Cuál es el riesgo promedio?
(c) ¿Cambiaría solución si el rendimiento de cada dólar a que, por lo general, hay 100 vacas en el rancho en un
en el fondo de acciones fuera 0.09 en vez de 0.10? momento dado, esto significa que no se puede contar con
(d) Por cada dólar adicional que esté disponible, ¿cuál es más de 5 libras de la mezcla Z por mes para su uso en la
la tasa de rendimiento marginal? alimentación de cada vaca.
(e) ¿Cuánto cambiaría el rendimiento total si la cantidad (a) Formule esto como un problema de PL.
que debe invertirse en el fondo del mercado de dinero (b) Resuelva usando software de PL.
cambiara de $40,000 a $50,000? 7-40 La Weinberger Electronics Corporation fabrica cuatro
ac •
Los problemas 7-39 a 7-44 prueban su capacidad productos de alta tecnología que suministra a empresas
para formular problemas de PL que tienen más de dos va- aeroespaciales que tienen contratos con la NASA. Cada
riables. No se pueden resolver gráficamente. pero le darán uno de los productos debe pasar por los siguientes de-
la oportunidad de formular un problema más grande. partamentos antes de ser enviados: cableado, taladrado,
7-39 El rancho Feed 'N Ship engorda ganado para los granjeros montaje e inspección. En la siguiente tabla, se resumen el
X• locales y lo envía a los mercados de carne en Kansas City req4isito de tiempo en horas para cada unidad producida y
y Omaha. Los propietarios del rancho tratan de determinar el valor de la utilidad correspondiente:
las cantidades de alimento para ganado que deben com-
prar, de modo que se cumplan los estándares nutriciona- DEPARTAMENTO
les mínimos y que, al mismo tiempo, se minimicen los
UTILIDAD
costos totales de alimentación. La mezcla de alimento
puede estar compuesta por tres granos que contienen los INSPEC- UNITARIA
TALA-
PRODUCTO CABLEADO DRADO MONTAJE CIÓN ($)
siguientes ingredientes por libra de alimento:
X.1201 0.5 0.3 0.2 0.5 9
ALIMENTO (OZ) X14897 1.5 4 1 12
MCA quiere planear la combinación óptima de los olding minimizar el costo de una bolsa de 50 lb de
dos modelos de módem a producir en noviembre, para rtilizante.
maximizar las utilidades de MCA. (b) esuelva usando una computadora para encontrar la
ejor solución.
(a) Formule, utilizando los datos de septiembre, el pro-
blema de MCA como un programa lineal. 2: 7-45 Rap r Fuels produce tres grados de gasolina: regular, pre-
34.
(b) Resuelva el problema de forma gráfica. mium y súper. Todas se producen mediante la mezcla de
(c) Comente las implicaciones de su solución reco- dos tipos de petróleo crudo (A y B). Los dos tipos con-
mendada. tienen ingredientes específicos que ayudan a determinar
7-44 En conjunto con químicos del Virginia Tech y la George el octanaje de la gasolina. Los ingredientes y los costos
Washington University, el contratista paisajista Kenneth importantes se muestran en la siguiente tabla:
Golding mezcla su propio fertilizante, llamado "Gol-
CRUDO A CRUDO B
ding-Grow", que consta de cuatro compuestos químicos,
C-30, C-92, D-21 y E-11. A continuación, se indica el Costo por galón $0.42 $0.47
costo por libra de cada compuesto: Ingrediente 1 40% 52%
Otros ingredientes 60% 48%
COMPUESTO QUÍMICO COSTO POR LIBRA ($)
C-30 0.12 Con la finalidad de alcanzar los octanajes deseados, por
C-92 0.09 lo menos 41% de la gasolina regular debería ser del in-
grediente 1; al menos 44% de la gasolina premium debe
D-21 0.11
ser del ingrediente 1, y al menos 48% de la gasolina sú-
E-11 0.04 per debe ser del ingrediente 1. Debido a los compromisos
contractuales actuales, Raptor Fuels tiene que producir
Las especificaciones para Golding-Grow son las siguien- al menos 20,000 galones de gasolina regular, al menos
tes: 1. E-11 debe constituir al menos 15% de la mezcla; 15,000 galones de premium y al menos 10,000 galones de
2. C-92 y C-30 en conjunto deben representar al menos súper. Formule un programa lineal que pueda usarse para
45% de la mezcla; 3. D-21 y C-92 no pueden constituir determinar la cantidad de crudo A y crudo B que debería
juntos más de 30% de la mezcla, y 4. Golding-Grow se em learse en cada una de las gasolinas para satisfacer las
empaqueta y se vende en bolsas de 50 libras. de andas a costo mínimo. ¿Cuál es este costo mínimo?
(a) Formule un problema de PL para determinar qué ¿C to crudo A y crudo B se utiliza en cada galón de los
mezcla de los cuatro productos químicos permitirá a dif entes tipos de gasolina?
Estudio de caso
FIGURA 7.20
Mexicana Wire Winding, Almacén de
Oficina Trefilado producto terminado
Inc.
Departamento de
Extrusión reprocesamiento
Embobinado
Recepción y
almacenamiento
de materias primas Embalaje Almacén de
producto
rechazado
Inspección
Costo estándar
Preguntas para análisis
MANO PRECIO 1. ¿Qué recomendaciones debería hacer Ron García y con qué jus-
DE COSTO DE tificación? Proporcione un análisis detallado con gráficas, dia-
PRODUCTO MATERIAL OBRA GENERAL VENTA gramas e impresiones de computadora.
W0075C $33.00 $ 9.90 $23.10 S100.00 2. Analice la posible necesidad de trabajadores temporales en el
departamento de trefilado.
W0033C 25.00 7.50 17.50 80.00 3. Analice la distribución de planta.
W0005X 35.00 10.50 24.50 130.00
Puente: Profesor Victor E. Sower, Sam Houston State University. Este material se
W0007X 75.00 11.25 63.75 175.00 basa en una situación real. Los nombres y datos fueron alterados para conservar su
confidencialidad.
290 CAPÍTULO 7 • MODELOS DE PROGRAMACIÓN LINEAL: MÉTODOS GRÁFICOS Y COMPUTACIONALES
Bibliografía
Bassamboo, Achal, J. Michael Harrison y Assaf Zeevi. "Design and Control of Greenberg, H. J. "How to Analyze the Results of Linear Programs—Pan 3:
a Large Call Center: Asymptotic Analysis of an LP-Based Method", Infeasibility Diagnosis", Interfaces 23, 6 (noviembre-diciembre de 1993):
Operations Research 54, 3 (mayo-junio de 2006): 419-435. 120-139.
Behjat, Laleh, Anthony Vannelli y William Rosehart. "Integer Linear Programming Hafizoglu, A. B. y M. Azizoglu. "Linear Programming Based Approaches for the
Model for Global Routing", INFORMS Journal on Computing 18, 2 (prima- Discrete Time/Cost Trade-off Problem in Project Networks", Journal of
vera de 2006): 137-150. the Operational Research Society 61 (abril de 2010): 676-685.
Bixby, Robert E. "Solving Real-World Linear Programs: A Decade and More of Higle, Julia L y Stein W. Wallace. "Sensitivity Analysis and Uncertainty in Linear
Progress", Operations Research 50, 1 (enero-febrero de 2002): 3-15. Programming", Interfaces 33, 4 (julio-agosto de 2003): 53-60.
Bodington, C. E y T. E. Baker. "A History of Mathematical Programming in the Marszalkowski, Jakub y Drozdowski Maciej. "Optimization of Column Width in
Petroleum Industry", Interfaces 20, 4 (julio-agosto de 1990): 117-132. Website Layout for Advertisement Fit", European Journal of Operational
Boros, E., L. Fedzhora, P. B. Kantor, K. Saeger y P. Stroud. "A Large-Scale Linear Research 226, 3 (mayo de 2013): 592-601.
Programming Model For Finding Optimal Container Inspection Strategies", Murphy, Frederic H. "ASP, the Art and Science of Practice: Elements of a Theory
Naval Research Logistics 56, 5 (agosto de 2009): 404-420. of the Practice of Operations Research: Expertise in Practice", Interfaces 35,
Chakravarti, N. "Tea Company Steeped in OR", OR/MS Today 27, 2 (abril de 2000): 4 (julio-agosto de 2005): 313-322.
32-34. Orden, A. "LP from the `40s to the `90s", Interfaces 23, 5 (septiembre-octubre
Ching, Wai-Ki, Wai-On Yuen, Michael K. Ng y Shu-Qin Zhang. "A Linear de 1993): 2-12.
Programming Approach for Determining Optimal Advertising Policy", Pazour, Jennifer A. y Lucas C. Neubert. "Routing and Scheduling of Cross-Town
IMA Journal of Management Mathematics 17, 1 (2006): 83-96. Drayage Operations at J.B. Hunt Transpon", Interfaces 43, (marzo/abril de
Dantzig, George B. "Linear Programming Under Uncertainty", Management 2013): 117- 29.
Science 50, 12 (diciembre de 2004): 1764-1769. Romeijn, H. Ed n, Ravindra K. Ahuja, James F. Dempsey y Arvind Kumar.
Degbotse, Alfred, Brian T. Denton, Kenneth Fordyce, R. John Milne, Robert Orzell "A New Li Programming Approach to Radiation Therapy Treatment
y Chi-Taz Wang. "IBM Blends Heuristics and Optimization to Plan Its Semi- Planning Próblems", Operations Research 54, 2 (marzo-abril de 2006):
conductor Supply Chain", Interfaces 43 (marzo/abril de 2013): 130-141. 201-216.
Gass, Saul L "The First Linear-Programming Shoppe", Operations Research 50,1 Rubin, D. S. y H. M. Wagner. "Shadow Prices: 'lbs and Traps for Managers and
(enero-febrero de 2002): 61-68. Instructors", Interfaces 20, 4 (julio-agosto de 1990): 150-157.
Greenberg, H. J. "How to Analyze the Results of Linear Programs—Part 1: Preli- Wendell, Richard E. "Tolerance Sensitivity and Optimality Bounds in Linear
minaries", Interfaces 23, 4 (julio-agosto de 1993): 56-68. Programming", Management Science 50, 6 (junio de 2004): 797-803.