Investigacion Operaciones Mineria

UNIVERSIDAD NACIONAL DEL ALTIPLANO
Facultad de Ingeniería de Minas
MANUAL UNIVERSITARIO
INVESTIGACIÓN DE
OPERACIONES MINERAS
MSc. Mario
Cuentas Alvarado
2009
INVESTIGACION DE OPERACIONES EN MINERIA
CONTENIDO
CAPITULO I........................................................................................................................................ 1
INTRODUCCION A LA INVESTIGACION DE OPERACIONES ....................................................... 1
¿QUÉ ES LA INVESTIGACIÓN DE OPERACIONES? ..................................................................... 1
HISTORIA DE LA INVESTIGACION DE OPERACIONES ................................................................ 1
METODOLOGIA DE LA INVESTIGACION DE OPERACIONES ...................................................... 2
Definición del problema .................................................................................................................. 2
Desarrollo de un Modelo Matemático y Recolección de Datos...................................................... 3
Resolución del Modelo Matemático................................................................................................ 3
Validación, Instrumentación y Control de la Solución .................................................................... 3
Modificación del Modelo ................................................................................................................. 4
USOS Y VENTAJAS DE LOS MODELOS DE INVESTIGACIÓN DE OPERACIONES .................... 4
RESUMEN.......................................................................................................................................... 5
CAPITULO II....................................................................................................................................... 6
CONSTRUCCION DE MODELOS DETERMINISTICOS .................................................................. 6
PASOS GENERALES Y TÉCNICAS DE LA CONSTRUCCIÓN DE MODELOS MATEMÁTICOS .. 6
Identificación de las variables de decisión ..................................................................................... 6
Identificación de los datos del problema ........................................................................................ 7
Identificación de la función objetivo ................................................................................................ 8
Identificación de las restricciones ................................................................................................... 9
Formulación matemática del problema ........................................................................................ 11
EJEMPLOS DE FORMULACIÓN DE MODELOS MATEMÁTICOS ............................................ 12
CAPITULO III.................................................................................................................................... 40
SOLUCIÓN A PROBLEMAS DE PROGRAMACIÓN LINEAL USANDO SOFTWARE ................... 40
USO DE SOLVER DE EXCEL ......................................................................................................... 40
EL PROBLEMA DE PLANEACIÓN DE PRODUCCIÓN DEL SINDICATO MINERO
PACOCOCHA ............................................................................................................................... 40
USO DE SOLVER DE WinQSB ....................................................................................................... 43
PACOCOCHA ............................................................................................................................... 43
USO DE LINDO ................................................................................................................................ 48
SINTAXIS DEL MODELO LINDO ................................................................................................. 48
PACOCOCHA ............................................................................................................................... 48
CAPITULO IV ................................................................................................................................... 53
ANÁLISIS DE SENSIBILIDAD USANDO SOFTWARE: .................................................................. 53
EL PROBLEMA DE PLANEACIÓN DE PRODUCCIÓN DE CASE CHEMICALS ........................... 53
CONCEPTOS BÁSICOS EN ANÁLISIS DE SENSIBILIDAD....................................................... 54
1. ANÁLISIS DE SENSIBILIDAD CON EXCEL .......................................................................... 54
ANÁLISIS DE SENSIBILIDAD DE LOS COEFICIENTES DE LA FUNCIÓN OBJETIVO ............ 57
ANÁLISIS DE SENSIBILIDAD DE LOS VALORES DEL LADO DERECHO DE LAS
RESTRICCIONES (RECURSOS DISPONIBLES, RHS) ............................................................. 58
ANÁLISIS PARAMÉTRICO DE LOS RECURSOS DISPONIBLES (VALORES DEL LADO
DERECHO) ................................................................................................................................... 60
2. ANÁLISIS DE SENSIBILIDAD CON LINDO .............................................................................. 61
3. ANÁLISIS DE SENSIBILIDAD CON WinQSB ............................................................................ 62
i Facultad de Ingeniería de Minas

Universidad Nacional del Altiplano
Derechos Reservados © MCA-FIM 2009
MSc Ing Mario Cuentas Alvarado
EL PROBLEMA DE PLANEACIÓN DE PRODUCCIÓN DEL SINDICATO MINERO PACOCOCHA

.......................................................................................................................................................... 63
EJEMPLOS DE ANÁLISIS DE SENSIBILIDAD USANDO SOFTWARE ..................................... 70
CAPITULO V .................................................................................................................................... 97
PROBLEMAS DE REDES DE DISTRIBUCIÓN: TRANSPORTACIÓN, ASIGNACIÓN Y
TRANSBORDO ................................................................................................................................ 97
¿QUÉ ES UNA RED DE DISTRIBUCIÓN? .................................................................................. 97
EL PROBLEMA DE TRANSPORTACIÓN.................................................................................... 98
EL PROBLEMA DE ASIGNACIÓN ............................................................................................. 101
EL PROBLEMA DE TRANSBORDO .......................................................................................... 104
CAPITULO VI ................................................................................................................................. 108
ADMINISTRACIÓN DE PROYECTOS: ......................................................................................... 108
PERT - CPM ................................................................................................................................... 108
DESARROLLO DE LA RED DE PROYECTOS ......................................................................... 109
Identificación de las tareas individuales ................................................................................. 109
Obtención de estimaciones de tiempo para cada tarea ......................................................... 110
Creación de la tabla de precedencia para el proyecto ........................................................... 111
Trazo de la red de proyectos .................................................................................................. 111
La red de proyectos para el proyecto de Santa Rosa Mining................................................. 114
ADMINISTRACIÓN DE PROYECTOS USANDO TIEMPOS DETERMINÍSTICOS (CPM) ....... 114
Cálculo del tiempo de terminación de proyecto ......................................................................... 115
Identificación de las tareas críticas............................................................................................. 116
Administración de proyectos con tiempos determinísticos de tarea: uso de la computadora ... 119
Expedición de un proyecto usando técnicas de crashing .......................................................... 121
Obtención de datos de costos adicionales para las tareas ........................................................ 122
Desarrollo del modelo de choque ............................................................................................... 123
Resolución del modelo de choque ............................................................................................. 127
ADMINISTRACIÓN DE PROYECTOS USANDO TIEMPOS DE TAREA PROBABILISTICOS
(PERT)............................................................................................................................................ 127
BIBLIOGRAFIA............................................................................................................................... 129
ii Facultad de Ingeniería de Minas

CAPITULO I
INTRODUCCION A LA INVESTIGACION DE OPERACIONES
¿QUÉ ES LA INVESTIGACIÓN DE OPERACIONES?

En la ciencia de la administración (que también se conoce como investigación de
operaciones), los administradores utilizan las matemáticas y las computadoras para tomar
decisiones racionales en la resolución de problemas. Aunque algunos problemas son lo bastante
simples como para que un administrador pueda aplicar su experiencia personal para resolverlos,
en el complejo mundo actual muchos problemas no pueden resolverse de esta manera. La
evaluación de cada alternativa es demasiado difícil o tardada debido a la cantidad y complejidad
de la información que debe ser procesada o porque el número de soluciones alternativas es tan
vasto que un administrador simplemente no puede evaluarlas todas para seleccionar una
apropiada.
Las técnicas de la administración se aplican a las siguientes dos categorías básicas de problemas:
1. Problemas determinísticos, en los que toda la información necesaria para obtener una
solución se conoce con certeza.
2. Problemas estocásticos, en los que parte de la información necesaria no se conoce con

certeza, sino más bien se comporta de una manera probabilística.
La resolución de un problema determinístico es similar a decidir en cuál aerolínea comprar boleto

para volar hoy de Nueva York a Los Ángeles dado que se pueden obtener exactamente las
mismas tarifas en todas las aerolíneas. En contraste, considere hacer el mismo viaje dentro de un
mes. El decidir si comprar el mejor boleto disponible hoy o arriesgarse a esperar una mejor tarifa
es un problema estocástico, porque no se conocen las tarifas futuras. La obtención de soluciones
a estos dos grupos de problemas de decisión -determinísticos y estocásticos- a menudo requiere
de técnicas de administración muy diferentes.
HISTORIA DE LA INVESTIGACION DE OPERACIONES
El campo de la administración surgió durante la Segunda Guerra Mundial, cuando había una gran
necesidad de administrar los escasos recursos. La Fuerza Aérea Británica formó el primer grupo
1 Facultad de Ingeniería de Minas
que desarrollaría métodos cuantitativos para resolver estos problemas operacionales y bautizó a
sus esfuerzos como investigación operacional. Poco después, las fuerzas armadas
estadounidenses formaron un grupo similar, compuesto por científicos físicos e ingenieros, cinco
de los cuales posteriormente fueron laureados con el premio Nobel, Los esfuerzos de estos
grupos, especialmente en el área de la detección por radar, se consideran vitales en el triunfo de
la guerra aérea de Gran Bretaña.
Después de la Segunda Guerra Mundial, los administradores de la industria reconocieron el valor

de aplicar técnicas similares a sus complejos problemas de decisión. Los primeros esfuerzos se
dedicaron a desarrollar modelos apropiados y procedimientos correspondientes para solucionar
problemas que surgían en áreas tales como la programación de refinerías de petróleo, la
distribución de productos, la planeación de producción, el estudio de mercados y la planeación de
inversiones. Estos procedimientos de soluciones se hicieron posibles con el advenimiento de
computadoras de alta velocidad, porque la resolución del típico problema de investigación de
operaciones requiere demasiados cálculos para ser realizados prácticamente a mano. El uso de
técnicas de administración ha aumentado con los avances en los cálculos hasta el punto en que
actualmente estas técnicas son empleadas rutinariamente en una computadora de escritorio para
solucionar muchos problemas de decisión.
METODOLOGIA DE LA INVESTIGACION DE OPERACIONES
El uso de métodos cuantitativos para solucionar problemas, generalmente implica a mucha gente
de toda la organización. Los individuos de un equipo de proyectos proporcionan información de
sus áreas respectivas respecto a diversos aspectos del problema. El proceso de aplicar métodos
cuantitativos requiere una sucesión sistemática de pasos ilustrados en la figura 1. 1. Cada uno de
estos pasos se describe con detalle en esta sección.
Figura 1.1 La metodología de la investigación de operaciones.

Definición del problema
El primer paso es identificar, comprender y describir, en términos precisos, el problema que la
organización enfrenta. En algunos casos, el problema está bien definido y es claro.
En otras situaciones, el problema puede no estar tan bien definido y puede requerir bastantes
discusiones y consenso entre los miembros del equipo de proyectos. Por ejemplo, puede haber
varios objetivos que entren en conflicto. Tal vez usted desee maximizar la satisfacción del cliente
y, sin embargo, también minimizar los costos totales. Es improbable que pueda lograr ambas
metas. Se tendrán que tomar decisiones corporativas respecto a un objetivo global. Algunas
veces la cuantificación del objetivo mismo es difícil. Por ejemplo, ¿cómo se mide la "satisfacción

del cliente"? Todas estas cuestiones deben resolverse y clarificarse por consenso del equipo de
proyectos durante la fase de definición del problema.
Desarrollo de un Modelo Matemático y Recolección de Datos
Después de que el problema está claramente definido y comprendido, el siguiente paso es
expresar el problema en una forma matemática, esto es, formular un modelo matemático. Una
vez construido el modelo, existen muchas técnicas matemáticas disponibles para obtener la mejor
solución, a pesar del vasto número de alternativas y/o de la complejidad implicada.
Resolución del Modelo Matemático
Una vez formulado un modelo matemático del problema, el siguiente paso es resolver el modelo,
es decir, obtener valores numéricos para la variable de decisión. Para el ejemplo de las
inversiones, esto significa obtener los mejores valores para S y B. La forma en que se obtengan
estos valores depende de la forma o tipo específico del modelo matemático. Es decir, una vez
que identifique el tipo de modelo que tiene, podrá elegir una técnica de administración apropiada
para resolverlo. Estas técnicas pertenecen a una de dos categorías:
1. Métodos óptimos, que producen los mejores valores para las variables de decisión, es decir,
aquellos valores que satisfacen simultáneamente todas las limitaciones y proporcionan el
mejor valor para la función objetiva.
2. Métodos heurísticos, que producen valores para las variables que satisfacen todas las
limitaciones. Aunque no necesariamente óptimos, estos valores proporcionan un valor
aceptable para la función objetiva.
En contraste con los métodos óptimos, los métodos heurísticos son computacionalmente más
eficientes y, por tanto, se usan cuando la obtención de soluciones óptimas lleva demasiado tiempo
o es imposible porque el modelo es demasiado complejo.
Un objetivo de este curso es mostrar muchos métodos matemáticos diferentes y sus

procedimientos de solución asociados. La mayor parte de las veces, se dispondrá de estos
procedimientos en una computadora, y usted aprenderá cómo obtener e interpretar las soluciones
al modelo.
Validación, Instrumentación y Control de la Solución
Después de resolver el modelo matemático, es extremadamente importante validar la solución,
es decir, revisar la solución cuidadosamente para ver que los valores tienen sentido y que las
decisiones resultantes puedan llevarse a cabo. Algunas de las razones para hacer esto son:
1. El modelo matemático puede no haber captado todas las limitaciones del problema real.
2. Ciertos aspectos del problema pueden haberse pasado por alto, omitido deliberadamente o
simplificado.
3. Los datos pueden haberse estimado o registrado incorrectamente, tal vez al introducirlos a la
computadora.
También es importante darse cuenta que aun cuando el modelo y la solución pueden ser válidos,
tal vez no sea factible llevar a cabo una decisión basándose en esos resultados. Puede haber
aplicaciones conductuales o políticas que no pueden incluirse en el modelo. Por ejemplo, el
resultado de un modelo puede indicar que es más eficiente en cuanto a costos transferir algunos
trabajadores del turno de día al de noche. Sin embargo, tal cambio puede enfrentar resistencia de
los empleados (o administradores) por razones personales, políticas o de otra índole. Una forma
de evitar este tipo de dificultades es incluir representantes de todos los grupos potencialmente
afectados como parte del equipo de proyectos.
Los resultados y su posterior instrumentación deben supervisarse cuidadosamente, no sólo para

asegurar que la solución trabaja según lo planeado, sino también porque el problema, los datos o
ambos pueden cambiar con el tiempo.
Modificación del Modelo

Si durante el paso de validación se encuentra que la solución no puede llevarse a cabo, se
pueden identificar las limitaciones que fueron omitidas durante la formulación del problema original
o puede uno darse cuenta de que algunas de las limitaciones originales eran incorrectas y
necesitan mortificarse, En estos casos, debe regresarse a la etapa de formulación del problema y
hacer cuidadosamente las modificaciones apropiadas para reflejar con más exactitud el problema
real.
Este proceso de modificación de un modelo obteniendo la nueva solución y validándola, puede

tener que repetirse varias veces antes de encontrar una solución aceptable y factible (véase la
figura 1.1).
USOS Y VENTAJAS DE LOS MODELOS DE INVESTIGACIÓN DE OPERACIONES
En general, los modelos matemáticos ayudan a los administradores a tomar dos tipos de
decisiones: estratégicas y operacionales. Las decisiones estratégicas, generalmente decisiones
de una sola vez, tienen un efecto sobre intervalos de tiempo relativamente largos. Considere las
siguientes decisiones que probablemente tuviera que tomar como administrador:
¿Debería reemplazarse un sistema existente con un nuevo sistema recién propuesto? Por
ejemplo, ¿debería convertir una de tres casetas de peaje en un carril expreso para carros de dos o
más pasajeros? Otro ejemplo, ¿debería abrir una nueva instalación de producción?
¿Debería cambiar su política de administración? Por ejemplo, ¿debería reordenar inventarios a

intervalos de tiempo regulares en lugar de cada vez que el nivel caiga por debajo de alguna
cantidad especificada?
Como los modelos que construye para llegar a decisiones estratégicas generalmente se usan
únicamente para hacer una determinación a largo plazo, no debe preocuparse demasiado por la
cantidad de esfuerzo computacional requerido para obtener la solución. Es muy probable que las
decisiones estratégicas tengan un impacto importante en la organización, así que debe dedicar la
mayor parte de sus esfuerzos a asegurar que el modelo sea válido, que incluya todos los aspectos
importantes del problema y que los datos sean lo más exactos posibles.
Las decisiones operacionales, por el contrario, afectan procesos en curso sobre periodos más
cortos. Considere las siguientes decisiones operacionales que tal vez tenga que tomar
regularmente:
· ¿Cómo puede la empresa programar de la manera más eficiente la fuerza de trabajo

semanalmente?
· ¿Cuál es el plan de producción mensual óptimo?
· ¿Cuál es el plan de embarque más efectivo en costos para distribuir productos desde las
plantas hasta los mercados al por menor?
A diferencia de los modelos para planeación estratégica, los modelos para decisiones
operacionales se usan repetidamente. Por tanto, vale la pena gastar tiempo y esfuerzo extras en
identificar o desarrollar los procedimientos de solución más eficientes, ya que hacerlo puede
redituar ahorros significativos en costos computacionales con el tiempo.
Sin importar si se requiere de una decisión estratégica u operacional, los modelos matemáticos
proporcionan los siguientes beneficios a los administradores:
1. Un método de determinación de la mejor manera de lograr un objetivo, como asignar

recursos escasos.
2. Una forma de evaluar el impacto de un cambio propuesto o un nuevo sistema sin el costo y
tiempo de llevarlo a cabo primero.

3. Una forma de evaluar la fortaleza de la solución óptima al hacer preguntas de sensibilidad

de la forma "¿Qué sucedería si ... ?" Por ejemplo, ¿qué le sucedería al plan de inversión
óptima y retribución anual si se esperara que el fondo de acciones produjera sólo 8% (en vez
del 10% original)?
4. Un procedimiento para lograr un objetivo que beneficie a la organización global al incluir en el

modelo consideraciones correspondientes a muchas otras partes de la organización.
RESUMEN
Los pasos generales comprendidos en la aplicación de las técnicas de la administración para
resolver problemas de decisión determinísticos y estocásticos son los siguientes:
1. Definición del problema, mediante su identificación y comprensión de manera que pueda

expresarle de manera precisa.
2. Desarrollar un modelo matemático, a menudo identificando variables de decisión, un objetivo

matemático global y limitaciones.
3. Resolución del modelo, usando una técnica de administración apropiada.
4. Validación de la solución, usando la intuición y la experiencia para determinar si la solución

obtenida del modelo tiene sentido y puede llevarse a cabo de manera realista. Si no, puede
ser necesario que modifique el modelo adecuadamente para obtener la nueva solución.
5. Poner en práctica y supervisar la solución; si se encuentran resultados no anticipados, o si los

datos cambian, necesitará modificar el modelo en consecuencia y validar la nueva solución.

CAPITULO II
CONSTRUCCION DE MODELOS DETERMINISTICOS
PASOS GENERALES Y TÉCNICAS DE LA CONSTRUCCIÓN DE MODELOS MATEMÁTICOS
En el capítulo 1 aprendió que el primer paso al usar técnicas de administración es identificar y
describir el problema. El siguiente paso es formular el problema en un marco matemático. Esta
sección proporciona pasos y técnicas sistemáticas que puede aplicar al formular sus propios
modelos determinísticos. Para ilustrar, considere el problema enfrentado por la gerencia de
producción de Case Chemicals.
EJEMPLO 2.1 EL PROBLEMA DE PLANEACIÓN DE PRODUCCIÓN DE CASE CHEMICALS
Case Chemicals produce dos solventes, CS-01 y CS-02, en su planta de Cleveland. Las
empresas que compran estos solventes los usan para disolver ciertas sustancias tóxicas que se
producen durante procesos de fabricación particulares. La planta opera 40 horas a la semana y
emplea a cinco trabajadores de tiempo completo y a dos de tiempo parcial, que trabajan 15 horas
a la semana. Estas personas operan las siete máquinas que mezclan ciertos químicos para
producir cada solvente. Los productos salen del departamento de mezclado para ser refinados en
el departamento de purificación, que actualmente tiene siete purificadores y emplea a seis
trabajadores de tiempo completo y a uno de tiempo parcial, que trabaja 10 horas a la semana.
Case Chemicals tiene una provisión casi ¡limitada de la materia prima que necesita para producir
los dos solventes. Case Chemicals puede vender cualquier cantidad de CS-01, pero la demanda
del producto más especializado, CS-02, está limitada a lo más a 120 000 galones por semana.
Como gerente de producción, usted desea determinar el plan de producción semanal óptimo para
Case Chemicals. (¿Qué cantidad de cada solvente debe producir Case Chemicals para maximizar
la ganancia?
El objetivo ahora es convertir esta descripción cualitativa del problema a una forma matemática
que pueda resolverse. Este proceso es llamado formulación del problema y generalmente
implica cuatro pasos, cada uno de los cuales es descrito en las siguientes secciones.
Identificación de las variables de decisión
El primer paso en la formulación del problema es identificar las variables de decisión, a menudo
simplemente llamadas variables. Los valores de estas variables, una vez determinados,
proporcionan la solución al problema. Para el ejemplo 2.1, usted puede identificarlas variables de

decisión preguntándose qué información necesita proporcionar al personal de producción, los

departamentos de mezclado y purificación, para que sepan cómo proceder. Su respuesta a esta
pregunta debería ser:
1. El número de miles de galones de CS-01 por producir semanalmente.
2. El número de miles de galones de CS-02 por producir semanalmente.
Como los valores de estos elementos no se conocen todavía, a cada variable de decisión se le da
un nombre simbólico. Usted puede elegir el nombre simbólico que quiera, pero encontrará útil
seleccionar un nombre simbólico que le recuerde la cantidad que la variable de decisión
representa. Para el ejemplo que estamos viendo, podría crear las siguientes variables,
correspondientes a los dos elementos identificados anteriormente:
CS1 = el número de miles de galones de CS-01 por producir semanalmente
Observe que estas descripciones son precisas. Incluyen las unidades asociadas con las
cantidades que las variables representan (miles de galones, en este caso). No es suficiente
definir una variable como la "cantidad" de un elemento, porque para las otras personas que
leyeran su formulación, el término "cantidad" podría tener varios significados (por ejemplo, miles
de litros en este caso).
La necesidad de identificar las variables de decisión correctamente es vital. De otra manera, la

formulación de un modelo válido que capte todos los aspectos del problema es imposible. La
elección de estas variables no es única, y no existen reglas fijas. Sin embargo, las siguientes
pautas son útiles en la identificación de un conjunto adecuado de variables de decisión para
virtualizar cualquier problema.
CARACTERÍSTICAS CLAVE
Pautas generales para identificar variables de decisión
¿Qué elementos afectan los costos y/o ganancias (o, en general, el objetivo global)?
¿Qué elementos puede elegir y/o controlar libremente? ¿Qué decisiones tiene que tomar?
¿Qué valores, una vez determinados, constituyen una solución para el problema? Póngase en la
posición de alguien que tiene que implantar su solución, y luego pregúntese qué información se
requiere.
Para el ejemplo 2.l, las respuestas a todas estas preguntas son iguales y lo llevan a identificar las
variables de decisión como el número de miles de galones de CS-01 y CS-02 por producir
semanalmente.
Identificación de los datos del problema
La finalidad de resolver un problema es proporcionar los valores reales para las variables de
decisión que ha identificado. Usted requiere conocer cierta información para ayudar a determinar
esos valores. Por ejemplo, para determinar las cantidades reales de.los dos solventes a producir
para maximizar las ganancias corporativas, necesitará saber:
1. El número de horas de trabajo disponibles en el departamento de mezclado.
2. El número de horas de trabajo disponibles en el departamento de purificación.
3. La cantidad de ganancias obtenidas al producir y vender cada tipo de solvente.

Estas cantidades constituyen los datos del problema. En problemas determinísticos, se requiere
conocer (u obtener) estos valores en el momento de formular el problema. Para Case Chemicals:
1. Como se estableció en la descripción del problema, el departamento de mezclado tiene cinco

trabajadores de tiempo completo (40 horas cada uno)y dos trabajadores de tiempo parcial (15
horas cada uno). Esto da un total de 230 horas de trabajo a la semana en el departamento
de mezclado.
2. De manera similar, los seis trabajadores de tiempo completo (40 horas cada uno) y el
trabajador de tiempo parcial (10 horas) representan un total de 250 horas de trabajo a la
semana en el departamento de purificación.
3. El departamento de contabilidad estima un margen de ganancias de $0.30 por galón de CS-01

y de $0.50 por galón de CS-02, esto es, $300 por mil galones de CS-01 y $500 por mil
galones de CS-02.
A diferencia de las variables de decisión, cuyos valores usted puede controlar, usted no puede
controlar directamente los valores de los datos.
La necesidad de que algunos de los datos del problema pueden aclararse cuando especifica el
problema. Otros datos pueden hacerse necesarios al desarrollar el modelo matemático y
descubrir que se requiere información adicional para ayudar a determinar los valores de las
variables de decisión.
Identificación de la función objetivo

El siguiente paso en la formulación del problema es expresar el objetivo organizacional global en
forma matemática usando las variables de decisión y los datos conocidos del problema. Esta
expresión, la función objetivo, generalmente se crea en tres etapas.
1. Establecer el objetivo en forma verbal. Para el ejemplo 2.1, este objetivo es:
Maximizar la ganancia semanal total de la producción de CS-01 y CS-02
2. Donde sea adecuado, descomponer el objetivo en una suma, diferencia o producto de

cantidades individuales. Para el ejemplo 2. 1, la ganancia total puede calcularse como la
suma de la ganancia de CS-01 y la de CS-02:
Maximizar ganancia = (ganancia de CS-01) + (ganancia de CS-02)
3. Expresar las cantidades individuales matemáticamente usando las variables de decisión otros
datos conocidos en el problema.
Para lograr la tarea en la tercera etapa, a menudo es útil elegir algunos valores específicos para
las variables de decisión y luego usar esos valores para determinar la forma en que se calcula la
función objetivo. Se hace referencia a esta técnica como trabajo a través de un ejemplo
específico. En el ejemplo 2.l, supongamos que se producen 10 mil galones de CS-01 y 20 mil
galones de CS-02 (así que CS, = 10 y CS 2= 20). El departamento de contabilidad le ha dicho
que cada mil galones de CS-01 contribuye con $300 a la ganancia y que cada mil galones de CS-
02 contribuye con $500. Se puede escribir:
Ganancia de CS-01 = 300(10) = $ 3 000 + Ganancia de CS-02 = 500(20) = $ 10 000
Ganancia total = $ 13 000

Sin embargo, el propósito de usar valores específicos para las variables no es obtener la ganancia
total de estos valores, sino más bien ayudarlo a determinar cómo calcular el objetivo cuando los
valores de las variables no se conocen explícitamente. En este problema, se puede ver fácilmente
de los cálculos anteriores que si CS1 es el número no especificado de miles de galones de CS-01
y CS 2 es el número no especificado de miles de galones de CS-02 por producir, entonces
la ganancia es:
Ganancia de CS-01 = 300CS1 + Ganancia de CS-02 = 500CS 2 Ganancia total = 300CSI +

500CS2
Por lo tanto, la función objetiva matemática expresada en términos de las variables de decisión y
de los datos del problema es:
Maximízar 300CSI + 500CS2
Este problema ilustra las siguientes características clave:
Creación de la función objetivo mediante:
a. Enunciado del objetivo de manera verbal.
b. Cuando sea apropiado, descomponer el objetivo en una suma, diferencia, y/o producto de
términos individuales.
e. Expresar los términos individuales en (b) usando las variables de decisión y otros datos de
problemas conocidos.
Identificación de las restricciones
Trabajar con un ejemplo específico para determinar cómo se expresa la función objetivo en una
forma matemática, eligiendo valores específicos para las variables de decisión y realizando los
cálculos necesarios.
Su objetivo es maximizar las ganancias. La función objetivo le dice que mientras más grande sea
el valor de las variables, más grande será la ganancia. Pero el mundo real pone un límite en los
valores que puede asignar a estas variables. En el ejemplo 2. 1, os departamentos de mezclado y
purificación tienen ciertas restricciones físicas: un número limitado de horas de trabajo disponible
cada uno. Estas limitaciones, así como otras consideraciones que imponen restricciones sobre
los valores de las variables, son las restricciones. El paso final en la formulación del problema es
identificar estas restricciones y escribirlas en forma matemática.
Las restricciones son condiciones que las variables de decisión deben satisfacer para constituir
una solución "aceptable". Estas restricciones por lo general surgen de:
1. Limitaciones físicas (el número limitado de horas de trabajo en los departamentos de

mezclado y purificación, por ejemplo).
2. Restricciones impuestas por la administración (por ejemplo, ésta pudo haber prometido una
cierta cantidad de un producto a un cliente estimado).
3. Restricciones externas (por ejemplo, Case Chemicals no puede vender más de 120 mil
galones de CS-02 a la semana, y no hay razón para producir más que la cantidad
demandada).
4. Relaciones implicadas entre variables (por ejemplo, en el problema de inversión de Mark de la

sección 1.1, las dos fracciones que representan la proporción de dinero a invertir en los dos
fondos debe sumar l).

5. Restricciones lógicas sobre variables individuales (por ejemplo, el número de carros

producidos debe ser un número entero, y Case Chemicals no puede producir una cantidad
negativa de solventes).
Después de identificar estas restricciones, debe expresarías en forma matemática usando las
variables de decisión y otros datos del problema. Este proceso es idéntico al usado para
especificar la función objetivo.
Expresar las restricciones en forma verbal.
Cuando es apropiado, descomponer la restricción en una suma, diferencia y/o producto de

cantidades individuales.
Trabaja con un ejemplo específico para expresar las cantidades individuales en una forma
matemática, usando las variables de decisión y otros datos conocidos del problema.
Considere las restricciones del ejemplo 2. l.
RESTRICCIÓN DE TRABAJO EN EL DEPARTAMENTO DE MEZCLADO (LIMITACIÓN FÍSICA)
Forma verbal: Horas totales usadas en el mezclado no pueden exceder de 230 Horas
Descomposición: Horas usadas @ para CS-01 + Horas usadas @ para CS-02 no pueden
exceder de 230
Matemáticas: para expresar las horas usadas para CS-0 1 y CS-02 en el departamento de
mezclado trate de trabajar con un ejemplo específico. Por ejemplo, suponga que CS1 = 15 mil y
que CS 2 = 10 mil galones. ¿Cómo calcula el número de horas usadas en el departamento de
mezclado? Estos valores son datos del problema (además de los datos ya identificados en la
sección 2.1.2) que usted debe obtener. Supongamos que usted llama al departamento de
procesos y recoge los siguientes datos para los departamentos de mezclado y purificación:
HORAS POR MILES DE GALONES DE
CS-01 CS-02
Mezclado 2 1
Purificación 1 2
Resulta entonces fácil calcular las horas usadas en el departamento de mezclado trabajando con
valores específicos de CS, = 15 y CS2 = 10:
Horas para 15 mil galones de CS-01 = 2(15) = 30
+ Horas para 10 mil galones de CS-02 = 1(10) = 10
Total de horas en el mezclado = 2(15) + 1(10) = 40
El propósito de usar este ejemplo numérico específico es ayudarle a escribir una restricción
matemática general cuando los valores de las variables (CS, y CS2, en este caso) no se conocen.
De los cálculos anteriores, usted obtiene la siguiente restricción matemática general:
2CSI +1CS2 < 230
RESTRICCIÓN DE TRABAJO EN EL DEPARTAMENTO DE PURIFICACIÓN (LIMITACIÓN

FÍSICA)

Forma verbal: Horas totales usadas no pueden exceder de 250 en la purificación
Horas Horas
Descomposición: usadas + usadas no pueden exceder de 250
@ para CS-01 para CS-02
Matemáticas: 1CS1 + 2CS 2 < 250
RESTRICCIÓN DE LÍMITE (LIMITACIÓN EXTERNA)
La limitación de que a lo más pueden venderse 120 mil galones de CS-02 da pie a la siguiente
restricción sobre el valor de CS 2 :
CS2 < 120
RESTRICCIÓN DE NO NEGATIVIDAD (LIMITACIONES LOGICAS)
Claro está que usted sabe que los valores de estas variables de decisión deben ser no negativos,
esto es, cero o positivos. Tales restricciones implícitas de las que usted está consciente deben
hacerse explícitas en la formulación matemática. Para este problema, debe incluir las siguientes
restricciones:
cs 1> 0 y CS 2> 0 o CSJ' cs 2>0
Juntando todas las piezas de los pasos anteriores, la formulación matemática completa del
problema de planeación de producción de Case Chemicals es la siguiente:
Formulación matemática del problema
FORMULACIÓN MATEMÁTICA DEL PROBLEMA DE CASE CHEMICALS
Maximizar 30OCS1 + 50OCS 2 (ganancia)
Condicionado por:
2CS1 + 1CS2 2 < 230 (mezclado)
1CS1 + 2C2 < 250 (purificación)
CS2 < 120 (limitado en CS-02)
CS1, CS2 > 0 (no negatividad)
donde:
CS1, = el número de miles de galones de CS-01 por producir semanalmente
En el capítulo 4 aprenderá el procedimiento de solución para este tipo de problema. La aplicación

de ese procedimiento da por resultado la solución óptima:
cs, = 70
cs 2 = 90
Es decir ,el plan de producción óptima es de 70000galonesdeCS1 y de 90000 galones de CS-02,

lo que representa una ganancia semanal de $66 000.
En esta sección, usted ha aprendido los pasos a tomar en la formulación de problemas

identificando (1) las variables de decisión, (2) los datos del problema, (3) la función objetivo y (4)
Ias restricciones. Para escribir la función objetiva y las restricciones en una forma matemática, use
las variables junto con los datos del problema que usted tenga al formular el modelo. Es posible
que no conozca todos los datos necesarios al definir por primera vez el problema. La necesidad
de datos adicionales puede descubrirse cuando proceda con la formulación del problema. Estos
valores de datos deben obtenerse de fuentes apropiadas dentro de la organización. Para ahorrar
tiempo y espacio, los enunciados de problemas futuros en este libro incluirán todos los datos
necesarios. La formulación consistirá en estos tres pasos:
Paso 1. Identificación de las variables de decisión.
Paso 2. Identificación de la función objetivo.
Paso 3. Identificación de las restricciones.
El problema de esta sección involucro sólo dos variables de decisión y unas cuantas restricciones.
Los problemas de importancia práctica a menudo contienen cientos o miles de variables y un
número similar de restricciones. Estos problemas más complejos también pueden formularse
usando los pasos que aprendió en esta sección.
EJEMPLOS DE FORMULACIÓN DE MODELOS MATEMÁTICOS

1. El Sindicato Minero Pacococha S.A. viene soportando un incesante incremento en sus costos
de producción, por lo tanto urge optimizar el uso de sus recursos. La gerencia ha determinado
explotar las vetas Colquechaca y 10 de mayo, para ello debemos satisfacer algunas
restricciones referentes a las leyes y la capacidad de la planta concentradora:
Leyes
Costo
Vetas Ag
Pb (%) $/ton
(onz/ton)
Colquechaca 4 3,5 7,0
10 de mayo 16 1,15 9,0
Otros datos que debemos considerar son: el precio de la plata: $ 20,0 /onz; precio del plomo
0,70 $/lb; capacidad de la planta concentradora: 95 ton/día, ley minima de cabeza de plata: 6
onz/ton, ley máxima de cabeza de plata: 8 onz/ton.
Como gerente de producción, formule un modelo matemático para determinar el tonelaje a
extraer de cada veta.
Solución:
Paso 1: Identificación de las variables de decisión
Xc = el número de toneladas de mineral a extraer de la veta Colquechaca por día
Xm = el número de toneladas de mineral a extraer de la veta 10 de mayo por día
Paso 2: Identificación de los datos del problema
a) Costo de 1 tonelada de mineral extraída de la veta Colquechaca: $ 7,0
b) Costo de 1 tonelada de mineral extraída de la veta 10 de mayo: $ 9,0
c) Ley de plata del mineral extraído de la veta Colquechaca: 4,0 onz/ton
d) Ley de plata del mineral extraído de la veta 10 de mayo 16,0 onz/ton
e) Ley de plomo del mineral extraído de la veta Colquechaca: 3,5%
f) Ley de plomo del mineral extraído de la veta 10 de mayo: 1,15%
g) Precio de la plata: $ 20,0 /onz
h) Precio del plomo 0,70 $/lb

i) Capacidad de la planta concentradora: 95 ton/día.

j) Ley mínima de cabeza de plata de la planta concentradora: 6 onz/ton.
k) Ley máxima de cabeza de plata de la planta concentradora: 8 onz/ton.
l) Ganancia por 1 tonelada de mineral de la veta Colquechaca
= ingreso por plata + ingreso por plomo – costo de producción
= 4 onz/ton x $ 20,0/onz +0,035 x 2 200lb/ton x $0,70/lb – $ 7,0/ton
= $ 126,9 /ton.
m) Ganancia por 1 tonelada de mineral de la veta 10 de mayo
= ingreso por plata + ingreso por plomo – costo de producción
= 16 onz/ton x $ 20,0/onz +0,0115 x 2 200lb/ton x $0,70/lb – $ 9,0/ton
= $ 328,71 /ton.
Paso 3 Identificación de la función objetivo
FV: Maximizar la ganancia por venta de mineral
D : Maximizar (ganancia1 por mineral de la veta Colquechaca + ganancia por mineral de la veta 10 de
mayo)
FM: Maximizar 126,9 Xc + 328,71 Xm
Paso 4 Identificación de las restricciones
a) Capacidad de la planta concentradora
FV: La capacidad de tratamiento de la planta es de 95 ton de mineral por día
D : (el mineral procedente de la veta Colquechaca + el mineral procedente de la veta 10 de mayo) debe
ser máximo 95 toneladas
FM: Xc + Xm <= 95
b) Ley mínima de cabeza de plata de la planta concentradora
FV: la ley mínima de cabeza es de 6 onz/ton
D : ((contenido de plata en el mineral de Colquechaca + contenido de plata en el mineral de 10 de
mayo)/(tonelaje de mineral de Colquechaca + tonelaje de mineral de 10 de mayo)) debe ser mayor
de 6 onz/ton
 4 Xc  16 Xm 
 Xc  Xm   6
FM: - Xc + 5 Xm >= 0
c) Ley máxima de cabeza de plata de la planta concentradora
FV: la ley máxima de cabeza es de 8 onz/ton
D : ((contenido de plata en el mineral de Colquechaca + contenido de plata en el mineral de 10 de
mayo)/(tonelaje de mineral de Colquechaca + tonelaje de mineral de 10 de mayo)) debe ser menor
de 8 onz/ton
 4 Xc  16 Xm 
 Xc  Xm   8
 
FM: - Xc + 2,0 Xm <= 0
d) Restricciones lógicas
Xc y Xm >= 0
Paso 5 Formulación matemática del modelo
Maximizar 126,9 Xc + 328,71 Xm
Sujeto a:
1
ganancia = ganancia por 1 ton de mineral x número de toneladas de mineral a extraer.
Xc + Xm <= 95
- Xc + 5 Xm >= 0
- Xc + 2 Xm <= 0
Xc y Xm >= 0
Nota: Al resolver el modelo matemático, los resultados indican que la veta Colquechaca debe
producir 63,33 ton de mineral y la veta 10 de mayo 31,67 ton de mineral, para obtener una
ganancia de $ 18 446,15 por día.
Fuente: Selvino Paz, “PERT – CPM una alternativa en problemas mineros”, UNI, Lima Perú,
2. World Oil Company puede comprar dos tipos de petróleo crudo: crudo ligero a un costo de $25
por barril y crudo pesado a $22 por barril. Cada barril de petróleo crudo, ya refinado, produce
tres productos: gasolina, turbosina y queroseno. La siguiente tabla indica las cantidades en
barriles de gasolina, turbosina y queroseno producidos por barril de cada tipo de petróleo
crudo:
Petróleo Crudo Gasolina Turbosina Queroseno
Crudo ligero 0,35 0,36 0,22
Crudo pesado 0,45 0,18 0,28
Cada barril de petróleo crudo ligero produce un desecho de 0,07 de barril que se tira a un
costo de $1 por barril de desecho. De manera similar, cada barril de petróleo crudo pesado
produce un desecho de 0,09 de barril y su eliminación cuesta $ 1,50 por barril.
La refinería se ha comprometido a entregar 960 000 barriles de gasolina, 1 200 000 barriles de
turbosina y 450 000 barriles de queroseno. Como gerente de producción, formule un modelo
para determinar la cantidad de cada tipo de petróleo crudo por comprar para minimizar el
costo total al tiempo que satisfaga la demanda apropiada.
Solución:
CL = el número de de barriles de crudo ligero a adquirir
CP = el número de de barriles de crudo pesado a adquirir
a) Costo de 1 barril de crudo ligero
= costo compra + costo de deposición de desecho
= $25,0 + $1,0 = $26,0
b) Costo de 1 barril de crudo pesado
= costo compra + costo de deposición de desecho
= $22,0 + $1,5 = $23,5
c) Productos obtenidos de 1 barril de crudo ligero
a. Gasolina: 0,35 barril
b. Turbosina: 0,36 barril
c. Queroseno: 0,22 barril
d. Desecho: 0,07 barril
d) Productos obtenidos de 1 barril de crudo pesado
a. Gasolina: 0,45 barril
b. Turbosina: 0,18 barril
c. Queroseno: 0,28 barril
d. Desecho: 0,09 barril

e) Compromisos de venta adquiridos

a. Gasolina: 960 000 barril
b. Turbosina: 1 200 00 barril
c. Queroseno: 450 000 barril
FV: Minimizar el costo total de la compra de crudos
D : Minimizar costo = Minimizar ( costo2 de crudo ligero + costo de crudo pesado)
FM: Minimizar 26,0 CL + 23,5 CP
a) Compromiso de venta de gasolina
FV: producir un mínimo de 960 000 barriles de gasolina
D : la producción de (gasolina de crudo ligero + gasolina de crudo pesado) debe ser al menos 960 000
barriles
FM: 0,35CL + 0,45CP >= 960 000
b) Compromiso de venta de turbosina
FV: producir un mínimo de 1 200 000 barriles de gasolina
D : la producción de (turbosina de crudo ligero + turbosina de crudo pesado) debe ser al menos 1 200
000 barriles
FM: 0,36CL + 0,18CP >= 1 200 000
c) Compromiso de venta de queroseno
FV: producir un mínimo de 450 000 barriles de queroseno
D : la producción de (queroseno de crudo ligero + queroseno de crudo pesado) debe ser al menos 450
000 barriles
FM: 0,22CL + 0,28CP >= 450 000
CL y CP >= 0 y enteros
Minimizar 26,0 CL + 23,5 CP
Sujeto a:
0,35CL + 0,45CP >= 960 000
0,36CL + 0,18CP >= 1 200 000
0,22CL + 0,28CP >= 450 000
CL y CP >= 0 y enteros
3. Exxon Oil Co. Construye una refinería para elaborar cuatro productos: diesel, gasolina,
lubricantes y combustible para avión. Las demandas (en barriles/día) de esos productos son:
14 000, 30 000, 10 000 y 8 000, respectivamente. Irán y Dubai tienen contrato para enviar
crudo a Exxon Oil Co. Debido a las cuotas de producción que especifica la OPEP
(Organización de Países Exportadores de Petróleo) la nueva refinería puede recibir al menos
el 40% de su crudo de Irán, y el resto de Dubai. Exxon Oil Co. pronostica que estas cuotas de
demanda y crudo permanecerán estables durante los 10 años siguientes.
Las distintas especificaciones de los dos crudos determinan dos proporciones distintas de
productos: un barril de crudo de Irán rinde 0,2 barril de diesel, 0,25 barril de gasolina, 0,1 barril
2
Costo = costo de 1 barril de crudo x número de barriles de crudo a adquirir.
de lubricante y 0,15 barril de combustible para avión. Los rendimientos correspondientes del
crudo de Dubai son: 0,1, 0,6, 0,15 y 0,1 respectivamente.
Exxon Oil Co. Necesita determinar la capacidad mínima de la refinería en barriles de crudo por
día.
Solución:
CI = el número de barriles de crudo comprados a Irán diariamente.
CD = el número de barriles de crudo comprados a Dubai diariamente.
a) Demanda de productos
 Diesel = 14 000 barriles/día
 Gasolina = 30 000 barriles/día
 Lubricantes = 10 000 barriles/día
 Combustible para avión = 8 000 barriles/día
b) Rendimiento de los crudos
Rendimiento (barriles)
Procedencia Combustible
Diesel Gasolina Lubricantes
para avión
Irán 0,2 0,25 0,1 0,15
Dubai 0,1 0,6 0,15 0,1
c) Mínimo de crudo procedente de Irán = 40%

FV: Minimizar la cantidad de crudo comprado por día
D: Minimizar ( cantidad de crudo comprado a Irán + cantidad de crudo comprado a Dubai)
FM: Minimizar CI + CD
a) Producción de diesel
FV: la producción de diesel debe ser al menos 14 000 barriles/día
D : (diesel procedente del crudo de Irán + diesel procedente del crudo de Dubai)debe ser al menos 14
000 barriles /día
FM: 0,2CI + 0,1 CD >= 14 000
b) Producción de gasolina, lubricante y combustible para avión
De manera similar al caso anterior:
Producción de gasolina:
0,25 CI + 0,6CD >= 30 000
Producción de lubricante:
0,1 CI + 0,15CD >= 10 000
Producción de combustible para avión:
0,15 CI + 0,1CD >= 8 000
c) Crudo comprado de Irán
FV: al menos debe recibir el 40% de crudo de Irán
DM: crudo de Irán debe ser mayor de 0,4x(crudo de Irán + crudo de Dubai)

FM: CI >= 0,4(CI + CD)

0,6CI – 0,4CD >= 0
CI y CD >= 0 y enteros.
Minimizar CI + CD
Sujeto a:
0,2CI + 0,1 CD >= 14 000
0,25 CI + 0,6CD >= 30 000
0,1 CI + 0,15CD >= 10 000
0,15 CI + 0,1CD >= 8 000
0,6CI – 0,4CD >= 0
CI y CD >= 0 y enteros.
4. En Ananea Chemicals Co., se usan las materias primas I y II para producir dos soluciones
para lixiviación, A Y B. La disponibilidad diaria de las materias primas I y II es de 150 y 140
galones respectivamente. Una unidad de solución A consume 0,5 unidad de materia prima I y
0,6 unidad de materia II; una unidad de solución B requiere 0,5 unidad de materia prima I y
0,4 unidad de materia prima II. Las utilidades unitarias de las soluciones A y B son $8 y $10,
respectivamente. La demanda diaria de la solución A esta entre 30 y 150 unidades, y la de la
solución B entre 40 y 200 unidades.
Solución:
SA = el número de unidades de solución A a producir diariamente.
SB = el número de unidades de solución B a producir diariamente.
a) Consumo y disponibilidad de las materias primas I y II
Disponibilidad
Materia Prima Solución A Solución B
Gl/x día
I 0,5 0,5 150
II 0,6 0,4 140
b) Utilidades unitarias de las soluciones

 Solución A: $ 8,0
 Solución B: $ 10,0
c) Demanda de las soluciones
a. Solución A: entre 30 y 150 unidades
b. Solución B: entre 40 y 200 unidades
FV: Maximizar las utilidades por la venta de las soluciones A y B
D: Maximizar (utilidades por la venta de la solución A + utilidades por la venta de la solución B)
FM: Maximizar 8SA + 10SB
a) Consumo del material I
FV: El consumo del material I no debe exceder de 150 gl/día

D : (consumo del material I para producir la solución A + consumo del material I para producir la solución
B) no debe de exceder de 150 gl/día.
FM: 0,5 SA + 0,5SB <= 150
b) Consumo del material II
FV: El consumo del material II no debe exceder de 140 gl/día
D : (consumo del material II para producir la solución A + consumo del material II para producir la
solución B) no debe de exceder de 140 gl/día.
FM: 0,6 SA + 0,4SB <= 140
c) Demanda de la solución A
FV: La demanda de la solución A está entre 30 y 150 gl/día
FM: SA >= 30 y SA<= 150
d) Demanda de la solución B
FV: La demanda de la solución B está entre 40 y 200 gl/día
FM: SB >= 40 y SB<= 200
e) Restricciones lógicas
SA y SB >= 0 y enteros.
Maximizar 8SA + 10SB
Sujeto a:
0,5 SA + 0,5SB <= 150
0,6 SA + 0,4SB <= 140
SA >= 30
SA<= 150
SB >= 40
SB<= 200
SA y SB >= 0 y enteros
5. Una compañía minera opera tres minas. El mineral obtenido en cada una se separa en dos
calidades antes de su distribución. Las capacidades de producción diarias de cada mina, así
como sus costos de operación diarios, son los siguientes:
Mineral de alta Mineral de baja Costo de operación

calidad (ton/día) calidad (ton/día) (dólares/día)
Mina 1 40 40 20 000
Mina 2 60 40 22 000
Mina 3 10 60 18 000
La compañía se ha comprometido a entregar 540 toneladas de mineral de alta calidad y 650

de baja calidad en el plazo de una semana. Los contratos firmados le garantizan la paga del
día completo por cada día o fracción que la mina está abierta.
Formule el modelo matemático correspondiente para determinar el número de días que debe
funcionar cada mina durante la próxima semana para cumplir el compromiso con un costo
mínimo.
Solución:
M1 = el número de días que trabaja la mina 1
M2 = el número de días que trabaja la mina2


a) Capacidad de producción de mineral de alta calidad de la mina 1: 40 ton/día
b) Capacidad de producción de mineral de alta calidad de la mina 2: 60 ton/día
c) Capacidad de producción de mineral de alta calidad de la mina 3: 10 ton/día
d) Capacidad de producción de mineral de baja calidad de la mina 1: 40 ton/día
e) Capacidad de producción de mineral de baja calidad de la mina 2: 40 ton/día
f) Capacidad de producción de mineral de baja calidad de la mina 3: 60 ton/día
g) Costo de operación de la mina 1: 20 000 dólares/día
h) Costo de operación de la mina 2: 22 000 dólares/día
i) Costo de operación de la mina 3: 18 000 dólares/día
j) Cantidad de mineral de alta calidad que debe entregar la empresa: 540 ton/semana
k) Cantidad de mineral de bajaa calidad que debe entregar la empresa: 650 ton/semana
FV: Minimizar el costo de operación semanal de las unidades mineras de la empresa.
D : Minimizar (costo de operación de la mina 1 + costo de operación de la mina 2 + costo de operación
de la mina 3)
FM: Minimizar 20 000 M1 + 22 000 M2 + 18 000 M3
a) Compromiso de entrega de mineral de alta calidad
FV: La producción semanal de mineral de alta calidad debe ser al menos 540 toneladas
D : (producción semanal de mineral de alta calidad de la mina 1 + producción semanal de mineral de
alta calidad de la mina 2 + producción semanal de de mineral de alta calidad de la mina 3) debe ser
al menos 540 toneladas
FM: 40 M1 + 60 M2 + 10 M3 >= 540
b) Compromiso de entrega de mineral de baja calidad

FV: La producción semanal de mineral de baja calidad debe ser al menos 650 toneladas
D : (producción semanal de mineral de baja calidad de la mina 1 + producción semanal de mineral de
baja calidad de la mina 2 + producción semanal de de mineral de baja calidad de la mina 3) debe ser
al menos 650 toneladas
FM: 40 M1 + 40 M2 +610 M3 >= 650
c) Número de días trabajados por semana
FV: El número de días trabajados por semana en la mina 1 debe ser menor o igual a 7
FM: M1 <= 7
De manera similar en las minas 2 y 3
M2 <= 7
M3 <= 7
M1, M2 y M3 >= 0 y enteros
Minimizar 20 000 M1 + 22 000 M2 + 18 000 M3
Sujeto a:
40 M1 + 60 M2 + 10 M3 >= 540

40 M1 + 40 M2 +610 M3 >= 650

M1 <= 7
M2 <= 7
M3 <= 7
M1, M2 y M3 >= 0 y enteros
6. Una compañía petrolera produce dos tipos de gasolina, normal y súper, que vende a sus
estaciones de servicio a 120 y 140 dólares/barril respectivamente. Ambos tipos de gasolina se
realizan mezclando combustible nacional y extranjero de sus almacenes, y debe cumplir las
siguientes especificaciones:
Demanda Entregas
Presión
Octanaje máxima mínimas
de vapor
mínimo barriles/seman barriles/seman
máxima
a a
Normal 23 88 100 000 50 000
Súper 23 93 20 000 5 000
Las características del combustible disponible en el almacén son:
Presión de Octanaje Barriles en Costo

vapor el almacén $/barril
Nacional 25 87 40 000 80
Extranjero 15 98 60 000 150
¿Qué cantidades de combustible nacional y extranjero deben mezclarse para producir las dos
gasolinas y obtener los máximos beneficios semanales? Formule el modelo matemático
correspondiente.
NOTA: Los componentes de la mezcla contribuyen al octanaje (y a la presión de vapor) de

acuerdo a su porcentaje en la mezcla.
Solución:
GN = Número de barriles de gasolina normal a producir por semana
GS= Número de barriles de gasolina super a producir por semana
CNN= Número de barriles de combustible nacional para producir gasolina normal por semana
CEN= Número de barriles de combustible extranjero para producir gasolina normal por semana
CNS= Número de barriles de combustible nacional para producir gasolina super por semana
CES= Número de barriles de combustible extranjero para producir gasolina super por semana.
a) Precio de 1 barril de gasolina normal = 120 $
b) Precio de 1 barril de gasolina super = 140 $
c) Especificaciones técnicas de las gasolinas
Demanda Entregas
Presión
Octanaje máxima mínimas
de vapor
mínimo barriles/seman barriles/seman
máxima
a a
Normal 23 88 100 000 50 000
Súper 23 93 20 000 5 000
d) Características del combustible
Presión de Octanaje Barriles en Costo
vapor el almacén $/barril

Nacional 25 87 40 000 80
Extranjero 15 98 60 000 150
FV: Maximizar los beneficios semanales por concepto de venta de gasolina
D : Maximizar (ingresos por concepto de venta de gasolina normal + ingresos por concepto de venta de
gasolina super – egreso por concepto de compra de combustible nacional – egreso por concepto de
compra de combustible extranjero)
FM: Maximizar 120 GN + 140 GS – 80 CNN – 80 CNS – 150 CEN – 150 CES
a) Demanda máxima de gasolina normal
FV: La demanda máxima de la gasolina normal por semana es de 100 000 barriles
FM: GN <= 100 000
b) Demanda máxima de gasolina super
De manera similar al caso anterior
GS <= 20 000
c) Entrega mínima de gasolina normal
FV: La entrega mínima de la gasolina normal por semana es de 50 000 barriles
FM: GN >= 50 000
d) Entrega mínima de gasolina super
GS >= 5 000
e) Presión de vapor máxima de la gasolina normal
FV: La presión de vapor de la gasolina normal debe ser menos de 23
D : (presión de vapor aportado por el combustible nacional + presión de vapor aportado por el
combustible extranjero) debe ser menor de 23
FM: 25 CNN + 15 CEN <= 23 GN
25 CNN + 15 CEN - 23 GN <= 0
f) Presión de vapor máxima de la gasolina super
25 CNS + 15 CES - 23 GS <= 0
g) Octanaje mínimo de la gasolina normal
FV: El octanaje de la gasolina normal debe ser mayor de 88
D : (octanaje aportado por el combustible nacional + octanaje aportado por el combustible extranjero)
debe ser mayor de 88
FM: 87 CNN + 98 CEN >= 88 GN
87 CNN + 98 CEN - 88 GN >= 0
h) Octanaje mínimo de la gasolina super
87 CNS + 98 CES - 93 GS >= 0
i) Existencia de combustible nacional en el almacén
FV: El número de barriles de combustible nacional que puede utilizarse para producir gasolina es
máximo 40 000
FM: CNN + CNS <= 40 000
j) Demanda máxima con el combustible extranjero


CEN + CES <= 60 000
k) Igualdad para gasolina normal
FV: El volumen de Combustible utilizado es igual al volumen de gasolina normal producido
D : (Volumen combustibles nacional + volumen de combustible extranjero = Volumen de gasolina
normal)
FM: CNN + CEN = GN
CNN + CEN - GN = 0
l) Igualdad para gasolina normal
CNS + CES - GS = 0
m) Restricciones lógicas
GN, GS, CNN, CNS, CEN y CES >= 0
Maximizar 120 GN + 140 GS – 80 CNN – 80 CNS – 150 CEN – 150 CES
Sujeto a:
GN <= 100 000
GS <= 20 000
GN >= 50 000
GS >= 5 000
25 CNN + 15 CEN - 23 GN <= 0
25 CNS + 15 CES - 23 GS <= 0
87 CNN + 98 CEN - 88 GN >= 0
87 CNS + 98 CES - 93 GS >= 0
CNN + CNS <= 40 000
CEN + CES <= 60 000
CNN + CEN - GN = 0
CNS + CES - GS = 0
GN, GS, CNN, CNS, CEN y CES >= 0
7. Una compañía produce dos tipos de bombas. Cada bomba del tipo 1 requiere el doble de
tiempo en mano de obra que el segundo tipo. Si todas las bombas son del tipo 2, la compañía
puede producir un total de 500 bombas al día. El mercado limita las ventas diarias del tipo 1 y
2 a 150 y 250 bombas respectivamente. Suponga que los beneficios por cada bomba son $80
para el tipo 1 y $50 para el tipo 2. determine el número de bombas a ser producidos de cada
tipo para maximizar el beneficio.
Solución:
a. Formulación del modelo matemático
B1 = el número de bombas del tipo 1 producidas por día.
B2 = el número de bombas del tipo 2 producidas por día
a) Una bomba del tipo 1 requiere el doble de tiempo en mano de obra que la bomba de tipo
2.
b) La compañía si solo produce bombas del tipo 2, puede producir 500 unidades.

c) La venta máxima de bombas de tipo 1 es de 150 unidades.

d) La venta máxima de bombas de tipo 2 es de 250 unidades.
e) El beneficio por la venta de una bomba de tipo 1 es de $80,0.
f) El beneficio por la venta de una bomba de tipo 2 es de $50,0.
FV: Maximizar los beneficios obtenidos por la venta de bombas. .
D : Maximizar (beneficios por la venta de bombas del tipo 1 + beneficios por la venta de bombas del tipo
2)
FM: Maximizar 80 B1 + 50 B2
a) Tiempo en mano de obra
FV: Si la compañía produce solo bombas de tipo 2, puede producir 500 unidades
D : (tiempo en mano de obra para producir bombas del tipo 1 + tiempo en mano de obra para producir
bombas del tipo 2) es igual al tiempo para producir 500 bombas del tipo 2
FM: B1T1 + B2T2 <= 500T2, donde T1 = 2T2
B1 2T2 + B2T2 <= 500T2
2B1 + B2 <= 500
b) Ventas diarias
FV: El número de bombas del tipo 1 que se puede vender es un máximo de 150 unidades
FM: B1 <= 150
De manera similar con la venta de bombas del tipo 2
B2 <= 250
c) Restricciones lógicas
B1 y B2 >= 0
Maximizar 80 B1 + 50 B2
Sujeto a:
2B1 + B2 <= 500
B1 <= 150
B2 <= 250
B1 y B2 >= 0
8. Una compañía de transporte de concentrado de mineral tiene 10 camiones con capacidad de

20 toneladas y 5 camiones de 15 toneladas de capacidad. Los camiones grandes tienen
costos de operación de $ 0,30/Km y los mas pequeños de $0,25/km. La próxima semana, la
compañía debe transportar 200 toneladas de concentrado de plomo para un recorrido de 800
km. La posibilidad de otros compromisos impone que por cada dos camiones medianos
mantenidos en reserva debe quedarse por lo menos uno de los grandes. Se pregunta ¿Cual
es el número óptimo de camiones de ambas clases que deben movilizarse para transportar el
concentrado?
Solución:
a. Formulación del modelo matemático
CG = el número de camiones grandes empleados por semana.
CM = el número de camiones medianos empleados por semana.


a) La compañía posee 10 camiones con capacidad de 20 toneladas.
b) La compañía posee 5 camiones con capacidad de15 toneladas.
c) El costo de operación de un camión grande es de $0,30 / km.
d) El costo de operación de un camión mediano es de $0,25 / km.
e) Costo de operación de un camión grande para un recorrido de 800 km = $0,30 * 800 = $240
f) Costo de operación de un camión grande para un recorrido de 800 km = $0,25 * 800 = $200
g) En reserva debe quedarse un camión grande por cada dos camiones medianos.
FV: Minimizar el costo de operación de los camiones a movilizar
D : Minimizar (costo de operación de los camiones grandes a movilizar + costo de operación de los
camiones medianos a movilizar)
FM: Minimizar 240 CG + 200 CM
a) Tonelaje a transportar
FV: La compañía debe transportar 200 toneladas de concentrado
D : (toneladas de concentrado transportado por camiones grandes + toneladas de concentrado
transportado por camiones medianos ) es igual 200 toneladas de concentrado
FM: 20 CG + 15 CM = 200
b) Relación de reserva de camiones
FV: por cada dos camiones medianos mantenidos en reserva debe quedarse por lo menos un camión
grande
FM: 2(5- CM) <= (10 – CG)

CG –2 CM <= 0
c) Número de camiones
FV: La compañía puede utilizar un máximo de 10 camiones grandes
FM: CG <= 10
De manera similar para los camiones medianos
CM <= 5
CG y CM >= 0
Minimizar 240 CG + 200 CM
Sujeto a:
20 CG + 15 CM = 200
CG –2 CM <= 0
CG <= 10
CM <= 5
CG y CM >= 0 y enteros
9. El departamento de energía de Paraguay actualmente esta en el proceso de desarrollar un
plan nacional de energía para el año 2009. Paraguay puede generar energía de cualquiera de
cinco fuentes: carbón, gas natural, materiales nucleares, proyectos hidroeléctricos y petróleo.
Los datos sobre los recursos de energía, las capacidades de generación medidas en
megawatt-horas (MW-hr, y los costos unitarios de generación se dan en la tabla 1.

Tabla 1. Capacidades de generación y costos

Fuente de Energía Capacidad Total Costo de Generación
(MW-hr) ($/MW-hr)
Carbón 45 000 6,0
Gas natural 15 000 5,5
Nuclear 45 000 4,5
Hidroeléctrica 24 000 5,0
Petróleo 48 000 7,0
Paraguay necesita 50 000 MW-hr de energía de uso domestico, y el país tiene un
compromiso para producir 10 000 MW-hr para la exportación. Más aun, a fin de conservar los
recursos de energía y proteger el ambiente, el gobierno ha aprobado las siguientes
regulaciones.
1. La generación proveniente de materiales nucleares no debe exceder 20% de la

energía total generada por Paraguay.
2. Debe utilizarse al menos 80% de las capacidades de la plantas de carbón
3. Los efluentes que salen a la atmósfera no deben exceder los límites especificados
en la tabla 2.
4. la cantidad de energía generada a partir del gas natural debe ser al menos 30% de la
generada a partir del petróleo.
Tabla 2. Datos de contaminación en la generación de energía

Contaminante (g/MW-hr)
Fuente de
Dióxido de Monóxido de Partículas de Desechos
Energía
Azufre Carbono Polvo sólidos
Carbón 1,5 1,2 0,7 0,4
Gas natural 0,2 0,5 - -
Nuclear - 0,1 0,2 0,7
Hidroeléctrica - - - -
Petróleo 0,4 0,8 0,5 0,1
Kg máximos
75 60 30 25
permitidos
Formule el modelo matemático correspondiente.
Solución:
C = el número de MW-h generados con carbón
G = el número de MW-h generados con gas natural
N = el número de MW-h generados con material nuclear.
H = el número de MW-h generados con proyectos hidroeléctricos.
P = el número de MW-h generados con petróleo.

d) Demanda de energía:
Consumo domestico: 50 000 MW-hr
Exportación: 10 000 MW-h
Total: 60 000 MW-hr
e) La generación de energía por plantas nucleares no debe exceder el 20% de la energía total
generada.

20% de 60 000 MW-hr = 12 000 MW-hr
f) Se debe utilizar al menos 80% de la capacidad de las plantas de carbón.
80% de 45 000 MW-hr = 36 000 MW-hr
g) La cantidad de generada a partir del gas natural debe ser al menos 30% de la generada a partir del
petróleo.
h) Capacidades de generación y costos:

Fuente de Energía Capacidad Total Costo de Generación
(MW-hr) ($/MW-hr)
Carbón 45 000 6,0
Gas natural 15 000 5,5
Nuclear 45 000 4,5
Hidroeléctrica 24 000 5,0
Petróleo 48 000 7,0
i) Información de contaminación durante la generación de energía:
Contaminante (g/MW-hr)
Fuente de
Monóxido de Partículas de
Energía Dióxido de Azufre Desechos sólidos
Carbono Polvo
Carbón 1,5 1,2 0,7 0,4
Gas natural 0,2 0,5 - -
Nuclear - 0,1 0,2 0,7
Hidroeléctrica - - - -
Petróleo 0,4 0,8 0,5 0,1
Kg máximos
75 60 30 25
permitidos

FV: Minimizar los costos de generación de energía
D: Minimizar (los costos de generación de energía con carbón + los costos de generación de energía
con gas natural + los costos de generación de energía con material nuclear + los costos de
generación de energía con hidroeléctricas + los costos de generación de energía con petróleo )
FM: Minimizar 6,0C + 5,5G + 4,5N+ 5,0H+ 7,0P
Nota: Costo de generación = Costo unitario de generación x N° de MW-hr generados.
a) Demanda de Energía
FV: la producción de energía debe ser igual a 60 000 MW-hr
D : (generación de energía con carbón + generación de energía con gas natural + generación de energía
con material nuclear + generación de energía con hidroeléctricas + generación de energía con
petróleo ) debe ser igual a 60 000 MW-hr
FM: C + G + N + H + P = 60 000
b) Capacidad total de generación de energía con carbón
FV: La capacidad total de generación de energía con carbón no debe exceder 45 000 MW-hr
FM: C <= 45 000
c) Capacidad total de generación de energía con gas, material nuclear, hidroeléctricas y petróleo
Capacidad total de generación de energía con gas
FM: G <= 15 000
Capacidad total de generación de energía con material nuclear
FM: N <= 45 000
Capacidad total de generación de energía con hidroeléctricas

FM: H <= 24 000

Capacidad total de generación de energía petróleo
FM: P <= 48 000
d) Generación de energía en plantas nucleares
FV: La generación de energía por plantas nucleares no debe exceder el 20% de la energía total
generada
D : La generación de energía por plantas nucleares no debe exceder el 20% de 60 000 MW-hr
FM: N <= 12 000
e) Generación de energía en plantas de carbón
FV: Se debe utilizar al menos 80% de la capacidad de las plantas de carbón
D : La generación de energía por plantas de carbón debe ser mayor del 80% de 45 000 MW-hr
FM: C >= 36 000
f) Generación de energía en plantas de gas natural
FV: La cantidad de energía generada a partir del gas natural debe ser al menos 30% de la energía
generada a partir del petróleo.
FM: G >= 0,3P

G – 0,3P >= 0
g) Limite máximo permisible de Dióxido de Azufre
FV: La cantidad total de dióxido de azufre emitido por la generación de energía no debe ser mayor de 75
kg.
D : (La cantidad de dióxido de azufre emitido por las plantas de carbón + La cantidad de dióxido de
azufre emitido por las plantas de gas natural + La cantidad de dióxido de azufre emitido por las
plantas nucleares + La cantidad de dióxido de azufre emitido por las hidroeléctricas + La cantidad de
dióxido de azufre emitido por las plantas de petróleo) no debe ser mayor de 75 kg
FM: 1,5C + 0,2G + 0,4P <= 75 000
Nota: se uniformizan las unidades a ambos lados ( 1 000 g = 1 kg)
h) Limite máximo permisible de monóxido de carbono, partículas de polvo y desechos sólidos
Limite máximo permisible de monóxido de carbono
1,2C + 0,5G +0,1N + 0,8P <= 60 000
Limite máximo permisible de partículas de polvo
0,7C + 0,2N + 0,5P <= 30 000
Limite máximo permisible de desechos sólidos
0,4C + 0,7N + 0,1P <=25 000
i) Restricciones lógicas
C, G, N, H yP >= 0 y enteros.
Minimizar 6,0C + 5,5G + 4,5N+ 5,0H+ 7,0P
Sujeto a:
C + G + N + H + P = 60 000
C <= 45 000
G <= 15 000
N <= 45 000
H <= 24 000
P <= 48 000
N <= 12 000
C >= 36 000
G – 0,3P >= 0
1,5C + 0,2G + 0,4P <= 75 000
1,2C + 0,5G +0,1N + 0,8P <= 60 000
0,7C + 0,2N + 0,5P <= 30 000
0,4C + 0,7N + 0,1P <=25 000
C, G, N, H yP >= 0 y enteros.
10. Una compañía elabora cuatro productos metálicos: a, b, c y d, los cuales fluyen a través de
cuatro departamentos taladrado, torneado, fresado y ensamblado. Las horas para el tiempo en
el departamento, que se requiere para cada uno de los productos por unidad son:
Producto Taladrado Torneado Fresado Ensamblado
a 3 0 3 4
b 7 2 4 6
c 4 4 0 5
d 0 6 5 3
Las contribuciones unitarias de los cuatro productos y las horas de disponibilidad en los
cuatro departamentos son:
Contribución
Producto
($)/unidad
a 9
b 18
c 14
d 11
Departamento Horas disponibles

Taladrado 70
Torneado 80
Fresado 90
Ensamblado 100
Formule el modelo matemático correspondiente.
Solución:
A = El número de unidades del producto “a” a producir.
B = El número de unidades del producto “b” a producir.
C = El número de unidades del producto “c” a producir.
D = El número de unidades del producto “d” a producir.
a) Horas de proceso empleados en los departamentos para producir los productos
Producto Taladrado Torneado Fresado Ensamblado
a 3 0 3 4
b 7 2 4 6
c 4 4 0 5
d 0 6 5 3
b) Utilidades generadas por los productos

Contribución
Producto
($)/unidad
a 9
b 18
c 14
d 11
c) Horas disponibles por departamento de producción

Departamento Horas disponibles
Taladrado 70
Torneado 80
Fresado 90
Ensamblado 100
FV: Maximizar las utilidades de la empresa
D: Maximizar (las utilidades generadas por el producto a + las utilidades generadas por el producto b +
las utilidades generadas por el producto c + las utilidades generadas por el producto d)
FM: Maximizar 9A +18B +14 C +11 D
a) Departamento de taladrado
FV: El número de horas disponibles en el departamento de taladrado es de 70
D : (número de horas de taladrado empleados en el producto a + número de horas de taladrado
empleados en el producto b + número de horas de taladrado empleados en el producto c + número
de horas de taladrado empleados en el producto d) debe ser menor de 70 horas
FM: 3A + 7B + 4C <= 70
b) Departamentos de torneado, fresado y ensamblado
Departamento de torneado:
2B + 4C + 6D <= 80
Departamento de fresado:
3A + 4B + 5D <= 90
Departamento de ensamblado:
4A + 6B + 5C + 3D <= 100
A, B, C y D >= 0 y enteros.
Maximizar 9A +18B +14 C +11 D
Sujeto a:
3A + 7B + 4C <= 70
2B + 4C + 6D <= 80
3A + 4B + 5D <= 90
4A + 6B + 5C + 3D <= 100
A, B, C y D >= 0 y enteros.
11. La compañía Cueros de Acero produce guantes y correas de seguridad para minería. La
materia prima para los guantes cuesta S/. 2,0 por unidad, mientras que la materia prima para
cada correa de seguridad cuesta 2,5. Una correa de seguridad requiere dos horas de maquina
de obra en el departamento 1 y tres horas en el departamento 2. Mientras que un guante
requiere cuatro horas en el departamento 1 y dos horas en el departamento 2. El jornal por

hora en ambos departamentos es de S/. 2,0. Ambos productos se venden a S/. 18,0 y el
número de horas de mano de hora disponibles por semana en los departamentos es de 160 y
180 horas respectivamente, Como gerente de producción determine la producción óptima de
la compañía.
Solución:
a) Formulación del modelo matemático
G = El número de pares de guantes producido..
C= El número de unidades de correas producidos.
d) Utilidades producto de la venta de guantes
Utilidad = Costo de venta – Costo de producción
Utilidad = Costo de venta – (costo de materia prima + costo de maquina 1 + costo de maquina 2)
Utilidad = Costo de venta – (costo de materia prima + costo unitario de maquina 1 x horas utilizadas
de maquina 1 + costo unitario de maquina 2 x horas utilizadas de maquina 2)
Utilidad = S/. 18,0 – (S/.2,0 + 2,0 S/./h x 4h + 2,0 S/./h x2h)
Utilidad = S/. 4,0
e) Utilidades producto de la venta de correas de seguridad
Utilidad = S/. 18,0 – (S/.2,5 + 2,0 S/./h x2h + 2,0 S/./h x3h)
Utilidad = S/. 5,5
f) Horas máquina empleados para producir guantes y correas
Producto Máquina 1 Máquina 2
Guantes (par) 4 2
Correas 2 3
Total 160 180
FV: Maximizar las utilidades de la empresa
D: Maximizar (las utilidades generadas por la venta de guantes + las utilidades generadas por la venta
de correas)
FM: Maximizar 4G + 5,5C
a) Uso de la máquina 1
FV: El número de horas disponibles de la máquina 1 es de 160
D : (número de horas de máquina 1 empleados en los guantes + número de horas de taladrado
empleados en las correas) debe ser menor de 160 horas
FM: 4G + 2C <= 160
b) Uso de la máquina 2
2G + 3C <= 180
G y C >= 0 y enteros.
Maximizar 4G + 5,5C
Sujeto a:
4G + 2C <= 160

2G + 3C <= 180
G y C >= 0 y enteros.
12. Luz del Centro es dueña de una central turbogeneradora. Como en los alrededores hay
abundantes depósitos de carbón, la central genera su vapor con ese combustible. Sin
embargo, eso puede causar una emisión que no cumpla con las normas ambientales, que
limitan la descarga de dióxido de azufre a 2 000 partes por millón por tonelada de carbón
quemado, y la descarga de humo por las chimeneas a 20 libras por hora. La empresa recibe
dos clases de carbón pulverizado, C1 y C2, que usa en sus calderas. Las dos clases se
suelen mezclar antes de quemarlas. Para simplificar, se puede suponer que el dióxido de
azufre contaminante de la mezcla (en partes por millón) es un promedio ponderado para cada
clase que se usa en la mezcla. Los datos siguientes se basan en 1 tonelada de consumo por
hora, de cada una de las dos clases de carbón.
Clase de Descarga de azufre Descarga de humo Vapor generado
carbón Partes por millon Lb/hora Lb/hora
C1 1 800 2,1 12 000
C2 2 100 0,9 9 000
Determine la relación óptima de mezcla de las dos clases de carbón.
Solución:
a) Formulación del modelo matemático
C1 = El número de toneladas de carbón pulverizado tipo 1 a mezclarse por hora.
C2 = El número de toneladas de carbón pulverizado tipo 2 a mezclarse por hora.
b) Emisión de contaminantes por la quema de carbón y vapor generado por 1 tonelada de consumo por
hora
Clase de Descarga de azufre Descarga de humo Vapor generado
carbón Partes por millon Lb/hora Lb/hora
C1 1 800 2,1 12 000
C2 2 100 0,9 9 000
a. Limite máximo permisible de emisión de dióxido de azufre = 2 000 ppm
b. Limite máximo permisible de descarga de humo por las chimeneas = 20 lb/h
FV: Maximizar el vapor generado por la central turbogeneradora
D: Maximizar (el vapor generado por el carbón tipo 1 + el vapor generado por el carbón tipo)
FM: Maximizar 12 000C1 + 9 000C2

a) Limite máximo permisible de dióxido de azufre
FV: La cantidad total de dióxido de azufre emitido por la quema de carbón no debe ser mayor de 2 000
ppm.
D : (La cantidad de dióxido de azufre emitido por la quema del carbón 1 + La cantidad de dióxido de
azufre emitido por la quema del carbón 2) no debe ser mayor de 2 000 ppm.
FM: 1800 xC1  2100 xC 2  2000
C1  C 2
FM: -200C1 + 100C2 <= 0
b) Limite máximo permisible de descarga de humo
FV: La cantidad total de descarga de humo emitido por la quema de carbón no debe ser mayor de 20 lb.

D : (La cantidad de descarga de humo emitido por la quema del carbón 1 + La cantidad de descarga de
humo emitido por la quema del carbón 2) no debe ser mayor de 20 lb
FM: 2,1C1 + 0,9C2 <= 20
C1 y C2 >= 0 y enteros.
Maximizar 12 000C1 + 9 000C2
Sujeto a:
F-200C1 + 100C2 <= 0
2,1C1 + 0,9C2 <= 20
C1 y C2 >= 0 y enteros.
13. Dos fábricas de explosivos producen 3 tipos de diferentes dinamitas, de bajo, medio y alto
grado. Se tiene un contrato de venta para vender 15 cajas de dinamita de bajo grado, 2 cajas
de dinamita de medio grado y 10 cajas de alto grado, los costos de operación son de $ 2
720,0/día para la primera fábrica y $ 3 200,0/día para la segunda.
La fábrica 1 produce 8 cajas de bajo grado, 1 caja de medio grado y 2 cajas de alto grado en
un día de operación; la fábrica 2 produce 2 cajas de bajo grado, 1 caja de grado medio y 7
cajas de alto grado por día.
Formule un modelo matemático para determinar el número de días que debe trabajar cada
fábrica para cumplir con el mencionado contrato en la forma mas económica.
Solución:
F1 = el número de días que trabaja la fábrica 1
F2 = el número de días que trabaja la fábrica 2
n) Contrato de venta para dinamita de bajo grado: 15 cajas
o) Contrato de venta para dinamita de medio grado: 2 cajas
p) Contrato de venta para dinamita de alto grado: 10 cajas
q) Costo de operación de la fábrica 1: $ 2 720,0 por día
r) Costo de operación de la fábrica 2: $ 3 200,0 por día
s) La fábrica 1 produce 8 cajas de bajo grado, 1 caja de medio grado y 2 cajas de alto grado en un día
de operación.
t) La fábrica 2 produce 2 cajas de bajo grado, 1 caja de grado medio y 7 cajas de alto grado por día.
FV: Minimizar el costo de operación total de las fábricas
D : Minimizar (costo de operación de la fábrica 1 + costo de operación de la fábrica 2)
FM: Minimizar 2 720 F1 + 3 200 F2
e) Compromiso de venta de dinamita de bajo grado
FV: La producción de dinamita de bajo grado debe ser al menos 15 cajas
D : (producción de dinamita de bajo grado de la fábrica 1 + producción de dinamita de bajo grado de la
fábrica 2) debe ser al menos 15 cajas
FM: 8 F1 + 2 F2 >= 15
f) Compromiso de venta de dinamita de medio grado

FV: La producción de dinamita de medio grado debe ser al menos 2 cajas

D : (producción de dinamita de medio grado de la fábrica 1 + producción de dinamita de medio grado de
la fábrica 2) debe ser al menos 2 cajas
FM: F1 + F2 >= 2
g) Compromiso de venta de dinamita de alto grado
FV: La producción de dinamita de alto grado debe ser al menos 10 cajas
D : (producción de dinamita de alto grado de la fábrica 1 + producción de dinamita de alto grado de la
fábrica 2) debe ser al menos 10 cajas
FM: 2 F1 + 7 F2 >= 10
h) Restricciones lógicas
F1 y, F2 >= 0 y enteros
Minimizar 2 720 F1 + 3 200 F2
Sujeto a:
8 F1 + 2 F2 >= 15
F1 + F2 >= 2
2 F1 + 7 F2 >= 10
F1 y, F2 >= 0 y enteros
14. La Tomas River Chemicals Inc., debe producir 1 000 lb de una mezcla especial para un
cliente, compuesta de los ingredientes AX1, AX2, AX·. El ingrediente AX1 cuesta $ 7,0 la libra,
el AX2 cuesta $ 6,9/lb y la AX3 $7,0/lb. No pueden usarse mas de 300 libras de AX1 y debe
usarse por lo menos 150 lb de AX2. Además se requieren de por lo menos 200 lb de AX3.
Como la empresa desea minimizar los costos, formule un modelo matemático para determinar
la cantidad de cada ingrediente que debe utilizar la empresa.
Solución:
AX1 = el número de libras del ingrediente AX1 a usarse para producir la mezcla
a) La empresa debe producir 1 000 lb de una mezcla especial
b) El ingrediente AX1 cuesta $ 7,0 la libra
c) El ingrediente AX2 cuesta $ 6,9 la libra
d) El ingrediente AX3 cuesta $ 7,0 la libra
e) No puede usarse más de 300 lb del ingrediente AX1
f) Debe usarse por lo menos 150 lb del ingrediente AX2
g) Se requiere por lo menos 200 lb de AX3
FV: Minimizar el costo de operación de la empresa.
D : Minimizar (costo del ingrediente AX1 + costo del ingrediente AX2 + costo del ingrediente AX3)
FM: Minimizar 7 AX1 + 6,9 AX2 + 7 AX3
a) Producción
FV: La empresa debe producir 1 000 lb de una mezcla especial

D : (costo del ingrediente AX1 + costo del ingrediente AX2 + costo del ingrediente AX3) debe ser al
menos 1 000 lb
FM: AX1 + AX2 + AX3 >= 1 000
b) Uso del ingrediente AX1
FV: No puede usarse más de 300 lb del ingrediente AX1
FM: AX1 <= 300
c) Uso del ingrediente AX2
FV: Debe usarse por lo menos 150 lb del ingrediente AX2
d) Uso del ingrediente AX3
FV: Se requiere por lo menos 200 lb de AX3
Minimizar 7 AX1 + 6,9 AX2 + 7 AX3
Sujeto a:
AX1 + AX2 + AX3 >= 1 000
AX1 <= 300
AX2 >= 150
AX3 >= 200
AX1, AX2 y AX3 >= 0 y enteros
15. Una compañía extrae tres tipos de mineral en tres pozos distintos. Para esto cuenta con tres
equipos de las siguientes características:
Capacidad de trabajo (rendimiento) en Ton/día

Equipo Pozos Días de mantenimiento
por mes (30 días)
P1 P2 P3
E1 90 70 78 5
E2 65 80 65 2
E3 50 70 85 2
Por compromisos adquiridos anteriormente, debe arrendarse otro equipo de las siguientes
características
por mes (30 días)
P1 P2 P3
E4 90 72 58 1
que está disponible los 30 días del mes, pero no se arrienda por menos de 10 días/mes.
La empresa que recibe el material admite las capacidades siguientes:
Mineral Pozo P1 2500 Ton/mes

Los costos de operación que tiene cada equipo están en el cuadro siguiente ($/día):
Equipo Pozos
P1 P2 P3
E1 12 25 22
E2 4 17 20
E3 9 20 21
E4 15 30 25
Los gastos de salario y jornales de la mano de obra asociada a cada equipo son:
Equipo E1 E2 E3 E4
($/dia) 20 35 30 40
Suponiendo que los pozos deben explotarse los 30 días del mes, plantee el problema de
programación lineal, de manera que el programa de explotación produzca máximas utilidades.
Solución:
E1P1 = el número de días de trabajo durante 1 mes del equipo 1 en el pozo 1.
u) Rendimiento diario de los equipos:
por mes (30 días)
P1 P2 P3
E1 90 70 78 5
E2 65 80 65 2
E3 50 70 85 2
E4 90 72 58 1
v) Producción mensual del pozo 1: 2500ton.
w) Producción mensual del pozo 2: 2300ton.
x) Producción mensual del pozo 3: 2250ton.
y) Costo de operación total de los equipos ($)
Equipo Pozos
P1 P2 P3
E1 32 45 42
E2 39 52 55
E3 39 50 51
E4 55 70 65
FV: Minimizar el costo de operación de los equipos utilizados en la extracción de mineral.

D : Minimizar (costo de equipo 1 + costo de equipo 2 + costo de equipo 3 + costo de equipo4)
FM: Minimizar 32E1P1 + 45E1P2 + 42E1P3 + 39E2P1 + 52E2P2 + 55E2P3 + 39E3P1 + 50E3P2 +
51E3P3 + 55E4P1 + 70E4P2 + 65E4P3
i) producción de mineral del pozo 1
FV: La producción de mineral del pozo 1 debe ser de 2500 ton/mes
D : (producción de mineral con el equipo 1 + producción de mineral con el equipo 2 + producción de
mineral con el equipo 3 + producción de mineral con el equipo 4) debe ser 2500 ton/mes
FM: 90E1P1 + 65E2P1 + 50E3P1 +90E4P1 = 2500
j) producción de mineral del pozo 2
FM: 70E1P2 + 80E2P2 + 70E3P2 +72E4P2 = 2300
k) producción de mineral del pozo 3
FM: 78E1P3 + 65E2P3 + 85E3P3 +58E4P3 = 2250
l) Días efectivos de trabajo de la máquina 1
FV: la máquina 1 trabaja 25 días efectivos mensualmente.
D : (días de trabajo de la máquina 1 en el pozo 1 + días de trabajo de la máquina 1 en el pozo 2+ días
de trabajo de la máquina 1 en el pozo 3) debe ser menor de 25 días.
FM: E1P1 + E1P2 + E1P3 <= 25
m) Días efectivos de trabajo de la máquina 2
FV: la máquina 2trabaja 28ías efectivos mensualmente.
D : (días de trabajo de la máquina 2en el pozo 1 + días de trabajo de la máquina 2en el pozo 2+ días
de trabajo de la máquina 2en el pozo 3) debe ser menor de 28ías.
FM: E2P1 + E2P2 + E2P3 <= 28
n) Días efectivos de trabajo de la máquina 3
FM: E3P1 + E3P2 + E3P3 <= 28
o) Días efectivos de trabajo de la máquina 4
FM: E4P1 + E4P2 + E4P3 <= 29
p) Días mínimos de trabajo de la máquina 4
FV: la máquina 4 debe trabajar minimamente 10 días mensualmente.
de trabajo de la máquina 4 en el pozo 3) debe ser al menos 10 días.
FM: E4P1 + E4P2 + E4P3 >=10
q) Días de trabajo en el pozo 1

FV: El pozo 1 debe trabajar 30 días mensualmente

D : (días de trabajo de la máquina 1 en el pozo 1 + días de trabajo de la máquina 2 en el pozo 1 + días
de trabajo de la máquina 3 en el pozo 1 + días de trabajo de la máquina 4 en el pozo 1) debe ser 30
días.
FM: E1P1 + E2P1 + E3P1 + E4P1 = 30
r) Días de trabajo en el pozo 2
días.
FM: E1P2 + E2P2 + E3P2 + E4P2 = 30
s) Días de trabajo en el pozo 3
días.
FM: E1P3 + E2P3 + E3P3 + E4P3 = 30
t) Restricciones lógicas
E1P1, E1P2, E1P3, E2P1, E2P2, E2P3, E3P1, E3P2, E3P3, E4P1, E4P2 y E4P3 >= 0 y enteros
Minimizar 32E1P1 + 45E1P2 + 42E1P3 + 39E2P1 + 52E2P2 + 55E2P3 + 39E3P1 + 50E3P2 + 51E3P3 +
55E4P1 + 70E4P2 + 65E4P3
Sujeto a:
90E1P1 + 65E2P1 + 50E3P1 +90E4P1 = 2500
70E1P2 + 80E2P2 + 70E3P2 +72E4P2 = 2300
78E1P3 + 65E2P3 + 85E3P3 +58E4P3 = 2250
E1P1 + E1P2 + E1P3 <= 25
E2P1 + E2P2 + E2P3 <= 28
E3P1 + E3P2 + E3P3 <= 28
E4P1 + E4P2 + E4P3 <= 29
E4P1 + E4P2 + E4P3 >=10
E1P1 + E2P1 + E3P1 + E4P1 = 30
E1P2 + E2P2 + E3P2 + E4P2 = 30
E1P3 + E2P3 + E3P3 + E4P3 = 30
E1P1, E1P2, E1P3, E2P1, E2P2, E2P3, E3P1, E3P2, E3P3, E4P1, E4P2 y E4P3 >= 0 y enteros
16. Un productor de aluminio fabrica una aleación especial que el garantiza que contiene un 90%
o más de aluminio, entre 5% y 8% de cobre y el resto de otros metales. La demanda para esta
aleación es muy incierta de modo que el productor no mantiene un stock disponible. El ha
recibido una orden de 1.000 kg. a $450/kg. La aleación debe hacerse a partir de barras de dos
tipos de materiales de desecho, de cobre puro y de aluminio puro. El análisis de los materiales
de desecho es el siguiente:
Al Cu Otros
Material de desecho 1 95 3 2
Material de desecho 2 85 1 14
Los respectivos costos son: Material de desecho 1 = $150/kg; Material de desecho 2 = $50/kg;
Cobre puro = $150/kg; y Aluminio puro $500/kg.
Cuesta $50 fundir un kilogramo de metal. Se tienen más de 1.000 kg. de cada tipo de metal
disponible. Como debe el productor cargar su horno de manera que maximice sus utilidades?
Solución:

MD1 = Kilogramos de material de desecho 1 a utilizar para obtener 1 kilogramo de aleación especial
MD2 = Kilogramos de material de desecho 2 a utilizar para obtener 1 kilogramo de aleación especial
AL = Kilogramos de aluminio puro a utilizar para obtener 1 kilogramo de aleación especial.
CU = Kilogramos de cobre puro a utilizar para obtener 1 kilogramo de aleación especial.
a) La aleación especial debe tener 90% o más de aluminio.
b) La aleación especial debe tener 5% o mas de cobre
c) La aleación especial debe tener 8% o menos de cobre
d) 1 kg de material de desecho cuesta $150.0
e) 1 kg de material de desecho2 cuesta $50.0
f) 1 kg de aluminio puro cuesta $500.0
g) 1 kg de cobre puro cuesta $150.0
h) El costo de fundición de 1 kg de metal es $50.0
i) 1 kg de aleación especial es vendido a $450.0
j) La aleación especial debe tener 90% o mas de aluminio
FV: Minimizar el costo de los insumos de la aleación especial para obtener 1 kg de aleación.
D : Minimizar (costo de material de desecho 1 + costo de material de desecho 2 + costo de aluminio
puro + costo de cobre puro) para 1 kg de aleación.
FM: Minimizar 150MD1 +50MD2 + 500AL + 150AL
a) Contenido mínimo de aluminio en aleación especial
FV: La aleación especial debe tener 90% o más de aluminio
D : ((contenido de aluminio en el material de desecho 1 + contenido de aluminio en el material de
desecho 2 + contenido de aluminio en el aluminio puro)/(peso del material de desecho 1 + peso del
material de desecho 2 + peso del aluminio puro + peso del cobre puro)) debe ser mayor o igual a
90% de aluminio
 0.95MD1  0.85MD 2  AL 
 MD1  MD 2  AL  CU   0.90
FM: 0.05MD1 -0.05MD2 + 0.1AL -0.9CU >= 0

b) Contenido mínimo de cobre en aleación especial
FV: La aleación especial debe tener 5% o más de cobre
D : ((contenido de cobre en el material de desecho 1 + contenido de cobre en el material de desecho 2 +
contenido de cobre en el cobre puro)/(peso del material de desecho 1 + peso del material de
desecho 2 + peso del aluminio puro + peso del cobre puro)) debe ser mayor o igual a 5% de cobre
 0.03MD1  0.01MD 2  CU 
 MD1  MD 2  AL  CU   0.05
FM:-0.02MD1 -0.04MD2 -0.05AL + 0.95CU >= 0

c) Contenido máximo de cobre en aleación especial
FV: La aleación especial debe tener 8% o menos de cobre

D : ((contenido de cobre en el material de desecho 1 + contenido de cobre en el material de desecho 2 +

contenido de cobre en el cobre puro)/(peso del material de desecho 1 + peso del material de
desecho 2 + peso del aluminio puro + peso del cobre puro)) debe ser menor o igual a 8% de cobre
 0.03MD1  0.01MD 2  CU 
 MD1  MD 2  AL  CU   0.08
FM:-0.05MD1 -0.07MD2 -0.08AL + 0.92CU >= 0

d) Contenido de 1 kg de aleación especial
FV: La aleación especial debe pesar 1 kg
D : (peso del material de desecho 1 + peso del material de desecho 2 + peso de aluminio puro + peso
del cobre puro) debe ser igual a 1 kg
FM: MD1+ MD2 + AL + CU = 1
MD1, MD2, AL y CU >= 0
Minimizar 150MD1 +50MD2 + 500AL + 150AL
Sujeto a:
0.05MD1 -0.05MD2 + 0.1AL -0.9CU >= 0
0.02MD1 -0.04MD2 -0.05AL + 0.95CU >= 0
-0.05MD1 -0.07MD2 -0.08AL + 0.92CU >= 0
MD1+ MD2 + AL + CU = 1
MD1, MD2, AL y CU >= 0

CAPITULO III
SOLUCIÓN A PROBLEMAS DE PROGRAMACIÓN LINEAL
USANDO SOFTWARE
USO DE SOLVER DE EXCEL
En esta sección, se utiliza el software Excel de Microsoft Office para resolver y analizar el
problema de programación lineal.
El Sindicato Minero Pacococha S.A. viene soportando un incesante incremento en sus costos de
producción, por lo tanto urge optimizar el uso de sus recursos. La gerencia ha determinado
explotar las vetas Colquechaca y 10 de mayo, para ello debemos satisfacer algunas restricciones
referentes a las leyes y la capacidad de la planta concentradora:
Leyes
Costo Tonelaje a
Vetas Ag
Pb (%) $/ton extraer
(onz/ton)
Colquechaca 4 3,5 7,0 Xc
10 de mayo 16 1,15 9,0 Xm
Otros datos que debemos considerar son: el precio de la plata: $ 20,0 /ton; precio del plomo
0,70 $/lb; capacidad de la planta concentradora: 95 ton/día.
Como gerente de producción, formule un modelo para determinar el tonelaje a extraer de cada
veta.
Cuya formulación dio el siguiente modelo matemático:

Sujeto a:
Xc + Xm <= 95

- Xc + 5 Xm >= 0
- Xc + 2 Xm <= 0
Xc y Xm >= 0 y enteros
La única dificultad que tenemos es el de modelar el programa dentro del Excel, y eso, es muy
fácil. Por supuesto, hay infinidad de maneras de hacerlo, aquí propongo una.
PROCEDIMIENTO DE SOLUCIÓN
Se activa Excel y en una hoja...
 Se ubican las celdas que se corresponderán con el valor de las variables de decisión; en
éste caso, las celdas B6 y C6, se les da un formato para diferenciarlas de las demás (ver
captura abajo). Se ubica también, las celdas que contendrán los coeficientes de las
variables de decisión, B4 y C4, y se llenan con sus respectivos valores, 126,9 y 328,71.
Aunque éste último paso, se podría omitir y dejar los coeficientes definidos en la celda de
la función objetivo, así es mejor para los análisis de sensibilidad y para que la hoja quede
portable para otro programa.
 Se ubica la celda que se corresponderá con la función objetivo (celda objetivo), la B3. En
ella se escribe la función que sea, en éste caso, será el coeficiente de X1 (en B4) por el
valor actual de Xc (en B6) mas el coeficiente de Xm (en C4) por el valor actual de Xm (en
C6) o sea: = $B$4*$B$6+$C$4*$C$6
 Coeficientes para la primera restricción: los podemos escribir en la misma columna de las
variables de decisión; en las celdas B7 y C7, con los valores 2 y 1, seguido del sentido de
la desigualdad (<=) y de su correspondiente RHS: 230. A la derecha ubicaremos el valor
actual de consumo de la restricción, ella se escribirá en función de las variables de
decisión y de los coeficientes de la restricción. Esta celda, la utilizará Solver como la real
restricción, cuando le digamos que el valor de ésta celda no pueda sobrepasar la de su
correspondiente RHS. De nuevo será el valor del coeficiente por el de la variable: =
B7*$B$6+C7*$C$6. Notese que ahora B7 y C7 no tienen el signo $. Pues es que luego
que se haya escrito ésta celda, se podrá arrastrar hacia abajo para que Excel escriba la
fórmula por nosotros (la pereza!), pero tome los valores relativos a los coeficientes que le
corresponda a los mismos valores de las variables de decisión. Se repite los pasos
anteriores para las otras restricciones, pero ahora la fórmula será: = B8*$B$6+C8*$C$6 y
= B9*$B$6+C9*$C$6.
El resto del formato es para darle una presentación más bonita a la hoja. Ahora a resolverlo! Al
hacer clic en Herramientas, Solver se tendrá una pantalla como la siguiente. Lo primero que hay
que hacer es especificar la celda objetivo y el propósito: maximizar. Se escribe B3 (o $B3 ó B$3 ó
$B$3 como sea, da igual), en el recuadro "cambiando las celdas", se hace un clic en la flechita
roja, para poder barrer las celdas B6 y C6; lo mismo da si se escriben directamente los nombres.

Y ahora para las restricciones: se hace clic en agregar...
En F7 está la primera restricción, como se puede ver en la captura. Se especifica el sentido de la

restricción <=, >= ó =. Aquí también se puede especificar el tipo de variable, por defecto es
continua, pero se puede escoger "Int" para entera o "Bin" para binaria. En el recuadro de la
derecha establecemos la cota. Aquí podemos escribir 95 pero mejor escribimos $E$7 para que
quede direccionado a la celda que contiene el 95, y después lo podríamos cambiar y volver a
encontrar la respuesta a manera de análisis de sensibilidad.
Se repite éste paso para las otras dos restricciones.
La condición de no negatividad hay que incluirla manualmente, así:
El cuadro de diálogo debe lucir así:

Y listo! Se hace clic en resolver y ya. Parece un poco largo en comparación con los otros paquetes
de programación lineal, pero esto se hará sólo una vez, para los próximos programas se podrá
utilizar la misma hoja cambiando los coeficientes. Sin embargo, como se puede notar, la
flexibilidad de modelamiento es muy grande.
Los resultados para el Sindicato Minero Pacococha en la forma de un plan de producción semanal
son los siguientes:
Cantidad de mineral de la veta Colquechaca por producir = 63,33 toneladas
Cantidad de mineral de la veta 10 de Mayo por producir = 31,67 toneladas
Margen de ganancia semanal = $ 18 446,15
USO DE SOLVER DE WinQSB

En esta sección, se utiliza el software WinQSB para resolver y analizar el problema de
programación lineal continua.
Leyes
Costo Tonelaje a
Vetas Ag
(onz/ton)
10 de mayo 16 1,15 9,0 Xm
veta.

Sujeto a:
Xc + Xm <= 95
- Xc + 5 Xm >= 0
- Xc + 2 Xm <= 0
Xc y Xm >= 0
PROCEDIMIENTO DE SOLUCIÓN:
1. En la barra de tareas de la parte inferior de la pantalla, abrir el menú Inicio y clic en el menú
Programas.
2. Seleccione el menú WinQSB y haga clic en el botón Linear and Integer Programming.
3. Tendremos la presentación del programa WinQSB

4. Luego tendremos la interface del programa y desde el menú seleccionaremos: File | New
Problem
5. Se presentara una ventana donde colocaremos el nombre del problema, en nuestro caso
Sindicato Minero Pacococha y el numero de variables y restricciones de nuestro problema: 2
y 3 respectivamente, a continuación seleccionaremos el criterio del objetivo, el tipo de variable
y el formato de entrada de datos
y pulsaremos OK.
6. En la nueva ventana que se presenta ingresaremos los datos del problema:

Podemos editar el nombre de las variables y de las restricciones
7. En la barra de menú, seleccionaremos el icono para procesar los datos
8. WinQSB procesara los datos, presentándonos la siguiente ventana:

son los siguientes:
9. Si deseamos observar la gráfica, seleccionaremos el icono y se presentara la siguiente

ventana:
10. WinQSB presentara el siguiente gráfico:

USO DE LINDO
En esta sección, se utiliza el software LINDO para resolver y analizar el problema de
programación lineal continua.
LINDO (Linear Interactive Discrete Optimization) es una herramienta que fue diseñada por Linus
Shorage en 1985 para resolver problemas de programación lineal, entera y cuadrática
SINTAXIS DEL MODELO LINDO
1. Todos los modelos empiezan con el comando MAX o MIN seguido de la función objetivo que
debe ser del tipo ctx.
2. Los nombres de las variables pueden contener a lo sumo 8 caracteres
3. Los nombres de las restricciones deben terminar con un paréntesis y pueden contener a lo
sumo 8 caracteres
4. Se pueden usar los operadores +, -, =, > (equivale a >=), < (equivale a <=)
5. No reconoce la situación (2+5-4)*X1, debemos poner 3 X1 ni tampoco 2(x1+x2) hay que
escribir 2x1+2x2
6. Los comentarios comienzan con el signo de exclamación ¡
7. Podemos utilizar más de una línea para escribir la función objetivo o las restricciones
8. No distingue entre mayúsculas y minúsculas
9. En el lado derecho de las restricciones (denotado por RHS) sólo pueden aparecer valores
numéricos
10. En el lado izquierdo de las restricciones sólo pueden aparecer las variables y sus coeficientes
11. Se supone que todas las variables son no negativas, por eso no se introducen las
restricciones de no negatividad
12. El esquema que se sigue es:
MAX <función objetivo>
SUBJECT TO (st)
Restriccion1)
…
Restricción m)
END
13. Si queremos indicar que alguna variable no tiene restricción de signo, que es entera, binaria,
etc, tenemos una serie de comandos que se utilizan después de END
- FREE <variable> se usa si variable no tiene restricción de signo
- GIN <variable> se usa si variable sólo toma valores enteros no negativos
- INT <variable> se usa si variable es binaria
- SLB <variable> <VALOR> se usa si variable está acotada inferiormente por valor
- SUB <variable> <VALOR> se usa si variable está acotada superiormente por valor


Leyes
Costo Tonelaje a
Vetas Ag
(onz/ton)
10 de mayo 16 1,15 9,0 Xm
veta.

Sujeto a:
Xc + Xm <= 95
- Xc + 5 Xm >= 0
- Xc + 2 Xm <= 0
Xc y Xm >= 0
PROCEDIMIENTO DE SOLUCIÓN:
11. En la barra de tareas de la parte inferior de la pantalla, abrir el menú Inicio y haga clic en el
menú Programas.
12. Seleccione el menú LINDO 6.1 y haga clic en el botón Windows32.
13. Luego tendremos la interface del programa y una pantalla <untitled>.

14. En la pantalla <untitled> escribiremos nuestro modelo
15. A continuación guardaremos nuestro modelo seleccionando: File | Save As
16. En la pantalla Save As: en File Name: ingresaremos el nombre que deseemos para el
modelo, en este caso CaseChemicals.ltx y en Directories podremos seleccionar el fichero
donde guardarlo

17. Para procesar el modelo, seleccionaremos : Solve | Solve
18. A continuación se presentará la ventana LINDO preguntándonos, si deseamos realizar un

análisis de sensibilidad?:
19. Luego tendremos la ventana LINDO Solver Status, que nos indicara las características de la
solución:

20. LINDO procesara los datos, presentándonos el siguiente reporte:
son los siguientes:

CAPITULO IV
ANÁLISIS DE SENSIBILIDAD USANDO SOFTWARE:
EL PROBLEMA DE PLANEACIÓN DE PRODUCCIÓN DE CASE CHEMICALS

Case Chemicals produce dos solventes, CS-01 y CS-02, en su planta de Cleveland. Las
empresas que compran estos solventes los usan para disolver ciertas sustancias tóxicas que se
producen durante procesos de fabricación particulares. La planta opera 40 horas a la semana y
emplea a cinco trabajadores de tiempo completo y a dos de tiempo parcial, que trabajan 15 horas
a la semana. Estas personas operan las siete máquinas que mezclan ciertos químicos para
producir cada solvente. Los productos salen del departamento de mezclado para ser refinados en
el departamento de purificación, que actualmente tiene siete purificadores y emplea a seis
trabajadores de tiempo completo y a uno de tiempo parcial, que trabaja 10 horas a la semana.
Case Chemicals tiene una provisión casi ilimitada de la materia prima que necesita para producir
los dos solventes. Case Chemicals puede vender cualquier cantidad de CS-01, pero la demanda
del producto más especializado, CS-02, está limitada a lo más a 120 000 galones por semana.
El departamento de contabilidad estima un margen de ganancias de $0,30 por galón de CS-01 y
de $0,50 por galón de CS-02, esto es, $300 por mil galones de CS-01 y $500 por mil galones de
CS-02.
Como gerente de producción, usted desea determinar el plan de producción semanal óptimo para
Case Chemicals. ¿Qué cantidad de cada solvente debe producir Case Chemícals para maximizar
la ganancia?
Formulando el modelo matemático, tenemos:
Maximizar 300 CS1 + 500 CS2
Dependiendo de: 2 CS1 + CS2 ≤ 230
CS1 + 2 CS2 ≤ 250
CS2 ≤ 120
CS1, CS2 ≥ 0
Donde: CS1 = El número de miles de galones de CS-01 por producir semanalmente
CS2 = El número de miles de galones de CS-02 por producir semanalmente

CONCEPTOS BÁSICOS EN ANÁLISIS DE SENSIBILIDAD
El Análisis de Sensibilidad se utiliza para examinar los efectos de cambios en tres áreas
diferenciadas del problema:
1. Los coeficientes de la función objetivo (Coeficientes Objetivo). Los cambios en los
coeficientes objetivo NO afectan la forma de la región factible, por lo que no afectaran a la
solución optima (aunque si al valor de la función objetivo).
2. Los coeficientes tecnológicos (aquellos coeficientes que afectan a las variables de las
restricciones, situados a la izquierda de la desigualdad). Los cambios en estos
coeficientes provocaran cambios sustanciales en la forma de la región factible.
3. Los recursos disponibles (los términos independientes de cada restricción, situados a la
derecha de la desigualdad). Intuitivamente (para 2 variables), los cambios en el RHS
suponen desplazamientos paralelos de las rectas asociadas a las restricciones, lo cual
hará variar la forma de la región factible y, con ello, a la solución optima.
1. ANÁLISIS DE SENSIBILIDAD CON EXCEL

El primer paso será plantear el modelo en la hoja de cálculo:
Activando la función Solver de Excel, tendremos:

Activemos Adoptar modelo lineal en la ventana Opciones de Solver:
Haciendo clic en el botón Resolver, obtendremos la ventana Resultados de Solver, donde

elegiremos Respuesta y Sensibilidad en Informes:
Excel resolverá el modelo matemático:

Nos presentará el siguiente Informe de respuestas:
Su interpretación es inmediata: la solución óptima sería un plan de producción semanal de 70000

galones de CS-01, 90000 galones de CS-02 y tendremos un margen de ganancia semanal de $
66000.
Excel, también nos presentará el siguiente Informe de sensibilidad:

Después de formular y resolver un problema de programación lineal, un gerente debe hacerse un

numero de preguntas importantes de la forma: “¿Qué sucede si …..?”. Por ejemplo:
1. Supongamos que, debido a una competencia reciente en el mercado por CS-01, la gerencia
de Case Chemicals ha decidido disminuir el precio de venta de su producto en $ 25 por cada
1 000 galones. Este cambio disminuye el coeficiente de ganancia de CS-01 de 300 dólares
por mil galones a 275 dólares. ¿Cómo afecta este cambio el plan de producción?
2. Supongamos que cada uno de los dos empleados de tiempo parcial del departamento de
mezclado de Case Chemicals trabaja 10 horas en vez de 15 a la semana. Este cambio
reduce las horas disponibles de mano de obra en el departamento de mezclado de 230 a
220. ¿Cómo afecta este cambio el plan de producción y la ganancia óptima?
Estas preguntas tienen que ver con el tópico del análisis de sensibilidad. Usted, gerente, se
pregunta qué tan sensibles son la solución óptima y el valor de la función objetivo con respecto a
los cambios en los datos del problema, es decir, los coeficientes en la función objetivo y las
restricciones. ¿Qué tanto impacto tendrá en la solución un cambio en cualquiera de los datos?
Para dicho análisis, utilizaremos el Informe de sensibilidad de Excel.
ANÁLISIS DE SENSIBILIDAD DE LOS COEFICIENTES DE LA FUNCIÓN OBJETIVO

Análisis de sensibilidad del coeficiente de la función objetivo para CS1
Basándose en la solución óptima obtenida, la compañía ha estado produciendo 70 mil galones de
CS-01 y 90 mil galones de CS-02. Debido a una competencia reciente en el mercado por CS-01,
la gerencia ha decidido disminuir el precio de venta de CS-01 en $25 por mil galones. ¿Cómo
debería cambiar el plan de producción para CS-01 y CS-02?
El primer paso para responder esta pregunta es darse cuenta de que una disminución de $25 en
el precio de venta de cada mil galones de CS-01 tiene como resultado una disminución
correspondiente en el margen de ganancia de CS-01 de $300 a $275. La pregunta a formularse
es: ¿qué sucede con la solución óptima anterior para CS1 = 70 y CS2 = 90 cuando el coeficiente
de CS1 en la función objetivo disminuye de 300 a 275?
Una forma de contestar esta pregunta es resolver el problema después de cambiar el coeficiente
de CS1 en la función objetivo a 275. Sin embargo, el análisis de sensibilidad le permite responder
ésta y otras preguntas relacionadas sin tener que resolver el problema cada vez que se hace
una pregunta similar.

En el Informe de sensibilidad de Excel, obtenemos el intervalo de sensibilidad de los coeficientes

de objetivo y de los recursos disponibles:
Podemos ver que el intervalo de sensibilidad del coeficiente CS1 es <250, 1000>3. Esto significa
que si todos los demás datos permanecen inalterados y el coeficiente de CS1 de la función
objetivo permanece en el intervalo <250, 1000>, la solución actual de CS1 = 70 y CS2 = 90 sigue
siendo óptima.
Ahora puede responder la pregunta original de cómo cambiar el plan de producción de Case
Chemicals cuando el precio de CS-01 disminuye en $25 por mil galones. Aunque esta
disminución ocasiona que el coeficiente de CS1 disminuya de su valor actual de 300 a 275, este
nuevo valor de 275 está dentro del intervalo <250, 1000>. Por tanto, la solución óptima anterior
sigue siendo óptima, es decir, Case Chemicals no debería cambiar su plan de producción de 70
mil galones de CS-01 y 90 mil galones de CS-02 a la semana. Sin embargo, el margen de
ganancia semanal cambia:
Nuevo margen de ganancia = 275 CS1 + 500 CS2
= 275(70) + 500(90)
= 64 250
Esto es, su margen de ganancia semanal disminuye a $64 250.
Análisis de sensibilidad del coeficiente de la función objetivo para CS2
Puede conducir un análisis similar sobre el coeficiente de ganancia de CS2 del ejemplo,
asumiendo que el coeficiente de CS1 permanece inalterado en su valor original de 300. Considere
el coeficiente de CS2 de la función objetivo como una variable y conociendo el intervalo de
sensibilidad de <150, 600>. Tenemos que, si todos los demás datos permanecen inalterados, la
solución óptima actual CS1 = 70 y CS2 = 90 sigue siendo óptima, siempre que la ganancia por
vender cada mil galones de CS-02 esté dentro del intervalo <150, 600>. El tamaño de este
intervalo indica qué tan sensible es la solución óptima a su coeficiente.
ANÁLISIS DE SENSIBILIDAD DE LOS VALORES DEL LADO DERECHO DE LAS

RESTRICCIONES (RECURSOS DISPONIBLES, RHS)
Usted puede aplicar el análisis de sensibilidad no sólo a los cambios en los coeficientes de la
función objetivo, sino también a los cambios en los valores del lado derecho de las restricciones
(recursos disponibles). Por ejemplo, como gerente de producción de Case Chemicals, puede
estar interesado en cualquiera de las siguientes preguntas.
1. Ante los posibles recortes de presupuesto por parte de la administración superior, usted desea
saber: ¿qué sucede con el margen de ganancia de Case Chemicals si cada uno de los dos
3
El valor minimo del intervalo, se obtiene realizando $F$9 – $H$9 y el valor máximo: $F$9 + $G$9

empleados de tiempo parcial del departamento de mezclado trabaja 10 horas (en vez de 15) a
la semana?
2. Al observar que todas las horas disponibles de mano de obra del departamento de mezclado
se utilizan según el plan de producción actual, ¿se incrementará el margen de ganancia si las
horas disponibles aumentan al hacer que uno de los empleados de tiempo parcial trabaje de
tiempo completo y se prescinde del otro?
3. Como una alternativa a la pregunta 2, ¿en cuánto se incrementaría el margen de ganancia si
se contratara un trabajador adicional de tiempo completo en el departamento de purificación?
Cada una de estas preguntas puede reformularse de la siguiente forma general:
¿Qué le sucede al valor óptimo de la función objetivo de un programa lineal cuando uno de los
valores del lado derecho de una restricción (recursos disponibles) se modifica y los otros datos del
problema permanecen inalterados?
Una forma de responder este tipo de pregunta es solucionar un nuevo problema de programación
lineal en el que se modifique el valor de interés del lado derecho, y todo lo demás sea igual. Sin
embargo, las técnicas presentadas a continuación le permiten responder tales preguntas sin tener
que resolver todo el problema.
Análisis de sensibilidad del valor del lado derecho de la restricción (1): Proceso de
mezclado
De los resultados del Informe de sensibilidad de Excel, puede concluirse que, mientras el valor del
lado derecho de la restricción (1) permanece dentro del intervalo de <140, 500>, la solución
óptima y el margen de ganancia cambian.
El cambio del margen de ganancia total, puede calcularse utilizando el valor del precio sombra, o
precio dual, de la restricción, que es 33,33333.
Esto significa que por cada hora adicional de mano de obra disponible en el departamento de
mezclado por encima del valor actual de 230 y hasta 500 horas, el margen de ganancia
corporativo se incrementa en $33.33.
Observe que el precio sombra de 33,3333 también indica que cada recorte de hora del actual nivel
de 230 hasta 140 tiene como resultado una pérdida de $33.33 en el margen de ganancia.
Con esta información, podemos responder las preguntas planteadas:
1. ¿Qué sucede con el margen de ganancia de Case Chemicals si cada uno de los dos
empleados de tiempo parcial del departamento de mezclado trabaja 10 horas (en vez de 15) a
la semana (es decir, si el valor Id de la restricción (1) disminuye a 220 de su valor actual de
230)?
Como este cambio está dentro del intervalo <140, 500>, cada hora perdida disminuye el
margen de ganancia en el precio sombra:
Utilizando la ecuación:
Nuevo margen de ganancia = (Viejo margen de ganancia) + (Precio sombra) x
(Incremento en horas de mano de obra)
Tenemos:
= 66 000 + 33,3333 x (220 – 230)
= $ 65 667
2. ¿Qué sucede con el margen de ganancia si uno de los empleados de tiempo parcial del
departamento de mezclado trabaja tiempo completo y se prescinde del otro (es decir, el valor
del lado derecho de la restricción (1) se incremento a 240?
Como este cambio está dentro del intervalo <140,500>, el margen de ganancia se incrementa
en la proporción del precio sombra, es decir:
Nuevo margen de ganancia = (viejo margen de ganancia) + (precio sombra) x
(incremento en horas de mano de obra)
= 66 000 + 33,3333 x (240 – 230)
= $66 333,33
Análisis de sensibilidad del valor del lado derecho de la restricción (2): Proceso de
refinación
Usando la misma lógica, descubrirá que, mientras este valor del lado derecho permanezca en el
intervalo <115, 295>, la solución óptima estará determinada por la intersección de las restricciones
(1) y (2). Podemos observar que el precio sombra, o precio dual, del recurso es de 233,33.
Por cada hora adicional de mano de obra disponible en el departamento de purificación arriba del
valor actual de 250 y hasta 295 horas, el margen de ganancia se incrementa en $233,33. De
manera similar, cada recorte de hora del actual nivel de 250 hasta 115 horas tiene como resultado
una pérdida de $233,33 en el margen de ganancia.
Ya podemos responder la pregunta planteada al principio de esta sección, que se repiten aquí:
3. ¿Qué sucede con el margen de ganancia si se contrata un trabajador adicional de tiempo
completo en el departamento de purificación (esto es, si el valor del Iado derecho de la
restricción (2) se incremento a 290 de su valor actual de 250)?
Como este cambio está dentro del intervalo <115, 295>, cada hora ganada incrementa el
margen de ganancia en el precio sombra:
Nuevo margen de ganancia = (viejo margen de ganancia) - (precio sombra) x
(incremento en horas de mano de obra)
= 66 000 + 233,33 x (290 – 250)
= $75 333,33
ANÁLISIS PARAMÉTRICO DE LOS RECURSOS DISPONIBLES (VALORES DEL LADO
DERECHO)
Con el análisis de sensibilidad, usted está preparado para responder ciertas preguntas del tipo
"¿Qué sucede si ... ?', siempre y cuando los cambios en los coeficientes estén dentro del intervalo
de sensibilidad. Sin embargo, ¿qué sucede si esos cambios están fuera del intervalo? Por
ejemplo, como gerente de Case Chemicals, podría enfrentarse con una de las siguientes
preguntas (pero no ambas simultáneamente):
1. ¿Qué sucede con la ganancia semanal si el departamento de mezclado se reduce a dos
trabajadores de tiempo completo y uno de tiempo parcial de 30 horas a la semana?
2. ¿Qué le sucede al margen de ganancia semanal si el departamento de purificación se
amplía a nueve purificadores con nueve trabajadores de tiempo completo?
El primer paso es darse cuenta de que ambas preguntas tienen que ver con cambios en los
valores del lado derecho. Estas preguntas pueden reformularse de la siguiente manera:

1. ¿Qué le sucede al margen de ganancia semanal óptimo si el valor del lado derecho de la
restricción (1) disminuye de su valor actual de 230 a 110 (dos trabajadores de tiempo
completo de 40 horas semanales y uno de tiempo parcial de 30 horas a la semana)?
2. ¿Qué le sucede al margen de ganancia semanal óptimo si el valor del lado derecho de la
restricción (2) se incremento de su valor actual de 250 a 360 (nueve trabajadores de
tiempo completo de 40 horas semanales)?
Observe que el nuevo valor de 120 para el Iado derecho en la pregunta 1 está fuera del intervalo
de sensibilidad <140,500> calculado para la restricción (1). De manera similar, el nuevo valor de
360 para el Iado derecho en la pregunta 2 está fuera del intervalo de sensibilidad <115,295> para
la restricción (2). Para responder las preguntas relativas a los valores del Iado derecho, fuera del
intervalo de sensibilidad, se realiza de nuevo los cálculos con el nuevo valor del lado derecho de
la restricción (1).
En otras palabras, si el número de horas en el departamento de mezclado se reduce a 110, el

margen de ganancia semanal cae de $66 000 a $55 000. Esta información debería usarse junto
con otros factores al tomar una decisión gerencial.
Para responder la pregunta 2, necesita un análisis similar para el valor del lado derecho de la
restricción (2):
En otras palabras, si el número de horas en el departamento de purificación se incremento a 360,

el margen de ganancia semanal se incremento de $66 000 a $76 500. Esta información debería
usarse junto con otros factores al tomar una decisión gerencial. Por ejemplo observe que puede
obtenerse el mismo margen de ganancia de $76 500 si el valor del lado derecho de la restricción
(2) es de 295. La gerencia podría obtener este valor con siete trabajadores de tiempo completo y
uno de tiempo parcial de 15 horas a la semana. Por tanto, tal vez no sea necesario contratar
nueve trabajadores de tiempo completo.
2. ANÁLISIS DE SENSIBILIDAD CON LINDO

Utilizamos el software LINDO para resolver el modelo matemático:

Obtenemos el siguiente resultado:
Con los resultados, podremos realizar un análisis similar al realizado con los Informes de Excel.
3. ANÁLISIS DE SENSIBILIDAD CON WinQSB

Al usar el software WinQSB, obtendríamos el siguiente reporte:

De manera similar al análisis con Excel, podemos trabajar con el reporte de WinQSB.
CONCLUSIÓN
En esta sección, usted ha aprendido a preguntar y contestar preguntas relativas a qué tan
sensibles son la solución óptima y el valor de la función objetivo en uno de los coeficientes de la
función objetivo o en valores del lado derecho. Tales preguntas son de particular importancia para
gerentes que deben tomar decisiones cuando los datos para un problema están sujetos a cambios
o incertidumbre.
REFERENCIA BIBLIOGRÁFICA
Kamlesh Mathur, Daniel Solow, INVESTIGACIÓN DE OPERACIONES, Edit.Prentice hall
Hispanoamericana S.A., México, 1996.
EL PROBLEMA DE PLANEACIÓN DE PRODUCCIÓN DEL SINDICATO

MINERO PACOCOCHA
Leyes
Costo Tonelaje a
Vetas Ag
(onz/ton)
10 de mayo 16 1,15 9,0 Xm
Otros datos que debemos considerar son: el precio de la plata: $ 20,0 /ton; precio del plomo 0,70
$/lb; capacidad de la planta concentradora: 95 ton/día.
veta.
Formulación matemática del modelo
Sujeto a:
Xc + Xm <= 95
- Xc + 5 Xm >= 0

- Xc + 2 Xm <= 0
Xc y Xm >= 0
Fuente: Selvino Paz, “PERT – CPM una alternativa en problemas mineros”, UNI, Lima Perú,
Conceptos Básicos en Análisis de Sensibilidad

El Análisis de Sensibilidad se utiliza para examinar los efectos de cambios en tres áreas
diferenciadas del problema:
4. Los coeficientes de la función objetivo (Coeficiente Objetivo). Los cambios en los
coeficientes objetivo NO afectan la forma de la región factible, por lo que no afectaran a la
solución optima (aunque si al valor de la función objetivo).
5. Los coeficientes tecnológicos (aquellos coeficientes que afectan a las variables de las
restricciones, situados a la izquierda de la desigualdad). Los cambios en estos
coeficientes provocaran cambios sustanciales en la forma de la región factible.
6. Los recursos disponibles (los términos independientes de cada restricción, situados a la
derecha de la desigualdad). Intuitivamente (para 2 variables), los cambios en el RHS
suponen desplazamientos paralelos de las rectas asociadas a las restricciones, lo cual
hará variar la forma de la región factible y, con ello, a la solución optima.
ANÁLISIS DE SENSIBILIDAD CON EXCEL

El primer paso será plantear el modelo en la hoja de cálculo:
Activando la función Solver de Excel, tendremos:

Activemos Adoptar modelo lineal en la ventana Opciones de Solver:
Haciendo clic en el botón Resolver, obtendremos la ventana Resultados de Solver, donde

elegiremos Respuesta y Sensibilidad en Informes:
Excel nos dará el siguiente Informe de respuestas:

Una vez identificados los componentes del informe, su interpretación es casi inmediata:
La veta Colquechaca debe producir 63,33 ton de mineral y la veta 10 de mayo 31,67 ton; para una
ganancia máxima de $ 18 446,15.
Después de formular y resolver un problema de programación lineal, un gerente debe hacerse un
numero de preguntas importantes de la forma: “¿Qué sucede si …..?”. Por ejemplo:
1. ¿Qué le sucede a la solución óptima y al valor de la función objetivo correspondiente si un
coeficiente particular de la función objetivo se modifica? Por ejemplo, supongamos que,
debido a una sobreoferta de plata en el mercado mundial la cotización de la plata baja a $
10,0 /onz. Este cambio disminuye el coeficiente de ganancia de Xc de $126,9 a $ $86,9 y Xm
de $328,71 a $ 168,71. ¿Cómo afecta este cambio en el coeficiente de la función objetivo el
plan de producción?
2. ¿Qué sucede con la solución óptima y con el valor de la función objetivo correspondiente si se
modifica un valor particular del extremo derecho de las restricciones? Por ejemplo, durante
un mes existen problemas con el área de molienda de la planta concentradora y solo trabaja
al 80% de su capacidad total. Este cambio reduce la capacidad de la planta de 95 ton/día a
76 ton/día. ¿Cómo afecta este cambio en el valor del extremo derecho de la capacidad de la
planta concentradora el plan de producción y la ganancia óptima?
Estas preguntas tienen que ver con el tópico del análisis de sensibilidad. Usted, gerente, se
pregunta qué tan sensibles son la solución óptima y el valor de la función objetivo con respecto a
los cambios en los datos del problema, es decir, los coeficientes en la función objetivo y las
restricciones. ¿Qué tanto impacto tendrá en la solución un cambio en cualquiera de los datos?
Estas preguntas de sensibilidad son importantes para un gerente porque los datos del problema a
menudo tienen que estimarse y por tanto están sujetos a inexactitudes. Antes de implantar la
solución obtenida de un programa lineal, es ventajoso para el gerente saber lo que podría suceder
si las estimaciones de los datos son ligeramente inexactas. El análisis de sensibilidad indica qué
coeficientes afectan más significativamente la solución óptima.
Para dicho análisis, Excel también nos proporcionará el Informe de sensibilidad:

Podemos utilizar el informe de sensibilidad, adjuntando algunos cálculos:
Análisis de sensibilidad de los coeficientes de la función objetivo

Análisis de sensibilidad de los coeficientes de la función objetivo para Xc y Xm
Basándose en la solución óptima obtenida, la veta Colquechaca ha estado produciendo 63,33 ton
de mineral y la veta 10 de mayo 31,67 ton.
Debido a una sobreoferta de plata en el mercado mundial la cotización de la plata baja a $ 10,0
/onz. ¿Cómo debería cambiar el plan de producción para las vetas Colquechaca y 10 de mayo?
El primer paso para responder esta pregunta es darse cuenta de que una disminución de $10 en
la cotización de la plata tiene como resultado una disminución correspondiente en el margen de
ganancia de la veta Colquechaca de $126,9 a $ $86,9 y de $328,71 a 168,71 en la veta 10 de
mayo. La pregunta a formularse es: ¿qué sucede con la solución óptima anterior para Xc = 63,33
y Xm = 31,67 cuando el coeficiente de Xc en la función objetivo disminuye de 126,9 a 86,9 y el
coeficiente Xm disminuye de $328,71 a $ 168,71?.
Una forma de contestar esta pregunta es resolver el problema después de cambiar el coeficiente
de Xc y Xm en la función objetivo a 86,9 y 168,71. Sin embargo, el análisis de sensibilidad le
permite responder ésta y otras preguntas relacionadas sin tener que resolver el problema cada
vez que se hace una pregunta similar.
En el Informe de sensibilidad de Excel, podemos ver que el intervalo de sensibilidad del
coeficiente Xc es [-164,355 , 328,71] y el intervalo de sensibilidad del coeficiente Xm es [126,9 ,
M]. Esto significa que si todos los demás datos permanecen inalterados, entonces mientras el
coeficiente de Xc de la función objetivo permanezca en el intervalo [-164,355 , 328,71] y el

coeficiente Xm en el intervalo [126,9 , M] , la solución actual de Xc = 63,33 y Xm = 31,67 sigue

siendo óptima. El valor de la función objetivo en este punto, sin embargo, cambia. El tamaño de
este intervalo indica qué tan sensible es la solución óptima a su coeficiente. Por ejemplo, un
intervalo para Xc de [110,5, 150,5] indicaría que la solución óptima es más sensible a un cambio
en este coeficiente de función objetivo que el intervalo anterior de [-164,355 , 328,71].
Ahora puede responder la pregunta original de cómo cambiar el plan de producción de Pacococha
cuando el precio de la plata disminuye en $10 por onza. Aunque esta disminución ocasiona que el
coeficiente de Xc disminuya de su valor actual de $126,9 a $86,9, este nuevo valor de 86,9 está
dentro del intervalo [-164,355 , 328,71] calculado en el análisis de sensibilidad; de la misma
manera el nuevo valor de 168,71 para el coeficiente Xm está dentro del intervalo [126,9 , M]. Por
tanto, la solución óptima anterior sigue siendo óptima, es decir, la veta Colquechaca debe producir
63,33 ton de mineral y la veta 10 de mayo 31,67 ton.
Sin embargo, el margen de ganancia cambia:
Nuevo margen de ganancia = 86,9 Xc + 168,71 Xm
= 86.9 (63,33) + 168.71(31,67)
= 10 846,42
Esto es, su margen de ganancia disminuye a $7 599,73.
Conclusión: Si todos los demás datos permanecen inalterados, la solución óptima actual Xc =
63,33 y Xm = 31,67 sigue siendo óptima, siempre que las variaciones de los coeficientes estén
dentro de los intervalos proporcionados por el análisis de sensibilidad. El tamaño de este intervalo
indica qué tan sensible es la solución óptima a su coeficiente.
Análisis de sensibilidad de los valores del lado derecho (recursos)
Usted puede aplicar el análisis de sensibilidad no sólo a los cambios en los coeficientes de la
función objetivo, sino también a los cambios en los valores del lado derecho de las restricciones
(recursos). Por ejemplo, como gerente de producción de Pacococha, puede estar interesado en
cualquiera de las siguientes preguntas.
4. Ante la existencia de problemas en el área de molienda de la planta concentradora que viene
trabajando al 80% de su capacidad total. Y por ende la reducción de la capacidad de la planta
de 95 ton/día a 76 ton/día. ¿en cuanto disminuirá el margen de ganancia?
Podemos formular la pregunta de la siguiente forma general:
¿Qué le sucede al valor óptimo de la función objetivo de un programa lineal cuando uno de los
valores del lado derecho de una restricción se modifica y los otros datos del problema
permanecen inalterados?
Una forma de responder este tipo de pregunta es solucionar un nuevo problema de programación
lineal en el que se modifique el valor de interés del lado derecho, y todo lo demás sea igual. Sin
embargo, las técnicas presentadas a continuación le permiten responder tales preguntas sin tener
que resolver todo el problema.
Análisis de sensibilidad del valor del lado derecho de la restricción
De los resultados del Informe de sensibilidad de Excel, puede concluirse que, si no cambian otros
datos del problema, entonces, mientras el valor del lado derecho de la restricción (1) permanece
dentro del intervalo de [0 , M], la solución óptima sigue siendo la misma. Sin embargo, incluso
dentro de este intervalo, los valores específicos de las variables en la solución óptima cambian.
Hasta ahora usted ha visto cómo cambia la solución óptima. Como gerente de Pacococha
también debería estar interesado en lo que le sucede a la ganancia total, esto es, lo que le sucede
al valor de la función objetivo en la solución óptima al cambiar el valor Id de la restricción (1).
Podemos observar que el precio sombra, o precio dual, del recurso es de 194,17.
Esto significa que por cada tonelada adicional de capacidad de planta concentradora disponible
por encima del valor actual de 95 el margen de ganancia corporativo se incrementará en $194,17.
Observe que el precio sombra de 194,17 también indica que cada recorte de hora del actual nivel
de 95 tiene como resultado una pérdida de $194,17en el margen de ganancia.

Conociendo el precio sombra de la restricción, ya puede responder la pregunta planteada:

Nuevo margen de ganancia = (viejo margen de ganancia) + (precio sombra)*
(incremento en toneladas de capacidad de tratamiento)
= 18 446,15 + 194,17(76 - 95)
= $14 756,92
Análisis paramétrico de los valores del lado derecho
Con el análisis de sensibilidad, usted está equipado para responder ciertas preguntas del tipo
"¿Qué sucede si ... ?', siempre y cuando los cambios en los coeficientes estén dentro del
intervalo de sensibilidad. Sin embargo, ¿qué sucede si esos cambios están fuera del intervalo?.
Para responder preguntas relativas a los valores del Id fuera del intervalo de sensibilidad, se
realiza cálculos con el nuevo valor del ld de la restricción.
ANÁLISIS DE SENSIBILIDAD CON LINDO
Con el software LINDO obtendríamos el siguiente resultado:
Con los resultados, podremos realizar una análisis similar al realizado con los Informes de Excel.
ANÁLISIS DE SENSIBILIDAD CON WinQSB

Al usar el software WinQSB, obtendríamos el siguiente reporte:

De manera similar al análisis con Excel, podemos trabajar con el reporte de WinQSB.
CONCLUSIÓN
En esta sección, usted ha aprendido a preguntar y contestar preguntas relativas a qué tan
sensibles son la solución óptima y el valor de la función objetivo en uno de los coeficientes de la
función objetivo o en valores del lado derecho. Tales preguntas son de particular importancia para
gerentes que deben tomar decisiones cuando los datos para un problema están sujetos a cambios
o incertidumbre.
REFERENCIA BIBLIOGRÁFICA
Kamlesh Mathur, Daniel Solow, INVESTIGACIÓN DE OPERACIONES, Edit.Prentice hall
Hispanoamericana S.A., México, 1996.
EJEMPLOS DE ANÁLISIS DE SENSIBILIDAD USANDO SOFTWARE

1. Steel Company produce tres tamaños de tubos: A, B y C, que son vendidos, respectivamente
en $10, $12 y $9 por pie. Para fabricar cada pie del tubo A se requieren 0,5 minutos de tiempo
de procesamiento sobre un tipo particular de maquina de modelado. Cada pie de tubo B
requiere 0,45 minutos y cada pie del tubo C requiere 0,6 minutos. Después de la producción,
cada pie de tubo, sin importar el tipo, requiere 1 onza de material de soldar. El costo total se
estima en $3, $4 y $4 por pie de los tubos A, B y C, respectivamente.
Para la siguiente semana, MTV Steel ha recibido pedidos excepcionalmente grandes que
totalizan 2000 pies del tubo A, 4000 pies del tubo B y 5000 pies del tubo C. Como solo se
dispone de 40 horas de tiempo de maquina esta semana y solo se tienen en inventario 5500
onzas de material de soldar, el departamento de producción no podrá satisfacer esta
demanda, que requiere un total de 97 horas de tiempo de maquina y 11000 onzas de material
de soldar. No se espera que continúe este nivel de demanda. En vez de expandir la capacidad
de las instalaciones de producción, la gerencia de MTV Steel esta considerando la compra de
algunos de estos tubos a proveedores de Japón a un costo de entrega de $6 por pie de tubo
A, $6 por pie de tubo B y $7 por pie del tubo C. estos diversos datos se resumen en la tabla.
Como gerente del departamento de producción, se le ha pedido hacer recomendaciones
respecto a la cantidad de producción de cada tipo de tubo y la cantidad de compra a Japón
para satisfacer la demanda y maximizar las ganancias de la compañía.
TIPO PRECIO DE DEMANDA TIEMPO DE MATERIAL COSTO DE COSTO DE

VENTA (pie) MAQUINA PARA PRODUCCIÓN COMPRA
($/pie) (min/pie) SOLDAR ($/pie) ($/pie)
(oz/pie)

A 10 2 000 0,50 1 3 6
B 12 4 000 0,45 1 4 6
C 9 5 000 0,60 1 4 7
Cantidad disponible 40 5 500 oz
El modelo matemático para el problema es:
Maximizar ganancia = 7AP + 8BP + 5CP + 4AJ + 6BJ + 2CJ
Dependiendo de:
Restricciones de demanda
AP + AJ = 2 000 (demanda A)
BP + BJ = 4 000 (demanda B)
CP + CJ = 5 000 (demanda C)
Restricciones de recursos
0,5AP + 0,45BP + 0,6CP <= 2 400 (tiempo de maquina)
AP + BP + CP <= 5 500 (material para soldar)
Restricciones lógicas
AP, BP, CP, AJ, BJ, CJ >= 0
Utilice el software WinQSB para responder a las preguntas siguientes:
a) ¿Cuál es el plan de producción/adquisición óptimo para la MTV Steel?
MTV Steel debe producir 2,000 pies de tubo A y 2,333.33 pies de tubo C; debe comprar de sus
proveedores del Japón 4,000 pies de tubo B y 2,666,67 pies de tubo C para cumplir con sus pedidos.
La venta de estos productos le va a reportar $ 55,000 de ganancia.
4
b) ¿Cuáles de las dos restricciones de recursos son acotantes ?
4
Acotante es sinónimo de limitante.
Solo la restricción para el recurso tiempo de máquina es limitante, debido a que su variable de
holgura (Snack o Surplus) tiene valor de cero.
c) Si pudiera obtener mas material para soldar o mas tiempo de maquina, pero no ambas cosas,
¿Cuál escogería? Explique.
Escogería el tiempo de máquina, pues es un recurso limitado, mientras que aún tenemos 1 666,67
onzas de material para soldar.
d) Los japoneses acaban de aumentar el precio de sus tubos tipo C de $7 a $8 por pie. ¿de que
manera cambia el plan de producción/adquisición actual? (Si no puede hacerlo, obtenga la
respuesta resolviendo un modelo apropiadamente modificado).
El incremento del precio, disminuye nuestra ganancia en el tubo C comprado a $1,0, cuyo valor
queda fuera del intervalo de sensibilidad <1.4 – 2.333>. Se debe volver a resolver el problema con
las nuevas condiciones:
El nuevo plan de producción optimo es producir 4,000 pies de tubo C y comprar de sus proveedores
del Japón 2,000 pies de tubo A; 4,000 pies de tubo B y 1,000 pies de tubo C para cumplir con sus
pedidos. La venta de estos productos le va a reportar una ganancia de $ 53,000
e) La compañía desea aumentar sus ganancias a $ 57 500. ¿Cuántas horas mas de tiempo
maquina se necesitan para lograr este objetivo? (Si no puede hacerlo, obtenga la respuesta
resolviendo un modelo apropiadamente modificado).
Nuevo margen de ganancia = (viejo margen de ganancia) + (precio sombra) x (incremento en horas
de mano de obra)
(incremento en horas de mano de obra) = [(nuevo margen de ganancia) – (viejo margen de
ganancia)]/(precio sombra)
incremento en horas de mano de obra = ($57,500 - $55,000)/$5,0/h) = 500 min = 8,33 h.
Comprobando con el software tenemos:

2. HiDec produce dos modelos de artículos electrónicos, donde se usan resistores, capacitores y
chips. La tabla siguiente es un resumen de lo datos de este caso.
Requerimientos del recursos por unidad
Recurso Modelo I Modelo 2 Disponibilidad
(unidades) (unidades) máxima (unidades)
Resistor 2 3 1 200
Capacitor 2 1 1 000
Chips 0 4 800
Utilidad ($) 3 4
El modelo matemático es el siguiente:

Maximizar 3M1 + 4M2
Sujeto a:
2M1 + 3M2 <= 1 200 (disponibilidad de resistores)
2M1 + M2 <= 1 000 (disponibilidad de capacitores)
4M2 <= 800 (disponibilidad de chips)
M1, M2 >= 0
Utilice el software WinQSB para responder a las preguntas siguientes:
a. Determine la solución óptima con WinQSB
HiDec debe producir 450 unidades de M1 y 100 unidades de M2 para obtener una ganancia de S/. 1
750,00.

b. En función de la utilidad óptima, determine el valor de un resistor. De un capacitor. De un

chip.
El valor de los elementos está determinado por el precio sombra de cada uno de ellos, para un
resistor es S/. 1,25, para un capacitor S/. 0,25 y para un chip es 0.
c. Si la cantidad disponible de resistores aumenta a 1 300 unidades, ¿Qué sucede?
Podemos observar que el recurso resistor posee un intervalo de <1 000, 1 400> y 1 300 se
encuentra dentro del rango, por lo tanto, podemos calcular la variación de la ganancia óptima:
(Nuevo valor de z) = (valor original de z) + (precio sombra) x (cambio en el valor del lado derecho)
z = 1 750,00 + (1,25) x (1 300-1 200) = S/. 1 875,0
d. Si se reduce la cantidad de chips disponible a 350 unidades, ¿Podría usted determinar la
solución óptima nueva en forma directa a partir de la información? Explique por qué.
El valor de 350 no se encuentra dentro del intervalo <400, M>, por lo tanto, debemos volver a
calcular la producción óptima con el nuevo valor.
Con el cambio de valor del recurso chips, HiDec debe producir 456 unidades de M1 y 87 unidades
de M2 para obtener una ganancia de S/. 1 716,0.
e. Si la disponibilidad de los capacitores se limita por el intervalo de aplicabilidad calculado
en b), determine el intervalo correspondiente de utilidad óptima y los intervalos
correspondientes de la cantidad de unidades a producir de los modelos 1 y 2 .
Para responder, utilizaremos el análisis paramétrico de WinQSB

Del gráfico, podemos deducir que para el intervalo de los capacitores <800, 1 200>, el intervalo del
margen de ganancia es <1 700, 1 800>.
Para calcular el valor los intervalos correspondientes a la cantidad de unidades a producir de los
modelos 1 y 2, realizaremos nuevos cálculos son los valores extremos del intervalo <800, 1 200>:
El intervalo para M1 será <300, 600> y para M2 <0, 200>.

f. Un nuevo contratista ofrece vender a HiDec mas resistores a 40 centavos cada uno, pero
solo si HiDec compra un mínimo de 500 unidades. ¿debe aceptar la oferta HiDec?
Volvemos a calcular con 1 700 resistores:

Observamos que la ganancia se incrementa en S/. 250,0 (2 000,0 – 1 750,0) y el gasto sería de S/.
200,0 (500 unidades x $0,4/unidad), por lo tanto, es recomendable realizar la compra.
3. Toyco arma tres juguetes: trenes, camiones y coches, con tres operaciones. Los límites de
tiempo disponible para las tres operaciones son 430, 460 y 420 minutos, respectivamente, y
las utilidades por tren, camión y coche de juguete son $3, $2 y $5, respectivamente. Los
tiempos de armado por tren, en las tres operaciones son 1, 3 y 1 minutos, respectivamente.
Los tiempos respectivos por camión y por coche son (2, 0, 4) y (1, 2, 0) minutos (un tiempo de
cero indica que no se usa la operación). Si x1, x2 y x3 representan la cantidad diaria de
unidades armadas de trenes, camiones y coches. El modelo matemático formulado será:
Maximizar z = 3x1 + 2x2 + 5x3
Sujeto a:
x1 + 2x2 + x3 <= 430 (Operación 1)
3x1 + 2x3 <= 460 (Operación 2)
x1 + 4x2 <= 420 (Operación 3)
x1, x2, x3 >= 0
a) Determine la solución óptima del problema usando WinQSB.
Toyco debe producir 100 unidades de camiones y 230 unidades de coches para obtener una
ganancia de S/. 1 350,00.
b) Si usted pudiera redistribuir la capacidad en exceso de la operación 3 de 20 minutos, ¿Cuál
de las dos operaciones (1 ó 2) escogería?
Los minutos no utilizados en la operación 3 son 20 minutos, el valor de los mismos es:
Operación 1 = 20 minutos x $1/minuto = $20
Operación 2 = 20 minutos x $2/minuto = $40
Asignaría los 20 minutos a la operación 2, lo que permitiría aumentar mi margen de ganancia en
$40,0.

c) Suponga que para los trenes de juguete el tiempo por unidad de operación 2 se puede
reducir de 3 minutos a cuando mucho 1,25 minutos. ¿Cuánto debe reducirse el tiempo por
unidad de la operación 1 para hacer que los trenes de juguete sean apenas rentables?
La variación sucede en el lado izquierdo de la restricción 2, observemos el nuevo modelo
planteado y su solución:
El plan de producción óptimo y el margen de ganancia se mantienen; el coeficiente 1 de la

restricción 1 (operación 1) lo haremos variar, hasta que la solución nos reporte producción de
trenes:
Tiempo por Unidades de Unidades de Unidades de Margen de

unidad de trenes camiones coches ganancia
operación 1
0,9 0 100 230 1 350,0
0,8 0 100 230 1 350,0
0,7 0 100 230 1 350,0
0,6 0 100 230 1 350,0
0,5 0 100 230 1 350,0
0,4 13,7931 101,5517 221,379 1 351, 379
Acercamos el valor del tiempo a 0,5 (0,4999999), para hallar la nueva producción óptima.

Toyco puede producir 16 unidades de trenes, 101 unidades de camiones y 220 unidades de
coches para obtener una ganancia de S/. 1 350,00, cuando el tiempo por unidad de operación 2
se reduzca a 1,25 minutos y el tiempo por unidad de operación 1 sea menor de 0,5 minutos.
d) Suponga que Toyco estudia la posibilidad de introducir un cuarto juguete: carro de
bomberos. En el armado no se usa la operación 1. Sus tiempos de armado por unidad en las
operaciones 2 y 3, son 1 y 3 minutos respectivamente. La utilidad por unidad es $4.
¿Aconsejaría usted a Toyco que introdujera este nuevo producto?
El nuevo modelo matemático será:
Maximizar z = 3x1 + 2x2 + 5x3 + 4x4
Sujeto a:
x1 + 2x2 + x3 <= 430 (Operación 1)
3x1 + 2x3 + x4 <= 460 (Operación 2)
x1 + 4x2 + 3x4 <= 420 (Operación 3)
x1, x2, x3, x4 >= 0
La solución del modelo matemático con WinQSB, nos reporta:
La diferencia de utilidades es solo S/. 10,0. No aconsejaría la introducción del nuevo producto,
e) Suponga que todo tiempo adicional para la operación 1, respecto a su capacidad actual de
430 minutos diarios, se debe hacer en tiempo extra, a $50 por hora. El costo por hora
incluye tanto la mano de obra como el funcionamiento de la maquina. ¿hay ventajas
económicas de recurrir al tiempo extra para la operación 1?
Del análisis paramétrico de la restricción 1 (operación 1):

Solo habrá incremento en el margen de ganancia de S/.10 (S/.1 350 a S/.1 360), incrementando los
minutos de 430 a 440; luego así se incrementen más minutos, no habrá incremento en el margen
de ganancia (ver gráfica).
f) Suponga que el trabajador de la operación 2 conviene en trabajar 2 horas de tiempo
extraordinario diarias a $45 por hora. Además el costo de la operación misma es $ 10 por
hora. ¿Cuál es el efecto de esta actividad sobre la utilidad diaria?
En la operación 2, con el incremento de 2 horas extras o sea 120 minutos, el total sería de 580
minutos que se encuentra dentro del intervalo <440, 860>, por lo tanto el incremento en las
ganancias sería de $2 x 240 = $480,0 y los gastos serían de 2 x ($45,0 + $10,0) = $110,0, dando
un saldo positivo de $370 ($480 - $110).
g) ¿Vale la pena usar tiempo extra para la operación 3?
El análisis paramétrico para la operación 3 es:

Observamos que el margen de ganancia no se incrementa, a pesar de incrementar los minutos de

operación, por lo tanto no vale la pena usar tiempo extra.
h) Suponga que aumenta la disponibilidad diaria de la operación 1 a 440 minutos. Todo tiempo
extra incurrido en exceso de la capacidad máxima actual costara $40 por hora. ¿Qué sucede
con la solución optima hallada?
Analizando el reporte de análisis paramétrico para la operación 1:
El nuevo margen de ganancia es de $1 360,0, $10 más que el anterior; los 10 minutos adicionales
cuestan $6,67, tendríamos un incremento de ganancia efectivo de $3,33.
i) Suponga que disminuye la disponibilidad de la operación 2 en 15 minutos diarios, y que el
costo por hora de la operación durante el tiempo normal es $30. ¿Vale la pena disminuir la
disponibilidad de la operación 2?
La disminución a 445 minutos, está dentro del intervalo <440, 860>, por lo tanto una disminución
de 15 minutos nos disminuiría el margen de ganancia en $2 x 15 = $30,0, de la misma manera el
ahorro sería de $7,5, ocasionando una pérdida de $22,5. No vale la pena disminuir la disponibilidad
de la operación 2.
4. Cauchos Perú, fabrica tres productos de caucho: Airtex (material esponjoso), Extendex
(material elástico) y Resistex (material rígido). Los tres productos requieren los mismos tres
polímeros químicos y una base. La cantidad de cada ingrediente usada por libra del producto
final se muestra en a tabla:
PRODUCTO Ingrediente (oz/lb de producto)
Polímero A Polímero B Polímero C Base
Airtex 4 2 4 5
Extendex 2 2 3 8

Resistex 5 3 5 2
Cauchos Peru, tiene el compromiso de producir al menos 1200 libras de Airtex, 500 libras de
Extendex y 300 libras de Resistex para la próxima semana, pero la gerencia de la compañía
sabe que puede vender mas de cada uno de los tres productos. Los inventarios actuales de
los ingredientes son 500 libras del polímero A, 425 libras del polímero B, 650 libras del
polímero C y 1100 libras de la base. Cada libra de Airtex produce a la compañía una ganancia
de $/.7, cada libra de Extendex una ganancia de $6,5 y cada libra de Resistex una ganancia
de $6.
El modelo matemático planteado es:
Maximizar ganancia = 7A+ 6,5E + 6R
Sujeto a:
Restricciones de recursos
4A + 2E + 5R <= 8 000 (polímero A en onzas)
2A + 2E + 3R <= 6 800 (polímero B en onzas)
4A + 3E + 5R <= 10 400 (polímero C en onzas)
5A + 8E + 2R <= 17 600 (base en onzas)
Restricciones de demanda
A >= 1 200 (Airtex en libras)
E >= 500 (Extendex en libras)
R >= 300 (Resistex en libras)
A, E, R >= 0
Utilice el resultado del uso de software, Solver de Excel para responder a las siguientes
preguntas:
a. ¿Cuál es el plan de producción óptimo?

Cauchos Perú debe producir 1 200 lb de Airtex, 850 lb de Extendex y 300 lb de Resistex. La venta
de estos productos le va a reportar $ 15 725 de ganancia.
b. ¿Cuáles de las cuatro restricciones son acotantes?

Solo la restricción para el recurso polímero A es limitante, debido a que su variable de holgura
(Snack o Surplus) tiene valor de cero.
c. Si usted pudiera obtener cantidades adicionales de únicamente uno de los tres polímeros
¿Cuál de ellos recomendaría? Explique.
Solicitaría cantidades adicionales del polímero A.
d. La compañía desea aumentar sus ganancias a $18 000 adquiriendo más cantidad del
polímero A ¿Cuánto mas del polímero A se necesita? Explique.
Nuevo margen de ganancia = (viejo margen de ganancia) + (precio sombra) x (incremento en
polímero A)
(incremento en polímero A) = [(nuevo margen de ganancia) – (viejo margen de ganancia)]/(precio
sombra)
incremento en polímero A = ($18,000 - $15,725)/$3,25/oz) = 700 oz..
Comprobando con el software tenemos:

e. Si la demanda de Airtex aumenta en 2%, ¿Cuál es el nuevo plan de producción óptimo?

Explique
La demanda de Airtex, seria 1224 lb,
f. ¿Qué coeficiente o coeficientes de ganancia podrían duplicarse, mientras se mantienen

fijos todos los demás coeficientes, sin que se afecte el plan de producción optimo?
Explique.
En el producto Airtex, sí duplicamos la ganancia de $7 a $14, este nuevo valor sale del rango de
variación de coeficiente de ganancia de [0 , 13].
En el producto Extendex, sí duplicamos la ganancia de $6,5 a $13, este nuevo valor se encuentra
dentro del rango de variación de coeficiente de ganancia de [3,5 , M].
En el producto Resistex, sí duplicamos la ganancia de $6 a $24, este nuevo valor se encuentra
dentro del rango de variación de coeficiente de ganancia de [0 , 16,25].
En conclusión, podemos duplicar el coeficiente de ganancia de Extendex y Resistex.
g. La ganancia de Extendex acaba de disminuir en 20%. ¿Cuál es el nuevo plan de

producción y la ganancia total? Explique.
La nueva ganancia en el producto Extendex, sería de $5,2, este nuevo valor esta dentro del rango
de variación de coeficiente de ganancia de [3,5 ,M]. Por lo tanto, se conserva el plan de
producción obtenido, con la ganancia de $ 14 620.
h. El compromiso de producir 300 lbs de Resistex acaba de caer en 10%. ¿Qué le sucede a
la ganancia optima? Explique
Cauchos Perú debe producir 1 200 lb de Airtex, 500 lb de Extendex y 270 lb de Resistex. La venta
de estos productos le va a reportar $ 13 270 de ganancia.
5. Mobil Oil del Peru, obtiene tres tipos de petróleo crudo de sus pozos de Talara, Loreto y
Ucayali. La gasolina obtenida de estos petróleos crudos se mezcla con dos aditivos para
obtener el producto final. Estos petróleos crudos y aditivos contienen azufre, plomo y fósforo,
como se muestra en la tabla. El costo de cada componente también se presenta. Debido a los
residuos e impurezas, cada galón de petróleo crudo de Talara resulta solo en 0,40 de galón de
producto final, que contiene 0,07% de azufre. De manera similar, cada galón de crudo de
Loreto produce 0,50 de galón de producto final que contiene 0,08% de sulfuro y cada galón de
crudo de Ucayali resulta en 0,30 de galón de producto final que contiene 0,10 de azufre. La
gerencia ha establecido las siguientes especificaciones para controlar las cantidades de
azufre, plomo y fósforo:
a. Cada galón debe tener a lo más 0,07% de azufre.
b. Cada galón debe tener entre 1,25 y 2,5 gramos de plomo.
c. Cada galón debe tener entre 0,0025 y 0,0045 gramos de fósforo.
d. La cantidad total de aditivos no puede exceder de 19% de la mezcla.
Petróleos crudos Aditivos
Talara Loreto Ucayali 1 2
Azufre (%) 0,07 0,08 0,10 - -

Plomo (g/gal) - - - 7 6
Fósforo (g/gal) - - - 0,025 0,02
Costo 8$/gal) 0,55 0,47 0,33 0,08 0,12
Minimizar 0,55T + 0,47L + 0,33U + 0,08A1 + 0,12A2
Sujeto a:
Restricciones de producción
0,35T + 0,40L + 0,30U + A1 + A2 = 1
Restricciones de composición de mezclado
0,000245T + 0,00032L + 0,0003U <= 0,0007 (azufre)
7A1 + 6A2 <= 2,50 (limite superior en
plomo)
7A1 + 6A2 >= 1,25 (limite inferior en
plomo)
0,025A1 + 0,02A2 <= 0,0045 (limite superior en fósforo)
0,025A1 + 0,02A2 >= 0,0025 (limite inferior en fósforo)
A1 + A2 <= 0,19 (limite superior en
aditivos)
T, L, U, A1, A2 >= 0
Utilice el resultado del uso de software WinQSB para responder a las siguientes preguntas:

Mobil Oil del Perú debe mezclar 1,375 gal de petróleo crudo de sus pozos de Loreto con 0,8667 gal
de petróleo crudo de sus pozos de Ucayali con 014 gal de Aditivo 1 y 0,05 gal de Aditivo 2. Con un
costo de 0,9495 $/gal de producto final.
b. Identifique que ingredientes (azufre, plomo y fósforo) están en su límite permitido.
Los elementos que están en sus límites permisibles son: Azufre y Fósforo en su límite superior.
c. Analice el efecto de los aumentos y disminuciones individuales en los costos de los tres
petróleos crudos antes de que las cantidades actuales de los ingredientes deban cambiarse.
El precio del petróleo crudo procedente de Talara, puede fluctuar en el rango de [0,424, M] y no
alterarse la mezcla optima, si los otros precios no varían.
El precio del petróleo crudo procedente de Loreto, puede fluctuar en el rango de [0,4400 – 0,5657]
y no alterarse la mezcla optima, si los otros precios no varían.
El precio del petróleo crudo procedente de Ucayali, puede fluctuar en el rango de [0,1146 – 0,3525]
y no alterarse la mezcla optima, si los otros precios no varían.
d. Explique el impacto de los cambios en el contenido máximo de azufre sobre el costo de la
mezcla óptima.
e. Proporcione la mezcla óptima y el costo asociado si el precio del petróleo crudo Ucayali
aumenta en 10%.
f. Proporcione la mezcla óptima y el costo asociado si el límite sobre la cantidad total de

aditivos disminuye de 19% a 15%.
6. La comunidad de Ichu tiene 50 Has. De tierra en la que se puede plantar cualquier cantidad de
maíz, cebolla y lechuga. La siguiente tabla muestra la información relevante con respecto a la
producción, la ganancia neta y los requerimiento de agua para cada cultivo:
CULTIVO PRODUCCIÓN GANANCIA NETA AGUA

(Kg/Ha) (S/./Kg) REQUERIDA
(litros/kg)
Maíz 640 1,0 8,75
Cebolla 500 0,8 5,00
Lechuga 400 0,6 2,25
Dado que se tienen disponibles 100 000 litros de agua y que la comunidad se ha
comprometido a vender al menos 5 120 kg de maíz, se desarrollo el siguiente programa lineal,
en el que CN es el numero de Has. Que se van a plantar con maíz, SB es el numero de Has.
Que se van a plantar con cebolla y LT es el número de Has que se van a plantar con lechuga:
Maximizar 640 CN + 400SB + 240LT
Sujeto a:
CN + SB + LT <= 50 (tierra)
5600CN + 2500SB + 900LT <= 100 000 (agua)
CN >= 8 (demanda de maíz)
CN, SB, LT >= 0
a. ¿Cuántos kilogramos de cada cultivo serán cosechados?

Maíz = 8 Ha x 640 kg/Ha = 5 120 kg.

Cebolla = 10,875 Ha x 500 kg/Ha = 5 437,50 kg.
Lechuga = 31,125 Ha x 400 kg/Ha = 12 450 kg.
b. En la solución optima cuanta agua y cuanta tierra no se utilizan? Explique
Agua = Se utiliza el 100% del recurso, pues el Slack o Surplus es 0.
Tierra = Se utiliza el 100% del recurso, pues el Slack o Surplus es 0.
c. ¿En que cantidad tendría que disminuir la ganancia neta por kilogramo de lechuga antes de
que cambie la solución optima actual?
El rango de variación del coeficiente de ganancia de la lechuga es [144 , 276,129], entonces la
ganancia neta por lechuga puede disminuir hasta 144/400 = 0,36, sin cambiar la solución optima.
d. Con la misma cantidad de dinero la gerencia puede arrendar 10 Has. De terreno adicionales
para la estación o adquirir 13 000 litros de agua. ¿Cuál de las dos alternativas recomendaría
usted? Explique.
Terreno = 10 x 150 = S/. 1500
Agua = 13 000 x 0,1 = 1 300
Recomiendo adquirir agua, por tener menor costo.
e. La gerencia desea obtener una ganancia neta de $25 000. ¿Cuántos litros de agua se
necesitan para lograr esta meta, suponiendo que la cantidad de tierra es la misma?
Nuevo margen de ganancia = (viejo margen de ganancia) + (precio sombra) x (incremento en
agua)
(incremento en agua) = [(nuevo margen de ganancia) – (viejo margen de ganancia)]/(precio
sombra)
incremento en agua = ($25 000 - $16 940)/$0,1/l) = 80 600 litros.
f. La gerencia acaba de recibir la oferta de arrendar su tierra para la temporada a $/. 200 por
Ha. ¿Cuántas Has. Si lo hace, deberá arrendar? Explique
Debe arrendar todo, pues le ofrecen $200 y su Shadow Price es $150.
7. la compañía Muñani Cueros SRL fabrica guantes, correas y mochillas para minería. En la
fabricación de los tres productos se necesita cuero, metal y materiales sintéticos, y el cuero es
la materia prima limitante. En el proceso de producción se usan dos clases de mano de obra

calificada: costura y acabado. La tabla siguiente muestra la disponibilidad de los recursos, su

uso en los tres productos y las utilidades por unidad.
Requerimiento del recurso por unidad
Recurso Disponibilida
Guante Correa Mochila
d diaria
Cuero (pie2) 2 1 3 42
Costura (h) 2 1 2 40
Acabado (h) 1 0.5 1 45
Utilidad (S/.) 24 22 45
El modelo matemático formulado es:
Maximizar 24G + 22C+ 45M
Sujeto a:
2G + 1C + 3M <= 42 (disponibilidad de pie2 de cuero)
2G + 1C + 2M <= 40 (disponibilidad de horas de costura)
1G + 0,5C + 1M <= 45 (disponibilidad de horas de acabado)
G, C, M >= 0
Determine la solución óptima con WinQSB
Muñani Cueros SRL, debe producir 36 unidades de correas y 2 unidades de mochillas

para obtener una ganancia diaria de S/. 882,0.
A continuación comente como influyen los cambios siguientes en los recursos:
a. El cuero disponible aumenta a 45 pie2 (1pto).
Podemos observar que el recurso cuero posee un intervalo de [40 , 60] y 45 se
encuentra dentro del rango, por lo tanto, podemos calcular la variación de la ganancia
optima:
(Nuevo valor de z) = (valor original de z) + (precio sombra)x(cambio en el valor del lado
derecho)
z = 882,0 + (1,0)x(45-42) = S/. 885,0
b. El cuero disminuye a 1 pie2 (1pto).
El valor de 1 no se encuentra dentro del intervalo [40 , 60], por lo tanto, debemos volver
a calcular la producción óptima con el nuevo valor.

Con el cambio de valor del recurso cuero, Muñani Cueros SRL, debe producir 1 correa
para obtener una ganancia diaria de S/. 22,0.
c. Las horas disponibles de costura cambian a 38 (1pto).
El recurso costura posee un intervalo de [28 , 42] y 38 se encuentra dentro del rango, por
lo tanto, podemos calcular la variación de la ganancia optima:
derecho)
z = 882,0 + (21,0)x(38-40) = 882,6 – 42,0 = S/. 840,0
d. Las horas disponibles de costura cambian a 46 (1pto).
El valor de 46 no se encuentra dentro del intervalo [28 , 42], por lo tanto, debemos volver
Con el cambio de valor del recurso costura, Muñani Cueros SRL, debe producir 42
correas para obtener una ganancia diaria de S/. 924,0.
e. Las horas disponibles de acabado disminuyen a 15 (1pto).
El valor de 15 no se encuentra dentro del intervalo [20 , M], por lo tanto, debemos volver

Con el cambio de valor del recurso acabado, Muñani Cueros SRL, debe producir 6
correas y 12 mochilas para obtener una ganancia diaria de S/. 672,0.
f. Las horas disponibles de acabado aumentan a 50 (1pto).
El recurso acabado posee un intervalo de [20 , M] y 50 se encuentra dentro del rango,
por lo tanto, podemos calcular la variación de la ganancia optima:
derecho)
z = 882,0 + (0,0)x(50-45) = 882,0 + 0,0 = S/. 882,0
g. ¿Recomendaría usted contratar un costurero mas a S/.15 por hora? (1pto).
Si observamos el precio sombra del recurso costura es de S/. 21,0 mayor que S/. 15,0,
por lo tanto, recomendamos contratar un nuevo costurero por hora.
8. Gapco tiene un presupuesto diario de 320 horas de mano de obra y 350 unidades de materia
prima, para fabricar dos productos. Si es necesario, la empresa puede emplear hasta 10 horas
de tiempo extra de mano de obra, con un costo adicional de $2 por hora. Se necesita 1 hora
de mano de obra y 3 unidades de materia prima para producir una unidad de producto 1, y 2
horas de mano de obra y 1 unidad de materia prima para producir una unidad de producto 2.
la utilidad por unidad de producto 1 es de $10, y la del producto 2 es $12. Sean x1 y x2 las
cantidades diarias fabricada de productos 1 y 2 respectivamente. y x3 las horas diarias de
tiempo extra usadas. El modelo matemático formulado será:
Maximizar 10x1 + 12x2 – 2x3
Sujeto a:
x1 + 2x2 – x3 <= 320 (Horas de mano de obra)
3x1 + x2 <= 350 (Materia prima)
x3 <= 10 (Tiempo extra)
x1, x2, x3 <= 0
a) Determine la solución óptima del problema usando Solver de Excel

La producción diaria de Gapco debe ser de 74 unidades del producto 1 y 128 unidades del
producto 2, debe usar 10 horas de tiempo extra y tendrá una ganancia de $ 2 256,0.
b) Actualmente, Gapco paga $2 adicionales por hora de tiempo extra. ¿Cuánto es lo máximo
que puede pagar la empresa? (1 pto).
Si observamos el rango del coeficiente de x3 [-5,2 , M], podemos deducir que el monto máximo que
podemos pagar es de $5,2 sin alterar la solución óptima hallada. El nuevo valor de z será Z =
10(74) + 12(128) – 5,2(10) = $ 2 224,0.
c) Si Gapco puede adquirir 100 unidades diarias más de materia prima a $1,50 cada una.
¿Aconsejaría usted que lo hiciera? ¿Y si el costo de la materia prima fuera $2 por unidad? (1
pto).
Las unidades diarias de materia prima serán 350,0 + 100,0 = 450,0 cuyo valor se encuentra dentro
del intervalo [165 , 990] y el precio sombra es $ 1,6 por unidad de materia prima, por lo tanto, se
aconseja adquirir hasta un costo máximo de $1,6, por encima de este costo no se debe adquirir.
d) Suponga que Gapco puede adquirir cuando mucho 200 unidades adicionales de materia
prima por día. Determine la solución óptima asociada (1,5 ptos).
Las unidades diarias de materia prima serán 350,0 + 200,0 = 550,0 cuyo valor se encuentra dentro
del intervalo [165 , 990], por lo tanto, podemos calcular la variación de la ganancia optima:
(Nuevo valor de z) = (valor original de z) + (precio sombra)x(cambio en el valor del lado derecho)
z = 2 256,0 + (1,6)x(200,0) = $ 2576,0. Para calcular la solución óptima empleamos WinQSB.
e) Suponga que Gapco no puede usar más de 8 horas diarias de tiempo extra. ¿la solución
óptima inicial hallada es todavía correcta? (1,5 ptos).
El valor de 8 se encuentra dentro del intervalo [0 , 380], por lo tanto, podemos calcular la variación
de la ganancia optima:
(Nuevo valor de z) = (valor original de z) + (precio sombra)x(cambio en el valor del lado derecho)
z = 2 256,0 + (3,2)x(8-10) = $ 2249,6. Para calcular la solución óptima empleamos WinQSB.
La producción diaria de Gapco debe ser de 74,4 unidades del producto 1 y 126,8 unidades del
9. Una compañía minera opera tres minas. El mineral obtenido en cada una se separa en dos
calidades antes de su distribución. Las capacidades de producción diarias de cada mina, así
como sus costos de operación diarios, son los siguientes:
Mineral de alta Mineral de baja Costo de operación
calidad (ton/día) calidad (ton/día) (dólares/día)
Mina 1 40 40 20 000
Mina 2 60 40 22 000
Mina 3 10 60 18 000
La compañía se ha comprometido a entregar 540 toneladas de mineral de alta calidad y 650
de baja calidad en el plazo de una semana. Los contratos firmados le garantizan la paga del
día completo por cada día o fracción que la mina está abierta.
Minimizar 20 000 M1 + 22 000 M2 + 18 000 M3
Sujeto a:
40 M1 + 60 M2 + 10 M3 >= 540
40 M1 + 40 M2 +60 M3 >= 650
M1 <= 7
M2 <= 7
M3 <= 7
M1, M2 y M3 >= 0

Donde:
M2 = el número de días que trabaja la mina2
La mina 1 debe trabajar 1,75 días, la mina 2 de trabajar 7 días y la mina 3 debe trabajar 5 días, con
un costo mínimo de producción de $ 279 000.
b. ¿Cuáles de las cinco restricciones son acotantes y que significan?
Las restricciones 1, 2 y 4 son acotantes, en el caso de las restricciones 1 y 2 significa que se ha

producido lo solicitado en un 100%, en el caso de la restricción 4 significa que se trabaja los 7 días
de la semana.
c. ¿Si el costo de producción de la Mina 1 disminuye a US$ 18 000 / día, Que sucede con el
plan de producción óptimo? Explique.
El rango de variación de la variable M1 es <$18 250, $72 000>, como $18 000, se encuentra fuera
de este rango, se debe volver a calcular la producción óptima:

La mina 1 debe trabajar 7 días, la mina 2 de trabajar 3,7 días y la mina 3 debe trabajar 3,7 días,
con un costo mínimo de producción de $ 274 187,5.
d. Si la compañía desea disminuir sus costos de operación a US $ 250 000 / semana y debe
disminuir la producción de la Mina 2 ¿Cuántos días debe dejar de producir? Explique.
La función objetivo es:
z = 20 000 M1 + 22 000 M3 + 18 000 M3, con el resultado de a) y la disminución del costo de
operación tenemos:
z = 25 000 = 20 000 (1,75) + 18 000 (M2) + 18 000 (5), donde M2 = 5,681 días, entonces la mina 2
debe dejar de producir 7 – 5,681 = 1,319 días.
e. Si la compañía recibe un pedido de 700 ton de mineral de baja calidad para la próxima
semana ¿Cuál es el nuevo costo de operación de la compañía? Explique.
El pedido de 700 ton de mineral de baja ley se encuentra dentro del rango <400 , 750>, por lo que,
para calcular el nuevo costo de operación podemos utilizar el valor de 260 como precio sombra,
entonces:
Nuevo margen de ganancia = (viejo margen de ganancia) – (precio sombra) x (incremento en
tonelaje)
= 279 000 – (260)(650 – 700) = $292 000.
10. Una compañía de transporte de concentrado de mineral tiene 10 camiones con capacidad de
20 toneladas y 5 camiones de 15 toneladas de capacidad. Los camiones grandes tienen
costos de operación de $ 0,30/Km y los mas pequeños de $0,25/km. La próxima semana, la
compañía debe transportar 200 toneladas de concentrado de plomo para un recorrido de 800
km. La posibilidad de otros compromisos impone que por cada dos camiones medianos
mantenidos en reserva debe quedarse por lo menos uno de los grandes.
Minimizar 240 CG + 200 CM
Sujeto a:
20 CG + 15 CM = 200
CG –2 CM <= 0
CG <= 10
CM <= 5

CG y CM >= 0 y enteros
Donde:
CG = el número de camiones grandes empleados por semana.
CM = el número de camiones medianos empleados por semana.
Utilice el resultado del uso de software, WinQSB para responder a las siguientes preguntas:
a) ¿Cual es el número óptimo de camiones de ambas clases que deben movilizarse para
transportar el concentrado?
Se utilizaran para el transporte del concentrado 7 camiones grandes y 4 camiones medianos, con
un costo de $ 2 480.
b) ¿Qué sucede con el número óptimo de camiones, Si el costo de operación de los camiones
grandes se incrementa en un 10%? Explique.
El nuevo costo de transporte para los camiones grandes, sería: $ 240 x 1,1 = $ 264, calculando con
este nuevo costo, tenemos:
Observamos que el plan de transporte se mantiene, incrementándose el costo a $ 2 648.

c) Si tres camiones grandes son enviados a otro proyecto ¿Qué sucede con el transporte del
concentrado? Explique.
Tenemos 10 camiones, de los cuales solo se utiliza 7 camiones, podemos enviar los 3 camiones
que tenemos en stand by.
d) Si de la demanda del transporte de concentrado sube a 250 toneladas. ¿En que porcentaje
se incrementa el costo de operación? Explique.

Utilizando el precio sombra de la restricción 1, tenemos:

Nuevo margen de ganancia = (viejo margen de ganancia) – (precio sombra) x (incremento en
tonelaje)
= 2 480 + 13,3333 x (250 – 200) = $ 3146, 665
Entonces el costo de producción, se incrementa en (3 146,665 – 2 480)x100 / (2 480) = 26,88%.
e) Si dos camiones medianos sufren desperfectos y no pueden operar ¿Qué sucede con el
transporte del concentrado? Explique.
No podemos cumplir con la programación, pues solo podríamos reemplazar 1 camión, faltando 1.

CAPITULO V
PROBLEMAS DE REDES DE DISTRIBUCIÓN: TRANSPORTACIÓN,
ASIGNACIÓN Y TRANSBORDO
Muchos problemas, cuando se les formula, muestran una estructura especial en sus restricciones
o en su función objetivo. Mediante el diseño de procedimientos de solución (algoritmos) para
aprovechar la estructura especial, es posible resolver problemas de una manera más eficiente que
si se estuviera en cualquier otra circunstancia. Este capítulo presenta uno de los problemas de tal
tipo, problemas de redes de distribución.
¿QUÉ ES UNA RED DE DISTRIBUCIÓN?
Una clase de problemas que tiene una estructura especial en sus restricciones cuando se le
formula de manera matemática tiene que ver con la distribución de bienes. Por lo general, estos
bienes deben ser enviados desde puntos de suministro conocidos (fábricas, plantas, etcétera)
hasta puntos de demanda conocidos (clientes, tiendas detallistas, etcétera), posiblemente a través
de puntos intermedios (almacenes regionales y/o de campo, por ejemplo). El objetivo general
consiste en hallar el mejor plan de distribución, es decir, la cantidad que se debe enviar por cada
una de las rutas desde los puntos de suministro, a través de los puntos intermedios, hasta los
puntos de demanda. Con el término "mejor" se entiende un plan que minimice los costos totales
de envío, produzca la mayor ganancia u optimice algún otro objetivo corporativo especificado por
la gerencia. También es necesario satisfacer ciertas restricciones:
1. No enviar más de la capacidad especificada desde cada punto de suministro.
2. Enviar bienes solamente por las rutas válidas.
3. Cumplir (o exceder) los requerimientos de bienes en los puntos de demanda.
Un problema de este tipo es un problema de redes de distribución. Una característica favorable

de esta clase de problema es que muchos aspectos pueden representarse de manera concisa
mediante un diagrama, conocido como red de distribución. Una red de distribución consiste en

una colección finita de círculos, llamados nodos, cada uno de los cuales representa una planta,
un almacén o una tienda al menudeo. Los nodos desde los cuales se van a enviar los bienes
(como fábricas y plantas) son nodos de suministro. Los nodos que van a recibir los bienes en
cumplimiento de una demanda conocida (como las tiendas detallistas) se conocen como nodos
de demanda. Los nodos que reciben bienes de otros nodos para su redistribución (como el caso
de los almacenes) se conocen como nodos de transbordo o nodos intermedios.
Las parejas de nodos seleccionados de una red están conectadas mediante una flecha, conocida
como arco, que representa una ruta de envío válida desde el nodo de origen al nodo de destino,
según lo indica la dirección en la que apunta la flecha (véase la figura 1). La representación de la
red puede contener varios datos del problema. Por ejemplo, el número colocado al lado de cada
nodo de suministro de la figura 1 representa la capacidad de dicho nodo de suministro; es decir, el
número máximo de unidades que pueden ser enviadas desde ese nodo. Por ejemplo, la planta
representada por el nodo 1 de la figura 1 puede enviar hasta 1000 unidades. Similarmente, el
número colocado junto a cada nodo de demanda en la figura 1 representa la demanda en dicho
nodo; esto es, el número mínimo de unidades que necesita recibir ese nodo para cumplir la
demanda en él. Por ejemplo, la demanda en la tienda detallista representada por el nodo 6 es de
700 unidades. Cada arco puede, también, tener un número asociado a él. Por ejemplo, el
número que se encuentra encima de los arcos de la figura 1, representa el costo de envío de una
unidad entre los dos nodos conectados por ese arco. El costo de envío de una unidad desde el
nodo 1 al nodo 4 es 4 (que pueden ser $4, $400 o, incluso, $4000). En la red también se puede
incluir otro tipo de información sobre el problema, como podría ser el número máximo de unidades
que se pueden enviar a lo largo de un arco dado.
Figura 1. Una red de distribución general
EL PROBLEMA DE TRANSPORTACIÓN
En la presente sección, usted aprenderá acerca de una clase específica de problemas de
distribución comunes a muchas empresas: cómo enviar bienes terminados, de la manera menos
costosa posible, directamente desde las plantas hasta las tiendas detallistas, sin que haya
almacenes intermedios. A este problema de distribución se le conoce como problema de
transportación. El problema de Cosmic Computer Company (CCC) es un ejemplo de problema de
transportación.

EL PROBLEMA DE TRANSPORTACIÓN DE CCC.- CCC posee tres plantas de ensamblado de

microcomputadoras. La que se encuentra localizada en San Francisco tiene una capacidad de
producción mensual de 1700 unidades, la que está localizada en Los Ángeles tiene una capacidad
de producción mensual de 2000 unidades y la de Phoenix tiene una capacidad de producción
mensual de 1700 unidades. Las microcomputadoras son vendidas a través de tiendas al
menudeo. Para el mes siguiente, la tienda que se encuentra en San Diego ha hecho un pedido de
1700 unidades, la que está en Barstow tiene un pedido de 1000 unidades, la de Tucson ha pedido
1500 unidades y la situada en Dallas tiene un pedido de 1200 unidades. El costo de envío de una
microcomputadora desde cada planta de ensamblado a cada una de las diferentes tiendas
detallistas se presenta en la tabla 1. Como gerente de distribución, usted desea formular un
modelo matemático para encontrar el programa de envíos de menor costo.
Tabla 1. Costos de embarque ($/maquina) de plantas a tiendas

TIENDAS
PLANTAS SAN DIEGO BARSTOW TUCSON DALLAS
San francisco 5 3 2 6
Los Angeles 4 7 8 10
Phoenix 6 5 3 8
Figura 2. La red de distribución de CCC
FORMULACIÓN MATEMÁTICA DEL PROBLEMA
Minimizar (5xss + 3xsb + 2xst, + 6xsd) +

(4xls + 7xlb + 8xlt+ 10xld) +
(6xps + 5xpb + 3xpt + 8xpd)
Dependiendo de:
RESTRICCIONES DE CAPACIDAD
xss + xsb + xst, + xss = 1 700 (San Francisco)
xls + xlb + xlt + xld = 2 000 (Los Ángeles)

xps + xpb + xpt + xpd = 1 700 (Phoenix)
RESTRICCIONES DE DEMANDA
xss + xls + xps = 1 700 (San Diego)
xsb + xlb + xpb = 1 000 (Barstow)
xsi + xlt + xpt = 1 500 (Tucson)
xsd + xld + xpd = 1 200 (Dallas)
RESTRICCIONES LÓGICAS
Xss, xsb, xst, xsd, xls, xlb, xlt, xld, xps, xpb, xpt, xpd > 0 y enteras
USO DE LA COMPUTADORA
En la presente sección, aprenderá cómo es utilizado el software winQSB para resolver problemas
de transportación.
1. Elija la opción Network Modelling
2. Seleccione la opción Transportation Problem
3. Ingrese la información del problema:
1. La solución optima es:
La primera parte del informe trata sobre la planta localizada en San Francisco (Source 1), la
segunda sección de dicho informe trata sobre la planta situada en Los Ángeles (Source 2) y la
tercera sección trata sobre la planta de Phoenix (Source 3).
De la columna “Shipment”, se puede ver que es óptimo embarcar 700 computadoras desde San
Francisco a Barstow, 1 000 a Dallas y ninguna a San Diego ni a Tucson. De la misma manera, es
óptimo enviar 1700 computadoras de Los Ángeles a San Diego, 300 a Barstow y ninguna a Dallas
ni a Tucson. De la misma columna de la tercera sección del informe, es óptimo enviar 200
computadoras desde Phoenix a Dallas, 1500 a Tucson y ninguna a San Diego ni a Barstow.
La columna etiquetada “Unit Cost” en el informe representa el costo de transportación original por
cada unidad embarcada desde la correspondiente planta a la tienda al menudeo. La columna

etiquetada '”Total Cost” es el costo total del envío del número de unidades de la columna
etiquetada con el término “Shipment” en esa celda, es decir 'Shipment' * 'Unit Cost'.
El costo total de embarque es de $23 100.

EL PROBLEMA DE ASIGNACIÓN
En muchos problemas de decisión es necesario asignar un elemento a un grupo (como una
maquina, un empleado, etc.) a un elemento de un segundo grupo (como una tarea, un proyecto,
etc.). Considere, por ejemplo, asignar trabajaos a maquinas en una planta industrial, asignar
representantes de ventas a territorios o asignar investigadores a proyectos.
Al hacerse una asignación, a menudo debe cumplirse dos condiciones:
1. cada elemento del primer grupo debe asignarse a exactamente un elemento del segundo
grupo.
2. cada elemento del segundo grupo debe asignarse a exactamente un elemento del primer
grupo.
Debido a que cada pareja asignada existe un “costo” asociado, por ejemplo, la cantidad de tiempo
que toma una tarea asignada a una maquina particular, el objetivo es elegir asignaciones que
minimicen el costo total.
Para satisfacer estas dos condiciones de asignación, el numero de elementos de cada grupo debe
ser el mismo. Un problema de este tipo se denomina problema de asignación equilibrado.
EL PROBLEMA DE ASIGNACIÓN DE CONTAINERS INC. Containers,Inc., fabrica contenedores

de muchos tamaños y formas. Recientemente ha recibido pedidos para producir diversas
cantidades de contenedores de cocinas de cinco diferentes tamaños. Cada tamaño de
contenedor puede producirse en cualquiera de cuatro máquinas. Debido a las distintas
tecnologías y tiempos de disposición, el número total de horas, incluyendo el tiempo de
disposición, necesarias para procesar cada tamaño de contenedor en cada máquina varía, como
se muestra en la tabla 2. En la tabla, el tamaño del contenedor se indica en la primera columna
mediante su altura y diámetro en pulgadas.
Adecuar una máquina para que cambie el tamaño de un contenedor toma largo tiempo, así que la
gerencia ha decidido que cada máquina producirá contenedores de un solo tamaño. Por tanto,
sólo se producirán cuatro de los cinco tamaños en las cuatro máquinas disponibles dentro de la
fecha límite asignado. Como los ingresos por cada tamaño de contenedor son aproximadamente
iguales, la gerencia de Containers, Inc., es indiferente en cuanto a cuál de los cinco pedidos no
satisfacer. Como gerente del departamento de producción, se le ha pedido determinar cuáles
cuatro de los cinco pedidos aceptar y desarrollar un plan de producción que minimice el tiempo de
procesamiento total para satisfacer esos pedidos.
En este problema, puede reconocerlas características de un problema de asignación. Tiene que

asignar un elemento de un grupo, esto es, un pedido de uno de los cinco tamaños, a un elemento
de un segundo grupo, es decir, las máquinas. En este caso, el problema es desequilibrado
porque hay cinco pedidos para sólo cuatro máquinas. Para resolver este problema, se puede
hacer lo siguiente:
1. Añada tantos elementos figurados a uno de los grupos como sea necesario para igualar el
tamaño de los dos grupos.
2. Por cada elemento figurado, identifique un costo apropiado asociado con la asignación de
cada elemento del otro grupo a este elemento figurado.
En cuanto al problema de Containers, Inc., es necesario añadir una máquina figurada. Ahora hay
cinco pedidos y cinco máquinas, dando como resultado un problema de asignación equilibrado.
Recuerde que la máquina 5, de hecho, no existe. Los contenedores asignados a esta máquina no
son producidos y por tanto, no contribuyen en nada al tiempo total de procesamiento. Los datos
para el problema de asignación se muestran en la tabla 3.
Tabla 2. Tiempo total de procesamiento (hr) para producir cada tamaño de contenedor en cada
maquina
TAMAÑO DEL MAQUINA
CONTENEDOR 1 2 3 4
3X4 25 20 28 30
4X6 24 22 25 23
6X8 30 30 28 25
8 X 12 38 32 30 30
12 X 18 40 40 28 30
Tabla 3. Tiempo total de procesamiento (hr) para producir cada tamaño de contenedor en cada
maquina incluyendo la maquina figurada 5
TAMAÑO MAQUINA
CONTENEDOR 1 2 3 4 5
3X4 25 20 28 30 0
4X6 24 22 25 23 0
6X8 30 30 28 25 0
8 X 12 38 32 30 30 0
12 X 18 40 40 28 30 0
Figura 3. Representación de la red del problema de asignación
Minimizar 25x11 + 20x12 + 28x13 + 30x14 + 0x15 +

24x 21 + 22x22 + 25x23 + 23x24 + 0x25 +

30x31 + 30x32 + 28x33 + 25x34 + 0x35 +
38X41 + 32x42 + 30X43 + 30X44 + 0x45 +
40x51 + 40x52 + 28x53 + 30x54 + 0x55
Dependiendo de:
RESTRICCIONES DE ASIGNACIÓN DE PEDIDO
x11 + x12 + x13 + x14 + x15 = 1 (Orden 1)
x21 + x22 + x23 + x24 + x25 = 1 (Orden 2)
x31 + x32 + x33 + x34 + x35 = 1 (Orden 3)
x41 + x42 + x43 + x44 + x45 = 1 (Orden 4)
x51 + x52 + x53 + x54 + x55 = 1 (Orden 5)
RESTRICCIONES DE ASIGNACIÓN DE MÁQUINA
X11 + x21 + x31 + x41 + 51 = 1 (Máquina 1)
X12 + x22 + x32 + x42 + 52 = 1 (Máquina 2)
X13 + x23 + x33 + x43 + 53 = 1 (Máquina 1)
X14 + x24 + x34 + x44 + 54 = 1 (Máquina 1)
X15 + x25 + x35 + x45 + 55 = 1 (Máquina 1)
Todas las variables deben ser variables enteras 0-1
SOLUCIÓN POR COMPUTADORA
En la presente sección, aprenderá cómo es utilizado el software winQSB para resolver problemas
de asignacion
1. Elija la opción Network Modelling
2. Seleccione la opción Assignment Problem

Como resultado se tiene un tiempo total de procesamiento de 97 horas. Observe que el pedido 4
no esta satisfecho porque se le asigno la maquina figurada 5.
EL PROBLEMA DE TRANSBORDO
PROBLEMA DE DISTRIBUCIÓN DE MEDICAL TECHNOLOGIES, INC. Medical Technologies,
Inc. (MTI), es una empresa fabricante y distribuidora internacional de equipo de rayos X de alta
resolución que se utiliza en hospitales. La planta que tienen en Paris, Texas, puede producir
hasta 100 máquinas por año; la que se encuentra en Davenport, Iowa, produce hasta 200
máquinas y la planta de Springfield, Oregon, puede producir hasta 150 máquinas. Para el año
siguiente, sus clientes en Japón han pedido 120 máquinas, los de Corea del Sur ordenaron 80
máquinas, los de Nueva Zelanda 70 y los de Australia 110 máquinas.
El equipo producido en Texas y en Iowa puede ser enviado a los almacenes regionales situados
en Hungría y/o en Hawai. Los almacenes regionales, a su vez, pueden enviar a cualquiera de los
almacenes de campo situados en Fiji y en las Filipinas. Ninguno de los almacenes regionales
almacena máquinas en inventario, por consiguiente deben enviar todas las máquinas que reciben.
Los clientes de Corea del Sur y de Nueva Zelanda pueden recibir máquinas de cualquiera de los
almacenes de campo. Sin embargo, debido a los tratados de comercio internacionales, los
clientes del Japón deben obtener sus máquinas exclusivamente de las Filipinas, y los de Australia
deben recibir las suyas solamente de las Fiji. Los costos de envío por máquina desde las plantas
a los almacenes regionales, a los almacenes de campo y, finalmente, a los clientes se dan En las
tablas 4, 5 y 6, respectivamente. Como gerente de distribución, se le ha pedido a usted que
determine el plan de embarque con el mínimo costo total.
Tabla 4. Costos de embarque ($/maquina) de plantas a almacenes regionales
ALMACENES REGIONALES
PLANTAS HUNGRIA HAWAI
Texas 200 400
Iowa 300 400
Oregon N/A 500
Tabla 5. Costos de embarque ($/maquina) de almacenes regionales a almacenes de campo
ALMACENES REGIONALES FILIPINAS FIJI
Hungría 800 600
Hawai 700 400
Tabla 6. Costos de embarque de almacenes de campo a clientes
ALMACENES CLIENTES
DE CAMPO JAPÓN COREA DEL SUR NUEVA ZELANDA AUSTRALIA
Filipinas 700 600 800 N/A
Fiji N/A 700 500 600
El primer paso en la formulación matemática de este problema consiste en trazar una red que
represente el flujo de productos desde las plantas, a través de los almacenes, hasta los clientes.
La red debe contener once nodos, uno para cada una de las tres plantas, los dos almacenes
regionales, los dos almacenes de campo y los cuatro clientes, de la forma en que se ilustra en la
figura 4. Debe haber un arco que conecte una pareja de nodos, siempre y cuando sea posible
enviar máquinas directamente desde el nodo de origen al de destino, según está especificado en
la descripción del problema. Por ejemplo, debido a que la planta de Oregon solamente puede

hacer envíos al almacén regional de Hawai, deberá haber un arco que vaya desde el nodo
correspondiente a la planta de Oregon al nodo correspondiente al almacén regional de Hawai,
pero no al correspondiente al de Hungría. En la figura 4 se muestran también los arcos, junto con
los correspondientes costos unitarios de envío. La red de la figura incluye también la capacidad
de cada planta y la demanda de los clientes al lado de los correspondientes nodos de suministro y
demanda, respectivamente.
Figura 4. Red de distribución del problema del MTI
Minimizar 2x14+ 4x15 + 3x24 + 4x25 + 5x35 + 8x46 + 6x 47 + 7x56 + 4x57 +

7x68+ 6x69 + 8x6,10 + 7x79 + 5x7,10 + 6x7,11
Dependiendo de:
RESTRICCIONES DE SUMINISTRO
x14 + x15 = 100 (capacidad en Paris, Texas) (1)
x24 + x25 = 200 (capacidad en Davenport, Iowa) (2)
x35 = 150 (capacidad en Springfield, Oregon) (3)
RESTRICCIONES DE ALMACÉN REGIONAL
x46 + x47 - x14 - x24 = 0 (equilibrio en Hungría) (4)
x56 + x57 - x15 - x25 - x35 = 0 (equilibrio en Hawai) (5)
RESTRICCIONES DE ALMACÉN DE CAMPO
x68 + x69 + x6,10 - x46 – x56 = 0 (equilibrio en Filipinas) (6)
x79 + x7,10 - x7,11 – x47 - x57 = 0 (equilibrio en Islas Fiji) (7)
RESTRICCIONES DE DEMANDA
x68 = 120 (demanda en Japón) (8)

x69 + x79 = 80 (demanda en Corea del Sur) (9)
x6,10 + x7,10 = 70 (demanda en Nueva Zelanda) (10)
x7,11 = 110 (demanda en Australia) (11)
Todas las variables > 0 y enteras (12)
SOLUCIÓN POR COMPUTADORA
En la presente sección, aprenderá cómo es utilizado el software LINDO 6,0 para resolver
problemas de trasbordo:

La solución optima, podemos observarla en las siguientes tablas:
Tabla 7. Plan de embarque de plantas a almacenes regionales
PLANTAS HUNGRÍA HAWAI
Texas 100 0
Iowa 0 200
Oregon N/A 80
Tabla 8. Plan de embarque de almacenes regionales a almacenes de campo
ALMACENES REGIONALES FILIPINAS FIJI
Hungría 100 0
Hawai 20 260
Tabla 9. Plan de embarque de almacenes de campo a clientes
ALMACENES CLIENTES
DE CAMPO JAPÓN COREA DEL SUR NUEVA ZELANDA AUSTRALIA
Filipinas 120 0 0 N/A
Fiji N/A 80 70 110
El costo total es de $ 579 000.
Resumen del problema de transbordo
El problema de transbordo es un problema de red de distribución que involucro nodos de

suministro, transbordo y demanda. Los arcos que conectan las parejas de estos nodos tienen
capacidades en forma de límites inferiores y superiores sobre las cantidades embarcadas a lo
largo de esos arcos. Cuando los nodos tienen capacidades, sin embargo, es necesario crear una
red modificada que pueda resolverse mediante un programa de computadora. Las capacidades
en los nodos en la red original se transforman en capacidades en los arcos en la red modificada.
CAPITULO II: CONSTRUCCION DE MODELOS DETERMINISTICOS
CAPITULO VI
ADMINISTRACIÓN DE PROYECTOS:
PERT - CPM
En este capítulo se presenta una técnica de la ciencia administrativa que ayuda a comprobar y
controlar un proyecto que involucra numerosas tareas interrelacionadas. La supervisión de estos
proyectos requiere muchas habilidades administrativas, una de las cuales es mantener el proyecto
acorde a un programa. La ciencia de la administración puede ayudar a esto proporcionando
respuestas a preguntas como:
1. ¿Cuándo sería lo más pronto que el proyecto pudiera estar terminado?
2. Para cumplir con este tiempo de conclusión, ¿qué tareas son críticas, en el sentido de que
un retraso en cualquiera de esas tareas provoca un retraso en la conclusión de todo el
proyecto?
3. ¿Es posible acelerar ciertas tareas para terminar todo el proyecto más pronto? Si es así,
¿qué tareas serían éstas y cuál sería el costo adicional?
Cuando un proyecto implica unas cuantas tareas, las respuestas a estas preguntas a menudo
pueden encontrarse con poco esfuerzo. Sin embargo, cuando la planeación de un proyecto
implica cientos o miles de tareas interrelacionadas que deben ser realizadas por distintas
personas, las herramientas de la ciencia de la administración presentadas en este capítulo
proporcionan una forma sistemática no sólo de responder estas preguntas, sino también dar
seguimiento al proyecto a lo largo de su duración.
Las técnicas de administración de proyecto presentadas en este capítulo fueron desarrolladas
independientemente por dos equipos de investigadores a mediados de los años cincuenta.
Dupont Company creó la primera técnica, llamada Método de ruta crítica (CPM)5, para
administrar proyectos en los que el tiempo requerido para completar las tareas individuales se
conocía con relativa certeza. La Marina de los EE.UU. desarrolló la segunda técnica, denominada
la Técnica de evaluación y revisión de proyecto (PERT)6, para administrar el proyecto de
5
Método utilizado para administrar proyectos en que los tiempos requeridos para terminar las tareas
individuales se conocen con relativa certeza.
6
Método utilizado para administrar proyectos en los que los tiempos requeridos para completar las tareas
individuales son inciertos.

misiles Polaris, que implicaba aproximadamente 500 tareas y varios miles de subcontratistas. El
tiempo requerido para completar muchas de esas tareas era incierto. Estas dos técnicas son
similares excepto que CPM se utiliza para administrar proyectos que implican tiempos de tarea
determinados y PERT se usa para aquellos que implican tiempos probables de tarea.
DESARROLLO DE LA RED DE PROYECTOS
Para ilustrar cómo se aplican las técnicas de administración de proyectos a la verificación de un
proyecto, considere el enfrentado por la Gerencia de Operaciones de Santa Rosa Mining. Que
encomienda a sus ingenieros realizar un proyecto de desarrollo y preparación de una veta, con
minerales de Plomo, Zinc y Cobre, para explotar mediante el método de subniveles.
Puede determinar el tiempo de conclusión siguiendo los siguientes pasos:
a) Identifique las tareas individuales que componen el proyecto.
b) Obtenga una estimación del tiempo de conclusión de cada tarea.
c) Identifique las relaciones de tiempo entre las tareas. ¿Qué tareas deben concluirse antes de
que otras puedan iniciarse?
d) Dibuje un diagrama de red de proyecto para reflejar la información de los pasos a y b.
Fig 1. Desarrollo y preparación para explotación por subniveles

Identificación de las tareas individuales
Los proyectos terminados consisten en diversas tareas individuales. Para comprobar los
proyectos, primero debe identificar esas tareas. Éstas pueden variar tanto en el tiempo requerido
para concluirlas como en su complejidad. Las tareas complejas pueden considerarse como
proyectos que en sí mismos necesitan verificación al ser divididos en subtareas. Por ejemplo, en
el diseño de una lanzadera espacial, una de las tareas es desarrollar sistemas de computación a
bordo. Como esta tarea es en sí misma un proyecto importante, puede dividirla en subtareas
consistentes en desarrollar sistemas de computación para salvamento, control de motor y
recolección y transmisión de datos. Aunque no existe una forma única de decidir qué tan grande o
pequeña debe ser una tarea, existen algunas pautas a seguir:
1. Cada tarea debe tener un comienzo y un final claros en el contexto del proyecto.
2. La terminación de cada tarea debe ser necesaria para la conclusión del proyecto y debe
representar un hito en el progreso del proyecto.
3. El tamaño de una tarea debe estar en proporción con el control que usted pueda ejercer.
4. Debe haber alguna(s) persona(s) responsables de la conclusión de cada tarea individual.

Sobre la base de estas pautas usted, como Gerente de operaciones de Santa Rosa Mining. Debe
identificar las tareas que estén bajo su control y que deben completarse para que el proyecto sea
exitoso.
Tabla 1 Lista de tareas
ETIQUETA DESCRIPCION
A Nivel
B Subnivel I
C Subnivel II
D Transversal II
E Chimenea de acceso
F Chimenea o coladero de minera
G Chimenea de ventilación
H Instalación de tolvas
I Chimenea de corte I
J Chimenea de corte II
K Instalación de cabrestante
L Explotación
M Parte inicial de la galería de rastrillaje
N Parte final de la galería de rastrillaje
Aun cuando el orden de las tareas de esta tabla es indiferente, es importante incluir todas las
tareas relevantes desde el principio. Si surgen tareas inesperadas en el curso del proyecto,
pueden ocurrir retrasos por la prisa en terminarlas.
Obtención de estimaciones de tiempo para cada tarea
Debe estar claro que el tiempo total que lleva completar todo el proyecto depende, de alguna
manera, en cuánto tiempo lleva realizar cada tarea individual. Por tanto, se hace necesario
obtener algunas estimaciones de la cantidad de tiempo requerida para completar cada tarea.
Puede desarrollarse una estimación haciendo lo siguiente:
1. Confiando en experiencias pasadas en proyectos similares.
2. Consultando con las personas a cargo de cada tarea individual.
3. Usando datos anteriores.
Suponga que ha obtenido las estimaciones de tiempo para las tareas de este proyecto particular
después de consultar a los miembros apropiados de cada departamento de mina.
Tabla 2 Estimación de tiempo para las tareas
Kg expl m avance
Tiem po medio
disparos/mes
Sección (m2)
Longitud (m)
Tipo de roca
$/m avance
N° taladros
m Avance
disparo
A Nivel
B Subnivel I 60 6´x4´ dura 1.3 30 16 7.1 135 40
C Subnivel II 60 6´x4´ dura 1.3 30 16 7.1 135 40
D Transversal II 8 7´x8´ dura 1.3 25 29 12.5 145 5
E Chimenea de acceso 60 5´x4´ dura 1.1 20 15 6.7 120 68
F Chimenea o coladero de minera 16 5´x4´ sdura 1.1 20 12 5.3 120 18
G Chimenea de ventilación 18 5´x4´ sdura 1.1 20 12 5.3 120 21
H Instalación de tolvas 14
I Chimenea de corte I 15 5´x4´ dura 1.1 20 15 6.7 120 16
J Chimenea de corte II 16 5´x4´ dura 1.1 20 15 6.7 120 17
K Instalación de cabrestante 14
L Explotación 40 190 28
M Parte inicial del nivel de rastrillaje 25 6´x4´ dura 1.3 45 13 5.7 130 12
N Parte final del nivel de rastrillaje 40 6´x4´ sdura 1.3 45 12 5.3 120 16
Para este proyecto, puede sentir que el tiempo requerido para concluir cada tarea se conoce
bastante bien sin ninguna variabilidad significativa. Otros proyectos implican tareas cuyo tiempo
de conclusión es incierto o debe estimarse con una cantidad significativa de incertidumbre.

Creación de la tabla de precedencia para el proyecto

Como se observó anteriormente, la cantidad de tiempo que toma terminar un proyecto completo
se basa en los tiempos de conclusión de las tareas individuales. Sin embargo, el tiempo de
conclusión total no es igual a la suma de los tiempos de las tareas individuales porque algunas
tareas pueden realizarse simultáneamente. Otras tareas, sin embargo, no pueden comenzar
hasta que ciertas tareas anteriores no hayan sido concluidas. Para determinar la cantidad de
tiempo mínima requerida para concluir el proyecto total, debe primero comprender cómo se
relacionan las tareas individuales entre sí. Debe identificar qué tarea(s) debe(n) terminarse antes
de que otra tarea comience.
La lista de predecesoras inmediatas de una tarea particular de interés incluye aquellas tareas que:
 deben terminarse antes de que la tarea de interés pueda comenzar y
 no dependen para su inicio de la conclusión de cualquier otra tarea inmediatamente
predecesora de esta lista.
De todas las tareas que deben terminarse antes de que pueda iniciarse una tarea dada, usted
necesita identificar sólo las tareas inmediatamente predecesoras7. Hacerlo requiere conocer el
proyecto particular y la forma en que las tareas están relacionadas
Tabla 3 Tabla de precedencia8 para las tareas
ESTIMACION
PREDECESORAS
ETIQUETA DESCRIPCION TIEMPO
INMEDIATAS
(dias)
A Nivel 0 Ninguna
B Subnivel I 40 M
C Subnivel II 40 D
D Transversal II 5 A
E Chimenea de acceso 68 A
F Chimenea o coladero de mineral 18 A
G Chimenea de ventilación 21 A
H Instalación de tolvas 14 G ,K
I Chimenea de corte I 16 L ,B
J Chimenea de corte II 17 I
K Instalación de cabrestante 14 N
L Explotación 28 H
M Parte inicial del nivel de rastrillaje 12 E
N Parte final del nivel de rastrillaje 16 F , M
Trazo de la red de proyectos
Recuerde que uno de los objetivos principales de la administración de proyecto es determinar la
cantidad mínima de tiempo requerido para terminar todo el proyecto. La identificación de las
relaciones de precedencia entre las tareas individuales, como en la tabla 3, es un primer paso en
esa dirección. Una comprensión todavía mejor de estas relaciones puede obtenerse convirtiendo
la información de precedencia en una red de proyecto9. Una red consiste en una colección finita
de nodos y arcos. Un arco es una flecha que conecta un nodo con otro.
En la administración de proyecto, los nodos y arcos de la red de proyecto tienen un significado
especial en el contexto del problema específico, dependiendo de cuál de los siguientes enfoques
estándar be utilice:
7
Una tarea que debe concluirse antes de que la tarea de interés pueda iniciarse y que no depende para su
inicio de la conclusión de cualquier otra tarea inmediatamente predecesora de esta lista.
8
Una tabla que enumera las predecesoras inmediatas para cada tarea.
9
Un diagrama de red que consiste en una colección finita de nodos y arcos usados para representar las
tareas y sus relaciones de precedencia en un proyecto.
1. Representación de actividad en arco10: en este enfoque, cada arco corresponde a una

de las actividades: los nodos que están conectados por ese arco representan el inicio y fin
de esa actividad.
2. Representación de actividad en nodo11: en este enfoque, cada nodo representa una de
las tareas (o actividad); un arco conecta dos nodos si un nodo corresponde a una tarea
inmediatamente predecesora del otro nodo.
Puede adaptarse cualquier enfoque para dibujar la red de proyecto. Del siguiente procedimiento
de solución depende cuál se elija. Sólo asegúrese de que el paquete de computadora disponible
para la administración del proyecto puede manejar el enfoque elegido para trazar la red del
proyecto.
Gráficamente la actividad se representa mediante dos figuras:
ARCO
Orientando de izquierda a derecha, significa la ejecución del trabajo. La longitud del arco no es
vectorial y no siempre es recto.
NODOS
A estos se les denomina sucesos, eventos o nudos, inicial y final respectivamente, indican el inicio
y la finalización de la actividad y sirve como punto de control de la ejecución de los trabajos. Una
actividad debe estar terminada para que la subsiguiente pueda empezar.
Ejemplos:
Fig. 2 Fig. 3
En la figura 1 se puede observar que el arco no tiene un sentido vectorial, sino que es
simplemente una progresión de tiempo .En la figura 2 se muestra que todas las actividades tienen
sus sucesos iniciales y finales, siendo que el suceso final de la actividad precedente es el mismo
suceso inicial de la subsiguiente - Además puede distinguirse que el primer suceso inicial del
proyecto no posee una actividad que la preceda y el ultimo suceso final no tiene una tarea que la
subsiga.
ARCO FICTICIO
Se indica por medio de un arco de trazos, que se denomina también "dummy", sirve para denotar
una relación de precedencia entre dos actividades, pero no por que necesariamente requiere un
trabajo previo, ni tiempo, sino por instancias especiales.
10
Una convención usada en un diagrama de red de proyecto en la que cada arco corresponde a una de las
actividades y los dos nodos conectados por ese arco representan el inicio y fin de esa actividad.
11
Una convención usada en un diagrama de red de proyecto en la que cada nodo representa una tarea, y un
arco conecta dos nodos si un nodo corresponde a una tarea inmediatamente predecesora del otro nodo.

Fig. 4
En la figura 4 que representa el proceso para la explotación de un tajeo , donde el mineral
requiere ser sometido antes a un análisis para luego ser acarreando al shut y transportado a la
planta, se puede observar un caso típico de una flecha ficticia, que indica la precedencia del
muestreo y resultado del análisis para su acarreo posterior, con el fin de evitar una dilución.
RED DE PROYECTO
La red de proyecto sirve como base a la programación por camino crítico y señala con toda
precisión la secuencia de las actividades, su interrelación, etc.
Fig. 5 labores Nv. 2510

Nota: Nominación de galerías con letras.
Fig. 6 Red para el Nv 2510

La figura 5 representa un proyecto de excavación de labores subterráneas para la preparación del
Nv 2510; representando mediante le red de proyecto se tiene la fig. 6.
La enumeración de los sucesos, es otro sistema para la identificación de las actividades, la misma
que facilita los cálculos manuales y en computadora. Normalmente es conveniente enumerar en
forma secuencial.
En la red de proyecto indicado en la fig. 6 las actividades enumeradas son:
Actividad A ----- (1 , 2) Actividad G ----- (6 , 9)

Actividad B ---- (2 , 3) Actividad H ----- (9 , 10)

Actividad C ----- (3 , 4) Actividad I ----- (3 , 7)
Actividad D ----- (4 , 5) Actividad J ----- (7 , 8)
Actividad E ----- (5 , 6) Actividad K ----- (8 , 10)
Actividad F ----- (6 , 7)
En resumen, para dibujar una red de proyecto que refleje correctamente las relaciones de
precedencia usando la representación de actividad en arco, recuerde las siguientes pautas:
a) Construya la red secuencialmente, añadiendo un arco correspondiente a una actividad a la
vez, eligiendo un nodo terminal y preguntándose qué tarea(s) puede empezar entonces.
Recuerde que este nodo representa el punto en el tiempo en el que todas las actividades
correspondientes a los arcos que entran a ese nodo han sido concluidas.
b) Evite los ciclos en los que dos mismos nodos son conectados por más de un arco.
c) Cuando no exista ningún nodo que represente la conclusión de todas las predecesoras
inmediatas de la nueva tarea a ser añadida, considere la combinación de nodos, la adición de
actividades figuradas o de nodos (y actividades) figurados.
d) Al completarse, combine todos los nodos terminales sin arcos que salgan de ellos hacia un
solo nodo para representar el tiempo en que todo el proyecto se concluya.
e) Use la red de proyecto final para enumerar las predecesoras inmediatas de cada tarea;
después verifique que esas relaciones sean correctas, como se especifica en la tabla de
precedencia.
La red de proyectos para el proyecto de Santa Rosa Mining.
Fig. 7. Red de proyectos del proyecto Santa Rosa Mining Corp.

ADMINISTRACIÓN DE PROYECTOS USANDO TIEMPOS DETERMINÍSTICOS (CPM)
En esta sección aprenderá cómo usar la red de proyecto junto con tiempos determinísticos para la
conclusión de tareas a fin de administrar proyectos respondiendo las siguientes preguntas:
1. ¿Qué tan pronto puede completarse todo el proyecto?
2. Para satisfacer este tiempo de conclusión,¿qué tareas son críticas, en el sentido de que un
retraso en cualquiera de esas tareas produciría un retraso en la conclusión de todo el
proyecto?
Cálculo del tiempo de terminación de proyecto

Los cálculos sistemáticos necesarios para determinar el tiempo de terminación más breve se
ilustran para el proyecto de Santa Rosa Mining Corp. Observe que el tiempo determinístico para la
conclusión de cada tarea se escribe junto al arco correspondiente a esa tarea en la figura.
Fig. 8 Tiempos de duración de cada actividad del proyecto Santa Rosa Mining
Para encontrar el tiempo de terminación más corto de todo el proyecto, proceda sistemáticamente
desde el principio, determinando lo siguiente para cada tarea:
1. El tiempo de inicio más temprano (IT)12, esto es, el tiempo más inmediato en que esa
tarea puede iniciarse.
2. El tiempo de terminación más temprano (TT)13, esto es, el tiempo más breve en el que
esa tarea puede concluir.
donde:
A : Actividad
i, j : Nodos
El tiempo de terminación más temprana de la tarea final es el tiempo más corto en el que todo el
proyecto puede completarse. (En el caso de que exista más de una tarea terminal, el tiempo de
conclusión más breve de todo el proyecto es el máximo de los tiempos mínimos de terminación de
todas esas tareas.)
Para calcular el tiempo de inicio más temprano para una tarea particular, recuerde el concepto de
las tareas predecesoras inmediatas, esto es, aquellas tareas que deben concluirse antes que la
tarea actual pueda iniciarse. Es necesario saber cuándo termina cada una de estas tareas
predecesoras:
Regla 1. Para calcular el tiempo de inicio más temprano de una tarea particular, debe
conocer los tiempos de terminación más tempranos de cada tarea predecesora inmediata.
Regla 2. El tiempo de inicio más temprano de una tarea de la que se conocen los tiempos
de terminación más tempranos de todas sus tareas predecesoras inmediatas es el máximo
de esos tiempos de terminación más tempranos.
12
El tiempo mas cercano en que una tarea posiblemente puede inciarse.
13
El tiempo mas corto en el que una tarea posiblemente puede concluir.
Regla 3. Tiempo de terminación más temprano = (tiempo de inicio más temprano) + (tiempo
de tarea):
TT  IT  t
Fig 9. Cálculo de los tiempos de inicio y terminación mas tempranos para el proyecto de Santa Rosa Mining
Pasos para calcular los tiempos de inicio y de terminación más tempranos
Paso 0. Identifique el nodo correspondiente al principio de todo el proyecto.
Calcule y escriba lo siguiente en el nodo inicial:
a. El tiempo de inicio más cercano, esto es, 0 (porque la tarea correspondiente
puede iniciarse inmediatamente).
b. El tiempo de terminación más breve de acuerdo con la regla 3, esto es:
Tiempo de terminación más breve
= (tiempo de inicio más inmediato) + (tiempo de tarea)
= 0 + (tiempo de tarea)
= tiempo de tarea
Paso 1. Seleccione cualquier nodo donde todos los arcos entrantes han sido etiquetados
con sus tiempos de inicio y de terminación más breves.
Paso 2. Para el nodo seleccionado en el paso 1, calcule y escriba lo siguiente junto a cada
arco saliente:
a. El tiempo de inicio más breve de acuerdo con la regla 2, esto es
Tiempo de inicio más inmediato = máximo de los tiempos de terminación más
breves de todos los arcos entrantes
b. El tiempo de terminación más breve de acuerdo con la regla 3, esto es
Tiempo de terminación más breve = (tiempo de inicio más inmediato) +
(tiempo de tarea)
Identificación de las tareas críticas
En esta sección, aprenderá cómo usar la red de proyecto junto con los tiempos de conclusión de
tareas individuales y los tiempos de inicio y terminación más tempranos calculados en 2.1 para
determinar qué tareas son críticas. Crítica significa que un retraso en cualquiera de esas tareas
ocasiona un retraso en todo el proyecto. Los retrasos del proyecto pueden ocasionar costos
adicionales, ingresos perdidos y/o incumplimiento de las obligaciones contractuales. Por ejemplo,
no terminar las labores de preparación e inicio de explotacion de Santa Rosa Mining Corp. a
tiempo puede ocasionar una pérdida sustancial en las ventas de concentrado para el periodo

planeado. Por tanto, como gerente, necesitará comprobar estas tareas críticas estrechamente
para ver que se terminen a tiempo a fin de que el proyecto entero se mantenga en lo programado.
Ahora puede ver que la forma más fácil de identificar las tareas críticas es iniciar al final de la red y
proceder hacia atrás, hacia el principio del proyecto, examinando cada tarea. Determinar cuáles
son críticas, entonces, requiere calcular lo siguiente para cada tarea:
1. El último tiempo de terminación (UT)14 -es decir, lo más tarde que pueda concluirse una
tarea, mientras permita que el proyecto se complete lo más pronto posible, como se
determinó en la sección 2.1 para el proyecto de Santa Rosa Mining Corp.
2. El último tiempo de inicio (UI)15 -es decir, lo más tarde que pueda iniciarse una tarea, de
tal forma que finalice en su último tiempo de terminación.
Cualquier actividad cuyo último tiempo de inicio sea igual que su tiempo de inicio más inmediato
calculado en la sección 2.1 es crítica. Esto se debe a que la única forma de mantener el proyecto
a tiempo es iniciar esta tarea exactamente en este tiempo común.
Para calcular el último tiempo de terminación para una tarea particular, observe que un retraso en
esta tarea particular afecta a todas las tareas sucesoras16, es decir, aquellas tareas para las que
una tarea es una predecesora, porque las tareas sucesoras no pueden comenzar sino hasta que
ésta esté terminada. Esta observación da pie a la siguiente regla, que se añade a las tres reglas
presentadas en la sección.2.1:
Regla 4. Para calcular el último tiempo de terminación de una tarea particular, debe conocer
los últimos tiempos de inicio de cada tarea sucesora inmediata.
Regla 5. Respecto a una tarea de la que se conocen los últimos tiempos de inicio de todas
sus tareas sucesoras inmediatas, el último tiempo de terminación de esa tarea es el mínimo
de los últimos tiempos de inicio de todas las tareas sucesoras inmediatas.
Regla 6. Último tiempo de inicio = (último tiempo de terminación) - (tiempo de tarea)
UI  UT  t
14
Lo más tarde que pueda concluirse una tarea, en tanto permita que el proyecto se complete lo más pronto
posible.
15
Lo más tarde que pueda iniciarse una tarea, pero finalizando dentro de su último tiempo de terminación.
16
Una tarea para la que la tarea de interés es una predecesora.

Fig. 10 Cálculo de los últimos tiempos de inicio y terminación para el proyecto de Santa Rosa Mining
Pasos para calcular los últimos tiempos de inicio y terminación
Paso 0. Identifique el nodo correspondiente al final de todo el proyecto. Calcule y escriba
lo siguiente dentro de cada arco entrante:
a. El último tiempo de terminación, que es el tiempo más breve de conclusión
del proyecto, según se determinó en la sección 2.2 (porque cualquier otro
retraso en estas tareas retrasaría todo el proyecto).
b. El último tiempo de inicio de acuerdo con la regla 6, es decir
Último tiempo de inicio = (último tiempo de terminación) - (tiempo de tarea)
= (tiempo de conclusión de proyecto) - (tiempo de
tarea)
Paso 1. Seleccione un nodo, cuyos arcos salientes hayan sido etiquetados todos con sus
últimos tiempos de inicio y terminación.
Paso 2. Para el nodo seleccionado en el paso 1, calcule y escriba lo siguiente junto a
cada arco entrante:
a. El último tiempo de terminación de acuerdo con la regla 5, es decir último
tiempo de inicio = mínimo de los últimos tiempos de inicio de todos los arcos
salientes
b. El último tiempo de inicio de acuerdo con la regla 6, es decir último tiempo
de inicio = (último tiempo de terminación) - (tiempo de tarea)
Habiendo hecho estos cálculos, ahora puede identificar las tareas críticas y no criticas. Para cada
tarea, calculemos la holgura (H)17 de las tareas:
H  UT  IT  t
Usando los cálculos de la figura 10 y calculando las holguras se llega al calendario de actividades
mostrado en la tabla 4
Tabla 4 Calendario de actividades y tareas cr´ticas para el proyecto de Santa Rosa Mining
17
Cantidad de tiempo que una tarea puede retrasarse sin afectar la conclusión del proyecto.

ETIQUETA DESCRIPCION t IT UI TT UT HOLGURA

B Subnivel I 40 80 120 112 152 32
C Subnivel II 40 5 45 128 168 123
D Transversal II 5 0 5 123 128 123
E Chimenea de acceso 68 0 68 0 68 0
F Chimenea o coladero
de mineral 18 0 18 62 80 62
G Chimenea de
ventilación 21 0 21 89 110 89
H Instalación de tolvas 14 110 124 110 124 0
I Chimenea de corte I 16 152 168 152 168 0
J Chimenea de corte II 16 168 184 168 184 0
K Instalación de
cabrestante 14 96 110 96 110 0
L Explotación 28 124 152 124 152 0
M Parte inicial del nivel
de rastrillaje 12 68 80 68 80 0
N Parte final del nivel de
rastrillaje 16 80 96 80 96 0
Figurada 0 80 80 80 80 0
Las holguras en esta tabla representan la cantidad de tiempo según la cual la tarea
correspondiente puede retrasarse sin retrasar todo el proyecto, suponiendo que todas las demas
tareas se realizan a tiempo. Por ejemplo la Chimenea o coladero de mineral puede comenzar
hasta 89 dias tarde sin retrasar el proyecto.
Tarea crítica es una tarea cuyo tiempo de retraso es 0, lo que indica que cualquier retraso en esta
tarea ocasionara un retraso en la conclusion de todo el proyecto. En el ejemplo son tareas críticas
las tareas E, H, I, J, K, K, L, M y N. Como gerente debe verificar cuidadosamente estas tareas
criticas para mantener el proyecto dentro del calendario.
Fig. 11 Ruta crítica para el proyecto Santa rosa Mining

Las dobles líneas corresponden a las tareas críticas para el proyecto Santa Rosa Minino. Como
puede ver, estas tareas forman, en conjunto una ruta crítica18 desde el principio hasta el final del
proyecto. En general puede haber varias rutas críticas; en ese caso, el tiempo es de 184 días.
Administración de proyectos con tiempos determinísticos de tarea: uso de la computadora

Utilizaremos el software WinQSB para hallar la ruta crítica:
1. Iniciar el modulo PERT-CPM del software WinQSB
18
Una secuencia de tareas cr´ticas de un proyecto que conecta el principio del proyecto con el fin.
2. Ingresar los datos iniciales del proyecto
3. Ingresar la duración y los predecesores de las tareas.
4. Obtener la ruta crítica

Son valores similares a los obtenidos anteriormente.

5. Podemos observar también la grafica
Expedición de un proyecto usando técnicas de crashing

En muchos proyectos la gerencia puede decidir que el tiempo de conclusión más breve no es
aceptable. En tales casos, a menudo pueden usarse recursos adicionales para agilizar ciertas
tareas, ocasionando una conclusión más temprana del proyecto. En esta sección, aprenderá
cómo puede formularse un modelo de programación lineal para determinar las tareas que deben
agilizarse para lograr un tiempo de conclusión deseado, y a qué costo.
En el ejemplo de Santa Rosa Mining, suponga que el Gerente General decide que un tiempo de
conclusión de 184 días es demasiado largo. Se le ha pedido hacer recomendaciones sobre cómo
puede acortarse el proyecto a 160 días.
Obtención de datos de costos adicionales para las tareas
¿Qué tareas del proyecto pueden acortarse y en cuánto? Claro está que acortar las tareas
claramente requiere recursos adicionales, como el pago de tiempos extra, personal adicional y/o
subcontrataciones. Por tanto, los primeros pasos son enumerar, para cada tarea:
1. El tiempo de choque, esto es, el tiempo mínimo posible en el que la tarea puede
concluirse de manera realista usando recursos adicionales.
2. El costo de los recursos adicionales necesarios para acortar el tiempo de tarea a cualquier
valor entre sus tiempos normal y de choque.
Para obtener el tiempo de choque, puede consultar con las personas involucradas en la tarea.
Por ejemplo, considere la tarea de la chimenea de acceso en el proyecto de Santa Rosa Mining.
Originalmente se estima que esta tarea requiere 68 días. Sin embargo, después de las
discusiones con el gerente del departamento de diseño, usted descubrió que al contratar algo de
ayuda de tiempo parcial y/o usar tiempos extra, la chimenea de acceso podría terminarse en sólo
64 días, pero no menos. Por tanto, con recursos adicionales, el tiempo de conclusión de esta
tarea puede acortarse en 4 días a un tiempo de choque de 64 días.
El tiempo cuesta dinero. Para establecer cuánto cuesta el tiempo, comience por obtener dos
estimaciones de costo para concluir la tarea en (a) su tiempo normal y (b) su tiempo de choque.
En el proyecto de Santa Rosa Mining, suponga que la chimenea de acceso se estima que cueste
$7200 si se termina en su tiempo normal de 68 días y $7528 si se terminan en su tiempo de
choque de 64 días. De hecho, con una cantidad apropiada de entre $7200 y $7528, puede
concluir esta tarea en cualquier momento entre 68 y 64 días. Sin embargo, la obtención de las
estimaciones de costo para cada tiempo posible entre las 68 y 64 días puede ser difícil, caro y
llevarse tiempo. Una aproximación comúnmente usada es suponer que los costos se comportan
linealmente dentro del intervalo de tiempo dado, como se muestra en la figura 12. Basándose en
esta suposición, un costo por unidad de tiempo aproximado puede calcularse usando la siguiente
fórmula:
(costo al tiempo de choque) - (costo al tiempo normal)
Costo por unidad =
(tiempo normal) - (tiempo de choque)
Para la tarea de la chimenea de acceso,

7528 - 7200
Costo por unidad = = 82
68 - 64
En otras palabras, costará $ 82 adicionales por cada día que se acorte esta tarea.
7550
7500
7450
7400
Costo ($)
7350
7300
7250
7200
7150
63 64 65 66 67 68 69
Tiem po de tarea (días)

Fig. 12 Transacción tiempo – costo lineal para la chimenea de acceso

Estos datos y cálculos para cada tarea del proyecto de Santa Rosa Mining se muestran en la tabla
5.
Observe que el costo por unidad de la tarea L, Explotación, no se ha calculado. Esa tarea no
puede acortarse en absoluto.
Tabla 5 Costos de choque para las tareas de Santa Rosa Mining
Costo por día

Costo normal
Reducción
Tiem po de
Costo de
Choque
Máxima
choque
Tiempo
normal
A Nivel
B Subnivel I 40 8,100 36 8,380 4 70.0
C Subnivel II 40 8,100 36 8,380 4 70.0
D Transversal II 5 1,160 4 1,612 1 452.0
E Chimenea de acceso 68 7,200 55 8,528 13 102.2
F Chimenea o coladero de minera 18 1,920 15 2,241 3 107.0
G Chimenea de ventilación 21 2,160 18 3,110 3 316.7
H Instalación de tolvas 14 430 12 650 2 110.0
I Chimenea de c orte I 16 1,800 15 2,132 1 332.0
J Chimenea de c orte II 17 1,920 16 2,360 1 440.0
K Instalación de cabres tante 14 350 11 465 3 38.3
L Explotación 28 28 0
M Parte inicial del nivel de rastrillaje 12 3,900 10 4,020 2 60.0
N Parte final del nivel de rastrillaje 16 4,800 14 5,350 2 275.0
COSTO TOTAL 41,840
Desarrollo del modelo de choque
Con los datos de la tabla 5 y la red de proyecto, ahora es posible desarrollar un modelo de
programación lineal para determinar qué tareas acortar, y en cuánto, para lograr un tiempo de
conclusión meta para todo el proyecto de la manera menos costosa.
Identificación de las variables de decisión
Preguntándose lo que puede controlar y/o necesita determinar en este problema lo debe llevar a
identificar como variables de decisión la cantidad de tiempo en la cual acortar cada tarea. Por
tanto, para el ejemplo de Santa Rosa Mining, defina
YB = el número de días en las cuales acortar la tarea B
YC = el número de días en las cuales acortar la tarea C
.
YN = el número de días en las cuales acortar la tarea N
Los valores de estas variables de decisión reducen los tiempos de conclusión de tareas a las
cantidades mostradas junto a cada arco de la figura 13. Por ejemplo, el nuevo tiempo de
conclusión de la tarea C es 40 - Yc, es decir, el tiempo normal de 40 días menos el número de
días, Yc, en la cual se acorta esa tarea.
Identificación de la función objetivo
El objetivo global es minimizar los recursos adicionales totales requeridos para satisfacer el tiempo
de conclusión meta para el proyecto. Habiendo calculado los costos unitarios enumerados en la
tabla 5 asociados con el acortamiento de cada tarea, y observando que el costo de la variable YL
es irrelevante porque su valor estará restringido a 0, la función objetivo en términos matemáticos
es
Minimizar 70 YB + 70 YC + 452YD + 102.2 YE + 107 YF + 316.7 YG + 110 YH +332 YYI + 440
YJ + 38.33 YK + 60 YM + 275 YN
Identificación de las restricciones

Usando la técnica de agrupamiento puede identificar dos grupos de restricciones:
1. La cantidad máxima de tiempo en la cual se puede acortar cada tarea.
2. El tiempo de conclusión meta del proyecto (en este caso, 170 días).
Para las restricciones del grupo 1, lo único que se necesita son las cotas superiores sobre las
variables de decisión, YA, . . . , YN. Los valores máximos de estas variables se proporcionan en la
columna etiquetada 'Reducción máxima' de la tabla 5. La combinación de estos valores con la no
negatividad implícita de estas variables da pie a las siguientes restricciones:
Fig. 13 Variables de decisión para agilizar el proyecto de Santa Rosa Mining

Restricciones de límite
0 <= YB <= 4 (Límite B)
0 <= YC <= 4 (Límite C)
0 <= YD <= 1 (Límite D)
0 <= YE <= 13 (Límite E)
0 <= YF <= 3 (Límite F)
0 <= YG <= 3 (Límite G)
0 <= YH <= 2 (Límite H)
0 <= YI <= 1 (Límite I)
0 <= YJ <= 1 (Límite J)
0 <= YK <= 3 (Límite K)
0 <= YL <= 0 (Límite L)
0 <= YM <= 2 (Límite M)
0 <= YN <= 2 (Límite N)
La especificación de la restricción del grupo 2 requiere cuidado. Mirando la red de proyecto de la
figura 13, es necesario saber cuándo se concluirá la tarea J para determinar cuándo se terminara
todo el proyecto. Esto a su vez requiere saber cuándo se concluirán todas las predecesoras
inmediatas de la tarea J, es decir, cuándo se concluirán las tareas C e I. De hecho, para

especificar que el proyecto puede concluirse en su tiempo meta, es necesario saber cuando
puede comenzar cada tarea individual. Como estos valores son todavia desconocidos y dependen
de los valores de YA, . . . , YN, es aconsejable definir las variabless adicionales para cada nodo en
la red de proyecto de la manera siguiente:
X0 = el tiempo en que todas las tareas que salen del nodo 0 pueden comenzar
X8 = el tiempo en que todas las tareas que salen del nodo 8pueden comenzar
Con estas variables, ahora es posible especificar que el proyecto puede comenzar en el tiempo 0
y terminar en 160 días con las dos siguientes restricciones:
X0 = 0 (inicio)
X10 <= 160 (finalización)
Todo lo que resta son las restricciones que especifican que una tarea puede comenzar solo
despuers de que sus tareas predecesoras inmediatas hayan concluido. Por ejemplo refiriendose al
nodo 1 de la figura 13, la tarea M puede comenzar solo despues de haber concluido la tarea E.
Como X1 es el tiempo en el que esta tarea puede comenzar, se tiene la siguiente restricción de
nodo:
Tiempo de inicio de las tareas que salen del nodo 1 >= tiempos de terminación de todas las tareas
que entran al nodo 1
Tiempo de inicio de M >= tiempo de terminación de la tarea E
Tiempo de inicio de M >= (tiempo de inicio de la tarea E) + (tiempo acortado de la tarea E)
X1 >= X0 + (68-YE) (tarea A)
De manera similar para el resto de los nodos, tenemos:
X2 >= X0 + (5-YD) (tarea D)
X3 >= X1 + (12-YM) (tarea M)
X4 >= X0 + (18-YF) (tarea F)
X4 >= X3 + 0 (tarea figurada)
X5 >= X4 + (16-YN) (tarea N)
X6 >= X5 + (14-YK) (tarea K)
X6 >= X0 + (21-YG) (tarea G)
X7 >= X6 + (14-YH) (tarea H)
X8 >= X7 + (28-YL) (tarea L)
X8 >= X3 + (40-YB) (tarea B)
X9 >= X8 + (16-YI) (tarea I)

X9 >= X2 + (40-YC) (tarea C)

X10 >= X9 + (16-YJ) (tarea J)
Notemos que por cada tarea real o figurada existe una restricción.
Añadiendo la no negatividad implícita de las variables X, se obtiene el siguiente modelo de choque
completo:
Minimizar 70 YB + 70 YC + 452YD + 102.2 YE + 107 YF + 316.7 YG + 110 YH +332 YYI + 440
YJ + 38.33 YK + 60 YM + 275 YN
Dependiendo de:
Restricciones de límite
0 <= YB <= 4 (Límite B)
0 <= YC <= 4 (Límite C)
0 <= YD <= 1 (Límite D)
0 <= YE <= 13 (Límite E)
0 <= YF <= 3 (Límite F)
0 <= YG <= 3 (Límite G)
0 <= YH <= 2 (Límite H)
0 <= YI <= 1 (Límite I)
0 <= YJ <= 1 (Límite J)
0 <= YK <= 3 (Límite K)
0 <= YL <= 0 (Límite L)
0 <= YM <= 2 (Límite M)
0 <= YN <= 2 (Límite N)
Restricciones de terminación de proyecto
X0 = 0 (inicio)
X10 <= 170 (finalización)
Restricciones de red
X1 >= X0 + (68-YE) (tarea A)
X2 >= X0 + (5-YD) (tarea D)
X3 >= X1 + (12-YM) (tarea M)
X4 >= X0 + (18-YF) (tarea F)
X4 >= X3 + 0 (tarea figurada)
X5 >= X4 + (16-YN) (tarea N)
X6 >= X5 + (14-YK) (tarea K)
X6 >= X0 + (21-YG) (tarea G)
X7 >= X6 + (14-YH) (tarea H)
X8 >= X7 + (28-YL) (tarea L)
X8 >= X3 + (40-YB) (tarea B)
X9 >= X8 + (16-YI) (tarea I)
X9 >= X2 + (40-YC) (tarea C)

X10 >= X9 + (16-YJ) (tarea J)

Restricciones de red
X0, ……..,X10 >= 0
Resolución del modelo de choque
Habiendo formulado el modelo de choque apropiado, ahora podemos usar cualquier programa de
programaciön lineal para obtener la solución. En nuestro caso, utilizaremos el WinQSB.
De los valores de las variables Y se puede ver que para terminar el proyecto en el tiempo meta de
160 días, es necesario acortar los tiempos de la tarea E en 13 días, de la tarea H en 2 días, de la
tarea I en 1 día, de la tarea J en 1 día, de la tarea K en 3 días, de la tarea M en 2 días y de la tarea
N en 2 días. El costo total de hacer esto son $ 3,105.59 adicionales.
ADMINISTRACIÓN DE PROYECTOS USANDO TIEMPOS DE TAREA PROBABILISTICOS
(PERT)
Al revisar proyectos, un gerente a menudo encuentra retrasos imprevistos al llevar a cabo las
diferentes tareas, lo cual tiene como resultado un correspondiente retraso en el proyecto
completo. Una manera de manejar tales problemas consiste en tomar en cuenta esta variabilidad
cuando se estiman los tiempos de terminación individuales. En lugar de suponer que los tiempos
de tarea se conocen con certeza, como fue el caso en el ejemplo del proyecto de Santa Rosa
Mining en las secciones 2.1 a 2.4, puede ser más apropiado estimar los tiempos de tarea,
tomando en cuenta la incertidumbre. Para revisar tales proyectos se requiere un análisis
probabilístico, que se describirá en la presente sección. A lo largo de ella, se supone que el lector
conoce las nociones básicas de probabilidad y de estadística.
1.1. Enumeración de las tareas, identificando las relaciones de precedencia y trazando la
red de proyectos
En las secciones 1.1. a 1.4 se ha realizado la enumeración de las tareas del proyecto de Santa
Rosa Mining, identificado las relaciones de precedencia y trazado la red de proyectos.
1.2. Estimación de los tiempos de terminación de tareas
Los tiempos de terminación de estas tareas son bastante variables debido a la incertidumbre de la
obtención de suministros, el mantenimiento de las relaciones laborales, etcétera. Así pues, una
sola estimación del tiempo no es apropiada. Para tomar en cuenta esta variabilidad se requiere el
conocimiento de la distribución de probabilidad de los tiempos de terminación de cada tarea.
Esto, a su vez, requiere el conocimiento de los parámetros de la distribución, entre los que se
encuentran la media y la varianza. La obtención de la distribución y de sus parámetros, a
menudo, es difícil y tardada. Sin embargo, un planteamiento que ha resultado ser conflable en la
práctica consiste en aproximar las distribuciones desconocidas mediante una distribución beta. El
análisis, en la presente sección, no requiere la forma exacta de la distribución, sino solamente del
conocimiento de tres parámetros: el valor mínimo, el valor máximo y el valor más probable,
presentados en la figura 14.
Fig. 14 Distribución Beta de un tiempo de tarea

Suponga que para la tarea C, colocación del techo, las tres estimaciones obtenidas del
subcontratista que lo va a colocar son:
a = más optimista = 3 días b = más pesimista = 11 días m = más probable = 5.5 días
Utilizando estas tres estimaciones, el tiempo esperado y la desviación estándar se calculan de la
manera siguiente:
Tiempo de tarea esperado a + 4m + b

BIBLIOGRAFIA
 INVESTIGACIÓN DE OPERACIONES”, Kamlesh Mathur, Daniel Solow, Edit. Prentice-
Hall Hispanoamericana S.A., 1996, México.
 “INVESTIGACIÓN DE OPERACIONES”, Hamdy A. Taha, séptima edición, Pearson

Educación de méxico, S.A. de C.V., 2004, México.
 “INVESTIGACIÓN DE OPERACIONES: Programación Lineal”, Jorge Alvarez A.,

segunda edición, Edit. América, 1995, Perú.
 “MICROSOFT PROJECT 2003 PASO A PASO”, Curso Oficial de Microsoft, Edit.

McGraw-Hill/Interamericana de España, 2003, Madrid.


Investigacion Operaciones Mineria

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Investigacion Operaciones Mineria

Cargado por

Copyright:

Formatos disponibles

UNIVERSIDAD NACIONAL DEL ALTIPLANO

Facultad de Ingeniería de Minas

i Facultad de Ingeniería de Minas

EL PROBLEMA DE PLANEACIÓN DE PRODUCCIÓN DEL SINDICATO MINERO PACOCOCHA

ii Facultad de Ingeniería de Minas

¿QUÉ ES LA INVESTIGACIÓN DE OPERACIONES?

2. Problemas estocásticos, en los que parte de la información necesaria no se conoce con

La resolución de un problema determinístico es similar a decidir en cuál aerolínea comprar boleto

Después de la Segunda Guerra Mundial, los administradores de la industria reconocieron el valor

Figura 1.1 La metodología de la investigación de operaciones.

2 Facultad de Ingeniería de Minas

Un objetivo de este curso es mostrar muchos métodos matemáticos diferentes y sus

Los resultados y su posterior instrumentación deben supervisarse cuidadosamente, no sólo para

Modificación del Modelo

Este proceso de modificación de un modelo obteniendo la nueva solución y validándola, puede

¿Debería cambiar su política de administración? Por ejemplo, ¿debería reordenar inventarios a

· ¿Cómo puede la empresa programar de la manera más eficiente la fuerza de trabajo

· ¿Cuál es el plan de producción mensual óptimo?

1. Un método de determinación de la mejor manera de lograr un objetivo, como asignar

4 Facultad de Ingeniería de Minas

3. Una forma de evaluar la fortaleza de la solución óptima al hacer preguntas de sensibilidad

4. Un procedimiento para lograr un objetivo que beneficie a la organización global al incluir en el

1. Definición del problema, mediante su identificación y comprensión de manera que pueda

2. Desarrollar un modelo matemático, a menudo identificando variables de decisión, un objetivo

3. Resolución del modelo, usando una técnica de administración apropiada.

4. Validación de la solución, usando la intuición y la experiencia para determinar si la solución

5. Poner en práctica y supervisar la solución; si se encuentran resultados no anticipados, o si los

5 Facultad de Ingeniería de Minas

6 Facultad de Ingeniería de Minas

decisión preguntándose qué información necesita proporcionar al personal de producción, los

1. El número de miles de galones de CS-01 por producir semanalmente.

2. El número de miles de galones de CS-02 por producir semanalmente.

CS1 = el número de miles de galones de CS-01 por producir semanalmente

CS2 = el número de miles de galones de CS-02 por producir semanalmente

La necesidad de identificar las variables de decisión correctamente es vital. De otra manera, la

Pautas generales para identificar variables de decisión

1. El número de horas de trabajo disponibles en el departamento de mezclado.

2. El número de horas de trabajo disponibles en el departamento de purificación.

3. La cantidad de ganancias obtenidas al producir y vender cada tipo de solvente.

7 Facultad de Ingeniería de Minas

1. Como se estableció en la descripción del problema, el departamento de mezclado tiene cinco

3. El departamento de contabilidad estima un margen de ganancias de $0.30 por galón de CS-01

Identificación de la función objetivo

Maximizar la ganancia semanal total de la producción de CS-01 y CS-02

2. Donde sea adecuado, descomponer el objetivo en una suma, diferencia o producto de

Maximizar ganancia = (ganancia de CS-01) + (ganancia de CS-02)

Ganancia de CS-01 = 300(10) = $ 3 000 + Ganancia de CS-02 = 500(20) = $ 10 000

Ganancia total = $ 13 000

8 Facultad de Ingeniería de Minas

Ganancia de CS-01 = 300CS1 + Ganancia de CS-02 = 500CS 2 Ganancia total = 300CSI +

Maximízar 300CSI + 500CS2

Este problema ilustra las siguientes características clave:

Creación de la función objetivo mediante:

a. Enunciado del objetivo de manera verbal.

1. Limitaciones físicas (el número limitado de horas de trabajo en los departamentos de

4. Relaciones implicadas entre variables (por ejemplo, en el problema de inversión de Mark de la

9 Facultad de Ingeniería de Minas

5. Restricciones lógicas sobre variables individuales (por ejemplo, el número de carros

Expresar las restricciones en forma verbal.

Cuando es apropiado, descomponer la restricción en una suma, diferencia y/o producto de

Considere las restricciones del ejemplo 2. l.

RESTRICCIÓN DE TRABAJO EN EL DEPARTAMENTO DE MEZCLADO (LIMITACIÓN FÍSICA)

HORAS POR MILES DE GALONES DE