UNIVERSIDAD MAYOR DE SAN ANDRÉS

INVESTIGACIÓN DE OPERACIONES I – IND 551

FACULTAD DE INGENIERIA
EJERCICIOS DE REPASO
INGENIERIA INDUSTRIAL
I/2014

Aux: Hugo David Cabrera Lipa Domingo 06 – 04 – 14

Página | 1

FORMULACIÓN DE MPL
1. Un fabricante produce tres modelos (I, II y III) de cierto producto. El utiliza
dos tipos de materia prima (A y B), de los cuales se dispone de 4000 y
6000 unidades, respectivamente. Los requisitos de materias primas por unidad de los
tres modelos son:
Requisitos por unidad del modelo dado
Materia prima I II III
A 2 3 5
B 4 2 7
El tiempo de mano de obra para cada unidad del modelo I es dos veces mayor que el
del modelo II y tres veces mayor que el del modelo III. Toda la
fuerza de trabajo de la fábrica puede producir el equivalente de 1500 unidades del
modelo I. Un estudio de mercado indica que la demanda mínima de
los tres modelos es 200, 200 y 150 unidades, respectivamente. Sin
embargo, las razones del número de unidades producidas deben ser iguales
a
3:2:5. Supóngase que la ganancia por unidad de los modelos I, II y III es $30, $20
y $50, respectivamente. Formule el problema como un modelo de
programación lineal para determinar el número de unidades de cada producto que
maximizarán la ganancia.
SOLUCIÓN:
Variables de decisión:
X = Unidades a producir del producto modelo I
Y = Unidades a producir del producto modelo II
Z = Unidades a producir del producto modelo III
Función objetivo: G (X, Y, Z): Ganancia
Max G = 30X + 20Y + 50Z
Restricciones:
1) Restricción de materia prima A:
2) Restricción de materia prima B:
3) Restricción de tiempo:
4) Relación de producción modelos I y II:
5) Relación de producción modelos II y III:
6) Restricción demanda del modelo I:
7) Restricción demanda del modelo II:
8) Restricción demanda del modelo III:
9) No negatividad:
10) Variables enteras:
 UNIVERSIDAD MAYOR DE SAN ANDRÉS
INVESTIGACIÓN DE OPERACIONES I – IND 551
FACULTAD DE INGENIERIA
EJERCICIOS DE REPASO
INGENIERIA INDUSTRIAL
I/2014

Aux: Hugo David Cabrera Lipa Domingo 06 – 04 – 14

Página | 2

2. La división de investigación y desarrollo de la “Compañía de los

Mejores Productos” ha desarrollado tres nuevos productos para el mercado
internacional que pueden ser producidos en dos de sus plantas. Sin embargo, para
evitar una diversificación excesiva de la línea de productos de la
compañía y por cuestiones tanto administrativas como financieras, se han impuesto
las siguientes políticas:
Política 1: Sólo una de las dos plantas debe asignarse para la producción de los
nuevos productos.
Política 2: De los tres nuevos productos posibles, deben escogerse, como máximo,
solo dos.
Considere, el costo unitario de producción de cada producto será el mismo
en las dos plantas. Sin embargo, por diferencias en las instalaciones, el
número de horas de producción por unidad de cada unidad difiere entre
ellas. Estos datos se dan en la tabla inferior, junto con otra
información
relevante que incluye las estimaciones del departamento de mercadotecnia
sobre el número máximo de unidades de cada producto que podrían
venderse a la semana. El objetivo es seleccionar los productos, la planta y las
tasas de producción de los bienes elegidos de manera que se maximice
la ganancia total.
PLANTAS Tiempo de producción utilizado por cada unidad producida Horas
disponibles por
semana
Producto 1 Producto 2 Producto 3
Planta 1 3 4 2 30
Planta 2 4 6 2 40
Ganancia unitaria ($/u) 50 70 30
Ventas semanales (u) 7 5 9

SOLUCIÓN:
Variables de decisión:
X I = Decisión de producir el producto i (i = A, B, C)
Y j = Decisión de trabajar en la planta j (j = 1, 2)
W i = Cantidad del producto i a producir (i = A, B, C)
Función objetivo: G (X, Y, Z): Ganancia
Max G = 50WA + 75WB + 30WC
Restricciones:
1) Horas disponibles planta 1:
2) Horas disponibles planta 2:
3) Elección de una sola planta:
4) Demanda del producto A:
5) Demanda del producto B:
6) Demanda del producto C:
7) Elección de sola dos productos:
8) Variables binarias:

9) No negatividad:
10) Variables enteras:
 UNIVERSIDAD MAYOR DE SAN ANDRÉS
INVESTIGACIÓN DE OPERACIONES I – IND 551
FACULTAD DE INGENIERIA
EJERCICIOS DE REPASO
INGENIERIA INDUSTRIAL
I/2014

Aux: Hugo David Cabrera Lipa Domingo 06 – 04 – 14

Página | 3

SOLUCIÓN DE MODELOS DE MPL

1. AEMPROTEX CTA vende blusas y polos de poliéster de alta calidad para la
exportación. La tabla muestra los materiales que se usa para producir una blusa y
un polo. Se dispone de 145000 kg de
poliéster y 90000 horas de trabajo por año. Se pueden vender hasta 50000 blusas y
hasta 50000 polos. Los polos se venden a 32 $us y las blusas a 55 $us. Además de
su propia producción de blusas y
polos, la empresa puede comprar (de un fabricante artesanal) más polos a 4 $us el
polo y puede comprar (de un fabricante semiartesanal) más blusas a 37 $us cada una.
Los costos en el mejoramiento
de las prendas compradas para la estandarización de la calidad se pueden considerar
despreciables. Plantee un MPL que estime la programación de la producción y las
compras necesarias para el
siguiente año.
Polo Blusa
Poliéster 3 kg 5 kg
Mano de obra 2 horas 4 horas
Obtenga la solución por el simplex revisado
SOLUCIÓN:
Variables de decisión:
X1 = Cantidad de polos que se producirán
X2 = Cantidad de blusas que se producirán
X3 = Cantidad de polos a comprar del fabricante artesanal
X4 = Cantidad de blusas a comprar del fabricante semiartesanal
Función objetivo: Z(X1, X2, X3, X4): Ganancia
Max Z = 32X1 + 55X2 + 28X3 + 18X4
Restricciones:
1) Disponibilidad de poliéster:
2) Disponibilidad de mano de obra:
3) Venta máxima de polos:
4) Venta máxima de blusas:
5) No negatividad:
Solución por simplex revisado:
Estandarizando el modelo:

UNIVERSIDAD MAYOR DE SAN ANDRÉS

INVESTIGACIÓN DE OPERACIONES I – IND 551
FACULTAD DE INGENIERIA
EJERCICIOS DE REPASO
 INGENIERIA INDUSTRIAL
I/2014

Aux: Hugo David Cabrera Lipa Domingo 06 – 04 – 14

Página | 4

Primera iteración:

Test de optimación:

Prueba del cociente:

Segunda iteración:

Test de optimación:

Prueba del cociente:

UNIVERSIDAD MAYOR DE SAN ANDRÉS

INVESTIGACIÓN DE OPERACIONES I – IND 551
FACULTAD DE INGENIERIA
EJERCICIOS DE REPASO
INGENIERIA INDUSTRIAL
I/2014

Aux: Hugo David Cabrera Lipa Domingo 06 – 04 – 14

Página | 5

Tercera iteración:

Test de optimación:

Prueba del cociente:

Cuarta iteración:

Test de optimación:

Cálculo de Z:

UNIVERSIDAD MAYOR DE SAN ANDRÉS

INVESTIGACIÓN DE OPERACIONES I – IND 551
FACULTAD DE INGENIERIA
EJERCICIOS DE REPASO
INGENIERIA INDUSTRIAL
I/2014

Aux: Hugo David Cabrera Lipa Domingo 06 – 04 – 14

Página | 6

Cálculo de XB:

Por lo tanto, se debe fabricar 22500 blusas, se debe comprar 50000 polos y se debe
comprar 27500 blusas para obtener un máximo beneficio de $us
3132500 para el próximo año. Dada dicha programación, existirá una
holgura de 32500 kg de poliéster los cuales puede disponerse para la
comercialización u otros fines que beneficien a AEMPROTEX CTA

UNIVERSIDAD MAYOR DE SAN ANDRÉS

INVESTIGACIÓN DE OPERACIONES I – IND 551
FACULTAD DE INGENIERIA
EJERCICIOS DE REPASO
INGENIERIA INDUSTRIAL
I/2014

Aux: Hugo David Cabrera Lipa Domingo 06 – 04 – 14

Página | 7

ANÁLISIS DE SENSIBILIDAD
1. Una industria química produce dos solventes: CS01 y CS02. La planta opera 40
horas por semana y cuenta con dos departamentos de producción:
Mezclado y purificación. En el departamento de mezclado hay 5 trabajadores tiempo
completo y 2 tiempo parcial. Cada trabajador tiempo parcial trabaja
15 horas a la semana. En el departamento de purificación hay 6 trabajadores tiempo
completo y 1 tiempo parcial, cada trabajador tiempo parcial trabaja
10 horas a la semana. Las horas requeridas para cada uno de los solventes son las
siguientes (h/1000gal):
CS01 CS02
Mezclado 2 1
Purificación 1 2
La demanda de CS02 está limitada a 120000 galones. La ganancia que originan ambos
productos son: 0,003 Bs por galón de CS01 y 0,005 Bs por
galón de CS02. Lo que se pretende es maximizar las ganancias semanales.
Se ha utilizado LINDO para resolver este problema, los resultados
obtenidos (en miles de galones) son los siguientes:
SOLUCIÓN:
Planteo del problema:
Variables de decisión:
X1 = Numero de miles de galones del disolvente CS01 a producir
X2 = Número de miles de galones del disolvente CS02 a producir
Función objetivo: G(X1, X2): Ganancia
Max G = 3X1 + 5X2
Restricciones:
R1) Horas disponibles en mezclado:
R2) Horas disponibles en purificación:
R3) Demanda de CS02:
R4) No negatividad:
Resolviendo por simplex:

OBJECTIVE FUNCTION VALUE

1) 660.0000
VARIABLE VALUE REDUCED COST
X1 70.000000 0.000000
X2 0.000000
ROW SLACK OR SURPLUS DUAL PRICES
R1) 0.000000
R2)
R3)
RANGES IN WHICH THE BASIS IS UNCHANGED:
OBJ COEFFICIENT RANGES
VARIABLE CURRENT ALLOWABLE ALLOWABLE
COEF INCREASE DECREASE
X1 3.000000
X2 5.000000
RIGHTHAND SIDE RANGES
ROW CURRENT ALLOWABLE ALLOWABLE
RHS INCREASE DECREASE
R1
R2
R3
a) Complete los espacios en blanco del informe de LINDO. Luego
interprete cada uno de los
parámetros obtenidos del informe de LINDO.
b) Si la ganancia de CS01 se incrementa a 0,009 Bs/gal y la de CS02
se reduce a 0,002 Bs/gal,
¿cuál es el nuevo programa de producción?
c) Se prevé que la demanda del disolvente CS02 se verá limitada a
1000000 de gal/semana,
entonces ¿se debe cambiar el programa de producción? Explique
d) Se incorporan 2 nuevos trabajadores a tiempo completo en el área de mezclado.
¿Cómo afecta
esto a la ganancia?
e) Le informan el despido de tres trabajadores a tiempo completo y uno a tiempo
parcial en el área
de purificación, ¿cómo afecta esto a la ganancia?
UNIVERSIDAD MAYOR DE SAN ANDRÉS
INVESTIGACIÓN DE OPERACIONES I – IND 551
FACULTAD DE INGENIERIA
EJERCICIOS DE REPASO
INGENIERIA INDUSTRIAL
I/2014

Aux: Hugo David Cabrera Lipa Domingo 06 – 04 – 14

Página | 8

Forma estándar:

Tabla simplex:
X1 X2 s1 s2 s3 LD
s1 2 1 1 0 0 230
s2 1 2 0 1 0 250
s3 0 1 0 0 1 120
G -3 -5 0 0 0 0

Primera iteración:
X1 X2 s1 s2 s3 LD
s1 2 0 1 0 -1 110
s2 1 0 0 1 -2 10
X2 0 1 0 0 1 120
G -3 0 0 0 5 600

Segunda iteración:
X1 X2 s1 s2 s3 LD
s1 0 0 1 -2 3 90
X1 1 0 0 1 -2 10
X2 0 1 0 0 1 120
G 0 0 0 3 -1 630

Tercera iteración (¡OPTIMO!)

X1 X2 s1 s2 s3 LD
s3 0 0 1/3 -2/3 1 30
X1 1 0 2/3 -1/3 0 70
X2 0 1 -1/3 2/3 0 90
G 0 0 1/3 7/3 0 660

Análisis de sensibilidad para X1:

UNIVERSIDAD MAYOR DE SAN ANDRÉS

INVESTIGACIÓN DE OPERACIONES I – IND 551
FACULTAD DE INGENIERIA
EJERCICIOS DE REPASO
INGENIERIA INDUSTRIAL
I/2014

Aux: Hugo David Cabrera Lipa Domingo 06 – 04 – 14

Página | 9

Análisis de sensibilidad para X2:

Análisis de sensibilidad para las horas disponibles en mezclado (primer recurso):

Análisis de sensibilidad para las horas disponibles en purificación (segundo

recurso):

Análisis de sensibilidad para la demanda de CS02 (tercer recurso):

a) Se llenan los valores del informe de LINDO:

Interpretación de los parámetros:

OBJECTIVE FUNCTION VALUE
1) 660.0000
El valor de la función objetivo es de 660 Bs. Refleja la ganancia semanal por la
producción de CS01 y CS02.
VARIABLE VALUE REDUCED COST
X1 70.000000 0.000000
X2 90.000000 0.000000
La cantidad a producir de CS01 es de 70000 galones a la semana. Puesto que es una
variable básica el valor de su costo reducido es 0.
OBJECTIVE FUNCTION VALUE
1) 660.0000
VARIABLE VALUE REDUCED COST
X1 70.000000 0.000000
X2 90.000000 0.000000
ROW SLACK OR SURPLUS DUAL PRICES
R1) 0.000000 1/3 = 0.333333
R2) 0.000000 7/3 = 2.333333
R3) 30.000000 0.000000
RANGES IN WHICH THE BASIS IS UNCHANGED:
OBJ COEFFICIENT RANGES
VARIABLE CURRENT ALLOWABLE ALLOWABLE
COEF INCREASE DECREASE
X1 3.000000 7.000000 0.500000
X2 5.000000 1.000000 3.500000
RIGHTHAND SIDE RANGES
ROW CURRENT ALLOWABLE ALLOWABLE
RHS INCREASE DECREASE
R1 230.000000 270.000000 90.000000
R2 250.000000 45.000000 135.000000
R3 120.000000 INFINITY 30.000000
UNIVERSIDAD MAYOR DE SAN ANDRÉS
INVESTIGACIÓN DE OPERACIONES I – IND 551
FACULTAD DE INGENIERIA
EJERCICIOS DE REPASO
INGENIERIA INDUSTRIAL
I/2014

Aux: Hugo David Cabrera Lipa Domingo 06 – 04 – 14

Página | 10

La cantidad a producir de CS02 es de 90000 galones a la semana. Puesto que es una

variable básica el valor de su costo reducido es 0.
ROW SLACK OR SURPLUS DUAL PRICES
R1) 0.000000 0.333333
R2) 0.000000 2.333333
R3) 30.000000 0.000000
Existe holgura en la restricción 30000 galones en la demanda de CS02 debido a que
solamente se producirá 90000 galones siendo el límite máximo de
120000. Existe demanda insatisfecha.
Existe una mejora de 0,33 Bs en el valor óptimo de la ganancia por cada hora que se
pueda adicionar en el departamento de mezclado (a parte de las
230 horas actuales)
Existe una mejora de 2,33 Bs en el valor óptimo de la ganancia por cada hora que se
pueda adicionar en el departamento de purificación (a parte de las
250 horas actuales)
OBJ COEFFICIENT RANGES
VARIABLE CURRENT ALLOWABLE ALLOWABLE
COEF INCREASE DECREASE
X1 3.000000 7.000000 0.500000
X2 5.000000 1.000000 3.500000
El valor optimo y la solución actual se mantendrán mientras la ganancia de
CS01 se mantenga entre 0,0025 y 0,010 Bs por galón. Si se sobrepasa
estos límites la solución actual cambiará.
El valor optimo y la solución actual se mantendrán mientras la ganancia de
CS02 se mantenga entre 0,0015 y 0,006 Bs por galón. Si se sobrepasa
estos límites la solución actual cambiará.
ROW CURRENT ALLOWABLE ALLOWABLE
RHS INCREASE DECREASE
R1 230.000000 270.000000 90.000000
R2 250.000000 45.000000 135.000000
R3 120.000000 INFINITY 30.000000
El valor óptimo de G se incrementará en 0,33 Bs por cada hora adicional en el
departamento de mezclado. El valor óptimo se reducirá en 0,33 Bs por
cada hora menos que se tenga en el departamento de mezclado.
El valor óptimo de G se incrementará en 0,66 Bs por cada hora adicional en el
departamento de purificación. El valor óptimo se reducirá en 0,66 Bs por
cada hora menos que se tenga en el departamento de purificación.
El valor optimo y la solución actual se mantendrá mientras la demanda de CS02 este
limitada por lo menos a 90000 galones. La solución se mantiene si
se incrementa el límite de la demanda a valores superiores a los 90000 galones
b) Del análisis de sensibilidad para los coeficientes de la función objetivo se
tiene que para los valores de 9X1 y 2X2 la solución actual se mantiene, por
lo tanto incrementar ganancia de CS01 a 0,009 Bs/gal o reducir la ganancia de CS02
a 0,002 Bs/gal no afecta la solución actual ni el valor óptimo.
c) Del análisis de sensibilidad para la restricción R3 se tiene que el incremento
permitido en la limitación de la demanda es INFINITY, por lo que si se
limita a 1000000 de galones de CS02, el resultado actual se mantiene.
d) Incorporar dos nuevos trabajadores a tiempo completos en el
departamento de mezclado significa disponer de 80 horas adicionales en
este
departamento, las cuales están dentro de los rangos permisibles (ROW R1). La nueva
cantidad de horas será de 230 + 80 = 310 horas. El nuevo valor
óptimo de G obtenido a partir del DUAL PRICES de R1 será de
660 + 0,333333*80 = 686,67 Bs
e) Despedir tres trabajadores a tiempo completo y uno a tiempo parcial significa
disponer de 130 horas menos en este departamento, las cuales están
dentro de los rangos permisibles (ROW R2). La nueva cantidad de horas será de 230 -
130 = 110 horas. El nuevo valor óptimo de G obtenido a partir
del DUAL PRICES de R2 será de
660 - 2,333333*80 = 356,67 Bs