10.

Fresh Dairy Farms tiene dos máquinas distintas para procesar leche pura y
producir leche descremada, mantequilla o queso. La cantidad de tiempo
requerido en cada máquina para producir cada unidad de producto
resultante y las ganancias netas se proporcionan en la siguiente tabla:

LECHE DESCREMADA MANTEQUILLA QUESO

Maquina 1 0.2 min/gal 0.5 min/lb 1.5 min/lb
Maquina 2 0.3 min/gal 0.7 min/lb 1.2 min/lb
Ganancia neta $0.22/gal $0.38/lb $0.72/lb

Suponiendo que se dispone de 8 horas en cada máquina diariamente, como

gerente del departamento de producción, formule un modelo para
determinar un plan de producción diaria que maximice las ganancias
corporativas netas y produzca un mínimo de 300 galones de leche
descremada, 200 libras de mantequilla y 100 libras de queso.
10.1 Definición del problema
Determine un plan de producción diaria que maximice las ganancias
Objetivo
Determinar un plan de producción diaria que maximice las ganancias
10.2 Construcción del modelo matemático y recolección de datos
10.2.1.1 Identificación de las variables de decisión
𝑥1 = Cantidad en galones de leche descremada a
producir para maximizar las ganancias
𝑥2 = Cantidad en libras de mantequilla a producir para
maximizar las ganancias
𝑥3 = Cantidad en libras de queso a producir para
maximizar las ganancias
10.2.1.2 Identificación de la función objetivo
Maximizar 0.22𝑥1 + 0.38𝑥2 + 0.72𝑥3
10.2.1.3 Identificación de las restricciones
0.2𝑥1 + 0.5𝑥2 + 1.5𝑥3 ≤ 480
50.3𝑥1 + 0.7𝑥2 + 1.2𝑥3 ≤ 480
𝑥1 ≥ 300
𝑥2 ≥ 200
𝑥3 ≥ 100
10.3 Resolución del modelo matemático
Maximizar 0.22𝑥1 + 0.38𝑥2 + 0.72𝑥3
Sujeto a: 0.2𝑥1 + 0.5𝑥2 + 1.5𝑥3 ≤ 480
50.3𝑥1 + 0.7𝑥2 + 1.2𝑥3 ≤ 480
𝑥1 ≥ 300
𝑥2 ≥ 200
𝑥3 ≥ 100
Solución con Lingo
Global optimal solution found.
Objective value: 309.3333
Infeasibilities: 0.000000
 Total solver iterations: 2
Elapsed runtime seconds: 0.05

Model Class: LP

Total variables: 3
Nonlinear variables: 0
Integer variables: 0

Total constraints: 6
Nonlinear constraints: 0

Total nonzeros: 12
Nonlinear nonzeros: 0

Variable Value Reduced Cost

X1 733.3333 0.000000
X2 200.0000 0.000000
X3 100.0000 0.000000

Row Slack or Surplus Dual Price

1 309.3333 1.000000
2 83.33333 0.000000
3 0.000000 0.7333333
4 433.3333 0.000000
5 0.000000 -0.1333333
6 0.000000 -0.1600000
10.4 Planteamiento de la solución
𝑥1 = 733.33
𝑥2 = 200
𝑥3 = 100
𝑍 = 309.33
Para maximizar las ganancias corporativas de Fresh Dairy a $309.33, se
debe producir diariamente 733.33 galones de leche descremada, 200 libras
de mantequilla y 100 libras de queso
10.5 Validación de los resultados (modelo)
Se cumplen todas las restricciones

11. Cada galón de leche, libra de queso y libra de manzanas proporciona un

número conocido de miligramos de proteínas y vitaminas A, B y C. La
siguiente tabla incluye esos datos junto con los requerimientos diarios de los
ingredientes nutricionales, según lo recomendado por el Departamento de
Agricultura de los EE. UU. La tabla también incluye la cantidad mínima de
cada alimento que debe incluirse en la comida y su costo.
LECHE QUESO MANZANAS REQUERIMIENTOS
(mg/gal) (mg/lb) (mg/lb) MINIMOS DIAROS (mg)
Proteínas 40 30 10 80
Vitamina A 5 50 30 60
 Vitamina B 20 30 40 50
Vitamina C 30 50 60 30
Cantidad mínima 0.5 gal 0.5 lb 0.5 lb
Costo unitario ($) 2.15 2.25 1.25

Como dietista de una escuela pública, formule un modelo para determinar la

comida de costo mínimo que reúna todos los requerimientos nutricionales

11.1 Definición del problema

Determine la comida de costo mínimo que reúna todos los
requerimientos nutricionales.
Objetivo
Determinar la comida de costo mínimo que reúna todos los
requerimientos nutricionales.
11.2 Construcción del modelo matemático y recolección de datos
11.2.1.1 Identificación de las variables de decisión
𝑥1 = Cantidad de leche a consumirse en la escuela
𝑥2 = Cantidad de queso a consumirse en la escuela
𝑥3 = Cantidad de manzanas a consumirse en la escuela
11.2.1.2 Identificación de la función objetivo
Maximizar 2.15𝑥1 + 2.25𝑥2 + 1.25𝑥3
11.2.1.3 Identificación de las restricciones
40𝑥1 + 30𝑥2 + 10𝑥3 ≥ 80
5𝑥1 + 50𝑥2 + 30𝑥3 ≥ 60
20𝑥1 + 30𝑥2 + 40𝑥3 ≥ 50
30𝑥1 + 50𝑥2 + 60𝑥3 ≥ 30
𝑥1 ≥ 0.5
𝑥2 ≥ 0.5
𝑥3 ≥ 0.5
11.3 Resolución del modelo matemático
Maximizar 2.15𝑥1 + 2.25𝑥2 + 1.25𝑥3
Sujeto a: 40𝑥1 + 30𝑥2 + 10𝑥3 ≥ 80
5𝑥1 + 50𝑥2 + 30𝑥3 ≥ 60
20𝑥1 + 30𝑥2 + 40𝑥3 ≥ 50
30𝑥1 + 50𝑥2 + 60𝑥3 ≥ 30
𝑥1, 𝑥2, 𝑥3 ≥ 0.5
Solución con Lingo
Global optimal solution found.
Objective value: 5.147297
Infeasibilities: 0.000000
Total solver iterations: 2
Elapsed runtime seconds: 0.06

Model Class: LP

Total variables: 3
 Nonlinear variables: 0
Integer variables: 0

Total constraints: 8
Nonlinear constraints: 0

Total nonzeros: 18
Nonlinear nonzeros: 0

Variable Value Reduced Cost

X1 1.297297 0.000000
X2 0.7702703 0.000000
X3 0.5000000 0.000000

Row Slack or Surplus Dual Price

1 5.147297 -1.000000
2 0.000000 -0.5202703E-01
3 0.000000 -0.1378378E-01
4 19.05405 0.000000
5 77.43243 0.000000
6 0.7972973 0.000000
7 0.2702703 0.000000
8 0.000000 -0.3162162
11.4 Planteamiento de la solución
𝑥1 = 1.3
𝑥2 = 0.77
𝑥3 = 0.5
𝑍 = 5.15
La comida que representa el costo mínimo de $5.15 para la escuela
contiene 1.3gal de leche, 0.77lb de queso y 0.5lb de manzanas
11.5 Validación de los resultados (modelo)
Se cumplen todas las restricciones

12. RESPUESTA

13. RESPUESTA

14. RESPUESTA

15. RESPUESTA

16. La cuidad de Dakota Heigts desea determinar cuántas subestaciones postales

se requieren para dar servicio a su población. La ciudad ha sido dividida en
ocho zonas postales. Se han identificado cinco ubicaciones posibles para las
subestaciones. Cada ubicación puede dar servicio a un número de zonas,
como se indica en la siguiente tabla:
 UBICACION ZONAS QUE SE
PUEDEN ATENDER
1 1, 2, 3
2 1, 4, 5
3 2, 4, 5, 8
4 3, 5, 6, 7
5 6, 7, 8

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

sus ubicaciones) necesarias para dar servicio a las ocho zonas postales. Use el
esquema de la sección 2.3 para clasificar su modelo. (Sugerencia: defina una
variable apropiada para cada ubicación.)

16.1 Definición del problema

Determine el menor número de subestaciones necesarias para dar servicio
a las ocho zonas postales
Objetivo
Determinar el menor número de subestaciones necesarias para dar
servicio a las ocho zonas postales
16.2 Construcción del modelo matemático y recolección de datos
16.2.1.1 Identificación de las variables de decisión
𝑥1 = No se utiliza/si se utiliza subestación (0-1)
𝑥2 = No se utiliza/si se utiliza subestación (0-1)
𝑥3 = No se utiliza/si se utiliza subestación (0-1)
𝑥4 = No se utiliza/si se utiliza subestación (0-1)
𝑥5 = No se utiliza/si se utiliza subestación (0-1)
𝑥6 = No se utiliza/si se utiliza subestación (0-1)
𝑥7 = No se utiliza/si se utiliza subestación (0-1)
𝑥8 = No se utiliza/si se utiliza subestación (0-1)
𝑥9 = No se utiliza/si se utiliza subestación (0-1)
𝑥10 = No se utiliza/si se utiliza subestación (0-1)
𝑥11 = No se utiliza/si se utiliza subestación (0-1)
𝑥12 = No se utiliza/si se utiliza subestación (0-1)
𝑥13 = No se utiliza/si se utiliza subestación (0-1)
𝑥14 = No se utiliza/si se utiliza subestación (0-1)
𝑥15 = No se utiliza/si se utiliza subestación (0-1)
𝑥16 = No se utiliza/si se utiliza subestación (0-1)
𝑥17 = No se utiliza/si se utiliza subestación (0-1)
16.2.1.2 Identificación de la función objetivo
Maximizar
𝑥1 + 𝑥2 + 𝑥3 + 𝑥4 + 𝑥5 + 𝑥6 + 𝑥7 + 𝑥8 + 𝑥9 + 𝑥10
+ 𝑥11 + 𝑥12 + 𝑥13 + 𝑥14 + 𝑥15 + 𝑥16
+ 𝑥17
16.2.1.3 Identificación de las restricciones
𝑥1 + 𝑥2 <= 1
𝑥1 + 𝑥3 <= 1
𝑥1 + 𝑥4 <= 1
𝑥2 + 𝑥3 <= 1
 𝑥2 + 𝑥3 + 𝑥4 <= 1
𝑥4 + 𝑥5 <= 1
𝑥4 + 𝑥5 <= 1
𝑥3 + 𝑥5 <= 1
16.3 Resolución del modelo matemático
Minimizar
𝑥1 + 𝑥2 + 𝑥3 + 𝑥4 + 𝑥5 + 𝑥6 + 𝑥7 + 𝑥8 + 𝑥9 + 𝑥10 + 𝑥11 + 𝑥12
+ 𝑥13 + 𝑥14 + 𝑥15 + 𝑥16 + 𝑥17
Sujeto a: 𝑥1 + 𝑥2 <= 1
𝑥1 + 𝑥3 <= 1
𝑥1 + 𝑥4 <= 1
𝑥2 + 𝑥3 <= 1
𝑥2 + 𝑥3 + 𝑥4 <= 1
𝑥4 + 𝑥5 <= 1
𝑥4 + 𝑥5 <= 1
𝑥3 + 𝑥5 <= 1
Solución
Global optimal solution found.
Objective value: 0.000000
Infeasibilities: 0.000000
Total solver iterations: 0
Elapsed runtime seconds: 0.05

Model Class: LP

Total variables: 17
Nonlinear variables: 0
Integer variables: 0

Total constraints: 9
Nonlinear constraints: 0

Total nonzeros: 34
Nonlinear nonzeros: 0

Variable Value Reduced Cost

X1 0.000000 1.000000
X2 0.000000 1.000000
X3 0.000000 1.000000
X4 0.000000 1.000000
X5 0.000000 1.000000
X6 0.000000 1.000000
X7 0.000000 1.000000
X8 0.000000 1.000000
X9 0.000000 1.000000
X10 0.000000 1.000000
 X11 0.000000 1.000000
X12 0.000000 1.000000
X13 0.000000 1.000000
X14 0.000000 1.000000
X15 0.000000 1.000000
X16 0.000000 1.000000
X17 0.000000 1.000000

Row Slack or Surplus Dual Price

1 0.000000 -1.000000
2 1.000000 0.000000
3 1.000000 0.000000
4 1.000000 0.000000
5 1.000000 0.000000
6 1.000000 0.000000
7 1.000000 0.000000
8 1.000000 0.000000
9 1.000000 0.000000
16.4 Planteamiento del problema
𝑥1 = 0
𝑥2 = 0
𝑥3 = 0
𝑥4 = 0
𝑥5 = 0
𝑥6 = 0
𝑥7 = 0
𝑥8 = 0
𝑥9 = 0
𝑥10 = 0
𝑥11 = 0
𝑥12 = 0
𝑥13 = 0
𝑥14 = 0
𝑥15 = 0
𝑥16 = 0
𝑥17 = 0
No se utiliza ninguna subestación
16.5 Validación de los resultados (modelo)
Se cumplen todas las restricciones