UNIVERSIDAD DE CUENCA

Facultad de Ciencias Económicas y Administrativas

Investigación Operativa I

Tema:

“Ejercicios del Capítulo 3”

Estudiante:

David Sinche

Docente:

Eco. Guillermo Guamán

Cuenca, 6 de noviembre del 2018

EJERCICIO 3.1 Gasahol, Inc. Tiene 14000 galones de una mezcla de gasolina y
alcohol almacenada en su instalación de fresno y 16000 galones almacenados en su
instalación de Bakersfield. Desde estas instalaciones, Gasahol debe proveer a Fresh
Food Farms (FFF) 10000 galones y a American Growers (AG) 20000 galones. El costo
de embarcar 1 galón desde cada instalación de almacenado a cada cliente es:

  HACIA
DE FFF AG
Fresno $ 0,04 $ 0,06
Bakersfiel $ 0,05 $ 0,03
d

Formule un modelo de programación lineal para determinar el plan de embarque de

costo mínimo que satisfaga las restricciones de provisión y demanda.

Problema

Desconocimiento del plan de embarque de la cantidad de mezcla a enviar de las dos

instalaciones, para minimizar el costo.

Objetivo

Determinar el plan de embarque de la cantidad de mezcla a enviar de las dos

instalaciones, para minimizar el costo.

1. Identificar las variables

F FF =La cantidad de galones a enviar desde Fresno a Fresh Food Farms

F AG=La cantidad de galones a enviar desde Fresno a American Growers

BFF =La cantidad de galones a enviar desde Bakersfield a Fresh Food Farms

B AG=La cantidad de galones a enviar desde Bakersfield a American Growers

2. Determinar la función objetivo

Z min=0,04 F FF +0,06 F AG+ 0,05 B FF +0,03 B AG

3. Identificar las restricciones

3.1. Restricciones de suministro.

F FF + F AG ≤ 14000

BFF + B AG ≤ 16000

3.2. Restricciones de demanda.

F FF + B FF ≤10000
F AG+ B AG ≤ 20000

3.3. Restricciones lógicas.

F FF , F AG , B FF , B AG ≥ 0

4. Planteamiento del modelo

Z min=0,04 F FF +0,06 F AG+ 0,05 B FF +0,03 B AG

Sujeto a:

F FF + F AG ≤ 14000

BFF + B AG ≤ 16000

F FF + B FF ≤10000

F AG+ B AG ≤ 20000

F FF , F AG , B FF , B AG ≥ 0

EJERCICIO 3.2 HealthNut Company está desarrollando una nueva barra de

mantequilla de cacahuate y chocolate. El dulce debe tener al menos 5 gramos de
proteína, pero no más de 5 gramos de carbohidratos y 3 gramos de grasas saturadas.
Desarrolle un programa lineal para determinar la cantidad de cada ingrediente por
utilizar que satisfaga los requerimientos nutricionales a un costo total mínimo.
Mantequilla de cacahuate Mantequilla de chocolate
Costo ($/oz) 0.10 0.18
Proteína (g/oz) 4.00 0.80
Carbohidratos (g/oz) 2.50 1.00
Gradas saturadas (g/oz) 2.00 0.50

Problema
Desconocimiento de la cantidad de cada ingrediente por utilizar para que satisfaga los
requerimientos nutricionales a un costo total mínimo para desarrollar una barra de
mantequilla de cacahuate y chocolate.
Objetivo
Determinar la cantidad de cada ingrediente por utilizar para que satisfaga los
requerimientos nutricionales a un costo total mínimo para desarrollar una barra de
mantequilla de cacahuate y chocolate.
1. Identificación de las variables
X C =numero de onzas de ingredientes a utilizar en cada barra de mantequilla de cacahuate .

X CH =numero de onzas de ingredientes a utilizar en cada barra de mantequilla de chocolate .

2. Determinación de la Funcion Objetivo
Z min=0.10 X C +0.18 X CH

3. Identificación de las restricciones

3.1. Restricciones de producción

4 X C +0,8 X CH ≤ 20

2.5 X C + X CH ≤ 20

2 X C +0,5 X CH ≤ 20
3.2. Restricciones lógicas
X C , X CH ≥ 0
4. Planteamiento de modelo matemático
Z min=0.10 X C +0.18 X CH
S.T.
4 X C +0,8 X CH ≤ 20

2.5 X C + X CH ≤ 20

2 X C +0,5 X CH ≤ 20

X C , X CH ≥ 0

EJERCICIO 3.3 HealthNut Company tiene una máquina que muele semillas de
Psyllium hasta producir un polvo fino a una velocidad de 30 libras por hora. La
compañía también usa la maquina ara hacer crema de cacahuate con cacahuates tostados
a una velocidad de 60 libras por hora. El tiempo de fijación para cambiar la máquina de
un producto al otro es despreciable. La demanda mensual y los costos de mantenimiento
de inventario de cada producto se muestran en la tabla siguiente:
COSTOS DE
DEMANDA(lb) MANTENIMIENTO
($/lb)
Mes CREMA CREMA
DE PSYLLIU DE PSYLLIU
CACAHUA M CACAHUA M
TE TE
Mayo 400 600 0.10 0.05
Junio 450 700 0.10 0.05
Julio 500 650 0.12 0.05
El inventario inicial para cada producto a principios de mayo es 0 y también debe ser 0
a finales de julio. En ningún momento el inventario de Psyllium puede exceder las 1000
libras ni el de mantequilla de cacahuate las 500 libras. Asimismo, cada mes hay 20
horas de tiempo de maquina disponible. Formule un programa linean para determinar un
plan de producción para los meses de mayo, junio y julio que minimice los costos
totales de almacenamiento, suponiendo que se satisface la demanda al final de cada mes
y que los costos de mantenimiento de existencia se basan en la cantidad en inventario a
principios de mes.
Problema
Desconocimiento de un plan de producción adecuado para la crema de cacahuate y
Psyllium en los meses de mayo, junio y julio para minimizar los costos de
almacenamiento.
Objetivo
Determinar el plan de producción adecuado para la crema de cacahuate y Psyllium en
los meses de mayo, junio y julio para minimizar los costos de almacenamiento.
1. Identificación de las variables
X 11 =Numero de horas que se usa lamaquina para producir Crema de Cacahuate en Mayo

X 12=Numero de horas que se usa la maquina para producir Crema de Cacahuateen Mayo

X 13=Numero de horas que se usa la maquina para producir Crema de Cacahuateen Mayo

X 21=Numero de horas que se usa la maquina para producir Psyllium en Mayo

X 22=Numero de horas que se usa la maquina para producir Psyllium en Junio

X 23=Numero de horas que se usa la maquina para producir Psyllium en Julio

I 11=Cantidad de libras de crema de cacahuate en el inventario alinicio de mayo

I 12=Cantidad de libras de crema de cacahuate en elinventario alinicio de junio

I 13=Cantidad de libras de crema de cacahuate en el inventario al inicio de julio

I 14=Cantidad de libras de crema de cacahuate en el inventario al inicio de Agosto

I 21=Cantidad de libras de Psyllium en el inventario alinicio de mayo

I 22=Cantidad de libras de Psyllium en el inventario alinicio de junio

I 23=Cantidad de libras de seimllas en elinventario al inicio de julio

I 24=Cantidad de libras de seimllas en el inventarioal inicio de Agosto

2. Determinación de la Funcion Objetivo

Z min=0.1 I 11 +0.1 I 12 +0.12 I 13 +0.05 I 21 +0.05 I 22 +0.05 I 23

3. Identificación de las restricciones

3.1. Restricciones de inventario
I 11=0

I 21=0

I 14=0

I 24=0

−I 11 + I 12− X 11−400=0

−I 21+ I 22 −X 21−600=0

−I 12+ I 13−X 12−450=0

−I 22+ I 23 −X 22−700=0

−I 13+ I 14− X 13−500=0

−I 23+ I 24− X 23−650=0

3.2. Restricciones de producción

0,0167 X 11 + 0,0333 X 21 ≤ 20

0,0167 X 12 +0,0333 X 22 ≤ 20

0,0167 X 13 +0,0333 X 23 ≤20

3.3. Restricciones de capacidad de inventario

I 11 ≤ 500

I 12 ≤500

I 13 ≤ 500

I 14 ≤ 500

I 21 ≤1000

I 22 ≤1000

I 23 ≤ 1000

I 24 ≤ 1000
3.4. Restricciones lógicas

X 11 , X 12 , X 13 , X 21 , X 22 , X 33 , I 11 , I 12 , I 13 , I 14 , I 21 , I 22 , I 23 , I 24 ≥0
4. Planteamiento de modelo matemático
Z min=0.1 I 11 +0.1 I 12 +0.12 I 13 +0.05 I 21 +0.05 I 22 +0.05 I 23
S.T.

I 11=0
I 21=0

I 14=0

I 24=0

−I 11 + I 12− X 11−400=0

−I 21+ I 22 −X 21−600=0

−I 12+ I 13−X 12−450=0

−I 22+ I 23 −X 22−700=0

−I 13+ I 14− X 13−500=0

−I 23+ I 24− X 23−650=0

0,0167 X 11 + 0,0333 X 21 ≤ 20

0,0167 X 12 +0,0333 X 22 ≤ 20

0,0167 X 13 +0,0333 X 23 ≤20

I 11 ≤ 500

I 12 ≤500

I 13 ≤ 500

I 14 ≤ 500

I 21 ≤1000

I 22 ≤1000

I 23 ≤ 1000

I 24 ≤ 1000

X 11 , X 12 , X 13 , X 21 , X 22 , X 33 , I 11 , I 12 , I 13 , I 14 , I 21 , I 22 , I 23 , I 24 ≥0

EJERCICIO 3.4 FMR Company tiene una máquina capaz de fabricar tubos de
diámetros grandes y pequeños para contratistas de plomería. Los tubos grandes se
producen a una velocidad de 200 pies por hora y los pequeños a 300 pies por hora. Cada
hora que la maquina es utilizada para producir tubos grandes generalmente ocasiona 1.5
atascamientos y cuando se producen tubos pequeños resultan 3 atascamientos por hora.
Cada atascamiento requiere aproximadamente 5 minutos de restablecimiento, durante
los cuales la maquina no puede producir tubos. La gerencia requiere un número igual de
pies de ambos tamaños de tubos y la mayor cantidad total de tubos posible. Formule un
modelo para determinar cuánto tiempo de un día de 8 horas debe de asignarse a la
producción de tubos grandes y cuánto a la de tubos pequeños. Para las variables de
decisión, use el número de horas tiempo de maquina por dedicar a la fabricación de
tubos pequeños y grandes.
Problema
Desconocimiento del modelo para determinar cuánto tiempo de un día de 8 horas debe
asignarse a la producción de tubos grandes y cuanto a la de tubos pequeños.
Objetivo
Planteamiento del modelo para identificar cuanto tiempo de un día de 8 horas debe
asignarse a la producción de tubos grandes y pequeños
1. Identificación de las variables
TP = Cantidad de pies de tubos pequeños.
TG = Cantidad de pies de tubos grandes.
CHP = Cantidad de horas que se producen tubos pequeños.
CHG = Cantidad de horas que se producen tubos grandes.
2. Determinación de la Funcion Objetivo
Zmax = (TP + TG)
3. Identificación de las restricciones
3.1. Restricciones de producción
TP = TG
CHP >= 0
CHG >= 0
TP = 300*CHP-0.25*300*CHP
TG = 200*CHG-0.125*200*CHG
3.2. Restricciones lógicas
TP, TG, CHP, CHG >= 0
4. Planteamiento del modelo
Zmax = (TP + TG)
TP = TG
CHP >= 0
CHG >= 0
TP = 300*CHP-0.25*300*CHP
TG = 200*CHG-0.125*200*CHG
TP, TG, CHP, CHG >= 0
EJERCICIO 3.5 Repita el ejercicio 3.4 usando la fracción de 8 horas de tiempo de
máquina que dedicara a fabricar tubos pequeños y grandes como las variables de
decisión.
Problema
Desconocimiento del modelo para determinar cuánto tiempo de un día de 8 horas debe
asignarse a la producción de tubos grandes y cuanto a la de tubos pequeños.
Objetivo
Planteamiento del modelo para identificar cuanto tiempo de un día de 8 horas debe
asignarse a la producción de tubos grandes y pequeños
1. Identificación de Variables
P : Fracciónde las 8 hs . que se utiliza para fabricar tubos pequeños .
G :Fracción de las 8 hs . que se utiliza para fabricar tubos grandes .

2. Determinación de la Función Objetivo

Max .1800 P
3. Identificación de Restricciones
3.1. Restricciones de Producción
1800 P−1400 G=0
P+G=1
3.2. Restricciones Lógicas
P ,G ≥ 0
4. Planteamiento del modelo matemático
Max .1800 P
s . t .:
1800 P−1400 G=0
P+G=1
P ,G ≥ 0
EJERCICIO 3.6 Repita el ejercicio 3.4 usando el número de pies de tubos pequeños y
grandes por fabricar en 8 horas de tiempo de máquina como las variables de decisión.

Problema

Desconocimiento del número de pies del diámetro de los tubos pequeños y grandes que
se fabricaran en 8 horas de tiempo de máquina que maximicen la producción.
Objetivo

Determinar el número de pies del diámetro de los tubos pequeños y grandes que se
fabricaran en 8 horas de tiempo de máquina que maximicen la producción.

1. Determinación de las variables

TG: Número de pies del diámetro de los tubos grandes que se fabricaran en 8 horas para
maximizar la producción.

TP: Numero de pies del diámetro de los tubos pequeños que se fabricaran en 8 horas
para maximizar la producción.

2. Determinación de la Funcion Objetivo

TG=1/60(TG) – 1.5∗(1/12)∗1/60 TG

TG=7 /480 TG

TP=1 /60 (TP)−3∗(1/12)∗1/60TP

TP=1 /80 TP

1
ZMAX=7 /480TG + TP
80

3. Identificación de las Restricciones

1/60 TG+ 1/ 60TP ≤ 8

TG=TP

TG ,TP ≥ 0

4. Planteamiento del Modelo Matemático

1
ZMAX=7 /480TG + TP
80

1/60 TG+ 1/ 60TP ≤ 8

TG=TP

TG ,TP ≥ 0

EJERCICIO 3.7 En Explosives, Inc. Se mezcla azufre, carbón y salitre para producir
pólvora. El producto final debe contener al menos 10%, pero no más de 20%, de carbón
por unidad de peso. La cantidad de salitre no puede exceder el 50% de la cantidad de
carbón usado. Para evitar una explosión accidental, la suma de 50% de azufre más 60%
del carbón más 30% del salitre usados no puede exceder 35% del producto final. El
azufre es con mucho el componente más caro. Formule un modelo para determinar la
cantidad de cada ingrediente que debe utilizarse para producir cada libra de pólvora que
satisfaga las restricciones y, a la vez, que requiera la menor cantidad de azufre.
Problema
Desconocimiento de la cantidad a utilizarse de azufre, carbón, salitre, en cada libra de
pólvora, para minimizar la cantidad de azufre.
Objetivo
Determinar la cantidad de cada ingrediente que debe utilizarse para producir cada libra
de pólvora y, a la vez, que requiera la menor cantidad de azufre.
1. Identificación de Variables
X1: Cantidad de azufre a utilizarse en libras.
X2: Cantidad de carbón a utilizarse en libras.
X3: Cantidad de salitre a utilizarse en libras.
2. Determinación de la Función Objetivo
Z MIN =X 1

3. Identificación de Restricciones
X 1+ X 2+ X 3=1
X 2 ≥ 0.1
X 2 ≤0.2
X 3 ≤ 0.5∗X 2
0.5 X 1+0.6 X 2+0.3 X 3 ≤ 0.35
4. Planteamiento del modelo matemático
Z MIN =X 1

X 1+ X 2+ X 3=1
X 2 ≥ 0.1
X 2 ≤0.2
X 3 ≤ 0.5∗X 2
0.5 X 1+0.6 X 2+0.3 X 3 ≤ 0.35
EJERCICIO 3.8 Case Chemicals diluye cada litro de ácido sulfúrico concentrado con
20 litros de aguas destilada para producir H 2 S O 4 . De manera similar, cada litro de
ácido clorhídrico concentrado se diluye con 30 litros de agua destilada para producir
HCL. Estos dos productos son vendidos a escuelas de segunda enseñanza a $0.10 por
botella de 100 mililitros (esto es, 0.1 litros). La compañía actualmente tiene 50000
botellas vacías en inventario. Suponga que existe una cantidad virtualmente ilimitada de
agua destilada que cuesta $0.15 por litro y que dispone de los siguientes datos:
ÁCIDO SULFÚRICO ÁCIDO CLORHÍDRICO
Costo($/litro) 12.00 18.00
Suministro(litros) 200.00 150.00

Formule un modelo para determinar la cantidad de cada ácido concentrado por diluir
para maximizar las ganancias totales.
Problema
Desconocimiento de la cantidad de cada ácido concentrado por diluir para maximizar
las ganancias totales
Objetivo
Determinar la cantidad de cada ácido concentrado por diluir para maximizar las
ganancias totales

1. Determinación de las variables

A s=¿ cantidad en litros de ácido sulfúrico concentrado
Ac =¿ cantidad en litros de ácido clorhídrico concentrado

2. Determinación de la Funcion Objetivo

Canancia máxina=( Ingresos−Costos ) As +(Ingresos−Costos) A c

Z MAX =[ 21−(12+ 0.15∗20) ] A s + [ 31−(18+0.15∗20) ] A c

Z MAX =6 A s+10 A c

3. Identificación de las restricciones

3.1 Restricciones de suministros
A s ≤ 200

Ac ≤150

21 A s +31 A c ≤ 5000

3.2 Restricciones lógicas

A s , Ac ≥ 0
4. Planteamiento de modelo matemático
Z MAX =6 A s+10 A c

A s ≤ 200
Ac ≤150

21 A s +31 A c ≤ 5000

A s , Ac ≥ 0

EJERCICIO 3.9 ManuMania Company usa una base y dos productos de goma, todos
en cantidades iguales, para producir su Gooey Gum. La compañía puede producir un
total combinado de hasta 800 libras de la base y dos productos de goma. De manera
alternativa, puede comprar estos ingredientes en el mercado abierto en las siguientes
cantidades de dólares por libra.

PRODUCTO COSTO DE PRODUCCION COSTO DE COMPRA

Base 1,75 3
GP-1 2 3,25
GP-2 2,25 3,75

Formule un modelo para determinar el plan de producción de costo mínimo/compra

para satisfacer una demanda de 1200 libras de Gooey Gum.

Problema

Desconocimiento del plan de producción; la cantidad en libras de producir y comprar de

la goma1 y goma2.

Objetivo

Determinar el plan de producción; la cantidad en libras de producir y comprar de la

goma1 y goma2.

1. Identificar las variables

BP =La cantidad en libras de labase que se debe producir .

Bc =La cantidad enlibras de labase que se debe comprar .

GP 1 P=La cantidad en libras del producto de goma1 que se debe producir .

GP 1c =La cantidad en libras del producto de goma1 que se debe comprar .

GP 2 P=La cantidad en libras del producto de goma2 que se debe producir .

GP 2c =La cantidad en libras del producto de goma2 que se debe comprar .

2. Determinar la función objetivo

Z min=1,75 BP + 3 BC +2 GP 1 P+ 3,25GP 1C + 2,25GP 2P +3,75 GP 2C

3. Identificar las restricciones

3.1. Restricciones de suministro

BP + BC =400

GP 1 P +GP 1C =400

GP 2 P +GP 2C =400

3.2. Restricción de demanda

BP +GP 1P +GP 2P ≤ 800

3.3. Restricción lógica.

BP , BC ,GP 1 P ,GP 1C ,GP 2 P ,GP 2C ≥ 0

4. Planteamiento del modelo

Z min=1,75 BP + 3 BC +2 GP 1 P+ 3,25GP 1C + 2,25GP 2P +3,75 GP 2C

Sujeto a:

BP + BC =400

GP 1 P +GP 1C =400

GP 2 P +GP 2C =400

BP +GP 1P +GP 2P ≤ 800

BP , BC ,GP 1 P ,GP 1C ,GP 2 P ,GP 2C ≥ 0

EJERCICIO 3.10 Cada semana, Florida Citrus, Inc., usa una sola maquina durante 150
horas para destilar jugo de naranja y de toronja en concentrados almacenados en dos
tanques separados de 1000 galones antes de congelarlos. La máquina puede procesar 25
galones de jugo de naranja por hora, pero solo 20 galones de jugo de toronja. Cada
galón de jugo de naranja cuesta $1.50 y pierde 30% de contenido de agua al destilarse
en concentrado. El concentrado de jugo de naranja se vende después en $6.00 por galón.
Cada galón de jugo de toronja cuesta $2.00 y pierde 25% de contenido de agua al
destilarse en concentrado. El concentrado de jugo de toronja se vende después en $8.00
por galón. Formule un modelo de programación lineal para determinar un plan de
producción que maximice la ganancia para la siguiente semana usando las variables:
JN = el número de galones de jugo de naranja por utilizar esta semana
JT = el número de galones de jugo de toronja por utilizar esta semana

1000 Galones

150 horas
1000 Galones

Naranja
25 gl/h
1.50 $/gl
Perdida 30% de agua
Pv = 6.00 $/gl
Toronja
20 gl/h
2.00 $/gl
Perdida 25% de agua
Pv = 8.00 $/gl
Problema
Desconocimiento de un modelo de programación lineal para determinar un plan de
producción que maximice la ganancia para la siguiente semana usando las variables
Objetivo
Determinar un modelo de programación lineal para determinar un plan de producción
que maximice la ganancia para la siguiente semana usando las variables
1. Identificación de variables:
JN = número de galones de jugo de Naranja por semana
JT = número de galones de jugo de Toronja por semana
2. Determinación de la función objetivo
Z MAX =2.7 JN +4 JT

3. Identificación de restricciones:
JN 25gl/h + JT 20gl/h ≤ 150 horas
JN=25 gl/h+20 gl/ h≤ 150 horas
gl gl
≤ 150 horas
gl /h gl /h
JN−0.3 JN ≤1000
gl−0.3 gl≤ 1000 gl
1 gl−0.3=0.7 gl
6.00 $ / gl∗0.7 gl=4.20 c /gl
4.20 $ /gl−1.50 $/ gl=2.7 $ /gl
JT −0.25 JT ≤ 1000
gl−0.25 gl≤ 1000 gl
1 gl−0.25=0.75 gl
8.00 $/ gl∗0.75 gl=6.00 c / gl
6.00 $ / gl−2.00 $ / gl=4 c /gl
4. Planteamiento del modelo matemático
Z MAX =2.7 JN +4 JT

JN JT
S.A: + ≤ 150 h
25 20
JN−0.3 JN ≤1000
JT −0.25 JT ≤ 1000
JN , JN ≥ 0
0.04 h/glJN −0.05 h/glJT ≤ 150
0.7 JN ≤1000
0.75 JN ≤ 1000
JN , JT ≥ 0
EJERCICIO 3.11 Como variante del ejercicio 3.10, formule un modelo de
programación lineal para determinar un plan de producción que maximice la ganancia
para la siguiente semana usando las variables:
CN= el número de galones de concentrado de naranja por producir esta semana
CT= el número de galones de concentrado de toronja por producir esta semana
Problema
Desconocimiento del número de galones de cada concentrado por producir esta semana
que maximicen la ganancia.
Objetivo
Determinar del número de galones de cada concentrado por producir esta semana que
maximicen la ganancia.
1. Identificación de variables
CN= el número de galones de concentrado de naranja por producir esta semana
CT= el número de galones de concentrado de toronja por producir esta semana
2. Determinación de la Función objetivo
Zmax=3.86CN+5.33CT
3. Identificación de las Restricciones
CN≤1000
CT≤1000
0.57CN+0.67CT≤150
CN, CT≥0
4. Planteamiento del modelo matemático
Zmax=3.86CN+5.33CT
Sujeto a:
CN≤1000
CT≤1000
0.57CN+0.67CT≤150
CN, CT≥0
EJERCICIO 3.12: Como variante del ejercicio 3.10, formule un modelo de
programación lineal para determinar un plan de producción que maximice la ganancia
de la siguiente semana usando las variables;
TN: El número de horas de tiempo de máquina a usarse esta semana para destilar jugo
de naranja.
TT: El número de horas de tiempo de máquina a usarse esta semana para destilar jugo
de toronja.
Problema
Desconocimiento del plan de producción que maximice la ganancia de la siguiente
semana.
Objetivo
Determinar el plan de producción que maximice la ganancia de la siguiente semana.
1. Identificación de variables.
TN: El número de horas de tiempo de máquina a usarse esta semana para destilar jugo
de naranja.
TT: El número de horas de tiempo de máquina a usarse esta semana para destilar jugo
de toronja
2. Determinación de la función Objetivo.
Zmax = 4.2JN +5.75 JT
3. Identificación de las restricciones.
3.1. Restricciones de Producción.
JN+JT ≤150
25N-0.325JN ≤ 1000
20T-0.25 JT ≤1000
3.2. Restricciones Lógicas
JN, JT ≥ 0
4. Planteamiento del modelo matemático.
Zmax = 4.2JN +5.75 JT
JN+JT ≤150
25JN-0.325JN ≤ 1000
20JT-0.25JT ≤1000
JN, JT ≥ 0
5. Resolución del modelo matemático
Utilizando el programa Lindo 6.1 ejecutamos el ejercicio y tenemos la siguiente
respuesta.

Interpretación: Se necesitan40.53 horas en la máquina de jugo de naranja y 50.63

horas en la máquina de jugo de toronja para obtener una utilidad máxima de $546.46
EJERCICIO 3.13 Oklahoma Oil, Inc., debe transportar 100000 barriles de cada uno de
sus tres campos petroleros a su tanque de almacenamiento en Oklahoma City. El
petróleo puede transportarse en camiones directamente de los campos al tanque de
almacenamiento a un costo de $ 0.03 por barril por milla. Hasta 150000 barriles de
petróleo también pueden enviarse desde los campos mediante ductos a un eje central en
Tulsa a un costo de $ 0.02 por barril por milla y luego transportarse en camiones a
Oklahoma City por $ 1 por barril. Formule un modelo para determinar el plan de
embarque de costo mínimo, dadas las siguientes distancias en millas:
HACIA
DESDE OKLAHOM TULSA
A
CAMPO 150 50
PETROLERO 1
CAMPO 170 65
PETROLERO 2
CAMPO 190 80
PETROLERO 3

Campo 1-100000

Oklahoma-0.03 $/barril

Oklahoma Oíl Inc. Campo 2-100000

Tulsa-0.02 $/barril

Campo 3-100000

Problema
Desconocimiento de un modelo para determinar el plan de embarque de costo mínimo,
dadas las siguientes distancias en millas.
Objetivo
Determinar de un modelo para determinar el plan de embarque de costo mínimo, dadas
las siguientes distancias en millas.
1. Identificación de variables
C1O: Cantidad de barriles transportados del Campo 1 a Oklahoma
C1T: Cantidad de barriles transportados del Campo 1 a Tulsa
C2O: Cantidad de barriles transportados del Campo 2 a Oklahoma
C2T: Cantidad de barriles transportados del Campo 2 a Tulsa
C3O: Cantidad de barriles transportados del Campo 3 a Oklahoma
CT3: Cantidad de barriles transportados del Campo 3 a Tulsa
2. Determinación de la funcion objetivo
Zmin = (150*0.03*C1O)+(170*0.03*C2O)+(190*0.03*C3O)+(50*0.02*C1T)
+(65*0.02*C2T)+(80*0.02*C3T)
Zmin = 4.50C1O+5.1C2O+5.70C30+1C1T+1.3C2T+1.6C3T
3. Identificación de las restricciones
C1O+C1T >=100000
C2O+C2T>=100000
C3O+C3T>=100000
C1T+C2T<=150000
4. Planteamiento del modelo matemático
Zmin = 4.50C1O+5.1C2O+5.70C30+1C1T+1.3C2T+1.6C3T
C1O+C1T >=100000
C2O+C2T>=100000
C3O+C3T>=100000
C1T+C2T<=150000

EJERCICIO 3.14 Cajun World mezcla seis especias para para fabricar un producto
para atezar pescado. La siguiente tabla proporciona el costo de cada especia y los
porcentajes de mínimos y máximos por unidad de peso que pueden usarse en el
producto final
ESPECIA COSTO Mínimo (%) Máximo
(%/gm)
Cayena 0.020 18 20
Pimienta negra 0.025 15 18
Semillas de hinojo 0.082 12 14
Polvo de cebolla 0.025 16 20
Ajo 0.028 12 15
Orégano 0.075 14 18

Formule un programa lineal para determinar la cantidad de cada especie utilizada para
producir cada kilogramo de producto que minimice el costo total.
Problema
Desconocimiento de la cantidad en kilogramo de cada especia para producir un
producto que minimice el costo
Objetivo
Determinar la cantidad en kilogramo de cada especia para producir un producto que
minimice el costo
1. Identificación de variables
C: porcentaje de cayena que debo utilizar para producir un 1kg de producto
P: porcentaje de pimienta negra que debo utilizar para producir un 1kg de producto
S: porcentaje de semillas de hinojo que debo utilizar para producir un 1kg de producto
Po: porcentaje de polvo de cebolla que debo utilizar para producir un 1kg de producto
A: porcentaje de ajo que debo utilizar para producir un 1kg de producto
O: porcentaje de orégano que debo utilizar para producir un 1kg de producto
2. Determinación de la Función objetivo
Z min=0.020C +0.025 P+0.082 S+ 0.025 PO +0.028 A +0.075 O

3. Identificación de restricciones
3.1. Restricción de producción
C ≥0.18
C≤0.20
P ≥0.15
P≤0.18
S ≥0.12
S ≤0.14
PO ≥0.16
PO ≤0.20
A≥0.12
A≤0.15
O ≥0.14
O ≤0.18
3.2. Restricciones lógicas
C+P +S+PO+A+O = 1
3.3. Restricciones de no negatividad
C,P ,S,PO,A,O >0
4. Planteamiento del modelo matemático
Z min=0.020C +0.025 P+0.082 S+ 0.025 PO +0.028 A +0.075 O

SA: C ≥0.18
C≤0.20
P ≥0.15
P≤0.18
S ≥0.12
S ≤0.14
PO ≥0.16
PO ≤0.20
A≥0.12
A≤0.15
O ≥0.14
O ≤0.18
C+P +S+PO+A+O = 1
C,P ,S,PO,A,O >0
EJERCICIO 3.15. Incredible Indelible Ink Company mezcla tres aditivos, A1 , A 2 , A3 ,
a una base en diferentes proporciones para obetener distintos colores de tinta. La tinta
roja se obtiene mezclando A1 , A 2 , A3 , en la proporcion de 3:1:2, la tinta azul en la
proporcion de 2:3:4 y la tinta verde en la proporcion de 1:2:3. Despues de mezclar estos
aditivos, se añade una cantidad igual de base para cada color. La compañía actualmente
tiene 1000 galones de A1, 1500 de de A2, 2000 de A3, y 4000 de base. Dado que el
precio de vanta por galon de cada tipo de tinta es el mismo, desarrolle un modelo para
determinar como deberian usarse estos recursos para obetener los máximos ingresos.
Problema
Desconocimiento del modelo para determinar cómo deberían usarse estos recursos para
obtener los máximos ingresos.
Objetivo
Encontrar un modelo matemático que ayude a determinar cómo debería usarse los
recursos para obtener los máximos ingresos.
1. Identificación de Variables
R=cantidad de galones de tibta roja producidos
B=cantidad de galones de tinta azul producidos
G=cantidad de galones de tinta verde producidos
R A 1=cantidad de galones de aditivo A 1utilizados en latinta roja

R A 2=cantidad de galonesde aditivo A 2 utilizados en latinta roja

R A 3=cantidad de galonesde aditivo A 3 utlizados en latinta roja

B A 1=cantidad de galones de aditivo A 1utilizados en la tinta azul

B A 1=cantidad de galones de aditivo A 2utilizados enla tinta azul

B A 3=cantidad de galones de aditivo A 3 utilizados en latinta azul

G A 1=cantidad de galones de aditivo A 1utilizados enla tinta verde

G A 2 =cantidad de galones de aditivo A 2utilizados en latinta verde

G A 3 =cantidad de galones de aditivo A 3 utilizados en latinta verde

R B=cantidad de galones de base utilizados enla tinta roja

BB =cantidad de galonesde base utilizados en latinta azul

GB =cantidad de galones de base utilizados en la tinta verde

2. Determinación de la Función Objetivo

Z Max=R+ B+G
3. Identificación de Restricciones
3.1. Restricciones de Recursos
R A 1+ B A 1 +G A 1 ≤ 1000

R A 2+ B A 2+G A 2 ≤ 150 0

R A 3+ B A 3+G A 3 ≤ 200 0

R B+ B B +GB ≤ 400 0

3.2. Equilibrio para tinta roja

R A 1−3 A A 2=0

2 R A 2−R A 3=0

R A 1+ R A 2+ R A 3−R B=0

R A 1+ R A 2+ R A 3 + R B−R=0

3.3. Equilibrio para tinta azul

3 B A 1−2 B A 2=0

4 B A 2−3 B A 3=0

B A 1 + B A 2 + B A 3−B B=0

B A 1 + B A 2 + B A 3 + BB −B=0
3.4. Equilibrio para tinta verde
2 G A 1−G A 2=0

3 G A 2−2 G A 3 =0

G A 1 +G A 2 +G A 3−GB =0

G A 1 +G A 2 +G A 3−GB −G=0

3.5. Restricciones lógicas

R , B , G ≥0
R A 1 , B A 1 ,G A 1 ≥ 0

R A 2 , B A 2 ,G A 2 ≥ 0

R A 3 , B A 3 ,G A 3 ≥ 0

R B , BB , G B ≥ 0

EJERCICIO 3.16 El departamento de energía de Lilliput actualmente está en el

proceso de desarrollar un plan nacional de energía para el año siguiente. Lilliput 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 siguiente tabla 3.10.
Lilliput necesita 50000 MW-hr de energía de uso doméstico, y el país tiene un
compromiso para producir 10000MW-hr para exportación. Más aún, 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 Lilliput.
2. Debe utilizarse al menos 80% de la capacidad d las plantas de carbón.
3. Los efluentes que salen a la atmósfera no deben exceder los límites especificados en
la tabla 3.11.
4. La cantidad de energía generada a partir de gas natural debe ser al menos 30% de la
generada a partir del petróleo.
Formule un programa lineal para determinar un plan de energía de costo mínimo.
TABLA 3.10 Capacidades de generación y costos
FUENTE DE ENERGÍA CAPACIDAD TOTAL COSTO DE
(MW-hr) GENERACIÓN
($/MW-hr)
Carbón 45000 6.0
Gas natural 15000 5.5
Nuclear 45000 4.5
Hidroeléctrica 24000 5.0
 Petróleo 48000 7.0

TABLA 3.11 Datos de polución en la generación de energía

CONTAMINANTE (gm/MW-hr)
FUENTE DE DIÓXIDO MONIÓXIDO PARTÍCULAS DESECHOS
ENERGÍA DE DE DE POLVO SÓLIDOS
AZUFRE CARBONO
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
Problema
Desconocimiento de un plan nacional de energía para el año siguiente del departamento
de energía de Lilliput.
Objetivo
Determinar un plan nacional de energía para el año siguiente del departamento de
energía de Lillipu, para minimizar el costo.
1. Identificación de variables
C: cantidad de energía generada de carbón medidas en megawatt-horas (MW-hs).
G: cantidad de energía generada de gas natural medidas en megawatt-horas (MW-hs).
N: cantidad de energía generada de nuclear medidas en megawatt-horas (MW-hs).
H: cantidad de energía generada de hidroeléctrica medidas en megawatt-horas (MW-
hs).
P: cantidad de energía generada de petróleo medidas en megawatt-horas (MW-hs).
2. Determinación de la función objetivo
Zmin=( C∗6 )+ ( G∗5.5 ) + ( N∗4.5 ) + ( H∗5 )+(P∗7)
3. Identificación de restricciones
3.1. Restricciones de disponibilidad
C ≤ 45000
G ≤15000
N ≤ 45000
H ≤24000
P ≤ 48000
C+ G+ N + H+ P ≥ 60000
N ≤ 0.2( C+G+ N + H + P)
C ≥ 45000∗0.8
1.5 C+0.2 G+0.4 P ≤ 75000
1.2 C+0.5 G+0.1 N +0.8 P≤ 60000
0.7 C +0.2 N + 0.5 P ≤ 30000
0.4 C +0.7 N +0.1 P≤ 25000
G ≥0.3 P
3.2 Restricciones lógicas
C,G,N , H ,P≥O
4. Planteamiento del modelo matemático
Zmin=( 6 C )+ (5.5 G ) + ( 4.5 N )+ ( 5 H ) +( 7 P)
Sujeto a:
C ≤ 45000
G ≤15000
N ≤ 45000
H ≤24000
P ≤ 48000
C+ G+ N + H+ P ≥ 60000
N ≤ 0.2( C+G+ N + H + P)
C ≥ 45000∗0.8
1.5 C+0.2 G+0.4 P ≤ 75000
1.2 C+0.5 G+0.1 N +0.8 P≤ 60000
0.7 C +0.2 N + 0.5 P ≤ 30000
0.4 C +0.7 N +0.1 P≤ 25000
G ≥0.3 P
C,G,N , H ,P≥O
EJERCICIO 3.17 La Fresh Food Faros, Inc., tiene 50 acres de tierra en la cual plantar
cualquier cantidad de maíz, soya, lechuga, algodón y brócoli. La siguiente tabla
muestra la información relevante perteneciente a la producción, el costo de plantación,
el precio de venta esperado y los requerimientos de agua para cada cultivo:
Producción Costo Precio de Venta Agua Requerida
CULTIVO
(kg/acre) ($/kg) ($/kg) (litros/kg)
Maíz 640 1.00 1.70 8.75
 Frijoles de soya 500 0.50 1.30 5.00
Lechuga 400 0.40 1.00 2.25
Algodón 300 0.25 1.00 4.25
Brócoli 350 0.60 1.30 3.50
Para la próxima temporada, hay 100 000 litros de agua disponible y la compañía ha
contratado vender al menos 5120 kilogramos de maíz. Formule un programa lineal para
determinar una estrategia de plantación óptima Fresh Food Faros, Inc. Use el número de
acres de cada cultivo para plantación como las variables de decisión.
Problema
Desconocimiento de un programa para determinar una estrategia de plantación óptima.
Objetivo
Determinar un programa para determinar una estrategia de plantación óptima.
1. Identificación de Variables
Xm: Numero de acres para la plantación de maíz.
Xf: Numero de acres para la plantación de frijoles de soya.
Xl: Numero de acres para la plantación de lechuga.
Xa: Numero de acres para la plantación de algodón.
Xb: Numero de acres para la plantación de brócoli.

2. Determinación de la Función Objetivo

640 kg $ $ 500 kg $ $ 400 kg $ $

Z max=
acre [ ( ) ( )]
∗ 1.70
kg
−1.00
kg
Xm+
acre
∗ 1.30
[ ( ) ( )]
kg
−0.5
kg
Xf +
acre
∗ 1.00
kg
−0.4
[ ( ) ( )
kg

Z max=448 Xm+ 400 Xf + 240 Xl+225 Xa+245 Xb

3. Identificación de Restricciones
3.1. Restricciones de contrato de maiz
640 Xm ≥ 5120
3.2. De agua disponible
( 640∗8.75 ) Xm+ ( 500∗5 ) Xf + ( 400∗2.25 ) Xl+ ( 300∗4.25 ) Xa+ ( 350∗3.5 ) Xb ≥ 100000
5600 Xm+ 2500 Xf + 900 Xl+1275 Xa+1225 Xb ≥ 100000
3.3. Restricciones lógicas
Xm , Xf , Xl , Xa, Xb ≥ 0
4. Planteamiento del modelo matemático
Z max=448 Xm+ 400 Xf + 240 Xl+225 Xa+245 Xb

S.T

640 Xm ≥ 5120
5600 Xm+ 2500 Xf + 900 Xl+1275 Xa+1225 Xb ≥ 100000
Xm , Xf , Xl , Xa, Xb ≥ 0
EJERCICIO 3.18 Repita el ejercicio 3.17 usando el número de kilogramos de cada
cultivo por producir como las variables de decisión.
Problema
Desconocimiento del número de kilogramos de cada cultivo a producir para determinar
la estrategia de planificación óptima
Objetivo
Determinar del número de kilogramos de cada cultivo a producir la estrategia de
planificación óptima

1. Identificación de Variables
X1: Kilogramos de maíz a producir.
X2: Kilogramos de frijoles de soya a producir.
X3: Kilogramos de lechuga a producir.
X4: Kilogramos de algodón a producir
X5: Kilogramos de brócoli a producir
2. Determinación de la Función Objetivo
Z MIN =( 1.70 X 1−X 1 ) + ( 1.30 X 2−0.50 X 2 ) + ( X 3−0.50 X 3 ) + ( X 4−0.25 X 4 ) +(1.30 X 5−0.60 X 5)

3. Identificación de Restricciones
3.1. Restricciones de contrato de maíz.
X 1 ≥5120
3.2. Restricciones de disponibilidad de agua.
8.75 X 1+5 X 2+2.25 X 3+4.25 X 4 +3.25 X 5 ≥100000
4. Planteamiento del modelo matemático
Z MIN =0.70 X 1+0.80 X 2+0.50 X 3+0.75 X 4 +0.70 X 5
ST
X 1 ≥5120
8.75 X 1+5 X 2+2.25 X 3+4.25 X 4 +3.25 X 5 ≥100000
EJERCICIO 3.19 Formule el problema de inversión de Pension Planners, Inc, descrito
en la sección 3.4, usando las siguientes variables de decisión:
F1= El número de acciones del fondo 1 que comprar
F2= El número de acciones del fondo 2 que comprar
F3= El número de acciones del fondo 3 que comprar
F4= El número de acciones del fondo 4 que comprar
F5= El número de acciones del fondo 5 que comprar
F6= El número de acciones del fondo 6 que comprar
Problema
Desconocimiento del número de acciones a invertir en cada uno de los fondos para
maximizar la ganancia

Objetivo
Determinar el número de acciones a invertir en cada uno de los fondos para maximizar
la ganancia
1. Identificación de variables.
F1= El número de acciones del fondo 1 que comprar
F2= El número de acciones del fondo 2 que comprar
F3= El número de acciones del fondo 3 que comprar
F4= El número de acciones del fondo 4 que comprar
F5= El número de acciones del fondo 5 que comprar
F6= El número de acciones del fondo 6 que comprar
2. Determinación de la Función Objetivo
Zmax=0.3(15)F1+0.2(76)F2+0.15(110)F3+0.12(17)F4+0.10(23)F5+0.07(22)F6
Zmax=13.5F1+15.2F2+16.5F3+2.04F4+2.3F5+1.56F6
3. Identificación de restricciones
45F1+76F2+110F3≥500000
45F1+76F2+110F3≥750000
17F4+23F5≥200000
17F4+23F5≥300000
22F6≥50000
4. Planteamiento del modelo matemático
Zmax=13.5F1+15.2F2+16.5F3+2.04F4+2.3F5+1.56F6
45F1+76F2+110F3≥500000
45F1+76F2+110F3≥750000
17F4+23F5≥200000
17F4+23F5≥300000
22F6≥50000
EJERCICIO 3.20 Repita el ejercicio 3.19 usando las siguientes variables de decisión
F1= El numero de dólares que invertir en el Fondo 1
F2= El numero de dólares que invertir en el Fondo 2
F3= El numero de dólares que invertir en el Fondo 3
F4= El numero de dólares que invertir en el Fondo 4
F5= El numero de dólares que invertir en el Fondo 5
F6= El numero de dólares que invertir en el Fondo 6
Problema
Desconocimiento del número de dólares a invertir en cada uno de los fondos para
maximizar la ganancia
Objetivo
Determinar el número de dólares a invertir en cada uno de los fondos para maximizar la
ganancia
1. Identificación de variables
F1= El numero de dólares que invertir en el Fondo 1
F2= El numero de dólares que invertir en el Fondo 2
F3= El numero de dólares que invertir en el Fondo 3
F4= El numero de dólares que invertir en el Fondo 4
F5= El numero de dólares que invertir en el Fondo 5
F6= El numero de dólares que invertir en el Fondo 6
2. Determinación de la función Objetivo
Zmax=0.30F1+0.20F2+0.15F3+0.12F4+0.10F5+0.07F6
3. Identificación de restricciones
Restricción de limitación
F1+F2+F3≥500000
F1+F2+F3≤750000
F4+F5≥200000
F4+F5≤300000
F6≥50000
Restricción de diversificación
2F1-F2=0
3F1-F3=0
3F2-2F3=0
2F4-F5=0
Restricción lógica
F1+F2+F3+F4+F5+F6=1000000
F1;F2;F3;F4;F5;F6≥0
4. Planteamiento del modelo matemático
Zmax=0.30F1+0.20F2+0.15F3+0.12F4+0.10F5+0.07F6
F1+F2+F3≥500000
F1+F2+F3≤750000
F4+F5≥200000
F4+F5≤300000
F6≥50000
2F1-F2=0
3F1-F3=0
3F2-2F3=0
2F4-F5=0
F1+F2+F3+F4+F5+F6=1000000
F1;F2;F3;F4;F5;F6≥0
EJERCICIO 3.21 Repita el ejercicio 3.19 usando las siguientes variables de decisión
A= La fracción de la cartera por invertir en fondos de alto riesgo
B= La fracción de la cartera por invertir en fondos de mediano riesgo
C= La fracción de la cartera por invertir en fondos de bajo riesgo
Problema
Desconocimiento de la fracción de la cartera a invertir en los fondos de alto, mediano y
bajo riesgo para maximizar la ganancia.
Objetivo
Determinar la fracción de la cartera a invertir en los fondos de alto, mediano y bajo
riesgo para maximizar la ganancia.
1. Identificación de variables
A= La fracción de la cartera por invertir en fondos de alto riesgo
B= La fracción de la cartera por invertir en fondos de mediano riesgo
C= La fracción de la cartera por invertir en fondos de bajo riesgo
2. Determinación de la Función Objetivo
Zmax=0.191667A+0.106667B+0.007C

3. Identificación de restricciones
A≥0.5
A≤0.75
B≥0.20
B≤0.30
C≥0.05
A+B+C=1
A;B;C≥0
4. Planteamiento del modelo matemático
Zmax=0.191667A+0.106667B+0.007C
A≥0.5
A≤0.75
B≥0.20
B≤0.30
C≥0.05
A+B+C=1
A;B;C≥0