UNIVERSIDAD NACIONAL DE PIURA

FACULTAD DE INGENIERÍA DE MINAS

ESCUELA ACADÉMICA PROFESIONAL DE
INGENIERÍA DE MINAS

CURSO
ANALISIS DE SISTEMAS MINEROS
TRABAJO
SOLUCION DE MODELOS MATEMATICOS Y REDES DE
DESTRIBUCION APLICANDO SOFTWARE TORA Y SOLVER

ESTUDIANTE
RODRIGUEZ AGUIRRE, JAN POL

DOCENTE
ING. SAAVEDRA FRIAS GRIMALDO

PIURA, 2019
Programación Lineal

1) La empresa Trim-Look Company fabrica varias líneas de faldas, vestidos y chaquetas

deportivas. Recientemente, una consultora propuso que la compañía evaluara de nuevo

su línea South Islander y asignara sus recursos a productos capaces de maximizar la

contribución a las utilidades y a los gastos generales. Cada producto requiere la misma

tela de poliéster y tiene que pasar por los departamentos de corte y de costura. Se

recopilaron los siguientes datos para este estudio:

Cuadro de datos:

Tiempo de procesamiento

Prodructo Corte Costura Material (Yd)

Falda 1 1 1

Vestido 3 4 1

Chaqueta 4 6 4

deportiva
FORMULACIÓN DEL MODELO MATEMATICO

1.- Modelo matemático

1.- 𝑋1 : 𝑁𝑢𝑚𝑒𝑟𝑜 𝑑𝑒 𝑓𝑎𝑙𝑑𝑎 𝑎 𝑝𝑟𝑜𝑑𝑢𝑐𝑖𝑟

2.- 𝑋2 : 𝑁𝑢𝑚𝑒𝑟𝑜 𝑑𝑒 𝑣𝑒𝑠𝑡𝑖𝑑𝑜𝑠 𝑎 𝑝𝑟𝑜𝑑𝑢𝑐𝑖𝑟

3.- 𝑋3 : 𝑁𝑢𝑚𝑒𝑟𝑜 𝑑𝑒 𝑐ℎ𝑎𝑞𝑢𝑒𝑡𝑎𝑠 𝑑𝑒𝑝𝑜𝑟𝑡𝑖𝑣𝑎𝑠 𝑎 𝑝𝑟𝑜𝑑𝑢𝑐𝑖𝑟

2.- Función Objetivo

𝑀𝑎𝑥𝑖𝑚𝑖𝑧𝑎𝑟 𝑍 = 5 + 17 + 30

3.- Sujeto A:

1.-5𝑋1 + 17𝑋2 + 30𝑋3 ≤ 100 𝑃𝑟𝑜𝑐𝑒𝑠𝑜 𝑑𝑒 𝑐𝑜𝑟𝑡𝑎𝑑𝑜

2.- 𝑋1 + 4𝑋2 + 6𝑋3 ≤ 180 𝑃𝑟𝑜𝑐𝑒𝑠𝑜 𝑑𝑒 𝑐𝑜𝑠𝑡𝑢𝑟𝑎

3.- 𝑋1 + 𝑋2 + 4𝑋3 ≤ 180 𝑃𝑟𝑜𝑐𝑒𝑠𝑜 𝑑𝑒𝑙 𝑚𝑎𝑡𝑒𝑟𝑖𝑎𝑙

4.- 𝑋1 ; 𝑋2 ; 𝑋3 ≥ 0 𝑅𝑒𝑠𝑡𝑟𝑖𝑐𝑐𝑖𝑜𝑛 𝑙𝑜𝑔𝑖𝑐𝑎

Aplicando Solver para la Solucion del modelo matemático

 Informe de sensibilidad
2) LAN CHILE reabastece sus aeronaves en los cuatro aeropuertos en donde da servicio.

La turbosina puede comprarse a tres vendedores posibles en cada aeropuerto. La tabla

indica (1) el costo de entrega (compra más embarque) por mil galones de cada vendedor

a cada aeropuerto, (2) el número disponible de miles de galones que cada vendedor puede

suministrar cada mes y (3) el requerimiento mensual de turbosina (en miles de galones)

en cada aeropuerto. En la tabla se muestra el costo de entrega.

 Aeropuerto Vendedor 1 Vendedor 2 Vendedor 3 Requerimiento

1 900 800 900 150

2 900 1200 1300 250

3 800 1300 500 350

4 1000 1400 1000 480

Provisión 300 600 700

Máxima

Formule un modelo para determinar las cantidades que se deben comprar y enviar por

parte de cada vendedor a cada aeropuerto para minimizar el costo total, satisfaciendo al

mismo tiempo por lo menos la demanda mensual a cada aeropuerto y no excediendo el

suministro de cualquier vendedor.

FORMULACIÓN DEL MODELO MATEMÁTICO

MODELO MATEMÁTICO

1.- Variables: ¿Cuántos miles de galones se compra al vendedor para el aeropuerto?

𝑿𝟏𝟏 𝑿𝟏𝟐 𝑿𝟏𝟑 𝑿𝟏𝟒

𝑿𝟐𝟏 𝑋22 𝑋23 𝑋24

𝑿𝟑𝟏 𝑋32 𝑋33 𝑋34

2.- Función Objetivo

𝑀𝑖𝑛𝑖𝑚𝑖𝑧𝑎𝑟 𝑍 = 900𝑋11 + 900𝑋12 + 800𝑋13 + 1000𝑋14 + 800𝑋21 + 1200𝑋22 +

1300𝑋23 + 1400𝑋24 + 900𝑋31 + 1300𝑋32 + 500𝑋33 + 1000𝑋34 .

3.- Sujeto A:

1.- 𝑋11 + 𝑋12 + 𝑋13 + 𝑋14 ≤ 300 Provisión del vendedor 1 Miles de Galones

2.- 𝑋21 + 𝑋22 + 𝑋23 + 𝑋24 ≤ 600 Provisión del vendedor 2 Miles de Galones

3.- 𝑋31 + 𝑋32 + 𝑋33 + 𝑋34 ≤ 700 Provisión del Vendedor 3 Miles de Galones

4.- 𝑋11 + 𝑋21 + 𝑋31 ≥ 150 Requerimiento del Aeropuerto 1 Miles de Galones

5.- 𝑋12 + 𝑋22 + 𝑋32 ≥ 250 Requerimiento del Aeropuerto 2 Miles de Galones

6.- 𝑋13 + 𝑋23 + 𝑋33 ≥ 350 Requerimiento del Aeropuerto 3 Miles de Galones

7.- 𝑋14 + 𝑋24 + 𝑋34 ≥ 450 Requerimiento del Aeropuerto 4 Miles de Galones

8.- 𝑇𝑜𝑑𝑎𝑠 𝑙𝑎𝑠 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒𝑠 ≥ 0 Restricción Lógica

Aplicando Software Informático Tora

Importamos los datos del modelo matemático para que el software haga los cálculos

necesarios para obtener el informe dentro del cual estará la solución óptima y el valor de

la función objetivo de nuestro modelo matemático

Informe
3) Una empresa tiene dos factorías A y B. En ellas se fabrica un determinado producto, a

razón de 500 y 400 unidades por día respectivamente. El producto ha de ser distribuido a

tres centros I, II, III, que requieren, respectivamente, 200, 300, y 400 unidades. Los costos

de transportar cada unidad del producto desde cada factoría a cada centro distribuidor son

los indicados en la siguiente tabla:

Factoría I II III Fabricación

(Unidades)

A 50 60 10 500 Unidades

B 25 40 20 400 Unidades

Demanda 200 300 400

 Factoría I II III

A 𝑋𝐴1 𝑋𝐴2 𝑋𝐴3

B 𝑋𝐵1 𝑋𝐵2 𝑋𝐵3

FORMULACIÓN DEL MODELO MATEMÁTICO

MODELO MATEMÁTICO

1.- Variables: ¿Cantidad de producción a transportar hacia el centro comercial?

𝑿𝑨𝟏 𝑿𝑨𝟐 𝑿𝑨𝟑

𝑿𝑩𝟏 𝑋𝐵2 𝑋𝐵3

2.- Función Objetivo:

𝑀𝑖𝑛𝑖𝑚𝑖𝑧𝑎𝑟 𝑍 = 50𝑋𝐴1 + 60𝑋𝐴2 + 10𝑋𝐴3 + 25𝑋𝐵1 + 40𝑋𝐵2 + 20𝑋𝐵3

3.- Sujeto A:

1.- 𝑋𝐴1 + 𝑋𝐴1 + 𝑋𝐴1 ≤ 500 Disponibilidad de fabricación en la factoría A.

2.- 𝑋𝐵1 + 𝑋𝐵2 + 𝑋𝐵3 ≤ 400 Disponibilidad de fabricación en la factoría B.

3.- 𝑋𝐴1 + 𝑋𝐵1 ≥ 200 Demanda en el centro comercial 1

4.- 𝑋𝐴2 + 𝑋𝐵2 ≥ 300 Demanda en el centro comercial 2

5.- 𝑋𝐴3 + 𝑋𝐵3 ≥ 400 Demanda en el centro comercial 3

6.- 𝑇𝑜𝑑𝑎𝑠 𝑙𝑎𝑠 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒𝑠 ≥ 0 Restricción Lógica.

Aplicando Software Informático Tora

Importamos los datos del modelo matemático para que el software haga los cálculos

necesarios para obtener el informe dentro del cual estará la solución óptima y el valor de

la función objetivo de nuestro modelo matemático

Informe
4) una empresa productora de pepinos envasados que dispone de 1000 horas operario y

dos plantas ubicadas en distintos puntos geográficos del país debe satisfacer los pedidos

diarios de tres comerciantes en distintas zonas. Los costos de transporte de cada planta a

cada cliente por paquete de envasados se resumen en la siguiente tabla:

Tarifa de paquete desde Planta 1 Planta 2

planta hasta el comercio

Comerciante A $ 4000 $7000

1111Comerciante B $6000 $5000

Comerciante C $5000 $8000

La elaboración diaria de cada paquete de envasados en la planta I requiere de 1 hora

operario en la plata 1 y de $2000 en materia prima. La planta II requiere un 50% más en

materia prima y ½ hora operario en la planta 2. El precio uniforme por paquete es de

$13.000 y las cantidades de producción diaria máximas son de 400 unidades por cada

planta. Plantee problema de optimización que se le presenta al empresario con el fin de

maximizar la utilidad.

FORMULACIÓN DEL MODELO MATEMÁTICO

MODELO MATEMÁTICO

1.- Variables: ¿Cantidad de producto requerido de la planta el comerciante?

𝑋11 𝑋12 𝑋13

𝑋21 𝑋22 𝑋23

2.- Función objetivo:

𝑀𝑎𝑥𝑖𝑚𝑖𝑧𝑎𝑟 𝑍 = ( 13000 − 4000 − 2000)𝑋11 +(13000-6000-2000) 𝑋12 +(13000-5000-

2000) 𝑋13+(13000-7000-3000) 𝑋21+(13000-5000-3000) 𝑋22+(13000-8000-3000) 𝑋23

𝑀𝑎𝑥𝑖𝑚𝑖𝑧𝑎𝑟 𝑍 = 7000𝑋11 + 5000𝑋12 + 6000𝑋13 + 3000𝑋21 + 5000𝑋22 + 2000𝑋23

3.- Sujeto A:

1.- 𝑋11 + 𝑋12 + 𝑋13 ≤ 400 𝑃𝑟𝑜𝑑𝑢𝑐𝑐𝑖𝑜𝑛 𝑑𝑖𝑎𝑟𝑖𝑎 𝑒𝑛 𝑢𝑛𝑖𝑑𝑎𝑑𝑒𝑠

2.- 𝑋21 + 𝑋22 + 𝑋23 ≤ 400 𝑃𝑟𝑜𝑑𝑟𝑢𝑐𝑐𝑖𝑜𝑛 𝑑𝑖𝑎𝑟𝑖𝑎 𝑒𝑛 𝑢𝑛𝑖𝑑𝑎𝑑𝑒𝑠

3.- 𝑋11 + 𝑋12 + 𝑋13 + 0.5𝑋21 + 0.5𝑋22 + 0.5𝑋23 ≤ 1000 𝐻𝑜𝑟𝑎𝑠 𝑒𝑚𝑝𝑙𝑒𝑎𝑑𝑎𝑠 𝑑𝑒 𝑜𝑝𝑒𝑟𝑎𝑟𝑖𝑜

4.- 𝑇𝑜𝑑𝑎𝑠 𝑙𝑎𝑠 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒𝑠 ≥ 0 𝑅𝑒𝑠𝑡𝑟𝑖𝑐𝑐𝑖𝑜𝑛 𝑙𝑜𝑔𝑖𝑐𝑎

Aplicando Software Informático Tora

Importamos los datos del modelo matemático para que el software haga los cálculos

necesarios para obtener el informe dentro del cual estará la solución óptima y el valor de

la función objetivo de nuestro modelo matemático

Informe
5) Desde dos almacenes A y B, se tiene que distribuir fruta de tres mercados de la ciudad.

El almacén A dispone de 10 toneladas de fruta diarias y el B de 15 toneladas, que se

reparten en su totalidad. Los dos primeros mercados necesitan, diariamente, 8 toneladas

de fruta, mientras que el tercero necesita 9 toneladas diarias. El costo del transporte desde

cada almacén a cada mercado viene dado por el siguiente cuadro:

ALMACEN MERCADO 1 MERCADO 2 MERCADO 3

A 10 15 20

B 15 10 10

Planificar el transporte para el coste sea mínimo.

FORMULACIÓN DEL MODELO MATEMÁTICO

MODELO MATEMÁTICO

1.- Variables: ¿Cantidad de toneladas del almacén distribuidas en el mercado?

𝑿𝟏𝟏 𝑿𝟏𝟐 𝑿𝟏𝟑

𝑿𝟐𝟏 𝑋22 𝑋23

2.- Función Objetivo:

𝑀𝑖𝑛𝑖𝑚𝑖𝑧𝑎𝑟 𝑍 = 10𝑋11 + 15𝑋12 + 15𝑋13 + 10𝑋21 + 20𝑋22 + 10𝑋23

3.- Sujeto A:

1.- 𝑋11 + 𝑋12 + 𝑋13 ≤ 10 𝑇𝑜𝑛𝑒𝑙𝑎𝑑𝑎𝑠 𝑑𝑖𝑎𝑟𝑖𝑎𝑠 𝑑𝑒 𝑓𝑟𝑢𝑡𝑎

2.- 𝑋12 + 𝑋21 + 𝑋23 ≤ 15 𝑇𝑜𝑛𝑒𝑙𝑎𝑑𝑎𝑠 𝑑𝑖𝑎𝑟𝑖𝑎𝑠 𝑑𝑒 𝑓𝑟𝑢𝑡𝑎

3.- 𝑋11 + 𝑋12 ≥ 8 𝑇𝑜𝑛𝑒𝑙𝑎𝑑𝑎𝑠 𝑑𝑖𝑎𝑟𝑖𝑎𝑠 𝑑𝑒 𝑓𝑟𝑢𝑡𝑎

4.- 𝑋13 + 𝑋21 +≥ 8 𝑇𝑜𝑛𝑒𝑙𝑎𝑑𝑎𝑠 𝑑𝑖𝑎𝑟𝑖𝑎𝑠 𝑑𝑒 𝑓𝑟𝑢𝑡𝑎

5.- 𝑋22 + 𝑋23 ≥ 9 𝑇𝑜𝑛𝑒𝑙𝑎𝑑𝑎𝑠 𝑑𝑖𝑎𝑟𝑖𝑎𝑠 𝑑𝑒 𝑓𝑟𝑢𝑡𝑎

6.- 𝑇𝑜𝑑𝑎𝑠 𝑙𝑎𝑠 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒𝑠 ≥ 0 𝑅𝑒𝑠𝑡𝑟𝑖𝑐𝑐𝑖𝑜𝑛 𝑙𝑜𝑔𝑖𝑐𝑎

Aplicando Software Informático Tora

Importamos los datos del modelo matemático para que el software haga los cálculos

necesarios para obtener el informe dentro del cual estará la solución óptima y el valor de

la función objetivo de nuestro modelo matemático

Informe
Redes de distribución

1) Foster Generation tiene plantas en Cleveland, Bedford, New York, la capacidad de

producción para el siguiente periodo de plantación para un tipo específico de generador

es como sigue:

Origen Planta Capacidad de

producción (Unidades)

1 Cleveland 5000

2 Bedford 6000

3 New York 2500

Total 13500
La empresa distribuye sus generadores a través de 4 centros regionales de distribución

localizados en Boston, Chicago, San Luís y Lexington; el pronóstico de la demanda de

los centros de distribución es como sigue:

Origen Centro de distribución Pronostico Demanda

(Unidades)

1 Boston 6000

2 Chicago 4000

3 San Luis 2000

4 Lexington 1500

Total 13500

Los costos unitarios de los orígenes hacia los destinos se dan en la siguiente tabla:

Costo Unitario de transporte (Foster)

Origen Boston Chicago San Luis Lexington

Cleveland 3 2 7 6

Bedford 7 5 2 3

New York 2 5 4 5

La administración desea determinar cuánto de su producción deberá embarcarse desde

cada una de las plantas hacia cada uno de los centros de distribución El objetivo es

determinar las rutas a usar y la cantidad a embarcar en cada una de ellas y que den el

mínimo costo de transporte total.

Red de Distribución
 Variables de Decisión

Plantas Centros Regionales

Boston Chicago San Luis Lexintong

Cleveland 𝑋11 𝑋12 𝑋13 𝑋14

Bedford 𝑋21 𝑋22 𝑋23 𝑋24

New York 𝑋31 𝑋32 𝑋33 𝑋34

Formulación de modelo de transportación

Función Objetivo:

𝑀𝑖𝑛𝑖𝑚𝑖𝑧𝑎𝑟 𝑍 = 3𝑋11 + 2𝑋12 + 7𝑋13 + 6𝑋14 + 3𝑋21 + 2𝑋22 + 7𝑋23 + 6𝑋24 +

3𝑋31 + 2𝑋32 + 7𝑋33 + 6𝑋34

Sujeto A:

Restricción de suministros

1.- 𝑋11 + 𝑋12 + 𝑋13 + 𝑋14 ≤ 5000 𝑆𝑢𝑚𝑖𝑛𝑖𝑠𝑡𝑟𝑜 𝑑𝑒 𝐶𝑙𝑒𝑏𝑣𝑒𝑙𝑎𝑛𝑑

2.- 𝑋21 + 𝑋22 + 𝑋23 + 𝑋24 ≤ 5000 𝑆𝑢𝑚𝑖𝑛𝑖𝑠𝑡𝑟𝑜 𝑑𝑒 𝐵𝑒𝑑𝑓𝑜𝑟𝑑

3.- 𝑋31 + 𝑋32 + 𝑋33 + 𝑋34 ≤ 5000 𝑆𝑢𝑚𝑖𝑛𝑖𝑠𝑡𝑟𝑜 𝑑𝑒 𝑁𝑒𝑤 𝑌𝑜𝑟𝑘

Restricciones de Demanda

1.- 𝑋11 + 𝑋21 + 𝑋31 ≤ 6000 𝐷𝑒𝑚𝑎𝑛𝑑𝑎 𝑑𝑒 𝐵𝑜𝑠𝑡𝑜𝑛

2.- 𝑋12 + 𝑋22 + 𝑋33 ≤ 4000 𝐷𝑒𝑚𝑎𝑛𝑑𝑎 𝑑𝑒 𝐶ℎ𝑖𝑐𝑎𝑔𝑜

3.- 𝑋13 + 𝑋23 + 𝑋33 ≤ 2000 𝐷𝑒𝑚𝑎𝑛𝑑𝑎 𝑑𝑒 𝑆𝑎𝑛 𝐿𝑢𝑖𝑠

4.- 𝑋14 + 𝑋24 + 𝑋34 ≤ 1500 𝐷𝑒𝑚𝑎𝑛𝑑𝑎 𝑑𝑒 𝐿𝑒𝑥𝑖𝑛𝑔𝑡𝑜𝑛

Restricción lógica

𝑋11 ; 𝑋12 ; 𝑋13 ; 𝑋14 ; 𝑋21 ; 𝑋22 ; 𝑋23 ; 𝑋24 ; 𝑋31 ; 𝑋32 ; 𝑋33 ; 𝑋34 ≥ 0 𝑦 𝑒𝑛𝑡𝑒𝑟𝑎𝑠

Aplicando Software Informático Tora

Importamos los datos del modelo matemático para que el software haga los cálculos

necesarios para obtener el informe dentro del cual estará la solución óptima y el valor de

la función objetivo de nuestro modelo matemático.

Informe
2) Tenemos 2 oferentes (P1 y P2) con capacidad de producción de 160.000 y 120.000

unidades de un producto homogéneo. Estos oferentes deben abastecer a 3 clientes (C1,

C2 y C3) con demandas unitarias de 80.000, 70.000 y 90.000 unidades, respectivamente.

El gráfico a continuación muestra sobre las flechas los costos unitarios de transporte entre

un origen (oferente) a un cliente (demandante).

El problema consiste en determinar una política óptima de abastecimiento desde los

oferentes a los demandantes de modo de cumplir los requerimientos y lograr los costos

más bajos posibles.

Red De Distribucion

Demanda C1=80000

Oferta P1=160000
$3

$4
Demanda C2=70000

Oferta P2=120000 $6
$5

$3
Demanda C3=90000

$5
Formulación de modelo de transportación

Oferentes Variables De Decisión

Clientes

Cliente 1 Cliente 2 Cliente 3

Oferente 1 𝑋11 𝑋12 𝑋13

Oferente 2 𝑋21 𝑋22 𝑋23

Función Objetivo

𝑀𝑖𝑛𝑖𝑚𝑖𝑧𝑎𝑟 𝑍 = 3𝑋11 + 4𝑋12 + 6𝑋13 + 5𝑋21 + 3𝑋22 + 5𝑋23

Restricciones

Restricciones de Suministro

1.-𝑋11 + 𝑋12 + 𝑋13 ≤ 160000 𝐶𝑎𝑝𝑎𝑐𝑖𝑑𝑎𝑑 𝑑𝑒 𝑝𝑙𝑎𝑛𝑡𝑎 1

2.- 𝑋21 + 𝑋22 + 𝑋23 ≤ 120000 𝐶𝑎𝑝𝑎𝑐𝑖𝑑𝑎𝑑 𝑑𝑒 𝑝𝑙𝑎𝑛𝑡𝑎 2

Restricciones de Demanda

1.- 𝑋11 + 𝑋12 ≤ 80000 𝑆𝑢𝑚𝑖𝑛𝑖𝑠𝑡𝑟𝑜 𝑑𝑒𝑙 𝐶𝑙𝑖𝑒𝑛𝑡𝑒 1

2.- 𝑋12 + 𝑋21 ≤ 70000 𝑆𝑢𝑚𝑖𝑛𝑖𝑠𝑡𝑟𝑜 𝑑𝑒𝑙 𝐶𝑙𝑖𝑒𝑛𝑡𝑒 2

3.- 𝑋13 + 𝑋23 ≤ 90000 𝑆𝑢𝑚𝑖𝑛𝑖𝑠𝑡𝑟𝑜 𝑑𝑒𝑙 𝑐𝑙𝑖𝑒𝑛𝑡𝑒 3

Restricción Lógica

𝑋11 ; 𝑋12 ; 𝑋13 ; 𝑋21 ; 𝑋22 ; 𝑋23 ≥ 0 𝑦 𝑒𝑛𝑡𝑒𝑟𝑎𝑠

Aplicando Software Informático Tora

Importamos los datos del modelo matemático para que el software haga los cálculos

necesarios para obtener el informe dentro del cual estará la solución óptima y el valor de

la función objetivo de nuestro modelo matemático.