Parcial 2 - Simulación 2023A TATIANA PARRA

Parcial corte 2
Simulación
“Simulación con Python
Ingeniería Industrial
Mg. Ed. Ing. Juan Manuel González Álvarez
18 de abril del 2023
1. La empresa TuningPc fabrica dos tipos de PC Extremos, el XGamePC y el ZGamePC. La

empresa logra una utilidad de $20,000 por la venta del primer modelo y $24,000 por el
segundo modelo. Los equipos de lujo necesitan básicamente de dos procesos de
producción que son (Diseño) y (Ensamblaje). Para lograr lo anterior se dispone de 120 y 64
horas en cada proceso respectivamente. El XGamePC necesita 6 horas de diseño y 8 de
ensamblaje. El ZGamePC necesita de 12 horas de diseño y 4 de ensamblaje. Determinar |
cantidad que se debe producir y vender de cada artículo para que la empresa obtenga la
Máxima Utilidad posible. Formule y construya el modelo de Programación Lineal con
Python.
A. Planteamiento matemático
 Variables:
 Función objetivo
 Restricciones en la producción
 Restricciones del mercado
X Game Pc Z Game Pc
Diseño 6 12 120h
Ensamble 8 4 64h
Zmax=20.000 x 1+ 24 x2
Diseño: 6 x 1+ 12 x 2 ≤ 120 h
Ensamble: 8 x 1+ 4 x 2 ≤ 64 h
x1 , x2 ≥ 0
B.Simulación
 Código Python
!pip install pulp

#import pulp
from pulp import *
# Definir el problema
prob = LpProblem("TuningPc", LpMaximize)
x1 = LpVariable("Diseño", lowBound=0, cat='continuous')

x2 = LpVariable("Ensamble", lowBound=0, cat='continuous')
# Definir la función objetivo
prob += 20000*x1 + 24000*x2, "total de producción"
# Definir las restricciones

prob += 6*x1 + 12*x2 <= 120, "Horas disponible de diseño"
prob += 8*x1 + 4*x2 <= 64, "Horas disponibles de ensamble"
# Resolver el problema de programación lineal

prob.solve()
# imprimir el resultado de la solución
print("Estado de la Solución:", LpStatus[prob.status])
# imprimir la cantidad óptima de producción de cada variable de cada

dicisión
for v in prob.variables():
print(v.name, "=", v.varValue)
# imprimir el costo total de producción óptimo

print("Total de producción = ", value(prob.objective))
 Enlace Colab
https://colab.research.google.com/?hl=es#scrollTo=6C8mj4mHPtlP
C.Resultados en consola
 Resultados obtenidos de la simulación

D.Conclusiones
Este modelo de programación lineal, se buscó determinar máxima utilidad posible entre dos tipos
de PC (XGamePC y ZGamePC) teniendo en cuenta las restricciones en la cantidad de horas de
diseño y ensamblaje disponibles.
La solución óptima de este ejercicio nos da a conocer que la empresa debe producir y vender 10
unidades del modelo XGamePC y 4 unidades del modelo ZGamePC, lo que le permitiría obtener
una utilidad máxima de $296,000.
2. Huawei produce dos tipos de tarjetas inalámbricas de red con categoría 6 y otra de la
categoría 5. Cada una requiere para su fabricación del uso de tres tipos de máquinas A, B
y C. Cada tarjeta categoría 6 requiere del uso de la máquina A durante 2 horas, la máquina
B por 1 hora y de la máquina C por 1 hora. La tarjeta categoría 5 requiere de 1 hora la
máquina A, 2 horas de la B y 1 hora de la C. Además se supone que el número máximo de
horas disponibles por mes para el uso de las máquinas A, B y C es de 180, 160 y 100,
respectivamente. La utilidad por cada tarjeta categoría 6 es de $4 y por cada tarieta de
categoría 5 es de $6. Si la compañía vende todos los artículos que puede producir.
¿Cuántos artículos de cada tipo debe producir con el fin de maximizar la utilidad mensual?
Construya y formule el problema de programación lineal con Python.
 Variables:
TARJETAS INALÁMBRICAS
Cat ABQ Cat n
MAQUINA A 2 1 180h
MAQUINA B 1 2 160h
MAQUINA C 1 1 100h
TOTAL $ 4 6
Zmax=4 Abq+ 6 n
Maq A=2 Abq+1 n ≤180 h
Maq b=1 Abq+ 2n ≤ 160 h
Maq c=1 Abq+1 n ≤100 h
Abq ,n ≥ 0
B.Simulación
 Código Python
!pip install pulp
#import pulp
from pulp import *
# defiunir el problema
prob = LpProblem("Huawei", LpMaximize)
Abq = LpVariable("categoria 1", lowBound=0, cat='continuous')

n = LpVariable("categoria 2", lowBound=0, cat='continuous')
# definir la función objetivo
prob += 4*Abq + 6*n, "total de producción"
# definir las restricciones

prob += 2*Abq + 1*n <= 180, "Horas disponible de la maquina A"
prob += 1*Abq + 2*n <= 160, "Horas disponibles de la maquina B"
prob += 1*Abq + 1*n <= 100, "horas disponibles de la maquina c"
# resolver el problema de programación lineal

prob.solve()
print("estado de la solución:", LpStatus[prob.status])

dicisión

print("total de producción = ", value(prob.objective))
 Enlace Colab
https://colab.research.google.com/?hl=es#scrollTo=W9czF9z2VGNi


D.Conclusiones
La solución de este ejercicio nos da a conocer que la empresa debe producir 40 unidades de
tarjetas de categoría 6 y 20 unidades de tarjetas de categoría 5 para obtener una utilidad
máxima de $280. La formulación y resolución del problema utilizando Python y la biblioteca
PuLP demuestra la utilidad de las herramientas computacionales para la toma de decisiones en
situaciones complejas.
3. Una compañía fabrica tres productos, A, B y C. El volumen de ventas de A es como
mínimo 50% de las ventas totales de los tres productos. Sin embargo, la compañía no
puede vender más de 75 unidades por día. Los tres productos utilizan una materia prima
de la cual la máxima disponibilidad diaria es de 240 lb. Las tasas de consumo de la materia
prima son de 2 lb por unidad de A, 4 lb por unidad de B, y 3 lb por unidad de C. Los precios
unitarios de A, B y C son $20, $50 y $35, respectivamente. Construya y formule el
problema de programación lineal con Python.
 Variables:
Producto A Producto B Producto C
2 4 3
20 50 35
75 →100 %
37.5 →50 %
38 → A
A ≥ 38
A+ B+C ≤ 75
A2 + B4 +C 3 ≤ 240 lb
Zmax=20 A+50 B+35 C
B.Simulación
 Código Python
!pip install pulp
#import pulp
from pulp import *
# defiunir el problema
prob = LpProblem("Fabrica X", LpMaximize)
A = LpVariable("producto A", lowBound=0, cat='continuous')

B = LpVariable("producto B", lowBound=0, cat='continuous')
C = LpVariable("producto C", lowBound=0, cat='continuous')
# definir la función objetivo
prob += 20*A + 50*B + 35*C, "total de producción"
# definir las restricciones
prob += A + B + C <= 75, "cantidad maxima a produccir"

prob += A >= 38, "cantidad minima a producir de A"
prob += A*2 + B*4 + C*3 <= 240, "horas disponibles de trabajo"
# resolver el problema de programación lineal

prob.solve()
print("estado de la solución:", LpStatus[prob.status])

dicisión

print("total de producción = ", value(prob.objective))
 Enlace Colab
https://colab.research.google.com/?hl=es#scrollTo=ywyf6rvhX2r5

D.Conclusiones
4. En el contexto de la pandemia y dado la necesidad de una mayor demanda de
desinfectantes con componentes antisépticos, una empresa fabrica dos tipos de
desinfectantes A y B, a partir de dos combinaciones, donde se deben cumplir las siguientes
condiciones sobre las combinaciones de dichos componentes (I, II y III), de acuerdo con
las siguientes especificaciones:
A su vez, con relación a las combinaciones se cuenta con información de los Componentes, la
disponibilidad y los costos, según se resume en la siguiente tabla:
 Variables:
Max Aa1=3.800
Max Aa2=5.100
Max Aa3=4.700
PvD 1 = 12.000
PvD 2 = 15.000
Costo Aa1 = 5.000
Costo Aa2 = 4.500

Costo Aa3 = 4.200
x 11=Al 1 D 1
x 12 =Al 1 D 2
x 21 =Al 2 D 1
x 22 =Al 2 D 2
x 31 =Al 3 D1
x 32 =Al 3 D2
Z=PV D 1 ( x 11+ x 21+ x 31 )+ PV D 2 ( x 12+ x 22+ x 32 ) −costo A a1 ( x 11+ x 12 )−costo Aa 2 ( x 21+ x 22 )−CostoA
x 11+ x 12 ≤ Max Aa 1
x 21 + x 22 ≤ Max Aa 2
x 31 + x 32 ≤ Max Aa 3
B.Simulación
 Código Python
!pip install pulp
from pulp import *
# Crear un problema de maximización

prob = LpProblem("Desinfectantes", LpMaximize)
# Definir variables de decisión

x11 = LpVariable("Cantidad de alcohol anticeptico 1 empleado en el d
esinfectante 1", lowBound=0, cat='Continuous')
#Definir parametros generales

MaxAa1 = 3800 # máxima disponibilidad de alcohol anticeptico 1
PDV1 = 12000 #Precio de venta desinfectante 1

PDV2 = 15000 #Precio de venta desinfectante 2
CostoAa1 = 5000 #Costo alcohol antiseptico 1

Mcomp = [[0.70, 0.12, 0.15, 0.10],

[0.50, 0.10, 0.00, 0.20],
[0.40, 0.00, 0.15, 0.10]]
# Definir la función objetivo -> Máximizar

prob += PDV1*(x11+x21+x31)+PDV2*(x11+x22+x32)-CostoAa1*(x11+x12)-
CostoAa2*(x21+x22)-CostoAa3*(x31+x32)
# Definir restricciones de máxima disponibilidad de alcohol antisept

ico
prob += x11 + x12 <= MaxAa1 #Máxima disponibilidad del alcohol antis
eptico 1
eptico 2
eptico 3
# Definir restricciones para producir el desinfectante A

prob += x11*Mcomp[0][0] + x21*Mcomp[1][0] + x31*Mcomp[2][0] <= 0.5
0*(x11+x21+x31) #Máximo contenido de componente 1 en el desinfectant
e 1
e 1
prob += x11*Mcomp[0][2] + x21*Mcomp[1][2] + x31*Mcomp[2][2] >= 0.1
5*(x11+x21+x31) #Minimo contenido de componente 3 en el desinfectant
e 1
# Definir restricciones para producir el desinfectante B
0*(x12+x22+x32) #Minimo contenido de componente 1 en el desinfectant
e 2
e 2
e 2
e 2
# Resolver el problema
prob.solve()
# Imprimir resultado
print("Cantidad de alcohol anticeptico 1 empleado en el desinfectant
e 1: {}".format(value(x11)))
print("Utilidad total máxima: ${}".format(value(prob.objective)))
 Enlace Colab
https://colab.research.google.com/?hl=es#scrollTo=tDSLUX07cCQL

D.Conclusiones
La utilidad total de cada uno de los productos de $88360000 donde la cantidad de alcohol
antiséptico 1 y desinfectante 1 con un valor de 2350 y la cantidad de alcohol 3 y desinfectante 1
con un total de 4700
5. La compañía GAMA fabrica camisas y blusas en una línea de producción con tres
procesos que son: corte, ensamble y empaque. Se ha establecido que una camisa genera
una utilidad de $7.000 y una blusa una utilidad de $9.000. Mediante un estudio de tiempos
se estableció que una camisa requiere de 1 hora en corte, 3 horas en ensamble y ½ hora
en empaque; mientras que una blusa requiere de ½ hora en corte, 4 horas en ensamble y 1
hora en empaque. Se sabe que la compañía GAMA trabaja 8 horas diarias durante 5 días a
la semana. ¿Cómo queda el modelo de programación lineal si se sabe que actualmente se
cuenta con 40 trabajadores en la sección de corte, 80 trabajadores en la sección de
ensamble y 20 trabajadores en la sección de empaque
1. Formule y construya el modelo de Programación Lineal con Python

2. Obtenga la Máxima Utilidad posible
 Variables:
B.Simulación
 Código Python
 Enlace Colab

D.Conclusiones
6. Se fabrican dos fármacos, F1 y F2, a partir de tres sustancias diferentes, donde se deben
cumplir las siguientes condiciones sobre los componentes de dichas sustancias (I, II, III y
IV), de acuerdo con las siguientes especificaciones:
Fármaco Especificaciones Precio ($CO/g)

Cuando más 50% de componente I
1 Cuando más 15% de componente II 350
Cuando menos 15% de componente III
De 60% a 80% de componente I
2 Cuando menos 15% de componente II 380
Cuando menos 11% de componente III
A su vez, con relación a las sustancias se cuenta con información de los componentes, la
disponibilidad y los costos, según se resume en la siguiente tabla:
Componentes (g)
Sustancia Disponibilidad (kg) Costos ($CO/g)
I II III IV Otros
1 28 20 20 20 5 10 50
2 21 10 10 0 18 20 45
3 37 3 0 15 31 0 42
Considerando los resultados obtenidos, responda:
1. ¿Cuánto cantidad de fármaco se debe producir de cada sustancia?

2. ¿Cuánto es la utilidad máxima que se puede lograr?
 Variables:
B.Simulación
 Código Python
 Enlace Colab
D.Conclusiones

Parcial 2 - Simulación 2023A TATIANA PARRA

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

Parcial 2 - Simulación 2023A TATIANA PARRA

Cargado por

Copyright:

Formatos disponibles

Parcial corte 2

1. La empresa TuningPc fabrica dos tipos de PC Extremos, el XGamePC y el ZGamePC. La

!pip install pulp

x1 = LpVariable("Diseño", lowBound=0, cat='continuous')

# Definir la función objetivo

prob += 20000*x1 + 24000*x2, "total de producción"

# Definir las restricciones

# Resolver el problema de programación lineal

# imprimir el resultado de la solución

print("Estado de la Solución:", LpStatus[prob.status])

# imprimir la cantidad óptima de producción de cada variable de cada

# imprimir el costo total de producción óptimo

 Resultados obtenidos de la simulación

Cat ABQ Cat n

Maq A=2 Abq+1 n ≤180 h

Maq b=1 Abq+ 2n ≤ 160 h

Maq c=1 Abq+1 n ≤100 h

Abq = LpVariable("categoria 1", lowBound=0, cat='continuous')

# definir la función objetivo

prob += 4*Abq + 6*n, "total de producción"

# definir las restricciones

# resolver el problema de programación lineal

# imprimir el resultado de la solución

print("estado de la solución:", LpStatus[prob.status])

# imprimir la cantidad óptima de producción de cada variable de cada

# imprimir el costo total de producción óptimo

 Resultados obtenidos de la simulación

Zmax=20 A+50 B+35 C

A = LpVariable("producto A", lowBound=0, cat='continuous')

# definir la función objetivo

prob += 20*A + 50*B + 35*C, "total de producción"

# definir las restricciones

prob += A + B + C <= 75, "cantidad maxima a produccir"

# resolver el problema de programación lineal

# imprimir el resultado de la solución

print("estado de la solución:", LpStatus[prob.status])

# imprimir la cantidad óptima de producción de cada variable de cada

# imprimir el costo total de producción óptimo

 Resultados obtenidos de la simulación

Costo Aa1 = 5.000

Costo Aa2 = 4.500

# Crear un problema de maximización

# Definir variables de decisión

#Definir parametros generales

PDV1 = 12000 #Precio de venta desinfectante 1

CostoAa1 = 5000 #Costo alcohol antiseptico 1

Mcomp = [[0.70, 0.12, 0.15, 0.10],

# Definir la función objetivo -> Máximizar

# Definir restricciones de máxima disponibilidad de alcohol antisept

# Definir restricciones para producir el desinfectante A

print("Utilidad total máxima: ${}".format(value(prob.objective)))

 Resultados obtenidos de la simulación

1. Formule y construya el modelo de Programación Lineal con Python

 Resultados obtenidos de la simulación

Fármaco Especificaciones Precio ($CO/g)

Considerando los resultados obtenidos, responda:

1. ¿Cuánto cantidad de fármaco se debe producir de cada sustancia?

 Resultados obtenidos de la simulación

También podría gustarte

prob += 20000x1 + 24000x2, "total de producción"

prob += 4Abq + 6n, "total de producción"

prob += 20A + 50B + 35*C, "total de producción"