Investigation de Operaciones

Solución y Análisis de Sensibilidad de

Modelos de Programación Lineal Entera

4ta Sesión
Mg. Gastón R. Huiman León
Solución y Análisis de Sensibilidad de Modelos de Programación Lineal Entera

ORIENTACIONES AL ESTUDIANTE

Intente solucionar sus inquietudes estudiando con seriedad el material

propuesto, así como la bibliografía, consultando con sus compañeros y el
docente.
De persistir las dudas formule sus preguntas de forma concreta sobre el tema
en discusión.
Respete el horario establecido para las clases de teoría y laboratorio.
Solución y Análisis de Sensibilidad de Modelos de Programación Lineal Entera

CONTENIDO / TEMATICA

✓ Solución y análisis en modelos de Programación Lineal Entera

✓ Uso de modelador LINGO – Importar y Exportar datos.
Solución y Análisis de Sensibilidad de Modelos de Programación Lineal Entera

EJEMPLO 01
EL MÉTODO DE RAMIFICACIÓN Y ACOTACIÓN
Max Z= X1 + 5X2
Sujeto a.:
El método de ramificación y acotación, mas conocido
11X1 + 6X2 ≤ 66 𝑋1 = 6, 𝑋2 = 11
por su nombre en ingles Branch and Bound, recibe su
5X1 + 50X2 ≤ 225 𝑋1 = 45, 𝑋2 = 4.5
nombre precisamente por las dos técnicas en la que
se basa su desarrollo que son la ramificación y la 𝑋1, 𝑋2 ≥ 0 𝑦 𝑒𝑛𝑡𝑒𝑟𝑜𝑠
acotación.
El método de ramificación y acotación comienza por
resolver la PL, de modo que si la solución verifica las
condiciones de integridad, entonces también es la
solución al problema entero, en caso contrario se
comienza con la ramificación del problema.
Solución y Análisis de Sensibilidad de Modelos de Programación Lineal Entera

MAX Z= X1 + 5X2
EL MÉTODO DE RAMIFICACIÓN Y ACOTACIÓN
11X1 + 6X2 ≤ 66
5X1 + 50X2 ≤ 225
La ramificación consiste en dividir cada problema en dos
nuevos sub problemas, obtenidos mediante la imposición de
restricciones excluyentes que dividen el conjunto de Solución optima para X1=3.75, X2=4.125
Nodo 1 FO= 24.375
oportunidades del problema original en dos partes, pero
eliminando en ambas partes la solución no entera del
problema original.

-5 * 11X1 + 6X2 ≤ 66
11 * 5X1 + 50X2 ≤ 225
Z= X1 + 5X2
-55 X1 - 30 X2 = 330
55X1 + 550 X2 = 2475 𝐹𝑂 = 3.75 + 5(4.125)

520 X2 = 2145
X2= 4.125

X1=3.75
 Solución y Análisis de Sensibilidad de Modelos de Programación Lineal Entera

Z= X1 + 5X2

MASA = 3.75 + 5(4.125) = 24.375 3 ≤ 3.75 ≤ 4

MAIA = 3 + 5(4) = 23 4 ≤ 4.125 ≤ 5
Solución optima para X1=3.75, X2=4.125
Nodo 1 FO= 24.375
Solución y Análisis de Sensibilidad de Modelos de Programación Lineal Entera

No se toma el valor de X2 4 ≤ 4.125 ≤ 5

Z= X1 + 5X2
Z= 3.75 + 5 (4)……=23.75 no llega
11X1 + 6X2 ≤ 66
Z= 3.75 + 5 (5)…...= 28.75 se pasa
5X1 + 50X2 ≤ 225

X1=3.75
X2= 4.125
3 ≤ 3.75 ≤ 4

5 (3) + 50X2 ≤ 225…..X2=4.2 11(4) + 6X2 ≤ 66 ……X2 =3.66..

𝐹𝑂 = 3 + 5 4.2 … . . 24 𝐹𝑂 = 4 + 5 3.66 … . . 22.33

 Solución y Análisis de Sensibilidad de Modelos de Programación Lineal Entera

4 ≤ 4.20 ≤ 5

Se descarta por
ser menor a la
FO=24.375

Z= 3 + 5(5)….=28
Z= 3 + 5(4)….=23
Solución y Análisis de Sensibilidad de Modelos de Programación Lineal Entera

EJERCICIO DE APLICACION

Dos refinerías de petróleo producen tres tipos diferentes de gasolina: A, B y C. Estos diferentes tipos de
gasolina son producidos en cada refinería en proporciones fijas, por cada operación. Asumiendo que la
refinería N° 1, produce: 10 unidad de A, 30 unidades de B y 5 unidad de C por operación, mientras que la
refinería N° 2, produce: 20 unidad de A, 40 unidades de B y 50 unidades de C por operación, los costos de la
operación son $1500 para la refinería N° 1 y $3800 para la refinería N° 2. Un cliente ordena 150 unidades de
A, 440 unidades de B y 200 unidades de C.

a) Formule un modelo que se ajuste a la solución del problema.

b) Solucione el modelo formulado, encontrando los valores enteros.

c) Graficar el modelo y señalar el punto óptimo de su solución

d) Realizar un análisis de sensibilidad.

 Solución y Análisis de Sensibilidad de Modelos de Programación Lineal Entera

Sintaxis LINGO : Importar y Exportar datos de Excel

La sintaxis para usar @OLE en la importación de datos, es:

Lista objetivo = @OLE ([‘ archivo hoja de calculo'] [, nombre del rango en la lista de la hoja]);

Lista de objetivo: es una lista de los objetos del modelo, opcionalmente separados por comas, que han
de ser inicializado desde la hoja de cálculo, esta puede contener cualquier combinación de nombres de
conjuntos, atributos de conjuntos y variables escalares; por ejemplo “productos”.

sets:
productos/1..10/:X,P;
 Solución y Análisis de Sensibilidad de Modelos de Programación Lineal Entera

Lista objetivo = @OLE ([‘ archivo hoja de calculo'] [, nombre del rango en la lista de la hoja]);

El archivo hoja de calculo es el nombre que se le ha dado al

archivo Excel el cual a sido guardado de preferencia donde
estará guardado el archivo de LINGO; la sintaxis permite
recuperar los datos guardados del problema. Si se omite el
nombre, LINGO utiliza de forma predeterminada cualquier libro
de trabajo que esté abierto actualmente en Excel.

P=@ole('datos.xlsx','precio');
 Solución y Análisis de Sensibilidad de Modelos de Programación Lineal Entera

Lista objetivo = @OLE ([‘ archivo hoja de calculo'] [, nombre del rango en la lista de la hoja]);

El nombre del rango en la lista de la hoja, es la lista de los rangos

con nombre en la hoja para recuperar los datos necesarios para la
sintaxis LINGO del problema. Los rangos deben contener
exactamente un elemento para cada miembro en la Lista objetivo.

P=@ole('datos.xlsx','precio');
H1=@ole('datos.xlsx','capacidad_maquina_hora');
Solución y Análisis de Sensibilidad de Modelos de Programación Lineal Entera

Otros modos de usar @OLE

Ejemplo 1: COSTO, CAPACIDAD = @OLE ();

No se especifico ningún argumento ni nombres de rango en la función @OLE ( ) Lingo proporcionara los argumentos de
forma predeterminada ya que no existe ningún nombre del libro de trabajo, de tal forma que utilizara cualquier libro abierto
de Excel o de forma predeterminada de acuerdo a los rangos COSTO y CAPACIDAD.

Ejemplo 2: COSTO, CAPACIDAD = @OLE ('SPECIFICACION.XLS', 'DATA_TABLA');

Tanto para COSTO como CAPACIDAD se esta especificando un solo rango DATA_TABLA, en caso que tenga dos
columnas, LINGO inicializa COSTO en los datos de la columna 1 y CAPACIDAD en los datos de la columna 2. Tener en
cuenta que para que este método funcione, tanto COSTO como CAPACIDAD deben definirse en el mismo conjunto de
datos. Además, ambos deben ser conjuntos o atributos de conjunto; no se permiten tipos mixtos utilizando este formulario.
 Solución y Análisis de Sensibilidad de Modelos de Programación Lineal Entera

Otros modos de usar @OLE

Ejemplo 3: COSTO, CAPACIDAD = @OLE ('SPECIFICACION.XLS', 'COST_01', ‘CAP_01');

En este ejemplo se esta especificando rangos individuales para inicializar; para COSTO se inicializará con los datos en
el rango COST_01 y para CAPACIDAD se inicializará con los datos en el rango CAP_01.

Los conjuntos derivados se pueden importar de un solo rango o de n rangos, donde n es la dimensión del
conjunto derivado

Ejemplo 4: ARCOS, COSTO = @OLE ('TRAN.XLS', 'ARCS', 'COSTO');

En un modelo de transporte. ARCS es el conjunto de arcos de envío y COSTO es un atributo para almacenar el costo de envío
de una unidad por cada arco. Normalmente, ARCS sería un conjunto derivado bidimensional de pares de coordenadas. Hay
que tener en cuenta que los datos de los arcos provienen de una misma lista de rangos del libro de Excel.
 Solución y Análisis de Sensibilidad de Modelos de Programación Lineal Entera

Otros modos de usar @OLE

ARCOS, COSTO = @OLE ('TRAN.XLS', ‘ARCS', 'COSTO');

Suponga que hay 10 arcos de envío en nuestro modelo, luego los rangos del ARCS tendría 20 celdas, siendo la primera
columna de 10 celdas los puntos de origen y la segunda columna de 10 celdas los puntos de destino. Dado que estamos
usando el método de rango único para ingresar un conjunto derivado, las dos columnas son adyacentes y ambas están
contenidas en la llamada de rango único ARCS.

Ejemplo 5: ARCS, COST = @OLE ('TRAN.XLS', 'FROM', 'TO', 'COST');

Donde usamos dos rangos para almacenar el conjunto ARCS bidimensional . El primer rango, FROM , contendría 10 puntos
de origen, mientras que el segundo rango, TO , contendría 10 puntos de destino. Estos dos rangos pueden estar en
diferentes áreas del libro de trabajo y no es necesario que sean adyacentes.
Solución y Análisis de Sensibilidad de Modelos de Programación Lineal Entera

Modelo de Producción
Una fabrica de producción de helados produce 10 tipos de paletas de diferentes sabores, para ello deben pasar
por 20 diferentes procesos y 20 tipos de mano de obra. El departamento de producción presenta el siguiente
cuadro con respecto a los tiempos en segundos de cada proceso y mano de obra:
Productos (ocupacion de cada proceso en segundos)
Productos Helado
Helado Helado Helado Helado Helado Helado Helado Helado
chocolate
chocolate
fresa coco cherry vainilla frambuesa
Helado uva
piña melon
capacidad horas
Procesos con leche
I II III IV V VI VII VIII IX X
PROCESO 1 47 36 41 32 45 38 32 39 41 38 400
PROCESO 2 101 99 69 103 97 93 100 97 89 101 220
PROCESO 3 224 238 282 225 295 308 234 256 250 239 300
PROCESO 4 13 22 31 24 36 30 18 20 23 25 250
PROCESO 5 85 103 99 89 100 90 104 103 100 103 225
PROCESO 6 37 34 30 47 24 26 29 23 22 31 180
PROCESO 7 94 86 63 103 91 87 85 78 86 90 270
PROCESO 8 268 300 245 325 284 205 213 278 200 269 350
PROCESO 9 19 32 20 35 14 16 17 18 15 16 220
PROCESO 10 95 98 97 99 87 90 88 93 98 109 200
PROCESO 11 20 19 21 20 31 22 30 21 22 31 240
PROCESO 12 79 81 89 87 92 96 75 83 91 87 240
PROCESO 13 211 215 200 197 201 204 260 200 198 203 310
PROCESO 14 15 19 18 14 16 15 16 12 15 13 225
PROCESO 15 99 93 91 100 97 100 107 96 95 100 350
PROCESO 16 25 23 22 23 21 19 20 19 20 20 350
PROCESO 17 79 83 82 78 81 78 68 81 60 72 300
PROCESO 18 212 198 224 222 203 199 221 230 244 210 250
PROCESO 19 15 14 11 15 13 16 13 16 19 16 250
PROCESO 20 102 97 107 99 101 90 94 99 104 92 200
Solución y Análisis de Sensibilidad de Modelos de Programación Lineal Entera

Modelo de Producción
Mano de Obra en la elaboracion de Productos (ocupacion de cada mano de obra en segundos)
Productos Helado
Helado Helado Helado Helado Helado capacidad
chocolate Helado fresa Helado coco Helado uva Helado piña
chocolate cherry vainilla frambuesa melon horas
Procesos con leche
I II III IV V VI VII VIII IX X
MO 1 155 127 154 175 148 150 149 145 142 139 450
MO 2 135 119 121 120 121 150 179 167 158 171 250
MO 3 15 17 23 14 18 23 21 22 19 23 300
MO 4 173 153 164 174 151 144 60 144 138 142 250
MO 5 99 104 94 110 118 97 109 101 104 98 250
MO 6 149 153 149 127 124 127 125 131 159 140 200
MO 7 177 184 116 188 110 141 129 135 150 149 270
MO 8 21 17 22 27 11 14 12 16 20 19 350
MO 9 134 121 157 136 134 141 120 121 132 150 250
MO 10 95 93 120 97 91 93 89 79 80 76 280
MO 11 136 137 132 138 150 155 149 175 142 141 260
MO 12 139 151 184 192 187 195 201 180 181 178 240
MO 13 21 18 17 20 19 20 18 17 18 20 310
MO 14 139 129 132 127 140 130 128 131 128 127 250
MO 15 80 79 71 77 81 160 110 76 80 79 350
MO 16 139 138 141 135 148 144 148 153 157 67 350
MO 17 185 183 202 198 180 179 181 177 180 144 350
MO 18 18 21 20 18 20 17 22 21 20 25 300
MO 19 122 128 120 149 133 127 129 145 151 117 280
MO 20 80 112 78 89 100 78 121 120 134 120 250
Solución y Análisis de Sensibilidad de Modelos de Programación Lineal Entera

Modelo de Producción
¿Cuál seria el plan de producción, para
Finalmente el departamento de comercialización informa lo siguiente:
maximizar las ganancias en un mes?

Demanda
Productos (tipos de
minima Ganancia S/.
paleta de helado)
unid/mes Propuesta de Solución
Helado chocolate 800 S/ 2.0
Variables
Helado chocolate con leche 400 S/ 3.0
Helado fresa 300 S/ 2.5 Xi: número de unidades de helados tipo paletas Helado chocolate,
Helado coco 200 S/ 3.0 Helado chocolate con leche, Helado fresa, Helado coco, Helado Cherry,
Helado cherry 600 S/ 4.0 Helado vainilla, Helado frambuesa, Helado uva, Helado piña, Helado
Helado vainilla 500 S/ 2.0 melón; a producir
Helado frambuesa 300 S/ 4.0
i (Helado chocolate, Helado chocolate con leche, Helado fresa, Helado
Helado uva 250 S/ 3.0
Helado piña 300 S/ 2.0 coco, Helado Cherry, Helado vainilla, Helado frambuesa, Helado uva,
Helado melon 400 S/ 2.5 Helado piña, Helado melón =1,2,3,4,5,6,7,8,9,10) paletas de helado
 Solución y Análisis de Sensibilidad de Modelos de Programación Lineal Entera

Productos (ocupacion de cada proceso en horas)

Productos Helado
Helado Helado Helado Helado capacidad
Helado chocolate chocolate Helado fresa Helado coco Helado uva Helado piña
cherry vainilla frambuesa melon horas
con leche
Procesos

PROCESO 1
I
0.013
II
0.010
III
0.011
IV
0.009
V
0.013
VI
0.011
VII
0.009
VIII
0.011
IX
0.011
X
0.011 400
SOLVER
PROCESO 2 0.028 0.028 0.019 0.029 0.027 0.026 0.028 0.027 0.025 0.028 220
PROCESO 3 0.062 0.066 0.078 0.063 0.082 0.086 0.065 0.071 0.069 0.066 300
PROCESO 4 0.004 0.006 0.009 0.007 0.010 0.008 0.005 0.006 0.006 0.007 250
PROCESO 5 0.024 0.029 0.028 0.025 0.028 0.025 0.029 0.029 0.028 0.029 225
PROCESO 6 0.010 0.009 0.008 0.013 0.007 0.007 0.008 0.006 0.006 0.009 180
PROCESO 7 0.026 0.024 0.018 0.029 0.025 0.024 0.024 0.022 0.024 0.025 270
PROCESO 8 0.074 0.083 0.068 0.090 0.079 0.057 0.059 0.077 0.056 0.075 350
PROCESO 9 0.005 0.009 0.006 0.010 0.004 0.004 0.005 0.005 0.004 0.004 220
PROCESO 10 0.026 0.027 0.027 0.028 0.024 0.025 0.024 0.026 0.027 0.030 200 Mano de Obra en la elaboracion de Productos (ocupacion de cada mano de obra en horas)
PROCESO 11 0.006 0.005 0.006 0.006 0.009 0.006 0.008 0.006 0.006 0.009 240 Productos Helado
Helado Helado capacidad
PROCESO 12 0.022 0.023 0.025 0.024 0.026 0.027 0.021 0.023 0.025 0.024 240 chocolate con Helado fresa Helado coco Helado cherry Helado vainilla Helado uva Helado piña Helado melon
chocolate frambuesa horas
leche
PROCESO 13 0.059 0.060 0.056 0.055 0.056 0.057 0.072 0.056 0.055 0.056 310 Procesos
I II III IV V VI VII VIII IX X
PROCESO 14 0.004 0.005 0.005 0.004 0.004 0.004 0.004 0.003 0.004 0.004 225
MO 1 0.043 0.035 0.043 0.049 0.041 0.042 0.041 0.040 0.039 0.039 450
PROCESO 15 0.028 0.026 0.025 0.028 0.027 0.028 0.030 0.027 0.026 0.028 350
MO 2 0.038 0.033 0.034 0.033 0.034 0.042 0.050 0.046 0.044 0.048 250
PROCESO 16 0.007 0.006 0.006 0.006 0.006 0.005 0.006 0.005 0.006 0.006 350
MO 3 0.004 0.005 0.006 0.004 0.005 0.006 0.006 0.006 0.005 0.006 300
PROCESO 17 0.022 0.023 0.023 0.022 0.023 0.022 0.019 0.023 0.017 0.020 300
MO 4 0.048 0.043 0.046 0.048 0.042 0.040 0.017 0.040 0.038 0.039 250
PROCESO 18 0.059 0.055 0.062 0.062 0.056 0.055 0.061 0.064 0.068 0.058 250
MO 5 0.028 0.029 0.026 0.031 0.033 0.027 0.030 0.028 0.029 0.027 250
PROCESO 19 0.004 0.004 0.003 0.004 0.004 0.004 0.004 0.004 0.005 0.004 250 MO 6 0.041 0.043 0.041 0.035 0.034 0.035 0.035 0.036 0.044 0.039 200
PROCESO 20 0.028 0.027 0.030 0.028 0.028 0.025 0.026 0.028 0.029 0.026 200 MO 7 0.049 0.051 0.032 0.052 0.031 0.039 0.036 0.038 0.042 0.041 270
MO 8 0.006 0.005 0.006 0.008 0.003 0.004 0.003 0.004 0.006 0.005 350
MO 9 0.037 0.034 0.044 0.038 0.037 0.039 0.033 0.034 0.037 0.042 250
MO 10 0.026 0.026 0.033 0.027 0.025 0.026 0.025 0.022 0.022 0.021 280
MO 11 0.038 0.038 0.037 0.038 0.042 0.043 0.041 0.049 0.039 0.039 260
MO 12 0.039 0.042 0.051 0.053 0.052 0.054 0.056 0.050 0.050 0.049 240
MO 13 0.006 0.005 0.005 0.006 0.005 0.006 0.005 0.005 0.005 0.006 310
Pasamos los datos MO 14
MO 15
0.039
0.022
0.036
0.022
0.037
0.020
0.035
0.021
0.039
0.023
0.036
0.044
0.036
0.031
0.036
0.021
0.036
0.022
0.035
0.022
250
350
de cada proceso y MO 16 0.039 0.038 0.039 0.038 0.041 0.040 0.041 0.043 0.044 0.019 350
MO 17 0.051 0.051 0.056 0.055 0.050 0.050 0.050 0.049 0.050 0.040 350
mano de obra por MO 18 0.005 0.006 0.006 0.005 0.006 0.005 0.006 0.006 0.006 0.007 300
MO 19 0.034 0.036 0.033 0.041 0.037 0.035 0.036 0.040 0.042 0.033 280
producto, a horas MO 20 0.022 0.031 0.022 0.025 0.028 0.022 0.034 0.033 0.037 0.033 250
Solución y Análisis de Sensibilidad de Modelos de Programación Lineal Entera
Helado
Helado Helado Helado
chocolate con Helado fresa Helado coco Helado cherry Helado uva Helado piña Helado melon
chocolate vainilla frambuesa
leche
Cantidad a producir Ganancia
Precio S/ 2.00 S/ 3.00 S/ 2.50 S/ 3.00 S/ 4.00 S/ 2.00 S/ 4.00 S/ 3.00 S/ 2.00 S/ 2.50 S/ 0

PROCESO 1 0.013 0.01 0.011 0.009 0.013 0.011 0.009 0.011 0.011 0.011 0 <= 400
PROCESO 2 0.028 0.028 0.019 0.029 0.027 0.026 0.028 0.027 0.025 0.028 0 <= 220
PROCESO 3 0.062 0.066 0.078 0.063 0.082 0.086 0.065 0.071 0.069 0.066 0 <= 300
PROCESO 4 0.004 0.006 0.009 0.007 0.01 0.008 0.005 0.006 0.006 0.007 0 <= 250
PROCESO 5 0.024 0.029 0.028 0.025 0.028 0.025 0.029 0.029 0.028 0.029 0 <= 225
PROCESO 6 0.01 0.009 0.008 0.013 0.007 0.007 0.008 0.006 0.006 0.009 0 <= 180
PROCESO 7 0.026 0.024 0.018 0.029 0.025 0.024 0.024 0.022 0.024 0.025 0 <= 270
PROCESO 8 0.074 0.083 0.068 0.09 0.079 0.057 0.059 0.077 0.056 0.075 0 <= 350
PROCESO 9 0.005 0.009 0.006 0.01 0.004 0.004 0.005 0.005 0.004 0.004 0 <= 220
PROCESO 10 0.026 0.027 0.027 0.028 0.024 0.025 0.024 0.026 0.027 0.03 0 <= 200
PROCESO 11 0.006 0.005 0.006 0.006 0.009 0.006 0.008 0.006 0.006 0.009 0 <= 240
PROCESO 12 0.022 0.023 0.025 0.024 0.026 0.027 0.021 0.023 0.025 0.024 0 <= 240
PROCESO 13 0.059 0.06 0.056 0.055 0.056 0.057 0.072 0.056 0.055 0.056 0 <= 310
PROCESO 14 0.004 0.005 0.005 0.004 0.004 0.004 0.004 0.003 0.004 0.004 0 <= 225
PROCESO 15 0.028 0.026 0.025 0.028 0.027 0.028 0.03 0.027 0.026 0.028 0 <= 350
PROCESO 16 0.007 0.006 0.006 0.006 0.006 0.005 0.006 0.005 0.006 0.006 0 <= 350
PROCESO 17 0.022 0.023 0.023 0.022 0.023 0.022 0.019 0.023 0.017 0.02 0 <= 300
PROCESO 18 0.059 0.055 0.062 0.062 0.056 0.055 0.061 0.064 0.068 0.058 0 <= 250
PROCESO 19 0.004 0.004 0.003 0.004 0.004 0.004 0.004 0.004 0.005 0.004 0 <= 250
PROCESO 20 0.028 0.027 0.03 0.028 0.028 0.025 0.026 0.028 0.029 0.026 0 <= 200
MO 1 0.043 0.035 0.043 0.049 0.041 0.042 0.041 0.04 0.039 0.039 0 <= 450
MO 2 0.038 0.033 0.034 0.033 0.034 0.042 0.05 0.046 0.044 0.048 0 <= 250
MO 3 0.004 0.005 0.006 0.004 0.005 0.006 0.006 0.006 0.005 0.006 0 <= 300
MO 4 0.048 0.043 0.046 0.048 0.042 0.04 0.017 0.04 0.038 0.039 0 <= 250
MO 5 0.028 0.029 0.026 0.031 0.033 0.027 0.03 0.028 0.029 0.027 0 <= 250
MO 6 0.041 0.043 0.041 0.035 0.034 0.035 0.035 0.036 0.044 0.039 0 <= 200
MO 7 0.049 0.051 0.032 0.052 0.031 0.039 0.036 0.038 0.042 0.041 0 <= 270
MO 8 0.006 0.005 0.006 0.008 0.003 0.004 0.003 0.004 0.006 0.005 0 <= 350
MO 9 0.037 0.034 0.044 0.038 0.037 0.039 0.033 0.034 0.037 0.042 0 <= 250
MO 10 0.026 0.026 0.033 0.027 0.025 0.026 0.025 0.022 0.022 0.021 0 <= 280
MO 11 0.038 0.038 0.037 0.038 0.042 0.043 0.041 0.049 0.039 0.039 0 <= 260
MO 12 0.039 0.042 0.051 0.053 0.052 0.054 0.056 0.05 0.05 0.049 0 <= 240
MO 13 0.006 0.005 0.005 0.006 0.005 0.006 0.005 0.005 0.005 0.006 0 <= 310
MO 14 0.039 0.036 0.037 0.035 0.039 0.036 0.036 0.036 0.036 0.035 0 <= 250
MO 15 0.022 0.022 0.02 0.021 0.023 0.044 0.031 0.021 0.022 0.022 0 <= 350
MO 16 0.039 0.038 0.039 0.038 0.041 0.04 0.041 0.043 0.044 0.019 0 <= 350
MO 17 0.051 0.051 0.056 0.055 0.05 0.05 0.05 0.049 0.05 0.04 0 <= 350
MO 18 0.005 0.006 0.006 0.005 0.006 0.005 0.006 0.006 0.006 0.007 0 <= 300
MO 19 0.034 0.036 0.033 0.041 0.037 0.035 0.036 0.04 0.042 0.033 0 <= 280
MO 20 0.022 0.031 0.022 0.025 0.028 0.022 0.034 0.033 0.037 0.033 0 <= 250
DEMANDA 01 1 0 0 0 0 0 0 0 0 0 0 >= 800
DEMANDA 02 0 1 0 0 0 0 0 0 0 0 0 >= 400
DEMANDA 03 0 0 1 0 0 0 0 0 0 0 0 >= 300
DEMANDA 04 0 0 0 1 0 0 0 0 0 0 0 >= 200
DEMANDA 05 0 0 0 0 1 0 0 0 0 0 0 >= 600
DEMANDA 06 0 0 0 0 0 1 0 0 0 0 0 >= 500
DEMANDA 07 0 0 0 0 0 0 1 0 0 0 0 >= 300
DEMANDA 08 0 0 0 0 0 0 0 1 0 0 0 >= 250
DEMANDA 09 0 0 0 0 0 0 0 0 1 0 0 >= 300
DEMANDA 10 0 0 0 0 0 0 0 0 0 1 0 >= 400
Solución y Análisis de Sensibilidad de Modelos de Programación Lineal Entera

SOLVER
Solución y Análisis de Sensibilidad de Modelos de Programación Lineal Entera

Helado
Helado Helado Helado
chocolate con Helado fresa Helado coco Helado cherry Helado uva Helado piña Helado melon
chocolate vainilla frambuesa
leche
Cantidad a producir 800 400 300 200 600 500 476 250 300 400 Ganancia
Precio S/ 2.00 S/ 3.00 S/ 2.50 S/ 3.00 S/ 4.00 S/ 2.00 S/ 4.00 S/ 3.00 S/ 2.00 S/ 2.50 S/ 11,804

PROCESO 1 0.013 0.01 0.011 0.009 0.013 0.011 0.009 0.011 0.011 0.011 47.534 <= 400
PROCESO 2 0.028 0.028 0.019 0.029 0.027 0.026 0.028 0.027 0.025 0.028 113.078 <= 220
PROCESO 3 0.062 0.066 0.078 0.063 0.082 0.086 0.065 0.071 0.069 0.066 299.99 <= 300
PROCESO 4 0.004 0.006 0.009 0.007 0.01 0.008 0.005 0.006 0.006 0.007 28.18 <= 250
PROCESO 5 0.024 0.029 0.028 0.025 0.028 0.025 0.029 0.029 0.028 0.029 114.554 <= 225
PROCESO 6 0.01 0.009 0.008 0.013 0.007 0.007 0.008 0.006 0.006 0.009 35.008 <= 180
PROCESO 7 0.026 0.024 0.018 0.029 0.025 0.024 0.024 0.022 0.024 0.025 102.724 <= 270
PROCESO 8 0.074 0.083 0.068 0.09 0.079 0.057 0.059 0.077 0.056 0.075 300.834 <= 350
PROCESO 9 0.005 0.009 0.006 0.01 0.004 0.004 0.005 0.005 0.004 0.004 22.23 <= 220
PROCESO 10 0.026 0.027 0.027 0.028 0.024 0.025 0.024 0.026 0.027 0.03 110.224 <= 200
PROCESO 11 0.006 0.005 0.006 0.006 0.009 0.006 0.008 0.006 0.006 0.009 28.908 <= 240
PROCESO 12 0.022 0.023 0.025 0.024 0.026 0.027 0.021 0.023 0.025 0.024 101.046 <= 240
PROCESO 13 0.059 0.06 0.056 0.055 0.056 0.057 0.072 0.056 0.055 0.056 248.272 <= 310
PROCESO 14 0.004 0.005 0.005 0.004 0.004 0.004 0.004 0.003 0.004 0.004 17.354 <= 225
PROCESO 15 0.028 0.026 0.025 0.028 0.027 0.028 0.03 0.027 0.026 0.028 116.13 <= 350
PROCESO 16 0.007 0.006 0.006 0.006 0.006 0.005 0.006 0.005 0.006 0.006 25.406 <= 350
PROCESO 17 0.022 0.023 0.023 0.022 0.023 0.022 0.019 0.023 0.017 0.02 90.794 <= 300
PROCESO 18 0.059 0.055 0.062 0.062 0.056 0.055 0.061 0.064 0.068 0.058 249.936 <= 250
PROCESO 19 0.004 0.004 0.003 0.004 0.004 0.004 0.004 0.004 0.005 0.004 16.904 <= 250
PROCESO 20 0.028 0.027 0.03 0.028 0.028 0.025 0.026 0.028 0.029 0.026 115.576 <= 200
MO 1 0.043 0.035 0.043 0.049 0.041 0.042 0.041 0.04 0.039 0.039 173.516 <= 450
MO 2 0.038 0.033 0.034 0.033 0.034 0.042 0.05 0.046 0.044 0.048 169.5 <= 250
MO 3 0.004 0.005 0.006 0.004 0.005 0.006 0.006 0.006 0.005 0.006 22.056 <= 300
MO 4 0.048 0.043 0.046 0.048 0.042 0.04 0.017 0.04 0.038 0.039 169.292 <= 250
MO 5 0.028 0.029 0.026 0.031 0.033 0.027 0.03 0.028 0.029 0.027 122.08 <= 250
MO 6 0.041 0.043 0.041 0.035 0.034 0.035 0.035 0.036 0.044 0.039 161.66 <= 200
MO 7 0.049 0.051 0.032 0.052 0.031 0.039 0.036 0.038 0.042 0.041 173.336 <= 270
MO 8 0.006 0.005 0.006 0.008 0.003 0.004 0.003 0.004 0.006 0.005 20.228 <= 350
MO 9 0.037 0.034 0.044 0.038 0.037 0.039 0.033 0.034 0.037 0.042 157.808 <= 250
MO 10 0.026 0.026 0.033 0.027 0.025 0.026 0.025 0.022 0.022 0.021 106.9 <= 280
MO 11 0.038 0.038 0.037 0.038 0.042 0.043 0.041 0.049 0.039 0.039 170.066 <= 260
MO 12 0.039 0.042 0.051 0.053 0.052 0.054 0.056 0.05 0.05 0.049 205.856 <= 240
MO 13 0.006 0.005 0.005 0.006 0.005 0.006 0.005 0.005 0.005 0.006 23.03 <= 310
MO 14 0.039 0.036 0.037 0.035 0.039 0.036 0.036 0.036 0.036 0.035 156.036 <= 250
MO 15 0.022 0.022 0.02 0.021 0.023 0.044 0.031 0.021 0.022 0.022 107.806 <= 350
MO 16 0.039 0.038 0.039 0.038 0.041 0.04 0.041 0.043 0.044 0.019 161.366 <= 350
MO 17 0.051 0.051 0.056 0.055 0.05 0.05 0.05 0.049 0.05 0.04 211.05 <= 350
MO 18 0.005 0.006 0.006 0.005 0.006 0.005 0.006 0.006 0.006 0.007 24.256 <= 300
MO 19 0.034 0.036 0.033 0.041 0.037 0.035 0.036 0.04 0.042 0.033 152.336 <= 280
MO 20 0.022 0.031 0.022 0.025 0.028 0.022 0.034 0.033 0.037 0.033 118.134 <= 250
DEMANDA 01 1 0 0 0 0 0 0 0 0 0 800 >= 800
DEMANDA 02 0 1 0 0 0 0 0 0 0 0 400 >= 400
DEMANDA 03 0 0 1 0 0 0 0 0 0 0 300 >= 300
DEMANDA 04 0 0 0 1 0 0 0 0 0 0 200 >= 200
DEMANDA 05 0 0 0 0 1 0 0 0 0 0 600 >= 600
DEMANDA 06 0 0 0 0 0 1 0 0 0 0 500 >= 500
DEMANDA 07 0 0 0 0 0 0 1 0 0 0 476 >= 300
DEMANDA 08 0 0 0 0 0 0 0 1 0 0 250 >= 250
DEMANDA 09 0 0 0 0 0 0 0 0 1 0 300 >= 300
DEMANDA 10 0 0 0 0 0 0 0 0 0 1 400 >= 400
Solución y Análisis de Sensibilidad de Modelos de Programación Lineal Entera

SOLVER
 Solución y Análisis de Sensibilidad de Modelos de Programación Lineal Entera

Helado Opciones de Solver

Helado chocolate chocolate con Helado fresa Helado coco Helado cherry Helado vainilla Helado frambuesa Helado uva Helado piña Helado melon
leche
Cantidad a producir 800 400 300 200 600 500 476.1538462 250 300 400 Ganancia
Precio S/ 2.00 S/ 3.00 S/ 2.50 S/ 3.00 S/ 4.00 S/ 2.00 S/ 4.00 S/ 3.00 S/ 2.00 S/ 2.50 S/ 11,805
Celda objetivo (Máx)
PROCESO 1 0.013 0.01 0.011 0.009 0.013 0.011 0.009 0.011 0.011 0.011 47.5353846 <= 400
Celda Nombre Valor original Valor final
PROCESO 2 0.028 0.028 0.019 0.029 0.027 0.026 0.028 0.027 0.025 0.028 113.082308 <= 220 $N$5 Precio Ganancia S/ 11,805 S/ 11,805
PROCESO 3 0.062 0.066 0.078 0.063 0.082 0.086 0.065 0.071 0.069 0.066 300 <= 300
PROCESO 4 0.004 0.006 0.009 0.007 0.01 0.008 0.005 0.006 0.006 0.007 28.1807692 <= 250
PROCESO 5 0.024 0.029 0.028 0.025 0.028 0.025 0.029 0.029 0.028 0.029 114.558462 <= 225
$D$4:$M$4
PROCESO 6 0.01 0.009 0.008 0.013 0.007 0.007 0.008 0.006 0.006 0.009 35.0092308 <= 180 Celdas de variables
PROCESO 7 0.026 0.024 0.018 0.029 0.025 0.024 0.024 0.022 0.024 0.025 102.727692 <= 270
PROCESO 8 0.074 0.083 0.068 0.09 0.079 0.057 0.059 0.077 0.056 0.075 300.843077 <= 350
Celda Nombre Valor original Valor final Entero
PROCESO 9 0.005 0.009 0.006 0.01 0.004 0.004 0.005 0.005 0.004 0.004 22.2307692 <= 220 $D$4:$M$4
PROCESO 10 0.026 0.027 0.027 0.028 0.024 0.025 0.024 0.026 0.027 0.03 110.227692 <= 200
PROCESO 11 0.006 0.005 0.006 0.006 0.009 0.006 0.008 0.006 0.006 0.009 28.9092308 <= 240
$D$4 Cantidad a producir Helado chocolate 800 800 Continuar
PROCESO 12 0.022 0.023 0.025 0.024 0.026 0.027 0.021 0.023 0.025 0.024 101.049231 <= 240 $E$4 Cantidad a producir Helado chocolate con leche 400 400 Continuar
PROCESO 13 0.059 0.06 0.056 0.055 0.056 0.057 0.072 0.056 0.055 0.056 248.283077 <= 310
PROCESO 14 0.004 0.005 0.005 0.004 0.004 0.004 0.004 0.003 0.004 0.004 17.3546154 <= 225 $F$4 Cantidad a producir Helado fresa 300 300 Continuar
PROCESO 15 0.028 0.026 0.025 0.028 0.027 0.028 0.03 0.027 0.026 0.028 116.134615 <= 350 $G$4 Cantidad a producir Helado coco 200 200 Continuar
PROCESO 16 0.007 0.006 0.006 0.006 0.006 0.005 0.006 0.005 0.006 0.006 25.4069231 <= 350 $H$4 Cantidad a producir Helado cherry 600 600 Continuar
PROCESO 17 0.022 0.023 0.023 0.022 0.023 0.022 0.019 0.023 0.017 0.02 90.7969231 <= 300 $I$4 Cantidad a producir Helado vainilla 500 500 Continuar
PROCESO 18 0.059 0.055 0.062 0.062 0.056 0.055 0.061 0.064 0.068 0.058 249.945385 <= 250
PROCESO 19 0.004 0.004 0.003 0.004 0.004 0.004 0.004 0.004 0.005 0.004 16.9046154 <= 250 $J$4 Cantidad a producir Helado frambuesa 476.1538462 476.1538462 Continuar
PROCESO 20 0.028 0.027 0.03 0.028 0.028 0.025 0.026 0.028 0.029 0.026 115.58 <= 200 $K$4 Cantidad a producir Helado uva 250 250 Continuar
MO 1 0.043 0.035 0.043 0.049 0.041 0.042 0.041 0.04 0.039 0.039 173.522308 <= 450
MO 2 0.038 0.033 0.034 0.033 0.034 0.042 0.05 0.046 0.044 0.048 169.507692 <= 250 $L$4 Cantidad a producir Helado piña 300 300 Continuar
MO 3 0.004 0.005 0.006 0.004 0.005 0.006 0.006 0.006 0.005 0.006 22.0569231 <= 300
$M$4 Cantidad a producir Helado melon 400 400 Continuar
MO 4 0.048 0.043 0.046 0.048 0.042 0.04 0.017 0.04 0.038 0.039 169.294615 <= 250
MO 5 0.028 0.029 0.026 0.031 0.033 0.027 0.03 0.028 0.029 0.027 122.084615 <= 250
MO 6 0.041 0.043 0.041 0.035 0.034 0.035 0.035 0.036 0.044 0.039 161.665385 <= 200
MO 7 0.049 0.051 0.032 0.052 0.031 0.039 0.036 0.038 0.042 0.041 173.341538 <= 270 Restricciones
MO 8 0.006 0.005 0.006 0.008 0.003 0.004 0.003 0.004 0.006 0.005 20.2284615 <= 350
MO 9 0.037 0.034 0.044 0.038 0.037 0.039 0.033 0.034 0.037 0.042 157.813077 <= 250 Celda Nombre Valor de la celda Fórmula Estado Demora
MO 10 0.026 0.026 0.033 0.027 0.025 0.026 0.025 0.022 0.022 0.021 106.903846 <= 280 $N$48:$N$57 >= $P$48:$P$57
MO 11 0.038 0.038 0.037 0.038 0.042 0.043 0.041 0.049 0.039 0.039 170.072308 <= 260
MO 12 0.039 0.042 0.051 0.053 0.052 0.054 0.056 0.05 0.05 0.049 205.864615 <= 240 $N$48 DEMANDA 01 Ganancia 800 $N$48>=$P$48 Vinculante 0
MO 13 0.006 0.005 0.005 0.006 0.005 0.006 0.005 0.005 0.005 0.006 23.0307692 <= 310 $N$49 DEMANDA 02 Ganancia 400 $N$49>=$P$49 Vinculante 0
MO 14 0.039 0.036 0.037 0.035 0.039 0.036 0.036 0.036 0.036 0.035 156.041538 <= 250
MO 15 0.022 0.022 0.02 0.021 0.023 0.044 0.031 0.021 0.022 0.022 107.810769 <= 350 $N$50 DEMANDA 03 Ganancia 300 $N$50>=$P$50 Vinculante 0
MO 16 0.039 0.038 0.039 0.038 0.041 0.04 0.041 0.043 0.044 0.019 161.372308 <= 350 $N$51 DEMANDA 04 Ganancia 200 $N$51>=$P$51 Vinculante 0
MO 17 0.051 0.051 0.056 0.055 0.05 0.05 0.05 0.049 0.05 0.04 211.057692 <= 350
MO 18 0.005 0.006 0.006 0.005 0.006 0.005 0.006 0.006 0.006 0.007 24.2569231 <= 300
$N$52 DEMANDA 05 Ganancia 600 $N$52>=$P$52 Vinculante 0
MO 19 0.034 0.036 0.033 0.041 0.037 0.035 0.036 0.04 0.042 0.033 152.341538 <= 280 $N$53 DEMANDA 06 Ganancia 500 $N$53>=$P$53 Vinculante 0
MO 20 0.022 0.031 0.022 0.025 0.028 0.022 0.034 0.033 0.037 0.033 118.139231 <= 250
DEMANDA 01 1 0 0 0 0 0 0 0 0 0 800 >= 800
$N$54 DEMANDA 07 Ganancia 476.1538462 $N$54>=$P$54 No vinculante 176.1538462
DEMANDA 02 0 1 0 0 0 0 0 0 0 0 400 >= 400 $N$55 DEMANDA 08 Ganancia 250 $N$55>=$P$55 Vinculante 0
DEMANDA 03 0 0 1 0 0 0 0 0 0 0 300 >= 300 $N$56 DEMANDA 09 Ganancia 300 $N$56>=$P$56 Vinculante 0
DEMANDA 04 0 0 0 1 0 0 0 0 0 0 200 >= 200
DEMANDA 05 0 0 0 0 1 0 0 0 0 0 600 >= 600 $N$57 DEMANDA 10 Ganancia 400 $N$57>=$P$57 Vinculante 0
DEMANDA 06 0 0 0 0 0 1 0 0 0 0 500 >= 500
DEMANDA 07 0 0 0 0 0 0 1 0 0 0 476.153846 >= 300
DEMANDA 08 0 0 0 0 0 0 0 1 0 0 250 >= 250
DEMANDA 09 0 0 0 0 0 0 0 0 1 0 300 >= 300
DEMANDA 10 0 0 0 0 0 0 0 0 0 1 400 >= 400
 Solución y Análisis de Sensibilidad de Modelos de Programación Lineal Entera

SOLVER

$N$28 MO 1 Ganancia 173.5223077 $N$28<=$P$28 No vinculante 276.4776923

$N$8 PROCESO 1 Ganancia 47.53538462 $N$8<=$P$8 No vinculante 352.4646154
$N$29 MO 2 Ganancia 169.5076923 $N$29<=$P$29 No vinculante 80.49230769
$N$9 PROCESO 2 Ganancia 113.0823077 $N$9<=$P$9 No vinculante 106.9176923
$N$30 MO 3 Ganancia 22.05692308 $N$30<=$P$30 No vinculante 277.9430769
$N$10 PROCESO 3 Ganancia 300 $N$10<=$P$10 Vinculante 0
$N$31 MO 4 Ganancia 169.2946154 $N$31<=$P$31 No vinculante 80.70538462
$N$11 PROCESO 4 Ganancia 28.18076923 $N$11<=$P$11 No vinculante 221.8192308
$N$32 MO 5 Ganancia 122.0846154 $N$32<=$P$32 No vinculante 127.9153846
$N$12 PROCESO 5 Ganancia 114.5584615 $N$12<=$P$12 No vinculante 110.4415385
$N$33 MO 6 Ganancia 161.6653846 $N$33<=$P$33 No vinculante 38.33461538
$N$13 PROCESO 6 Ganancia 35.00923077 $N$13<=$P$13 No vinculante 144.9907692
$N$34 MO 7 Ganancia 173.3415385 $N$34<=$P$34 No vinculante 96.65846154
$N$14 PROCESO 7 Ganancia 102.7276923 $N$14<=$P$14 No vinculante 167.2723077
$N$35 MO 8 Ganancia 20.22846154 $N$35<=$P$35 No vinculante 329.7715385
$N$15 PROCESO 8 Ganancia 300.8430769 $N$15<=$P$15 No vinculante 49.15692308
$N$36 MO 9 Ganancia 157.8130769 $N$36<=$P$36 No vinculante 92.18692308
$N$16 PROCESO 9 Ganancia 22.23076923 $N$16<=$P$16 No vinculante 197.7692308
$N$37 MO 10 Ganancia 106.9038462 $N$37<=$P$37 No vinculante 173.0961538
$N$17 PROCESO 10 Ganancia 110.2276923 $N$17<=$P$17 No vinculante 89.77230769
$N$38 MO 11 Ganancia 170.0723077 $N$38<=$P$38 No vinculante 89.92769231
$N$18 PROCESO 11 Ganancia 28.90923077 $N$18<=$P$18 No vinculante 211.0907692
$N$39 MO 12 Ganancia 205.8646154 $N$39<=$P$39 No vinculante 34.13538462
$N$19 PROCESO 12 Ganancia 101.0492308 $N$19<=$P$19 No vinculante 138.9507692
$N$40 MO 13 Ganancia 23.03076923 $N$40<=$P$40 No vinculante 286.9692308
$N$20 PROCESO 13 Ganancia 248.2830769 $N$20<=$P$20 No vinculante 61.71692308
$N$41 MO 14 Ganancia 156.0415385 $N$41<=$P$41 No vinculante 93.95846154
$N$21 PROCESO 14 Ganancia 17.35461538 $N$21<=$P$21 No vinculante 207.6453846
$N$42 MO 15 Ganancia 107.8107692 $N$42<=$P$42 No vinculante 242.1892308
$N$22 PROCESO 15 Ganancia 116.1346154 $N$22<=$P$22 No vinculante 233.8653846
$N$43 MO 16 Ganancia 161.3723077 $N$43<=$P$43 No vinculante 188.6276923
$N$23 PROCESO 16 Ganancia 25.40692308 $N$23<=$P$23 No vinculante 324.5930769
$N$44 MO 17 Ganancia 211.0576923 $N$44<=$P$44 No vinculante 138.9423077
$N$24 PROCESO 17 Ganancia 90.79692308 $N$24<=$P$24 No vinculante 209.2030769
$N$45 MO 18 Ganancia 24.25692308 $N$45<=$P$45 No vinculante 275.7430769
$N$25 PROCESO 18 Ganancia 249.9453846 $N$25<=$P$25 No vinculante 0.054615385
$N$46 MO 19 Ganancia 152.3415385 $N$46<=$P$46 No vinculante 127.6584615
$N$26 PROCESO 19 Ganancia 16.90461538 $N$26<=$P$26 No vinculante 233.0953846
$N$47 MO 20 Ganancia 118.1392308 $N$47<=$P$47 No vinculante 131.8607692
$N$27 PROCESO 20 Ganancia 115.58 $N$27<=$P$27 No vinculante 84.42
Solución y Análisis de Sensibilidad de Modelos de Programación Lineal Entera

Cantidad máxima o mínima en que los coeficientes de la

función objetivo se pueden aumentar o disminuir sin variar la
solución optima de la variable.

PARA CUANDO ES “0” :, nada va a cambiar si relajamos la

restricción por unidades menos del lado derecho menos su
Restricciones holgura, ejemplo la demanda 07, si a la demanda le disminuimos
Final Sombra Restricción Permisible Permisible de 300 − 100 = 200 no afecta nada el valor final.
Celda Nombre Valor Precio Lado derecho Aumentar Reducir PARA CUANDO ES ≠ 𝟎 (+ ) Si se aumenta el precio sombra con
$N$48:$N$57 >= $P$48:$P$57 respecto a su lado derecho; la función objetivo va a aumentar
$N$48 DEMANDA 01 Ganancia 800 -1.815384615 800 66.98113208 800 tantas veces lo que se aumento.
$N$49 DEMANDA 02 Ganancia 400 -1.061538462 400 173.4848485 7.871396896 PARA CUANDO ES ≠ 𝟎 ( - ) se encuentra al limite el valor de la
$N$50 DEMANDA 03 Ganancia 300 -2.3 300 146.7948718 4.876373626 restricción ya que es igual a su lado derecho. (maximización)
$N$51 DEMANDA 04 Ganancia 200 -0.876923077 200 18.98395722 200
$N$52 DEMANDA 05 Ganancia 600 -1.046153846 600 139.6341463 2.606461087
$N$53 DEMANDA 06 Ganancia 500 -3.292307692 500 133.1395349 2.124476361
$N$54 DEMANDA 07 Ganancia 476.1538462 0 300 176.1538462 1E+30 NOTA: El signo “ – ” en el precio dual significa que el
$N$55 DEMANDA 08 Ganancia 250 -1.369230769 250 161.2676056 20.76023392 valor de la función objetivo va a aumentar en un
$N$56 DEMANDA 09 Ganancia 300 -2.246153846 300 16.82464455 300 problema de minimización.
$N$57 DEMANDA 10 Ganancia 400 -1.561538462 400 173.4848485 13.8671875
 Solución y Análisis de Sensibilidad de Modelos de Programación Lineal Entera

Restricciones Restricciones
Final Sombra Restricción Permisible Permisible Final Sombra Restricción Permisible Permisible
Celda Nombre Valor Precio Lado derecho Aumentar Reducir Celda Nombre Valor Precio Lado derecho Aumentar Reducir

$N$8:$N$47 <= $P$8:$P$47 $N$28 MO 1 Ganancia 173.5223077 0 450 1E+30 276.4776923

$N$8 PROCESO 1 Ganancia 47.53538462 0 400 1E+30 352.4646154 $N$29 MO 2 Ganancia 169.5076923 0 250 1E+30 80.49230769
$N$9 PROCESO 2 Ganancia 113.0823077 0 220 1E+30 106.9176923 $N$30 MO 3 Ganancia 22.05692308 0 300 1E+30 277.9430769
$N$10 PROCESO 3 Ganancia 300 61.53846154 300 0.058196721 11.45 $N$31 MO 4 Ganancia 169.2946154 0 250 1E+30 80.70538462
$N$11 PROCESO 4 Ganancia 28.18076923 0 250 1E+30 221.8192308 $N$32 MO 5 Ganancia 122.0846154 0 250 1E+30 127.9153846
$N$12 PROCESO 5 Ganancia 114.5584615 0 225 1E+30 110.4415385
$N$33 MO 6 Ganancia 161.6653846 0 200 1E+30 38.33461538
$N$13 PROCESO 6 Ganancia 35.00923077 0 180 1E+30 144.9907692
$N$34 MO 7 Ganancia 173.3415385 0 270 1E+30 96.65846154
$N$14 PROCESO 7 Ganancia 102.7276923 0 270 1E+30 167.2723077
$N$35 MO 8 Ganancia 20.22846154 0 350 1E+30 329.7715385
$N$15 PROCESO 8 Ganancia 300.8430769 0 350 1E+30 49.15692308
$N$36 MO 9 Ganancia 157.8130769 0 250 1E+30 92.18692308
$N$16 PROCESO 9 Ganancia 22.23076923 0 220 1E+30 197.7692308
$N$37 MO 10 Ganancia 106.9038462 0 280 1E+30 173.0961538
$N$17 PROCESO 10 Ganancia 110.2276923 0 200 1E+30 89.77230769
$N$38 MO 11 Ganancia 170.0723077 0 260 1E+30 89.92769231
$N$18 PROCESO 11 Ganancia 28.90923077 0 240 1E+30 211.0907692
$N$19 PROCESO 12 Ganancia 101.0492308 0 240 1E+30 138.9507692 $N$39 MO 12 Ganancia 205.8646154 0 240 1E+30 34.13538462
$N$20 PROCESO 13 Ganancia 248.2830769 0 310 1E+30 61.71692308 $N$40 MO 13 Ganancia 23.03076923 0 310 1E+30 286.9692308
$N$21 PROCESO 14 Ganancia 17.35461538 0 225 1E+30 207.6453846 $N$41 MO 14 Ganancia 156.0415385 0 250 1E+30 93.95846154
$N$22 PROCESO 15 Ganancia 116.1346154 0 350 1E+30 233.8653846 $N$42 MO 15 Ganancia 107.8107692 0 350 1E+30 242.1892308
$N$23 PROCESO 16 Ganancia 25.40692308 0 350 1E+30 324.5930769 $N$43 MO 16 Ganancia 161.3723077 0 350 1E+30 188.6276923
$N$24 PROCESO 17 Ganancia 90.79692308 0 300 1E+30 209.2030769 $N$44 MO 17 Ganancia 211.0576923 0 350 1E+30 138.9423077
$N$25 PROCESO 18 Ganancia 249.9453846 0 250 1E+30 0.054615385 $N$45 MO 18 Ganancia 24.25692308 0 300 1E+30 275.7430769
$N$26 PROCESO 19 Ganancia 16.90461538 0 250 1E+30 233.0953846 $N$46 MO 19 Ganancia 152.3415385 0 280 1E+30 127.6584615
$N$27 PROCESO 20 Ganancia 115.58 0 200 1E+30 84.42 $N$47 MO 20 Ganancia 118.1392308 0 250 1E+30 131.8607692

PARA CUANDO ES ≠ 𝟎 (+ ) : La restricción se encuentra al limite,

el precio dual de restricción proceso 3 P3 = 61.5, si aumenta en 0.058
unidades el lado derecho, será 61.5 + 0.058 = 61.558 horas, la
NOTA: En este caso la cantidad de horas permisibles a función objetivo va a aumentar en:61.5𝑥0.058 = 11805 … + ⋯ 3.56 =
aumentar en el Proceso 3, es muy pequeña para poder 11808 y los valores de las variables cambian.
generar mas productos (paletas de helado) por tanto se
considera despreciable un posible análisis.
Solución y Análisis de Sensibilidad de Modelos de Programación Lineal Entera

LINGO

IMPORTAR, EXPORTAR CON LINGO Y EXCELL

model:
NOTA: Tener en cuenta que cuando
sets: estamos tratando en matrices que no son
productos/1..10/:X,P; cuadradas, se deberá trabajar en la sintaxis
maquinas/1..20/:H1; de los sets con los j seguido de los i.
manobra/1..20/:H2;
demanda/1..10/:H3;
ARCOMP(maquinas,productos):M1;
ARCOMOP(manobra,productos):M2;
ARCODP(demanda,productos):M3;

endsets
Solución y Análisis de Sensibilidad de Modelos de Programación Lineal Entera

LINGO Nombre del archivo de Excel guardado en la PC, de preferencia donde se

guarde el archivo LINGO para poder tener una ruta corta de acceso en
busca del archivo.

data:
Nombre dado a la celda de la hoja de Excel para cada grupo de datos que
!Importar; se desea importar a LINGO.

P=@ole('datos.xlsx','precio');
H1=@ole('datos.xlsx','capacidad_maquina_hora');
H2=@ole('datos.xlsx','capacidad_hombre_hora');
H3=@ole('datos.xlsx','demanda');

Sintaxis @ole permite importar y exportar datos de un archivo de Excel

Solución y Análisis de Sensibilidad de Modelos de Programación Lineal Entera

LINGO Se puede observar en el cuadro

Se procede a dar un nombre corto que izquierdo de la barra de formulas el
Seleccionamos las celdas que encierran el represente al grupo de datos, si fuese nombre del grupo de datos elegido.
grupo de datos que se desea importar al necesario colocar mas palabras deberán ser
lenguaje LINGO. separadas con guion bajo.
Solución y Análisis de Sensibilidad de Modelos de Programación Lineal Entera

LINGO !Funcion Objetivo;

max=@sum(productos(i):X(i)*P(i));
M1=@ole('datos.xlsx','horas_maquina');
!Restricciones;

!Restricciones Horas Maquina;

M2=@ole('datos.xlsx','horas_hombre');
@for(maquinas(j):@sum(productos(i):X(i)*M1(j,i))<=H1(j));

M3=@ole('datos.xlsx','cantidad_demanda’); !Retricciones Hora Hombre;

@for(manobra(j):@sum(productos(i):X(i)*M2(j,i))<=H2(j));
enddata
!Restricciones Demanda minima;

@for(demanda(j):@sum(productos(i):X(i)*M3(j,i))>=H3(j));

@for(productos(i):X(i)>=0);

!Enteros;

@for(productos(i):@gin(X(i)));

END
Solución y Análisis de Sensibilidad de Modelos de Programación Lineal Entera

LINGO

Para poder exportar, la sintaxis es inversa a la de importar P=@ole('datos.xlsx','precio');

donde el comando @ole va primero seguido de la sintaxis del nombre del libro de Excel y la ubicación
del nombre de la celda donde los datos calculados de X van a ser exportados a la hoja de Excel.
Tener en cuenta que esta sentencia de !Exportar y el comando deberán estar dentro de la estructura
de datos del lenguaje de programación del problema (antes de enddata).

!Exportar;

@ole('datos.xlsx','solucion')=x;
Análisis de Sensibilidad

Referencias Bibliográficas

GUERRERO SALAS, H., 2009. Programación lineal aplicada [en línea]. Ecoe Ediciones. Bogotá, Colombia:
s.n. [Consulta: 21 enero 2022]. ISBN ISBN 978-958-648-617-0. Disponible en:
https://ucv.primo.exlibrisgroup.com/permalink/51UCV_INST/ghjb9a/alma99100115012970700

GONZáLEZ ARIZA, A.L. y GARCíA LLINáS, G.A., 2015. Manual práctico de investigacion de
operaciones
I. [en línea]. Barranquilla: [Consulta: 23 enero 2022]. Disponible en:
https://ucv.primo.exlibrisgroup.com/permalink/51UCV_INST/1s5h644/alma991002856889007001

658.4034 T12 Taha Hamdy A.(2012). Investigación de operaciones