Escolar Documentos
Profissional Documentos
Cultura Documentos
usualmente
bajo
condiciones
de
asignar
a) Observar la realidad
b) Definir el problema (alcances, lmites, restricciones, objetivos).
c) Construccin o formulacin del modelo (la realidad se expresa
en forma matemtica)
d) Recojo de datos.
e)
f)
g) Interpretar resultados..
Pgina 1
OBSERVAR
PROBLEMA
INTERPRETAR
RESULTADOS
VALIDACION
MODELO
RECOJO
DE
DATOS
SOLUCION
Pgina 2
fines
del
siglo
pasado.
Modelos
de
inventarios,
de
Uso
Primitivos
de
Estudios
de
las
Lneas
de
de
Programacin
siglo XX.
Matemtica
1874
WALRAS : uso de
en 1937.
Teora de Preferencias:
Von Newman con Morgenstern.
Modelos de Distribucin:
Kantorovich en 1939.
Lineales
Durante
la
Segunda
Guerra
Modelos
Dinmicos
Probabilisticos:
Santiago Javez Valladares
Anlisis
blicas
de
realizar:
estrategias
de
programacin de operaciones
logsticas; en 1937
espaol Investigacin de
Operaciones o
se
Pgina 4
9
Army y la Navy. Estos cientficos fueron conocidos como los O.R, por ser los primeros
investigadores operacionales. Al final de la guerra un grupo de ellos se dedica a la
industria y al gobierno, empezando la palabra I.O. para designar a aquellos cientficos que
se preocupaban por resolver los problemas que aparecan en la administracin.
Se le debe a Gran Bretaa el haber iniciado la I.O. y a Estados Unidos
por el rpido
Debemos ser claros que los avance de los modelos matemticos de la Investigacin de
operaciones se han basado en estudios hechos de Clculo Diferencial e Integral (Newton,
Lagrange, Laplace, Lebesgue, Leibnitz, Reimman, Stieltjes, por mencionar algunos), la
Probabilidad y la Estadstica
( Bernulli, Poisson, Gauss, Bayes, Gosset, Snedecor, etc.).
* Ao en que se dio inicio a la programacin y con el uso de las computadoras se empez
a extender la Investigacin de Operaciones.
El tiempo va avanzando y para 1963, se haban clasificado las aplicaciones en I.O., en
problemas estructurales, de 8 formas bsicas:
1. Asignacin.
2. Inventario.
3. Reemplazo.
4. Lneas de espera.
5. Secuenciacin y coordinacin.
6. Trayectorias.
7. Competencia.
8. Bsqueda.
9
Beneficios de la Investigacin de Operaciones
En la practica el uso de modelos basados en tcnicas de investigacin de Operaciones
generan soluciones a problemas de las organizaciones tanto sociales, polticas y
econmicas. Se pueden definir algunos beneficios:
a) Genera la posibilidad de mejor toma de decisiones en toda organizacin, uniendo
tcnicas, grupos multidisciplinarios, software, datos econmicos, brindan una
mejor solucin a problemas de gran inters a solucionarse.
b) Optimizar
la
coordinacin
entre
los
diferentes
departamentos
de
las
SESION I
9
Modelos de Programacin Lineal
Se llama programacin lineal al conjunto de tcnicas matemticas que pretenden
resolver la situacin siguiente:
Optimizar (maximizar o minimizar) una funcin objetivo, funcin lineal de varias
variables, sujeta a:
una serie de restricciones, expresadas por inecuaciones lineales.
Funcin Objetivo(F.O.):
Para seleccionar que funcin objetivo debe elegirse se debe tomar en cuenta lo siguiente:
a) Si vamos a encontrar
materia prima, costo de mano de obra, costo de uso de mquina, costos de transporte,
costos de depreciacin ,etc. esto indica que indudablemente la F.O. ser de
MINIMIZACION.
b) Si el enunciado solo da datos econmicos de ganancia, precio de venta o dinero a
recibir por unidad producida la F.O. ser de MAXIMIZACION.
c) Si el enunciado nos da al mismo tiempo costos y ganancias restaremos de la siguiente
manera:
GANANCIAS - COSTOS = UTILIDAD, la que tendr como F.O. MAXIMIZACION.
d) Si no nos dan ningn datos econmico y solo se da tiempos, el tiempo se minimiza, si
nos da solo produccin, la produccin se ha de maximizar, si el modelo corresponde a
contratar al personal, la funcin objetivo se minimiza.
Restricciones:
Estas limitaciones o restricciones en los modelos lineales tienen slo las siguientes
estructuras: <= , >=, =.
Muchos problemas tienen expresiones caractersticas que nos pueden anunciar que tipo
de restriccin debemos usar, por ejemplo:
Usar
<=
>=
=
Finalmente las restricciones deben tener las mismas unidades en tanto en su lado
izquierdo como derecho.
La no negatividad de algunas variables son muy importante para definir la solucin de
algunos modelos, por lo tanto se dice que todas las variables son >=0.
9
Algunas pautas para resolver Modelos Lineales
Se personalmente que la parte fundamental del curso es la del modelamiento, en algunas
partes se dice que es un arte, pero se que la constancia hace que sea ms fcil esta parte
del curso, solo puedo pedirles lo siguiente:
a) Buena comprensin de lectura.
b)
Programacin Lineal
Formulacin
9
En esta parte debemos considerar algo muy importante, hay una
variedad de
producir para maximizar las ganancias? (Considere que para la produccin se debe
utilizar ambos departamentos).
Solucin:
En primer lugar ordenamos la informacin en la siguiente tabla
Cami
Automvi
300
270
6000
2000
Departamento A (Dasoperario)
Departamento B (Dasoperario)
Beneficios ($)
Disponibilidad
) a producir.
Obteniendo
as,
un
beneficio
total
de
Finalmente
Yogurt
Jugos
Dispon. Costo
Mango
2 kg/botella
Durazno 3 kg/botella
<=9000
botellas
P.Venta $5/botella
3 kg/botella 1600
kg
1 kg/botella 2100
kg
$0.50/kg
$0.30/kg
Venta
$3/botella
9
centavos(de dlar), y una onza de Slugger Candy a 20 centavos. Formule un PL que le
permita maximizar sus ingresos por la venta de dulces.
Solucin:
Azcar
Nueces
Slugger Candy
Por lo menos
20%
Por lo menos
10%
Por lo menos
10%
$0.20
Chocolate
Precio de
Venta
$0,25
Disponibl
e
100 onzas
20 onzas
30 onzas
x21 oz + x22 oz 20 oz .
Restriccin de la disponibilidad de chocolates.
x31 oz + x32 oz 30 oz .
Porcentaje de nueces en Easy Out Candy:
9
Pearce Dears, un antiguo entrenador de grupos de choque, se ha convertido en avicultor.
Desea alimentar a sus animales en forma tal que se cubran sus necesidades de nutricin
a un costo mnimo. Pearce est estudiando el uso de maz, soya, avena y alfalfa. En la
figura se muestra la informacin diettica importante por libra de grano (por ejemplo, 1
libra de maz proporciona 15 miligramos de protena). Elabore un modelo de PL para
determinar la mezcla diettica que satisfar los requisitos diarios a un costo mnimo.
Alfalf
a
7
45
25
Caloras
850
1200
4000
40
90
Costo
libra
por 70
150
0
45
Necesidades
(mg)
Mnimo 50
Mnimo 150
Mximo120
y Mnimo 25
Mnimo 5000
Solucin:
1. Definicin de las variables de decisin:
Obteniendo
as,
un
costo
15 x1 + 30 x2 +15 x3 + 7 x4 50 .
Restriccin de calcio.
40 x1 +10 x2 + 40 x3 + 45 x4 150 .
Restriccin de grasas.
20 x1 + 50 x2 + 8 x3 + 25 x4 25 .
20 x1 + 50 x2 + 8 x3 + 25 x4 120 .
Restriccin de caloras.
total
de
Finalmente
Restricciones de no negatividad
Dado que las variables de decisin slo pueden tomar valores no negativos,
tenemos que x1 , x2 , x3 , x4 0 .
Problema 5.-(Produccin)
Ginno Pizza fabrica pizzas congeladas. La compaa obtiene una utilidad de $2.00 por
cada pizza normal que fabrica y $3.00 por cada pizza de lujo. Cada artculo incluye una
combinacin de mezcla de masa y de mezcla de aderezo. En estos momentos, la
empresa tiene 320 libras de masa y 200 libras de aderezo. Cada pizza normal utiliza una
libra de masa y 6 libras de aderezo. Cada pizza de lujo utiliza una libra de masa y 8 libras
de aderezo.
Ginno sabe por datos pasados que por cada dos pizzas normal debe fabricar una pizza de
lujo adems debe tener por poltica de la empresa por lo menos 20 pizzas normales. Una
pizza normal demora 20 minutos y una pizza de lujo demora 30 minutos, actualmente se
tiene 8 trabajadores a tiempo normal, Ginno Pizza desea saber cul es la combinacin
de pizzas que debe fabricar para
obtener un mayor beneficio ? * Tiempo normal= (8h/da)/trabajador
Solucin:
Pizza
Pizza de
Disponible
Normal
lujo
Masa
1 lb/pizza
1 lb/pizza
320 lb
Aderezo 6 lb/pizza
8 lb/pizza
200 lb
Proporci
2
1
n de
producci
n
Poltica
de la
empresa
Tiempo
Precio
de venta
20
20
minutos/pi
zza
30
minutos/pi
zza
$2/pizza
$3/pizza
(8trabajadores)
*(8h/trabajadore
s)(60
minutos/hora)
Funcin Objetivo :
Max ($2.00/pizza normal)(X1 pizza normal) + ($3.00/pizza de lujo)(X2 pizza de lujo)
sujeto a:
Restriccin de disponibilidad de masa:
(1 libra/pizza normal)(X1 pizza normal) +(1 libra/pizza de lujo)(X2 pizza de lujo) <=
lb
320
9
(20 minutos/pizza normal) +(30 minutos/pizza de lujo) <=8trabajadores(8h/trabajador)
(60 minutos/h)
Restriccin de proporcin de Produccin:
( X1 Pizza Normal/ X2 Pizza Lujo) = 2/1
Restriccin de no negatividad:
X1>=0 , X2 >= 0
Problema 6.-(PERSONAL)
Un cierto restaurante opera 7 das a la semana. A las camareras se les contrata
para trabajar 6 horas diarias. El contrato del sindicato especifica que cada
camarera tiene que trabajar 5 das consecutivos y despus tener 2 das
consecutivos de descanso . Cada camarera recibe el mismo sueldo semanal. En
la tabla se presentan las necesidades de contratacin. Supngase que este ciclo
de necesidades se repite en forma indefinida y no toma en cuenta el hecho de
que el nmero de camareras contratadas tiene que ser un nmero entero. El
gerente desea encontrar un programa de empleo que satisfaga estas
necesidades a un costo mnimo. Formule este problema como un programa
lineal.
Necesidades de contratacin de camareras
Da
Mnima cantidad de
horas
Lunes
Martes
Mircole
s
Jueves
Viernes
Sbado
Domingo
150
200
400
300
700
800
300
Solucin:
Variable de decisin:
Xi= Camareras que ingresan el da i ( i = lunes, martes, mircoles, jueves, sbado,
domingo = l, m, mi, j, v, s, d).
Funcin Objetivo:
Minimizar = XL+XM+XMI+XJ+XV+XS+XD
Restricciones:
Lunes :
Martes :
Mircoles:
9
Jueves:
Viernes:
Sbado :
Domingo:
No negatividad:
Xi>=0
Danper
Talsa
Green
Peru
Demanda
Local
$22/ud
$ 19/ud
$20/ud
Mercado:
Regional
$24/ud
$22/ud
$21/ud
Extranjero
$22/ud
$20/ud
$22/ud
Disponible
Disponible
6896 kg / da
6495 kg / da
6173 kg / da
9
Variable de decisin:
Xij= Cantidad de docenas a enviar desde i(i= Danper, Talsa, Green Per =1,2,3) al cliente
j(j=local,regional,extranjero=1,2,3)
Funcin Objetivo:
Max=22x11+24x12+22x13+19x21+22x22+20x23+20x31+21x32+22x33
Limitantes
Danper
X11+x12+x13<=6896
Talsa
X21+x22+x23<=6495
Green Per
X31+x32+x33<=6173
Local
X11+x21+x31=4911
Regional
X12+x22+x32=6763
Extranjero
X13+x23+x33=6789
No negatividad
Xij>=0
Problema 9.-(Produccin)
Una empresa ha decidido lanzar tres nuevos productos. Se muestran las capacidades de
las plantas y los costos de produccin. Identifique las variables de decisin y elabore un
modelo PL que asigne la produccin de los tres productos a las dos plantas en forma tal
que cubran la demanda y minimicen los costos .
Costos unitarios de produccin
PLANTA
1
2
DEMANDA
PRODUCTO
A
B
$9/UNID $18
13
18
400
250
C
$12
7
350
CAPACIDAD
500
650
Solucin:
Variable de decisin:
xij= numero de productos tipo i (i= a,b,c) elaborado en la planta j(j=1,2)
Funcion Objetivo:
Minimizar ($9/unid)(xa1 unid) + ($18/unid)(xb1 unid) + ($12/unid)(xc1 unid)
+ ($13/unid)(xa2 unid) + ($18/unid)(xb2 unid) + ($7/unid)(xc2 unid)
Restricciones:
Capacidad:
Planta 1
(xa1 + xb1 + xc1) unid <= 500 unid
Planta 2
(xa2 + xb2 + xc2) unid <= 650 unid
Demanda:
Producto A:
(xa1 + xa2) unid = 400 unid
Producto B:
(xb1 + xb2) unid = 250 unid
Producto C:
9
(xc1 + xc2) unid = 350 unid
No negatividad
Xij>=0
LABORATORIO 1.
Problema 1.-Un problema de produccin.
La compaa Swelte glove manufactura y vende dos productos. La compaa obtiene una
utilidad de $12 por unidad del producto 1 y $4 por unidad del producto 2 que se vendan.
Las horas de trabajo que se requieren para los productos en cada uno de los tres
departamentos de produccin se sintetizan en la figura. Los supervisores de estos
departamentos han estimado que durante el prximo mes estarn disponibles las
siguientes horas de trabajo: 800 en el departamento 1, 600 en el departamento 2, y 200
en el departamento 3. Suponiendo que la compaa quiera maximizar las
utilidades, formule el modelo de programacin lineal de este problema.
Datos de produccin de la compaa Swelte Glove
Dpto. 1
Dpto. 2
Dpto. 3
Producto
(h/unidad
)
1
2
1
2
1
3
2
3
9
En la empresa agroindustrial San Jacinto, se produce: azcar rubia, azcar blanca y
alcohol. Para producir dichos elementos, se requieren los siguientes recursos: caa de
azcar, agua, qumicos, horno y mano de obra.
Recursos
Az. Blanca Az. Rubia
Alcohol
Disponible Costo
Caa Az.
12 tn/ unid 10 tn/ unid 5 tn/ unid 800 tn/ da 1.0 $/ tn
Agua
30 lt/ unid 25 lt/ unid 15 lt/ unid 1000 lt/ da 0.2 $/ lt
Qumicos
5 kg/ unid 2 kg/ unid 7 kg/ unid 500 kg/ da 0.5 $/ kg
Horno
6 hr/ unid
5 hr/ unid
8 hr/ unid 140 hr/ da 0.6 $/ hr
Mano Obra 6 hr/ unid
4 hr/ unid
3 hr/ unid 400 hr/ da 0.4 $/ hr
Precio
60 $/ unid 50 $/ unid 55 $/ unid
venta
(trabajar como el problema 2)
Azcar
Nueces
Chocolate
Precio de
Venta
Problema 4.-
Slugger Candy
* Como mximo
15%
Por lo menos 20%
* Como minimo
5%
Por lo menos 10%
Por lo menos 10%
$0.20
* Por lo menos 5%
$0,25
20 onzas
30 onzas
Nutriente
(mg)
Proteina
Calcio
Alfalf
a
7
45
Grasas
20
50
25
Caloras
850
150
0
45
1200
4000
40
90
*
Ganancia
libra
Disponibl
e
100 onzas
por 70
Necesidades
(mg)
Mximo 150
Mximo 300
Mnimo 150
Mximo 120 y Mnimo
25
Mnimo 5000
Mximo 8000
9
Tiempo
20 minutos
/pizza
30
minutos
/pizza
(8trabajad
ores)
(8h/trabaja
dores)(60
minutos/ho
ra)
Precio de
$2/pizza
$3/pizza
venta
Problema 6.Considere el problema 6 si en lugar de:
El contrato del sindicato especifica que cada camarera tiene que trabajar 5 das
consecutivos y despus tener 2 das consecutivos de descanso.
Se considera ahora:
El contrato del sindicato especifica que cada camarera tiene que trabajar 4 das
consecutivos y despus tener 3 das consecutivos de descanso.
Problema 7.- (Asignacin)
Tome en cuenta el problema si en lugar de:
Se desea asignar 3 obreros a 3 maquinas , se tiene lo siguiente:Se desea asignar 3
obreros a 2 maquinas
Problema 8.-(Problema de transporte)
Se tiene tres plantas de produccin, estos desean saber como enviar sus productos a tres
mercados, las ganancias que logran por cada unidad en cada mercado se dan en la tabla:
Danper
Talsa
Green
Peru
Demanda
Local
$22/ud
$ 19/ud
$20/ud
Mercado:
Regional
$24/ud
$22/ud
$21/ud
Extranjero
$22/ud
$20/ud
$22/ud
Disponible
Disponible
3000 kg / da
3200 kg / da
3300 kg / da
Problema 9.Una empresa ha decidido lanzar tres nuevos productos. Se muestran las capacidades de
las plantas y las ganancias de produccin. Identifique las variables de decisin y elabore
un modelo PL que asigne la produccin de los tres productos a las dos plantas en forma
tal que cubran la demanda .
ganancia unitaria de produccin
PLANTA
1
2
DEMANDA
PRODUCTO
A
B
$9/UNID $18
13
18
200
450
C
$12
7
300
CAPACIDAD
400
350
NIVEL B
PROBLEMA 1 INVERSIN
Una persona tiene S/500.000 para invertir en dos tipos de acciones A y B. El tipo A tiene
bastante riesgo con un inters anual del
en A y como mnimo
S/100000 en B, e invertir en A por lo menos tanto como en B. Cmo deber invertir sus
S/500.000 para maximizar sus intereses anuales?
Solucin:
En primer lugar ordenamos la informacin en la siguiente tabla
Acciones
Acciones
Disponibilidad
0.1
B
0.07
40
300000
100000
60
(Mximo)
(Mnimo)
A
Inters
Inversin
Dinero
($)
500000
x A 300000 .
Restriccin de dinero mnimo de inversin en las acciones B.
xB 100000 .
Invertir en A por lo menos tanto como en B
x A xB .
Restriccin de disponibilidad de dinero.
x A + xB 500000 .
Restricciones de no negatividad
Dado que las variables de decisin slo pueden tomar valores no negativos,
tenemos que x A 0 , x B 0 .
PROBLEMA 2 ENCUESTA
Para realizar una encuesta por telfono, un grupo de investigacin de mercado necesita
comunicar por lo menos a 150 esposas, 120 maridos, 100 varones adultos solteros y 110
mujeres adultas solteras. Cuesta $2 realizar una llamada telefnica durante el da, y $5
realizar una llamada telefnica durante la noche (debido a mayores costos laborales).
Estos resultados se muestran en la tabla. Se pueden realizar a lo ms la mitad de estas
llamadas en la noche, por disponer de un nmero limitado de empleados. Formule un PL
que minimice los costos para completar la encuesta.
Persona que
% de llamadas
% de llamadas
contesta
Esposa
Marido
Soltero
Soltera
No contestan
diurnas
30
10
10
10
40
nocturnas
30
30
15
20
5
Solucin:
1. Definicin de las variables de decisin:
i =1, 2
(diurno y noche
respectivamente).
2. Elaboracin de la funcin objetivo:
El costo total por las llamadas realizadas se obtiene multiplicando el costo de cada
llamada segn el horario por la cantidad de llamadas realizadas. Obteniendo as, un
costo total
de
x +x
x2 1 2 .
2
Restricciones de no negatividad
Dado que las variables de decisin slo pueden tomar valores no negativos,
tenemos que x1 , x2 0 .
PROBLEMA 3 COMPRA
Un hipermercado necesita como mnimo 16 cajas de langostino, 5 cajas de ncoras y 20
de percebes. Dos mayoristas, A y B, se ofrecen al hipermercado para satisfacer sus
necesidades, pero slo venden dicho marisco en contenedores completos. El mayorista A
enva en cada contenedor 8 cajas de langostinos, 1 de ncoras y 2 de percebes. Por su
parte, B enva en cada contenedor 2, 1 y 7 cajas respectivamente. Cada contenedor que
9
suministra A cuesta S/210, mientras que los del mayorista B cuestan S/300 cada uno.
Cuntos contenedores deben pedir el hipermercado a cada mayorista para satisfacer
sus necesidades mnimas con el menor coste posible?
Solucin:
En primer lugar ordenamos la informacin en la siguiente tabla
Contenedor A
Contenedor B
Langostin
o
Ncoras
8 cajas/contenedor
2cajas/contenedor
Necesida
d
16 cajas
1 cajas/contenedor
1cajas/contenedor
5 cajas
Percebes
2 cajas/contenedor
7cajas/contenedor
20 cajas
Costo (S)
210/contenedor
300/contenedor
9
Problema 4 Inventarios
Uno de los productos con mayor demanda en Tecnologas Palermo , es el tonner,(es un
producto que se usa en las fotocopiadoras) ; entonces el modelo mixto que se va a
elaborar se refiere a este producto, que en las ultimas doce semanas, segn datos de la
propia empresa ha mantenido su demanda, entonces primero se va a realizar un
pronstico para la demanda del prximo mes :
Pronostico para calcular la demande del prximo mes
Semana
Demanda
1
40
2
40
3
40
4
40
Ahora otros Datos a considerar son:
Precio de venta: s/ 20 / unidad
Costo de Escasez: s/ 6 /unidad
Costo de Inventario: s/ 0.50/unidad
Costo de compra : s/ 14/unidad
Inventario inicial: 10 unidades
Costo Fijo de Inventario s/ 1
Cantidad de unidad posibles a quedar en inventario:
Semana 1
Semana 2
4
5
6
7
Semana 3
5
6
7
8
Semana 4
10
12
14
16
Segn los datos obtenidos, un modelo de programacin entera mixta aplicado a
inventarios nos ayuda a determinar como va a estar desempendose ptimamente el
sistema en las prximas cuatro semanas.El objetivo es maximizar la utilidad.
Modelo PL
Variables:
Vi= Numero de unidades vendidas durante la semana i (i=1,2,3,4)
Ei= Numero de unidades en escasez durante la semana i (i=1,2,3,4)
IFi= Numero de unidades en inventario durante la semana i(i=1,2,3,4)
Ci= Numero de unidades compradas durante la semana i(i=1,2,3,4)
Yij= 1 Unidades en inventario final en la semana i(i=1,2,3,4) en la opcin
j(j=1,2,3,4)
0 Unidades en inventario final en la semana i(i=1,2,3,4) en la opcin
j(j=1,2,3,4)
Zi = 1 Se usa inventario en la semana i(i=1,2,3,4)
0 no se usa inventario
Formulas a usar:
Inventario Final: If = Io + C - V
Demanda :
D=V+E
Funcin Objetivo:
9
Max = 20v1+20v2+20v3+20v4-6E1-6E2-6E3-6E4-0.5IF1-0.50IF2-0.50IF3-0.50IF4
-14C1-14C2-14C3-14C4-1z1-1z2-1z3-1z4
Limitantes:
Inventario semana 1
IF1=10+C1-V1
Demanda pronosticada semana 1
V1+E1=40
Inventario semana 2
IF2=If1+C2-V2
Demanda pronosticada semana 2
V2+E2=40
Inventario semana 3
IF3= If2+C3-V3
Demanda pronosticada semana 3
V3+E3=40
Inventario semana 4
IF4= If3+C4-V4
Demanda pronosticada semana 4
V4+E4=40
Inventario Final al final de la semana 1
IF1>=3y11+5y12+7y13+9y14
Y11+y12+y13+y14=1z1
Inventario Final al final de la semana 2
IF2>=4y21+5y22+6y23+7y24
Y21+y22+y23+y24=1z2
Inventario Final al final de la semana 3
IF3>=5y31+6y32+7y33+8y34
Y31+y32+y33+y34=1z3
Inventario Final al final de la semana 4
IF4>=10y41+12y42+14y43+16y44
Y41+y42+y43+y44=1z4
Unidades a Comprar en la semana 1
c1<=30
Unidades a Comprar en la semana 2
c2<=60
Unidades a Comprar en la semana 3
c3<=40
Unidades a Comprar en la semana 4
c4<=50
Unidades en inventario final en la semana
if1>=5
Unidades en inventario final en la semana
if2>=5
Unidades en inventario final en la semana
if3>=5
Unidades en inventario final en la semana
if4>=5
1
2
3
4
y41
y42
y43
y44
z4
9
OBJECTIVE FUNCTION VALUE
1)
VARIABLE
Y11
Y12
Y13
Y14
Z1
Y21
Y22
Y23
Y24
Z2
Y31
Y32
Y33
Y34
Z3
Y41
Y42
Y43
Y44
Z4
V1
V2
V3
V4
E1
E2
E3
E4
IF1
IF2
IF3
IF4
C1
C2
C3
C4
VALUE
1.000000
0.000000
0.000000
0.000000
1.000000
0.000000
1.000000
0.000000
0.000000
1.000000
1.000000
0.000000
0.000000
0.000000
1.000000
1.000000
0.000000
0.000000
0.000000
1.000000
30.000000
40.000000
40.000000
40.000000
10.000000
0.000000
0.000000
0.000000
10.000000
15.000000
15.000000
10.000000
30.000000
45.000000
40.000000
35.000000
REDUCED COST
125.000000 Se usa inventario en la semana 1 en opcin 1
187.500000 Se usa inventario en la semana 1 en opcin 2
212.500000 Se usa inventario en la semana 1 en opcin 3
237.500000 Se usa inventario en la semana 1 en opcin 4
1.000000 Se usa inventario en la semana 1
0.000000
0.000000 Se usa inventario en la semana 2 en opcin 2
0.000000
0.000000
1.000000 Se usa inventario en la semana 2
15.000000 Se usa inventario en la semana 3 en opcin 1
16.000000
17.000000 Se usa inventario en la semana 3 en opcin 3
18.000000
1.000000 Se usa inventario en la semana 3
145.000000 Se usa inventario en la semana 4 en opcin 1
174.000000 Se usa inventario en la semana 4 en opcin 2
203.000000 Se usa inventario en la semana 4 en opcin 3
232.000000 Se usa inventario en la semana 4 en opcin 4
1.000000 Se usa inventario en la semana 4
0.000000 venta de 30 unidades en la semana 1
0.000000 venta de 40 unidades en la semana 2
0.000000 venta de 40 unidades en la semana 4
0.000000 venta de 40 unidades en la semana 5
0.000000 Unidades en escasez en la semana 1
12.000000 Unidades en escasez en la semana 2
11.500000 Unidades en escasez en la semana 3
12.000000 Unidades compradas en la semana 4
0.000000 Inventario de 10 unidades en la semana 1
0.000000 Inventario de 15 unidades en la semana 2
0.000000 Inventario de 15 unidades en la semana 3
0.000000 Inventario de 10 unidades en la semana 4
0.000000 30 Unidades compradas en la semana 1
0.000000 45 Unidades compradas en la semana 2
0.000000 40 Unidades compradas en la semana 3
0.000000 35 Unidades compradas en la semana 4
16)
17)
18)
19)
20)
21)
22)
23)
24)
25)
0.000000
0.000000
0.000000
15.000000
0.000000
15.000000
5.000000
10.000000
10.000000
5.000000
14.500000
0.000000
12.000000
0.000000
0.500000
0.000000
0.000000
0.000000
0.000000
0.000000
Capacidad
(horas)
1
2
3
250
300
260
12
9
10
10
12
5
18
11
12
Variable de decisin:
Xij= Numero de horas a laborar para la produccin del componente i(i=1,2,3)en el
departamento j(j=1,2,3).
Funcin Objetivo:
Maximizar produccin
Maximizar =P
Restricciones:
Numero de unidades del componente 1:
12X11 + 9X12+10X13= P
Numero de unidades del componente 2:
10X21 + 12X22 +5X23= P
Numero de unidades del componente 3:
18X31 + 11X32 + 12X33=P
Capacidad de horas del departamento 1:
X11 + X21+ X31<= 250
Capacidad de horas del departamento 2:
X12 + X22 + X32 <= 300
Capacidad de horas del departamento 3:
X13 + X23 + X33 <= 360
TRANSPORTE
9
Se tiene que distribuir un producto a 6 clientes utilizando cualesquiera de 5 camiones.
Los datos de costos de traslado de cada camin a cada cliente son:
Cliente
Cliente
Cliente
Cliente
Cliente E Cliente F Capacidad
A
B
C
D
(TN)
Camin 1 $15
$12
$17
$21
$16
$18
1.5
Camion 2 $17
$15
$16
$19
$18
$15
2
Camion 3 $21
$20
$14
$13
$17
$19
1
Camin 4 $18
$15
$17
$19
$15
$17
2
Camin 5 $20
$18
$16
$17
$14
$19
1.5
Demanda 0.2
0.5
0.8
1.5
0.9
1.2
(TN)
Existe un costo fijo de $50 para los camiones 1,2 y 4 y de $30 para camiones 3 y 5 por
cada viaje realizado. En cada viaje un camin puede llevar pedidos para varios clientes,
pero no puede llevar pedidos parciales. Formule un modelo de PLE si cada camin puede
visitar hasta tres clientes.
Cliente A Cliente
B
Camin
1
Camion
2
Camion
3
Camin
4
Camin
5
Demand
a
(TN)
$15
$12 y1b $17 y1c $21 y1d $16 y1e
y1a
$17 y2a $15 y2b $16 y2c $19 y2d $18 y2e
$18 y1f
Capacida
d
(TN)
1.5
$15 y2f
$21 y3a $20 y3b $14 y3c $13 y3d $17 y3e
$19 y3f
$18 y4a $15 y4b $17 y4c $19 y4d $15 y4e
$17 y4f
$20 y5a $18 y5b $16 y5c $17 y5d $14 y5e
$19 y5f
1.5
0.2
1.2
0.5
Cliente
C
0.8
Cliente
D
1.5
Cliente E Cliente
F
0.9
Variables:
Yij
1 Camin i(i=1,2,3,4,5) atiende al cliente j (j=a,b,c,d,e,f)
0 Camin i(i=1,2,3,4,5) no atiende al cliente j (j=a,b,c,d,e,f)
Yi
Min 15y1a+12y1b+17y1c+21y1d+16y1e+18y1f
+17y2a+15y2b+16y2c+19y2d+18y2e+15y2f
+21y3a+20y3b+14y3c+13y3d+17y3e+19y3f
+18y4a+15y4b+17y4c+19y4d+15y4e+17y4f
+20y5a+18y5b+16y5c+17y5d+14y5e+19y5f
+50y1+50y2+30y3+50y4+30y5
y1a+y2a+y3a+y4a+y5a=1
y1b+y2b+y3b+y4b+y5b=1
y1c+y2c+y3c+y4c+y5c=1
y1d+y2d+y3d+y4d+y5d=1
y1e+y2e+y3e+y4e+y5e=1
Costo
Fijo
$50
y1
$50
y2
$30
y3
$50
y4
$30
y5
9
y1f+y2f+y3f+y4f+y5f=1
0.2y1a+0.5y1b+0.8y1c+1.5y1d+0.9y1e+1.2y1f<=1.5y1
0.2y2a+0.5y2b+0.8y2c+1.5y2d+0.9y2e+1.2y2f<=2y2
0.2y3a+0.5y3b+0.8y3c+1.5y3d+0.9y3e+1.2y3f<=1y3
0.2y4a+0.5y4b+0.8y4c+1.5y4d+0.9y4e+1.2y4f<=2y4
0.2y5a+0.5y5b+0.8y5c+1.5y5d+0.9y5e+1.2y5f<=1.5y5
LINDO
Min 15y1a+12y1b+17y1c+21y1d+16y1e+18y1f
+17y2a+15y2b+16y2c+19y2d+18y2e+15y2f
+21y3a+20y3b+14y3c+13y3d+17y3e+19y3f
+18y4a+15y4b+17y4c+19y4d+15y4e+17y4f
+20y5a+18y5b+16y5c+17y5d+14y5e+19y5f
+50y1+50y2+30y3+50y4+30y5
st
y1a+y2a+y3a+y4a+y5a=1
y1b+y2b+y3b+y4b+y5b=1
y1c+y2c+y3c+y4c+y5c=1
y1d+y2d+y3d+y4d+y5d=1
y1e+y2e+y3e+y4e+y5e=1
y1f+y2f+y3f+y4f+y5f=1
0.2y1a+0.5y1b+0.8y1c+1.5y1d+0.9y1e+1.2y1f-1.5y1<=0
0.2y2a+0.5y2b+0.8y2c+1.5y2d+0.9y2e+1.2y2f-2y2<=0
0.2y3a+0.5y3b+0.8y3c+1.5y3d+0.9y3e+1.2y3f-1y3<=0
0.2y4a+0.5y4b+0.8y4c+1.5y4d+0.9y4e+1.2y4f-2y4<=0
0.2y5a+0.5y5b+0.8y5c+1.5y5d+0.9y5e+1.2y5f-1.5y5<=0
end
int y1a
int y1b
int y1c
int y1d
int y1e
int y1f
int
int
int
int
int
int
int
int
int
int
int
int
int
int
int
int
int
int
int
int
int
y2a
y2b
y2c
y2d
y2e
y2f
y3a
y3b
y3c
y3d
y3e
y3f
y4a
y4b
y4c
y4d
y4e
y4f
y5a
y5b
y5c
9
int y5d
int y5e
int y5f
int
int
int
int
int
y1
y2
y3
y4
y5
SOLUCION
OBJECTIVE FUNCTION VALUE
1)
226.0000
VARIABLE
Y1A
Y1B
Y1C
Y1D
Y1E
Y1F
Y2A
Y2B
Y2C
Y2D
Y2E
Y2F
Y3A
Y3B
Y3C
Y3D
Y3E
Y3F
Y4A
Y4B
Y4C
Y4D
Y4E
Y4F
Y5A
Y5B
Y5C
Y5D
Y5E
Y5F
Y1
Y2
Y3
Y4
Y5
VALUE
0.000000
0.000000
0.000000
0.000000
0.000000
0.000000
0.000000
0.000000
1.000000
0.000000
0.000000
1.000000
0.000000
0.000000
0.000000
0.000000
0.000000
0.000000
1.000000
1.000000
0.000000
0.000000
1.000000
0.000000
0.000000
0.000000
0.000000
1.000000
0.000000
0.000000
0.000000
1.000000
0.000000
1.000000
1.000000
REDUCED COST
15.000000
12.000000
17.000000
21.000000
16.000000
18.000000
17.000000
15.000000
16.000000
19.000000
18.000000
15.000000
21.000000
20.000000
14.000000
13.000000
17.000000
19.000000
18.000000
15.000000
17.000000
19.000000
15.000000
17.000000
20.000000
18.000000
16.000000
17.000000
14.000000
19.000000
50.000000
50.000000
30.000000
50.000000
30.000000
9
ROW SLACK OR SURPLUS
DUAL PRICES
2)
0.000000
0.000000
3)
0.000000
0.000000
4)
0.000000
0.000000
5)
0.000000
0.000000
6)
0.000000
0.000000
7)
0.000000
0.000000
8)
0.000000
0.000000
9)
0.000000
0.000000
10)
0.000000
0.000000
11)
0.400000
0.000000
12)
0.000000
0.000000
NO. ITERATIONS=
31
BRANCHES= 0 DETERM.= 1.000E
Respuesta
Costo minima
226.
Y2C = 1,camin 2 abastece al cliente C
Y2F =1, camin 2 abastece al cliente F.
Y4A =1,camin 4 abastece al cliente A.
Y4B = 1,camin 4 abastece al cliente B.
Y4E =1,camin 4 abastece al cliente E
Y5D = 1,camin 5 abastece al cliente D.
Y2 = 1,se usa camin 2.
Y4 =1,se usa camin 4.
Y5 =1,se usa camin 5.
9
EL costo del pedido ah 3M Co. y Alpha Pro Tech Ltd tendra un costo de $2000 y $2300
por transporte hacia Per. Si en caso no se cubra la demanda se considera un costo de
$100 por cada mascarilla independiente sea destinado a nio, joven o adulto. Elabore un
PLE si el gobierno peruano desea elegir solo una empresa para la compra.
Hallar:
a) Variables de decisin ( 1 puntos)
b) Limitantes ( 1 puntos)
c) Funcin objetivo. (1 puntos)
d) Solucin en LINGO. ( 2 puntos)
e) Interpretacin de LINGO.(2 punto)
Nios
Jvenes
Adultos
Oferta
Costo
M Co
2000000*0.5
5
2000
Alpha
1.5
2.8
4.2
3000000*0.5
5
2300
Penalidad
100
100
100
250000
Demanda
80000
1000000
1200000
Paso 1
Xij Cantidad de mascaras de tipo i(i= M Co,Alpha,penalidad=1,2,3) de tipo
j(j=nios,jvenes, adultos=1,2,3)
Paso 2
Y1+y2=1
X11+x12+x13<=2000000*0.55*y1
X21+x22+x23<=3000000*0.55*y2
X11+x21+x31=80000
X12+x22+x32=1000000
X13+x23+x33=1200000
Paso 3
Max 1.06(2x11+3x12+4x13+1.5x21+2.8x22+4.2x23)-2000y1-2300y2
-100x31-100x32-100x33
Presentacin
Caja de 12 unidades
Caja de 12 unidades
Caja de 12 unidades
Caja de 24 unidades
Dpto
2.65 lt
2,65
1.75 lt
1,75
0.60 lt
1,75
0.296 lt
1,07
Elaboracin
Dpto
4,41
2,91
1,29
1,78
Envasado
6.- Hiptesis
Un modelo de Programacin lineal aplicado al plan de produccin va a permitir a Coca
Cola obtener una mxima ganancia.
7.-Objetivo:
Elaborar un Plan de Produccin basado en Modelos Lineales.
8.-Descripcin del Trabajo:
Se va a elaborar un modelo lineal para hallar el mejor plan de produccin:
9
Para lo cual se va a considerar como variable de decisin la cantidad de cajas de cada
tipo a producir.
La funcin objetivo a considerar ser al de maximizacin por tener utilidades.
Las restricciones a tomar en cuenta son:
Demanda mxima
Tiempo de produccin semanal en el departamento de elaboracin
Tiempo de produccin semanal en el departamento de envasado
Capacidad de produccin
9.-Planteamiento:
Variable de Decisin:
Modelo Lineal
xij= Cantidad de cajas a producir de gaseosa tipo j(j=COCA COLA de 2.65 lt,COCA COLA
de 1.75 lt,COCA COLA de 0.60 lt, COCA COLA de 0.296 lt=1,2,3,4) en la semana
j(j=1,2,3,4)
Funcin Objetivo:
max=(S/1.38/caja)(x11+x12+x13+x14)cajas
+(S/1.22/caja)(x21+x22+x23+x24)cajas+(S/1.02/caja)(x31+x32+x33+x34)cajas
+(S/1.05/caja)(x41+x42+x43+x44)cajas;
Restricciones:
Demanda Mxima de:
gaseosas COCA COLA de 2.65 Lt.
(x11+x12+x13+x14)cajas<=10552 cajas;
gaseosas COCA COLA de 1.75 Lt
(x21+x22+x23+x24)cajas<=40556cajas;
gaseosas COCA COLA de 0.60 Lt
(x31+x32+x33+x34)cajas<=56712cajas
gaseosas COCA COLA de 0.296 Lt
(x41+x42+x43+x44)cajas<=56880cajas
Tiempo de produccin en el departamento de elaboracin en la semana 1:
(2.65h/caja)(x11 caja)+(1.75 h/caja)(x21 caja)+(1.17 h/caja)(x31 caja)
+(1.07 h/caja)(x41 caja)<=48000 horas
Tiempo de produccin en el departamento de elaboracin en la semana 2:
(2.65 h/caja)(x12 caja)+(1.75 h/caja)(x22 caja)+(1.17 h/caja)(x32 caja)+(1.07 h/caja)(x42
caja)<=48000 horas
Tiempo de produccin en el departamento de elaboracin en la semana 3:
(2.65 h/caja)(x13 caja)+(1.75 h/caja)(x23 caja)+(1.17 h/caja)(x33 caja)
+(1.07 h/caja)(x43 caja)<=48000horas
9
Tiempo de produccin en el departamento de elaboracin en la semana 4:
(2.65 h/caja)(x14caja)+(1.75 h/caja)(x24 caja)+(1.17 h/caja)(x34 caja)
+(1.07 h/caja)(x44 caja)<=48000horas;
Tiempo de produccin en el departamento de envasado en la semana 1:
(4.41 h/caja)(x11 caja)+(2.91 h/caja)(x21 caja)+(1.29 h/caja)(x31 caja)
+(1.78 h/caja)(x41 caja)<=48000horas;
Tiempo de produccin en el departamento de envasado en la semana 2:
(4.41 h/caja)(x12 caja)+(2.91 h/caja)(x22 caja)+(1.29 h/caja)(x32 caja)
+(1.78 h/caja)(x42 caja)<=48000horas;
Tiempo de produccin en el departamento de envasado en la semana 3:
(4.41 h/caja)(x 13 caja)+(2.91 h/caja)(x23 caja)+(1.29 h/caja)(x33 caja)
+(1.78 h/caja)(x43 caja)<=48000horas;
Tiempo de produccin en el departamento de envasado en la semana 4:
(4.41 h/caja)(x14 caja)+(2.91 h/caja)(x24 caja)+(1.29 h/caja)(x34 caja)
+(1.78 h/caja)(x44 caja)<=48000horas;
Capacidad de produccin:
(x11+x12+x13+x14+x21+x22+x23+x24+x31+x32+x33+x34
+ x41+x42+x43+x44) cajas<=160000 cajas;
No negatividad:
Xij>=0
Modelo :
max=1.38x11+1.38x12+1.38x13+1.38x14+1.22x21+1.22x22+1.22x23+
1.22x24+1.02x31+1.02x32+1.02x33+1.02x34+1.05x41+1.05x42+1.05x43
+1.05x44
x11+x12+x13+x14<=10552
x21+x22+x23+x24<=40556
x31+x32+x33+x34<=56712
x41+x42+x43+x44<=56880
2.65x11+1.75x21+1.17x31+1.07x41<=48000
2.65x12+1.75x22+1.17x32+1.07x42<=48000
2.65x13+1.75x23+1.17x33+1.07x43<=48000
2.65x14+1.75x24+1.17x34+1.07x44<=48000
4.41x11+2.91x21+1.29x31+1.78x41<=48000
4.41x12+2.91x22+1.29x32+1.78x42<=48000
4.41x13+2.91x23+1.29x33+1.78x43<=48000
4.41x14+2.91x24+1.29x34+1.78x44<=48000
9
x11+x12+x13+x14+x21+x22+x23+x24+x31+x32+x33+x34+
x41+x42+x43+x44<=160000
10.-Resultados:
OBJECTIVE FUNCTION VALUE
1)
124946.9
VARIABLE
VALUE
REDUCED COST
X11
0.000000
0.468866
X12
0.000000
0.468866
X13
0.000000
0.468866
X14
0.000000
0.468866
X21
6046.433105
X22
0.000000
0.000000
X23
0.000000
0.000000
X24
0.000000
0.000000
X31
23569.673828
X32
0.000000
X33
33142.324219
X34
0.000000
0.000000
X41
0.000000
0.000000
X42
26966.292969
X43
2947.415771
X44
26966.292969
0.000000
0.000000
0.000000
0.000000
0.000000
0.000000
0.000000
DUAL PRICES
2)
10552.000000
0.000000
3)
34509.566406
0.000000
4)
0.000000
0.479175
5)
0.000000
0.303746
6)
9842.223633
7)
19146.068359
8)
6069.744141
9)
19146.068359
10)
0.000000
0.000000
0.000000
0.000000
0.000000
0.419244
11)
0.000000
0.419244
12)
0.000000
0.419244
13)
0.000000
0.419244
14)
40361.566406
NO. ITERATIONS=
0.000000
CURRENT
COEF
ALLOWABLE
INCREASE
ALLOWABLE
DECREASE
X11
1.380000
0.468866
INFINITY
X12
1.380000
0.468866
INFINITY
X13
1.380000
0.468866
INFINITY
X14
1.380000
0.468866
INFINITY
X21
1.220000
0.496573
0.000000
X22
1.220000
0.000000
INFINITY
X23
1.220000
0.000000
INFINITY
X24
1.220000
0.000000
INFINITY
X31
1.020000
0.000000
0.000000
X32
1.020000
0.000000
INFINITY
X33
1.020000
0.000000
0.000000
X34
1.020000
0.000000
INFINITY
X41
1.050000
0.000000
INFINITY
X42
1.050000
INFINITY
0.000000
X43
1.050000
0.000000
X44
1.050000
INFINITY
0.000000
0.000000
CURRENT
RHS
ALLOWABLE
INCREASE
ALLOWABLE
DECREASE
10552.000000
INFINITY
10552.000000
40556.000000
INFINITY
34509.566406
56712.000000
13639.627930
56880.000000
9884.899414
48000.000000
INFINITY
9842.223633
48000.000000
INFINITY
19146.068359
23569.673828
2947.415771
48000.000000
INFINITY
6069.744141
48000.000000
INFINITY
19146.068359
10
48000.000000
16366.211914
11
48000.000000
5246.400391
17595.119141
12
48000.000000
6692.281738
17595.119141
13
48000.000000
5246.400391
17595.119141
14 160000.000000
INFINITY
17595.119141
40361.566406
Plan de produccin:
Ganancia: S/ 124 946.9/mes
Semana 1
X21
X31
en la semana 1
Semana 2
X42
Semana 3
X33
X43
en la semana 3
en la semana 3
Semana 4
X44
en la semana 4
11.-Conclusiones y Recomendaciones
1.- Tener un modelo lineal aplicado a un sistema de produccin va a permitir llevar un
mejor control semanal y por lo tanto adecuar nuestro ritmo de trabajo para lograr el
objetivo de maximizar la ganancia.
2.- Se debe adecuar la maquinaria actual para evitar contratiempos y lograr los
volmenes de produccin semanales y con ello la produccin mensual.
3.-Al tener un plan de produccin estructurado se puede luego calcular la cantidad de
ingredientes que se necesita para cumplir la produccin.
=
=
=
=
Dinero
Dinero
Dinero
Dinero
invertido
invertido
invertido
invertido
en
en
en
en
Bonos:
0.08
Prstamos hipotecarios:
0.16
Prstamos para compra de automviles: 0.13
Prstamos personales:
0.20
Para asegurar que la cartera del banco no sea demasiado arriesgada, el gerente de
inversiones del banco ha puesto las siguientes tres restricciones de cartera:
La cantidad invertida en prstamos personales, debe ser mayor que la
invertida en bonos. X4 >= x1
La cantidad invertida en prstamos hipotecarios, no puede ser mayor que la
invertida en prstamos para automviles. X2<= x3
No puede invertirse ms del 25 % de la cantidad total invertida, en prstamos
personales, ni menos del 15 %.
X4<= 0.25( x1+x2+x3+x4)
X4 >=0.15(x1+x2+x+3x4)
El objetivo del banco es maximizar el rendimiento anual de su cartera de
inversiones.
Max 0.08x1+0.16x2+0.13x3+0.20x4
X1+x2+x3+x4<=500000
El gerente financiero del banco opina que, el objetivo a priorizar debera ser el
rendimiento,
pero el gerente de operaciones opina que el objetivo prioritario debera ser
los depsitos personales, seguido del rendimiento
,
y el gerente general considera que gustara minimizar los prstamos
hipotecarios, adems de lo que solicitan sus compaeros de trabajo.
Modelo 1:
Gerente Financiero
Max 0.08x1+0.16x2+0.13x3+0.20x4
st
x1+x2+x3+x4<=500000
x4-x1>=0
x2-x3<=0
x4-0.25*x1-0.25x2-0.25x3-0.25x4<=0
x4-0.15x1-0.15x2-0.15x3-0.15x4>=0
LP OPTIMUM FOUND AT STEP
79375.00
VARIABLE
VALUE
X1
0.000000
X2 187500.000000
X3 187500.000000
X4 125000.000000
REDUCED COST
0.165000
0.000000
0.000000
0.000000
ROW
2
3
4
5
6
9
Funcin Objetivo: s/ 79 375
Bonos: s/0
Prestamos hipotecarios:s/ 187500
Prestamos para compra de automvil: s/ 187500
Prestamos personales:s/ 125000
Modelo 2
Gerente de operaciones
Min 100D1+D3
X4+D1-D2=125000
0.08x1+0.16x2+0.13x3+0.20x4+D3-D4=79375
x1+x2+x3+x4<=500000
X4-X1>=0
X2-X3<=0
x4-0.25x1-0.25x2-0.25x3-0.25x4<=0
x4-0.15x1-0.15x2-0.15x3-0.15x4>=0
OBJECTIVE FUNCTION VALUE
1)
0.0000000E+00
VARIABLE
VALUE
D1
0.000000
D3
0.000000
X4 125000.000000
D2
0.000000
X1
0.000000
X2 187500.000000
X3 187500.000000
D4
0.000000
REDUCED COST
100.000000
1.000000
0.000000
0.000000
0.000000
0.000000
0.000000
0.000000
VARIABLE
D1
D3
X4
D2
X1
X2
X3
D4
CURRENT
ALLOWABLE
ALLOWABLE
COEF
INCREASE
DECREASE
100.000000
INFINITY
100.000000
1.000000
INFINITY
1.000000
0.000000
100.000000
0.000000
0.000000
INFINITY
0.000000
0.000000
INFINITY
0.000000
0.000000
0.000000
200.000000
0.000000
0.000000
0.000000
0.000000
0.000000
0.000000
ROW
2
3
4
5
6
7
8
Funcin Objetivo:0
Bonos: s/0
Prestamos hipotecarios:s/ 187500
Prestamos para compra de automvil: s/ 187500
Prestamos personales:s/ 125000
Interes=
0.08x1+0.16x2+0.13x3+0.20x4+D3-D4=79375
Como D3 y D4 son cero, los intereses ganados son de s/ 79 375
Modelo 3
Gerente General
Min D2+D4
X2+D1-D2=185800
X4+D3-D4=125000
X1+X2+X3+X4<=500000
X2-X3<=0
x4-0.25*x1-0.25x2-0.25x3-0.25x4<=0
x4-0.15x1-0.15x2-0.15x3-0.15x4>=0
X4-X1>=0
0.08x1+0.16x2+0.13x3+0.20x4>=79375
1)
1700.000
VARIABLE
VALUE
D2
1700.000000
D4
0.000000
X2 187500.000000
D1
0.000000
X4 125000.000000
D3
0.000000
X1
0.000000
X3 187500.000000
REDUCED COST
0.000000
1.000000
0.000000
1.000000
0.000000
0.000000
1.666667
0.000000
9
ROW SLACK OR SURPLUS
DUAL PRICES
2)
0.000000
1.000000
3)
0.000000
0.000000
4)
0.000000
4.916667
5)
0.000000
0.000000
6)
0.000000
2.333333
7)
50000.000000
0.000000
8) 125000.000000
0.000000
9)
0.000000
-33.333332
NO. ITERATIONS=
ROW
2
3
4
5
6
7
8
9
9
Al analizar el modelo 1 y 2, ambos generan la misma ganancia por inters gana dos
por los prestamos, pero
El gerente financiero del banco opina que, el objetivo a priorizar debera ser el
rendimiento,
y el gerente de operaciones opina que el objetivo prioritario debera ser los
depsitos personales, seguido del rendimiento, al comparar ambas
posiciones la que mas se acerca a la realidad seria la del gerente financiero
por que abarca a todas las posibilidades dejando de lado la del gerente de
operaciones que solo se inclina por la que genera mayor inters.
X1 = Dinero invertido en Bonos:
X2 = Dinero invertido en Prstamos hipotecarios:
X3 = Dinero invertido en Prstamos para compra de automviles:
X4 = Dinero invertido en Prstamos personales:
0.08
0.16
0.13
0.20
Respuesta; implantar modelo 1. por que a pesar que se puede invertir todo
el dinero a la tasa de mayor inters, esto no es permitido por la limitante
que solo deja que los prestamos personales estn entre el 15% y el 25% de
total a invertir.
SESION II
Es toda grfica que tiene solucin, es decir basta con que todas las restricciones del
modelo lineal tengan un rea de contacto para que se denomine factible .
Ejemplos:
x2
x2
x1
x2
x1
x2
X1
x1
x2
x2
x1
x1
x2
x1
x2
x1
x2
x1
x2
x1
x2
x1
x1
9
x1
x1
x2
x2
x1
x1
x2
x2
x1
x1
5.4.- DEGENERADA
Es una grfica que tiene Regin Factible , cuya solucin tiene una variable inicial ( x1
x2 ) con valor de cero (0).
Esta grfica puede ser acotada o ilimitada.
Ejemplos:
x2
*
x2
PUNTO OPTIMO
PUNTO OPTIMO *
x1
x1
x2
PUNTO
OPTIMO
x2
PUNTO *
OPTIMO
*
x1
x1
x2
x2
PUNTO OPTIMO
**
x1
PUNTO OPTIMO *
x1
*RESTRICCIONES REDUNDANTES*
En algunos modelos algunas restricciones no tienen un papel importante dentro de la
formacin de la Regin Factible, es decir no forman parte de algn lado de la regin
donde se cruzan las restricciones por lo que si se dejaran de lado ( es decir se
excluyeran) no se tendra ningn problema al hallar el punto ptimo ya que su presencia
no es de importancia, a estas restricciones le llamamos Restricciones Redundantes .
Ejemplo:
x2
(II)
x2
(I)
(I)
(II)
(III)
(III)
x1
x1
9
La restriccin (III) es redundante.
redundante.
La restriccin (I) es
x2
x2
(I)
(I)
(II)
(II)
(III)
(IV)
(III)
x1
x1
x2
(II)
x2
(I)
(I)
(
II)
(III)
(III)
x1
x1
(IV)
La restriccin (IV) es redundante.
6.- NO FACTIBLE
Debemos aclarar que un modelo es factible si todas sus restricciones se cruzan en
una rea y que no basta que algunas nada mas se crucen, por lo tanto modelos no
factibles son aquellos en las que todas sus restricciones no se cruzan en ninguna rea
por lo que no se puede hallar solucin alguna, por lo tanto se le considera Modelos no
Factibles.
Ejemplos:
x2
x2
x1
x1
x2
x2
x1
x1
x2
x1
x2
x1
Debemos dejar claro que los modelos lineales : no acotados, degenerada, no factible, se
les considera
problemas no econmicos.
MEDIANTE
Se va a tener que llevar un orden para poder resolver un modelo, supongamos que
tenemos el siguiente problema planteado:
9
Ejemplo 1.Maximizar = 4 x1 + 9 x2
sujeto a:
5x1 + 8x2 <= 50
6x1 + 5x2 <= 60
8x1 - 5x2 <= 40
x1>=0, X2>=0
Los pasos que tenemos que seguir son los siguientes:
1.- TODA RESTRICCIN DEBE CONVERTIRSE A IGUALDAD,SEA CUAL SEA SU
ORIENTACIN
Aplicando este primer paso a nuestro ejemplo:
5x1 + 8x2= 50
6x1 + 5x2 = 60
8x1 + 5x2 = 90
2.- SE DEBE DESPEJAR LAS VARIABLES EN CADA UNA DE LAS RESTRICCIONES,
COLOCANDO A UNA DE LAS VARIABLES EL VALOR DE CERO Y DESPEJANDO LA
OTRA.
En nuestro ejemplo:
Para la primera restriccin:
5x1 + 8x2 = 50
Si x1= 0 , la restriccin queda:
5(0) + 8x2 = 50
despejando x2= 50/8
Entonces agrupando en par ordenado: (x1,x2) = ( 0,50/8) ,
Luego si x2=0, la restriccin queda:
5x1 + 8(0) = 50
despejando x1 = 50/5Entonces agrupando en pares ordenados: (x1,x2) = ( 50/5,0)
Para la segunda restriccin:
6x1 + 5x2 = 60
si X1=0. La restriccin queda:
6(0) + 5x2 = 60
despejando x2= 60/5
entonces agrupando en pares ordenados: (x1,x2) = (0,60/5)
Luego ,si x2=0, la restriccin queda
6x1 + 5(0) = 60
despejando : x1= 60/6
entonces agrupando en pares ordenados: ( x1,x2)=(60/6,0)
Para la tercera restriccin:
8x1 +5x2 = 40
si x1=0 , la restriccin queda:
8(0) + 5x2 = 40
despejando:
x2 = 40/5
entonces agrupando en pares ordenados: (x1,x2) =(0, 40/5)
Luego, si x2=0, la restriccin queda:
8x1+5(0)=40
despejando: x1= 40/8
entonces agrupando en pares ordenados: (x1,x2) =(40/8,0)
3.- REALIZAR LA GRFICA .
9
Teniendo los pares ordenados podemos realizar la grfica ya que por cada restriccin
tenemos dos puntos, los cuales al unirse nos darn las lneas rectas que son las
representaciones geomtricas de las restricciones.
(x1,x2) = ( 0,50/8=6.23) , (x1,x2) =(50/5=10,0)
(x1,x2) = (0,60/5=12)
, (x1,x2) =(60/6=10,0)
(x1,x2) =(0, 40/5=8)
, (x1,x2) =(40/8= 5,0)
4.- ORIENTACIN
La parte mas importante en la grfica es la orientacin, para este caso vamos a tomar en
cuenta las siguientes condiciones generales de acuerdo a los tipos de restricciones que
se tiene.
LIMITANTE
ORIENTACION
<=
Se acerca al origen
=
No tiene orientacin
>=
Se aleja del origen
Debemos aclarar que estas orientaciones sirven para restricciones que contengan las
dos variables, lado derecho positivo y con valores numricos diferentes de cero ( casos
diferentes lo trataremos posteriormente) .Entonces nuestra grfica queda:
Como vez, la regin factible es aquella que en sus esquinas A,B,C,D tienen las
posibilidades de ser el punto que solucione el modelo, a ese punto le llamaremos PUNTO
OPTIMO.
6.- HALLAR EL PUNTO OPTIMO
Una vez que se han identificado los puntos extremos, vamos a reemplazar las
coordenadas de los puntos extremos en la Funcin Objetivo:
Puntos
A
B
*C
D
Coordenadas
(0,0)
( 0, 6)
(1.79488 , 5.1282)
( 5 , 0)
*El punto C se halla por ecuaciones simultneas de las rectas que dan origen a este
punto, es decir las
rectas I y II, calculando:
( I ) 5x1 + 8x2 = 50 (-8 )
(II ) 8x1 - 5x2 = 40 (5 )
-64x2+25x2= -400+200
-39x2 = -200
x2 = 5.1282
Reemplazando en ( I ) :
9
5x1 + 8(5.1282)=50
Como la Funcin Objetivo es de maximizacin , entonces se comparan los resultados de
reemplazar las coordenadas de los puntos extremos en la funcin objetivo y se elige el
mayor, para este ejemplo: 54 es el mayor valor y entonces el punto B es el punto optimo.
9
Ahora, lo nico que nos falta es trasladar la Funcin Objetivo(F.O.) al punto ptimo,
entonces la F.O. se iguala al valor mximo, es decir 54:
4x1 + 9x2 = 54
despejando X1:
4x1 + 9(0) = 54
x1 = 13.5 , las coordenadas queda : ( 13.5 , 0 )
despejando X2: 4(0) + 9x2 = 54
x2 = 6 , las coordenadas queda: ( 0 , 6 )
Teniendo estos dos puntos, la grfica final queda:
9
EJEMPLO 2:
Minimizar
8X1 + 5X2
SUJETO A:
5X1 + 6X2 >= 30
3X1 + 6X2 >= 18
2X1 + 4X2 >= 8
X1>=0, X2>=0
SOLUCION:
(I )
5x1 + 6x2 = 30
Si: X1 = 0 entonces X2 = 5, la coordenada es : ( 0,5)
Si : X2=0 entonces X1 = 6 , la coordenada es : ( 6,0)
( II )
3x1 + 6x2 = 18
Si : X1=0 entonces X2- 3 , la coordenada es : ( 0,3)
Si: X2=0 entoncesX1=6, la coordenada es: ( 6,0)
( III ) 2x1 + 4x2 = 8
Si X1=0 entonces: X2=2, la coordenada es: ( 0,2)
Si X2= 0 entonces: X1=4, la coordenada es: (4,0)
Como todas las restricciones son >= , entonces todas se alejan del origen,
9
PUNTOS
A
B
COORDENADAS
( 0, 5)
( 6,0 )
8(0) + 5(5) = 25
8(6) + 5(0) =48
Como se puede observar la F.O. ha tenido que bajar en busca del punto ptimo.
Rpta.
X1= 0 , X2= 5 , el valor de la F.O. es 25
9
Ejemplo 3: Maximizar: 3x1 + 2x2
sujeto a: 2x1 + 4x2 <= 16
4x1 - 5x2 <= 20
6x1 - 3x1 <= 18
X1>=0, X2 >=0
Solucin:
( I ) 2x1 + 4x2 = 16
Si: x1=0 entonces: x2= 4 , la coordenada es: ( 0 ,4 )
Si: x2=0 entonces: x1= 8 , la coordenada es: ( 8 , 0)
( II) 4x1 - 5x2 = 20
Si: x1=0 entonces: X2= -4 , la coordenada es: ( 0, -4)
Si: x2=0 entonces: X1= 5 , la coordenada es: ( 5, 0)
( III ) 6x1 - 3x2 = 18
Si: x1=0 entonces x2= -6 , la coordenada es: ( 0, -6)
Si: X2=0 entonces X1= 3 , la coordenada es: ( 3, 0 )
Como todas las restricciones son <= , entonces todas se acercan al origen.
Graficando:
PUNTOS OPTIMOS
A
B
C
D
COORDENADAS
( 0, 4 )
*( 4, 2 )
( 3, 0 )
( 0, 0 )
9
* Hallando las coordenadas para B:
(I) 2x1 + 4x2 = 16 (-3)
(II)
6x1 - 3x2 = 18
-15x2= - 30
x2= 2
Reemplazando en (I): 2x1 + 4(2) = 16
2x1=8
x1=4
la coordenada es: ( 4 , 2 )
Al comparar los resultados de los puntos en la F.O. el mayor valor: 16 , por lo tanto el
punto ptimo es B.
Para culminar la grfica, falta la F.O. entonces:
Posicin Inicial:
3x1+ 2x2= (3)(2)
Si x1=0 , entonces x2=3 , por lo tanto la coordenada es: ( 0,3)
Si x2=0, entonces x1=2 , por lo tanto la coordenada es: ( 2,0)
Posicin Final:
3x1+2x2= 16
Si x1=0, entonces x2=8, por lo tanto la coordenada es: ( 0,8)
Si x2=0, entonces x1=16/3=5.333 , por lo tanto la coordenada es: (5.333,0)
Como te has dado cuenta ya hemos usado otro cuadrante para la grfica, esto
sucede por que tenemos coeficientes negativos en las variables de las
restricciones pero a pesar de eso la regin factible se encuentra en el primer
cuadrante por que las variables son mayores que cero:
( x1>=0, x2>=0).
EJEMPLO 4: MINIMIZAR 5X1 - 6X2
SUJETO A:
3X1 - 5X2 <= 15
4X1 + 3X2 = 12
2X1 + 6X2>= 12
x1>=0, x2>=0
Solucin:
(I) 3x1 - 5x2= 15
Si x1=0, entonces x2=-3, las coordenadas son: ( 0,-3)
Si x2=0, entonces x1= 5, las coordenadas son: ( 5,0)
(II)
4x1 + 3x2 = 12
Si x1=0, entonces X2= 4 , las coordenadas son: ( 0,4)
Si x2=0 , entonces x1=3 , las coordenadas son: ( 3,0)
(III) 2x1 + 6x2= 12
Si x1=0, entonces x2=2, las coordenadas son: (0,2)
si x2=0 , entonces x1=6, las coordenadas son: ( 6,0)
Orientacin:
(I): se acerca al origen
(II): se queda solo la lnea graficada.
(III): se aleja del origen
Ahora te das cuenta que la Regin Factible es un segmento que va desde el punto A
hacia el punto B, esto sucede por que se tiene una restriccin con orientacin de
igualdad (=), entonces recuerda:
Una restriccin con orientacin =, da una regin factible que es un segmento o
en extremo un punto.
PUNTOS
A
B
COORDENADAS
(0,4)
*( 2, 1.333)
MNIMIZAR 5X1-6X2
5(0) - 6(4)
= -24
5(2) - 6(1.333) = 2
* Punto B:
Como es la interseccin de II y III:
Las coordenadas se hallan por ecuaciones simultaneas:
(II) 4X1 + 3X2 = 12
(III) 2X1 + 6X2 = 12 (-2)
-9x2=-12
x2= 1.333
Reemplazando en (II) :
4x1 + 3(1.333) = 12
x1 = 2
Al comparar los resultados de las coordenadas remplazadas en la F.O. se tiene que en
punto mnimo es A con valor -24.
Ahora falta graficar las F.O.
Posicin Inicial:
5x1 - 6x2 = (5)(-6)
Si x1=0 entonces x2=5, las coordenadas son: ( 0, 5 )
Si x2=0 entonces x1= -6, las coordenadas son: (-6,0)
Posicin Final:
5x1-6x2= -24
Si x1=0 entonces x2=4, las coordenadas son: (0,4)
Si x2=0 entonces x1=-24/5=-4.8 , las coordenadas son: ( -4.8,0)
9
La grfica queda: Ahora la F.O. se encuentra en el segundo cuadrante por que uno de sus
coeficientes es negativo , pero eso no afecta en nada el procedimiento.
EJEMPLO 5:
MINIMIZAR
SUJETO A:
6X1 - 5X2
PUNTOS
A
B
C
COORDENADAS
* ( 2 , 2.25 )
(5,0)
(2,0)
MIN. 6X1-5X2
6(2) - 5(2.25) =0.75
6(5) - 5(0) = 30
6(2) - 5(0) = 12
EJERCICIOS:
GRAFICAR :
1.- MAX IMIZAR : 3X1 + 4X2
SUJETO A:
3X1 + 4X2 <=20
>= 30
4X1 - 6X2>=10
<= 40
X1 + X2>=4
>=20
X1>=0, X2>=0
X2>=0
Rpta: x1=6.66 , x2= 0 , F.0. : Z = 20
F.O. Z=80
4. -
X1 >= 3
2X1 + 4X2
X1 - X2
X1>=0,
Rpta.
X1=20 , x2=0 ,
X2
>=
3X1
X2 <= 5
X1>=0, X2>=0
X2>=0
Rpta. X1= 0.75 , x2=2.25 . F.O. Z=20.25
Z=15
5.- MAXIMIZAR 8X1 + 9X2
SUJETO A:
2X1 + 6X2 >=12
<= 12
X1 + 6X2 >= 20
20
4X2
X1>=0,
Rpta. X1=3 , X2=0, F.O.
6.- MAXIMIZAR 5X1 + 8X2
SUJETO A:
-3X1 + 4X2
2X1 - 6X2 <=
X1
X2
X1>=10
X2>= 3
X1
X2 <= 5
>=
10
X2<=5
X1>=0, X2>=0
X2>=0
Rpta. X1=35, X2=5 , F.O. Z=320
Z=7.70
9.- MINIMIZAR -5X1 - 6X2
SUJETO A:
X1 >=4
3
X2<=10
10
Rpta.
X2<=5
X1 + X2 <=15
X1>=0, X2>=0
X2<=40
X1>=0,
X1>=2
X2>=0
60
X1>=0,
X1>=2
<=12
<=
40
X1>=0, X2>=0
X2>=0
Rpta. X1=55, X2=5 , F.O. Z=485
Z=86.5
<=10
X2
5X2
>=5
<=10
X1 + 3X2
X1>=0,
La grfica queda:
-2(0)
-2(1)
-2(2)
x1
0
-2
-4
Coordenadas
(x1,x2)
( 0, 0)
(-2,1)
(-4,2)
x2
2
1
9
-4
-3 -2
-1 0
x1
Orientacin:
4x1 + 8x2 >=0
Se toma un punto exterior a la lnea trazada ( es decir que no pertenece a ella)
ejemplo: (0,2) , reemplazando en la restriccin: 4(0) + 8(2)>=0
entonces: 16 >=0 si, la recta es orientada al punto (0,2)
La grfica final queda:
por
REGION
FACTIBLE x2
2
1
-4
-3
-2
-1 0
x1
3(0)
3(1)
3(2)
x1 Coordenadas
(x1,x2)
0
(0,0)
3
(3,1)
6
(6,2)
x2
La grfica queda:
2
1
0
6 x1
REGION FACTIBLE
2
1
0
7
x1
Para restricciones de la forma 6x1 - 4x2 <= 0
9
Igualando: 6x1 - 4x2 = 0
despejando:
6x1 =4x2
x1= (4/6)x2
Grfica
Tabulando:
(4/6) x2
Si
Si
Si
(4/6)0
(4/6)6
(4/6)12
x1
0
4
8
Coordenadas
(x1,x2)
x2
Inicial:
12
11
10
9
8
7
( 0, 0)
(4, 6)
(8,12)
6
5
4
3
2
1
0 1 2 3 4 5
6 7 8 9 x1
12
11
10
9
8
7
6
5
4
3
2
1
REGION
FACTIBLE
0 1 2 3 4 5 6 7 8 9 x1
Entonces ahora que ya tenemos la nocin de como graficar las restricciones cuyos lados
derechos tienen valor de cero, vamos a resolver los siguientes ejemplos:
Ejemplo 11
Max 8x1 + 4x2
sujeto a:
x1 <= 4
-x1 + x2 >=0
Solucin:
(I) x1= 4
(II) -x1 + x2 =0
Despejando: x2=x1
Tabulando:
x1
x2
0
1
2
0
1
2
Coordenadas
(x1,x2)
( 0,0)
(1,1)
(2,2)
(II)
(I)
C
1
POSICION
INICIAL DE LA F.O
x1
(III)
despejando: x1=10/7
Entonces:
PUNTOS
A
B
C
COORDENADAS
(0,0)
(0,2)
(10/7 ,10/7
Punto ptimo: es el punto C , trasladando la funcin objetivo para que pase por ese
punto:
8x1 + 4x2 = 17.1428
Si x1=0 despejando x2=4.2857, entonces la coordenada es (0,4.2857)
Si x2=0 despejando x1= 2.14285, entonces la coordenada es ( 2.14285 , 0)
La Grfica final queda:
Grfica Final:
x2
8
7
6
5
4
3
2
B
1
A
0
(II)
(I)
C
1
x1
(III)
POSICION
INICIAL DE LA F.O
POSICION
FINAL DE LA F.O.
Respuesta: x1= 10/7 , x2= 10/7 , el valor de la F.O. es : 17.1428
EJEMPLO 12:
Minimizar 6x1 - 5x2
sujeto a:
- 4x1 - 5x2 <= - 20
2x1 -3 x2 >=0
x1 <= 6
x1>=0 , x2>=0
Solucin:
(I) -4x1 - 5x2 <= -20 , multiplicando por -1 se tiene 4x1+5x2>=20, entonces:
4x1 + 5x2 = 20
Si x1=0 despejando x2=4 , entonces la coordenada es: (0,4)
Si x2=0 despejando x1=5, entonces la coordenada es: (5,0)
(II)
2x1 - 3x2 =0
despejando : 2x1=3x2
entonces: x1= 1.5x2
9
Tabulando:
1.5 x2
Si
Si
Si
x1
1.5( 0)
1.5( 1)
1.5(2)
0
1.5
3
Coordenada
(0,0)
(1.5,1)
(3,2)
(III) x1= 6
Orientacin:
Utilizando el punto (0,5) como punto de orientacin se tiene:
2x1 - 3x2 >=0
2(0) - 3(5) >=0
-15 >=0 no , entonces la restriccin de orientarse al lado opuesto de (0,5)
Orientacin:
(I) se aleja del origen.
(II)
Se aleja del punto (0,5)
(III)
Se acerca al origen.
Ubicacin inicial de la F.O:
6x1 - 5x2 = ( 6)(-5)
Si x1=0 despejando x2= 6, entonces la coordenada es: (0,6)
Si x2=0 despejando x1= -5, entonces la coordenada es: (-5,0)
Grfica Inicial:
x2
6
5
(I)
(III)
4
POSICION INICIAL
DE LA F.O.
(II)
2
REGION
FACTIBLE
1
-5
-4
-3
-2
-1
D
5
C
x1
Hallando punto A:
Interseccin de I y II: 4x1 + 5x2=20
2x1 - 3x2=0 (-2)
11x2= 20
x2= 1.8181, reemplazando en (I) 4x1 + 5(1.8181)=20
se tiene x1=2.7272 , entonces la coordenada es: (2.7272 , 1.8181)
Hallando punto B:
Interseccin de II y III: 2x1 - 3x2=0
x1=6
despejando:
Punto C: (6,0)
Punto D: (5,0)
2(6) - 3x2 =0
x2=4 , entonces la coordenada es: (6, 4)
9
PUNTOS
COORDENADAS
A
7.2727
(1.8181 , 2.7272)
B
C
D
6(2.7272) - 5(1.8181)=
( 6, 4 )
(6.0)
(5,0)
6(6) - 5(4) = 16
6(6) - 5(0) = 36
6(5) - 5(0) = 30
Punto optimo: A
Posicin Final de la F.O.
6x1 - 5x2 = 7.2727
Si x1=0 despejando x2= -1.45454 , entonces la coordenada es: (0, -1.45454)
Si x2=0 despejando x1=1.2121 , entonces ;a coordenada es: ( 1.2121, 0)
Grfica Final:
x2
6
5
FINAL
4
POSICION INICIAL
DE LA F.O.
POSICION
(I)
(III)
-5
-4
-3
-2
(II)
2
-1
REGION
FACTIBLE
1
1
D
5
-1
DE LA F.O.
C
x1
2 x2
Si
Si
Si
x1
2(0)
2(1)
2(2)
Coordenadas
0
2
4
(0,0)
(2,1)
(4,2)
x1
3(0)
3(1)
3(2)
Coordenadas
0
3
6
(0,0)
(3,1)
(6,2)
2x1 + 4x2 = 10
Si x1=0 despejando x2=2.5 ,entonces la coordenada es: (0,2.5)
Si x2=0 despejando x1=5 ,entonces la coordenada es: (5,0)
Orientacin:
(I) Se aleja del punto (0,5)
(II)
Se acerca al punto ( 0,2)
(III) Se acerca al origen.
Ubicacin Inicial de la Funcin Objetivo:
7x1 - 8x2 =(7)(-8)
Si x1=0 despejando x2=7 , entonces la coordenada es: (0,7)
Si x2=0 despejando x1=-8, entonces la coordenada es: (-8,0)
Grfica Inicial:
X2
POSICION
INICIAL DE LA
F.O.
6
5
4
(III)
(I)
3
2
(II)
B
1
-8
-7
-6
-5
-4
-3
-2
-1
C
3
X1
Puntos Extremos:
A: (0,0)
entonces:
PUNTOS
A
B
C
COORDENADAS
(0,0)
(2.50 , 1.25)
(3,1)
7(0) - 8(0) =0
7(2.50) - 8(1.25)= 7.5
7(3) - 8(1) =13
El punto ptimo es C, por lo que trasladando la F.O. hacia ese punto se tiene:
7x1 - 8x2=13
Si x1=0 , despejando: x2=-1.625 , entonces la coordenada es : (0, -1.625)
Si x2=0 , despejando : x1=1.857 , entonces la coordenada es: (1.857 , 0)
La grfica Final es:
X2
7
POSICION
INICIAL DE LA
F.O.
6
5
(III)
(I)
3
2
(II)
1
-8
-7
-6
-5
-4
-3
-2
-1
C
1
A
X1
-1
Rpta. X1=3 , X2=1, Valor de F.O. Z=13
Ejemplo 14:
Maximizar 3x1 + 2x2
sujeto a:
-2x1 + x2>=0
-3x1 + 6x2 >=-10
x1 >=-5
-4x1+7x2<=28
x1>=0 , X2>=0
Solucin:
(I)
-2x1 + x2 = 0
Despejando: x2=2x1
Tabulando:
2x1
Si
Si
Si
2(0)
2(1)
2(2)
x2
Coordenadas
0
2
4
(0,0)
(1,2)
(2,4)
-4x1+7x2=28 ,
Si x1=0 despejando x2=4, entonces las coordenadas son: (0,4)
Si x2=0 despejando x1= -7 , entonces las coordenadas son: ( -7,0)
Orientacin:
(I) se orienta hacia (0,5)
(II)
Se acerca al origen.
(III)
Se acerca a los puntos 5,4,3,2,1,0
(IV)
Se acerca al origen.
Posicin Inicial de la Funcin Objetivo:
3x1 + 2x2= (3)(2)
Si x1=0 despejando x2=3 , las coordenadas son: (0,3)
Si x2=0 despejando x1= 2 , las coordenadas son: (2,0)
Grfica Inicial:
(III)
X2
A
POSICION INICIAL
DE LA F.O.
5
B
(IV)
4
REGION
3 FACTIBLE
(I)
X1
-8 -7
-6
-5 -4 -3
1
C
-2 -1 0
(II)
1
-1
-2
Puntos Extremos:
A es la interseccin de (I ) y ( IV), despejando por ecuaciones simultaneas:
(I)
-2X1 + X2=0 (-7)
(IV) -4X1 + 7X2 =28
10x1 = 28
despejando: x1=2.8, reemplazando en (I):
-2(2.8) + x2=0
entonces: x2= 5.6 , la coordenada es: ( 2.8 , 5.6)
B : (0,4)
C : (0,0)
9
PUNTOS
A
B
C
COORDENADAS
(2.8,5.6)
(0 , 4)
(0,0)
X2
10
La grfica final es:
9
8
7
(III)
POSICION INICIAL
DE LA F.O.
5
B
A
(IV)
REGION
3 FACTIBLE
(I)
OSICION FINAL
DE LA F.O.
-8
6
-7
-6
-5
-4
-3
1
C
-2 -1 0
7 X1
-1
-2
(II)
1
9
Solucin:
(I) x1=4 , valores como 4,3,2,1,0 cumplen la restriccin.
(II)
5x1 - 4x2 = 0
despejando: 5x1=4x2
entonces: x1= 4x2/5 , luego : x1= 0.8x2
0.8x2
x1
Si
0.8(0)
Si 0.8(1)
Si 0.8(5)
Coordenadas
0
0.8
4
(0,0)
(0.8,1)
(4,5)
Orientacin:
(I) Valores como 4,3,2,1,0 cumplen la restriccin.
(II)
La lnea trazada.
(III)
Valores como 5,4,3,2,1,0 cumplen la restriccin.
(IV)
Se aleja del origen.
Posicin Inicial de la Funcin Objetivo:
6x1 - 5x2 = (6)(-5)
Si x1=0 despejando x2=6, entonces las coordenadas son: (0,6)
Si x2=0 despejando x1= -5, entonces las coordenadas son: (-5,0)
Grfica Inicial:
6
POSICION INICIAL DE LA
F.O.
(III)
4
(II)
3
(IV)
1
-5
-4
-3
-2
-1
(I)
A
1
Por tener la (II) como direccin una igualdad (=) , entonces la regin factible es un
segmento.
Punto A : Interseccin de (II) y (IV)
Hallando las coordenadas por ecuaciones simultaneas:
5x1 - 4x2=0
(3)
2x1 + 3x2=6
(4)
23 x1 = 24
x1 =1.043
Reemplazando en (II):
5(1.043) - 4x2=0
5.215
- 4x2=0
5.215= 4x2
entonces: x2=1.30375
las coordenadas son: (1.043 , 1.30375)
Punto B: (4,5)
PUNTOS
A
B
CORDENADAS
(1.043 , 1.30375)
(4,5)
Entonces el punto optimo es: B con valor -1, trasladando la funcin Objetivo para que
pase por el punto optimo se tiene:
6x1 - 5x2 = -1
si x1=0 despejando x2=-0.20 , entonces las coordenadas son: ( 0,-0.20)
Si x2=0 despejando x1=-0.1666 , entonces las coordenadas son : (-0.1666,0)
Grfica Final:
POSICION INICIAL DE LA
F.O.
POSICION FINAL
DE LA F.O.
(III)
(II)
(IV)
(I)
A
1
-5
Rpta.
-4
-3
-2
-1
EJERCICIOS:
9
1.- MAXIMIZAR X1 + 6X2
2.- MINIMIZAR 4X1
+ 5X2
SUJETO A:
SUJETO A:
3X1 - 4X2<=0
2X1 + 6X2 >=3
3X1 + X2 >=1
3X1 - 4X2<=0
-X2 >= -12
4X1 + 6X2 >=0
X1>=1
X2<=15
X1<=20
X1>=0 ,X2>=0
X1>=0 , X2>=0Rpta. X1=16 , X2=12 , F.O. Z=88
Rpta. X1=0 ,
X2=0.50 , F.O. Z=2.50
3.- MAXIMIZAR 3X1 + 6X2
4.MAXIMIZAR
6X1 + 8X2
SUJETO A:
SUJETO A:
X2 <= 12
5X1 - 6X2
<=0
X1<=5
-X1 - 6X2 <= -2
X1 - 4X2 =0
X2
<=
15
X1 <= 20
X1>=0 ,X2>=0
X1>=0
,
X2>=0
Rpta.
X1=5
,
X2=1.25
,
F.O.
Z=22.5
Rpta. X1=18 , X2=15 , F.O. Z=228
5.- MINIMIZAR 6X1 + 9X2
6.- MINIMIZAR 5X1 +
6X2
SUJETO A:
SUJETO A:
5X1 + 6X2 <= 120
3X1 + 6X2 >= 12
4X1 - 6X2 >=0
4X1 - 6X2 <=0
-X1 >= -10
X2>= 12
X2 >= 1
X1 + 4X2 >= 1X1>=0
,X2>=0
X1>=0 , X2>=0Rpta.
X1=1.50 , X2=1 . F.O. Z=18
Rpta. X1=0 , X2=12,
F.O. Z=72
7.- MAXIMIZAR 10X1 + 12X2
8.- MINIMIZAR 7X1 7X2
SUJETO A:
SUJETO A:
6X1 + 7X2 >= 10
4X1 - 5X2 >=0
5X1 - 5X2 <=0
X1 -3X2 <=0
X1>=1
X1>=2
X2 <= 12
X2 <=10
2X1 + 4X2 >=0
X1>=0 ,X2>=0
X1>=0 , X2>=0Rpta. X1=12 ,X2=12 ,F.O. Z=264
Rpta. X1=2, X2=1.6 . F.O.
Z=2.8
10.- MINIMIZAR X1 - X2
SUJETO A:
-2X1 - 5X2 <=
3X1 - 4X2 >= -12
3X1 - 4X2 <=0
X2 <= 10
X1>=0 , X2>=0
Rpta. X1=0 ,
SESION III
ANALISIS DE
SENSIBILIDAD
X2
3.000000
1.000000
INFINITY
Funcin Objetivo
(F.O)
Maximizacin
Aumenta la F.O.
Disminuye la F.O.
Funcin Objetivo
(F.O.)
Minimizacin
Disminuye la F.O.
Aumenta la F.O.
1 ) Una compaa fabrica dos modelos de sombrero: Bae , Viz y Ala. La fabricacin de los
Bae
Viz
Ala
Disponibilidad
2h
3h
2h
1500 h
3h
2h
2h
1500 h
1h
1h
1h
600 h
S/100 S/120 S/110
Variable de Decisin:
Xi=Nmero de sombreros tipo i(i=Bae, Viz, Ala=1,2,3) a producir.
Funcin Objetivo:
Max=100x1+120x2+110x3
Moldeado
2x1+3x2+2x3<=1500
Pintura
3x1+2x2+2x3<=1500
Montaje
1x1+1x2+1x3<=600
Modelo PL
Max 100x1+120x2+110x3
st
2x1+3x2+2x3<=1500
3x1+2x2+2x3<=1500
1x1+1x2+1x3<=600
end
LP OPTIMUM FOUND AT STEP
69000.00
VARIABLE
VALUE
X1
0.000000
X2
300.000000
X3
300.000000
REDUCED COST
10.000000
0.000000
0.000000
9
ROW SLACK OR SURPLUS
DUAL PRICES
2)
0.000000
10.000000
3)
300.000000
0.000000
4)
0.000000
90.000000
NO. ITERATIONS=
Interpretacin:
Ingreso por Precio de Venta:
69000
X1 0 sombreros tipo Bae, para que se elabore se debe tener un precio de venta mayor
de:100 + 10=110
X2
300 sombrero tipo Viz,
X3
300 sombreros tipo Ala
Moldeado:
Se usan todas la horas de moldeado, por cada hora adicional se gana 10
Pintura:
300 horas sobra del departamento de pintura.
Montaje:
Se usan todas las horas de montaje, por cada hora adicional se gana
Optimalidad:
Rangos de Ci:
Sombrero Bae
X1
100.000000
10.000000
INFINITY
(100-infinito)<=c1<=(100+10)
-infinito<=c1<=110
El precio mximo del sombrero tipo Bae es: 110
El precio mnimo del sombrero tipo Bae es: 0
Sombrero Viz
X2
120.000000
45.000000
10.000000
(120-10)<=c2<=(120+45)
110<=c2<=165
El precio mximo del sombrero tipo Viz es: 165
El precio mnimo del sombrero tipo Viz es: 110
Sombrero Ala
90
X3
110.000000
10.000000
10.000000
(110-10)<=c3<=(110+10)
100<=c3<=120
El precio mximo del sombrero tipo Ala es: 120
El precio mnimo del sombrero tipo Ala es: 100
2)
Contenedor A
8
cajas/contenedo
r
1
cajas/contenedo
r
2
cajas/contenedo
r
S/210/contened
or
Contenedor B
2 cajas/contenedor
Compra Mxima
16 cajas
1 cajas/contenedor
5 cajas
7 cajas/contenedor
20 cajas
S/ 300/contenedor
Variable de Decisin:
Xi= Numero de contenedores de tipo i(i=A,B=1,2) a pedir.
Funcin Objetivo:
Max=210x1+300x2
Sujeto a:
Cajas de Langostinos:
8x1+2x2<=16
Cajas de Ncoras:
1x1+1x2<=5
Cajas de Percebes:
2x1+7x2<=20
LINDO:
Max 210x1+300x2
St
8x1+2x2<=16
1x1+1x2<=5
2x1+7x2<=20
end
LP OPTIMUM FOUND AT STEP
9
OBJECTIVE FUNCTION VALUE
1)
1029.231
VARIABLE
X1
X2
VALUE
1.384615
2.461539
REDUCED COST
0.000000
0.000000
Interpretacin:
Ganancia a obtener:
1029.231
Contenedores tipo A :
X1
1.384615
Contenedores tipo B:
X2
2.461539
Cajas de Langostinos:
0.000000
,se usa todo lo disponible y si se pide una caja mas se gana:
16.730770
Cajas de Ncoras:
1.153846 , son cajas que no se han usado por lo tanto su precio dual es :
0.000000
Cajas de Percebes:
0.000000,se usa todo lo disponible
y si se pide una caja mas se gana:
38.076923
Optimalidad:
Rangos en Ci
La ganancia por cada tipo de contenedor tiene el siguiente rango:
9
Tipo A:
X1
210.000000
990.000000
(210-124.285713) <= c1<= (210+990)
El precio mximo es de :1200
El precio mnimo es de:85,71
Tipo B:
X2
300.000000
435.000000
(300-247,5)<= c2<=(300+435)
124.285713
247.500000
Rangos en Bi
Cajas de Langostinos:
16.000000
12.000000
10.285714
(16-10,285714)<=b1<=(16+12)
La mxima cantidad de cajas que puede comprar el supermercado es: 16+12=28
La mnima cantidad de cajas que puede comprar el supermercado es: 1610,285714=5,714
Cajas de Ncoras:
5.000000
INFINITY
1.153846
(5-1,153846)<=b2<=(5+infinito)
La mxima cantidad de cajas que puede comprar el supermercado es: 5+infinito= Infinito
La mnima cantidad de cajas que puede comprar el supermercado es: 5-1,153846=3,846
Cajas de Percebes:
20.000000
10.000000
16.000000
(20-16)<=b3<=(20+10)
La mxima cantidad de cajas que puede comprar el supermercado es: 20+10=30
La mnima cantidad de cajas que puede comprar el supermercado es: 20-16=4
Si se mantienen dentro de estos rangos el modelo es optimo.
9
Dimensin del lado menor:
X2<=2
Requerimiento:
X1+2X2<=4
LINDO
MAX 2X1+2X2
st
X1<=2
X2<=2
X1+2X2<=4
end
LP OPTIMUM FOUND AT STEP
2
OBJECTIVE FUNCTION VALUE
1)
6.000000
VARIABLE
X1
X2
VALUE
2.000000
1.000000
REDUCED COST
0.000000
0.000000
Interpretacin:
La mxima dimensin de la mesa es:
6.
La dimensin del lado mayor es de:
X1=2.
La dimensin del lado menor es de:
X2 =1.
Dimensin del lado mayor:
0.000000 ,se ha cumplido con el requerimiento, si se incrementa en una unidad
,la dimensin se incrementa en 1 unidad
Dimensin del lado menor:
1,se esta por debajo del requerimiento mximo en 1 dimensin, por lo tanto su
precio dual es
0.000000
Requerimiento:
Se ha cumplido el requerimiento del permetro, si este se incrementa la dimensin se
incrementa en 1
Optimalidad:
Rango en Ci
Lado Mayor
X1
2.000000
INFINITY
1.000000
(2-1)>=c1<=(2+infinito)
La dimensin mxima del lado mayor es : 2+infinito = Infinito
La dimensin mnima del lado mayor es: 2-1=1
Lado Menor
X2
2.000000
2.000000
2.000000
(2-2)<=c2<=(2+2)
La dimensin mxima del lado menor es : 2+2 = 4
La dimensin mnima del lado mayor es: 2-2=0. Cosa que seria imposible.
Factibilidad:
Rangos en Bi
Dimensin del lado mayor:
2
2.000000
2.000000
2.000000
(2-2)<=b1(2+2)
El valor mximo del lado mayor es: 2+2=4
El valor mnimo del lado mayor es: 2-2=0
Dimensin del lado menor:
3
2.000000
INFINITY
1.000000
(2-1)<=b2<=(2+infinito)
El valor mximo del lado menor es: 2-1=1
El valor mnimo del lado menor es: 2+infinito=infinito
Requerimiento:
4
4.000000
(4-2)<=b3<0(4+2)
2.000000
2.000000
A
1
2
B
2
1
C
2
3
DISPONIBLE
180
240
Beneficios
Variable de Decisin:
Xi= Nmero de unidades de prendas de calidad i(i=A,B,C=1,2,3) a elaborar.
Funcin Objetivo:
Max=1500x1+1000x2+800x3
Restricciones:
Lana:
1x1+2x2+2x3<=180
Fibra Sinttica:
2x1+1x2+3x3<=240
Produccin:
x1+x2+x3<=1000
LINDO
Max 1500x1+1000x2+800x3
st
1x1+2x2+2x3<=180
2x1+1x2+3x3<=240
x1+x2+x3<=1000
end
LP OPTIMUM FOUND AT STEP
190000.0
VARIABLE
VALUE
X1
100.000000
X2
40.000000
X3
0.000000
REDUCED COST
0.000000
0.000000
1533.333374
VARIABLE
X1
X2
X3
ROW
2
3
4
9
Interpretacin:
Beneficio:
190000
Produccin:
X1
100 prendas tipo A
X2
40 prendas tipo B
X3
0 prendas tipo C,para elaborarse debe tener un beneficio mayor de:
800 + 1533.333374 = 2333,33
Lana:
Se usa toda la lana disponible, si se usa 1 unidad mas se gana 166,666
Fibra Sinttica:
Se usa toda la lana disponible si se usa 1 unidad mas se gana 666.666687
Produccin:
860 unidades de capacidad de produccin no se usa.
Optimalidad:
Rangos de Ci:
Prenda tipo A
X1
1500.000000
500.000000
1000.000000
(1500-1000)<=c1<=(1500+500)
500<=c1<=2000
El beneficio mximo del producto tipo A es:2000
El beneficio mnimo del producto tipo A es:500
Prenda tipo B
X2
1000.000000
2000.000000
250.000000
(1000-250)<=c2<=(1000+2000)
750<=c2<=3000
El beneficio mximo del producto tipo B es:3000
El beneficio mnimo del producto tipo B es:750
Prenda tipo C
X3
800.000000
1533.333374
INFINITY
(800-infinito)<=c3<=( 800 +1533,33)
-infinito<=c3<=2333,33
El beneficio mximo del producto tipo C es:2333,33
El beneficio mnimo del producto tipo C es: 0
Factibilidad:
Rangos de Bi
Lana:
180.000000
300.000000
60.000000
(180-60)<=b1<=(180+300)
120<=b1<=480
Cantidad mxima de unidades de lana: 480
Cantidad mnima de unidades de lana: 120
Fibra Sinttica:
240.000000
120.000000
(240-150)<=b2<=(240+120)
90<=b2<=360
150.000000
9
Cantidad mxima de unidades de fibra sinttica: 360
Cantidad mnima de unidades de fibra sinttica: 90
Produccin:
1000.000000
INFINITY
860.000000
(1000-860)<=b3<=(1000+infinito)
140<=b3<=infinito
Cantidad mxima de unidades de produccin: Infinito
Cantidad mnima de unidades de produccin: 140
Factibilidad:
Rangos en Bi
Moldeado:
1500.000000
300.000000
300.000000
(1500-300)<=b1<=(1500+300)
1200<=b1<=1800
Horas mximas para moldeado: 1800
Horas mnimas para moldeado: 1200
Pintura:
1500.000000
INFINITY
300.000000
(1500-300)<=b2<=(1500+infinito)
1200<=b2<=infinito
Horas mximas para pintura: infinito
Horas mnimas para pintura: 1200
Montaje:
600.000000
150.000000
100.000000
(600-100)<=b3<=(600+150)
500<=b3<=750
Horas mximas para montaje: 750
Horas mnimas para montaje: 500
Afiche A
5
<=120
Afiche B
7
<=100
150
Variable:
Xi= Nmero de afiches tipo i(i=A,B=1,2)
Funcin Objetivo:
Max 5x1+7x2
St
Cantidad maxima de Afiche A
X1<=120
Cantidad maxima de afiche B
X2<=100
Cantidad maxima combinada
X1+x2<=150
End
LINDO
LP OPTIMUM FOUND AT STEP
OBJECTIVE FUNCTION VALUE
1) 950.000
VARIABLE
VALUE
REDUCED COST
X1
50.000000
0.000000
X2
100.000000
0.000000
ROW SLACK OR SURPLUS
DUAL PRICES
2)
70.000000
0.000000
3)
0.000000
2.000000
4)
0.000000
5.000000
NO. ITERATIONS=
disponible
9
VARIABLE
X1
X2
ROW
2
3
4
X1
5.000000
2.000000
5.000000
Para afiche tipo A
La ganancia mxima es : 5+2 =7
La ganancia mnima es: 5-5=0
X2
7.000000
INFINITY
2.000000
Para afiche tipo B
La ganancia mxima es : 7+infinito =Infinito
La ganancia mnima es: 7-2=5
ROW
2
120.000000
INFINITY
Afiche tipo A:
Cantidad Mxima : 120+0=120
Cantidad Mnima: 120-70=50
3
100.000000
50.000000
Afiche tipo B:
Cantidad Mxima : 100+50=150
Cantidad Mnima: 100-70=30
4
150.000000
70.000000
Cantidad mxima combinada
Valor mximo : 150+70=220
Valor mnimo: 150-50=100
70.000000
70.000000
50.000000
PROBLEMA 7.- SONY fabrica dos productos: (1) el Pentium III un radiocasete porttil y (2)
el Pentium IV. El proceso de produccin de ambos productos se asemeja en que los dos
necesitan un nmero de horas de trabajo en el departamento de electrnica, y un cierto
nmero de horas de mano de obra en el departamento de montaje. Cada Pentium III
necesita cuatro horas de trabajo de electrnica y dos en el taller de montaje. Cada
Pentium IV necesita tres horas de electrnica y una en montaje. Durante el actual
perodo de produccin se dispone de doscientas cuarenta horas en el departamento de
electrnica y de cien horas en el de montaje. Cada Pentium III vendido supone un
beneficio de 700 dlares, mientras que para una Pentium IV el beneficio unitario es de
500 dlares. El problema de SONY es determinar la mejor combinacin posible de
Pentium III y PENTIUM IV que debe producir para alcanzar el mximo beneficio.
Pentium III
Dpto. Electrnica
Dpto. Mano de
Obra
Beneficio
4h/unid
2h/unid
Pentium IV Disponibl
e
3h/unid
240 h
1h/unid
100 h
$700/unid
$500/unid
Variable de Decisin:
Xi= Nmero de unidades del producto tipo i(i= Pentium III, Pentium IV=1,2) a producir.
Funcin Objetivo:
Max 700x1+500x2
Restricciones:
Dpto. Electrnica
4x1+3x2<=240
Dpto. Mano de Obra
2x1+x2<=100
LINDO
Max 700x1+500x2
St
4x1+3x2<=240
2x1+x2<=100
LP OPTIMUM FOUND AT STEP
REDUCED COST
X1
30.000000
0.000000
X2
40.000000
0.000000
ROW SLACK OR SURPLUS
DUAL PRICES
2)
0.000000
150.0000
3)
0.000000
50.0000
NO. ITERATIONS=
2
RANGES IN WHICH THE BASIS IS UNCHANGED:
OBJ COEFFICIENT RANGES
VARIABLE
CURRENT
ALLOWABLE
ALLOWABLE
COEF
INCREASE
DECREASE
X1
700.000000
300.000000
33.3333
X2
500.000000
0250.000
150.0000
ROW
2
3
Ganancia:
41000
Produccin:
X1 =30 Pentium III ,
X2 =40. Pentium IV
Dpto Electronica,todo el tiempo se usa.y si se incrementa se gana 150 por cada hora
adicional.
Dpto de Mano de Obra, todo el tiempo se usa.y si se incrementa se gana 50 por cada
hora adicional.
Variacin de beneficios:
Pentium III ,
X1
700.000000
300.000000
(700-33,3)<=c1<=(700+300)
667.7<=c1<=1000
Beneficio maximo: 1000
Beneficio minimo:667,7
Pentium IV
X2
500.000000
25.0000
(500-150)<=c2<=(500+ 25)
350<=c2<=525
Beneficio mximo :525
Beneficio mnimo: 350
Variacin de horas:
Dpto. electrnica:
2
240.000000
60.000000
(240-40)<=b1<=(240+60)
200<=b1<=300
Horas mximas :300 horas
Horas mnimas: 200 horas
Dpto. Mano de obra
3
100.000000
20.000000
33.3333
150.0000
40.000000
20.000000
9
(100-20)<=b2<=(100+20)
80<=b2<=120
Horas mximas :120 horas
Horas mnimas: 80 horas
Problema 8.
La empresa de zapatos Risto, elabora dos tipos de zapatos de adultos y de nios, los
datos recogidos
Se dan en la siguiente tabla:
RECURSOS
CUERO
PLANTAS
COSTO DE
PLANTAS
OTROS COSTOS
PERFILADO
ENSUELADO
ALISTADO
CUEROS(S6/PIE)
COSTO TOTAL
PRECIO DE
VENTA
UTILIDAD
DEMANDA
PERFILADO
ZAPATOS DE
ADULTOS
35 PIES/DOCENA
12 PLANTAS/DOCENA
S/90/DOCENA
ZAPATOS DE NIO
DISPONIBLE
24 PIES/DOCENA
12 PLANTAS/DOCENA
S/60 /DOCENA
1250 PIES/SEMANA
S/42/DOCENA
S/28/DOCENA
S/30/DOCENA
S/8/DOCENA
S/210/DOCENA
S/408/DOCENA
S/540/DOCENA
S/30/DOCENA
S/20/DOCENA
S/25/DOCENA
S/8/DOCENA
S/144/DOCENA
S/227/DOCENA
S/300/DOCENA
S/132/DOCENA
S/73/DOCENA
20
DOCENAS/SEMANA
8H/DOCENATRABAJADOR
15
DOCENAS/SEMANA
8H/ DOCENATRABAJADOR
ENSUELADO
8H/ DOCENATRABAJADOR
8H/ DOCENATRABAJADOR
ALISTADO
4H/ DOCENA-
4H/ DOCENA-
(6TRABAJ/DIA)
(6DIAS
/SEMANA)
*(10H/DIA)
(7TRABAJ/DIA)
(6DIAS
/SEMANA)
*(10H/DIA)
(3TRABAJ/DIA)
TRABAJADOR
TRABAJADOR
(6DIAS
/SEMANA)
*(10H/DIA)
VARIABLE
VALUE
X1
25.428572
adultos a la semana
REDUCED COST
0.000000 ,producir 25.42 docenas de zapatos de
X2
15.000000
la semana
9
35X1+24X2<=1410
8X1+8X2<=360
8X1+8X2<=420
4X1+4X2<=180
X1>=20
X2>=15
LINDO
LP OPTIMUM FOUND AT STEP
Problema 9
El ao venidero una compaa constructora puede participar en dos futuros proyectos. El
flujo de efectivo trimestral para los dos proyectos (las flechas hacia arriba representan
gastos) se resume en la siguiente figura.
Todos los fondos estn en millones de unidad monetaria. La compaa tiene efectivo de
$1 000 000 por trimestre y puede obtener prstamos por una unidad igual, al principio de
cada trimestre, con un inters nominal de 10% anual. Cualquier prstamo debe pagarse
al principio del siguiente trimestre. De esta manera los fondos excedentes pueden
invertirse al 8% anual.
La compaa constructora desea determinar el resultado neto (prdida o ganancia) se si
emprenden los proyectos. Supngase que la compaa puede participar en los proyectos
de forma parcial o total. La participacin parcial escalar los fondos de flujo de efectivo
en forma proporcional.La empresa desea maximizar sus fondos al final del ao.
SOLUCION
a) Variables
Pi = fraccin del proyecto i por emprenderse (0 Pi 1), i = 1.2.
Bi = cantidad tomada en prstamos (millones de unidad monetaria) en el
trimestre j, j = 1, 2, 3, 4.
Si = cantidad excedente (millones de unidad monetaria) al principio del
trimestre j, j = 1, 2, 3, 4.
b) Grafica:
1+B1
1+B2
S1
1.02B1
1+B3
S2
1.02B2
1.025B1
1P1+3P2
3.1P1+2.5P2
1+B4
S3
1.02B3
1.025B2
1.5P1-1.5P2
S4
1.02B4
1.025B3
-1.8P1-1.8P2
S5
1.025B4
-5P1-2.8P2
c) Modelos Matemtico
P1 + 3 P2 + S1 = 1 +B1
3.1 P1 + 2.5 P2 1.02S1 + S2 + 1.025B1 = 1 + B2
1.5 P1 - 1.5 P2 1.02S2 + S3 + 1.025B2 = 1 + B3
-1.8 P1 1.8 P2 1.02S3 + S4 + 1.025B3 = 1 + B4
-5 P1 2.8 P2 1.02S4 + S5 + 1.025B4 = 0
0 Pi 1,
i = 1, 2.
0 Bj 1,
j = 1,2,3,4.
9
Global optimal solution found.
Objective value:
Total solver iterations:
Variable
S5
P1
P2
S1
B1
S2
B2
S3
B3
S4
B4
Value
4.836624
0.7112528
0.000000
0.2887472
0.000000
0.000000
0.9103617
0.000000
1.000000
1.255255
0.000000
4.836624
6
Reduced Cost
0.000000
0.000000
0.3796149
0.000000
0.6121702E-02
0.5972392E-02
0.000000
0.1540784
0.000000
0.000000
0.5000000E-02
Variable
S5
P1
P2
S1
B1
S2
B2
S3
B3
S4
B4
Row
2
3
4
5
6
7
Objective
Current
Coefficient
1.000000
0.0
0.0
0.0
0.0
0.0
0.0
0.0
0.0
0.0
0.0
Coefficient Ranges
Allowable
Allowable
Increase
Decrease
INFINITY
1.000000
INFINITY
0.5173937
0.3796149
INFINITY
0.6116225E-02
0.1675047
0.6121702E-02
INFINITY
0.5972392E-02
INFINITY
0.5993967E-02
0.2069426
0.1540784
INFINITY
INFINITY
0.1489784
0.5000000E-02
3.797778
0.5000000E-02
INFINITY
8
9
10
11
12
1.000000
1.000000
1.000000
1.000000
1.000000
INFINITY
1.000000
INFINITY
1.000000
INFINITY
0.8963830E-01
0.1245146
1.000000
INFINITY
1.000000
Anlisis de Sensibilidad
Para el problema planteado, podemos observar en los cuadros que la solucin
recomendada es: La empresa debe invertir en el proyecto 1 de manera parcial, con una
participacin del 71.13% y abstenerse de participar en el proyecto 2. Obteniendo as una
fondo acumulado al final del ao de 5.8366 millones de Um.
Tambin se puede determinar que si se desea obtener un poco ms de fondo acumulado,
es recomendable gestionar un aumento en el prstamo del 3er trimestre, aumento que
sera de 0.1245 millones de Um, obteniendo as un aumento en la funcin objetivo de
0.01855 millones de Um.
PROBLEMA 10
El vivero Walnut tiene dos granjas en donde se cultiva trigo y maz. Debido a las
condiciones del suelo distintas, hay diferencias en el rendimiento y el costo al cultivar los
cereales en las dos granjas. Ambas granjas cuentan cada una con 100 acres disponibles
para el cultivo. Se deben sembrar 1100 bushel de trigo y 7000 bushel de maz. Encuentre
un plan de siembra q minimice el costo para poder cumplir con la demanda Como se
podra usar una generalizacin de este modelo para asignar en forma eficiente la
produccin de cultivos en toda una nacin?
Trigo
Costo
Maz
Costo
Disponible
Granja 1
400 bushel/acre
90$/acre
500 bushel/acre
100 $/acre
1000 acre
Granja 2
Requerimiento
350 bushel/acre
1100 bulshels
80 $/acre
850 bushel/acre
7000 bulshels
120 $/acre
1000 acre
MODELO DE PL
min 90x11+80x12+100x21+120x22
st
x11+x21<=100 Acres
x12+x22<=100 Acres
400x11+350x12>=11000 bushels de trigo
500x21+650x22>=7000 bushels de maiz
End
ANALISIS DE SENSIBILIDAD:
LP OPTIMUM FOUND AT STEP
1)
3767.308 $/acre
VARIABLE
X11
X12
X21
X22
VALUE
27.500000 acres
0.000000 acres
0.000000 acres
10.769231 acres
REDUCED COST
0.000000
1.250000
7.692307
0.000000
2)
3)
4)
5)
Problema 11
Steelco produce dos tipos de acero en tres acereras distintas. Cada acerera tiene
disponibles en un mes dado 200 horas de tiempo de alto horno. Debido a las diferencias
en los hornos de cada acerera, el tiempo y el costo por producir una tonelada de acero
son distintas en cada una de ellas. El tiempo y el costo en cada una de ellas se
proporciona en la tabla. Cada mes Steelco debe producir por lo menos 500 toneladas de
acero 1 y 600 toneladas de acero2. Plantee un PL para minimizar el costo de producir el
acero deseado.
Acerera
1
Acero 1
Acero 2
Disponible
tiempo
costo
tiempo
costo
200 h/mes
20 /tn
$10 /tn
22/tn
Acerera2
24 /tn
$12/tn
18/tn
Acerera
3
28 /tn
$14/tn
30/tn
$11/tn
$9/tn
$10/tn
200 h/mes
200 h/mes
MODELO DE PL
min 10x11+11x12+12x21+9x22+14x31+10x32
st
20x11+22x12<=12000
24x21+18x22<=12000
28x31+30x32<=12000
x11+x21+x31>=500
x12+x22+x32>=600
end
ANALISIS DE SENSIBILIDAD:
LP OPTIMUM FOUND AT STEP
10400.00 $/mes
VARIABLE
VALUE
X11: 500.000000 tn/mes
X12: 0.000000 tn/mes
X21: 0.000000 tn/mes
X22: 600.000000 tn/mes
X31: 0.000000 tn/mes
X32: 0.000000 tn/mes
ROW
REDUCED COST
0.000000
2.000000
2.000000
0.000000
4.000000
1.000000
SLACK OR SURPLUS
DUAL PRICES
2)
3)
4)
5)
6)
2000.000000
1200.000000
12000.000000
0.000000
0.000000
NO. ITERATIONS=
(slack) min/mes
(slack) min/mes
(slack) min/mes
(surplus) tn/mes
(surplus) tn/mes
0.000000
0.000000
0.000000
-10.000000
-9.000000
2)
3)
4)
5)
6)
Problema 12
Candy Kane Cosmetics (CKC) fabrica el pefume Leslie, el cual requiere productos
qumicos y mano de obra. Hay dos procesos de produccin: En el proceso 1 se transforma
9
una unidad de mano de obra y dos unidades de productos qumicos en 3oz de perfume.
En el proceso 2 se transforma dos unidades de mano de obra y tres unidades de producto
qumico en 5oz de perfume. CKC gasta 3 dlares al comprar una unidad de mano de obra
y 2 dlares por una unidad de productos qumicos. Se pueden comprar cada ao hasta
20000 unidades de mano de obra y 35000 unidades de productos qumicos. Como no hay
publicidad, CKC opina que puede vender 1000oz de perfume. Para estimular la demanda
de Leslie, CKC. Desea contratar a la bella modelo Jenny Nelson. Jenny cobra 100 dolares
la hora. Se estima que por cada hora que Jenny trabaja por la compaa la demanda del
producto se incrementa en 200oz. Cada onza del perfume Leslie se vende en 5 dlares.
Utilice la PL para determinar como CKC puede maximizar su utilidad.
Proceso 1
Proceso 2
Costo
Disponible
2000 unidades
2 $/unidad
35000unidades
Produccin
3 onz/corrida
2
unid/corrida
3
unid/corrida
5 onz/corrida
3 $/unidad
P. Qumicos
1
unid/corrida
2 unid/corrida
MO
Venta
1000 oz
modelo
Precio de
Venta
5 $/onza
5 $/onza
MODELO DE PL
max 15x1+25x2-100h-3x1-6x2-4x1-6x2
st
1x1+2x2<=20000
2x1+3x2<=35000
3x1+5x2-200h=1000
end
ANALISIS DE SENSIBILIDAD:
OBJECTIVE FUNCTION VALUE:
1)
118000.0$/corrida
VARIABLE
X1
X2
H
ROW
2)
3)
4)
VALUE
10000.000000 corrida
5000.000000
corrida
270.000000
horas
SLACK OR SURPLUS
0.000000 (slack) unidades
0.000000 (slack) unidades
0.000000 (slack) onzas
NO. ITERATIONS=
100$/unid
200 onz/unid
9
RANGES IN WHICH THE BASIS IS UNCHANGED:
OBJ COEFFICIENT RANGES
CURRENT
ALLOWABLE
ALLOWABLE
COEF
INCREASE
DECREASE
15.000000
1.833333
2.250000
25.000000
4.500000
2.750000
-100.000000
100.000000
900.000000
VARIABLE
X1
X2
H
ROW
2
3
4
SESION IV
TRANSPORTE
EL MODELO DE TRANSPORTE
desde
cualquier
grupo
de
centros
de
suministro,
de
llamados
proporcional
al
de
las
fuentes
al
destino
unidad distribuida.
El planteamiento de programacin lineal de esta problema queda como sigue:
Minimizar
m n
Z = CijXij
i j1
Sujeta a
n
Xij Si , para i = 1,2,...,m
j 1
es
9
m
, para j = 1,2,....,n
X
ij
d
j
j
1
Xij 0 , para todo i y j
................
Suministro
C11
C12
................
C1n
S1
C21
C22
................
C2n
S2
Cm1
Cm2
................
Cmn
Sm
Demanda
d1
d2
................
dn
1
Esta condicin de que la oferta total debe ser igual a la demanda
total simplemente requiere
que el sistema est en equilibrio.
Si el problema tiene significado fsico y no se satisface
esta condicin, por lo comn significa que Si , o bien , dj en
realidad representa una cota, en lugar de un requerimiento
exacto. Si este es el caso puede introducirse una fuente o
destino ficticios para captar la holgura con el fin de convertir
las desigualdades en igualdades y satisfacer la condicin de
factibilidad.
2
C12
................
................ C1n
Suministro
S1
C21
C22
................ C2n
S2
Fuente
M
Cm1
Cm2
................ Cmn
Sm
Demanda
d1
d2
................
dn
Vj
Si Xij
es
una
varia
ble
bsic
a
C
ij
Si Xij es una
variable no bsica
Cij
Xij
Cij Ui
Ui
Vj
PASO DE INICIALIZACIN
Veamos primero, cul es el nmero de Variables Bsicas en cualquier
solucin bsica de un problema de transporte. An cuando hay (m+n) restricciones
funcionales, el nmero de variables bsicas es tan solo (m+n-1). La razn es que
tienen restricciones de igualdad y este conjunto de (m+n) ecuaciones tiene una
ecuacin extra (o redudante) que puede eliminarse sin cambiar la regin factible, es
decir, cualquiera de las restricciones se satisfacen automticamente siempre que se
satisfagan las otras m+n-1 restricciones.
Criterios Alternativos para el Paso de Inicializacin
Destino
1
16
16
13
22
Abast.
17
50
14
14
13
19
15
60
Fuente
19
19
20
23
50
M
4
(F
)
0
50
Ui
Para cada rengln de origen que queda bajo consideracin debe determinarse ui ,
su
mayor costo unitario (Cij) de los que quedan en ese rengln. Para cada columna de
destino
que todava est bajo consideracin, determnese su vj , el mayor costo unitario de los
que
hay en esa columna.
estos
2
5
3
Abast.
Dif
rengl
n
16
50
16
3
13
22
17
14
60
14
1
13
19
15
19
50
19
0
20
23
4(F)
30
20
30
60
Demanda
Dif
.
50
0
70
0
2
14
19
15
Colu
mna
M
a
y
o
r
2
5
3
Abast.
Dif
rengln
16
3
16
13
17
50
14
1
14
13
15
60
19
0
19
20
50
4(F)
M
M
0
0
Demanda
30
20
Dif
.
14
0
70
60
Seleccinese X45 =
20
15
Colu
mna
M
a
y
o
r
60 20 =40
20
2
5
Dif
3
Abast.
rengln
50
16
13
16
17
14
1
14
13
15
60
19
0
19
20
50
Demanda
30
20
70
60
Dif
.
Mayor
Colu
mna
Seleccinese X13 = 50
Elimnese el rengln 1
70
50 =
20
2
5
14
13
14
15
19
19
Dif
3
Abast.
rengln
60
20
50
Demanda
Dif
.
Colu
mna
30
20
5
7
20
M15
40
Mayor
14
60-40=20
2
Abast.
Dif
rengln
14
20
19
20
13
19
Demanda
30
20
50
Seleccinese X23
20
=20 Elimnese el
Dif.
rengln 2
5
Columna
M
a
y
o
r
2
Abast.
Seleccinese
X31 =30
19
20
19
50
Demanda
30
0
20
X32= 20
X33= 0
ij = Cij - ui - vj .
Iteracin
u1 u3
v1
v3
v5
u4
v2
u2
ij
may
or
Asignacin
nega
tivo
v4
M
19
45 = -2M X45 = 50
M
M
19
19
15 = -5M X15 = 10
19
23
23
19
13 = -29 X13 = 40
4
19
19
20
23
23
19
23 = -26 X23 = 30
5
19
19
23
23
19
21 = -24 X21 = 30
22
M
19
23
M
M
22
20
19
23
3
19
22
20
Inaplicable
= 30
Destino
16
2
Abast.
16
3
Ui
13
22
17
1
50
40
2
14
14
19
60
30
10
30
15
19
19
20
23
50
0
4
(F
)
Demanda
Vj
20
0
30
M
50
50
30
20
70
30
60
debe tener una (Cij - ui - vj ) negativa para hacer decrecer el costo total Z.
Parte 2: Al incrementar la variable bsica que entra a partir de cero se inicia una
reaccin
en cadena de cambios compensadores en las otras variables bsicas.
REGLA DE DETENCIN
Criterio de Optimidad
de las ui y vj
para la solucin bsica factible en curso y entonces calcular estas
(Cij - ui-vj ).
Puesto que se requiere que (Cij - ui - vj ) sea cero si Xij
es una variable bsica, las
1
2
Abast. Ui
16
16
17
13
-
1
+2
22
50
-5
10
+
+4
40
+2
14
14
13
19
15
60
-5
+1
30
30
-2
0
19
19
23
20
M
50
3
0
20
30
M-22
+2
)
4
(F
M
0
0
M
M+3
1
+3
M+4
50
22
50
Demanda
30
20
70
30
60
Vj
19
19
18
23
22
C= IM ij
i
j
u
i
v
j
16
16
22
Abast.
13
17
50
1
50
+4
13
19
15
+2
-5
+2
+2
14
14
+1
20
30
60
-5
10
0
19
19
20
-
23
M
50
0
20
M-20
30
+2
M
0
0
4
(F
)
0
50
20
M+1
+1
M+2
-3
50
Demanda
30
20
70
30
60
Vj
19
19
18
23
20
2
Abast.
3
Ui
16
1
16
22
13
17
50
-8
Ui
+5
+5
50
14
+7
+2
14
13
19
60
-8
15
+3
+4
20
40
+3
19
19
23
M
20
50
+
30
-1
M-23
20
M
4
(F
)
M
0
+
M+4
+4
30
0
50
23
M+2
20
Demanda
30
20
70
30
60
Vj
19
19
21
23
23
16
16
22
1
+4
Abast.
13
17
50
-7
+2
+7
50
+4
14
14
19
13
15
60
2
+2
-7
+4
20
40
+2
19
19
23
20
M
50
3
30
20
M
M+3
+2
Demanda
Vj
M-22
+1
0
0
4
(F
)
M
0
+3
M
30
70
60
20
30
19
20
22
19
22
50
-22
30
20
30
60
22
22
Ui
TODOS
LOS
Imij>=0?
SI
TABLERO OPTIMO
NO
.
EJERCICIOS
PROBLEMA 1
Tres plantas de produccin P1, P2 y P3 con capacidades
de 1000, 1000, y 1500, respectivamente, tienen que
abastecer cuatro ciudades C1 ,C2, C3 y C4, que
demandan
500,
700,
600
y
800
unidades,
respectivamente. Los costes de produccin por unidad de
cada planta son de 1 u. m., y los costes asociados al
transporte por unidad se reflejan en la siguiente tabla:
Costo de transporte
Costo de
Produccin
4
3
2
P1
P2
P3
C1
C2
C3
C4
6
19
7
10
16
17
7
11
12
12
9
9
PROBLEMA 2
Tres plantas de produccin P1, P2 y P3 con capacidades
de 1000, 1000, y 1500, respectivamente, tienen que
abastecer cuatro ciudades C1 ,C2, C3 y C4, que
demandan
500,
700,
600
y
800
unidades,
respectivamente. Los costes de produccin por unidad de
cada planta son de 1 u. m., y los costes asociados al
transporte por unidad se reflejan en la siguiente tabla:
Costo de transporte
Costo de
Produccin
4
3
2
P1
P2
P3
C1
C2
C3
C4
6
19
7
10
16
17
7
11
12
12
9
9
PROBLEMA 3
Tres plantas de produccin P1, P2 y P3 con capacidades
de 1000, 1000, y 1500, respectivamente, tienen que
abastecer cuatro ciudades C1 ,C2, C3 y C4, que
demandan
500,
700,
600
y
800
unidades,
respectivamente. Los costes de produccin por unidad de
cada planta son de 1 u. m., y los costes asociados al
transporte por unidad se reflejan en la siguiente tabla:
Costo de transporte
Costo de
Produccin
4
3
2
P1
P2
P3
C1
C2
C3
C4
6
19
7
10
16
17
7
11
12
12
9
9
M1 M2 M3 M4
12 15 16 14
15 2 18 16
10 15 8
6
prdidas de 20000,
respectivamente.
25000,
20000
15000
pts.
PROBLEMA 5
Una empresa se dedica a recoger y comercializar naranjas.
Estas son recogidas, empaquetadas y trasladadas a uno de
los almacenes que la empresa posee en Tampa, Miami y
Fresno. Desde estos almacenes, a su vez, se transportan
las naranjas a los mercados de Nueva York, Filadelfia,
Chicago y Boston.
En el cuadro siguiente se muestran los costes de transporte
por tonelada ($) y los requerimientos mximos de demanda
y oferta de los mercados y de los almacenes:
Tampa
Miami
Fresno
DEMANDA
Nueva
York
9
11
12
130
Filadelfi
a
14
10
8
170
Chicag
o
12
6
15
100
Bosto
n
17
10
7
150
OFERTA
200
200
200
PROBLEMA 6
Una compaa dispone de tres factoras, A, B y C, en las
que elabora 100, 70 y 50 unidades de un producto que
debe ser suministrado a cinco clientes, C1, C2, C3, C4 y
C5 que demandan 60, 40, 30, 20 y 40 unidades
respectivamente. Los beneficios netos asociados con el
transporte de cada unidad desde cada factora a cada
cliente son los siguientes:
C1
A 6
B 10
C 2
C2
7
8
9
C3
8
9
5
C4
6
5
10
C5
9
3
6
PROBLEMA 7
Una compaa tiene factoras en A, B y C desde donde
suministra a almacenes situados en D, E, F y G, un
determinado producto. Las capacidades mensuales de las
factoras, en produccin regular, son 250, 300 y 200,
respectivamente. Si se emplean horas extraordinarias en
la produccin, las capacidades pueden ser incrementadas
hasta 320, 380 y 210, respectivamente. Los costos de las
unidades producidas en horas extras son superiores a la
normales en 500, 600 y 800 pts por unidad, para cada
una de las tres factoras.
Las necesidades actuales de los almacenes son 170, 190,
230 y 180, respectivamente. Los costes unitarios de
fabricar y transportar de las factoras a los almacenes son:
A
B
C
D
800
600
400
E
F
G
900 1000 1100
1200 900 700
1300 300 1200
Nuev
a
york
Produccin
Normal
Atlanta
$8
$5
600
Tulsa
Plantas
Nueva
propuestas Orleans
$4
$5
$7
$6
900
500
Houston
$4
$6
500
800
1100
Plantas
Existentes
Pronostico
de
demanda
PROBLEMA 9
Una Compaa panificadora puede distribuir un pan especial en
cualquiera de sus dos plantas, la planta tiene capacidad de 2500
unidades y la B 2100 unidades, el costo de produccin es de 24 y 25
centavos la unidad respectivamente.
El reparto es a cuatro cadenas de ventas que consumen, 1800, 2300,
550 y 1750 respectivamente. El precio con que se les vende a cada
una es de : 39,37,40 y 36 centavos la unidad. Adems el costo de
embarque de cada planta a cada cadena es :
Planta A : 6,8,11 y 9 centavos.
Planta B: 12,6,8 y 5 centavos.
Hallar el mejor plan de distribucin de pan.por cada pan no
cubierto se penaliza con 1 centavo.
PROBLEMA 10
Tres ciudades se abastecen de electricidad de tres centrales
electricas con capacidades de 25,40 y 30 megawatts (MW).Las
demandas mximas en las tres ciudades se estiman en 30,35y 25
MW.El precio por MW en las tres ciudades son:
CIUDAD
CIUDAD
CIUDAD
1
2
3
PLANTA 1 600
700
600
PLANTA 2 330
600
300
PLANTA 3 500
480
450
Durante el mes de agosto hay un aumento de 20% en la demanda de
cada ciudad, que se puede satisfacer comprando electricidad de otra
red, a una tasa elevada de $1000 por MW,sin embargo la red no esta
conectada a la ciudad 3.Cual debe ser el costo mnimo para el mes de
agosto?
PROBLEMA 11
Dada la siguiente tabla de costo de transporte:
Ciudad
Ciudad
Ciudad3
Fabrica
1
Fabrica
2
Fabrica
3
1
3
2
4
PROBLEMA 12
Una compaa tiene seis personas, 3 ubicadas en EEUU, 2 en Rusia y
1 en Nigeria. Arabia desea tener dos personas, Venezuela 1 y 3
Indonesia ,se les pagara: $4200, $4000 y $3500 en cada pas. Los
gastos de permanencia en cada pais ascienden a $1200 en Arabia,
$1000 en Venezuela y $ 900 en Indonesia. La tabla siguiente muestra
el costo del pasaje de un pas a otro de ida y vuelta.
Desde
Arabia Venezue Indonesi
la
a
EEUU
1800
800
1500
Rusia
1500
1200
1400
Nigeria
1300
1200
1300
Como debe realizar esta compaa el traslado de su personal para
lograr la mxima utilidad posible.
PROBLEMA 13
PROBLEMA 14
Dos compaas farmacuticas tienen inventarios de dosis de 1.1 a 0.9
millones de cierta vacuna contra la gripe y se considera inminente
una epidemia de gripe en tres ciudades. Ya que la gripe podra ser
fatal para los ciudadanos de edad avanzada, a ellos se les debe
vacunar primero ,a los dems se les vacunar, segn se presenten
,mientras duren los suministros de la vacuna. Las cantidades de
vacuna(en millones de dosis) que cada ciudad estima poder
administrar son las siguientes:
Ciudad
Ciudad
Ciudad
1
2
3
A
0.325
0.26
0.195
anciano
s
A otros
0.795
0.8
0.65
Los costos de embarque(en centavos por dosis) entre las compaas
farmacuticas y las ciudades son los siguientes
Compaia
1
Compaa
2
Ciudad
1
3
Ciudad
2
3
Ciudad
3
6
PROBLEMA 15
Un fabricante recibe de una gran ciudad un pedido de seis autobuses
de dos pisos, los cuales seran entregados por pares durante los
prximos tres meses. Las fechas de produccin para el fabricante se
muestran en la tabla
Mes 1
Mes 2
Mes 3
Cap.TN 1
2
3
Cap.T.E. 2
2
2
Costo
35
43
40
/und. TN
Costo
39
47
45
/und. TE
Los autobuses puden entregarse a la ciudad al final del mes que se
ensamblan,o el fabricante puede almacenarlos con un costo mensual
de $3000 por autobs, para embarcarlos durante un mes posterior. El
fabricante no tiene almacenado ningn autobs de este tipo y no
desea ninguno despus de terminar este contrato. Determnese un
programa de produccin que cumpla las condiciones de la ciudad, a
un costo mnimo para el fabricante.
PROBLEMA 16
Una compaa farmacutica estima la demanda para una de sus
vacunas
(en
millones
de
dosis),de
la
siguiente
forma:
octubre,7.1;noviembre,13.2;diciembre,12.8;enero,7.7;y
febrero,
2.1.durante los otros meses, la demanda es relativamente baja y la
poltica de la compaa para cubrir estas demandas es tener, para
fines de febrero ,un inventario de un milln de dosis. lleva cuatro
semanas producir la vacuna, asi que no hay dosis disponibles para
embarque durante el mes que son producidas. Una vez que la vacuna
esta lista, sin embargo, se la puede enviar de inmediato a los
consumidores o conservarla en inventario a un costo de 10 centavos
mensuales por dosis. Tradicionalmente, la compaa produce la
vacuna solo entre agosto y diciembre. El 1 de setiembre se distribuye
cualquier sobrante del inventario de vacuna del ao anterior.
Mes
Capacidad Costo
Agosto
12.5
63
Setiembre
11
68
Octubre
9.5
75
Noviembre 8.1
52
Diciembre
5.5
48
Determines un progrma de produccin que cubra toda la demanda a
un costo minimo.
PROBLEMA 17
MGM tiene la posibilidad de hacer uso de sus tres fabricas para
elaborar artculos a tres lugares de expendio .La capacidad de cada
fabrica es de 350 artculos y la demanda de cada articulo es de 280
unidades. Los costos de transporte al lugar 1 para cada fabrica es de
5,3 y 3 .Los costos de transporte al lugar 2 son de: 6,2 y 6. Los costos
de transporte al lugar 3 son de: 4,6 y 9. La fabrica 2 no debe ir al
cliente 2.
Cul debe ser el embarque optimo, si el negociante vende los
productos al valor de: $10, $12 y $11 en cada lugar.
PROBLEMA 18
Una empresa desea determinar su poltica de distribucin, para lo
cual va a minimizar sus costes de transporte. Esta compaa tiene
tres plantas, y tres almacenes, y sus costes de transporte son los
siguientes:
Almacn
1
Planta A 40
Planta B 35
Almacn
2
20
30
Almacn
3
20
15
Planta C 20
13
15
Acer
o3
$28
$30
$20
Tiempo
(min/ton)
20
16
15
Platafor
ma
1
2
3
4
1
27
38
27
35
Puesto
2
3
12
34
23
28
48
51
59
4
30
28
23
24
SESION V
REDES
MODELO DE REDES
La importancia del anlisis de flujo de redes, en los ltimos aos ha
crecido de una manera progresiva en todos los campos de la
planificacin; de procesos tareas y recursos tanto econmicos como
fsicos y del tiempo de los proyectos que requieren de este tipo de
planificacin.
La aplicacin de estos tipos de modelos tiene infinidades campos de
accin en los diferentes proyectos de inversin tales como:
En los proyectos de diseos de tuberas de acueducto, gas
natural, electrificacin, vas, tanto frreas como carrete
hables.
Ruta Corta:
El modelo de la ruta mas corta se refiere a una red en la
cual cada arco (i;j) tiene asociado un numero Cij; el cual se
interpreta como la distancia (o tal vez el costo o el tiempo)
desde el nodo i hasta el nodo j. Una ruta o camino entre dos
nodos en cualquier secuencia de arcos que los conecte.El
objetivo consiste en encontrar las rutas mas cortas ( o de
menor costo o mas rpidas) desde un nodo especifico hasta
cada uno de los dems nodos de la red.
ARCOS DIRIGIDOS:
Problema 1.-Un transportista desea llevar su mercadera (nodo 1)
desde su punto de produccin hacia su cliente (nodo 5),la siguiente
ARCOS NO DIRIGIDOS:
La empresa Sullivan S.A. desea hallar la ruta mas conveniente que se debe usar desde
su fabrica hacia su puerto de embarque, sus tcnicos han elaborado un grfico para tener
todas sus posibilidades de recorrido (distancias en kilometros). Su fabrica se encuentra
ubicada en 0 y el puerto de embarque esta ubicado en T, como se puede apreciar hay
una variedad de rutas, el siguiente grfico esboza los caminos entre esos dos puntos.
8.
9.
3)
4)
EJERCICIOS
APLICACIN FLUJO MXIMO
PROBLEMA 2
Recientemente el estado de Ohio adquiri terreno para un nuevo
parque estatal. Las personas que estn elaborando los planes para el
parque han identificado las ubicaciones ideales para la casa club, las
cabaas, los espacios para das de campo, el muelle para
embarcaciones y los puntos escnicos de inters. Estos espacios
estn representados mediante los nodos de la red que aparece en
seguida. Las ramas de la red representan las posibles alternativas de
caminos en el parque. Si los diseadores del parque estatal desea
minimizar el total de millas de caminos que se deben construir en el
parque y al mismo tiempo ofrece acceso a todas las instalaciones
(nodos) Qu caminos en alternativas se deben construir?
PROBLEMA 3
El sistema de carreteras norte sur que pasa por Albany, New York,
tiene las capacidades que se muestran en la siguiente grafica.
PERT-CPM
Sesin VII
TEORIA
COLAS
DE
7 Lneas de espera.
7.1 introduccin
7.1.1 Definiciones, caractersticas y suposiciones.
El problema es determinar que capacidad o tasa de servicio
proporciona el balance correcto. Esto no es sencillo, ya que el cliente
no llega a un horario fijo, es decir, no se sabe con exactitud en que
momento llegarn los clientes, aunque se suele calcular mediante un
promedio. Tambin el tiempo de servicio no tiene un horario fijo y
tambin se maneja con un promedio.
Definicin.
Una Cola es una lnea de espera y la teora de colas es una coleccin
de modelos matemticos que describen sistemas de lneas de espera
Costo de Espera.
Esperar significa desperdicio de algn recurso activo que bien se
puede aprovechar en otra cosa y esta dado por :
Costo total de espera = CwL
Donde Cw = costo de espera por hora (en dlares) por llegada por
unidad de tiempo y L= longitud promedio de la lnea.
Costo de Servicio.
Este en la mayora se trata de comprar varias instalaciones de
servicio , en estos casos solo se ocupan los costos comparativos o
diferenciales.
Sistema de costo mnimo.
Aqu hay que tomar en cuenta que para tasas bajas de servicio, se
experimenta largas colas y costos de espera muy altos. Conforme
aumenta el servicio disminuyen los costos de espera, pero aumenta el
costo de servicio y el costo total disminuye, sin embargo , finalmente
se llega a un punto de disminucin en el rendimiento. Entonces el
propsito es encontrar el balance adecuado para que el costo total
sea el mnimo.
Estructuras tpicas.
Las llegadas pueden ser personas, cartas, carros, incendios,
ensambles intermedios en una fbrica, etc. En la siguiente tabla se
muestran algunos ejemplos de varios sistemas de colas.
Situacin
Llegadas
Cola
Mecanismo de
Servicio
Aeropuerto
Aviones
Aviones
en Pista
carreteo
Aeropuerto
Depto
Pasajeros
de Alarmas
bomberos
incendio
Compaa
Nmeros
telefnica
marcados
Lavado
de Autos
Sala de espera
de Incendios
Depto.
De
Bomberos.
Llamadas
Conmutador
Autos sucios
Mecanismo
carros
La corte
Avin
de
lavado
Casos
Casos
Juez
atrasados
Panadera
Clientes
Clientes
con Vendedor
nmeros
Carga
de Camiones
camiones
Fbrica
Hospital
Camiones
en Muelle de carga
espera
Subensamble
Pacientes
Inventario
en Estacin
proceso
trabajo.
Personas
Hospital
de
enfermas
Ejercicios
Problema 1.- Se tienen tres cajeros, los clientes llegan a la velocidad
de 10 por minutos ,atienden a la velocidad de 5 por minuto, se
permite que los clientes esperen por la atencin y pueden llegar de
cualquier lugar.
Problema 2.-Un club de 40 socios, realizan una actividad bailable
exclusiva para su club, alquilan un local ,se ubican dos ventanillas de
ventas de boletos ,los socios llegan a razn de 3 por hora, atienden
cada cliente en 3 minutos .
Problema 3.-Se tiene una cochera con la posibilidad de albergar 15
vehculos, estos llegan con un proceso de Poisson de 4 por hora y se
demoran en la cochera 0,5 h .con una distribucin exponencial.
Problema 4.-Se ha inaugurado un exclusivo lugar de venta de
comida, por poltica de la empresa no permite que esperen en las
afueras del local. el local tiene 4 mozos,10 mesas, cada mesa con 4
sillas, los comensales llegan 4 por 0,5 horas y se demoran en comer
0,15 horas.
Problema 5.-Se tiene una piscina con tres carriles, cada carril es
separado en lado derecho e izquierdo, un nadador solo puede hacer
uso de un lado. Si un nadador llega y encuentra ocupado la piscina
se va a otro local. En promedio los nadadores llegan a razn de 3 por
hora y usan la piscina 45 minutos.
Problema 6.-Un detective se ve abrumado por la cantidad de casos
policiales que existen en su jurisdiccin, este pide un asistente para
resolver juntos los casos. Los casos suceden 3 por semana y
solucionarlos demora 10 das
Problema 7.-En una oficina estatal las personas llegan y solicitan
una solicitud para llenarlo con sus datos ,estos ingresan a razn de 3
por minutos, una persona llena en promedio la solicitud en 10
minutos.
Problema 8.-En el muelle estatal llegan los barcos cada da a la
velocidad de 5 por da, una cuadrilla de 5 personas atienden a un
barco para descargar sus bodegas, se demoran en atender a un barco
6 das.
Problema 9.-Un mecnico es contratado para atender 4 maquinas
en un departamento de produccin. El mecnico se demora 0,3 das
en atender cada maquina y estas se malogran a razn de 4 por da.
Problema 10.-Una maquina destinada a colocar las tapas de frascos
con esprragos hace su trabajo a la velocidad de 10 frascos por
Problemas
Problema 1.Se tiene una centro de vente de lotera en la entrada de un centro
comercial, all la venta lo realiza la seorita Cynthia, anfitriona ella de
la Lotera Gana Mas; ella atiende de 8 am hasta las 8 pm, en horario
corrido , y con su experiencia ganada saber convencer a los
potenciales clientes para la compra de la lotera. Ella a calculado que
los compradores de lotera llegan a razn de 10 por hora, ellas los
atiende en un lapso de 5 minutos, mientras le conversas sobre la
lotera, les propone nmeros en fin, para este escenario se desea
saber:
a) Cual es la probabilidad de que su enamorado llegue y lo
encuentre desocupada para charlar con ella?
b) Cunto tiempo de una hora podra conversar con su enamorado
sin afectar su trabajo?
c) Cul es la probabilidad que su enamorado tenga que esperar para
que hable con ella?
d) Si su enamorado se pone a la cola, cuanto demorara en estar
frente a ella?
e)Si Cynthia gana $0.5 por lotera que vende, Cunto seria si su
ingreso diario promedio?
Problema 2.En una paradero de autobuses, una persona espera la pasada del
micro que lo conduzca a casa, la cantidad de pasajeros que llegan al
terminal se puede cuantificar en una cantidad de 1.5 por minuto, el
vendedor de boletos atiende a una velocidad de 100 por hora gracias
su experiencia ganada en al venta de boletos, se desea hallar:
a) Cual es la probabilidad de encontrar cola
b) Cuantos pasajero se puede hallar en cola en cualquier
momento
c) Cuanto tiempo en promedio se demora el vendedor de boletos
en atender a los nuevos pasajeros
d) Cual es la probabilidad de encontrarlo ocioso.
e) Cuanto tiempo se demora una persona en comprar un boleto
f)
saber:
a) Cual es la probabilidad de encontrar un cajero ocupado?
b) Cul es la probabilidad de que haya una persona en cola
exactamente?
c) Cul es la probabilidad de no hacer cola?
d) Cuntos clientes habr en el banco en promedio?
e)Si una persona ingresa a cola, en cuanto tiempo estar frente al
cajero ?
Problema 8.Una estacin de servicio tiene una bomba para despachar gasolina.
Los autos llegan a comprar gasolina con una tasa promedio de 10 por
hora. Aparentemente el tiempo necesario para dar servicio a un
automvil con una media de 2 minutos. En la estacin caben un
mximo de cuatro automviles y las leyes locales de transito
prohben que los autos esperen en al via publica.
hallar:
a) Cual es la probabilidad de encontrar lleno el local
b) En promedio cuantos se van a otro local a comprar gasolina
c) En cuanto tiempo en promedio es atendido un cliente por el
cajero.
d) Cual es la probabilidad que yo sea el nico en ser atendido
e) Cuanto tiempo estar ocioso el servidor si trabaja 8 horas
f) Si se tendra otra bomba similar ,en cuanto disminuiran los
clientes que se van a otro lugar
Problema 9.Un pequeo banco tiene dos cajeros, uno para depsitos y uno
para retiro. el tiempo de servicio para cada cajero se distribuye
exponencialmente, con una media de 1 minuto. Los clientes llegan
al banco siguiendo un proceso poissoniano, con una tasa media de
40 por hora, se considera que cada uno con una tasa media de 20
por hora, y que ningn cliente realiza tanto un deposito como un
retiro. El banco esta considerando cambiar el arreglo actual para
permitir que cada cajero se encargue tanto de depsitos como de
retiros. El banco esperara que el tiempo medio de servicio de
cada cajero aumentara a 1.2 minutos, pero desea que el nuevo
SISTEMAS DE
INVENTARIOS
Inventario de Mercancas:
Estn formados por todos aquellos bienes que le pertenecen a la
empresa bien sea comercial o mercantil, los cuales los compran para
luego venderlos sin ser modificados las que compran las empresas
manufactureras para usarlas como materia prima.
Se ha de encontrar diferentes tipos de inventarios como:
1.- Inventario de Productos Terminados:
Son
todos
aquellos
bienes
adquiridos
por
las
empresas
Son los materiales con los que se elaboran los productos, pero que no
pueden ser cuantificados de una manera exacta (Pintura, lija, clavos,
lubricantes, etc.).
Los inventarios son importantes para los fabricantes en general, y
varia ampliamente entre los distintos grupos de industrias. La
composicin de esta parte del activo es una gran variedad de
artculos, y es por eso que se han clasificado de acuerdo a su
utilizacin en los siguientes tipos:
Inventarios de Materia Prima
Inventarios de Produccin en Proceso
Inventarios de Productos Terminados
Inventarios de Materiales y Suministros
Inventarios de Materias Primas
En toda actividad industrial concurren una variedad de artculos
(Materias Primas) y materiales, los que sern sometidos a un proceso
para obtener al final un articulo terminado o acabado. A los
materiales que intervienen en mayor grado en la produccin se les
considera Materia Prima, ya que su uso se hace en cantidades los
suficientemente importantes del producto acabado. La Materia prima,
es aquel o aquellos artculos sometidos a un proceso de fabricacin
que al final se convertir en un producto terminado.
dentro
de
estos
artculos
de
consumo
los
mas
volumen
necesitan
ser
controlados
adecuadamente,
la
Demanda Flexible
Suministro Incierto
Deterministico
Demanda Constante
Suministro Instantneo
Alternativa 1
Alternativa 2
Alternativa N
5.
EJEMPLO
Agujas S.A., una empresa que comercializa las agujas hipodrmicas
indoloras en los hospitales, desea reducir sus costos de inventario
mediante la determinacin del nmero de agujas hipodrmicas que
debe obtener en cada orden. La demanda anual es de 1000 unidades;
el costo de preparacin o de ordenar es de 10 dlares por orden; y el
costo de manejo por unidad de ao es de 50 centavos de dlar.
Utilizando estos datos, calcule el nmero ptimo de unidades por
orden (Q*), el nmero de rdenes (N), el tiempo transcurrido (T), y el
coso total anual del inventario. Utilizar un ao laboral de 250 das.
1. Q* =
Q* =
2DK
H
2(1000)(10)
0.50
Q* = 40000
Q* = 200 unidades
Solucin:
D
Q*
1000
N=
200
N = 5 rdenes por ao
2. N =
3.T =
D
Q
k+ H
Q
2
1000
200
TC =
($10)+
($0.50)
200
2
TC = (5)($10)+ (100)($0.50)
TC = $50 + $50
TC =
4.TC=
150
0.5
0..8
0..13
0.16
0.5
0..8
0..13
0.16
innecesariamente
altos,
el
siguiente
pedido
deber
2*6000*1000/(60*(1-500/800))
730.3 unidades
Inventario Mximo:
(p-d)(Q/p)=(800-500)(730.3/800)=273.86 unidades
Inventario Promedio:
(1/2)(p-d)(Q/p)=(1/2)(800-500)(730.3/800)=136.93 unidades.
Numero promedios de pedidos:
D/Q = 6000/730.3 =8.21 pedidos/ao
Tiempo en que se termina el inventario (T):
T=Q/D = 730/6000 =0.121 ao *12=1.46 meses
Tiempo en que se termina la produccin (t):
t=Q/P =730.3/800 =0.9125 mes
Punto de nuevos pedidos (R ) :
R= D*L = (6000 unid/ao)(1 /52 ao) =115.38 unidades
Costo Anual: CRu(D/Q) + (1/2)(P-D)(Q/P)(CPu)
Costo
anual:
(60)=$16431.6/ao
1000(6000/730.3)+(1/2)(9600-6000)(730.3/9600)
Costo de
Maquina
Costo
de produccin
Capacidad
de produccin/mes
$2000
$4/unidad
4800 cajas
$1500
$3/unidad
4200 cajas
$1200
$2,5 /unidad
3900 cajas
Problema 17.La empresa black esta evaluando dos polticas, una de las es la seguir
comprando sus materiales al precio de $12 por unidad, mantener un
costo de inventario de $8 por unidad al ao. La demanda es de 400
unidades por trimestre, traer los pedidos acarrean un costo de $40
por pedido.
La otra poltica es considerar la produccin , el costo fijo de arrancar
es de $250, la produccin es de 2200 unidades al mes.
a) Cul poltica debe elegir?
b) De la poltica seleccionada hallar todos sus parmetros.
Problema 18.Se consume materia prima de 12000 kilos por ao. El costo fijo de
cada orden es de $80 ,el costo anual de mantenimiento del inventario
se estima en un 10% de la inversin que representa el inventario
promedio, no se permite dficit, el precio de la materia prima es
variable y esta dado por:
Orden en Kilos
Precio por kilo
0 q < 6000
6000 <= q < 10000
10000 <=q
$2,70
$1.70
$1.00
Referencia Bibliografica
1.-TAHA H. Investigacin de Operaciones, PRENTICE HALL, Mxico
1998
L-WAYNEA
,Investigacin
de
Operaciones,
grupo
Editorial
Iberoamerica, Mexico,1994
4.- HILLIER F. Y LIEBERMAN G. Introduccin a la Investigacin de
Operaciones ,
McGraw-Hill, Mxico.2001