Experiencia Laboral

INTRODUCCION A LA INVESTIGACION DE OPERACIONES
Fundamentos de la Investigacin de Operaciones (I.O.)

1. Definicin:
Para iniciar el estudio de una nueva disciplina debemos saber sobre
que trata y cul es su aplicacin mediante una definicin, pero dar
una definicin de I.O. es bastante compleja, debido al lugar y al
tiempo ha cambiando; para la ORSA
( The Operations Research Society of America ) "La I.O. concierne con
la decisin cientfica de como disear y operar el mejor sistema
hombre-mquina,
usualmente
bajo
condiciones
de
asignar
ptimamente los recursos".

2.- Fases en un estudio de I.O.:
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)
Solucin del modelo (se utilizan diferentes algoritmos).
f)
Validacin del modelo (valores posibles para dar un resultado

esperado)
g) Interpretar resultados..
Santiago Javez Valladares
Pgina 1
OBSERVAR
PROBLEMA
INTERPRETAR
RESULTADOS
VALIDACION
MODELO
RECOJO
DE
DATOS
SOLUCION
Pgina 2
3.- BREVE HISTORIA DE LA INVESTIGACION DE OPERACIONES

Markov
fines
del
siglo
pasado.
Modelos
de
inventarios,
de
Tiempo y Movimiento : en los

aos 20 del siglo XX.
Modelos de Asignacin : Konig
y Egervary en la segunda y
tercera dcada del siglo XX.
1759 QUESNAY:
Modelos
Uso
Primitivos
de
Estudios
de
las
Lneas
de
de
Esperas: Erlang a principios del
Programacin
siglo XX.
Matemtica
Teora de Juegos: Von Newman
1874
WALRAS : uso de
tcnicas similares a QUESNAY.
en 1937.
Teora de Preferencias:
Von Newman con Morgenstern.
Precursores de los Modelos
Modelos de Distribucin:
Kantorovich en 1939.
Lineales
Durante
la
Segunda
Guerra
1873 Jordan , Minkowsky
Mundial existan grupos que
en 1896 y Farkas en 1903.
asesoraban con relacin a las

acciones
Modelos
Dinmicos
Probabilisticos:
Anlisis
blicas
de
realizar:
estrategias
de
bombardeo, defensa area y

Pgina 3
programacin de operaciones
estable una seccin de
logsticas; en 1937
Operations Research (O.R,en
Cientficos ayudaron a detectar
espaol Investigacin de
aeroplanos enemigos mediante
Operaciones o
el radar. En el verano de 1941
( I.O.) en la RAF(Real Fuerza
se
Area) de igual modo en la

British
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
crecimiento de esta disciplina.

El auge empieza en 1947 :
1947 GEORGE DANTZING: EL MTODO SIMPLEX.

PROGRAMACION DINAMICA: BELLMAN.
PROGRAMACION NO LINEAL: KUHN Y TUCKER.
PROGRAMACION ENTERA: GOMORY.
REDES DE OPTIMIZACION: FORD Y FULKERSON.
SIMULACION : MARKOWITZ.
INVENTARIOS: ARROW, KARLIN, SCARF,WHITIN.
ANALISIS DE DECISIONES: RAIFFA.
PROCESOS MARKOVIANOS DE DECISION: HOWARD.
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
organizaciones, generando un mayor flujo de informacin con orden y haciendo

buen uso del tiempo para generar informacin importante para mejorar la toma de
decisiones.
c) Se genera mayor control de los procesos y recursos, teniendo controlada la
organizacin para contribuir a lograr los objetivos planteados.
d)
Se hace mejor uso de los factores econmicos, disminuyendo costos y

aumentando las utilidades de las empresas.
SESION I
Introduccin a la Programacin Lineal

Los modelos lineales tienen una variedad de aplicaciones en la vida diaria, es por ello que
en esta seccin vamos a dedicarnos a analizar algunos problemas aplicativos pero a la
vez didcticos para conocer lo potente que es esta herramienta.
Hablar de aplicaciones de modelos lineales es de nunca acabar, cada da aparecen
nuevas propuestas o modificaciones a los ya existentes que hacen que cada modelo sea
adaptado a diferentes realidades, es entonces que en este marco, los siguientes modelos
a desarrollar tienen la finalidad de hacer una introduccin a la formar de modelar y poder
ver en parte sus aplicaciones a sistemas reales.
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
situaciones en las cuales tendremos solo costos ya sea de
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
<=
>=
=
Para expresiones como :

Como mximo, a lo ms, disponibilidad, demanda
mxima.
Como mnimo, por lo menos, al menos, demanda
mnima.
total, proporcin,igualdad
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)
Atencin a los datos de conversiones ( horas a minutos, kilogramos a libras, etc).
c) Paciencia, no todo sale a la primera vez, la constancia llevara al triunfo.

d) Preguntar lo mas que se pueda, de esa manera despejamos dudas.
Programacin Lineal
Formulacin
9
En esta parte debemos considerar algo muy importante, hay una
variedad de
aplicaciones de modelos lineales, en las siguientes paginas vamos a tratar de considerar

la mayor variedad de modelos lineales y sobre todo de mas aplicacin al inicio del
aprendizaje de formulacin de modelos lineales.
PROBLEMA 1.1. PRODUCCIN EN LINEA

Una fbrica de carroceras de automviles y camiones tiene dos departamentos. En el
departamento A, para hacer la carrocera de un camin, se invierten 7 das-operario, para
fabricar la de un automvil se precisan 2 das-operario. En el departamento B se invierten
tres das operario tanto en carroceras de camin como de automvil. Por limitaciones de
mano de obra y maquinaria, el departamento A dispone de 300 das operario, y el
departamento B de 270 das-operario. Si los beneficios que se obtienen por cada camin
son de $6000 y por cada automvil $2000
cuntas unidades de cada uno se deben
producir para maximizar las ganancias? (Considere que para la produccin se debe
utilizar ambos departamentos).
Solucin:
En primer lugar ordenamos la informacin en la siguiente tabla
Cami
Automvi
300
270
6000
2000
Departamento A (Dasoperario)
Departamento B (Dasoperario)
Beneficios ($)
Disponibilidad
1. Definicin de las variables de decisin:
x i : Nmero de vehculos del tipo i =1(camin ) ,2(automvil
) a producir.
se usa un solo sub ndice por que el sistema de produccin es en lnea.
2. Elaboracin de la funcin objetivo:

El beneficio total se obtiene multiplicando el beneficio por el nmero de vehculos
producidos.
Obteniendo
as,
un
beneficio
($6000 / camion )( x1 )camiones + ($2000 / automovil )( x 2 )automovil .
total
de
Finalmente
tenemos la siguiente funcin objetivo:

Maximizar z = 6000 x1 + 2000 x 2
3. Formulacin de las restricciones tecnolgicas:
Restriccin de das-operario en el departamento A.
Podemos ver que, slo disponemos de 300 das-operario en el departamento A;
pero para producir cada camin se necesita de 7 das-operario y para producir
cada automvil se necesita de 2 das-operario. Por tanto la restriccin de dasoperario en el departamento A, queda expresado como: 7 x1 + 2 x 2 300 .
Restriccin de das-operario en el departamento B.

Podemos ver que, slo disponemos de 270 das-operario en el departamento B;
pero para producir cada camin se necesita de 3 das-operario y para producir
cada automvil se necesita de 3 das-operario. Por tanto la restriccin de dasoperario en el departamento A, queda expresado como: 3 x1 + 3 x2 270 .
Restricciones de no negatividad
Dado que las variables de decisin slo pueden tomar valores no negativos,
tenemos que x1 0 , x2 0 .
Problema 2.-(Produccin en lnea)

La empresa Elit elabora yogurt y jugos a base de mango y durazno, esta empresa
compra su materia prima al precio de $0,50 por kilogramo de mango y $0,30 por
kilogramo de durazno, las cantidades mximas que puede comprar es de 1600
kilogramos de mango y 2100 kilogramos de durazno.
El mercado de venta de yogurt es de 9000 botellas como mximo y para jugo no
hay limite, el precio de venta del yogurt y de jugo es de $5 y $3 por cada botella
respectivamente; estos datos y otros se dan en la siguiente tabla:
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
Elabore un modelo lineal para la empresa Elit.

Solucin:
Solucin:
Como el producto se elabora a base de magno y durazno, esto permite hacer
uso de la variable con un solo sub-indice.
x i : Cantidad de botellas de i =1,2 (yogurt y jugo respectivamente) a producir.

max z = ($ 5 / botella )( x1 )botella + ($ 3 / botella )( x 2 )botella

($ 0.5 / kg )( 2kg / botella ( x1 )botella + (3kg / botella )( x 2 )botella )
($ 0.3 / kg )( 3kg / botella ) x1botella
+1kg / botella ( x 2 botella )
Restriccin de la disponibilidad del mango.
( 2kg / botella )( x1 )botella + (3kg / botella )( x2 )botella 1600 kg .

Restriccin de la disponibilidad del durazno.
(3kg / botella )( x1 )botella + (1kg / botella )( x 2 )botella 2100 kg .

Restriccin de la cantidad de botellas de yogurt.
x1botella 9000 botella .

tenemos que x1 , x2 0 .
Problema 3.- (MEZCLA)

Usted a decidido entrar en el negocio de los dulces. Est considerando producir dos tipos
de dulces: Easy Out Candy y Slugger Candy , que se componen solamente de azcar,
nueces y chocolate. Actualmente, tiene en bodega 100 onzas de azcar, 20 oz de nueces
y 30 oz de chocolate. La mezcla para producir Easy Out Candy tiene que contener por lo
menos 20% de nueces.
La mezcla para producir Slugger Candy tiene que contener por lo menos 10% de nueces y
por lo menos 10% de chocolate. Cada onza de Easy Out Candy se vende a 25
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
Easy Out Candy
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

xij : Cantidad de onzas usadas del ingrediente i =1,2,3 (azcar, nueces y chocolate
respectivamente) para elaborar el tipo de dulce
j =1,2 (Easy Out Candy y
Slugger Candy respectivamente).

Maximizar z = ($ 0.25 / oz )( x11 + x 21 + x31 )oz + ($ 0.2 / oz )( x12 + x 22 + x32 )oz
Restriccin de la disponibilidad del azcar.
x11 oz + x12 oz 100 oz .

Restriccin de la disponibilidad de las nueces.
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:
x 21 oz 0.2( x11 + x 21 + x31 )oz

Porcentaje de nueces en Slugger Candy:
x22 oz 0.1( x12 + x22 + x32 )oz

Porcentaje de chocolate en Slugger Candy:
x32 oz 0.1( x12 + x 22 + x32 )oz

i =1,2,3 ,
j =1,2 .
tenemos que xij 0 ;
Problema 4.-(Mezcla:componentes indivisibles)
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.
Nutrientes por libra de grano

Nutriente
(mg)
Protenas
Calcio
Grasas
Maz Soya Aven

a
15
30
15
40
10
40
20
50
8
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:
x i : Nmero de libras de i =1, 2 , 3 , 4 (maz, soya, avena y alfalfa respectivamente)

a comprar.
El costo total se obtiene multiplicando el costo de cada libra con la cantidad de libras
compradas.
Obteniendo
as,
un
costo
($ 70 / lb )( x1 )lb + ($ 45 / lb )( x2 )lb + ($ 40 / lb )( x3 )lb + ($ 90 / lb )( x4 )lb .

Minimizar z = 70 x1 + 45 x 2 + 40 x3 + 90 x 4 70
Restriccin de protenas.
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.
850 x1 +1500 x2 +1200 x3 + 4000 x4 5000 .
total
de
Finalmente
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
Restriccin de disponibilidad de aderezo:

(6 libras/pizza normal)(X1 pizza normal) +(8 libras/pizza de lujo)(X2 pizza de lujo)<= 200
lb
Restriccin de proporcin de Produccin:
(X1 Pizza Normal/ X2 Pizza de lujo) = 2 / 1
Restriccin por poltica de la empresa:
(X1 pizzas Normal) >= 20 pizzas
Restriccin de Tiempo:
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
Problema 7.- (Asignacin)

Se desea asignar 3 obreros a 3 maquinas, los costos por asignacin son:
Maquina 1 Maquina 2 Maquina 3
Obrero
4
5
7
1
Obrero
5
3
6
2
Obrero
6
7
5
3
cmo distribuir los obreros para lograr el menor costo posible?
Solucin:
Variable de Decisin:
Xij = Obrero i(i=1,2,3) asignado a la maquina j(j=1,2,3)
Min=4x11+5x12+7x13+5x21+3x22+6x23+6x31+7x32+5x33
Sujeto a:
Obrero 1: x11+x12+x13=1
Obrero 2:x21+x22+x23=1
Obrero 3: x31+x32+x33=1
Maquina 1: x11+x21+x31=1
No negatividad:
Xij>=0
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
4911 kg/dia 6763 kg/dia 6789 kg/dia
Disponible
Disponible
6896 kg / da
6495 kg / da
6173 kg / da
9
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:
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
(trabajar como el problema 1)

Problema 2.-
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)
Problema 3.Considere le problema 3 con las condiciones adicionales (* ) :
Azcar
Nueces
Chocolate
Precio de
Venta
Problema 4.-
Easy Out Candy
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
Modifique le problema 4 segn lo siguiente:
Nutriente
(mg)
Proteina
Calcio
Maiz Soya Aven

a
15
30
15
40
10
40
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
Problema 5.- Resuelva

Pizza
Normal
Masa
1 lb/pizza
Aderezo
6 lb/pizza
Proporci
2
n de
producci
n
Poltica
20
de la
empresa
Necesidades
(mg)
Mximo 150
Mximo 300
Mnimo 150
Mximo 120 y Mnimo
25
Mnimo 5000
Mximo 8000
el problema 5 considerando el costo de materia prima:

Pizza de
Disponible
Costo
lujo
1 lb/pizza
320 lb
$0,04/lb
8 lb/pizza
200 lb
$0,05/lb
1
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
5000 kg/dia 4000 kg/dia 5000 kg/dia
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
$12
7
300
CAPACIDAD
400
350
NIVEL B
PROBLEMA 1 INVERSIN
Una persona tiene S/500.000 para invertir en dos tipos de acciones A y B. El tipo A tiene
bastante riesgo con un inters anual del
10% y el tipo B es bastante seguro con un
inters anual del 7%. Decide invertir como mximo S/300000
en A y como mnimo
S/100000 en B, e invertir en A por lo menos tanto como en B. Cmo deber invertir sus
S/500.000 para maximizar sus intereses anuales?
Solucin:
Acciones
Acciones
Disponibilidad
0.1
B
0.07
40
300000
100000
60
(Mximo)
(Mnimo)
A
Inters
Inversin
Dinero
($)
500000
x i : Cantidad de dinero a invertir en acciones del tipo i = A , B .

El inters total se obtiene multiplicando el inters de cada accin con la cantidad de
acciones compradas. Obteniendo as, un inters total de 0.1x A + 0.07 xB . Finalmente
Maximizar z = 0.1x A + 0.07 xB
Restriccin de dinero mximo de inversin en las acciones A.
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 .
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 $5
realizar una llamada telefnica durante la noche (debido a mayores costos laborales).
Estos resultados se muestran en la tabla. Se pueden realizar a lo ms la mitad de estas
llamadas en la noche, por disponer de un nmero limitado de empleados. Formule un PL
que minimice los costos para completar la encuesta.
Persona que
% de llamadas
% de llamadas
contesta
Esposa
Marido
Soltero
Soltera
No contestan
diurnas
30
10
10
10
40
nocturnas
30
30
15
20
5
Solucin:
x i : Nmero de llamadas realizadas en horario
i =1, 2
(diurno y noche
respectivamente).
El costo total por las llamadas realizadas se obtiene multiplicando el costo de cada
llamada segn el horario por la cantidad de llamadas realizadas. Obteniendo as, un
costo total
de
($ 2 / llamada )( x1 )llamada + ($ 5 / llamada )( x2 )llamada . Finalmente

Minimizar z = 2 x1 + 5 x2
Restriccin de esposas encuestadas.
0.3 x1 + 0.3 x2 150 .

Restriccin de maridos encuestados.
0.1x1 + 0.3 x2 120 .

Restriccin de solteros encuestados.
0.1x1 + 0.2 x2 110 .

Restriccin realizar a lo ms la mitad de estas llamadas en la noche.
x +x
x2 1 2 .
2
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:
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
x i : Cantidad de contenedores del tipo i = A , B a solicitar.

Minimizar z = ($ 210 / contenedor )( x1 )contenedor + ($ 300 / contenedor )( x2 )contenedor
Restriccin de langostinos.
(8cajas / contenedor )( x1 )contenedor + ( 2cajas / contenedor )( x 2 )contenedor 16 cajas

.
Restriccin de ncoras.
( 2cajas / contenedor )( x1 )contenedor + (7cajas / contenedor )( x2 )contenedor 20 cajas

.
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
V2+E2=40
Inventario semana 3
IF3= If2+C3-V3
V3+E3=40
Inventario semana 4
IF4= If3+C4-V4
V4+E4=40
Inventario Final al final de la semana 1
IF1>=3y11+5y12+7y13+9y14
Y11+y12+y13+y14=1z1
IF2>=4y21+5y22+6y23+7y24
Y21+y22+y23+y24=1z2
IF3>=5y31+6y32+7y33+8y34
Y31+y32+y33+y34=1z3
IF4>=10y41+12y42+14y43+16y44
Y41+y42+y43+y44=1z4
Unidades a Comprar en la semana 1
c1<=30
c2<=60
c3<=40
c4<=50
Unidades en inventario final en la semana
if1>=5
if2>=5
if3>=5
if4>=5
1
2
3
4
Pasando a forma de ingreso a LINDO

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
ST
IF1+V1-C1=10
V1+E1=40
IF2+V2-C2-IF1=0
V2+E2=40
IF3+V3-C3-IF2=0
V3+E3=40
IF4+V4-C4-IF3=0
V4+E4=40
10y11+15y12+17y13+19y14-if1=0
Y11+y12+y13+y14-1z1=0
14y21+15y22+16y23+17y24-if2=0
Y21+y22+y23+y24-1z2=0
15y31+16y32+17y33+18y34-if3=0
Y31+y32+y33+y34-1z3=0
10y41+12y42+14y43+16y44-if4=0
Y41+y42+y43+y44-1z4=0
c1<=30
c2<=60
c3<=40
c4<=50
if1>=5
if2>=5
if3>=5
if4>=5
end
int y11
int y12
int y13
int y14
int z1
int y21
int y22
int y23
int y24
int z2
int y31
int y32
int y33
int y34
int z3
int
int
int
int
int
y41
y42
y43
y44
z4
9
OBJECTIVE FUNCTION VALUE
1)
811.0000 utilidad maxima
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
1.000000 Se usa inventario en la semana 1
0.000000
0.000000
0.000000
16.000000
18.000000
0.000000 venta de 30 unidades en la semana 1
0.000000 Unidades en escasez en la semana 1
12.000000 Unidades compradas en la semana 4
0.000000 Inventario de 10 unidades en la semana 1
0.000000 30 Unidades compradas en la semana 1
ROW SLACK OR SURPLUS

DUAL PRICES
2)
0.000000
26.000000
3)
0.000000
-6.000000
4)
0.000000
14.000000
5)
0.000000
6.000000
6)
0.000000
14.500000
7)
0.000000
5.500000
8)
0.000000
14.000000
9)
0.000000
6.000000
10)
0.000000
12.500000
11)
0.000000
0.000000
12)
0.000000
0.000000
13)
0.000000
0.000000
14)
0.000000
1.000000
15)
0.000000
0.000000
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
PROBLEMA 5.-( produccin de ensamblaje )

Se va a elaborar un producto a base de tres componentes que se producen en tres
diferentes departamentos, disponiendo con los siguientes datos. El objetivo es determinar
el nmero de horas de cada departamento a ser asignadas a cada parte, para maximizar
el nmero de unidades completas del producto final. Formule como un modelo de
Programacin lineal.
Departamento
Capacidad
(horas)
1
2
3
250
300
260
Tasa de Produccin (unid/h)

C1
C2
C
3
12
9
10
10
12
5
18
11
12
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
10X21 + 12X22 +5X23= P
18X31 + 11X32 + 12X33=P
Capacidad de horas del departamento 1:
X11 + X21+ X31<= 250
X12 + X22 + X32 <= 300
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
1 Se usa camin i(i=1,2,3,4,5)

0 No se usa Camin i(i=1,2,3,4,5)
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
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
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.
Gripe porcina dispara la demanda de mascarillas

Las farmacias estn comprando ms medicamentos antivirales y desinfectantes de
manos, mientras que los fabricantes de mascarillas estn aumentando la produccin para
satisfacer la demanda conforme crece la inquietud por la propagacin de la gripe porcina.
3M Co. y Alpha Pro Tech Ltd. estn fabricando ms mascarillas.
3M ha aumentado la produccin mundial de mascarillas de respiracin en respuesta a la
epidemia de gripe porcina, dijo Jacqueline Berry, portavoz de la empresa de Minnesota,
en una entrevista telefnica. ''Tenemos demanda de agencias gubernamentales y
hospitales en todo el mundo'', dijo Berry, quien se neg a proporcionar nmeros.
3M Co. y Alpha Pro Tech Ltd tienen capacidad de produccin de 2000000 y 3000000
mascarillas, de su produccin de cada fabrica el (55) % puede ser destinado al Per, que
segn se pronostica demandara 800000 mascarillas para nios, 1000000 mascarillas
para jvenes y 1200000 mascarillas para adultos.
El costo de cada mascarilla vendida por M Co. es de $2, $3 y $4 para el tipo nios,
jvenes y adultos, de otro lado y Alpha Pro Tech Ltd tiene los costos de $1.5, $2.8 y $4.2
para el tipo nios, jvenes y adultos. El precio de venta al publico ser (6+x)% por
encima de su costo.
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
Caso Plan de Produccin

Como se menciono, la empresa
se dedica a la fabricacin de bebidas gaseosas, siendo
las presentaciones comercializadas las que se demuestran a continuacin:

Tipo de bebida
Gaseosa de 2.65 Lt
Gaseosa de 1.75 Lt
Gaseosa de 0.60 Lt
Gaseosa de 0.296Lt
Presentacin
Caja de 12 unidades
Caja de 12 unidades
Caja de 12 unidades
Caja de 24 unidades
Tabla 1 Presentacin de las bebidas gaseosas

La empresa en estudio cuenta con una planta de produccin que opera las 48 horas a la
semana. Esta planta tiene una capacidad de produccin de 160,000 caja/mes.
El proceso de fabricacin de estos productos se lleva a cabo en dos etapas (reas de
trabajo)
1. En el Dpto. de Elaboracin se realiza la preparacin de jarabes el mismo que cuenta
con 4 trabajadores permanentes.
2. En el Dpto. de Envasado se realiza trabajos inherentes al proceso de envasado y
presentacin final del producto. Este Dpto. cuenta con 15 trabajadores. Las horas
requeridas en ambos departamentos para producir 1000 cajas de cada uno de los
productos mencionados en la tabla 1,se muestran en la tabla 2.
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
Tabla 2: requerimientos horas/1000 cajas
La demanda proyectada mxima para el mes de Julio se muestra en la siguiente tabla:

Tabla 3: Demanda proyectada mxima para el mes de Julio
Tipo de bebida
Demanda
Gaseosa de 2,65 lt
10 552 cajas/mes
Gaseosa de 1,75 lt
40 556 cajas/mes
Gaseosa de 0,60 lt
56 712 cajas/mes
Gaseosa de 0,296 lt
56 880 cajas/mes
Total
164 700 cajas/mes
El Dpto. de Contabilidad de la empresa estima un margen de ganancia para cada

producto,de:
Tipo de bebida
Margen de Ganancia
Tabla 4: Margen
Gaseosa de 2,65 lt
s/ 1,38 / caja
de ganancia por
Gaseosa de 1,75 lt
s/ 1,22 /caja
Gaseosa de 0,60 lt
s/ 1,02/caja
producto
Gaseosa de 0,296 lt
s/ 1,05 /caja
La Gerencia ha
Total
solicitado determinar el Plan de Produccin semanal ptimo para el siguiente mes.
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:
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;
(x31+x32+x33+x34)cajas<=56712cajas
(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
(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
(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
(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)(x 13 caja)+(2.91 h/caja)(x23 caja)+(1.29 h/caja)(x33 caja)
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:
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
RANGES IN WHICH THE BASIS IS UNCHANGED:

OBJ COEFFICIENT RANGES
VARIABLE
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
RIGHTHAND SIDE RANGES

ROW
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
6046.433105 cajas de gaseosa COCA COLA de 1.75 lt, en la semana 1

23569.673828 cajas de gaseosa COCA COLA de 0.60 lt
en la semana 1
Semana 2
X42
26966.292969 cajas de gaseosa COCA COLA de 0.296 lt en la semana 2
Semana 3
X33
33142.324219 cajas de gaseosa
X43
2947.415771 cajas de gaseosa
COCA COLA de 0.60 lt

COCA COLA de 0.296 lt
en la semana 3
en la semana 3
Semana 4
X44
26966.292969 cajas de gaseosa COCA COLA de 0.296 lt
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.
CASO APLICADO A FINANZAS

1. Un banco trata de determinar su portafolio de inversiones para el prximo ao.
Actualmente dispone de $ 500,000 para invertir en bonos, prstamos hipotecarios,
prstamos para compra de automviles y prstamos personales.
La tasa de rendimiento anual para cada inversin resulta ser:
X1
X2
X3
X4
=
=
=
=
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.
Cul debera ser la poltica de inversiones?. Sustentar su anlisis.
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

1)
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

DUAL PRICES
2)
0.000000
0.158750
3) 125000.000000
0.000000
4)
0.000000
0.015000
5)
0.000000
0.055000
6)
50000.000000
0.000000
NO. ITERATIONS=

VARIABLE
X1
X2
X3
X4

CURRENT
ALLOWABLE
ALLOWABLE
RHS
INCREASE
DECREASE
500000.000000
INFINITY 500000.000000
0.000000 125000.000000
INFINITY
0.000000 375000.000000 375000.000000
0.000000 375000.000000
50000.000000
0.000000
50000.000000
INFINITY
ROW
2
3
4
5
6

CURRENT
ALLOWABLE
ALLOWABLE
COEF
INCREASE
DECREASE
-0.020000
0.165000
INFINITY
0.160000
0.110000
0.030000
0.130000
0.030000
0.330000
0.200000
INFINITY
0.055000
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
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

DUAL PRICES
2)
0.000000
0.000000
3)
0.000000
0.000000
4)
0.000000
0.000000
5) 125000.000000
0.000000
6)
0.000000
0.000000
7)
0.000000
0.000000
8)
50000.000000
0.000000
NO. ITERATIONS=

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

CURRENT
ALLOWABLE
ALLOWABLE
RHS
INCREASE
DECREASE
125000.000000
0.000000
0.000000
79375.000000
0.000000
INFINITY
500000.000000 333333.312500
0.000000
0.000000 125000.000000
INFINITY
0.000000 375000.000000
0.000000
0.000000
INFINITY
0.000000
0.000000
50000.000000
INFINITY
ROW
2
3
4
5
6
7
8
Funcin Objetivo:0
Bonos: s/0
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
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=

VARIABLE
D2
D4
X2
D1
X4
D3
X1
X3

CURRENT
ALLOWABLE
ALLOWABLE
COEF
INCREASE
DECREASE
1.000000
INFINITY
1.000000
1.000000
INFINITY
1.000000
0.000000
INFINITY
1.000000
0.000000
INFINITY
1.000000
0.000000
2.333333
INFINITY
0.000000
INFINITY
1.000000
0.000000
INFINITY
1.666667
0.000000
0.625000
INFINITY

CURRENT
ALLOWABLE
ALLOWABLE
RHS
INCREASE
DECREASE
185800.000000
1700.000000
INFINITY
125000.000000
INFINITY
0.000000
500000.000000
0.000000
0.000000
0.000000
INFINITY
0.000000
0.000000
0.000000
0.000000
0.000000
50000.000000
INFINITY
0.000000 125000.000000
INFINITY
79375.000000
0.000000
51.000004
ROW
2
3
4
5
6
7
8
9
Funcin Objetivo:s/1700 , dinero que es un perjuicio.

Bonos: s/0
Multa=
D2
1700 , la meta de Dinero invertido en Prstamos hipotecarios esta
incrementndose en s/ 1700 por encima de la meta, lo cual va a perjudicar ya que
gerente general considera que gustara minimizar los prstamos
hipotecarios y el modelo resuelto hace crecer estos prestamos.
Analisis
Se descarta el modelo 3 por generar un perjuicio.
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
1.- METODO GRAFICO

Indudablemente plasmar un modelo y tratar de resolverlo grficamente tiene una
limitacin muy grande, slo se pueden resolver modelos que tengan slo dos variables
( bidimensional ) ya que contamos con un plano formado por X1 y X2 que es la regin en
la cul vamos a trabajar, se podra tener la posibilidad de trabajar con modelos que
tienen tres dimensiones pero sera muy tedioso ( sin embargo en la parte final de este
libro realizaremos algunos ejemplos para resolver estos tipos de modelos).
Vamos entonces a desarrollar modelos relativamente pequeos pero que sean
provechosos para cumplir con los objetivos que deseamos alcanzar , los cuales son
familiarizarnos con una representacin geomtrica de un modelo lineal y llegar a tener
algunas respuestas importantes a algunas interrogantes que nos vamos a plantear a
travs del desarrollo del tema.
5.- TIPOS DE GRAFICAS

Bueno por lo menos ya tenemos una idea de como enfrentar un modelo y graficarlo,
pero algunas veces no basta con esto si no que tambin tenemos que decir que tipo
de grfica es, por lo que al tener que solucionar modelos, podemos diferenciar una
variedad de tipos de grficas , cada una con caractersticas especiales y propias, es
por eso que a continuacin vamos a explicar cada una de estas.
5.1.-. FACTIBLE
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
5.2- ACOTADA O LIMITADA

Es aquella grfica que tiene solucin, pero cuya regin factible esta limitada , es decir
esta formada por un polgono.
Esta grfica desde que tiene solucin tambin es factible .
Ejemplos:
x2
x2
x1
x2
x1
x2
x1
x2
x1
x2
x1
x1
5.3.- NO ACOTADA, INFINITA O ILIMITADA

La caracterstica de este modelo es que se tiene una Regin Factible pero que se
desplaza en forma infinita. En este modelo su solucin debemos separar de acuerdo a la
funcin objetivo, podemos entonces diferenciar: si la funcin objetivo es Minimizar si
podemos decir que se tiene una solucin real del modelo por que se elige el punto mas
bajo de la regin factible, pero si se tiene una funcin objetivo de Maximizar el
punto que se tome como solucin ser en algunos casos solo un punto de referencia
puesto que como la Regin Factible se desplaza en forma infinita no se puede definir un
punto mximo.
Este modelo si la funcin objetivo es minimizar la solucin es factible .*****
Ejemplos:
x2
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
La restriccin (II) es redundante.
x2
(II)
La restriccin (II) es redundante.
x2
(I)
(I)
(
II)
(III)
(III)
x1
x1
(IV)
La restriccin (IV) es redundante.
La restriccin (III) 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.
2.- PASOS PARA RESOLVER MODELOS DE PROGRAMACION LINEAL

GRAFICAS
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:
5.- UBICACIN DE LA REGIN FACTIBLE

Una vez dada la orientacin a cada restriccin es importante hallar una regin donde
todas las restricciones se cumplan, esta regin se llama REGION FACTIBLE que no viene
a ser sino el lugar donde se va a encontrar la solucin a nuestro problema lineal
planteado, es por eso que debemos tener mucha visin para ubicar esta regin , es
necesario aclarar que hay veces en que no se puede hallar una regin factible .
Para nuestro ejemplo , la regin factible esta dada por la regin con bordes mas oscuros
y limitado con las letras A, B , C y D.
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)
MAX. F.O. 4x1 + 9x2

4(0) + 9(0) = 0
4(0) + 9(6) = 54
4(1.79488 ) + 9( 5.1282) =53.33332
4(5) + 9(0) = 20
*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.
7.- GRAFICA DE LA FUNCION OBJETIVO

Bueno pero ahora falta graficar la Funcin objetivo, procederemos de la siguiente
manera: Maximizar = 4 x1 + 9 x2
Como podemos ver la funcin objetivo no tiene lado derecho, entonces nosotros lo vamos
a crear multiplicando sus coeficientes, entonces queda as: 4x1 + 9x2 = (4)(9)
Ahora podemos tratar a la funcin Objetivo como lo hicimos con las restricciones:
4x1 + 9x2= (4)(9)
S x1=0 entonces:
4(0) + 9x2= (4)(9)
despejando: x2= 4(9)/9 entonces queda : x2=4 el par ordenado es: (x1,x2) = (0,4)
Luego :4x1 + 9x2= (4)(9), si x2=0 entonces: 4x1 + 9(0)= (4)(9)
x1 = (4)(9)/4
queda:
x1= 9 el par ordenado es: (x1,x2)= (9,0). La grfica es:
X2
8.- GRAFICAR LA FUNCION OBJETIVO EN 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:
Como se puede apreciar la F.O. se ha trasladado hacia el punto ptimo.

Entonces la respuesta es:
Rpta.
x1= 0 , x2 = 6 . el valor de la F.O. es: 54
Como las variables son >= que cero, entonces la grfica queda en el primer cuadrante,
pero nada impide que en algn momento se tenga regiones factibles en otros cuadrantes
cuando se tengan variables irrestrictas( son aquellas que pueden tener valores positivos
o negativos) eso va a suceder cuando experimentemos con otros ejemplos por el
momento nos limitaremos al primer cuadrante.
Ahora vamos a graficar otro modelo:
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,
Buscando punto Optimo:
9
PUNTOS
A
B
COORDENADAS
MIN. 8X1 + 5X2
( 0, 5)
( 6,0 )
8(0) + 5(5) = 25
8(6) + 5(0) =48
Al comparar los puntos,el punto mnimo es A con valor de 25.

Para culminar la grfica, vamos a dibujar la F.O. en su ubicacin inicial:
8x1 + 5x2 = (8)(5)
Si : X1= 0 entonces X2=8, la coordenada es: ( 0,8)
Si X2=0 entonces X1= 5 , entonces la coordenada es: ( 5,0)
Ahora la F.O. se traslada al punto optimo:
8x1 + 5x2 = 25
Si X1=0 entonces: x2=5, la coordenada es: (0,5)
Si x2=0 entonces: x1= 3.125, la coordenada es: ( 3.125 , 0)
La grfica final queda:
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:
Ahora vamos a hallar los puntos ptimos,
PUNTOS OPTIMOS
A
B
C
D
COORDENADAS
( 0, 4 )
*( 4, 2 )
( 3, 0 )
( 0, 0 )
F.O. MAX. 3X1 + 2X2

3(0) + 2(4) = 8
3(4) + 2(2) = 16
3(3) + 2(0) = 9
3(0) + 2(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
3x1 + 4x2 <= 15

-2x1 - 3x2 <= 6
x1 >=2
x1>=0, x2>=0
Solucin:
(I) 3x1 + 4x2 = 15
Si x1=0 entonces x2=15/4=3.75 , las coordenadas son: (0,3.75)
Si x2=0 entonces x1=5, las coordenadas son: (5,0)
(II)
-2x1-3x2=6
Si x1=0 entonces x2= -2, las coordenadas son: (0,-2)
Si x2=0 entonces x1=-3, las coordenadas son: (-3,0)
(III)
x1=2
la tercera restriccin solo se convierte en una lnea.
Orientacin:
(I) se acerca al origen
(II)
se acerca al origen
(III)
se aleja del origen
Graficando:
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
* Hallando las coordenadas para B mediante ecuaciones simultneas:

El punto B es la interseccin de I y III:
(I)
3x1 + 4x2 = 15
(III)
x1
=2
Reemplazando en I: 3(2) + 4x2 = 15
x2= 2.25
Las coordenadas de B son: ( 2, 2.25)
Al comparar los resultados de reemplazar las coordenadas en la F.O. se ve que el menor
valor es
0.75 que corresponde al punto A.
Ahora graficando la F.O.
Posicin inicial:
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)
Posicin final:
6x1 - 5x2 = 0.75
Si x1=0 despejando: x2= -0.15 entonces las coordenadas son: (0,-0.15)
Si x2=0 despejando: x1=0.125 entonces las coordenadas son: (0.125,0)
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
2.- MAXIMIZAR : 4X1 - 5X2

SUJETO A:
2X1 - 5X2
3.-MINIMIZAR : 6X1 + 7X2

SUJETO A:
X1 + 5X2 >= 12
5X2 >= 4
2X1 + 6X2 <=24
<= 12
4. -
X1 >= 3
2X1 + 4X2
X1 - X2
X1>=0,
Rpta.
X1=20 , x2=0 ,
MINIMIZAR : 5X1 + 3X2

SUJETO A:
3X1 +
4X1 - 4X2
X1
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.
SUJETO A:
-3X1 + 4X2
2X1 - 6X2 <=
X1
X2
X1>=10
X2>= 3
X1
X2 <= 5
7.- MAXIMIZAR 10X1 - 6X2

SUJETO A:
-3X1 +6X2 <= 40
2X2<=12
4X2>=12
6X2<=15
3X2 <=15
<=15
>=
10
Rpta. X1= 12.5 , X2=3 , F.O.
8.- MINIMIZAR 4X1 - 3X2

SUJETO A:
-3X1 -5X1 7X1 + 10X2
X1-X2<=30
-X1-
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.
X1=2 , X2=0.10 , F.O.
10.- MINIMIZAR -10X1 - X2

SUJETO A:
X1 - X2 >=
X1 + X2 <=
X1
2X1
X2<=5
X1 + X2 <=15
X1>=0, X2>=0
X2<=40
X1>=0,
X1>=2
X2>=0
60
X1>=0,
X1>=2
<=12
<=
2X1 + 5X2 <=
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,
Rpta. X1=10 , X2=5, F.O. Z= -80

Z=-100
Rpta. X1=10 , X2=0 , F.O.
3.- GRAFICAS CON LADOS DERECHOS CON VALOR DE CERO

La variedad de grficas muchas veces nos lleva a toparnos con restricciones que
despus de realizar el modelo de programacin lineal donde los lados derechos deben
considerarse como valores numricos nos enfrentamos a modelos como por ejemplo:
x1- x2 <=0, x1 +x2 >=0 , x1 + 3x2 = 0
Estas restricciones aparecen en la mayora de los casos cuando se tienen problemas de
mezcla, por ejemplo
si deseamos como mnimo que x1 sea el 60% de la mezcla total la restriccin quedara:
x1
>= 0.60
x1 +x2
Realizando las operaciones: x1 >= 0.60(x1 + x2)
entonces: x1 -0.60x1-0.60x2>=0
la restriccin queda: 0.40x1 - 0.60x2 >=0
Este tipo de restricciones tiene otra manera de graficar y por lo tanto de orientacin.
Para restricciones de la forma : ax1 + bx2 >=0
Ejemplo:
4x1 + 8x2 >=0
Igualando:
4x1+ 8x2=0
4x1= -8x2
despejando:
x1= -2x2
Tabulando:
-2 x2
Si
Si
Si
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)
por
REGION
FACTIBLE x2
2
1
-4
-3
-2
-1 0
x1
Para restricciones de la forma -3x1 + 9x2>=0

Igualando: -3x1 + 9x2=0
-3x1= -9x2
despejando:
x1= 3x2
Tabulando:
3x2
Si
Si
Si
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
Orientacin: Tomando el punto (1,0) como punto de orientacin:

- 3x1 + 9x2 >=0
Reemplazando: -3(1) + 9(0) >=0
-3 >=0 ,no entonces la recta se orienta hacia el lado opuesto
de este punto.
Grfica final:
x2
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
Utilizando un punto de orientacin por ejemplo (0,5), reemplazando este punto en la

restriccin
6x1 - 4x2 <= 0
6(0) - 4 (5) <= 0
-20 <=0 si , como cumple la restriccin se orienta hacia este punto.
Grfica Final:
x2
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
2x1 + 5x2 <= 10

x1 >=0 , 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)
Utilizando al punto (0,2) como punto de orientacin se reemplaza en la restriccin:

-1(0) + 1(2) >=0
entonces 2 >=0 si cumple, entonces la restriccin debe orientarse a este punto.
(III) 2x1 + 5x2 = 10
Si x1=0 despejando x2= 2, entonces las coordenadas son (0,2)
Si x2=0 despejando x1=5 , entonces las coordenadas son (5,0)
Orientacin:
(I) Se acerca al origen.
(II) Se acerca al punto (0,2).
(III) Se acerca al origen.
Ubicacin Inicial de la F.O.
8x1 + 4x2 = (8)(4)
Si x1=0 entonces x2=8, las coordenadas son (0,8)
Si x2=0 entonces x1= 4, las coordenadas son (4,0)
Grfica Inicial:
x2
8
7
6
5
4
3
2
B
1
A
0
(II)
(I)
C
1
POSICION
INICIAL DE LA F.O
x1
(III)
Hallando el punto C que es la interseccin de II y III:

(II)
-x1+x2=0 (2)
(III)
2x1+5x2=10
7x2= 10
despejando: x2= 10/7 , reemplazando este valor en (II)
-x1+ 10/7 =0
despejando: x1=10/7
Entonces:
PUNTOS
A
B
C
COORDENADAS
(0,0)
(0,2)
(10/7 ,10/7
MAX. 8X1+ 4X2

8(0) + 4(0) = 0
8(0) + 4(2) =8
8(10/7)+4(10/7)=17.1428
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
MIN 6X1 - 5X2
(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
Respuesta: X1= 1.8181 , x2= 2.7272 el valor de la F.O. es: 7.2727

Ejemplo 13:
Maximizar 7x1 - 8x2
sujeto a:
x1 - 2x2 >=0
x1 - 3x2 <=0
2x1 + 4x2 <= 10
X1>=0 , X2>=0
Solucin:
(I)
x1 - 2x2=0
despejando: x1= 2x2
Tabulando:
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)
Si tomamos a (0,5) como punto de referencia se tiene:

1(0) - 2(5) >=0
entonces: -10 >=0 , no cumple , entonces la restriccin no se orienta hacia el punto
(0,5).
(II) x1 - 3x2 =0
despejando: x1= 3x2
Tabulando:
3x2
Si
Si
Si
x1
3(0)
3(1)
3(2)
Coordenadas
0
3
6
(0,0)
(3,1)
(6,2)
Tomando el punto (0,2) como punto de referencia se tiene:

(0)
- 3(2) <=0
entonces: -6 <=0, si cumple , entonces la restriccin se acerca del punto (0,2).
(III)
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)
B: Interseccin de I y III hallando las coordenadas de este punto por ecuaciones

simultaneas:
x1 - 2x2=0
(-2)
2x1 +4x2=10
8x2=10
despejando: x2=1.25
Reemplazando en (I): x1 - 2(1.25)=0
x1=2.50, entonces la coordenada es (2.50 ,1.25)
C: Interseccin de II y III, hallando las coordenadas de este punto por ecuaciones
simultaneas:
x1 - 3x2=0 (-2)
2x1 + 4x2=10
10x2= 10
x2=1, reemplazando en II :
x1 - 3(1)=0
entonces: x1=3,
por lo tanto la coordenada es (3,1)
entonces:
PUNTOS
A
B
C
COORDENADAS
MAXIMIZAR 7X1 - 8X2
(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)
POSICION FINAL DE LA F.O.
(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)
Utilizando el punto (0,5) como punto de referencia y reemplazando en la restriccin:

-2(0) + 5 >=0
entonces: 5>=0 si cumple, por lo tanto la restriccin se orienta hacia el punto (0,5)
(II)
-3x1 + 6x2 >=-10 , multiplicando por -1 se tiene: 3x1 - 6x2<= 10 , entonces:

3x1 - 6x2=10
Si x1=0 despejando x2= -1.667 , entonces las coordenadas son: (0, -1.667)
Si x2=0 despejando x1= 3.333 , entonces las coordenadas son: ( 3.333 , 0)
(III)
x1 >=-5 , multiplicando por -1 se tiene -x1 <= 5, entonces:
5,4,3,2,1,0.estn comprendidos en esta restriccin.
(IV)
-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)
(III)
Se acerca a los puntos 5,4,3,2,1,0
(IV)
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
MAXIMIZAR 3X1 + 2X2
(2.8,5.6)
(0 , 4)
(0,0)
3(2.8) + 2(5.6) =19.6

3(0) +2(4)= 8
3(0) + 2(0) =0
El punto ptimo es A , entonces trasladando la Funcin Objetivo a este punto se tiene:

3x1 + 2x2 = 19.6
Si x1=0 despejando x2=9.8 , entonces las coordenadas son: ( 0, 9.8)
Si x2=0 despejando x1=6.533 , entonces las coordenadas son: (6.5333, 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
Rpta. X1=2.8 , X2=5.6 , el valor de la F.O. es Z=19.6

Ejemplo 15.Minimizar 6x1 - 5x2
sujeto a:
x1 <= 4
5x1 - 4x2=0
x2<=5
2x1 + 3x2 >=6
x1>=0 , x2>=0
(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)
Como la restriccin tiene orientacin de igualdad entonces en la grfica solo se considera

la lnea trazada.
(III)
(IV)
x2=5 , valores como 5,4,3,2,1,0 cumplen la restriccin.

2x1 + 3x2=6
Si x1=0 despejando x2= 2 , entonces las coordenadas son: (0,2)
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 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)
MINIMIZAR0 6X1 - 5X2

6(1.043) - 5(1.30375) = -0.26075
6(4) - 5(5) = -1
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
X1=4 , X2=5 , el valor de la F.O. es Z= -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
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
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

SUJETO A:
5X1 - 6X2 >=0
-2
-X1 >= -19
-2X1-7X2 >= -10
X2 >= 1
X1>=0 ,X2>=0
Rpta. X1=5.5. , X2=1 , F.O. Z=33.5
X2=10 , F.O. Z= -10
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
1.1.-Qu es LINDO o LINGO ?

Lindo es un sofware usado para la solucin de modelos lineales, su nombre se debe a la
nomenclatura de:
LINDO (Linear, INteractive, and Discrete Optimizer), LINGO (Linear, INteractive, and
General Optimizer)
1.2.-Qu es Anlisis de Sensibilidad?
Es ver como se comporta el modelo elaborado ante algunos cambios que se pueden
realizar.
1.3.-Cmo se ingresan los datos a LINDO?
Una vez elaborado el modelo lineal, se ingresa primero la Funcin Objetivo (F.O.):
Si la F.O. es maximizar, se ingresa: Max
Si la F.O. es minimizar, se ingresa: Min
Luego se ingresa los coeficientes con sus respectivas variables.
Para ingresar las restricciones se escribe antes st (subjet to) (sujeto a )
Una vez ingresado el modelo se culmina con la expresin end (fin).
Ejemplo:
max 2x1+3x2
st
2x1+3x2<=15
x1+4x2>=10
x1+2x2=8
end
1.4.-Cmo es el reporte de LINDO?
Para responder esta pregunta no hay mejor manera que tener el reporte (la traduccin se
ha incluido para entender mejor el reporte).
1
(El modelo Lineal ha logrado su optimo en los pasos)
(Valor de la Funcin Objetivo)
1)
15.00000
VARIABLE
VALUE
REDUCED COST
(Variable)
(Valor)
(Costo Reducido)
X1
6.000000
0.000000
X2
1.000000
0.000000
DUAL PRICES
(Fila )
(Holgura o Superflua)
(Precios Dual)
2)
0.000000
0.000000
3)
0.000000
-0.500000
4)
0.000000
2.500000
NO. ITERATIONS=
1
(Nmero de Iteraciones)
(Rangos para los que no cambia la Base)
(Rangos de Coeficientes de la funcin Objetivo)
VARIABLE
CURRENT
ALLOWABLE
ALLOWABLE
COEF
INCREASE
DECREASE
(Variable)
(Coeficientes)
(Incremento
(Decremento
Permitido)
Permitido)
X1
2.000000
INFINITY
0.500000
X2
3.000000
1.000000
INFINITY

(Rangos de Trminos Independientes)
ROW
CURRENT
ALLOWABLE
ALLOWABLE
RHS
INCREASE
DECREASE
(Fila)
(Termino
( Incremento
(Decremento
Independiente)
Permitido)
Permitido)
2
15.000000
INFINITY
0.000000
3
10.000000
6.000000
0.000000
4
8.000000
0.000000
3.000000
1.5.-Qu partes se destacan en el reporte de LINDO?
La estructura del reporte tiene las siguientes partes:
a)Valor de la Funcin Objetivo
b)Valor de las Variables, Costos Reducidos.
c) Rangos de coeficientes de las variables de la funcin objetivo.
d)Rangos de coeficientes de los trminos independientes de las restricciones.
1.6.-Qu es un Costo Reducido?
Es la cantidad que debe variar el coeficiente de una variable para que este llegue a tener
valor.
Pero esto depende de la funcin objetivo, por ejemplo
si la funcin objetivo es de Maximizacin el costo reducido se debe sumar al coeficiente
de la variable.
si la funcin objetivo es de Minimizacin el costo reducido se debe restar al coeficiente de
la variable.
Ejemplo 1:
Max 3x1+2x2
Variable Valor Costo Reducido
X1
10
0.00000
X2
0
3.50000
La variable x2 para que llegue a tener valor su coeficiente debe ser:
C2>(2+3,5)
Ejemplo 2:
Min 4x1+5x2
Variable Valor Costo Reducido
X1
0
2.00000
X2
10
0.00000
La variable x1 para que llegue a tener valor su coeficiente debe ser:
C1<(4-2)
1.7.-Qu es una Variable de Holgura?
Es la cantidad que sobra de un recurso. Aparecen cuando la restriccin es <=
1.8.-Qu es una Variable Superflua?
Es la cantidad adicional que se usa de un recurso. Aparecen cuando la restriccin es >=
1.9.-Qu es un Precio Dual?
Es la cantidad que se gana o se pierde en la funcin objetivo por cada unidad adicional
que crece un recurso.
El precio dual cuando su signo es positivo y su funcin objetivo es Maximizacin aumenta
el valor de la funcin en esa proporcin por cada unidad adicional.
El precio dual cuando su signo es negativo y su funcin objetivo es Maximizacin
disminuye el valor de la funcin en esa proporcin por cada unidad adicional.
El precio dual cuando su signo es positivo y su funcin objetivo es Minimizacin
disminuye el valor de la funcin en esa proporcin por cada unidad adicional.
El precio dual cuando su signo es negativo y su funcin objetivo es Minimizacin aumenta
el valor de la funcin en esa proporcin por cada unidad adicional.
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.
Precio Dual Positivo

Precio Dual
Negativo
10.-Para que sirven los rangos de los Coeficientes?
Para hallar el valor mximo y minino ya sea del ingreso como del costo de cada variable.
11.-Para que sirven los rangos de los trminos Independientes (Recursos)?
Para hallar el valor mximo y minino de uso de cada recurso.
2.1 Anlisis de Sensibilidad (NIVEL A)
1 ) Una compaa fabrica dos modelos de sombrero: Bae , Viz y Ala. La fabricacin de los
sombreros se realiza en las secciones de moldeado, pintura y montaje. La fabricacin de

cada modelo Bae requiere 2 horas de moldeado, 3 de pintura y una de montaje. La
fabricacin del modelo Viz requiere tres horas de moldeado, 2 de pintura y una de
montaje.La fabricacion frl modelo Ala requiere 2horas de moldeado, 2 horas de pintura y
1 hora de montaje Las secciones de moldeado y pintura disponen, cada una, de un
mximo de 1.500 horas cada mes, y la de montaje de 600.
Si el modelo Bae se vende a S/100 , el modelo Viz a S/120 y el de ala a S/ 110,
Qu cantidad de sombreros de cada tipo ha de fabricar para maximizar el beneficio
mensual?
Solucin:
Moldeado
Pintura
Montaje
Precio de
Venta
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
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

1)
69000.00
VARIABLE
VALUE
X1
0.000000
X2
300.000000
X3
300.000000
REDUCED COST
10.000000
0.000000
0.000000
9
DUAL PRICES
2)
0.000000
10.000000
3)
300.000000
0.000000
4)
0.000000
90.000000
NO. ITERATIONS=

VARIABLE
X1
X2
X3
ROW
2
3
4

CURRENT
ALLOWABLE
ALLOWABLE
COEF
INCREASE
DECREASE
100.000000
10.000000
INFINITY
120.000000
45.000000
10.000000
110.000000
10.000000
10.000000

CURRENT
ALLOWABLE
ALLOWABLE
RHS
INCREASE
DECREASE
1500.000000
300.000000
300.000000
1500.000000
INFINITY
300.000000
600.000000
150.000000
100.000000
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)
Un hipermercado necesita como mximo 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
suministra A da una ganancia de S/210, mientras que los del mayorista B S/300 cada
uno. Cuntos contenedores debe pedir el hipermercado a cada mayorista para satisfacer
sus necesidades mnimas con el menor coste posible?
Solucin:
Langostin
o
Ncoras
Percebes
Ganancia
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
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
9
1)
1029.231
VARIABLE
X1
X2
VALUE
1.384615
2.461539
REDUCED COST
0.000000
0.000000

DUAL PRICES
2)
0.000000
16.730770
3)
1.153846
0.000000
4)
0.000000
38.076923
NO. ITERATIONS=

VARIABLE
X1
X2
ROW
2
3
4

CURRENT
ALLOWABLE
ALLOWABLE
COEF
INCREASE
DECREASE
210.000000
990.000000
124.285713
300.000000
435.000000
247.500000
CURRENT
ALLOWABLE
ALLOWABLE
RHS
INCREASE
DECREASE
16.000000
12.000000
10.285714
5.000000
INFINITY
1.153846
20.000000
10.000000
16.000000
Interpretacin:
Ganancia a obtener:
1029.231
Contenedores tipo A :
X1
1.384615
Contenedores tipo B:
X2
2.461539
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
El precio mximo es de :735

El precio mnimo es de: 52,5
Mientras se este dentro de estos rangos la solucin no cambia.
Rangos en Bi
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.
3 ) Un carpintero tiene que construir mesas rectangulares cuyas dimensiones no

sobrepasen 2 metros y tales que la suma de su dimensin mayor y el doble de la menor
no sobrepase 4 metros. Cul es el mximo valor del permetro de dichas mesas?
Solucin:
Xi= Dimensin del lado i(i=Mayor, Menor=1,2) de las mesas a construir.
Funcin Objetivo:
MAX=2X1+2X2
Sujeto a:
Dimensin del lado mayor:
X1<=2
9
Dimensin del lado menor:
X2<=2
Requerimiento:
X1+2X2<=4
LINDO
MAX 2X1+2X2
st
X1<=2
X2<=2
X1+2X2<=4
end
2
1)
6.000000
VARIABLE
X1
X2
VALUE
2.000000
1.000000
REDUCED COST
0.000000
0.000000

DUAL PRICES
2)
0.000000
1.000000
3)
1.000000
0.000000
4)
0.000000
1.000000
NO. ITERATIONS=

VARIABLE
X1
X2
ROW
2
3
4

CURRENT
ALLOWABLE
ALLOWABLE
COEF
INCREASE
DECREASE
2.000000
INFINITY
1.000000
2.000000
2.000000
2.000000
CURRENT
ALLOWABLE
ALLOWABLE
RHS
INCREASE
DECREASE
2.000000
2.000000
2.000000
2.000000
INFINITY
1.000000
4.000000
2.000000
2.000000
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.
0.000000 ,se ha cumplido con el requerimiento, si se incrementa en una unidad
,la dimensin se incrementa en 1 unidad
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
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
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
El valor mximo del requerimiento es: 4 +2=6

El valor mnimo del requerimiento es: 4 -2=2
4) Una fbrica textil elabora prendas de punto de calidades A , B y C. Las de calidad A se

fabrican con 1 unidad de lana y 2 unidades de fibra sinttica y las de calidad B con dos
unidades de lana y 1 de fibra sinttica.,las de calidad C con 2 unidades de lana y 3 de
fibra sintetica. Los beneficios obtenidos en la venta de las prendas son de S/1500 para
las de calidad A ,S/1000 para las de calidad B y S/800 para las de calidad C. Sabiendo
que slo se dispone de 180 unidades de lana y 240 de fibra sinttica, se pide:
a) Determinar cuntas prendas de cada tipo deben elaborarse para obtener un
beneficio mximo si la produccin no puede ser superior a 1.000 prendas.
b) A cunto ascender dicho beneficio? Justificar las respuestas.
Solucin:
LANA
FIBRA SINTETICA
A
1
2
B
2
1
C
2
3
DISPONIBLE
180
240
Beneficios
S/ 1500 S/ 1000 S/ 800
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

1)
190000.0
VARIABLE
VALUE
X1
100.000000
X2
40.000000
X3
0.000000
REDUCED COST
0.000000
0.000000
1533.333374

DUAL PRICES
2)
0.000000
166.666672
3)
0.000000
666.666687
4)
860.000000
0.000000
NO. ITERATIONS=

CURRENT
ALLOWABLE
ALLOWABLE
COEF
INCREASE
DECREASE
1500.000000
500.000000
1000.000000
1000.000000
2000.000000
250.000000
800.000000
1533.333374
INFINITY
VARIABLE
X1
X2
X3
ROW
2
3
4

CURRENT
ALLOWABLE
ALLOWABLE
RHS
INCREASE
DECREASE
180.000000
300.000000
60.000000
240.000000
120.000000
150.000000
1000.000000
INFINITY
860.000000
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
PROBLEMA 6.- Un editor dedica parte de su tiempo a la elaboracin de afiches

publicitaria. La empresa A le paga 5. por cada afiche elaborado y la empresa B, con
folletos ms grandes, le paga 7 por afiche. El editor hace dos tiraje: una para los afiches
A, en la que caben 120, y otra para los afiches B, en la que caben 100. Ha calculado que
cada da es capaz de elaborar 150 afiches como mximo.
Ganancia
Cantidad
Cantidad
Mxima
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
1) 950.000
VARIABLE
VALUE
REDUCED COST
X1
50.000000
0.000000
X2
100.000000
0.000000
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

CURRENT
ALLOWABLE
ALLOWABLE
COEF
INCREASE
DECREASE
5.000000
2.000000
5.000000
7.000000
INFINITY
2.000000

CURRENT
ALLOWABLE
ALLOWABLE
RHS
INCREASE
DECREASE
120.000000
INFINITY
70.000000
100.000000
50.000000
70.000000
150.000000
70.000000
50.000000

GANANCIA
2) 950.0000
UNIDADES A ELABORAR
VARIABLE
VALUE
REDUCED COST
TIPO A
X1
50.000000
0.000000
TIPO B
X2
100.000000
0.000000
DUAL PRICES
SOBRANTE DE CAPACIDAD DE AFICHE TIPO A
2)
70.000000
0.000000, precio dual cero
NO HAY SOBRANTE DE CAPACIDAD DE AFICHE TIPO B
3)
0.000000
2.000000 ,precio dual 2,es decir por cada afiche tipo B
adicional se gana 2
NO HAY SOBRANTE DE CAPACIDAD MAXIMA
4)
0.000000
5.000000, precio dual 5,es decir por cada unidad adicional
combinada se gana 5
NO. ITERATIONS=

VARIABLE

CURRENT
ALLOWABLE
ALLOWABLE
COEF
INCREASE
DECREASE
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

CURRENT
ALLOWABLE
ALLOWABLE
RHS
INCREASE
DECREASE
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
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

1)
41000.0000
VARIABLE
VALUE
REDUCED COST
X1
30.000000
0.000000
X2
40.000000
0.000000
DUAL PRICES
2)
0.000000
150.0000
3)
0.000000
50.0000
NO. ITERATIONS=
2
VARIABLE
CURRENT
ALLOWABLE
ALLOWABLE
COEF
INCREASE
DECREASE
X1
700.000000
300.000000
33.3333
X2
500.000000
0250.000
150.0000
ROW
2
3

CURRENT
ALLOWABLE
ALLOWABLE
RHS
INCREASE
DECREASE
240.000000
60.000000
40.000000
100.000000
20.000000
20.000000
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
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)
Con la informacin dada, elaborar el modelo lineal y hacer el anlisis de sensibilidad.

Solucin:
Xi= Docenas de zapatos de tipo I(I= de adultos,de nios=1,2) a producir semanalmente
Funcin Objetivo:
Maximizar utilidades:
MAX=(S/132/docenas)(X1 docenas/semana)+(S/73/docena)(X2 docenas/semana)
Cuero:
35X1+24X2<=1250
Perfilado:
8X1+8X2<=360
Ensuelado:
8X1+8X2<=420
Alistado:
4X1+4X2<=180
Demanda de zapatos de adultos:
X1>=20
Demanda de zapatos de nios:
X2>=15
LINDO
MAX132X1+73X2
ST
35X1+24X2<=1250
8X1+8X2<=360
8X1+8X2<=420
4X1+4X2<=180
X1>=20
X2>=15

1)
s/4451.571 de utilidad semanal.
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
0.000000,producir 15 docenas de zapatos de nios a

DUAL PRICES
2)
0.000000
3.771429,todo el cuero se usa,por cada pie adicional
se gana s/3.77
3)
36.571430
0.000000,sobra 36.57 horas de perfilado
4)
96.571426
0.000000,sobra 96.57 horas de ensuelado
5)
18.285715
0.000000,sobra 18.28 horas de alistado
6)
5.428571
0.000000,sobra 5.52 docenas de zapatos de adultos
7)
0.000000
-17.514286,sobra 0 docenas de zapatos para nios, por
cada docena adicional se pierde s/17.51 .
NO. ITERATIONS=

CURRENT
ALLOWABLE
ALLOWABLE
COEF
INCREASE
DECREASE
X1
132.000000
INFINITY
25.541666,
la utilidad de zapatos de adultos puede crecer infinito y puede disminuir
s/25.54
X2
73.000000
17.514286
INFINITY
la utilidad de zapatos de nios puede crecer s/17.51 y puede disminuir infinito
VARIABLE

CURRENT
ALLOWABLE
ALLOWABLE
RHS
INCREASE
DECREASE
2
1250.000000
160.000000
189.999985,
se puede incrementar los pies de cuero en 160 pies o se puede disminuir
189.99 pies
3
360.000000
INFINITY
36.571430
se puede incrementar infinito las horas de perfilado o se puede disminuir 36.57
horas
4
420.000000
INFINITY
96.571426
se puede incrementar infinito las horas de ensuelado o se puede disminuir
96.57 horas
5
180.000000
INFINITY
18.285715
se puede incrementar infinito las horas de alistado o se puede disminuir 18.28
horas
6
20.000000
5.428571
INFINITY
se puede incrementar 5.42 docenas la demanda de zapatos de adultos o se
puede disminuir infinito
7
15.000000
7.916666
15.000000
se puede incrementar 7.91 docenas la demanda de zapatos de nios o se
puede disminuir 15 docenas
ROW
Modificando la disponibilidad de cuero e incrementando a su mximo el modelo queda:

MAX132X1+73X2
ST
9
35X1+24X2<=1410
8X1+8X2<=360
8X1+8X2<=420
4X1+4X2<=180
X1>=20
X2>=15
LINDO

1)
5055.000 ,la utilidad se increnta a s/ 5055.
VARIABLE
VALUE
REDUCED COST
X1
30.000000
0.000000
X2
15.000000
0.000000
DUAL PRICES
2)
0.000000
3.771429
3)
0.000000
0.000000
4)
60.000000
0.000000
5)
0.000000
0.000000
6)
10.000000
0.000000
7)
0.000000
-17.514286
NO. ITERATIONS=
2
VARIABLE
CURRENT
ALLOWABLE
ALLOWABLE
COEF
INCREASE
DECREASE
X1
132.000000
INFINITY
25.541666
X2
73.000000
17.514286
INFINITY
ROW
CURRENT
ALLOWABLE
ALLOWABLE
RHS
INCREASE
DECREASE
2
1410.000000
0.000000
350.000000
3
360.000000
INFINITY
0.000000
4
420.000000
INFINITY
60.000000
5
180.000000
INFINITY
0.000000
6
20.000000
10.000000
INFINITY
7
15.000000
0.000000
15.000000
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
Row Slack or Surplus

Dual Price
1
4.836624
1.000000
2
0.000000
1.248827
3
0.000000
1.224340
4
0.000000
1.194478
5
0.000000
1.020000
6
0.000000
1.000000
7
0.2887472
0.000000
8
1.000000
0.000000
9
1.000000
0.000000
10
0.8963830E-01
0.000000
11
0.000000
0.1489784
12
1.000000
0.000000
Ranges in which the basis is unchanged:
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
Righthand Side Ranges

Current
Allowable
Allowable
RHS
Increase
Decrease
1.000000
1.580583
0.3352941
1.000000
1.612195
0.3420000
1.000000
0.1245146
1.264563
1.000000
INFINITY
1.255255
0.0
INFINITY
4.836624
1.000000
INFINITY
0.2887472
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:
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

DUAL PRICES
2)
72.500000 (slack) acres
0.000000
3)
89.230766 (slack) acres
0.000000
4)
0.000000 (surplus) bushels
-0.225000
5)
0.000000 (surplus) bushels
-0.184615
NO. ITERATIONS=

VARIABLE
X11
X12
X21
X22
ROW
2
3
4
5

CURRENT
ALLOWABLE
ALLOWABLE
COEF
INCREASE
DECREASE
90.000000
1.428571
90.000000
80.000000
INFINITY
1.250002
100.000000
INFINITY
7.692306
120.000000
9.999998
120.000000

CURRENT
ALLOWABLE
ALLOWABLE
RHS
INCREASE
DECREASE
100.000000
INFINITY
72.500000
100.000000
INFINITY
89.230766
11000.000000
29000.000000
11000.000000
7000.000000
57999.996094
7000.000000
Analizando las variables:
X11:Es conveniente cultivar27.500000 acres trigo en la granja 1.

X12: No es conveniente cultivar trigo en la granja 2.
X21: No es conveniente cultivar maz en la granja 1.
X22 :Es conveniente cultivar10.769231 acres de maz en la granja 2.
2)
3)
4)
5)
Analizando slack o surplus:
Slo se uso27.5 acres, es decir hubo un sobrante de 72.5 acres .

Se utiliz 10.77 acres, es decir hubo un sobrante de 89.23 acres
Se usaron los 11000 bushels, es decir no hubo excedentes.
No hubo excedentes. Se usaron los 7000 bushels.
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

1)
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

VARIABLE
X11
X12
X21
X22
X31
X32
ROW
2
3
4
5
6

CURRENT
ALLOWABLE
ALLOWABLE
COEF
INCREASE
DECREASE
10.000000
2.000000
10.000000
11.000000
INFINITY
2.000000
12.000000
INFINITY
2.000000
9.000000
1.000000
9.000000
14.000000
INFINITY
4.000000
10.000000
INFINITY
1.000000

CURRENT
ALLOWABLE
ALLOWABLE
RHS
INCREASE
DECREASE
12000.000000
INFINITY
2000.000000
12000.000000
INFINITY
1200.000000
12000.000000
INFINITY
12000.000000
500.000000
100.000000
500.000000
600.000000
66.666664
600.000000
X11:, Es conveniente producir 500.000000 tn/mes de acero de tipo 1 en la acerera 1.

X12: No es conveniente producir acero de tipo 2 en la acerera 1.
X22: Es conveniente producir 600.000000 tn/mes de acero de tipo 2 en la acerera 2.
X32:No es conveniente producir acero de tipo 2 en la acerera 3.
2)
3)
4)
5)
6)
Slo se uso 10000 min/mes, es decir hubo un sobrante de 2000 min/mes.

Se usaron los 500 toneladas/mes, es decir no hubo excedentes.
Se usaron los 600 toneladas/mes, es decir no hubo excedentes.
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 $/onza
MODELO DE PL
max 15x1+25x2-100h-3x1-6x2-4x1-6x2
st
1x1+2x2<=20000
2x1+3x2<=35000
3x1+5x2-200h=1000
end
OBJECTIVE FUNCTION VALUE:
1)
118000.0$/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
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

CURRENT
ALLOWABLE
ALLOWABLE
RHS
INCREASE
DECREASE
20000.000000
3333.333252
2500.000000
35000.000000
5000.000000
5000.000000
1000.000000
14000.000000
INFINITY
El maximo beneficio es de 118000.0$/ y se da mediante lo sgte:

X1: Es conveniente 10000.000000 corridas en el proceso 1.
X2 : Es conveniente 5000.000000 corridas en el proceso 2.
H: Asimismo es conveniente contratar a la modelo por 270 horas.
2) Se usaron las 20000 unidades, no hubo sobrantes.
3) Se usaron las 35000 unidades, no hubo sobrantes.
4) Se usaron las 1000 onzas, no hubo sobrantes.
SESION IV
TRANSPORTE
EL MODELO DE TRANSPORTE
En particular, el problema general de transporte se interesa en la distribucin

cualquier artculo
desde
cualquier
grupo
de
centros
de
suministro,
de
llamados
FUENTES, hacia cualquier grupo de centros receptores, llamados DESTINOS, de

modo que se minimicen
los costos totales de distribucin.
As entonces, en general, la fuente i (i=1,2,.....,m) tiene un suministro de Si
unidades para distribuir a los destinos, y el destino j (j = 1,2,......,n) tiene una demanda
de dj unidades para ser recibidas
directamente
proporcional
al
de
las
fuentes
nmero distribuido, donde Cij
al
destino
denota el costo por
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
Costos por unidad distribuida

Destino
1
................
Suministro
C11
C12
................
C1n
S1
C21
C22
................
C2n
S2
Cm1
Cm2
................
Cmn
Sm
Demanda
d1
d2
................
dn
Debe hacerse notar que el modelo tiene soluciones factibles slo si

m n
= dj
i 1
S
i
i
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.
Formato del cuadro smplex de transporte

Destino
1
C11
2
C12
................
................ C1n
Suministro
S1
C21
C22
................ C2n
S2
Fuente
M
Cm1
Cm2
................ Cmn
Sm
Demanda
d1
d2
................
dn
Vj
Informacin adicional a que debe agregarse en cada celda
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
1- Mtodo de aproximacin de Vogel

2- Mtodo de aproximacin de Russell
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
METODO DE APROXIMACIN DE VOGEL

Para cada rengln y columna que queda bajo consideracin, se calcula la
diferencia, que se define como la diferencia aritmtica entre el costo unitario ms
pequeo (Cij) y el que sigue, de los que quedan en ese rengln o columna. En el
rengln o columna que tiene
la mayor diferencia se elige la variable que tiene el menor costo unitario que queda.
METODO DE APROXIMACIN DE RUSSELL
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.
Para cada variable Xij que no
haya sido seleccionada en
estos
renglones o columnas, ij = Cij vj . Seleccinese la variable

calclese
con el mayor
- ui
valor negativo (en trminos absolutos) de ij .
Solucin bsica factible inicial a partir del mtodo de aproximacin de Vogel
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
Seleccinese X44 = 30 Elimnese la columna 4 50-30=20
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
Elimnese la fila 4(F)
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
Seleccinese X25 = 40 Elimnese columna 5
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
Variable bsica degenerada
Solucin bsica factible inicial a partir del mtodo de aproximacin de Russell
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
X31 = 0 ; X32 = 20X34
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
METODO SIMPLEX DE TRANSPORTE

Paso Iterativo
Como con el mtodo simples, el paso iterativo debe determinar una variable
bsica que entra (Parte 1), una variable bsica que sale (Parte 2) y, a continuacin,
identificar la nueva solucin bsica factible resultante (Parte 3).
Parte 1: Como (Cij - ui - vj ) representa la tasa a la cual cambiara la funcin objetivo a

medida que se incrementa la variable no bsica Xij, la variable bsica que entra
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
Una solucin bsica factible es ptima si, - vj ) 0

para toda
slo si (Cij - ui
( i,j) tal que Xij sea no bsica.
Por lo tanto, el nico trabajo requerido por la regla de detencin es obtener el

valor
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
para cada (i , j) tal que

ui y satisfacen el conjunto de ecuaciones
Xij sea
Cij =U i + V j
vj
bsica.
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
1.-El mtodo de transporte puede formularse como

programacin lineal?
S, pero hay un mtodo exclusivo que resuelve este tipo de
problemas.
2.-Qu pasos tiene el mtodo de transporte?
a.
Llenado del tablero.
a. Cumplimiento de la frmula de no degeneracin.
b. Optimizacin de la solucin.
3.-Qu mtodos hay para llenar el tablero?
Varios:
Esquina Noroeste,
costo mnimo,
Vogel
De los cuales l mas conveniente es Vogel.
4.-Cul es la frmula de no degeneracin?
Filas + columnas 1 = Casilleros llenos
5.-Cul es el mtodo de Optimizacin?
Es el Mtodo de Russell, llamado tambin Modificador de
Indices (MODI,DIMO)
6.-Las demandas y las ofertas deben equilibrarse?
S, siempre debe equilibrarse antes de empezar a llenar el
tablero.
7.-Al equilibrarse se crean valores ficticios?
S, todo depende si es fila o columna la que se necesita
para equilibrar el tablero.
8.-Las filas columnas se contabilizan para cumplir la
frmula de no degeneracin?
S, deben considerarse para cumplir la frmula de no
degeneracin.
9.-Cuntos pasos tiene el Mtodo Russell?
Dos pasos ,utilizando las siguientes frmulas:
a. Casilleros llenos: Cij = ui + vj
b. Casilleros vacos: Imij=cij-(ui)-(vj)
10.-Cundo un tablero es ptimo?

Cuando todos los casilleros vacos llegan a tener valores
positivos.
11.-Si hay algn casillero vaco con Imij negativo?
Se elabora un recorrido que se inicie en el casillero
seleccionado y que retorne al mismo casillero,
etiquetando con signos alternados (positivos y negativos)
iniciando el recorrido con signo positivo.
El etiquetado puede ser en sentido horario antihorario.
12.-Cmo se debe asignar un valor de cero a una variable ui
vj?
Se elige la fila o columna con mayor cantidad de
casilleros llenos, a la variable que le
corresponde se le da el valor de cero.
13.-El Mtodo de Vogel se llama tambin de penalizacin?
S, por que elige los dos valores mas pequeos para
restarse, a este resultado se le llama penalizacin.
14.-Cul es la lgica del mtodo de Transporte?

EQUILIBRIO DEL TABLERO
Si Demanda> Oferta, agregar fila ficticia
Si Demanda < Oferta, agregar columna
ficticia
Si Demanda=Oferta, no agregar fila ni
columna ficticia.
LLENADO DEL TABLERO
METODO VOGEL (PENALIZACION)
ECUACION DE NO DEGENERACION
FILAS + COLUMNAS 1 =CASILLEROS
LLENOS
OPTIMIZACION
METODO RUSSELL
CASILLERO LLENOS:
Cij = ui + vj
CASILLEROS VACIOS:
Imij = Cij - ( ui ) - ( vj )
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
demandan
500,
700,
600
y
800
unidades,
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
El precio de venta vara de acuerdo al tipo de cliente, al

cliente 1 se le vende a $25, al cliente 2 se le vende $26,
al cliente 3 se le vende a $20 y al cliente 4 se le vende a
$18.
PROBLEMA 3
demandan
500,
700,
600
y
800
unidades,
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
El precio de venta vara de acuerdo al tipo de cliente, al

cliente 1 se le vende a $25, al cliente 2 se le vende $26,
al cliente 3 se le vende a $20 y al cliente 4 se le vende a
$18.
Por cada unidad que se queda sin distribuir se tiene un
costo de $4.
PROBLEMA 4
Una empresa suministra patatas a cuatro mayoristas
cuyas demandas respectivamente son 100, 75, 50 y 125
toneladas. Dispone de tres almacenes, en diferentes
puntos, cuyas capacidades son 150, 100 y 50 toneladas.
Si los costos de distribucin, en miles de pesetas por
tonelada, de cada almacn a cada mayorista son:
A1
A2
A3
M1 M2 M3 M4
12 15 16 14
15 2 18 16
10 15 8
6
Formular un programa lineal que permita calcular la

poltica de distribucin ptima sabiendo que por cada
tonelada de demanda insatisfecha la empresa tiene unas
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
Formular un programa lineal que permita a la empresa

saber qu poltica de transporte debe aplicar, de tal modo,
que el coste sea mnimo. Por condicin de atencin se debe

enviar como mnimo 70 unidades a Nueva York.
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

determinar el plan de suministro que maximiza los
beneficios teniendo en cuenta que la primera factora
debe distribuir toda su produccin.
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

determinar la distribucin ptima para que esta compaa
minimice sus costos.
PROBLEMA 8
En la actualidad William Auto Carries mantiene plantas en Atlanta y
Tulsa para proveer a importantes centros de distribucin en los
ngeles y Nueva York .Debido a la creciente demanda Willians ha
decidido abrir una tercera planta y ha restringido su eleccin a una de
dos ciudades -New Orleans y Houston la tabla muestra la produccin
pertinente y los costos de produccin as como las capacidades de la

plantas y las demandas de distribucin. El costo de produccin es de
$10 por cada unidad
La pregunta importante a la que Williams se encara es: Cual de las
nuevas localizaciones generara un menor costo para la empresa en
combinacin con las plantas existentes y los centros de distribucin?
Desde Plantas Los
Angeles
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
Considere que le costo de tener unidades sin producir es de $10 en

cualquier planta.
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
Adems se sabe que la produccin de la fabrica 1 es el doble de la

fabrica 2 y triple de la 3, la suma de toda la produccin es de 1100
unidades. Un requisito a cumplir es que la ciudad 1 pide 400 unidades
pero acepta como mnimo un envi de 100 unidades, la ciudad 2
solicita 400 unidades y la ciudad 3 , 500 unidades. Aplicar el mtodo
de transporte.
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
El traslado de los almacenes de Rex a sus puntos de venta en cuanto

a costo ,depende de la distancia que existe entre ellos, esto va de
acuerdo a la siguiente tabla dada en kilmetros:
A
B
C
1
80
50
30
2
20
50
60
3
30
60
80
Loa costos a cobrar son:
Km
Costos ($/kmunid)
0<
X <=40
$2
40 <X <=70
$4
70< x <=100
$6
Adems la capacidad a trasladar de la oferta son de 50,60 y 100
unidades. La demanda se considera de 80 en cada punto de venta,
por cada unidad no satisfecha se cobra $1.
Hallar el costo minino de transporte.
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
Determnese un programa de embarque de costo mnimo que provea

a cada ciudad de vacuna suficiente para atender al menos a los
ciudadanos de edad avanzada.
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
Plantee el programa lineal que minimice los costes de transporte en

los siguientes casos:
a) Capacidades de produccin: Planta A: 1000 unidades ; Planta
B:2000 unidades ; Planta C: 700 unidades ; Demanda: Almacn 1:
700 unidades ; Almacn 2: 500 unidades ; Almacn 3: 1500
unidades
b) Igual que en el apartado a) pero asumiendo el siguiente coste de
penalizacin por capacidad ociosa para cada planta: Planta A: 500
u.m. ; Planta B: 700 u.m.; Planta C: 800 u.m.
PROBLEMA 19
Una empresa fabrica 3 tipos de acero en diferentes plantas. el tiempo
requerido para manufacturar 1 ton, de acero ,sin importar el tipo, y
los costos de cada planta se presentan en el cuadro 1.Cada semana
se deben producir 100 ton. De cada tipo de acero, Cada planta
trabaja 40 horas a la semana.
Acer Acer
o1
o2
Planta 1 $60
$40
Planta 2 $50
$30
Planta 3 $43
$20
Hallar el costo mnimo.
Acer
o3
$28
$30
$20
Tiempo
(min/ton)
20
16
15
Problema 13.Dado 4 trabajadores, para ser asignados a cuatro maquinas, los

valores que estos trabajadores brindan son:
12
12
13
9
5
11
8
20
6
7
10
12
8
4
3
7
Hallar:
a).el costo mnimo.
b) considere que los valores son ingresos.
c) Resuelva si el trabajador 1 puede ser asignado a 2 maquinas

Problema 14
Dado cuatro plataformas para tres puestos con las ganancias:
Platafor
ma
1
2
3
4
1
27
38
27
35
Puesto
2
3
12
34
23
28
El puesto 2 necesita de dos trabajadores.

Hallar la asignacin optima.
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.
En la determinacin del camino ms corto entre dos lugares

o ciudades de acuerdo a una red existente.
En la determinacin de las capacidades mximas que deben
fluir a travs de una red, de un recurso especifico.
La determinacin del programa de flujo de costo mnimo de
los campos de origen a los centros de distribucin de un
recurso especial.
Un estudio de esta lista representativa, revela que los problemas de
optimizacin de redes se pueden representar en trminos generales a
travs de los siguientes modelos.
Modelo del flujo mximo
Modelo de la ruta ms corta.
Modelo del rbol de extensin mnima.
Modelo de red de capacidad de costo mnimo.
Modelo de la ruta critica.
Modelo de la tcnica de evaluacin y revisin de proyectos
(PERT.
Para la comprensin de los diferentes modelos, se deben tener en
cuenta las siguientes definiciones.
DEFINICIN DE RED. Es un conjunto de nodos conectados por arcos
o ramas, a veces los nodos reciben el nombre de vrtices y los
ramales de arcos.
CADENA : Una cadena es una secuencia de ramales que conectan

dos nodos que al especificarles direccin forman lo que se llama un
camino o ruta.
RED SIMTRICA: Significa que un vrtice x esta conectado a uno
y; entonces y, esta conectado a x.
RED ASIMTRICA: Significa que un vrtice x esta conectado a uno
y; entonces y, no esta conectado a x.
CAPACIDAD: Es el flujo que circula por una determinada red y puede
ser finita o infinita.
RAMA DIRIGIDA U ORIENTADA: Cuando se permite el paso de un
flujo positivo en una determinada direccin y cero en la direccin
opuesta.
TRAYECTORIA: Es una secuencia de ramas que conectan dos nodos
sin considerar su orientacin de las dems ramas individuales.
LASO O CICLO: Se presenta cuando un nodo se conecta consigo
mismo.
LASO DIRIJIDO U CIRCUITO: Es un lazo donde todas las ramas
tienen las mismas direccin u orientacin.
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
grfica da los posibles camino que el puede seguir as como las

distancias(km) respectivas, Cul es la distancia mas corta para
trasladar ls carga?
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.
ALGORITMO DE ARBOL DE EXPANSION MINIMA.

Este algoritmo enlaza los nodos de una res, en forma directa o
indirecta, con la minima longitud de las ramas enlazantes. Una
aplicacin
caracteristica es en la construccion de carreteras
pavimentadas que unen varias poblaciones. El diseo optimo indica
que se han minimizado las distancias entre todas las poblaciones, a
traves de la minimizacin de las distancias de los caminos que los
unen.
Un problema de este tipo se resuelve a traves del siguiente algoritmo
conocido como algoritmo de kruskal, el cual se describe a
continuacin:
1. Comenzar en forma arbitraria en cualquier nodo y conectarlo
con el mas proximo, menos distante o menos costoso.
2. Identificar el nodo no conectado que esta mas cerca o menos
costoso de alguno de los nodos conectados. Deshacer los
empates de forma arbitraria. Agregar este nodo al conjunto
de nodos conectado.
3. Repetir este paso hasta que se hayan conectado todos los
nodos.
Modelo de Flujo Mximo

Se trata de enlazar un nodo fuente y un nodo destino a travs de una
red de arcos dirigidos. Cada arco tiene una capacidad mxima de flujo
admisible. El objetivo es el de obtener la mxima capacidad de flujo
entre la fuente y el destino.
Caractersticas:
1. Todo flujo a travs de una red conexa dirigida se origina en un
nodo, llamado fuente, y termina en otro nodo llamado destino.
2. Los nodos restantes son nodos de trasbordo.
3. Se permite el flujo a travs de un arco slo en la direccin
indicada por la flecha, donde la cantidad mxima de flujo est
dad por la capacidad del arco. En la fuente, todos los arcos
sealan hacia fuera. En el destino, todos sealan hacia el
nodo.
4. El objetivo es maximizar la cantidad total de flujo de la fuente
al destino. Esta cantidad se mide en cualquiera de las dos
maneras equivalentes, esto es, la cantidad que sale de la
fuente o la cantidad que entra al destino.
El problema de flujo mximo se puede formular como un problema de
programacin lineal, se puede resolver con el mtodo smplex y usar
cualquier software. Sin embargo, se dispone de un algoritmo de
trayectorias aumentadas mucho ms eficientes. El algoritmo se basa
en dos conceptos intuitivos, el de red residual y el de trayectoria
aumentada.
Algoritmo de la trayectoria de aumento para el problema de flujo
mximo:
1. Se identifica una trayectoria de aumento encontrando alguna
trayectoria dirigida del origen al destino en la red residual, tal
que cada arco sobre esta trayectoria tiene capacidad residual

estrictamente positiva. (Si no existe una, los flujos netos
asignados constituyen un patrn del flujo ptimo).
2. Se identifica la capacidad residual c* de esta trayectoria de
aumento encontrando el mnimo de las capacidades residuales
de los arcos sobre esta trayectoria. Se aumenta en c* el flujo
de esta trayectoria.
3. Se disminuye en c* la capacidad residual de cada arco en esta
trayectoria de aumento. Se aumenta en c* la capacidad
residual de cada arco en la direccin opuesta en esta
trayectoria. Se regresa la paso 1.
una red no dirigida.
VISTA GENERAL DE ALGUNAS APLICACIONES PRCTICAS DE LA
OPTIMIZACIN DE REDES
1. Diseo de redes de telecomunicacin (redes de fibra ptica, de
computadores, telefnicas, de televisin por cable, etc.)
2. Diseo de redes de transporte para minimizar el costo total de
proporcionar las ligaduras (vas ferroviarias, carreteras, etc.)
3. Diseo de una red de lneas de transmisin de energa
elctrica de alto voltaje.
4.
Diseo de una red de cableado en equipo elctrico (como

sistemas de computo) para minimizar la longitud total del
cable.
5. Diseo de una red de tuberas para conectar varias

localidades.
6. Diseo de una red de tuberas de gas natural mar adentro que
conecta fuentes del golfo de Mxico con un punto de entrega
en tierra con el objetivo de minimizar el costo de construccin.
7. Determinacin de la ruta ms corta que une dos ciudades en
una red de caminos existentes.
8.
Determinar la capacidad anual de mxima en toneladas de

una red de conductos de pasta aguada de carbn que enlaza
las minas carboneras de Wyoming con las plantas generadoras
de electricidad Houston. (Los conductos de pasta aguada de
carbn transportan ste bombeando agua a travs de tubos
adecuadamente diseados que operan entre las minas de
carbn y el destino deseado.)
9.
Determinacin del programa de costo mnimo de los campos

petrolferos a refineras y finalmente a los campos de
distribucin. Se pueden enviar petrleo crudo y productos
derivados de la gasolina en buques tanque, oleoductos y/o
camiones. Adems de la disponibilidad de la oferta mxima en
los campos petrolferos y los requisitos de demanda mnima en
los centros de distribucin, deben tomarse en cuenta
restricciones sobre la capacidad de las refineras y los modos
de transporte.
2) La administracion de cierto parque necesita determinar los

caminos bajo los cuales se deben tender las comunicaciones para
conectar todas las estaciones con una longitud total minima de cable.
Dada la siguiente red determine la mejor configuracion de conexin.
3)
4)
EJERCICIOS
APLICACIN FLUJO MXIMO
Gloria vera est a cargo de la comisin de Planeacin de

Desarrollo Urbano, un grupo de estudio ad hoc de inters
especial. La responsabilidad actual del grupo consiste en
coordinar la construccin de un nuevo sistema de vas
subterrneas con el departamento de mantenimiento de
caminos. En virtud de que el nuevo sistemas de vas
subterrneas se construir cerca del circuito perifrico de la
ciudad, el trfico de que ste se dirige al oriente deber ser

desviado. La desviacin planeada es en realidad una red de
rutas
alternas
propuestas
por
el
departamento
de
mantenimiento de caminos. Los diferentes lmites de velocidad
y los patrones de trfico producen distintas capacidades de
flujo de los diferentes arcos de la red propuesta como se
presenta en la siguiente figura. Determine el flujo mximo de la
red y tanto de nodo 1 (empieza la desviacin y el nodo 6
termina la desviacin), de sus recomendaciones,
Algoritmo de la Ruta ms corta.

Un camin debe repartir concreto de una planta de mezcla preparada
a un sitio de construccin. La red que muestra la figura representa las
rutas disponibles entre la planta y el sitio de construccin. Cada ruta
est designada con dos piezas de informacin (d, t), donde d es la
longitud de la ruta y t es el tiempo que tarda el camin en atravesar
el segmento de camino. La velocidad del camin en cada segmento
esta decidida por la condicin del camino y tambin por el nmero y
duracin de las paradas del camin. Cul es la mejor ruta de la
planta a la construccin y su tiempo de duracin?.
PROBLEMAS PARA RESOLVER

PROBLEMA 1
En una fbrica grande de productos de jabn los inspectores de
control de calidad muestran diversos productos, en diversas reas de
produccin, y despus entregan las muestras para su anlisis en el
laboratorio. El proceso de inspeccin lento, y los inspectores invierten
una cantidad considerable de tiempo transportando las muestras
desde las reas de produccin hasta el laboratorio. La compaa esta
evaluando la instalacin de un sistema de conductor mediante tubos
neumticos que se podran utilizar para transportar las muestras
entre las reas de produccin y el laboratorio. La red que aparece en
seguida muestra las ubicaciones del laboratorio y las reas de
produccin (nodos) en donde se recolectan las muestras. Las ramas
son las alternativas que se estn considerando para el sistema
conductor. Cul es la longitud total mnima del diseo del sistema de
conduccin que permitir que todas las reas de produccin enven
sus muestras al laboratorio?
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
particulares o sistemas de colas. Los modelos sirven para encontrar el

comportamiento de estado estable, como la longitud promedio de la
lnea y el tiempo de espera promedio para un sistema dado. Esta
informacin, junto con los costos pertinentes, se usa, entonces, para
determinar la capacidad de servicio apropiada.
1.-Cmo se llama la velocidad de llegada de los clientes?
Se llama lamda ( ), sus unidades son : clientes/unidad de tiempo.
2.-Cmo se llama la velocidad de atencin a los clientes?
Se llama mu ( ),sus unidades son : clientes/unidad de tiempo.
3.- Qu es Rho?
Es la divisin de /s , significa el porcentaje de uso del sistema.
4.-cmo se identifican los Sistemas de colas?
Hay una nomenclatura ,que rene las caractersticas mas importantes
de los sistemas, esta formado de la siguiente manera:
(a/b/c) (d/e/f)
a: Velocidad de llegada de los clientes, en la mayora de los casos se
considera Poisson( M)
b: Velocidad de atencin de los clientes, en la mayora de los casos se
considera Exponencial( M)
c: Numero de servidores (S)
d: Orden de atencin , aqu se puede encontrar el orden
FIFO,LIFO,PRIORIDAD, el mas usado es FIFO.
e: Capacidad del sistema puede ser finita ( K) o infinita ( )
f: Poblacin , puede ser finita ( K) o infinita ( )
5.-Qu factores importantes se halla en el sistema de colas?
Lq: Clientes en promedio en cola (todos menos el que esta siendo
atendido)
Ls: Clientes en promedio en el sistema (todos los que estn en el
sistema)
Wq: Tiempo en promedio en la cola (tiempo que se demora en llegar
hasta el cliente)
Ws: Tiempo en promedio en el sistema (tiempo que demora desde
que llega hasta que sale del sistema)
Pn: Probabilidad de tener n clientes en el sistema
Costos de los sistemas de colas.

Un sistema de colas puede dividirse en sus dos componentes de
mayor importancia, la cola y la instalacin de servicio . Las llegadas
son las unidades que entran en el sistema para recibir el servicio.
Siempre se unen primero a la cola; si no hay lnea de espera se dice
que la cola esta vaca . De la cola, las llegadas van a la instalacin de
servicio de acuerdo con la disciplina de la cola, es decir, de acuerdo
con la regla para decidir cul de las llegadas se sirve despus. El
primero en llegar primero en ser servido es una regla comn, pero
podra servir con prioridades o siguiendo alguna otra regla. Una vez
que se completa el servicio, las llegadas se convierten en salidas.
Ambas componentes del sistema tienen costos asociados que deben
de considerarse.
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.
Ejemplos de 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
Permitiendo que varen el nmero de colas y el nmero de

servidores, pueden hacerse los diagramas de los cuatro tipos de
sistemas de la siguiente figura. Cada lnea de espera individual y cada
servidor individual se muestra por separado.
El primer sistema que se muestra en la figura, se llama un sistema

de un servidor y una cola o puede describir un lavado de carros
automtico o un muelle de descarga de un solo lugar. El segundo, una
lnea con mltiples servidores, es tpico de una peluquera o una
panadera en donde los clientes toman un nmero al entrar y se les
sirve cuando llega el turno. El tercer sistema, aqul en que cada
servidor tiene una lnea de separada, es caracterstico de los bancos y
las tiendas de autoservicio. El cuarto sistema, es una lnea con
servidores en serie, puede describir una fbrica.
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
minutos. Los frascos llegan a la velocidad de 20 por hora con una

varianza de 4 minutos.
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)
Cual es la probabilidad de hallar por lo menos 3 personas en la

boletera
g) Cual es la probabilidad de hallar cuatro personas en cola
exactamente
Problema 3.Una seorita tipeadora, esta siempre atareada con diversos trabajos,
estos llegan a su estudio con una frecuencia de 4 por hora, para
culminarlos se demora 10 minutos en promedio, segn sus deseos
quiere averiguar:
a) Cuantos trabajos recibe en promedio diariamente
b) Cuantos trabajos estaran por culminar por hora
c) Cual es la probabilidad de tener 4 trabajo por terminar
d) Cual es la probabilidad que termine todos los trabajos.
e) La probabilidad de que un trabajo quede concluido en menos
de 45 minutos despus de su llegada.
f) Cual es la probabilidad que un cliente espera mas de 5
minutos en espera para que inicien su trabajo.
Problema 4.Los trabajos llegan aun centro de control de calidad de acuerdo a
un proceso poissoniano,con la tasa media de dos por hora, y son
inspeccionados de uno en uno siguiendo un orden tipo FIFO.el
ingeniero de control de calidad inspecciona y realiza ajustes
menores, si esto es todo lo necesario para que un trabajo termine
esta fase. el tiempo total de servicio por trabajo aparentemente se
distribuye exponencialmente, con una media de 25 minutos. Los
trabajos que llegan pero no pueden ser inspeccionados de
inmediato por el ingeniero, deben ser almacenados hasta que el
ingeniero pueda encargarse de ellos, Cada trabajo requiere de 10
pies 2 de espacio mientras esta almacenado.
a) cual es la probabilidad de hallar al ingeniero ocupado
b) Cual es la probabilidad de hallar como mnimo 3 trabajos en
cola.
c) Cuantos trabajos en promedio tiene el ingeniero en su local
d) Cuanto tiempo tiene que esperar un trabajo para ser atendido.
e) Cual es la probabilidad que un trabajo demore terminado en
menos de 30 minutos despus de su llegada
f) Cual es la probabilidad que un trabajo demore 5 minutos por lo
menos para ser atendido
g) Si por cada trabajo gana $10,cuanto es su
ingreso por hora
h) cual es la probabilidad de hallar mas de dos

trabajos esperando servicio.
Problema 5.Los clientes llegan a un banco de una ventanilla para atencin en el
auto de acuerdo con una distribucin de poisson, con una media de
10 por hora El tiempo de servicio por cliente es exponencial, con una
media de 5 minutos. Hay tres espacios frente a la ventanilla,
incluyendo el del auto al que le esta dando servicio. Otros vehculos
que llegan se forman fuera de ese espacio para tres autos.
a) cual es la probabilidad de que un auto que llega pueda entrar
en uno de estos tres espacios,?
b) Cual es la probabilidad de que esten llenos estos tres espacio?
c) Cuanto tiempo espera un cliente antes de ser atendido?
d) Que porcentaje de su tiempo el servidor esta ocupado
e) Cual es la probabilidad que no exista cola
Problema 6.Si un ingeniero se encarga de las reparaciones de maquinas en
un centro de produccin, el acomoda las maquinas a una velocidad
de 2 por hora, las maquina se malogran a un promedio de 0.5 por
hora. se pide:
a) cual es la probabilidad de hallar al ingeniero ocupado
b) Cual es la probabilidad de hallar una maquina en cola
c) Cuantos trabajos en promedio tiene el ingeniero en su local
d) Cuanto tiempo tiene que esperar un trabajo para ser atendido.
e) Cual es la probabilidad que un trabajo demore terminado en
menos de 20 minutos despus de su llegada
f) Cual es la probabilidad que un trabajo demore 5 minutos por lo
menos para ser atendido
g) Si por cada trabajo gana $12,cuanto es su ingreso por hora
h) cual es la probabilidad de hallar mas de un
trabajos
esperando servicio.
Problema 7En un banco los clientes forman su cola y segn se desocupe el cajero
el cliente es atendido, se tiene dos cajeros, igualmente eficiente y
atienden a un promedio de 60operaciones/cliente por hora. Los
clientes llegan al banco siguiendo un proceso de Poisson, a una tasa
promedio de 100 por hora.
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
arreglo impida que se forme largas colas frente a un cajero. Hallar

un cuadro comparativo de los dos sistemas en base de:
a) Tiempo en que un cliente espera para ser atendido
b) Cola que se forma en cada sistema
c) Probabilidad de hallar desocupado el sistema
d) Tiempo que un cliente pasa en el banco
e) Probabilidad de hallar cola
f) Cajeros ociosos
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
manufactureras o industriales, los cuales son transformados para ser

vendidos como productos elaborados.
2.- Inventario de Productos en Proceso de Fabricacin:
Lo integran todos aquellos bienes adquiridos por las empresas
manufactureras o industriales, los cuales se encuentran en proceso
de manufactura. Su cuantificacin se hace por la cantidad de
materiales, mano de obra y gastos de fabricacin, aplicables a la
fecha de cierre.
3.- Inventario de Materias Primas:
Lo conforman todos los materiales con los que se elaboran los
productos, pero que todava no han recibido procesamiento.
4.- Inventario de Suministros de Fbrica:
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.
5.- Inventarios de Productos en Proceso:

El inventario de productos en proceso consiste en todos los artculos o
elementos que se utilizan en el actual proceso de produccin. Es
decir, son productos parcialmente terminados que se encuentran en
un grado intermedio de produccin y a los cuales se les aplico la labor
directa y gastos indirectos inherentes al proceso de produccin en un
momento determinado.
Una de las caractersticas del Inventario de produccin en proceso es
que va aumentando el valor a medida que es transformado de
materia prima en el producto terminado como consecuencia del
proceso de produccin. Inventario de Productos Terminados:
Comprenden estos, los artculos transferidos por el departamento de
produccin al almacn de productos terminados por haber estos
alcanzado su grado de terminacin total y que a la hora de la toma
fsica de inventario se encuentren aun en los almacenes, es decir, los
que todava no han sido vendidos. El nivel de inventario de productos
terminados va a depender directamente de las ventas, es decir, su
nivel esta dado por la demanda. Inventario de Materiales y
Suministros:
En el inventario de materiales y suministros se incluye:
Materias primas secundarias, sus especificaciones varan segn el
tipo de industria, un ejemplo para la industria cervecera es, sales
para tratamiento de agua.
Artculos de consumo destinados para ser usados en la operacin de

la industria,
dentro
de
estos
artculos
de
consumo
los
mas
importantes son los destinados a las operaciones, y estn formados

por los combustibles y lubricantes, estos en la industria tienen gran
significacin.
Los Artculos y materiales de reparacin y mantenimiento de las
maquinarias y aparatos operativos, los artculos de reparacin por su
gran
volumen
necesitan
ser
controlados
adecuadamente,
la
existencia de estos varan en relacin a sus necesidades.

LOTE ECONMICO DE
PEDIDO
Es aquel pedido que optimiza
los costos de pedido,
almacenaje y ruptura.
El Lote Econmico es aquella
cantidad de unidades que
deben solicitarse al proveedor
en cada pedido, de manera
que se logre minimizar el costo
asociado a la compra y al
mantenimiento de las unidades
en inventario. El objetivo
bsico que se persigue al
determinar el Lote Econmico
es la reduccin de costos, a la
vez que se responden dos
preguntas claves:
Cunto pedir?
Cundo pedir?
Para determinar el lote econmico debemos identificar cules son los
costos asociados a los inventarios:
1. COSTOS DE COLOCACION DEL PEDIDO C1: Este valor se

considera fijo cualquiera sea la cuanta del lote, pues no estn
afectados por el tipo de polticas de inventarios. Est representado
por el costo del formato de compra, tiempo de computador, el costo
de enviar la orden de compra al proveedor, etc.
2. COSTOS DE MANTENIMIENTO/UNID DE TIEMPO C2: Se define
como el costo de mantener una unidad o artculo durante un tiempo
determinado. Los artculos que se almacenan en inventario, adems
estn sujetos a prdidas por robo, obsolescencia y deterioro.
3. COSTOS DE QUEDARSE CORTO: Cuando una empresa por
cualquier circunstancia no puede cumplir un pedido, por lo general
ocurren dos comportamientos, que dan lugar a dos tipos de costos:
** Costos de ruptura :Est representado por la falta de un artculo
durante un tiempo determinado. La caracterstica principal es que a
pesar del incumplimiento, el cliente prefiere esperar.
** Costos de Faltantes : Est representado por la falta de un artculo
durante un tiempo determinado. En este caso la demanda no es
cautiva, se pierde la venta y se pierde el cliente.
4. COSTOS DE SOBRANTES C5: Este costo es causado por
deterioro, obsolescencia, inversin inoficiosa e inutilidad de un
artculo o material cuando no es utilizado antes de determinado
tiempo.
El clculo del Lote Econmico pude obtenerse a travs de la
aplicacin de modelos matemticos, cada uno de los cuales utiliza
ciertos supuestos. Algunos de estos modelos son:
Probabilistico
Demanda Flexible
Suministro Incierto
Deterministico
Demanda Constante
Suministro Instantneo
Vamos a calcular el tamao del lote a travs de la aplicacin del

modelo Determinstico de Harris:
Alternativa 1
Alternativa 2
Alternativa N
De las grficas anteriores, se puede deducir:

Si T es grande, q (tamao del lote) tambin lo es y el costo de
almacenamiento es grande. En cambio n es pequeo, pues hay que
hacer pocos pedidos.
Si T es pequeo, q (tamao del lote) tambin lo es y el costo de
almacenamiento es pequeo. En cambio n es grande, pues hay que
hacer muchos pedidos.
MODELO DE TAMAO DEL LOTE ECONMICO BSICO (EOQ)

Esta tcnica es relativamente fcil de usar pero hace una gran
cantidad de suposiciones. Las ms importantes son:
1.
La demanda es conocida y constante
2.
El tiempo de entrega, esto es, el tiempo entre la colocacin de
la orden y la recepcin del pedido, se conoce y es constante.
3.
La recepcin del inventario es instantnea. En otras palabras, el
inventario de una orden llega en un lote el mismo momento.
4.
Los nicos costos variables son el costo de preparacin o de
colocacin de una orden (costos de preparacin) y el costo del
manejo o almacenamiento del inventario a travs del tiempo
(costo de manejo).
5.
Las faltas de inventario (faltantes) se pueden evitar en forma

completa, si las rdenes se colocan en el momento adecuado.
Variables del modelo:

Q
= nmero de piezas por orden.
Q* = nmero ptimo de piezas por orden (EOQ).
D
= demanda anual en unidades para el producto del inventario.
k
= costo de preparacin para cada orden.
C
= costo unitario
I
= porcentaje de conservacin
H
= costo de manejo del inventario por unidad por ao.( c*i%)
N
= nmero esperado de rdenes.
T
= tiempo esperado de rdenes.
CT = costo total.
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 =
Nmerode das laborales/ao

N
250 das laborales/ao
T=
5 rdenes
T = 50 das entrerdenes
Inventario
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
Inventarios para un Sistema de Produccin

Caractersticas:
El inventario pertenece a uno y slo a un artculo.
El inventario se abastece por lotes.
La demanda es determinstica y ocurre a una tasa constante conocida
de demanda.
Un costo de organizacin de produccin fijo de $CRu por pedido.
0.16
Un costo de compra de $c por unidad.

Una tasa de transferencia de i(es decir, el costo de conservacin es
CPu=i*c por cada unidad en inventario por periodo.
El pedido se produce a una tasa de produccin (p) conocida.
Calculo de la cantidad optima de pedidos:
Dados los siguientes datos:
1.Tasa de produccin p =800 unidades al mes.
2.Demanda anual de D=(6000/ao)(12 meses/ao)=500 unidades al
mes.
3.Tiempo gua de L=1 semana = 1/52 ao=12/52 mes
4.Costo de organizacin de CRu=$1000 por corrida de produccin
5.Valor de cada unidad c=$250
6.Tasa de transferencia de i=0.24 al ao=0,24/12 al mes=0.0.02
7.Costo de conservacin mensual de CPu=i*c=0.02*250=$5 por
unidad al mes.
Para comprender como se relacionan la cantidad de pedidos Q y el
punto de nuevos pedidos R y como afectan el nivel de inventario con
el tiempo, suponga que no hay inventario y que acaba de iniciar una
corrida de produccin de Q=400 unidades.El nivel de inventario con
el tiempo se ilustra en la figura, el eje horizontal representa el tiempo
en meses y el eje vertical representa el numero de unidades en
inventario. El nivel de inventario en un punto en el tiempo se basa en
las siguientes observaciones:
1.Las 400 unidades son producidas a una tasa de P=800 al mes. Esta
corrida, entonces requiere Q/P =400/800= 0.5 mes para cubrir.
2.Durante este 0.5 mes, las unidades se venden a una tasa de 500 al
mes. Por tanto, el inventario se construye a una tasa neta de PD=800-500=300 al mes.
Durante el periodo de produccin de 0.5 meses ,el nivel de inventario

se incrementa de su valor de inicio de 0 a un valor final de (PD)*Q/P=300*(1/2)=150,como se ve en la figura mediante la lnea
recta del tiempo 0 a 0.5 meses.
3.Despues de terminada la corrida de produccin, el inventario de
150 unidades se vende a la tasa de D=500 al mes. Por consiguiente,
este inventario se acaba en 150/500=0.3 mes, como se ilustra en la
figura mediante la lnea recta del tiempo 0.5 a 0.8.
Inventario
150
0.5
0..8
0..13
0.16
Para asegurarse que no hay dficits y tambin evitar niveles de

inventario
innecesariamente
altos,
el
siguiente
pedido
deber
emitirse de tal forma que la produccin se inicie en el tiempo 0.8

mes. El tiempo transcurrido de 0.8 mes, durante el cual el inventario
inicia en 0,llega a su valor mximo de 150 y disminuye nuevamente a
0,se denomina tiempo de ciclo, y se denota mediante T. En general, el
tiempo ciclo es la cantidad de tiempo necesario para agotar Q
unidades. Esto es,
Tiempo ciclo, T= Q/D = 400/500 =0,8 mes.
Recuerde que el tiempo gua es l=12/52=0.231 mes, as que el
siguiente pedido de produccin debe colocarse en el tiempo T-L=0.80.231=0.569 mes. Cuando el nivel de inventario llega a 0 en el
tiempo 0.8,todo el ciclo de inventario comienza nuevamente, como se
muestra en la figura.
Costo mensual total=(costo de organizacin mensual)+(costo de

conservacin mensual) = K*(D/Q)
= 1000*(500/400) =$1250
Costo de conservacin =(i*c)=(0.02*250)=5
Lote Econmico de produccin:
Q=
2DCRu/ CPu ( 1- d/p)=
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)
Nota: Si se presentara descuento por cantidad se debe considerar en

el costo total el costo de compra: C*D.
Problema 1.Una empresa que se dedica a la fabricacin de transformados

metlicos debe comprar en el exterior una pieza de plstico que
incorpora a sus productos, siendo su coste de adquisicin de
0.125um/unidad. El consumo diario de dicha pieza es prcticamente
constante y asciende a 178 unidades. Cada vez que se hace un
pedido, ste tarda en llegar 7 das y se generan unos costes por
emisin iguales a 500um. Un estudio realizado sobre los costes, cp,
originados por el almacenamiento de las piezas de plstico en la
empresa, revela que stas suponen 1.25um/unidad y ao. La empresa
no viene practicando ningn mtodo cientfico de gestin de stocks y
parece ser que esto provoca unos gastos demasiado elevados en el
departamento de aprovisionamiento. Debido a ello, el gerente solicita
del mismo un estudio adecuado para la gestin de las diferentes
materias primas y productos de fabricacin ajena que son adquiridos
por la empresa, entre los cuales se encuentra la pieza de plstico a la
que venimos haciendo referencia. Para ellos, y dentro del estudio
general encomendado, se desea conocer, para un perodo q, de 360
das laborables:
- El tamao del lote de pedido, Q*, que minimiza los costes totales
de la gestin de inventarios de este producto.
El nmero de pedidos a realizar.
El perodo de reaprovisionamiento ptimo.
El punto de pedido.
El coste total de gestin, CT.
Problema 2.Sony es una compaa especializada en msica, durante el ao
pasado a realizado ventas por un monto de $500 000.Las ventas se
producen a un ritmo constante durante el ao. La Sony compra los
discos a la CIA Disc SA. El precio de venta al menudeo es igual a 5/3
del costo original. El costo de pedido es de $80, independientemente
de la magnitud del pedido. Los costos anuales de mantenimiento del
inventario representan 10% del costo del nivel promedio de
inventario.
a)Cual es el valor en dlares de la cantidad de pedido optimo.
b) Con cuanta frecuencia se deben colocar los pedidos cada ao
c)Cual es la duracin optima del ciclo?
Problema 3.Specific Electric es un gigantesco fabricante de aparatos

electrodomsticos en los EEUU. Utiliza motores elctricos que compra
a otra empresa a una tasa constante. Los costos totales de compras
durante el ao son de $2400000.Los costos de hacer pedidos son de
$100 y los costos anuales de mantener inventario son el 20% del
costo del inventario promedio.
a)Cul es el valor en dlares del tamao econmico del lote?
b)Cuntos veces al ao debe ordenarse
c) Cul es el tamao optimo del ciclo en aos
y en das existen 250 das laborables?
Problema 4.La empresa TRANSPORTE S.A., est orgullosa de su programa de
capacitacin de seis semanas para todos sus nuevos conductores de
camiones. Siempre que el tamao de la clase, sea inferior igual 35
choferes, el programa de capacitacin de seis semanas, le cuesta a
TRANSPORTE S.A. unos 22.000 dlares por lo que se refiere a
Instructores, Equipos, Etc. El programa de capacitacin de
TRANSPORTE S.A. debe darle a la empresa aproximadamente cinco
nuevos conductores al mes. Despus de finalizar el programa de
capacitacin, se les paga a los nuevos choferes 1.600 dlares
mensuales pero no trabajan hasta que quede disponible una posicin
de tiempo completo de chofer. TRANSPORTE S.A., considera los
1.600 dlares mensuales cancelados a cada conductor ocioso como
un costo de posesin necesario para mantener esa fuente de nuevos
choferes de camiones capacitados disponibles para servicio
inmediato. Considerando los nuevos choferes como unidades del tipo
de inventario, de que tamao debera ser la clase de capacitacin
para minimizar los costos totales anuales de capacitacin y de
tiempo ocioso de los nuevos choferes? Cuantas clases de
capacitacin deber impartir la Empresa cada ao? Cul es el costo
total anual asociado con su recomendacin?
Problema 5.Suponga que usted esta revisando la decisin del tamao del lote
asociado con una operacin de produccin de 8000 unidades por ao,
con una demanda del producto de 2000 unidades por ao, el costo de
efectuar un pedido es de 300 dlares por pedido y el costo de
almacenamiento es de 1.60 dlares la unidad por ao. Considere
adems que la practica actual incluye corridas de produccin de 500
unidades cada tres meses recomendara usted cambiar el tamao
del lote de produccin actual? porqu si y porqu no? Cunto se
podr ahorrar al convertir la produccin a su recomendacin del

tamao del lote de produccin?
Problema 6.PUBLICACIONES C.A. produce libros para el mercado infantil cuya
demanda anual constante se estima en 7.200 ejemplares. El costo de
cada libro infantil es de 14,50 dlares. El costo de posesin se basa
en una tasa anual del 18% y los costos de puesta en marcha de la
produccin es de 150 dlares por cada puesta en marcha de la
produccin. La imprenta tiene una capacidad de produccin de
25.000 libros infantiles por ao, con una operacin de 250 das al ao
y plazo de entrega de una corrida de produccin de 15 das.
Utilizando el modelo de tamao de lote de produccin determine
todos los parmetros.
Problema 7.Una empresa distribuidora de rollos de cables quiere adoptar una
poltica de inventarios que le permita minimizar el costo total
esperado. La poltica a utilizar ser la de comprar lotes de artculos
utilizando una frecuencia entera ptima. La demanda de rollos
prevista para el perodo se calcula que ser de 400 unidades. Un
proveedor ofrece un modelo de ese rollo a un precio unitario de $ 12
cuando la cantidad a comprar sea menor a 19 unidades, $ 10 cuando
compre entre 20 y 79 unidades y $ 9.50 cuando compre mas de 79
unidades. El costo administrativo por realizar cada compra se calcula
en $ 15. Para averiguar el costo de almacenaje se determino que
tener un rollo almacenado en el deposito cuesta un 55% de su precio
unitario, este porcentaje incluye seguros, custodia, valor de
recuperacin (valor de desecho del producto para la empresa, como
por ejemplo una venta con descuento) y la tasa de descuento (el
costo por tener invertido dinero en artculos almacenados y no por
ejemplo en un plazo fijo). Determinar el lote ptimo de compra
Problema 8.Una Empresa puede producir un artculo comprarlo a un
comerciante. Si lo fabrica, a una tasa de 100 unidades por da, le
costar 20 dlares cada vez que se preparan las maquinas. Si se lo
compra al comerciante le costar 15 dlares cada vez que hace un
pedido. El costo de mantener un articulo en existencia ya sea
fabricado comprado es de 0.02 dlares la unidad por da. El uso que
la Empresa hace del artculo se estima en 260.000 unidades al ao.
Suponiendo que no se permite ningn faltante, Debe la compaa
comprar el artculo producirlo?
Problema 9.DIA SA esta evaluando una poltica de inventarios para implantar en
su nueva lnea de produccin de jugos, por datos de la empresa se

tiene una demanda de 1300 botellas al mes, el costo de arranque del
sistema de produccin tiene un costo total de $600, adems el
conservar una caja en inventario tiene un costo de $2 por caja al mes.
Las posibilidades de compra de diferente tipo de maquinaria, sus
costos y capacidad de produccin se dan a continuacin:
Tipo Costo Costo de Capacidad
de
producci de
Maqui n
produccin/
na
mes
A
$2100 $4,5/unid 4800 cajas
ad
B
$1800 $5/unida 4200 cajas
d
C
$3000 $5,5/unid 3900 cajas
ad
Que tipo de maquina debe comprarse?
Problema 10.La Ajax Manufacturing Company ha compilado la siguiente
informacin concerniente al componente 5643. El promedio de
consumo es de 120 unidades diarias, con una desviacin estndar de
50 unidades, basada en que la fabrica trabaja 250 das al ao. El
costo de adquisicin por pedido es de $20. Los costos de
mantenimiento de inventario son de $1 anual, y el tiempo de
adelanto de adquisicin es de 10 dias, y es constante. La compaa
ha determinado que solo puede permitirse un agotamiento anual de
las existencias. Calcule:
a) Cantidad econmica de pedido.
b) Con un pedido de control de inventario de cantidad fija y ciclo
variable, calclese la cantidad de existencias de seguridad
requerida y el punto de renovacin de pedido.
c) Con un sistema de control de inventarios de cantidad variable y
ciclo fijo, calclese la duracin del periodo de revisin y las
existencias de seguridad requeridas.
Problema 11.Arco Incoporated ,tiene un consumo mensual de un producto de 125
unidades. Los costos cargados al inventario son de 25 por ciento del
inventario promedio, y los costos de pedidos son de $15.Cada pieza
cuesta$2 y su cantidad econmica de pedidos es de 300 unidades. El
flete de un embarque de 300 unidades es de $95.si se embarcan 500

unidades, el flete es de $122.Debe comprarse la cantidad de 500
unidades a fin de aprovechar los ahorros de flete?
Walter Vargas S.A. mantiene en su inventario un cierto tipo de llanta
con las siguientes caractersticas:
Ventas anuales promedio = 500 llantas
Costo de ordenar = $10 por orden
Costo de mantener = 20% al ao.
Costo por artculo = $40 por llanta.
Tiempo de entrega = 5 das.
Desviacin estandar de la demanda diaria = 1 llanta
a)Calclese el lote econmico.
b) Para un sistema Q de control de inventarios, calclese el inventario
de seguridad que se requerir para niveles de servicio del 85%.
c)Hallar el punto de reorden.
d)Hallar el punto de reorden y el stock de seguridad del sistema P.
Problema 12.Una tienda de venta de hamburguesas compra sus componente mas

importante al precio de 0,50 /unidad. ,el costo de encargar el pedido
a calculado que es de 7,adems como el tiempo que permanece
guardado es pequeo considera 0,1% /dia,
la tienda por el tipo de negocio no tiene certeza en la demanda ,se
calcula que puede vender 50 unidades al da, pero como esto no es
seguro le otorga una varianza de 4 (unidades/da)2
,adems se
demora en entregar el pedido medio da.
el nivel de servicio en las entregas por datos histricos es que de
cada 100 pedidos 5 no son entregados.
a.Hallar el lote econmico
b.Hallar el inventario de seguridad.
c.Hallar le punto de reorden.
d.Hallar el costo total
Problema 13.Servis Lux, actualmente gasta $1200 por pedido, este gasto trata de
cubrir la demanda de 1500 unidades al mes, en gastos de compra se
tiene $1000 ,y para cubrir el costo de inventario se tiene un
porcentaje de 5%/mes.
a)Cul es el lote a comprar?
b)Cul es el costo unitario?

c)Cul es el costo total?
d)Si se demoran en traer el pedido 2 semanas, Cul es el punto de
reorden?
Problema 14.Si ahora la demanda es probabilstica con desviacin estndar es de
100 unidades /mes, el nivel de servicio es de 90% .
a) Inventario de seguridad
b) Hallar punto de reorden
c) Cul es el costo de inventario de seguridad?
Problema 15.La empresa Los Prceres esta evaluando dos polticas, una de las es
la seguir comprando sus materiales al precio de $10 por unidad,
mantener un costo de inventario de $6 por unidad al ao. La
demanda es de 500 unidades por trimestre, traer los pedidos
acarrean un costo de $50 por pedido.
La otra poltica es considerar la produccin , el costo fijo de arrancar
es de $150, la produccin es de 2000 unidades al mes.
Cul poltica debe elegir?
Problema 16.Talsa esta evaluando una poltica de inventarios para implantar en su
nueva lnea de produccin de jugos, por datos de la empresa se tiene
una demanda de 12000 botellas al mes, el costo de arranque del
sistema de produccin tiene un costo total de $400, adems el
conservar una caja en inventario tiene un costo de $1,2 por caja al
mes. Las posibilidades de compra de diferente tipo de maquinaria,
sus costos y capacidad de produccin se dan a continuacin:
Tipo
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
Que tipo de maquina debe comprarse?
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
Cul es la poltica optima de pedido?

Problema 19.Una compaa produce 40 carpetas personales por da. a pesar que
su capacidad de produccin es de 50 unidades diarias El costo para
organizar o preparar una corrida de fabricacin es $400 el costo por
almacenar una carpeta durante un mes es de $10,los clientes piden
10 carpetas al dia. El costo eu na carpeta es de $12.
(suponga un mes=30 das y que 360 das=1 ao).
a) Cuales son las condiciones actuales de la empresa
b)Cul es el tamao optimo de corrida de produccin?
b)Cuntas corridas de produccin se debe hacer al ao?
c)En que tiempo se acaba el inventario?
d)Cunto se demora la produccin de un lote?
E )Cual es el ahorro con la poltica optima
f)Que pasara si puede comprar las carpetas al costo de $30?

Problema 20.Se va construir una fabrica, uno de sus objetivos es tener siempre a
sus clientes satisfechos en la entrega de sus pedidos, una unidad de
materia prima ocupa 1,5 m2 y un producto terminado 3m2.Los datos
presentados por el departamento de mercadotecnia sugieren una
compra de materia prima semanal de 200 unidades, y una venta
mensual de 500 unidades de productos terminados..Se tiene tres
proveedores que nos abastecen con materia prima, actualmente se
les compra 280 unidades cada quincena, pero uno de los proveedores
nos propone una posibilidad de descuento si se le compra solo a l, el
costo normal con que se compra actualmente es de $15 por unidad
,pero este precio puede bajar a $12 si se le compra como mximo
400 unidades, si se le compra mas de 400 el precio baja a $10.
Cuesta $50 el gasto de hacer todo el tramite de realizar el pedido ( ya
sea se compre a uno o a tres),la empresa considera un 15% el costo
de conservar dinero inmovilizado en materia prima al mes. Cuando se
inicie la produccin el gasto de acomodar la lnea, el personal y las
herramientas ascienden a $750, adems se tiene la posibilidad de
adquirir dos tipos de maquinas ,la maquina 1 tiene capacidad para
producir 2500 unidades a la semana ,y la otra una capacidad de 6700
unidades al mes. El costo unitario de produccin en la maquina 1 es
de $15 y en la maquina 2 es de $20, adems se carga un 3% por
mantenimiento de inventario al mes,. La empresa desea respuestas a
las siguientes preguntas:
a) Se acepta el descuento del proveedor.
b) Cual debe ser el lote de compra
c) Cual es el costo de compra
d) Que maquina debe ser usada para la produccin
e) Cual es el costo mnimo de produccin
f) Cual es el costo total de la empresa (compra mas produccin)
g) Cual debe ser el rea del almacn.
Referencia Bibliografica
1.-TAHA H. Investigacin de Operaciones, PRENTICE HALL, Mxico
1998
2.-EPPEN GOULD, Investigacin de Operaciones en la Ciencia

Administrativa ,
PRENTICE HALL, Mxico 2000
3.-WINSTON
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

Experiencia Laboral

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Experiencia Laboral

Enviado por

Direitos autorais:

Formatos disponíveis

INTRODUCCION A LA INVESTIGACION DE OPERACIONES

Fundamentos de la Investigacin de Operaciones (I.O.)

ptimamente los recursos".

Solucin del modelo (se utilizan diferentes algoritmos).

Validacin del modelo (valores posibles para dar un resultado

Santiago Javez Valladares

INTRODUCCION A LA INVESTIGACION DE OPERACIONES

Santiago Javez Valladares

INTRODUCCION A LA INVESTIGACION DE OPERACIONES

3.- BREVE HISTORIA DE LA INVESTIGACION DE OPERACIONES

Tiempo y Movimiento : en los

Esperas: Erlang a principios del

Teora de Juegos: Von Newman

tcnicas similares a QUESNAY.

Precursores de los Modelos

1873 Jordan , Minkowsky

Mundial existan grupos que

en 1896 y Farkas en 1903.

asesoraban con relacin a las

bombardeo, defensa area y

INTRODUCCION A LA INVESTIGACION DE OPERACIONES

estable una seccin de

Operations Research (O.R,en

Cientficos ayudaron a detectar

aeroplanos enemigos mediante

el radar. En el verano de 1941

( I.O.) en la RAF(Real Fuerza

Area) de igual modo en la

Santiago Javez Valladares

crecimiento de esta disciplina.

1947 GEORGE DANTZING: EL MTODO SIMPLEX.

organizaciones, generando un mayor flujo de informacin con orden y haciendo

Se hace mejor uso de los factores econmicos, disminuyendo costos y

Introduccin a la Programacin Lineal

situaciones en las cuales tendremos solo costos ya sea de

Para expresiones como :

Atencin a los datos de conversiones ( horas a minutos, kilogramos a libras, etc).

c) Paciencia, no todo sale a la primera vez, la constancia llevara al triunfo.

aplicaciones de modelos lineales, en las siguientes paginas vamos a tratar de considerar

PROBLEMA 1.1. PRODUCCIN EN LINEA

cuntas unidades de cada uno se deben

1. Definicin de las variables de decisin:

x i : Nmero de vehculos del tipo i =1(camin ) ,2(automvil

se usa un solo sub ndice por que el sistema de produccin es en lnea.

2. Elaboracin de la funcin objetivo:

($6000 / camion )( x1 )camiones + ($2000 / automovil )( x 2 )automovil .

tenemos la siguiente funcin objetivo:

Restriccin de das-operario en el departamento B.

Problema 2.-(Produccin en lnea)

Elabore un modelo lineal para la empresa Elit.

x i : Cantidad de botellas de i =1,2 (yogurt y jugo respectivamente) a producir.

max z = ($ 5 / botella )( x1 )botella + ($ 3 / botella )( x 2 )botella

( 2kg / botella )( x1 )botella + (3kg / botella )( x2 )botella 1600 kg .

(3kg / botella )( x1 )botella + (1kg / botella )( x 2 )botella 2100 kg .

x1botella 9000 botella .

Problema 3.- (MEZCLA)

Easy Out Candy

1. Definicin de las variables de decisin:

respectivamente) para elaborar el tipo de dulce

j =1,2 (Easy Out Candy y

Slugger Candy respectivamente).

x11 oz + x12 oz 100 oz .

x 21 oz 0.2( x11 + x 21 + x31 )oz