Escolar Documentos
Profissional Documentos
Cultura Documentos
~ 15 ~EP 2014
::,. ""'~~~-~---
... ___
O,F!RMA: -
--- .......................................................
~-:
,
CENTRO DE DOCUMErACio~
CIENTIFICA YTRADUCCIONES
"TEXTO AUTOINSTRUCTIVO
DE INVESTIGACIN DE OPERACIONES"
AUTORES:
PROFESOR TITULAR
Dr. Luis Whiston Garca Ramos
PROFESOR COLABORADOR
Mg. Anival Alfredo Torre Camones
CALLA0-2014
DEDICATORIA:
ll
IN DICE
NDICE .............................................................................................................1
11 PROLOG0 ..............................................................................................................:............................ 3
IIIINTRODUCCION ..............................................................................................................................4
1
6.1 ~vltodo Hngaro ........................................................... o 223
~ 2
11 PROLOGO
Estimado participante:
Reciba Usted la ms cordial
bienvenida a nombre de la
Universidad.
Esperamos que la experiencia de
estudio que ahora inicia sea
significativa para su ejerc1c1o
profesional y desarrollo personal.
Hl INTRODUCCION
Aqu lo orientamos cmo debe utilizar el Texto autoinstructivo para tener resultados
\
Definiciones bsicas
11 Modelos matemticos
lil Programacin lineal
IV Mtodo grfico
V Programacin entera
VI Problemas de transporte y asignacin
En todas las unidades didcticas buscaremos lograr el objetivo alrededor del cual se
cumple en todo el sistema del proceso de auto instruccin. Encontrar
procedimientos simples para poder desarrollar modelos relacionados con la
especialidad. Los ejercicios propuestos, que adjuntamos al final de cada unidad,
deben resolverlo para comprender meLar la asignatura. Si esta fase logra pasar,
entonces estar capacitado para poder autoevaluase. Si el problema o ejercicio se
vuelve dificultoso, posibtemente sea. consecuencia de haber anotado algn dato
incorrecto; le recomiendo tener mucho cuidado en tratar a las variables de decisin.
Busque las condiciones ambientales ms propicias para el estudio, lo que le
facilitar su concentracin y su aprendizaje. Haga un cronograma de estudio que
deber cumplir sistemticamente.
Recuerde que debe interpretar con sus propias palabras los conceptos presentados
p_or el autor, esto ie permitir una n:layor comprensin del tema. Recurra a los
glosarios que se encuentran al final de cada unidad didctica; as como al
\
diccionario, que posibilitarn que enriquezca su vocabulario y entienda claramente
!as ideas expresadas en el texto. Resuelva todas las actividades: auto evaluacin,
prcticas y ejercicios propuestos.
4
,
UNIDAD 1 DEFINICIONES BASICAS
7
Ilustracin
2.1
Proceso de..
toma de
decisiones
~ 8
de operaciones, son programacin matemtica, pr-obabilidad, estad~stica e
informtica. Algunas reas de la Investigacin de operaciones como por
ejemplo el control de existencias y -el control de produccin, y la teora del
scheduling, se han transformado en sub-discip1inas por propio derecho y se
han hecho en gran medida indispensables en el mundo moderno.
9
1.3 Metodoioga de la investigacin de operaciones
. . . ..
U.~f~:~~~~~
~
Ilustracin 3.2
Metodologa de la
Investigacin de
operaciones
11
1.4 Usos y aplicaciones de la investigacin de operaciones
12
Secuenciamiento: Qu tarea es ms importante?
1
Cmo se pueden establecer las prioridades?
1
. ' ... - : ,
'-
11 Como debenan utilizarse los recursos?
1
1
l Qu nivel de servicio estamos brindando?
1
13
-
1.5 Autoeva!uacin de la Unidad i
01. Una definicin de Investigacin de oper3ciones es:
a. Un conjunto de mtodos y tcnicas.
b. El uso de la matemtica e informtica para tomar decisiones.
02. La metodologa de la investigacin de operaciones, implica:
a. Definicin del problema, ReSOLUCIN:del modelo, Desarrollo del
modelo, SOLUCIN:, validez, implementacin.
b. Definicin del problema, Desarrollo del modelo, ReSOLUCIN:del
modelo, SOLUCIN:, validez e implementacin.
03. La definiCin sobre la investigacin de operaciones, "Mtodo cientfico
por el cual la administracin ejecutiva dispone de una base cuantitativa
para las decisiones de operaciones bajo su control" A quin
corresponde?
a) Ackoff b) Sasieni e) Mores-Kimball d) Dantzing e) Warner
04 A quin se le considera Padre de la Programacin lineal?
a) Gross b) Sasieni e) Mores-Kimball d) Dantzing e) Warner
05 La definicin sobre la investigacin de operaciones, "Rama de la
matemtica aplicada al proceso de toma de decisiones, A quin
corresponde?
a) Gross b) Sasieni e) Mores-Kimball d) Dantzing
e) Kaufmann
06 El miedo a la toma de decisiones impo)iantes es un nuevo tipo de
temor, denominado decido fobia, rue reve)ado por:
a) Gross b) Sasieni e) Mores-Kimball d) Dantzing
e) Kaufmann
07 Dnde se origin la Investigacin de Operaciones durante ta Segunda
Guerra Mundial?
a) Francia b) EE.UU. e) Inglaterra d) Japn e) Rusia
08 Qu ao se origin la Investigacin de Operaciones duante la
Segunda Guerra Mundia~?
14
1.6 Lectura: Entrevista ai creador de !a programacin lineal
"En el ejemplo anterior, factorial de 70 es un nmero muy grande. A fin de tener una
idea de qu tan grande es, supngase que se hubie?e tenido una computadora IBM
del tipo mainframe en el instante en el que ocurri el Big Bang hace quince millones
de aos. Habra podido, entre ese entonces y ahora, examinar todas las
Soluciones posibles? jNo! No obstante, supngase que se hubfese tenido una
computadora an ms poderosa, una que pudiese examinar mil miltones de
asignaciones por segundo. La respuesta seguira siendo negativa. Aun si la Tierra se
llenase con computadoras cuyas rapideces fueran de nanosegun-dos, todas ellas
trabajando en paralelo, la respuesta aun sera no. Sin embargo, si existiesen diez
Tierras, todas llenas conll:om
' tadoras del tipo mencionado, todas programadas en
/ . 15
w
parale!o desde el instante del Big Bang hasta que el Sol fuese una esfera fra,
entonces quizs la respuesta podra ser s. Lo notable es que el mtodo Simplex,
con la ayuda de una computadora moderna, puede resolver este problema en una
fraccin de segundo".
"Si se estudiaba con cuidado el paso siguiente, se poda ver que algn lder haba
promulgado un montn de reglas bsicas que, en su concepto, llevaran a la meta.
Esto distaba mucho de lo que sera honestamente estudiar todas las combinaciones
alternativas de las acciones a seguir para elegir la mejor combinacin. Los que
mandan generalmente mueven las manos y dicen 'He considerado todas las
alternativas'. Pero eso es casi siempre basura. Lo ms probable es que no pudiesen
estudiar todas las combinaciones. Antes de 1947 era inconcebible pensar en la
existencia de una herramienta como la programacin lineal que permitiese examinar
millones de combinaciones. No haba algoritmo o herramienta computacional que
pudiera hacer eso."
16
"Las reglas bsicas empleadas en la pianeacin se expresaban en un formato
completamente distinto del que se emplea en la actualidad para formuiar un
programa lineal. Lo que hicimos fue revisar estas reglas una por una y demostrar
que casi todas ellas podan reformularse aceptablemente en un formato de
programacin lineal. Pero no todas. En algunos casos era necesario tomar en
cuenta el cacter discreto de las variables y !as no convexidades.""Cuando formul
por primera vez mi modelo de programacin lineal, lo hice sin una funcin objetivo.
Estuve luchando por algn tiempo con la adicin de reglas bsicas para elegir de
entre las Soluciones factibles la que en algn sentido fuese 'ptima'. Pero pronto
abandon esta idea y la sustitu por la de una funcin objetivo a ser maximzada. El
modelo que formul no estaba hecho especficamente par;l fines militares. Poda
aplicarse a toda clase de problemas de planeacin; todo lo que tena que hace~se
era cambiar los nombres de las columnas y los renglones, y entonces era aplicable a
un problema de planeacn econmica lo mismo que a un problema de planeacin
industrial."
17
UNIDAD 11: MODELO MATEMTICO
20
2.3 Modelo de mezc!a
EJERCICIO 2.1
PEPSICO, procesa jugo de naranja y lo transforma en concentrado congelado
en tres plantas localizadas en Chosica, Vitarte y Comas. De cualquiera de !os
dos huertos ubicados cerca de Huaral y Caete se pueden enviar libras de
naranja hacia cualquier planta. El huerto que est cerca de Huarai tiene
20000 libras y el huerto que est cerca de Caete tiene 12000 libras. La
plana de Chosica requiere al menos 8000 libras para cumplir su cuota de
produccin. Las plantas de Vitarte y Comas requieren cada una al menos
11 000 libras. Dado el costo de transporte y el precio de venta del
concentrado, el objetivo, sujeto a ciertas restricciones de oferta y demanda, es
determinar cmo transportar estas naranjas desde los huertos a las plntas
: :
procesadoras para maximizar la ganancias.
COSTO DE TRANSPORTE ($. /TON)
. . -_;..; .:.
._:_.
~ . '~- '.
~:-~~: :-pRI~~~G ~---_._:~-: ~--- ---~~~:~~~-:-~ ::~-.- - -~- - ~e-~~~~;~_ ,~ .__ --~ :_:.-.:,:. ::
..: _- . . . _. :.,:
- . ,.. . -.
-- . ..
_~;
.:. . ' - - . : - .
~hostca~---.
:_. ~
. Vtarte.
-__: ~
Comas_ ,.
_;_ -
~
- -==:: . -. . ~
Huaral 50 75 60
Caete 60 90 45
1 1
Ingresos ($/Tonelada) 550 750 600
SOLUCIN:
ORIGEN DESTINO
(Huerto) (planta)
CHOSICA
8000 Ilustracin 4. 4
Metodologa de la
Investigacin de operaciones
V/TARTE
11000
COMAS
11000
21
Utilidad= Ingreso- Gasto Conversin lb= 453 gr. 1Ton= 2207 lb.
l. Identificacin de variables.
IH Identificacin de Restricciones.
X2 + X22?: OOO
\
Xij ?: O
22
EJERCICIO 2.2
PETROPER puede comprar dos tipos de petrieo: crudo ligero a un c~sio
de $25 por barril, y: crudo pesado a un costo de $22 por barril. Cada b?rriLcie
petrleo crudo, ya refinado, produce tres productos: gasolina, turb.9~,ti1a y
queroseno. La siguiente tabla indica las cantidades en barriles de ga_~olina,
turbosina y queroseno producidos por barril de cada tipo de petrleo
SOLUCIN:CON LINDO
CP = 2'748,649
~1'435,135
1)1 01 '906,800
.
24
EJERCICIO 2.4
NISAN fabrica carros compactos y subcompactos. La produccin de cada
carro requiere una cierta cantidad de materia prima y mano de obra, como se
especifica en la siguiente tabla:
l. Identificacin de variables
CC =Nmero de carros compactos por fabricar
CS =Nmero de carros subcompactos por fabricar
25
EJERCICIO 2.5
MILKITO tiene dos mquinas distintas para procesar leche pura y producir
leche descremada, mantequilla o queso. La cantidad de tiempo requerido en
cada mquina para producir cada unidad de producto esultante y las
ganancias netas se proporcionan en la siguiente tabla:
~~!~~~~&.i~Iil~wj~Q~~if5:"~~;~~-~i~F1
Protenas 40 30 O 80
Vitamina A 5 50 30 60
1 1 1 1
Vitamina 8 20 30 j 40 50
1 1 1
Vitamina C 30 50 60 30
1 1
:
Cantidad mnima 0,5n gal 0,501b 0,50
1 1
Costo unitario 2,15 2,25 1,25
1 1
Como d1et1sta de una escuela pblrca, formule un modelo para determinar la
comida de costo mnimo que rena todos los requerimientos nutricionales.
SOLUCIN:
l. Identificacin de variables
1
L =Nmero Galones de leche a utilizar
Q =Nmero Libras de queso a utilizar en
M =Nmero Libras de manzana a utilizar
11. Identificacin de la Funcin Objetivo
MIN 2.15L + 2.250 + 1.25M
111. Identificacin de las restricciones
Con respecto a los requerimiento 40L + 300 +10M ~80
~
27
EJERCICIO 2.7
REPSOL, cerca de Lima, suministra gasolina a sus distribuidores en caminos.
La compaa recientemente recibi un contrato para iniciar el suministro de
800000 galones de gasolina por mes a distribuidores de Lima. La compaa
tiene $ 5000000 disponibles para crear una flota consistente en tres tipos
diferentes de camiones. En la siguiente tabla se muestra la capacidad, costo
de compra, costo operativo y nmero mximo de viajes por cada tipo:
30
EJERCICio- 2.1 O
SERPOST indica que la ciudad de Arequipa desea determinar cuntas
subestaciones postales se requieren para dar servicio a su poblacin. La
ciudad ha sido dividida en ocho zonas postales. Se han identificado cinco _
ubicaciones posibles para las subestaciones. Cada ubicacin puede dar
servicio a un nmero diferente de zonas, como indica en la siguiente tabla:
1 1, 2, 3
2 1, 4, 5
3 2,4,5,8
4 3, 5, 6, 7
5 6, 7,8
Formule un modelo para determinar el menor nmero de subestaciones (y sus
ubicaciones) necesarias para
1
dar servicio
.
a las ocho . zonas postales.
(Sugerencia: defina una variable apropiada para cada ubicacin).
SOLUCIN:
l. Identificacin de variables
Ui =Ubicacin de la Subestacin i
11. Identificacin de la Funcin Objetivo
MIN U1 + U2 + U3 + U4 + U5
111. Identificacin de las restricciones
U1 + U2 U2 + U3 + U4
U1 + U3 U4 + U5
U1 + U4 U3 + U5 ;::: 1
U2 + U3 Ui ;::: O, binario
31
EJERCICIO 2.11
COiv10DOY tiene tres divisiones que fabrican un producto en ei que cada
unidad completa consiste en cuatro unidades de componentes A y tres
unidades del componente B. Los componentes A y B se fabrican a partir de
dos materias primas diferentes. Existen 100 unidades de la materia prima 1 y
200 unidades de !a materia prima 2 disponibles. Cada una de las tres
divisiones usa un mtodo diferente para fabricar los componentes, dando
como resultado distintos requerimientos de materia prima y productos. La
tabla muestra Jos requerimientos de materia prima por corrida de produccin
en cada divisin y el nmero de cada componente producido por esa corrida.
1 86 75
2 59 69
3 38 84
Como gerente de produccin, formule un modelo para determinar el nmero
de corridas de produccin para cada divisin que maximice el nmero total de
unidades tenminadas del producto final.
SOLUCIN:
J. Identificacin de variables
C=Nmer'o de unidades completas
A=Nmero de componente A
B=Nmero de componente B
Ri=Nmero de corridas en la divisin i
JI. Identificacin de la Funcin Objetivo
iv1AX C
11. ldBntificacin de las restricciones
Segn la materia prima 1 8R1 + 5R2 + 3R3 ,;tOO
Segn materia prima 2 6R1 + 9R2 + 8R3 $200
Segn el componente A 7R1 + 6R2 + 8R3 -A=O
Segn el Componente B 5R1 + 9R2 + 4R3 -B =O
4C-A =O 3C-B =O
Segn la no negatividad R1, R2, R3, A, B, C~ O, Entero
5 R3 = 11 A= 132 B =99 C = 33
32
-EJERCICIO 2.12
QUMICA SUIZA, produce los productos CS-01 y CS-02, generan cantidades
excesivas de tres contaminantes diferentes: A, B y C. El gobierno ha
ordenado a la compaa que instale y emplee dispositivos anticontaminantes.
La siguiente tabla proporciona las emisiones diarias actuales en Kg./1 000
litros y el mximo de cada contaminante permitido en kilogramos.
25 40 43
B 10 15 20
e 80 60 50
~
- <-~~- :-_
A ~- - ... ::._
-~:;:~-~-:---=/_; . ~<. ~~-es~~:-~,c5-o2 .~~ ~-es-o1 :-=-cs~2--
'7 . O - - .... 0 - ..:_ O :,__ - ... q .._. - "='- ~... ~ ~--. ~ ~
~ - -
A 40 40 30 20
B 60 60 o o
e 55 55 65 80
('\ determinar un plan que maximice la produccin diaria total (cantidad de CS-01
)
ms CS-02) al mismo tiempo que satisfaga los requerimientos
\
gubernamentales.
33
SOLUCiN:
l. Identificacin de variables
R =Nmero de miles de litros a producir de CS-01
S =Nmero de miles de litros a producir de CS-02
- ...
.. /
34
EJERCICIO 2.13
Burger Kin, es un restaurante que vende una gran variedad de
hamburguesas. Se encuentra ubicado en la Av. Javier Prado y tiene entre sus
variedades la Sper Burger Kiny a ia Mega Burger Kincomo ias ms
preferidas por sus clientes.La Sper Burger Kin utiliza en su preparacin
250gr. de carne molida, en tanto que la Mega__;,BURGER KIN 350gr. El
restaurante inicia el da con 200kg. De carne destinada a la preparacin de
estos tipos de hamburguesas, pero puede ordenara ms a un costo adicional
de S/.6.00 por Kg., para cubrir los costos de entrega. Cualquier sobrante de
carne al final del da se dona al comedor "San Cristbal". Las utilidades de
Burger Kinson de S/.2.00 por una Sper Burger Kin y de S/.4.00 por una
Mega Burger Kinnoespera vender ms de 100 hamburguesas de 'estos tipos
en un da.Encuentre la SOLUCIN:que le permita a Burger Kinconocer su
plan ptimo de trabajo.
SOLUCIN:
l. Identificacin de variables
X1: Nmero de Hamburguesas Sper Burger Kina prepararse
diariamente.
,X2: Nmero de Hamburguesas Mega Burger Kina prepararse
diariamente.
X3: Nmero de Kg. de Carne a comprarse diariamente
11. Identificacin de la Funcin Objetivo
Max 2X1 + 4X2 " 6X3
111. Identificacin de las restricciones
La carne destinada a ia produccin de ambos tipos de hamburguesas
debe ser menoro igual a los 200 Kg. con los que seinicia el da ms los
Kg. comprados adicionaimente:
0.25 X1 + 0.35 X2 ~ 200 + X3
No se espera vender ms de 100 hamburguesas de estos dos t pos:
X1 + X2 ~ 100
X1, X2 1 X3 ~o
35
EJERCICIO 2.14
La Casa del Llavero", elabora dos tipos de llaveros; y para producirlos utiliza
una mquina especial. Los tiempos de produccin para los llaveros tipo 1 y 2
son de 10 y 12 minutos respectivamente, por unidad. El tiempo regular total
de la mquina es de 2500 minutos por da. "La Casa del Llavero "vende entre
150 y 200 unidades del tipo 1, pero no ms de 45 unidades del tipo 2,
diaria-mente. Adems se pueden emplear horas extras para satisfacer la
demanda a un costo adicional -de S/.010 por minuto. Si las utilidades por
unidad de los llaveros tipo 1 y 2 son S/.1.20 y S/.1.50, respectivamente.
Encuentre la SOLUCIN:que determine el nivel ptimo de produccin para
cada tipo de llavero.
SOLUCIN:
l. Identificacin de variables
Xi =Nmero de Llaveros del tipo i a producirse diariamente
11. Identificacin de la Funcin Objetivo
Criterio: Maximizar las utilidades en el da (Beneficios = Utilidades por
ambos tipos de llaveros- Costo por minutos extras).
MaxZ = 1.2X1 + 1.5X2-0.1 X3
'
111. Identificacin de las restricciones
El tiempo utilizado en la produccin de los llaveros debe ser menor o
igual al tiempo disponible en el da ms los minutos extra utilizados:
10 X1 + 12 X25 2500 + X3
Vende entre 150 y 200 unidades de llaveros tipo 1: 150::;: X1s: 200
No se venden ms de 45 unidades del tipo 2: X2s: 45
Modelo de Programacin Lineal
1.2 + 1.5- 0.1
MaxZ =
X1 X2 X3
sujeto a 10 X1 + 12 X2- X3 S: 2500
X1 2:150
X1 5200
X2 545
X1, X2, X3
k
36
EJERCICIO 2.15
SCOTIABANK, es una institucin que brinda una gran cantidad de servicios. Est en
proceso de fo1111ular una poltica de prstamos que incluyen un mximo de S/. 120
000. La siguiente tabla proporciona los datos pertinentes acerca de los diferentes
tipos de prstamos que ofrece el banco.
Automvil.
Vivienda
Agrcola
Los malos crditos son irrecuperables y, por lo tanto, no produce ningn ingreso por
inters. La competencia con otras entidades bancarias de la zona, requiere que el
banco asigne por lo menos el 40% de los fondos a prstamos agrcolas y
comerciales. Para ayudar a la industria de vivienda, los prstamos para vivienda
deben ser equivalentes por lo menos a 50% de los prstamos personales, para
automvil y para viviendas. El banco tambin ha declarado una poltica de que la
razn total de los malos crditos en {odos los prstamos no puede exceder del 4%.
Formule el problema como un modelo de programacin lineal.
SOLUCIN:
l. Identificacin de variables
X1: Soles destinados a los prstamos personales
X2: Soles destinados a los prstamos para
automvil
X3: Soles destinados a los prstamos para
vivienda
X4: Soles destinados a los prstamos agiicolas
X5: Soles destinados a ios prstamos comerciales
37
Max 14 %( 90% X1) + 13 %( 93% X2) + 12 %( 97% X3) +
12.5%(95% X4) + 10%(98% X5)- 10%X1 -7%X2- 3%X3 -5%X4 -.2%X5
Observacin: El inters obtenido por un tipo de prstamos es igual a la tasas
de inters de prstamos, multiplicando por el monto esperado de u'n buen
crdito. Los malos crditos son prdidas que afectan a la Funcin Objetivo.
38
EJERCICIO 2.16
El presidente de la comunidad, el Ingeniero Osear Becerra, est estudiando la
posibilidad de urbanizar las 1 700 hectreas. La nueva urbanizacin incluir
viviendas familiares individuales, dobles y triples.
Se calcula que 15% de la superficie total se consumir en abrir calles y en
instalaciones para servicios pblicos. Csar tambin calcul las utilidades de las
diferentes unidades habitacionales:
39
111. Identificacin de las restricciones
Las viviendas familiares individLJales deben sumar por lo menos el 50% del
total.
Xt?: 50% (XI + X2 + X3)
Supeificies cie 2, 3 y 4 hectreas para las viviendas familiares individuales,
dobles y triples y de 1 hectrea para las reas recreativas. Adems el 15% de
la superficie total es no utilizable. Todo esto originala siguiente distribucin del
suelo: 2 X1 + 3 X2 + 4 X3 + X4:<> 85% (1 700)
Por lo menos un rea recreativa por cada 200 familias.
X4 (X1 + 2 X2 + 3 X3) /200
Recordar que: Vivienda individual: 1 familias,
Vivienda doble: 2 familias
Vivienda triple: 3 familias
El costo de conectar el seNicio del agua debe ser de por lo menos S/. 200
OOOpara el proyecto sea factible: 1 000 X1 + 2 000 X2 + 3 000 X3 + 500
X4 200 000
El consumo de agua est limitado en 100 000 m3 al da
400 X1 + 600)(2 + 800 X3 + 500 X4:<> 100 000
''
40
EJERCICIO 2.17
La Municipalidad de Lima Metropolitana est estudiando la factibilidad de introducir
un sistema de autobuses de trnsito masivo que disminuya el problema de
contaminacin por gases txicos, reduciendo el nmero de vehculos que circulan
por la ciudad. El estudio inicial busca la. determinacin del nmero mnimo de
autobuses que pueda manejar las necesidades de transporte. Despus de recopilar
la informacin necesaria, el encargado de este proyecto observ que el nmero
mnimo de autobuses variaba segn la hora del dia. Este hallazgo se ve reflejado en
el siguiente cuadro:
Para Cubrir estas necesidades se cuentan con unidades que operan slo 8 horas
sucesivas al da. Frmule el problema como un modelo de Programacin Lineal.
SOLUCIN:
41
Identificacin de las variables
Xi =Nmero de autobuses que inician sus labores a las i horas {i=O, 4, 8, 12, 16,20)
42
EJERCICIO 2.18
PAPELERA "SUAVE "produce rollos de papel con un ancho de 2 metros cada uno.
los pedidos especiales de los clientes, con diferentes anchos, se producen
recortando los rollos estnda.r. Diariamente, en promedio, se tienen los siguientes
pedidos:
300 rollos.
4DO rollos
xn
X12
e e' ~~
: _), 1
__,.1 ~
(
1
X13 }1
.
r
\
43
Las seis posibles -posiciones se pr-esentan en el siguiente cuadro:
44
EJERCiCIO 2.19
PETROPER tiene una refinera muy moderna en ~a ciudad de Trujillo, tiene una
capacidad de 500000 barriies de petrleo crudo al da. L-os productos finales de la
refinera incluyen dos tipos de gasolina sin plomo: SP y Extra SP.
Del mismo modo, las utilidades correspondientes para la gasolina Extra SPsonS/.
12,20yS/.10,40.
45
X4: Barriles de gasolina Extra SP, producidos con concentrado de
- ~.
. ~ ' . gasolina.
(~
~. ,.
:, '~ . ..
. ....
....., ldentificacion
:.. ....
de la Funcin Objetivo
'_,,:;:>Criterio
- .
Objetivo:
..
Maximizar el beneficio por las gasolinas, segn el tipo y el modo de
;
. . . .
.. ''('
produccin:
..
MAX8.5 X1+ 6.8 X2 + 12.2 X3 + 10.4 X4
X2 +X4 540000
X1 +X2 ~40000
46
~-. El proceso de produccin puede apreciarse en el siguiente grfico:
X12
--------
'
j
r:. .. . -.-. "' ")
1-'----.....;,1
.:.
Posicin
2:
2m Tipo 1:2
40cm Tipo 2: 1
Tipo 3: O
70cm
\
.d-
./
EJERCICIO 2.20
AZUCARERA "PARAMONGN' produce azcar rubia, blanca e impalpable; as como
miel con el jarabe de la caa de azcar. La compafa compra 5 000 toneladas de
jarabe a la semana y tiene contratos para entregar un mnimo de 25 toneladas
semanales de cada tipo de azcar, as como de miel. El proceso de produccin se
inicia elaborando azcar rubia y miel con el jarabe. Una tonelada de jarabe produce
0.3 toneladas de azcar rubia y 0.1 toneladas de miel. Despus, el azcar blanco se
elabora procesando el azcar rubia. Se requiere de una tonelada de azcar rubia
para producir O. 7 toneladas de azcar blanca. Y finalmente, el azcar impalpabie se
produce con el azcar blanca. en donde una tonelada de bianca produce 0.8
toneladas de pulverizada. Las utilidades por toneladas de azcar rubia, blanca e
impalpable son de S/. 120, S/. 180 y S/. 240 respectivamente y de SI. 100 para la
tonelada de miel. Formule el modelo de Programacin Lineal.
SOLUCIN:
l. Identificacin de las variables
X1: Ton. de miel a producirse semanalmente
.X2: Ton. de azcar rubia a producirse semanalmente
X3: Ton. de azcar blanca a producirse semanalmente
X4: Ton.de azcar impal'pable a producirse semanalmente
Y1: Ton.de azcar rubia destinadas a la preparacin de blanca
Y2: Ton. de azcar blanca destinadas a la preparacin de impalpable
IL ldentfficacin de la Funcin Objetivo
MAX100 X1 + 120 X2 + 180 X3 + 240 X4
111. identificacin de las restricciones
Una tonelada de jarabe produce 0.1 toneladas de miel. Se cuenta con 5000
toneladas de jarabe a !a semana X1~ 0.1 (5 000)
Una tonelada de jarabe produce 0.3 tonelada de azcar rubia, tanto la rubia
como la destinada a la preparacin de blanca. X2 + Y1~ 0.3 (5 000)
Una ton. de azcar rubia produce 0.7 de blanca. Tanto la blanca, como la
blanca destinada a ser pulverizada. Y2 + X3~ 0.7Y1
Una ton. de azcar blanca produce 0.8 ton. de pulverizada
X4s 0.8 Y2
Entregar un mnimo de 25 ton. d cada uno X1, X2, X3, X4:2:25
48
EJERCICIO 2.21
COSPI DATA, est considerando seis proyectos para su posible ejecucin, a lo largo
de los prximos cuatro aos. Romero est autorizado para emprender parcial o
'totalmente cualquiera de los proyectos. Toda ejecucin parcial de un proyecto
generar una utilidad en su determinada proporcin. A continuacin se proporcionan
fas utilidades esperadas y los desembolsos de efectivo para los proyectos:
.. 9200 soool
12400
t 6
49
.,
...
-.;. -. ~
..
-
50
EJERCICIO 2.22
CONFECCIONES LLOSA ha obtenido un contrato para entregar ventanas para
viviendas durante los prximos seis meses. Los pedidos sucesivos para los seis
meses son 100, 250, 200, 150, 200 y 100, respectivamente. El costo de produccin
por ventana vara de un mes a otro, dependiendo de los costos de la mano de obra,
.el. material y las utilidades. El seor Flores calcula que el costo de produccin
>''unitario en~ los prximos seis meses ser de 50, 48, 52,46, 50 y 44 soles,
... : .
respectivamente. Para aprovechar esta variacin en los costos de produccin, el
seor Llosa puede elegir producir ms de los que se necesita en un determinado
mes y tener en inventario ese exceso para entregarlo en los meses siguientes. Sin
embargo, esto traer consigo un costo de almacenamiento de S/ . .4.00 mensuales
por ventana, evaluados en el inventario al final del mes. Formule el modelo de
Programacin LineaL
SOLUCIN:
l. J. Identificacin de las variables
Xi: Ventanas a producirse en el mes (i = 1, 2, ... , 6)
!k: Ventanas en inventario al final del mes k (k= O, 1, ... , 5)
J:L. 51
10 =o Inventario al inicio del1 mes
11 =X1 + 10-100 Inventario al final del1mes
12 = X2 + 11 - 250 Inventario al final del 2 mes
13 =X3 + 12-200 Inventario al final del JO mes
14 =X4 +13-150 Inventario al final del 4 mes
15 = X5 + 14 - 200 Inventario al final del 5 mas
X1, X2, X3, X4, X5, X6, 10, 11' 12, 13, 14, 15
EJERCICIO 2.23
Metal-mecnica "Rodrguez" ha firmado un contrato con Automotriz "Valladares",
para proporcionar a su tienda alicates y llaves de tuerca. La demanda semanal de
Automotriz "Valladares" es de 80 llaves de tuerca y 60 alicates. La capacidad actual
de Metal-mecnica "Rodrguez" no es lo bastante grande para producir fas unidades
requeridas y debe trabajar horas extra para satisfacer la demanda e inclusive
'ccntratar los servicios de otros talleres de herramientas. El resultado es un
incremento en el cesto de produccin unitario, el cual se ve reflejado en e/ siguiente
cuadro. Adems el mercado indica' que la produccin de llaves de tuercas a una
proporcin de por lo menos 2 a 1 con los alicates.Formule el modelo de
Programacin Lineal.
Alicates 1
Regular !0-30 j S/. 5.00
! 131
Hqras extra -50 iS!. 6.00
j '
'
, Servicio Ext. '51 a ms :S/. 8.00
1 '
fiL 52
SOLUCIN:
53
EJERCICIO 2.24
ZAPATERA BATA, elabora cuatro modelos de z;3patos para damas. Para esto
cuenta con dos mquinas: una aparadura y un torno. La siguiente tabla proporciona
los datos pertinentes del problema.
11. Identificacin de la Funcin Objetivo
Max65 X1 + 70 X2 + 60 X3 +55 X4 -10(2 X1 + 3 X2 + 4 X3 + 2 X4)
- 5(3 X1 + 2 X2 + X3 + 2 X4)
Beneficios (Z) =Ingresos- Costos debido al uso de las mquinas
lH. Identificacin de las restricciones
Horas disponibles en la aparadura:
2 X1 + 3 X2 + 4 X3 + 2 X4~ 500
Horas disponibles en el tomo:
3 X 1 + 2 X2 + X3 + 2 X4 :e;; 300
Modelo de Programacin Lineal
Max Z = 30 X 1 + 30 X2 + 15 X3 +25X4
Sujeto a 2 X1 + 3 X2 +4X3 +2X4 sSOO
3 X1 + 2 X2 +X3 +2X4 :<;;300
54
EJERCICIO 2.25
COLGATE con su planta de procesamiento en la ciudad de Lima, produce tres tipos
de crema dental: Colgate Regular, Colgafe Fresh y Colgate Fresca Rica para nios.
Dichos productos se elaboran con Monoflorfosfato de Calcio y Sulfato de Sodio. La
siguiente tabla proporciona los datos para la produccin diaria:
X 1 =X 2 =X3
tipos de cremas: 3 2 5
De donde se obtiene las siguientes restricciones:
2 X1 = 3 X2y5 X2= 2 X3
40 X1 +20X2 + 70 X3 ~ 60 000 .
X1 ~200
X2 ~ 200
X3 ~ 150
6 X1 +3X2 + 2 X3 ~ 9 000
2 X1 -3 X2 =O
5X2 - 2X3 =O
X1, X2, X3, ~o
56
EJERCIGIQ 2.26
LAN CHILE tiene el problema de asignar sus -tres tipos de aviones: Gomercial,
familiar y privado; a cuatro diferentes. rutas al interior del pas, conforme a los
siguientes datos:
Los costos asociados, incluyen los castigos por-perder clientes debido a la falta de
espacio disponible, son:
SOLUCIN:
57
~:.. .
58
EJERCICIO 2.27
Slider Per produce dos tipos de aleaciones: Aleacin 1 y 2; con 4 tipos de metales
. procesados en la misma mina: Metal 1, 2, 3 y 4; conforme a las siguientes
especificaciones:
59
Mxima cantidad del mineral 3: X31.+X32 ~ 2500
Especificaciones de la aleacin tipo 1:
A lo ms 75% de contribucin del metal 1:
0.2 X11 +0.1 X21 + 0.05 X31~ 0.75 X1
A lo ms 30% de contribucin del metal 2:
X11 + 0.2 X21 + 0.05 X31~ 0.3 X1
Al menos 35% de contribucin del metal 4:
.. 0.3 X11 + 0.3 X21 + 0;2CX3:1~0.35 X1
..
Especificaciones de la aleacin bp'2: '
.. -_.;.;..:..:.;....... '.:~-.. ,, . - . ';_. . . , . ' ._ ... :.;_:_:. -;-< _;.- .' ~:-~.~:-------_ . ,\.:,-.. _~~ ,-: '\.
60
EJERCICIO 2.28
PLA.ZP, VEA, tiene un rea de produccin de ctricos. En este lugar se producen y
enlatan tres extractos de naranjas: Concentrado de jugo, Jugo Normal y Mermelada
marca Plaza Vea. Estos productos son para uso comercial y se fabrican en latas de
5 litros. La mermelada utiliza naranjas del tipo 1 y los otms productos del tipo 2. La
siguiente tabla enumera !os usos de la naranja, as como la demanda para el
prximo a<?:
61
X3: Latas Concentrado de Jugo a producirse en el ao.
11. Identificacin de la Funcin Objetivo
Beneficios= (Ingresos por los tres tipos de productos)-
(Costos asociados a los dos tipos de naranja)
Max 13.2 X1 + 18.3 X2 + 25.7 X3- 0.2 (5 X1)- 0.5 (16 X2 + 30 X3)
X2 -2 X3 Q
62
EJERCICIO 2.29
SONY VAIO, ensambla microcomputadoras para clientes particulares. Los pedidos
par~' los cuatro timestres siguientes son: 300, 800, 400 y 300, respectivamente.
SONY VAIO tiene la opcin de producir ms de la demanda para un respectivo
trimestre, en cuyo caso se incurre en un costo de $10~00 por computadora para el
almacenamiento.
La creciente produccin de un trimestre al siguiente requiere la contratacin de
empleados adicionales, lo que incrementa en $50 el costo de produccin por
computadora en ese trimestre. As mismo, la disminucin en la produccin requerir
el despido de empleados, originando un incremento de $30 en el ~osto de
produccin por computadora. Formule el problema como un modelo de
programacin lineal.
SOLUCIN:
l. Identificacin de las variables
Xi: Computadoras a producirse en el trimestre i (i = 1, 2, 3, 4)
lk: Inventario de computadoras al final del trimestre k {k = O, 1, 2,
3)
Vp: . Variacin del nivel de produccin en el trimestre p (p = 2, 3, 4)
Observacin: Como la variadn del nivel de produccin puede ser positiva
(a~mento) o negativa (disminucin), ser tratada como una variable sin
restriccin de signo.
Vp = Vp+- Vp-
Donde:
Vp+: Aumento en el nivel de produccin.
Vp-: Disminucin en el nivel de produccin.
63
X4 + 13~ 300 Requerimientos mnimos en el 4 trimestre
10 =o Inventario al inicio del 1o trimestre
11 =X1 + 10- 300 Inventario al firial del1 trimestre
12 = X2 + 11 - 800 Inventario al final del 2 trimestre
13 =X3 + 12- 400 Inventario al final del 3 trimestre
V2+- V2- = X2- X1 Variacin del Nivel de Produccin enel 1-
trimestre
V3+ - V3- = X3 - Variacifl del Nivel de Produccin en el 2
X2 trimestre
V4+ - V4- = X4 - Variacin del Nivel de Produccin en el __ 3
X3 trimestre
X1, X2, X3, X4, 10- ~o
64
EJERCICIO 2.30
MUEBLERA GARCA, fabrica y ensambla sillas, mesas y libreros. El centro de
produccin cuenta con un rea que produce los productos semiacabados y otra para
el ensamble final. La capacidad de produccin, no ensamblada, mensual de la planta
incluye 300 sillas, 00 mesas y 60 libreros. El rea de ensamble emplea a 15
trabajadores en dos tumos de 8 horas al da, 6 das a la semana. Los tiempos
promedios de ensamble por silla, mesa y librero son 20, 30 y 40 minutos,
. respectivamente. El nmero de empleados en la instalacin de ensamble flucta
debido a las vacaciones. Las solicitudes de vacaciones pendientes incluyen a 2
trabajadores en Mayo, 3 en Junio y 4 en Julio. El departamento de Marketing calcula
que el pronstico de ventas para los meses en Mayo, Junio y Julio es:
...... 1
......
;
. ...,. . ~
. :...;; .
(
: .. ~ '.,!' r
. ' ,- ' ~
65
11. Identificacin de la Funcin Objetivo
MAX50(Y11 + Y12 + Y13) + 90(Y21 + Y22 + Y23) + 100(Y31 + Y32 + Y33)
- (30(X11 + X12 + X13) + 60(X21 + X22 + X23) + 70(X31 + X32 +X33)]
:_ 0.1 [30(111 + 112) + 60(121 + 122) + 70(131 + 132)]
111. identificacin de las restricciones
Para las sillas:
X11 + i10~ 280 Requerimientos mnimos en el mes de Mayo
66
EJERCICIO 2.31
SOUTHERN, en su planta siderrgica del Mantaro, opera con una fundidora y dos
laminadoras. La fundidora funde tres tipos de rollos de acero que se elaboran en el
taller mecnico antes de enviarlos a la laminadora. Las laminadoras utilizan los rollos
para fabricar varios productos.
Al principio de cada trimestre, las laminadoras preparan sus necesidades mensuales
de rollos y se lo entregan a la fundidora. Despus, el encargado de la fundidora traza
un plan de produccin del taller. La falta de rollos se cubre mediante la compra
directa a terceros, a un precio ms elevado. En el siguiente cuadro se proporcionan
los datos pertinentes a esta situacin. Sin embargo, la administracin observa que
esa escasez no es frecuente y que se puede afirmar que esto ocurre alrededor del
5% de veces.
4 6 . .. '8 .
6 3 ... O g,
5 ' -: ;;
340
. ' ~-
--r
La demanda de rollos para las dos laminadoras, durante los prximos tres meses es:
500" 200~ o
o 300
1
1
.
500 300
~ l. 200 200
o .'
,. ... 300 o :_ . ,..1: 400"
;;,:..,
200
67
SOLUCIN:
100
68
X31 + X32 + X33 + X342: 400 +O Requerimiento del rollo tipo 3
Segundo mes:
Disponibilidad de Horas al mes
Y11 +5Y21 +7Y31~320x 10 Mquina tipo 1
69
Modelo de Programacin Lineal
MinZ= 202 X11 + 202 X12 + 202 X13 + 202 X14 +
202 Y11 + 202 Y12 + 202 Y13 + 202 Y14 +
202 V11 + 202 V12 + 202 V13 + 202 V14 +
303 X21 + 303 X22 + 303 X23 + 303 X24 +
303 Y21 + 303 Y22 + 303 Y23 + 303 Y24 +
303 V21 + 303 V22 + 303 V23 + 303 V24 +
404 X31 + 404 X32 + 404 X33 + 404 X34 +
404 Y31 + 404 Y32 + 404 Y33 + 404 Y34 +
404 V31 + 404 V32 + 404 V33 + 404\134
Sujeto a X11 +5 X21 + 7 X31 s; 3200
4X22 + 6 X32 s 2880
. 6 X13 + 3 X23 s; 2700
3 X14 + 6 X24 + 9X34 s; 1700
~;:,.'=".:
w 70
EJERCICIO 2.32
PINTURAS VENCEDOR produce tres tipos de pinturas: Standard, Qualily y
Premium. Las instalaciones actuales pueden producir un mximo de 18000 galones
de Standard, 10000 galones de Quality y 500 galones de Premium al da. Debido a
la economa de escala, el costo de producir cada tipo de pintura disminuye al
aumentar el nmero de galones producidos. Por ejemplo, si se producen por galones
de pintura Standard, entonces el costo por galn es a - bx. La siguiente tabla
proporciona los valores de a y b; el precio de venta por galn, y la demanda diaria
mnima por cada tipo de pintura.
\ SOLUCIN:CON LINDO
1)110004,5S = 10000
71
EJERCICiO 2.33
MORA VE COi debe producir al menos 600000 tornillos pequeos y 400000 tornillos
grandes para satisfacer la demanda de las siguientes 4 semanas. Estos tornillos
pueden producirse en dos mquinas distintas, cada una de las cuales est
disponible 40 horas a ia semana. Los requerimientos de costos y tiempo para
producir cada tamao de tornillo en cada mquina y el precio de venta de cada
tamao de tornillo se muestra en la siguiente tabla:
72
SOLUCIN:
El modelo es incorrecto, a continuacin est el modelo corregido:
L1 +L2 2:400
0.4166781+ 0.7290L ::;160
0.2777082+ 0.5208L2 ::;160
S1,S2,L1,L2 2:0
SOLUCIN:CON LINDO
1)16836,5951=23,83869 82=576,161316 L 1=205,8534L2=0
73
2.5 Autoevaluacin de la Unidad i
74
maximizacin o de minimizacin en donde la funcin objetivo y las
restricciones son lineales.
4.2 ( ) Para la formulacin de un modelo, es necesario conocer todas las
alternativas posibles de SOLUCIN:.
4.3 ( ) La definicin apropiada de las variables del modelo es el primer
paso esencial en la formulacin del problema.
4.4 En las lll.ldentificacin de las restricciones, se.deben de colocar a
todas las variables anteriormente definidas.
4.5 ( ) La funcin objetivo debe contener a .todas las variables
previamente definidas.
4.6 (y Las. variables del mqdelo deben reflejar
:
fielmente
.
tas necesidades
. ...
75
SOLUCIONARlO DE LA AUTOEVALUACIN DE LA SEGUNDA UNIDAD
01 V V V
02 MODELO MATEMTICO
l. Identificacin de las variables
8 = Nmero de edificios para personas de 8jos ingresos.
- M= Nmero de edificios para personas de Medianos ingresos.
!! Identificacin de la Funcin Objetivo
Max 158+12M
111 Identificacin de las restricciones
38+6M s50
208 +20M s180
12M 1 158 - ;;:::0,8
B,M ;;:;:o, Entero
03 MODELO MATEMTICO
l. Identificacin de las variables
CN = Nmero de galones de concentrado de naranja a producir esta
semana.
CT = Nmero de galones de concentrado de toronjaa producir esta
semana.
11 Identificacin de la Funcin Objetivo
Max 3,86CN+ 5,33CT
ll! Identificacin de las restricciones
0,057CN+0,067CT s150
CN s 1000
CT s 1000
CN,CT ;;:;:o
76
restricciones son lineales.
Un problema de Programacin Lineal, es un problema de
optimizacin con restricciones de igualdad y de desigualdad con la
particularidad detener, tanto la funcin objetivo, como las funciones
que definen las restricciones, lineales. La reSOLUCIN:de esta
clase de problemas se conoce desde 1947 y es debida a G. B.
- Dantzing.
4.2 (F) Para la formulacin de un modelo, es necesario conocer todas las
alternativas posibles de SOLUCIN:.
En un problema de toma de decisiones, es necesario tener tres
componentes principales, para la SOLUCIN:
1.- Las alternativas de decisin
2.- Las restricciones que afectan a la decisin
3.- El criterio objetivo para la evaluacin de las alternativas.
En un problema de programacin lineal, es necesario solamente
conocer el criterio objetivo que busca el problema y las restricciones
del mismo.
4.3 (V) La definicin apropiada de las variables del modelo es l pnmer
paso esencial en la forrhulacin del problema.
En las 111. Identificacin de las restricciones, se deben de colocar
4.4 (F) a todas las variables anteriormente definidas.
En la l. Identificacin de las variables, se deben de definir a
aquellos que estn estrechamente relacionadas con las necesidades
del problema y a las que sirven solamente para expresar mejor estas
necesidades. Por lo general estas ltimas se simplifican y no
aparecen en el modelo.
4.5 (F) La funcin objetivo dehe contener a todas las variables previamente
definidas.
Como se mencion anteriormente, no todas las variables definidas
aparecen en ei modelo, por tanto la funcin objetivo tampoco
contendra toda las variables. Adems muchas variables que
aparecen en las restricciones no se observan en la funcin objetivo y
viceversa.
77
4.6 (V) Las variables del modelo deben reflejar fielmente las nec:;esidades
del problema. Para una mejor apreciacin del mismo, a veces es
necesario definir parmetros que ayudarn a las variables a
expresar mejor el modelo.
Muchos de los parmetros surgen, debido a que las restricciones
son difciles de expresar en funcin de ias variables del modelo. Por
-tanto estos parmetros son una ayuda para facilitar esta tareay en
su mayora de casos, no aportan nada que favorezca a la bsqueda
del objetivo dei modelo.
4. 7 (V) Los parmetros, son variables que an siendo definidas en el
modelo, no aparecen en el mismo.
Efectivamente, estos parmetros son variables que ayudan a
expresar mejor el modelo; pero que sus valores no necesitan
calcular ya que son utilizados antes de la verdadera formulacin del
problema. Despus de las simplificaciones, estos parmetros ya no
aparecen en el modelo.
4.8 (V) Luego de definir apropiadamente a las variables, es necesario definir
el criterio objetivo que busca alcanzar el modelo.
Si, puesto que este criterio objetivo refleja exactamente la meta que
busca alcanzar el modelo. Y cuando se traduce matemticamente
en funcin de las variables del modelo, se convierten en la funcin
objetivo del modelo.
4.9 (F) Las Identificacin de las restricciones son todas las limitaciones que
presenta el problema y deben expresarse en funcin de las variables
del modelo.
Las 111. Identificacin de las restricciones son todas !as
condiciones que debAn de satisfacer y tienen que expresarse en
funcin de las variables del modelo. Estas condiciones no son
solamente limitaciones, en otms casos sern condiciones de
proporcionalidad entre las variables o condiciones mnimas
necesarias que deben cumplir las variables.
\
4.1 O (F) Las restricciones implcitas, aquellas que se sobreentienden, son las
\
denominadas restricciones de no negatividad.
78
Las restricciones implcitas son aquellas que se sobreentienden y
que deben aparecer tambin en -el modelo. Los modelos de
Programacin Lineal, en su mayora, presentan variables que
aceptan slo valores positivos y por ende las condiciones de no
negatividad son implcitas al modelo. Pero existen otras restricciones
como el nmero de das en un mes o la suma de las aportaciones
- porcentuales de un todo, las que tomarn valores de . 30 y 1
respectivamente, ambas se sobreentienden y a la vez son implcitas
al modelo.
79
Respuesta. Una variabie sin restricciones de signo, es aquella que puede tomar un
valor positivo o negativo, por ejemplo, la variacin de la produccin de un mes a otro
puede ser positivo o negativa dependiendo si hay aumento o disminucin en el nivel
de produccin.
Matemticamente, es difcil trabajar c~n una variable sin restriccin de signo. Por
esta razn, se utiliza una sustitucin estndar que convierte la variable sin restricCin
de signo en dos variables no negativas, es decir:
Sea X1, una variable sin restriccin de signo; entonces la siguiente sustitucin: X1 =
X1+- x1-, donde X1+, X1-~ O, transforma a la variable en mencin en dos variables
positivas.
Si X1 +> O y X1- = O, X1 es una variable positiva.
Si X1+ =O y X1-> O, X1 es una variable negativa .
,
.
5.4 Es posible modelar la situacin en donde ocurre un descuento por cantidad
vendida e,n un modelo de programacin lineal?
80
UNlDAD 111 PROGRAMACIN LINEAL
e:s5 tn~~sti~facioh g~
--:; ; .. :_ 1. .... .;::- < '
,Iograr
;- - -
qu~
.
-,o-s.-estudiantes
~- .. .. .
conozcan)?
.
.. befinir que
.~ .;.::::'~ .'
~- .:
definicin -de la : .nvesti_ga'cln -de operacion~~- :. . _
01
-operacibne$, su metqdolog"a, . su_. .. , _ . .
. Conocer.la f::irstot:ia'geJa:invstgadnde
; historia, s~;i? ventaja$. y'aplicacl_ones.
operaciones.
;. : .:
:: .' deo_peraC?ione~~indicaf1dq
. . --z'
:la~/'se~s.., . r~ '- ~-
.-~ ' .. L .... :._;, ,,._: ~ ..... :~" --~~4'-'
81
3.1 Ejercicios de programacin linea!
Ejercicio 3.1
PETROPER Tiene 14000 galones de una mezcla de gasolina y alcohol
almacenada en su instalacin de La pampilla y 16000 galones almacenados en su
instalacin de Bayo bar. Desde estas instalaciones, debe proveer a Primax 10000
galones y a Repsol 20000 galones. El costo en soles de embarcar 1 galn desde,
cada instalacin de almacenado a cada cliente es:
SOLUCIN:
Identificacin de las Variables
Xij = Nmero de gal. de mezcla a enviar del almacn a las instalaciones j
83
Ejercicio 3.2
Nestl est desarrollando una nueva golosina de man y chocolate. El dulce debe
tener al menos 5 gramos de protenas, pero no ms de 5 gramos de carbohidratos y
3 gramos de grasas saturadas. Desarrolle un programa lineal para determinar la
cantidad de cada ingrediente por utilizar que satisfaga los requerimientos
nutricionales a un costo total mnimo, basndose en los siguientes datos:
SOLUCIN:
l. Identificacin de las Variables
M = Nmero de oz. de mantequilla
C = Nmero de oz. de chocolate
84
Ejercicio 3.4
SIDERPERU tiene una mquina capaz de fabricar tubos de dimetros grandes y
pequeas para contratistas de plomera. Los tubos grandes se producen a una
velocidad de 200 pies por hora y los pequeos a unos 300 pies por hora. Cada hora
que la mquina es utilizada para producir tubos grandes, generalmente ocasiona 1.5
atascamientos y cuando se producen tubos pequeos resultan 3 atascamientos por
hora. Cada -atascamiento requiere aproximadamente 5 minutos de restablecimiento
durante los cuales la mquina no puede producir tubos. La gerencia desea un
nmero igual de pies de ambos tamaos de tubos y la mayO cntidad total de tubos
posible. Formule un modelo para determinar cunto tiempo de un da de 8 horas
debe asignarse a la produccin de tubos grandes y cua_nto a la de tubos pequeos.
Para las variables de decisin, use el nmero de horas de tiempo de maquina por
dedicar a la fabricacin de tubos pequeos y grandes.
85
Ejercicio 3.5
Repita el ejercicio 3.4 usando ia fraccin de 8 horas de tiempo de mquina
dedicara a fabricar tubos pequeos y grandes como las variables de decisin.
SOLUCIN:
l. Identificacin de las Variables
G = Nmero de horas mquina para tubos grandes
P = Nmerode horas mquina para tubos pequeos
SOLUCIN:USANDO LINDO
1) 787.5000
VARlABLEVALUEREDUCED COST
G 0.5625000.000000
p 0.4375000.000000
86
Ejercicio 3.6
Repita el ejercicio 3.4 usando el nmero de pies de tubos pequeos y grandes por
fabricar en 8 horas de tiempo de maquina como las variables de decisin.
SOLUCIN:
l. Identificacin de las Variables
G = Nmero de pies a producir de tubos grandes
P =Nmero de pies a producir de tubos pequeos
SOLUCiN:USANDO LINDO
1) 787,5
VARI.ABLE VALUEREDUCED COST
G 787,5 0.000000
p 787.5 0.000000
87
Ejercicio 3. 7
EXPLOSIVOS S.A. mezcla azufre, carbn y salitre. para producir plvora. El producto
final debe contener al menos 10%, pero no ms de 20%, de carbn por unidad de
peso. La cantidad de salitre no puede exceder el 50% de la cantidad de carbn
usado. Para evitar una explosin accidental, la syma de 50% del azufre ms 60%del
carbn mas 30% del salitre usados no puede exceder 35% del producto final. El
azufre es cen mucho ei componente ms caro. Formule un modelo para determinar
la cantidad de cada ingrediente que debe utilizarse para producir cada libra de
plvora que satisfagalas resticciones y, a la vez que, requiera la menor cantidad de
azufre.
SOLUCIN:
88
Ejercicio 3.8
QUIMICA SUIZA diluye cada litro de cido sulfrico concentrado con 20 litros de
agua destilada para producir H2S04. De manera similar cada litro de cido
clorhdrico concentrado se diluye con 30 litros de agua destilada para producir Cl.
Estos dos productos vendidos a escuelas de segunda enseanza a $0.1 O por botelia
de 100 mililitros (estoes 0.1 litros). La compaa actualmente tie:e 50000 botellas
vacas en inventario. Suponga que existe una cantidad virtualmente ilimitada de
agua destilada que cuesta $0.15 por litro y que se dispone a los siguientes datos:
Formule un modelo para determinarla cantidad de cada cido concentrado por diluir
para maximizar las ganancias totales.
SOLUCIN:
SOLUCIN:USANDO LINDO
1)41625.00 AS=350 AC =4650
90
Ejercicio 3 ..9
BASA S.A.usa una base y dos productos de goma,_ todos en cantidades iguales,
para producir su autoclave. La compaa puede producir un total combinado de
hasta 800 libras de la base y dos productos de goma. De manera alternativa, puede
comprar estos ingredientes en el mercado abierto en las siguientes cantidades de
dlares por iibra:
2.0 8.00 1
0.25 gal 1 0.05 h /gal
1
SOLUCIN:USANDO LINDO
1)9190.477 JN = 1428.57 JT = 333.33
92
Ejercicio 3.11
Como variables del ejercicio 3.10 formule un modeto de programacin lineal para
determinar un plan de produccin que maximice la ganancia para la siguiente
semana usando las variables:
CN = El nmero de galones de concentrado .eJe naranja por producir .esta semana.
CT = El nmero de galones de concentrado de toronja por producir esta semana.
SOLUCIN:
l. Identificacin de las Variables
CN = Nmero de galones de concentrado de naranja por producir.
CT = Nmero de galones de concentrado de toronja por producir.
SOLUCIN:USANDO LINDO
1) 9190.000 CN = 1000.000 CT= 1000.000
93
Ejercicio 3.12
Como variantes del ejercicio 3.10 formule un mode!o de programacin lineal para
determinara un plan de produccin que maximice la ganancia de la ganancia de la
siguiente semana usando variables:
TN = Nmero de horas de tiempo de maquina a usarse esta semana para destilar
jugo de naranja
TT = Nmero de hoas de tiempo de maquina a usarse esta semana para destilar
jugo de toronja.
SOLUCIN:
SOLUCIN:USANDO LINDO
1) 0500.00 TN = 40.000000 TT = 50.000000
94
Ejercicio 3. 13
PETROPERU. debe transportar 100000 barriles de cada uno de sus tres campos
petroleros. a su tanque de almacenamiento en La Pampilla. El petrleo puede
transportarse en camiones directamente de los campos al tanque de
almacenamiento a un costo de $0.03 por barril por milla. Hasta 150000 barriles de
petrleo tambin pueden enviarse desde los campos mediante duetos a un eje
central en Bayobar a un costo de $0.02 por barril por mWa y luego transportarse en
camiones a La Pampilla por $1 por barril. Formule un modelo para determinar el plan
de embarque de costo mnimo, dadas las siguientes distancias en millas:
SOLUCIN:USANDO LINDO
1) 1090000.
VARIABLEVALUEREDUCED COST
X11 10000 X21 50000
X31 00000 X12 00000
X22 50000 X32 100000
95
Ejercicio 3. 4
COMPASS mezcla seis especias para fabricar un producto para aderezar pescados.
La siguiente tabla proporciona el costo de cada especia y los porcentajes mnimos y
mximos por unidad de peso que pueden usarse en el .producto final:
96
140::; o::;; 180
Con respecto a los productos terminados
C + P + S + R + A + O= 1000
Con respecto a la no negatividad
C ,P ,S ,R ,A ,O~ O
SOLUCIN:USANDO LINDO
1) 38.79
C 200.000000P180.000000S 120.000000 R 200.000000 A
150.0000000150.000000
97
Ejercicio 3.15
TEXTIL SAN CRISTOBAL mezcla tres aditivos, A 1, A2 y A3 a una base en
diferentes proporciones para obtener distintos coiores de tintas. la tinta roja se
obtiene mezclando A 1, A2 y A3 en la proporcin 3:1 :2, la tinta azul en la proporcin
2:3:4 y la tinta verde en la proporcin de 1:2:3. Despus de mezclar estos aditivos,se
aade una cantidad igual de base para cada color. La compaa actualmente tiene
1000 galones de A 1, 1500 de A2, 2000 de A3 y 4000 de base. Dado que el precio de
venta por galn de cada tipo de tinta es el mismo, desarrolle un modelo para
determinar cmo deberan usarse estos -recursos para obtener los mximos
ingresos .
.SOLUCIN:
l. Identificacin de las Variables
Aij =Nmero de galones de ad,itivo i utilizado en la tinta j
8j =Nmero de galones de base Outilizado .en la tinta j
R =Nmero de galones de tinta Roja
A =Nmero de galones de tinta Azul
V =Nmero de galones de tinta Verde
11. Identificacin de la Funcin Objetivo
MAX R+A +V
111. Identificacin de las Restricciones
A11 +A2+A13:51000 A21 + A22 + A23:::; 1500
A31 + A32 + A3;3 :::; 2000 811 + B 12 + 813 :::; 4000
A 11- 3A21 =O 2A21 -A31 =O
A 11 +A21 +A31- 81 =O A11 +A21 + A31+ 81- R =O
3A12- 2A22 =O 4A22- 3A32 =O
A12 +A22 + A32-82 =O A12 +A22 + A32+82- A =O
2A13- A23 =O 3A23- 2A33 =O
A13 + A23 +A33- 83 =O A13 + A23 +A33+83- V =O
Aij,Bj,R,A, V 2: O
SOLUCIN:USANDO LINDO
1)9000 A 12= 1000 A32=2000 82=4500 A=900 A22=1500
98
Ejercicio 3.16
El departamento de energa de Lilliput actualmente est en -el proceso de desarrollar
un plan nacional de energa para el ao siguiente. Lilliput puede generar energa de
cualquiera de cinco fuentes: carbn gas natural, materiales nucleares, proyectos
hidroelctricos y petrleo. Los datos sobre los recursos de energa, la capacidad de
generacin de energa medida en mega watts-hora (MW-:-hr) y los costos unitarios de
generacin _se dan en la tabla 1.Lillip~t necesita 50000 MW-he.de energa de uso
domestico, y el pas tiene un compromiso para producir 10000 MW-
hr.paraexportacin. Ms aun, a fin de conservar los recursos de energa y proteger
el ambiente, el gobierno ha prohibido las siguientes regulaciones:
La generacin proveniente de materiales nucleares no debe exceder 20% de la
energa total generada en Lilliputdebe utilizarse al menos 80% de la capacidad de
las plantas de carbn. Los efluentes que salen a la atmsfera no deben exceder los
lmites especificados en la tabla 2
La cantidad de energa generada a partir de gas natural debe ser al menos 30% de
la generada a partir del petrleo. Formule un programa lineal para determinar un plan
de energa de costo mnimo.
Tabla 1 Capacidad de generacin y costos
99
~
Petrleo 0.4 0.8 0.5 0.1
Kg. Mx. permitidos 75 60
l 30
1
25
SOLUCIN:
l. Identificacin de las Variables
e= Nmero de MW -hr.a generar de la fuente de Carbn.
G = Nmero de MW -hr.a generar de la fuente de Gas Natural.
N = Nmero de MW -hr.a generar de la fuente de Nucleares.
H =Nmero de MW -hr.a generar de la fuente de Hidroelctrica.
P =Nmero de MW -hr.a generar de la fuente de Petrleo.
11. Identificacin de la Funcin Objetivo
MIN 6e + 5.5G + 4.5N + 5H + 7P '
111. Identificacin de las Restricciones
e+G+N+H+P ~ 60000
N :::; 0,20(C+G+N+H+P)
e ~ 36ooo
G-0.3P ~O
f
e :::; 45ooo
G :::; 15000
N :::; 45000
H :::; 24000
p :::; 48000
1.5C + 0.2G + 0.4P :::; 75000
1.2e + 0.5G + 0.1 N + 0.8P :5 60000
e, G,N,H,P ~O
SOLUelN:USANDO LINDO
1) 330000 C=36000 G=O N=12000 H=12000 P=O
100
EJERCICIO 3.17
El Ministerio de Agricultura ben la Ciudad de lea tiene 50 acres de tierra en la cual
plantar cualquier cantidad de maz, soya, lechuga, algodn y brcoli. La siguiente
tabla muestra la informacin relevante perteneciente a la produccin, el costo de
plantacin, ei precio de venta esperado y los requerimientos de agua para cada
cuitivo:
101
Brco!i Ingreso (350) Kg. /acre *(1.30)$/Kg. = (455) $/acre
Costo (350) Kg. /acre *(0.60) $/Kg = (210) $/acre
Ganancia 455-210 =(245) $/acre
Modelo matemtico
l. Identificacin de ias Variables
M=. Nmero de kilogramos a producir de maz.
S= Nmero de kilogramos a producir de soya.
L= Nmero de kiiogramo"s a producir de lechuga.
A= Nmero de kilogramos a producir de algodn.
8 = Nmero de kilogramos a producir de brculi.
11. Identificacin de la Funcin Objetivo
MAX 448C + 400S + 240L + 225N + 2458
111. Identificacin de la Restricciones
C +S +L +N +8 !50
5600C +2500S + 9000L + 1275N + 12758 !100000
640C ;o,5120
M, S, L, A,8 ;o, O
SOLUCIN:
USANDO LINDO
1) ..
14 082.78 C=8 S=1.3469 L=O N=O 8=40,653
EJERCICIO 3.18
Repita el ejercicio 3.17 usando el nmero de kilogramos de cada cultivo por producir
como las variables de decisin.
~
102
.
SOLUCIN:
SOLUCIN:USANDO LINDO
1) 5120.000
VARIA8LEVALUEREDUCED COST
M5120.000000 0.000000
S 0.000000 0.500000
L 0.000000 0.400000
A 0.000000 0.250000
8 0.000000 0.600000
103
Ejercicio 3.19
NESTL tiene una maquina que muele semillas de Psyllium hasta producir un polvo
fino a una velocidad de 30 libras por hora. La compaa tambin usa la mquina
para hacer crema de cacahuate con cacahuetes tostados a una velocidad de 60
librasporhora. El tiempo de fijacin para cambiar la mquina de un producto al otro
es despreciable. La demanda mensual y los costos de mantenimiento de inventario
de cada preducto se muestran en la tabla siguiente:
SOLUCIN:
Clculos: Psyllium Crema de Cacahuate
30 Lb. ------1 h 60 Lb. -------1 h
1 Lb. ------- x 1 Lb-------- x
X= 1/30 x=1/60
104
l. identificacin de las Variables
ICM = Inventario Inicial de Crema de Cacahuate -en Mayo
ICJ = Inventario Inicial de Crema de Cacahate en Junio
ICL = Inventario Inicial de Crema de Cacahuate -en Julio
ICA = Inventario Inicial de Crema de Cacahuate en Agosto
IPM = inventario Inicial de Psyllium en Mayo
fPJ = Inventario Inicial de Psyllium en Junio
IPL = Inventario Inicial de Psyllium en Julio .
IPA = Inventario Inicial de Psyllium en Agosto
PCM =Produccin de crema de Cacahuate en Mayo
PCJ = Produccin de crema de Cacahuate en Junio
PCL =Produccin de crema de Cacahuate en Julio
PPM =Produccin de-PsylliurJ! en Mayo
PPJ =Produccin de Psyllium en Junio
PPL = produccin de Psyllium en Julio
ICM =O
!PM =O
ICA =O
IPA =O
lCJ :SS OO
IPJ :S1000
ICL :SS OO
/
IPL :S1000
105
0.0333PPM+0.01667PCM $80
0.0333PPJ +0.01667PCJ $80
0.0333PPL+0.01667PCL S80
SOLUCIN:USANDO LINDO
1) - 0.000000
VARIABLEVALUEREDUCEDCOSTv'ARIABLEVALUEREOUCED COST
!CM 0.00 0.073333 IPM 0.00 0.000000
ICJ 0.00 9.973333 IPJ 0.00 0.000000
ICL 0.00 0.093333 IPL 0.00 0.000000
PCM 400.00 0.000000 PCJ 450.00
0.000000
ICA 0.00 0.080000 PCL 500.00 0.000000
PPM 600.00 0.000000 PPJ 700.00
0.000000
IPA 0.00 0.150000 PPL 650.00 0.000000
106
Ejercicio 3:19
- PACOCHA quiere invertir $1000000 de un gran fondo de pensiones. El
departamento de investigacin de Inversiones ha identificado seis fondos mutuos
con estrategias de inversin variables, resultando en diferentes rendimientos
potenciales y riesgos asociados, como se resume en !a siguiente tabla
SOLUCIN:USANDO LINDO
1)0, 1381667
VARIABLEVALUEREDUCED COST
F11851 ,85 0.000000
F22192,98 0.000000
F32272,72 0.000000
F43921 ,57 0.000000
F55797, 10 0.000000
F613636,36 0.000000
108
Ejercicio 3.20
Repita el ejercicio 3.19 usando las siguientes variable~ .de decisin:
F1 =El nmero de dlares que invertir en el Fondo 1.
f2 =El nmero de dlares que invertir en el Fondo 2.
F3 =El nmero de dlares que invertir en el Fondo 3.
F4 =El nmero de dlares que invertir en el Fondo 4.
F5 =El nmero de dlares que invertir en el Fondo 5.
F6 =El nmero de dlares que invertir en el Fondo 6.
SOLUCIN:
l. Identificacin de las Variables
Fi = El nmero de dlares que invertir en el Fondo i.
11. Identificacin de la Funcin Objetivo
MAX F1 + F2~+ F3 + F4 + F5 :+ F6
111. Identificacin de las Restricciones
45F1 +76F2 + 110F3 ~ 500000
45F1 +76F2 + 11 OF3 :;; }50000
17F4 +23F5~ 200000
17F4 +23F5:s 300000
22F6 ~50000
90F1-76F2 =O
135F1 - 110F3 =O
34F4-23F5 =O
45F1 +76F2+11 OF3+17F4+23F5+22F6 = 1000000
Fi ~o
SOLUCIN:
1) 29986.48
VARIABLEVALUEREDUCED COST
F1 1851.8518070.000000
F2 2192.9824220.000000
F3 2272.727295 o. 000000
F4 5882.353027 o. 000000
F5 8695.6523440.000000
F6 9090.9091800.000000
1
3.2 Autoevaluadn de fa Unidad
'1
m
11
' '
inapropia(ja. A lo largo de los aos, las filtraciones de los silos han dado
1
menos el '50% del total. Para limitar el nmero de silos, s requiere de lote
de una ~luperficie
1
mnima de dos, tres y cuatro hectreas para las
viviendas :l familiares individuales, dobles y triples, respectivamente. Se
deben estpblecer reas recreativas de una hectrea, en una proporcin de
un rea pbr cada 200 familias. Para preservar la ecologa del lugar, las
1
1
2. PACOCH1 quiere invertir $1000000 de un gran fondo de pensiones. El
1
\
1 .. -
siguiente tabla
110
Una forma de controlar el riesgo es limitar la cantidad de dinero invertido
en los diversos fondos. Para ese fin, la administracin de Pacocha. ha
especificado las siguientes pautas:
1. La cantidad total invertida en fondos de alto riesgo debe estar entre 50 y
75% de la cartera.
2. La cantidad total invertida en fondos de mediano riesgo debe -estar entre
20 y 30% de la cartera.
3. La cantidad total invertida en fondos de bajo riesgo debe ser al menos
de 5% de la
Cartera. Una seaunda
""' . -
forma
. de controlar el riesgo es diversificar, esto es,
esparcir el riesgo invirtiendo en muchas alternativas diferentes. La
gerencia de Pensin Planners, lnc., ha especificado que la cantidad
invertida en los fondos de alto riesgo 1, 2 y 3 deben estar en la tasa 1:2:3,
respectivamente. La cantidad invertida en los fondos de mediano riesgo 4
y 5 debe ser 1:2. Con estas pautas, qu cartera debera usted, gerente
de cartera, recomendar ,para maximizar la tasa esperada de retorno
usando las siguientes variables de decisin.
H =La fraccin de la cartera por invertir en fondos de alto riesgo.
M = La fracQin de la cartera para invertir en fondos de mediano riesgo.
L =La fraccin de la cartera por invertir en fondos de bajo riesgo.
111
UNIDAD IV MTODO GRFICO
... . ~
. ~i.cfr:hent?r la. funcin- objetivo?, dich :de. otra. forma~.. 'Cuntas unidades se
-~ ~ . -~ ' ' . '"'.:.. ~ ~ --'; -... -~ . .. ~ . .. . :::-. . .
113
4. 1 Definicin de mtodo gfico
115
Los pasos para el procedimiento del Mtodo Grfico son:
Determinacin de la regin factible que satisface todas las 111 Identificacin
de las Restricciones.
Determinacin de la SOLUCIN:ptima de entre todos los puntos de la
regin factible.
3 (V Para gracar las restricciones, se deben de reemplazar las desigualdades
) por ecuaciones y despus trazar las lineas rectas resultantes.
La forma ms sencilla para determinar la regin factible, consiste en
reemplazar las desigualdades por ecuaciones y trazar ias grficas de las
rectas resultantes, constatando que las zonas determinadas por estas rectas
coincidan con el sentido de las desigualdades.
4 (V Dentro del espacio de SOLUCIN:factible se encontrarn un nmero infinito
) de puntos que satisfacen todas las restricciones.
Debido a que la regin factible es un espacio geomtrico encerrado con
muchas rectas, y dicho espacio se encontrar constituido por un nmero
infinito de puntos, los cuaiE<S satisfacen todas las 111 Identificacin de las
Restricciones.
5 (F L'a SOLUCIN:ptima est asociada a un nico punto de esquina del
) espacio de SOLUCIN:factible.
La SOLUCIN:ptima puede estar asociada a ms de un punto de la regin
factible, esta SOLUCIN:es conocida como ptimos alternativos.
Grficamente se puede apreciar este hecho cuando la funcin Z resulta ser
paralela a la restriccin que optimiza el valor de Z. Obtenindose as dos
puntos de esquina que optimizan la SOLUCIN:.
116
Despajando ms preguntas sobre el Mtodo Grfico
A A
Ilustracin 4.1 La rectas pueden
tener pendiente positiva o negativa
SOLUCIN:
Respuesta (e) La funcin objetivo se desplazar por el espacio o regin factible
hasta que la recta Z, quede fuera de los lmites de la regin factible debido a un
incremento o decremento en su valor. Grficamente se puede apreciar que si
desplazamos !a funcin Z, con un incremento (+ f}.Z) (Caso de Maximizacin) o
117
decremento(- .62) (Caso de Minimizacin) en su valor, sta puede escapar del rea
de la regin factibie.
Incremento en Z Decremento en Z
... ~
. ..
....
.. Ilustracin 4.4El mximo valor de
Z, al que puede llegar sin salir de
la regin factible, se da en el punto
e
118
coordenadas j e) Tampoco -es necesario que ia Rf est ac-otada cuando la
como un punto de ( pendiente de la funcin objetivo es negativa. Solo importa
esquina. que esta se encuentre acotada cuando se trata de
c. Est acotada si la maximizar, debido a que para maximizar o minimizar el valor
pendiente de la l de la funcin objetivo
funcin objetiva d) Si es necesario que la RF se encuentre acotada para el
fuera negativa. caso de una maximizacin, ya que de lo contrario, el valor
d. Est acotada para de Z se incrementara hasta el infinito y no se encontrara
el caso de una SOLUCIN:ptima.
maximizacin. "a"
O "c.
"
. ...__
Cules son los i Respuesta. Los pasos son: Graficar las restricciones,Hallar
pasos bsicos para /la regin factible (RF), Graficar la Funcin Objetivo (FO),
efectuar el Hallar la SOLUCIN:ptimaentre uno de los puntos de la
procedimiento del regin factible (puede ser ms de uno).
Mtodo Grfico?
Cmo se determina 1 Respuesta. Se debe de seguir el siguiente procedimiento:
f
el espacio Se grafican todas las restricciones. Para realizar esto, se
geomtri9o de la RF? recomienda reemplazar a la inecuacin por una ecuacin y
graficar la lnea recta resultante, seguida de esto se
sombrea la parte correspondiente a la cond!cin de la
desigualdad.
Luego se interceptan todas las restricciones.
A la zona resultante de estas intersecciones se le denomina )
1
1
R-
-.
/
119
/ fuera de los lmites de la RF.
Para el caso de Respuesta. Se debera de. agregar una restriccin que limite 1
1
EJERCICIO 4.1
Maximizar -X1 + 2X2
Dependiendo de
6X1 - 2X2 ::;: 3
-2X1 + 3X2 ::;: 6
X1 +X2 ::;: 3
X1, X2 ;,::0
120
---------!----+--
i .
'
X: 43::2
Hallando la SOLUCIN:ptima
La SOLUCIN:es la interseccin de 11 y 111
-2X1 + 3X2 == 6 -2X1 + 3X2 = 6 111
X1 +X2 =3 11 2X1 + 2X2= 6 IV
5X2 = 12.
121
EJERCICIO 4.2
Maximizar -4X1+ 8X2
Dependiendo de
X1 ,X2 ?:0
SOLUCIN:
G;aficando las Restricciones
Si X2 =O =:>X1=0.5
Si X2 =O =:>X1=-3
Si X2 =O =:>X1= 12
Hallando la regin factible
Si X2 =O :::>X1 = -4
Hallando la SOLUCiN:ptima
La SOLUC!N:es la inte;seccin de 1 y 11
-6X1 + 2X2 = -3 --+ -5X1 +2X2 = -3
-2X1 + 3X2 = 6 6X1-9X2 = -18
-7X2 = -21
De donde la SOLUCIN:ptima es: X2 = 3,X1 = 1,5
El valor que toma la fundn objetiva es:Z = 18
122
EJERCICIO 4.3 (Vanse las instrucciones anteriores)
Maximizar 3X1 +5X2
Dependiendo de -3X1 +2X2 :56
-X1 +X2 :55
-3X1 +8X2 ::: 12
3X1+2X2 ;::18
X1,X22:0
SOLUCION
Graficando las Restricciones
1) 3X1 - 2X2 = 6 si X1 =O => X2 =3
Si X2 =O :::>X1 =-2
Si X2=0 :::> X1 = -5
Si x2 =o => x1 =6
Hallando la regin factible
\
El problema NO TIENE SOLUCIN:porque la regin factible no est acotado
superiormente.
~ 123
EJERCICIO 4.4
Maximizar X1+X2
Dependiendo de 3X-5X2
3X1+ 2X2
X1,X2~0
l
!
-~
T .
f .i .,':;~.:. ~ ;. L- fl"'Jr)
r'X". -...i1 r8
17
~ ''l~
!.
~ . .JL..:.
H-:--.:.... -~--....!,----~~~'~'oJ .
1
~-.....,1,__----j
'
>
1 \ ~
......
1l 1! !: l
H---+---+,--+-.--..~-t--\.+---""";:-1--
,------i---4
... ".:,....
t
-~=::~~..:ldg :
;
!---~-----~-~-\---l
f ' !'
\ ""4
r\..
l
~
!;
~\~~~~~----fk-----f---
124
EJERC!CIO 4.5
Minimizar 3X1 + 7X2
Dependiendo de X1-X2 ;,:4
X1+2X2 s 10
-2X1-X2 ;,:2
X1,X2;,:0
1)Graficando las Restricciones
1) -X1 +X2 =4 Si X1 =O X2 = -4
Si X2 =o => X1 =4
11) -X1 + 2X2 = -10 Si X1 =O X2 =-5
Si X2=0 => X1=10
Si X2 =O X1 =-1
2)Graficando la Regin Factible
125
EJERCICIO 4.6
Maximizar 2X1 +2X2
Dependiendo de -6X+10X2 2: 15
X1+ X2 2:7
X1 ::;2
X1, X2 2:0
1)Graficando las Restricciones
j) -6X1 + 10X2 = 15 SI X1 =O => X2 =1.5
Si X2 =O => X1 = -2.5
11) X1 + X2 = 7 si X1 =O => X2 =7
.. ~
Si X2 =O => X1=7
111) X1 = 7
2)Graficando la Regin Factible
-::<: -1 .1 I:::
-Y: -1 3964
126
EJERCICIO 4. 7
Max~mizar -4X1 + 6X2
Dependiendo de 6X 1 - 2X2 ~ 3
-2X1 + 3X2 ~ 6
X +X2 ~3
X1,X2~0
1
i
q
i x: s.slss
' !
i
!
.---1--r--+---- ---
Graficando la Funcin Objetivo
-4X1 + 6X2 = 24 Si X1 =O=> X2 =4 Si X2 =O => X 1 =-6
HaHando la SOLUCIN:ptima
La SOLUCIN:es la interseccin de 11 y 111
II)-2X1 + 3X2 =6 --7 -2X1 +3X2 = 6
X1 +X2 = 3 --7 2X1 +2X2 = 6
5X2 = 12
De donde la SOLUCIN:ptima es: X2 = 2,4 X1 =0,6
Tambin X2 =2X1 =O
El valor que toma la fundn objetiva es: z = 12
127
EJERCJCIO 4.8
Maximizar -X1 +2X2
Dependiendo de 6X1 -2X2 ~3
-2X1 +3X2 ~6
X1 +X2 ~3
2X1 +2X2 ~8
o ~1 ~5
o ~X2 ~5
X1,X2~ O
SOLUCIN:
1)Graficando las Restricciones
1) -6X1 + 2X2 = -3 Si X1 =O ~ X2 = -1.5 Si X2 =O~ X1 = 0.5
11) -2X1 + 3X2 = 6 Si X1 =O ~ X2 =2 Si X2 =O ~ X1 =-3
111) X1 + X2 =3 Si X1 =O ~X2=3 Si X2 =O=> X1 = 3
IV) 2X1 + 2X2 = 8 Si X1 =O ~ X2 =4 Si X2 =O~ X1 =4
V) X1 =5 VI) X2 =5
Graficando la Regin Factible
X1-2X2 <o O
X2 ~ 1
X1,X22:0
1 )Graficando las Restricciones
1) X1 + X2 = 3 S X1 =O==> X2 = 3 Si X2 =O==> X1 = 3
129
/7_ ~-
~
EJERCICIO 4.10
Maximizar X1+2X2
Dependiendo de X1+X2 53
X1-2X2 2:: O
X2 2:: 1
X1 ,X2 2:: O
1) X + X2 = 3 si X =O=> X2 =3 si X2 =O => X1 =3
11) -X1 + 2X2 =O si X1 =O=> X2 =O si X2 =O => X1 =O
111) X2=1
Graficando la Regin Factible
..............~...... .J. y :
................
............
............
~l
1
_J_
J l
Graficando la Funcin Objetivo
X1 + 2X2 = 4 si X1 =O=> X2 = 2 si X2 =O => X1 =4
Hallando la SOLUCIN:ptima
La SOLUCIN:es la interseccin de 1 y 11
I)X1 +X2 = 3 -t -2X1 - 2X2 = -6
1!) -X1 + 2X2 =O - X1+ 2X2 =O
3X1 = -6
De donde la SOLUCIN:pma es: X1 = 2X2 = 1
El valor que toma la funcin objetiva es:Z = 4
Aqu, tres restricciones pasan por un mismo punto en la SOLUCIN:ptima.
~--130
EJERCICIO 4.11
Minimizar 2X1 +X2
Dependiendo de 5X1 - 4X2 ~ 14
X1- 4X2 ~ -2
2X1 +X2 ;: : : 5
6X1 -X2 ;: : : 3
X1,X2;::::0
I)Graflcando las Restricciones
1) -5X + 4X2 = -14 si X1 =O:::::> X2 = -3.5 si X2=0 :::::> X1 = 2.8
11) -X1 + 4X2 = 2 si X1 =O:::::> X2 =0.5 si X2 =O:::::> X1 = -2
111) 2X1 + X2 = 5 si X1 = O:::;> X2 =5 si X2 =O:::::> X1 = 2.5
IV) -6X1 + X2 = -3 si X1 =O:::::> X2 = -3si X2 =O:::::> X1 =0.5
II)Hallando la Regin Factible
w~131
EJERCICIO 4.12
Minimizar 12Xi - 2X2
Dependiendo de 5X1-4X2 :::;;14
X1 - 4X2 :::;;-2
. 2X1 +X2 :2:5
X1 ,X2 :2:0
132
EJERCICIO 4.13
Minimizar 25L + 22H
Dependiendo de 0.45L + 0.35H ~ 126000 (gasolina)
L,H 20
1)Graicandc las restricciones
1) 0.45L + 0.35H =126000 SiL= O ~ H = 360000
Si H= O ~ L= 280000
133
EJERCICIO 4.14
Maximizar 0.55JN +0.40JT
Dependiendo de 0.04JN +0.05JT :5150 (tiempo de mquina)
0.70JN :<> 1000 (concentrado de naranja)
0.50JT s 1000 (concentrado de toronja)
JN,JT <:0
1)Graficando las Restricciones
i) 0.04JN + 0.05JT = 150 Si JN =O ::::>JT = 3000
Si JT= O ::::>JN= 3750
11) O. 70JN = 1000 ::::>JN = 1428.57
111) 0.50JT = 1000 => JT = 2000
Graficando la Regin Factible
134
EJERCICIO 4.15
El siguiente modelo fue desarrollado por Camac Company, en que C es nmero de
coches compacto y ses el nmero de coches sub compactos por producir.
Maximizar 6740C +51 DOS
Dependiendo de 200C +150S :$ 80000 (materia prima)
18C +20S :$9000 (mano de obra)
e :$1500
S :$200
C, S;;>-Oy entero
Resuelva este problema grficamente, ignorando los requerimientos enteros.
SOLUCIN:
1)Graficando las Restricciones
1) 200C + 1.50S = 80000 si e= o S= 533.33
Si S =O C= 400
11) 18e + 20S = 9000 Si e= o S= 450
Si S= O e= 500
111) e= 15oo
S= 200
Graneando la Regin Factible
Graneando la Funcin Objetivo
6740C + 5100S= 500000 Si e=O S= 98.04
Si S= O e=74.18
Hallando la SOLUCIN:ptima
La SOLUCIN:es la interseccin de 1 y IV
1) 200e + 150S = 80000 200e + 150S =80000
IV) S= 200 - 150S = -30000
200e =50000
De donde la SOLUCIN:ptima es: C = 2SO,S =200
El valor que toma la fund6n objetiva es Z = 2'705000
~- 135
EJERCICIO 4.16
Mineral MiningCompany enva una carga de camin de mineral de hierro y cobre de
la mina a 1a planta procesadora. El camin tiene una -capacidad de peso de 10
Toneladas y una capacidad de volumen de 1200 pies cbicos. Cada libra de mineral
de hierro toma 0.04 pies cbicos de espacio y produce una ganancia de $0.30 al
procesarse. Cada libra de mineral de cobre ocupa 0.08 .pies cbicos de espacio y
proporciona una ganancia neta de $0.50
Formule un problema de programacin lineal para determinar la cantidad de cada
mineral por cargar diariamente
Resuelva el problema de la parte a grficamente. Explique la SOLUCIN: ptima y
el valor de la funcin objetivo.
SOLUCIN: ..
MH +MC::; 22046
MH,MC2: O
~-136
11) MH + MC = 22046 Si MH=O ::::> MC = 22D46
0.04MC= 318.16
137
EJERCICIO 3.17
Resoiver grficamente el siguiente problema de Programacin Lineal
MaxZ= 8 X1 +4 X2
sujeto a 2 X1 +X2 ~10
X1 + 3X2 ~ 14
X1 +X2 ~6
X1, X2 ~o
SOLUCIN:
1) Graficando las Restricciones:
x1 + 3 x, = 14
2 x1 + x, = 10
Z= 8X1 +4X,
Regin
..... Factible
nhtnvie.rrm nos
.'XJ.
13.9
Determinar el valor ptimo de la FUNCIN OBJETIVO:
Para determinar este valor, es necesario conocer las coordenadas del punto ptimo;
y para conocer estas coordenadas, se deber de identificar a las -rectas que definen
a dicho punto (estas rectas pueden ser restricciones o ejes coordenados).
Identificadas las rectas, se obtendr el valor de las coordenadas del punto ptimo
resolviendo las ecuaciones de las rectas que lo definen, en un sistema de
ecuaciones lineales de dos variables.
Para este problema, se presentaron 2 puntos (A y B):
Punto A, es resultado de la interseccin de las rectas C1 y C3 (restricciones y 3):
C1: 2 X1 + X2 = 10
C3:X1 + X2 =6
Resolviendo el sistema se obtiene:
Restamos C3 de C1:
C1:2X1+X2=10
C3:- X1 -X2 =- 6
X1=4
Luego, reemplazando en C1:
C1: 2(4) + X2 = 10
X2 = 2
Es decir: A = ( 4,2)
Punto B, es resultado de la interseccin de la recta C1 y el semieje de las abscisas
(Restr:iccin 1 y la recta X2 =O)
C1:2X1+X2=10
X2 =O
Resolviendo el sistema se obtiene:
X1 = 5 y X2 =O
Es decir: B = (5,0)
Finalmente, para determinar ei valor ptimo de la FUNCIN OBJETIVO, se tendr
que evaluar el valor de Z en el punto ptimo.
Para este problema, se tendr que evaluar Z en !os puntos A y B.
Punto A: Z = 8(4) + 4(2) = 40
Punto 8: Z =8(5) + 4(0) = 40
Como puede apreciarse, en ambos casos el valor ptimo de .la
140
EJERCICIO 4.17
Resolver grficamente el siguiente problema:
Min Z == 2 X1 + 3X2
sujeto a X1 +X2 ;?:13
2 V1
/\. ' +X2 z18
.,,1
; ' ' + 3 X2 ;?:21
X1 + 2X2 ;?:18
X1, X2 zO
SOLUCIN:
Graficando las restricciones:
X1 +X2>13 ... (C)
2 X1 +X2>18 __:_ (C2)
X1
141
~
EJERCICIO 4. 18
Una empresa que opera 12 hoas diarias, ensambla sus dos tipos de productos en
tres procesos en secuencia, el primer y segundo proceso se realizan en 4 y 5 horas
respectivamente. La siguiente tabla resume los datos del problema.Encuentre el
Plan ptimode produccin
60
Tiempo disponible para el Proceso 3 (3 horas por da, debido a que la empresa
labora 12 horas diarias): 3,6 X1 + 1,8 X2~
3 X 60
142
X1 X2
X1, X2
-
'
... ....
__.,, ,- _
,_.._ __._,
- -~
143
X2: Cantidad de mochilas tipo 2 a pr-oducirse en e! da.
T1: Tiempo necesario para producir un sombrero tipo 1.
T2: Tiempo necesario para producir un sombrero tipo 2.
T: Tiempo total disponible para producir en un da.
/Identificacin de la Funcin Objetivo
Max Z = 6 X1 + 4 X2
lllldentificacin de las Restricciones
Demanda diaria de las mochilas Tipo 1: X1~ 15
Demanda diaria de las mochilas Tipo 2: X2~ 20
Tiempo disponible para la produccin diaria: T =20T1
Relacin entre los tiempos de produccin de ambos tipos: Tf = 2T2
Disponibilidad de tiempo para la produccin de ambos tipos de mochi!as:T1 X1 + T2
X2~T
40
Modelo de Programacin Lineal
6
Max Z = + 4 X2
X1
2
sujeto a + X2 ~ 40 ... (C1)
X1
X1 ~ 15 ... (C2)
X2 ~ 20 ... (C3)
X1, X2, ~O
144
es el resultado de la interseccin de las rectas C1 Y C3)
Luego el punto A se obtiene de las siguientes restricciones:
C1: 2 X1 +X2 = 40
C3:X2 = 20
Resolviendo el sistema se tiene:
X1=10yX2=20
Es decir: A = (1 0,20)
Finalmente el valor ptimo de la FUNCIN OBJETIVO es:
Z = 6(1 O)+ 4(20) = 140
SOLUCIN:
Producir 10 mochilas del Tipo 1 y 20 del Tipo 2, obtenindose una utilidad diaria de
S/. 140.
EJERCICIO 4.20
LA BODEGA "DON JOS",vende las dos marcas de gaseosas ms conocidas en el
mercado, Coca Cola y Ko!a ReaL El margen de utilidad por botella de 1 }';litros de
Coca Cola es de S/. O.25, mientras. que Kola Real aporta una ganancia de S/.
0.35.En promedio, la tienda no vende ms de 100 botellas de ambas gaseosas al
da. Aun cuando Coca Cola es una marca ms conocida, los clientes tienden a
comprar ms botellas de Kola Real, porque es considerablemente ms econmica.
Se calcula que las ventas de Kola Real superan a las de Coca Cola en una razn de
2 a 1, por lo menos. Sin embargo, vende como mnimo 25 botellas de Coca Cola al
da. Ayude a Don Jos a maximizar su utHidad en la venta de las bebidas.
SOLUCIN:
1 Identificacin de las Variables
X1: Nmero de botellas de 1 }';litros de Coca Cola a comprarse
diariamente.
X2: Nmero de boteiias de 1 }';litros de Ko!a Real a comprase
diariamente.
11 Identificacin de la Funcin Objetivo
Max Z = 0.25 X1 + 0.35 X2
111 Identificacin de las Restricciones
Mxima cantidad de botellas vendidas de ambas gaseosas en el da: X +
X2:s: 100
145
Relacin entre las ventas de ambas gaseosas (Las ventas de Kola real superan a
las de Coca Cola en una razn de 2 a 1 por lo menos):
X2;;::: 2 X1
X1, X2, ~o
146
EJERCICIO 4.21
Miguel ngel, debe trabajar por lo menos 30 horas a la semana para ayudar en sus
gastos mientras estudia en la universidad. Tiene la oportunidad de trabajar en dos
cabinas de Internet: En R@pinet ,Miguel ngel puede trabajar entre 8y 18 horas a la
semana, y en Fl@sh.comle permiten trabajar entre 9 y 15 horas. Ambas cabinas
pagan el mismo salario por hora .. De manera que Miguel ngel quiere basar su
decisin acerca de cuantas horas debe trabajar en cada cabina en un criterio
diferente: El factor de estrs en el trabajo. Basndose en una entrevista con los
empleados actuales, Miguel ngel calcula que, en una escala del 1 al 1O, los
factores de estrs son de 7 y 5 en la primera y segunda cabina respectivamente.
Debido a que el estrs aumenta por hora, l supone que el estrs total al final de la
semana es proporcional al nmero de horas que trabaja en las cabinas. Encontrar la
SOLUCIN:que le penmita a Miguel ngel, conocer el nmero de horas que debe
trabajar en cada cabina.
SOLUCIN:
Identificacin de las Variables
X1: Nmero de horas a trabajar en la cabina "R@pinet"
semanalmente.
X2: Nmero de horas a frabajar en la cabina "FI@sh.com"
semana !mente.
11 Identificacin de la Funcin Objetivo
Criterio Objetivo: Minimizar el nivel de estrs en el trabajo.
Min 7 X1 + 5 X2
111 Identificacin de las Restricciones
Migue!Angel debe trabajar por lo menos 30 horas a la semana:
X1 + X22 30
En R@pinet, puede trabajar entre 8 y 18 horas a la semana:
8~X1~18 X12 8 y X1~ 18
En Flash.com,puede trabajar entre 9 y 15 horas:
9~X2~15 X22 9 y X2~ 15
Modelo de Programacin Lineal
7
M in + 5 X2
X1
147
e
sujeto a X1 +X2 ;:: 30 (i)
X1 ;::8 (ii)
X1 ~ 18 (iii)
X2 ;::g (iv)
X2 ~ 15 (v)
X1, X2 ;::o
Grfica del Modelo:
La SOLUCIN:ptima de 1 funcin objetivo, se encuentra en la interseccin de las
restricciones (i) y (v)
C1: X1 + X2 =30
es: X1= 5 .... ::- . 4.
,
Resolviendo el sistema d
""'""'"'"""
~
:~
se tiene: ;~:,
X1=15yX2=15
4:" -<a; . .
."[.
~
Es decir: A= (15, 15) ~;:
Finalmente el valor
ptimo de la FUNCI_N
OBJETIVO es:
z = 7 ( 15) + 5( 15) = 180
Respuesta:
Miguel Angel deber de
trabajar 15 horas en a
la semana en cada una
de las cabinas, de este
modo su nivel de Estrs
ser de 180.
148
EJERCICIO 4.22
JOSEMA RA. es un estudiante de universitario muy entusiasta. l razona "Slo
trabajo y nada de diversin ", lo convierte en un muchacho aburrido. Como
resultado, Josemara quiere distribuir su tiempo disponible de alrededor 1O horas al
da, entre el trabajo y !a diversin. l estima que el juego es el doble de divertido que
el trabajo. Tambin quiere estudiar tanto como juega. Sin embargo, si l quiere
terminar toelas sus tareas universitarias, no puede jugar ms de 4 horas al da.
Encuentre la manera en que Josemara distribuya su tiempo de manera que
maximice su satisfaccin tanto en el trabajo como en el juego.
SOLUCIN:
Identificacin de las Variables
X1: Nmero de horas del da destinadas al trabajo.
X2: Nmero de horas del da destinadas al juego.
11 Identificacin de la Funcin Objetivo
Criterio Objetivo: Maximizar su nivel de diversin tanto en el trabajo como en
el juego (El Juego es el doble de divertido que el trabajo).
Max Z = X1 + 2 X2
111 Identificacin de las Restricciones
1
Tiempo disponible al da : 1O horas: X1 + X2 ~ 1O
Estudiar por lo menos tanto como juega: X1 ;;::: X2
No puede jugar ms de cuatro horas al da: X2 ~ 4
X1, X2 ;;:::O
SOLUCIN:
Gustavo Ara ujo deber de dedicar 6 horas .diarias al trabajo y 4 al juego, de este
modo su nivel de satisfaccin ser de 14.
EJERCICIO 4.23
La carpintera "Don Toyo", de Hernando Torre, emplea a cuatro carpinteros durante
20 das para ensamblar mesas y sillas. Se requiere de 1 hora para ensamblar una
mesa y de 30 minutos para el ensamble de una silla. Por lo general, los clientes
compran entre 2 y 6 si!!as con cada mesa. Las utilidades son de S/.40.00 por mesa y
S/.15.00 por silla. La carpintera opera en un turno de 8 horas al da. Encuentre la
SOLUCIN:que ayude al Seor Torre determinar el plan de produccin ptimo para
los siguientes 20 das .
. SOLUCIN:
Identificacin de las Variables
X1: Nmero de Siilas a ensamblarsediariamente.
X2: f\Jmero de Mesas a ensamblarse diariamente.
A
Grfica del Modelo:
El valor ptimo de la FUNCIN OBJ:TIVO, se encuentra en el punto A. Dicho punto
es el resultado de la interseccin de las rectas C1 Y C2.
/ 151
EJERCICIO 4.24
FINANCIERA "SOLUCIN:", est.! asignando un mximo de S/.1 00 000 para
prstamos personales y prstamos para construccin de viviendas. La financiera
cobra 14% de inters por prstamos personales y 12% para las viviendas. Ambos
tipos de prstamos se liquidan al final del periodo de un ao. La experiencia muestra
que alrededor del 3% de los prstamos personales y el 2% para prstamos de
vivienda nunca se liquidan. Por !o general, el banco asigna cuando menos el doble
de los prstamos personales a los prstamos de vivienda.
Encu~ntre la SOLUCIN:que permita optimizar e! uso de los recursos.
SOLUCION
Identificacin de las Variables
X1: Cantidad de S/. -a asignarse a los prstamos personales,
anualmente.
X2: Cantidad de SI. a asignarse a los prstamos de vivienda,
anualmente.
152
Grfica del Modelo:
El valor ptimo de la FUNCIN OBJETIVO, se encuentra en el punto A. Dicho punto
153
EJERCICIO 4.25
Conserv'as A 1 tiene un contrato para recibir 50000kg de tomates maduros a S/.0.50
por Kg., con los cuales produce jugo de tomate enlatado y pasta de tomate. Los
productos enlatados se empacan en cajas de 24 latas. Una lata de jugo requiere de
1kg de tomate y una lata de pasta solo requiere de :h Kg. La participacin de
mercado de la compaa se limita 1000 de jugo y 3000 cajas de pasta. Los precios
de mayoreo-por caja de jugo y de pasta son de S/.15.00 y S/.10.00 respectivamente.
Encuentre la SOLUCIN: que permita obtener el mximo beneficio.
SOLUCIN:
1 Identificacin de las Variables
X1: Cantidad de Cajas de Jugo de Tomate a producirse.
X2: Cantidad de Cajas de Pasta de Tomate a producirse.
X>
154
..
sujeto a 24 X1 + 12 X2 s 50 000 ... (C1)
1-55
EJERCICIO 4.26
Carpinterfa "M&Cr. ensambla dos tipos de reposteros de cocina de madera: regulares
y de lujo. Los reposteros regulares estn pintados de blanco y los de lujo estn
barnizados. Tanto el pintado como el barnizado se llevan a cabo en el mismo
departamento. La capacidad mensual del departamento de .ensamble puede producir
un mximo d.e 200 reposteros reguiares y 180 reposteros de lujo: El barnizado de un
repostero de lujo se lleva el doble de tiempo que pintar uno regular. Si el
departamento de pintura 1 barnizado se dedicara nicamente a las unidades de lujo,
terminara 200 unidades af mes. M & C calcula que las utilidades por unidad de los
reposteros regulares y de lujo son de S/.50 y S/.80 respectivamente. Encuentre la
SOLUCIN:que permita obtener e! beneficio ptimo.
SOLUCIN:
! Identificacin de las Variables
X1: Cantidad de Reposteros Regulares a producirse
mensualmente.
X2: Cantidad de Reposteros de Lujo a producirse mensualmente.
T: Tiempo necesario para producir un Repostero Reglar.
T2: Tiempo necesario para producir Reposteros de Lujo.
T: Tiempo total disponi13Ie para producir en el mes.
1 Identificacin de la Funcin Objetivo
Max Z =50 X1 + 80 X2
111 Identificacin de las Restricciones
Capacidad mxima del departamento de ensamble: X1 ::; 200
X2 ::; 180
El barnizado de un repostero de lujo lleva el doble de tiempo -que el pintado de uno
regular:T2 =2T1
El departamento de pintado 1 barnizado puede producir 200 unidades de Lujo al
mes, si solo produce esas unidades: T =
200T2
Tiempo total disponible para la produccin de ambos tipos de Reposteros: TI
X1 + T2 X2 ::; T
Expresando la restriccin en trminos de T1 tenemos:T1 X1 + 2 Ti X2::; 200(2T1)
Simplificando TI se obtiene: X1 + 2 X2 ::; 400
~ 156
Modelo de Programacin Lineal
MaxZ= 50 X1 +80X2
sujeto a XI ~200 ... (C1)
X2 ~ 180 ... (C2)
X1 + 2 X2 ~400 ... (C3)
X1, X2, 2:0
Grfica del Modelo:
.,..-.~ ---
157
EJERCICIO 4.27
Ferretera "Barbosa" prepara dos tipos de pintura: Color Max y Color Star. El
volumen de venta de Color Max es por lo menos el 80% de la venta de ambas
pinturas. Sin embargo, la ferretea no puede vender ms de 3D unidades de Color
Max diariamente. Las dos pinturas utilizan para su elaboracin un tipo de
imprlmante,- cuya disponibilidad mxima diaria es de 70kg. Color Max utiliza 2kg de
materia prima por unidad, mientras que Color Star4kg. Los precios por un balde de
pintura de Color Max y Color Star son de S/.15 y S/.25 respectivamente. Encuentre
la SOLUCIN:que permita obtener la mxima utilidad.
SOLUCION
!Identificacin de las Variables
X1: Unidades de Color Max a producirse diariamente.
X2: Unidades de Color Star.a producirsediariamente.
Max Z = 15 X1 + 25 X2
111 Identificacin de las Restricciones
1
Volumen de ventas de Color Max: X1~ 80%(X1 + X2)
158
Grfica del Modelo:
El valor ptimo de la FUNCIN OBJETIVO, se encuentra en el punto A. Dicho punto
es el resultado deJa interseccin de las rectas C2 Y C3.
Luego el punto A se obt;ene de las siguientes restricci_ones: C2:X1 = 30 -
C3: 2 X 1 + 4 X2 = 70
Resolviendo el sistema se tiene: X1 = 30 y X2 = 2.5
Es decir: A = (30, 2.5)
Finalmente el valor ptimo de la FUNCIN OBJETIVO es: Z = 15(30) + 25(2.5) =
512.5
SOLUCIN: Ferretera Barbosa, del;>er producir 30 unidades de pintura Color Max
y 2.5 de Color Star, para obtener un beneficio de S/. 512.50
--EJERCICiO 4.28
El HoteiCrillnpuede anunciar su diversidad de servicios en la radio o televisin
. local. El presupuesto para anunc:ios est limitado a S/.100.00 al mes. Cada minuto
de anuncio por radio cuesta S/.50 y cada minuto de comerciales por televisin
cuesta S/.400. A CrillnHotelie interesa utilizar los anuncios por radios por lo menos
el doble de los anuncios por televisin. Por lo pronto, no es prctico utifizar ms de
1000 minutos de anuncios por radio. La experiencia pasada muestra que los
anuncios por televisin son ms efectivos que los de radio, en la relacin de 20 a
1.Encuentre !a SOLUCIN: que permita optimizar el uso de los recursos.
SOLUCIN:
Hdentificacn de las variables
X1=Cantidad de minutos en Anuncios por Radio a comprarseen el mes
S
X2=Cantidad de minutos en Comerciales por TV. a comprarse en el mes
159
. '
JQ .......... , ... _ , , _
X12: 2 X2
Mxima cantidad de anuncios por ra,dio:
Xb 1 000
Grfica del Modelo:
El valor ptimo de la FUNCIN OBJETIVO, se encuentra en el punto A Dicho punto
es el resultado de la interseccin de las rectas C1 Y CZ
Luego el punto A se obtiene de las siguientes restricciones: C1: 50 X1 + 400 X2 =
100 000
C2:X1-2 X2 =O
Resolviendo el sistema se tiene: X1 = 400 y X2 = 200
Es decir: A= (400, 200)
Finalmente el va!or ptimo de la FUNCIN OBJETIVO es: Z = 1(400) + 20(200) = 4
400
SOLUCIN:
Crilln Hotel, deber comprar 400, minutos en Anuncios de Radio y 200 en
Comerciales para la TV_ Obteniendo as un nivel de efectividad en los anuncios de 4
400,
rf)__.
160
EJERCICIO 4.29
La empresa elctrica "Santa Rosa", afiliada a EDGEL, es propietaria de una piante
generadora de energia con turbinas de vapor. Debido a que Santa rosa es rica en
depsitos de carbn, la planta utiliza el mismo para generara el vapor. Sin embargo
esto crea el problema de satisfacer los estndares de emisin. Las regulaciones de
Agencia de Proteccin Ambiental, limitan la descarga de dixido de azufre a 2000
partes por milln y la descarga de humo de las chimeneas de la planta a 20kg por
hora. La empresa recibe dos grados de carbn pulverizado, CX1 y CX2, para ser
utilizados en la planta. Por lo general, los dos grados se mezclan antes de
quemarlos. Para facilidad en los clculos, se supondr que el contaminante de
azufre de la mezcla (en partes por milln) es un promedio ponderado de la
proporcin de cada grado empleado en la mezcla. Los siguientes datos se basan en
el consumo de 1 tonelada por hora de cada uno de los grados de carbn.
161
Modelo de Programacin Lineal
MaxZ= 12 000 X1 + 9 000 X2
sujeto a -200 X1 + 100 X2 50 ... (C1)
2.1 X1 + 0.95 X2 5 20 ... (C2)
X1, X2 O
162
EJERCICIO 4.30
Confecciones Zarah, confecciona camisas para caballeros y blusas para damas para
hipermercados Metro. Metro aceptar toda !a produccin que le proporciona Zarah.
E! proceso de produccin incluye corte, costura y empacado. Zarah emplea a 25
trabajadores en el departamento de corte, a 35 en costura y 5 empacado. La fbrica
trabaja un ttrno diario de 8h y 6 das a la semana.La siguiente tabla proporciona los
requerimientos de tiempo y las utilidades por unidad para las dos prendas .
Blusa 6o . :6o
Encuentre la SOLUlN:que d~t~.r~ine,.el programa de produccin semanal para
Zara h.
SOLUCIN:
Identificacin de las Variables
X1: Cantidad de Camisas para caballero a confeccionar
semanalmente.
X2: Cantidad de Blusas para dama a confeccionar semanalmente.
6 X 60
Minutos disponibles en el departamento de costura. 70 X1 + 60 X2:::; 35 x 8 x
6 X 60
Minutos disponibles en el departamento de empacado. 2 X 1 + 4 X2:::; 5 x
8 X 6 X 60
~163
Observacin:El nmero de minutasen un departamento disponibles semanalmente
es igual al pmducto del nmero de trabajadores por el nmero de minutos en una
semana. Por ejemplo en el departamento de corte:25 x 8 x-6 x 60
Modelo de Programacin Lineal
MaxZ= 5 X1 +6 X2
sujeto a 20 X1 + 60 X2 ~72000 ... (C1)
70 X + 60 X2 ~ 108000 ... (C2)
12 X +4 X2 ~14400 ... (C3)
X1, X2
( 164
EJERCICiO 4.31
.Industrias 'Paquita", fabrica dos productos de limpieza para el hogar: Extra Clean y
Sper Cleah; procesando dos tipos de cloro: Tipo 1 y Tipo !l. El procesamiento de un
galn de cloro Tipo 1 cuesta S/.8 y produce medio galn de Extra Clean y 0.5
galones de Sper Clean. Mientras que el procesamiento de un galn de cloro Tipo 11
cuesta S/.6 y produce 0.6 galones de Extra Clean y 0.4 galones de Sper Clean. La
demanda diaria de Extra Clean est entre 1000 y 1500 galones y la Sper Clean
entre 1200 y 2000 galones.Encuentre la SOLUCIN:que determine la cantidad
ptima de Extra Clean y Sper Clean que deba producir "Paquit" diariamente.
Identificacin de las Variables
Y1: Cantidad de Galones de cloro tipo 1a utilizarse diariamente.
Y2: Cantidad de Galones de cloro tipo 11 a utilizarse diariamente.
X1: Cantidad de Galones de Extra Clean a producirse diariamente.
X2: Cantidad de Galones de Sper Clean a producirse
diariamente.
11 Identificacin de la FunGin Objetivo
Criterio Objetivo: Minimizar los costos del proceso de produccin.
Min Z = 8 Y1 + 6 Y2
Observacin:
Las cantidades de productos obtenidos por el procesamiento de los cloros tipo
1 y 11 son:
Y1 =0.5 X1 + 0.5 X2
Y2 = 0.6 X1 + 0.4 X2
Expresando Z en trminos de X1 y X2 tenemos:Z = 8(0.5 X1 + 0.5 X2) + 6
(0.6 X1 + 0.4 X2)
Luego la FO quedaria: Min Z = 7.6 X1 + 6.4 X2
111 Identificacin de las Restricciones
Demanda diaria para los dos tipos de productos:
1 000 ~ Xh 1 500
1 200 ~ X2s 2 ooo
Modelo de Programacin Lineal
7.6 + 6.4
MinZ=
X1 X2
165
sujeto a X1 ~ 1 000 ... (C1)
X1 :s; 1 500 ... (C2)
X2 ~ 1 200 ... (C3)
X2 :s; 2 000 ... (C4)
X1, X2 ~o
166
EJERC~ClO 4.32
IMPORTACIONES "HIRAOKA", posee una lnea de ensamble que consta de tres
estaciones consecutivas y produce dos modelos de radios SONY: CFD-1 y CFD-2.
La siguiente tabla proporciona los tiempos de ensamble para las tres estaciones de
trabajo.
2
:3.
. ~ . '
167
sujeto
6 X1 +4X2 5 432 ... (C1)
a
8 X1 + 2 X2 5 384 ... (C2)
4 X1 +4 X2 5 400 ... (C3)
X1, X2 O
Grfica del Modelo:
~- 168
4. 3 Mtodo dual
PRIMAL DUAL
1
Maximizacin Minimizacin
Restriccin Restriccin S
Restriccin S Restriccin
EJEMPLO:
Una Compaa produce computadores y televisores, cada computadora se vende
'
con una ganancia de 30$ mientras que cada televisor con una ganancia de 50$
Ambos deben pasar por los departamentos A yB mensualmente se dispone de 200 y
140 horas en los departamentos A y B respectivamente
Cada computadora requiere i hora de A y 1 hora de 8, cada televisor requiere2
horas de A y 1 hora de B. Cul es el programa de produccin?
X1+x2S140 2Y1+Y250
169
La SOLUClN:del Dual se puede realizar por cualquier mtodo, ya sea el mtodo
. grafico, el mtodo simplex o el mtodo computacional.
4.3 Anlisis de sensibilidad con variaciones en las constantes del lado derecho.
El anlisis del lado derecho, para ver que sucede con la funcin objetivo cuando se
vara los recursos disponibles, Este anlisis nos permite obtener el precio sombra s
aumentC? los materiales, en cunto se incrementar mis ganancias?, dicho de otra
forma, Cuntas soles se incrementan mi ganancia si se incremento un sol en
materiales?
Consiste en hacer cambios i:;n el modelo para conocer sus efectos. Tenemas dos
casos:
1. Analisis del los coeficientes de la Funcin objetivo
2. Analisis de lado derecho (Precio sombra)
~ 170
EJERClCIOS RESUELTOS
E.:JERC1C~O 4.33
Determine grficamente el intervalo de sensibilidad de cada coeficiente de funcin
objetivo en la SOLUCIN:ptima del programa lineal
Minimizar 25L + 22H
Dependiendo de 0.45L + 0.35H ;?: 1-26000 (gasolina)
0.18l + 0.36H ;?:90000 (turbosina)
0.30L + 0.20H ~30000 (queroseno)
L,H ;?:0
SOLUCIN:
Manteniendo constante el coeficiente de H
Hallamos la pendiente de la FO y de las restricciones que intervienen en la
SOLUCIN:ptima ..
La pendiente de la FO: al + 22H ::::::> m=- a/22
De la restriccin 1) 0.45L + 0.35H ;?: 126000 =::;, m=- 0.45/0.35
Igualando =::;, a= 28.29
De la restriccin 11)
Igualando ~ a= co
~ 0,32~a~ oo
;
Manteniendo constante el coeficiente de JN
La pendiente de la F.O.: 0.55JN + bJT m =-0.55 1 b
De !a restriccin 1) m=-0.04/0.05
Igualando b= 0.69
De la restriccin 11)
Igualando b=O
O~b~0.687
Interpretacin:
El coeficiente de OJ puede variar desde 0.32 inclusive sin modificar su
SOLUCIN:ptima. El coeficiente de JN puede varia r hasta 0.687 inclusive sin
modificar su SOLUCIN:ptima.
. EJERCICIO 4.35
Determine grficamente el intervalo de sensibilidad de cada coeficiente de funcin
objetivo en la SOLUC1N:ptima del programa lineal
Maximizar 6740C +5100S
Dependiendo de 200C +150S::; 80000 (materia prima)
18C +20S ::;9000 (mano de obra)
e ::;15oo
S ::;200.
C,S 20y entero
SOLUCIN:
Manteniendo constante el coeficiente de S
la pendiente de la F.O.: aC + 5100S =>m =-a/5100
De la restriccin 1) m=-200/150=-a/5100 =>a= 6800
De la restriccin 11) m=-18/20=-a/5100 =>a= 4590
.=>0 ::; a ::; 6800
173
EJERClC~O 4.36
Determine grficamente e! intervalo de sensibilidad de cada coeficiente de funcin
objetivo en la SOLUGIN:ptimadel programa lineal
Maximizar 0.30MH + 0.5D MC
Df3pendiencto de 0.04MH + 0.08 MC ~1200
MH +MC ~ 22046
MH,MC O
SOLUCIN:
Manteniendo constante el coeficiente de MC
La pendiente de la F~O.: aMH + .SOMC ~m =-a/0.50
De la restriccin !) m=-0.04/0.08=-a/0.50 ~a= 0.25
De la restriccin 11) m=-1/1 =-a/0.50 ~a= 0.50
~ 0.25 ~a~ 0.50
174
EJERCiCIO 4.37:
Determine el intervaio de sensibilidad del valor del lado derecho. Explique el
significado del precio sombra en el contexto de este problema.
Minimizar 25L + 22H
Dependiendo de 0.45L + 0.35H 126000 {gasoiina)
175
Aniisis -de Sensibilidad del Lado Derecho de la Restriccin 11)
Restriccinil): 0.18L + 0.36H = 90000 (Demanda de turbosna)
Del grfico {Ejercicio 4.13):
En: L =O 0.18L + 0.36H = b
H = 360000 0.18 (O)+ 0.36 (360000) = b
b = 129600 (Valor Mximo del L.D.)
Valor de la f.O. 25(0) + 22(360000) = $ 7'920000
En: L = 280000 0.18L + 0.36H =a
H=O 0.45 (280000) + 0.35 (O)= a
a= 50400 (Valor Mnimo del L.D.)
Valor de la F.O. . .. 25(280000) + 22(0) = $ 7'000000
Los valores ptimos de la F.O. asociados con cambios en el Valor Derecho de la
Restriccin 11
Por cada barril adicional en la demanda de turbosina por encima de 9000 y hasta
129600 barriles, y por debajo hasta 50400 barriles, el margen de costo corporativo
se incrementa en 11.616 de $100, es decir: $1661.6 y desciende en $1661.6
respectiva mente.
1) 7460000.
VARIABLE VALU E REDUCED COST
L 140000.
H 180000
. 176
ROW .SLACK OR SURPLUS DUAL PRICES
2) 0.000000 -50.909092
3) 0.000000 -11.616161
4) 48000.000000 0.000000
NO. ITERATIONS= 2
RANGES IN WHICH THE BASIS IS UNCHANGED:
OBJ COEFFICIENT RANGES
VARIABLE CURRENT ALLOWABLE ALLOWABLE
COEF INCREASE DECREASE
L 25.000000 3.285714 14.000000
H 22.000000 28.000000 2.555556
RIGHTHAND SIDE RANGES
ROW CURRENT ALLOWABLE ALLOWABLE
RHS INCREASE DECREASE
2 126000.000000 99000.000000 38500.000000
3 90000.000000 39600.000000 39600.000000
4 30000.000000 48000.000000 INFINITY
177
EJERCiCIO 4.38
Determine el intervalo de sensibilidad del valor del lado derecho. Explique el
significado del precio sombra en el contexto de este problema.
Maximizar 0.55JN + 0.40JT
Dependiendo de 0.04JN + 0.05JT ~ 150 (tiempo de mquina)
0.70JN ~ 1000(concentr.ado de naranja)
0.50JT ~ _1000 (concentrado de toronja)
JN,JT ?:0
SOLUCIN:
Anlisis de Sensibilidad del Lado Derecho de la Restriccin l)
Restriccin!): 0.04JN + 0.05JT = 150 (Tiempo de mquina)
Del grfico (Ejercicio 4.14):
........
En:: JN = 1428.57. 0.04JN + O.OSJT =a
JT =O 0.04 (1428.57)+0.05 (O)= a
a= 57.14 (Valor Mnimo del L.D.)
Valor de la F.O. 0.55 ( 1428.57)+0.40 (O) =$ 785.7135
En: JN = 1428.57 .=:;> . 0.04JN + 0.05JT = b
~857.14 ~ JT ~ 2000 0.04 (1428.57) +0.35 (2000) = b
b?: 157.1428 (Valor Mximo del L.D.)'
Valor de la F.O. 0.55 (1428.57)+0.40 (2000)= $ 1585.71
Los valores ptimos de la F.O. asociados con cambios en el Valor Derecho de la
Restriccin 1
Valor del L.D. 1SOLUCIN:ptima valor de la F.O.
1
Por cada galn de concentrado de naranja adicional que se produzca por encima de
1000 y hasta 2625 galones, el margen de ganancia corporativo aumentar en 0.328
de $100, es decir: $32.8. Mientras que por cada galn que deje de producir, el
margen de ganancia bajar en $32.8, esto hasta un mnimo de O galones de
concentrado de naranja.
~ 179
EJERCICIO 4.39
Determine 1 intervalo de sensibilidad del valor del lado derecho. Explique el
significado del precio sombra en el contexto de este problema.
Maximizar 6740C +51 OOS
Dependiendo de 200e +150S ~ 80000 {materia prima)
18C +208 ~9000 (mano de obra)
e ~1soo
S ~200
180
Anlisis de Sensibilidad del Lado Derecho de la Restriccin IV
RestriccinU 8C + 20S = 9000 {Mano de Obra)
Del grfico (Ejercicio 4.15):
En: e= O 18C + 20S =b
S= 533.33 18(0) + 20(533.33) = b
b = 10666.6 (Valor Mximo del L.O.)
-
Valor de la F.O. 6740(0) + 5100(533.33) = $ 2'71-9.983
181
EJERCICIO 4.40
Determine .el intervalo de sensibilidad del valor del lado derecho. Explique el
significado del precio sombra en e! contexto de este problema.
Maximizar 0.30MH + 0.50 MC
Dependiendo de 0.04MH + 0.08 MC ~1200
MH+MC ~ 22046
MH,MC ~o
SOLUCIN:
Anlisis de Sensibilidad del Lado Derecho de la Restriccin 1
182
Anlisis de Sensibilidad del Lado Derecho de la Restriccin 11
Restriccinll MH + MC =22016 (Unidad de Capacidad de Peso)
Del grfico (Ejercicio 4.16):
En: MH =30000 ~ MH + MC = b.
MC=O b = 30000 (Valor Mximo del L.D.)
,:;;.;
m= 9000 -7500=0.1
30000 - 15000
Por cada unidad de capacidad de peso adicional por encima de 22016 libras y hasta
30000 libras, ef margen de ganancia corporativo aumentar en 0.1 de $100, es decir:
$10. Mientras que por cada unidad de capacidad de peso que se disminuya hasta
15000 libras, el margen de ganancia bajar en $1 O.
4.5. Autoevaiuacion cuarta unidad metodo grafico
restricciones y grfica de Z.
C ( )_ Para graficar las restricciones, se deben de reemplazar las desigualdades
por ecuaciones y despus trazar las lneas rectas resultantes.
184
MODEL02 SOLUCIN:del modelo 2
Minimizar 12X1 La SOLUCIN:ptima _es X1 = X2 =
2X2
Sujeto a la F.O. toma el valor de Z =
5X1 - 4X2 5 14
X1 - 4X2 5 -2
2X1 + X22: 5
-
- X22:
16X1 3
X1 X22: o
185
07. Para el problema N6, grficamente analice la sensibilidad para los
Coeficientes de la funcin objetivo.
08. Para el problema N6, hallar el precio sombra para la segunda restriccin.
1O. Miguel ngel, debe trabajar por lo menos 20 horas a la semana para
complementar su ingreso mientras asiste a la Universidad. Tiene la
oportunidad de trabajar en dos tiendas al detalle: en la tienda 1 puede trabajar
entre 5 y 12 horas a la semana y en la tienda 2 le permi~en trabajar entre 6 y
1O horas. Ambas tiendas pagan el mismo salario por hora. De manera que
Miguel ngel quiere basar su decisin acerca de cuntas horas debe trabajar
en cada tienda en un criterio diferente: el factor del estrs en el trabajo.
Basndose en entrevistas con los empleados actuales, Migu~l ngel calcula
que, en una escala de 1 a 10, los factores del estrs son de 8 y 6 en las
tiendas 1 y 2 respectivamente. Debido a que el estrs aumenta por hora, el
supone que el estrs total al final de la semana es proporcional al nmero de
horas que trabaja en la tienda. Cuntas horas debe trabajar en la cada
tienda? Use el mtodo grfico.
1
La solucin ptima se da cuando Xl == X2==
La Funcin objetivo toma el valor de Z==
1 Purina S.A. utiliza diariamente por lo menos 800 libras de alimento especial.
El alimento especial es una mezcla de maz y semilla de soya, con las
siguientes composiciones
Libra por Libra de alimento para ganado
Alimento para Protenas Fibra Costo/ Libra
..
ganado
Maz '0.09 0.02 10.3
Semilla de soya 0.60 0.06 10.9
1 1
12 Minimizar12X1-2X2
Sujeto a
5X1-4X2 :S14
La solucin ptima se da cuando X 1 = X2 =
X1-4X2 :S- 2
La Funcin objetivo toma el valorde Z=
2X1+X2 i::5
6X1-X2 i::3
X1,X2 i::O
e) X1==0,5X2=0Z==12.5
m. Identificacin de las restrc.ciones
d) X==0,5X2==0,5Z=22.5 1
e) X 1==0X2=0,5 Z=lO
bL 187
14 Un fabricante de muebles tiene 6 unidades de madera y 28 horas disponibles,
durante las cuales fabricar biombos decorativos. Con anterioridad, se han
vendido bien dos modelos de manera que se limitar a producir estos dos.
Estima que el modelo 1 requiere 2 unidades de madera y 7 horas de tiempo
disponible; mientras que el modelo 11 requiere una unidad de madera y 8
horas. Los precios de los modelos son $120 y $80, respectivamente. Se pide:
a) Formule el modelo matemtico, considerando la pmporcionalidad. de las
variables.
b) Resolver el modelo matemtico usando el mtodo grfico( Justifique al
reverso)
'
188
16 Resolver grficamente el siguiente problema de. P-rogramacin Lineal.
Max 8 X1 +4X2
s.a.: 2X1 +X2 5 10
X1 + 3X2 514
X1 +X2 56
X1, X2 ~o
2 X1 +X2 ~18
X1 +3 X2 ~21
X1 +2X2 ~18
X1, X2 ~o
18. Una empresa que opera 12 horas diarias, ensambla sus dos tipos de
productos en tres procesos Ein secuencia, el primer y segundo proceso se
~ .
189
20. "La Casa del Llavero", elabora dos tipos de llaveros; y para producirlos utiliza
una mquina especial. Los tiempos de produccin para los llaveros tipo 1 y 2
son .de 10 y 12 minutos respectivamente, por unidad. El tiempo regular total
de la mquina es de 2500 minutos por da. "La Casa del Uavero"vende entre
j 50 y 200 unidades del tipo 1, pero no ms de 45 unidades del tipo 2,
diariamente. Adems se pueden emplear horas extras para satisfacer la
demanda a un costo adicional de S/.010 por minuto.
06. m=5
07 X1 =6,3541, X2=1,5694 Z=65,03
08. 4,67~ a ~oo -13,5~ b ~9,64
09. m=1,2847
10 MODELO
Identificacin de las variables
Xi= # de horas a trabajar em la tienda i
Identificacin de las F.O.
'
MIN 8X1+6X2
Identificacin de las restricciones
X1+X2>=20 5<=X1<=12
6<=X2<=10 X1,X2>=0
SOLUCIN:usando el mtodo grfico:
X1=10 X2=10 Z=140
11 MODELO
Identificacin de las variables
X1 =#de Lb. de maz a utilizar
X2= #de Lb. de soya a utilizar
identificacin de las F.O.
190
MtN 0,3X1 +0,9X2
Identificacin de las variabies
X1+X2>=800
0,09X1 +O,OX2>=0,30(X1 +X2)
0,02X1 +0,06X2>=0,05(X1 +X2)
X1,X2>=0
SOLUCIN: con el mtodo grfico
X1=470,59 X2=329,41 Z=437,'65
12 X1 =1, X2=3, Z=6
Se debe trabajar con las SOLUCIN:es factibles (4, 15) conZ=45, (2, 1) con
Z=22y( 1,3) con Z= 6 eligiendo al menor Z
13 MODELO
Identificacin de las variables
X1 =#de onzas del ingrediente 1 a utilizar
X2= # de onzas del ingrediente 2 a utilizar
Identificacin de las F.O.
MIN 25X1 +20X2
Identificacin de las variables
0,05X1 +0,07X2<=0,06(X1 +~)
0,02X1 +0,01X2<=0,015(X1 +X2)
X1+X2=1
SOLUCIN:con el mtodo grfico
X1 =0,5 X2=0,5 Z=22,5
14 MODELO MATEMATICO
1 Identificacin de las variables:
X1 =Nmero de unidades de biombos modelo 1
X2=Nmero de unidades de biombos modelo 11
!l Identificacin de la F.O.
M/0( 120X1 + 80X2
!1! Identificacin de las restricciones
2X1+1X2<=6
7X1+8X2<=28
X1, X2 >=0, ENTERO
Resolviendo: X =3, X2=0, Z=360
191
15 VFWF
16 X1 =4,X2=2,Z=40
17 X1 =8,)(2=5,Z=31
18 X1 =20,X2=40,Z==560
19 X1 ==10,X2==20,Z=140
20. Modelo -matemtico
1 Identificacin de las Variables
X1: Nmero de Llaveros dei tipo 1 a producirse diariamente.
X1 ~150
X1 s200
X2 ~45
X1, X2, X3 ~o
192
Programa-Cin entera 193
i r:~ 0
' J ~ .> . :: ~~ ';. ~j; ~;~-~> ~.L ::~ ", ~ ~--~~ :i\ ,o ~=-~A.:: ::::~:]
. pr~bfe.m~s' ram~'tirl~~t~ta;s'e~dPl~~~:~j~JtJvn6g:ra(y;,est:.(e.fe,rido')
_."j:<.-: ..:~:.;,.-~ :._;::_;_":,_ ~ ---~::.:~ ~7r:J4-_- :. . . _ "t;::i;r . :.r' _.!';:: ... ':. ~:~.i
.; .:_ --e~le~a:~.-~Li:Y~ti~~~n..-va.ri~~~~:~~r::t~,ra_s ~.om9 ,n.~rii"~rp~~:e~ jhg,~~ie\c:s.!'].~n:~ro de.:
r~.~~~,,~_uta.d~f~'s', .~t.c{."t: :_,. -~ . . -. ~ .
r~,.~-..
. _-;. . ... -~. ~,! .:~
;--,_'l:-
.;,. .. '~-:: . . . :
~- -
-~
~
193
Programacin entera 195
. ... .',
.
.
.
~ : . :. . -~v'?<::.
'-2QOO -"1.000
r..-:1000
r 195
SOLUCIN:
Max 0.59S +'O 79L
ST
1,5S+2L<=8000
8S+2,66L<=16000
END
GIN S
GIN L
EJERCICIO 5.2
La Municipalidad de Brea est planeando la adquisicin de nuevas patrullas
..
policacas que cuestan$ 15 000 cada una, ambulancias que cuestan$ 25 000 cada
una y carros de bomberos que cuestan $ 48 000. El reglamento de la ciudad
requiere que haya al menos una ambulancia por cada dos carros de bomberos.
Establece tambin que la cantidad de dinero gastada en vehculos policiales debe
ser al menos de!o~oble de lo gastado en carros de bomberos. Formule un modelo
' ~
196
ProgramaCin entra 197
EJERCICIO 5.3
MORA VECO tiene cuatrc mquinas que pueden. producir, cada una tres tipos de
tornillos, pequeo, mediano y grande, con las siguientes tasas de produccin (en lb.
de torntlos/min.)
jTAMAO DE TORNILLO
MAQUINA PEQUEO MEDIANO GRANDE
1 1
- 1 10 8 6
1 1
2 1
20 14 10
3 15 12 1 8
4 16 14 12
1 1
Cada mquina debe prepararse para producir un solo tipo de tornillo por da. Si el
margen de ganancia por libra de tornillo pequeo es de $ 1.25, de tornillo mediano
es de $ 1.75 y de tornillo grande es de $ 2.00, formule un modelo para determinar
qu mquina debe ser preparada para producir qu tipo de tornillo, de modo que se
maximice la ganancia neta obtenible en una jornada de ocho horas (que debe induir
tiempos de preparacin)
SOLUCIN:
Identificacin de las variables
1 Si la mquina i es equipada para tomillos pequeos
{
Si= O En cualquier otro caso i = 1, 2, 3,4
1 Si la mquina i es equipada para tornillos medianos
Mi= { OEn cualquier otro caso i = 1, 2, 3,4
197
r 1 Si la mquina i es equipada para tornillos grandes
Li== LO En cualquier otro casoi = 1, 2, 3,4
Identificacin de la Funcin Objetivo:
MAX 5750S1 + 11250S2 + 8718.75S3 + 8700S4 +
300M1 + 10 780M2 + 9660M3 +1 0657.5M4 +
5280L1 +8600L2 + 7200L3 + 10440L4
Identificacin de las restricciones:
S1+M1+L 1 ~ 1
S2+M2+L2 ~ 1
S3+M3+L3 ~ 1
S4+M4+L4 ~ 1
Si, Mi, Ld ;:::o, Binario
RESPUESTA
1) 37317,0 S1= 1 S2==1 M3==1 M4=1
ProgramaCin entera 199
EJERC1Cl0 5.4
El consejo directivo de la Escuela Euclides est formulando un plan para erradicar la
discriminacin racial en sus dos escuelas elementales, que tienen ~a capacidad de
manejar hasta 1100 y 700 estudiantes cada una de ellas. Los estudiantes negros y
blancos pueden transportarse en camiones desde cualquiera de tres distritos
residenciales a cualquiera de las dos escuelas. Se han recogido los siguientes
datos:
DISTRliO NMERO DE NUMERO TOTAL MILLAS A MILLAS A
BLANCOS DE ESCUELA 1 ESCUELA
1
NEGROS 1 2
1 1
1 350 150 500 3 7
2 250 1 100 350 4 4
3 900 .. 50 950 6 4
1 1
Formule un modelo que minimice la longitud total, en millas, recorridas por cada
estudiante, mientras se asegura lo siguiente:
Todos los estudiantes acuden en la escuela
Ninguna escuela rebasa su capacidad de estudiantes
Cada escuela tiene entre 40% y 60% de estudiantes blancos en su poblacin.
En cada uno de los ejercicios siguientes, determine grficamente si (a) el problema
de prowamacin lineal asociado es no factible, ptimo o no acotado, y (b) el
problema de programacin entera es no factible, ptimo o no acotado (indique todas
las SOLUCIN:es enteras factibles con puntos negros, y etiquete cada restriccin).,
En aquellos para los cuales ambos problemas en (a) y en (b) son ptimos, encuentre
las SOLUClN:es ptimas e indique si la -SOLUCIN:enter(3 puede .obtenerse
mediante redondeo de la SOLUCIN:de la programacin lineal.
SOLUCIN:
Identificacin de variables
Xij =Nmero De alumnos que acuden del distritoi a la Escuela j
RESPUESTA
1 )2440 X 11 =440 X32 =280
200
ProgramaCin entera 201
EJERCICIO 5.5
Identificacin de ~a Funcin Objetivo:
MAX6x1+5x2
Identificacin de las restricciones:
5x1 "T" x2 ::; 15
2x1 + 4x2 ::; 19
x1 _ x2 ~ O , enteras
SOLUC!N:usando el mtodo grfico:
Graficandorestricciones y la F.O:
Hallando la S.O:
Z=6(2)+5(3)
Z=27
201
EJERCICIO 5.6
!dentficacin de la Funcin Objetivo:
MAX-2X1-3X2
Identificacin de ias r-estricciones:
X1 2X2 :::: 2
2X1 X2 2!: o
X1 X2 2!: O, enteras
SOLUCIN:
i) Graficando lasrestricciones
-X1 +2X2=-2 (i) -2X1 + X2 =O (i)
S X1=0 -+ X2=-1 SiX1=0 -+X2=0
Si X2=0-+ X1=2 Si X2=2-+ X1=1
202
Programacin entera 203
EJERC!CJO 5.7
Identificacin de la Funcin Objetivo:
MAX-2x1 +3x2
Identificacin de las restricciones:
7x1 +24x2::; 45
-x1 +4x2 2:5
x1 ,x2 ?:Oyentetas
SOLUCIN:
Graficando lasrestricciones
7X1 +24X2 = 45 (1) -X1 +4X2 = 5 (11)
SI X1=0 ~X2=1,9 I
. SI X1 =o~X2=1 ,2575
SI X2=0 ~X1=6,43 SI X2=0 ~X1=-5
/''~~
1 1
1 _,L
No tiene SOLUCIN: porque no tiene regin factible es decir no hay valores enteros
que cumplan con las restricciones
______ ..
203
EJERCICIO 5.8
Identificacin de la Funcin Objetivo:
MAX12x1 +4x2
Identificacin de las restricciones:
30x1 + 8x2 105
4x1 + 4x2 21
4x2 17
x1, x2 OyEnteras
SOLUCIN:
Graficando las restricciones
30 X 1 + 8 X 2 = 105
X 1 = O --+ X 2 = 13 .13
X2=0--+ XI=3.5
4Xl+4X2=21
X 1 = O --+ X 2 = 5 .25
X 2 = O --+ X 1 = 5 .25
4X 2 = 17
X 2 = 4.25.
Graficando la F.O.
12Xl+4X2=48
Xl = O-t X2 = 12
X2=0-tXl=4
Hallando la S.O.
Xl =3
X2=1
12(3) + 4(1) = 40
RESPUESTA 1 ) 40 Xi =3 x2 = 1
204
Programacin entera 205
EJERCICIO 5.9
Identificacin de la Funcin Objetivo:
MIN-2x1-5x2
Identificacin de las restricciones:
4x 2x2 2 10
3x1 + x2 :55
x x2 20yenteras
SOLUCIN:
Graficando las restricciones
205
EJERCICIO 5.10
Identificacin -de la Funcin Objetivo:
MAXx1-x2
Identificacin de las restricciones:
2x1 2x2 ::;1
-4x1 + 4x2 ::; -1
x1 ,x2 ~Oyenteras
SOLUCIN:
Graficando las restricciones
- 2Xl + 2X 2 = -1
Xl = O~ X 2 = -0.5
-X2?0~Xl=0.5
- 4Xl + 4X 2 = -1
X1=0.-+X2=-0.25
X 2 = O -+ X 1 = O.25
-ds
X: -0.83:74
-Y:-19851
206
Programacin entera 207
EJERCICIO 5.11
Dibuje un rbol para representar todas las SOLUC1N:es enteras posibles del
siguiente programa entero:
SOLUCIN:
Identificacin de la Funcin Objetivo:
MAXx1+x2
Identificacin de las restricciones:
5x1 + x2 ~10
2x1 + 4x2 ~8
x1~2
x2s1
x1 x2 ~Oyente ras
X 2 = 1
Hallando la S.O.
Xl = 1
X2=l
1+1=2
XI= 2
X2=0
2+0=2 1
;:t:~~'.~~~~f\!j====-=Et :......... -~----+-
1-----i----
'~1 - ~----- .(..
- "~= ; 1
. NO. ITERATIONS= 4
BRAHCHES= O DETERM.= i.OOOE O
/ 208
Programacin entera 209
EJERCICIO 5.13
En el siguiente programa entero, -considere un rbol en el cual las variables se fijan
de izquierda a derecha en su siguiente valor entero ms grande. Utilice la
informacin dada consistente en e! nodo actual del rbol, -la SOLUC1N:al programa
lineal asociado y la cota inferior actual para indicar qu nodos, si los hay, pueden
dejar de tomarse en cuenta.
SOLUCI:
identificacin de Ja Funcin Objetivo:
MAX2x1+3x2
Identificacin de las restricciones:
-x1 + x2 $1
-x1 + x2 $0
2x1 + x2 $3
x1 $1
x2 $2 .y."v-1!
209
EJERCICIO 5.14
Repita el ejercicio 5.15 utilizando la sigu~nte informacin en el nodo actual, cota
inferior: ninguna, Nodo actual: aquel en que ni x1 est fijo en 1.
solucin:al programa lineal asociado: x1 =1, x2 = 1
SOLUCIN:
Identificacin de la funcin Objetivo:
MAX2x1+3)5:2
Identificacin de las restricciones:
-x1 + x2::;
-x1 +
2x1 +
x1 ,x2 ~Oyentero
Xl =O --1- X2 ::,,D
X2 =O --1- Xl =1
2Xl+X2~3
Xl =O -'-7 X2 =3
X2 =O --1- Xl = 1.5
Graficando !a F.O.
2XI+3X2 = 6
XI =0 ~ X2 = 2 . "'-... -~ii30!<
"-._!
X2=0~Xl=3 "'-...
!-------..-......;. ,.. _ .. ,..................... _ ... ,______..___....., ..- ...-...................... - ..:. .......... ~ .....
Hallando la S.O.
Xl =1 ' . .-.. .
. . . . . .!-.
1
X2 =l -Y:t44
2(1) + 3(1) =5
210
Programacin entera 211
EJERCJC10 5.15
Repita e! ejerdcio 8.15 utilizando lo siguiente:
SOLUCIN:
Identificacin de la Funcin Objetivo:
MAX 2x1+3x2
Identificacin de las restricciones:
x1 x2 ::;; 1
x1 x2 ;:;: o
x1 + 2x2 ::;; 3
x1 :5:2
x2 :5:1
x1 ,x2 ;:;:Qyenteras
Graficando las restricciones
-X1+X2=-l
Xl =O-+ X2 = -1
X2=0-+X1=1
-XI+X2=0
Xl =O-+ X2 =O
X2=0-+Xl=l
Xl + 2X2 =3
Xl =O-+ X2 = 1.5
X2 =O~ Xi = 3
Xl = 2
X2=I
Graficando la F.O.
2Xl +3X2 = 6
Xl =O-+ X2 = 2
X2 =O-+ Xl = 3
Hallando la S.O.
Xl=l
X2=1
2(1) + 3(i) = 5
RESPUESTA
El nodo actual y todos los nodo q_IJe se encuentran por debajo de ste pueden ser
eliminados.
1)5.000000 X1 = 1.000000 X2 = 1. 000000
Programacin entera 213
EJERGICJO 5.17
UNIVERSAL TEXTIL fabrica tiendas de campaa grande y pequea. Las tiendas
grandes requieren 1O metros cuadrados de material, 15 minutos en la mquina de
coser y aportar a la compaa una ganancia de$ 90. Las tiendas pequeas utilizan 6
metros cuadrados de material, 7.5 minutasen la mquina de -coser y producen una
ganancia de$ 70. En el presente trimestre hay 15000 metros cuadrados de material
y 25000 miAutos de tiempo de mquina disponibles. Dado que el nmero de tiendas
grandes debe ser de al menos la mitad de la cantidad de tiendas pequeas, el
siguiente programa entero fue desarrollado para determinar cuntas tiendas grandes
(L) y cuntas pequeas (S) se deben hacer en el trimestre:
SOLUCIN:
Identificacin de la Funcin Objetivo:
MAX90L+70S
Identificacin de las restricciones:
10L+ 6S ~15000
2L- S ;::: O
L,S ;:::o y son enteras
1
Utilice su paquete de computacin para resolver este problema entero. Interprete los
valores de las variables en el contexto del problema. Qu restricciones son
limitantes, es decir, valen igualmente en condicin de optimalidad? Qu significa
esto en el contexto del problema?
213
EJERCICIO 5.18
Con un presupuesto de un milln de dlares, Linea 1 ele Trenes Metro de Lima,
necesita reorganizar su ex!stencia de vagonetas estndar, que cuestan $ 20000
cada una, de vagonetas de lujo, que cuestan cada una $ 28 000, y de vagonetas de
sper lujo, que cuesta $ 40 000 cada una. El gerente desea asegurar que hay al
menos el doble de vagonetas estndar que !as de lujo, y al menos tres veces ms
vagonetas de lujo que de sper lujo. Dado que debe hacer al menos tres vagonetas
de sper lujo, el siguiente problema de programacin entera fue desarrollado para
determinar el nmero de vagonetas estndar (S), de lujo (D) y de sper lujo (C) que
se deben pedir para tener el mayor nmero posible de vagonetas en existencia:
SOLUCIN:
MAXS+D+C
SUJETO A
20000S+280000+40000C =::;1 0000000
s-2o ~o
D-3C ~O
e ~3
S,D,G~O, ENTERAS
. 1
Utilice su paquete de computacin para resolver este programa entero. Interprete los
valores de las variables en el contexto del problema. Qu restricciones son de
limitacin, es decir, valen igualmente en condicin de optimalidad-? Qu significa
esto en el contexto del problema?
TABLERO
Fax- Comprensi Sintetizad Disponibl
modem n orde e
de datos sonido
1
Insercin de chip Soldado 10.3333 0.25 o.5 500
Ensamblado Jo.s 0.5 0.5 600
Prueba 2.0 2.0 1.0 12000
11-~ 2.0 3.5 12400
1 1
Ganancia($) j10 10 18
214
Programacin entera 215
EJERCICIO 5.19
Hacker Company fabrica tableros de circuitos electrnicos para computadoras PC.
Cada tablero de fax-mdem, de comprensin de datos y de sintetizacin de sonido
requiere una cierta cantidad de tiempo de mquina para insertar fos chips, soldarlos,
ensamblarlos y probarios. Estos datos (en minutos), junto con la cantidad de minutos
de tiempo de mquina disponible para cada operacin, el nmero mnimo de
produccin de cada tablero, y !as ganancias netas se resume-n en la tabla siguiente:
el siguiente problema de programacin entera fue desarrollaqo para determinar el
nmero de tableros de fax-mdem (F), de comprensin de datos (O) y de
sintetizador de sonido (M) que se deben producir:
SOLUCIN:
MAX1 OF+1 OD+8M
SUJETO A
0.3333F+0.25D+0.5M ~500
0.5F+0.5D+0.5M ~600
2F+2D+M :::;2000
1.5F+2D+3.5M :::;2400
F 2:500 t-
D 2:300
M 2:250
F,D,M 2:0, ENTERAS
Utilice los resultados anteriores para responder. Cuntos tableros de cada uno
debe fabricar la empresa? Cul es la ganancia total?
215
..... ....-
EJERCICiO 5.20
Utilice su paquete de computacin para encontmr la nueva SOLUCIN:al ejercicio
8.23, s las cuatro operaciones tienen 1O% ms de tiempo disponible.
SOLUCIN:
MAX10F+100+8M
SUJETO A
0,3333F+0.250+0.5M :::; 550
0,5F+0,50 +0.5M :5 660
2F+2D +M :5 2200
,5F+2D +3.5M ::; 2640
F ~ 500
o ~300
M ~250
EJERCICIO 5.21
Utilice su paquete de computacin P8ra determinar qu le sucede a la SOLUCIN:y
a la ganancia ptima del ejercicio 5.23, si se debe producir un mnimo de 550 fax-
mdems?
SOLUCIGN:
MAX10F+100+8M
SUJETO A
0,3333F+0,250+0.5M :5550
0,5F+0.50+0.5M :5600
2F+2D+M ::; 2000
1.5F+20+3.5M ::; 2400
F ~500
o ~300
M ~250
EJERCiCIO 5.22
Utilice su paquete de computacin para determinar qu le sucede a 1a SOLUCIN:y
a al ganancia ptimas del ejercicio 8.24, si se tienen disponibles 400 minutos
adicionaies de tiempo de mquina para el ensamblado.
SOLUCIN:
MAX10F+IOD+8M
SUJETO A
0.3333F+0.250+0.5M ~500
1.5F+20+3.5M ~2400
F ~500
o ~300
M ~250
EJERCICIO 5.23
l
La gerencia de High Tech est considerando invertido en seis proyectos, cada uno
requiere .una cierta cantidad de capital inicial. Estos datos, junto con el factor de
riesgo asociado (entre O y 1) y la recuperacin anual esperada, se presentan en la
siguiente tabla:
PROYECTO CAPITAL RIESGO Df::VOLUCION
1 1
P1 100 000 0~50 0.20
P2 200 000 0.40 0.15
P3 170 000 0.70 0.30
1
P4 250 000 0.65 0.25
1
P5 400 000 . 5
04 0.17
P6 250 000 0.75 0.40 j
1 1
Los socios de la empresa han acordado que el riesgo total, obtenido al sumar los
factores de riesgo de cada proyecto emprendido, no debe exceder a 3.0. Tambin,
cuando muchos dos proyectos pueden tener un factor de riesgo mayor a 6.0 El
siguiente problema de programacin entera fue desarmllado para de'terminar en qu
217
proyectos se debe invertir con un presupuesto de un milln de dlares para lograr la
mayor recuperacin anual esperada:
SOLUCIN:
MAX 20000P1 +30000P2+51 OOOP3+62500P4 +68000P5+100000P6
SUJETO A
0.5P1 +0. 7P2+ O. 7P3 + 0.65P4 + 0.45P5 + O. 75P6 ~ 3
P3+P4+P6 ~ 2
1OOP1 + 200P2 + 170P3 + 250P4 + 400P5+250P6 ~ 1000
P1 ,P2,P3,P4,P5, P6 i!O, Binario
OPTIMAL SOLUTION- DETAlLE O REPORT
VARIABLE VAL UE COST RED.COST STATUS
218
Programacin entera 21 9
EJERCICIO 5.24
En el ejecicio 8.27, suponga que los socios de la empresa agregan el rquisito de
que el proyecto P1 debe emprenderse slo si se emprende el -proyecto P2.
Modifique la formulacin y utilice su paquete de computacin para determinar e!
nuevo plan de inversin.
SOLUCiN:
219
.. :. -::~
5.2. Autoevaluacion quinta unidad programacion entera
respectivamente. La siguiente
tabla resume los datos del
problema. Desarrolle el modelo
matemtico y encuentre el plan -
ptimo de produccin Use el
mtodo grfico
220
UNIDAD VI PROBLEMAS DE TRANSPORTE
..,7~,... ...._"'~ .;:,._4:( . . ~ ..... ",.;:,;..~--. ~> ~).,_ ......... :- .......~ . .-~<ti~.~~ . . . ,::~ .::, ,. . 1.. ... . . . 1
r ~~-----w~~~: ~:-~~---. .;:.~: ;, ~~ _.~_2~--!. .~.-~::__.~- ~~~~ . : ...:..~~~-~ ~r-- ~~:~~:. :/..:~~-!!. _'~-- --j~~~~~~-- : - ;, ___ ._:_,..:_.~--~~ .:.._ L -~
221
6.1 Mtodo Hngaro
223
SOLUCION
Paso! Paso 11 Paso lll
11
12
12
o 3 o
MODELO MATEMATICO
l. ldentificad6n de las variables
l
Xjj = . { O Al hijo i no se le asigna la tar~a j
1 Al hijo i se le asigna la tarea j
11. Identificacin de la Funcin objetivo
MIN 13X11+14X12+ 11X13+
12X21+15X22+ i4X23+
13X31+6X32+ 12X33
111. Identificacin de las restricciones
X11 +X12+X13 =1 X11+X21+X31 =
X21+X22+X23 =1 X12+X22+X32 =1
X31+X32+X33 =1 X13+X23+X33 =1
Xij>=O, Binario
224
EJERCICIO 6.1
Una compaa '<ie servicios se desenvuelve en el -negocio de reparacin de
mquinas lavadoras y secadoras domstcas.La compaa da servicio a clientes en
toda la ciudad. Con el objeto de ahorrar tiempo de manejo y costos al inicio de cada
da, el personal de servicio se dirige directamente de sus casas a ios lugares donde
se les requiere. La tabla siguiente presenta las distancias asociadas con los
primeros 5 rabajos que deben llevarse a cabo.A cada empleado de servicio se ie
paga por conducir. Determinar la asignacin del personal -de servicio a su primer
trabajo del dfa de manera que la distancia sea menor.
TAREA
EMPLEADO
A B e D E
01 20 14 6. 10- 22
02 16 8 22 20 10
03 8 6 24 14 12
04 20 22 2 8 6
05 4 16 22 6 24
225
X5 + X52 + X53 + X54+ X55 =1 X15 + X25 + X35+ X45+ X55 =
Xij~ O, Binario
Resultado .usando UNDO
1) 32. X14=1 C=10 X25=1 C=10. X32=1 C=6
X32=1 X3= C= 2 X51 =1 C=4
.2
o o o 2 2
....
1 1 1
~
o
14
r 2 14 . 12 8
~ 12
- .J_ ..~t!l
_a_
1
~
1
~a... 8 2 16 10
~
~~
},
r . )8
:
2 6 4: o 18 4 2
.
18 jo
_.
f
1
4 2
1
16
1
20
l 2 o
_o_ .12
.- ,b_
1 j
~ .!l r.a. r ~ 14 20 o ~8
1
Respuesta:
Al empleadO se le asignae! trabajo 4 1O
Al empleado 2 se le asignaei trabajo 5 1O
Al empleado 3 se le asignael trabajo 2 6
Al empleado 4 se. le asignael trabajo 3 2
Al empleado 5 se le asignael trabajo 1 4
DISTANCIA MINIMA 32
226
,.. ,..
o. M_,eLoao
't. '- ~
oe voge
' e
EJERCICIO 6.2
Medican, lnc., renta equipo especializado de rayos.X a hospitales.Actualmente hay
tres mquinas ubicadas en Nueva York, dos en Chicago y tres en Los ngeles.Hay
hospitales en Dalias que requieren cuatro mquinas.Los de Denver y Phoenix
necesitan cada uno dos mquinas.EI costo (en dlares) de enviar una mquina de
cada ciudad a cada hospital se muestra en la siguiente tabla:
HACIA1
DESDE DALLAS /DENVER PHOENIX
Nueva York 1600 1800 2500
Chicago 900 1000 1800
Los ngeles 1400 1000 400
Dibuje una red de distribucin que indique los suministros, demandas y otros datos
relevantes apropiados (cuando sea adecuado, aada nodos y arcos figurados para
obtener un problema equittbrado ).
Formule un modelo matemtico para determinar cuntas mquinas deberan
enviarse desde cada ciudad a cada hospital para incurrir en el mnimo costo.
Encuentre una SOLUCIN:inicial usando el Mtodo de Voge!
SOLUCIN:
ORIGEN DESTINO
New York Da !las
227
(3) (4)
Chicago Denver
(2) (2)
228
IDENTIFICACION DE VARIABLES
Xij = N.mero de mquinas de rayos x,que se envan de la ciudad.i al Hospital j.
IDENTIFICACION DE LA FUNCION OBJETiVA
MIN 1600X 1 +1800X12 + 2500X13 +
900X21 + 1OOOX22 + 1800X23 +
1400X31 + 1000X32+400X33
IDENTIFICACIN DE LP,S RESTRICCIONES
X11 +X2 +X13 s3 X 11 + X21 + X31 = 4
X21 + X22 + X23::; 2 X 12 + X22 + X32 = 2
X31 + X32 + X33 s 3 X 13 + X23 + X33 = 2
Xij2: O, entero
Resultado usando LINDO
1)8500 X11=3 X21==1 . X22==1 X32=t X33=2
Demanda 4 2 2
o
P1 500 800 1400
229
OBSERVACION
las penalidades de la primera vueltason 500,800, 1400 200, 100 y 600
Escogemos e! mayo que es 1400
En esta columna se escoge el menor costo, a!lf hacemos la transaccin X33=2
La columna cormspondiente ha quedado saldada, se sombrea.
Luego se repite una segunda vuelta
P2 500 800
230
CUADRO RESUMEN
P2 500 800
P3 700 800
231
EJERCICIO 6.3
Medican, lnc., acaba de recibir una solicitud adicional para -dos de sus mquinas en
MiamLCuesta $1300 embarcar una mquina a Mami desde Nueva York, $1400de
Chicago y $27-00 de Los ngeles. Use su paquete de computacin para resolver el
problema modificado, suponiendo que cualquier demanda que no pueda satisfacerse
no incurre en ninguna penalidad. Cmo afecta este cambio la SOLUCIN:ptima
del ejercico_9.2? Quin debera recibir mquinas y quin no?
SOLUCIN:
HACIA
DESDE Dalias Denver Phoenix Miami
1 1
Nueva York 1600 1800 2500 1300
232
SOLUCIN:
HACIA
Dalla 1 Denv Phoe Miam Ofert
DESDE P1 P2 P3 P4
S er nix i a
1
3 1
30 30 30 20
Nueva York 1600 11800 12500 11300 1
o o o
-
1 1
o lo
2
1
/10 10
Chicago
1
1
900 11000
1
1800 11400
1
o o o
1
3
1
1 Los
60 40 140 40
1400 1000 400 2700 1
, ngeles o o o o
o
- ' 2
Figurado o o o o 1 o
o 1
4
2
2 2 2
Demanda 1
1 o o
o
o 'i
233
EJERCICJO 6.4
American Motors, lnc., puede enviar un total de hasta 200 automviles en camin y
600 en ferrocarril de su fbrica de Detroit a sus distribuidores de Chicago, Cieveland,
Washington, D. C. y Filadelfia. El costo (en dlares) de enviar un carro a cada uno de
los distribuidores por camin y por tren y las demandas de los distribuidores se
muestran en la siguiente tabla:
COSTO EMBARQUE ($/CARRO) HACIA
-
POR ICHICAGO 1 CLEVELAND . WASHINTON FILADELFIA
'Camin 30 20 !50 60
Tren 451 30 75 90 1
1
(;\CH300
.~u.
CAMION
200
~WA250
TREN
~u 250
600
Fl150
234
~----.
MODELO
IDENTJFICAC~ON DE VARIABLES
Xij = Nmero de car. A enviar-por el medio i l distribuidor j
11 IDENTIFICACION DE LA FUNCION OBJETIVA
MIN 30X11 + 20X12 + 50X13 + 60X14 + 45X21 + 30X22 + 75X23 + 90X24
Xj 2:0,Entero
1 HACIA (Costo embarque ($/carro))
POR 1 CH 1 CLE WASHIN t FIL Oferta P1 P2
1 200
Camin 30 20 50 60 50 10 10
1
o
1 600
j 500
Tren 45 30 75 90 15 15
200
o
250
300 100 150
Demanda 200
o o
lo o ..
1
P1 15 110 /25 130
P2 115 110 25
X14 =150------C= 150(60)
X13 =50--------C=50(50)
X22 =1 00------C= 100(30)
Y21 =300------C= 300(45)
X23 =200------- C=200(75}--------------43000
235
EJERCICIO 6.6
Para el probiema de American Motors, lnc. del ejercicio -9.4:
Dibuje el cuadro de transportacin iniciaL
Encuentre una SOLUCJN:inicial usando el mtodo de Vogel
SOLUCIN-:
P2 115 10 25 1
236
EJERCICIO 6.7
La gerenda de American Motors, lnc., acaba de recibir un pedido adicional de 75
automviles de su distribuidor de Cincinnati.La tasa de embarque por carro es de
$28 por camin y $42 por tren.Use su paquete de computacin modificado,
suponiendo que cualquier demanda que no pueda satisfacerse no incurre en
ninguna penaldad.Cmo afecta este cambio la SOLUCIN:ptima del ejercicio
9.5? Quin recibir sus pedidos completos y quin no?
SOLUCIN:
CAMION CLEVELAND
200 100
TREN WASHINGTON
600 250
FILADELFIA
75 150
CINCINNATI
75
MODELO
lOENTIFICACION DE VARIABLES
Xij = Nmero de carros que se van a transportar mediante el medio i al destino j
11 IDENTIFICACION DE LA FUNCION OBJETIVA
RESPUESTA: 1)39775,
X13=125, X14=75, X21=300, X22=100, X23=125, X25=75, X34=75
238
Costo embarque $/carro)
HACIA / Chicag 1 Clevelj Washin Filad Cincin Oferta P1 P2 P3
1200 l
Camin 30 20 50 60 28 125 8 8 8
- o
1
1
1 1
1
1
600
1
1 sao
1
Tren 45 30 75 90 42 425 12 12 12
1
125
1
.. ..
o
1 . .
1
75
1
Figurado o o o o /o o
o
250 150
300 100 75
Demanda 125 75
o o o
o o
1
P1 130 20 50 i 60 28
1
30
j
P2 15 10 25 114
P3 115 10 25 14
1
~ 239
- PROBLEMA 6.8
Considere un problema de transportacin equilibrado en donde debe maximizarse la
funcin objetivo en vez de minimizarse.
Desarrolle un mtodo de matriz mxima para encontrar un plan -de embarque inicial
modificando los pasos del mtodo de matriz mnima.
SOLUCIN:
240
HACIA 1
1Chcag Cleve! Washin Filad Cincin Oferta P1 P2 P3 P41
POR
1
1
- 1 200
1 1
Camin . 100
( )
30 120 50 60 28
25
10 20
1
2 2 J
o
1
1 600
Tren 450
. . ~
45 30 75 90 42 15 30 3
(2) 200
o
'
75 o
Figurado o o o o o
o
o o
Demanda 300 100 250 150 75
100 o O. o o
1
o
P1 1 15 10 /25 /30 14
P2 /15 j 10 125 1 14
1
:
P3 115
1
110 l. /14
1
l P4 130 20
1
/28 1
241
EJERCICIO 6.9
Pine Tres, lnc., ha recogido 400 toneladas de madera de bosques de pinos ubicados
fuera de Vancouver, 200 toneladas de madera de bosques ubicados fuera de
Sea1tle, 150 toneladas de madera -de bosques ubicados fuera de Prt~and, Japn ha
colocado un pedido de 200 toneladas a un precio de $1.200 por toneladas.Taiwn
necesita 300 toneiadas y pagar a $1100 la tonelada y Sngapur desea 250
toneladas a $1000 por tonelada.A Pine Trees, lnc., ie cuesta $500 traer cada
tonelada de los aserraderos al puerto de Vancouver, $400 por tonelada al puerto de
Seatle y $300 por tonelada a Portland.La siguiente tabla proporciona el costo de
embarque de cada tonelada por mar desde puertos a Jos pases respectivos:
COSTO DE EMBARQUE (S/TONELADA)-DE MADERA
POR MAR-HACIA
DESDE jJAPON /TAIWAN SINGAPUR
Vancouver 1250 /250 200
Seattle 1250 '200 200
Portland _200 150 150
Dibuje una re6 de distribucin que indique los suministros, demandas y otros datos
relevantes apropiados (cuando sea tadecuado, aada nodos y arcos figurados para
obtener yn problema equilibrado).
Formule un modelo matemtico para determinar un plan de distribucin para
maximizar las ganancias corporativas.
SOLUCIN:
VANCOUVER JAPON
400 200
SEATLLE TAIWAN
200 300
PORTLA.NO SINGAPUR
150 250
MODELO
l. IDENTIFfCACION DE VARIABLES
Xij = Nmem de Ton. de madera de transportar de la ciudad i a -la ciudad j
11. IDENTIFJCACION DE LAFUNCION OBJETIVA
MAX450X11 + 350X12 + 300X13+550X21 +500X22+
400X23 + 700X31 + 650X32+550X33
111 JDENTIFICACIN DE LAS RESTRICCIONES
X11+X2+X13 <= 400 X 11 + X21 + X31 = 200
X21 + X22 + X23 <= 200 X12 + X22 + X32= 300
X31 + X32 + X33 <= 150 X13 + X23 + X33= 250
Xij~ o
SOLUCIN:CON LINDO:
1) 342500 X11=200, X22=150, X32=150,X13;.2oo, X23=50
Ganancia segn los destino =ingresos- costos (recogido y traslado)
G 11 =1200-750=450 G21 =1200-650=550 G31 =1200-500=700
G12=1100-750=350 G22=11 00-600=500 G32=11 00-450=650
G13=1000-700=300 G23=1 000-600=400 G33=1000-450=550
HACIA
DESDE JAPON TA'IWAN 1 SINGAPUR Oferta P1 P2 P3
400
VANCOUVER 1450 350 300 200 50 50 150
:
o r
200
SEATLE 550 500 400 50 100 100 150
o
1
1 1 1 1
150 1
PORTLAND 1700
1
/650 /sso lo '100 1
1 i ! 1
'
1200
300 '250
1
Demanda 150 200
lo o o
1 1
1
P1 j100 150 1100 1
1
P2 /100 1
J
150 100
P3 1100 1 100
1 i
243-- . .
------
RESPUESTA:
Utilidad mxima: X11 -------200(450)
X32 ------150(650)
X22 -----150(500)
X13 -------50(400)
X23 -----200(300)
1
342500
EJERCICIO 6.10
Para el problema de Pine Trees, lnc. del ejercicio 9.9:
Dibuje el cuadro de tr.ansportacin inicial.
Encuentre una SOLUCIN:inicial usando el mtodo de Vogel.
SOLUCIN:
COSTO DE EMBARQUE
_245
EJERCICIO 6.11
Despus de recoger toda la madera en sus aserraderos, se le ha comunicado a Pine
Trees, Jnc., que Singapur debe cancelar su pedido.No obstante, la madem recogida
debe transportarse por camin de los aserraderos a los puertos de Vancouver,
Seattle y P-ortland a los costos dados en el ejercicio 9.9.La madera no enviada desde
estos puertos debe almacenarse a un costo de $25, $20 y $15 por tonelada,
respectivail}ente.Use su paquete de computacin para resolver el problema
modificado. Cui es el plan ptimo?
SOLUCIN:
VANCOUVER . JAPON
400 o----...o
SEATLE
200
PORTLAND
150
HACIA 1
200
SEATLE 550 500 o 11050! 900 900
1 1
/150
1 PORTLAND 700 650 o 1 11350 11200
1
i 1
Demanda 200 1300 1 250
1
o
l.
P1 1250 /1150
1"
P2 /1150 950 1
l P3 1
1
! 850
1
1
1
1
tOO
J
EJERCICIO 6.12
Hexxon O!" Company tiene seis consultores internacionales de petrleo, tres de los
. cuaies estn actualmente ubicados en los EE.UU., dos en Rusia y uno en
Nigeria.Arabia Saud ha solicitado dos consultores durante una semana a una tarifa
de $4200 cada uno. Venezuela ha solicitado un consultor durante una semma a una
tarifa de $4000.1ndonesia ha solicitado tres consultores durante una semana a una
tarifa semanal de $4000 cada uno.Los gastos ~emanales por consultor son de $1400
en Arabfa Saud, $1000 en Venezuela y $700 en lndonesia.La siguiente tabla
muestra las tarifas de viaje redondo (en dlares) para enviar por avin a los
consultores:
/HACIA
DESDE ARABIA SAUDI !VENEZUELA INDONESIA
Dibuje una red de. distribucin que indique los suministros, demandas y otros datos
relevantes apropiados (cuando sea adecuado, aada nodos y arcos figurados para
obtener un problema equilibrado).
Formule un modelo matemtico para determinar un plan de distribucin para
maximizar la ganancia neta (los ingresos totales menos los costos totales,
incluyendo la tarifa area de viaje redondo) de ExnOl.
~247
SOLUCIN:
ORIGEN DESTiNO
3 2
RUSIA VENEZUELA
NIGERIA INDONESIA
1 3
MODELO
IDENTIFICACION DE VARIABLES
Xij =Nmero de consultores a viajar del pas i al pas J.
:IDENTIFICACION DE LA FUNCION OBJETIVA
MAX 1000X11 + 2200X12 + 1300X13 +
1200X21 + 1200X22 + 1600X23 +
1500X31 + 1800X32 + 1800X33
IDENTIFICACIN DE LAS RESTRICCIONES
X11+X12+X13 ~3 X21 + X22 + X23 ~ 2
X31 + X32 + X33 ~ 1 X 11 + X2 + X31 =2
X 12 + X22 + X32 =1 X13 + X23 + X33 =3
Xij 2:: O, entero
SOLUCIN:CON LINDO:
i) 9200 X11 =1 X12=1 X31=1
X13=1 X23=2
EJERCICIO 6.13
,~Para el problema de ExnO!Gompanydel ejercicio 9.12:
Dibuje el cuadr-o de transportacin inicial.
Encuentre una SOLUGIN:incial usando el mtodo Vogel
SOLUCIN:
/ Hacia / OFERT
- ! ARABI Vt:NEZUEL INDONESI A P3
P1 P2
/A A A
Desde 1 SAUDI 1
1
1
1 3
Estados 90 30
-1000 -2200 -1300 . 2 30
Unidos o o
:;.
o
2 40 40
Rusia -1200 -1200 -1600
o o o -
1
30 30
Nigeria -1500 -1800 -1800 o 30
o o
1
o
1~
DE MANO 1 3
1
A o 1
o
1
P1 300 400 /200
. '
:
P2 300 - /200
P3 300 - J 50~'
249
EJERC!CIO 6.14
Arabia Saud acaba de cancelar su solicitud de uno -de los consultores.La gerencia
de ExnOl sabe que un consultor residente en Rusia durante una semana tiene una
ganancia neta de $1000, un consultor en Nigeria gana $800 y uno en los EE.UU. no
gana nada. Use su paquete de computacin para resolver el problema modificado.
Cmo cambia esta informacin la SOLUCIN:ptima -obtenida para el ejercicio
9.13?
SOLUCIN:
ARABIA
(1)
EE.UU.
(3)
TAIWAN
(1)
RUSIA
(2)
(3)
NGERIA.
FIGURADO
( 1)
250
~
MODELO
4DENT1FICACION DE VARIABLES
Xij = Nmero de consultores a viajar del pas i al pas j.
IDENTIFICACION DE LA FUNCION OBJETIVA
MAXOX11 +0X2+0X13+0X14+
1000X21 +1000X22 +1000X23 +OX24+
800X31 +800X32 +800X33 +OX34
IDENTIFICACIN DE LAS RESTRICCIONES
X11+ X12+ X13+ X14 S3 X21+ X22+ X23+ X24 ~2
1
P3
1
_8oo o
=> c21=1x1000=1000
~ c.. =l x soo=8oo
.).)
=> C =o x 2=0
13
::::::>e 14
=I x o=o
CTOTAL =2800
6.2 Autoeva!uacin de la Sexta Unidad
01. GENERAL MOTORS, puede enviar un total hasta 300 automviles en camin
y 400 en ferrocarril de su fbrica de Detroit a sus distribuidores de Chicago,
Cleveland, Washington, Filadelfia y Cincinnati. El costo en dlares de enviar un carro
a cada uno de los distribuidores por camin y por tren y las demandas de carros de
los distribuidores se muestra en la siguiente tabla. Se pide: el modelo matemtico al
problema de transportacin y la SOLUCIN: usando el Mtodo de Vogel:
1 1
POR Chicago 1 Cleveland Washington Filadelfia Cincinnati
1 1
1
CAMION 6 4 3 7 10
.
-
TREN .
5 8 9 11 - 13
DEMANDA 150 100 200 50 250
ALFA SERVIS 6 5 7 12
1
1
1
'
BETASERV!S 7 7 9 11
1
1
1
GAMA SERVS 5 6 7 1 (}
1 1
1 1
1
SiGMA SERVIS 4 1
1
5 8 9
1 1
1 1
1
ALAS SERVIS 6
1
6 i 10 11
1 ! 1
1
RESPUESTA:
A Alfa Servis se le asigna la tarea quienes cobran
SI. _ _ _ __
A Beta Servs se le asigna la tarea _ _______, quienes cobran
S/ . _ _ _ __
03. COSAPI DATA, tiene siete consultores nacionales de sistemas contables, dos
de los cuales estn ubicados en Trt..Villo, uno en Arequipay cuatro en Lima. !quitos ha
solicitado tres consultores durante una semana a una tarifa de $800, Madre de Dios .
ha solicitado dos consultores durante una semana a una tarifa de $600 y Piura ha
solicitado un consultor durante una semana a una tarifa <;je $700. Los gastos por
consultor son de $160 en !quitos, $-180 en Madre de Dios y $220 en Piura La
s_iguiente tabla muestra las tarifas de viaje en $ para enviar por . avin a los
consultores.
Desde \ Hacia /!quitos /Madre de Piura Se pide:
a) Dibuje una Red
1 /Dios b) Formule el Modelo
1
Arequipa 1140
1
go
1
/150
1
luma
04.EI COLEGIO DE CONTADORES tiene la urgencia de mejorar su infraestructura
para lo cual debe contratar aempleados de servids, una para cada tarea de
acuerdo segn la proforma que presentan (en miles de Nuevos soles). Suponiendo
que estos empleados estn en capacidad de realizar cualquiera de las tareas pero
que solo una pueden tomar de acuerdo al reglamento de contratos. Formular y
resolver el modelo matemtico.
Empleado\ Tarea A 8 e o E F
1 1 15 14 -- 13 15 17
1 1 1 1 1 1
2 15 17 1
16 1 16 .. -- 16
1 1
3 11
1
14 18
1
14 15 14
4 13
1
15 17 14
1
16 --
5 12
.1
16 17
1
1 .
15
..
18 --
..
A Empleado 1 se le astgna la tarea . _ _ _ ,qutenes cobran S/. _ _ _ __
A Empleado 2 se le asigna la tarea ~--' quienes cobran S/. _ _ _ __
A Empleado 3 se le asigna la tarea _ _ _ , quienes cobran S/. _ _ _ __
A Empleado 4 se le asigna la tarea _ _ _ , quienes cobran S/. _ _ _ __
A Empleado 5 se le asigna la tarea _ _ _, quienes cobran S/. _ _ _ __
COSTO TOTAL SI. _ _ __
.- ~-9o
1
Lima so . 1
06. LA REG!ON CALLAO tiene la urgencia de mejorar su infraestructura pam lo cual
debe contratar aempresas de servicios, una para cada tarea de acuerdo segn la
preforma que presentan (en miies de Nuevos soles). Suponiendo que estos
empleados estn en capacidad de realizar cualquiera de las tareas pero que solo
una pueden tomar de acuerdo al reglamento de contratos. Formular y resolver el
modelo matemtico.
Empleado \A 8 e o E F
Tarea
1
1 14 14 -- 15 15 18
'
2 15 113 16 16 -- 17
3 116 17 f 18 18 17 15
4 .. 13 15 17 17 16
__
5 12 16 17 15 -- 13
255
07. COOPERATIVA ALAS, tiene siete consultores nacioM!es de finanzas, uno de
los cuales estn ubicados en Trujillo, dos en Arequipay cuatro en Lima. lea ha
solicitado tres consultores durante una semana a una tarifa de $600, Huaraz ha
solicitado dos consultores durante una semana a una tarifa de $650 y Cuzco ha
solicitado un consuitor durante una semana a una tarifa de $500. Los gastos por
consultor son de $160 en lea, $200 en Huaraz y $ 220 en Cuzco La siguiente tabla
muestra las tarifas de viaje en $
'
Desde\ Hacia lea 1Huaraz cuzco Se pide:
, 1
Trujillo 120 13D a) Dibuje una Red
1100
b) Formule el Modelo Matemtico
Arequipa 90 1140 1110
Lima 80 /7Q 150
256
09. EL MINISTERIO DE AGRICULTURA, tiene siete expertos nacionales de
forestacin, dos de los .cuales residen en Trujillo, tres en Arequipay dos .en Lima. lea
ha solicitado cuatro consultores durante una semana a una tarifa de $800, Huaraz
ha solicitado un consultor durante una semana a una tarifa de $850 y Cuzco ha
solicitado dos consultores durante una semana a una tarifa de $950. Los gastos en
viticos por consultor son de $180 en lea, $190 en Huaraz y $ 200 en Cuzco. La
siguiente tabla muestra las tarifas de viaje en $
. Desde \ Hacia /lea Huaraz Cuzco Se pide:
a) Dibuje una Red
Trujillo /70 80 60
b) Formule el Modelo Matemtico
Arequipa /90 100 80
Lima so 70 9o
257
11 Diga si es Verdadero(V) o Falso (F)
() En la formulacin de problemas de PL solo cabe dos pasos.
() Un modelo de programacin lineal puede ser expresado de diferentes
maneras
() Programacin linea! solo se aplica en los problemas de transporte
a) VV\/ b)FFF c)VFV d)FV~ e)
FFV
12 La funcin objetiva es:
tombinacin linea! de las variables de decisin
Combinacin lineal de los costos de decisin
Combinacin lineal de las restricciones de decisin
Combinacin lineal de las condiciones de decisin
Combinacin .lineal de las linealidad de decisin
13 Un modelo de programacin lineal puede ser expresado en forma:
Algebraica b) Matricial e) Vectorial d) Cannica Lineal
14 Supngase que una compaa que da servicios de limpieza prepara sus
propias SOLUCIN:es mezclando dos ingredientes. Hace esto para obtener
una SOUJCIN:que tiene lo que considera una combinacin apropiadade
fosfato y cloruro. Un ingrediepte tiene 5% de fosfato y 2% de cloruro y cuesta
25 centavos 1 onza. El otro ingrediente tiene 7% de fosfato y 1% de cloruro y
cesta 20 centavos 1 onza. La compaa necesita que la mezcla final tenga no.
ms del 6% de fosfato y 1 ;;2% de cloruro. Se quiere minimizar el costo total.
-
Formule el modelo matemtico y resuelva el modelo usando el mtodo
grfico.
a) X1=1X2= 1Z= 50b) X1=0X2=1,2Z=24 e) X1=0,5X2=0Z=12.5
";!)
d) X1=0,5X2~0,5Z=22.5. e) X1=0X2=0,5Z=10
SOLUCIN:
Identificacin de las variables:
X = Cantidad del ingrediente 1
Y= CantLdd del ingrediente 2
Funcin objetivo:
MIN 0.25X + 0.20Y
Restricciones:
258
0.05X + 0.07Y!> 0.06
0.02X + 0.01Y!> 0.015
X+Y=1
X, Y;?: O
X1,X22 O
a) X1 =5/2X2=1/2Z=8 b) X1-=0X2=5/2Z=5/2 e)
X 1= 1/2X2=5/2Z=4
d)X1=0X2=0Z=O e)X1 =OX2=1/2Z=1/2
Mayorista-7 jA 8 e o Oferta
~rr~
Fabrica 1
ciento ae
1
259
. Cerveza cajas
1
18
Norte
121 115 ! 9 550
Sur 1 10 114 16 23 650
Demanda en 200 . 250 400 350 1200
cientos de
cajas
1 1
rista Oferta
en
A1 82 C3 D4 cientos P 1 P2 P3
Fbrica de
Cerveza cajas
500
0:1 Norte 200 6 3 3
o
650
02 Sur 16 4 4 2
450
Demanda en
200 250 350
cientos de 400
o 50 o
cajas
P1 1i 1 2 14
P2 11 1 2
P3 1 2
Respuesta:
x14=350 costo = (350) (9) = 3150
x21=200 costo = (200) (1 O) = 200(}
x12=200 costo = (200) ( 5) = 3000
/} 260
LL-------
x22=50 costo = {50) (14) = 700
x23=400 costo = (200) (16) = 6400
1525018
261
19 Resolver usando el mtodo Grfico
Z max = 8X1 + 5X2
S.A. 2X1 + X25 10
X1 +3X25 18
5X1 +X22:: 4
X1 ,X22:: O
a)X1=4X2=0Z=32
b) X1=4X2=4Z=52
;~ X1 =2,4X2:::5,2Z=45,2
d) X1=5X2=0Z=40
e)X1=0X2=5Z=25
N Tareas 1 3 4 5
N Operadores
12
01 /12 16 24 8 2
1
1
02 6. 8 20 14 6
03 10 6 116 18 1
12
04 2 24 20
14 2
05 7 110 6
..
ls 18
a) Productividad =8 r b)Productividad =88 e)
Productividad =89
d} Productividad =9.0 e) Productivdad =91
262
No21. Tanto el modeio de asignacin de recursos y de transportes son iguales
cuando:
a) Maximizan b) Minimizan c)Programa lnea d) 8 y C e)N. A.
400
250
Tren 5 8 9 11 13 3 3 3
200
1
1
j o
1 i 1 1
1
i
50
Figurado 1
o o o o o 11 o 1
1 1 1 1
1
1
o
1
1
1
1
1
1 250 1
1 150 100 200 50 1
Demanda 200
o o o o
0-
1
P1 i 5 j 4 3 7
1 10
1
1 1 r 1
264
P2 1 4 11
6 4 3
P3 1 4 1 4 3
1 1
. Costo mnimo: X35=50--- C=50(0)
X13= 200--- C= 200(3)
X2 =100--- C=100(4)
X21 =150---- C=150(5)
X24 =50---- C=50( 11)
X25 =200---- C=200( 13) ---4900
Problema 02
Costo total = 27
Empresa 1 - Tarea B Empresa2- Tarea D
Empresa3 - Tarea C Empresa4- TareaA
_ Empresas- Tarea-
Problema 03
Max 540X11 +300X12+420X13+ OX14 +
500X21 +330X22+330X23+ Ox24 +
_.-520X31 +31 OX32+350X33+ OX34
ST
X11+X12+X13+X14<=2
X21+X22+X23+X24<=1
X31+X32+X33+X34<=4
X11+X21tX31=3
X12+X22+X32=2
X13+X23+X33=1
X14+X24+X34=1
1)2640 X 11 = 1 X22= 1X31 =2X32= 1X34= 1
Problema 04
Costo total = 70
Empleado1 -Tarea O Empleado2- Tarea C
Empleado3- Tarea F Empleado4- Tarea 8
EmpleadoS - Tarea A
Problema 06
265
Costo total = 71
Empleado1 -Tarea D Empleado2- Tarea B
Empleado3 Tarea E Empleado4- tarea A.
EmpleadoS - Tarea F
Problema 08
Costo total = 1180
lmprenta1 -Tarea F 1mprenta 2 - Tarea O
Imprenta 3- Tarea A 1mprenta 4 - Tarea 8
Imprenta 5- Tarea C
Problema 10
Costo totH = 1440
lmprenta1- TareaS Imprenta 2- Tarea A
Imprenta 3- Tarea O Imprenta 4- Tarea E
Imprenta 5- Tarea C
12 16 24 8 2 - - -4 -8 -2 - 12 8 o 16 22 4 o o 16 22
12 16 24 24
1 1
6 8 20 14 6 -6 -8 - - -6 - 14 12 o 6 14 6 4 o 6 14
20 14 20
1
10'6 16 18 12 - -6 1_ - - - 8 12 2 o 16 o 4 2 o /6
1
10 16 18 12 18
1
2 4 2 1
-2,-4 -2
1 1
- - - 14 12,2210 4
24 20 24
! 1 1 1
l
7 10 6 -7 - -6 -6 - 1- 3 o 12 1210 1
101 118118
1 1 ! 1 1 1
A! 8 8 o o1
aper
ador i se le asigna el trabajado2 costo = 16
Al aperador 2 se le asigna el trabajador3 costo = 20
Al aperador 3se le asigna el trabajador1 costo = 10
.AJ aperador 4 se le asigna el trabajador4 costo - 24
-266
Al aperador 5 se le asigna el trabajador5 costo_::_ 18
88
RESPUESTAS
11 12 13 /14 15 j 16 17 18 1 19 20 21 22 23
D A
'.. D 1 D A 1 B E B e B D D o
n
~~ 267
09 El Mundo de las Maletas, fabrica 2 tipos de mochilas estilo viajero: (Mochilas
Tipo 1 y 2 respectivamente). La mochiia tipo 1 requiere el doble de tiempo de
trabajo que la del tipo 2. Si se produjeran solamente mochilas del tipo 1, se
podran producir 20 mochilas al da. La demanda diaria de las mochilas tipo 1
y 2 son 15 y 20 respectivamente.sabiendo que las utilidades unitarias de las
mochilas tipo 1 y 2 son S/. 6 y SI. 4 (respectivamente).Formule el modelo
matemtico, considerando la proporcionalidad de las variables y resolver el
modelo matemtico usando el mtodo simplex.
MARTIN MARTIN, Martin Teresa Santos Martin, Yadira.del rosario De Paz santana.
(2005). lnvestigacion operativa. Madrid: Pearson prentice HalL
- 270
VI APENDICES
SILABO
INVESTIGACIN OPERATIVA 1
1. INFORMACION GENERAL
2. SUMILLA
3. CAPACIDADES 1 HABILIDADES
3.6 Desarrolla una red de proyectos, identificando ias tar.eas, estimando los
tiempos e identificar;do ia precedencia.
4. PROGRAMACIN TEMTICA:
_ _272
clasificacin. funcin objetivo y
las restricciones.
1
CAPACiDAD 111 : Resuelve modelos mat-emticos usando el enfoque grfico.
TERCERA UNIDAD : Programacin Lineal: Enfoque Grafico 1
1
asignacin.
1
EXAMEN PARCIAL 9
1
cAPACIDAD VI .. Desarrolla una Red de Proyectos, Identificando las Tareas,
1
1
~.--
/estimando los 1 iempos e Identificando la Precedencia.
SEXTA UNIDAD : Administracin de Proyectos con Tiempos Determinsticos
l 1
/ *Administracin de Desarrolla la Red Participa en -la Exposiciones,
proyectos con de proyectos, Red de ejemplo y
tiempos de tareas identificando las proyectos. esquemas. 10
1
1
determin sticos tareas, estimando Uso de 11
1
(CPM). -
los tiempos e Software de
1 identificando la Manejo de
precedencia. Proyectos.
CAPACIDAD VIl Aplica el Anlisis Probabilstico al Tiempo de Conclusin de
Proyectos.
SEPTIMA UNIDAD Administracin de Proyectos con Tiempos Probabilsticas.
1
Administracin de Aplica el anlisis Muestra inters Exposiciones, ..
proyectos con probabilstico al por los ejemplos y
tiempos de tareas tiempo de problemas de esquemas. 12
probabilsticos conclusin de tipo Uso de 13
(PERT). proyectos. probabilstico. Software de
administracin
de proyectos.
CAPACIDAD VIII 1oma Decisiones utilizando los Criterios de Decisiones.
OCTAVA UNIDAD Anlisis de Decisiones.
1
decisiones. decisiones 15
1 usando los 1
1
criterios de
1
decisiones.
1 1 1 1
EXAMEN FINAL
16
5. EVALUACIN
2l4
La nota final dBI curso ser e! promedio de:
PF = pp X 40 + EP X 30 + EF X 30
100
El promedio de prcticas, consiste en intervenciones orales en clase,
asistencia, prcticas calificadas, controles de lecturas o separatas
recomendadas por el docente, trabajos individuales o grupales y
exposiciones.
De igual manera, se- considerar la evaluacin valorativa, es decir
aquella que mide las actitudes positivas, reflexivas y otros.
La calificacin ser sobre la base vigesimal, requirindose una nota
aprobatoria mnima de once (11)Captulo 11 del Reglament de Estudios.
6. BIBLIOGRAFA .
~
276
VIl ANEXOS
Qu es LINDO?
La filosofa del plan guiando para LINDO ha sido que si un usuario quiere hacer algo
simple, no debe haber entonces un . costo grande para aprender los rasgos
necesarios de LINDO.
',
Por ejemplo, si un deseo de los usuarios es resolver:
Mx. 2X + 3Y
Sujeto a
4X +3Y<10
1
3X + 5Y <12
- 1
Tambin es posible usar LINDO con los archivos creado en otra pa.1e,
mientras conteniendo escrituras de rdenes y datos de la entrada, y archivos
prod~ctores por informar los propsitos.
Entrando en un Modelo
La ventana exterior etiquet que "LINDO" es la ventana del marco principal. Todas
las otras ventanas se contendrn ~entro de esta ventana. La ventana del marco
tambin _contiene todos los mens del orden y los toolbar del orden. La ventana del
nio ms pequea etiquet "<el untitled> " es una nueva, plida ventana ejemplar.
El primer requisito, un objetivo, es lo que parece: una meta. Usted tiene la opcin de
dos metas, MXIMO o MINIMO que representan aumentar al mximo y minimiza. En
una situacin comercial tpica, por ejemplo, usted podra querer aumentar al mximo
la ganancia o minimizar el costo. La primera palabra en un modelo de LINDO debe
ser MX o MI N.
~- 278
La frmula que usted ingresa despus del MX Ci MIN se Hama la funcin objetiva.
Para nuestros propsitos, nosotros asumiremos que usted quiere aumentar al
mximo la ganancia. Usted ingresa:
MAX 10 X+ 15 Y
Pero qu son X e Y? Son las variables que son las cosas usted quiere que LINDO
ajuste para alcanzar su ganancia mxima. Podran representar ventas totales de dos
productos, o ventas fuera de dos oficinas diferentes; en este caso X tiene una
contribucin de ganancia de 1O, e Y tiene una contribucin de ganancia de 15. La
cosa importante es que ellos son inconstantes. En LINDO, al instante halla el valor
de la variable de su modelo. Usted no tiene que hacer algo de otra manera que
ingresar la frmula.
Tanto para elobjetivo y dos variables. Ahora nosotros miraremos las restricciones.
1 .
De alguna manera, las restricciones son la parte ms importante de su modelo, y
ellos requieren algn pensamiento real.
X <=10
Y<=12
~
Nota que LINDO interpreta el smbolo <= como "menos de D iguala a" en lugar de
"estrictamente menos de". Si usted prefiere, usted puede entrar alternativamente <=
en lugar del carcter<.
Muy bien, nosotros hemos restringido X y Y ahora. Suponga que nosotros tambin
tenemos un suministro obrero limitado. En particular, asume que nosotros tenemos
un total de 16 unidades de labor y ese producto que X requiere 2 una unidad de
labor mientras el producto Y es relativamente ms intenso y requiere 2 unidades de
labor. Nosotros agregamos ahora la restriccin obrero de la siguiente manera:
X+2Y<16
EL modelo que se ha ingresado est listo para ser resuelto. Para empezar a
resolver el modelo, seleccione la orden SOL VER (Resolver) del men principal y
luego el botn SOL VER de la ventana de dialogo. UNDO empezar intentando
compilar al modelo. Esto significa LINDO determinar si el ejemplar tiene el sentido
matemtico, y si conforma a los requisitos sintcticos. Si el modelo no pasa estas
pruebas, usted se informar con el mensaje del erro~ siguiente:
..
Un error ocurri durante la recopilacin en la lnea: n
LINDO saltar entonces a la lnea dnde el error ocurri. Usted debe examinar esta
lnea para cualquie error de la sintaxis y debe corregirlos.
28o
Esta Ventana de Estado es til para supervisar el progr-eso -el solver. Una
descripcin de los varios campos y mandos dentro del estado .aparece en la mesa
debajo.
La Descripcin de Feld/Control
El estado, da el estado de solucin actual. Los posibles valores incluyen:
ptimo, Factible, lnfeasible, Ilimitado.
Las iteraciones Numeran de iteraciones del solver.
lnfeasibility .Amoont por que se violan las restricciones.
Cuando ei solver est acabado que lo incitar determinar si usted desea hacer
sensibilidad y anlisis del rango. En el futuro, usted podr hacer uso de esta
informacin, pero para ahora, simpiemente apriete el "No" e~ botn y entonces cierra
la Ventana de Estado.
Kabr una nueva ventana ahora en su pantalla titul la "Ventana de los Informes. La
Ventana de los Informes es donde LINDO enva que tod-o el, texto bas informando el
rendimiento. La ventana puede retrasarse a 64,000 caracteres de informacin. Si
requiri, UNDO borrar el rendimiento de la cima de la Ventana de los Informes para
hacer el sitio para el nuevo rendimiento al fondo de la_ ventana. Si usted tiene un
informe de la solucin largo que usted necesita examinar en su integridad, usted
puede anotar toda la informacin enviada a la Ventana del Informe en un archivo del
disco que usa el Filejlog Rendimiento orden. Este archivo puede examinarse
usando a un editor del texto externo entonces o usando el orden de FilejView.
Alojado el orden, esto le dice, primero, ese LINDO tom 2 iteraciones para resolver
al modelo; segundo que la ganancia mxima asequible de las dos variables, como
-
usted los ha restringido, es 145. Tercero, las variables X y Y toman los valores
respectivamente 1O y 3. Lo que es interesante notar es que nosotros hacemos _
menos del Y relativamente ms "aprovechable" debido a su uso intensivo de nuestro
suministro limitado de labor.
Haga clic aqu para la informacin sobre los COSTOS REDUCIDOS, FLOJERA el
SOBRANTE de OREGN y DUAL PRECIA las secciones en el informe de la
solucin.
La Sintaxis ejemplar
La funcin objetiva siempre debe estar en la salida del modelo y debe comenzar con
o MXIMO (para aumente al mximo) o MIN (para minimice). El fin de la funcin
objetiva y el principio de las restricciones se significa con cuaiquiera de lo siguiente:
SUBJECTTO (SUJETO A)
SUNCH THA (TAL QUE)
~
'-'. 1
282
ST
XBOUND) X <10
LINDO reconoce a slo cinco operadores: ms(+), menos(-), mayor que(>), menos
de(<:), e iguales(=). Cuando usted entra en los operadores de desigualdad estrictos,
mayor que (>) o menos de (<), LINDO los interpretar con los operadores de
desigualdad sueltos> o <respectivamente. Esto es porque muchos teclados no
tienen los operadores de desigualdad suettos. En sistemas que tienen los
operadores sueltos, LINDO no los reconocer. Sin embargo, si usted prefiere, usted
puede entrar ">= " (y "<= ") en lugar de "> " (y "<").
..MX 1O X + 15 Y
! Maximiza la ganancia
SUJETO A
X <10
y <12
X+2Y<16
END
Las versiones del orden-lnea de LINDO le permiten entrar los comentarios, pero
elos no se guardarn con el modelo. Los comentarios son en conserva en las
versiones de 'vVindows de LINDO con tal de que el archivo se ahorre en el formato
del texto. Ahorrando el archivo en cualquiera comprimieron (*. lPK) o MPS
. . -~-284
estructuran (*. MPS) causar los comentarios y cualquier formato especial ser
despojado del modelo.
Pueden rajarse restricciones y funciones del objetivo encima de las lneas mltipies,
o combin en las solas lneas. Usted puede el spilt en cuaiquier parte una lnea
excepto en el medio de un nombre inconstante o un coeciente. Lo siguiente sera
matemticamente equivalente a nuestro ejemplo (aunque no realmente como fcil
leer):
MX 10 X+ 15 Y
SUJETO A
X <10
y<12X+2
y <16
End
Maxx
st
X <1
End
X> Y
X- Y> O
~
Recprocamente, se permiten slo variables y sus coeficientes en el lado de la
izquierdo-mano de restricciones. Por ejemplo, la restriccin:
3X + 4Y- 10 =O
3X + 4Y = 10
Haga clc aqu para saltar a una discusin en las declaraciones modeladas
adicionales, optativas reconoci por LINDO.
INT <Inconstante> Hace <Inconstante> binario (es decir, lo restringe para o ser O o
1).
LA DECLARACIN LIBRE
Si nosotros no hubiramos puesto Y para ser una variable libre en este ejempio,
LINDO no habran encontrado la solucin ptima de X= 6 y Y= -1; en cambio, dado
el ms ba_io lmite pretendido de O en Y, LINDO habran devue~to X a la solucin= 7
y Y= O.
LA DECLARACIN DE GJNEBRA
Por defecto, LINDO asuma que todas las variables son continuas. En muchas
aplicaciones, los valores fraccionarios pueden ser de uso pequeo (por ejemplo, 2;5
empleados). En estos casos, usted querr hacer uso de la declaracin del entero
general - la GINEBRA. GINEBRA seguida por un nombre inconstante restringe el
valor de la variable a los enteros dei nonnegative (0, 1,2, ... ). El ejemplo pequeo
siguiente ilustra el uso de la declaracin de GINEBRA.
Tambin note, que redondeando la sofucin del continuo simplement~ a los valores
del entero ms cercanos no rinde la solucin ptima en este ejemplo. En general,
las soiuciones continuas redondeadas pueden ser los nonoptimal y, en el peor de los
casos, infeasible. Basado en esto, uno puede imaginar que puede ser mismo tiempo
que consume para obtener la solucin ptima a un modelo con muchas variables del
entero. E0 general, esto es verdad, y usted es mejor fuera de slo utilizar el rasgo
de GINEB_RA cuando completament~ necesario.
Como una nota final, el orden de GINEBRA acepta tambin un argumento de valor
de entero en lugar de un nombre incnstante. El nmero c9rresponde al nmero de
variables que usted quiere ser los enteros generales. Estos variable debe aparecer
primero en la formulacin. As, en este ejemplo simple, nosotros podramos
reemplazar nuestras dos declaraciones de GINEBRA con la sola declaracin: ALIJE
2.
LA DECLARACIN DE INT
Usando INT restringe una variable a o ser O o 1. Estas variables estn a menudo
llamadas las variables binarias. En muchas aplicaciones, las variables binarias
pueqen ser muy tiles no modelando todos-o-nada las situaciones. Los ejemplos
podran incluir las tales cosas como asumir un costo fijo, construyendo una nueva
planta, o-comprar un nivel mnimo de algn recurso para recibir un descuento de
288
cant~dad. Para ms informacin sobre las muchas aplicaciones tiles de variables
binarias usted puede referirse al libro de texto de LINDO, Optimizacin que Planea
con LINDO.
Como una nota final, la orden de INT acepta tambin un argumento de valor de
entero en lugar de un nombre inconstante. El nmero corresponde al nmero de
variables que usted quiere ser los enteros generales. Estas variables deben
aparecer primero en la formulacin.
Si usted no especifica por otra parte, LINDO asume que las variables son continuas,
!_imitado debajo por el cero, e iiimitado de anteriormente. En muchas aplicaciones,
esta asuncin no puede ser realista. Suponga que sus medios limitan la cantidad
producida de un artculo. En este caso, la variable que representa la cantidad
pmducida se limita anteriormente de. O, suponga usted quiere permitir el
backordering en un sistema. Una manera fcil de modelar .esto es permitir un
inventario inconstante ir negativo. En que el caso, ie gustara engaar el ms bajo
lmite pretendido de cero. Se usan el SUBALTERNO y declaraciones de SLB para
alterar los lmites en una variable. SLB representa el Ms bajo Lmite Simple y se
usa para poner los ms bajo lmites. Semejantemente, posiciones del
SU SALTERNO paa el Lmite Superior Simple y se usa para poner los lmites
superiores. Los ejemplos pequeos siguientes ilustran el uso del SUBALTERNO y
- .
declaraciones de SLB.
Claro, esta formulacin rendira los mismos resultados, pero hay dos puntos para
tener presente. Primero fuera de, de Subalterno y SLBs se son ocupados
implCitamente por el solver, y, por consiguiente, es ms eficaz de un punto de vista
de la actuacin que los restricciones. Secundariamente, los Subalterno y SLBs no
estn contra el lmite de restriccin en LINDO, mientras permitindole resolver a los
modeios ms grandes dentro de los lmites de su versin de LINDO.
LA DECLARACIN DE QCP
The QCP statement is used in quadratic programming mode~s to indicate the first
"real" constraint, as opposed to the first order condition constraints. The details of
formulating a quadratic program are somewhat involved, and the reader is asked to
refer the documentation for more information on formuiating quadratic programs.
-290
However, we will briefly demonstrate here how QCP is incorporated into a model.
The following small portfolio model illustrates the use of the QCP statement.
Esta declaracin se usa para asociar un ttulo con un. modelo. El ttulo puede
depender cualquier cordn alfanumrico de de 74 caracteres en la longitud. El ttulo
el modelo actual gue usa el orden de File/Title puede desplegarse. Al contrario de
todas las otras declaraciones que jeben aparecer despus de la declaracin del
END, la declaracin del Ttulo puede aparecer antes del objetivo o despus de la
declaracin del END de un modelo.