Microsoft Excel 16.

0 Informe de respuestas
Hoja de cálculo: [39355_7000000442_10-14-2019_175530_pm_Casos_resueltos_PL_n_variables.xlsx]PRODUCCIÓN
Informe creado: 17/10/2019 11:01:17
Resultado: Solver encontró una solución. Se cumplen todas las restricciones y condiciones óptimas.
Motor de Solver
Motor: GRG Nonlinear
Tiempo de la solución: 0.032 segundos.
Iteraciones: 4 Subproblemas: 0
Opciones de Solver
Tiempo máximo Ilimitado, Iteraciones Ilimitado, Precision 0.000001
Convergencia 0.0001, Tamaño de población 100, Valor de inicialización aleatorio 0, Central de derivados
Máximo de subproblemas Ilimitado, Máximo de soluciones de enteros Ilimitado, Tolerancia de enteros 1%, Asumir no negati

Celda objetivo (Máx)

Celda Nombre Valor original Valor final
$I$16 Maximizar la F.O. X1 0 1909.0909091

Celdas de variables
Celda Nombre Valor original Valor final Entero
$I$14 Valores de las v.d.d. X1 0 21.818181818 Continuar
$J$14 Valores de las v.d.d. X2 0 13.636363636 Continuar
$K$14 Valores de las v.d.d. X3 0 0 Continuar

Restricciones
Celda Nombre Valor de la celda Fórmula Estado Demora
$L$18 Limitaciones de madera 200 h 150 $L$18<=$N$18 Vinculante 0
$L$19 Limitaciones de tubo 200 h 120 $L$19<=$N$19 Vinculante 0
$L$20 Limitaciones de horas-hombre 200 155.454545455 $L$20<=$N$20 No vinculante 44.54545455
ables.xlsx]PRODUCCIÓN

de derivados
de enteros 1%, Asumir no negativo
Microsoft Excel 16.0 Informe de sensibilidad
Hoja de cálculo: [39355_7000000442_10-14-2019_175530_pm_Casos_resueltos_PL_n_variables.xlsx]PRODUCCIÓN
Informe creado: 17/10/2019 11:01:17

Celdas de variables
Final Reducido
Celda Nombre Valor Degradado
$I$14 Valores de las v.d.d. X1 21.81818182 0
$J$14 Valores de las v.d.d. X2 13.63636364 0
$K$14 Valores de las v.d.d. X3 0 -14.54545455

Restricciones
Final Lagrange
Celda Nombre Valor Multiplicador
$L$18 Limitaciones de madera 200 h 150 1.8181818182
$L$19 Limitaciones de tubo 200 h 120 13.636363636
$L$20 Limitaciones de horas-hombre 200 155.4545455 0
]PRODUCCIÓN
Microsoft Excel 16.0 Informe de límites
Hoja de cálculo: [39355_7000000442_10-14-2019_175530_pm_Casos_resueltos_PL_n_variables.xlsx]PRODUCCIÓN
Informe creado: 17/10/2019 11:01:18

Objetivo
Celda Nombre Valor
$I$16 Maximizar1909

Variable Inferior Objetivo Superior Objetivo

Celda Nombre Valor Límite Resultado Límite Resultado
$I$14 Valores de21.8 0 818.1818 21.8182 1909.091
$J$14 Valores de13.6 0 1090.909 13.6364 1909.091
$K$14Valores de 0 0 1909.091 0 1909.091
les.xlsx]PRODUCCIÓN
APLICACIONES EN PRODUCCIÓN
La compañía SIGMA fabrica pupitres, sillas y mesas, para los cuales ha establecido que rin
contribución a las utilidades de $ 50, $60 y $30 por unidad respectivamente. Para la producción d
artículos la compañía cuenta con una disponibilidad semanal de 150 metros de madera, 120 m
tubo y 200 horas-hombre de trabajo. Plantee el modelo matemático de programación lineal que se
sabe que para producir un pupitre se requiere de 5 metros de madera, 3 metros de tubo y 4 horas
de trabajo; para producir una silla se requieren 3 metros de madera, 4 metros de tubo y 5 horas-ho
trabajo; mientras que, para producir una mesa se requieren 2 metros de madera, 3 metros de tubo
hombre de trabajo.

❷ Definición de variables
En la compañía SIGMA se debe decidir cuántos pupitres, sillas y mesas se deberán producir por semana para lograr un máximo de utilid
cual las variables de decisión son:

X1 = cantidad de pupitres a producir por semana

X2 = cantidad de sillas a producir por semana
X3 = cantidad de mesas a producir por semana

❸ Función objetivo
La compañía debe garantizar un máximo de utilidad, por lo tanto la función objetivo es la siguiente:
Máx. Z = 50 X1 + 60 X2 + 30 X3

❹ Restricciones del modelo

Además, la compañía debe tener en cuenta las siguientes limitaciones en los recursos:
5X1 + 3X2 + 2X3 ≤ 150 metros de madera
3X1 + 4X2 + 3X3 ≤ 120 metros de tubo
4X1 + 5X2 + X3 ≤ 200 horas-hombre
También, se deben considerar las restricciones de no negatividad (restricciones de signo de las variables), ya que en este caso, no se pue
unidades negativas de ningún producto. Tales restricciones son las siguientes:

X1, X2, X3 ≥ 0

❺ Modelo matemático completo

En compendio, el modelo matemático de programación lineal queda de la siguiente manera:

Máx. Z = 50 X1 + 60 X2 + 30 X3
s.a.
5X1 + 3X2 + 2X3 ≤ 150
3X1 + 4X2 + 3X3 ≤ 120
4X1 + 5X2 + X3 ≤ 200
X1 , X 2 , X 3 ≥ 0
 SSSSSSSS
cuales ha establecido que rinden una
tivamente. Para la producción de dichos ❶ Análisis de información
150 metros de madera, 120 metros de
de programación lineal que se genera si Para el planteamiento de este problema primero se organiza la información en la tab
era, 3 metros de tubo y 4 horas- hombre
a, 4 metros de tubo y 5 horas-hombre de RECURSO PUPITRES
s de madera, 3 metros de tubo y 1 hora-
MADERA 5m

TUBO 3m

HORAS-HOMBRE 4h

UTILIDAD/UNIDAD $50

or semana para lograr un máximo de utilidad; por lo ❻ Solución con SOLVER de MS Excel

X1
Coef. F.O. 50
Valores de las v.d.d. 20

Maximizar la F.O. 1900

Limitaciones de madera 5
Limitaciones de tubo 3
Limitaciones de horas-hombre 4

❼ Interpretación de la solución óptima

s variables), ya que en este caso, no se pueden producir

❽ Análisis de los recursos

o se organiza la información en la tabla siguiente:

DISP. SEM.
SILLAS MESAS DEL RECURSO

3m 2m 150 m

4m 3m 120 m

5h 1h 200 h

$60 $30

X2 X3
60 30
15 0

3 2 145 £ 150
4 3 120 £ 120
5 1 155 £ 200
APLICACIONES DE MEZCLA
Una compañía siderúrgica dispone de un horno, el cual debe ser cargado con 2 toneladas de
materiales para elaborar una aleación de carácter especial, la cual por requisitos de calidad
contener mínimo el 15% de cobre pero no más del 20% y máximo 17 % de fósforo. Para
cargar el horno la compañía cuenta con hierro, tungsteno, níquel y carbono. Mediante un
estudio químico se estableció que el hierro contiene 7 % de cobre y 9% de fósforo, el
tungsteno contiene 11% de cobre y 3 % de fósforo, el níquel contiene 19 % de cobre y 8% de
fósforo; mientras que el carbono contiene 4% de cobre y 17% de fósforo. Plantee el modelo
de programación lineal que se genera si sabe que un kilo de hierro cuesta $1.000, una libra de
tungsteno cuesta $2.000, un kilo de níquel cuesta $3.000 y un kilo de carbono cuesta $3.400.

❷ Definición de variables
El problema que tiene la siderúrgica consiste en determinar la cantidad en kilos de hierro, tungsteno, níquel y carbono que debe
comprar para utilizar en la aleación, por consiguiente las variables se definen así:

X1 = Kilos de hierro a utilizar en la aleación

X2 = Kilos de tungsteno a utilizar en la aleación
X3 = Kilos de níquel a utilizar en la aleación
X4 = Kilos de carbono a utilizar en la aleación
❸ Función objetivo
La compañía debe reducir el gasto en los materiales comprados, pero garantizando los requisitos de calidad, por lo tanto la
función objetivo es:
Mín. Z = 1.000X1 + 4.000X2 + 3.000X3 + 3.400X4

❹ Restricciones del modelo

Para este problema las restricciones tienen que ver con garantizar los contenidos de cobre y fósforo en la aleación
(requisitos de calidad). Por ejemplo el contenido de cobre en la aleación se halla multiplicando el porcentaje de
cobre en cada material por la cantidad de kilos de dicho material (las variables en este caso) así: 0,07X1 + 0,11X2 +
0,19X3 +0,04X4. Este contenido dice que debe ser mínimo el 15% de toda la aleación, razón muy lógica para
multiplicar 0.15 por el contenido total de la aleación, en este caso 2.000 kilos. (se debe tener en cuenta que, las
unidades deben ser consistentes a los dos lados de todas las restricciones. En este problema específico son kilos al
lado izquierdo y kilos al lado derecho de las restricciones. El total de restricciones de calidad de esta aplicación se
presenta a continuación:

0,07X1 + 0,11 X2 + 0,19X3 + 0,04X4 ≥ 0,15(2000) mínimo de cobre.

0,07X1 + 0,11 X2 + 0,19X3 + 0,04X4 ≤ 0,15(2000) máximo de cobre.
0,09X1 + 0,03 X2 + 0,08X3 + 0,17 X4 ≤ 0,17(2000) máximo de fósforo.
Además, el horno debe ser cargado con dos toneladas de material, por lo tanto se genera la siguiente restricción:
X1 +X2 + X3 + X4 = 2.000 Kgr carga total del horno (dos toneladas)
También, se deben considerar las restricciones de no negatividad (restricciones de signo de las variables)
 X1, X2, X3, X4 ≥ 0

❺ Modelo matemático completo

En compendio, el modelo matemático de programación lineal queda de la siguiente manera:

Mín. Z = 1.000X1 + 4.000X2 + 3.000X3 + 3.400X4

s.a.
0,07X1 + 0,11 X2 + 0,19X3 + 0,04X4 ≥ 0,15(2000) mínimo de cobre.
0,07X1 + 0,11 X2 + 0,19X3 + 0,04X4 ≤ 0,15(2000) máximo de cobre.
0,09X1 + 0,03 X2 + 0,08X3 + 0,17 X4 ≤ 0,17(2000) máximo de fósforo.
X1 +X2 + X3 + X4 = 2.000 Kgr carga total del horno (dos toneladas)
X1 , X 2 , X 3 , X 4 ≥ 0
 SSSSSSSS
gado con 2 toneladas de
por requisitos de calidad ❶ Análisis de información
o 17 % de fósforo. Para
y carbono. Mediante un Con la información suministrada, se establece la información resumida de la tabla siguiente
bre y 9% de fósforo, el
e 19 % de cobre y 8% de MATERIAL HIERRO TUNGSTENO
sforo. Plantee el modelo
uesta $1.000, una libra de COBRE 7% 11%
carbono cuesta $3.400.
FOSFORO 9% 3%

COSTOS/KILO $1.000 $4.000

❻ Solución con SOLVER de MS Excel

gsteno, níquel y carbono que debe
X1 X2
Coef. F.O. 1000 4000
Valores de las v.d.d. 75.00 75.0000003

Minimizar la F.O. 855,000.00

tos de calidad, por lo tanto la 0.07 0.11

0.07 0.11
0.09 0.03
1 1
cobre y fósforo en la aleación
multiplicando el porcentaje de
te caso) así: 0,07X1 + 0,11X2 +
eación, razón muy lógica para
debe tener en cuenta que, las
❼ Interpretación de la solución óptima
roblema específico son kilos al
e calidad de esta aplicación se

❽ Análisis de los recursos

guiente restricción:

variables)
 mínimo de cobre.
máximo de cobre.
) máximo de fósforo.
no (dos toneladas)
e la tabla siguiente

REQUSITO
NIQUEL CARBONO DECALIDAD
MIN 15% Y
19% 4% MAX 20%
8% 17% MAX 17%

$3.000 $3.400

X3 X4
3000 3400
75.00 75.0000003

0.19 0.04 300 ³ 300

0.19 0.04 300 £ 300
0.08 0.17 300 £ 340
1 1 300 = 2000
APLICACIONES EN DIETAS
Una compañía cervecera dispone de un jardín infantil para darles albergue a los hijos de los
empleados. La nutricionista de la empresa estableció que a cada niño se le debe suministrar
diariamente un mínimo 25 miligramos de calcio, 15 miligramos de hierro y 24 miligramos de
vitaminas, pero no más de 30 mg. En el transcurso del día los niños son alimentados con
leche por valor de $1.000 por litro, huevos a $150 cada uno y compotas que cuestan a $600 el
frasco. Plantee el modelo de programación lineal que se genera si se sabe que un litro de
leche contiene 2 miligramos de calcio, 3 miligramos de hierro y 1 miligramo de vitaminas; un
huevo contiene 4 miligramos de calcio, 5 miligramos de hierro y 3 miligramos de vitaminas;
mientras que un frasco de compota contiene 6 miligramos de calcio, un miligramo de hierro y
2 miligramos de vitaminas.

❷ Definición de variables
El jardín infantil debe decidir qué cantidad de cada alimento debe suministrar a cada niño diariamente, por consiguiente las
variables de decisión a utilizar se definen a continuación:

X1 = cantidad de litros de leche a suministrar a cada niño por día.

X2 = cantidad de huevos a suministrar a cada niño por día.
X3 = cantidad de frascos de compota a suministrar a cada niño por día.

❸ Función objetivo
A la compañía en este caso le conviene invertir en los alimentos la menor cantidad de dinero posible, por lo tanto la función
objetivo queda como sigue a continuación:
Mín. Z = 4X1 + 0.15X2 + 3X3

❹ Restricciones del modelo

Además, la compañía debe tener en cuenta las siguientes limitaciones en los recursos:
2X1 + 4X2 + 6X3 ≥ 25 miligramos mínimo de consumo de calcio
3X1 + 5X2 + X3 ≥ 15 miligramos mínimo de consumo de hierro.
X1 +3X2 + 2X3 ≥24 miligramos mínimo de consumo de vitaminas.
X1 +3X2 + 2X3 ≤ 30 miligramos máximo de consumo de vitaminas.

También, se deben considerar las restricciones de no negatividad (restricciones de signo de las variables)

X1, X2, X3 ≥ 0

❺ Modelo matemático completo

En compendio, el modelo matemático de programación lineal queda de la siguiente manera:
Mín. Z = 4X1 + 0.15X2 + 3X3
s.a.
2X1 + 4X2 + 6X3 ≥ 25
3X1 + 5X2 + X3 ≥ 15
X1 + 3X2 + 2X3 ≥ 24
X1 + 3X2 + 2X3 ≤ 30
X1 , X 2 , X 3 ≥ 0
 SSSSSSSS
bergue a los hijos de los
ño se le debe suministrar ❶ Análisis de información
ierro y 24 miligramos de Este tipo de problemas consiste en determinar la cantidad de alimentos que se deben comprar, para satisf
ños son alimentados con unos requerimientos alimentitos de tal forma que el costo se haga mínimo.
tas que cuestan a $600 el
i se sabe que un litro de NUTRIENTE LECHE HUEVOS
ligramo de vitaminas; un
miligramos de vitaminas; CALCIO 2 mg 4 mg
un miligramo de hierro y
HIERRO 3 mg 5 mg

VITAMINAS 1 mg 3 mg

COSTO/UD S/. 4 S/. 0.15

iamente, por consiguiente las ❻ Solución con SOLVER de MS Excel

X1 X2
Coef. F.O. 4 0.15
Valores de las v.d.d.

Minimizar la F.O. 0
osible, por lo tanto la función

2 4
3 5
1 3
1 3

❼ Interpretación de la solución óptima

variables)

❽ Análisis de los recursos

mentos que se deben comprar, para satisfacer
a mínimo.
REQ.
COMPOTA DIARIO

6 mg MIN 25

1 mg MIN 15

MIN 24 Y MAX
2 mg 30

S/. 3

X3
3

6 0 ³ 25
1 0 ³ 15
2 0 ³ 24
2 0 £ 30
APLICACIONES DE MEZCLA
Una refinería produce gasolina: plus, superplus y corriente para los cuales ha establecido un
precio de venta de S/.12.1, S/.14.5 y S/.10.2 por galón respectivamente. Para la producción de
esos combustibles la compañía cuenta con una disponibilidad semanal de 5000 galones de
petróleo crudo y 7.000 galones de petróleo refinado. Además se ha establecido que el costo
de un galón de petróleo crudo es S/.3 y el petróleo refinado cuesta S/.3.5 por galón. Por
requerimientos de calidad se sabe que la gasolina plus debe contener 40% de petróleo crudo
y 60% de petróleo refinado; la gasolina superplus debe contener 30% de petróleo crudo y 70%
de petróleo refinado; mientras que la corriente debe contener 50% de cada uno de los dos
petróleos. Plantee el modelo matemático de programación lineal que se genera con el fin de
optimizar el beneficio de la compañía.

❷ Definición de variables
Este tipo de problemas especiales, donde disponemos del precio de venta de cada artículo y el costo de cada materia prima; y la
obligación de distinguir que está compuesto cada producto terminado hace que se tengan que definir muchas variables. Por
ejemplo, hay que distinguir el petróleo crudo en la gasolina plus (esto sería una variable), el petróleo crudo en la gasolina
superplus (esto sería otra variable) y el petróleo crudo en la gasolina corriente (una tercera variable). Así se tendría que definir
m*n variables, dependiendo de la cantidad de recursos y productos que se tengan. Para evitar esto, y definir todas las variables
en un solo paso, se procede mediante las llamadas variables bidimensionales; donde una dimensión podría representar por
ejemplo los recursos y la otra representaría los productos. Para el ejemplo específico de la refinería esta variable se define de la
siguiente manera:

Xij = galones de producto j (j=1, 2 y 3) fabricados semanalmente; y obtenidos a partir del petróleo tipo i (i=1 y 2).

En este caso j=1 indica que es gasolina plus, j=2 indica que es gasolina superplus y j=3 indica que es gasolina corriente. Para i=1
indica la utilización de petróleo crudo e i=2 indica la utilización de petróleo refinado. Por ejemplo X12 representa la cantidad de
galones de gasolina extra fabricados a partir de petróleo crudo; o cantidad de galones de petróleo crudo utilizados en la
fabricación de gasolina superplus. Las demás variables se interpretan de la misma manera con base en los subíndices que tenga
la variable.

❸ Función objetivo
Tomando en cuenta todo lo anterior, la función objetivo tiene que ver con establecer la utilidad de la compañía, ya que se tiene
ingreso generado por las ventas y costos de cada tipo de materia prima, en este caso los tipos de petróleo.
El ingreso se calcula multiplicando el precio de venta de cada galón por la cantidad producida así:

12.1(X11+X21) + 14.5(X12+X22) + 10.2(X13 + X23)

Para calcular el costo total de la fabricación se multiplica el costo de cada galón de petróleo por la
cantidad utilizada de este mismo recurso así:

3.0(X11+X12 +X13) + 3.5(X21 + X22+X23)

Como ya se sabe, ingreso menos costos es igual a utilidad, entonces la función objetivo para este problema queda
así:

Max. Z = 12.1(X11+X21) + 14.5(X12+X22) + 10.2(X13 + X23) - 3.0(X11+X12 +X13) - 3.5(X21 + X22+X23)

❹ Restricciones del modelo
Esta función objetivo debe estar restringida a la disponibilidad de los dos tipos de petróleo de la siguiente manera:
X11 + X12 + X13 ≤ 5000 galones disponibles de petróleo crudo.
X21 + X22 + X23 ≤ 7000 galones disponibles de petróleo refinado.
Además, se debe garantizar los porcentajes de cada uno de los petróleos en cada uno de los combustibles
fabricados de la siguiente manera:

0.4(X11 +X21) = X11 garantiza el 40% de petróleo crudo en la gasolina plus.

0.6(X11 +X21) = X21 garantiza el 60% de petróleo refinado en la gasolina plus.
0.3 (X12 +X22)= X12 garantiza el 30% de petróleo crudo en la gasolina superplus.
0.7(X12 +X22)= X22 garantiza el 70% de petróleo refinado en la gasolina superplus.
0.5(X13 + X23)= X13 garantiza el 50% de petróleo crudo en la gasolina corriente.
0.5(X13 + X23)= X23 garantiza el 50% de petróleo refinado en la gasolina corriente.

Y finalmente las restricciones de no negatividad se realizan en una sola así:

Xij ≥0 para todo i ( i= 1 y 2 ) y para todo j ( j=1, 2 y 3 ).

❺ Modelo matemático completo

El modelo matemático de programación lineal queda de la siguiente manera:

Max. Z = 9.1X11 + 11.5X12 + 7.2X13 + 8.6X21 + 11X22 + 6.7X23

s.a.
-0.6X11 + 0.4X21 = 0
0.6X11 - 0.4X21 = 0
-0.7X12 + 0.3X22 = 0
0.7X12 - 0.3X22 = 0
-0.5X13 + 0.5X23 = 0
0.5X13 - 0.5X23 = 0
Xij ≥0 para todo i ( i= 1 y 2 ) y para todo j ( j=1, 2 y 3 ).
 SSSSSSSS
cuales ha establecido un
te. Para la producción de ❶ Análisis de información
anal de 5000 galones de
establecido que el costo Con la información suministrada, se establece la información resumida de la tabla siguiente
sta S/.3.5 por galón. Por
TIPO DE GASOLINA GASOLINA
er 40% de petróleo crudo PETRÓLEO PLUS SUPERPLUS
de petróleo crudo y 70%
de cada uno de los dos PETRÓLEO CRUDO 40% 30%
e se genera con el fin de
PETRÓLEO REFINADO 60% 70%

PRECIO VENTA GALÓN S/. 12.10 S/. 14.50

❻ Solución con SOLVER de MS Excel

costo de cada materia prima; y la
que definir muchas variables. Por
el petróleo crudo en la gasolina X11 X12
ariable). Así se tendría que definir
r esto, y definir todas las variables Coef. F.O. 9.1 11.5
dimensión podría representar por
nería esta variable se define de la Valores de las v.d.d. 0.00 3000.00

tróleo tipo i (i=1 y 2). Maximizar la F.O. 111,500.00

que es gasolina corriente. Para i=1 -0.6
plo X12 representa la cantidad de
e petróleo crudo utilizados en la 0.6
n base en los subíndices que tenga
-0.7
0.7

1 1

d de la compañía, ya que se tiene

de petróleo.
así:

ón de petróleo por la

ste problema queda

X21 + X22+X23)
 ❼ Interpretación de la solución óptima

róleo de la siguiente manera:

ada uno de los combustibles

❽ Análisis de los recursos

.
us.

te.
e la tabla siguiente

GASOLINA DISPONIB. COSTO

CORRIENTE SEMANAL GALÓN

50% 5000 GLS. S/. 3.00

50% 7000 GLS. S/. 3.50

S/. 10.20

X13 X21 X22 X23

7.2 8.6 11 6.7
0.00 0.00 7000.00 0.00

0.4 -2.4E-13 = 0
-0.4 2.39E-13 = 0
0.3 4.55E-13 = 0
-0.3 -4.5E-13 = 0
-0.5 0.5 0 = 0
0.5 -0.5 0 = 0
1 3000 £ 5000
1 1 1 7000 £ 7000
APLICACIONES EN DISTRIBUCIÓN
Cierta compañía manufacturera de computadores vende un tipo especial de equipo de
procesamiento de información a través de cuatro distribuidores (A, B, C y D) a un precio
unitario de $10.000, $15.000, $14.000 y $18.000 respectivamente. Este equipo es producido
en tres plantas ensambla- doras (I, II y III), en las cuales debido a su ubicación geográfica y
dificultad para obtener las materias primas el costo de producción unitario del artículo es de
$7.000 en la planta I, $9.500 en la planta II y $7.200 en la planta III. Además, se ha
determinado que la capacidad de producción mensual de la planta I es 1000 unidades, de la
planta II es 1.200 unidades y para la planta III es 597 unidades. También, se ha determinado
que la demanda conjunta de los distribuidores A y B será por lo menos 600 equipos por mes,
para el distribuidor C a lo sumo 550 equipos y en el distribuidor D se venderán máximo 380
equipos, pero no menos de 310. Plantee el modelo matemático de programación lineal que
se genera si el gerente de la compañía desea optimizar el beneficio y se informó por parte del
departamento de distribución que el costo unitario de transporte de la planta I a cada uno de
los distribuidores es $200, $300, $250 y $400 respectivamente; que este mismo costo para la
planta II es $180, $190, $205 y $207 respectivamente; mientras que el costo de distribución
de la planta III es $205, $108, $215 y $235 por unidad respectivamente para los distribuidores
A, B, C y D.

❷ Definición de variables
Xij = cantidad de equipos producidos en la planta i (i=1, 2 y 3) y enviados para ser vendidos en
distribuidor j (j=1, 2, 3 y 4).

❸ Función objetivo
Con base en la anterior definición, la función objetivo tomando en cuenta ingresos menos costos
(utilidades de la empresa) queda estructurada de la siguiente manera:

Max Z= 10000(X11 + X21 + X31) + 15000(X12 + X22 + X32 ) + 14000(X13+ X23 + X33) + 18000(X14 + X24
+ X34 ) - 7000(X11+ X12 +X13 +X14) - 9500(X21+ X22 + X23 +X24) - 7200(X31 + X32 + X33 + X34) -
200X11 - 300X12 - 250X13 - 400X14 - 180X21 - 190X22 - 205X23 - 207X24 - 205X31 - 108X32 - 215X33 -
235X34

❹ Restricciones del modelo

Lo anterior está restringido a la capacidad de producción de las plantas así:

X11 + X12 + X13 + X14 ≤ 1000. Capacidad de producción planta I.
X21 + X22 + X23 + X24 ≤ 1200. Capacidad de producción planta II.
X31 + X32 + X33 + X34 ≤ 597. Capacidad de producción planta III.
Además, se generan las siguientes restricciones para garantizar la demanda de los distribuidores:
X11 +X21 +X31 + X12 +X22 +X32 ≥ 600. Demanda conjunta de los distribuidores A y B.
X13 +X23 +X33 ≤550. Demanda del distribuidor C.
X14 +X24 +X34 ≤380. Demanda máxima del distribuidor D.
X14 +X24 +X34 ≥310. Demanda mínima del distribuidor D.

Xij ≥0 para todo i ( i= 1, 2 y 3 ) y para todo j ( j=1, 2, 3 y 4 ).

❺ Modelo matemático completo

El modelo matemático de programación lineal queda de la siguiente manera:

Max Z = 10000(X11 + X21 + X31) +15000(X12 + X22 + X32 )+ 14000(X13+ X23 + X33) + 18000(X14 + X24 +
X34) - 7000(X11+ X12 +X13 +X14) - 9500(X21+ X22 + X23 +X24) - 7200(X31 + X32 + X33 + X34) - 200X11 -
300X12 - 250 X13 - 400X14 - 180X21 - 190X22 - 205X23 - 207X24 - 205X31 - 108X32 - 215X33 - 235X34

s.a.
X11 + X12 + X13 + X14 ≤ 1000
X21 + X22 + X23 + X24 ≤ 1200
X31 + X32 + X33 + X34 ≤ 597
X11 +X21 +X31 + X12 +X22 +X32 ≥ 600
X13 +X23 +X33 ≤ 550
X14 +X24 +X34 ≤ 380
X14 +X24 +X34 ≥ 310
Xij ≥0 para todo i ( i= 1, 2 y 3 ) y para todo j ( j=1, 2, 3 y 4 )
 SSSSSSSS
especial de equipo de
A, B, C y D) a un precio ❶ Análisis de información
Este equipo es producido
u ubicación geográfica y
unitario del artículo es de
anta III. Además, se ha DISTRIBUIDOR
es 1000 unidades, de la
bién, se ha determinado PLANTA A B C
os 600 equipos por mes,
se venderán máximo 380 I $200 $300 $250
programación lineal que
se informó por parte del II $180 $190 $205
la planta I a cada uno de
este mismo costo para la III $205 $108 $215
e el costo de distribución PRECIO DE
te para los distribuidores VENTA UNIT. $10,000 $15,000 $14,000
DEMANDA MIN 600 MAX 550
MENSUAL

❻ Solución con SOLVER de MS Excel

X11 X12 X13
Coef. F.O. 2800 7700 6750
Valores de las v.d.d.

a ser vendidos en
Maximizar la F.O.

X11 X12 X13

resos menos costos 1 1 1

3 + X33) + 18000(X14 + X24

(X31 + X32 + X33 + X34) - 1 1
205X31 - 108X32 - 215X33 - 1

❼ Interpretación de la solución óptima

de los distribuidores:
res A y B.

❽ Análisis de los recursos

+ X33) + 18000(X14 + X24 +

X32 + X33 + X34) - 200X11 -
08X32 - 215X33 - 235X34
DOR
CAPAC. DE
COSTO
D PROD.
POR UNID. MENSUAL
$400 $7,000 1000

$207 $9,500 1200

$235 $7,200 597

$18,000
MIN 310
MAX 380

X14 X21 X22 X23 X24 X31 X32

10600 320 5310 4295 8293 2595 7692

X14 X21 X22 X23 X24 X31 X32

1
1 1 1 1
1 1
1 1 1 1
1
1 1
1 1
X33 X34
6585 10565

X33 X34

£ 1000

£ 1200
1 1 £ 597

³ 600
1 £ 550
1 £ 380
1 ³ 310
APLICACIONES DE ASIGNACIÓN
El Serenazgo de la MPT tiene el siguiente requerimiento de policías dependiendo la hora del
día así: de las 00.00 a las 4:00, 40 policías; de las 4:00 horas a las 8:00 horas, 25 policías; de
las 8:00 horas a las 12:00 horas, 100 policías; de las 12:00 horas a las 16:00 horas, 80 policías;
de las 16:00 horas a las 20:00 horas, 60 policías y de las 20:00 horas a las 24:00 horas, 45
policías. Plantee el modelo matemático de programación lineal que se genera a fin de
minimizar el número de policías que se asigne durante las 24 horas y que satisfaga con los
requerimientos y que además se garantice que cada oficial asignado a un turno debe trabajar
8 horas consecutivas.

❷ Definición de variables
El problema al que se enfrenta el Serenazgo de la MPT es decidir cuántos policías debe asignar para iniciar labores en cada
una de las horas, de tal forma que se minimice la cantidad de policías utilizados. Pues, el personal que inicia a las 00.00
horas se encontrará laborando hasta las 08.00, los que inician actividades a las 04.00 horas estarán disponibles hasta las
12.00 horas y de igual forma en todos los turnos. Por lo tanto las variables tienen que ver con los agentes
que inician labores en las diferentes horas así:

X1 = Cantidad de policías que inician labores a las 00:00 horas

X2 = Cantidad de policías que inician labores a las 04:00 horas
X3 = Cantidad de policías que inician labores a las 08:00 horas
X4 = Cantidad de policías que inician labores a las 12:00 horas
X5 = Cantidad de policías que inician labores a las 16:00 horas
X6 = Cantidad de policías que inician labores a las 20:00 horas

❸ Función objetivo
Con base en lo anterior y teniendo en cuenta que el número de policías utilizados durante el día debe ser el menor posible,
la función objetivo es la sumatoria de los policías que inician labores en los respectivos turnos. Esto en forma matemática se
escribe así:

❹ Restricciones del modelo

Se establecen las siguientes restricciones:

X1 ≥ 40 Garantiza lo necesario del turno 1

X1 + X2 ≥ 25 Garantiza lo necesario del turno 2
X2 +X3 ≥ 100 Garantiza lo necesario del turno 3
X3 + X4 ≥ 80 Garantiza lo necesario del turno 4
X4 + X5 ≥ 60 Garantiza lo necesario del turno 5
X5 + X6 ≥ 45 Garantiza lo necesario del turno 6
Observar bien, por ejemplo la segunda restricción; se están sumando los que inician a las 00.00 horas y los que
inician a las 04.00; luego estos dos turnos estarán en el lapso comprendido entre las 04.00 y 08.00 horas, por lo
tanto es el personal que labora en el turno 2.

❺ Modelo matemático completo

El modelo matemático de programación lineal queda de la siguiente manera:

Min Z = X1 + X2 +X3 + X3 +X5 + X6

s.a.
X1 ≥ 40
X1 + X2 ≥ 25
X2 +X3 ≥ 100
X3 + X4 ≥ 80
X4 + X5 ≥ 60
X5 + X6 ≥ 45
X1, X2, X3, X4, X5, X6 ≥ 0
 SOLUCIÓN
dependiendo la hora del
00 horas, 25 policías; de ❶ Análisis de información
16:00 horas, 80 policías; La tabla siguiente resume la cantidad de oficiales que se requieren en cada turno de 4 horas.
ras a las 24:00 horas, 45 Además, se han establecido turnos con base en la hora para facilitar el planteamiento. Se sabe que
que se genera a fin de quien inicia en algún turno, también, estará disponible en el siguiente.
s y que satisfaga con los REQ.
a un turno debe trabajar TURNO HORA MÍNIMO

1 00:00 a 04:00 40

2 04:00 a 08:00 25

3 08:00 a 12:00 100

4 12:00 a 16:00 80

5 16:00 a 20:00 60
gnar para iniciar labores en cada
l personal que inicia a las 00.00 6 20:00 a 24:00 45
ras estarán disponibles hasta las
on los agentes

❻ Solución con SOLVER de MS Excel

X1 X2 X3
Coef. F.O. 1 1 1
alores de las v.d.d.

Maximizar la F.O.

1
el día debe ser el menor posible, 1 1
nos. Esto en forma matemática se
1 1
1

❼ Interpretación de la solución óptima

n a las 00.00 horas y los que
s 04.00 y 08.00 horas, por lo
❽ Análisis de los recursos
n en cada turno de 4 horas.
tar el planteamiento. Se sabe que
ente.

X4 X5 X6
1 1 1

³ 40
³ 25
³ 100
1 ³ 80
1 1 ³ 60
1 1 ³ 45
APLICACIONES EN MERCADOTECNIA
La firma Alfa y asociados es una empresa encargada de evaluar la reacción de los consumidores en s
Una universidad se hace cliente de esta firma y pretende conocer la posición de un conjunto de pers
usuarios actuales o usuarios potenciales de este centro académico. Para ello se acordó efectuar entr
fin de obtener información tanto en hogares que tengan estudiantes en bachillerato como bachillere
acordó realizar entrevistas tanto diurnas como nocturnas.
El contrato hecho por la universidad con la empresa Alfa y asociados exigía realizar 3000 entrevistas
• Se debe entrevistar como mínimo 600 hogares donde existan estudiantes de bachillerato.
• Se deben entrevistar cuando menos 800 hogares que tengan bachilleres inactivos académicament
• El número de hogares entrevistados durante la noche debe ser por lo menos igual al número de ho
• Por lo menos el 40% de entrevistas con estudiantes de bachillerato se realizarán durante la noche.
• Por lo menos el 60% de entrevistas con bachilleres inactivos académicamente se realizarán durant
Las entrevistas en hogares con estudiantes de bachillerato requieren de tiempo adicional del entrevi
nocturnos se les paga más que a los que trabajan de día, el costo de las entrevistas varía según su tip
estimaciones sobre el costo de las entrevistas son:

COSTOS POR ENTREVISTA

Diurno Nocturno
Estudiantes de
$30 $35
bachilleratono
Bachillerato
activos
$20 $20
académicamen
te
SSSSSSSS
❶ Variables de decisión
Sean:
X11 : Número de entrevistas en hogares con estudiantes de bachillerato a realizar durante el día
X12 : Número de entrevistas en hogares con estudiantes de bachillerato a realizar durante la noche
X21 : Número de entrevistas en hogares con bachilleres inactivos a realizar durante el día
X22 : Número de entrevistas en hogares con bachilleres inactivos a realizar durante la noche

❷ Función objetivo
Los costos por entrevista determinan la siguiente función objetivo:
Min. Z = 30X11 + 35X12 + 20X21 + 20X22

❸ Restricciones
Como se deben realizar 3000 entrevistas tenemos:
X11 + X12 + X21 + X22 = 3000

Las cinco especificaciones con respecto al tipo de entrevistas son las siguientes:
X11 + X12 ≥ 600 Hogares con estudiantes de bachillerato
X21 + X22 ≥ 800 Hogares con bachilleres inactivos académicamente
X12 + X22 ≥ X11 + X21 Hogares entrevistados durante la noche debe ser por lo menosigual al número de hogar
X12 ≥ 0.4(X11 + X12) Por lo menos el 40% de entrevistas con estudiantes de bachillerato se realizaran durante
X22 ≥ 0.6(X21 + X22) Al menos el 60% de las entrevistas en hogares con bachilleres inactivos se desarrollaron d

❹ Modelo matemático

Min. Z = 30X11 + 35X12 + 20X21 + 20X22

s.a.
X11 + X12 + X21 + X22 = 3000
X11 + X12 ≥ 600
X21 + X22 ≥ 800
-X11 + X12 - X21 + X22 ≥ 0
-0.4X11 + 0.6X12 ≥0
-0.6X21 + 0.4X22 ≥ 0
Xij ≥ 0 ; i =1, 2 j = 1, 2

❺ Solución con SOLVER de MS Excel

cción de los consumidores en servicios, transporte y publicidad.
osición de un conjunto de personas, con el objeto que se conviertan en
ara ello se acordó efectuar entrevistas personales puerta a puerta con el
en bachillerato como bachilleres inactivos académicamente. Además se

exigía realizar 3000 entrevistas en los siguientes lineamientos.

iantes de bachillerato.
eres inactivos académicamente.
lo menos igual al número de hogares entrevistados en el día.
se realizarán durante la noche.
micamente se realizarán durante la noche.
de tiempo adicional del entrevistador y como a los entrevistadores
as entrevistas varía según su tipo. Con base en estudios previos, las

¿Cuál es el plan de entrevistas que minimiza el coto

total?

urante el día
urante la noche
 lo menosigual al número de hogares entrrevistados durante el día
bachillerato se realizaran durante la noche
hilleres inactivos se desarrollaron durante la noche
APLICACIONES CONTABLES
La embotelladora El Dorado produce tres tipos de gaseosa en dos departamentos que son: ga
dietética negra. El departamento de costo proporciona la siguiente información en entradas y sa

TIPO DE GASEOSA
Normal Durazno Normal Soda
Precio de venta S/. 27.00 S/. 70.00
Costo variable S/. 10.00 S/. 37.00
Neto S/. 17.00 S/. 33.00

Cantidad de ventas 200 100

Ventas S/. 5,400.00 S/. 7,000.00
Costos variables S/. 2,000.00 S/. 3,700.00
Costos fijos S/. 500.00 S/. 1,248.00
Costo total S/. 2,500.00 S/. 4,948.00
Utilidad S/. 2,900.00 S/. 2,052.00

Teniendo en cuenta que los costos fijos se asignan de acuerdo con las horas de ma
gaseosa, además el tiempo disponible en cada uno de los departamentos I y II son 200
en la siguiente tabla se muestran las horas de producción por unidad de gaseosa en cad

TIPO DE GASEOSA
Normal Durazno Normal Soda
Departamento I 4 10
Departamento II 6 2

El objetivo del problema de P.L. es encontrar qué cantidad de producción de unidades de gaseos
contribución marginal total sujeto a la mano de obra.

SOLUCIÓN
❶ Variables de decisión
Primero calculemos la contribución marginal de cada tipo de gaseosa dependiendo las variable
Sean:
X1 : Unidades de gaseosa normal de durazno
X2 : Unidades de gaseosa normal soda
X1 : Unidades de gaseosa dietética negra.

Normal durazno Normal soda

 Utilidad neta S/. 2,900.00 S/. 2,052.00
Costos fijos S/. 500.00 S/. 1,248.00
Contribución marginal S/. 3,400.00 S/. 3,300.00

Calculamos la contribución marginal unitaria de cada producto.

𝒄𝒐𝒏𝒕𝒓𝒊𝒃𝒖𝒄𝒊ó𝒏 𝒎𝒂𝒓𝒈𝒊𝒏𝒂𝒍 𝒖𝒏𝒊𝒕𝒂𝒓𝒊𝒂= (𝑪𝒐𝒏𝒕𝒓𝒊𝒃𝒖𝒄𝒊ó𝒏 𝒎𝒂𝒓𝒈𝒊𝒏𝒂𝒍)/(𝑪𝒂𝒏𝒕𝒊𝒅𝒂𝒅 𝒅𝒆 𝒗𝒆𝒏

- Gaseosa normal de durazno 3400/200 = S/. 17

- Gaseosa normal soda 3300/100 = S/. 33
- Gaseosa dietética negra 3750/150 = S/. 25
❷ Función objetivo
Multiplicar la contribución marginal de cada tipo de gaseosa

Máx Z = 17X1 + 33X2 + 25X3

❸ Restricciones
Departamento I 4X1 + 10X2 + 6X3 ≤ 2000
Departamento II 6X1 + 2X2 + 8X3 ≤ 2750
❹ Modelo matemático

Máx Z = 17X1 + 33X2 + 25X3

s.a.
4X1 + 10X2 + 6X3 ≤ 2000
6X1 + 2X2 + 8X3 ≤ 2750
X1, X2, X3 ³ 0
❺ Solución con SOLVER de MS Excel
os departamentos que son: gaseosa normal durazno, gaseosa normal soda y gaseosa
e información en entradas y salidas de ventas con sus costos fijos y variables:

Dietética Negra
S/. 50.00
S/. 25.00
S/. 25.00

150
S/. 7,500.00
S/. 3,750.00
S/. 1,750.00
S/. 5,500.00
S/. 2,000.00

uerdo con las horas de mano de obra que se requieren en cada variedad de
departamentos I y II son 2000 y 2750 horas de mano de obra respectivamente,
or unidad de gaseosa en cada departamento.

Dietética Negra
6
8

ducción de unidades de gaseosa de cada tipo es necesaria para maximizar la

seosa dependiendo las variables de decisión

Dietética negra
 S/. 2,000.00
S/. 1,750.00
S/. 3,750.00

𝒈𝒊𝒏𝒂𝒍)/(𝑪𝒂𝒏𝒕𝒊𝒅𝒂𝒅 𝒅𝒆 𝒗𝒆𝒏𝒕𝒂𝒔)