Programacin Lineal
Materia
Materia
Materia
Materia
Prima
prima 1
Prima 2
prima 3
Cantidades disponibles
para la produccin
20 toneladas
5 toneladas
21 toneladas
Pgina: 1
Investigacin Operativa I
Programacin Lineal
Salida de resultados
Pgina: 2
Investigacin Operativa I
Programacin Lineal
Unidades en fondo
100X2 3.000
Anderson Sweeney Willams. Mtodos Cuantitativos para los Negocios. 7ma Edicin. Editorial
Thomson. Pgina 242.
2
Pgina: 3
Investigacin Operativa I
Programacin Lineal
No negatividad
Xi 0; i=1,2
Entrada de datos para Solver
Informe de asesora:
Innis Investments aconseja al cliente que adquiera 400 unidades a 50
dlares cada una en Acciones y 10.000 unidades a 100 dlares cada en
el mercado de dinero para obtener una ganancia de 62.000 dlares al
ao.
3. PAR es un pequeo fabricante de equipo y accesorios para golf cuyo
distribuidor
lo convenci de que existe un mercado tanto para la bolsa de golf de
precio
medio, conocida como modelo estndar, como para una bolsa de golf de
precio
elevado, conocida como modelo deluxe. El distribuidor tiene tanta
confianza en
el mercado que si PAR puede fabricar las bolsas a un precio
competitivo, el
distribuidor est de acuerdo en adquirir todas las bolsas que PAR pueda
fabricar
en los siguientes tres meses. Un anlisis cuidadoso de los
requerimientos de
fabricacin dieron como resultado la tabla siguiente, que
muestra las
necesidades de tiempo de produccin para las cuatro
operaciones de
Terminado
Investigacin Operativa I
Producto
Estndar
Deluxe
teido
7/10
1
Programacin Lineal
1/2
5/6
1
2/3
y empaque Bolsa
1/10
$10
1/4
$9
Solucin:
Formulacin del modelo:
Definicin de
variables
X1 = Cantidad de unidades de bolsas de golf
estandar
X2 = Cantidad de unidades de bolsas de golf de
lujo
Funcin Objetivo
Z max = 10X1 + 9X2
Restricciones
0.7X1 + 1.0X2 630 Horas de Corte y teido
0.5X1 + 0.8334X2 600 Horas de Costura
1.0X1 + 0.6667X2 708 Horas de Terminado
0.1X1 + 0.25X2 35 Horas de Inspeccin y Empaque
No negatividad
Xi 0; i=1,2
Solucin grfica:
Pgina: 5
Investigacin Operativa I
Programacin Lineal
Solucin Solver:
Pgina: 6
Investigacin Operativa I
Programacin Lineal
Producto
Estndar
Deluxe
Tiempo de produccin
Corte
y Costura
teido
7/10
1/2
1
5/6
Terminado
1
2/3
Inspeccin
y empaque
1/10
1/4
Utilidad por
Bolsa
$10
$9
c)
Pgina: 7
Investigacin Operativa I
Programacin Lineal
Definicin de
variables
X1 = Cantidad de unidades de bolsas de golf
estandar
X2 = Cantidad de unidades de bolsas de golf de
lujo
Funcin Objetivo
Z max = 10X1 + 9X2
Restricciones
0.7X1 + 1.0X2 630 Horas de Corte y teido
0.5X1 + 0.8334X2 600 Horas de Costura
1.0X1 + 0.6667X2 708 Horas de Terminado
0.1X1 + 0.25X2 135 Horas de Inspeccin y Empaque
No negatividad
Xi 0; i=1,2
Solucin GLP
665
630 Payoff: 10.0000 X1 + 9.0000 X2 = 7667.9417
595
560
525
490
455
420
385
350
315
280
245
210
175
: 1.0000 X1 + 0.6667 X2 = 708.0000
140
105
70
35
0
0
60
120
180
240
300
360
420
480
540
600
660
720
780
840
900
960
1020
1080 1140 12
Pgina: 8
Investigacin Operativa I
Programacin Lineal
Solucin Solver:
a)
b)
Pgina: 9
Investigacin Operativa I
Programacin Lineal
c)
Modelo
Normal
Catcher
Tiempo de produccin(horas)
Corte
y Terminado Empaque y
costura
embarque
1
1/2
1/8
3/2
1/3
1/4
Utilidad por
Guante
$5
$8
fabricar Kelson?
Pgina: 10
Investigacin Operativa I
c)
d)
e)
Programacin Lineal
Solucin:
a)
Formulacin
del
modelo:
Definicin de variables
X1 = Cantidad de guantes de Bisbol normal
X2 = Cantidad de guantes de Bisbol tipo Manopla
Funcin Objetivo
Z max = 5X1 + 8X2
Restricciones
X1 + 1.5X2 900 horas de Corte y Costura
0.5X1 + 0.3334X2 300 horas de Terminado
0.125X1 + 0.25X2 100 horas de Empaque y Embarque
No negatividad
Xi 0; i=1,2
Solucin GLP
Pgina: 11
Investigacin Operativa I
Programacin Lineal
455
420
Payoff:
385
350
315
280
245
210
175
140
105
70
35
0
240
300
360
420
480
540
600
660
720
780
840
Pgina: 12
900
960
Investigacin Operativa I
Programacin Lineal
Solucin:
Definicin de variables
X1 = cantidad de dinero invertido en fondo de bonos
X2 = cantidad de dinero invertido en fondo de acciones
Funcin Objetivo
Zmax = 1X1 + 1X2
Restricciones
X1 30% (100) inversin en fondo de bonos
6% X1 + 10% X2 7.5% (100) rendimiento
total X1 + X2 100
relacin entre
inversiones
No negatividad
Xi 0; i=1,2
Datos entrada Solver
Pgina: 13
Investigacin Operativa I
Programacin Lineal
Solucin grfica:
Pgina: 14
Investigacin Operativa I
Programacin Lineal
b)
Solucin:
Formulacin del modelo:
Definicin de
variables
X1 = Cantidad de dlares asignados a
peridicos X2 = Cantidad de dlares
asignados a radio
Funcin Objetivo
Zmax= 50X1 + 80X2
Restricciones
X1 0.25(X1 + X2) mnimo para peridicos
X2 0.25(X1 + X2) mnimo para radio
X1 2X2 relacin peridicos y
radio
X1 + X2 1000 presupuesto
No negatividad
Xi 0; i=1,2
Solucin GLP
Pgina: 15
Investigacin Operativa I
Programacin Lineal
X2
400
380
360
340
320
300
280
260
240
220
200
180
160
140
120
100
80
60
40
20
0
33
66
99
132
165
198
231
264
297
330
363
396
429
462
495
528
561
594
627
660
Precio
Accin
$25
$50
por Rendimiento
anual ndice de riego
estimado por accin
$3
0.50
$5
0.25
anual total?8
Solucin:
Anderson Sweeney Willams. Mtodos Cuantitativos para los Negocios. 7ma
Edicin. Editorial Thomson. Pgina 267. Problema 25.
8
Pgina: 16
Investigacin Operativa I
Programacin Lineal
Definicin de
variables
X1 = Cantidad de acciones en U.S.Oil
X2 = Cantidad de acciones en Hub Properties
Funcin Objetivo
Z max = 3X1 + 5X2
Restricciones
0.50X1 + 0.25X2 700 por riesgo
X1
1000 inversin en U.S. OIL
25X1 + 50X2 = 80.000 inversin en acciones
No negatividad
Xi 0; i=1,2
Solucion GLP
X1
Pgina: 17
Investigacin Operativa I
Programacin Lineal
Restricciones
Riesgo
En U.S.Oil
Inversin
U.S.Oil HUB
1
1 max
3
5
8
0,5
1
25
No
Utilizado
Lmite Utiliz
0,25
0,75
700 699,25
1
1000
999
50
75 80000 79925
Restricciones
Riesgo
En U.S.Oil
Inversin
U.S.Oil HUB
800
1200 max
3
5
8400
0,5
1
25
No
Utilizado
Lmite Utiliz
0,25
700
700 -7,4E-10
800
1000
200
50
80000 80000 -7,3E-08
Pgina: 18
Investigacin Operativa I
Programacin Lineal
Definicin de
variables
X1 = Cantidad de tarros de salsa Western
Foods
X2 = Cantidad de tarros de salsa Mxico City
Funcin Objetivo
Z max =
(1.64
(0.56)/16))X1
(1.93
(0.56)/16))X2
(0.10+0.02+0.03+50%(10)(0.96)/16+30%(10)(0.64)/16+20%(10)
(0.10+0.02+0.03+70%(10)(0.96)/16+10%(10)(0.64)/16+20%(10)
Z max = (1.64 - (0.15 + 0.3 + 0.12 + 0.07))X1 + (1.93 - (0.15 + 0.42 + 0.04 + 0.07))X2
Pgina: 19
Investigacin Operativa I
Programacin Lineal
850
800
750
700 Payoff: 1.00 X1 + 1.25 X2 = 860.00
650
600
550
500
450
400
350
300
250
200
150
100
50
0
1
50
99
148
197
246
295
344
393
442
491
540
589
638
687
736
785
834
883
932
SALSA
Cantidad de tarros
Utilidad
Western Mxico
Foods
City
1
1
1 Max
1.25
2.25
Restricciones
Utilizado
5
3
2
tomates enteros
salsa de tomate
pasta de tomate
7
1
2
12
4
4
Lmite No utiliz
4480
2080
1600
4468
2076
1596
SALSA
Cantidad de tarros
Utilidad
Western Mxico
Foods
City
560
1
240 Max
1.25
860
Pgina: 20
981
X1
Investigacin Operativa I
Programacin Lineal
Restricciones
tomates enteros
salsa de tomate
pasta de tomate
Utilizado
5
3
2
7
1
2
Lmite
4480
1920
1600
No utiliz
4480 -6.2E-09
2080
160
1600 -3.7E-09
Definicin de
variables
X1 = cantidad de pginas revisadas por
Erhan
X2 = cantidad de pginas revisadas por
Sue
Funcin Objetivo
Z max = 9X1 + 6X2
Restricciones
3X1 + 2X2 4.800 presupuesto
X1 + X2 = 1.800 nmero de
pginas
X1/100 10 das disponibles de
Erhan
X2/150 12 das disponibles de
Sue
No negatividad
Xi 0; i=1,2
Solucin GLP
Pgina: 21
Investigacin Operativa I
Payoff:
X2
2000
1900
1800
1700
1600
1500
1400
1300
1200
1100
1000
900
800
700
600
500
400
300
200
100
0
Programacin Lineal
2.0 X2 = 4800.0
: 0.0 X1 +
1.0 X2 = 1800.0
: 1.0 X1 +
0.0 X2 = 1000.0
: 1.0 X1 +
60
1.0 X2 = 1800.0
120 180 240 300 360 420 480 540 600 660 720 780 840 900 960 1020108011401200
X1
Pginas revisadasEhran
Cantidad
1
Calidad
9
Restricciones
Presupuesto
3
Horas Ehran
1
Horas Sue
Nm. Pginas
1
Sue
1 Max
6
15
Utilizado
2
5
1
1
1
1
2
Limite No utiliz
4800
4795
1000
999
1800
1799
1800
1798
Utilizado
2
4600
Limite No utiliz
4800
200
Salida SOLVER
Ehran Sue
1000 800 Max
9
6
13800
Restricciones
Presupuesto
3
Pgina: 22
Investigacin Operativa I
Horas Ehran
Horas Sue
Nm. Pginas
Programacin Lineal
1
1
1
1
1000
800
1800
1000 -1,1E-10
1800
1000
1800 -4,2E-09
11. Car Phones vende dos modelos de telfono para automvil: X y Y Los
registros
muestran que se utilizan 3 horas de tiempo de ventas por cada
modelo de
telfono X vendido, y 5 horas de tiempo de ventas por cada telfono de
modelo
Y. Estn disponibles un total de 600 horas de venta para el siguiente
perodo
de
cuatro semanas. Adems, las polticas de
planeacin de la
administracin
exigen metas mnimas de ventas de 25 unidades, tanto para el X como
para el
Y.
a. Muestre la regin factible
b. Si la empresa obtiene una contribucin a la utilidad de 40 dlares
por cada
modelo X vendido y una contribucin a la utilidad de 50 dlares
por cada
modelo Y vendido. Cul es la meta ptima de ventas para la empresa
durante
el perodo de 4 semanas?
c. Desarrolle una restriccin y muestre la regin factible si la
administracin
agrega la restriccin que Car Phones debe vender por lo menos
tantos
telfonos Y como telfonos X.
d. Cul es la nueva solucin ptima si al problema se le agrega la
restriccin
del inciso (c)?11
Solucin:
Formulacin del modelo:
Definicin de
variables
X1 = Nmero de unidades de telfonos
modelo
X
X2 = Nmero de unidades de telfonos
modelo Y
Funcin Objetivo
Zmax = 40X1 + 50X2
Restricciones
3X1 + 5X2 600
horas de venta disponibles
X1 25 meta mnima de
venta
X2 25 meta mnima de
venta
No negatividad
Xi 0; i=1,2
Solucin GLP
Pgina: 23
Investigacin Operativa I
Programacin Lineal
: 1.0 X1 +
0.0 X2 = 25.0
: 3.0 X1 +
5.0 X2 = 600.0
X2
2
X1
Telfono
Cantidad
Utilidad
Restricciones
Horas disp.
Venta min X
Venta min Y
3
1
Utilizado
5
8
1
1
1
No
Lmite Utiliz
600
592
25
-24
25
-24
Telfono
Cantidad
Utilidad
Modelo Modelo
X
Y
158,3333
25 Max
40
50 7583,333
Restricciones
Horas disp.
Venta min X
Venta min Y
Oswaldo Paul Rivadeneira
3
1
Utilizado
5
600
158,3333
1
25
Lmite No Utiliz
600 -1,4E-09
25 133,3333
25 2,64E-12
Pgina: 24
Investigacin Operativa I
Programacin Lineal
Costo/onza
0.06
0.05
Protenas % Grasa %
30
15
20
30
Definicin de
variables
X1 = Cantidad de onzas de comida Bark Bits
X2 = Cantidad de onzas de comida Canine Chow
Funcin Objetivo
Zmin = 0.06X1 + 0.05X2
Restricciones
0.3X1 + 0.2X2 5 contenido de protenas
0.15 X1 + 0.3 X2 3 contenido de grasas
No negatividad
Xi 0; i=1,2
Solucin GLP
12
Pgina: 25
Investigacin Operativa I
Programacin Lineal
36
30
24
Payoff: 0.06 X1 + 0.05 X2 = 1.02
18
: 0.30 X1 + 0.20 X2 = 5.00
12
: 0.15 X1 + 0.30 X2 = 3.00
6
0
0
10
20
30
40
50
60
70
Comida
Cantidad
Calidad
Bark
Bits
Canine
Chow
1
0,06
1 Min
0,05
0,11
Restricciones
Proteinas
0,3
Grasas
0,15
No
Utilizado
Limite utiliz
0,2
0,5
5
4,5
0,3
0,45
3
2,55
Comida
Cantidad
Calidad
Bark
Bits
Canine
Chow
15
2,5 Min
0,06
0,05
1,025
Pgina: 26
80
Investigacin Operativa I
Programacin Lineal
Restricciones
Proteinas
Grasas
0,3
0,15
No
Utilizado
Limite utiliz
-3,3E0,2
5
5
12
-2,2E0,3
3
3
12
13. La New England Cheese Company produce dos quesos crema mezclando
quesos
chedar tanto suave como extrafuerte. Los quesos crema se
empacan en
recipientes de 12 onzas, que despus se venden a distribuidores en
todo el
noroeste. La mezcla Regular contiene 80% de chedar suave y 20%
de
extrafuerte y la mezcla Zesty contiene 60% de chedar suave y 40% de
extrafuerte. Este ao, una cooperativa lechera local ha ofrecido entregar hasta
8.100 libras de queso chedar a $1.20 por libra y hasta 3.000 libras de
queso
chedar extrafuerte a $1.40 por libra. El costo de mezclar y
empacar
estos
quesos crema, excluyendo el costo del queso mismo, es de $0.20 por
recipiente.
Si cada recipiente de Regular se vente a $1.95 y cada recipiente Zesty
se
vende
a $2.20. Cuntos recipientes deber producir New England Cheese de
Regular
y Zesty?13
Solucin:
Formulacin del modelo:
Definicin de
variables
X1 = Cantidad (en miles) de recipientes de queso
Regular
X2 = Cantidad (en miles) de recipientes de queso
Zesty
Funcin Objetivo
Zmax = (1.95 - 0.20 - 0.80*0.75*1.20 0.60*0.75*1.40)X1 + (2.20 - 2.0 - 0.20*0.75*1.20 0.40*0.75*1.40)X2
Zmax = 0.40X1 + 1.40X2
Restricciones
0.80*0.75X1 + 0.60*0.75X2 8,1 queso chedar suave
0.20*0.75X1 + 0.40*0.75X2 3,0 queso chedar extrafuerte
No negatividad
Xi 0; i=1,2
Solucin GLP
Pgina: 27
Investigacin Operativa I
Programacin Lineal
: 0.2 X1 + 0.4 X
X2
10
Payoff:
8
7
6
5
4
3
2
1
0
0
10
11
12
13
Regular Zesty
1
1 max
0,4
1,4
1,8
Restricciones
Queso Ch. suave
Tiempo prod. min
0,8
0,2
No
Utilizado
Lmite Utiliz
0,6
1,4 10,8
9,4
0,4
0,6
4
3,4
Restricciones
Queso Ch. suave
Tiempo prod. min
0,8
0,2
Utilizado
0,6
6
0,4
4
No
Lmite Utiliz
10,8
4,8
4 -5,5E-12
Pgina: 28
14
X1
Investigacin Operativa I
Programacin Lineal
Cereal
A
B
Fibra diettica
(gramos)
2
1.5
Grasas
(gramos)
2
3
Protenas
(gramos)
4
3
Solucin:
Formulacin del modelo:
Definicin de
variables
X1 = Cantidad de onzas de cereal
A
X2 = Cantidad de onzas de cereal
B
Funcin Objetivo
Pgina: 29
Investigacin Operativa I
Programacin Lineal
No
negatividad
Xi 0; i=1,2
Solucin GLP
X2
1
Restricciones
fibra diettica
por grasas
por proteinas
Utilizado
1,5
3,5
3
5
3
7
2
2
4
No
Lmite Utiliz
1,7
1,8
2,8
-2,2
3,6
-3,4
min
Pgina: 30
X1
Investigacin Operativa I
Costo
Programacin Lineal
0,02
0,025
Restricciones
fibra diettica
por grasas
por proteinas
0,017
Utilizado
2
2
4
1,5
3
3
1,7
1,7
3,4
No
Lmite Utiliz
9,12E1,7
13
2,8
1,1
3,6
0,2
15. MD Chemical produce dos productos que se venden como materia prima
para
empresas fabricantes de jabones para bao, detergentes para lavandera
y otros
productos de jabn. Apoyndose en un anlisis de los niveles
actuales de
inventarios y de la demanda potencial para el mes siguiente, la
administracin
de MD ha especificado que la produccin total de los productos 1 y
2
combinados debe ser de por lo menos 350 galones. Adems debe
cumplir
con
un pedido de un cliente de importancia de 125 galones del producto
1.
El
tiempo de procesado del producto 1 requiere dos horas por galn, y
del
producto 2 requiere de una hora; para el mes siguiente, hay
disponibilidades de 600 horas de proceso. Los costos de produccin son
2 dlares por galn del producto 1 y 3 dlares del producto 2.
a. Determine las cantidades de produccin que satisfagan los requisitos
especificados al costo mnimo.
b. Cul es el costo total del producto?
c. Identifique la cantidad de cualquier produccin excedente.15
Solucin:
Formulacin del modelo:
Definicin de
variables
X1 = Cantidad de galones del
producto
1
X2 = Cantidad de galones de
producto 2
Funcin Objetivo
Zmin = 2X1 + 3X2
Restricciones
X1 + X2 350 galones
producidos
X1 125 pedido de un cliente
2X1 + 1X2 600 horas de
proceso
No negatividad
Xi 0; i=1,2
Solucin GLP
Anderson Sweeney Willams. Mtodos Cuantitativos para los Negocios. 7ma
Edicin. Editorial Thomson. Pgina 270. Problema 37.
15
Pgina: 31
Investigacin Operativa I
Programacin Lineal
X2
440
418
396
374
352
330
308
286
264 Payoff: 2.0 X1 + 3.0 X2 = 800.0
242
220
198
176
154
132
110
88
: 2.0 X1 + 1.0 X2 = 600.0
66
44
: 1.0 X1 + 0.0 X2 = 125.0
22
0
: 1.0 X1 + 1.0 X2 = 350.0
0
20 40 60 80 100 120 140 160 180
380 400
Restricciones
Galones
producidos
Pedido cliente
Horas proceso
1
1
2
2
1 min
3
Utilizado
1
1
2
1
1
2
1
3
Lmite
350
125
600
No
Utiliz
-348
124
597
1
250
2
2
100 min
3
800
Pgina: 32
X1
Investigacin Operativa I
Restricciones
Galones
producidos
Pedido cliente
Horas proceso
Programacin Lineal
Utilizado
1
1
2
1
1
350
250
600
Lmite
350
125
600
No Utiliz
8,11E-10
-125
-2,9E-10
16. Photo Chemicals produce dos tipos de fluido para revelado fotogrfico.
Ambos
productos le cuestan a la empresa un dlar por galn producirlos. Con
base e
una anlisis de niveles actuales de inventario y en las rdenes en mano
para el
mes siguiente, la administracin de Photo Chemicals ha decidido que
durante
las siguientes dos semanas se produzcan por los menos 30 galones del
producto
1 y por lo menos 20 galones del producto 2. Tambin ha dicho la
administracin
que en el transcurso de las siguientes dos semanas debe utilizarse el
inventario
existente de una materia prima muy perecedera necesaria en la
produccin
de
ambos fluidos. El inventario actual de esta materia prima muy
perecedera es de
80 libras. Aunque de ser necesario se puede ordenar ms de esta
materia
prima, cualquier parte del inventario actual no utilizada se echar a
perder
dentro de las siguientes dos semanas; de ah el requerimiento
de
la
administracin de que por lo menos se utilicen las 80 libras en las
siguientes
dos
semanas. Adems, el producto 1 requiere de una libra de esta
materia
prima
perecedera por galn, y el producto 2 requiere 2 libras de la materia
prima
por
galn. Dado que el objetivo de la administracin es mantener los
costos
de
produccin al mnimo nivel posible, estn buscando un plan de
produccin
de
costo mnimo que utilice la totalidad de las 80 libras de la materia
prima
perecedera y que obtenga por lo menos 30 galones del producto 1 y
por lo menos 20 galones del producto 2. Cul es la solucin de costo
mnimo?16
Solucin:
Formulacin del modelo:
Definicin de
variables
X1 = Cantidad de galones de fluido
tipo
1
Pgina: 33
Investigacin Operativa I
Programacin Lineal
Solucion GLP
Payoff: 1.0 X1 + 1.0 X2 = 60.0
X225
24
23
22
21
20
19
18
17
16
15
14
13
12
11
10
9
8
7
6
5
4
3
2
1
0
: 0.0 X1 +
1.0 X2 = 20.0
10
12
14
16
18
20
22
24
26
28
30
32
34
36
38
40
X1
Solucin:
Formulacin del modelo:
Anderson Sweeney Willams. Mtodos Cuantitativos para los Negocios. 7ma
Edicin. Editorial Thomson. Pgina 270. Problema 39.
17
Pgina: 34
Investigacin Operativa I
Programacin Lineal
Definicin de variables
X1 = Cantidad de Pizzas
Normales
X2 = Cantidad de Pizzas De Lujo
Funcin Objetivo
Zmax = 1X1 + 1.5X2
Restricciones
X1 + X2 150 pasta de harina
0.25X1 + 0.5X2 50 pasta de
relleno
X1 50 venta de pizzas Normales
X2 25 venta de pizzas De Lujo
No negatividad
Xi 0; i=1,2
Solucin GLP
160
152
144
136
128
120
112
104
96
88
80
72
64
56
48
40
32
24
16
8
0
10
20
30
40
50
60
70
80
90
100
110
120
130
140
Normal Lujo
1
1 max
Pgina: 35
150
160
170
Investigacin Operativa I
Utilidad
Programacin Lineal
Restricciones
Pasta harina
1
Relleno
0,25
Pizzas Normales
1
Pizzas Lujo
1,5
2,5
Utilizado
1
2
0,5
0,75
1
1
1
No
Utiliz
148
49,25
-49
-24
Lmite
150
50
50
25
No
Lmite Utiliz
150 -3,4E-10
50
-6E-11
50
50
25
25
Normal Lujo
100 50 max
1 1,5
175
Restricciones
Pasta harina
1
Relleno
0,25
Pizzas Normales
1
Pizzas Lujo
Utilizado
1
150
0,5
50
100
1
50
Pgina: 36
Investigacin Operativa I
Programacin Lineal
Definicin de
variables
X1 = Cantidad de promociones enviadas a clientes
actuales
X2 = Cantidad de promociones enviadas a clientes
nuevos
Funcin Objetivo
Zmax = 0.12*5X1 + 0.20*4X2
Restricciones
X1 30.000
clientes
actuales
X2 10.000
clientes
nuevos
0.25X1 2*0.20X2 relacin entre clientes que responden a la
promocin 5X1 + 4X2 1200.000 presupuesto
No negatividad
Xi 0; i=1,2
Solucin GLP
Pgina: 37
Investigacin Operativa
I Programacin Lineal
X2
273
260
247
234
221 Payoff: 0.60 X1 + 0.80 X2 = 176.00
208
: 5.00 X1 + 4.00 X2 = 1200.00
195182
169
156
143
130
117
104
91
78
65
52
39
26
13
0
13
26
39
52
65
78
91
104
117
130
143
156
169
182
195
208
221
Promociones
Cantidad en
miles
Ventas
Clientes Clientes
Actuales Nuevos
1
0,6
Restricciones
Clientes actuales
Clientes nuevos
Relacion clientes
Presupuesto
1
0,25
5
1 max
0,8
1,4
Utilizado
1
1
1
-0,4
-0,15
4
9
No
Lmite Utiliz
30
29
10
9
0
-0,15
1200
-1191
Promociones
Cantidad en
miles
Ventas
Clientes Clientes
Actuales Nuevos
160
0,6
100 max
0,8
176
Pgina: 38
234
247
260
Investigacin Operativa I
Restricciones
Clientes actuales
Clientes nuevos
Relacion clientes
Presupuesto
Programacin Lineal
1
0,25
5
Utilizado
160
1
100
-0,4 -1,1E-11
4
1200
Lmite No Utiliz
30
-130
10
-90
0
-1,1E-11
1200
2,78E-09
Definicin de
variables
X1 = Cantidad de unidades de raquetas estandar
X2 = cantidad de unidades de raquetas extra grande
Funcin Objetivo
Zmax = 10X1 + 15X2
Restricciones
0.125X1 + 0.4X2 80 kilos de aleacin
10X1 + 12X2 40*60 minutos de tiempo de
No
negatividad
Xi 0; i=1,2
Solucin GLP
Pgina: 39
Investigacin Operativa I
X2
200
190
180
170
160
150
140
130
120
110
100
90
80
70
60
50
40
30
20
10
0
Programacin Lineal
10 12 14 16 18 20 22 24 26 28 30 32 34 36 38 40 42
X1
Estandar Extra G
1
1 max
10
15
25
Restricciones
Kilos aleacin
Tiempo prod. min
20% prod estand
0,125
10
0,8
No
Utilizado
Lmite Utiliz
0,4
0,525
80 79,475
12
22
2400
2378
-0,2
0,6
0
0,6
0,125
10
Utilizado
Lmite No Utiliz
0,4 71,37931
80
8,62069
12
2400
2400
3,03E-10
Pgina: 40
Investigacin Operativa I
Programacin Lineal
0,8
-0,2 9,03E-11
9,03E-11
Definicin de
variables
X1 = Numero de horas de tcnico asignado a clientes
normales
nmero de clientes
Restricciones
X1 + X2 80
horas disponibles de tcnico
X2 0.6X1
relacin de tiempo de tcnico
25X1 + 8X2 800 ingresos en dlares
No
negatividad
Xi 0; i=1,2
Anderson Sweeney Willams. Mtodos Cuantitativos para los Negocios. 7ma
Edicin. Editorial Thomson. Pgina 274. Problema 63.
20
Pgina: 41
Investigacin Operativa I
Programacin Lineal
Solucin GLP
104
91
78
65
52
39
26
13
0
0
11
22
44
33
55
66
2.2
Utilizado
1
-0.6
25
1
1
8
2
0.4
33
Lmite
80
0
800
No Utiliz
78
-0.4
-767
Pgina: 42
77
Investigacin Operativa I
Restricciones
Horas
disponibles
Relacin tiempo
Ingresos
Programacin Lineal
Utilizado
1
-0.6
25
1
1
8
80
-2.2E-11
1490
Lmite
80
0
800
No Utiliz
-1.8E-10
2.18E-11
690
prima,
Jackson Hole estima que el costo horario de operacin de la M100 y la
M200
son de 50 y 75 dlares, respectivamente.
a. Formule un modelo de programacin lineal que se pueda utilizar
para
maximizar la contribucin de la utilidad.
b. Resuelva el problema utilizando el procedimiento de solucin grfica.21
Solucin:
Formulacin del modelo:
Definicin de
variables
X1 = Numero de horas de trabajo de maquina
M100
X2 = Numero de horas de trabajo de maquina
M200
Funcin Objetivo
Zmax = (20X1*18 - 40X1*6 - 50X1) + (40X2*18 - 50X2*6 - 75X2)
Anderson Sweeney Willams. Mtodos Cuantitativos para los Negocios. 7ma Edicin.
Editorial Thomson. Pgina 275. Problema 64.
21
Pgina: 43
Investigacin Operativa I
Programacin Lineal
Zmax = (360 - 240 - 50)X1 + (720 - 300 75)X2 Zmax = 70X1 + 345X2
Restricciones
X1 15 horas mximas de trabajo M100
X2 10
horas mximas de trabajo de M200
X1 5
horas mnimas de trabajo de M100
X2 5
horas mnimas de trabajo de M200
40X1 + 50X2 1000 libras de materia prima disponibles
No negatividad
Xi 0; i=1,2
Solucin GLP
12
6
: 40.0 X1 + 50.0 X2 = 1000.0
: 0.0 X1+
2.0 X2 =
5.0
10
11
12
13
14
15
16
17
18
19
20
21
22
23
1
0
Utilizado
Lmite No Utiliz
0
1
15
14
1
1
10
9
Pgina: 44
24
25
26 27
Investigacin Operativa I
Programacin Lineal
1
0
40
0
1
50
1
1
90
5
5
1000
-4
-4
910
Horas de trabajo
Cantidad horas
Contrib. utilidad
Restricciones
Horas max M100
Horas max M200
Horas min M100
Horas min M200
Libras disponibles
Maquina Maquina
M100
M200
12.5
10 max
70
345
4325
1
0
1
0
40
0
1
0
1
50
Utilizado
12.5
10
12.5
10
1000
Lmite No Utiliz
15
2.5
10 -9.9E-13
5
7.5
5
5
1000 -1.5E-09
travs
este canal de distribucin.
de
Pgina: 45
Investigacin Operativa I
Distrib. de oficinas
Tiendas nacionales
Pedidos por correo
Programacin Lineal
$84
$70
$60
$8
$9
$15
3 horas
3 horas
Ninguna
Definicin de
variables
X1 = Numero de radios asignados a distribuidores de equipo marino
X2 = Numero de radios asignados a distribuidores de equipos de
oficina X3 = Numero de radios asignados a cadenas nacionales
de tiendas
X4 = Numero de radios asignados a pedidos por correo
Funcin Objetivo
Zmax = 90X1 + 84X2 + 70X3 + 60X4
Restricciones
10X1 + 8X2 + 9X3 + 15X4 5.000 por presupuesto
2X1 + 3X2 + 3X3 1.800 horas de esfuerzo en
ventas
X3 150 unidades mnimas para cadenas
nacionales
No negatividad
Xi 0; i=1,4
Datos de entrada SOLVER
ELECTRONIC COMUNICATION
Distribuidores
Cadenas pedidos
Equipo
Equipos de nacionales por
Radios asignados a Marino
Oficina
de tiendas correo
Nmero de Radios
1
1
1
1 Max
Utlidades
90
84
70
60
304
USO DE
RESTRICCIONES
RECUROS
Presupuesto
10
Esfuerzo laboral
2
Contrato cadena nacion
22
8
3
9
3
1
Utilizado
LIMITE
15
42
5000
8
1800
1
150
No utiliz
4958.00
1792.00
-149.00
Anderson Sweeney Willams. Mtodos Cuantitativos para los Negocios. 7ma Edicin. Editorial
Pgina: 46
Investigacin Operativa I
Programacin Lineal
RESTRICCIONES
Presupuesto
Esfuerzo laboral
Contrato cadena
nacion
USO DE
RECUROS
10
2
8
3
9
3
15
Utilizado
LIMITE No utiliz
5000 5000
0.00
1800 1800
0.00
150
150
0.00
B
50
0.12
0.10
C
80
0.08
0.07
D
40
0.06 0.10
0.05 0.08
Pgina: 47
Investigacin Operativa I
Programacin Lineal
Definicin de
variables
X1 = Cantidad de acciones
opcin
A
X2 = Cantidad de acciones
opcin
B
X3 = Cantidad de acciones
opcin
C
X4 = Cantidad de acciones
opcin D
asignados a
asignados a
asignados a
asignados a
Funcin Objetivo
Zmin = 10X1 + 3.5X2 + 4.0X3 + 3.2X4
Restricciones
100X1 + 50X2 + 80X3 + 40X4 200.000
dlares
disponibles
12X1 + 4.0X2 + 4.8X3 + 4.0X4 0.09*200.000
rendimiento
100X1 0.5*200.000
inversin mxima de X1
50X2 0.5*200.000
inversin mxima de X2
80X3 0.5*200.000
inversin mxima de X3
40X4 0.5*200.000
inversin mxima de X4
No
negatividad
Xi 0; i=1,4
Datos entrada SOLVER
National Insurance Associates
Acciones
Accionea asignadas a A
Cantidad
1
Riesgo
10
B
1
3.5
D
1
4
1 Min
3.2
20.7
RESTRICCIONES
USO DE RECUROS
Dlares disponibles
100
50
80
Rendimiento annual
12
4
4.8
Invesin mx en A
100
Invesin mx en B
50
Invesin mx en C
80
Invesin mx en D
Utilizado
40
270
4
24.8
100
50
80
40
40
LIMITE No utiliz
200000 199730.00
18000 -17975.20
100000 99900.00
100000 99950.00
100000 99920.00
100000 99960.00
Anderson Sweeney Willams. Mtodos Cuantitativos para los Negocios. 7ma Edicin. Editorial
Thomson. Pgina 316. Problema 16.
23
Pgina: 48
Investigacin Operativa I
Programacin Lineal
RESTRICCIONES
Dlares disponibles
Rendimiento annual
Invesin mx en A
Invesin mx en B
Invesin mx en C
Invesin mx en D
USO DE
RECUROS
100
12
100
C
D
0 833.333333 2500 Min
3.5
4
3.2 14666.67
50
4
80
4.8
50
80
Utilizado
LIMITE No utiliz
40
200000 200000
0.00
4
18000
18000
0.00
33333.33 100000 66666.67
0 100000 100000.00
66666.67 100000 33333.33
40
100000 100000
0.00
Departamento
A
B
C
Tiempo
disponible
(horas)
400
400
400
Cartucho
Manija
Oswaldo Paul Rivadeneira
0.40
1.10
0.55
1.40
Pgina: 49
Investigacin Operativa I
Programacin Lineal
Definicin de
variables
X11 = Numero de bases para grapadoras producidas
X12 = Numero de cartuchos para grapadoras producidos
X13 = Numero de manijas producidas para grapadoras
producidas X21 = Numero de bases para grapadoras
adquiridas
X22 = Numero de cartuchos para grapadoras adquiridos
X23 = Numero de manijas para grapadoras adquiridas
Funcin Objetivo
Zmin = 0.75X11 + 0.40X12 + 1.10X13 + 0.95X21 + 0.55X22 + 1.40X23
Restricciones
0.03X11 + 0.02X12 + 0.05X13 400
0.04X11 + 0.02X12 + 0.04X13 400
0.02X11 + 0.03X12 + 0.01X13
400
X11 + X21 = 5.000 cantidad de
bases
X12 + X22 = 5.000
cantidad de
cartuchos X13 + X23 = 5.000
cantidad de manijas
No negatividad
Xij 0; i=1,2; j=1,3
Datos de entrada SOLVER
Unidades de
Cantidad
Costos
Anderson Sweeney Willams. Mtodos Cuantitativos para los Negocios. 7ma Edicin. Editorial
Thomson. Pgina 316. Problema 17.
24
Pgina: 50
Investigacin Operativa I
RESTRICCIONES
USO DE RECUROS
Horas Departamento A
0.03
0.02
Horas Departamento B
0.04
0.02
Horas Departamento C
0.02
0.03
Cantidad de bases
1
Cantidad de cartuchos
1
Cantidad de manijas
Programacin Lineal
0.05
0.04
0.01
1
1
1
Utilizado
0.1
0.1
0.06
2
2
2
=
=
=
LIMITE No utiliz
400
399.90
400
399.90
400
399.94
5000 4998.00
5000 4998.00
5000 4998.00
=
=
=
LIMITE No utiliz
400
0.00
400
0.00
400
137.50
5000
0.00
5000
0.00
5000
0.00
RESTRICCIONES
USO DE RECUROS
Horas Departamento A
0.03
0.02
Horas Departamento B
0.04
0.02
Horas Departamento C
0.02
0.03
Cantidad de bases
1
Cantidad de cartuchos
1
Cantidad de manijas
0.05
0.04
0.01
1
1
1
Min
11875
Utilizado
400
400
262.5
5000
5000
5000
25. Golf Shafts (GSI) produce palos de grafito para varios fabricantes de
palos de
golf. Dos instalaciones de fabricacin de GSI, una localizada en San Diego
y otra
en Tampa, tienen capacidad para producir palos en diversos grados de
rigidez,
desde modelos normales, principalmente utilizados por golfistas
promedio, hasta
modelos extrargidos, utilizados principalmente por golfistas con bajo
handicap y
profesionales. GSI acaba de recibir un contrato para la produccin de
200.000
palos normales y 75.000 rgidos. Dado que ambas plantas actualmente
estn
produciendo palos de golf para cumplir con rdenes anteriores, ningn
de las
plantas tiene capacidad suficiente, por si misma, para llenar el nuevo
pedido. La
planta de San diego puede producir hasta un total de 120.000 palos, y
la de
Tampa, hasta un total de 180.000 palos de golf. Debido a
diferencias en
equipamiento en cada una de las plantas y de distintos costos de mano
de obra,
los costos de produccin unitarios son distintos, como se
muestra a
continuacin:
Palo normal
Palo rgido
Pgina: 51
Investigacin Operativa I
Programacin Lineal
Definicin de
variables
X1 = Numero de unid. de palos de golf normales fabricados en San Diego
X2 = Numero de unid. de palos de golf extrargidos fabricados en San
Diego X3 = Numero de palos de golf normales fabricados en Tampa
X4 = Numero de palos de golf extrargidos fabricados en Tampa
Funcin Objetivo
Zmin = 5.25X1 + 5.45X2 + 4.95X3 + 5.70X4
Restricciones
X1 + X3 =
200.000
X2 + X4 = 75.000
X1 + X2
120.000
X3 + X4
180.000
No negatividad
Xi 0; i=1,4
Datos de entrada
SOLVER
Tampa
Cantidad
Costos
5.25
5.25
4.95
RESTRICCIONES
1 Min
5.7
USO DE RECUROS
Palos normales
Palos
extrargidos
Fabric. Tampa
Utilizado
1
1
21.15
LIMITE No utiliz
2 200000 199998.00
1
75000 74998.00
2 120000 119998.00
1
2 180000 179998.00
Anderson Sweeney Willams. Mtodos Cuantitativos para los Negocios. 7ma Edicin. Editorial
Thomson. Pgina 317. Problema 18.
25
Pgina: 52
Investigacin Operativa I
Programacin Lineal
Cantidad
Costos
20000
75000
5.25
5.25
RESTRICCIONES
180000
4.95
0 Min
5.7
USO DE RECUROS
Palos normales
Palos
extrargidos
Fabric. Tampa
Tampa
Utilizado
1
1
1E+06
LIMITE No utiliz
2E+05 200000
0.00
75000
0.00
75000
2E+05 180000
0.00
seleccionar la
mejor mezcla de inversiones para el cartera Hartmann.
b. Resuelva el modelo desarrollado en el inciso (a)
c. Cunto pueden variar los rendimientos de los tres fondos, antes
que Pfeiffer tenga que modificar la composicin de la
cartera de Hartmann?
d. Si Hartmann fuera mas tolerante al riesgo. qu aumento de
rendimiento podra esperar? Por ejemplo, Qu pasara si su
ndice de riesgo de cartera aumentara al 0.06?
Pgina: 53
Investigacin Operativa I
Programacin Lineal
Definicin de
variables
X1 = Cantidad de dlares asignados a valores de
crecimiento
X2 = Cantidad de dlares asignados a ingresos
X3 = Cantidad de dlares asignados a mercado de dinero
Funcin Objetivo
Zmax = 0.20X1 + 0.10X2 + 0.06X3
Restricciones
X1 0.10*300.000
para valores de
crecimiento X2 0.10*300.000
para
ingresos
X3 0.20*300.000 para mercado de
dinero X1 + X2 +X3 300.000 cartera
0.10X1 + 0.05X2 + 0.01X3 0.05*300.000 riesgo de cartera
No negatividad
Xi 0; i=1,3
Datos de entrada SOLVER
La Pfeiffer Company
Asignados a
Cantidad de
dlares
CrecimientoIngresos Mercado
1
Rendimiento
0.2
0.1
RESTRICCIONES
USO DE RECUROS
Crecimiento
0.06
0.1
0.05
LIMITE No utiliz
30000 -29999.00
30000 -29999.00
60000 -59999.00
0.01
0.16
Mercado de dinero
0.36
Utilizado
Ingresos
Riesgo
1 Max
15000
14999.84
Cartera
3 300000 299997.00
Anderson Sweeney Willams. Mtodos Cuantitativos para los Negocios. 7ma Edicin. Editorial
Thomson. Pgina 317. Problema 19
26
Pgina: 54
Investigacin Operativa I
Programacin Lineal
La Pfeiffer Company
Asignados a
Cantidad de
dlares
CrecimientoIngresos Mercado
120000
30000
0.2
RESTRICCIONES
USO DE RECUROS
Crecimiento
0.1
150000 Max
Rendimiento
0.06
Utilizado
Ingresos
LIMITE No utiliz
1E+05
30000 90000.00
30000
30000
2E+05
60000 90000.00
15000
15000
0.00
3E+05 300000
0.00
Mercado de dinero
36000
Riesgo
0.1
0.05
0.01
Cartera
0.00
Pgina: 55
Investigacin Operativa I
Programacin Lineal
Solucin b):
Formulacin del modelo:
Definicin de
variables
X1 = Cantidad de galones de vino
blanco
X2 = Cantidad de galones de vino
rosado
X3 = Cantidad de galones de jugo de
frutas
Funcin Objetivo
Zmax = 2.5*(X1+X2+X3) - 1X1 - 1.5X2 -0.5X3
Restricciones
X1 10.000 cantidad mxima de vino blanco
X2 8.000 cantidad mxima de vino rosado
X1 0.5(X1 +X2 + X3) dosificacin mxima de vino
blanco
X2 0.2(X1 +X2 +X3)
dosificacin mnima de vino
rosado
X2 0.3(X1 +X2 +X3)
dosificacin mxima de vino
rosado
X3 0.2(X1 +X2 +X3) dosificacin de jugo de frutas
No negatividad
Xi 0; i=1,3
Datos de entrada SOLVER
Galones de
La Pfeiffer Company
Vino
V.
Blanco
Rosado
Cantidad
Utilidad
Frutas
1 Max
1.5
RESTRICCIONES
USO DE RECUROS
Vino blanco
Vino rosado
4.5
Utilizado
1
LIMITE No utiliz
10000 9999.00
8000
7999.00
0.5
-1
-1
-1.5
-1.50
-0.2
0.8
-0.2
0.4
-0.40
-0.3
0.7
-0.3
-0.2
-0.2
0.8
0.1
0.4
0
0
-0.10
-0.40
Galones de
Cantidad
La Pfeiffer Company
Vino
V.
Blanco
Rosado
10000
3000
Frutas
2000 Max
Utilidad
1.5
22000
Pgina: 56
Investigacin Operativa I
Programacin Lineal
RESTRICCIONES
USO DE RECUROS
Vino blanco
Vino rosado
Utilizado
LIMITE No utiliz
10000
10000
3000
8000
0.00
5000.00
0.5
-1
-1
1E-08
0.00
-0.2
0.8
-0.2
6E-09
0.00
-0.3
0.7
-0.3
-0.2
-0.2
0.8
-1500
-1000
0
0
1500.00
1000.00
Definicin de
variables
X1 = nmero de minutos para noticias locales
X2 = nmero de minutos para noticias
nacionales X3 = nmero de minutos sobre
clima
X4 = nmero de minutos sobre deportes
Funcin Objetivo
Z min = 300X1 + 200X2 + 100X3 + 100X4
Restricciones
X1 15%(X1 + X2 + X3 + X4) tiempo noticias locales
X1 + X2 50%(X1 + X2 + X3 + X4) tiempo noticias locales y
nacionales X3 X4 tiempo de noticias del clima
X4 (X1 + X2) tiempo para deportes
X3 20%(X1 + X2 + X3 +X4) tiempo para clima
X1 +X2 + X3 + X4 = 20 tiempo disponible en
minutos No negatividad
Xi 0; i=1,4
Datos de entrada SOLVER
PROGRAMACIN CANAL 10
Pgina: 57
Investigacin Operativa I
MINUTOS en
Noticias
Programacin Lineal
Cantidad
Costos
300
200
100
RESTRICCIONES
1 Min
100
USO DE RECUROS
Noticias Locales
Not. Locales y Nac
700
Utilizado
LIMITE No utiliz
0,85
-0,15
-0,15
-0,15
0,4
-0,40
0,5
0,5
-0,5
-0,5
0,00
-1
0,00
-1
-1,00
0,2
4
0
20
-0,20
16,00
Noticias Clima
Noticias Deportes
Noticias Clima
Tiempo disponible
-0,2
-0,2
0,8
-0,2
300
200
100
RESTRICCIONES
Noticias Locales
Not. Locales y Nac
5 Min
100
USO DE RECUROS
3300
Utilizado
LIMITE No utiliz
0,85
-0,15
-0,15
-0,15
-2E-12
0,00
0,5
0,5
-0,5
-0,5
9E-12
0,00
-1
0,00
-1
-5,00
1
20
0
20
-1,00
0,00
Noticias Clima
Noticias Deportes
Noticias Clima
Tiempo disponible
-0,2
-0,2
0,8
-0,2
29. Gulf Coast Electronics est listo para asignar contratos para la
impresin de su
informe anual. Durante los ltimos aos, un informe anual a cuatro
colores ha
sido impreso por Johnson Printing y Likeside Litho. Una nueva
empresa,
Benson Printing, ha inquirido sobre la posibilidad de efectuar una
parte de la
impresin. El nivel de calidad y servicio de Likeside Litho ha
sido
extremadamente elevado; de hecho slo el 0,05% de sus informes
tuvieron que
ser descartados por problemas de calidad. Johnson Printing tambin ha
tenido
un nivel histrico elevado de calidad, produciendo un promedio de slo
1% de
informes no aceptables. Dado que la Gulf Coast Electronics no ha
tenido
experiencia con Benson Printing, ha estimado su tasa de defectos en
10%. A
Gulf Coast Electronics le gustara determinar cuantos informes
debern ser
impresos por cada una de estas empresas, para obtener 75.000
informes de
Pgina: 58
Investigacin Operativa I
Programacin Lineal
Definicin de
variables
X1 = cantidad de ejemplares asignados a Litho
X2 = cantidad de ejemplares asignados a
Johnson
X3 = cantidad de ejemplares asignados a
Benson
Funcin Objetivo
Zmax = 2.75X1 + 2.5X2 +2.45X3
Restricciones
99.5%X1 + 99%X2 + 90%X3 75.000 ejemplares de buena
calidad X3 10%X2 asignacin mnima Benson
X3 30.000 asignacin max a
Benson
X2 50.000 asignacin max a
Johnson
X1 50.000 asignacin max a Litho
X1 30.000 asignacin min a Litho
No negatividad
Xi 0; i=1,3
Datos entrada SOLVER
Ejemplares
Cantidad
Costos
RESTRICCIONES
Litho
Johnson Benson
2,75
2,5
1 Max
2,45
USO DE RECUROS
7,7
Utilizado
LIMITE No utiliz
Pgina: 59
Investigacin Operativa I
Programacin Lineal
Ejemplares de calidad
0,995
0,99
Johnson y Benson
-0,1
0,9
-0,90
30000 29999,00
50000 49999,00
50000 49999,00
30000
Ejemplares Benson
Ejemplares Johnson
0,9
1
1
Ejemplares Litho
Ejemplares Litho
2,885
7500074997,12
0
-29999
Litho
Cantidad
50000
Costos
RESTRICCIONES
2,75
Johnson Benson
0 28055,6 Max
2,5
2,45
206236
USO DE RECUROS
Utilizado
Ejemplares de calidad
0,995
0,99
0,9
Johnson y Benson
-0,1
28055,6
28055,6
30000 -1944,44
50000 50000,00
Ejemplares Benson
Ejemplares Johnson
Ejemplares Litho
Ejemplares Litho
1
1
LIMITE No utiliz
75000
50000
50000
750000,00
0 28055,56
50000
30000
0,00
20000
28
Pgina: 60
Investigacin Operativa I
Programacin Lineal
Sujeto a:
2X1 + 3X2 120 (recurso mquina 1)
2X1 + 1.5X2 80 (recurso mquina 2)
X1 0
(no negatividad)
X2 0
(no negatividad)
Datos de entrada para Solver
Solucin: opcin b)
Solucin
Z max
X1
X2
a)
213.33
20
25
b)
213.33
20
26.667
c)
313.33
25
26.667
d)
213.33
15
25
e)
213.33
20
16.667
acero se
Oswaldo Paul Rivadeneira
Pgina: 61
Investigacin Operativa I
Programacin Lineal
requiere para cada dos toneladas de trozo; (2) una hora de tiempo de
procesamiento se requiere por cada tonelada de acero, y se requieren
cuatro
horas de tiempo de procesamiento por cada tonelada de trozo; (3) el
acero
y
el
trozo se combinan linealmente para hacer la aleacin. La prdida en
proceso
del
acero es 10 por ciento y la prdida en proceso del trozo es 20 por ciento.
Aunque
la produccin puede exceder la demanda, un mnimo de 40
toneladas
de
la
aleacin debe fabricarse. Para mantener el funcionamiento de la
planta
eficazmente, un mnimo de 80 horas de tiempo de procesamiento debe
usarse.
El
suministro tanto de los trozos como del acero es adecuado para la
produccin
de
la aleacin. El objetivo del fabricante es producir la aleacin a un costo
mnimo.29
La formulacin matemtica al problema de programacin lineal puede
plantearse de la siguiente manera
Dado,
X1 = nmero de toneladas de acero para produccin de
aleacin
X2 = nmero de toneladas de trozo para produccin de
aleacin
Minimizar el costo Z = 50X1 + 20X2
Anlisis:
(1) un mnimo de una tonelada de acero se requiere por cada dos
toneladas
de
trozo
1
X1
2
X 2 ; X 2 2X1 ; X2 - 2X1 0 ; 2X1 - X2 0
(2) se necesitan una hora de procesamiento por cada tonelada de
acero y
cuatro horas de tiempo de procesamiento por cada tonelada de
trozo y un
mnimo de 80 horas
1X1 + 4X2 80
(3) La prdida en proceso es del 10% de acero y el 20% de trozo,
demanda
mnima d 40 toneladas de aleacin
rendimiento del acero (1-10%)X1
rendimiento del trozo (1-20%)X2
(1-10%)X1 + (1-20%)X2 40
0.90X1 + 0.80X2 40
Sujeto a:
2X1 - X2 0
1X1 + 4X2 80
0.90X1 + 0.80X2
X1 0
29
(1)
(2)
40 (3)
(no negatividad)
Pgina: 62
Investigacin Operativa I
X2 0
Programacin Lineal
(no negatividad)
Solucin: opcin a)
Solucin
Z max
X1
X2
a)
1.440
16
32
b)
1.440
32
16
c)
144
16
26.667
d)
1.440
15
25
e)
1.044
32
16.667
Pgina: 63
Investigacin Operativa I
Programacin Lineal
1200
X2 = Cantidad de unidades del modelo Z1500
X1 + 40 X2 Restricciones:
2 X1 + 0 X2 300
por Dep. 1
0 X1 + 3 X2 540
por Dep. 2
2 X1 + 2 X2 440
por Dep. 5
por Dep. 4
No
negatividad:
X i 0; i = 1, 2
Solucin grfica por computador (usando el GLP)
Z-
Pgina: 64
Investigacin Operativa I
Programacin Lineal
Datos de entrada
Pgina: 65
Investigacin Operativa I
Datos de salida:
Programacin Lineal
Pgina: 66
Investigacin Operativa I
Programacin Lineal
33. Reddy Mikks produce pinturas tanto para interiores como para exteriores
a partir
de dos materias primas, M1 y M2. La siguiente tabla proporciona los datos
bsicos
del problema:
$4
No
negatividad:
X i 0; i = 1, 2
por disp.
M1 por
prima M2
de pint.
diaria
Materia prima
disp. Materia
mximo diario
Int. demanda
31
Pgina: 67
Investigacin Operativa I
Programacin Lineal
Datos de salida:
Oswaldo Paul Rivadeneira
Pgina: 68
Investigacin Operativa I
Programacin Lineal
Solucin:
Producir diariamente 3 toneladas de pintura para exteriores y 1.5
toneladas
de
pintura para interiores, para producir una ganancia mxima de $
21.000,00
Solucin mltiple: respuesta correcta c)
Rubro
Pint. Ext (ton)
Pint. Int (ton)
Ganan. max.($)
a
1.5
3.0
21.000
b
3.0
1.5
20.000
Respuestas
c
3.0
1.5
21.000
d
1.5
1.5
20.000
e
3.5
2.0
21.000
34. Ozark Farms utiliza diariamente 800 libras de alimento especial. El alimento
especial es una mezcla de maz y semilla de soya, con las
siguientes composiciones:
Maz
Semilla de Soya
Pgina: 69
Investigacin Operativa I
Programacin Lineal
por
protenas
por fibra
produccin
X i 0; i = 1, 2
Pgina: 70
Investigacin Operativa I
Programacin Lineal
Datos de entrada
Datos de Salida:
Solucin:
470.59 libras de maz,
329.41 libras de semilla de soya
costo mnimo del alimento: 437.65 por da.
Solucin mltiple: respuesta correcta b)
a)
b)
c)
d)
e)
$ 457.65 por da
$ 437.65 por da
$ 417.65 por da
$ 517.65 por da
$ 537.65 por da
Pgina: 71
Investigacin Operativa I
Programacin Lineal
No
negatividad
Xi 0; i= 1, 2
Solucin GLP
X2
PayOfptim.alDecisions(X1,X2): ( 4.0,46.0)
: 1.0X1 + 1.0X2 <= 10.0
: 1.0X1 - 1.0X2 <= 0.0
: 1.0X1 + 0.0X2 <= 4.0
33
X1.0
0 X.2 0= 2
Pgina: 72
X0.2
Investigacin Operativa I
Programacin Lineal
Rubro
Juega
Trabaja
Satisfaccin max
a
1.5
3.0
14.0
b
3.0
6.0
20.0
Respuestas
c
3.0
6.0
14.0
d
4.0
6.0
14.0
e
6.0
2.0
21.000
aumenta
por hora, l supone que el estrs total al final de la semana es
proporcional al
Pgina: 73
Investigacin Operativa I
Programacin Lineal
Definicin de
variables
X1 = nmero de horas de trabajo en la
tienda
1
X2 = nmero de horas de trabajo en la
tienda 2
Funcin objetivo: Minimizar Z = 8X1 + 6X2
Restricciones:
X1 5
X1 12
X2 6
X2 10
X1 + X2 20
No
negatividad
Xi 0; i = 1, 2
Solucin GLP
: 1.0 x1 + 0.0 X2 =
5.0
X2
12
11
: 0.0 x1 + 1.0 X2 = 10.0
109
8
7
6
5
: 0.0 x1 + 1.0 X2 =
: 1.0 x1 + 0.0 X2 = 12.0
43
2
1
0
0
10
11
12
x1
6.0
34
Pgina: 74
Investigacin Operativa I
Programacin Lineal
Solucin:
John debe trabajar 10 horas a la semana en la tienda 1 y 10 horas en la
tienda
Rubro
Tienda 1
Tienda 2
Estrs min
a
11
11
14.0
b
10
10
20.0
Respuestas
c
10
6.0
14.0
d
10
10
140
e
10
10
21.000
Pgina: 75
Investigacin Operativa I
Programacin Lineal
Definicin de
variables
X1 = nmero de unidades del modelo S1000
X2 = nmero de unidades del modelo S2000
Pgina: 76
Investigacin Operativa I
Programacin Lineal
X2
240
228
216
204
192
180
: 4.5 X1 +
1.5 X2 = 1600.0
168156
1321
44
: 4.0 X1 +
2.0 X2 = 1600.0
341
357
120
108
96
84
72
60
48
36
24
12
0
221
229
237
245
253
261
269
277
285
293
301
309
317
325
333
349
365
Pgina: 77
373
381
389
Investigacin Operativa I
Programacin Lineal
Rubro
Modelo S-1000
Modelo S-2000
Contribucin max
a
255.5
0.0
14.210
Respuestas
b
c
355.5
355.5
0.0
10.0
14.222,2
14.222,2
d
350
6.0
14.220
e
350
10.0
14.222,2
del
problema
Definicin
de
variables
X1 = nmero de libras del ingrediente X1
Pgina: 78
Investigacin Operativa I
Programacin Lineal
11X3 Restricciones:
X1 + X2 + X3 =
cantidad
10.000 X1 3.000
produccin
X2 1.500
de X1
X3 2.000
cantidad
No
negatividad
Xi 0; i = 1, 3
cantidad
X3
Solucin:
b)
c)
cantidad
de
X2
a)
de
de
Pgina: 79
Investigacin Operativa I
Programacin Lineal
Rubro
Ingrediente X1
Ingrediente X2
Ingrediente X3
Costo min
Hay sobrantes?
a
3.000
5.000
2.000
96.000
No
Respuestas
c
3.000
6.000
1.000
69.000
No
b
2.500
6.000
1.500
69.000
Si
d
4.000
4.000
2.000
96.000
Si
e
3.000
5.000
2.000
69.000
No
25 unidades
Producto L
30 unidades
Producto M
30 unidades
Producto N
25 unidades
Tiempo
Departamento
(horas)
requerido
por
producto disponible la
semana
prox. (horas)
400
Departamento
0.25
0.20
0.15
0.25
1000
0.30
0.40
0.50
0.30
500
Departamento
0.25
0.30
0.25
0.30
500
0.25
0.25
0.25
0.25
$ 9.00
$ 8.00
$ 10.0
Departamento
4
Contribucin
por unidad
$ 10.50
Pgina: 80
Investigacin Operativa I
Programacin Lineal
Producto K
1 533 unidades
Producto L
30 unidades
Producto M
30 unidades
Producto N
25 unidades
Definicin de variables
X1
Nmero
de
producto
X2
=
=
Nmero
de
unidades
del
L
Nmero
de
producto
X4
del
producto
X3
unidades
unidades
del
M
Nmero
de
unidades
del
producto N
Funcin objetivo:
Maximizar Z = 10.5X1 + 9.0X2 + 8.0X3 + 10.0X4
Restricciones
0.25X1 + 0.20X2 + 0.15X3 + 0.25X4 400
Disp. Dep. 1
Disp. Dep. 3
X1 25
Venta mnima de K
X2 30
Venta mnima de L
X3 30
Venta mnima de M
X4 25
Venta mnima de N
No negatividad
Xi 0; i = 1,4
37
Pgina: 81
Investigacin Operativa I
Programacin Lineal
d
No
16.856.5
18.500.0
950
30
956.0
25
e
Si
16.500.0
14.500.0
976
30
950.0
35
Pgina: 82
Investigacin Operativa I
Programacin Lineal
$ 100
$ 150
$ 125 $ 140
$ 80
$ 135
$ 120 $ 135
$ 110
$ 150
$ 100 $ 110
1000
3000
4000
6000
3.0
3.6
2.0
3.5
10.0
8.0
9.0
1.0
1.0
0.5
0.5
Departamento 31
4.0
4.0
2.0
4.0
Departamento 32
5.0
8.0
4.0
3.0
Mtodo A
Departamento 20
Departamento 21
Departamento 22
9.0
Mtodo B
Pgina: 83
Investigacin Operativa I
Programacin Lineal
Departamento 31 10 000
Departamento 32 10 000
Formulacin
del
problema:
Definicin
de
variables
X11 = Nmero de unidades del producto 1 elaborados con el
mtodo
Venta producto 1
Venta producto 2
Venta producto 3
Venta producto 4
Horas Dep. 21
No negatividad
Xij 0; i= 1,4; j = 1,2
Datos de entrada para el solver
Pgina: 84
Investigacin Operativa I
Solucin:
P1= 1 000 unidades (Mtodo
A)
P2= 3 000 unidades (Mtodo
A)
P3= 600 unidades (Mtodo A)
P3= 1 000 unidades (Mtodo
B)
P4= 2 000 unidades (Mtodo
B)
Contribucin, $ 153 000,00
Programacin Lineal
41. Una fbrica elabora dos productos, A, B. Cada uno de ellos debe ser
procesado
en dos mquinas diferentes. Una mquina tiene una capacidad
disponible de 24
Pgina: 85
Investigacin Operativa I
Programacin Lineal
Resumen:
Productos
Mquinas
1
2
Utilidad en $
A
2 horas
2 horas
6
B
3 horas
1 hora
7
del
del
No
negatividad
Xi 0 ; i = 1, 2
Solucin con GLP
capacidad de mquina
1
capacidad de mquina
2
Capacidad de
las mquinas
24 horas
16 horas
Bonini, Hansman, Bierman. Anlisis Cuantitativo para los Negocios. Novena Edicin. Irwin
McGrawHill. Pag. 43
39
Pgina: 86
Investigacin Operativa I
Programacin Lineal
9
8
7
2 X1 +
1 X2 =
16
6
:
2 X1 +
3 X2 =
24
4
3
Payoff:
6 X1 +
7 X2 =
64
11
12
2
1
0
Optimal Decisions(X1,X2): (
: 2X1 +
3X2 <= 24
: 2X1 +
1X2 <= 16
3
6,
10
13
14
4)
Pgina: 87
15
16
Investigacin Operativa I
Programacin Lineal
Solucin:
X1 = 6
X2 = 4
Z = 64
42. Al mezclar diferentes hidrocarburos, se obtiene gasolina de diferentes
grados,
que es el resultado directo de las operaciones de refinera. En una
operacin
real de refinacin, se realizan varias mezclas de hidrocarburos, que dan
muchas
clases de gasolina como producto final (por ejemplo, gasolina de
distintos
grados para avin y para carro), con caractersticas importantes
para
los
distintos grados de la composicin de la gasolina (por ejemplo,
octanaje,
presin del vapor, contenido de azufre y contenido de oxidante).
En este ejemplo simplificado, se supone que una refinera dispone slo
de dos tipos de gasolina, cuyas caractersticas se presentan en la
siguiente tabla:
Caractersticas de las mezclas de gasolina
Mezclas
disponibles
Octanaje
Gasolina tipo 1 104
Gasolina tipo 2 94
Presin de
vapor
5
9
Cantidad
Disponible
30 000 barriles
70 000 barriles
Precio
De venta
(por barril)
$45.10
$32.40
7
Oswaldo Paul Rivadeneira
Pgina: 88
Investigacin Operativa I
Programacin Lineal
de gasolina Tipo
avin
de gasolina Tipo
carro
de gasolina Tipo
avin
de gasolina Tipo
Bonini, Hansman, Bierman. Anlisis Cuantitativo para los Negocios. Novena Edicin. Irwin
McGrawHill. Pag. 46
40
Pgina: 89
Investigacin Operativa I
Programacin Lineal
Solucin:
Z = 3355.454.5
X1 = 7.272,72
X2 = 22.727,27
X3 = 1.818,18
X4 = 68.181,82
43. Una fbrica produce cuatro artculos: A, B, C y D. Cada cantidad del
producto A
requiere de dos horas de maquinado, una hora de montaje y $10 de
inventario
en proceso. Cada unidad del producto B requiere de una hora de
maquinado,
tres horas de montaje y $5 de inventario en proceso. Cada unidad del
producto
C requiere de dos y media horas de maquinado, dos y media horas de
montaje
y $2 de inventario en proceso. Finalmente, cada unidad del producto D
requiere
de cinco horas de maquinado, ninguna de montaje y $12 de
inventario en
proceso.
Pgina: 90
Investigacin Operativa I
Programacin Lineal
Resumen:
Proceso
Maquinado
Montaje
Inventario
Utilidad
A
2 hr
1 hr
$10
$40
Producto
B
C
1 hr
2,5 hr
3 hr
2,5 hr
$5
$2
$24
$36
D
5 hr
0 hr
$12
$23
Disponible
(horas)
120.000
160.000
1000.000
del
del
del
del
20.000
X3
16.000
X4
10.000
No
negatividad:
Xi 0 ; i = 1, 4
Bonini, Hansman, Bierman. Anlisis Cuantitativo para los Negocios. Novena Edicin. Irwin
McGrawHill. Pag. 57
41
Pgina: 91
Investigacin Operativa I
Programacin Lineal
Solucin:
Z
=
1830.000
X1 = 10.000
X2 = 50.000
X3 = 0
X4 = 10.000
44. La U-Save Loan Company est planeando sus operaciones para el
prximo ao.
La empresa hace cinco tipos de prstamos, que se indican a
continuacin, con
un retorno anual (en porcentaje) para ella.
Tipo de prstamo
Prstamos quirografarios
Prstamos para muebles
Prstamos para automviles
Hipotecas de bienes races en segundo grado
Retorno anual
15
12
9
10
Pgina: 92
Investigacin Operativa I
Programacin Lineal
Formulacin
del
Problema: Definicin de
variables
X1 = Monto en dlares para Prstamos Quirografarios
X2 = Monto en dlares para Prstamos para Muebles
X3 = Monto en dlares para prstamos para Automviles
X4 = Monto en dlares para Hipotecas de bienes races en segundo
grado
X5 = Monto en dlares para Hipotecas de bienes races en primer
grado
Funcin objetivo:
Maximizar Z = 0.15X1 + 0.12X2 + 0.09X3 + 0.10X4 + 0.07X5
Restricciones
X1 0.10 (X1 +X2 +X3 + X4 + X5) lmite en monto de pres. quirograf.
0.90X1 - 0.10X2 - 0.10X3 - 0.10X4 - 0.10X5 0
X1 + X2 0.20 (X1 + X2 + X3 + X4 + X5) lmite en monto para prest.
0.80X1 + 0.80X2 - 0.20X3 - 0.20X4 - 0.20X5 0 quiro. + muebles
X5 0.40 (X4 + X5)
lmite de monto en hipotecas
- 0.40X4 + 0.60X5 0
X5 0.20 (X1 + X2 + X3 + X4 + X5) lmite monto del total de prest.
- 0.20X1 - 0.20X2 - 0.20X3 - 0.20X4 + 0.80X5 0
X4 0.25(X1 + X2 + X3 + X4 + X5) lmite en hipotecas de 2do grado
- 0.25X1 - 0.25X2 - 0.25X3 + 0.75X4 - 0.25X5 0
X1 + X2 + X3+ X4 + X5 1500.000 monto disponible
Bonini, Hansman, Bierman. Anlisis Cuantitativo para los Negocios. Novena Edicin. Irwin
McGrawHill. Pag. 58
42
Pgina: 93
Investigacin Operativa I
Programacin Lineal
No
negatividad
Xi 0 ; i = 1, 5
Datos de entrada para el Solver
Precio de venta
Costo incremental
Utilidad incremental
Producto A
$60
$30
$30
Producto B
$40
$10
$30
Pgina: 94
Investigacin Operativa I
Programacin Lineal
30.000 X1 8.000
X2 12.000
del
del
Z = 30X1 +
por mano de
obra venta de A
venta de B
No negatividad
Xi 0 ; i = 1, 2
Solucin GLP
Payoff: 30.0 X1 + 30.0 X2 = 540000.0
X2
1199
1140
1080
1021
9615
9020
8425
7830
7235
6640
6045
5450
4855
4260
3665
3070
2475
1880
1285
690
95
0.0 X1 +
1.0 X2 = 12000.0
: 3.0 X1 +
1.0 X2 = 30000.0
30
428
826
4408 4806 5204 5602 6000 6398 6796 7194 7592 7990
X1
Bonini, Hansman, Bierman. Anlisis Cuantitativo para los Negocios. Novena Edicin. Irwin McGrawHill. Pag. 58
43
Pgina: 95
Investigacin Operativa I
Programacin Lineal
Ingrediente
A
B
C
D
Porcentaje de
Protenas
40
20
10
5
Porcentaje de
Grasa
10
15
35
40
Costo por
Libra
$1.80
$0.75
$0.40
$0.15
Pgina: 96
Investigacin Operativa I
Programacin Lineal
la
a
Bonini, Hansman, Bierman. Anlisis Cuantitativo para los Negocios. Novena Edicin. Irwin
McGrawHill. Pag. 58
44
Pgina: 97
Investigacin Operativa I
Programacin Lineal
0.6667X1 + 2.0X2 16
5.3334X1 + 4.0X2 64
No
negatividad
Xi 0 ; i = 1, 2
Solucin GLP
45
horas de corte
horas de ensamblaje
horas
de
preacabado
horas acabado final
Pgina: 98
Investigacin Operativa I
Programacin Lineal
12
11
10
9
8
: 5.333 X1 + 4.000 X2 = 64.000
7
6
5
3
2
1
0
0
10
11
12
13
14
15
16
Pgina: 99
17
18
19
Investigacin Operativa I
Programacin Lineal
Definicin de
variables
X1 = Cantidad de Kg. de ingrediente
Tipo
1
X2 = Cantidad de Kg. de ingrediente
Tipo 2
No
negatividad
Xi 0 ; i = 1, 2
Son ecuaciones redundantes, para su solucin se asume que cumplirn al
menos los pedidos de los ingredientes, sus resultados sern analizados
por un dietista para no incurrir en daos a los pollos, entonces:
Restricciones
100X1 + 200X2 90
80X1 + 150X2 48
40X1 + 20X2 20
10X1 + 0X2 1.5
46
Nutriente A
Nutriente B
Nutriente C
Vitamina X
Pgina: 100
Investigacin Operativa I
Programacin Lineal
Pgina: 101
Investigacin Operativa I
Programacin Lineal
Pgina: 102
Investigacin Operativa I
Programacin Lineal
0.0834X1 + 0.0834X2 1
toneladas de C
No negatividad
Xi 0; i = 1, 2
Solucin GLP
9
8
6
5
4
3
1
0
16
0
10
11
12
13
14
17
18
19
20
21
22
23
15
Pgina: 103
24
X1
Investigacin Operativa I
Programacin Lineal
Formulacin
del
Problema
Definicin de variables
X1 = Cantidad en millones de dlares para inversin a corto
plazo
X2 = Cantidad en millones de dlares para inversin a largo
plazo
Funcin objetivo: Maximizar Z = 0.10X1 + 0.15X2
Restricciones
X1 + X2 20
X2 0.80(X1 + X2)
0.80X1 - 0.20X2
0
X2 0.40(X1 + X2)
0.40X1 - 0.60X2
0 X2/X1 3/1
3X1 - X2 0
No
negatividad
Xi 0 ; i = 1, 2
Solucin GLP
largo plazo
48
Pgina: 104
Investigacin Operativa I
Programacin Lineal
9
8
7
6
5
: 1.0 X1 + 1.0 X2 = 20.0
4
3
2
1
0
0
10
11
12
13
14
15
X1
8.0)
Pgina: 105
Investigacin Operativa I
Programacin Lineal
Moldeado
Modelo (h/unid)
1
2.8
2
2.1
3
4
4
3
Capac./
semana 48 h
Ensamble
(h/unid)
5
3
6
4
Acabado
(h/unid)
10
7.5
12
3
Compuesto de
moldeado
Beneficio
(gal/unid)
($/unid)
200
160
200
124
280
212
220
170
96 h
160 h
4800 gal
del
del
del
del
49
Pgina: 106
Investigacin Operativa I
Programacin Lineal
X4 8
No
negatividad
Xi 0 ; i = 1, 4
Datos de entrada para Solver
S
6
T
3
Cdigo
A
B
C
1
2
1
10
6
9
16
B1
B2
C1
Pgina: 107
Investigacin Operativa I
Programacin Lineal
2
Costo var
/min ($)
0.40
10
0.50
0.24
0.30
C2
del
1
del
1
del
2
del
1
del
producto A, con el
producto B, con el
producto B, con el
producto C, con el
producto C, con el
Funcin objetivo:
Minimizar Z = 0.40(10X1 + 8X2 + 8X4) + 0.50(6X3 + 10X5) + 0.24(6X1
+10X2 + 16X4 + 3X5) + 0.30(3X1 + 9X3 + 8X5)
Minimizar Z = 6.34X1 + 5.6X2 + 5.7X3 + 7.04X4 + 8.12X5
Restricciones
10X1 + 8X2 + 8X4
capacidad maquina
480 6X3 + 10X5 480
X
6X1 +10X2 + 16X4 + 3X5
capacidad maquina
480 3X1 + 9X3 + 8X5 480 Y
X1 36
capacidad maquina
X2 + X3 45
S
X4 + X5 10
capacidad maquina
T
demanda del producto A
No
demanda del producto
negatividad
B
Xi 0 ; i = 1, 4
demanda del producto
C
Datos de entrada para Solver
50
Pgina: 108
Investigacin Operativa I
Programacin Lineal
51
Pgina: 109
Investigacin Operativa I
Programacin Lineal
Cantidad
Disponible
(onz)
48
72
64
72
24
18
Formulacin
del
problema:
Definicin de variables:
X1 = Nmero de tragos de Chauncies
X2 = Nmero de tragos de Rusos Negros
X3 = Nmero de tragos de Italianos Dulces
X4 = Nmero de tragos de Ccteles Molotov
X5 = Nmero de tragos de Whisky en las Rocas
Funcin objetivo: Maximizar Z = X1 + X2 + X3 + X4 + X5
Restricciones:
2/3*4 X1 + 4X5 48
2X1 + 3X5 36
por contenido de whisky
*4X2 + 2/3*4X4 72
9X2 + 8X4 216
por contenido de Vodka
*4X3 + 1/3*4X4 64
3X3 + 4X4 192
por contenido de Vermouth Blanco
1/3*4X1 + 2/4*4X3 72
4X1 + 6X3 216
por contenido de vermouth Rojo
*4X3 24
X3 24
por contenido de Brandy
*4X2 18
X2 18
por contenido de Licor de Caf
2X2 X4
2X2 - X4 0
relacin de Ccteles Molotov/Rusos Negros
No negatividad
Xi 0 ; i = 1, 5
Solucin:
Datos de entrada para Solver
Pgina: 110
Investigacin Operativa I
Programacin Lineal
variables)
La toma de decisiones requiere la consideracin de los siguientes
factores importantes:
a. El margen de contribucin unitaria de ProTrac es de $ 5.000 por
cada
E-9 vendida y de $ 4.000 por cada F-9
b. Cada producto pasa por las operaciones de maquinado, tanto
en el
departamento A como en el departamento B.
Oswaldo Paul Rivadeneira
Pgina: 111
Investigacin Operativa I
Programacin Lineal
Dep. A
Dep. B
Hora de prueba
Maq. E-9
10
20
30
HORAS
Maq. F-9
15
10
10
Total disponible
150
160
135 (150-10%)
2. Funcin objetivo
Maximizar Z = 5000 E-9 + 4000 F-9
3.
Restricciones (ecuaciones
restriccin)
10(E-9) + 15(F-9) 150
20(E-9) + 10(F-9)
160
30(E-9) + 10(F-9)
135
1(E-9) - 3(F-9) 0
1(E-9) + 1(F-9) 5
1(E-9) 0
1(F-9) 0
52
de
Pgina: 112
Investigacin Operativa I
Programacin Lineal
Solucin grfica:
Pgina: 113
Investigacin Operativa I
Programacin Lineal
Pgina: 114
Investigacin Operativa I
Programacin Lineal
55. La empresa Crawler Tread, desea mezclar minerales de hierro de cuatro minas
distintas para fabricar rodamientos destinados a un nuevo producto de
Protrac:
un tractor tipo oruga de tamao mediano, el E-6, diseado
especialmente
para
competir en el mercado europeo. Por medio del anlisis se ha
demostrado
que
,
para producir una mezcla dotada de las cualidades de traccin
adecuadas,
deben cumplirse requerimientos mnimos en relacin con tres elementos
bsicos
que, para simplificar, sealaremos aqu como A, B, C. En trminos
especficos,
cada tonelada de mineral deber contener cuando menos cinco
libras
del
elemento bsico A, 100 libras del elemento bsico B y 30 libras del
elemento
bsico C.
El mineral extrado de cada una de las cuatro minas posee los tres
elementos bsicos, pero en cantidades distintas. Estas composiciones
expresadas en libras por tonelada, se enumeran en la siguiente tabla:
Composiciones obtenidas de cada mina
Elemento
MINA (libras por tonelada de cada elemento)
bsico
1
2
3
4
A
10
3
8
2
B
90
150
75
175
C
45
25
20
37
Costo/tonelada de
mineral
$ 800
$ 400
$ 600
$ 500
El objetivo del administrador es descubrir una mezcla
mnimo.53
Formulacin del problema:
1. Definicin de variables
T1 = fraccin de toneladas
mina
1
T2 = fraccin de toneladas
mina
2
T3 = fraccin de toneladas
mina
3
T4 = fraccin de toneladas
mina 4
de la
de la
de la
de la
2. Funcin objetivo
Minimizar Z = 800 T1 + 400 T2 + 600 T3 + 500 T4
3. Restricciones
10 T1 + 3 T2 + 8 T3 + 2 T4 5 (elemento A)
90 T1 + 150 T2 + 75 T3 + 175 T4 100 (elemento B)
factible decosto
45 T1 + 25 T2 + 20 T3 + 37 T4 30 (elemento A)
T1 +
T2 +
T3 +
T4 = 1 (balance)
T1, T2, T3, T4 0 (no negatividad)
53
Pgina: 115
Investigacin Operativa I
Programacin Lineal
Resultados :
Pgina: 116
Investigacin Operativa I
Programacin Lineal
No
negatividad
Xi 0 ; i = 1, 2
Solucin GLP
54
Pgina: 117
Investigacin Operativa I
Programacin Lineal
X2
40
38
36
34
32
30
28
26
24
22
20
18
16
1412
: 0.0 X1 +
108
6
4
2
0
: 1.0 X1 +
1.0 X2 = 50.0
0.0 X2 = 70.0
10
15
20
25
30
35
40
45
50
55
60
65
70
75
80
85
90
95
100
X1
Pgina: 118
Investigacin Operativa I
Programacin Lineal
57. De los muchos productos que fabrica la Arco Manufacturing Company, slo los
productos C, D, E y F pasan por los siguientes departamentos: cepillado,
fresado, taladrado y ensamble. Los requerimientos por unidad de
producto en horas y contribucin son los siguientes:
Departamento
Producto CepilladoFresado Taladrado EnsambleContr./Unidad
C
0.5
2.0
0.5
3.0
$8
1.0
1.0
0.5
1.0
$9
1.0
1.0
1.0
2.0
$7
0.5
1.0
1.0
3.0
$6
Capacidad(horas)ProductoReq. Mnimos
Cepillado
1800
100 unidades
Fresado
2800
600 unidades
Taladrado
3000
500 unidades
Ensamble
6000
400 unidades
55
del
del
del
del
Thierauf. Toma de Decisiones por medio de Investigacin de Operaciones. Limusa. Pag. 274
Pgina: 119
Investigacin Operativa I
Programacin Lineal
+ 1.0X3
+ 1.0X3
+ 1.0X3
+ 2.0X3
+ 0.5X4
+ 1.0X4
+ 1.0X4
+ 3.0X4
1.800
2.800
3.000
6.000
capacidad Cepillado
capacidad Fresado
capacidad Taladrado
capacidad Ensamble
venta de C
venta de D
venta de E
venta de F
No
negatividad
Xi 0 ; i = 1, 4
Datos de entrada para el Solver
Pgina: 120
Investigacin Operativa I
Programacin Lineal
ACCIONES
Gofer Crude
Can Oil
Sloth Petroleum
PRECIO POR
ACCION($)
60
25
20
RENDIMIENTO
ANUAL
ESTIMADO POR
ACCION ($)
7
3
3
INVERSION
MAXIMA POSIBLE
($)
60.000
25.000
30.000
56
Pgina: 121
Investigacin Operativa I
Programacin Lineal
RETRIBUCION
ESPERADA (%)
8
6
12
INVERSION MAXIMA
(MILLONES DE $)
5
7
2
Ttulos Municipales
57
Pgina: 122
Investigacin Operativa I
Programacin Lineal
Pgina: 123
Investigacin Operativa I
Programacin Lineal
Modelo
A
B
C
C sin pintar
Capacidad
Corte
(hrs)
3
1
4
4
150
Montaje
(hrs)
4
2
5
5
200
Pintura
(hrs)
5
5
4
0
300
Ganancia por
mesa ($)
25
20
50
30
Solucin al problema
Definicin de variables
X1 = Cantidad de mesas Modelo A
X2 = Cantidad de mesas Modelo B
X3 = Cantidad de mesas Modelo C
X4 = Cantidad de mesa Modelo C sin pintar
Funcin objetivo: Maximizar Z = 25X1 + 20X2 + 50X3 +
30X4 Restricciones
3X1 + X2 + 4X3 + 4X4 150
horas en Corte
4X1 + 2X2 + 5X3 + 5X4 200
horas en Montaje
5X1 + 5X2 + 4X3 + 0X4 300
horas en Pintura
58
Pgina: 124
Investigacin Operativa I
Programacin Lineal
No
negatividad
Xi 0 ; i = 1, 4
Datos de entrada para Solver
COSTO POR
LIBRA($)
0.45
0.38
0.27
PROTEINAS
(%)
62
55
36
CARBOHIDRATOS
(%)
5
10
20
GRASAS
(%)
3
2
1
Pgina: 125
Investigacin Operativa I
Programacin Lineal
Definicin de variables
X1 = Cantidad en libras de producto
A
X2 = Cantidad en libras del
producto
B
X3 = Cantidad en libras del
producto C
Funcin objetivo: Minimizar Z = 0.45X 1
0.27X3 Restricciones
0.62X1 + 0.55X2 + 0.36X3 0.5
0.05X1 + 0.10X2 + 0.20X3 0.0625
0.03X1 + 0.02X2 + 0.01X3 0.03125
No negatividad
Xi 0 ; i = 1, 3
+ 0.38X2 +
por protenas
por carbohidratos
por grasas
62. McNaughton, Inc. Produce dos salsas para carne: Spicy Diablo y Red
Baron (la
ms suave). Esta salsa de hacen mezclando dos ingrediente, A y B. Se
permite
cierto nivel de flexibilidad en las frmulas de estos productos. Los
porcentajes
permisibles, as como la informacin de ingresos y costos,
aparecen en la
siguiente tabla. Es posible comprar hasta 40 litros de A y 30 de B.
McNaughton
Pgina: 126
Investigacin Operativa I
Programacin Lineal
lineal cuyo objetivo sea maximizar las ganancias netas obtenidas por la venta de
estas salsas.60
INGREDIENTE
PRECIO DE VENTA
SALSA
A
B
POR LITRO
Spicy Diablo Cuando menos 25% Cuando menos 50% 3.35
Red Baron
Cuando mucho 75% *
2.85
Costo por litro 1.60
2.59
* no existe un porcentaje mximo o mnimo explcito
Solucin del problema
Definicin de variables
X1 = Cantidad de litros de ingrediente A para Salsa Spicy
Diablo
X2 = Cantidad de litros de ingrediente A para Salsa Red
Baron
X3 = Cantidad de litros de ingrediente B para Salsa Spicy
Diablo
X4 = Cantidad de litros de ingrediente B para Salsa Red
Baron
Funcin objetivo: Maximizar Z = 3.35(X1 + X3) + 2.85(X2 + X4) 1.6(X1 + X2) - 2.59(X3 + X4)
Z = 1.75X1 + 0.76X2 + 1.25X3 + 0.26X4
Restricciones
X1 0.25(X1 + X3)
0.75X1 - 0.25X3 0
X2 0.75(X2 + X4)
0.25X2 - 0.75X4 0
X3 0.50(X1 + X3)
-0.50X1 + 0.50X3 0
X1 + X2 40
X3 + X4 30
No
negatividad
Xi 0 ; i = 1, 4
Datos para entrada del Solver
60
Pgina: 127
Investigacin Operativa I
Programacin Lineal
DEMANDA
PRECIO
VENTA
Crcuma
Pimentn
Disponibilidad
61
HB01
4
3
HB02
2
2
HB03
1
3
(BOTELLAS) /BOTELLA
1700
3.25
ilimitada
2.75
Pgina: 128
Investigacin Operativa I
(onzas)
Programacin Lineal
8000
9000
7000
de
de
Funcin objetivo
Maximizar Z = 3.25X1 + 2.75X2 + 0.60(8000 - 4X1 - 3X2)
+ 0.70(9000 - 2X1 - 2X2) + 0.55(7000 - X1 3X2) Z = 14.950 - 5.45X1 - 6.95X2
Restricciones
4X1 + 3X2 8000
por onzas de HB01
2X1 + 2X2 9000
por onzas de HB02
1X1 + 3X2 7000
por onzas de HB03
X1 1.700
botellas
de
X2 600
Crcuma
contrato para Pimentn
No
negatividad
Xi 0; i = 1, 2
Solucin GLP
X21701
16211541
1461
13811301
1221
10611
141
981
901
821
741661
581
501421
: 1.0 X1 +
0.0 X2 = 1700.0
: 0.0 X1 +
Payoff:
1.1 X1 +
2.1 X2 = 1260.0
341261
181101
0 901827364554637281909910111213141516171800
Optimal Decisions(X1,X2): ( 0.0, 600.0)
: 4.0X1 + 3.0X2 <= 8000.0
: 2.0X1 + 2.0X2 <= 9000.0
: 1.0X1 + 3.0X2 <= 7000.0
: 1.0X1 + 0.0X2 <= 1700.0
: 0.0X1 + 1.0X2 >= 600.0
X1
1.0 X2 = 600.0
Pgina: 129
Investigacin Operativa I
Programacin Lineal
PESO MINIMO(LIBRAS)
10
7
5
Pgina: 130
Investigacin Operativa I
Programacin Lineal
cada fertilizante que debe comprar para satisfacer los requerimientos con un
costo mnimo.62
Fertilizante
I
II
III
62
Pgina: 131
Investigacin Operativa I
Programacin Lineal
65. La Ebel Mining Company es propietaria de dos minas que producen cierto tipo
de mineral. Dichas minas est localizadas en distintas partes del
pas
y,
en
consecuencia, presentan diferencias en sus capacidades de produccin
y
en
la
calidad de su mineral. Despus de ser molido el mineral se clasifica
en
tres
clases dependiendo de la calidad: alta. Media y baja. Ebel ha sido
contratada
para suministrar semanalmente a la planta de fundicin de su
compaa matriz
12 toneladas de mineral de alta calidad, 8 toneladas de calidad
mediana y 24 toneladas de calidad baja. A Ebel le cuesta $ 20.000
diarios operar la primera mina y $ 16.000 la segunda. Sin embargo en
un da de operacin la primera mina produce 6 tonelada de mineral de
alta calidad, 2 toneladas de mediana y 4 toneladas de baja, mientras
que la segunda produce 2 toneladas diarias de material de alta
calidad, 2 de mediana y 12 de baja. Cuntos das a la semana tendr
que funcionar cada mina para cumplir los compromisos de Ebel de la
manera ms econmica posible? (En este caso resulta aceptable
programar la operacin de las minas en fracciones de da) 63
Solucin del problema
Definicin de variables
X1 = Nmero de das a la semana (fraccin de semana) de
trabajo de la Mina 1
X2 = Nmero de das a la semana (fraccin de semana) de trabajo
de
la
Mina 2
Funcin objetivo: Minimizar Z = 20X1 + 16X2 miles de dlares
Restricciones
6X1 + 2X2 12
2X1 + 2X2 8
4X1 + 12X2 24
X1 + X2 = 5
No negatividad
Xi 0; i = 1, 2
63
Pgina: 132
Investigacin Operativa I
Programacin Lineal
Solucin GLP
6
: 6.0 X1 +
2.0 X2 = 12.0
: 1.0 X1 +
1.0 X2 =
5.0
10
Produccin en
Das de la semana
Costo diario de operacin
Mina 1
Mina
2
1
1 MIN
20000 16000
36000
USO DE
RESTRICCIONES
RECURSOS
Produccin mineral alta c.
6
Produccin mineral mediana c.
2
Produccin mineral baja c.
4
Tiempo mximo una semana
1
2
2
12
1
NO
UTILIZADO
LIMITE UTILIZADO
8
12
-4
4
8
-4
16
24
-8
2
5
3
Pgina: 133
Investigacin Operativa I
RESTRICCIONES
Produccin mineral alta c.
Produccin mineral mediana
c.
Produccin mineral baja c.
Tiempo mximo una semana
Programacin Lineal
6
2
4
1
NO
UTILIZADO
LIMITE UTILIZADO
2
12
12
9,32E-12
2
12
1
8
40
4
8
24
5
9,32E-12
16
1
66. La Sally Solar Car CO., tiene una planta que fabrica automviles sedn,
deportivos y camionetas. Los precios de venta, costos variables y
costos fijos correspondientes a la manufactura de estos vehculos
se presentan en la siguiente tabla:
MODELO
Sedan
Camioneta
Deportivo
CONTRIBUCION A
LAS GANANCIAS
($)
6.000
8.000
11.000
VARIABLE DE
PRODUCCION
TIEMPO(HRS)
12
15
24
COSTOS
FIJOS
($)
2.000.000
3.000.000
7.000.000
64
Pgina: 134
Investigacin Operativa I
Programacin Lineal
Definicin de variables
X1 = Cantidad de unidades de Umidaire
X2 = Cantidad de unidades de Depollinator
65
Pgina: 135
Investigacin Operativa I
Programacin Lineal
No
negatividad
Xi 0; i = 1, 2
; 340X2
Solucin GLP
1502
00
100
50
0
0
50
100 150 200 250 300 350 400 450 500 550 600 650 700 750 800 850 900 950 1000
X1
Salida Solver
Pgina: 136
Investigacin Operativa I
Programacin Lineal
68. Una compaa opera cuatro granjas, cuyos grados de productividad son
comparables. Cada una de las granjas tiene cierta cantidad de hectreas
tiles y de horas de trabajo para plantar y cuidar la cosecha.
Los
datos correspondientes a la prxima temporada aparecen en la
siguiente tabla.
HECTAREAS
UTILES
500
900
300
700
GRANJA
1
2
3
4
HORAS DE TRABAJO
DISPONIBLES
POR MES
1700
3000
900
2200
CULTIVO
A
B
C
HECTAREAS
MAXIMAS
700
800
300
HORAS MENSUALES
DE TRABAJO
POR HECTAREA
2
4
3
GANACIAS
ESPERADAS
POR HECTAREA ($)
500
200
300
uniforme).
administracin
tendr que
desea
saber
La
cuantas hectreas
de
cada
cultivo
Pgina: 137
Investigacin Operativa I
Programacin Lineal
del
1
del
2
del
3
del
4
del
1
del
2
del
3
del
4
del
1
del
2
del
3
del
granjas,
fin
de
maximizar
las
Cultivo A en la
Cultivo A en la
Cultivo A en la
Cultivo A en la
Cultivo B en la
Cultivo B en la
Cultivo B en la
Cultivo B en la
Cultivo C en la
Cultivo C en la
Cultivo C en la
Cultivo C en la
700
66
Pgina: 138
Investigacin Operativa I
Programacin Lineal
Salida Solver
cantidad
Pgina: 139
Investigacin Operativa I
Programacin Lineal
Mezcla
A
Cosecha
2
3
4
cuando menos 75% 2 Y 3 cuando
en cualquier proporcin menos 8%
cuando menos*
cuando
10%
mucho 35%
Cuando menos 35% 2 y 3 *
en cualquier proporcin
200
150
350
Precio de
venta/galn
80
50
35
Existencias 130
(galones)
* indica que no existe restriccin alguna
Definicin de variables
X11 = Cantidad de galones
mezcla
X12 = Cantidad de galones
mezcla
X13 = Cantidad de galones
mezcla
X21 = Cantidad de galones
mezcla
X22 = Cantidad de galones
mezcla
X23 = Cantidad de galones
mezcla
X31 = Cantidad de galones
mezcla
X32 = Cantidad de galones
mezcla
X33 = Cantidad de galones
mezcla
X41 = Cantidad de galones
mezcla
X42 = Cantidad de galones
mezcla
X43 = Cantidad de galones
mezcla C
de vino
A
de vino
B
de vino
C
de vino
A
de vino
B
de vino
C
de vino
A
de vino
B
de vino
C
de vino
A
de vino
B
de vino
de la cosecha 1 para
de la cosecha 1 para
de la cosecha 1 para
de la cosecha 2 para
de la cosecha 2 para
de la cosecha 2 para
de la cosecha 3 para
de la cosecha 3 para
de la cosecha 3 para
de la cosecha 4 para
de la cosecha 4 para
de la cosecha 4 para
Funcin Objetivo
Maximizar Z= 80X11 + 80X21 + 80X31 + 80X41 + 50X12 + 50X22 +
50X32 + 50X42 + 35X13 + 35X23 + 35X33 + 35X43
Restricciones
X21 + X31 0.75(X11 + X21 + X31 + X41) por lo menos 75% de 2 y
3 en A X41 0.08(X11 + X21 + X31 + X41) cuando menos el 8% en A
X22 0.10(X12 + X22 + X32 + X42) cuando menos el 10% en B
X42 0.35(X12 + X22 + X32 + X42) cuando mucho el 35% en B
X23 + X33 0.35(X13 + X23 + X33 + X43) por lo menos 35% de 2 y
Pgina: 140
Investigacin Operativa I
Programacin Lineal
i = Cosecha; j = Mezcla
Datos de entrada para Solver
Pgina: 141