You are on page 1of 141

Investigacin Operativa I

Programacin Lineal

EJERCICIOS DE PROGRAMACION LINEAL 1. RMC es una empresa pequea que produce diversos productos qumicos. En un proceso de produccin en particular se utilizan tres materia primas para elaborar dos productos: un aditivo para combustible y una base disolvente. El aditivo para combustible se vende a empresas petroleras y se utiliza en la produccin de gasolina y otros combustibles relacionados. La base disolvente se vende a varias empresas qumicas y se utiliza tanto para productos de limpieza para el hogar como industriales. Para formar el aditivo para combustible y la base de disolvente de mezclan tres materia primas, segn apara ce en la siguiente tabla. NECESIDADES DE MATERIA PRIMA POR TONALADA Materia Prima Producto 1 2 3 Aditivo para combustible 2/5 0 3/5 Base disolvente 1/2 1/5 3/10
Utiliza toneladas de materia prima 1 en cada tonelada de base de disolvente.

La produccin de RMC est limitada por la disponibilidad de las tres materia primas. Para el perodo de produccin actual, RMC tiene disponibles las cantidades siguientes de cada una de las materia primas Materia Prima Materia prima 1 Materia Prima 2 Materia prima 3 Cantidades disponibles para la produccin 20 toneladas 5 toneladas 21 toneladas

Debido a deterioro y la naturaleza del proceso de produccin, cualquier materia prima que no se utilice para produccin actual resulta intil y debe descartarse. El departamento de control de calidad ha analizado las cifras de produccin, asignando todos los costos correspondientes, y para ambos productos lleg a precios que resultarn en una contribucin a la utilidad de 40 dlares por tonelada de aditivo para combustible producida y de 30 dlares por cada tonelada de base disolvente producido. La administracin de RMC, despus de una anlisis de la demanda potencial, ha concluido que los precios establecidos asegurarn la venta de todo el aditivo para combustible y de toda la base disolvente que se produzca. El problema de RMC es determinar cuntas tonelada de cada producto deber producir para maximizar la contribucin total de la utilidad. Si Ud. Estuviera a cargo de la programacin de la produccin para RMC. qupe decisin tomara? Esto es, Cuntas tonaladas de aditivo para combustible y cuntas toneladas

Oswaldo Paul Rivadeneira

Pgina: 1

Investigacin Operativa I

Programacin Lineal

de base disolvente producira usted para el perodo actual de produccin? Escriba sus decisiones abajo y encuentre sus resultados.1 Solucin: Diseo del modelo matemtico: Definicin de variables X1 = nmero de toneladas de aditivo para combustible X2 = nmero de toneladas de base disolvente Funcin objetivo: Maximizar la contribucin a la utilidad, Z = 40 X1 + 30 X2 Restricciones Toneladas de materia prima 1 2/5X1 + 1/2X2 20 Toneladas de materia prima 2 1/5X2 5 Toneladas de materia prima 3 3/5X1 + 3/10X2 21 No negatividad Xi 0; i=1,2

Entrada de datos para Solver

Salida de resultados

Anderson Sweeney Willams. Mtodos Cuantitativos para los Negocios. 7ma Edicin. Editorial Thomson. Pgina 220. Oswaldo Paul Rivadeneira Pgina: 2

Investigacin Operativa I

Programacin Lineal

Informe del problema: Orden de produccin: 25 toneladas de aditivo 20 toneladas de base disolvente con: 20 toneladas de materia prima 1, 4 toneladas de materia prima 2, y 21 toneladas de materia prima 3 2. Innis Investments administra fondos de empresas y clientes pudientes. La estrategia de inversin se adecua a las necesidades de cada cliente. Para un cliente nuevo, a Innis se le ha autorizado invertir hasta 1200.00 dlares en fondos de inversin: un fondo de acciones y un fondo del mercado de dinero. Cada unidad del fondo de acciones cuesta 50 dlares, con una tasa de rendimiento anual de 10%; cada unidad del fondo de mercado de dinero cuesta 100 dlares, con una tasa de rendimiento anual de 4%. El cliente desea minimizar el riesgo, pero quiere tener un ingreso anual sobre la inversin de por lo menos 60.000 dlares. De acuerdo con el sistema de medicin del riesgo del Innis, cada unidad adquirida en el fondo de acciones tiene un ndice de riesgo del 8, y cada unidad adquirida en el fondo de mercado de dinero tiene un ndice de riesgo de 3. El ndice de riesgo ms elevado con el fondo de acciones indica, simplemente que se trata de un a inversin ms riesgosa. El cliente de Innis tambin ha especificado que se inviertan por lo menos 3.000 dlares en el fondo de mercado de dinero. Cuntas de cada uno de los fondos deber adquirir Innis para el cliente, si el objetivo es minimizar el ndice de riesgo total para esa cartera?2 Solucin: Diseo del modelo matemtico: Definicin de variables X1 = nmero de unidades adquiridas en el fondo de acciones X2 = nmero de unidades adquiridas en el fondo del mercado de dinero Funcin objetivo: Minimizar el riesgo, Z = 8 X1 + 3 X2 Restricciones Fondos disponibles 50X1 + 100X2 1200.000 Ingreso anual 5 X1 + 4X2 60.000 Unidades en fondo 100X2 3.000

Anderson Sweeney Willams. Mtodos Cuantitativos para los Negocios. 7ma Edicin. Editorial Thomson. Pgina 242. Oswaldo Paul Rivadeneira Pgina: 3

Investigacin Operativa I

Programacin Lineal

No negatividad Xi 0; i=1,2

Entrada de datos para Solver

Datos de salida del 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 manufactura requeridas y la estimacin por parte del departamento de contabilidad de la contribucin a la utilidad por bolsa. Tiempo de produccin Corte y Costura
Oswaldo Paul Rivadeneira

Terminado

Inspeccin

Utilidad por
Pgina: 4

Investigacin Operativa I

Programacin Lineal

Producto Estndar Deluxe

teido 7/10 1

1/2 5/6

1 2/3

y empaque 1/10 1/4

Bolsa $10 $9

El director da manufactura estima que durante los siguientes tres meses estarn disponibles 630 horas de tiempo de corte y teido, 600 horas de tiempo de costura, 708 horas de tiempo de terminado y 135 horas de tiempo de inspeccin y empaque para la produccin de las bolsas de golf. a) b) c) d) Si la empresa desea maximizar la contribucin total a la utilidad,Cuntas bolsas de cada modelo deber fabricar? Qu contribucin a la utilidad puede obtener PAR de estas cantidades de produccin? Cuntas horas de produccin se programarn para cada operacin? Cul es el tiempo de holgura de cada operacin?3

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:

Anderson Sweeney Willams. Mtodos Cuantitativos para los Negocios. 7ma Edicin. Editorial Thomson. Pgina 264. Problema 15. Oswaldo Paul Rivadeneira Pgina: 5

Investigacin Operativa I

Programacin Lineal

Entrada de datos Solver:

Solucin Solver:

Oswaldo Paul Rivadeneira

Pgina: 6

Investigacin Operativa I

Programacin Lineal

a) Debe fabricar 539,98 bolsas de golf estndar y 252,01 bolsas de golf de Lujo. b) Contribucin total = $ 7.667,942 c) Se programarn 620 horas de Corte y Teido, 480.02 horas de Costura, 708 horas de Terminado y 117 horas de Inspeccin y Empaque. d) Los tiempos de holgura son de 119.98 para Costura y 18 horas para Inspeccin y Empaque. Las operaciones de Corte y Teido, y Terminado no tienen holgura. 4. 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 manufactura requeridas y la estimacin por parte del departamento de contabilidad de la contribucin a la unidad por bolsa.

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

El director da manufactura estima que durante los siguientes tres meses estarn disponibles 630 horas de tiempo de corte y teido, 600 horas de tiempo de costura, 708 horas de tiempo de terminado y 135 horas de tiempo de inspeccin y empaque para la produccin de las bolsas de golf. Resuelva el problema descrito y luego responda a las siguientes preguntas: a) b) El departamento de contabilidad revisa su estimacin de contribucin a la utilidad para la bolsa Deluxe a 18 dlares por bolsa. Aparece disponible una nueva materia prima de bajo costo para la bolsa estndar, y la contribucin a la unidad por la bolsa estndar puede incrementarse a 20 dlares por bolsa. (suponga que la contribucin a la utilidad por la bolsa Deluxe es el valor original de 9 dlares) Se puede obtener nuevo equipo de costura que incrementar la capacidad de operacin de costura a 750 horas.(suponga que 10X1 + 9X2 es la funcin objetivo apropiada)

c)

Oswaldo Paul Rivadeneira

Pgina: 7

Investigacin Operativa I

Programacin Lineal

Si cada una de estas situaciones se encuentra por separado, Cul sera la solucin ptima y la contribucin total a la utilidad?4 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 135 Horas de Inspeccin y Empaque No negatividad Xi 0; i=1,2
700 Solucin GLP 665 630 Payoff: 10.0000 X1 + 9.0000 X2 = 7667.9417 595 560 525 490 455 420 385 350 315 280 245 210 175 140 105 70 35 0 0 60 120 180 240 300 360 420 480 540 600 660 720 780 840 900 960 1020 1080 1140 : 1.0000 X1 + 0.6667 X2 = 708.0000 : 0.1000 X1 + 0.2500 X2 = 135.0000 : 0.7000 X1 + 1.0000 X2 = 630.0000 : 0.5000 X1 + 0.8334 X2 = 600.0000 X2

12

Optimal Decisions(X1,X2): (539.9842, 252.0110) : 0.7000X1 + 1.0000X2 <= 630.0000 : 0.5000X1 + 0.8334X2 <= 600.0000 : 1.0000X1 + 0.6667X2 <= 708.0000 : 0.1000X1 + 0.2500X2 <= 135.0000

Anderson Sweeney Willams. Mtodos Cuantitativos para los Negocios. 7ma Edicin. Editorial Thomson. Pgina 265. Problema 16.

Oswaldo Paul Rivadeneira

Pgina: 8

Investigacin Operativa I

Programacin Lineal

Entrada de datos Solver:

Solucin Solver:

a)

b)

Oswaldo Paul Rivadeneira

Pgina: 9

Investigacin Operativa I

Programacin Lineal

c)

La solucin ptima es la alternativa b) donde se incrementa la contribucin a la utilidad de las bolsas estndar a $20 y su contribucin total es de $ 14.160 fabricando slo bolsas de golf estndar. 5. Kelson Sporting Equipment fabrica dos modelos de guantes de bisbol: uno normal y una manopla de catcher. La empresa tiene disponibles 900 horas de tiempo de produccin en su departamento y corte y costura, 300 horas disponibles en el departamento de terminado y 100 horas disponibles en el departamento de empaque y embarque. Los requerimientos de tiempo de produccin y la contribucin a la utilidad de cada uno de losa productos es: Tiempo Corte y costura 1 3/2 de produccin(horas) Terminado Empaque y Utilidad por Guante embarque 1/2 1/8 $5 1/3 1/4 $8

Modelo Normal Catcher

Suponga que la empresa est interesada en maximizar la contribucin total de la utilidad. a) b) Cul es el modelo de programacin lineal para este problema? Encuentre la solucin ptima. Cuntos guantes de cada modelo deber fabricar Kelson?

Oswaldo Paul Rivadeneira

Pgina: 10

Investigacin Operativa I

Programacin Lineal

c) d) e)

Cul es la contribucin total a la utilidad que puede ganar Nelson con las cantidades de produccin arriba citadas? Cuntas horas de produccin seran programadas en cada departamento? Cul es el tiempo libre de cada departamento?5

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

Anderson Sweeney Willams. Mtodos Cuantitativos para los Negocios. 7ma Edicin. Editorial Thomson. Pgina 266. Problema 22.

Oswaldo Paul Rivadeneira

Pgina: 11

630 595 560

Investigacin Operativa I 525


490 455 420 385 350 315 280 245 210 175 140 105 70 35 0 : 0.1 X1 + 0.3 X2 = 100.0 : 0.5 X1 + 0.3 X2 = 300.0 : 1.0 X1 + 1.5 X2 = 900.0 0 60 120 180 Payoff: 5.0 X1 + 8.0 X2 = 3699.9

Programacin Lineal

240

300

360

420

480

540

600

660

720

780

840

900

960

Optimal Decisions(X1,X2): (500.0, 150.0) : 1.0X1 + 1.5X2 <= 900.0 : 0.5X1 + 0.3X2 <= 300.0 : 0.1X1 + 0.3X2 <= 100.0

Datos de entrada de Solver:

Salida del Solver:

Oswaldo Paul Rivadeneira

Pgina: 12

Investigacin Operativa I

Programacin Lineal

6. George Johnson hered recientemente una gran suma de dinero; desea utilizar parte de este dinero para establecer un fideicomiso para sus dos hijos. El fideicomiso tiene dos opciones de inversin: (1) un fondo de bonos y (2) un fondo de acciones. Los rendimientos proyectados durante la vida de las inversiones son 6% para el fondo de bonos y 10% para el de acciones. Independientemente de la porcin de la herencia que finalmente decida comprometer al fideicomiso, desea invertir por lo menos 30% de dicha cantidad en el fondo de bonos. Adems, desea seleccionar una combinacin que le permita obtener un rendimiento total de por lo menos 7.5%. a) b) Formule un modelo de programacin lineal que pueda utilizarse para determinar el porcentaje que debe asignarse a cada una de las posibles alternativas de inversin. Resuelva el problema utilizando el procedimiento de solucin grfica y por solver6

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

Anderson Sweeney Willams. Mtodos Cuantitativos para los Negocios. 7ma Edicin. Editorial Thomson. Pgina 266. Problema 23.

Oswaldo Paul Rivadeneira

Pgina: 13

Investigacin Operativa I

Programacin Lineal

Resultados del Solver:

Solucin grfica:

7. El propietario de Sea Warf Restaurant deseara determinar cual es la mejor forma de asignar un prosupuesto mensual de publicidad de 1.000 dlares entre

Oswaldo Paul Rivadeneira

Pgina: 14

Investigacin Operativa I

Programacin Lineal

peridicos y la radio. La administracin ha decidido que por lo menos 25% del presupuesto debe utilizarse en cada uno de estos dos tipos de medios y que el monto del dinero gastado en publicidad en peridicos locales debe tener por lo menos el doble de los que se gaste en radio. Un asesor de mercadotecnia ha desarrollado un ndice que mide la exposicin del auditorio por dlar de publicidad en una escala de 0 al 100, donde valores ms elevados del ndice indican mayores exposiciones al auditorio. Si el valor del ndice para publicidad en los peridicos locales es de 50, y para el anuncio de radio es de 80, Cmo debera asignar la administracin el presupuesto de publicidad, a fin de maximizar el valor de exposicin total en el auditorio? a) Formule un modelo de programacin lineal que se pueda utilizar para determinar la manera en que la administracin debe asignar el presupuesto de publicidad a fin de maximizar el valor de la exposicin total del auditorio. Resuelva el problema utilizando el procedimiento de solucin grfica y por solver7

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

Anderson Sweeney Willams. Mtodos Cuantitativos para los Negocios. 7ma Edicin. Editorial Thomson. Pgina 266. Problema 24.

Oswaldo Paul Rivadeneira

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 0 Payoff: 50.00 X1 + 80.00 X2 = 46000.00

: 1.00 X1 + 2.00 X2 = 1000.00 : 0.75 X1 - 0.25 X2 = 0.00

: -0.25 X1 + 0.75 X2 = 0.00

: 1.00 X1 - 2.00 X2 = 0.00

33

66

99

132

165

198

231

264

297

330

363

396

429

462

495

528

561

594

627

660

Optimal Decisions(X1,X2): (600.00, 200.00) : 0.75X1 - 0.25X2 >= 0.00 : -0.25X1 + 0.75X2 >= 0.00 : 1.00X1 - 2.00X2 >= 0.00 : 1.00X1 + 2.00X2 <= 1000.00

8. Invesment Advisors es una empresa de corretaje que administra carteras de valores para clientes. Un cliente nuevo ha solicitado que la empresa maneje una cartera de inversiones de $80.000. Como estrategia inicial de inversin, el cliente desea restringir la cartera a una combinacin de las acciones siguientes: Accin U.S. OIL Hub Properties Precio Accin $25 $50 por Rendimiento anual ndice de riego estimado por accin $3 0.50 $5 0.25

El ndice de riesgo por accin es una clasificacin del riesgo relativo de dos alternativas de inversin. Para los datos dados, se piensa que U.S. OIL es la inversin sujeta a ms riesgo. Al restringir el riesgo total de la cartera, la firma de inversiones evita colocar cantidades excesivas de la cartera en inversiones potencialmente de rendimiento alto y riesgo elevado. Para la cartera actual se ha establecido un lmite superior a 700 para el ndice de riesgo total de todas las inversiones, tambin la empresa ha establecido un lmite superior de 1.000 acciones para los valores U.S. OIL ms riesgosos. Cuntas acciones de cada uno de estos valores deben ser adquiridos a fin de maximizar en rendimiento anual total?8 Solucin:
8

Anderson Sweeney Willams. Mtodos Cuantitativos para los Negocios. 7ma Edicin. Editorial Thomson. Pgina 267. Problema 25.

Oswaldo Paul Rivadeneira

Pgina: 16

Investigacin Operativa I

Programacin Lineal

Formulacin del modelo: 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

X2 Payoff: 3.00 X1 + 5.00 X2 = 8400.00 1580 1501 1422 1343 1264 1185 1106 1027 948 869 790 711 632 553 474 : 25.00 X1 + 50.00 X2 = 80000.00 395 316 237 : 1.00 X1 + 0.00 X2 = 1000.00 158 79 0 : 0.50 X1 + 0.25 X2 = 700.00 0 49 98 147 196 245 294 343 392 441 490 539 588 637 686 735 784 833 882 931 980 Optimal Decisions(X1,X2): (800.00, 1200.00) : 0.50X1 + 0.25X2 <= 700.00 : 1.00X1 + 0.00X2 <= 1000.00 : 25.00X1 + 50.00X2 <= 80000.00

X1

Datos de entrada SOLVER

Oswaldo Paul Rivadeneira

Pgina: 17

Investigacin Operativa I

Programacin Lineal

PLANIFICACION TRABAJO INVESTMENT ADVISORS Acciones Cantidad Contrib. Utilidad U.S.Oil 1 3 HUB 1 max 5 8

Restricciones Riesgo En U.S.Oil Inversin

0,5 1 25

No Utilizado Lmite Utiliz 0,25 0,75 700 699,25 1 1000 999 50 75 80000 79925

Datos de salida SOLVER


PLANIFICACION TRABAJO INVESTMENT ADVISORS Acciones Cantidad Contrib. Utilidad U.S.Oil HUB 800 1200 max 3 5 8400 No Utilizado Lmite Utiliz 0,25 700 700 -7,4E-10 800 1000 200 50 80000 80000 -7,3E-08

Restricciones Riesgo En U.S.Oil Inversin

0,5 1 25

9. Toms produce varios productos alimenticios mexicanos y los vende a Western Foods, cadena de tiendas de abarrotes localizada en Texas y Nuevo Mxico. Toms fabrica dos salsas: Western Foods Salsa y Mxico City Salsa. Esencialmente, ambos productos son mezclas de tomates enteros, 30% de salsa de tomate y 20% de pasta de tomate. La Mxico City Salsa, que tiene una consistencia ms espesa y troceada, est elaborada con 70% de tomates enteros, 10% de salsa de tomate y 20% de pasta de tomate. Cada tarro de salsa producida pesa 10 onzas. Para el perodo de produccin actual, Toms puede adquirir hasta 280 libras de tomates enteros, 130 libras de salsa de tomate y 100 libras de pasta de tomate, el precio por libra de estos ingredientes es $0.96, $0.64 y $0.56 respectivamente. El costo de las especias y de los dems ingredientes es de aproximadamente $0.10 por recipiente. Toms compra tarros de vidrio vacos a $0.02 cada uno, y los costos de etiquetado y llenado se estiman en $0.03 por cada tarro de salsa producido. El contrato de Toms con Western Foods resulta en ingresos por ventas de $1.64 por cada tarro de Western Foods Salsa y de $1.93 por cada tarro de Mxico City Salsa. a. Desarrolle un modelo de programacin lineal que le permita a Toms determinar la mezcla de salsa que maximice la contribucin total a la utilidad. b. Haga una grfica de la regin factible. c. Resuelva las ecuaciones lineales simultneas apropiadas a fin de determinar las coordenadas de cada punto extremo.
Oswaldo Paul Rivadeneira Pgina: 18

Investigacin Operativa I

Programacin Lineal

d. Encuentre la solucin ptima9 Solucin: Formulacin del modelo: 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 (0.10+0.02+0.03+50%(10)(0.96)/16+30%(10)(0.64)/16+20%(10)(0.56)/16))X1 (1.93 (0.10+0.02+0.03+70%(10)(0.96)/16+10%(10)(0.64)/16+20%(10)(0.56)/16))X2 Z max = (1.64 (0.15 + 0.3 + 0.12 + 0.07))X1 + (1.93 (0.15 + 0.42 + 0.04 + 0.07))X2

Z max = 1X1 + 1.25X2 Restricciones 5X1 + 7X2 4480 libras de tomates enteros 3X1 + 1X2 2080 libras de salsa de tomate 2X1 + 2X2 1600 libras de pasta de tomate No negatividad Xi 0; i=1,2 Solucin con GLP

Anderson Sweeney Willams. Mtodos Cuantitativos para los Negocios. 7ma Edicin. Editorial Thomson. Pgina 267. Problema 26.

Oswaldo Paul Rivadeneira

Pgina: 19

Investigacin Operativa I
950 900 850 800 750 700 650 600 550 500 450 : 5.00 X1 + 7.00 X2 = 4480.00 400 350 300 250 200 150 100 50 0 1 50 99 148 197 246 295 344 393 442 491 540 589 638 687 : 2.00 X1 + 2.00 X2 = 1600.00 Payoff: 1.00 X1 + 1.25 X2 = 860.00

X2 1000

Programacin Lineal

: 3.00 X1 + 1.00 X2 = 2080.00

736

785

834

883

932

981

X1

Optimal Decisions(X1,X2): (560.00, 240.00) : 5.00X1 + 7.00X2 <= 4480.00 : 3.00X1 + 1.00X2 <= 2080.00 : 2.00X1 + 2.00X2 <= 1600.00

Datos entrada SOLVER Planificacin para Toms Western Foods


1 1

SALSA Cantidad de tarros Utilidad Restricciones

Mxico City
1 Max 1.25 2.25 Utilizado Lmite No utiliz 7 12 4480 4468 1 4 2080 2076 2 4 1600 1596

tomates enteros salsa de tomate pasta de tomate Salida de datos SOLVER Planificacin para Toms

5 3 2

SALSA Cantidad de tarros Utilidad

Western Mxico Foods City


560 1 240 Max 1.25 860

Oswaldo Paul Rivadeneira

Pgina: 20

Investigacin Operativa I

Programacin Lineal

Restricciones

tomates enteros salsa de tomate pasta de tomate

5 3 2

Utilizado 7 4480 1 1920 2 1600

Lmite No utiliz 4480 -6.2E-09 2080 160 1600 -3.7E-09

10. El editor de produccin de Rayburn Publishing Company tiene 1.800 pginas de manuscrito que debe ser revisadas. Debido al poco tiempo involucrado, slo hay dos revisores disponibles Erhan Mergen y Sue Smith. Erhan tiene diez das disponibles y Sue doce das. Erhan puede procesar 100 pginas de manuscrito por da, y Sue 150 pginas diarias. Rayburn Publishing Company ha desarrollado un ndice para medir la calidad general de un revisor en una escala de 1 (peor) a 10 (mejor). La calidad de Erhan es 9 y la de Sue es 6, adems, Erhan cobra 3 dlares por pgina de manuscrito revisado, Sue cobra 2 dlares por pgina. Se ha asignado un presupuesto de $4.800 para la revisin, cuntas pginas deben ser asignadas a cada revisor para completar el proyecto con la calidad ms elevada posible?10 Solucin: Formulacin del modelo: 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

10

Anderson Sweeney Willams. Mtodos Cuantitativos para los Negocios. 7ma Edicin. Editorial Thomson. Pgina 267. Problema 27.

Oswaldo Paul Rivadeneira

Pgina: 21

Investigacin Operativa I

Programacin Lineal

Payoff: 9.0 X1 + 6.0 X2 = 13800.0 X2 2000 1900 1800 1700 1600 1500 1400 1300 1200 1100 1000 900 800 700 600 500 400 300 200 100 0 0 60 : 3.0 X1 + 2.0 X2 = 4800.0 : 0.0 X1 + 1.0 X2 = 1800.0

: 1.0 X1 + 0.0 X2 = 1000.0

: 1.0 X1 + 1.0 X2 = 1800.0

120 180 240 300 360 420 480 540 600 660 720 780 840 900 960 1020108011401200

X1

Optimal Decisions(X1,X2): (1000.0, 800.0) : 3.0X1 + 2.0X2 <= 4800.0 : 1.0X1 + 1.0X2 <= 1800.0 : 1.0X1 + 0.0X2 <= 1000.0 : 0.0X1 + 1.0X2 <= 1800.0

Datos de entrada SOLVER

Pginas revisadas Cantidad Calidad

Ehran Sue 1 1 Max 9 6 15 Utilizado 2 5 1 1 1 1 2 Limite No utiliz 4800 4795 1000 999 1800 1799 1800 1798

Restricciones Presupuesto 3 Horas Ehran 1 Horas Sue Nm. Pginas 1

Salida SOLVER

PLANIFICACIN TRABAJO RAYBURN Pginas revisadas Cantidad Calidad Ehran Sue 1000 800 Max 9 6 13800 Utilizado 2 4600 Limite No utiliz 4800 200

Restricciones Presupuesto

Oswaldo Paul Rivadeneira

Pgina: 22

Investigacin Operativa I

Programacin Lineal

Horas Ehran Horas Sue Nm. Pginas

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

11

Anderson Sweeney Willams. Mtodos Cuantitativos para los Negocios. 7ma Edicin. Editorial Thomson. Pgina 268. Problema 28.

Oswaldo Paul Rivadeneira

Pgina: 23

Investigacin Operativa I

Programacin Lineal

Payoff: 40.0 X1 + 50.0 X2 = 7583.3

: 1.0 X1 + 0.0 X2 = 25.0

: 3.0 X1 + 5.0 X2 = 600.0

: 0.0 X1 + 1.0 X2 = 25.0

X2 2 2 X1

Optimal Decisions(X1,X2): (158.3, 25.0) : 3.0X1 + 5.0X2 <= 600.0 : 1.0X1 + 0.0X2 >= 25.0 : 0.0X1 + 1.0X2 >= 25.0

Datos de entrada SOLVER


PLANIFICACION DE CAR PHONES Modelo Modelo X Y 1 1 Max 40 50 90 No Lmite Utiliz 600 592 25 -24 25 -24

Telfono Cantidad Utilidad

Restricciones Horas disp. Venta min X Venta min Y

3 1

Utilizado 5 8 1 1 1

Datos de Salida SOLVER


PLANIFICACION DE CAR PHONES Modelo Modelo X Y 158,3333 25 Max 40 50 7583,333 Utilizado 5 600 158,3333 1 25 Lmite No Utiliz 600 -1,4E-09 25 133,3333 25 2,64E-12
Pgina: 24

Telfono Cantidad Utilidad Restricciones Horas disp. Venta min X Venta min Y

3 1

Oswaldo Paul Rivadeneira

Investigacin Operativa I

Programacin Lineal

12. Greentree Kennels proporciona alojamiento por una noche para mascotas. Una caracterstica particular en Greentree es la calidad del cuidado que reciben las mascotas, incluyendo una excelente alimentacin. La comida para perros de la perrera se elabora mezclado dos alimentos de marca para perros a fin de obtener lo que la perrera identifica como una dieta para perros bien balanceada. Los datos para las dos comidas con las siguientes: Comida Bark Bits Canine Chow Costo/onza 0.06 0.05 Protenas % 30 20 Grasa % 15 30

Si Greentree desea asegurarse de que los perros reciban por lo menos 5 onzas de protenas y como mnimo 3 onzas de grasas cada da, Cul es la mezcla de costo mnimo de los alimentos para perros?12 Solucin: Formulacin del modelo: 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

Anderson Sweeney Willams. Mtodos Cuantitativos para los Negocios. 7ma Edicin. Editorial Thomson. Pgina 269. Problema 34.

Oswaldo Paul Rivadeneira

Pgina: 25

54

Investigacin Operativa I
42

48

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 80

Optimal Decisions(X1,X2): (15.00, 2.50) : 0.30X1 + 0.20X2 >= 5.00 : 0.15X1 + 0.30X2 >= 3.00

Entrada de datos SOLVER


PLANIFICACIN TRABAJO Greentree Kennels Bark Bits 1 0,06 Canine Chow 1 Min 0,05 0,11

Comida Cantidad Calidad

Proteinas Grasas

Restricciones 0,3 0,15

No Utilizado Limite utiliz 0,2 0,5 5 4,5 0,3 0,45 3 2,55

Salida de datos SOLVER


PLANIFICACIN TRABAJO Greentree Kennels Bark Bits Canine Chow 15 2,5 Min 0,06 0,05 1,025

Comida Cantidad Calidad

Oswaldo Paul Rivadeneira

Pgina: 26

Investigacin Operativa I

Programacin Lineal

Restricciones Proteinas Grasas 0,3 0,15 0,2 0,3

Utilizado

No Limite utiliz -3,3E5 5 12 -2,2E3 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

13

Anderson Sweeney Willams. Mtodos Cuantitativos para los Negocios. 7ma Edicin. Editorial Thomson. Pgina 269. Problema 35.

Oswaldo Paul Rivadeneira

Pgina: 27

Investigacin Operativa I

Programacin Lineal

: 0.2 0.8 X1 + 0.4 0.6 X

X2 10 9 8 7 6 5 4 3 2 1 0 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 X1 Payoff: 0.4 X1 + 1.4 X2 = 14.0

Optimal Decisions(X1,X2): ( 0.0, 10.0) : 0.8X1 + 0.6X2 <= 10.8 : 0.2X1 + 0.4X2 <= 4.0

Datos de entrada SOLVER


PLANIFICACION TRABAJO en New England Cheese Company Recipientes queso Cantidad en miles Utilidad Regular 1 0,4 Zesty 1 max 1,4 1,8 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

Datos de salida SOLVER


Recipientes queso Cantidad en miles Utilidad Regular Zesty 0 10 max 0,4 1,4 14 No Lmite Utiliz 10,8 4,8 4 -5,5E-12

Restricciones Queso Ch. suave Tiempo prod. min

0,8 0,2

Utilizado 0,6 6 0,4 4

Oswaldo Paul Rivadeneira

Pgina: 28

Investigacin Operativa I

Programacin Lineal

14. Los administradores de Healthtech Foods estn considerando desarrollar un nuevo bocadillo bajo en grasas. Se trata de una mescla de dos tipos de cereales, cada una de ellos con distintas caractersticas en fibras, grasas y protenas. La tabla siguiente muestra estas caractersticas por onza de cada tipo de cereal. Fibra diettica (gramos) 2 1.5 Grasas (gramos) 2 3 Protenas (gramos) 4 3

Cereal A B

Note que cada onza de cereal A proporciona dos gramos de fibra diettica y que cada onza de cereal B da 1.5 gramos de fibra diettica, por lo que si Healthtech fuera a desarrollar el nuevo producto utilizando una mezcla formada de 50% de cereal A y 50% de cereal B, una onza de ste contendra 1.75 gramos de fibra diettica. Los requisitos nutricionales de Healthtech exigen que cada onza del nuevo alimento tenga por lo menos 1.7 gramos de fibra diettica, no ms de 2.8 gramos de grasa y no ms de 3.6 gramos de protenas. El costo del cereal A es de $0.02 por onza y el del B es de $0.025 por onza. Healthtech desea determinar cunto de cada cereal es necesario para producir una onza del nuevo producto al menor costo posible. a. Formule el modelo de programacin lineal para esta situacin b. Resuelva el problema utilizando el procedimiento de solucin grfica c. Cules son las variables de holgura y de excedente d. Si Healthtech pone en el mercado el nuevo cereal en un paquete de 8 onzas. Cul sera el costo del paquete?14 Solucin: Formulacin del modelo: Definicin de variables X1 = Cantidad de onzas de cereal A X2 = Cantidad de onzas de cereal B Funcin Objetivo Zmin = 0.02X1 + 0.025X2 Restricciones 2X1 + 1.5X2 1.7 por fibra diettica 2X1 + 3X2 2.8 por grasas 4X1 + 3X2 3.6 por protenas X1 + X2 = 1 onzas

14

Anderson Sweeney Willams. Mtodos Cuantitativos para los Negocios. 7ma Edicin. Editorial Thomson. Pgina 269. Problema 36.

Oswaldo Paul Rivadeneira

Pgina: 29

Investigacin Operativa I

Programacin Lineal

No negatividad Xi 0; i=1,2 Solucin GLP

X2 1

Payoff: 0.020 X1 + 0.025 X2 = 0.017

: 4.000 X1 + 3.000 X2 = 3.600 : 2.000 X1 + 3.000 X2 = 2.800 0 : 2.000 X1 + 1.500 X2 = 1.700 0 Optimal Decisions(X1,X2): (0.850, 0.000) : 2.000X1 + 1.500X2 >= 1.700 : 2.000X1 + 3.000X2 <= 2.800 : 4.000X1 + 3.000X2 <= 3.600

X1

Datos entrada SOLVER


Planificacion de Healthtech Foods Cereal Cantidad en onzas Costo A 1 0,02 B 1 min 0,025 0,045 No Lmite Utiliz 1,7 1,8 2,8 -2,2 3,6 -3,4

Restricciones fibra diettica por grasas por proteinas

2 2 4

Utilizado 1,5 3,5 3 5 3 7

Datos salida SOLVER


Planificacion de Healthtech Foods Cereal Cantidad en onzas A 0,85 B 0 min

Oswaldo Paul Rivadeneira

Pgina: 30

Investigacin Operativa I

Programacin Lineal

Costo

0,02

0,025

0,017 No Utiliz 9,12E1,7 13 2,8 1,1 3,6 0,2

Restricciones fibra diettica por grasas por proteinas 2 2 4 1,5 3 3

Utilizado 1,7 1,7 3,4

Lmite

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
15

Anderson Sweeney Willams. Mtodos Cuantitativos para los Negocios. 7ma Edicin. Editorial Thomson. Pgina 270. Problema 37.

Oswaldo Paul Rivadeneira

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 Optimal Decisions(X1,X2): (250.0, 100.0) : 1.0X1 + 1.0X2 >= 350.0 : 1.0X1 + 0.0X2 >= 125.0 : 2.0X1 + 1.0X2 <= 600.0

200 220 240 260 280 300 320 340 360

380 400

X1

Datos entrada SOLVER


Planificacion de 55. M&D Chemical Producto Cantidad galones Costo 1 1 2 2 1 min 3

5 No Utiliz -348 124 597

Restricciones Galones producidos Pedido cliente Horas proceso

Utilizado 1 1 2 1 1 2 1 3

Lmite 350 125 600

Datos salida SOLVER


Planificacion de M&D Chemical Producto Cantidad galones Costo 1 250 2 2 100 min 3 800

Oswaldo Paul Rivadeneira

Pgina: 32

Investigacin Operativa I

Programacin Lineal

Restricciones Galones producidos Pedido cliente Horas proceso

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 X2 = Cantidad de galones de fluido tipo 2 Funcin Objetivo Zmin = X1 + X2 Restricciones X1 30 produccin mnima de producto 1 X2 20 produccin mnima de producto 2 X1 + 2X2 80 libras de materia prima No negatividad Xi 0; i=1,2

16

Anderson Sweeney Willams. Mtodos Cuantitativos para los Negocios. 7ma Edicin. Editorial Thomson. Pgina 270. Problema 38.

Oswaldo Paul Rivadeneira

Pgina: 33

Investigacin Operativa I

Programacin Lineal

Solucion GLP
Payoff: 1.0 X1 + 1.0 X2 = 60.0

X2 25 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 2 4 6 8 10

: 1.0 X1 + 2.0 X2 = 80.0

: 0.0 X1 + 1.0 X2 = 20.0

: 1.0 X1 + 0.0 X2 = 30.0

12

14

16

18

20

22

24

26

28

30

32

34

36

38

40

X1

Optimal Decisions(X1,X2): (40.0, 20.0) : 1.0X1 + 0.0X2 >= 30.0 : 0.0X1 + 1.0X2 >= 20.0 : 1.0X1 + 2.0X2 <= 80.0

17. Bryants Pizza es un productor de pizzas congeladas. La empresa tiene una utilidad de un dlar por cada pizza normal que produzca y de 1.5 dlares por cada pizza de lujo. Cada pizza incluye una combinacin de pasta de harina y de mezcla de relleno. Actualmente la empresa tiene 150 libras de mezcla de pasta y de 50 libras de mezcla de relleno. Cada pizza normal utiliza una libra de mezcla de pasta de harina y 4 onzas de mezcla de pasta de relleno. Cada pizza de lujo utiliza una libra de mezcla de pasta de harina y 8 onzas de mezcal de relleno. Con base en la demanda del pasado, Bryant puede vender por lo menos 50 pizzas normales y por lo menos 25 pizzas de lujo. Cuntas pizzas normales y de lujo deber fabricar la empresa para maximizar la utilidad? a. Cul es el modelo de programacin lineal para este problema? b. Escriba este programa lineal en su forma estndar. c. Encuentre la solucin ptima. d. Cules son los valores e interpretaciones de todas las variables de holgura y de excedente? e. Qu restricciones estn asociadas con recursos limitantes?17 Solucin: Formulacin del modelo:
17

Anderson Sweeney Willams. Mtodos Cuantitativos para los Negocios. 7ma Edicin. Editorial Thomson. Pgina 270. Problema 39.

Oswaldo Paul Rivadeneira

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 X2 Solucin GLP
160 152 144 136 128 120 112 104 96 88 80 72 64 56 48 40 32 24 16 8 0 0 10 20 30 40 50 60 70 80 90 100 110 120 130 140 150 160 170 : 0.00 X1 + 1.00 X2 = 25.00 : 0.25 X1 + 0.50 X2 = 50.00 Payoff: 1.00 X1 + 1.50 X2 = 175.00 : 1.00 X1 + 1.00 X2 = 150.00 : 1.00 X1 + 0.00 X2 = 50.00

Optimal Decisions(X1,X2): (100.00, 50.00) : 1.00X1 + 1.00X2 <= 150.00 : 0.25X1 + 0.50X2 <= 50.00 : 1.00X1 + 0.00X2 >= 50.00 : 0.00X1 + 1.00X2 >= 25.00

Datos de entrada SOLVER

PLANIFICACION TRABAJO BRYANT'S PIZZA Pizzas Cantidad Normal Lujo 1 1 max

Oswaldo Paul Rivadeneira

Pgina: 35

Investigacin Operativa I

Programacin Lineal

Utilidad

1,5

2,5 No Lmite Utiliz 150 148 50 49,25 50 -49 25 -24

Restricciones Pasta harina 1 Relleno 0,25 Pizzas Normales 1 Pizzas Lujo

Utilizado 1 2 0,5 0,75 1 1 1

Datos de salida SOLVER


PLANIFICACION TRABAJO BRYANT'S PIZZA Pizzas Cantidad Utilidad Normal Lujo 100 50 max 1 1,5 175 No Lmite Utiliz 150 -3,4E-10 50 -6E-11 50 50 25 25

Restricciones Pasta harina 1 Relleno 0,25 Pizzas Normales 1 Pizzas Lujo

Utilizado 1 150 0,5 50 100 1 50

18. English Motors, Ltd. (EML), ha desarrollado un nuevo vehculo deportivo de utilera, con traccin en la cuatro llantas. Como parte de la campaa de mercadotecnia, EML ha desarrollado una presentacin de ventas en video cinta que se enviar tanto a propietarios de vehculos de traccin en las cuatro ruedas EML actuales, como a propietarios de vehculos utilitarios deportivos de cuatro ruedas ofrecidos por los competidores EML se refiere a estos dos mercados objetivo como mercado de clientes actual y mercado de clientes nuevo. Los individuos que reciban el nuevo video promocional tambin recibirn un cupn para un recorrido de prueba del nuevo modelo EML, durante un fin de semana. Un factor clave en el xito de esta nueva promocin es la tasa de respuesta, es decir el porcentaje de individuos que reciban la nueva promocin y hagan el recorrido de prueba del nuevo modelo, EML estima que la tasa de respuesta para el mercado de clientes actual es de 25% y para el mercado de cliente nuevo es de 20%. La tasa de ventas es el porcentaje de individuos que reciba la nueva promocin, haga el recorrido de prueba y efecte la compra. Los estudios de investigacin de mercado indican que la tasa de ventas el de 12% para el mercado de clientes actual y de 20% para el mercado de clientes nuevo. El costo de cada promocin, excluyendo los costos de recorrido de prueba, es de 5 dlares por cada promocin enviada al mercado de clientes actual y de 4 dlares por cada promocin enviada al mercado de clientes nuevo. La administracin tambin ha decidido que se deber enviar la nueva promocin a un mnimo d 30.000 clientes actuales y a un mnimo de 10.000 clientes nuevos. Adems, el nmero de clientes actuales que haga el recorrido de prueba del
Oswaldo Paul Rivadeneira Pgina: 36

Investigacin Operativa I

Programacin Lineal

nuevo vehculo debe ser de por lo menos el doble del nmero de clientes nuevos que hagan recorrido de prueba del nuevo vehculo. Si el presupuesto de mercadotecnia, incluyendo los costos del recorrido de prueba, es de 1200.000 dlares, Cuntas promociones debern ser enviadas a cada grupo de clientes para maximizar las ventas totales?18 Solucin: Formulacin del modelo: 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

18

Anderson Sweeney Willams. Mtodos Cuantitativos para los Negocios. 7ma Edicin. Editorial Thomson. Pgina 274. Problema 61.

Oswaldo Paul Rivadeneira

Pgina: 37

Investigacin Operativa I

Programacin Lineal

X2 273 260 247 234 221 Payoff: 0.60 X1 + 0.80 X2 = 176.00 208 195 182 169 156 143 : 1.00 X1 + 0.00 X2 = 30.00 130 117 104 91 78 65 52 39 26 13 0 0 13 26 39 52 65

: 5.00 X1 + 4.00 X2 = 1200.00

: 0.25 X1 - 0.40 X2 = 0.00

: 0.00 X1 + 1.00 X2 = 10.00

78

91

104

117

130

143

156

169

182

195

208

221

234

247

260

Optimal Decisions(X1,X2): (160.00, 100.00) : 1.00X1 + 0.00X2 >= 30.00 : 0.00X1 + 1.00X2 >= 10.00 : 0.25X1 - 0.40X2 >= 0.00 : 5.00X1 + 4.00X2 <= 1200.00

Datos de entrada SOLVER


PLANIFICACION TRABAJO ENGLISH MOTOR LTD. Clientes Clientes Actuales Nuevos 1 0,6 1 max 0,8 1,4 No Lmite Utiliz 30 29 10 9 0 -0,15 1200 -1191

Promociones Cantidad en miles Ventas

Restricciones Clientes actuales Clientes nuevos Relacion clientes Presupuesto

1 0,25 5

Utilizado 1 1 1 -0,4 -0,15 4 9

Datos salida SOLVER


PLANIFICACION TRABAJO ENGLISH MOTOR LTD. Clientes Clientes Actuales Nuevos 160 0,6 100 max 0,8 176

Promociones Cantidad en miles Ventas

Oswaldo Paul Rivadeneira

Pgina: 38

Investigacin Operativa I

Programacin Lineal

Restricciones Clientes actuales Clientes nuevos Relacion clientes Presupuesto

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

19. Creative Sports Designs (CSD) fabrica raquetas de tamao estndar y extragrande. Las raquetas de la empresa son extremadamente ligeras, debido a uso de una aleacin de magnesio y grafito inventada por el fundador de la empresa. Cada raqueta de tamao estndar utiliza 0,125 kilos de aleacin y cada raqueta extragrande utiliza 0,4 kilos; para el siguiente perodo de produccin de dos semanas slo hay disponibles 80 kilos de aleacin. Cada raqueta de tamao estndar ocupa 10 minutos de tiempo de fabricacin y cada raqueta de tamao extragrande ocupa 12 minutos. Las contribuciones a la utilidad son de 10 dlares por cada raqueta estndar y de 15 dlares por cada raqueta extragrande y estn disponibles 40 horas de tiempo de produccin por semana. La administracin ha especificado que por lo menos 20% de la produccin total debe ser de raqueta de tamao estndar. Cuntas raquetas de cada tipo deber fabricar CSD en las dos semanas siguientes, a fin de maximizar la contribucin a la utilidad? Suponga que, debido a la naturaleza nica de sus productos, CSD puede vender tantas raquetas como pueda producir.19 Solucin: Formulacin del modelo: 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 produccin X1 0.20(X1 + X2) No negatividad Xi 0; i=1,2 Solucin GLP

19

Anderson Sweeney Willams. Mtodos Cuantitativos para los Negocios. 7ma Edicin. Editorial Thomson. Pgina 274. Problema 62.

Oswaldo Paul Rivadeneira

Pgina: 39

Investigacin Operativa I

Programacin Lineal

X2 200 190 180 170 160 150 140 130 120 110 100 90 80 70 60 50 40 30 20 10 0 0 2 4 6

: 0.125 X1 + 0.400 X2 = 80.000 Payoff: 10.000 X1 + 15.000 X2 = 2896.551 : 10.000 X1 + 12.000 X2 = 2400.000

: 0.800 X1 - 0.200 X2 = 0.000

10 12 14 16 18 20 22 24 26 28 30 32 34 36 38 40 42

X1

Optimal Decisions(X1,X2): (41.379, 165.517) : 0.125X1 + 0.400X2 <= 80.000 : 10.000X1 + 12.000X2 <= 2400.000 : 0.800X1 - 0.200X2 >= 0.000

Datos entrada SOLVER


PLANIFICACION TRABAJO 59. Creative Sports Designs Raquetas Cantidad Contrib. Utilidad Estandar Extra G 1 1 max 10 15 25 No Utilizado Lmite Utiliz 0,4 0,525 80 79,475 12 22 2400 2378 -0,2 0,6 0 0,6

Restricciones Kilos aleacin Tiempo prod. min 20% prod estand

0,125 10 0,8

Datos salida SOLVER


PLANIFICACION TRABAJO 59. Creative Sports Designs Raquetas Cantidad Contrib. Utilidad Restricciones Kilos aleacin Tiempo prod. min Estandar Extra G 41,37931 165,5172 max 10 15 2896,552 Utilizado Lmite No Utiliz 0,4 71,37931 80 8,62069 12 2400 2400 3,03E-10

0,125 10

Oswaldo Paul Rivadeneira

Pgina: 40

Investigacin Operativa I

Programacin Lineal

20% prod estand

0,8

-0,2

9,03E-11

9,03E-11

20. La administracin de High Tech Service (HTS) desea desarrollar un modelo que le ayude a asignar el tiempo de sus tcnicos entre llamada de servicio por contrato a clientes tanto normales como nuevos. En el perodo de planeacin de dos semanas hay disponible un mximo de 80 horas de tiempo de tcnico. A fin de satisfacer los requisitos de flujo de caja, deben generarse por lo menos 800 dlares de ingresos (por tcnico) durante el perodo de dos semanas. El tiempo de tcnico para los clientes normales genera 25 dlares por hora, pero para clientes nuevos slo genera un promedio de 8 dlares la hora, porque en muchos casos el contacto con el cliente no llega a generar servicios facturables. Para asegurarse de que se mantienen contactos nuevos, el tiempo de tcnico utilizado en contactos con clientes nuevos debe ser por lo menos 60% del tiempo utilizado en contactos con clientes normales. Para los requerimientos de ingresos y polticas enunciadas, HTS deseara determinar cmo asignar el tiempo de los tcnicos entre clientes normales y nuevos, a fin de maximizar el nmero total de clientes en contacto durante el perodo de dos semanas. Los tcnicos requieren un promedio de 50 minutos por cada contacto de cliente normal y de una hora por cada contacto con cliente nuevo. a. Desarrolle un modelo de programacin lineal que le permita a HTS asignar el tiempo de los tcnicos entre clientes normales y nuevos. b. Haga una grfica de la regin factible c. Resuelva las ecuaciones lineales simultneas apropiadas para determinar los valores de X1 y X2 en cada punto extremo de la regin factible. d. Encuentre la solucin ptima20 REFERENCIA: Pgina 274 Problema 63. Mtodos Cuantitativos para los Negocios. 7ma Edicin. Anderson Sweeney Willams. Editorial Thomson. Solucin: Formulacin del modelo: Definicin de variables X1 = Numero de horas de tcnico asignado a clientes normales X2 = Numero de horas de tcnico asignado a clientes nuevos Funcin Objetivo Zmax = 60X1/50+ 60X2/60 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

20

Anderson Sweeney Willams. Mtodos Cuantitativos para los Negocios. 7ma Edicin. Editorial Thomson. Pgina 274. Problema 63. Oswaldo Paul Rivadeneira Pgina: 41

156

Investigacin Operativa I
130

143

Programacin Lineal

Solucin GLP
104

117

91

Payoff: 1.20 X1 + 1.00 X2 = 90.00

78

65

52

39 : 25.00 X1 + 8.00 X2 = 800.00 26 : -0.60 X1 + 1.00 X2 = 0.00

13

: 1.00 X1 + 1.00 X2 = 80.00

0 0 11 22 33 44 55 66 77

Optimal Decisions(X1,X2): (50.00, 30.00) : 1.00X1 + 1.00X2 <= 80.00 : -0.60X1 + 1.00X2 >= 0.00 : 25.00X1 + 8.00X2 >= 800.00

Entrada de datos SOLVER


PLANIFICACION TRABAJO High Tech Service Clientes Clientes normales nuevos 1 1 max 1.2 1 2.2 Utilizado 1 -0.6 25 1 1 8 2 0.4 33 Lmite 80 0 800 No Utiliz 78 -0.4 -767

Horas de trabajo Cantidad horas Nmero clientes Restricciones Horas disponibles Relacin tiempo Ingresos

Datos de salida SOLVER


PLANIFICACION TRABAJO High Tech Service Clientes Clientes normales nuevos 50 30 max 1.2 1 90

Horas de trabajo Cantidad horas Nmero clientes

Oswaldo Paul Rivadeneira

Pgina: 42

Investigacin Operativa I

Programacin Lineal

Restricciones Horas disponibles Relacin tiempo Ingresos

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

21. Jackson Hole Manufacturing es un pequeo fabricante de productos de plstico que se utilizan en las industrias automotrices y de computacin. Tiene un importante contrato con una empresa de computadoras que implica la produccin de cajas de plstico para las impresoras porttiles de dicha empresa. Las cajas de impresora se producen en dos mquinas de moldeo por inyeccin. La mquina M100 tiene una capacidad de produccin de 20 cajas de impresora por hora y la mquina M200 tiene una capacidad de 40 cajas por hora. Ambas mquina utilizan la misma materia prima qumica para producir las cajas de impresora.; la M100 utiliza 40 libras de materia prima por hora, y la M200 utiliza 50 por hora. La empresa de computadoras le ha pedido a Jackson Hole que produzca tantas cajas durante la semana que sigue como sea posible, y la ha dicho que le pagar 18 dlares por cada caja que pueda entregar. Sin embargo, la siguiente semana es un perodo normal de vacaciones programadas para la mayor parte de los empleados de produccin de Jackson Hole. Durante este tiempo, se efecta el mantenimiento anual de todo el equipo de la planta. Debido al tiempo parado para mantenimiento, la M100 no estar disponible durante ms de 15 horas y la M200 durante ms de 10 horas. Sin embargo, en razn del elevado costo de preparacin involucrado en ambas mquinas, la administracin requiere que, si el programa de produccin en cualquiera de estas mquinas, la mquina deber operar por lo menos durante 5 horas. El proveedor de la materia qumica utilizada en el proceso de produccin le ha informado a Jackson Hole que tendr disponible un mximo de 1.000 libras de la materia prima para la produccin de la siguiente semana. El costo de la materia prima es de 6 dlares por libra. Adems del costo de la materia 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)

21

Anderson Sweeney Willams. Mtodos Cuantitativos para los Negocios. 7ma Edicin. Editorial Thomson. Pgina 275. Problema 64. Oswaldo Paul Rivadeneira Pgina: 43

Investigacin Operativa I
30

Programacin Lineal

Zmax = (360 240 50)X1 + (720 300 75)X2 Zmax = 70X1 + 345X2 Restricciones X1 horas mximas de trabajo M100 24 15 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 18 negatividad Xi 0; i=1,2 Solucin GLP
Payoff: 70.0 X1 + 345.0 X2 = 4325.0 12

6 : 40.0 X1 + 50.0 X2 = 1000.0 : 0.0 X1 + 2.0 X2 = 5.0 : 1.0 X1 + 0.0 X2 = 5.0 : 0.0 X1 + 1.0 X2 = 10.0 0 : 1.0 X1 + 0.0 X2 = 15.0 0 1 2 3 4 5

10

11

12

13

14

15

16

17

18

19

20

21

22

23

24

25

26

27

Optimal Decisions(X1,X2): (12.5, 10.0) : 1.0X1 + 0.0X2 <= 15.0 : 0.0X1 + 1.0X2 <= 10.0 : 1.0X1 + 0.0X2 >= 5.0 : 0.0X1 + 2.0X2 >= 5.0 : 40.0X1 + 50.0X2 <= 1000.0

Datos entrada SOLVER


PLANIFICACION TRABAJO High Tech Service Maquina Maquina M100 M200 1 1 max 70 345 415 Utilizado 1 1 Lmite No Utiliz 15 14 10 9

Horas de trabajo Cantidad horas Contrib. utilidad Restricciones Horas max M100 Horas max M200

1 0

0 1

Oswaldo Paul Rivadeneira

Pgina: 44

Investigacin Operativa I

Programacin Lineal

Horas min M100 Horas min M200 Libras disponibles

1 0 40

0 1 50

1 1 90

5 5 1000

-4 -4 910

Datos de salida SOLVER

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 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

1 0 1 0 40

0 1 0 1 50

22. Electronic Comunications fabrica radios porttiles que pueden utilizarse en comunicaciones de dos vas. El nuevo producto de la empresa que tiene un rango de hasta 25 millas, es adecuado para una diversidad de usos comerciales y personales. Los canales de distribucin para el nuevo radio son: 1. 2. 3. 4. distribuidores de equipo marino, distribuidores de equipo de oficina, cadenas nacionales de tiendas al menudeo, pedidos por correo.

Debido a diferentes costos de distribucin y promocionales, la reditualidad del producto variar segn el canal de distribucin. Adems, el costo de publicidad y el esfuerzo de ventas personales requerido tambin variarn de acuerdo con los canales de distribucin. La tabla siguiente resume la distribucin de la utilidad, el costo de publicidad y los datos de esfuerzo de ventas personales correspondientes al problema de Electronic Comunications. La empresa a formulado un presupuesto de publicidad de 5.000 dlares, y est disponible un mximo de 1800 horas de la fuerza de ventas para asignar al esfuerzo de ventas. Finalmente, un contrato vigente con la cadena nacional de tiendas al menudeo requiere que por lo menos de distribuyan 150 unidades a travs de este canal de distribucin. Datos de Utilidades, costos y esfuerzo del personal de ventas para Electronic Esfuerzo del Canal de Utilidades por Costo de publicidad personal de ventas distribucin unidad vendida por unidad vendida por unidad vendida Distrib. Marinos $90 $10 2 horas

Oswaldo Paul Rivadeneira

Pgina: 45

Investigacin Operativa I

Programacin Lineal

Distrib. de oficinas Tiendas nacionales Pedidos por correo

$84 $70 $60

$8 $9 $15

3 horas 3 horas Ninguna

Electronic Comunications ahora se enfrenta al problema de establecer un estrategia de distribucin para los radios, que maximice la reditualidad general de la produccin de nuevos radios. Debe tomarse decisiones en relacin con cuantas unidades deben asignarse a cada uno de los cuatro canales de distribucin, as como asignar el presupuesto de publicidad y el esfuerzo de la fuerza de ventas a cada uno de los canales de distribucin.22 Solucin: Formulacin del modelo: Definicin de variables X1 = Numero de radios X2 = Numero de radios X3 = Numero de radios X4 = Numero de radios

asignados asignados asignados asignados

a a a a

distribuidores de equipo marino distribuidores de equipos de oficina cadenas nacionales de tiendas 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 RECUROS 10 2

RESTRICCIONES Presupuesto Esfuerzo laboral Contrato cadena nacion

8 3

9 3 1

15

Utilizado 42 8 1

LIMITE No utiliz 5000 4958.00 1800 1792.00 150 -149.00

22

Anderson Sweeney Willams. Mtodos Cuantitativos para los Negocios. 7ma Edicin. Editorial Thomson. Pgina 298. Oswaldo Paul Rivadeneira Pgina: 46

Investigacin Operativa I

Programacin Lineal

Datos de salida SOLVER


ELECTRONIC COMUNICATION Distribuidores Cadenas pedidos Equipo Equipos nacionales por Radios asignados a Marino de Oficina de tiendas correo Nmero de Radios 10.71429 442.85714 150 0 Max Utlidades 90 84 70 60 48664.29 USO DE RECUROS 10 2

RESTRICCIONES Presupuesto Esfuerzo laboral Contrato cadena nacion

8 3

9 3 1

Utilizado LIMITE No utiliz 15 5000 5000 0.00 1800 1800 0.00 150 150 0.00

23. National Insurance Associates mantiene una cartera de inversiones en acciones, bonos y otras alternativas de inversin. Actualmente hay fondos disponibles por 200.000 dlares y deben ser tomados en consideracin para nuevas oportunidades de inversin. Las cuatro opciones de valores que National est considerando as como los datos financieros relevantes correspondientes son los que siguen: Accin Datos financieros Precio por accin ($) Tasa anual de rendimiento Medida de riego por dlar A 100 0.12 0.10 50 0.08 0.07 B C 80 0.06 0.05 40 0.10 0.08 D

La medida de riesgo indica la incertidumbre relativa asociada con la accin, en funcin de su capacidad de alcanzar su rendimiento anual proyectado; valores ms elevados indican mayor riesgo. Las medidas de riesgo son proporcionadas por el principal asesor financiero de la empresa. La administracin general de National ha estipulado las siguientes vas de accin para las inversiones: 1. La tasa de rendimiento anual de la cartera debe ser por lo menos 9% 2. Ninguno de los valores puede representar ms del 50% de la inversin total en dlares. a. Utilice la programacin lineal para desarrollar una cartera de inversiones que minimice el riesgo. b. Si la empresa ignora el riesgo y utiliza una estrategia de mximo rendimiento sobre la inversin, Cul sera la cartera de inversiones?

Oswaldo Paul Rivadeneira

Pgina: 47

Investigacin Operativa I

Programacin Lineal

c. Cul es la diferencia en dlares entre las carteras de inversiones de los incisos (a) y (b)? Por qu preferira la empresa la solucin desarrollada en el inciso (a)23 REFERENCIA: Pgina 316 Problema 16. Mtodos Cuantitativos para los Negocios. 7ma Edicin. Anderson Sweeney Willams. Editorial Thomson. Solucin a): Formulacin del modelo: Definicin de variables X1 = Cantidad de acciones X2 = Cantidad de acciones X3 = Cantidad de acciones X4 = Cantidad de acciones

asignados asignados asignados asignados

a a a a

opcin A opcin B opcin C opcin D

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 A 1 10 B 1 3.5 C 1 4 D 1 Min 3.2 20.7 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

Accionea asignadas a Cantidad Riesgo 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 50 12 4 100 50

80 4.8

80

23

Anderson Sweeney Willams. Mtodos Cuantitativos para los Negocios. 7ma Edicin. Editorial Thomson. Pgina 316. Problema 16. Oswaldo Paul Rivadeneira Pgina: 48

Investigacin Operativa I

Programacin Lineal

Resultados del SOLVER National Insurance Associates


Acciones Accionea asignadas a Cantidad Riesgo A 333.3333 10 USO DE RECUROS 100 12 100 B C 0 833.333333 3.5 4 D 2500 Min 3.2 14666.67

RESTRICCIONES Dlares disponibles Rendimiento annual Invesin mx en A Invesin mx en B Invesin mx en C Invesin mx en D

50 4 50

80 4.8

80

Utilizado 40 200000 4 18000 33333.33 0 66666.67 40 100000

LIMITE No utiliz 200000 0.00 18000 0.00 100000 66666.67 100000 100000.00 100000 33333.33 100000 0.00

24. La administracin de Carson Stapler Manufacturing Company pronostica para el trimestre que viene una demanda de 5000 unidades para su modelo Sure-Hold. Esta engrapadora se ensambla a partir de tres componentes principales: la base, el cartucho de grapa y la manija. Hasta ahora Carson ha fabricado los tres componentes. Sin embargo, el pronstico de 5000 unidades es un nuevo volumen mximo de venta y la empresa quiz no tenga suficiente capacidad de produccin para la fabricacin de todos los componentes. La administracin est pensando contratar una empresa maquiladora local para producir por lo menos una parte de los componentes. Los requisitos de tiempos de produccin por unidad son como sigue: Tiempo de produccin (horas) Base Cartucho Manija 0.03 0.02 0.05 0.04 0.02 0.04 0.02 0.03 0.01 Tiempo disponible (horas) 400 400 400

Departamento A B C

Note que cada componente fabricado por Carson ocupa tiempo de produccin en cada uno de los tres departamentos. Despus de tomar en consideracin los gastos generales, las materias primas y los costos de mano de obra de la empresa, el departamento de contabilidad ha llegado al costo unitario, en dlares, de manufactura de cada componente. Estos datos junto con las cotizaciones de la empresa maquiladora de los precios de compra, en dlares, son como sigue: Componente Base Cartucho Manija
Oswaldo Paul Rivadeneira

Costo de manufactura 0.75 0.40 1.10

Costo de adquisicin 0.95 0.55 1.40


Pgina: 49

Investigacin Operativa I

Programacin Lineal

a. Determine cul sera la decisin de fabricar o comprar para Carson, que haga que pueda cumplirse la demanda de 5000 unidades a un costo total mnimo. De cada componente, Cuntas unidades debern ser fabricadas y cuantas debern ser adquiridas? b. Qu departamentos estn limitando el volumen de fabricacin? Si pudiera considerarse tiempo extraordinario a un costo adicional de $3 la hora, Qu departamento o departamentos deberan ser motivo de tiempo extra? Explique. c. Suponga que en el departamento A se pueden programar hasta 80 horas de tiempo extra. Qu recomendara usted?24 Solucin: Formulacin del modelo: 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 0.04X11 + 0.02X12 0.02X11 + 0.03X12 X11 + X21 = 5.000 X12 + X22 = 5.000 X13 + X23 = 5.000 No negatividad Xij 0; i=1,2; j=1,3 Datos de entrada SOLVER
Unidades de Cantidad Costos Carson Stapler Manufacturing Company Producidas Grapas Cartuchos Manijas Grapas 1 1 1 1 0.75 0.4 1.1 0.95 Adquiridas Cartuchos 1 0.55 Manijas 1 1.4

+ 0.05X13 400 horas disponibles Dep. A + 0.04X13 400 horas disponibles Dep. B + 0.01X13 400 horas disponibles Dep. C cantidad de bases cantidad de cartuchos cantidad de manijas

Min 5.15

24

Anderson Sweeney Willams. Mtodos Cuantitativos para los Negocios. 7ma Edicin. Editorial Thomson. Pgina 316. Problema 17. Oswaldo Paul Rivadeneira Pgina: 50

Investigacin Operativa I

Programacin Lineal

RESTRICCIONES Horas Departamento A Horas Departamento B Horas Departamento C Cantidad de bases Cantidad de cartuchos Cantidad de manijas

USO DE RECUROS 0.03 0.02 0.04 0.02 0.02 0.03 1 1

0.05 0.04 0.01 1 1 1 1

Utilizado 0.1 0.1 0.06 2 2 2

= = =

LIMITE 400 400 400 5000 5000 5000

No utiliz 399.90 399.90 399.94 4998.00 4998.00 4998.00

Datos de salida de SOLVER


Unidades de Cantidad Costos RESTRICCIONES Horas Departamento A Horas Departamento B Horas Departamento C Cantidad de bases Cantidad de cartuchos Cantidad de manijas Carson Stapler Manufacturing Company Producidas Grapas Cartuchos Manijas Grapas 3750 5000 3750 1250 0.75 0.4 1.1 0.95 USO DE RECUROS 0.03 0.02 0.04 0.02 0.02 0.03 1 1 Adquiridas Cartuchos 0 0.55 Manijas 1250 1.4

Min 11875 Utilizado 400 400 262.5 5000 5000 5000 LIMITE 400 400 400 5000 5000 5000 No utiliz 0.00 0.00 137.50 0.00 0.00 0.00

0.05 0.04 0.01 1 1 1 1

= = =

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 Costo de San Diego $ 5.25 $ 5.45 Costo de Tampa $ 4.95 $ 5.70

a. Formule un modelo de programacin lineal para determinar la manera en que GSI deber programar la produccin de este nuevo pedido para minimizar el costo total de produccin. b. Utilice cualquier cdigo de programacin lineal para resolver el modelo desarrollado en el inciso (a) c. Suponga que algunas de las rdenes anteriores de la planta de Tampa podran ser reprogramadas para liberar la capacidad adicional para esta nueva orden. Merecera esto la pena? Explique. d. Suponga que el costo de producir un palo de golf rgido en Tampa fue incorrectamente calculado, y que el costo correcto es de 5.30 dlares por palo.
Oswaldo Paul Rivadeneira Pgina: 51

Investigacin Operativa I

Programacin Lineal

Qu efecto, si es que hubiera alguno, tendra lo anterior sobre la solucin ptima desarrollada en el inciso (b)? Qu efecto tendra lo anterior sobre el costo total de produccin?25 Solucin a): Formulacin del modelo: 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 palos palos palos palos de golf normales de golf extrargidos fabricados en San Diego fabricados en Tampa

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
San Diego Palos de Golf Cantidad Costos RESTRICCIONES Palos normales Palos extrargidos Fabric. San Diego Fabric. Tampa 1 Normales 1 5.25

Golf Shafts (GSI) Tampa Normales 1 4.95 Extrargid 1 5.7 Min 21.15 Utilizado 1 1 1 1 1 1 1 2 2 2 2 LIMITE 200000 75000 120000 180000 No utiliz 199998.00 74998.00 119998.00 179998.00 1 5.25 Extrargid

USO DE RECUROS

Datos de salida SOLVER

25

Anderson Sweeney Willams. Mtodos Cuantitativos para los Negocios. 7ma Edicin. Editorial Thomson. Pgina 317. Problema 18. Oswaldo Paul Rivadeneira Pgina: 52

Investigacin Operativa I

Programacin Lineal

Golf Shafts (GSI) San Diego Palos de Golf Cantidad Costos RESTRICCIONES Palos normales Palos extrargidos Fabric. San Diego Fabric. Tampa 1 1 1 1 1 1 Normales 20000 5.25 Extrargid 75000 5.25 Tampa Normales 180000 4.95 Extrargid 0 5.7 Min 1E+06 Utilizado 1 1 2E+05 75000 95000 2E+05 LIMITE 200000 75000 120000 180000 No utiliz 0.00 0.00 25000.00 0.00

USO DE RECUROS

26. La Pfeiffer Company administra aproximadamente 15 millones de dlares para sus clientes. Para cada Cliente, Pfeiffer escoge una mezcla de tres tipos de inversiones: un fondo de valores de crecimiento, un fondo de ingresos y un fondo de mercado de dinero. Cada cliente tiene objetivos de inversin distintos y diferentes tolerancias de riesgo. Para dar gusto a estas diferencias, Pfeiffer establece lmites en cada cartera para los porcentajes que pueden ser invertidos en estos tres fondos y a cada cliente le asigna un ndice de riesgo. As como este sistema funciona para Dennos Hartmann, uno de los clientes de Pfeiffer Con base en una evaluacin de la tolerancia al riesgo de Hartmann, Pfeiffer le ha asignado a la cartera de Hartmann un ndice de 0.05. Adems, para mantener cierta diversidad, la fraccin de la cartera de Hartmann invertida en fondos de crecimiento y de ingresos debe ser por lo menos de 10% cada una y por lo menos 20% deber estar invertido en fondos de mercado de dinero. Las evaluaciones de riego para los fondos de crecimiento, de ingresos y de mercado de dinero son respectivamente 0.10, 0.05 y 0.01. El ndice de riesgo de cada una se calcula como el promedio ponderado de la valuaciones de riesgo de los tres fondos, donde los coeficientes de ponderacin son iguales a la fraccin de la cartera invertida en cada uno de los tres fondos. Hartmann le ha dado 300.000 dlares a Pfeiffer para su administracin. Pfeiffer est pronosticando actualmente un rendimiento del 20% en el fondo de crecimiento, 10% en el fondo de ingresos y 6% en el fondo de mercad de dinero. a. Desarrolle un modelo de programacin lineal para 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?

Oswaldo Paul Rivadeneira

Pgina: 53

Investigacin Operativa I

Programacin Lineal

e. Si Pfeiffer revisa hacia abajo su estimacin de rendimiento para el fondo de crecimiento hasta 0.10, Cmo recomendara usted que se modificara la cartera de Hartmann? f. Qu informacin debe mantener Pfeiffer sobre cada cliente para utilizar este sistema para la administracin de las carteras de los clientes? g. En base semanaria Pfeiffer revisa las estimaciones de rendimiento de cada uno de los tres fondos. Suponga que Pfeiffer tiene 50 clientes. Describe la forma en que Pfeiffer podra ser modificaciones semanales en cada cartera de cliente, y asignar los fondos totales administrados entre los tres fondos de inversin.26 Solucin a): Formulacin del modelo: 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 Rendimiento RESTRICCIONES Crecimiento Ingresos Mercado de dinero Riesgo Cartera 0.1 0.05 Crecimiento 1 0.2 Ingresos 1 0.1 Mercado 1 0.06 Max 0.36 Utilizado 1 1 1 0.01 1 1 0.16 3 LIMITE 30000 30000 60000 15000 300000 No utiliz -29999.00 -29999.00 -59999.00 14999.84 299997.00

USO DE RECUROS 1

26

Anderson Sweeney Willams. Mtodos Cuantitativos para los Negocios. 7ma Edicin. Editorial Thomson. Pgina 317. Problema 19 Oswaldo Paul Rivadeneira Pgina: 54

Investigacin Operativa I

Programacin Lineal

La Pfeiffer Company Asignados a Cantidad de dlares Rendimiento RESTRICCIONES Crecimiento Ingresos Mercado de dinero Riesgo Cartera 0.1 0.05 Crecimiento 120000 0.2 Ingresos 30000 0.1 Mercado 150000 0.06 Max 36000 Utilizado 1E+05 1 1 0.01 30000 2E+05 15000 3E+05 LIMITE 30000 30000 60000 15000 300000 No utiliz 90000.00 0.00 90000.00 0.00 0.00

USO DE RECUROS 1

27. La Jolla Beverage Products est pensando en producir un refresco de vino, que sera mezcla de un vino blanco, de un vino rosado y de jugo de fruta. A fin de llenar las especificaciones de sabor, el refresco de vino debe estar hecho con por lo menos 50% de vino blanco, un mnimo de un 20% y no ms de un 30% de rosado, y 20% de jugo de fruta. La Jolla adquiere el vino de los viedos o lugares cercanos y el jugo de frutas de una planta procesadora en San Francisco. Para el perodo actual de produccin, pueden adquirirse 10.000 galones de vino blanco y 8.000 galones de vino rosado, no hay lmite en la cantidad de jugo de fruta que se puede pedir. El costo de los vinos es de un dlar por galn para el vino blanco y de 1.50 dlares por galn para el vino rosado; el jugo de fruta se puede adquirir a 0.50 por galn. La Jolla Beverage Products puede vender todo el refresco que pueda producir a 2.50 dlares por galn. a. En esta situacin, es el costo de vino y el costo de frutas un costo hundido, o uno relevante? Explique. b. Formule un programa lineal para determinar el nmero de galones que La Jolla Beverage Products deber adquirir de cada ingrediente y la contribucin a la utilidad total que obtendrn de esta mezcla. c. Si La Jolla Beverage Products pudiera obtener cantidades adicionales de vino blanco, debera hacerlo? De hacerlo, Cunto debera estar dispuesto a pagar por cada galn adicional, y cuantos galones adicionales deseara adquirir? d. Si La Jolla Beverage Products pudiera obtener cantidades adicionales de vino rosado, debera hacerlo? De hacerlo, Cunto debera estar dispuesto a pagar por cada galn adicional, y cuanto galones adicionales deseara adquirir? e. Interprete el precio dual para la restriccin que corresponde al requisito de que el refresco de vino debe contener por lo menos 50% de vino blanco.Cual sera su consejo a la administracin respecto a este precio dual? f. Interprete el precio dual de la restriccin que correspndela requisito de que al refresco de vino debe contener exactamente el 20% de jugo de frutas.Cual es su consejo a la administracin respecto a este precio dual?27

27

Anderson Sweeney Willams. Mtodos Cuantitativos para los Negocios. 7ma Edicin. Editorial Thomson. Pgina 317. Problema 18.

Oswaldo Paul Rivadeneira

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


La Pfeiffer Company Vino V. Blanco Rosado 1 1.5 1 1

Galones de Cantidad Utilidad RESTRICCIONES Vino blanco Vino rosado Min. vino blanco Min. vino rosado Max. vino rosado Max. frutas

Frutas 1 2 Max 4.5 Utilizado 1 1 -1 -0.2 -1.5 0.4 0.1 0.4 LIMITE 10000 8000 0 0 0 0 No utiliz 9999.00 7999.00 -1.50 -0.40 -0.10 -0.40

USO DE RECUROS 1 1 0.5 -0.2 -1 0.8

-0.3
-0.2

0.7
-0.2

-0.3
0.8

Datos de salida SOLVER

Galones de Cantidad Utilidad

La Pfeiffer Company Vino V. Blanco Rosado 10000 1.5 3000 1

Frutas 2000 2 Max 22000

Oswaldo Paul Rivadeneira

Pgina: 56

Investigacin Operativa I

Programacin Lineal

RESTRICCIONES Vino blanco Vino rosado Min. vino blanco Min. vino rosado Max. vino rosado Max. frutas

USO DE RECUROS 1 1 0.5 -0.2 -1 0.8 -1 -0.2

Utilizado 10000 3000 1E-08 6E-09 -1500 -1000

LIMITE 10000 8000 0 0 0 0

No utiliz 0.00 5000.00 0.00 0.00 1500.00 1000.00

-0.3
-0.2

0.7
-0.2

-0.3
0.8

28. El gerente de programacin del Canal 10 desea determinar la mejor forma de asignar el tiempo para la difusin de las noticias vespertinas de las 11:00 a las 11:30. Especficamente le gustara determinar el nmero de minutos de tiempo de difusin dedicado a noticias locales, noticias nacionales, el clima y los deportes. A lo largo de los 30 minutos de difusin, se reservan 10 minutos para nubilidad. La poltica de difusin indica que por lo menos 15% del tiempo disponible deber dedicarse a cobertura de noticias locales el tiempo dedicado a noticias locales y nacionales deber ser por lo menos 50% del tiempo total de difusin; el tiempo dedicado al segmento del clima deber ser inferior o igual al tiempo que se dedique al segmento de deportes; el tiempo dedicado al segmento de deportes no deber ser superior al tiempo total dedicado a noticias locales y nacionales; y por lo menos, 20% del tiempo deber dedicarse al segmento del clima. Los costos de produccin por minuto son de 300 dlares para noticias locales, 200 dlares para noticias nacionales, 100 dlares para el clima y 100 dlares para deportes. Solucin: Formulacin del modelo: Definicin de variables X1 = nmero de minutos X2 = nmero de minutos X3 = nmero de minutos X4 = nmero de minutos

para noticias locales para noticias nacionales sobre clima 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

Oswaldo Paul Rivadeneira

Pgina: 57

Investigacin Operativa I

Programacin Lineal

MINUTOS en Noticias Cantidad Costos RESTRICCIONES Noticias Locales Not. Locales y Nac Noticias Clima Noticias Deportes Noticias Clima Tiempo disponible

Locales 1 300

Nacionales 1 200

Clima 1 100

Deportes 1 100 Min 700 Utilizado -0,15 -0,5 -1 -1 0,4 0 0 1 0,2 4 LIMITE 0 0 0 0 0 20 No utiliz -0,40 0,00 0,00 -1,00 -0,20 16,00

USO DE RECUROS 0,85 0,5 1 -0,15 0,5 1 -0,15 -0,5 1

-0,2
1

-0,2
1

0,8
1

-0,2
1

Datos de salida SOLVER


PROGRAMACIN CANAL 10 MINUTOS en Noticias Cantidad Costos RESTRICCIONES Noticias Locales Not. Locales y Nac Noticias Clima Noticias Deportes Noticias Clima Tiempo disponible 1 1 0,85 0,5 Locales 3 300 Nacionales 7 200 Clima 5 100 Deportes 5 100 Min 3300 Utilizado -0,15 -0,5 -1 -1 -2E-12 9E-12 0 5 1 20 LIMITE 0 0 0 0 0 20 No utiliz 0,00 0,00 0,00 -5,00 -1,00 0,00

USO DE RECUROS -0,15 0,5 -0,15 -0,5 1

-0,2
1

-0,2
1

0,8
1

-0,2
1

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 calidad aceptables. Para asegurarse de que Benson Printing recibir una parte del contrato de la administracin ha especificado que el nmero de informes asignados a Benson Printing deber ser, por lo menos 10% del volumen que se asigne a Johnson Printing. Adems el volumen total asignado a Benson Printing, Johnson Printing y Likeside Lithono deber exceder 30.000, 50.000 y 50.000 ejemplares respectivamente. Debido a la larga relacin desarrollada con Likeside Litho, la administracin tambin ha indicado que a Likeside Litho se le deber
Oswaldo Paul Rivadeneira Pgina: 58

Investigacin Operativa I

Programacin Lineal

asignar por lo menos 30.000 informes. El costo por ejemplar es de 2.45 dlares para Benson Printing, 2.50 dlares para Johnson Printing, y 2.75 dlares para Likeside Litho. a. Formule y resuelva un programa lineal para determinar cuntos ejemplares debern asignarse a cada empresa impresora, para maximizar el costo total de obtener 75.000 informes de calidad aceptable. b. Suponga que el nivel de calidad de Benson Printing resulta mucho mejor a lo estimado. Qu efecto, si es que existe alguno, tendra? c. Suponga que la administracin est dispuesta a reconsiderar su requisito de que a Likeside Litho se le den por lo menos 30.000 informes.Que efecto, si es que hay alguno, tendra esto? Solucin: Formulacin del modelo: 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

PROGRAMACIN Gulf Coast Electronics Ejemplares Cantidad Costos RESTRICCIONES Litho 1 2,75 Johnson 1 2,5 Benson 1 2,45 Max 7,7 Utilizado LIMITE No utiliz

USO DE RECUROS

Oswaldo Paul Rivadeneira

Pgina: 59

Investigacin Operativa I

Programacin Lineal

Ejemplares de calidad Johnson y Benson Ejemplares Benson Ejemplares Johnson Ejemplares Litho Ejemplares Litho

0,995

0,99 -0,1

0,9 1 1

2,885 0,9 1 1 1 1

75000 0 30000 50000 50000 30000

74997,12 -0,90 29999,00 49999,00 49999,00

1 1

-29999

Datos salida SOLVER


PROGRAMACIN Gulf Coast Electronics Ejemplares Cantidad Costos RESTRICCIONES Ejemplares de calidad Johnson y Benson Ejemplares Benson Ejemplares Johnson Ejemplares Litho Ejemplares Litho 1 Litho 50000 2,75 Johnson 0 2,5 Benson 28055,6 2,45 Max 206236 Utilizado 0,9 1 1 75000 28055,6 28055,6 0 50000 50000 LIMITE 75000 0 30000 50000 50000 30000 No utiliz 0,00 28055,56 -1944,44 50000,00 0,00

USO DE RECUROS 0,995 0,99 -0,1

1 1

20000

30. Como una ilustracin de la asignacin de recursos que usa la programacin lineal, considere el problema siguiente acerca de la planificacin de produccin en una tienda. La produccin debe fijarse para dos tipos de mquinas, la maquina 1 y la mquina 2. Ciento veinte horas de tiempo enlatables pueden fijarse para mquina1, y 80 horas para mquina 2. La produccin durante el periodo de planificacin se limita a dos productos. A y B, cada unidad del producto A requiere 2 horas de tiempo del proceso en cada mquina. Cada unidad de producto que B requiere de 3 horas en la mquina 1 y de 1.5 horas en la mquina 2. El margen de la contribucin es $4.00 por cada unidad de producto A y $5.00 por cada unidad de producto B. Ambos tipos de productos pueden comercializarse prontamente; por consiguiente, la produccin debe fijarse con el objetivo de aumentar al mximo la ganancia.28 La formulacin: Dado, X1 = nmero de unidades del producto A para produccin X2 = nmero de unidades del producto B para produccin Maximizar la contribucin en la ganancia, Z = 4X1 + 5X2

28

Sets, Matrices, and Linear Programming. Robert L. Childress Pgina: 60

Oswaldo Paul Rivadeneira

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

Datos de salida del 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

31. Para ilustrar un problema de la programacin lineal en que el costo se minimiza, considere el problema que enfrenta el fabricante de metales. La empresa produce una aleacin que es hecho de acero y metal de trozos. El costo por la tonelada de acero es $50 y el costo por la tonelada de trozo es de $20. Los requisitos tecnolgicos para la aleacin son (1) un mnimo de una tonelada de 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 2 X 1 ; 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 (1) 1X1 + 4X2 80 (2) 0.90X1 + 0.80X2 40 (3) X1 0 (no negatividad)
29

Sets, Matrices, and Linear Programming. Robert L. Childress Pgina: 62

Oswaldo Paul Rivadeneira

Investigacin Operativa I

Programacin Lineal

X2 0

(no negatividad)

Datos de entrada para Solver

Datos de salida del Solver

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

32. La Kenmore Corporation, un fabricante progresista de mecanismos civiles y militares, fabrica actualmente una lnea de armas para civiles, con una produccin actual diaria de 30 unidades del modelo Z-1200 y de 120 unidades del modelo Z1500. El vicepresidente de manufactura quiere saber si podra aumentarse las ganancias cambiando la mezcla de productos entre los dos modelos. Se compil la

Oswaldo Paul Rivadeneira

Pgina: 63

Investigacin Operativa I

Programacin Lineal

siguiente informacin sobre las horas requeridas para la fabricacin de cada modelo y las capacidades de los departamentos de la fbrica.30 Horas-Hombre requeridas Departamentos Modelo Z- Modelo 1200 1500 Dep. 1 2 0 Dep. 2 0 3 Dep. 5 2 2 Dep. 4 1 1/5 1 1/2 Contribucin por unidad $ 50 $ 40 Formulacin del problema: X1 = Cantidad de unidades del modelo Z-1200 X2 = Cantidad de unidades del modelo Z-1500 Funcin Objetivo: Maximizar Z = 50 X1 + 40 X2 Restricciones: 2 X1 + 0 X2 300 0 X1 + 3 X2 540 2 X1 + 2 X2 440 1.2 X1 + 1.5 X2 300 No negatividad: X i 0; i = 1, 2 Solucin grfica por computador (usando el GLP) por Dep. 1 por Dep. 2 por Dep. 5 por Dep. 4 Capacidad Z- Departamental diarias) 300 540 440 300 (horas

30

Robert J. Thierauf y Richard A. Grosse. Toma de decisiones por medio de Investigacin de Operaciones. Limusa. Pag 273 Oswaldo Paul Rivadeneira Pgina: 64

Investigacin Operativa I

Programacin Lineal

Solucin con SOLVER:

Datos de entrada

Oswaldo Paul Rivadeneira

Pgina: 65

Investigacin Operativa I

Programacin Lineal

Datos de salida:

Produccin Actual: Z = 50(30) + 40(120) = $ 6.300 Produccin Nueva: Z = 50(150) + 40(70) = $ 10.300 Aumenta las ganancias en: 10.300 6.300 = $ 4.000 Respuestas mltiples: respuesta correcta d) a) b) c) d) e) aumenta las ganancias en aumenta las ganancias en aumenta las ganancias en aumenta las ganancias en no aumenta las ganancias $ $ $ $ 3.000 6.300 10.300 4.000

Oswaldo Paul Rivadeneira

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:

Materia prima, M1 Materia prima, M2 Utilidad por tonelada $5 (1000 dlares)

Toneladas de materia prima por tonelada de Pintura para Pintura para exteriores interiores 6 4 1 2 $4

Disponibilidad mxima diaria en toneladas 24 6

Una encuesta de mercado restringe la demanda mxima diaria de pintura para interiores a 2 toneladas. Adems la demanda diaria de pintura para interiores no puede exceder a la de pintura para exteriores por ms de 1 tonelada. Reddy Mikks quiere determinar la mezcla de producto ptima (la mejor) de pinturas para interiores y para exteriores que maximice la utilidad diaria total.31 Formulacin del problema: Definicin de variables: X1 = Nmero de toneladas de Pintura para Exteriores X2 = Nmero de toneladas de Pintura para Interiores Funcin objetivo: Maximizar Z = 5.000 X1 + 4.000 X2 Restricciones 6 X1 + 4 X2 24 1 X1 + 2 X2 6 0 X1 + 1 X2 2 -1X1 + 1 X2 1 No negatividad: X i 0; i = 1, 2 por disp. Materia prima M1 por disp. Materia prima M2 mximo diario de pint. Int. demanda diaria

31

Handy A. Taha. Investigacin de Operaciones. Una Introduccin. Prentice Hall. Pag. 11 Pgina: 67

Oswaldo Paul Rivadeneira

Investigacin Operativa I

Programacin Lineal

Solucin grfica por computador (usando el GLP)

Solucin con SOLVER: Datos de entrada

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.($) Respuestas c 3.0 1.5 21.000

a 1.5 3.0 21.000

b 3.0 1.5 20.000

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: Libra por libra de alimento para ganado Costo (/libra) Protenas Fibra 0.09 0.02 0.30 0.60 0.06 0.90

Maz Semilla de Soya

Los requerimientos dietticos diarios del alimento especial estipulan que por lo menos un 30% de protenas y cuando mucho un 5% de fibra. Ozark Farms desea determinar el costo mnimo diario de la mezcla de alimento.32 Formulacin del problema: Definicin de variables: X1 = Cantidad de libras de Maz X2 = Cantidad de libras de Semilla de Soya
32

Handy A. Taha. Investigacin de Operaciones. Una Introduccin. Prentice Hall. Pag. 18 Pgina: 69

Oswaldo Paul Rivadeneira

Investigacin Operativa I

Programacin Lineal

Funcin Objetivo: Minimizar Z = 0.30 X1 + 0.90 X2 por protenas por fibra produccin

Restricciones: 0.09 X1 + 0.60 X2 0.30*(X1 + X2) 0.02 X1 + 0.06 X2 0.05*(X1 + X2) X1 + X2 800 No negatividad: X i 0; i = 1, 2

Solucin grfica por computador (usando el GLP)

Solucin con SOLVER:

Oswaldo Paul Rivadeneira

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) $ $ $ $ $ 457.65 437.65 417.65 517.65 537.65 por por por por por da da da da da

35. Jack es un estudiante emprendedor de primer ao de la UTE. Comprende que slo el trabajo y nada de diversin hacen de Jack un muchacho aburrido. Como resultado de esto, Jack quiere distribuir su tiempo disponible, de alrededor de 10 horas al da, entre el trabajo y la diversin. Calcula que el juego es dos veces ms divertido que el trabajo. Tambin quiere estudiar por lo menos tanto como juega. Sin embargo, Jack comprende que si quiere terminar todas sus tareas universitarias, no puede jugar ms de cuatro horas al da.

Oswaldo Paul Rivadeneira

Pgina: 71

Investigacin Operativa I

Programacin Lineal

Cmo debe distribuir Jack su tiempo para maximizar su satisfaccin tanto en el trabajo como en el juego?33 Formulacin del problema: Definicin de variables X1 = nmero de horas de juego X2 = nmero de horas de trabajo Funcin objetivo: Maximizar Z = 2X1 + X2 Restricciones: X1 + X2 = 10 disponibilidad de tiempo X2 X1 X1 X2 0 trabajar por lo menos tanto como juega X1 4 lmite de juego No negatividad Xi 0; i= 1, 2 Solucin GLP

X2

Payoff: : 1.0 : 2.0 X1 1.0 X1 + : X1 + 1.0 1.0 - 1.0 X2 X1 1.0 X2 = + X2 10.0 = 0.0 = 14.0 X2 0.0 = 4.0 Optimal Decisions(X1,X2): ( 4.0, 6.0) : 1.0X1 + 1.0X2 <= 10.0 : 1.0X1 - 1.0X2 <= 0.0 : 1.0X1 + 0.0X2 <= 4.0

Datos de Entrada Solver

33

Handy A. Taha. Investigacin de Operaciones. Una Introduccin. Prentice Hall. Pag. 18 Pgina: 72

Oswaldo Paul Rivadeneira

Investigacin Operativa I

Programacin Lineal

Datos de Salida Solver

Juega cuatro horas y trabaja 6 horas. Solucin mltiple: respuesta correcta d) 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

36. John debe trabajar por lo menos 20 horas a la semana para completar su ingreso mientras asiste a la escuela. Tiene la oportunidad de trabajar en dos tiendas al detalle: en la tienda 1 John puede trabajar entre 5 y 12 horas a la semana, y en la tienda 2 le permiten trabajar entre 6 y 10 horas. Ambas tiendas pagan el mismo salario por hora. De manera que John quiere basar su decisin acerca de cuntas horas debe trabajar en cada tienda en un criterio diferente: el factor del estrs en el trabajo. Basndose en entrevistas con los empleados actuales, John calcula que, en una escala de 1 a 10, los factores des estrs son de 8 y 6 en las tiendas 1 y 2, respectivamente. Debido a que el estrs aumenta por hora, l supone que el estrs total al final de la semana es proporcional al

Oswaldo Paul Rivadeneira

Pgina: 73

Investigacin Operativa I

Programacin Lineal

nmero de horas que trabaja en la tienda. Cuntas horas debe trabajar en cada tienda?34 Formulacin del problema: 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

Payoff: 8.0 x1 + 6.0 X2 = 140.0

: 1.0 x1 + 1.0 X2 = 20.0

: 1.0 x1 + 0.0 X2 = 5.0 X2 12 11 10 9 8 7 6 5 4 3 2 1 0 0 1 2 3 4 5 6 7

: 0.0 x1 + 1.0 X2 = 10.0

: 0.0 x1 + 1.0 X2 = 6.0 : 1.0 x1 + 0.0 X2 = 12.0

10

11

12

x1

Optimal Decisions(x1,X2): (10.0, 10.0) : 1.0x1 + 0.0X2 >= 5.0 : 1.0x1 + 0.0X2 <= 12.0 : 0.0x1 + 1.0X2 >= 6.0 : 0.0x1 + 1.0X2 <= 10.0 : 1.0x1 + 1.0X2 >= 20.0

34

Handy A. Taha. Investigacin de Operaciones. Una Introduccin. Prentice Hall. Pag. 20 Pgina: 74

Oswaldo Paul Rivadeneira

Investigacin Operativa I

Programacin Lineal

Datos de entrada Solver

Datos de salida Solver

Solucin: John debe trabajar 10 horas a la semana en la tienda 1 y 10 horas en la tienda 2 Solucin mltiple: respuesta correcta d) 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

Oswaldo Paul Rivadeneira

Pgina: 75

Investigacin Operativa I

Programacin Lineal

37. La Dumont Company, fabricante de equipo de pruebas, tiene tres departamentos principales para la manufactura de sus modelos S-1000 y S2000. Las capacidades mensuales son las siguientes: Requerimientos unitarios de tiempo (horas) Modelo Modelo SS-1000 2000 4 2 2.5 1 4.5 1.5

Departamentos De Estructura principal De Alambrado elctrico De Ensamble

Horas disponibles en el presente mes 1600 1200 1600

La contribucin del modelo S-1000 es de $ 40 000 por unidad, y la del modelo S2000 es de $ 10 000 por unidad. Suponiendo que la compaa puede vender cualquier cantidad de cada uno de sus productos, debido a las condiciones favorables de mercado. Determnese la salida ptima para cada modelo, la contribucin ms alta posible para el presente mes y el tiempo sobrante en los tres departamentos.35 Formulacin del problema: Definicin de variables X1 = nmero de unidades del modelo S-1000 X2 = nmero de unidades del modelo S-2000 Funcin objetivo: Maximizar Z = 40.000X1 + 10.000X2 Restricciones 4X1 + 2X2 1600 Dep. de Estructuras 2.5X1 + 1X2 1200 Dep. alambrado elctrico 4.5X1 + 1.5X2 1600 Dep. ensamblaje No negatividad Xi 0; i = 1, 2 Solucin GLP

35

Robert J. Thierauf y Richard A. Grosse. Toma de decisiones por medio de Investigacin de Operaciones. Limusa. Pag 273 Oswaldo Paul Rivadeneira Pgina: 76

Investigacin Operativa I

Programacin Lineal

: 2.5 X1 + 1.0 X2 = 1200.0 Payoff: 40.0 X1 + 10.0 X2 = 14222.2

X2 240 228 216 204 192 180 168 156 144 132 120 108 96 84 72 60 48 36 24 12 0 221 229 237 245 253 261 269 277

: 4.5 X1 + 1.5 X2 = 1600.0

: 4.0 X1 + 2.0 X2 = 1600.0

285

293

301

309

317

325

333

341

349

357

365

373

381

389

Optimal Decisions(X1,X2): (355.6, 0.0) : 4.0X1 + 2.0X2 <= 1600.0 : 2.5X1 + 1.0X2 <= 1200.0 : 4.5X1 + 1.5X2 <= 1600.0

Datos entrada para Solver

Datos salida del Solver

Oswaldo Paul Rivadeneira

Pgina: 77

Investigacin Operativa I

Programacin Lineal

Fabricar 355,5 unidades del Modelo S-1000 solamente para producir un beneficio de $14 222,20 Si la restriccin es fabricar componentes completos, fabricar 355 unidades del modelo S-1000 y 1 unidad del modelo S-2000 para producir un beneficio de $ 14 210,00 Solucin mltiple: respuesta correcta b) Rubro Modelo S-1000 Modelo S-2000 Contribucin max a 255.5 0.0 14.210 b 355.5 0.0 14.222,2 Respuestas c 355.5 10.0 14.222,2 d 350 6.0 14.220 e 350 10.0 14.222,2

38. La Cincinnati Chemical Company debe producir 10 000 libras de una mezcla especial para un cliente. La mezcla se compone de los ingredientes: X1, X2 y X3. X1 cuesta $8/libra, X2 $ 10/libra y X3 $ 11/libra. No pueden usarse mas de 3 000 libras de X1 y por lo menos deberan usarse 1 500 libras de X2. Adems se requieren por lo menos 2 000 libras de X3. a) b) c) Calclese el nmero de libras de cada ingrediente que habr que emplear. A fin de reducir la mnimo el costo total de las 10 000 libras. Calclese el costo total ms bajo posible. Hay libras sobrantes en el problema? 36

(Ref: Toma de decisiones por medio de Investigacin de Operaciones. Thierauf. Limusa. Pag 274) Formulacin del problema Definicin de variables X1 = nmero de libras del ingrediente X1
36

Robert J. Thierauf y Richard A. Grosse. Toma de decisiones por medio de Investigacin de Operaciones. Limusa. Pag 274 Oswaldo Paul Rivadeneira Pgina: 78

Investigacin Operativa I

Programacin Lineal

X2 = nmero de libras del ingrediente X2 X3 = nmero de libras del ingrediente X3 Funcin objetivo: Minimizar Z = 8X1 + 10X2 + 11X3 Restricciones: X1 + X2 + X3 = 10.000 X1 3.000 X2 1.500 X3 2.000 No negatividad Xi 0; i = 1, 3 Datos entrada para Solver cantidad de produccin cantidad de X1 cantidad de X2 cantidad de X3

Datos de salida del Solver

Solucin: a) b) c) X1= 3000 libras X2= 5000 libras X3= 2000 libras Costo ms bajo = $ 96 000,00 Debo utilizar 3500 libras ms de X2

Oswaldo Paul Rivadeneira

Pgina: 79

Investigacin Operativa I

Programacin Lineal

Solucin mltiple: respuesta correcta d) Rubro Ingrediente X1 Ingrediente X2 Ingrediente X3 Costo min Hay sobrantes? Respuestas c 3.000 6.000 1.000 69.000 No

a 3.000 5.000 2.000 96.000 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

39. La Gray Manufacturing Company ha seguido constantemente una poltica de fabricacin de aquellos productos que contribuyan con la mayor cantidad a los costos fijos y a las ganancias. Sin embargo, siempre se ha procurado producir los requerimientos mnimos semanales de venta, que son los siguientes para los productos K, L, M y N: Producto K Producto L Producto M Producto N 25 unidades 30 unidades 30 unidades 25 unidades

Los requerimientos de produccin y el tiempo disponible para la semana siguiente son: Tiempo Tiempo requerido por producto (horas) disponible la semana prox. K L M N (horas) 0.25 0.30 0.25 0.25 $ 10.50 0.20 0.40 0.30 0.25 $ 9.00 0.15 0.50 0.25 0.25 $ 8.00 0.25 0.30 0.30 0.25 $ 10.0 400 1000 500 500

Departamento Departamento1 Departamento 2 Departamento 3 Departamento 4 Contribucin por unidad

Actualmente, la mezcla semanal de produccin (considerando los requerimientos mnimos de venta), es de:

Oswaldo Paul Rivadeneira

Pgina: 80

Investigacin Operativa I

Programacin Lineal

Producto K Producto L Producto M Producto N

1 533 unidades 30 unidades 30 unidades 25 unidades

Son la mezcla actual de productos y la contribucin, para la empresa, ptimas? En caso contrario Cul es la contribucin actual? Cules deben ser las ptimas?37 Formulacin del problema: Definicin de variables X1 = Nmero de unidades del producto K X2 = Nmero de unidades del producto L X3 = Nmero de unidades del producto M X4 = 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 0.30X1 + 0.40X2 + 0.50X3 + 0.30X4 1000 0.25X1 + 0.30X2 + 0.25X3 + 0.30X4 500 0.25X1 + 0.25X2 + 0.25X3 +0.25X4 500 X1 25 X2 30 X3 30 X4 25 No negatividad Xi 0; i = 1,4 Datos de entrada para el Solver Venta mnima de K Venta mnima de L Venta mnima de M Venta mnima de N Disp. Dep. 1 Disp. Dep. 2 Disp. Dep. 3 Disp. Dep. 4

37

Robert J. Thierauf y Richard A. Grosse. Toma de decisiones por medio de Investigacin de Operaciones. Limusa. Pag 275 Oswaldo Paul Rivadeneira Pgina: 81

Investigacin Operativa I

Programacin Lineal

Datos de salida del Solver

Solucin mltiple: respuesta correcta b) Rubro Mezcla ptima? Contribucin act Contribucin opt. Producto K Producto L Producto M Producto N Respuestas b c No Si 16.856,5 16.556.0 18.433,25 14.055.0 976.5 906.5 30 25 957.5 975.6 25 30

a Si 18.433,2 16.856,5 976.5 30 957.5 25

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

Oswaldo Paul Rivadeneira

Pgina: 82

Investigacin Operativa I

Programacin Lineal

40. La LaCross Manufacturing Company esta considerando la fabricacin de una lnea de productos, compuesta de cuatro productos. Cada producto puede fabricarse con dos mtodos diferentes y completamente distintos, uno de los cuales consta de dos procesos y el otro de tres. Se fabricarn basndose en el segundo turno. El precio de venta de estos productos y sus costos variables, as como las cantidades que probablemente puedan venderse, de acuerdo con el grupo de investigaciones de mercadotecnia, son los siguientes:38 Producto 1 Precio de venta al mayoreo (40% de descuento) Costos variables Mtodo A Costos variables Mtodo B Cantidad que puede venderse $ 100 $ 80 $ 110 1000 2 $ 150 $ 135 $ 150 3000 3 $ 125 $ 120 $ 100 4000 4 $ 140 $ 135 $ 110 6000

La seccin de manufactura de la empresa ha determinado que los tiempos de manufactura para cada proceso son los siguientes: Producto 1 Mtodo A Departamento 20 Departamento 21 Departamento 22 Mtodo B Departamento 31 Departamento 32 Las horas disponibles al mes: Departamento 20 Departamento 21 Departamento 22
38

2 3.6 10.0 1.0 4.0 8.0

3 2.0 8.0 0.5 2.0 4.0

4 3.5 9.0 0.5 4.0 3.0

3.0 9.0 1.0 4.0 5.0

15 000 50 000 8 000

Robert J. Thierauf y Richard A. Grosse. Toma de decisiones por medio de Investigacin de Operaciones. Limusa. Pag 275 Oswaldo Paul Rivadeneira Pgina: 83

Investigacin Operativa I

Programacin Lineal

Departamento 31 Departamento 32

10 000 10 000

Formulacin del problema: Definicin de variables X11 = Nmero de unidades del producto 1 elaborados con el mtodo A X21 = Nmero de unidades del producto 2 elaborados con el mtodo A X31 = Nmero de unidades del producto 3 elaborados con el mtodo A X41 = Nmero de unidades del producto 4 elaborados con el mtodo A X12 = Nmero de unidades del producto 1 elaborados con el mtodo B X22 = Nmero de unidades del producto 2 elaborados con el mtodo B X32 = Nmero de unidades del producto 3 elaborados con el mtodo B X42 = Nmero de unidades del producto 4 elaborados con el mtodo B Funcin Objetivo: Maximizar Z = (100-80)X11 + (150-135)X21 + (125-120)X31 + (140-135)X41 + (100-110)X12 + (150-150)X22 + (125-100)X32 + (140-110)X24 Restricciones X11 + X12 1000 X21 + X22 3000 X31 + X32 4000 X41 + X42 6000 Venta producto 1 Venta producto 2 Venta producto 3 Venta producto 4 Horas Dep. 20 Horas Dep. 21 Horas Dep. 22 Horas Dep. 31 Horas Dep. 32

3.0X11 + 3.6 X21 + 2.0X31 + 3.5X41 15.000 9.0X11 + 10.0X21 + 8.0X31 + 9.0X41 50.000 1.0X11 + 1.0X21 + 0.5X31 + 0.5X41 8.000 4.0X12 + 4.0X22 + 2.0X32 + 4.0X42 10.000 5.0X12 + 8.0X22 + 4.0X32 + 3.0X42 10.000 No negatividad Xij 0; i= 1,4; j = 1,2 Datos de entrada para el solver

Oswaldo Paul Rivadeneira

Pgina: 84

Investigacin Operativa I

Programacin Lineal

Datos de salida del Solver

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

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

Oswaldo Paul Rivadeneira

Pgina: 85

Investigacin Operativa I

Programacin Lineal

horas y la otra de 16 horas. Cada unidad del producto A requiere de dos horas en ambas mquinas. Cada unidad del producto B necesita de tres horas en la primera mquina y de una hora en la segunda. La utilidad incremental es de $6 por unidad del producto A y de $7 por unidad del producto B, y la fbrica puede vender tantas unidades de cada producto como pueda fabricar. El objetivo de la fbrica es maximizar las utilidades. El problema est en determinar cuntas unidades del producto A y del producto B podran producirse dentro de los lmites disponibles por la capacidad de las mquinas.39 Resumen: Mquinas 1 2 Utilidad en $ Productos A 2 horas 2 horas 6 B 3 horas 1 hora 7 Capacidad de las mquinas 24 horas 16 horas

Formulacin del problema Definicin de variables X1 = nmero de unidades del producto A X2 = nmero de unidades del producto B Funcin objetivo: Maximizar Z = 6X1 + 7X2 Restricciones 2X1 + 3X2 24 2X1 + 1X2 16 No negatividad Xi 0 ; i = 1, 2 capacidad de mquina 1 capacidad de mquina 2

Solucin con GLP

39

Bonini, Hansman, Bierman. Anlisis Cuantitativo para los Negocios. Novena Edicin. Irwin McGrawHill. Pag. 43 Oswaldo Paul Rivadeneira Pgina: 86

13 12

Investigacin Operativa I 11
10 9 8 7 6 5 4 3 Payoff: 2 1 0 6 X1 + : 2 X1 + 3 X2 = 24

Programacin Lineal

2 X1 +

1 X2 =

16

7 X2 =

64

3 4)

10

11

12

13

14

15

16

Optimal Decisions(X1,X2): ( 6, : 2X1 + 3X2 <= 24 : 2X1 + 1X2 <= 16

Datos de entrada para Solver

Datos salida del Solver

Oswaldo Paul Rivadeneira

Pgina: 87

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 Gasolina tipo 1 Gasolina tipo 2 Octanaje 104 94 Presin de vapor 5 9 Cantidad Disponible 30 000 barriles 70 000 barriles

Estos tipos de gasolina pueden ser combinados para producir dos productos finales, gasolina para avin y gasolina para carro. Las cualidades que requieren estos productos finales aparecen en la siguiente tabla: Caractersticas de la gasolina como producto final Presin Productos Octanaje Mxima Ventas finales mnimo de vapor mximas Gasolina avin 102 6 20 000 barriles Gasolina carro 96 8 cualquiera Precio De venta (por barril) $45.10 $32.40

Cuando la gasolina se combina, la mezcla resultante tiene un octanaje y una presin de vapor proporcional al volumen de cada tipo de gasolina que se mezcl. Por ejemplo, si se mezclan 1 000 barriles de gasolina tipo 1 con 1 000 barriles gasolina tipo 2, la gasolina resultante tendr un octanaje de 99:
1.000 x104 1.000 x94 99 2.000 Y una presin de vapor de 7: 1.000 x5 1.000 x9 7 2.000

Oswaldo Paul Rivadeneira

Pgina: 88

Investigacin Operativa I

Programacin Lineal

La empresa desea maximizar los ingresos por la venta de gasolina como producto final.40 Formulacin del problema: Definicin de variables X1 = nmero de barriles X2 = nmero de barriles X3 = nmero de barriles X4 = nmero de barriles

de de de de

gasolina gasolina gasolina gasolina

Tipo Tipo Tipo Tipo

1, 1, 2, 2,

utilizada utilizada utilizada utilizada

para para para para

gasolina gasolina gasolina gasolina

de avin de carro de avin de carro

Funcin objetivo: Maximizar Z = 45.10 (X1 + X3) + 32.40 (X2 + X4) Z = 45.10 X1 + 32.40X2 + 45.10X3 + 32.40X4 Restricciones 104 X 1 94 X 3 102 X1 X 3 2X1 8X3 0 oct. para avin 104 X 2 94 X 4 96 X2 X4 8X2 2X4 0 oct. para carro 5 X1 9 X 3 6 X1 X 3 -1X1 + 3X3 0 pres. para avin 5X 2 9X 4 8 X2 X4 -3X2 + X4 0 pres. para carro X1 + X2 30.000 disponibilidad de gas Tipo 1 X3 + X4 70.000 disponibilidad gas Tipo 2 X1 + x3 20.000 venta gasolina para avin No negatividad Xi 0 ; i = 1, 4

Datos de entrada para Solver

40

Bonini, Hansman, Bierman. Anlisis Cuantitativo para los Negocios. Novena Edicin. Irwin McGrawHill. Pag. 46 Oswaldo Paul Rivadeneira Pgina: 89

Investigacin Operativa I

Programacin Lineal

Datos de salida del Solver

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.

Oswaldo Paul Rivadeneira

Pgina: 90

Investigacin Operativa I

Programacin Lineal

La fbrica dispone de 120 000 horas de tiempo de maquinado y 160 000 horas de tiempo de montaje. Adems, no puede tener ms de un milln de dlares de inventario en proceso. Cada unidad del producto A genera una utilidad de $40, cada unidad del producto B genera una utilidad de $24, cada unidad de producto C genera una utilidad de $36 y cada unidad del producto D genera una utilidad de $23. No pueden venderse ms de 20 000 unidades del producto A, 16 000 unidades del producto C, y pueden venderse la cantidad que se quiera de los productos B y D. Sin embargo, deben producir y vender por lo menos 10 000 unidades del producto D para cumplir con los requerimientos de un contrato. Sobre estas condiciones, formular un problema de programacin lineal. El objetivo de la fbrica es maximizar la utilidad resultante de la venta de los cuatro productos.41 Resumen: Producto Proceso Maquinado Montaje Inventario Utilidad A 2 hr 1 hr $10 $40 B 1 hr 3 hr $5 $24 C 2,5 hr 2,5 hr $2 $36 D 5 hr 0 hr $12 $23 Disponible (horas) 120.000 160.000 1000.000

Formulacin del problema: Definicin de variables: X1 = Nmero de unidades X2 = Nmero de unidades X3 = Nmero de unidades X4 = Nmero de unidades del del del del producto producto producto producto A B C D

Funcin objetivo: Maximizar Z = 40X1 + 24X2 + 36X3 + 23X4 Restricciones: 2X1 + X2 + 2.5X3 + 5X4 120.000 disponibilidad de maquinado X1 + 3X2 + 2.5X3 + 0X4 160.000 disponibilidad de montaje 10X1 + 5X2 + 2X3 + 12X4 1000.000 disponibilidad de inventario X1 20.000 limite de venta producto A X3 16.000 lmite de venta del producto C X4 10.000 contrato del producto D No negatividad: Xi 0 ; i = 1, 4

41

Bonini, Hansman, Bierman. Anlisis Cuantitativo para los Negocios. Novena Edicin. Irwin McGrawHill. Pag. 57 Oswaldo Paul Rivadeneira Pgina: 91

Investigacin Operativa I

Programacin Lineal

Datos de entrada Solver

Datos de salida del Solver

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

Oswaldo Paul Rivadeneira

Pgina: 92

Investigacin Operativa I

Programacin Lineal

Hipotecas de bienes races en primer grado

Los requerimientos legales y la poltica de la empresa establecen los siguientes lmites en las cantidades de los distintos tipos de prstamos. Los prstamos quirografarios no pueden exceder del 10% del total de Tipo de prstamos. La cantidad de prstamos quirografarios y para muebles no puede exceder de 20% del total de tipo de prstamos. Las hipotecas en primer grado deben ser por lo menos de 40% del total de hipotecas y, por lo menos, 20% de la cantidad total de tipo de prstamos. Las hipotecas en segundo grado no pueden exceder de 25% de la cantidad total de tipo de prstamos. La empresa debe maximizar los ingresos de los intereses de los prstamos, sujetndose a las restricciones indicadas. La empresa puede prestar un mximo de $1,5 millones.42 Formulacin del Problema: Definicin de variables X1 = Monto en dlares para X2 = Monto en dlares para X3 = Monto en dlares para X4 = Monto en dlares para X5 = Monto en dlares para

Prstamos Quirografarios Prstamos para Muebles prstamos para Automviles Hipotecas de bienes races en segundo grado 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) - 0.40X4 + 0.60X5 0 lmite de monto en hipotecas

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
42

Bonini, Hansman, Bierman. Anlisis Cuantitativo para los Negocios. Novena Edicin. Irwin McGrawHill. Pag. 58 Oswaldo Paul Rivadeneira Pgina: 93

Investigacin Operativa I

Programacin Lineal

No negatividad Xi 0 ; i = 1, 5 Datos de entrada para el Solver

Datos de salida del Solver

45. Una fbrica venden dos tipos de productos diferentes, A y B. La informacin sobre el precio de venta y el costo incremental es la siguiente: Precio de venta Costo incremental Utilidad incremental Producto A $60 $30 $30 Producto B $40 $10 $30

Los dos productos se fabrican dentro de un proceso comn y se venden en dos mercados diferentes. El proceso de produccin tiene una capacidad de 30 000 horas de mano de obra, se requiere de tres horas para elaborar una unidad de A y una hora para producir una unidad de B. El mercado ya fue estudiado, por lo que los funcionarios de la empresa consideran que la cantidad mxima de las unidades de A que puede venderse es de 8 000; la cantidad mxima de B es de 12 000
Oswaldo Paul Rivadeneira Pgina: 94

Investigacin Operativa I

Programacin Lineal

unidades. De acuerdo con estas limitaciones, los productos pueden venderse en cualquier combinacin. Formular esta situacin como un problema de programacin lineal.43 Formulacin del problema Definicin de variables X1 = Nmero de unidades del producto A X2 = Nmero de unidades del producto B Funcin objetivo: Maximizar Z = 30X1 + 30X2 Restricciones 3X1 + 1X2 30.000 por mano de obra X1 8.000 venta de A X2 12.000 venta de B No negatividad Xi 0 ; i = 1, 2 Solucin GLP
Payoff: 30.0 X1 + 30.0 X2 = 540000.0

X2 11995 11400 10805 10210 9615 9020 8425 7830 7235 6640 6045 5450 4855 4260 3665 3070 2475 1880 1285 690 95 30

: 0.0 X1 + 1.0 X2 = 12000.0

: 3.0 X1 + 1.0 X2 = 30000.0

: 1.0 X1 + 0.0 X2 = 8000.0

428

826

1224 1622 2020 2418 2816 3214 3612 4010 4408 4806 5204 5602 6000 6398 6796 7194 7592 7990

X1

Optimal Decisions(X1,X2): (6000.0, 12000.0) : 3.0X1 + 1.0X2 <= 30000.0 : 1.0X1 + 0.0X2 <= 8000.0 : 0.0X1 + 1.0X2 <= 12000.0

Datos entrada Solver

43

Bonini, Hansman, Bierman. Anlisis Cuantitativo para los Negocios. Novena Edicin. Irwin McGrawHill. Pag. 58 Oswaldo Paul Rivadeneira Pgina: 95

Investigacin Operativa I

Programacin Lineal

Datos salida Solver

46. Recientemente, la empresa EMBUTIDOS experiment drsticos cambios en los precios de la materia prima; por los que el gerente orden a un analista reexaminar las proporciones de las mezclas de los ingredientes para la produccin de salchichas. La produccin de salchichas implica cumplir con dos requisitos esenciales para el producto. El porcentaje de protenas, por peso, debe ser al menos 15%, y el porcentaje de grasa, por peso, no puede exceder de 30% (el peso restante es relleno). La empresa tiene cuatro materia primas disponibles para la mezcla, con las siguientes caractersticas: 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

Oswaldo Paul Rivadeneira

Pgina: 96

Investigacin Operativa I

Programacin Lineal

Formular el problema de programacin lineal que le ayude a la empresa a determinar el problema de mezcla ms apropiado44 Formulacin del problema: Definicin de variables X1 = Cantidad en libras del X2 = Cantidad en libras del X3 = Cantidad en libras del X4 = Cantidad en libras del

ingrediente ingrediente ingrediente ingrediente

A B C D

Funcin objetivo Minimizar Z = 1.80X1 + 0.75X2 + 0.40X3 + 0.15X4 Restricciones 0.40X1 + 0.20X2 + 0.10X3 + 0.05X4 0.15 protenas 0.10X1 + 0.15X2 + 0.35X3 + 0.40X4 0.30 grasas X1 + X2 + X3 + X4 = 1 total libra de mezcla No negatividad Xi 0 ; i = 1, 4 Datos de entrada para Solver

Datos de salida del Solver

44

Bonini, Hansman, Bierman. Anlisis Cuantitativo para los Negocios. Novena Edicin. Irwin McGrawHill. Pag. 58 Oswaldo Paul Rivadeneira Pgina: 97

Investigacin Operativa I

Programacin Lineal

47. Un fabricante de muebles produce dos tipos de escritorios: estndar y ejecutivo. Estos escritorios se venden a un mayorista de mobiliario de oficina; y para todo fin prctico existe un mercado ilimitado para cualquier mezcla de ellos; al menos dentro de la capacidad de produccin del fabricante. Cada escritorio debe pasar por cuatro operaciones bsicas: corte de madera, ensamble de las piezas, preacabado y acabado final. Cada unidad producida del escritorio del escritorio estndar requiere de 48 min de tiempo de corte, 2 horas de ensamble, 40 min de pre-acabado y 5 horas y 20 min de tiempo de acabado final. Cada unidad de escritorio ejecutivo requiere de 72 min de corte, 3 horas de ensamble, 2 horas de pre-acabado y 4 horas de tiempo de acabado final. La capacidad diaria para cada operacin equivale a 16 horas de corte, 30 horas de ensamble, 16 horas de pre-acabado y 64 horas de acabado final. El beneficio por unidad producida es de $40 para el escritorio estndar y de $50 para el escritorio ejecutivo. Qu mezcla de productos es ptima?45 Formulacin del problema Definicin de variables X1 = Nmero de unidades de escritorios estndar X2 = Nmero de unidades de escritorios ejecutivos Funcin objetivo: Maximizar Z = 40X1 + 50X2 Restricciones 0.8X1 + 1.2X2 16 2.0X1 + 3.0X2 30 0.6667X1 + 2.0X2 16 5.3334X1 + 4.0X2 64 No negatividad Xi 0 ; i = 1, 2 Solucin GLP horas horas horas horas de corte de ensamblaje de pre-acabado acabado final

45

Hans G. Daellenbach. Introduccin a Tcnicas de Investigacin de Operaciones. CECSA. Pag.59 Pgina: 98

Oswaldo Paul Rivadeneira

16 15

Investigacin Operativa I
13 12 11 10 9 8 7 6 5 : 0.667 X1 + 2.000 X2 = 16.000 4 : 2.000 X1 + 3.000 X2 = 30.000 3 2 1 0 0 1 2 3 4 5 6 7 8 9 10 11 12 : 5.333 X1 + 4.000 X2 = 64.000 Payoff: 40.000 X1 + 50.000 X2 = 559.998

14

Programacin Lineal

: 0.800 X1 + 1.200 X2 = 16.000

13

14

15

16

17

18

19

Optimal Decisions(X1,X2): (9.000, 4.000) : 0.800X1 + 1.200X2 <= 16.000 : 2.000X1 + 3.000X2 <= 30.000 : 0.667X1 + 2.000X2 <= 16.000 : 5.333X1 + 4.000X2 <= 64.000

Datos entrada Solver

Datos salida Solver

Oswaldo Paul Rivadeneira

Pgina: 99

Investigacin Operativa I

Programacin Lineal

48. Un fabricante de alimento para pollos desea determinar la mezcla de menor costo para una frmula de altas protenas que contiene 90 gr. de nutriente A, 48 gr. de nutriente B, 20 gr. de nutriente C y 1.5 gr. de vitamina X por cada kg. de alimento. Puede mezclar la frmula empleando dos ingredientes y otro de relleno. El ingrediente 1 contiene 100 gr. de nutriente A, 80 gr. de nutriente B, 40 gr. de nutriente C y 10 gr. de vitamina X; y cuesta $0.40 por Kg. El ingrediente 2 contiene 200 gr. de A, 150 gr. de B, 20 gr. de C, nada de vitamina X y cuesta $0.60 por kg.46 Formulacin del problema: Definicin de variables X1 = Cantidad de Kg. de ingrediente Tipo 1 X2 = Cantidad de Kg. de ingrediente Tipo 2 Funcin objetivo: Minimizar Z = 0.40X1 + 0.60X2 Restricciones 100X1 + 200X2 = 90 Nutriente A 80X1 + 150X2 = 48 Nutriente B 40X1 + 20X2 = 20 Nutriente C 10X1 + 0X2 = 1.5 Vitamina X 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 Nutriente A Nutriente B Nutriente C Vitamina X

46

Hans G. Daellenbach. Introduccin a Tcnicas de Investigacin de Operaciones. CECSA. Pag. 90 Pgina: 100

Oswaldo Paul Rivadeneira

Investigacin Operativa I

Programacin Lineal

Datos entrada Solver

Datos salida Solver

En la solucin grfica puede notarse las ecuaciones redundantes:

Oswaldo Paul Rivadeneira

Pgina: 101

Investigacin Operativa I

Programacin Lineal

49. Una compaa produce tres tipos de productos qumicos refinados: A, B y C. Es necesario producir diariamente al menos 4 ton de A, 2 ton de B y 1 ton de C. Los productos de entrada son los compuestos X y Y. Cada tonelada de X proporciona 0.25 ton de A, 0.25 ton de B y 0,0834 ton de C. Cada tonelada de Y rinde 0.5 ton de A, 0.10 ton de B y 0.0834 ton de C. La tonelada de compuesto X cuesta $250 y el compuesto Y $400. El costo de procesamiento es de $250 por ton de X y $200 por ton de Y. Las cantidades producidas que excedan los requerimientos diarios no tienen valor, ya que el producto sufre cambios qumicos si no se utiliza de inmediato. El problema consiste en determinar la mezcla con costo mnimo de entrada.47 Formulacin del problema Definicin de variables X1 = Toneladas de compuesto X X2 = Toneladas de compuesto Y Funcin objetivo: Minimizar Z = 500X1 + 600X2 Restricciones 0.25X1 + 0.5X2 4 toneladas de A 0.25X1 + 0.10X2 2 toneladas de B

47

Hans G. Daellenbach. Introduccin a Tcnicas de Investigacin de Operaciones. CECSA. Pag. 90 Pgina: 102

Oswaldo Paul Rivadeneira

15

Investigacin Operativa I
13

14

Programacin Lineal

12

0.0834X1 + 0.0834X2 1 No negatividad Xi 0; i = 1, 2 Solucin GLP


Payoff: 500.0000 X1 + 600.0000 X2 = 6396.1630

toneladas de C

11

10

7 : 0.2500 X1 + 0.1000 X2 = 2.0000 6

4 : 0.2500 X1 + 0.5000 X2 = 4.0000 3 : 0.0834 X1 + 0.0834 X2 = 1.0000 2

10

11

12

13

14

15

16

17

18

19

20

21

22

23

24

X1

Optimal Decisions(X1,X2): (7.9808, 4.0096) : 0.2500X1 + 0.5000X2 >= 4.0000 : 0.2500X1 + 0.1000X2 >= 2.0000 : 0.0834X1 + 0.0834X2 >= 1.0000

Datos de entrada Solver

Datos de salida Solver

Oswaldo Paul Rivadeneira

Pgina: 103

Investigacin Operativa I

Programacin Lineal

50. La Palysafe Insurane Company of Knockville, ME, dispone de fondos ociosos por un total de $20 millones, disponible para inversiones a corto y largo plazo. Las especificaciones gubernamentales requieren que no ms del 80% de todas las inversiones sean a largo plazo; no ms del 40% de inviertan a corto plazo; y que la razn entre las inversiones a largo y corto plazo no sean mayor de 3 a 1. Actualmente, las inversiones a largo plazo rinden el 15% anual; mientras que la tasa anual para las inversiones a corto plazo es del 10%. Plantese este problema como programa lineal con el objetivo de maximizar el beneficio ponderado.48 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 fondos para inversin inversiones a largo plazo inversiones a corto plazo relacin entre inversiones

48

Hans G. Daellenbach. Introduccin a Tcnicas de Investigacin de Operaciones. CECSA. Pag. 90 Pgina: 104

Oswaldo Paul Rivadeneira

Investigacin Operativa I

Programacin Lineal

Payoff: 0.1 X1 + 0.1 X2 = 2.4 X2 12 11 10 9 8 7 6 5 4 3 2 1 0 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 X1 : 1.0 X1 + 1.0 X2 = 20.0 : 3.0 X1 - 1.0 X2 = 0.0 : 0.4 X1 - 0.6 X2 = 0.0 : 0.8 X1 - 0.2 X2 = 0.0

Optimal Decisions(X1,X2): (12.0, 8.0) : 1.0X1 + 1.0X2 <= 20.0 : 0.8X1 - 0.2X2 >= 0.0 : 0.4X1 - 0.6X2 >= 0.0 : 3.0X1 - 1.0X2 >= 0.0

Datos entrada para Solver

Datos de salida de Solver

Oswaldo Paul Rivadeneira

Pgina: 105

Investigacin Operativa I

Programacin Lineal

51. Un fabricante de botes de fibra de vidrio produce cuatro modelos diferentes que deben pasar por tres operaciones diferentes: moldeado, ensamblado y acabado. La tabla dada contiene toda la informacin necesaria. Moldeado (h/unid) 2.8 2.1 4 3 Ensamble (h/unid) 5 3 6 4 96 h Acabado (h/unid) 10 7.5 12 3 160 h Compuesto de moldeado Beneficio (gal/unid) ($/unid) 200 160 200 124 280 212 220 170 4800 gal

Modelo 1 2 3 4 Capac./ semana 48 h

Los pronsticos de venta indican que, en promedio, no deben producirse por semana ms de 8 unidades del modelo 4. Excepto por esta restriccin, la demanda ser suficiente para absorber cualquier cantidad producida. El objetivo es maximizar los beneficios.49 Formulacin del Problema Definicin de variables X1 = Nmero de unidades del X2 = Nmero de unidades del X3 = Nmero de unidades del X4 = Nmero de unidades del

modelo modelo modelo modelo

1 2 3 4

Funcin objetivo: Maximizar Z = 160X1 + 124X2 +212X3 + 170 X4 Restricciones 2.8X1 + 2.1X2 + 4X3 + 3X4 48 5X1 + 3X2 + 6X3 + 4X4 96 10X1 + 7.5X2 + 12X3 + 3X4 160 200X1 + 200X2 + 280X3 + 220X4 4800 horas de moldeado horas de ensamble horas de acabado galones para moldeado

49

Hans G. Daellenbach. Introduccin a Tcnicas de Investigacin de Operaciones. CECSA. Pag. 91 Pgina: 106

Oswaldo Paul Rivadeneira

Investigacin Operativa I

Programacin Lineal

X4 8 No negatividad Xi 0 ; i = 1, 4

Datos de entrada para Solver

Datos de salida del Solver

52. En una compaa se fabrican tres productos A, B y C. Los tres productos comparten en sus procesos de produccin cuatro mquinas X, Y, S y T. El producto A utiliza tres operaciones en las mquinas X, S y T. El producto B utiliza slo dos operaciones en las mquinas X y S o en las mquinas Y y T. El producto C puede fabricarse utilizando las maquinas X y S o en las mquinas Y, S y T. El tiempo necesario en minutos por unidad producida, para cada posibilidad de produccin en cada mquina, y el costo variable de produccin por minuto para cada mquina se condensan en la siguiente tabla. Tiempo (en min/unidad de mquina) Producto Proceso X Y A 1 10 B 1 8 2 6 C 1 8 S 6 10 16 T 3 9 Cdigo A B1 B2 C1

Oswaldo Paul Rivadeneira

Pgina: 107

Investigacin Operativa I

Programacin Lineal

2 Costo var /min ($) 0.40

10 0.50

3 0.24

8 0.30

C2

Cada mquina tiene una capacidad diaria de produccin de 480 minutos. La demandas mnimas de los tres productos son 36 para A, 45 para B y 10 para C. El objetivo consiste en determinar el esquema de produccin que minimice el costo total variable de produccin.50 Formulacin del problema: Definicin de variables X1 = nmero de unidades X2 = nmero de unidades X3 = nmero de unidades X4 = nmero de unidades X5 = nmero de unidades

del del del del del

producto producto producto producto producto

A, con B, con B, con C, con C, con

el el el el el

proceso 1 proceso 1 proceso 2 proceso 1 proceso 2

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 480 capacidad maquina 6X3 + 10X5 480 capacidad maquina 6X1 +10X2 + 16X4 + 3X5 480 capacidad maquina 3X1 + 9X3 + 8X5 480 capacidad maquina X1 36 demanda del producto A X2 + X3 45 demanda del producto B X4 + X5 10 demanda del producto C No negatividad Xi 0 ; i = 1, 4 X Y S T

Datos de entrada para Solver

50

Hans G. Daellenbach. Introduccin a Tcnicas de Investigacin de Operaciones. CECSA. Pag. 92 Pgina: 108

Oswaldo Paul Rivadeneira

Investigacin Operativa I

Programacin Lineal

Datos de salida del Solver

53. Usted est organizando una fiesta y dispone de de las siguientes cantidades de licor: 48 onz lquidas de whisky, 72 onz lquidas de vodka, 64 onz lquidas de vermouth blanco, 72 onz de vermouth rojo, 24 onz lquidas de brandy y 18 onz lquidas de licor de caf. Usted piensa preparar las siguientes bebidas: Chauncies, Rusos Negros, Italianos Dulces, Ccteles Molotov (Martinis Rusos) y Whisky en las rocas. Un Chauncy consiste en 2/3 de whisky y 1/3 de vermouth rojo. Un Ruso Negro consiste de de vodka y de licor de caf. Un Italiano Dulce consiste de de brandy, de vermouth rojo y vermouth blanco. Los Ccteles Molotov son una mezcla de 2/3 de vodka y 1/3 de vermouth blanco. Por ltimo el Whisky en las rocas consiste slo de whisky. Cada trago contiene 4 onz lquidas. Su objetivo es mezclar los ingredientes, en forma tal, que pueda prepararse el mayor nmero de posible de tragos. Sin embargo, Usted considera que es necesario preparar cuando menos el doble de Ccteles Molotov que de Rusos Negros, para proporcionar una seleccin equilibrada. Plantese como un problema de programacin lineal.51 Resumen:

51

Hans G. Daellenbach. Introduccin a Tcnicas de Investigacin de Operaciones. CECSA. Pag. 94 Pgina: 109

Oswaldo Paul Rivadeneira

Investigacin Operativa I

Programacin Lineal

Licores Whisky Vodka Verm.B. Verm.R. Brandy Lic. Caf

Mezclas (tragos de Rusos Italianos chauncies negros dulces 2/3*4 *4 *4 1/3*4 2/4*4 *4 *4

4 onzas) Ccteles molotov 2/3*4 1/3*4

Whisky en rocas 1*4

Cantidad Disponible (onz) 48 72 64 72 24 18

Formulacin del problema: Definicin de variables: X1 = Nmero de tragos de X2 = Nmero de tragos de X3 = Nmero de tragos de X4 = Nmero de tragos de X5 = Nmero de tragos de

Chauncies Rusos Negros Italianos Dulces Ccteles Molotov 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

Oswaldo Paul Rivadeneira

Pgina: 110

Investigacin Operativa I

Programacin Lineal

Datos de salida del Solver

54. ProTrac,Inc. Produce dos lneas de mquina pesada. Una de sus lneas de productos, llamada equipo de excavacin, se utiliza de manera primordial en aplicaciones de construccin. La otra lnea, denominada equipo de la silvicultura, est destinada a la industria maderera. Tanto la mquina ms grande de la lnea de excavacin (la E-9), como la mayor de toda la lnea del equipo de silvicultura (la F-9) son fabricadas en los mismos departamentos y con el mismo equipo. Empleando las proyecciones econmicas correspondientes al siguiente mes, el gerente de Mercadotecnia de ProTrac ha considerado que durante ese perodo ser posible vender todas las E-9 y F-9 que la compaa sea capaz de producir. La gerencia tiene que recomendar ahora una meta de produccin para el mes prximo. Es decir, cuntas E-9 y F-9 debern fabricar si la direccin de ProTrac desea maximizar la contribucin del mes entrante a la ganancia ( es decir, el margen de contribucin, definido como los ingresos menos los costos 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

c. Para la produccin correspondiente al mes prximo, estos dos departamentos tiene tiempos disponibles de 150 y 160 horas, respectivamente. La fabricacin de cada E-9 requiere 10 horas de maquinado en el departamento A y 20 horas en el departamento B, mientras que cada F-9 requiere 15 horas horas en el departamento a y 10 en el B. d. Para que la administracin cumpla con el acuerdo concertado con el sindicato, las horas totales de trabajo invertidas el la prueba de productos terminados del siguiente mes no deben ser ms all del 10% inferior a una meta convenida de 150 horas. Estas pruebas se llevan a cabo en un tercer departamento y no tienen nada que ver con las actividades de los departamentos A y B. Cada E-9 es sometida a pruebas durante 30 horas y cada F-9 durante 10. e. Con el fin de mantener su posicin actual en el mercado, la alta gerencia ha decretado como poltica operativa: que deber construirse cuando menos una F-9 por cada tres E-9 que sean fabricadas. f. Uno de los principales distribuidores ha ordenado un total de cuando menos cinco E-9 y F-9 (en cualquier combinacin) para el prximo mes, por lo cual tendr que producirse por lo menos esa cantidad.52 Resumen de datos: HORAS Maq. F-9 15 10 10

Dep. A Dep. B Hora de prueba

Maq. E-9 10 20 30

Total disponible 150 160 135 (150-10%)

Producir cuando menos 1 F-9 por cada 3 E-9: 1( E 9) 3( F 9) Formulacin del modelo 1. Definicin de variables (variables de decisin) E-9 = nmero de unidades de maquinas tipo E-9 F-9 = nmero de unidades de mquinas tipo F-9 2. Funcin objetivo Maximizar Z = 5000 E-9 + 4000 F-9 3. Restricciones (ecuaciones de 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

Eppen. Investigacin de opresiones en la ciencia administrativa. Prentice Hall. Pag 69 Pgina: 112

Oswaldo Paul Rivadeneira

Investigacin Operativa I

Programacin Lineal

Solucin grfica:

Solucin matemtica (analtica) Datos iniciales antes de aplicas SOLVER:

Definiciones de datos para SOLVER y resolver:

Oswaldo Paul Rivadeneira

Pgina: 113

Investigacin Operativa I

Programacin Lineal

Resultados del modelo:

Oswaldo Paul Rivadeneira

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 factible de costo mnimo.53 Formulacin del problema: 1. Definicin de variables T1 = fraccin de toneladas T2 = fraccin de toneladas T3 = fraccin de toneladas T4 = fraccin de toneladas de de de de la la la la mina 1 mina 2 mina 3 mina 4

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) 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

Eppen. Investigacin de opresiones en la ciencia administrativa. Prentice Hall. Pag 97 Pgina: 115

Oswaldo Paul Rivadeneira

Investigacin Operativa I

Programacin Lineal

Solucin: para hoja de clculo Datos originales:

Resultados :

Oswaldo Paul Rivadeneira

Pgina: 116

Investigacin Operativa I

Programacin Lineal

56. Una compaa (ASTRO Y COSMOS) fabricante de TV produce dos modelos de aparatos televisores, el astro y el Cosmo. Hay dos lneas de produccin, una para cada modelo, e intervienen dos departamentos en la produccin de cada modelo. La capacidad de la lnea de produccin del Astro es de 70 aparatos de TV por da. La capacidad de la lnea Cosmo es de 50 televisores diarios. En el departamento A se fabrican los cinescopios. En este departamento se requiere una hora de trabajo para cada modelo Astro y dos horas de trabajo para cada modelo Cosmo. En la actualidad puede asignarse un mximo de 120 horas de trabajo diarias para la produccin de ambos tipos de aparato en el departamento A. En el departamento B se construye el chasis. Aqu se requiere una hora de trabajo para cada televisor Astro y tambin una hora para cada modelo Cosmo. Actualmente se puede asignar 90 horas de trabajo al departamento B para la produccin de ambos modelos. La contribucin a las ganancias es de 20 y 10 dlares, respectivamente, por cada televisor Astro y Cosmo. Si la compaa sabe que puede vender todos los aparatos Astro y Cosmo que sea capaz de fabricar. cul deber ser el plan de produccin por cada da (es decir, la produccin diaria) para cada modelo?54 Formulacin del problema: Definicin de variables X1 = nmero de unidades de TV Astro X2 = nmero de unidades de TV Cosmo

Funcin objetivo: Maximizar Z = 20X1 + 10X2 Restricciones X1 + 2X2 120 capacidad Dep. A X1 + X2 90 capacidad Dep. B X1 70 capacidad de lnea Astro X2 50 capacidad de lnea Cosmo No negatividad Xi 0 ; i = 1, 2 Solucin GLP

54

Eppen. Investigacin de opresiones en la ciencia administrativa. Prentice Hall. Pag 100 Pgina: 117

Oswaldo Paul Rivadeneira

Investigacin Operativa I

Programacin Lineal

Payoff: 20.0 X1 + 10.0 X2 = 1600.0

X2 40 38 36 34 32 30 28 26 24 22 20 18 16 14 12 10 8 6 4 2 0

: 0.0 X1 + 1.0 X2 = 50.0 : 1.0 X1 + 0.0 X2 = 70.0 : 1.0 X1 + 1.0 X2 = 90.0 : 1.0 X1 + 2.0 X2 = 120.0 0 5 10 15 20

25

30

35

40

45

50

55

60

65

70

75

80

85

90

95

100

X1

Optimal Decisions(X1,X2): (70.0, 20.0) : 1.0X1 + 2.0X2 <= 120.0 : 1.0X1 + 1.0X2 <= 90.0 : 1.0X1 + 0.0X2 <= 70.0 : 0.0X1 + 1.0X2 <= 50.0

Datos de entrada para solver

Datos de salida del Solver

Oswaldo Paul Rivadeneira

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 Cepillado Fresado Taladrado Ensamble Contr./Unidad C D E F 0.5 1.0 1.0 0.5 2.0 1.0 1.0 1.0 0.5 0.5 1.0 1.0 3.0 1.0 2.0 3.0 $8 $9 $7 $6

Las capacidades disponibles en este mes para los productos C, D, E y F, as como los requerimientos mnimos de venta, son: Departamento Capacidad(horas) Cepillado Fresado Taladrado Ensamble 1800 2800 3000 6000 Producto C D E F Req. Mnimos Venta 100 unidades 600 unidades 500 unidades 400 unidades

Determnese la cantidad de los productos C, D, E y F, que tendr que fabricar este mes para maximizar la contribucin.55 Formulacin del problema Definicin de variables X1 = Nmero de unidades X2 = Nmero de unidades X3 = Nmero de unidades X4 = Nmero de unidades

del del del del

producto producto producto producto

C D E F

55

Thierauf. Toma de Decisiones por medio de Investigacin de Operaciones. Limusa. Pag. 274 Pgina: 119

Oswaldo Paul Rivadeneira

Investigacin Operativa I

Programacin Lineal

Funcin objetivo: Maximizar Z = 8X1 + 9X2 + 7X3 +6X4 Restricciones 0.5X1 + 1.0X2 2.0X1 + 1.0X2 0.5X1 + 0.5X2 3.0X1 + 1.0X2 X1 100 X2 600 X3 500 X4 400 + + + + 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

Datos de salida del Solver

Oswaldo Paul Rivadeneira

Pgina: 120

Investigacin Operativa I

Programacin Lineal

58. Planificacin financiera. Willie Hanes es el presidente de una microempresa de inversiones que se dedica a administrar las carteras de acciones de varios clientes. Un nuevo cliente ha solicitado que la compaa se haga cargo de administrar para l una cartera de $ 100.000. A ese cliente le agradara restringir una cartera a una mezcla de tres tipos de acciones nicamente, como podemos apreciar en la siguiente tabla. Formule UD. un PL para mostrar cuntas acciones de cada tipo tendra que comprar Willie con el fin de maximizar el rendimiento anual.56 RENDIMIENTO ANUAL ESTIMADO POR ACCION ($) 7 3 3 INVERSION MAXIMA POSIBLE ($) 60.000 25.000 30.000

ACCIONES Gofer Crude Can Oil Sloth Petroleum

PRECIO POR ACCION($) 60 25 20

Formulacin del problema: Definicin de variables X1 = Nmero de acciones de Gofer Crude X2 = Nmero de acciones de Can Oil X3 = Nmero de acciones de Sloth Petroleum Funcin objetivo: Maximizar Z = 7X1 + 3X2 + 3X3 Restricciones 60X1 60.000 inversin mxima de Gofer Crude 25X2 25.000 inversin mxima de Can Oil 20X3 30.000 inversin mxima de Sloth Petroleum 60X1 + 25X2 + 25X3 100.000 inversin total No negatividad Xi 0 ; i = 1, 3 Datos de entrada para Solver

56

Eppen. Investigacin de opresiones en la ciencia administrativa. Prentice Hall. Pag 115 Pgina: 121

Oswaldo Paul Rivadeneira

Investigacin Operativa I

Programacin Lineal

Datos de salida del Solver

59. Planificacin de Cartera. Una compaa de inversiones tiene actualmente $ 10 millones disponibles para inversin. La meta que se ha trazado consiste en maximizar la retribucin esperada durante el siguiente ao. Sus cuatro posibilidades de inversin se presentan resumidas en la siguiente tabla. Adems, la compaa ha especificado que cuando menos 30% de los fondos tendrn que colocarse en acciones ordinarias y bonos de la tesorera y que no ms del 40% del dinero deber invertirse en fondos del mercado y ttulos municipales. Se invertir la totalidad de los $ 10 millones actualmente a la mano. Formule un modelo de PL que indique a la empresa cunto dinero debe invertir en cada instrumento.57 POSIBILIDAD DE INVERSION Bonos de Tesorera Acciones Ordinarias Mercado de Dinero Ttulos Municipales
57

RETRIBUCION ESPERADA (%) 8 6 12 9

INVERSION MAXIMA (MILLONES DE $) 5 7 2 4

Eppen. Investigacin de opresiones en la ciencia administrativa. Prentice Hall. Pag 117 Pgina: 122

Oswaldo Paul Rivadeneira

Investigacin Operativa I

Programacin Lineal

Formulacin del problema Definicin de variables X1 = cantidad en dlares X2 = cantidad en dlares X3 = cantidad en dlares X4 = cantidad en dlares en en en en Bonos de Tesorera Acciones Ordinarias Mercado de Dinero Ttulos Municipales

Funcin objetivo: Maximizar Z = 0.08X1 + 0.06X2 + 0.12X3 + 0.09X4 Restricciones X1 + X2 0.30(X1 + X2 + X3 + X4) 0.70X1 + 0.70X2 0.30X3 0.30X4 0 30% de inversin X3 + X4 0.40(X1 + X2 + X3 + X4) -0.40X1 0.40X2 + 0.60X3 +0.60X4 0 40% de inversin X1 5000.000 inversin en Bonos de Tesorera X2 7000.000 inversin en Acciones Ordinarias X3 2000.000 inversin en Mercado de Dinero X4 4000.000 inversin en Ttulos Municipales X1 + X2 + X3 + X4 10000.000 inversin total No negatividad Xi 0 ; i = 1, 4

Datos de entrada para el Solver

Datos de salida del Solver

Oswaldo Paul Rivadeneira

Pgina: 123

Investigacin Operativa I

Programacin Lineal

60. Wood Walter es propietario de un pequeo taller de fabricacin de muebles. En este taller fabrica tres tipos diferentes de mesas: A, B y C. Con cada mesa, se requiere determinado tiempo para cortar las partes que la constituyen, ensamblarlas y pintar la pieza terminada. Word podr vender todas las mesas que consiga fabricar. Adems, el modelo C puede venderse sin pintar. Word emplea a varias personas, las cuales trabajan en turnos parciales, por lo cual el tiempo disponible para realizar cada una de estas actividades es variable de uno a otro mes. A partir de los datos siguientes, formule UD. un modelo de programacin lineal que ayude a Word a determinar la mezcla de productos que le permitir maximizar sus ganancias en el prximo mes.58 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 Restricciones 3X1 + X2 + 4X3 + 4X4 150 4X1 + 2X2 + 5X3 + 5X4 200 5X1 + 5X2 + 4X3 + 0X4 300 + 20X2 + 50X3 + 30X4 horas en Corte horas en Montaje horas en Pintura

58

Eppen. Investigacin de opresiones en la ciencia administrativa. Prentice Hall. Pag 114 Pgina: 124

Oswaldo Paul Rivadeneira

Investigacin Operativa I

Programacin Lineal

No negatividad Xi 0 ; i = 1, 4 Datos de entrada para Solver

Datos de salida del Solver

61. Douglas E. Starr, administrador de la perrera Heavenly Hound Kennels, Inc, ofrece alojamiento en plan de pensin para mascotas. La comida de los perros alojados en la perrera se prepara mezclando tres productos granulados, con lo cual se obtiene una dieta bien balanceada para los canes. La informacin sobre los tres productos se muestra en la siguiente tabla. Si Douglas quiere asegurarse de que cada uno de sus perros ingiera diariamente cuando menos 8 onzas de protenas, 1 onza de carbohidratos y no ms de 0.5 onzas de grasas.qu cantidad de cada producto en grano deber incluirse en el alimento de los perros a fin de minimizar los costos de Douglas? (Nota: 16 onzas = 1 libra)59 PRODUCTO EN GRANO A B C COSTO POR LIBRA($) 0.45 0.38 0.27 PROTEINAS (%) 62 55 36 CARBOHIDRATOS (%) 5 10 20 GRASAS (%) 3 2 1

Solucin del problema


59

Eppen. Investigacin de opresiones en la ciencia administrativa. Prentice Hall. Pag 115 Pgina: 125

Oswaldo Paul Rivadeneira

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 = 0.45X1 + 0.38X2 + 0.27X3 Restricciones 0.62X1 + 0.55X2 + 0.36X3 0.5 por protenas 0.05X1 + 0.10X2 + 0.20X3 0.0625 por carbohidratos 0.03X1 + 0.02X2 + 0.01X3 0.03125 por grasas No negatividad Xi 0 ; i = 1, 3

Datos de entrada para Solver

Datos de salida del Solver

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 puede vender toda la salsa que elabore. Formule un modelo de programacin

Oswaldo Paul Rivadeneira

Pgina: 126

Investigacin Operativa I

Programacin Lineal

lineal cuyo objetivo sea maximizar las ganancias netas obtenidas por la venta de estas salsas.60 SALSA A B Spicy Diablo Cuando menos 25% Cuando menos 50% Red Baron Cuando mucho 75% * 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 X2 = Cantidad de litros X3 = Cantidad de litros X4 = Cantidad de litros INGREDIENTE PRECIO DE VENTA POR LITRO 3.35 2.85

de de de de

ingrediente ingrediente ingrediente ingrediente

A para A para B para B para

Salsa Spicy Diablo Salsa Red Baron Salsa Spicy Diablo 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

contenido de A en la salsa Spicy contenido de A en la salsa Red contenido de B en la salsa Spicy mxima compra de litros de A mxima compra de litros de B

Datos para entrada del Solver

60

Eppen. Investigacin de opresiones en la ciencia administrativa. Prentice Hall. Pag 115 Pgina: 127

Oswaldo Paul Rivadeneira

Investigacin Operativa I

Programacin Lineal

Salida del Solver

63. La Corey Anders Spice Company dispone de una cantidad limitada de tres ingredientes que se utiliza para produccin de condimentos. Corey emplea los tres ingredientes (HB01, HB02 y HB03) para la elaboracin de crcuma y pimentn. El departamento de mercadotecnia informa que la compaa puede vender todo el pimentn que sea capaz de producir, pero solamente se puede vender un mximo de 1700 botellas de crcuma. Los ingredientes no utilizados podrn venderse en el mercado. Los precios estn expresados en $/onza. Los precios actuales son: HB01, $0.60; HB02, $0.70; HB03, $0.55. Adems, Corey ha firmado un contrato para suministrar 600 botellas de pimentn a Wal-Mart. En la siguiente tabla se ofrece informacin adicional. Formule el problema de Corey como un modelo de programacin lineal para maximizacin de ingresos.61 INGREDIENTES (ONZ/BOTELLA) HB01 HB02 HB03 4 2 1 3 2 3 DEMANDA (BOTELLAS) 1700 ilimitada PRECIO VENTA /BOTELLA 3.25 2.75

Crcuma Pimentn Disponibilidad


61

Eppen. Investigacin de opresiones en la ciencia administrativa. Prentice Hall. Pag 115 Pgina: 128

Oswaldo Paul Rivadeneira

Investigacin Operativa I

Programacin Lineal

(onzas)

8000

9000

7000

Solucin del problema Definicin de variables X1 = Cantidad de botellas de Crcuma X2 = Cantidad de botellas de Pimentn 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 Crcuma X2 600 contrato para Pimentn No negatividad Xi 0; i = 1, 2

Solucin GLP

: 2.0 X1 + 2.0 X2 = 9000.0

X2 1701 1621 1541 1461 1381 1301 1221 1141 1061 981 901 821 741 661 581 501 421 341 261 181 101

: 4.0 X1 + 3.0 X2 = 8000.0

: 1.0 X1 + 0.0 X2 = 1700.0

: 1.0 X1 + 3.0 X2 = 7000.0

: 0.0 X1 + 1.0 X2 = 600.0 Payoff: 1.1 X1 + 2.1 X2 = 1260.0

0 90180 270 360 450 540 630 720 810 900 990 1080 1170 1260 1350 1440 1530 1620 1710 1800 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

Datos de entrada para el Solver

Oswaldo Paul Rivadeneira

Pgina: 129

Investigacin Operativa I

Programacin Lineal

Salida del Solver

64. Guy Chung, superintendente de los edificios y del terreno circundante de la Universidad Gtica, ha planeado aplicar fertilizante al csped del rea cuadrangular a principios de la primavera. Ese prado necesita por lo menos las cantidades de nitrgeno, fsforo y potasio que figuran en la siguiente tabla: MINERAL Nitrgeno Fsforo Potasio PESO MINIMO(LIBRAS) 10 7 5

Hay tres tipos de fertilizante comercial disponibles; los anlisis y precios por 1000 libras se enlistan en la siguiente tabla. Guy puede comprar cualquier cantidad de cualquiera de los fertilizantes que quiera y combinarlos antes de aplicarlos al csped. Formule un modelo de PL que determine la cantidad de

Oswaldo Paul Rivadeneira

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 Contenido de nitrgeno (lib) 25 10 5 Contenido de Contenido de fsforo (lib) potasio (lib) 10 5 5 10 10 5 Precio ($) 10 8 7

Solucin del problema Definicin de variables X1 = Miles de libras de Fertilizante I X2 = Miles de libras de Fertilizante II X3 = Miles de libras de Fertilizante III Funcin objetivo: Minimizar Z = 10X1 + 8X2 + 7X3 Restricciones 25X1 + 10X2 + 5X3 10 contenido de nitrgeno 10X1 + 5X2 + 10X3 7 contenido de fsforo 5X1 + 10X2 + 5X3 5 contenido de potasio No negatividad Xi 0; i = 1, 3 Datos de entrada para el Solver

Datos de salida del Solver

62

Eppen. Investigacin de opresiones en la ciencia administrativa. Prentice Hall. Pag 116 Pgina: 131

Oswaldo Paul Rivadeneira

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 mineral de alta calidad mineral de calidad mediana mineral de baja calidad mximo tiempo 1 semana (5 das)

63

Eppen. Investigacin de opresiones en la ciencia administrativa. Prentice Hall. Pag 116 Pgina: 132

Oswaldo Paul Rivadeneira

Investigacin Operativa I
8

Programacin Lineal

Solucin GLP

6 : 6.0 X1 + 2.0 X2 = 12.0

Payoff: 20.0 X1 + 16.0 X2 = 68.0 4

: 1.0 X1 + 1.0 X2 = 5.0

: 2.0 X1 + 2.0 X2 = 8.0 0 0 2 4

: 4.0 X1 + 12.0 X2 = 24.0

10

Optimal Decisions(X1,X2): ( 1.0, 3.0) : 6.0X1 + 2.0X2 >= 12.0 : 2.0X1 + 2.0X2 >= 8.0 : 4.0X1 + 12.0X2 >= 24.0 : 1.0X1 + 1.0X2 <= 5.0

Datos de entrada para Solver


PRODUCCION DE MINERALES EN EBEL MINING COMPANY Mina Mina 1 2 1 1 MIN 20000 16000 36000 USO DE RECURSOS 6 2 4 1 2 2 12 1 NO LIMITE UTILIZADO 12 -4 8 -4 24 -8 5 3

Produccin en Das de la semana Costo diario de operacin

RESTRICCIONES Produccin mineral alta c. Produccin mineral mediana c. Produccin mineral baja c. Tiempo mximo una semana

UTILIZADO 8 4 16 2

Datos de salida del Solver


Mina 1 Mina 2 1 3 MIN 20000 16000 68000

Produccin en Das de la semana Costo diario de operacin

Oswaldo Paul Rivadeneira

Pgina: 133

Investigacin Operativa I

Programacin Lineal

RESTRICCIONES Produccin mineral alta c. Produccin mineral mediana c. Produccin mineral baja c. Tiempo mximo una semana

6 2 4 1

UTILIZADO 2 12 2 12 1 8 40 4

NO LIMITE UTILIZADO 12 9,32E-12 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: 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

MODELO Sedan Camioneta Deportivo

Rally ha recibido recientemente pedidos por un total de 100 automviles sedan, 200 camionetas y 300 automviles deportivos. Deber atender todos estos pedidos. Ella desea planear la produccin de manera que pueda alcanzar el punto de equilibrio con la mayor rapidez posible, es decir, quiere asegurarse que el margen total de contribucin sea igual al total de costos fijos y que los costos variables de produccin sean mnimos. Formule este problema como un modelo de programacin lineal y resulvalo.64 Solucin del problema: Definicin de variables X1 = cantidad de automviles Sedan X2 = cantidad de Camionetas X3 = Cantidad de automviles Deportivos Funcin objetivo: Tiempo Mnimo Z = 12X1 + 15X2 + 24X3 Restricciones 6X1 - 2000 0 produccin de automviles sedan 8X2 3000 0 produccin de camionetas 11X3 7000 0 produccin de automviles deportivos x1 100 cantidad de automviles sedan x2 200 cantidad de camionetas X3 300 cantidad de automviles deportivos No negatividad Xi 0; i = 1, 3

64

Eppen. Investigacin de opresiones en la ciencia administrativa. Prentice Hall. Pag 116 Pgina: 134

Oswaldo Paul Rivadeneira

Investigacin Operativa I

Programacin Lineal

Entrada de datos para Solver

Salida del Solver

67. Reese Eichler, fabricante de equipo complementario para filtracin del aire, produce dos tipos de unidades, el Umidaire y el Depollinator. Los datos referentes a los precios de venta y a los costos aparecen en la siguiente tabla. La compaa Resse ha sido contratada para suministrar 500 Umidaire y desea calcular las cantidades del punto de equilibrio de ambos tipos de unidad. Formule el modelo de PL para minimizar los costos y resulvalo.65 Producto Umidaire Depollinator Precio de venta Costos variables Costos fijos ($) por unidad ($) por unidad ($) 450 240 150.000 700 360 240.000

Definicin de variables X1 = Cantidad de unidades de Umidaire X2 = Cantidad de unidades de Depollinator Funcin objetivo: Minimizar Z = 240X1 + 360X2 Restricciones 450X1 240X1 150000 0 ; 210X1 150000

65

Eppen. Investigacin de opresiones en la ciencia administrativa. Prentice Hall. Pag 117 Pgina: 135

Oswaldo Paul Rivadeneira

Investigacin Operativa I

Programacin Lineal

700X2 360X2 240000 0 ; 340X2 240000 X1 500 No negatividad Xi 0; i = 1, 2 Solucin GLP

: 210.0 X1 + 0.0 X2 = 150000.0 Payoff: 240.0 X1 + 360.0 X2 = 425546.2 X2 1000 950 900 850 800 750 700 650 600 550 500 450 400 350 300 250 200 150 100 50 0 0 50

: 1.0 X1 + 0.0 X2 = 500.0

: 0.0 X1 + 340.0 X2 = 240000.0

100 150 200 250 300 350 400 450 500 550 600 650 700 750 800 850 900 950 1000

X1

Optimal Decisions(X1,X2): (714.3, 705.9) : 210.0X1 + 0.0X2 >= 150000.0 : 0.0X1 + 340.0X2 >= 240000.0 : 1.0X1 + 0.0X2 >= 500.0

Punto de equilibrio x1 > 500 y x2 > 705.9 Datos de entrada Solver

Salida Solver

Oswaldo Paul Rivadeneira

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 HORAS DE TRABAJO DISPONIBLES POR MES 1700 3000 900 2200

GRANJA 1 2 3 4

La organizacin est considerando la opcin de plantar tres cultivos distintos. Las diferencias principales entre estos cultivos son las ganancias esperadas por hectrea y la cantidad de mano de obra que cada uno requiere, como se indica en la siguiente tabla. HECTAREAS MAXIMAS 700 800 300 HORAS MENSUALES DE TRABAJO POR HECTAREA 2 4 3 GANACIAS ESPERADAS POR HECTAREA ($) 500 200 300

CULTIVO A B C

Adems, el total de las hectreas que pueden ser dedicadas a cualquier cultivo en particular estn limitadas por los requerimientos asociados por concepto de equipo de ciega. Con la finalidad de mantener una carga de trabajo ms o menos uniforme entre las distintas granjas, la poltica de la administracin recomienda que el porcentaje de hectreas plantadas deber ser igual para todas las granjas. Sin embargo, en cualquiera de esas fincas puede crecer cualquier combinacin de cultivos, siempre y cuando se satisfagan todas las restricciones (incluido el requerimiento de la carga de trabajo sea uniforme). La administracin desea saber cuantas hectreas de cada cultivo tendr que

Oswaldo Paul Rivadeneira

Pgina: 137

Investigacin Operativa I

Programacin Lineal

plantar en sus respectivas granjas, A fin de maximizar las ganancias esperadas.66 Definicin de variables X11 = Cantidad de Ha del X12 = Cantidad de Ha del X13 = Cantidad de Ha del X14 = Cantidad de Ha del X21 = Cantidad de Ha del X22 = Cantidad de Ha del X23 = Cantidad de Ha del X24 = Cantidad de Ha del X31 = Cantidad de Ha del X32 = Cantidad de Ha del X33 = Cantidad de Ha del X34 = Cantidad de Ha del Cultivo Cultivo Cultivo Cultivo Cultivo Cultivo Cultivo Cultivo Cultivo Cultivo Cultivo Cultivo A A A A B B B B C C C C en en en en en en en en en en en en la Granja 1 la Granja 2 la Granja 3 la Granja 4 la Granja 1 la Granja 2 la Granja 3 la Granja 4 la Granja 1 la Granja 2 la Granja 3 la Granja 4

Funcin objetivo: Maximizar Z = 500X11 + 500X12 + 500X13 + 500X14 + 200X21 + 200X22 + 200X23 + 200X24 + 300X31 + 300X32 + 300X33 + 300X34 Restricciones X11 + X21 + X31 500 Ha de cultivo en Granja 1 X12 + X22 + X32 900 Ha de cultivo en Granja 2 X13 + X23 + X33 300 Ha de cultivo en Granja 3 X14 + X24 + X34 700 Ha de cultivo en Granja 4 2X11 + 4X21 + 3X31 1700 Horas de trabajo en Granja 1 2X12 + 4X22 + 3X32 3000 Horas de trabajo en Granja 2 2X13 + 4X23 + 3X33 900 Horas de trabajo en Granja 3 2X14 + 4X24 + 3X34 2200 Horas de trabajo en Granja 4 X11 + X12 + X13 + X14 700 Ha de cultivo A X21 + X22 + X23 + X24 800 Ha de cultivo B X31 + X32 + X33 + X34 300 Ha de cultivo C Cumplimiento de distribucin uniforme 500 900 300 X 11 X 21 X 31 X 12 X 22 X 32 X 13 X 23 X 33 900(X11 + X21 + X31) 500(X12 + X22 + X32) 500(X13 + X23 + X33) 300(X11 + X21 + X31) 700(X11 + X21 + X31) 500(X14 + X24 + X34)

700 X 14 X 24 X 34 = 0 Distr. G1 y G2 = 0 Distr. G1 y G3 = 0 Distr. G1 y G4

No negatividad Xij 0; i = 1, 3; j = 1, 4 i = Cultivo; j = Granja

Entrada de datos para Solver

66

Eppen. Investigacin de opresiones en la ciencia administrativa. Prentice Hall. Pag 117 Pgina: 138

Oswaldo Paul Rivadeneira

Investigacin Operativa I

Programacin Lineal

Salida Solver

69. La administracin de un viedo desea combinar cuatro cosechas distintas para producir tres tipos distintos de vinos en forma combinada. Las existencias de las cosechas y los precios de venta de los vinos combinados se muestran en la siguiente tabla, junto con ciertas restricciones sobre los porcentajes incluidos en la composicin de las tres mezclas. En particular, las cosechas 2 y 3 en conjunto debern constituir cuando menos 75% de la mezcla de A y cuando menos 35% de la mezcla C. Adems, la mezcla A deber contener cuando menos el 8% de la cosecha 4, mientras que la mezcla B deber contener por lo menos 10% de la cosecha 2 y a lo sumo 35% de la cosecha 4. Se podr vender cualquier cantidad

Oswaldo Paul Rivadeneira

Pgina: 139

Investigacin Operativa I

Programacin Lineal

que se elabore de las mezclas A, B y C. Formule un modelo PL que aproveche de mejor forma las cosechas disponibles y resulvalo.67 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

Mezcla A B C

1 * * *

Existencias 130 (galones) * indica que no existe restriccin alguna Definicin de variables X11 = Cantidad de galones X12 = Cantidad de galones X13 = Cantidad de galones X21 = Cantidad de galones X22 = Cantidad de galones X23 = Cantidad de galones X31 = Cantidad de galones X32 = Cantidad de galones X33 = Cantidad de galones X41 = Cantidad de galones X42 = Cantidad de galones X43 = Cantidad de galones de de de de de de de de de de de de vino vino vino vino vino vino vino vino vino vino vino vino de de de de de de de de de de de de

la la la la la la la la la la la la

cosecha cosecha cosecha cosecha cosecha cosecha cosecha cosecha cosecha cosecha cosecha cosecha

1 1 1 2 2 2 3 3 3 4 4 4

para para para para para para para para para para para para

mezcla mezcla mezcla mezcla mezcla mezcla mezcla mezcla mezcla mezcla mezcla mezcla

A B C A B C A B C A B C

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 3 en C X11 + X12 + X13 130 mximo de galones de cosecha 1 X21 + X22 + X23 200 mximo de galones de cosecha 2 X31 + X32 + X33 150 mximo de galones de cosecha 3 X41 + X42 + X43 350 mximo de galones de cosecha 4 No negatividad Xij 0; i = 1, 4; j = 1, 3

67

Eppen. Investigacin de opresiones en la ciencia administrativa. Prentice Hall. Pag 118 Pgina: 140

Oswaldo Paul Rivadeneira

Investigacin Operativa I

Programacin Lineal

i = Cosecha; j = Mezcla Datos de entrada para Solver

Salida del Solver

Oswaldo Paul Rivadeneira

Pgina: 141