Investigacion Operaciones v3

INVESTIGACION DE OPERACIONES EN MINERIA
CONTENIDO
CONTENIDO.......................................................................................................................................................i
CAPITULO I.......................................................................................................................................................1
INTRODUCCION A LA INVESTIGACION DE OPERACIONES.................................................................1
1.1.QU ES LA INVESTIGACIN DE OPERACIONES?............................................................................1
1.2.HISTORIA DE LA INVESTIGACIN DE OPERACIONES ...................................................................1
1.3.METODOLOGA DE LA INVESTIGACIN DE OPERACIONES.........................................................2
1.3.1.Defii!i" #e$ %&'($e)*.............................................................................................................................2
1.3.2.De+*&&'$$' #e , M'#e$' M*-e).-i!' / Re!'$e!!i" #e D*-'+.................................................................2
1.3.3.Re+'$,!i" #e$ M'#e$' M*-e).-i!'...........................................................................................................3
1.3.0.V*$i#*!i"1 I+-&,)e-*!i" / C'-&'$ #e $* S'$,!i".............................................................................3
1.3.2.M'#ifi!*!i" #e$ M'#e$'...........................................................................................................................3
1.0.USOS 3 VENTA4AS DE LOS MODELOS DE INVESTIGACIN DE OPERACIONES.......................0
1.2.RESUMEN....................................................................................................................................................0
CAPITULO II......................................................................................................................................................5
CONSTRUCCION DE MODELOS DETERMINISTICOS..............................................................................5
2.1.PASOS GENERALES 3 TCNICAS DE LA CONSTRUCCIN DE MODELOS MATEM6TICOS....5
E4EMPLO 2.1 EL PRO7LEMA DE PLANEACIN DE PRODUCCIN DE CASE CHEMICALS C*+e
C8e)i!*$+ %&'#,!e #'+ +'$9e-e+1 CS:;1 / CS:;21 e +, %$*-* #e C$e9e$*#. L*+ e)%&e+*+ <,e !')%&*
e+-'+ +'$9e-e+ $'+ ,+* %*&* #i+'$9e& !ie&-*+ +,+-*!i*+ -"=i!*+ <,e +e %&'#,!e #,&*-e %&'!e+'+ #e
f*(&i!*!i" %*&-i!,$*&e+. L* %$*-* '%e&* 0; 8'&*+ * $* +e)** / e)%$e* * !i!' -&*(*>*#'&e+ #e -ie)%'
!')%$e-' / * #'+ #e -ie)%' %*&!i*$1 <,e -&*(*>* 12 8'&*+ * $* +e)**. E+-*+ %e&+'*+ '%e&* $*+ +ie-e
).<,i*+ <,e )e?!$* !ie&-'+ <,@)i!'+ %*&* %&'#,!i& !*#* +'$9e-e. L'+ %&'#,!-'+ +*$e #e$
#e%*&-*)e-' #e )e?!$*#' %*&* +e& &efi*#'+ e e$ #e%*&-*)e-' #e %,&ifi!*!i"1 <,e *!-,*$)e-e -iee
+ie-e %,&ifi!*#'&e+ / e)%$e* * +ei+ -&*(*>*#'&e+ #e -ie)%' !')%$e-' / * ,' #e -ie)%' %*&!i*$1 <,e -&*(*>*
1; 8'&*+ * $* +e)**.......................................................................................................................................5
I#e-ifi!*!i" #e $*+ 9*&i*($e+ #e #e!i+i"......................................................................................................5
I#e-ifi!*!i" #e $'+ #*-'+ #e$ %&'($e)*.........................................................................................................A
I#e-ifi!*!i" #e $* f,!i" '(>e-i9'...............................................................................................................B
I#e-ifi!*!i" #e $*+ &e+-&i!!i'e+...................................................................................................................B
C'&),$*!i" )*-e).-i!* #e$ %&'($e)*.........................................................................................................1;
2.2.E4EMPLOS DE CORMULACIN DE MODELOS MATEM6TICOS ..................................................11
2.2.1.P&'($e)*+ #e %$*e*)ie-' #e %&'#,!!i'.............................................................................................11
2.2.1.1. P$*e*)ie-' #e %&'#,!!i' #e$ Si#i!*-' Mie&' P*!'!'!8* SA....................................................11
2.2.1.2.P$*e*)ie-' #e %&'#,!!i' #e ,* !')%*D@* )ie&*........................................................................13
2.2.1.3.P$*e*)ie-' #e %&'#,!!i' #e e=%$'+i9'+..........................................................................................12
2.2.1.0.P$*e*)ie-' #e -&*+%'&-e #e !'!e-&*#'.........................................................................................15
2.2.1.2.P$*e*)ie-' #e %&'#,!!i' #e , -*$$e& #e )e-*$)e!*i!*...............................................................1A
P&'#,!-'.............................................................................................................................................................1B
C'-&i(,!i"......................................................................................................................................................1B
EFGH,i#*#..........................................................................................................................................................1B
T*$*#&*#' ..........................................................................................................................................................1B
P&'#,!-'.........................................................................................................................................................1B
C'-&i(,!i"..................................................................................................................................................1B
T*$*#&*#' ..........................................................................................................................................................1B
2.2.1.5.P$*e*)ie-' #e %&'#,!!i' #e (')(*+...............................................................................................1I
2.2.2.E>e)%$'+ #e %&'($e)*+ #e &e#e+J e$ %&'($e)* #e -&*+%'&-e...................................................................21
2.2.2.1.T&*+%'&-e #e *,-')'9i$e+....................................................................................................................21
2.2.2.2.P&'($e)* #e -&*+%'&-e #e Me#e<,i% C')%*/...................................................................................23
2.2.3.E>e)%$'+ #e %&'($e)*+ #e &e#e+J e$ %&'($e&)* #e$ f$,>' )*=i)'...........................................................22
2.2.3.1.P&'($e)* #e -&*+%'&-e #e He=' Oi$ C')%*/..................................................................................22
2.2.0.A#)ii+-&*!i' #e i9e&+i'e+1 ,+' #e 9*&i*($e+ (i*&i*+.......................................................................2B
2.2.0.1.P&'($e)* #e i9e&+i' #e Ce-*,&' G'$# C')%*/............................................................................2B
2.2.2.E>e)%$'+ #e %&'($e)*+ #e #i+eD'............................................................................................................31
2.2.2.1.P&'($e)* #e #i+eD' #e C'-*ie&+ I!.................................................................................................31
2.2.5.P&'($e)* #e )e?!$*+J *$e*!i'e+.............................................................................................................32
2.2.5.1.P&'($e)* #e %&'#,!!i' #e *$e*!i'....................................................................................................32
2.2.A.P&'($e)* #e #i+)i,!i' #e !'-*)i*!i'...........................................................................................30
2.2.A.1.P&'($e)* #e *(*-i)ie-' #e !'-*)i*!i' #e N'&iKLee-+ C'..........................................................30
2.2.B.P&'($e)*+ #e )e?!$*+..............................................................................................................................3A
2.2.B.1.P&'($e)* #e '%-i)i?*!i' #e )e?!$* #e L,? #e$ Ce-&'.....................................................................3A
2.2.B.2.P&'($e)* #e )e&?!$* #e !&,#'+ #e E==' Oi$ C'................................................................................3I
Facultad de ngeniera de Minas
Universidad Nacional del Altiplano
Derechos Reservados MCA-FM 2012
i
MSc Ing Mario Cuentas Alvarado
2.2.B.3.P&'($e)* #e )e?!$*+ #e A*e* C8e)i!*$+ C'...................................................................................0;
2.2.B.0.P&'($e)* #e )e?!$* #e L*+'$i*+.........................................................................................................02
CAPITULO III..................................................................................................................................................05
3.1.M'#e$'+ #e %&'L&*)*!i" $ie*$ %*&* #e!i+i'e+ #e )e?!$* #e %&'#,!-'+ ...............................................05
3.1.1.P&'($e)* #e )e?!$* #e E=%$'+i9e+ I!....................................................................................................05
E E=%$'+i9e+1 I!. +e )e?!$* *?,f&e1 !*&(" / +*$i-&e %*&* %&'#,!i& %"$9'&*. E$ %&'#,!-' fi*$ #e(e
!'-ee& *$ )e'+ 1;M1 %e&' ' ).+ #e 2;M1 #e !*&(" %'& ,i#*# #e %e+'. L* !*-i#*# #e +*$i-&e ' %,e#e
e=!e#e& e$ 2;M #e $* !*-i#*# #e !*&(" ,+*#'. P*&* e9i-*& ,* e=%$'+i" *!!i#e-*$1 $* +,)* #e 2;M #e$
*?,f&e )*+ 5;M #e !*&(" )*+ 3;M #e$ +*$i-&e ,+*#'+ ' %,e#e e=!e#e& 32M #e$ %&'#,!-' fi*$. E$ *?,f&e
e+ !' ),!8' e$ !')%'e-e ).+ !*&'. C'&),$e , )'#e$' %*&* #e-e&)i*& $* !*-i#*# #e !*#* iL&e#ie-e
<,e #e(e ,-i$i?*&+e %*&* %&'#,!i& !*#* $i(&* #e %"$9'&* <,e +*-i+f*L* $*+ &e+-&i!!i'e+ /1 * $* 9e?1 <,e
&e<,ie&* $* )e'& !*-i#*# #e *?,f&e. .............................................................................................................05
3.1.2.P&'($e)* #e )e?!$* #e *#i-i9'+ * L*+'$i*.............................................................................................0A
3.1.3.P&'($e)* #e )e?!$* #e %e-&"$e' #e N'&$# 'i$ C')%*/........................................................................0I
3.1.0.P&'($e)* #e )e?!$* #e $* T')*+ Ri9e& C8e)i!*$+................................................................................2;
3.2.M'#e$'+ #e %&'L&*)*!i" $ie*$ %*&* #e!i+i'e+ #e f*(&i!*!i" ' !')%&*...............................................22
3.2.1.P&'($e)* #e %$*e*)ie-' #e %&'#,!!i" #e A*e* G'$# P,)%.........................................................22
3.2.2.P&'($e)* #e !')%&* #e e<,i%' )i$i-*&....................................................................................................22
3.3.M'#e$'+ #e %&'L&*)*!i" $ie*$ %*&* #e!i+i'e+ #e %&'#,!!i"...............................................................25
3.3.1.P&'($e)* #e %&'#,!!i" #e ee&L@* #e$ #e%*&-*)e-' #e ee&L@* #e$ P*&*L,*/....................................25
3.3.2.P&'($e)* #e %$*e*)ie-' #e %&'#,!!i" #e *!e&'................................................................................5;
3.3.3.P&'($e)* #e )e?!$* #e )ie&*$...............................................................................................................53
3.3.0.P&'($e)* #e e=-&*!!i" #e )ie&*$..........................................................................................................50
3.3.2.P&'($e)* #e %&'#,!!i" #e $* !')%*D@* G,*-e+ #e A!e&' C'..............................................................5B
3.3.5.P&'($e)* #e %&'#,!!i" #e *&-@!,$'+ e$e!-&"i!'+...................................................................................5I
3.3.A.P&'($e)* #e %$*e*)ie-' #e %&'#,!!i"...............................................................................................A2
3.0.M'#e$'+ #e %&'L&*)*!i" $ie*$ %*&* %&'($e)*+ #e -&*+%'&-e.................................................................A2
3.0.1.P&'($e)* #e -&*+%'&-e #e !'!e-&*#'...................................................................................................A2
3.2.M'#e$'+ #e %&'L&*)*!i" $ie*$ %*&* *#)ii+-&*!i" #e !*&-e&* #e 9*$'&e+.............................................A5
3.2.1.P&'($e)* #e I9e&+i'e+ Mie&*+ Ri!'*#* SAA................................................................................A5
3.2.2.P&'($e)* #e i9e&+i"..............................................................................................................................AB
3.5.M'#e$'+ #e %&'L&*)*!i" $ie*$ %*&* %&'($e)*+ #e )e?!$*+....................................................................B;
3.5.1.P&'($e)* #e )e?!$* #e Me-*$!' C')%*/..............................................................................................B;
3.5.2.P&'($e)* #e )e?!$* #e S*9e I- C'...........................................................................................................B2
3.A.M'#e$'+ #e %&'L&*)*!i" $ie*$ %*&* %$*e*!i" #e %&'#,!!i" *L&eL*#*..............................................B2
3.A.1.P&'($e)* #e *+iL*!i" #e *9i'e+ * &,-*+ #e -&*+%'&-e.......................................................................B5
3.A.2.P&'($e)* #e #i+-&i(,!i" #e !*&L*...........................................................................................................BI
CAPITULO IV..................................................................................................................................................I2
SOLUCIN A PRO7LEMAS DE PROGRAMACIN LINEAL USANDO SOCTNARE...........................I2
USO DE SOLVER DE EOCEL........................................................................................................................I2
EL PRO7LEMA DE PLANEACIN DE PRODUCCIN DEL SINDICATO MINERO PACOCOCHA
.......................................................................................................................................................................I2
USO DE SOLVER DE NiQS7......................................................................................................................I2
.......................................................................................................................................................................I2
USO DE LINDO.............................................................................................................................................1;;
SINTAOIS DEL MODELO LINDO...........................................................................................................1;;
.....................................................................................................................................................................1;;
CAPITULO IV................................................................................................................................................1;2
AN6LISIS DE SENSI7ILIDAD USANDO SOCTNAREJ...........................................................................1;2
EL PRO7LEMA DE PLANEACIN DE PRODUCCIN DE CASE CHEMICALS ................................1;2
CONCEPTOS 76SICOS EN AN6LISIS DE SENSI7ILIDAD...............................................................1;2
1. AN6LISIS DE SENSI7ILIDAD CON EOCEL..................................................................................1;5
AN6LISIS DE SENSI7ILIDAD DE LOS COECICIENTES DE LA CUNCIN O74ETIVO................1;I
AN6LISIS DE SENSI7ILIDAD DE LOS VALORES DEL LADO DERECHO DE LAS
RESTRICCIONES ERECURSOS DISPONI7LES1 RHSG..........................................................................11;
AN6LISIS PARAMTRICO DE LOS RECURSOS DISPONI7LES EVALORES DEL LADO
DERECHOG.................................................................................................................................................112
2. AN6LISIS DE SENSI7ILIDAD CON LINDO.......................................................................................113
3. AN6LISIS DE SENSI7ILIDAD CON NiQS7......................................................................................110
EL PRO7LEMA DE PLANEACIN DE PRODUCCIN DEL SINDICATO MINERO PACOCOCHA 112
CAPITULO V..................................................................................................................................................10B
ii
PRO7LEMAS DE REDES DE DISTRI7UCINJ TRANSPORTACIN1 ASIGNACIN 3
TRANS7ORDO..............................................................................................................................................10B
QU ES UNA RED DE DISTRI7UCIN?..............................................................................................10B
EL PRO7LEMA DE TRANSPORTACIN..............................................................................................10I
EL PRO7LEMA DE ASIGNACIN.........................................................................................................125
EL PRO7LEMA DE TRANS7ORDO.......................................................................................................150
CAPITULO VI................................................................................................................................................15I
ADMINISTRACIN DE PRO3ECTOSJ......................................................................................................15I
PERT : CPM....................................................................................................................................................15I
DESARROLLO DE LA RED DE PRO3ECTOS......................................................................................15I
I#e-ifi!*!i" #e $*+ -*&e*+ i#i9i#,*$e+.................................................................................................1A;
O(-e!i" #e e+-i)*!i'e+ #e -ie)%' %*&* !*#* -*&e*...........................................................................1A1
C&e*!i" #e $* -*($* #e %&e!e#e!i* %*&* e$ %&'/e!-'.............................................................................1A1
T&*?' #e $* &e# #e %&'/e!-'+....................................................................................................................1A2
ARCO......................................................................................................................................................1A3
ARCO CICTICIO....................................................................................................................................1A3
L* &e# #e %&'/e!-'+ %*&* e$ %&'/e!-' #e S*-* R'+* MiiL..................................................................1A2
ADMINISTRACIN DE PRO3ECTOS USANDO TIEMPOS DETERMINSTICOS ECPMG...............1A2
C.$!,$' #e$ -ie)%' #e -e&)i*!i" #e %&'/e!-'..........................................................................................1A2
I#e-ifi!*!i" #e $*+ -*&e*+ !&@-i!*+.............................................................................................................1AA
A#)ii+-&*!i" #e %&'/e!-'+ !' -ie)%'+ #e-e&)i@+-i!'+ #e -*&e*J ,+' #e $* !')%,-*#'&*....................1B;
E=%e#i!i" #e , %&'/e!-' ,+*#' -P!i!*+ #e !&*+8iL............................................................................1B2
O(-e!i" #e #*-'+ #e !'+-'+ *#i!i'*$e+ %*&* $*+ -*&e*+...........................................................................1B3
De+*&&'$$' #e$ )'#e$' #e !8'<,e................................................................................................................1B0
Re+'$,!i" #e$ )'#e$' #e !8'<,e...............................................................................................................1BA
ADMINISTRACIN DE PRO3ECTOS USANDO TIEMPOS DE TAREA PRO7A7ILISTICOS EPERTG
.........................................................................................................................................................................1BB
7I7LIOGRACIA.............................................................................................................................................1I;
iii
CAPITULO I
INTRODUCCION A LA INVESTIGACION DE OPERACIONES
1.1. !U" ES LA INVESTIGACI#N DE OPERACIONES$
En la ciencia de la ad%inistraci&n (que tambin se conoce como investigaci&n de
o'eraciones() los administradores utilizan las matemticas y las computadoras para tomar
decisiones racionales en la resolucin de problemas. Aunque algunos problemas son lo bastante
simples como para que un administrador pueda aplicar su experiencia personal para resolverlos,
en el complejo mundo actual muchos problemas no pueden resolverse de esta manera. La
evaluacin de cada alternativa es demasiado difcil o tardada debido a la cantidad y complejidad
de la informacin que debe ser procesada o porque el nmero de soluciones alternativas es tan
vasto que un administrador simplemente no puede evaluarlas todas para seleccionar una
apropiada.
Las tcnicas de la administracin se aplican a las siguientes dos categoras bsicas de problemas:
1. Pro*le%as deter%in+sticos) en los que toda la informacin necesaria para obtener una
solucin se conoce con certeza.
2. Pro*le%as estoc,sticos) en los que parte de la informacin necesaria no se conoce con
certeza, sino ms bien se comporta de una manera probabilstica.
La resolucin de un problema determinstico es similar a decidir en cul aerolnea comprar boleto
para volar hoy de Nueva York a Los ngeles dado que se pueden obtener exactamente las
mismas tarifas en todas las aerolneas. En contraste, considere hacer el mismo viaje dentro de
un mes. El decidir si comprar el mejor boleto disponible hoy o arriesgarse a esperar una mejor
tarifa es un problema estocstico, porque no se conocen las tarifas futuras. La obtencin de
soluciones a estos dos grupos de problemas de decisin -determinsticos y estocsticos- a
menudo requiere de tcnicas de administracin muy diferentes.
-./. 0ISTORIA DE LA INVESTIGACI#N DE OPERACIONES
El campo de la administracin surgi durante la Segunda Guerra Mundial, cuando haba una gran
necesidad de administrar los escasos recursos. La Fuerza Area Britnica form el primer grupo
que desarrollara mtodos cuantitativos para resolver estos problemas operacionales y bautiz a
sus esfuerzos como investigacin operacional. Poco despus, las fuerzas armadas
estadounidenses formaron un grupo similar, compuesto por cientficos fsicos e ingenieros, cinco
de los cuales posteriormente fueron laureados con el premio Nobel, Los esfuerzos de estos
-
grupos, especialmente en el rea de la deteccin por radar, se consideran vitales en el triunfo de
la guerra area de Gran Bretaa.
Despus de la Segunda Guerra Mundial, los administradores de la industria reconocieron el valor
de aplicar tcnicas similares a sus complejos problemas de decisin. Los primeros esfuerzos se
dedicaron a desarrollar modelos apropiados y procedimientos correspondientes para solucionar
problemas que surgan en reas tales como la programacin de refineras de petrleo, la
distribucin de productos, la planeacin de produccin, el estudio de mercados y la planeacin de
inversiones. Estos procedimientos de soluciones se hicieron posibles con el advenimiento de
computadoras de alta velocidad, porque la resolucin del tpico problema de investigacin de
operaciones requiere demasiados clculos para ser realizados prcticamente a mano. El uso de
tcnicas de administracin ha aumentado con los avances en los clculos hasta el punto en que
actualmente estas tcnicas son empleadas rutinariamente en una computadora de escritorio para
solucionar muchos problemas de decisin.
-.1. METODOLOG2A DE LA INVESTIGACI#N DE OPERACIONES
El uso de mtodos cuantitativos para solucionar problemas, generalmente implica a mucha gente
de toda la organizacin. Los individuos de un equipo de proyectos proporcionan informacin de
sus reas respectivas respecto a diversos aspectos del problema. El proceso de aplicar mtodos
cuantitativos requiere una sucesin sistemtica de pasos ilustrados en la figura 1. 1. Cada uno de
estos pasos se describe con detalle en esta seccin.
Figura 1.1 La metodologa de la investigacin de operaciones.
1.3.1. Definicin del problema
El primer paso es identificar, comprender y describir, en trminos precisos, el problema que la
organizacin enfrenta. En algunos casos, el problema est bien definido y es claro.
En otras situaciones, el problema puede no estar tan bien definido y puede requerir bastantes
discusiones y consenso entre los miembros del equipo de proyectos. Por ejemplo, puede haber
varios objetivos que entren en conflicto. Tal vez usted desee maximizar la satisfaccin del cliente
y, sin embargo, tambin minimizar los costos totales. Es improbable que pueda lograr ambas
metas. Se tendrn que tomar decisiones corporativas respecto a un objetivo global. Algunas
veces la cuantificacin del objetivo mismo es difcil. Por ejemplo, cmo se mide la "satisfaccin
del cliente"? Todas estas cuestiones deben resolverse y clarificarse por consenso del equipo de
proyectos durante la fase de definicin del problema.
1.3.2. Desarrollo de un Modelo Matemtico y Recoleccin de Datos
2
Despus de que el problema est claramente definido y comprendido, el siguiente paso es
expresar el problema en una forma matemtica, esto es, formular un modelo matemtico. Una
vez construido el modelo, existen muchas tcnicas matemticas disponibles para obtener la mejor
solucin, a pesar del vasto nmero de alternativas y/o de la complejidad implicada.
1.3.3. Resolucin del Modelo Matemtico
Una vez formulado un modelo matemtico del problema, el siguiente paso es resolver el modelo,
es decir, obtener valores numricos para la variable de decisin. Para el ejemplo de las
inversiones, esto significa obtener los mejores valores para S y B. La forma en que se obtengan
estos valores depende de la forma o tipo especfico del modelo matemtico. Es decir, una vez
que identifique el tipo de modelo que tiene, podr elegir una tcnica de administracin apropiada
para resolverlo. Estas tcnicas pertenecen a una de dos categoras:
1. M3todos &'ti%os) que producen los mejores valores para las variables de decisin, es decir,
aquellos valores que satisfacen simultneamente todas las limitaciones y proporcionan el
mejor valor para la funcin objetiva.
/. M3todos 4eur+sticos) que producen valores para las variables que satisfacen todas las
limitaciones. Aunque no necesariamente ptimos, estos valores proporcionan un valor
aceptable para la funcin objetiva.
En contraste con los mtodos ptimos, los mtodos heursticos son computacionalmente ms
eficientes y, por tanto, se usan cuando la obtencin de soluciones ptimas lleva demasiado
tiempo o es imposible porque el modelo es demasiado complejo.
Un objetivo de este curso es mostrar muchos mtodos matemticos diferentes y sus
procedimientos de solucin asociados. La mayor parte de las veces, se dispondr de estos
procedimientos en una computadora, y usted aprender cmo obtener e interpretar las soluciones
al modelo.
1.3.4. Validacin, Instrumentacin y ontrol de la !olucin
Despus de resolver el modelo matemtico, es extremadamente importante validar la soluci&n)
es decir, revisar la solucin cuidadosamente para ver que los valores tienen sentido y que las
decisiones resultantes puedan llevarse a cabo. Algunas de las razones para hacer esto son:
1. El modelo matemtico puede no haber captado todas las limitaciones del problema real.
2. Ciertos aspectos del problema pueden haberse pasado por alto, omitido deliberadamente o
simplificado.
3. Los datos pueden haberse estimado o registrado incorrectamente, tal vez al introducirlos a la
computadora.
Tambin es importante darse cuenta que aun cuando el modelo y la solucin pueden ser vlidos,
tal vez no sea factible llevar a cabo una decisin basndose en esos resultados. Puede haber
aplicaciones conductuales o polticas que no pueden incluirse en el modelo. Por ejemplo, el
resultado de un modelo puede indicar que es ms eficiente en cuanto a costos transferir algunos
trabajadores del turno de da al de noche. Sin embargo, tal cambio puede enfrentar resistencia de
los empleados (o administradores) por razones personales, polticas o de otra ndole. Una forma
de evitar este tipo de dificultades es incluir representantes de todos los grupos potencialmente
afectados como parte del equipo de proyectos.
Los resultados y su posterior instrumentacin deben supervisarse cuidadosamente, no slo para
asegurar que la solucin trabaja segn lo planeado, sino tambin porque el problema, los datos o
ambos pueden cambiar con el tiempo.
1.3.". Modificacin del Modelo
Si durante el paso de validacin se encuentra que la solucin no puede llevarse a cabo, se
pueden identificar las limitaciones que fueron omitidas durante la formulacin del problema
original o puede uno darse cuenta de que algunas de las limitaciones originales eran incorrectas y
necesitan mortificarse, En estos casos, debe regresarse a la etapa de formulacin del problema y
1
hacer cuidadosamente las modificaciones apropiadas para reflejar con ms exactitud el problema
real.
Este proceso de modificacin de un modelo obteniendo la nueva solucin y validndola, puede
tener que repetirse varias veces antes de encontrar una solucin aceptable y factible (vase la
figura 1.1).
-.5. USOS 6 VENTA7AS DE LOS MODELOS DE INVESTIGACI#N DE OPERACIONES
En general, los modelos matemticos ayudan a los administradores a tomar dos tipos de
decisiones: estratgicas y operacionales. Las decisiones estrat3gicas) generalmente decisiones
de una sola vez, tienen un efecto sobre intervalos de tiempo relativamente largos. Considere las
siguientes decisiones que probablemente tuviera que tomar como administrador:
Debera reemplazarse un sistema existente con un nuevo sistema recin propuesto? Por
ejemplo, debera convertir una de tres casetas de peaje en un carril expreso para carros de dos
o ms pasajeros? Otro ejemplo, debera abrir una nueva instalacin de produccin?
Debera cambiar su poltica de administracin? Por ejemplo, debera reordenar inventarios a
intervalos de tiempo regulares en lugar de cada vez que el nivel caiga por debajo de alguna
cantidad especificada?
Como los modelos que construye para llegar a decisiones estratgicas generalmente se usan
nicamente para hacer una determinacin a largo plazo, no debe preocuparse demasiado por la
cantidad de esfuerzo computacional requerido para obtener la solucin. Es muy probable que las
decisiones estratgicas tengan un impacto importante en la organizacin, as que debe dedicar la
mayor parte de sus esfuerzos a asegurar que el modelo sea vlido, que incluya todos los aspectos
importantes del problema y que los datos sean lo ms exactos posibles.
Las decisiones o'eracionales) por el contrario, afectan procesos en curso sobre periodos ms
cortos. Considere las siguientes decisiones operacionales que tal vez tenga que tomar
regularmente:
Cmo puede la empresa programar de la manera ms eficiente la fuerza de trabajo
semanalmente?
Cul es el plan de produccin mensual ptimo?
Cul es el plan de embarque ms efectivo en costos para distribuir productos desde las
plantas hasta los mercados al por menor?
A diferencia de los modelos para planeacin estratgica, los modelos para decisiones
operacionales se usan repetidamente. Por tanto, vale la pena gastar tiempo y esfuerzo extras en
identificar o desarrollar los procedimientos de solucin ms eficientes, ya que hacerlo puede
redituar ahorros significativos en costos computacionales con el tiempo.
Sin importar si se requiere de una decisin estratgica u operacional, los modelos matemticos
proporcionan los siguientes beneficios a los administradores:
a) Un mtodo de determinacin de la mejor manera de lograr un objetivo, como asignar
recursos escasos.
b) Una forma de evaluar el impacto de un cambio propuesto o un nuevo sistema sin el costo
y tiempo de llevarlo a cabo primero.
c) Una forma de evaluar la fortaleza de la solucin ptima al hacer 'reguntas de
sensi*ilidad de la forma "Qu sucedera si ... ?" Por ejemplo, qu le sucedera al plan
de inversin ptima y retribucin anual si se esperara que el fondo de acciones produjera
slo 8% (en vez del 10% original)?
d) Un procedimiento para lograr un objetivo que beneficie a la organizacin global al incluir
en el modelo consideraciones correspondientes a muchas otras partes de la organizacin.
-.8. RESUMEN
Los pasos generales comprendidos en la aplicacin de las tcnicas de la administracin para
resolver problemas de decisin determinsticos y estocsticos son los siguientes:
4
a) Definicin del problema, mediante su identificacin y comprensin de manera que pueda
expresarle de manera precisa.
b) Desarrollar un modelo matemtico, a menudo identificando variables de decisin, un
objetivo matemtico global y limitaciones.
c) Resolucin del modelo, usando una tcnica de administracin apropiada.
d) Validacin de la solucin, usando la intuicin y la experiencia para determinar si la
solucin obtenida del modelo tiene sentido y puede llevarse a cabo de manera realista. Si
no, puede ser necesario que modifique el modelo adecuadamente para obtener la nueva
solucin.
e) Poner en prctica y supervisar la solucin; si se encuentran resultados no anticipados, o si
los datos cambian, necesitar modificar el modelo en consecuencia y validar la nueva
solucin.
8
CAPITULO II
CONSTRUCCION DE MODELOS DETERMINISTICOS
/.-. PASOS GENERALES 6 T"CNICAS DE LA CONSTRUCCI#N DE MODELOS
MATEM9TICOS
En el captulo 1 aprendi que el primer paso al usar tcnicas de administracin es identificar y
describir el problema. El siguiente paso es formular el problema en un marco matemtico. Esta
seccin proporciona pasos y tcnicas sistemticas que puede aplicar al formular sus propios
modelos determinsticos. Para ilustrar, considere el problema enfrentado por la gerencia de
produccin de Case Chemicals.
#$#M%&' 2.1 #& %R'(&#M) D# %&)*#)I+* D# %R'D,I+* D# )!# -#MI)&!
Case Chemicals produce dos solventes, CS-01 y CS-02, en su planta de Cleveland. Las
empresas que compran estos solventes los usan para disolver ciertas sustancias txicas
que se producen durante procesos de fabricacin particulares. La planta opera 40 horas a
la semana y emplea a cinco trabajadores de tiempo completo y a dos de tiempo parcial,
que trabajan 15 horas a la semana. Estas personas operan las siete mquinas que
mezclan ciertos qumicos para producir cada solvente. Los productos salen del
departamento de mezclado para ser refinados en el departamento de purificacin, que
actualmente tiene siete purificadores y emplea a seis trabajadores de tiempo completo y a
uno de tiempo parcial, que trabaja 10 horas a la semana.
Case Chemicals tiene una provisin casi limitada de la materia prima que necesita para producir
los dos solventes. Case Chemicals puede vender cualquier cantidad de CS-01, pero la demanda
del producto ms especializado, CS-02, est limitada a lo ms a 120 000 galones por semana.
Como gerente de produccin, usted desea determinar el plan de produccin semanal ptimo para
Case Chemicals. (Qu cantidad de cada solvente debe producir Case Chemicals para
maximizar la ganancia?
El objetivo ahora es convertir esta descripcin cualitativa del problema a una forma matemtica
que pueda resolverse. Este proceso es llamado :or%ulaci&n del 'ro*le%a y generalmente
implica cuatro pasos, cada uno de los cuales es descrito en las siguientes secciones.
Identificacin de las .ariables de decisin
El primer paso en la formulacin del problema es identificar las variables de decisin, a menudo
simplemente llamadas variables. Los valores de estas variables, una vez determinados,
proporcionan la solucin al problema. Para el ejemplo 2.1, usted puede identificarlas variables de
decisin preguntndose qu informacin necesita proporcionar al personal de produccin, los
departamentos de mezclado y purificacin, para que sepan cmo proceder. Su respuesta a esta
pregunta debera ser:
6
1. El nmero de miles de galones de CS-01 por producir semanalmente.
/. El nmero de miles de galones de CS-02 por producir semanalmente.
Como los valores de estos elementos no se conocen todava, a cada variable de decisin se le da
un no%*re si%*&lico. Usted puede elegir el nombre simblico que quiera, pero encontrar til
seleccionar un nombre simblico que le recuerde la cantidad que la variable de decisin
representa. Para el ejemplo que estamos viendo, podra crear las siguientes variables,
correspondientes a los dos elementos identificados anteriormente:
CS1 = el nmero de miles de galones de CS-01 por producir semanalmente
Observe que estas descripciones son precisas. ncluyen las unidades asociadas con las
cantidades que las variables representan (miles de galones, en este caso). No es suficiente
definir una variable como la "cantidad" de un elemento, porque para las otras personas que
leyeran su formulacin, el trmino "cantidad" podra tener varios significados (por ejemplo, miles
de litros en este caso).
La necesidad de identificar las variables de decisin correctamente es vital. De otra manera, la
formulacin de un modelo vlido que capte todos los aspectos del problema es imposible. La
eleccin de estas variables no es nica, y no existen reglas fijas. Sin embargo, las siguientes
pautas son tiles en la identificacin de un conjunto adecuado de variables de decisin para
virtualizar cualuier pro!lema.
C"#"C$%#&S$'C"S CL"(%
%autas generales para identificar variables de decisin
Qu elementos afectan los costos y/o ganancias (o, en general, el objetivo global)?
Qu elementos puede elegir y/o controlar libremente? Qu decisiones tiene que tomar?
Qu valores, una vez determinados, constituyen una solucin para el problema? Pngase en la
posicin de alguien que tiene que implantar su solucin, y luego pregntese qu informacin se
requiere.
Para el ejemplo 2.l, las respuestas a todas estas preguntas son iguales y lo llevan a identificar las
variables de decisin como el nmero de miles de galones de CS-01 y CS-02 por producir
semanalmente.
Identificacin de los datos del problema
La finalidad de resolver un problema es proporcionar los valores reales para las variables de
decisin que ha identificado. Usted requiere conocer cierta informacin para ayudar a determinar
esos valores. Por ejemplo, para determinar las cantidades reales de.los dos solventes a producir
para maximizar las ganancias corporativas, necesitar saber:
1. El nmero de horas de trabajo disponibles en el departamento de mezclado.
/. El nmero de horas de trabajo disponibles en el departamento de purificacin.
1. La cantidad de ganancias obtenidas al producir y vender cada tipo de solvente.
Estas cantidades constituyen los datos del problema. En problemas determinsticos, se requiere
conocer (u obtener) estos valores en el momento de formular el problema. Para Case Chemicals:
1. Como se estableci en la descripcin del problema, el departamento de mezclado tiene cinco
trabajadores de tiempo completo (40 horas cada uno)y dos trabajadores de tiempo parcial
(15 horas cada uno). Esto da un total de 230 horas de trabajo a la semana en el
departamento de mezclado.
/. De manera similar, los seis trabajadores de tiempo completo (40 horas cada uno) y el
trabajador de tiempo parcial (10 horas) representan un total de 250 horas de trabajo a la
semana en el departamento de purificacin.
1. El departamento de contabilidad estima un margen de ganancias de $0.30 por galn de CS-01
y de $0.50 por galn de CS-02, esto es, $300 por mil galones de CS-01 y $500 por mil
galones de CS-02.
;
A diferencia de las variables de decisin, cuyos valores usted puede controlar, usted no puede
controlar directamente los valores de los datos.
C"#"C$%#&S$'C"S CL"(%
La necesidad de que algunos de los datos del problema pueden aclararse cuando especifica el
problema. Otros datos pueden hacerse necesarios al desarrollar el modelo matemtico y
descubrir que se requiere informacin adicional para ayudar a determinar los valores de las
variables de decisin.
Identificacin de la funcin ob/eti.o
El siguiente paso en la formulacin del problema es expresar el objetivo organizacional global en
forma matemtica usando las variables de decisin y los datos conocidos del problema. Esta
expresin, la funcin objetivo, generalmente se crea en tres etapas.
1. Establecer el objetivo en forma verbal. Para el ejemplo 2.1, este objetivo es:
Maximizar la ganancia semanal total de la produccin de CS-01 y CS-02
/. Donde sea adecuado, desco%'oner el objetivo en una suma, diferencia o producto de
cantidades individuales. Para el ejemplo 2. 1, la ganancia total puede calcularse como la
suma de la ganancia de CS-01 y la de CS-02:
Maximizar ganancia = (ganancia de CS-01) + (ganancia de CS-02)
1. Expresar las cantidades individuales matemticamente usando las variables de decisin otros
datos conocidos en el problema.
Para lograr la tarea en la tercera etapa, a menudo es til elegir algunos valores especficos para
las variables de decisin y luego usar esos valores para determinar la forma en que se calcula la
funcin objetivo. Se hace referencia a esta tcnica como tra*a<o a travs de un e<e%'lo
es'ec+:ico. En el ejemplo 2.l, supongamos que se producen 10 mil galones de CS-01 y 20 mil
galones de CS-02 (as que CS) = 10 y CS /= 20). El departamento de contabilidad le ha dicho
que cada mil galones de CS-01 contribuye con $300 a la ganancia y que cada mil galones de CS-
02 contribuye con $500. Se puede escribir:
Ganancia de CS-01 = 300(10) = $ 3 000 + Ganancia de CS-02 = 500(20) = $ 10 000
Ganancia total = $ 13 000
Sin embargo, el propsito de usar valores especficos para las variables no es obtener la ganancia
total de estos valores, sino ms bien ayudarlo a determinar cmo calcular el objetivo cuando los
valores de las variables no se conocen explcitamente. En este problema, se puede ver
fcilmente de los clculos anteriores que si CS1 es el nmero no especificado de miles de
galones de CS-01 y CS / es el n>%ero no es'eci:icado de %iles de galones de CS?@/ 'or
'roducir) entonces la ganancia esA
Ganancia de CS?@- 0 311!1 B Ganancia de CS?@/ 0 "11! / Ganancia total = *++CS' ,
-++CS2
Por lo tanto, la funcin objetiva matemtica expresada en trminos de las variables de decisin y
de los datos del problema es:
Maximzar *++CS' , -++CS2
C"#"C$%#&S$'C"S CL"(%
Este problema ilustra las siguientes caractersticas clave:
Creacin de la funcin objetivo mediante:
a. Enunciado del objetivo de manera verbal.
b. Cuando sea apropiado, descomponer el objetivo en una suma, diferencia, y/o producto de
trminos individuales.
e. Expresar los trminos individuales en (b) usando las variables de decisin y otros datos de
problemas conocidos.
Identificacin de las restricciones
8
Trabajar con un ejemplo especfico para determinar cmo se expresa la funcin objetivo en una
forma matemtica, eligiendo valores especficos para las variables de decisin y realizando los
clculos necesarios.
Su objetivo es maximizar las ganancias. La funcin objetivo le dice que mientras ms grande sea
el valor de las variables, ms grande ser la ganancia. Pero el mundo real pone un lmite en los
valores que puede asignar a estas variables. En el ejemplo 2. 1, os departamentos de mezclado
y purificacin tienen ciertas restricciones fsicas: un nmero limitado de horas de trabajo
disponible cada uno. Estas limitaciones, as como otras consideraciones que imponen
restricciones sobre los valores de las variables, son las restricciones. El paso final en la
formulacin del problema es identificar estas restricciones y escribirlas en forma matemtica.
Las restricciones son condiciones que las variables de decisin deben satisfacer para constituir
una solucin "aceptable". Estas restricciones por lo general surgen de:
1. Limitaciones fsicas (el nmero limitado de horas de trabajo en los departamentos de
mezclado y purificacin, por ejemplo).
2. Restricciones impuestas por la administracin (por ejemplo, sta pudo haber prometido una
cierta cantidad de un producto a un cliente estimado).
3. Restricciones externas (por ejemplo, Case Chemicals no puede vender ms de 120 mil
galones de CS-02 a la semana, y no hay razn para producir ms que la cantidad
demandada).
4. Relaciones implicadas entre variables (por ejemplo, en el problema de inversin de Mark de la
seccin 1.1, las dos fracciones que representan la proporcin de dinero a invertir en los dos
fondos debe sumar l).
5. Restricciones lgicas sobre variables individuales (por ejemplo, el nmero de carros
producidos debe ser un nmero entero, y Case Chemicals no puede producir una cantidad
negativa de solventes).
C"#"C$%#&S$'C"S CL"(%
Despus de identificar estas restricciones, debe expresaras en forma matemtica usando las
variables de decisin y otros datos del problema. Este proceso es idntico al usado para
especificar la funcin objetivo.
Expresar las restricciones en forma verbal.
Cuando es apropiado, descomponer la restriccin en una suma, diferencia y/o producto de
cantidades individuales.
Trabaja con un ejemplo especfico para expresar las cantidades individuales en una forma
matemtica, usando las variables de decisin y otros datos conocidos del problema.
Considere las restricciones del ejemplo 2. l.
RESTRCCN DE TRABAJO EN EL DEPARTAMENTO DE MEZCLADO (LMTACN FSCA)
Forma verbal: Horas totales usadas en el mezclado no pueden exceder de 230 Horas
Descomposicin: Horas usadas @ para CS-01 + Horas usadas @ para CS-02 no pueden
exceder de 230
Matemticas: para expresar las horas usadas para CS-0 1 y CS-02 en el departamento de
mezclado trate de trabajar con un ejemplo especfico. Por ejemplo, suponga que CS1 = 15 mil y
que CS 2 = 10 mil galones. Cmo calcula el nmero de horas usadas en el departamento de
mezclado? Estos valores son datos del problema (adems de los datos ya identificados en la
seccin 2.1.2) que usted debe obtener. Supongamos que usted llama al departamento de
procesos y recoge los siguientes datos para los departamentos de mezclado y purificacin:
HORAS POR MLES DE GALONES DE
CS-01 CS-02
Mezclado 2 1
Purificacin 1 2
C
Resulta entonces fcil calcular las horas usadas en el departamento de mezclado trabajando con
valores especficos de CS) = 15 y CS2 = 10:
Horas para 15 mil galones de CS-01 = 2(15) = 30
+ Horas para 10 mil galones de CS-02 = 1(10) = 10
Total de horas en el mezclado = 2(15) + 1(10) = 40
El propsito de usar este ejemplo numrico especfico es ayudarle a escribir una restriccin
matemtica general cuando los valores de las variables (CS, y CS2, en este caso) no se conocen.
De los clculos anteriores, usted obtiene la siguiente restriccin matemtica general:
2CS' ,1CS2 D 230
RESTRCCN DE TRABAJO EN EL DEPARTAMENTO DE PURFCACN (LMTACN
FSCA)
Forma verbal: Horas totales usadas no pueden exceder de 250 en la purificacin
Horas Horas
Descomposicin: usadas + usadas no pueden exceder de 250
@ para CS-01 para CS-02
Matemticas: 1CS1 + 2CS 2 < 250
RESTRCCN DE LMTE (LMTACN EXTERNA)
La limitacin de que a lo ms pueden venderse 120 mil galones de CS-02 da pie a la siguiente
restriccin sobre el valor de CS 2 2
!2 3 12+
#%S$#'CC'./ 0% /1 /%2"$'('0"0 3L'4'$"C'1/%S L12'C"S)
Claro est5 ue usted sa!e ue los valores de estas varia!les de decisin de!en ser no negativos)
esto es) cero o positivos. $ales restricciones implcitas de las que usted est5 consciente deben
hacerse e6plcitas en la formulacin matemtica. Para este problema, debe incluir las siguientes
restricciones:
cs 1> 0 y CS 2> 0 o CSJ' cs 2 > 0
Juntando todas las piezas de los pasos anteriores, la formulacin matemtica completa del
problema de planeacin de produccin de Case Chemicals es la siguiente:
4ormulacin matemtica del problema
FORMULACN MATEMTCA DEL PROBLEMA DE CASE CHEMCALS
Maximizar *+1CS1 , -+1CS 2 (ganancia)
Condicionado por:
2CS1 , 1CS2 2 < 230 (mezclado)
1CS1 , 2C2 < 250 (purificacin)
CS2 < 120 (limitado en CS-02)
CS1, CS2 > 0 (no negatividad)
donde:
CS1, = el nmero de miles de galones de CS-01 por producir semanalmente
En el captulo 4 aprender el procedimiento de solucin para este tipo de problema. La aplicacin
de ese procedimiento da por resultado la solucin ptima:
cs, = 70
cs 2 = 90
10
Es decir ,el plan de produccin ptima es de 70000 galonesdeCS1 y de 90000 galones de CS-02,
lo que representa una ganancia semanal de $66 000.
En esta seccin, usted ha aprendido los pasos a tomar en la formulacin de problemas
identificando (1) las variables de decisin, (2) los datos del problema, (3) la funcin objetivo y (4)
as restricciones. Para escribir la funcin objetiva y las restricciones en una forma matemtica,
use las variables junto con los datos del problema que usted tenga al formular el modelo. Es
posible que no conozca todos los datos necesarios al definir por primera vez el problema. La
necesidad de datos adicionales puede descubrirse cuando proceda con la formulacin del
problema. Estos valores de datos deben obtenerse de fuentes apropiadas dentro de la
organizacin. Para ahorrar tiempo y espacio, los enunciados de problemas futuros en este libro
incluirn todos los datos necesarios. La formulacin consistir en estos tres pasos:
Paso -. 'dentificacin de las variables de decisin.
Paso /. 'dentificacin de la funcin objetivo.
Paso 1. 'dentificacin de las restricciones.
El problema de esta seccin involucro slo dos variables de decisin y unas cuantas restricciones.
Los problemas de importancia prctica a menudo contienen cientos o miles de variables y un
nmero similar de restricciones. Estos problemas ms complejos tambin pueden formularse
usando los pasos que aprendi en esta seccin.
/./. E7EMPLOS DE EORMULACI#N DE MODELOS MATEM9TICOS
/./.-. Pro*le%as de 'lanea%iento de 'roduccion
/./.-.-. Planea%iento de 'roduccion del Sindicato Minero Pacococ4a SA
El Sindicato Minero Pacococha S.A. viene soportando un incesante incremento en sus costos de
produccin, por lo tanto urge optimizar el uso de sus recursos. La gerencia ha determinado
explotar las vetas Colquechaca y 10 de mayo, para ello debemos satisfacer algunas restricciones
referentes a las leyes y la capacidad de la planta concentradora:
Vetas
Leyes
Costo
$/ton
Ag
(onz/ton)
Pb (%)
Colquechaca 4 3,5 7,0
10 de mayo 16 1,15 9,0
Otros datos que debemos considerar son: el precio de la plata: $ 20,0 /onz; precio del plomo 0,70
$/lb; capacidad de la planta concentradora: 95 ton/da, ley minima de cabeza de plata: 6 onz/ton,
ley mxima de cabeza de plata: 8 onz/ton.
Como gerente de produccin, formule un modelo matemtico para determinar el tonelaje a
extraer de cada veta.
Soluci&nA
%aso 12 Identificacin de las .ariables de decisin
7c = el n8mero de toneladas de mineral a e6traer de la veta Coluec9aca por da
7m = el n8mero de toneladas de mineral a e6traer de la veta 1+ de mayo por da
%aso 22 Identificacin de los datos del problema
a) Costo de 1 tonelada de mineral e6trada de la veta Coluec9aca: ; <)+
!) Costo de 1 tonelada de mineral e6trada de la veta 1+ de mayo: ; =)+
c) Ley de plata del mineral e6trado de la veta Coluec9aca: >)+ onz?ton
d) Ley de plata del mineral e6trado de la veta 1+ de mayo 1@)+ onz?ton
--
e) Ley de plomo del mineral e6trado de la veta Coluec9aca: *)-A
f) Ley de plomo del mineral e6trado de la veta 1+ de mayo: 1)1-A
g) Brecio de la plata: ; 2+)+ ?onz
9) Brecio del plomo +)<+ ;?l!
i) Capacidad de la planta concentradora: =- ton?da.
C) Ley mnima de ca!eza de plata de la planta concentradora: @ onz?ton.
D) Ley m56ima de ca!eza de plata de la planta concentradora: E onz?ton.
l) 2anancia por 1 tonelada de mineral de la veta Coluec9aca
= ingreso por plata , ingreso por plomo F costo de produccin
= > onz?ton 6 ; 2+)+?onz ,+)+*- 6 2 2++l!?ton 6 ;+)<+?l! F ; <)+?ton
= ; 12@)= ?ton.
m) 2anancia por 1 tonelada de mineral de la veta 1+ de mayo
= ingreso por plata , ingreso por plomo F costo de produccin
= 1@ onz?ton 6 ; 2+)+?onz ,+)+11- 6 2 2++l!?ton 6 ;+)<+?l! F ; =)+?ton
= ; *2E)<1 ?ton.
%aso 3 Identificacin de la funcin ob/eti.o
F(: 4a6imizar la ganancia por venta de mineral
0 : 4a6imizar 3ganancia
1
por mineral de la veta Coluec9aca , ganancia por mineral de la veta 1+ de
mayo)
F4: 4a6imizar 12@)= 7c , *2E)<1 7m
%aso 4 Identificacin de las restricciones
a5 apacidad de la planta concentradora
F(: La capacidad de tratamiento de la planta es de =- ton de mineral por da
0 : 3el mineral procedente de la veta Coluec9aca , el mineral procedente de la veta 1+ de mayo) de!e
ser m56imo =- toneladas
F4: 7c , 7m G= =-
b5 &ey m6nima de cabe7a de plata de la planta concentradora
F(: la ley mnima de ca!eza es de @ onz?ton
0 : 33contenido de plata en el mineral de Coluec9aca , contenido de plata en el mineral de 1+ de
mayo)?3tonelaCe de mineral de Coluec9aca , tonelaCe de mineral de 1+ de mayo)) de!e ser mayor
de @ onz?ton
5
15 0
1
]
1
+
+
Xm Xc
Xm Xc
F4: H 7c , - 7m I= +
c5 &ey m8ima de cabe7a de plata de la planta concentradora
F(: la ley m56ima de ca!eza es de E onz?ton
0 : 33contenido de plata en el mineral de Coluec9aca , contenido de plata en el mineral de 1+ de
mayo)?3tonelaCe de mineral de Coluec9aca , tonelaCe de mineral de 1+ de mayo)) de!e ser menor
de E onz?ton
B
15 0
1
]
1
+
+
Xm Xc
Xm Xc
F4: H 7c , 2)+ 7m G= +
d5 Restricciones l9icas
1
ganancia = ganancia por 1 ton de mineral 6 n8mero de toneladas de mineral a e6traer.
12
7c y 7m I= +
%aso " 4ormulacin matemtica del modelo
4a6imizar 12@)= 7c , *2E)<1 7m
SuCeto a:
7c , 7m G= =-
H 7c , - 7m I= +
H 7c , 2 7m G= +
7c y 7m I= +
0onde:
7c = el n8mero de toneladas de mineral a e6traer de la veta Coluec9aca por da
7m = el n8mero de toneladas de mineral a e6traer de la veta 1+ de mayo por da
Nota: Al resolver el modelo matemtico, los resultados indican que la veta Colquechaca debe producir
63,33 ton de mineral y la veta 10 de mayo 31,67 ton de mineral, para obtener una ganancia de $ 18 446,15
por da.
EuenteA Selvino Baz) JB%#$ F CB4 una alternativa en pro!lemas minerosK) L/') Lima Ber8.
/./.-./. Planea%iento de 'roduccion de una co%'aF+a %inera
Una compaa minera opera tres minas. El mineral obtenido en cada una se separa en dos
calidades antes de su distribucin. Las capacidades de produccin diarias de cada mina, as como
sus costos de operacin diarios, son los siguientes:
Mineral de alta
calidad (ton/da)
Mineral de baja
calidad (ton/da)
Costo de operacin
(dlares/da)
Mina 1 40 40 20 000
Mina 2 60 40 22 000
Mina 3 10 60 18 000
La compaa se ha comprometido a entregar 540 toneladas de mineral de alta calidad y 650 de
baja calidad en el plazo de una semana. Los contratos firmados le garantizan la paga del da
completo por cada da o fraccin que la mina est abierta.
Formule el modelo matemtico correspondiente para determinar el nmero de das que debe
funcionar cada mina durante la prxima semana para cumplir el compromiso con un costo
mnimo.
Soluci&nA
41 = el n8mero de das ue tra!aCa la mina 1
42 = el n8mero de das ue tra!aCa la mina2
4* = el n8mero de das ue tra!aCa la mina *
a) Capacidad de produccin de mineral de alta calidad de la mina 1: >+ ton?da
!) Capacidad de produccin de mineral de alta calidad de la mina 2: @+ ton?da
c) Capacidad de produccin de mineral de alta calidad de la mina *: 1+ ton?da
-1
d) Capacidad de produccin de mineral de !aCa calidad de la mina 1: >+ ton?da
e) Capacidad de produccin de mineral de !aCa calidad de la mina 2: >+ ton?da
f) Capacidad de produccin de mineral de !aCa calidad de la mina *: @+ ton?da
g) Costo de operacin de la mina 1: 2+ +++ dlares?da
9) Costo de operacin de la mina 2: 22 +++ dlares?da
i) Costo de operacin de la mina *: 1E +++ dlares?da
C) Cantidad de mineral de alta calidad ue de!e entregar la empresa: ->+ ton?semana
D) Cantidad de mineral de !aCaa calidad ue de!e entregar la empresa: @-+ ton?semana
F(: 4inimizar el costo de operacin semanal de las unidades mineras de la empresa.
0 : 4inimizar 3costo de operacin de la mina 1 , costo de operacin de la mina 2 , costo de operacin
de la mina *)
F4: 4inimizar 2+ +++ 41 , 22 +++ 42 , 1E +++ 4*
a5 ompromiso de entre9a de mineral de alta calidad
F(: La produccin semanal de mineral de alta calidad de!e ser al menos ->+ toneladas
0 : 3produccin semanal de mineral de alta calidad de la mina 1 , produccin semanal de mineral de
alta calidad de la mina 2 , produccin semanal de de mineral de alta calidad de la mina *) de!e ser
al menos ->+ toneladas
F4: >+ 41 , @+ 42 , 1+ 4* I= ->+
b5 ompromiso de entre9a de mineral de ba/a calidad
F(: La produccin semanal de mineral de !aCa calidad de!e ser al menos @-+ toneladas
0 : 3produccin semanal de mineral de !aCa calidad de la mina 1 , produccin semanal de mineral de
!aCa calidad de la mina 2 , produccin semanal de de mineral de !aCa calidad de la mina *) de!e
ser al menos @-+ toneladas
F4: >+ 41 , >+ 42 ,@1+ 4* I= @-+
c5 *:mero de d6as traba/ados por semana
F(: %l n8mero de das tra!aCados por semana en la mina 1 de!e ser menor o igual a <
F4: 41 G= <
0e manera similar en las minas 2 y *
42 G= <
4* G= <
41) 42 y 4* I= + y enteros
4inimizar 2+ +++ 41 , 22 +++ 42 , 1E +++ 4*
SuCeto a:
>+ 41 , @+ 42 , 1+ 4* I= ->+
>+ 41 , >+ 42 ,@1+ 4* I= @-+
41 G= <
42 G= <
4* G= <
14
41) 42 y 4* I= + y enteros
0onde
/./.-.1. Planea%iento de 'roduccion de eG'losivos
Dos fbricas de explosivos producen 3 tipos de diferentes dinamitas, de bajo, medio y alto grado.
Se tiene un contrato de venta para vender 15 cajas de dinamita de bajo grado, 2 cajas de
dinamita de medio grado y 10 cajas de alto grado, los costos de operacin son de $ 2 720,0/da
para la primera fbrica y $ 3 200,0/da para la segunda.
La fbrica 1 produce 8 cajas de bajo grado, 1 caja de medio grado y 2 cajas de alto grado en un
da de operacin; la fbrica 2 produce 2 cajas de bajo grado, 1 caja de grado medio y 7 cajas de
alto grado por da.
Formule un modelo matemtico para determinar el nmero de das que debe trabajar cada fbrica
para cumplir con el mencionado contrato en la forma mas econmica.
Soluci&nA
F1 = el n8mero de das ue tra!aCa la f5!rica 1
n) Contrato de venta para dinamita de !aCo grado: 1- caCas
o) Contrato de venta para dinamita de medio grado: 2 caCas
p) Contrato de venta para dinamita de alto grado: 1+ caCas
) Costo de operacin de la f5!rica 1: ; 2 <2+)+ por da
r) Costo de operacin de la f5!rica 2: ; * 2++)+ por da
s) La f5!rica 1 produce E caCas de !aCo grado) 1 caCa de medio grado y 2 caCas de alto grado en un
da de operacin.
t) La f5!rica 2 produce 2 caCas de !aCo grado) 1 caCa de grado medio y < caCas de alto grado por da.
F(: 4inimizar el costo de operacin total de las f5!ricas
0 : 4inimizar 3costo de operacin de la f5!rica 1 , costo de operacin de la f5!rica 2)
F4: 4inimizar 2 <2+ F1 , * 2++ F2
e) Compromiso de venta de dinamita de !aCo grado
F(: La produccin de dinamita de !aCo grado de!e ser al menos 1- caCas
0 : 3produccin de dinamita de !aCo grado de la f5!rica 1 , produccin de dinamita de !aCo grado de la
f5!rica 2) de!e ser al menos 1- caCas
F4: E F1 , 2 F2 I= 1-
f) Compromiso de venta de dinamita de medio grado
F(: La produccin de dinamita de medio grado de!e ser al menos 2 caCas
0 : 3produccin de dinamita de medio grado de la f5!rica 1 , produccin de dinamita de medio grado
de la f5!rica 2) de!e ser al menos 2 caCas
-8
F4: F1 , F2 I= 2
g) Compromiso de venta de dinamita de alto grado
F(: La produccin de dinamita de alto grado de!e ser al menos 1+ caCas
0 : 3produccin de dinamita de alto grado de la f5!rica 1 , produccin de dinamita de alto grado de la
f5!rica 2) de!e ser al menos 1+ caCas
F4: 2 F1 , < F2 I= 1+
9) #estricciones lgicas
F1 y) F2 I= + y enteros
4inimizar 2 <2+ F1 , * 2++ F2
SuCeto a:
E F1 , 2 F2 I= 1-
F1 , F2 I= 2
2 F1 , < F2 I= 1+
F1 y) F2 I= + y enteros
0onde
/./.-.5. Planea%iento de trans'orte de concentrado
Una compaa de transporte de concentrado de mineral tiene 10 camiones con capacidad de 20
toneladas y 5 camiones de 15 toneladas de capacidad. Los camiones grandes tienen costos de
operacin de $ 0,30/Km y los mas pequeos de $0,25/km. La prxima semana, la compaa debe
transportar 200 toneladas de concentrado de plomo para un recorrido de 800 km. La posibilidad
de otros compromisos impone que por cada dos camiones medianos mantenidos en reserva debe
quedarse por lo menos uno de los grandes. Se pregunta Cual es el nmero ptimo de camiones
de ambas clases que deben movilizarse para transportar el concentrado?
Soluci&nA
a. Eor%ulaci&n del %odelo %ate%,tico
C2 = el n8mero de camiones grandes empleados por semana.
C4 = el n8mero de camiones medianos empleados por semana.
a) La compaMa posee 1+ camiones con capacidad de 2+ toneladas.
!) La compaMa posee - camiones con capacidad de1- toneladas.
c) %l costo de operacin de un camin grande es de ;+)*+ ? Dm.
d) %l costo de operacin de un camin mediano es de ;+)2- ? Dm.
e) Costo de operacin de un camin grande para un recorrido de E++ Dm = ;+)*+ N E++ = ;2>+
f) Costo de operacin de un camin grande para un recorrido de E++ Dm = ;+)2- N E++ = ;2++
g) %n reserva de!e uedarse un camin grande por cada dos camiones medianos.
F(: 4inimizar el costo de operacin de los camiones a movilizar
16
0 : 4inimizar 3costo de operacin de los camiones grandes a movilizar , costo de operacin de los
camiones medianos a movilizar)
F4: 4inimizar 2>+ C2 , 2++ C4
a5 ;onela/e a transportar
F(: La compaMa de!e transportar 2++ toneladas de concentrado
0 : 3toneladas de concentrado transportado por camiones grandes , toneladas de concentrado
transportado por camiones medianos ) es igual 2++ toneladas de concentrado
F4: 2+ C2 , 1- C4 = 2++
b5 Relacin de reser.a de camiones
F(: por cada dos camiones medianos mantenidos en reserva de!e uedarse por lo menos un camin
grande
F4: 23-H C4) G= 31+ F C2)
C2 F2 C4 G= +
c5 *:mero de camiones
F(: La compaMa puede utilizar un m56imo de 1+ camiones grandes
F4: C2 G= 1+
0e manera similar para los camiones medianos
C4 G= -
C2 y C4 I= +
4inimizar 2>+ C2 , 2++ C4
SuCeto a:
2+ C2 , 1- C4 = 2++
C2 F2 C4 G= +
C2 G= 1+
C4 G= -
C2 y C4 I= + y enteros
0onde
/./.-.8. Planea%iento de 'roduccion de un taller de %etal%ecanica
Una compaa elabora cuatro productos metlicos: a, b, c y d, los cuales fluyen a travs de cuatro
departamentos taladrado, torneado, fresado y ensamblado. Las horas para el tiempo en el
departamento, que se requiere para cada uno de los productos por unidad son:
Producto Taladrado Torneado Fresado Ensamblado
a 3 0 3 4
b 7 2 4 6
c 4 4 0 5
d 0 6 5 3
-;
Las contribuciones unitarias de los cuatro productos y las horas de disponibilidad en los cuatro
departamentos son:
Producto
Contri*uci&n
($)/unidad
a 9
b 18
c 14
d 11
Departamento Horas disponibles
Taladrado 70
Torneado 80
Fresado 90
Ensamblado 100
Formule el modelo matemtico correspondiente.
Soluci&nA
" = %l n8mero de unidades del producto JaK a producir.
O = %l n8mero de unidades del producto J!K a producir.
C = %l n8mero de unidades del producto JcK a producir.
0 = %l n8mero de unidades del producto JdK a producir.
a) Poras de proceso empleados en los departamentos para producir los productos
Broducto $aladrado $orneado Fresado %nsam!lado
a * + * >
! < 2 > @
c > > + -
d + @ - *
!) Ltilidades generadas por los productos
%roducto
ontribucin
3;)?unidad
a =
! 1E
c 1>
d 11
c) Poras disponi!les por departamento de produccin
0epartamento Poras disponi!les
;aladrado <+
$orneado E+
Fresado =+
18
%nsam!lado 1++
F(: 4a6imizar las utilidades de la empresa
0 : 4a6imizar 3las utilidades generadas por el producto a , las utilidades generadas por el producto ! ,
las utilidades generadas por el producto c , las utilidades generadas por el producto d)
F4: 4a6imizar =" ,1EO ,1> C ,11 0
a5 Departamento de taladrado
F(: %l n8mero de 9oras disponi!les en el departamento de taladrado es de <+
0 : 3n8mero de 9oras de taladrado empleados en el producto a , n8mero de 9oras de taladrado
empleados en el producto ! , n8mero de 9oras de taladrado empleados en el producto c , n8mero
de 9oras de taladrado empleados en el producto d) de!e ser menor de <+ 9oras
F4: *" , <O , >C G= <+
b5 Departamentos de torneado, fresado y ensamblado
0e manera similar al caso anterior:
0epartamento de torneado:
2O , >C , @0 G= E+
0epartamento de fresado:
*" , >O , -0 G= =+
0epartamento de ensam!lado:
>" , @O , -C , *0 G= 1++
c5 Restricciones l9icas
") O) C y 0 I= + y enteros.
4a6imizar =" ,1EO ,1> C ,11 0
SuCeto a:
*" , <O , >C G= <+
2O , >C , @0 G= E+
*" , >O , -0 G= =+
>" , @O , -C , *0 G= 1++
") O) C y 0 I= + y enteros.
0onde
" = %l n8mero de unidades del producto JaK a producir.
O = %l n8mero de unidades del producto J!K a producir.
C = %l n8mero de unidades del producto JcK a producir.
0 = %l n8mero de unidades del producto JdK a producir.
/./.-.H. Planea%iento de 'roduccion de *o%*as
Una compaa produce dos tipos de bombas. Cada bomba del tipo 1 requiere el doble de tiempo
en mano de obra que el segundo tipo. Si todas las bombas son del tipo 2, la compaa puede
producir un total de 500 bombas al da. El mercado limita las ventas diarias del tipo 1 y 2 a 150 y
250 bombas respectivamente. Suponga que los beneficios por cada bomba son $80 para el tipo 1
-C
y $50 para el tipo 2. determine el nmero de bombas a ser producidos de cada tipo para
maximizar el beneficio.
Soluci&nA
a. Eor%ulaci&n del %odelo %ate%,tico
O1 = el n8mero de !om!as del tipo 1 producidas por da.
O2 = el n8mero de !om!as del tipo 2 producidas por da
a) Lna !om!a del tipo 1 reuiere el do!le de tiempo en mano de o!ra ue la !om!a de tipo 2.
!) La compaMa si solo produce !om!as del tipo 2) puede producir -++ unidades.
c) La venta m56ima de !om!as de tipo 1 es de 1-+ unidades.
d) La venta m56ima de !om!as de tipo 2 es de 2-+ unidades.
e) %l !eneficio por la venta de una !om!a de tipo 1 es de ;E+)+.
f) %l !eneficio por la venta de una !om!a de tipo 2 es de ;-+)+.
F(: 4a6imizar los !eneficios o!tenidos por la venta de !om!as. .
0 : 4a6imizar 3!eneficios por la venta de !om!as del tipo 1 , !eneficios por la venta de !om!as del
tipo 2)
F4: 4a6imizar E+ O1 , -+ O2
a5 ;iempo en mano de obra
F(: Si la compaMa produce solo !om!as de tipo 2) puede producir -++ unidades
0 : 3tiempo en mano de o!ra para producir !om!as del tipo 1 , tiempo en mano de o!ra para producir
!om!as del tipo 2) es igual al tiempo para producir -++ !om!as del tipo 2
F4: O1$1 , O2$2 G= -++$2) donde $1 = 2$2
O1 2$2 , O2$2 G= -++$2
2O1 , O2 G= -++
b5 Ventas diarias
F(: %l n8mero de !om!as del tipo 1 ue se puede vender es un m56imo de 1-+ unidades
F4: O1 G= 1-+
0e manera similar con la venta de !om!as del tipo 2
O2 G= 2-+
O1 y O2 I= +
4a6imizar E+ O1 , -+ O2
SuCeto a:
2O1 , O2 G= -++
O1 G= 1-+
O2 G= 2-+
O1 y O2 I= +
20
0onde
O1 = el n8mero de !om!as del tipo 1 producidas por da.
O2 = el n8mero de !om!as del tipo 2 producidas por da
/././. E<e%'los de 'ro*le%as de redesA el 'ro*le%a de trans'orte
/././.-. Trans'orte de auto%oviles
Un fabricante de automviles tiene un contrato para exportar 400 automviles de modelo A y 500
del modelo B. El automvil modelo A ocupa un volumen de 12 metros cbicos y el modelo B
ocupa un volumen de 15 metros cbicos. Se dispone de 3 barcos para transportar los
automviles. Estos llegaran al puesto de destino, a principios de enero, mediados de febrero y
fines de marzo, respectivamente. El primer barco solo transporta automviles modelo A a un
costo de 450 dlares por automvil. El segundo y tercer barco transportan ambos modelos a un
costo de 35 y 40 dlares por metro cbico respectivamente. El primer barco solo puede acomodar
200 automviles y el segundo y tercero tienen disponibles volmenes de 4500 y 6000 metros
cbicos. Si el fabricante se ha comprometido a entregar al menos 250 del modelo A y 200 del
modelo B para mediados de febrero, y el resto para fines de marzo, Cul es modelo matemtico
a desarrollar para minimizar el costo total?
Soluci&nA
"O1e = el n8mero de automviles de modelo " a ser transportados en el !arco 1 ue llega a principios
de enero.
"O2f = el n8mero de automviles de modelo " a ser transportados en el !arco 2 ue llega a mediados
de fe!rero.
OO2f = el n8mero de automviles de modelo O a ser transportados en el !arco 2 ue llega a mediados
de fe!rero.
"O*m = el n8mero de automviles de modelo " a ser transportados en el !arco * ue llega a fines de
marzo.
OO*m = el n8mero de automviles de modelo O a ser transportados en el !arco * ue llega a fines de
marzo.
a) %l fa!ricante de!e e6portar >++ automviles del modelo ".
!) %l fa!ricante de!e e6portar->++ automviles del modelo O.
c) %l modelo " de automvil ocupa 12 m
*
.
/-
d) %l modelo O de automvil ocupa 1- m
*
.
e) %l costo de transporte de los automviles se presenta en el siguiente cuadro:
Costo de transporte ($/automvil)
Barco 1 Barco 2 Barco 3
Modelo A 450 35*12 = 420 35*15 = 525
Modelo B - 40*12 = 480 40*15 = 600
f) %l !arco 1 solo puede transporta automviles de modelo ".
g) La capacidad del !arco 1 es de 2++ automviles de modelo ".
9) La capacidad del !arco * es de >-++ m
*
.
i) La capacidad del !arco * es de @+++ m
*
.
C) %l fa!ricante se 9a comprometido a entregar al menos 2-+ automviles del modelo " y 2++ del
modelo O para mediados de fe!rero y el resto a fines de marzo.
F(: 4inimizar el costo de transporte de automviles
0 : 4inimizar 3costo de transporte de automviles antes de mediados de fe!rero , costo de transporte
de automviles para fines de marzo)
F4: 4inimizar >-+"O1e , >2+"O2f , >E+OO2f , -2-"O*m , @++OO*m
i5 ontrato para e8portar autom.iles del modelo )
F(: Se de!e transportar >++ automviles del modelo "
0 : 3transporte de automviles de modelo " antes de inicios de enero , transporte de automviles de
modelo " antes de mediados de fe!rero , transporte de automviles de modelo " para fines de
marzo) de!e ser >++
F4: "O1e , "O2f , "O*m = >++
/5 ontrato para e8portar autom.iles del modelo (
F(: Se de!e transportar -++ automviles del modelo O
0 : 3transporte de automviles de modelo O antes de mediados de fe!rero , transporte de automviles
de modelo O para fines de marzo) de!e ser -++
F4: OO2f , OO*m = -++
<5 apacidad de transporte del barco 1
F(: La capacidad de transporte del !arco 1 es de 2++ automviles de modelo ".
F4: "O1e G= 2++
l5 apacidad de transporte del barco 2
F(: La capacidad de transporte del !arco 2 es de >-++ m
*
.
0 : 3transporte de automviles de modelo " , transporte de automviles de modelo O) de!e ser >-++
m
*
F4: 12"O2f , 1-OO2f G =>-++
m5 apacidad de transporte del barco 3
F(: La capacidad de transporte del !arco * es de @+++ m
*
.
0 : 3transporte de automviles de modelo " , transporte de automviles de modelo O) de!e ser @+++
m
*
F4: 12"O*m , 1-OO*m G =@+++
22
n5 ompromiso de entre9a de autom.iles del modelo ) a mediados de febrero
F(: " mediados de fe!rero se de!e entregar al menos 2-+ automviles del modelo "
0 : 3el n8mero de automviles del modelo " transportados ue llegan a inicios de enero , el n8mero de
automviles del modelo " transportados ue llegan a mediados de fe!rero) de!e ser al menos 2-+
F4: "O1e , "O2f I= 2-+
o5 ompromiso de entre9a de autom.iles del modelo ( a mediados de febrero
F(: " mediados de fe!rero se de!e entregar al menos 2++ automviles del modelo O
0 : 3el n8mero de automviles del modelo O transportados ue llegan a inicios de enero , el n8mero de
automviles del modelo O transportados ue llegan a mediados de fe!rero) de!e ser al menos 2++
F4: OO2f I= 2++
p5 Restricciones l9icas
"O1e) "O2f) OO2f) "O*m yOO*m I= + y enteros
4inimizar >-+"O1e , >2+"O2f , >E+OO2f , -2-"O*m , @++OO*m
SuCeto a:
"O1e , "O2f , "O*m = >++
OO2f , OO*m = -++
"O1e G= 2++
12"O2f , 1-OO2f G =>-++
12"O*m , 1-OO*m G =@+++
"O1e , "O2f I= 2-+
OO2f I= 2++
"O1e) "O2f) OO2f) "O*m yOO*m I= + y enteros
/./././. Pro*le%a de trans'orte de MedeIui' Co%'anJ
La Medequip Company produce equipos de precisin de diagnstico mdico en dos fbricas. Se
han recibido pedidos de tres centros mdicos para la produccin de este mes. La tabla presenta el
costo unitario de envo desde cada fbrica a cada centro. Adems muestra el nmero de unidades
que se producirn en cada fbrica y el nmero de unidades ordenadas por cada cliente.
Costo unitario de envo Produccin
Cliente 1 Cliente 2 Cliente 3
Ea*rica - $600 $800 $700 400 und
Ea*rica / $400 $900 $600 500 und
Orden 300 und 200 und 400 uns
Formule un modelo matemtico para decidir cuantas unidades enviar de cada fbrica a cada
cliente.
Soluci&nA
F1C1 = /8mero de euipos a ser enviados de la f5!rica 1 al cliente 1
F1C* = /8mero de euipos a ser enviados de la f5!rica 1 al cliente *
/1
a. %l costo unitario de envo de cada fa!rica a cada cliente) la capacidad de produccin y la demanda
es el siguiente:
Costo unitario de envo Produccin
Cliente 1 Cliente 2 Cliente 3
Ea*rica - $600 $800 $700 400 und
Ea*rica / $400 $900 $600 500 und
Orden 300 und 200 und 400 uns
F(: 4inimizar el costo de envo de los euipos mQdicos
0 : 4inimizar 3costo de envo de la f5!rica 1 al cliente 1 , costo de envo de la f5!rica 1 al cliente 2 ,
costo de envo de la f5!rica 1 al cliente * , costo de envo de la f5!rica 2 al cliente 1 , costo de
envo de la f5!rica 2 al cliente 2 , costo de envo de la f5!rica 2 al cliente *).
F4: 4inimizar @++F1C1, E++F1C2, <++F1C*, >++F2C1, =++F2C2, @++F2C*
a5 apacidad de produccin en la fbrica 1
F(: La fa!rica 1 tiene una capacidad de produccin de >++ euipos.
0 : 3%l n8mero de euipos enviados al cliente 1 , %l n8mero de euipos enviados al cliente 2 , %l
n8mero de euipos enviados al cliente *) de!e ser igual a >++.
F4: F1C1 , F1C2 , F1C* = >++
b5 apacidad de produccin en la fabrica 2
0e manera similar a la restriccin anterior:
F2C1 , F2C2 , F*C* = -++
c5 Demanda del cliente 1
F(: %l cliente 1 reuiere de *++ euipos para vender
0 : 3el n8mero de euipos enviados de la fa!rica 1 , el n8mero de euipos enviados de la fa!rica 2)al
cliente 1 de!e ser igual a *++.
F4: F1C1 , F2C1 = *++
d5 Demanda del cliente 2 y cliente 3
0e manera similar a la restriccin anterior:
F1C2 , F2C2 = 2++
F1C* , F2C* = >++
e5 Restricciones l9icas
F1C1) F1C2) F1C*) F2C1) F2C2 y F2C* I= +
4inimizar @++F1C1, E++F1C2, <++F1C*, >++F2C1, =++F2C2, @++F2C*
SuCeto a:
F1C1 , F1C2 , F1C* = >++
24
F2C1 , F2C2 , F*C* = -++
F1C1 , F2C1 = *++
F1C2 , F2C2 = 2++
F1C* , F2C* = >++
F1C1) F1C2) F1C*) F2C1) F2C2 y F2C* I= +
0onde
/./.1. E<e%'los de 'ro*le%as de redesA el 'ro*ler%a del :lu<o %aGi%o
/./.1.-. Pro*le%a de trans'orte de 0eGon Oil Co%'anJ
Hexon Oil Company tiene una gran refinera localizada en Newark, New Jersey. La gasolina refinada es
enviada de all a tanques de almacenamiento en Filadelfia a travs de una red de oleoductos con estaciones
de bombeo en Sayerville, Easton, Trenton, Bridgewater y Allentown. El oleoducto est construido en
segmentos que conectan parejas de estas ciudades. A lo largo de cada segmento existe un nmero mximo
conocido de galones por hora que pueden enviarse. Estos segmentos y sus respectivas capacidades en
galones por hora son:
DE A CAPACIDAD
Newark Sayerville 150 000
Sayerville Trenton 125 000
Trenton Filadelfia 130 000
Newark Bridgewater 80 000
Sayerville Bridgewater 60 000
Bridgewater Easton 100 000
Easton Allentown 75 000
Easton Trenton 50 000
Allentown Filadelfia 90 000
En la regin de Filadelfia se espera un aumento en la conduccin en los prximos meses de verano
Tendr Hexxon suficiente gasolina para satisfacer la mayor demanda en las estaciones de servicio? Antes
de incrementar la tasa de produccin de la refinera, la administracin de Hexxon desea conocer el nmero
mximo de galones de gasolina por hora que pueden enviarse a travs de la red de oleoductos a los
tanques de almacenamiento de Filadelfia.
Formule un modelo matemtico.
Soluci&nA
Antes de formular el modelo, dibujaremos un diagrama de redes que nos ayude a visualizar la informacin y
los datos del problema:
/8
Bara resolver el pro!lema de!emos determinar el n8mero de galones de gasolina ue se pueden enviar
por 9ora a lo largo de cada segmento del oleoducto:
=*! = %l numero de galones de gasolina por 9ora ue se enviara a lo largo del segmento de /eRarD a
Sayerville.
=!; = %l numero de galones de gasolina por 9ora ue se enviara a lo largo del segmento de Sayerville a
$renton.
=;4 = %l numero de galones de gasolina por 9ora ue se enviara a lo largo del segmento de $renton a
Filadelfia.
=*( = %l numero de galones de gasolina por 9ora ue se enviara a lo largo del segmento de /eRarD a
OridgeRater.
=!( = %l numero de galones de gasolina por 9ora ue se enviara a lo largo del segmento de Sayerville a
OridgeRater.
=(# = %l numero de galones de gasolina por 9ora ue se enviara a lo largo del segmento de OridgeRater
a %aston.
=#) = %l numero de galones de gasolina por 9ora ue se enviara a lo largo del segmento de %aston a
"llentoRn.
26
=#; = %l numero de galones de gasolina por 9ora ue se enviara a lo largo del segmento de %aston a
$renton.
=)4 = %l numero de galones de gasolina por 9ora ue se enviara a lo largo del segmento de "llentoRn a
Filadelfia.
DE A CAPACIDAD
Newark Sayerville 150 000
Sayerville Trenton 125 000
Trenton Filadelfia 130 000
Newark Bridgewater 80 000
Sayerville Bridgewater 60 000
Bridgewater Easton 100 000
Easton Allentown 75 000
Easton Trenton 50 000
Allentown Filadelfia 90 000
F(: 4a6imizar el n8mero de galones por 9ora enviado a Filadelfia.
0: 4a6imizar 3n8mero de galones por 9ora desde "llentoRn , numero de galones por 9ora desde
$renton)
F4: 4a6imizar 7"F , 7$F
a5 Restricciones de l6mite
F(: %l n8mero de galones por 9ora enviado de /eRarD a Sayerville no de!e e6ceder su capacidad.
F4: 7/S G= 1-+ +++
0e manera similar en el resto de los segmentos:
7/O G= E+ +++
7SO G= @+ +++
7S$ G= 12- +++
7O% G= 1++ +++
7%" G= <- +++
7%$ G= -+ +++
7"F G= =+ +++
7$F G= 1*+ +++
b5 Restricciones de e>uilibrio
0e!emos especificar ue en cada estacin de !om!eo) la cantidad de gasolina por enviada de!e ser
precisamente igual a la cantidad reci!ida.
F(: La cantidad de gasolina reci!ida en OridgeRater de!e ser igual a la cantidad de gasolina enviada
desde OridgeRater.
0: La cantidad reci!ida desde /eRarD , la cantidad reci!ida desde Sayerville de!e ser igual a la
cantidad enviada a %aston.
F4: 7O% = 7/O , 7SO
7O% H 7/O H 7SO = +
/;
0e manera similar para cada estacin de !om!eo:
7S$H 7SO F 7/S = + 3!alance en Sayerville)
7%" F 7%$ F 7O% = + 3!alance en %aston)
7$F F 7S$ H 7%$ = + 3!alance en $renton)
7"F F 7%" = + 3!alance en "llentoRn)
7/S) 7/O) 7SO) 7S$) 7O%) 7%") 7%$) 7"B y 7$B I= +
4a6imizar 7"F , 7$F
SuCeto a:
7/S G= 1-+ +++
7/O G= E+ +++
7SO G= @+ +++
7S$ G= 12- +++
7O% G= 1++ +++
7%" G= <- +++
7%$ G= -+ +++
7"F G= =+ +++
7$F G= 1*+ +++
7O% H 7/O H 7SO = +
7S$H 7SO F 7/S = +
7%" F 7%$ F 7O% = +
7$F F 7S$ H 7%$ = +
7"F F 7%" = +
7/S) 7/O) 7SO) 7S$) 7O%) 7%") 7%$) 7"F y 7$F I= +
0onde
=*! = %l numero de galones de gasolina por 9ora ue se enviara a lo largo del segmento de /eRarD a Sayerville.
=!; = %l numero de galones de gasolina por 9ora ue se enviara a lo largo del segmento de Sayerville a $renton.
=;4 = %l numero de galones de gasolina por 9ora ue se enviara a lo largo del segmento de $renton a Filadelfia.
=*( = %l numero de galones de gasolina por 9ora ue se enviara a lo largo del segmento de /eRarD a OridgeRater.
=!( = %l numero de galones de gasolina por 9ora ue se enviara a lo largo del segmento de Sayerville a OridgeRater.
=(# = %l numero de galones de gasolina por 9ora ue se enviara a lo largo del segmento de OridgeRater a %aston.
=#) = %l numero de galones de gasolina por 9ora ue se enviara a lo largo del segmento de %aston a "llentoRn.
=#; = %l numero de galones de gasolina por 9ora ue se enviara a lo largo del segmento de %aston a $renton.
=)4 = %l numero de galones de gasolina por 9ora ue se enviara a lo largo del segmento de "llentoRn a Filadelfia.
/./.5. Ad%inistracion de inversiones) uso de varia*les *inarias
/./.5.-. Pro*le%a de inversion de Centauro Gold Co%'anJ
El Directorio de Centauro Gold Mining nc. ha decidido invertir un millon de dolares en proyectos
mineros. El departamento de inversiones ha identificado seis proyectos con estrategias de
inversion variables, resiultando en diferentes rendimientos potenciales y riesgos asociados, como
se resume en la tabla.
Proyecto 1 2 3 4 5 6
28
Precio ($/accin) 45 76 110 17 23 22
Devolucin esperada
(%)
30 20 15 12 10 7
Categora de riesgo alto alto alto mediano mediano bajo
Una forma de controlar el riesgo es limitar la cantidad de dinero invertido en los diversos
proyectos. Para este fin la administracin de Centauro Gold Mining, nc ha especificado las
siguientes pautas.
a. la cantidad total invertida en proyectos de alto riesgo debe estar entre 50 y 75% de la cartera.
b. la cantidad total invertida en proyectos de mediano riesgo debe estar entre 20 y 30% de la
cartera.
c. la cantidad total invertido en los proyectos de bajo riesgo debe ser al menos de 5% de la
cartera.
Una segunda forma de controlar el riesgo es diversificar, esto es, espaciar el riesgo invirtiendo en
muchas alternativas diferentes. La gerencia de Centauro Gold Mining, nc ha especificado que la
cantidad invertida en los proyectos de alto riesgo 1, 2 y 3 deben estar en la tasa 1:2:3,
respectivamente. La cantidad invertida en los proyectos de mediano riesgo 4 y 5 debe ser 1:2.
Con estas pautas, Qu proyectos debera usted, gerente de inversiones, recomendar para
maximizar la tasa esperada de retorno?
Soluci&nA
B1 = La fraccin de la cartera por invertir en el proyecto 1
B* = La fraccin de la cartera por invertir en el proyecto *
B> = La fraccin de la cartera por invertir en el proyecto >
B- = La fraccin de la cartera por invertir en el proyecto -
B@ = La fraccin de la cartera por invertir en el proyecto @
a) Capital a invertir ;1++ +++ +++
!) #endimientos potenciales y riesgos asociados
Broyecto 1 2 * > - @
Brecio 3;?accin) >- <@ 11+ 1< 2* 22
0evolucin esperada 3A) *+ 2+ 1- 12 1+ <
Categora de riesgo alto alto alto mediano mediano !aCo
c) La cantidad total invertida en proyectos de alto riesgo de!e estar entre -+ y <-A de la cartera.
d) La cantidad total invertida en proyectos de mediano riesgo de!e estar entre 2+ y *+A de la cartera.
e) La cantidad total invertido en los proyectos de !aCo riesgo de!e ser al menos de -A de la cartera.
f) La cantidad invertida en los proyectos de alto riesgo 1) 2 y * de!en estar en la tasa 1:2:*)
respectivamente.
g) La cantidad invertida en los proyectos de mediano riesgo > y - de!e ser 1:2.
F(: 4a6imizar el rendimiento total esperado.
/C
0 : 4a6imizar 3rendimiento esperado del proyecto 1 , rendimiento esperado del proyecto 2 ,
rendimiento esperado del proyecto * , rendimiento esperado del proyecto > , rendimiento
esperado del proyecto - , rendimiento esperado del proyecto @).
F4: 4a6imizar +.*+B1 ,+.2+B2 , +.1-B* , +.12B> , +.1+B- , +.+<B@
d5 In.ersin en proyectos de alto ries9o
F(: La cantidad total invertida en proyectos de alto riesgo de!e estar entre -+ y <-A de la cartera.
0 : 33la cantidad invertida en el proyecto 1 , la cantidad invertida en el proyecto 2 , la cantidad invertida
en el proyecto *)) de!e estar entre -+ y <-A de la cartera.
F4: B1 , B2 , B* I= +.-+ 3mnimo en alto riesgo)
B1 , B2 , B* G= +.<- 3m56imo en alto riesgo)
e5 In.ersin en proyectos de mediano ries9o
F(: La cantidad total invertida en proyectos de mediano riesgo de!e estar entre 2+ y *+A de la cartera.
0 : 33la cantidad invertida en el proyecto > , la cantidad invertida en el proyecto -)) de!e estar entre 2+
y *+A de la cartera.
F4: B> , B- I= +.2+ 3mnimo en mediano riesgo)
B> , B- G= +.*+ 3m56imo en mediano riesgo)
f5 In.ersin en proyectos de ba/o ries9o
F(: La cantidad total invertida en proyectos de !aCo riesgo de!e ser al menos el -A de la cartera.
0 : 33la cantidad invertida en el proyecto @)) de!e ser al menos el -A de la cartera.
F4: B@ I= +.+- 3mnimo en !aCo riesgo)
95 Di.ersificacin de in.ersin en proyectos de alto ries9o
F(: La cantidad invertida en los proyectos de alto riesgo 1) 2 y * de!en estar en la tasa 1:2:*)
respectivamente.
0 : La cantidad invertida en el proyecto2 de!e ser el do!le de lo invertido en el proyecto 1.
F4: H2B2 , B1 = +
0e manera similar:
H*B1 , B* = +
?5 Di.ersificacin de in.ersin en proyectos de mediano ries9o
F(: La cantidad invertida en los proyectos de mediano riesgo > y - de!en estar en la tasa 1:2)
respectivamente.
0 : La cantidad invertida en el proyecto- de!e ser el do!le de lo invertido en el proyecto >.
F4: H2B> , B- = +
i5 apital de in.ersin
F(: %l capital disponi!le para invertir en todos los proyectos es de ;1++ +++ +++
F4: B1 , B2 , B* , B> , B- , B@ = 1
/5 Restricciones l9icas
B1) B2) B*) B>) B- y B@ I= +
4a6imizar +.*+B1 ,+.2+B2 , +.1-B* , +.12B> , +.1+B- , +.+<B@
SuCeto a:
B1 , B2 , B* I= +.-+ 3mnimo en alto riesgo)
B1 , B2 , B* G= +.<- 3m56imo en alto riesgo)
30
B> , B- I= +.2+ 3mnimo en mediano riesgo)
B> , B- G= +.*+ 3m56imo en mediano riesgo)
B@ I= +.+- 3mnimo en !aCo riesgo)
H2B2 , B1 = +
H*B1 , B* = +
H2B> , B- = +
B1 , B2 , B* , B> , B- , B@ = 1
B1) B2) B*) B>) B- y B@ I= +
0onde
B* = La fraccin de la cartera por invertir en el proyecto *
B> = La fraccin de la cartera por invertir en el proyecto >
B- = La fraccin de la cartera por invertir en el proyecto -
B@ = La fraccin de la cartera por invertir en el proyecto @
/./.8. E<e%'los de 'ro*le%as de diseFo
/./.8.-. Pro*le%a de diseFo de Containers Inc.
Containers nc., ha recibido un pedido para hacer tambores de acero cilndricos, con la base y la tapa
circulares. El volumen total del contenedor debe ser al menos de 10 pies cbicos. El costo de acero para
hacer el costado del contenedor es $3 por pie cuadrado. El costo de la base y la tapa es de $3.82 por pie
cuadrado. Como ingeniero de produccin, formule un modelo matemtico para determinar un diseo que
minimice el costo del acero requerido.
Soluci&nA
# = radio de la !ase en pies
P = altura del cilindro en pies
a. El volumen total del contenedor debe ser al menos de 10 pies cbicos.
b. El costo de acero para hacer el costado del contenedor es $3 por pie cuadrado.
c. El costo de la base y la tapa es de $3.82 por pie cuadrado.
F(: 4inimizar el costo de acero reuerido para construir el contenedor.
0: 4inimizar 3costo del acero del costado del contenedor , costo del acero de la !ase y de la tapa)
F4: 4inimizar 32S#P pie
2
6 ;* ? pie
2
, 2S#
2
pie
2
6 ;*.E2 ? pie
2
)
4inimizar @S#P , <.@>S#
2
a5 Volumen del contenedor
F(: %l volumen total del contenedor de!e ser al menos de 1+ pies c8!icos.
0: 3S#
2
P) de!e ser al menos de 1+ pies c8!icos.
F4: S#
2
P I= 1+
1-
b5 Restricciones l9icas
# y P I= +
4inimizar @S#P , <.@>S#
2
SuCeto a:
S#
2
P I= 1+
# y P I= +
0onde
# = radio de la !ase en pies
P = altura del cilindro en pies
/./.H. Pro*le%a de %eKclasA aleaciones
/./.H.-. Pro*le%a de 'roduccion de aleacion
Un productor de aluminio fabrica una aleacin especial que el garantiza que contiene un 90% o
ms de aluminio, entre 5% y 8% de cobre y el resto de otros metales. La demanda para esta
aleacin es muy incierta de modo que el productor no mantiene un stock disponible. El ha recibido
una orden de 1.000 kg. a $450/kg. La aleacin debe hacerse a partir de barras de dos tipos de
materiales de desecho, de cobre puro y de aluminio puro. El anlisis de los materiales de desecho
es el siguiente:
Al Cu Otros
Material de desecho 1 95 3 2
Material de desecho 2 85 1 14
Los respectivos costos son: Material de desecho 1 = $150/kg; Material de desecho 2 = $50/kg;
Cobre puro = $150/kg; y Aluminio puro $500/kg.
Cuesta $50 fundir un kilogramo de metal. Se tienen ms de 1.000 kg. de cada tipo de metal
disponible. Como debe el productor cargar su horno de manera que maximice sus utilidades?
Soluci&nA
401 = Tilogramos de material de desec9o 1 a utilizar para o!tener 1 Dilogramo de aleacin especial
"L = Tilogramos de aluminio puro a utilizar para o!tener 1 Dilogramo de aleacin especial.
CL = Tilogramos de co!re puro a utilizar para o!tener 1 Dilogramo de aleacin especial.
9) La aleacin especial de!e tener =+A o m5s de aluminio.
i) La aleacin especial de!e tener -A o mas de co!re
C) La aleacin especial de!e tener EA o menos de co!re
D) 1 Dg de material de desec9o cuesta ;1-+.+
l) 1 Dg de material de desec9o2 cuesta ;-+.+
m) 1 Dg de aluminio puro cuesta ;-++.+
n) 1 Dg de co!re puro cuesta ;1-+.+
o) %l costo de fundicin de 1 Dg de metal es ;-+.+
p) 1 Dg de aleacin especial es vendido a ;>-+.+
) La aleacin especial de!e tener =+A o mas de aluminio
32
F(: 4inimizar el costo de los insumos de la aleacin especial para o!tener 1 Dg de aleacin.
0 : 4inimizar 3costo de material de desec9o 1 , costo de material de desec9o 2 , costo de aluminio
puro , costo de co!re puro) para 1 Dg de aleacin.
F4: 4inimizar 1-+401 ,-+402 , -++"L , 1-+"L
<5 ontenido m6nimo de aluminio en aleacin especial
F(: La aleacin especial de!e tener =+A o m5s de aluminio
0 : 33contenido de aluminio en el material de desec9o 1 , contenido de aluminio en el material de
desec9o 2 , contenido de aluminio en el aluminio puro)?3peso del material de desec9o 1 , peso del
material de desec9o 2 , peso del aluminio puro , peso del co!re puro)) de!e ser mayor o igual a
=+A de aluminio
I; . ;
2 1
2 B2 . ; 1 I2 . ;
1
]
1
+ + +
+ +
CU AL MD MD
AL MD MD
F4: +.+-401 H+.+-402 , +.1"L H+.=CL I= +
l5 ontenido m6nimo de cobre en aleacin especial
F(: La aleacin especial de!e tener -A o m5s de co!re
0 : 33contenido de co!re en el material de desec9o 1 , contenido de co!re en el material de desec9o 2
, contenido de co!re en el co!re puro)?3peso del material de desec9o 1 , peso del material de
desec9o 2 , peso del aluminio puro , peso del co!re puro)) de!e ser mayor o igual a -A de co!re
;2 . ;
2 1
2 ;1 . ; 1 ;3 . ;
1
]
1
+ + +
+ +
CU AL MD MD
CU MD MD
F4:H+.+2401 H+.+>402 H+.+-"L , +.=-CL I= +
m5 ontenido m8imo de cobre en aleacin especial
F(: La aleacin especial de!e tener EA o menos de co!re
0 : 33contenido de co!re en el material de desec9o 1 , contenido de co!re en el material de desec9o 2
, contenido de co!re en el co!re puro)?3peso del material de desec9o 1 , peso del material de
desec9o 2 , peso del aluminio puro , peso del co!re puro)) de!e ser menor o igual a EA de co!re
;B . ;
2 1
2 ;1 . ; 1 ;3 . ;
1
]
1
+ + +
+ +
CU AL MD MD
CU MD MD
F4:H+.+-401 H+.+<402 H+.+E"L , +.=2CL I= +
n5 ontenido de 1 <9 de aleacin especial
F(: La aleacin especial de!e pesar 1 Dg
0 : 3peso del material de desec9o 1 , peso del material de desec9o 2 , peso de aluminio puro , peso
del co!re puro) de!e ser igual a 1 Dg
F4: 401, 402 , "L , CL = 1
o5 Restricciones l9icas
401) 402) "L y CL I= +
4inimizar 1-+401 ,-+402 , -++"L , 1-+"L
SuCeto a:
+.+-401 H+.+-402 , +.1"L H+.=CL I= +
+.+2401 H+.+>402 H+.+-"L , +.=-CL I= +
11
H+.+-401 H+.+<402 H+.+E"L , +.=2CL I= +
401, 402 , "L , CL = 1
401) 402) "L y CL I=+
0onde
"L = Tilogramos de aluminio puro a utilizar para o!tener 1 Dilogramo de aleacin especial.
CL = Tilogramos de co!re puro a utilizar para o!tener 1 Dilogramo de aleacin especial.
/./.;. Pro*le%a de dis%inucion de conta%inacion
/./.;.-. Pro*le%a de a*ati%iento de conta%inacion de NoriLLeets Co.
La Nori&Leets Co., una de las mayores productoras de acero del mundo occidental est
localizada en la ciudad de Steeltown y es la nica empresa grande de la localidad. La comunidad
ha crecido y prosperado junto con la compaa, que de momento emplea cerca de 50 000
residentes. La actitud de los habitantes ha sido siempre un lo que es bueno para Nori&Leets es
bueno para nosotros. Sin embargo, esta actitud est cambiando, la contaminacin no controlada
del aire debido a los altos hornos de la planta est en camino de arruinar la apariencia de la
ciudad y de poner en peligro la ciudad la salud de sus habitantes.
Como resultado, despus de una revuelta entre los accionistas se eligi un nuevo consejo
directivo ms responsable. Los nuevos directores han decidido seguir polticas de responsabilidad
social y realizar plticas con las autoridades de la ciudad y con grupos de ciudadanos para tomar
medidas respecto de la contaminacin ambiental. Juntos han establecido estndares rigurosos de
calidad del aire para la ciudad de Steeltown.
Los tres tipos principales de contaminantes son partculas de materia, xidos de azufre e
hidrocarburos. Los nuevos estndares requieren que la compaa reduzca su emisin anual de
estos contaminantes en las cantidades que se presenta en la tabla 1. El Consejo directivo ha dado
instrucciones a la administracin para que el personal de ingeniera determine cmo lograr estas
reducciones en la forma ms econmica.
Tabla 1. Estndares de aire limpio de Nori & Leets Co.
Conta%inante Reducci&n reIuerida de la tasa de e%isi&n
anual M%illones de li*ras(
Partculas 60
xidos de azufre 150
Hidrocarburos 125
La fabricacin de acero tiene dos fuentes principales de contaminacin: los altos hornos para
fabricar el arrabio (lingotes de acero) y los hornos Siemens-Martn para transformar el hierro en
acero. En ambos casos los ingenieros determinaron que los mtodos de abatimiento ms eficaces
son: 1) aumentar la altura de las chimeneas, 2) usar filtros (con trampas de gas) en ellas y 3)
incluir limpiadores de alto grado en los combustibles de los hornos. Todos estos mtodos tienen
limitaciones tecnolgicas en cuanto al nivel en que pueden usarse; por ejemplo, un incremento
factible mximo de las alturas de las chimeneas, pero tambin existe una gran flexibilidad para
usar el mtodo en cualquier nivel fraccionario de su lmite tecnolgico.
La tabla 2. Muestra la cantidad de emisin (en millones de libras anuales) que se puede eliminar
de cada tipo de horno mediante el empleo del mtodo de abatimiento al mximo lmite
tecnolgico. Para fines de anlisis se supone que cada mtodo se puede usar a un nivel menor
para lograr cualquier fraccin de reduccin de las tasas de emisin que se presentan en esta
tabla. Ms an, las fracciones pueden ser diferentes para los altos hornos y los hornos Siemens-
Martn, y el uso simultneo de otro mtodo no afecta de manera significativa la reduccin de
emisiones que alcanza cada uno de ellos.
Despus de obtener estos datos, qued claro que ningn mtodo por s solo poda lograr las
reducciones requeridas. Por otro lado, la combinacin de los tres mtodos a toda su capacidad -lo
34
que sera demasiado caro si se quiere que los productos tengan precios competitivos- genera un
resultado mucho ms elevado de lo que se pide. Por todo esto, la conclusin de los ingenieros fue
que deban usar alguna combinacin de mtodos, tal vez con capacidades fraccionarias basadas
en sus costos relativos. An ms, debido a las diferencias entre los altos hornos y los hornos
Siemens-Martn, es probable que la combinacin sea diferente para cada tipo de horno.
Tabla 2. Reduccin de la tasa de emisin (en millones de libras por ao) con el uso mximo
factible del mtodo de abatimiento de Nori & Leets Co.
C4i%eneas %,s
altas
Eiltros Me<ores
co%*usti*les
Conta%inante Altos
4ornos
0ornos
Sie%ens N
Martins
Altos
4ornos
0ornos
Sie%ens N
Martins
Altos
4ornos
0ornos
Sie%ens N
Martins
Partculas 12 9 25 20 17 13
xidos de azufre 35 42 18 31 56 49
Hidrocarburos 37 53 28 24 29 20
Se llev a cabo un anlisis para estimar el costo total anual de cada mtodo de abatimiento. El
costo anual de un mtodo incluye el aumento de los gastos de operacin y mantenimiento al igual
que la reduccin de los ingresos de vida a cualquier prdida de eficiencia en el proceso de
produccin que puede generar el uso del mtodo. El otro costo importante es el costo fiCo inicial (el
capital inicial) que se requiere para instalar el mtodo. Para hacer que este costo nico fuera
conmensurable con los costos anuales, se us el valor del dinero en el tiempo para calcular el
gasto anual (sobre el tiempo esperado de vida del mtodo) que sera equivalente a este costo fijo
inicial.
El anlisis permiti estimar los costos anuales totales en millones de dlares que se presentan en
la tabla 3., en la que se incurre al usar los mtodos a toda su capacidad de abatimiento. Tambin
se determin que el costo de un mtodo que se utiliza a un nivel menor es esencialmente
proporcional a la capacidad fraccionada de la capacidad de abatimiento que se logra, aspecto que
se presenta en la tabla 2. Entonces, para cualquier fraccin que se logre, el costo total anual sera
en esencia la fraccin de la cantidad correspondiente de la tabla 3.
Tabla 3. Costo anual por el uso mximo factible del mtodo de abatimiento de Nori & Leets Co.
(millones de dlares)
M3todo de a*ati%iento Altos 4ornos 0ornos de coraK&n
a*ierto
Chimeneas ms altas 8 10
Filtros 7 6
Mejores combustibles 11 9
En esta etapa todo est listo para desarrollar el marco general del plan de la compaa para
disminuir la contaminacin. ste plan especifica qu tipo de mtodos de reduccin debern
emplearse y a que fracciones de su capacidad para: 1) los altos hornos y 2) los hornos Siemens-
Martn. Debido a la naturaleza combinatoria del problema de encontrar un plan que satisfaga a los
requisitos con el menor costo posible, se form un equipo de investigacin de operaciones para
resolverlo. El equipo decidi enfocar el problema desde un punto de vista de programacin lineal
y debe formular un modelo matemtico.
Soluci&nA
C9"l = Fraccin del uso m56imo de c9imeneas mas altas para altos 9ornos.
C9Po= Fraccin del uso m56imo de c9imeneas mas altas para 9ornos SiemensH 4artins .
Fi"l= Fraccin del uso m56imo de filtros para altos 9ornos.
FiPo= Fraccin del uso m56imo de filtros para 9ornos SiemensH 4artins .
4e"l= Fraccin del uso m56imo de meCores com!usti!les para altos 9ornos.
4ePo= Fraccin del uso m56imo de meCores com!usti!les para 9ornos SiemensH 4artins..*
18
a. Estndares de aire limpio de Nori & Leets Co.
Conta%inante Reducci&n reIuerida de la tasa de e%isi&n anual
M%illones de li*ras(
Partculas 60
xidos de azufre 150
Hidrocarburos 125
b. Reduccin de la tasa de emisin (en millones de libras por ao) con el uso mximo factible del
mtodo de abatimiento de Nori & Leets Co.
C4i%eneas %,s altas Eiltros Me<ores co%*usti*les
Conta%inante Altos
4ornos
0ornos
Sie%ens N
Martins
Altos
4ornos
0ornos
Sie%ens N
Martins
Altos
4ornos
0ornos
Sie%ens N
Martins
Partculas 12 9 25 20 17 13
xidos de azufre 35 42 18 31 56 49
Hidrocarburos 37 53 28 24 29 20
c. Costo anual por el uso mximo factible del mtodo de abatimiento de Nori & Leets Co. (millones de
dlares)
M3todo de a*ati%iento Altos 4ornos 0ornos de coraK&n a*ierto
Chimeneas ms altas 8 10
Filtros 7 6
Mejores combustibles 11 9
F(: 4inimizar el costo total de la disminucin de la contaminacin mediante mQtodos de a!atimiento.
0: 4inimizar 3Costo del mQtodo de c9imeneas m5s altas para altos 9ornos , costo del mQtodo de
c9imeneas m5s altas para 9ornos SiemensH 4artins , costo del mQtodo de filtros para altos 9ornos ,
costo del mQtodo de filtros para 9ornos SiemensH 4artins , costo del mQtodo de meCores com!usti!les
para altos 9ornos , costo del mQtodo de de meCores com!usti!les para 9ornos SiemensH 4artins)
F4: 4inimizar E C9"l , 1+ C9Po , <Fi"l , @FiPo ,114e"l , =4ePo
p5 Reduccin re>uerida de la emisin de part6culas anualmente
F(: La reduccin reuerida de emisin de partculas es de @+ millones de li!ras anualmente.
0: 3reduccin de la tasa de emisin empleando el mQtodo de c9imeneas m5s altas para altos 9ornos ,
reduccin de la tasa de emisin empleando el mQtodo de c9imeneas m5s altas para 9ornos SiemensH
4artins , reduccin de la tasa de emisin empleando el mQtodo de filtros para altos 9ornos , reduccin
de la tasa de emisin empleando el mQtodo de filtros para 9ornos SiemensH 4artins , reduccin de la
tasa de emisin empleando el mQtodo de meCores com!usti!les para altos 9ornos , reduccin de la tasa
de emisin empleando el mQtodo de meCores com!usti!les para 9ornos SiemensH 4artins) de!e ser
mayor o igual a @+ millones de li!ras.
F4: 12 C9"l , = C9Po , 2-Fi"l , 2+FiPo ,1<4e"l , 1*4ePo I= @+
0e manera similar para los mQtodos de a!atimiento de filtros y el uso de meCores com!usti!les:
F4: *- C9"l , >2 C9Po , 1EFi"l , *1FiPo ,-@4e"l , >=4ePo I= 1-+
F4: *< C9"l , -* C9Po , 2EFi"l , 2>FiPo ,2=4e"l , 2+4ePo I= 12-
>5 #ficiencia tecnol9ica de los m@todos
36
F(: La m56ima eficiencia tecnolgica del mQtodo de c9imeneas m5s altas para altos 9ornos es del
1++A.
F4: C9"l G= 1
0e manera similar para los otros mQtodos de a!atimiento:
C9Po G= 1
Fi"l G= 1
FiPo G= 1
4e"l G= 1
4ePo G= 1
r5 Restricciones l9icas
C9"l) C9Po) Fi") FiPo) 4e"l y 4ePo I= +
4inimizar E C9"l , 1+ C9Po , <Fi"l , @FiPo ,114e"l , =4ePo
SuCeto a:
12 C9"l , = C9Po , 2-Fi"l , 2+FiPo ,1<4e"l , 1*4ePo I= @+
*- C9"l , >2 C9Po , 1EFi"l , *1FiPo ,-@4e"l , >=4ePo I= 1-+
*< C9"l , -* C9Po , 2EFi"l , 2>FiPo ,2=4e"l , 2+4ePo I= 12-
C9"l G= 1
C9Po G= 1
Fi"l G= 1
FiPo G= 1
4e"l G= 1
4ePo G= 1
C9"l) C9Po) Fi") FiPo) 4e"l y 4ePo I= +
0onde
C9"l = Fraccin del uso m56imo de c9imeneas mas altas para altos 9ornos.
C9Po= Fraccin del uso m56imo de c9imeneas mas altas para 9ornos SiemensH 4artins .
Fi"l= Fraccin del uso m56imo de filtros para altos 9ornos.
FiPo= Fraccin del uso m56imo de filtros para 9ornos SiemensH 4artins .
4e"l= Fraccin del uso m56imo de meCores com!usti!les para altos 9ornos.
4ePo= Fraccin del uso m56imo de meCores com!usti!les para 9ornos SiemensH 4artins..*
/./.O. Pro*le%as de %eKclas
/./.O.-. Pro*le%a de o'ti%iKacion de %eKcla de LuK del Centro
Luz del Centro es duea de una central turbogeneradora. Como en los alrededores hay
abundantes depsitos de carbn, la central genera su vapor con ese combustible. Sin embargo,
eso puede causar una emisin que no cumpla con las normas ambientales, que limitan la
descarga de dixido de azufre a 2 000 partes por milln por tonelada de carbn quemado, y la
descarga de humo por las chimeneas a 20 libras por hora. La empresa recibe dos clases de
carbn pulverizado, C1 y C2, que usa en sus calderas. Las dos clases se suelen mezclar antes de
quemarlas. Para simplificar, se puede suponer que el dixido de azufre contaminante de la
mezcla (en partes por milln) es un promedio ponderado para cada clase que se usa en la
mezcla. Los datos siguientes se basan en 1 tonelada de consumo por hora, de cada una de las
dos clases de carbn.
1;
Clase de
carbn
Descarga de azufre
Partes por milln
Descarga de humo
Lb/hora
Vapor generado
Lb/hora
C1 1 800 2,1 12 000
C2 2 100 0,9 9 000
Determine la relacin ptima de mezcla de las dos clases de carbn.
Soluci&nA
a( Eor%ulaci&n del %odelo %ate%,tico
C1 = %l n8mero de toneladas de car!n pulverizado tipo 1 a mezclarse por 9ora.
!) %misin de contaminantes por la uema de car!n y vapor generado por 1 tonelada de consumo por
9ora
Clase de
car!n
0escarga de azufre
Bartes por millon
0escarga de 9umo
L!?9ora
(apor generado
L!?9ora
C1 1 E++ 2)1 12 +++
C2 2 1++ +)= = +++
a. Limite m56imo permisi!le de emisin de di6ido de azufre = 2 +++ ppm
!. Limite m56imo permisi!le de descarga de 9umo por las c9imeneas = 2+ l!?9
F(: 4a6imizar el vapor generado por la central tur!ogeneradora
0 : 4a6imizar 3el vapor generado por el car!n tipo 1 , el vapor generado por el car!n tipo)
F4: 4a6imizar 12 +++C1 , = +++C2
a5 &imite m8imo permisible de di8ido de a7ufre
F(: La cantidad total de di6ido de azufre emitido por la uema de car!n no de!e ser mayor de 2 +++
ppm.
0 : 3La cantidad de di6ido de azufre emitido por la uema del car!n 1 , La cantidad de di6ido de
azufre emitido por la uema del car!n 2) no de!e ser mayor de 2 +++ ppm.
F4: 2;;;
2 1
2 21;; 1 1B;;
+
+
C C
xC xC
F4: H2++C1 , 1++C2 G= +
b5 &imite m8imo permisible de descar9a de ?umo
F(: La cantidad total de descarga de 9umo emitido por la uema de car!n no de!e ser mayor de 2+
l!.
0 : 3La cantidad de descarga de 9umo emitido por la uema del car!n 1 , La cantidad de descarga de
9umo emitido por la uema del car!n 2) no de!e ser mayor de 2+ l!
F4: 2)1C1 , +)=C2 G= 2+
C1 y C2 I= + y enteros.
38
4a6imizar 12 +++C1 , = +++C2
SuCeto a:
FH2++C1 , 1++C2 G= +
2)1C1 , +)=C2 G= 2+
C1 y C2 I= + y enteros.
0onde
/./.O./. Pro*le%a de %erKcla de crudos de EGGon Oil Co.
Exxon Oil Co. Construye una refinera para elaborar cuatro productos: diesel, gasolina, lubricantes
y combustible para avin. Las demandas (en barriles/da) de esos productos son: 14 000, 30 000,
10 000 y 8 000, respectivamente. rn y Dubai tienen contrato para enviar crudo a Exxon Oil Co.
Debido a las cuotas de produccin que especifica la OPEP (Organizacin de Pases Exportadores
de Petrleo) la nueva refinera puede recibir al menos el 40% de su crudo de rn, y el resto de
Dubai. Exxon Oil Co. pronostica que estas cuotas de demanda y crudo permanecern estables
durante los 10 aos siguientes.
Las distintas especificaciones de los dos crudos determinan dos proporciones distintas de
productos: un barril de crudo de rn rinde 0,2 barril de diesel, 0,25 barril de gasolina, 0,1 barril de
lubricante y 0,15 barril de combustible para avin. Los rendimientos correspondientes del crudo
de Dubai son: 0,1, 0,6, 0,15 y 0,1 respectivamente.
Exxon Oil Co. Necesita determinar la capacidad mnima de la refinera en barriles de crudo por
da.
Soluci&nA
C' = el n8mero de !arriles de crudo comprados a 'r5n diariamente.
C0 = el n8mero de !arriles de crudo comprados a 0u!ai diariamente.
a) 0emanda de productos
0iesel = 1> +++ !arriles?da
2asolina = *+ +++ !arriles?da
Lu!ricantes = 1+ +++ !arriles?da
Com!usti!le para avin = E +++ !arriles?da
!) #endimiento de los crudos
Brocedencia
#endimiento 3!arriles)
0iesel 2asolina Lu!ricantes
Com!usti!le
para avin
'r5n +)2 +)2- +)1 +)1-
0u!ai +)1 +)@ +)1- +)1
c) 4nimo de crudo procedente de 'r5n = >+A
F(: 4inimizar la cantidad de crudo comprado por da
1C
0 : 4inimizar 3 cantidad de crudo comprado a 'r5n , cantidad de crudo comprado a 0u!ai)
F4: 4inimizar C' , C0
a5 %roduccin de diesel
F(: la produccin de diesel de!e ser al menos 1> +++ !arriles?da
0 : 3diesel procedente del crudo de 'r5n , diesel procedente del crudo de 0u!ai)de!e ser al menos 1>
+++ !arriles ?da
F4: +)2C' , +)1 C0 I= 1> +++
b5 %roduccin de 9asolina, lubricante y combustible para a.in
Broduccin de gasolina:
+)2- C' , +)@C0 I= *+ +++
Broduccin de lu!ricante:
+)1 C' , +)1-C0 I= 1+ +++
Broduccin de com!usti!le para avin:
+)1- C' , +)1C0 I= E +++
c5 rudo comprado de Irn
F(: al menos de!e reci!ir el >+A de crudo de 'r5n
04: crudo de 'r5n de!e ser mayor de +)>63crudo de 'r5n , crudo de 0u!ai)
F4: C' I= +)>3C' , C0)
+)@C' F +)>C0 I= +
C' y C0 I= + y enteros.
4inimizar C' , C0
SuCeto a:
+)2C' , +)1 C0 I= 1> +++
+)2- C' , +)@C0 I= *+ +++
+)1 C' , +)1-C0 I= 1+ +++
+)1- C' , +)1C0 I= E +++
+)@C' F +)>C0 I= +
C' y C0 I= + y enteros.
0onde
C' = el n8mero de !arriles de crudo comprados a 'r5n diariamente.
C0 = el n8mero de !arriles de crudo comprados a 0u!ai diariamente.
/./.O.1. Pro*le%a de %eKclas de Ananea C4e%icals Co.
En Ananea Chemicals Co., se usan las materias primas y para producir dos soluciones para
lixiviacin, A Y B. La disponibilidad diaria de las materias primas y es de 150 y 140 galones
respectivamente. Una unidad de solucin A consume 0,5 unidad de materia prima y 0,6 unidad
de materia ; una unidad de solucin B requiere 0,5 unidad de materia prima y 0,4 unidad de
materia prima . Las utilidades unitarias de las soluciones A y B son $8 y $10, respectivamente.
40
La demanda diaria de la solucin A esta entre 30 y 150 unidades, y la de la solucin B entre 40 y
200 unidades.
Soluci&nA
S" = el n8mero de unidades de solucin " a producir diariamente.
SO = el n8mero de unidades de solucin O a producir diariamente.
a) Consumo y disponi!ilidad de las materias primas ' y ''
4ateria Brima Solucin " Solucin O
0isponi!ilidad
2l?6 da
' +)- +)- 1-+
'' +)@ +)> 1>+
!) Ltilidades unitarias de las soluciones
Solucin ": ; E)+
Solucin O: ; 1+)+
c) 0emanda de las soluciones
a. Solucin ": entre *+ y 1-+ unidades
!. Solucin O: entre >+ y 2++ unidades
c.
F(: 4a6imizar las utilidades por la venta de las soluciones " y O
0 : 4a6imizar 3utilidades por la venta de la solucin " , utilidades por la venta de la solucin O)
F4: 4a6imizar ES" , 1+SO
a5 onsumo del material I
F(: %l consumo del material ' no de!e e6ceder de 1-+ gl?da
0 : 3consumo del material ' para producir la solucin " , consumo del material ' para producir la
solucin O) no de!e de e6ceder de 1-+ gl?da.
F4: +)- S" , +)-SO G= 1-+
b5 onsumo del material II
F(: %l consumo del material '' no de!e e6ceder de 1>+ gl?da
0 : 3consumo del material '' para producir la solucin " , consumo del material '' para producir la
solucin O) no de!e de e6ceder de 1>+ gl?da.
F4: +)@ S" , +)>SO G= 1>+
c5 Demanda de la solucin )
F(: La demanda de la solucin " est5 entre *+ y 1-+ gl?da
F4: S" I= *+ y S"G= 1-+
d) 0emanda de la solucin O
F(: La demanda de la solucin O est5 entre >+ y 2++ gl?da
F4: SO I= >+ y SOG= 2++
5-
S" y SO I= + y enteros.
4a6imizar ES" , 1+SO
SuCeto a:
+)- S" , +)-SO G= 1-+
+)@ S" , +)>SO G= 1>+
S" I= *+
S"G= 1-+
SO I= >+
SOG= 2++
S" y SO I= + y enteros
0onde
S" = el n8mero de unidades de solucin " a producir diariamente.
SO = el n8mero de unidades de solucin O a producir diariamente.
/./.O.5. Pro*le%a de %eKcla de gasolinas
Una compaa petrolera produce dos tipos de gasolina, normal y sper, que vende a sus
estaciones de servicio a 120 y 140 dlares/barril respectivamente. Ambos tipos de gasolina se
realizan mezclando combustible nacional y extranjero de sus almacenes, y debe cumplir las
siguientes especificaciones:
Presin
de
vapor
mxim
a
Octanaj
e
mnimo
Demanda
mxima
barriles/seman
a
Entregas
mnimas
barriles/semana
Norma
l
23 88 100 000 50 000
Sper 23 93 20 000 5 000
Las caractersticas del combustible disponible en el almacn son:
Presin
de
vapor
Octanaj
e
Barriles
en el
almac
n
Costo
$/barril
Nacional 25 87 40 000 80
Extranjer
o
15 98 60 000 150
Qu cantidades de combustible nacional y extranjero deben mezclarse para producir las dos
gasolinas y obtener los mximos beneficios semanales? Formule el modelo matemtico
correspondiente.
NOTA: Los componentes de la mezcla contribuyen al octanaje (y a la presin de vapor) de
acuerdo a su porcentaje en la mezcla.
42
Soluci&nA
2/ = /8mero de !arriles de gasolina normal a producir por semana
2S= /8mero de !arriles de gasolina super a producir por semana
C//= /8mero de !arriles de com!usti!le nacional para producir gasolina normal por semana
C%/= /8mero de !arriles de com!usti!le e6tranCero para producir gasolina normal por semana
C/S= /8mero de !arriles de com!usti!le nacional para producir gasolina super por semana
C%S= /8mero de !arriles de com!usti!le e6tranCero para producir gasolina super por semana.
a) Brecio de 1 !arril de gasolina normal = 12+ ;
!) Brecio de 1 !arril de gasolina super = 1>+ ;
c) %specificaciones tQcnicas de las gasolinas
Presin de
vapor
mxima
Octanaje
mnimo
Demanda
mxima
barriles/semana
Entregas
mnimas
barriles/semana
Normal 23 88 100 000 50 000
Sper 23 93 20 000 5 000
d) Caractersticas del com!usti!le
Presin de
vapor
Octanaje Barriles en el
almacn
Costo
$/barril
Nacional 25 87 40 000 80
Extranjero 15 98 60 000 150
F(: 4a6imizar los !eneficios semanales por concepto de venta de gasolina
0 : 4a6imizar 3ingresos por concepto de venta de gasolina normal , ingresos por concepto de venta
de gasolina super F egreso por concepto de compra de com!usti!le nacional F egreso por
concepto de compra de com!usti!le e6tranCero)
F4: 4a6imizar 12+ 2/ , 1>+ 2S F E+ C// F E+ C/S F 1-+ C%/ F 1-+ C%S
a5 Demanda m8ima de 9asolina normal
F(: La demanda m56ima de la gasolina normal por semana es de 1++ +++ !arriles
F4: 2/ G= 1++ +++
b5 Demanda m8ima de 9asolina super
0e manera similar al caso anterior
2S G= 2+ +++
c5 #ntre9a m6nima de 9asolina normal
F(: La entrega mnima de la gasolina normal por semana es de -+ +++ !arriles
F4: 2/ I= -+ +++
d5 #ntre9a m6nima de 9asolina super
2S I= - +++
51
e5 %resin de .apor m8ima de la 9asolina normal
F(: La presin de vapor de la gasolina normal de!e ser menos de 2*
0 : 3presin de vapor aportado por el com!usti!le nacional , presin de vapor aportado por el
com!usti!le e6tranCero) de!e ser menor de 2*
F4: 2- C// , 1- C%/ G= 2* 2/
2- C// , 1- C%/ H 2* 2/ G= +
f5 %resin de .apor m8ima de la 9asolina super
2- C/S , 1- C%S H 2* 2S G= +
95 'ctana/e m6nimo de la 9asolina normal
F(: %l octanaCe de la gasolina normal de!e ser mayor de EE
0 : 3octanaCe aportado por el com!usti!le nacional , octanaCe aportado por el com!usti!le e6tranCero)
de!e ser mayor de EE
F4: E< C// , =E C%/ I= EE 2/
E< C// , =E C%/ H EE 2/ I= +
?5 'ctana/e m6nimo de la 9asolina super
E< C/S , =E C%S H =* 2S I= +
i5 #8istencia de combustible nacional en el almac@n
F(: %l n8mero de !arriles de com!usti!le nacional ue puede utilizarse para producir gasolina es
m56imo >+ +++
F4: C// , C/S G= >+ +++
/5 Demanda m8ima con el combustible e8tran/ero
C%/ , C%S G= @+ +++
<5 I9ualdad para 9asolina normal
F(: %l volumen de Com!usti!le utilizado es igual al volumen de gasolina normal producido
0 : 3(olumen com!usti!les nacional , volumen de com!usti!le e6tranCero = (olumen de gasolina
normal)
F4: C// , C%/ = 2/
C// , C%/ H 2/ = +
l5 I9ualdad para 9asolina normal
C/S , C%S H 2S = +
m5 Restricciones l9icas
2/) 2S) C//) C/S) C%/ y C%S I= +
4a6imizar 12+ 2/ , 1>+ 2S F E+ C// F E+ C/S F 1-+ C%/ F 1-+ C%S
SuCeto a:
2/ G= 1++ +++
2S G= 2+ +++
2/ I= -+ +++
2S I= - +++
2- C// , 1- C%/ H 2* 2/ G= +
44
2- C/S , 1- C%S H 2* 2S G= +
E< C// , =E C%/ H EE 2/ I= +
E< C/S , =E C%S H =* 2S I= +
C// , C/S G= >+ +++
C%/ , C%S G= @+ +++
C// , C%/ H 2/ = +
C/S , C%S H 2S = +
2/) 2S) C//) C/S) C%/ y C%S I= +
0onde
2/ = /8mero de !arriles de gasolina normal a producir por semana
2S= /8mero de !arriles de gasolina super a producir por semana
C//= /8mero de !arriles de com!usti!le nacional para producir gasolina normal por semana
C%/= /8mero de !arriles de com!usti!le e6tranCero para producir gasolina normal por semana
C/S= /8mero de !arriles de com!usti!le nacional para producir gasolina super por semana
C%S= /8mero de !arriles de com!usti!le e6tranCero para producir gasolina super por semana.
58
CAPITULO III
APLICACIONES DE PROGRAMACI#N LINEAL
1.-. Modelos de 'rogra%aci&n lineal 'ara decisiones de %eKcla de 'roductos
1.-.-. Pro*le%a de %eKcla de EG'losives Inc.
En Explosives, nc. se mezclan azufre, carbn y salitre para producir plvora. El producto final
debe contener al menos 10%, pero no ms de 20%, de carbn por unidad de peso. La
cantidad de salitre no puede exceder el 50% de la cantidad de carbn usado. Para evitar una
explosin accidental, la suma de 50% del azufre mas 60% de carbn mas 30% del salitre
usados no puede exceder 35% del producto final. El azufre es con mucho el componente
ms caro. Formule un modelo para determinar la cantidad de cada ingrediente que debe
utilizarse para producir cada libra de plvora que satisfaga las restricciones y, a la vez, que
requiera la menor cantidad de azufre.
Soluci&nA
C = cantidad de li!ras de car!n utilizados para producir 1 l! de plvora
" = cantidad de li!ras de azufre utilizados para producir 1 l! de plvora
S = cantidad de li!ras de salitre utilizados para producir 1 l! de plvora
a. %l producto final de!e contener al menos 1+A) pero no m5s de 2+A) de car!n por unidad de
peso.
!. La cantidad de salitre no puede e6ceder el -+A de la cantidad de car!n usado.
c. Bara evitar una e6plosin accidental) la suma de -+A del azufre m5s @+A de car!n mas *+A del
salitre usados no puede e6ceder *-A del producto final.
d. %l azufre es con muc9o el componente m5s caro.
F(: 4inimizar el uso de azufre en la produccin de plvora
F4: 4inimizar S
46
s5 %orcenta/e m8imo de carbn
F(: %l producto final de!e contener al menos 1+A de car!n por unidad de peso.
F4: S I= +.1+
t5 %orcenta/e m6nimo de carbn
F(: %l producto final de!e contener no m5s de 2+A de car!n por unidad de peso.
F4: S G= +.2+
u5 ociente salitreAcarbn
F(: La cantidad de salitre no puede e6ceder el -+A de la cantidad de car!n usado
F4: S G= +.-C
S H +.-C G= +
.5 antidad de componentes
F(: Bara evitar una e6plosin accidental) la suma de -+A del azufre m5s @+A de car!n mas *+A del
salitre usados no puede e6ceder *-A del producto final
F4: +.-" , +.@C ,+.*S G= +.*-
a5 (alance
F(: se de!e mezclar azufre) car!n y salitre para producir 1 l! de plvora
F4: " , C , S = 1.++
B5 Restricciones l9icas
") C y S I= +
4inimizar S
SuCeto a:
S I= +.1+ 3A m56imo de car!n)
S G= +.2+ 3A mnimo de car!n)
S H +.-C G= + 3cociente salitre?car!n)
+.-" , +.@C ,+.*S G= +.*- 3cantidad de componentes)
" , C , S = 1.++ 3!alance)
") C y S I= +
0onde
C = cantidad de li!ras de car!n utilizados para producir 1 l! de plvora
" = cantidad de li!ras de azufre utilizados para producir 1 l! de plvora
S = cantidad de li!ras de salitre utilizados para producir 1 l! de plvora
1.-./. Pro*le%a de %eKcla de aditivos a gasolina
Una compaa petrolera utiliza dos aditivos, 8 y y, que se mezcla con gasolinas de alto grado. Despus de
un cuidadoso anlisis se han determinado las siguientes restricciones:
a. Si se emplea ms de un cuarto de litro de aditivos totales por carro cisterna, los aditivos forman
depsitos perjudiciales en los carburadores.
b. 28 + y no puede ser menor que un cuarto o la gasolina no tendr su color distintivo (un punto
principal en las ventas).
c. Medio litro de aditivo 8 aadiera 100 unidades equivalentes de octano por carro cisterna y medio
litro del aditivo J aadiera 200 unidades equivalentes de octano por carro cisterna. El nmero total
de unidades equivalentes por carro cisterna no puede ser menor a 60, a fin de asegurar los
estndares de rendimiento.
5;
d. El aditivo 8 cuesta $ 150 por medio litro y el aditivo y cuesta $ 400 por medio litro.
Determine el modelo matemtico para realizar el clculo de la mezcla ptima de aditivos.
Soluci&nA
6 = cantidad de litros de aditivo 6 a mezclar para producir 1 litro de gasolina de alto grado
y = cantidad de litros de aditivo y a mezclar para producir 1 litro de gasolina de alto grado
a. Se utiliza los aditivos 6 y y para producir gasolina de alto grado
!. Si se emplea m5s de un cuarto de litro de aditivos totales por carro cisterna) los aditivos forman
depsitos perCudiciales en los car!uradores.
c. 28 , y no puede ser menor ue un cuarto o la gasolina no tendr5 su color distintivo 3un punto
principal en las ventas).
d. 4edio litro de aditivo 8 aMadiera 1++ unidades euivalentes de octano por carro cisterna y medio
litro del aditivo y aMadiera 2++ unidades euivalentes de octano por carro cisterna. %l n8mero total
de unidades euivalentes por carro cisterna no puede ser menor a @+) a fin de asegurar los
est5ndares de rendimiento.
e. %l aditivo 8 cuesta ; 1-+ por medio litro y el aditivo y cuesta ; >++ por medio litro.
F(: 4inimizar el costo de los aditivos 6 y y para producir gasolina de alto grado
0: 4inimizar el costo del aditivo 6 mas el costo del aditivo y utilizados para producir gasolina de alto
grado
F4: 4inimizar *++6 , >++y
a5 ,so m8imo de aditi.os
F(: Si se emplea m5s de un cuarto de litro de aditivos totales por carro cisterna) los aditivos forman
depsitos perCudiciales en los car!uradores
0: el aditivo 6 mas el aditivo y de!en ser menor de un cuarto de litro
F4: 6 , y G= +.2-
b5 olor distinti.o de la 9asolina
F(: 28 , y no puede ser menor ue un cuarto o la gasolina no tendr5 su color distintivo
F4: 26 , y I= +.2-
c5 ,nidades m6nimas de octano
F(: 4edio litro de aditivo 8 aMadiera 1++ unidades euivalentes de octano por carro cisterna y medio
litro del aditivo y aMadiera 2++ unidades euivalentes de octano por carro cisterna. %l n8mero total de
unidades euivalentes por carro cisterna no puede ser menor a @+
0: las unidades de octano aMadidos por el aditivo 6 mas las unidades de octano aMadidos por el aditivo
y de!en ser mayor de @+
F4: 2++6 , >++y I= @+
6) y I= +
4inimizar *++6 , >++y
48
SuCeto a:
6 , y G= +.2- 3uso m56imo de aditivos)
26 , y I= +.2- 3color distintivo de la gasolina)
2++6 , >++y I= @+ 3unidades mnimas de octano)
6) y I= +
0onde
6 = cantidad de litros de aditivo 6 a mezclar para producir 1 litro de gasolina de alto grado
y = cantidad de litros de aditivo y a mezclar para producir 1 litro de gasolina de alto grado
1.-.1. Pro*le%a de %eKcla de 'etr&leo de Porld oil Co%'anJ
World Oil Company puede comprar dos tipos de petrleo crudo: crudo ligero a un costo de $25
por barril y crudo pesado a $22 por barril. Cada barril de petrleo crudo, ya refinado, produce tres
productos: gasolina, turbosina y queroseno. La siguiente tabla indica las cantidades en barriles de
gasolina, turbosina y queroseno producidos por barril de cada tipo de petrleo crudo:
Petrleo Crudo Gasolina Turbosina Queroseno
Crudo ligero 0,35 0,36 0,22
Crudo pesado 0,45 0,18 0,28
Cada barril de petrleo crudo ligero produce un desecho de 0,07 de barril que se tira a un costo de
$1 por barril de desecho. De manera similar, cada barril de petrleo crudo pesado produce un
desecho de 0,09 de barril y su eliminacin cuesta $ 1,50 por barril.
La refinera se ha comprometido a entregar 960 000 barriles de gasolina, 1 200 000 barriles de
turbosina y 450 000 barriles de queroseno. Como gerente de produccin, formule un modelo para
determinar la cantidad de cada tipo de petrleo crudo por comprar para minimizar el costo total al
tiempo que satisfaga la demanda apropiada.
Soluci&nA
CL = el n8mero de de !arriles de crudo ligero a aduirir
CB = el n8mero de de !arriles de crudo pesado a aduirir
a) Costo de 1 !arril de crudo ligero
= costo compra , costo de deposicin de desec9o
= ;2-)+ , ;1)+ = ;2@)+
!) Costo de 1 !arril de crudo pesado
= costo compra , costo de deposicin de desec9o
= ;22)+ , ;1)- = ;2*)-
c) Broductos o!tenidos de 1 !arril de crudo ligero
a. 2asolina: +)*- !arril
!. $ur!osina: +)*@ !arril
c. Uueroseno: +)22 !arril
d. 0esec9o: +)+< !arril
d) Broductos o!tenidos de 1 !arril de crudo pesado
a. 2asolina: +)>- !arril
!. $ur!osina: +)1E !arril
5C
c. Uueroseno: +)2E !arril
d. 0esec9o: +)+= !arril
e) Compromisos de venta aduiridos
a. 2asolina: =@+ +++ !arril
!. $ur!osina: 1 2++ ++ !arril
c. Uueroseno: >-+ +++ !arril
F(: 4inimizar el costo total de la compra de crudos
0 : 4inimizar costo = 4inimizar 3 costo
2
de crudo ligero , costo de crudo pesado)
F4: 4inimizar 2@)+ CL , 2*)- CB
a5 ompromiso de .enta de 9asolina
F(: producir un mnimo de =@+ +++ !arriles de gasolina
0 : la produccin de 3gasolina de crudo ligero , gasolina de crudo pesado) de!e ser al menos =@+ +++
!arriles
F4: +)*-CL , +)>-CB I= =@+ +++
b5 ompromiso de .enta de turbosina
F(: producir un mnimo de 1 2++ +++ !arriles de gasolina
0 : la produccin de 3tur!osina de crudo ligero , tur!osina de crudo pesado) de!e ser al menos 1 2++
+++ !arriles
F4: +)*@CL , +)1ECB I= 1 2++ +++
c5 ompromiso de .enta de >ueroseno
F(: producir un mnimo de >-+ +++ !arriles de ueroseno
0 : la produccin de 3ueroseno de crudo ligero , ueroseno de crudo pesado) de!e ser al menos >-+
+++ !arriles
F4: +)22CL , +)2ECB I= >-+ +++
CL y CB I= + y enteros
4inimizar 2@)+ CL , 2*)- CB
SuCeto a:
+)*-CL , +)>-CB I= =@+ +++
+)*@CL , +)1ECB I= 1 2++ +++
+)22CL , +)2ECB I= >-+ +++
CL y CB I= + y enteros
0onde
CL = el n8mero de de !arriles de crudo ligero a aduirir
CB = el n8mero de de !arriles de crudo pesado a aduirir
1.-.5. Pro*le%a de %eKcla de la To%as River C4e%icals
2
Costo = costo de 1 !arril de crudo 6 n8mero de !arriles de crudo a aduirir.
50
La Tomas River Chemicals nc., debe producir 1 000 lb de una mezcla especial para un cliente,
compuesta de los ingredientes AX1, AX2, AX. El ingrediente AX1 cuesta $ 7,0 la libra, el AX2
cuesta $ 6,9/lb y la AX3 $7,0/lb. No pueden usarse mas de 300 libras de AX1 y debe usarse por lo
menos 150 lb de AX2. Adems se requieren de por lo menos 200 lb de AX3.
Como la empresa desea minimizar los costos, formule un modelo matemtico para determinar la
cantidad de cada ingrediente que debe utilizar la empresa.
Soluci&nA
"71 = el n8mero de li!ras del ingrediente "71 a usarse para producir la mezcla
"7* = el n8mero de li!ras del ingrediente "7* a usarse para producir la mezcla
a) La empresa de!e producir 1 +++ l! de una mezcla especial
!) %l ingrediente "71 cuesta ; <)+ la li!ra
c) %l ingrediente "72 cuesta ; @)= la li!ra
d) %l ingrediente "7* cuesta ; <)+ la li!ra
e) /o puede usarse m5s de *++ l! del ingrediente "71
f) 0e!e usarse por lo menos 1-+ l! del ingrediente "72
g) Se reuiere por lo menos 2++ l! de "7*
F(: 4inimizar el costo de operacin de la empresa.
0 : 4inimizar 3costo del ingrediente "71 , costo del ingrediente "72 , costo del ingrediente "7*)
F4: 4inimizar < "71 , @)= "72 , < "7*
a) Broduccin
F(: La empresa de!e producir 1 +++ l! de una mezcla especial
0 : 3costo del ingrediente "71 , costo del ingrediente "72 , costo del ingrediente "7*) de!e ser al
menos 1 +++ l!
F4: "71 , "72 , "7* I= 1 +++
!) Lso del ingrediente "71
F(: /o puede usarse m5s de *++ l! del ingrediente "71
F4: "71 G= *++
c) Lso del ingrediente "72
F(: 0e!e usarse por lo menos 1-+ l! del ingrediente "72
d) Lso del ingrediente "7*
F(: Se reuiere por lo menos 2++ l! de "7*
e) #estricciones lgicas
4inimizar < "71 , @)= "72 , < "7*
SuCeto a:
"71 , "72 , "7* I= 1 +++
8-
"71 G= *++
"72 I= 1-+
"7* I= 2++
"71) "72 y "7* I= + y enteros
0onde
"7* = el n8mero de li!ras del ingrediente "7* a usarse para producir la mezcla
1./. Modelos de 'rogra%aci&n lineal 'ara decisiones de :a*ricaci&n o co%'ra
1./.-. Pro*le%a de 'lanea%iento de 'roducci&n de Ananea Gold Pu%'
Ananea Gold Pump Corporation tiene tres plantas sucursales con capacidades de produccin en
exceso. Las tres plantas tienen los elementos necesarios como para producir distintos tamaos de
bombas y el gerente ha decidido usar parte de la capacidad de produccin en exceso para este
fin. Las bombas pueden fabricarse en tres tamaos: grande, mediano y pequeo, que dan como
resultado una utilidad unitaria neta de $140, $120 y $100 respectivamente. Las plantas 1, 2 y 3
tienen la capacidad de mano de obra y equipo en exceso como para producir 750, 900 y 450
unidades a las semana de este producto, respectivamente, sin importar el tamao o combinacin
de tamaos que se aplique. Sin embargo el espacio de almacenamiento disponible para
productos en proceso tambin impone una limitacin sobre las tasas de produccin. Las plantas 1,
2 y 3 tienen 13000, 12000 y 5000 pies cuadrados de espacio de almacenamiento disponible para
productos en proceso, para una semana de produccin. Cada unidad de los tamaos grande,
mediano y pequeo producida por semana requiere de 20, 15 y 12 pies cuadrados
respectivamente.
Los pronsticos de venta indican que pueden venderse semanalmente 900, 1200 y 750 bombas
de los tamaos grande, mediano y pequeo.
Con el fin de mantener una carga uniforme de trabajo entre las plantas y conservar cierta
flexibilidad, el gerente ha decidido que la produccin adicional asignada a cada planta debe usar
el mismo porcentaje de la capacidad de mano de obra y equipo en exceso.
El gerente desea saber cunto debe producirse de cada uno de los tamaos en cada una de las
plantas para maximizar la utilidad.
!olucin
Bara resolver el pro!lema de!emos determinar el n8mero de !om!as de distinto tamaMo ue de!e
producir cada planta.
=C1 = %l n8mero de !om!as de tamaMo grande ue de!e producir la planta 1 en una semana.
=C2 = %l n8mero de !om!as de tamaMo grande ue de!e producir la planta 2 en una semana.
=C3 = %l n8mero de !om!as de tamaMo grande ue de!e producir la planta * en una semana.
=M1 = %l n8mero de !om!as de tamaMo mediano ue de!e producir la planta 1 en una semana.
=M2 = %l n8mero de !om!as de tamaMo mediano ue de!e producir la planta 2 en una semana.
=M3 = %l n8mero de !om!as de tamaMo mediano ue de!e producir la planta * en una semana.
=%1 = %l n8mero de !om!as de tamaMo peueMo ue de!e producir la planta 1 en una semana.
=%2 = %l n8mero de !om!as de tamaMo peueMo ue de!e producir la planta 2 en una semana.
=%3 = %l n8mero de !om!as de tamaMo peueMo ue de!e producir la planta * en una semana.
(ombas ,tilidad #spacio de Demanda
52
,nitaria *eta
DE5
)lmacenamient
o Dpies
cuadrados5
!emanal
D,nd5
2rande 1>+ 2+ =++
4ediana 12+ 1- 12++
BeueMa 1++ 12 <-+
%lanta de
%roduccin
apacidad de
%roduccin
D,nd5
#spacio de
)lmacenamient
o Dpies
cuadrados5
1 <-+ 1*+++
2 =++ 12+++
* >-+ -+++
La produccin adicional asignada a cada planta de!e usar el mismo porcentaCe de la capacidad de
mano de o!ra y euipo en e6ceso.
F(: 4a6imizar la utilidad o!tenida por la venta de !om!as de distinto tamaMo.
0: 4a6imizar 3utilidad o!tenida por la venta de !om!as grandes producidas en las plantas de
produccin 1)2 y * , utilidad o!tenida por la venta de !om!as mediana producidas en las plantas de
produccin 1)2 y * + utilidad o!tenida por la venta de !om!as peueMas producidas en las plantas de
produccin 1)2 y *)
F4: 4a6imizar 1>+ 3721 , 722 + 72*) , 12+3741 , 742 + 74*) , 1++37B1 , 7B2 + 7B*)
a5 apacidad de produccin de la planta 1
F(: La capacidad de produccin de !om!as de la planta 1 es de <-+ unidades.
0: La produccin de !om!as grandes , La produccin de !om!as medianas , La produccin de
!om!as peueMas es de <-+ unidades.
F4: 721 + 741 + 7B1 G= <-+
0e manera similar en las plantas 2 y *:
722 + 742 + 7B2 G= =++
72* + 74* + 7B* G= >-+
b5 apacidad del espacio de almacenamiento de la planta 1
F(: %l espacio de almacenamiento disponi!le para productos en proceso de la planta 1 es de 1*+++
pies cuadrados.
0: %l espacio de almacenamiento disponi!le para 3!om!as grandes en proceso , !om!as medianas
en proceso , !om!as peueMas en proceso) de la planta 1 es de 1*+++ pies cuadrados.
F4: 2+721 + 1-741 + 127B1 G= 1*+++
0e manera similar en las plantas 2 y *:
2+722 + 1-742 + 12 7B2 G= 12+++
2+72* + 1-74* + 127B* G= -+++
c5 Demanda del mercado de la bomba de tamaFo 9rande
81
F(: Los pronsticos de venta indican ue pueden venderse semanalmente =++ !om!as de tamaMo
grande.
0: Las 3!om!as grandes producidas en la planta 1 , !om!as grandes producidas en la planta 1 ,
!om!as grandes producidas en la planta 1) ue pueden venderse semanalmente es de =++ unidades.
F4: 721 + 722 + 72* G= =++
0e manera similar en las !om!as medianas y peueMas:
741 + 742 + 74* G= 12++
7B1 + 7B2 + 7B* G= <-+
d5 ondicin de la 9erencia
F(: la produccin adicional asignada a cada planta de!e usar el mismo porcentaCe de la capacidad de
mano de o!ra y euipo en e6ceso.
F4:
=++721 ,=++ 741 +900 7B1 - <-+722 H <-+742 - 7507B2 = 0
0e manera similar en las produccin de las plantas 1 y *) 2 y *.
>-+721 , >-+741 + 4507B1 - <-+72* H <-+74* - 7507B* = 0
=++72* ,=++ 74* +900 7B* - >-+722 H >-+742 - 4507B2 = 0
721 ) 722 ) 72* , 741 ) 742 ), 74* ) 7B1 ) 7B2 ) 7B*I= + y enteros
4a6imizar 1>+ 3721 , 722 , 72*) , 12+3741 , 742 , 74*) , 1++37B1 , 7B2 , 7B*)
SuCeto a:
721 , 741 , 7B1 G= <-+
722 , 742 , 7B2 G= =++
72* , 74* , 7B* G= >-+
2+721 , 1-741 , 127B1 G= 1*+++
2+722 , 1-742 , 12 7B2 G= 12+++
2+72* , 1-74* , 127B* G= -+++
721 , 722 , 72* G= =++
741 , 742 , 74* G= 12++
7B1 , 7B2 , 7B* G= <-+
=++721 ,=++ 741 ,=++ 7B1 H <-+722 H <-+742 H <-+7B2 = +
>-+721 , >-+741 , >-+7B1 H <-+72* H <-+74* H <-+7B* = +
=++72* ,=++ 74* ,=++ 7B* H >-+722 H >-+742 H >-+7B2 = +
721) 722) 72*) 741) 742) 74*) 7B1) 7B2) y 7B* I= + y enteros
0onde:
721 = %l n8mero de !om!as de tamaMo grande ue de!e producir la planta 1 en una semana.
722 = %l n8mero de !om!as de tamaMo grande ue de!e producir la planta 2 en una semana.
72* = %l n8mero de !om!as de tamaMo grande ue de!e producir la planta * en una semana.
741 = %l n8mero de !om!as de tamaMo mediano ue de!e producir la planta 1 en una semana.
742 = %l n8mero de !om!as de tamaMo mediano ue de!e producir la planta 2 en una semana.
74* = %l n8mero de !om!as de tamaMo mediano ue de!e producir la planta * en una semana.
7B1 = %l n8mero de !om!as de tamaMo peueMo ue de!e producir la planta 1 en una semana.
54
7B2 = %l n8mero de !om!as de tamaMo peueMo ue de!e producir la planta 2 en una semana.
7B* = %l n8mero de !om!as de tamaMo peueMo ue de!e producir la planta * en una semana.
1././. Pro*le%a de co%'ra de eIui'o %ilitar
El gobierno ha dispuesto $ 1500 millones de dlares de su presupuesto general para fines
militares. Sesenta por ciento del presupuesto militar se utilizara para comprar tanques, aviones y
proyectiles. Estos pueden adquirirse a un costo por unidad de $ 600000, $ 2 millones y $ 800000,
respectivamente. Se ha decidido que se deben adquirir al menos 200 tanques y 200 aviones.
Debido a la escasez de pilotos experimentados, tambin se ha decidido no comprar ms de 300
aviones. Por razones estratgicas, la proporcin de proyectiles a aviones comprados debe estar
en el rango de a . El objetivo es maximizar la utilidad total de estas armas, en donde las
utilidades individuales estn dadas como 1, 3 y 2, respectivamente. Formular el programa lineal.
Soluci&nA
$ = /8mero de tanues a aduirir
"= /8mero de aviones a aduirir
B= /8mero de proyectiles a aduirir
El gobierno dispone de $ 1500 millones de dlares de su presupuesto general para fines
militares.
Sesenta por ciento del presupuesto militar se utilizara para comprar tanques, aviones y
proyectiles. = 0.60 x $ 1500 millones = $ 900 millones
Los tanques cuestan por unidad $ 600000.
Los aviones cuestan $ 2 millones cada uno.
Los misiles 800000 cada uno.
Se ha decidido que se deben adquirir al menos 200 tanques y 200 aviones.
Debido a la escasez de pilotos experimentados, tambin se ha decidido no comprar ms de
300 aviones.
Por razones estratgicas, la proporcin de proyectiles a aviones comprados debe estar en el
rango de a .
El objetivo es maximizar la utilidad total de estas armas, en donde las utilidades individuales
estn dadas como 1, 3 y 2, respectivamente.
F(: 4a6imizar la utilidad de las armas ue se piensa aduirir.
0: 4a6imizar 3utilidad de tanues , utilidad de aviones , utilidad de misiles)
F4: 4a6imizar 1 6 $ , * 6 " ,2 6 B
4a6imizar $ , *" , 2B
a5 Disponibilidad de presupuesto
F(: %l go!ierno utilizara ; =++ millones para aduirir tanues) aviones y proyectiles.
0: 3compra de tanues , compra de aviones , compra de misiles) es menor o igual a =++ millones.
F4: +.@$ , 2" , +.EB G= =++
b5 %referencia de tan>ues
88
F(: %l go!ierno de!e aduirir al menos 2++ tanues.
F4: $ I= 2++
c5 %referencia de a.iones
F(: %l go!ierno de!e aduirir al menos 2++ aviones.
F4: " I= 2++
d5 Disponibilidad de pilotos
F(: 0e!ido a la escasez de pilotos e6perimentados el go!ierno no de!e aduirir m5s de *++ aviones.
F4: " G= *++
e5 Ra7ones estrat@9icas
F(: La proporcin de proyectiles a aviones comprados de!e estar en el rango de V a W..
F4: 1?> = B?" = W
0e donde tenemos:
>B F " I= +
2B F " G= +
f5 Restricciones l9icas
$) " y B I= +
4a6imizar $ , *" , 2B
SuCeto a:
+.@$ , 2" , +.EB G= =++
$ I= 2++
" I= 2++
" G= *++
>B F " I= +
2B F " G= +
$) " y B I= +
Donde
$ = /8mero de tanues a aduirir
"= /8mero de aviones a aduirir
B= /8mero de proyectiles a aduirir
1.1. Modelos de 'rogra%aci&n lineal 'ara decisiones de 'roducci&n
1.1.-. Pro*le%a de 'roducci&n de energ+a del de'arta%ento de energ+a del ParaguaJ
El departamento de energa de Paraguay actualmente est en el proceso de desarrollar un plan
nacional de energa para el ao 2009. Paraguay puede generar energa de cualquiera de cinco
fuentes: carbn, gas natural, materiales nucleares, proyectos hidroelctricos y petrleo. Los datos
sobre los recursos de energa, las capacidades de generacin medidas en megawatt-horas (MW-
hr, y los costos unitarios de generacin se dan en la tabla 1.
Tabla 1. Capacidades de generacin y costos
Fuente de Energa Capacidad Total
(MW-hr)
Costo de Generacin
($/MW-hr)
Carbn 45 000 6,0
Gas natural 15 000 5,5
56
Nuclear 45 000 4,5
Hidroelctrica 24 000 5,0
Petrleo 48 000 7,0
Paraguay necesita 50 000 MW-hr de energa de uso domestico, y el pas tiene un compromiso
para producir 10 000 MW-hr para la exportacin. Ms aun, a fin de conservar los recursos de
energa y proteger el ambiente, el gobierno ha aprobado las siguientes regulaciones.
1. La generacin proveniente de materiales nucleares no debe exceder 20% de la energa
total generada por Paraguay.
2. Debe utilizarse al menos 80% de las capacidades de la plantas de carbn
3. Los efluentes que salen a la atmsfera no deben exceder los lmites especificados en la
tabla 2.
4. la cantidad de energa generada a partir del gas natural debe ser al menos 30% de la
generada a partir del petrleo.
Tabla 2. Datos de contaminacin en la generacin de energa
Fuente de
Energa
Contaminante (g/MW-hr)
Dixido de
Azufre
Monxido de
Carbono
Partculas de
Polvo
Desechos
slidos
Carbn 1,5 1,2 0,7 0,4
Gas natural 0,2 0,5 - -
Nuclear - 0,1 0,2 0,7
Hidroelctrica - - - -
Petrleo 0,4 0,8 0,5 0,1
Kg mximos
permitidos
75 60 30 25
Formule el modelo matemtico correspondiente.
Soluci&nA
C = el n8mero de 4XH9 generados con car!n
2 = el n8mero de 4XH9 generados con gas natural
/ = el n8mero de 4XH9 generados con material nuclear.
P = el n8mero de 4XH9 generados con proyectos 9idroelQctricos.
B = el n8mero de 4XH9 generados con petrleo.
a) 0emanda de energa:
Consumo domestico: -+ +++ 4XH9r
%6portacin: 1+ +++ 4XH9
$otal: @+ +++ 4XH9r
!) La generacin de energa por plantas nucleares no de!e e6ceder el 2+A de la energa total
generada.
2+A de @+ +++ 4XH9r = 12 +++ 4XH9r
c) Se de!e utilizar al menos E+A de la capacidad de las plantas de car!n.
E+A de >- +++ 4XH9r = *@ +++ 4XH9r
8;
d) La cantidad de generada a partir del gas natural de!e ser al menos *+A de la generada a partir del
petrleo.
e) Capacidades de generacin y costos:
Fuente de %nerga Capacidad $otal
34XH9r)
Costo de 2eneracin
3;?4XH9r)
Car!n >- +++ @)+
2as natural 1- +++ -)-
/uclear >- +++ >)-
PidroelQctrica 2> +++ -)+
Betrleo >E +++ <)+
f) 'nformacin de contaminacin durante la generacin de energa:
Fuente de
%nerga
Contaminante 3g?4XH9r)
0i6ido de
"zufre
4on6ido de
Car!ono
Bartculas de
Bolvo
0esec9os slidos
Car!n 1)- 1)2 +)< +)>
2as natural +)2 +)- H H
/uclear H +)1 +)2 +)<
PidroelQctrica H H H H
Betrleo +)> +)E +)- +)1
Tg m56imos
permitidos
<- @+ *+ 2-
F(: 4inimizar los costos de generacin de energa
0 : 4inimizar 3los costos de generacin de energa con car!n , los costos de generacin de energa
con gas natural , los costos de generacin de energa con material nuclear , los costos de
generacin de energa con 9idroelQctricas , los costos de generacin de energa con petrleo )
F4: 4inimizar @)+C , -)-2 , >)-/, -)+P, <)+B
/ota: Costo de generacin = Costo unitario de generacin 6 /Y de 4XH9r generados.
a5 Demanda de #ner96a
F(: la produccin de energa de!e ser igual a @+ +++ 4XH9r
0 : 3generacin de energa con car!n , generacin de energa con gas natural , generacin de
energa con material nuclear , generacin de energa con 9idroelQctricas , generacin de energa
con petrleo ) de!e ser igual a @+ +++ 4XH9r
F4: C , 2 , / , P , B = @+ +++
b5 apacidad total de 9eneracin de ener96a con carbn
F(: La capacidad total de generacin de energa con car!n no de!e e6ceder >- +++ 4XH9r
F4: C G= >- +++
c5 apacidad total de 9eneracin de ener96a con 9as, material nuclear, ?idroel@ctricas y
petrleo
Capacidad total de generacin de energa con gas
F4: 2 G= 1- +++
Capacidad total de generacin de energa con material nuclear
58
F4: / G= >- +++
Capacidad total de generacin de energa con 9idroelQctricas
F4: P G= 2> +++
Capacidad total de generacin de energa petrleo
F4: B G= >E +++
d5 Ceneracin de ener96a en plantas nucleares
F(: La generacin de energa por plantas nucleares no de!e e6ceder el 2+A de la energa total
generada
0 : La generacin de energa por plantas nucleares no de!e e6ceder el 2+A de @+ +++ 4XH9r
F4: / G= 12 +++
e5 Ceneracin de ener96a en plantas de carbn
F(: Se de!e utilizar al menos E+A de la capacidad de las plantas de car!n
0 : La generacin de energa por plantas de car!n de!e ser mayor del E+A de >- +++ 4XH9r
F4: C I= *@ +++
f5 Ceneracin de ener96a en plantas de 9as natural
F(: La cantidad de energa generada a partir del gas natural de!e ser al menos *+A de la energa
generada a partir del petrleo.
F4: 2 I= +)*B
2 F +)*B I= +
95 &imite m8imo permisible de Di8ido de )7ufre
F(: La cantidad total de di6ido de azufre emitido por la generacin de energa no de!e ser mayor de
<- Dg.
0 : 3La cantidad de di6ido de azufre emitido por las plantas de car!n , La cantidad de di6ido de
azufre emitido por las plantas de gas natural , La cantidad de di6ido de azufre emitido por las
plantas nucleares , La cantidad de di6ido de azufre emitido por las 9idroelQctricas , La cantidad
de di6ido de azufre emitido por las plantas de petrleo) no de!e ser mayor de <- Dg
F4: 1)-C , +)22 , +)>B G= <- +++
/ota: se uniformizan las unidades a am!os lados 3 1 +++ g = 1 Dg)
?5 &imite m8imo permisible de mon8ido de carbono, part6culas de pol.o y desec?os slidos
Limite m56imo permisi!le de mon6ido de car!ono
1)2C , +)-2 ,+)1/ , +)EB G= @+ +++
Limite m56imo permisi!le de partculas de polvo
+)<C , +)2/ , +)-B G= *+ +++
Limite m56imo permisi!le de desec9os slidos
+)>C , +)</ , +)1B G=2- +++
i5 Restricciones l9icas
C) 2) /) P yB I= + y enteros.
4inimizar @)+C , -)-2 , >)-/, -)+P, <)+B
SuCeto a:
C , 2 , / , P , B = @+ +++
C G= >- +++
2 G= 1- +++
8C
/ G= >- +++
P G= 2> +++
B G= >E +++
/ G= 12 +++
C I= *@ +++
2 F +)*B I= +
1)-C , +)22 , +)>B G= <- +++
1)2C , +)-2 ,+)1/ , +)EB G= @+ +++
+)<C , +)2/ , +)-B G= *+ +++
+)>C , +)</ , +)1B G=2- +++
C) 2) /) P yB I= + y enteros.
0onde
C = el n8mero de 4XH9 generados con car!n
2 = el n8mero de 4XH9 generados con gas natural
/ = el n8mero de 4XH9 generados con material nuclear.
P = el n8mero de 4XH9 generados con proyectos 9idroelQctricos.
B = el n8mero de 4XH9 generados con petrleo.
1.1./. Pro*le%a de 'lanea%iento de 'roducci&n de acero
Un fabricante de acero produce 4 tamaos de vigas de tipo en: pequeo, mediano, grande y
extra grande. Estas vigas se pueden producir en cualquiera de tres tipos de mquinas: M1, M2 y
M3. A continuacin se indican las longitudes (en pies) de las vigas que pueden producir las
mquinas por hora:
Viga
Mquina
M1 M2 M3
Pequea 300 600 800
Mediana 250 400 700
Larga 200 350 600
Extra Larga 100 200 300
Supngase que cada maquina se puede usar hasta 50 horas por semana y que los costos de
operacin por hora de estas maquinas son $30, $50 y $80 respectivamente. Supngase, adems,
que semanalmente se requieren 10 000, 8 000, 6 000 y 6 000 pies de los distintos tamaos de las
vigas .
Formular un modelo matemtico para el problema de programacin de las maquinas.
Soluci&nA
B1 = /8mero de pies de vigas peueMas producidas por la m5uina 1
B* = /8mero de pies de vigas peueMas producidas por la m5uina *
41 = /8mero de pies de vigas medianas producidas por la m5uina 1
4* = /8mero de pies de vigas medianas producidas por la m5uina *
L1 = /8mero de pies de vigas largas producidas por la m5uina 1
60
L* = /8mero de pies de vigas largas producidas por la m5uina *
%L1 = /8mero de pies de vigas e6tra largas producidas por la m5uina 1
%L* = /8mero de pies de vigas e6tra largas producidas por la m5uina *
e) 0isponi!ilidad de cada m5uina: -+ 9oras por semana
f) Costo 9orario de operacin de la m5uina 1: ; *+)+
g) Costo 9orario de operacin de la m5uina 2: ; -+)+
9) Costo 9orario de operacin de la m5uina *: ; E+)+
i) 0emanda de vigas peueMas: 1+ +++ pies por semana
C) 0emanda de vigas medianas: E +++ pies por semana
D) 0emanda de vigas grandes: @ +++ pies por semana
l) 0emanda de vigas e6tra grandes: @ +++ pies por semana
m) Broduccin 9oraria de las m5uinas
(iga
45uina
41 42 4*
BeueMa *++ @++ E++
4ediana 2-+ >++ <++
Larga 2++ *-+ @++
%6tra Larga 1++ 2++ *++
F(: 4inimizar el costo de operacin de las m5uinas
0 : 4inimizar 3costo de operacin de la m5uina 1 , costo de operacin de la m5uina 2 , costo de
operacin de la m5uina *)
4inimizar 3costo de produccin de vigas peueMas por la m5uina 1 , costo de produccin de vigas
medianas por la m5uina 1 , costo de produccin de vigas largas por la m5uina 1 , costo de
produccin de vigas e6tra largas por la m5uina 1 , costo de produccin de vigas peueMas por la
m5uina 2 , costo de produccin de vigas medianas por la m5uina 2 , costo de produccin de
vigas largas por la m5uina 2 , costo de produccin de vigas e6tra largas por la m5uina 2 , costo
de produccin de vigas peueMas por la m5uina * , costo de produccin de vigas medianas por la
m5uina * , costo de produccin de vigas largas por la m5uina * , costo de produccin de vigas
e6tra largas por la m5uina *)
F4:
,
_
+ + + +
,
_
+ + + +
,
_
+ + +
3;;
3
5;;
3
A;;
3
B;;
3
B;
2;;
2
32;
2
0;;
2
5;;
2
2;
1;;
1
2;;
1
22;
1
3;;
1
3; .
EL L M P EL L M P EL L M P
Minimizar
4inimizar +)1 B1 , +)12 41 , +)1- L1 , +)* %L1 , +)+E* B2 , +)12- 42 , +)1>* L2 ,+)2- %L2 ,
+)1 B* ,+)11> 4* ,+)1** L* ,+)2@< %L*
e5 Disponibilidad de la m>uina 1
F(: La disponi!ilidad de la m5uina 1 es de -+ 9oras
0: 39oras de produccin de vigas peueMas , 9oras de produccin de vigas medianas , 9oras de
produccin de vigas grandes , 9oras de produccin de e6tra grandes) es de -+ 9oras
H-
F4: 2;
1;;
1
2;;
1
22;
1
3;;
1
+ + +
EL L M P
*)** B1 , > 41 , - L1 , 1+ %L1 G= -+ +++
f5 Disponibilidad de la m>uina 2
1)@< B2 , 2)- 42 , 2)E@ L2 , - %L2 G= -+ +++
95 Disponibilidad de la m>uina 3
1)2- B* , 1)>* 4* , 1)@< L* ,*)** % * G= -+ +++
?5 Demanda semanal de .i9as pe>ueFas
F(: La demanda semanal de vigas peueMas es de 1+ +++ pies
0: 3la produccin de vigas peueMas de la m5uina 1 , la produccin de vigas peueMas de la
m5uina 2 , la produccin de vigas peueMas de la m5uina *) es de 1+ +++ pies
F4: B1 , B2 , B* I= 1+ +++
i5 Demanda semanal de .i9as medianas
41 ,42 ,4* I= E +++
/5 Demanda semanal de .i9as lar9as
L1 ,L2 ,L* I= @ +++
<5 Demanda semanal de .i9as e8tra lar9as
%L1 ,%L2 ,%L* I= @ +++
l5 Restricciones l9icas
B1) B2) B*) 41) 42) 4*) L1)L2) L*) %L1) %L2 y %L* I= +
4inimizar +)1 B1 , +)12 41 , +)1- L1 , +)* %L1 , +)+E* B2 , +)12- 42 , +)1>* L2 ,+)2- %L2 ,
+)1 B* ,+)11> 4* ,+)1** L* ,+)2@< %L*
SuCeto a:
*)** B1 , > 41 , - L1 , 1+ %L1 G= -+ +++
1)@< B2 , 2)- 42 , 2)E@ L2 , - %L2 G= -+ +++
1)2- B* , 1)>* 4* , 1)@< L* ,*)** % * G= -+ +++
B1 , B2 , B* I= 1+ +++
41 ,42 ,4* I= E +++
L1 ,L2 ,L* I= @ +++
%L1 ,%L2 ,%L* I= @ +++
B1) B2) B*) 41) 42) 4*) L1)L2) L*) %L1) %L2 y %L* I= +
Donde
B* = /8mero de pies de vigas peueMas producidas por la m5uina *
62
4* = /8mero de pies de vigas medianas producidas por la m5uina *
L* = /8mero de pies de vigas largas producidas por la m5uina *
%L* = /8mero de pies de vigas e6tra largas producidas por la m5uina *
1.1.1. Pro*le%a de %eKcla de %ineral
Una pequea compaa minera produce mineral en dos tajeos. El mineral del tajeo A contiene
una ley promedio de 6 onz/ton de plata y 0,36% de arsnico y proporciona una utilidad de 4,30
$/ton, el mineral del tajeo B tiene una ley promedio de 3,5 onz/ton de plata y 0,65 % de arsnico,
con una utilidad de 5,0 $/ton.
La fundicin requiere que el contenido de arsnico promedio del mineral enviado no puede
exceder de 0,5%; el sistema de transporte de la mina hace imposible cargar ms de 400 ton/da y
la planta concentradora, indica que la ley de cabeza de plata debe ser al menos 4,0 onz/ton.
Su objetivo, como Superintendente de mina es optimizar las utilidades por da. Formule un
modelo matemtico con dicho fin.
Soluci&nA
" = el n8mero de toneladas de mineral a e6traer del $aCeo " por da
O = el n8mero de toneladas de mineral a e6traer del $aCeo O por da
a) Broduccin por taCeo
Ley de "g 3onz?ton) Ley de "s 3A) Ltilidad 3;?ton)
$aCeo " @)+ +)*@ >)*
$aCeo O *)- +)@- -)+
!) Contenido m56imo de arsQnico del mineral enviado a la fundicin: +)-A
c) Capacidad del sistema de transporte: >++ ton?da
d) Ley minima de ca!eza de planta: >)+ onz "g?ton
F(: 4a6imizar las utilidades de la empresa.
0 : 4a6imizar 3utilidades o!tenidas del mineral e6trado del $aCeo " , utilidades o!tenidas del mineral
e6trado del $aCeo O)
F4: 4a6imizar >)* " ,-)+ O
a5 ontenido de ars@nico en.iado a la fundicin
F(: %l contenido m56imo de arsQnico del mineral enviado a la fundicin es de: +)-Z
0 : 33 el contenido de arsQnico en el mineral e6trado del $aCeo " , el contenido de arsQnico en el
mineral e6trado del $aCeo O)? 3tonelaCe de mineral e6trado del $aCeo " , tonelaCe de mineral
e6trado del $aCeo O)) de!e ser menor al -A
H1
2 1 ;
52 1 ; 35 1 ;
1
]
1
+
+
B A
B A
F4: H1> " , 1-O G= +
b5 &ey de cabe7a de plata de la planta concentradora
F(: la ley de ca!eza de plata de la planta concentradora de!e ser al menos > onz?ton
0 : 33 el contenido de plata en el mineral e6trado del $aCeo " , el contenido de plata en el mineral
e6trado del $aCeo O)? 3tonelaCe de mineral e6trado del $aCeo " , tonelaCe de mineral e6trado del
$aCeo O)) de!e ser mayor de > onz?ton
; 1 0
2 1 3 ; 1 5
1
]
1
+
+
B A
B A
F4: 2 " F +)- O I= +
c5 apacidad de transporte
F(: %l sistema de transporte de la mina 9ace imposi!le transportar m5s de >++ ton por da
0: 3el mineral e6trado del $aCeo " , el mineral e6trado del $aCeo O) de!e ser un m56imo de >++ ton
por da
F4: " , O G= >++
" y O I= +
4a6imizar >)* " ,-)+ O
SuCeto a:
H1> " , 1-O G= +
2 " F +)- O I= +
" y O I= +
0onde
" = el n8mero de toneladas de mineral a e6traer del $aCeo " por da
O = el n8mero de toneladas de mineral a e6traer del $aCeo O por da
1.1.5. Pro*le%a de eGtracci&n de %ineral
Una compaa extrae tres tipos de mineral en tres pozos distintos. Para esto cuenta con tres
equipos de las siguientes caractersticas:
Capacidad de trabajo (rendimiento) en Ton/da
Equipo Pozos Das de mantenimiento
por mes (30 das)
P1 P2 P3
E1 90 70 78 5
E2 65 80 65 2
E3 50 70 85 2
Por compromisos adquiridos anteriormente, debe arrendarse otro equipo de las siguientes
caractersticas
Equipo Pozos Das de mantenimiento
por mes (30 das)
P1 P2 P3
64
E4 90 72 58 1
que est disponible los 30 das del mes, pero no se arrienda por menos de 10 das/mes.
La empresa que recibe el material admite las capacidades siguientes:
Mineral Pozo P1 2500 Ton/mes
Los costos de operacin que tiene cada equipo estn en el cuadro siguiente ($/da):
Equipo Pozos
P1 P2 P3
E1 12 25 22
E2 4 17 20
E3 9 20 21
E4 15 30 25
Los gastos de salario y jornales de la mano de obra asociada a cada equipo son:
Equipo E1 E2 E3 E4
($/dia) 20 35 30 40
Suponiendo que los pozos deben explotarse los 30 das del mes, plantee el problema de
programacin lineal, de manera que el programa de explotacin produzca mximas utilidades.
Soluci&nA
%1B1 = el n8mero de das de tra!aCo durante 1 mes del euipo 1 en el pozo 1.
%1B* = el n8mero de das de tra!aCo durante 1 mes del euipo 1 en el pozo *.
%*B1 = el n8mero de das de tra!aCo durante 1 mes del euipo * en el pozo 1.
%*B* = el n8mero de das de tra!aCo durante 1 mes del euipo * en el pozo *.
%>B1 = el n8mero de das de tra!aCo durante 1 mes del euipo > en el pozo 1.
%>B* = el n8mero de das de tra!aCo durante 1 mes del euipo > en el pozo *.
a) #endimiento diario de los euipos:
%uipo Bozos 0as de mantenimiento
por mes 3*+ das)
B1 B2 B*
%1 =+ <+ <E -
%2 @- E+ @- 2
%* -+ <+ E- 2
%> =+ <2 -E 1
H8
!) Broduccin mensual del pozo 1: 2-++ton.
c) Broduccin mensual del pozo 2: 2*++ton.
d) Broduccin mensual del pozo *: 22-+ton.
e) Costo de operacin total de los euipos 3;)
%uipo Bozos
B1 B2 B*
%1 *2 >- >2
%2 *= -2 --
%* *= -+ -1
%> -- <+ @-
F(: 4inimizar el costo de operacin de los euipos utilizados en la e6traccin de mineral.
0 : 4inimizar 3costo de euipo 1 , costo de euipo 2 , costo de euipo * , costo de euipo>)
F4: 4inimizar *2%1B1 , >-%1B2 , >2%1B* , *=%2B1 , -2%2B2 , --%2B* , *=%*B1 , -+%*B2 ,
-1%*B* , --%>B1 , <+%>B2 , @-%>B*
a5 produccin de mineral del po7o 1
F(: La produccin de mineral del pozo 1 de!e ser de 2-++ ton?mes
0 : 3produccin de mineral con el euipo 1 , produccin de mineral con el euipo 2 , produccin de
mineral con el euipo * , produccin de mineral con el euipo >) de!e ser 2-++ ton?mes
F4: =+%1B1 , @-%2B1 , -+%*B1 ,=+%>B1 = 2-++
b5 produccin de mineral del po7o 2
F(: La produccin de mineral del pozo 2 de!e ser de 2*++ ton?mes
mineral con el euipo * , produccin de mineral con el euipo >) de!e ser 2*++ ton?mes
F4: <+%1B2 , E+%2B2 , <+%*B2 ,<2%>B2 = 2*++
c5 produccin de mineral del po7o 3
F(: La produccin de mineral del pozo 1 de!e ser de 22-+ ton?mes
mineral con el euipo * , produccin de mineral con el euipo >) de!e ser 22-+ ton?mes
F4: <E%1B* , @-%2B* , E-%*B* ,-E%>B* = 22-+
d5 D6as efecti.os de traba/o de la m>uina 1
F(: la m5uina 1 tra!aCa 2- das efectivos mensualmente.
0 : 3das de tra!aCo de la m5uina 1 en el pozo 1 , das de tra!aCo de la m5uina 1 en el pozo 2,
das de tra!aCo de la m5uina 1 en el pozo *) de!e ser menor de 2- das.
F4: %1B1 , %1B2 , %1B* G= 2-
e5 D6as efecti.os de traba/o de la m>uina 2
F(: la m5uina 2tra!aCa 2Eas efectivos mensualmente.
0 : 3das de tra!aCo de la m5uina 2en el pozo 1 , das de tra!aCo de la m5uina 2en el pozo 2, das
de tra!aCo de la m5uina 2en el pozo *) de!e ser menor de 2Eas.
F4: %2B1 , %2B2 , %2B* G= 2E
f5 D6as efecti.os de traba/o de la m>uina 3
F(: la m5uina * tra!aCa 2E das efectivos mensualmente.
66
0 : 3das de tra!aCo de la m5uina * en el pozo 1 , das de tra!aCo de la m5uina * en el pozo 2,
das de tra!aCo de la m5uina * en el pozo *) de!e ser menor de 2E das.
F4: %*B1 , %*B2 , %*B* G= 2E
95 D6as efecti.os de traba/o de la m>uina 4
F(: la m5uina > tra!aCa 2= das efectivos mensualmente.
0 : 3das de tra!aCo de la m5uina > en el pozo 1 , das de tra!aCo de la m5uina > en el pozo 2,
das de tra!aCo de la m5uina > en el pozo *) de!e ser menor de 2= das.
F4: %>B1 , %>B2 , %>B* G= 2=
?5 D6as m6nimos de traba/o de la m>uina 4
F(: la m5uina > de!e tra!aCar minimamente 1+ das mensualmente.
0 : 3das de tra!aCo de la m5uina > en el pozo 1 , das de tra!aCo de la m5uina > en el pozo 2,
das de tra!aCo de la m5uina > en el pozo *) de!e ser al menos 1+ das.
F4: %>B1 , %>B2 , %>B* I=1+
i5 D6as de traba/o en el po7o 1
F(: %l pozo 1 de!e tra!aCar *+ das mensualmente
0 : 3das de tra!aCo de la m5uina 1 en el pozo 1 , das de tra!aCo de la m5uina 2 en el pozo 1 ,
das de tra!aCo de la m5uina * en el pozo 1 , das de tra!aCo de la m5uina > en el pozo 1) de!e
ser *+ das.
F4: %1B1 , %2B1 , %*B1 , %>B1 = *+
/5 D6as de traba/o en el po7o 2
F(: %l pozo 2 de!e tra!aCar *+ das mensualmente
0 : 3das de tra!aCo de la m5uina 1 en el pozo 2 , das de tra!aCo de la m5uina 2 en el pozo 2 ,
das de tra!aCo de la m5uina * en el pozo 2 , das de tra!aCo de la m5uina > en el pozo 2) de!e
ser *+ das.
F4: %1B2 , %2B2 , %*B2 , %>B2 = *+
<5 D6as de traba/o en el po7o 3
F(: %l pozo * de!e tra!aCar *+ das mensualmente
0 : 3das de tra!aCo de la m5uina 1 en el pozo * , das de tra!aCo de la m5uina 2 en el pozo * ,
das de tra!aCo de la m5uina * en el pozo * , das de tra!aCo de la m5uina > en el pozo *) de!e
ser *+ das.
F4: %1B* , %2B* , %*B* , %>B* = *+
l5 Restricciones l9icas
%1B1) %1B2) %1B*) %2B1) %2B2) %2B*) %*B1) %*B2) %*B*) %>B1) %>B2 y %>B* I= + y enteros
4inimizar *2%1B1 , >-%1B2 , >2%1B* , *=%2B1 , -2%2B2 , --%2B* , *=%*B1 , -+%*B2 , -1%*B*
, --%>B1 , <+%>B2 , @-%>B*
SuCeto a:
=+%1B1 , @-%2B1 , -+%*B1 ,=+%>B1 = 2-++
<+%1B2 , E+%2B2 , <+%*B2 ,<2%>B2 = 2*++
<E%1B* , @-%2B* , E-%*B* ,-E%>B* = 22-+
%1B1 , %1B2 , %1B* G= 2-
%2B1 , %2B2 , %2B* G= 2E
%*B1 , %*B2 , %*B* G= 2E
%>B1 , %>B2 , %>B* G= 2=
%>B1 , %>B2 , %>B* I=1+
%1B1 , %2B1 , %*B1 , %>B1 = *+
H;
%1B2 , %2B2 , %*B2 , %>B2 = *+
%1B* , %2B* , %*B* , %>B* = *+
%1B1) %1B2) %1B*) %2B1) %2B2) %2B*) %*B1) %*B2) %*B*) %>B1) %>B2 y %>B* I= + y enteros
0onde
%*B* = el n8mero de das de tra!aCo durante 1 mes del euipo * en el pozo *.
%>B* = el n8mero de das de tra!aCo durante 1 mes del euipo > en el pozo *.
1.1.8. Pro*le%a de 'roducci&n de la co%'aF+a Guantes de Acero Co.
La compaa Cueros de Acero Co. produce guantes y correas de seguridad para minera. La
materia prima para los guantes cuesta S/. 2,0 por unidad, mientras que la materia prima para
cada correa de seguridad cuesta 2,5. Una correa de seguridad requiere dos horas de maquina de
obra en el departamento 1 y tres horas en el departamento 2. Mientras que un guante requiere
cuatro horas en el departamento 1 y dos horas en el departamento 2. El jornal por hora en ambos
departamentos es de S/. 2,0. Ambos productos se venden a S/. 18,0 y el nmero de horas de
mano de hora disponibles por semana en los departamentos es de 160 y 180 horas
respectivamente, Como gerente de produccin determine la produccin ptima de la compaa.
Soluci&nA
a( Eor%ulaci&n del %odelo %ate%,tico
2 = %l n8mero de pares de guantes producido..
C= %l n8mero de unidades de correas producidos.
a) Ltilidades producto de la venta de guantes
Ltilidad = Costo de venta F Costo de produccin
Ltilidad = Costo de venta F 3costo de materia prima , costo de mauina 1 , costo de mauina 2)
Ltilidad = Costo de venta F 3costo de materia prima , costo unitario de mauina 1 6 9oras utilizadas
de mauina 1 , costo unitario de mauina 2 6 9oras utilizadas de mauina 2)
Ltilidad = S?. 1E)+ F 3S?.2)+ , 2)+ S?.?9 6 >9 , 2)+ S?.?9 629)
Ltilidad = S?. >)+
!) Ltilidades producto de la venta de correas de seguridad
Ltilidad = S?. 1E)+ F 3S?.2)- , 2)+ S?.?9 629 , 2)+ S?.?9 6*9)
Ltilidad = S?. -)-
c) Poras m5uina empleados para producir guantes y correas
Broducto 45uina 1 45uina 2
2uantes 3par) > 2
68
Correas 2 *
$otal 1@+ 1E+
F(: 4a6imizar las utilidades de la empresa
0 : 4a6imizar 3las utilidades generadas por la venta de guantes , las utilidades generadas por la venta
de correas)
F4: 4a6imizar >2 , -)-C
a5 ,so de la m>uina 1
F(: %l n8mero de 9oras disponi!les de la m5uina 1 es de 1@+
0 : 3n8mero de 9oras de m5uina 1 empleados en los guantes , n8mero de 9oras de taladrado
empleados en las correas) de!e ser menor de 1@+ 9oras
F4: >2 , 2C G= 1@+
b5 ,so de la m>uina 2
22 , *C G= 1E+
2 y C I= + y enteros.
4a6imizar >2 , -)-C
SuCeto a:
>2 , 2C G= 1@+
22 , *C G= 1E+
2 y C I= + y enteros.
0onde
2 = %l n8mero de pares de guantes producido..
C= %l n8mero de unidades de correas producidos.
1.1.H. Pro*le%a de 'roducci&n de art+culos electr&nicos
Una compaa de artculos electrnicos produce 3 lneas de productos que son: transistores,
micromdulos y circuitos armados y el centro de produccin tiene cuatro reas de proceso:
rea 1 Produccin de transistores
rea 2 Ensamblaje de circuitos
rea 3 Control de transistores y micromdulos
rea 4 Prueba de circuitos y embalaje
La produccin de un transistor requiere:
0.1 Horas - hombre en el rea 1
0.5 horas - hombre en el rea 3
S/. 70 en costos directos
La produccin de un micromdulo requiere:
HC
0.4 horas-hombre en el rea 2
0.5 horas - hombre en el rea 3
3 transistores
La produccin de un circuito armado requiere:
0.1 horas-hombre en el rea 2
0.5 horas hombre en el rea 4
1 transistor
3 micromdulos
Cada uno de los tres productos se pueden vender a 200, 800 y 2500 soles respectivamente
(transistores, micromdulos y circuitos armados). La cantidad de venta es ilimitada; si hay 200
horas-hombre disponibles en cada rea de trabajo. Formule el modelo matemtico para obtener
una ganancia mxima.
Soluci&nA
$ = /8mero de transistores producidos por la compaMa
4 = /8mero de micromdulos producidos por la compaMa
C = /8mero de circuitos armados producidos por la compaMa
Los datos del pro!lema los podemos resumir en el cuadro siguiente:
Broducto Poras H 9om!re Costo
directo S?.
Brecio de
venta S?.
[rea 1 [rea 2 [rea * [rea >
$ransistores +.1 +.- <+ 2++
4icromdulos +.> +.- -+ E++
Circuitos
armados
+.1 +.- 2++ 2-++
a) La produccin de un micromdulo reuiere * transistores
!) La produccin de un circuito armado reuiere 1 transistor y * micromdulos
c) Pay 2++ 9orasH9om!re disponi!les en cada 5rea de tra!aCo.
d) Ltilidad en la venta de +1 transistor = S?. 2++ H S?. <+ = S?. 1*+
e) Ltilidad en la venta de +1 micromdulo = S?. E++ H S?.-+ F * 6 S?. <+ = S?. ->+
f) Ltilidad en la venta de +1 circuito armado = S?. 2-++ H S?.2++ F 1 6 S?. <+ F * 6 S?. 22+ = S?. 1>=+
F(: 4a6imizar las utilidades de la compaMa.
0 : 4azimizar 3utilidades por venta de transistores , utilidades por venta de micromdulos , utilidades
por venta de circuitos armados).
F4: 4a6imizar 1*+$ , ->+4 , 1>=+C
a5 Grea 1 %roduccin de transistores
70
F(: %l n8mero de 9oras F 9om!res disponi!les en el 5rea 1 es de 2++ 9oras F 9om!re
0 : %l n8mero de 9oras F 9om!re disponi!les para la produccin de transistores de!e ser menor o igual
a 2++ 9oras F 9om!re
F4: +.1$ G= 2++
b5 Grea 2 #nsambla/e de circuitos
F(: %l n8mero de 9oras F 9om!res disponi!les en el 5rea 2 es de 2++ 9oras F 9om!re
0 : 3n8mero de 9oras F 9om!re disponi!les para la produccin de micromdulos , n8mero de 9oras F
9om!re disponi!les para la produccin de circuitos armados) de!e ser menor o igual a 2++ 9oras F
9om!re
F4: +.>4 , +.1C G= 2++
c5 Grea 3 ontrol de transistores y micromdulos
F(: %l n8mero de 9oras F 9om!res disponi!les en el 5rea * es de 2++ 9oras F 9om!re
0 : 3n8mero de 9oras F 9om!re disponi!les para la produccin de transistores , n8mero de 9oras F
9om!re disponi!les para la produccin de micromdulos) de!e ser menor o igual a 2++ 9oras F 9om!re
F4: +.-$ , +.-4 G= 2++
d5 Grea 4 %rueba de circuitos y embala/e
F(: %l n8mero de 9oras F 9om!res disponi!les en el 5rea > es de 2++ 9oras F 9om!re
0 : %l n8mero de 9oras F 9om!re disponi!les para la produccin de circuitos armados de!e ser menor
o igual a 2++ 9oras F 9om!re
F4: +.-C G= 2++
e5 Re>uerimiento de transistores en la produccin de micromdulos
F(: La produccin de un micromdulo reuiere * transistores
0 : %l n8mero de transistores de!e ser tres veces mayor o igual ue el n8mero de micromdulos
F4: $ I= *4
$ F* 4 I= +
f5 Re>uerimiento de transistores en la produccin de circuitos armados
F(: La produccin de un circuito armado reuiere 1 transistor y * micromdulos
0 : %l n8mero de transistores de!e ser diez veces mayor o igual ue el n8mero de circuitos armados
F4: $ I=1+ C
$ F1+ C I= +
95 Re>uerimiento de micromdulos en la produccin de circuitos armados
F(: La produccin de un circuito armado reuiere * micromdulos
0 : %l n8mero de micromdulos de!e ser tres veces mayor o igual ue el n8mero de circuitos armados
F4: 4 I= *C
4 F *C I= +
?5 Restricciones l9icas
$) 4 y C I= +
4a6imizar 1*+$ , ->+4 , 1>=+C
SuCeto a:
+.1$ G= 2++
+.>4 , +.1C G= 2++
+.-$ , +.-4 G= 2++
+.-C G= 2++
;-
$ F* 4 I= +
$ F1+ C I= +
4 F *C I= +
$) 4 y C I= +
0onde
$ = /8mero de transistores producidos por la compaMa
4 = /8mero de micromdulos producidos por la compaMa
C = /8mero de circuitos armados producidos por la compaMa
1.1.;. Pro*le%a de 'lanea%iento de 'roducci&n
Una compaa manufactura tres productos A, B y C. Cada unidad de producto A requiere de 1
hora de servicio de ingeniera, 8 horas de mano de obra directa y 4 libras de material; para
producir 1 unidad del producto B se requiere 3 horas de ingeniera. 3 horas de mano de obra
directa y 3 libras de material; cada unidad del producto C requiere de 2 horas de ingeniera, 4
horas de mano de obra directa y 2 libras de material se dispone de 80 horas de ingeniera. 800
horas de mano de obra y 300 libras de material cada mes. Las utilidades son como sigue:
Formule un modelo de programacin lineal para determinar el programa de produccin que aporte
la mxima utilidad.
Soluci&nA
"1 =/umero de unidades del producto ") producidas con una utilidad unitaria de ; 1+.
"2 =/umero de unidades del producto ") producidas con una utilidad unitaria de ; =.
"* =/umero de unidades del producto ") producidas con una utilidad unitaria de ; E.
"> =/umero de unidades del producto ") producidas con una utilidad unitaria de ; @.
O1 =/umero de unidades del producto O) producidas con una utilidad unitaria de ; @.
O2 =/umero de unidades del producto O) producidas con una utilidad unitaria de ; >.
O* =/umero de unidades del producto O) producidas con una utilidad unitaria de ; *.
C1 =/umero de unidades del producto C) producidas con una utilidad unitaria de ; -.
C2 =/umero de unidades del producto C) producidas con una utilidad unitaria de ; >.
a) #euerimiento de insumos
Broducto #euerimiento
Poras servicio
ingeniera
Poras mano
o!ra directa
L! de material
" 1 E >
PRODUCTO A PRODUCTO B PRODUCTO C
Ventas
unidades
Utilidad
unitaria $
Ventas
unidades
Utilidad
unitaria $
Ventas
unidades
Utilidad
unitaria $
0-40
40-100
100-150
Ms de 150
10
9
8
6
0-50
50-100
Ms de 100
6
4
3
0-100
Ms de 100
5
4
72
O * * *
O 2 > 2
0isponi!le E+ E++ *++
!) Ltilidades
F(: 4a6imizarlas utilidades de la empresa
0 : 4a6imizar 3utilidades por venta del producto " , utilidades por venta del producto O , utilidades por
venta del producto C)
F4: 4a6imizar 1+"1 , ="2 , E"* , @"> , @O1 , >O2 , *O* , -C1 , >C2
a5 Disponibilidad de ?oras de ser.icio de in9enier6a
F(: La cantidad total de 9oras de servicio de ingeniera disponi!les es de E+9oras.
0 : 339oras de servicio de ingeniera empleados en el producto " , 9oras de servicio de ingeniera
empleados en el producto O , 9oras de servicio de ingeniera empleados en el producto C)) de!e ser
menor o igual a E+ 9oras.
F4: "1 , "2 , "* , "> , *O1 , *O2 , *O* , 2C1 ,2C2 G= E+
b5 Disponibilidad de ?oras de mano de obra directa
F(: La cantidad total de 9oras de mano de o!ra directa disponi!les es de E++ 9oras.
0 : 339oras de mano de o!ra directa empleados en el producto " , 9oras de mano de o!ra directa
empleados en el producto O , 9oras de mano de o!ra directa empleados en el producto C)) de!e ser
menor o igual a E++ 9oras.
F4: E"1 , E"2 , E"* , E"> , *O1 , *O2 , *O* , >C1 ,>C2 G= E++
c5 Disponibilidad de libras de material
F(: La cantidad de li!ras de material disponi!les es de *++ 9oras.
0 : 33li!ras de material empleados en el producto " , li!ras de material empleados en el producto O ,
li!ras de material empleados en el producto C)) de!e ser menor o igual a *++ li!ras.
F4: >"1 , >"2 , >"* , >"> , *O1 , *O2 , *O* , 2C1 ,2C2 G= *++
d5 ,tilidad unitaria en el producto )
F(: La utilidad unitaria del producto " es de la siguiente manera: G+) >+I= ;1+) G>+) 1++I= ;=) G1++)
1-+I= ;E y , de 1-+ = ;@.
/ota: para construir las restricciones utilizaremos varia!les del tipo !inario 3+ o 1)
F4: "1 G= >+
"1 F >+\1 I= +
"2 F @+\1 G= +
B#10LC$1 " B#10LC$1 O B#10LC$1 C
(entas
unidades
Ltilidad
unitaria ;
(entas
unidades
Ltilidad
unitaria ;
(entas
unidades
Ltilidad
unitaria ;
+H>+
>+H1++
1++H1-+
45s de 1-+
1+
=
E
@
+H-+
-+H1++
45s de 1++
@
>
*
+H1++
45s de 1++
-
>
;1
"2 F @+\2 I= +
"* F -+\2 G= +
"* F -+\* I= +
"> F 4\* G= +
e5 ,tilidad unitaria en el producto (
0e manera similar a la restriccin anterior
F4: O1 G= -+
O1 F -+L1 I= +
O2 F -+L1 G= +
O2 F -+L2 I= +
O* F 4L* G= +
f5 ,tilidad unitaria en el producto )
g) 0e manera similar a la restriccin anterior
F4: C1 G= 1++
C1 F 1++(1 I= +
C2 F 4(1 G= +
?5 Restricciones l9icas
"1)"2) "*) ">) O1) O2) O*) C1) C2 I= +
\1) \2) \*) \>) L1) L2) L*) (1 !inario
4a6imizar 1+"1 , ="2 , E"* , @"> , @O1 , >O2 , *O* , -C1 , >C2
"1 , "2 , "* , "> , *O1 , *O2 , *O* , 2C1 ,2C2 G= E+
E"1 , E"2 , E"* , E"> , *O1 , *O2 , *O* , >C1 ,>C2 G= E++
>"1 , >"2 , >"* , >"> , *O1 , *O2 , *O* , 2C1 ,2C2 G= *++
"1 G= >+
"1 F >+\1 I= +
"2 F @+\1 G= +
"2 F @+\2 I= +
"* F -+\2 G= +
"* F -+\* I= +
"> F 4\* G= +
O1 G= -+
O1 F -+L1 I= +
O2 F -+L1 G= +
O2 F -+L2 I= +
O* F 4L* G= +
C1 G= 1++
C1 F 1++(1 I= +
C2 F 4(1 G= +
"1)"2) "*) ">) O1) O2) O*) C1) C2 I= +
\1) \2) \*) \>) L1) L2) L*) (1 !inario
0onde
"1 =/umero de unidades del producto ") producidas con una utilidad unitaria de ; 1+.
74
"2 =/umero de unidades del producto ") producidas con una utilidad unitaria de ; =.
"* =/umero de unidades del producto ") producidas con una utilidad unitaria de ; E.
"> =/umero de unidades del producto ") producidas con una utilidad unitaria de ; @.
O1 =/umero de unidades del producto O) producidas con una utilidad unitaria de ; @.
O2 =/umero de unidades del producto O) producidas con una utilidad unitaria de ; >.
O* =/umero de unidades del producto O) producidas con una utilidad unitaria de ; *.
C1 =/umero de unidades del producto C) producidas con una utilidad unitaria de ; -.
C2 =/umero de unidades del producto C) producidas con una utilidad unitaria de ; >.
1.5. Modelos de 'rogra%aci&n lineal 'ara 'ro*le%as de trans'orte
1.5.-. Pro*le%a de trans'orte de concentrado
Una compaa de transporte de concentrados mineros dispone de $ 400 000 para comprar una
nueva flota y est considerando comprar tres tipos de vehculos. El vehculo A puede transportar
10 t y se espera que promedie 35 km/h. Su costo es de $ 8000. El vehculo B tiene una capacidad
de 20 t y se espera que promedie 30 km/h su costo es de $ 13000. El vehculo C es un modelo
modificado de B, tiene un sitio para que duerma un chofer, lo cual reduce su capacidad a 18 t y
eleva su costo a $ 15000.
El vehculo A requiere una tripulacin de un hombre y si opera durante tres turnos por da, puede
trabajar un promedio de 18 horas por da. Los vehculos B y C requieren una tripulacin de dos
hombres cada uno, pero mientras que B puede trabajar 18 horas por da en tres turnos, C puede
promediar 21 horas diarias. La compaa, que dispone de 150 chferes al da, tendra muchas
dificultades para obtener tripulaciones adicionales. Las facilidades de mantenimiento son tales
que el nmero total de vehculos no puede exceder de 30. Formule un modelo matemtico para
determinar cuntos vehculos de cada tipo debern comprarse si la compaa desea maximizar su
capacidad de transporte en toneladas por kilmetro por da.
Soluci&nA
" = /8mero de ve9culos a comprar del tipo "
O = /8mero de ve9culos a comprar del tipo O
C = /8mero de ve9culos a comprar del tipo C
a. La compaMa dispone de ; >++ +++ para comprar una nueva flota
!. %l ve9culo " puede transportar 1+ t y se espera ue promedie *- Dm?9. Su costo es de ; E+++.
c. %l ve9culo O tiene una capacidad de 2+ t y se espera ue promedie *+ Dm?9 su costo es de ;
1*+++.
d. %l ve9culo C es un modelo modificado de O) tiene un sitio para ue duerma un c9ofer) lo cual
reduce su capacidad a 1E t y eleva su costo a ; 1-+++.
e. %l ve9culo " reuiere una tripulacin de un 9om!re y si opera durante tres turnos por da) puede
tra!aCar un promedio de 1E 9oras por da.
f. Los ve9culos O y C reuieren una tripulacin de dos 9om!res cada uno) pero mientras ue O
puede tra!aCar 1E 9oras por da en tres turnos) C puede promediar 21 9oras diarias.
g. La compaMa) ue dispone de 1-+ c9feres al da) tendra muc9as dificultades para o!tener
tripulaciones adicionales.
9. Las facilidades de mantenimiento son tales ue el n8mero total de ve9culos no puede e6ceder de
*+.
;8
F(: 4a6imizar la capacidad en toneladasHDm por da de la compaMa.
0 : 4a6imizar 3capacidad 6 Dm 6 9oras diarias 6 unidades del ve9culo " , capacidad 6 Dm 6 9oras
diarias 6 unidades del ve9culo O , capacidad 6 Dm 6 9oras diarias 6 unidades del ve9culo C).
F4: 4a6imizar 1+ 6 *- 6 1E 6 " , 2+ 6 *+ 6 1E 6 O , 1E 6 *+ 6 21 6 C
4a6imizar @*++" , 1+E++O , 11*>+ C
a5 Disponibilidad de c?oferes
F(: La compaMa dispone de 1-+ c9oferes por da.
0 : 3%l n8mero de c9oferes ue se reuiere para los ve9culos del tipo " , el n8mero de c9oferes ue
se reuiere para los ve9culos del tipo O , el n8mero de c9oferes ue se reuiere para los ve9culos del
tipo C) de!e ser menor o igual a 1-+.
F4: *" , @O , @C G= 1-+
b5 Disponibilidad de mantenimiento
F(: La capacidad de mantenimiento de la compaMa es de *+ ve9culos por da.
0 : 33%l n8mero de ve9culos del tipo " , %l n8mero de ve9culos del tipo O , %l n8mero de ve9culos
del tipo C) ue pueden tener el servicio de mantenimiento por da de!e ser un m56imo de *+.
F4: " , O , C G= *+
c5 Disponibilidad de in.ersin
F(: La compaMa dispone de ; >++ +++ para comprar una nueva flota
0 : 33el costo de los ve9culos de tipo " , el costo de los ve9culos de tipo O , el costo de los
ve9culos de tipo C) de!e ser menor o igual a ; >++ +++.
F4: E+++" , 1*+++O , 1-+++C G= >++ +++
") O) C I= +
4a6imizar @*++" , 1+E++O , 11*>+ C
SuCeto a:
*" , @O , @C G= 1-+ 3disponi!ilidad de c9oferes)
" , O , C G= *+ 3disponi!ilidad de mantenimiento)
E+++" , 1*+++O , 1-+++C G= >++ +++ 3disponi!ilidad de inversin)
") O) C I= +
0onde
" = /8mero de ve9culos a comprar del tipo "
O = /8mero de ve9culos a comprar del tipo O
C = /8mero de ve9culos a comprar del tipo C
1.8. Modelos de 'rogra%aci&n lineal 'ara ad%inistraci&n de cartera de valores
1.8.-. Pro*le%a de Inversiones Mineras Rinconada SAA
La gerencia general de nversiones Mineras Rinconada SAA, est considerando invertir en seis
prospectos mineros, cada uno de ellos requiere una cierta cantidad de capital inicial. El asesor
financiero de la empresa luego de la evaluacin de la informacin de cada prospecto, de la
inversin inicial, del factor de riesgo asociado (entre 0 y 1) y la recuperacin anual, presenta la
tabla siguiente:
PRO6ECTO CAPITAL RIESGO DEVOLUCI#N
76
INICIAL MUS Q(
P1 1 000 000 0.50 0.60
P2 2 000 000 0.40 0.45
P3 1 700 000 0.70 0.90
P4 2 500 000 0.65 0.75
P5 4 000 000 0.45 0.51
P6 2 500 000 0.75 1.20
El directorio de la empresa ha acordado que el riesgo total, obtenido al sumar los factores de
riesgo de cada proyecto aprobado, no debe exceder a 3.0. tambin, cuando mucho dos proyectos
pueden tener un factor de riesgo mayor a 0.6.
Se debe determinar en que proyectos de debe invertir el presupuesto de diez millones de dlares
que dispone para lograr la mayor recuperacin anual posible.
Soluci&nA
%n el presente pro!lema podemos elegir aceptar o rec9azar cada una de las seis propuestas. %ntonces
crearemos una varia!le entera para cada proyecto) de la manera siguiente:
B1
1) si 'nversiones 4ineras #inconada S"" de!e invertir en el proyecto 1
+) si 'nversiones 4ineras #inconada S"" no de!e invertir en el proyecto 1
B2
1) si 'nversiones 4ineras #inconada S"" de!e invertir en el proyecto 2
+) si 'nversiones 4ineras #inconada S"" no de!e invertir en el proyecto 2
B*
1) si 'nversiones 4ineras #inconada S"" de!e invertir en el proyecto *
+) si 'nversiones 4ineras #inconada S"" no de!e invertir en el proyecto *
B>
1) si 'nversiones 4ineras #inconada S"" de!e invertir en el proyecto >
+) si 'nversiones 4ineras #inconada S"" no de!e invertir en el proyecto >
B-
1) si 'nversiones 4ineras #inconada S"" de!e invertir en el proyecto -
+) si 'nversiones 4ineras #inconada S"" no de!e invertir en el proyecto -
B@
1) si 'nversiones 4ineras #inconada S"" de!e invertir en el proyecto @
+) si 'nversiones 4ineras #inconada S"" no de!e invertir en el proyecto @
a. %valuacin de los proyectos:
PRO6ECTO
CAPITAL
INICIAL MUS Q(
RIESGO
TASA DE
DEVOLUCI#N
P1 1 000 000 0.50 0.60
P2 2 000 000 0.40 0.45
P3 1 700 000 0.70 0.90
P4 2 500 000 0.65 0.75
P5 4 000 000 0.45 0.51
P6 2 500 000 0.75 1.20

b. El riesgo total, obtenido al sumar los factores de riesgo de cada proyecto aprobado, no debe
exceder a 3.0.
;;
c. Cuando mucho dos proyectos pueden tener un factor de riesgo mayor a 0.6.
d. Se dispone de un presupuesto de LS ; 1+ +++ +++.
F(: 4a6imizar el rendimiento total de las inversiones.
0: 4a6imizar 3rendimiento del proyecto 1 , rendimiento del proyecto 2 , rendimiento del proyecto * ,
rendimiento del proyecto > , rendimiento del proyecto - , rendimiento del proyecto @)
F4: 4a6imizar 1 +++ +++ 6 +.@+B1 , 2 +++ +++ 6 +.>-B2 , 1 <++ ++ 6 +.=+B* , 2 -++ +++ 6 +.<-B> , >
+++ +++ 6 +.-1B- , 2 -++ +++ 6 1.2+B@
4a6imizar @++ +++B1 , =++ +++B2 , 1 -*+ +++B* , 1 E<- +++B> , 2 +>+ +++B- , * +++ +++B@
a5 4lu/o de efecti.o anual
F(: Se dispone de 1+ +++ +++ para invertir anualmente.
0: 3'nversin en el proyecto 1 , 'nversin en el proyecto 2 , 'nversin en el proyecto * , 'nversin en
el proyecto > , 'nversin en el proyecto - , 'nversin en el proyecto @) de!e ser menor o igual a 1+ +++
+++.
F4: 1 +++ +++B1 , 2 +++ +++B2 , 1 <++ ++B* , 2 -++ +++B> , > +++ +++B- , 2 -++ +++B@ G= 1+ +++
+++
B1 , 2B2 , 1)<B* , 2)-B> , >B- , 2)-B@ G= 1+
b5 Ries9o total
F(: %l riesgo total) o!tenido al sumar los factores de riesgo de cada proyecto apro!ado) no de!e
e6ceder a *.+.
0: 3el riesgo del proyecto 1 , el riesgo del proyecto 2 , el riesgo del proyecto * , el riesgo del proyecto
> , el riesgo del proyecto - , el riesgo del proyecto @) de!e ser menor o igual a *.+.
F4: +.-B1 , +.>B2 , +.<B* , +.@-B> , +.>-B- , +<.-B@ G= *.+
c5 Ries9o de proyecto
F(: Cuando muc9o dos proyectos pueden tener un factor de riesgo mayor a +.@.
0: 3proyecto * , proyecto > , proyecto @) es menor o igual a 2.
F4: B* , B> , B@ G= 2
B1) B2) B*) B>) B- y B@ !inarios
4a6imizar @++ +++B1 , =++ +++B2 , 1 -*+ +++B* , 1 E<- +++B> , 2 +>+ +++B- , * +++ +++B@
SuCeto a:
B1 , 2B2 , 1)<B* , 2)-B> , >B- , 2)-B@ G= 1+
+.-B1 , +.>B2 , +.<B* , +.@-B> , +.>-B- , +<.-B@ G= *.+
B* , B> , B@ G= 2
B1) B2) B*) B>) B- y B@ !inarios
1.8./. Pro*le%a de inversi&n
Hoy es su da de suerte. Acaba de ganar $ 10000. Dedicara $ 4000 al pago de impuestos y
diversiones, pero ha decidido invertir los otros $ 6000. Al or esta noticia, dos amigos la han
ofrecido una oportunidad de convertirse en socio en dos empresas distintas, cada una planeada
78
por uno de ellos. En ambos casos, la inversin incluye dedicar parte de su tiempo el siguiente
verano y dinero en efectivo.
Para ser un socio pleno en el caso del primer amigo debe invertir $ 5000 y 400 horas, su ganancia
estimada (sin tomar en cuenta el valor de su tiempo) seria de $ 4500. Las cifras correspondientes
para el segundo caso son $ 4000 y 500 horas, con una ganancia estimada igual a la anterior. Sin
embargo, ambos amigos son flexibles y le permitirn asociarse con cualquier fraccin de
participacin que quiera. Si elige una participacin parcial, todas las cifras dadas para la sociedad
plena (inversin de tiempo y dinero, y la ganancia) se pueden multiplicar por esta fraccin.
Como de todas formas usted busca un trabajo de verano interesante (mximo 600 horas), ha
decidido participar en una o ambas empresas en alguna combinacin que maximice su ganancia
total estimada.
Formule un modelo matemtico para encontrar la mejor combinacin.
Soluci&nA
" = La cantidad de dlares a invertir en el negocio del primer amigo.
O = La cantidad de dlares a invertir en el negocio del segundo amigo.
a. "ca!o de ganar ; 1++++. 0edicare ; >+++ al pago de impuestos y diversiones) pero 9e decidido
invertir los otros ; @+++.
!. Ln primer amigo desea ue invierta ; -+++ y >++ 9oras en su negocio) la ganancia estimada 3sin
tomar en cuenta el valor de su tiempo) seria de ; >-++.
c. Ln segundo amigo me solicita ; >+++ y -++ 9oras) con una ganancia estimada igual a la anterior.
d. "m!os amigos son fle6i!les y me permitir5n asociarme con cualuier fraccin de participacin ue
uiera. Si eliCo una participacin parcial) todas las cifras dadas para la sociedad plena 3inversin de
tiempo y dinero) y la ganancia) se pueden multiplicar por esta fraccin.
e. En verano dispondr de un mximo de 600 horas para trabajo.
F(: 4a6imizar la ganancia total de mis inversiones.
0 : 4a6imizar 3la ganancia en el negocio de mi primer amigo , la ganancia en el negocio de mi segundo
amigo).
F4: 4a6imizar " 6 >-++?-+++ , O 6 >-++?>+++
4a6imizar +.=" , 1.12-O
a5 Disponibilidad de E H111 para in.ertir
F(: La disponi!ilidad de capital para invertir es de ; @+++.
0 : 3La inversin en el negocio del primer amigo , La inversin en el negocio del segundo amigo) de!e
ser menor o igual a ;@+++.
F4: " , O G= @+++
b5 In.ersin en el ne9ocio del primer ami9o
F(: %l negocio del primer amigo necesita una inversin de ; -+++.
F4: " G= -+++
c5 In.ersin en el ne9ocio del se9undo ami9o
F(: %l negocio del segundo amigo necesita una inversin de ; >+++.
F4: O G= >+++
;C
d5 Disponibilidad de ?oras de traba/o
F(: 0ispongo de @++ 9 de tra!aCo para el verano
0 : 3%l n8mero de 9oras de tra!aCo en el negocio de mi primer amigo , %l n8mero de 9oras de tra!aCo
en el negocio de mi segundo amigo) de!e ser menor o igual a @++ 9oras.
F4: " 6 >++?-+++ , O 6 -++?>+++ G= @++
+.+E" , +.12-O G= @++
" y O I= +
4a6imizar +.=" , 1.12-O
SuCeto a:
" , O G= @+++
" G= -+++
O G= >+++
+.+E" , +.12-O G= @++
" y O I= +
0onde
" = La cantidad de dlares a invertir en el negocio del primer amigo.
O = La cantidad de dlares a invertir en el negocio del segundo amigo.
1.H. Modelos de 'rogra%aci&n lineal 'ara 'ro*le%as de %eKclas
1.H.-. Pro*le%a de %eKcla de Metalco Co%'anJ
Metalco Company desea hacer una nueva aleacin con 40% de aluminio, 35% de zinc y 25% de
plomo a partir de varias aleaciones posibles que tienen las siguientes propiedades:
Pro'iedad
Aleaci&n
- / 1 5 8
Porcentaje de aluminio 60 25 45 20 50
Porcentaje de zinc 10 15 45 50 40
Porcentaje de plomo 30 60 10 30 10
Costo ($/libra) 77 70 88 84 94
El objetivo es determinar las proporciones de estas aleaciones que deben mezclarse para producir
la nueva aleacin a un costo mnimo.
Soluci&nA
"1 = /8mero de li!ras de la aleacin 1 utilizados para preparar 1 l! de la nueva aleacin.
"* = /8mero de li!ras de la aleacin * utilizados para preparar 1 l! de la nueva aleacin.
"> = /8mero de li!ras de la aleacin > utilizados para preparar 1 l! de la nueva aleacin.
"- = /8mero de li!ras de la aleacin - utilizados para preparar 1 l! de la nueva aleacin.
80
a. Breparar una aleacin con >+A de aluminio) *-A de zinc y 2-A de plomo.
!. Caractersticas de las aleaciones a utilizar:
%ropiedad
)leacin
1 2 3 4 "
BorcentaCe de aluminio @+ 2- >- 2+ -+
BorcentaCe de zinc 1+ 1- >- -+ >+
BorcentaCe de plomo *+ @+ 1+ *+ 1+
Costo 3;?li!ra) << <+ EE E> =>
F( : 4inimizar el costo de produccin de 1 li!ra de aleacin.
0 : 4inimizar 3costo de la aleacin 1 , costo de la aleacin 2 , costo de la aleacin * , costo de la
aleacin > , costo de la aleacin -).
F4 : 4inimizar <<"1 , <+"2 , EE"* , E>"> , =>"-
a5 %orcenta/e de aluminio en la nue.a aleacin
F(: %l porcentaCe de aluminio en la nueva aleacin es de >+A.
0 : 3"luminio procedente de la aleacin 1 , "luminio procedente de la aleacin 2 , "luminio procedente
de la aleacin * , "luminio procedente de la aleacin > , "luminio procedente de la aleacin - ) de!e
ser el >+A de la nueva aleacin.
F4: +.@"1 , +.2-"2 , +.>-"* , +.2"> , +.-"- = +.>
b5 %orcenta/e de 7inc en la nue.a aleacin
F(: %l porcentaCe de zinc en la nueva aleacin es de *-A.
0 : 3]inc procedente de la aleacin 1 , ]inc procedente de la aleacin 2 , ]inc procedente de la
aleacin * , ]inc procedente de la aleacin > , ]inc procedente de la aleacin - ) de!e ser el *-A de la
nueva aleacin.
F4: +.1"1 , +.1-"2 , +.>-"* , +.-"> , +.>"- = +.*-
c5 %orcenta/e de plomo en la nue.a aleacin
F(: %l porcentaCe de plomo en la nueva aleacin es de 2-A.
0 : 3Blomo procedente de la aleacin 1 , Blomo procedente de la aleacin 2 , Blomo procedente de la
aleacin * , Blomo procedente de la aleacin > , Blomo procedente de la aleacin - ) de!e ser el >+A
de la nueva aleacin.
F4: +.*"1 , +.@"2 , +.1"* , +.*"> , +.1"- = +.2-
d5 (alance de materia en la nue.a aleacin
F(: La suma de los componentes de!e ser igual a 1 li!ra
0 : 3"leacin 1 , aleacin 2 , aleacin * , aleacin > , aleacin - ) de!e ser igual a 1 li!ra.
F4: "1 , "2 , "* , "> , "- = 1
"1) "2) "*) "> y "- I= +
4inimizar <<"1 , <+"2 , EE"* , E>"> , =>"-
SuCeto a:
O-
+.@"1 , +.2-"2 , +.>-"* , +.2"> , +.-"- = +.> 3porcentaCe de aluminio en la nueva aleacin)
+.1"1 , +.1-"2 , +.>-"* , +.-"> , +.>"- = +.*- 3porcentaCe de zinc en la nueva aleacin)
+.*"1 , +.@"2 , +.1"* , +.*"> , +.1"- = +.2- 3porcentaCe de plomo en la nueva aleacin)
"1 , "2 , "* , "> , "- = 1 3!alance de materia)
"1) "2) "*) "> y "- I= +
0onde
"* = /8mero de li!ras de la aleacin * utilizados para preparar 1 l! de la nueva aleacin.
"> = /8mero de li!ras de la aleacin > utilizados para preparar 1 l! de la nueva aleacin.
"- = /8mero de li!ras de la aleacin - utilizados para preparar 1 l! de la nueva aleacin.
1.H./. Pro*le%a de %eKcla de Save It Co.
La Save t Company opera un centro de reciclado que recoge cuatro tipos de materiales de desechos
slidos y los trata para amalgamarlos en un producto que pueda lanzarse al mercado. El tratamiento y el
amalgamado son dos procesos diferentes. Se pueden obtener tres grados diferentes de este producto (vea
la primera columna de la tabla 1), segn la mezcla de materiales que se use. Aunque existe alguna
flexibilidad para esta mezcla en cada grado, los estndares de calidad especifican una cantidad minina y
una mxima de la proporcin de los materiales permitidos en ese grado (la proporcin es el peso del
material expresado como un porcentaje del peso total del producto de ese grado) Para los dos grados ms
altos se especifica un porcentaje fijo de uno de los materiales. Estas especificaciones se presentan en la
tabla 1 junto con el costo de amalgamado y el precio de venta de cada grado.
Tabla 1. Datos de productos de la Save t Company
Grado Es'eci:icaci&n
A%alga%ado)
costo MQ( 'or
li*ra
Precio de venta
MQ( 'or li*ra
A
Material 1: no ms de 30% del total
3.00 8.50
Material 2: no menos del 40% del total
Material 3: no ms del 50% del total
Material 4: exactamente 20% del total
B
2.50 7.00 Material 2: no menos del 10% del total
C Material 1: no ms de 70% del total 2.00 5.50
El centro de reciclado recoge los materiales de desecho solido de ciertas fuentes habituales por lo que casi
siempre puede mantener una tasa de produccin estable para tratarlos, en la tabla 2 se muestran las
cantidades disponibles para la recoleccin y tratamiento semanal, al igual que el costo de proceso de cada
tipo de material.
La Save t Company es propiedad de Green Earth, una organizacin dedicada a asuntos ecolgicos, por lo
que las ganancias se usan para apoyar las actividades de Green Earth. Esta organizacin ha logrado
contribuciones y apoyos por la cantidad de 30 000 dlares semanales, que deben usarse solo para cubrir el
costo de tratamiento completo de los desechos slidos. El consejo directivo de Green Earth ha girado
instrucciones a la administracin de Save t Co. Para que divida este dinero entre los materiales, de manera
tal que se recolecte y se trate al menos la mitad de la cantidad disponible de cada tipo de material. Estas
restricciones adicionales se enumeran en la tabla 2.
Tabla 2. Datos de los materiales de desechos slidos de Save t Company
Material
Li*ras 'or
se%ana
dis'oni*le
Costo del
trata%iento MQ(
'or li*ra
Restricciones adicionales
1 3000 3.00 1. De cada material debe
recolectarse y tratarse al
2 2000 6.00
82
menos la mitad de las libras
disponibles por semana.
2. Deben usarse $ 30 000
3 4000 4.00
4 1000 5.00
Con las restricciones especificadas en las tablas 1 y 2, la administracin desea determinar la cantidad que
debe producirse de cada grado y la mezcla e6acta de materiales que usara para cada uno, de manera que
maximice la ganancia semanal neta ingresos totales por ventas menos costo total del amalgamado -
independiente del costo de tratamiento fijo de 30 000 dlares por semana que ser cubierto por donaciones.
Soluci&nA
71" = /8mero total de li!ras del material 1 asignadas al producto grado " por semana.
71O = /8mero total de li!ras del material 1 asignadas al producto grado O por semana.
71C = /8mero total de li!ras del material 1 asignadas al producto grado C por semana.
7*" = /8mero total de li!ras del material * asignadas al producto grado " por semana.
7*O = /8mero total de li!ras del material * asignadas al producto grado O por semana.
7*C = /8mero total de li!ras del material * asignadas al producto grado C por semana.
7>" = /8mero total de li!ras del material > asignadas al producto grado " por semana.
7>O = /8mero total de li!ras del material > asignadas al producto grado O por semana.
7>C = /8mero total de li!ras del material > asignadas al producto grado C por semana.
a. Datos de productos de la Save t Company
Grado Es'eci:icaci&n
A%alga%ado
) costo MQ(
'or li*ra
Precio de
venta MQ( 'or
li*ra
Ganancia MQ(
'or li*ra
A
3.00 8.50 5.50
Material 2: no menos del 40% del total
Material 3: no ms del 50% del total
B
2.50 7.00 4.50 Material 2: no menos del 10% del total
C Material 1: no ms de 70% del total 2.00 5.50 3.50
b. Datos de los materiales de desechos slidos de Save t Company
Material
Li*ras 'or
se%ana
dis'oni*le
Costo del
trata%iento MQ(
'or li*ra
Restricciones adicionales
1 3000 3.00 1. De cada material debe
recolectarse y tratarse
al menos la mitad de
las libras disponibles
2 2000 6.00
3 4000 4.00
O1
por semana.
2. Deben usarse $ 30 000
4 1000 5.00
F(: 4a6imizar la ganancia semanal neta.
0: 4a6imizar la ganancia semanal neta por venta del 3material grado " , material grado O , material
grado " ,)
F4: 4a6imizar -.-+ 371" , 72" , 7*" , 7>") , >.-+ 371O , 72O , 7*O , 7>O) , *.-+ 371C , 72C , 7*C , 7>C).
a5 #specificaciones de me7cla
F(: %l contenido del material 1 en el producto de grado " no de!e ser m5s del *+A del total.
F4: 71" G= +.*+ 371" , 72" , 7*" , 7>").
1perando tenemos:
+.<+71" F +.*+72" F +.*+7*" F +.*+7>" G= +
0e manera similar) tenemos:
H +.>+71" , +.@+72" F +.>+7*" F +.>+7>" I= +
H +.-+71" F +.-+72" , +.-+7*" F +.-+7>" G= +
H +.2+71" F +.2+72" F +.2+7*" , +.E+7>" = +
+.-+71O F +.-+72O , +.-+7*O F +.-+7>O G= +
H +.1+71O , +.=+72O H +.1+7*O F +.1+7>O I= +
H +.1+71O H +.1+72O H +.1+7*O , +.=+7>O = +
+.*+71C H +.<+72C H +.<+7*C F +.<+7>C G= +
b5 Disponibilidad de materiales
F(: Se dispone de *+++ li!ras de material 1 semanalmente.
0: Se dispone de *+++ li!ras de material1 para 3producto de grado " , producto de grado O ,
producto de grado C).
F4: 71" , 71O , 71C G= *+++
72" , 72O , 72C G= 2+++
7*" , 7*O , 7*C G= >+++
7>" , 7>O , 7>C G= 1+++
c5 antidades tratadas
F(: Se de!e tratar semanalmente al menos la mitad de las li!ras disponi!les de material 1.
0: Se de!e tratar semanalmente al menos la mitad de las li!ras disponi!les de material 1 para
3producto de grado " , producto de grado O , producto de grado C).
F4: 71" , 71O , 71C I= 1-++
72" , 72O , 72C I= 1+++
7*" , 7*O , 7*C I= 2+++
7>" , 7>O , 7>C I= -++
d5 Restricciones sobre el costo de tratamiento
F(: 0e!e usarse ; *+ +++ semanales para tratar los materiales
84
0: %l costo de tratamiento del 3 material 1 , material 2 , material 2 , material >) de!e ser ; *+ +++
semanales.
F4: *.++ 371" , 71O , 71C) , @.++ 372" , 72O , 72C) , >.++ 37*" , 7*O , 7*C) , -.++ 37>" , 7>O , 7>C) = *+
+++
71") 72") 7*" ) 7>") 71O ) 72O ) 7*O ) 7>O ) 71C ) 72C ) 7*C y 7>C I= +
4a6imizar -.-+ 371" , 72" , 7*" , 7>") , >.-+ 371O , 72O , 7*O , 7>O) , *.-+ 371C , 72C , 7*C , 7>C)
SuCeto a:
+.<+71" F +.*+72" F +.*+7*" F +.*+7>" G= +
H +.>+71" , +.@+72" F +.>+7*" F +.>+7>" I= +
H +.-+71" F +.-+72" , +.-+7*" F +.-+7>" G= +
H +.2+71" F +.2+72" F +.2+7*" , +.E+7>" = +
+.-+71O F +.-+72O , +.-+7*O F +.-+7>O G= +
H +.1+71O , +.=+72O H +.1+7*O F +.1+7>O I= +
H +.1+71O H +.1+72O H +.1+7*O , +.=+7>O = +
+.*+71C H +.<+72C H +.<+7*C F +.<+7>C G= +
71" , 71O , 71C G= *+++
72" , 72O , 72C G= 2+++
7*" , 7*O , 7*C G= >+++
7>" , 7>O , 7>C G= 1+++
71" , 71O , 71C I= 1-++
72" , 72O , 72C I= 1+++
7*" , 7*O , 7*C I= 2+++
7>" , 7>O , 7>C I= -++
*.++ 371" , 71O , 71C) , @.++ 372" , 72O , 72C) , >.++ 37*" , 7*O , 7*C) , -.++ 37>" , 7>O , 7>C) = *+
+++
71") 72") 7*" ) 7>") 71O ) 72O ) 7*O ) 7>O ) 71C ) 72C ) 7*C y 7>C I= +
0onde
7*" = /8mero total de li!ras del material * asignadas al producto grado " por semana.
7*O = /8mero total de li!ras del material * asignadas al producto grado O por semana.
7*C = /8mero total de li!ras del material * asignadas al producto grado C por semana.
7>" = /8mero total de li!ras del material > asignadas al producto grado " por semana.
7>O = /8mero total de li!ras del material > asignadas al producto grado O por semana.
7>C = /8mero total de li!ras del material > asignadas al producto grado C por semana.
1.;. Modelos de 'rogra%aci&n lineal 'ara 'laneaci&n de 'roducci&n agregada
O8
1.;.-. Pro*le%a de asignaci&n de aviones a rutas de trans'orte
Hay un problema de asignacin de aviones a cuatro rutas, que se muestra en los siguientes datos:
Ti'o de
avi&n
Ca'acidad
M'asa<eros(
Cantidad
de aviones
Cantidad de via<es diarios en la ruta
- / 1 5
1 50 5 3 2 2 1
2 30 8 4 3 3 2
3 20 10 5 5 4 2
Cantidad diaria de clientes 1000 2000 900 1200
Los costos asociados, incluyendo las penalizaciones por perder clientes por falta de espacio son:
Ti'o de avi&n
Costo de o'eraci&n MUS Q( 'or via<e en ruta
- / 1 5
1 1000 1100 1200 1500
2 800 900 1000 1000
3 600 800 800 900
Penalizacin ($) por
cliente perdido
40 50 45 70
Formule un modelo matemtico para determinar la asignacin optima de aviones a rutas y la
cantidad asociada de viajes.
Soluci&nA
"11 = /8mero de aviones del tipo 1 destinados a la ruta 1 diariamente.
"1* = /8mero de aviones del tipo 1 destinados a la ruta * diariamente.
"1> = /8mero de aviones del tipo 1 destinados a la ruta > diariamente.
"*1 = /8mero de aviones del tipo * destinados a la ruta 1 diariamente.
"** = /8mero de aviones del tipo * destinados a la ruta * diariamente.
"*> = /8mero de aviones del tipo * destinados a la ruta > diariamente.
/1 = /8mero de clientes no transportados en la ruta 1.
/* = /8mero de clientes no transportados en la ruta *.
/> = /8mero de clientes no transportados en la ruta >.
Ti'o de
avi&n
Ca'acidad
M'asa<eros(
Cantidad de
aviones
Cantidad de via<es diarios en la ruta
- / 1 5
1 50 5 3 2 2 1
2 30 8 4 3 3 2
86
3 20 10 5 5 4 2
Cantidad diaria de clientes 1000 2000 900 1200
Ti'o de avi&n
Costo de o'eraci&n MUS Q( 'or via<e en ruta
- / 1 5
1 1000 1100 1200 1500
2 800 900 1000 1000
3 600 800 800 900
Penalizacin ($) por cliente
perdido
40 50 45 70
F(: 4inimizar el costo de operacin de los aviones y la penalizacin por cliente perdido.
0: 4inimizar 3costo de operacin del avin tipo 1 destinado a la ruta 1 , costo de operacin del avin
tipo 1 destinado a la ruta 2 , costo de operacin del avin tipo 1 destinado a la ruta * , costo de
operacin del avin tipo 1 destinado a la ruta > , costo de operacin del avin tipo 2 destinado a la ruta
1 , costo de operacin del avin tipo 2 destinado a la ruta 2 , costo de operacin del avin tipo 2
destinado a la ruta * , costo de operacin del avin tipo 2 destinado a la ruta > , costo de operacin del
avin tipo * destinado a la ruta 1 , costo de operacin del avin tipo * destinado a la ruta 2 , costo de
operacin del avin tipo * destinado a la ruta * , costo de operacin del avin tipo * destinado a la ruta
>) , 3penalizacin por clientes no transportados en la ruta 1 , penalizacin por clientes no transportados
en la ruta 2 , penalizacin por clientes no transportados en la ruta * , penalizacin por clientes no
transportados en la ruta >)
F4: 4inimizar * 6 1+++"11 , 2 6 11++"12 , 2 6 12++"1* , 1 6 1-++"1> , > 6 E++"21 , * 6 =++"22 ,
* 6 1+++"2* , 2 6 1+++"2> , - 6 @++"*1 , - 6 E++"*2 ,> 6 E++"** , 2 6 =++"*> , >+/1 , -+/2 ,
>-/* , <+/>
4inimizar *+++"11 , 22++"12 , 2>++"1* , 1-++"1> , *2++"21 , 2<++"22 , *+++"2* , 2+++"2>
,*+++"*1 , >+++"*2 ,*2++"** , 1E++"*> , >+/1 , -+/2 , >-/* , <+/>
a5 Re>uerimiento de pasa/eros a transportar en la ruta 1
F(: La cantidad diaria de pasaCeros a transportar en la ruta 1 es de 1+++ clientes.
0: 3cantidad de clientes transportados en aviones tipo 1 , cantidad de clientes transportados en
aviones tipo 2 , cantidad de clientes transportados en aviones tipo *) es mayor o igual a 1+++ clientes.
F4: -+ 6 *"11 , *+ 6 >"21 , 2+ 6 -"*1 I= 1+++
1-+"11 , 12+"21 , 1++"*1 I= 1+++
0e manera similar para los aviones tipo) tipo * y tipo >.
1++"12 , =+"22 , 1++"*2 I= 2+++
1++"1* , =+"2* , E+"** I= =++
-+"1> , @+"2> , >+"*> I= 12++
b5 Disponibilidad de a.iones de la compaF6a
F(: La compaMa tiene - aviones del tipo 1.
0: 3el n8mero de aviones de tipo 1 destinados a la ruta 1 , el n8mero de aviones de tipo 1 destinados
a la ruta 2 , el n8mero de aviones de tipo 1 destinados a la ruta * , el n8mero de aviones de tipo 1
destinados a la ruta >) de!e ser menor o igual a -.
F4: "11 , "12 , "1* , "1> G= -
0e manera similar para los aviones de tipo 2 y *
"21 , "22 , "2* , "2> G= E
"*1 , "*2 , "** , "*> G= 1+
O;
c5 (alance de pasa/eros en las rutas
F(: el numero de pasaCeros a transportar en la ruta 1 de!e ser igual a 1+++..
F4: /1 , 1-+"11 , 12+"21 , 1++"*1 = 1+++
0e manera similar para las rutas 2) * y >
/2 , 1++"12 , =+"22 , 1++"*2 = 2+++
/* , 1++"1* , =+"2* , E+"** = =++
/> , -+"1> , @+"2> , >+"*> = 12++
"11) "12) "1*) "1>) "21) "22) "2*) "2>) "*1) "*2) "**) "*>) /1) /2) /* y /> I= +
4inimizar *+++"11 , 22++"12 , 2>++"1* , 1-++"1> , *2++"21 , 2<++"22 , *+++"2* , 2+++"2>
,*+++"*1 , >+++"*2 ,*2++"** , 1E++"*> , >+/1 , -+/2 , >-/* , <+/>
SuCeto a:
1-+"11 , 12+"21 , 1++"*1 I= 1+++
1++"12 , =+"22 , 1++"*2 I= 2+++
1++"1* , =+"2* , E+"** I= =++
-+"1> , @+"2> , >+"*> I= 12++
"11 , "12 , "1* , "1> G= -
"21 , "22 , "2* , "2> G= E
"*1 , "*2 , "** , "*> G= 1+
/1 , 1-+"11 , 12+"21 , 1++"*1 = 1+++
/2 , 1++"12 , =+"22 , 1++"*2 = 2+++
/* , 1++"1* , =+"2* , E+"** = =++
/> , -+"1> , @+"2> , >+"*> = 12++
"11) "12) "1*) "1>) "21) "22) "2*) "2>) "*1) "*2) "**) "*>) /1) /2) /* y /> I= +
0onde
"** = /8mero de aviones del tipo * destinados a la ruta * diariamente.
"*> = /8mero de aviones del tipo * destinados a la ruta > diariamente.
/* = /8mero de clientes no transportados en la ruta *.
/> = /8mero de clientes no transportados en la ruta >.
88
1.;./. Pro*le%a de distri*uci&n de carga
Un avin de carga tiene tres compartimientos para almacenar: delantero, central y trasero. Estos
compartimientos tienen lmite de capacidad tanto de peso como de espacio. Los datos se
resumen a continuacin:
Co%'arti%iento Ca'acidad de
'eso Mton(
Ca'acidad de
es'acio M:t1(
Delantero 12 7000
Central 18 9000
Trasero 10 5000
Ms aun, para mantener el avin balanceado, el peso de la carga en los respectivos
compartimientos debe ser proporcional a su capacidad.
Se tienen ofertas para transportar cuatro cargamentos en un vuelo prximo ya que se cuenta con
espacio:
Carga Peso
(ton)
Volumen
(ft3/ton)
Ganancia
($/ton)
1 20 500 320
2 16 700 400
3 25 600 360
4 13 400 290
Se puede aceptar cualquier fraccin de estas cargas. El objetivo es determinar cual cantidad de
cada carga debe aceptarse (si se acepta) y como distribuirla en los compartimientos para
maximizarla ganancia del vuelo.
Soluci&nA
C10 = /8mero de toneladas de la carga 1 a ser transportado en el almacQn delantero
C*0 = /8mero de toneladas de la carga * a ser transportado en el almacQn delantero
C>0 = /8mero de toneladas de la carga > a ser transportado en el almacQn delantero
C1C = /8mero de toneladas de la carga 1 a ser transportado en el almacQn central
C*C = /8mero de toneladas de la carga * a ser transportado en el almacQn central
C>C = /8mero de toneladas de la carga > a ser transportado en el almacQn central
C1$ = /8mero de toneladas de la carga 1 a ser transportado en el almacQn trasero
C*$ = /8mero de toneladas de la carga * a ser transportado en el almacQn trasero
C>$ = /8mero de toneladas de la carga > a ser transportado en el almacQn trasero
a. Las capacidades de peso y volumen de los compartimientos del avin son:
ompartimiento apacidad de
peso Dton5
apacidad de
espacio Dft35
0elantero 12 <+++
Central 1E =+++
OC
$rasero 1+ -+++
!. Se tienen ofertas para transportar cuatro cargamentos en un vuelo pr6imo ya ue se cuenta con
espacio:
Carga Beso 3ton) (olumen 3ft*?ton) 2anancia 3;?ton)
1 2+ -++ *2+
2 1@ <++ >++
* 2- @++ *@+
> 1* >++ 2=+
c. Se puede aceptar cualuier fraccin de estas cargas.
F(: 4a6imizar la ganancia por transportar carga.
0 : 4a6imizar la 3ganancia por transportar la carga 1 , ganancia por transportar la carga 2 , ganancia
por transportar la carga * , ganancia por transportar la carga >).
F4: 4a6imizar *2+C10 , *2+C1C , *2+C1$ ,>++C20 , >++C2C , >++C2$ , *@+C*0 , *@+C*C ,
*@+C*$ , 2=+C>0 , 2=+C>C , 2=+C>$
a5 apacidad de peso del compartimiento delantero
F(: La capacidad de peso del compartimiento delantero es de 12 toneladas.
0 : 3%l n8mero de toneladas de la carga 1 , %l n8mero de toneladas de la carga 2 , %l n8mero de
toneladas de la carga * , %l n8mero de toneladas de la carga >) a ser transportado en el
compartimiento delantero de!e ser de 12 tonelada.
F4: C10 , C20 , C*0 , C>0 G= 12
0e manera similar para los compartimientos central y trasero:
C1C , C2C , C*C , C>C G= 1E
C1$ , C2$ , C*$ , C>$ G= 1+
b5 apacidad de .olumen del compartimiento delantero
F(: La capacidad de volumen del compartimiento delantero es de <+++ pies c8!icos.
0 : 3%l volumen de la carga 1 , %l volumen de la carga 2 , %l volumen de la carga * , %l volumen de la
carga >) a ser transportado en el compartimiento delantero de!e ser de <+++ pies c8!icos
F4: -++C10 , <++C20 , @++C*0 , >++C>0 G= <+++
0e manera similar para los compartimientos central y trasero:
-++C1C , <++C2C , @++C*C , >++C>C G= =+++
-++C1$ , <++C2$ , @++C*$ , >++C>$ G= -+++
c5 (alance de peso de la car9a 1
F(: %l peso de la carga 1 es de 2+ toneladas.
0 : 3el peso de la carga 1 a ser transportado en el compartimiento delantero , peso de la carga 1 a ser
transportado en el compartimiento central , peso de la carga 1 a ser transportado en el compartimiento
trasero) de!e ser menor o igual a 2+ toneladas.
F4: C10 , C1C , C1$ G= 2+
0e manera similar para las cargas 2) * y >
C20 , C2C , C2$ G= 1@
C*0 , C*C , C*$ G= 2-
C>0 , C>C , C>$ G= 1*
90
C10) C1C) C1$) C20) C2C) C2$) C*0) C*C) C*$) C>0) C>C y C>$ I= +
4a6imizar *2+C10 , *2+C1C , *2+C1$ ,>++C20 , >++C2C , >++C2$ , *@+C*0 , *@+C*C , *@+C*$
, 2=+C>0 , 2=+C>C , 2=+C>$
SuCeto a:
C10 , C20 , C*0 , C>0 G= 12
C1C , C2C , C*C , C>C G= 1E
C1$ , C2$ , C*$ , C>$ G= 1+
-++C10 , <++C20 , @++C*0 , >++C>0 G= <+++
-++C1C , <++C2C , @++C*C , >++C>C G= =+++
-++C1$ , <++C2$ , @++C*$ , >++C>$ G= -+++
C10 , C1C , C1$ G= 2+
C20 , C2C , C2$ G= 1@
C*0 , C*C , C*$ G= 2-
C>0 , C>C , C>$ G= 1*
C10) C1C) C1$) C20) C2C) C2$) C*0) C*C) C*$) C>0) C>C y C>$ I= +
0onde
C*0 = /8mero de toneladas de la carga * a ser transportado en el almacQn delantero
C>0 = /8mero de toneladas de la carga > a ser transportado en el almacQn delantero
C*C = /8mero de toneladas de la carga * a ser transportado en el almacQn central
C>C = /8mero de toneladas de la carga > a ser transportado en el almacQn central
C*$ = /8mero de toneladas de la carga * a ser transportado en el almacQn trasero
C>$ = /8mero de toneladas de la carga > a ser transportado en el almacQn trasero
ESTUDIOS DE CASO
C-
CAPITULO IV
SOLUCI#N A PRORLEMAS DE PROGRAMACI#N LINEAL
USANDO SOETPARE
USO DE SOLVER DE ESCEL
En esta seccin, se utiliza el software Excel de Microsoft Office para resolver y analizar el
problema de programacin lineal.
EL PRORLEMA DE PLANEACI#N DE PRODUCCI#N DEL SINDICATO MINERO
PACOCOC0A
Vetas
LeJes
Costo
QTton
Tonela<e a
eGtraer
Ag
MonKTton(
P* MU(
ColIuec4aca 5 1)8 ;)@ Sc
-@ de %aJo -H -)-8 C)@ S%
Otros datos que debemos considerar son: el precio de la plata: $ 20,0 /ton; precio del plomo
0,70 $/lb; capacidad de la planta concentradora: 95 ton/da.
Como gerente de produccin, formule un modelo para determinar el tonelaje a extraer de
cada veta.
Cuya formulacin dio el siguiente modelo matemtico:
Maximizar 126,9 Xc + 328,71 Xm
Sujeto a:
Xc + Xm <= 95
- Xc + 5 Xm >= 0
- Xc + 2 Xm <= 0
Xc y Xm >= 0 y enteros
92
La nica dificultad que tenemos es el de modelar el programa dentro del Excel, y eso, es muy
fcil. Por supuesto, hay infinidad de maneras de hacerlo, aqu propongo una.
PROCEDIMIENTO DE SOLUCI#N
Se activa Excel y en una hoja...
Se ubican las celdas que se correspondern con el valor de las variables de decisin; en
ste caso, las celdas B6 y C6, se les da un formato para diferenciarlas de las dems (ver
captura abajo). Se ubica tambin, las celdas que contendrn los coeficientes de las
variables de decisin, B4 y C4, y se llenan con sus respectivos valores, 126,9 y 328,71.
Aunque ste ltimo paso, se podra omitir y dejar los coeficientes definidos en la celda de
la funcin objetivo, as es mejor para los anlisis de sensibilidad y para que la hoja quede
portable para otro programa.
Se ubica la celda que se corresponder con la funcin objetivo (celda objetivo), la B3. En
ella se escribe la funcin que sea, en ste caso, ser el coeficiente de X1 (en B4) por el
valor actual de Xc (en B6) mas el coeficiente de Xm (en C4) por el valor actual de Xm (en
C6) o sea: = $B$4*$B$6+$C$4*$C$6
Coeficientes para la primera restriccin: los podemos escribir en la misma columna de las
variables de decisin; en las celdas B7 y C7, con los valores 2 y 1, seguido del sentido de
la desigualdad (<=) y de su correspondiente RHS: 230. A la derecha ubicaremos el valor
actual de consumo de la restriccin, ella se escribir en funcin de las variables de
decisin y de los coeficientes de la restriccin. Esta celda, la utilizar Solver como la
real restriccin, cuando le digamos que el valor de sta celda no pueda sobrepasar la de
su correspondiente RHS. De nuevo ser el valor del coeficiente por el de la variable: =
B7*$B$6+C7*$C$6. Notese que ahora B7 y C7 no tienen el signo $. Pues es que luego
que se haya escrito sta celda, se podr arrastrar hacia abajo para que Excel escriba la
frmula por nosotros (la pereza!), pero tome los valores relativos a los coeficientes que le
corresponda a los mismos valores de las variables de decisin. Se repite los pasos
anteriores para las otras restricciones, pero ahora la frmula ser: = B8*$B$6+C8*$C$6 y
= B9*$B$6+C9*$C$6.
El resto del formato es para darle una presentacin ms bonita a la hoja. Ahora a resolverlo! Al
hacer clic en Herramientas, Solver se tendr una pantalla como la siguiente. Lo primero que hay
que hacer es especificar la celda objetivo y el propsito: maximizar. Se escribe B3 (o $B3 B$3
$B$3 como sea, da igual), en el recuadro "cambiando las celdas", se hace un clic en la flechita
roja, para poder barrer las celdas B6 y C6; lo mismo da si se escriben directamente los nombres.
C1
Y ahora para las restricciones: se hace clic en agregar...
En F7 est la primera restriccin, como se puede ver en la captura. Se especifica el sentido de la
restriccin <=, >= =. Aqu tambin se puede especificar el tipo de variable, por defecto es
continua, pero se puede escoger "nt" para entera o "Bin" para binaria. En el recuadro de la
derecha establecemos la cota. Aqu podemos escribir 95 pero mejor escribimos $E$7 para que
quede direccionado a la celda que contiene el 95, y despus lo podramos cambiar y volver a
encontrar la respuesta a manera de anlisis de sensibilidad.
Se repite ste paso para las otras dos restricciones.
La condicin de no negatividad hay que incluirla manualmente, as:
El cuadro de dilogo debe lucir as:
94
Y listo! Se hace clic en resolver y ya. Parece un poco largo en comparacin con los otros
paquetes de programacin lineal, pero esto se har slo una vez, para los prximos programas se
podr utilizar la misma hoja cambiando los coeficientes. Sin embargo, como se puede notar, la
flexibilidad de modelamiento es muy grande.
Los resultados para el Sindicato Minero Pacococha en la forma de un plan de produccin semanal
son los siguientes:
Cantidad de mineral de la veta Colquechaca por producir = 63,33 toneladas
Cantidad de mineral de la veta 10 de Mayo por producir = 31,67 toneladas
Margen de ganancia semanal = $ 18 446,15
USO DE SOLVER DE Pin!SR
En esta seccin, se utiliza el software WinQSB para resolver y analizar el problema de
programacin lineal continua.
PACOCOC0A
Vetas
Leyes
Costo
$/ton
Tonelaje a
extraer
Ag
(onz/ton)
Pb (%)
Colquechaca 4 3,5 7,0 Xc
C8
10 de mayo 16 1,15 9,0 Xm
cada veta.
Sujeto a:
Xc + Xm <= 95
- Xc + 5 Xm >= 0
- Xc + 2 Xm <= 0
Xc y Xm >= 0
PROCEDIMIENTO DE SOLUCI#NA
1. En la barra de tareas de la parte inferior de la pantalla, abrir el men Inicio y clic en el men
Progra%as.
2. Seleccione el men Pin!SR y haga clic en el botn Linear and Integer Progra%%ing.
3. Tendremos la presentacin del programa WinQSB
96
0. Luego tendremos la interface del programa y desde el men seleccionaremos: File | New
Problem
5. Se presentara una ventana donde colocaremos el nombre del problema, en nuestro caso
Sindicato Minero Pacococ4a y el numero de variables y restricciones de nuestro problema:
/ y 1 respectivamente, a continuacin seleccionaremos el criterio del objetivo, el tipo de
variable y el formato de entrada de datos
y pulsaremos OV.
6. En la nueva ventana que se presenta ingresaremos los datos del problema:
C;
Podemos editar el nombre de las variables y de las restricciones

7. En la barra de men, seleccionaremos el icono para procesar los datos
8. WinQSB procesara los datos, presentndonos la siguiente ventana:
son los siguientes:
98
9. Si deseamos observar la grfica, seleccionaremos el icono y se presentara la siguiente
ventana:
10. WinQSB presentara el siguiente grfico:
CC
USO DE LINDO
En esta seccin, se utiliza el software LNDO para resolver y analizar el problema de
programacin lineal continua.
LNDO (Linear nteractive Discrete Optimization) es una herramienta que fue diseada por Linus
Shorage en 1985 para resolver problemas de programacin lineal, entera y cuadrtica
SINTASIS DEL MODELO LINDO
1. Todos los modelos empiezan con el comando MAX o MN seguido de la funcin objetivo que
debe ser del tipo c
t
x.
2. Los nombres de las variables pueden contener a lo sumo 8 caracteres
3. Los nombres de las restricciones deben terminar con un parntesis y pueden contener a lo
sumo 8 caracteres
4. Se pueden usar los operadores +, -, =, > (equivale a >=), < (equivale a <=)
5. No reconoce la situacin (2+5-4)*X1, debemos poner 3 X1 ni tampoco 2(x1+x2) hay que
escribir 2x1+2x2
6. Los comentarios comienzan con el signo de exclamacin
7. Podemos utilizar ms de una lnea para escribir la funcin objetivo o las restricciones
8. No distingue entre maysculas y minsculas
9. En el lado derecho de las restricciones (denotado por RHS) slo pueden aparecer valores
numricos
10. En el lado izquierdo de las restricciones slo pueden aparecer las variables y sus coeficientes
11. Se supone que todas las variables son no negativas, por eso no se introducen las
restricciones de no negatividad
12. El esquema que se sigue es:
MAX <funcin objetivo>
SUBJECT TO (st)
Restriccion1)
.
Restriccin m)
END
13. Si queremos indicar que alguna variable no tiene restriccin de signo, que es entera, binaria,
etc, tenemos una serie de comandos que se utilizan despus de END
- FREE <variable> se usa si variable no tiene restriccin de signo
- GN <variable> se usa si variable slo toma valores enteros no negativos
- NT <variable> se usa si variable es binaria
- SLB <variable> <VALOR> se usa si variable est acotada inferiormente por valor
- SUB <variable> <VALOR> se usa si variable est acotada superiormente por valor
PACOCOC0A
100
Vetas
Leyes
Costo
$/ton
Tonelaje a
extraer
Ag
(onz/ton)
Pb (%)
10 de mayo 16 1,15 9,0 Xm
cada veta.
Sujeto a:
Xc + Xm <= 95
- Xc + 5 Xm >= 0
- Xc + 2 Xm <= 0
Xc y Xm >= 0
PROCEDIMIENTO DE SOLUCI#NA
11. En la barra de tareas de la parte inferior de la pantalla, abrir el men Inicio y haga clic en el
men Progra%as.
12. Seleccione el men LINDO H.- y haga clic en el botn PindoWs1/.
13. Luego tendremos la interface del programa y una pantalla <untitled>.
-@-
14. En la pantalla <untitled> escribiremos nuestro modelo
12. A continuacin guardaremos nuestro modelo seleccionando: File | Save As
16. En la pantalla Save As: en Eile Na%e: ingresaremos el nombre que deseemos para el
modelo, en este caso CaseChemicals.ltx y en Directories podremos seleccionar el fichero
donde guardarlo
102
1A. Para procesar el modelo, seleccionaremos : Solve | Solve
18. A continuacin se presentar la ventana LNDO preguntndonos, si deseamos realizar un
anlisis de sensibilidad?:
19. Luego tendremos la ventana LNDO Solver Status, que nos indicara las caractersticas de la
solucin:
20. LNDO procesara los datos, presentndonos el siguiente reporte:
-@1
son los siguientes:
104
CAPITULO IV
AN9LISIS DE SENSIRILIDAD USANDO SOETPAREA
EL PRORLEMA DE PLANEACI#N DE PRODUCCI#N DE CASE C0EMICALS
Case Chemicals produce dos solventes, CS-01 y CS-02, en su planta de Cleveland. Las
empresas que compran estos solventes los usan para disolver ciertas sustancias txicas que se
producen durante procesos de fabricacin particulares. La planta opera 40 horas a la semana y
emplea a cinco trabajadores de tiempo completo y a dos de tiempo parcial, que trabajan 15 horas
a la semana. Estas personas operan las siete mquinas que mezclan ciertos qumicos para
producir cada solvente. Los productos salen del departamento de mezclado para ser refinados en
el departamento de purificacin, que actualmente tiene siete purificadores y emplea a seis
trabajadores de tiempo completo y a uno de tiempo parcial, que trabaja 10 horas a la semana.
Case Chemicals tiene una provisin casi ilimitada de la materia prima que necesita para producir
los dos solventes. Case Chemicals puede vender cualquier cantidad de CS-01, pero la demanda
del producto ms especializado, CS-02, est limitada a lo ms a 120 000 galones por semana.
El departamento de contabilidad estima un margen de ganancias de $0,30 por galn de CS-01 y
de $0,50 por galn de CS-02, esto es, $300 por mil galones de CS-01 y $500 por mil galones de
CS-02.
Como gerente de produccin, usted desea determinar el plan de produccin semanal ptimo para
Case Chemicals. Qu cantidad de cada solvente debe producir Case Chemcals para
maximizar la ganancia?
Formulando el modelo matemtico, tenemos:
4a6imizar *++ CS1 , -++ CS2
0ependiendo de: 2 CS1 , CS2 ^ 2*+
CS1 , 2 CS2 ^ 2-+
CS2 ^ 12+
CS1) CS2 _ +
Donde: CS1 = El nmero de miles de galones de CS-01 por producir semanalmente
CS2 = El nmero de miles de galones de CS-02 por producir semanalmente
CONCEPTOS R9SICOS EN AN9LISIS DE SENSIRILIDAD
El Anlisis de Sensibilidad se utiliza para examinar los efectos de cambios en tres reas
diferenciadas del problema:
-@8
1. Los coeficientes de la funcin o!Cetivo 3Coeficientes 1!Cetivo). Los cambios en los
coeficientes objetivo NO afectan la forma de la regin factible, por lo que no afectaran a
la solucin optima (aunque si al valor de la funcin objetivo).
2. Los coeficientes tecnolgicos (aquellos coeficientes que afectan a las variables de las
restricciones, situados a la izquierda de la desigualdad). Los cambios en estos
coeficientes provocaran cambios sustanciales en la forma de la regin factible.
3. Los recursos disponi!les (los trminos independientes de cada restriccin, situados a la
derecha de la desigualdad). ntuitivamente (para 2 variables), los cambios en el RHS
suponen desplazamientos paralelos de las rectas asociadas a las restricciones, lo cual
har variar la forma de la regin factible y, con ello, a la solucin optima.
-. AN9LISIS DE SENSIRILIDAD CON ESCEL
El primer paso ser plantear el modelo en la hoja de clculo:
Activando la funcin Solver de Excel, tendremos:
Activemos Ado'tar %odelo lineal en la ventana O'ciones de Solver:
106
Haciendo clic en el botn Resolver, obtendremos la ventana Resultados de Solver, donde
elegiremos #espuesta y Sensi!ilidad en 'nformes:
Excel resolver el modelo matemtico:
Nos presentar el siguiente In:or%e de res'uestas:
-@;
Su interpretacin es inmediata: la solucin ptima sera un plan de produccin semanal de 70000
galones de CS-01, 90000 galones de CS-02 y tendremos un margen de ganancia semanal de $
66000.
Excel, tambin nos presentar el siguiente In:or%e de sensi*ilidadA
Despus de formular y resolver un problema de programacin lineal, un gerente debe hacerse un
numero de preguntas importantes de la forma: "Qu sucede si ...?. Por ejemplo:
1. Supongamos que, debido a una competencia reciente en el mercado por CS-01, la gerencia de
Case Chemicals ha decidido disminuir el precio de venta de su producto en $ 25 por cada 1
000 galones. Este cambio disminuye el coeficiente de ganancia de CS-01 de 300 dlares por
mil galones a 275 dlares. Cmo afecta este cambio el plan de produccin?
108
2. Supongamos que cada uno de los dos empleados de tiempo parcial del departamento de
mezclado de Case Chemicals trabaja 10 horas en vez de 15 a la semana. Este cambio
reduce las horas disponibles de mano de obra en el departamento de mezclado de 230 a
220. Cmo afecta este cambio el plan de produccin y la ganancia ptima?
Estas preguntas tienen que ver con el tpico del anlisis de sensibilidad. Usted, gerente, se
pregunta qu tan sensibles son la solucin ptima y el valor de la funcin objetivo con respecto a
los cambios en los datos del problema, es decir, los coeficientes en la funcin objetivo y las
restricciones. Qu tanto impacto tendr en la solucin un cambio en cualquiera de los datos?
Para dicho anlisis, utilizaremos el nforme de sensibilidad de Excel.
AN9LISIS DE SENSIRILIDAD DE LOS COEEICIENTES DE LA EUNCI#N OR7ETIVO
)nlisis de sensibilidad del coeficiente de la funcin ob/eti.o para !1
Basndose en la solucin ptima obtenida, la compaa ha estado produciendo 70 mil galones de
CS-01 y 90 mil galones de CS-02. Debido a una competencia reciente en el mercado por CS-01,
la gerencia ha decidido disminuir el precio de venta de CS-01 en $25 por mil galones. Cmo
debera cambiar el plan de produccin para CS-01 y CS-02?
El primer paso para responder esta pregunta es darse cuenta de que una disminucin de $25 en
el precio de venta de cada mil galones de CS-01 tiene como resultado una disminucin
correspondiente en el margen de ganancia de CS-01 de $300 a $275. La pregunta a formularse
es: qu sucede con la solucin ptima anterior para CS1 = 70 y CS2 = 90 cuando el coeficiente
de CS1 en la funcin objetivo disminuye de 300 a 275?
Una forma de contestar esta pregunta es resolver el problema despus de cambiar el coeficiente
de CS1 en la funcin objetivo a 275. Sin embargo, el anlisis de sensibilidad le permite responder
sta y otras preguntas relacionadas sin tener >ue resol.er el problema cada .e7 >ue se ?ace
una pre9unta similar.
En el nforme de sensibilidad de Excel, obtenemos el intervalo de sensibilidad de los coeficientes
de objetivo y de los recursos disponibles:
Podemos ver que el intervalo de sensibilidad del coeficiente CS1 es <250, 1000>
3
. Esto significa
que si todos los dems datos permanecen inalterados y el coeficiente de CS1 de la funcin
objetivo permanece en el intervalo <250, 1000>, la solucin actual de CS1 = 70 y CS2 = 90 sigue
siendo ptima.
Ahora puede responder la pregunta original de cmo cambiar el plan de produccin de Case
Chemicals cuando el precio de CS-01 disminuye en $25 por mil galones. Aunque esta
disminucin ocasiona que el coeficiente de CS1 disminuya de su valor actual de 300 a 275, este
nuevo valor de 275 est dentro del intervalo <250, 1000>. Por tanto, la solucin ptima anterior
3
El valor minimo del intervalo, se obtiene realizando $F$9 $H$9 y el valor mximo: $F$9 + $G$9
-@C
sigue siendo ptima, es decir, Case Chemicals no debera cambiar su plan de produccin de 70
mil galones de CS-01 y 90 mil galones de CS-02 a la semana. Sin embargo, el margen de
ganancia semanal cambia:
Nuevo margen de ganancia = 275 CS1 + 500 CS2
= 275(70) + 500(90)
= 64 250
Esto es, su margen de ganancia semanal disminuye a $64 250.
)nlisis de sensibilidad del coeficiente de la funcin ob/eti.o para !2
Puede conducir un anlisis similar sobre el coeficiente de ganancia de CS2 del ejemplo,
asumiendo que el coeficiente de CS1 permanece inalterado en su valor original de 300. Considere
el coeficiente de CS2 de la funcin objetivo como una variable y conociendo el intervalo de
sensibilidad de <150, 600>. Tenemos que, si todos los dems datos permanecen inalterados, la
solucin ptima actual CS1 = 70 y CS2 = 90 sigue siendo ptima, siempre que la ganancia por
vender cada mil galones de CS-02 est dentro del intervalo <150, 600>. El tamao de este
intervalo indica qu tan sensible es la solucin ptima a su coeficiente.
AN9LISIS DE SENSIRILIDAD DE LOS VALORES DEL LADO DEREC0O DE LAS
RESTRICCIONES MRECURSOS DISPONIRLES) R0S(
Usted puede aplicar el anlisis de sensibilidad no slo a los cambios en los coeficientes de la
funcin objetivo, sino tambin a los cambios en los valores del lado derecho de las restricciones
(recursos disponibles). Por ejemplo, como gerente de produccin de Case Chemicals, puede
estar interesado en cualquiera de las siguientes preguntas.
1. Ante los posibles recortes de presupuesto por parte de la administracin superior, usted desea
saber: qu sucede con el margen de ganancia de Case Chemicals si cada uno de los dos
empleados de tiempo parcial del departamento de mezclado trabaja 10 horas (en vez de 15) a
la semana?
2. Al observar que todas las horas disponibles de mano de obra del departamento de mezclado
se utilizan segn el plan de produccin actual, se incrementar el margen de ganancia si las
horas disponibles aumentan al hacer que uno de los empleados de tiempo parcial trabaje de
tiempo completo y se prescinde del otro?
3. Como una alternativa a la pregunta 2, en cunto se incrementara el margen de ganancia si
se contratara un trabajador adicional de tiempo completo en el departamento de purificacin?
Cada una de estas preguntas puede reformularse de la siguiente forma general:
Qu le sucede al valor ptimo de la funcin objetivo de un programa lineal cuando uno de los
valores del lado derecho de una restriccin (recursos disponibles) se modifica y los otros datos del
problema permanecen inalterados?
Una forma de responder este tipo de pregunta es solucionar un nuevo problema de programacin
lineal en el que se modifique el valor de inters del lado derecho, y todo lo dems sea igual. Sin
embargo, las tcnicas presentadas a continuacin le permiten responder tales preguntas sin tener
ue resolver todo el pro!lema.
)nlisis de sensibilidad del .alor del lado derec?o de la restriccin D152 %roceso de
me7clado
110
De los resultados del nforme de sensibilidad de Excel, puede concluirse que, mientras el valor del
lado derecho de la restriccin (1) permanece dentro del intervalo de <140, 500>, la solucin
ptima y el margen de ganancia cambian.
El cambio del margen de ganancia total, puede calcularse utilizando el valor del 'recio so%*ra)
o 'recio dual) de la restriccin, que es 33,33333.
Esto significa que por cada hora adicional de mano de obra disponible en el departamento de
mezclado por encima del valor actual de 230 y hasta 500 horas, el margen de ganancia
corporativo se incrementa en $33.33.
Observe que el precio sombra de 33,3333 tambin indica que cada recorte de hora del actual
nivel de 230 hasta 140 tiene como resultado una prdida de $33.33 en el margen de ganancia.
Con esta informacin, podemos responder las preguntas planteadas:
1. Qu sucede con el margen de ganancia de Case Chemicals si cada uno de los dos
empleados de tiempo parcial del departamento de mezclado trabaja 10 horas (en vez de 15)
a la semana (es decir, si el valor d de la restriccin (1) disminuye a 220 de su valor actual de
230)?
Como este cambio est dentro del intervalo <140, 500>, cada hora perdida disminuye el
margen de ganancia en el precio sombra:
Utilizando la ecuacin:
Nuevo margen de ganancia = (Viejo margen de ganancia) + (Precio sombra) x
(ncremento en horas de mano de obra)
Tenemos:
= 66 000 + 33,3333 x (220 230)
= $ 65 667
2. Qu sucede con el margen de ganancia si uno de los empleados de tiempo parcial del
departamento de mezclado trabaja tiempo completo y se prescinde del otro (es decir, el valor
del lado derecho de la restriccin (1) se incremento a 240?
Como este cambio est dentro del intervalo <140,500>, el margen de ganancia se incrementa
en la proporcin del precio sombra, es decir:
Nuevo margen de ganancia = (viejo margen de ganancia) + (precio sombra) x
(incremento en horas de mano de obra)
= 66 000 + 33,3333 x (240 230)
= $66 333,33
---
)nlisis de sensibilidad del .alor del lado derec?o de la restriccin D252 %roceso de
refinacin
Usando la misma lgica, descubrir que, mientras este valor del lado derecho permanezca en el
intervalo <115, 295>, la solucin ptima estar determinada por la interseccin de las
restricciones (1) y (2). Podemos observar que el 'recio so%*ra) o 'recio dual) del recurso es
de 233,33.
Por cada hora adicional de mano de obra disponible en el departamento de purificacin arriba del
valor actual de 250 y hasta 295 horas, el margen de ganancia se incrementa en $233,33. De
manera similar, cada recorte de hora del actual nivel de 250 hasta 115 horas tiene como resultado
una prdida de $233,33 en el margen de ganancia.
Ya podemos responder la pregunta planteada al principio de esta seccin, que se repiten aqu:
3. Qu sucede con el margen de ganancia si se contrata un trabajador adicional de tiempo
completo en el departamento de purificacin (esto es, si el valor del ado derecho de la
restriccin (2) se incremento a 290 de su valor actual de 250)?
Como este cambio est dentro del intervalo <115, 295>, cada hora ganada incrementa el
margen de ganancia en el precio sombra:
Nuevo margen de ganancia = (viejo margen de ganancia) - (precio sombra) x
(incremento en horas de mano de obra)
= 66 000 + 233,33 x (290 250)
= $75 333,33
AN9LISIS PARAM"TRICO DE LOS RECURSOS DISPONIRLES MVALORES DEL LADO
DEREC0O(
Con el anlisis de sensibilidad, usted est preparado para responder ciertas preguntas del tipo
"Qu sucede si ... `a) siempre y cuando los cam!ios en los coeficientes estQn dentro del intervalo
de sensi!ilidad. Sin embargo, qu sucede si esos cambios estn fuera del intervalo? Por
ejemplo, como gerente de Case Chemicals, podra enfrentarse con una de las siguientes
preguntas (pero no am!as simultneamente):
1. Qu sucede con la ganancia semanal si el departamento de mezclado se reduce a dos
trabajadores de tiempo completo y uno de tiempo parcial de 30 horas a la semana?
2. Qu le sucede al margen de ganancia semanal si el departamento de purificacin se
ampla a nueve purificadores con nueve trabajadores de tiempo completo?
El primer paso es darse cuenta de que ambas preguntas tienen que ver con cambios en los
valores del lado derecho. Estas preguntas pueden reformularse de la siguiente manera:
1. Qu le sucede al margen de ganancia semanal ptimo si el valor del lado derecho de la
restriccin (1) disminuye de su valor actual de 230 a 110 (dos trabajadores de tiempo
completo de 40 horas semanales y uno de tiempo parcial de 30 horas a la semana)?
2. Qu le sucede al margen de ganancia semanal ptimo si el valor del lado derecho de la
restriccin (2) se incremento de su valor actual de 250 a 360 (nueve trabajadores de
tiempo completo de 40 horas semanales)?
Observe que el nuevo valor de 120 para el ado derecho en la pregunta 1 est fuera del intervalo
de sensibilidad <140,500> calculado para la restriccin (1). De manera similar, el nuevo valor de
360 para el ado derecho en la pregunta 2 est fuera del intervalo de sensibilidad <115,295> para
la restriccin (2). Para responder las preguntas relativas a los valores del ado derecho, fuera del
intervalo de sensibilidad, se realiza de nuevo los clculos con el nuevo valor del lado derecho de
la restriccin (1).
112
En otras palabras, si el nmero de horas en el departamento de mezclado se reduce a 110, el
margen de ganancia semanal cae de $66 000 a $55 000. Esta informacin debera usarse junto
con otros factores al tomar una decisin gerencial.
Para responder la pregunta 2, necesita un anlisis similar para el valor del lado derecho de la
restriccin (2):
En otras palabras, si el nmero de horas en el departamento de purificacin se incremento a 360,
el margen de ganancia semanal se incremento de $66 000 a $76 500. Esta informacin debera
usarse junto con otros factores al tomar una decisin gerencial. Por ejemplo observe que puede
obtenerse el mismo margen de ganancia de $76 500 si el valor del lado derecho de la restriccin
(2) es de 295. La gerencia podra obtener este valor con siete trabajadores de tiempo completo y
uno de tiempo parcial de 15 horas a la semana. Por tanto, tal vez no sea necesario contratar
nueve trabajadores de tiempo completo.
/. AN9LISIS DE SENSIRILIDAD CON LINDO
Utilizamos el software LNDO para resolver el modelo matemtico:
Obtenemos el siguiente resultado:
--1
Con los resultados, podremos realizar un anlisis similar al realizado con los nformes de Excel.
1. AN9LISIS DE SENSIRILIDAD CON Pin!SR
Al usar el software WinQSB, obtendramos el siguiente reporte:
114
De manera similar al anlisis con Excel, podemos trabajar con el reporte de WinQSB.
CONCLUSI#N
En esta seccin, usted ha aprendido a preguntar y contestar preguntas relativas a qu tan
sensibles son la solucin ptima y el valor de la funcin objetivo en uno de los coeficientes de la
funcin objetivo o en valores del lado derecho. Tales preguntas son de particular importancia
para gerentes que deben tomar decisiones cuando los datos para un problema estn sujetos a
cambios o incertidumbre.
REEERENCIA RIRLIOGR9EICA
Kamlesh Mathur, Daniel Solow, NVESTGACN DE OPERACONES, Edit.Prentice hall
Hispanoamericana S.A., Mxico, 1996.
EL PRORLEMA DE PLANEACI#N DE PRODUCCI#N DEL SINDICATO
MINERO PACOCOC0A
Vetas
Leyes
Costo
$/ton
Tonelaje a
extraer
Ag
(onz/ton)
Pb (%)
10 de mayo 16 1,15 9,0 Xm
Otros datos que debemos considerar son: el precio de la plata: $ 20,0 /ton; precio del plomo 0,70
$/lb; capacidad de la planta concentradora: 95 ton/da.
Como gerente de produccin, formule un modelo para determinar el tonelaje a extraer de cada
veta.
4ormulacin matemtica del modelo
4a6imizar 12@)= 7c , *2E)<1 7m
SuCeto a:
7c , 7m G= =-
--8
H 7c , - 7m I= +
H 7c , 2 7m G= +
7c y 7m I= +
EuenteA Selvino Baz) JB%#$ F CB4 una alternativa en pro!lemas minerosK) L/') Lima Ber8)
Conce'tos R,sicos en An,lisis de Sensi*ilidad
El Anlisis de Sensibilidad se utiliza para examinar los efectos de cambios en tres reas
diferenciadas del problema:
4. Los coeficientes de la funcin ob/eti.o Doeficiente 'b/eti.o5. Los cambios en los
coeficientes objetivo NO afectan la forma de la regin factible, por lo que no afectaran a
la solucin optima (aunque si al valor de la funcin objetivo).
5. Los coeficientes tecnol9icos (aquellos coeficientes que afectan a las variables de las
restricciones, situados a la izquierda de la desigualdad). Los cambios en estos
coeficientes provocaran cambios sustanciales en la forma de la regin factible.
6. Los recursos disponibles (los trminos independientes de cada restriccin, situados a la
derecha de la desigualdad). ntuitivamente (para 2 variables), los cambios en el RHS
suponen desplazamientos paralelos de las rectas asociadas a las restricciones, lo cual
har variar la forma de la regin factible y, con ello, a la solucin optima.
AN9LISIS DE SENSIRILIDAD CON ESCEL
El primer paso ser plantear el modelo en la hoja de clculo:
Activando la funcin Solver de Excel, tendremos:
116
Activemos Ado'tar %odelo lineal en la ventana O'ciones de Solver:
Haciendo clic en el botn Resolver, obtendremos la ventana Resultados de Solver, donde
elegiremos #espuesta y Sensi!ilidad en 'nformes:
Excel nos dar el siguiente In:or%e de res'uestas:
--;
Una vez identificados los componentes del informe, su interpretacin es casi inmediata:
La veta Colquechaca debe producir 63,33 ton de mineral y la veta 10 de mayo 31,67 ton; para
una ganancia mxima de $ 18 446,15.
Despus de formular y resolver un problema de programacin lineal, un gerente debe hacerse un
numero de preguntas importantes de la forma: "Qu sucede si ...?. Por ejemplo:
1. Qu le sucede a la solucin ptima y al valor de la funcin objetivo correspondiente si un
coeficiente particular de la funcin objetivo se modifica? Por ejemplo, supongamos que,
debido a una sobreoferta de plata en el mercado mundial la cotizacin de la plata baja a $
10,0 /onz. Este cambio disminuye el coeficiente de ganancia de Xc de $126,9 a $ $86,9 y Xm
de $328,71 a $ 168,71. Cmo afecta este cambio en el coeficiente de la funcin objetivo el
plan de produccin?
2. Qu sucede con la solucin ptima y con el valor de la funcin objetivo correspondiente si se
modifica un valor particular del extremo derecho de las restricciones? Por ejemplo, durante
un mes existen problemas con el rea de molienda de la planta concentradora y solo trabaja
al 80% de su capacidad total. Este cambio reduce la capacidad de la planta de 95 ton/da a
76 ton/da. Cmo afecta este cambio en el valor del extremo derecho de la capacidad de la
planta concentradora el plan de produccin y la ganancia ptima?
Estas preguntas tienen que ver con el tpico del anlisis de sensibilidad. Usted, gerente, se
pregunta qu tan sensibles son la solucin ptima y el valor de la funcin objetivo con respecto a
los cambios en los datos del problema, es decir, los coeficientes en la funcin objetivo y las
restricciones. Qu tanto impacto tendr en la solucin un cambio en cualquiera de los datos?
Estas preguntas de sensibilidad son importantes para un gerente porque los datos del problema a
menudo tienen que estimarse y por tanto estn sujetos a inexactitudes. Antes de implantar la
solucin obtenida de un programa lineal, es ventajoso para el gerente saber lo que podra suceder
si las estimaciones de los datos son ligeramente inexactas. El anlisis de sensibilidad indica qu
coeficientes afectan ms significativamente la solucin ptima.
Para dicho anlisis, Excel tambin nos proporcionar el In:or%e de sensi*ilidad:
118
Podemos utilizar el informe de sensibilidad, adjuntando algunos clculos:
An,lisis de sensi*ilidad de los coe:icientes de la :unci&n o*<etivo
)nlisis de sensibilidad de los coeficientes de la funcin ob/eti.o para =c y =m
Basndose en la solucin ptima obtenida, la veta Colquechaca ha estado produciendo 63,33 ton
de mineral y la veta 10 de mayo 31,67 ton.
Debido a una sobreoferta de plata en el mercado mundial la cotizacin de la plata baja a $ 10,0
/onz. Cmo debera cambiar el plan de produccin para las vetas Colquechaca y 10 de mayo?
El primer paso para responder esta pregunta es darse cuenta de que una disminucin de $10 en
la cotizacin de la plata tiene como resultado una disminucin correspondiente en el margen de
ganancia de la veta Colquechaca de $126,9 a $ $86,9 y de $328,71 a 168,71 en la veta 10 de
mayo. La pregunta a formularse es: qu sucede con la solucin ptima anterior para Xc = 63,33
y Xm = 31,67 cuando el coeficiente de Xc en la funcin objetivo disminuye de 126,9 a 86,9 y el
coeficiente Xm disminuye de $328,71 a $ 168,71?.
Una forma de contestar esta pregunta es resolver el problema despus de cambiar el coeficiente
de Xc y Xm en la funcin objetivo a 86,9 y 168,71. Sin em!argo) el an5lisis de sensi!ilidad le
permite responder Qsta y otras preguntas relacionadas sin tener >ue resol.er el problema cada
.e7 >ue se ?ace una pre9unta similar.
En el nforme de sensibilidad de Excel, podemos ver que el intervalo de sensibilidad del
coeficiente Xc es [-164,355 , 328,71] y el intervalo de sensibilidad del coeficiente Xm es [126,9 ,
M]. Esto significa que si todos los dems datos permanecen inalterados, entonces mientras el
coeficiente de Xc de la funcin objetivo permanezca en el intervalo [-164,355 , 328,71] y el
coeficiente Xm en el intervalo [126,9 , M] , la solucin actual de Xc = 63,33 y Xm = 31,67 sigue
--C
siendo ptima. El valor de la funcin objetivo en este punto, sin embargo, cambia. El tamao de
este intervalo indica qu tan sensible es la solucin ptima a su coeficiente. Por ejemplo, un
intervalo para Xc de [110,5, 150,5] indicara que la solucin ptima es ms sensible a un cambio
en este coeficiente de funcin objetivo que el intervalo anterior de [-164,355 , 328,71].
Ahora puede responder la pregunta original de cmo cambiar el plan de produccin de Pacococha
cuando el precio de la plata disminuye en $10 por onza. Aunque esta disminucin ocasiona que
el coeficiente de Xc disminuya de su valor actual de $126,9 a $86,9, este nuevo valor de 86,9
est dentro del intervalo [-164,355 , 328,71] calculado en el anlisis de sensibilidad; de la misma
manera el nuevo valor de 168,71 para el coeficiente Xm est dentro del intervalo [126,9 , M]. Por
tanto, la solucin ptima anterior sigue siendo ptima, es decir, la veta Colquechaca debe
producir 63,33 ton de mineral y la veta 10 de mayo 31,67 ton.
Sin embargo, el margen de ganancia cambia:
Nuevo margen de ganancia = 86,9 Xc + 168,71 Xm
= 86.9 (63,33) + 168.71(31,67)
= 10 846,42
Esto es, su margen de ganancia disminuye a $7 599,73.
Conclusin: Si todos los dems datos permanecen inalterados, la solucin ptima actual Xc =
63,33 y Xm = 31,67 sigue siendo ptima, siempre que las variaciones de los coeficientes estn
dentro de los intervalos proporcionados por el anlisis de sensibilidad. El tamao de este
intervalo indica qu tan sensible es la solucin ptima a su coeficiente.
An,lisis de sensi*ilidad de los valores del lado derec4o Mrecursos(
Usted puede aplicar el anlisis de sensibilidad no slo a los cambios en los coeficientes de la
funcin objetivo, sino tambin a los cambios en los valores del lado derecho de las restricciones
(recursos). Por ejemplo, como gerente de produccin de Pacococha, puede estar interesado en
cualquiera de las siguientes preguntas.
4. Ante la existencia de problemas en el rea de molienda de la planta concentradora que viene
trabajando al 80% de su capacidad total. Y por ende la reduccin de la capacidad de la
planta de 95 ton/da a 76 ton/da. en cuanto disminuir el margen de ganancia?
Podemos formular la pregunta de la siguiente forma general:
Qu le sucede al valor ptimo de la funcin objetivo de un programa lineal cuando uno de los
valores del lado derecho de una restriccin se modifica y los otros datos del problema
permanecen inalterados?
Una forma de responder este tipo de pregunta es solucionar un nuevo problema de programacin
lineal en el que se modifique el valor de inters del lado derecho, y todo lo dems sea igual. Sin
embargo, las tcnicas presentadas a continuacin le permiten responder tales preguntas sin tener
ue resolver todo el pro!lema.
)nlisis de sensibilidad del .alor del lado derec?o de la restriccin
De los resultados del nforme de sensibilidad de Excel, puede concluirse que, si no cambian otros
datos del problema, entonces, mientras el valor del lado derecho de la restriccin (1) permanece
dentro del intervalo de [0 , M], la solucin ptima sigue siendo la misma. Sin em!argo) incluso
dentro de este intervalo) los valores especficos de las varia!les en la solucin ptima cambian.
Hasta ahora usted ha visto cmo cambia la solucin ptima. Como gerente de Pacococha
tambin debera estar interesado en lo que le sucede a la ganancia total, esto es, lo que le sucede
al valor de la funcin objetivo en la solucin ptima al cambiar el valor d de la restriccin (1).
Podemos observar que el 'recio so%*ra) o 'recio dual) del recurso es de 194,17.
Esto significa que por cada tonelada adicional de capacidad de planta concentradora disponible
por encima del valor actual de 95 el margen de ganancia corporativo se incrementar en $194,17.
Observe que el precio sombra de 194,17 tambin indica que cada recorte de hora del actual nivel
de 95 tiene como resultado una prdida de $194,17en el margen de ganancia.
Conociendo el precio sombra de la restriccin, ya puede responder la pregunta planteada:
Nuevo margen de ganancia = (viejo margen de ganancia) + (precio sombra)*
120
(incremento en toneladas de capacidad de tratamiento)
= 18 446,15 + 194,17(76 - 95)
= $14 756,92
An,lisis 'ara%3trico de los valores del lado derec4o
Con el anlisis de sensibilidad, usted est equipado para responder ciertas preguntas del tipo
"Qu sucede si ... `a) siempre y cuando los cambios en los coeficientes est@n dentro del
inter.alo de sensibilidad. Sin embargo, qu sucede si esos cambios estn fuera del
intervalo?.
Para responder preguntas relativas a los valores del d fuera del intervalo de sensibilidad, se
realiza clculos con el nuevo valor del ld de la restriccin.
AN9LISIS DE SENSIRILIDAD CON LINDO
Con el software LNDO obtendramos el siguiente resultado:
Con los resultados, podremos realizar una anlisis similar al realizado con los nformes de Excel.
AN9LISIS DE SENSIRILIDAD CON Pin!SR
Al usar el software WinQSB, obtendramos el siguiente reporte:
-/-
De manera similar al anlisis con Excel, podemos trabajar con el reporte de WinQSB.
CONCLUSI#N
En esta seccin, usted ha aprendido a preguntar y contestar preguntas relativas a qu tan
sensibles son la solucin ptima y el valor de la funcin objetivo en uno de los coeficientes de la
funcin objetivo o en valores del lado derecho. Tales preguntas son de particular importancia
para gerentes que deben tomar decisiones cuando los datos para un problema estn sujetos a
cambios o incertidumbre.
REEERENCIA RIRLIOGR9EICA
Kamlesh Mathur, Daniel Solow, NVESTGACN DE OPERACONES, Edit.Prentice hall
Hispanoamericana S.A., Mxico, 1996.
E7EMPLOS DE AN9LISIS DE SENSIRILIDAD USANDO SOETPARE
-. Steel Company produce tres tamaos de tubos: A, B y C, que son vendidos, respectivamente
en $10, $12 y $9 por pie. Para fabricar cada pie del tubo A se requieren 0,5 minutos de
tiempo de procesamiento sobre un tipo particular de maquina de modelado. Cada pie de tubo
B requiere 0,45 minutos y cada pie del tubo C requiere 0,6 minutos. Despus de la
produccin, cada pie de tubo, sin importar el tipo, requiere 1 onza de material de soldar. El
costo total se estima en $3, $4 y $4 por pie de los tubos A, B y C, respectivamente.
Para la siguiente semana, MTV Steel ha recibido pedidos excepcionalmente grandes que
totalizan 2000 pies del tubo A, 4000 pies del tubo B y 5000 pies del tubo C. Como solo se
dispone de 40 horas de tiempo de maquina esta semana y solo se tienen en inventario 5500
onzas de material de soldar, el departamento de produccin no podr satisfacer esta
demanda, que requiere un total de 97 horas de tiempo de maquina y 11000 onzas de material
de soldar. No se espera que contine este nivel de demanda. En vez de expandir la
capacidad de las instalaciones de produccin, la gerencia de MTV Steel esta considerando la
compra de algunos de estos tubos a proveedores de Japn a un costo de entrega de $6 por
pie de tubo A, $6 por pie de tubo B y $7 por pie del tubo C. estos diversos datos se resumen
en la tabla. Como gerente del departamento de produccin, se le ha pedido hacer
recomendaciones respecto a la cantidad de produccin de cada tipo de tubo y la cantidad de
compra a Japn para satisfacer la demanda y maximizar las ganancias de la compaa.
TPO PRECO
DE VENTA
($/pie)
DEMANDA
(pie)
TEMPO DE
MAQUNA
(min/pie)
MATERAL
PARA
SOLDAR
(oz/pie)
COSTO DE
PRODUCC
N ($/pie)
COSTO DE
COMPRA
($/pie)
122
A 10 2 000 0,50 1 3 6
B 12 4 000 0,45 1 4 6
C 9 5 000 0,60 1 4 7
Cantidad disponible 40 5 500 oz
El modelo matemtico para el problema es:
4a6imizar ganancia = <"B , EOB , -CB , >"b , @Ob , 2Cb
0ependiendo de:
#estricciones de demanda
"B , "b = 2 +++ 3demanda ")
OB , Ob = > +++ 3demanda O)
CB , Cb = - +++ 3demanda C)
#estricciones de recursos
+)-"B , +)>-OB , +)@CB G= 2 >++ 3tiempo de mauina)
"B , OB , CB G= - -++ 3material para
soldar)
#estricciones lgicas
"B) OB) CB) "b) Ob) Cb I= +
Utilice el software WinQSB para responder a las preguntas siguientes:
a5 Iul es el plan de produccinAad>uisicin ptimo para la M;V !teelJ
4$( Steel de!e producir 2)+++ pies de tu!o " y 2)***.** pies de tu!o Cc de!e comprar de sus
proveedores del bapn >)+++ pies de tu!o O y 2)@@@)@< pies de tu!o C para cumplir con sus
pedidos. La venta de estos productos le va a reportar ; --)+++ de ganancia.
b5 Iules de las dos restricciones de recursos son acotantes
4
J
0
A!'-*-e e+ +i"i)' #e $i)i-*-e.
-/1
Solo la restriccin para el recurso tiempo de m5uina es limitante) de!ido a ue su varia!le de
9olgura 3SnacD o Surplus) tiene valor de cero.
c5 !i pudiera obtener ms material para soldar o ms tiempo de m>uina, pero no ambas cosas,
Iul esco9er6aJ #8pli>ue.
%scogera el tiempo de m5uina) pues es un recurso limitado) mientras ue a8n tenemos 1 @@@)@<
onzas de material para soldar.
d5 &os /aponeses acaban de aumentar el precio de sus tubos tipo de EK a EL por pie. Ide >u@
manera cambia el plan de produccinAad>uisicin actualJ D!i no puede ?acerlo, obten9a la
respuesta resol.iendo un modelo apropiadamente modificado5.
%l incremento del precio) disminuye nuestra ganancia en el tu!o C comprado a ;1)+) cuyo valor
ueda fuera del intervalo de sensi!ilidad G1.> F 2.***I. Se de!e volver a resolver el pro!lema con
las nuevas condiciones:
%l nuevo plan de produccin optimo es producir >)+++ pies de tu!o C y comprar de sus
proveedores del bapn 2)+++ pies de tu!o "c >)+++ pies de tu!o O y 1)+++ pies de tu!o C para
cumplir con sus pedidos. La venta de estos productos le va a reportar una ganancia de ; -*)+++
e5 &a compaF6a desea aumentar sus 9anancias a E "K "11. Iuntas ?oras ms de tiempo
ma>uina se necesitan para lo9rar este ob/eti.oJ D!i no puede ?acerlo, obten9a la respuesta
resol.iendo un modelo apropiadamente modificado5.
/uevo margen de ganancia = 3vieCo margen de ganancia) , 3precio som!ra) 6 3incremento en 9oras
de mano de o!ra)
3incremento en 9oras de mano de o!ra) = d3nuevo margen de ganancia) F 3vieCo margen de
ganancia)e?3precio som!ra)
incremento en 9oras de mano de o!ra = 3;-<)-++ H ;--)+++)?;-)+?9) = -++ min = E)** 9.
Compro!ando con el softRare tenemos:
124
f5 &a compaF6a puede .ender su material para soldar con una 9anancia de E 32 por libra.
Iunto deber .enderJ #8pli>ue.
/. HiDec produce dos modelos de artculos electrnicos, donde se usan resistores, capacitores y
chips. La tabla siguiente es un resumen de lo datos de este caso.
Recurso
Requerimientos del recursos por unidad
Modelo
(unidades)
Modelo 2
(unidades)
Disponibilidad
mxima (unidades)
Resistor 2 3 1 200
Capacitor 2 1 1 000
Chips 0 4 800
Utilidad ($) 3 4
El modelo matemtico es el siguiente:
4a6imizar *41 , >42
SuCeto a:
241 , *42 G= 1 2++ 3disponi!ilidad de resistores)
241 , 42 G= 1 +++ 3disponi!ilidad de capacitores)
>42 G= E++ 3disponi!ilidad de c9ips)
41) 42 I= +
Utilice el software WinQSB para responder a las preguntas siguientes:
a. Deter%ine la soluci&n &'ti%a con Pin!SR
-/8
Pi0ec de!e producir >-+ unidades de 41 y 1++ unidades de 42 para o!tener una ganancia de S?.
1 <-+)++.
*. En :unci&n de la utilidad &'ti%a) deter%ine el valor de un resistor. De un ca'acitor. De
un c4i'.
%l valor de los elementos est5 determinado por el precio som!ra de cada uno de ellos) para un
resistor es S?. 1)2-) para un capacitor S?. +)2- y para un c9ip es +.
c. Si la cantidad dis'oni*le de resistores au%enta a - 1@@ unidades) !u3 sucede$
Bodemos o!servar ue el recurso resistor posee un intervalo de G1 +++) 1 >++I y 1 *++ se
encuentra dentro del rango) por lo tanto) podemos calcular la variacin de la ganancia ptima:
3/uevo valor de z) = 3valor original de z) , 3precio som!ra) 6 3cam!io en el valor del lado derec9o)
7 0 1 <-+)++ , 31)2-) 6 31 *++H1 2++) = !A. 1 LK",1
d. Si se reduce la cantidad de c4i's dis'oni*le a 18@ unidades) Podr+a usted deter%inar
la soluci&n &'ti%a nueva en :or%a directa a 'artir de la in:or%aci&n$ EG'liIue 'or Iu3.
%l valor de *-+ no se encuentra dentro del intervalo G>++) 4I) por lo tanto) de!emos volver a
calcular la produccin ptima con el nuevo valor.
Con el cam!io de valor del recurso c9ips) Pi0ec de!e producir >-@ unidades de 41 y E< unidades
de 42 para o!tener una ganancia de S?. 1 <1@)+.
e. Si la dis'oni*ilidad de los ca'acitores se li%ita 'or el intervalo de a'lica*ilidad
calculado en *() deter%ine el intervalo corres'ondiente de utilidad &'ti%a J los intervalos
corres'ondientes de la cantidad de unidades a 'roducir de los %odelos - J / .
Bara responder) utilizaremos el an5lisis paramQtrico de XinUSO
126
0el gr5fico) podemos deducir ue para el intervalo de los capacitores GE++) 1 2++I) el intervalo
del margen de ganancia es G1 <++) 1 E++I.
Bara calcular el valor los intervalos correspondientes a la cantidad de unidades a producir de los
modelos 1 y 2) realizaremos nuevos c5lculos son los valores e6tremos del intervalo GE++) 1 2++I:
%l intervalo para 41 ser5 G*++) @++I y para 42 G+) 2++I.
:. Un nuevo contratista o:rece vender a 0iDec %as resistores a 5@ centavos cada uno)
'ero solo si 0iDec co%'ra un %+ni%o de 8@@ unidades. de*e ace'tar la o:erta 0iDec$
(olvemos a calcular con 1 <++ resistores:
-/;
1!servamos ue la ganancia se incrementa en S?. 2-+)+ 32 +++)+ F 1 <-+)+) y el gasto sera de
S?. 2++)+ 3-++ unidades 6 ;+)>?unidad)) por lo tanto) es recomenda!le realizar la compra.
1. Toyco arma tres juguetes: trenes, camiones y coches, con tres operaciones. Los lmites de
tiempo disponible para las tres operaciones son 430, 460 y 420 minutos, respectivamente, y
las utilidades por tren, camin y coche de juguete son $3, $2 y $5, respectivamente. Los
tiempos de armado por tren, en las tres operaciones son 1, 3 y 1 minutos, respectivamente.
Los tiempos respectivos por camin y por coche son (2, 0, 4) y (1, 2, 0) minutos (un tiempo de
cero indica que no se usa la operacin). Si x1, x2 y x3 representan la cantidad diaria de
unidades armadas de trenes, camiones y coches. El modelo matemtico formulado ser:
4a6imizar z = *61 , 262 , -6*
SuCeto a:
61 , 262 , 6* G= >*+ 31peracin 1)
*61 , 26* G= >@+ 31peracin 2)
61 , >62 G= >2+ 31peracin *)
61) 62) 6* I= +
a( Deter%ine la soluci&n &'ti%a del 'ro*le%a usando Pin!SR.
$oyco de!e producir 1++ unidades de camiones y 2*+ unidades de coc9es para o!tener una
ganancia de S?. 1 *-+)++.
*( Si usted 'udiera redistri*uir la ca'acidad en eGceso de la o'eraci&n 1 de /@ %inutos)
Cu,l de las dos o'eraciones M- & /( escoger+a$
Los minutos no utilizados en la operacin * son 2+ minutos) el valor de los mismos es:
1peracin 1 = 2+ minutos 6 ;1?minuto = ;2+
1peracin 2 = 2+ minutos 6 ;2?minuto = ;>+
"signara los 2+ minutos a la operacin 2) lo ue permitira aumentar mi margen de ganancia en
;>+)+.
128
c( Su'onga Iue 'ara los trenes de <uguete el tie%'o 'or unidad de o'eraci&n / se 'uede
reducir de 1 %inutos a cuando %uc4o -)/8 %inutos. Cu,nto de*e reducirse el tie%'o 'or
unidad de la o'eraci&n - 'ara 4acer Iue los trenes de <uguete sean a'enas renta*les$
La variacin sucede en el lado izquierdo de la restriccin 2, observemos el nuevo modelo
planteado y su solucin:
El plan de produccin ptimo y el margen de ganancia se mantienen; el coeficiente 1 de la
restriccin 1 (operacin 1) lo haremos variar, hasta que la solucin nos reporte produccin de
trenes:
Tiempo por
unidad de
operacin 1
Unidades de
trenes
Unidades de
camiones
Unidades de
coches
Margen de
ganancia
0,9 0 100 230 1 350,0
0,8 0 100 230 1 350,0
0,7 0 100 230 1 350,0
0,6 0 100 230 1 350,0
0,5 0 100 230 1 350,0
0,4 13,7931 101,5517 221,379 1 351, 379
Acercamos el valor del tiempo a 0,5 (0,4999999), para hallar la nueva produccin ptima.
-/C
$oyco puede producir 1@ unidades de trenes) 1+1 unidades de camiones y 22+ unidades de
coc9es para o!tener una ganancia de S?. 1 *-+)++) cuando el tiempo por unidad de operacin 2
se reduzca a 1)2- minutos y el tiempo por unidad de operacin 1 sea menor de +)- minutos.
d( Su'onga Iue ToJco estudia la 'osi*ilidad de introducir un cuarto <ugueteA carro de
*o%*eros. En el ar%ado no se usa la o'eraci&n -. Sus tie%'os de ar%ado 'or unidad en
las o'eraciones / J 1) son - J 1 %inutos res'ectiva%ente. La utilidad 'or unidad es Q5.
Aconse<ar+a usted a ToJco Iue introdu<era este nuevo 'roducto$
El nuevo modelo matemtico ser:
4a6imizar z = *61 , 262 , -6* , >6>
SuCeto a:
61 , 262 , 6* G= >*+ 31peracin 1)
*61 , 26* , 6> G= >@+ 31peracin 2)
61 , >62 , *6> G= >2+ 31peracin *)
61) 62) 6*) 6> I= +
La solucin del modelo matemtico con WinQSB, nos reporta:
La diferencia de utilidades es solo S?. 1+)+. /o aconseCara la introduccin del nuevo producto)
e( Su'onga Iue todo tie%'o adicional 'ara la o'eraci&n -) res'ecto a su ca'acidad actual de
51@ %inutos diarios) se de*e 4acer en tie%'o eGtra) a Q8@ 'or 4ora. El costo 'or 4ora
incluJe tanto la %ano de o*ra co%o el :unciona%iento de la %aIuina. 4aJ venta<as
econ&%icas de recurrir al tie%'o eGtra 'ara la o'eraci&n -$
0el an5lisis paramQtrico de la restriccin 1 3operacin 1):
130
Solo 9a!r5 incremento en el margen de ganancia de S?.1+ 3S?.1 *-+ a S?.1 *@+)) incrementando
los minutos de >*+ a >>+c luego as se incrementen m5s minutos) no 9a!r5 incremento en el
margen de ganancia 3ver gr5fica).
:( Su'onga Iue el tra*a<ador de la o'eraci&n / conviene en tra*a<ar / 4oras de tie%'o
eGtraordinario diarias a Q58 'or 4ora. Ade%,s el costo de la o'eraci&n %is%a es Q -@ 'or
4ora. Cu,l es el e:ecto de esta actividad so*re la utilidad diaria$
%n la operacin 2) con el incremento de 2 9oras e6tras o sea 12+ minutos) el total sera de -E+
minutos ue se encuentra dentro del intervalo G>>+) E@+I) por lo tanto el incremento en las
ganancias sera de ;2 6 2>+ = ;>E+)+ y los gastos seran de 2 6 3;>-)+ , ;1+)+) = ;11+)+) dando
un saldo positivo de ;*<+ 3;>E+ H ;11+).
g( Vale la 'ena usar tie%'o eGtra 'ara la o'eraci&n 1$
%l an5lisis paramQtrico para la operacin * es:
-1-
1!servamos ue el margen de ganancia no se incrementa) a pesar de incrementar los minutos de
operacin) por lo tanto no vale la pena usar tiempo e6tra.
4( Su'onga Iue au%enta la dis'oni*ilidad diaria de la o'eraci&n - a 55@ %inutos. Todo
tie%'o eGtra incurrido en eGceso de la ca'acidad %,Gi%a actual costara Q5@ 'or 4ora.
!u3 sucede con la soluci&n o'ti%a 4allada$
Analizando el reporte de anlisis paramtrico para la operacin 1:
%l nuevo margen de ganancia es de ;1 *@+)+) ;1+ m5s ue el anteriorc los 1+ minutos
adicionales cuestan ;@)@<) tendramos un incremento de ganancia efectivo de ;*)**.
i( Su'onga Iue dis%inuJe la dis'oni*ilidad de la o'eraci&n / en -8 %inutos diarios) J Iue el
costo 'or 4ora de la o'eraci&n durante el tie%'o nor%al es Q1@. Vale la 'ena dis%inuir la
dis'oni*ilidad de la o'eraci&n /$
La disminucin a >>- minutos) est5 dentro del intervalo G>>+) E@+I) por lo tanto una disminucin
de 1- minutos nos disminuira el margen de ganancia en ;2 6 1- = ;*+)+) de la misma manera el
a9orro sera de ;<)-) ocasionando una pQrdida de ;22)-. /o vale la pena disminuir la
disponi!ilidad de la operacin 2.
5. Cauchos Per, fabrica tres productos de caucho: Airtex (material esponjoso), Extendex
(material elstico) y Resistex (material rgido). Los tres productos requieren los mismos tres
polmeros qumicos y una base. La cantidad de cada ingrediente usada por libra del producto
final se muestra en a tabla:
PRODUCTO ngrediente (oz/lb de producto)
Polmero A Polmero B Polmero C Base
Airtex 4 2 4 5
Extendex 2 2 3 8
Resistex 5 3 5 2
132
Cauchos Peru, tiene el compromiso de producir al menos 1200 libras de Airtex, 500 libras de
Extendex y 300 libras de Resistex para la prxima semana, pero la gerencia de la compaa
sabe que puede vender mas de cada uno de los tres productos. Los inventarios actuales de
los ingredientes son 500 libras del polmero A, 425 libras del polmero B, 650 libras del
polmero C y 1100 libras de la base. Cada libra de Airtex produce a la compaa una ganancia
de $/.7, cada libra de Extendex una ganancia de $6,5 y cada libra de Resistex una ganancia
de $6.
El modelo matemtico planteado es:
4a6imizar ganancia = <", @)-% , @#
SuCeto a:
#estricciones de recursos
>" , 2% , -# G= E+++ 3polmero " en onzas)
2" , 2% , *# G= @E++ 3polmero O en onzas)
>" , *% , -# G= 1+>++ 3polmero C en onzas)
-" , E% , 2# G= 1<@++ 3!ase en onzas)
" I= 12++ 3"irte6 en li!ras)
% I= -++ 3%6tende6 en li!ras)
# I= *++ 3#esiste6 en li!ras)
") %) # I= +
Utilice el resultado del uso de software, Solver de Excel para responder a las siguientes
preguntas:
a. Cu,l es el 'lan de 'roducci&n &'ti%o$
-11
Cauc9os Ber8 de!e producir 1 2++ l! de "irte6) E-+ l! de %6tende6 y *++ l! de #esiste6. La
venta de estos productos le va a reportar ; 1- <2- de ganancia.
*. Cu,les de las cuatro restricciones son acotantes$
Solo la restriccin para el recurso polmero " es limitante) de!ido a ue su varia!le de 9olgura
3SnacD o Surplus) tiene valor de cero.
c. Con el 'lan de 'roducci&n actual) 'ara cu,l de los tres 'roductos se 'uede cu%'lir con
una de%anda adicional de 8U$ EG'liIue
d. Si usted 'udiera o*tener cantidades adicionales de >nica%ente uno de los tres 'ol+%eros
Cu,l de ellos reco%endar+a$ EG'liIue.
Solicitara cantidades adicionales del polmero ".
e. La co%'aF+a desea au%entar sus ganancias a Q-O @@@ adIuiriendo %,s cantidad del
'ol+%ero A Cu,nto %,s del 'ol+%ero A se necesita$ EG'liIue.
/uevo margen de ganancia = 3vieCo margen de ganancia) , 3precio som!ra) 6 3incremento en
polmero ")
3incremento en polmero ") = d3nuevo margen de ganancia) F 3vieCo margen de ganancia)e?3precio
som!ra)
incremento en polmero " = 3;1E)+++ H ;1-)<2-)?;*)2-?oz) = <++ oz..
Compro!ando con el softRare tenemos:
:. Si la de%anda de AirteG au%enta en /U) Cu,l es el nuevo 'lan de 'roducci&n &'ti%o$
EG'liIue
La demanda de "irte6) seria 122> l!)
134
g. !u3 coe:iciente o coe:icientes de ganancia 'odr+an du'licarse) %ientras se %antienen
:i<os todos los de%,s coe:icientes) sin Iue se a:ecte el 'lan de 'roducci&n o'ti%o$
EG'liIue.
%n el producto "irte6) s duplicamos la ganancia de ;< a ;1>) este nuevo valor sale del rango de
variacin de coeficiente de ganancia de d+ ) 1*e.
%n el producto %6tende6) s duplicamos la ganancia de ;@)- a ;1*) este nuevo valor se encuentra
dentro del rango de variacin de coeficiente de ganancia de d*)- ) 4e.
%n el producto #esiste6) s duplicamos la ganancia de ;@ a ;2>) este nuevo valor se encuentra
dentro del rango de variacin de coeficiente de ganancia de d+ ) 1@)2-e.
%n conclusin) podemos duplicar el coeficiente de ganancia de %6tende6 y #esiste6.
4. La ganancia de EGtendeG aca*a de dis%inuir en /@U. Cu,l es el nuevo 'lan de
'roducci&n J la ganancia total$ EG'liIue.
La nueva ganancia en el producto %6tende6) sera de ;-)2) este nuevo valor esta dentro del
rango de variacin de coeficiente de ganancia de d*)- )4e. Bor lo tanto) se conserva el plan de
produccin o!tenido) con la ganancia de ; 1> @2+.
i. El co%'ro%iso de 'roducir 1@@ l*s de ResisteG aca*a de caer en -@U. !u3 le sucede a la
ganancia o'ti%a$ EG'liIue
-18
Cauc9os Ber8 de!e producir 1 2++ l! de "irte6) -++ l! de %6tende6 y 2<+ l! de #esiste6. La
venta de estos productos le va a reportar ; 1* 2<+ de ganancia.
8. Mobil Oil del Peru, obtiene tres tipos de petrleo crudo de sus pozos de Talara, Loreto y
Ucayali. La gasolina obtenida de estos petrleos crudos se mezcla con dos aditivos para
obtener el producto final. Estos petrleos crudos y aditivos contienen azufre, plomo y fsforo,
como se muestra en la tabla. El costo de cada componente tambin se presenta. Debido a los
residuos e impurezas, cada galn de petrleo crudo de Talara resulta solo en 0,40 de galn
de producto final, que contiene 0,07% de azufre. De manera similar, cada galn de crudo de
Loreto produce 0,50 de galn de producto final que contiene 0,08% de sulfuro y cada galn de
crudo de Ucayali resulta en 0,30 de galn de producto final que contiene 0,10 de azufre. La
gerencia ha establecido las siguientes especificaciones para controlar las cantidades de
azufre, plomo y fsforo:
a. Cada galn debe tener a lo ms 0,07% de azufre.
b. Cada galn debe tener entre 1,25 y 2,5 gramos de plomo.
c. Cada galn debe tener entre 0,0025 y 0,0045 gramos de fsforo.
d. La cantidad total de aditivos no puede exceder de 19% de la mezcla.
Petrleos crudos Aditivos
Talara Loreto Ucayali 1 2
Azufre (%) 0,07 0,08 0,10 - -
Plomo (g/gal) - - - 7 6
Fsforo (g/gal) - - - 0,025 0,02
Costo 8$/gal) 0,55 0,47 0,33 0,08 0,12
4inimizar +)--$ , +)><L , +)**L , +)+E"1 , +)12"2
SuCeto a:
#estricciones de produccin
+)*-$ , +)>+L , +)*+L , "1 , "2 = 1
#estricciones de composicin de mezclado
+)+++2>-$ , +)+++*2L , +)+++*L G= +)+++< 3azufre)
<"1 , @"2 G= 2)-+ 3limite superior en
plomo)
<"1 , @"2 I= 1)2- 3limite inferior en
plomo)
+)+2-"1 , +)+2"2G= +)++>- 3limite superior en fsforo)
136
+)+2-"1 , +)+2"2I= +)++2- 3limite inferior en fsforo)
"1 , "2 G= +)1= 3limite superior en
aditivos)
$) L) L) "1) "2 I= +
Utilice el resultado del uso de software WinQSB para responder a las siguientes preguntas:
4o!il 1il del Ber8 de!e mezclar 1)*<- gal de petrleo crudo de sus pozos de Loreto con +)E@@<
gal de petrleo crudo de sus pozos de Lcayali con +1> gal de "ditivo 1 y +)+- gal de "ditivo 2.
Con un costo de +)=>=- ;?gal de producto final.
*. Identi:iIue Iue ingredientes MaKu:re) 'lo%o J :&s:oro( est,n en su l+%ite 'er%itido.
Los elementos ue est5n en sus lmites permisi!les son: "zufre y Fsforo en su lmite superior.
c. Analice el e:ecto de los au%entos J dis%inuciones individuales en los costos de los tres
'etr&leos crudos antes de Iue las cantidades actuales de los ingredientes de*an
ca%*iarse.
%l precio del petrleo crudo procedente de $alara) puede fluctuar en el rango de d+)>2>) 4e y no
alterarse la mezcla optima) si los otros precios no varan.
%l precio del petrleo crudo procedente de Loreto) puede fluctuar en el rango de d+)>>++ F
+)-@-<e y no alterarse la mezcla optima) si los otros precios no varan.
%l precio del petrleo crudo procedente de Lcayali) puede fluctuar en el rango de d+)11>@ F
+)*-2-e y no alterarse la mezcla optima) si los otros precios no varan.
d. EG'liIue el i%'acto de los ca%*ios en el contenido %,Gi%o de aKu:re so*re el costo de la
%eKcla &'ti%a.
e. Pro'orcione la %eKcla &'ti%a J el costo asociado si el 'recio del 'etr&leo crudo UcaJali
au%enta en -@U.
-1;
:. Pro'orcione la %eKcla &'ti%a J el costo asociado si el l+%ite so*re la cantidad total de
aditivos dis%inuJe de -CU a -8U.
H. La comunidad de chu tiene 50 Has. De tierra en la que se puede plantar cualquier cantidad
de maz, cebolla y lechuga. La siguiente tabla muestra la informacin relevante con respecto
a la produccin, la ganancia neta y los requerimiento de agua para cada cultivo:
CULTVO PRODUCCN
(Kg/Ha)
GANANCA NETA
(S/./Kg)
AGUA
REQUERDA
(litros/kg)
Maz 640 1,0 8,75
Cebolla 500 0,8 5,00
Lechuga 400 0,6 2,25
Dado que se tienen disponibles 100 000 litros de agua y que la comunidad se ha
comprometido a vender al menos 5 120 kg de maz, se desarrollo el siguiente programa
lineal, en el que CN es el numero de Has. Que se van a plantar con maz, SB es el numero de
Has. Que se van a plantar con cebolla y LT es el nmero de Has que se van a plantar con
lechuga:
4a6imizar @>+ C/ , >++SO , 2>+L$
SuCeto a:
C/ , SO , L$ G= -+ 3tierra)
-@++C/ , 2-++SO , =++L$ G= 1++ +++ 3agua)
C/ I= E 3demanda de
maz)
C/) SO) L$ I= +
a. Cu,ntos Xilogra%os de cada cultivo ser,n cosec4ados$
4az = E Pa 6 @>+ Dg?Pa = - 12+ Dg.
Ce!olla = 1+)E<- Pa 6 -++ Dg?Pa = - >*<)-+ Dg.
138
Lec9uga = *1)12- Pa 6 >++ Dg?Pa = 12 >-+ Dg.
*. En la soluci&n o'ti%a cu,nta agua J cu,nta tierra no se utiliKan$ EG'liIue
"gua= Se utiliza el 1++A del recurso) pues el SlacD o Surplus es +.
$ierra = Se utiliza el 1++A del recurso) pues el SlacD o Surplus es +.
c. En Iu3 cantidad tendr+a Iue dis%inuir la ganancia neta 'or Xilogra%o de lec4uga antes
de Iue ca%*ie la soluci&n o'ti%a actual$
%l rango de variacin del coeficiente de ganancia de la lec9uga es d1>> ) 2<@)12=e) entonces la
ganancia neta por lec9uga puede disminuir 9asta 1>>?>++ = +)*@) sin cam!iar la solucin optima.
d. Con la %is%a cantidad de dinero la gerencia 'uede arrendar -@ 0as. De terreno
adicionales 'ara la estaci&n o adIuirir -1 @@@ litros de agua. Cu,l de las dos alternativas
reco%endar+a usted$ EG'liIue.
$erreno = 1+ 6 1-+ = S?. 1-++
"gua = 1* +++ 6 +)1 = 1 *++
#ecomiendo aduirir agua) por tener menor costo.
e. La gerencia desea o*tener una ganancia neta de Q/8 @@@. Cu,ntos litros de agua se
necesitan 'ara lograr esta %eta) su'oniendo Iue la cantidad de tierra es la %is%a$
/uevo margen de ganancia = 3vieCo margen de ganancia) , 3precio som!ra) 6 3incremento en
agua)
3incremento en agua) = d3nuevo margen de ganancia) F 3vieCo margen de ganancia)e?3precio
som!ra)
incremento en agua = 3;2- +++ H ;1@ =>+)?;+)1?l) = E+ @++ litros.
:. La gerencia aca*a de reci*ir la o:erta de arrendar su tierra 'ara la te%'orada a QT. /@@ 'or
0a. Cu,ntas 0as. Si lo 4ace) de*er, arrendar$ EG'liIue
0e!e arrendar todo) pues le ofrecen ;2++ y su S9adoR Brice es ;1-+.
;. la compaa Muani Cueros SRL fabrica guantes, correas y mochillas para minera. En la
fabricacin de los tres productos se necesita cuero, metal y materiales sintticos, y el cuero es
la materia prima limitante. En el proceso de produccin se usan dos clases de mano de obra
calificada: costura y acabado. La tabla siguiente muestra la disponibilidad de los recursos, su
uso en los tres productos y las utilidades por unidad.
Recurso
Requerimiento del recurso por unidad
Guante Correa Mochila
Disponibilidad
diaria
Cuero (pie
2
) 2 1 3 42
Costura (h) 2 1 2 40
Acabado (h) 1 0.5 1 45
Utilidad (S/.) 24 22 45
El modelo matemtico formulado es:
4a6imizar 2>2 , 22C, >-4
SuCeto a:
22 , 1C , *4 G= >2 3disponi!ilidad de pie
2
de cuero)
22 , 1C , 24 G= >+ 3disponi!ilidad de 9oras de costura)
12 , +)-C , 14 G= >- 3disponi!ilidad de 9oras de aca!ado)
2) C) 4 I= +
Determine la solucin ptima con WinQSB
-1C
4uMani Cueros S#L) de!e producir *@ unidades de correas y 2 unidades de moc9illas
para o!tener una ganancia diaria de S?. EE2)+.
A continuacin comente como influyen los cambios siguientes en los recursos:
a. El cuero dis'oni*le au%enta a 58 'ie
/
M-'to(.
Bodemos o!servar ue el recurso cuero posee un intervalo de d>+ ) @+e y >- se
encuentra dentro del rango) por lo tanto) podemos calcular la variacin de la ganancia
optima:
3/uevo valor de z) = 3valor original de z) , 3precio som!ra)63cam!io en el valor del lado
derec9o)
7 0 EE2)+ , 31)+)63>-H>2) = !A. LL",1
*. El cuero dis%inuJe a - 'ie
/
M-'to(.
%l valor de 1 no se encuentra dentro del intervalo d>+ ) @+e) por lo tanto) de!emos volver
a calcular la produccin ptima con el nuevo valor.
Con el cam!io de valor del recurso cuero) 4uMani Cueros S#L) de!e producir 1 correa
para o!tener una ganancia diaria de S?. 22)+.
c. Las 4oras dis'oni*les de costura ca%*ian a 1O M-'to(.
%l recurso costura posee un intervalo de d2E ) >2e y *E se encuentra dentro del rango)
por lo tanto) podemos calcular la variacin de la ganancia optima:
derec9o)
7 0 EE2)+ , 321)+)63*EH>+) = EE2)@ F >2)+ = !A. L41,1
d. Las 4oras dis'oni*les de costura ca%*ian a 5H M-'to(.
140
%l valor de >@ no se encuentra dentro del intervalo d2E ) >2e) por lo tanto) de!emos volver
Con el cam!io de valor del recurso costura) 4uMani Cueros S#L) de!e producir >2
correas para o!tener una ganancia diaria de S?. =2>)+.
e. Las 4oras dis'oni*les de aca*ado dis%inuJen a -8 M-'to(.
%l valor de 1- no se encuentra dentro del intervalo d2+ ) 4e) por lo tanto) de!emos volver
Con el cam!io de valor del recurso aca!ado) 4uMani Cueros S#L) de!e producir @
correas y 12 moc9ilas para o!tener una ganancia diaria de S?. @<2)+.
:. Las 4oras dis'oni*les de aca*ado au%entan a 8@ M-'to(.
%l recurso aca!ado posee un intervalo de d2+ ) 4e y -+ se encuentra dentro del rango)
por lo tanto) podemos calcular la variacin de la ganancia optima:
derec9o)
7 0 EE2)+ , 3+)+)63-+H>-) = EE2)+ , +)+ = !A. LL2,1
g. Reco%endar+a usted contratar un costurero %as a ST.-8 'or 4ora$ M-'to(.
Si observamos el precio sombra del recurso costura es de S/. 21,0 mayor que S/. 15,0,
por lo tanto, recomendamos contratar un nuevo costurero por hora.
O. Gapco tiene un presupuesto diario de 320 horas de mano de obra y 350 unidades de materia
prima, para fabricar dos productos. Si es necesario, la empresa puede emplear hasta 10 horas
de tiempo extra de mano de obra, con un costo adicional de $2 por hora. Se necesita 1 hora
de mano de obra y 3 unidades de materia prima para producir una unidad de producto 1, y 2
horas de mano de obra y 1 unidad de materia prima para producir una unidad de producto 2.
la utilidad por unidad de producto 1 es de $10, y la del producto 2 es $12. Sean x1 y x2 las
-5-
cantidades diarias fabricada de productos 1 y 2 respectivamente. y x3 las horas diarias de
tiempo extra usadas. El modelo matemtico formulado ser:
Maximizar 10x1 + 12x2 2x3
Sujeto a:
x1 + 2x2 x3 <= 320 (Horas de mano de obra)
3x1 + x2 <= 350 (Materia prima)
x3 <= 10 (Tiempo extra)
x1, x2, x3 <= 0
a( Deter%ine la soluci&n &'ti%a del 'ro*le%a usando Solver de EGcel
La produccin diaria de 2apco de!e ser de <> unidades del producto 1 y 12E unidades del
producto 2) de!e usar 1+ 9oras de tiempo e6tra y tendr5 una ganancia de ; 2 2-@)+.
*( Actual%ente) Ga'co 'aga Q/ adicionales 'or 4ora de tie%'o eGtra. Cu,nto es lo %,Gi%o
Iue 'uede 'agar la e%'resa$ M- 'to(.
Si o!servamos el rango del coeficiente de 6* dH-)2 ) 4e) podemos deducir ue el monto m56imo
ue podemos pagar es de ;-)2 sin alterar la solucin ptima 9allada. %l nuevo valor de z ser5 ] =
1+3<>) , 12312E) F -)231+) = ; 2 22>)+.
c( Si Ga'co 'uede adIuirir -@@ unidades diarias %,s de %ateria 'ri%a a Q-)8@ cada una.
Aconse<ar+a usted Iue lo 4iciera$ 6 si el costo de la %ateria 'ri%a :uera Q/ 'or unidad$
M- 'to(.
Las unidades diarias de materia prima ser5n *-+)+ , 1++)+ = >-+)+ cuyo valor se encuentra
dentro del intervalo d1@- ) ==+e y el precio som!ra es ; 1)@ por unidad de materia prima) por lo
tanto) se aconseCa aduirir 9asta un costo m56imo de ;1)@) por encima de este costo no se de!e
aduirir.
d( Su'onga Iue Ga'co 'uede adIuirir cuando %uc4o /@@ unidades adicionales de %ateria
'ri%a 'or d+a. Deter%ine la soluci&n &'ti%a asociada M-)8 'tos(.
Las unidades diarias de materia prima ser5n *-+)+ , 2++)+ = --+)+ cuyo valor se encuentra
dentro del intervalo d1@- ) ==+e) por lo tanto) podemos calcular la variacin de la ganancia optima:
3/uevo valor de z) = 3valor original de z) , 3precio som!ra)63cam!io en el valor del lado derec9o)
7 0 2 2-@)+ , 31)@)632++)+) = E 2"KH,1. Bara calcular la solucin ptima empleamos XinUSO.
142
La produccin diaria de 2apco de!e ser de 1-> unidades del producto 1 y EE unidades del
producto 2) de!e usar 1+ 9oras de tiempo e6tra y tendr5 una ganancia de ; 2 -<@)+.
e( Su'onga Iue Ga'co no 'uede usar %,s de O 4oras diarias de tie%'o eGtra. la soluci&n
&'ti%a inicial 4allada es todav+a correcta$ M-)8 'tos(.
%l valor de E se encuentra dentro del intervalo d+ ) *E+e) por lo tanto) podemos calcular la variacin
de la ganancia optima:
3/uevo valor de z) = 3valor original de z) , 3precio som!ra)63cam!io en el valor del lado derec9o)
7 0 2 2-@)+ , 3*)2)63EH1+) = E 224M,H. Bara calcular la solucin ptima empleamos XinUSO.
La produccin diaria de 2apco de!e ser de <> unidades del producto 1 y 12< unidades del
producto 2) de!e usar E 9oras de tiempo e6tra y tendr5 una ganancia de ; 2 2>E)+.
La produccin diaria de 2apco de!e ser de <>)> unidades del producto 1 y 12@)E unidades del
producto 2) de!e usar E 9oras de tiempo e6tra y tendr5 una ganancia de ; 2 2>=)@.
9. Una compaa minera opera tres minas. El mineral obtenido en cada una se separa
en dos calidades antes de su distribucin. Las capacidades de produccin diarias de cada
mina, as como sus costos de operacin diarios, son los siguientes:
-51
Mineral de alta
calidad (ton/da)
Mineral de baja
calidad (ton/da)
Costo de operacin
(dlares/da)
Mina 1 40 40 20 000
Mina 2 60 40 22 000
Mina 3 10 60 18 000
La compaa se ha comprometido a entregar 540 toneladas de mineral de alta calidad y 650
de baja calidad en el plazo de una semana. Los contratos firmados le garantizan la paga del
da completo por cada da o fraccin que la mina est abierta.
4inimizar 2+ +++ 41 , 22 +++ 42 , 1E +++ 4*
SuCeto a:
>+ 41 , @+ 42 , 1+ 4* I= ->+
>+ 41 , >+ 42 ,@+ 4* I= @-+
41 G= <
42 G= <
4* G= <
41) 42 y 4* I= +
Donde:
La mina 1 de!e tra!aCar 1)<- das) la mina 2 de tra!aCar < das y la mina * de!e tra!aCar - das)
con un costo mnimo de produccin de ; 2<= +++.
*. Cu,les de las cinco restricciones son acotantes J Iue signi:ican$
Las restricciones 1) 2 y > son acotantes) en el caso de las restricciones 1 y 2 significa ue se 9a
producido lo solicitado en un 1++A) en el caso de la restriccin > significa ue se tra!aCa los <
das de la semana.
c. Si el costo de 'roducci&n de la Mina - dis%inuJe a USQ -O @@@ T d+a) !ue sucede con el
'lan de 'roducci&n &'ti%o$ EG'liIue.
144
%l rango de variacin de la varia!le 41 es G;1E 2-+) ;<2 +++I) como ;1E +++) se encuentra
fuera de este rango) se de!e volver a calcular la produccin ptima:
La mina 1 de!e tra!aCar < das) la mina 2 de tra!aCar *)< das y la mina * de!e tra!aCar *)< das)
con un costo mnimo de produccin de ; 2<> 1E<)-.
d. Si la co%'aF+a desea dis%inuir sus costos de o'eraci&n a US Q /8@ @@@ T se%ana J
de*e dis%inuir la 'roducci&n de la Mina / Cu,ntos d+as de*e de<ar de 'roducir$
EG'liIue.
La funcin o!Cetivo es:
z = 2+ +++ 41 , 22 +++ 4* , 1E +++ 4*) con el resultado de a) y la disminucin del costo de
operacin tenemos:
z = 2- +++ = 2+ +++ 31)<-) , 1E +++ 342) , 1E +++ 3-)) donde 42 = -)@E1 das) entonces la mina
2 de!e deCar de producir < F -)@E1 = 1)*1= das.
e. Si la co%'aF+a reci*e un 'edido de ;@@ ton de %ineral de *a<a calidad 'ara la 'r&Gi%a
se%ana Cu,l es el nuevo costo de o'eraci&n de la co%'aF+a$ EG'liIue.
%l pedido de <++ ton de mineral de !aCa ley se encuentra dentro del rango G>++ ) <-+I) por lo
ue) para calcular el nuevo costo de operacin podemos utilizar el valor de 2@+ como precio
som!ra) entonces:
/uevo margen de ganancia = 3vieCo margen de ganancia) F 3precio som!ra) 6 3incremento en
tonelaCe)
-58
= 2<= +++ F 32@+)3@-+ F <++) = ;2=2 +++.
10. Una compaa de transporte de concentrado de mineral tiene 10 camiones con capacidad de
20 toneladas y 5 camiones de 15 toneladas de capacidad. Los camiones grandes tienen
costos de operacin de $ 0,30/Km y los mas pequeos de $0,25/km. La prxima semana, la
compaa debe transportar 200 toneladas de concentrado de plomo para un recorrido de 800
km. La posibilidad de otros compromisos impone que por cada dos camiones medianos
mantenidos en reserva debe quedarse por lo menos uno de los grandes.
4inimizar 2>+ C2 , 2++ C4
SuCeto a:
2+ C2 , 1- C4 = 2++
C2 F2 C4 G= +
C2 G= 1+
C4 G= -
C2 y C4 I= + y enteros
Donde:
Utilice el resultado del uso de software, WinQSB para responder a las siguientes preguntas:
a( Cual es el n>%ero &'ti%o de ca%iones de a%*as clases Iue de*en %oviliKarse 'ara
trans'ortar el concentrado$
Se utilizaran para el transporte del concentrado < camiones grandes y > camiones medianos) con
un costo de ; 2 >E+.
*( !u3 sucede con el n>%ero &'ti%o de ca%iones) Si el costo de o'eraci&n de los
ca%iones grandes se incre%enta en un -@U$ EG'liIue.
%l nuevo costo de transporte para los camiones grandes) sera: ; 2>+ 6 1)1 = ; 2@>) calculando
con este nuevo costo) tenemos:
146
1!servamos ue el plan de transporte se mantiene) increment5ndose el costo a ; 2 @>E.
c( Si tres ca%iones grandes son enviados a otro 'roJecto !u3 sucede con el trans'orte del
concentrado$ EG'liIue.
Tenemos 10 camiones, de los cuales solo se utiliza 7 camiones, podemos enviar los 3 camiones
que tenemos en stand by.
d( Si de la de%anda del trans'orte de concentrado su*e a /8@ toneladas. En Iue 'orcenta<e
se incre%enta el costo de o'eraci&n$ EG'liIue.
Ltilizando el precio som!ra de la restriccin 1) tenemos:
/uevo margen de ganancia = 3vieCo margen de ganancia) F 3precio som!ra) 6 3incremento en
tonelaCe)
= 2 >E+ , 1*)**** 6 32-+ F 2++) = ; *1>@) @@-
Entonces el costo de produccin, se incrementa en (3 146,665 2 480)x100 / (2 480) = 26,88%.
e( Si dos ca%iones %edianos su:ren des'er:ectos J no 'ueden o'erar !u3 sucede con el
trans'orte del concentrado$ EG'liIue.
/o podemos cumplir con la programacin) pues solo podramos reemplazar 1 camin) faltando 1.
-5;
CAPITULO V
PRORLEMAS DE REDES DE DISTRIRUCI#NA TRANSPORTACI#N)
ASIGNACI#N 6 TRANSRORDO
Muchos problemas, cuando se les formula, muestran una estructura especial en sus restricciones
o en su funcin objetivo. Mediante el diseo de procedimientos de solucin (algoritmos) para
aprovechar la estructura especial, es posible resolver problemas de una manera ms eficiente
que si se estuviera en cualquier otra circunstancia. Este captulo presenta uno de los problemas
de tal tipo, pro!lemas de redes de distri!ucin.
!U" ES UNA RED DE DISTRIRUCI#N$
Una clase de problemas que tiene una estructura especial en sus restricciones cuando se le
formula de manera matemtica tiene que ver con la distribucin de bienes. Por lo general, estos
bienes deben ser enviados desde puntos de suministro conocidos (fbricas, plantas, etctera)
hasta puntos de demanda conocidos (clientes, tiendas detallistas, etctera), posiblemente a travs
de puntos intermedios (almacenes regionales y/o de campo, por ejemplo). El objetivo general
consiste en hallar el mejor plan de distribucin, es decir, la cantidad que se debe enviar por cada
una de las rutas desde los puntos de suministro, a travs de los puntos intermedios, hasta los
puntos de demanda. Con el trmino "mejor" se entiende un plan que minimice los costos totales
de envo, produzca la mayor ganancia u optimice algn otro objetivo corporativo especificado por
la gerencia. Tambin es necesario satisfacer ciertas restricciones:
1. No enviar ms de la capacidad especificada desde cada punto de suministro.
2. Enviar bienes solamente por las rutas vlidas.
3. Cumplir (o exceder) los requerimientos de bienes en los puntos de demanda.
Un problema de este tipo es un problema de redes de distribucin. Una caracterstica favorable
de esta clase de problema es que muchos aspectos pueden representarse de manera concisa
mediante un diagrama, conocido como red de distri*uci&n. Una red de distribucin consiste en
una coleccin finita de crculos, llamados nodos) cada uno de los cuales representa una planta,
un almacn o una tienda al menudeo. Los nodos desde los cuales se van a enviar los bienes
(como fbricas y plantas) son nodos de su%inistro. Los nodos que van a recibir los bienes en
cumplimiento de una demanda conocida (como las tiendas detallistas) se conocen como nodos
de de%anda. Los nodos que reciben bienes de otros nodos para su redistribucin (como el caso
de los almacenes) se conocen como nodos de trans*ordo o nodos inter%edios.
Las parejas de nodos seleccionados de una red estn conectadas mediante una flecha, conocida
como arco) que representa una ruta de envo vlida desde el nodo de origen al nodo de destino,
segn lo indica la direccin en la que apunta la flecha (vase la figura 1). La representacin de la
148
red puede contener varios datos del problema. Por ejemplo, el nmero colocado al lado de cada
nodo de suministro de la figura 1 representa la capacidad de dicho nodo de suministro; es decir, el
nmero mximo de unidades que pueden ser enviadas desde ese nodo. Por ejemplo, la planta
representada por el nodo 1 de la figura 1 puede enviar hasta 1000 unidades. Similarmente, el
nmero colocado junto a cada nodo de demanda en la figura 1 representa la demanda en dicho
nodo; esto es, el nmero mnimo de unidades que necesita recibir ese nodo para cumplir la
demanda en l. Por ejemplo, la demanda en la tienda detallista representada por el nodo 6 es de
700 unidades. Cada arco puede, tambin, tener un nmero asociado a l. Por ejemplo, el
nmero que se encuentra encima de los arcos de la figura 1, representa el costo de envo de una
unidad entre los dos nodos conectados por ese arco. El costo de envo de una unidad desde el
nodo 1 al nodo 4 es 4 (que pueden ser $4, $400 o, incluso, $4000). En la red tambin se puede
incluir otro tipo de informacin sobre el problema, como podra ser el nmero mximo de
unidades que se pueden enviar a lo largo de un arco dado.
Figura 1. Una red de distribucin general
EL PRORLEMA DE TRANSPORTACI#N
En la presente seccin, usted aprender acerca de una clase especfica de problemas de
distribucin comunes a muchas empresas: cmo enviar bienes terminados, de la manera menos
costosa posible, directamente desde las plantas hasta las tiendas detallistas, sin que haya
almacenes intermedios. A este problema de distribucin se le conoce como pro!lema de
transportacin. El problema de Cosmic Computer Company (CCC) es un ejemplo de problema de
transportacin.
#& %R'(&#M) D# ;R)*!%'R;)I+* D# .N CCC posee tres plantas de ensamblado de
microcomputadoras. La que se encuentra localizada en San Francisco tiene una capacidad de
produccin mensual de 1700 unidades, la que est localizada en Los ngeles tiene una capacidad
de produccin mensual de 2000 unidades y la de Phoenix tiene una capacidad de produccin
mensual de 1700 unidades. Las microcomputadoras son vendidas a travs de tiendas al
menudeo. Para el mes siguiente, la tienda que se encuentra en San Diego ha hecho un pedido de
1700 unidades, la que est en Barstow tiene un pedido de 1000 unidades, la de Tucson ha pedido
1500 unidades y la situada en Dallas tiene un pedido de 1200 unidades. El costo de envo de una
microcomputadora desde cada planta de ensamblado a cada una de las diferentes tiendas
detallistas se presenta en la tabla 1. Como gerente de distribucin, usted desea formular un
modelo matemtico para encontrar el programa de envos de menor costo.
Tabla 1. Costos de embarque ($/maquina) de plantas a tiendas
-5C
TENDAS
PLANTAS SAN DEGO BARSTOW TUCSON DALLAS
San francisco
Los Angeles
Phoenix
5
4
6
3
7
5
2
8
3
6
10
8
Figura 2. La red de distribucin de CCC
FORMULACN MATEMTCA DEL PROBLEMA
Minimizar (5xss + 3xsb + 2xst, + 6xsd) +
(4xls + 7xlb + 8xlt+ 10xld) +
(6xps + 5xpb + 3xpt + 8xpd)
Dependiendo de:
RESTRCCONES DE CAPACDAD
xss + xsb + xst, + xss = 1 700 (San Francisco)
xls + xlb + xlt + xld = 2 000 (Los ngeles)
xps + xpb + xpt + xpd = 1 700 (Phoenix)
RESTRCCONES DE DEMANDA
xss + xls + xps = 1 700 (San Diego)
xsb + xlb + xpb = 1 000 (Barstow)
xsi + xlt + xpt = 1 500 (Tucson)
xsd + xld + xpd = 1 200 (Dallas)
RESTRCCONES LGCAS
150
Xss, xsb, xst, xsd, xls, xlb, xlt, xld, xps, xpb, xpt, xpd > 0 y enteras
USO DE LA COMPUTADORA
En la presente seccin, aprender cmo es utilizado el software winQSB para resolver problemas
de transportacin.
1. Elija la opcin Network Modelling
2. Seleccione la opcin Transportation Problem
3. ngrese la informacin del problema:
1. La solucin optima es:
La primera parte del informe trata sobre la planta localizada en San Francisco (Source 1), la
segunda seccin de dicho informe trata sobre la planta situada en Los ngeles (Source 2) y la
tercera seccin trata sobre la planta de Phoenix (Source 3).
De la columna "Shipment, se puede ver que es ptimo embarcar 700 computadoras desde San
Francisco a Barstow, 1 000 a Dallas y ninguna a San Diego ni a Tucson. De la misma manera, es
ptimo enviar 1700 computadoras de Los ngeles a San Diego, 300 a Barstow y ninguna a Dallas
ni a Tucson. De la misma columna de la tercera seccin del informe, es ptimo enviar 200
computadoras desde Phoenix a Dallas, 1500 a Tucson y ninguna a San Diego ni a Barstow.
La columna etiquetada "Unit Cost en el informe representa el costo de transportacin original por
cada unidad embarcada desde la correspondiente planta a la tienda al menudeo. La columna
etiquetada 'Total Cost es el costo total del envo del nmero de unidades de la columna
etiquetada con el trmino "Shipment en esa celda, es decir 'Shipment' * 'Unit Cost'.
El costo total de embarque es de $23 100.
//. Una empresa contratista tiene que acarrear grava a tres construcciones. Puede comprar
hasta 18 toneladas en una cantera al norte de la ciudad y 14 toneladas en otra al sur.
Necesita 10, 5 y 10 toneladas en las respectivas construcciones 1, 2 y 3. El precio de compra
por tonelada en cada cantera y los costos de acarreo son los siguientes:
Cantera
Costo por tonelada acarreada ($) Precio por
tonela
da
1 2 3
Norte 30 60 50 100
Sur 60 30 40 120
La empresa contratista desea determinar cuantas toneladas de grava debe acarrear de cada
cantera a cada construccin de manera que se minimice el costo total de compra y acarreo
de la grava.
-8-
a. Dibuje la representacin de red para este problema. (2puntos)
b. Formule el modelo de programacin lineal. (6 puntos)
/1 = el n8mero de toneladas de grava a transportar desde la cantera /orte a la construccin 1
/2 = el n8mero de toneladas de grava a transportar desde la cantera /orte a la construccin 2
/* = el n8mero de toneladas de grava a transportar desde la cantera /orte a la construccin *
S1 = el n8mero de toneladas de grava a transportar desde la cantera Sur a la construccin 1
S2 = el n8mero de toneladas de grava a transportar desde la cantera Sur a la construccin 2
S* = el n8mero de toneladas de grava a transportar desde la cantera Sur a la construccin *
F(: 4inimizar el costo de transporte de grava de las canteras a las construcciones.
0 : 4inimizar 3costo de transporte de grava de las canteras /orte y Sur a las construcciones 1)2 y *)
F4: 4inimizar *+/1 ,@+/2 , -+/* ,@+S1 , *+S2 , >+S*.
f) #estricciones de Capacidad de produccin
N1 + N2 + N3 <= 18 (Cantera Norte)
S1 + S2 + S3 <= 14 (Cantera Sur)
g) #estricciones de demanda
N1 + S1 = 10 (Construccin 1)
9) #estricciones lgicas
/1) /2) /*) S1) S2 y S*
*4inimizar *+/1 ,@+/2 , -+/* ,@+S1 , *+S2 , >+S*.
0ependiendo de:
#estricciones de capacidad
/1 , /2 , /* G= 1E 3Cantera /orte)
S1 , S2 , S* G= 1> 3Cantera Sur)
152
/1 , S1 = 1+ 3Construccin 1)
/2 , S2 = - 3Construccin 2)
/* , S* = 1+ 3Construccin *)
/1) /2) /*) S1) S2 y S* I + y enteras
/1. Un fabricante de muebles tiene tres plantas que requieren semanalmente 500, 700 y 600
toneladas de madera. El fabricante puede comprar la madera a 3 compaas madereras. Los
primeros dos fabricantes de madera tienen virtualmente un suministro ilimitado, mientras que
por compromisos, el tercer fabricante no puede surtir ms de 500 toneladas pos semana. El
primer fabricante de madera usa el ferrocarril como medio de transporte y no hay lmite de
peso que pueda enviar a las fbricas de muebles. Por otra parte, las otras dos compaas
madereras usan camiones, lo cual limita a 200 toneladas el peso mximo que pueden enviar
a cualquiera de las fbricas de muebles. En la siguiente tabla se da el costo de transporte de
las compaas madereras a las fabricas de muebles ($/ton):
Compaa
maderera
Fbrica de muebles
1 2 3
1 2 3 5
2 2.5 4 4.8
3 3 3.6 3.2
Formular este problema como un programa lineal.
!olucin
Antes de formular el modelo, dibujaremos un diagrama de redes que nos ayude a visualizar la
informacin y los datos del problema:
7C1F1 = %l numero de toneladas de madera transportadas de la compaMa maderera 1 a la f5!rica de
mue!les 1 por semana.
-81
7C1F* = %l numero de toneladas de madera transportadas de la compaMa maderera 1 a la f5!rica de
mue!les * por semana.
7C*F1 = %l numero de toneladas de madera transportadas de la compaMa maderera * a la f5!rica de
7C*F* = %l numero de toneladas de madera transportadas de la compaMa maderera * a la f5!rica de
a) Ln fa!ricante de mue!les tiene tres plantas ue reuieren semanalmente -++) <++ y @++ toneladas
de madera.
!) %l fa!ricante puede comprar la madera a * compaMas madereras. Los primeros dos fa!ricantes de
madera tienen virtualmente un suministro ilimitado) mientras ue por compromisos) el tercer
fa!ricante no puede surtir m5s de -++ toneladas por semana.
c) %l primer fa!ricante de madera usa el ferrocarril como medio de transporte y no 9ay lmite de peso
ue pueda enviar a las f5!ricas de mue!les.
d) Las otras dos compaMas madereras usan camiones) lo cual limita a 2++ toneladas el peso m56imo
ue pueden enviar a cualuiera de las f5!ricas de mue!les.
e) Costo de transporte de las compaMas madereras a las fa!ricas de mue!les 3;?ton):
CompaMa
maderera
F5!rica de mue!les
1 2 *
1 2 * -
2 2.- > >.E
* * *.@ *.2
F(: 4inimizar el costo de transporte de madera de las compaMas madereras a las f5!ricas de mue!les.
0: 4inimizar el costo de transporte de 3la compaMa maderera 1 a la f5!rica de mue!les 1 , la
compaMa maderera 1 a la f5!rica de mue!les 2 , la compaMa maderera 1 a la f5!rica de mue!les * ,
la compaMa maderera 2 a la f5!rica de mue!les 1 , la compaMa maderera 2 a la f5!rica de mue!les 2
, la compaMa maderera 2 a la f5!rica de mue!les * , la compaMa maderera * a la f5!rica de mue!les
1 , la compaMa maderera * a la f5!rica de mue!les 2 , la compaMa maderera * a la f5!rica de
mue!les *)
F4: 4inimizar 27C1F1 + *7C1F2 + -7C1F* + 2.-7C2F1 + >7C2F2 + >.E7C2F* + 37C*F1 + 3.67C*F2 + 3.27C*F*
a5 Restricciones de disponibilidad de madera
F(: La compaMa maderera 1 tiene una capacidad de suministro de madera ilimitada.
0: 3%l suministro de madera a la f5!rica de mue!les 1 , %l suministro de madera a la f5!rica de mue!les
2 , %l suministro de madera a la f5!rica de mue!les *) es ilimitada
F4: 7C1F1 + 7C1F2 + 7C1F* G= 4
0onde 4 significa una cantidad sin lmite o una cantidad muy grande.
154
0e manera similar para las compaMas madereras 2 y *:
7C2F1 + 7C2F2 + 7C2F* G= 4
7C*F1 + 7C*F2 + 7C*F* G= -++
b5 Restricciones de re>uerimiento de madera
F(: La f5!rica de mue!les 1 reuiere -++ toneladas de madera semanalmente.
0: 3%l suministro de madera de la compaMa maderera 1 , %l suministro de madera de la compaMa
maderera 2 , %l suministro de madera de la compaMa maderera *) de!e ser de -++ toneladas de
madera semanalmente.
F4: 7C1F1 + 7C2F1 + 7C*F1 G= -++
0e manera similar para las fa!ricas de mue!les 2 y *:
7C1F2 + 7C2F2 + 7C*F2 G= <++
7C1F* + 7C2F* + 7C*F* G= @++
c5 Restricciones de capacidad de transporte de madera
F(: La compaMa maderera 1 usa el ferrocarril como medio de transporte y no 9ay lmite de peso ue
pueda enviar a las f5!ricas de mue!les.
0: %l suministro de madera de la compaMa maderera 1 a la f5!rica de mue!les 1 puede ser ilimitada.
F4: 7C1F1 G= 4) 7C1F2 G= 4) 7C1F* G= 4
0e manera similar para las compaMas madereras 2 y *:
7C2F1 G= 2++) 7C2F2 G= 2++) 7C2F* G= 2++
7C*F1 G= 2++) 7C*F2 G= 2++) 7C*F* G= 2++
7C1F1) 7C1F2 ) 7C1F* , 7C2F1 , 7C2F2 , 7C2F* , 7C*F1 , 7C*F2 y 7C*F* I= +
4inimizar 27C1F1 + *7C1F2 + -7C1F* + 2.-7C2F1 + >7C2F2 + >.E7C2F* + 37C*F1 + 3.67C*F2 + 3.27C*F*
SuCeto a:
7C1F1 + 7C1F2 + 7C1F* G= 4
7C2F1 + 7C2F2 + 7C2F* G= 4
7C*F1 + 7C*F2 + 7C*F* G= -++
7C1F1 + 7C2F1 + 7C*F1 G= -++
7C1F2 + 7C2F2 + 7C*F2 G= <++
7C1F* + 7C2F* + 7C*F* G= @++
7C1F1 G= 4
7C1F2 G= 4
7C1F* G= 4
7C2F1 G= 2++
7C2F2 G= 2++
7C2F* G= 2++
7C*F1 G= 2++
7C*F2 G= 2++
7C*F* G= 2++
7C1F1) 7C1F2 ) 7C1F* , 7C2F1 , 7C2F2 , 7C2F* , 7C*F1 , 7C*F2 y 7C*F* I= +
-88
0onde:
7C*F* = %l numero de toneladas de madera transportadas de la compaMa maderera * a la f5!rica de
4 significa una cantidad sin lmite o una cantidad muy grande.
EL PRORLEMA DE ASIGNACI#N
En muchos problemas de decisin es necesario asignar un elemento a un grupo (como una
maquina, un empleado, etc.) a un elemento de un segundo grupo (como una tarea, un proyecto,
etc.). Considere, por ejemplo, asignar trabajaos a maquinas en una planta industrial, asignar
representantes de ventas a territorios o asignar investigadores a proyectos.
Al hacerse una asignacin, a menudo debe cumplirse dos condiciones:
1. cada elemento del primer grupo debe asignarse a exactamente un elemento del segundo
grupo.
2. cada elemento del segundo grupo debe asignarse a exactamente un elemento del primer
grupo.
Debido a que cada pareja asignada existe un "costo asociado, por ejemplo, la cantidad de tiempo
que toma una tarea asignada a una maquina particular, el objetivo es elegir asignaciones que
minimicen el costo total.
Para satisfacer estas dos condiciones de asignacin, el numero de elementos de cada grupo debe
ser el mismo. Un problema de este tipo se denomina problema de asignacin equilibrado.
%L B#1OL%4" 0% "S'2/"C'./ 0% C1/$"'/%#S '/C. Containers,nc., fabrica contenedores
de muchos tamaos y formas. Recientemente ha recibido pedidos para producir diversas
cantidades de contenedores de cocinas de cinco diferentes tamaos. Cada tamao de
contenedor puede producirse en cualquiera de cuatro mquinas. Debido a las distintas
tecnologas y tiempos de disposicin, el nmero total de horas, incluyendo el tiempo de
disposicin, necesarias para procesar cada tamao de contenedor en cada mquina vara, como
se muestra en la tabla 2. En la tabla, el tamao del contenedor se indica en la primera columna
mediante su altura y dimetro en pulgadas.
Adecuar una mquina para que cambie el tamao de un contenedor toma largo tiempo, as que la
gerencia ha decidido que cada mquina producir contenedores de un solo tamao. Por tanto,
slo se producirn cuatro de los cinco tamaos en las cuatro mquinas disponibles dentro de la
fecha lmite asignado. Como los ingresos por cada tamao de contenedor son aproximadamente
iguales, la gerencia de Containers, nc., es indiferente en cuanto a cul de los cinco pedidos no
satisfacer. Como gerente del departamento de produccin, se le ha pedido determinar cules
156
cuatro de los cinco pedidos aceptar y desarrollar un plan de produccin que minimice el tiempo de
procesamiento total para satisfacer esos pedidos.
En este problema, puede reconocerlas caractersticas de un problema de asignacin. Tiene que
asignar un elemento de un grupo, esto es, un pedido de uno de los cinco tamaos, a un elemento
de un segundo grupo, es decir, las mquinas. En este caso, el problema es desequilibrado
porque hay cinco pedidos para slo cuatro mquinas. Para resolver este problema, se puede
hacer lo siguiente:
1. Aada tantos elementos figurados a uno de los grupos como sea necesario para igualar el
tamao de los dos grupos.
2. Por cada elemento figurado, identifique un costo apropiado asociado con la asignacin de
cada elemento del otro grupo a este elemento figurado.
En cuanto al problema de Containers, nc., es necesario aadir una mquina figurada. Ahora hay
cinco pedidos y cinco mquinas, dando como resultado un problema de asignacin equilibrado.
Recuerde que la mquina 5, de hecho, no existe. Los contenedores asignados a esta mquina no
son producidos y por tanto, no contribuyen en nada al tiempo total de procesamiento. Los datos
para el problema de asignacin se muestran en la tabla 3.
Tabla 2. Tiempo total de procesamiento (hr) para producir cada tamao de contenedor en cada
maquina
TAMAO DEL MAQUNA
CONTENEDOR 1 2 3 4
3 X 4
4 X 6
6 X 8
8 X 12
12 X 18
25
24
30
38
40
20
22
30
32
40
28
25
28
30
28
30
23
25
30
30
Tabla 3. Tiempo total de procesamiento (hr) para producir cada tamao de contenedor en cada
maquina incluyendo la maquina figurada 5
TAMAO MAQUNA
CONTENEDOR 1 2 3 4 5
3 X 4
4 X 6
6 X 8
8 X 12
12 X 18
25
24
30
38
40
20
22
30
32
40
28
25
28
30
28
30
23
25
30
30
0
0
0
0
0
Figura 3. Representacin de la red del problema de asignacin
-8;
Minimizar 25x11 + 20x12 + 28x13 + 30x14 + 0x15 +
24x 21 + 22x22 + 25x23 + 23x24 + 0x25 +
30x31 + 30x32 + 28x33 + 25x34 + 0x35 +
38X41 + 32x42 + 30X43 + 30X44 + 0x45 +
40x51 + 40x52 + 28x53 + 30x54 + 0x55
Dependiendo de:
RESTRCCONES DE ASGNACN DE PEDDO
x11 + x12 + x13 + x14 + x15 = 1 (Orden 1)
x21 + x22 + x23 + x24 + x25 = 1 (Orden 2)
x31 + x32 + x33 + x34 + x35 = 1 (Orden 3)
x41 + x42 + x43 + x44 + x45 = 1 (Orden 4)
x51 + x52 + x53 + x54 + x55 = 1 (Orden 5)
RESTRCCONES DE ASGNACN DE MQUNA
X11 + x21 + x31 + x41 + 51 = 1 (Mquina 1)
X12 + x22 + x32 + x42 + 52 = 1 (Mquina 2)
X13 + x23 + x33 + x43 + 53 = 1 (Mquina 1)
X14 + x24 + x34 + x44 + 54 = 1 (Mquina 1)
X15 + x25 + x35 + x45 + 55 = 1 (Mquina 1)
RESTRCCONES LGCAS
158
Todas las variables deben ser variables enteras 0-1
SOLUCI#N POR COMPUTADORA
En la presente seccin, aprender cmo es utilizado el software winQSB para resolver problemas
de asignacion
1. Elija la opcin Network Modelling
2. Seleccione la opcin Assignment Problem
Como resultado se tiene un tiempo total de procesamiento de 97 horas. Observe que el pedido 4
no esta satisfecho porque se le asigno la maquina figurada 5.
5/. Arthur J. Big and Company es una compaa de contabilidad que tiene un especialista en
impuestos en cada una de sus oficinas en Washington, D.C., Cleveland, Louisville y Atlanta.
La oficina central ha recibido una solicitud para un especialista en impuestos de cada uno de
sus clientes de Columbus, Nashville, Charleston y Pittsburg. Los costos de viajes son
proporcionales a las distancias, que se dan (en millas) en la siguiente tabla:
Desde
Hacia
Columbus Nashville Charleston Pittsburgh
Washington 431 659 342 247
Cleveland 140 533 248 129
Louisville 214 174 259 393
Atlanta 585 246 501 683
a. Dibuje una red de distribucin que indique los suministros, demandas y otros datos
relevantes apropiados (2 ptos).
-8C
b. Como socio general de la compaa, formule un modelo matemtico para determinar como
enviar un especialista a cada ciudad para minimizar los costos totales de viaje (4 ptos).
4inimizar >*1XCo , @-=X/ , *>2XC9 , 2><XB , 1>+ CCo , -** C/ , 2>E CC9 , 12=CB ,
21>LCo , 1<>L/ , 2-=LC9 , *=*LB , -E-"Co , 2>@"/ , -+1"c9 , @E*"B
SuCeto a:
#estricciones de disponi!ilidad
XCo , X/ , XC9 , XB = 1
CCo , C/ , CC9 , CB = 1
LCo , L/ , LC9 , LB = 1
"Co , "/ , "C9 , "B = 1
XCo , CCo , LCo , "Co = 1
X/ , C/, L/ , "/ = 1
XC9 , CC9 , LC9 , "C9 = 1
XB, CB , LB , "B = 1
XCo) X/) XC9) XB) CCo) C/) CC9) CB) LCo) L/) LC9) LB) "Co) "/) "c y) "B I= + y
enteros.
5-. Mining Machinery nc. renta equipo especializado de perforacin a empresas mineras.
Actualmente hay tres perforadoras Jumbo ubicadas en Lima, dos en Arequipa y tres en
Cajamarca. Hay un centro minero en Puno que requieren cuatro maquinas. En centros
mineros de Ancash y Cerro de Pasco se necesita en cada uno dos mquinas. El costo en
dlares de enviar una mquina de cada ciudad a cada centro minero se muestra en la
siguiente tabla:
HACA
DESDE Cerro de
Pasco
Ancash Puno
Lima 900 1000 1600
160
Arequipa 1400 1500 1000
Cajamarca 1200 1400 2500
a) (2 ptos) Dibuje una red de distribucin que indique los suministros, demandas y otros
datos relevantes apropiados (cuando sea adecuado, aada nodos y arcos figurados para
obtener un problema equilibrado).
b) (4 ptos) Formule un modelo matemtico para determinar cuantas maquinas deberan enviarse
desde cada ciudad a cada centro minero para incurrir en el mnimo costo.
LCp = el n8mero de perforadoras enviadas de Lima a Cerro de Basco
L"n = el n8mero de perforadoras enviadas de Lima a "ncas9
LB = el n8mero de perforadoras enviadas de Lima a Buno
"Cp = el n8mero de perforadoras enviadas de "reuipa a Cerro de Basco
""n = el n8mero de perforadoras enviadas de "reuipa a "ncas9
"B = el n8mero de perforadoras enviadas de "reuipa a Buno
CCp = el n8mero de perforadoras enviadas de CaCamarca a Cerro de Basco
Can = el n8mero de perforadoras enviadas de CaCamarca a "ncas9
CB = el n8mero de perforadoras enviadas de CaCamarca a Buno
Son mostradas en la ta!la
F(: 4inimizar el costo de enviar las perforadoras a los Centros 4ineros
0 : 4inimizar 3costo de envo de Lima a Cerro de Basco , costo de envo de Lima a "ncas9 , costo
de envo de Lima a Buno , costo de envo de "reuipa a Cerro de Basco , costo de envo de
"reuipa a "ncas9 , costo de envo de "reuipa a Buno , costo de envo de CaCamarca a Cerro
de Basco , costo de envo de CaCamarca a "ncas9 , costo de envo de CaCamarca a Buno )
F4: 4inimizar =++LCp , 1+++ L"n , 1@++LB , 1>++"Cp , 1-++""n , 1+++"B , 12++CCp , 1>++C"n
, 2-++CB
e) %6istencia de perforadoras en Lima
F(: %l n8mero de perforadoras e6istentes en Lima es *
0 : 3perforadoras a enviar a Cerro de Basco , perforadoras a enviar a "ncas9 , perforadoras a enviar
a Buno) igual a *
F4: LCp , L"n , LB = *
-H-
f) %6istencia de perforadoras en "reuipa y CaCamarca
%6istencia de perforadoras en "reuipa
F4: "Cp , ""n , "B = 2
%6istencia de perforadoras en CaCamarca
F4: CCp , C"n , CB = *
g) 0emanda de perforadoras en Cerro de Basco
F(: %l n8mero de perforadoras ue de!e decepcionarse en Cerro de Basco e 2
0 : 3perforadoras a enviar de Lima , perforadoras a enviar de "reuipa , perforadoras a enviar de
CaCamarca) igual a 2
F4: LCp , "Cp , CCp = 2
9) 0emanda de perforadoras en "ncas9 y Buno
0emanda de perforadoras en "ncas9
F4: L"n , ""n , C"n = 2
0emanda de perforadoras en Buno
F4: LB , "B , CB = >
i) #estricciones lgicas
LCp) L"n) LB) "Cp) ""n) "B) CCp) C"n y CB I= + y enteros.
4inimizar =++LCp , 1+++ L"n , 1@++LB , 1>++"Cp , 1-++""n , 1+++"B , 12++CCp , 1>++C"n
, 2-++CB
SuCeto a:
#estricciones de disponi!ilidad
LCp , L"n , LB = *
"Cp , ""n , "B = 2
CCp , C"n , CB = *
LCp , "Cp , CCp = 2
L"n , ""n , C"n = 2
LB , "B , CB = >
LCp) L"n) LB) "Cp) ""n) "B) CCp) C"n y CB I= + y enteros.
/5. La compaa Estructuras Mineras SA compr tres mquinas nuevas de diferentes tipos.
Existen cuatro sitios disponibles dentro del taller en donde se podra instalar una mquina.
Algunos de ellos son ms adecuados que otros para ciertas mquinas en particular por su
cercana a los centros de trabajo que tendran un flujo intenso de trabajo hacia y desde estas
mquinas (No habr flujos de trabajos entre las nuevas mquinas) Por tanto, el objetivo es
asignar las nuevas mquinas a los lugares disponibles de manera que se minimice el costo
total de manejo de materiales.
En la tabla se muestra el costo estimado por unidad de tiempo de manejo de los materiales
en cuestin, con cada una de las mquinas en los sitios respectivos. El lugar 2 no se
considera adecuado para la mquina 2 por lo que no se proporciona un costo para este caso.
U*icaci&n
- / 1 5
162
M,Iuina - 13 16 12 11
M,Iuina / 15 - 13 20
M,Iuina 1 5 7 10 6
Asigne las mquinas a sus nuevas ubicaciones, buscando un costo mnimo de manejo de
materiales.
a. Dibuje la representacin de red para este problema. (2 puntos)
b. Formule el modelo de programacin lineal. (6 puntos)
41L1 = "signacin de la mauina 1 a la u!icacin 1
41L2 = "signacin de la mauina 1 a la u!icacin2
41L* = "signacin de la mauina 1 a la u!icacin *
41L> = "signacin de la mauina 1 a la u!icacin >
42L1 = "signacin de la mauina 2 a la u!icacin 1
42L* = "signacin de la mauina 2 a la u!icacin *
42L> = "signacin de la mauina 2 a la u!icacin >
4*L1 = "signacin de la mauina * a la u!icacin 1
4*L2 = "signacin de la mauina * a la u!icacin2
4*L* = "signacin de la mauina * a la u!icacin *
4*L> = "signacin de la mauina * a la u!icacin >
F(: 4inimizar el costo de asignacin de las mauinas a sus lugares de u!icacin.
0 : 4inimizar 3costo de asignacin de las mauinas 1) 2 y * a sus lugares de u!icacin 1)2) * y >)
F4: 4inimizar 1*41L1 , 1@41L2 ,1241L* , 1141L> , 1-42L1 , 1*42L* , 2+42L> , -4*L1
,<4*L2 ,1+4*L* , @4*L>
-H1
a) #estricciones de 4auinas
M1U1 + M1U2 + M1U3 + M1U4 = 1
M2U1 + M2U3 + M2U4 = 1
M3U1 + M3U2 + M3U3 + M3U4 = 1
!) #estricciones de L!icaciones
M1U1 + M2U1 + M3U1 = 1
M1U2 + M3U2 = 1
M1U3 + M2U3 + M3U3 = 1
M1U4 + M2U4 + M3U4 = 1
c) #estricciones lgicas
41L1) 41L2) 41L*) 41L>) 42L1) 42L*) 42L>) 4*L1) 4*L2) 4*L* \ 4*L> de tipo !inario
4inimizar 1*41L1 , 1@41L2 ,1241L* , 1141L> , 1-42L1 , 1*42L* , 2+42L> , -4*L1
,<4*L2 ,1+4*L* , @4*L>
0ependiendo de:
41L1 , 41L2 , 41L* , 41L> = 1
42L1 , 42L* , 42L> = 1
4*L1 , 4*L2 , 4*L* , 4*L> = 1
41L1 , 42L1 , 4*L1 = 1
41L2 , 4*L2 = 1
41L* , 42L* , 4*L* = 1
41L> , 42L> , 4*L> = 1
41L1) 41L2) 41L*) 41L>) 42L1) 42L*) 42L>) 4*L1) 4*L2) 4*L* \ 4*L> de tipo !inario
EL PRORLEMA DE TRANSRORDO
%R'(&#M) D# DI!;RI(,I+* D# M#DI)& ;#-*'&'CI#!, I*. Medical Technologies,
nc. (MT), es una empresa fabricante y distribuidora internacional de equipo de rayos X de alta
resolucin que se utiliza en hospitales. La planta que tienen en Paris, Texas, puede producir
hasta 100 mquinas por ao; la que se encuentra en Davenport, owa, produce hasta 200
mquinas y la planta de Springfield, Oregon, puede producir hasta 150 mquinas. Para el ao
siguiente, sus clientes en Japn han pedido 120 mquinas, los de Corea del Sur ordenaron 80
mquinas, los de Nueva Zelanda 70 y los de Australia 110 mquinas.
El equipo producido en Texas y en owa puede ser enviado a los almacenes regionales situados
en Hungra y/o en Hawai. Los almacenes regionales, a su vez, pueden enviar a cualquiera de los
almacenes de campo situados en Fiji y en las Filipinas. Ninguno de los almacenes regionales
almacena mquinas en inventario, por consiguiente deben enviar todas las mquinas que reciben.
Los clientes de Corea del Sur y de Nueva Zelanda pueden recibir mquinas de cualquiera de los
almacenes de campo. Sin embargo, debido a los tratados de comercio internacionales, los
clientes del Japn deben obtener sus mquinas exclusivamente de las Filipinas, y los de Australia
deben recibir las suyas solamente de las Fiji. Los costos de envo por mquina desde las plantas
a los almacenes regionales, a los almacenes de campo y, finalmente, a los clientes se dan En las
tablas 4, 5 y 6, respectivamente. Como gerente de distribucin, se le ha pedido a usted que
determine el plan de embarque con el mnimo costo total.
Tabla 4. Costos de embarque ($/maquina) de plantas a almacenes regionales
ALMACENES REGONALES
PLANTAS HUNGRA HAWA
Texas 200 400
164
owa
Oregon
300
N/A
400
500
Tabla 5. Costos de embarque ($/maquina) de almacenes regionales a almacenes de campo
ALMACENES REGONALES
ALMACENES REGONALES FLPNAS FJ
Hungra
Hawai
800
700
600
400
Tabla 6. Costos de embarque de almacenes de campo a clientes
ALMACENES CLENTES
DE CAMPO JAPN COREA DEL SUR NUEVA ZELANDA AUSTRALA
Filipinas
Fiji
700
N/A
600
700
800
500
N/A
600
El primer paso en la formulacin matemtica de este problema consiste en trazar una red que
represente el flujo de productos desde las plantas, a travs de los almacenes, hasta los clientes.
La red debe contener once nodos, uno para cada una de las tres plantas, los dos almacenes
regionales, los dos almacenes de campo y los cuatro clientes, de la forma en que se ilustra en la
figura 4. Debe haber un arco que conecte una pareja de nodos, siempre y cuando sea posible
enviar mquinas directamente desde el nodo de origen al de destino, segn est especificado en
la descripcin del problema. Por ejemplo, debido a que la planta de Oregon solamente puede
hacer envos al almacn regional de Hawai, deber haber un arco que vaya desde el nodo
correspondiente a la planta de Oregon al nodo correspondiente al almacn regional de Hawai,
pero no al correspondiente al de Hungra. En la figura 4 se muestran tambin los arcos, junto con
los correspondientes costos unitarios de envo. La red de la figura incluye tambin la capacidad
de cada planta y la demanda de los clientes al lado de los correspondientes nodos de suministro y
demanda, respectivamente.
Figura 4. Red de distribucin del problema del MT
-H8
Minimizar 2x14+ 4x15 + 3x24 + 4x25 + 5x35 + 8x46 + 6x 47 + 7x56 + 4x57 +
7x68+ 6x69 + 8x6,10 + 7x79 + 5x7,10 + 6x7,11
Dependiendo de:
RESTRCCONES DE SUMNSTRO
x14 + x15 = 100 (capacidad en Paris, Texas) (1)
x24 + x25 = 200 (capacidad en Davenport, owa) (2)
x35 = 150 (capacidad en Springfield, Oregon) (3)
RESTRCCONES DE ALMACN REGONAL
x46 + x47 - x14 - x24 = 0 (equilibrio en Hungra) (4)
x56 + x57 - x15 - x25 - x35 = 0 (equilibrio en Hawai) (5)
RESTRCCONES DE ALMACN DE CAMPO
x68 + x69 + x6,10 - x46 x56 = 0 (equilibrio en Filipinas) (6)
x79 + x7,10 - x7,11 x47 - x57 = 0 (equilibrio en slas Fiji) (7)
RESTRCCONES DE DEMANDA
x68 = 120 (demanda en Japn) (8)
x69 + x79 = 80 (demanda en Corea del Sur) (9)
x6,10 + x7,10 = 70 (demanda en Nueva Zelanda) (10)
x7,11 = 110 (demanda en Australia) (11)
RESTRCCONES LGCAS
Todas las variables > 0 y enteras (12)
SOLUCI#N POR COMPUTADORA
En la presente seccin, aprender cmo es utilizado el software LNDO 6,0 para resolver
problemas de trasbordo:
166
La solucin optima, podemos observarla en las siguientes tablas:
Tabla 7. Plan de embarque de plantas a almacenes regionales
ALMACENES REGONALES
PLANTAS HUNGRA HAWA
Texas
owa
100
0
0
200
-H;
Oregon N/A 80
Tabla 8. Plan de embarque de almacenes regionales a almacenes de campo
ALMACENES REGONALES
ALMACENES REGONALES FLPNAS FJ
Hungra
Hawai
100
20
0
260
Tabla 9. Plan de embarque de almacenes de campo a clientes
ALMACENES CLENTES
DE CAMPO JAPN COREA DEL SUR NUEVA ZELANDA AUSTRALA
Filipinas
Fiji
120
N/A
0
80
0
70
N/A
110
El costo total es de $ 579 000.
Resumen del problema de transbordo
El problema de transbordo es un problema de red de distribucin que involucro nodos de
suministro, transbordo y demanda. Los arcos que conectan las parejas de estos nodos tienen
capacidades en forma de lmites inferiores y superiores sobre las cantidades embarcadas a lo
largo de esos arcos. Cuando los nodos tienen capacidades, sin embargo, es necesario crear una
red modificada que pueda resolverse mediante un programa de computadora. Las capacidades
en los nodos en la red original se transforman en capacidades en los arcos en la red modificada.
168
CAPITULO VI
ADMINISTRACI#N DE PRO6ECTOSA
PERT ? CPM
En este captulo se presenta una tcnica de la ciencia administrativa que ayuda a comprobar y
controlar un proyecto que involucra numerosas tareas interrelacionadas. La supervisin de estos
proyectos requiere muchas habilidades administrativas, una de las cuales es mantener el proyecto
acorde a un programa. La ciencia de la administracin puede ayudar a esto proporcionando
respuestas a preguntas como:
1. Cundo sera lo ms pronto que el proyecto pudiera estar terminado?
2. Para cumplir con este tiempo de conclusin, qu tareas son crticas) en el sentido de
que un retraso en cualquiera de esas tareas provoca un retraso en la conclusin de todo
el proyecto?
3. Es posible acelerar ciertas tareas para terminar todo el proyecto ms pronto? Si es as,
qu tareas seran stas y cul sera el costo adicional?
Cuando un proyecto implica unas cuantas tareas, las respuestas a estas preguntas a menudo
pueden encontrarse con poco esfuerzo. Sin embargo, cuando la planeacin de un proyecto
implica cientos o miles de tareas interrelacionadas que deben ser realizadas por distintas
personas, las herramientas de la ciencia de la administracin presentadas en este captulo
proporcionan una forma sistemtica no slo de responder estas preguntas, sino tambin dar
seguimiento al proyecto a lo largo de su duracin.
Las tcnicas de administracin de proyecto presentadas en este captulo fueron desarrolladas
independientemente por dos equipos de investigadores a mediados de los aos cincuenta.
Dupont Company cre la primera tcnica, llamada M3todo de ruta cr+tica MCPM(
8
) para
administrar proyectos en los que el tiempo requerido para completar las tareas individuales se
conoca con relativa certeza. La Marina de los EE.UU. desarroll la segunda tcnica, denominada
la T3cnica de evaluaci&n J revisi&n de 'roJecto MPERT(
H
) para administrar el proyecto de
misiles Polaris, que implicaba aproximadamente 500 tareas y varios miles de subcontratistas. El
tiempo requerido para completar muchas de esas tareas era incierto. Estas dos tcnicas son
similares excepto que CPM se utiliza para administrar proyectos que implican tiempos de tarea
determinados y PERT se usa para aquellos que implican tiempos probables de tarea.
DESARROLLO DE LA RED DE PRO6ECTOS
2
Mtodo utilizado para administrar proyectos en que los tiempos requeridos para terminar las tareas
individuales se conocen con relativa certeza.
5
Mtodo utilizado para administrar proyectos en los que los tiempos requeridos para completar las tareas
individuales son inciertos.
-HC
CAPITULO IIA CONSTRUCCION DE MODELOS DETERMINISTICOS
Para ilustrar cmo se aplican las tcnicas de administracin de proyectos a la verificacin de un
proyecto, considere el enfrentado por la Gerencia de Operaciones de Santa Rosa Mining. Que
encomienda a sus ingenieros realizar un proyecto de desarrollo y preparacin de una veta, con
minerales de Plomo, Zinc y Cobre, para explotar mediante el mtodo de subniveles.
Puede determinar el tiempo de conclusin siguiendo los siguientes pasos:
a) dentifique las tareas individuales que componen el proyecto.
b) Obtenga una estimacin del tiempo de conclusin de cada tarea.
c) dentifique las relaciones de tiempo entre las tareas. Qu tareas deben concluirse antes de
que otras puedan iniciarse?
d) Dibuje un diagrama de red de proyecto para reflejar la informacin de los pasos a y b.
Fig 1. 0esarrollo y preparacin para e6plotacin por su!niveles
Identi:icaci&n de las tareas individuales
Los proyectos terminados consisten en diversas tareas individuales. Para comprobar los
proyectos, primero debe identificar esas tareas. stas pueden variar tanto en el tiempo requerido
para concluirlas como en su complejidad. Las tareas complejas pueden considerarse como
proyectos que en s mismos necesitan verificacin al ser divididos en subtareas. Por ejemplo, en
el diseo de una lanzadera espacial, una de las tareas es desarrollar sistemas de computacin a
bordo. Como esta tarea es en s misma un proyecto importante, puede dividirla en subtareas
consistentes en desarrollar sistemas de computacin para salvamento, control de motor y
recoleccin y transmisin de datos. Aunque no existe una forma nica de decidir qu tan grande
o pequea debe ser una tarea, existen algunas pautas a seguir:
1. Cada tarea debe tener un comienzo y un final claros en el contexto del proyecto.
2. La terminacin de cada tarea debe ser necesaria para la conclusin del proyecto y debe
representar un hito en el progreso del proyecto.
3. El tamao de una tarea debe estar en proporcin con el control que usted pueda ejercer.
4. Debe haber alguna(s) persona(s) responsables de la conclusin de cada tarea individual.
Sobre la base de estas pautas usted, como Gerente de operaciones de Santa Rosa Mining. Debe
identificar las tareas que estn bajo su control y que deben completarse para que el proyecto sea
exitoso.
$a!la 1 Lista de tareas
170
ETI!UETA DESCRIPCION
A Nivel
B Subnivel
C Subnivel
D Transversal
E Chimenea de acceso
F Chimenea o coladero de minera
G Chimenea de ventilacin
H nstalacin de tolvas
Chimenea de corte
J Chimenea de corte
K nstalacin de cabrestante
L Explotacin
M Parte inicial de la galera de rastrillaje
N Parte final de la galera de rastrillaje
Aun cuando el orden de las tareas de esta tabla es indiferente, es importante incluir todas las
tareas relevantes desde el principio. Si surgen tareas inesperadas en el curso del proyecto,
pueden ocurrir retrasos por la prisa en terminarlas.
O*tenci&n de esti%aciones de tie%'o 'ara cada tarea
Debe estar claro que el tiempo total que lleva completar todo el proyecto depende, de alguna
manera, en cunto tiempo lleva realizar cada tarea individual. Por tanto, se hace necesario
obtener algunas estimaciones de la cantidad de tiempo requerida para completar cada tarea.
Puede desarrollarse una estimacin haciendo lo siguiente:
1. Confiando en experiencias pasadas en proyectos similares.
2. Consultando con las personas a cargo de cada tarea individual.
3. Usando datos anteriores.
Suponga que ha obtenido las estimaciones de tiempo para las tareas de este proyecto particular
despus de consultar a los miembros apropiados de cada departamento de mina.
$a!la 2 %stimacin de tiempo para las tareas
L
o
n
g
i
t
u
d

M
%
(
S
e
c
c
i
&
n

M
%
/
(
T
i
'
o

d
e

r
o
c
a
%

A
v
a
n
c
e

d
i
s
'
a
r
o
d
i
s
'
a
r
o
s
T
%
e
s
N
Y

t
a
l
a
d
r
o
s
V
g

e
G
'
l

%

a
v
a
n
c
e
Q
T
%

a
v
a
n
c
e
T
i
e
%
'
o

%
e
d
i
o
A Nivel
B Subnivel 60 6x4 dura 1.3 30 16 7.1 135 40
C Subnivel 60 6x4 dura 1.3 30 16 7.1 135 40
D Transversal 8 7x8 dura 1.3 25 29 12.5 145 5
E Chimenea de acceso 60 5x4 dura 1.1 20 15 6.7 120 68
F Chimenea o coladero de minera 16 5x4 sdura 1.1 20 12 5.3 120 18
G Chimenea de ventilacin 18 5x4 sdura 1.1 20 12 5.3 120 21
H nstalacin de tolvas 14
Chimenea de corte 15 5x4 dura 1.1 20 15 6.7 120 16
J Chimenea de corte 16 5x4 dura 1.1 20 15 6.7 120 17
K nstalacin de cabrestante 14
L Explotacin 40 190 28
M Parte inicial del nivel de rastrillaje 25 6x4 dura 1.3 45 13 5.7 130 12
N Parte final del nivel de rastrillaje 40 6x4 sdura 1.3 45 12 5.3 120 16
Para este proyecto, puede sentir que el tiempo requerido para concluir cada tarea se conoce
bastante bien sin ninguna variabilidad significativa. Otros proyectos implican tareas cuyo tiempo
de conclusin es incierto o debe estimarse con una cantidad significativa de incertidumbre.
Creaci&n de la ta*la de 'recedencia 'ara el 'roJecto
Como se observ anteriormente, la cantidad de tiempo que toma terminar un proyecto completo
se basa en los tiempos de conclusin de las tareas individuales. Sin embargo, el tiempo de
conclusin total no es igual a la suma de los tiempos de las tareas individuales porque algunas
-;-
tareas pueden realizarse simultneamente. Otras tareas, sin embargo, no pueden comenzar
hasta que ciertas tareas anteriores no hayan sido concluidas. Para determinar la cantidad de
tiempo mnima requerida para concluir el proyecto total, debe primero comprender cmo se
relacionan las tareas individuales entre s. Debe identificar qu tarea(s) debe(n) terminarse antes
de que otra tarea comience.
La lista de predecesoras inmediatas de una tarea particular de inters incluye aquellas tareas que:
deben terminarse antes de que la tarea de inters pueda comenzar y
no dependen para su inicio de la conclusin de cualquier otra tarea inmediatamente
predecesora de esta lista.
De todas las tareas que deben terminarse antes de que pueda iniciarse una tarea dada, usted
necesita identificar slo las tareas inmediatamente predecesoras
7
. Hacerlo requiere conocer el
proyecto particular y la forma en que las tareas estn relacionadas
$a!la * $a!la de precedencia
E
para las tareas
ESTIMACION
TIEMPO
Mdias(
PREDECESORAS
INMEDIATAS
A Nivel 0 Ninguna
B Subnivel 40 M
C Subnivel 40 D
D Transversal 5 A
E Chimenea de acceso 68 A
F Chimenea o coladero de mineral 18 A
G Chimenea de ventilacin 21 A
H nstalacin de tolvas 14 G , K
Chimenea de corte 16 L , B
J Chimenea de corte 17
K nstalacin de cabrestante 14 N
L Explotacin 28 H
M Parte inicial del nivel de rastrillaje 12 E
N Parte final del nivel de rastrillaje 16 F , M
TraKo de la red de 'roJectos
Recuerde que uno de los objetivos principales de la administracin de proyecto es determinar la
cantidad mnima de tiempo requerido para terminar todo el proyecto. La identificacin de las
relaciones de precedencia entre las tareas individuales, como en la tabla 3, es un primer paso en
esa direccin. Una comprensin todava mejor de estas relaciones puede obtenerse convirtiendo
la informacin de precedencia en una red de 'roJecto
C
. Una red consiste en una coleccin finita
de nodos y arcos. Un arco es una flecha que conecta un nodo con otro.
En la administracin de proyecto, los nodos y arcos de la red de proyecto tienen un significado
especial en el contexto del problema especfico, dependiendo de cul de los siguientes enfoques
estndar be utilice:
1. Re'resentaci&n de actividad en arco
-@
A en este enfoque, cada arco corresponde a una
de las actividades: los nodos que estn conectados por ese arco representan el inicio y fin
de esa actividad.
A
Una tarea que debe concluirse antes de que la tarea de inters pueda iniciarse y que no depende para su
inicio de la conclusin de cualquier otra tarea inmediatamente predecesora de esta lista.
B
Una tabla que enumera las predecesoras inmediatas para cada tarea.
I
Un diagrama de red que consiste en una coleccin finita de nodos y arcos usados para representar las
tareas y sus relaciones de precedencia en un proyecto.
1;
Una convencin usada en un diagrama de red de proyecto en la que cada arco corresponde a una de las
actividades y los dos nodos conectados por ese arco representan el inicio y fin de esa actividad.
172
2. Re'resentaci&n de actividad en nodo
--
A en este enfoque, cada nodo representa una de
las tareas (o actividad); un arco conecta dos nodos si un nodo corresponde a una tarea
inmediatamente predecesora del otro nodo.
Puede adaptarse cualquier enfoque para dibujar la red de proyecto. Del siguiente procedimiento
de solucin depende cul se elija. Slo asegrese de que el paquete de computadora disponible
para la administracin del proyecto puede manejar el enfoque elegido para trazar la red del
proyecto.
Grficamente la actividad se representa mediante dos figuras:
ARCO
Orientando de izquierda a derecha, significa la ejecucin del trabajo. La longitud del arco no es
vectorial y no siempre es recto.
NODOS
A estos se les denomina sucesos, eventos o nudos, inicial y final respectivamente, indican el
inicio y la finalizacin de la actividad y sirve como punto de control de la ejecucin de los trabajos.
Una actividad debe estar terminada para que la subsiguiente pueda empezar.
Ejemplos:
Fig. 2 Fig. *
En la figura 1 se puede observar que el arco no tiene un sentido vectorial, sino que es
simplemente una progresin de tiempo .En la figura 2 se muestra que todas las actividades tienen
sus sucesos iniciales y finales, siendo que el suceso final de la actividad precedente es el mismo
suceso inicial de la subsiguiente - Adems puede distinguirse que el primer suceso inicial del
proyecto no posee una actividad que la preceda y el ultimo suceso final no tiene una tarea que la
subsiga.
ARCO FCTCO
Se indica por medio de un arco de trazos, que se denomina tambin "dummy", sirve para denotar
una relacin de precedencia entre dos actividades, pero no por que necesariamente requiere un
trabajo previo, ni tiempo, sino por instancias especiales.
Fig. >
11
Una convencin usada en un diagrama de red de proyecto en la que cada nodo representa una tarea, y un
arco conecta dos nodos si un nodo corresponde a una tarea inmediatamente predecesora del otro nodo.
-;1
En la figura 4 que representa el proceso para la explotacin de un tajeo , donde el mineral
requiere ser sometido antes a un anlisis para luego ser acarreando al shut y transportado a la
planta, se puede observar un caso tpico de una flecha ficticia, que indica la precedencia del
muestreo y resultado del anlisis para su acarreo posterior, con el fin de evitar una dilucin.
RED DE PROYECTO
La red de proyecto sirve como base a la programacin por camino crtico y seala con toda
precisin la secuencia de las actividades, su interrelacin, etc.
Fig. - la!ores /v. 2-1+
Nota: Nominacin de galeras con letras.
Fig. @ #ed para el /v 2-1+
La figura 5 representa un proyecto de excavacin de labores subterrneas para la preparacin del
Nv 2510; representando mediante le red de proyecto se tiene la fig. 6.
La enumeracin de los sucesos, es otro sistema para la identificacin de las actividades, la misma
que facilita los clculos manuales y en computadora. Normalmente es conveniente enumerar en
forma secuencial.
En la red de proyecto indicado en la fig. 6 las actividades enumeradas son:
Actividad A ----- (1 , 2) Actividad G ----- (6 , 9)
Actividad B ---- (2 , 3) Actividad H ----- (9 , 10)
Actividad C ----- (3 , 4) Actividad ----- (3 , 7)
Actividad D ----- (4 , 5) Actividad J ----- (7 , 8)
Actividad E ----- (5 , 6) Actividad K ----- (8 , 10)
Actividad F ----- (6 , 7)
En resumen, para dibujar una red de proyecto que refleje correctamente las relaciones de
precedencia usando la representacin de actividad en arco, recuerde las siguientes pautas:
a) Construya la red secuencialmente, aadiendo un arco correspondiente a una actividad a la
vez, eligiendo un nodo terminal y preguntndose qu tarea(s) puede empezar entonces.
Recuerde que este nodo representa el punto en el tiempo en el que todas las actividades
correspondientes a los arcos que entran a ese nodo han sido concluidas.
174
b) Evite los ciclos en los que dos mismos nodos son conectados por ms de un arco.
c) Cuando no exista ningn nodo que represente la conclusin de todas las predecesoras
inmediatas de la nueva tarea a ser aadida, considere la combinacin de nodos, la adicin de
actividades figuradas o de nodos (y actividades) figurados.
d) Al completarse, combine todos los nodos terminales sin arcos que salgan de ellos hacia un
solo nodo para representar el tiempo en que todo el proyecto se concluya.
e) Use la red de proyecto final para enumerar las predecesoras inmediatas de cada tarea;
despus verifique que esas relaciones sean correctas, como se especifica en la tabla de
precedencia.
La red de 'roJectos 'ara el 'roJecto de Santa Rosa Mining.
Fig. 7. Red de proyectos del proyecto Santa Rosa Mining Corp.
ADMINISTRACI#N DE PRO6ECTOS USANDO TIEMPOS DETERMIN2STICOS MCPM(
En esta seccin aprender cmo usar la red de proyecto junto con tiempos determinsticos para la
conclusin de tareas a fin de administrar proyectos respondiendo las siguientes preguntas:
1. Qu tan pronto puede completarse todo el proyecto?
2. Para satisfacer este tiempo de conclusin,qu tareas son crticas, en el sentido de que un
retraso en cualquiera de esas tareas producira un retraso en la conclusin de todo el
proyecto?
C,lculo del tie%'o de ter%inaci&n de 'roJecto
Los clculos sistemticos necesarios para determinar el tiempo de terminacin ms breve se
ilustran para el proyecto de Santa Rosa Mining Corp. Observe que el tiempo determinstico para
la conclusin de cada tarea se escribe junto al arco correspondiente a esa tarea en la figura.
-;8
Fig. E $iempos de duracin de cada actividad del proyecto Santa #osa 4ining
Para encontrar el tiempo de terminacin ms corto de todo el proyecto, proceda sistemticamente
desde el principio, determinando lo siguiente para cada tarea:
1. El tie%'o de inicio %,s te%'rano MIT(
-/
) esto es, el tiempo ms inmediato en que esa
tarea puede iniciarse.
2. El tie%'o de ter%inaci&n %,s te%'rano MTT(
-1
) esto es, el tiempo ms breve en el que
esa tarea puede concluir.
donde:
A : Actividad
i, j : Nodos
El tiempo de terminacin ms temprana de la tarea final es el tiempo ms corto en el que todo el
proyecto puede completarse. (En el caso de que exista ms de una tarea terminal, el tiempo de
conclusin ms breve de todo el proyecto es el mximo de los tiempos mnimos de terminacin
de todas esas tareas.)
Para calcular el tiempo de inicio ms temprano para una tarea particular, recuerde el concepto de
las tareas predecesoras inmediatas, esto es, aquellas tareas que deben concluirse antes que la
tarea actual pueda iniciarse. Es necesario saber cundo termina cada una de estas tareas
predecesoras:
Regla -. Para calcular el tiempo de inicio ms temprano de una tarea particular, debe
conocer los tiempos de terminacin ms tempranos de cada tarea predecesora inmediata.
Regla /. El tiempo de inicio ms temprano de una tarea de la que se conocen los tiempos
de terminacin ms tempranos de todas sus tareas predecesoras inmediatas es el mximo
de esos tiempos de terminacin ms tempranos.
Regla 1. Tiempo de terminacin ms temprano = (tiempo de inicio ms temprano) +
(tiempo de tarea):
t IT TT +
12
El tiempo mas cercano en que una tarea posiblemente puede inciarse.
13
El tiempo mas corto en el que una tarea posiblemente puede concluir.
176
Fig =. C5lculo de los tiempos de inicio y terminacin mas tempranos para el proyecto de Santa #osa 4ining
%asos para calcular los tiempos de inicio y de terminacin ms tempranos
%aso 1. dentifique el nodo correspondiente al principio de todo el proyecto.
Calcule y escriba lo siguiente en el nodo inicial:
a. El tiempo de inicio ms cercano, esto es, 0 (porque la tarea correspondiente
puede iniciarse inmediatamente).
*. El tiempo de terminacin ms breve de acuerdo con la regla 3, esto es:
Tiempo de terminacin ms breve
= (tiempo de inicio ms inmediato) + (tiempo de tarea)
= 0 + (tiempo de tarea)
= tiempo de tarea
%aso 1. Seleccione cualquier nodo donde todos los arcos entrantes han sido etiquetados
con sus tiempos de inicio y de terminacin ms breves.
%aso 2. Para el nodo seleccionado en el paso 1, calcule y escriba lo siguiente junto a cada
arco saliente:
a. El tiempo de inicio ms breve de acuerdo con la regla 2, esto es
Tiempo de inicio ms inmediato = mximo de los tiempos de terminacin
ms breves de todos los arcos entrantes
*. El tiempo de terminacin ms breve de acuerdo con la regla 3, esto es
Tiempo de terminacin ms breve = (tiempo de inicio ms inmediato) +
(tiempo de tarea)
Identi:icaci&n de las tareas cr+ticas
En esta seccin, aprender cmo usar la red de proyecto junto con los tiempos de conclusin de
tareas individuales y los tiempos de inicio y terminacin ms tempranos calculados en 2.1 para
determinar qu tareas son crticas. Crtica significa que un retraso en cualquiera de esas tareas
ocasiona un retraso en todo el proyecto. Los retrasos del proyecto pueden ocasionar costos
adicionales, ingresos perdidos y/o incumplimiento de las obligaciones contractuales. Por ejemplo,
no terminar las labores de preparacin e inicio de explotacion de Santa Rosa Mining Corp. a
tiempo puede ocasionar una prdida sustancial en las ventas de concentrado para el periodo
planeado. Por tanto, como gerente, necesitar comprobar estas tareas crticas estrechamente
para ver que se terminen a tiempo a fin de que el proyecto entero se mantenga en lo programado.
-;;
Ahora puede ver que la forma ms fcil de identificar las tareas crticas es iniciar al final de la red
y proceder hacia atrs, hacia el principio del proyecto, examinando cada tarea. Determinar cules
son crticas, entonces, requiere calcular lo siguiente para cada tarea:
1. El >lti%o tie%'o de ter%inaci&n MUT(
-5
-es decir, lo ms tarde que pueda concluirse una
tarea, mientras permita que el proyecto se complete lo ms pronto posible, como se
determin en la seccin 2.1 para el proyecto de Santa Rosa Mining Corp.
2. El >lti%o tie%'o de inicio MUI(
-8
-es decir, lo ms tarde que pueda iniciarse una tarea, de
tal forma que finalice en su ltimo tiempo de terminacin.
Cualquier actividad cuyo ltimo tiempo de inicio sea igual que su tiempo de inicio ms inmediato
calculado en la seccin 2.1 es crtica. Esto se debe a que la nica forma de mantener el proyecto
a tiempo es iniciar esta tarea exactamente en este tiempo comn.
Para calcular el ltimo tiempo de terminacin para una tarea particular, observe que un retraso en
esta tarea particular afecta a todas las tareas sucesoras
-H
) es decir, aquellas tareas para las que
una tarea es una predecesora, porque las tareas sucesoras no pueden comenzar sino hasta que
sta est terminada. Esta observacin da pie a la siguiente regla, que se aade a las tres reglas
presentadas en la seccin.2.1:
Regla 5. Para calcular el ltimo tiempo de terminacin de una tarea particular, debe
conocer los ltimos tiempos de inicio de cada tarea sucesora inmediata.
Regla 8. Respecto a una tarea de la que se conocen los ltimos tiempos de inicio de todas
sus tareas sucesoras inmediatas, el ltimo tiempo de terminacin de esa tarea es el mnimo
de los ltimos tiempos de inicio de todas las tareas sucesoras inmediatas.
Regla H. ltimo tiempo de inicio = (ltimo tiempo de terminacin) - (tiempo de tarea)
t UT UI
Fig. 1+ C5lculo de los 8ltimos tiempos de inicio y terminacin para el proyecto de Santa #osa 4ining
%asos para calcular los :ltimos tiempos de inicio y terminacin
10
Lo ms tarde que pueda concluirse una tarea, en tanto permita que el proyecto se complete lo ms pronto
posible.
12
Lo ms tarde que pueda iniciarse una tarea, pero finalizando dentro de su ltimo tiempo de terminacin.
15
Una tarea para la que la tarea de inters es una predecesora.
178
%aso 1. dentifique el nodo correspondiente al final de todo el proyecto. Calcule y escriba
lo siguiente dentro de cada arco entrante:
a. El ltimo tiempo de terminacin, que es el tiempo ms breve de conclusin
del proyecto, segn se determin en la seccin 2.2 (porque cualquier otro
retraso en estas tareas retrasara todo el proyecto).
*. El ltimo tiempo de inicio de acuerdo con la regla 6, es decir
ltimo tiempo de inicio = (ltimo tiempo de terminacin) - (tiempo de tarea)
= (tiempo de conclusin de proyecto) - (tiempo de
tarea)
%aso 1. Seleccione un nodo, cuyos arcos salientes hayan sido etiquetados todos con sus
ltimos tiempos de inicio y terminacin.
%aso 2. Para el nodo seleccionado en el paso 1, calcule y escriba lo siguiente junto a
cada arco entrante:
a. El ltimo tiempo de terminacin de acuerdo con la regla 5, es decir ltimo
tiempo de inicio = mnimo de los ltimos tiempos de inicio de todos los
arcos salientes
b. El ltimo tiempo de inicio de acuerdo con la regla 6, es decir ltimo tiempo
de inicio = (ltimo tiempo de terminacin) - (tiempo de tarea)
Habiendo hecho estos clculos, ahora puede identificar las tareas crticas y no criticas. Para cada
tarea, calculemos la 4olgura M0(
-;
de las tareas:
t IT UT H
Usando los clculos de la figura 10 y calculando las holguras se llega al calendario de actividades
mostrado en la tabla 4
$a!la > Calendario de actividades y tareas crfticas para el proyecto de Santa #osa 4ining
ETI!UETA DESCRIPCION t IT UI TT UT 0OLGURA
B Subnivel 40 80 120 112 152 32
C Subnivel 40 5 45 128 168 123
D Transversal 5 0 5 123 128 123
E Chimenea de acceso 68 0 68 0 68 0
F Chimenea o coladero
de mineral 18 0 18 62 80 62
G Chimenea de
ventilacin 21 0 21 89 110 89
H nstalacin de tolvas 14 110 124 110 124 0
Chimenea de corte 16 152 168 152 168 0
J Chimenea de corte 16 168 184 168 184 0
K nstalacin de
cabrestante 14 96 110 96 110 0
L Explotacin 28 124 152 124 152 0
M Parte inicial del nivel
de rastrillaje 12 68 80 68 80 0
N Parte final del nivel de
rastrillaje 16 80 96 80 96 0
Figurada 0 80 80 80 80 0
Las holguras en esta tabla representan la cantidad de tiempo segn la cual la tarea
correspondiente puede retrasarse sin retrasar todo el proyecto, suponiendo que todas las demas
tareas se realizan a tiempo. Por ejemplo la Chimenea o coladero de mineral puede comenzar
hasta 89 dias tarde sin retrasar el proyecto.
Tarea crtica es una tarea cuyo tiempo de retraso es 0, lo que indica que cualquier retraso en esta
tarea ocasionara un retraso en la conclusion de todo el proyecto. En el ejemplo son tareas crticas
las tareas E, H, , J, K, K, L, M y N. Como gerente debe verificar cuidadosamente estas tareas
criticas para mantener el proyecto dentro del calendario.
1A
Cantidad de tiempo que una tarea puede retrasarse sin afectar la conclusin del proyecto.
-;C
Fig. 11 #uta crtica para el proyecto Santa rosa 4ining
Las dobles lneas corresponden a las tareas crticas para el proyecto Santa Rosa Minino. Como
puede ver, estas tareas forman, en conjunto una ruta cr+tica
-O
desde el principio hasta el final del
proyecto. En general puede haber varias rutas crticas; en ese caso, el tiempo es de 184 das.
Ad%inistraci&n de 'roJectos con tie%'os deter%in+sticos de tareaA uso de la co%'utadora
Utilizaremos el software WinQSB para hallar la ruta crtica:
1. niciar el modulo PERT-CPM del software WinQSB
2. ngresar los datos iniciales del proyecto
1B
Una secuencia de tareas crticas de un proyecto que conecta el principio del proyecto con el fin.
180
3. ngresar la duracin y los predecesores de las tareas.
4. Obtener la ruta crtica
-O-
Son valores similares a los obtenidos anteriormente.
5. Podemos observar tambin la grafica
EG'edici&n de un 'roJecto usando t3cnicas de cras4ing
En muchos proyectos la gerencia puede decidir que el tiempo de conclusin ms breve no es
aceptable. En tales casos, a menudo pueden usarse recursos adicionales para agilizar ciertas
tareas, ocasionando una conclusin ms temprana del proyecto. En esta seccin, aprender
cmo puede formularse un modelo de programacin lineal para determinar las tareas que deben
agilizarse para lograr un tiempo de conclusin deseado, y a qu costo.
182
En el ejemplo de Santa Rosa Mining, suponga que el Gerente General decide que un tiempo de
conclusin de 184 das es demasiado largo. Se le ha pedido hacer recomendaciones sobre cmo
puede acortarse el proyecto a 160 das.
O*tenci&n de datos de costos adicionales 'ara las tareas
Qu tareas del proyecto pueden acortarse y en cunto? Claro est que acortar las tareas
claramente requiere recursos adicionales, como el pago de tiempos extra, personal adicional y/o
subcontrataciones. Por tanto, los primeros pasos son enumerar, para cada tarea:
1. El tie%'o de c4oIue) esto es, el tiempo mnimo posible en el que la tarea puede
concluirse de manera realista usando recursos adicionales.
2. El costo de los recursos adicionales necesarios para acortar el tiempo de tarea a cualquier
valor entre sus tiempos normal y de choque.
Para obtener el tiempo de choque, puede consultar con las personas involucradas en la tarea.
Por ejemplo, considere la tarea de la chimenea de acceso en el proyecto de Santa Rosa Mining.
Originalmente se estima que esta tarea requiere 68 das. Sin embargo, despus de las
discusiones con el gerente del departamento de diseo, usted descubri que al contratar algo de
ayuda de tiempo parcial y/o usar tiempos extra, la chimenea de acceso podra terminarse en slo
64 das, pero no menos. Por tanto, con recursos adicionales, el tiempo de conclusin de esta
tarea puede acortarse en 4 das a un tiempo de choque de 64 das.
El tiempo cuesta dinero. Para establecer cunto cuesta el tiempo, comience por obtener dos
estimaciones de costo para concluir la tarea en (a) su tiempo normal y (b) su tiempo de choque.
En el proyecto de Santa Rosa Mining, suponga que la chimenea de acceso se estima que cueste
$7200 si se termina en su tiempo normal de 68 das y $7528 si se terminan en su tiempo de
choque de 64 das. De hecho, con una cantidad apropiada de entre $7200 y $7528, puede
concluir esta tarea en cualquier momento entre 68 y 64 das. Sin embargo, la obtencin de las
estimaciones de costo para cada tiempo posible entre las 68 y 64 das puede ser difcil, caro y
llevarse tiempo. Una aproximacin comnmente usada es suponer que los costos se comportan
linealmente dentro del intervalo de tiempo dado, como se muestra en la figura 12. Basndose en
esta suposicin, un costo por unidad de tiempo aproximado puede calcularse usando la siguiente
frmula:
(costo al tiempo de choque) - (costo al tiempo normal)
(tiempo normal) - (tiempo de choque)
Costo por unidad =
Para la tarea de la chimenea de acceso,
7528 - 7200
68 - 64
Costo por unidad = = 82
En otras palabras, costar $ 82 adicionales por cada da que se acorte esta tarea.
7150
7200
7250
7300
7350
7400
7450
7500
7550
63 64 65 66 67 68 69
Tie%'o de tarea Md+as(
C
o
s
t
o

M
Q
(
Fig. 12 $ransaccin tiempo F costo lineal para la c9imenea de acceso
-O1
Estos datos y clculos para cada tarea del proyecto de Santa Rosa Mining se muestran en la tabla
5.
Observe que el costo por unidad de la tarea L, Explotacin, no se ha calculado. Esa tarea no
puede acortarse en absoluto.
$a!la - Costos de c9oue para las tareas de Santa #osa 4ining
T
i
e
%
'
o

n
o
r
%
a
l
C
o
s
t
o

n
o
r
%
a
l
T
i
e
%
'
o

d
e

c
4
o
I
u
e
C
o
s
t
o

d
e

C
4
o
I
u
e
R
e
d
u
c
c
i
&
n

M
,
G
i
%
a
C
o
s
t
o

'
o
r

d
+
a
A Nivel
B Subnivel 40 8,100 36 8,380 4 70.0
C Subnivel 40 8,100 36 8,380 4 70.0
D Transversal 5 1,160 4 1,612 1 452.0
E Chimenea de acceso 68 7,200 55 8,528 13 102.2
F Chimenea o coladero de minera 18 1,920 15 2,241 3 107.0
G Chimenea de ventilacin 21 2,160 18 3,110 3 316.7
H nstalacin de tolvas 14 430 12 650 2 110.0
Chimenea de corte 16 1,800 15 2,132 1 332.0
J Chimenea de corte 17 1,920 16 2,360 1 440.0
K nstalacin de cabrestante 14 350 11 465 3 38.3
L Explotacin 28 28 0
M Parte inicial del nivel de rastrillaje 12 3,900 10 4,020 2 60.0
N Parte final del nivel de rastrillaje 16 4,800 14 5,350 2 275.0
5-)O5@ COSTO TOTAL
Desarrollo del %odelo de c4oIue
Con los datos de la tabla 5 y la red de proyecto, ahora es posible desarrollar un modelo de
programacin lineal para determinar qu tareas acortar, y en cunto, para lograr un tiempo de
conclusin meta para todo el proyecto de la manera menos costosa.
Identificacin de las .ariables de decisin
Preguntndose lo que puede controlar y/o necesita determinar en este problema lo debe llevar a
identificar como variables de decisin la cantidad de tiempo en la cual acortar cada tarea. Por
tanto, para el ejemplo de Santa Rosa Mining, defina
YB = el nmero de das en las cuales acortar la tarea B
YC = el nmero de das en las cuales acortar la tarea C
.
YN = el nmero de das en las cuales acortar la tarea N
Los valores de estas variables de decisin reducen los tiempos de conclusin de tareas a las
cantidades mostradas junto a cada arco de la figura 13. Por ejemplo, el nuevo tiempo de
conclusin de la tarea C es 40 - Yc) es decir, el tiempo normal de 40 das menos el nmero de
das, Yc, en la cual se acorta esa tarea.
Identificacin de la funcin ob/eti.o
El objetivo global es minimizar los recursos adicionales totales requeridos para satisfacer el
tiempo de conclusin meta para el proyecto. Habiendo calculado los costos unitarios enumerados
en la tabla 5 asociados con el acortamiento de cada tarea, y observando que el costo de la
variable YL es irrelevante porque su valor estar restringido a 0, la funcin objetivo en trminos
matemticos es
Minimizar 70 \O , <+ \C , >-2\0 , 1+2.2 \% , 1+< \F , *1@.< \2 , 11+ \P ,**2 \\' , >>+
\b , *E.** \T , @+ \4 , 2<- \/
Identificacin de las restricciones
Usando la tcnica de agrupamiento puede identificar dos grupos de restricciones:
184
1. La cantidad mxima de tiempo en la cual se puede acortar cada tarea.
2. El tiempo de conclusin meta del proyecto (en este caso, 170 das).
Para las restricciones del grupo 1, lo nico que se necesita son las cotas superiores sobre las
variables de decisin, \") . . . ) \/. Los valores mximos de estas variables se proporcionan en la
columna etiquetada 'Reduccin mxima' de la tabla 5. La combinacin de estos valores con la no
negatividad implcita de estas variables da pie a las siguientes restricciones:
Fig. 1* (aria!les de decisin para agilizar el proyecto de Santa #osa 4ining
Restricciones de l6mite
+ G= \O G= > (Lmite B)
+ G= \C G= > (Lmite C)
+ G= \0 G= 1 (Lmite D)
+ G= \% G= 1* (Lmite E)
+ G= \F G= 3 (Lmite F)
+ G= \2 G= 3 (Lmite G)
+ G= \P G= 2 (Lmite H)
+ G= \' G= 1 (Lmite )
+ G= \b G= 1 (Lmite J)
+ G= \T G= 3 (Lmite K)
+ G= \L G= + (Lmite L)
+ G= \4 G= 2 (Lmite M)
+ G= \/ G= 2 (Lmite N)
La especificacin de la restriccin del grupo 2 requiere cuidado. Mirando la red de proyecto de la
figura 13, es necesario saber cundo se concluir la tarea J para determinar cundo se terminara
todo el proyecto. Esto a su vez requiere saber cundo se concluirn todas las predecesoras
inmediatas de la tarea J, es decir, cundo se concluirn las tareas C e . De hecho, para
especificar que el proyecto puede concluirse en su tiempo meta, es necesario saber cuando
puede comenzar cada tarea individual. Como estos valores son todavia desconocidos y dependen
de los valores de \") . . . ) \/, es aconsejable definir las variabless adicionales para cada nodo en
la red de proyecto de la manera siguiente:
-O8
X0 = el tiempo en que todas las tareas que salen del nodo 0 pueden comenzar
X8 = el tiempo en que todas las tareas que salen del nodo 8pueden comenzar
Con estas variables, ahora es posible especificar que el proyecto puede comenzar en el tiempo 0
y terminar en 160 das con las dos siguientes restricciones:
7+ = + (inicio)
71+ G= 1@+ (finalizacin)
Todo lo que resta son las restricciones que especifican que una tarea puede comenzar solo
despuers de que sus tareas predecesoras inmediatas hayan concluido. Por ejemplo refiriendose al
nodo 1 de la figura 13, la tarea M puede comenzar solo despues de haber concluido la tarea E.
Como X1 es el tiempo en el que esta tarea puede comenzar, se tiene la siguiente restriccin de
nodo:
Tiempo de inicio de las tareas que salen del nodo 1 >= tiempos de terminacin de todas las tareas
que entran al nodo 1
Tiempo de inicio de M >= tiempo de terminacin de la tarea E
Tiempo de inicio de M >= (tiempo de inicio de la tarea E) + (tiempo acortado de la tarea E)
71 I= 7+ , 3@EH\%) (tarea A)
De manera similar para el resto de los nodos, tenemos:
72 I= 7+ , 3-H\0) (tarea D)
7* I= 71 , 312H\4) (tarea M)
7> I= 7+ , 31EH\F) (tarea F)
7> I= 7* , + (tarea figurada)
7- I= 7> , 31@H\/) (tarea N)
7@ I= 7- , 31>H\T) (tarea K)
7@ I= 7+ , 321H\2) (tarea G)
7< I= 7@ , 31>H\P) (tarea H)
7E I= 7< , 32EH\L) (tarea L)
7E I= 7* , 3>+H\O) (tarea B)
7= I= 7E , 31@H\') (tarea )
7= I= 72 , 3>+H\C) (tarea C)
71+ I= 7= , 31@H\b) (tarea J)
Notemos que por cada tarea real o figurada existe una restriccin.
Aadiendo la no negatividad implcita de las variables X, se obtiene el siguiente modelo de
choque completo:
186
Minimizar 70 \O , <+ \C , >-2\0 , 1+2.2 \% , 1+< \F , *1@.< \2 , 11+ \P ,**2 \\' , >>+
\b , *E.** \T , @+ \4 , 2<- \/
Dependiendo de:
#estricciones de lmite
+ G= \O G= > (Lmite B)
+ G= \C G= > (Lmite C)
+ G= \0 G= 1 (Lmite D)
+ G= \% G= 1* (Lmite E)
+ G= \F G= 3 (Lmite F)
+ G= \2 G= 3 (Lmite G)
+ G= \P G= 2 (Lmite H)
+ G= \' G= 1 (Lmite )
+ G= \b G= 1 (Lmite J)
+ G= \T G= 3 (Lmite K)
+ G= \L G= + (Lmite L)
+ G= \4 G= 2 (Lmite M)
+ G= \/ G= 2 (Lmite N)
#estricciones de terminacin de proyecto
7+ = + (inicio)
71+ G= 1<+ (finalizacin)
#estricciones de red
71 I= 7+ , 3@EH\%) (tarea A)
72 I= 7+ , 3-H\0) (tarea D)
7* I= 71 , 312H\4) (tarea M)
7> I= 7+ , 31EH\F) (tarea F)
7> I= 7* , + (tarea figurada)
7- I= 7> , 31@H\/) (tarea N)
7@ I= 7- , 31>H\T) (tarea K)
7@ I= 7+ , 321H\2) (tarea G)
7< I= 7@ , 31>H\P) (tarea H)
7E I= 7< , 32EH\L) (tarea L)
7E I= 7* , 3>+H\O) (tarea B)
7= I= 7E , 31@H\') (tarea )
7= I= 72 , 3>+H\C) (tarea C)
71+ I= 7= , 31@H\b) (tarea J)
#estricciones de red
7+) gg..)71+ I= +
Resoluci&n del %odelo de c4oIue
Habiendo formulado el modelo de choque apropiado, ahora podemos usar cualquier programa de
programacin lineal para obtener la solucin. En nuestro caso, utilizaremos el WinQSB.
-O;
De los valores de las variables Y se puede ver que para terminar el proyecto en el tiempo meta de
160 das, es necesario acortar los tiempos de la tarea E en 13 das, de la tarea H en 2 das, de la
tarea en 1 da, de la tarea J en 1 da, de la tarea K en 3 das, de la tarea M en 2 das y de la
tarea N en 2 das. El costo total de hacer esto son $ 3,105.59 adicionales.
ADMINISTRACI#N DE PRO6ECTOS USANDO TIEMPOS DE TAREA PRORARILISTICOS
MPERT(
Al revisar proyectos, un gerente a menudo encuentra retrasos imprevistos al llevar a cabo las
diferentes tareas, lo cual tiene como resultado un correspondiente retraso en el proyecto
completo. Una manera de manejar tales problemas consiste en tomar en cuenta esta variabilidad
cuando se estiman los tiempos de terminacin individuales. En lugar de suponer que los tiempos
de tarea se conocen con certeza, como fue el caso en el ejemplo del proyecto de Santa Rosa
Mining en las secciones 2.1 a 2.4, puede ser ms apropiado estimar los tiempos de tarea,
tomando en cuenta la incertidumbre. Para revisar tales proyectos se requiere un an5lisis
pro!a!ilstico) que se describir en la presente seccin. A lo largo de ella, se supone que el lector
conoce las nociones bsicas de probabilidad y de estadstica.
-.-. Enu%eraci&n de las tareas) identi:icando las relaciones de 'recedencia J traKando
la red de 'roJectos
En las secciones 1.1. a 1.4 se ha realizado la enumeracin de las tareas del proyecto de Santa
Rosa Mining, identificado las relaciones de precedencia y trazado la red de proyectos.
-./. Esti%aci&n de los tie%'os de ter%inaci&n de tareas
Los tiempos de terminacin de estas tareas son bastante variables debido a la incertidumbre de la
obtencin de suministros, el mantenimiento de las relaciones laborales, etctera. As pues, una
sola estimacin del tiempo no es apropiada. Para tomar en cuenta esta variabilidad se requiere el
conocimiento de la distri!ucin de pro!a!ilidad de los tiempos de terminacin de cada tarea.
188
Esto, a su vez, requiere el conocimiento de los parmetros de la distribucin, entre los que se
encuentran la media y la varianza. La obtencin de la distribucin y de sus parmetros, a
menudo, es difcil y tardada. Sin embargo, un planteamiento que ha resultado ser conflable en la
prctica consiste en aproximar las distribuciones desconocidas mediante una distri!ucin !eta. El
anlisis, en la presente seccin, no requiere la forma exacta de la distribucin, sino solamente del
conocimiento de tres parmetros: el valor mnimo, el valor mximo y el valor ms probable,
presentados en la figura 14.
Fig. 1> 0istri!ucin Oeta de un tiempo de tarea
Suponga que para la tarea C, colocacin del techo, las tres estimaciones obtenidas del
subcontratista que lo va a colocar son:
a = ms optimista = 3 das ! = ms pesimista = 11 das m = ms probable = 5.5 das
Utilizando estas tres estimaciones, el tiempo esperado y la desviacin estndar se calculan de la
manera siguiente:
Tiempo de tarea esperado a + 4m + !
-OC
RIRLIOGRAEIA
NVESTGACN DE OPERACONES, Kamlesh Mathur, Daniel Solow, Edit.
Prentice-Hall Hispanoamericana S.A., 1996, Mxico.
"NVESTGACN DE OPERACONES, Hamdy A. Taha, sptima edicin, Pearson
Educacin de mxico, S.A. de C.V., 2004, Mxico.
"NVESTGACN DE OPERACONES: Programacin Lineal, Jorge Alvarez A.,
segunda edicin, Edit. Amrica, 1995, Per.
"MCROSOFT PROJECT 2003 PASO A PASO, Curso Oficial de Microsoft, Edit.
McGraw-Hill/nteramericana de Espaa, 2003, Madrid.
190

Investigacion Operaciones v3

Caricato da

Informazioni sul documento

Copyright

Formati disponibili

Condividi questo documento

Condividi o incorpora il documento

Opzioni di condivisione

Hai trovato utile questo documento?

Questo contenuto è inappropriato?

Copyright:

Formati disponibili

Investigacion Operaciones v3

Caricato da

Copyright:

Formati disponibili

INVESTIGACION DE OPERACIONES EN MINERIA

Potrebbero piacerti anche