Sei sulla pagina 1di 18

INVESTIGACION DE OPERACIONES I

INTEGRANTES:
-Berrospi Gamboa, Luis
Fernando
-Meregildo Leiva, Marvin Alexis
-Pedro Avila, Jos Segundo
-Valverde Quezada, Jos

DOCENTE:
Mg. Baca Lpez, Marcos
Gregorio
TEMA:
Programacin Lineal
ESCUELA:
Ingeniera de Sistemas
CICLO:
VI

2016

Ejercicio 01
PAR es un pequeo fabricante de equipo y accesorios para golf cuyo
distribuidor lo convenci de que existe un mercado tanto para la bolsa de
golf de precio medio, conocida como modelo estndar, como para una bolsa
de golf de precio elevado, conocida como modelo deluxe. El distribuidor
tiene tanta confianza en el mercado que, si PAR puede fabricar las bolsas a
un precio competitivo, el distribuidor est de acuerdo en adquirir todas las
bolsas que PAR pueda fabricar en los siguientes tres meses. Unos anlisis
cuidadosos de los requerimientos de fabricacin dieron como resultado la
tabla siguiente, que muestra las necesidades de tiempo de produccin para
las cuatro operaciones de manufactura requeridas y la estimacin por parte
del departamento de contabilidad de la contribucin a la utilidad por bolsa.
Utilidad
Inspeccin
y empaque por Bolsa

Producto

Corte y
Teido

Costura

Terminado

Estndar

7/10

1/2

1/10

$10

Deluxe

5/6

2/3

1/4

$9

El director da manufactura estima que durante los siguientes tres meses


estarn disponibles 630 horas de tiempo de corte y teido, 600 horas de
tiempo de costura, 708 horas de tiempo de terminado y 135 horas de
tiempo de inspeccin y empaque para la produccin de las bolsas de golf.
Si la empresa desea maximizar la contribucin total a la
utilidad Cuntas bolsas de cada modelo deber fabricar?
Qu contribucin a la utilidad puede obtener PAR de estas
cantidades de produccin?
Cuntas horas de produccin se programarn para cada operacin?
Solucin
Formulacin del modelo:

Definicin de variables
X1 = Cantidad de unidades de bolsas de golf estndar
X2 = Cantidad de unidades de bolsas de golf de lujo

Funcin Objetivo
Z max = 10X1 + 9X2

Restricciones
0.7X1
0.5X1
1.0X1
0.1X1

+
+
+
+

1.0X2 630 Horas de Corte y teido


0.8334X2 600 Horas de Costura
0.6667X2 708 Horas de Terminado
0.25X2 135 Horas de Inspeccin y Empaque

No negatividad

Xi 0; i=1,2

Entrada de datos Solver

Solucin Solver

Debe fabricar 539,98 bolsas de golf estndar y 252,01 bolsas de golf


de Lujo.
Contribucin total = $ 7.667,942
Se programarn 620 horas de Corte y Teido, 480.02 horas de
Costura, 708 horas de Terminado y 117 horas de Inspeccin y
Empaque.

Anlisis de Sensibilidad
Despus de haber ingresado el modelo a el software Lingo.
max = 10*X1 + 9*X2;
0.7*X1
0.5*X1
1.0*X1
0.1*X1

+
+
+
+

1.0*X2 <= 630;


0.8334*X2 <= 600;
0.6667*X2 <= 708;
0.25*X2 <= 135;

Tenemos un resultado de la siguiente manera:


Global optimal solution found.
Objective value:
Variable
X1
X2

7667.942

Value
539.9842
252.0110

Row
1
2
3
4
5

Reduced Cost
0.000000
0.000000

Slack or Surplus
7667.942
0.000000
119.9819
0.000000
17.99882

Dual Price
1.000000
4.374566
0.000000
6.937804
0.000000

Como observamos encontramos en la fila 2 y 4 un Slack o Surplus de 0,


podemos ordenar estos datos en la siguiente tabla:
Ro
w
2
3
4
5

Slack
0.00 horas corte
Teido
119.9819 horas
costura
0.00 horas
terminado
17.98882 horas
inspeccin

Surplu
s

Dual Price
4.374566 soles/horas corte Teido
0.000000 soles/horas costura
6.937804 soles/horas terminado
0.000000 soles/horas inspeccin

Del anlisis de Rango obtenemos los siguientes valores:


Row
2
3

Current
RHS
630.0000
600.0000

Righthand Side Ranges


Allowable
Increase
52.35886
INFINITY

Allowable
Decrease
134.4000
119.9819

4
5

708.0000
135.0000

192.0000
INFINITY

127.9860
17.99882

Podemos observar que podemos aumentar tanto en la fila 2 como en la 4


una cierta cantidad de horas, todo esto queda resumido en a la siguiente
tabla:
Row

Mximo Incremento

52.35886 horas corte


Teido
192.0000 horas
terminado

Cantidad Ganada
Mxima
229.04728875476
1332.058368

Como observamos es ms conveniente aumentar las horas de terminado en


192, por lo que quedara un modelo de la siguiente manera:
max = 10*X1 + 9*X2;
0.7*X1
0.5*X1
1.0*X1
0.1*X1

+
+
+
+

1.0*X2 <= 630;


0.8334*X2 <= 600;
0.6667*X2 <=900;
0.25*X2 <= 135;

Con una solucin:


Global optimal solution found.
Objective value:
Variable
X1
X2
Row
1
2
3
4
5

9000.000

Value
900.0000
0.000000

Reduced Cost
0.000000
5.285714

Slack or Surplus
9000.000
0.000000
150.0000
0.000000
45.00000

Dual Price
1.000000
14.28571
0.000000
0.000000
0.000000

Como acotacin si aumentramos en 52.35886 las horas de corte teido


entonces obtendramos el siguiente modelo:
max = 10*X1 + 9*X2;
0.7*X1
0.5*X1
1.0*X1
0.1*X1

+
+
+
+

1.0*X2 <= 682.35886;


0.8334*X2 <= 600;
0.6667*X2 <= 708;
0.25*X2 <= 135;

Con una solucin:


Global optimal solution found.
Objective value:
Variable
X1
X2
Row

Value
474.5295
350.1882
Slack or Surplus

7896.989
Reduced Cost
0.000000
0.000000
Dual Price

1
2
3
4
5

7896.989
0.000000
70.88840
0.000000
0.3678910E-06

1.000000
4.374566
0.000000
6.937804
0.000000

Ejercicio 02
Una fbrica produce 2 tipos de ampolletas (conocidas tambin como
bombillas): la ampolleta tradicional y la ampolleta de ahorro de energa.
Segn la capacidad del sistema productivo no se pueden fabricar ms de de
400 ampolletas normales y no ms de 300 ampolletas de ahorro energa en
un da cualquiera. Adicionalmente la produccin conjunta de estos 2 tipos de
ampolletas no puede superar a las 500 unidades diarias. Las ampolletas
tradicionales se venden a US$4,5 y las de ahorro de energa a US$6,0 cada
una. Formule y resuelva grficamente un modelo de Programacin Lineal
que permita maximizar la facturacin diaria de la fbrica satisfaciendo las
condiciones impuestas.
Variables de Decisin:
X1: Nmero de ampolletas (bombillas) tradicionales a producir diariamente.
X2: Nmero de ampolletas (bombillas) de ahorro de energa a producir
diariamente.
Funcin Objetivo:
Maximizar = 4,5*X1+6,0*X2
Restricciones:
Mxima produccin A.Tradicional
X1 <= 400
Mxima produccin A.Ahorro Energa
X2 <= 300
Mxima produccin conjunta
X1 + X2 <= 500
No Negatividad
X1 >= 0 X2 >= 0

Al graficar las restricciones se define el dominio de soluciones factibles (rea


sombreada) que permite resolver grficamente el problema. Esto se logra al
desplazar las curvas de nivel de la funcin objetivo en la direccin de mayor
crecimiento y buscando el ltimo punto donde stas intercepten el dominio
de soluciones factibles.

La solucin ptima se alcanza en el vrtice C cuyas coordenadas


corresponde a la interseccin de las restricciones de mxima produccin de
ampolletas de ahorro de energa y mxima produccin conjunta.
Luego
X1=200
y
X2=300.
El
V(P)=US$4,5*200+US$6,0*300=US$2.700
mxima facturacin diaria.

valor
ptimo
que corresponde

es:
la

Anlisis de Sensibilidad
Despus de haber ingresado el modelo a el software Lingo.
max= 4.5*X1+6*X2 ;
X1
X2
X1
X1
X2

<= 400;
<= 300 ;
+ X2 <= 500;
>= 0 ;
>= 0 ;

Tenemos un resultado de la siguiente manera:


Global optimal solution found.
Objective value:

2700.000
Variable
X1
X2
Row
2
3
4

Value
200.0000
300.0000
Slack or Surplus
200.0000
0.000000
0.000000

Reduced Cost
0.000000
0.000000
Dual Price
0.000000
1.500000
4.500000

5
6

200.0000
300.0000

0.000000
0.000000

Como vemos la fila 3 y 4 existe un Slack o Surplus de 0, podemos ordenar


estos datos en la siguiente tabla:
Ro
w
2
3
4

Slack

Surplus

Dual Price

200.0000
ampolletas
tradicionales
0.000000
ampolletas de
ahorro
0.000000
ampolletas

0.000000 dlares/
ampolletas
tradicionales
1.500000 dlares/
ampolletas de ahorro

200.0000 ampolletas
tradicionales

300.0000 ampolletas
de ahorro

4.500000 dlares /
ampolletas
0.000000 dlares/
ampolletas
tradicionales
0.000000 dlares/
ampolletas de ahorro

Del anlisis de Rango obtenemos los siguientes valores:


Righthand Side Ranges:
Current
Row
2
3
4
5
6

RHS
400.0000
300.0000
500.0000
0.000000
0.000000

Allowable
Increase
INFINITY
200.0000
200.0000
200.0000
300.0000

Allowable
Decrease
200.0000
200.0000
200.0000
INFINITY
INFINITY

Podemos observar que podemos aumentar tanto en la fila 3 como en la 4


una cierta cantidad de ampolletas, todo esto queda resumido en a la
siguiente tabla:
Row

Mximo Incremento

Cantidad Ganada
Mxima

200.0000 ampolletas
de ahorro

300.0000 dlares

200.0000 ampolletas

900.0000 dlares

Como observamos es ms conveniente aumentar la cantidad de ampolletas


en 200, por lo que quedara un modelo de la siguiente manera:
max= 4.5*X1+6*X2 ;
X1
X2
X1
X1
X2

<= 400;
<= 300 ;
+ X2 <= 700;
>= 0 ;
>= 0 ;

Con una solucin:


Global optimal solution found.
Objective value:

3600.000

Variable
X1
X2

Row

Value
400.0000
300.0000

Reduced Cost
0.000000
0.000000

Slack or Surplus

Dual

Price

1
2
3
4
5
300.0000

3600.000
0.000000
0.000000
0.000000
400.0000

1.000000
4.500000
6.000000
0.000000
0.000000
0.00000

Al aumentar las 200 ampolletas de la ecuacin 4 se tuvo una ganancia de


3600 dlares.

Ejercicio 03
Golf Shafts (GSI) produce palos de grafito para varios fabricantes de palos
de golf. Dos instalaciones de fabricacin de GSI, una localizada en San Diego
y otra en Tampa, tienen capacidad para producir palos en diversos grados
de rigidez, desde modelos normales, principalmente utilizados por golfistas
promedio, hasta modelos extrargidos, utilizados principalmente por
golfistas con bajo handicap y profesionales. GSI acaba de recibir un contrato
para la produccin de 200000 palos normales y 75000 rgidos. Dado que
ambas plantas actualmente estn produciendo palos de golf para cumplir
con rdenes anteriores, ningn de las plantas tiene capacidad suficiente,
por si misma, para llenar el nuevo pedido. La planta de San diego puede
producir hasta un total de 120000 palos, y la de Tampa, hasta un total de
180000 palos de golf. Debido a diferencias en equipamiento en cada una de
las plantas y de distintos costos de mano de obra, los costos de produccin
unitarios son distintos, como se muestra a continuacin:
Costo de San Diego

Costo de Tampa

Palo normal

$ 5.25

$ 4.95

Palo rgido

$ 5.45

$ 5.70

Formule un modelo de programacin lineal para determinar la manera en


que GSI deber programar la produccin de este nuevo pedido para
minimizar el costo total de produccin.
Solucin:

Formulacin del modelo:

Definicin de variables
X1 = Numero de unid. de palos de golf normales fabricados en San
Diego
X2 = Numero de unid. de palos de golf extrargidos fabricados en San
Diego
X3 = Numero de palos de golf normales fabricados en Tampa
X4 = Numero de palos de golf extrargidos fabricados en Tampa

Funcin Objetivo
Zmin = 5.25X1 + 5.45X2 + 4.95X3 + 5.70X4

Restricciones
X1 + X3 = 200000 palos de golf normales
X2 + X4 = 75000 palos de golf extrargidos
X1 + X2 120000 palos fabricados en San Diego
X3 + X4 180000 palos fabricados en Tampa

No negatividad
Xi 0; i=1,4

Datos de entrada SOLVER

Datos de salida SOLVER

Para minimizar el costo total de produccin se tuvo que la cantidad de palos


de golf normales fabricados en San Diego fueron de 20000, la cantidad de
palos de golf extrargidos fabricados en San Diego fueron de 75000, la
cantidad de palos de golf normales fabricados en Tampa fueron de 18000 y
de palos de golf extrargidos fabricados en Tampa 0; para lo que se tuvo un
costo total de produccin mnimo de $1404750.

Anlisis de Sensibilidad
Despus de haber ingresado el modelo a el software Lingo:
min = 5.25*X1 + 5.45*X2 + 4.95*X3 + 5.70*X4;

X1 + X3 = 200000;
X2 + X4 = 75000;
X1 + X2 <=120000;
X3 + X4 <=180000;
X1 >=0;
X2 >=0;
X3 >=0;
X4 >=0;
Tenemos un resultado de la siguiente manera:
Global optimal solution found.
Objective value:

1404750.

Variable

Value

Reduced Cost

X1
X2
X3

20000.00
75000.00
180000.0
0.000000

0.000000
0.000000
0.000000
0.5500000

X4
Row
2
3
4
5
6
7
8
9

Slack or Surplus

Dual Price

0.000000
0.000000
25000.00
0.000000
20000.00
75000.00
180000.0
0.000000

-5.250000
-5.450000
0.000000
0.3000000
0.000000
0.000000
0.000000
0.000000

Como vemos la fila 2, 3 y 5 existe un Slack o Surplus de 0, podemos


ordenar estos datos en la siguiente tabla:
Ro
w
2
3
4

Slack

Surplus

Dual Price

0.000000 palos de
golf normales
0.000000 palos de
golf extrargidos
25000.00 palos
fabricados en San
Diego
0.000000 palos
fabricados en
Tampa

-5.250000 dlares/palos
de golf normales
-5.450000 dlares/ palos
de golf extrargidos
0.000000 dlares/ palos
fabricados en San Diego

20000.00 palos de
golf normales
fabricados en San
Diego
75000.00 palos de
golf extrargidos
fabricados en San
Diego
180000.0 palos de
golf normales
fabricados en Tampa
0.000000 palos de
golf extrargidos
fabricados en Tampa

0.3000000 dlares/
palos fabricados en
Tampa
0.000000 dlares/ palos
de golf normales
fabricados en San Diego
0.000000 dlares/ palos
de golf extrargidos
fabricados en San Diego
0.000000 dlares/ palos
de golf normales
fabricados en Tampa
0.000000 dlares/ palos
de golf extrargidos
fabricados en Tampa

Del anlisis de Rango obtenemos los siguientes valores:


Righthand Side Ranges:

Row
2
3
4
5
6
7
8
9

Current

Allowable

Allowable

RHS
200000.0
75000.00
120000.0
180000.0
0.000000
0.000000
0.000000
0.000000

Increase
25000.00
25000.00
INFINITY
20000.00
20000.00
75000.00
180000.0
0.000000

Decrease
20000.00
75000.00
25000.00
25000.00
INFINITY
INFINITY
INFINITY
INFINITY

Podemos observar que podemos disminuir tanto en la fila 2, la fila 3 como


en la 5 una cierta cantidad de palos de golf, todo esto queda resumido en a
la siguiente tabla:
Row

Mximo decremento

Costo Perdido
Mximo

20000.00 palos de golf


normales

105000 dlares

75000.00 palos de golf


extrargidos

408750 dlares

25000.00 palos
fabricados en Tampa

7500 dlares

Como observamos es ms conveniente disminuir la cantidad de palos de


golf extrargidos en 75000, por lo que quedara un modelo de la siguiente
manera:
min = 5.25*X1 + 5.45*X2 + 4.95*X3 + 5.70*X4;

X1
X2
X1
X3
X1
X2
X3
X4

+ X3 = 200000;
+ X4 = 0;
+ X2 <=120000;
+ X4 <=180000;
>=0;
>=0;
>=0;
>=0;

Con una solucin:


Global optimal solution found.
Objective value:

996000.0
Variable
X1
X2
X3
X4
Row
1
2
3
4
5
6
7
8
9

Value

Reduced Cost

20000.00
0.000000
180000.0
0.000000
Slack or Surplus

0.000000
5.450000
0.000000
6.000000
Dual Price

996000.0
0.000000
0.000000
100000.0
0.000000
20000.00
0.000000
180000.0
0.000000

-1.000000
-5.250000
0.000000
0.000000
0.3000000
0.000000
0.000000
0.000000
0.000000

Al disminuir en 75000 los palos de golf extrargidos en la ecuacin se logr


tener un menor costo total de produccin que fue de $996000.

Ejercicio 04
Electronic Comunications fabrica radios porttiles que pueden utilizarse en
comunicaciones de dos vas. El nuevo producto de la empresa que tiene un

rango de hasta 25 millas, es adecuado para una diversidad de usos


comerciales y personales. Los canales de distribucin para el nuevo radio
son:
A. distribuidores de equipo marino,
B. distribuidores de equipo de oficina,
C. cadenas nacionales de tiendas al menudeo,
D. pedidos por correo.
Debido a diferentes costos de distribucin y promocionales, la
reditualidad del producto variar segn el canal de distribucin.
Adems, el costo de publicidad y el esfuerzo de ventas personales
requerido tambin variarn de acuerdo con los canales de
distribucin. La tabla siguiente resume la distribucin de la utilidad, el
costo de publicidad y los datos de esfuerzo de ventas personales
correspondientes al problema de Electronic Comunications. La
empresa a formulado un presupuesto de publicidad de 5.000 dlares,
y est disponible un mximo de 1800 horas de la fuerza de ventas
para asignar al esfuerzo de ventas. Finalmente, un contrato vigente
con la cadena nacional de tiendas al menudeo requiere que por lo
menos de distribuyan 150 unidades a travs de este canal de
distribucin.
Datos de Utilidades, costos y esfuerzo del personal de ventas para
Electronic
Canal de
Utilidades por Costo de publicidad
Esfuerzo del personal
de ventas por unidad
distribucin
unidad vendida por unidad vendida
vendida
Distrib. Marinos $90
$10
2 horas
Distrib. de
oficinas
$84
$8
3 horas
Tiendas
nacionales
$70
$9
3 horas
Pedidos por
correo
$60
$15
Ninguna

Electronic Comunications ahora se enfrenta al problema de establecer


una estrategia de distribucin para los radios, que maximice la
reditualidad general de la produccin de nuevos radios. Debe tomarse
decisiones en relacin con cuantas unidades deben asignarse a cada
uno de los cuatro canales de distribucin, as como asignar el
presupuesto de publicidad y el esfuerzo de la fuerza de ventas a cada
uno de los canales de distribucin.
Solucin:
Formulacin del modelo:
Definicin de variables
X1 = Numero de radios asignados a distribuidores de equipo marino

X2 = Numero de radios asignados a distribuidores de equipos de


oficina
X3 = Numero de radios asignados a cadenas nacionales de tiendas
X4 = Numero de radios asignados a pedidos por correo

Funcin Objetivo
Zmax = 90X1 + 84X2 + 70X3 + 60X4
Restricciones
10X1 + 8X2 + 9X3 + 15X4 5000 por presupuesto
2X1 + 3X2 + 3X3 1800 horas de esfuerzo en ventas
X3 150 unidades mnimas para cadenas nacionales
No negatividad
Xi 0; i=1,4

Datos de entrada SOLVER

Datos de salida SOLVER

Anlisis de Sensibilidad
Despus de haber ingresado el modelo a el software Lingo
max = 90*X1 + 84*X2 + 70*X3 + 60*X4;
10*X1 + 8*X2 + 9*X3 + 15*X4 <= 5000;
2*X1 + 3*X2 + 3*X3 <=1800;
X3 >=150;

Tenemos un resultado de la siguiente manera


Global optimal solution found.
Objective value:

48664.29

Variable

Value

Reduced Cost

X1

10.71429

X2

442.8571

X3

150.0000

0.000000
0.000000
0.000000
X4

0.000000

49.28571

Row

Slack or

Surplus

Dual Price

0.000000

7.285714
3

0.000000

8.571429
4

0.000000

-21.28571

Ahora clasificaremos a un Slack o Surplus en la siguiente tabla


Row
2
3
4

Slack
0.000000 costos de
publicidad
0.000000 horas

Surplus

0.000000
unidades
mnimas

Dual Price
7.285714 dolares/costo de
publicidad
8.571429 horas/esfuerzo del
personal de ventas
-21.28571unidades minimas para
cadenas nacionales

para
cadenas
nacionales

Del anlisis de Rango obtenemos los siguientes valores


Righthand Side Ranges:
Current

Allowable

Allowable
Row

RHS

Increase

Decrease

2
50.00000

5000.000

3100.000

3
620.0000

1800.000

18.75000

4
150.0000

150.0000

50.00000

Podemos observar que podemos aumentar tanto en la fila 2 como en la 3


una cierta cantidad de costos y horas respectivamente, todo esto queda
resumido en a la siguiente tabla
Row

Mximo Incremento

3100.000 costos de
publicidad
18.75000
horas
50.000 Numero de
radios asignados a
pedidos por correo

3
4

Costo y horas utilizado


Mxima
22585.7134
160.7142938
10604.285

Como observamos es ms conveniente aumentar el Nmero de radios


asignados a pedidos por correo en 50.000, por lo que quedara un modelo
de la siguiente manera
max = 90*X1 + 84*X2 + 70*X3 + 60*X4;
10*X1 + 8*X2 + 9*X3 + 15*X4 <= 8100;

2*X1 + 3*X2 + 3*X3 <=1800;


X3 >=200;
Con una solucin
Global optimal solution found.
Objective value:

71250.00

Variable

Value
X1

Reduced Cost
675.0000

0.000000
X2
X3
X4

Row

0.000000
150.0000
0.000000

Slack or Surplus

71250.00

0.000000

0.000000

1.000000
4.000000
25.00000
4
-41.00000

0.000000

23.00000
0.000000
0.000000

Dual Price