Sei sulla pagina 1di 64

"Ao de la consolidacin del Mar de

Grau"
Universidad Nacional Mayor de San
Marcos

Facultad de
Ciencias
Administrativas
E.A.P. de Administracin

Ejercicios de
aplicacin
Curso: Herramientas para la toma de
decisiones
Profesor: Vicente Armas, Edgar
Integrantes:
o Espino Vidal, Miluska
o Espinoza Alvarado, Grecia
o Goicochea Castillo, Mariby
o Ramirez Orbegozo, Eder
o Yance Vilca Yury

20
16

Este trabajo est dedicado a


cada uno de nuestros padres,
quienes nos acompaan a lo
largo de nuestra carrera con su
apoyo, y que siempre estn
prestos a ayudarnos.

Contenido
INTRODUCCIN................................................................................................... 4
MARCO TERICO................................................................................................. 5
A.

PROGRAMACIN LINEAL........................................................................5

B.

MODELOS DETERMINSTICOS Y ESTOCSTICOS...................................12

C.

PROGRAMACIN LINEAL EN SOLVER....................................................13

EJERCICIOS PRCTICOS................................................................................... 24
CAPTULO 7....................................................................................................... 24
PROBLEMA 1.................................................................................................. 24
PROBLEMA 2.................................................................................................. 26
PROBLEMA 3.................................................................................................. 28
PROBLEMA 4.................................................................................................. 30
PROBLEMA 5.................................................................................................. 33
PROBLEMA 6.................................................................................................. 36
PROBLEMA 7.................................................................................................. 36
PROBLEMA 8.................................................................................................. 36
PROBLEMA 9.................................................................................................. 37
PROBLEMA 10................................................................................................ 37
PROBLEMA 11................................................................................................ 37
PROBLEMA 12................................................................................................ 37
PROBLEMA 13................................................................................................ 37
PROBLEMA 14................................................................................................ 38
PROBLEMA 15................................................................................................ 39
PROBLEMA 17................................................................................................ 39
PROBLEMA 18................................................................................................ 39
PROBLEMA 19................................................................................................ 39
PROBLEMA 20................................................................................................ 40
PROBLEMA 21................................................................................................ 40
PROBLEMA 22................................................................................................ 40
PROBLEMA 23................................................................................................ 41
PROBLEMA 24................................................................................................ 44
PROBLEMA 25................................................................................................ 47

PROBLEMA 26................................................................................................ 47
PROBLEMA 31................................................................................................ 47
PROBLEMA 33................................................................................................ 47
PROBLEMA 34................................................................................................ 47
PROBLEMA 35................................................................................................ 49
PROBLEMA 44................................................................................................ 50
CAPTULO 8....................................................................................................... 50
PROBLEMA 1.................................................................................................. 50
PROBLEMA 5.................................................................................................. 53
PROBLEMA 6.................................................................................................. 53
CAPTULO 9....................................................................................................... 54
PROBLEMA 1.................................................................................................. 54
PROBLEMA 6.................................................................................................. 54
CONCLUSIONES................................................................................................ 57
RECOMENDACIONES......................................................................................... 58
BIBLIOGRAFA................................................................................................... 59

INTRODUCCIN
La Programacin Lineal es una pequea parte de una teora matemtica que se
ha consolidado en el siglo XX con el nombre de Optimizacin. En general, se trata de un
conjunto de tcnicas matemticas que intentan obtener el mayor provecho posible de
sistemas econmicos, sociales, tecnolgicos, etc; cuyo funcionamiento se puede describir
matemticamente de modo adecuado.
Una terminologa establecida desde los primeros tiempos de la Optimizacin,
denominaba a la solucin ptima un programa de accin a poner en prctica; de ah que la
bsqueda de un tal programa de accin utilizando mtodos matemticos se llamase
Programacin Matemtica.
Segn las caractersticas de las funciones del problema y de las variables se
tienen diferentes tipos de problemas de Programacin Matemtica. Si todas las funciones del
problema, objetivo y restricciones son lineales, se tiene un problema de Programacin Lineal.
El algoritmo Microsoft Excel Solver es una poderosa herramienta para la
optimizacin y asignacin eficiente de recursos escasos (materia prima, tierra, trabajo,
capital, capacidad gerencial, etc), as que es una herramienta muy importante para poder
resolver este tipo de problemas. Dicha herramienta permite al Ingeniero conocer el mejor uso
de sus escasos recursos de tal manera que se cumplan las metas deseadas, tales como la
maximizacin de los beneficios, o la minimizacin de los costos. Herramienta SolverSolver es
una herramienta para resolver y optimizar ecuaciones mediante el uso de mtodos
numricos.
En este trabajo vamos a desarrollar tanto teora como prctica, para as poder
entender mejor este mtodo que vamos a aprender y llevarlo a la vida real para que como
administradores podamos obtener mejores beneficios en nuestras empresas.

MARCO TERICO

A. PROGRAMACIN LINEAL
La Programacin Lineal corresponde a un algoritmo a travs del cual se resuelven
situaciones reales en las que se pretende identificar y resolver dificultades para aumentar la
productividad respecto a los recursos (principalmente los limitados y costosos), aumentando
as los beneficios. El objetivo primordial de la Programacin Lineal es optimizar, es decir,
maximizar o minimizar funciones lineales en varias variables reales con restricciones
lineales (sistemas de inecuaciones lineales), optimizando una funcin objetivo tambin lineal.
Los resultados y el proceso de optimizacin se convierten en un respaldo
cuantitativo de las decisiones frente a las situaciones planteadas. Decisiones en las que sera
importante tener en cuenta diversos criterios administrativos como:

Los hechos
La experiencia
La intuicin
La autoridad

a. Propiedades del modelo de programacin lineal


Para que un modelo de PL sea vlido, debe cumplir las propiedades siguientes:

Proporcionalidad.-Significa que la contribucin al valor de la funcin objetivo y el


consumo o requerimiento de los recursos utilizados, son proporcionales al valor de
cada variable de decisin. As el trmino 4X1 es proporcional, porque contribuye al
valor de la funcin Z con 4, 8, 12, etc. para los valores 1, 2, 3, etc., respectivamente,
de X1. Se puede observar el aumento constante y proporcional de 4 conforme crece el
valor de X1. En contraste, el trmino no lineal 4X12, contribuye con 4, 16, 36, etc.,
para los mismos valores 1, 2, 3, etc., respectivamente, de la variable X1; Aqu se
observa que el aumento en la contribucin no es constante y por lo tanto no hay
proporcionalidad.

Aditividad.- Significa que se puede valorar la funcin objetivo Z, as como tambin los
recursos utilizados, sumando las contribuciones de cada uno de los trminos que
intervienen en la funcin Z y en las restricciones.

Divisibilidad.- Significa que las variables de decisin son continuas y por lo tanto son
aceptados valores no enteros para ellas. La hiptesis de divisibilidad ms la restriccin
de no negatividad, significa que las variables de decisin pueden tener cualquier valor
que sea positivo o por lo menos igual a cero.

Certidumbre.- Significa que los parmetros o constantes son estimados con certeza, o
sea, no interviene una funcin de probabilidad para obtenerlos

El modelo de programacin lineal es un caso especial de la programacin matemtica,


pues debe cumplir que, tanto la funcin objetivo como todas las funciones de
restriccin, sean lineales.

b. Aplicaciones tpicas de la programacin lineal


Aparentemente, las estructuras de organizacin complejas propias de la sociedad
moderna han reconocido interesantes problemas de optimizacin tales como la manera ms
eficiente de manejar la economa de un pas o tambin la mezcla de ingredientes de un
fertilizante para satisfacer las especificaciones agrcolas a costo mnimo. Ambos
problemas utilizan el modelo de programacin lineal (PL), para optimizar una funcin lineal
condicionada a restricciones lineales, que es sencillo en su estructura matemtica,
pero poderoso por su gran adaptacin a una amplia variedad de problemas.
La programacin lineal es una tcnica matemtica de resolucin de problemas, su
desarrollo representa una ayuda a los administradores para tomar decisiones en la
asignacin de recursos. A continuacin aparecen algunas aplicaciones tpicas de la PL:

Un fabricante desea desarrollar un programa de asignacin en produccin y una


poltica de inventario que satisfagan la demanda de ventas de periodos futuros. As se
podra cumplir la demanda conmnimo costo total de produccin y de inventario.

Un analista financiero debe seleccionar una cartera de inversiones a partir de una


diversidad de alternativas en acciones y bonos. Se debe establecer la cartera
que maximice el rendimiento sobre la inversin asignada.

Un administrador de mercadotecnia desea determinar la mejor manera de asignar un


presupuesto de publicidad como radio, televisin, peridicos y revistas. Al gerente le

gustara determinar la combinacin de medios que maximice la efectividad de la


publicidad.

Una empresa tiene almacenes en varias. ubicaciones en todo el pas. Para un


conjunto de demandas de sus productos por parte de sus clientes, la empresa
deseara determinar cunto debe asignar en embarques a cada uno de los almacenes
y a cada cliente, de manera que los costos totales de transporte resulten mnimos.

Estas aplicaciones representan unas cuantas situaciones en las que se ha


utilizado con xito la programacin lineal, pero ilustran su potencial en la solucin de
problemas. Un estudio detallado revela las caractersticas comunes de ellas. En el ejemplo 1,
el fabricante desea minimizar costos; en el 2, el analista financiero desea maximizar el
rendimiento sobre la inversin; en el 3, el gerente de mercadotecnia desea maximizar la
efectividad de la publicidad, y en el ejemplo 4, la empresa desea minimizar los costos totales
de transporte. En todos los problemas de programacin lineal, el objetivo es el mximo o bien
el mnimo de alguna cantidad en la accin de asignar recursos.
Los problemas de programacin lineal se caracterizan, adems, por las
condiciones impuestas o restricciones de recursos, que limitan el grado en que se puede
cumplir algn objetivo. En el ejemplo 1, el fabricante est limitado por restricciones que
requieren que la demanda de producto quede satisfecha y por restricciones respecto a la
capacidad de produccin. El problema de la cartera del analista financiero est limitado por la
cantidad total de fondos de inversin disponibles y las cantidades mximas que se pueden
invertir en cada accin o bono. La decisin en la seleccin de medios del gerente de
mercadotecnia, est restringida por un presupuesto de publicidad fijo y por la disponibilidad
de los varios medios. En el problema de transportacin, el programa de embarques de costo
mnimo est restringido al suministro de productos disponibles en cada almacn. La
diversidad de condiciones mencionadas, es parte de lo que puede esperar aquel que decida
enfrentar un problema, pues las restricciones son otra caracterstica general en todo
problema de programacin lineal.
c. Cmo resolver un problema mediante programacin lineal?
El primer paso para la resolucin de un problema de programacin lineal consiste
en la identificacin de los elementos bsicos de un modelo matemtico, estos son:

Funcin Objetivo
Variables
Restricciones

El siguiente paso consiste en la determinacin de los mismos, para lo cual


proponemos seguir la siguiente metodologa:

1. La funcin objetivo
La funcin objetivo tiene una estrecha relacin con la pregunta general que se
desea responder. S en un modelo resultasen distintas preguntas, la funcin objetivo se
relacionara con la pregunta del nivel superior, es decir, la pregunta fundamental. As por
ejemplo, si en una situacin se desean minimizar los costos, es muy probable que la
pregunta de mayor nivel sea la que se relacione con aumentar la utilidad en lugar de un
interrogante que busque hallar la manera de disminuir los costos.

2. Las variables de decision


Similar a la relacin que existe entre objetivos especficos y objetivo general se
comportan las variables de decisin respecto a la funcin objetivo, puesto que estas se
identifican partiendo de una serie de preguntas derivadas de la pregunta fundamental. Las
variables de decisin son en teora factores controlables del sistema que se est modelando,
y como tal, estas pueden tomar diversos valores posibles, de los cuales se precisa conocer
su valor ptimo, que contribuya con la consecucin del objetivo de la funcin general del
problema.

3. Las restricciones
Cuando hablamos de las restricciones en un problema de programacin lineal, nos
referimos a todo aquello que limita la libertad de los valores que pueden tomar las variables
de decisin. La mejor manera de hallarlas consiste en pensar en un caso hipottico en el que
decidiramos darle un valor infinito a nuestras variables de decisin, por ejemplo, qu
pasara si en un problema que precisa maximizar sus utilidades en un sistema de produccin
de calzado decidiramos producir una cantidad infinita de zapatos? Seguramente ahora nos
surgiran mltiples interrogantes, como por ejemplo:

Con cunta materia prima cuento para producirlos?


Con cunta mano de obra cuento para fabricarlos?
Pueden las instalaciones de mi empresa albergar tal cantidad de producto?
Podra mi fuerza de mercadeo vender todos los zapatos?
Puedo financiar tal empresa?

Pues bueno, entonces habramos descubierto que nuestro sistema presenta una
serie de limitantes, tanto fsicas, como de contexto, de tal manera que los valores que en un
momento dado podran tomar nuestras variables de decisin se encuentran condicionados
por una serie de restricciones.
d. Ejemplo de resolucin de un problema de programacin lineal
El problema
La fbrica de Hilados y Tejidos "SALAZAR" requiere fabricar dos tejidos de calidad
diferente T y T; se dispone de 500 Kg de hilo a, 300 Kg de hilo b y 108 Kg de hilo c. Para

obtener un metro de T diariamente se necesitan 125 gr de a, 150 gr de b y 72 gr de c; para


producir un metro de T por da se necesitan 200 gr de a, 100 gr de b y 27 gr de c.
El T se vende a $4000 el metro y el T se vende a $5000 el metro. Si se debe
obtener el mximo beneficio, cuntos metros de T y T se deben fabricar?
El problema se recomienda leer en ms de una ocasin para facilitar el
reconocimiento de las variables, adems es muy recomendable la elaboracin de tablas o
matrices que faciliten una mayor comprensin del mismo.

PASO 1: "FORMULAR EL PROBLEMA"


Para realizar este paso partimos de la pregunta central del problema.
Cuntos metros de T y T se deben fabricar?
Y la formulacin es:
Determinar la cantidad de metros diarios de tejido tipo T y T a fabricar teniendo en
cuenta el ptimo beneficio respecto a la utilidad.

PASO 2: DETERMINAR LAS VARIABLES DE DECISIN


Basndonos en la formulacin del problema nuestras variables de decisin son:
XT: Cantidad de metros diarios de tejido tipo T a fabricar
XT: Cantidad de metros diarios de tejido tipo T a fabricar

PASO 3: DETERMINAR LAS RESTRICCIONES DEL PROBLEMA


En este paso determinamos las funciones que limitan el problema, estas estn dadas
por capacidad, disponibilidad, proporcin, no negatividad entre otras.
De disponibilidad de materia prima:
0,125XT + 0,200XT <= 500
Hilo a
0,150XT + 0,100XT <= 300
Hilo b
0,072XT + 0,027XT <= 108
Hilo c
De no negatividad
XT,XT >= 0

PASO 4: DETERMINAR LA FUNCIN OBJETIVO

En este paso es de vital importancia establecer el contexto operativo del problema


para de esta forma determinar si es de Maximizacin o Minimizacin. En este caso
abordamos el contexto de beneficio por ende lo ideal es Maximizar.
Funcin Objetivo
ZMAX = 4000XT + 5000XT

PASO 5: RESOLVER EL MODELO UTILIZANDO SOFTWARE O MTODOS


MANUALES
A menudo los problemas de programacin lineal estn constituidos por innumerables
variables, lo cual dificulta su resolucin manual, es por esto que se recurre a software
especializado, como es el caso de WinQSB, TORA, Lingo o para modelos menos
complejos se hace til la herramienta Solver de Excel.
El anterior ejercicio fue resuelto mediante Solver - Excel, y su resultado fue:

B. MODELOS DETERMINSTICOS Y ESTOCSTICOS


a. Modelo determinstico
Un Modelo determinstico es un modelo matemtico donde las mismas entradas
producirn invariablemente las mismas salidas, no contemplndose la existencia del azar ni
el principio de incertidumbre. Est estrechamente relacionado con la creacin de entornos
simulados a travs de simuladores para el estudio de situaciones hipotticas, o para crear

sistemas

de

gestin

que

permitan

disminuir

la

incertidumbre.

La inclusin de mayor complejidad en las relaciones con una cantidad mayor de variables y
elementos ajenos al modelo determinstico har posible que ste se aproxime a un modelo
probabilstico o de enfoque estocstico.
Por ejemplo, la planificacin de una lnea de produccin, en cualquier proceso
industrial, es posible realizarla con la implementacin de un sistema de gestin de procesos
que incluya un modelo determinstico en el cual estn cuantificadas las materias primas, la
mano de obra, los tiempos de produccin y los productos finales asociados a cada proceso.
b. Modelos estocsticos
Un modelo es estocstico cuando al menos una variable del mismo es tomada
como un dato al azar y las relaciones entre variables se toman por medio de funciones
probabilsticas. Sirven por lo general para realizar grandes series de muestreos, quitan
mucho tiempo en el computador son muy utilizados en investigaciones cientficas.
Para lograr modelar correctamente un proceso estocstico es necesario
comprender
numerosos
conceptos
de
probabilidad
y
estadstica.
Dentro del conjunto de procesos estocsticos se encuentran, por ejemplo, el tiempo de
funcionamiento de una mquina entre avera y avera, su tiempo de reparacin y el tiempo
que necesita un operador humano para realizar una determinada operacin.

C. PROGRAMACIN LINEAL EN SOLVER


Solver es una herramienta que forma parte de una serie de comandos a veces
denominados de "anlisis Y si". Con Solver, puede buscarse el valor ptimo para
una frmula de celda, denominada celda objetivo, en una hoja de clculo. Solver funciona en
un grupo de celdas que estn relacionadas, directa o indirectamente, con la frmula de la
celda objetivo. Solver ajusta los valores en las celdas cambiantes que se especifiquen,
denominadas celdas ajustables, para generar el resultado especificado en la frmula de la
celda objetivo. Pueden aplicarse restricciones para restringir los valores que puede utilizar
Solver en el modelo y las restricciones pueden hacer referencia a otras celdas a las que
afecte la frmula de la celda objetivo, lo cual lo constituyen en una herramienta adecuada
para solucionar problemas de programacin lineal, y programacin lineal entera.
a. Algoritmos y mtodos utilizados por solver

La herramienta Microsoft Excel Solver utiliza el cdigo de optimizacin no lineal


(GRG2) desarrollado por la Universidad Leon Lasdon de Austin (Texas) y la Universidad Allan
Waren (Cleveland).
Los problemas lineales y enteros utilizan el Mtodo Simplex con lmites en las
variables y el mtodo de ramificacin y lmite (mtodo de branch and bound), implantado por
John Watson y Dan Fylstra de Frontline Systems, Inc. El mtodo de branch and bound
corresponde al mismo mtodo utilizado por WinQSB para la solucin de problemas de
programacin lineal entera y/o que utilicen variables binarias.
b. Cmo habilitar el complemento solver de excel?
Aqu se encuentra la explicacin acerca de cmo habilitar este complemento para
las versiones de Microsoft Excel 2007 (izquierda) y 2010 (derecha).
Mtodo para Microsoft Excel 2007: El primer
paso consiste en dirigirse al botn de "Office",
y seleccionar la opcin "Opciones de Excel":

Mtodo para Microsoft Excel 2010: El primer


paso consiste en dirigirse a la pestaa
"Archivo", dirigirse a la opcin "Ayuda" y
seleccionar la opcin "Opciones":

Luego, se abrir una ventana emergente de


"Opciones de Excel", en ella vamos a la opcin
"Complementos" (ubicada en la barra lateral
izquierda). Ya en complementos, nos dirigimos
a la opcin "Administrar: Complementos de
Excel" y damos clic en botn "IR":

"Complementos" (ubicada en la barra lateral


izquierda). Ya en complementos, nos dirigimos
a la opcin "Administrar: Complementos de
Excel" y damos clic en botn "IR":

Luego se abrir una pequea ventana


emergente, en ella se podrn observar varios
complementos junto con una casilla de
verificacin cada uno. Activamos la casilla de
verificacin de Solver y damos clic en
"Aceptar":

Luego, se abrir una ventana emergente de


"Opciones de Excel", en ella vamos a la opcin

Luego se abrir una pequea ventana


emergente, en ella se podrn observar varios
complementos junto con una casilla de
verificacin cada uno. Activamos la casilla de
verificacin de Solver y damos clic en
"Aceptar":

Investigacin Operativa I

Programacin Lineal

Una vez se ha habilitado el complemento, para ambas versiones, Solver se ubicar


en la pestaa de "Datos".
c. Solucin de un problema de programacin lineal con solver
Al igual que para cualquier otro mtodo de resolucin, el primer paso para resolver
un problema de programacin lineal (PL) consiste en el modelamiento matemtico, y es en
esta fase en la que el profesional de Ingeniera Industrial debe desarrollar su mayor habilidad y
destreza. Los pasos para resolver un problema de PL se encuentran en el mdulo
de programacin lineal. Sin embargo, dada la interfaz de Excel, el modelamiento se hace ms
simple, siempre y cuando nos caractericemos por organizar muy bien la informacin.

El PROBLEMA
Un herrero con 80 Kg. de acero y 120 Kg. de aluminio quiere hacer bicicletas de paseo
y de montaa que quiere vender, respectivamente a 20.000 y 15.000 pesos cada una
para sacar el mximo beneficio. Para la de paseo emplear 1 Kg. De acero y 3 Kg. de
aluminio, y para la de montaa 2 Kg. de ambos metales. Cuntas bicicletas de paseo
y de montaa deber fabricar para maximizar las utilidades?

EL MODELO MATEMTICO

Bicicleta de paseo (x)


Bicicleta de montaa (y)
Disponibilidad

Acero
1 kg
2 kg
80 kg

Aluminio
3 kg
2 kg
120 kg

Precio de Venta
$ 20.000
$ 15.000

Declaracin de variables:
x = Cantidad de bicicletas de paseo a producir
y = Cantidad de bicicletas de montaa a producir
Restricciones de capacidad
Aluminio:
x + 2y <= 80
Acero:
3x + 2y <= 120
Funcin Objetivo
Zmax = 20000x + 15000y

Oswaldo Paul Rivadeneira

Pgina:

16

Investigacin Operativa I

Programacin Lineal

INGRESANDO LOS DATOS A EXCEL


Tal como se mencion, la importancia de una correcta organizacin de la informacin es
vital, proponemos la siguiente plantilla para ingresar los datos de nuestro problema:

El siguiente paso corresponde a registrar la informacin en la plantilla, de acuerdo a los


datos que tenemos en el problema:

El siguiente paso consiste en formular la plantilla, para ello debemos considerar qu


pasara si cambiaran las variables de decisin?... Pues, en caso tal de que las variables
sufrieran cambios se alterara la contribucin total, y el inventario de recursos. Por ello,
debemos formular en consecuencia:

Oswaldo Paul Rivadeneira

Pgina:

17

Investigacin Operativa I

Programacin Lineal

Ahora que ya tenemos nuestra plantilla formulada, el siguiente paso consiste en utilizar
Solver para resolver el modelo, para ello, vamos a la pestaa Datos (En cualquier
versin de Office), y seleccionamos el complemento Solver:

Una vez iniciemos Solver se abrir una ventana emergente llamada "Parmetros de
Solver", en ella como primera medida seleccionaremos nuestra celda objetivo
(Contribucin Total) y seleccionaremos el criterio Maximizar:

Oswaldo Paul Rivadeneira

Pgina:

18

Investigacin Operativa I

Programacin Lineal

El siguiente paso, es indicarle a Solver que debe alcanzar el mximo valor para la celda
objetivo mediante la variacin de las siguientes celdas (Cambiando las celdas), es decir,
le indicaremos cuales son las variables de decisin:

El siguiente paso consiste en asignarle las restricciones a las que el modelo est sujeto,
las cuales son restricciones de disponibilidad de recursos:

Oswaldo Paul Rivadeneira

Pgina:

19

Investigacin Operativa I

Programacin Lineal

Lo que nos muestra la imagen anterior es la forma de indicarle la restriccin a Solver,


para que el inventario usado sea menor o igual al inventario disponible. De igual forma
debe hacerse para el recurso de Aluminio.

La siguiente restriccin es la de no negatividad, es decir, que las variables de decisin


no puedan tomar valores menores que cero.

Si quisiramos resolver el modelo tal cual como est pudisemos hacerlo, y


obtendramos quiz una respuesta que distara de su aplicacin prctica, dado que es
probable que la respuesta nos de variables continuas, y en la prctica vender 0,6
bicicletas es un poco complicado. Por tal razn, agregaremos una restriccin que hace
que el ejercicio se resuelva mediante programacin lineal entera, indicando que las
variables de decisin deban ser enteras:

Oswaldo Paul Rivadeneira

Pgina:

20

Investigacin Operativa I

Programacin Lineal

Hecho esto, damos clic en Aceptar y en Resolver... Podemos observar como las
variables de decisin, las restricciones (inventario usado) y la contribucin total (celda
objetivo) han tomado valores, estos son los valores ptimos segn el modelo formulado.
Ahora nos aparecer un cuadro de dilogo que nos preguntar si deseamos utilizar la
solucin de Solver y unos informes que debemos seleccionar para obtener una tabla
resumen de la respuesta y un anlisis de sensibilidad que se insertarn como hojas al
archivo de Excel:

El informe de sensibilidad arrojado por Solver es mucho ms bsico que el que nos
puede proporcionar WinQSB, sin embargo destacamos la informacin referente al
"Multiplicador de Lagrange" que corresponde al "Shadow Price de WinQSB" conocido
como el precio sombra, es decir, el cambio marginal de la funcin objetivo cuando el
valor del lado derecho de la restriccin aumenta en una unidad, en este caso, por cada
kg de Acero adicional que dispongamos, la funcin objetivo aumentara en $ 1250.

Oswaldo Paul Rivadeneira

Pgina:

21

Investigacin Operativa I

Oswaldo Paul Rivadeneira

Programacin Lineal

Pgina:

22

Investigacin Operativa I

Programacin Lineal

EJERCICIOS PRCTICOS
CAPTULO 7
PROBLEMA 1
De las relaciones matemticas siguientes, cules podran encontrarse en un modelo de
programaciones lineales y cules no? Para las relaciones que son inaceptables para los
programas lineales, explique las causas.

a. -1A + 2B 70
Esta inecuacin o desigualdad si puede encontrarse en un modelo de
programacin lnea ya que cumple con los requisitos de contar con dos variables
y que sea una inecuacin.
b. 2A 2B = 50
No se encuentra en un modelo de programacin lineal ya que
obligatoriamente deben ser inecuaciones y no ecuaciones.
c. 1A 2B2 10
No se encuentra en un modelo de programacin lineal ya que
obligatoriamente debe ser una inecuacin lineal es decir el B al cuadrado no
debera estar.
d. 32 A + 2B 15
Esta inecuacin o desigualdad si puede encontrarse en un modelo de
programacin lnea ya que cumple con los requisitos de contar con dos variables
y que sea una inecuacin.

Oswaldo Paul Rivadeneira

Pgina:

23

Investigacin Operativa I

Programacin Lineal

e. 1A + 1B = 6
No se encuentra en un modelo de programacin lineal ya que obligatoriamente
deben ser inecuaciones y no ecuaciones.
f. 2A + 5B + 1AB 25
No se encuentra en un modelo de programacin lineal ya que obligatoriamente
debe ser una inecuacin lineal es decir el AB al no debera estar.

PROBLEMA 2
Encuentre las relaciones que satisfacen las restricciones siguientes:
a. 4A + 2B 16
Para Mx Z = A + B
DESPEJANDO:
4A + 2B =16
B= 16 4A/2
REEMPLAZANDO:
A=0 ,
B=8
A=4 ,

B=0

Oswaldo Paul Rivadeneira

Pgina:

24

Investigacin Operativa I

Programacin Lineal

Vrtices

(0, 8)
(4, 0)
(0, 0)

Lneas
4x + 2y = 16
x=0
4x + 2y = 16
y=0
x=0
y=0

Valor de objetivo
8 Maximum
4
0

b. 4A + 2B 16
Para Mn Z = A + B
DESPEJANDO:
4A + 2B =16
B= 16 4A/2
REEMPLAZANDO:
A=0 ,
B=8
A=4 ,

B=0

Oswaldo Paul Rivadeneira

Pgina:

25

Investigacin Operativa I

Vrtices

(0, 8)
(4, 0)

Programacin Lineal

Lneas
4x + 2y = 16
x=0
4x + 2y = 16
y=0

Valor de objetivos
8
4 Minimum

c. 4A + 2B = 16
Es una igualdad, es decir no puede ser resuelta mediante la herramienta de
programacin lineal llamada solver.

PROBLEMA 3
Trace una grfica separada de cada una de las restricciones siguientes, donde muestre las
rectas de restriccin y las soluciones que satisfacen:
a. 3A + 2B 18
Para Mx Z = A + B
DESPEJANDO:
3A + 2B =18
B= 18 3A/2

Oswaldo Paul Rivadeneira

Pgina:

26

Investigacin Operativa I

Programacin Lineal

REEMPLAZANDO:
A=0 ,
B=8
A=6 ,

B=0

Vrtices

(0, 9)
(6, 0)
(0, 0)

Lneas
3x + 2y = 18
x=0
3x + 2y = 18
y=0
x=0
y=0

Valor de Objetivo
9 Maximum
6
0

b. 12A + 8B 480
Para Mx Z = A + B
DESPEJANDO:
3A + 2B =18
B= 18 3A/2
REEMPLAZANDO:
A=0 ,
B=8
A=6 ,

B=0

Oswaldo Paul Rivadeneira

Pgina:

27

Investigacin Operativa I

Vrtices

(0, 60)
(40, 0)

Programacin Lineal

Lneas
12x + 8y = 480
x=0
12x + 8y = 480
y=0

Valor de Objetivo
60
40 Minimum

c. 5A + 10B = 200
Es una igualdad, es decir no puede ser resuelta mediante la herramienta de
programacin lineal llamada solver.

PROBLEMA 4
Trace una grfica separada de cada una de las restricciones siguientes, donde muestre las
rectas de restriccin y las soluciones que satisfacen:
a. 3A-4B60
Para Mx Z = A + B
DESPEJANDO:

Oswaldo Paul Rivadeneira

Pgina:

28

Investigacin Operativa I

Programacin Lineal

3A - 4B =60
B= 3A/4 60/4
B= 3A/4 15
REEMPLAZANDO:
A = 20
,
B=0

Vrtice

Rectas tras vrtice


Valor del objetivo
3x 4y = 60
20
(20, 0)
y=0
***Regin viable no atada -- No hay una solucin ptima***

b. -6A+5B60
Para Mx Z = A + B
DESPEJANDO:
-6A + 5B =60
B= 6A/5 + 60/5
B= 6A/5 + 12
REEMPLAZANDO:
A=0
,
B = 12
A=0
,
B=0

Oswaldo Paul Rivadeneira

Pgina:

29

Investigacin Operativa I

Programacin Lineal

Vrtice

Rectas tras vrtice


Valor del objetivo
6x
+
5y
=
60
12
(0, 12)
x=0
x=0
0
(0, 0)
y=0
***Regin viable no atada -- No hay una solucin ptima***

c. 5A-2B0
Para Mx Z = A + B
DESPEJANDO:
5A - 2B = 0
B = 5A/2
REEMPLAZANDO:
A=0
,
B=0

Oswaldo Paul Rivadeneira

Pgina:

30

Investigacin Operativa I

Programacin Lineal

Vrtice

Rectas tras vrtice


Valor del objetivo
5x 2y = 0
0
(0, 0)
x=0
***Regin viable no atada -- No hay una solucin ptima***

PROBLEMA 5
Trace una grfica separada de cada una de las restricciones siguientes, donde muestre las
rectas de restriccin y las soluciones que satisfacen:
a. A0.25 (A+B)
Para Mx Z = A + B
DESPEJANDO:
A = 0.25A + 0.25B
B = 0.75A / 0.25
B = 3A
REEMPLAZANDO:
A=0
,
B=0

Oswaldo Paul Rivadeneira

Pgina:

31

Investigacin Operativa I

Programacin Lineal

Vrtice

Rectas tras vrtice


Valor del objetivo
0.75x

0.25y
=
0
0
(0, 0)
x=0
***Regin viable no atada -- No hay una solucin ptima***

b. A0.10 (A+B)
Para Mx Z = A + B
DESPEJANDO:
A = 0.10A + 0.10B
B = 0.90A / 0.10
B = 9A
REEMPLAZANDO:
A=0
,
B=0

Oswaldo Paul Rivadeneira

Pgina:

32

Investigacin Operativa I

Programacin Lineal

Vrtice

Rectas tras vrtice


Valor del objetivo
0.9x

0.1y
=
0
0
(0, 0)
x=0
***Regin viable no atada -- No hay una solucin ptima***

c. A0.50 (A+B)
Para Mx Z = A + B
DESPEJANDO:
A = 0.50A + 0.50B
B = 0.50A / 0.50
B=A
REEMPLAZANDO:
A=0
,
B=0

Oswaldo Paul Rivadeneira

Pgina:

33

Investigacin Operativa I

Programacin Lineal

Vrtice

Rectas tras vrtice


Valor del objetivo
0.5x

0.5y
=
0
0
(0, 0)
x=0
***Regin viable no atada -- No hay una solucin ptima***

PROBLEMA 6
Tres funciones objetivo para problemas de programacin lineal son 7A + 10B, 6A + 4B y
-4A + 7B. Muestre la grfica de cada una para los valores de la funcin objetivo iguales a
420.

PROBLEMA 7
Identifique la regin factible para el conjunto de restricciones siguiente:
0.5A + 0.25B 30
1A + 5B 250
0.25A + 0.5B 50
A, B 0

PROBLEMA 8
PROBLEMA 9

Oswaldo Paul Rivadeneira

Pgina:

34

Investigacin Operativa I

Programacin Lineal

PROBLEMA 10

PROBLEMA 11
11. Resuelva el programa lineal siguiente mediante el procedimiento de solucin grfica:
Max 5A+5B
s.a.
1 A100
1B 80
2 A+ 4B 400
A, B0

Vrtice
A (0, 80)

B (0, 0)

Oswaldo Paul Rivadeneira

Rectas tras vrtice


B80
x=0
x=0
y=0

Valor del objetivo


400

400

Pgina:

35

Investigacin Operativa I

C (100, 0)

D (100, 50)

E (40, 80)

Programacin Lineal

2 = 100
y=0

500

x +2y = 200

750

x = 100

mxima

x +2y = 200
y = 80

600

PROBLEMA 12
Considere el problema de programacin lineal siguiente:
Max 3x+3y
s.a.
2 x+4y 12
6 x+ 4y 24
x, y 0
a. Encuentre la solucin ptima mediante el procedimiento de solucin grfica
b.

Si la funcin objetivo se cambia a 2A+6B, cul ser la solucin ptima?

Vrtice

Rectas tras
vrtice

A (0, 3)

x=0

Oswaldo Paul Rivadeneira

Valor del objetivo


Max 3A+3B

Max 2A+
6B

18

Pgina:

36

Investigacin Operativa I

x +2y = 6
B (0, 0)

C (4, 0)

D (3, 1.5)

x=0
y=0
3x + 2y = 12
y=0
x +2y = 6
3x +2y = 12

Programacin Lineal

Mxima
0

12

15

13.5
mxima

c. Cuntos puntos extremos hay? Cules son los valores de x y y en cada punto
extremo?
Solo existe un punto externo, el cual se denomina Punto D y tiene como coordenadas (3;
1.5) en cual significa:
El valor de X: 3
El valor de Y: 1.5

PROBLEMA 13
Considere el programa lineal siguiente:
Max 1 A + 2 B
s.a.
1A5
1B 4
2 A + 2 B = 12
A, B 0
a. Hallar la solucin ptima

Oswaldo Paul Rivadeneira

Pgina:

37

Investigacin Operativa I

Programacin Lineal

Rpta: En la solucin ptima, referida a una maximizacin tenemos 10 como valor final de la funcin
objetivo, siendo A=2 y B=4

PROBLEMA 14
Par, Inc. es un pequeo fabricante de equipo y material de golf. El distribuidor de Par cree que
existe un mercado tanto para una bolsa de golf de precio moderado, llamada modelo estndar,
como para una bolsa de golf de un precio alto, llamada modelo de lujo. El distribuidor tiene
tanta confianza en el mercado que, si Par puede fabricar las bolsas a un precio competitivo,
comprar todas las bolsas que Par fabrique durante los tres meses siguientes. Un anlisis
detallado de los requerimientos de manufactura dio como resultado la tabla siguiente, la cual
muestra los requerimientos de tiempo de produccin para las cuatro operaciones de
manufactura requeridas y la estimacin que hizo el departamento de contabilidad de la
contribucin a las utilidades por bolsa:

Oswaldo Paul Rivadeneira

Pgina:

38

Investigacin Operativa I

Programacin Lineal

El director de manufactura estima que se dispondr de 630 horas de corte y teido, 600 horas
de costura, 708 horas de acabado y 135 horas de inspeccin y empaque para la produccin de
las bolsas de golf durante los tres meses siguientes. a. Si la empresa quiere maximizar la
contribucin total a las utilidades, cuntas bolsas de cada modelo debe fabricar? b. Qu
contribucin a las utilidades puede obtener Par con estas cantidades de produccin? c.
Cuntas horas de tiempo de produccin se programarn para cada operacin? d. Cul es el
tiempo de holgura en cada operacin?

PROBLEMA 15
Suponga que la gerencia de Par (problema 14) se encuentra en las situaciones siguientes:
a. El departamento de contabilidad revisa su estimacin de la contribucin a las
utilidades para la bolsa de lujo en $18 por bolsa.
b. Un nuevo material de bajo costo est disponible para la bolsa estndar y la
contribucin a las utilidades por bolsa estndar aumenta a $20 por bolsa. (Suponga que
la contribucin a las utilidades de la bolsa de lujo es el valor original de $9.)
c. Se adquiri un equipo de costura nuevo que aumentar la capacidad de operacin de
costura a 750 horas. (Suponga que 10A + 9B es la funcin objetivo apropiada.)
Si cada una de estas situaciones ocurre por separado, cul es la solucin ptima y la
contribucin total a las utilidades?

PROBLEMA 19
x, y 0
a. Escriba este problema en forma estndar.
b. Resuelva el problema utilizando el procedimiento de solucin grfica.
c. Cules son los valores de las tres variables de holgura en la solucin ptima?

Solucin:
Formulacin del modelo:

Oswaldo Paul Rivadeneira

Pgina:

39

Investigacin Operativa I

Programacin Lineal

Definicin de variables

X = variable de decisin
Y = variable de decisin

Funcin Objetivo

Max Z = 3x + 4y

Restricciones

-1x+2y8
1x+2y12
2x+1y16

No negatividad

x, y 0

Oswaldo Paul Rivadeneira

Pgina:

40

Investigacin Operativa I

Programacin Lineal

b. Resuelva el problema utilizando el procedimiento de solucin grfica.

Rectas tras
vrtice

Vrtice
A (0, 4)
B (0, 0)
C (8, 0)
D (6.67, 2.67)
E (2, 5)

y=0
-x +2y = 8
x=0
y0
2x+ y =16
x=0

Valor del objetivo


MaxZ: 3x+4y
16
0
24

x +2y = 12
2x +y = 16
-x +2y = 8
x +2y = 12

30.69
mxima
26

PROBLEMA 20

Oswaldo Paul Rivadeneira

Pgina:

41

Investigacin Operativa I

Programacin Lineal

20. Para el programa lineal


Max 3 x+ 2 y
S.a.
x+y4
3 x+4y24
x 2
x-y0
x, y0
a. Escriba este problema en forma estndar.
b. Resuelva el problema.
c. Cules son los valores de las variables de holgura y de excedente en la solucin ptima?
Solucin:
Formulacin del modelo:

Definicin de variables

X = variable de decisin
Y = variable de decisin

Funcin Objetivo

Max Z = 3x + 2y

Restricciones

- x+y4
3 x+4y24
x 2
x-y0
x, y0

No negatividad

Oswaldo Paul Rivadeneira

Pgina:

42

Investigacin Operativa I

Programacin Lineal

x, y 0

Vrtice
A (2, 4.5)

B (2, 2)

C (3.43, 3.43)

Rectas tras
vrtice

Valor del objetivo


MaxZ: 3x+2y

x= 2
3x + 4y = 24
x+y = 4
x= 2
x+y =0
x+y =0
3x + 4y = 24

Oswaldo Paul Rivadeneira

24
mxima
10

17.15

Pgina:

43

Investigacin Operativa I
Programacin Lineal

PROBLEMA 21
Considere el programa lineal siguiente:
Max 2 A +3 B
s.t.
5 A+5 B400 Restriccin 1
-1A+1 B10 Restriccin 2
1 A+3 B90 Restriccin 3
A, B0
La figura 7.23 muestra una grfi ca de las rectas de restriccin.
a. Coloque un nmero (1, 2 o 3) al lado de cada recta de restriccin para
identificar a Cul restriccin representa.
b. Sombree la regin factible de la grfica.

Thomson.

Oswaldo Paul Rivadeneira


Pgina: 44

Investigacin Operativa I
Programacin Lineal

Rectas tras
vrtice

Vrtice
A (2, 4.5)

x= 2
3x + 4y = 24

B (2, 2)

x+y = 4
x= 2
x+y =0

C (3.43, 3.43)

x+y =0
3x + 4y = 24

PROBLEMA 22
Mx: 5A + 4U
s.a:
12A + 6U 20400
9A + 15U 25000
6A + 6U 12000
A, U 0

Thomson.

Oswaldo Paul Rivadeneira


Pgina: 45

Valor del objetivo


MaxZ: 3x+2y
24
maxima
10

17.15

Investigacin Operativa I
Programacin Lineal

Rpta: En la solucin ptima, referida a una maximizacin tenemos 9400 como valor
final de la funcin objetivo, siendo A=1400 y 600=4

PROBLEMA 23
Embassy Motorcycles (EM) fabrica dos motocicletas ligeras diseadas
para un manejo fcil y seguro. El modelo EZ-Rider tiene un motor nuevo y
un perfil bajo que facilitan el equilibrio. El modelo Lady-Sport es
ligeramente mayor, utiliza un motor ms tradicional y se dise
especialmente para las mujeres motociclistas. Embassy fbrica los
motores para ambos modelos en su planta de Des Moines, Iowa. Cada
motor de EZ-Rider requiere 6 horas de tiempo de manufactura y cada
motor Lady-Sport requiere 3 horas. La planta de Des Moines tiene 2100
horas de tiempo de manufactura disponibles para el siguiente periodo de
produccin. El proveedor de cuadros de motocicleta de la empresa puede
suministrar todos los cuadros para la EZ-Rider que solicite la empresa.
Thomson.

Oswaldo Paul Rivadeneira


Pgina: 46

Investigacin Operativa I
Programacin Lineal

Sin embargo, el cuadro de la Lady-Sport es ms complejo y el proveedor


solo puede suministrar hasta 280 cuadros de sta para el siguiente
periodo de produccin. El ensamblaje final y las pruebas requieren 2
horas para cada modelo EZ-Rider y 2.5 horas para cada modelo LadySport. Se dispone de un mximo de 1000 horas de tiempo de ensamblaje
y pruebas para el siguiente periodo de produccin. El departamento de
contabilidad de la empresa proyecta una contribucin a las utilidades de
$2 400 por cada EZ-Rider producida y $1800 por cada Lady-Sport
producida.
a. Formule un modelo de programacin lineal que se utilice para
determinar la cantidad de unidades de cada modelo que debe
producirse con el fin de maximizar la contribucin total a las
utilidades.
PRIMER PASO: IDENTIFICACIN DE LAS VARIABLES DE DECISIN
Motocicleta EZ-Rider
Motocicleta Lady-Sport
SEGUNDO PASO: IDENTIFICACIN DE LA FUNCIN OBJETIVO
Obtener el mximo beneficio.
Mx: Motocicleta EZ-Rider * 2400 + Motocicleta Lady-Sport * 1800
TERCER PASO: IDENTIFICACIN DE LAS RESTRICCIONES

Disponibilidad de horas de manufactura


Horas de manufactura de EZ-Rider*6 + Horas de manufactura de LadySport*3 2100 horas

Disponibilidad de horas de ensamblaje


Horas de ensamblaje de EZ-Rider*2 + Horas de ensamblaje de LadySport*2,5 1000 horas

Disponibilidad de cuadros de Lady-Sport


Cuadros Lady-Sport 280

RESUMIENDO:
Thomson.

Oswaldo Paul Rivadeneira


Pgina: 47

Investigacin Operativa I
Programacin Lineal

Mx: Motocicleta EZ-Rider * 2400 + Motocicleta Lady-Sport * 1800


Horas de manufactura de EZ-Rider*6 + Horas de manufactura de Lady-Sport*3
2100 horas
Horas de ensamblaje de EZ-Rider*2 + Horas de ensamblaje de Lady-Sport*2,5
1000 horas
Cuadros Lady-Sport 280
Mximo beneficio = MxZ
Motocicleta EZ-Rider = X
Motocicleta Lady-Sport = Y
MxZ = 2400X + 1800Y
Sujeto a:
6X + 3Y 2100
2X + 2,5Y 1000
X 280
X0
Y0
b. Resuelva el problema grficamente. Cul es la solucin ptima?
Vrtice

(250, 200)
(280, 140)
(0, 400)
(280, 0)
(0, 0)

Thomson.

Oswaldo Paul Rivadeneira


Pgina: 48

Rectas tras vrtice


6x + 3y = 2100
2x + 2.5y = 1000
6x + 3y = 2100
x = 280
2x + 2.5y = 1000
x=0
x = 280
y=0
x=0
y=0

Valor del objetivo


960000 Mximo
924000
720000
672000
0

Investigacin Operativa I
Programacin Lineal

c. Cules restricciones son confinantes?


Vrtice

(250, 200)
(280, 140)
(0, 400)
(280, 0)
(0, 0)

Rectas tras vrtice


6x + 3y = 2100
2x + 2.5y = 1000
6x + 3y = 2100
x = 280
2x + 2.5y = 1000
x=0
x = 280
y=0
x=0
y=0

Valor del objetivo


960000 Mximo
924000
720000
672000
0

PROBLEMA 24
Kelson Sporting Equipment, Inc. fabrica dos tipos diferentes de guantes de
beisbol: un modelo regular y un modelo para catcher. La empresa dispone de
900 horas de tiempo de produccin en su departamento de corte y confeccin,
300 horas en su departamento de acabados y 100 horas en su departamento de
empaque y envo. Los requerimientos de tiempo de produccin y la contribucin
a las utilidades por guante se proporcionan en
la tabla siguiente:

Thomson.

Oswaldo Paul Rivadeneira


Pgina: 49

Investigacin Operativa I
Programacin Lineal

Suponiendo que la empresa est interesada en maximizar la contribucin total a


las utilidades,
responda lo siguiente:
a. Cul es el modelo de programacin lineal para este problema?

PRIMER PASO: IDENTIFICACIN DE LAS VARIABLES DE DECISIN


Nmero de guantes modelo regular
Nmero de guantes modelo para catcher

SEGUNDO PASO: IDENTIFICACIN DE LA FUNCIN OBJETIVO


Maximizar las utilidades obtenidas por la produccin de los guantes
Min: No de guantes modelo regular *5 + No de guantes modelo para catcher *8

TERCER PASO: IDENTIFICACIN DE LAS RESTRICCIONES

Corte y confeccin:
No de guantes modelo regular *1 + No de guantes modelo para catcher
*1.5 900

Acabado:
No de guantes modelo regular *0.5 + No de guantes modelo para catcher
*0.33 300

Empaque y envo
No de guantes modelo regular *0.125 + No de guantes modelo para
catcher *0.25 100

RESUMIENDO:
Thomson.

Oswaldo Paul Rivadeneira


Pgina: 50

Investigacin Operativa I
Programacin Lineal

Min: No de guantes modelo regular *5 + No de guantes modelo para catcher *8


No de guantes modelo regular *1 + No de guantes modelo para catcher *1.5
900
No de guantes modelo regular *0.5 + No de guantes modelo para catcher *0.33
300
No de guantes modelo regular *0.125 + No de guantes modelo para catcher
*0.25 100

Mnimo costo = MnZ


No de guantes modelo regular = X
No de guantes modelo para catcher = Y

MnZ = 5X + 8Y
Sujeto a:
X + 1.5Y 900
0.5X + 0.33Y 300
0.125X + 0.25Y 100
X0
Y0

b. Encuentre la solucin ptima. Cuntos guantes de cada modelo debe


fabricar Kelson?

Thomson.

Oswaldo Paul Rivadeneira


Pgina: 51

Investigacin Operativa I
Programacin Lineal

Rpta: En la solucin ptima, referida a una minimizacin. tenemos 3702 como valor
final de la funcin objetivo, siendo X=501 y Y=149

c. Qu contribucin total a las utilidades puede obtener Kelson con las


cantidades de produccin dadas?
Kelson obtendr 3702como utilidades totales

d. Cuntas horas de tiempo de produccin se programarn en cada


departamento?
Se programarn 725horas en el departamento de corte y confeccin, 300 horas
en el departamento de acabado y 100 horas en el departamento de empaque y
envo.
e. Cul es el tiempo de holgura en cada departamento?
Corte y confeccin:175
Acabado: 0
Empaque y envo: 0

PROBLEMA 25

Thomson.

Oswaldo Paul Rivadeneira


Pgina: 52

Investigacin Operativa I
Programacin Lineal

PROBLEMA 26
PROBLEMA 31
PROBLEMA 33
PROBLEMA 34
Considere el programa lineal siguiente:
Min 2 A + 2 B
s.a.
1 A + 3 B 12
3 A + 1 B 13
1A-1B=3
A, B 0
a. Hallar la solucin ptima

Thomson.

Oswaldo Paul Rivadeneira


Pgina: 53

Investigacin Operativa I
Programacin Lineal

Rpta: En la solucin ptima, referida a una minimizacin tenemos 13.2 como valor
final de la funcin objetivo, siendo A=3.2 y B=3.4

PROBLEMA 35
Para el programa lineal
Min 6 A+4 B
s.a.
2 A +1 B >12
1 A + 1 B 10
1B4
A, B 0
a. Escriba el problema en forma estndar.
Min 6 x+4 y
s.a.
2 x + y >12
x + y 10
y4
x0
y0
b. Resuelva el problema mediante el procedimiento de solucin
grfica.
Vrtice

(6, 4)
(10, 0)
Thomson.

Oswaldo Paul Rivadeneira


Pgina: 54

Rectas tras vrtice


x + y = 10
y = 4
x + y = 10
y=0

Valor del objetivo


52 Mmino
60

Investigacin Operativa I
Programacin Lineal

PROBLEMA 44
Considere el programa lineal siguiente:
Min

1A + 1B

s.a
5A + 3B 15
3A + 5B 15
A,B 0
a. Cul es la solucin ptima para este problema?
b. Suponga que la funcin objetivo cambia a 1A + 2B. Encuentre la nueva
solucin ptima.
CAPTULO 8

PROBLEMA 1
Considere el programa lineal siguiente:
Max 3 A + 2 B
Thomson.

Oswaldo Paul Rivadeneira


Pgina: 55

Investigacin Operativa I
Programacin Lineal

s.a.
1 A + 1 B 10
3 A + 1 B 24
1 A + 2 B 16
A, B 0
a. Utilice el procedimiento de solucin grfica para encontrar la
solucin ptima.
Vrtice

(7, 3)
(4, 6)
(8, 0)
(0, 8)
(0, 0)

Rectas tras vrtice


x + y = 10
3x + y = 24
x + y = 10
x + 2y = 16
3x + y = 24
y=0
x + 2y = 16
x=0
x=0
y=0

Valor del objetivo


27 Mximo
24
24
16
0

b. Suponga que el coeficiente de la funcin objetivo para A cambia de


3 a 5. Cambia la solucin ptima? Utilice el procedimiento de
solucin grfica para encontrar la nueva solucin ptima.
Thomson.

Oswaldo Paul Rivadeneira


Pgina: 56

Investigacin Operativa I
Programacin Lineal

Max Z
C. U.
Product
o
Producc
in
Vrtice

(7, 3)
(4, 6)
(8, 0)
(0, 8)
(0, 0)

41
5
x

2
y

Rectas tras vrtice


x + y = 10
3x + y = 24
x + y = 10
x + 2y = 16
3x + y = 24
y=0
x + 2y = 16
x=0
x=0
y=0

Valor del objetivo


41 Mximo
32
40
16
0

c. Suponga que el coeficiente de la funcin objetivo para A permanece


en 3, pero el coeficiente de la funcin objetivo para B cambia de 2 a
4. La solucin ptima cambia? Utilice el procedimiento de
solucin grfica para encontrar la nueva solucin ptima.
Max Z
C. U.
Thomson.

Oswaldo Paul Rivadeneira


Pgina: 57

36
3

Investigacin Operativa I
Programacin Lineal

Product
o
Producc
in
Vrtice

(7, 3)
(4, 6)
(8, 0)
(0, 8)
(0, 0)

Rectas tras vrtice


x + y = 10
3x + y = 24
x + y = 10
x + 2y = 16
3x + y = 24
y=0
x + 2y = 16
x=0
x=0
y=0

PROBLEMA 5
PROBLEMA 6

Thomson.

Oswaldo Paul Rivadeneira


Pgina: 58

Valor del objetivo


33
36 Mximo
24
32
0

Investigacin Operativa I
Programacin Lineal

CAPTULO 9

PROBLEMA 1

PROBLEMA 6
G. Kunz and Sons, Inc. fabrica dos productos que se usan en la industria del
equipo pesado. Los dos productos requieren operaciones de manufactura en
dos departamentos. Las cifras siguientes son el tiempo de produccin (en
horas) y las utilidades a la contribucin para los dos productos:

Para el periodo de produccin siguiente, Kunz tiene disponibles un total de 900


horas de mano de obra que pueden asignarse a cualquiera de los dos
departamentos. Encuentre el plan de produccin y la asignacin de mano de
obra (horas asignadas en cada departamento) que maximizarn la contribucin
total a las utilidades.

PRIMER PASO: IDENTIFICACIN DE LAS VARIABLES DE DECISIN


Nmero de Productos 1
Nmero de Productos 2

SEGUNDO PASO: IDENTIFICACIN DE LA FUNCIN OBJETIVO


Maximizar las utilidades obtenidas por la produccin de productos
Max: No de productos 1 *25 + No de productos 2 *20

TERCER PASO: IDENTIFICACIN DE LAS RESTRICCIONES


Thomson.

Oswaldo Paul Rivadeneira


Pgina: 59

Investigacin Operativa I
Programacin Lineal

Horas de mano de obra:


No de productos 1 *14 + No de productos 2 *22 900

Departamento A:
No de productos 1 *6 + No de productos 2 *8 900

Departamento B:
No de productos 1 *12 + No de productos 2 *10 900

RESUMIENDO:
Max: No de productos 1 *25 + No de productos 2 *20
No de productos 1 *14 + No de productos 2 *22 900
No de productos 1 *6 + No de productos 2 *8 900
No de productos 1 *12 + No de productos 2 *10 900

Mximo costo = MxZ


No de productos 1 = X
No de productos 2 = Y

MxZ = 25X + 20Y


Sujeto a:
14X + 22Y 900
6X + 8Y 900
12X + 10Y 900
X0
Y0

Thomson.

Oswaldo Paul Rivadeneira


Pgina: 60

Investigacin Operativa I
Programacin Lineal

Rpta: En la solucin ptima, referida a una maximizacin, tenemos 1607 como valor
final de la funcin objetivo, siendo X=64 y B=0

Thomson.

Oswaldo Paul Rivadeneira


Pgina: 61

Investigacin Operativa I
Programacin Lineal

CONCLUSIONES
La facilidad que nos brindan las herramientas de tecnologas permite en
poco tiempo efectuar comparaciones que nos permitan la correcta eleccin de
un modelo que describa los datos en problemas de ingeniera, as como nos
proporciona elementos de juicio suficientes para la toma de decisiones en
condiciones de incertidumbre.
Concluimos que la herramienta Solver resulta de mucha ventaja ya que
nos facilitan el clculo de lo desarrollado, para de esta manera obtener los
datos numricos con facilidad y dediquemos nuestro inters en la interpretacin
de la misma para una adecuada toma de decisiones.

Thomson.

Oswaldo Paul Rivadeneira


Pgina: 62

Investigacin Operativa I
Programacin Lineal

RECOMENDACIONES
Para el uso del SOLVER se recomienda que la informacinde los datos
que se van a analizar estn explcitos de manera detalladla y que primero se
explique cmo esla utilizacin de los programas y sus herramientas a tratar, ya
que cuando estos programas se utilicen en una empresa real para la toma de
decisiones de suma importancia no se necesitan conocimientos bsicos.
Para la utilizacin de la Programacin Lineal se recomienda definir
claramente el objetivo teniendo en cuenta lo que la empresa o negocio
requiere. Otra recomendacin es definir a las variables de decisin como
cantidades ya sea de produccin o de fabricacin, pero siempre en cantidades.
La prctica hace que los conocimientos se afiancen y su utilizacin sea
mseficiente, por tal razn, es necesario como profesionales en desarrollo
reforzar nuestra capacidad de resolver problemas que se presentan y estar a la
altura para saber cmo resolver problemas.
Tambin se recomienda que se tabule con varios nmeros si es que la
resolucin se va a dar de manera algebraica para poder as obtener un mejor
grfico.

Thomson.

Oswaldo Paul Rivadeneira


Pgina: 63

Investigacin Operativa I
Programacin Lineal

BIBLIOGRAFA

Mtodos cuantitativos para los negocios. Autor: Barry Render. Edicin:


11 edicin. Mxico, Mxico DF. (2011)

Mtodos cuantitativos para los negocios. Autor: Anderson &Sweeney&


Williams. Edicin: 11 edicin. Mxico, Mxico DF. (2011)

Programacin lineal. Autor: Bryan Salazar Lpez. Recuperado de


:http://www.ingenieriaindustrialonline.com/herramientas-para-elingeniero-industrial/investigaci%C3%B3n-de-operaciones/programaci
%C3%B3n-lineal/

Programacin lineal en Solver Bryan Salazar Lpez


http://www.ingenieriaindustrialonline.com/herramientas-para-el-ingenieroindustrial/investigaci%C3%B3n-de-operaciones/programaci%C3%B3nlineal-en-solver/

Modelo de programacin lineal general investigacin de operaciones


http://148.204.211.134/polilibros/portal/polilibros/P_Terminados/Investiga
cion_de_Operaciones_Careaga/Common/IO-modulo1-modelopl.htm

Modelos

determinsticos

estocsticos

Universidad

https://caece-mys1.wikispaces.com/Modelos+determin
%C3%ADsticos+y+estoc%C3%A1sticos

Sistema para formular los grficos.


http://www.zweigmedia.com/utilities/lpg/index.html?lang=en

Thomson.

Oswaldo Paul Rivadeneira


Pgina: 64

CAECE