UNIVERSIDAD CATÓLICA DE SANTA MARÍA

FACULTAD DE CIENCIAS E INGENIERÍAS

FÍSICAS Y FORMALES
Escuela Profesional de Ingeniería Industrial

GUÍA DE PRÁCTICAS

INVESTIGACION OPERATIVA I

Autores:
Ing. Efraín Rafael Murillo Quispe

AREQUIPA – PERU
2019
 Sesión Software de Aplicación

1
I
OBJETIVOS
 Conocer y aplicar el Lindo, WinQsb, PomQm y SOLVER de Excel, como herramientas
computacionales de solución de problemas de programación lineal.
 Conocer los principales conceptos de Investigación operativa y Programación lineal.
 Plantear problemas de programación lineal.

II
TEMAS A TRATAR
 Significado de Lindo, WinQsb, PomQm y SOLVER de Excel.
 Uso del software Lindo, WinQsb, PomQm y SOLVER de Excel para solucionar problemas
de Programación Lineal.
 Conceptos generales.
 Planteamiento de problemas.

III
MARCO TEORICO
INVESTIGACIÓN OPERATIVA
Algunas definiciones por diferentes autores:
TAHA.
La Investigación de Operaciones aspira a determinar el mejor curso de acción óptimo de un problema de
decisión con la restricción de recursos limitados, aplicando técnicas matemáticas para representarlo por
medio de un modelo y analizar problemas de decisión.
PRAWDA.
Es la aplicación por grupos interdisciplinarios de Método Científico a problemas relacionados con el
control de las organizaciones o de sistemas en relación al hombre-máquina, con el fin de producir
soluciones óptimas para dichas organizaciones.
THIERAUF Y GROSSE.
La Investigación de Operaciones utiliza el enfoque planeado (Método Científico) y un grupo
interdisciplinario a fin de representar las complicadas relaciones funcionales como modelos matemáticos
para suministrar una base cuantitativa en la toma de decisiones y descubrir nuevos problemas para un
análisis cuantitativo.
SOCIEDAD AMERICANA DE INVESTIGACIÓN DE OPERACIONES (ORSA).
La Investigación de Operaciones está relacionada con el mejor diseño y operación del sistema (hombre-
máquina) usualmente bajo ciertas condiciones y requiriendo la asignación de recursos escasos.

PROGRAMACIÓN LINEAL
Tomado de www.sites.upiicsa.ipn.mx/polilibros/portal/.../P.../UNIDAD113.htm
Sin duda alguna uno de los métodos analíticos más viables económicamente para la solución de
problemas de administración es el de la Programación Lineal, el cual tiene diversas aplicaciones y ha sido
aplicado exitosamente en las industrias petrolera, automotriz, química, forestal, metalúrgica, agrícola,
militar, etc. Incluso en mercadotecnia, se le ha empleado para seleccionar los medios de publicidad y los
canales adecuados de distribución.
Para comprender lo que es la Programación Lineal es importante entender los siguientes conceptos
básicos:
a. Variables de Decisión: Con las variables de decisión nos referimos al conjunto de variables cuya
magnitud deseamos determinar resolviendo el modelo de programación lineal.
b. Restricciones: Están constituidas por el conjunto de desigualdades que limitan los valores que
puedan tomar las variables de decisión en la solución.
c. Función Objetivo: Es la función matemática que relaciona las variables de decisión.
d. Linealidad: Se refiere a que las relaciones entre las variables, tanto en la función objetivo como
en las restricciones deben ser lineales.
e. Desigualdades: Las desigualdades utilizadas para representar las restricciones deben ser
cerradas o flexibles, es decir, menor - igual (<=) o mayor – igual (>=). No se permiten
desigualdades de los tipos menor- estrictamente o mayor – estrictamente, o abiertas.
f. Condición de no – negatividad: En la programación lineal las variables de decisión sólo pueden
tomar valores de cero a positivos. No se permiten valores negativos.
Modelo General de la Programación Lineal.
La estructura matemática general de la programación lineal es la siguiente:

Como podemos ver en el modelo la función que se va maximizar o minimizares la función objetivo,
sujeta a (s.a.) las restricciones. Xj >= 0, es la condición de no – negatividad.
Las Xj son las variables de decisión cuyo valor se desea conocer. aij, bi, cj son parámetros.
El vector Cj [ C1, C2,...Cn] se llama “vector de costos” o “vector de precios”.

HERRAMIENTAS DE SOFTWARE:
WinQsb: Quantitative Systems for Business for Windows (Sistema Cuantitativo para Negocios para
Windows)
Lindo: Linear INteractive and Discrete Optimization (Optimización Lineal Interactiva y discreta).
PomQm: Quantitative Methods and Production and Operations Management (Métodos Cuantitativos
y Producción y Administración de Operaciones)

1. Solución mediante el Software WinQSB.

El paquete WinQSB es una herramienta de Aprendizaje asistido por el computador para ganar una
experiencia “práctica" sólida de los conceptos y técnicas usadas en el curso de Investigación Operativa.
El QSB (Quantitative Systems for Business – Sistemas Cuantitativo para Negocios) es desarrollado y
mantenido por Yih-Long Chang. Este paquete de software contiene los algoritmos de solución de
problemas de Investigación de Operaciones y Gerencia (OR/MS) más ampliamente usados.
WinQSB es un sistema interactivo de ayuda a la toma de decisiones que contiene herramientas muy útiles
para resolver distintos tipos de problemas en el campo de la investigación operativa. El sistema está
formado por distintos módulos, uno para cada tipo de modelo o problema. Entre ellos destacaremos los
siguientes:
 Linear programming (LP) and integer linear programming (ILP): este módulo incluye los
programas necesarios para resolver el problema de programación lineal gráficamente o utilizando el
algoritmo del Simplex; también permite resolver los problemas de programación lineal entera
utilizando el procedimiento de Ramificación y Acotación (Branch&Bound).
 Linear goal programming (GP) and integer linear goal programming (IGP): resuelve modelos
de programación multiobjetivo con restricciones lineales.
 Quadratic programming (QP) and integer quadratic programming (IQP): resuelve el problema
de programación cuadrática, es decir, problemas con función objetivo cuadrática y restricciones
lineales. Utiliza un método Simplex adaptado. Los modelos de IQP los resuelve utilizando algoritmos
de ramificación y acotación.
 Network modeling (NET): incluye programas específicos para resolver el problema del transbordo,
el problema del transporte, el de asignación, el problema del camino más corto, flujo máximo, árbol
generador, y problema del agente viajero.
 Nonlinear programming (NLP): permite resolver problemas no lineales irrestringidos utilizando
métodos de búsqueda lineal, y problemas no lineales con restricciones utilizando el método SUMT
(función objetivo con penalizaciones sobre el incumplimiento de las restricciones).
 PERT/CPM: módulo de gestión de proyectos en los que hay que realizar varias actividades con
relaciones de precedencia.
A cada uno de estos módulos se accede directamente desde la entrada a WinQSB en el menú principal,
seleccionando respectivamente la opción respectiva.

1.1 CREANDO UN NUEVO PROBLEMA DE PROGRAMACIÓN LINEAL O ENTERA

Para resolver problemas de programación Lineal o Entera seleccionamos la siguiente opción:

Luego la opción Nuevo Problema (New Problem) genera una plantilla en el cual se introducirán las
características de nuestro problema:
A continuación se describirán cada una de las casillas de esta ventana:
 Título del problema (Problem Title): Se escribe el título con que identificamos el problema.
 Número de variables (Number of Variables): Se escribe la cantidad de variables con que cuenta
el sistema en el modelo original.
 Número de restricciones (Number of Constraints): Se anotan la cantidad de restricciones con
que cuenta el modelo (no se debe contar la restricción de no negatividad).
 Objetivo (Objective Criterion): Los problemas de programación lineal y entera se clasifican en
dos: problemas de Maximización (Maximization) y Minimización (Minimization).
 Formato de entrada de datos (Data Entry Format): Permite elegir entre dos plantillas distintas
para introducir los datos del modelo. La primera alternativa se asemeja a una hoja de cálculo,
mientras que la segunda, es una plantilla diseñada especialmente para este fin.
 Tipo de variable (Default Variable Type): En esta parte se indica las características del modelo:
 Continuas no negativas (Nonnegative continuous): Indica que el modelo lo
componen variables continuas no negativas (iguales o mayores a cero).
 Enteras no negativas (Nonnegative Integer): Variables enteras no negativas.
 Binarias (Binary): Variables cuyo valor solo serán 0 o 1.
 Sin asignar / Irrestrictas (Unsigned/unrestricted): Variables irrestrictas.

1.2 UN PROBLEMA EJEMPLO

Mediante un ejemplo demostraremos como se introducen los datos para la creación de un nuevo problema
de programación lineal.
ENUNCIADO
Una Empresa industrial produce 4 modelos de Teclados cada uno de los cuales es tratado en los
departamentos de ensamblado y acabado. El número de horas hombre de mano de obra necesaria, por
teclado en cada departamento es:
Modelo1 Modelo2 Modelo3 Modelo4
Ensamblado 4 10 7 10
Acabado 1 1 3 4
Se dispone de 6000 horas hombre en el departamento de ensamblado y de 4000 en el de acabado en los
próximos 6 meses. Las utilidades en dólares para cada modelo de teclado son: 2.2, 5, 3 y 4
respectivamente para los teclados 1, 2, 3 y 4.
Existen restricciones de producir al menos 100 unidades del modelo 2, a lo más 200 unidades del modelo
3 y a lo más 250 unidades del modelo 4. La producción del modelo 1 es irrestricta.
Sea X1, X2, X3 y X4 las variables del problema que representan el número de teclados modelo 1, 2, 3 y 4
respectivamente a producir los próximos 6 meses.
Determine la cantidad debe producir el fabricante de cada modelo, de manera que las utilidades sean las
máximas.
Una vez analizado el enunciado el lector procederá a crear el modelo matemático.
MODELO MATEMÁTICO
Función Objetivo:
Max Z = $2.2X1+$5X2+$3X3+$4X4
 Restricciones (St)
4X1+10X2+7X3+10X4<=6000 Hrs. Hombre de Ensamblado
X1+X2+3X3+4X4<=4000 Hrs. Hombre de Acabado
X2>=100 Demanda mínima del producto 2
X3<=200 Demanda Máxima del producto 3
X4<=250 Demanda Máxima del producto 4
X1,X2,X3,X4>=0
Podemos ver claramente que estamos ante un problema de Maximización, con cinco restricciones y
cuatro variables (las cuales trabajaremos como variables continuas de tipo No Negativas).
Teniendo claro esto, se alimenta el programa desde la ventana Nuevo Problema (New Problem):

Una vez llenados todos los campos pulsamos el botón OK, generando nuevas opciones dentro del
programa.
1.3 INGRESANDO EL MODELO
Si se escogió por la plantilla tipo hoja de calculo (Spreadsheet Matrix Form), se mostrará una nueva
ventana dentro de la ZONA DE TRABAJO, la cual servirá para introducir el modelo matemático.

La primera fila (Variable -->) corresponde a los encabezados de las variables (en gris) definidas
automáticamente por el sistema como X1, X2, X3 y X4 (son las tres variables del ejemplo), seguido por
el operador de relación (Direction) y la solución de las restricciones o Lado de la mano derecha (Right
Hand Side -R.H.S.). El nombre de las variables se puede cambiar accediendo al submenú Nombre de
variables (Variables Names) del menú Editar (Edit).
La segunda fila (Maximize) permite introducir los coeficientes de la función objetivo. Luego aparecen
una serie de filas identificadas por la letra C y un consecutivo, las cuales corresponden a la cantidad de
restricciones con que cuenta el modelo:

Por último aparecen tres filas donde definimos el valor mínimo aceptado por cada variable (Lower
Bound), el valor máximo (Upper Bound) y el tipo de variable (Variable Type). En el caso del valor
máximo, M significa que la variable podrá recibir valores muy grandes (tendientes a infinito).
1.4 EL MODELO DE EJEMPLO
Para ingresar nuestro modelo propuesto en el ejemplo, el primer paso es llenar la segunda fila con los
coeficientes de la función objetivo:

Se sigue con las restricciones C1, C2, C3, C4 y C5:

Usted podrá cambiar los operadores de relación pulsando dos veces seguidas sobre ellos con el botón
izquierdo del Mouse. Las otras filas se mantienen iguales.
1.5 RESOLVIENDO UN PROBLEMA
Cuando haya terminado de ingresar el modelo en la plantilla, podrá utilizar las herramientas que provee el
menú Resolver y Analizar (Solve and Analyze).
Este menú cuenta con las siguientes opciones:
  Resolver el problema (Solve the Problem): Resuelve el problema mediante el método Simplex
Primal. Muestra la solución final completa.
 Resolver y mostrar los pasos (Solve and Display Steps): Muestra cada uno de los pasos o las
interacciones realizadas por el Simplex hasta llegar a la solución óptima.
 Método Gráfico (Graphic Method): Resuelve el problema de programación lineal mediante el
método gráfico (para problemas que trabajan con dos variables).
1.6 RESOLVIENDO EL PROBLEMA EJEMPLO
Seleccionamos la primera opción del menú Resolver y Analizar (Solve and Analyze), donde se mostrará
una pequeña ventana con el mensaje “El problema ha sido resuelto. La solución óptima ha sido
lograda”.

Pulsamos el botón ACEPTAR y automáticamente el programa generará la solución optima.

1.7 ENTENDIENDO LA MATRIZ FINAL

Esta matriz presenta suficiente información sobre el modelo resuelto. La primera parte (Solution
Summary) corresponde al análisis de las variables definidas (X1, X2, X3 y X4).
La columna Valores de la solución (Solution Value) presenta los valores óptimos encontrados. En este
ejemplo se tiene que X1 es 1250 unidades, X2 es 100 unidades X3 y X4 es 0 unidades.
La columna Costo o Utilidad Unitaria (Unit Cost or Profit) muestra los coeficientes de la función
objetivo para cada variable.
La columna Contribución Total (Total Contribution) representa el costo o utilidad generado por cada
variable. Por ejemplo, si el valor de la variable X2 es 100 unidades y la utilidad unitaria es $5, el
beneficio total resultará de la multiplicación de ambos valores dando como resultado $500. Justo debajo
de la última contribución aparece el valor de Z óptimo ($3250).
La columna Costo Reducido (Reduced Cost) identifica el costo que genera incrementar una unidad para
cada variable no básica. La siguiente columna llamada Estatus de la Variable (Basis Status) muestra si
una variable es básica (Basic) o no (at bound).
La siguiente parte de la matriz final (Constraint Summary), presenta las variables de holgura del sistema
(C1, C2, C3, C4 y C5).

La columna Lado de la mano derecha (Left Hand Side) muestra el valor alcanzado al reemplazar los
valores de X1, X2, X3 y X4 en cada restricción (recuerde que cada restricción se identifica con su
variable de holgura).
Las dos columnas siguientes (Direction y Right Hand Side) muestran las especificaciones dadas a las
restricciones en cuanto al operador de relación (≤ o ≥) y los valores originales de las restricciones (6000,
4000, 100, 200 y 250).
La columna Déficit o Superávit (Slack or Surplus) muestran los valores de las variables de holgura y la
columna Precios Sombras (Shadow Price) corresponde a los precios sombras o precios duales; cuánto se
estaría dispuesto a pagar por una unidad adicional de cada recurso.
1.8 LA OPCIÓN IMPRIMIR
Cada ventana mostrada puede ser impresa mediante la opción Imprimir (Print) que se encuentra en el

menú Archivo (File) o mediante el botón desplegado en la barra de herramientas.

1.9 GUARDANDO UN PROBLEMA
Si quiere acceder a un problema posteriormente simplemente seleccione la opción Salvar como (Save As)

o pulsando sobre el botón

2. Solución mediante el Software LINDO 6.0

LINDO (Linear INteractive and Discrete Optimization)
Es un paquete para computadora de fácil uso, trabaja en entorno WINDOWS, y mediante el cual se puede
resolver problemas de programación lineal, entera y binaria, fue creada en 1986 por Linus Schrage.

Programación lineal en LINDO

Para resolver un problema de programación lineal en LINDO, asegúrese que la pantalla tenga una
ventana, o área de trabajo, vacía, con “Untitled” en la parte superior del área de trabajo. Si es necesario se
abre una nueva ventana mediante la selección de New (nuevo) en el menú File (archivo), o presionando el
botón de New File (Nuevo archivo).

Utilizamos el editor de texto del LINDO, para editar el modelo matemático, de la siguiente manera:

Para resolver el modelo se procede de la siguiente manera:

* Seleccione la opción Solve en el menú Solve (Resolver).
* Cuando pregunte si usted desea el análisis de sensibilidad, escoja por ahora no. Esto se explicará más
adelante.
* Cuando este terminada la solución, aparecerá una pantalla que muestra el estado del comando del
Solve. Después de revisar la información mostrada, seleccione Close (Cerrar).
* Ahora debe usted ver la información que introdujo en una ventana que se llama “Reports Window”.
De un clic en cualquier parte de esta ventana, y sus datos desaparecerán del primer plano. Desplácese
hasta la parte superior de la ventana usando la flecha única de la parte derecha de la pantalla, y
enseguida esta se verá con los siguientes resultados:
* Si desea el análisis de sensibilidad, al solucionar el problema aparece la siguiente consulta:

Sólo debe darle SI y aparecerá la siguiente salida:

Interpretación:

LP OPTIMUN FOUND AT STEP 2

Lo que señala que LINDO encontró la solución óptima después de dos iteraciones del algoritmo simple.
OBJECTIVE FUNCTION VALUE 3250.000000
Indica que el valor de z óptimo es 3250.
VALUE
Da el valor de la variable en la solución óptima del PL. Por lo tanto la solución óptima le recomienda
producir 1250 unidades del modelo 1, 100 del modelo 2 y 0 unidades de los modelos 3 y 4 (X1 = 1250,
X2 = 100, X3 = 0 y X4 = 0)
SLACK OR SURPLUS
Proporciona el valor de holgura o excedente de los recursos en la solución óptima. Por lo tanto, representa
el recurso no utilizado o excedente en la restricción.
REDUCED COST
Proporciona el coeficiente de la variable en el reglón cero del arreglo óptimo; el costo reducido para las
variables básicas es cero. En el caso de una variable no básica, el costo reducido es la cantidad que
decrece el valor de z óptimo. Esto quiere decir que si fuera forzado a producir una unidad del modelo 3, la
utilidad disminuiría en 0.85 dólares y por una unidad del modelo 4, 1.5 dólares.
3. Utilizando el reporte del Software Lindo o WinQsb, podemos dar respuesta a las siguientes
inquietudes:

a) La utilidad máxima de la empresa. ¿Qué cantidad se debe producir de cada modelo?

Respuestas:
Z= 3250 dólares
X1= 1250 unidades del modelo 1
X2=100 unidades del modelo 2
X3=0 unidades del modelo 3
X4=0 unidades del modelo 4
b) La holgura o exceso de las horas de ensamblado y de acabado.
Respuestas:
No hay horas ociosas de ensamblado
Hay 2650 horas ociosas de acabado.
c) Cuántas horas de ensamblado y cuántas horas de acabado se utilizan en la producción del
modelo 1?, ¿Cuántas horas de ensamblado y cuántas horas de acabado se emplea en la
producción del modelo 2?
Respuestas:
Modelo 1: 4*1250= 5000 hrs. de ensamblado
1*1250= 1250 hrs. de acabado
Modelo 2: 10*100= 1000 hrs. de ensamblado
1*100= 100 hrs. de acabado

COMO HALLAR LOS RANGOS DE VARIACION DE LOS COEFICIENTES DE LA FUNCION

OBJETIVO
C1: Límite superior= 2.2+infinito= infinito
Límite inferior=2.2-0.2 = 2
C2: Límite superior= 5+0.5=5.5
Límite inferior=5- infinito= - infinito
Etc.

COMO HALLAR LOS RANGOS DE VARIACION DE LOS LADOS DERECHOS

LD1: Límite superior= 6000+10600= 16600
Límite inferior=6000-5000 = 1000
LD2: Límite superior= 4000+infinito=infinito
Límite inferior=4000-2650=1350
Etc.

IV
 (La práctica tiene una duración de 02 horas) ACTIVIDADES

Indicaciones: Su informe deberá presentarlo en un archivo Excel, utilizando una hoja para cada
problema, así mismo puede utilizar PrintScreen para adjuntar en su informe los reportes de
las herramientas de software.

Problema 1.- Una empresa de producción de muebles dispone de dos diferentes tipos de madera; tiene
1500 pies tabla del tipo A y 1000 del tipo B, también dispone de 800 horas-hombre para
efectuar el trabajo. La demanda semanal que ha estimado es la siguiente: cuando menos 40
mesas, 130 sillas, 30 escritorios y no más de 10 libreros. Las cantidades de madera Ay B, las
horas-hombre que requiere la elaboración de cada unidad de artículo y las utilidades
unitarias, están indicadas en el siguiente cuadro:
Madera Horas Demanda Utilidades
Artículo A B Hombre Estimada por unidad
Mesa 5 2 3 no menos de 40 $ 12
Silla 1 3 2 no menos de 130 5
Escritorio 9 4 5 no menos de 30 15
Librero 12 1 10 no más de 10 10
Disponibilidad semanal 1500 1000 800
a) Tome el modelo matemático mostrado abajo y utilizando el WinQsb o PomQm, resuelva y
responda las siguientes inquietudes:
1. Cuál es la utilidad máxima?
2. Cuánto se produce de cada artículo?
3. Cuántas Horas Hombre ociosas existen?
b) Utilice el Lindo para responder las inquietudes anteriores y verifique que las respuestas sean las
mismas que las del punto a).

MODELO MATEMÁTICO:
Variables de decisión:
Xi: Número de unidades a producir semanalmente del artículo i
i=1,2,3,4 (1: Mesas, 2: Sillas, 3: Escritorios, 4: Libreros)

Max 12x1+5x2+15x3+10x4
St
5x1+x2+9x3+12x4<=1500 Pies de Madera A
2x1+3x2+4x3+x4<=1000 Pies de Madera B
3x1+2x2+5x3+10x4<=800 horas hombre
X1>=40 demanda mínima de mesas
X2>=130 demanda mínima de sillas
X3>=30 demanda mínima de escritorios
X4<=10 demanda máxima de libreros
Xi>=0

Problema 2.- Lupita está preocupada por su sobrepeso y el costo de la comida diaria, ella sabe que para
bajar de peso, debe consumir a lo más 1350 Kcalorías, pero requiere un mínimo de 500 mgr. de vitamina
A, 350 mgr. de Calcio, 200 mgr. de proteínas y 150 mgr de minerales. Con los alimentos de la tabla
siguiente, formule el Modelo de Programación Lineal que resuelva la dieta de Lupita.

Alimento Porción Vitam. A Calcio Proteínas Minerales Costo Kcalorías

Leche 1 taza 105 75 50 35 S/. 1.0 80
Huevo 2 unidades 75 80 50 15 S/. 0.7 50
Espinacas 1 ración 100 125 78 S/. 0.5
Chancho 2 chuletas 25 10 55 S/. 4.0 175
Pescado 2 trozos 150 50 100 50 S/. 2.0 150
Pastel 2 rebanadas 30 5 8 S/. 1.5 200

a) Tome el modelo mostrado abajo y utilizando el Lindo, resuelva las siguientes inquietudes:
1. Cuántas porciones de cada alimento deberá consumir Lupita de manera óptima?
2. Cuál será el costo de la dieta de Lupita.
b) Exiga a su dieta diaria no consumir más de una porción de cada alimento, excepto los huevos
que podría consumir hasta un límite de 3 porciones, así mismo exija consumir por lo menos
media porción de pescado, ¿cuáles serían sus nuevas respuestas para las inquietudes del punto
a)?

MODELO MATEMÁTICO:
Variables de decisión:
Xi: Porción a consumir del alimento i
i=1,2,3,4,5,6 (1:Leche, 2:Huevo, 3:Espinacas, 4:chancho, 5:pescado, 6:pastel)

Min x1+0.7x2+0.5x3+4x4+2x5+1.5x6
St
80x1+50x2+175x4+150x5+200x6<=1350 máximo de calorías
105x1+75x2+100x3+25x4+150x5+30x6>=500 mínimo de mgr de vitamina A
75x1+80x2+10x4+50x5+5x6>=350 mínimo de mgr de calcio
50x1+50x2+125x3+55x4+100x5+8x6>=200 mínimo de mgr de proteína
35x1+15x2+78x3+50x5>=150 mínimo de mgr de minerales
xi>=0

Problema 3.- La empresa XXX produce 2 artículos: cubiertas de carro y tolderas. Para la próxima
semana dispone de los siguientes suministros:
400 horas-hombre
1200 mts2 de lino
2700 mts2 de lona
600 horas-máquina
El precio de venta de las cubiertas de carro es de 150 soles y de las tolderas 500 soles.
Si para producir una cubierta de carro requiere 1 hora-hombre, 6 mts 2 de lino y 1 hora-máquina, y para
producir una toldera requiere 2 horas-hombre, 18 mts 2 de lona y 1.5 horas-máquina, además se sabe que
existe una demanda semanal mínima de 140 tolderas.
Tome el modelo matemático mostrado abajo y utilizando el SOLVER de Excel, resuelva las siguientes
inquietudes:

a) ¿Cuál es el plan de producción que haga máximo el ingreso de la empresa?

b) ¿Cuál es la máxima utilidad alcanzada?
c) ¿Cuánto de cada recurso no se usa en el plan de producción?

MODELO MATEMÁTICO:
Variables de decisión:
Xi: Cantidad a producir semanalmente del producto i
i=1,2 (1:Cubiertas de carro, 2:Tolderas)

Max 150x1+500x2
St
x1+2x2<=400 Disponibilidad máxima de horas hombre
6x1<=1200 Disponibilidad máxima de lino
18x2<=2700 Disponibilidad máxima de lona
x1+1.5x2<=600 Disponibilidad máxima de horas máquina
x2>=150 Demanda mínima de tolderas
xi>=0
Problema 4.- Un agricultor cultiva trigo y maíz en sus tierras de 45 acres. Es capaz de vender cuando
más 140 toneladas de trigo y 120 toneladas de maíz. Cada acre sembrado con trigo rinde 5 toneladas, y
cada acre sembrado con maíz produce 4 toneladas. El trigo se vende en 30 dólares la tonelada y el maíz se
vende en 50 dólares la tonelada. La cosecha de un acre con trigo requiere de 6 horas de mano de obra, y la
de un acre con maíz consume 10 horas. Se puede comprar hasta 350 horas de mano de obra a 10 dólares
la hora. Formule un modelo matemático y utilizando la herramienta de software que Ud. prefiera,
determine la cantidad de acres de trigo y maíz que debe cultivar el agricultor con la finalidad de
maximizar sus ganancias.

MODELO MATEMÁTICO:
Variables de decisión:
Xi: Cantidad de acres a cultivar del producto i
i=1,2 (1:Trigo, 2:Maíz)

Max 30*5x1+50*4x2-10(6x1+10x2)
St
x1+x2<=45 Disponibilidad máxima de acres de tierras
.
.
.
xi>=0