Name: Phạm Ngọc Tường Vy 

Class: FTC01 K44 

ID: 31181025725 
Day: 05/10/2019 Room E.103 

 
Case:​ H
​ arleys Fine Wines Co.  
 
I. Context 
The  Harleys  family  with  a  wine  passion  have  successfully  grabbed  the  chance  to 
flourish  in  the  winery  industry  for  over  a  couple  of  decades  in  Minneapolis, 
Minnesota.  In  this  venue,  they  pushed  the  envelope  and  found  their  own 
audiences accepting of ever more esoteric but increasingly more compelling wines. 
 
Their  daughter,  Cecilia  Harley,  followed  her  father’s  step  and  soon,  claimed  her 
gifted  talent  in  strategically  operating  the  business.  After  being  promoted  as  the 
company’s  president,  she  makes  a  vital  decision  to  improve  the  company’s 
reputation,  foster  sustainable  growth  and  innovation  -  produce  two  completely 
new  brands,  brimming  with  the  company’s  core  values  and  spirits,  the  Fein  Wein 
and Party Plonk.  
 
Both  brands  are  the  unique  combination  of  2  types  of  wine,  A  and  B.  Both  wines  A 
and  B  cost  0.80  and  0.20  pounds  per  liter,  respectively.  The  Fein  Wein  consists  of 
60%  wine  A  and  40%  wine  B  while  the  Party  Plonk  has  20%  wine  A  and  80%  wine 
B.  The  company  sells  2  pounds  per  liter  from  Fein  Wein  and  1.20  pounds  per  liter 
from  Party  Plonk.  The  processing,  bottling  and  distribution  cost  0.5  pounds  per 
liter for both brands.  
 
For  the  time  being,  there  are  available  75.000  liters  of  wine  A  and  120.000  liters  of 
wine B in the wine-cellar. 
 
 
 
II. Problem 
Because  of  declining  sales  for  certain  wines,  Cecilia  has  decided  to  revamp  the 
company  product  lines.  Unprofitable  products  are  being  discontinued,  launching 
new wine brands if managements approve. 
 
Cecilia now needs to address two issues: 
1. Should the company go ahead with launching these new brands? 
2. If  so,  how  many  liters  of  the  two  brands  must  the  company  produce  this 
year to maximize the profit? 
 
Cecilia  arranges  a  meeting  with  the  Head  of  Manufacturing  Department,  Alma 
Portca,  and  the  Head  of  Marketing  Department,  Shei  Bablicock,  to  discuss  the 
current issues.  
Let’s look at the minute of the meeting. 
 
Time  Problem discussed  Person in charge 
8.00 - 8.30  -Discontinue  3  product  lines:  Bizzard,  Merlot  Alma Portca 
and Synah. 
-Capacity  of  the  factories  is  sufficient  for 
manufacturing the new brands’ products. 
8.30 - 9.00  -Media  Campaign:  Use  television,  social  media  Shei Bablicock 
for advertising the two new brands. 
-Distribution: High-end channels 
 
At  the  outset,  the  Management  Science  Group  spends  considerable  time  with 
Alma  Portca  to  clarify  the  general  problem  and  specific  issues  that  management 
want  addressed.  A  particular  concern  is  to  ascertain  the  appropriate  objective  for 
the  problem  from  management’s  viewpoint.  Alma  points  out  that  determining 
which  mixture  of  the  two  brands  is  going  to  be  the  most  profitable  for  the 
company. 
 
Therefore,  with  Alma’s  concurrence,  the  group  finally  successfully  defined  the  key 
issue to be addressed as follows: 
 Question:  ​Which  combination  of  the  ​production  rates  for  the  two  new 
brands would ​maximize the profit​ f​ rom both of them? 
 
The  group  also  concludes  that  since  the  capacity  is  sufficient,  there  is  no  need  to 
concern about it. The issue here is to choose the most profitable production rate. 
 
Then, the group identifies the information needed to gather to conduct the study: 
1. Available liters of each wine (A and B) in the cellar for the time being. 
2. Profitability  per  liter  of  the  two  brands  (Fein  Wein  and  Party  Plonk)  after 
eliminating cost of goods sold. 
3. The ratio between wine A and B in each brand. 
4. Price of each wine per liter and cost of processing, bottling and distribution. 
 
Concrete  data  are  not  available  for  any  of  these  quantity,  so  estimates  have  to  be 
made.  The  group  develops  the  estimates  that  involve  available  liters  of  each  wine. 
Specifically,  they  estimate  that  the  available  amount  of  wine  A  and  B  is  75000  liters 
and  120000  liters,  respectively.  For  per  liter  of  Fein  Wein  produced,  the  company 
needs  60%  wine  A  and  40%  wine  B  while  it  is  20%  wine  A  and  80%  wine  B  for  per 
liter  of  Party  Plonk.  Both  wines  A  and  B  cost  0.80  and  0.20  pounds  per  liter, 
respectively.  The  processing,  bottling  and  distribution  cost  0.5  pounds  per  liter  for 
both brands. 
 
Then,  they  defines  the  profit  per  liter  of  each  brand  by  eliminating  the  cost  of 
goods sold in the price. We have the table 1.1, summarizing the gathered data: 
 
Ratio between 2 wines for each brand per liter 
  Fein Wein  Party Plonk  Available liters 
Wine A  0.6 per liter  0.2 per liter  75000 liter 
Wine B  0.4 per liter  0.8 per liter  120000 liter 
Profit per liter (=  = ​£2​ - £​ 0.5 - £0.8x0.6  = ​£1.​2 - £​ 0.5 -   
Price - Cost of goods  - £0.2x0.4   £0.8x0.2 - £0.2x0.8  
sold)  = ​£0.94  = £​ 0.38 
 
 
 III. Formulate the Harleys’ problem on the spreadsheet 
We  now  focus  on  how  to  display  the  Harley  problem  with  the  popular  spreadsheet 
package Microsoft Excel. 
 
The  data  cells  in  the  Harleys  Fine  Wines  Co.  are  given  the  range  names  Profit  per 
liter  (£)  (B4:C4),  Ratio  between  2  wines  needed  for  each  brand  per  liter  (B9:D10), 
Liters Available (F9:F10). 
 
Three  questions  needed  to  be  answer  to  begin  the  process  using  the  spreadsheet  to 
formulate a linear programming model for the problem. 
1. What are the d​ ecisions​ to be made? 
2. What are the c​ onstraints​ on these decisions? 
3. What is the ​overall measure of performance​ for these decisions? 
 
The  discussion  between  the  Head  of  Manufacturing  Department  and  the  Harleys’s 
Management Science Group provided the following answers to these questions: 
1. The decisions: p​ roduction rates​ for two new brands. 
2. The  constraints:  the  liters  of  2  wines  used  to  produce  both  brands  can  not 
exceeds the available liters in the cellar. 
3. The overall measure of performance: t​ otal profit​ this year from the 2 brands. 
 
Figure  1.2  shows  how  these  answers  can  be  incorporated  into  the  spreadsheet.  The 
production  rates  of  the  two  brands  are  placed  into  cells  B13  and  C13.  Since  we 
don’t  know  yet  what  the  production  rates  should  be,  they  are  just  entered  as  zeroes 
in  the  figure  1.2.  Later,  these  numbers  will  be  changed  while  seeking  the  best  mix 
of  production  rates.  Therefore,  these  cells  are  called  the  changing  cells  and  shaded 
bright yellow to highlight them.  
 
The  data  in  cells  B9:C10  are  used  to  calculate  the  total  liters  of  each  wine  used  to 
produce both brands this year. 
Liters of Wine A used: 0.6 (# of Fein Wein) + 0.2 (# of Party Plonk) 
Liters of Wine B used: 0.4 (# of Fein Wein) + 0.8 (# of Party Plonk) 
 
Consequently, the Excel equation for them are 
D9 = SUMPRODUCT(B9:C9,B13:C13) 
 D10 = SUMPRODUCT(B10:C10,B13:C13) 
 
Next,  <=  signs  are  entered  into  cells  E9  and  E10  to  indicate  that  each  total  value  to 
their left can not be allowed to exceed the corresponding number in column F. 
Figure 1.2: The complete spreadsheet for the Harleys’s problem 

 
 
Finally,  the  total  profit  from  the  two  brands  is  entered  in  the  cell  F13,  we  have  an 
equation:  
Total profit = £0.94x(# of Fein Wein) + £0.38x(# of Party Plonk) 
 
Hence, the equation for cell F13 is 
F13 = SUMPRODUCT(B13:C13,B4:C4) 
 
Therefore,  the  Total  Profit  (F13)  is  referred  to  as  objective  cell.  This  cell  is  shaded 
orange with heavy border. 
 
Now,  using  Solver  of  Excel,  we  calculate  the  production  rates  and  total  profit.  We 
can see from the figure 1.3 that: 
1. F13 is set as objective. 
2. To maximize profit: we choose Max 
3. Changing variables are B13:C13. 
4. Subject to the constraints: 
 D9 <= F9 
D10 <= F10 
5. Solving method: Simplex LP 
 
Figure 1.3 

 
 
Now, let’s look at the result. 
 
Figure  1.4  shows  the  spreadsheet  when  the  production  rates  are  set  at  90000  liters 
of  Fein  Wein  and  105000  liters  of  Party  Plonk  this  year.  Cell  F13  shows  that  this 
yields  a  total  profit  of  £124500  this  year.  Also  note  that  D9  =  F9,  D10  =  F10,  so  the 
<= signs in column E are all satisfied. Thus, this solution is feasible. 
 
Figure 1.4 

 
 
IV. Algebraic Model 
We have the following quantitative expressions for the constraints: 
 
Liters of Wine A used: 0.6 (# of Fein Wein) + 0.2 (# of Party Plonk) <= 75000 
Liters of Wine B used: 0.4 (# of Fein Wein) + 0.8 (# of Party Plonk) <= 120000 
 
In  addition,  negative  production  rates  are  impossible,  so  two  other  constraints  on 
the decisions are: 
(# of Fein Wein) >= 0  
(# of Party Plonk) >= 0 
 
The overall measure of performance has been identified as the total profit from 
the two brands, so the expression obtained is: 
Total profit = £0.94x(# of Fein Wein) + £0.38x(# of Party Plonk) 
 
The goal is to find out the production rates so as to maximize the total profit., 
subject to satisfying all the constraints below. 
 
To state this objective in a algebraic model, we introduce algebraic symbols. Let 
P = total profit (objective value) 
FW: # of Fein Wein (Liters of Fein Wein produced this year) (decision variable) 
PP: # of Party Plonk (Liters of Party Plonk produced this year) (decision variable) 
 
Substituting the symbols into the above expressions, the linear programming 
model now can be written in algebraic form as show below. 
 
Algebraic Model 
Choose the values of FW and PP so as to maximize  
P = 0.94FW + 0.38PP (objective function) 
 
subject to satisfying all the following constraints: 
0.6FW + 0.2PP <= 75000 (functional constraint) 
0.4FW + 0.8PP <= 120000 (functional constraint) 
 
 
and  
 
FW >= 0 PP >= 0 (nonnegativity constraints) 
 
V. Solution 
Optimal Solution 
 
FW = 90000 
PP = 105000 
 
These values can be substituted into the objective function to find the value of P. 
P = 0.94FW + 0.38PP = 0.94(90000) + 0.38(105000) = 124500 
 
VI. Suggestions 
To maximize the profit, the company should produce 90000 liters of Fein Wein 
and 105000 liters of Party Plonk this year. 
 
 
 
 
 VII. Advantages and Limitations 
Advantages: 
1. Linear  programming  helps  in  attaining  the  optimum  use  of  productive 
resources.  It  also  indicates  how  a  decision-maker  can  employ  his  productive 
factors effectively by selecting and distributing (allocating) these resources. 
2. Linear  programming  techniques  improve  the  quality  of  decisions.  The 
decision-making  approach  of  the  user  of  this  technique  becomes  more 
objective and less subjective. 
3. Linear  programming  techniques  provide  possible  and  practical  solutions 
since  there  might  be  other  constraints  operating  outside  the  problem  which 
must  be  taken  into  account.  Just  because  we  can  produce  so  many  units  not 
mean  that  they  can  be  sold.  Thus,  necessary  modification  of  its 
mathematical  solution  is  required  for  the  sake  of  convenience  to  the 
decision-maker. 
4. Highlighting  of  bottlenecks  in  the  production  processes  is  the  most 
significant  advantage  of  this  technique.  For  example,  when  a  bottleneck 
occurs,  some  machines  cannot  meet  demand  while  other  remains  idle  for 
some of the time. 
5. Linear  programming  also  helps  in  re-evaluation  of  a  basic  plan  for  changing 
conditions.  If  conditions  change  when  the  plan  is  partly  carried  out,  they 
can be determined so as to adjust the remainder of the plan for best results. 
 
Limitations: 
1. There  should  be  an  objective  which  should  be  clearly  identifiable  and 
measurable  in  quantitative  terms.  It  could  be,  for  example,  maximisation  of 
sales,  of  profit,  minimisation  of  cost,  and  so  on,  which  is  not  possible  in  real 
life. 
2. The  activities  to  be  included  should  be  distinctly  identifiable  and  measurable 
in  quantitative  terms,  for  instance,  the  products  included  in  a  production 
planning  problem  and  all  the  activities  can’t  be  measured  in  quantitative 
terms  for  example  if  labour  is  sick,  which  will  decrease  his  performance 
which can’t be measured. 
3. The  relationships  representing  the  objective  as  also  the  resource  limitation 
considerations,  represented  by  the  objective  function  and  the  constraint 
equations, respectively must be linear in nature, which is not possible. 
 4. There  should  be  a  series  of  feasible  alternative  courses  of  action  available  to 
the decision makers, which are determined by the resource constraints. 
5. While  solving  an  LP  model,  there  is  no  guarantee  that  we  will  get  integer 
valued  solutions.  For  example,  in  finding  out  how  many  men  and  machines 
would  be  required  lo  perform  a  particular  job,  a  non-integer  valued  solution 
will  be  meaningless.  Rounding  off  the  solution  to  the  nearest  integer  will 
not yield an optimal solution. 
6. Linear  programming  model  does  not  take  into  consideration  the  effect  of 
time  and  uncertainty.  Thus,  the  LP  model  should  be  defined  in  such  a  way 
that  any  change  due  to  internal  as  well  as  external  factors  can  be 
incorporated. 
7. Parameters  appearing  in  the  model  are  assumed  to  be  constant  but  in 
real-life situations, they are frequently neither known nor constant. 
8. Parameters  like  human  behaviour,  weather  conditions,  stress  of  employees, 
demotivated  employee  can’t  be  taken  into  account  which  can  adversely 
affect any organisation 
9. Only  one  single  objective  is  dealt  with  while  in  real  life  situations,  problems 
come with multi-objectives. 
 
VIII. Conclusion 
Linear  programming  is  a  powerful  technique  for  aiding  managerial  decision 
making  for  certain  kinds  of  problems.  The  basic  approach  is  to  formulate  a 
mathematical  model  called  a  linear  programming  model  to  represent  the  decisions 
to  be  made,  constraints  to  represent  restrictions  on  the  feasible  values  of  the 
decision  variables,  and  an  objective  function  that  express  the  overall  measure  of 
performance  for  the  problem.  Spreadsheets  provide  a  flexible  and  intuitive  way  of 
formulating  and  solving  a  linear  programming  model.  However,  the  managers 
should  consider  the  preciseness  of  this  model  when  solving  the  problems  including 
non-quantitative variables.