Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
Investigación de Operaciones
SESIÓN 01.
INTRODUCCIÓN A LA INVESTIGACIÓN
DE OPERACIONES
Contenidos:
SESIÓN 01.1
1.1 INTRODUCCIÓN ................................................................................................................................................. 2
1.2 UN POCO DE HISTORIA ................................................................................................................................... 5
1.3 DEFINICIÓN DE INVESTIGACIÓN DE OPERACIONES (IO). .............................................................. 6
1.4 METODOLOGÍA DE LA INVESTIGACIÓN DE OPERACIONES. .......................................................... 7
1.5 ESTRUCTURA Y CONSTRUCCIÓN DE MODELOS DE OPTIMIZACIÓN. ......................................... 9
1.6 MODELOS DE PROGRAMACIÓN LINEAL .............................................................................................. 11
1.4 MODELOS FÁCILES ................................................................................................................................... 15
1.5 MODELOS CON POCO GRADO DE DIFICULTAD ........................................................................ 24
1.6 MODELOS CON RAZONABLE GRADO DE DIFICULTAD ............................................................. 39
1.7 MODELOS DIFÍCILES ................................................................................................................................ 46
1.7 SOLUCIÓN DE MODELOS LINEALES CON SOLVER........................................................................... 53
1.8 HOJA DE TRABAJO 01 ................................................................................................................................... 65
1
1.1 INTRODUCCIÓN
Una decisión puede ser clasificada en estructurada si envuelve una serie de factores que
puedan ser cuantificados y luego formulados en términos matemáticos. La Investigación de
Operaciones es una herramienta de apoyo a la decisión estructurada, y durante el presente
curso vamos ver que algunos problemas pueden ser formulados matemáticamente.
Resulta que Paquito está saliendo con dos de sus vecinas, llamadas Katy y Fiorella. Por tal
motivo debe tomar la decisión con quien de las vecinas debe salir. Obviamente, lo primero
que pasa por su cabeza, es salir con las dos al mismo tiempo, cierto?, pero salir con las dos
al mismo tiempo puede causar problemas dado que ellas no aceptarían salir juntas sobre
todo porque se sabe que son muy celosas.
Por otro lado, salir todo el día con una vecina no es muy bueno económicamente dado que
Paquito no dispone del dinero suficiente, pero por encima de esta limitación Paquito está
decidido disfrutar de su buena suerte al haber conquistado a sus dos vecinas; así que está
pensando en alguna estrategia que le permita decidir cuantas veces al mes debe salir con
cada una de sus vecinas. ¿Cuál es la decisión?.
El primer paso que realiza es representar con letras y subíndices el número de salidas al
mes con cada una de sus vecinas, de la siguiente forma:
Estas expresiones son denominadas variables de decisión x1 y x2 , las cuales son la parte
Podemos pensar que Paquito puede salir con sus vecinas cuantas veces quisiera, pero uno
de sus principales problemas es la falta de dinero (problemas financieros), puesto que
Paquito sabe que a Katy le gusta de frecuentar lugares caros y una salida le genera un gasto
de 180 soles, sin embargo Fiorella es más sencilla y gusta frecuentar lugares más baratos,
así ella le genera un gasto de 100 soles.
Se sabe que Paquito recibe una mensualidad 800 soles por mes, dinero que a propósito le
envían sus padres para sus estudios. Conociendo los gastos que generan sus vecinas,
Paquito se pregunta cómo hacer para no terminar endeudado. Por tanto comienza hacer
sus cuentas del siguiente modo:
Como una salida con Katy le cuesta 180 soles y como x1 representa el número de veces al
mes que sale con Katy, entonces al mes terminaría gastando 180 x1 soles. Del mismo modo
salir con Fiorella le cuesta 100 soles y como sale x2 veces al mes con ella, entonces al mes
Paquito sabe que no puede gastar más de 800 soles mensuales, por tanto representa este
inconveniente del siguiente modo:
Pero los inconvenientes para salir con ellas no quedan allí, porque la diferencia entre las dos
no son sólo los gastos por salida, sino que también tiene problemas con el tiempo. Es
decir, salir con Katy requiere en promedio 4 horas de su tiempo, mientras que una salida
con Fiorella requiere en promedio 2 horas.
El problema con el tiempo es porque Paquito tiene que estudiar, porque de no ser así sus
calificaciones bajarían y sus padres dejarían de asignarles los 800 soles mensuales.
Consideremos que Paquito sólo dispone de 20 horas libres por mes. Como podemos
garantizar que él no empleará más tiempo del que dispone, así usando la notación anterior,
tenemos:
4 x1 2 x2 20
Tiempo libre
Total de horas
3
4 x1 2 x2 20
Para poder planear y decidir cuantas veces tendrá que salir con Katy ( x1 ) y cuantas con
Fiorella ( x2 ), tomando en cuenta el dinero y tiempo disponible. A la vez podrá saber cuántas
horas y cuanto de dinero consumirá, así como cuánto dinero y tiempo le sobrará.
1° Caso
¿Cuánto consume si sale con Katy 3 veces y con Fiorella 2 veces?, es decir x1 3 y x2 2 ,
¿Cuánto le sobra?
Como podemos ver al salir tres veces con Katy y dos veces con Fiorella, Paquito consume
740 soles y 16 horas, sobrando al final del mes 60 soles y 4 horas.
2° Caso
¿Cuánto consume si sale con Katy 3 veces y con Fiorella 4 veces?, es decir x1 3 y x2 4 ,
¿Cuánto le sobra?
Como podemos ver al salir tres veces con Katy y cuatro veces con Fiorella, Paquito consume
940 soles y 20 horas, generándole una deuda de 140 soles dado que él dispone sólo de 800
soles, por otro lado consume todo el tiempo disponible del mes que son las 20 horas.
Por lo tanto, Paquito no puede salir tres veces con Katy y cuatro veces con Fiorella, dado
que está situación es imposible, dentro de las condiciones que fueron propuestas.
Maximizar x1 x2
Otro posible objetivo puede ser construido del siguiente hecho; a Paquito le gusta dos veces
más Katy que Fiorella, entonces podemos crear un coeficiente que represente su
preferencia; es decir un valor unitario para Fiorella y el doble para Katy. Obteniendo el
siguiente objetivo
Maximizar 2 x1 x2
Con el desarrollo de métodos efectivos para el uso del nuevo radar, estos equipos
contribuyeron al triunfo del combate aéreo inglés, a través de sus investigaciones para
mejorar el manejo de las operaciones antisubmarinas y de protección, jugaron también un
papel importante en la victoria de la batalla del Atlántico Norte.
Markowitz. Simulación.
Arrow-Karli. Inventarios.
Por tal motivo, decimos que la investigación de operaciones utiliza los resultados de muchas
áreas científicas aunque fundamentalmente se encuentra en la matemática, la economía, el
cálculo de probabilidades y la estadística.
Definición del
problema
Formulación
construcción
del modelo
matemático
Reformulación
del modelo
Aplicación del
modelo
Donde:
1. La definición del problema es una de las fases más importantes del proceso y
comprende la clara percepción del desafío colocado. El problema debe ser traducido en
elementos palpables englobando:
Descripción exacta de los objetivos del estudio.
Identificación de las variables de decisión o control existentes.
Nivel de detalle (reconocimiento de las limitaciones, restricciones y exigencias del
sistema).
La descripción de los objetivos es una de las actividades más importantes en todo el
proceso de estudio pues a partir de ella es que el modelo es creado. De la misma forma es
esencial que las alternativas de decisión y las limitaciones sean explicitadas, para que las
soluciones obtenidas al final del proceso sean válidas y aceptables.
Por otro lado, una adecuada formulación depende también de elementos que escapan al
contenido estrictamente técnico, envolviendo la percepción del elaborador del modelo (o
equipo de elaboración) y una facultad cognitiva de alto nivel.
En esta fase de formulación del modelo de optimización son definidos los tipos de
variables a utilizar en la representación, así como el nivel apropiado de agregación de las
variables. También deben ser representadas las restricciones del problema, tanto las
cuantitativas como las de naturaleza lógica.
8
El modelo deberá ser adecuado a la naturaleza de los datos de entrada y de salida, así
como ser capaz de expresar las funciones de desempeño que posiblemente serán exigidos
en el proceso de optimización. (Función objetivo)
3. Validación del modelo, es necesario verificar la validez del modelo. Un modelo es válido
si tomando en cuenta su inexactitud en representar el sistema, él es capaz de dar una
predicción aceptable del comportamiento del sistema. Un método común para verificar la
validez del modelo es analizar su desempeño con datos pasados del sistema y verificar si
él logra reproducir el comportamiento que el sistema presentó. Es importante observar
que este proceso de validación no se aplica a sistemas inexistentes, es decir en proyectos.
En este caso la validación es hecha por la verificación de la correspondencia entre los
resultados obtenidos y algún comportamiento esperado del nuevo sistema.
4. Una vez evaluadas las ventajas y la validación de la solución obtenida, esta debe ser
convertida en reglas operacionales. La implementación, por ser una actividad que altera
una situación existente, es una de las etapas críticas del estudio. Es conveniente que sea
controlada por el equipo responsable, pues eventualmente los valores de la nueva
solución, cuando llevados a la práctica pueden demostrar la necesidad de corregir las
relaciones funcionales del modelo conjunto de posibles cursos de acción exigiendo la
reformulación del modelo en alguna de sus partes.
Como el proceso de modelado depende del espíritu creativo del hombre, tal vez no podemos
definir claramente los límites de los modelos de Programación Matemática y sus
aplicaciones. Generalmente podemos decir que su empleo clásico seria:
“Utilizar de forma eficiente recursos limitados y que pueden ser disputados por
actividades alternativas”
Podemos resumir de forma sucinta los pasos del proceso de análisis cuantitativo conforme
se expresa en el siguiente flujo:
Un gran proceso de feedback repasando las etapas anteriores, haciendo uso del
modelo en el sistema de producción o prestación de servicios.
Modelos de
optimización
Estocástico Determinístico
Lineal No lineal
Binario Restricto
Irrestricto
Así un modelo de Programación Lineal (PL) considera que las variables de decisión tienen un
comportamiento lineal, tanto en la función objetivo como restricciones del problema. En este
sentido, la Programación Lineal es una de las herramientas más utilizadas en la
Investigación Operativa debido a que por su naturaleza se facilitan los cálculos y en general
permite una buena aproximación de la realidad.
11
La formulación del problema a ser solucionado por programación lineal sigue algunos pasos
básicos:
Debe ser definido el objetivo básico del problema, es decir la optimización a ser
alcanzada. Por ejemplo maximizar ganancias, desempeños o bienestar social;
minimizar costos, perdidas, tiempo. Tal objetivo será representado por una función
objetivo, a ser maximizada o minimizada.
Para que esta función objetivo sea matemáticamente especificada, deben ser definidas
las variables de decisión involucradas. Por ejemplo, número de máquinas, área a ser
explorada, etc. Normalmente se asume que todas estas variables poseen solamente
valores positivos.
Estas variables están sujetas a una serie de restricciones, normalmente representadas
por inecuaciones. Por ejemplo, cantidad de equipos disponibles, tamaño del área a ser
explorada, etc.
Todas las expresiones, deben estar de acuerdo con la hipótesis principal de la programación
lineal, es decir todas las relaciones entre las variables deben ser lineales. Esto implica
proporcionalidad de las cantidades envueltas.
A continuación desarrollamos algunos ejemplos que nos permitirá conocer un poco más
acerca de los problemas de programación lineal.
Problema 1.1. Yemito es un aficionado de los juguetes electrónicos y planea construir dos
tipos de juguetes electrónicos (Ben10 y DinoRey). Él sabe que para construir un juguete
Ben10 debe necesitan 9 sensores electrónicos y 3 horas de trabajo. Mientras que para
construir un DinoRey se necesitan 1 sensor electrónico y 1 hora de trabajo. Yemito pidió a su
papá comprar los sensores electrónicos, pero éste sólo compro 18 sensores electrónicos. Por
otro lado, Yemito tiene planeado trabajar en sus juguetes el día sábado de 8:00 am hasta las
8:00 pm, por tal motivo dispone de 12 horas para trabajar en la construcción de los juguetes.
Yemito tiene planeado vender estos juguetes en su escuela, obteniendo una utilidad de 4
dólares por cada juguete Ben10 y un dólar por cada juguete DinoRey. Sabiendo que logra
vender todos los juguetes construidos, se pide elaborar un modelo de programación lineal
para optimizar sus utilidades.
Solución:
Para elaborar el modelo de programación lineal seguimos los siguientes pasos:
1. Definición de las variables de decisión:
En este caso estamos interesados en saber cuántos juguetes Ben10 y DinoRey debe
construir, por tal motivo declaramos las variables de decisión de la siguiente forma:
x1 : Cantidad de juguetes Ben10 construidos
Una vez declaradas las variables de decisión, debemos expresar la función objetivo
utilizando dichas variables.
2. Elaboración de la función objetivo:
Dado que nuestro propósito es maximizar la utilidad total y sabemos que por la fabricación
de un Ben10 tenemos una utilidad de 4 dólares, entonces la utilidad total generada por el
modelo ben10 es de $ 4x1 , de igual forma el modelo DinoRey genera una utilidad de $1 x2 .
Por tanto si queremos obtener la utilidad total generada por la fabricación de los dos
juguetes tendremos z 4 x1 x2 .
Restricciones de no negatividad
Dado que las variables de decisión sólo pueden tomar valores no negativos, es decir,
mayores o iguales a cero tenemos que x1 0 y x2 0 .
4. Modelo final:
Finalmente podemos expresar el modelo de programación lineal de la forma siguiente
Max z 4 x1 x2
sujeto a :
9 x1 x2 18
3x1 x2 12
x1 , x2 0
13
Observaciones:
Para determinar la función objetivo debe tomarse en cuenta lo siguiente:
a. Si tenemos como datos solo costos ya sean de materia prima, mano de obra, uso de
máquina, transporte, depreciación, etc. Nos indica indudablemente que la Función
Objetivo (F.O.) será de MINIMIZACIÓN.
b. Si el enunciado solo tiene datos económicos de ganancia, precio de venta o dinero a
recibir por unidad producida la F.O. será de MAXIMIZACIÓN.
c. Si el enunciado tiene datos de costos y ganancias, entonces construimos la F.O. de la
siguiente manera:
GANANCIAS - COSTOS =UTILIDAD, la que tendrá como F.O. MAXIMIZAR.
d. Si no se tiene ningún dato económico y solo se tienen tiempos, el tiempo se
minimiza, si nos da solo producción, la producción se ha de maximizar, si el modelo
corresponde a contratar personal, la función objetivo se debe minimizar.
Muchos problemas tienen expresiones características que nos pueden anunciar que
tipo de restricción debemos usar, por ejemplo:
Las restricciones deben tener las mismas unidades en tanto en su lado izquierdo como
derecho.
La no negatividad de algunas variables es muy importante para definir la solución de
algunos modelos, por lo tanto se dice que todas las variables son 0 .
A partir de ahora mostraremos una gran variedad de aplicaciones de modelos lineales con la
finalidad de que se familiarice con los modelos de programación lineal. Para este fin se ha
etiquetado a los problemas según su nivel de dificultad, por tal motivo al lado derecho de
cada problema colocamos un icono que identificará el nivel de dificultad
En la siguiente tabla se muestran los niveles de los problemas y sus respectivos iconos de
identificación.
14
Vino Vinagre
Beneficio (S/) 8 2
Maximizar z 8x1 2 x2
2 x1 x2 4
Restricciones de no negatividad
Dado que las variables de decisión sólo pueden tomar valores no negativos, tenemos
que x1 0 , x2 0 .
4. Modelo Lineal:
Finalmente podemos expresar el modelo lineal de la siguiente manera:
Max z 8 x1 2 x2
sujeto a :
2 x1 x2 4
3x1 4 x2 18
x1 0 , x2 0
Solución:
En primer lugar ordenamos la información en la siguiente tabla
Restricciones de no negatividad
Dado que las variables de decisión sólo pueden tomar valores no negativos, tenemos
que x1 0 , x2 0 .
4. Modelo Lineal:
Finalmente podemos expresar el modelo lineal de la siguiente manera:
depósitos. ¿Cuántas operaciones de cada tipo le convienen realizar para obtener el máximo
beneficio?.
Solución:
En primer lugar ordenamos la información en la siguiente tabla
Restricciones de no negatividad
Dado que las variables de decisión sólo pueden tomar valores no negativos, tenemos
que x1 0 , x2 0 .
4. Modelo Lineal:
Finalmente podemos expresar el modelo lineal de la siguiente manera:
18
4
Max z x1 x2
3
sujeto a :
x1 x 2 40
x1 2 x 2 60
x1 0 , x 2 0
Solución:
1. Definición de las variables de decisión:
x i : Número de libras de i 1, 2 , 3, 4 (maíz, soya, avena y alfalfa respectivamente) a comprar.
Restricción de calcio.
40 x1 10 x2 40 x3 45x4 150 .
Restricción de grasas.
20 x1 50 x2 8x3 25x4 25 .
19
Restricción de calorías.
850 x1 1500 x2 1200 x3 4000 x4 5000 .
Restricciones de no negatividad
Dado que las variables de decisión sólo pueden tomar valores no negativos, tenemos
que x1 , x2 , x3 , x4 0 .
4. Modelo Lineal:
Finalmente podemos expresar el modelo lineal de la siguiente manera:
Min z 70 x1 45 x 2 40 x 3 90 x 4
sujeto a :
15 x1 30 x 2 15 x 3 7 x 4 50
40 x1 10 x 2 40 x 3 45 x 4 150
20 x1 50 x 2 8 x 3 25 x 4 25
20 x1 50 x 2 8 x 3 25 x 4 120
850 x1 1500 x 2 1200 x 3 4000 x 4 5000
x1 , x 2 , x 3 , x 4 0
Solución:
1. Definición de las variables de decisión:
x i : Número de llamadas realizadas en horario i 1, 2 (diurno y noche respectivamente).
20
Minimizar z 2 x1 5x2
4. Modelo Lineal:
Finalmente podemos expresar el modelo lineal de la siguiente manera:
Min z 2 x1 5 x 2
sujeto a :
0.3x1 0.3x 2 150
0.1x1 0.3 x 2 120
0.1x1 0.15 x 2 100
0.1x1 0.2 x 2 110
x 2 x1 0
x1 , x 2 0
10 soles el kilo y el precio del rape es de 15 soles el kilo, ¿qué cantidades debe pescar para
obtener el máximo beneficio?
Solución:
1. Definición de las variables de decisión:
x i : Número de toneladas de peces del tipo i 1, 2 (merluza y rape respectivamente) a
pescar.
2. Elaboración de la función objetivo:
Para obtener el beneficio total multiplicamos el valor de un kilo de merluza y rape por la
cantidad vendida de cada uno de ellos, para esto, debemos transformar la unidad de
medida de nuestra variable dado que está en toneladas. Obteniendo así, un beneficio total
soles kg soles kg
de 10 1000 x1 15 1000 x2 .
kg tn kg tn
Restricciones de no negatividad
Dado que las variables de decisión sólo pueden tomar valores no negativos, tenemos
que x1 , x2 0 .
4. Modelo Lineal:
Finalmente podemos expresar el modelo lineal de la siguiente manera:
Problema 1.8.
Carmac Company fabrica carros compactos y subcompactos. La producción de cada carro
requiere una cierta cantidad de materia prima y mano de obra, como se especifica en la Tabla
1.4.
Tabla 1.4. Materia prima y mano de obra
22
Compacto 200 18
Subcompacto 150 20
Costo unitario ($) 10 70
Total disponible 80 000 9 000
La división de comercialización ha estimado que a los más 1500 compactos pueden venderse
a $10 000 cada uno y que a lo más 200 subcompactos pueden venderse a $8000 cada uno.
Como vicepresidente de programación, formule un modelo para determinar la cantidad a
fabricar de cada tipo de carro para maximizar la ganancia total (ingresos menos gastos).
Solución:
1. Definición de las variables de decisión:
x i : Cantidad de unidades de carros i 1,2 (compactos y subcompactos, respectivamente) a
producir.
2. Elaboración de la función objetivo:
Dado que se desea maximizar la ganancia, debemos saber que:
Ganancia=Precio de venta-Costos de producción
Como la materia prima tiene un costo de $10 y para la elaboración de un compacto se
utiliza 200 unidades de materia prima, se tiene un costo de total de $2000 por cada
compacto producido y $ 1500 por cada subcompacto.
Del mismo modo, la mano de obra tiene un costo de $70 y para la elaboración de un
compacto se utiliza 18 unidades de mano de obra, se tiene un costo total de $1260 por
cada compacto producido y $1400 por cada subcompacto.
Finalmente obtenemos la siguiente función objetivo:
Maximizar z 10000x1 8000x2 2000x1 1500x2 1260x1 1400x2
Restricciones de no negatividad
Dado que las variables de decisión sólo pueden tomar valores no negativos, tenemos
que x1 , x2 0 .
23
4. Modelo Lineal:
Finalmente podemos expresar el modelo lineal de la siguiente manera:
Max z 6740 x1 5100 x 2
sujeto a :
9200 x1 150 x 2 80000
18 x1 20 x 2 9000
x1 1500
x 2 200
x1 , x 2 0
respectivamente) para elaborar el tipo de dulce j 1,2 (Easy Out Candy y Slugger
Candy respectivamente).
2. Elaboración de la función objetivo:
Maximizar z 0.25( x11 x21 x31) 0.2( x12 x22 x32 )
Restricciones de no negatividad
Dado que las variables de decisión sólo pueden tomar valores no negativos, tenemos
que xij 0 ; i 1,2,3 , j 1,2 .
4. Modelo Lineal:
Finalmente podemos expresar el modelo lineal de la siguiente manera:
Solución:
1. Definición de las variables de decisión:
xij : Toneladas que la acería i 1,2,3 produce del acero j 1,2 .
Producción de acero1:
x11 x21 x31 500
Producción de acero2:
x12 x22 x32 600
Restricciones de no negatividad
Dado que las variables de decisión sólo pueden tomar valores no negativos, tenemos
que xij 0 ; i 1,2,3 , j 1,2 .
4. Modelo Lineal:
Finalmente podemos expresar el modelo lineal de la siguiente manera:
Funco fabrica mesas y sillas. Hay que fabricar cada mesa y cada silla completamente de
roble o de pino. Se dispone de un total de 150 pies de tabla de roble y de 210 pies de tabla de
pino. Una mesa requiere 17 pie de roble, o bien 30 pies de pino y una silla necesita 5 pies de
roble, o bien, 13 pies de pino. Se puede vender cada mesa a 40 dólares y cada silla a 15
dólares. Formule un PL que se puede usar para maximizar los ingresos.
Solución:
En primer lugar ordenamos la información dada en la siguiente tabla
Restricciones de no negatividad
Dado que las variables de decisión sólo pueden tomar valores no negativos, tenemos
que xij 0 ; i 1,2 , j 1,2 .
4. Modelo Lineal:
Finalmente podemos expresar el modelo lineal de la siguiente manera:
Solución:
1. Definición de las variables de decisión:
xij : Número de horas a laborar para la producción del componente i 1,2,3 en el
departamento j 1,2,3 .
Restricciones de no negatividad
Dado que las variables de decisión sólo pueden tomar valores no negativos, tenemos
que xij 0 ; i 1,2,3 , j 1,2,3 .
4. Modelo Lineal:
Finalmente podemos expresar el modelo lineal de la siguiente manera:
28
Max z P
sujeto a :
12 x11 9 x12 10 x13 P
10 x 21 12 x 22 5 x 23 P
18 x 31 11x 32 12 x 33 P
x11 x 21 x 31 250
x12 x 22 x 32 300
x13 x 23 x 33 360
x ij 0 ; i 1,2 , j 1,2
Solución:
1. Definición de las variables de decisión:
xi : Camareras que ingresan a trabajar el día i L, M , Mi; J ,V , S , D (lunes, martes, miércoles,
Para construir las restricciones del problema, utilizamos la siguiente tabla, en la cual se
muestra los días en las que están presentes los trabajadores según el día que comienzan a
trabajar. (Por ejemplo; los trabajadores que inician sus labores el día viernes trabajan
hasta el martes)
xM xM xM xM xM
x Mi x Mi x Mi x Mi x Mi
xJ xJ xJ xJ xJ
xV xV xV xV xV
xS xS xS xS xS
xD xD xD xD xD
Restricciones de no negatividad
Dado que las variables de decisión sólo pueden tomar valores no negativos, tenemos
que xi 0 ; i L, M , Mi, J ,V , S , D .
4. Modelo Lineal:
Finalmente podemos expresar el modelo lineal de la siguiente manera:
30
Min z x L x M x Mi x J xV x S x D
sujeto a :
6x L x J xV x S x D 150
6x L x M xV x S x D 200
6x L x M x Mi x S x D 400
6x L x M x Mi x J x D 300
6x L x M x Mi x J xV 700
6x M x Mi x J xV x S 800
6x Mi x J xV x S x D 300
x i 0 ; i L, M , Mi , J , V , S , D
Solución:
Vendimia 1 Vendimia 2 Vendimia 3 Vendimia 4
Mezcla A x1A x2 A x3 A x4 A
Mezcla B x1B x2B x3 B x4B
Mezcla C x1C x 2C x3C x 4C
j A, B, C
2. Elaboración de la función objetivo:
31
Maximizar z
$70
x1A x2 A x3 A x4 A gal $40 x1B x2B x3B x4 B gal $30 x1C x2C x3C x4C gal
gal gal gal
Mezcla B: En la expresión por lo menos 35% , el denominador esta formado por todas la
vendimias pero el numerador se refiere sólo a las vendimias 1 y 2, la expresión es:
Oferta de la vendimia 1: se tiene en oferta 180 galones, como esto es lo máximo que se
dispone entonces la restricción queda:
x1A x1B x1C gal 180 gal
Oferta de la vendimia 2: se tiene en oferta 250 galones, como esto es lo máximo que se
dispone entonces la restricción queda:
x2 A x2B x2C gal 250 gal
Oferta de la vendimia 3: se tiene en oferta 200 galones, como esto es lo máximo que se
dispone entonces la restricción queda:
x3A x3B x3C gal 200 gal
Oferta de la vendimia 4: se tiene en oferta 400 galones, como esto es lo máximo que se
dispone entonces la restricción queda:
x4 A x4B x4C gal 400 gal
32
Restricciones de no negatividad
Dado que las variables de decisión sólo pueden tomar valores no negativos, tenemos
que xij 0 ; i 1,2,3,4 , j A, B, C .
4. Modelo Lineal:
Finalmente podemos expresar el modelo lineal de la siguiente manera:
Formule un modelo para determinar la cantidad de cada ácido concentrado por diluir para
maximizar las ganancias totales.
Solución:
1. Definición de las variables de decisión:
x1 : Número de litros de H2SO4 concentrado
Maximizar z $0.10
p1 litros
$0.10
p2 litros
$0.15
y1 y2 litros $12 x1 litros $18 x2litros
0.10 litros 0.10 litros litros litros litros
Cantidad de HCL:
x2 150
Cantidad de botellas:
1 botella
x1 y1 litro 1 botella x2 y2 litro 50000 botellas
0.1 litro 0.1 litro
Proporción:
x1 1
y1 20
x2 1
y 2 30
Producción:
p1 x1 y1
p2 x2 y2
Restricciones de no negatividad
Dado que las variables de decisión sólo pueden tomar valores no negativos, tenemos
que x1, x2 , y1, y2 , p1, p2 0 .
4. Modelo Lineal:
Finalmente podemos expresar el modelo lineal de la siguiente manera:
Max z 0.1 p1 0.1 p 2 0.15 y1 y 2 12 x1 18 x 2
sujeto a :
x1 200
x 2 150
10x1 y1 10x 2 y 2 50000
20 x1 y1 0
30 x 2 y 2 0
p1 x1 y1
p2 x2 y2
x1 , x 2 , y1 , y 2 , p1 , p 2 0
34
Columnas:
x11 x 21 x31 6
x12 x 22 x32 6
x13 x 23 x33 6
Valores:
1 x11 6
1 x12 6
1 x13 6
1 x 21 6
1 x 22 6
1 x 23 6
1 x31 6
1 x32 6
1 x33 6
No negatividad:
xij 0
4. Modelo Lineal:
Finalmente podemos expresar el modelo lineal de la siguiente manera:
35
2 1320000 650
3 370000 350
4 890000 500
Solución:
1. Definición de las variables de decisión:
xij : Número de acres a sembrar en la granja i 1,2,3,4 con el cultivo j 1,2,3 .
Maximizar z
$500
x11 x 21 x31 x 41 acres $350 x12 x22 x32 x 42 acres $200 x13 x23 x33 x 43
acre acres acres
No negatividad:
xij 0
4. Modelo Lineal:
Finalmente podemos expresar el modelo lineal de la siguiente manera:
38
Si todas las unidades fallan en solo uno o dos de los compartimentos, los astronautas pueden
ocupar el compartimento, o los compartimentos restantes y continuar su viaje espacial pero
con cierta perdida en la cantidad de información científica que puede ser obtenida. Sin
embargo, si todas las unidades fallan en los tres compartimentos, entonces los astronautas
todavía pueden regresar la nave con seguridad, pero el viaje en conjunto debe ser
completamente abortado a gran costo. Por lo tanto, el objetivo es minimizar la probabilidad de
que esto ocurra, sujeto a las limitaciones antes mencionadas y a la restricción adicional de
que cada compartimento tenga una probabilidad de no más del 0.05 de que todas sus
unidades fallen. Plantéese el modelo de programación lineal para este problema. (Sugerencia:
úsense logaritmos)
Solución:
1. Definición de las variables de decisión:
xi : Número de unidades de apoyo en el compartimento i 1,2,3 .
Peso:
15x1 20 x2 10 x3 200
Costo:
30000 x1 35000 x2 25000 x3 400000
ln(0.05)
0.3 x1 0.05 x1
ln(0.3)
Si existe una unidad en el compartimiento 1, la probabilidad de falla seria de 0.3, si
hubieran dos unidades, la probabilidad seria (0.3) (0.3) = (0.09), y de modo general, si
x
hubieran x1 unidades, la probabilidad seria 0.3 1
4. Modelo Lineal:
Min Z x1 ln(0.3) x 2 ln(0.4) x 3 ln(0.2)
sujeto a :
40 x1 50 x 2 30 x 3 500
15 x1 20 x 2 10 x 3 200
30000 x1 35000 x 2 25000 x 3 400000
ln(0.05)
x1
ln(0.3)
ln(0.05)
x2
ln(0.4)
ln(0.05)
x3
ln(0.2)
x1 , x 2 , x 3 0
Problema 1.19.
Una familia de granjeros posee 100 acres de tierra y tiene $30000 en fondos disponibles para
inversión. Sus miembros pueden producir un total de 3500 horas-hombre de mano de obra
durante los meses de invierno (de mediados de septiembre a mediados de mayo), 4000
horas-hombre durante el verano. Si no se necesitan cualesquiera de estas horas-hombre, los
miembros más jóvenes de la familia usarán para trabajar en una granja vecina por
$4.00/hora, durante los meses de invierno, y $4.50/hora, durante el verano.
El ingreso de efectivo puede obtenerse a partir de tres cultivos y dos tipos de animales: vacas
lecheras y gallinas ponedoras. No se necesita invertir en los cultivos. Sin embargo, cada vaca
requerirá un desembolso de $900 y cada gallina requerirá de $7. Cada vaca requerirá 1.5
acres de tierra, 100 horas-hombre de trabajo durante los meses de invierno, y otras 50
horas-hombre durante el verano. Cada vaca producirá un ingreso anual neto en efectivo de
41
$800 para la familia. Los valores correspondientes para las gallinas son: nada de tierra, 0,6
horas hombre durante el verano y un ingreso anual neto en efectivo de $5. El gallinero puede
acomodar un máximo de 300 gallinas y el tamaño del granero limita el rebaño a un máximo
de 32 vacas. Las horas hombres y los ingresos estimados por acre plantado en cada uno de
los tres cultivos se muestran en Tabla 1.13
La familia desea saber cuántos acres deben plantarse en cada uno de cultivos y cuántas
vacas y gallinas deben tener para maximizar su ingreso neto de efectivo.
Plantéese el modelo de programación lineal para este problema.
Solución:
1. Definición de las variables de decisión:
x1 : Número de acres de tierra asignados para el frijol de soya.
x4 : Número de vacas.
x5 : Número de gallinas.
Horas-hombre en invierno:
20x1 35x2 10x3 100x4 x6 horas / hom bre 3500 horas / hom bre
42
Horas-hombre en verano:
50x1 75x2 40x3 50x4 0.6x5 x7 horas / hom bre 4000 horas / hom bre
Fondos:
$900 $7
x4 vacas x5 gallinas $30000
vaca gallinas
No negatividad:
xi 0
4. Modelo Lineal:
Min z 375 x1 550 x 2 250 x3 800 x 4 5 x 5 4 x 6 4.5 x 7
sujeto a :
x1 x 2 x 3 1.5 x 4 100
x 5 300
x 4 32
20 x1 35 x 2 10 x 3 100 x 4 x 6 3500
50 x1 75 x 2 40 x 3 50 x 4 0.6 x 5 x 7 4000
900 x 4 7 x 5 30000
x1 , x 2 , x 3 , x 4 , x 5 , x 6 , x 7 0
Problema 1.20.
La corporación Brady produce armarios. Necesitan semanalmente 90 000 pies cúbicos de
madera procesada. Puede conseguir madera procesada de dos maneras.
Primero, puede comprar madera de un proveedor eterno, y después secarla en su propio
horno. Segundo, puede cortar troncos en sus propios terrenos, convertidos en madera en su
propio aserradero y, finalmente, secar la madera en su propio horno. Brady puede comprar
madera clase 1 o clase 2. La madera clase 1 cuesta 3 dólares/pie cúbico y produce 0.7 pie
cúbico de manera útil luego de secarla. La madera clase 2 cuesta 7 dólares/pie cúbico y
produce 0.9 pie cúbico de madera útil ya seca. Le cuesta 3 dólares a la compañía cortar un
tronco. Después de cortarlo y secarlo, un tronco produce 0.8 pie cúbico de madera. Brady
incurre en un costo de 4 dólares/pie cúbico de madera seca. Cuesta 2.50 dólares/pie cúbico
procesar troncos en el aserradero. El aserradero puede procesar semanalmente hasta 35 000
pie cúbico de madera. Se puede comprar cada semana hasta 40 000 pies cúbicos de madera
de clase 1, y hasta 60 000 pies cúbicos de madera de clase 2. Semanalmente, se disponen de
40 horas para secar madera de clase 1, madera clase 2, o troncos, es el siguiente. Clase 1, 2
segundos, clase 2, 8 segundos, troncos, 1.3 segundos. Formule un PL para ayudar a Brady a
minimizar los costos semanales para satisfacer las demandas de madera procesada.
Solución:
1. Definición de las variables de decisión:
T : Número de acres de tierra asignados para el frijol de soya.
PCL1 : Número de pies cúbicos de madera comprada de clase 1 semanalmente.
43
pie3 pie3
PCL1 40000
semana semana
pie 3 pie 3
PCL2 60000
semana semana
Tiempo de secado:
2 seg 3 3
PCL1 pie 0.8 seg PCL2 pie T tronco1.3 seg 40 h
3600
seg
pie 3 semana 3 semana tronco semana h
pie
Capacidad de aserradero:
3 3 3 3
0.7 pie util PCL1 pie 3 0.9 pie util PCL2 pie 3 0.8 pie util T tronco 3500 pie
pie 3 pie 3 tronco semana
Pedido:
3 3 3 3 3 3
0.7 pie util PCL1 pie 0.9 pie util PCL2 pie 0.8 pie util T tronco 90000 pie util
pie3 semana pie3 semana tronco semana
No negatividad:
T , PCL1, PCL2 0
4. Modelo Lineal:
Min z 3PCL1 7 PCL2 T 4 PCL1 4 PCL2 4 0.8 T 2.5 0.7 PCL1 2.5 0.19 PCL2 2.5 0.8T
sujeto a :
PCL1 40000
PCL2 60000
2 PCL1 0.8PCL2 1.3T 40 3600
0.7 PCL1 0.9 PCL2 0.8T 3500
0.7 PCL1 0.9 PCL2 0.8 T 90000
T , PCL1, PCL2 0
44
Problema 1.21.
Un consumidor requiere, durante los próximos cuatro meses, 50, 65, 100 y 70 unidades,
respectivamente, de cierto artículo (no se permiten demandas pendientes). Los costos de
producción son 5 dólares, 8 dólares, 4 dólares y 7 dólares por unidad, durante estos meses.
El costo de almacenaje de un mes al siguiente, es de 2 dólares por unidad (aplicado al
terminar el inventario). Se estima que cada unidad sobrante al final del cuarto mes, tendrá
que venderse a 6 dólares. Formule un PL que minimice los costos netos para cumplir con las
demandas durante los próximos cuatro meses.
Solución:
Mes
1 2 3 4
Demanda 50 65 100 70
Costo de
producción $5/unid $8/unid $4/unid $7/unid
Minimizar z
$5
P1unid
$8
P2 unid
$4
P3 unid
$7
P4 unid
42
I1 I2 I3 unid $6 I 4 unid
unid unid unid unid unid unid
3. Formulación de las restricciones tecnológicas:
Inventario y demanda en el mes 1:
I1 I 0 P1 D1
D1 50
No negatividad:
45
I1 , I 2 , I 3 , I 4 , D1 , D2 , D3 , P1 , P2 , P3 , P4 0
4. Modelo Lineal:
Min z 5P1 8 P2 4 P3 7 P4 42I 1 I 2 I 3 6 I 4
sujeto a :
I 1 I 0 P1 D1
D1 50
I 2 I 1 P2 . D 2
D 2 65
I 3 I 2 P3 D3
D3 100
I 4 I 3 P4 D 4
D 4 70
I 1 , I 2 , I 3 , I 4 , D1 , D 2 , D3 , P1 , P2 , P3 , P4 0
Cada artesano puede entrenar hasta dos novatos por semana (el entrenamiento de un novato
sólo dura una semana). Todo excedente de producción semanal puede ser guardado para
cumplir los siguientes compromisos comerciales.
46
Formule un modelo de programación lineal que permita definir las contrataciones a realizar,
de modo de cumplir los compromisos comerciales a costo mínimo.
Solución.
Para resolver el problema se utilizarán las siguientes variables de decisión:
1. Variables de decisión:
xij : Personal de tipo i 1,2,3,4 (artesano productor, artesano instructor, aprendiz y novato
Variable secundaria:
i : Salario del empleado del tipo i 1,2,3,4 .
2. Función Objetivo:
Se debe de cumplir con los compromisos a costo mínimo.
4 4
Min Z i xij
j 1i 1
3. Restricciones:
Semana 1:
x11 x 21 6
10 x11 5 x 21 x 41 52
x 41 2 x 21
z1 10 x11 5 x 21 x 41 52
Semana 2:
x32 x41
x12 x22 x11 x21
10 x12 5 x22 x42 5 x32 z1 65
x42 2 x22
z 2 10 x12 5 x22 x42 5 x32 z1 65
Semana 3:
47
x33 x42
x13 x23 x12 x22 x32
10 x13 5 x23 x43 5 x33 z 2 70
x43 2 x23
z3 10 x13 5 x23 x43 5 x33 z 2 70
Semana 4:
x34 x43
x14 x13 x23 x33
10 x14 5 x34 z3 85
x14 9
xij , z j Z 0
Incinerador 1 Incinerador
2
Ciudad 1 30 5
Ciudad 2 36 42
Botadero 1 Botadero 2
Incinerador 1 5 8
Incinerador 2 9 6
Solución.
El objetivo del problema es minimizar los costos involucrados en el traslado e incineración de
la basura. Este costo está asociado al costo de transporte (función de la distancia) y al costo
de incinerar (función del incinerador y la cantidad). Para conseguir este objetivo se debe
considerar las posibles decisiones que admite el problema:
La cantidad de basura a trasladar desde cada ciudad (1 y 2) a cada uno de los incineradores
(1 y 2).
La cantidad de ceniza a trasladar desde cada incinerador (1 y 2) a cada uno de los botaderos
(1 y 2).
48
Formulación:
1. Variables de decisión:
De acuerdo al objetivo y los supuestos planteados, determinamos las siguientes variables de
decisión:
X ij : Cantidad de basura en toneladas transportada desde la ciudad i 1,2 hasta el
incinerador j 1,2 .
botadero j 1,2 .
3. Restricciones:
Con la información de la producción de basura, capacidad de incineración y la capacidad
máxima de recepción de ceniza de los botaderos, se construyen las restricciones del
problema
Capacidad máxima del incinerador 1:
X 11 X 21 500
Cabe destacar que todas las variables deben ser positivas y no necesariamente enteras dado
que representan peso de basura o de ceniza. Es importante agregar también dos condiciones
relativas a que cada tonelada de basura que entra al incinerador es transformada en 0.2
toneladas de ceniza, luego:
Relativo al incinerador 1:
0.2 X 11 X 21 Y11 Y12
Relativo al incinerador 2:
0.2 X 12 X 22 Y21 Y22
Las condiciones anteriores pueden ser agregadas al problema como dos restricciones más, o
bien despejar dos de ellas en función de otras tres, de modo de reducir el problema a un total
de seis variables.
La empresa de bebidas gaseosas Enrique Cassinelli e Hijos S.A. es de origen trujillano, se
dedica a la producción y comercialización de bebidas gaseosas Cassinelli, en diferentes
presentaciones y sabores.
Su comercialización se realiza tanto en la ciudad de Trujillo como en la zona norte (Chiclayo,
Piura, Talara) y nor Oriente (Bagua, Jaen, Tarapoto).
Actualmente Cassinelli tiene una participación en el mercado de Trujillo de 10%, Concordia
14%, Kola Real 11%, Triple Kola 13.4%, Inka Kola 13.8%, Coca Cola 14.2%, y el 23.6%
corresponde a otras marcas.
Gaseosas Cassinelli posee un potencial para tener una importante participación en el
mercado , ya que posee características que se ajustan a una bebida agradable y es percibida
como una bebida regional ,sin embargo presenta una baja recordación por alojamiento de la
marca del mercado, por lo que le hace perder preferencia ante otras marcas de gaseosas.
Por lo tanto la Gerencia General ha encomendado al Departamento de Producción realizar un
plan de Producción para maximizar sus ganancias mensuales.
50
La empresa en estudio cuenta con una planta de producción que opera las 48 horas a la
semana. Esta planta tiene una capacidad de producción de 160,000 caja/mes.
El proceso de fabricación de estos productos se lleva a cabo en dos etapas (Áreas de trabajo)
1. En el Dpto. de Elaboración se realiza la preparación de jarabes el mismo que cuenta
con 4 trabajadores permanentes.
2. En el Dpto. de Envasado se realiza trabajos inherentes al proceso de envasado y
presentación final del producto. Este Dpto. cuenta con 15 trabajadores
Las horas requeridas en ambos departamentos para producir 1000 cajas de cada uno de los
productos mencionados en la Tabla 1.14, se muestran en la Tabla 1.15.
1. Variables de decisión:
X ij : Número de cajas a producir de gaseosa del tipo i 1,2,3,4 (NR de 2.65 lt, NR de 1.75 lt,
2. Función objetivo:
Maximizar el precio de venta*producción
Max Z
S / 1.38
X 11 X 12 X 13 X 14 cajas S / 1.22 X 21 X 22 X 23 X 24 cajas
caja caja
S / 1.02
X 31 X 32 X 33 X 34 cajas S / 1.05 X 41 X 42 X 43 X 44 cajas
caja caja
3. Restricciones:
Con la información de la producción de basura, capacidad de incineración y la capacidad
máxima de recepción de ceniza de los botaderos, se construyen las restricciones del
problema
Demanda de gaseosas:
X11 X12 X13 X14 cajas 10552 cajas Gaseosas NR de 2.65 Lt.
Producción de gaseosas:
X11 X12 X13 X14 cajas t1 cajas Gaseosas NR de 2.65 Lt.
Capacidad de producción:
t1 t 2 t3 t 4 cajas 160000 cajas
Tiempo de producción en el departamento de elaboración:
2.65 h 1.75 h 1.17 h 1.07 h
X 11 caja X 21 caja X 31 caja X 41 caja 48 1000 (Semana 1)
caja caja caja caja
Solver, busca el valor óptimo para una celda, llamada celda objetivo, en esta celda escribimos
la fórmula de la función objetivo f ( x1, x2 ,..., xn ) .
53
Solver cambia los valores de un grupo de celdas, llamadas celdas variables o cambiantes. En
estas celdas se localizan los valores de las variables de decisión x1, x2 , ..., xn , que deben estar
especificar si la celda deberá ser mayor o igual, igual, o menor o igual que otra celda que
contiene la constante bi (disponibilidad de los recursos). También, si fuese el caso, se puede
especificar que los valores sean enteros, para evitar resultados absurdos en algunos
problemas de optimización.
Solver es un complemento de Excel y como tal debemos instalar esta herramienta, para esto,
primero hay que fijarse si en la barra de herramientas- Datos aparece el icono de Solver, si
no se encuentra entonces tendremos que instalarlo.
Aparecerá el siguiente cuadro de dialogo, del cual debemos activar la casilla Solver y
finalmente damos aceptar.
Utilizaremos el Problema 1.1 como modelo para explicar de una manera clara el uso de
Solver.
Max z 4 x1 x2
sujeto a :
9 x1 x2 18
3x1 x2 12
x1 , x2 0
55
Escribiremos la función objetivo en una celda (celda objetivo) cambiando el valor de otras
celdas (celdas variables). La celda donde se encuentra la función objetivo debe contener la
formula que dependa de las celdas variables. Porque de no ser así, al cambiar el valor de una
celda no cambiará el valor de la celda objetivo.
En primer lugar escribimos la formula de la función objetivo =4*C7+D7 en la celda D4,
utilizando como celdas variables la celda C7 y D7, para las variables x1 y x2 respectivamente.
Una vez ingresado los datos del problema enseguida utilizamos el complemento Solver
ubicado en la barra de herramientas -> Datos
Ahora explicaremos cada una de las opciones que aparecen en este cuadro de dialogo
1
5
2
6
3
Parámetros de Solver
1. Celda objetivo. Específica la celda objetivo que se desea maximizar o minimizar. Esta
celda debe contener la fórmula que representa a la función objetivo.
3. Cambiando las celdas. Se especifican las celdas correspondientes a las variables del
problema, estas pueden ajustarse hasta que se satisfagan las restricciones en el problema
57
y la celda objetivo alcance su valor. Las celdas variables deben estar directa o
indirectamente relacionadas con las celdas objetivo.
Estimar Estima todas las celdas que no contienen ninguna fórmula a las que se hace
referencia en la fórmula la celda objetivo y coloca sus referencias en el cuadro
Cambiando las celdas.
4. Sujeto a las siguientes restricciones. Muestra una lista de las restricciones actuales en
el problema.
Agregar Muestra el cuadro de diálogo Agregar restricción.
4.2
4.3
4.1
4.1 Referencia de celda. Especifica las celdas que serán consideradas como las
restricciones del problema. Las celdas variables deben estar directa o indirectamente
relacionadas con estas celdas.
4.2 Referencia de la desigualdad. Especifica el tipo de desigualdad correspondiente a la
restricción.
4.3 Restricción. Especifica las celdas que serán consideradas como la disponibilidad de
los recursos del problema.
6. Cerrar Cierra el cuadro de diálogo sin resolver el problema. Retiene todos los cambios que
se hayan realizado mediante los botones Opciones, Agregar, Cambiar o Borrar.
7. Restablecer todo Borra los valores actuales del problema y restablece todos los valores a
sus valores originales.
Aquí pueden controlarse las características avanzadas del proceso de solución, cargarse o
guardarse definiciones de problemas y definirse parámetros para los problemas lineales y no
lineales. Cada opción tiene una configuración predeterminada adecuada a la mayoría de los
problemas.
8.1 Tiempo máximo Limita el tiempo que tarda el proceso de solución. Puede especificarse
un valor tan grande como 32.367, pero el valor predeterminado 100 (segundos) es
adecuado para la mayor parte de los pequeños problemas.
8.2 Iteraciones Limita el tiempo que tarda el proceso de solución mediante la limitación
del número de cálculos provisionales. Aunque puede especificarse un valor tan grande
como 32.767, el valor predeterminado 100 es adecuado para la mayor parte de los
pequeños problemas.
8.3 Precisión Controla la precisión de las soluciones mediante el número que se especifica
para determinar si el valor de una restricción cumple un objetivo o satisface un límite
inferior o superior. Debe indicarse la precisión mediante una fracción entre 0 (cero) y 1.
Cuantas más posiciones decimales tenga el número que se escriba, mayor será la
precisión; por ejemplo, 0,0001 indica una precisión mayor que 0,01.
8.4 Tolerancia El porcentaje mediante el cual la celda objetivo de una solución satisface
las restricciones externas puede diferir del valor óptimo verdadero y seguir
considerándose aceptable. Esta opción sólo se aplica a los problemas que tienen
restricciones enteras. Una tolerancia mayor tiende a acelerar el proceso de solución.
8.5 Convergencia Si el valor del cambio relativo en la celda objetivo es menor que el
número del cuadro Convergencia para las últimas cinco iteraciones, Solver se
detendrá. La convergencia se aplica únicamente a los problemas no lineales y debe
indicarse mediante una fracción entre 0 (cero) y 1. Cuantas más posiciones decimales
59
tenga el número que se escriba, menor será la convergencia; por ejemplo, 0,0001 indica
un cambio relativo menor que 0,01. Cuanto menor sea el valor de convergencia, más
tiempo se tardará en encontrar una solución.
8.6 Adoptar un modelo lineal Seleccione esta opción para acelerar el proceso de solución
cuando todas las relaciones del modelo sean lineales y desee resolver un problema de
optimización lineal.
8.7 Adoptar no-negativo Hace que Solver presuponga un límite de 0 (cero) para todas las
celdas ajustables en las que no se haya establecido un límite inferior en el cuadro
Restricción del cuadro de diálogo Agregar restricción.
8.8 Usar escala automática Seleccione esta opción para utilizar la escala automática
cuando haya grandes diferencias de magnitud entre las entradas y los resultados; por
ejemplo, cuando se maximiza el porcentaje de beneficios basándose en inversiones de
millones de dólares.
8.9 Mostrar resultado de iteraciones Seleccione esta opción para hacer que Solver deje
de mostrar temporalmente los resultados de cada iteración.
8.10 Estimación Especifica el enfoque que se utiliza para obtener los cálculos iniciales de
las variables básicas en cada una de las búsquedas dimensionales.
8.11 Derivadas Especifica la diferencia que se utiliza para calcular las derivadas parciales
del objetivo y las funciones de la restricción.
Progresiva Se utilizan para la mayor parte de los problemas, en los que los valores de
restricción cambian relativamente poco.
Central Se utiliza en los problemas en que las restricciones cambian rápidamente, en
especial cerca de los límites. Aunque esta opción necesita más cálculos, puede ser útil
cuando Solver devuelve un mensaje que indica que no puede mejorarse la solución.
8.12 Buscar Especifica el algoritmo que se utiliza en cada iteración para determinar la
dirección en que se hace la búsqueda.
8.13 Cargar modelo Muestra el cuadro de diálogo Cargar modelo, donde puede
especificar la referencia del modelo que desee cargar.
8.14 Guardar modelo Muestra el cuadro de diálogo Guardar modelo, donde puede
especificar la ubicación en la que desee guardar el modelo. Haga clic únicamente
cuando desee guardar más de un modelo con una hoja de cálculo; el primer modelo
se guardará de forma automática.
Una vez que todos estos parámetros fueron ingresados, finalmente hacemos click en resolver
Utilizar solución de Solver Haga clic para aceptar la solución y colocar los valores
resultantes en las celdas ajustables.
Restaurar valores originales Haga clic para restaurar los valores originales en las
celdas ajustables.
Respuesta Muestra una lista con la celda objetivo y las celdas ajustables con sus
valores originales y sus valores finales, las restricciones y la información acerca de éstas.
Límites Muestra una lista con la celda objetivo y las celdas ajustables con sus valores
correspondientes, los límites inferior y superior, así como los valores del objetivo. No se
genera este informe para los modelos que tengan restricciones enteras. El límite inferior
es el valor mínimo que puede tomar la celda ajustable mientras se mantienen todas las
demás celdas ajustables fijas y se continúa satisfaciendo las restricciones. El límite
superior es el valor máximo.
Guardar escenario Abre el cuadro de diálogo Guardar escenario, donde puede guardar
los valores de celda para su uso con el Administrador de escenarios de Microsoft Office
Excel.
Al seleccionar las opciones indicadas y haciendo click en resolver, obtenemos tres hojas en
las cuales se muestran los resultados obtenidos. Empezaremos por analizar el informe de
respuestas
62
En la celda D8 se ubica el valor original de la función objetivo, en este caso inicialmente los
valores ubicados en las celdas C7 y D7 correspondientes a la variables de decisión eran cero,
generando inicialmente el valor de cero en la celda objetivo.
En la celda E8 aparece el valor óptimo final obtenido por Solver y en las celdas E13 y E14
aparecen los valores óptimos para las variables de decisión.
Con respecto a la saturación de las restricciones o limitaciones la celda D19 indica que se
utilizaron 18 sensores electrónicos y la celda D20 indica que se utilizaron 12 horas de mano
de obra. Esto quiere decir que todos los recursos fueron utilizados. La celda correspondiente
al estado F19 y F20 indican este hecho.
Las siguientes figuras serán analizadas en la Sesión 03 cuando se trate del tema de
sensibilidad de los modelos lineales
64
01
Investigación de Operaciones
HOJA DE TRABAJO
Formular y resolver con Solver cada uno de los problemas enunciados.
Ejercicio 1.1.
Una persona tiene S/500 para invertir en dos tipos de acciones A y B. El tipo A tiene bastante
riesgo con un interés anual del 10% y el tipo B es bastante seguro con un interés anual del
7%. Decide invertir como máximo S/300 en A y como mínimo S/100 en B, e invertir en A
por lo menos tanto como en B. ¿Cómo deberá invertir sus S/500 para maximizar sus
intereses anuales?
Ejercicio 1.2.
Alice, gerente de la Food Fast, proporciona albergues para cachorros. El alimento para perros
Kennel se hace mezclando dos productos de soya para obtener una "dieta para perros bien
balanceada". En la Tabla 1.18 se dan los datos para los dos productos. Si Alice quiere
asegurarse de que sus perros reciban al menos 8 onzas de proteínas y 1 onza de grasa
diariamente, ¿cuál sería la mezcla del costo mínimo de los dos alimentos para perro?
Tabla 1.18. Costo y porcentaje de proteínas y grasas por producto
Producto Costo por Proteína Grasas
de soya onza (%) (%)
1 $0,60 50 10
2 $0,15 20 20
Ejercicio 1.3.
Ejercicio 1.4.
Una planta produce dos tipos de productos, en la misma línea de ensamble. La línea de
ensamble consta de tres departamentos. Los tiempos de ensamblaje en los departamentos
son dados en la Tabla 1.19.
Tabla 1.19. Tiempos de ensamblaje
Departamento Producto 1 Producto 2
(unidades/minuto) (unidades/minuto)
1 8 9
2 5 6
65
01
Investigación de Operaciones
HOJA DE TRABAJO
3 5 3
Cada departamento tiene disponible las 8 horas de trabajo diario. Sin embargo los
departamentos requieren mantenimiento diario, que utilizan el 5%, 8% y 6% del tiempo
disponible para cada departamento diariamente.
La planta desea saber las unidades semanales (se trabaja 6 días a la semana) que se
ensamblaran a fin de minimizar la suma de tiempos no ocupados (ociosos) en los tres
departamentos.
Ejercicio 1.5.
TORNO 350
RECTIFICADORA 150
El número de horas de máquina requerida por cada unidad de los productos respectivos
es muestran en la Tabla 1.21.
FRESADORA 9 3 5
TORNO 5 4 0
RECTIFICADORA 3 0 2
Formúlese un modelo PL para determinar cuánto debe producir la empresa de cada producto
66
01
Investigación de Operaciones
HOJA DE TRABAJO
Ejercicio 1.6.
La empresa Elit elabora yogurt y jugos a base de mango y durazno, esta empresa compra su
materia prima al precio de $0,50 por kilogramo de mango y $0,30 por kilogramo de durazno,
las cantidades máximas que puede comprar es de 1600 kilogramos de mango y 2100
kilogramos de durazno.
El mercado de venta de yogurt es de 9000 botellas como máximo y para jugo no hay límite, el
precio de venta del yogurt y de jugo es de $5 y $3 por cada botella respectivamente; estos
datos y otros se dan en la Tabla 1.22
Tabla 1.22. Disponibilidad y costo de las frutas
Yogurt Jugos Disponible Costo
Mango 2 kg/botella 3 kg/botella 1600 kg $0.50/kg
Ejercicio 1.7.
01
Investigación de Operaciones
HOJA DE TRABAJO
Capacidad Total Costo de Generación
Fuente de Energía
(MW-hr) ($/MW-hr)
Carbón 45000 6
Hidroeléctrica 24000 5
Petróleo 48000 7
Tabla 1.24. Datos de polución en la generación de energía
Contaminante (gm/MW-hr)
Fuente de Energía Dióxido de Monóxido Partículas Desechos
azufre de Carbono de Polvo Sólidos
Carbón 1,5 1,2 0,7 0,4
Gas Natural 0,2 0,5
Nuclear 0,1 0,2 0,7
Hidroeléctrica
Petróleo 0,4 0,8 0,5 0,1
Kg máximos 75 60 30 25
permitidos
Ejercicio 1.8.
Cada semana Florida Citrus, Inc., usa una sola máquina durante 150 horas para destilar
jugo de naranja y de toronja en concentrados, estos jugos están almacenados en dos tanques
separados de 1000 galones cada uno antes de congelarlos. La máquina puede procesar 25
galones de jugo de naranja por hora, pero sólo 20 galones de jugo de toronja. Cada galón de
jugo de naranja cuesta $1.50 y pierde 30% de contenido de agua al destilarse en concentrado.
El concentrado de jugo de naranja se vende después en $6 por galón, cada galón de jugo de
toronja cuesta $2 y pierde 25% de contenido de agua al destilarse en concentrado. El
concentrado de jugo de toronja se vende después en $8 por galón. Formule un modelo de PL
para determinar un plan de producción que maximice la ganancia para la siguiente semana.
La Fargo Water Co. tiene tres depósitos con una entrada diaria estimada de 15, 20 y 25
millones de litros de agua fresca, respectivamente. Diariamente tiene que abastecer cuatro
áreas A, B, C y D, las cuales tienen una demanda esperada de 8, 10, 12 y 15 millones de
litros, respectivamente.
Tabla 1.25. Costo de bombeo por millón de litros
AREA
Deposito A B C D
68
01
Investigación de Operaciones
HOJA DE TRABAJO
1 2 3 4 5
2 3 2 5 3
3 4 1 2 3
Formule el problema de la Fargo Water Co. como un modelo de programación lineal. Asuma
que el exceso de agua no representa un costo para la compañía.
Ejercicio 1.10.
La Georgia Outdoors Company fabrica tres tipos de combinaciones energéticas de semillas
que se venden a mayoristas los cuales a su vez los venden a expendios al menudeo. Los tres
tipos son normal, especial y extra, y se venden en $1.50, $2.20 y $3.50 por libra,
respectivamente. Cada mezcla requiere los mismos ingredientes: maní, pasas y algarrobo. Los
costos de estos ingredientes son:
Maní: $0.90 por libra
Pasas: $1.60 por libra
Algarrobo: $1.50 por libra
Los requerimientos de las mezclas son:
Normal: cuando menos 5% de cada ingrediente.
Especial: cuando menos 20% de cada ingrediente y no más de 50% de cualquiera de ellos.
Extra: cuando menos 25% de pasas y no más de 25% de maní.
Las instalaciones de producción hacen que haya disponibles por semana un máximo de 1000
libras de maní, 2000 de pasas y 3000 de algarrobo. Existe un costo fijo de $2000 para la
fabricación de las mezclas. Existe también la condición de que la mezcla normal debe
limitarse al 20% de la producción total. Plantee un problema de PL para maximizar las
utilidades.
Ejercicio 1.11.
Una compañía de seguros cree que necesitarán las siguientes cantidades de computadoras
personales durante los próximos seis meses: enero, 9; febrero, 5; marzo, 7; abril, 9; mayo,10;
junio,5. Se pueden rentar computadoras por un período de uno, dos o tres meses, a las
rentas unitarias siguientes: renta por un mes, 200 dólares; renta por dos meses, 350 dólares;
renta por tres meses, 450 dólares.
Formule un PL que permita minimizar los costos de renta de computadoras requeridas.
Puede suponer que si se renta una máquina por un período que se prolongue más allá de
junio, habrá que promediar el costo de la renta. Por ejemplo, si se renta una computadora por
tres meses, a principios de mayo, entonces se tendrá que aplicar una cuota por la renta
2/3(450)=300 dólares, y no 450 dólares, a la función objetivo.
Ejercicio 1.12.
69
01
Investigación de Operaciones
HOJA DE TRABAJO
Un proveedor debe preparar con 5 bebidas de fruta en existencias, al menos 500 galones de
un ponche que contenga por lo menos 20% de jugo de naranja, 10% de jugo de toronja y 5%
de jugo de arándano. Si los datos del inventario son los que se muestran en la tabla siguiente
¿Qué cantidad de cada bebida deberá emplear el proveedor a fin de obtener la composición
requerida a un costo total mínimo?
Nota: Las tres primeras columnas indican el porcentaje de un tipo de jugo dentro de una
determinada bebida.
Ejercicio 1.13.
Un pequeño taller arma dispositivos mecánicos, ya sea como un producto terminado que
entrega al mercado, o como un proceso intermedio para entregar a una gran fábrica. Trabajan
3 personas en jornadas de 40 horas semanales. Dos de estos obreros no calificados reciben
$0.4 por hora, y el tercero, un obrero calificado, recibe $0.6 por hora. Los tres están
dispuestos a trabajar hasta 10 horas adicionales a la semana con un salario 50% superior
durante este período.
Los costos fijos semanales son de $800. Los gastos de operación variables son de $1.0 por
hora de trabajo de obrero no calificado y $2.4 por hora de obrero calificado. Los dispositivos
mecánicos sin acabar son vendidos a la planta a $6.5 cada uno. El taller tiene un contrato
bajo el cual debe entregar 100 de estos dispositivos semanalmente a la empresa. El dueño del
taller tiene como política el producir no más de 50 dispositivos a la semana por sobre el
contrato.
Los dispositivos terminados se venden a $15 cada uno sin restricciones de mercado. Se
requieren 0.5 horas de obrero no calificado y 0.25 horas de obrero calificado para producir un
dispositivo sin acabar listo para entregar a la empresa. Uno de estos dispositivos puede
ensamblarse y dejarlo terminado agregándole 0.5 horas de trabajador calificado.
Un dispositivo acabado listo para entregar al mercado se puede producir con 0.6 horas de
obrero no calificado y 0.5 horas de obrero calificado.
Plantear el modelo de programación lineal que permita responder la consulta: ¿cómo y cuánto
producir para cumplir el contrato de modo de maximizar las utilidades?
70
01
Investigación de Operaciones
HOJA DE TRABAJO
Ejercicio 1.14.
Un inversionista tiene oportunidad de realizar las actividades A y B al principio de cada uno
de los próximos 5 años (llámense años 1 al 5). Cada dólar invertido en A al principio de
cualquier año retribuye $1.40 (una ganancia de $0.40) 2 años después (a tiempo para la
reinversión inmediata). Cada dólar invertido en B al principio de cualquier año retribuye
$1.70, 3 años después.
Además, la actividad C estará disponible para inversión una sola vez en el futuro. Cada dólar
invertido en C al principio del año 2 da $1.90 al final del año 5. La actividad D estará
disponible sólo 2 veces, al inicio del año 1 y del año 5. Cada dólar invertido en D al principio
de año retribuye $1.30 al final de ese año. El inversionista tiene $60000 para iniciar y desea
saber cuál plan de inversión maximiza la cantidad de dinero acumulada año principio del año
6.
Formule el modelo de programación lineal para este problema.
Ejercicio 1.15.
Una empresa de arriendo de vehículos desea establecer la flota de automóviles, camionetas y
jeeps para el presente año. Para tales efectos, estudia la adquisición de vehículos de los tres
tipos. Todos los vehículos comprados son depreciados y pagados en un período de 2 años,
después del cual son vendidos. La tabla siguiente muestra el precio de compra y los ingresos
del período para los tres tipos de vehículos (los ingresos para el segundo año incluyen el valor
de salvataje).
Vehículo Costo Ingresos primer Ingresos segundo
[US$] año [US$] año [US$]
Aún cuando la empresa puede pagar el costo de los vehículos inmediatamente, puede
también decidir diferir parte del costo de los vehículos al final del primer o segundo año. El
costo del crédito es de 14% anual. La empresa debe pagar por lo menos el 20% de la inversión
inicial al recibir un vehículo y por lo menos el 50% de la inversión inicial más los intereses del
crédito deben haber sido pagado al final del primer año. La empresa dispone de US$2000000
para la compra de vehículos este año. La compañía usa una tasa de descuento del 15% para
efectos de financiamiento (es decir, US$100 hoy valen US$85 dentro de un año). Todo
excedente en cualquier año es invertido en otros rubros y, por lo tanto, no puede considerarse
en pagos futuros.
Formule un modelo de programación lineal para el problema. Defina claramente variables,
función objetivo y restricciones.
71
01
Investigación de Operaciones
HOJA DE TRABAJO
Ejercicio 1.16.
LSDC está desarrollando una comunidad de casas y condominios en los alrededores del lago
Saddleback, Texas. La idea es utilizar 300 acres de tierra de tal forma de maximizar sus
ganancias ofreciendo una apropiada variedad de diferentes alternativas de casas
constituyendo diferentes productos. Además, la corporación desea analizar la factibilidad de
desarrollar 10 acres para un complejo deportivo y de recreación.
LSDC está ofreciendo 4 productos: (1) La serie Gran Estado (2) La colección Glen Wood (3)
Casas con vista al lago y (4) casas en Condominio. Cada uno de estos productos tiene 4
planos con diferentes estilos, tal como se describe en la siguiente lista:
Gran Estado
Trump 700 4000 5+manzarda 4 2 3
Vanderbilt 680 3600 4+manzarda 3 2 3
Hughes 650 3000 4 3 1 3
Jackson 590 2600 3 3 1 3
Glen Wood
Gran Ciprés 420 2800 4+manzarda 3 2 3
Lazy Oak 380 2400 4 3 2 2
Wind Row 320 2200 3 3 2 2
Orangewood 280 1800 3 2½ 1 2
Vista al lago
Bayview 300 2000 4 2½ 2 2
Shoreline 270 1800 3+manzarda 2½ 2 2
Docks Edge 240 1500 3 2½ 1 2
Golden Pier 200 1200 2 2 1 2
Condomio
Stream 220 1600 3 2 2 -
Weeping Wilow 160 1200 2 2 1 -
Picket Fence 140 1000 2 1½ 1 -
Tamaño de los lotes.
Todos los lotes incluyen el terreno donde se instalará la casa, el garage (el cual no está
considerado dentro de los metros cuadrados de la casa) y espacio para jardín. Este no incluye
el parking ni el espacio para parques, carreteras, etc.
Todos los modelos de la serie Gran Estado se construyen sobre lotes de 1 media-acre, y 50
medias-acre se usan exclusivamente por las casas Gran Estado. El precio de venta de estas
casas tendrá un 30% adicional más US$50.000 que los modelos que no están en el lago. (Por
ejemplo, el modelo Trump a US$700.000 se vendería en US$960.000 si se situara en el lago).
Cada una de la serie Gran Estado debe tener al menos ocho unidades en el lago.
72
01
Investigación de Operaciones
HOJA DE TRABAJO
Algunos modelos Gran Ciprés (de la serie Glen Wood) podrían construirse sobre lotes
“premiados” de un-cuarto-acre. Estas casas se venden en US$40.000 más que los modelos
similares sobre lotes standards. Además, algunos de los modelos Bayview (en la serie vista al
lago) pueden construirse sobre lotes “premiados” de un-sexto-acre, los cuales se venden en
US$30.000 más del precio de los modelos construidos en terrenos standards. No más del
25% del total de los modelos Ciprés y 25% del total de los modelos Bayview se pueden
construir en lotes “premiados”.
Los tamaños de los lotes en el condominio son fijos y son de 1500 pie-cuadrados.
El lote mínimo standard para casas de la serie Glen Wood y con vista al lago (excepto los
modelos “premiados”) es de un-décimo-acre. Los tamaños de los lotes para ciertos modelos
pueden ser mayores si el siguiente cálculo excede a 1/10 acre.
Área de la Casa.
El área de la casa de cualquier casa de un piso es el metraje cuadrado del aviso de la casa. El
área de la casa para casas de dos-pisos es de 75% del metraje cuadrado del aviso de la casa.
Parking.
La ley exige tener un espacio de parking por dormitorio para cada unidad construida. Por
ejemplo, un espacio exterior de parking para dos autos es necesario para una casa de 4
dormitorios que posee un garage para dos autos. Cada parking exterior ocupará 200 pies
cuadrados de espacio. Hasta un máximo de 15 acres del proyecto podrán utilizarse para
parking exterior. Todos los parking del condominio son exteriores.
Carreteras, Parques...etc
73
01
Investigación de Operaciones
HOJA DE TRABAJO
Un total de 1000 pies cuadrados por casa se está pensando para la construcción de
carreteras y pequeños parques para hacer el proyecto más agradable estéticamente hablando.
Variedad.
Como parte del proyecto se han definido ciertos requerimientos máximos y mínimos arrojados
por el departamento de estudios de mercado (Condominio está incluido).
Casas con Máximo Mínimo
2-dormitorios 25% 15%
3-dormitorios 40% 25%
4-dormitorios 40% 25%
5-dormitorios 15% 5%
Además, ninguno de los cuatro productos (Gran Estado, Glen Wood, Vista al lago, y
Condominio) pueden ser más que el 35% ni menos que el 15% de las unidades construidas
en el desarrollo. Más aún, dentro de cada producto, cada plano debe ocupar entre 20% y 35%
del total de unidades de ese producto. Por razones de estética hasta un máximo del 70% de
las casas de un-piso (salvo las de condominio) pueden ser casas de dos-pisos.
Abordables.
En el área del lago cualquier casa avaluada en US$200.000 o menos es considerada
“abordable”. El gobierno exige al menos 15% del proyecto pueda ser considerado como
abordable.
Ganancias.
LSDC ha determinado los siguientes porcentajes de los precios de ventas como ganancias
netas:
Gran Estado 22%
Glen Wood 18%
Vista al lago 20%
Condominio 25%
Objetivos.
LSDC necesita determinar el número de unidades de cada plano de cada producto a
construir, de tal manera de maximizar sus ganancias.
Si LSDC construye un complejo de recreación y deportivo en 10-acres, esto podría reducir el
área utilizable en 10-acres y a un costo de alrededor US$8 millones. Sin embargo, LSDC cree
que esto puede cargarse al costo de las casas como sigue:
Gran Estado 5%
74
01
Investigación de Operaciones
HOJA DE TRABAJO
Glen Wood 3%
Vista al lago 2%
Condominio 5%
*Excepto para el modelo Golden Pier, es decir todavía puede ser catalogada como abordable.
Informe:
Prepare un informe detallado analizando este proyecto y haga sugerencias para la
construcción. De recomendaciones si conviene o no construir el complejo deportivo. Haga un
análisis apropiado de “qué sucede si..” (Análisis de sensibilidad) y haga un resumen de sus
recomendaciones finales.
Consideraciones y supuestos.
Antes de resolver el problema es importante especificar la interpretación dada a algunas
frases del enunciado del problema:
01
Investigación de Operaciones
HOJA DE TRABAJO
Para llevar todo a un mismo sistema de unidades se utilizará la conversión:
1 acre = 43.560 ft2 (pies cuadrados)
76