Вы находитесь на странице: 1из 18

BENEMÉRITA UNIVERSIDAD

AUTÓNOMA DE PUEBLA
FACULTAD DE CIENCIAS DE LA COMPUTACIÓN

INVESTIGACIÓN DE OPERACIONES
EJERCICIO PARA LA PRIMERA EVALUACIÓN (parte colaborativa)

ELABORADO POR:
BAÑUELOS JUÁREZ CESAR
JIMÉNEZ PACHECO DANIEL

PROFESOR:
ROGELIO GONZALES VELÁZQUEZ
Contents
Ejercicio 3.4-15 .................................................................................................................................... 3
Planteamiento del problema .......................................................................................................... 3
Variables de decisión: ..................................................................................................................... 3
Modelo matemático ........................................................................................................................ 4
Solución ........................................................................................................................................... 4
Interpretación ................................................................................................................................. 1
Problema 3.4-16 .................................................................................................................................. 1
Planteamiento del problema .......................................................................................................... 1
Variables de decisión....................................................................................................................... 2
Modelo matemático ........................................................................................................................ 2
Solución ........................................................................................................................................... 2
Interpretación ................................................................................................................................. 0
Problema 3.4-17 .................................................................................................................................. 0
Planteamiento del problema. ......................................................................................................... 0
Variables de decisión....................................................................................................................... 1
Modelo matemático........................................................................................................................ 1
Solución ........................................................................................................................................... 1
Interpretación ................................................................................................................................. 1
Problema 3.5-5 .................................................................................................................................... 2
Planteamiento del problema. ......................................................................................................... 2
Variables de decisión....................................................................................................................... 2
Modelo matemático ........................................................................................................................ 2
Solución ........................................................................................................................................... 3
Interpretación ................................................................................................................................. 3
Problema 3.5-6 .................................................................................................................................... 3
Planteamiento del problema. ......................................................................................................... 3
Variables de decisión....................................................................................................................... 4
Modelo matemático........................................................................................................................ 4
Solución ........................................................................................................................................... 5
Interpretación ................................................................................................................................. 5
Problema 3.6-1 .................................................................................................................................... 6
Planteamiento del problema. ......................................................................................................... 6

1
Variables de decisión....................................................................................................................... 7
Modelo matemático ........................................................................................................................ 7
Solución ........................................................................................................................................... 1
Problema 3.6-7 .................................................................................................................................... 1
Planteamiento del problema. ......................................................................................................... 1
Variables de decisión....................................................................................................................... 1
Modelo matemático ........................................................................................................................ 1
Solución ........................................................................................................................................... 2

2
Ejercicio 3.4-15
Planteamiento del problema
Un avión de carga tiene tres compartimientos para almacenar: delantero, central y trasero. Estos
compartimientos tienen un límite de capacidad tanto de peso como de espacio. Los datos se
resumen a continuación:

COMPARTIMIENTO CAPACIDAD PESO (TON) CAPACIDAD ESPACIO (𝒇𝒕𝟑 )


DELANTERO 12 7, 000
CENTRAL 18 9, 000
TRASERO 10 5, 000

Más aún, para mantener el avión balanceado, el peso de la carga en los respectivos compartimientos
debe ser proporcional a su capacidad. Se tienen ofertas para transportar cuatro cargamentos en un
vuelo próximo ya que se cuenta con espacio:

CARGA PESO 𝒇𝒕𝟑 $


VOLUMEN (𝒕𝒐𝒏) GANANCIA (𝒕𝒐𝒏)
1 20 500 320
2 16 700 400
3 25 600 360
4 13 400 290

Se puede aceptar cualquier fracción de estas cargas. El objetivo es determinar cuál cantidad de cada
carga debe aceptarse (si se acepta) y cómo distribuirla en los compartimientos para maximizar la
ganancia del vuelo.

a) Formule un modelo de programación lineal.


b) Resuelva el modelo por el método simplex para encontrar una de sus soluciones
óptimas múltiples.

Variables de decisión:
Sea 𝑋1𝑑 = número de toneladas del tipo 1 en el compartimiento delantero.

Sea 𝑋1𝑐 = número de toneladas del tipo 1 en el compartimiento central.

Sea 𝑋1𝑡 = número de toneladas del tipo 1 en el compartimiento trasero.

Sea 𝑋2𝑑 = número de toneladas del tipo 2 en el compartimiento delantero.

Sea 𝑋2𝑐 = número de toneladas del tipo 2 en el compartimiento central.

Sea 𝑋2𝑡 = número de toneladas del tipo 2 en el compartimiento trasero.

Sea 𝑋3𝑑 = número de toneladas del tipo 3 en el compartimiento delantero.

Sea 𝑋3𝑐 = número de toneladas del tipo 3 en el compartimiento central.

Sea 𝑋3𝑡 = número de toneladas del tipo 3 en el compartimiento trasero.

3
Sea 𝑋4𝑑 = número de toneladas del tipo 4 en el compartimiento delantero.

Sea 𝑋4𝑐 = número de toneladas del tipo 4 en el compartimiento central.

Sea 𝑋4𝑡 = número de toneladas del tipo 4 en el compartimiento trasero.

Modelo matemático
Maximizar 𝑍 = 320𝑋1𝑑 + 320𝑋1𝑐 + 320𝑋1𝑡 + 400𝑋2𝑑 + 400𝑋2𝑐 + 400𝑋2𝑡 + 360𝑋3𝑑 +
360𝑋3𝑐 + 360𝑋3𝑡 + 290𝑋4𝑑 + 290𝑋4𝑐 + 290𝑋4𝑡
Sujeto a:

𝑋1𝑑 + 𝑋2𝑑 + 𝑋3𝑑 + 𝑋4𝑑 ≤ 12


𝑋1𝑐 + 𝑋2𝑐 + 𝑋3𝑐 + 𝑋4𝑐 ≤ 18
𝑋1𝑡 + 𝑋2𝑡 + 𝑋3𝑡 + 𝑋4𝑡 ≤ 10
𝑋1𝑑 + 𝑋1𝑐 + 𝑋1𝑡 ≤ 20
𝑋2𝑑 + 𝑋2𝑐 + 𝑋2𝑡 ≤ 16
𝑋3𝑑 + 𝑋3𝑐 + 𝑋3𝑡 ≤ 25
𝑋4𝑑 + 𝑋4𝑐 + 𝑋4𝑡 ≤ 13
500𝑋1𝑑 + 700𝑋2𝑑 + 600𝑋3𝑑 + 400𝑋4𝑑 ≤ 7000
500𝑋1𝑐 + 700𝑋2𝑐 + 600𝑋3𝑐 + 400𝑋4𝑐 ≤ 9000
500𝑋1𝑡 + 700𝑋2𝑡 + 600𝑋3𝑡 + 400𝑋4𝑡 ≤ 5000
1 1 1 1 1 1 1 1
𝑋1𝑑 + 𝑋2𝑑 + 𝑋3𝑑 + 𝑋4𝑑 − 𝑋1𝑐 − 𝑋2𝑐 − 𝑋3𝑐 − 𝑋4𝑐 = 0
12 12 12 12 18 18 18 18
1 1 1 1 1 1 1 1
𝑋1𝑑 + 𝑋2𝑑 + 𝑋3𝑑 + 𝑋4𝑑 − 𝑋1𝑡 − 𝑋2𝑡 − 𝑋3𝑡 − 𝑋4𝑡 = 0
12 12 12 12 10 10 10 10

Solución
A continuación, se muestran los resultados obtenidos por Lingo
Global optimal solution found.
Objective value: 13330.00 X3D 0.000000
Variable Value X3C 0.000000
X1D 0.000000 X3T 0.000000
X1C 15.50000 X4D 4.666667
X1T 0.000000 X4C 1.666667
X2D 7.333333 X4T 6.666667
X2C 0.8333333
X2T 3.333333

4
Interpretación
La siguiente tabla muestra la cantidad de cada tipo de carga en cada uno de los compartimientos
para lograr el objetivo de maximizar la ganancia.

Tipo de carga Compartimiento Ganancia


Delantero Central Trasero

1 0 15.5 0 4960
2 7.333 0.83 3.333 4598.4
3 0 0 0 0
4 4.666667 1.666667 6.667 3770.09686
Ganancia Total $13,330

Problema 3.4-16
Planteamiento del problema
Oxbridge University tiene una computadora grande para uso de académicos, estudiantes de
doctorado y ayudantes de investigación. Durante las horas hábiles debe haber un trabajador para
operar y dar mantenimiento a la computadora y realizar algunos servicios de programación. Beryl
Ingram, director del centro de cómputo, coordina la operación. Al principio del semestre de otoño,
Beryl se enfrenta al problema de asignar horas de trabajo distintas a sus operadores. Debido a que
éstos son estudiantes de la universidad, están disponibles para el trabajo sólo un número limitado
de horas al día, como se muestra.

Máximo de horas disponibles


Operadores Tasa Lun. Mar. Mier. Jue. Vie.
Salarial
K. C. $10.00/hora 6 0 6 0 6
D. H. $10.10/hora 0 6 0 6 0
H. B. $9.90/hora 4 8 4 0 4
S. C. $9.80/hora 5 5 5 0 5
K. S. $10.80/hora 3 0 3 8 0
N. K. $11.30/hora 0 0 0 6 2

Hay seis operadores (cuatro de licenciatura y dos de posgrado). Todos tienen salarios diferentes
según su experiencia con computadoras y su aptitud para programar. La tabla muestra estos salarios
junto con el número máximo de horas al día que cada uno puede trabajar. Se garantiza a cada
operador un número mínimo de horas de trabajo a la semana que lo mantendrán con un
conocimiento adecuado de la operación. Este nivel se estableció de modo arbitrario en 8 horas por
semana para licenciatura (K. C., D. H., H. B. y S. C.) y 7 horas por semana para posgrado (K. S. y N. K).
El centro de cómputo debe abrir de 8 a.m. a 10 p.m. de lunes a viernes con un operador de guardia
en este horario. Sábados y domingos, lo operan otras personas. Debido al presupuesto reducido,

1
Beryl tiene que minimizar el costo. Por lo tanto, quiere determinar el número de horas que debe
asignar a cada operador cada día.

a) Formule un modelo de programación lineal.


b) Resuelva el modelo por el método simplex para encontrar una de sus soluciones
óptimas múltiples.

Variables de decisión
Sea

𝑥𝑖𝑗 la proporción de tiempo que labora el operador i en el día j

𝑍 = salario * tiempo máximo disponible por trabajador * proporción.

Modelo matemático
𝑧 = 10(6𝑥11 + 6𝑥13 + 6𝑥15 ) + 10.1(6𝑥22 + 6𝑥24 ) + 9.9(4𝑥31 + 8𝑥32 + 4𝑥33 + 4𝑥35 )
+ 9.8(5𝑥41 + 5𝑥42 + 5𝑥43 + 5𝑥45 ) + 10.8(3𝑥51 + 3𝑥53 + 8𝑥54 ) + 11.3(6𝑥64
+ 2𝑥65 )

Restricciones:

6𝑥11 + 6𝑥13 + 6𝑥15 ≥ 8


6𝑥22 + 6𝑥24 ≥ 8
4𝑥31 + 8𝑥32 + 4𝑥33 + 4𝑥35 ≥ 8
5𝑥41 + 5𝑥42 + 5𝑥43 + 5𝑥45 ≥ 8
3𝑥51 + 3𝑥53 + 8𝑥54 ≥ 7
6𝑥64 + 2𝑥65 ≥ 7
6𝑥11 + 4𝑥31 + 5𝑥41 + 3𝑥51 = 14
6𝑥22 + 8𝑥32 + 5𝑥42 = 14
6𝑥13 + 4𝑥33 + 5𝑥43 + 3𝑥53 = 14
6𝑥24 + 8𝑥54 + 6𝑥64 = 14
6𝑥15 + 4𝑥35 + 5𝑥45 + 2𝑥65 = 14

Solución
A continuación, se muestran las soluciones obtenidas por lingo.
Global optimal solution found.
Objective value: 709.6000

2
Variable Value Variable Value
x11 0.3333333 x41 1.000000
x13 0.5000000 x42 1.000000
x15 0.6666667 x43 1.000000
x22 0.3333333 x45 1.000000
x24 1.000000 x51 1.000000
x31 1.000000 x53 0.6666667
x32 0.8750000 x54 0.2500000
x33 1.000000 x64 1.000000
x35 1.000000 x65 0.5000000

Interpretación
Los valores que lingo nos ofrece son en realidad la proporción de horas que cada trabajador debe
estar en cada día. A continuación, se detalla la cantidad de horas para cada trabajador.

Tiempo de servicio por operador( horas)


Operadores Lun. Mar. Mier. Jue. Vie. Hrs. Sem. Sueldo Sem.
K. C. 2 0 3 0 4 9 $90
D. H. 0 2 0 6 0 8 $80.8
H. B. 4 7 4 0 4 19 $188.1
S. C. 5 5 5 0 5 20 $196
K. S. 3 0 2 2 0 7 $75.6
N. K. 0 0 0 6 1 7 $79.1
Total 14 14 14 14 14 $709.6

Problema 3.4-17
Planteamiento del problema.
Joyce y Marvin tienen una guardería. Intentan decidir qué dar a los niños de almuerzo. Desean
mantener sus costos bajos, pero también deben cumplir con los requerimientos nutritivos de los
niños. Ya decidieron darles sándwiches de mantequilla de maní y mermelada y alguna combinación
de galletas, leche y jugo de naranja. El contenido nutritivo de cada alimento y su costo se presenta
en la siguiente tabla.

Calorías Vitamina
Ingredientes Calorías de grasa Proteína(g) Costo(¢)
totales c(mg)
Pan (1rebanada) 10 70 0 3 5
Mantequilla de
75 100 0 4 4
maní(1cuch.)
Mermelada de
0 50 3 0 7
fresa(1cuch.)
Galleta(1pieza) 20 60 0 1 8
Leche(1taza) 70 150 2 8 15
Jugo(1taza) 0 100 120 1 35
Los requerimientos nutritivos son los siguientes. Cada niño debe recibir de 400 a 600 calorías. No
más de 30% de las calorías totales deben provenir de grasas. Cada niño debe consumir al menos 60
mg de vitamina C y 12 g de proteína. Todavía más, por razones prácticas, cada niño necesita 2
rebanadas de pan (para un sándwich), al menos el doble de mantequilla de maní que de mermelada
y al menos una tasa de líquido (leche y/o jugo de naranja). Joyce y Marvin desean seleccionar las
opciones de alimento para cada niño que minimice el costo mientras cumple con los requerimientos
establecidos.

a) Formule un modelo de programación lineal.


b) Resuelva el modelo por el método simplex para encontrar una de sus soluciones
óptimas múltiples.

Variables de decisión.
Sea

P = rebanadas de pan. G = galletas.

M = cucharadas de mantequilla de maní. L = tasas de leche

F = cucharadas de mermelada de fresa. J = tasas de jugo.

Modelo matemático.
Minimizar 𝑧 = 5𝑃 + 4𝑀 + 7𝐹 + 8𝐺 + 15𝐿 + 35𝐽

Sujeto a:

70𝑃 + 100𝑀 + 50𝐹 + 60𝐺 + 150𝐿 + 100𝐽 ≥ 400


70𝑃 + 100𝑀 + 50𝐹 + 60𝐺 + 150𝐿 + 100𝐽 ≤ 600
10𝑃 + 75𝑀 + 20𝐺 + 70𝐿 ≤ 0.3(70𝑃 + 100𝑀 + 50𝐹 + 60𝐺 + 150𝐿 + 100𝐽)
3𝐹 + 2𝐿 + 120𝐽 ≥ 60
3𝑃 + 4𝑀 + 𝐺 + 8𝐿 + 𝑗 ≥ 12

𝑃=2
𝑀 ≥ 2𝐹
𝐿+𝐽 ≥ 1
𝑃 ≥ 0, 𝑀 ≥ 0, 𝐹 ≥ 0, 𝐺 ≥ 0, 𝐿 ≥ 0, 𝐽 ≥ 0

1
Solución
Global optimal solution found.
Objective value: 57.00000

Variable Value
P 2
M 1
F 0
G 1
L 0
J 1

Interpretación
Como se verá a continuación se cumplen las restricciones impuestas.
Ingredientes Cantidad Calorías de Calorías Vitamina Proteína(g) Costo(¢) Costo
encontrada grasa totales c(mg) total
Pan (1rebanada) 2 10 70 0 3 5 $10.00
Mantequilla de 1 75 100 0 4 4 $4.00
maní(1cuch.)

Mermelada de 0 0 50 3 0 7 $0.00
fresa(1cuch.)

Galleta(1pieza) 1 20 60 0 1 8 $8.00

Leche(1taza) 0 70 150 2 8 15 $0.00

Jugo(1taza) 1 0 100 120 1 35 $35.00


Total consumido 115 Calorías 400 Calorías 120 mg 12 g $57.00

- Se tienen 2 rebanadas de pan.


- La mantequilla de maní es más del doble de la mermelada de fresa.
- Se tiene al menos una tasa de líquido, jugo en este caso.
- Se consumen más de 60 mg de vitamina C.
- El total de calorías es de 515, más de 400 calorías, y las calorías provenientes de la grasa es menos del 30%, de
hecho, es del 22.33%

1
Problema 3.5-5
Planteamiento del problema.
Fred Jonasson administra la granja de su familia. Para complementar varios alimentos que se cultivan en la granja, Fred
también cría cerdos para venta y desea determinar las cantidades de los distintos tipos de alimento disponibles (maíz,
grasas y alfalfa) que debe dar a cada cerdo. Como éstos se comerán cualquier mezcla de estos tipos de alimento, el objetivo
es determinar cuál de ellas cumple ciertos requisitos nutritivos a un costo mínimo. En la siguiente tabla se presentan las
unidades de cada tipo de ingrediente nutritivo básico que contiene 1 kilogramo de cada tipo de alimento, junto con los
requisitos de nutrición diarios y los costos de los alimentos:

INGREDIENTE MAÍZ (KG) NUTRIMENTO ALFALFA (KG) REQUERIMIENTO MÍNIMO DIARIO


(KG)
CARBOHIDRATOS 90 20 40 200
PROTEÍNA 30 80 60 180
VITAMINAS 10 20 60 150
COSTO 84 72 60

a) Formule el modelo de programación lineal para este problema.


b) Despliegue el modelo en una hoja de Excel.
c) Utilice la hoja de cálculo para verificar si: (𝑥1 , 𝑥2 , 𝑥3 ) = (1,2,3) es factible y, si lo es, cuál sería el costo diario
de esta dieta. ¿Cuántas unidades de cada ingrediente nutritivo proporciona al día esta dieta?
d) Tome unos minutos para usar un enfoque de prueba y error con la hoja de cálculo a fi n de obtener la mejor
estimación de la solución óptima. ¿Cuál es el costo diario de su solución?
e) Use el Excel Solver para resolver el modelo por el método simplex.

Variables de decisión.
Sea

M = Kg de maíz

N = kg de nutrimento

A = Alfalfa

Modelo matemático
Minimizar 𝑧 = 84𝑀 + 72𝑁 + 60𝐴

Sujeto a:

90𝑀 + 20𝑁 + 40𝐴 ≥ 200


30𝑀 + 80𝑁 + 60𝐴 ≥ 180
10𝐶 + 20𝑁 + 60𝐴 ≥ 150
𝑀, 𝑁, 𝐴 ≥ 0

2
Solución
a) Introducción del modelo en Excel.

RESTRICCIONES MAÍZ NUTRIMENTO ALFALFA ESTIMACIÓN Signo LD

CARBOHIDRATOS 90 20 40 200 >= 200


PROTEÍNA 30 80 60 180 >= 180
VITAMINAS 10 20 60 150 >= 150
COSTO $84.00 $72.00 $60.00 $243.53
Solución 1.19 0.10 2.27

b) (𝑥1 , 𝑥2 , 𝑥3 ) = (1,2,3) Si es una solución óptima, esta dieta provee los siguiente:
Carbohidratos: 210, proteína: 310 y vitaminas: 170.
Con un costo total de: $348.00
c) No encontré mejor solución que esta.

Interpretación

Ingrediente valor
CARBOHIDRATOS 200
PROTEÍNA 180 Costo total: $214.52
VITAMINAS 150

Problema 3.5-6
Planteamiento del problema.
Maureen Laird es directora de inversiones de Alva Electric Co. Empresa importante en el medio oeste. La compañía ha
programado la construcción de nuevas plantas hidroeléctricas a 5, 10 y 20 años para cumplir con las necesidades de la
creciente población en la región que sirve. Maureen debe invertir parte del dinero de la compañía para cubrir sus
necesidades de efectivo futuras. Puede comprar sólo tres tipos de activos, cada una de las cuales cuesta 1 millón. Se
pueden comprar unidades fraccionarias. Los activos producen ingresos a 5, 10 y 20 años, y el ingreso se necesita para
cubrir necesidades mínimas de flujos de efectivo en esos años. (Cualquier ingreso arriba del mínimo que se requiere para
cada periodo se usará para incrementar el pago de dividendos a los accionistas en lugar de ahorrarlo para ayudar a cumplir
con los requerimientos mínimos de efectivo del siguiente periodo.) La tabla que se presenta a continuación muestra la
cantidad de ingreso generada por cada unidad de acciones y la cantidad mínima de ingreso requerida para cada periodo
futuro en que se construirá una nueva planta.

3
Año Activo1 Activo2 Activo3 Flujo de efectivo
5 $2 millones $1 millón $0.5 millones $400 millones
10 $0.5 millones $0.5 millones $1 millón $100 millones
20 0 $1.5 millones $2 millones $300 millones

Maureen desea determinar la mezcla de inversiones en estas acciones que cubrirá los requerimientos de efectivo y que
minimizará la cantidad total invertida.

a) Formule el modelo de programación lineal para este problema.


b) Despliegue el modelo en una hoja de Excel.
c) Utilice la hoja de cálculo para verificar la posibilidad de comprar 100 unidades de la acción 1, 100 de la acción
2 y 200 de la 3.
d) ¿Cuánto efectivo generará esta mezcla de inversiones dentro de 5, 10 y 20 años, respectivamente? ¿Cuál será
la cantidad total invertida?
e) d) Utilice el enfoque de prueba y error con la hoja de cálculo para obtener su mejor solución óptima. ¿Cuál es
la inversión total de su solución?
f) Use Excel Solver para resolver el modelo por el método simplex

Variables de decisión.
Sea

𝑥1 = La cantidad de inversión para el activo1

𝑥2 = La cantidad de inversión para el activo2

𝑥3 = La cantidad de inversión para el activo3

Modelo matemático.

Minimizar 𝑧 = 𝑥1 + 𝑥2 + 𝑥3

Sujeto a:

2𝑥1 + 2𝑥2 + 0.5𝑥3 ≥ 400


0.5𝑥1 + 0.5𝑥2 + 𝑥3 ≥ 100
1.5𝑥2 + 3𝑥3 ≥ 300
𝑥1 , 𝑥2 , 𝑥3 ≥ 0

4
Solución
Al introducir los datos en Excel arroja los siguientes valores.

Restricciones Activo 1 Activo 2 Activo 3 Estimación Signo LD


5 Años 2 2 0.5 600 >= 400
10 Años 0.5 0.5 1 150 >= 100
20 Años 0 1.5 3 300 >= 300
300
Costo 1 1 1
Millones
Solución 100 200 0

Interpretación
La solución a l problema es:

Tiempo Ganancia
5 Años 600
300
10 Años 150 Costo total: Millones
20 Años 300

Para el inciso c) Utilice la hoja de cálculo para verificar la posibilidad de comprar 100 unidades de la acción 1, 100 de la
acción 2 y 200 de la 3. La solución que arroja es la siguiente:

Tiempo Ganancia
5 Años 500
400
10 Años 300 Costo total: Millones
20 Años 750

5
Problema 3.6-1
Planteamiento del problema.
La Philbrick Company tiene dos plantas en lados opuestos de Estados Unidos. Cada una produce los mismos dos productos
y los vende a distribuidores en su mitad del país. Ya se recibieron las órdenes de los distribuidores para los próximos 2
meses (febrero y marzo); el número de unidades que se requieren se muestra en la tabla. (La compañía no está obligada
a cumplir totalmente estas órdenes, pero lo hará, si puede, sin disminuir sus ganancias.)

PLANTA 1 PLANTA 2
PRODUCTO Febrero Marzo Febrero Marzo
1 3600 6300 4900 4200
2 4500 5400 5100 6000

Cada planta tiene 20 días de producción disponibles en febrero y 23 en marzo para producir y enviar los productos. Los
inventarios se agotan al final de enero, pero cada planta tiene suficiente capacidad de inventario para 1 000 unidades en
total de los dos productos, si se produce un exceso en febrero para venta en marzo. En cualquier planta, el costo de
mantener inventario de esta manera es de $3 por unidad del producto 1 y $4 por unidad del producto 2. Cada planta
tiene los mismos dos procesos de producción que se pueden usar para producir cualquiera de estos productos. El costo
de producción por unidad producida se muestra en la tabla para cada proceso en cada planta.

PLANTA 1 PLANTA 2
PRODUCTO Proceso 1 Proceso 2 Proceso 1 Proceso 2
1 $62 $59 $61 $65
2 $78 $85 $89 $86

A continuación, se presenta la tasa de producción de cada producto (número de unidades de ese producto fabricadas
por día) mediante cada proceso en cada planta.

PLANTA 1 PLANTA 2
PRODUCTO Proceso 1 Proceso 2 Proceso 1 Proceso 2
1 100 140 130 110
2 120 150 160 130

El ingreso neto por ventas (precio de venta menos costos de envío normal) que recibe la compañía cuando una planta
vende los productos a sus propios clientes (distribuidores en su mitad del país) es de $83 por unidad del producto 1 y
$112 por unidad del producto 2. Sin embargo, también es posible (y en ocasiones deseable) que una planta haga un
envío a la otra mitad del país para ayudar a satisfacer la venta de la otra. Cuando esto ocurre se incurre en un costo
adicional de $9 en el caso del producto 1 y $7 en el del producto 2. La administración debe determinar cuánto fabricar
de cada producto mediante cada proceso en cada planta cada mes, al igual que cuánto debe vender cada planta de cada
producto cada mes y cuánto debe enviar cada planta de cada producto cada mes a los clientes de la otra planta. El
objetivo es determinar el plan factible que maximice la ganancia total (ingresos netos por venta menos la suma de los
costos de producción, de inventario y los costos adicionales de envío).

a) Formule un modelo completo de programación lineal en forma algebraica para mostrar las restricciones
individuales y las variables de decisión.
b) Formule el mismo modelo en una hoja de Excel. Después use Excel Solver para resolverlo.
c) Use LINGO para formular el modelo en forma compacta. Después use LINGO para resolverlo.
6
Variables de decisión.
Sea

I = Los productos K = Planta 1 o planta 2 M = regiones de venta

J = Los mese L = Los procesos, (1 o 2).

𝑥𝑖𝑗𝑘𝑙𝑚 = cantidad producida del producto i, en el mes j, por la planta k usando el proceso l, para ser vendido en la región
m.

𝐷𝑖𝑗𝑚 = Demanda del producto i en el mes j en la región m.

𝑒𝑖𝑘𝑙 = Costo de producción del producto i en la planta k usando el proceso l.

𝑅𝑖𝑘𝑙 = Tasa de producción del producto i en la planta k usando el proceso l

𝑆𝑖𝑚 = Cantidad en inventario in marzo del producto i en la región m.

𝑃𝑖 = Cantidad vendida del producto i.

𝑇𝑖𝑘𝑚 = Costo de transporte del producto i, producido por la planta k, para enviarse a la región m.

𝐴𝑗 = Días disponibles para producción en el mes j.

𝑀𝑖 = Costo de almacenaje por unidad del producto i.

Modelo matemático
Maximizar 𝑧 = 𝑖𝑛𝑔𝑟𝑒𝑠𝑜𝑠 − 𝑐𝑜𝑠𝑡𝑜𝑃𝑟𝑜𝑑𝑢𝑐𝑐𝑖ó𝑛 − 𝑐𝑜𝑠𝑡𝑜𝑠𝐼𝑛𝑣𝑒𝑛𝑡𝑎𝑟𝑖𝑜 − 𝑐𝑜𝑠𝑡𝑜𝑠𝑇𝑟𝑎𝑛𝑠𝑝𝑜𝑟𝑡𝑎𝑐𝑖ó𝑛

Maximizar 𝑧 = ∑𝑖 𝑝𝑖 (∑𝑗𝑘𝑙𝑚 𝑥𝑖𝑗𝑘𝑙𝑚 ) − ∑𝑖𝑘𝑙 𝐶𝑖𝑘𝑙 ( ∑𝑗𝑚 𝑥𝑖𝑗𝑘𝑙𝑚 ) − ∑𝑖 𝑀𝑖 (∑𝑚 𝑆𝑖𝑚 ) − ∑𝑖𝑘𝑚 𝑇𝑖𝑘𝑚 (∑𝑗𝑙 𝑥𝑖𝑗𝑘𝑙𝑚 )

Sujeto a:

∑ 𝑥𝑖𝑗𝑘𝑙𝑚 − 𝑠𝑖𝑚 ≤ 𝐷𝑖𝑗𝑚 ; 𝐷𝑜𝑛𝑑𝑒: 𝑗 = 𝑓𝑒𝑏, 𝑖 = 1,2, 𝑀 = 1,2


𝑘𝑙

∑ 𝑥𝑖𝑗𝑘𝑙𝑚 + 𝑠𝑖𝑚 ≤ 𝐷𝑖𝑗𝑚 ; 𝐷𝑜𝑛𝑑𝑒 𝑗 = 𝑚𝑎𝑟𝑧𝑜, 𝑖 = 1,2, 𝑀 = 1,2


𝑘𝑙

∑ 𝑠𝑖𝑚 ≤ 𝐿 ∶ 𝐷𝑜𝑛𝑑𝑒 𝑀 = 1,2


𝑖

1
∑ (∑ 𝑥𝑖𝑗𝑘𝑙𝑚 ) ≤ 𝐴𝑗 ; 𝐷𝑜𝑛𝑑𝑒: 𝑗 = 𝐹𝑒𝑏, 𝑀𝑎𝑟𝑧𝑜, 𝑅 = 1,2
𝑅𝑖𝑅𝐿
𝑖𝑙 𝑚

𝑥𝑖𝑗𝑘𝑙𝑚 ≥ 0 ; 𝐷𝑜𝑛𝑑𝑒: 𝑖 = 1,2; 𝑗 = 𝐹𝑒𝑏, 𝑀𝑎𝑟𝑧𝑜; 𝑘 = 1,2; 𝑙 = 1,2; 𝑚 = 1,2

7
Solución

Problema 3.6-7
Planteamiento del problema.
Una fábrica grande de papel, la Quality Paper Corporation, tiene 10 molinos de papel para surtir a 1 000 clientes. Usa
tres tipos alternativos de máquinas y cuatro tipos de materia prima para hacer cinco tipos diferentes de papel. Por lo
tanto, la compañía debe desarrollar un plan detallado para distribuir mensualmente la producción, con el objeto de
minimizar el costo total de producir y distribuir el papel durante el mes. En particular, es necesario determinar
conjuntamente la cantidad de cada tipo de papel que debe producir en cada planta, en cada tipo de máquina y la
cantidad de cada tipo de papel que debe enviar de cada planta a cada cliente. Los datos relevantes se pueden expresar
de manera simbólica como sigue

𝐷𝑗𝑘 = Número de unidades del tipo de papel k demandadas por el cliente j

𝑟𝑘𝑙𝑚 = Número de unidades de materia prima m necesarias para producir 1 unidad del tipo de papel k en la maquina tipo
l.

𝑅_𝑖𝑚 = Número de unidades de materia prima m disponibles en la planta i,

𝑐_𝑘𝑙= Número de unidades de capacidad de la máquina tipo l que producirán una unidad de papel tipo k,

𝐶𝑖𝑙 = Número de unidades de capacidad de la máquina tipo l disponibles en la planta i,

Pikl = costo de producción de cada unidad de papel tipo k producida en la máquina tipo l en la planta i,

𝑇ijk = costo de transporte de cada unidad de papel tipo k enviada de la planta i al cliente j.

a) Utilice estos símbolos para formular a mano un modelo de programación lineal para este problema.
b) ¿Cuántas restricciones funcionales y variables de decisión tienen este modelo?
c) Use LINGO para formular este problema.

Variables de decisión.
𝐷𝑗𝑘 = Número de unidades del tipo de papel k demandadas por el cliente j

𝑟𝑘𝑙𝑚 = Número de unidades de materia prima m necesarias para producir 1 unidad del tipo de papel k en la maquina tipo
l.

𝑅_𝑖𝑚 = Número de unidades de materia prima m disponibles en la planta i,

𝑐𝑘𝑙 = Número de unidades de capacidad de la máquina tipo l que producirán una unidad de papel tipo k,

𝐶𝑖𝑙 = Número de unidades de capacidad de la máquina tipo l disponibles en la planta i,

Pikl = costo de producción de cada unidad de papel tipo k producida en la máquina tipo l en la planta i,

𝑇ijk = costo de transporte de cada unidad de papel tipo k enviada de la planta i al cliente j.

Modelo matemático
Minimizar 𝑧 = 𝑐𝑜𝑠𝑡𝑜𝑃𝑟𝑜𝑑𝑢𝑐𝑐𝑖ó𝑛 + 𝑐𝑜𝑠𝑡𝑜𝑠𝑇𝑟𝑎𝑛𝑠𝑝𝑜𝑟𝑡𝑎𝑐𝑖ó𝑛

1
𝑧 = ∑ 𝑃𝑖𝑘𝑙 + ∑ 𝑇𝑖𝑗𝑘
𝑖𝑘𝑙 𝑖𝑗𝑘

Sujeto a:

∑ 𝑟𝑘𝑚𝑙 ≤ 𝑅𝑖𝑚 ; 𝑑𝑜𝑛𝑑𝑒 𝑙 = 1, … ,3, 𝑘 = 1, … 5, 𝑚 = 1, … 4


𝑘𝑚𝑙
𝑐𝑖𝑙
∑ = ∑ 𝑑𝑗𝑘 ; 𝑑𝑜𝑛𝑑𝑒 𝑙 = 1, … ,3, 𝑘 = 1, … ,5, 𝑗 = 1, … ,1000
𝑐𝑘𝑙
𝑖𝑙 𝑗𝑘

∑ 𝑐𝑘𝑙 = ∑ 𝑐𝑖𝑙 ; 𝑑𝑜𝑛𝑑𝑒 𝑙 = 1, … ,3, 𝑘 = 1, … ,5


𝑘𝑙 𝑖𝑙

Solución
a) El modelo matemático se puede ver arriba.
b) Se cuenta con las siguientes variables de decisión:
a. La cantidad de papel a producir por cada tipo de papel, 5 tipos de papel.
b. La cantidad de papel a enviar a cada cliente, 1,000 clientes.
c. La cantidad a producir en cada planta, 10 molinos.
c)

MODEL:

SETS:
planta = PH1..PH10;
cliente = Cust1..Cust1000;
producto = P1..P5;
MateriaP = Mp1..Mp4;
Maquina = Mq1..Mq3;
costoProd = Cp1..Cp5;
CostoTrans = Ct1..Ct1000;
demanda =d1..d1000;
ENDSETS
min = @sum(CostoProd(I)): + @sum(CostoTrans(J));

@FOR( planta(I): @FOR(Maquina(M): @SUM(producto(K):@SUM(proceso(L): var(I,Feb,K,L,M)))<=


demanda(I)));

@for(producto(I))<= @for(MteriaP(j))
@for(Planta(I):@for(maquina(I):@sum(Producto(J)))) = @for(demanda(K):@sum(demanda(K)))

END

Похожие интересы