Академический Документы
Профессиональный Документы
Культура Документы
Aún recuerdo aquella tarde de 1990 cuando nuestro profesor entro al aula,
todos nosotros nos ubicamos en nuestros asientos, nos miró casi de reojo y
con voz pausada se dijo:
"les voy a enseñar Investigación de Operaciones" ¿Qué es eso? fue la
pregunta que lanzamos algunos de nosotros, algunas risas se escucharon
como siempre en el aula, el profesor sin inmutarse prosiguió su monólogo
diciendo :"es una nueva ciencia que apareció durante la Segunda Guerra
Mundial y que ayudó a derrotar a Alemania y ahora se ha trasladado a la
guerra que libran día a día las empresas en las cuales hay vencedoras y
vencidas ",¿que tan poderosa es esa nueva ciencia de la cuál nunca antes
había yo escuchado? ¿que armas tan potentes debe usar ? ¿ como hace para
que algunas empresas crezcan y otras queden destruidas? preguntas como
estas empezaron a hacerse eco en mi cabeza, y hasta ahora siguen
sorprendentemente siendo analizadas aún todavía en todo el mundo por
muchas personas.
Creo que ese momento marcó para mí el rumbo de mi vida ,poder
responder esas preguntas y muchas más hicieron que me interese de
sobremanera en Investigación de Operaciones porque era algo nuevo ( y
muchos veces aún todavía lo sigue siendo) y que a través de este tiempo
nuevas interrogantes han aparecido en esta aventura de estudiar esta
ciencia ya sea personalmente o mediante las charlas con los alumnos de las
universidades de Trujillo.
Hoy estoy frente a ti a través de estas línea, para acompañarte a ingresar a
un nuevo y fascinante mundo, cumpliendo uno de los mayores sueños que
he tenido, hacer realidad la publicación de un libro el cual no ha sido fácil,
1
Fundamentos de la Investigación de Operaciones UAP
2
Fundamentos de la Investigación de Operaciones UAP
CAPITULO I
Introducción a la Investigación de Operaciones Pag. 4
Capitulo II
2.1 Formulación de un modelo Lineal Pag. 7
2.2 Problema para formular: Nivel A Pag. 8
Capitulo III
3.1 Problemas para formular : Nivel B Pag. 21
Capitulo IV
4.1 Modelos para formular Pag. 41
CAPITULO V
Casos De Aplicación De Modelos Lineales Pag.58
ANEXO 1
Entrevista a George Dantzig:
Fundador de la Programación Lineal Pag.84
ANEXO 2
Historia de los métodos cuantitativos Pag.89
3
Fundamentos de la Investigación de Operaciones UAP
4
Fundamentos de la Investigación de Operaciones UAP
científicos fueron conocidos como los O.R, por ser los primeros
investigadores operacionales. Al final de la guerra un grupo de ellos se
dedica a la industria y al gobierno, empezando la palabra I.O. para designar
a aquellos científicos que se preocupaban por resolver los problemas que
aparecían en la administración.
Se le debe a Gran Bretaña el haber iniciado la I.O. y a Estados Unidos por
el rápido crecimiento de esta disciplina.
El auge empieza en 1947 :
5
Fundamentos de la Investigación de Operaciones UAP
3. Reemplazo.
4. Líneas de espera.
5. Secuenciación y coordinación.
6. Trayectorias.
7. Competencia.
8. Búsqueda.
6
Fundamentos de la Investigación de Operaciones UAP
CAPITULO II
7
Fundamentos de la Investigación de Operaciones UAP
Programación Lineal
Formulación
En esta parte debemos considerar algo muy importante, hay una variedad
de aplicaciones de modelos lineales, en las siguientes paginas vamos a
tratar de considerar modelos lineales y sobre todo de mas aplicación al
inicio del aprendizaje de formulación de modelos lineales.
Nivel A:
Problema 1.-(producción)
Una industria vinícola produce vino y vinagre. El doble de la producción de
vino es siempre menor o igual que la producción de vinagre más cuatro
unidades. Por otra parte, el triple de la producción de vinagre sumado con
cuatro veces la producción de vino se mantiene siempre menor o igual a 18
unidades.
Halla el número de unidades de cada producto que se deben producir
para alcanzar un beneficio máximo, sabiendo que cada unidad de vino deja
un beneficio de S/8 y cada unidad de vinagre de S/2.
Solución:
Vino Vinagre
Beneficio S/8 / unidad S/ 2 /unidad
Variable de decisión:
Xi= Número de unidades producidas de i(i=Vino,vinagre=1,2) a elaborar.
Función Objetivo:
Max=8x1+2x2
Restricciones:
El doble de la producción de vino es siempre menor o igual que la
producción de vinagre más cuatro unidades:
8
Fundamentos de la Investigación de Operaciones UAP
2x1<=x2+4
Max=8x1+2x2
Sujeto a:
2x1-x2<=4
4x1+3x2<=18
no negatividad:
Xi>=0
Problema 2.-(producción)
Una fábrica de carrocerías de automóviles y camiones tiene dos
departamentos. En el departamento A, para hacer la carrocería de un
camión, se invierten 7 días-operario, para fabricar la de un coche se
precisan 2 días-operario. En el departamento B se invierten tres días
operario tanto en carrocerías de camión como de coche. Por limitaciones de
mano de obra y maquinaria, el departamento A dispone de 300 días
operario, y el departamento B de 270 días-operario. Si los beneficios que se
obtienen por cada camión son de $6000 y por cada automóvil $2000
¿cuántas unidades de cada uno se deben producir para maximizar las
ganancias?
*Considere que para la producción se debe utilizar ambos departamentos.
Variable de decisión:
Xi= Número de vehículos tipo i(i=camion,automovil=1,2) a producir.
Función objetivo:
Maximizar beneficios:
9
Fundamentos de la Investigación de Operaciones UAP
Max=6000x1+2000x2
Restricciones:
Departamento A
7x1+2x2<=300
Departamento B
3x1+3x2<=270
No negatividad:
Xi>=0
Problema 3.-(inversión)
Una entidad financiera capta depósitos y presta dinero. La captación de
depósitos lleva una hora para convencer al cliente y otra de trabajo
burocrático. El préstamo de dinero lleva una hora para convencer al cliente
y dos horas de trabajo burocrático. El máximo número de horas de trabajo
disponibles es de 40 horas para convencer a los clientes y 60 horas para el
trabajo burocrático. El beneficio obtenido por prestar dinero es 1/3 mayor
que el de captar depósitos. ¿Cuántas operaciones de cada tipo le conviene
realizar para obtener el máximo beneficio?
Solución:
Depósitos Prestamos Disponible
Horas de trabajo 1h/operación 1h/operación 40 h
para convencer al
cliente
Horas de trabajo 1h/operación 2h/operación 60 h
burocrático
Beneficio 1/operación (1+1/3)/operación
Variable de Decisión:
Xi= Número de operaciones de tipo i ( i = depósitos , prestamos = 1, 2) a
realizar.
Función objetivo:
Maximizar beneficios
Max=x1+1,333x2
Restricciones:
Horas de trabajo para convencer al cliente:
X1+x2<=40
Horas de trabajo burocrático:
X1+2x2<=60
No negatividad:
10
Fundamentos de la Investigación de Operaciones UAP
Xi>=0
Problema 4.-(Inversión)
Una persona tiene S/500.000 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/300.000 en A y como mínimo S/100.000 en B, e invertir en A por lo
menos tanto como en B. ¿Cómo deberá invertir sus S/500.000 para
maximizar sus intereses anuales?
Solución:
Variable de decisión:
Xi= Número de acciones de tipo i(i=A,B=1,2) a comprar.
Función objetivo:
Maximizar intereses
Max=0,10x1+0,07x2
Restricciones:
Dinero máximo a invertir en acciones tipo A
X1<=300000
Dinero mínimo a invertir en acciones tipo B
X2>=100000
invertir en A por lo menos tanto como en B
X1>=X2
Dinero disponible
X1+X2<=500000
No negatividad:
Xi>=0
11
Fundamentos de la Investigación de Operaciones UAP
Problema 5.-(mezcla)
Alicia, 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 figura se dan los
datos para los dos productos. Si Alicia 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?.
Solución:
Producto Costo Proteina (%) Grasas (%)
de soya Por onza
1 $0,60 50 10
2 $0,15 20 20
Variable de decisión:
Xi = Número de onzas del producto i(i=1,2) a comprar.
Función Objetivo:
Minimizar costos
Min=0,60x1+0,15x2
Restricciones:
Proteínas:
0,50x1+0,20x2>=8
Grasas:
0,10x1+0,20x2>=1
No negatividad:
Xi>=0.
12
Fundamentos de la Investigación de Operaciones UAP
Problema 6.-(Mezcla)
Pearce Dears, un antiguo entrenador de grupos de choque, se ha convertido
en avicultor. Desea alimentar a sus animales en forma tal que se cubran sus
necesidades de nutrición a un costo mínimo. Pearce está estudiando el uso
de maíz, soya, avena y alfalfa. En la figura se muestra la información
dietética importante por libra de grano (por ejemplo, 1 libra de maíz
proporciona 15 miligramos de proteína). Elabore un modelo de PL para
determinar la mezcla dietética que satisfará los requisitos diarios a un costo
mínimo.
Nutrientes por libra de grano
Nutriente Maíz Soya Avena Alfalfa Necesidades
(mg) (mg)
Proteína 15 30 15 7 Mínimo 50
Calcio 40 10 40 45 Mínimo 150
Grasas 20 50 8 25 Máximo 120 y Mínimo 25
Calorías 850 1500 1200 4000 Mínimo 5000
Costo por 70 45 40 90
libra
Solución:
Variable de Decisión:
Xi= Número de libras a comprar de i(i=Maiz,soya,avena,alfalfa=1,2,3,4) .
Función Objetivo:
Minimizar costos
Min =70x1 + 45x2 + 40x3 + 90x4
Restricciones:
Proteínas:
15x1 + 30x2 + 15x3 + 7x4 >= 50
Calcio:
40x1 + 10x2 + 40x3 + 45x4 >= 150
Grasas:
20x1 + 50x2 + 8x3 + 25x4 >= 25
20x1 + 50x2 + 8x3 + 25x4 <= 120
Calorías:
850x1 + 1500x2 + 1200x3 + 4000x4 >=5000
No negatividad:
Xi>=0
13
Fundamentos de la Investigación de Operaciones UAP
Esposa 30 30
Marido 10 30
Soltero 10 15
Soltera 10 20
Nadie 40 5
Solución:
variables de decisión :
Xij= número de llamadas realizadas en el horario i (i=diurno/nocturno=1,2)
Función Objetivo:
Minimizar costos
Minimizar = 2x1 + 5x2
Restricciones:
Esposas encuestadas:
14
Fundamentos de la Investigación de Operaciones UAP
0.30x1+0.30x2>=150
Maridos encuestados:
0.10x1+0.30x2>=120
Solteros encuestados:
0.10x1+0.15x2>=100
Solteras encuestados:
0.10x1+0.20x2>=110
realizar a lo más la mitad de estas llamadas en la noche
x2<=(1/2)(x1+x2)
No negatividad: Xi>=0
Problema 8.-(Pesca)
Las restricciones pesqueras impuestas por el gobierno obligan a cierta
empresa a pescar como máximo 2.000 toneladas de merluza y 2.000
toneladas de jurel, además, en total, las capturas de estas dos especies no
pueden pasar de las 3.000 toneladas. Si el precio de la merluza es de
S/10/kg y el precio del jurel es de S/15/kg, ¿qué cantidades debe pescar
para obtener el máximo beneficio?+
Solución:
Merluza Jurel
Pesca Máximo Máximo
2000 tn 2000 tn
Total Máximo
3000 tn
Precio de S/10/kg S/15/kg
Venta
Variable de decisión:
Xi= Número de toneladas de pescado tipo i(i=merluza ,jurel=1,2) a pescar.
Función Objetivo:
Maximizar ingresos
Max=(S/ 10/kg)*(1000 kg)x1 tn+(S/15/kg)*(1000 kg)x2 tn
Restricciones:
Toneladas de merluza:
X1<=2000
15
Fundamentos de la Investigación de Operaciones UAP
Toneladas de Rape:
X2<=2000
Toneladas máximas a pescar:
X1+X2<=3000
No negatividad:
Xi>=0
Problema 9.-(Compra)
Un hipermercado necesita como mínimo 16 cajas de langostino, 5 cajas de
nécoras y 20 de percebes. Dos mayoristas, A y B, se ofrecen al
hipermercado para satisfacer sus necesidades, pero sólo venden dicho
marisco en contenedores completos. El mayorista A envía en cada
contenedor 8 cajas de langostinos, 1 de nécoras y 2 de percebes. Por su
parte, B envía en cada contenedor 2, 1 y 7 cajas respectivamente. Cada
contenedor que suministra A cuesta S/210, mientras que los del mayorista
B cuestan S/300 cada uno. ¿Cuántos contenedores debe pedir el
hipermercado a cada mayorista para satisfacer sus necesidades mínimas con
el menor coste posible?
Solución:
Contenedor A Contenedor B Necesidad
Langostino 8 cajas/contenedor 2cajas/contenedor 16 cajas
Nécoras 1 cajas/contenedor 1cajas/contenedor 5 cajas
Percebes 2 cajas/contenedor 7cajas/contenedor 20 cajas
Costo S/210/contenedor S/300/contenedor
Variable de decisión:
Xi = Cantidad de contenedores tipo i(i=A,B=1,2) a pedir.
Función objetivo:
Minimizar el costo
Min=210x1+300x2
16
Fundamentos de la Investigación de Operaciones UAP
Restricciones:
Langostinos
8x1+2x2>=16
Nécoras:
1x1+1x2>=5
Percebes:
2x1+7x2>=20
No negatividad:
Xi>=0
Problema 10.-
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:
(Unidades/minuto)
Departamento Producto 1 Producto 2
1 8 9
2 5 6
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 dias a la
semana) que se ensamblaran a fin de minimizar la suma de tiempos no
ocupados (ociosos) en los tres departamentos.
Solución:
Indudablemente es una producción en línea por que el producto para
ensamblarse debe pasar por los tres departamentos, entonces
Variable de Decisión :
Xi= número de unidades del producto i(i=1,2) a elaborar semanalmente.
Sj= tiempo ocioso del departamento j(j=1,2,3).
Función Objetivo :
minimizar el tiempo ocioso
Min = s1 minutos + s2 minutos + s3 minutos
17
Fundamentos de la Investigación de Operaciones UAP
Restricciones:
Departamento 1:
(1 minuto/ 8 unidades)(X1 unidades/semana) + (1minuto/9 unidades)(X2
unidades/semana)+(s1 minutos/semana)=(48h/semana)(60 minutos/h)(0,95)
Departamento 2:
( 1 minuto/ 5 unidades)(X1 unidades/semana) + (1 minuto/6 unidades)(X2
unidades/semana)+(s2 minutos/semana)=(48h/semana)(60 minutos/h)(0,92)
Departamento 3:
( 1 minuto/ 5 unidades)(X1 unidades/semana) + (1 minuto/3 unidades)(X2
unidades/semana)+(s3 minutos/semana)=(48h/semana)(60 minutos/h)(0,94)
No negatividad:
Xi >=0, Si>=0
Problema 11.-
Una empresa manufacturera ha descontinuado la producción de cierta línea
de productos no provechosa. Esto creó un exceso considerable en la
capacidad de producción. El gerente está considerando dedicar esta
capacidad en exceso a uno o más de tres productos, llamémoslos
losproductos1,2,y3.La capacidad disponible de la máquinas que podría
limitar la producción se resume en la tabla siguiente:
TIPO DE MAQUINA TIEMPO DISPONIBLE
FRESADORA 500H/SEMANA
TORNO 350
RECTIFICADORA 150
18
Fundamentos de la Investigación de Operaciones UAP
Función Objetivo:
Maximizar=30x1+12x2+15x3
Restricciones:
Tiempo:
Fresadora: 9x1+3x2+5x3<=500
Torno: 5x1+4x2<=350
Rectificadora:3x1+2x3<=150
Potencial de ventas del producto3:
X3<=20
No negatividad:
xi>=0
Problema 12.-
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 siguiente tabla:
Materia Prima Mano de
obra
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 mas 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
19
Fundamentos de la Investigación de Operaciones UAP
Solución:
Variable de decisión:
Xi= Numero de unidades del producto i (i=1,2) a elaborar.
Función Objetivo:
Max=($10000/unidad)(x1 unidades)+($8000/unidad)(x2 unidades)
-($10/unidad de materia prima)(200unidades de materia prima/unidad)(x1
unidades)-($70/unidad de materia prima)(18 unidades de materia
prima/unidad)(x1 unidades)-($10/unidad de materia prima)(150 unidades
de materia prima/unidad)(x2 unidades)-($70/unidad de materia prima)(20
unidades de materia prima/unidad)(x2 unidades)
Restricciones:
200x1 + 150x2 < =80000 (Restricción de materia prima)
18x1 + 20x2 < =9000 (Restricción de mano de obra)
x1 < =1500 (Número máximo de compactos)
x2 < =200 (Número máximo de subcompactos)
x1 , x2 >= 0
Problema 13.-
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 limite,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 siguiente
tabla:
Yogurt Jugos Dispon. Costo
Mango 2 kg/botella 3 kg/botella 1600 kg $0.50/kg
Durazno 3 kg/botella 1 kg/botella 2100 kg $0.30/kg
Venta <=9000 botellas
P.Venta $5/botella $3/botella
20
Fundamentos de la Investigación de Operaciones UAP
Restricciones:
Mango:
(2 kg/botella)(x1 botella) +( 3 kg/botella)(x2 botella)<=1600 kg
Durazno:
(3 kg/botella)(x1 botella)+(1 kg/botella)( x2 botella)<=2100 kg
Yogurt:
x1 botella <=9000 botella
No negatividad:
Xi>=0
21
Fundamentos de la Investigación de Operaciones UAP
CAPITULO III
Modelos para formular:
NIVEL B
Problema 1.-(mezcla)
Usted a decidido entrar en el negocio de los dulces. Está considerando
producir dos tipos de dulces: Easy Out Candy y Slugger Candy , que se
componen solamente de azúcar, nueces y chocolate. Actualmente, tiene en
bodega 100 onzas de azúcar, 20 oz de nueces y 30 oz de chocolate. La
mezcla para producir Easy Out Candy tiene que contener por lo menos 20%
de nueces.
La mezcla para producir Slugger Candy tiene que contener por lo menos
10% de nueces y por lo menos 10% de chocolate. Cada onza de Easy Out
Candy se vende a 25 centavos(de dólar), y una onza de Slugger Candy a 20
centavos. Formule un PL que le permita maximizar sus ingresos por la
venta de dulces.
Solución:
Easy Out Candy Slugger Candy Disponible
Azúcar 100 onzas
Nueces Por lo menos 20% Por lo menos 10% 20 onzas
Chocolate Por lo menos 10% 30 onzas
Precio de Venta $0,25 $0.20
Variable de decisión:
Xij = Usar onzas del ingrediente i (i= azúcar, nueces, chocolate = 1, 2 ,3)
para elaborar el tipo de dulce j ( j = Easy Out Candy , Slugger Candy=1,2).
Función Objetivo:
Maximizar el ingreso por el precio de venta:
Max = 0.25X11 + 0.25X21 + 0.25X31+ 0.20X12 + 0.20X22 + 0.20X32
Restricciones:
Azúcar:
X11 + X12 <= 100
Nueces:
X21 + X22 <= 20
22
Fundamentos de la Investigación de Operaciones UAP
Chocolate:
X31 + X32 <= 30
No negatividad:
Xij>=0
Problema 2.-(Producción)
Sunco produce dos tipos de acero en tres diferentes acerías. Durante un mes
dado, cada acería dispone de 200 horas de alto horno . El tiempo y costo de
producción de una tonelada (ton) de acero , difiere de una fábrica a otra ,
debido a las diferencias en los hornos de cada fábrica En la tabla , se
muestran el tiempo y costo de producción para cada fábrica . Cada mes .
Sunco tiene que producir por lo menos 500 ton de acero 1 y 600 ton de
acero 2. Formule un PL para minimizar los costos para producir el acero
deseado.
Tabla: Producir una tonelada de acero
Acero 1 Acero 2
Costo tiempo Costo Tiempo
Acería 1 $10 20 min $11 22 min
Acería 2 $12 24 min $9 18 min
Acería 3 $14 28 min $10 30 min
Solución:
Variable de decisión:
Xij = Toneladas que la acería i(i=1,2,3) produce del acero j(j=1,2).
Función Objetivo:
Minimizar costos
23
Fundamentos de la Investigación de Operaciones UAP
Min = 10x11+11x12+12x21+9x22+14x31+10x32
Restricciones:
Tiempo de producción:
Acería 1:
(20 min/ton)(x11)ton +( 22 min/ton)(x12)ton<= (200h) (60min/h)
Acería 2:
(24 min/ton)(x21)ton + (18 min/ton)(x22)ton<=(200h) (60 min/h)
Acería 3:
(28 min/ton)(x31)ton + (30 min/ton)(x32)ton<=(200h) (60 min/h)
Producción:
Acero 1:
( x11+x21+x31) ton>=500 ton
Acero 2:
(x12+x12+x32) ton>=600 ton
No negatividad:
Xij>=0
Problema 3.-(producción )
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 p.t. de
roble, o bien 30 p.t. de pino y una silla necesita 5 p.t. de roble, o bien, 13
p.t. 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:
Mesa Silla Disponible
Roble 17 5 150
Pino 30 13 210
Precio de Venta $40 $15
Variable de Decisión:
Xij= Numero de unidades de tipo i (i= mesas, silla = 1,2) usado elaborado
a base de j ( j =roble, pino =1,2)
Función objetivo Maximizar ingresos:
Max = 40(x11+x12)+15(x21+x22)
Restricciones:
Roble:
24
Fundamentos de la Investigación de Operaciones UAP
17x11+5x21<=150
Pino:
30x12+13x22<=210
No negatividad:
Xij>=0
25
Fundamentos de la Investigación de Operaciones UAP
Solución:
Variable de decisión:
Xi= Camareras que ingresan el día i ( i = lunes, martes, miércoles, jueves,
sábado, domingo = l, m, mi, j, v, s, d).
Función Objetivo:
Minimizar = XL+XM+XMI+XJ+XV+XS+XD
Restricciones:
Lunes :
6( XL + XJ + XV + XS + XD) >=150
26
Fundamentos de la Investigación de Operaciones UAP
Martes :
6( XL + XM + XV + XS + XD ) >= 200
Miércoles:
6( XL + XM + XMI + XS + XD ) >= 400
Jueves:
6( XL + XM + XMI + XJ + XD ) >=300
Viernes:
6( XL + XM + XMI + XJ + XV ) >= 700
Sábado :
6( XM + XMI + XJ + XV + XS ) >= 800
Domingo:
6( XMI + XJ + XV + XS +XD ) >= 300
No negatividad:
Xi>=0
Problema 6.-(mezcla)
Un viñedo desea mezclar cuatro cosechas diferentes para producir tres tipos
de vino mezclado. Se establecen restricciones al porcentaje de la
composición de las mezclas .
Se puede vender cualquier cantidad de la mezcla B y de la mezcla C pero a
la mezcla A se le considera una mezcla de alta calidad y por consiguiente
no se venden más de 50 galones. Elabore un modelo de PL que hará el
mejor uso de las cosechas con que se cuenta .
Composición de las mezclas
(galones)
Solución:
Vendimia 1 Vendimia 2 Vendimia 3 Vendimia 4
Mezcla A X1a X2a X3a X4a
Mezcla B X1b X2b X3b X4b
Mezcla C X1c X2c X3c X4c
Variable de decisión:
Xij = número de galones a utilizar de la vendimia i(i=1,2,3,4) para la
elaboración de la mezcla j(j=A,B,C) .
Función Objetivo:
Maximizar = ($70/gal)(X1a + X2a + X3a + X4a)gal +($ 40/gal)(X1b +X2b
+X3b +X4b) gal + ($30/gal)( (X1c + X2c + X3c + X4c) gal
Restricciones:
Mezcla A :
en la expresión por lo menos 75% de 1 y 2 , se tiene que ver quienes son la
que componen la mezcla A para ubicarlas como denominador, en el
28
Fundamentos de la Investigación de Operaciones UAP
(X1b + X2b) gal / (x1b + x2b +x3b + x4b) gal >= 0.35
Mezcla C:
En la expresión cuando más 40%, el denominador esta formado por todas la
vendimias pero el numerador se refiere sólo a la vendimia 4, la expresión
es:
(X4c ) gal / (x1c + x2c + x3c +x4c) gal < = 0.40
Oferta:
Vendimia 1 tiene en oferta 180 galones, como esto es lo máximo que se
dispone entonces la restricción queda:
(x1a + X1b + X1c) gal <= 180 gal.
Problema 7.-(Producción)
Química S.A. diluye cada litro de ácido sulfúrico concentrado con 20 litros
de agua destilada para producir H2SO4. De manera similar, cada litro de
ácido clorhídrico concentrado se diluye con 30 litros de agua destilada para
producir HCL. Estos dos productos son vendidos a escuelas de segunda
enseñanza a $0.10 por botella de 100 mililitros ( esto es, 0.1 litros). La
compañía actualmente tiene 50000 botellas vacías en inventario. Suponga
que existe una cantidad virtualmente ilimitada de agua
destilada que cuesta $0.15 por litro y que se dispone de los siguientes datos:
29
Fundamentos de la Investigación de Operaciones UAP
Restricciones:
Cantidad de H2SO4:
X1 <= 200
Cantidad de HCL:
X2 <= 150
Cantidad de botellas:
(1 botella/0.1 lit)( X1+y1) lit)+ (1 botella/0.1 lit)(X2+y2) lit <= 50000
botellas
Proporción:
1 X1 1 X2
------ = ------ -------- = ------
20 Y1 30 Y2
Producción:
p1= x1 + y1 p2= x2 + y2
30
Fundamentos de la Investigación de Operaciones UAP
De no negatividad:
Xi>=0
no negatividad:
Xi>=0
Problema 8.-(juegos)
Un matemático desea distribuir fichas de valor entre 1 y 6 en un tablero de
3 filas y 3 columnas, con tal que la suma de este de 6, ¿Cuál debe ser el
valor de cada ficha a colocar con tal que se cumpla el objetivo propuesto?
Solución:
Variable de Decisión:
Xij= Valor de la ficha de la fila i(i=1,2,3) y la columna j(j=1,2,3)
Función Objetivo:
Min= x11+x12+x13+x21+x22+x23+x31+x32+x33
Restricciones:
Filas
X11+x12+x13=6
X21+x22+x23=6
X31+x32+x33=6
Columnas
X11+x21+x31=6
31
Fundamentos de la Investigación de Operaciones UAP
X12+x22+x32=6
X13+x23+x33=6
Valores
X11>= 1
X11<=6
X12>=1
X12<=6
X13>=1
X13<=6
X21>= 1
X21<=6
X22>=1
X22<=6
X23>=1
X23<=6
X31>= 1
X31<=6
X32>=1
X32<=6
X33>=1
X33<=6
No negatividad: Xij>=0
Problema 9 .- (Agricultura)
Una cooperativa agricola grande del suroeste de los Estados Unidos de
Norteamérica opera cuatro granjas.La producción de cada granja está
limitada por la cantidad de agua disponible para irrigación y por el número
de acres disponibles para cultivo. Los datos de la tabla A describen las
granjas. Normalmente, la cooperativa cultiva 3 tipos de productos, aunque
cada una de las granjas no necesariamente cultiva todos ellos. Debido a la
limitación en la disponibilidad de equipo para cosechar, existen
restricciones sobre el número de acres de cada producto que se cultivan en
cada granja. Los datos de la tabla B reflejan el máximo de acres de cada
cultivo que pueden producirse en cada granja. El agua que se requiere
(expresada en millares de pies cúbicos por acre) para los respectivos
cultivos son: 6, 5 y 4. Las utilidades que se proyectan por acre para cada
uno de los tres cultivos son $500, $350 y $200, respectivamente.
32
Fundamentos de la Investigación de Operaciones UAP
Tabla B
Solución:
Variables de decisión:
Xij= Número de acres a sembrar en la granja i(i=1,2,3,4) con el cultivo
j(j=1,2,3)
Función Objetivo:
Maximizar=
($500/acres)(x11+x21+x31+x41)acres
+ ($350/acres)(x12+x22+x32+x42)acres
+ ($200/acres)(x13 +x23+x33+x43)acres
Restricciones:
Cantidad máxima de acre en cada granja para cada cultivo:
33
Fundamentos de la Investigación de Operaciones UAP
(x11 + x12 +x13) acres/450 acres = (x21 + x22 +x23) acres/650 acres
Granja 2 igual a Granja 3
(x21 + x22 +x23) acres/650 acres = (x31 + x32 +x33) acres/350 acres
Granja 3 igual a granja 4
(x31+x32+x33)acres/350 acres =(x41+x42+x43)/500 acres
No negatividad: Xij>=0
Disponibilidad de pasas:
(x21 + x22 + x23)lib <= 2000 lib
Disponibilidad de algarrobo:
(x31 + x32 + x33)lib <= 3000 lib
Cantidad de cada ingrediente en la mezcla normal:
(x11 lib) >= 0.05(x11 + x21 + x31)lib
(x21 lib) >= 0.05(x11 + x21 + x31)lib
(x31 lib) >= 0.05(x11 + x21 + x31)lib
Cantidad de cada ingrediente en la mezcla normal:
(x12 lib) >= 0.20 (x12 + x22 + x23)lib
(x22 lib) >= 0.20 (x12 + x22 + x23)lib
(x23 lib) >= 0.20 (x12 + x22 + x23)lib
(x12 lib) <= 0.50 (x12 + x22 + x23)lib
(x22 lib) <= 0.50 (x12 + x22 + x23)lib
(x23 lib) <= 0.50 (x12 + x22 + x23)lib
Cantidad de pasas en la mezcla normal:
x23 lib >= 0.25(x13 + x23 + x33)lib
Cantidad de maní en la mezcla normal:
x13 lib <= 0.25(x13 + x23 + x33)lib
Mezcla normal con respecto a la producción total:
(x11 + x21 + x31) <= 0.20(x11 + x12 + x13 + x21 + x22 + x23 + x31 +
x32 +x33)
No negatividad: Xij>=0
Problema 11.-(Abastecimiento)
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 . El costo de
bombeo por millón de litros es como sigue.
AREA
Deposito A B C D
1 2 3 4 5
2 3 2 5 3
3 4 1 2 3
36
Fundamentos de la Investigación de Operaciones UAP
Solución:
Variable de decisión:
Xij= Millones de litros de agua que se trasladan desde el depósito i
(i=1,2,3) hacia el área j (j= A,B,C,D).
Función Objetivo:
Minimizar= ($2/litro)(x1a litro)+($3/litros)(x1b litros)
+ ($4/litro)(x1c litro)+($5/litro)(x1d litro)
+ ($3/litro)(x2a litro)+($2/litro)(x2b litro)
+ ($5/litro(x2c litro)+($2/litro)(x2d litro)
+ ($4/litro)(x3a litro)+($1/litro)(x4b litro)
+ ($2/litro)(x3c litro)+($3/litro)(x3dLitro)
Restricciones:
Depósitos:
(X1a+x1b+x1c+x1c+x1d) litros de agua<= 15 litros de agua
(X2a+x2b+x2c+x2d)litros de agua<= 20 litros de agua
(X3a+x3b+x3c+x3d)litros de agua<= 25 litros de agua
Areas:
(X1a+x2a+x3a) litros de agua=8 litros de agua
(X1b+x2b+x3b)litros de agua=10 litros de agua
(X1c+x2c+x3c) litros de agua=12 litros de agua
Problema 12.-(Energia)
El departamento de energía de Lilliput actualmente está en el proceso de
desarrollar un plan nacional de energía para el año siguiente . Lilliput puede
generar energía de cualquiera de cinco fuentes. carbón , gas natural, materiales
nucleares , proyectos hidroeléctricos y petróleo. Los datos sobre los recursos de
energía, las capacidades de generación medidas en megawatt-horas (MW-hr), y los
costos unitarios de generación se dan en la tabla 1.
Lilliput necesita 50 000 MW-hr de energía de uso doméstico , y el país tiene un
compromiso para producir 10 000MW-hr para exportación. Más aún, a fin de
37
Fundamentos de la Investigación de Operaciones UAP
Contaminante (gm/MW-hr)
Fuente de Dióxido de Monoxido de Partículas de Desechos
Energía azufre Carbono 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
Solución:
38
Fundamentos de la Investigación de Operaciones UAP
Variables de Decisión:
Función Objetivo:
Minimizar =6.0/Mw-h(CUD+DUE)Mw-h+5.5/Mw-h(GUD+GUE)Mw-h
+4.5/Mw-h(NUD+NUE)Mw-h+5.0/Mw-h(HUD+HUE)Mw-h
+7.0/Mw-h(PUD+PE)Mw-h
Restricción:
1.-
Energía generada por material nuclear
(NUD+NUE)Mwh<=0.20(CUD+CUE+GNUD+GNUE+NUD+NUE+HUD+HUE
+PUD+PUE)Mw-h
2.-
Capacidad de producción de la planta de carbón
(CUD+CUE)Mw-h=>0.80(45000)
Dióxido de Azufre:
*( 1.5GR DE DIOXIDO DE AZUFRE/Mw-h)(CUD+CUE)Mw-h
+( 0.2GR DE DIOXIDO DE AZUFRE/Mw-h)(GNUD+GNUE)Mw-h
+( 0.4GR DE DIOXIDO DE AZUFRE / Mw-h )( PUD + PUE ) Mw-h
<=75Kg(1000GR/1Kg)
Monoxido de carbono:
39
Fundamentos de la Investigación de Operaciones UAP
Partículas de Polvo:
*(0.7GR DE PARTICULAS DE POLVO/Mw-h)(CUD+CUE)Mw-h
+(0.2GR DE PARTICULAS DE POLVO/Mw-h)(NUD+NUE)Mw-h
+( 0.5 GR DE PARTICULAS DE POLVO/ Mw-h )( PUD+PUE )Mw-h
<=30Kg(1000GR/1Kg)
Desechos sólidos:
*(0.4GR DE DESECHOS SOLIDOS/MW-H)(CUD+CUE)Mw-h
+(0.7GR DE DESECHOS DE POLVO/Mw-h)(NUD+NUE)Mw-h
+(0.1GR DE DESECHOS DE POLVO/Mw-h)(PUD+PUE)Mw-h
<=25Kg(1000GR/1Kg)
4.-
Cantidad de energía generada a partir de gas natural
(GNUD+GNUE)Mw-h=>0.30(PUD+PUE)Mw-h
No negatividad
CUD>=0
CUE>=0
GNUD>=0
GNE>=0
NUD>=0
NUE>=0
HUD>=0
HUE>=0
PUD>=0
PUE>=0
Problema 13.-(Producción)
Cada semana Florida Citrus, Inc., usa una sola máquina durante 150 horas para
destilar jugo de naranja y de toronja en concentrados, estos jugos estan
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,
40
Fundamentos de la Investigación de Operaciones UAP
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.
Solución:
Variables de decisión:
Xi= número de galones de jugo tipo i(i= naranja, toronja=1, 2)
a usar en la producción.
Restricciones:
Tiempo de producción:
(1h/25 galón)(X1 galón) + (1h/20 galón)(X2 galón) <= 150 h
No negatividad:
X1 >=0, X2 >=0.
41
Fundamentos de la Investigación de Operaciones UAP
Capitulo IV
Modelos para formular
NIVEL C
Problema 1.
Se esta diseñando un vehículo espacial para llevar astronautas a Marte y
traerlos de regreso. Este vehículo tendrá tres compartimentos , cada uno
con su propio sistema de mantenimiento de la vida independiente. El
elemento clave en cada uno de estos sistemas es una pequeña unidad
oxidante que provoca un proceso químico para producir oxigeno. Sin
embargo, no pueden probarse con anticipación y solo se logra algo en
provocar este proceso químico. Por lo tanto, es importante tener unidades
de apoyo para cada sistema. En virtud de la diferencia en los
requerimientos para los tres compartimentos, las unidades que se necesitan
para cada uno tienen características un tanto diferentes. Ahora debe tomarse
una decisión sobre cuantas unidades proporcionar a cada compartimento,
tomando en cuenta las limitaciones de diseño sobre la cantidad total de
espacio, peso y costo que pueden ser asignadas a estas unidades en relación
con la nave completa. La tabla siguiente resume estas limitaciones así como
las características de las unidades individuales por cada compartimento:
42
Fundamentos de la Investigación de Operaciones UAP
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 mas del 0.05 de que todas sus unidades fallen.
Plantéese el modelo de programación lineal para este problema.
(sugerencia: úsense logaritmos)
Solución:
Variable de decisión:
Sea Xi = el numero de unidades de apoyo en el compartimento i (i=1,2,3)
Restricciones :
Espacio
40X1 + 50X2 + 30X3 <= 500
Peso
15X1 + 20X2 + 10X3 <=200
Costo
30000X1 + 35000X2 + 25000X3 <= 400000
Probabilidad de falla
Compartimento 1
(0.30)X1 <=0.05
Compartimento 2
(0.40)X2 <=0.05
Compartimento 3
(0.20)X3 <=0.05
Función Objetivo:
43
Fundamentos de la Investigación de Operaciones UAP
costo
30x1 + 35x2 + 25x3 <= 400
Unidades de apoyo en el compartimento 1
x1 >= 1n (0.05) / 1n (0.3)
Unidades de apoyo en el compartimento 2
x2 >= 1n (0.05) / 1n (0.4)
Unidades de apoyo en el compartimento 3
x3 >= 1n (0.05) / 1n (0.2)
No negatividad:
x1, x2, x3 >= 0
Problema 2.-
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 mas 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 $800 para la familia .Los valores correspondientes para
44
Fundamentos de la Investigación de Operaciones UAP
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 son :
Restricciones:
Acres:
(X1 +X2 +X3 +1.5X4) acres <= 100 acres
Tamaño del gallinero:
X5 gallinas <= 300 gallinas
Tamaño del rebaño:
X4 vacas <= 32 vacas
Horas-hombre en verano:
45
Fundamentos de la Investigación de Operaciones UAP
Problema 3.-
La corporación Brady produce armarios. Necesitan semanalmente 90 000
pie cúbico 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
pie cúbico de madera de clase 1 , y hasta 60 000 pie cúbico 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,o.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:
Variables de Decisión:
T= Número de troncos a cortar semanalmente
PCL1=Número de pies cúbicos de madera comprada de clase
1 semanalmente
PCL2=Número de pies cúbicos de madera comprada de clase
2 semanalmente
Función Objetivo:
46
Fundamentos de la Investigación de Operaciones UAP
Min.: (3/pie3)PCL1pie3/semana+(7/pie3)(PCL2)(pie3/tronco)
(T)tronco/semana+(4/pie3)(PCL1)pie3/semana+(4/pie3)
(PCL2)pie3/semana+(4/pie3)(0.8pie3/semana)(T)tronco/semana +
(2.5/pie3util)(0.7pie3util/pie3)(PCL1pie3/semana) +
(2.5/pie3util)(0.19pie3util/pie3)(PCL2pie3/semana) +
(2.5/pie3)(0.8pie3/tronco)(T)tronco/semana
Restricciones:
Compra:
Clase1: (PCL1)pie3/semana <= 40000 pie3/semana
Clase2: (PCL2)pie3/semana <= 60000 pie3/semana
Tiempo de secado:
(2seg/pie3)PCL1 pie/semana + (0.8seg/pie3)PCL2pie3/semana
+ (T)troncos(1.3seg/tronco) <=(40h/semana)(3600seg/h)
Capacidad de aserradero:
(0.7pie3util)/pie3 (PCL1)pie3 + (0.9pie3util/pie3)(PCL2)pie3
+ (0.8pie3util/tronco)(Ttronco) <=35000 pie3/semana
Pedido:
(0.7pie3util)/(pie3)(PCL1(pie3/semana))+(0.9pie3util/pie3)
(PCL2(pie3/semana))+(0.8pie3util)tronco(T)tronco=90000 pie3util/semana
Problema 4.-
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
47
Fundamentos de la Investigación de Operaciones UAP
Variables de decisión:
Ii= Número de unidades en el mes i(i=1,2,3,4)
Pi= Número de unidades producidas en el mes i(i=1,2,
Di= Número de unidades demandadas en el mes i(i=1,2,3,4)
Función Objetivo:
Minimización = ($5/unid)(P1 unid) + ($8/unid)(P2 unid)
+($4/unid)(P3 unid) + ($7/unid)(P4 unid)
+($2/unid)(I1 + I2 + I3)unid
-($6/unid)(I4)unid
Restricciones:
I1=I0-P1-D1 D1=50
INVENTARIO EN EL MES 2: DEMANDA EN EL MES 2:
I2=I1-P2-D2 D2=65
PROBLEMA 5.-
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
48
Fundamentos de la Investigación de Operaciones UAP
siguientes: renta por un mes; 200 dólares; renta por dos meses, 350 dólares;
renta por tres meses, 450 dólares.
Formule un PL que se pueda utilizar para 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.
Periodos
1 2 3 Por lo
menos
Enero E1 E2 E3 9
Febrero F1 E2+F2 E3+F3 5
Marzo M1 F2+M2 E3+F3+M3 7
Abril A1 M2+A2 F3+M3+A3 9
Mayo MY1 A2+MY2 M3+A3+MY3 10
Junio J1 MY2+J2 A3+MY3+J3 5
Costo $200 $350 $450
Variables de decisión:
Ei= Número de computadoras a alquilar en el mes de Enero durante i
meses (i=1,2,3).
Fi= Número de computadoras a alquilar en el mes de Febrero durante i
meses (i=1,2,3).
Mi= Número de computadoras a alquilar en el mes de Marzo durante i
meses (i=1,2,3).
Ai= Número de computadoras a alquilar en el mes de Abril durante i
meses (i=1,2,3).
MYi= Número de computadoras a alquilar en el mes de Mayo durante i
meses (i=1,2,3).
49
Fundamentos de la Investigación de Operaciones UAP
Función Objetivo:
Minimizar=($200/unid)(E1 + F1 + M1 + A1 + MY1 + J1)unid
+($350/unid)(E2 + F2 + M2 + A2 + MY2 + J2)unid
+($450/unid)(E3 + F3 + M3 + A3 + MY3 + J3)unid
- ($150/unid)(MY3 unid) - ($175/unid)(J2 unid)
- ($300/unid)(J3 unid)
Restricciones:
Enero:
E1 + E2 + E3 >= 9
Febrero:
F1 + F2 + F3 + E2 + E3 >=5
Marzo:
M1 + M2 + M3 + F2 + F3 + E3 >= 7
Abril:
A1 + A2 + A3 + M2 + M3 + F3 >= 9
Mayo:
MY1 + MY2 + MY3 + A2 + A3 + M3 >= 10
Junio:
J1 + J2 + J3 + MY2 + MY3 + A3 >= 5
No Negatividad
E1, E2, E3 , F1, F2, F3 , M1, M2, M3, A1, A2, A3,
MY1, MY2, MY3 , J1, J2 ,J3 >=0
Problema 6.-
Un proveedor debe preparar con 5 bebidas de fruta en existencias, al menos
500 galones de un ponche que contenga por lo menos 20% de jugo de
naranja, 10% de jugo de toronja y 5% de jugo de arándano. Si los datos del
inventario son los que se muestran en la tabla siguientes ¿Qué cantidad de
cada bebida deberá emplear el proveedor a fin de obtener la composición
requerida a un costo total mínimo?
50
Fundamentos de la Investigación de Operaciones UAP
Jugo de Jugo de
Jugo de Existencia Costo
Naranja Toronja
Arándan [gal] [$/gal]
o
Bebida A 40 40 0 200 1,50
Bebida B 5 10 20 400 0,75
Bebida C 100 0 0 100 2,00
Bebida D 0 100 0 50 1,75
Bebida E 0 0 0 800 0,25
Nota: Las tres primeras columnas indican el porcentaje de un tipo de
jugo dentro de una determinada bebida.
Solución:
Objetivo: Minimizar costos cumpliendo todos los requisitos.
Variables: Xi : cantidad de bebida "i" en galones incorporada al
ponche (i=A..E)
Constantes Ci : costo por galón de bebida tipo "i".
Ni : porcentaje de jugo de naranja en bebida tipo "i".
Ti : porcentaje de jugo de toronja en bebida tipo "i".
Ai : porcentaje de jugo de arándano en bebida tipo "i".
Ei : existencia de bebida tipo "i"
E
Función Objetivo: Min X
i A
i Ci
Restricciones:
E
1) X
i A
i 500 (Cantidad de ponche requerida)
E E
2) X
i A
i N i 0.2 X
i A
i (Proporción de jugo de naranja requerida)
E E
3)
i A
X i Ti 0.1 X
i A
i (Proporción de jugo de toronja requerida)
E E
4) X
i A
i Ai 0.05 X
i A
i (Proporción de jugo de arándano
requerida)
5) X i E i i A..E (No más de la existencia por
bebida)
51
Fundamentos de la Investigación de Operaciones UAP
Problema 7.-
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?
Solución:
52
Fundamentos de la Investigación de Operaciones UAP
Restricciones:
X 1 100
1) (Demanda de productos intermedios)
X 1 150
0.5X 1 X 2 0.6 X 3 80 Z 1
2) (Horas de trabajo de obrero
Z 1 20
no calificado)
X i 0 y enteros i 1..3
4) (Naturaleza de las variables)
Z j 0 j 1,2
Problema 8.-
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
53
Fundamentos de la Investigación de Operaciones UAP
Solución:
La situación se puede ilustrar gráficamente como:
1 2 3 4 5
Xa1
Xa2
Xa3
Xa4
Xd1
Xb1
Xb2
Xb3
Xc2
Xd5
54
Fundamentos de la Investigación de Operaciones UAP
Las líneas segmentadas indican el término del año en curso y el inicio del
año siguiente. Las flechas representa la duración de cada una de las
inversiones, antes de obtener los retornos.
Se debe considerar que al inicio de cada año sólo se puede destinar
a inversión el dinero proveniente de inversiones que terminan en ese
momento, o bien que sean excedentes del período inmediatamente anterior.
Objetivo: Maximizar utilidades al final del quinto año.
Variables: Xij : cantidad invertida de tipo "i" (i=A..D) al inicio del año
"j" (j=1..5)
Zj : excedente no invertido al inicio del año "j" (j=1..4).
Función Objetivo:
Max 1.4 X A 4 1.7 X B 3 1.9 X C 2 1.3 X D 5
Restricciones:
1) X A1 X D1 X B1 Z 1 60000 (Inversiones al
inicio del año 1)
2) X A 2 X B 2 X C 2 Z 2 1.3 X D1 Z 1 (Inversiones al
inicio del año 2)
3) X A 3 X B 3 Z 3 1.4 X A1 Z 2 (Inversiones al
inicio del año 3)
4) X A 4 Z 4 1.4 X A 2 1.7 X B1 Z 3 (Inversiones al
inicio del año 4)
5) X D 5 1.4 X A 3 1.7 X B 2 Z 4 (Inversiones al
inicio del año 5)
Solución:
Función Objetivo:
Max
56
Fundamentos de la Investigación de Operaciones UAP
0.85 I
3 3
z
i 1
i1 0.85 2 I i 3 X i C
i 1
i X i 0.14 Z i1 0.14 Z i 2
Restricciones:
3
1) Y
i 1
i1 2 10 6 (Capital Inicial)
inicio año 2)
2
6) Z i 2 C i X i Y j 1
ij i 1..3 (Saldo al inicio del año 2)
3 3
7) 1.14 Z
i 1
i2 I
i 1
i2 Xi (Gastos no pueden ser mayores al
X i 0 y enteros i 1..3
8) (Naturaleza de las
Yij , Z j 0 i 1..3 j 1..3
variables)
Problema 10.-
Considere el problema de programación de la producción de un conjunto de
m tipos diferentes de artículos para los próximos n meses en una fábrica.
- En cuanto al uso de materias primas, el costo de producción de
cada artículo de tipo i se estima en ci.
- La producción de un artículo tipo i requiere moi horas de mano de
obra, disponiendo la fábrica de hj horas de mano de obra durante el
mes j. En ciertos meses, la fábrica puede emplear horas extras para
57
Fundamentos de la Investigación de Operaciones UAP
Restricciones:
m
1)
mo
i 1
i X ij h j Z j
j 1..n (Capacidad de mano de
Z j st j
obra mensual normal y extra)
58
Fundamentos de la Investigación de Operaciones UAP
m
3) v
i 1
i V ij v j 1..n (No se puede almacenar más que la
CAPITULO V
CASOS DE APLICACIÓN DE MODELOS LINEALES
CASO 1:
Gracias a una adecuada estrategia de marketing y a la calidad del producto,
cierta pequeña fábrica de canastos de mimbre ha recibido pedidos que
superan su actual capacidad de producción. Durante las próximas cuatro
semanas debe entregar 52, 65, 70 y 85 canastos, respectivamente.
Actualmente cuenta con seis artesanos.
La gerencia general de la fábrica ha decidido contratar personal nuevo para
poder cumplir sus compromisos comerciales. Dada la escasez de artesanos,
se deberá contratar personal sin experiencia. Un novato puede ser entrenado
para llegar a ser aprendiz durante una semana. La segunda semana trabaja
como aprendiz para ganar experiencia. Comenzando la tercera semana
(después de dos semanas de trabajo) se transforma en artesano.
PRODUCCIÖN SALARIOS
Canastos/semana $/semana
Artesano dedicado 10 30.000
sólo a la producción
Artesano dedicado a 5 40.000
prod. y entrenamiento
59
Fundamentos de la Investigación de Operaciones UAP
Aprendiz 5 15.000
Novato 1 5.000
Cada artesano puede entrenar hasta dos novatos por semana (el
entrenamiento de un novato sólo dura una semana). Todo excedente de
producción semanal puede ser guardado para cumplir los siguientes
compromisos comerciales.
Los analistas de la empresa estiman que la demanda semanal de
canastos difícilmente superará los noventa canastos, por lo que han
decidido terminar el período sin novatos y aprendices, pero con al menos
nueve artesanos. Los reglamentos sindicales de la empresa prohiben los
despidos por reducción de personal.
Solución.
Donde:
1 artesano productor
2 artesano instructor
i j 1..4
3 aprendiz
4 novato
Objetivo: cumplir con los compromisos a costo mínimo.
4 4
Min Z
j1 i 1
i x ij
(Semana 1)
x 11 x 21 6
10 x115 x 21 x 41 52
x 41 2 x 21
z1 10 x115 x 21 x 41 52
(Semana 2)
x 32 x 41
x 12 x 22 x 11 x 21
10 x 12 5 x 22 x 42 5 x 32 z 1 65
x 42 2 x 22
z 2 10 x 12 5 x 22 x 42 5 x 32 z 1 65
(Semana 3)
x 33 x 42
x 13 x 23 x 12 x 22 x 32
10 x 13 5 x 23 x 43 5 x 33 z 2 70
x 43 2 x 23
z 3 10 x 13 5 x 23 x 43 5 x 33 z 2 70
(Semana 4)
x 34 x 43
x 14 x 13 x 23 x 33
10 x 14 5 x 34 z 3 85
x 14 9
x ij , z j 0 y enteros
61
Fundamentos de la Investigación de Operaciones UAP
Caso 2
La ciudad 1 produce 500 toneladas de basura por día y la ciudad 2 produce
400 toneladas por día. La basura debe ser incinerada en los incineradores 1
ó 2, y cada incinerador puede procesar hasta 500 toneladas de basura por
día. El costo de incinerar la basura es US$ 40/ton en el incinerador 1 y US$
30/ton en el incinerador 2. La incineración reduce cada tonelada de basura a
0.2 toneladas de cenizas, las cuales deben ser llevadas a uno de dos
depósitos. Cada depósito puede recibir a lo más 200 toneladas de cenizas
por día. El costo es de US$ 3/milla para transportar una tonelada de
material (ya sea ceniza o basura). Las distancias en millas se muestran en la
tabla.
Formule el problema de programación lineal que se puede usar para
minimizar los costos.
Incinerador Incinerador
1 2
Ciudad 1 30 5
Ciudad 2 36 42
Botadero 1 Botadero 2
Incinerador 1 5 8
Incinerador 2 9 6
Solución.
Supuestos :
Toda la basura producida en un día debe ser incinerada durante ese
mismo día.
Los botaderos no cobran por recibir las cenizas.
Existe indiferencia en escoger el incinerador 1 ó 2 con relación a
cualquier variable que no sea el costo por tonelada incinerada.
El cobre de transporte es una función exclusiva de la distancia
recorrida, dejando de lado cualquier otro factor.
La decisión se tomará exclusivamente desde el punto de vista de
los costos.
El análisis se realizará en el período de un día, dado los datos
entregados.
Formulación:
Z 3 30X11 5X12 36X 21 42X 22 3 5Y11 8Y12 9Y21 6Y22 40 X11 X 21 30 X12 X 22
costo de transporte costo de incineración
63
Fundamentos de la Investigación de Operaciones UAP
0.2 X11 X 21 Y11 Y12 0.2X11 0.2X 21 Y11 Y12 0 Relativoal incinerador 1
0.2 X12 X 22 Y21 Y22 0.2X12 0.2X 22 Y21 Y22 0 Relativoal incinerador 2
64
Fundamentos de la Investigación de Operaciones UAP
Caso 3.-
Silicon Valley Corporation (Silvco) fabrica transistores. Un
aspecto importante en la fabricación de los transistores es fundir
un elemento denominado G (germanium) en un horno.
Lamentablemente el proceso de fundido varía mucho en cuanto a la
calidad que se obtiene del elemento G. Hay dos métodos que se
pueden usar para fundir el elemento G: el método 1 cuesta US$50
por transistor, y el método 2 US$70 por transistor. Las calidades
del elemento se muestran en la tabla. Silvco puede realizar un
proceso adicional para aumentar la calidad del elemento fundido.
Este cuesta US$25 por transistor. Los resultados del proceso
adicional se muestran en la tabla. Silvco tiene suficiente capacidad
de horneado ya sea para fundir o hacer el retratamiento de a lo más
20000 transistores al mes. Las demandas mensuales son 1000 de
transistores de nivel 4, 2000 del nivel 3, 3000 del nivel 2, y 3000
del nivel 1. Use programación lineal para minimizar el costo de
producir los transistores que se requieren.
Nivel del G Porcentaje producido por
fundido1 fundición
Método 1 Método 2
Defectuoso 30 20
Nivel 1 30 20
Nivel 2 20 25
Nivel 3 15 20
Nivel 4 5 15
1. Nivel 1es pobre; nivel 4 es excelente. La calidad del transistor fabricado
está en directa relación con.
Nivel del Porcentaje
elemento G producido por
reprocesado el proceso
adicional
Defectuoso Nivel 1 Nivel 2 Nivel 3
65
Fundamentos de la Investigación de Operaciones UAP
Defectuoso 30 0 0 0
Nivel 1 25 30 0 0
Nivel 2 15 30 40 0
Nivel 3 20 20 30 50
Nivel 4 10 20 30 50
Respuesta.
Supuestos :
Los porcentajes entregados en las tablas son exactos o 100%
confiables, es decir que si se fabrican 100 por el método 1 es
seguro que 30 de ellos van a ser defectuosos, ni uno más ni uno
menos. Se entiende también que se utilizará la misma
consideración para los datos del proceso adicional.
Existe indiferencia entre los transistores de cada método, es decir
que un transistor de un nivel dado producido por el método 1 es
exactamente igual a uno del mismo nivel producido por el método
2.
Similarmente para el proceso adicional, no existe ninguna
diferencia entre los transistores de un nivel dado proveniente de
uno de los dos métodos de fabricación que los provenientes del
retratamiento.
66
Fundamentos de la Investigación de Operaciones UAP
Formulación:
2 3
Z
50 X1 70 X 2
25 X
i 1 j0
ij
Costos del proceso orignal
cos tos del proceso adicional
67
Fundamentos de la Investigación de Operaciones UAP
68
Fundamentos de la Investigación de Operaciones UAP
Cabe destacar que todas las variables deben ser positivas y enteras dado
que representan número de unidades de transistores.
Caso 4
PLANEACION DE PRODUCCION DE CASSINELLI E HIJOS S.A.C
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 Arequipa como en la
zona norte (Chiclayo,Piura,Talara) y nor Oriente (Bagua,Jaen,Tarapoto).
Actualmente Cassinelli tiene una participación en el mercado de Arequipa
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 caracteristicas 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.
69
Fundamentos de la Investigación de Operaciones UAP
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
(Areas 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,se muestran en la tabla
2.
PRESENTACION
2.65 lt. 1.75lt 0.60 lt 0.296 lt
Dpto. Elaboración 2.65 1.75 1.75 1.07
Dpto. Envasado 4.41 2.91 1.29 1.78
Tabla 2: requerimientos horas/1000 cajas
70
Fundamentos de la Investigación de Operaciones UAP
Modelo Lineal
Variable de Decisión:
Xij= Número de cajas a producir de gaseosa tipo j(j=NR de 2.65 lt,NR de
1.75 lt,NR de 0.60 lt,VR de 0.296 lt=1,2,3,4) en la semana j(j=1,2,3,4)
Función Objetivo:
Maximizar ganancia
Max= Precio de venta*producción
max=(S/1.38/caja)*(x11+x12+x13+x14)cajas+(S/1.22/caja)*(x21+x22+x2
3+x24)cajas
+(S/1.02/caja)*(x31+x32+x33+x34)cajas+(S/1.05/caja)*(x41+x42+x43+x4
4)cajas;
Restricciones:
Demanda de gaseosas NR de 2.65 Lt.
(x11+x12+x13+x14)cajas<=10552 cajas;
Demanda de gaseosas NR de 1.75 Lt
(x21+x22+x23+x24)cajas<=40556cajas;
Demanda de gaseosas NR de 0.60 Lt
(x31+x32+x33+x34)cajas<=56712cajas;
Demanda de gaseosas VR de 0.296 Lt
(x41+x42+x43+x44)cajas<=56880cajas;
Producción de gaseosas NR de 2.65 Lt.
(x11+x12+x13+x14)cajas=t1 cajas;
Producción de gaseosas NR de 1.75 Lt.
71
Fundamentos de la Investigación de Operaciones UAP
(x21+x22+x23+x24)cajas=t2 cajas;
Producción de gaseosas NR de 0.60 Lt.
(x31+x32+x33+x34)cajas=t3 cajas;
Producción de gaseosas VR de 0.296 Lt.
(x41+x42+x43+x44)cajas=t4 cajas;
Capacidad de producción:
(t1+t2+t3+t4)cajas<=160000 cajas;
No negatividad:
Xij>=0
72
Fundamentos de la Investigación de Operaciones UAP
CASO FINAL
TCorporación para el desarrollo del lago SADDLEBACK.
lago
Bayview 300.000 2000 4 2½ 2 2
Shoreline 270.000 1800 3+manzarda 2½ 2 2
Docks Edge 240.000 1500 3 2½ 1 2
Golden 200.000 1200 2 2 1 2
Pier
Condomio
Stream 220.000 1600 3 2 2 -
Weeping 160.000 1200 2 2 1 -
Wilow
Picket 140.000 1000 2 1½ 1 -
Fence
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.
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-
74
Fundamentos de la Investigación de Operaciones UAP
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.
Tamaño Lote= (Área de la Casa)+(Tamaño del Jardín)+(Tamaño del
Garage).
Area de la Casa.
Para casas de la serie Glen Wood, el jardín es de 1200 pies cuadrados para
casas de un-piso y lo mismo que el área de la casa para casas con dos-pisos.
Para casas con vista al lago el tamaño del jardín es 900 pies cuadrados para
casas de un-piso. Para casas de dos-pisos de esta misma serie de casas el
tamaño de jardín será de 600 pies cuadrados más 50% del área de la casa.
Garage para dos autos ocupan 500 pies cuadrados de área y para tres autos
ocupa 750 pies cuadrados. Note que los modelos en el condominio no tiene
terreno para garage.
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
Variedad.
Como parte del proyecto se han definido ciertos requerimientos máximos y
mínimos arrojados por el departamento de estudios de mercado
(Condominio está incluído).
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
Abordables.
En el área del lago cualquier casa avaluada en US$200.000 o menos es
considerada “abordable”. El gobierno exige al menos 15% del proyecto
pueda ser considerado como abordable.
Ganancias.
LSDC ha determinado los siguientes porcentajes de los precios de ventas
como ganancias netas:
Objetivos.
1. LSDC necesita determinar el número de unidades de cada plano de
76
Fundamentos de la Investigación de Operaciones UAP
Gran Estado 5%
Glen Wood 3%
Vista al lago 2%
Condominio 5%
*Excepto para el modelo Golden Pier, es decir todavía puede ser catalogada
como abordable.
Informe:
Planteamiento.
Para poder resolver el problema es importante visualizar en forma
clara las distintas posibilidades para la construcción, esto se refiere no
sólo a los 4 series y 15 planos distintos dados sino que también a las
distintas posibilidades permitidas para cada plano. El análisis de las
distintas posibilidades ayudará a determinar el número de variables de
decisión con el objeto de resolver el problema vía programación lineal.
Producto Condominio.
En este caso sólo se puede distinguir una posibilidad para cada plano.
Esto define 3 variables.
En resumen se tiene 8+5+5+3=21 variables de decisión.
Para denominar cada posibilidad para cada casa con una variable se
utilizará la siguiente convención:
Xijk
características
producto
plano
79
Fundamentos de la Investigación de Operaciones UAP
Vars Descripci Área Precio Area Dorm Gara Parking Abor Gananci
. ón real [ft2] venta asignad . ge dable a
2
US$ a [ft ] US$
Gran
Estado
X111 Trump - 700.000 21.780 5+m 3 2 No 154000
standard
X112 Trump en - 960.000 21.780 5+m 3 2 No 211.200
el lago
X121 Vanderbi - 680.000 21.780 4+m 3 1 No 149.600
lt
standard
X122 Vanderbi - 934.000 21.780 4+m 3 1 No 205.480
lt en el
lago
X131 Hughes - 650.000 21.780 4 3 1 No 143.000
standard
X132 Hughes - 895.000 21.780 4 3 1 No 196.900
en el lago
X141 Jackson - 590.000 21.780 3 3 0 No 129.800
standard
X142 Jackson - 817.000 21.780 3 3 0 No 179.740
en el lago
Glen
Wood
X211 Gran 4950 420.000 4950 4+m 3 1 No 75.600
Ciprés
standard
X212 Gran - 460.000 10890 4+m 3 1 No 82.800
Ciprés
premiada
X221 Lazy Oak 4100 380.000 4356 4 2 2 No 68.400
standard
80
Fundamentos de la Investigación de Operaciones UAP
Vista al
lago
X311 Bayview 3350 300.000 4.356 4 2 2 No 60.000
standard
X312 Bayview - 330.000 7.260 4 2 2 No 66.000
premiada
X321 Shoreline 3125 270.000 4.356 3+m 2 1 No 54.000
standard
X331 Docks 2900 240.000 4.356 3 2 1 No 48.000
Edge
standard
X341 Golden 2600 200.000 4.356 2 2 0 Sí 40.000
Pier
standard
Condomi
nio
X411 Stream - 220.000 1.500 3 - 3 No 55.000
standard
X421 Weeping - 160.000 1.500 2 - 2 Sí 40.000
Wilow
std.
X431 Picket - 140.000 1.500 2 - 2 Sí 35.000
Fence
stdandar
d
Función Objetivo.
Maximizar ganancia.
81
Fundamentos de la Investigación de Operaciones UAP
Restricciones.
7. Condición de variedad.
2 dormitorios:
0,15 Xijk X341 X421 X431 0,25 Xijk
i j k i j k
3 dormitorios:
82
Fundamentos de la Investigación de Operaciones UAP
0,25 Xijk X141 X142 X231 X241 X321 X331 X411 0,4 Xijk
i j k i j k
4 dormitorios:
0,25 Xijk X121 X122 X131 X132 X211 X212 X221 X311 X312 0,4 Xijk
i j k i j k
Glen Wood:
0,15 Xijk X211 X212 X221 X231 X241 0,35 Xijk
i j k i j k
Vista al Lago:
0,15 Xijk X311 X312 X321 X331 X341 0,35 Xijk
i j k i j k
Condominio:
0,15 Xijk X411 X 421 X431 X341 0,35 Xijk
i j k i j k
GranEstado:
TGE X111 X112 X121 X122 X131 X132 X141 X142
Trump: 0,2TGE X111 X112 0,35TGE
Vanderbilt: 0,2TGE X121 X122 0,35TGE
Hughes: 0,2TGE X131 X132 0,35TGE
Jackson: 0,2TGE X141 X142 0,35TGE
Glen Wood: TGG X211 X212 X221 X231 X241
Gran Ciprés: 0,2TGG X211 X212 0,35TGG
Lazy Oak: 0,2TGG X221 0,35TGG
83
Fundamentos de la Investigación de Operaciones UAP
X
111 X112 X121 X122 X 211 X 212 X 221 X 231 X 311 X 312 X 321 0,7X131 X132 X141 X142 X 241 X 31 X 341
CANTIDAD DE CASAS DE 2 PISOS CANTIDAD DE CASAS DE 1 PISO
10890X212
4950X211
4356 X231
X221 X241
X311
X321
X331
X341 7260 X
1500
X312
411 X
421
X 431
TOTAL SUPERFIE CASAS
X121
200 X122
X131
X132
X211
X212
X231
X241
X321 275 43560
X331
SUPERFICIE PARKING
ANEXOS
George Dantzig: Fundador de la Programación Lineal
SIAM News, Noviembre de 1994
A pesar de los grandes adelantos en la optimización computacional
ocurridos durante los últimos 20 años (por ejemplo, los avances en los
métodos de punto interior), el método Simplex inventado por George B.
Dantzig en 1947 es aún la herramienta principal en casi todas las
aplicaciones de la programación lineal.
Dantzig es considerado como uno de los tres fundadores de la
programación lineal, compartiendo dicho honor con Von Neumann y
Kantorovich. A través de su investigación en teoría matemática,
computación, análisis económico y aplicaciones de problemas industriales
ha logrado contribuir más que cualquier otro investigador al desarrollo de la
programación lineal.
El trabajo de Dantzig ha sido reconocido con numerosos honores, de entre
los cuales sobresalen: La Medalla Nacional de la Ciencia (1975), el Premio
John Von Neumann de la Sociedad Americana de Investigación de
Operaciones y el Instituto de Ciencias Administrativas (1974), la
membresía en la Academia Nacional de Ciencias, la Academia Nacional de
Ingeniería y la Academia Americana de Ciencia y Arte.
La programación lineal y sus derivados (tales como la optimización no
lineal con restricciones y la programación entera) han sido capaces de pasar
la prueba del tiempo sin debilitarse, y en nuestros días afectan las prácticas
económicas de las organizaciones y sus administraciones. El científico
computacional Laszolo Lovasz dijo en 1980, "Si se tomaran estadísticas
acerca de cuál problema matemático usa la mayoría del tiempo
computacional en el mundo (sin incluir problemas de manejo de bases de
datos, como la búsqueda y ordenamiento), seguramente la respuesta sería la
programación lineal." En ese mismo año Eugene Lawler de Berkeley dijo
lo siguiente: "La programación lineal se usa para asignar recursos, planear
la producción, planear el horario de trabajadores, planear la cartera de
85
Fundamentos de la Investigación de Operaciones UAP
casi siempre basura. Lo más probable es que no pudiesen estudiar todas las
combinaciones."
George Bernard Dantzig nació el 8 de Noviembre de 1914 en Pórtland,
Oregon, USA. Actualmente es profesor emérito en el departamento de
Investigación de Operaciones de la Universidad de Stanford.
en algún sentido fuese 'óptima'. Pero pronto abandoné esta idea y la sustituí
por la de una función objetivo a ser maximizada. El modelo que formulé no
estaba hecho específicamente para fines militares. Podía aplicarse a toda
clase de problemas de planeación; todo lo que tenía que hacerse era
cambiar los nombres de las columnas y los renglones, y entonces era
aplicable a un problema de planeación económica lo mismo que a un
problema de planeación industrial."
89
Fundamentos de la Investigación de Operaciones UAP
ANEXO 2
Introducción
El inicio formal de la Investigación Operativa tuvo lugar en Inglaterra a
finales de 1939, cuando la estación de investigación de Bawdsey, bajo la
dirección de A. Rowe, fue encargada del desarrollo de políticas óptimas
para el nuevo sistema de detección militar llamado radar. Poco después, se
presentó un estudio de las fases de las operaciones nocturnas en lo que sería
un modelo para los estudios posteriores del mismo tipo.
90
Fundamentos de la Investigación de Operaciones UAP
Uno de los primeros esfuerzos de este grupo fue dirigido al estudio del
ataque aéreo a los submarinos. Las bombas estaban programadas para
estallar a una profundidad de unos treinta metros, pues se argumentaba que
al divisar el submarino al bombardero se sumergiría; y dado que desde el
instante en que fuera localizado el bombardero hasta el del lanzamiento de
la bomba, transcurrirían aproximadamente dos minutos, unos treinta metros
era, aproximadamente, la profundidad alcanzada por el submarino en su
precipitada inmersión. Pero aunque el razonamiento era válido, los
resultados obtenidos con esta política eran muy limitados. Cuando el grupo
de Blackett fue encargado del estudio, su primera decisión consistió en la
observación directa de la situación, encaramándose en los bombarderos en
sus misiones de ataque a submarinos. Tras un elevado número de
observaciones llegaron a la conclusión, con el análisis de los datos de los
ataques, de que se producían las siguientes circunstancias:
91
Fundamentos de la Investigación de Operaciones UAP
93
Fundamentos de la Investigación de Operaciones UAP
95
Fundamentos de la Investigación de Operaciones UAP
Durante los últimos años han aparecido una serie de métodos, denominados
metaheurísticas, cuya finalidad es la de encontrar buenas soluciones a
problemas de optimización (lineal o no lineal y con o sin restricciones).
Entre ellos se pueden enumerar los algoritmos genéticos, el recocido
simulado, la búsqueda tabú y las redes neuronales. Su aplicación a los
problemas de secuenciación de todo tipo es una finalidad típica y clásica.
Es más, prácticamente todos ellos están basados en intentar resolver, de la
mejor forma posible, problemas típicos de Organización de la Producción.
Así, los problemas típicos de secuenciación de trabajos en máquinas, de
equilibrado de líneas de montaje, de asignación de rutas, de planificación
de la producción, etc. han sido, son y, casi con toda seguridad, serán el
banco de pruebas de las más modernas técnicas de búsqueda de soluciones
a problemas en los que, de entrada, se declina la posibilidad de encontrar la
solución óptima.
99
Fundamentos de la Investigación de Operaciones UAP
100
Fundamentos de la Investigación de Operaciones UAP
101