Professional Documents
Culture Documents
CONTENIDO
CAPITULO I .................................................................................................................................................... 1
INTRODUCCION A LA INVESTIGACION DE OPERACIONES ............................................................. 1
1.1.
QU ES LA INVESTIGACIN DE OPERACIONES? ............................................................... 1
1.2.
HISTORIA DE LA INVESTIGACIN DE OPERACIONES ......................................................... 1
1.3.
METODOLOGA DE LA INVESTIGACIN DE OPERACIONES .............................................. 2
1.3.1.
Definicin del problema ............................................................................................................ 2
1.3.2.
Desarrollo de un Modelo Matemtico y Recoleccin de Datos ....................................... 2
1.3.3.
Resolucin del Modelo Matemtico........................................................................................ 3
1.3.4.
Validacin, Instrumentacin y Control de la Solucin ...................................................... 3
1.3.5.
Modificacin del Modelo............................................................................................................ 3
1.4.
USOS Y VENTAJAS DE LOS MODELOS DE INVESTIGACIN DE OPERACIONES ........ 4
1.5.
RESUMEN .......................................................................................................................................... 4
CAPITULO II ................................................................................................................................................... 6
CONSTRUCCION DE MODELOS DETERMINISTICOS ......................................................................... 6
2.1.
PASOS GENERALES Y TCNICAS DE LA CONSTRUCCIN DE MODELOS
MATEMTICOS ............................................................................................................................................. 6
EJEMPLO 2.1 EL PROBLEMA DE PLANEACIN DE PRODUCCIN DE CASE CHEMICALS
Case Chemicals produce dos solventes, CS-01 y CS-02, en su planta de Cleveland. Las
empresas que compran estos solventes los usan para disolver ciertas sustancias txicas que se
producen durante procesos de fabricacin particulares. La planta opera 40 horas a la semana y
emplea a cinco trabajadores de tiempo completo y a dos de tiempo parcial, que trabajan 15
horas a la semana. Estas personas operan las siete mquinas que mezclan ciertos qumicos
para producir cada solvente. Los productos salen del departamento de mezclado para ser
refinados en el departamento de purificacin, que actualmente tiene siete purificadores y emplea
a seis trabajadores de tiempo completo y a uno de tiempo parcial, que trabaja 10 horas a la
semana......................................................................................................................................................... 6
Identificacin de las variables de decisin ........................................................................................ 6
Identificacin de los datos del problema ........................................................................................... 7
Identificacin de la funcin objetivo ................................................................................................... 8
Identificacin de las restricciones ....................................................................................................... 9
Formulacin matemtica del problema ............................................................................................ 10
2.2.
EJEMPLOS DE FORMULACIN DE MODELOS MATEMTICOS ...................................... 11
2.2.1.
Problemas de planeamiento de produccion ...................................................................... 11
2.2.1.1.
Planeamiento de produccion del Sindicato Minero Pacococha SA......................... 11
2.2.1.2.
Planeamiento de produccion de una compaa minera ............................................. 13
2.2.1.3.
Planeamiento de produccion de explosivos.................................................................. 15
2.2.1.4.
Planeamiento de transporte de concentrado ................................................................ 16
2.2.1.5.
Planeamiento de produccion de un taller de metalmecanica.................................... 17
Producto ....................................................................................................................................................... 18
Contribucin ................................................................................................................................................ 18
($)/unidad ....................................................................................................................................................... 18
Taladrado ...................................................................................................................................................... 18
Producto ................................................................................................................................................... 18
Contribucin ............................................................................................................................................ 18
Taladrado ...................................................................................................................................................... 19
2.2.1.6.
Planeamiento de produccion de bombas ....................................................................... 20
2.2.2.
Ejemplos de problemas de redes: el problema de transporte....................................... 21
2.2.2.1.
Transporte de automoviles ................................................................................................ 21
2.2.2.2.
Problema de transporte de Medequip Company .......................................................... 23
2.2.3.
Ejemplos de problemas de redes: el problerma del flujo maximo ............................... 25
2.2.3.1.
Problema de transporte de Hexon Oil Company .......................................................... 25
2.2.4.
Administracion de inversiones, uso de variables binarias ............................................ 29
2.2.4.1.
Problema de inversion de Centauro Gold Company ................................................... 29
2.2.5.
Ejemplos de problemas de diseo ....................................................................................... 31
2.2.5.1.
Problema de diseo de Containers Inc. .......................................................................... 31
2.2.6.
Problema de mezclas: aleaciones ........................................................................................ 32
i
Derechos Reservados MCA-FIM 2012
2.2.6.1.
Problema de produccion de aleacion .............................................................................. 32
2.2.7.
Problema de disminucion de contaminacion .................................................................... 34
2.2.7.1.
Problema de abatimiento de contaminacion de Nori&Leets Co. .............................. 34
2.2.8.
Problemas de mezclas ............................................................................................................. 38
2.2.8.1.
Problema de optimizacion de mezcla de Luz del Centro ............................................ 38
2.2.8.2.
Problema de merzcla de crudos de Exxon Oil Co. ....................................................... 39
2.2.8.3.
Problema de mezclas de Ananea Chemicals Co. ......................................................... 41
2.2.8.4.
Problema de mezcla de gasolinas .................................................................................... 42
CAPITULO III ................................................................................................................................................ 46
3.1.
Modelos de programacin lineal para decisiones de mezcla de productos .................. 46
3.1.1.
Problema de mezcla de Explosives Inc. .............................................................................. 46
En Explosives, Inc. se mezclan azufre, carbn y salitre para producir plvora. El producto final debe
contener al menos 10%, pero no ms de 20%, de carbn por unidad de peso. La cantidad de
salitre no puede exceder el 50% de la cantidad de carbn usado. Para evitar una explosin
accidental, la suma de 50% del azufre mas 60% de carbn mas 30% del salitre usados no puede
exceder 35% del producto final. El azufre es con mucho el componente ms caro. Formule un
modelo para determinar la cantidad de cada ingrediente que debe utilizarse para producir cada
libra de plvora que satisfaga las restricciones y, a la vez, que requiera la menor cantidad de
azufre. ............................................................................................................................................................. 46
3.1.2.
Problema de mezcla de aditivos a gasolina ....................................................................... 47
3.1.3.
Problema de mezcla de petrleo de World oil Company ................................................ 49
3.1.4.
Problema de mezcla de la Tomas River Chemicals ......................................................... 51
3.2.
Modelos de programacin lineal para decisiones de fabricacin o compra ................. 52
3.3.
Modelos de programacin lineal para decisiones de produccin .................................... 56
3.4.
Modelos de programacin lineal para problemas de transporte ...................................... 75
3.5.
Modelos de programacin lineal para administracin de cartera de valores ................ 77
3.6.
Modelos de programacin lineal para problemas de mezclas .......................................... 81
3.7.
Modelos de programacin lineal para planeacin de produccin agregada ................. 86
3.8.
xx ........................................................................................................Error! Marcador no definido.
CAPITULO IV ................................................................................................................................................ 93
SOLUCIN A PROBLEMAS DE PROGRAMACIN LINEAL USANDO SOFTWARE .................... 93
USO DE SOLVER DE EXCEL ................................................................................................................... 93
EL PROBLEMA DE PLANEACIN DE PRODUCCIN DEL SINDICATO MINERO
PACOCOCHA ........................................................................................................................................... 93
USO DE SOLVER DE WinQSB ................................................................................................................. 96
EL PROBLEMA DE PLANEACIN DE PRODUCCIN DEL SINDICATO MINERO
PACOCOCHA ........................................................................................................................................... 96
USO DE LINDO .......................................................................................................................................... 101
SINTAXIS DEL MODELO LINDO ........................................................................................................ 101
EL PROBLEMA DE PLANEACIN DE PRODUCCIN DEL SINDICATO MINERO
PACOCOCHA ......................................................................................................................................... 101
CAPITULO IV .............................................................................................................................................. 106
ANLISIS DE SENSIBILIDAD USANDO SOFTWARE: ...................................................................... 106
EL PROBLEMA DE PLANEACIN DE PRODUCCIN DE CASE CHEMICALS ........................... 106
CONCEPTOS BSICOS EN ANLISIS DE SENSIBILIDAD ......................................................... 106
1. ANLISIS DE SENSIBILIDAD CON EXCEL .............................................................................. 107
ANLISIS DE SENSIBILIDAD DE LOS COEFICIENTES DE LA FUNCIN OBJETIVO .......... 110
ANLISIS DE SENSIBILIDAD DE LOS VALORES DEL LADO DERECHO DE LAS
RESTRICCIONES (RECURSOS DISPONIBLES, RHS) .................................................................. 111
ANLISIS PARAMTRICO DE LOS RECURSOS DISPONIBLES (VALORES DEL LADO
DERECHO) .............................................................................................................................................. 113
2. ANLISIS DE SENSIBILIDAD CON LINDO ................................................................................... 114
3. ANLISIS DE SENSIBILIDAD CON WinQSB ................................................................................. 115
EL PROBLEMA DE PLANEACIN DE PRODUCCIN DEL SINDICATO MINERO PACOCOCHA
....................................................................................................................................................................... 116
EJEMPLOS DE ANLISIS DE SENSIBILIDAD USANDO SOFTWARE ........................................ 123
CAPITULO V ............................................................................................................................................... 149
ii
Derechos Reservados MCA-FIM 2012
iii
Derechos Reservados MCA-FIM 2012
CAPITULO I
INTRODUCCION A LA INVESTIGACION DE OPERACIONES
1.1.
QU ES LA INVESTIGACIN DE OPERACIONES?
1.2.
El campo de la administracin surgi durante la Segunda Guerra Mundial, cuando haba una gran
necesidad de administrar los escasos recursos. La Fuerza Area Britnica form el primer grupo
que desarrollara mtodos cuantitativos para resolver estos problemas operacionales y bautiz a
sus esfuerzos como investigacin operacional.
Poco despus, las fuerzas armadas
estadounidenses formaron un grupo similar, compuesto por cientficos fsicos e ingenieros, cinco
de los cuales posteriormente fueron laureados con el premio Nobel, Los esfuerzos de estos
1
Derechos Reservados MCA-FIM 2012
1.3.
El uso de mtodos cuantitativos para solucionar problemas, generalmente implica a mucha gente
de toda la organizacin. Los individuos de un equipo de proyectos proporcionan informacin de sus
reas respectivas respecto a diversos aspectos del problema. El proceso de aplicar mtodos
cuantitativos requiere una sucesin sistemtica de pasos ilustrados en la figura 1. 1. Cada uno de
estos pasos se describe con detalle en esta seccin.
1.3.2.
1.3.3.
Una vez formulado un modelo matemtico del problema, el siguiente paso es resolver el modelo,
es decir, obtener valores numricos para la variable de decisin. Para el ejemplo de las
inversiones, esto significa obtener los mejores valores para S y B. La forma en que se obtengan
estos valores depende de la forma o tipo especfico del modelo matemtico. Es decir, una vez que
identifique el tipo de modelo que tiene, podr elegir una tcnica de administracin apropiada para
resolverlo. Estas tcnicas pertenecen a una de dos categoras:
1.
Mtodos ptimos, que producen los mejores valores para las variables de decisin, es decir,
aquellos valores que satisfacen simultneamente todas las limitaciones y proporcionan el
mejor valor para la funcin objetiva.
2.
Mtodos heursticos, que producen valores para las variables que satisfacen todas las
limitaciones. Aunque no necesariamente ptimos, estos valores proporcionan un valor
aceptable para la funcin objetiva.
En contraste con los mtodos ptimos, los mtodos heursticos son computacionalmente ms
eficientes y, por tanto, se usan cuando la obtencin de soluciones ptimas lleva demasiado tiempo
o es imposible porque el modelo es demasiado complejo.
Un objetivo de este curso es mostrar muchos mtodos matemticos diferentes y sus
procedimientos de solucin asociados. La mayor parte de las veces, se dispondr de estos
procedimientos en una computadora, y usted aprender cmo obtener e interpretar las soluciones
al modelo.
1.3.4.
El modelo matemtico puede no haber captado todas las limitaciones del problema real.
2.
Ciertos aspectos del problema pueden haberse pasado por alto, omitido deliberadamente o
simplificado.
3.
Los datos pueden haberse estimado o registrado incorrectamente, tal vez al introducirlos a la
computadora.
Tambin es importante darse cuenta que aun cuando el modelo y la solucin pueden ser vlidos,
tal vez no sea factible llevar a cabo una decisin basndose en esos resultados. Puede haber
aplicaciones conductuales o polticas que no pueden incluirse en el modelo. Por ejemplo, el
resultado de un modelo puede indicar que es ms eficiente en cuanto a costos transferir algunos
trabajadores del turno de da al de noche. Sin embargo, tal cambio puede enfrentar resistencia de
los empleados (o administradores) por razones personales, polticas o de otra ndole. Una forma
de evitar este tipo de dificultades es incluir representantes de todos los grupos potencialmente
afectados como parte del equipo de proyectos.
Los resultados y su posterior instrumentacin deben supervisarse cuidadosamente, no slo para
asegurar que la solucin trabaja segn lo planeado, sino tambin porque el problema, los datos o
ambos pueden cambiar con el tiempo.
1.3.5.
Si durante el paso de validacin se encuentra que la solucin no puede llevarse a cabo, se pueden
identificar las limitaciones que fueron omitidas durante la formulacin del problema original o puede
uno darse cuenta de que algunas de las limitaciones originales eran incorrectas y necesitan
3
Derechos Reservados MCA-FIM 2012
mortificarse, En estos casos, debe regresarse a la etapa de formulacin del problema y hacer
cuidadosamente las modificaciones apropiadas para reflejar con ms exactitud el problema real.
Este proceso de modificacin de un modelo obteniendo la nueva solucin y validndola, puede
tener que repetirse varias veces antes de encontrar una solucin aceptable y factible (vase la
figura 1.1).
1.4.
En general, los modelos matemticos ayudan a los administradores a tomar dos tipos de
decisiones: estratgicas y operacionales. Las decisiones estratgicas, generalmente decisiones
de una sola vez, tienen un efecto sobre intervalos de tiempo relativamente largos. Considere las
siguientes decisiones que probablemente tuviera que tomar como administrador:
Debera reemplazarse un sistema existente con un nuevo sistema recin propuesto? Por
ejemplo, debera convertir una de tres casetas de peaje en un carril expreso para carros de dos o
ms pasajeros? Otro ejemplo, debera abrir una nueva instalacin de produccin?
Debera cambiar su poltica de administracin? Por ejemplo, debera reordenar inventarios a
intervalos de tiempo regulares en lugar de cada vez que el nivel caiga por debajo de alguna
cantidad especificada?
Como los modelos que construye para llegar a decisiones estratgicas generalmente se usan
nicamente para hacer una determinacin a largo plazo, no debe preocuparse demasiado por la
cantidad de esfuerzo computacional requerido para obtener la solucin. Es muy probable que las
decisiones estratgicas tengan un impacto importante en la organizacin, as que debe dedicar la
mayor parte de sus esfuerzos a asegurar que el modelo sea vlido, que incluya todos los aspectos
importantes del problema y que los datos sean lo ms exactos posibles.
Las decisiones operacionales, por el contrario, afectan procesos en curso sobre periodos ms
cortos. Considere las siguientes decisiones operacionales que tal vez tenga que tomar
regularmente:
Cul es el plan de embarque ms efectivo en costos para distribuir productos desde las
plantas hasta los mercados al por menor?
A diferencia de los modelos para planeacin estratgica, los modelos para decisiones
operacionales se usan repetidamente. Por tanto, vale la pena gastar tiempo y esfuerzo extras en
identificar o desarrollar los procedimientos de solucin ms eficientes, ya que hacerlo puede
redituar ahorros significativos en costos computacionales con el tiempo.
Sin importar si se requiere de una decisin estratgica u operacional, los modelos matemticos
proporcionan los siguientes beneficios a los administradores:
a) Un mtodo de determinacin de la mejor manera de lograr un objetivo, como asignar
recursos escasos.
b) Una forma de evaluar el impacto de un cambio propuesto o un nuevo sistema sin el costo y
tiempo de llevarlo a cabo primero.
c) Una forma de evaluar la fortaleza de la solucin ptima al hacer preguntas de
sensibilidad de la forma "Qu sucedera si ... ?" Por ejemplo, qu le sucedera al plan
de inversin ptima y retribucin anual si se esperara que el fondo de acciones produjera
slo 8% (en vez del 10% original)?
d) Un procedimiento para lograr un objetivo que beneficie a la organizacin global al incluir en
el modelo consideraciones correspondientes a muchas otras partes de la organizacin.
1.5.
RESUMEN
4
Derechos Reservados MCA-FIM 2012
5
Derechos Reservados MCA-FIM 2012
CAPITULO II
CONSTRUCCION DE MODELOS DETERMINISTICOS
2.1.
A diferencia de las variables de decisin, cuyos valores usted puede controlar, usted no puede
controlar directamente los valores de los datos.
CARACTERSTICAS CLAVE
La necesidad de que algunos de los datos del problema pueden aclararse cuando especifica el
problema. Otros datos pueden hacerse necesarios al desarrollar el modelo matemtico y descubrir
que se requiere informacin adicional para ayudar a determinar los valores de las variables de
decisin.
= $ 13 000
Sin embargo, el propsito de usar valores especficos para las variables no es obtener la ganancia
total de estos valores, sino ms bien ayudarlo a determinar cmo calcular el objetivo cuando los
valores de las variables no se conocen explcitamente. En este problema, se puede ver fcilmente
de los clculos anteriores que si CS1 es el nmero no especificado de miles de galones de CS-01
y CS 2 es el nmero no especificado de miles de galones de CS-02 por producir, entonces la
ganancia es:
Ganancia de CS-01 = 300CS1 + Ganancia de CS-02 = 500CS 2 Ganancia total = 300CSI +
500CS2
Por lo tanto, la funcin objetiva matemtica expresada en trminos de las variables de decisin y
de los datos del problema es:
Maximzar
300CSI + 500CS2
CARACTERSTICAS CLAVE
Este problema ilustra las siguientes caractersticas clave:
Creacin de la funcin objetivo mediante:
a.
b.
Cuando sea apropiado, descomponer el objetivo en una suma, diferencia, y/o producto de
trminos individuales.
e.
Expresar los trminos individuales en (b) usando las variables de decisin y otros datos de
problemas conocidos.
8
Derechos Reservados MCA-FIM 2012
para
CS-02
no
pueden
Matemticas: para expresar las horas usadas para CS-0 1 y CS-02 en el departamento de
mezclado trate de trabajar con un ejemplo especfico. Por ejemplo, suponga que CS1 = 15 mil y
que CS 2 = 10 mil galones. Cmo calcula el nmero de horas usadas en el departamento de
mezclado? Estos valores son datos del problema (adems de los datos ya identificados en la
seccin 2.1.2) que usted debe obtener. Supongamos que usted llama al departamento de
procesos y recoge los siguientes datos para los departamentos de mezclado y purificacin:
HORAS POR MILES DE GALONES DE
CS-01
Mezclado
Purificacin
CS-02
1
2
9
Resulta entonces fcil calcular las horas usadas en el departamento de mezclado trabajando con
valores especficos de CS, = 15 y CS2 = 10:
Horas para 15 mil galones de CS-01 = 2(15)
= 30
= 10
Horas
Descomposicin:
Horas
usadas
@ para CS-01
Matemticas:
1CS1
usadas
para CS-02
2CS 2
<
250
CS 2> 0 o CSJ' cs
2>0
Juntando todas las piezas de los pasos anteriores, la formulacin matemtica completa del
problema de planeacin de produccin de Case Chemicals es la siguiente:
Formulacin matemtica del problema
FORMULACIN MATEMTICA DEL PROBLEMA DE CASE CHEMICALS
Maximizar 30OCS1 + 50OCS 2 (ganancia)
Condicionado por:
2CS1 + 1CS2 2 < 230 (mezclado)
1CS1 + 2C2 < 250 (purificacin)
CS2 < 120 (limitado en CS-02)
CS1, CS2 > 0
(no negatividad)
donde:
CS1, = el nmero de miles de galones de CS-01 por producir semanalmente
CS2 = el nmero de miles de galones de CS-02 por producir semanalmente
En el captulo 4 aprender el procedimiento de solucin para este tipo de problema. La aplicacin
de ese procedimiento da por resultado la solucin ptima:
cs, = 70
cs 2 = 90
10
Derechos Reservados MCA-FIM 2012
Es decir ,el plan de produccin ptima es de 70000 galonesdeCS1 y de 90000 galones de CS-02,
lo que representa una ganancia semanal de $66 000.
En esta seccin, usted ha aprendido los pasos a tomar en la formulacin de problemas
identificando (1) las variables de decisin, (2) los datos del problema, (3) la funcin objetivo y (4)
Ias restricciones. Para escribir la funcin objetiva y las restricciones en una forma matemtica, use
las variables junto con los datos del problema que usted tenga al formular el modelo. Es posible
que no conozca todos los datos necesarios al definir por primera vez el problema. La necesidad de
datos adicionales puede descubrirse cuando proceda con la formulacin del problema. Estos
valores de datos deben obtenerse de fuentes apropiadas dentro de la organizacin. Para ahorrar
tiempo y espacio, los enunciados de problemas futuros en este libro incluirn todos los datos
necesarios. La formulacin consistir en estos tres pasos:
Paso 1. Identificacin de las variables de decisin.
Paso 2. Identificacin de la funcin objetivo.
Paso 3. Identificacin de las restricciones.
El problema de esta seccin involucro slo dos variables de decisin y unas cuantas restricciones.
Los problemas de importancia prctica a menudo contienen cientos o miles de variables y un
nmero similar de restricciones. Estos problemas ms complejos tambin pueden formularse
usando los pasos que aprendi en esta seccin.
2.2.
2.2.1.
Leyes
Costo
Ag (onz/ton)
Pb (%)
$/ton
Colquechaca
3,5
7,0
10 de mayo
16
1,15
9,0
Otros datos que debemos considerar son: el precio de la plata: $ 20,0 /onz; precio del plomo 0,70
$/lb; capacidad de la planta concentradora: 95 ton/da, ley minima de cabeza de plata: 6 onz/ton,
ley mxima de cabeza de plata: 8 onz/ton.
Como gerente de produccin, formule un modelo matemtico para determinar el tonelaje a extraer
de cada veta.
Solucin:
Paso 1: Identificacin de las variables de decisin
Xc = el nmero de toneladas de mineral a extraer de la veta Colquechaca por da
Xm = el nmero de toneladas de mineral a extraer de la veta 10 de mayo por da
b)
c)
d)
e)
f)
g)
h)
i)
j)
k)
l)
Maximizar (ganancia por mineral de la veta Colquechaca + ganancia por mineral de la veta 10 de
mayo)
4 Xc 16 Xm
Xc Xm 6
FM: - Xc + 5 Xm >= 0
c)
4 Xc 16 Xm
Xc Xm 8
d)
Restricciones lgicas
Xc y Xm >= 0
Xm
<= 95
- Xc + 5 Xm
>= 0
- Xc + 2 Xm
<= 0
Xc y
Xm
>= 0
Donde:
Xc
Nota: Al resolver el modelo matemtico, los resultados indican que la veta Colquechaca debe producir 63,33
ton de mineral y la veta 10 de mayo 31,67 ton de mineral, para obtener una ganancia de $ 18 446,15 por da.
Fuente: Selvino Paz, PERT CPM una alternativa en problemas mineros, UNI, Lima Per.
Mineral de alta
calidad (ton/da)
Mineral de baja
calidad (ton/da)
Costo de operacin
(dlares/da)
Mina 1
40
40
20 000
Mina 2
60
40
22 000
Mina 3
10
60
18 000
b)
c)
d)
e)
f)
g)
h)
i)
j)
Cantidad de mineral de alta calidad que debe entregar la empresa: 540 ton/semana
k)
Cantidad de mineral de bajaa calidad que debe entregar la empresa: 650 ton/semana
FV: La produccin semanal de mineral de alta calidad debe ser al menos 540 toneladas
D : (produccin semanal de mineral de alta calidad de la mina 1 + produccin semanal de mineral de
alta calidad de la mina 2 + produccin semanal de de mineral de alta calidad de la mina 3) debe ser
al menos 540 toneladas
FM: 40 M1 + 60 M2 + 10 M3 >= 540
b)
FV: La produccin semanal de mineral de baja calidad debe ser al menos 650 toneladas
D : (produccin semanal de mineral de baja calidad de la mina 1 + produccin semanal de mineral de
baja calidad de la mina 2 + produccin semanal de de mineral de baja calidad de la mina 3) debe
ser al menos 650 toneladas
FM: 40 M1 + 40 M2 +610 M3 >= 650
c)
FV: El nmero de das trabajados por semana en la mina 1 debe ser menor o igual a 7
FM: M1 <= 7
De manera similar en las minas 2 y 3
M2 <= 7
M3 <= 7
d)
Restricciones lgicas
M1, M2 y M3 >= 0 y enteros
14
Derechos Reservados MCA-FIM 2012
M3 <= 7
M1, M2 y M3 >= 0 y enteros
Donde
M1
M2
M3
o)
p)
q)
r)
s)
La fbrica 1 produce 8 cajas de bajo grado, 1 caja de medio grado y 2 cajas de alto grado en un da
de operacin.
t)
La fbrica 2 produce 2 cajas de bajo grado, 1 caja de grado medio y 7 cajas de alto grado por da.
Restricciones lgicas
F1 y, F2 >= 0 y enteros
>= 15
F1 + F2
>= 2
2 F1 + 7 F2
>= 10
F1 y, F2
>= 0 y enteros
Donde
F1
F2
b)
c)
d)
e)
Costo de operacin de un camin grande para un recorrido de 800 km = $0,30 * 800 = $240
f)
Costo de operacin de un camin grande para un recorrido de 800 km = $0,25 * 800 = $200
g)
En reserva debe quedarse un camin grande por cada dos camiones medianos.
16
Derechos Reservados MCA-FIM 2012
Tonelaje a transportar
FV: por cada dos camiones medianos mantenidos en reserva debe quedarse por lo menos un camin
grande
FM: 2(5- CM) <= (10 CG)
CG 2 CM <= 0
c)
Nmero de camiones
Restricciones lgicas
CG y CM >= 0
Taladrado
Torneado
Fresado
Ensamblado
17
Derechos Reservados MCA-FIM 2012
Las contribuciones unitarias de los cuatro productos y las horas de disponibilidad en los cuatro
departamentos son:
Contribucin
Producto
($)/unidad
18
14
11
Departamento
Horas disponibles
Taladrado
70
Torneado
80
Fresado
90
Ensamblado
100
b)
Taladrado
Torneado
Fresado
Ensamblado
Producto
c)
($)/unidad
18
14
11
18
Derechos Reservados MCA-FIM 2012
Departamento
Horas disponibles
Taladrado
70
Torneado
80
Fresado
90
Ensamblado
100
Maximizar (las utilidades generadas por el producto a + las utilidades generadas por el producto b +
las utilidades generadas por el producto c + las utilidades generadas por el producto d)
Departamento de taladrado
FV: El nmero de horas disponibles en el departamento de taladrado es de 70
D : (nmero de horas de taladrado empleados en el producto a + nmero de horas de taladrado
empleados en el producto b + nmero de horas de taladrado empleados en el producto c + nmero
de horas de taladrado empleados en el producto d) debe ser menor de 70 horas
FM: 3A + 7B + 4C <= 70
b)
c)
Restricciones lgicas
A, B, C y D >= 0 y enteros.
19
Derechos Reservados MCA-FIM 2012
Una bomba del tipo 1 requiere el doble de tiempo en mano de obra que la bomba de tipo 2.
b)
La compaa si solo produce bombas del tipo 2, puede producir 500 unidades.
c)
d)
e)
f)
FV: Si la compaa produce solo bombas de tipo 2, puede producir 500 unidades
D : (tiempo en mano de obra para producir bombas del tipo 1 + tiempo en mano de obra para producir
bombas del tipo 2) es igual al tiempo para producir 500 bombas del tipo 2
FM: B1T1 + B2T2 <= 500T2, donde T1 = 2T2
B1 2T2 + B2T2 <= 500T2
2B1 + B2 <= 500
b)
Ventas diarias
FV: El nmero de bombas del tipo 1 que se puede vender es un mximo de 150 unidades
FM: B1 <= 150
De manera similar con la venta de bombas del tipo 2
B2 <= 250
c)
Restricciones lgicas
B1 y B2 >= 0
2.2.2.
b)
c)
d)
e)
3
3
Barco 2
Barco 3
Modelo A
450
35*12 = 420
35*15 = 525
Modelo B
40*12 = 480
40*15 = 600
f)
g)
h)
i)
j)
El fabricante se ha comprometido a entregar al menos 250 automviles del modelo A y 200 del
modelo B para mediados de febrero y el resto a fines de marzo.
3
3
FV: A mediados de febrero se debe entregar al menos 250 automviles del modelo A
D : (el nmero de automviles del modelo A transportados que llegan a inicios de enero + el nmero de
automviles del modelo A transportados que llegan a mediados de febrero) debe ser al menos 250
FM: AB1e + AB2f >= 250
o)
FV: A mediados de febrero se debe entregar al menos 200 automviles del modelo B
D : (el nmero de automviles del modelo B transportados que llegan a inicios de enero + el nmero de
automviles del modelo B transportados que llegan a mediados de febrero) debe ser al menos 200
FM: BB2f >= 200
p)
Restricciones lgicas
Produccin
Cliente 1
Cliente 2
Cliente 3
Fabrica 1
$600
$800
$700
400 und
Fabrica 2
$400
$900
$600
500 und
300 und
200 und
400 uns
Orden
Formule un modelo matemtico para decidir cuantas unidades enviar de cada fbrica a cada
cliente.
Solucin:
23
Derechos Reservados MCA-FIM 2012
El costo unitario de envo de cada fabrica a cada cliente, la capacidad de produccin y la demanda
es el siguiente:
Produccin
Cliente 1
Cliente 2
Cliente 3
Fabrica 1
$600
$800
$700
400 und
Fabrica 2
$400
$900
$600
500 und
300 und
200 und
400 uns
Orden
e)
Restricciones lgicas
F1C1, F1C2, F1C3, F2C1, F2C2 y F2C3 >= 0
2.2.3.
CAPACIDAD
Newark
Sayerville
150 000
Sayerville
Trenton
125 000
Trenton
Filadelfia
130 000
Newark
Bridgewater
80 000
Sayerville
Bridgewater
60 000
Bridgewater
Easton
100 000
Easton
Allentown
75 000
Easton
Trenton
50 000
Allentown
Filadelfia
90 000
En la regin de Filadelfia se espera un aumento en la conduccin en los prximos meses de verano Tendr
Hexxon suficiente gasolina para satisfacer la mayor demanda en las estaciones de servicio? Antes de
incrementar la tasa de produccin de la refinera, la administracin de Hexxon desea conocer el nmero
mximo de galones de gasolina por hora que pueden enviarse a travs de la red de oleoductos a los tanques
de almacenamiento de Filadelfia.
Formule un modelo matemtico.
25
Derechos Reservados MCA-FIM 2012
Solucin:
Antes de formular el modelo, dibujaremos un diagrama de redes que nos ayude a visualizar la informacin y
los datos del problema:
XNS = El numero de galones de gasolina por hora que se enviara a lo largo del segmento de Newark a
Sayerville.
XST = El numero de galones de gasolina por hora que se enviara a lo largo del segmento de Sayerville a
Trenton.
XTF = El numero de galones de gasolina por hora que se enviara a lo largo del segmento de Trenton a
Filadelfia.
XNB = El numero de galones de gasolina por hora que se enviara a lo largo del segmento de Newark a
Bridgewater.
XSB = El numero de galones de gasolina por hora que se enviara a lo largo del segmento de Sayerville a
Bridgewater.
26
Derechos Reservados MCA-FIM 2012
XBE = El numero de galones de gasolina por hora que se enviara a lo largo del segmento de Bridgewater
a Easton.
XEA = El numero de galones de gasolina por hora que se enviara a lo largo del segmento de Easton a
Allentown.
XET = El numero de galones de gasolina por hora que se enviara a lo largo del segmento de Easton a
Trenton.
XAF = El numero de galones de gasolina por hora que se enviara a lo largo del segmento de Allentown a
Filadelfia.
CAPACIDAD
Newark
Sayerville
150 000
Sayerville
Trenton
125 000
Trenton
Filadelfia
130 000
Newark
Bridgewater
80 000
Sayerville
Bridgewater
60 000
Bridgewater
Easton
100 000
Easton
Allentown
75 000
Easton
Trenton
50 000
Allentown
Filadelfia
90 000
Restricciones de lmite
FV: El nmero de galones por hora enviado de Newark a Sayerville no debe exceder su capacidad.
FM: XNS <= 150 000
De manera similar en el resto de los segmentos:
XNB <= 80 000
XSB <= 60 000
XST <= 125 000
XBE <= 100 000
XEA <= 75 000
XET <= 50 000
XAF <= 90 000
XTF <= 130 000
b)
Restricciones de equilibrio
Debemos especificar que en cada estacin de bombeo, la cantidad de gasolina por enviada debe ser
precisamente igual a la cantidad recibida.
27
Derechos Reservados MCA-FIM 2012
FV: La cantidad de gasolina recibida en Bridgewater debe ser igual a la cantidad de gasolina enviada
desde Bridgewater.
D: La cantidad recibida desde Newark + la cantidad recibida desde Sayerville debe ser igual a la
cantidad enviada a Easton.
FM: XBE = XNB + XSB
XBE - XNB - XSB = 0
De manera similar para cada estacin de bombeo:
XST- XSB XNS = 0 (balance en Sayerville)
XEA XET XBE = 0 (balance en Easton)
XTF XST - XET = 0 (balance en Trenton)
XAF XEA = 0 (balance en Allentown)
c)
Restricciones lgicas
XNS, XNB, XSB, XST, XBE, XEA, XET, XAP y XTP >= 0
28
Derechos Reservados MCA-FIM 2012
2.2.4.
Precio ($/accin)
45
76
110
17
23
22
Devolucin
(%)
30
20
15
12
10
alto
alto
alto
mediano
mediano
bajo
esperada
Categora de riesgo
Una forma de controlar el riesgo es limitar la cantidad de dinero invertido en los diversos
proyectos. Para este fin la administracin de Centauro Gold Mining, Inc ha especificado las
siguientes pautas.
a. la cantidad total invertida en proyectos de alto riesgo debe estar entre 50 y 75% de la cartera.
b. la cantidad total invertida en proyectos de mediano riesgo debe estar entre 20 y 30% de la
cartera.
c.
la cantidad total invertido en los proyectos de bajo riesgo debe ser al menos de 5% de la
cartera.
Una segunda forma de controlar el riesgo es diversificar, esto es, espaciar el riesgo invirtiendo en
muchas alternativas diferentes. La gerencia de Centauro Gold Mining, Inc ha especificado que la
cantidad invertida en los proyectos de alto riesgo 1, 2 y 3 deben estar en la tasa 1:2:3,
respectivamente. La cantidad invertida en los proyectos de mediano riesgo 4 y 5 debe ser 1:2.
Con estas pautas, Qu proyectos debera usted, gerente de inversiones, recomendar para
maximizar la tasa esperada de retorno?
Solucin:
Paso 1: Identificacin de las variables de decisin
P1 = La fraccin de la cartera por invertir en el proyecto 1
P2 = La fraccin de la cartera por invertir en el proyecto 2
P3 = La fraccin de la cartera por invertir en el proyecto 3
P4 = La fraccin de la cartera por invertir en el proyecto 4
P5 = La fraccin de la cartera por invertir en el proyecto 5
P6 = La fraccin de la cartera por invertir en el proyecto 6
b)
Proyecto
Precio ($/accin)
45
76
110
17
23
22
30
20
15
12
10
Categora de riesgo
alto
alto
alto
mediano
mediano
bajo
c)
La cantidad total invertida en proyectos de alto riesgo debe estar entre 50 y 75% de la cartera.
d)
La cantidad total invertida en proyectos de mediano riesgo debe estar entre 20 y 30% de la cartera.
e)
La cantidad total invertido en los proyectos de bajo riesgo debe ser al menos de 5% de la cartera.
29
Derechos Reservados MCA-FIM 2012
f)
La cantidad invertida en los proyectos de alto riesgo 1, 2 y 3 deben estar en la tasa 1:2:3,
respectivamente.
g)
FV: La cantidad total invertida en proyectos de alto riesgo debe estar entre 50 y 75% de la cartera.
D : ((la cantidad invertida en el proyecto 1 + la cantidad invertida en el proyecto 2 + la cantidad invertida
en el proyecto 3)) debe estar entre 50 y 75% de la cartera.
FM: P1 + P2 + P3 >= 0.50 (mnimo en alto riesgo)
P1 + P2 + P3 <= 0.75 (mximo en alto riesgo)
e)
FV: La cantidad total invertida en proyectos de mediano riesgo debe estar entre 20 y 30% de la cartera.
D : ((la cantidad invertida en el proyecto 4 + la cantidad invertida en el proyecto 5)) debe estar entre 20
y 30% de la cartera.
FM: P4 + P5 >= 0.20 (mnimo en mediano riesgo)
P4 + P5 <= 0.30 (mximo en mediano riesgo)
f)
FV: La cantidad total invertida en proyectos de bajo riesgo debe ser al menos el 5% de la cartera.
D : ((la cantidad invertida en el proyecto 6)) debe ser al menos el 5% de la cartera.
FM: P6 >= 0.05 (mnimo en bajo riesgo)
g)
FV: La cantidad invertida en los proyectos de alto riesgo 1, 2 y 3 deben estar en la tasa 1:2:3,
respectivamente.
D : La cantidad invertida en el proyecto2 debe ser el doble de lo invertido en el proyecto 1.
FM: -2P2 + P1 = 0
De manera similar:
-3P1 + P3 = 0
h)
FV: La cantidad invertida en los proyectos de mediano riesgo 4 y 5 deben estar en la tasa 1:2,
respectivamente.
D : La cantidad invertida en el proyecto5 debe ser el doble de lo invertido en el proyecto 4.
FM: -2P4 + P5 = 0
i)
Capital de inversin
FV: El capital disponible para invertir en todos los proyectos es de $100 000 000
FM: P1 + P2 + P3 + P4 + P5 + P6 = 1
j)
Restricciones lgicas
P1 + P2 + P3 <= 0.75
P4 + P5 >= 0.20
P4 + P5 <= 0.30
P6 >= 0.05
-2P2 + P1 = 0
-3P1 + P3 = 0
-2P4 + P5 = 0
P1 + P2 + P3 + P4 + P5 + P6 = 1
P1, P2, P3, P4, P5 y P6 >= 0
Donde
P1 = La fraccin de la cartera por invertir en el proyecto 1
P2 = La fraccin de la cartera por invertir en el proyecto 2
P3 = La fraccin de la cartera por invertir en el proyecto 3
P4 = La fraccin de la cartera por invertir en el proyecto 4
P5 = La fraccin de la cartera por invertir en el proyecto 5
P6 = La fraccin de la cartera por invertir en el proyecto 6
2.2.5.
b.
El costo de acero para hacer el costado del contenedor es $3 por pie cuadrado.
c.
Minimizar (costo del acero del costado del contenedor + costo del acero de la base y de la tapa)
2
31
Derechos Reservados MCA-FIM 2012
FV: El volumen total del contenedor debe ser al menos de 10 pies cbicos.
2
D:
FM: R H >= 10
b)
Restricciones lgicas
R y H >= 0
Sujeto a:
2
R H >= 10
R y H >= 0
Donde
R = radio de la base en pies
H = altura del cilindro en pies
2.2.6.
Cu
Otros
Material de desecho 1
95
Material de desecho 2
85
14
Los respectivos costos son: Material de desecho 1 = $150/kg; Material de desecho 2 = $50/kg;
Cobre puro = $150/kg; y Aluminio puro $500/kg.
Cuesta $50 fundir un kilogramo de metal. Se tienen ms de 1.000 kg. de cada tipo de metal
disponible. Como debe el productor cargar su horno de manera que maximice sus utilidades?
Solucin:
Paso 1: Identificacin de las variables de decisin
MD1 = Kilogramos de material de desecho 1 a utilizar para obtener 1 kilogramo de aleacin especial
MD2 = Kilogramos de material de desecho 2 a utilizar para obtener 1 kilogramo de aleacin especial
AL = Kilogramos de aluminio puro a utilizar para obtener 1 kilogramo de aleacin especial.
CU = Kilogramos de cobre puro a utilizar para obtener 1 kilogramo de aleacin especial.
i)
j)
k)
l)
o)
p)
q)
0.95MD1 0.85MD2 AL
MD1 MD2 AL CU 0.90
FM: 0.05MD1 -0.05MD2 + 0.1AL -0.9CU >= 0
l)
0.03MD1 0.01MD2 CU
MD1 MD2 AL CU 0.05
FM:-0.02MD1 -0.04MD2 -0.05AL + 0.95CU >= 0
m) Contenido mximo de cobre en aleacin especial
FV: La aleacin especial debe tener 8% o menos de cobre
D : ((contenido de cobre en el material de desecho 1 + contenido de cobre en el material de desecho 2
+ contenido de cobre en el cobre puro)/(peso del material de desecho 1 + peso del material de
desecho 2 + peso del aluminio puro + peso del cobre puro)) debe ser menor o igual a 8% de cobre
0.03MD1 0.01MD2 CU
MD1 MD2 AL CU 0.08
FM:-0.05MD1 -0.07MD2 -0.08AL + 0.92CU >= 0
n)
Restricciones lgicas
2.2.7.
Partculas
60
xidos de azufre
150
Hidrocarburos
125
La fabricacin de acero tiene dos fuentes principales de contaminacin: los altos hornos para
fabricar el arrabio (lingotes de acero) y los hornos Siemens-Martn para transformar el hierro en
acero. En ambos casos los ingenieros determinaron que los mtodos de abatimiento ms eficaces
son: 1) aumentar la altura de las chimeneas, 2) usar filtros (con trampas de gas) en ellas y 3) incluir
34
Derechos Reservados MCA-FIM 2012
limpiadores de alto grado en los combustibles de los hornos. Todos estos mtodos tienen
limitaciones tecnolgicas en cuanto al nivel en que pueden usarse; por ejemplo, un incremento
factible mximo de las alturas de las chimeneas, pero tambin existe una gran flexibilidad para
usar el mtodo en cualquier nivel fraccionario de su lmite tecnolgico.
La tabla 2. Muestra la cantidad de emisin (en millones de libras anuales) que se puede eliminar de
cada tipo de horno mediante el empleo del mtodo de abatimiento al mximo lmite tecnolgico.
Para fines de anlisis se supone que cada mtodo se puede usar a un nivel menor para lograr
cualquier fraccin de reduccin de las tasas de emisin que se presentan en esta tabla. Ms an,
las fracciones pueden ser diferentes para los altos hornos y los hornos Siemens-Martn, y el uso
simultneo de otro mtodo no afecta de manera significativa la reduccin de emisiones que
alcanza cada uno de ellos.
Despus de obtener estos datos, qued claro que ningn mtodo por s solo poda lograr las
reducciones requeridas. Por otro lado, la combinacin de los tres mtodos a toda su capacidad -lo
que sera demasiado caro si se quiere que los productos tengan precios competitivos- genera un
resultado mucho ms elevado de lo que se pide. Por todo esto, la conclusin de los ingenieros fue
que deban usar alguna combinacin de mtodos, tal vez con capacidades fraccionarias basadas
en sus costos relativos. An ms, debido a las diferencias entre los altos hornos y los hornos
Siemens-Martn, es probable que la combinacin sea diferente para cada tipo de horno.
Tabla 2. Reduccin de la tasa de emisin (en millones de libras por ao) con el uso mximo
factible del mtodo de abatimiento de Nori & Leets Co.
Chimeneas ms
altas
Contaminante
Filtros
Mejores
combustibles
Altos
hornos
Hornos
Siemens
Martins
Altos
hornos
Hornos
Siemens
Martins
Altos
hornos
Hornos
Siemens
Martins
Partculas
12
25
20
17
13
xidos de azufre
35
42
18
31
56
49
Hidrocarburos
37
28
24
29
20
53
Se llev a cabo un anlisis para estimar el costo total anual de cada mtodo de abatimiento. El
costo anual de un mtodo incluye el aumento de los gastos de operacin y mantenimiento al igual
que la reduccin de los ingresos de vida a cualquier prdida de eficiencia en el proceso de
produccin que puede generar el uso del mtodo. El otro costo importante es el costo fijo inicial (el
capital inicial) que se requiere para instalar el mtodo. Para hacer que este costo nico fuera
conmensurable con los costos anuales, se us el valor del dinero en el tiempo para calcular el
gasto anual (sobre el tiempo esperado de vida del mtodo) que sera equivalente a este costo fijo
inicial.
El anlisis permiti estimar los costos anuales totales en millones de dlares que se presentan en
la tabla 3., en la que se incurre al usar los mtodos a toda su capacidad de abatimiento. Tambin
se determin que el costo de un mtodo que se utiliza a un nivel menor es esencialmente
proporcional a la capacidad fraccionada de la capacidad de abatimiento que se logra, aspecto que
se presenta en la tabla 2. Entonces, para cualquier fraccin que se logre, el costo total anual sera
en esencia la fraccin de la cantidad correspondiente de la tabla 3.
Tabla 3. Costo anual por el uso mximo factible del mtodo de abatimiento de Nori & Leets Co.
(millones de dlares)
Mtodo de abatimiento
Altos hornos
Hornos de corazn
abierto
Chimeneas ms altas
10
Filtros
Mejores combustibles
11
En esta etapa todo est listo para desarrollar el marco general del plan de la compaa para
disminuir la contaminacin. ste plan especifica qu tipo de mtodos de reduccin debern
emplearse y a que fracciones de su capacidad para: 1) los altos hornos y 2) los hornos SiemensMartn. Debido a la naturaleza combinatoria del problema de encontrar un plan que satisfaga a los
35
Derechos Reservados MCA-FIM 2012
requisitos con el menor costo posible, se form un equipo de investigacin de operaciones para
resolverlo. El equipo decidi enfocar el problema desde un punto de vista de programacin lineal y
debe formular un modelo matemtico.
Solucin:
Paso 1: Identificacin de las variables de decisin
ChAl = Fraccin del uso mximo de chimeneas mas altas para altos hornos.
ChHo= Fraccin del uso mximo de chimeneas mas altas para hornos Siemens- Martins .
FiAl= Fraccin del uso mximo de filtros para altos hornos.
FiHo= Fraccin del uso mximo de filtros para hornos Siemens- Martins .
MeAl= Fraccin del uso mximo de mejores combustibles para altos hornos.
MeHo= Fraccin del uso mximo de mejores combustibles para hornos Siemens- Martins..3
Paso 2: Identificacin de los datos del problema
a.
b.
Partculas
60
xidos de azufre
150
Hidrocarburos
125
Reduccin de la tasa de emisin (en millones de libras por ao) con el uso mximo factible del
mtodo de abatimiento de Nori & Leets Co.
Chimeneas ms altas
Contaminante
Filtros
Mejores combustibles
Altos
hornos
Hornos
Siemens
Martins
Altos
hornos
Hornos
Siemens
Martins
Altos
hornos
Hornos
Siemens
Martins
Partculas
12
25
20
17
13
xidos de azufre
35
42
18
31
56
49
Hidrocarburos
37
53
28
24
29
20
c.
Costo anual por el uso mximo factible del mtodo de abatimiento de Nori & Leets Co. (millones de
dlares)
Mtodo de abatimiento
Altos hornos
Chimeneas ms altas
10
Filtros
Mejores combustibles
11
36
Derechos Reservados MCA-FIM 2012
D: (reduccin de la tasa de emisin empleando el mtodo de chimeneas ms altas para altos hornos +
reduccin de la tasa de emisin empleando el mtodo de chimeneas ms altas para hornos SiemensMartins + reduccin de la tasa de emisin empleando el mtodo de filtros para altos hornos + reduccin
de la tasa de emisin empleando el mtodo de filtros para hornos Siemens- Martins + reduccin de la
tasa de emisin empleando el mtodo de mejores combustibles para altos hornos + reduccin de la tasa
de emisin empleando el mtodo de mejores combustibles para hornos Siemens- Martins) debe ser
mayor o igual a 60 millones de libras.
FM: 12 ChAl + 9 ChHo + 25FiAl + 20FiHo +17MeAl + 13MeHo >= 60
De manera similar para los mtodos de abatimiento de filtros y el uso de mejores combustibles:
FM: 35 ChAl + 42 ChHo + 18FiAl + 31FiHo +56MeAl + 49MeHo >= 150
FM: 37 ChAl + 53 ChHo + 28FiAl + 24FiHo +29MeAl + 20MeHo >= 125
q)
FV: La mxima eficiencia tecnolgica del mtodo de chimeneas ms altas para altos hornos es del
100%.
FM: ChAl <= 1
De manera similar para los otros mtodos de abatimiento:
ChHo <= 1
FiAl <= 1
FiHo <= 1
MeAl <= 1
MeHo <= 1
r)
Restricciones lgicas
MeHo= Fraccin del uso mximo de mejores combustibles para hornos Siemens- Martins..3
2.2.8.
Problemas de mezclas
Descarga de azufre
Descarga de humo
Vapor generado
Lb/hora
Lb/hora
C1
1 800
2,1
12 000
C2
2 100
0,9
9 000
Emisin de contaminantes por la quema de carbn y vapor generado por 1 tonelada de consumo por
hora
Clase de
carbn
Descarga de azufre
Descarga de humo
Vapor generado
Lb/hora
Lb/hora
C1
1 800
2,1
12 000
C2
2 100
0,9
9 000
a.
b.
Maximizar (el vapor generado por el carbn tipo 1 + el vapor generado por el carbn tipo)
c)
Restricciones lgicas
C1 y C2 >= 0 y enteros.
Demanda de productos
b)
c)
Diesel
Gasolina
Lubricantes
Combustible
para avin
Irn
0,2
0,25
0,1
0,15
Dubai
0,1
0,6
0,15
0,1
FM: Minimizar CI + CD
Produccin de diesel
FV: la produccin de diesel debe ser al menos 14 000 barriles/da
D : (diesel procedente del crudo de Irn + diesel procedente del crudo de Dubai)debe ser al menos 14
000 barriles /da
FM: 0,2CI + 0,1 CD >= 14 000
b)
c)
d)
Restricciones lgicas
CI y CD >= 0 y enteros.
b)
c)
Disponibilidad
Solucin A
Solucin B
0,5
0,5
150
II
0,6
0,4
140
Gl/x da
Solucin A: $ 8,0
Solucin B: $ 10,0
b.
c.
Paso 3 Identificacin de la funcin objetivo
FV: Maximizar las utilidades por la venta de las soluciones A y B
D:
b)
Demanda de la solucin A
Demanda de la solucin B
Restricciones lgicas
SA y SB >= 0 y enteros.
Presin
de
vapor
mxim
a
Octanaje
mnimo
Demanda
mxima
barriles/semana
Entregas
mnimas
barriles/semana
Normal
23
88
100 000
50 000
Sper
23
93
20 000
5 000
42
Derechos Reservados MCA-FIM 2012
Presin
de
vapor
Octanaje
Barriles
en el
almacn
Costo
Nacional
25
87
40 000
80
Extranjero
15
98
60 000
150
$/barril
Qu cantidades de combustible nacional y extranjero deben mezclarse para producir las dos
gasolinas y obtener los mximos beneficios semanales? Formule el modelo matemtico
correspondiente.
NOTA: Los componentes de la mezcla contribuyen al octanaje (y a la presin de vapor) de acuerdo
a su porcentaje en la mezcla.
Solucin:
Paso 1: Identificacin de las variables de decisin
GN = Nmero de barriles de gasolina normal a producir por semana
GS= Nmero de barriles de gasolina super a producir por semana
CNN= Nmero de barriles de combustible nacional para producir gasolina normal por semana
CEN= Nmero de barriles de combustible extranjero para producir gasolina normal por semana
CNS= Nmero de barriles de combustible nacional para producir gasolina super por semana
CES= Nmero de barriles de combustible extranjero para producir gasolina super por semana.
b)
c)
d)
Presin de
vapor
mxima
Octanaje
mnimo
Demanda
mxima
barriles/semana
Entregas
mnimas
barriles/semana
Normal
23
88
100 000
50 000
Sper
23
93
20 000
5 000
Octanaje
Barriles en el
almacn
Costo
Nacional
25
87
40 000
80
Extranjero
15
98
60 000
150
$/barril
FV: La demanda mxima de la gasolina normal por semana es de 100 000 barriles
FM: GN <= 100 000
b)
FV: El nmero de barriles de combustible nacional que puede utilizarse para producir gasolina es
mximo 40 000
FM: CNN + CNS <= 40 000
j)
CNS + CES - GS = 0
m) Restricciones lgicas
GN, GS, CNN, CNS, CEN y CES >= 0
45
Derechos Reservados MCA-FIM 2012
CAPITULO III
APLICACIONES DE PROGRAMACIN LINEAL
3.1.
3.1.1.
En Explosives, Inc. se mezclan azufre, carbn y salitre para producir plvora. El producto final debe
contener al menos 10%, pero no ms de 20%, de carbn por unidad de peso. La cantidad de
salitre no puede exceder el 50% de la cantidad de carbn usado. Para evitar una explosin
accidental, la suma de 50% del azufre mas 60% de carbn mas 30% del salitre usados no puede
exceder 35% del producto final. El azufre es con mucho el componente ms caro. Formule un
modelo para determinar la cantidad de cada ingrediente que debe utilizarse para producir cada
libra de plvora que satisfaga las restricciones y, a la vez, que requiera la menor cantidad de
azufre.
Solucin:
Paso 1: Identificacin de las variables de decisin
C = cantidad de libras de carbn utilizados para producir 1 lb de plvora
A = cantidad de libras de azufre utilizados para producir 1 lb de plvora
S = cantidad de libras de salitre utilizados para producir 1 lb de plvora
El producto final debe contener al menos 10%, pero no ms de 20%, de carbn por unidad de peso.
b.
c.
Para evitar una explosin accidental, la suma de 50% del azufre ms 60% de carbn mas 30% del
salitre usados no puede exceder 35% del producto final.
d.
46
Derechos Reservados MCA-FIM 2012
FV: El producto final debe contener al menos 10% de carbn por unidad de peso.
FM: S >= 0.10
t)
FV: El producto final debe contener no ms de 20% de carbn por unidad de peso.
FM: S <= 0.20
u)
Cociente salitre/carbn
Cantidad de componentes
FV: Para evitar una explosin accidental, la suma de 50% del azufre ms 60% de carbn mas 30% del
salitre usados no puede exceder 35% del producto final
FM: 0.5A + 0.6C +0.3S <= 0.35
a)
Balance
(% mximo de carbn)
S <= 0.20
(% mnimo de carbn)
S - 0.5C <= 0
(cociente salitre/carbn)
(balance)
A, C y S >= 0
Donde
C = cantidad de libras de carbn utilizados para producir 1 lb de plvora
A = cantidad de libras de azufre utilizados para producir 1 lb de plvora
S = cantidad de libras de salitre utilizados para producir 1 lb de plvora
3.1.2.
Una compaa petrolera utiliza dos aditivos, x y y, que se mezcla con gasolinas de alto grado. Despus de
un cuidadoso anlisis se han determinado las siguientes restricciones:
a.
Si se emplea ms de un cuarto de litro de aditivos totales por carro cisterna, los aditivos forman
depsitos perjudiciales en los carburadores.
b.
2x + y no puede ser menor que un cuarto o la gasolina no tendr su color distintivo (un punto
principal en las ventas).
c.
Medio litro de aditivo x aadiera 100 unidades equivalentes de octano por carro cisterna y medio
litro del aditivo y aadiera 200 unidades equivalentes de octano por carro cisterna. El nmero total
47
Derechos Reservados MCA-FIM 2012
de unidades equivalentes por carro cisterna no puede ser menor a 60, a fin de asegurar los
estndares de rendimiento.
d.
El aditivo x cuesta $ 150 por medio litro y el aditivo y cuesta $ 400 por medio litro.
Solucin:
Paso 1: Identificacin de las variables de decisin
x = cantidad de litros de aditivo x a mezclar para producir 1 litro de gasolina de alto grado
y = cantidad de litros de aditivo y a mezclar para producir 1 litro de gasolina de alto grado
b.
Si se emplea ms de un cuarto de litro de aditivos totales por carro cisterna, los aditivos forman
depsitos perjudiciales en los carburadores.
c.
2x + y no puede ser menor que un cuarto o la gasolina no tendr su color distintivo (un punto
principal en las ventas).
d.
Medio litro de aditivo x aadiera 100 unidades equivalentes de octano por carro cisterna y medio
litro del aditivo y aadiera 200 unidades equivalentes de octano por carro cisterna. El nmero total
de unidades equivalentes por carro cisterna no puede ser menor a 60, a fin de asegurar los
estndares de rendimiento.
e.
El aditivo x cuesta $ 150 por medio litro y el aditivo y cuesta $ 400 por medio litro.
FV: Si se emplea ms de un cuarto de litro de aditivos totales por carro cisterna, los aditivos forman
depsitos perjudiciales en los carburadores
D:
FV: 2x + y no puede ser menor que un cuarto o la gasolina no tendr su color distintivo
FM: 2x + y >= 0.25
c)
FV: Medio litro de aditivo x aadiera 100 unidades equivalentes de octano por carro cisterna y medio
litro del aditivo y aadiera 200 unidades equivalentes de octano por carro cisterna. El nmero total de
unidades equivalentes por carro cisterna no puede ser menor a 60
D: las unidades de octano aadidos por el aditivo x mas las unidades de octano aadidos por el aditivo
y deben ser mayor de 60
FM: 200x + 400y >= 60
d)
Restricciones lgicas
x, y >= 0
48
Derechos Reservados MCA-FIM 2012
2x + y >= 0.25
x, y >= 0
Donde
x = cantidad de litros de aditivo x a mezclar para producir 1 litro de gasolina de alto grado
y = cantidad de litros de aditivo y a mezclar para producir 1 litro de gasolina de alto grado
3.1.3.
World Oil Company puede comprar dos tipos de petrleo crudo: crudo ligero a un costo de $25 por
barril y crudo pesado a $22 por barril. Cada barril de petrleo crudo, ya refinado, produce tres
productos: gasolina, turbosina y queroseno. La siguiente tabla indica las cantidades en barriles de
gasolina, turbosina y queroseno producidos por barril de cada tipo de petrleo crudo:
Petrleo Crudo
Gasolina
Turbosina
Queroseno
Crudo ligero
0,35
0,36
0,22
Crudo pesado
0,45
0,18
0,28
Cada barril de petrleo crudo ligero produce un desecho de 0,07 de barril que se tira a un costo de
$1 por barril de desecho. De manera similar, cada barril de petrleo crudo pesado produce un
desecho de 0,09 de barril y su eliminacin cuesta $ 1,50 por barril.
La refinera se ha comprometido a entregar 960 000 barriles de gasolina, 1 200 000 barriles de
turbosina y 450 000 barriles de queroseno. Como gerente de produccin, formule un modelo para
determinar la cantidad de cada tipo de petrleo crudo por comprar para minimizar el costo total al
tiempo que satisfaga la demanda apropiada.
Solucin:
Paso 1: Identificacin de las variables de decisin
CL = el nmero de de barriles de crudo ligero a adquirir
CP = el nmero de de barriles de crudo pesado a adquirir
b)
c)
Gasolina:
0,35 barril
b.
Turbosina:
0,36 barril
c.
Queroseno:
0,22 barril
d.
Desecho:
0,07 barril
49
Derechos Reservados MCA-FIM 2012
d)
e)
Gasolina:
0,45 barril
b.
Turbosina:
0,18 barril
c.
Queroseno:
0,28 barril
d.
Desecho:
0,09 barril
Gasolina:
b.
Turbosina:
1 200 00 barril
c.
Queroseno:
Restricciones lgicas
CL y CP >= 0 y enteros
3.1.4.
La Tomas River Chemicals Inc., debe producir 1 000 lb de una mezcla especial para un cliente,
compuesta de los ingredientes AX1, AX2, AX. El ingrediente AX1 cuesta $ 7,0 la libra, el AX2
cuesta $ 6,9/lb y la AX3 $7,0/lb. No pueden usarse mas de 300 libras de AX1 y debe usarse por lo
menos 150 lb de AX2. Adems se requieren de por lo menos 200 lb de AX3.
Como la empresa desea minimizar los costos, formule un modelo matemtico para determinar la
cantidad de cada ingrediente que debe utilizar la empresa.
Solucin:
Paso 1: Identificacin de las variables de decisin
AX1 = el nmero de libras del ingrediente AX1 a usarse para producir la mezcla
AX2 = el nmero de libras del ingrediente AX2 a usarse para producir la mezcla
AX3 = el nmero de libras del ingrediente AX3 a usarse para producir la mezcla
b)
c)
d)
e)
f)
g)
Produccin
Restricciones lgicas
51
Derechos Reservados MCA-FIM 2012
<= 300
AX2
>= 150
AX3
>= 200
3.2.
3.2.1.
Ananea Gold Pump Corporation tiene tres plantas sucursales con capacidades de produccin en
exceso. Las tres plantas tienen los elementos necesarios como para producir distintos tamaos de
bombas y el gerente ha decidido usar parte de la capacidad de produccin en exceso para este fin.
Las bombas pueden fabricarse en tres tamaos: grande, mediano y pequeo, que dan como
resultado una utilidad unitaria neta de $140, $120 y $100 respectivamente. Las plantas 1, 2 y 3
tienen la capacidad de mano de obra y equipo en exceso como para producir 750, 900 y 450
unidades a las semana de este producto, respectivamente, sin importar el tamao o combinacin
de tamaos que se aplique. Sin embargo el espacio de almacenamiento disponible para productos
en proceso tambin impone una limitacin sobre las tasas de produccin. Las plantas 1, 2 y 3
tienen 13000, 12000 y 5000 pies cuadrados de espacio de almacenamiento disponible para
productos en proceso, para una semana de produccin. Cada unidad de los tamaos grande,
mediano y pequeo producida por semana requiere de 20, 15 y 12 pies cuadrados
respectivamente.
Los pronsticos de venta indican que pueden venderse semanalmente 900, 1200 y 750 bombas de
los tamaos grande, mediano y pequeo.
Con el fin de mantener una carga uniforme de trabajo entre las plantas y conservar cierta
flexibilidad, el gerente ha decidido que la produccin adicional asignada a cada planta debe usar el
mismo porcentaje de la capacidad de mano de obra y equipo en exceso.
El gerente desea saber cunto debe producirse de cada uno de los tamaos en cada una de las
plantas para maximizar la utilidad.
Solucin
Paso 1: Identificacin de las variables de decisin
Para resolver el problema debemos determinar el nmero de bombas de distinto tamao que debe
producir cada planta.
XG1 = El nmero de bombas de tamao grande que debe producir la planta 1 en una semana.
XG2 = El nmero de bombas de tamao grande que debe producir la planta 2 en una semana.
XG3 = El nmero de bombas de tamao grande que debe producir la planta 3 en una semana.
XM1 = El nmero de bombas de tamao mediano que debe producir la planta 1 en una semana.
XM2 = El nmero de bombas de tamao mediano que debe producir la planta 2 en una semana.
XM3 = El nmero de bombas de tamao mediano que debe producir la planta 3 en una semana.
XP1 = El nmero de bombas de tamao pequeo que debe producir la planta 1 en una semana.
52
Derechos Reservados MCA-FIM 2012
XP2 = El nmero de bombas de tamao pequeo que debe producir la planta 2 en una semana.
XP3 = El nmero de bombas de tamao pequeo que debe producir la planta 3 en una semana.
Bombas
Utilidad
Unitaria Neta
($)
Espacio de
Almacenamient
o (pies
cuadrados)
Demanda
Semanal
(Und)
Grande
140
20
900
Mediana
120
15
1200
Pequea
100
12
750
Planta de
Produccin
Capacidad de
Produccin
(Und)
Espacio de
Almacenamient
o (pies
cuadrados)
750
13000
900
12000
450
5000
La produccin adicional asignada a cada planta debe usar el mismo porcentaje de la capacidad de
mano de obra y equipo en exceso.
FV: Los pronsticos de venta indican que pueden venderse semanalmente 900 bombas de tamao
grande.
D: Las (bombas grandes producidas en la planta 1 + bombas grandes producidas en la planta 1 +
bombas grandes producidas en la planta 1) que pueden venderse semanalmente es de 900 unidades.
FM: XG1 + XG2 + XG3 <= 900
De manera similar en las bombas medianas y pequeas:
XM1 + XM2 + XM3 <= 1200
XP1 + XP2 + XP3 <= 750
d)
Condicin de la gerencia
FV: la produccin adicional asignada a cada planta debe usar el mismo porcentaje de la capacidad de
mano de obra y equipo en exceso.
FM:
900XG1 +900 XM1 +900 XP1 - 750XG2 - 750XM2 - 750XP2 = 0
De manera similar en las produccin de las plantas 1 y 3, 2 y 3.
450XG1 + 450XM1 + 450XP1 - 750XG3 - 750XM3 - 750XP3 = 0
900XG3 +900 XM3 +900 XP3 - 450XG2 - 450XM2 - 450XP2 = 0
e)
Restricciones lgicas
XG1 , XG2 , XG3 , XM1 , XM2 ,, XM3 , XP1 , XP2 , XP3>= 0 y enteros
XG3 = El nmero de bombas de tamao grande que debe producir la planta 3 en una semana.
XM1 = El nmero de bombas de tamao mediano que debe producir la planta 1 en una semana.
XM2 = El nmero de bombas de tamao mediano que debe producir la planta 2 en una semana.
XM3 = El nmero de bombas de tamao mediano que debe producir la planta 3 en una semana.
XP1 = El nmero de bombas de tamao pequeo que debe producir la planta 1 en una semana.
XP2 = El nmero de bombas de tamao pequeo que debe producir la planta 2 en una semana.
XP3 = El nmero de bombas de tamao pequeo que debe producir la planta 3 en una semana.
3.2.2.
Sesenta por ciento del presupuesto militar se utilizara para comprar tanques, aviones y
proyectiles. = 0.60 x $ 1500 millones = $ 900 millones
El objetivo es maximizar la utilidad total de estas armas, en donde las utilidades individuales
estn dadas como 1, 3 y 2, respectivamente.
FM: Maximizar 1 x T + 3 x A +2 x P
Maximizar T + 3A + 2P
a)
Disponibilidad de presupuesto
FV: El gobierno utilizara $ 900 millones para adquirir tanques, aviones y proyectiles.
D:
(compra de tanques + compra de aviones + compra de misiles) es menor o igual a 900 millones.
Preferencia de tanques
Preferencia de aviones
Disponibilidad de pilotos
FV: Debido a la escasez de pilotos experimentados el gobierno no debe adquirir ms de 300 aviones.
FM: A <= 300
e)
Razones estratgicas
Restricciones lgicas
T, A y P >= 0
Donde
T = Nmero de tanques a adquirir
A= Nmero de aviones a adquirir
P= Nmero de proyectiles a adquirir
3.3.
3.3.1.
56
Derechos Reservados MCA-FIM 2012
sobre los recursos de energa, las capacidades de generacin medidas en megawatt-horas (MWhr, y los costos unitarios de generacin se dan en la tabla 1.
Tabla 1. Capacidades de generacin y costos
Fuente de Energa
Capacidad Total
Costo de Generacin
(MW-hr)
($/MW-hr)
Carbn
45 000
6,0
Gas natural
15 000
5,5
Nuclear
45 000
4,5
Hidroelctrica
24 000
5,0
Petrleo
48 000
7,0
Paraguay necesita 50 000 MW-hr de energa de uso domestico, y el pas tiene un compromiso
para producir 10 000 MW-hr para la exportacin. Ms aun, a fin de conservar los recursos de
energa y proteger el ambiente, el gobierno ha aprobado las siguientes regulaciones.
1. La generacin proveniente de materiales nucleares no debe exceder 20% de la energa
total generada por Paraguay.
2. Debe utilizarse al menos 80% de las capacidades de la plantas de carbn
3. Los efluentes que salen a la atmsfera no deben exceder los lmites especificados en la
tabla 2.
4. la cantidad de energa generada a partir del gas natural debe ser al menos 30% de la
generada a partir del petrleo.
Tabla 2. Datos de contaminacin en la generacin de energa
Fuente de
Energa
Contaminante (g/MW-hr)
Dixido de
Azufre
Monxido de
Carbono
Partculas de
Polvo
Desechos
slidos
Carbn
1,5
1,2
0,7
0,4
Gas natural
0,2
0,5
Nuclear
0,1
0,2
0,7
Hidroelctrica
Petrleo
0,4
0,8
0,5
0,1
Kg mximos
permitidos
75
60
30
25
Demanda de energa:
Consumo domestico:
50 000 MW-hr
57
b)
Exportacin:
10 000 MW-h
Total:
60 000 MW-hr
La generacin de energa por plantas nucleares no debe exceder el 20% de la energa total
generada.
20% de 60 000 MW-hr = 12 000 MW-hr
c)
d)
La cantidad de generada a partir del gas natural debe ser al menos 30% de la generada a partir del
petrleo.
e)
f)
Capacidad Total
Costo de Generacin
(MW-hr)
($/MW-hr)
Carbn
45 000
6,0
Gas natural
15 000
5,5
Nuclear
45 000
4,5
Hidroelctrica
24 000
5,0
Petrleo
48 000
7,0
Dixido de Azufre
Monxido de
Carbono
Partculas de
Polvo
Desechos slidos
Carbn
1,5
1,2
0,7
0,4
Gas natural
0,2
0,5
Nuclear
0,1
0,2
0,7
Hidroelctrica
Petrleo
0,4
0,8
0,5
0,1
Kg mximos
permitidos
75
60
30
25
Minimizar (los costos de generacin de energa con carbn + los costos de generacin de energa
con gas natural + los costos de generacin de energa con material nuclear + los costos de
generacin de energa con hidroelctricas + los costos de generacin de energa con petrleo )
Demanda de Energa
FV: La capacidad total de generacin de energa con carbn no debe exceder 45 000 MW-hr
FM: C <= 45 000
c)
FV: La generacin de energa por plantas nucleares no debe exceder el 20% de la energa total
generada
D : La generacin de energa por plantas nucleares no debe exceder el 20% de 60 000 MW-hr
FM: N <= 12 000
e)
FV: La cantidad de energa generada a partir del gas natural debe ser al menos 30% de la energa
generada a partir del petrleo.
FM: G >= 0,3P
G 0,3P >= 0
g)
FV: La cantidad total de dixido de azufre emitido por la generacin de energa no debe ser mayor de 75
kg.
D : (La cantidad de dixido de azufre emitido por las plantas de carbn + La cantidad de dixido de
azufre emitido por las plantas de gas natural + La cantidad de dixido de azufre emitido por las
plantas nucleares + La cantidad de dixido de azufre emitido por las hidroelctricas + La cantidad
de dixido de azufre emitido por las plantas de petrleo) no debe ser mayor de 75 kg
FM: 1,5C + 0,2G + 0,4P <= 75 000
Nota: se uniformizan las unidades a ambos lados ( 1 000 g = 1 kg)
h)
Restricciones lgicas
59
Derechos Reservados MCA-FIM 2012
C, G, N, H yP >= 0 y enteros.
3.3.2.
Un fabricante de acero produce 4 tamaos de vigas de tipo I en: pequeo, mediano, grande y extra
grande. Estas vigas se pueden producir en cualquiera de tres tipos de mquinas: M1, M2 y M3. A
continuacin se indican las longitudes (en pies) de las vigas I que pueden producir las mquinas
por hora:
Viga
Mquina
M1
M2
M3
Pequea
300
600
800
Mediana
250
400
700
Larga
200
350
600
Extra Larga
100
200
300
Supngase que cada maquina se puede usar hasta 50 horas por semana y que los costos de
operacin por hora de estas maquinas son $30, $50 y $80 respectivamente. Supngase, adems,
que semanalmente se requieren 10 000, 8 000, 6 000 y 6 000 pies de los distintos tamaos de las
vigas I.
Formular un modelo matemtico para el problema de programacin de las maquinas.
Solucin:
60
Derechos Reservados MCA-FIM 2012
f)
g)
h)
i)
j)
k)
l)
M2
M3
Pequea
300
600
800
Mediana
250
400
700
Larga
200
350
600
Extra Larga
100
200
300
61
Derechos Reservados MCA-FIM 2012
FM:
P1 M 1 L1 EL1
P2 M 2 L2 EL2
P3 M 3 L3 EL3
Minimizar.30
50
80
Disponibilidad de la mquina 1
FM: P1 M 1 L1 EL1 50
300 250 200 100
3,33 P1 + 4 M1 + 5 L1 + 10 EL1 <= 50 000
f)
Disponibilidad de la mquina 2
Disponibilidad de la mquina 3
Restricciones lgicas
P1, P2, P3, M1, M2, M3, L1,L2, L3, EL1, EL2 y EL3 >= 0
Donde
P1 = Nmero de pies de vigas pequeas producidas por la mquina 1
P2 = Nmero de pies de vigas pequeas producidas por la mquina 2
P3 = Nmero de pies de vigas pequeas producidas por la mquina 3
M1 = Nmero de pies de vigas medianas producidas por la mquina 1
M2 = Nmero de pies de vigas medianas producidas por la mquina 2
M3 = Nmero de pies de vigas medianas producidas por la mquina 3
L1 = Nmero de pies de vigas largas producidas por la mquina 1
L2 = Nmero de pies de vigas largas producidas por la mquina 2
L3 = Nmero de pies de vigas largas producidas por la mquina 3
EL1 = Nmero de pies de vigas extra largas producidas por la mquina 1
EL2 = Nmero de pies de vigas extra largas producidas por la mquina 2
EL3 = Nmero de pies de vigas extra largas producidas por la mquina 3
3.3.3.
Una pequea compaa minera produce mineral en dos tajeos. El mineral del tajeo A contiene una
ley promedio de 6 onz/ton de plata y 0,36% de arsnico y proporciona una utilidad de 4,30 $/ton, el
mineral del tajeo B tiene una ley promedio de 3,5 onz/ton de plata y 0,65 % de arsnico, con una
utilidad de 5,0 $/ton.
La fundicin requiere que el contenido de arsnico promedio del mineral enviado no puede exceder
de 0,5%; el sistema de transporte de la mina hace imposible cargar ms de 400 ton/da y la planta
concentradora, indica que la ley de cabeza de plata debe ser al menos 4,0 onz/ton.
Su objetivo, como Superintendente de mina es optimizar las utilidades por da. Formule un modelo
matemtico con dicho fin.
Solucin:
Paso 1: Identificacin de las variables de decisin
A
Ley de As (%)
Utilidad ($/ton)
Tajeo A
6,0
0,36
4,3
Tajeo B
3,5
0,65
5,0
b)
c)
d)
FV: El contenido mximo de arsnico del mineral enviado a la fundicin es de: 0,5&
D : (( el contenido de arsnico en el mineral extrado del Tajeo A + el contenido de arsnico en el
mineral extrado del Tajeo B)/ (tonelaje de mineral extrado del Tajeo A + tonelaje de mineral
extrado del Tajeo B)) debe ser menor al 5%
0,36 A 0,65 B
0,5
A B
FV: la ley de cabeza de plata de la planta concentradora debe ser al menos 4 onz/ton
D : (( el contenido de plata en el mineral extrado del Tajeo A + el contenido de plata en el mineral
extrado del Tajeo B)/ (tonelaje de mineral extrado del Tajeo A + tonelaje de mineral extrado del
Tajeo B)) debe ser mayor de 4 onz/ton
6,0 A 3,5B
A B 4,0
Capacidad de transporte
FV: El sistema de transporte de la mina hace imposible transportar ms de 400 ton por da
D: (el mineral extrado del Tajeo A + el mineral extrado del Tajeo B) debe ser un mximo de 400 ton
por da
FM: A + B <= 400
d)
Restricciones lgicas
A y B >= 0
3.3.4.
Una compaa extrae tres tipos de mineral en tres pozos distintos. Para esto cuenta con tres
equipos de las siguientes caractersticas:
Capacidad de trabajo (rendimiento) en Ton/da
Equipo
Pozos
Das de mantenimiento
64
P2
P3
E1
90
70
78
E2
65
80
65
E3
50
70
85
Por compromisos adquiridos anteriormente, debe arrendarse otro equipo de las siguientes
caractersticas
Equipo
Pozos
E4
Das de mantenimiento
por mes (30 das)
P1
P2
P3
90
72
58
que est disponible los 30 das del mes, pero no se arrienda por menos de 10 das/mes.
La empresa que recibe el material admite las capacidades siguientes:
Mineral Pozo P1
2500 Ton/mes
Mineral Pozo P2
2300 Ton/mes
Mineral Pozo P3
2250 Ton/mes
Los costos de operacin que tiene cada equipo estn en el cuadro siguiente ($/da):
Equipo
Pozos
P1
P2
P3
E1
12
25
22
E2
17
20
E3
20
21
E4
15
30
25
Los gastos de salario y jornales de la mano de obra asociada a cada equipo son:
Equipo
E1
E2
E3
E4
($/dia)
20
35
30
40
Suponiendo que los pozos deben explotarse los 30 das del mes, plantee el problema de
programacin lineal, de manera que el programa de explotacin produzca mximas utilidades.
Solucin:
Paso 1: Identificacin de las variables de decisin
E1P1 = el nmero de das de trabajo durante 1 mes del equipo 1 en el pozo 1.
E1P2 = el nmero de das de trabajo durante 1 mes del equipo 1 en el pozo 2.
E1P3 = el nmero de das de trabajo durante 1 mes del equipo 1 en el pozo 3.
E2P1 = el nmero de das de trabajo durante 1 mes del equipo 2 en el pozo 1.
E2P2 = el nmero de das de trabajo durante 1 mes del equipo 2 en el pozo 2.
E2P3 = el nmero de das de trabajo durante 1 mes del equipo 2 en el pozo 3.
E3P1 = el nmero de das de trabajo durante 1 mes del equipo 3 en el pozo 1.
E3P2 = el nmero de das de trabajo durante 1 mes del equipo 3 en el pozo 2.
E3P3 = el nmero de das de trabajo durante 1 mes del equipo 3 en el pozo 3.
E4P1 = el nmero de das de trabajo durante 1 mes del equipo 4 en el pozo 1.
E4P2 = el nmero de das de trabajo durante 1 mes del equipo 4 en el pozo 2.
65
Derechos Reservados MCA-FIM 2012
Pozos
Das de mantenimiento
por mes (30 das)
P1
P2
P3
E1
90
70
78
E2
65
80
65
E3
50
70
85
E4
90
72
58
b)
c)
d)
e)
Pozos
P1
P2
P3
E1
32
45
42
E2
39
52
55
E3
39
50
51
E4
55
70
65
d)
Restricciones lgicas
E1P1, E1P2, E1P3, E2P1, E2P2, E2P3, E3P1, E3P2, E3P3, E4P1, E4P2 y E4P3 >= 0 y enteros
67
Derechos Reservados MCA-FIM 2012
3.3.5.
La compaa Cueros de Acero Co. produce guantes y correas de seguridad para minera. La
materia prima para los guantes cuesta S/. 2,0 por unidad, mientras que la materia prima para cada
correa de seguridad cuesta 2,5. Una correa de seguridad requiere dos horas de maquina de obra
en el departamento 1 y tres horas en el departamento 2. Mientras que un guante requiere cuatro
horas en el departamento 1 y dos horas en el departamento 2. El jornal por hora en ambos
departamentos es de S/. 2,0. Ambos productos se venden a S/. 18,0 y el nmero de horas de
mano de hora disponibles por semana en los departamentos es de 160 y 180 horas
respectivamente, Como gerente de produccin determine la produccin ptima de la compaa.
Solucin:
a)
a)
b)
c)
Mquina 1
Mquina 2
Guantes (par)
Correas
Total
160
180
Maximizar (las utilidades generadas por la venta de guantes + las utilidades generadas por la venta
de correas)
Uso de la mquina 1
Uso de la mquina 2
Restricciones lgicas
G y C >= 0 y enteros.
3.3.6.
Una compaa de artculos electrnicos produce 3 lneas de productos que son: transistores,
micromdulos y circuitos armados y el centro de produccin tiene cuatro reas de proceso:
rea 1
Produccin de transistores
rea 2
Ensamblaje de circuitos
rea 3
rea 4
0.5
S/. 70
en costos directos
horas-hombre en el rea 2
0.5
transistores
S/. 50
en costos directos
horas-hombre en el rea 2
0.5
transistor
micromdulos
S/. 200
en costos directos
Cada uno de los tres productos se pueden vender a 200, 800 y 2500 soles respectivamente
(transistores, micromdulos y circuitos armados). La cantidad de venta es ilimitada; si hay 200
horas-hombre disponibles en cada rea de trabajo. Formule el modelo matemtico para obtener
una ganancia mxima.
Solucin:
Paso 1: Identificacin de las variables de decisin
T = Nmero de transistores producidos por la compaa
M = Nmero de micromdulos producidos por la compaa
C = Nmero de circuitos armados producidos por la compaa
Horas - hombre
rea 1
Transistores
rea 2
0.1
Micromdulos
0.4
Circuitos
armados
0.1
a)
Costo
directo S/.
Precio de
venta S/.
0.5
70
200
0.5
50
800
200
2500
rea 3
rea 4
0.5
b)
c)
d)
e)
f)
Utilidad en la venta de 01 circuito armado = S/. 2500 - S/.200 1 x S/. 70 3 x S/. 220 = S/. 1490
g)
Restricciones lgicas
T, M y C >= 0
3.3.7.
PRODUCTO A
Ventas
unidades
PRODUCTO B
Utilidad
unitaria $
Ventas
PRODUCTO C
Utilidad
unitaria $
unidades
Ventas
unidades
Utilidad
unitaria $
0-40
10
0-50
0-100
40-100
50-100
Ms de 100
100-150
Ms de 100
Ms de 150
Formule un modelo de programacin lineal para determinar el programa de produccin que aporte
la mxima utilidad.
Solucin:
Paso 1: Identificacin de las variables de decisin
72
Derechos Reservados MCA-FIM 2012
A1 =Numero de unidades del producto A, producidas con una utilidad unitaria de $ 10.
A2 =Numero de unidades del producto A, producidas con una utilidad unitaria de $ 9.
A3 =Numero de unidades del producto A, producidas con una utilidad unitaria de $ 8.
A4 =Numero de unidades del producto A, producidas con una utilidad unitaria de $ 6.
B1 =Numero de unidades del producto B, producidas con una utilidad unitaria de $ 6.
B2 =Numero de unidades del producto B, producidas con una utilidad unitaria de $ 4.
B3 =Numero de unidades del producto B, producidas con una utilidad unitaria de $ 3.
C1 =Numero de unidades del producto C, producidas con una utilidad unitaria de $ 5.
C2 =Numero de unidades del producto C, producidas con una utilidad unitaria de $ 4.
Requerimiento de insumos
Producto
b)
Requerimiento
Horas servicio
ingeniera
Horas mano
obra directa
Lb de material
Disponible
80
800
300
Utilidades
PRODUCTO A
Ventas
unidades
PRODUCTO B
Utilidad
unitaria $
Ventas
PRODUCTO C
Utilidad
unitaria $
unidades
Ventas
unidades
Utilidad
unitaria $
0-40
10
0-50
0-100
40-100
50-100
Ms de 100
100-150
Ms de 100
Ms de 150
b)
FV: La cantidad total de horas de mano de obra directa disponibles es de 800 horas.
D : ((horas de mano de obra directa empleados en el producto A + horas de mano de obra directa
empleados en el producto B + horas de mano de obra directa empleados en el producto C)) debe ser
menor o igual a 800 horas.
FM: 8A1 + 8A2 + 8A3 + 8A4 + 3B1 + 3B2 + 3B3 + 4C1 +4C2 <= 800
c)
FV: La utilidad unitaria del producto A es de la siguiente manera: <0, 40>= $10, <40, 100>= $9, <100,
150>= $8 y + de 150 = $6.
Nota: para construir las restricciones utilizaremos variables del tipo binario (0 o 1)
FM: A1 <= 40
A1 40Y1 >= 0
A2 60Y1 <= 0
A2 60Y2 >= 0
A3 50Y2 <= 0
A3 50Y3 >= 0
A4 MY3 <= 0
e)
g)
Restricciones lgicas
A2 60Y1 <= 0
A2 60Y2 >= 0
A3 50Y2 <= 0
A3 50Y3 >= 0
A4 MY3 <= 0
B1 <= 50
B1 50U1 >= 0
B2 50U1 <= 0
B2 50U2 >= 0
B3 MU3 <= 0
C1 <= 100
C1 100V1 >= 0
C2 MV1 <= 0
A1,A2, A3, A4, B1, B2, B3, C1, C2 >= 0
Y1, Y2, Y3, Y4, U1, U2, U3, V1 binario
Donde
A1 =Numero de unidades del producto A, producidas con una utilidad unitaria de $ 10.
A2 =Numero de unidades del producto A, producidas con una utilidad unitaria de $ 9.
A3 =Numero de unidades del producto A, producidas con una utilidad unitaria de $ 8.
A4 =Numero de unidades del producto A, producidas con una utilidad unitaria de $ 6.
B1 =Numero de unidades del producto B, producidas con una utilidad unitaria de $ 6.
B2 =Numero de unidades del producto B, producidas con una utilidad unitaria de $ 4.
B3 =Numero de unidades del producto B, producidas con una utilidad unitaria de $ 3.
C1 =Numero de unidades del producto C, producidas con una utilidad unitaria de $ 5.
C2 =Numero de unidades del producto C, producidas con una utilidad unitaria de $ 4.
3.4.
3.4.1.
Una compaa de transporte de concentrados mineros dispone de $ 400 000 para comprar una
nueva flota y est considerando comprar tres tipos de vehculos. El vehculo A puede transportar
10 t y se espera que promedie 35 km/h. Su costo es de $ 8000. El vehculo B tiene una capacidad
de 20 t y se espera que promedie 30 km/h su costo es de $ 13000. El vehculo C es un modelo
modificado de B, tiene un sitio para que duerma un chofer, lo cual reduce su capacidad a 18 t y
eleva su costo a $ 15000.
El vehculo A requiere una tripulacin de un hombre y si opera durante tres turnos por da, puede
trabajar un promedio de 18 horas por da. Los vehculos B y C requieren una tripulacin de dos
hombres cada uno, pero mientras que B puede trabajar 18 horas por da en tres turnos, C puede
promediar 21 horas diarias. La compaa, que dispone de 150 chferes al da, tendra muchas
dificultades para obtener tripulaciones adicionales. Las facilidades de mantenimiento son tales que
el nmero total de vehculos no puede exceder de 30. Formule un modelo matemtico para
determinar cuntos vehculos de cada tipo debern comprarse si la compaa desea maximizar su
capacidad de transporte en toneladas por kilmetro por da.
Solucin:
Paso 1: Identificacin de las variables de decisin
75
Derechos Reservados MCA-FIM 2012
b.
c.
d.
El vehculo C es un modelo modificado de B, tiene un sitio para que duerma un chofer, lo cual
reduce su capacidad a 18 t y eleva su costo a $ 15000.
e.
El vehculo A requiere una tripulacin de un hombre y si opera durante tres turnos por da, puede
trabajar un promedio de 18 horas por da.
f.
Los vehculos B y C requieren una tripulacin de dos hombres cada uno, pero mientras que B
puede trabajar 18 horas por da en tres turnos, C puede promediar 21 horas diarias.
g.
La compaa, que dispone de 150 chferes al da, tendra muchas dificultades para obtener
tripulaciones adicionales.
h.
Las facilidades de mantenimiento son tales que el nmero total de vehculos no puede exceder de
30.
Disponibilidad de choferes
Disponibilidad de mantenimiento
Disponibilidad de inversin
FV: La compaa dispone de $ 400 000 para comprar una nueva flota
D : ((el costo de los vehculos de tipo A + el costo de los vehculos de tipo B + el costo de los vehculos
de tipo C) debe ser menor o igual a $ 400 000.
FM: 8000A + 13000B + 15000C <= 400 000
d)
Restricciones lgicas
A, B, C >= 0
76
Derechos Reservados MCA-FIM 2012
(disponibilidad de choferes)
A + B + C <= 30
(disponibilidad de mantenimiento)
(disponibilidad de inversin)
A, B, C >= 0
Donde
A = Nmero de vehculos a comprar del tipo A
B = Nmero de vehculos a comprar del tipo B
C = Nmero de vehculos a comprar del tipo C
3.5.
3.5.1.
La gerencia general de Inversiones Mineras Rinconada SAA, est considerando invertir en seis
prospectos mineros, cada uno de ellos requiere una cierta cantidad de capital inicial. El asesor
financiero de la empresa luego de la evaluacin de la informacin de cada prospecto, de la
inversin inicial, del factor de riesgo asociado (entre 0 y 1) y la recuperacin anual, presenta la
tabla siguiente:
PROYECTO
CAPITAL
INICIAL (US $)
RIESGO
DEVOLUCIN
P1
1 000 000
0.50
0.60
P2
2 000 000
0.40
0.45
P3
1 700 000
0.70
0.90
P4
2 500 000
0.65
0.75
P5
4 000 000
0.45
0.51
P6
2 500 000
0.75
1.20
El directorio de la empresa ha acordado que el riesgo total, obtenido al sumar los factores de
riesgo de cada proyecto aprobado, no debe exceder a 3.0. tambin, cuando mucho dos proyectos
pueden tener un factor de riesgo mayor a 0.6.
Se debe determinar en que proyectos de debe invertir el presupuesto de diez millones de dlares
que dispone para lograr la mayor recuperacin anual posible.
Formule un modelo matemtico.
Solucin:
Paso 1: Identificacin de las variables de decisin
En el presente problema podemos elegir aceptar o rechazar cada una de las seis propuestas. Entonces
crearemos una variable entera para cada proyecto, de la manera siguiente:
P1
P2
P3
P4
P6
PROYECTO
CAPITAL INICIAL
(US $)
RIESGO
TASA DE
DEVOLUCIN
P1
1 000 000
0.50
0.60
P2
2 000 000
0.40
0.45
P3
1 700 000
0.70
0.90
P4
2 500 000
0.65
0.75
P5
4 000 000
0.45
0.51
P6
2 500 000
0.75
1.20
b.
El riesgo total, obtenido al sumar los factores de riesgo de cada proyecto aprobado, no debe
exceder a 3.0.
c.
Cuando mucho dos proyectos pueden tener un factor de riesgo mayor a 0.6.
d.
Riesgo total
FV: El riesgo total, obtenido al sumar los factores de riesgo de cada proyecto aprobado, no debe
exceder a 3.0.
D: (el riesgo del proyecto 1 + el riesgo del proyecto 2 + el riesgo del proyecto 3 + el riesgo del proyecto
4 + el riesgo del proyecto 5 + el riesgo del proyecto 6) debe ser menor o igual a 3.0.
78
Derechos Reservados MCA-FIM 2012
c)
Riesgo de proyecto
FV: Cuando mucho dos proyectos pueden tener un factor de riesgo mayor a 0.6.
D:
FM: P3 + P4 + P6 <= 2
d)
Restricciones lgicas
3.5.2.
Problema de inversin
Acabo de ganar $ 10000. Dedicare $ 4000 al pago de impuestos y diversiones, pero he decidido
invertir los otros $ 6000.
b.
Un primer amigo desea que invierta $ 5000 y 400 horas en su negocio, la ganancia estimada (sin
tomar en cuenta el valor de su tiempo) seria de $ 4500.
c.
Un segundo amigo me solicita $ 4000 y 500 horas, con una ganancia estimada igual a la anterior.
79
Derechos Reservados MCA-FIM 2012
d.
Ambos amigos son flexibles y me permitirn asociarme con cualquier fraccin de participacin que
quiera. Si elijo una participacin parcial, todas las cifras dadas para la sociedad plena (inversin de
tiempo y dinero, y la ganancia) se pueden multiplicar por esta fraccin.
e.
Restricciones lgicas
A y B >= 0
80
Derechos Reservados MCA-FIM 2012
3.6.
3.6.1.
Metalco Company desea hacer una nueva aleacin con 40% de aluminio, 35% de zinc y 25% de
plomo a partir de varias aleaciones posibles que tienen las siguientes propiedades:
Aleacin
Propiedad
1
Porcentaje de aluminio
60
25
45
20
50
Porcentaje de zinc
10
15
45
50
40
Porcentaje de plomo
30
60
10
30
10
Costo ($/libra)
77
70
88
84
94
El objetivo es determinar las proporciones de estas aleaciones que deben mezclarse para producir
la nueva aleacin a un costo mnimo.
Formule un modelo matemtico.
Solucin:
Paso 1: Identificacin de las variables de decisin
A1 = Nmero de libras de la aleacin 1 utilizados para preparar 1 lb de la nueva aleacin.
A2 = Nmero de libras de la aleacin 2 utilizados para preparar 1 lb de la nueva aleacin.
A3 = Nmero de libras de la aleacin 3 utilizados para preparar 1 lb de la nueva aleacin.
A4 = Nmero de libras de la aleacin 4 utilizados para preparar 1 lb de la nueva aleacin.
A5 = Nmero de libras de la aleacin 5 utilizados para preparar 1 lb de la nueva aleacin.
Preparar una aleacin con 40% de aluminio, 35% de zinc y 25% de plomo.
b.
Aleacin
Propiedad
1
Porcentaje de aluminio
60
25
45
20
50
Porcentaje de zinc
10
15
45
50
40
Porcentaje de plomo
30
60
10
30
10
Costo ($/libra)
77
70
88
84
94
Restricciones lgicas
A1, A2, A3, A4 y A5 >= 0
A1 + A2 + A3 + A4 + A5 = 1
(balance de materia)
3.6.2.
La Save It Company opera un centro de reciclado que recoge cuatro tipos de materiales de desechos slidos
y los trata para amalgamarlos en un producto que pueda lanzarse al mercado. El tratamiento y el
amalgamado son dos procesos diferentes. Se pueden obtener tres grados diferentes de este producto (vea
la primera columna de la tabla 1), segn la mezcla de materiales que se use. Aunque existe alguna
flexibilidad para esta mezcla en cada grado, los estndares de calidad especifican una cantidad minina y una
mxima de la proporcin de los materiales permitidos en ese grado (la proporcin es el peso del material
expresado como un porcentaje del peso total del producto de ese grado) Para los dos grados ms altos se
especifica un porcentaje fijo de uno de los materiales. Estas especificaciones se presentan en la tabla 1
junto con el costo de amalgamado y el precio de venta de cada grado.
82
Derechos Reservados MCA-FIM 2012
Especificacin
Amalgamado,
costo ($) por
libra
Precio de venta
($) por libra
3.00
8.50
2.50
7.00
2.00
5.50
El centro de reciclado recoge los materiales de desecho solido de ciertas fuentes habituales por lo que casi
siempre puede mantener una tasa de produccin estable para tratarlos, en la tabla 2 se muestran las
cantidades disponibles para la recoleccin y tratamiento semanal, al igual que el costo de proceso de cada
tipo de material.
La Save It Company es propiedad de Green Earth, una organizacin dedicada a asuntos ecolgicos, por lo
que las ganancias se usan para apoyar las actividades de Green Earth. Esta organizacin ha logrado
contribuciones y apoyos por la cantidad de 30 000 dlares semanales, que deben usarse solo para cubrir el
costo de tratamiento completo de los desechos slidos. El consejo directivo de Green Earth ha girado
instrucciones a la administracin de Save It Co. Para que divida este dinero entre los materiales, de manera
tal que se recolecte y se trate al menos la mitad de la cantidad disponible de cada tipo de material. Estas
restricciones adicionales se enumeran en la tabla 2.
Tabla 2. Datos de los materiales de desechos slidos de Save It Company
Material
Libras por
semana
disponible
Costo del
tratamiento ($)
por libra
3000
3.00
2000
6.00
4000
4.00
1000
5.00
Restricciones adicionales
1.
De cada material debe
recolectarse y tratarse al menos
la mitad de las libras
disponibles por semana.
2.
Deben usarse $ 30 000
semanales para tratar estos
materiales.
Con las restricciones especificadas en las tablas 1 y 2, la administracin desea determinar la cantidad que
debe producirse de cada grado y la mezcla exacta de materiales que usara para cada uno, de manera que
maximice la ganancia semanal neta ingresos totales por ventas menos costo total del amalgamado independiente del costo de tratamiento fijo de 30 000 dlares por semana que ser cubierto por donaciones.
Solucin:
Paso 1: Identificacin de las variables de decisin
X1A = Nmero total de libras del material 1 asignadas al producto grado A por semana.
X1B = Nmero total de libras del material 1 asignadas al producto grado B por semana.
X1C = Nmero total de libras del material 1 asignadas al producto grado C por semana.
X2A = Nmero total de libras del material 2 asignadas al producto grado A por semana.
X2B = Nmero total de libras del material 2 asignadas al producto grado B por semana.
X2C = Nmero total de libras del material 2 asignadas al producto grado C por semana.
X3A = Nmero total de libras del material 3 asignadas al producto grado A por semana.
X3B = Nmero total de libras del material 3 asignadas al producto grado B por semana.
X3C = Nmero total de libras del material 3 asignadas al producto grado C por semana.
X4A = Nmero total de libras del material 4 asignadas al producto grado A por semana.
83
Derechos Reservados MCA-FIM 2012
X4B = Nmero total de libras del material 4 asignadas al producto grado B por semana.
X4C = Nmero total de libras del material 4 asignadas al producto grado C por semana.
Grado
Especificacin
Amalgamado,
costo ($) por
libra
Precio de
venta ($) por
libra
Ganancia ($)
por libra
3.00
8.50
5.50
2.50
7.00
4.50
2.00
5.50
3.50
b.
Libras por
semana
disponible
Costo del
tratamiento ($)
por libra
3000
3.00
2000
6.00
4000
4.00
1000
5.00
Restricciones adicionales
1.
Especificaciones de mezcla
FV: El contenido del material 1 en el producto de grado A no debe ser ms del 30% del total.
FM: X1A <= 0.30 (X1A + X2A + X3A + X4A).
Operando tenemos:
0.70X1A 0.30X2A 0.30X3A 0.30X4A <= 0
De manera similar, tenemos:
- 0.40X1A + 0.60X2A 0.40X3A 0.40X4A >= 0
- 0.50X1A 0.50X2A + 0.50X3A 0.50X4A <= 0
84
Derechos Reservados MCA-FIM 2012
Disponibilidad de materiales
Cantidades tratadas
FV: Se debe tratar semanalmente al menos la mitad de las libras disponibles de material 1.
D: Se debe tratar semanalmente al menos la mitad de las libras disponibles de material 1 para
(producto de grado A + producto de grado B + producto de grado C).
FM: X1A + X1B + X1C >= 1500
De manera similar, tenemos:
X2A + X2B + X2C >= 1000
X3A + X3B + X3C >= 2000
X4A + X4B + X4C >= 500
d)
Restricciones lgicas
X1A, X2A, X3A , X4A, X1B , X2B , X3B , X4B , X1C , X2C , X3C y X4C >= 0
3.7.
3.7.1.
Hay un problema de asignacin de aviones a cuatro rutas, que se muestra en los siguientes datos:
Tipo de
avin
Capacidad
(pasajeros)
Cantidad
de aviones
50
2
3
30
20
10
1000
2000
900
1200
Los costos asociados, incluyendo las penalizaciones por perder clientes por falta de espacio son:
Costo de operacin (US $) por viaje en ruta
Tipo de avin
1000
1100
1200
1500
800
900
1000
1000
600
800
800
900
40
50
45
70
86
Derechos Reservados MCA-FIM 2012
Capacidad
(pasajeros)
Cantidad de
aviones
50
2
3
30
20
10
1000
2000
900
1200
1000
1100
1200
1500
800
900
1000
1000
600
800
800
900
40
50
45
70
avin tipo 3 destinado a la ruta 1 + costo de operacin del avin tipo 3 destinado a la ruta 2 + costo de
operacin del avin tipo 3 destinado a la ruta 3 + costo de operacin del avin tipo 3 destinado a la ruta
4) + (penalizacin por clientes no transportados en la ruta 1 + penalizacin por clientes no transportados
en la ruta 2 + penalizacin por clientes no transportados en la ruta 3 + penalizacin por clientes no
transportados en la ruta 4)
FM: Minimizar 3 x 1000A11 + 2 x 1100A12 + 2 x 1200A13 + 1 x 1500A14 + 4 x 800A21 + 3 x 900A22 + 3
x 1000A23 + 2 x 1000A24 + 5 x 600A31 + 5 x 800A32 +4 x 800A33 + 2 x 900A34 + 40N1 + 50N2 +
45N3 + 70N4
Minimizar 3000A11 + 2200A12 + 2400A13 + 1500A14 + 3200A21 + 2700A22 + 3000A23 + 2000A24
+3000A31 + 4000A32 +3200A33 + 1800A34 + 40N1 + 50N2 + 45N3 + 70N4
Restricciones lgicas
A11, A12, A13, A14, A21, A22, A23, A24, A31, A32, A33, A34, N1, N2, N3 y N4 >= 0
3.7.2.
Un avin de carga tiene tres compartimientos para almacenar: delantero, central y trasero. Estos
compartimientos tienen lmite de capacidad tanto de peso como de espacio. Los datos se resumen
a continuacin:
Compartimiento
Capacidad de
peso (ton)
Capacidad de
espacio (ft3)
Delantero
12
7000
Central
18
9000
Trasero
10
5000
Peso (ton)
Volumen
(ft3/ton)
Ganancia ($/ton)
89
Derechos Reservados MCA-FIM 2012
20
500
320
16
700
400
25
600
360
13
400
290
Se puede aceptar cualquier fraccin de estas cargas. El objetivo es determinar cual cantidad de
cada carga debe aceptarse (si se acepta) y como distribuirla en los compartimientos para
maximizarla ganancia del vuelo.
Formule un modelo matemtico.
Solucin:
Paso 1: Identificacin de las variables de decisin
C1D = Nmero de toneladas de la carga 1 a ser transportado en el almacn delantero
C2D = Nmero de toneladas de la carga 2 a ser transportado en el almacn delantero
C3D = Nmero de toneladas de la carga 3 a ser transportado en el almacn delantero
C4D = Nmero de toneladas de la carga 4 a ser transportado en el almacn delantero
C1C = Nmero de toneladas de la carga 1 a ser transportado en el almacn central
C2C = Nmero de toneladas de la carga 2 a ser transportado en el almacn central
C3C = Nmero de toneladas de la carga 3 a ser transportado en el almacn central
C4C = Nmero de toneladas de la carga 4 a ser transportado en el almacn central
C1T = Nmero de toneladas de la carga 1 a ser transportado en el almacn trasero
C2T = Nmero de toneladas de la carga 2 a ser transportado en el almacn trasero
C3T = Nmero de toneladas de la carga 3 a ser transportado en el almacn trasero
C4T = Nmero de toneladas de la carga 4 a ser transportado en el almacn trasero
b.
c.
Capacidad de
peso (ton)
Capacidad de
espacio (ft3)
Delantero
12
7000
Central
18
9000
Trasero
10
5000
Se tienen ofertas para transportar cuatro cargamentos en un vuelo prximo ya que se cuenta con
espacio:
Carga
Peso (ton)
Volumen (ft3/ton)
Ganancia ($/ton)
20
500
320
16
700
400
25
600
360
13
400
290
90
Derechos Reservados MCA-FIM 2012
D : Maximizar la (ganancia por transportar la carga 1 + ganancia por transportar la carga 2 + ganancia
por transportar la carga 3 + ganancia por transportar la carga 4).
FM: Maximizar 320C1D + 320C1C + 320C1T +400C2D + 400C2C + 400C2T + 360C3D + 360C3C +
360C3T + 290C4D + 290C4C + 290C4T
Restricciones lgicas
C1D, C1C, C1T, C2D, C2C, C2T, C3D, C3C, C3T, C4D, C4C y C4T >= 0
ESTUDIOS DE CASO
92
Derechos Reservados MCA-FIM 2012
CAPITULO IV
SOLUCIN A PROBLEMAS DE PROGRAMACIN LINEAL
USANDO SOFTWARE
USO DE SOLVER DE EXCEL
En esta seccin, se utiliza el software Excel de Microsoft Office para resolver y analizar el problema
de programacin lineal.
EL PROBLEMA DE PLANEACIN DE PRODUCCIN DEL SINDICATO MINERO PACOCOCHA
El Sindicato Minero Pacococha S.A. viene soportando un incesante incremento en sus costos de
produccin, por lo tanto urge optimizar el uso de sus recursos. La gerencia ha determinado
explotar las vetas Colquechaca y 10 de mayo, para ello debemos satisfacer algunas restricciones
referentes a las leyes y la capacidad de la planta concentradora:
Leyes
Costo
Ag
(onz/ton)
Pb (%)
$/ton
Tonelaje a
extraer
Colquechaca
3,5
7,0
Xc
10 de mayo
16
1,15
9,0
Xm
Vetas
Otros datos que debemos considerar son: el precio de la plata: $ 20,0 /ton; precio del plomo
0,70 $/lb; capacidad de la planta concentradora: 95 ton/da.
Como gerente de produccin, formule un modelo para determinar el tonelaje a extraer de cada
veta.
Cuya formulacin dio el siguiente modelo matemtico:
Maximizar 126,9 Xc + 328,71 Xm
Sujeto a:
Xc +
Xm
<= 95
- Xc + 5 Xm
>= 0
- Xc + 2 Xm
<= 0
Xc y
Xm
>= 0 y enteros
93
Derechos Reservados MCA-FIM 2012
La nica dificultad que tenemos es el de modelar el programa dentro del Excel, y eso, es muy fcil.
Por supuesto, hay infinidad de maneras de hacerlo, aqu propongo una.
PROCEDIMIENTO DE SOLUCIN
Se activa Excel y en una hoja...
Se ubican las celdas que se correspondern con el valor de las variables de decisin; en
ste caso, las celdas B6 y C6, se les da un formato para diferenciarlas de las dems (ver
captura abajo). Se ubica tambin, las celdas que contendrn los coeficientes de las
variables de decisin, B4 y C4, y se llenan con sus respectivos valores, 126,9 y 328,71.
Aunque ste ltimo paso, se podra omitir y dejar los coeficientes definidos en la celda de
la funcin objetivo, as es mejor para los anlisis de sensibilidad y para que la hoja quede
portable para otro programa.
Se ubica la celda que se corresponder con la funcin objetivo (celda objetivo), la B3. En
ella se escribe la funcin que sea, en ste caso, ser el coeficiente de X1 (en B4) por el
valor actual de Xc (en B6) mas el coeficiente de Xm (en C4) por el valor actual de Xm (en
C6) o sea: = $B$4*$B$6+$C$4*$C$6
Coeficientes para la primera restriccin: los podemos escribir en la misma columna de las
variables de decisin; en las celdas B7 y C7, con los valores 2 y 1, seguido del sentido de
la desigualdad (<=) y de su correspondiente RHS: 230. A la derecha ubicaremos el valor
actual de consumo de la restriccin, ella se escribir en funcin de las variables de
decisin y de los coeficientes de la restriccin. Esta celda, la utilizar Solver como la real
restriccin, cuando le digamos que el valor de sta celda no pueda sobrepasar la de su
correspondiente RHS. De nuevo ser el valor del coeficiente por el de la variable: =
B7*$B$6+C7*$C$6. Notese que ahora B7 y C7 no tienen el signo $. Pues es que luego
que se haya escrito sta celda, se podr arrastrar hacia abajo para que Excel escriba la
frmula por nosotros (la pereza!), pero tome los valores relativos a los coeficientes que le
corresponda a los mismos valores de las variables de decisin. Se repite los pasos
anteriores para las otras restricciones, pero ahora la frmula ser: = B8*$B$6+C8*$C$6 y
= B9*$B$6+C9*$C$6.
El resto del formato es para darle una presentacin ms bonita a la hoja. Ahora a resolverlo! Al
hacer clic en Herramientas, Solver se tendr una pantalla como la siguiente. Lo primero que hay
que hacer es especificar la celda objetivo y el propsito: maximizar. Se escribe B3 (o $B3 B$3
$B$3 como sea, da igual), en el recuadro "cambiando las celdas", se hace un clic en la flechita
roja, para poder barrer las celdas B6 y C6; lo mismo da si se escriben directamente los nombres.
94
Derechos Reservados MCA-FIM 2012
95
Derechos Reservados MCA-FIM 2012
Y listo! Se hace clic en resolver y ya. Parece un poco largo en comparacin con los otros paquetes
de programacin lineal, pero esto se har slo una vez, para los prximos programas se podr
utilizar la misma hoja cambiando los coeficientes. Sin embargo, como se puede notar, la flexibilidad
de modelamiento es muy grande.
Los resultados para el Sindicato Minero Pacococha en la forma de un plan de produccin semanal
son los siguientes:
Cantidad de mineral de la veta Colquechaca por producir = 63,33 toneladas
Cantidad de mineral de la veta 10 de Mayo por producir = 31,67 toneladas
Margen de ganancia semanal = $ 18 446,15
Costo
Ag (onz/ton)
Pb (%)
$/ton
Tonelaje a
extraer
Colquechaca
3,5
7,0
Xc
10 de mayo
16
1,15
9,0
Xm
Vetas
96
Derechos Reservados MCA-FIM 2012
Otros datos que debemos considerar son: el precio de la plata: $ 20,0 /ton; precio del plomo
0,70 $/lb; capacidad de la planta concentradora: 95 ton/da.
Como gerente de produccin, formule un modelo para determinar el tonelaje a extraer de cada
veta.
Cuya formulacin dio el siguiente modelo matemtico:
Maximizar 126,9 Xc + 328,71 Xm
Sujeto a:
Xc +
Xm
<= 95
- Xc + 5 Xm
>= 0
- Xc + 2 Xm
<= 0
Xc y
Xm
>= 0
PROCEDIMIENTO DE SOLUCIN:
1. En la barra de tareas de la parte inferior de la pantalla, abrir el men Inicio y clic en el men
Programas.
2. Seleccione el men WinQSB y haga clic en el botn Linear and Integer Programming.
97
Derechos Reservados MCA-FIM 2012
4. Luego tendremos la interface del programa y desde el men seleccionaremos: File | New
Problem
5.
Se presentara una ventana donde colocaremos el nombre del problema, en nuestro caso
Sindicato Minero Pacococha y el numero de variables y restricciones de nuestro problema: 2
y 3 respectivamente, a continuacin seleccionaremos el criterio del objetivo, el tipo de variable
y el formato de entrada de datos
y pulsaremos OK.
6. En la nueva ventana que se presenta ingresaremos los datos del problema:
98
Derechos Reservados MCA-FIM 2012
Los resultados para el Sindicato Minero Pacococha en la forma de un plan de produccin semanal
son los siguientes:
Cantidad de mineral de la veta Colquechaca por producir = 63,33 toneladas
Cantidad de mineral de la veta 10 de Mayo por producir = 31,67 toneladas
Margen de ganancia semanal = $ 18 446,15
9. Si deseamos observar la grfica, seleccionaremos el icono
ventana:
99
Derechos Reservados MCA-FIM 2012
y se presentara la siguiente
100
Derechos Reservados MCA-FIM 2012
USO DE LINDO
En esta seccin, se utiliza el software LINDO para resolver y analizar el problema de programacin
lineal continua.
LINDO (Linear Interactive Discrete Optimization) es una herramienta que fue diseada por Linus
Shorage en 1985 para resolver problemas de programacin lineal, entera y cuadrtica
SINTAXIS DEL MODELO LINDO
1. Todos los modelos empiezan con el comando MAX o MIN seguido de la funcin objetivo que
t
debe ser del tipo c x.
2. Los nombres de las variables pueden contener a lo sumo 8 caracteres
3. Los nombres de las restricciones deben terminar con un parntesis y pueden contener a lo
sumo 8 caracteres
4. Se pueden usar los operadores +, -, =, > (equivale a >=), < (equivale a <=)
5. No reconoce la situacin (2+5-4)*X1, debemos poner 3 X1 ni tampoco 2(x1+x2) hay que
escribir 2x1+2x2
6. Los comentarios comienzan con el signo de exclamacin
7. Podemos utilizar ms de una lnea para escribir la funcin objetivo o las restricciones
8. No distingue entre maysculas y minsculas
9. En el lado derecho de las restricciones (denotado por RHS) slo pueden aparecer valores
numricos
10. En el lado izquierdo de las restricciones slo pueden aparecer las variables y sus coeficientes
11. Se supone que todas las variables son no negativas, por eso no se introducen las restricciones
de no negatividad
12. El esquema que se sigue es:
MAX <funcin objetivo>
SUBJECT TO (st)
Restriccion1)
Restriccin m)
END
13. Si queremos indicar que alguna variable no tiene restriccin de signo, que es entera, binaria,
etc, tenemos una serie de comandos que se utilizan despus de END
-
SLB <variable> <VALOR> se usa si variable est acotada inferiormente por valor
SUB <variable> <VALOR> se usa si variable est acotada superiormente por valor
explotar las vetas Colquechaca y 10 de mayo, para ello debemos satisfacer algunas restricciones
referentes a las leyes y la capacidad de la planta concentradora:
Leyes
Costo
Ag (onz/ton)
Pb (%)
$/ton
Tonelaje a
extraer
Colquechaca
3,5
7,0
Xc
10 de mayo
16
1,15
9,0
Xm
Vetas
Otros datos que debemos considerar son: el precio de la plata: $ 20,0 /ton; precio del plomo
0,70 $/lb; capacidad de la planta concentradora: 95 ton/da.
Como gerente de produccin, formule un modelo para determinar el tonelaje a extraer de cada
veta.
Cuya formulacin dio el siguiente modelo matemtico:
Maximizar 126,9 Xc + 328,71 Xm
Sujeto a:
Xc +
Xm
<= 95
- Xc + 5 Xm
>= 0
- Xc + 2 Xm
<= 0
Xc y
Xm
>= 0
PROCEDIMIENTO DE SOLUCIN:
11. En la barra de tareas de la parte inferior de la pantalla, abrir el men Inicio y haga clic en el
men Programas.
12. Seleccione el men LINDO 6.1 y haga clic en el botn Windows32.
102
Derechos Reservados MCA-FIM 2012
16. En la pantalla Save As: en File Name: ingresaremos el nombre que deseemos para el modelo,
en este caso CaseChemicals.ltx y en Directories podremos seleccionar el fichero donde
guardarlo
103
Derechos Reservados MCA-FIM 2012
19. Luego tendremos la ventana LINDO Solver Status, que nos indicara las caractersticas de la
solucin:
104
Derechos Reservados MCA-FIM 2012
Los resultados para el Sindicato Minero Pacococha en la forma de un plan de produccin semanal
son los siguientes:
Cantidad de mineral de la veta Colquechaca por producir = 63,33 toneladas
Cantidad de mineral de la veta 10 de Mayo por producir = 31,67 toneladas
Margen de ganancia semanal = $ 18 446,15
105
Derechos Reservados MCA-FIM 2012
CAPITULO IV
ANLISIS DE SENSIBILIDAD USANDO SOFTWARE:
EL PROBLEMA DE PLANEACIN DE PRODUCCIN DE CASE CHEMICALS
Case Chemicals produce dos solventes, CS-01 y CS-02, en su planta de Cleveland. Las empresas
que compran estos solventes los usan para disolver ciertas sustancias txicas que se producen
durante procesos de fabricacin particulares. La planta opera 40 horas a la semana y emplea a
cinco trabajadores de tiempo completo y a dos de tiempo parcial, que trabajan 15 horas a la
semana. Estas personas operan las siete mquinas que mezclan ciertos qumicos para producir
cada solvente. Los productos salen del departamento de mezclado para ser refinados en el
departamento de purificacin, que actualmente tiene siete purificadores y emplea a seis
trabajadores de tiempo completo y a uno de tiempo parcial, que trabaja 10 horas a la semana.
Case Chemicals tiene una provisin casi ilimitada de la materia prima que necesita para producir
los dos solventes. Case Chemicals puede vender cualquier cantidad de CS-01, pero la demanda
del producto ms especializado, CS-02, est limitada a lo ms a 120 000 galones por semana.
El departamento de contabilidad estima un margen de ganancias de $0,30 por galn de CS-01 y de
$0,50 por galn de CS-02, esto es, $300 por mil galones de CS-01 y $500 por mil galones de CS02.
Como gerente de produccin, usted desea determinar el plan de produccin semanal ptimo para
Case Chemicals. Qu cantidad de cada solvente debe producir Case Chemcals para maximizar
la ganancia?
Formulando el modelo matemtico, tenemos:
Maximizar
Dependiendo de:
106
Derechos Reservados MCA-FIM 2012
El Anlisis de Sensibilidad se utiliza para examinar los efectos de cambios en tres reas
diferenciadas del problema:
1. Los coeficientes de la funcin objetivo (Coeficientes Objetivo). Los cambios en los
coeficientes objetivo NO afectan la forma de la regin factible, por lo que no afectaran a la
solucin optima (aunque si al valor de la funcin objetivo).
2. Los coeficientes tecnolgicos (aquellos coeficientes que afectan a las variables de las
restricciones, situados a la izquierda de la desigualdad). Los cambios en estos coeficientes
provocaran cambios sustanciales en la forma de la regin factible.
3. Los recursos disponibles (los trminos independientes de cada restriccin, situados a la
derecha de la desigualdad). Intuitivamente (para 2 variables), los cambios en el RHS
suponen desplazamientos paralelos de las rectas asociadas a las restricciones, lo cual
har variar la forma de la regin factible y, con ello, a la solucin optima.
107
Derechos Reservados MCA-FIM 2012
108
Derechos Reservados MCA-FIM 2012
109
Derechos Reservados MCA-FIM 2012
Supongamos que, debido a una competencia reciente en el mercado por CS-01, la gerencia
de Case Chemicals ha decidido disminuir el precio de venta de su producto en $ 25 por cada
1 000 galones. Este cambio disminuye el coeficiente de ganancia de CS-01 de 300 dlares
por mil galones a 275 dlares. Cmo afecta este cambio el plan de produccin?
2.
Supongamos que cada uno de los dos empleados de tiempo parcial del departamento de
mezclado de Case Chemicals trabaja 10 horas en vez de 15 a la semana. Este cambio
reduce las horas disponibles de mano de obra en el departamento de mezclado de 230 a 220.
Cmo afecta este cambio el plan de produccin y la ganancia ptima?
Estas preguntas tienen que ver con el tpico del anlisis de sensibilidad. Usted, gerente, se
pregunta qu tan sensibles son la solucin ptima y el valor de la funcin objetivo con respecto a
los cambios en los datos del problema, es decir, los coeficientes en la funcin objetivo y las
restricciones. Qu tanto impacto tendr en la solucin un cambio en cualquiera de los datos?
Para dicho anlisis, utilizaremos el Informe de sensibilidad de Excel.
110
Derechos Reservados MCA-FIM 2012
Podemos ver que el intervalo de sensibilidad del coeficiente CS1 es <250, 1000> . Esto significa
que si todos los dems datos permanecen inalterados y el coeficiente de CS1 de la funcin objetivo
permanece en el intervalo <250, 1000>, la solucin actual de CS1 = 70 y CS2 = 90 sigue siendo
ptima.
Ahora puede responder la pregunta original de cmo cambiar el plan de produccin de Case
Chemicals cuando el precio de CS-01 disminuye en $25 por mil galones. Aunque esta disminucin
ocasiona que el coeficiente de CS1 disminuya de su valor actual de 300 a 275, este nuevo valor de
275 est dentro del intervalo <250, 1000>. Por tanto, la solucin ptima anterior sigue siendo
ptima, es decir, Case Chemicals no debera cambiar su plan de produccin de 70 mil galones de
CS-01 y 90 mil galones de CS-02 a la semana. Sin embargo, el margen de ganancia semanal
cambia:
Nuevo margen de ganancia = 275 CS1 + 500 CS2
= 275(70) + 500(90)
= 64 250
Esto es, su margen de ganancia semanal disminuye a $64 250.
Anlisis de sensibilidad del coeficiente de la funcin objetivo para CS2
Puede conducir un anlisis similar sobre el coeficiente de ganancia de CS2 del ejemplo,
asumiendo que el coeficiente de CS1 permanece inalterado en su valor original de 300. Considere
el coeficiente de CS2 de la funcin objetivo como una variable y conociendo el intervalo de
sensibilidad de <150, 600>. Tenemos que, si todos los dems datos permanecen inalterados, la
solucin ptima actual CS1 = 70 y CS2 = 90 sigue siendo ptima, siempre que la ganancia por
vender cada mil galones de CS-02 est dentro del intervalo <150, 600>. El tamao de este
intervalo indica qu tan sensible es la solucin ptima a su coeficiente.
El valor minimo del intervalo, se obtiene realizando $F$9 $H$9 y el valor mximo: $F$9 + $G$9
111
Derechos Reservados MCA-FIM 2012
1. Ante los posibles recortes de presupuesto por parte de la administracin superior, usted desea
saber: qu sucede con el margen de ganancia de Case Chemicals si cada uno de los dos
empleados de tiempo parcial del departamento de mezclado trabaja 10 horas (en vez de 15) a
la semana?
2. Al observar que todas las horas disponibles de mano de obra del departamento de mezclado
se utilizan segn el plan de produccin actual, se incrementar el margen de ganancia si las
horas disponibles aumentan al hacer que uno de los empleados de tiempo parcial trabaje de
tiempo completo y se prescinde del otro?
3. Como una alternativa a la pregunta 2, en cunto se incrementara el margen de ganancia si se
contratara un trabajador adicional de tiempo completo en el departamento de purificacin?
Cada una de estas preguntas puede reformularse de la siguiente forma general:
Qu le sucede al valor ptimo de la funcin objetivo de un programa lineal cuando uno de los
valores del lado derecho de una restriccin (recursos disponibles) se modifica y los otros datos del
problema permanecen inalterados?
Una forma de responder este tipo de pregunta es solucionar un nuevo problema de programacin
lineal en el que se modifique el valor de inters del lado derecho, y todo lo dems sea igual. Sin
embargo, las tcnicas presentadas a continuacin le permiten responder tales preguntas sin tener
que resolver todo el problema.
Anlisis de sensibilidad del valor del lado derecho de la restriccin (1): Proceso de
mezclado
De los resultados del Informe de sensibilidad de Excel, puede concluirse que, mientras el valor del
lado derecho de la restriccin (1) permanece dentro del intervalo de <140, 500>, la solucin ptima
y el margen de ganancia cambian.
El cambio del margen de ganancia total, puede calcularse utilizando el valor del precio sombra, o
precio dual, de la restriccin, que es 33,33333.
Esto significa que por cada hora adicional de mano de obra disponible en el departamento de
mezclado por encima del valor actual de 230 y hasta 500 horas, el margen de ganancia corporativo
se incrementa en $33.33.
Observe que el precio sombra de 33,3333 tambin indica que cada recorte de hora del actual nivel
de 230 hasta 140 tiene como resultado una prdida de $33.33 en el margen de ganancia.
Con esta informacin, podemos responder las preguntas planteadas:
1.
Qu sucede con el margen de ganancia de Case Chemicals si cada uno de los dos
empleados de tiempo parcial del departamento de mezclado trabaja 10 horas (en vez de 15) a
la semana (es decir, si el valor Id de la restriccin (1) disminuye a 220 de su valor actual de
230)?
112
Derechos Reservados MCA-FIM 2012
Como este cambio est dentro del intervalo <140, 500>, cada hora perdida disminuye el
margen de ganancia en el precio sombra:
Utilizando la ecuacin:
Nuevo margen de ganancia = (Viejo margen de ganancia) + (Precio sombra) x
(Incremento en horas de mano de obra)
Tenemos:
= 66 000 + 33,3333 x (220 230)
= $ 65 667
2. Qu sucede con el margen de ganancia si uno de los empleados de tiempo parcial del
departamento de mezclado trabaja tiempo completo y se prescinde del otro (es decir, el valor
del lado derecho de la restriccin (1) se incremento a 240?
Como este cambio est dentro del intervalo <140,500>, el margen de ganancia se incrementa
en la proporcin del precio sombra, es decir:
Nuevo margen de ganancia = (viejo margen de ganancia) + (precio sombra) x
(incremento en horas de mano de obra)
= 66 000 + 33,3333 x (240 230)
= $66 333,33
Anlisis de sensibilidad del valor del lado derecho de la restriccin (2): Proceso de
refinacin
Usando la misma lgica, descubrir que, mientras este valor del lado derecho permanezca en el
intervalo <115, 295>, la solucin ptima estar determinada por la interseccin de las restricciones
(1) y (2). Podemos observar que el precio sombra, o precio dual, del recurso es de 233,33.
Por cada hora adicional de mano de obra disponible en el departamento de purificacin arriba del
valor actual de 250 y hasta 295 horas, el margen de ganancia se incrementa en $233,33. De
manera similar, cada recorte de hora del actual nivel de 250 hasta 115 horas tiene como resultado
una prdida de $233,33 en el margen de ganancia.
Ya podemos responder la pregunta planteada al principio de esta seccin, que se repiten aqu:
3.
113
Derechos Reservados MCA-FIM 2012
2.
El primer paso es darse cuenta de que ambas preguntas tienen que ver con cambios en los
valores del lado derecho. Estas preguntas pueden reformularse de la siguiente manera:
1.
2.
Observe que el nuevo valor de 120 para el Iado derecho en la pregunta 1 est fuera del intervalo
de sensibilidad <140,500> calculado para la restriccin (1). De manera similar, el nuevo valor de
360 para el Iado derecho en la pregunta 2 est fuera del intervalo de sensibilidad <115,295> para
la restriccin (2). Para responder las preguntas relativas a los valores del Iado derecho, fuera del
intervalo de sensibilidad, se realiza de nuevo los clculos con el nuevo valor del lado derecho de la
restriccin (1).
Con los resultados, podremos realizar un anlisis similar al realizado con los Informes de Excel.
115
Derechos Reservados MCA-FIM 2012
De manera similar al anlisis con Excel, podemos trabajar con el reporte de WinQSB.
CONCLUSIN
En esta seccin, usted ha aprendido a preguntar y contestar preguntas relativas a qu tan
sensibles son la solucin ptima y el valor de la funcin objetivo en uno de los coeficientes de la
funcin objetivo o en valores del lado derecho. Tales preguntas son de particular importancia para
gerentes que deben tomar decisiones cuando los datos para un problema estn sujetos a cambios
o incertidumbre.
REFERENCIA BIBLIOGRFICA
Kamlesh Mathur, Daniel Solow, INVESTIGACIN DE OPERACIONES, Edit.Prentice hall
Hispanoamericana S.A., Mxico, 1996.
Costo
Ag (onz/ton)
Pb (%)
$/ton
Tonelaje a
extraer
Colquechaca
3,5
7,0
Xc
10 de mayo
16
1,15
9,0
Xm
Vetas
Otros datos que debemos considerar son: el precio de la plata: $ 20,0 /ton; precio del plomo 0,70
$/lb; capacidad de la planta concentradora: 95 ton/da.
Como gerente de produccin, formule un modelo para determinar el tonelaje a extraer de cada
veta.
Formulacin matemtica del modelo
Maximizar 126,9 Xc + 328,71 Xm
Sujeto a:
Xc +
Xm
<= 95
- Xc + 5 Xm
>= 0
116
Derechos Reservados MCA-FIM 2012
- Xc + 2 Xm
Xc y
Xm
<= 0
>= 0
Fuente: Selvino Paz, PERT CPM una alternativa en problemas mineros, UNI, Lima Per,
Conceptos Bsicos en Anlisis de Sensibilidad
El Anlisis de Sensibilidad se utiliza para examinar los efectos de cambios en tres reas
diferenciadas del problema:
4. Los coeficientes de la funcin objetivo (Coeficiente Objetivo). Los cambios en los
coeficientes objetivo NO afectan la forma de la regin factible, por lo que no afectaran a la
solucin optima (aunque si al valor de la funcin objetivo).
5. Los coeficientes tecnolgicos (aquellos coeficientes que afectan a las variables de las
restricciones, situados a la izquierda de la desigualdad). Los cambios en estos coeficientes
provocaran cambios sustanciales en la forma de la regin factible.
6. Los recursos disponibles (los trminos independientes de cada restriccin, situados a la
derecha de la desigualdad). Intuitivamente (para 2 variables), los cambios en el RHS
suponen desplazamientos paralelos de las rectas asociadas a las restricciones, lo cual
har variar la forma de la regin factible y, con ello, a la solucin optima.
117
Derechos Reservados MCA-FIM 2012
118
Derechos Reservados MCA-FIM 2012
Una vez identificados los componentes del informe, su interpretacin es casi inmediata:
La veta Colquechaca debe producir 63,33 ton de mineral y la veta 10 de mayo 31,67 ton; para una
ganancia mxima de $ 18 446,15.
Despus de formular y resolver un problema de programacin lineal, un gerente debe hacerse un
numero de preguntas importantes de la forma: Qu sucede si ..?. Por ejemplo:
1. Qu le sucede a la solucin ptima y al valor de la funcin objetivo correspondiente si un
coeficiente particular de la funcin objetivo se modifica? Por ejemplo, supongamos que,
debido a una sobreoferta de plata en el mercado mundial la cotizacin de la plata baja a $
10,0 /onz. Este cambio disminuye el coeficiente de ganancia de Xc de $126,9 a $ $86,9 y Xm
de $328,71 a $ 168,71. Cmo afecta este cambio en el coeficiente de la funcin objetivo el
plan de produccin?
2. Qu sucede con la solucin ptima y con el valor de la funcin objetivo correspondiente si se
modifica un valor particular del extremo derecho de las restricciones? Por ejemplo, durante
un mes existen problemas con el rea de molienda de la planta concentradora y solo trabaja
al 80% de su capacidad total. Este cambio reduce la capacidad de la planta de 95 ton/da a
76 ton/da. Cmo afecta este cambio en el valor del extremo derecho de la capacidad de la
planta concentradora el plan de produccin y la ganancia ptima?
Estas preguntas tienen que ver con el tpico del anlisis de sensibilidad. Usted, gerente, se
pregunta qu tan sensibles son la solucin ptima y el valor de la funcin objetivo con respecto a
los cambios en los datos del problema, es decir, los coeficientes en la funcin objetivo y las
restricciones. Qu tanto impacto tendr en la solucin un cambio en cualquiera de los datos?
Estas preguntas de sensibilidad son importantes para un gerente porque los datos del problema a
menudo tienen que estimarse y por tanto estn sujetos a inexactitudes. Antes de implantar la
solucin obtenida de un programa lineal, es ventajoso para el gerente saber lo que podra suceder
si las estimaciones de los datos son ligeramente inexactas. El anlisis de sensibilidad indica qu
coeficientes afectan ms significativamente la solucin ptima.
Para dicho anlisis, Excel tambin nos proporcionar el Informe de sensibilidad:
119
Derechos Reservados MCA-FIM 2012
de la funcin objetivo en este punto, sin embargo, cambia. El tamao de este intervalo indica qu
tan sensible es la solucin ptima a su coeficiente. Por ejemplo, un intervalo para Xc de [110,5,
150,5] indicara que la solucin ptima es ms sensible a un cambio en este coeficiente de funcin
objetivo que el intervalo anterior de [-164,355 , 328,71].
Ahora puede responder la pregunta original de cmo cambiar el plan de produccin de Pacococha
cuando el precio de la plata disminuye en $10 por onza. Aunque esta disminucin ocasiona que el
coeficiente de Xc disminuya de su valor actual de $126,9 a $86,9, este nuevo valor de 86,9 est
dentro del intervalo [-164,355 , 328,71] calculado en el anlisis de sensibilidad; de la misma
manera el nuevo valor de 168,71 para el coeficiente Xm est dentro del intervalo [126,9 , M]. Por
tanto, la solucin ptima anterior sigue siendo ptima, es decir, la veta Colquechaca debe producir
63,33 ton de mineral y la veta 10 de mayo 31,67 ton.
Sin embargo, el margen de ganancia cambia:
Nuevo margen de ganancia = 86,9 Xc + 168,71 Xm
= 86.9 (63,33) + 168.71(31,67)
= 10 846,42
Esto es, su margen de ganancia disminuye a $7 599,73.
Conclusin: Si todos los dems datos permanecen inalterados, la solucin ptima actual Xc =
63,33 y Xm = 31,67 sigue siendo ptima, siempre que las variaciones de los coeficientes estn
dentro de los intervalos proporcionados por el anlisis de sensibilidad. El tamao de este intervalo
indica qu tan sensible es la solucin ptima a su coeficiente.
Anlisis de sensibilidad de los valores del lado derecho (recursos)
Usted puede aplicar el anlisis de sensibilidad no slo a los cambios en los coeficientes de la
funcin objetivo, sino tambin a los cambios en los valores del lado derecho de las restricciones
(recursos). Por ejemplo, como gerente de produccin de Pacococha, puede estar interesado en
cualquiera de las siguientes preguntas.
4. Ante la existencia de problemas en el rea de molienda de la planta concentradora que viene
trabajando al 80% de su capacidad total. Y por ende la reduccin de la capacidad de la planta
de 95 ton/da a 76 ton/da. en cuanto disminuir el margen de ganancia?
Podemos formular la pregunta de la siguiente forma general:
Qu le sucede al valor ptimo de la funcin objetivo de un programa lineal cuando uno de los
valores del lado derecho de una restriccin se modifica y los otros datos del problema permanecen
inalterados?
Una forma de responder este tipo de pregunta es solucionar un nuevo problema de programacin
lineal en el que se modifique el valor de inters del lado derecho, y todo lo dems sea igual. Sin
embargo, las tcnicas presentadas a continuacin le permiten responder tales preguntas sin tener
que resolver todo el problema.
Anlisis de sensibilidad del valor del lado derecho de la restriccin
De los resultados del Informe de sensibilidad de Excel, puede concluirse que, si no cambian otros
datos del problema, entonces, mientras el valor del lado derecho de la restriccin (1) permanece
dentro del intervalo de [0 , M], la solucin ptima sigue siendo la misma. Sin embargo, incluso
dentro de este intervalo, los valores especficos de las variables en la solucin ptima cambian.
Hasta ahora usted ha visto cmo cambia la solucin ptima. Como gerente de Pacococha tambin
debera estar interesado en lo que le sucede a la ganancia total, esto es, lo que le sucede al valor
de la funcin objetivo en la solucin ptima al cambiar el valor Id de la restriccin (1). Podemos
observar que el precio sombra, o precio dual, del recurso es de 194,17.
Esto significa que por cada tonelada adicional de capacidad de planta concentradora disponible por
encima del valor actual de 95 el margen de ganancia corporativo se incrementar en $194,17.
Observe que el precio sombra de 194,17 tambin indica que cada recorte de hora del actual nivel
de 95 tiene como resultado una prdida de $194,17en el margen de ganancia.
Conociendo el precio sombra de la restriccin, ya puede responder la pregunta planteada:
121
Derechos Reservados MCA-FIM 2012
Con los resultados, podremos realizar una anlisis similar al realizado con los Informes de Excel.
122
Derechos Reservados MCA-FIM 2012
De manera similar al anlisis con Excel, podemos trabajar con el reporte de WinQSB.
CONCLUSIN
En esta seccin, usted ha aprendido a preguntar y contestar preguntas relativas a qu tan
sensibles son la solucin ptima y el valor de la funcin objetivo en uno de los coeficientes de la
funcin objetivo o en valores del lado derecho. Tales preguntas son de particular importancia para
gerentes que deben tomar decisiones cuando los datos para un problema estn sujetos a cambios
o incertidumbre.
REFERENCIA BIBLIOGRFICA
Kamlesh Mathur, Daniel Solow, INVESTIGACIN DE OPERACIONES, Edit.Prentice hall
Hispanoamericana S.A., Mxico, 1996.
123
Derechos Reservados MCA-FIM 2012
TIPO
PRECIO DE
VENTA
($/pie)
DEMANDA
(pie)
TIEMPO DE
MAQUINA
(min/pie)
MATERIAL
PARA
SOLDAR
(oz/pie)
COSTO DE
PRODUCCIN
($/pie)
COSTO DE
COMPRA
($/pie)
10
2 000
0,50
12
4 000
0,45
5 000
0,60
40
5 500 oz
Cantidad disponible
AJ
2 000
(demanda A)
BP +
BJ
4 000
(demanda B)
CP +
CJ
5 000
(demanda C)
<=
2 400
(tiempo de maquina)
<=
5 500
>=
Restricciones de recursos
0,5AP + 0,45BP + 0,6CP
AP +
BP +
CP
Restricciones lgicas
AP, BP, CP, AJ, BJ, CJ
124
Derechos Reservados MCA-FIM 2012
MTV Steel debe producir 2,000 pies de tubo A y 2,333.33 pies de tubo C; debe comprar de sus
proveedores del Japn 4,000 pies de tubo B y 2,666,67 pies de tubo C para cumplir con sus
pedidos. La venta de estos productos le va a reportar $ 55,000 de ganancia.
b)
c)
Si pudiera obtener ms material para soldar o ms tiempo de mquina, pero no ambas cosas,
Cul escogera? Explique.
Escogera el tiempo de mquina, pues es un recurso limitado, mientras que an tenemos 1 666,67
onzas de material para soldar.
d)
Los japoneses acaban de aumentar el precio de sus tubos tipo C de $7 a $8 por pie. de qu
manera cambia el plan de produccin/adquisicin actual? (Si no puede hacerlo, obtenga la
respuesta resolviendo un modelo apropiadamente modificado).
El incremento del precio, disminuye nuestra ganancia en el tubo C comprado a $1,0, cuyo valor
queda fuera del intervalo de sensibilidad <1.4 2.333>. Se debe volver a resolver el problema con
las nuevas condiciones:
El nuevo plan de produccin optimo es producir 4,000 pies de tubo C y comprar de sus proveedores
del Japn 2,000 pies de tubo A; 4,000 pies de tubo B y 1,000 pies de tubo C para cumplir con sus
pedidos. La venta de estos productos le va a reportar una ganancia de $ 53,000
e)
f)
La compaa puede vender su material para soldar con una ganancia de $ 32 por libra.
Cunto deber vender? Explique.
2. HiDec produce dos modelos de artculos electrnicos, donde se usan resistores, capacitores y
chips. La tabla siguiente es un resumen de lo datos de este caso.
Requerimientos del recursos por unidad
Recurso
Modelo I
(unidades)
Modelo 2
(unidades)
Disponibilidad
mxima (unidades)
Resistor
1 200
Capacitor
1 000
Chips
800
Utilidad ($)
3M1 + 4M2
Sujeto a:
2M1 + 3M2
<= 1 200
2M1 + M2
4M2
(disponibilidad de resistores)
<= 1 000
<= 800
(disponibilidad de capacitores)
(disponibilidad de chips)
M1, M2 >= 0
126
Derechos Reservados MCA-FIM 2012
HiDec debe producir 450 unidades de M1 y 100 unidades de M2 para obtener una ganancia de S/.
1 750,00.
b.
c.
d.
Con el cambio de valor del recurso chips, HiDec debe producir 456 unidades de M1 y 87 unidades
de M2 para obtener una ganancia de S/. 1 716,0.
e.
127
Derechos Reservados MCA-FIM 2012
Del grfico, podemos deducir que para el intervalo de los capacitores <800, 1 200>, el intervalo
del margen de ganancia es <1 700, 1 800>.
Para calcular el valor los intervalos correspondientes a la cantidad de unidades a producir de los
modelos 1 y 2, realizaremos nuevos clculos son los valores extremos del intervalo <800, 1 200>:
Un nuevo contratista ofrece vender a HiDec mas resistores a 40 centavos cada uno, pero
solo si HiDec compra un mnimo de 500 unidades. debe aceptar la oferta HiDec?
Volvemos a calcular con 1 700 resistores:
128
Derechos Reservados MCA-FIM 2012
Observamos que la ganancia se incrementa en S/. 250,0 (2 000,0 1 750,0) y el gasto sera de
S/. 200,0 (500 unidades x $0,4/unidad), por lo tanto, es recomendable realizar la compra.
3. Toyco arma tres juguetes: trenes, camiones y coches, con tres operaciones. Los lmites de
tiempo disponible para las tres operaciones son 430, 460 y 420 minutos, respectivamente, y las
utilidades por tren, camin y coche de juguete son $3, $2 y $5, respectivamente. Los tiempos
de armado por tren, en las tres operaciones son 1, 3 y 1 minutos, respectivamente. Los
tiempos respectivos por camin y por coche son (2, 0, 4) y (1, 2, 0) minutos (un tiempo de cero
indica que no se usa la operacin). Si x1, x2 y x3 representan la cantidad diaria de unidades
armadas de trenes, camiones y coches. El modelo matemtico formulado ser:
Maximizar z = 3x1 + 2x2 + 5x3
Sujeto a:
x1 + 2x2 + x3
3x1
+ 2x3
>= 0
Toyco debe producir 100 unidades de camiones y 230 unidades de coches para obtener una
ganancia de S/. 1 350,00.
b)
= $20
= $40
c)
Suponga que para los trenes de juguete el tiempo por unidad de operacin 2 se puede
reducir de 3 minutos a cuando mucho 1,25 minutos. Cunto debe reducirse el tiempo por
unidad de la operacin 1 para hacer que los trenes de juguete sean apenas rentables?
La variacin sucede en el lado izquierdo de la restriccin 2, observemos el nuevo modelo
planteado y su solucin:
Tiempo por
unidad de
operacin 1
Unidades de
trenes
Unidades de
camiones
Unidades de
coches
Margen de
ganancia
0,9
100
230
1 350,0
0,8
100
230
1 350,0
0,7
100
230
1 350,0
0,6
100
230
1 350,0
0,5
100
230
1 350,0
0,4
13,7931
101,5517
221,379
1 351, 379
Acercamos el valor del tiempo a 0,5 (0,4999999), para hallar la nueva produccin ptima.
130
Derechos Reservados MCA-FIM 2012
Toyco puede producir 16 unidades de trenes, 101 unidades de camiones y 220 unidades de
coches para obtener una ganancia de S/. 1 350,00, cuando el tiempo por unidad de operacin 2
se reduzca a 1,25 minutos y el tiempo por unidad de operacin 1 sea menor de 0,5 minutos.
d)
3x1
+ 2x3 + x4
x1 + 4x2 + 3x4
x1, x2, x3, x4
La diferencia de utilidades es solo S/. 10,0. No aconsejara la introduccin del nuevo producto,
e)
Suponga que todo tiempo adicional para la operacin 1, respecto a su capacidad actual de
430 minutos diarios, se debe hacer en tiempo extra, a $50 por hora. El costo por hora
incluye tanto la mano de obra como el funcionamiento de la maquina. hay ventajas
econmicas de recurrir al tiempo extra para la operacin 1?
Del anlisis paramtrico de la restriccin 1 (operacin 1):
131
Derechos Reservados MCA-FIM 2012
Solo habr incremento en el margen de ganancia de S/.10 (S/.1 350 a S/.1 360), incrementando
los minutos de 430 a 440; luego as se incrementen ms minutos, no habr incremento en el
margen de ganancia (ver grfica).
f)
g)
132
Derechos Reservados MCA-FIM 2012
Suponga que aumenta la disponibilidad diaria de la operacin 1 a 440 minutos. Todo tiempo
extra incurrido en exceso de la capacidad mxima actual costara $40 por hora. Qu
sucede con la solucin optima hallada?
Analizando el reporte de anlisis paramtrico para la operacin 1:
4. Cauchos Per, fabrica tres productos de caucho: Airtex (material esponjoso), Extendex
(material elstico) y Resistex (material rgido). Los tres productos requieren los mismos tres
polmeros qumicos y una base. La cantidad de cada ingrediente usada por libra del producto
final se muestra en a tabla:
PRODUCTO
Polmero B
Polmero C
Base
Airtex
Extendex
133
Derechos Reservados MCA-FIM 2012
Resistex
Cauchos Peru, tiene el compromiso de producir al menos 1200 libras de Airtex, 500 libras de
Extendex y 300 libras de Resistex para la prxima semana, pero la gerencia de la compaa
sabe que puede vender mas de cada uno de los tres productos. Los inventarios actuales de
los ingredientes son 500 libras del polmero A, 425 libras del polmero B, 650 libras del
polmero C y 1100 libras de la base. Cada libra de Airtex produce a la compaa una ganancia
de $/.7, cada libra de Extendex una ganancia de $6,5 y cada libra de Resistex una ganancia de
$6.
El modelo matemtico planteado es:
Maximizar ganancia = 7A+ 6,5E + 6R
Sujeto a:
Restricciones de recursos
4A + 2E + 5R <= 8000
(polmero A en onzas)
2A + 2E + 3R <= 6800
(polmero B en onzas)
4A + 3E + 5R <= 10400
(polmero C en onzas)
5A + 8E + 2R <= 17600
(base en onzas)
Restricciones de demanda
A
>= 1200
(Airtex en libras)
>= 500
(Extendex en libras)
>= 300
(Resistex en libras)
Restricciones lgicas
A, E, R >=
Utilice el resultado del uso de software, Solver de Excel para responder a las siguientes
preguntas:
a.
134
Derechos Reservados MCA-FIM 2012
Cauchos Per debe producir 1 200 lb de Airtex, 850 lb de Extendex y 300 lb de Resistex. La venta
de estos productos le va a reportar $ 15 725 de ganancia.
b.
c.
Con el plan de produccin actual, para cul de los tres productos se puede cumplir con
una demanda adicional de 5%? Explique
d.
Si usted pudiera obtener cantidades adicionales de nicamente uno de los tres polmeros
Cul de ellos recomendara? Explique.
Solicitara cantidades adicionales del polmero A.
e.
La compaa desea aumentar sus ganancias a $18 000 adquiriendo ms cantidad del
polmero A Cunto ms del polmero A se necesita? Explique.
Nuevo margen de ganancia = (viejo margen de ganancia) + (precio sombra) x (incremento en
polmero A)
(incremento en polmero A) = [(nuevo margen de ganancia) (viejo margen de ganancia)]/(precio
sombra)
incremento en polmero A = ($18,000 - $15,725)/$3,25/oz) = 700 oz..
Comprobando con el software tenemos:
f.
135
Derechos Reservados MCA-FIM 2012
g.
h.
i.
136
Derechos Reservados MCA-FIM 2012
Cauchos Per debe producir 1 200 lb de Airtex, 500 lb de Extendex y 270 lb de Resistex. La venta
de estos productos le va a reportar $ 13 270 de ganancia.
5. Mobil Oil del Peru, obtiene tres tipos de petrleo crudo de sus pozos de Talara, Loreto y
Ucayali. La gasolina obtenida de estos petrleos crudos se mezcla con dos aditivos para
obtener el producto final. Estos petrleos crudos y aditivos contienen azufre, plomo y fsforo,
como se muestra en la tabla. El costo de cada componente tambin se presenta. Debido a los
residuos e impurezas, cada galn de petrleo crudo de Talara resulta solo en 0,40 de galn de
producto final, que contiene 0,07% de azufre. De manera similar, cada galn de crudo de
Loreto produce 0,50 de galn de producto final que contiene 0,08% de sulfuro y cada galn de
crudo de Ucayali resulta en 0,30 de galn de producto final que contiene 0,10 de azufre. La
gerencia ha establecido las siguientes especificaciones para controlar las cantidades de
azufre, plomo y fsforo:
a. Cada galn debe tener a lo ms 0,07% de azufre.
b. Cada galn debe tener entre 1,25 y 2,5 gramos de plomo.
c.
Aditivos
Talara
Loreto
Ucayali
0,07
0,08
0,10
Plomo (g/gal)
Fsforo (g/gal)
0,025
0,02
Costo 8$/gal)
0,55
0,47
0,33
0,08
0,12
Azufre (%)
<=
0,0007
(azufre)
7A1 + 6A2
<=
2,50
(limite superior en
7A1 + 6A2
>=
1,25
(limite inferior en
plomo)
plomo)
137
Derechos Reservados MCA-FIM 2012
0,0045
0,0025
A1 + A2
<=
0,19
>=
(limite superior en
aditivos)
Restricciones lgicas
T, L, U, A1, A2
Utilice el resultado del uso de software WinQSB para responder a las siguientes preguntas:
a.
Mobil Oil del Per debe mezclar 1,375 gal de petrleo crudo de sus pozos de Loreto con 0,8667
gal de petrleo crudo de sus pozos de Ucayali con 014 gal de Aditivo 1 y 0,05 gal de Aditivo 2.
Con un costo de 0,9495 $/gal de producto final.
b.
c.
Analice el efecto de los aumentos y disminuciones individuales en los costos de los tres
petrleos crudos antes de que las cantidades actuales de los ingredientes deban
cambiarse.
El precio del petrleo crudo procedente de Talara, puede fluctuar en el rango de [0,424, M] y no
alterarse la mezcla optima, si los otros precios no varan.
El precio del petrleo crudo procedente de Loreto, puede fluctuar en el rango de [0,4400 0,5657]
y no alterarse la mezcla optima, si los otros precios no varan.
El precio del petrleo crudo procedente de Ucayali, puede fluctuar en el rango de [0,1146
0,3525] y no alterarse la mezcla optima, si los otros precios no varan.
d.
138
Derechos Reservados MCA-FIM 2012
e.
Proporcione la mezcla ptima y el costo asociado si el precio del petrleo crudo Ucayali
aumenta en 10%.
f.
6. La comunidad de Ichu tiene 50 Has. De tierra en la que se puede plantar cualquier cantidad de
maz, cebolla y lechuga. La siguiente tabla muestra la informacin relevante con respecto a la
produccin, la ganancia neta y los requerimiento de agua para cada cultivo:
CULTIVO
PRODUCCIN
(Kg/Ha)
GANANCIA NETA
(S/./Kg)
AGUA
REQUERIDA
(litros/kg)
Maz
640
1,0
8,75
Cebolla
500
0,8
5,00
Lechuga
400
0,6
2,25
Dado que se tienen disponibles 100 000 litros de agua y que la comunidad se ha
comprometido a vender al menos 5 120 kg de maz, se desarrollo el siguiente programa lineal,
en el que CN es el numero de Has. Que se van a plantar con maz, SB es el numero de Has.
Que se van a plantar con cebolla y LT es el nmero de Has que se van a plantar con lechuga:
Maximizar
640 CN +
400SB +
240LT
CN +
<=
50
<=
>=
>=
Sujeto a:
5600CN +
SB
2500SB + 900LT
CN
CN,
SB,
LT
LT
(tierra)
(demanda de maz)
Utilice el resultado del uso de software WinQSB para responder a las siguientes preguntas:
a.
Maz
b.
Cebolla
Lechuga
c.
En qu cantidad tendra que disminuir la ganancia neta por kilogramo de lechuga antes de
que cambie la solucin optima actual?
El rango de variacin del coeficiente de ganancia de la lechuga es [144 , 276,129], entonces la
ganancia neta por lechuga puede disminuir hasta 144/400 = 0,36, sin cambiar la solucin optima.
d. Con la misma cantidad de dinero la gerencia puede arrendar 10 Has. De terreno adicionales
para la estacin o adquirir 13 000 litros de agua. Cul de las dos alternativas recomendara
usted? Explique.
Terreno
Agua
La gerencia desea obtener una ganancia neta de $25 000. Cuntos litros de agua se
necesitan para lograr esta meta, suponiendo que la cantidad de tierra es la misma?
Nuevo margen de ganancia = (viejo margen de ganancia) + (precio sombra) x (incremento en
agua)
(incremento en agua) = [(nuevo margen de ganancia) (viejo margen de ganancia)]/(precio
sombra)
incremento en agua = ($25 000 - $16 940)/$0,1/l) = 80 600 litros.
f.
La gerencia acaba de recibir la oferta de arrendar su tierra para la temporada a $/. 200 por
Ha. Cuntas Has. Si lo hace, deber arrendar? Explique
Debe arrendar todo, pues le ofrecen $200 y su Shadow Price es $150.
7. la compaa Muani Cueros SRL fabrica guantes, correas y mochillas para minera. En la
fabricacin de los tres productos se necesita cuero, metal y materiales sintticos, y el cuero es
la materia prima limitante. En el proceso de produccin se usan dos clases de mano de obra
calificada: costura y acabado. La tabla siguiente muestra la disponibilidad de los recursos, su
uso en los tres productos y las utilidades por unidad.
Requerimiento del recurso por unidad
Recurso
Guante
Correa
Mochila
Disponibilidad
diaria
Cuero (pie )
42
Costura (h)
40
Acabado (h)
0.5
45
Utilidad (S/.)
24
22
45
Sujeto a:
2
2G + 1C + 3M
2G + 1C + 2M
1G + 0,5C + 1M <= 45
G, C, M >= 0
Determine la solucin ptima con WinQSB
140
Derechos Reservados MCA-FIM 2012
b.
Con el cambio de valor del recurso cuero, Muani Cueros SRL, debe producir 1 correa
para obtener una ganancia diaria de S/. 22,0.
c.
d.
141
Derechos Reservados MCA-FIM 2012
El valor de 46 no se encuentra dentro del intervalo [28 , 42], por lo tanto, debemos volver
a calcular la produccin ptima con el nuevo valor.
Con el cambio de valor del recurso costura, Muani Cueros SRL, debe producir 42
correas para obtener una ganancia diaria de S/. 924,0.
e.
Con el cambio de valor del recurso acabado, Muani Cueros SRL, debe producir 6
correas y 12 mochilas para obtener una ganancia diaria de S/. 672,0.
f.
g.
8. Gapco tiene un presupuesto diario de 320 horas de mano de obra y 350 unidades de materia
prima, para fabricar dos productos. Si es necesario, la empresa puede emplear hasta 10 horas
de tiempo extra de mano de obra, con un costo adicional de $2 por hora. Se necesita 1 hora de
mano de obra y 3 unidades de materia prima para producir una unidad de producto 1, y 2 horas
de mano de obra y 1 unidad de materia prima para producir una unidad de producto 2. la
utilidad por unidad de producto 1 es de $10, y la del producto 2 es $12. Sean x 1 y x2 las
142
Derechos Reservados MCA-FIM 2012
3x1 + x2
x1, x2, x3
a)
La produccin diaria de Gapco debe ser de 74 unidades del producto 1 y 128 unidades del
producto 2, debe usar 10 horas de tiempo extra y tendr una ganancia de $ 2 256,0.
b)
Actualmente, Gapco paga $2 adicionales por hora de tiempo extra. Cunto es lo mximo
que puede pagar la empresa? (1 pto).
Si observamos el rango del coeficiente de x3 [-5,2 , M], podemos deducir que el monto mximo
que podemos pagar es de $5,2 sin alterar la solucin ptima hallada. El nuevo valor de z ser Z =
10(74) + 12(128) 5,2(10) = $ 2 224,0.
c)
Si Gapco puede adquirir 100 unidades diarias ms de materia prima a $1,50 cada una.
Aconsejara usted que lo hiciera? Y si el costo de la materia prima fuera $2 por unidad?
(1 pto).
Las unidades diarias de materia prima sern 350,0 + 100,0 = 450,0 cuyo valor se encuentra
dentro del intervalo [165 , 990] y el precio sombra es $ 1,6 por unidad de materia prima, por lo
tanto, se aconseja adquirir hasta un costo mximo de $1,6, por encima de este costo no se debe
adquirir.
d)
Suponga que Gapco puede adquirir cuando mucho 200 unidades adicionales de materia
prima por da. Determine la solucin ptima asociada (1,5 ptos).
Las unidades diarias de materia prima sern 350,0 + 200,0 = 550,0 cuyo valor se encuentra
dentro del intervalo [165 , 990], por lo tanto, podemos calcular la variacin de la ganancia optima:
(Nuevo valor de z) = (valor original de z) + (precio sombra)x(cambio en el valor del lado derecho)
143
Derechos Reservados MCA-FIM 2012
La produccin diaria de Gapco debe ser de 154 unidades del producto 1 y 88 unidades del
producto 2, debe usar 10 horas de tiempo extra y tendr una ganancia de $ 2 576,0.
e)
Suponga que Gapco no puede usar ms de 8 horas diarias de tiempo extra. la solucin
ptima inicial hallada es todava correcta? (1,5 ptos).
El valor de 8 se encuentra dentro del intervalo [0 , 380], por lo tanto, podemos calcular la variacin
de la ganancia optima:
(Nuevo valor de z) = (valor original de z) + (precio sombra)x(cambio en el valor del lado derecho)
z = 2 256,0 + (3,2)x(8-10) = $ 2249,6. Para calcular la solucin ptima empleamos WinQSB.
La produccin diaria de Gapco debe ser de 74 unidades del producto 1 y 127 unidades del
producto 2, debe usar 8 horas de tiempo extra y tendr una ganancia de $ 2 248,0.
La produccin diaria de Gapco debe ser de 74,4 unidades del producto 1 y 126,8 unidades del
producto 2, debe usar 8 horas de tiempo extra y tendr una ganancia de $ 2 249,6.
9.
Una compaa minera opera tres minas. El mineral obtenido en cada una se separa en dos
calidades antes de su distribucin. Las capacidades de produccin diarias de cada mina, as
como sus costos de operacin diarios, son los siguientes:
144
Derechos Reservados MCA-FIM 2012
Mineral de alta
calidad (ton/da)
Mineral de baja
calidad (ton/da)
Costo de operacin
(dlares/da)
Mina 1
40
40
20 000
Mina 2
60
40
22 000
Mina 3
10
60
18 000
Donde:
M1
M2
Utilice el resultado del uso de software WinQSB para responder a las siguientes preguntas:
a.
La mina 1 debe trabajar 1,75 das, la mina 2 de trabajar 7 das y la mina 3 debe trabajar 5 das,
con un costo mnimo de produccin de $ 279 000.
b.
Si el costo de produccin de la Mina 1 disminuye a US$ 18 000 / da, Que sucede con el
plan de produccin ptimo? Explique.
145
Derechos Reservados MCA-FIM 2012
El rango de variacin de la variable M1 es <$18 250, $72 000>, como $18 000, se encuentra
fuera de este rango, se debe volver a calcular la produccin ptima:
La mina 1 debe trabajar 7 das, la mina 2 de trabajar 3,7 das y la mina 3 debe trabajar 3,7 das,
con un costo mnimo de produccin de $ 274 187,5.
d.
Si la compaa desea disminuir sus costos de operacin a US $ 250 000 / semana y debe
disminuir la produccin de la Mina 2 Cuntos das debe dejar de producir? Explique.
La funcin objetivo es:
z = 20 000 M1 + 22 000 M3 + 18 000 M3, con el resultado de a) y la disminucin del costo de
operacin tenemos:
z = 25 000 = 20 000 (1,75) + 18 000 (M2) + 18 000 (5), donde M2 = 5,681 das, entonces la mina 2
debe dejar de producir 7 5,681 = 1,319 das.
e.
Si la compaa recibe un pedido de 700 ton de mineral de baja calidad para la prxima
semana Cul es el nuevo costo de operacin de la compaa? Explique.
El pedido de 700 ton de mineral de baja ley se encuentra dentro del rango <400 , 750>, por lo que,
para calcular el nuevo costo de operacin podemos utilizar el valor de 260 como precio sombra,
entonces:
Nuevo margen de ganancia = (viejo margen de ganancia) (precio sombra) x (incremento en
tonelaje)
= 279 000 (260)(650 700) = $292 000.
146
Derechos Reservados MCA-FIM 2012
10. Una compaa de transporte de concentrado de mineral tiene 10 camiones con capacidad de
20 toneladas y 5 camiones de 15 toneladas de capacidad. Los camiones grandes tienen
costos de operacin de $ 0,30/Km y los mas pequeos de $0,25/km. La prxima semana, la
compaa debe transportar 200 toneladas de concentrado de plomo para un recorrido de 800
km. La posibilidad de otros compromisos impone que por cada dos camiones medianos
mantenidos en reserva debe quedarse por lo menos uno de los grandes.
El modelo matemtico planteado es:
Minimizar 240 CG + 200 CM
Sujeto a:
20 CG + 15 CM = 200
CG 2 CM <= 0
CG <= 10
CM <= 5
CG y CM >= 0 y enteros
Donde:
CG = el nmero de camiones grandes empleados por semana.
CM = el nmero de camiones medianos empleados por semana.
Utilice el resultado del uso de software, WinQSB para responder a las siguientes preguntas:
a)
Cual es el nmero ptimo de camiones de ambas clases que deben movilizarse para
transportar el concentrado?
Se utilizaran para el transporte del concentrado 7 camiones grandes y 4 camiones medianos, con
un costo de $ 2 480.
b)
147
Derechos Reservados MCA-FIM 2012
Si tres camiones grandes son enviados a otro proyecto Qu sucede con el transporte del
concentrado? Explique.
Tenemos 10 camiones, de los cuales solo se utiliza 7 camiones, podemos enviar los 3 camiones
que tenemos en stand by.
d)
e)
148
Derechos Reservados MCA-FIM 2012
CAPITULO V
PROBLEMAS DE REDES DE DISTRIBUCIN: TRANSPORTACIN,
ASIGNACIN Y TRANSBORDO
Muchos problemas, cuando se les formula, muestran una estructura especial en sus restricciones
o en su funcin objetivo. Mediante el diseo de procedimientos de solucin (algoritmos) para
aprovechar la estructura especial, es posible resolver problemas de una manera ms eficiente que
si se estuviera en cualquier otra circunstancia. Este captulo presenta uno de los problemas de tal
tipo, problemas de redes de distribucin.
2.
3.
Las parejas de nodos seleccionados de una red estn conectadas mediante una flecha, conocida
como arco, que representa una ruta de envo vlida desde el nodo de origen al nodo de destino,
segn lo indica la direccin en la que apunta la flecha (vase la figura 1). La representacin de la
red puede contener varios datos del problema. Por ejemplo, el nmero colocado al lado de cada
nodo de suministro de la figura 1 representa la capacidad de dicho nodo de suministro; es decir, el
nmero mximo de unidades que pueden ser enviadas desde ese nodo. Por ejemplo, la planta
representada por el nodo 1 de la figura 1 puede enviar hasta 1000 unidades. Similarmente, el
nmero colocado junto a cada nodo de demanda en la figura 1 representa la demanda en dicho
nodo; esto es, el nmero mnimo de unidades que necesita recibir ese nodo para cumplir la
demanda en l. Por ejemplo, la demanda en la tienda detallista representada por el nodo 6 es de
700 unidades. Cada arco puede, tambin, tener un nmero asociado a l. Por ejemplo, el nmero
que se encuentra encima de los arcos de la figura 1, representa el costo de envo de una unidad
entre los dos nodos conectados por ese arco. El costo de envo de una unidad desde el nodo 1 al
nodo 4 es 4 (que pueden ser $4, $400 o, incluso, $4000). En la red tambin se puede incluir otro
tipo de informacin sobre el problema, como podra ser el nmero mximo de unidades que se
pueden enviar a lo largo de un arco dado.
Figura 1. Una red de distribucin general
EL PROBLEMA DE TRANSPORTACIN
En la presente seccin, usted aprender acerca de una clase especfica de problemas de
distribucin comunes a muchas empresas: cmo enviar bienes terminados, de la manera menos
costosa posible, directamente desde las plantas hasta las tiendas detallistas, sin que haya
almacenes intermedios. A este problema de distribucin se le conoce como problema de
transportacin. El problema de Cosmic Computer Company (CCC) es un ejemplo de problema de
transportacin.
EL PROBLEMA DE TRANSPORTACIN DE CCC.- CCC posee tres plantas de ensamblado de
microcomputadoras. La que se encuentra localizada en San Francisco tiene una capacidad de
produccin mensual de 1700 unidades, la que est localizada en Los ngeles tiene una capacidad
de produccin mensual de 2000 unidades y la de Phoenix tiene una capacidad de produccin
mensual de 1700 unidades. Las microcomputadoras son vendidas a travs de tiendas al
menudeo. Para el mes siguiente, la tienda que se encuentra en San Diego ha hecho un pedido de
1700 unidades, la que est en Barstow tiene un pedido de 1000 unidades, la de Tucson ha pedido
1500 unidades y la situada en Dallas tiene un pedido de 1200 unidades. El costo de envo de una
microcomputadora desde cada planta de ensamblado a cada una de las diferentes tiendas
150
Derechos Reservados MCA-FIM 2012
SAN DIEGO
BARSTOW
TUCSON
DALLAS
San francisco
Los Angeles
10
Phoenix
Dependiendo de:
RESTRICCIONES DE CAPACIDAD
xss + xsb + xst, + xss
1 700
(San Francisco)
2 000
(Los ngeles)
1 700
(Phoenix)
RESTRICCIONES DE DEMANDA
xss + xls + xps
1 000 (Barstow)
151
Derechos Reservados MCA-FIM 2012
1 500 (Tucson)
1 200 (Dallas)
RESTRICCIONES LGICAS
Xss, xsb, xst, xsd, xls, xlb, xlt, xld, xps, xpb, xpt, xpd > 0 y enteras
USO DE LA COMPUTADORA
En la presente seccin, aprender cmo es utilizado el software winQSB para resolver problemas
de transportacin.
1.
2.
3.
1.
La primera parte del informe trata sobre la planta localizada en San Francisco (Source 1), la
segunda seccin de dicho informe trata sobre la planta situada en Los ngeles (Source 2) y la
tercera seccin trata sobre la planta de Phoenix (Source 3).
De la columna Shipment, se puede ver que es ptimo embarcar 700 computadoras desde San
Francisco a Barstow, 1 000 a Dallas y ninguna a San Diego ni a Tucson. De la misma manera, es
ptimo enviar 1700 computadoras de Los ngeles a San Diego, 300 a Barstow y ninguna a Dallas
ni a Tucson. De la misma columna de la tercera seccin del informe, es ptimo enviar 200
computadoras desde Phoenix a Dallas, 1500 a Tucson y ninguna a San Diego ni a Barstow.
La columna etiquetada Unit Cost en el informe representa el costo de transportacin original por
cada unidad embarcada desde la correspondiente planta a la tienda al menudeo. La columna
etiquetada 'Total Cost es el costo total del envo del nmero de unidades de la columna
etiquetada con el trmino Shipment en esa celda, es decir 'Shipment' * 'Unit Cost'.
El costo total de embarque es de $23 100.
22. Una empresa contratista tiene que acarrear grava a tres construcciones. Puede comprar hasta
18 toneladas en una cantera al norte de la ciudad y 14 toneladas en otra al sur. Necesita 10, 5
y 10 toneladas en las respectivas construcciones 1, 2 y 3. El precio de compra por tonelada en
cada cantera y los costos de acarreo son los siguientes:
Costo por tonelada acarreada ($)
Cantera
Norte
Precio por
tonela
da
30
60
50
100
152
Derechos Reservados MCA-FIM 2012
Sur
60
30
40
120
La empresa contratista desea determinar cuantas toneladas de grava debe acarrear de cada
cantera a cada construccin de manera que se minimice el costo total de compra y acarreo de
la grava.
a.
g)
Restricciones de demanda
N1 + S1 = 10 (Construccin 1)
N2 + S2 = 5 (Construccin 2)
N3 + S3 = 10 (Construccin 3)
h)
Restricciones lgicas
N1, N2, N3, S1, S2 y S3
23. Un fabricante de muebles tiene tres plantas que requieren semanalmente 500, 700 y 600
toneladas de madera. El fabricante puede comprar la madera a 3 compaas madereras. Los
primeros dos fabricantes de madera tienen virtualmente un suministro ilimitado, mientras que
por compromisos, el tercer fabricante no puede surtir ms de 500 toneladas pos semana. El
primer fabricante de madera usa el ferrocarril como medio de transporte y no hay lmite de
peso que pueda enviar a las fbricas de muebles. Por otra parte, las otras dos compaas
madereras usan camiones, lo cual limita a 200 toneladas el peso mximo que pueden enviar
a cualquiera de las fbricas de muebles. En la siguiente tabla se da el costo de transporte de
las compaas madereras a las fabricas de muebles ($/ton):
Fbrica de muebles
Compaa
maderera
2.5
4.8
3.6
3.2
154
Derechos Reservados MCA-FIM 2012
Un fabricante de muebles tiene tres plantas que requieren semanalmente 500, 700 y 600 toneladas
de madera.
b)
El fabricante puede comprar la madera a 3 compaas madereras. Los primeros dos fabricantes de
madera tienen virtualmente un suministro ilimitado, mientras que por compromisos, el tercer
fabricante no puede surtir ms de 500 toneladas por semana.
c)
El primer fabricante de madera usa el ferrocarril como medio de transporte y no hay lmite de peso
que pueda enviar a las fbricas de muebles.
d)
Las otras dos compaas madereras usan camiones, lo cual limita a 200 toneladas el peso mximo
que pueden enviar a cualquiera de las fbricas de muebles.
e)
Compaa
maderera
2.5
4.8
155
Derechos Reservados MCA-FIM 2012
3.6
3.2
b)
FV: La compaa maderera 1 usa el ferrocarril como medio de transporte y no hay lmite de peso que
pueda enviar a las fbricas de muebles.
D:
d)
Restricciones lgicas
XC1F1, XC1F2 , XC1F3 , XC2F1 , XC2F2 , XC2F3 , XC3F1 , XC3F2 y XC3F3 >= 0
Sujeto a:
XC1F1 + XC1F2 + XC1F3 <= M
XC2F1 + XC2F2 + XC2F3 <= M
XC3F1 + XC3F2 + XC3F3 <= 500
XC1F1 + XC2F1 + XC3F1 <= 500
XC1F2 + XC2F2 + XC3F2 <= 700
XC1F3 + XC2F3 + XC3F3 <= 600
XC1F1 <= M
XC1F2 <= M
XC1F3 <= M
XC2F1 <= 200
XC2F2 <= 200
XC2F3 <= 200
XC3F1 <= 200
XC3F2 <= 200
XC3F3 <= 200
XC1F1, XC1F2 , XC1F3 , XC2F1 , XC2F2 , XC2F3 , XC3F1 , XC3F2 y XC3F3 >= 0
Donde:
XC1F1 = El numero de toneladas de madera transportadas de la compaa maderera 1 a la fbrica de
muebles 1 por semana.
XC1F2 = El numero de toneladas de madera transportadas de la compaa maderera 1 a la fbrica de
muebles 2 por semana.
XC1F3 = El numero de toneladas de madera transportadas de la compaa maderera 1 a la fbrica de
muebles 3 por semana.
XC2F1 = El numero de toneladas de madera transportadas de la compaa maderera 2 a la fbrica de
muebles 1 por semana.
XC2F2 = El numero de toneladas de madera transportadas de la compaa maderera 2 a la fbrica de
muebles 2 por semana.
XC2F3 = El numero de toneladas de madera transportadas de la compaa maderera 2 a la fbrica de
muebles 3 por semana.
XC3F1 = El numero de toneladas de madera transportadas de la compaa maderera 3 a la fbrica de
muebles 1 por semana.
XC3F2 = El numero de toneladas de madera transportadas de la compaa maderera 3 a la fbrica de
muebles 2 por semana.
XC3F3 = El numero de toneladas de madera transportadas de la compaa maderera 3 a la fbrica de
muebles 3 por semana.
M significa una cantidad sin lmite o una cantidad muy grande.
EL PROBLEMA DE ASIGNACIN
En muchos problemas de decisin es necesario asignar un elemento a un grupo (como una
maquina, un empleado, etc.) a un elemento de un segundo grupo (como una tarea, un proyecto,
etc.). Considere, por ejemplo, asignar trabajaos a maquinas en una planta industrial, asignar
representantes de ventas a territorios o asignar investigadores a proyectos.
Al hacerse una asignacin, a menudo debe cumplirse dos condiciones:
157
Derechos Reservados MCA-FIM 2012
1. cada elemento del primer grupo debe asignarse a exactamente un elemento del segundo
grupo.
2. cada elemento del segundo grupo debe asignarse a exactamente un elemento del primer
grupo.
Debido a que cada pareja asignada existe un costo asociado, por ejemplo, la cantidad de tiempo
que toma una tarea asignada a una maquina particular, el objetivo es elegir asignaciones que
minimicen el costo total.
Para satisfacer estas dos condiciones de asignacin, el numero de elementos de cada grupo debe
ser el mismo. Un problema de este tipo se denomina problema de asignacin equilibrado.
EL PROBLEMA DE ASIGNACIN DE CONTAINERS INC. Containers,Inc., fabrica contenedores
de muchos tamaos y formas. Recientemente ha recibido pedidos para producir diversas
cantidades de contenedores de cocinas de cinco diferentes tamaos. Cada tamao de contenedor
puede producirse en cualquiera de cuatro mquinas. Debido a las distintas tecnologas y tiempos
de disposicin, el nmero total de horas, incluyendo el tiempo de disposicin, necesarias para
procesar cada tamao de contenedor en cada mquina vara, como se muestra en la tabla 2. En la
tabla, el tamao del contenedor se indica en la primera columna mediante su altura y dimetro en
pulgadas.
Adecuar una mquina para que cambie el tamao de un contenedor toma largo tiempo, as que la
gerencia ha decidido que cada mquina producir contenedores de un solo tamao. Por tanto,
slo se producirn cuatro de los cinco tamaos en las cuatro mquinas disponibles dentro de la
fecha lmite asignado. Como los ingresos por cada tamao de contenedor son aproximadamente
iguales, la gerencia de Containers, Inc., es indiferente en cuanto a cul de los cinco pedidos no
satisfacer. Como gerente del departamento de produccin, se le ha pedido determinar cules
cuatro de los cinco pedidos aceptar y desarrollar un plan de produccin que minimice el tiempo de
procesamiento total para satisfacer esos pedidos.
En este problema, puede reconocerlas caractersticas de un problema de asignacin. Tiene que
asignar un elemento de un grupo, esto es, un pedido de uno de los cinco tamaos, a un elemento
de un segundo grupo, es decir, las mquinas. En este caso, el problema es desequilibrado porque
hay cinco pedidos para slo cuatro mquinas. Para resolver este problema, se puede hacer lo
siguiente:
1.
Aada tantos elementos figurados a uno de los grupos como sea necesario para igualar el
tamao de los dos grupos.
2.
Por cada elemento figurado, identifique un costo apropiado asociado con la asignacin de
cada elemento del otro grupo a este elemento figurado.
En cuanto al problema de Containers, Inc., es necesario aadir una mquina figurada. Ahora hay
cinco pedidos y cinco mquinas, dando como resultado un problema de asignacin equilibrado.
Recuerde que la mquina 5, de hecho, no existe. Los contenedores asignados a esta mquina no
son producidos y por tanto, no contribuyen en nada al tiempo total de procesamiento. Los datos
para el problema de asignacin se muestran en la tabla 3.
Tabla 2. Tiempo total de procesamiento (hr) para producir cada tamao de contenedor en cada
maquina
TAMAO DEL
MAQUINA
CONTENEDOR
3X4
25
20
28
30
4X6
24
22
25
23
6X8
30
30
28
25
8 X 12
38
32
30
30
12 X 18
40
40
28
30
Tabla 3. Tiempo total de procesamiento (hr) para producir cada tamao de contenedor en cada
maquina incluyendo la maquina figurada 5
158
Derechos Reservados MCA-FIM 2012
TAMAO
MAQUINA
CONTENEDOR
3X4
25
20
28
30
4X6
24
22
25
23
6X8
30
30
28
25
8 X 12
38
32
30
30
12 X 18
40
40
28
30
+ 0x35 +
(Orden 1)
(Orden 2)
(Orden 3)
159
Derechos Reservados MCA-FIM 2012
(Orden 4)
(Orden 5)
(Mquina 1)
(Mquina 2)
(Mquina 1)
(Mquina 1)
(Mquina 1)
RESTRICCIONES LGICAS
Todas las variables deben ser variables enteras 0-1
SOLUCIN POR COMPUTADORA
En la presente seccin, aprender cmo es utilizado el software winQSB para resolver problemas
de asignacion
1.
2.
3.
4.
Como resultado se tiene un tiempo total de procesamiento de 97 horas. Observe que el pedido 4
no esta satisfecho porque se le asigno la maquina figurada 5.
42. Arthur J. Big and Company es una compaa de contabilidad que tiene un especialista en
impuestos en cada una de sus oficinas en Washington, D.C., Cleveland, Louisville y Atlanta.
La oficina central ha recibido una solicitud para un especialista en impuestos de cada uno de
sus clientes de Columbus, Nashville, Charleston y Pittsburg. Los costos de viajes son
proporcionales a las distancias, que se dan (en millas) en la siguiente tabla:
Hacia
Desde
Columbus
Nashville
Charleston
Pittsburgh
Washington
431
659
342
247
Cleveland
140
533
248
129
160
Derechos Reservados MCA-FIM 2012
Louisville
214
174
259
393
Atlanta
585
246
501
683
a. Dibuje una red de distribucin que indique los suministros, demandas y otros datos
relevantes apropiados (2 ptos).
b.
Como socio general de la compaa, formule un modelo matemtico para determinar como
enviar un especialista a cada ciudad para minimizar los costos totales de viaje (4 ptos).
Minimizar 431WCo + 659WN + 342WCh + 247WP + 140 CCo + 533 CN + 248 CCh + 129CP +
214LCo + 174LN + 259LCh + 393LP + 585ACo + 246AN + 501Ach + 683AP
Sujeto a:
Restricciones de disponibilidad
WCo + WN + WCh + WP = 1
CCo + CN + CCh + CP = 1
LCo + LN + LCh + LP = 1
ACo + AN + ACh + AP = 1
Restricciones de demanda
WCo + CCo + LCo + ACo = 1
WN + CN+ LN + AN = 1
WCh + CCh + LCh + ACh = 1
WP+ CP + LP + AP = 1
Restricciones lgicas
WCo, WN, WCh, WP, CCo, CN, CCh, CP, LCo, LN, LCh, LP, ACo, AN, Ac y, AP >= 0 y
enteros.
41. Mining Machinery Inc. renta equipo especializado de perforacin a empresas mineras.
Actualmente hay tres perforadoras Jumbo ubicadas en Lima, dos en Arequipa y tres en
Cajamarca. Hay un centro minero en Puno que requieren cuatro maquinas. En centros
mineros de Ancash y Cerro de Pasco se necesita en cada uno dos mquinas. El costo en
161
Derechos Reservados MCA-FIM 2012
dlares de enviar una mquina de cada ciudad a cada centro minero se muestra en la
siguiente tabla:
HACIA
DESDE
Cerro de
Pasco
Ancash
Puno
Lima
900
1000
1600
Arequipa
1400
1500
1000
Cajamarca
1200
1400
2500
a) (2 ptos) Dibuje una red de distribucin que indique los suministros, demandas y otros datos
relevantes apropiados (cuando sea adecuado, aada nodos y arcos figurados para obtener
un problema equilibrado).
b)
(4 ptos) Formule un modelo matemtico para determinar cuantas maquinas deberan enviarse
desde cada ciudad a cada centro minero para incurrir en el mnimo costo.
162
Derechos Reservados MCA-FIM 2012
FM: Minimizar 900LCp + 1000 LAn + 1600LP + 1400ACp + 1500AAn + 1000AP + 1200CCp + 1400CAn
+ 2500CP
Paso 4 Identificacin de las restricciones
e)
f)
g)
h)
i)
Restricciones lgicas
LCp, LAn, LP, ACp, AAn, AP, CCp, CAn y CP >= 0 y enteros.
24. La compaa Estructuras Mineras SA compr tres mquinas nuevas de diferentes tipos.
Existen cuatro sitios disponibles dentro del taller en donde se podra instalar una mquina.
163
Derechos Reservados MCA-FIM 2012
Algunos de ellos son ms adecuados que otros para ciertas mquinas en particular por su
cercana a los centros de trabajo que tendran un flujo intenso de trabajo hacia y desde estas
mquinas (No habr flujos de trabajos entre las nuevas mquinas) Por tanto, el objetivo es
asignar las nuevas mquinas a los lugares disponibles de manera que se minimice el costo
total de manejo de materiales.
En la tabla se muestra el costo estimado por unidad de tiempo de manejo de los materiales en
cuestin, con cada una de las mquinas en los sitios respectivos. El lugar 2 no se considera
adecuado para la mquina 2 por lo que no se proporciona un costo para este caso.
Ubicacin
1
Mquina 1
13
16
12
11
Mquina 2
15
13
20
Mquina 3
10
Asigne las mquinas a sus nuevas ubicaciones, buscando un costo mnimo de manejo de
materiales.
a.
b.
Restricciones de Maquinas
M1U1 + M1U2 + M1U3 + M1U4 = 1
M2U1 + M2U3 + M2U4 = 1
M3U1 + M3U2 + M3U3 + M3U4 = 1
b)
Restricciones de Ubicaciones
M1U1 + M2U1 + M3U1 = 1
M1U2 + M3U2 = 1
M1U3 + M2U3 + M3U3 = 1
M1U4 + M2U4 + M3U4 = 1
c)
Restricciones lgicas
M1U1, M1U2, M1U3, M1U4, M2U1, M2U3, M2U4, M3U1, M3U2, M3U3 Y M3U4 de tipo binario
EL PROBLEMA DE TRANSBORDO
PROBLEMA DE DISTRIBUCIN DE MEDICAL TECHNOLOGIES, INC. Medical Technologies,
Inc. (MTI), es una empresa fabricante y distribuidora internacional de equipo de rayos X de alta
resolucin que se utiliza en hospitales. La planta que tienen en Paris, Texas, puede producir hasta
100 mquinas por ao; la que se encuentra en Davenport, Iowa, produce hasta 200 mquinas y la
planta de Springfield, Oregon, puede producir hasta 150 mquinas. Para el ao siguiente, sus
clientes en Japn han pedido 120 mquinas, los de Corea del Sur ordenaron 80 mquinas, los de
Nueva Zelanda 70 y los de Australia 110 mquinas.
El equipo producido en Texas y en Iowa puede ser enviado a los almacenes regionales situados en
Hungra y/o en Hawai. Los almacenes regionales, a su vez, pueden enviar a cualquiera de los
almacenes de campo situados en Fiji y en las Filipinas. Ninguno de los almacenes regionales
almacena mquinas en inventario, por consiguiente deben enviar todas las mquinas que reciben.
165
Derechos Reservados MCA-FIM 2012
Los clientes de Corea del Sur y de Nueva Zelanda pueden recibir mquinas de cualquiera de los
almacenes de campo. Sin embargo, debido a los tratados de comercio internacionales, los clientes
del Japn deben obtener sus mquinas exclusivamente de las Filipinas, y los de Australia deben
recibir las suyas solamente de las Fiji. Los costos de envo por mquina desde las plantas a los
almacenes regionales, a los almacenes de campo y, finalmente, a los clientes se dan En las tablas
4, 5 y 6, respectivamente. Como gerente de distribucin, se le ha pedido a usted que determine el
plan de embarque con el mnimo costo total.
Tabla 4. Costos de embarque ($/maquina) de plantas a almacenes regionales
ALMACENES REGIONALES
PLANTAS
HUNGRIA
HAWAI
Texas
200
400
Iowa
300
400
Oregon
N/A
500
FILIPINAS
FIJI
Hungra
800
600
Hawai
700
400
CLIENTES
JAPN
NUEVA ZELANDA
AUSTRALIA
Filipinas
700
600
800
N/A
Fiji
N/A
700
500
600
El primer paso en la formulacin matemtica de este problema consiste en trazar una red que
represente el flujo de productos desde las plantas, a travs de los almacenes, hasta los clientes.
La red debe contener once nodos, uno para cada una de las tres plantas, los dos almacenes
regionales, los dos almacenes de campo y los cuatro clientes, de la forma en que se ilustra en la
figura 4. Debe haber un arco que conecte una pareja de nodos, siempre y cuando sea posible
enviar mquinas directamente desde el nodo de origen al de destino, segn est especificado en la
descripcin del problema. Por ejemplo, debido a que la planta de Oregon solamente puede hacer
envos al almacn regional de Hawai, deber haber un arco que vaya desde el nodo
correspondiente a la planta de Oregon al nodo correspondiente al almacn regional de Hawai, pero
no al correspondiente al de Hungra. En la figura 4 se muestran tambin los arcos, junto con los
correspondientes costos unitarios de envo. La red de la figura incluye tambin la capacidad de
cada planta y la demanda de los clientes al lado de los correspondientes nodos de suministro y
demanda, respectivamente.
166
Derechos Reservados MCA-FIM 2012
Dependiendo de:
RESTRICCIONES DE SUMINISTRO
x14 + x15
= 100
(1)
x24 + x25
= 200
(2)
x35
= 150
(equilibrio en Hungra)
(4)
(equilibrio en Hawai)
(5)
(6)
(7)
RESTRICCIONES DE DEMANDA
x68
= 120
(demanda en Japn)
(8)
= 80
(9)
x6,10 + x7,10 = 70
(10)
x7,11
(demanda en Australia)
(11)
x69
+ x79
= 110
RESTRICCIONES LGICAS
167
Derechos Reservados MCA-FIM 2012
(12)
2.
ALMACENES REGIONALES
PLANTAS
Texas
Iowa
Oregon
HUNGRA
HAWAI
100
200
N/A
80
FILIPINAS
FIJI
Hungra
100
Hawai
20
260
CLIENTES
JAPN
NUEVA ZELANDA
AUSTRALIA
Filipinas
120
N/A
Fiji
N/A
80
70
110
169
Derechos Reservados MCA-FIM 2012
CAPITULO VI
ADMINISTRACIN DE PROYECTOS:
PERT - CPM
En este captulo se presenta una tcnica de la ciencia administrativa que ayuda a comprobar y
controlar un proyecto que involucra numerosas tareas interrelacionadas. La supervisin de estos
proyectos requiere muchas habilidades administrativas, una de las cuales es mantener el proyecto
acorde a un programa. La ciencia de la administracin puede ayudar a esto proporcionando
respuestas a preguntas como:
1. Cundo sera lo ms pronto que el proyecto pudiera estar terminado?
2. Para cumplir con este tiempo de conclusin, qu tareas son crticas, en el sentido de que
un retraso en cualquiera de esas tareas provoca un retraso en la conclusin de todo el
proyecto?
3. Es posible acelerar ciertas tareas para terminar todo el proyecto ms pronto? Si es as,
qu tareas seran stas y cul sera el costo adicional?
Cuando un proyecto implica unas cuantas tareas, las respuestas a estas preguntas a menudo
pueden encontrarse con poco esfuerzo. Sin embargo, cuando la planeacin de un proyecto implica
cientos o miles de tareas interrelacionadas que deben ser realizadas por distintas personas, las
herramientas de la ciencia de la administracin presentadas en este captulo proporcionan una
forma sistemtica no slo de responder estas preguntas, sino tambin dar seguimiento al proyecto
a lo largo de su duracin.
Las tcnicas de administracin de proyecto presentadas en este captulo fueron desarrolladas
independientemente por dos equipos de investigadores a mediados de los aos cincuenta. Dupont
5
Company cre la primera tcnica, llamada Mtodo de ruta crtica (CPM) , para administrar
proyectos en los que el tiempo requerido para completar las tareas individuales se conoca con
relativa certeza. La Marina de los EE.UU. desarroll la segunda tcnica, denominada la Tcnica
6
de evaluacin y revisin de proyecto (PERT) , para administrar el proyecto de misiles Polaris,
que implicaba aproximadamente 500 tareas y varios miles de subcontratistas. El tiempo requerido
para completar muchas de esas tareas era incierto. Estas dos tcnicas son similares excepto que
CPM se utiliza para administrar proyectos que implican tiempos de tarea determinados y PERT se
usa para aquellos que implican tiempos probables de tarea.
5
Mtodo utilizado para administrar proyectos en que los tiempos requeridos para terminar las tareas
individuales se conocen con relativa certeza.
6
Mtodo utilizado para administrar proyectos en los que los tiempos requeridos para completar las tareas
individuales son inciertos.
170
Derechos Reservados MCA-FIM 2012
ETIQUETA
A
B
C
D
E
F
G
H
I
J
K
L
M
N
DESCRIPCION
Nivel
Subnivel I
Subnivel II
Transversal II
Chimenea de acceso
Chimenea o coladero de minera
Chimenea de ventilacin
Instalacin de tolvas
Chimenea de corte I
Chimenea de corte II
Instalacin de cabrestante
Explotacin
Parte inicial de la galera de rastrillaje
Parte final de la galera de rastrillaje
Aun cuando el orden de las tareas de esta tabla es indiferente, es importante incluir todas las
tareas relevantes desde el principio. Si surgen tareas inesperadas en el curso del proyecto,
pueden ocurrir retrasos por la prisa en terminarlas.
Obtencin de estimaciones de tiempo para cada tarea
Debe estar claro que el tiempo total que lleva completar todo el proyecto depende, de alguna
manera, en cunto tiempo lleva realizar cada tarea individual. Por tanto, se hace necesario obtener
algunas estimaciones de la cantidad de tiempo requerida para completar cada tarea. Puede
desarrollarse una estimacin haciendo lo siguiente:
1.
2.
3.
Suponga que ha obtenido las estimaciones de tiempo para las tareas de este proyecto particular
despus de consultar a los miembros apropiados de cada departamento de mina.
disparos/mes
N taladros
Kg expl m avance
$/m avance
60
60
8
60
16
18
6x4
6x4
7x8
5x4
5x4
5x4
dura
dura
dura
dura
sdura
sdura
1.3
1.3
1.3
1.1
1.1
1.1
30
30
25
20
20
20
16
16
29
15
12
12
7.1
7.1
12.5
6.7
5.3
5.3
135
135
145
120
120
120
15
16
5x4
5x4
dura
dura
1.1
1.1
20
20
15
15
6.7
6.7
120
120
40
25
40
6x4
6x4
dura
sdura
1.3
1.3
45
45
13
12
5.7
5.3
190
130
120
Tiempo medio
m Avance
disparo
Nivel
Subnivel I
Subnivel II
Transversal II
Chimenea de acceso
Chimenea o coladero de minera
Chimenea de ventilacin
Instalacin de tolvas
Chimenea de corte I
Chimenea de corte II
Instalacin de cabrestante
Explotacin
Parte inicial del nivel de rastrillaje
Parte final del nivel de rastrillaje
Tipo de roca
A
B
C
D
E
F
G
H
I
J
K
L
M
N
DESCRIPCION
Seccin (m2)
ETIQUETA
Longitud (m)
40
40
5
68
18
21
14
16
17
14
28
12
16
Para este proyecto, puede sentir que el tiempo requerido para concluir cada tarea se conoce
bastante bien sin ninguna variabilidad significativa. Otros proyectos implican tareas cuyo tiempo de
conclusin es incierto o debe estimarse con una cantidad significativa de incertidumbre.
Creacin de la tabla de precedencia para el proyecto
Como se observ anteriormente, la cantidad de tiempo que toma terminar un proyecto completo se
basa en los tiempos de conclusin de las tareas individuales. Sin embargo, el tiempo de
conclusin total no es igual a la suma de los tiempos de las tareas individuales porque algunas
172
Derechos Reservados MCA-FIM 2012
tareas pueden realizarse simultneamente. Otras tareas, sin embargo, no pueden comenzar hasta
que ciertas tareas anteriores no hayan sido concluidas. Para determinar la cantidad de tiempo
mnima requerida para concluir el proyecto total, debe primero comprender cmo se relacionan las
tareas individuales entre s. Debe identificar qu tarea(s) debe(n) terminarse antes de que otra
tarea comience.
La lista de predecesoras inmediatas de una tarea particular de inters incluye aquellas tareas que:
De todas las tareas que deben terminarse antes de que pueda iniciarse una tarea dada, usted
7
necesita identificar slo las tareas inmediatamente predecesoras . Hacerlo requiere conocer el
proyecto particular y la forma en que las tareas estn relacionadas
8
DESCRIPCION
Nivel
Subnivel I
Subnivel II
Transversal II
Chimenea de acceso
Chimenea o coladero de mineral
Chimenea de ventilacin
Instalacin de tolvas
Chimenea de corte I
Chimenea de corte II
Instalacin de cabrestante
Explotacin
Parte inicial del nivel de rastrillaje
Parte final del nivel de rastrillaje
ESTIMACION
TIEMPO
(dias)
0
40
40
5
68
18
21
14
16
17
14
28
12
16
PREDECESORAS
INMEDIATAS
Ninguna
M
D
A
A
A
A
G,K
L,B
I
N
H
E
F , M
Una tarea que debe concluirse antes de que la tarea de inters pueda iniciarse y que no depende para su
inicio de la conclusin de cualquier otra tarea inmediatamente predecesora de esta lista.
8
Una tabla que enumera las predecesoras inmediatas para cada tarea.
Un diagrama de red que consiste en una coleccin finita de nodos y arcos usados para representar las
tareas y sus relaciones de precedencia en un proyecto.
10
Una convencin usada en un diagrama de red de proyecto en la que cada arco corresponde a una de las
actividades y los dos nodos conectados por ese arco representan el inicio y fin de esa actividad.
173
Derechos Reservados MCA-FIM 2012
11
Fig. 2
Fig. 3
En la figura 1 se puede observar que el arco no tiene un sentido vectorial, sino que es simplemente
una progresin de tiempo .En la figura 2 se muestra que todas las actividades tienen sus sucesos
iniciales y finales, siendo que el suceso final de la actividad precedente es el mismo suceso inicial
de la subsiguiente - Adems puede distinguirse que el primer suceso inicial del proyecto no posee
una actividad que la preceda y el ultimo suceso final no tiene una tarea que la subsiga.
ARCO FICTICIO
Se indica por medio de un arco de trazos, que se denomina tambin "dummy", sirve para denotar
una relacin de precedencia entre dos actividades, pero no por que necesariamente requiere un
trabajo previo, ni tiempo, sino por instancias especiales.
Fig. 4
En la figura 4 que representa el proceso para la explotacin de un tajeo , donde el mineral requiere
ser sometido antes a un anlisis para luego ser acarreando al shut y transportado a la planta, se
11
Una convencin usada en un diagrama de red de proyecto en la que cada nodo representa una tarea, y un
arco conecta dos nodos si un nodo corresponde a una tarea inmediatamente predecesora del otro nodo.
174
Derechos Reservados MCA-FIM 2012
puede observar un caso tpico de una flecha ficticia, que indica la precedencia del muestreo y
resultado del anlisis para su acarreo posterior, con el fin de evitar una dilucin.
RED DE PROYECTO
La red de proyecto sirve como base a la programacin por camino crtico y seala con toda
precisin la secuencia de las actividades, su interrelacin, etc.
A ----- (1 , 2)
Actividad
G ----- (6 , 9)
Actividad
B ---- (2 , 3)
Actividad
H ----- (9 , 10)
Actividad
C ----- (3 , 4)
Actividad
I ----- (3 , 7)
Actividad
D ----- (4 , 5)
Actividad
J ----- (7 , 8)
Actividad
E ----- (5 , 6)
Actividad
K ----- (8 , 10)
Actividad
F ----- (6 , 7)
En resumen, para dibujar una red de proyecto que refleje correctamente las relaciones de
precedencia usando la representacin de actividad en arco, recuerde las siguientes pautas:
a) Construya la red secuencialmente, aadiendo un arco correspondiente a una actividad a la vez,
eligiendo un nodo terminal y preguntndose qu tarea(s) puede empezar entonces. Recuerde
que este nodo representa el punto en el tiempo en el que todas las actividades
correspondientes a los arcos que entran a ese nodo han sido concluidas.
b) Evite los ciclos en los que dos mismos nodos son conectados por ms de un arco.
175
Derechos Reservados MCA-FIM 2012
c) Cuando no exista ningn nodo que represente la conclusin de todas las predecesoras
inmediatas de la nueva tarea a ser aadida, considere la combinacin de nodos, la adicin de
actividades figuradas o de nodos (y actividades) figurados.
d) Al completarse, combine todos los nodos terminales sin arcos que salgan de ellos hacia un
solo nodo para representar el tiempo en que todo el proyecto se concluya.
e) Use la red de proyecto final para enumerar las predecesoras inmediatas de cada tarea;
despus verifique que esas relaciones sean correctas, como se especifica en la tabla de
precedencia.
La red de proyectos para el proyecto de Santa Rosa Mining.
176
Derechos Reservados MCA-FIM 2012
Fig. 8 Tiempos de duracin de cada actividad del proyecto Santa Rosa Mining
1.
El tiempo de inicio ms temprano (IT) , esto es, el tiempo ms inmediato en que esa
tarea puede iniciarse.
2.
13
donde:
A
: Actividad
i, j
: Nodos
TT IT t
12
13
Fig 9. Clculo de los tiempos de inicio y terminacin mas tempranos para el proyecto de Santa Rosa Mining
b.
0 + (tiempo de tarea)
tiempo de tarea
Paso 1.
Seleccione cualquier nodo donde todos los arcos entrantes han sido etiquetados
con sus tiempos de inicio y de terminacin ms breves.
Paso 2.
b.
178
Derechos Reservados MCA-FIM 2012
Ahora puede ver que la forma ms fcil de identificar las tareas crticas es iniciar al final de la red y
proceder hacia atrs, hacia el principio del proyecto, examinando cada tarea. Determinar cules
son crticas, entonces, requiere calcular lo siguiente para cada tarea:
14
1.
El ltimo tiempo de terminacin (UT) -es decir, lo ms tarde que pueda concluirse una
tarea, mientras permita que el proyecto se complete lo ms pronto posible, como se
determin en la seccin 2.1 para el proyecto de Santa Rosa Mining Corp.
2.
El ltimo tiempo de inicio (UI) -es decir, lo ms tarde que pueda iniciarse una tarea, de
tal forma que finalice en su ltimo tiempo de terminacin.
15
Cualquier actividad cuyo ltimo tiempo de inicio sea igual que su tiempo de inicio ms inmediato
calculado en la seccin 2.1 es crtica. Esto se debe a que la nica forma de mantener el proyecto
a tiempo es iniciar esta tarea exactamente en este tiempo comn.
Para calcular el ltimo tiempo de terminacin para una tarea particular, observe que un retraso en
16
esta tarea particular afecta a todas las tareas sucesoras , es decir, aquellas tareas para las que
una tarea es una predecesora, porque las tareas sucesoras no pueden comenzar sino hasta que
sta est terminada. Esta observacin da pie a la siguiente regla, que se aade a las tres reglas
presentadas en la seccin.2.1:
Regla 4. Para calcular el ltimo tiempo de terminacin de una tarea particular, debe conocer
los ltimos tiempos de inicio de cada tarea sucesora inmediata.
Regla 5. Respecto a una tarea de la que se conocen los ltimos tiempos de inicio de todas
sus tareas sucesoras inmediatas, el ltimo tiempo de terminacin de esa tarea es el mnimo
de los ltimos tiempos de inicio de todas las tareas sucesoras inmediatas.
Regla 6. ltimo tiempo de inicio = (ltimo tiempo de terminacin) - (tiempo de tarea)
UI UT t
Fig. 10 Clculo de los ltimos tiempos de inicio y terminacin para el proyecto de Santa Rosa Mining
Lo ms tarde que pueda concluirse una tarea, en tanto permita que el proyecto se complete lo ms pronto
posible.
15
Lo ms tarde que pueda iniciarse una tarea, pero finalizando dentro de su ltimo tiempo de terminacin.
16
179
Derechos Reservados MCA-FIM 2012
b.
Paso 1. Seleccione un nodo, cuyos arcos salientes hayan sido etiquetados todos con sus
ltimos tiempos de inicio y terminacin.
Paso 2. Para el nodo seleccionado en el paso 1, calcule y escriba lo siguiente junto a cada
arco entrante:
a.
b.
Habiendo hecho estos clculos, ahora puede identificar las tareas crticas y no criticas. Para cada
17
tarea, calculemos la holgura (H) de las tareas:
H UT IT t
Usando los clculos de la figura 10 y calculando las holguras se llega al calendario de actividades
mostrado en la tabla 4
Tabla 4 Calendario de actividades y tareas crticas para el proyecto de Santa Rosa Mining
ETIQUETA
B
C
D
E
F
G
H
I
J
K
L
M
N
DESCRIPCION
IT
UI
TT
UT
HOLGURA
Subnivel I
Subnivel II
Transversal II
Chimenea de acceso
Chimenea o coladero
de mineral
Chimenea de
ventilacin
Instalacin de tolvas
Chimenea de corte I
Chimenea de corte II
Instalacin de
cabrestante
Explotacin
Parte inicial del nivel
de rastrillaje
Parte final del nivel de
rastrillaje
Figurada
40
40
5
68
80
5
0
0
120
45
5
68
112
128
123
0
152
168
128
68
32
123
123
0
18
18
62
80
62
21
14
16
16
0
110
152
168
21
124
168
184
89
110
152
168
110
124
168
184
89
0
0
0
14
28
96
124
110
152
96
124
110
152
0
0
12
68
80
68
80
16
0
80
80
96
80
80
80
96
80
0
0
Las holguras en esta tabla representan la cantidad de tiempo segn la cual la tarea
correspondiente puede retrasarse sin retrasar todo el proyecto, suponiendo que todas las demas
tareas se realizan a tiempo. Por ejemplo la Chimenea o coladero de mineral puede comenzar
hasta 89 dias tarde sin retrasar el proyecto.
Tarea crtica es una tarea cuyo tiempo de retraso es 0, lo que indica que cualquier retraso en esta
tarea ocasionara un retraso en la conclusion de todo el proyecto. En el ejemplo son tareas crticas
las tareas E, H, I, J, K, K, L, M y N. Como gerente debe verificar cuidadosamente estas tareas
criticas para mantener el proyecto dentro del calendario.
17
Cantidad de tiempo que una tarea puede retrasarse sin afectar la conclusin del proyecto.
180
Derechos Reservados MCA-FIM 2012
Las dobles lneas corresponden a las tareas crticas para el proyecto Santa Rosa Minino. Como
18
puede ver, estas tareas forman, en conjunto una ruta crtica desde el principio hasta el final del
proyecto. En general puede haber varias rutas crticas; en ese caso, el tiempo es de 184 das.
18
Una secuencia de tareas crticas de un proyecto que conecta el principio del proyecto con el fin.
181
Derechos Reservados MCA-FIM 2012
182
Derechos Reservados MCA-FIM 2012
183
Derechos Reservados MCA-FIM 2012
puede formularse un modelo de programacin lineal para determinar las tareas que deben
agilizarse para lograr un tiempo de conclusin deseado, y a qu costo.
En el ejemplo de Santa Rosa Mining, suponga que el Gerente General decide que un tiempo de
conclusin de 184 das es demasiado largo. Se le ha pedido hacer recomendaciones sobre cmo
puede acortarse el proyecto a 160 das.
Obtencin de datos de costos adicionales para las tareas
Qu tareas del proyecto pueden acortarse y en cunto? Claro est que acortar las tareas
claramente requiere recursos adicionales, como el pago de tiempos extra, personal adicional y/o
subcontrataciones. Por tanto, los primeros pasos son enumerar, para cada tarea:
1.
El tiempo de choque, esto es, el tiempo mnimo posible en el que la tarea puede
concluirse de manera realista usando recursos adicionales.
2.
El costo de los recursos adicionales necesarios para acortar el tiempo de tarea a cualquier
valor entre sus tiempos normal y de choque.
Para obtener el tiempo de choque, puede consultar con las personas involucradas en la tarea. Por
ejemplo, considere la tarea de la chimenea de acceso en el proyecto de Santa Rosa Mining.
Originalmente se estima que esta tarea requiere 68 das. Sin embargo, despus de las
discusiones con el gerente del departamento de diseo, usted descubri que al contratar algo de
ayuda de tiempo parcial y/o usar tiempos extra, la chimenea de acceso podra terminarse en slo
64 das, pero no menos. Por tanto, con recursos adicionales, el tiempo de conclusin de esta tarea
puede acortarse en 4 das a un tiempo de choque de 64 das.
El tiempo cuesta dinero. Para establecer cunto cuesta el tiempo, comience por obtener dos
estimaciones de costo para concluir la tarea en (a) su tiempo normal y (b) su tiempo de choque.
En el proyecto de Santa Rosa Mining, suponga que la chimenea de acceso se estima que cueste
$7200 si se termina en su tiempo normal de 68 das y $7528 si se terminan en su tiempo de
choque de 64 das. De hecho, con una cantidad apropiada de entre $7200 y $7528, puede concluir
esta tarea en cualquier momento entre 68 y 64 das. Sin embargo, la obtencin de las
estimaciones de costo para cada tiempo posible entre las 68 y 64 das puede ser difcil, caro y
llevarse tiempo. Una aproximacin comnmente usada es suponer que los costos se comportan
linealmente dentro del intervalo de tiempo dado, como se muestra en la figura 12. Basndose en
esta suposicin, un costo por unidad de tiempo aproximado puede calcularse usando la siguiente
frmula:
7528 - 7200
68 - 64
= 82
En otras palabras, costar $ 82 adicionales por cada da que se acorte esta tarea.
7550
7500
Costo ($)
7450
7400
7350
7300
7250
7200
7150
63
64
65
66
67
68
69
184
Derechos Reservados MCA-FIM 2012
A
Nivel
B
Subnivel I
C
Subnivel II
D
Transversal II
E
Chimenea de acceso
F
Chimenea o coladero de minera
G
Chimenea de ventilacin
H
Instalacin de tolvas
I
Chimenea de corte I
J
Chimenea de corte II
K
Instalacin de cabrestante
L
Explotacin
M
Parte inicial del nivel de rastrillaje
N
Parte final del nivel de rastrillaje
COSTO TOTAL
40
40
5
68
18
21
14
16
17
14
28
12
16
8,100
8,100
1,160
7,200
1,920
2,160
430
1,800
1,920
350
3,900
4,800
41,840
36
36
4
55
15
18
12
15
16
11
28
10
14
8,380
8,380
1,612
8,528
2,241
3,110
650
2,132
2,360
465
4,020
5,350
4
4
1
13
3
3
2
1
1
3
0
2
2
Costo por da
Reduccin
Mxima
Costo de
Choque
Tiempo de
choque
DESCRIPCION
Tiempo
normal
ETIQUETA
Costo normal
70.0
70.0
452.0
102.2
107.0
316.7
110.0
332.0
440.0
38.3
60.0
275.0
2.
El tiempo de conclusin meta del proyecto (en este caso, 170 das).
Para las restricciones del grupo 1, lo nico que se necesita son las cotas superiores sobre las
variables de decisin, YA, . . . , YN. Los valores mximos de estas variables se proporcionan en la
columna etiquetada 'Reduccin mxima' de la tabla 5. La combinacin de estos valores con la no
negatividad implcita de estas variables da pie a las siguientes restricciones:
(Lmite B)
0 <= YC <= 4
(Lmite C)
0 <= YD <= 1
(Lmite D)
0 <= YE <= 13
(Lmite E)
0 <= YF <= 3
(Lmite F)
0 <= YG <= 3
(Lmite G)
0 <= YH <= 2
(Lmite H)
0 <= YI <= 1
(Lmite I)
0 <= YJ <= 1
(Lmite J)
0 <= YK <= 3
(Lmite K)
0 <= YL <= 0
(Lmite L)
0 <= YM <= 2
(Lmite M)
0 <= YN <= 2
(Lmite N)
comenzar cada tarea individual. Como estos valores son todavia desconocidos y dependen de los
valores de YA, . . . , YN, es aconsejable definir las variabless adicionales para cada nodo en la red
de proyecto de la manera siguiente:
X0 = el tiempo en que todas las tareas que salen del nodo 0 pueden comenzar
X1 = el tiempo en que todas las tareas que salen del nodo 1 pueden comenzar
X2 = el tiempo en que todas las tareas que salen del nodo 2 pueden comenzar
X3 = el tiempo en que todas las tareas que salen del nodo 3 pueden comenzar
X4 = el tiempo en que todas las tareas que salen del nodo 4 pueden comenzar
X5 = el tiempo en que todas las tareas que salen del nodo 5 pueden comenzar
X6 = el tiempo en que todas las tareas que salen del nodo 6 pueden comenzar
X7 = el tiempo en que todas las tareas que salen del nodo 7 pueden comenzar
X8 = el tiempo en que todas las tareas que salen del nodo 8pueden comenzar
X9 = el tiempo en que todas las tareas que salen del nodo 9 pueden comenzar
X10 = el tiempo en que todas las tareas que salen del nodo 10 pueden comenzar
Con estas variables, ahora es posible especificar que el proyecto puede comenzar en el tiempo 0 y
terminar en 160 das con las dos siguientes restricciones:
X0 = 0
(inicio)
(finalizacin)
Todo lo que resta son las restricciones que especifican que una tarea puede comenzar solo
despuers de que sus tareas predecesoras inmediatas hayan concluido. Por ejemplo refiriendose al
nodo 1 de la figura 13, la tarea M puede comenzar solo despues de haber concluido la tarea E.
Como X1 es el tiempo en el que esta tarea puede comenzar, se tiene la siguiente restriccin de
nodo:
Tiempo de inicio de las tareas que salen del nodo 1 >= tiempos de terminacin de todas las tareas
que entran al nodo 1
Tiempo de inicio de M >= tiempo de terminacin de la tarea E
Tiempo de inicio de M >= (tiempo de inicio de la tarea E) + (tiempo acortado de la tarea E)
X1 >= X0 + (68-YE)
(tarea A)
(tarea D)
X3 >= X1 + (12-YM)
(tarea M)
X4 >= X0 + (18-YF)
(tarea F)
X4 >= X3 + 0
(tarea figurada)
X5 >= X4 + (16-YN)
(tarea N)
X6 >= X5 + (14-YK)
(tarea K)
X6 >= X0 + (21-YG)
(tarea G)
X7 >= X6 + (14-YH)
(tarea H)
X8 >= X7 + (28-YL)
(tarea L)
X8 >= X3 + (40-YB)
(tarea B)
X9 >= X8 + (16-YI)
(tarea I)
X9 >= X2 + (40-YC)
(tarea C)
(tarea J)
187
Notemos que por cada tarea real o figurada existe una restriccin.
Aadiendo la no negatividad implcita de las variables X, se obtiene el siguiente modelo de choque
completo:
Minimizar
Dependiendo de:
Restricciones de lmite
0 <= YB <= 4
(Lmite B)
0 <= YC <= 4
(Lmite C)
0 <= YD <= 1
(Lmite D)
0 <= YE <= 13
(Lmite E)
0 <= YF <= 3
(Lmite F)
0 <= YG <= 3
(Lmite G)
0 <= YH <= 2
(Lmite H)
0 <= YI <= 1
(Lmite I)
0 <= YJ <= 1
(Lmite J)
0 <= YK <= 3
(Lmite K)
0 <= YL <= 0
(Lmite L)
0 <= YM <= 2
(Lmite M)
0 <= YN <= 2
(Lmite N)
(inicio)
(finalizacin)
Restricciones de red
X1 >= X0 + (68-YE)
(tarea A)
X2 >= X0 + (5-YD)
(tarea D)
X3 >= X1 + (12-YM)
(tarea M)
X4 >= X0 + (18-YF)
(tarea F)
X4 >= X3 + 0
(tarea figurada)
X5 >= X4 + (16-YN)
(tarea N)
X6 >= X5 + (14-YK)
(tarea K)
X6 >= X0 + (21-YG)
(tarea G)
X7 >= X6 + (14-YH)
(tarea H)
X8 >= X7 + (28-YL)
(tarea L)
X8 >= X3 + (40-YB)
(tarea B)
X9 >= X8 + (16-YI)
(tarea I)
X9 >= X2 + (40-YC)
(tarea C)
(tarea J)
Restricciones de red
X0, ..,X10 >= 0
188
Derechos Reservados MCA-FIM 2012
De los valores de las variables Y se puede ver que para terminar el proyecto en el tiempo meta de
160 das, es necesario acortar los tiempos de la tarea E en 13 das, de la tarea H en 2 das, de la
tarea I en 1 da, de la tarea J en 1 da, de la tarea K en 3 das, de la tarea M en 2 das y de la tarea
N en 2 das. El costo total de hacer esto son $ 3,105.59 adicionales.
ADMINISTRACIN DE PROYECTOS USANDO TIEMPOS DE TAREA PROBABILISTICOS
(PERT)
Al revisar proyectos, un gerente a menudo encuentra retrasos imprevistos al llevar a cabo las
diferentes tareas, lo cual tiene como resultado un correspondiente retraso en el proyecto completo.
Una manera de manejar tales problemas consiste en tomar en cuenta esta variabilidad cuando se
estiman los tiempos de terminacin individuales. En lugar de suponer que los tiempos de tarea se
conocen con certeza, como fue el caso en el ejemplo del proyecto de Santa Rosa Mining en las
secciones 2.1 a 2.4, puede ser ms apropiado estimar los tiempos de tarea, tomando en cuenta la
incertidumbre. Para revisar tales proyectos se requiere un anlisis probabilstico, que se describir
en la presente seccin. A lo largo de ella, se supone que el lector conoce las nociones bsicas de
probabilidad y de estadstica.
1.1.
En las secciones 1.1. a 1.4 se ha realizado la enumeracin de las tareas del proyecto de Santa
Rosa Mining, identificado las relaciones de precedencia y trazado la red de proyectos.
1.2.
Los tiempos de terminacin de estas tareas son bastante variables debido a la incertidumbre de la
obtencin de suministros, el mantenimiento de las relaciones laborales, etctera. As pues, una
sola estimacin del tiempo no es apropiada. Para tomar en cuenta esta variabilidad se requiere el
conocimiento de la distribucin de probabilidad de los tiempos de terminacin de cada tarea. Esto,
a su vez, requiere el conocimiento de los parmetros de la distribucin, entre los que se
encuentran la media y la varianza. La obtencin de la distribucin y de sus parmetros, a menudo,
es difcil y tardada. Sin embargo, un planteamiento que ha resultado ser conflable en la prctica
consiste en aproximar las distribuciones desconocidas mediante una distribucin beta. El anlisis,
en la presente seccin, no requiere la forma exacta de la distribucin, sino solamente del
conocimiento de tres parmetros: el valor mnimo, el valor mximo y el valor ms probable,
presentados en la figura 14.
a + 4m + b
190
Derechos Reservados MCA-FIM 2012
BIBLIOGRAFIA
INVESTIGACIN DE OPERACIONES, Kamlesh Mathur, Daniel Solow, Edit. PrenticeHall Hispanoamericana S.A., 1996, Mxico.
191
Derechos Reservados MCA-FIM 2012