Investigacion Operaciones v3 PDF

INVESTIGACION DE OPERACIONES EN MINERIA
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
Facultad de Ingeniera de Minas

Universidad Nacional del Altiplano
MSc Ing Mario Cuentas Alvarado
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
PACOCOCHA ........................................................................................................................................... 96
USO DE LINDO .......................................................................................................................................... 101
SINTAXIS DEL MODELO LINDO ........................................................................................................ 101
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

PROBLEMAS DE REDES DE DISTRIBUCIN: TRANSPORTACIN, ASIGNACIN Y

TRANSBORDO .......................................................................................................................................... 149
QU ES UNA RED DE DISTRIBUCIN? ........................................................................................ 149
EL PROBLEMA DE TRANSPORTACIN ......................................................................................... 150
EL PROBLEMA DE ASIGNACIN ..................................................................................................... 157
EL PROBLEMA DE TRANSBORDO .................................................................................................. 165
CAPITULO VI .............................................................................................................................................. 170
ADMINISTRACIN DE PROYECTOS: .................................................................................................. 170
PERT - CPM ................................................................................................................................................ 170
DESARROLLO DE LA RED DE PROYECTOS ................................................................................ 171
Identificacin de las tareas individuales .................................................................................... 171
Obtencin de estimaciones de tiempo para cada tarea ......................................................... 172
Creacin de la tabla de precedencia para el proyecto ............................................................ 172
Trazo de la red de proyectos ......................................................................................................... 173
ARCO ................................................................................................................................................... 174
ARCO FICTICIO ................................................................................................................................. 174
La red de proyectos para el proyecto de Santa Rosa Mining. .............................................. 176
ADMINISTRACIN DE PROYECTOS USANDO TIEMPOS DETERMINSTICOS (CPM) ........ 176
Clculo del tiempo de terminacin de proyecto ........................................................................... 176
Identificacin de las tareas crticas ................................................................................................. 178
Administracin de proyectos con tiempos determinsticos de tarea: uso de la
computadora .......................................................................................................................................... 181
Expedicin de un proyecto usando tcnicas de crashing ......................................................... 183
Obtencin de datos de costos adicionales para las tareas ....................................................... 184
Desarrollo del modelo de choque .................................................................................................... 185
Resolucin del modelo de choque................................................................................................... 189
ADMINISTRACIN DE PROYECTOS USANDO TIEMPOS DE TAREA PROBABILISTICOS
(PERT).......................................................................................................................................................... 189
BIBLIOGRAFIA .......................................................................................................................................... 191
iii

CAPITULO I
INTRODUCCION A LA INVESTIGACION DE OPERACIONES
1.1.
QU ES LA INVESTIGACIN DE OPERACIONES?
En la ciencia de la administracin (que tambin se conoce como investigacin de

operaciones), los administradores utilizan las matemticas y las computadoras para tomar
decisiones racionales en la resolucin de problemas. Aunque algunos problemas son lo bastante
simples como para que un administrador pueda aplicar su experiencia personal para resolverlos,
en el complejo mundo actual muchos problemas no pueden resolverse de esta manera. La
evaluacin de cada alternativa es demasiado difcil o tardada debido a la cantidad y complejidad de
la informacin que debe ser procesada o porque el nmero de soluciones alternativas es tan vasto
que un administrador simplemente no puede evaluarlas todas para seleccionar una apropiada.
Las tcnicas de la administracin se aplican a las siguientes dos categoras bsicas de problemas:
1. Problemas determinsticos, en los que toda la informacin necesaria para obtener una
solucin se conoce con certeza.
2. Problemas estocsticos, en los que parte de la informacin necesaria no se conoce con
certeza, sino ms bien se comporta de una manera probabilstica.
La resolucin de un problema determinstico es similar a decidir en cul aerolnea comprar boleto
para volar hoy de Nueva York a Los ngeles dado que se pueden obtener exactamente las
mismas tarifas en todas las aerolneas. En contraste, considere hacer el mismo viaje dentro de un
mes. El decidir si comprar el mejor boleto disponible hoy o arriesgarse a esperar una mejor tarifa
es un problema estocstico, porque no se conocen las tarifas futuras. La obtencin de soluciones
a estos dos grupos de problemas de decisin -determinsticos y estocsticos- a menudo requiere
de tcnicas de administracin muy diferentes.
1.2.
HISTORIA DE LA INVESTIGACIN DE OPERACIONES
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

grupos, especialmente en el rea de la deteccin por radar, se consideran vitales en el triunfo de la

guerra area de Gran Bretaa.
Despus de la Segunda Guerra Mundial, los administradores de la industria reconocieron el valor
de aplicar tcnicas similares a sus complejos problemas de decisin. Los primeros esfuerzos se
dedicaron a desarrollar modelos apropiados y procedimientos correspondientes para solucionar
problemas que surgan en reas tales como la programacin de refineras de petrleo, la
distribucin de productos, la planeacin de produccin, el estudio de mercados y la planeacin de
inversiones. Estos procedimientos de soluciones se hicieron posibles con el advenimiento de
computadoras de alta velocidad, porque la resolucin del tpico problema de investigacin de
operaciones requiere demasiados clculos para ser realizados prcticamente a mano. El uso de
tcnicas de administracin ha aumentado con los avances en los clculos hasta el punto en que
actualmente estas tcnicas son empleadas rutinariamente en una computadora de escritorio para
solucionar muchos problemas de decisin.
1.3.
METODOLOGA DE LA INVESTIGACIN DE OPERACIONES
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.
Figura 1.1 La metodologa de la investigacin de operaciones.

1.3.1.
Definicin del problema
El primer paso es identificar, comprender y describir, en trminos precisos, el problema que la

organizacin enfrenta. En algunos casos, el problema est bien definido y es claro.
En otras situaciones, el problema puede no estar tan bien definido y puede requerir bastantes
discusiones y consenso entre los miembros del equipo de proyectos. Por ejemplo, puede haber
varios objetivos que entren en conflicto. Tal vez usted desee maximizar la satisfaccin del cliente
y, sin embargo, tambin minimizar los costos totales. Es improbable que pueda lograr ambas
metas. Se tendrn que tomar decisiones corporativas respecto a un objetivo global. Algunas
veces la cuantificacin del objetivo mismo es difcil. Por ejemplo, cmo se mide la "satisfaccin
del cliente"? Todas estas cuestiones deben resolverse y clarificarse por consenso del equipo de
proyectos durante la fase de definicin del problema.
1.3.2.
Desarrollo de un Modelo Matemtico y Recoleccin de Datos

2

Despus de que el problema est claramente definido y comprendido, el siguiente paso es

expresar el problema en una forma matemtica, esto es, formular un modelo matemtico. Una vez
construido el modelo, existen muchas tcnicas matemticas disponibles para obtener la mejor
solucin, a pesar del vasto nmero de alternativas y/o de la complejidad implicada.
1.3.3.
Resolucin del Modelo Matemtico
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.
Validacin, Instrumentacin y Control de la Solucin
Despus de resolver el modelo matemtico, es extremadamente importante validar la solucin,

es decir, revisar la solucin cuidadosamente para ver que los valores tienen sentido y que las
decisiones resultantes puedan llevarse a cabo. Algunas de las razones para hacer esto son:
1.
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.
Modificacin del Modelo
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

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.
USOS Y VENTAJAS DE LOS MODELOS DE INVESTIGACIN DE OPERACIONES
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:
Cmo puede la empresa programar de la manera ms eficiente la fuerza de trabajo

semanalmente?
Cul es el plan de produccin mensual ptimo?
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

Los pasos generales comprendidos en la aplicacin de las tcnicas de la administracin para

resolver problemas de decisin determinsticos y estocsticos son los siguientes:
a) Definicin del problema, mediante su identificacin y comprensin de manera que pueda
expresarle de manera precisa.
b) Desarrollar un modelo matemtico, a menudo identificando variables de decisin, un
objetivo matemtico global y limitaciones.
c) Resolucin del modelo, usando una tcnica de administracin apropiada.
d) Validacin de la solucin, usando la intuicin y la experiencia para determinar si la solucin
obtenida del modelo tiene sentido y puede llevarse a cabo de manera realista. Si no,
puede ser necesario que modifique el modelo adecuadamente para obtener la nueva
solucin.
e) Poner en prctica y supervisar la solucin; si se encuentran resultados no anticipados, o si
los datos cambian, necesitar modificar el modelo en consecuencia y validar la nueva
solucin.
5

CAPITULO II
CONSTRUCCION DE MODELOS DETERMINISTICOS
2.1.
PASOS GENERALES Y TCNICAS DE LA CONSTRUCCIN DE MODELOS

MATEMTICOS
En el captulo 1 aprendi que el primer paso al usar tcnicas de administracin es identificar y

describir el problema. El siguiente paso es formular el problema en un marco matemtico. Esta
seccin proporciona pasos y tcnicas sistemticas que puede aplicar al formular sus propios
modelos determinsticos. Para ilustrar, considere el problema enfrentado por la gerencia de
produccin de Case Chemicals.
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.
Case Chemicals tiene una provisin casi limitada 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.
Como gerente de produccin, usted desea determinar el plan de produccin semanal ptimo para
Case Chemicals. (Qu cantidad de cada solvente debe producir Case Chemicals para maximizar
la ganancia?
El objetivo ahora es convertir esta descripcin cualitativa del problema a una forma matemtica
que pueda resolverse. Este proceso es llamado formulacin del problema y generalmente
implica cuatro pasos, cada uno de los cuales es descrito en las siguientes secciones.
Identificacin de las variables de decisin
El primer paso en la formulacin del problema es identificar las variables de decisin, a menudo
simplemente llamadas variables. Los valores de estas variables, una vez determinados,
proporcionan la solucin al problema. Para el ejemplo 2.1, usted puede identificarlas variables de
decisin preguntndose qu informacin necesita proporcionar al personal de produccin, los
departamentos de mezclado y purificacin, para que sepan cmo proceder. Su respuesta a esta
pregunta debera ser:
6

1. El nmero de miles de galones de CS-01 por producir semanalmente.

2. El nmero de miles de galones de CS-02 por producir semanalmente.
Como los valores de estos elementos no se conocen todava, a cada variable de decisin se le da
un nombre simblico. Usted puede elegir el nombre simblico que quiera, pero encontrar til
seleccionar un nombre simblico que le recuerde la cantidad que la variable de decisin
representa. Para el ejemplo que estamos viendo, podra crear las siguientes variables,
correspondientes a los dos elementos identificados anteriormente:
CS1 = el nmero de miles de galones de CS-01 por producir semanalmente
Observe que estas descripciones son precisas. Incluyen las unidades asociadas con las
cantidades que las variables representan (miles de galones, en este caso). No es suficiente definir
una variable como la "cantidad" de un elemento, porque para las otras personas que leyeran su
formulacin, el trmino "cantidad" podra tener varios significados (por ejemplo, miles de litros en
este caso).
La necesidad de identificar las variables de decisin correctamente es vital. De otra manera, la
formulacin de un modelo vlido que capte todos los aspectos del problema es imposible. La
eleccin de estas variables no es nica, y no existen reglas fijas. Sin embargo, las siguientes
pautas son tiles en la identificacin de un conjunto adecuado de variables de decisin para
virtualizar cualquier problema.
CARACTERSTICAS CLAVE
Pautas generales para identificar variables de decisin
Qu elementos afectan los costos y/o ganancias (o, en general, el objetivo global)?
Qu elementos puede elegir y/o controlar libremente? Qu decisiones tiene que tomar?
Qu valores, una vez determinados, constituyen una solucin para el problema? Pngase en la
posicin de alguien que tiene que implantar su solucin, y luego pregntese qu informacin se
requiere.
Para el ejemplo 2.l, las respuestas a todas estas preguntas son iguales y lo llevan a identificar las
variables de decisin como el nmero de miles de galones de CS-01 y CS-02 por producir
semanalmente.
Identificacin de los datos del problema
La finalidad de resolver un problema es proporcionar los valores reales para las variables de
decisin que ha identificado. Usted requiere conocer cierta informacin para ayudar a determinar
esos valores. Por ejemplo, para determinar las cantidades reales de.los dos solventes a producir
para maximizar las ganancias corporativas, necesitar saber:
1. El nmero de horas de trabajo disponibles en el departamento de mezclado.
2. El nmero de horas de trabajo disponibles en el departamento de purificacin.
3. La cantidad de ganancias obtenidas al producir y vender cada tipo de solvente.
Estas cantidades constituyen los datos del problema. En problemas determinsticos, se requiere
conocer (u obtener) estos valores en el momento de formular el problema. Para Case Chemicals:
1. Como se estableci en la descripcin del problema, el departamento de mezclado tiene cinco
trabajadores de tiempo completo (40 horas cada uno)y dos trabajadores de tiempo parcial (15
horas cada uno). Esto da un total de 230 horas de trabajo a la semana en el departamento de
mezclado.
2. De manera similar, los seis trabajadores de tiempo completo (40 horas cada uno) y el
trabajador de tiempo parcial (10 horas) representan un total de 250 horas de trabajo a la
semana en el departamento de purificacin.
3. 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 CS-02.
7

A diferencia de las variables de decisin, cuyos valores usted puede controlar, usted no puede
controlar directamente los valores de los datos.
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.
Identificacin de la funcin objetivo

El siguiente paso en la formulacin del problema es expresar el objetivo organizacional global en
forma matemtica usando las variables de decisin y los datos conocidos del problema. Esta
expresin, la funcin objetivo, generalmente se crea en tres etapas.
1. Establecer el objetivo en forma verbal. Para el ejemplo 2.1, este objetivo es:
Maximizar la ganancia semanal total de la produccin de CS-01 y CS-02
2. Donde sea adecuado, descomponer el objetivo en una suma, diferencia o producto de
cantidades individuales. Para el ejemplo 2. 1, la ganancia total puede calcularse como la
suma de la ganancia de CS-01 y la de CS-02:
Maximizar ganancia = (ganancia de CS-01) + (ganancia de CS-02)
3. Expresar las cantidades individuales matemticamente usando las variables de decisin otros
datos conocidos en el problema.
Para lograr la tarea en la tercera etapa, a menudo es til elegir algunos valores especficos para
las variables de decisin y luego usar esos valores para determinar la forma en que se calcula la
funcin objetivo. Se hace referencia a esta tcnica como trabajo a travs de un ejemplo
especfico. En el ejemplo 2.l, supongamos que se producen 10 mil galones de CS-01 y 20 mil
galones de CS-02 (as que CS, = 10 y CS 2= 20). El departamento de contabilidad le ha dicho que
cada mil galones de CS-01 contribuye con $300 a la ganancia y que cada mil galones de CS-02
contribuye con $500. Se puede escribir:
Ganancia de CS-01 = 300(10) = $ 3 000 + Ganancia de CS-02 = 500(20) = $ 10 000
Ganancia total
= $ 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
Este problema ilustra las siguientes caractersticas clave:
Creacin de la funcin objetivo mediante:
a.
Enunciado del objetivo de manera verbal.
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

Identificacin de las restricciones

Trabajar con un ejemplo especfico para determinar cmo se expresa la funcin objetivo en una
forma matemtica, eligiendo valores especficos para las variables de decisin y realizando los
clculos necesarios.
Su objetivo es maximizar las ganancias. La funcin objetivo le dice que mientras ms grande sea
el valor de las variables, ms grande ser la ganancia. Pero el mundo real pone un lmite en los
valores que puede asignar a estas variables. En el ejemplo 2. 1, os departamentos de mezclado y
purificacin tienen ciertas restricciones fsicas: un nmero limitado de horas de trabajo disponible
cada uno. Estas limitaciones, as como otras consideraciones que imponen restricciones sobre los
valores de las variables, son las restricciones. El paso final en la formulacin del problema es
identificar estas restricciones y escribirlas en forma matemtica.
Las restricciones son condiciones que las variables de decisin deben satisfacer para constituir
una solucin "aceptable". Estas restricciones por lo general surgen de:
1.
Limitaciones fsicas (el nmero limitado de horas de trabajo en los departamentos de
mezclado y purificacin, por ejemplo).
2. Restricciones impuestas por la administracin (por ejemplo, sta pudo haber prometido una
cierta cantidad de un producto a un cliente estimado).
3. Restricciones externas (por ejemplo, Case Chemicals no puede vender ms de 120 mil galones
de CS-02 a la semana, y no hay razn para producir ms que la cantidad demandada).
4. Relaciones implicadas entre variables (por ejemplo, en el problema de inversin de Mark de la
seccin 1.1, las dos fracciones que representan la proporcin de dinero a invertir en los dos
fondos debe sumar l).
5. Restricciones lgicas sobre variables individuales (por ejemplo, el nmero de carros producidos
debe ser un nmero entero, y Case Chemicals no puede producir una cantidad negativa de
solventes).
Despus de identificar estas restricciones, debe expresaras en forma matemtica usando las
variables de decisin y otros datos del problema. Este proceso es idntico al usado para
especificar la funcin objetivo.
Expresar las restricciones en forma verbal.
Cuando es apropiado, descomponer la restriccin en una suma, diferencia y/o producto de
cantidades individuales.
Trabaja con un ejemplo especfico para expresar las cantidades individuales en una forma
matemtica, usando las variables de decisin y otros datos conocidos del problema.
Considere las restricciones del ejemplo 2. l.
RESTRICCIN DE TRABAJO EN EL DEPARTAMENTO DE MEZCLADO (LIMITACIN FSICA)
Forma verbal:
Horas totales usadas en el mezclado no pueden exceder de 230 Horas
Descomposicin: Horas usadas @ para CS-01 + Horas usadas @

exceder de 230
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
+ Horas para 10 mil galones de CS-02 = 1(10)
= 10
Total de horas en el mezclado = 2(15) + 1(10) = 40

El propsito de usar este ejemplo numrico especfico es ayudarle a escribir una restriccin
matemtica general cuando los valores de las variables (CS, y CS2, en este caso) no se conocen.
De los clculos anteriores, usted obtiene la siguiente restriccin matemtica general:
2CSI +1CS2 < 230
RESTRICCIN DE TRABAJO EN EL DEPARTAMENTO DE PURIFICACIN (LIMITACIN
FSICA)
Forma verbal:
Horas totales usadas
no pueden exceder de 250 en la purificacin
Horas
Descomposicin:
Horas
usadas
@ para CS-01
Matemticas:
1CS1
usadas
no pueden exceder de 250
para CS-02
2CS 2
<
250
RESTRICCIN DE LMITE (LIMITACIN EXTERNA)

La limitacin de que a lo ms pueden venderse 120 mil galones de CS-02 da pie a la siguiente
restriccin sobre el valor de CS 2 :
CS2 < 120
RESTRICCIN DE NO NEGATIVIDAD (LIMITACIONES LOGICAS)
Claro est que usted sabe que los valores de estas variables de decisin deben ser no negativos,
esto es, cero o positivos. Tales restricciones implcitas de las que usted est consciente deben
hacerse explcitas en la formulacin matemtica. Para este problema, debe incluir las siguientes
restricciones:
cs 1> 0
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
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

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.
EJEMPLOS DE FORMULACIN DE MODELOS MATEMTICOS
2.2.1.
Problemas de planeamiento de produccion
2.2.1.1. Planeamiento de produccion del Sindicato Minero Pacococha SA

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:
Vetas
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
Paso 2: Identificacin de los datos del problema

a)
Costo de 1 tonelada de mineral extrada de la veta Colquechaca: $ 7,0
b)
Costo de 1 tonelada de mineral extrada de la veta 10 de mayo: $ 9,0
c)
Ley de plata del mineral extrado de la veta Colquechaca: 4,0 onz/ton
d)
Ley de plata del mineral extrado de la veta 10 de mayo 16,0 onz/ton

11

e)
Ley de plomo del mineral extrado de la veta Colquechaca: 3,5%
f)
Ley de plomo del mineral extrado de la veta 10 de mayo: 1,15%
g)
Precio de la plata: $ 20,0 /onz
h)
Precio del plomo 0,70 $/lb
i)
Capacidad de la planta concentradora: 95 ton/da.
j)
Ley mnima de cabeza de plata de la planta concentradora: 6 onz/ton.
k)
Ley mxima de cabeza de plata de la planta concentradora: 8 onz/ton.
l)
Ganancia por 1 tonelada de mineral de la veta Colquechaca

= ingreso por plata + ingreso por plomo costo de produccin
= 4 onz/ton x $ 20,0/onz +0,035 x 2 200lb/ton x $0,70/lb $ 7,0/ton
= $ 126,9 /ton.
m) Ganancia por 1 tonelada de mineral de la veta 10 de mayo

= ingreso por plata + ingreso por plomo costo de produccin
= 16 onz/ton x $ 20,0/onz +0,0115 x 2 200lb/ton x $0,70/lb $ 9,0/ton
= $ 328,71 /ton.
Paso 3 Identificacin de la funcin objetivo
FV: Maximizar la ganancia por venta de mineral
D:
Maximizar (ganancia por mineral de la veta Colquechaca + ganancia por mineral de la veta 10 de
mayo)
FM: Maximizar 126,9 Xc + 328,71 Xm
Paso 4 Identificacin de las restricciones

a)
Capacidad de la planta concentradora
FV: La capacidad de tratamiento de la planta es de 95 ton de mineral por da

D : (el mineral procedente de la veta Colquechaca + el mineral procedente de la veta 10 de mayo) debe
ser mximo 95 toneladas
FM: Xc + Xm <= 95
b)
Ley mnima de cabeza de plata de la planta concentradora
FV: la ley mnima de cabeza es de 6 onz/ton

D : ((contenido de plata en el mineral de Colquechaca + contenido de plata en el mineral de 10 de
mayo)/(tonelaje de mineral de Colquechaca + tonelaje de mineral de 10 de mayo)) debe ser mayor
de 6 onz/ton
4 Xc 16 Xm
Xc Xm 6
FM: - Xc + 5 Xm >= 0
c)
Ley mxima de cabeza de plata de la planta concentradora
FV: la ley mxima de cabeza es de 8 onz/ton

D : ((contenido de plata en el mineral de Colquechaca + contenido de plata en el mineral de 10 de
mayo)/(tonelaje de mineral de Colquechaca + tonelaje de mineral de 10 de mayo)) debe ser menor
de 8 onz/ton
4 Xc 16 Xm
Xc Xm 8
FM: - Xc + 2,0 Xm <= 0
ganancia = ganancia por 1 ton de mineral x nmero de toneladas de mineral a extraer.

12

d)
Restricciones lgicas
Xc y Xm >= 0
Paso 5 Formulacin matemtica del modelo

Maximizar 126,9 Xc + 328,71 Xm
Sujeto a:
Xc +
Xm
<= 95
- Xc + 5 Xm
>= 0
- Xc + 2 Xm
<= 0
Xc y
Xm
>= 0
Donde:
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
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.
2.2.1.2. Planeamiento de produccion de una compaa minera

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:
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
La compaa se ha comprometido a entregar 540 toneladas de mineral de alta calidad y 650 de

baja calidad en el plazo de una semana. Los contratos firmados le garantizan la paga del da
completo por cada da o fraccin que la mina est abierta.
Formule el modelo matemtico correspondiente para determinar el nmero de das que debe
funcionar cada mina durante la prxima semana para cumplir el compromiso con un costo mnimo.
Solucin:
M1 = el nmero de das que trabaja la mina 1
M2 = el nmero de das que trabaja la mina2
M3 = el nmero de das que trabaja la mina 3

a)
Capacidad de produccin de mineral de alta calidad de la mina 1: 40 ton/da
b)
c)

13

d)
Capacidad de produccin de mineral de baja calidad de la mina 1: 40 ton/da
e)
f)
g)
Costo de operacin de la mina 1: 20 000 dlares/da
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: Minimizar el costo de operacin semanal de las unidades mineras de la empresa.
D : Minimizar (costo de operacin de la mina 1 + costo de operacin de la mina 2 + costo de operacin
de la mina 3)
FM: Minimizar 20 000 M1 + 22 000 M2 + 18 000 M3

a)
Compromiso de entrega de mineral de alta calidad
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)
Compromiso de entrega de mineral de baja calidad
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)
Nmero de das trabajados por semana
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)
M1, M2 y M3 >= 0 y enteros

Minimizar 20 000 M1 + 22 000 M2 + 18 000 M3
Sujeto a:
40 M1 + 60 M2 + 10 M3 >= 540
40 M1 + 40 M2 +610 M3 >= 650
M1 <= 7
M2 <= 7
14

M3 <= 7
M1, M2 y M3 >= 0 y enteros
Donde
M1
= el nmero de das que trabaja la mina 1
M2
= el nmero de das que trabaja la mina2
M3
2.2.1.3. Planeamiento de produccion de explosivos

Dos fbricas de explosivos producen 3 tipos de diferentes dinamitas, de bajo, medio y alto grado.
Se tiene un contrato de venta para vender 15 cajas de dinamita de bajo grado, 2 cajas de dinamita
de medio grado y 10 cajas de alto grado, los costos de operacin son de $ 2 720,0/da para la
primera fbrica y $ 3 200,0/da para la segunda.
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; la fbrica 2 produce 2 cajas de bajo grado, 1 caja de grado medio y 7 cajas de
alto grado por da.
Formule un modelo matemtico para determinar el nmero de das que debe trabajar cada fbrica
para cumplir con el mencionado contrato en la forma mas econmica.
Solucin:
F1 = el nmero de das que trabaja la fbrica 1
F2 = el nmero de das que trabaja la fbrica 2

n)
Contrato de venta para dinamita de bajo grado: 15 cajas
o)
Contrato de venta para dinamita de medio grado: 2 cajas
p)
Contrato de venta para dinamita de alto grado: 10 cajas
q)
Costo de operacin de la fbrica 1: $ 2 720,0 por da
r)
Costo de operacin de la fbrica 2: $ 3 200,0 por da
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.

FV: Minimizar el costo de operacin total de las fbricas
D : Minimizar (costo de operacin de la fbrica 1 + costo de operacin de la fbrica 2)
FM: Minimizar 2 720 F1 + 3 200 F2

e)
Compromiso de venta de dinamita de bajo grado
FV: La produccin de dinamita de bajo grado debe ser al menos 15 cajas

D : (produccin de dinamita de bajo grado de la fbrica 1 + produccin de dinamita de bajo grado de la
fbrica 2) debe ser al menos 15 cajas
FM: 8 F1 + 2 F2 >= 15
f)
Compromiso de venta de dinamita de medio grado

15

FV: La produccin de dinamita de medio grado debe ser al menos 2 cajas

D : (produccin de dinamita de medio grado de la fbrica 1 + produccin de dinamita de medio grado
de la fbrica 2) debe ser al menos 2 cajas
FM: F1 + F2 >= 2
g)
Compromiso de venta de dinamita de alto grado
FV: La produccin de dinamita de alto grado debe ser al menos 10 cajas

D : (produccin de dinamita de alto grado de la fbrica 1 + produccin de dinamita de alto grado de la
fbrica 2) debe ser al menos 10 cajas
FM: 2 F1 + 7 F2 >= 10
h)
F1 y, F2 >= 0 y enteros

Minimizar 2 720 F1 + 3 200 F2
Sujeto a:
8 F1 + 2 F2
>= 15
F1 + F2
>= 2
2 F1 + 7 F2
>= 10
F1 y, F2
>= 0 y enteros
Donde
F1
= el nmero de das que trabaja la fbrica 1
F2
= el nmero de das que trabaja la fbrica 2
2.2.1.4. Planeamiento de transporte de concentrado

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. Se pregunta Cual es el nmero ptimo de camiones
de ambas clases que deben movilizarse para transportar el concentrado?
Solucin:
a. Formulacin del modelo matemtico
CG = el nmero de camiones grandes empleados por semana.
CM = el nmero de camiones medianos empleados por semana.

a)
La compaa posee 10 camiones con capacidad de 20 toneladas.
b)
La compaa posee 5 camiones con capacidad de15 toneladas.
c)
El costo de operacin de un camin grande es de $0,30 / km.
d)
El costo de operacin de un camin mediano es de $0,25 / km.
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


FV: Minimizar el costo de operacin de los camiones a movilizar
D : Minimizar (costo de operacin de los camiones grandes a movilizar + costo de operacin de los
camiones medianos a movilizar)
FM: Minimizar 240 CG + 200 CM

a)
Tonelaje a transportar
FV: La compaa debe transportar 200 toneladas de concentrado

D : (toneladas de concentrado transportado por camiones grandes + toneladas de concentrado
transportado por camiones medianos ) es igual 200 toneladas de concentrado
FM: 20 CG + 15 CM = 200
b)
Relacin de reserva de camiones
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
FV: La compaa puede utilizar un mximo de 10 camiones grandes

FM: CG <= 10
De manera similar para los camiones medianos
CM <= 5
d)
CG y CM >= 0

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
2.2.1.5. Planeamiento de produccion de un taller de metalmecanica

Una compaa elabora cuatro productos metlicos: a, b, c y d, los cuales fluyen a travs de cuatro
departamentos taladrado, torneado, fresado y ensamblado. Las horas para el tiempo en el
departamento, que se requiere para cada uno de los productos por unidad son:
Producto
Taladrado
Torneado
Fresado
Ensamblado
17

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
Formule el modelo matemtico correspondiente.

Solucin:
A = El nmero de unidades del producto a a producir.
B = El nmero de unidades del producto b a producir.
C = El nmero de unidades del producto c a producir.
D = El nmero de unidades del producto d a producir.

a)
b)
Horas de proceso empleados en los departamentos para producir los productos

Producto
Taladrado
Torneado
Fresado
Ensamblado
Utilidades generadas por los productos

Contribucin
Producto
c)
($)/unidad
18
14
11
Horas disponibles por departamento de produccin
18

Departamento
Horas disponibles
Taladrado
70
Torneado
80
Fresado
90
Ensamblado
100

FV: Maximizar las utilidades de la empresa
D:
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)
FM: Maximizar 9A +18B +14 C +11 D

a)
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)
Departamentos de torneado, fresado y ensamblado

De manera similar al caso anterior:
Departamento de torneado:
2B + 4C + 6D <= 80
Departamento de fresado:
3A + 4B + 5D <= 90
Departamento de ensamblado:
4A + 6B + 5C + 3D <= 100
c)
A, B, C y D >= 0 y enteros.

Maximizar 9A +18B +14 C +11 D
Sujeto a:
3A + 7B + 4C <= 70
2B + 4C + 6D <= 80
3A + 4B + 5D <= 90
4A + 6B + 5C + 3D <= 100
A, B, C y D >= 0 y enteros.
Donde
A = El nmero de unidades del producto a a producir.
B = El nmero de unidades del producto b a producir.
C = El nmero de unidades del producto c a producir.
D = El nmero de unidades del producto d a producir.
19

2.2.1.6. Planeamiento de produccion de bombas

Una compaa produce dos tipos de bombas. Cada bomba del tipo 1 requiere el doble de tiempo
en mano de obra que el segundo tipo. Si todas las bombas son del tipo 2, la compaa puede
producir un total de 500 bombas al da. El mercado limita las ventas diarias del tipo 1 y 2 a 150 y
250 bombas respectivamente. Suponga que los beneficios por cada bomba son $80 para el tipo 1 y
$50 para el tipo 2. determine el nmero de bombas a ser producidos de cada tipo para maximizar
el beneficio.
Solucin:
a. Formulacin del modelo matemtico
B1 = el nmero de bombas del tipo 1 producidas por da.
B2 = el nmero de bombas del tipo 2 producidas por da

a)
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)
La venta mxima de bombas de tipo 1 es de 150 unidades.
d)
La venta mxima de bombas de tipo 2 es de 250 unidades.
e)
El beneficio por la venta de una bomba de tipo 1 es de $80,0.
f)
El beneficio por la venta de una bomba de tipo 2 es de $50,0.

FV: Maximizar los beneficios obtenidos por la venta de bombas. .
D : Maximizar (beneficios por la venta de bombas del tipo 1 + beneficios por la venta de bombas del
tipo 2)
FM: Maximizar 80 B1 + 50 B2
a)
Tiempo en mano de obra
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)
B1 y B2 >= 0

Maximizar 80 B1 + 50 B2
Sujeto a:
20

2B1 + B2 <= 500

B1 <= 150
B2 <= 250
B1 y B2 >= 0
Donde
B1 = el nmero de bombas del tipo 1 producidas por da.
B2 = el nmero de bombas del tipo 2 producidas por da
2.2.2.
Ejemplos de problemas de redes: el problema de transporte
2.2.2.1. Transporte de automoviles

Un fabricante de automviles tiene un contrato para exportar 400 automviles de modelo A y 500
del modelo B. El automvil modelo A ocupa un volumen de 12 metros cbicos y el modelo B ocupa
un volumen de 15 metros cbicos. Se dispone de 3 barcos para transportar los automviles. Estos
llegaran al puesto de destino, a principios de enero, mediados de febrero y fines de marzo,
respectivamente. El primer barco solo transporta automviles modelo A a un costo de 450 dlares
por automvil. El segundo y tercer barco transportan ambos modelos a un costo de 35 y 40 dlares
por metro cbico respectivamente. El primer barco solo puede acomodar 200 automviles y el
segundo y tercero tienen disponibles volmenes de 4500 y 6000 metros cbicos. Si el fabricante se
ha comprometido a entregar al menos 250 del modelo A y 200 del modelo B para mediados de
febrero, y el resto para fines de marzo, Cul es modelo matemtico a desarrollar para minimizar
el costo total?
Solucin:

AB1e = el nmero de automviles de modelo A a ser transportados en el barco 1 que llega a principios
de enero.
AB2f = el nmero de automviles de modelo A a ser transportados en el barco 2 que llega a mediados
de febrero.
BB2f = el nmero de automviles de modelo B a ser transportados en el barco 2 que llega a mediados
de febrero.
AB3m = el nmero de automviles de modelo A a ser transportados en el barco 3 que llega a fines de
marzo.
BB3m = el nmero de automviles de modelo B a ser transportados en el barco 3 que llega a fines de
marzo.
21


a)
El fabricante debe exportar 400 automviles del modelo A.
b)
El fabricante debe exportar5400 automviles del modelo B.
c)
El modelo A de automvil ocupa 12 m .
d)
El modelo B de automvil ocupa 15 m .
e)
El costo de transporte de los automviles se presenta en el siguiente cuadro:
3
3
Costo de transporte ($/automvil)

Barco 1
Barco 2
Barco 3
Modelo A
450
35*12 = 420
35*15 = 525
Modelo B
40*12 = 480
40*15 = 600
f)
El barco 1 solo puede transporta automviles de modelo A.
g)
La capacidad del barco 1 es de 200 automviles de modelo A.
h)
La capacidad del barco 3 es de 4500 m .
i)
La capacidad del barco 3 es de 6000 m .
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: Minimizar el costo de transporte de automviles
D : Minimizar (costo de transporte de automviles antes de mediados de febrero + costo de transporte
de automviles para fines de marzo)
FM: Minimizar 450AB1e + 420AB2f + 480BB2f + 525AB3m + 600BB3m

i)
Contrato para exportar automviles del modelo A
FV: Se debe transportar 400 automviles del modelo A

D : (transporte de automviles de modelo A antes de inicios de enero + transporte de automviles de
modelo A antes de mediados de febrero + transporte de automviles de modelo A para fines de
marzo) debe ser 400
FM: AB1e + AB2f + AB3m = 400
j)
Contrato para exportar automviles del modelo B
FV: Se debe transportar 500 automviles del modelo B

D : (transporte de automviles de modelo B antes de mediados de febrero + transporte de automviles
de modelo B para fines de marzo) debe ser 500
FM: BB2f + BB3m = 500
k)
Capacidad de transporte del barco 1
FV: La capacidad de transporte del barco 1 es de 200 automviles de modelo A.

FM: AB1e <= 200
l)
Capacidad de transporte del barco 2

3
FV: La capacidad de transporte del barco 2 es de 4500 m .

D : (transporte de automviles de modelo A + transporte de automviles de modelo B) debe ser 4500
3
m
22

FM: 12AB2f + 15BB2f < =4500

m) Capacidad de transporte del barco 3
3
FV: La capacidad de transporte del barco 3 es de 6000 m .

D : (transporte de automviles de modelo A + transporte de automviles de modelo B) debe ser 6000
3
m
FM: 12AB3m + 15BB3m < =6000
n)
Compromiso de entrega de automviles del modelo A a mediados de febrero
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)
Compromiso de entrega de automviles del modelo B a mediados de febrero
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)
AB1e, AB2f, BB2f, AB3m yBB3m >= 0 y enteros

Minimizar 450AB1e + 420AB2f + 480BB2f + 525AB3m + 600BB3m
Sujeto a:
AB1e + AB2f + AB3m = 400
BB2f + BB3m = 500
AB1e <= 200
12AB2f + 15BB2f < =4500
12AB3m + 15BB3m < =6000
AB1e + AB2f >= 250
BB2f >= 200
AB1e, AB2f, BB2f, AB3m yBB3m >= 0 y enteros
2.2.2.2. Problema de transporte de Medequip Company

La Medequip Company produce equipos de precisin de diagnstico mdico en dos fbricas. Se
han recibido pedidos de tres centros mdicos para la produccin de este mes. La tabla presenta el
costo unitario de envo desde cada fbrica a cada centro. Adems muestra el nmero de unidades
que se producirn en cada fbrica y el nmero de unidades ordenadas por cada cliente.
Costo unitario de envo
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


F1C1 = Nmero de equipos a ser enviados de la fbrica 1 al cliente 1

a.
El costo unitario de envo de cada fabrica a cada cliente, la capacidad de produccin y la demanda
es el siguiente:
Costo unitario de envo
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

FV: Minimizar el costo de envo de los equipos mdicos
D : Minimizar (costo de envo de la fbrica 1 al cliente 1 + costo de envo de la fbrica 1 al cliente 2 +
costo de envo de la fbrica 1 al cliente 3 + costo de envo de la fbrica 2 al cliente 1 + costo de
envo de la fbrica 2 al cliente 2 + costo de envo de la fbrica 2 al cliente 3).
FM: Minimizar 600F1C1+ 800F1C2+ 700F1C3+ 400F2C1+ 900F2C2+ 600F2C3

a)
Capacidad de produccin en la fbrica 1
FV: La fabrica 1 tiene una capacidad de produccin de 400 equipos.

D : (El nmero de equipos enviados al cliente 1 + El nmero de equipos enviados al cliente 2 + El
nmero de equipos enviados al cliente 3) debe ser igual a 400.
FM: F1C1 + F1C2 + F1C3 = 400
b)
Capacidad de produccin en la fabrica 2
De manera similar a la restriccin anterior:

F2C1 + F2C2 + F3C3 = 500
c)
Demanda del cliente 1
FV: El cliente 1 requiere de 300 equipos para vender

D : (el nmero de equipos enviados de la fabrica 1 + el nmero de equipos enviados de la fabrica 2)al
cliente 1 debe ser igual a 300.
FM: F1C1 + F2C1 = 300
d)
Demanda del cliente 2 y cliente 3
De manera similar a la restriccin anterior:

F1C2 + F2C2 = 200
F1C3 + F2C3 = 400
24

e)
F1C1, F1C2, F1C3, F2C1, F2C2 y F2C3 >= 0

Minimizar 600F1C1+ 800F1C2+ 700F1C3+ 400F2C1+ 900F2C2+ 600F2C3
Sujeto a:
F1C1 + F1C2 + F1C3 = 400
F2C1 + F2C2 + F3C3 = 500
F1C1 + F2C1 = 300
F1C2 + F2C2 = 200
F1C3 + F2C3 = 400
F1C1, F1C2, F1C3, F2C1, F2C2 y F2C3 >= 0
Donde
2.2.3.
Ejemplos de problemas de redes: el problerma del flujo maximo
2.2.3.1. Problema de transporte de Hexon Oil Company

Hexon Oil Company tiene una gran refinera localizada en Newark, New Jersey. La gasolina refinada es
enviada de all a tanques de almacenamiento en Filadelfia a travs de una red de oleoductos con estaciones
de bombeo en Sayerville, Easton, Trenton, Bridgewater y Allentown. El oleoducto est construido en
segmentos que conectan parejas de estas ciudades. A lo largo de cada segmento existe un nmero mximo
conocido de galones por hora que pueden enviarse. Estos segmentos y sus respectivas capacidades en
galones por hora son:
DE
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

Solucin:
Antes de formular el modelo, dibujaremos un diagrama de redes que nos ayude a visualizar la informacin y
los datos del problema:

Para resolver el problema debemos determinar el nmero de galones de gasolina que se pueden enviar
por hora a lo largo de cada segmento del oleoducto:
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

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.

DE
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

FV: Maximizar el nmero de galones por hora enviado a Filadelfia.
D: Maximizar (nmero de galones por hora desde Allentown + numero de galones por hora desde
Trenton)
FM: Maximizar XAF + XTF

a)
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

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)
XNS, XNB, XSB, XST, XBE, XEA, XET, XAP y XTP >= 0

Maximizar XAF + XTF
Sujeto a:
XNS <= 150 000
XNB <= 80 000
XSB <= 60 000
XST <= 125 000
XBE <= 100 000
XEA <= 75 000
XET <= 50 000
XAF <= 90 000
XTF <= 130 000
XBE - XNB - XSB = 0
XST- XSB XNS = 0
XEA XET XBE = 0
XTF XST - XET = 0
XAF XEA = 0
XNS, XNB, XSB, XST, XBE, XEA, XET, XAF y XTF >= 0
Donde
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.
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.
28

2.2.4.
Administracion de inversiones, uso de variables binarias
2.2.4.1. Problema de inversion de Centauro Gold Company

El Directorio de Centauro Gold Mining Inc. ha decidido invertir un millon de dolares en proyectos
mineros. El departamento de inversiones ha identificado seis proyectos con estrategias de
inversion variables, resiultando en diferentes rendimientos potenciales y riesgos asociados, como
se resume en la tabla.
Proyecto
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:
P1 = La fraccin de la cartera por invertir en el proyecto 1

a)
Capital a invertir $100 000 000
b)
Rendimientos potenciales y riesgos asociados
Proyecto
Precio ($/accin)
45
76
110
17
23
22
Devolucin esperada (%)
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

f)
La cantidad invertida en los proyectos de alto riesgo 1, 2 y 3 deben estar en la tasa 1:2:3,
respectivamente.
g)
La cantidad invertida en los proyectos de mediano riesgo 4 y 5 debe ser 1:2.

FV: Maximizar el rendimiento total esperado.
D : Maximizar (rendimiento esperado del proyecto 1 + rendimiento esperado del proyecto 2 +
rendimiento esperado del proyecto 3 + rendimiento esperado del proyecto 4 + rendimiento esperado
del proyecto 5 + rendimiento esperado del proyecto 6).
FM: Maximizar 0.30P1 +0.20P2 + 0.15P3 + 0.12P4 + 0.10P5 + 0.07P6

d)
Inversin en proyectos de alto riesgo
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)
Inversin en proyectos de mediano riesgo
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)
Inversin en proyectos de bajo riesgo
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)
Diversificacin de inversin en proyectos de alto riesgo
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)
Diversificacin de inversin en proyectos de mediano riesgo
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)
P1, P2, P3, P4, P5 y P6 >= 0

30


Maximizar 0.30P1 +0.20P2 + 0.15P3 + 0.12P4 + 0.10P5 + 0.07P6
Sujeto a:
P1 + P2 + P3 >= 0.50
(mnimo en alto riesgo)
P1 + P2 + P3 <= 0.75
(mximo en alto riesgo)
P4 + P5 >= 0.20
(mnimo en mediano riesgo)
P4 + P5 <= 0.30
(mximo en mediano riesgo)
P6 >= 0.05
(mnimo en bajo riesgo)
-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
2.2.5.
Ejemplos de problemas de diseo
2.2.5.1. Problema de diseo de Containers Inc.

Containers Inc., ha recibido un pedido para hacer tambores de acero cilndricos, con la base y la tapa
circulares. El volumen total del contenedor debe ser al menos de 10 pies cbicos. El costo de acero para
hacer el costado del contenedor es $3 por pie cuadrado. El costo de la base y la tapa es de $3.82 por pie
cuadrado. Como ingeniero de produccin, formule un modelo matemtico para determinar un diseo que
minimice el costo del acero requerido.
Solucin:
R = radio de la base en pies
H = altura del cilindro en pies

a.
El volumen total del contenedor debe ser al menos de 10 pies cbicos.
b.
El costo de acero para hacer el costado del contenedor es $3 por pie cuadrado.
c.
El costo de la base y la tapa es de $3.82 por pie cuadrado.

FV: Minimizar el costo de acero requerido para construir el contenedor.
D:
Minimizar (costo del acero del costado del contenedor + costo del acero de la base y de la tapa)
2
FM: Minimizar (2RH pie x $3 / pie + 2R pie x $3.82 / pie )

Minimizar 6RH + 7.64R
31


a)
Volumen del contenedor
FV: El volumen total del contenedor debe ser al menos de 10 pies cbicos.
2
(R H) debe ser al menos de 10 pies cbicos.
D:
FM: R H >= 10
b)
R y H >= 0

Minimizar 6RH + 7.64R
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.
Problema de mezclas: aleaciones
2.2.6.1. Problema de produccion de aleacion

Un productor de aluminio fabrica una aleacin especial que el garantiza que contiene un 90% o
ms de aluminio, entre 5% y 8% de cobre y el resto de otros metales. La demanda para esta
aleacin es muy incierta de modo que el productor no mantiene un stock disponible. El ha recibido
una orden de 1.000 kg. a $450/kg. La aleacin debe hacerse a partir de barras de dos tipos de
materiales de desecho, de cobre puro y de aluminio puro. El anlisis de los materiales de desecho
es el siguiente:
Al
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:
MD1 = Kilogramos de material de desecho 1 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.

h)
La aleacin especial debe tener 90% o ms de aluminio.
i)
La aleacin especial debe tener 5% o mas de cobre

32

j)
La aleacin especial debe tener 8% o menos de cobre
k)
1 kg de material de desecho cuesta $150.0
l)
1 kg de material de desecho2 cuesta $50.0
m) 1 kg de aluminio puro cuesta $500.0

n)
1 kg de cobre puro cuesta $150.0
o)
El costo de fundicin de 1 kg de metal es $50.0
p)
1 kg de aleacin especial es vendido a $450.0
q)
La aleacin especial debe tener 90% o mas de aluminio

FV: Minimizar el costo de los insumos de la aleacin especial para obtener 1 kg de aleacin.
D : Minimizar (costo de material de desecho 1 + costo de material de desecho 2 + costo de aluminio
puro + costo de cobre puro) para 1 kg de aleacin.
FM: Minimizar 150MD1 +50MD2 + 500AL + 150AL

k)
Contenido mnimo de aluminio en aleacin especial
FV: La aleacin especial debe tener 90% o ms de aluminio

D : ((contenido de aluminio en el material de desecho 1 + contenido de aluminio en el material de
desecho 2 + contenido de aluminio en el aluminio puro)/(peso del material de desecho 1 + peso del
material de desecho 2 + peso del aluminio puro + peso del cobre puro)) debe ser mayor o igual a
90% de aluminio
0.95MD1 0.85MD2 AL
MD1 MD2 AL CU 0.90
FM: 0.05MD1 -0.05MD2 + 0.1AL -0.9CU >= 0
l)
Contenido mnimo de cobre en aleacin especial
FV: La aleacin especial debe tener 5% o ms 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 mayor o igual a 5% de cobre
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)
Contenido de 1 kg de aleacin especial
FV: La aleacin especial debe pesar 1 kg

D : (peso del material de desecho 1 + peso del material de desecho 2 + peso de aluminio puro + peso
del cobre puro) debe ser igual a 1 kg
33

FM: MD1+ MD2 + AL + CU = 1

o)
MD1, MD2, AL y CU >= 0

Minimizar 150MD1 +50MD2 + 500AL + 150AL
Sujeto a:
0.05MD1 -0.05MD2 + 0.1AL -0.9CU >= 0
0.02MD1 -0.04MD2 -0.05AL + 0.95CU >= 0
-0.05MD1 -0.07MD2 -0.08AL + 0.92CU >= 0
MD1+ MD2 + AL + CU = 1
MD1, MD2, AL y CU >=0
Donde
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.
2.2.7.
Problema de disminucion de contaminacion
2.2.7.1. Problema de abatimiento de contaminacion de Nori&Leets Co.

La Nori&Leets Co., una de las mayores productoras de acero del mundo occidental est localizada
en la ciudad de Steeltown y es la nica empresa grande de la localidad. La comunidad ha crecido y
prosperado junto con la compaa, que de momento emplea cerca de 50 000 residentes. La actitud
de los habitantes ha sido siempre un lo que es bueno para Nori&Leets es bueno para nosotros.
Sin embargo, esta actitud est cambiando, la contaminacin no controlada del aire debido a los
altos hornos de la planta est en camino de arruinar la apariencia de la ciudad y de poner en
peligro la ciudad la salud de sus habitantes.
Como resultado, despus de una revuelta entre los accionistas se eligi un nuevo consejo directivo
ms responsable. Los nuevos directores han decidido seguir polticas de responsabilidad social y
realizar plticas con las autoridades de la ciudad y con grupos de ciudadanos para tomar medidas
respecto de la contaminacin ambiental. Juntos han establecido estndares rigurosos de calidad
del aire para la ciudad de Steeltown.
Los tres tipos principales de contaminantes son partculas de materia, xidos de azufre e
hidrocarburos. Los nuevos estndares requieren que la compaa reduzca su emisin anual de
estos contaminantes en las cantidades que se presenta en la tabla 1. El Consejo directivo ha dado
instrucciones a la administracin para que el personal de ingeniera determine cmo lograr estas
reducciones en la forma ms econmica.
Tabla 1. Estndares de aire limpio de Nori & Leets Co.
Contaminante
Reduccin requerida de la tasa de emisin

anual (millones de libras)
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

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

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:
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
a.
Estndares de aire limpio de Nori & Leets Co.

Contaminante
b.
Reduccin requerida de la tasa de emisin anual

(millones de libras)
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
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
Hornos de corazn abierto
Chimeneas ms altas
10
Filtros
11

FV: Minimizar el costo total de la disminucin de la contaminacin mediante mtodos de abatimiento.
D: Minimizar (Costo del mtodo de chimeneas ms altas para altos hornos + costo del mtodo de
chimeneas ms altas para hornos Siemens- Martins + costo del mtodo de filtros para altos hornos +
costo del mtodo de filtros para hornos Siemens- Martins + costo del mtodo de mejores combustibles
para altos hornos + costo del mtodo de de mejores combustibles para hornos Siemens- Martins)
FM: Minimizar 8 ChAl + 10 ChHo + 7FiAl + 6FiHo +11MeAl + 9MeHo

p)
Reduccin requerida de la emisin de partculas anualmente
FV: La reduccin requerida de emisin de partculas es de 60 millones de libras anualmente.
36

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:
q)
Eficiencia tecnolgica de los mtodos
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)
ChAl, ChHo, FiA, FiHo, MeAl y MeHo >= 0

Minimizar 8 ChAl + 10 ChHo + 7FiAl + 6FiHo +11MeAl + 9MeHo
Sujeto a:
12 ChAl + 9 ChHo + 25FiAl + 20FiHo +17MeAl + 13MeHo >= 60
ChAl <= 1
ChHo <= 1
FiAl <= 1
FiHo <= 1
MeAl <= 1
MeHo <= 1
ChAl, ChHo, FiA, FiHo, MeAl y MeHo >= 0
Donde
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.
37

MeHo= Fraccin del uso mximo de mejores combustibles para hornos Siemens- Martins..3
2.2.8.
Problemas de mezclas
2.2.8.1. Problema de optimizacion de mezcla de Luz del Centro

Luz del Centro es duea de una central turbogeneradora. Como en los alrededores hay
abundantes depsitos de carbn, la central genera su vapor con ese combustible. Sin embargo,
eso puede causar una emisin que no cumpla con las normas ambientales, que limitan la descarga
de dixido de azufre a 2 000 partes por milln por tonelada de carbn quemado, y la descarga de
humo por las chimeneas a 20 libras por hora. La empresa recibe dos clases de carbn pulverizado,
C1 y C2, que usa en sus calderas. Las dos clases se suelen mezclar antes de quemarlas. Para
simplificar, se puede suponer que el dixido de azufre contaminante de la mezcla (en partes por
milln) es un promedio ponderado para cada clase que se usa en la mezcla. Los datos siguientes
se basan en 1 tonelada de consumo por hora, de cada una de las dos clases de carbn.
Clase de
carbn
Descarga de azufre
Descarga de humo
Vapor generado
Partes por milln
Lb/hora
Lb/hora
C1
1 800
2,1
12 000
C2
2 100
0,9
9 000
Determine la relacin ptima de mezcla de las dos clases de carbn.

Solucin:
a)
Formulacin del modelo matemtico

C1 = El nmero de toneladas de carbn pulverizado tipo 1 a mezclarse por hora.

b)
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
Partes por millon
Lb/hora
Lb/hora
C1
1 800
2,1
12 000
C2
2 100
0,9
9 000
a.
Limite mximo permisible de emisin de dixido de azufre = 2 000 ppm
b.
Limite mximo permisible de descarga de humo por las chimeneas = 20 lb/h

FV: Maximizar el vapor generado por la central turbogeneradora
D:
Maximizar (el vapor generado por el carbn tipo 1 + el vapor generado por el carbn tipo)
FM: Maximizar 12 000C1 + 9 000C2

a)
Limite mximo permisible de dixido de azufre

FV: La cantidad total de dixido de azufre emitido por la quema de carbn no debe ser mayor de 2 000
ppm.
D : (La cantidad de dixido de azufre emitido por la quema del carbn 1 + La cantidad de dixido de
azufre emitido por la quema del carbn 2) no debe ser mayor de 2 000 ppm.
38

FM: 1800 xC1 2100 xC 2 2000

C1 C 2
FM: -200C1 + 100C2 <= 0

b)
Limite mximo permisible de descarga de humo

FV: La cantidad total de descarga de humo emitido por la quema de carbn no debe ser mayor de 20 lb.
D : (La cantidad de descarga de humo emitido por la quema del carbn 1 + La cantidad de descarga de
humo emitido por la quema del carbn 2) no debe ser mayor de 20 lb
FM: 2,1C1 + 0,9C2 <= 20
c)
C1 y C2 >= 0 y enteros.

Maximizar 12 000C1 + 9 000C2
Sujeto a:
F-200C1 + 100C2 <= 0
2,1C1 + 0,9C2 <= 20
C1 y C2 >= 0 y enteros.
Donde
2.2.8.2. Problema de merzcla de crudos de Exxon Oil Co.

Exxon Oil Co. Construye una refinera para elaborar cuatro productos: diesel, gasolina, lubricantes
y combustible para avin. Las demandas (en barriles/da) de esos productos son: 14 000, 30 000,
10 000 y 8 000, respectivamente. Irn y Dubai tienen contrato para enviar crudo a Exxon Oil Co.
Debido a las cuotas de produccin que especifica la OPEP (Organizacin de Pases Exportadores
de Petrleo) la nueva refinera puede recibir al menos el 40% de su crudo de Irn, y el resto de
Dubai. Exxon Oil Co. pronostica que estas cuotas de demanda y crudo permanecern estables
durante los 10 aos siguientes.
Las distintas especificaciones de los dos crudos determinan dos proporciones distintas de
productos: un barril de crudo de Irn rinde 0,2 barril de diesel, 0,25 barril de gasolina, 0,1 barril de
lubricante y 0,15 barril de combustible para avin. Los rendimientos correspondientes del crudo de
Dubai son: 0,1, 0,6, 0,15 y 0,1 respectivamente.
Exxon Oil Co. Necesita determinar la capacidad mnima de la refinera en barriles de crudo por da.
Solucin:
CI = el nmero de barriles de crudo comprados a Irn diariamente.
CD = el nmero de barriles de crudo comprados a Dubai diariamente.

a)
Demanda de productos
Diesel = 14 000 barriles/da
Gasolina = 30 000 barriles/da
Lubricantes = 10 000 barriles/da
Combustible para avin = 8 000 barriles/da

39

b)
Rendimiento de los crudos

Rendimiento (barriles)
Procedencia
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
Mnimo de crudo procedente de Irn = 40%

FV: Minimizar la cantidad de crudo comprado por da
D:
Minimizar ( cantidad de crudo comprado a Irn + cantidad de crudo comprado a Dubai)
FM: Minimizar CI + CD

a)
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)
Produccin de gasolina, lubricante y combustible para avin

Produccin de gasolina:
0,25 CI + 0,6CD >= 30 000
Produccin de lubricante:
0,1 CI + 0,15CD >= 10 000
Produccin de combustible para avin:
0,15 CI + 0,1CD >= 8 000
c)
Crudo comprado de Irn

FV: al menos debe recibir el 40% de crudo de Irn
DM: crudo de Irn debe ser mayor de 0,4x(crudo de Irn + crudo de Dubai)
FM: CI >= 0,4(CI + CD)
0,6CI 0,4CD >= 0
d)
CI y CD >= 0 y enteros.

Minimizar CI + CD
Sujeto a:
0,2CI + 0,1 CD >= 14 000
0,25 CI + 0,6CD >= 30 000
0,1 CI + 0,15CD >= 10 000
0,15 CI + 0,1CD >= 8 000
40

0,6CI 0,4CD >= 0

CI y CD >= 0 y enteros.
Donde
CI = el nmero de barriles de crudo comprados a Irn diariamente.
CD = el nmero de barriles de crudo comprados a Dubai diariamente.
2.2.8.3. Problema de mezclas de Ananea Chemicals Co.

En Ananea Chemicals Co., se usan las materias primas I y II para producir dos soluciones para
lixiviacin, A Y B. La disponibilidad diaria de las materias primas I y II es de 150 y 140 galones
respectivamente. Una unidad de solucin A consume 0,5 unidad de materia prima I y 0,6 unidad de
materia II; una unidad de solucin B requiere 0,5 unidad de materia prima I y 0,4 unidad de
materia prima II. Las utilidades unitarias de las soluciones A y B son $8 y $10, respectivamente. La
demanda diaria de la solucin A esta entre 30 y 150 unidades, y la de la solucin B entre 40 y 200
unidades.
Solucin:
SA = el nmero de unidades de solucin A a producir diariamente.
SB = el nmero de unidades de solucin B a producir diariamente.

a)
Consumo y disponibilidad de las materias primas I y II

Materia Prima
b)
c)
Disponibilidad
Solucin A
Solucin B
0,5
0,5
150
II
0,6
0,4
140
Gl/x da
Utilidades unitarias de las soluciones
Solucin A: $ 8,0
Solucin B: $ 10,0
Demanda de las soluciones

a.
Solucin A: entre 30 y 150 unidades
b.
Solucin B: entre 40 y 200 unidades
c.
FV: Maximizar las utilidades por la venta de las soluciones A y B
D:
Maximizar (utilidades por la venta de la solucin A + utilidades por la venta de la solucin B)
FM: Maximizar 8SA + 10SB

a)
Consumo del material I
FV: El consumo del material I no debe exceder de 150 gl/da

D : (consumo del material I para producir la solucin A + consumo del material I para producir la
solucin B) no debe de exceder de 150 gl/da.
FM: 0,5 SA + 0,5SB <= 150
41

b)
Consumo del material II
FV: El consumo del material II no debe exceder de 140 gl/da

D : (consumo del material II para producir la solucin A + consumo del material II para producir la
solucin B) no debe de exceder de 140 gl/da.
FM: 0,6 SA + 0,4SB <= 140
c)
Demanda de la solucin A
FV: La demanda de la solucin A est entre 30 y 150 gl/da

FM: SA >= 30 y SA<= 150
d)
Demanda de la solucin B
FV: La demanda de la solucin B est entre 40 y 200 gl/da

FM: SB >= 40 y SB<= 200
e)
SA y SB >= 0 y enteros.

Maximizar 8SA + 10SB
Sujeto a:
0,5 SA + 0,5SB <= 150
0,6 SA + 0,4SB <= 140
SA >= 30
SA<= 150
SB >= 40
SB<= 200
SA y SB >= 0 y enteros
Donde
SA = el nmero de unidades de solucin A a producir diariamente.
SB = el nmero de unidades de solucin B a producir diariamente.
2.2.8.4. Problema de mezcla de gasolinas

Una compaa petrolera produce dos tipos de gasolina, normal y sper, que vende a sus
estaciones de servicio a 120 y 140 dlares/barril respectivamente. Ambos tipos de gasolina se
realizan mezclando combustible nacional y extranjero de sus almacenes, y debe cumplir las
siguientes especificaciones:
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
Las caractersticas del combustible disponible en el almacn son:
42

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:
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.

a)
Precio de 1 barril de gasolina normal = 120 $
b)
Precio de 1 barril de gasolina super = 140 $
c)
Especificaciones tcnicas de las gasolinas
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
Caractersticas del combustible

Presin de
vapor
Octanaje
Barriles en el
almacn
Costo
Nacional
25
87
40 000
80
Extranjero
15
98
60 000
150
$/barril

FV: Maximizar los beneficios semanales por concepto de venta de gasolina
D : Maximizar (ingresos por concepto de venta de gasolina normal + ingresos por concepto de venta de
gasolina super egreso por concepto de compra de combustible nacional egreso por concepto de
compra de combustible extranjero)
FM: Maximizar 120 GN + 140 GS 80 CNN 80 CNS 150 CEN 150 CES

a)
Demanda mxima de gasolina normal

43

FV: La demanda mxima de la gasolina normal por semana es de 100 000 barriles
FM: GN <= 100 000
b)
Demanda mxima de gasolina super
De manera similar al caso anterior

GS <= 20 000
c)
Entrega mnima de gasolina normal
FV: La entrega mnima de la gasolina normal por semana es de 50 000 barriles

FM: GN >= 50 000
d)
Entrega mnima de gasolina super

GS >= 5 000
e)
Presin de vapor mxima de la gasolina normal
FV: La presin de vapor de la gasolina normal debe ser menos de 23

D : (presin de vapor aportado por el combustible nacional + presin de vapor aportado por el
combustible extranjero) debe ser menor de 23
FM: 25 CNN + 15 CEN <= 23 GN
25 CNN + 15 CEN - 23 GN <= 0
f)
Presin de vapor mxima de la gasolina super

25 CNS + 15 CES - 23 GS <= 0
g)
Octanaje mnimo de la gasolina normal
FV: El octanaje de la gasolina normal debe ser mayor de 88

D : (octanaje aportado por el combustible nacional + octanaje aportado por el combustible extranjero)
debe ser mayor de 88
FM: 87 CNN + 98 CEN >= 88 GN
87 CNN + 98 CEN - 88 GN >= 0
h)
Octanaje mnimo de la gasolina super

87 CNS + 98 CES - 93 GS >= 0
i)
Existencia de combustible nacional en el almacn
FV: El nmero de barriles de combustible nacional que puede utilizarse para producir gasolina es
mximo 40 000
FM: CNN + CNS <= 40 000
j)
Demanda mxima con el combustible extranjero

CEN + CES <= 60 000
k)
Igualdad para gasolina normal
FV: El volumen de Combustible utilizado es igual al volumen de gasolina normal producido

D : (Volumen combustibles nacional + volumen de combustible extranjero = Volumen de gasolina
normal)
FM: CNN + CEN = GN
CNN + CEN - GN = 0
l)
Igualdad para gasolina normal

44

CNS + CES - GS = 0
m) Restricciones lgicas
GN, GS, CNN, CNS, CEN y CES >= 0

Maximizar 120 GN + 140 GS 80 CNN 80 CNS 150 CEN 150 CES
Sujeto a:
GN <= 100 000
GS <= 20 000
GN >= 50 000
GS >= 5 000
25 CNN + 15 CEN - 23 GN <= 0
25 CNS + 15 CES - 23 GS <= 0
87 CNN + 98 CEN - 88 GN >= 0
87 CNS + 98 CES - 93 GS >= 0
CNN + CNS <= 40 000
CEN + CES <= 60 000
CNN + CEN - GN = 0
CNS + CES - GS = 0
GN, GS, CNN, CNS, CEN y CES >= 0
Donde
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.
45

CAPITULO III
APLICACIONES DE PROGRAMACIN LINEAL
3.1.
Modelos de programacin lineal para decisiones de mezcla de productos
3.1.1.
Problema de mezcla de Explosives Inc.
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:
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

a.
El producto final debe contener al menos 10%, pero no ms de 20%, de carbn por unidad de peso.
b.
La cantidad de salitre no puede exceder el 50% de la cantidad de carbn usado.
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.
El azufre es con mucho el componente ms caro.

FV: Minimizar el uso de azufre en la produccin de plvora
FM: Minimizar S
46


s)
Porcentaje mximo de carbn
FV: El producto final debe contener al menos 10% de carbn por unidad de peso.
FM: S >= 0.10
t)
Porcentaje mnimo de carbn
FV: El producto final debe contener no ms de 20% de carbn por unidad de peso.
FM: S <= 0.20
u)
Cociente salitre/carbn
FV: La cantidad de salitre no puede exceder el 50% de la cantidad de carbn usado

FM: S <= 0.5C
S - 0.5C <= 0
v)
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
FV: se debe mezclar azufre, carbn y salitre para producir 1 lb de plvora

FM: A + C + S = 1.00
w) Restricciones lgicas
A, C y S >= 0

Minimizar S
Sujeto a:
S >= 0.10
(% mximo de carbn)
S <= 0.20
(% mnimo de carbn)
S - 0.5C <= 0
(cociente salitre/carbn)
0.5A + 0.6C +0.3S <= 0.35 (cantidad de componentes)

A + C + S = 1.00
(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.
Problema de mezcla de aditivos a gasolina
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

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.
Determine el modelo matemtico para realizar el clculo de la mezcla ptima de aditivos.
Solucin:
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

a.
Se utiliza los aditivos x y y para producir 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: Minimizar el costo de los aditivos x y y para producir gasolina de alto grado
D: Minimizar el costo del aditivo x mas el costo del aditivo y utilizados para producir gasolina de alto
grado
FM: Minimizar 300x + 400y

a)
Uso mximo de aditivos
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:
el aditivo x mas el aditivo y deben ser menor de un cuarto de litro
FM: x + y <= 0.25

b)
Color distintivo de la gasolina
FV: 2x + y no puede ser menor que un cuarto o la gasolina no tendr su color distintivo
FM: 2x + y >= 0.25
c)
Unidades mnimas de octano
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)
x, y >= 0
48


Minimizar 300x + 400y
Sujeto a:
x + y <= 0.25
(uso mximo de aditivos)
2x + y >= 0.25
(color distintivo de la gasolina)
200x + 400y >= 60
(unidades mnimas de octano)
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.
Problema de mezcla de petrleo de World oil Company
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:
CL = el nmero de de barriles de crudo ligero a adquirir
CP = el nmero de de barriles de crudo pesado a adquirir

a)
Costo de 1 barril de crudo ligero

= costo compra + costo de deposicin de desecho
= $25,0 + $1,0 = $26,0
b)
Costo de 1 barril de crudo pesado

= costo compra + costo de deposicin de desecho
= $22,0 + $1,5 = $23,5
c)
Productos obtenidos de 1 barril de crudo ligero

a.
Gasolina:
0,35 barril
b.
Turbosina:
0,36 barril
c.
Queroseno:
0,22 barril
d.
Desecho:
0,07 barril
49

d)
e)
Productos obtenidos de 1 barril de crudo pesado

a.
Gasolina:
0,45 barril
b.
Turbosina:
0,18 barril
c.
Queroseno:
0,28 barril
d.
Desecho:
0,09 barril
Compromisos de venta adquiridos

a.
Gasolina:
960 000 barril
b.
Turbosina:
1 200 00 barril
c.
Queroseno:
450 000 barril

FV: Minimizar el costo total de la compra de crudos
2
D : Minimizar costo = Minimizar ( costo de crudo ligero + costo de crudo pesado)

FM: Minimizar 26,0 CL + 23,5 CP

a)
Compromiso de venta de gasolina
FV: producir un mnimo de 960 000 barriles de gasolina

D : la produccin de (gasolina de crudo ligero + gasolina de crudo pesado) debe ser al menos 960 000
barriles
FM: 0,35CL + 0,45CP >= 960 000
b)
Compromiso de venta de turbosina
FV: producir un mnimo de 1 200 000 barriles de gasolina

D : la produccin de (turbosina de crudo ligero + turbosina de crudo pesado) debe ser al menos 1 200
000 barriles
FM: 0,36CL + 0,18CP >= 1 200 000
c)
Compromiso de venta de queroseno
FV: producir un mnimo de 450 000 barriles de queroseno

D : la produccin de (queroseno de crudo ligero + queroseno de crudo pesado) debe ser al menos 450
000 barriles
FM: 0,22CL + 0,28CP >= 450 000
d)
CL y CP >= 0 y enteros

Minimizar 26,0 CL + 23,5 CP
Sujeto a:
0,35CL + 0,45CP >= 960 000
0,36CL + 0,18CP >= 1 200 000
0,22CL + 0,28CP >= 450 000
CL y CP >= 0 y enteros
Donde
Costo = costo de 1 barril de crudo x nmero de barriles de crudo a adquirir.

50

CL = el nmero de de barriles de crudo ligero a adquirir

CP = el nmero de de barriles de crudo pesado a adquirir
3.1.4.
Problema de mezcla de la Tomas River Chemicals
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:
AX1 = el nmero de libras del ingrediente AX1 a usarse para producir la mezcla

a)
La empresa debe producir 1 000 lb de una mezcla especial
b)
El ingrediente AX1 cuesta $ 7,0 la libra
c)
d)
e)
No puede usarse ms de 300 lb del ingrediente AX1
f)
Debe usarse por lo menos 150 lb del ingrediente AX2
g)
Se requiere por lo menos 200 lb de AX3

FV: Minimizar el costo de operacin de la empresa.
D : Minimizar (costo del ingrediente AX1 + costo del ingrediente AX2 + costo del ingrediente AX3)
FM: Minimizar 7 AX1 + 6,9 AX2 + 7 AX3

a)
Produccin
FV: La empresa debe producir 1 000 lb de una mezcla especial

D : (costo del ingrediente AX1 + costo del ingrediente AX2 + costo del ingrediente AX3) debe ser al
menos 1 000 lb
FM: AX1 + AX2 + AX3 >= 1 000
b)
Uso del ingrediente AX1
FV: No puede usarse ms de 300 lb del ingrediente AX1

FM: AX1 <= 300
c)
FV: Debe usarse por lo menos 150 lb del ingrediente AX2

d)
FV: Se requiere por lo menos 200 lb de AX3

e)
51


Minimizar 7 AX1 + 6,9 AX2 + 7 AX3
Sujeto a:
AX1 + AX2 + AX3 >= 1 000
AX1
<= 300
AX2
>= 150
AX3
>= 200
AX1, AX2 y AX3 >= 0 y enteros

Donde
3.2.
Modelos de programacin lineal para decisiones de fabricacin o compra
3.2.1.
Problema de planeamiento de produccin de Ananea Gold Pump
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
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.
XM1 = El nmero de bombas de tamao mediano que debe producir la planta 1 en una semana.
XP1 = El nmero de bombas de tamao pequeo que debe producir la planta 1 en una semana.
52

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: Maximizar la utilidad obtenida por la venta de bombas de distinto tamao.
D: Maximizar (utilidad obtenida por la venta de bombas grandes producidas en las plantas de produccin
1,2 y 3 + utilidad obtenida por la venta de bombas mediana producidas en las plantas de produccin 1,2
y 3 + utilidad obtenida por la venta de bombas pequeas producidas en las plantas de produccin 1,2 y
3)
FM: Maximizar 140 (XG1 + XG2 + XG3) + 120(XM1 + XM2 + XM3) + 100(XP1 + XP2 + XP3)

a)
Capacidad de produccin de la planta 1
FV: La capacidad de produccin de bombas de la planta 1 es de 750 unidades.

D: La produccin de bombas grandes + La produccin de bombas medianas + La produccin de
bombas pequeas es de 750 unidades.
FM: XG1 + XM1 + XP1 <= 750
De manera similar en las plantas 2 y 3:
XG2 + XM2 + XP2 <= 900
XG3 + XM3 + XP3 <= 450
b)
Capacidad del espacio de almacenamiento de la planta 1
FV: El espacio de almacenamiento disponible para productos en proceso de la planta 1 es de 13000

pies cuadrados.
D: El espacio de almacenamiento disponible para (bombas grandes en proceso + bombas medianas
en proceso + bombas pequeas en proceso) de la planta 1 es de 13000 pies cuadrados.
53

FM: 20XG1 + 15XM1 + 12XP1 <= 13000

De manera similar en las plantas 2 y 3:
20XG2 + 15XM2 + 12 XP2 <= 12000
20XG3 + 15XM3 + 12XP3 <= 5000
c)
Demanda del mercado de la bomba de tamao grande
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)
XG1 , XG2 , XG3 , XM1 , XM2 ,, XM3 , XP1 , XP2 , XP3>= 0 y enteros

Maximizar 140 (XG1 + XG2 + XG3) + 120(XM1 + XM2 + XM3) + 100(XP1 + XP2 + XP3)
Sujeto a:
XG1 + XM1 + XP1 <= 750
XG2 + XM2 + XP2 <= 900
XG3 + XM3 + XP3 <= 450
20XG1 + 15XM1 + 12XP1 <= 13000
20XG2 + 15XM2 + 12 XP2 <= 12000
20XG3 + 15XM3 + 12XP3 <= 5000
XG1 + XG2 + XG3 <= 900
XM1 + XM2 + XM3 <= 1200
XP1 + XP2 + XP3 <= 750
900XG1 +900 XM1 +900 XP1 - 750XG2 - 750XM2 - 750XP2 = 0
450XG1 + 450XM1 + 450XP1 - 750XG3 - 750XM3 - 750XP3 = 0
900XG3 +900 XM3 +900 XP3 - 450XG2 - 450XM2 - 450XP2 = 0
XG1, XG2, XG3, XM1, XM2, XM3, XP1, XP2, y XP3 >= 0 y enteros
Donde:
54

3.2.2.
Problema de compra de equipo militar
El gobierno ha dispuesto $ 1500 millones de dlares de su presupuesto general para fines

militares. Sesenta por ciento del presupuesto militar se utilizara para comprar tanques, aviones y
proyectiles. Estos pueden adquirirse a un costo por unidad de $ 600000, $ 2 millones y $ 800000,
respectivamente. Se ha decidido que se deben adquirir al menos 200 tanques y 200 aviones.
Debido a la escasez de pilotos experimentados, tambin se ha decidido no comprar ms de 300
aviones. Por razones estratgicas, la proporcin de proyectiles a aviones comprados debe estar en
el rango de a . El objetivo es maximizar la utilidad total de estas armas, en donde las utilidades
individuales estn dadas como 1, 3 y 2, respectivamente. Formular el programa lineal.
Solucin:
T = Nmero de tanques a adquirir
A= Nmero de aviones a adquirir
P= Nmero de proyectiles a adquirir
El gobierno dispone de $ 1500 millones de dlares de su presupuesto general para fines

militares.
Sesenta por ciento del presupuesto militar se utilizara para comprar tanques, aviones y
proyectiles. = 0.60 x $ 1500 millones = $ 900 millones
Los tanques cuestan por unidad $ 600000.
Los aviones cuestan $ 2 millones cada uno.
Los misiles 800000 cada uno.
Se ha decidido que se deben adquirir al menos 200 tanques y 200 aviones.
Debido a la escasez de pilotos experimentados, tambin se ha decidido no comprar ms de

300 aviones.
Por razones estratgicas, la proporcin de proyectiles a aviones comprados debe estar en el

rango de a .
El objetivo es maximizar la utilidad total de estas armas, en donde las utilidades individuales
estn dadas como 1, 3 y 2, respectivamente.

FV: Maximizar la utilidad de las armas que se piensa adquirir.
D:
Maximizar (utilidad de tanques + utilidad de aviones + utilidad de misiles)
FM: Maximizar 1 x T + 3 x A +2 x P
Maximizar T + 3A + 2P

55

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.
FM: 0.6T + 2A + 0.8P <= 900

b)
Preferencia de tanques
FV: El gobierno debe adquirir al menos 200 tanques.

FM: T >= 200
c)
Preferencia de aviones
FV: El gobierno debe adquirir al menos 200 aviones.

FM: A >= 200
d)
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
FV: La proporcin de proyectiles a aviones comprados debe estar en el rango de a ..

FM: 1/4 = P/A =
De donde tenemos:
4P A >= 0
2P A <= 0
f)
T, A y P >= 0

Maximizar T + 3A + 2P
Sujeto a:
0.6T + 2A + 0.8P <= 900
T >= 200
A >= 200
A <= 300
4P A >= 0
2P A <= 0
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.
Modelos de programacin lineal para decisiones de produccin

Problema de produccin de energa del departamento de energa del Paraguay
El departamento de energa de Paraguay actualmente est en el proceso de desarrollar un plan

nacional de energa para el ao 2009. Paraguay puede generar energa de cualquiera de cinco
fuentes: carbn, gas natural, materiales nucleares, proyectos hidroelctricos y petrleo. Los datos
56

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
Formule el modelo matemtico correspondiente.

Solucin:
C = el nmero de MW-h generados con carbn
G = el nmero de MW-h generados con gas natural
N = el nmero de MW-h generados con material nuclear.
H = el nmero de MW-h generados con proyectos hidroelctricos.
P = el nmero de MW-h generados con petrleo.

a)
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)
Se debe utilizar al menos 80% de la capacidad de las plantas de carbn.

80% de 45 000 MW-hr = 36 000 MW-hr
d)
La cantidad de generada a partir del gas natural debe ser al menos 30% de la generada a partir del
petrleo.
e)
Capacidades de generacin y costos:

Fuente de Energa
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
Informacin de contaminacin durante la generacin de energa:

Contaminante (g/MW-hr)
Fuente de
Energa
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

FV: Minimizar los costos de generacin de energa
D:
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 )
FM: Minimizar 6,0C + 5,5G + 4,5N+ 5,0H+ 7,0P

Nota: Costo de generacin = Costo unitario de generacin x N de MW-hr generados.

a)
Demanda de Energa
FV: la produccin de energa debe ser igual a 60 000 MW-hr

D : (generacin de energa con carbn + generacin de energa con gas natural + generacin de
energa con material nuclear + generacin de energa con hidroelctricas + generacin de energa
con petrleo ) debe ser igual a 60 000 MW-hr
FM: C + G + N + H + P = 60 000
b)
Capacidad total de generacin de energa con carbn

58

FV: La capacidad total de generacin de energa con carbn no debe exceder 45 000 MW-hr
FM: C <= 45 000
c)
Capacidad total de generacin de energa con gas, material nuclear, hidroelctricas y

petrleo

Capacidad total de generacin de energa con gas
FM: G <= 15 000
Capacidad total de generacin de energa con material nuclear
FM: N <= 45 000
Capacidad total de generacin de energa con hidroelctricas
FM: H <= 24 000
Capacidad total de generacin de energa petrleo
FM: P <= 48 000
d)
Generacin de energa en plantas nucleares
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)
Generacin de energa en plantas de carbn
FV: Se debe utilizar al menos 80% de la capacidad de las plantas de carbn

D : La generacin de energa por plantas de carbn debe ser mayor del 80% de 45 000 MW-hr
FM: C >= 36 000
f)
Generacin de energa en plantas de gas natural
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)
Limite mximo permisible de Dixido de Azufre
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)
Limite mximo permisible de monxido de carbono, partculas de polvo y desechos slidos

Limite mximo permisible de monxido de carbono
1,2C + 0,5G +0,1N + 0,8P <= 60 000
Limite mximo permisible de partculas de polvo
0,7C + 0,2N + 0,5P <= 30 000
Limite mximo permisible de desechos slidos
0,4C + 0,7N + 0,1P <=25 000
i)
59

C, G, N, H yP >= 0 y enteros.

Minimizar 6,0C + 5,5G + 4,5N+ 5,0H+ 7,0P
Sujeto a:
C + G + N + H + P = 60 000
C <= 45 000
G <= 15 000
N <= 45 000
H <= 24 000
P <= 48 000
N <= 12 000
C >= 36 000
G 0,3P >= 0
1,5C + 0,2G + 0,4P <= 75 000
1,2C + 0,5G +0,1N + 0,8P <= 60 000
0,7C + 0,2N + 0,5P <= 30 000
0,4C + 0,7N + 0,1P <=25 000
C, G, N, H yP >= 0 y enteros.
Donde
C = el nmero de MW-h generados con carbn
G = el nmero de MW-h generados con gas natural
N = el nmero de MW-h generados con material nuclear.
H = el nmero de MW-h generados con proyectos hidroelctricos.
P = el nmero de MW-h generados con petrleo.
3.3.2.
Problema de planeamiento de produccin de acero
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


P1 = Nmero de pies de vigas pequeas producidas por la mquina 1
M1 = Nmero de pies de vigas medianas producidas por la mquina 1
L1 = Nmero de pies de vigas largas producidas por la mquina 1
EL1 = Nmero de pies de vigas extra largas producidas por la mquina 1

e)
Disponibilidad de cada mquina: 50 horas por semana
f)
Costo horario de operacin de la mquina 1: $ 30,0
g)
h)
i)
Demanda de vigas pequeas: 10 000 pies por semana
j)
Demanda de vigas medianas: 8 000 pies por semana
k)
Demanda de vigas grandes: 6 000 pies por semana
l)
Demanda de vigas extra grandes: 6 000 pies por semana
m) Produccin horaria de las mquinas

Mquina
Viga
M1
M2
M3
Pequea
300
600
800
Mediana
250
400
700
Larga
200
350
600
Extra Larga
100
200
300

FV: Minimizar el costo de operacin de las mquinas
D : Minimizar (costo de operacin de la mquina 1 + costo de operacin de la mquina 2 + costo de
operacin de la mquina 3)
Minimizar (costo de produccin de vigas pequeas por la mquina 1 + costo de produccin de vigas
medianas por la mquina 1 + costo de produccin de vigas largas por la mquina 1 + costo de
produccin de vigas extra largas por la mquina 1 + costo de produccin de vigas pequeas por la
mquina 2 + costo de produccin de vigas medianas por la mquina 2 + costo de produccin de
vigas largas por la mquina 2 + costo de produccin de vigas extra largas por la mquina 2 + costo
de produccin de vigas pequeas por la mquina 3 + costo de produccin de vigas medianas por la
mquina 3 + costo de produccin de vigas largas por la mquina 3 + costo de produccin de vigas
extra largas por la mquina 3)
61

FM:
P1 M 1 L1 EL1
P2 M 2 L2 EL2
P3 M 3 L3 EL3
Minimizar.30
50
80
300 250 200 100

600 400 350 200
800 700 600 300
Minimizar 0,1 P1 + 0,12 M1 + 0,15 L1 + 0,3 EL1 + 0,083 P2 + 0,125 M2 + 0,143 L2 +0,25 EL2 + 0,1
P3 +0,114 M3 +0,133 L3 +0,267 EL3

e)
Disponibilidad de la mquina 1
FV: La disponibilidad de la mquina 1 es de 50 horas

D:
(horas de produccin de vigas pequeas + horas de produccin de vigas medianas + horas de

produccin de vigas grandes + horas de produccin de extra grandes) es de 50 horas
FM: P1 M 1 L1 EL1 50
300 250 200 100
3,33 P1 + 4 M1 + 5 L1 + 10 EL1 <= 50 000
f)

1,67 P2 + 2,5 M2 + 2,86 L2 + 5 EL2 <= 50 000
g)

1,25 P3 + 1,43 M3 + 1,67 L3 +3,33 E 3 <= 50 000
h)
Demanda semanal de vigas pequeas
FV: La demanda semanal de vigas pequeas es de 10 000 pies

D: (la produccin de vigas pequeas de la mquina 1 + la produccin de vigas pequeas de la
mquina 2 + la produccin de vigas pequeas de la mquina 3) es de 10 000 pies
FM: P1 + P2 + P3 >= 10 000
i)
Demanda semanal de vigas medianas

M1 +M2 +M3 >= 8 000
j)
Demanda semanal de vigas largas

L1 +L2 +L3 >= 6 000
k)
Demanda semanal de vigas extra largas

EL1 +EL2 +EL3 >= 6 000
l)
P1, P2, P3, M1, M2, M3, L1,L2, L3, EL1, EL2 y EL3 >= 0

Minimizar 0,1 P1 + 0,12 M1 + 0,15 L1 + 0,3 EL1 + 0,083 P2 + 0,125 M2 + 0,143 L2 +0,25 EL2 + 0,1
P3 +0,114 M3 +0,133 L3 +0,267 EL3
Sujeto a:
3,33 P1 + 4 M1 + 5 L1 + 10 EL1 <= 50 000
1,67 P2 + 2,5 M2 + 2,86 L2 + 5 EL2 <= 50 000
1,25 P3 + 1,43 M3 + 1,67 L3 +3,33 E 3 <= 50 000
P1 + P2 + P3 >= 10 000
62

M1 +M2 +M3 >= 8 000

L1 +L2 +L3 >= 6 000
EL1 +EL2 +EL3 >= 6 000
P1, P2, P3, M1, M2, M3, L1,L2, L3, EL1, EL2 y EL3 >= 0
Donde
3.3.3.
Problema de mezcla de mineral
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:
A
= el nmero de toneladas de mineral a extraer del Tajeo A por da
= el nmero de toneladas de mineral a extraer del Tajeo B por da

a)
Produccin por tajeo

Ley de Ag (onz/ton)
Ley de As (%)
Utilidad ($/ton)
Tajeo A
6,0
0,36
4,3
Tajeo B
3,5
0,65
5,0
b)
Contenido mximo de arsnico del mineral enviado a la fundicin: 0,5%
c)
Capacidad del sistema de transporte: 400 ton/da
d)
Ley minima de cabeza de planta: 4,0 onz Ag/ton

63

FV: Maximizar las utilidades de la empresa.

D : Maximizar (utilidades obtenidas del mineral extrado del Tajeo A + utilidades obtenidas del mineral
extrado del Tajeo B)
FM: Maximizar 4,3 A +5,0 B

a)
Contenido de arsnico enviado a la fundicin
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
FM: -14 A + 15B <= 0

b)
Ley de cabeza de plata de la planta concentradora
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
FM: 2 A 0,5 B >= 0

c)
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)
A y B >= 0

Maximizar 4,3 A +5,0 B
Sujeto a:
-14 A + 15B <= 0
2 A 0,5 B >= 0
A y B >= 0
Donde
A
= el nmero de toneladas de mineral a extraer del Tajeo A por da
= el nmero de toneladas de mineral a extraer del Tajeo B por da
3.3.4.
Problema de extraccin de mineral
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

por mes (30 das)

P1
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
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:
E1P1 = el nmero de das de trabajo durante 1 mes del equipo 1 en el pozo 1.
65


a)
Rendimiento diario de los equipos:

Equipo
Pozos
por mes (30 das)
P1
P2
P3
E1
90
70
78
E2
65
80
65
E3
50
70
85
E4
90
72
58
b)
Produccin mensual del pozo 1: 2500ton.
c)
d)
e)
Costo de operacin total de los equipos ($)

Equipo
Pozos
P1
P2
P3
E1
32
45
42
E2
39
52
55
E3
39
50
51
E4
55
70
65

FV: Minimizar el costo de operacin de los equipos utilizados en la extraccin de mineral.
D : Minimizar (costo de equipo 1 + costo de equipo 2 + costo de equipo 3 + costo de equipo4)
FM: Minimizar 32E1P1 + 45E1P2 + 42E1P3 + 39E2P1 + 52E2P2 + 55E2P3 + 39E3P1 + 50E3P2 +
51E3P3 + 55E4P1 + 70E4P2 + 65E4P3

a)
produccin de mineral del pozo 1
FV: La produccin de mineral del pozo 1 debe ser de 2500 ton/mes

D : (produccin de mineral con el equipo 1 + produccin de mineral con el equipo 2 + produccin de
mineral con el equipo 3 + produccin de mineral con el equipo 4) debe ser 2500 ton/mes
FM: 90E1P1 + 65E2P1 + 50E3P1 +90E4P1 = 2500
b)

FM: 70E1P2 + 80E2P2 + 70E3P2 +72E4P2 = 2300
c)

FM: 78E1P3 + 65E2P3 + 85E3P3 +58E4P3 = 2250
66

d)
Das efectivos de trabajo de la mquina 1
FV: la mquina 1 trabaja 25 das efectivos mensualmente.

D : (das de trabajo de la mquina 1 en el pozo 1 + das de trabajo de la mquina 1 en el pozo 2+ das
de trabajo de la mquina 1 en el pozo 3) debe ser menor de 25 das.
FM: E1P1 + E1P2 + E1P3 <= 25
e)
FV: la mquina 2trabaja 28as efectivos mensualmente.

D : (das de trabajo de la mquina 2en el pozo 1 + das de trabajo de la mquina 2en el pozo 2+ das
de trabajo de la mquina 2en el pozo 3) debe ser menor de 28as.
FM: E2P1 + E2P2 + E2P3 <= 28
f)

FM: E3P1 + E3P2 + E3P3 <= 28
g)

FM: E4P1 + E4P2 + E4P3 <= 29
h)
Das mnimos de trabajo de la mquina 4
FV: la mquina 4 debe trabajar minimamente 10 das mensualmente.

de trabajo de la mquina 4 en el pozo 3) debe ser al menos 10 das.
FM: E4P1 + E4P2 + E4P3 >=10
i)
Das de trabajo en el pozo 1
FV: El pozo 1 debe trabajar 30 das mensualmente

D : (das de trabajo de la mquina 1 en el pozo 1 + das de trabajo de la mquina 2 en el pozo 1 + das
de trabajo de la mquina 3 en el pozo 1 + das de trabajo de la mquina 4 en el pozo 1) debe ser
30 das.
FM: E1P1 + E2P1 + E3P1 + E4P1 = 30
j)

30 das.
FM: E1P2 + E2P2 + E3P2 + E4P2 = 30
k)

30 das.
FM: E1P3 + E2P3 + E3P3 + E4P3 = 30
l)
E1P1, E1P2, E1P3, E2P1, E2P2, E2P3, E3P1, E3P2, E3P3, E4P1, E4P2 y E4P3 >= 0 y enteros
67


Minimizar 32E1P1 + 45E1P2 + 42E1P3 + 39E2P1 + 52E2P2 + 55E2P3 + 39E3P1 + 50E3P2 + 51E3P3 +
55E4P1 + 70E4P2 + 65E4P3
Sujeto a:
90E1P1 + 65E2P1 + 50E3P1 +90E4P1 = 2500
70E1P2 + 80E2P2 + 70E3P2 +72E4P2 = 2300
78E1P3 + 65E2P3 + 85E3P3 +58E4P3 = 2250
E1P1 + E1P2 + E1P3 <= 25
E2P1 + E2P2 + E2P3 <= 28
E3P1 + E3P2 + E3P3 <= 28
E4P1 + E4P2 + E4P3 <= 29
E4P1 + E4P2 + E4P3 >=10
E1P1 + E2P1 + E3P1 + E4P1 = 30
E1P2 + E2P2 + E3P2 + E4P2 = 30
E1P3 + E2P3 + E3P3 + E4P3 = 30
E1P1, E1P2, E1P3, E2P1, E2P2, E2P3, E3P1, E3P2, E3P3, E4P1, E4P2 y E4P3 >= 0 y enteros
Donde
3.3.5.
Problema de produccin de la compaa Guantes de Acero Co.
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)
Formulacin del modelo matemtico

G = El nmero de pares de guantes producido..
C= El nmero de unidades de correas producidos.

68

a)
Utilidades producto de la venta de guantes

Utilidad = Costo de venta Costo de produccin
Utilidad = Costo de venta (costo de materia prima + costo de maquina 1 + costo de maquina 2)
Utilidad = Costo de venta (costo de materia prima + costo unitario de maquina 1 x horas utilizadas
de maquina 1 + costo unitario de maquina 2 x horas utilizadas de maquina 2)
Utilidad = S/. 18,0 (S/.2,0 + 2,0 S/./h x 4h + 2,0 S/./h x2h)
Utilidad = S/. 4,0
b)
Utilidades producto de la venta de correas de seguridad

Utilidad = S/. 18,0 (S/.2,5 + 2,0 S/./h x2h + 2,0 S/./h x3h)
Utilidad = S/. 5,5
c)
Horas mquina empleados para producir guantes y correas

Producto
Mquina 1
Mquina 2
Guantes (par)
Correas
Total
160
180

FV: Maximizar las utilidades de la empresa
D:
Maximizar (las utilidades generadas por la venta de guantes + las utilidades generadas por la venta
de correas)
FM: Maximizar 4G + 5,5C

a)
Uso de la mquina 1
FV: El nmero de horas disponibles de la mquina 1 es de 160

D : (nmero de horas de mquina 1 empleados en los guantes + nmero de horas de taladrado
empleados en las correas) debe ser menor de 160 horas
FM: 4G + 2C <= 160
b)
Uso de la mquina 2

2G + 3C <= 180
c)
G y C >= 0 y enteros.

Maximizar 4G + 5,5C
Sujeto a:
4G + 2C <= 160
2G + 3C <= 180
G y C >= 0 y enteros.
Donde
G = El nmero de pares de guantes producido..
C= El nmero de unidades de correas producidos.
69

3.3.6.
Problema de produccin de artculos electrnicos
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
Control de transistores y micromdulos
rea 4
Prueba de circuitos y embalaje
La produccin de un transistor requiere:

0.1
Horas - hombre en el rea 1
0.5
horas - hombre en el rea 3
S/. 70
en costos directos
La produccin de un micromdulo requiere:

0.4
horas-hombre en el rea 2
0.5
horas - hombre en el rea 3
transistores
S/. 50
en costos directos
La produccin de un circuito armado requiere:

0.1
horas-hombre en el rea 2
0.5
horas hombre en el rea 4
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:
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

Los datos del problema los podemos resumir en el cuadro siguiente:
Producto
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
La produccin de un micromdulo requiere 3 transistores

70

b)
La produccin de un circuito armado requiere 1 transistor y 3 micromdulos
c)
Hay 200 horas-hombre disponibles en cada rea de trabajo.
d)
Utilidad en la venta de 01 transistor = S/. 200 - S/. 70 = S/. 130
e)
Utilidad en la venta de 01 micromdulo = S/. 800 - S/.50 3 x S/. 70 = S/. 540
f)
Utilidad en la venta de 01 circuito armado = S/. 2500 - S/.200 1 x S/. 70 3 x S/. 220 = S/. 1490

FV: Maximizar las utilidades de la compaa.
D : Mazimizar (utilidades por venta de transistores + utilidades por venta de micromdulos + utilidades
por venta de circuitos armados).
FM: Maximizar 130T + 540M + 1490C

a)
rea 1 Produccin de transistores
FV: El nmero de horas hombres disponibles en el rea 1 es de 200 horas hombre

D : El nmero de horas hombre disponibles para la produccin de transistores debe ser menor o igual
a 200 horas hombre
FM: 0.1T <= 200
b)
rea 2 Ensamblaje de circuitos

D : (nmero de horas hombre disponibles para la produccin de micromdulos + nmero de horas
hombre disponibles para la produccin de circuitos armados) debe ser menor o igual a 200 horas
hombre
FM: 0.4M + 0.1C <= 200
c)
rea 3 Control de transistores y micromdulos

D : (nmero de horas hombre disponibles para la produccin de transistores + nmero de horas
hombre disponibles para la produccin de micromdulos) debe ser menor o igual a 200 horas hombre
FM: 0.5T + 0.5M <= 200
d)
rea 4 Prueba de circuitos y embalaje

D : El nmero de horas hombre disponibles para la produccin de circuitos armados debe ser menor
o igual a 200 horas hombre
FM: 0.5C <= 200
e)
Requerimiento de transistores en la produccin de micromdulos
FV: La produccin de un micromdulo requiere 3 transistores

D : El nmero de transistores debe ser tres veces mayor o igual que el nmero de micromdulos
FM: T >= 3M
T 3 M >= 0
f)
Requerimiento de transistores en la produccin de circuitos armados
FV: La produccin de un circuito armado requiere 1 transistor y 3 micromdulos

D : El nmero de transistores debe ser diez veces mayor o igual que el nmero de circuitos armados
FM: T >=10 C
T 10 C >= 0
71

g)
Requerimiento de micromdulos en la produccin de circuitos armados
FV: La produccin de un circuito armado requiere 3 micromdulos

D : El nmero de micromdulos debe ser tres veces mayor o igual que el nmero de circuitos armados
FM: M >= 3C
M 3C >= 0
h)
T, M y C >= 0

Maximizar 130T + 540M + 1490C
Sujeto a:
0.1T <= 200
0.4M + 0.1C <= 200
0.5T + 0.5M <= 200
0.5C <= 200
T 3 M >= 0
T 10 C >= 0
M 3C >= 0
T, M y C >= 0
Donde
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
3.3.7.
Problema de planeamiento de produccin
Una compaa manufactura tres productos A, B y C. Cada unidad de producto A requiere de 1

hora de servicio de ingeniera, 8 horas de mano de obra directa y 4 libras de material; para
producir 1 unidad del producto B se requiere 3 horas de ingeniera. 3 horas de mano de obra
directa y 3 libras de material; cada unidad del producto C requiere de 2 horas de ingeniera, 4 horas
de mano de obra directa y 2 libras de material se dispone de 80 horas de ingeniera. 800 horas de
mano de obra y 300 libras de material cada mes. Las utilidades son como sigue:
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:
72

A1 =Numero de unidades del producto A, producidas con una utilidad unitaria de $ 10.
B1 =Numero de unidades del producto B, producidas con una utilidad unitaria de $ 6.
C1 =Numero de unidades del producto C, producidas con una utilidad unitaria de $ 5.

a)
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

FV: Maximizarlas utilidades de la empresa
D : Maximizar (utilidades por venta del producto A + utilidades por venta del producto B + utilidades por
venta del producto C)
FM: Maximizar 10A1 + 9A2 + 8A3 + 6A4 + 6B1 + 4B2 + 3B3 + 5C1 + 4C2

a)
Disponibilidad de horas de servicio de ingeniera
FV: La cantidad total de horas de servicio de ingeniera disponibles es de 80horas.

D : ((horas de servicio de ingeniera empleados en el producto A + horas de servicio de ingeniera
empleados en el producto B + horas de servicio de ingeniera empleados en el producto C)) debe ser
menor o igual a 80 horas.
FM: A1 + A2 + A3 + A4 + 3B1 + 3B2 + 3B3 + 2C1 +2C2 <= 80
73

b)
Disponibilidad de horas de mano de obra directa
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)
Disponibilidad de libras de material
FV: La cantidad de libras de material disponibles es de 300 horas.

D : ((libras de material empleados en el producto A + libras de material empleados en el producto B +
libras de material empleados en el producto C)) debe ser menor o igual a 300 libras.
FM: 4A1 + 4A2 + 4A3 + 4A4 + 3B1 + 3B2 + 3B3 + 2C1 +2C2 <= 300
d)
Utilidad unitaria en el producto A
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)
Utilidad unitaria en el producto B
De manera similar a la restriccin anterior

FM: B1 <= 50
B1 50U1 >= 0
B2 50U1 <= 0
B2 50U2 >= 0
B3 MU3 <= 0
f)
Utilidad unitaria en el producto A
g)
De manera similar a la restriccin anterior
FM: C1 <= 100

C1 100V1 >= 0
C2 MV1 <= 0
h)
A1,A2, A3, A4, B1, B2, B3, C1, C2 >= 0

Y1, Y2, Y3, Y4, U1, U2, U3, V1 binario
Maximizar 10A1 + 9A2 + 8A3 + 6A4 + 6B1 + 4B2 + 3B3 + 5C1 + 4C2
A1 + A2 + A3 + A4 + 3B1 + 3B2 + 3B3 + 2C1 +2C2 <= 80
8A1 + 8A2 + 8A3 + 8A4 + 3B1 + 3B2 + 3B3 + 4C1 +4C2 <= 800
4A1 + 4A2 + 4A3 + 4A4 + 3B1 + 3B2 + 3B3 + 2C1 +2C2 <= 300
A1 <= 40
A1 40Y1 >= 0
74

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
3.4.
3.4.1.
Modelos de programacin lineal para problemas de transporte

Problema de transporte de concentrado
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:
75

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

a.
La compaa dispone de $ 400 000 para comprar una nueva flota
b.
El vehculo A puede transportar 10 t y se espera que promedie 35 km/h. Su costo es de $ 8000.
c.
El vehculo B tiene una capacidad de 20 t y se espera que promedie 30 km/h su costo es de $

13000.
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.

FV: Maximizar la capacidad en toneladas-km por da de la compaa.
D : Maximizar (capacidad x km x horas diarias x unidades del vehculo A + capacidad x km x horas
diarias x unidades del vehculo B + capacidad x km x horas diarias x unidades del vehculo C).
FM: Maximizar 10 x 35 x 18 x A + 20 x 30 x 18 x B + 18 x 30 x 21 x C
Maximizar 6300A + 10800B + 11340 C

a)
Disponibilidad de choferes
FV: La compaa dispone de 150 choferes por da.

D : (El nmero de choferes que se requiere para los vehculos del tipo A + el nmero de choferes que
se requiere para los vehculos del tipo B + el nmero de choferes que se requiere para los vehculos del
tipo C) debe ser menor o igual a 150.
FM: 3A + 6B + 6C <= 150
b)
Disponibilidad de mantenimiento
FV: La capacidad de mantenimiento de la compaa es de 30 vehculos por da.

D : ((El nmero de vehculos del tipo A + El nmero de vehculos del tipo B + El nmero de vehculos
del tipo C) que pueden tener el servicio de mantenimiento por da debe ser un mximo de 30.
FM: A + B + C <= 30
c)
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)
A, B, C >= 0
76


Maximizar 6300A + 10800B + 11340 C
Sujeto a:
3A + 6B + 6C <= 150
(disponibilidad de choferes)
A + B + C <= 30
(disponibilidad de mantenimiento)
8000A + 13000B + 15000C <= 400 000
(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.
Modelos de programacin lineal para administracin de cartera de valores
3.5.1.
Problema de Inversiones Mineras Rinconada SAA
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.
Solucin:
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
1, si Inversiones Mineras Rinconada SAA debe invertir en el proyecto 1

0, si Inversiones Mineras Rinconada SAA no debe invertir en el proyecto 1
77


P5
P6


a.
Evaluacin de los proyectos:
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.
Se dispone de un presupuesto de US $ 10 000 000.

FV: Maximizar el rendimiento total de las inversiones.
D: Maximizar (rendimiento del proyecto 1 + rendimiento del proyecto 2 + rendimiento del proyecto 3 +
rendimiento del proyecto 4 + rendimiento del proyecto 5 + rendimiento del proyecto 6)
FM: Maximizar 1 000 000 x 0.60P1 + 2 000 000 x 0.45P2 + 1 700 00 x 0.90P3 + 2 500 000 x 0.75P4 + 4
000 000 x 0.51P5 + 2 500 000 x 1.20P6
Maximizar 600 000P1 + 900 000P2 + 1 530 000P3 + 1 875 000P4 + 2 040 000P5 + 3 000 000P6

a)
Flujo de efectivo anual
FV: Se dispone de 10 000 000 para invertir anualmente.

D: (Inversin en el proyecto 1 + Inversin en el proyecto 2 + Inversin en el proyecto 3 + Inversin en
el proyecto 4 + Inversin en el proyecto 5 + Inversin en el proyecto 6) debe ser menor o igual a 10 000
000.
FM: 1 000 000P1 + 2 000 000P2 + 1 700 00P3 + 2 500 000P4 + 4 000 000P5 + 2 500 000P6 <= 10 000
000
P1 + 2P2 + 1,7P3 + 2,5P4 + 4P5 + 2,5P6 <= 10
b)
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

FM: 0.5P1 + 0.4P2 + 0.7P3 + 0.65P4 + 0.45P5 + 07.5P6 <= 3.0
c)
Riesgo de proyecto
FV: Cuando mucho dos proyectos pueden tener un factor de riesgo mayor a 0.6.
D:
(proyecto 3 + proyecto 4 + proyecto 6) es menor o igual a 2.
FM: P3 + P4 + P6 <= 2
d)
P1, P2, P3, P4, P5 y P6 binarios

Maximizar 600 000P1 + 900 000P2 + 1 530 000P3 + 1 875 000P4 + 2 040 000P5 + 3 000 000P6
Sujeto a:
P1 + 2P2 + 1,7P3 + 2,5P4 + 4P5 + 2,5P6 <= 10
0.5P1 + 0.4P2 + 0.7P3 + 0.65P4 + 0.45P5 + 07.5P6 <= 3.0
P3 + P4 + P6 <= 2
P1, P2, P3, P4, P5 y P6 binarios
3.5.2.
Problema de inversin
Hoy es su da de suerte. Acaba de ganar $ 10000. Dedicara $ 4000 al pago de impuestos y

diversiones, pero ha decidido invertir los otros $ 6000. Al or esta noticia, dos amigos la han
ofrecido una oportunidad de convertirse en socio en dos empresas distintas, cada una planeada
por uno de ellos. En ambos casos, la inversin incluye dedicar parte de su tiempo el siguiente
verano y dinero en efectivo.
Para ser un socio pleno en el caso del primer amigo debe invertir $ 5000 y 400 horas, su ganancia
estimada (sin tomar en cuenta el valor de su tiempo) seria de $ 4500. Las cifras correspondientes
para el segundo caso son $ 4000 y 500 horas, con una ganancia estimada igual a la anterior. Sin
embargo, ambos amigos son flexibles y le permitirn asociarse con cualquier fraccin de
participacin que quiera. Si elige 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.
Como de todas formas usted busca un trabajo de verano interesante (mximo 600 horas), ha
decidido participar en una o ambas empresas en alguna combinacin que maximice su ganancia
total estimada.
Formule un modelo matemtico para encontrar la mejor combinacin.
Solucin:
A = La cantidad de dlares a invertir en el negocio del primer amigo.
B = La cantidad de dlares a invertir en el negocio del segundo amigo.

a.
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

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.
En verano dispondr de un mximo de 600 horas para trabajo.

FV: Maximizar la ganancia total de mis inversiones.
D : Maximizar (la ganancia en el negocio de mi primer amigo + la ganancia en el negocio de mi
segundo amigo).
FM: Maximizar A x 4500/5000 + B x 4500/4000
Maximizar 0.9A + 1.125B

a)
Disponibilidad de $ 6000 para invertir
FV: La disponibilidad de capital para invertir es de $ 6000.

D : (La inversin en el negocio del primer amigo + La inversin en el negocio del segundo amigo) debe
ser menor o igual a $6000.
FM: A + B <= 6000
b)
Inversin en el negocio del primer amigo
FV: El negocio del primer amigo necesita una inversin de $ 5000.

FM: A <= 5000
c)
Inversin en el negocio del segundo amigo
FV: El negocio del segundo amigo necesita una inversin de $ 4000.

FM: B <= 4000
d)
Disponibilidad de horas de trabajo
FV: Dispongo de 600 h de trabajo para el verano

D : (El nmero de horas de trabajo en el negocio de mi primer amigo + El nmero de horas de trabajo
en el negocio de mi segundo amigo) debe ser menor o igual a 600 horas.
FM: A x 400/5000 + B x 500/4000 <= 600
0.08A + 0.125B <= 600
e)
A y B >= 0

Maximizar 0.9A + 1.125B
Sujeto a:
A + B <= 6000
A <= 5000
B <= 4000
0.08A + 0.125B <= 600
A y B >= 0
Donde
A = La cantidad de dlares a invertir en el negocio del primer amigo.
B = La cantidad de dlares a invertir en el negocio del segundo amigo.
80

3.6.
Modelos de programacin lineal para problemas de mezclas
3.6.1.
Problema de mezcla de Metalco Company
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.
Solucin:
A1 = Nmero de libras de la aleacin 1 utilizados para preparar 1 lb de la nueva aleacin.

a.
Preparar una aleacin con 40% de aluminio, 35% de zinc y 25% de plomo.
b.
Caractersticas de las aleaciones a utilizar:
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

FV : Minimizar el costo de produccin de 1 libra de aleacin.
D
: Minimizar (costo de la aleacin 1 + costo de la aleacin 2 + costo de la aleacin 3 + costo de la

aleacin 4 + costo de la aleacin 5).
FM : Minimizar 77A1 + 70A2 + 88A3 + 84A4 + 94A5

a)
Porcentaje de aluminio en la nueva aleacin
FV: El porcentaje de aluminio en la nueva aleacin es de 40%.

81

D : (Aluminio procedente de la aleacin 1 + Aluminio procedente de la aleacin 2 + Aluminio

procedente de la aleacin 3 + Aluminio procedente de la aleacin 4 + Aluminio procedente de la aleacin
5 ) debe ser el 40% de la nueva aleacin.
FM: 0.6A1
b)
+ 0.25A2 + 0.45A3 + 0.2A4 + 0.5A5 = 0.4
Porcentaje de zinc en la nueva aleacin
FV: El porcentaje de zinc en la nueva aleacin es de 35%.

D : (Zinc procedente de la aleacin 1 + Zinc procedente de la aleacin 2 + Zinc procedente de la
aleacin 3 + Zinc procedente de la aleacin 4 + Zinc procedente de la aleacin 5 ) debe ser el 35% de la
nueva aleacin.
FM: 0.1A1
c)
+ 0.15A2 + 0.45A3 + 0.5A4 + 0.4A5 = 0.35
Porcentaje de plomo en la nueva aleacin
FV: El porcentaje de plomo en la nueva aleacin es de 25%.

D : (Plomo procedente de la aleacin 1 + Plomo procedente de la aleacin 2 + Plomo procedente de la
aleacin 3 + Plomo procedente de la aleacin 4 + Plomo procedente de la aleacin 5 ) debe ser el 40%
de la nueva aleacin.
FM: 0.3A1
d)
+ 0.6A2 + 0.1A3 + 0.3A4 + 0.1A5 = 0.25
Balance de materia en la nueva aleacin
FV: La suma de los componentes debe ser igual a 1 libra

D : (Aleacin 1 + aleacin 2 + aleacin 3 + aleacin 4 + aleacin 5 ) debe ser igual a 1 libra.
FM: A1 + A2 + A3 + A4 + A5 = 1
e)
A1, A2, A3, A4 y A5 >= 0

Minimizar 77A1 + 70A2 + 88A3 + 84A4 + 94A5
Sujeto a:
0.6A1 + 0.25A2 + 0.45A3 + 0.2A4 + 0.5A5 = 0.4 (porcentaje de aluminio en la nueva aleacin)
0.1A1 + 0.15A2 + 0.45A3 + 0.5A4 + 0.4A5 = 0.35 (porcentaje de zinc en la nueva aleacin)
0.3A1 + 0.6A2 + 0.1A3 + 0.3A4 + 0.1A5 = 0.25
(porcentaje de plomo en la nueva aleacin)
A1 + A2 + A3 + A4 + A5 = 1
(balance de materia)
A1, A2, A3, A4 y A5 >= 0

Donde
3.6.2.
Problema de mezcla de Save It Co.
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

Tabla 1. Datos de productos de la Save It Company

Grado
Especificacin
Amalgamado,
costo ($) por
libra
Precio de venta
($) por libra
3.00
8.50
2.50
7.00
2.00
5.50
Material 1: no ms de 30% del total

A
Material 2: no menos del 40% del total

Material 3: no ms del 50% del total
Material 4: exactamente 20% del total

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:
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.
83


a.
Datos de productos de la Save It Company
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

Material 3: no ms del 50% del total

B

b.
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.

FV: Maximizar la ganancia semanal neta.
D: Maximizar la ganancia semanal neta por venta del (material grado A + material grado B + material
grado A +)
FM: Maximizar 5.50 (X1A + X2A + X3A + X4A) + 4.50 (X1B + X2B + X3B + X4B) + 3.50 (X1C + X2C + X3C + X4C).

a)
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

- 0.20X1A 0.20X2A 0.20X3A + 0.80X4A = 0

0.50X1B 0.50X2B + 0.50X3B 0.50X4B <= 0
- 0.10X1B + 0.90X2B - 0.10X3B 0.10X4B >= 0
- 0.10X1B - 0.10X2B - 0.10X3B + 0.90X4B = 0
0.30X1C - 0.70X2C - 0.70X3C 0.70X4C <= 0
b)
Disponibilidad de materiales
FV: Se dispone de 3000 libras de material 1 semanalmente.

D: Se dispone de 3000 libras de material1 para (producto de grado A + producto de grado B +
producto de grado C).
FM: X1A + X1B + X1C <= 3000
X2A + X2B + X2C <= 2000
X3A + X3B + X3C <= 4000
X4A + X4B + X4C <= 1000
c)
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
X2A + X2B + X2C >= 1000
X3A + X3B + X3C >= 2000
X4A + X4B + X4C >= 500
d)
Restricciones sobre el costo de tratamiento
FV: Debe usarse $ 30 000 semanales para tratar los materiales

D: El costo de tratamiento del ( material 1 + material 2 + material 2 + material 4) debe ser $ 30 000
semanales.
FM: 3.00 (X1A + X1B + X1C) + 6.00 (X2A + X2B + X2C) + 4.00 (X3A + X3B + X3C) + 5.00 (X4A + X4B + X4C) = 30
000
e)
X1A, X2A, X3A , X4A, X1B , X2B , X3B , X4B , X1C , X2C , X3C y X4C >= 0

Maximizar 5.50 (X1A + X2A + X3A + X4A) + 4.50 (X1B + X2B + X3B + X4B) + 3.50 (X1C + X2C + X3C + X4C)
Sujeto a:
0.70X1A 0.30X2A 0.30X3A 0.30X4A <= 0
- 0.40X1A + 0.60X2A 0.40X3A 0.40X4A >= 0
- 0.50X1A 0.50X2A + 0.50X3A 0.50X4A <= 0
- 0.20X1A 0.20X2A 0.20X3A + 0.80X4A = 0
0.50X1B 0.50X2B + 0.50X3B 0.50X4B <= 0
- 0.10X1B + 0.90X2B - 0.10X3B 0.10X4B >= 0
- 0.10X1B - 0.10X2B - 0.10X3B + 0.90X4B = 0
0.30X1C - 0.70X2C - 0.70X3C 0.70X4C <= 0
X1A + X1B + X1C <= 3000
85

X2A + X2B + X2C <= 2000

X3A + X3B + X3C <= 4000
X4A + X4B + X4C <= 1000
X1A + X1B + X1C >= 1500
X2A + X2B + X2C >= 1000
X3A + X3B + X3C >= 2000
X4A + X4B + X4C >= 500
3.00 (X1A + X1B + X1C) + 6.00 (X2A + X2B + X2C) + 4.00 (X3A + X3B + X3C) + 5.00 (X4A + X4B + X4C) = 30
000
X1A, X2A, X3A , X4A, X1B , X2B , X3B , X4B , X1C , X2C , X3C y X4C >= 0
Donde
3.7.
3.7.1.
Modelos de programacin lineal para planeacin de produccin agregada

Problema de asignacin de aviones a rutas de transporte
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
Cantidad de viajes diarios en la ruta

1
30
20
10
1000
2000
900
1200
Cantidad diaria de clientes
Los costos asociados, incluyendo las penalizaciones por perder clientes por falta de espacio son:
Costo de operacin (US $) por viaje en ruta
Tipo de avin
1000
1100
1200
1500
800
900
1000
1000
600
800
800
900
Penalizacin ($) por

cliente perdido
40
50
45
70
86

Formule un modelo matemtico para determinar la asignacin optima de aviones a rutas y la

cantidad asociada de viajes.
Solucin:
A11 = Nmero de aviones del tipo 1 destinados a la ruta 1 diariamente.
N1 = Nmero de clientes no transportados en la ruta 1.

Tipo de
avin
Capacidad
(pasajeros)
Cantidad de
aviones
50
2
3
Cantidad de viajes diarios en la ruta

1
30
20
10
1000
2000
900
1200
Cantidad diaria de clientes
Costo de operacin (US $) por viaje en ruta

Tipo de avin
1
1000
1100
1200
1500
800
900
1000
1000
600
800
800
900
Penalizacin ($) por cliente

perdido
40
50
45
70

FV: Minimizar el costo de operacin de los aviones y la penalizacin por cliente perdido.
D: Minimizar (costo de operacin del avin tipo 1 destinado a la ruta 1 + costo de operacin del avin
tipo 1 destinado a la ruta 2 + costo de operacin del avin tipo 1 destinado a la ruta 3 + costo de
operacin del avin tipo 1 destinado a la ruta 4 + costo de operacin del avin tipo 2 destinado a la ruta
1 + costo de operacin del avin tipo 2 destinado a la ruta 2 + costo de operacin del avin tipo 2
destinado a la ruta 3 + costo de operacin del avin tipo 2 destinado a la ruta 4 + costo de operacin del
87

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

a)
Requerimiento de pasajeros a transportar en la ruta 1
FV: La cantidad diaria de pasajeros a transportar en la ruta 1 es de 1000 clientes.

D: (cantidad de clientes transportados en aviones tipo 1 + cantidad de clientes transportados en
aviones tipo 2 + cantidad de clientes transportados en aviones tipo 3) es mayor o igual a 1000 clientes.
FM: 50 x 3A11 + 30 x 4A21 + 20 x 5A31 >= 1000
150A11 + 120A21 + 100A31 >= 1000
De manera similar para los aviones tipo, tipo 3 y tipo 4.
100A12 + 90A22 + 100A32 >= 2000
100A13 + 90A23 + 80A33 >= 900
50A14 + 60A24 + 40A34 >= 1200
b)
Disponibilidad de aviones de la compaa
FV: La compaa tiene 5 aviones del tipo 1.

D: (el nmero de aviones de tipo 1 destinados a la ruta 1 + el nmero de aviones de tipo 1 destinados
a la ruta 2 + el nmero de aviones de tipo 1 destinados a la ruta 3 + el nmero de aviones de tipo 1
destinados a la ruta 4) debe ser menor o igual a 5.
FM: A11 + A12 + A13 + A14 <= 5
De manera similar para los aviones de tipo 2 y 3
A21 + A22 + A23 + A24 <= 8
A31 + A32 + A33 + A34 <= 10
c)
Balance de pasajeros en las rutas
FV: el numero de pasajeros a transportar en la ruta 1 debe ser igual a 1000..

FM: N1 + 150A11 + 120A21 + 100A31 = 1000
De manera similar para las rutas 2, 3 y 4
N2 + 100A12 + 90A22 + 100A32 = 2000
N3 + 100A13 + 90A23 + 80A33 = 900
N4 + 50A14 + 60A24 + 40A34 = 1200
d)
A11, A12, A13, A14, A21, A22, A23, A24, A31, A32, A33, A34, N1, N2, N3 y N4 >= 0

Minimizar 3000A11 + 2200A12 + 2400A13 + 1500A14 + 3200A21 + 2700A22 + 3000A23 + 2000A24
+3000A31 + 4000A32 +3200A33 + 1800A34 + 40N1 + 50N2 + 45N3 + 70N4
Sujeto a:
150A11 + 120A21 + 100A31 >= 1000
100A12 + 90A22 + 100A32 >= 2000
88

100A13 + 90A23 + 80A33 >= 900

50A14 + 60A24 + 40A34 >= 1200
A11 + A12 + A13 + A14 <= 5
A21 + A22 + A23 + A24 <= 8
A31 + A32 + A33 + A34 <= 10
N1 + 150A11 + 120A21 + 100A31 = 1000
N2 + 100A12 + 90A22 + 100A32 = 2000
N3 + 100A13 + 90A23 + 80A33 = 900
N4 + 50A14 + 60A24 + 40A34 = 1200
A11, A12, A13, A14, A21, A22, A23, A24, A31, A32, A33, A34, N1, N2, N3 y N4 >= 0
Donde
3.7.2.
Problema de distribucin de carga
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
Ms aun, para mantener el avin balanceado, el peso de la carga en los respectivos

compartimientos debe ser proporcional a su capacidad.
Se tienen ofertas para transportar cuatro cargamentos en un vuelo prximo ya que se cuenta con
espacio:
Carga
Peso (ton)
Volumen
(ft3/ton)
Ganancia ($/ton)
89

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.
Solucin:
C1D = Nmero de toneladas de la carga 1 a ser transportado en el almacn delantero
C1C = Nmero de toneladas de la carga 1 a ser transportado en el almacn central
C1T = Nmero de toneladas de la carga 1 a ser transportado en el almacn trasero

a.
Las capacidades de peso y volumen de los compartimientos del avin son:

Compartimiento
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
Se puede aceptar cualquier fraccin de estas cargas.

FV: Maximizar la ganancia por transportar carga.
90

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

a)
Capacidad de peso del compartimiento delantero
FV: La capacidad de peso del compartimiento delantero es de 12 toneladas.

D : (El nmero de toneladas de la carga 1 + El nmero de toneladas de la carga 2 + El nmero de
toneladas de la carga 3 + El nmero de toneladas de la carga 4) a ser transportado en el
compartimiento delantero debe ser de 12 tonelada.
FM: C1D + C2D + C3D + C4D <= 12
De manera similar para los compartimientos central y trasero:
C1C + C2C + C3C + C4C <= 18
C1T + C2T + C3T + C4T <= 10
b)
apacidad de volumen del compartimiento delantero
FV: La capacidad de volumen del compartimiento delantero es de 7000 pies cbicos.

D : (El volumen de la carga 1 + El volumen de la carga 2 + El volumen de la carga 3 + El volumen de la
carga 4) a ser transportado en el compartimiento delantero debe ser de 7000 pies cbicos
FM: 500C1D + 700C2D + 600C3D + 400C4D <= 7000
De manera similar para los compartimientos central y trasero:
500C1C + 700C2C + 600C3C + 400C4C <= 9000
500C1T + 700C2T + 600C3T + 400C4T <= 5000
c)
Balance de peso de la carga 1
FV: El peso de la carga 1 es de 20 toneladas.

D : (el peso de la carga 1 a ser transportado en el compartimiento delantero + peso de la carga 1 a ser
transportado en el compartimiento central + peso de la carga 1 a ser transportado en el compartimiento
trasero) debe ser menor o igual a 20 toneladas.
FM: C1D + C1C + C1T <= 20
De manera similar para las cargas 2, 3 y 4
C2D + C2C + C2T <= 16
C3D + C3C + C3T <= 25
C4D + C4C + C4T <= 13
d)
C1D, C1C, C1T, C2D, C2C, C2T, C3D, C3C, C3T, C4D, C4C y C4T >= 0

Maximizar 320C1D + 320C1C + 320C1T +400C2D + 400C2C + 400C2T + 360C3D + 360C3C + 360C3T
+ 290C4D + 290C4C + 290C4T
Sujeto a:
C1D + C2D + C3D + C4D <= 12
C1C + C2C + C3C + C4C <= 18
C1T + C2T + C3T + C4T <= 10
500C1D + 700C2D + 600C3D + 400C4D <= 7000
500C1C + 700C2C + 600C3C + 400C4C <= 9000
91

500C1T + 700C2T + 600C3T + 400C4T <= 5000

C1D + C1C + C1T <= 20
C2D + C2C + C2T <= 16
C3D + C3C + C3T <= 25
C4D + C4C + C4T <= 13
C1D, C1C, C1T, C2D, C2C, C2T, C3D, C3C, C3T, C4D, C4C y C4T >= 0
Donde
ESTUDIOS DE CASO
92

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.
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:
Sujeto a:
Xc +
Xm
<= 95
- Xc + 5 Xm
>= 0
- Xc + 2 Xm
<= 0
Xc y
Xm
>= 0 y enteros
93

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

Y ahora para las restricciones: se hace clic en agregar...
En F7 est la primera restriccin, como se puede ver en la captura. Se especifica el sentido de la

restriccin <=, >= =. Aqu tambin se puede especificar el tipo de variable, por defecto es
continua, pero se puede escoger "Int" para entera o "Bin" para binaria. En el recuadro de la
derecha establecemos la cota. Aqu podemos escribir 95 pero mejor escribimos $E$7 para que
quede direccionado a la celda que contiene el 95, y despus lo podramos cambiar y volver a
encontrar la respuesta a manera de anlisis de sensibilidad.
Se repite ste paso para las otras dos restricciones.
La condicin de no negatividad hay que incluirla manualmente, as:
El cuadro de dilogo debe lucir as:
95

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
USO DE SOLVER DE WinQSB

En esta seccin, se utiliza el software WinQSB para resolver y analizar el problema de
programacin lineal continua.
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
96

veta.
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.
3. Tendremos la presentacin del programa WinQSB
97

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:
Podemos editar el nombre de las variables y de las restricciones
98

7. En la barra de men, seleccionaremos el icono
para procesar los datos
8. WinQSB procesara los datos, presentndonos la siguiente ventana:
son los siguientes:
9. Si deseamos observar la grfica, seleccionaremos el icono
ventana:
99
y se presentara la siguiente

10. WinQSB presentara el siguiente grfico:
100

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
-
FREE <variable> se usa si variable no tiene restriccin de signo
GIN <variable> se usa si variable slo toma valores enteros no negativos
INT <variable> se usa si variable es binaria
SLB <variable> <VALOR> se usa si variable est acotada inferiormente por valor
SUB <variable> <VALOR> se usa si variable est acotada superiormente por valor

101

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
veta.
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.
13. Luego tendremos la interface del programa y una pantalla <untitled>.
102

14. En la pantalla <untitled> escribiremos nuestro modelo
15. A continuacin guardaremos nuestro modelo seleccionando: File | Save As
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

17. Para procesar el modelo, seleccionaremos : Solve | Solve
18. A continuacin se presentar la ventana LINDO preguntndonos, si deseamos realizar un

anlisis de sensibilidad?:
19. Luego tendremos la ventana LINDO Solver Status, que nos indicara las caractersticas de la
solucin:
20. LINDO procesara los datos, presentndonos el siguiente reporte:
104

son los siguientes:
105

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
300 CS1 + 500 CS2
Dependiendo de:
2 CS1 + CS2 230

CS1 + 2 CS2 250
CS2 120
CS1, CS2 0
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
CONCEPTOS BSICOS EN ANLISIS DE SENSIBILIDAD
106

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.
1. ANLISIS DE SENSIBILIDAD CON EXCEL

El primer paso ser plantear el modelo en la hoja de clculo:
Activando la funcin Solver de Excel, tendremos:
107

Activemos Adoptar modelo lineal en la ventana Opciones de Solver:
Haciendo clic en el botn Resolver, obtendremos la ventana Resultados de Solver, donde

elegiremos Respuesta y Sensibilidad en Informes:
Excel resolver el modelo matemtico:
108

Nos presentar el siguiente Informe de respuestas:
Su interpretacin es inmediata: la solucin ptima sera un plan de produccin semanal de 70000

galones de CS-01, 90000 galones de CS-02 y tendremos un margen de ganancia semanal de $
66000.
Excel, tambin nos presentar el siguiente Informe de sensibilidad:
109

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.
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.
ANLISIS DE SENSIBILIDAD DE LOS COEFICIENTES DE LA FUNCIN OBJETIVO

Anlisis de sensibilidad del coeficiente de la funcin objetivo para CS1
Basndose en la solucin ptima obtenida, la compaa ha estado produciendo 70 mil galones de
CS-01 y 90 mil galones de CS-02. Debido a una competencia reciente en el mercado por CS-01, la
gerencia ha decidido disminuir el precio de venta de CS-01 en $25 por mil galones. Cmo debera
cambiar el plan de produccin para CS-01 y CS-02?
El primer paso para responder esta pregunta es darse cuenta de que una disminucin de $25 en el
precio de venta de cada mil galones de CS-01 tiene como resultado una disminucin
correspondiente en el margen de ganancia de CS-01 de $300 a $275. La pregunta a formularse
es: qu sucede con la solucin ptima anterior para CS1 = 70 y CS2 = 90 cuando el coeficiente
de CS1 en la funcin objetivo disminuye de 300 a 275?
Una forma de contestar esta pregunta es resolver el problema despus de cambiar el coeficiente
de CS1 en la funcin objetivo a 275. Sin embargo, el anlisis de sensibilidad le permite responder
sta y otras preguntas relacionadas sin tener que resolver el problema cada vez que se hace
una pregunta similar.
110

En el Informe de sensibilidad de Excel, obtenemos el intervalo de sensibilidad de los coeficientes

de objetivo y de los recursos disponibles:
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.
ANLISIS DE SENSIBILIDAD DE LOS VALORES DEL LADO DERECHO DE LAS

RESTRICCIONES (RECURSOS DISPONIBLES, RHS)
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 disponibles). Por ejemplo, como gerente de produccin de Case Chemicals, puede estar
interesado en cualquiera de las siguientes preguntas.
El valor minimo del intervalo, se obtiene realizando $F$9 $H$9 y el valor mximo: $F$9 + $G$9
111

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

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.
Qu sucede con el margen de ganancia si se contrata un trabajador adicional de tiempo

completo en el departamento de purificacin (esto es, si el valor del Iado derecho de la
restriccin (2) se incremento a 290 de su valor actual de 250)?
Como este cambio est dentro del intervalo <115, 295>, cada hora ganada incrementa el
margen de ganancia en el precio sombra:
Nuevo margen de ganancia = (viejo margen de ganancia) - (precio sombra) x
(incremento en horas de mano de obra)
= 66 000 + 233,33 x (290 250)
= $75 333,33
ANLISIS PARAMTRICO DE LOS RECURSOS DISPONIBLES (VALORES DEL LADO

DERECHO)
Con el anlisis de sensibilidad, usted est preparado para responder ciertas preguntas del tipo
"Qu sucede si ... ?', siempre y cuando los cambios en los coeficientes estn dentro del intervalo
de sensibilidad. Sin embargo, qu sucede si esos cambios estn fuera del intervalo? Por
ejemplo, como gerente de Case Chemicals, podra enfrentarse con una de las siguientes
preguntas (pero no ambas simultneamente):
1.
Qu sucede con la ganancia semanal si el departamento de mezclado se reduce a dos

trabajadores de tiempo completo y uno de tiempo parcial de 30 horas a la semana?
113

2.
Qu le sucede al margen de ganancia semanal si el departamento de purificacin se

ampla a nueve purificadores con nueve trabajadores de tiempo completo?
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.
Qu le sucede al margen de ganancia semanal ptimo si el valor del lado derecho de la

restriccin (1) disminuye de su valor actual de 230 a 110 (dos trabajadores de tiempo
completo de 40 horas semanales y uno de tiempo parcial de 30 horas a la semana)?
2.
Qu le sucede al margen de ganancia semanal ptimo si el valor del lado derecho de la

restriccin (2) se incremento de su valor actual de 250 a 360 (nueve trabajadores de
tiempo completo de 40 horas semanales)?
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).
En otras palabras, si el nmero de horas en el departamento de mezclado se reduce a 110, el

margen de ganancia semanal cae de $66 000 a $55 000. Esta informacin debera usarse junto
con otros factores al tomar una decisin gerencial.
Para responder la pregunta 2, necesita un anlisis similar para el valor del lado derecho de la
restriccin (2):
En otras palabras, si el nmero de horas en el departamento de purificacin se incremento a 360,

el margen de ganancia semanal se incremento de $66 000 a $76 500. Esta informacin debera
usarse junto con otros factores al tomar una decisin gerencial. Por ejemplo observe que puede
obtenerse el mismo margen de ganancia de $76 500 si el valor del lado derecho de la restriccin
(2) es de 295. La gerencia podra obtener este valor con siete trabajadores de tiempo completo y
uno de tiempo parcial de 15 horas a la semana. Por tanto, tal vez no sea necesario contratar
nueve trabajadores de tiempo completo.
2. ANLISIS DE SENSIBILIDAD CON LINDO

Utilizamos el software LINDO para resolver el modelo matemtico:
114

Obtenemos el siguiente resultado:
Con los resultados, podremos realizar un anlisis similar al realizado con los Informes de Excel.
3. ANLISIS DE SENSIBILIDAD CON WinQSB

Al usar el software WinQSB, obtendramos el siguiente reporte:
115

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.
EL PROBLEMA DE PLANEACIN DE PRODUCCIN DEL SINDICATO

MINERO PACOCOCHA
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.
veta.
Formulacin matemtica del modelo
Sujeto a:
Xc +
Xm
<= 95
- Xc + 5 Xm
>= 0
116

- 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.
ANLISIS DE SENSIBILIDAD CON EXCEL

El primer paso ser plantear el modelo en la hoja de clculo:
Activando la funcin Solver de Excel, tendremos:
117

Activemos Adoptar modelo lineal en la ventana Opciones de Solver:
Haciendo clic en el botn Resolver, obtendremos la ventana Resultados de Solver, donde

elegiremos Respuesta y Sensibilidad en Informes:
Excel nos dar el siguiente Informe de respuestas:
118

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

Podemos utilizar el informe de sensibilidad, adjuntando algunos clculos:
Anlisis de sensibilidad de los coeficientes de la funcin objetivo

Anlisis de sensibilidad de los coeficientes de la funcin objetivo para Xc y Xm
Basndose en la solucin ptima obtenida, la veta Colquechaca ha estado produciendo 63,33 ton
de mineral y la veta 10 de mayo 31,67 ton.
Debido a una sobreoferta de plata en el mercado mundial la cotizacin de la plata baja a $ 10,0
/onz. Cmo debera cambiar el plan de produccin para las vetas Colquechaca y 10 de mayo?
El primer paso para responder esta pregunta es darse cuenta de que una disminucin de $10 en la
cotizacin de la plata tiene como resultado una disminucin correspondiente en el margen de
ganancia de la veta Colquechaca de $126,9 a $ $86,9 y de $328,71 a 168,71 en la veta 10 de
mayo. La pregunta a formularse es: qu sucede con la solucin ptima anterior para Xc = 63,33 y
Xm = 31,67 cuando el coeficiente de Xc en la funcin objetivo disminuye de 126,9 a 86,9 y el
coeficiente Xm disminuye de $328,71 a $ 168,71?.
Una forma de contestar esta pregunta es resolver el problema despus de cambiar el coeficiente
de Xc y Xm en la funcin objetivo a 86,9 y 168,71. Sin embargo, el anlisis de sensibilidad le
permite responder sta y otras preguntas relacionadas sin tener que resolver el problema cada
vez que se hace una pregunta similar.
En el Informe de sensibilidad de Excel, podemos ver que el intervalo de sensibilidad del coeficiente
Xc es [-164,355 , 328,71] y el intervalo de sensibilidad del coeficiente Xm es [126,9 , M]. Esto
significa que si todos los dems datos permanecen inalterados, entonces mientras el coeficiente de
Xc de la funcin objetivo permanezca en el intervalo [-164,355 , 328,71] y el coeficiente Xm en el
intervalo [126,9 , M] , la solucin actual de Xc = 63,33 y Xm = 31,67 sigue siendo ptima. El valor
120

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

Nuevo margen de ganancia = (viejo margen de ganancia) + (precio sombra)*

(incremento en toneladas de capacidad de tratamiento)
= 18 446,15 + 194,17(76 - 95)
= $14 756,92
Anlisis paramtrico de los valores del lado derecho
Con el anlisis de sensibilidad, usted est equipado para responder ciertas preguntas del tipo
"Qu sucede si ... ?', siempre y cuando los cambios en los coeficientes estn dentro del
intervalo de sensibilidad. Sin embargo, qu sucede si esos cambios estn fuera del intervalo?.
Para responder preguntas relativas a los valores del Id fuera del intervalo de sensibilidad, se realiza
clculos con el nuevo valor del ld de la restriccin.
ANLISIS DE SENSIBILIDAD CON LINDO
Con el software LINDO obtendramos el siguiente resultado:
Con los resultados, podremos realizar una anlisis similar al realizado con los Informes de Excel.
ANLISIS DE SENSIBILIDAD CON WinQSB

Al usar el software WinQSB, obtendramos el siguiente reporte:
122

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.
EJEMPLOS DE ANLISIS DE SENSIBILIDAD USANDO SOFTWARE

1. Steel Company produce tres tamaos de tubos: A, B y C, que son vendidos, respectivamente
en $10, $12 y $9 por pie. Para fabricar cada pie del tubo A se requieren 0,5 minutos de tiempo
de procesamiento sobre un tipo particular de maquina de modelado. Cada pie de tubo B
requiere 0,45 minutos y cada pie del tubo C requiere 0,6 minutos. Despus de la produccin,
cada pie de tubo, sin importar el tipo, requiere 1 onza de material de soldar. El costo total se
estima en $3, $4 y $4 por pie de los tubos A, B y C, respectivamente.
Para la siguiente semana, MTV Steel ha recibido pedidos excepcionalmente grandes que
totalizan 2000 pies del tubo A, 4000 pies del tubo B y 5000 pies del tubo C. Como solo se
dispone de 40 horas de tiempo de maquina esta semana y solo se tienen en inventario 5500
onzas de material de soldar, el departamento de produccin no podr satisfacer esta demanda,
que requiere un total de 97 horas de tiempo de maquina y 11000 onzas de material de soldar.
No se espera que contine este nivel de demanda. En vez de expandir la capacidad de las
instalaciones de produccin, la gerencia de MTV Steel esta considerando la compra de
algunos de estos tubos a proveedores de Japn a un costo de entrega de $6 por pie de tubo A,
$6 por pie de tubo B y $7 por pie del tubo C. estos diversos datos se resumen en la tabla.
Como gerente del departamento de produccin, se le ha pedido hacer recomendaciones
respecto a la cantidad de produccin de cada tipo de tubo y la cantidad de compra a Japn
para satisfacer la demanda y maximizar las ganancias de la compaa.
123

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
El modelo matemtico para el problema es:

Maximizar ganancia = 7AP + 8BP + 5CP + 4AJ + 6BJ + 2CJ
Dependiendo de:
Restricciones de demanda
AP +
AJ
2 000
(demanda A)
BP +
BJ
4 000
(demanda B)
CP +
CJ
5 000
(demanda C)
<=
2 400
(tiempo de maquina)
<=
5 500
(material para soldar)
>=
Restricciones de recursos
0,5AP + 0,45BP + 0,6CP
AP +
BP +
CP
AP, BP, CP, AJ, BJ, CJ
Utilice el software WinQSB para responder a las preguntas siguientes:

a)
Cul es el plan de produccin/adquisicin ptimo para la MTV Steel?
124

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)
Cules de las dos restricciones de recursos son acotantes ?

Solo la restriccin para el recurso tiempo de mquina es limitante, debido a que su variable de
holgura (Snack o Surplus) tiene valor de cero.
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)
La compaa desea aumentar sus ganancias a $ 57 500. Cuntas horas ms de tiempo

maquina se necesitan para lograr este objetivo? (Si no puede hacerlo, obtenga la respuesta
resolviendo un modelo apropiadamente modificado).
Nuevo margen de ganancia = (viejo margen de ganancia) + (precio sombra) x (incremento en horas
de mano de obra)
(incremento en horas de mano de obra) = [(nuevo margen de ganancia) (viejo margen de
ganancia)]/(precio sombra)
incremento en horas de mano de obra = ($57,500 - $55,000)/$5,0/h) = 500 min = 8,33 h.
Comprobando con el software tenemos:
Acotante es sinnimo de limitante.

125

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 ($)
El modelo matemtico es el siguiente:

Maximizar
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
Utilice el software WinQSB para responder a las preguntas siguientes:

a.
Determine la solucin ptima con WinQSB
126

HiDec debe producir 450 unidades de M1 y 100 unidades de M2 para obtener una ganancia de S/.
1 750,00.
b.
En funcin de la utilidad ptima, determine el valor de un resistor. De un capacitor. De un

chip.
El valor de los elementos est determinado por el precio sombra de cada uno de ellos, para un
resistor es S/. 1,25, para un capacitor S/. 0,25 y para un chip es 0.
c.
Si la cantidad disponible de resistores aumenta a 1 300 unidades, Qu sucede?

Podemos observar que el recurso resistor posee un intervalo de <1 000, 1 400> y 1 300 se
encuentra dentro del rango, por lo tanto, podemos calcular la variacin de la ganancia ptima:
(Nuevo valor de z) = (valor original de z) + (precio sombra) x (cambio en el valor del lado derecho)
z = 1 750,00 + (1,25) x (1 300-1 200) = S/. 1 875,0
d.
Si se reduce la cantidad de chips disponible a 350 unidades, Podra usted determinar la

solucin ptima nueva en forma directa a partir de la informacin? Explique por qu.
El valor de 350 no se encuentra dentro del intervalo <400, M>, por lo tanto, debemos volver a
calcular la produccin ptima con el nuevo valor.
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.
Si la disponibilidad de los capacitores se limita por el intervalo de aplicabilidad calculado

en b), determine el intervalo correspondiente de utilidad ptima y los intervalos
correspondientes de la cantidad de unidades a producir de los modelos 1 y 2 .
Para responder, utilizaremos el anlisis paramtrico de WinQSB
127

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>:
El intervalo para M1 ser <300, 600> y para M2 <0, 200>.

f.
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

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
<= 430 (Operacin 1)
3x1
<= 460 (Operacin 2)
+ 2x3
x1 + 4x2 <= 420 (Operacin 3)

x 1, x 2, x 3
a)
>= 0
Determine la solucin ptima del problema usando WinQSB.
Toyco debe producir 100 unidades de camiones y 230 unidades de coches para obtener una
ganancia de S/. 1 350,00.
b)
Si usted pudiera redistribuir la capacidad en exceso de la operacin 3 de 20 minutos, Cul

de las dos operaciones (1 2) escogera?
Los minutos no utilizados en la operacin 3 son 20 minutos, el valor de los mismos es:
Operacin 1 = 20 minutos x $1/minuto
= $20
Operacin 2 = 20 minutos x $2/minuto
= $40
Asignara los 20 minutos a la operacin 2, lo que permitira aumentar mi margen de ganancia en

$40,0.
129

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:
El plan de produccin ptimo y el margen de ganancia se mantienen; el coeficiente 1 de la

restriccin 1 (operacin 1) lo haremos variar, hasta que la solucin nos reporte produccin de
trenes:
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

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)
Suponga que Toyco estudia la posibilidad de introducir un cuarto juguete: carro de

bomberos. En el armado no se usa la operacin 1. Sus tiempos de armado por unidad en
las operaciones 2 y 3, son 1 y 3 minutos respectivamente. La utilidad por unidad es $4.
Aconsejara usted a Toyco que introdujera este nuevo producto?
El nuevo modelo matemtico ser:
Maximizar z = 3x1 + 2x2 + 5x3 + 4x4
Sujeto a:
x1 + 2x2 + x3
<= 430 (Operacin 1)
3x1
<= 460 (Operacin 2)
+ 2x3 + x4
x1 + 4x2 + 3x4
x1, x2, x3, x4
<= 420 (Operacin 3)

>= 0
La solucin del modelo matemtico con WinQSB, nos reporta:
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

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)
Suponga que el trabajador de la operacin 2 conviene en trabajar 2 horas de tiempo

extraordinario diarias a $45 por hora. Adems el costo de la operacin misma es $ 10 por
hora. Cul es el efecto de esta actividad sobre la utilidad diaria?
En la operacin 2, con el incremento de 2 horas extras o sea 120 minutos, el total sera de 580
minutos que se encuentra dentro del intervalo <440, 860>, por lo tanto el incremento en las
ganancias sera de $2 x 240 = $480,0 y los gastos seran de 2 x ($45,0 + $10,0) = $110,0, dando
un saldo positivo de $370 ($480 - $110).
g)
Vale la pena usar tiempo extra para la operacin 3?

El anlisis paramtrico para la operacin 3 es:
132

Observamos que el margen de ganancia no se incrementa, a pesar de incrementar los minutos de

operacin, por lo tanto no vale la pena usar tiempo extra.
h)
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:
El nuevo margen de ganancia es de $1 360,0, $10 ms que el anterior; los 10 minutos

adicionales cuestan $6,67, tendramos un incremento de ganancia efectivo de $3,33.
i)
Suponga que disminuye la disponibilidad de la operacin 2 en 15 minutos diarios, y que el

costo por hora de la operacin durante el tiempo normal es $30. Vale la pena disminuir la
disponibilidad de la operacin 2?
La disminucin a 445 minutos, est dentro del intervalo <440, 860>, por lo tanto una disminucin
de 15 minutos nos disminuira el margen de ganancia en $2 x 15 = $30,0, de la misma manera el
ahorro sera de $7,5, ocasionando una prdida de $22,5. No vale la pena disminuir la
disponibilidad de la operacin 2.
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
Ingrediente (oz/lb de producto)

Polmero A
Polmero B
Polmero C
Base
Airtex
Extendex
133

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)
A
>= 1200
(Airtex en libras)
>= 500
(Extendex en libras)
>= 300
(Resistex en libras)
A, E, R >=
Utilice el resultado del uso de software, Solver de Excel para responder a las siguientes
preguntas:
a.
Cul es el plan de produccin ptimo?
134

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.
Cules de las cuatro restricciones son acotantes?

Solo la restriccin para el recurso polmero A es limitante, debido a que su variable de holgura
(Snack o Surplus) tiene valor de cero.
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.
Si la demanda de Airtex aumenta en 2%, Cul es el nuevo plan de produccin ptimo?

Explique
La demanda de Airtex, seria 1224 lb,
135

g.
Qu coeficiente o coeficientes de ganancia podran duplicarse, mientras se mantienen

fijos todos los dems coeficientes, sin que se afecte el plan de produccin optimo?
Explique.
En el producto Airtex, s duplicamos la ganancia de $7 a $14, este nuevo valor sale del rango de
variacin de coeficiente de ganancia de [0 , 13].
En el producto Extendex, s duplicamos la ganancia de $6,5 a $13, este nuevo valor se encuentra
dentro del rango de variacin de coeficiente de ganancia de [3,5 , M].
En el producto Resistex, s duplicamos la ganancia de $6 a $24, este nuevo valor se encuentra
dentro del rango de variacin de coeficiente de ganancia de [0 , 16,25].
En conclusin, podemos duplicar el coeficiente de ganancia de Extendex y Resistex.
h.
La ganancia de Extendex acaba de disminuir en 20%. Cul es el nuevo plan de produccin

y la ganancia total? Explique.
La nueva ganancia en el producto Extendex, sera de $5,2, este nuevo valor esta dentro del rango
de variacin de coeficiente de ganancia de [3,5 ,M]. Por lo tanto, se conserva el plan de
produccin obtenido, con la ganancia de $ 14 620.
i.
El compromiso de producir 300 lbs de Resistex acaba de caer en 10%. Qu le sucede a la

ganancia optima? Explique
136

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.
Cada galn debe tener entre 0,0025 y 0,0045 gramos de fsforo.
d. La cantidad total de aditivos no puede exceder de 19% de la mezcla.

Petrleos crudos
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 (%)

Minimizar 0,55T + 0,47L + 0,33U + 0,08A1 + 0,12A2
Sujeto a:
Restricciones de produccin
0,35T + 0,40L + 0,30U + A1 + A2
Restricciones de composicin de mezclado

0,000245T + 0,00032L + 0,0003U
<=
0,0007
(azufre)
7A1 + 6A2
<=
2,50
(limite superior en
7A1 + 6A2
>=
1,25
(limite inferior en
plomo)
plomo)
137

0,025A1 + 0,02A2 <=
0,0045
(limite superior en fsforo)
0,025A1 + 0,02A2 >=
0,0025
(limite inferior en fsforo)
A1 + A2
<=
0,19
>=
(limite superior en
aditivos)
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.
Identifique que ingredientes (azufre, plomo y fsforo) estn en su lmite permitido.

Los elementos que estn en sus lmites permisibles son: Azufre y Fsforo en su lmite superior.
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.
Explique el impacto de los cambios en el contenido mximo de azufre sobre el costo de la

mezcla ptima.
138

e.
Proporcione la mezcla ptima y el costo asociado si el precio del petrleo crudo Ucayali
aumenta en 10%.
f.
Proporcione la mezcla ptima y el costo asociado si el lmite sobre la cantidad total de

aditivos disminuye de 19% a 15%.
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
<=
100 000 (agua)
>=
>=
Sujeto a:
5600CN +
SB
2500SB + 900LT
CN
CN,
SB,
LT
LT
(tierra)
(demanda de maz)
a.
Cuntos kilogramos de cada cultivo sern cosechados?
Maz
= 8 Ha x 640 kg/Ha = 5 120 kg.

139

b.
Cebolla
= 10,875 Ha x 500 kg/Ha = 5 437,50 kg.
Lechuga
= 31,125 Ha x 400 kg/Ha = 12 450 kg.
En la solucin optima cunta agua y cunta tierra no se utilizan? Explique

Agua = Se utiliza el 100% del recurso, pues el Slack o Surplus es 0.
Tierra = Se utiliza el 100% del recurso, pues el Slack o Surplus es 0.
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
10 x 150 = S/. 1500
Agua
13 000 x 0,1 = 1 300
Recomiendo adquirir agua, por tener menor costo.

e.
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
El modelo matemtico formulado es:

Maximizar
24G + 22C+ 45M
Sujeto a:
2
2G + 1C + 3M
<= 42 (disponibilidad de pie de cuero)
2G + 1C + 2M
<= 40 (disponibilidad de horas de costura)
1G + 0,5C + 1M <= 45
(disponibilidad de horas de acabado)
G, C, M >= 0
Determine la solucin ptima con WinQSB
140

Muani Cueros SRL, debe producir 36 unidades de correas y 2 unidades de mochillas

para obtener una ganancia diaria de S/. 882,0.
A continuacin comente como influyen los cambios siguientes en los recursos:
a.
El cuero disponible aumenta a 45 pie (1pto).

Podemos observar que el recurso cuero posee un intervalo de [40 , 60] y 45 se encuentra
dentro del rango, 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 = 882,0 + (1,0)x(45-42) = S/. 885,0
b.
El cuero disminuye a 1 pie (1pto).

El valor de 1 no se encuentra dentro del intervalo [40 , 60], por lo tanto, debemos volver a
calcular la produccin ptima con el nuevo valor.
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.
Las horas disponibles de costura cambian a 38 (1pto).

El recurso costura posee un intervalo de [28 , 42] y 38 se encuentra dentro del rango, por
lo tanto, podemos calcular la variacin de la ganancia optima:
derecho)
z = 882,0 + (21,0)x(38-40) = 882,6 42,0 = S/. 840,0
d.
Las horas disponibles de costura cambian a 46 (1pto).
141

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.
Las horas disponibles de acabado disminuyen a 15 (1pto).

El valor de 15 no se encuentra dentro del intervalo [20 , M], por lo tanto, debemos volver
a calcular la produccin ptima con el nuevo valor.
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.
Las horas disponibles de acabado aumentan a 50 (1pto).

El recurso acabado posee un intervalo de [20 , M] y 50 se encuentra dentro del rango, por
lo tanto, podemos calcular la variacin de la ganancia optima:
derecho)
z = 882,0 + (0,0)x(50-45) = 882,0 + 0,0 = S/. 882,0
g.
Recomendara usted contratar un costurero mas a S/.15 por hora? (1pto).

Si observamos el precio sombra del recurso costura es de S/. 21,0 mayor que S/. 15,0,
por lo tanto, recomendamos contratar un nuevo costurero por hora.
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

cantidades diarias fabricada de productos 1 y 2 respectivamente. y x 3 las horas diarias de

tiempo extra usadas. El modelo matemtico formulado ser:
Maximizar 10x1 + 12x2 2x3
Sujeto a:
x1 + 2x2 x3
<= 320 (Horas de mano de obra)
3x1 + x2
<= 350 (Materia prima)

x3
x1, x2, x3
a)
<= 10 (Tiempo extra)

<= 0
Determine la solucin ptima del problema usando Solver de Excel
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

z = 2 256,0 + (1,6)x(200,0) = $ 2576,0. Para calcular la solucin ptima empleamos WinQSB.
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 74,4 unidades del producto 1 y 126,8 unidades del
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

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
La compaa se ha comprometido a entregar 540 toneladas de mineral de alta calidad y 650 de

baja calidad en el plazo de una semana. Los contratos firmados le garantizan la paga del da
completo por cada da o fraccin que la mina est abierta.
Minimizar 20 000 M1 + 22 000 M2 + 18 000 M3
Sujeto a:
40 M1 + 60 M2 + 10 M3 >= 540
40 M1 + 40 M2 +60 M3 >= 650
M1 <= 7
M2 <= 7
M3 <= 7
M1, M2 y M3 >= 0
Donde:
M1
M2
= el nmero de das que trabaja la mina2

M3
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.
Cules de las cinco restricciones son acotantes y que significan?
Las restricciones 1, 2 y 4 son acotantes, en el caso de las restricciones 1 y 2 significa que se ha

producido lo solicitado en un 100%, en el caso de la restriccin 4 significa que se trabaja los 7
das de la semana.
c.
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

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

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.
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:
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)
Qu sucede con el nmero ptimo de camiones, Si el costo de operacin de los camiones

grandes se incrementa en un 10%? Explique.
El nuevo costo de transporte para los camiones grandes, sera: $ 240 x 1,1 = $ 264, calculando
con este nuevo costo, tenemos:
147

Observamos que el plan de transporte se mantiene, incrementndose el costo a $ 2 648.

c)
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)
Si de la demanda del transporte de concentrado sube a 250 toneladas. En que porcentaje

se incrementa el costo de operacin? Explique.
Utilizando el precio sombra de la restriccin 1, tenemos:
Nuevo margen de ganancia = (viejo margen de ganancia) (precio sombra) x (incremento en
tonelaje)
= 2 480 + 13,3333 x (250 200) = $ 3146, 665
Entonces el costo de produccin, se incrementa en (3 146,665 2 480)x100 / (2 480) = 26,88%.
e)
Si dos camiones medianos sufren desperfectos y no pueden operar Qu sucede con el

transporte del concentrado? Explique.
No podemos cumplir con la programacin, pues solo podramos reemplazar 1 camin, faltando 1.
148

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.
QU ES UNA RED DE DISTRIBUCIN?

Una clase de problemas que tiene una estructura especial en sus restricciones cuando se le
formula de manera matemtica tiene que ver con la distribucin de bienes. Por lo general, estos
bienes deben ser enviados desde puntos de suministro conocidos (fbricas, plantas, etctera)
hasta puntos de demanda conocidos (clientes, tiendas detallistas, etctera), posiblemente a travs
de puntos intermedios (almacenes regionales y/o de campo, por ejemplo). El objetivo general
consiste en hallar el mejor plan de distribucin, es decir, la cantidad que se debe enviar por cada
una de las rutas desde los puntos de suministro, a travs de los puntos intermedios, hasta los
puntos de demanda. Con el trmino "mejor" se entiende un plan que minimice los costos totales
de envo, produzca la mayor ganancia u optimice algn otro objetivo corporativo especificado por la
gerencia. Tambin es necesario satisfacer ciertas restricciones:
1.
No enviar ms de la capacidad especificada desde cada punto de suministro.
2.
Enviar bienes solamente por las rutas vlidas.
3.
Cumplir (o exceder) los requerimientos de bienes en los puntos de demanda.
Un problema de este tipo es un problema de redes de distribucin. Una caracterstica favorable de

esta clase de problema es que muchos aspectos pueden representarse de manera concisa
mediante un diagrama, conocido como red de distribucin. Una red de distribucin consiste en
una coleccin finita de crculos, llamados nodos, cada uno de los cuales representa una planta, un
almacn o una tienda al menudeo. Los nodos desde los cuales se van a enviar los bienes (como
fbricas y plantas) son nodos de suministro. Los nodos que van a recibir los bienes en
cumplimiento de una demanda conocida (como las tiendas detallistas) se conocen como nodos de
demanda. Los nodos que reciben bienes de otros nodos para su redistribucin (como el caso de
los almacenes) se conocen como nodos de transbordo o nodos intermedios.
149

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

detallistas se presenta en la tabla 1. Como gerente de distribucin, usted desea formular un

modelo matemtico para encontrar el programa de envos de menor costo.
Tabla 1. Costos de embarque ($/maquina) de plantas a tiendas
TIENDAS
PLANTAS
SAN DIEGO
BARSTOW
TUCSON
DALLAS
San francisco
Los Angeles
10
Phoenix
Figura 2. La red de distribucin de CCC
FORMULACIN MATEMTICA DEL PROBLEMA

Minimizar
(5xss + 3xsb + 2xst, + 6xsd) +

(4xls + 7xlb + 8xlt+ 10xld) +
(6xps + 5xpb + 3xpt + 8xpd)
Dependiendo de:
RESTRICCIONES DE CAPACIDAD
xss + xsb + xst, + xss
1 700
(San Francisco)
xls + xlb + xlt + xld
2 000
(Los ngeles)
xps + xpb + xpt + xpd
1 700
(Phoenix)
RESTRICCIONES DE DEMANDA
xss + xls + xps
1 700 (San Diego)
xsb + xlb + xpb
1 000 (Barstow)
151

xsi + xlt + xpt
1 500 (Tucson)
xsd + xld + xpd
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.
Elija la opcin Network Modelling
2.
Seleccione la opcin Transportation Problem
3.
Ingrese la informacin del problema:
1.
La solucin optima es:
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

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.
Dibuje la representacin de red para este problema. (2puntos)
b. Formule el modelo de programacin lineal. (6 puntos)

N1 = el nmero de toneladas de grava a transportar desde la cantera Norte a la construccin 1
S1 = el nmero de toneladas de grava a transportar desde la cantera Sur a la construccin 1

FV: Minimizar el costo de transporte de grava de las canteras a las construcciones.
D : Minimizar (costo de transporte de grava de las canteras Norte y Sur a las construcciones 1,2 y 3)
FM: Minimizar 30N1 +60N2 + 50N3 +60S1 + 30S2 + 40S3.
f)
Restricciones de Capacidad de produccin

N1 + N2 + N3 <= 18 (Cantera Norte)
S1 + S2 + S3 <= 14 (Cantera Sur)
g)
N1 + S1 = 10 (Construccin 1)
h)
N1, N2, N3, S1, S2 y S3

153

3Minimizar 30N1 +60N2 + 50N3 +60S1 + 30S2 + 40S3.

Dependiendo de:
Restricciones de capacidad
N1 + N2 + N3 <= 18 (Cantera Norte)
S1 + S2 + S3 <= 14 (Cantera Sur)
N1, N2, N3, S1, S2 y S3 > 0 y enteras
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
Formular este problema como un programa lineal.

Solucin
Antes de formular el modelo, dibujaremos un diagrama de redes que nos ayude a visualizar la
informacin y los datos del problema:
154


XC1F1 = El numero de toneladas de madera transportadas de la compaa maderera 1 a la fbrica de
muebles 1 por semana.
a)
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)
Costo de transporte de las compaas madereras a las fabricas de muebles ($/ton):

Fbrica de muebles
Compaa
maderera
2.5
4.8
155

3.6
3.2

FV: Minimizar el costo de transporte de madera de las compaas madereras a las fbricas de muebles.
D: Minimizar el costo de transporte de (la compaa maderera 1 a la fbrica de muebles 1 + la
compaa maderera 1 a la fbrica de muebles 2 + la compaa maderera 1 a la fbrica de muebles 3 +
la compaa maderera 2 a la fbrica de muebles 1 + la compaa maderera 2 a la fbrica de muebles 2 +
la compaa maderera 2 a la fbrica de muebles 3 + la compaa maderera 3 a la fbrica de muebles 1 +
la compaa maderera 3 a la fbrica de muebles 2 + la compaa maderera 3 a la fbrica de muebles 3)
FM: Minimizar 2XC1F1 + 3XC1F2 + 5XC1F3 + 2.5XC2F1 + 4XC2F2 + 4.8XC2F3 + 3XC3F1 + 3.6XC3F2 + 3.2XC3F3

a)
Restricciones de disponibilidad de madera
FV: La compaa maderera 1 tiene una capacidad de suministro de madera ilimitada.

D: (El suministro de madera a la fbrica de muebles 1 + El suministro de madera a la fbrica de muebles
2 + El suministro de madera a la fbrica de muebles 3) es ilimitada
FM: XC1F1 + XC1F2 + XC1F3 <= M
Donde M significa una cantidad sin lmite o una cantidad muy grande.
De manera similar para las compaas madereras 2 y 3:
XC2F1 + XC2F2 + XC2F3 <= M
XC3F1 + XC3F2 + XC3F3 <= 500
b)
Restricciones de requerimiento de madera
FV: La fbrica de muebles 1 requiere 500 toneladas de madera semanalmente.

D: (El suministro de madera de la compaa maderera 1 + El suministro de madera de la compaa
maderera 2 + El suministro de madera de la compaa maderera 3) debe ser de 500 toneladas de
madera semanalmente.
FM: XC1F1 + XC2F1 + XC3F1 <= 500
De manera similar para las fabricas de muebles 2 y 3:
XC1F2 + XC2F2 + XC3F2 <= 700
XC1F3 + XC2F3 + XC3F3 <= 600
c)
Restricciones de capacidad de transporte de madera
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:
El suministro de madera de la compaa maderera 1 a la fbrica de muebles 1 puede ser ilimitada.
FM: XC1F1 <= M, XC1F2 <= M, XC1F3 <= M

De manera similar para las compaas madereras 2 y 3:
XC2F1 <= 200, XC2F2 <= 200, XC2F3 <= 200
XC3F1 <= 200, XC3F2 <= 200, XC3F3 <= 200
d)
XC1F1, XC1F2 , XC1F3 , XC2F1 , XC2F2 , XC2F3 , XC3F1 , XC3F2 y XC3F3 >= 0

Minimizar 2XC1F1 + 3XC1F2 + 5XC1F3 + 2.5XC2F1 + 4XC2F2 + 4.8XC2F3 + 3XC3F1 + 3.6XC3F2 + 3.2XC3F3
156

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:
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

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

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
Figura 3. Representacin de la red del problema de asignacin

Minimizar
25x11 + 20x12 + 28x13 + 30x14 + 0x15 +

24x 21 + 22x22
+ 25x23 + 23x24 + 0x25 +
30x31 + 30x32 + 28x33 + 25x34
+ 0x35 +
38X41 + 32x42 + 30X43 + 30X44 + 0x45 +

40x51 + 40x52 + 28x53 + 30x54 + 0x55
Dependiendo de:
RESTRICCIONES DE ASIGNACIN DE PEDIDO
x11 + x12 + x13 + x14 + x15 = 1
(Orden 1)
x21 + x22 + x23 + x24 + x25 = 1
(Orden 2)
x31 + x32 + x33 + x34 + x35 = 1
(Orden 3)
159

x41 + x42 + x43 + x44 + x45 = 1
(Orden 4)
x51 + x52 + x53 + x54 + x55 = 1
(Orden 5)
RESTRICCIONES DE ASIGNACIN DE MQUINA

X11 + x21 + x31 + x41 + 51 = 1
(Mquina 1)
X12 + x22 + x32 + x42 + 52 = 1
(Mquina 2)
X13 + x23 + x33 + x43 + 53 = 1
(Mquina 1)
X14 + x24 + x34 + x44 + 54 = 1
(Mquina 1)
X15 + x25 + x35 + x45 + 55 = 1
(Mquina 1)
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.
Elija la opcin Network Modelling
2.
Seleccione la opcin Assignment Problem
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

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
WCo + CCo + LCo + ACo = 1
WN + CN+ LN + AN = 1
WCh + CCh + LCh + ACh = 1
WP+ CP + LP + AP = 1
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

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.

LCp = el nmero de perforadoras enviadas de Lima a Cerro de Pasco
LAn = el nmero de perforadoras enviadas de Lima a Ancash
LP = el nmero de perforadoras enviadas de Lima a Puno
ACp = el nmero de perforadoras enviadas de Arequipa a Cerro de Pasco
AAn = el nmero de perforadoras enviadas de Arequipa a Ancash
AP
= el nmero de perforadoras enviadas de Arequipa a Puno
CCp = el nmero de perforadoras enviadas de Cajamarca a Cerro de Pasco

Can = el nmero de perforadoras enviadas de Cajamarca a Ancash
CP = el nmero de perforadoras enviadas de Cajamarca a Puno
Son mostradas en la tabla
FV: Minimizar el costo de enviar las perforadoras a los Centros Mineros
D : Minimizar (costo de envo de Lima a Cerro de Pasco + costo de envo de Lima a Ancash + costo de
envo de Lima a Puno + costo de envo de Arequipa a Cerro de Pasco + costo de envo de
Arequipa a Ancash + costo de envo de Arequipa a Puno + costo de envo de Cajamarca a Cerro de
Pasco + costo de envo de Cajamarca a Ancash + costo de envo de Cajamarca a Puno )
162

FM: Minimizar 900LCp + 1000 LAn + 1600LP + 1400ACp + 1500AAn + 1000AP + 1200CCp + 1400CAn
+ 2500CP
e)
Existencia de perforadoras en Lima

FV: El nmero de perforadoras existentes en Lima es 3
D : (perforadoras a enviar a Cerro de Pasco + perforadoras a enviar a Ancash + perforadoras a enviar a
Puno) igual a 3
FM: LCp + LAn + LP = 3
f)
Existencia de perforadoras en Arequipa y Cajamarca

Existencia de perforadoras en Arequipa
FM: ACp + AAn + AP = 2
Existencia de perforadoras en Cajamarca
FM: CCp + CAn + CP = 3
g)
Demanda de perforadoras en Cerro de Pasco

FV: El nmero de perforadoras que debe decepcionarse en Cerro de Pasco e 2
D : (perforadoras a enviar de Lima + perforadoras a enviar de Arequipa + perforadoras a enviar de
Cajamarca) igual a 2
FM: LCp + ACp + CCp = 2
h)
Demanda de perforadoras en Ancash y Puno

Demanda de perforadoras en Ancash
FM: LAn + AAn + CAn = 2
Demanda de perforadoras en Puno
FM: LP + AP + CP = 4
i)
LCp, LAn, LP, ACp, AAn, AP, CCp, CAn y CP >= 0 y enteros.

Minimizar 900LCp + 1000 LAn + 1600LP + 1400ACp + 1500AAn + 1000AP + 1200CCp + 1400CAn
+ 2500CP
Sujeto a:
Restricciones de disponibilidad
LCp + LAn + LP = 3
ACp + AAn + AP = 2
CCp + CAn + CP = 3
LCp + ACp + CCp = 2
LAn + AAn + CAn = 2
LP + AP + CP = 4
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

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.
Dibuje la representacin de red para este problema. (2 puntos)
b.
Formule el modelo de programacin lineal. (6 puntos)

M1U1 = Asignacin de la maquina 1 a la ubicacin 1
M1U2 = Asignacin de la maquina 1 a la ubicacin2
M3U2 = Asignacin de la maquina 3 a la ubicacin2
164



FV: Minimizar el costo de asignacin de las maquinas a sus lugares de ubicacin.
D : Minimizar (costo de asignacin de las maquinas 1, 2 y 3 a sus lugares de ubicacin 1,2, 3 y 4)
FM: Minimizar 13M1U1 + 16M1U2 +12M1U3 + 11M1U4 + 15M2U1 + 13M2U3 + 20M2U4 + 5M3U1
+7M3U2 +10M3U3 + 6M3U4
a)
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)
M1U1, M1U2, M1U3, M1U4, M2U1, M2U3, M2U4, M3U1, M3U2, M3U3 Y M3U4 de tipo binario

Minimizar 13M1U1 + 16M1U2 +12M1U3 + 11M1U4 + 15M2U1 + 13M2U3 + 20M2U4 + 5M3U1
+7M3U2 +10M3U3 + 6M3U4
Dependiendo de:
M1U1 + M1U2 + M1U3 + M1U4 = 1
M2U1 + M2U3 + M2U4 = 1
M3U1 + M3U2 + M3U3 + M3U4 = 1
M1U1 + M2U1 + M3U1 = 1
M1U2 + M3U2 = 1
M1U3 + M2U3 + M3U3 = 1
M1U4 + M2U4 + M3U4 = 1
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

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 ($/maquina) de plantas a almacenes regionales
ALMACENES REGIONALES
PLANTAS
HUNGRIA
HAWAI
Texas
200
400
Iowa
300
400
Oregon
N/A
500
Tabla 5. Costos de embarque ($/maquina) de almacenes regionales a almacenes de campo

FILIPINAS
FIJI
Hungra
800
600
Hawai
700
400
Tabla 6. Costos de embarque de almacenes de campo a clientes

ALMACENES
DE CAMPO
CLIENTES
JAPN
COREA DEL SUR
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

Figura 4. Red de distribucin del problema del MTI

Minimizar
2x14+ 4x15 + 3x24 + 4x25 + 5x35 + 8x46 + 6x 47 + 7x56 + 4x57 +

7x68+ 6x69 + 8x6,10 + 7x79 + 5x7,10 + 6x7,11
Dependiendo de:
RESTRICCIONES DE SUMINISTRO
x14 + x15
= 100
(capacidad en Paris, Texas)
(1)
x24 + x25
= 200
(capacidad en Davenport, Iowa)
(2)
x35
= 150
(capacidad en Springfield, Oregon) (3)
RESTRICCIONES DE ALMACN REGIONAL

x46 + x47 - x14 - x24 = 0
x56 + x57 - x15 - x25 - x35 = 0
(equilibrio en Hungra)
(4)
(equilibrio en Hawai)
(5)
RESTRICCIONES DE ALMACN DE CAMPO

x68 + x69 + x6,10 - x46 x56 = 0 (equilibrio en Filipinas)
(6)
x79 + x7,10 - x7,11 x47 - x57 = 0 (equilibrio en Islas Fiji)
(7)
RESTRICCIONES DE DEMANDA
x68
= 120
(demanda en Japn)
(8)
= 80
(demanda en Corea del Sur)
(9)
x6,10 + x7,10 = 70
(demanda en Nueva Zelanda)
(10)
x7,11
(demanda en Australia)
(11)
x69
+ x79
= 110
167

Todas las variables > 0 y enteras
(12)
SOLUCIN POR COMPUTADORA

En la presente seccin, aprender cmo es utilizado el software LINDO 6,0 para resolver
problemas de trasbordo:
1.
2.
La solucin optima, podemos observarla en las siguientes tablas:

Tabla 7. Plan de embarque de plantas a almacenes regionales
168

PLANTAS
Texas
Iowa
Oregon
HUNGRA
HAWAI
100
200
N/A
80
Tabla 8. Plan de embarque de almacenes regionales a almacenes de campo

FILIPINAS
FIJI
Hungra
100
Hawai
20
260
Tabla 9. Plan de embarque de almacenes de campo a clientes

ALMACENES
DE CAMPO
CLIENTES
JAPN
COREA DEL SUR
NUEVA ZELANDA
AUSTRALIA
Filipinas
120
N/A
Fiji
N/A
80
70
110
El costo total es de $ 579 000.

Resumen del problema de transbordo
El problema de transbordo es un problema de red de distribucin que involucro nodos de
suministro, transbordo y demanda. Los arcos que conectan las parejas de estos nodos tienen
capacidades en forma de lmites inferiores y superiores sobre las cantidades embarcadas a lo
largo de esos arcos. Cuando los nodos tienen capacidades, sin embargo, es necesario crear una
red modificada que pueda resolverse mediante un programa de computadora. Las capacidades en
los nodos en la red original se transforman en capacidades en los arcos en la red modificada.
169

CAPITULO II: CONSTRUCCION DE MODELOS DETERMINISTICOS
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

DESARROLLO DE LA RED DE PROYECTOS

Para ilustrar cmo se aplican las tcnicas de administracin de proyectos a la verificacin de un
proyecto, considere el enfrentado por la Gerencia de Operaciones de Santa Rosa Mining. Que
encomienda a sus ingenieros realizar un proyecto de desarrollo y preparacin de una veta, con
minerales de Plomo, Zinc y Cobre, para explotar mediante el mtodo de subniveles.
Puede determinar el tiempo de conclusin siguiendo los siguientes pasos:
a) Identifique las tareas individuales que componen el proyecto.
b) Obtenga una estimacin del tiempo de conclusin de cada tarea.
c) Identifique las relaciones de tiempo entre las tareas. Qu tareas deben concluirse antes de
que otras puedan iniciarse?
d) Dibuje un diagrama de red de proyecto para reflejar la informacin de los pasos a y b.
Fig 1. Desarrollo y preparacin para explotacin por subniveles
Identificacin de las tareas individuales

Los proyectos terminados consisten en diversas tareas individuales. Para comprobar los
proyectos, primero debe identificar esas tareas. stas pueden variar tanto en el tiempo requerido
para concluirlas como en su complejidad. Las tareas complejas pueden considerarse como
proyectos que en s mismos necesitan verificacin al ser divididos en subtareas. Por ejemplo, en
el diseo de una lanzadera espacial, una de las tareas es desarrollar sistemas de computacin a
bordo. Como esta tarea es en s misma un proyecto importante, puede dividirla en subtareas
consistentes en desarrollar sistemas de computacin para salvamento, control de motor y
recoleccin y transmisin de datos. Aunque no existe una forma nica de decidir qu tan grande o
pequea debe ser una tarea, existen algunas pautas a seguir:
1. Cada tarea debe tener un comienzo y un final claros en el contexto del proyecto.
2. La terminacin de cada tarea debe ser necesaria para la conclusin del proyecto y debe
representar un hito en el progreso del proyecto.
3. El tamao de una tarea debe estar en proporcin con el control que usted pueda ejercer.
4. Debe haber alguna(s) persona(s) responsables de la conclusin de cada tarea individual.
Sobre la base de estas pautas usted, como Gerente de operaciones de Santa Rosa Mining. Debe
identificar las tareas que estn bajo su control y que deben completarse para que el proyecto sea
exitoso.
Tabla 1 Lista de tareas
171

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.
Confiando en experiencias pasadas en proyectos similares.
2.
Consultando con las personas a cargo de cada tarea individual.
3.
Usando datos anteriores.
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 de corte I
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)
Tabla 2 Estimacin de tiempo para las tareas
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

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:
deben terminarse antes de que la tarea de inters pueda comenzar y
no dependen para su inicio de la conclusin de cualquier otra tarea inmediatamente

predecesora de esta lista.
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
Tabla 3 Tabla de precedencia para las tareas

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 mineral
Chimenea de corte I
Explotacin
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
Trazo de la red de proyectos

Recuerde que uno de los objetivos principales de la administracin de proyecto es determinar la
cantidad mnima de tiempo requerido para terminar todo el proyecto. La identificacin de las
relaciones de precedencia entre las tareas individuales, como en la tabla 3, es un primer paso en
esa direccin. Una comprensin todava mejor de estas relaciones puede obtenerse convirtiendo
9
la informacin de precedencia en una red de proyecto . Una red consiste en una coleccin finita
de nodos y arcos. Un arco es una flecha que conecta un nodo con otro.
En la administracin de proyecto, los nodos y arcos de la red de proyecto tienen un significado
especial en el contexto del problema especfico, dependiendo de cul de los siguientes enfoques
estndar be utilice:
10
1. Representacin de actividad en arco : en este enfoque, cada arco corresponde a una

de las actividades: los nodos que estn conectados por ese arco representan el inicio y fin
de esa actividad.
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

11
2. Representacin de actividad en nodo : en este enfoque, cada nodo representa una de

las tareas (o actividad); un arco conecta dos nodos si un nodo corresponde a una tarea
inmediatamente predecesora del otro nodo.
Puede adaptarse cualquier enfoque para dibujar la red de proyecto. Del siguiente procedimiento
de solucin depende cul se elija. Slo asegrese de que el paquete de computadora disponible
para la administracin del proyecto puede manejar el enfoque elegido para trazar la red del
proyecto.
Grficamente la actividad se representa mediante dos figuras:
ARCO
Orientando de izquierda a derecha, significa la ejecucin del trabajo. La longitud del arco no es
vectorial y no siempre es recto.
NODOS
A estos se les denomina sucesos, eventos o nudos, inicial y final respectivamente, indican el inicio
y la finalizacin de la actividad y sirve como punto de control de la ejecucin de los trabajos. Una
actividad debe estar terminada para que la subsiguiente pueda empezar.
Ejemplos:
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

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.
Fig. 5 labores Nv. 2510
Nota: Nominacin de galeras con letras.
Fig. 6 Red para el Nv 2510
La figura 5 representa un proyecto de excavacin de labores subterrneas para la preparacin del

Nv 2510; representando mediante le red de proyecto se tiene la fig. 6.
La enumeracin de los sucesos, es otro sistema para la identificacin de las actividades, la misma
que facilita los clculos manuales y en computadora. Normalmente es conveniente enumerar en
forma secuencial.
En la red de proyecto indicado en la fig. 6 las actividades enumeradas son:
Actividad
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

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.
Fig. 7. Red de proyectos del proyecto Santa Rosa Mining Corp.

ADMINISTRACIN DE PROYECTOS USANDO TIEMPOS DETERMINSTICOS (CPM)
En esta seccin aprender cmo usar la red de proyecto junto con tiempos determinsticos para la
conclusin de tareas a fin de administrar proyectos respondiendo las siguientes preguntas:
1. Qu tan pronto puede completarse todo el proyecto?
2. Para satisfacer este tiempo de conclusin,qu tareas son crticas, en el sentido de que un
retraso en cualquiera de esas tareas producira un retraso en la conclusin de todo el
proyecto?
Clculo del tiempo de terminacin de proyecto
Los clculos sistemticos necesarios para determinar el tiempo de terminacin ms breve se
ilustran para el proyecto de Santa Rosa Mining Corp. Observe que el tiempo determinstico para la
conclusin de cada tarea se escribe junto al arco correspondiente a esa tarea en la figura.
176

Fig. 8 Tiempos de duracin de cada actividad del proyecto Santa Rosa Mining
Para encontrar el tiempo de terminacin ms corto de todo el proyecto, proceda sistemticamente

desde el principio, determinando lo siguiente para cada tarea:
12
1.
El tiempo de inicio ms temprano (IT) , esto es, el tiempo ms inmediato en que esa
tarea puede iniciarse.
2.
El tiempo de terminacin ms temprano (TT) , esto es, el tiempo ms breve en el que

esa tarea puede concluir.
13
donde:
A
: Actividad
i, j
: Nodos
El tiempo de terminacin ms temprana de la tarea final es el tiempo ms corto en el que todo el

proyecto puede completarse. (En el caso de que exista ms de una tarea terminal, el tiempo de
conclusin ms breve de todo el proyecto es el mximo de los tiempos mnimos de terminacin de
todas esas tareas.)
Para calcular el tiempo de inicio ms temprano para una tarea particular, recuerde el concepto de
las tareas predecesoras inmediatas, esto es, aquellas tareas que deben concluirse antes que la
tarea actual pueda iniciarse. Es necesario saber cundo termina cada una de estas tareas
predecesoras:
Regla 1. Para calcular el tiempo de inicio ms temprano de una tarea particular, debe
conocer los tiempos de terminacin ms tempranos de cada tarea predecesora inmediata.
Regla 2. El tiempo de inicio ms temprano de una tarea de la que se conocen los tiempos
de terminacin ms tempranos de todas sus tareas predecesoras inmediatas es el mximo
de esos tiempos de terminacin ms tempranos.
Regla 3. Tiempo de terminacin ms temprano = (tiempo de inicio ms temprano) + (tiempo
de tarea):
TT IT t
12
13
El tiempo mas cercano en que una tarea posiblemente puede inciarse.

El tiempo mas corto en el que una tarea posiblemente puede concluir.
177

Fig 9. Clculo de los tiempos de inicio y terminacin mas tempranos para el proyecto de Santa Rosa Mining
Pasos para calcular los tiempos de inicio y de terminacin ms tempranos

Paso 0.
Identifique el nodo correspondiente al principio de todo el proyecto.

Calcule y escriba lo siguiente en el nodo inicial:
a.
El tiempo de inicio ms cercano, esto es, 0 (porque la tarea correspondiente

puede iniciarse inmediatamente).
b.
El tiempo de terminacin ms breve de acuerdo con la regla 3, esto es:

Tiempo de terminacin ms breve
=
(tiempo de inicio ms inmediato) + (tiempo de tarea)
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.
Para el nodo seleccionado en el paso 1, calcule y escriba lo siguiente junto a cada

arco saliente:
a.
El tiempo de inicio ms breve de acuerdo con la regla 2, esto es

Tiempo de inicio ms inmediato = mximo de los tiempos de terminacin ms
breves de todos los arcos entrantes
b.
El tiempo de terminacin ms breve de acuerdo con la regla 3, esto es

Tiempo de terminacin ms breve = (tiempo de inicio ms inmediato) +
(tiempo de tarea)
Identificacin de las tareas crticas

En esta seccin, aprender cmo usar la red de proyecto junto con los tiempos de conclusin de
tareas individuales y los tiempos de inicio y terminacin ms tempranos calculados en 2.1 para
determinar qu tareas son crticas. Crtica significa que un retraso en cualquiera de esas tareas
ocasiona un retraso en todo el proyecto. Los retrasos del proyecto pueden ocasionar costos
adicionales, ingresos perdidos y/o incumplimiento de las obligaciones contractuales. Por ejemplo,
no terminar las labores de preparacin e inicio de explotacion de Santa Rosa Mining Corp. a
tiempo puede ocasionar una prdida sustancial en las ventas de concentrado para el periodo
planeado. Por tanto, como gerente, necesitar comprobar estas tareas crticas estrechamente
para ver que se terminen a tiempo a fin de que el proyecto entero se mantenga en lo programado.
178

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
Pasos para calcular los ltimos tiempos de inicio y terminacin

14
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
Una tarea para la que la tarea de inters es una predecesora.
179

Paso 0. Identifique el nodo correspondiente al final de todo el proyecto. Calcule y escriba

lo siguiente dentro de cada arco entrante:
a.
El ltimo tiempo de terminacin, que es el tiempo ms breve de conclusin

del proyecto, segn se determin en la seccin 2.2 (porque cualquier otro
retraso en estas tareas retrasara todo el proyecto).
b.
El ltimo tiempo de inicio de acuerdo con la regla 6, es decir

ltimo tiempo de inicio = (ltimo tiempo de terminacin) - (tiempo de tarea)
= (tiempo de conclusin de proyecto) - (tiempo de
tarea)
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.
El ltimo tiempo de terminacin de acuerdo con la regla 5, es decir ltimo

tiempo de inicio = mnimo de los ltimos tiempos de inicio de todos los arcos
salientes
b.
El ltimo tiempo de inicio de acuerdo con la regla 6, es decir ltimo tiempo

de inicio = (ltimo tiempo de terminacin) - (tiempo de tarea)
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
Chimenea de corte I
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

Fig. 11 Ruta crtica para el proyecto Santa rosa Mining
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.
Administracin de proyectos con tiempos determinsticos de tarea: uso de la computadora

Utilizaremos el software WinQSB para hallar la ruta crtica:
1. Iniciar el modulo PERT-CPM del software WinQSB
2. Ingresar los datos iniciales del proyecto
18
Una secuencia de tareas crticas de un proyecto que conecta el principio del proyecto con el fin.
181

3. Ingresar la duracin y los predecesores de las tareas.
4. Obtener la ruta crtica
182

Son valores similares a los obtenidos anteriormente.

5. Podemos observar tambin la grafica
Expedicin de un proyecto usando tcnicas de crashing

En muchos proyectos la gerencia puede decidir que el tiempo de conclusin ms breve no es
aceptable. En tales casos, a menudo pueden usarse recursos adicionales para agilizar ciertas
tareas, ocasionando una conclusin ms temprana del proyecto. En esta seccin, aprender cmo
183

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:
(costo al tiempo de choque) - (costo al tiempo normal)

(tiempo normal) - (tiempo de choque)
Costo por unidad =
Para la tarea de la chimenea de acceso,
Costo por unidad =
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
Tiem po de tarea (das)
184

Fig. 12 Transaccin tiempo costo lineal para la chimenea de acceso

Estos datos y clculos para cada tarea del proyecto de Santa Rosa Mining se muestran en la tabla
5.
Observe que el costo por unidad de la tarea L, Explotacin, no se ha calculado. Esa tarea no
puede acortarse en absoluto.
A
Nivel
B
Subnivel I
C
Subnivel II
D
Transversal II
E
Chimenea de acceso
F
G
H
I
Chimenea de corte I
J
K
L
Explotacin
M
N
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
Tabla 5 Costos de choque para las tareas de Santa Rosa Mining
70.0
70.0
452.0
102.2
107.0
316.7
110.0
332.0
440.0
38.3
60.0
275.0
Desarrollo del modelo de choque

Con los datos de la tabla 5 y la red de proyecto, ahora es posible desarrollar un modelo de
programacin lineal para determinar qu tareas acortar, y en cunto, para lograr un tiempo de
conclusin meta para todo el proyecto de la manera menos costosa.
Identificacin de las variables de decisin
Preguntndose lo que puede controlar y/o necesita determinar en este problema lo debe llevar a
identificar como variables de decisin la cantidad de tiempo en la cual acortar cada tarea. Por
tanto, para el ejemplo de Santa Rosa Mining, defina
YB = el nmero de das en las cuales acortar la tarea B
YC = el nmero de das en las cuales acortar la tarea C
.
YN = el nmero de das en las cuales acortar la tarea N
Los valores de estas variables de decisin reducen los tiempos de conclusin de tareas a las
cantidades mostradas junto a cada arco de la figura 13. Por ejemplo, el nuevo tiempo de
conclusin de la tarea C es 40 - Yc, es decir, el tiempo normal de 40 das menos el nmero de
das, Yc, en la cual se acorta esa tarea.
Identificacin de la funcin objetivo
El objetivo global es minimizar los recursos adicionales totales requeridos para satisfacer el tiempo
de conclusin meta para el proyecto. Habiendo calculado los costos unitarios enumerados en la
tabla 5 asociados con el acortamiento de cada tarea, y observando que el costo de la variable YL
es irrelevante porque su valor estar restringido a 0, la funcin objetivo en trminos matemticos
es
Minimizar
70 YB + 70 YC + 452YD + 102.2 YE + 107 YF + 316.7 YG + 110 YH +332 YYI + 440 YJ

+ 38.33 YK + 60 YM + 275 YN
185

Identificacin de las restricciones

Usando la tcnica de agrupamiento puede identificar dos grupos de restricciones:
1.
La cantidad mxima de tiempo en la cual se puede acortar cada tarea.
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:
Fig. 13 Variables de decisin para agilizar el proyecto de Santa Rosa Mining

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)
La especificacin de la restriccin del grupo 2 requiere cuidado. Mirando la red de proyecto de la

figura 13, es necesario saber cundo se concluir la tarea J para determinar cundo se terminara
todo el proyecto. Esto a su vez requiere saber cundo se concluirn todas las predecesoras
inmediatas de la tarea J, es decir, cundo se concluirn las tareas C e I. De hecho, para
especificar que el proyecto puede concluirse en su tiempo meta, es necesario saber cuando puede
186

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
X8 = el tiempo en que todas las tareas que salen del nodo 8pueden 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)
X10 <= 160
(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)
De manera similar para el resto de los nodos, tenemos:

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)
X10 >= X9 + (16-YJ)
(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
70 YB + 70 YC + 452YD + 102.2 YE + 107 YF + 316.7 YG + 110 YH +332 YYI + 440 YJ

+ 38.33 YK + 60 YM + 275 YN
Dependiendo de:
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)
Restricciones de terminacin de proyecto

X0 = 0
(inicio)
X10 <= 170
(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)
X10 >= X9 + (16-YJ)
(tarea J)
Restricciones de red
X0, ..,X10 >= 0
188

Resolucin del modelo de choque

Habiendo formulado el modelo de choque apropiado, ahora podemos usar cualquier programa de
programacin lineal para obtener la solucin. En nuestro caso, utilizaremos el WinQSB.
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.
Enumeracin de las tareas, identificando las relaciones de precedencia y trazando la

red de proyectos
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.
Estimacin de los tiempos de terminacin de tareas

189

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.
Fig. 14 Distribucin Beta de un tiempo de tarea

Suponga que para la tarea C, colocacin del techo, las tres estimaciones obtenidas del
subcontratista que lo va a colocar son:
a = ms optimista = 3 das b = ms pesimista = 11 das m = ms probable = 5.5 das
Utilizando estas tres estimaciones, el tiempo esperado y la desviacin estndar se calculan de la
manera siguiente:
Tiempo de tarea esperado
a + 4m + b
190

BIBLIOGRAFIA
INVESTIGACIN DE OPERACIONES, Kamlesh Mathur, Daniel Solow, Edit. PrenticeHall Hispanoamericana S.A., 1996, Mxico.
INVESTIGACIN DE OPERACIONES, Hamdy A. Taha, sptima edicin, Pearson

Educacin de mxico, S.A. de C.V., 2004, Mxico.
INVESTIGACIN DE OPERACIONES: Programacin Lineal, Jorge Alvarez A.,

segunda edicin, Edit. Amrica, 1995, Per.
MICROSOFT PROJECT 2003 PASO A PASO, Curso Oficial de Microsoft, Edit.

McGraw-Hill/Interamericana de Espaa, 2003, Madrid.
191


Investigacion Operaciones v3 PDF

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Investigacion Operaciones v3 PDF

Uploaded by

Copyright:

Available Formats

INVESTIGACION DE OPERACIONES EN MINERIA

Facultad de Ingeniera de Minas

MSc Ing Mario Cuentas Alvarado

Facultad de Ingeniera de Minas

INVESTIGACION DE OPERACIONES EN MINERIA

PROBLEMAS DE REDES DE DISTRIBUCIN: TRANSPORTACIN, ASIGNACIN Y

Facultad de Ingeniera de Minas

INVESTIGACION DE OPERACIONES EN MINERIA

En la ciencia de la administracin (que tambin se conoce como investigacin de

HISTORIA DE LA INVESTIGACIN DE OPERACIONES

Facultad de Ingeniera de Minas

MSc Ing Mario Cuentas Alvarado

grupos, especialmente en el rea de la deteccin por radar, se consideran vitales en el triunfo de la

METODOLOGA DE LA INVESTIGACIN DE OPERACIONES

Figura 1.1 La metodologa de la investigacin de operaciones.

Definicin del problema

El primer paso es identificar, comprender y describir, en trminos precisos, el problema que la

Desarrollo de un Modelo Matemtico y Recoleccin de Datos

Facultad de Ingeniera de Minas

INVESTIGACION DE OPERACIONES EN MINERIA

Despus de que el problema est claramente definido y comprendido, el siguiente paso es

Resolucin del Modelo Matemtico

Validacin, Instrumentacin y Control de la Solucin

Despus de resolver el modelo matemtico, es extremadamente importante validar la solucin,

Modificacin del Modelo

Facultad de Ingeniera de Minas

MSc Ing Mario Cuentas Alvarado

USOS Y VENTAJAS DE LOS MODELOS DE INVESTIGACIN DE OPERACIONES

Cmo puede la empresa programar de la manera ms eficiente la fuerza de trabajo

Cul es el plan de produccin mensual ptimo?

Facultad de Ingeniera de Minas

INVESTIGACION DE OPERACIONES EN MINERIA

Los pasos generales comprendidos en la aplicacin de las tcnicas de la administracin para

Facultad de Ingeniera de Minas

MSc Ing Mario Cuentas Alvarado

PASOS GENERALES Y TCNICAS DE LA CONSTRUCCIN DE MODELOS

En el captulo 1 aprendi que el primer paso al usar tcnicas de administracin es identificar y

Facultad de Ingeniera de Minas

INVESTIGACION DE OPERACIONES EN MINERIA

1. El nmero de miles de galones de CS-01 por producir semanalmente.

Facultad de Ingeniera de Minas

MSc Ing Mario Cuentas Alvarado

Identificacin de la funcin objetivo

Enunciado del objetivo de manera verbal.

Facultad de Ingeniera de Minas

INVESTIGACION DE OPERACIONES EN MINERIA

Identificacin de las restricciones

Horas totales usadas en el mezclado no pueden exceder de 230 Horas

Descomposicin: Horas usadas @ para CS-01 + Horas usadas @

Derechos Reservados MCA-FIM 2012

Facultad de Ingeniera de Minas

MSc Ing Mario Cuentas Alvarado

+ Horas para 10 mil galones de CS-02 = 1(10)

Total de horas en el mezclado = 2(15) + 1(10) = 40

Horas totales usadas

no pueden exceder de 250 en la purificacin

no pueden exceder de 250

RESTRICCIN DE LMITE (LIMITACIN EXTERNA)

Facultad de Ingeniera de Minas

INVESTIGACION DE OPERACIONES EN MINERIA

EJEMPLOS DE FORMULACIN DE MODELOS MATEMTICOS

Problemas de planeamiento de produccion

2.2.1.1. Planeamiento de produccion del Sindicato Minero Pacococha SA