Professional Documents
Culture Documents
FQC
EJERCICIOS PEP 1
PROBLEMA #1
Una fbrica de jugos de 1 litro (1000 cc) desea lanzar al mercado una nueva variedad de jugo. Para
ello, disponen de 4 ingredientes base. La nueva variedad apuntar a conservar un balance
alimenticio, debiendo contener al menos un 15% de vitamina C, y a lo ms un 30% de potasio. Existe
adems una relacin entre los betacarotenos y la vitamina A que impone lo siguiente: la cantidad de
vitamina A debe ser, cuando menos, un tercio de los betacarotenos. Adems, la vitamina A no puede
superar el 35% del contenido del jugo.
El costo por adquirir los ingredientes, los lmites de los pedidos por da, y los aportes porcentuales
de cada componente a los ingredientes por unidad se resumen en la siguiente tabla:
Ingrediente 1
Ingrediente 2
Ingrediente 3
Ingrediente 4
Potasio
20%
5%
35%
15%
Vitamina C
15%
40%
20%
25%
Vitamina A
30%
10%
25%
35%
Betacarotenos
35%
45%
20%
25%
Costo [$/u]
25
13
10
20
Lmite [u]
6
9
8
5
FORMULAR (NO RESOLVER) un modelo de programacin lineal que permita minimizar los costos,
cumpliendo con todos los requerimientos. Considere, para tal caso, que cada unidad son 100 cc.
Defina claramente variables, funcin objetivo y restricciones.
SOLUCIN: Primero formulamos las variables del modelo. Sea la cantidad de unidades del
ingrediente para la nueva variedad ( = 1, 2, 3, 4). Como se desea minimizar los costos, la funcin
objetivo estar dada por:
() = 251 + 132 + 103 + 204
Ahora veamos las restricciones. En la nueva variedad, la combinacin de los 4 ingredientes debe
conformar una unidad de jugo, por lo cual la primera restriccin se define de la siguiente manera:
100(1 + 2 + 3 + 4 ) = 1000 ( 3 )
En el caso de la mezcla separamos por ingrediente. Para la vitamina C, la suma de las cantidades
de los ingredientes conforma, por lo menos, un 15% del juego (que son 150 cc). Por lo tanto:
151 + 402 + 203 + 254 150
Para el potasio, la suma de las cantidades de cada ingrediente no puede superar el 30% del total del
juego (que son 300 cc). Luego:
201 + 52 + 353 + 154 300
Para la vitamina A, esta suma debe ser al menos 1/3 de los betacarotenos. Por lo tanto:
FQC
1
(351 + 452 + 203 + 254 )
3
De manera simplificada:
55
55
80
52 +
0
3 1
3 3
3 4
Adems, la contribucin de la vitamina A no debe superar el 35% del jugo (350 cc). Por ende:
301 + 102 + 253 + 353 350
Por ltimo, para los lmites diarios, tenemos:
1 6 ; 2 9
3 8 ; 4 5
Naturalmente. 0. El modelo es entonces el siguiente:
() = 251 + 132 + 103 + 204
. :
100(1 + 2 + 3 + 4 ) = 1000
151 + 402 + 203 + 254 150
201 + 52 + 353 + 154 300
55
55
80
52 +
0
3 1
3 3
3 4
301 + 102 + 253 + 353 350
1 6 ; 2 9
3 8 ; 4 5
0
PROBLEMA #2
Formule y resuelva adecuadamente el siguiente problema de programacin lineal. La primera
iteracin debe ser realizada mediante el algoritmo smplex. La segunda y siguientes efectuarlas
empleando el mtodo smplex revisado o matricial:
() = 51 + 2 + 3 + 4
. :
41 + 2 73 34 = 50
31 + 22 + 23 + 44 150
1 + 43 + 24 10
1 < 0; 2 , 3 , 4 0
SOLUCIN: Primero hacemos el cambio de variable 1 = 1 , a fin de tener slo variables no
negativas. Reescribiendo el PPL en forma estndar, se tiene:
FQC
() = 51 2 3 4
. :
41 + 2 73 34 + 1 = 50
31 + 22 + 23 + 44 + 1 = 150
1 + 43 + 24 2 + 2 = 10
1 , 2 , 3 , 4 , 1 , 2 , 1 , 2 0
El problema debe resolverse en dos fases. La fase 1 minimizar la funcin objetivo () = 1 +
2 . Procedemos en la primera iteracin mediante el algoritmo smplex. La tabla de inicio para este
problema es la siguiente. Observe que se han marcado en la tabla la inversa respectiva, as como el
elemento pvot para la respectiva iteracin:
V.B
1
1
2
1
-4
3
1
5
0
3
2
1
2
0
-1
0
-1
3
-7
2
4
-1
0
3
4
-3
4
2
-1
0
1
2
0
0
-1
0
0
1
1
1
0
0
0
1
0
1
0
1
0
0
0
0
2
0
0
1
0
1
0
50
150
10
0
0
-60
()
50
75
---
4
-3
10
2
-4
-2
2
0
0
-1
0
1
1
1
-2
0
1
1
1
0
1
0
0
0
2
0
0
1
0
0
50
50
10
50
-10
()
50/7
25/8
5/2
1
-4
11
1
1
-1
2
1
0
0
0
0
3
-7
16
4
-8
-4
Entra 3 , sale 2 .
Las siguientes iteraciones deben hacerse mediante el algoritmo smplex revisado. De la tabla anterior
reconocemos la matriz inversa de esta primera iteracin:
1
11 = (2
0
0
1
0
0
0)
1
Como ya definimos el pvot y las variables de entrada y salida a partir de la tabla anterior, podemos
calcular inmediatamente la matriz 1 :
1 =
(0
7
4
1
16
= 0
4
1
0
(
)
4
0
1
0
7
4
4
1
4)
FQC
Calculamos 1
2 para dar inicio a la segunda iteracin:
1
1
2 = 1 1 =
7
1
4
4 (2
1
0
4)
0
1
0
0
0) =
1
7
4
4
1
4)
Construimos una pequea tabla para verificar el orden de las variables bsicas:
11
1 0 7/4
(2 1 4 )
0 0 1/4
V.B.
2
1
3
()
1
0
3
3) 2
(
7
4
4 = (1
1
4)
0
1
1)
(1 , 2 , 3 , 4 , 2 ) = 2 0
Luego:
(1 , 2 , 3 , 4 , 2 ) = (3
1) (1
4
1) ( 3
1
1
2
0
7 3
2
4
4
2
0
0)
1
Por lo tanto:
(1 , 2 , 3 , 4 , 2 ) = (0
0)
Como todos los coeficientes reducidos de la funcin objetivo w son nulos, hemos llegado al ptimo
para la fase 1. Como 1 y 2 son no bsicas, y por tanto nulas, se tiene que () = 1 + 2 = 0,
por lo que existe un espacio de soluciones factible para el PPL original en la fase 2.
Ahora debemos calcular los valores duales para la funcin objetivo z en la fase 2 (iteracin 2).
Verificando el orden de las variables bsicas:
V.B.
2
1
3
1
2
1 0 7/4
(2 1 4 )
0 0 1/4
()
1
0
1
FQC
Por lo tanto:
1
2 = () 1
2 = (1
1) 2
(
7
4
4 = (1
1
4)
2)
(1 , 2 , 3 , 4 , 2 ) = 2 0
Luego:
(1 , 2 , 3 , 4 , 2 ) = (5
0) (1
4
2) ( 3
1
1
2
0
7 3
2
4
4
2
0
0)
1
Por lo tanto:
(1 , 2 , 3 , 4 , 2 ) = (3
2)
negativo en la fila objetivo. Calculamos entonces las columnas 2 y 2 (2 ) para determinar la variable
de salida y el elemento pvot:
1
2 = 1
2 0 = (2
0
0
1
0
(
)
2
2 (2 ) = 1
=
(
2
0 2
0
7/4
135/2
50
4 ) (150) = ( 10 )
1/4
5/2
10
0
1
0
7/4
7/4
0
4 ) ( 0 ) = ( 4 )
1/4
1/4
1
Por lo tanto:
FQC
V.B.
2
1
3
135/2
10
5/2
( )
-7/4
4
-1/4
Donde:
1
2 =
0
(0
7
( ) : 4
4
1
4
1
( ) : 4
4
7
16
1
4
1
16
1
=
0
1)
0
(0
0
0
1)
Entonces:
1
1
1
3 = 2 2 =
0
(0
7
16
1
4
1
16
0 2
1)
0
1
0
7
4
4 =
1
4)
1
8
1
2
1
( 8
7
16
1
4
1
16
0
1
0)
1
3
1/8 7/16
(1/2 1/4
1/8 1/16
0
1)
0
()
1
0
1
3 = () 1
3 = (1
1
8
1
1)
2
1
( 8
7
16
1
4
1
16
0
1
= (0
1
2
0)
0)
FQC
(1 , 2 , 3 , 4 , 2 ) = 3 0
Luego:
(1 , 2 , 3 , 4 , 2 ) = (5
0) ( 0
4
)
(
3
0
1
1
2
0
7 3
2
4
4
2
0
0)
1
Por lo tanto:
13
(1 , 2 , 3 , 4 , 2 ) = (
2
0)
Como ahora todos los coeficientes reducidos son no negativos, hemos llegado al ptimo. Calculamos
entonces 3 para encontrar la solucin ptima de este problema:
3 =
1
3
1/8
0 = (1/2
1/8
575
8
7/16
1/4
1/16
, 2 =
5
2
0
575/8
50
1) (150) = ( 5/2 )
0
25/8
10
y 3 =
25
8
PROBLEMA #3
Considere el problema de programacin lineal cuyo tableau final (ptimo) es el siguiente. Asuma que
Si es la variable de holgura para la restriccin i.
V.B.
X1
S1
-Z
a)
b)
c)
d)
X1
1
0
0
X2
-5
2
3
X3
4
1
1
X4
13
6
8
S1
5
10
4
S2
0
1
0
b
7
3
76
SOLUCIN: Tenemos:
a) Las variables bsicas son 1 y 1 .
b) Las variables no bsicas estn conformadas por el resto de variables que no se encuentran en
la base: 2 , 3 , 4 , 2 son no bsicas.
FQC
PROBLEMA #4
Una fbrica de ropa produce tres lneas de trajes: jeans, franela y amasado. La ropa es vendida en
lotes de 100 trajes de cada tipo. Cada lote pasa a travs de tres procesos: corte, cosido y empaque.
La planta dispone de 16 cortadores como mximo, 41 mquinas de coser como mximo y debe
ocupar a 10 empacadores (no ms no menos). Los requerimientos para producir un lote de 100 trajes
de cada tipo y las utilidades asociadas, se presenta a continuacin:
Requerimientos de Produccin y Utilidad
Cortadores [Personas/Lote]
Mquinas de Coser [Mquinas/Lote]
Empacadores [Personas/Lote]
Utilidad [$/Lote]
FORMULE un modelo de programacin lineal que permite maximizar las utilidades de la fbrica.
Defina claramente variables, funcin objetivo y restricciones. A continuacin, RESUELVA el modelo
que plante utilizando el mtodo que ms le acomode.
SOLUCIN: El objetivo de la fbrica es determinar las cantidades de cada lote de ropa a fabricar,
de tal forma que stos maximicen las utilidades. Sea la cantidad de lotes de ropa a fabricar del
tipo . De la tabla, podemos obtener inmediatamente la funcin objetivo:
() = 4001 + 2002 + 3003
Las restricciones del problema estn asociadas al lmite de recursos impuesto por la fbrica en
funcin de la cantidad de cortadores, mquinas de coser y personal encargado de empacar. As, se
tiene lo siguiente:
Cortadores:
41 + 22 + 3 16
Mquinas de coser:
1 + 22 + 3 41
Personal de empaque:
FQC
1 + 2 + 3 = 10
El modelo completo es entonces:
() = 4001 + 2002 + 3003
. :
41 + 22 + 3 16
1 + 22 + 3 41
1 + 2 + 3 = 10
0
El modelo puede resolverse utilizando cualquier mtodo. En este caso particular, podemos hacer un
arreglo algebraico sencillo que permita solucionarlo mediante el mtodo grfico. De la tercera
restriccin, despejamos, con lo cual resulta 3 = 10 (1 + 2 ). Reemplazando en el PPL,
obtenemos:
() = 1001 1002 + 3000
. :
31 + 2 6
2 31
1 + 2 10
0
El espacio de soluciones factible (ESF) de este problema es el siguiente:
FQC
10
modelo original, se obtiene que 3 = 8 lotes de amasados. La utilidad mxima que percibe la fbrica
es de () = 3200 unidades monetarias.
PROBLEMA #5
Escriba el DUAL del siguiente problema. Verifique que el dual del dual es el problema original.
() = 172 + 834 85
. :
1 132 + 453 + 165 = 50
31 53 + 5 150
43 54 85 10
10 1 2
3 2 17
16 3
4 < 0
5 ( )
SOLUCIN: Del primal, tenemos que:
10 1 2 1 < 0
3 2 17 2
16 3 3 > 0
Debemos hacer entonces dos cambios de variable: 1 = 1 y 4 = 4 . Reemplazando 1 = 1
en 10 1 2, se tiene:
10 1 2 10 1 2
10 1 2
La ltima expresin podemos fragmentar en dos restricciones independientes: 1 2 y 1 10.
Adems, la expresin 3 2 17 tambin podemos fragmentarla en dos restricciones
independientes: 2 3 y 2 17.
Escribimos entonces el problema primal en forma cannica (primal simtrico):
() = 172 + 834 + 85
. :
1 132 + 453 + 165 = 50
31 + 53 5 150
43 + 54 85 10
1 2
1 10
2 3
2 17
3 16
FQC
11
1 , 2 , 3 , 4 , 5 0
Construimos ahora el problema dual. Notemos que, a partir de la definicin, el dual tendr 8 variables
y 5 restricciones. Adems, la variable dual 1 es no restringida, mientras que el resto son no
negativas.
() = 501 1502 103 + 24 105 36 177 + 168
. :
1 + 32 + 4 5 0
131 + 6 7 = 17
451 + 52 43 + 8 0
53 83
161 2 83 = 8
1 , 2 , 3 , 4 , 5 , 6 , 7 , 8 0
La comprobacin de que el dual del dual es el primal es obvia, y se deja como ejercicio al lector.
PROBLEMA #6
La compaa minera FERROJAC CHILE tiene dos operaciones mineras que alimentan de mineral
de hierro a una sola planta. Cada mina tiene dos reas de las cuales puede extraer el mineral. La
ley alimentada a planta debe ser mayor que 35% Fe, y debe ser menor que 12% Si. La planta
requiere al menos 45.000 toneladas, pero no puede manejar ms de 60.000. El mercado interno
requiere que al menos 12.000 toneladas de Fe deben estar disponibles para el consumo asumir
un 90% de recuperacin en el proceso. La razn promedio de estril/mineral determinada para las
operaciones de extraccin mineral tiene un valor de 3,5.
Dado los datos que se indican, FORMULAR (no RESOLVER) un modelo de programacin lineal, el
cual permita obtener un plan minero de produccin que cumpla las restricciones operacionales y
permita minimizar la desviacin de la razn estril/mineral total.
Mina
rea
Cerro
GRANATE
Lomas
BAYAS
Norte
Lomas
Sur Sur
Alberta
Reservas
(toneladas)
20.000
10.000
15.000
30.000
% Fe
% Si
40
30
40
35
17
10
11
13
Razn
Estril/Mineral
3,0
2,0
4,0
5,0
FQC
12
Para este problema, es muy til la elaboracin de un diagrama que muestre el proceso en cuestin:
1
2
Ley de Fe 35%
Ley de Si 12%
Planta
3
4
Ahora veamos las restricciones del problema. En cuanto a las capacidades de la planta, como sta
debe recibir al menos 45.000 toneladas y no ms 60.000 toneladas, se tendr:
1 + 2 + 3 + 4 45000
1 + 2 + 3 + 4 60000
Si el mercado interno requiere de, al menos, 12.000 toneladas de Fe, entonces el 90% de la
produccin que llega a planta, en trminos del Fe, debe conformar como mnimo, este tonelaje.
Luego:
0,9(0,41 + 0,32 + 0,43 + 0,354 ) 12000
Se debe agregar que los sectores de produccin tienen como limitante a sus reservas totales. Luego:
1 20000
3 15000
2 10000
4 30000
Por ltimo, la planta debe recibir como mnimo una ley del 35% de Fe y, a lo ms, una ley del 12%
de Si. Luego, tenemos lo siguiente:
0,41 + 0,32 + 0,43 + 0,354 0,35(1 + 2 + 3 + 4 )
0,171 + 0,12 + 0,113 + 0,134 0,12(1 + 2 + 3 + 4 )
Ahora veamos la funcin objetivo. Como se requiere minimizar la desviacin de la razn estril
mineral, se tendr:
() = 3,5(1 + 2 + 3 + 4 ) (31 + 22 + 43 + 54 )
El modelo completo es entonces:
FQC
13
PROBLEMA #7
Resuelva el siguiente problema de programacin lineal, empleando el mtodo smplex para la fase
1, y el mtodo smplex revisado para la fase 2:
() = 21 + 2 + 3 + 4
. :
31 + 2 53 34 = 400
31 + 22 + 23 + 44 1500
1 + 43 + 24 120
0
SOLUCIN: Se debe reescribir el PPL en forma estndar. Se tiene entonces:
() = 21 2 3 4
. :
31 + 2 53 34 + 1 = 400
31 + 22 + 23 + 44 + 1 = 1500
1 + 43 + 24 2 + 2 = 120
, , 0
El problema debe resolverse en dos fases. La fase 1 minimizar la funcin objetivo () = 1 +
2 . Procedemos en la primera fase mediante el algoritmo smplex. La tabla de inicio para este
problema es la siguiente:
V.B.
1
2
3
1
-3
1
-5
1
-3
2
2
2
1
0
4
-2
-1
-1
0
0
0
2
-1
1
Entra 2 , sale 1 . Primera iteracin.
4
-3
4
2
-1
0
1
1
1
0
0
0
1
0
1
0
1
0
0
0
0
2
0
0
1
0
1
0
2
0
0
-1
0
0
1
400
1500
120
0
0
-520
()
400
750
---
FQC
14
V.B.
2
1
2
1
-3
3
1
-5
-1
2
1
0
0
0
0
3
-5
12
4
-6
-4
4
-3
10
2
-4
-2
1
1
-2
0
1
1
1
0
1
0
0
0
2
0
0
1
0
0
2
0
0
-1
0
1
400
700
120
400
-120
()
--175/3
30
4
-1/2
4
1/2
-1
0
1
1
-2
0
1
1
1
0
1
0
0
0
2
5/4
-3
1/4
3/2
1
2
-5/4
3
-1/4
-3/2
0
550
340
30
580
0
()
----120
1
-7/4
0
1/4
-7/2
0
2
1
0
0
0
0
3
0
0
1
0
0
1
2 =
(
5
4
3
1
4)
Como ya definimos el pvot y las variables de entrada y salida a partir de la tabla anterior, podemos
calcular inmediatamente la matriz 3 :
2 =
(
7/4
1/4
1
= (0
0
1
0
1/4 )
0
1
0
7
0)
4
Luego calculamos 1
4 para dar inicio a la cuarta iteracin:
1
1
3 = 2 2
1
= (0
0
0
1
0
1
7
0) 2
4
0
(
0
1
0
5
1
4
3 = (2
1
0
4)
0
1
0
3
3)
1
Construimos una pequea tabla para verificar el orden de las variables bsicas:
V.B.
2
1
3
()
1
FQC
15
1
(2
0
1
3
0
1
0
3
3)
1
0
2
3 = () 1
3 = (1
1
2) (2
0
0
1
0
3
3) = (1
1
5)
(1 , 2 , 3 , 4 , 2 ) = 3 0
Luego:
(1 , 2 , 3 , 4 , 2 ) = (2
0) (1
3
5) (3
1
1
2
0
5 3
4
2
2
4
0
0)
1
Por lo tanto:
(1 , 2 , 3 , 4 , 2 ) = (0
14
5)
negativo en la fila objetivo. Calculamos entonces las columnas 4 y 4 (2 ) para determinar la variable
de salida y el elemento pvot:
1
3 = 1
=
(
2
0
3
0
0
1
0
(
)
3 (2 ) = 1
=
(
2
3
0 2
0
3
400
760
3) (1500) = (340)
1
120
120
0
1
0
3
0
3
3) ( 0 ) = ( 3 )
1
1
1
Por lo tanto:
V.B.
2
1
3
760
340
120
( )
-3
3
-1
FQC
16
Donde:
3
3
1
3
1
1
3 =
0
(0
0
0
=
(
1)
1
1
3
1
3
0
0
1
Entonces:
1
0
1
1
4 = 3 3 =
1
1
3
1
3
0
1
0
(2
0
1
)
0
1
0
3
3) =
1
1
2
3
2
( 3
1
1
3
1
3
0
1
0
V.B.
2
2
3
1
4
1
1
(2/3 1/3
2/3 1/3
0
1)
0
()
1
0
2
4 = () 1
4 = (1
1
2) (2/3
2/3
1
1/3
1/3
0
1) = (7/3
0
5/3
0)
(1 , 2 , 3 , 4 , 2 ) = 4 0
Luego:
= (2
0) (7/3
5/3
3
0) (3
1
1
2
0
5 3
4
2
2
4
0
0)
1
Por lo tanto:
(1 , 2 , 3 , 4 , 2 ) = (0
14
38
3
0)
FQC
17
Como ahora todos los coeficientes reducidos son no negativos, hemos llegado al ptimo. Calculamos
entonces 4 para encontrar la solucin ptima de este problema:
4 =
1
4
1
2/3
0 = (
2/3
1
1/3
1/3
0
1100
400
1) (1500) = (340/3)
0
700/3
120
PROBLEMA #8
Un florista sabe hacer slo dos tipos de arreglos florales, para los cuales dispone de 3 tipos distintos
de flores: rosas, tulipanes e ibizcos. Los requerimientos de flores para cada arreglo, la disponibilidad
de flores y los requerimientos de cada arreglo vienen dados en la siguiente tabla:
FLORES
Rosas
Tulipanes
Ibizcos
PRECIO [$]
Arreglo 1
3
1
1
2000
Arreglo 2
1
1
3
1000
DISPONIBILIDAD
300
140
300
a) FORMULE un PPL que resuelva el problema de maximizacin de ingresos por ventas sujeto a
la disponibilidad de recursos.
b) Cul es el problema DUAL asociado? Qu situacin podra estar optimizando? Justifique.
c) Usando el teorema de holguras complementarias, encuentre la solucin ptima del problema
dual una vez resuelto el problema primal utilizando el mtodo smplex.
d) Suponga que retorna frustrado despus que una bella dama le cerrara la puerta cuando usted le
llevaba amablemente una rosa, un tulipn y un ibizco. Si se encuentra con el florista Cunto
cree que estara dispuesto a pagar l por sus flores?
SOLUCIN: Tenemos lo siguiente:
a) Sean 1 y 2 los dos tipos de arreglos que puede hacer el florista. De la tabla, y en forma
inmediata, se obtiene el PPL deseado:
() = 20001 + 10002
. :
31 + 2 300
1 + 2 140
1 + 32 300
1 , 2 0
FQC
18
b) Es posible formular inmediatamente el problema dual a partir del primal, sin utilizar la
transformacin de primal simtrico, invirtiendo las situaciones presentadas en la definicin de
ambos problemas. Se tiene entonces:
() = 3001 + 1402 + 3003
. :
31 + 2 + 3 2000
1 + 2 + 33 1000
1 , 2 , 3 0
El modelo dual resuelve el problema de un agente externo que desea saber el precio unitario
que puede ofrecer por cada una de las flores, en el caso de ste quiera comprarle todas las
flores al florista. As, 1 , 2 y 3 son los precios unitarios asociados a las rosas, tulipanes e
ibizcos, respectivamente.
c) Reescribiendo el primal en forma estndar:
() = 20001 10002
. :
31 + 2 + 1 = 300
1 + 2 + 2 = 140
1 + 32 + 3 = 300
1 , 2 , 1 , 2 , 3 0
Tabla de inicio:
V.B.
1
2
3
1
3
1
1
-2000
2
1
1
3
-1000
1
1
0
0
0
2
0
1
0
0
3
0
0
1
0
300
140
300
0
()
100
140
300
3
0
0
1
0
100
40
200
-200000
()
300
60
75
1
1
0
0
0
2
1/3
2/3
8/3
-1000/3
1
1/3
-1/3
-1/3
2000/3
2
0
1
0
0
1
1
0
0
0
2
0
1
0
0
-1/2
1
500
2
-1/2
3/2
-4
500
3
0
0
1
0
80
60
40
-220000
FQC
19
Como todos los coeficientes de las variables en la funcin objetivo son no negativas, hemos
llegado al ptimo. La utilidad mxima que puede percibir el florista es de $220.000, con 1 = 80
arreglos florales del tipo 1, y 2 = 60 arreglos florales del tipo 2. En este punto ptimo, es vlido
el teorema de holguras complementarias. Por lo tanto:
Para el primal:
[300 (31 + 2 )]1 = 0
[140 (1 + 2 )]2 = 0
[300 (1 + 32 )]3 = 0
Para el dual:
[2000 (31 + 2 + 3 )]1 = 0
[1000 (1 + 2 + 33 )]2 = 0
Reemplazando los valores obtenidos en la solucin primal ptima en las holguras
complementarias, se obtiene el siguiente sistema de ecuaciones:
31 + 2 = 2000
1 + 2 = 1000
Con lo cual se obtiene 1 = 500 y 2 = 500. Este valor es correcto, porque si lo remplazamos en
la funcin objetivo dual, resulta () = 220000, que es equivalente a la funcin objetivo primal
en el ptimo.
Por lo tanto, el florista vender rosas y tulipanes a un precio de $500 c/u, y entregar como
oferta los ibizcos gratis, siempre y cuando venda todo como un paquete. Esto tiene sentido,
porque si vende slo las rosas y tulipanes, dado que slo sabe hacer los arreglos florales
descritos, no le sacar provecho a los ibizcos.
d) Si tuviramos tan desgraciada suerte, entonces, idealmente, el valor mximo que nos pagar el
florista por las flores es el descrito con anterioridad: $500 por cada rosa y tulipn, y $0 por los
ibizcos.
PROBLEMA #9
Dado el programa lineal:
() = 121 + 2 + 163 + 24
. :
1 + 22 + 23 4 1
31 2 + 3 + 24 1
1 0; 2 0; 3 0; 4 0
Se pide:
FQC
20
FQC
21
En el grfico anterior, los puntos esquina del ESF estn dados por los siguientes pares:
Punto esquina
G
B
C
J
Valor de
4/3
3
36/7
6
Valor de
5/3
5
36/7
4
Valor objetivo
-1/3
-2
-4/7
2
Tabla 7: Valores de las variables y funcin objetivo para los diferentes puntos esquina del
problema dual
Por tanto, el valor mximo del problema dual es = 2, y se cumple cuando estamos en el punto
esquina J.
c) Si el proceso de resolucin del problema dual no tiene por qu seguir las reglas del smplex,
entonces basta que, a partir del origen, el algoritmo ignore la regla dada por el criterio de
optimalidad en un problema de maximizacin, la cual dicta que se escoja siempre el coeficiente
ms negativo en la fila objetivo del tableau smplex. Por tanto, si partimos desde el origen,
podemos comenzar en el punto E, y luego llegar de inmediato al punto J utilizando el hecho de
que, en este punto, se encuentra la solucin.
Notemos que, adems, este nuevo proceso ignora la subdivisin del problema en dos fases, ya
que se cuenta de inmediato con una solucin bsica de inicio (el origen).
d) Utilizando el teorema de holguras complementarias (THC), se obtiene:
Para el primal:
FQC
22
[1 (1 22 + 23 + 4 )]1 = 0
[1 (31 + 2 + 3 24 )]2 = 0
Para el dual:
[12 (21 + 2 )]1 = 0
[1 (21 + 2 )]2 = 0
[16 (21 + 2 )]3 = 0
[2 (1 22 )]4 = 0
De las holguras complementarias para el primal, se obtiene:
23 + 4 = 1
3 24 = 1
Con lo cual se obtiene 3 = 1/5 y 4 = 3/5, lo que conforma la solucin ptima del problema primal.
Todas las dems variables son nulas. El valor de la solucin ptima es () = 2.
PROBLEMA #10
La Compaa Minera ASIOP S.A. (ASIOPSA) produce dos tipos distintos de concentrado, cobre y
zinc. La siguiente tabla muestra las demandas mensuales esperadas para cada producto (en
toneladas):
Concentrado
Cu
Zn
Mes 1
1000
1000
Mes 2
3000
500
Mes 3
5000
3000
El costo de produccin por tonelada del concentrado de cobre es de 20 USD, y el del concentrado
de zinc es de 10 USD
El costo de mantener una cantidad arbitraria de concentrado a la espera de ser comercializado
es de 0,3 USD por tonelada en inventario para el concentrado de cobre, y de 1,5 USD por
tonelada en inventario para el concentrado de zinc
El costo de tener mano de obra extra con respecto al mes anterior es de 10 USD/hora
El costo de trabajar menos horas con respecto al mes anterior es de 2,5 USD/hora
Estos dos ltimos costos se refieren a las fluctuaciones en los niveles de produccin, ya que
ASIOPSA tiene como poltica trabajar todos los meses la misma cantidad de horas.
Al comienzo de los tres meses existen en inventario 50 toneladas del concentrado de cobre y 200
del concentrado de zinc. Al final de los tres meses, el inventario mnimo debe ser de 400 toneladas
FQC
23
Concentrado
Cu
Zn
Maquinaria [hr/ton]
0,10
0,08
La capacidad de fabricacin mensual es de 400 horas de maquinaria y 300 horas de mano de obra.
Adems, se sabe que el ltimo mes slo se usaron 225 horas de mano de obra para la fabricacin
de ambos componentes.
FORMULAR (NO RESOLVER) un modelo de programacin lineal que permita determinar el plan de
produccin mensual que minimiza los costos de satisfaccin de la demanda esperada. Defina
claramente variables, funcin objetivo y restricciones.
SOLUCIN: Definimos primeramente las variables del problema:
: Cantidad de concentrado del tipo (con = o = ) producido en el mes
(con = 1, 2, 3)
: Inventario de concentrado del tipo al trmino del mes
: Horas de mano de obra empleadas al mes
: Aumento del empleo de mano de obra al mes
: Disminucin del empleo de mano de obra al mes
: Nmero de depsitos requeridos al mes
Veamos ahora la funcin objetivo. Como el objetivo de ASIOPSAL es minimizar los costos, es posible
definir dicha funcin directamente partir de los datos entregados en el enunciado:
() = 20(,1 + ,2 + ,3 ) + 10(,1 + ,2 + ,3 ) + 0,3(,1 + ,2 + ,3 )
+ 1,5(,1 + ,2 + ,3 ) + 10(1 + 2 + 3 ) + 2,5(1 + 2 + 3 )
La funcin objetivo puede escribirse de forma ms abreviada como sigue:
3
=1
=1
=1
=1
=1
Ahora veamos las restricciones. Lo ms sencillo es verificar primero las limitaciones de satisfaccin,
demanda e inventario de ASIOPSAL. En este caso, para cada mes, se tiene lo siguiente:
FQC
24
Mes 1:
50 + ,1 = 1000 + ,1
200 + ,1 = 1000 + ,1
Mes 2:
,1 + ,2 = 3000 + ,2
,1 + ,2 = 500 + ,2
Mes 3:
,2 + ,3 = 5000 + ,3
,2 + ,3 = 3000 + ,3
,3 400
,3 200
Con respecto a la maquinaria, se tiene:
0,1,1 + 0,08,1 400
0,1,2 + 0,08,2 400
0,1,3 + 0,08,3 400
Adems, para la mano de obra, se tiene que para cada mes:
Mes 1:
0,05,1 + 0,07,1 = 1
1 = 225 + 1 1
1 300
Mes 2:
0,05,2 + 0,07,2 = 2
2 = 1 + 2 2
2 300
Mes 3:
0,05,3 + 0,07,3 = 3
3 = 2 + 3 3
3 300
FQC
25
=1
=1
=1
=1
=1
. :
50 + ,1 = 1000 + ,1
200 + ,1 = 1000 + ,1
,1 + ,2 = 3000 + ,2
,1 + ,2 = 500 + ,2
,2 + ,3 = 5000 + ,3
,2 + ,3 = 3000 + ,3
,3 400
,3 200
0,1, + 0,08, 400 ; = 1, 2, 3
0,05,1 + 0,07,1 = 1
1 = 225 + 1 1
1 300
0,05,2 + 0,07,2 = 2
2 = 1 + 2 2
2 300
0,05,3 + 0,07,3 = 3
3 = 2 + 3 3
3 300
, 2 ; = 1, 2, 3
, 3 ; = 1, 2, 3
1000 ; = 1, 2, 3
, , , , , 0
FQC
26
PROBLEMA #11
Al comienzo del mes 1, la financiera ARCOS dispone de 400 USD en efectivo. Al comienzo de los
meses 1, 2, 3 y 4, la financiera recibir ingresos y, adems, deber realizar pagos como se indica en
la siguiente tabla:
Mes
1
2
3
4
Ingresos (US$)
400
800
300
300
Pagos (US$)
600
500
500
250
El dinero restante en cada mes, una vez realizados los pagos, puede ser invertido durante un mes a
una tasa del 0,1% mensual; durante dos meses a una tasa del 052% mensual; durante tres meses
a una tasa del 1,0% mensual; o durante cuatro meses a una tasa del 2,0% mensual.
FORMULAR (NO RESOLVER) un modelo de programacin lineal que permita determinar una
estrategia de inversin que maximiza el dinero en efectivo al comienzo del quinto ao. Defina
claramente variables, funcin objetivo y restricciones.
SOLUCIN: Lo primero es definir las variables de este problema. Sea la cantidad de dinero
invertido al comienzo del mes durante un perodo de meses. La funcin objetivo queda entonces
definida como sigue:
() = 1,0814 + 1,0323 + 1,0132 + 1,00141
Las restricciones del modelo naturalmente representan la distribucin del dinero. As, stas se
definen por las siguientes desigualdades:
400 + 400 600 = 11 + 12 + 13 + 14
1,00111 + 800 500 = 21 + 22 + 23
1,0112 + 1,00121 + 300 500 = 31 + 32
1,0313 + 1,0122 + 1,00131 + 300 250 = 41
Naturalmente, todas las variables consideradas en el modelo son no negativas.
PROBLEMA #12
La Compaa FERROSUR debe decidir cuntas toneladas de acero puro X y cuntas de chatarra Y
se deben utilizar en la preparacin de una aleacin para un cliente. El costo por tonelada de acero
puro es de 3, y el de chatarra 6 (por las impurezas); la demanda del cliente es de por lo menos 5, y
l aceptara ms si as se requiere.
FQC
27
8
De forma simplificada, 7 + 8 0. Finalmente, de la disponibilidad horaria, se tiene que:
3 + 2 18
Naturalmente, 0, 0. Por lo tanto, el modelo completo es el siguiente:
() = 3 + 6
4 + 7 5
7 + 8 0
3 + 2 18
0, 0
b) El ESF de este modelo se muestra en Figura 12:
FQC
28
La tabla siguiente evala el valor de las variables del PPL en cada uno de los puntos esquina del
ESF:
Punto Esquina
B
C
D
F
Valor de x
1,25
0,494
3,789
6
Valor de y
0
0,432
3,316
0
Funcin objetivo
3,75
4,074
31,263
18
Tabla 11: Valores de las variables y funcin objetivo en los puntos esquina del problema
Por lo tanto, el punto esquina B es el ptimo, porque es aquel donde la funcin objetivo alcanza su
mnimo valor. Se concluye entonces que FERROSUR debe fabricar 1,25 toneladas de acero puro, a
un costo mnimo de 3,75 unidades monetarias. La chatarra no es rentable de producir.
PROBLEMA #13
Un importador de whisky est planificando su negocio considerando que, en las prximas
temporadas, tendr las siguientes demandas (en miles de botellas):
Tipo
Seco
Frutoso
Aejo
Temporadas
1
2
3
4
10 12 14 8
13 15 17 19
21 25 9 11
FQC
29
El whisky seco lo vende a 34 dlares por botella, el frutoso a 28,8 y el aejo a 22,5 en la primera
temporada. En las siguientes se espera poder venderlos a un 5% ms caro. Cada tipo de whisky es
elaborado mezclando tres materias primas, A, B y C, de las cuales se puede importar un mximo de
2000, 2500 y 1200 botellas por temporada a un costo de 35, 25 y 20 dlares, respectivamente. Estos
costos, vlidos para la primera temporada, deberan aumentar un 2% en cada temporada. El whisky
seco debe contener por lo menos un 60% de la materia prima A y no ms de un 20% de la materia
prima C. El whisky frutoso debe contener por lo menos un 15% de la materia prima A y no ms de
un 60% de la materia prima C. El whisky aejo debe contener por lo menos un 50% de la materia
prima B. Cada botella de whisky fabricada en una temporada puede ser vendida en dicha temporada
o almacenada a un costo unitario por temporada de 0,5 dlares para ser vendidas posteriormente.
FORMULAR (NO RESOLVER) un modelo de programacin lineal que permita optimizar las
actividades del importador. Defina claramente variables, funcin objetivo y restricciones del
problema.
SOLUCIN: Las variables a considerar para este problema son las siguientes:
La funcin objetivo se subdivide en tres partes, 1 , 2 y 3 , donde 1 representa los ingresos que
obtiene el importador a partir de la venta de whisky en cada temporada, 2 representa los costos de
importacin de whisky de cada tipo, y 3 representa los costos de almacenaje de whisky. Definimos
entonces:
4
2 = (1 + 0,02( 1))(35 + 25 + 20 )
=1 =1
3
3 = 0,5
=1 =1
FQC
30
2000 ; = 1, , 4
=1
3
2500 ; = 1, , 4
=1
3
1200 ; = 1, , 4
=1
A partir de la tabla entregada en el enunciado del problema, se obtienen las restricciones de venta
mxima por temporada:
11 10
21 13
31 21
12 12
22 15
32 25
13 14
14 8
23 17
24 19
33 9 34 11
1 0,6 1
=
1 0,2 1
=
2 0,15 2
=
2 0,6 2
=
3 0,5 3
=
1 = 1 + 1
=
2 + 1 = 2 + 2
=
3 + 2 = 3 + 3
=
FQC
31
4 + 3 = 4
=
Naturalmente, todas las variables consideradas en la formulacin de este problema son positivas o
nulas.
FQC
32
EJERCICIOS PEP 2
PROBLEMA #1
Resuelva el siguiente problema de transporte de mineral desde tres puntos de carguo y cuatro
piques de traspaso, y determine un plan ptimo de manejo de mineral en la mina de acuerdo a la
informacin que se indica. Use el mtodo de la esquina noroeste para la obtencin de la solucin
bsica de inicio.
Punto de
Toneladas mineral
Carguo
PT1
20
PT2
30
PT3
40
Capacidad de piques
Costo ($/t)
Pique 1
2
14
12
10
Costo ($/t)
Pique 2
3
12
15
10
Costo ($/t)
Pique 3
4
5
9
20
Costo ($/t)
Pique 4
9
1
3
50
Sumatoria de ofertas:
Sumatoria de demandas:
3=1 = 20 + 30 + 40 = 90 toneladas
4=1 = 10 + 10 + 20 + 50 = 90 toneladas
FQC
33
Pique 1
Pique 2
Pique 3
10
PT1
Pique 4
10
14
20
12
10
PT2
12
20
15
10
10
30
PT3
Demanda
Oferta
10
20
40
40
50
La asignacin de inicio es correcta, porque el nmero de variables bsicas que hay en esta tabla
cumple con la condicin = + 1 = 3 + 4 1 = 6 (hay un total de 6 variables bsicas
en esta primera solucin). Adems, las sumas de estas asignaciones por fila y columna equivalen a
las cantidades de oferta y demanda en cada una de dichas filas y columnas.
Calculamos ahora los valores duales y costos reducidos para la primera iteracin, con lo cual se
tiene que la variable de entrada es 31 .
1 = 2
2 = 3
10
1 = 0
10
3 = 4
20
4 = 8
11
10 +
20
8
12
17
2 = 9
Oferta
20
20
10 +
30
3
4
3 = 11
16
+
1
1
Demanda
14
10
18
40
40
50
2
10
20
Una vez determinada que la variable de entrada 31 , se debe generar un loop para determinar la
variable de salida. Dicho loop se observa en Tabla 52. Como se debe cumplir que todas las
FQC
34
asignaciones sean positivas o nulas, la variable de salida se obtiene de las asignaciones limitadas
por la cantidad en el tableau anterior:
40 0
0 0
10 0
De lo anterior, el valor mnimo de que no viola la restriccin de no negatividad de las variables es
= 0, el cual corresponde a la celda (2, 2). Luego, la variable de salida es 22 . El tableau resultante,
con los correspondientes valores duales y costos reducidos, es el siguiente:
1 = 2
2 = 3
10
10
1 = 0
3 = 4
20
10
9
20
20
10
30
1
4
14
16
0
2
Demanda
16
2 = 9
4
Oferta
20
7
12
3 = 11
4 = 8
11
10
18
40
40
50
2
10
20
Se debe observar que los costos reducidos son todos positivos. Por lo tanto, hemos llegado al
ptimo. La solucin ptima es entonces 11 = 10, 12 = 10, 23 = 20, 24 = 10, 31 = 0, 34 = 40. El
costo mnimo de transporte es () = $210.
PROBLEMA #2
Un Ingeniero Geotcnico est desarrollando un proyecto de clculo de una malla de pilares para un
layout de un Panel Caving Tradicional, y necesita contratar con urgencia dibujantes para que le
confeccionen los planos del proyecto completo. El Ingeniero requiere que durante el fin de semana
le dibujen tres planos y al menos cuatro durante la semana.
El Ingeniero conoce a dos dibujantes: Hctor y Daniel. Hctor le cobra $30.000 por dibujar cada
plano durante el fin de semana y $27.000 por cada plano durante la semana. Daniel le cobra $29.000
por dibujar cada plano durante el fin de semana y $28.000 por cada plano durante la semana. Debido
a que tiene otros compromisos, Hctor le advierte que podr dibujar como mximo 5 planos, mientras
que Daniel no desea comprometerse a dibujar ms de 4 planos, ya que el software le ha estado
fallando.
FQC
35
Se pide:
a) Determinar la mejor forma de distribuir los planos entre los dibujantes.
b) A partir de la solucin encontrada en (a), determine la mejor forma de distribuir los planos si el
Ingeniero requiere dibujar 5 2 planos durante la semana.
c) Determine la mejor asignacin si requiere dibujar 6 planos durante la semana.
SOLUCIN: Se tiene lo siguiente:
a) Como la cantidad de planos requerida durante la semana es de al menos 4, se puede expresar
como 4 + , con 0. El problema se puede plantear como un modelo de transporte, donde la
oferta es la disponibilidad de los dibujantes y la demanda es el requerimiento del ingeniero. Se
debe agregar un punto de demanda artificial para balancear el problema.
Fin de
semana
Semana
30
Oferta
Artificial
27
0
5
Hctor
29
28
0
4
Daniel
Demanda
4+
Se debe hallar una solucin bsica de inicio para este problema. Una opcin es utilizar el mtodo de
aproximacin de Vogel que, si bien es algo engorroso, nos permite acercarnos ms que los otros
mtodos al ptimo.
El siguiente tableau muestra la solucin de inicio considerando el mtodo de aproximacin de Vogel.
FQC
36
Fin de
semana
Semana
30
27
Hctor
2+
Demanda
4+
29
Daniel
Oferta
Artificial
28
2
4+
1 = 30
2 = 27
30
1 = 0
3 = 1
27
Oferta
4+
5
1
29
2 = 1
28
2+
2
Demanda
4+
Tabla 19: Solucin de inicio con los valores duales y costos reducidos calculados
El costo reducido de la celda (1, 3) es negativo. Por ende, an no hemos llegado al ptimo. La
variables de entrada es entonces 13 . Se debe generar un loop que contenga a 13 para as
determinar la variable de salida, como se muestra en Tabla 57.
FQC
37
1 = 30
2 = 27
30
1 = 0
3 = 1
27
Oferta
4+
1
29
2 = 1
28
2++
2
3
Demanda
4+
1 = 29
2 = 27
30
3 = 0
27
4+
1 = 0
Oferta
1
29
2 = 0
28
1
Demanda
4+
Se observa que el tableau anterior es ptimo, porque los costos reducidos son todos positivos. La
asignacin ptima es de 3 planos para Daniel durante el fin de semana y al menos 4 planos para
Hctor durante la semana. El costo mnimo asociado es () = 195 + 27.
b) Si el Ingeniero requiere dibujar 5 planos durante la semana, basta evaluar las expresiones
anteriores para = 1; si se requiere dibujar 2 planos, basta evaluar para = 2.
FQC
38
c) En este caso no es posible emplear la solucin anterior, ya que si = 2, entonces una de las
variables bsicas, 13 , se hace negativa. Por lo tanto, se debe volver a plantear el problema, esta
vez para una demanda de 6 planos durante la semana.
Fin de
semana
Oferta
Semana
30
27
5
Hctor
29
28
4
Daniel
Demanda
Tabla 22: Tableau de inicio para el problema con una demanda de 6 planos durante
la semana
En este caso, se debe observar que 2=1 = 5 + 4 = 9 y 2=1 = 3 + 6 = 9. Luego, como la
sumatoria de ofertas es igual a la sumatoria de demandas, el problema se encuentra balanceado.
Aplicando el mtodo de aproximacin de Vogel se obtiene la siguiente solucin bsica de inicio, que
tambin es ptima:
1 = 28
2 = 27
30
Oferta
27
1 = 0
2
29
28
2 = 1
Demanda
FQC
39
PROBLEMA #3
Considere el siguiente problema de programacin lineal:
() =
3
+ 2
2 1
. :
1 6
2 8
1 + 2 10
21 + 2 14
1 , 2 0
Los coeficientes de la funcin objetivo representan la utilidad asociada a la venta de dos productos,
1 y 2 , respectivamente. Las dos primeras restricciones se refieren a lmites de demanda, y las dos
restantes se refieren a la utilizacin de dos recursos del proceso productivo.
a) Encuentre la solucin ptima de este problema utilizando el mtodo grfico.
b) A partir de la solucin ptima encontrada en (a), construya el tableau final sin utilizar el
algoritmo smplex.
SOLUCIN: Se tiene lo siguiente:
a) Graficando las restricciones se obtiene el siguiente espacio de soluciones factibles:
La solucin ptima del problema se encuentra en uno de los vrtices del polgono ADJFEO.
Calculando los valores de la funcin objetivo para cada uno de estos puntos, se obtiene la siguiente
tabla de valores:
FQC
40
Punto
O
A
D
E
F
J
Valor de
0
6
6
0
2
4
Valor de
0
0
2
8
8
6
Valor objetivo
0
9
11
8
11
12
Tabla 24: Valores de la funcin objetivo para los diferentes puntos esquina del ESF
El valor mximo de la funcin objetivo se obtiene en el punto J. Por lo tanto, la solucin ptima es
1 = 4, 2 = 6, cuyo valor objetivo es () = 12.
b) Escribiendo las restricciones del problema de forma estndar, se tiene el siguiente conjunto de
ecuaciones lineales:
1 + 1 = 6
2 + 2 = 8
1 + 2 + 3 = 10
21 + 2 + 4 = 14
Reemplazando los valores 1 = 4, 2 = 6 en estas ecuaciones, es posible obtener el valor de las
holguras de forma inmediata. Luego, la base ptima de este problema es de la siguiente forma:
= (1 , 2 , 1 , 2 , 3 , 4 ) = (4, 6, 2, 2, 0, 0)
Mediante operaciones elementales por fila es preciso dejar slo una variable bsica en cada
ecuacin. Restando la tercera ecuacin a la cuarta, se obtiene:
1 + 1 = 6
2 + 2 = 8
1 + 2 + 3 = 10
1 3 + 4 = 4
Restando la cuarta ecuacin a la primera:
1 + 3 4 = 2
2 + 2 = 8
1 + 2 + 3 = 10
1 3 + 4 = 4
Restando la cuarta ecuacin a la tercera:
1 + 3 4 = 2
2 + 2 = 8
2 + 23 4 = 6
1 3 + 4 = 4
FQC
41
V.B.
1
2
2
1
2
0
0
1
0
0
1
1
0
0
0
0
2
0
1
0
0
0
3
1
-2
2
-1
1/2
4
-1
1
-1
1
1/2
2
2
6
4
-12
En forma alternativa, es posible construir el tableau a partir del anlisis de sensibilidad de los
coeficientes del lado derecho, desplazando las restricciones.
PROBLEMA #4
GEOSPARK CORPORATION Co. (GEOCORP) posee una extensa red de 7 plantas concentradoras
de oro a lo largo y ancho de toda la regin continental de Australia. Cada una de estas plantas es
capaz de retroalimentarse, total o parcialmente, con cianuro para el proceso de lixiviacin del oro.
La capacidad de autoproduccin de cianuro, en miles de m3, se muestra en Tabla 62:
Planta
Capacidad (km3)
1
190
2
150
3
140
4
330
5
260
6
150
7
240
GEOCORP desea que, al iniciar cada semana de trabajo, haya al menos 200.000 m3 de compuesto
de cianuro en cada una de las plantas concentradoras. Para cumplir dicho requerimiento se puede
enviar una carga de compuesto de cianuro mediante camiones acoplados desde aquellas plantas
con mayor capacidad a aquellas que no sean capaces de autoabastecerse con los 200.000 m 3 de
cianuro requerido. Los costos de envo por cada 1.000 m 3 (en miles de dlares) entre las distintas
plantas se ilustran en la siguiente red:
FQC
42
5
3
7
35
4
Figura 6: Red de plantas de cianuracin de GEOCORP
Se pide:
a) Determinar la mejor forma de distribuir el compuesto de cianuro entre las plantas de lixiviacin.
b) En cunto puede variar el costo de envo entre las plantas 1 y 3 para que la solucin anterior
se mantenga?
c) Obtener la nueva solucin si la produccin de la planta 3 disminuye a 130.000 m 3 y la de la planta
5 aumenta a 270.000 m3.
d) Determinar la nueva solucin si la produccin de la planta 2 disminuye a 140.000 m 3 y la de la
planta 5 aumenta a 270.000 m3
SOLUCIN: Se tiene lo siguiente:
a) De acuerdo a la capacidad de autoproduccin de cada planta de lixiviacin, y considerando el
requerimiento de 200.000 m 3 de cianuro, se puede establecer que las plantas 1, 2, 3 y 6 requieren
10, 50, 60 y 50 mil m3 de cianuro, respectivamente. Por otro lado, las plantas 4, 5 y 7 son capaces
de entregar 130, 60 y 40 mil m 3de cianuro, respectivamente. De esta forma, el problema se
puede plantear como un modelo de transporte, donde las plantas que exceden los 200.000 m 3
de cianuro son puntos de oferta, y las plantas que estn por debajo de los 200.000 m 3 de cianuro
son puntos de demanda. Los costos de envo se obtienen directamente de la red en Figura 19.
Luego, el tableau de transporte de inicio que corresponde a este problema es el siguiente (se ha
incluido un punto de demanda artificial para balancear el problema):
FQC
43
Planta 1
Planta 2
40
Planta 3
Planta 6
30
38
Artificial
20
Oferta
0
130
Planta 4
48
42
30
15
0
60
Planta 5
65
35
0
40
Planta 7
10
Demanda
50
60
50
60
En este punto, se puede aplicar cualquier mtodo para obtener la solucin bsica de inicio del
problema. Sin embargo, es interesante sealar que el mtodo de aproximacin de Vogel nos permite,
adems, obtener la solucin ptima de forma inmediata. En efecto, como se observa en Tabla 64,
se tiene:
1 = 40
40
2 = 38
38
3 = 30
30
10
50
50
1 = 0
4 = 15
20
5 = 0
Oferta
20
130
5
48
42
30
15
10
2 = 0
8
50
60
65
35
40
3 = 0
Demanda
10
35
50
40
20
60
50
60
Como todos los costos reducidos son positivos, y hay uno nulo (que indica la existencia de una
solucin ptima alternativa), hemos llegado al ptimo. La solucin ptima de este problema es 11 =
10, 12 = 50, 13 = 50, 15 = 20, 23 = 10, 24 = 50, 35 = 40, con un costo mnimo de () =
$ 4850000. Los valores de las variables asociadas al punto de demanda artificial indican
asignaciones que no son reales, por lo que pueden ser interpretadas como la elaboracin de un stock
FQC
44
o acopio de cianuro en caso de que cualquiera de las plantas que entrega este compuesto falle a la
hora de hacer el transporte.
b) Como las plantas 1 y 3 son puntos de demanda, la variacin del costo de envo no afecta a la
solucin del problema.
c) El nuevo valor de la funcin objetivo se puede obtener segn:
= + = 2 + 3 = 10 0 + 10 30 = 300
Por lo tanto, el costo es ahora 300 veces ms alto. Como la variable 23 est asignada (es una ruta
de envo) de la planta 5 a la planta 3, el nuevo valor de esta variable puede calcularse de forma muy
sencilla mediante la siguiente expresin:
23 = 10 + = 10 + 10 = 20
Naturalmente, el valor de las otras variables no cambia.
d) En este caso, el nuevo valor de la funcin objetivo tambin puede ser obtenido por:
= + = 2 + 2 = 10 0 + 10 38 = 380
Como, en este caso, la variable 22 no est asignada, es preciso encontrar el loop que contiene a la
celda (2, 2), que corresponde a la variable 22 , y sumar y restar de forma alternada.
1 = 40
40
50 +
10
1 = 0
2 = 38
38
3 = 30
30
4 = 15
20
5 = 0
Oferta
50
20
130
5
48
42
30
10 +
2 = 0
8
15
50
60 +
0
65
35
40
3 = 0
Demanda
10
35
50 +
40
20
60
50
60
FQC
45
1 = 9
2 = 7
9
1 = 0
Oferta
8
18
12
12
15
2 = 5
8
4
6
12
4
14
12
4 = 4
Demanda
4 = 8
14
4
15
3 = 1
3 = 7
12
14
6
11
12
15
12
a)
b)
c)
d)
e)
f)
Es bsica la solucin?
Demuestre que la solucin presentada en este tableau es ptima.
Este problema tiene ptimos alternativos?
Proporcione el problema original de programacin lineal y su correspondiente problema dual.
Deduzca la solucin ptima del problema dual.
Escriba el tableau simplex ptimo asociado con el tableau de transporte proporcionado.
En efecto:
4
= 18 + 4 + 6 + 12 = 40
=1
4
= 6 + 14 + 15 + 5 = 40
=1
FQC
46
Las sumas de las asignaciones por fila (columna) son consistentes con las cantidades de
oferta (demanda) dadas en el tableau.
En efecto:
Fila 1:
Fila 2:
Fila 3:
Fila 4:
Columna 1: 11 + 31 = 4 + 2 = 6
Columna 2: 12 = 14
Columna 3: 23 + 33 + 43 = 4 + 4 + 7 = 15
Columna 4: 44 = 5
11 + 12 = 4 + 14 = 18
23 = 4
31 + 33 = 2 + 4 = 6
43 + 44 = 7 + 5 = 12
Se cumple
Se cumple
Se cumple
Se cumple
Se cumple
Se cumple
Se cumple
Se cumple
Por lo tanto, las asignaciones por fila (columna) son consistentes con las respectivas cantidades de
oferta (demanda) definidas en el tableau.
La ltima condicin, que se le deja como ejercicio al lector (y que, evidentemente, se cumple), es
que el tableau respete el teorema de secuenciacin. Vale decir, que no se pueda generar un loop
con la coleccin de variables bsicas dada en dicho tableau.
b) Para efectuar la demostracin, deben calcularse los costos reducidos de la solucin bsica
definida en (a). En efecto, se tiene que:
13
14
21
22
24
32
34
41
42
= 13 (1 + 3 ) = 12 (0 + 7) = 5
= 14 (1 + 4 ) = 8 (0 + 8) = 0
= 21 (2 + 1 ) = 15 (5 + 9) = 1
= 22 (2 + 2 ) = 12 (5 + 7) = 0
= 24 (2 + 4 ) = 15 (5 + 8) = 2
= 32 (3 + 2 ) = 9 (1 + 7) = 3
= 34 (3 + 4 ) = 12 (1 + 8) = 5
= 41 (4 + 1 ) = 14 (4 + 9) = 1
= 42 (4 + 2 ) = 12 (4 + 7) = 1
FQC
47
c) En efecto, el problema tiene soluciones ptimas alternativas, ya que hay costos reducidos nulos
en las celdas (1, 4) y (2, 2), que corresponden a variables no bsicas.
d) Del tableau de transporte, se puede obtener de forma inmediata el problema de programacin
lineal original:
Funcin objetivo:
() = 911 + 712 + 1213 + 814 + 1521 + 1222 + 1223 + 1524 + 831 + 932 + 633
+ 1234 + 1441 + 1242 + 1143 + 1244
Restricciones de oferta:
11 + 12 + 13 + 14 = 18
21 + 22 + 23 + 24 = 4
31 + 32 + 33 + 34 = 6
41 + 42 + 43 + 44 = 12
Restricciones de demanda:
11 + 21 + 31 + 41
12 + 22 + 32 + 42
13 + 23 + 33 + 43
14 + 24 + 34 + 44
=6
= 14
= 15
=5
Naturalmente, 0; , .
El problema dual se define a continuacin:
Funcin objetivo:
() = 181 + 42 + 63 + 124 + 51 + 142 + 153 + 54
Restricciones:
1 + 1 9
1 + 2 7
1 + 3 12
1 + 4 8
2 + 1
2 + 2
2 + 3
2 + 4
15
12
12
15
3 + 1 8
3 + 2 4
3 + 3 6
3 + 4 12
4 + 1
4 + 2
4 + 3
4 + 4
14
12
11
12
FQC
48
PROBLEMA #6
El Jefe de carguo y transporte de una operacin a cielo abierto debe asignar cuatro operadores a
cuatro palas durante el turno. Los costos unitarios (en unidades monetarias cualesquiera) que
expresan la habilidad del operador se dan en Tabla 67. Aquellos costos indeterminados (-)
representan la condicin de no aplicabilidad del operador a la pala respectiva.
Pala 1
Pala 2
Pala 3
Pala 4
Operador 1
9
7
5
7
Operador 2
3
2
5
4
Operador 3
7
2
3
Operador 4
5
6
2
Tabla 30: Detalle de costos de cada operador con respecto a cada pala
Se pide:
a) Encontrar la asignacin ptima y entregar el costo asociado.
b) Suponer que se tiene disponible una quinta pala. Sus costos de asignacin respectivos son 2, 8,
2 y 1. La nueva pala reemplazar a una existente slo si la situacin puede justificarse
econmicamente. Reformular el problema como un modelo de asignacin y encontrar la solucin
ptima, indicando el costo asociado Es econmico reemplazar una de las mquinas? Si es as
Cul de ellas?
SOLUCIN: Se tiene lo siguiente:
a) Procedemos mediante el algoritmo hngaro. La matriz de costos se obtiene directamente de
Tabla 67, con lo cual:
9 3 5
= (7 2 7 6 )
5 5 2
7 4 3 2
Las asignaciones ocupadas por la constante M son aquellas que no son aplicables por cualquier
razn, y se indican con M, que implica un costo infinito, para que as el algoritmo no los considere
como asignaciones vlidas en el ptimo. Se genera entonces la eliminacin de mnimos por filas,
obtenindose:
6 0 2
9 3 5
3
7
2
7
2
6
1 = (
) ( ) = (5 0 5 4 )
3 3 0
5 5 2
2
7 4 3 2
2
5 2 1 0
A la matriz resultante, 1 , se le aplica ahora una eliminacin de mnimos por columnas, obtenindose:
6 0 2
2 = (5 0 5 4 )
3 3 0
5 2 1 0
FQC
49
(3
0)
Lo que implica:
3 0 2
2 = (2 0 5 4 )
0 3 0
2 2 1 0
Como los ceros generados mediante la eliminacin de mnimos por filas y columnas no garantizan
an una asignacin ptima, se debe tachar la cantidad mnima de filas y columnas que tengan ceros.
3 0 2
2 = (2 0 5 4 )
0 3 0
2 2 1 0
Ahora se debe elegir el mnimo elemento entre aquellos que no se encuentran tachados, restrselo
a todos los elementos no tachados, y sumrselo a aquellos elementos que se encuentren en la
interseccin de las lneas con las que tachamos las filas y columnas con elementos nulos. As, se
obtiene la siguiente matriz:
1 0
0 3 2)
3 = (
0 5
2 4 1
En esta oportunidad, los ceros s garantizan una asignacin ptima, determinada por los elementos
coloreados con amarillo. Cotejando con la tabla entregada en el enunciado del problema, la
asignacin ptima es entonces la siguiente:
El costo mnimo de esta asignacin se obtiene sumando los costos respectivos de cada operador
con respecto a las palas asignadas. Luego, () = 7 + 3 + 2 + 2 = 11 unidades monetarias.
b) La quinta pala puede ser agregada a la tabla de costos suponiendo la existencia de un operador
ficticio ms, para que as, de esta forma, la matriz de costos cumpla con la restriccin de ser una
matriz cuadrada. Naturalmente, los costos asociados a este trabajador ficticio son nulos, pues al
final, no es un operador propiamente tal. Por lo tanto:
9
7
= 5
7
(2
3 5 0
2 7 6 0
5 2 0
4 3 2 0
8 2 1 0)
Se debe notar que no tiene sentido generar una eliminacin por filas, debido a que hemos agregado
una columna nula. Generando entonces la eliminacin de mnimos por columnas, se obtiene:
FQC
50
9
7
1 = 5
7
(2
(2
3
2
5
4
8
2
7
2
3
2
2
7
5
1 = 3
5
(0
1 4 0
0 5 5 0
3 0 0
2 1 1 0
6 0 0 0)
5
6
2
1
1
0
0
0
0
0)
0)
Luego:
Como los ceros generados mediante la eliminacin de mnimos por filas y columnas no garantizan
an una asignacin ptima, se debe tachar la cantidad mnima de filas y columnas que tengan ceros.
7
5
1 = 3
5
(0
1 4 0
0 5 5 0
3 0 0
2 1 1 0
6 0 0 0)
Ahora se debe elegir el mnimo elemento entre aquellos que no se encuentran tachados, restrselo
a todos los elementos no tachados, y sumrselo a aquellos elementos que se encuentren en la
interseccin de las lneas con las que tachamos las filas y columnas con elementos nulos. As, se
obtiene la siguiente matriz:
6
5
1 = 3
4
(
0 3
5 5 1
3 1
1 0 0
6 0 0 1)
En esta oportunidad, los ceros s garantizan una asignacin ptima, determinada por los elementos
coloreados con amarillo. Cotejando con la tabla entregada en el enunciado del problema, la
asignacin ptima es entonces la siguiente:
El costo mnimo de esta asignacin se obtiene sumando los costos respectivos de cada operador
con respecto a las palas asignadas. Luego, () = 2 + 2 + 2 + 2 = 8 unidades monetarias. La
FQC
51
inclusin de esta nueva pala es entonces conveniente, siempre que se reemplace por la pala 1 (que
es la que se asigna al operador ficticio), ya que el costo total es menor que en (a).
PROBLEMA #7
En la V Regin, PETROMAT S.A., una mediana planta de ridos para la construccin, produce 4
tipos de materiales de ridos. El proceso est compuesto por tres etapas: chancado, harneado e
inspeccin de calidad. Se dispone de 800 horas de chancado, 1000 horas de harneado y 340 horas
hombre (HH) de inspeccin para el prximo mes de produccin. En base a estas disponibilidades,
la empresa desea maximizar sus utilidades dentro de este perodo. Para resolver el problema, se ha
formulado un modelo de programacin lineal, el cual se presenta a continuacin:
() = 81 + 142 + 303 + 504
. :
1 + 22 + 103 + 164 800
3
+ 22 + 43 + 54 1000
2 1
1
3
+ + 3 + 24 340
2 1 5 2
0
El tableau final (incompleto) de este modelo se presenta a continuacin:
V.B.
2
1
3
1
0
1
0
2
1
0
0
1
3/2
-2
1/10
2
-1
2
-2/5
3
0
0
1
200
20
FQC
52
j)
Cul es la nueva solucin y el nuevo valor de la funcin objetivo si las horas de chancado
aumentan a 880?
k) Aceptara la produccin de un material rido del tipo 5, si requiere 2 horas de chancado y 3
horas de harneado e inspeccin de calidad, respectivamente, con una utilidad de 30 unidades
monetarias?
SOLUCIN: Se tiene lo siguiente:
a) La tabla de inicio de este problema es la siguiente:
V.B.
1
2
3
1
1
3/2
1/2
-8
2
2
2
3/5
-14
3
10
4
1
-30
4
16
5
2
-50
1
1
0
0
0
2
0
1
0
0
3
0
0
1
0
800
1000
340
0
Adems, la matriz inversa ptima se puede obtener a partir de la tabla ptima (incompleta) entregada
en el enunciado del problema:
3/2
1
= ( 2
1/10
1
2
2/5
0
0)
1
Para obtener la solucin ptima se debe calcular la matriz ptima de recursos, . Para ello se debe
recurrir al formulismo del mtodo smplex revisado. En efecto, se tiene:
3/2
2
= 1
=
(
0
1/10
1
2
2/5
0
800
200
0) (1000) = (400)
1
340
20
La mxima utilidad de este plan se calcula reemplazando los valores ptimos entregados por el plan
en la funcin objetivo del problema, con lo cual () = 6000 unidades monetarias.
b) Para determinar la existencia de ptimos alternativos, se deben verificar los costos reducidos en
la tabla ptima. Como stos no fueron entregados, deben calcularse igualmente mediante el
formulismo del mtodo smplex revisado para as completar la tabla ptima del problema. Lo primero
entonces es calcular las columnas de restriccin ptimas que faltan en dicha tabla:
3/2
(
)
2
(3 , 4 ) = 1
=
(
0 3 4
1/10
1
2
2/5
0
10
0) ( 4
1
1
11
16
5 ) = (12
2/5
2
19
22)
8/5
FQC
53
= () 1
= (14
3/2
0) ( 2
1/10
1
2
2/5
0
0) = (5
1
0)
(3 , 4 ) = (3 , 4 ) = (30
50) (5
10
0) ( 4
1
16
5 ) = (28
2
40)
1
0
1
0
0
2
1
0
0
0
3
11
-12
2/5
28
4
19
-22
8/5
40
1
3/2
-2
1/10
5
2
-1
2
-2/5
2
3
0
0
1
0
200
400
20
-6000
Se observa, en este caso, que todos los costos reducidos son positivos para las variables no bsicas.
Por lo tanto, no existen ptimos alternativos para este problema.
c) Como 3 es una variable no bsica, el anlisis de sensibilidad es sencillo. Sea 3 el cambio
(positivo o negativo) en el coeficiente de 3 . Se tiene entonces lo siguiente:
30 3 < 3 <
Luego:
30 28 < 3 <
Por lo tanto, 3 > 58. Se tiene entonces que 88 < 30 < . Por lo tanto, la utilidad de 3 puede
aumentar sin lmite sin cambiar la solucin ptima del problema. Sin embargo, slo puede disminuir
hasta en 58 unidades. Notemos que, de todas formas, no tiene sentido tener una utilidad negativa
en este tipo de problemas, porque las utilidades negativas representan costos. Por ello, la utilidad
puede bajar incluso a cero sin cambiar la base ptima de este problema. Se dice que 3 es una
variable que otorga total flexibilidad. Sin embargo, 3 no es rentable de todos modos.
d) Siendo 2 una variable bsica, el anlisis es un tanto ms engorroso. Sea 2 el cambio (positivo
o negativo) del coeficiente de 2 en la funcin objetivo. Calculamos entonces las cotas de 2 a
continuacin:
Cota superior:
= min {
28 40 10
40
, , }=
11 19 3
19
Cota inferior:
FQC
54
= max{2} = 2
Por lo tanto, se tiene que 2 < 2 < 40/19 . Por lo tanto, la utilidad del material rido del tipo 2 puede
disminuir hasta en 2 unidades monetarias sin que ello modifique la base ptima del problema.
e) Sea 1 el cambio (positivo o negativo) en la cantidad de horas de chancado. Calculamos las cotas
de 1 a continuacin:
Cota superior:
= min {
400
} = 200
2
Cota inferior:
400
400
= max {
, 200} =
3
3
400
3
intervalo 666.7 < < 1000. Dentro de ese rango, la base ptima permanece
inalterada.
f) El mximo valor a pagar por una hora de harneado adicional corresponde, en teora, al valor del
precio sombra (o precio dual) asociado a la restriccin de harneado (que es la restriccin 2). Dicho
precio sombra es, de la tabla ptima, 2 = 2 unidades monetarias. Este corresponde al valor mximo
a pagar por una hora de harneado adicional.
g) Como el precio sombra asociado a la restriccin de horas de chancado es 1 = 5 unidades
monetarias, la oferta es beneficiosa y se acepta, porque se ofrece la hora adicional del recurso a un
valor menor, que es 3 unidades monetarias.
h) Tal y como se vi en (f), el precio sombra asociado a las horas adicionales de harneado es 2 =
2 unidades monetarias, y es el mximo a pagar por dicha capacidad adicional. El lmite mximo ms
all del cual la base ptima se modifica, con respecto a este recurso, se verficia mediante el
respectivo anlisis de sensibilidad. Sea 2 el cambio (positivo o negativo) en las horas de harneado.
Las cotas de 2 se calculan como sigue:
Cota superior:
= min{200,50} = 50
Cota inferior:
= max{200} = 200
FQC
55
Por lo tanto, se tiene que 200 < 2 < 50. Luego, es posible arrendar un mximo de 50 horas
adicionales de harneado, sin que ello modifique la base ptima.
i) Si las horas de chancado aumentan hasta las 880 horas, se puede obtener la nueva solucin de
forma inmediata mediante el formulismo del mtodo smplex revisado. Para ello, la matriz inicial de
recursos debe incluir este cambio, por lo cual:
3/2
= 1
0 = ( 2
1/10
1
2
2/5
0
880
320
0) (1000) = (240)
1
340
28
La nueva utilidad mxima se obtiene reemplazando estos valores en la funcin objetivo, con lo cual
se tiene que () = 6400 unidades monetarias. Naturalmente, este plan es ms rentable, porque
deja una utilidad mayor.
j) Sea 3 el cambio (positivo o negativo) en las horas hombre de inspeccin de calidad. Las cotas
de 3 se calculan de la tabla ptima como sigue:
Cota superior:
= min{} =
Cota inferior:
= max {
20
} = 20
1
Por lo tanto, 3 > 20. Luego, las horas de inspeccin pueden disminuir hasta en 20 unidades, sin
que ello modifique la base ptima del problema.
k) Segn los datos que entrega el problema, se debe agregar una nueva variable al modelo original,
que denotamos por 5 . Utilizando los coeficientes de restriccin entregados para esta variable y su
utilidad original, es posible calcular su costo reducido de forma inmediata mediante el uso del
formulismo del mtodo smplex revisado. En efecto:
5 = 30 (5
2
0) (3) = 14
3
Como el costo reducido de 5 es negativo, entonces debe entrar a la base. Se asegura as al menos
una iteracin ms y, por tanto, al menos una mejora en la utilidad mxima de PETROMAT, lo que
implica que se acepta la produccin del nuevo material rido.
FQC
56
PROBLEMA #8
La empresa de transporte TRANSEC Ltda. realiza traslados de mineral desde las minas Alto, Cerro
e Indgena a distintas plantas concentradoras ubicadas a lo largo del pas. El gerente de finanzas y
logstica de TRANSEC desea determinar los recorridos ms convenientes, en trminos de costos,
para los futuros contratos.
Los costos de transporte, con sus respectivos requerimientos y suministros, se presentan en Tabla
68.
Alto
Cerro
Indgena
Requerimientos
Planta 1
19
13
14
15
Planta 2
11
5
2
8
Planta 3
7
9
8
10
Planta 4
21
14
19
5
Suministros
20
10
8
Determine las rutas ms convenientes para TRANSEC. Utilice el mtodo de mnimo costo para
encontrar la solucin bsica de inicio y analice sus resultados.
SOLUCIN: Lo primero es verificar si el problema se encuentra balanceado. En efecto:
3
= 20 + 10 + 8 = 38 = = 15 + 8 + 10 + 5 = 38
=1
=1
FQC
57
Planta 1
Planta 2
19
Planta 3
11
Oferta
Planta 4
7
21
20
Alto
13
14
10
Cerro
14
19
8
Indgena
Demanda
15
10
Desarrollando por mnimo costo, se llega a la siguiente solucin bsica de inicio. Se debe considerar
que se ha agregado una asignacin nula en la celda (2, 2) para as satisfacer el teorema de
secuenciacin:
Planta 1
Planta 2
19
Alto
11
5
10
21
5
9
20
14
0
14
10
2
19
Indgena
Demanda
Oferta
Planta 4
10
13
Cerro
Planta 3
15
8
10
Calculamos ahora los valores duales y costos reducidos para la primera iteracin, con lo cual se
tiene que la variable de entrada es 24 .
FQC
58
1 = 19
10
2 = 11
3 = 7
2
20
5+
1 = 0
4 = 21
11
10
Oferta
20
0
12
2 = 6
10
20
10
14
16
18
3 = 9
10
15
Demanda
7
10
Una vez determinado que la variable de entrada es 24 , se debe generar un loop para determinar la
variable de salida. Dicho loop se observa en Tabla 63. Como se debe cumplir que todas las
asignaciones sean positivas o nulas, la variable de salida se obtiene de las asignaciones limitadas
por la cantidad en el tableau anterior:
5 0
10 0
De lo anterior, el valor mnimo de que no viola la restriccin de no negatividad de las variables es
= 5, el cual corresponde a la celda (1, 4). Luego, la variable de salida es 14 . El tableau resultante,
con los correspondientes valores duales y costos reducidos, es el siguiente:
1 = 19
10
2 = 11
3 = 7
2
20
10
1 = 0
10
1
12
Oferta
20
0
2 = 6
4 = 20
11
20
10
8
4
14
18
3 = 9
4
Demanda
16
8
10
15
8
10
FQC
59
El tableau anterior ptimo, porque todos los costos reducidos son no negativos. La solucin ptima
de este problema es entonces 11 = 10, 13 = 10, 21 = 5, 22 = 0, 24 = 5, 32 = 8. El costo mnimo
asociado a las asignaciones anteriores es () = 411 unidades monetarias.
Es interesante sealar que este problema presenta una solucin ptima degenerada, ya que la
asignacin en la celda (2, 2) es nula. Adems, tambin presenta ptimos alternativos, puesto que el
costo reducido de la variable no bsica 12 es nulo.
PROBLEMA #9
La compaa manufacturadora de explosivos mineros ASIOP Mining Explosives Ltda. (ASIOPMEL)
fabrica detonadores elctricos para 3 empresas de explosivos en cada una de sus 3 plantas de
manufacturacin. Los costos de produccin varan debido a la tecnologa de produccin y el
rendimiento de los operarios. Los costos unitarios y la capacidad mensual de produccin, as como
la demanda de las empresas para el siguiente mes y el costo unitario de abastecimiento (transporte)
hacia las empresas clientes, se indican en Tabla 73.
Planta/Fbrica
Desde
A
B
C
1
3
6
5
Hacia
2 3
2 6
4 2
1 3
Costo/Unidad
($/unid)
2
4
3
Produccin
Mensual
6000
4000
6000
Fbrica
1
2
3
Demanda
Mensual
4000
6000
2000
ASIOPMEL debe decidir cuntas unidades de detonadores se deben producir en cada planta, y
cunta demanda de cada cliente se abastecer desde cada una de ellas. Se desea minimizar el
costo total de produccin y transporte para ASIOPMEL en los siguientes escenarios:
1. Se emplea la capacidad total de produccin de las tres plantas.
2. Se produce slo la cantidad de detonadores necesaria para satisfacer la demanda.
FQC
60
Fbrica 2
Fbrica 3
Oferta
Artificial
0
6000
Planta A
10
0
4000
Planta B
0
6000
Planta C
4000
Demanda
2000
6000
4000
Desarrollando por el mtodo de mnimo costo, se llega a la siguiente solucin bsica de inicio:
Fbrica 1
Fbrica 2
2000
Planta A
Fbrica 3
Artificial
6000
7
6
2000
1
4000
5
2000
3
Demanda
2000
Planta C
4000
10
Planta B
Oferta
4000
6000
4000
5
4000
2000
6000
FQC
61
1 = 5
2 = 4
5
1 = 0
3 = 1
8
10
0
6000
0
2000
4000
5
6
2000 +
3 = 0
2000
1
Demanda
Oferta
2000 + 4000
7
2 = 5
4 = 0
4000
6000
4000
5
4000
2000
6000
Una vez determinado que la variable de entrada es 24 , se debe generar un loop para determinar la
variable de salida. Como se debe cumplir que todas las asignaciones sean positivas o nulas, la
variable de salida se obtiene de las asignaciones limitadas por la cantidad en el tableau anterior:
4000 0
2000 0
De lo anterior, el valor mnimo de que no viola la restriccin de no negatividad de las variables es
= 2000, el cual corresponde a la celda (2, 1). Luego, la variable de salida es 21 . Luego:
FQC
62
1 = 5
2 = 4
3 = 6
4000
1 = 0
4 = 0
8
Oferta
2000
6000
2
10
2000
2 = 0
5
2000
4000
3 = 0
3
4000
2000
6000
4000
0
4000
Demanda
2000
6000
Tabla 40: Solucin ptima del problema de ASIOPMEL para el primer escenario
La tabla anterior es ptima, porque todos los costos reducidos son no negativos. La solucin ptima
es entonces 11 = 4000, 12 = 2000, 23 = 2000, 24 = 2000, 32 = 4000, 34 = 2000. El costo mnimo
de transporte asociado a este plan es () = $56.000.
Lo siguiente es verificar qu sucede en el caso de que la fabricacin de detonadores se vea limitada
por la cantidad que se demanda en las empresas clientes. Si bien este problema en particular puede
abordarse de varias maneras, lo ms sencillo es suprimir la produccin de la planta B, porque as
utilizamos de forma efectiva slo las plantas necesarias para satisfacer la demanda de los clientes
y, al mismo tiempo, balancear el problema.
A continuacin se muestra el tableau de inicio para este escenario, al cual se le ha encontrado una
solucin bsica de inicio mediante el mtodo de mnimo costo. Tambin se han calculado los valores
duales y los costos reducidos para esta primera iteracin, con lo cual se determina que 23 es la
variable de entrada en la primera iteracin.
1 = 5
2 = 4
5
4000
1 = 0
3 = 8
4
0+
2000
4
3
Demanda
6000
6000
2 = 0
Oferta
6000
2000
2
4000
6000
FQC
63
Una vez determinado que la variable de entrada es 23 , se debe generar un loop para determinar la
variable de salida. Como se debe cumplir que todas las asignaciones sean positivas o nulas, la
variable de salida se obtiene de las asignaciones limitadas por la cantidad en el tableau anterior:
6000 0
2000 0
De lo anterior, el valor mnimo de que no viola la restriccin de no negatividad de las variables es
= 2000, el cual corresponde a la celda (1, 3). Luego, la variable de salida es 13 . Luego:
1 = 5
2 = 4
5
4000
1 = 0
3 = 6
4
Oferta
2000
6000
2
8
2 = 0
4000
2000
6000
6000
2000
3
Demanda
4000
La tabla anterior es ptima, porque todos los costos reducidos son positivos. La solucin ptima es
entonces 11 = 4000, 12 = 2000, 22 = 4000, 23 = 2000. El costo mnimo de transporte asociado a
este plan es () = $56.000.
Se observa entonces que ambos escenarios entregan un costo mnimo similar, por ende, en teora,
es indiferente cul utilizar por ASIOPMEL. Sin embargo, de todos modos, el plan de produccin del
segundo escenario implica que, para estos efectos, la planta B puede utilizarse para cualquier otra
operacin, lo que le da cierta ventaja sobre el primer escenario.
PROBLEMA #10
COBREANDES Ltda. (Chile) es propiedad de una operacin a cielo abierto de cobre en la II Regin.
La explotacin comprende la extraccin de cuatro tipos de minerales: xido de baja ley (OXBL), xido
de alta ley (OXAL), sulfuro de baja ley (SUBL) y sulfuro de alta ley (SUAL). La operacin mantiene
dos plantas de chancado, una para xidos y una para sulfuros, cuyas capacidades son 40 y 50 ktpd,
respectivamente, y su alimentacin, de acuerdo al plan minero, establece que la extraccin de alta
ley y baja ley debe estar en la razn 2:1, mientras que la extraccin de sulfuros debe estar en la
razn 1:1.
Adems, por razones de disponibilidad de carguo, el doble de la produccin de sulfuros de alta ley
no debe superar la produccin de sulfuros de baja ley sumado al stock permanente de 10 kt en
planta. Restricciones de transporte por camiones establecen que la produccin total de mineral
FQC
64
sulfurado debe superar, al menos en un 40%, la produccin total de mineral oxidado. La produccin
del da requerida por el plan minero debe ser igual a 70 ktpd.
OXBL
1
OXAL
2
20
10
SUBL
SUAL
1
15
1
40
El objetivo de la COBREANDES es, naturalmente, maximizar sus ingresos. Para ello, se ha definido
un modelo de programacin lineal cuya tabla ptima se presenta a continuacin:
Tabla ptima:
V.B.
1
4
OXBL
SUAL
SUBL
OXBL
OXAL
1
0
1
0
0
10
SUBL
SUAL
1
1
0
0
0
0
0
2
1
24
-1
1/3
2/3
3
0
0
0
1/3
-1/3
1
-1
-14
1
0
0
20
2
0
-1
0
0
0
0
20
220
20
20
30
-1650
FQC
65
Asimismo, el mximo ingreso a percibir por concepto de este plan de produccin es de 1650 US$/da.
b) Como la tabla de inicio del modelo de COBREANDES no fue entregada, se debe generar el
modelo de programacin lineal original de este problema para as completar la tabla ptima y hacer
el anlisis de sensibilidad pedido. Las variables de dicho modelo se definen como sigue:
1 :
2 :
3 :
4 :
Las restricciones del problema se pueden obtener fcilmente a partir del enunciado del mismo. En
este caso, se tiene lo siguiente:
1 + 22 40
3 + 4 50
1 + 2 + 3 + 4 = 70
22 3 + 10 22 3 10
3 + 4 1.4(1 + 2 ) 1.4(1 + 2 ) + 3 + 4 0
OXBL
OXAL
SUBL
SUAL
FQC
66
1
2
1
3
2
1
0
1
0
-7/5
-20
2
0
1
2
-7/5
-10
0
1
1
-1
1
-15
0
1
1
0
1
-40
0
0
0
0
-1
0
1
0
0
0
0
0
0
1
0
0
0
0
0
0
1
0
0
0
0
0
0
1
0
0
0
0
0
0
1
0
40
50
70
10
0
0
Lo siguiente es utilizar el formulismo del mtodo smplex revisado para obtener la tabla ptima del
modelo de COBREANDES. Lo mejor que se puede hacer, sin embargo, es tambin comprobar las
columnas ya entregadas en la tabla ptima del enunciado del problema, para as corroborar que lo
hemos modelado correctamente. Por lo tanto, tenemos:
Matriz inversa ptima:
1 1
0 24
= 0 1
0 1/3
( 0 2/3
1
14
1
0
0
0
0
0
1/3
1/3
0
1
0
0
0 )
1
14
1
0
0
0
0
0
1/3
1/3
0
40
20
1
50
220
0
70 = 20
10
20
0
0 ) ( 0 ) ( 30 )
= (0
Luego, = (0
10
3
20
20
25
3
40
1 1
0 24
15) 0 1
0 1/3
( 0 2/3
1
14
1
0
0
0
0
0
1/3
1/3
0
1
0
0
0 )
0).
= (20
15
Luego, (1 , 3 , 4 , 4 ) = (0
0) (0
40
10
3
20
25
3
1
0
1
0) 0
7
( 5
0
1
1
1
1
0
1
0
0
1 0
0 0
1 1)
0).
FQC
67
OXBL
0
0
1
0
0
0
OXAL
1
0
1
0
0
10
SUBL
0
0
0
0
1
0
SUAL
0
0
0
1
0
0
4
0
1
0
0
0
0
1
1
0
0
0
0
0
2
1
24
-1
1/3
2/3
10/3
1
-1
-14
1
0
0
20
3
0
0
0
1/3
-1/3
25/3
2
0
-1
0
0
0
0
20
220
20
20
30
-1650
Los resultados obtenidos mediante el mtodo simplex revisado confirman que el modelo realizado
en primera instancia est correcto. Ahora podemos preceder a realizar el anlisis de sensibilidad
pedido.
Sea 1 el cambio (positivo o negativo) en la utilidad de OXBL. Las cotas de 1 se calculan como
sigue:
Cota superior:
10 20
= min { , } = 10
1 1
Cota inferior:
10
3
10
10
= max { 3 } =
1
3
< 1 < 10. Sin embargo, se debe considerar que como el modelo
10
3
utilidad de OXBL puede variar sin afectar la base ptima es 10 < <
70
3
c) Si la utilidad de SUAL aumenta en 10 unidades, se tendr entonces que 4 = 50. Como la variable
4 (que representa el tonelaje de SUAL en explotacin) es bsica, un cambio en su coeficiente
objetivo altera los valores duales ptimos del problema. Por ende, el vector de valores duales debe
ser recalculado. Sin embargo, primero verificaremos cul es el intervalo de optimalidad de esta
variable. Sea 4 el cambio (positivo o negativo) en la utilidad de SUAL. Calculamos las cotas de
dicha variacin de la siguiente forma:
Cota superior:
10/3 25/3
= min {
,
} = 10
1/3 1/3
FQC
68
No existe cota inferior, ya que 4 0 para todo . Por lo tanto, < 4 < 10. Como el problema es
de maximizacin, el intervalo de optimalidad debe invertirse, por lo que 10 < 4 < . Luego la
variacin de la utilidad 4 es 4 > 30. As, si 4 = 50, la solucin ptima no se ve afectada.
d) Sea 2 ingreso por unidad de xido de alta ley. Se tiene entonces:
20 2 < 2 <
Lo que implica:
10 10 < 2 <
Por tanto, 2 > 20. Sin embargo, como este problema es de maximizacin, este intervalo debe
revertirse a fin de hacer el anlisis de forma correcta. Por lo tanto, 2 < 20. Cualquier aumento de 2
ms all de 20 US$/unidad altera la base ptima del problema. Luego, un aumento de 8 US$/unidad
no cambia las variables bsicas del modelo, porque quedara 2 = 18, lo que est dentro del intervalo
de optimalidad antes calculado.
e) Utilizando lo calculado en (d), concluimos que el ingreso por unidad de OXAL debe ser mayor a
los 20 US$/unidad para que sea rentable su produccin, ya que de esta forma la base ptima del
problema cambiara, quedando 2 (que son las unidades de OXAL en explotacin) como variable de
entrada y, en consecuencia, como parte de la nueva solucin ptima del problema.
f) Sea 3 el cambio (positivo o negativo) en la produccin total del plan minero. Las cotas de
variacin de 3 se calculan a partir de la tabla ptima como sigue:
Cota superior:
110
110
= min {
, 20} =
7
7
Cota inferior:
= max{20} = 20
110
7
produccin del plan minero es 50 < < 85.7. Concluimos entonces que el aumento
de la produccin segn dicho plan a 80 ktpd no altera la base ptima, aunque s su valor. Calculamos
la solucin ptima y su valor objetivo utilizando el mtodo smplex revisado como sigue:
1 1
0 24
= 0 1
0 1/3
( 0 2/3
1
14
1
0
0
0
0
0
1/3
1/3
0
40
10
1
50
80
0
80 = 30
10
20
0
0 ) ( 0 ) (30)
FQC
69
Luego, el nuevo plan abarca la explotacin de 30 ktpd de xido de baja ley, 20 ktpd de sulfuro de
alta ley y 30 ktpd de sulfuro de baja ley. El ingreso mximo por concepto de este nuevo plan se
obtiene reemplazando estos valores en la funcin objetivo, con lo cual () = 1850 US$/da.
g) Se deben generar dos anlisis de sensibilidad independientes. Uno para una capacidad de 45 kt
en la planta de xidos (recurso ligado a la restriccin n1) y otro para una capacidad de 30 kt en la
planta de sulfuros (recurso ligado a la restriccin n2).
Para el cambio en la capacidad de la planta de xidos, calculamos la matriz ptima de recursos como
sigue:
1 1
0 24
= 0 1
0 1/3
( 0 2/3
1
14
1
0
0
0
0
0
1/3
1/3
0
45
25
1
50
220
0
70 = 20
10
20
0
0
0 ) ( ) ( 30 )
1
14
1
0
0
0
0
0
1/3
1/3
0
0
40
1
260
30
40
0
70 =
40/3
10
0
0 ) ( 0 ) ( 50/3 )
1
14
1
0
0
0
0
0
1/3
1/3
0
20
40
1
220
50
20
0
70 =
70/3
20
0
0 ) ( 0 ) (80/3)
La nueva solucin encontrada es factible, porque todos los valores del vector columna calculado son
no negativos. Reemplazando estos valores en la funcin objetivo del problema se obtiene un ingreso
mximo de () = 1733,3 US$/da, lo cual es evidentemente ms rentable que la solucin ptima
del problema original.
FQC
70
1
14
1
0
0
0
0
0
1/3
1/3
0
20
40
1
220
50
20
0
70 =
50/3
0
0
0 ) ( 0 ) (100/3)
0 40 = 0
10
Aporte = 0
50 = 166,7
Aporte = $ 166,7
20 70 = 1400
Aporte = $ 1400
3
25
3
20 = 583,3
00=0
Aporte = $ 583,3
Aporte = 0
Por lo tanto, el recurso que mayor ingreso aporta al proyecto de COBREANDES es R3,
correspondiente al plan minero de extraccin de mineral.
PROBLEMA #11
La Compaa Minera CERRO IMN Chile (CMCI), comercializa cuatro tipos de productos minerales
de Fe (mineral, grueso, pellet y fino). La gerencia mina ha resuelto desarrollar un plan de produccin
mediante programacin lineal. La informacin pertinente para la realizacin de este plan se ha
entregado en Tabla 81:
FQC
71
Mineral
4
4
5
Grueso
5
6
8
Pellet
2
3
6
Fino
3
4
4
Tabla 44: Informacin entregada por Gerencia para la realizacin del plan
V.B.
MINERAL
GRUESO
0
1
0
0
PELLET
1
0
0
0
FINO
1
0
0
0
1
1
2
-1
1
-1
2
0
0
0
-1
2
0
0
1
0
3
-1/3
1/3
-1
1/3
533 1/3
566 2/3
600
216 2/3
FQC
72
Del enunciado, se obtienen de inmediato las primeras dos restricciones del modelo:
1 + 2 + 3 + 4 = 1100
2 350
Produccin:
Requerimiento de grueso:
Requerimiento de chancado:
Requerimiento de concentracin:
41 + 52 + 23 + 34 4500
41 + 62 + 33 + 44 5000
MINERAL
1
0
4
4
-5
GRUESO
1
1
5
6
-8
PELLET
1
0
2
3
-6
FINO
1
0
3
4
-4
1
0
-1
0
0
0
1
1
0
0
0
0
2
0
1
0
0
0
2
0
0
1
0
0
3
0
0
0
1
0
1100
350
4500
5000
0
Para encontrar la solucin ptima, se debe completar la tabla ptima del problema, la cual fue
entregada incompleta. Lo primero es identificar la matriz inversa ptima:
FQC
73
2
1
=(
1
1
0
0
0
1
0 1/3
0 1/3
)
1 1
0 1/3
Adems, dado que se entregan las columnas cannicas en la tabla ptima, es posible determinar
que la base ptima de la solucin est conformada por las variables siguientes:
V.B.
Pellet
Grueso
Coef. Objetivo
-6
-8
0
0
Luego, el primer elemento a calcular de la tabla ptima es el vector de valores duales, dado por la
frmula = () 1
. As:
= (6
2
1
0) (
1
1
0 1/3
0 1/3
) = (4
1 1
0 1/3
0
0
0
1
2/3)
Ahora debemos calcular las columnas de restriccin que faltan en la tabla ptima:
2
1
1
(1 , 4 ) = (1 , 4 ) = (
1
1
0 1/3
1
0 1/3
) (0
4
1 1
0 1/3
4
0
0
0
1
2/3
1
0) = (1/3
3
1
4
1/3
2/3
1/3
)
0
1/3
Calculamos la matriz ptima de recursos (para comprobar que el modelo de inicio es correcto):
1
3
0 1/3
1100
2
0 1/3
) ( 350 ) = 566 3
4500
1 1
600
0 1/3
5000
2
(216 3)
533
2
1
= (
1
1
0
0
0
1
= (5
4) (4
1
2/3) (0
4
4
1
0) = (5/3
3
4
8/3)
FQC
74
() = = (4
1100
23200
2/3) ( 350 ) =
4500
3
5000
Mineral
2/3
1/3
1
1/3
5/3
Grueso
0
1
0
0
0
Pellet
1
0
0
0
0
Fino
2/3
1/3
0
1/3
8/3
1
0
0
0
1
0
1
2
-1
1
-1
4
2
0
0
0
-1
0
2
0
0
1
0
0
3
-1/3
1/3
-1
1/3
2/3
533 1/3
566 2/3
600
216 2/3
-23200/3
20
3
5
< 1 <
3
20
35
. Por
lo tanto, la disminucin del precio del producto mineral en 0.6 US$/t no hace variar la base ptima
del problema.
c) Para un aumento del precio del material fino en 0,5 US$/t, se tiene lo siguiente:
= 4,5 (4
1
13
2
0
) ( 3) =
6
3
4
FQC
75
Como el costo reducido referente a la variable fino se mantiene positivo, no hay cambios en la base
ptima. Por ende, el valor de dicha variable es cero (ya que es no bsica), y no hay cambios en el
ingreso total del plan.
d) Para un anlisis ms certero, se determinar el intervalo de optimalidad para la variable pellet.
En este caso, como se trata de una variable bsica, se calculan las cotas superiores del cambio 3
(positivo o negativo) de la siguiente forma:
Cota superior:
= min {
Cota inferior:
4
= max { } = 4
1
Por lo tanto, 4 < 3 < 2. Como el problema es de maximizacin, se invierte este intervalo, dando
como resultado un rango de variacin igual a 2 < 3 < 4. Luego, el intervalo de optimalidad de la
utilidad correspondiente a la variable pellet es 4 < 3 < 10. Por lo tanto, un aumento de su precio en
0.6 US$/t no afecta a la base ptima del problema, ya que est dentro del intervalo de optimalidad.
e) De lo hecho en (b), determinamos que el intervalo de optimalidad del precio de la variable mineral
es 0 < 1 <
35
3
35
3
2
1
= (
1
1
0
0
0
1
FQC
76
El nuevo ingreso se obtiene reemplazando estos valores en la funcin objetivo del problema, dando
como resultado () = 7333
1
3
US$/t.
g) En este caso hay un cambio en la tercera restriccin, desde 4500 kt a 4400 kt. Utilizando el mismo
formulismo que en (f), se tiene que:
1
3
0 1/3
1100
2
0 1/3
) ( 350 ) = 566 3
4400
1 1
500
0 1/3
5000
2
(216 3)
533
2
1
= 1
= (
1
1
0
0
0
1
El nuevo ingreso se obtiene reemplazando estos valores en la funcin objetivo del problema, dando
como resultado () =
23200
3
US$/t.
h) Ahora se tiene un aumento en la limitante de la segunda restriccin, de 350 kt a 400 kt. Utilizando
el mismo formulismo que en (f) y (g), se tiene:
1
3
0 1/3
1100
2
0 1/3
) ( 400 ) = 566 3
4500
1 1
600
0 1/3
5000
2
(166 3)
533
2
1
= (
1
1
0
0
0
1
El nuevo ingreso se obtiene reemplazando estos valores en la funcin objetivo del problema, dando
como resultado () =
23200
3
US$/t.
FQC
77
i) Los precios mximos a pagar por una unidad de recurso adicional corresponden a los valores
duales (precios sombra) calculados en primera instancia para la tabla ptima. Como la holgura
asociada a la capacidad de chancado no es nula, entonces el precio sombra es cero, puesto que no
es necesario pagar por capacidad adicional de chancado si ya disponemos de capacidad no utilizada
de este recurso. No obstante, para el caso de la concentracin magntica, la holgura asociada es
cero. Luego, hay un precio sombra asociado dado por 4 = 2/3 US$/t, que es el mximo a pagar por
una tonelada de concentracin adicional.
j) El modelo original de CMCI es el siguiente:
() = 51 + 82 + 63 + 44
. :
1 + 2 + 3 + 4 = 1100
2 350
41 + 52 + 23 + 34 4500
41 + 62 + 33 + 44 5000
1 , 2 , 3 , 4 0
Cambiando el PPL anterior a su forma primal simtrica, se tiene:
() = 51 82 63 44
. :
1 + 2 + 3 + 4 = 1100
2 350
41 52 23 34 4500
41 62 33 44 5000
1 , 2 , 3 , 4 0
Luego, el dual de este problema es el siguiente:
() = 11001 + 3502 45003 50004
. :
1 43 44 5
1 + 2 53 64 8
1 23 34 6
1 33 44 4
1 ; 2 , 3 , 4 0
Las variables duales representan los precios que estamos dispuestos a pagar por una unidad de
recurso adicional, segn corresponda. Para restricciones con holguras no nulas, es claro que dichos
precios son cero, por cuanto no es necesario pagar por capacidad adicional si existe una capacidad
no utilizada del recurso respectivo.
La funcin objetivo dual representa la maximizacin del uso de los recursos, mientras que las
restricciones representan las limitantes de uso de los recursos en funcin de los precios de cada tipo
de material.
Los valores ptimos duales son 1 = 4, 2 = 0, 3 = 0, 4 = 2/3. Todos ellos en US$/t.
FQC
78
= 8 (4
0
14
2
0
) ( 3) =
3
3
5
Como el costo reducido de la nueva variable es negativo, entra a la base del problema y se debe
iterar nuevamente para obtener la solucin ptima. Se tiene entonces:
2
1
1
(5 ) = (5 ) = (
1
1
0
0
0
1
5/3
0 1/3
0
5/3
0 1/3
) ( 0) = (
)
3
2
1 1
0 1/3
5
5/3
1
2/3
1/3
1
1/3
5/3
2
0
1
0
0
0
3
1
0
0
0
0
4
2/3
1/3
0
1/3
8/3
5
-5/3
5/3
-2
5/3
-14/3
1
0
0
0
1
0
1
2
-1
1
-1
4
2
0
0
0
-1
0
2
0
0
1
0
0
3
-1/3
1/3
-1
1/3
2/3
533 1/3
566 2/3
600
216 2/3
-23200/3
()
340
130
1
7/3
-4/3
3
1/5
19/3
2
0
1
0
0
0
3
1
0
0
0
0
4
7/3
-4/3
2
1/5
22/3
5
0
0
0
1
0
1
1
-1
6/5
3/5
14/5
1
11/3
-8/3
3
-3/5
26/3
2
-1
1
-6/5
-3/5
0
2
0
0
1
0
0
3
4/3
-4/3
1
1/5
5
535
565
602
130
-23186/3
Como todos los costos reducidos son positivos, hemos llegado al ptimo. Por lo tanto, la solucin
ptima es la siguiente:
23186
3
US$/t.
FQC
79
PROBLEMA #12
Para complementar la formacin de sus alumnos, este Departamento ha decidido programar una
serie de seminarios sobre algunos temas de actualidad: ecologa, energa, transporte y seguridad.
Estos seminarios tendrn lugar una vez por semana en horario de tarde, de manera que exista slo
una sesin para cada uno de los temas a tratar y, naturalmente, slo se pueda programar un
seminario por da. La direccin del Departamento ha estimado que podran asistir a cada uno de
estos seminarios, obteniendo los datos mostrados en Tabla 82:
Lunes
Martes
Mircoles
Jueves
Viernes
Ecologa
50
40
60
60
10
Energa
40
30
20
30
20
Transporte
60
40
30
20
10
Seguridad
20
30
20
30
30
Tabla 45: Estimacin del nmero de alumnos que asistir a cada seminario
Determine la programacin temporal ptima de estos seminarios, de manera que el total de alumnos
que asista a cada uno de ellos sea el mayor posible:
SOLUCIN: Procedemos mediante el algoritmo hngaro. Lo primero es verificar la naturaleza del
problema, asumiendo que el nmero estimado de alumnos en cada uno de los seminarios es un
beneficio para la programacin. As, tenemos un problema de asignacin de beneficios, y no de
costos, el cual maximiza una funcin objetivo. Construimos la matriz de costos agregando una
columna artificial a fin de tener una matriz cuadrada y, adems, asumiendo costos negativos (ya que
son beneficios).
5
4
= 6
6
(1
4
3
2
3
2
6
4
3
2
1
2
3
2
3
3
0
0
0
0
0)
6 4 6 3 0
0
1
2
1
2
0
2
3
4
5
1
0
1
0
0
0
0
0
0
0)
Como los ceros generados mediante la eliminacin de mnimos por filas y columnas no garantizan
an una asignacin ptima, se debe tachar la cantidad mnima de filas y columnas que tengan ceros.
FQC
80
1
2
1 = 0
0
(5
0
1
2
1
2
0
2
3
4
5
1
0
1
0
0
0
0
0
0
0)
Ahora se debe elegir el mnimo elemento entre aquellos que no se encuentran tachados, restrselo
a todos los elementos no tachados, y sumrselo a aquellos elementos que se encuentren en la
interseccin de las lneas con las que tachamos las filas y columnas con elementos nulos. As, se
obtiene la siguiente matriz:
2 0
2 1
1 = 1 2
0 0 3
(5 1 4
2
0
1
0
1
0
0
0)
En esta oportunidad, los ceros s garantizan una asignacin ptima, determinada por los elementos
coloreados con amarillo. Cotejando con la tabla entregada en el enunciado del problema, la
asignacin ptima es entonces la siguiente:
El nmero mximo de alumnos asistentes a los seminarios de esta asignacin se obtiene sumando
el nmero de alumnos respectivo de cada seminario con respecto a los das asignados. Luego,
() = 150 alumnos.
FQC
81
EJERCICIOS PEP 3
PROBLEMA #1
La Empresa Minera Andes Ltda. (EMAL) dispone de un equipo de perforacin, el cual tiene como
mayor obstculo el tiempo de traslado de un lugar a otro. Este hecho aumenta considerablemente
los costos operacionales. Para un rea determinada dentro de la mina, se desea trasladar el equipo
desde el nodo s al nodo t segn la siguiente red:
Los arcos sealan el tiempo de traslado (en minutos) entre cada nodo.
Se pide:
a) Determinar la ruta que debe realizar el equipo de perforacin desde el nodo s al nodo t en el
menor tiempo posible.
b) Determinar el mximo tiempo de traslado del equipo de perforacin desde el nodo s al nodo t.
SOLUCIN: Se tiene lo siguiente:
a) Procedemos mediante el algoritmo de Dijkstra de la ruta ms corta a partir del nodo s y
terminando en el nodo t. Etiquetando cada uno de los nodos de la red, se llega a lo siguiente:
FQC
82
FQC
83
PROBLEMA #2
Determinar el pit final ptimo para el inventario de bloques siguiente, y construya el vector columna
de pits para dicha seccin.
Seccin 12 Norte
BANCO B 1 B 2
H1
-9
-2
H2
-11
-3
H3
-11
-6
B3
-1
2
2
B4
2
3
1
B5
-1
-2
6
B6
-1
-2
-3
B7
-1
-1
-4
B8
1
5
-6
B9
-9
-10
-10
De la red anterior, se genera el corte mnimo que separa el conjunto de los bloques que son
removidos en esta combinacin de niveles, del conjunto de los bloques que no son extrados del
inventario en primera instancia. Luego se extraen los bloques dados por el conjunto =
{14,13,15,24}. Por lo tanto, el inventario de bloques toma la siguiente forma:
FQC
84
Seccin 12 Norte
BANCO B 1 B 2
H1
-9
-2
H2
-11
-3
H3
-11
-6
B3
-1
2
2
B4
2
3
1
B5
-1
-2
6
B6
-1
-2
-3
B7
-1
-1
-4
B8
1
5
-6
B9
-9
-10
-10
De la red anterior se obtiene el conjunto de bloques removidos en esta etapa, dado por =
{12,16,17,34,35,23,25,26}. Por lo tanto, el inventario final con los bloques extrados y el vector
columna de pits es el siguiente:
Seccin 12 Norte
BANCO B 1 B 2
H1
-9
-2
H2
-11
-3
H3
-11
-6
B3
-1
2
2
B4
2
3
1
B5
-1
-2
6
B6
-1
-2
-3
B7
-1
-1
-4
B8
1
5
-6
B9
-9
-10
-10
Vector de pits
-4
1
7
FQC
85
PROBLEMA #3
La Empresa Minera MANANTIAL posee 3 minas desde las cuales se transporta el mineral extrado
a una planta de procesamiento a travs de un sistema de correas transportadoras, el cual se
esquematiza mediante la siguiente red:
Los valores de los arcos representan la capacidad de las correas en cientos de toneladas por hora.
Se sabe que los turnos de trabajo son de 8 horas y que el tonelaje extrado por mina en cada turno
es de 8000, 6000 y 4800 toneladas/turno, respectivamente.
Se pide:
a) Determinar el mximo tonelaje por turno de trabajo que la planta, ubicada en el nodo T, puede
esperar.
b) Determinar cules son los arcos que controlan la capacidad del sistema Qu nombre reciben
estos arcos?
c) Qu sucede si el arco (9, 4) baja su capacidad en 200 unidades?
d) Qu sucede si el arco (8, 12) sube su capacidad en 200 unidades?
SOLUCIN: Se tiene lo siguiente:
a) Procedemos mediante el algoritmo de mximo flujo. Primero se debe generar el nodo de inicio S
utilizando las extracciones por turno de cada mina. Los arcos (S, 1), (S, 2) y (S, 3) tendrn as la
siguiente capacidad:
(, 1) =
8000
= 10
8
100
FQC
86
(, 2) =
6000
= 7,5
8
100
(, 3) =
4800
=6
8
100
La red completa del problema, cuya solucin ptima se ha calculado mediante el algoritmo de
mximo flujo, es la siguiente:
A partir del corte mnimo trazado en la red, se puede calcular el mximo flujo sumando todos los
flujos que atraviesan dicho corte. Por lo tanto, se tiene que () = 2 + 3 + 6 = 11 unidades.
b) Los arcos que controlan la capacidad del sistema son aquellos que intersectan al corte mnimo y
que adems transportan un flujo de material a travs de ellos. Dichos arcos son (S, 3), (5, 6) y (4,
8). Haciendo una analoga con el mtodo smplex, dado que la solucin ptima depende de ellos, es
razonable suponer que dichos arcos son las variables bsicas del problema.
c) No influye en la solucin ptima del problema, ya que el arco respectivo no tiene asignado un
flujo de material.
d) No influye en la solucin ptima del problema, ya que el arco respectivo no tiene asignado un
flujo de material.
FQC
87
PROBLEMA #4
A continuacin se detallan los tiempos probabilsticos esperados para las distintas actividades de un
proyecto.
ACTIVIDAD
A
B
C
D
E
F
G
H
I
J
K
L
M
PRECEDENTE
A
B, H, E
G
E, L
D
G
D
I
D
J, K
C, L
T. OPTIMISTA
1
2
1
3
2
1
1
3
1
3
2
3
1
T. MS PROBABLE
3
5
1
5
3
2
2
4
3
4
3
5
2
T. PESISMISTA
3
6
1
9
4
3
3
5
5
5
7
4
3
+ 4 +
6
Luego tenemos:
FQC
88
ACTIVIDAD
PRECEDENTE
A
B
C
D
E
F
G
H
I
J
K
L
M
A
B, H, E
G
E, L
D
G
D
I
D
J, K
C, L
TIEMPO
OPTIMISTA
1
2
1
3
2
1
1
3
1
3
2
3
1
T. MS
PROBABLE
3
5
1
5
3
2
2
4
3
4
3
5
2
TIEMPO
PESISMISTA
3
6
1
9
4
3
3
5
5
5
7
4
3
TIEMPO
ESPERADO
2,7
4,7
1
5,3
3
2
2
4
3
4
3
5
2
La red del proyecto, una vez se ha aplicado el algoritmo CPM de la ruta crtica, se muestra a
continuacin.
FQC
89
ACTIVIDAD
A
B
C
D
E
F
G
H
I
J
K
L
M
HOLGURA
10
10
0
0
6
1
6
6
0
0
4
0
0
PROBLEMA #5
A partir del inventario de bloques entregado, calcular el pit final ptimo y el vector columna de pits
para esta seccin.
Seccin 54 Sur
BANCO B 1 B 2
E4
-3
-2
F4
-10
3
G1
-13
-3
B3
-3
6
3
B4
-4
5
9
B5
-2
2
4
B6
-1
-1
1
B7
1
-3
-5
B8
-1
4
-1
B9
-2
-9
-16
FQC
90
De la red anterior, se genera el corte mnimo que separa el conjunto de los bloques que son
removidos en esta combinacin de niveles, del conjunto de los bloques que no son extrados del
inventario en primera instancia. Luego se extraen los bloques dados por el conjunto =
{23,24,25,28,12,13,14,15,16,17,18,19}. Por lo tanto, el inventario de bloques toma la siguiente forma:
Seccin 54 Sur
BANCO B 1 B 2
E4
-3
-2
F4
-10
3
G1
-13
-3
B3
-3
6
3
B4
-4
5
9
B5
-2
2
4
B6
-1
-1
1
B7
1
-3
-5
B8
-1
4
-1
B9
-2
-9
-16
FQC
91
La red anterior nos muestra la solucin ptima del problema. El conjunto de bloques removidos en
esta ltima fase del pit es = {22,33,34,35,11,26}. Luego, el inventario de bloques que muestra el
pit final ptimo y su vector columna de beneficios es el siguiente:
Seccin 54 Sur
BANCO B 1 B 2
E4
-3
-2
F4
-10
3
G1
-13
-3
B3
-3
6
3
B4
-4
5
9
B5
-2
2
4
B6
-1
-1
1
B7
1
-3
-5
B8
-1
4
-1
B9
-2
-9
-16
Vector de pits
-14
19
26
PROBLEMA #6
Considere que su amigo, vecino y compaero de curso, Julin, lo conduce a usted diariamente desde
su casa a la universidad. Dado que usted acaba de terminar un curso de anlisis de redes, entonces
puede ayudarle a determinar la ruta ms corta desde el vecindario, V, hasta su universidad, U.
Desafortunadamente, la ruta seleccionada est excesivamente patrullada por la polica y con todas
las multas pagadas por exceso de velocidad (por no siempre levantarse a la hora indicada), la ruta
ms corta no es la mejor eleccin. Por consiguiente, usted ha decidido ayudar a su amigo Julin a
determinar la ruta que maximice la probabilidad de no ser detenido y que as no lo multen. Para ello,
considere la siguiente red, en la cual los arcos definen la probabilidad de no ser detenido por la
polica en dicha rama.
FQC
92
Considere, para este problema, que la probabilidad de que no lo multen en una sucesin de caminos
es igual al producto entre las probabilidades individuales de que no lo multen en cada arco
respectivo.
SOLUCIN: El problema debe resolverse mediante el algoritmo de Dijkstra de la ruta mxima. La
diferencia con otro tipo de problemas es que ahora las probabilidades acumuladas por nodo en los
rtulos son iguales a la multiplicacin de las probabilidades individuales por arco respectivo. As, se
obtiene la solucin ptima que se observa en la siguiente red.
FQC
93
PROBLEMA #7
La Empresa PETROGAS Co. (Chile) se encuentra en la etapa final de puesta en produccin de 9
pozos de gas natural mar adentro en el rea de Isla Grande. Debido a la ubicacin del pozo 2,
cercana a la costa, se encuentra equipado con suficiente capacidad de bombeo y almacenamiento
para bombear la produccin de los 8 pozos restantes al punto de entrega. El siguiente plano (no
necesariamente a escala) muestra el kilometraje de los ductos factibles que conectan los 9 pozos de
gas natural mar adentro con el punto de entrega.
Considerando que el costo promedio por kilmetro para los proyectos de ductos mayores es
aproximadamente igual a US$ 7000 por kilmetro, determine el conjunto de ductos que minimice la
longitud por la cual el gas natural ser transportado hacia el punto de entrega.
SOLUCIN: Dado que la red est conformada por arcos no direccionados, asumimos que el gas
natural puede circular en ambas direcciones entre cada uno de los nodos de la red. Por lo tanto, este
problema puede ser resuelto de forma sencilla mediante el algoritmo de rbol de expansin mnima.
Los arcos que minimizan la longitud de traslado de gas se muestran en la siguiente red.
FQC
94
La longitud mnima de los ductos del rbol de expansin mnima es () = 41 kilmetros. El costo
asociado a esta construccin es igual a US$ 287.000
PROBLEMA #8
La Compaa Minera ARRIBACHILE (COMACHI) es propietaria de tres minas desde las cuales se
transporta el mineral extrado a una planta de concentracin a travs de un sistema de correas
transportadoras modelado por la siguiente red.
FQC
95
Los valores de los arcos representan la capacidad en cientos de toneladas por hora. Se sabe que
los turnos de trabajo son de 8 horas y que las toneladas por turno de cada mina son 4800, 6000 y
8000, respectivamente. Determine la mxima cantidad de mineral que este sistema de correas es
capaz de transportar.
SOLUCIN: Lo primero es generar el nodo de salida s para luego aplicar el algoritmo de mximo
flujo. Para ello, se generan los arcos tales que respetan la capacidad de extraccin de cada mina
por turno y en iguales unidades que el resto de los arcos:
(, 1) =
4800
=6
8
100
(, 2) =
6000
= 7,5
8
100
(, 3) =
8000
= 10
8
100
La solucin ptima de este problema, una vez aplicado el algoritmo de mximo flujo, se muestra en
la siguiente red.
El mximo flujo, que determina el mximo tonelaje que la red es capaz de transportar, se calcula
sumando todos los flujos que atraviesan el corte mnimo trazado en la red. Por lo tanto, () =
1200 t/turno.
FQC
96
PROBLEMA #9
Un proyecto minero est compuesto por actividades cuyas caractersticas se presentan a
continuacin.
Actividad
A
B
C
D
E
F
G
H
I
J
K
L
M
Predecesor
A, B
B
B
E
C, D
C, D
G
H
I
I
J, K
Normal
Duracin [das]
2
4
3
2
3
1
4
3
3
6
3
5
1
Acelerado
Duracin [das] Costo [$]
1
120
2
250
1
150
1
30
1
90
1
1
200
2
80
2
300
3
400
2
150
3
100
1
-
Se pide:
a) Dibujar la red del proyecto y determinar la ruta crtica y su duracin.
b) Considerando la posibilidad de acelerar las actividades, formular un modelo de programacin
lineal que permita determinar qu actividades deben ser aceleradas y en cunto, de manera tal
que el proyecto se pueda terminar en 15 das.
c) Se quiere acelerar el proyecto en tres das a costo mnimo Cules actividades conviene acelerar
y en cunto? A qu costo? Dibuje como va cambiando la malla del proyecto.
SOLUCIN: a) La red del proyecto se muestra a continuacin.
FQC
97
6 4 + 3
7 3 + 3
8 5 + 3
9 6 + 6
9 8 + 3
10 8 + 5
10 9 + 1
10 7 + 1
10 = 15
1
2
2
1
2
0
3
1
1
3
1
2
0
, 0; ,
Quedan dos rutas crticas, por lo cual las opciones a disminuir son:
FQC
98
Se elige disminuir C y D en 1 da, con lo cual la red del proyecto queda como sigue:
FQC
99
PROBLEMA #10.
Arcadia Minerals Co. (ARMICO) se encuentra en la fase de ingeniera conceptual para un nuevo
proyecto minero en la II Regin. El cronograma de este proyecto en trminos de la estimacin
primaria de recursos se resume a continuacin.
ACTIVIDAD
A
B
C
D
E
F
G
H
I
J
K
L
Campaa de sondajes
Estimacin de la orientacin espacial del
yacimiento
Confeccin de variogramas
Determinacin
de
anisotropas
espaciales del yacimiento
Variografa espacial completa
Estimacin de leyes y tonelajes
generales para zonas amplias del
yacimiento
Construccin del modelo geolgico del
yacimiento
Determinacin del tonelaje y ley media
del yacimiento
Construccin de variogramas definitivos
Construccin del modelo de bloques del
yacimiento.
Zonificacin del yacimiento en funcin de
las reas de alta y baja ley.
Construccin de curvas tonelaje ley
DURACIN
[semanas]
3
0,15
0,3
B, C
0,15
A, D
0,2
B, C
0,3
B, C
0,25
E, F
0,1
E, F, G
0,2
E, F, G
0,15
H, I
0,05
H, I, J
0,1
PREDECESOR
VARIANZA
0,2
M
N
ACTIVIDAD
Campaa nueva de sondajes
Correccin de la variografa
PREDECESOR
K, L
L
DURACIN [semanas]
2
3
FQC
10
0
A pesar de haber agregado actividades al proyecto, se desea terminar lo que queda de dicho
proyecto en el plazo restante de acuerdo a lo calculado en (a) (descontando los 7 das que ya
han transcurrido). Para cumplir el objetivo de terminar el proyecto a tiempo, se han establecido
las actividades susceptibles de ser aceleradas, su costo por semana de aceleracin y el nmero
mximo de semanas a disminuir para cada una de ellas:
ACTIVIDAD
E, M
G, H, J
F, I
K, L
COSTO UNITARIO
ACELERADO [$/semana]
40
10
15
10
DISMINUCIN
MXIMA [semanas]
3
2
2
1
De la red, se obtiene la duracin esperada del proyecto, = 15 semanas. La ruta crtica, que ha
sido destacada en la red, es A B D E I L. Sumando las varianzas de cada una de estas
actividades crticas se obtiene la varianza total del proyecto, que es = 1 [semana2].
b) Las probabilidades pedidas se calculan usando la normalizacin de los tiempos de las actividades
del proyecto para su inclusin en la distribucin normal cannica de probabilidades segn la siguiente
frmula:
=
FQC
10
1
Estos valores de deben ser comparados con los valores de la distribucin normal cannica de
probabilidades. Sin embargo, para efectos prcticos, se sugiere usar la siguiente aproximacin, que
normalmente entrega resultados bastante aceptables:
() = 0,5 + 0,167 0,009 2
Luego tenemos:
( 14) = (
14 15
) = ( 1) = 0,159
( = 15) = 0
( 16) = 1 ( 16) = 1 (
16 15
) = 1 ( 1) = 0,159
c) La red de lo que queda del proyecto, incorporando adems las nuevas actividades, es la siguiente:
Figura 28: Red resultante del proyecto al agregar las actividades requeridas
FQC
10
2