Ej Cap 2

Ctedra: Investigacin Operativa Ao: 2002
Universidad Tecnolgica Nacional Facultad Regional Mendoza
RESOLUCION DE EJERCICIOS DEL CAPITULO 2 EJERCICIO 2.1: Identifique un conjunto de variables de decisin apropiadas para este ejercicio. Proporcione nombres simblicos relevantes y una descripcin completa de cada variable. No necesita formular el modelo. Florida Citrus, Inc., procesa jugo de naranja y lo transforma en concentrado congelado en tres plantas localizadas en Tampa, Miami y Jacksonville. De cualquiera de los dos huertos ubicados cerca de Orlando y Gainesville se pueden enviar libras de naranja hacia cualquier planta. Dado el costo de embarque y el precio de venta del concentrado, el objetivo, sujeto a ciertas restricciones de oferta y demanda, es determinar como embarcar estas naranjas desde los dos huertos a las tres plantas procesadoras para maximizar la ganancia total.
Tampa = T
Plantas
Miami = M
Orlando = O Huertos
Jacksonville = J
Gaineisville = G
Huertos
Plantas
Variables de decisin:
T O M G J
XOT = cantidad de naranjas desde el origen O hasta el destino T. XOM = cantidad de naranjas desde el origen O hasta el destino M XOJ = cantidad de naranjas desde el origen O hasta el destino J. XGT = cantidad de naranjas desde el origen G hasta el destino T. XGM = cantidad de naranjas desde el origen G hasta el destino M XGJ = cantidad de naranjas desde el origen G hasta el destino J.
EJERCICIO 2.2: Identifique un conjunto de variables de decisin apropiadas para este ejercicio. Proporcione nombres simblicos relevantes y una descripcin completa de cada variable No necesita formular el modelo. Pensin Planners, Inc., administra una cartera particular que consiste en 1800, 1000 y 500 acciones de fondos mutuos. Dadas ciertas suposiciones sobre las condiciones econmicas en los siguientes 2 meses, el administrador de la agenda desea determinar el nmero de acciones de cada fondo por vender o comprar en cada uno de los siguientes dos meses, para maximizar el valor esperado de la agenda. 1
.
Fondo1 Ventas Fondo2 Compras Fondo3
Variables de decisin: X1 = cantidad de acciones del fondo 1 por vender en los siguientes dos meses. X2 = cantidad de acciones del fondo 2 por vender en los siguientes dos meses. X3 = cantidad de acciones del fondo 3 por vender en los siguientes dos meses. X4 = cantidad de acciones del fondo 1 por comprar en los siguientes dos meses. X5 = cantidad de acciones del fondo 2 por comprar en los siguientes dos meses. X6 = cantidad de acciones del fondo 3 por comprar en los siguientes dos meses. F1 = cantidad total de acciones del fondo 1 al final de los dos meses. F2= cantidad total de acciones del fondo 2 al final de los dos meses. F3 = cantidad total de acciones del fondo 3 al final de los dos meses. EJERCICIO 2.3: Para el ejercicio 2.1, el huerto que est cerca de Orlando tiene 20000 libras de naranjas y el huerto cercano a Gainesville tiene 12000 libras de naranjas. La planta de Tampa requiere al menos 8000 libras de naranjas para cumplir su cuota de produccin. Las plantas de Miami y Jacksonville requieren cada una al menos 11000 libras de naranjas. Use la tcnica de agrupamiento para identificar todos los grupos de restricciones. No necesita formular las restricciones; sin embargo, especifique el nmero de restricciones de cada grupo.
Restricciones de no negatividad: Xi >= 0 siendo i = 1 Restricciones de produccin: XOT + XOM + XOJ < = 20000 XGT + XGM + XGJ < = 12000 naranjas Orlando puede enviar hasta 20000 libras de naranjas Gainesville puede enviar hasta 12000 libras de 6
Restricciones de demanda: XOT + XGT >= 8000 XOM + XGM >= 11000 XOJ + XGJ >= 11000 naranjas.
Tampa requiere al menos 8000 libras de naranjas Miami requiere al menos 11000 libras de naranjas. Jacksonville requiere al menos 11000 libras de
EJERCICIO 2.4: Al determinar el nmero de acciones por comprar o vender en el ejercicio 2.2, la administracin nunca deseara vender ms acciones de las que tiene. Asimismo, el fondo 1 en ningn caso debe tener ms del doble de acciones del fondo 2, y este ltimo tampoco debe tener ms del doble del nmero de acciones del fondo 3. Finalmente, la cantidad total invertida en cada fondo no debe exceder los $75 000. Use la tcnica de agrupamiento para identificar todos los grupos de restricciones. No necesita formular las restricciones; sin embargo, especifique el nmero de restricciones de cada grupo.
Restricciones de no negatividad: Xi >= 0 siendo i = 1 Restricciones de venta: F1 = 1800 + X4 X1 F2 = 1000 + X5 - X2 F3 = 500 + X6 - X3 X1 < = 1800 + X4 X2 < = 1000 + X5 X3 < = 500 + X6 Restricciones de compra: F1 < = 2 * F2 F2 < = 2 * F3 Restricciones de inversin: F1 < = 75000 F2 < = 75000 F3 < = 75000
6
El total del fondo1 es lo que tiene ms lo que compra y vende. El total del fondo2 es lo que tiene ms lo que compra y vende. El total del fondo3 es lo que tiene ms lo que compra y vende.
Lo que hay para vender del fondo1 debe ser al menos la suma de lo que tiene ms lo que compra. Lo que hay para vender del fondo2 debe ser al menos la suma de lo que tiene ms lo que compra. Lo que hay para vender del fondo3 debe ser al menos la suma de lo que tiene ms lo que compra.
El fondo1 en ningn caso debe tener ms del doble de acciones del fondo2 El fondo2 en ningn caso debe tener ms del doble de acciones del fondo3
La cantidad total invertida en el fondo1 no debe exceder los $75 000. La cantidad total invertida en el fondo2 no debe exceder los $75 000 La cantidad total invertida en el fondo3 no debe exceder los $75 000
EJERCICIO 2.5 Para el ejercicio 2.1, use la tcnica de descomposicin para expresar la funcin objetivo de maximizacin de ganancias dados los siguientes datos de costo e ingresos: COSTO DE EMBARQUE ($/Ton) A DESDE TAMPA MIAMI JAKSONVILLE Orlando 50 75 60 Gainesville 60 90 45 INGRESOS ($/ton de naranjas procesadas) Tampa 550 Miami 750 Jacksonville 600
Funcin objetivo de maximizacin de ganancias: Z = (XOT* Ingresos - XOT* Costos) + (XOM * Ingresos - XOM * Costos) + (XOJ * Ingresos - XOJ * Costos) + (XGT * Ingresos - XGT * Costos) + (XGM * Ingresos - XGM * Costos) + (XGJ * Ingresos XGJ * Costos) Z = (XOT* 550 - XOT* 50) + (XOM * 750 - XOM * 75) + (XOJ * 600 - XOJ * 60) + (XGT * 550 - XGT * 60) + (XGM * 750 - XGM * 90) + (XGJ * 600 - XGJ * 45) Mediante Lingo: MAX = (Xot*550 - Xot*50)+(Xom*750 - Xom*75)+ (Xoj*600 Xoj*60)+(Xgt*550 - Xgt*60)+ (Xgm*750 - Xgm*90)+(Xgj*600 Xgj*45); Xot >=0; Xom >=0; Xoj >=0; Xgt >=0; Xgm >=0; Xgj >=0; Xot+Xom+Xoj <=20000; Xgt+Xgm+Xgj <=12000; Xot+Xgt >=8000; Xom+Xgm >=11000; Xoj+Xgj >=11000;
Solution Report Global optimal solution found at step: 10 Objective value: 0.1887000E+08 Variable Value Reduced Cost XOT 7000.000 0.0000000 XOM 13000.00 0.0000000 XOJ 0.0000000 25.00000 XGT 1000.000 0.0000000 XGM 0.0000000 5.000000 XGJ 11000.00 0.0000000 Row Slack or Surplus Dual Price 1 0.1887000E+08 1.000000 2 7000.000 0.0000000 3 13000.00 0.0000000 4 0.0000000 0.0000000 5 1000.000 0.0000000 6 0.0000000 0.0000000 7 11000.00 0.0000000 8 0.0000000 675.0000 9 0.0000000 665.0000 10 0.0000000 -175.0000 11 2000.000 0.0000000 12 0.0000000 -110.0000 Mediante Solver::
Celdas cambiantes Nombre Xot>=0 Xom>=0 Xoj>=0 Xgt>=0 Xgm>=0 Xgj>=0 Restricciones Nombre
Valor final 7000 13000 0 1000 0 11000
Valor inicial 0 0 0 0 0 0
Valor final lado derecho Xot+Xom+Xoj<=20000 20000 Xgt+Xgm+Xgj<=12000 12000 Xot+Xgt>=8000 8000 Xom+Xgm>=11000 13000 Xoj+Xgj>=11000 11000 Funcin objetivo
Valor final lado Valor inicial lado Valor inicial lado izquierdo izquierdo derecho 20000 20000 0 0 12000 12000 0 8000 8000 0 11000 11000 0 11000 11000
Z = (Xot* 550 - Xot* 50) + (Xom * 750 - Xom * 75) + (Xoj * 600 - Xoj * 60) + (Xgt * 550 - Xgt * 60) + (Xgm * 750 - Xgm * 90) + (Xgj * 600 - Xgj * 45) Z= 18870000
EJERCICIO 2.6: Para el ejercicio 2.2, suponga que al final del segundo mes se espera que el precio por accin del Fondo 1 sea $28, que el del Fondo 2 sea $60 y el del Fondo 3, $45. Formule una restriccin para asegurar que con estos precios, el valor de la cartera al final del segundo mes sea al menos $ 125 000. Ilustre el uso de la descomposicin. Restriccin de ganancia: 28 * F1 + 60 * F2 + 45 * F3 > = 125000 Funcin Objetivo: Z = 28 * ( 1800 + X4 X1 ) + 60 * ( 1000 + X5 X2 ) + 45 * ( 500 + X6 X3 ) Z = 28* F1 + 60 * F2 + 45 * F3
Mediante Lingo: MAX = 28*(1800 + X4 - X1)+ 60*(1000 + X5 - X2)+ 45*(500 + X6 X3); X1 >=0; X2 >=0; X3 >=0; X4 >=0; 6
X5 >=0; X6 >=0; 1800 + X4 - X1 <= 2*(1000 + X5 - X2); 1000 + X5 - X2 <= 2*(500 + X6 - X3); 28*(1800 + X4 - X1) <= 75000; 60*(1000 + X5 - X2) <= 75000; 45*(500 + X6 - X3) <= 75000; 28*(1800 + X4 - X1)+ 60*(1000 + X5 - X2)+ 45*(500 + X6 - X3) >= 125000;
Solution Report Global optimal solution found at step: 4 Objective value: 220000.0 Variable Value Reduced Cost X4 700.0000 0.0000000 X1 0.0000000 0.0000000 X5 250.0000 0.0000000 X2 0.0000000 0.3337860E-05 X6 1166.667 0.0000000 X3 0.0000000 0.0000000 Row Slack or Surplus Dual Price 1 220000.0 1.000000 2 0.0000000 0.0000000 3 0.0000000 0.0000000 4 0.0000000 0.0000000 5 700.0000 0.0000000 6 250.0000 0.0000000 7 1166.667 0.0000000 8 0.0000000 28.00000 9 2083.333 0.0000000 10 5000.000 0.0000000 11 0.0000000 1.933333 12 0.0000000 1.000000 13 95000.00 0.0000000 7
Mediante Solver: Celdas cambiantes Nombre X1>=0 X2>=0 X3>=0 X4>=0 X5>=0 X6>=0 Restricciones Nombre
Valor inicial 0 0 0 0 0 0
Valor final 1042 0 0 1742 250 1167
Valor inicial Valor Final Valor inicial Valor Final lado derecho lado derecho lado izquierdo lado izquierdo F3 500+X6-X3 500 625 F1 1800+X4-X1<= 2*F2 1800 2500 2000 2500 F2 1000+X5-X2<= 2*F3 1000 1250 1000 1250 F1 28*(1800+X4-X1)<=75000 50400 70000 75000 75000 F2 60*(1000+X5-X2)<=75000 108000 75000 75000 75000 F3 45*(500+X6-X3)<=75000 22500 75000 75000 75000 28*F1+60*F2+45*F3>=125 132900 220000 125000 125000 000 Funcin objetivo: Z= 28*F1 + 60*F2 + 45*F3 Z= 220000
EJERCICIO 2.7: World Oil Company puede comprar dos tipos de petrleo crudo: crudo ligero a un costo de $25 por barril, y petrleo pesado a $22 por barril. Cada barril de petrleo crudo, ya refinado, produce tres productos: gasolina, turbosina y queroseno. La siguiente tabla indica las cantidades en barriles de gasolina, turbosina y queroseno producidos por barril de cada tipo de petrleo crudo:
Crudo ligero Crudo pesado
GASOLINA 0.45 0.35
TURBOSINA 0.18 0.36
QUEROSENO 0.30 0.20
La refinera se ha comprometido a entregar 1260000 barriles de gasolina, 900000 barriles de turbosina y 300000 barriles de queroseno. Como gerente de produccin, formule un modelo para determinar la cantidad de cada tipo de petrleo crudo por comprar para minimizar el costo total al tiempo que se satisfaga la demanda apropiada. Defina todas las variables de decisin. Use el esquema de la seccin 2.3 para clasificar su modelo. Variables de decisin: X1= cantidad de barriles de petrleo ligero X2= cantidad de barriles de petrleo pesado 8
Restricciones de no negatividad: Xi >= 0 siendo i = 1 Restricciones de produccin: 0.45 * X1 + 0.35 * X2 > = 1260000 0.18 * X1 + 0.36 * X2 > = 900000 0.30 * X1 + 0.20 * X2 > = 300000 Funcin objetivo:
cantidad de barriles de gasolina a entregar cantidad de barriles de turbosina a entregar cantidad de barriles de queroseno a entregar
Minimizar el costo total al tiempo que se satisfaga la demanda apropiada. MIN = 25 * X1 + 22 * X2
EJERCICIO 2.8 Reconsidere el ejercicio 2.7. Cada barril de petrleo crudo refinado produce un desecho de 0.07 de barril que se tira a un costo de $1 por barril de desecho. De manera similar, cada barril de petrleo crudo pesado produce un desecho de 0.09 de barril y su eliminacin cuesta $1.50 por barril. Formule un nuevo modelo para incorporar estos costos adicionales usando los mismos datos del ejercicio 2.7. Funcin objetivo: Z= (X1*25 + X1* 0.07*1) + (X2*22 + X2*0.09*1.50) Mediante Lingo: MIN= (X1*25 + X1* 0.07*1) + (X2*22 + X2*0.09*1.50); X1>=0; X2>=0; 0.45 * X1 + 0.35 * X2 > = 1260000; 0.18 * X1 + 0.36 * X2 > = 900000; 0.30 * X1 + 0.20 * X2 > = 300000; Resolucin: Solution Report 9
Global optimal solution found at step: 8 Objective value: 0.7494100E+08 Variable X1 X2 Row 1 2 3 4 5 6 Value 1400000. 1800000. Reduced Cost 0.0000000 0.0000000
Slack or Surplus Dual Price 0.7494100E+08 1.000000 1400000. 0.0000000 1800000. 0.0000000 0.0000000 -50.91818 0.0000000 -11.98232 480000.0 0.0000000
Mediante Solver: Celdas cambiantes Nombre X1>=0 X2>=0 Restricciones Nombre 0.45 * X1 + 0.35 * X2 > = 1260000 0.18 * X1 + 0.36 * X2 > = 900000 0.30 * X1 + 0.20 * X2 > = 300000
Valor Inicial 0 0
Valor final 1400000 1800000
Valor final lado derecho 1260000 900000 780000
Valor final lado Valor inicial lado Valor inicial izquierdo derecho lado izquierdo 1260000 0 1260000 900000 300000 0 0 900000 300000
Funcin objetivo
Z= (X1*25 + X1* 0.07*1) + (X2*22 + X2*0.09*1.50) Z= 74941000
EJERCICIO 2.9: 10
Carmac Company fabrica carros compactos y subcompactos. La produccin de cada carro requiere una cierta cantidad de materia prima y mano de obra, como se especifica en la siguiente tabla: MATERIA PRIMA (libras) 200 150 10 80000 MANO DE OBRA (horas) 18 20 70 9000
Compactos Subcompactos Costo unitario ($) Total disponible
La divisin de comercializacin ha estimado que a lo ms 1500 compactos pueden venderse a $ 10 000 cada uno y que a lo ms 200 subcompactos pueden venderse a $8000 cada uno. Como vicepresidente de programacin, formule un modelo para determinar la cantidad a fabricar de cada tipo de carro para maximizar la ganancia total (ingresos menos gastos). Defina todas las variables de decisin. Use el esquema de la seccin 2.3 para clasificar su modelo. Costo de un auto compacto: cant Materia Prima*costo + cant Mano de Obra*costo = 200*10 + 18*70 = $3260
Costo de un auto subcompacto: cant Materia Prima*costo + cant Mano de Obra*costo = 150*10 + 20*70 = $2900 Variables de decisin: X1= cantidad de carros compactos X2= cantidad de carros subcompactos Funcin objetivo: Maximizar la ganancia total (ingresos menos gastos). MAX = (X1*10000 + X2*8000) (X1*3260 + X2*2900) Restricciones de no negatividad: Xi >= 0 siendo i = 1 2 Restricciones de disponibilidad: X1*2000 + X2*1500 <= 80000 X1*18 + X2*20 <= 9000 X1<= 1500 X2<= 200 Total disponible de materia prima Total disponible de mano de obra a lo ms 1500 compactos pueden venderse a lo ms 200 subcompactos pueden venderse
Mediante Lingo: MAX = (X1*10000 + X2*8000)- (X1*3260 + X2*2900); 11
X1>=0; X2>=0; X1*200 + X2*150 <= 80000 ; X1*18 + X2*20 <= 9000 ; X1<= 1500; X2<= 200; Solution Report Global optimal solution found at step: 3 Objective value: 2705000. Variable Value Reduced Cost X1 250.0000 0.0000000 X2 200.0000 0.0000000 Row Slack or Surplus Dual Price 1 2705000. 1.000000 2 250.0000 0.0000000 3 200.0000 0.0000000 4 0.0000000 33.70000 5 500.0000 0.0000000 6 1250.000 0.0000000 7 0.0000000 45.00000
Mediante Solver: Celdas cambiantes Nombre X1>=0 X2>=0 Restricciones Nombre X1*200 + X2*150 <= 80000 X1*18 + X2*20 <= 9000 X1<=1500 X2<=200 Funcin objetivo
Valor Inicial 0 0
Valor final 250 200
Valor final lado derecho 80000 8500 250 200
Valor final Valor inicial Valor inicial lado izquierdo lado derecho lado izquierdo 80000 0 80000 9000 1500 200 0 0 0 9000 1500 200
Z= (X1*10000 + X2*8000) (X1*3260 + X2*2900) Z= 2705000
EJERCICIO 2.10: 12
Fresh Dairy Farms tiene dos mquinas distintas para procesar leche pura y producir leche descremada, mantequilla o queso. La cantidad de tiempo requerido en cada mquina para producir cada unidad de producto resultante y las ganancias netas se proporcionan en la siguiente tabla: LECHE DESCREMADA 0.2 min/gal 0.3 min/gal $0.22/gal MANTEQUILLA 0.5 min/lb 0.7 min/lb $0.38/lb QUESO 1.5 min/lb 1.2 min/lb $0.72/lb
Mquina 1 Mquina 2 Ganancia neta
Suponiendo que se dispone de 8 horas en cada mquina diariamente, como gerente del departamento de produccin, formule un modelo para determinar un plan de produccin diaria que maximice las ganancias corporativas netas y produzca un mnimo de 300 galones de leche descremada, 200 libras de mantequilla y 100 libras de queso. Variables de decisin: X1= cantidad de leche descremada X2= cantidad de mantequilla X3= cantidad de queso Funcin objetivo: Maximice las ganancias corporativas netas. MAX = 0.22 * X1 + 0.38 * X2 + 0.72 * X3 Restricciones de no negatividad: Xi >= 0 siendo i = 1 3 Restricciones de produccin: X1>= 300 produccin mnima de leche X2>=200 produccin mnima de mantequilla X3>=100 produccin mnima de queso X1*0.2 + X2*0.5 + X3*1.5 <=480 produccin diaria en mquina 1 X1*0.3 + X2*0.7 + X3*1.2 <=480 produccin diaria en mquina 2 Mediante Lingo: MAX = 0.22 * X1 + 0.38 * X2 + 0.72 * X3; X1>= 300; X2>=200; X3>=100; X1*0.2 + X2*0.5 + X3*1.5 <=480; X1*0.3 + X2*0.7 + X3*1.2 <=480; Global optimal solution found at step: 7 Objective value: 309.3333 Variable Value Reduced Cost X1 733.3333 0.0000000 X2 200.0000 0.0000000 X3 100.0000 0.0000000 Row Slack or Surplus Dual Price 1 309.3333 1.000000 2 433.3333 0.0000000 3 0.0000000 -0.1333333 13
4 5 6 Mediante Solver: Celdas cambiantes Nombre X1>=0 X2>=0 X3>=0 Restricciones Nombre X1>=300 X2>=200 X3>=100 X1*0.2 + X2*0.5 X3*1.5 <=480 X1*0.3 + X2*0.7 X3*1.2 <=480 Funcin objetivo
0.0000000 83.33333 0.0000000
-0.1600000 0.0000000 0.7333333
Valor Inicial 0 0 0
Valor final 733 200 100
Valor final lado Valor final lado Valor inicial lado Valor inicial lado derecho izquierdo derecho izquierdo 733 300 0 300 200 200 0 200 100 100 0 100 + 397 480 480 + 480 480 0 480
Z=0.22 * X1 + 0.38 * X2 + 0.72 * X3 Z= 309
EJERCICIO 2.11: Cada galn de leche, libra de queso y libra de manzanas proporciona un nmero conocido de miligramos de protenas y vitaminas A, B y C. La siguiente tabla incluye esos datos junto con los requerimientos diarios de los ingredientes nutricionales, segn lo recomendado por el Departamento de Agricultura de los EE.UU. La tabla tambin incluye la cantidad mnima de cada alimento que debe incluirse en la comida y su costo. LECHE (mg/gal) 40 5 20 30 0.5gal 2.15 QUESO (mg/lb) 30 50 30 50 0.5lb 2.25 MANZANAS (mg/lb) 10 30 40 60 0.5lb 1.25 REQUERIMIENTOS MN. DIARIOS (mg) 80 60 50 30
Protenas Vitamina A Vitamina B Vitamina C Cantidad mnima Costo unitario ($)
Como dietista de una escuela pblica, formule un modelo para determinar la comida de costo mnimo que rena todos los requerimientos nutricionales. Use el esquema de la seccin 2.3 para clasificar su modelo. Variables de decisin: X1= cantidad de leche a consumir. X2= cantidad de queso a consumir 14
X3= cantidad de manzanas a consumir Funcin objetivo: Costo mnimo de comida que rena todos los requerimientos nutricionales. MIN = 2.15 * X1 + 2.25 * X2 + 1.25 * X3 Restricciones de no negatividad: 3 Xi >= 0 siendo i = 1 Restricciones de consumo mnimo: 40 * X1 + 30 * X2 + 10 * X3 >= 80 requerimiento mnimo diario de protenas 5 * X1 + 50 * X2 + 30 * X3 >= 60 requerimiento mnimo diario de vtamina A 20 * X1 + 30 * X2 + 40 * X3 >= 50 requerimiento mnimo diario de vitamina B 30 * X1 + 50 * X2 + 60 * X3 >= 30 requerimiento mnimo diario de vitamina C X1 > = 0.5 cantidad mnima de leche, a consumir diariamente X2 > = 0.5 cantidad mnima de queso, a consumir diariamente X3 > = 0.5 cantidad mnima de manzanas, a consumir diariamente Mediante Lingo: MIN = 2.15 * X1 + 2.25 * X2 + 1.25 * X3; 40 * X1 + 30 * X2 + 10 * X3 >= 80; 5 * X1 + 50 * X2 + 30 * X3 >= 60; 20 * X1 + 30 * X2 + 40 * X3 >= 50; 30 * X1 + 50 * X2 + 60 * X3 >= 30; X1 > = 0.5; X2 > = 0.5; X3 > = 0.5; Global optimal solution found at step: 7 Objective value: 5.147297 Variable Value Reduced Cost X1 1.297297 0.0000000 X2 0.7702703 0.0000000 X3 0.5000000 0.0000000 Row Slack or Surplus Dual Price 1 5.147297 1.000000 2 0.0000000 -0.5202703E-01 3 0.0000000 -0.1378378E-01 4 19.05405 0.0000000 5 77.43243 0.0000000 6 0.7972973 0.0000000 7 0.2702703 0.0000000 8 0.0000000 -0.3162162 Mediante Solver: Celdas cambiantes Nombre X1>=0 X2>=0 X3>=0
Valor Inicial 0,00 0,00 0,00
Valor final 1,05 1,09 0,50 15
Restricciones Nombre 40 * X1 + 30 * X2 + 10 * X3 >= 80 5 * X1 + 50 * X2 + 30 * X3 >= 60 20 * X1 + 30 * X2 + 40 * X3 >= 50 30 * X1 + 50 * X2 + 60 * X3 >= 30 X1 > = 0.5 X2 > = 0.5 X3 > = 0.5 Funcin objetivo
Valor final lado derecho 80,00 60,00 73,92 116,35 1,05 1,09 0,50
Valor final Valor inicial Valor inicial lado izquierdo lado derecho lado izquierdo 80,00 0,00 80,00 60,00 50,00 30,00 0,50 0,50 0,50 0,00 0,00 0,00 0,00 0,00 0,00 60,00 50,00 30,00 0,50 0,50 0,50
Z=2.15 * X1 + 2.25 * X2 + 1.25 * X3 Z= 5,35
EJERCICIO 2.13: Rich Oil Company, cerca de Cleveland, suministra gasolina a sus distribuidores en camiones. La compaa recientemente recibi un contrato para iniciar el suministro de $800 000 galones de gasolina por mes a distribuidores de Cincinnati. La compaa tiene $500 000 disponibles para crear una flota consistente en tres tipos diferentes de camiones. En la siguiente tabla se muestra la capacidad relevante, costo de compra, costo operativo y nmero mximo de viajes por cada tipo de camin:
TIPO DE CAMIN 1 2 3
CAPACIDAD (galones) 6000 3000 2000
COSTO DE COMPRA ($) 50 000 40 000 25 000
COSTO DE OPERACIN ($/mes) 800 650 500
MXIMO DE VIAJES/MES 20 25 30
Sobre la base del mantenimiento y la disponibilidad de conductores, la compaa no desea comprar mas de 10 vehculos para su flota. Asimismo, la compaa deseara asegurarse que se compren al menos tres de los camiones del tipo 3 (se requieren para su uso en las rutas de trayecto corto/baja demanda). Finalmente, la compaa no desea que ms de la mitad de la flota sea de camiones del tipo 1. 16
Como gerente de operaciones, formule un modelo para determinar la composicin de la flota que minimice los costos operativos mensuales al tiempo que satisfagan las demandas, no salindose del presupuesto y satisfaciendo los requerimientos de las otras compaas. Use el esquema de la seccin 2.3 para clasificar su modelo. Variables de decisin: XI :N de camiones tipo I Restricciones de costo: Restricciones de demanda: X1+X2+X3 <= 10 X3 >=3 X1 - X2 - X3 <= 0
Inversin Inicial X1.50000+X2.40000+X3.25000 <= 500000 Restricciones de contrato X1.20.6000+X2.25.3000+ X3. 30.2000 >= 800000 Funcin objetivo: Min [800 X1 + 650 X2+ 500 X3] Mediante Lindo: MIN 800 X1 + 650 X2 + 500 X3 ST 500000 X1 + 40000 X2 + 25000 X3 <= 500000 120000 X1 + 75000 X2 + 60000 X3 <= 800000 X1 + X2 + X3 <= 10 X3 >= 3 X1 X2 X3 <= 0 END Resolucin: LP OPTIMUM FOUND AT STEP 1 OBJECTIVE FUNCTION VALUE 1) 1500.000 VARIABLE VALUE REDUCED COST X1 0.000000 800.000000 X2 0.000000 650.000000 X3 3.000000 0.000000 ROW SLACK OR SURPLUS DUAL PRICES 2) 425000.000000 0.000000 3) 620000.000000 0.000000 4) 7.000000 0.000000 5) 0.000000 -500.000000 6) 3.000000 0.000000 NO.ITERATIONS=1 EJERCICIO 2.14: World Airlines reabastece sus aeronaves regularmente en los cuatro aeropuertos en donde da servicio. La turbosina puede comprarse a tres vendedores posibles en cada aeropuerto. La tabla 17
indica (1) el costo de entrega (compra mas embarque) por mil galones de cada vendedor a cada aeropuerto, (2) el nmero disponible de miles de galones que cada vendedor puede suministrar cada mes y (3) el requerimiento mensual de turbosina (en miles de galones) en cada aeropuerto.
COSTO DE ENTREGA
CANTIDAD DE COMBUSTIBLE REQUERIDO 150 250 350 480
AEROPUERTO 1 2 3 4 Provisin mxima
Vendedor 1 Vendedor 2 Vendedor 3 900 800 900 900 1200 1300 800 1300 500 1000 1400 1000 300 600 700
Formule un modelo para determinar las cantidades que se deben comprar y enviar por parte de cada vendedor a cada aeropuerto para minimizar el costo total, satisfaciendo al mismo tiempo por lo menos la demanda mensual a cada aeropuerto y no excediendo el suministro de cualquier vendedor. Use el esquema de la seccin 2.3 para clasificar su modelo. Variables de decisin XIj : cantidad de gasolina del vendedor j al aeropuerto i
Restricciones
X1 + X5 + X9 >= 150 X2 + X6 + X10 >= 250 X3 + X7 + X11 >= 350 X4 + X9 + X12 >= 480 X1 + X2 + X3 + X4 <= 300 X5 + X6 + X7 + X8 <= 600 X9 + X10 + X11 + X12 <= 700
Funcin Objetivo : Z= Min [X1. 900 + X5 . 800 + X9 . 900 + X2 . 900 + X6. 1200 + X10 . 1300 + X3 . 800 + X7 . 1300 + X11. 500 + X4 . 1000 + X9 . 1400 + X12 . 1000 ] Mediante Lindo: MIN 900 X1 + 900 X2 + 800 X3 +1000 X4 + 800 X5 + 1200 X6 + 1300 X7 + 1400 X8 + 900 X9 + 1300 X10 + 500 X11 + 1000 X12 ST X1 + X2 + X3 + X4 <= 300 18
X5 + X6 + X7 + X8 <= 600 X9 + X10 + X11 + X12 <= 700 X1 + X5 + X9 >= 150 X2 + X6 + X10 >= 250 X3 + X7 + X11 >= 350 X4 + X9 + X12 >= 480 END Resolucin: LP OPTIMUM FOUND AT STEP 5
OBJECTIVE FUNCTION VALUE 1) 869000.0
VARIABLE VALUE REDUCED COST X1 0.000000 1200.000000 X2 170.000000 0.000000 X3 0.000000 200.000000 X4 130.000000 0.000000 X5 0.000000 800.000000 X6 80.000000 0.000000 X7 0.000000 400.000000 X8 0.000000 1400.000000 X9 350.000000 0.000000 X10 0.000000 500.000000 X11 350.000000 0.000000 X12 0.000000 100.000000 ROW SLACK OR SURPLUS DUAL PRICES 2) 0.000000 300.000000 3) 520.000000 0.000000 4) 0.000000 400.000000 5) 200.000000 0.000000 6) 0.000000 -1200.000000 7) 0.000000 -900.000000 8) 0.000000 -1300.000000 NO.ITERATIONS=5 EJERCICIO 2.15: Mason Communication Commision ha recibido solicitudes de asignacin de frecuencias de cuatro nuevas estaciones de radio. Dos frecuencias de radio interfieren si estn a 0.5 megahertz de distancia. Las siguientes frecuencias (en meagahertz) estn actualmente disponibles: 100.0, 100.1, 100.3, 100.7, 101.0, 101.1, 101.4, 101.8. Formule un modelo para determinar si la comisin puede 19
asignar cuatro nuevas frecuencias y, si es asi, cules. Use el esquema de la seccin 2.3 para clasificar su modelo. (Sugerencia: es usted libre para asignar o no cada frecuencia, as que considere las variables 0-1.) Variables de decisin: 100.0 X1 100.1 X2 100.3 X3 100.7 X4 101.0 X5 101.1 X6 101.4 X7 101.8 X8
Restricciones:
Xj = 0;1 son enteras X1 + X2 + X3 <= 1 X3 + X4 <= 1 X4 + X5 + X6 <= 1 X5 + X6 <= 1 X5 + X6 +X7 <= 1 X6 + X7 <= 1 X7 + X8 <= 1
Funcin objetivo: Z= MAX X1 + X2 + X3 + X4 + X5 + X6 + X7 + X8 Mediante Lindo: MIN X1 + X2 + X3 + X4 + X5 + X6 + X7 + X8 ST X1 + X2 + X3 <= 1 X3 + X4 <= 1 X4 + X5 + X6 <= 1 X5 + X6 <= 1 X5 + X6 + X7 <= 1 X6 + X7 <= 1 X7 + X8 <= 1 END Resolucin: LP OPTIMUM FOUND AT STEP 0
OBJECTIVE FUNCTION VALUE 1) 0.0000000E+00
VARIABLE VALUE REDUCED COST X1 0.000000 1.000000 X2 0.000000 1.000000 20
X3 X4 X5 X6 X7 X8 ROW 2) 3) 4) 5) 6) 7) 8)
0.000000 0.000000 0.000000 0.000000 0.000000 0.000000
1.000000 1.000000 1.000000 1.000000 1.000000 1.000000
SLACK OR SURPLUS DUAL PRICES 1.000000 0.000000 1.000000 0.000000 1.000000 0.000000 1.000000 0.000000 1.000000 0.000000 1.000000 0.000000 1.000000 0.000000 0
NO. ITERATIONS=
EJERCICIO 2.16: La cuidad de Dakota Heigts desea determinar cuntas subestaciones postales se requieren para dar servicio a su poblacin. La ciudad ha sido dividida en ocho zonas postales. Se han identificado cinco ubicaciones posibles para las subestaciones. Cada ubicacin puede dar servicio a un nmero de zonas, como se indica en la siguiente tabla:
UBICACIN 1 2 3 4 5
ZONAS QUE SE PUEDEN ATENDER 1,2,3 1,4,5 2,4,5,8 3,5,6,8 6,7,8
Formule un modelo para determinar el menor nmero de subestaciones ( y sus ubicaciones) necesarias para dar servicio a las ocho zonas postales. Use el esquema de la seccin 2.3 para clasificar su modelo. (Sugerencia: defina una variable apropiada para cada ubicacin.) Variables de decisin: Xi : ubicacin i ocupada / no ocupada ( 0 o 1) Restricciones: X1 + X2 <= 1 X1 + X3 <= 1 X1 + X4 <= 1 X2 + X3 <= 1 21
X2 + X3 + X4 <= 1 X4 + X5 <= 1 X3 + X5 <= 1 Funcin objetivo: Z= MIN X1 + X2 + X3 + X4 + X5 + X6 + X7 + X8 + X9 + X10 + X11 + X12 + X13 + X14 + X15 + X16 + X17 Mediante Lindo: MIN X1 + X2 + X3 + X4 + X5 + X6 + X7 + X8 + X9 + X10 + X11 + X12 + X13 + X14 + X15 + X16 + X17 ST X1 + X2 <= 1 X1 + X3 <= 1 X1 + X4 <= 1 X2 + X3 <= 1 X2 + X3 + X4 <= 1 X4 + X5 <= 1 X4 + X5 <= 1 X3 + X5 <= 1 END Resolucin: LP OPTIMUM FOUND AT STEP 0 OBJECTIVE FUNCTION VALUE 1) 0.0000000E+00 VARIABLE VALUE REDUCED COST X1 0.000000 1.000000 X2 0.000000 1.000000 X3 0.000000 1.000000 X4 0.000000 1.000000 X5 0.000000 1.000000 X6 0.000000 1.000000 X7 0.000000 1.000000 X8 0.000000 1.000000 X9 0.000000 1.000000 X10 0.000000 1.000000 X11 0.000000 1.000000 X12 0.000000 1.000000 X13 0.000000 1.000000 X14 0.000000 1.000000 X15 0.000000 1.000000 X16 0.000000 1.000000 22
X17 0.000000 1.000000 ROW SLACK OR SURPLUS DUAL PRICES 2) 1.000000 0.000000 3) 1.000000 0.000000 4) 1.000000 0.000000 5) 1.000000 0.000000 6) 1.000000 0.000000 7) 1.000000 0.000000 8) 1.000000 0.000000 9) 1.000000 0.000000 NO. ITERATIONS= EJERCICIO 2.17: Tres divisiones de Twinsburg Company fabrican un producto en el que cada unidad completa consiste en 4 unidades de componente A y 3 unidades del componente B. Los dos componentes (A y B) se fabrican a partir de 2 materias primas diferentes. Existen 100 unidades de la materia prima 1 y 200 unidades de la materia prima 2 disponibles c/1 . Cada una de las tres divisiones usa un mtodo diferente para fabricar los componentes, dando como resultado distintos requerimientos de materia prima por corrida de produccin en cada divisin y el numero de cada componente producido por esa corrida. 0
DIVISION 1 2 3
ENTRADA MATERIA PRIMA 1 8 5 3
SALIDA COMPONENTE 2 6 9 8 A 7 6 8 B 5 9 4
Por ejemplo cada corrida de produccin de la divisin 1 requiere 8 unidades de la materia prima 1 y 6 unidades de la materia prima 2. El producto de esta corrida es 7 unidades de A y 5 unidades de B. Como gerente de produccin, formule un modelo de produccin para determinar el numero de corridas de produccin para cada divisin que maximice el numero total de unidades terminadas del producto final. Variables de decisin: XU: Nmero de corridas de la divisin de 1. XD: Nmero de corridas de la divisin de 2. XT: Nmero de corridas de la divisin de 3. A: Nmero del componente A. B: Nmero del componente B. 23
C: Nmero del componente C. 8 XU + 5 XD 6 XU + 9 XD 7XU + 6 XD XT A = 0 5 XU + 9 XD XT B =0 + 3 XT <= 100 + 8 XT <= 200 + 8 XT = A 7 XU + 6 XD + 8 + 4 XT = B 5 XU + 9 XD + 4
Restricciones
Mediante Lindo: MAX 4 A + 3 B SUBJECT TO 6 XU + 9 XD + 8 XT >= 200 8 XU + 5 XD + 3 XT <= 100 7 XU + 6 XD + 8 XT - A = 0 5 XU + 9 XD + 4 XT - B = 0 END Resolucin: LP OPTIMUM FOUND AT STEP 2 OBJECTIVE FUNCTION VALUE 1) 1466.667 VARIABLE VALUE REDUCED COST A 266.666656 0.000000 B 133.333328 0.000000 XU 0.000000 74.333336 XD 0.000000 22.333334 XT 33.333332 0.000000 ROW SLACK OR SURPLUS DUAL PRICES 2) 66.666664 0.000000 3) 0.000000 14.666667 4) 0.000000 -4.000000 5) 0.000000 -3.000000 NO. ITERATIONS= 2
EJERCICIO 2.18: Los dos productos que produce case chemicals, CS-01 y CS-02, generan cantidades excesivas de tres contaminantes diferentes A, B, C. El gobierno estatal le ha ordenado a la compaa que instale y emplee dispositivos anticontaminantes. La siguiente tabla proporciona las emisiones diarias actuales en kg/1000 litros y el mximo de cada contaminante permitido en kg. CONTAMINANTE A CS-01 25 CS-02 40 MAXIMO PERMITIDO 43 24
B C
10 80
15 60
20 50
El gerente del departamento de produccin aprob la instalacin de dos dispositivos anticontaminantes. Las emisiones de cada producto pueden ser manejadas por cualquiera de los dos dispositivos en cualquier proporcin. (las emisiones se envan a travs de un dispositivo solamente una vez, es decir, la salida de un dispositivo no puede ser la entrada del otro o de si mismo). La siguiente tabla muestra el porcentaje de cada contaminante proveniente de cada producto que es eliminado por cada dispositivo.
DISPOSOTIVO DISPOSOTIVO DISPOSOTIVO DISPOSOTIVO 1 1 2 2 CONTAMINA CS-01 CS-02 CS-01 CS-02 NTE A 40 40 30 20 B 60 60 0 0 C 55 55 65 80
Por ejemplo, si la emisin de CS-01 se enva a travs del dispositivo 1, se elimina 40% del contaminante A, 60% del contaminante B y 55% del contaminante C. Las consideraciones de fabricacin dictan que CS-01 y CS-02 deben producirse en la proporcin de dos a uno. Formule un modelo para determinar un plan que maximice la produccin diaria total (cantidad de CS-01 + CS02) al mismo tiempo que satisfaga los requerimientos gubernamentales. Variables de decisin: CSUU: cantidad de producto CS-01 enviados CSUD: cantidad de producto CS-01 enviados CSDU: cantidad de producto CS-02 enviados CSDD: cantidad de producto CS-02 enviados Mediante Lindo: MAX CSUU + CSUD + CSDU + CSDD SUBJECT TO 15 CSUU + 17.5 CSUD <= 43 24 CSDU + 32 CSDD <= 43 4 CSUU + 10 CSUD <= 20 6 CSDU + 15 CSDD <= 20 34.4 CSUU + 28 CSUD <= 50 27 CSDU + 12 CSDD <= 50 END Resolucin: 25 por el dispositivo 1. por el dispositivo 2. por el dispositivo 1. por el dispositivo 2.
LP OPTIMUM FOUND AT STEP 3 OBJECTIVE FUNCTION VALUE 1) 3.577381 VARIABLE VALUE REDUCED COST CSUU 0.000000 0.228571 CSUD 1.785714 0.000000 CSDU 1.791667 0.000000 CSDD 0.000000 0.333333 ROW SLACK OR SURPLUS DUAL PRICES 2) 11.750000 0.000000 3) 0.000000 0.041667 4) 2.142857 0.000000 5) 9.250000 0.000000 6) 0.000000 0.035714 7) 1.625000 0.000000 NO. ITERATIONS= 3 EJERCICIO 2.19: Philadelphia Paint Company produce 3 tipos de pinturas: Standard, Quality y Premium. Las instalaciones actuales pueden producir un mximo de 18000 gal de Standard, 10000 gal de Quality y 500 gal de Premium al da. Debido a la economa de escala, el costo de producir cada tipo de pintura disminuye al aumentar el nmero de gal producidos. Por ejemplo si se producen X gal de pintura Standard, entonces el costo por gal es a-b*x. La siguiente tabla proporciona los valores de a y b; el precio de venta por gal, y la demanda diaria mnima por cada tipo de pintura. VALORES DE DE a 3 4 5 VALORES DE b 0.0001 0.0002 0.0003
TIPO PINTURA Standard Quality Premiun
Precio de venta Demanda ($/gal) minima (gal) 6.50 10000 8.50 6000 11.00 2500
La compaa puede producir un total combinado de hasta 25000 gal de pintura al da. Como supervisor de produccin, formule un modelo para determinar la cantidad de pintura a producir para maximizar la ganancia (ingreso menos costo). Variables de decisin: S: cantidad de galones de pintura Standad Q: cantidad de galones de pintura Quality P: cantidad de galones de pintura Premiun Mediante Lindo: MAX 3.5 S + S 0.0001 S + 4.5 Q + Q 0.0002 Q + 6 P + P 0.0003 P ST S + Q + P <= 25000 S >= 10000 26
Q >= 6000 P >= 2500 S <= 18000 Q <= 10000 P <= 5000 END Resolucin: LP OPTIMUM FOUND AT STEP
OBJECTIVE FUNCTION VALUE 1) 2665754. VARIABLE VALUE REDUCED COST S 16500.000000 0.000000 Q 6000.000000 0.000000 P 2500.000000 0.000000 ROW SLACK OR SURPLUS DUAL PRICES 2) 0.000000 158.500107 3) 6500.000000 0.000000 4) 0.000000 -152.999908 5) 0.000000 -151.499802 6) 1500.000000 0.000000 7) 4000.000000 0.000000 8) 2500.000000 0.000000 NO. ITERATIONS= 2 EJERCICIO 2.20: Formule el problema de agenda de High Tech en el ejercicio 2.4 seccin 2.2.3 usando como variable de decisin 1 s High Tech no debe invertir y 0 si High Tech debe invertir.
Proyectos Bio-Tech Tele-comm Laser-Optics Compu-Ware Fondo de inversin
Ao 1 60 35 10 15 90
Ao 2 10 35 50 10 80
Ao 3 10 35 50 10 50
Ao 4 10 35 10 40 50
Rendimiento Total 250 375 275 140
Variables de decisin: B = 1 si High Tech debe invertir en Bio-Tech B = 0 si High Tech no debe invertir en Bio-Tech T = 1 si High Tech debe invertir en Tele-comm T = 0 si High Tech no debe invertir en Tele-comm L = 1 si High Tech debe invertir en Laser-Optics L = 0 si High Tech no debe invertir en Laser-Optics 27
C = 1 si High Tech debe invertir en Compu-Ware C = 0 si High Tech no debe invertir en Compu-Ware Mediante Lindo: MAX 250 B + 375 T + 275 L + 140 C SUBJECT TO 2) 60 B + 35 T + 10 L + 15 C <= 3) 10 B + 35 T + 50 L + 10 C <= 4) 10 B + 35 T + 50 L + 10 C <= 5) 10 B + 35 T + 10 L + 40 C <= 6) T + L <= 1 END Resolucin: INTE 4 LP OPTIMUM FOUND AT STEP 4 OBJECTIVE VALUE = 637.000000 NEW INTEGER SOLUTION OF 525.000000 AT BRANCH RE-INSTALLING BEST SOLUTION... OBJECTIVE FUNCTION VALUE 1) 525.0000 VARIABLE VALUE REDUCED COST B 1.000000 -250.000000 T 0.000000 -375.000000 L 1.000000 -275.000000 C 0.000000 -140.000000 ROW SLACK OR SURPLUS DUAL PRICES 2) 20.000000 0.000000 3) 20.000000 0.000000 4) 20.000000 0.000000 5) 30.000000 0.000000 6) 0.000000 0.000000 NO. ITERATIONS= 4 BRANCHES= 0 DETERM.= 1.000E 0
90 80 80 50
0 PIVOT
EJERCICIO 2.21: Containers Inc. ha recibido un pedido para hacer tambores de acero cilndricos con la base y la tapa circulares. El volumen total de conteiner debe ser al menos de 10 pies cbicos. El costo del acero para hacer el costado del contenedor es de 3 $/pie cuadrado. El costo de la base y la tapa es de 3.82 $/pie cuadrado. Formule un modelo para minimizar el costo de acero requerido. Variables de decisin:
28
R: radio del cilindro en [pie] H: altura del cilindro en [pie] Restricciones R 3.1415 R 1 H > 10
Funcion Objetivo: MIN R 18.84 H + R 24 R Mediante Lindo: MIN R 18.84 H + R 24 R ST R 3.1415 R 1 H > 10 END Resolucin: LP OPTIMUM FOUND AT STEP 1 OBJECTIVE FUNCTION VALUE 1) 62.77919 VARIABLE VALUE REDUCED COST R 2.414584 0.000000 H 0.000000 12.562081 ROW SLACK OR SURPLUS DUAL PRICES 2) 0.000000 -6.277919 NO. ITERATIONS= 1 EJERCICIO 2.24: Lether Company produce guantes de bisbol, balones y correas de piel de cuero que es procesado en una maquina. Para la prxima semana se tienen en existencia 1000 metros cuadrados de cuero y 40 hs de maquina. Se desea determinar un plan de produccin de la semana que maximice las ganancias netas. a- Identifique las variables. G: cantidad de guantes a producir. B: cantidad de balones a producir. C: cantidad de correas a producir. b- Identifique los datos adicionales. CG: cantidad de m2 de cuero para producir un guante. CB: cantidad de m2 de cuero para producir un baln. CC: cantidad de m2 de cuero para producir una correa. TG: cantidad de hs para producir un guante. TB: cantidad de hs para producir un baln. TC: cantidad de hs para producir una correa. PG: precio de venta de un guante. PB: precio de venta de un baln. 29
PC: precio de venta de una correa. CoG: precio de costo de produccin de un guante. CoB: precio de costo de produccin de un baln. CoC: precio de costo de produccin de una correa. c- Formule el modelo. Restricciones G CG + B CB + C CC <= 1000 G TG + B TB + C TC <= 40 Funcin Objetivo MAX (PG - COG)*G + (PB - CoB)*B + (PC - CoC)*C
EJERCICIO 2.25: Los nutrilogos de HealthNut Company estn diseando un nuevo bocadillo hecho de palomitas de maz inflado y mantequilla de cacahuete natural. El objetivo es minimizar el costo total de estos ingredientes, pero el producto final debe contener al menos 4 gramos de protena, no mas de 10 gramos de carbohidratos y 2 gramos de grasa saturada. a. Identifique las variables. b. Identifique y asigne un nombre a cada valor de datos adicional que tendr obtener para poder formular un modelo matemtico. c. Formule un modelo matemtico usando los nombres de variables de (a) y los nombres simblicos para los datos de (b).
Mediante Lindo: MIN A 1 D1 + N 1 D2 SUBJECT TO P1 1 A + P2 1 N >= 4 C1 1 A + C2 1 N <= 10 F1 1 A + F2 1 N <= 2 END Resolucin: LP OPTIMUM FOUND AT STEP 0 OBJECTIVE FUNCTION VALUE 1) 0.0000000E+00 VARIABLE VALUE REDUCED COST A 0.000000 1.000000 D1 0.000000 1.000000 N 0.000000 1.000000 30
D2 0.000000 1.000000 P1 4.000000 0.000000 P2 0.000000 0.000000 C1 0.000000 0.000000 C2 0.000000 0.000000 F1 0.000000 0.000000 F2 0.000000 0.000000 ROW SLACK OR SURPLUS DUAL PRICES 2) 0.000000 0.000000 3) 10.000000 0.000000 4) 2.000000 0.000000 NO. ITERATIONS= 0 EJERCICIO 2.26: El departamento de Investigacin ha identificado seis proyectos en los que Hight Tech puede elegir invertir o no. Cada proyecto ha sido evaluado para determinar la cantidad de capital que debe invertirse, la tasa esperada de devolucin y tambin un factor de riesgo usando un algoritmo patentado. Estos datos se resumen en la siguiente tabla:
Proyecto 1 2 3 4 5 6
Capital requerido $ 100000 400000 170000 250000 200000 250000
Tasa de devolucin (%) 10 5 20 15 7 30
Riesgo 0.50 0.40 0.70 0.65 0.45 0.80
Los socios generales han acordado que el riesgo total, obtenido aadiendo los factores de riesgo para cada proyecto respaldado, no debe exceder de 3, y que no deben emprenderse mas de dos proyectos con un factor de riesgo mayor de 0,6. Usando las variables: 1, si se emprende el proyecto i Pi = i = 1, ....., 6 0, si no se emprende el proyecto i un socio general ha formulado el siguiente modelo para determinar que proyecto respaldar para maximizar el rendimiento esperado en un ao sobre la cantidad invertida y mantenerse en un presupuesto de $1 milln: Maximizar 10 P1 + 20 P2 + 34 P3 + 37.5 P4 + 14 P5 + 75 P6 Condicionado por 100 P1 + 40 P2 + 170 P3 + 250 P4 + 200 P5 + 250 P6 <= 100 0.50 P1 + 0.40 P2 + 0.70 P3 + 0.65 P4 + 0.45 P5 + 0.80 P6 >= 3 P1, P2, P3, P4, P5, P6 >= 0 31
Es correcto este modelo? Si no es as, identifique y corrija todos los errores. Mediante Lindo: MAX 10 P1 + 20 P2 + 34 P3 + 37.5 P4 + 14 P5 + 75 P6 SUBJECT TO 100 P1 + 400 P2 + 170 P3 + 250 P4 + 200 P5 + 250 P6 <= 1000 0.5 P1 + 0.4P2 + 0.7 P3 + 0.65 P4 + 0.45 P5 + 0.8 P6 <= 3 P1 <= 1 P2 <= 1 P3 <= 1 P4 <= 1 P5 <= 1 P6 <= 1 P1 >= 0 P2 >= 0 P3 >= 0 P4 >= 0 P5 >= 0 P6 >= 0 P3 + P4 = 1 P3 + P6 = 1 P4 + P4 + P6 <= 2 END Resolucin: LP OPTIMUM FOUND AT STEP 5 OBJECTIVE FUNCTION VALUE 1) 125.8333 VARIABLE VALUE REDUCED COST P1 1.000000 0.000000 P2 0.775000 0.000000 P3 0.333333 0.000000 P4 0.666667 0.000000 P5 1.000000 0.000000 P6 0.666667 0.000000 ROW SLACK OR SURPLUS DUAL PRICES 2) 0.000000 0.050000 3) 0.540000 0.000000 4) 0.000000 5.000000 5) 0.225000 0.000000 6) 0.666667 0.000000 7) 0.333333 0.000000 8) 0.000000 4.000000 9) 0.333333 0.000000 10) 1.000000 0.000000 11) 0.775000 0.000000 32
12) 0.333333 13) 0.666667 14) 1.000000 15) 0.666667 16) 0.000000 17) 0.000000 18) 0.000000 NO. ITERATIONS= EJERCICIO 2.27:
0.000000 0.000000 0.000000 0.000000 -16.333334 41.833332 20.666666 5
Chirality Company debe producir al menos 600000 tornillos pequeos y 400000 tornillos grandes para satisfacer de la demanda de las sig. 4 semanas. Estos tornillos pueden producirse en 2 maquinas distintas, cada una de las cuales esta disponible 40 horas a la semana. Los requerimientos de costo y tiempo para producir cada tamao de tornillo en cada maquina y el precio de venta de cada tamao de tornillo se muestran en la sig. Tabla: Tornillos pequeos Tornillos grandes Precio de venta($/1000) 27.50 32.50 Costo en la maquina 1 ($/1000) 6.25 7.75 Costo en la maquina 2 ($/1000) 8.00 9.25 Tiempo en la maquina 1 (min/lb) 1.50 1.75 Tiempo en la maquina 2 (min/lb) 1.00 1.25 En cada libra hay aproximadamente 60 tornillos pequeos y 40 tornillos grandes. Usando las variables: S1 = el numero de miles de tornillos pequeos por producir en la maquina 1 durante las sig. 4 semanas. S2 = el numero de miles de tornillos pequeos por producir en la maquina 2 durante las sig. 4 semanas. L1 = el numero de miles de tornillos grandes por producir en la maquina 1 durante las sig. 4 semanas. L2 = el numero de miles de tornillos grandes por producir en la maquina 2 durante las sig. 4 semanas. El gerente de produccin ha formulado el sig. modelo para maximizar la ganancia y satisfacer la demanda con la disponibilidad limitada de tiempo de maquina en las sig. 4 semanas: Maximizar Condicionado por: 27.50 S1 + 27.50 S2 + 32.50 L1 + 32.50 L2 S1 + 1.5 S1 S1 , >= 600000 L1 + L2 >= 400000 + 1.75 L1 <= 40 1.0 S2 + 1.25 L2 <= 40 S2, L1, L2 >= 0 S2
Es correcto este modelo? Si no es as, identifique y corrija todos los errores. Mediante Lindo: 33
MAX 21.25 S1 + 19.50 S2 + 24.75 L1 + 23.25 L2 SUBJECT TO S1 + S2 >= 600 L1 + L2 >= 400 0.41667 S1 + 729 L1 >= 160 0.2777 S2 +0.5208 L2 >= 160 END Resolucin: SLK 4 S1 OBJECTIVE FUNCTION VALUE 1) 0.9999990E+08 VARIABLE VALUE REDUCED COST S1 600.000000 0.000000 S2 0.000000 414.097290 L1 92.780334 0.000000 L2 307.219666 0.000000 ROW SLACK OR SURPLUS DUAL PRICES 2) 0.000000 0.000000 3) 0.000000 0.000000 4) 67726.867188 -0.416670 5) 0.000000 -1.000000 NO. ITERATIONS= 4
34

Ej Cap 2

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Ej Cap 2

Uploaded by

Copyright:

Available Formats

Ctedra: Investigacin Operativa Ao: 2002

Universidad Tecnolgica Nacional Facultad Regional Mendoza

Ctedra: Investigacin Operativa Ao: 2002

Universidad Tecnolgica Nacional Facultad Regional Mendoza

Ctedra: Investigacin Operativa Ao: 2002

Universidad Tecnolgica Nacional Facultad Regional Mendoza

Ctedra: Investigacin Operativa Ao: 2002

Universidad Tecnolgica Nacional Facultad Regional Mendoza

Ctedra: Investigacin Operativa Ao: 2002

Universidad Tecnolgica Nacional Facultad Regional Mendoza

Ctedra: Investigacin Operativa Ao: 2002

Universidad Tecnolgica Nacional Facultad Regional Mendoza

Valor final 7000 13000 0 1000 0 11000

Ctedra: Investigacin Operativa Ao: 2002

Universidad Tecnolgica Nacional Facultad Regional Mendoza

Ctedra: Investigacin Operativa Ao: 2002

Universidad Tecnolgica Nacional Facultad Regional Mendoza

Valor final 1042 0 0 1742 250 1167

Crudo ligero Crudo pesado

GASOLINA 0.45 0.35

TURBOSINA 0.18 0.36

QUEROSENO 0.30 0.20

Ctedra: Investigacin Operativa Ao: 2002

Universidad Tecnolgica Nacional Facultad Regional Mendoza

Minimizar el costo total al tiempo que se satisfaga la demanda apropiada. MIN = 25 * X1 + 22 * X2

Ctedra: Investigacin Operativa Ao: 2002

Universidad Tecnolgica Nacional Facultad Regional Mendoza

Valor final 1400000 1800000

Valor final lado derecho 1260000 900000 780000

Z= (X1*25 + X1* 0.07*1) + (X2*22 + X2*0.09*1.50) Z= 74941000

Ctedra: Investigacin Operativa Ao: 2002

Universidad Tecnolgica Nacional Facultad Regional Mendoza

Compactos Subcompactos Costo unitario ($) Total disponible

Mediante Lingo: MAX = (X1*10000 + X2*8000)- (X1*3260 + X2*2900); 11

Ctedra: Investigacin Operativa Ao: 2002

Universidad Tecnolgica Nacional Facultad Regional Mendoza

Valor final 250 200

Valor final lado derecho 80000 8500 250 200

Z= (X1*10000 + X2*8000) (X1*3260 + X2*2900) Z= 2705000

Ctedra: Investigacin Operativa Ao: 2002

Universidad Tecnolgica Nacional Facultad Regional Mendoza

Mquina 1 Mquina 2 Ganancia neta

Ctedra: Investigacin Operativa Ao: 2002

Universidad Tecnolgica Nacional Facultad Regional Mendoza

0.0000000 83.33333 0.0000000

-0.1600000 0.0000000 0.7333333

Valor final 733 200 100

Z=0.22 * X1 + 0.38 * X2 + 0.72 * X3 Z= 309

Protenas Vitamina A Vitamina B Vitamina C Cantidad mnima Costo unitario ($)

Ctedra: Investigacin Operativa Ao: 2002

Universidad Tecnolgica Nacional Facultad Regional Mendoza

Valor Inicial 0,00 0,00 0,00

Valor final 1,05 1,09 0,50 15

Ctedra: Investigacin Operativa Ao: 2002

Universidad Tecnolgica Nacional Facultad Regional Mendoza

Z=2.15 * X1 + 2.25 * X2 + 1.25 * X3 Z= 5,35

CAPACIDAD (galones) 6000 3000 2000

COSTO DE COMPRA ($) 50 000 40 000 25 000

COSTO DE OPERACIN ($/mes) 800 650 500

Ctedra: Investigacin Operativa Ao: 2002

Universidad Tecnolgica Nacional Facultad Regional Mendoza

Ctedra: Investigacin Operativa Ao: 2002

Universidad Tecnolgica Nacional Facultad Regional Mendoza

Z= (X125 + X1 0.071) + (X222 + X20.091.50) Z= 74941000

Mediante Lingo: MAX = (X110000 + X28000)- (X13260 + X22900); 11

Z= (X110000 + X28000) (X13260 + X22900) Z= 2705000