Professional Documents
Culture Documents
Optimización lineal
Como cada libra de Airtex produce una ganancia de $7, A libras de Airtex produce $7A. De manera similar,
Extender y Resistex contribuyen con $ 7E y $ 6R, respectivamente, a la ganancia total. En términos de las
variables de decisión y de los datos de ganancia, la función objetivo es
Maximizar 7A + 7E + 6R
1.1.3 Identificación de las restricciones
Aplicar la técnica de agrupamiento lo debe conducir a identificar los siguientes tres grupos de restricciones:
1. Restricciones de recursos para asegurar que no se usen más de los tres polímeros y la base que están
disponibles.
2. Restricciones de demanda para asegurar que se cumplan los compromisos de la compañía.
3. Restricciones lógicas para especificar que todas las cantidades de producción son no negativas.
RESTRICCIONES DE RECURSOS
Este grupo consiste el cuatro restricciones: una para cada uno de los tres polímeros y una para la base. Para la
disponibilidad limitada de 500 libras del polímero A:
Cantidad empleada del polímero A 500 libras
El uso de la descomposición lleva a:
Cantidad empleada del polímero A = (cantidad empleada para producir A libras de Airtex ) +
(cantidad empleada para producir E libras de Extender)+
(cantidad empleada para producir R libras de Resistex)
Para determinar la cantidad del polímero A usada en la fabricación de cada producto trabaje con un ejemplo
específico. Por ejemplo, fije A = 100, E = 300 y R = 200. De acuerdo con los datos de la tabla 1.1:
Cantidad del polímero A empleada en Airtex = 4(100) = 400
Cantidad del polímero A empleada en Extender = 3(300) = 900
Cantidad del polímero A empleada en Resistex = 6(200) = 1200
Entonces, en términos de las variables de decisión, podría pensar que la restricción apropiada para el polímero A
es:
4A + 3E + 6R 500
Sin embargo, esta restricción no es correcta. La razón es que las unidades en la expresión de la izquierda están
en onzas (véase la tabla 3.1), pero las unidades a la derecha están en libras. Esta discrepancia puede corregirse
convirtiendo las unidades de cualquier lado a las del otro lado. Por ejemplo, al convertir las 500 libras
disponibles del polímero A a 800 onzas (1 libra es igual a 16 onzas) se obtiene la siguiente restricción:
4A + 3E + 6R 8 000 (polímero A)
Siguiendo una lógica similar para los tres resultados de recursos restantes en estas restricciones:
2A + 2E + 3R 6 800 (polímero B
4A + 2E + 5R 10 400 (polímero C)
6A + 9E + 2R 17 600 (base)
RESTRICCIONES DE DEMANDA
Este grupo consiste en tres restricciones: una para el requerimiento mínimo sobre la cantidad de cada uno de los
tres productos. Estas restricciones son:
A 1 000 (Airtex)
E 500 (Extender)
R 400 (Resistex)
RESTRICCIONES LÓGICAS
Como todas las cantidades de producción deben ser no negativas, se necesitan las siguientes restricciones
lógicas:
A, E, R 0
1.1.4 Formulación completa y solución del problema de mezcla de productos de ABC.
Teoria de decisiones 3
Como gerente del departamento de producción, usted junta todas las piezas, lo que resulta en el siguiente modelo
matemático del problema de programación lineal de ABC:
Maximizar 7A + 7E + 6R
Dependiendo de
RESTRICCIONES DE RECURSOS
4A + 3E + 6R 8 000 (polímero A)
2A + 2E + 3R 6 800 (polímero B
4A + 2E + 5R 10 400 (polímero C)
6A + 9E + 2R 17 600 (base)
RESTRICCIONES DE DEMANDA
A 1 000 (Airtex)
E 500 (Extender)
R 400 (Resistex)
RESTRICCIONES LÓGICAS
A, E, R 0
La solución óptima a este problema, calculada usando cualquier paquete de software de programación lineal es
A = 1 000.00
E = 533.33
R = 400.00
Con un valor de función objetivo de 13 133.33. En otras palabras, el plan semanal optimo es producir 1000 libras
de Airtex, 533.33 libras de Extender y 400 libras de Resistex, dando como resultado una ganancia neta de
$13133.33. Tal vez desee verificar esta solución con su propio software de programación lineal.
Como se estableció en la descripción del problema, el objetivo global es minimizar el contenido de grasas totales
de la dieta. Aplicando los resultados de descomposición en lo siguiente:
Contenido de grasas totales = (grasa aportada por el espagueti) +
(grasa aportada por el pavo) +
(grasa aportada por las papas) +
(grasa aportada por las espinacas) +
(grasa aportada por el pastel de manzana)
Si usa los datos de la última columna de la tabla 1.3 y trabaja con u ejemplo específico debe llegar a identificar el
siguiente objetivo global:
Minimizar 5000SPAG + 5000PAVO + 7900PAPA + 300SPIN + 14300MANZ
1.3.3 Identificación de las restricciones
La aplicación de la técnica de agrupamiento lo conduce a los siguientes tres grupos de restricciones:
Restricciones de nutrientes para asegurar que la comida proporciona la cantidad mínima de cada nutriente.
1. Restricciones de límite para asegurar que no se incluya demasiada cantidad de un tipo de comida (por
ejemplo, solicitar a un paciente que coma 1000 gramos de espinacas)
2. Restricciones lógicas para asegurar que todas las variables sean no negativas.
REQUERIMIENTOS DE NUTRIENTES
Este grupo consiste en cinco restricciones, una para asegurar la cantidad mínima de cada uno de los cinco
nutrientes. Considere el requerimiento de proteínas:
Cantidad total de proteínas en la comida 63 000 mg
Aplicando la descomposición:
Cantidad total de proteínas en la comida = (cantidad de proteínas del espagueti) +
(cantidad de proteínas del pavo) +
(cantidad de proteínas de las papas) +
(cantidad de proteínas de las espinacas) +
(cantidad de proteínas del pastel de manzana)
Refiérase a la primera columna de la tabla 1.3. Cada 100 gramos de espagueti contienen 5000 mg de proteínas.
Por lo tanto, SPAG cien gramos de esta comida proporciona 5000 SPAG mg de proteínas a la comida. De manera
similar, usando los datos restantes de la primera columna de la tabla 1.3 da como resultado la siguiente
restricción para proteínas:
5000SPAG + 29300PAVO + 5300PAPA + 3000SPIN + 4000MANZ 63 000 (proteínas)
Aunque las unidades de las variables se expresan en cientos de gramos, las unidades de ambos lados de la
restricción anterior están en miligramos.
Usando las siguientes cuatro columnas de datos de la tabla 1.3 obtenemos las siguientes restricciones similares
para cada uno de los siguientes cuatro nutrientes:
1.1 SPAG + 1.8 PAVO + 0.5 PAPA + 2.2 SPIN + 1.2 MANZ 10 (hierro)
1.4 SPAG + 5.4 PAVO + 0.9 PAPA + 0.5 SPIN + 0.6 MANZ 15 (niacina)
0.18 SPAG + 0.06 PAVO + 0.06 PAPA + 0.07 SPIN + 0.15 MANZ 1 (tiamina)
10 PAPA + 28 SPIN + 3 MANZ 50 (vitamina C)
RESTRICCIONES DE LÍMITE
Estas restricciones limitan la cantidad máxima de cada tipo de alimento en la comida. Teniendo en mente que las
unidades de las variables están en cientos de gramos, surgen las siguientes restricciones de límite:
SPAG 3
PAVO 3
PAPA 2
SPIN 1
MANZ1
Teoria de decisiones 8
RESTRICCIONES LÓGICAS
La única restricción lógica en este problema es que todas las variables son no negativas.
1.3.4 Formulación completa y solución del problema de dietas del Hospital General XYZ
Toda esta información da como resultado el siguiente modelo de programación lineal para el problema del
Hospital General XYZ:
Minimizar
5000SPAG + 5000PAVO + 7900PAPA + 300SPIN + 14300MANZ
Dependiendo de
REQUERIMIENTO DE NUTRIENTES
5000 SPAG + 29300PAVO + 5300PAPA + 3000SPIN + 4000MANZ 63 000 (proteínas)
1.1 SPAG + 1.8 PAVO + 0.5 PAPA + 2.2 SPIN + 1.2 MANZ 10 (hierro)
1.4 SPAG + 5.4 PAVO + 0.9 PAPA + 0.5 SPIN + 0.6 MANZ 15 (niacina)
0.18 SPAG + 0.06 PAVO + 0.06 PAPA + 0.07 SPIN + 0.15 MANZ 1 (tiamina)
10 PAPA + 28 SPIN + 3 MANZ 50 (vitamina C)
RESTRICCIONES DE LÍMITE
SPAG 3
PAVO 3
PAPA 2
SPIN 1
MANZ 1
RESTRICCIONES LÓGICAS
SPAG, PAVO, PAPA, SPIN, MANZ 0
Con un contenido de grasa de 54 800 miligramos. En otras palabras, la comida debería consistir en 300 gramos
de espagueti, 283.3 gramos de pavo, 200 gramos de papas, 100 gramos de espinacas y 66.7 gramos de pastel de
manzana. Tal vez desee verificar esta solución con su propio software de programación lineal.
Dividiendo esto entre la inversión total de $ 1 000 000 obtenemos la tasa de rendimiento y por tanto la siguiente
función objetivo:
Maximizar 0.30 F1 + 0.2 F2 + 0.15 F3 + 0.12 F4 + 0.10 F5 + 0.07 F6
1.4.3 Identificación de las restricciones
Aplicando la técnica de agrupamiento debe llegar a identificar los siguientes tres grupos de restricciones:
1. Limitaciones de inversión para controlar la cantidad invertida en cada una de las tres categorías de
riesgo.
2. Restricciones de diversificación para extender la inversión dentro de cada categoría de riesgo.
3. Restricciones lógicas.
RESTRICCIONES DE LIMITACIÓN DE INVERSIÓN
Este grupo consiste en tres subgrupos de restricciones, uno para cada categoría de riesgo, a saber:
1. La cantidad total invertida en fondos de alto riesgo debe estar entre 50 y 75% de la cartera. Como F 1, F2
y F3 representan la fracción de la cartera por invertir en fondos de alto riesgo, la fracción de la cartera
total invertida en fondos de alto riesgo es F1 + F2 + F3. Estas restricciones son:
F1 + F2 + F3 0.50 (mínimo en alto riesgo)
F1 + F2 + F3 0.75 (máximo en alto riesgo)
2. La cantidad total invertida en fondos de mediano riesgo debe estar entre 20 y 30% de la cartera. Como
F4 y F5 representan la fracción de cartera por invertir en fondos de mediano riesgo, la fracción de la
cartera total invertida en fondos de mediano riesgo es F4 + F5. Estas restricciones son:
F4 + F5 0.20 (mínimo en mediano riesgo)
F4 + F5 0.30 (máximo en mediano riesgo)
3. La cantidad total invertida en fondos de bajo riesgo debe ser al menos 5% de la cartera. Como F 6 es la
fracción de la cartera invertida en fondos de bajo riesgo, esta restricción es:
F6 0.05 (mínimo en bajo riesgo)
RESTRICCIONES DE DIVERSIFICACIÓN
Este grupo de restricciones se utiliza para controlar el riesgo asegurando que la cantidad invertida en los fondos
pertenecientes a una categoría de riesgo dada esté dentro de la tasa especificada, de la manera siguiente:
1. La cantidad invertida en los fondos de alto riesgo 1, 2 y 3 debe ser en la tasa 1:2:3. Esta restricción
especifica que la cantidad invertida en el fondo 2 sea el doble de la cantidad invertida en el fondo 1:
F2 = 2F1
Si cambiamos el orden para que todas las variables estén a la derecha, se obtiene:
-2F1 + F2 = 0 (proporción de F1 a F2)
De manera similar, la cantidad invertida en el fondo 3 debe ser tres veces la invertida en el fondo 1:
F3 = 3F1
-3F1 + F3 = 0 (proporción de F1 a F3)
2. La cantidad invertida en los fondos 4 y 5 de mediano riesgo debe estar en la proporción de 1:2, esto es,
la cantidad invertida en el fondo 5 debe ser el doble de la del fondo 4:
F5 = 2F4
Si cambiamos el orden para que todas las variables estén a la derecha, se obtiene:
-2F4 + F5 = 0 (proporción de F4 a F5)
RESTRICCIONES LÓGICAS
Claro Está que un conjunto de restricciones lógicas es que cada variable sea no negativa. Asimismo, como es
posible comprar acciones fraccionales de un fondo mutuo, a estas variables se les permite tener cualquier valor
fraccional, lo que resulta en un problema de programación lineal, más aún, se requiere otra restricción lógica
Teoria de decisiones 11
para asegurar que se invierta la cartera total de precisamente $ 1 000 000. Como las variables de decisión
representan la fracción de esta cartera por invertir en los diversos fondos, esta restricción es:
La fracción total de $ 1000 000 invertida debe ser igual a 1
ó
F1 + F2 + F3 + F4 + F5 + F6 = 1.0 (agenda total)
1.4.4 Formulación completa y solución del Problema de inversión de AFP JR.
A continuación se muestra el modelo de programación lineal completo para los socios generales de AFP JR:
Maximizar
0.30 F1 + 0.2 F2 + 0.15 F3 + 0.12 F4 + 0.10 F5 + 0.07 F6
Dependiendo de
RESTRICCIONES DE LIMITACIÓN DE INVERSIÓN
F1 + F2 + F3 0.50 (mínimo en alto riesgo)
F1 + F2 + F3 0.75 (máximo en alto riesgo)
F4 + F5 0.20 (mínimo en mediano riesgo)
F4 + F5 0.30 (máximo en mediano riesgo)
F6 0.05 (mínimo en bajo riesgo)
RESTRICCIONES DE DIVERSIFICACIÓN
-2F1 + F2 =0 (proporción de F1 a F2)
-3F1 + F3 =0 (proporción de F1 a F3)
-2F4 + F5 = 0 (proporción de F4 a F5)
RESTRICCIONES LÓGICAS
F1 + F2 + F3 + F4 + F5 + F6 = 1.0 (cartera total)
F1 , F2 , F3 , F4 , F5 , F6 0
La solución óptima para este problema que cualquier paquete de software de programación lineal produce es:
F1 = 0.1250
F2 = 0.2500
F3 = 0.3750
F4 = 0.0667
F5 = 0.1333
F6 = 0.0500
Con una tasa de rendimiento de 0.168583. En otras palabras, la cantidad de dinero invertido en cada uno de los
seis fondos es:
Cantidad en el fondo 1 = 0.1250 * 1 000 000 = $ 125 000
Cantidad en el fondo 2 = 0.2500 * 1 000 000 = $ 250 000
Cantidad en el fondo 3 = 0.3750 * 1 000 000 = $ 375 000
Cantidad en el fondo 4 = 0.0667 * 1 000 000 = $ 66 700
Cantidad en el fondo 5 = 0.1333 * 1 000 000 = $ 133 300
Cantidad en el fondo 6 = 0.0500 * 1 000 000 = $ 50 000
Inversión total = $ 1 000 000
con una tasa de rendimiento esperado de 16.86% (ó $168 600). Tal vez desee verificar esta solución con su
propio software de programación lineal.
Recuerde que las variables de decisión se definen como la fracción de la cartera a invertir, en vez de la cantidad
de dólares. Este enfoque tiene una ventaja clara, si la cantidad de dólares de la cartera cambia, un evento
probable, el modelo actual permanece inalterado. Simplemente necesita multiplicar las fracciones obtenidas en la
solución anterior por el nuevo tamaño de la cartera para determinar las nuevas cantidades a invertir en cada uno
de los seis fondos.
Teoria de decisiones 12
1.- Una empresa de producción de muebles dispone de dos diferentes tipos de madera; tiene 1500 pies tabla del
tipo A y 1000 del tipo B (la madera B es importada), también dispone de 800 horas-hombre para
efectuar el trabajo. La demanda semanal que ha estimado es la siguiente: cuando menos 40 mesas,
130 sillas, 30 escritorios y no más de 10 libreros. Las cantidades de madera Ay B, las horas-hombre
que requiere la elaboración de cada unidad de artículo y las utilidades unitarias, están indicadas en el
siguiente cuadro:
Madera Horas Demanda Utilidades
Artículo A B Hombre Estimada por unidad
Mesa 5 2 3 no menos de 40 $ 12
Silla 1 3 2 no menos de 130 5
Escritorio 9 4 5 no menos de 30 15
Librero 12 1 10 no más de 10 10
Disponibilidad semanal 1500 1000 800
a) Formule un Modelo Matemático de Programación Lineal para saber qué cantidad debe fabricar
semanalmente la empresa de cada artículo, de manera que las utilidades sean las máximas?
b) La empresa sufre una huelga laboral y ahora sólo cuenta con 700 horas hombre. Reformule el Modelo y
obtenga su solución. Suponga que la empresa no acepta una solución donde haya que producir
fracciones de un artículo. Formule el Modelo de Programación Lineal Entera que considere esta
restricción.
c) Suponga ahora que el gobierno exige a la empresa minimizar el costo de importación. Formule un
Modelo de Programación Lineal Mixta que satisfaga el objetivo del gobierno (El costo de importación
del pié tabla de madera B es de $ 2)
d) Dado que el empresario se ve perjudicado en sus utilidades al satisfacer el objetivo del gobierno, no
acepta la solución obtenida. Formule un Modelo de Programación de Metas o Multiobjetiva que
considere ambos objetivos.
2.- Una Empresa produce tres tipos de productos: A, B y C. Las horas hombre requeridas son H1 y H2 en los
departamentos 1 y 2 respectivamente para el producto A. Una unidad de B requiere de H3 y H1 horas en los
departamentos 2 y 3 respectivamente y un producto C requiere de H3, H2 y H1 horas en los departamentos 1, 2 y
3 respectivamente. El jornal por horas es “J” en cualquier departamento. Se desea fabricar hasta un máximo de
FT unidades para los tres productos; un máximo de F1 unidades entre los productos A y B y un mínimo de F2
unidades de C. Si los productos A, B y C se vende a V1, V2 y V3 cada unidad respectivamente y la
disponibilidad de horas son HA, HB y HC para los departamentos 1, 2 y 3 respectivamente. Formule un Modelo
de Programación Lineal para este problema.
3.- Puede usarse 3 clasificaciones de trabajadores (w1, w2 y w3) en 3 trabajos distintos (j1, j2 y j3), de acuerdo a
una escala salarial. Cada trabajador tiene un costo (en $) diferente para cada trabajo, que aparece en la tabla
siguiente:
Trabajos Trabajadores
Trabajador j1 j2 j3 disponibles
w1 4.0 4.0 4.6 10
w2 3.6 3.5 4.4 15
w3 3.7 4.4 4.6 10
Trabajadores
requeridos 5 20 10
Formule un Modelo Matemático para determinar la asignación óptima de trabajadores a los diversos trabajos a
fin de minimizar el costo.
Teoria de decisiones 13
4.- XYZ tiene tres plantas de generación de energía eléctrica que suministran la energía requerida a cuatro
ciudades. Cada planta puede suministrar las siguientes cantidades de kilowatt-hora (kwh) de energía
eléctrica: la planta 1, 35 millones; la planta 2, 50 millones; la planta 3, 40 millones. Las demandas
máximas de energía en estas ciudades, que se presentan al mismo momento (2 p.m.), son las
siguientes (en kwh): la ciudad 1, 40 millones; la ciudad 2, 20 millones; la ciudad 3, 30 millones; la
ciudad 4; 30 millones. Los costos para mandar 1 millón de kwh de energía de una planta a una ciudad
depende de la distancia que la energía tiene que viajar (ver tabla 1). Formule un modelo de
Programación Lineal que permita determinar el plan de suministro que minimice el costo para
satisfacer la demanda máxima de energía de cada ciudad.
Tabla 1
HACIA
Ciudad 1 Ciudad 2 Ciudad 3 Ciudad 4
DESDE ($) ($) ($) ($)
Planta 1 8 6 10 9
Planta 2 9 12 13 7
Planta 3 14 9 16 5
5.- La Compañía Industrial de Acero S.A. (IPASA) cuya planta principal está en la ciudad de Chincha (P1)
produce amortiguadores para camiones. IPASA también tiene plantas de producción en Chimbote (P2) y
en Arequipa (P3).
Los productos se venden a cinco distribuidores mayoristas D1, D2, D3, D4 y D5 a S/ 10 por unidad.
Las proyecciones de venta indican que el próximo mes se deben entregar las siguientes cantidades:
a D1 13000
D2 3500
D3 4500
D4 10000
D5 8000
Las capacidades máximas de producción son:
P1 15000
P2 12000
P3 10000
El costo unitario de producción en cada planta es:
P1 $3
P2 $5
P3 $2
El costo unitario de transporte de cada planta a cada distribuidor es:
D1 D2 D3 D4 D5
P1 2 1 3 2 1
P2 3 2 4 1 1
P3 2 2 3 1 3
Formular un Modelo Matemático para determinar la producción óptima de cada planta y el número de
amortiguadores que debe enviar cada planta a cada distribuidor.
6.- Ud. Sabe que como estudiante de ingeniería debe tomar decisiones científicas basadas en herramientas
cuantitativas, en ese sentido se le pide tomar la decisión de elegir su dieta alimenticia. Suponiendo que los
únicos alimentos de que Ud. dispone son: leche, carne y huevos, los cuales abastecen las cantidades de
vitaminas dadas en la tabla 1. Así mismo se proporciona la cantidad diaria mínima en miligramos que se
debe ingerir de cada vitamina, así como el costo unitario de cada alimento.
Teoria de decisiones 14
Tabla 1
Leche Carne Huevos Cantidad
Vitamina (litro) (Kg.) (docena) diaria mínima
A 0.25 mg. 2 mg. 10 mg. 1 mg.
B 15.00 30 10 50
C 2.50 20 10 10
Costo
unitario S/. 2.0 S/. 7.0 S/. 4.0
7.- Se desea instalar 5 fabricas (1, 2, 3, 4 y 5) en las ciudades (A, B, C, D, F y G). Se ha tomado la decisión de
invertir a lo más una fábrica por cada ciudad. La siguiente tabla establece las utilidades netas de inversión en
miles de dólares:
Ciudad
Fabrica A B C D E F G
1 45 50 65 50 75 60 45
2 75 50 55 60 55 60 75
3 55 50 55 40 55 60 75
4 58 60 65 70 65 70 65
5 65 50 45 60 65 40 55
Si se obliga instalar la fábrica 5 en F y se prohíbe instalar la fabrica 2 en B. Formule un Modelo Matemático de
Programación Entera que determine la asignación óptima.
8.- La empresa XXX produce 2 artículos: cubiertas de carro y tolderas. Para la próxima semana dispone de los
siguientes suministros:
400 horas-hombre
1200 mts2 de lino
2700 mts2 de lona
600 horas-máquina
El precio de venta de las cubiertas de carro es de 150 soles y de las tolderas 500 soles.
Si para producir una cubierta de carro requiere 1 hora-hombre, 6 mts 2 de lino y 1 hora-máquina, y para producir
una toldera requiere 2 horas-hombre, 18 mts2 de lona y 1.5 horas-máquina.
a) Defina las variables de decisión del problema.
b) Formular el modelo matemático de programación lineal respectivo.
c) Resolver por el método gráfico y determinar el plan de producción que haga máximo el ingreso de la
empresa. ¿Cuál es la máxima utilidad alcanzada?
9.- Un agricultor puede producir tomate y lechuga. Para producir una tonelada de tomate requiere 0.15 Hás., 3
Kgs. de fertilizante y 30 jornadas y para una tonelada de lechuga requiere 0.20 Hás., 2 Kgs. de fertilizante y 32
jornadas. Determinar la cédula de producción óptima y la situación final de los insumos, si:
- Se dispone de 2 Hás. de terreno agrícola, y
- 60 Kgs. de fertilizante.
- Un presupuesto de 25000 soles para pagar jornales.
Además, el jornal es 15 soles, la tonelada de tomate se vende a 900 soles y la de lechuga a 1800 soles.
10.- Una refinería fabrica 2 tipos de gasolina (1 y 2) a partir de 2 tipos de petróleo bruto (A y B); los precios de
venta, la materia prima para fabricar las gasolinas, así como los costos son:
Teoria de decisiones 15
11.- Lupita está preocupada por su sobrepeso y el costo de la comida diaria, ella sabe que para bajar de peso,
debe consumir a lo más 1350 Kcalorías, pero requiere un mínimo de 500 mgr. de vitamina A, 350 mgr. de
Calcio, 200 mgr. de proteínas y 150 mgr de minerales. Con los alimentos de la tabla siguiente, formule el
Modelo de Programación Lineal que resuelva la dieta de Lupita.