Vous êtes sur la page 1sur 24

www.investigaciondeoperaciones.

net
Grupo HETUES

Ejercicios Propuestos de Investigacin de operaciones Resueltos


1. Con motivo del 5 centenario del nacimiento de un clebre
pintor, un importante museo ha decidido restaurar cinco de sus
obras, para lo cual ha contratado tres equipos de restauracin.
Cada equipo ha presentado el presupuesto de restauracin para
cada una de las obras, como se recoge en el siguiente
cuadro, en miles de
euros.

O1

O2

O3

O4

O5

R1

60

--

90

--

R2

70

90

80

--

70

10
0
90

12
0
80

12
10
0 equipo no restaurar
0
(Donde -- significa que dicho
en
ningn caso la obra
R3

correspondiente)
E l primer equipo restaurador est compuesto por seis personas, el
segundo por cuatro y el tercero por tres. En la restauracin de
cada una de las obras son necesarias dos personas. Cada persona
de un equipo slo restaura una obra.
a)

A qu tabla se debe aplicar el Mtodo Hngaro para realizar


las cinco restauraciones, con el menor coste posible, teniendo
en cuenta que cada una de ellas debe ser realizada por un
nico equipo restaurador, y que los tres equipos deben
participar en dichas restauraciones?

b)

Dado que el coste de restauracin de las cinco obras es


muy

elevado,

la

directiva

del

museo

decide

restaurar

nicamente tres, asignando una nica obra a cada equipo.

iopsolution@gmail.com

www.investigaciondeoperaciones.net
Grupo HETUES

Determinar, aplicando el Mtodo Hngaro, todas las posibles


asignaciones que minimicen el coste total.

Soluci
n:
a)
Aplicaremos el Mtodo Hngaro a la
siguiente tabla:
O1

O2

O3

O4

O5

R1

60

90

120

R1

60

90

120

R1

60

90

120

R2

70

90

80

100

80

R2

70

90

80

100

80

R3

70

120

90

100

Con M positivo suficientemente grande.

b)

Aplicamos el Mtodo Hngaro a la siguiente tabla:


O1

O2

O3

O4

O5

R1

60

90

R2

70

90

80

R3

70

F1

12
0
0

10
0
90

12
0
80

10
0
0

iopsolution@gmail.com

www.investigaciondeoperaciones.net
Grupo HETUES

F2

Con M positivo suficientemente grande.

iopsolution@gmail.com

www.investigaciondeoperaciones.net
Grupo HETUES

2. La compaa Ordenata S.A. desea planificar el ensamblaje de


dos nuevos modelos de ordenador el Core Duo KS500 y el Core
Duo KS600. Ambos modelos precisan del mismo tipo de carcasa
y lector ptico. En el modelo KS500 se ensambla la carcasa con
2 lectores pticos. En el modelo KS600 se ensambla la carcasa
con un lector ptico y adems se aade un lector de tarjetas. Se
dispone semanalmente de 1000 lectores pticos, 500 lectores
de tarjetas y de 600 carcasas. El ensamblaje de un KS500 lleva
una 1 hora de trabajo y proporciona un beneficio

iopsolution@gmail.com

www.investigaciondeoperaciones.net
Grupo HETUES

de
200
euro
s

y el
del
KS6

0
lleva
1.5
hora

de
trab

ajo y su beneficio es de 500 euros.


Teniendo en cuenta las restricciones anteriores, el director de la
compaa desea alcanzar las siguientes metas en orden de
prioridad:

iopsolution@gmail.com

www.investigaciondeoperaciones.net
Grupo HETUES

Prioridad 1. Producir semanalmente al menos 200 ordenadores


KS500. Prioridad 2. Ensamblar al menos 500 ordenadores en
total a la semana. Prioridad 3. Igualar el nmero de horas
totales de trabajo dedicadas al ensamblaje de los dos tipos
de ordenador.
Prioridad 4. Obtener un beneficio semanal de al menos 250000
euros.
Obtener e interpretar la solucin ptima del problema
relajado, planteando y resolviendo grficamente cada una de las
metas.
Solucin:
Definimos las variables de decisin siguientes:
x1 = unidades ensambladas semanalmente del ordenador Core
Duo KS500
x2 = unidades ensambladas semanalmente del ordenador Core
Duo KS600
La modelizacin queda como sigue:

Min L( y1 , y2 , y3 , y4 )
y3
2 x1 x2 1000

(1)

x2 500

(2)

x1 x2 600
x1
y1
s.
a

y1

(3)

200

x x
2
1
y2
y2

500

(4)

(5)

iopsolution@gmail.com

www.investigaciondeoperaciones.net
Grupo HETUES

x1 1.5x2
y3
y3

200 x1 500x2
y4
y4
x1
0,

yi
0,

(6)
250000 (7)

x2 0 y enteras
yi
0

i 1, 2, 3,4

iopsolution@gmail.com

www.investigaciondeoperaciones.net
Grupo HETUES

iopsolution@gmail.com

www.investigaciondeoperaciones.net
Grupo HETUES

3. En un hospital comarcal se pueden realizar operaciones de rin, de corazn y


de vescula. Por problemas de personal cada da se realizan operaciones como
mucho de dos clases. Debido al gran nmero de operaciones pendientes se deben
realizar al menos tantas operaciones de vescula como de rin. Por otra parte,
no se pueden realizar ms de 50 operaciones de vescula diarias. Cada
operacin de rin requiere la presencia de dos mdicos y se realiza en una
hora. Las operaciones de corazn requieren 3 mdicos y se realizan en 5 horas.
Cada operacin de vescula slo requiere un mdico y se realiza en una hora

iopsolution@gmail.com

www.investigaciondeoperaciones.net
Grupo HETUES

Para estos tipos de operaciones el hospital tiene asignados 20 mdicos y cuenta


con 60 horas diarias de quirfano.
a)

(6 puntos) Modelizar el problema como un problema de programacin lineal


entera para maximizar el nmero de operaciones diarias.

b) (4 puntos) El hospital recibe una subvencin y se plantea o bien modernizar el


hospital y, as, poder realizar tambin operaciones de cataratas, o bien
contratar dos nuevos mdicos. Las operaciones de cataratas requieren un
mdico y una hora de quirfano, adems, si se opera de cataratas se deben
realizar como mnimo 5 operaciones al da y no ms de 10. Modelizar el
problema como un problema de programacin lineal entera para maximizar el
nmero de operaciones.
Solucin:
a) Definimos las variables de decisin siguientes:
x1 = nmero de operaciones de rin al da
x2 = nmero de operaciones de corazn al da
x3 = nmero de operaciones de vescula al da

1
y1
0
1
y2

si se realizan operaciones de rin


en caso contrario

si se realizan operaciones de corazn


en caso contrario

iopsolution@gmail.com

y3

si se realizan operaciones de vescula


en caso contrario

La modelizacin queda como sigue:


Max ( x1 x2 x3 )
2 x1 3x2 x3 20

x1 5x2 x3 60
y y y 2
2
3
1
x1 x3

x My
1
1
s.a

x My
2
2

x3 50 y3

xi 0

i 1, 2, 3 y enteras

yi 0, i 1, 2, 3
1
Con M positivo suficientemente grande.
b) Sea definen adems de las variables del apartado anterior:

si se decide realizar operaciones de cataratas

z
0

en caso contrario

x4 = nmero de operaciones de cataratas al da

La modelizacin queda como sigue:


Max ( x1 x2 x3 x4 )

2x1 3x2 x3 x4 20 2(1 z)

x1 5x2 x3 x4 60
y y y z 2
1
2
3

x1 x3

x1 My1
x My
2
2
x 50 y

s.a

5z x4 10z

xi 0

i 1, 2, 3,4 y entera

z 0, 1

Con M positivo suficientemente grande.


0, 1

i 1, 2

4) Min Z=P4(d4)
Y+d4=400(=)
NO HAY RESTRICCIONES DURAS
Objetivo:
Min Z=P1d1+P2+d2+P3d3+P4d4

Parte 2:
Grfica:

Puntos de interseccion:
A(500,400)
B(600,350)
C(600,333.33)

Metas:
1) P1d1 =La Regin ABC Cumple

2) P2d2 =Recta AB
3) P3d3 =Punto B
4) P4d4 =No Cumple
Se Toma el punto B(600,350)
Metas
1
2
3
4

X=600
Y=350
d1=0
e1=250
d2=0
d3=0
d4=50

Cumple
n?
si
si
si
NO

Se debe producir 600 roperos A y 350 roperos B Para que se llegue a


una utilidad de
$ 11,250, Donde se cumplen las metas 1,2 y 3.

5. Un ayuntamiento tiene previsto construir cuatro instalaciones deportivas


diferentes dentro del municipio. El ayuntamiento se compone de cuatro distritos
A, B, C y D y quiere asegurar la construccin de un polideportivo en los
distritos ms grandes: A y B. Adems, cabra la posibilidad de construir
dos polideportivos en el distrito B. La siguiente tabla muestra el nmero de
usuarios semanales (en centenas) que se estiman para cada tipo de
instalacin deportiva
segn en el distrito en que se construya.

Polideportivo
P1

P2

P3

P4

12

14

17

19

16

19

24

17

10

12

18

15

13

20

17

Resolver mediante el Mtodo Hngaro el problema de dnde se deben construir


los
4 polideportivos si el ayuntamiento desea maximizar el nmero de
usuarios semanales.

Solucin:
Aplicamos el Mtodo Hngaro a la siguiente tabla:

P1

P2

P3

P4

F1

-12

-14

-17

-19

-16

-19

-24

-17

-16

-19

-24

-17

-10

-12

-18

-15

-13

-9

-20

-17

Con M positivo suficientemente grande.

P1

P2

P3

P4

F1

-12

-14

-17

-19

-16

-19

-24

-17

-16

-19

-24

-17

-10

-12

-18

-15

-13

-9

-20

-17

+16

+19

+24

+19

Con M positivo suficientemente grande.

P1

P2

P3

P4

F1

10

Con M positivo suficientemente grande.

P1

P2

P3

P4

F1
-3 +3
+3

-3

10

-3

Con
M positivo suficientemente grande.

P1

P2

P3

P4

F1

Con M positivo suficientemente grande.

Se obtiene la siguiente asignacin ptima: A


Polideportivos 2 y 3, D

Polideportivo 4, B

Polideportivo 1.

Valor ptimo, 7500 usuarios semanales.

6. Una empresa realiza dos tipos de bombones, de calidad


excelente y de primera calidad. Para producirlos utiliza cacao
y almendras, de los que dispone semanalmente de 48 kilos y
4.5 kilos respectivamente. Para realizar una caja de bombones

de calidad excelente se necesita 600 gramos de cacao y 50


gramos de almendras mientras que para una caja de primera
calidad se necesita 400 gramos de cacao y 50 gramos de
almendras. Por cada caja de calidad excelente se obtiene un
beneficio de 70 y por cada una de primera calidad de 40 y
adems se vende sin problemas todo lo que se produce.
a)

Determinar,

resolviendo

el

problema

relajado,

las

producciones semanales eficientes de cajas de bombones de


modo que la empresa maximice sus beneficios y el volumen
de ventas.
b)

Si la empresa considera cada venta como 10 de


beneficio, modelizar el problema relajado correspondiente.

c) Si la empresa necesita 7 horas de produccin para obtener


una caja de calidad excelente y 4 horas para una caja de
primera calidad, determinar al menos dos producciones
semanales eficientes del problema relajado de modo que la
empresa maximice sus beneficios, y el volumen de ventas y
minimice las horas de produccin.

Solucin:
a)

Definimos las variables de decisin siguientes:

x1 = cajas de bombones de calidad excelente producidas


semanalmente

x2 = cajas de bombones de primera calidad producidas


semanalmente
La modelizacin queda como sigue:
Max (70x1
40 x2 ,

x1 x2 )
600x1 400x2 48000
50 x1 50 x2 4500

s.a

x1 0,
Resolveremos el problema
relajado:

x2 0 y enteras

x1 x2 )

Max (70x1
40 x2 ,

600x1 400x2 48000


s.a

50 x1 50 x2 4500
(2)

x1 0,

x2 0

(1)

Vrtice
sX

Vrtice
s f( X )

(0, 0)

(0, 0)

(80,

(5600,

0)

80)

(60,

(5400,

Soluciones eficientes: 80, 060, 30

b)

La modelizacin queda como sigue:


Ma
x

70
x1

40x2

10 x1

c)

x2

La modelizacin queda como sigue:


Max
70x1

40x2 ,

x2 ,

x1

x1

7 4x2