1

INVESTIGACION DE OPERACIONES


UNIDAD TEMATICA 2 - PROGRAMACION LINEAL

2.1 INTRODUCCION

La Programacin Lineal (PL) tiene como objetivo la planificacin de actividades econmicas de la
ms diversa ndole, con el objeto de optimizar el empleo de recursos limitados. Por su parte, recibe
el nombre de PL la tcnica en s, utilizada como herramienta matemtica de modelado, para
determinar condiciones ptimas en la asignacin de recursos y capacidades operativas, limitados
ambos, a actividades que compiten por ellas.


2.2 CONSTRUCCION DEL MODELO DE PL Elementos bsicos

Se ilustrarn los elementos bsicos de un modelo de PL con un ejemplo de dos variables, que si
bien es sencillo, sus resultados proporcionarn ideas concretas acerca de la solucin e interpretacin
del problema general.

Una fbrica produce dos tipos de pintura, para exteriores (PPE) y para interiores (PPI),
mezclando dos materias primas: una base acrlica y diluyente, cuya disponibilidad diaria es de 2,4
y 1,8 ton respectivamente.

Cada ton de PPE insume 0,6 ton de base acrlica y 0,4 ton de diluyente, mientras que cada ton de
PPI, involucra mezclar 0,4 ton de base acrlica con 0,6 ton de diluyente.

De la PPI, se puede colocar diariamente en el mercado hasta 2 ton, siendo la ganancia neta por
ton de cada pintura producida, de $ 5.000 para la PPE y de $ 4.000 para la PPI.

Programar la produccin de la planta que maximice la utilidad total diaria.

La Tabla 2-1, proporciona los datos bsicos del problema.

Tabla 2-1
ton de MP por ton de
Disp. mxima
diaria (ton)
Materia Prima PPE PPI
Base acrlica 0,6 0,4 2,4
Diluyente 0,4 0,6 1,8
Utilidad por ton
(en miles de $)
5 4


El modelo de PL, como cualquier otro de IO, incluye tres elementos bsicos:

1. Variables de decisin, que se trata de determinar.
2. Objetivo (representado por una FO), que se trata de optimizar.
3. Restricciones, que se deben satisfacer.

Se pretende en definitiva, determinar la mejor solucin a un problema cuya particularidad es que,
tanto la FO como las restricciones, son todas relaciones lineales.
El primer paso primordial en el desarrollo del modelo, es definir las variables de decisin. Luego de
ello expresar la FO y restricciones, no debera ser muy difcil.

Para el problema en cuestin, se necesita determinar cunto se va a producir de cada tipo de pintura.
Luego, las variables del modelo sern:

x
1
= ton diarias producidas de PPE y x
2
= ton diarias producidas de PPI

Un objetivo lgico es maximizar tanto como sea posible la utilidad diaria de la planta. Si Z
representa la utilidad diaria total, en este caso en [miles de $], la FO estar representada por:

Z = 5 x
1
+ 4 x
2
siendo el objetivo: (MAX) Z = 5 x
1
+ 4 x
2
en [miles de $]

Resta por definir las restricciones, como lo son para este caso, por un lado, la disponibilidad
mxima diaria para cada materia prima y por el otro, la cantidad mxima diaria colocable de PPI en
el mercado.

La restriccin de disponibilidad mxima diaria de materias primas (MP) se expresara como:

empleo de MP para ambas pinturas < disponibilidad mxima de MP

Y sus expresiones matemticas:

0,6 x
1
+ 0,4 x
2
< 2,4 (1) para la base acrlica
0,4 x
1
+ 0,6 x
2
< 1,8 (2) para el diluyente

La restriccin en cuanto a cantidad diaria colocable en el mercado de PPI, se expresara como:

Venta de PPI < 2 con su expresin matemtica: x
2
< 2 (3)

Una restriccin implcita, es que x
1
y x
2
no sean negativas, para que la solucin en este caso, tenga
sentido fsico: x
1
> 0 (4) y x
2
> 0 (5)

Entonces, el modelo completo para este modelo se expresa como:

(MAX) Z = 5 x
1
+ 4 x
2
sujeta a:

0,6 x
1
+ 0,4 x
2
< 2,4 (1)
0,4 x
1
+ 0,6 x
2
< 1,8 (2)
x
2
< 2 (3)
x
1
> 0 (4)
x
2
> 0 (5)

Cualquier solucin que satisfaga todas las restricciones del modelo, se denomina solucin factible
(SF). Intuitivamente, se deduce que el modelo posee un infinito nmero de soluciones, dadas las
infinitas combinaciones de posibles valores de las variables de decisin, que no violan las
restricciones. Lo que en realidad interesa es aquella que produzca la utilidad total mxima, conocida
como SF ptima. Como sera sumamente lento, dado la infinidad de soluciones, arribar por simple
tanteo a la mejor solucin, se necesita un procedimiento ms eficiente que, de manera sistemtica,
localice la solucin ptima.

La resolucin grfica y su generalizacin algebraica, bajo la forma de algoritmo como el
SIMPLEX, suministran ese procedimiento. Las suposiciones de linealidad del ejemplo propuesto,
3
tanto para la FO como las restricciones, llevan intrnsecamente implcitas las dos propiedades
siguientes: proporcionalidad y aditividad.

Proporcionalidad: requiere que la contribucin de cada variable, tanto a la FO como a las
restricciones, sea directamente proporcional al valor de la variable.

Aditividad: requiere que la contribucin total de todas las variables en la FO y restricciones, sea la
suma directa de la contribucin individual de cada variable.

Con respecto a las restricciones, ellas deben ser linealmente independientes, o sea, ninguna puede
ser combinacin lineal de otras.


2.3 GENERACION DE SOLUCIONES. Solucin grfica. Interpretacin geomtrica.

La representacin geomtrica del problema de 2.2, implica para las restricciones, representar las
ecuaciones (que corresponden a la condicin =) en un grfico cartesiano, donde el eje de las X, se
referir a las cantidades producidas de PPE como x
1
[ton/da] y el eje de las Y, a las cantidades
producidas de PPI como x
2
[ton/da]. Las tres rectas, corresponden a la condicin igual, lmite por
encima del cual, se viola la restriccin respectiva, del tipo menor o igual que.

Se sealan las zonas prohibidas utilizando puntos de prueba, que correspondan a valores de las
variables que no estn sobre la recta (si el origen x
1
= x
2
= 0 no est sobre la recta, es el punto de
prueba ms sencillo), quedando delimitada una regin de soluciones, denominadas factibles o
admisibles, que corresponde en este caso al polgono ABCDE (zona sombreada), como se observa
en la Fig. 2.1 y donde se dan las soluciones factibles (SF). La familia de rectas Z = 5 x
1
+ 4 x
2
=
cte., es paralela a Z
MIN
= 0 (para x
1
= x
2
= 0), que pasa por el origen.

Como se maximiza, la direccin de optimizacin ser entonces aquella que se aleja del origen
(sentido de Z crecientes) hasta que, alguna recta de la familia Z = cte. intercepte algn punto de la
regin admisible, el ms alejado del origen. Ello ocurre para C, interseccin de (1) y (2) para la
condicin igual, cuyas coordenadas son: x
1
= 3,6 [ton] y x
2
= 0,6 [ton], para el que corresponde una
Z
C
= Z
MAX
= $ 20.400 (recordar que la FO est expresada en [miles de $].



Para los problemas bidimensionales, la regin admisible, es el conjunto de puntos convexo,
delimitado por el conjunto de rectas que representan las restricciones lineales.

4
Si el conjunto convexo es limitado, se est en presencia de un polgono convexo, si no lo es, de una
poligonal convexa.

Hay un teorema del lgebra lineal, que expresa que para crecimiento o decrecimiento montono de
una FO, el mximo (o mnimo) estar siempre asociado con un vrtice o punto extremo del
polgono (o poligonal) convexo que delimita la regin de soluciones.

En consecuencia, lo que se hace no es desplazar paralelas a Z = 0 alejndose del origen hasta
interceptar algn punto de la regin admisible, sino determinar los sucesivos valores de Z para cada
uno de los puntos extremos del polgono.

Las FO lineales, por el hecho de ser rectas, poseen la particularidad de que los valores ptimos, se
investigan en los extremos de los rangos delimitados.

Cuando las rectas, que representan la condicin de igualdad (ecuacin) para las restricciones se
interceptan, delimitan los extremos o vrtices de la denominada regin admisible.

Para este problema, las coordenadas de cada uno de los vrtices del polgono son:

A [x
1
=0;x
2
=0], B [x
1
=4;x
2
=0], C [x
1
=3,6;x
2
=0,6], D [x
1
=1,5;x
2
=2] y E [x
1
=0;x
2
=2] y los valores
respectivos de Z, recordando que la utilidad est dada en [miles de $] sern:

Z
A
= $ 0; Z
B
= $ 20.000 Z
C
= $ 20.400 Z
D
= $ 15.500 y Z
E
= $ 8.000. Luego
la utilidad mxima diaria ser:
Z
(MAX)
= Z
C
= $ 20.400


2.4 APLICACION DE LA SOLUCION GRAFICA A UN PROBLEMA DE MINIMIZACION

Sirva como ejemplo el siguiente problema.

Una empresa, dedicada a la produccin de alimento para el ganado, procesa como materia prima,
dos derivados de la industria oleaginosa: tortas de prensado de maz y de soja, siendo 4 ton su
requerimiento mnimo de produccin diaria. La Tabla 2-2, resume la composicin alimentaria de
cada insumo as como su costo.

Tabla 2-2

Composicin alimentaria
Materia Prima Protenas Fibra Costo [$/ton]
Torta de maz 9 % 2 % 600
Torta de soja 60 % 6 % 1.800


Los requerimientos dietticos diarios del alimento, estipulan por lo menos un 30 % de protenas y
cuando mucho, un 5 % de fibra. Se desea determinar la mezcla de MP que cumpliendo con los
requerimientos diarios de produccin y dietticos, sea la de menor costo.

Dado que las MP consisten en torta de maz y de soja, las variables de decisin del modelo
quedarn definidas como: x
1
= ton de torta de maz en la mezcla diaria y x
2
= ton de torta de soja en
la mezcla diaria.

La FO trata de minimizar el costo diario total (en $) de la mezcla de MP y tendr por expresin:
5

minimizar Z = 600 x
1
+ 1800 x
2


Las restricciones del modelo, deben reflejar la cantidad diaria necesaria y los requerimientos
dietticos. Debido a que la mezcla de la fbrica debe producir al menos 4 ton de alimento por da,
la restriccin asociada se puede expresar como: x
1
+ x
2
> 4

El aporte de protenas en x
1
ton de torta de maz y x
2
ton de torta de soja es (0,09 x
1
+ 0,6 x
2
) ton,
cantidad que debe ser igual al menos a 30 % de la mezcla total de MP (x
1
+ x
2
), lo que se expresa
como:
0,09 x
1
+ 0,6 x
2
>0,3 (x
1
+ x
2
), que reordenada dar: - 0,21x
1
+0,3x
2
> 0

De manera similar, la restriccin para el aporte de fibra, se construye como: 0,02 x
1
+ 0,06 x
2
< 0,05
(x
1
+ x
2
), que reordenada ser: - 0,03 x
1
+ 0,01 x
2
< 0. Por ltimo, las restricciones obvias: x
1
, x
2
> 0

Entonces, el modelo completo ser:

(MIN) Z = 600 x
1
+ 1800 x
2
sujeta a:
x
1
+ x
2
> 4 (1)
- 0,21 x
1
+ 0,3 x
2
> 0 (2)
- 0,03 x
1
+ 0,01 x
2
< 0 (3)
x
1
> 0 (4)
x
2
> 0 (5)

La Fig. 2.2 proporciona la solucin grfica al modelo.




A diferencia de las del modelo de la fbrica de pinturas, dos de las restricciones atraviesan el
origen.

Para trazar cada una de las rectas asociadas a estas dos restricciones, se necesita un punto adicional,
que se obtiene asignndole a una de las variables un valor y despejando luego la otra variable.
La direccin de factibilidad para las dos restricciones que atraviesan el origen, se puede determinar
usando un punto de prueba que no sea [0;0], porque ambas rectas pasan por el origen.

Debido a que este modelo busca la minimizacin de la FO, se necesita reducir el valor de Z tanto
como sea posible en la direccin de optimizacin que muestra la flecha en la Fig. 2.2.
6

La solucin ptima se encuentra en la interseccin de las dos rectas x
1
+ x
2
= 4 y - 0,21 x
1
+ 0,3 x
2
=
0, cuyas coordenadas son, x
1
= 2,35295 ton (o 2.352,95 kg) y x
2
= 1,64705 ton (o 1.647,05 kg),
cuyo costo mnimo asociado para esa mezcla de MP ser:

Z
(MIN)
= 600 . 2,35295 + 1800 . 1,64705 = 1.411,77 + 2.964,69

Z
(MIN)
~ $ 4.376,5


2.5 RESTRICCIONES ACTIVAS E INACTIVAS Holgura y Supervit

Cabe preguntarse en los problemas vistos, acerca del grado de cumplimiento de las restricciones. En
el problema de 2.2, las restricciones (1), (2) y (3) se referan a la disponibilidad de base acrlica y
diluyente y a la colocacin mxima en el mercado de pintura para exteriores respectivamente.

Remplazando los valores ptimos de ambas variables de decisin (x
1
=3,6;x
2
=0,6) en las
restricciones, se tiene que:

(1): 0,6 . 3,6 + 0,4 . 0,6 = 2,4 ton de base acrlica
(2): 0,4 . 3,6 + 0,6 . 0,6

= 1,8 ton de diluyente
(3): 0,6 < 2 ton de PPI

De las tres restricciones, las dos primeras se cumplen para la condicin igual, o sea, se utiliza el
mximo disponible de ambos recursos. En cambio, en el caso de la (3), el mejor programa de
produccin implica que la cantidad producida de PPI es inferior a la colocable diariamente en el
mercado

A las restricciones (1) y (2), donde no queda recurso por utilizar, se las denomina activas u
obligatorias. En este caso, la utilizacin plena de ambos recursos, impide la obtencin de ganancias
adicionales, con lo que las restricciones activas como estas, desempean un papel muy importante.

Resumiendo, una restriccin de estricta igualdad, siempre es activa y una de desigualdad (> <)
ser activa si al evaluarla en las condiciones de optimidad, hay igualdad entre el primer y segundo
miembro de la expresin.

En cambio, las restricciones como la (3) se denominan inactivas en las condiciones de optimidad.

En los modelos analizados hasta ahora, se han usado restricciones tanto < como >. Para las
restricciones del tipo <, el lado derecho (LD) por lo comn representa el lmite sobre la
disponibilidad de un recurso y el lado izquierdo (LI), el empleo que hacen de ese recurso limitado
las diferentes actividades (variables) del modelo. De manera que una holgura, representa la
cantidad que el recurso disponible excede al empleo que le dan las actividades.

En el caso de la fbrica de pinturas, se dice que en el programa ptimo, hay una holgura (diferencia
entre el LD y el LI de la expresin) de 1,4 ton de PPI no producidas, que no se colocarn en el
mercado.

Las restricciones del tipo >, por lo comn representan requerimientos mnimos de especificaciones.
Para una restriccin inactiva en el programa ptimo del tipo >, la diferencia entre el LI y el LD de la
expresin, se denomina supervit o excedente, representando el exceso del LI sobre el
requerimiento mnimo. Un supervit significa que se supera ese requerimiento mnimo.

7
Geomtricamente y observando la Fig. 2.1, las restricciones activas pasan por la solucin ptima.

En cambio, las inactivas, como la (3) no pasan por la solucin ptima.

Una consecuencia de lo expresado precedentemente es que las restricciones inactivas como la (3),
pueden suprimirse (probar hacerlo) de la representacin geomtrica, sin afectar por ello la solucin
ptima.

Las restricciones activas u obligatorias, son tambin llamadas importantes, as como las no activas
o no obligatorias, tambin se denominan no importantes.


2.6 MODELOS NO ACOTADOS

En algunos modelos de PL, los valores de las variables pueden incrementarse indefinidamente sin
violar ninguna de las restricciones, lo que significa que el espacio de la solucin es no acotado, por
lo menos en una direccin.

As, si en el ejemplo de la fbrica de pinturas los recursos no tuvieran lmites, manteniendo que lo
menos que se colocara en el mercado de PPI seran 2 ton, la expresin del problema sera:

(MAX) Z = 5 x
1
+ 4 x
2
sujeta a:

0,6 x
1
+ 0,4 x
2
> 2,4 (1)
0,4 x
1
+ 0,6 x
2
> 1,8 (2)
x
2
> 2 (3) x
1
> 0 (4) x
2
> 0 (5)

La Fig. 2.3, corresponde a la representacin grfica de este problema, donde la regin de soluciones
est definida por una poligonal que se extiende indefinidamente en la direccin de optimizacin (Z
crecientes):



Se observa que siempre habr un par de valores permisibles de las variables de decisin que
mejorarn la solucin respecto de valores anteriores. El modelo no tiene solucin porque la FO no
est acotada. Estos modelos, pueden resultar tambin de la omisin de una o varias restricciones
activas o importantes o por errores al introducir datos en el modelo.

8
No debe confundirse el concepto de modelo no acotado, con el de conjunto restringido no
acotado. En el ejemplo analizado, ocurren ambas cosas: FO y conjunto restringido son no acotados.
En cambio, si se buscara minimizar la FO, con la misma estructura de restricciones, si bien el
conjunto restringido seguira siendo no acotado (regin de soluciones definida por la poligonal),
no lo sera la FO, pues habra una solucin ptima en el vrtice interseccin de las restricciones (1)
y (3). La (2), en ese caso pasara a la categora de inactiva o no importante, pudindose suprimirla
del grfico.


2.7 MODELOS NO FACTIBLES

Si las restricciones no se satisfacen simultneamente, el modelo no tiene una SF. La no
factibilidad, se conoce tambin como inconsistencia, que se refiere a un modelo con un conjunto
restringido vaco. No hay una combinacin de valores de las variables de decisin que satisface
simultneamente a todas las restricciones.

Una ilustracin de un modelo de este tipo, se obtiene invirtiendo las restricciones (1) y (3) del
modelo de la fbrica de pinturas visto en 2.2.

(MAX) Z = 5 x
1
+ 4 x
2
sujeta a:

0,6 x
1
+ 0,4 x
2
> 2,4 (1)
0,4 x
1
+ 0,6 x
2
< 1,8 (2)
x
2
> 2 (3) x
1
> 0 (4) x
2
> 0 (5)

Trazadas las rectas para la condicin igual de las restricciones, la delimitacin de las zonas
factibles, no proporciona una regin de soluciones, por cancelacin mutua entre zonas admisibles
para una restriccin y zonas prohibidas para la otra u otras.

En estos casos, la inconsistencia no depende de la FO sino exclusivamente de las restricciones.
Como obviamente el modelo no tiene solucin, es muy posible que no haya sido formulado
correctamente, ya sea por responder a restricciones contradictorias o a mala formulacin de las
mismas.


2.8 SOLUCION ALTERNATIVA O MULTIPLE

Cuando la FO es paralela a una restriccin, la FO asumir el mismo valor, en ms de un punto de la
solucin, es decir habr muchas soluciones. Dos en los vrtices (extremos de la recta paralela a la
FO) y todos los puntos de la recta entre ellos. Por esta razn, se conocen como ptimos
alternativos o mltiples.

Suponer que el beneficio en el problema de 2.2, por ton de x
1
, sea igual a $ 6.000 en lugar de $
5.000 manteniendo iguales las dems restricciones:
(MAX)Z = 6 x
1
+ 4 x
2
sujeta a:
(1) 0,6 x
1
+ 0,4 x
2
< 2,4
(2) 0,4 x
1
+ 0,6 x
2
< 1,8
(3) x
2
< 2
Del grfico resultante (se sugiere hacerlo), la pendiente de la (1) para la condicin de igualdad, es
igual a la de la familia de rectas Z = cte., cuya pendiente es = - (6/4) = - (3/2). Al barrer la regin
admisible con rectas de ecuacin 6 x
1
+ 4 x
2
= cte. se llega eventualmente a abarcar TODOS los
puntos del lado BC del polgono de la Fig. 2.1.

9
Para Z
B
, corresponden x
1
= 4 ton y x
2
= 0

Para Z
C
, corresponden x
1
= 3,6 ton y x
2
= 0,6 ton

Z
B
= 6 . 4 + 4 . 0 = $ 24.000/da Z
C
= 6 . 3,6 + 4 . 0,6 = $ 24.000/da Z
B
= Z
C



2.9 DEGENERACION

Desde el punto de vista prctico, la degeneracin revela que el modelo tiene por lo menos, una
restriccin redundante. Retomando el ejemplo de 2.2, supngase que para la PPI, en lugar de 2 ton,
la cantidad mxima colocable en el mercado sea de 0,6 ton. Entonces:

(MAX) Z = 5 x
1
+ 4 x
2
sujeta a:

(1) 0,6 x
1
+ 0,4 x
2
< 2,4
(2) 0,4 x
1
+ 0,6 x
2
< 1,8
(3) x
2
< 0,6 para x
1
, x
2
> 0

La Fig. 2.4 proporciona la solucin grfica del modelo y muestra la implicancia prctica de la
degeneracin.




Tres rectas pasan por el vrtice C ptimo: x
1
= 3,6; x
2
= 0,6. Debido a que este es un problema bi-
dimensional, el punto est determinado en exceso y una de las restricciones es redundante. En la
prctica, el simple conocimiento de que algunos recursos son superfluos resulta valioso durante la
puesta en prctica de la solucin.

La informacin, tambin puede ser conducente al descubrimiento de irregularidades en la
construccin del modelo.

2.10 LIMITE DE LA SOLUCION GRAFICA

En el espacio tridimensional, para tres variables en las restricciones, la regin factible o admisible
ser un poliedro (slido) convexo, explorndose ya con dificultad y tambin como antes, en los
vrtices o extremos del mismo. En el caso de tres variables, existe un recurso o artificio para seguir
10
trabajando geomtricamente en el plano y es colocar una de las variables en funcin de las otras
dos.

Para un problema n-dimensional, donde n supera a tres, se puede definir un hiperespacio convexo,
si bien la nica forma de resolucin, a partir de n = 4 es recurrir al lgebra, es decir, resolver
analticamente.


2.11 FORMA GENERAL DEL MODELO DE PL

El modelo matemtico para el problema general de asignar recursos a actividades, consiste en:

Dado un conjunto de m ecuaciones y/o inecuaciones lineales, que involucran a n variables, (x
1
,
x
2
,... x
j
.....x
n
), encontrar los n valores positivos o nulos, que satisfagan las ecuaciones o
inecuaciones y adems, maximicen (o minimicen) una FO lineal.


2.12 RESOLUCION ANALITICA - Utilizacin de hojas de clculo electrnicas

Se resolvern problemas de PL con el auxilio de la computadora, dado que si bien es posible
resolverlos a mano aplicando algoritmos como el mtodo SIMPLEX, ello queda reducido a
aquellos con muy pocas variables y restricciones, debido a los clculos iterativos demasiado
tediosos para llevarlos a cabo, con la gran posibilidad de errores en las operaciones aritmticas que,
aunque sencillas, es fcil equivocarse en la mecnica de la rutina y por ende, en los resultados.

La existencia de paquetes de software, tanto para uso ms domstico como sofisticados, ponen a
disposicin del usuario programas para manejar desde cien o ms restricciones (lo cual es ya
demasiado para el clculo manual) hasta cientos de miles de restricciones funcionales y millones de
variables de decisin.

Con respecto a los factores que influyen en el tiempo involucrado en cmputos, el mismo tiende a
ser proporcional al cubo del nmero m de restricciones:

0
c
= k . m
3


As, si ellas se duplican (2m), el tiempo de cmputo puede quedar multiplicado por un factor
aproximado a 8.

En cambio, el nmero n de variables, tiene una importancia relativamente menor. Si ellas se
duplican, posiblemente no se duplique el tiempo de clculos.
De all que el mayor trabajo, consista en, una vez comprendido el enunciado del problema con
todos sus datos, plantear correctamente los parmetros clsicos de toda optimizacin: variables y
relaciones que las vinculan, tanto en la FO como en las restricciones, para luego volcarlos a los
distintos utilitarios que se elijan para manejar problemas de PL.

Estos programas, adems de brindar la solucin ptima, (valores de la FO y variables
intervinientes), suministran tambin los valores de las holguras y/o supervits, as como el anlisis
de sensibilidad para variaciones tanto en los coeficientes de la FO como los trminos
independientes (LD) de las restricciones.
Tambin, como cuando por ejemplo la FO y/o las variables no estn acotadas o cuando no hay
solucin factible, alertan acerca de tales situaciones, que pueden involucrar restricciones omitidas,
redundantes o en definitiva, un modelo mal formulado.

11

2.13 EXPRESION DE MODELOS DE PL EN PLANILLAS DE CALCULO

Del software disponible, se construirn los modelos en EXCEL

y se optimizarn con una

herramienta como SOLVER

, que es un paquete de optimizacin incorporado a Excel.

Para la construccin de modelos de PL en planillas de clculo, se aconseja observar las siguientes
recomendaciones:

Cada variable de decisin se asigna a una columna por separado y cada restriccin a una fila
individual de la planilla de clculo.

Salvo para los rtulos opcionales, las variables de decisin se agrupan en un bloque contiguo de
columnas y las restricciones se agrupan en un bloque contiguo de filas.

Cada celda de variable de decisin y tambin la celda de la FO tienen un rtulo en la parte
superior de su respectiva columna y cada restriccin tiene a su vez un rtulo en la celda del extremo
izquierdo de su respectiva fila. No dividir un rtulo escribiendo las distintas partes del mismo en
varias celdas. Si el rtulo no cabe en una sola celda, ampliarla o utilizar la opcin Ajustar texto de
la ficha Alineacin en el Men Formato de celdas, para expandir verticalmente las dimensiones de
dicha celda.

Los coeficientes de la FO, estarn en una fila de celdas independientes, justamente arriba o
debajo de las respectivas variables de decisin que afectan y la frmula de la FO, aparecer en una
celda de la misma fila.

A las celdas de variables de decisin y a la celda de FO, se aconseja darles formato con bordes
y/o sombreado, para destacarlas y hacer ms clara la lectura.

Para cada restriccin, el coeficiente que corresponde a una variable de decisin determinada, se
introduce como informacin en la celda que se encuentra en la interseccin de la columna donde
est dicha variable y la fila donde se encuentra la restriccin.

A continuacin de los coeficientes, en cada fila de restricciones, se incluye una celda que calcula
la funcin de restriccin (totales del Lado Izquierdo, LI), seguida por una celda que indica la
direccin de la desigualdad, y despus por la celda que contiene la condicin del Lado Derecho
(LD). Opcionalmente se puede incluir una frmula de celda de "holgura" o "supervit" para
contener la diferencia entre las cifras del LI y el LD, calculadas de manera que el valor de la celda
sea no negativo siempre que se cumpla la restriccin:
La celda de holgura es = LD - LI para las restricciones <
La celda de supervit es = LI - LD para las restricciones >

En el caso de las filas de restriccin, las celdas del LD deben contener constantes o frmulas en
las que no intervengan las variables de decisin. Para evitar problemas posteriores durante la
interpretacin del informe de Solver, cualquier frmula del LD de una restriccin que est
relacionada directa o indirectamente con las variables de decisin, deber moverse en forma
algebraica al LI de dicha restriccin, de modo que el LD quede expresado por una constante o
eventualmente, cero.

No emplear SI(), ABS(), MAX(), MIN() y dems funciones, o alguna otra funcin no lineal,
dentro de las celdas que use para la formulacin del modelo de PL. Tales funciones son aceptables
en las dems celdas de la planilla de clculo, pero slo si su evaluacin no puede afectar directa o
12
indirectamente el clculo de la celda de la FO durante el proceso de optimizacin de Solver, en el
cual se ensaya con valores de decisin alternativos.

La inclusin de cualquier restriccin de no negatividad para las variables de decisin (x
n
> 0) en
la planilla de clculo misma, es opcional y por lo comn se omite, pues se prefiere especificarla
directamente en el cuadro de dilogo de Solver.

Como ejemplo, se presenta en Fig. 2.5 el esquema de la planilla de clculo para el problema de 2.2,
recordando que las expresiones de FO y restricciones eran:

(MAX) Z = 5 x
1
+ 4 x
2
sujeta a:

0,6 x
1
+ 0,4 x
2
< 2,4 (1)
0,4 x
1
+ 0,6 x
2
< 1,8 (2)
x
2
< 2 (3)
y las obvias: x
1
> 0 (4)
x
2
> 0 (5)


Figura 2.5





Variables de Valor de Holgura o
Coeficientes de la FO decisin PL la FO Superavit en
Las condicio-
Rtulos nes de recur-
Plan de produccin sos o reque-
Producto (pintura) PPE (x1) PPI (x2) rimientos
Cant a producir (ton) 3,6 0,6 Ganancias
Contrib ala FO (miles de $/ton) 5 4 20.400
Restricciones Total L I L D H/S
Base acrlica 0,6 0,4 2,4 2,4 0
Diluyente 0,4 0,6 1,8 1,8 0
Venta de PPI 1 0,6 2 1,4

Coeficientes de recursos Totales de recursos
o requerimientos o requerim. L I Totales de recursos
o requerim. L D


Las celdas sombreadas, corresponden a los resultados luego de la optimizacin.


La construccin del modelo para el problema de 2.2, como se observa en Fig. 2.6, correspondera
realmente a la siguiente planilla de clculo de Excel, "depurada" de las acotaciones de la Fig. 2.5:



Figura 2.6 - Modelo de PL en Excel


Plan de produccin
13
Productos (pinturas) PPE (x1) PPI (x2)
Cant producida (ton) Ganancias
Contrib a FO (miles de $/ton) $ 5 $ 4
Restricciones Utilizacin de recursos Total LI LD H/S
Base acrlica 0,6 0,4 <= 2,4
Diluyente 0,4 0,6 <= 1,8
Colocacin mercado PPI 1,0 <= 2,0



Las celdas sombreadas (salvo las que estn debajo de las variables de decisin, en las que
aparecern sus valores luego de las optimizacin), correspondientes a Ganancias, Total LI y H/S,
llevan las frmulas de: la FO, restricciones y la holgura (H) o supervit (S), como se ve en la
planilla de la Fig 2.7, en la que aparecen las frmulas.


Figura 2.7 Planilla con frmulas


Plan de produccin
Productos (pinturas) PPE (x1) PPI (x2)
Cant producida (ton) Ganancias
Contrib a FO (miles de $/ton) 5 4 =C5*C4+D5*D4
Restricciones Utilizacin de recursos Total LI LD H/S
Base acrlica 0,6 0,4 =C7*C$4+D7*D$4 <= 2,4 =G7-E7
Diluyente 0,4 0,6 =C8*C$4+D8*D$4 <= 1,8 =G8-E8
Colocacin mercado PPI 1 =C9*C$4+D9*D$4 <= 2 =G9-E9


2.14 OPTIMIZACION DE LOS MODELOS DE PL

Como se expresara en 2.13, Solver ser la herramienta a utilizar para la optimizacin. El paquete
suplementario de Solver, consiste bsicamente en dos programas. El primero es un programa que
traduce el modelo de la planilla de clculo de Excel en una representacin interna, utilizada por el
segundo programa.

Este ltimo, residente en memoria como mdulo de software independiente fuera de Excel, realiza
la optimizacin y devuelve la solucin al primero, para que actualice la planilla de clculo. Las
iteraciones de Solver, para llegar a la solucin ptima, corresponden al algoritmo SIMPLEX

Los pasos involucrados abarcan lo siguiente:

1. Arrancar Excel y ejecutar normalmente las operaciones de construccin del modelo descriptas
en 2.13.
2. Una vez desarrollado y depurado el modelo y fundamentalmente, GUARDADO EN DISCO,
optimizarlo eligiendo el comando Solver, del Men Herramientas de Excel.
3. El programa complementario Solver y su mdulo de optimizacin se cargarn en la memoria.
Al terminar el proceso de carga, Solver presenta un cuadro de dilogo donde solicita
informacin para el proceso de optimizacin.
14

4. Despus de especificar ciertos detalles de organizacin, como la celda que contiene la frmula
de la FO (la que se va a optimizar), el rango de las celdas cambiantes (las de las variables de
decisin), las restricciones segn sea el signo de desigualdad y de seleccionar en el cuadro de
dilogo de opciones Asumir modelo lineal y No negatividad de las variables, pulsar el
botn "Resolver" de dicho cuadro de dilogo.

5. Se iniciar el proceso de optimizacin, el que puede tardar muy poco, segn las dimensiones del
problema de PL.

6. Suponiendo ausencia de errores en el modelo de PL de la planilla de clculo, Solver presentar
un cuadro de dilogo de Resultados, en el que se podrn solicitar informes y ordenar al
programa que actualice las celdas de decisin del modelo original con los valores ptimos.
Solver crea cada uno de los informes solicitados en una planilla de clculo nueva, que se puede
guardar e imprimir.

7. A partir de aqu, se pueden hacer proyecciones del tipo "qu pasara si?", para llevar a cabo,
por ejemplo, anlisis de sensibilidad en la vecindad de las decisiones ptimas.


2.14.1 Terminologa de Solver

Dado que el programa "visualiza" el planteo del problema a travs de una planilla de clculo y no
como la representacin simblica que se usa en los modelos de PL, hay un cambio de terminologa,
aunque las diferencias no son significativas.


La Tabla 2-3, resume lo expresado precedentemente


Tabla 2.3


Terminologa en modelos simblicos de PL Terminologa de Solver
Funcin Objetivo (FO) Celda objetivo
Variables de decisin
Cambiando las celdas (bien
traducido, sera Celdas cambiantes)
Restricciones Restricciones
Funcin de restriccin (Lado Izquierdo) Referencia de la celda de restriccin
Lado Derecho Restriccin
Modelo de PL Asumir modelo lineal







La Fig. 2.8, muestra un diagrama de flujo de Solver acorde con los pasos descriptos
precedentemente.

15

Iniciar Excel
Construir o abrir el modelo a optimizar
GRABAR EL LIBRO
Seleccionar Solver en el men Herramientas
Especificar dentro del cuadro de dilogo de Solver:
1. La celda que se va a optimizar.
2. Las celdas cambiantes.
3. Las restricciones.
En el dilogo de opciones, pulsar en "Asumir modelo lineal y a continuacin, "Aceptar"
Pulsar el botn "Resolver" para iniciar la optimizacin
Leer atentamente el mensaje de terminacin de Solver
Encontr Solver la
solucin ptima?
Pulsar en "Utilizar la solucin de Solver" y a continuacin el botn "Aceptar"

Desea modificar
el modelo y volver
a optimizar?
Guardar el modelo final y salir de Excel
Modificar modelo
No
S
S
No
Figura 2.8
16
2.14.2 Optimizacin empleando SOLVER

Los pasos involucrados, se vern en detalle en el Trabajo Prctico respectivo.

La planilla del modelo del problema de 2.2, con los resultados de Solver, se observa en la Fig. 2.9

Figura 2.9
Plan de produccin
Productos (pinturas) PPE (x1) PPI (x2)
Cant producida (ton) 3,6 0,6 Ganancias
Contrib a FO (miles de $/ton) $ 5 $ 4 $ 20,4
Restricciones Utilizacin de recursos Total LI LD H/S
Base acrlica 0,6 0,4 2,4 <= 2,4 0,0
Diluyente 0,4 0,6 1,8 <= 1,8 0,0
Colocacin mercado PPI 1,0 0,6 <= 2,0 1,4

Por su parte, el Informe de Resultados de Solver, es otra hoja (planilla) del cuaderno, como el que
se observa en Fig. 2.10, retocado algo en cuanto a alineacin y visualizacin de las celdas:

Figura 2.10
Celda objetivo (Mximo)
Celda Nombre Valor original Valor final
$E$5 Contrib a FO (miles de $/ton) Ganancias $ 0 $ 20,4

Celdas cambiantes
Celda Nombre Valor original Valor final
$C$4 Cant producida (ton) PPE (x1) 0,0 3,6
$D$4 Cant producida (ton) PPI (x2) 0,0 0,6

Restricciones
Celda Nombre Valor de la celda frmula Estado Divergencia
$E$7 Base acrlica Total LI 2,4 $E$7<=$G$7 Obligatorio 0
$E$8 Diluyente Total LI 1,8 $E$8<=$G$8 Obligatorio 0
$E$9 Colocacin mercado PPI Total LI 0,6 $E$9<=$G$9 Opcional 1,4

Se observa en la columna debajo de Valor Original, tanto para la FO como para ambas variables de
decisin, el valor $ 0, que corresponde a la iteracin inicial del algoritmo, que en el mtodo grfico,
se corresponde con la exploracin en el origen de coordenadas: x
1
= x
2
= 0.

En la columna Valor final, los resultados corresponden tanto a la FO como a las variables de
decisin (x
1
y x
2
) en el ptimo.

En el caso de las restricciones, debajo de Valor de la celda, se encuentran los resultados para el LI
de cada restriccin

Debajo de Estado, el programa define la categora de la restriccin como Obligatoria u Opcional,
que se corresponde a lo definido en 2.5 para restricciones Activas e Inactivas respectivamente. La
ltima, por ser Opcional (Inactiva), se puede suprimir sin afectar la solucin obtenida.

La columna Divergencia, es la diferencia (Holgura en este caso para las tres restricciones) entre LD
y LI en el ptimo.


17
Dpto. ING. QUIMICA
Asignatura: INVESTIGACION DE OPERACIONES
GUIA DE TRABAJOS PRACTICOS

La presente, contempla problemas relacionados con cada una de las Unidades
Temticas desarrolladas en las Clases Tericas.

Para cada serie de problemas, se exponen problemas resueltos como ejemplo.

Durante el desarrollo de los Trabajos Prcticos, se resolvern dichos problemas en la
medida que el tiempo lo permita o, se seleccionarn para su resolucin, aquellos que
se consideren ms representativos.


Para el caso particular de la Unidad Temtica 1, no se abordan problemas, atento
a que en todas las dems U T, la resolucin de los problemas respectivos, implica la
elaboracin previa de un modelo con los datos de los mismos.-

I In ng g. . Q Qc co o. . A Al lb be er rt to o M Ma ar r n nd do ol la a
P Pr ro of fe es so or r T Ti it tu ul la ar r

----ooOoo----








18
INVESTIGACION DE OPERACIONES - U T 2 - Modelos de Programacin Lineal.



PROBLEMA N 1 - Resolver grficamente

(MIN) Z = 2 x
1
+ 4 x
2
sujeta a:
(1) -5 x
1
+ 7 x
2
4
(2) 1,9 x
1
+ 2 x
2
9
(3) 2,6 x
1
+ 6,9 x
2
9,5
(4) -2 x
1
+ x
2
1,1


PROBLEMA N 2 - Resolver grficamente

(MIN) Z = 600 x
1
+ 1800 x
2
sujeta a:
(1) x
1
+ x
2
2,4
(2) 0,21 x
1
+ 0,3 x
2
0
(3) 0,03 x
1
+ 0,01 x
2
0


PROBLEMA N 3 - Resolver grficamente

(MAX) Z = 2 x
1
+ 1,5 x
2
sujeta a:
(1) 0,2 x
1
+ 0,2 x
2
1
(2) x
1
6


PROBLEMA N 4 - Resolver grficamente

(MAX) Z = 6 x
1
+ 4 x
2
sujeta a:
(1) 0,6 x
1
+ 0,4 x
2
2,4
(2) 0,1 x
1
+ 0,2 x
2
0,6
(3) x
2
2


PROBLEMA N 5 - Resolver grficamente

(MAX) Z = 5 x
1
+ 4 x
2
sujeta a:
(1) 6 x
1
+ 4 x
2
6
(2) x
1
+ 2 x
2
6
(3) x
2
2


PROBLEMA N 6 - Resolver grficamente

(MAX) Z = 5 x
1
+ 4 x
2
sujeta a:
(1) 6 x
1
+ 4 x
2
24
(2) x
1
+ 2 x
2
6
(4) x
2
1,5


PROBLEMA N 7 - Resolver grficamente

(MIN) Z = 4 x
1
+ x
2
sujeta a:
(1) 4 x
1
+ 3 x
2
6
(2) x
1
+ 2 x
2
4

PROBLEMA N 8

Una seccin de una fbrica, produce dos artculos A y B, siendo los lmites mximos de produccin 600 y 450 unidades
de cada uno respectivamente.
19
Los sectores productivos involucrados, sus capacidades mximas y lo consumido por cada unidad, se resumen en el
cuadro siguiente:


Capacidad mxima
en horas Hombre
hs. Hombre
por unidad
A B
Maquinado 15.000 30 15
Ajuste 9.000 10 10
Armado 7.000 12 10


El beneficio neto obtenido por la venta de cada unidad A y B es de $ 30 y $ 20 respectivamente. Determinar,
desarrollando el modelo en planilla de clculo, las cantidades de A y B a fabricar para que el beneficio sea mximo.


PROBLEMA N 9

Se dispone de dos tipos de vinagre: A y B, cuyos tenores volumtricos en cido actico son en ese orden, 5 % y 3 % y
cuestan $ 0,30 y $ 0,20 el litro respectivamente.

Se desea preparar no menos de 1.000 litros de un vinagre con acidez intermedia, no mayor a 3,5 %, utilizando de A y B,
no menos de 150 y 600 litros respectivamente.

Determinar, desarrollando el modelo en planilla de clculo, qu cantidad de ambos vinagres proporcionar la mezcla
deseada a un costo mnimo.

PROBLEMA N 10

Una planta oleaginosa, decide elaborar un nuevo producto, destinado a la alimentacin de ganado, basado en un
subproducto como la torta de lino, mezclado con semilla de cebada.
Desde el punto de vista nutricional, se deben contemplar en la mezcla las siguientes premisas:

1. El contenido de protenas, no debe ser inferior al 8 %, ni superior al 12 % (en peso).

2. El contenido graso, no debe ser menor al 2 % ni mayor al 5 % (en peso).

3. Si bien la torta de lino es muy apetecida por el ganado, no puede superar en la mezcla el 15 % en peso, debido a
que es ligeramente irritante en mayores proporciones. En cambio, la cebada, gustada en menor grado, puede
mezclarse sin lmites, dado que no posee contraindicacin.

Las cantidades porcentuales de protenas y grasas en promedio, para ambos alimentos bsicos, as como su costo por kg
se resumen en el cuadro siguiente:

Alimento
Torta de lino Cebada Restricciones
Nutrientes
Protenas (%) 32 6,4
No inferior al 8 %
No superar el 12 %
Materia grasa (%) 8 2
No menor al 2 %
No mayor al 5 %
Costo [$/kg] 10 7 -. -
Restricciones (%) 15 % mximo Sin restricciones - . -
Estudios de mercado, han evaluado una demanda diaria del nuevo producto, no inferior a 1.000 kg.

Desarrollar el modelo en planilla de clculo, hallando la mezcla de alimentos que, cumpliendo con las restricciones
impuestas, minimice el costo para la produccin diaria estimada.

Hay alguna restriccin opcional o inactiva y si la hay, qu sentido tiene?.



20
PROBLEMA N 11

Una fbrica tiene un contrato para recibir 60.000 kg de tomates maduros, con los cuales produce jugo as como pur
enlatados.

Los productos enlatados se empacan en cajas de 24 latas. Una lata de jugo requiere 1 kg de tomates frescos y una lata de
pur, slo requiere 1/3 de kg.

La participacin en el mercado de la compaa se limita a 2.000 cajas de jugo y 6.000 cajas de pur.

Los beneficios netos por cada caja de jugo y de pur, son de $ 18 y $ 9 respectivamente.

Desarrollar el modelo en planilla de clculo, determinando el programa ptimo de produccin que maximice la utilidad.



PROBLEMA N 12

La operacin de destilacin primaria de una destilera, cuya capacidad es no menor a 25.000 [m
3
/da], puede procesar
cuatro crudos de petrleo (A, B, C y D) a fin de obtener cuatro subproductos: nafta, combustible para aviones o jet-
fuel (similar al kerosene), gas-oil y un residual pesado compuesto de fuel-oil y otros hidrocarburos, que se destina en la
misma destilera, a la destilacin secundaria o destructiva (cracking).

Las disponibilidades y costos de cada crudo, as como las fracciones de cada subproducto que proporcionan los crudos y
demandas de cada subproducto, se detallan en el cuadro siguiente

C r u d o s
A B C D
Subproducto Rendimiento en subproducto Demanda subproducto
Nafta 0,1 0,3 0,2 0,25 mnimo 5000 [m
3
/da]
Jet-fuel 0,3 0,2 0,2 0,10 mnimo 6000 [m
3
/da]
Gas-oil 0,2 0,2 0,4 0,30 mximo 6100 [m
3
/da]
Residual pesado 0,4 0,3 0,2 0,35 mximo 10000 [m
3
/da]
Disponib. mxima [m
3
/da] 10000 10000 10000 10000
Costo crudo [$/m
3
] 100 300 150 210

Desarrollando el modelo en planilla de clculo, obtener el consumo de crudos que, respetando las restricciones del
problema, minimice la funcin objetivo. Cul es la capacidad utilizada de la destilera para el programa ptimo?



PROBLEMA N 13

Se desea fabricar no ms de 4000 kg de una aleacin anti-friccin (para re-metalado de cojinetes), a partir de cuatro
metales: Sn, Sb, Cu y Pb, este ltimo considerado como impureza. El precio de venta se ha estimado en $ 44/kg.

Los cuatro metales, se recuperan de tres rezagos, cuya disponibilidad y costo, se detallan en la tabla siguiente:

Rezago
Cantidad mxima Costo
Disponible (kg) ($/kg)
R1 500 19
R2 2000 24
R3 1600 29

Desarrollar el modelo en planilla de clculo y determinar:

a) Qu cantidad de aleacin debe producirse, que maximice el beneficio neto?

b) Cunto de cada rezago debe asignarse a la produccin de la aleacin?

21
PROBLEMA N 14

Una refinera, posee una capacidad de procesado de 600.000 barriles de petrleo/da. Los productos finales,
comprenden dos tipos de naftas sin plomo: comn y sper.

El proceso de refinado abarca dos etapas. Una torre (1) de destilacin primaria (topping), que produce la fraccin de
nafta comn. Segn las especificaciones de diseo de la torre, se necesitan 5 barriles de crudo para producir 1 barril de
nafta.

Parte de la corriente que egresa de ella, no se destina a nafta comn, sino que ingresa a la etapa siguiente: una torre (2)
de craqueo, de la que egresa un concentrado de nafta, con las caractersticas propias de la nafta sper, la que puede
designarse como sper, grado premium.

La refinera cuenta con una unidad de mezclado (3), la que permite producir eventualmente un segundo tipo de nafta
sper, de octanaje intermedio, resultante de mezclar una fraccin del concentrado (grado premium) procedente del
craqueo y una fraccin de la nafta comn, proveniente de la torre de destilacin primaria.

La compaa estima que la utilidad neta de la nafta comn (1C) es de $ 24/barril, mientras que las de las naftas sper
(3S) y premium (2S) son de $ 16/barril y $ 36/barril respectivamente.

Los lmites para las demandas, son, de 80.000 barril/da para la nafta comn y de 50.000 barril/da para el total de naftas
sper.

Desarrollar en planilla de clculo un modelo para la refinera y determinar el programa de produccin ptimo que
maximice la utilidad neta global de la refinera.



PROBLEMA N 15

Una compaa, es propietaria de tres minas (1, 2 y 3), que producen cierto tipo de mineral. Dichos yacimientos estn
localizados en distintas partes el pas y en consecuencia, presentan diferencias en sus capacidades de produccin y en la
calidad de su mineral.
Despus de ser molido, el mineral se clasifica en tres clases de calidades: alta (A), mediana (M) y baja (B).

La compaa, debe cumplir con un contrato de suministro a una planta de fundicin consistente en al menos 12 ton/sem
de mineral calidad A, 8 ton/sem de calidad M y 35 ton/sem de calidad B.

El costo operativo diario de cada mina, es de $ 19.000 para la 1, $ 17.000 para la 2 y $ 9.500 para la 3.

En un da de operacin, la 1 produce 6 ton de mineral de calidad A, 2 ton de calidad M y 4 ton de calidad B, la 2,
produce 2 ton de mineral de calidad A, 2 ton de calidad M y 12 ton de calidad B y la 3, produce 6 ton de mineral de
calidad A, 1 ton de mineral de calidad M y 3 ton de calidad B.

Los datos precedentes, se resumen en el cuadro siguiente:



Calidad del Produccin [ton/da] Contrato de
mineral producido Mina 1 Mina 2 Mina 3 suministro
A 6 2 6 12 [ton/sem]
M 2 2 1 8 [ton/sem]
B 4 12 3 35 [ton/sem]
Costo operativo [$/da] 19.000 17.000 9.500



Desarrollar el modelo en planilla de clculo y determinar el mejor programa de produccin que minimice el costo
operativo global. NOTA: se aceptan fracciones de da en los resultados.-



22
PROBLEMA N 16

Una planta lctea, cuya capacidad lmite de procesado es de 24.000 litros/da, produce leche entera (E), la que no debe
superar el 50% del caudal procesado. Con el resto de la leche, se produce leche parcialmente descremada (D) y crema
(C), cuyos rendimientos, en ese orden, no superan el 60 y 40 %.

Las demandas de D y C, son al menos, de 14.000 y 9.000 litros/da respectivamente. El beneficio bruto por la venta de
los tres productos es de $ 0,50, $ 0,60 y $1,20 por litro respectivamente, mientras que la leche a procesar, se paga a los
productores a razn de $ 0,40 el litro.

Desarrollar el modelo en planilla de clculo y determinar el mejor programa de produccin que maximice el beneficio
neto.



PROBLEMA N 17

Una compaa, fabrica y envasa tres productos para uso comercial, derivados del procesado de naranjas: jugo natural,
concentrado de jugo y mermelada, en envases de 5 litros.

Se dispone anualmente de 100.000 kg de naranjas compradas a granel a $ 0,30/kg, siendo la distribucin por calidades:
42 % Grado 1; 53 % Grado 2 (menor calidad) y un 5 % de calidad inferior a ambos grados, que se desecha
descartndola del proceso.

La mermelada utiliza naranjas Grado 1 y los restantes productos Grado 2.

La tabla siguiente muestra los distintos usos de las naranjas, la demanda anual, as como la utilidad bruta para cada
producto.

Producto
Calidad de la
naranja
kg de naranja por
envase de 5 litros
Demanda mxima
(env./ao)
Utilidad bruta
($/env.)
Jugo natural Grado 2 1,800 18.000 3,20
Concentrado Grado 2 3,600 6.000 7,10
Mermelada Grado 1 2,500 36.000 4,90

Desarrollar en planilla de clculo el modelo para este problema y programar la produccin, de modo de maximizar la
utilidad neta.



PROBLEMA N 18

Una compaa produce melazas (M), azcar morena (AM), azcar refinada o blanca (AB) y azcar pulverizada o
impalpable (AP), a partir del jarabe de la caa, del que procesa 4.000 ton/sem. El proceso se inicia produciendo M y
AM a partir del jarabe. Una tonelada de jarabe, rinde 0,1 ton de M y 0,3 ton de AM. Despus, el AB se elabora
refinando el AM. Se requiere 1 ton de AM para producir 0,8 ton de AB. Finalmente, el AP se fabrica a partir del AB por
medio de un proceso de molido especial, que rinde no ms de un 95% en AP. Un esquema del proceso, con sus
rendimientos, sera el siguiente:




10% de melazas M
4000 ton/sem de jarabe
30% de azcar morena
A
B AP
(a venta)
AM AB
(a venta) (a venta)
80% <= 95%
23



Las utilidades brutas por tonelada de AM, AB y AP son de $ 450, 600 y 690 respectivamente. Desarrollar en planilla de
clculo un modelo que permita a la compaa afrontar un contrato para entregar no menos de 150 y 750 ton/sem de AM
y AB respectivamente y no ms de 50 ton/sem de AP.

a) Determinar el programa de produccin ptimo y su beneficio resultante.

b) Si la empresa pretendiera un beneficio neto en la venta, igual al 20% del beneficio bruto, hasta qu precio estara
dispuesta a pagar la tonelada de jarabe, destinado a cumplir dicho contrato?



PROBLEMA N 19

Se debe preparar no ms de 1.000 kg de una aleacin ferro-manganeso, la que ha de contener como mnimo 2,5% de C
y 2% de Mn, a partir de material recuperable bajo la forma de cuatro rezagos: A, B, C y D, cuya composicin,
disponibilidad y costo, se exponen en la tabla siguiente:



A B C D
% de C 4 3 2 1
% de Mn 1 2 3 0
% de Fe
Disp. [kg] no ms de 10 no menos de 200 no menos de 450 no ms de 10
Costo [$/kg] 8 10 15 4
Rezagos
el resto
Desarrollar en planilla de clculo el modelo para este problema, determinando la mezcla de costo mnimo.



PROBLEMA N 20

Una bodega, desea mezclar su produccin de tres cosechas diferentes, para elaborar tres tipos de vinos: A, B y C.

Las restricciones sobre el porcentaje de composicin de las mezclas, las disponibilidades de cada cosecha as como el
precio de venta por litro de cada tipo de vino, se muestran en la tabla siguiente:



Vino tipo
Cosecha Precio de
1 2 3 Venta ($/l)
A
No menos del
75%
No menos del
75%
Sin restriccin 17,50
B Sin restriccin
No menos del
20%
No menos del
35%
10,50
C
No menos del
20%
Sin restriccin
No menos del
50%
7,50
Disponib.: (l) 720 1.000 800


a) Desarrollar el modelo en planilla de clculo y programar la produccin de mezclas, a fin de lograr el mximo
beneficio.

b) Cuntos litros de cada vino se producirn?


24
PROBLEMA N 21

Se dispone de un vehculo con capacidad interior de 20 m
3
. El mismo, es contratado por una fbrica para hacer acarreos
de mercanca, desde la planta de produccin, hacia los puntos de distribucin. La mercanca est empacada en cajas de
3 tamaos diferentes. Caja tipo 1: 1 m3; Caja tipo 2: 1.2 m3 y Caja tipo 3: 0.8 m3, siendo la ganancia por transportar
cada tipo de caja de 50, 56 y 40 $/caja respectivamente.

Cmo se debera llenar el vehculo para minimizar el costo de cada viaje que se contrate, si se quisiera transportar
como mximo 5 cajas tipo 1, y como mnimo 8 cajas tipo 2 y 10 cajas tipo 3 en cada viaje?


PROBLEMA N 22

Una empresa desea diversificar sus inversiones en activos financieros para el prximo ao, a partir de parte de sus
utilidades, disponiendo actualmente y para tal fin de $ 600.000 para invertir en plazo fijo (PF), bonos del gobierno (B),
cdulas hipotecarias (CH) y un fondo de inversin (FI), cuyos rendimientos anuales son del 11%, 12%, 9% y 18%
respectivamente. Para asegurar que la cartera de la empresa no sea demasiado arriesgada, se han impuesto algunas
restricciones.
Dada la naturaleza de la inversin en FI como de mediano riesgo, el monto a invertir no deber superar el 10% del total
disponible. La cantidad invertida en B y CH no puede ser mayor que la inversin en PF.
La inversin en PF no debe ser inferior al 40% del total de la cantidad invertida.
Se desea determinar el programa que maximice el rendimiento de la cartera de inversiones de la empresa.


PROBLEMA N 23

Cuatro productos se procesan en secuencia en 2 mquinas. La siguiente tabla proporciona los datos pertinentes.



Desarrollar el modelo en planilla de clculo, determinando la solucin que maximice el beneficio neto.
PROBLEMA N 24

Se desea preparar no ms de 580 kg de un termoplstico (t), a partir del reciclado de material recuperable, el que ha de
contener como mnimo 4% de plastificante (p) y no ms de 2% de carga (c). Se dispone de cuatro insumos, cuya
disponibilidad, composicin y costo se exponen en la tabla siguiente:



R1 R2 R3 R4
% de p 3 4 5 6
% de c 3 2,5 1 1,5
% de r
Disp. [kg] no ms de 250 no ms de 200 no menos de 450 no menos de 100
Costo [$/kg] 4 8 10 15
el resto
Material recuperable
Determinar la mezcla de costo mnimo.

----ooOoo----





Mquina Costo ($/HH) Producto 1 Producto 2 Producto 3 Producto 4
M1 10 2 3 4 2
M2 5 3 2 1 2
65 70 55 45
Tiempo de procesado en cada mquina (HH/unidad)
Cap. disponible (HH)
500
380
Precio de venta ($/unidad)
25
SOLUCION GRAFICA DEL PROBLEMA N 1

Graficando las restricciones para la condicin igual (ecuaciones), resulta la regin de soluciones o conjunto
restringido delimitado por el polgono ABCD, que no comprende al origen.





De acuerdo con el sentido decreciente de la familia de rectas Z = cte. (se busca minimizar), intuitivamente se
advierte que no vale la pena determinar los valores de Z para los vrtices C y D.

Se lo har para los vrtices A y B:

Las coordenadas de A son las de la interseccin de las rectas para las restricciones (3) y (4), cuyas
ecuaciones son:

(3) 2,6 x1 + 6,9 x2 = 9,5 y (4) 2 x1 + x2 = 1,1

Resolviendo, las coordenadas de A son (redondeando valores) x1 = 0,117 y x2 = 1,333

El valor de Z
A
= 2 . 0,117 + 4 . 1,333 = 0,234 + 5,332 = 5,566

Las coordenadas de B son las de la interseccin de las rectas para las restricciones (1) y (3), cuyas
ecuaciones son:

(1) 5 x1 + 7 x2 y (3) 2,6 x1 + 6,9 x2 = 9,5

Resolviendo, las coordenadas de B son (redondeando valores) x1 = 0,738 y x2 =1,099
El valor de Z
B
= 2 . 0,738 + 4 . 1,099 = 1,476 + 4,396 = 5,872

Luego, los valores que minimizan a Z son X1 = 0,117 y X2 = 1,333

para Z
MIN
= Z
A
5,57



26
SOLUCION ANALITICA DEL PROBLEMA N 8

Las variables de decisin son los dos artculos A y B, que se identificarn como x
1
y x
2
respectivamente.

F.O.: (MAX) Z = 30 x
1
+ 20 x
2
sujeta a las siguientes restricciones:

(Horas Hombre Maquinado) (1) 30 x
1
+ 15 x
2
15000 [H H]

(Horas Hombre Ajuste) (2) 10 x
1
+ 10 x
2
9000 [H H]

(Horas Hombre Armado) (3) 12 x
1
+ 10 x
2
7000 [H H]

(Produccin de A) (4) x
1
600 [unidades]

(Produccin de B) (5) x
2
450 [unidades]

Para este problema, la planilla de frmulas correspondientes ser:

Programa de produccin
Productos Artculo A (x1) Artculo B (x2)
Cantidad Ganancias
Contrib a la FO 30 20 =$C$5*$C$4+$D$5*$D$4
Restricciones Utilizacin Total LI LD H/S
Maquinado (HH) 30 15 =C7*$C$4+D7*$D$4 <= 15000 =G7-E7
Ajuste (HH) 10 10 =C8*$C$4+D8*$D$4 <= 9000 =G8-E8
Armado (HH) 12 10 =C9*$C$4+D9*$D$4 <= 7000 =G9-E9
Prod mx de A 1 =C10*$C$4+D10*$D$4 <= 600 =G10-E10
Prod mx de B 1 =C11*$C$4+D11*$D$4 <= 450 =G11-E11


La solucin que proporciona SOLVER:

Programa de produccin
Productos Artculo A (x1) Artculo B (x2)
Cantidad 375 250 Ganancias
Contrib a la FO $ 30 $ 20 $ 16.250
Restricciones Utilizacin recursos Total LI LD H/S
Maquinado (HH) 30 15 15000 <= 15000 0
Ajuste (HH) 10 10 6250 <= 9000 2750
Armado (HH) 12 10 7000 <= 7000 0
Prod mx de A 1 375 <= 600 225
Prod mx de B 1 250 <= 450 200

El Informe de Respuestas es:

Celda objetivo (Mximo)
27
Celda Nombre Valor original Valor final
$E$5 Contrib a la FO Ganancias $ 16.400 $ 16.250
Celdas cambiantes
Celda Nombre Valor original Valor final
$C$4 Cantidad Artculo A (x1) 380 375
$D$4 Cantidad Artculo B (x2) 250 250
Restricciones
Celda Nombre Valor de la celda frmula Estado Div.
$E$7 Maquinado (HH) Total LI 15000 $E$7<=$G$7 Obligatorio 0
$E$11 Prod mx de B Total LI 250 $E$11<=$G$11 Opcional 200
$E$9 Armado (HH) Total LI 7000 $E$9<=$G$9 Obligatorio 0
$E$10 Prod mx de A Total LI 375 $E$10<=$G$10 Opcional 225
$E$8 Ajuste (HH) Total LI 6250 $E$8<=$G$8 Opcional 2750

Z
MAX
= $ 16.250

para x
1
= A = 375 unidades y x
2
= B = 250 unidades
Por su parte, las divergencias: H = 225 y H = 200, son las unidades no producidas de A y B respectivamente.

H = 2750, son las HH no utilizadas de la seccin Ajuste.

Se observa que las restricciones para la produccin mxima de A y B, as como la de la capacidad de la
Seccin Ajuste, son opcionales, por lo que podran obviarse del modelo sin alterar la solucin.

SOLUCION ANALITICA DEL PROBLEMA N 11

Las variables de decisin son x
1
y x
2
, el nmero de cajas de jugo y pur que la compaa debe producir.

Teniendo en cuenta el rendimiento por lata de cada producto y la cantidad de latas (24) por caja:

1 caja de jugo = 24 [latas de jugo/caja] . 1 [kg tomate/lata de jugo] = 24 [kg tomate/caja]
1 caja de pur = 24 [latas de pur/caja] . (1/3) [kg tomate/lata de pur] = 8 [kg tomate/caja]

F.O.: (MAX) Z = 18 x
1
+ 9 x
2
sujeta a:
(1) 24 x
1
+ 8 x
2
60000 [kg tomates]
(2) x
1
2000 [cajas de jugo]
(3) x
2
6000 [cajas de pur]
El modelo de Excel con sus frmulas y su solucin empleando Solver ser:

Programa de produccin
Productos Cajas jugo (x
1
) Cajas pur (x
2
)
Cant producida 0 0 Ganancias
Contrib a FO por caja 18 9 =C5*$C$4+D5*$D$4
Restricciones Utilizacin recursos Total LI LD H/S
Tomates [kg] 24 8 =C7*$C$4+D7*$D$4 <= 60000 =G7-E7
Ventas cajas jugo 1 =C8*$C$4+D8*$D$4 <= 2000 =G8-E8
Ventas cajas pur 1 =C9*$C$4+D9*$D$4 <= 6000 =G9-E9
28


Programa de produccin
Productos Cajas jugo (x1) Cajas pur (x2)
Cant producida 500 6000 Ganancias
Contrib a FO por caja $18 $9 $63.000
Restricciones Utilizacin recursos Total LI LD H/S
Tomates [kg] 24 8 60000 <= 60000 0
Ventas cajas jugo 1 500 <= 2000 1500
Ventas cajas pur 1 6000 <= 6000 0

Cuyo informe de resultados es:
Celda objetivo (Mximo)
Celda Nombre Valor original Valor final
$E$5 Contrib a FO por caja Ganancias $63.000 $63.000
Celdas cambiantes
Celda Nombre Valor original Valor final
$C$4 Cant producida Cajas jugo (x
1
) 500 500
$D$4 Cant producida Cajas pur (x
2
) 6000 6000
Restricciones
Celda Nombre Valor de la celda frmula Estado Divergencia
$E$7 Tomates [kg] Total LI (1) 60000 $E$7<=$G$7 Obligatorio 0
$E$8 Ventas cajas jugo Total LI (2) 500 $E$8<=$G$8 Opcional 1500
$E$9 Ventas cajas pur Total LI (3) 6000 $E$9<=$G$9 Obligatorio 0


SOLUCION ANALITICA DEL PROBLEMA N 15

El modelo correspondiente es el siguiente:
Se asigna como variables de decisin a la fraccin semanal que operar cada mina: x
1
[da op. Mina1/sem],
x
2
[da op. Mina2/sem] y x
3
[da op. Mina3/sem]
La FO a plantear, ser aquella que pretenda minimizar los costos operativos y tiene por expresin:
(MIN)Z = 19.000 . x
1
+ 17.000 x
2
+ 9.500 . x
3
[$/sem] sujeta a las siguientes restricciones:

Suministro minerales por contrato:

de calidad A (1): 6 x
1
+ 2 x
2
+ 6 x
3
12 [ton/sem]
de calidad M (2): 2 x
1
+ 2 x
2
+ x
3
8 [ton/sem]
de calidad B (3): 4 x
1
+ 12 x
2
+ 3 x
3
35 [ton/sem]
La planilla de Excel correspondiente al modelo es:


x
1
x
2
x
3
Fraccin semanal op. [da/sem] Costo op.
Contribucin a la FO [$/da op.] 19000 17000 9.500 0 ($/sem)
Restricciones Total LI LD H/S
Suministro mineral A [ton/sem] 6 2 6 0 >= 12 -12
Suministro mineral M [ton/sem] 2 2 1 0 >= 8 -8
Suministro mineral B [ton/sem] 4 12 3 0 >= 35 -35
29

La solucin suministrada por software es:



Z
MIN
= $ 68.800/sem Para cumplir con el contrato semanal, la M2 deber operar: x
1
= 3,6 [da/sem] y la M3:
x
3
= 0,8 [da/sem]


SOLUCION ANALITICA DEL PROBLEMA N 18

a) El modelo correspondiente para la procesadora de azcares es el siguiente:
Se asigna como variables de decisin a los tres tipos de azcares slidos a vender: AM, AB, y AP.

La FO a plantear: (MAX)Z = 450 AM + 600 AB + 690 AP [$/sem]

Produccin de azcares:
De acuerdo con el diagrama de flujo, se definen dos "variables intermedias", que no aparecern en la FO: A
para el azcar morena y B para el azcar refinada o blanca. De acuerdo con los datos de rendimientos de
conversin, se tiene que:

A = 0,3 . 4.000 = 1.200 ton/sem
B = 0,8 (A - AM) = 0,8 . 1.200 - 0,8 AM = 960 - 0,8 AM

Por su parte, la produccin de AP ser: AP <= 0,95 (B - AB) ton/sem

Remplazando la expresin de B:
AP <= 0,95 ( 960 - 0,8 AM - AB) ton/sem
Resolviendo y reordenando, resulta la restriccin (1):

(1) 0,76 AM + 0,95 AB + AP <= 912 (ton/sem), que relaciona la produccin de azcares slidos.

Ventas por contrato:

de AM (2): AM 150 (ton/sem)
de AB (3): AB 750 (ton/sem)
de AP (4): AP 50 (ton/sem)

La planilla de Excel, correspondiente al modelo es:

x
1
x
2
x
3
Fraccin semanal op. [da/sem] 0,00 3,60 0,80 Costo op.
Contribucin a la FO [$/da op.] 19000 17000 9.500 68800 ($/sem)
Restricciones Total LI LD H/S
Suministro mineral A [ton/sem] 6 2 6 12 >= 12 0
Suministro mineral M [ton/sem] 2 2 1 8 >= 8 0
Suministro mineral B [ton/sem] 4 12 3 45,6 >= 35 10,6
30


La solucin suministrada es:




Z
MAX
= $ 574.421,05/sem

Los valores de las V de D son: AM = 150 [ton/sem]; AB

= 787,4 [ton/sem] y AP

= 50 [ton/sem]

b) El beneficio neto (BN) = Beneficio bruto (BB) - Costo jarabe (CJ) x 4.000 ton, que se

pretende sea el 20% de BB.


O sea: BB - CJ x 4.000 = 0,2 BB de donde, CJ = 0,8 BB/4.000 = $ 114,88/ton

SOLUCION ANALITICA DEL PROBLEMA N 21

Las variables de decisin sern:

X1: Cantidad de cajas tipo 1 transportados en cada viaje [caja/viaje]
X2: Cantidad de cajas tipo 2 transportados en cada viaje [caja/viaje]
X3: Cantidad de cajas tipo 3 transportados en cada viaje [caja/viaje]

Siendo la FO a minimizar Z: Costo total (pesos) por el transporte de los 3 tipos de cajas en cada viaje.

(MIN)Z = 50 X1 + 56 X2 + 40 X3 [$/viaje] sujeta a:

(1) Capacidad del vehculo (recurso) 1X1 +1.2 X2 + 0.8 X3 20 [m3/viaje]
(2) Mximo de mercanca tipo 1 (requerimiento) X1 5 [caja/viaje]
(3) Mnimo de mercanca tipo 2 (requerimiento) X2 8 [caja/viaje]
(4) Mnimo de mercanca tipo 3 (requerimiento) X3 10 [caja/viaje]

SOLUCION:
AM AB AP
150,0 787,4 50,0
450 600 690 574.421,05
Total LI LD H/S
0,76 0,95 1 912,00 <= 912 0
1 150,00 >= 150 0
1 787,37 >= 750 37
1 50,00 <= 50 0
Contrato por AB (ton/sem) (3)
Productos
Restricciones
Cantidades a vender (ton/sem)
Contribucin a la FO ($/ton)
Prod. azcares slidos (ton/sem) (1)
Contrato por AM (ton/sem) (2)
($/sem)
Contrato por AP (ton/sem) (4)
AM AB AP
450 600 690 0,00
Total LI LD H/S
0,76 0,95 1 0,00 <= 912 912
1 0,00 >= 150 -150
1 0,00 >= 750 -750
1 0,00 <= 50 50
Contrato por AB (ton/sem) (3)
Productos
Restricciones
Cantidades a vender (ton/sem)
Contribucin a la FO ($/ton)
Prod. azcares slidos (ton/sem) (1)
Contrato por AM (ton/sem) (2)
($/sem)
Contrato por AP (ton/sem) (4)
31
Cajas por viaje
X1 X2 X3
0 8 10 Costo
Contribucin a la F.O. [$/caja]
50 56 40
848
[$/viaje]
Restricciones:
Total LI LD H/S
(1)Cap del vehiculo [m3/viaje]
1 1,2 0,8
17,6
<=
20
2,4
(2) Mn merc. Tipo 1 [caja/viaje]
1
0
<=
5
5
(4) Mn merc. Tipo 2 [caja/viaje]
1
8
>=
8
0
(3) Mn merc. Tipo 3 [caja/viaje] 1 10
>=
10
0

Z
MIN
= $ 848/viaje para X1 = 0; X2 = 8 y X3 = 10 [caja/viaje]


























32
RESPUESTAS A LOS PROBLEMAS NO RESUELTOS EN GUIA

RESOLUCION GRAFICA:

Problema N 2: Z
MIN
= 2.625,88 para x
1
= 1,41 y x
2
= 0,99

Problema N 3: Modelo no acotado. Como se busca maximizar, la recta de Z puede crecer indefinidamente
en el sentido del eje de x
2
.

Problema N 4: Optimos alternativos: hay dos conjuntos de valores para la misma Z
MAX
= 24:
x
1
= 3; x
2
= 1,5 y x
1
= 4; x
2
= 0

Problema N 5: Regin de soluciones NULA (conjunto vaco). El problema no tiene solucin factible.

Problema N 6: Es un caso de degeneracin, ya que en el vrtice ptimo, se cortan las rectas de las tres
restricciones.
Z
MAX
= 21 para x
1
= 3 y x
2
= 1,5

Problema N 7: Z
MIN
= 2 para x
1
= 0 y x
2
= 2

RESOLUCION ANALITICA:

Problema N 9: Z
MIN
= $ 215 para vinagre A = 150 litros y vinagre B = 850 litros

Problema N 10: Z
MIN
= $ 7.187,50/da para
Torta de lino = 62,5 kg/da y Cebada = 937,5 kg/da
De acuerdo con el informe de resultados, son opcionales las restricciones para el mximo de protenas y
materia grasa y para el lmite para la torta de lino.

Problema N 12: Z
MIN
= $ 4.727.500/da para el siguiente consumo de crudos
10.000 m
3
crudo A/da 9.625 m
3
crudo B/da
5.250 m
3
crudo C/da y 250 m
3
crudo D/da
La capacidad ptima de la destilera es de 25.125 m
3
crudo/da

Problema N 13: Z
MAX
= $ 75.000
a) 4.000 kg de aleacin b) Debe asignarse: 500 kg de R1; 2.000 kg de R2 y 1.500 kg de R3


Problema N 14: Z
MAX
= $ 3.480.000/da para
Nafta comn: 70.000 barriles/da; Nafta sper: 0 barriles/da; Nafta Premium: 50.000 barriles/da
33

Problema N 16: Z
MAX
= $ 10.560/da para
Caudal procesado: 24.000 litros/da Produccin leche entera: 0 litros/da
Produccin leche descremada: 14.400 litros/da Produccin de crema: 9.600 litros/da

Problema N 17: Z
MAX
= $ 150.742,22/ao para
Jugo: 17.444 envases/ao; Concentrado: 6.000 envases/ao; Mermelada: 16.800 envases/ao

Problema N 19: Z
MIN
= $ 11.030 para
A = 10 kg, B = 420 kg, C = 450 kg y D = 0 kg

Problema N 20: Z
MAX
= $ 35.300 para

576 litros cosecha 1 asignado a vino A,
144 litros cosecha 1 asignado a vino C,
800 litros cosecha 2 asignado a vino A,
200 litros cosecha 2 asignado a vino B,
120 litros cosecha 3 asignado a vino A,
280 litros cosecha 3 asignado a vino B y
400 litros cosecha 3 asignado a vino C
Se producirn 1496 l de A; 480 l de B y 544 l de C.

Problema N 22: Z
MAX
= $ 72.900/ao para los siguientes montos en inversiones:

PF = $ 270.000 B = $ 270.000 CH = $ 0 y FI = $ 60.000

Problema N 23: Z
MAX
= $ 5.280 para las siguientes cantidades de productos:
P1 = 28 unidades; P2 = 148 unidades; P3 = P4 = 0 unidades.

Problema N 24: Z
MIN
= $ 6.000 utilizando de material recuperable:
R1 = R2 = 0 kg, R3 = 450 kg y R4 = 100 kg