Vous êtes sur la page 1sur 43

APLICACIONES EN PRODUCCIN

La compaa SIGMA fabrica pupitres, sillas y mesas, para los cuales ha establecido que rinden
una contribucin a las utilidades de $ 50, $60 y $30 por unidad respectivamente. Para la
produccin de dichos artculos la compaa cuenta con una disponibilidad semanal de 150
metros de madera, 120 metros de tubo y 200 horas-hombre de trabajo. Plantee el modelo
matemtico de programacin lineal que se genera si sabe que para producir un pupitre se
requiere de 5 metros de madera, 3 metros de tubo y 4 horas- hombre de trabajo; para
producir una silla se requieren 3 metros de madera, 4 metros de tubo y 5 horas-hombre de
trabajo; mientras que, para producir una mesa se requieren 2 metros de madera, 3 metros de
tubo y 1 hora-hombre de trabajo.

Definicin de variables
En la compaa SIGMA se debe decidir cuntos pupitres, sillas y mesas se debern producir por semana para lograr un mximo
de utilidad; por lo cual las variables de decisin son:

X1 = cantidad de pupitres a producir por semana


X2 = cantidad de sillas a producir por semana
X3 = cantidad de mesas a producir por semana

Funcin objetivo
La compaa debe garantizar un mximo de utilidad, por lo tanto la funcin objetivo es la siguiente:
Mx. Z = 50 X1 + 60 X2 + 30 X3

Restricciones del modelo


Adems, la compaa debe tener en cuenta las siguientes limitaciones en los recursos:
5X1 + 3X2 + 2X3 150 metros de madera
3X1 + 4X2 + 3X3 120 metros de tubo
4X1 + 5X2 + X3 200 horas-hombre
Tambin, se deben considerar las restricciones de no negatividad (restricciones de signo de las variables), ya que en este caso, no se
pueden producir unidades negativas de ningn producto. Tales restricciones son las siguientes:

X1, X2, X3 0

Modelo matemtico completo


En compendio, el modelo matemtico de programacin lineal queda de la siguiente manera:

Mx. Z = 50 X1 + 60 X2 + 30 X3
s.a.
5X1 + 3X2 + 2X3 150
3X1 + 4X2 + 3X3 120
4X1 + 5X2 + X3 200
X1 , X 2 , X 3 0
SSSSSSSS
a establecido que rinden
respectivamente. Para la Anlisis de informacin
nibilidad semanal de 150
abajo. Plantee el modelo Para el planteamiento de este problema primero se organiza la informacin en la tabla siguiente:
a producir un pupitre se
hombre de trabajo; para RECURSO PUPITRES SILLAS
bo y 5 horas-hombre de
s de madera, 3 metros de MADERA 5m 3m

TUBO 3m 4m

HORAS-HOMBRE 4h 5h

UTILIDAD/UNIDAD $50 $60

r semana para lograr un mximo Solucin con SOLVER de MS Excel

X1 X2
Coef. F.O. 50 60
Valores de las v.d.d.

Maximizar la F.O.

Limitaciones de madera 5 3
Limitaciones de tubo 3 4
Limitaciones de horas-hombre 4 5

Interpretacin de la solucin ptima

variables), ya que en este caso, no se


:

Anlisis de los recursos


nformacin en la tabla siguiente:

DISP. SEM.
MESAS DEL RECURSO

2m 150 m

3m 120 m

1h 200 h

$30

X3
30

2 150
3 120
1 200
APLICACIONES EN DIETAS
Una compaa cervecera dispone de un jardn infantil para darles albergue a los hijos de los
empleados. La nutricionista de la empresa estableci que a cada nio se le debe suministrar
diariamente un mnimo 25 miligramos de calcio, 15 miligramos de hierro y 24 miligramos de
vitaminas, pero no ms de 30 mg. En el transcurso del da los nios son alimentados con
leche por valor de $1.000 por litro, huevos a $150 cada uno y compotas que cuestan a $600 el
frasco. Plantee el modelo de programacin lineal que se genera si se sabe que un litro de
leche contiene 2 miligramos de calcio, 3 miligramos de hierro y 1 miligramo de vitaminas; un
huevo contiene 4 miligramos de calcio, 5 miligramos de hierro y 3 miligramos de vitaminas;
mientras que un frasco de compota contiene 6 miligramos de calcio, un miligramo de hierro y
2 miligramos de vitaminas.

Definicin de variables
El jardn infantil debe decidir qu cantidad de cada alimento debe suministrar a cada nio diariamente, por consiguiente las
variables de decisin a utilizar se definen a continuacin:

X1 = cantidad de litros de leche a suministrar a cada nio por da.


X2 = cantidad de huevos a suministrar a cada nio por da.
X3 = cantidad de frascos de compota a suministrar a cada nio por da.

Funcin objetivo
A la compaa en este caso le conviene invertir en los alimentos la menor cantidad de dinero posible, por lo tanto la funcin
objetivo queda como sigue a continuacin:
Mn. Z = 4X1 + 0.15X2 + 3X3

Restricciones del modelo


Adems, la compaa debe tener en cuenta las siguientes limitaciones en los recursos:
2X1 + 4X2 + 6X3 25 miligramos mnimo de consumo de calcio
3X1 + 5X2 + X3 15 miligramos mnimo de consumo de hierro.
X1 +3X2 + 2X3 24 miligramos mnimo de consumo de vitaminas.
X1 +3X2 + 2X3 30 miligramos mximo de consumo de vitaminas.

Tambin, se deben considerar las restricciones de no negatividad (restricciones de signo de las variables)

X1, X2, X3 0

Modelo matemtico completo


En compendio, el modelo matemtico de programacin lineal queda de la siguiente manera:
Mn. Z = 4X1 + 0.15X2 + 3X3
s.a.
2X1 + 4X2 + 6X3 25
3X1 + 5X2 + X3 15
X1 + 3X2 + 2X3 24
X1 + 3X2 + 2X3 30
X1 , X 2 , X 3 0
SSSSSSSS
bergue a los hijos de los
o se le debe suministrar Anlisis de informacin
ierro y 24 miligramos de Este tipo de problemas consiste en determinar la cantidad de alimentos que se deben comprar, para satisf
os son alimentados con unos requerimientos alimentitos de tal forma que el costo se haga mnimo.
tas que cuestan a $600 el
i se sabe que un litro de NUTRIENTE LECHE HUEVOS
ligramo de vitaminas; un
miligramos de vitaminas; CALCIO 2 mg 4 mg
un miligramo de hierro y
HIERRO 3 mg 5 mg

VITAMINAS 1 mg 3 mg

COSTO/UD S/. 4 S/. 0.15

iamente, por consiguiente las Solucin con SOLVER de MS Excel

X1 X2
Coef. F.O. 4 0.15
Valores de las v.d.d.

Minimizar la F.O.
osible, por lo tanto la funcin

2 4
3 5
1 3
1 3

Interpretacin de la solucin ptima

variables)

Anlisis de los recursos


mentos que se deben comprar, para satisfacer
a mnimo.
REQ.
COMPOTA DIARIO

6 mg MIN 25

1 mg MIN 15

MIN 24 Y MAX
2 mg 30

S/. 3

X3
3

6 25
1 15
2 24
2 30
APLICACIONES DE MEZCLA
Una compaa siderrgica dispone de un horno, el cual debe ser cargado con 2 toneladas de
materiales para elaborar una aleacin de carcter especial, la cual por requisitos de calidad
contener mnimo el 15% de cobre pero no ms del 20% y mximo 17 % de fsforo. Para
cargar el horno la compaa cuenta con hierro, tungsteno, nquel y carbono. Mediante un
estudio qumico se estableci que el hierro contiene 7 % de cobre y 9% de fsforo, el
tungsteno contiene 11% de cobre y 3 % de fsforo, el nquel contiene 19 % de cobre y 8% de
fsforo; mientras que el carbono contiene 4% de cobre y 17% de fsforo. Plantee el modelo
de programacin lineal que se genera si sabe que un kilo de hierro cuesta $1.000, una libra de
tungsteno cuesta $2.000, un kilo de nquel cuesta $3.000 y un kilo de carbono cuesta $3.400.

Definicin de variables
El problema que tiene la siderrgica consiste en determinar la cantidad en kilos de hierro, tungsteno, nquel y carbono que debe
comprar para utilizar en la aleacin, por consiguiente las variables se definen as:

X1 = Kilos de hierro a utilizar en la aleacin


X2 = Kilos de tungsteno a utilizar en la aleacin
X3 = Kilos de nquel a utilizar en la aleacin
X4 = Kilos de carbono a utilizar en la aleacin
Funcin objetivo
La compaa debe reducir el gasto en los materiales comprados, pero garantizando los requisitos de calidad, por lo tanto la
funcin objetivo es:
Mn. Z = 1.000X1 + 4.000X2 + 3.000X3 + 3.400X4

Restricciones del modelo


Para este problema las restricciones tienen que ver con garantizar los contenidos de cobre y fsforo en la aleacin
(requisitos de calidad). Por ejemplo el contenido de cobre en la aleacin se halla multiplicando el porcentaje de
cobre en cada material por la cantidad de kilos de dicho material (las variables en este caso) as: 0,07X1 + 0,11X2 +
0,19X3 +0,04X4. Este contenido dice que debe ser mnimo el 15% de toda la aleacin, razn muy lgica para
multiplicar 0.15 por el contenido total de la aleacin, en este caso 2.000 kilos. (se debe tener en cuenta que, las
unidades deben ser consistentes a los dos lados de todas las restricciones. En este problema especfico son kilos al
lado izquierdo y kilos al lado derecho de las restricciones. El total de restricciones de calidad de esta aplicacin se
presenta a continuacin:

0,07X1 + 0,11 X2 + 0,19X3 + 0,04X4 0,15(2000) mnimo de cobre.


0,07X1 + 0,11 X2 + 0,19X3 + 0,04X4 0,15(2000) mximo de cobre.
0,09X1 + 0,03 X2 + 0,08X3 + 0,17 X4 0,17(2000) mximo de fsforo.
Adems, el horno debe ser cargado con dos toneladas de material, por lo tanto se genera la siguiente restriccin:
X1 +X2 + X3 + X4 = 2.000 Kgr carga total del horno (dos toneladas)
Tambin, se deben considerar las restricciones de no negatividad (restricciones de signo de las variables)
X1, X2, X3, X4 0

Modelo matemtico completo


En compendio, el modelo matemtico de programacin lineal queda de la siguiente manera:

Mn. Z = 1.000X1 + 4.000X2 + 3.000X3 + 3.400X4


s.a.
0,07X1 + 0,11 X2 + 0,19X3 + 0,04X4 0,15(2000) mnimo de cobre.
0,07X1 + 0,11 X2 + 0,19X3 + 0,04X4 0,15(2000) mximo de cobre.
0,09X1 + 0,03 X2 + 0,08X3 + 0,17 X4 0,17(2000) mximo de fsforo.
X1 +X2 + X3 + X4 = 2.000 Kgr carga total del horno (dos toneladas)
X1 , X 2 , X 3 , X 4 0
SSSSSSSS
gado con 2 toneladas de
por requisitos de calidad Anlisis de informacin
o 17 % de fsforo. Para
y carbono. Mediante un Con la informacin suministrada, se establece la informacin resumida de la tabla siguiente
bre y 9% de fsforo, el
e 19 % de cobre y 8% de MATERIAL HIERRO TUNGSTENO
sforo. Plantee el modelo
uesta $1.000, una libra de COBRE 7% 11%
carbono cuesta $3.400.
FOSFORO 9% 3%

COSTOS/KILO $1.000 $4.000

Solucin con SOLVER de MS Excel


gsteno, nquel y carbono que debe
X1 X2
Coef. F.O. 1000 4000
Valores de las v.d.d.

Minimizar la F.O.

tos de calidad, por lo tanto la 0.07 0.11


0.07 0.11
0.09 0.03
1 1
cobre y fsforo en la aleacin
multiplicando el porcentaje de
te caso) as: 0,07X1 + 0,11X2 +
eacin, razn muy lgica para
debe tener en cuenta que, las
Interpretacin de la solucin ptima
roblema especfico son kilos al
e calidad de esta aplicacin se

Anlisis de los recursos

guiente restriccin:

variables)
mnimo de cobre.
mximo de cobre.
) mximo de fsforo.
no (dos toneladas)
e la tabla siguiente

REQUSITO
NIQUEL CARBONO DECALIDAD
MIN 15% Y
19% 4% MAX 20%
8% 17% MAX 17%

$3.000 $3.400

X3 X4
3000 3400

0.19 0.04 300


0.19 0.04 300
0.08 0.17 340
1 1 = 2000
APLICACIONES DE MEZCLA
Una refinera produce gasolina: plus, superplus y corriente para los cuales ha establecido un
precio de venta de S/.12.1, S/.14.5 y S/.10.2 por galn respectivamente. Para la produccin de
esos combustibles la compaa cuenta con una disponibilidad semanal de 5000 galones de
petrleo crudo y 7.000 galones de petrleo refinado. Adems se ha establecido que el costo
de un galn de petrleo crudo es S/.3 y el petrleo refinado cuesta S/.3.5 por galn. Por
requerimientos de calidad se sabe que la gasolina plus debe contener 40% de petrleo crudo
y 60% de petrleo refinado; la gasolina superplus debe contener 30% de petrleo crudo y 70%
de petrleo refinado; mientras que la corriente debe contener 50% de cada uno de los dos
petrleos. Plantee el modelo matemtico de programacin lineal que se genera con el fin de
optimizar el beneficio de la compaa.

Definicin de variables
Este tipo de problemas especiales, donde disponemos del precio de venta de cada artculo y el costo de cada materia prima; y la
obligacin de distinguir que est compuesto cada producto terminado hace que se tengan que definir muchas variables. Por
ejemplo, hay que distinguir el petrleo crudo en la gasolina plus (esto sera una variable), el petrleo crudo en la gasolina
superplus (esto sera otra variable) y el petrleo crudo en la gasolina corriente (una tercera variable). As se tendra que definir
m*n variables, dependiendo de la cantidad de recursos y productos que se tengan. Para evitar esto, y definir todas las variables
en un solo paso, se procede mediante las llamadas variables bidimensionales; donde una dimensin podra representar por
ejemplo los recursos y la otra representara los productos. Para el ejemplo especfico de la refinera esta variable se define de la
siguiente manera:

Xij = galones de producto j (j=1, 2 y 3) fabricados semanalmente; y obtenidos a partir del petrleo tipo i (i=1 y 2).

En este caso j=1 indica que es gasolina plus, j=2 indica que es gasolina superplus y j=3 indica que es gasolina corriente. Para i=1
indica la utilizacin de petrleo crudo e i=2 indica la utilizacin de petrleo refinado. Por ejemplo X12 representa la cantidad de
galones de gasolina extra fabricados a partir de petrleo crudo; o cantidad de galones de petrleo crudo utilizados en la
fabricacin de gasolina superplus. Las dems variables se interpretan de la misma manera con base en los subndices que tenga
la variable.

Funcin objetivo
Tomando en cuenta todo lo anterior, la funcin objetivo tiene que ver con establecer la utilidad de la compaa, ya que se tiene
ingreso generado por las ventas y costos de cada tipo de materia prima, en este caso los tipos de petrleo.
El ingreso se calcula multiplicando el precio de venta de cada galn por la cantidad producida as:

12.1(X11+X21) + 14.5(X12+X22) + 10.2(X13 + X23)


Para calcular el costo total de la fabricacin se multiplica el costo de cada galn de petrleo por la
cantidad utilizada de este mismo recurso as:

3.0(X11+X12 +X13) + 3.5(X21 + X22+X23)


Como ya se sabe, ingreso menos costos es igual a utilidad, entonces la funcin objetivo para este problema queda
as:

Max. Z = 12.1(X11+X21) + 14.5(X12+X22) + 10.2(X13 + X23) - 3.0(X11+X12 +X13) - 3.5(X21 + X22+X23)


Restricciones del modelo
Esta funcin objetivo debe estar restringida a la disponibilidad de los dos tipos de petrleo de la siguiente manera:
X11 + X12 + X13 5000 galones disponibles de petrleo crudo.
X21 + X22 + X23 7000 galones disponibles de petrleo refinado.
Adems, se debe garantizar los porcentajes de cada uno de los petrleos en cada uno de los combustibles
fabricados de la siguiente manera:

0.4(X11 +X21) = X11 garantiza el 40% de petrleo crudo en la gasolina plus.


0.6(X11 +X21) = X21 garantiza el 60% de petrleo refinado en la gasolina plus.
0.3 (X12 +X22)= X12 garantiza el 30% de petrleo crudo en la gasolina superplus.
0.7(X12 +X22)= X22 garantiza el 70% de petrleo refinado en la gasolina superplus.
0.5(X13 + X23)= X13 garantiza el 50% de petrleo crudo en la gasolina corriente.
0.5(X13 + X23)= X23 garantiza el 50% de petrleo refinado en la gasolina corriente.

Y finalmente las restricciones de no negatividad se realizan en una sola as:

Xij 0 para todo i ( i= 1 y 2 ) y para todo j ( j=1, 2 y 3 ).

Modelo matemtico completo


El modelo matemtico de programacin lineal queda de la siguiente manera:

Max. Z = 9.1X11 + 11.5X12 + 7.2X13 + 8.6X21 + 11X22 + 6.7X23


s.a.
-0.6X11 + 0.4X21 = 0
0.6X11 - 0.4X21 = 0
-0.7X12 + 0.3X22 = 0
0.7X12 - 0.3X22 = 0
-0.5X13 + 0.5X23 = 0
0.5X13 - 0.5X23 = 0
Xij 0 para todo i ( i= 1 y 2 ) y para todo j ( j=1, 2 y 3 ).
SSSSSSSS
cuales ha establecido un
te. Para la produccin de Anlisis de informacin
anal de 5000 galones de
establecido que el costo Con la informacin suministrada, se establece la informacin resumida de la tabla siguiente
sta S/.3.5 por galn. Por
TIPO DE GASOLINA GASOLINA
er 40% de petrleo crudo PETRLEO PLUS SUPERPLUS
de petrleo crudo y 70%
de cada uno de los dos PETRLEO CRUDO 40% 30%
e se genera con el fin de
PETRLEO REFINADO 60% 70%

PRECIO VENTA GALN S/. 12.10 S/. 14.50

Solucin con SOLVER de MS Excel


costo de cada materia prima; y la
que definir muchas variables. Por
el petrleo crudo en la gasolina X11 X12
ariable). As se tendra que definir
r esto, y definir todas las variables Coef. F.O. 9.1 11.5
dimensin podra representar por
nera esta variable se define de la Valores de las v.d.d.

trleo tipo i (i=1 y 2). Maximizar la F.O.


que es gasolina corriente. Para i=1 -0.6
plo X12 representa la cantidad de
e petrleo crudo utilizados en la 0.6
n base en los subndices que tenga
-0.7
0.7

1 1

d de la compaa, ya que se tiene


de petrleo.
as:

n de petrleo por la

ste problema queda

X21 + X22+X23)
Interpretacin de la solucin ptima

rleo de la siguiente manera:

ada uno de los combustibles

Anlisis de los recursos

.
us.

te.
e la tabla siguiente

GASOLINA DISPONIB. COSTO


CORRIENTE SEMANAL GALN

50% 5000 GLS. S/. 3.00

50% 7000 GLS. S/. 3.50

S/. 10.20

X13 X21 X22 X23


7.2 8.6 11 6.7

0.4 = 0
-0.4 = 0
0.3 = 0
-0.3 = 0
-0.5 0.5 = 0
0.5 -0.5 = 0
1 5000
1 1 1 0 7000
APLICACIONES EN DISTRIBUCIN
Cierta compaa manufacturera de computadores vende un tipo especial de equipo de
procesamiento de informacin a travs de cuatro distribuidores (A, B, C y D) a un precio
unitario de $10.000, $15.000, $14.000 y $18.000 respectivamente. Este equipo es producido
en tres plantas ensambla- doras (I, II y III), en las cuales debido a su ubicacin geogrfica y
dificultad para obtener las materias primas el costo de produccin unitario del artculo es de
$7.000 en la planta I, $9.500 en la planta II y $7.200 en la planta III. Adems, se ha
determinado que la capacidad de produccin mensual de la planta I es 1000 unidades, de la
planta II es 1.200 unidades y para la planta III es 597 unidades. Tambin, se ha determinado
que la demanda conjunta de los distribuidores A y B ser por lo menos 600 equipos por mes,
para el distribuidor C a lo sumo 550 equipos y en el distribuidor D se vendern mximo 380
equipos, pero no menos de 310. Plantee el modelo matemtico de programacin lineal que
se genera si el gerente de la compaa desea optimizar el beneficio y se inform por parte del
departamento de distribucin que el costo unitario de transporte de la planta I a cada uno de
los distribuidores es $200, $300, $250 y $400 respectivamente; que este mismo costo para la
planta II es $180, $190, $205 y $207 respectivamente; mientras que el costo de distribucin
de la planta III es $205, $108, $215 y $235 por unidad respectivamente para los distribuidores
A, B, C y D.

Definicin de variables
Xij = cantidad de equipos producidos en la planta i (i=1, 2 y 3) y enviados para ser vendidos en
distribuidor j (j=1, 2, 3 y 4).

Funcin objetivo
Con base en la anterior definicin, la funcin objetivo tomando en cuenta ingresos menos costos
(utilidades de la empresa) queda estructurada de la siguiente manera:

Max Z= 10000(X11 + X21 + X31) + 15000(X12 + X22 + X32 ) + 14000(X13+ X23 + X33) + 18000(X14 + X24
+ X34 ) - 7000(X11+ X12 +X13 +X14) - 9500(X21+ X22 + X23 +X24) - 7200(X31 + X32 + X33 + X34) -
200X11 - 300X12 - 250X13 - 400X14 - 180X21 - 190X22 - 205X23 - 207X24 - 205X31 - 108X32 - 215X33 -
235X34

Restricciones del modelo

Lo anterior est restringido a la capacidad de produccin de las plantas as:


X11 + X12 + X13 + X14 1000. Capacidad de produccin planta I.
X21 + X22 + X23 + X24 1200. Capacidad de produccin planta II.
X31 + X32 + X33 + X34 597. Capacidad de produccin planta III.
Adems, se generan las siguientes restricciones para garantizar la demanda de los distribuidores:
X11 +X21 +X31 + X12 +X22 +X32 600. Demanda conjunta de los distribuidores A y B.
X13 +X23 +X33 550. Demanda del distribuidor C.
X14 +X24 +X34 380. Demanda mxima del distribuidor D.
X14 +X24 +X34 310. Demanda mnima del distribuidor D.

Xij 0 para todo i ( i= 1, 2 y 3 ) y para todo j ( j=1, 2, 3 y 4 ).

Modelo matemtico completo


El modelo matemtico de programacin lineal queda de la siguiente manera:

Max Z = 10000(X11 + X21 + X31) +15000(X12 + X22 + X32 )+ 14000(X13+ X23 + X33) + 18000(X14 + X24 +
X34) - 7000(X11+ X12 +X13 +X14) - 9500(X21+ X22 + X23 +X24) - 7200(X31 + X32 + X33 + X34) - 200X11 -
300X12 - 250 X13 - 400X14 - 180X21 - 190X22 - 205X23 - 207X24 - 205X31 - 108X32 - 215X33 - 235X34

s.a.
X11 + X12 + X13 + X14 1000
X21 + X22 + X23 + X24 1200
X31 + X32 + X33 + X34 597
X11 +X21 +X31 + X12 +X22 +X32 600
X13 +X23 +X33 550
X14 +X24 +X34 380
X14 +X24 +X34 310
Xij 0 para todo i ( i= 1, 2 y 3 ) y para todo j ( j=1, 2, 3 y 4 )
SSSSSSSS
especial de equipo de
A, B, C y D) a un precio Anlisis de informacin
Este equipo es producido
u ubicacin geogrfica y
unitario del artculo es de
anta III. Adems, se ha DISTRIBUIDOR
es 1000 unidades, de la
bin, se ha determinado PLANTA A B C
os 600 equipos por mes,
se vendern mximo 380 I $200 $300 $250
programacin lineal que
se inform por parte del II $180 $190 $205
la planta I a cada uno de
este mismo costo para la III $205 $108 $215
e el costo de distribucin PRECIO DE
te para los distribuidores VENTA UNIT. $10,000 $15,000 $14,000
DEMANDA MIN 600 MAX 550
MENSUAL

Solucin con SOLVER de MS Excel


X11 X12 X13
Coef. F.O. 2800 7700 6750
Valores de las v.d.d.

a ser vendidos en
Maximizar la F.O.

X11 X12 X13


resos menos costos 1 1 1

3 + X33) + 18000(X14 + X24


(X31 + X32 + X33 + X34) - 1 1
205X31 - 108X32 - 215X33 - 1

Interpretacin de la solucin ptima


de los distribuidores:
res A y B.

Anlisis de los recursos

+ X33) + 18000(X14 + X24 +


X32 + X33 + X34) - 200X11 -
08X32 - 215X33 - 235X34
DOR
CAPAC. DE
COSTO
D PROD.
POR UNID. MENSUAL
$400 $7,000 1000

$207 $9,500 1200

$235 $7,200 597

$18,000
MIN 310
MAX 380

X14 X21 X22 X23 X24 X31 X32


10600 320 5310 4295 8293 2595 7692

X14 X21 X22 X23 X24 X31 X32


1
1 1 1 1
1 1
1 1 1 1
1
1 1
1 1
X33 X34
6585 10565

X33 X34

1000

1200
1 1 597

600
1 550
1 380
1 310
APLICACIONES DE ASIGNACIN
El Serenazgo de la MPT tiene el siguiente requerimiento de policas dependiendo la hora del
da as: de las 00.00 a las 4:00, 40 policas; de las 4:00 horas a las 8:00 horas, 25 policas; de
las 8:00 horas a las 12:00 horas, 100 policas; de las 12:00 horas a las 16:00 horas, 80 policas;
de las 16:00 horas a las 20:00 horas, 60 policas y de las 20:00 horas a las 24:00 horas, 45
policas. Plantee el modelo matemtico de programacin lineal que se genera a fin de
minimizar el nmero de policas que se asigne durante las 24 horas y que satisfaga con los
requerimientos y que adems se garantice que cada oficial asignado a un turno debe trabajar
8 horas consecutivas.

Definicin de variables
El problema al que se enfrenta el Serenazgo de la MPT es decidir cuntos policas debe asignar para iniciar labores en cada
una de las horas, de tal forma que se minimice la cantidad de policas utilizados. Pues, el personal que inicia a las 00.00
horas se encontrar laborando hasta las 08.00, los que inician actividades a las 04.00 horas estarn disponibles hasta las
12.00 horas y de igual forma en todos los turnos. Por lo tanto las variables tienen que ver con los agentes
que inician labores en las diferentes horas as:

X1 = Cantidad de policas que inician labores a las 00:00 horas


X2 = Cantidad de policas que inician labores a las 04:00 horas
X3 = Cantidad de policas que inician labores a las 08:00 horas
X4 = Cantidad de policas que inician labores a las 12:00 horas
X5 = Cantidad de policas que inician labores a las 16:00 horas
X6 = Cantidad de policas que inician labores a las 20:00 horas

Funcin objetivo
Con base en lo anterior y teniendo en cuenta que el nmero de policas utilizados durante el da debe ser el menor posible,
la funcin objetivo es la sumatoria de los policas que inician labores en los respectivos turnos. Esto en forma matemtica se
escribe as:

Restricciones del modelo


Se establecen las siguientes restricciones:

X1 40 Garantiza lo necesario del turno 1


X1 + X2 25 Garantiza lo necesario del turno 2
X2 +X3 100 Garantiza lo necesario del turno 3
X3 + X4 80 Garantiza lo necesario del turno 4
X4 + X5 60 Garantiza lo necesario del turno 5
X5 + X6 45 Garantiza lo necesario del turno 6
Observar bien, por ejemplo la segunda restriccin; se estn sumando los que inician a las 00.00 horas y los que
inician a las 04.00; luego estos dos turnos estarn en el lapso comprendido entre las 04.00 y 08.00 horas, por lo
tanto es el personal que labora en el turno 2.

Modelo matemtico completo


El modelo matemtico de programacin lineal queda de la siguiente manera:

Min Z = X1 + X2 +X3 + X3 +X5 + X6


s.a.
X1 40
X1 + X2 25
X2 +X3 100
X3 + X4 80
X4 + X5 60
X5 + X6 45
X1, X2, X3, X4, X5, X6 0
SSSSSSSS
dependiendo la hora del
00 horas, 25 policas; de Anlisis de informacin
16:00 horas, 80 policas; La tabla siguiente resume la cantidad de oficiales que se requieren en cada turno de 4 horas.
ras a las 24:00 horas, 45 Adems, se han establecido turnos con base en la hora para facilitar el planteamiento. Se sabe que
que se genera a fin de quien inicia en algn turno, tambin, estar disponible en el siguiente.
s y que satisfaga con los REQ.
a un turno debe trabajar TURNO HORA MNIMO

1 00:00 a 04:00 40

2 04:00 a 08:00 25

3 08:00 a 12:00 100

4 12:00 a 16:00 80

5 16:00 a 20:00 60
gnar para iniciar labores en cada
l personal que inicia a las 00.00 6 20:00 a 24:00 45
ras estarn disponibles hasta las
on los agentes

Solucin con SOLVER de MS Excel

X1 X2 X3
Coef. F.O. 1 1 1
alores de las v.d.d.

Maximizar la F.O.

1
el da debe ser el menor posible, 1 1
nos. Esto en forma matemtica se
1 1
1

Interpretacin de la solucin ptima


n a las 00.00 horas y los que
s 04.00 y 08.00 horas, por lo
Anlisis de los recursos
n en cada turno de 4 horas.
tar el planteamiento. Se sabe que
ente.

X4 X5 X6
1 1 1

40
25
100
1 80
1 1 60
1 1 45
APLICACIONES EN MERCADOTECNIA
La firma Alfa y asociados es una empresa encargada de evaluar la reaccin de los consumidores en s
Una universidad se hace cliente de esta firma y pretende conocer la posicin de un conjunto de pers
usuarios actuales o usuarios potenciales de este centro acadmico. Para ello se acord efectuar entr
fin de obtener informacin tanto en hogares que tengan estudiantes en bachillerato como bachillere
acord realizar entrevistas tanto diurnas como nocturnas.
El contrato hecho por la universidad con la empresa Alfa y asociados exiga realizar 3000 entrevistas
Se debe entrevistar como mnimo 600 hogares donde existan estudiantes de bachillerato.
Se deben entrevistar cuando menos 800 hogares que tengan bachilleres inactivos acadmicament
El nmero de hogares entrevistados durante la noche debe ser por lo menos igual al nmero de ho
Por lo menos el 40% de entrevistas con estudiantes de bachillerato se realizarn durante la noche.
Por lo menos el 60% de entrevistas con bachilleres inactivos acadmicamente se realizarn durant
Las entrevistas en hogares con estudiantes de bachillerato requieren de tiempo adicional del entrevi
nocturnos se les paga ms que a los que trabajan de da, el costo de las entrevistas vara segn su tip
estimaciones sobre el costo de las entrevistas son:

COSTOS POR ENTREVISTA


Diurno Nocturno
Estudiantes de
$30 $35
bachilleratono
Bachillerato
activos
$20 $20
acadmicamen
te
SSSSSSSS
Variables de decisin
Sean:
X11 : Nmero de entrevistas en hogares con estudiantes de bachillerato a realizar durante el da
X12 : Nmero de entrevistas en hogares con estudiantes de bachillerato a realizar durante la noche
X21 : Nmero de entrevistas en hogares con bachilleres inactivos a realizar durante el da
X22 : Nmero de entrevistas en hogares con bachilleres inactivos a realizar durante la noche

Funcin objetivo
Los costos por entrevista determinan la siguiente funcin objetivo:
Min. Z = 30X11 + 35X12 + 20X21 + 20X22

Restricciones
Como se deben realizar 3000 entrevistas tenemos:
X11 + X12 + X21 + X22 = 3000

Las cinco especificaciones con respecto al tipo de entrevistas son las siguientes:
X11 + X12 600 Hogares con estudiantes de bachillerato
X21 + X22 800 Hogares con bachilleres inactivos acadmicamente
X12 + X22 X11 + X21 Hogares entrevistados durante la noche debe ser por lo menosigual al nmero de hogar
X12 0.4(X11 + X12) Por lo menos el 40% de entrevistas con estudiantes de bachillerato se realizaran durante
X22 0.6(X21 + X22) Al menos el 60% de las entrevistas en hogares con bachilleres inactivos se desarrollaron d

Modelo matemtico

Min. Z = 30X11 + 35X12 + 20X21 + 20X22


s.a.
X11 + X12 + X21 + X22 = 3000
X11 + X12 600
X21 + X22 800
-X11 + X12 - X21 + X22 0
-0.4X11 + 0.6X12 0
-0.6X21 + 0.4X22 0
Xij 0 ; i =1, 2 j = 1, 2

Solucin con SOLVER de MS Excel


ccin de los consumidores en servicios, transporte y publicidad.
osicin de un conjunto de personas, con el objeto que se conviertan en
ara ello se acord efectuar entrevistas personales puerta a puerta con el
en bachillerato como bachilleres inactivos acadmicamente. Adems se

exiga realizar 3000 entrevistas en los siguientes lineamientos.


iantes de bachillerato.
eres inactivos acadmicamente.
lo menos igual al nmero de hogares entrevistados en el da.
se realizarn durante la noche.
micamente se realizarn durante la noche.
de tiempo adicional del entrevistador y como a los entrevistadores
as entrevistas vara segn su tipo. Con base en estudios previos, las

Cul es el plan de entrevistas que minimiza el coto


total?

urante el da
urante la noche
lo menosigual al nmero de hogares entrrevistados durante el da
bachillerato se realizaran durante la noche
hilleres inactivos se desarrollaron durante la noche
APLICACIONES CONTABLES
La embotelladora El Dorado produce tres tipos de gaseosa en dos departamentos que son: ga
diettica negra. El departamento de costo proporciona la siguiente informacin en entradas y sa

TIPO DE GASEOSA
Normal Durazno Normal Soda
Precio de venta S/. 27.00 S/. 70.00
Costo variable S/. 10.00 S/. 37.00
Neto S/. 17.00 S/. 33.00

Cantidad de ventas 200 100


Ventas S/. 5,400.00 S/. 7,000.00
Costos variables S/. 2,000.00 S/. 3,700.00
Costos fijos S/. 500.00 S/. 1,248.00
Costo total S/. 2,500.00 S/. 4,948.00
Utilidad S/. 2,900.00 S/. 2,052.00

Teniendo en cuenta que los costos fijos se asignan de acuerdo con las horas de ma
gaseosa, adems el tiempo disponible en cada uno de los departamentos I y II son 200
en la siguiente tabla se muestran las horas de produccin por unidad de gaseosa en cad

TIPO DE GASEOSA
Normal Durazno Normal Soda
Departamento I 4 10
Departamento II 6 2

El objetivo del problema de P.L. es encontrar qu cantidad de produccin de unidades de gaseos


contribucin marginal total sujeto a la mano de obra.

SSSSSSSS
Variables de decisin
Primero calculemos la contribucin marginal de cada tipo de gaseosa dependiendo las variable
Sean:
X1 : Unidades de gaseosa normal de durazno
X2 : Unidades de gaseosa normal soda
X1 : Unidades de gaseosa diettica negra.

Normal durazno Normal soda


Utilidad neta S/. 2,900.00 S/. 2,052.00
Costos fijos S/. 500.00 S/. 1,248.00
Contribucin marginal S/. 3,400.00 S/. 3,300.00

Calculamos la contribucin marginal unitaria de cada producto.

= ( )/(

- Gaseosa normal de durazno 3400/200 = S/. 17


- Gaseosa normal soda 3300/100 = S/. 33
- Gaseosa diettica negra 3750/150 = S/. 25
Funcin objetivo
Multiplicar la contribucin marginal de cada tipo de gaseosa

Mx Z = 17X1 + 33X2 + 25X3


Restricciones
Departamento I 4X1 + 10X2 + 6X3 2000
Departamento II 6X1 + 2X2 + 8X3 2750
Modelo matemtico

Mx Z = 17X1 + 33X2 + 25X3


s.a.
4X1 + 10X2 + 6X3 2000
6X1 + 2X2 + 8X3 2750
X1, X2, X3 0
Solucin con SOLVER de MS Excel
os departamentos que son: gaseosa normal durazno, gaseosa normal soda y gaseosa
e informacin en entradas y salidas de ventas con sus costos fijos y variables:

Diettica Negra
S/. 50.00
S/. 25.00
S/. 25.00

150
S/. 7,500.00
S/. 3,750.00
S/. 1,750.00
S/. 5,500.00
S/. 2,000.00

uerdo con las horas de mano de obra que se requieren en cada variedad de
departamentos I y II son 2000 y 2750 horas de mano de obra respectivamente,
or unidad de gaseosa en cada departamento.

Diettica Negra
6
8

duccin de unidades de gaseosa de cada tipo es necesaria para maximizar la

seosa dependiendo las variables de decisin

Diettica negra
S/. 2,000.00
S/. 1,750.00
S/. 3,750.00

)/( )

Vous aimerez peut-être aussi