MEGAPapeo

Descargar como pdf o txt
Descargar como pdf o txt
Está en la página 1de 149

PEP 1

Ejercicios
-.PROGRAMACION LINEAL.-
Problemas resueltos
EJEMPLO 1.
Un expendio de carnes de la ciudad acostumbra preparar la carne para albondigón con una
combinación de carne molida de res y carne molida de cerdo. La carne de res contiene 80%
de carne y 20% de grasa, y le cuesta a la tienda 80$ por libra; la carne de cerdo contiene
68% de carne y 32% de grasa, y cuesta 60$ por libra. ¿Qué cantidad de cada tipo de carne
debe emplear la tienda en cada libra de albondigón, si se desea minimizar el costo y
mantener el contenido de grasa no mayor de 25%?

El objetivo es minimizar el costo (en centavos), z, de una libra de albondigón, donde:


Z = 80 veces el número de libras de carne molida de res, más 60 veces el número de libras de
carne molida de cerdo empleadas.

Si se define:
X1 = número de libras de carne molida de res empleadas en cada libra de albondigón .
X2 = número de libras de carne molida de cerdo empleadas en cada libra de albondigón,
el objetivo se expresa como:
minimícese: z = 80X1 + 60X2 (1)

Cada libra de albondigón tendrá 0.20 x1, libras de grasa provenientes de la carne de res y 0.32 x2
libras de grasa de la carne de cerdo. El contenido total de grasa de una libra de albondigón no
debe ser mayor de 0.25 libras. Entonces:
0.20X1 +0.32X2 <= 0.25 (2)
El número de libras de carne de res y de cerdo empleadas en cada libra de albondigón debe
sumar 1; entonces:
X1 + X2 = l (3)

Finalmente, la tienda no puede usar cantidades negativas de ninguna de las carnes, así que
hay dos restricciones de no negatividad: X1>= 0 y X2 >= 0. Combinando estas condiciones
con (1), (2) y (3), se tiene:
minimícese: z = 80X1 + 60X2
con las condiciones: 0.20X1 + 0.32X2 <= 0.25 (4)
X1 + X2 = 1
con: con todas las variables no negativas

El sistema (4) es un programa lineal. Como sólo hay dos variables, se puede dar
solución gráfica.
EJEMPLO 2.
Una excursionista planea salir de campamento. Hay cinco artículos que desea llevar
consigo, pero entre todos sobrepasan las 60 Ib que considera que puede cargar. Para
auxiliarse en la selección, ha asignado un valor a cada articulo en orden ascendente de
importancia:
Articulo 1 2 3 4 5
Peso, Ib 52 23 35 15 7
Valor 100 60 70 15 15

¿Qué artículos deberá llevar para maximizar el valor total, sin sobrepasar la restricción de
peso?

Haciendo que Xi (i = 1, 2, 3, 4, 5) indique la cantidad a llevar del artículo I, se puede


plantear el objetivo como:
maximícese: z = 1OO X1 + 60 X2 + 70 X3 + 15 X4 + 15 X5 (/)
La restricción de peso es:
52X1 + 23X2 + 35X3 + 15X4 + 7X5 <= 60 (2)

Ya que cada artículo se llevará o no se llevará, cada variable debe ser 1 o 0. Estas condiciones
se cumplirán, si se pide que cada variable sea no negativa, no mayor que 1 y entera.
Combinando estas restricciones con (1) y (2), se tiene el programa matemático:
maximícese: z = 1OO X1 + 60 X2 + 70 X3 + 15 X4 + 15 X5
con las condiciones: 52X1 + 23X2 + 35X3 + 15X4 + 7X5 <= 60
X1 <= 1
X2 <= 1 (3)
X3 <= 1
X4 <= 1
X5 <= 1
con: todas las variables enteras no negativas.
El sistema (3) es un programa entero
EJEMPLO 3.
La Refinería Azteca produce dos tipos de gasolina sin plomo, regular y extra los cuales
vende a su cadena de estaciones de servicio en $12 y $14 por barril, respectivamente.
Ambos tipos se preparan del inventario de la Azteca de petróleo nacional refinado y de
petróleo importado refinado, y deben cumplir con las siguientes especificaciones:

Presión Octanaje Demanda Entregas


máxima minimo máxima, j mínimas,
de vapor barriles/ barriles/
semana semana
Regular 23 88 100000 50000
Extra 23 93 20000 5000

Las características del inventario de petróleos refinados son las siguientes:


Presión Octanaje Inventario Costo
de vapor barriles S/barril

Nacional 25 87 40 000 8
Importado 15 98 60000 15

¿Qué cantidades de los dos petróleos (nacional e importado) deberá mezclar la Azteca en
ambas gasolinas, a fin de maximizar la ganancia semanal?
Haciendo:
X1 barriles de petróleo nacional mezclado en la regular
X2 barriles de petróleo importado mezclado en la regular
X3 barriles de petróleo nacional mezclado en la extra
X4 barriles de petróleo importado mezclado en la extra
Se producirá una cantidad X1 + X2 de gasolina regular y generará un ingreso de 12(X1 + X2),
se producirá una cantidad X3 + X4 de extra y generará un ingreso de 14(X1 + X2). Se usará
una cantidad X1 + X3 de petróleo nacional, a un costo de 8(X1 + X3); se usará una cantidad
X2 + X4 de importado, a un costo de 15(X1 + X3). La ganancia total, z, es el ingreso menos el
costo:
maximícese: z = 12(X1 + X2) + 14(X3 + X4) - 8(X1 + X3) - 15(X2 + X4)
= 4X1-3X2 + 6X3- X4 (1)

Hay limitaciones impuestas a la producción por la demanda, la disponibilidad de suminis-


tros y las especificaciones de la mezcla. Se tiene de las demandas:
X1 + X2 <= 100 000 (demanda máxima de regular) (2)
X3 + X4 <= 20000 (demanda máxima de extra) (3)
X1 + X2 >= 50000 (requerimiento máximo regular) (4)
X3 + X4 >= 5000 (requerimiento mínimo de extra) (5)

De la disponibilidad:
X1 + X3 <= 40000 (nacional) (6)
X2 + X4 <= 60000 (importado) (7)

Los componentes de una mezcla contribuyen al octanaje general, según sus porcentajes por
peso; asimismo para la presión de vapor. Entonces, el octanaje de la regular es:
87 X1/(X1+X2) + 98 X2/(X1+X2)

y el requerimiento de que éste sea de por lo menos 88, lleva a:


X1 – 10X2 <= 0 (8)
Igualmente, se obtiene:
6X3 – 5X4 <= 0 (restricción de octanaje de la extra) (9)
2X1-8X2 <= 0 (restricción de presión de vapor regular) (10)
2X3-8X4 <= 0 (restricción depresión de vapor extra) (11)
Combinando de (1) hasta (11) con las cuatro restricciones de no negatividad de las cuatro
variables, se obtiene el programa matemático

EJEMPLO 4.
Minas Universal opera tres minas en West Virginia. El meneral de cada una se separa,
antes de embarcarse, en dos garados. La capacidad diaria de producción de las mismas
así, como sus costos diarios de operación son los siguientes:

Mineral de grado alto, Mineral de grado Costo de operación,


ton/dia bajo, ton/dia $1 000/dia

Mina I 4 4 20
Mina II 6 4 22
Mina III 1 6 18

La Universal se comprometió a entregar 54 toneladas de mineral de grado alto y 65


toneladas de mineral de grado bajo para fines de la siguiente semana. Además, tiene
contratos de trabajo que garantizan a los trabajadores de ambas minas el pago del día
completo por cada día o fracción de día que la mina esté abierta. Determínese el número de
días que cada mina debería operar durante la siguiente semana, si Minas Universal ha de
cumplir su compromiso a un costo total mínimo.
Denótense con X1, X2 y X3, respectivamente, el número de días qué las minas I, II y III
habrán de operar durante la semana venidera. Entonces, el objetivo(expresado en $1000)
es:
minimícese: z = 20X1 + 22X2 + 18X3 (1)

La demanda de mineral de grado alto es:


4X1 + 6X2+X3 >= 54 (2)
y la demanda de mineral de grado bajo es:
4X1 + 4X2 + 6X3 >= 65 (3)
Como ninguna mina puede operar un número negativo de días, tres restricciones de no
negatividad son X1 >= 0, X2 >= 0 y X3 >= 0. Por otro lado, como ninguna mina puede
operar más de 7 días a la semana, otras tres restricciones son X1 <= 7, X2 <= 7 y X3<= 7.
Finalmente, debido a los contratos laborales, Minas Universal no tiene nada qué ganar al
operar una mina parte de un día; en consecuencia, X1, X2 y X3 deben ser enteros.
Combinando las restricciones con (1), (2) y (3), se obtiene el programa matemático:

minimícese: z = 20X1 + 22X2 + 18X3


con las condiciones:
4X1 + 6X2+X3 >= 54
4X1 + 4X2 + 6X3 >= 65
X1 <= 7 (4)
X2 <= 7
X3 <= 7

con: todas las variables enteras y no negativas.

EJEMPLO 5.
Una empresa fabrica los productos A, B y C y puede vender todo lo que produzca a los
siguientes precios: A 700; B 3.500; C 7.000.
Producir cada unidad de A necesita 1 hora de trabajo. Producir una unidad de B necesita 2
horas de trabajo, más 2 unidades de A. Producir una unidad de C necesita 3 horas de
trabajo, más 1 unidad de B. Cualquier unidad de A utilizada para producir B, no puede ser
vendida. Similarmente cualquier unidad de B utilizada para producir C, no puede ser
vendida.
Para este período de planificación están disponibles 40 horas de trabajo. Formule y
Construya el modelo Lineal que maximice los ingresos de la empresa.

Utilizando el mismo proceso, se tiene lo siguiente:

Variables de descición
X1: Unidades de A producidas en total
X2: Unidades de B producidas en total
X3: Unidades de C producidas en total
X4: Unidades dse A vendidas
X5: Unidades de B vendidas.

Objetivo:
Max 700 X4 + 3.500 X5 + 7.000 X3

Restricciones:
X1 + 2X2 + 3X3 40
X1 =X4 + 2 X2
X2 = X5 + X3
X1, X2, X3,X4, X5 0

EJEMPLO 6.
La Cámara de Industriales de la región periódicamente promueve servicios públicos,
seminarios y programas. Actualmente los planes de promoción para este año están en
marcha. Los medios alternativos para realizar la publicidad así como los costos y la
audiencia estimados por unidad de publicidad, además de la cantidad máxima de unidades
de publicidad en que puede ser usado cada medio se muestran a continuación.

Restricciones Televisión Radio Prensa


Audiencia por unidad de publicidad 100.000 18.000 40.000
Costo por unidad de publicidad $ 2.000 $ 300 $ 600
Uso máximo del medio 10 20 10

Para lograr un uso balanceado de los medios, la publicidad en radio no debe exceder el
50% del total de unidades de publicidad autorizados. Además la cantidad de unidades
solicitadas en televisión debe ser al menos 10% del total autorizado. El presupuesto total
para promociones se ha limitado a $18.500.

Utilizando el mismo proceso, se tiene lo siguiente:


Variables de decisión:
X1: unidades de publicidad a contratar en televisión.
X2: unidades de publicidad a contratar en radio.
X3: unidades de publicidad a contratar en prensa.

Objetivo: Maximizar la audiencia total o cantidad de personas que ven la publicidad


Max 100.000 X1 + 18.000 X2 + 40.000 X3

Restricción 1: Disponibilidad limitada de presupuesto para la publicidad:


2.000 X1 + 300 X2 + 600 X3 <=18.500

Restricciones 2, 3 y 4: Uso máximo de medios para la publicidad:


X1 <= 10 unidades de publicidad a contratar en t.v
X2 <= 20 unidades de publicidad a contratar en radio
X3 <= 10 unidades de publicidad a contratar en prensa

Restricción 5: Publicidad limitada a un máximo de 50% en radio, con relación al total de unidades a
contratar:
X2 <= 0.5 (X1+ X2+ X3)
Finalmente quedará expresada así: - 0.5 X1 + 0.5 X2 - 0.5 X3 <= 0

Restricción 6: La cantidad de unidades solicitadas en televisión debe ser al menos 10% del total
autorizado
X1 >= 0.10 (X1+ X2+ X3)
Finalmente quedará expresada así: 0.9 X1 – 0.1 X2 - 0.1 X3 >= 0

Posteriormente puede resumir el modelo agregándole la restricción de no-negatividad de las variables


Programación Lineal para la Ingeniería Técnica

EJEMPLO 1.

En una granja agrícola se desea criar conejos y pollos como complemento en su


economía, de forma que no se superen en conjunto las 180 horas mensuales
destinadas a esta actividad. Su almacén sólo puede albergar un máximo de 1000
kilogramos de pienso. Si se supone que un conejo necesita 20 kilogramos de
pienso al mes y un pollo 10 kilogramos al mes, que las horas mensuales de
cuidados requeridos por un conejo son 3 y por un pollo son 2 y que los beneficios
que reportaría su venta ascienden a 500 y 300 pesetas por cabeza respectivamente,
hallar el número de animales que deben criarse para que el beneficio sea máximo.

Solución:

Definimos las variables originales como:

x1 = número de conejos.
x2 = número de pollos.

La función a maximizar, beneficio obtenido, será:

f (x1 , x2 ) = 500 x1 + 300 x2

Las restricciones lineales del problema se formulas como:

20 x1 + 10 x2 ≤ 1000 (para la disponibilidad del pienso)


3x1 + 2 x2 ≤ 180 (para la disponibilidad de horas)

Finalmente, tenemos las restricciones de no negatividad de las variables:

x1 , x2 ≥ 0

115
Programación Lineal para la Ingeniería Técnica

El planteamiento del problema queda, por tanto, de la siguiente manera:

max f (x1 , x2 ) = 500 x1 + 300 x2


s.a.: 20 x1 + 10 x2 ≤ 1000
3x1 + 2 x2 ≤ 180
x1 , x2 ≥ 0

El siguiente paso consistirá en pasar a la forma estándar, esto es,


introducimos variables de holgura en las dos restricciones verdaderas,
obteniendo, una vez realizadas las simplificaciones oportunas:

max 500 x1 + 300 x2


s.a.: 2 x1 + x2 + x3H = 100
3x1 + 2 x2 + x4H = 180
x1 , x2 , x3H , x4H ≥ 0

La solución factible básica inicial es:

x1 = x2 = 0 , x3H = 100 , x4H = 180

Así, obtenemos la tabla inicial del algoritmo del Simplex:

x1 x2 x3H x4H
x3H 100 2 3 1 0
H
x 4 180 3 2 0 1
500 300 0 0

Continuamos con las siguientes iteraciones:

x1 x2 x3H x4H
x1 50 1 1/2 1/2 0
x4H 30 0 1/2 -3/2 1
0 50 -250 0

116
Programación Lineal para la Ingeniería Técnica

x1 x2 x3H x4H
x1 20 1 0 2 -1
x2 60 0 1 -3 2
0 0 -100 -100

Obtenemos, por tanto, la solución óptima cuyo valor es:

x1* = 20 conejos, x2* = 60 pollos, Z * = 28000 pesetas.

Este problema puede ser resuelto también gráficamente:

A
B 3x + 2y = 180
500x + 300y = 0 20x + 10y = 1000

Ahora, calculamos los vértices y el valor que toma en ellos la función


objetivo:

A = (0,0), B = (50,0), C = (20,60), D = (0,90)


f (A) = 0, f(B) = 25000, f(C) = 28000, f(D) = 27000

Por tanto, obtenemos la misma solución: 20 conejos y 60 pollos, con un


beneficio máximo de 28000 pesetas.

117
Programación Lineal para la Ingeniería Técnica

EJEMPLO 2.

En una fábrica de dulces navideños se preparan dos surtidos para lanzarlos al


mercado. El primero se vende a 450 pesetas y contiene 150 gramos de polvorones,
100 gramos de mantecados y 80 gramos de roscos de vino. El segundo surtido se
vende a 560 pesetas y contiene 200 gramos de polvorones, 100 gramos de
mantecados y 100 gramos de roscos de vino. Se dispone de un total de 200
kilogramos de polvorones, 130 kilogramos de mantecados y 104 kilogramos de
roscos de vino. La empresa de embalajes sólo le puede suministrar 1200 cajas.
¿Cuántos surtidos de cada tipo convendría fabricar para que el beneficio sea
máximo?.

Solución:

Definimos las variables originales como:

x1 = número de surtidos del tipo 1.


x2 = número de surtidos del tipo 2.

La función a maximizar, beneficio obtenido, será:

f (x1 , x2 ) = 450 x1 + 560 x2

Las restricciones lineales del problema se formulan como:

150 x1 + 200 x2 ≤ 200000 (para la disponibilidad de los polvorones)


100 x1 + 100 x2 ≤ 130000 (para la disponibilidad de los mantecados)
80 x1 + 100 x2 ≤ 104000 (para la disponibilidad de los roscos)
x1 + x2 ≤ 1200 (para la disponibilidad de las cajas)

Finalmente, por su definición, tenemos las restricciones de no negatividad


de las variables:

x1 , x2 ≥ 0

118
Programación Lineal para la Ingeniería Técnica

El planteamiento del problema queda, por tanto, de la siguiente manera:

max f (x1 , x2 ) = 450 x1 + 560 x2


s.a.: 150 x1 + 200 x2 ≤ 200000
100 x1 + 100 x2 ≤ 130000
80 x1 + 100 x2 ≤ 104000
x1 + x2 ≤ 1200
x1 , x2 ≥ 0

Observamos que la restricción de la disponibilidad de cajas implica la


restricción de la disponibilidad de los mantecados, por lo que esta última
puede ser eliminada del problema. Teniendo en cuenta esta circunstancia, y
simplificando en el resto de las restricciones, obtenemos la forma estándar:

max 450 x1 + 560 x2


3
s.a.: x1 + 2 x2 + x3H = 2000
2
4
x1 + x2 + x4H = 1040
5
x1 + x2 + x5H = 1200
x1 , x2 , x3H , x4H , x5H ≥ 0

La solución factible básica inicial es:

x1 = x2 = 0 , x3H = 2000 , x4H = 1040 , x5H = 1200

Así, obtenemos la tabla inicial del algoritmo del Simplex:

x1 x2 x3H x4H x5H


x3H 2000 3/2 2 1 0 0
H
x4 1040 4/5 1 0 1 0
H
x5 1200 1 1 0 0 1
450 560 0 0 0

119
Programación Lineal para la Ingeniería Técnica

Continuamos con las siguientes iteraciones:

x1 x2 x3H x4H x5H


x2 1000 3/4 1 1/2 0 0
x4H 40 1/20 0 -1/2 1 0
x5H 200 1/4 0 -1/2 0 1
30 0 -280 0 0

x1 x2 x3H x4H x5H


x2 400 0 1 8 -15 0
x1 800 1 0 -10 20 0
x5H 0 0 0 2 -5 1
0 0 20 -600 0

x1 x2 x3H x4H x5H


x2 400 0 1 0 5 -4
x1 800 1 0 0 -5 5
x3H 0 0 0 1 -5/2 1/2
0 0 0 -550 -10

Obtenemos, por tanto, la solución óptima cuyo valor es:

x1* = 800 surtidos tipo 1, x2* = 400 surtidos tipo 2, Z * = 584000 pesetas.

Notamos que al igual que ocurría para el ejemplo 1, este problema puede ser
resuelto también gráficamente, donde idenficamos las variables por
comodidad como x e y (número de surtidos del tipo 1 y del tipo 2
respectivamente). El método de resolución gráfica quedará de la siguiente
manera:

120
Programación Lineal para la Ingeniería Técnica

150x + 200y = 200000


A B
x + y = 1200
80x + 100y = 104000
450x + 560y = 0

Ahora, calculamos los vértices y el valor que toma en ellos la función


objetivo. Notamos que el punto de corte de las tres rectas de las restriciones
tomadas dos a dos, es el mismo punto C:

A = (0,0), B = (1200,0), C = (800,400), D = (0,1000)


f (A) = 0, f(B) = 540000, f(C) = 584000, f(D) = 560000

Por tanto, obtenemos la misma solución: 800 surtidos del tipo 1 y 400 del
tipo 2, con un beneficio máximo de 584000 pesetas.

EJEMPLO 3.

Cierto fabricante produce sillas y mesas para las que requiere la utilización de dos
secciones de producción: la sección de montaje y la sección de pintura. La
producción de una silla requiere 1 hora de trabajo en la sección de montaje y de 2
horas en la de pintura. Por su parte, la fabricación de una mesa precisa de 3 horas
en la sección de montaje y de 1 hora en la de pintura. La sección de montaje sólo
puede estar 9 horas diarias en funcionamiento, mientras que la de pintura sólo 8
horas. El beneficio produciendo mesas es doble que el de sillas. ¿Cuál ha de ser la
producción diaria de mesas y sillas para que el beneficio sea máximo?.

121
Programación Lineal para la Ingeniería Técnica

Solución:

Definimos las variables originales como:

x1 = número de sillas.
x2 = número de mesas.

La función a maximizar, beneficio obtenido, será:

f (x1 , x2 ) = x1 + 2 x2

Las restricciones lineales del problema se formulan como:

x1 + 3 x2 ≤ 9 (disponibilidad de horas en la sección de montaje)


2 x1 + x2 ≤ 8 (disponibilidad de horas en la sección de pintura)

Finalmente, tenemos las restricciones de no negatividad de las variables:

x1 , x2 ≥ 0

El planteamiento del problema queda, por tanto, de la siguiente manera:

max f (x1 , x2 ) = x1 + 2 x2
s.a.: x1 + 3 x2 ≤ 9
2 x1 + x2 ≤ 8
x1 , x2 ≥ 0

Obtenemos la forma estándar al introducir las correspondientes variables de


holgura:

max x1 + 2x2
s.a.: x1 + 3 x2 + x3H = 9
2 x1 + x2 + x4H = 8
x1 , x2 , x3H , x4H ≥ 0

122
Programación Lineal para la Ingeniería Técnica

La solución factible básica inicial es:

x1 = x2 = 0 , x3H = 9 , x4H = 8

Así, obtenemos la tabla inicial del algoritmo del Simplex:

x1 x2 x3H x4H
x3H 9 1 3 1 0
H
x 4 8 2 1 0 1
1 2 0 0

Continuamos con las siguientes iteraciones:

x1 x2 x3H x4H
x2 3 1/3 1 1/3 0
x4H 5 5/3 0 -1/3 1
1/3 0 -2/3 0

x1 x2 x3H x4H
x2 2 0 1 2/5 -1/5
x1 3 1 0 -1/5 3/5
0 0 -3/5 -1/5

Obtenemos, por tanto, la solución óptima cuyo valor es:

x1* = 3 sillas, x2* = 2 mesas, Z * = 7 veces el valor de venta de una silla.

Notamos que de nuevo este problema puede ser resuelto aplicando el


método gráfico, donde idenficamos las variables por comodidad como x e y
(número de sillas y de mesas respectivamente). Asi pues, obtenemos:

123
Programación Lineal para la Ingeniería Técnica

C
x + 3y = 9
A
B

2x + y = 8
x + 2y = 0

Ahora, calculamos los vértices y el valor que toma en ellos la función


objetivo:

A = (0,0), B = (4,0), C = (3,2), D = (0,3)


f (A) = 0, f(B) = 4, f(C) = 7, f(D) = 6

Por tanto, obtenemos la misma solución: 3 sillas y 2 mesas, con un beneficio


máximo de 7 veces el valor de una silla.

EJEMPLO 4.

En una fábrica se elaboran tres tipos de herramientas A, B y C. En la fábrica


trabajan 3 obreros durante 8 horas diarias y un revisor, para comprobar las
herramientas una vez construidas, que trabaja 1 hora diaria. Para la construcción
de A se emplean 3 horas diarias de mano de obra y precisa de 6 minutos de
revisión, para la construcción de B se emplean igualmente 3 horas de mano de obra
y 4 minutos para su revisión, y para C es necesaria 1 hora diaria de mano de obra y
3 minutos de revisión. Por problemas de producción en la fábrica no se pueden
fabricar más de 12 herramientas diarias y el precio de cada herramienta A, B y C es
de 4000, 3000 y 2000 pesetas respectivamente. Hallar cuántas unidades se deben
elaborar cada día de cada una de ellas para obtener un beneficio máximo.

124
Programación Lineal para la Ingeniería Técnica

Solución:

Definimos las variables originales como:

x1 = número de unidades diarias del tipo A.


x2 = número de unidades diarias del tipo B.
x3 = número de unidades diarias del tipo C.

La función a maximizar, beneficio obtenido, será:

f (x1 , x2 , x3 ) = 4000 x1 + 3000 x2 + 2000 x3

Las restricciones lineales del problema se formulan como:

3x1 + 3x2 + x3 ≤ 24 (disponibilidad de tiempo de mano de obra)


6 x1 + 4 x2 + 3x3 ≤ 60 (disponibilidad de tiempo de revisión)
x1 + x2 + x3 ≤ 12 (restricción de número de herramientas)

Finalmente, por su definición, tenemos las restricciones de no negatividad


de las variables:

x1 , x2 , x3 ≥ 0

El planteamiento del problema queda, por tanto, de la siguiente manera:

max f (x1 , x2 , x3 ) = 4000 x1 + 3000 x2 + 2000 x3


s.a.: 3 x1 + 3x2 + x3 ≤ 24
6 x1 + 4 x2 + 3x3 ≤ 60
x1 + x2 + x3 ≤ 12
x1 , x2 , x3 ≥ 0

Obtenemos la forma estándar al introducir las correspondientes variables de


holgura:

125
Programación Lineal para la Ingeniería Técnica

max 4000 x1 + 3000 x2 + 2000 x3


s.a.: 3x1 + 3 x2 + x3 + x4H = 24
6 x1 + 4 x2 + 3x3 + x5H = 60
x1 + x2 + x3 + x6H = 12
x1 , x2 , x3 , x4H , x5H , x6H ≥ 0

La solución factible básica inicial es:

x1 = x2 = x3 = 0 , x4H = 24 , x5H = 60 , x6H = 12

Así, obtenemos la tabla inicial del algoritmo del Simplex:

x1 x2 x3 x4H x5H x6H


x4H 24 3 3 1 1 0 0
x5H 60 6 4 3 0 1 0
H
x6 12 1 1 1 0 0 1
4000 3000 2000 0 0 0

Continuamos con las siguientes iteraciones:

x1 x2 x3 x4H x5H x6H


x1 8 1 1 1/3 1/3 0 0
x5H 12 0 -2 1 -2 1 0
H
x6 4 0 0 2/3 -1/3 0 1
0 -1000 2000/3 -4000/3 0 0

x1 x2 x3 x4H x5H x6H


x1 6 1 1 0 1/2 0 -1/2
x5H 6 0 -2 0 -3/2 1 -3/2
x3 6 0 0 1 -1/2 0 3/2
0 -1000 0 -5000/3 0 -1000

126
Programación Lineal para la Ingeniería Técnica

Obtenemos, por tanto, la solución óptima cuyo valor es:

x1* = 6 herramientas A, x2* = 0 herramientas B, x3* = 6 herramientas C,


Z * = 36000 pesetas de beneficio máximo.

EJEMPLO 5.

Un dentista emplea a tres asistentes. En los dos sillones de su consulta se realizan


trabajos de endodoncia y estomatología general. Un servicio de endodoncia
requiere 0.75 horas de sillón, 1.5 de trabajo de un asistente y 0.25 horas de trabajo
del dentista. Un servicio de estomatología general requiere, respectivamente, 0.75
horas, 1 hora y 0.5 horas. Por cada servicio de endodoncia se obtiene un beneficio
de 5000 pesetas y por cada servicio de estomatología general 4000 pesetas. Si tanto
el dentista como sus asistentes trabajan 8 horas diarias, ¿cómo debe distribuirse el
trabajo, entre endodoncias y sesiones de estomatología general, para que el
beneficio diario sea máximo?.

Solución:

Definimos las variables originales como:

x1 = número de endodoncias.
x2 = número de sesiones de estomatología general.

La función a maximizar, beneficio obtenido, será:

f (x1 , x2 ) = 5000 x1 + 4000 x2

Las restricciones lineales del problema se formulan como:

0.75 x1 + 0.75 x2 ≤ 16 (disponibilidad de tiempo de sillón)


1.5 x1 + x2 ≤ 24 (disponibilidad de tiempo de asistentes)
0.25 x1 + 0.5 x2 ≤ 8 (disponibilidad de tiempo del dentista)

127
Programación Lineal para la Ingeniería Técnica

Finalmente, por su definición, tenemos las restricciones de no negatividad


de las variables:

x1 , x2 ≥ 0

El planteamiento del problema queda, por tanto, de la siguiente manera:

max f (x1 , x2 ) = 5000 x1 + 4000 x2


s.a.: 0.75 x1 + 0.75 x2 ≤ 16
1.5 x1 + x2 ≤ 24
0.25 x1 + 0.5 x2 ≤ 8
x1 , x2 ≥ 0

Simplificando la función objetivo entre 1000, obtenemos la forma estándar al


introducir las correspondientes variables de holgura:

max 5 x1 + 4 x2
s.a.: 0.75 x1 + 0.75 x2 + x3H = 16
1.5 x1 + x2 + x4H = 24
0.25 x1 + 0.5 x2 + x5H = 8
x1 , x2 , x3H , x4H , x5H ≥ 0

La solución factible básica inicial es:

x1 = x2 = 0 , x3H = 16 , x4H = 24 , x5H = 8

Así, obtenemos la tabla inicial del algoritmo del Simplex:

x1 x2 x3H x4H x5H


x3H 16 3/4 3/4 1 0 0
H
x4 24 3/2 1 0 1 0
H
x5 8 1/4 1/2 0 0 1
5 4 0 0 0

128
Programación Lineal para la Ingeniería Técnica

Continuamos con las siguientes iteraciones:

x1 x2 x3H x4H x5H


x3H 4 0 1/4 1 -1/2 0
x1 16 1 2/3 0 2/3 0
x5H 4 0 1/3 0 -1/6 1
0 2/3 0 -10/3 0

x1 x2 x3H x4H x5H


x3H 1 0 0 1 -3/8 -3/4
x1 8 1 0 0 1 -2
x2 12 0 1 0 -1/2 3
0 0 0 -3 -2

Obtenemos, por tanto, la solución óptima cuyo valor es:

x1* = 8 endodoncias, x2* = 12 sesiones de estomatología general,


Z * = 88000 pesetas de beneficio máximo.

Este problema puede ser resuelto aplicando el método gráfico:

A 0.25x + 0.5y = 8
B

1.5x + y = 24 0.75x + 0.75y = 16


5000x + 4000y = 0

129
Programación Lineal para la Ingeniería Técnica

Ahora, calculamos los vértices y el valor que toma en ellos la función


objetivo:

A = (0,0), B = (16,0), C = (8,12), D = (0,16)


f (A) = 0, f(B) = 80000, f(C) = 88000, f(D) = 64000

Por tanto, obtenemos la misma solución: 8 endodoncias y 12 sesiones de


estomatología general, con un beneficio máximo de 88000 pesetas.

EJEMPLO 6.

Una compañía de pulpa de papel posee dos regiones forestales, la región I y la


región II, y dos molinos, A y B. Las capacidades de suministro mensual de madera
de las regiones I y II son 120 y 250 toneladas, respectivamente. El molino A
requiere por lo menos 200 toneladas de madera al mes y el B al menos 150 también
al mes. Los costes de transporte en unidades monetarias por tonelada de cada
región a cada molino son los siguientes: 5 de la región I al molino A, 4 desde la
región I al molino B, 5 desde la región II al molino A, y 6 desde la región II al
molino B. ¿Qué cantidad de madera debe transportarse desde cada región I y II a
cada molino A y B de forma que se minimice el coste total de transporte?. ¿Cuál
ese coste mínimo?. ¿Hay algún trayecto que no debe realizarse para conseguir
dicho coste mínimo?.

Solución:

Definimos las variables originales como:

x1 A = toneladas transportadas de I a A.
x1B = toneladas transportadas de I a B.
x2 A = toneladas transportadas de II a A.
x2 B = toneladas transportadas de II a B.

La función a minimizar, coste del transporte, será:

130
Programación Lineal para la Ingeniería Técnica

f (x1 A , x1B , x2 A , x2 B ) = 5 x1 A + 4 x1B + 5 x2 A + 6 x2 B

Las restricciones lineales del problema se formulan como:

x1 A + x1B ≤ 120 (oferta de la región I)


x2 A + x2 B ≤ 250 (oferta de la región II)
x1 A + x2 A ≥ 200 (demanda del molino A)
x1B + x2 B ≥ 150 (demanda del molino B)

Finalmente, por su definición, tenemos las restricciones de no negatividad


de las variables:

x1 A , x1B , x2 A , x2 B ≥ 0

El planteamiento del problema queda, por tanto, de la siguiente manera:

min f (x1 A , x1B , x2 A , x2 B ) = 5 x1 A + 4 x1B + 5 x2 A + 6 x2 B


s.a.: x1 A + x1B ≤ 120
x2 A + x2 B ≤ 250
x1 A + x2 A ≥ 200
x1B + x2 B ≥ 150
x1 A , x1B , x2 A , x2 B ≥ 0

Cambiando de signo a la función objetivo, e introduciendo variables de


holgura y artificiales obtenemos la forma estándar:

max − 5 x1 A − 4 x1B − 5 x2 A − 6 x2 B − Mx7A − Mx8A


s.a.: x1 A + x1B + x3H = 120
x2 A + x2 B + x4H = 250
x1 A + x 2 A − x5H + x7A = 200
x1B + x2 B − x6H + x8A = 150
x1 A , x1B , x2 A , x2 B , x3H , x4H , x5H , x6H , x7A , x8A ≥ 0

La solución factible básica inicial es:

131
Programación Lineal para la Ingeniería Técnica

x1 A = x1B = x 2 A = x 2 B = x5H = x6H = 0

x3H = 120 , x4H = 250 , x7A = 200 , x8A = 150

Así, obtenemos la tabla inicial del algoritmo del Simplex:

x1 A x1B x2 A x2 B x3H x4H x5H x6H x7A x8A


x3H 120 1 1 0 0 1 0 0 0 0 0 0
H
x4 250 0 0 1 1 0 1 0 0 0 0 0
A
x7 200 1 0 1 0 0 0 -1 0 1 0 -M
A
x 8 150 0 1 0 1 0 0 0 -1 0 1 -M
-5 -4 -5 -6 0 0 0 0 -M -M
M-5 M-4 M-5 M-6 0 0 -M -M 0 0

x1 A x1B x2 A x2 B x3H x4H x5H x6H x7A x8A


x1B 120 1 1 0 0 1 0 0 0 0 0 -4
x4H 250 0 0 1 1 0 1 0 0 0 0 0
x7A 200 1 0 1 0 0 0 -1 0 1 0 -M
A
x 8 30 -1 0 0 1 -1 0 0 -1 0 1 -M
-5 -4 -5 -6 0 0 0 0 -M -M
-1 0 M-5 M-6 4-M 0 -M -M 0 0

x1 A x1B x2 A x2 B x3H x4H x5H x6H x8A


x1B 120 1 1 0 0 1 0 0 0 0 -4
H
x 4 50 -1 0 0 1 0 1 1 0 0 0
x2 A 200 1 0 1 0 0 0 -1 0 0 -5
x8A 30 -1 0 0 1 -1 0 0 -1 1 -M
-5 -4 -5 -6 0 0 0 0 -M
4-M 0 0 M-6 4-M 0 -5 -M 0

132
Programación Lineal para la Ingeniería Técnica

x1 A x1B x2 A x2 B x3H x4H x5H x6H


x1B 120 1 1 0 0 1 0 0 0 -4
x4H 20 0 0 0 0 1 1 1 1 0
x2 A 200 1 0 1 0 0 0 -1 0 -5
x2 B 30 -1 0 0 1 -1 0 0 -1 -6
-5 -4 -5 -6 0 0 0 0
-2 0 0 0 -2 0 -5 -6

Obtenemos, por tanto, la solución óptima cuyo valor es:

x1*A = 0 , x1*B = 120 , x2* A = 200 , x2* B = 30 , Z * = 1660 pesetas de coste mínimo.

EJEMPLO 7.

Sobre dos alimentos diferentes tenemos la siguiente información por kilogramo:

Alimento Calorías Proteínas (gr) Precio (ptas)


A 1000 25 60
B 2000 100 210

Hallar el coste mínimo de una dieta formada sólo por este tipo de alimentos y que
al menos aporte 3000 calorías y 100 gramos de proteínas.

Solución:

Definimos las variables originales como:

x1 = kilogramos de alimento A.
x2 = kilogramos de alimento B.

La función a minimizar, coste de la dieta, será:

f (x1 , x2 ) = 60 x1 + 210 x2

133
Programación Lineal para la Ingeniería Técnica

Las restricciones lineales del problema se formulan como:

1000 x1 + 2000 x2 ≥ 3000 (aportación mínima de calorías)


25 x1 + 100 x2 ≥ 100 (aportación mínima de proteínas)

Finalmente, por su definición, tenemos las restricciones de no negatividad


de las variables:

x1 , x2 ≥ 0

El planteamiento del problema queda, por tanto, de la siguiente manera:

min f (x1 , x2 ) = 60 x1 + 210 x2


s.a.: 1000 x1 + 2000 x2 ≥ 3000
25 x1 + 100 x2 ≥ 100
x1 , x2 ≥ 0

Cambiando de signo a la función objetivo, simplificando en las restricciones,


e introduciendo variables de holgura y artificiales obtenemos la forma
estándar:

max −60 x1 − 210 x2 − Mx5A − Mx6A


s.a.: x1 + 2 x2 − x3H + x5A = 3
x1 + 4 x2 − x4H + x6A = 4
x1 , x2 , x3H , x4H , x5A , x6A ≥ 0

La solución factible básica inicial es:

x1 = x2 = x3H = x4H = 0 , x5A = 3 , x6A = 4

Así, obtenemos la tabla inicial del algoritmo del Simplex:

134
Programación Lineal para la Ingeniería Técnica

x1 x2 x3H x4H x5A x6A


x5A 3 1 2 -1 0 1 0 -M
A
x6 4 1 4 0 -1 0 1 -M
-60 -210 0 0 -M -M
2M - 60 6M - 210 -M -M 0 0

Continuamos con las siguientes iteraciones:

x1 x2 x3H x4H x5A


x5A 1 1/2 0 -1 1/2 1 -M
x2 1 1/4 1 0 -1/4 0 -210
-60 -210 0 0 -M
M 15 M 105
− 0 -M − 0
2 2 2 2

x1 x2 x3H x4H
x1 2 1 0 -2 1 -60
x2 1/2 0 1 1/2 -1/2 -210
-60 -210 0 0
0 0 -15 -45

Obtenemos, por tanto, la solución óptima cuyo valor es:

x1* = 2 kilos de alimento A, x2* = 0.5 kilos de alimento B

Z * = 225 pesetas de coste mínimo

Este problema puede ser resuelto aplicando el método gráfico, sin más que
identificar a las variables x e y como las cantidades (kilogramos) de los
alimentos A y B respectivamente. Así pues, obtenemos el siguiente dibujo:

135
Programación Lineal para la Ingeniería Técnica

1000x + 2000y = 3000


A

25x + 100y = 100


60x + 210y = 0

Ahora, calculamos los vértices y el valor que toma en ellos la función


objetivo:

A = (4,0), B = (2,0.5), C = (0,1.5)


f (A) = 240, f(B) = 225, f(C) = 315

Por tanto, obtenemos la misma solución: 2 kilogramos del alimento A y 0.5


del B, con un mínimo de 225 pesetas. Notamos que al movernos por los ejes
de coordenadas que limitan la región de factibilidad, la función objetivo
crece hacia infinito, por lo que en dichos puntos no puede alcanzarse el
mínimo buscado.

EJEMPLO 8.

En una explotación agraria de 100 hectáreas se desean realizar diferentes labores


como son: cultivar dos tipos de cereal (trigo y cebada), plantar dos tipos de frutales
(perales y manzanos), y reforestar, para lo cual se plantarán pinos y chopos. Los
beneficios que se obtienen por cada hectárea cultivada de trigo y cebada son
respectivamente 3 y 2.5 unidades monetarias; así mismo, por cada hectárea de
perales se obtienen 3.5 u.m. y por cada hectárea de manzanos, 4 u.m. Por otro
lado, se obtiene una subvención por la reforestación y se otorgan 5 u.m. por cada

136
Programación Lineal para la Ingeniería Técnica

hectárea de pinos y 4.5 u.m. por cada hectárea de chopos. Las normas de la
explotación obligan a utilizar al menos el 40% del total de la tierra en el cultivo de
los cereales, y como máximo un 35% de la tierra en cualquiera de las otras dos
labores, frutales o reforestación. Calcular cómo ha de repartirse la tierra para
obtener un máximo beneficio.

Solución:

Definimos las variables originales como:

x1 = hectáreas cultivadas de trigo.


x2 = hectáreas cultivadas de cebada.
x3 = hectáreas plantadas de perales.
x4 = hectáreas plantadas de manzanos.
x5 = hectáreas plantadas de pinos.
x6 = hectáreas plantadas de chopos.

La función a maximizar, beneficio obtenido, será:

f (x1 , x2 , x3 , x4 , x5 , x6 ) = 3x1 + 2.5 x2 + 3.5 x3 + 4 x4 + 5 x5 + 4.5 x6

Las restricciones lineales del problema se formulan como:

x1 + x2 + x3 + x4 + x5 + x6 ≤ 100 (máximo de hectáreas)


x1 + x2 ≥ 0.40(x1 + x2 + x3 + x4 + x5 + x6 ) (normas de la explotación)
x3 + x4 ≤ 0.35(x1 + x2 + x3 + x4 + x5 + x6 ) (normas de la explotación)
x5 + x6 ≤ 0.35(x1 + x2 + x3 + x4 + x5 + x6 ) (normas de la explotación)

Finalmente, por su definición, tenemos las restricciones de no negatividad


de las variables:

x1 , x2 , x3 , x4 , x5 , x6 ≥ 0

El planteamiento del problema queda, por tanto, de la siguiente manera:

137
Programación Lineal para la Ingeniería Técnica

max f (x1 , x2 , x3 , x4 , x5 , x6 ) = 3x1 + 2.5 x2 + 3.5 x3 + 4 x4 + 5 x5 + 4.5 x6


s.a.: x1 + x2 + x3 + x4 + x5 + x6 ≤ 100
x1 + x2 ≥ 0.40(x1 + x2 + x3 + x4 + x5 + x6 )
x3 + x4 ≤ 0.35(x1 + x2 + x3 + x4 + x5 + x6 )
x5 + x6 ≤ 0.35(x1 + x2 + x3 + x4 + x5 + x6 )
x1 , x2 , x3 , x4 , x5 , x6 ≥ 0

Simplificando las restricciones, e introduciendo las correspondientes


variables de holgura obtenemos la forma estándar:

max 3 x1 + 2.5 x 2 + 3.5 x3 + 4 x 4 + 5 x5 + 4.5 x6


s.a.: x1 + x2 + x3 + x4 + x5 + x6 + x7H = 100
− 3x1 − 3 x2 + 2 x3 + 2 x4 + 2 x5 + 2 x6 + x8H = 0
− 7 x1 − 7 x2 + 13x3 + 13x4 − 7 x5 − 7 x6 + x9H = 0
− 7 x1 − 7 x2 − 7 x3 − 7 x4 + 13 x5 + 13 x6 + x10H = 0
x1 , x2 , x3 , x4 , x5 , x6 , x7H , x8H , x9H , x10H ≥ 0

La solución factible básica inicial es:

x1 = x2 = x3 = x4 = x5 = x6 = 0 , x7H = 100 , x8H = x9H = x10H = 0

Así, obtenemos la tabla inicial del algoritmo del Simplex:

x1 x2 x3 x4 x5 x6 x7H x8H x9H x10H


x7H 100 1 1 1 1 1 1 1 0 0 0
H
x8 0 -3 -3 2 2 2 2 0 1 0 0
H
x9 0 -7 -7 13 13 -7 -7 0 0 1 0
H
x10 0 -7 -7 -7 -7 13 13 0 0 0 1
3 2.5 3.5 4 5 4.5 0 0 0 0

Continuamos con las siguientes iteraciones:

138
Programación Lineal para la Ingeniería Técnica

x1 x2 x3 x4 x5 x6 x7H x8H x9H x10H


x7H 100 5/2 5/2 0 0 0 0 1 -1/2 0 0
x5 0 -3/2 -3/2 1 1 1 1 0 1/2 0 0
H
x9 0 -35/2 -35/2 20 20 0 0 0 7/2 1 0
H
x10 0 25/2 25/2 -20 -20 0 0 0 -13/2 0 1
10.5 10 -1.5 -1 0 -0.5 0 -2.5 0 0

x1 x2 x3 x4 x5 x6 x7H x8H x9H x10H


x7H 100 0 0 4 4 0 0 1 4/5 0 -1/5
x5 0 0 0 -7/5 -7/5 1 1 0 -7/25 0 3/25
H
x9 0 0 0 -8 -8 0 0 0 -28/5 1 7/5
x1 0 1 1 -8/5 -8/5 0 0 0 -13/25 0 2/25
0 -0.5 15.3 15.8 0 -0.5 0 2.96 0 -0.84

x1 x2 x3 x4 x5 x6 x7H x8H x9H x10H


x4 25 0 0 1 1 0 0 1/4 1/5 0 -1/20
x5 35 0 0 0 0 1 1 7/20 0 0 1/20
H
x9 200 0 0 0 0 0 0 2 -4 1 1
x1 40 1 1 0 0 0 0 2/5 -1/5 0 0
0 -0.5 -0.5 0 0 -0.5 -3.95 -0.2 0 -0.05

Obtenemos, por tanto, la solución óptima cuyo valor es:

x1* = 40 , x2* = x3* = 0 , x4* = 25 , x5* = 35 , x6* = 0 , Z * = 395 u.m. de beneficio.

Esto es, se cultivarán 40 hectáreas de trigo y ninguna de cebada; únicamente


se plantarán 25 hectáreas de manzanos (ninguna de perales); además, se
reforestarán 35 hectáreas con pinos y ninguna con chopos. Con todo esto, se
obtendrá un beneficio de 395 unidades monetarias.

139
PROBLEMA N°1
Unos grandes almacenes desean liquidar 200 camisas y 100 pantalones de la temporada anterior.
Para ello lanzan dos ofertas, A y B: la oferta A consiste en un lote de una camisa y un pantalón, que
se vende a 30 €; y la oferta B consiste en un lote de tres camisas y un pantalón, que se vende a 50
€. No se desea ofrecer menos de 20 lotes de la oferta A ni menos de 10 de la B. ¿Cuántos lotes ha
de vender de cada tipo para maximizar la ganancia?

1. Variables de decisión:
i. X1: N° Lotes oferta A.
ii. X2: N° Lotes oferta B.
2. Función Objetivo:
i. Maximizar
3. Restricciones:
i. Restricción del total de camisas
ii. Restricción del total de pantalones
iii. Restricción mínima de lotes oferta A
iv. Restricción mínima de lotes oferta B
v. Restricción de no negatividad

La región solución está representada de color amarillo, y la solución que maximiza el beneficio, se
encuentra en el punto B, donde se deben vender 50 lotes de A y de B para obtener una ganancia
de 4000 euros.
PROBLEMA N°2
Una empresa fabrica dos modelos de mesas para ordenador, M1 y M2. Para su producción se
necesita un trabajo manual de 20 minutos para el modelo M1 y de 30 minutos para el M2; y un
trabajo de máquina de 20 minutos para M1 y de 10 minutos para M2. Se dispone de 100 horas al
mes de trabajo manual y de 80 horas al mes de máquina. Sabiendo que el beneficio por unidad es
de 1,5 y 1 € para M1 y M2, respectivamente, planificar la producción para obtener el máximo
beneficio.

1. Variables de decisión:
i. X1: N° Mesas para ordenador M1 producidas en el mes.
ii. X2: N° Mesas para ordenador M2 producidas en el mes.
2. Función Objetivo:
i. Maximizar
3. Restricciones:
i. Restricción de horas trabajo manual.
ii. Restricción de horas trabajo de máquina.
iii. Restricción de no negatividad.

La región solución está representada de color amarillo, y la solución que maximiza el beneficio, se
encuentra en el punto B, donde se deben producir 210 mesa para ordenador M1 y 60 mesas M2,
obteniendo un beneficio de 375 euros.
PROBLEMA N°3
Una refinería de petróleo tiene dos fuentes de petróleo crudo: Crudo ligero, que cuesta 35 dólares
por barril y crudo pesado a 30 dólares el barril. Con cada barril de crudo ligero, la refinería produce
0,3 barriles de gasolina (G), 0,2 barriles de combustible para calefacción (C) y 0,3 barriles de
combustible para turbinas (T), mientras que con cada barril de crudo pesado produce 0,3 barriles
de G, 0,4 barriles de C y 0,2 barriles de T. La refinería ha contratado el suministro de 900000
barriles de G, 800000 barriles de C y 500000 barriles de T. Hallar las cantidades de crudo ligero y
pesado que debe comprar para poder cubrir sus necesidades al costo mínimo.

1. Variables de decisión:
i. X1: N° Barriles comprados de crudo ligero.
ii. X2: N° Barriles comprados de crudo pesado.
2. Función Objetivo:
i. Minimizar
3. Restricciones:
i. Restricción barriles de G
ii. Restricción barriles de C
iii. Restricción Barriles de T
iv. Restricción de no negatividad

La región solución es no acotada, sin embargo, es acotada para encontrar un mínimo y está
representada de color amarillo, y la solución que minimiza los costos asociados, se encuentra en el
punto A, donde se deben comprar 0 barriles de crudo ligero y 3 millones de barriles de crudo
pesado, obteniendo un costo asociado de 90 millones de dólares.
PROBLEMA N°1
Una empresa, especializada en la fabricación de mobiliario para casas de muñecas, produce cierto
tipo de minimesas y minisillas que vende a 2000 unidades monetarias (u. m.) y 3000 u. m. por cada
artículo, respectivamente. Desea saber cuántas unidades de cada artículo debe fabricar
diariamente un operario para maximizar los ingresos, teniendo las siguientes restricciones:

 El número total de unidades de los dos tipos no podrá exceder de cuatro por día y
operario.
 Cada minimesa requiere dos horas para su fabricación; cada minisilla, tres horas. La
jornada laboral máxima es de diez horas.
 El material utilizado en cada minimesa cuesta 400 u.m. El utilizado en cada minisilla cuesta
200 u.m. Cada operario dispone de 1200 u.m. diarias para material.
 Plantear y resolver el anterior problema como un modelo de programación lineal.

1. Variables de decisión:
• X1: N° de minimesas a producir diariamente por operario.
• X2: N° de minisillas a producir diariamente por operario.
2. Función Objetivo:
• Maximizar
3. Restricciones:
• Restricción total por día.
• Restricción total de horas.
• Restricción total de material.
• Restricción de no negatividad

La función objetivo alcanza un valor máximo en A(0,10/3) y en B(2,2), con Z=10000 u.m., esto
quiere decir que la recta de color azul que une los puntos A y B, contiene infinitos valores que
satisfacen el problema, es decir, existen infinitas soluciones. Sin embargo se podría descartar el
punto A debido a que no se puede producir 10/3 de minisillas, ya que se debe producir un valor
entero, pero analizando en cuanto a los valores, el problema presenta infinitas soluciones.
PROBLEMA N°2
La región factible de un problema de programación lineal es la intersección del primer cuadrante
del plano cartesiano con los tres semiplanos definidos por las siguientes inecuaciones:

A. Dibuje dicha región y determine sus vértices.


B. Calcule el mínimo de la función objetivo F(x,y) = 4X + 5Y y el recinto anterior.

La región factible acotada queda delimitada por los vértices A= (0,8), B= (10/3, 8/3) y C= (10,0), el
valor mínimo para la función objetivo, se encuentra en el vértice B, donde la función toma el valor
de 80/3, sin embargo, como el signo de las restricciones es estricto (< o >), nos dice que el valor de
B es una solución aproximada, esto quiere decir, que el valor real de optimización se encuentra en
los límites hacia la derecha o la izquierda de ese punto, falta moverse un valor infinitesimal
alrededor de ese punto para estar en la solución correcta, pero en términos generales se toma el
valor de B como óptimo.
PROBLEMA N°3
Una compañía tiene dos minas: la mina A produce diariamente 1 tonelada de carbón de antracita
de alta calidad, 2 toneladas de carbón de calidad media y 4 toneladas de carbón de baja calidad; la
mina B produce 2 toneladas de cada una de las tres clases. Esta compañía necesita 70 toneladas
de carbón de alta calidad, 130 de calidad media y 150 de baja calidad. Los gastos diarios de la mina
A ascienden a 500 u.m. y los de la mina B a 750 u.m. ¿Cuántos días deberán trabajar en cada mina
para que la función de coste sea mínima?
Plantear y resolver el anterior problema como un modelo de programación lineal.

1. Variables de decisión:
• X1: N° de días a explotar la mina A.
• X2: N° de días a explotar la mina B.
2. Función Objetivo:
• Minimizar
3. Restricciones:
• Restricción carbón de alta calidad.
• Restricción carbón de media calidad.
• Restricción carbón de baja calidad.
• Restricción de no negatividad

Se puede apreciar gráficamente que la región factible es no acotada, esto quiere decir, que para
encontrar un valor máximo no existe solución, sin embargo, en este problema se quiere
determinar un valor donde la función se minimice, ese valor se encuentra en el punto C= (60, 5),
donde para que la función Z tome el valor mínimo (Z= 33750 u.m.) se debe explotar la mina A 60
días, mientras que la mina B se debe explotar 5 días.
-Teoría y Problemas resueltos de Programación
Lineal
Objetivos:

 Entender la idea de la Programación lineal y sus aplicaciones a


problemas prácticos.
 Plantear problemas de programación lineal en dos variables.
 Conocer los pasos a seguir para resolver problemas de programación
lineal en dos variables.
 Discutir la solución óptima de un problema de programación lineal.

En 1947, G. B. Dantzig formula, en términos matemáticos muy precisos, el


enunciado estándar al que cabe reducir todo problema de programación lineal.
Dantzig, junto con una serie de investigadores del United States Departament
of Air Force, formarían el grupo que dio en denominarse SCOOP (Scientific
Computation of Optimum Programs).

Respecto al método simplex, que estudiaremos después, señalaremos que su


estudio comenzó en 1951 y fue desarrollado por Dantzig en el United States
Bureau of Standards SEAC COMPUTER, ayudándose de varios modelos de
ordenador de la firma International Business Machines (IBM).

Los fundamentos matemáticos de la programación lineal se deben al


matemático norteamericano de origen húngaro John (Janos) Von Neumann
(1903-1957), quien en 1928 publicó su famoso trabajo Teoría de juegos. En
1947 conjetura la equivalencia de los problemas de programación lineal y la
teoría de matrices desarrollada en sus trabajos. La influencia de este respetado
matemático, discípulo de Dávid Hilbert en Gotinga y, desde 1 930, catedrático
de la Universidad de Princeton de Estados Unidos, hace que otros
investigadores se interesaran paulatinamente por el desarrollo riguroso de esta
disciplina.

EN ESTE TEMA TRATAREMOS LOS SIGUIENTES CONTENIDOS:

YA SE HAN TRABAJADO EN CLASE LOS SIGUIENTES CONCEPTOS


NECESARIOS PARA ENTENDER LA PROGRAMACIÓN LINEAL:

1.) Desigualdades.

2.) Inecuaciones lineales con una incógnita y sistemas de inecuaciones lineales


con una incógnita.

3.) Inecuaciones lineales con dos incógnitas y sistemas de inecuaciones con


dos incógnitas.

AHORA SE INTRODUCIRÁN LOS SIGUIENTES CONCEPTOS:

4.) Puntos óptimos de funciones lineales en conjuntos convexos.


5.) Problemas de programación lineal con dos variables.

3. Inecuaciones lineales con dos incógnitas y sistemas de


inecuaciones con dos incógnitas.

Una inecuación lineal con dos incógnitas es una expresión de alguna de las
formas siguientes:

Las inecuaciones lineales con dos incógnitas se resuelven gráficamente ya que


las soluciones son los puntos del semiplano en el que queda dividido el plano
por la recta que corresponde a la inecuación considerado como igualdad. Esta
recta o borde del semiplano no pertenecerá o sí a la solución según la
desigualdad sea estricta o no respectivamente. Para saber cuál de los dos
semiplanos es el que da la solución bastará tomar el origen de
coordenadas (si la recta no pasa por él) o cualquier otro punto de
coordenadas sencillas y comprobar si satisface o no la desigualdad, si lo
hace, el semiplano que contiene al punto de prueba es el correcto (lo
indicaremos con una flecha señalando hacia él), en caso contrario es el
otro.

Ejemplo:

Resuelve la inecuación 3x+2y+5<0

Dibujamos la recta 3x+2y+5=0 sobre unos ejes de coordenadas y


comprobamos el punto O(0,0), que da:

Luego la solución es la zona sombreada de la figura adjunta.


Se llama sistema de n inecuaciones lineales con dos incógnitas al conjunto
formado por n de estas inecuaciones, es decir:

o cualquier otro signo de desigualdad.

Obtener la solución de un sistema de este tipo supone obtener el semiplano


solución de cada una de las inecuaciones que lo forman y averiguar la
intersección de todos ellos.

La solución de un sistema de n inecuaciones lineales con dos incógnitas es


siempre un conjunto convexo.

Se llama conjunto convexo a una región del plano tal que para dos puntos
cualesquiera de la misma, el segmento que los une está íntegramente
contenido en dicha región. Como casos particulares, un conjunto convexo
puede quedar reducido a una recta, a una semirrecta, a un segmento, a un
punto o al conjunto vacío.

Los segmentos que delimitan un conjunto convexo se llaman bordes o lados y,


la intersección de ellos, vértices. Los vértices y puntos de los lados que
pertenezcan a la solución del sistema de inecuaciones se denominan puntos
extremos. Un conjunto convexo puede ser cerrado o abierto respecto a cada
lado o vértice según se incluya éste o no en la solución. Puede ser acotado o
no acotado según su área sea o no finita.

Ejemplo:

Resolver el sistema de inecuaciones lineales con dos incógnitas:


Si representamos en los mismos ejes de
coordenadas cada una de las rectas que
salen al considerar las anteriores
desigualdades como ecuaciones e indicamos
mediante una flecha el semiplano solución
de cada una de ellas por separado, la
solución será la región del plano sombreada
en la figura que es la intersección de los
semiplanos solución de cada inecuación.
Para la representación rápida de las rectas,
basta con encontrar los puntos donde cortan
a los ejes de coordenadas y unirlos entres sí.

La recta:

x+y-1=0 corta al eje X (hacemos y=0) en (1, 0) y al eje Y (hacemos x=0) en (0,
1)

La recta :

2x+3y+4=0 corta a X en (-2, 0) y a Y en

La recta:

x-2y-2=0 corta a X en (2, 0) y a Y en (0, -1).

4. Puntos óptimos de funciones en conjuntos convexos.

Se define una función lineal con dos variables como una expresión de la
forma f(x, y) = ax + by.

Ha de observarse que para cada valor de "c", el lugar geométrico de los


puntos cuyas coordenadas (x, y) verifican f(x, y) = c es la recta de
ecuación ax+by=c. Al variar "c", se obtiene rectas paralelas tales que
todas tiene la misma pendiente -a/b y cortan al eje Y en el punto (0, c/b).

Si los valores de x e y no están acotados, tampoco lo estará f(x, y), en


cambio, si están restringidos a un cierto conjunto C, la función no podrá
tomar cualquier valor. Se puede entonces hablar de valores máximo o
mínimo (valores óptimos) de f(x, y) en C.
Se cumple el siguiente teorema: "Si una función lineal f(x, y)=ax+by
tiene máximo o mínimo en un conjunto C convexo, toma este valor
óptimo en un punto extremo".

En efecto, si el valor c fuera óptimo y correspondiera a un punto (x, y)


interior al conjunto convexo C, siempre se podrían encontrar dos recta
paralelas a ax+by+c=0, en las cuales f(x, y) tomaría valores mayores o
menores que c y no podría ser c máximo o mínimo. Luego estos valores
sólo pueden presentarse en los puntos extremos.

Usando este teorema, para encontrar los puntos óptimos de f(x, y) en el


conjunto convexo C podemos procederemos de la siguiente forma:

Estudiar los valores de la función en los vértices (si su número es


reducido) y decidir en cuál de ellos hay máximo o mínimo. Tengamos en
cuenta que si la función toma el mismo valor en dos vértices
consecutivos, también toma ese valor en todos los puntos del segmento
que une esos dos vértices.

Ejemplo:

Hallar el máximo y mínimo de la función f(x, y) = x-y en el recinto


convexo solución del sistema de inecuaciones del último ejemplo.

Dado que la gráfica ya la tenemos (la reproducimos aquí poniendo


nombre a los vértices del recinto que sólo son dos A y B pues el
conjunto solución es abierto y no acotado):

El punto A es la solución del sistema


de ecuaciones
luego

El punto B es la solución de:

siendo, pues

Los valores de la función en ambos vértices son:

La función presenta un máximo en el punto B pero no hay ningún valor mínimo


al no ser el recinto acotado (luego veremos la discusión de estos problemas).

Cabe preguntarse ahora: ¿Siempre hay punto máximo o mínimo de una


función lineal en dos variables en un recinto convexo?

La respuesta es que la solución puede ser única. Infinitas o ninguna. Veamos


los casos que pueden darse:

 Si el recinto es cerrado existe una solución única para el máximo y otra


para el mínimo en alguno de los vértices si en todos ellos la función
toma valores distintos.
 Si es cerrado pero hay dos vértices consecutivos en los que la función
toma el mismo valor (y ese valor es por ejemplo máximo), entonces
toma el mismo valor en todos los puntos del segmento que une ambos
vértices, luego la función infinitos máximos y un mínimo. Al contrario
sucedería si el valor común de los dos vértices fuese mínimo, habiendo
entonces infinitos mínimos y un máximo.
 Si el recinto convexo no está acotado superiormente, no existe máximo
aunque sí mínimo.
 Si el recinto convexo no está acotado inferiormente, no existe mínimo
aunque sí máximo.

5. Problemas de programación lineal con dos variables.

Un problema de programación lineal con dos variables tiene por finalidad


optimizar (maximizar o minimizar) una función lineal:
llamada función objetivo, sujeta a una serie de restricciones
presentadas en forma de sistema de inecuaciones con dos incógnitas de
la forma:

Cada desigualdad del sistema de restricciones determina un semiplano.


El conjunto intersección de todos esos semiplanos recibe el nombre de
zona de soluciones factibles. El conjunto de los vértices del recinto se
denomina conjunto de soluciones factibles básicas y el vértice donde
se presenta la solución óptima se llama solución máxima (o mínima
según el caso). El valor que toma la función objetivo en el vértice de
solución óptima se llama valor del programa lineal.

El procedimiento a seguir para resolver un problema de programación


lineal en dos variables será, pues:

1. Elegir las incógnitas.


2. Escribir la función objetivo en función de los datos del problema.
3. Escribir las restricciones en forma de sistema de inecuaciones.
4. Averiguar el conjunto de soluciones factibles representando
gráficamente las restricciones.
5. Calcular las coordenadas de los vértices del recinto de soluciones
factibles (si son pocos).
6. Calcular el valor de la función objetivo en cada uno de los vértices para
ver en cuál de ellos presenta el valor máximo o mínimo según nos pida
el problema (hay que tener en cuenta aquí la posible no existencia de
solución si el recinto no es acotado).

Veamos a continuación una colección de ejemplos


resueltos:

PROBLEMA #1 Minimizar la función f(x, y)=2x+8y sometida a las


restricciones:

Llamando, respectivamente r, s y t a las rectas expresadas en las tres


últimas restricciones, la zona de soluciones factibles sería:
Siendo los vértices:

A intersección de r y t:

B intersección de s y t:

C intersección de r y s:

Siendo los valores de la función objetivo en ellos:

Alcanzándose el mínimo en el punto C.


PROBLEMA #2 Un herrero con 80 kgs. de acero y 120 kgs. de aluminio quiere
hacer bicicletas de paseo y de montaña que quiere vender, respectivamente a
20.000 y 15.000 Bolívares cada una para sacar el máximo beneficio. Para la de
paseo empleará 1 kg. De acero y 3 kgs de aluminio, y para la de montaña 2
kgs. de ambos metales. ¿Cuántas bicicletas de paseo y de montaña venderá?

Sean las variables de decisión:

x= n: de bicicletas de paseo vendidas.

y= n: de bicicletas de montaña vendidas.

Tabla de material empleado:

Acero Aluminio
Paseo 1 3
Montaña 2 2

Función objetivo:

f(x, y)= 20.000x+15.000y máxima.

Restricciones:

Zona
de soluciones factibles:
Vértices del recinto (soluciones básicas):

A(0, 40)

B intersección de r y s:

C(40,0)

Valores de la función objetivo en los vértices:

Ha de vender 20 bicicletas de paseo y 30 de montaña para obtener un


beneficio máximo de 850.000 Bolívares.

PROBLEMA #3 Un autobús Caracas-Maracaibo ofrece plazas para fumadores


al precio de 10.000 Bolívares y a no fumadores al precio de 6.000 Bolívares. Al
no fumador se le deja llevar 50 kgs. de peso y al fumador 20 kgs. Si el autobús
tiene 90 plazas y admite un equipaje de hasta 3.000 kg. ¿Cuál ha de ser la
oferta de plazas de la compañía para cada tipo de pasajeros, con la finalidad
de optimizara el beneficio?

Sean las variables de decisión:

x= n: de plazas de fumadores.

y= n: de plazas de no fumadores.

La Función objetivo:

f(x, y)=10.000x+6.000y máxima

Restricciones:

Zona de soluciones factibles:

Vértices:
A(0, 60)

B intersección de r y s:

C(90, 0)

Valores de la función objetivo:

Ha de vender 90 plazas para fumadores y ninguna para no fumadores y así


obtener un beneficio máximo de 900.000 bolívares.

PROBLEMA #4 A una persona le tocan 10 millones de bolívares en una lotería


y le aconsejan que las invierta en dos tipos de acciones, A y B. Las de tipo A
tienen más riesgo pero producen un beneficio del 10 %. Las de tipo B son más
seguras, pero producen sólo el 7% anual. Después de varias deliberaciones
decide invertir como máximo 6 millones en la compra de acciones A y por lo
menos, 2 millones en la compra de acciones B. Además, decide que lo
invertido en A sea, por lo menos, igual a lo invertido en B. ¿Cómo deberá
invertir 10 millones para que le beneficio anual sea máximo?

Sean las variables de decisión:

x= cantidad invertida en acciones A


y= cantidad invertida en acciones B

La función objetivo es:

Y las restricciones son:

La zona de soluciones factibles es:

Siendo los vértices del recinto:

A intersección de u,t:

B intersección de r,u:
C intersección de r,s:

D intersección de s,t:

La función objetivo toma en ellos los valores:

Siendo la solución óptima invertir 6 millones de bolívares en acciones tipo A y 4


millones en acciones tipo B

PROBLEMA #5 Un estudiante dedica parte de su tiempo al reparto de


propaganda publicitaria. La empresa A le paga 5 Bs.. por cada impreso
repartido y la empresa B, con folletos más grandes, le paga 7 Bs. por impreso.
El estudiante lleva dos bolsas: una para los impresos A, en la que caben 120 y
otra para los impresos B, en la que caben 100. Ha calculado que cada día es
capaz de repartir 150 impresos como máximo. Lo que se pregunta el estudiante
es: ¿Cuántos impresos habrá que repartir de cada clase para que su beneficio
diario sea máximo?

Sean las variables de decisión:

x= n: de impresos diarios tipo A repartidos.

y= n: de impresos diarios tipo B repartidos.

La función objetivo es:

f(x, y)=5x+7y

Las restricciones:
La zona de soluciones factibles es:

Vértices:

A(0, 100)

B intersección de s,t:

C intersección de r,t:

D (120, 0)

Siendo los valores de la función objetivo:


Debe repartir 50 impresos tipo A y 100 tipo B para una ganancia máxima diaria
de 950 bolívares.

PROBLEMA #6 Un comerciante acude al mercado popular a comprar naranjas


con 50.000 Bs. Le ofrecen dos tipos de naranjas: las de tipo A a 50 Bs el kg. y
las de tipo B a 80 Bs. el kg. Sabiendo que sólo dispone de su camioneta con
espacio para transportar 700 kg. de naranjas como máximo y que piensa
vender el kg. de naranjas tipo A a 58 ptas. y el kg. de tipo B a 90 ptas.,
contestar justificando las respuestas:

a. ¿Cuántos kg. de naranjas de cada tipo deberá comprar para obtener


máximo beneficio?
b. ¿Cuál será ese beneficio máximo?

Sean las variables de decisión:

x= kg. de naranjas tipo A comprados.

y= kg. de naranjas tipo B comprados.

La función objetivo que da el beneficio es:

Y las restricciones:

La zona de soluciones factibles es:


Y los vértices:

A(0, 625)

B intersección de r,s:

C(700, 0)

Y en ellos la función objetivo toma los valores:

Ha de comprar 200 kgs. de naranjas A y 500 kgs. de naranjas B para obtener


un beneficio máximo de 6.600 bolívares

PROBLEMA #7 Un sastre tiene 80 m2 de tela de algodón y 120 m2 de tela de


lana. Un traje requiere 1 m2 de algodón y 3 m2 de lana, y un vestido de mujer
requiere 2 m2 de cada una de las dos telas. Calcular el número de trajes y
vestidos que debe confeccionar el sastre para maximizar los beneficios si un
traje y un vestido se venden al mismo precio.

1. Sean las variables de decisión:

x= número de trajes.
y= número de vestidos

a= precio común del traje y el vestido.

Función objetivo:

Restricciones:

Zona de soluciones factibles:

Vértices:

A(0, 40)

B intersección de r y s:

C(40, 0)

Los valores de la función objetivo son:


El máximo beneficio lo obtendrá fabricando 20 trajes y 30 vestidos.

PROBLEMA #8 Un constructor va a edificar dos tipos de viviendas A y


B. Dispone de 600 millones de bolívares y el coste de una casa de tipo A
es de 13 millones y 8 millones una de tipo B. El número de casas de tipo
A ha de ser, al menos, del 40 % del total y el de tipo B, el 20 % por lo
menos. Si cada casa de tipo A se vende a 16 millones y cada una de
tipo B en 9. ¿Cuántas casas de cada tipo debe construir para obtener el
beneficio máximo?

Sean las variables de decisión:

x= n: de viviendas construidas tipo A

y= n: de viviendas construidas tipo B.

La función objetivo es:

Las restricciones son:


La zona de soluciones factibles queda, pues:

Siendo los vértices:

A intersección de r,s:

B intersección de r,t:

C (0, 0)

Y la función objetivo toma los valores:

Teniendo que vender 40 viviendas tipo A y 10 tipo B para obtener un


beneficio máximo de 130 millones de bolívares.

PROBLEMA #9 Cierta persona dispone de 10 millones como máximo


para repartir entre dos tipos de inversión (A y B). En la opción A desea
invertir entre 2 y 7 millones. Además, quiere destinar a esa opción, como
mínimo, tanta cantidad de dinero como a la B.
a. ¿Qué cantidades debe invertir en cada una de las dos opciones?
Plantear el problema y representar gráficamente el conjunto de
soluciones.
b. Sabiendo que el rendimiento de la inversión será del 9 % en la
opción A y del 12 % en la B, ¿Qué cantidad debe invertir en cada
una para optimizar el rendimiento global? ?A cuánto ascenderá

a) Sean las variables de decisión:

x= cantidad invertida en acciones tipo A

y= cantidad invertida en acciones tipo B

Las restricciones son:

Puede invertir en cada una de las dos opciones las cantidades


correspondientes a cada uno de los puntos de la zona sombreada de la
siguiente gráfica:

b) La función de beneficios es:


Y los vértices de la zona sombreada son:

A intersección de r,t:

B intersección de t,u:

C intersección de s,u, o sea C(7, 3)

D(7, 0)

E(2, 0)

Los valores de f en esos puntos son:

Ha de invertir, pues 5 millones de bolívares en A y 5 millones en B para obtener


un beneficio máximo de 1,05 millones, o sea 1.050.000 bolívares.

PROBLEMA #10 Una refinería de petróleo tiene dos fuentes de petróleo crudo:
crudo ligero, que cuesta 35 dólares por barril y crudo pesado a 30 dólares el
barril. Con cada barril de crudo ligero, la refinería produce 0,3 barriles de
gasolina (G), 0,2 barriles de combustible para calefacción (C) y 0,3 barriles de
combustible para turbinas (T), mientras que con cada barril de crudo pesado
produce 0,3 barriles de G, 0,4 barriles de C y 0,2 barriles de T. La refinería ha
contratado el suministro de 900000 barriles de G, 800000 barriles de C y
500000 barriles de T. Hallar las cantidades de crudo ligero y pesado que debe
comprar para poder cubrir sus necesidades al costo mínimo.

Sean las variables de decisión:

X= número de barriles comprados de crudo ligero.


Y= número de barriles comprados de crudo pesado.

La tabla de producción de cada producto con arreglo al tipo de crudo es:

G C T
Ligero 0,3 0,2 0,3
Pesado 0,3 0,4 0,2

La función objetivo que hay que minimizar es:

f(x, y)=35x+30y

Las restricciones:

Y la zona de soluciones factibles:

Los vértices son:

A(0, 3000000)

B intersección de r,s:
C(4000000, 0)

Y en ellos la función objetivo presenta los valores:

Siendo la solución de mínimo coste la compra de 3.000.000 de barriles de


crudo ligero y ninguno de crudo pesado para un coste de 90.000.000 dólares.

PROBLEMA #11 La fábrica LA MUNDIAL S.A., construye mesas y sillas de


madera. El precio de venta al público de una mesa es de 2.700 Bs. y el de una
silla 2.100Bs. LA MUNDIAL S.A. estima que fabricar una mesa supone un
gasto de 1.000 Bs. de materias primas y de 1.400 Bs. de costos laborales.
Fabricar una silla exige 900 Bs. de materias primas y 1.000 Bs de costos
laborales. La construcción de ambos tipos de muebles requiere un trabajo
previo de carpintería y un proceso final de acabado (pintura, revisión de las
piezas fabricadas, empaquetado, etc.). Para fabricar una mesa se necesita 1
hora de carpintería y 2 horas de proceso final de acabado. Una silla necesita 1
hora de carpintería y 1 hora para el proceso de acabado. LA MUNDIAL S.A. no
tiene problemas de abastecimiento de materias primas, pero sólo puede contar
semanalmente con un máximo de 80 horas de carpintería y un máximo de 100
horas para los trabajos de acabado. Por exigencias del marcado, LA MUNDIAL
S.A. fabrica, como máximo, 40 mesas a la semana. No ocurre así con las sillas,
para los que no hay ningún tipo de restricción en cuanto al número de unidades
fabricadas.

Determinar el número de mesas y de sillas que semanalmente deberá fabricar


la empresa para maximizar sus beneficios.

Sean las variables de decisión:

x= n: de soldados fabricados semanalmente.

y= n: de trenes fabricados semanalmente.

La función a maximizar es:

La tabla de horas de trabajo:

Carpintería Acabado
Soldados 1 2
Trenes 1 1

Las restricciones:

La zona de soluciones factibles es:

Siendo los vértices:

A(0, 80)

B intersección de r,s:

C intersección de s,t:

D(40, 0).
En los que la función objetivo vale:

Debiendo fabricar 20 mesas y 60 sillas para un beneficio máximo de 18.000 Bs.

PROBLEMA #12 Una campaña para promocionar una marca de productos


lácteos se basa en el reparto gratuito de yogures con sabor a limón o a fresa.
Se decide repartir al menos 30.000 yogures. Cada yogurt de limón necesita
para su elaboración 0,5 gr. de un producto de fermentación y cada yogurt de
fresa necesita 0,2 gr. de ese mismo producto. Se dispone de 9 kgs. de ese
producto para fermentación. El coste de producción de un yogurt de fresa es es
doble que el de un yogurt de limón. ¿Cuántos yogures de cada tipo se deben
producir para que el costo de la campaña sea mínimo?

Sean las variables de decisión:

x= número de yogures de limón producidos.

y= número de yogures de fresa producidos.

a= coste de producción de un yogurt de limón.

La función a minimizar es:

f(x, y)=ax+2ay

Y las restricciones:
La zona de soluciones factibles es:

Siendo los vértices:

A(0, 45000)

B(0, 30000)

C intersección de r y s:

En los que la función objetivo toma los valores:

Hay que fabricar, pues, 10.000 yogures de limón y 20.000 yogures de fresa
para un costo mínimo de 50.000a bolívares.

PROBLEMA #13 Una fábrica de carrocerías de automóviles y camiones tiene 2


naves. En la nave A, para hacer la carrocería de un camión, se invierten 7 días-
operario, para fabricar la de un auto se precisan 2 días-operario. En la nave B
se invierten 3 días-operario tanto en carrocerías de camión como de auto. Por
limitaciones de mano de obra y maquinaria, la nave A dispone de 300 días-
operario, y la nave B de 270 días-operario. Si los beneficios que se obtienen
por cada camión son de 6 millones de Bs. .y de 3 millones por cada auto.
¿Cuántas unidades de cada clase se deben producir para maximizar las
ganancias?

Sean las variables de decisión:

x= número de camiones fabricados.

y= número de autos fabricados.

La función a maximizar es:

f(x, y)=6x+3y

La tabla de días-operario para cada nave es:

Días-operario (camión) Días-operario (auto)


Nave A 7 2
Nave B 3 3

Las restricciones:

La zona de soluciones factibles es:

Siendo los vértices:


A(0, 90)

B intersección de r,s:

En los que la función objetivo toma los valores:

Hay que fabricar 24 camiones y 66 automoviles para un beneficio máximo de


342 millones de bolívares.

PROBLEMA #14 Un pastelero fabrica dos tipos de tartas T1 y T2, para lo que
usa tres ingredientes A, B y C. Dispone de 150 kgs. de A, 90 kgs. de B y 150
kgs. de C. Para fabricar una tarta T1 debe mezclar 1 kgs. de A, 1 kgs. de B y 2
kgs. de C, mientras que para hacer una tarta T2 se necesitan 5 kgs. de A, 2
kgs. de B y 1 kgs. de C.

a. Si se venden las tartas T1 a 1.000 bolívares la unidad y las T2 a 2.300


bolívares. ¿Qué cantidad debe fabricar de cada clase para maximizar
sus ingresos?
b. Si se fija el precio de una tarta del tipo T1 en 1.500 Bs. ¿Cuál será el
precio de una tarta del tipo T2 si una solución óptima es fabricar 60 tartas
del tipo T1 y 15 del tipo T2?

a) Sean las variables de decisión:

x= número de tartas T1

y= número de tartas T2

La función objetivo es:

f(x, y)=1000x+2300y

La tabla de contingencia es:

Ingrediente A Ingrediente B Ingrediente C


Tarta T1 1 1 2
Tarta T2 5 2 1

Restricciones:

Zona de soluciones factibles:

Vértices:

A(0, 30)

B intersección de r.s:

C intersección de s,t:

D (75, 0)

Valores de la función objetivo:


Hay que fabricar 50 tartas T1 y 20 tartas T2 para un beneficio máximo de 96.000
Bs.

b) Llamemos ahora p al nuevo precio de la tarta T2. La función objetivo es


entonces:

f(x, y)=1500x+py

Siendo iguales las restricciones.

Si una solución óptima consiste en fabricar 60 tartas T1 y 15 T2, se tendrá que:

f(60, 15)=f(p)=1500.60+15p es máximo

Para los puntos A, B, C y D anteriores:

Se ha de cumplir, el el punto (60, 15) ha de ser máximo que:

El menor valor que cumple esta condición es p=3000 Bs. y con él el beneficio
sería:

Bolívares

PROBLEMA #15 Una fábrica produce chaquetas y pantalones. Tres máquinas


(de cortar, coser y teñir) se emplean en la producción. Fabricar una chaqueta
representa emplear la máquina de cortar una hora, la de coser tres horas y la
de teñir una hora; fabricar unos pantalones representa usar la máquina de
cortar una hora, la de coser una hora y la de teñir ninguna. La máquina de teñir
se puede usara durante tres horas, la de coser doce y la de cortar 7. Todo lo
que se fabrica es vendido y se obtiene un beneficio de ocho euros por cada
chaqueta y de cinco por cada pantalón. ?Cómo emplearíamos las máquinas
para conseguir el beneficio máximo?

Sean las Variables de decisión:


x= número de chaquetas fabricadas.

y= número de pantalones fabricados.

Función objetivo:

Tabla de uso de las máquinas:

Cortar Coser Teñir


Chaqueta 1 3 1
Pantalón 1 1 -

Restricciones:

Zona de soluciones factibles:

Vértices:

A(0, 7)

B intersección de s,t:
C intersección de r,s:

D (3,0)

Valores de la función objetivo:

Como el máximo se alcanza para valores no enteros y no se puede fabricar un


número no entero de chaquetas ni pantalones tomamos como solución
aproximada 2 chaquetas y 5 pantalones lo cual sería exacto cambiando la
restricción s por y obteniendo con ello un beneficio de 41 euros.

PROBLEMA #16 Un supermercado quiere promocionar una marca


desconocida D de aceites utilizando una marca conocida C. Para ello hace la
siguiente oferta: "Pague sólo a 250 Bs. el litro de aceite C y a 125 Bs. el litro de
aceite D siempre y cuando: 1) Compre en total 6 litros o más, y 2) La cantidad
comprada de aceite C esté comprendida entre la mitad y el doble de la cantidad
comprada de aceite D". Si disponemos de un máximo de 3.125 Bolívares, se
pide:

a. Representa gráficamente los modos de acogerse a la oferta.


b. Acogiéndonos a la oferta, ¿Cuál el la mínima cantidad de aceite D que
podemos comprar? ¿Cuál es la máxima de C?

a) Sean las variables de decisión:

x= litros comprados de aceite C

y= litros comprados de aceite D

Las restricciones del problema son:


Y la zona mediante la cual podemos acogernos a la oferta es la representada
por cada uno de los puntos de la parte sombreada en la siguiente gráfica.

b) La mínima cantidad de aceite D que debemos comprar acogiéndonos a la


oferta (punto más bajo de la zona) es el punto intersección de las rectas r,t:

La máxima cantidad de aceite C para acogernos a la oferta (punto más a la


derecha de la zona) es la intersección de las rectas t,u:

Conclusión, la mínima cantidad de D es 2 litros y la máxima de C 10 litros.

PROBLEMA #17 La empresa FORD lanza una oferta especial en dos de sus
modelos, ofreciendo el modelo A a un precio de 1,5 millones de bolívares, y el
modelo B en 2 millones. La oferta está limitada por las existencias, que son 20
autos del modelo A y 10 del B, queriendo vender, al menos, tantas unidades de
A como de B. Por otra parte, para cubrir gastos de esa campaña, los ingresos
obtenidos en ella deben ser, al menos de 6 millones de bolívares ¿Cuántos
automóviles de cada modelo deberá vender para maximizar sus ingresos?

Sean las variables de decisión:

x= autos vendidos del modelo A

y= autos vendidos del modelo B

Función objetivo:

Restricciones:

Zona de soluciones factibles:

Vértices:

A intersección de s,t:
B Intersección de r,s:

C(20, 0)

D(4, 0)

Valores de la función:

Por lo cual se han de vender 20 autos modelo A y 10 autos modelo B para un


beneficio máximo de 50 millones de bolívares.

PROBLEMA #18 En una explotación agrícola de 25 Ha pueden establecerse


dos cultivos A y B. El beneficio de una Ha de A es de 20000 ptas. y el de una
Ha de B de 30000 ptas. Las disponibilidades de trabajo de explotación son de
80 jornadas, una Ha de A precisa 4 jornadas, mientras que una de B precisa
sólo 2 jornadas. La subvención de la Unión Europea es de 5 euros por Ha. de A
y de 10 euros por Ha. de B, siendo la subvención máxima por explotación
agrícola de 200 euros.

a. Representar el conjunto factible.


b. Calcular el beneficio máximo.

a) las variables de decisión son:

x = número de hectáreas del cultivo A

y = número de hectáreas del cultivo B

La función objetivo es:

Siendo:
Las restricciones son:

Y el conjunto factible es:

Siendo dicho conjunto el segmento de la recta r comprendido entre los puntos


A (intersección de r,s) y B(intersección de r,t)

Valores de la función objetivo en A y B:

Obteniendo el máximo beneficio para 10 Ha de tipo A y 15 de tipo B, siendo


entonces el beneficio de 650.000 euros.

PROBLEMA #19 Se considera la región del plano determinada por las


inecuaciones: x + 3 y ; 8 x + y ; y x - 3 ; x 0; y 0
a) Dibujar la región del plano que definen, y calcular sus vértices.
b) Hallar el punto de esa región en el que la función F(x,y) = 6x + 4y alcanza el
valor máximo y calcular dicho valor.

a ) Hay que dibujar la región factible correspondiente. Para ello vamos a


representar las rectas:
x-y=-3;x+y=8;x-y=3

La región factible es la determinada por los vértices O, A, B, C y D.

Las coordenadas de los vértices son: A(3,0) ; B(5.5, 2.5) ; C(2.5, 5.5) ; D(0,3) y
O(0,0)

b) Para determinar dónde la función objetivo F(x,y) = 6x + 4y alcanza su


máximo, calculamos los valores que toma en los vértices:

F(A) = 18 ; F(B) = 43 ; F(C) = 37 ; F(D) = 12 ; F(O) = 0.

Luego la función alcanza su máximo en el vértice B y su valor es 43.

PROBLEMA #20 Las restricciones pesqueras impuestas por la CEE


obligan a cierta empresa a pescar como máximo 2.000 toneladas de
merluza y 2.000 toneladas de rape, además, en total, las capturas de estas dos
especies no pueden pasar de las 3.000 toneladas. Si el precio de la merluza es
de 1.000 Bs/kg y el precio del rape es de 1.500 Bs/kg, ¿qué cantidades debe
pescar para obtener el máximo beneficio?

Sean las variables de decisión:

x = número de toneladas de merluza


y = número de toneladas de rape

Del enunciado deducimos las restricciones:

 Como máximo 2000 toneladas de merluza: x 2000


 Como máximo 2000 toneladas de rape: y 2000
 Las capturas de estas dos especies no pueden pasar de las 3000
toneladas: x + y 3000

La función objetivo que da el beneficio en miles de pesetas y que hay que


maximizar viene dada por:
f(x,y) = 1000x + 1500y

Representando las rectas: x = 2000, y = 2000 , x + y = 3000 correspondientes a


las fronteras de las restricciones obtenemos la región factible:
Donde los vértices obtenidos son:
A(2000,0) ; B(2000, 1000) ; C(1000, 2000) , D(0,2000) y O(0,0)

Al sustituir sus coordenadas en la función objetivo f resulta :

f(A) = 2000 millones de ptas. ; f(B) = 3500 millones de pesetas; f(C) = 4000
millones de pesetas ; f(D) = 3000 millones de pesetas y f(O)= 0 ptas.

La función objetivo alcanza su máximo en el vértice C, por lo que las


cantidades a pescar son 1000 toneladas de merluza y 2000 toneladas de rape.

PROBLEMA #21 Dos pinturas A y B tienen ambas dos tipos de pigmentos p y


q; A está compuesto de un 30% de p y un 40% de q, B está compuesto de un
50% de p y un 20% de q, siendo el resto incoloro. Se mezclan A y B con las
siguientes restricciones:
La cantidad de A es mayor que la de B. Su diferencia no es menor que 10
gramos y no supera los 30 gramos. B no puede superar los 30 gramos ni ser
inferior a 10 gramos.

a. ¿Qué mezcla contiene la mayor cantidad del pigmento p?


b. ¿Qué mezcla hace q mínimo?

Sean x e y, respectivamente, los gramos de las pinturas A y B que aparecen en


la mezcla. Traduzcamos a inecuaciones las restricciones a las que se han de
someter esas cantidades.

 La cantidad de A es mayor que la de B: x > y


 Su diferencia no es menor que 10 gramos y no supera los 30 gramos: 30
x - y 10
 B no puede superar los 30 gramos ni ser inferior a 10 gramos: 30 y
10

Además sabemos que : x 0,y 0.

Veamos las cantidades de pigmento de cada tipo:

Cantidad de pigmento de tipo p: Fp (x, y) = 0.3x + 0.5y


Cantidad de pigmento de tipo q: Fq (x, y) = 0.4x + 0.2y

La región factible es la que aparece en la imagen del


margen.
Sus vértices son A(20,10) , B(40,10), C(60,30) y D(40,30)

a) La mayor cantidad de pigmento p, se produce para 60 gramos de la pintura


A y 30 de la B:
Fp (40,30) = 0.3·40 + 0.5·30 = 27 ; F p (20,10) = 11 ; Fp (40, 10) = 17; Fp (60, 30)
= 33

b) La menor cantidad de pigmento q, se produce para 20 gramos de la pintura


A y 10 de la B:
Fq (40, 30) = 0.4·40 + 0.2·30 = 22; F q (20, 10) = 10 ; Fq (40, 10) = 18 ; Fq (60, 30)
= 30

PROBLEMA #22 Problema de la dieta


En una granja de pollos se da una dieta "para
engordar" con una composición mínima de 15 unidades El problema se llama así porque
de una sustancia A y otras 15 de una sustancia B. En en sus orígenes consistió
únicamente en determinar la dieta
el mercado sólo se encuentran dos clases de humana más económica.
compuestos: el tipo X con una composición de una
unidad de A y cinco de B, y el tipo Y, con una En su forma industrial más
corriente, el problema consiste en
composición de cinco unidades de A y una de B. El saber cómo mezclar de la forma
precio del tipo X es de 1000 pesetas y el del tipo Y es más económica posible las
materias primas que constituyen
de 3000 pesetas. Se pregunta: un producto de fórmula química
conocida.
¿Qué cantidades se han de comprar de cada tipo para
cubrir las necesidades con un coste mínimo ?

Podemos organizar la información mediante una tabla:

Unidades Sustancia A Sustancia B Costo


Compuesto X x x 5x 1000x
Compuesto Y y 5y y 3000y
Total 15 15 1000x + 3000y

La función objetivo del costo total, f, si se emplean x kg del compuesto X e y kg


del compuesto Y, es :

Z = f(x,y) = 1000x + 3000y

El conjunto de restricciones es: x 0 , y 0 ; x + 5y


15 ; 5x + y 15 .

Con estos datos representamos la región factible y las


rectas de nivel de la función objetivo.

De todas las rectas de nivel que tocan a la región


factible, hace que el costo Z sea mínimo la que pasa por
el vértice A(2.5,2.5).
La solución óptima se obtiene comprando 2.5 unidades de X y 2.5 unidades de
Y.

El costo total es : Z = f(2.5,2.5) = 1000·2.5 + 3000·2 .5 = 10.000 bolívares

PROBLEMA #23 Considera el recinto de la figura en el que


están incluidos todos los lados y todos los vértices.

a) Escribe la inecuaciones que lo definen

b) Maximiza la función Z = x + y

a)

 Hallamos la ecuación de la recta que pasa por (2,0) y (0,2):

(0,2) 2 = m·0 + n n=2


y = mx + n y=-x+2 x+y=2
(2,0) 0 = m·2 + 2 m=-1

Los puntos del recinto (por ejemplo, el (0,0) ) verifican x + y 2

 Ecuación de la recta paralela al eje X que pasa por (0,2) : y = 2.


Los puntos del recinto verifican y 2
 Ecuación de la recta paralela al eje X que pasa por (0,-1): y = -1
Los puntos del recinto verifican y - 1
 Ecuación de la recta paralela al eje Y que pasa por (2,0) : x = 2
Los puntos del recinto verifican x 2
 Ecuación de la recta paralela al eje Y que pasa por (-2,0): x = - 2
Los puntos del recinto verifican x - 2

Las inecuaciones que cumplen los puntos del recinto son:

x+y 2
-2 x 2
-1 y 2
1. Disponemos de 210.000 euros para invertir en bolsa. Nos recomiendan
dos tipos de acciones. Las del tipo A, que rinden el 10% y las del tipo B, que
rinden el 8%. Decidimos invertir un máximo de 130.000 euros en las del tipo
A y como mínimo 60.000 en las del tipo B. Además queremos que la inversión
en las del tipo A sea menor que el doble de la inversión en B. ¿Cuál tiene que
ser la distribución de la inversión para obtener el máximo interés anual?
Solución
Es un problema de programación lineal.
Llamamos x a la cantidad que invertimos en acciones de tipo A
Llamamos y a la cantidad que invertimos en acciones de tipo B
inversión rendimiento
Tipo A x 0,1x
Tipo B y 0,08y
210000 0,1x+0,08y
Condiciones que deben cumplirse (restricciones):

R1
R2
R3
R4
Dibujamos las rectas auxiliares asociadas a las restricciones para conseguir
la región factible (conjunto de puntos que cumplen esas condiciones)
r1 r2 (paralela a OY) r3(paralela a OX) r4
X y x y x y x y
0 210000 130000 0 0 60000 0 0
210000 0 130000 65000
La región factible es la pintada de amarillo, de vértices A, B, C, D y E
A(0, 60000), B(120000, 60000), C(130000, 65000), D(130000, 80000) y
E(0, 210000)
La función objetivo es;
F(x, y)= 0,1x+0,08y
Si dibujamos la curva F(x, y) =0 (en rojo) y la desplazamos se puede
comprobar gráficamente que el vértice mas alejado es el D, y por tanto es
la solución óptima.
Comprobarlo analíticamente (es decir comprobar que el valor máximo de la
función objetivo, F, se alcanza en el vértice D)
2. En una pastelería se hacen dos tipos de tartas: Vienesa y Real. Cada tarta
Vienesa necesita un cuarto de relleno por cada Kg. de bizcocho y produce un
beneficio de 250 Pts, mientras que una tarta Real necesita medio Kg. de
relleno por cada Kg. de bizcocho y produce 400 Ptas. de beneficio. En la
pastelería se pueden hacer diariamente hasta 150 Kg. de bizcocho y 50 Kg.
de relleno, aunque por problemas de maquinaria no pueden hacer mas de 125
tartas de cada tipo. ¿Cuántas tartas Vienesas y cuantas Reales deben
vender al día para que sea máximo el beneficio?
Solución
En primer lugar hacemos una tabla para organizar los datos:

Tipo Nº Bizcocho Relleno Beneficio


T. Vienesa x 1.x 0,250x 250x
T. Real y 1.y 0,500y 400y
150 50

Función objetivo (hay que obtener su máximo): f(x, y)=250x+ 400y


Sujeta a las siguientes condiciones (restricciones del problema):

Consideramos las rectas auxiliares a las restricciones y dibujamos la región


factible:
Para 0.25x+0.50y=50, ó x + 2y=200
x Y
0 100
200 0
Para x + y =150
x Y
0 150
150 0
La otras dos son paralelas a los ejes
Al eje OY x=125
Al eje Ox y =125
Y las otras restricciones (x e y mayor o igual a cero) nos indican que las
soluciones deben estar en el primer cuadrante
La región factible la hemos coloreado de amarillo:

Encontremos los vértices:


El O(0,0), el A(125, 0) y el D(0, 100) se encuentran directamente (son las
intersecciones con los ejes coordenados)
Se observa que la restricción y es redundante (es decir “sobra”)
Resolviendo el sistema:

, por reducción obtenemos y=50, x=100


Otro vértice es el punto C(100, 50)
Y el último vértice que nos falta se obtiene resolviendo el sistema:
X+y=150
X=125
Cuya solución es: X=125, Y=25 B(125, 25)
Los vértices de la región son O(0,0), A(125,0), B(125,25) y C(100,50) y
D(0,100),
Si dibujamos el vector de dirección de la función objetivo f(x, y)=250x+
400y
Haciendo 250x+ 400y =0, y=-(250/400)x=-125x/200
x Y
0 0
200 -125
Se ve gráficamente que la solución es el punto (100, 50), ya que es el vértice
mas alejado (el último que nos encontramos al desplazar la rectas
250x+400y=0 )
Lo comprobamos con el método analítico, es decir usando el teorema que
dice que si existe solución única debe hallarse en uno de los vértices
La unción objetivo era: f(x, y)=250x+400y, sustituyendo en los vértices
obtenemos
f(125,0)=31.250
f(125,25)=31.250+10.000=41.250
f(100,50)=25.000+20.000=45.000
f(0,100)=40.000
El máximo beneficio es 45.000 y se obtiene en el punto (100, 50)
Conclusión: se tienen que vender 100 tartas vienesas y 50 tartas reales.
3. Una escuela prepara una excursión para 400 alumnos. La empresa de
transporte tiene 8 autocares de 40 plazas y 10 autocares de 50 plazas, pero
solo dispone de 9 conductores. El alquiler de un autocar grande cuesta 80
euros y el de uno pequeño, 60 euros. Calcular cuantos de cada tipo hay que
utilizar para que la excursión resulte lo mas económica posible para la
escuela.
Solución
Es un problema de programación lineal, en este caso lo que queremos es
hacer mínima la función objetivo.
Llamamos x al nº de autocares de 40 plazas e y al nº de autocares de 50
plazas que alquila la escuela.
Entonces se tiene x ,y
Como sólo hay 9 conductores se verifica que: x +y
Como tienen que caber 400 alumnos se debe de verificar:
40x +50y , que simplificada quedaría 4 x +5y
Por lo tanto las restricciones que nos van a permitir calcular la región
factible (conjunto de puntos solución donde se cumplen todas las
condiciones) son

La función objetivo es F(x, y)= 60x+ 80y


Dibujamos las rectas auxiliares,
r1 r2 r3 r4
X y x y x y x y
8 0 0 10 0 9 0 8
0 9 10 0
Así como la de que corresponde a F(x, y)=0 que se dibuja en rojo.
Teniendo en cuenta las restricciones ( la de R4 es la parte de arriba y que la
R3 es la parte de abajo), se encuentra la región factible. En el dibujo es la
parte amarilla.

Los vértices son (0, 8), (0, 9) y el (5, 4), este último es el punto de
intersección de las rectas r3 y r4
por reducción
restando ambas ecuaciones se tiene x =5 y sustituyendo en la 1ª ecuación, y
=4
Resolviendo gráficamente se llega a que el punto (5, 4) es la solución del
problema. La solución óptima .
Comprobarlo sustituyendo en F(x, y) todos los vértices y que este es el que
da menor valor (método analítico).
4. Una compañía posee dos minas: la mina A produce cada día 1 tonelada de
hierro de alta calidad, 3 toneladas de calidad media y 5 de baja calidad. La
mina B produce cada día 2 toneladas de cada una de las tres calidades. La
compañía necesita al menos 80 toneladas de mineral de alta calidad, 160
toneladas de calidad media y 200 de baja calidad. Sabiendo que el coste
diario de la operación es de 2000 euros en cada mina ¿cuántos días debe
trabajar cada mina para que el coste sea mínimo?.
Solución
Organizamos los datos en una tabla:
días Alta Calidad Baja calidad Coste diario
calidad media
Mina A x 1x 3x 5x 2000x
Mina B y 2y 2y 2y 2000y
80 160 200
La función objetivo C(x, y)=2000x + 2000y

Las restricciones son:


La región factible la obtenemos dibujando las rectas auxiliares: r1 x +
2y=80, r2 3x + 2y= 160 y r3 5x + 2y=200 en el primer cuadrante y
considerando la región no acotada que determina el sistema de
restricciones:
Los vértices son los puntos A(0, 100), B(20, 50), C(40, 20), D(80, 0), que se
encuentran al resolver el sistema que determinan dos a dos las rectas
auxiliares y (y que estén dentro de la región factible).

r1 r2 que nos da el punto (40, 20) (comprobarlo)

r2 r3 que nos da el punto (20, 50)


r1 r3 no hace falta calcularlo pues queda fuera de la región factible.
En la gráfica se aprecia que el primer punto que se alcanza al desplazar la
recta C(x, y)=0 es el (40, 20). Luego la solución es trabajar 40 días en la
mina A y 20 en la B. (método gráfico)
Lo comprobamos aplicando el método analítico:
C(0, 100)=2000.100=200000
C(20, 50)=2000.20+2000.50=40000 + 100000= 140000
C(40, 20)= 2000. 40+2000.20=80000 + 40000= 120000 coste mínimo
C(80, 0)= 2000.80 =160000
5. Se va a organizar una planta de un taller de automóviles donde van a
trabajar electricistas y mecánicos. Por necesidades de mercado, es
necesario que haya mayor o igual número de mecánicos que de electricistas
y que el número de mecánicos no supere al doble que el de electricistas. En
total hay disponibles 30 electricistas y 20 mecánicos. El beneficio de la
empresa por jornada es de 250 euros por electricista y 200 euros por
mecánico. ¿Cuántos trabajadores de cada clase deben elegirse para obtener
el máximo beneficio y cual es este?
Sea x = nº electricistas
y = nº mecánicos
La función objetivo

f (x, y)=250x+ 200y , las restricciones


La región factible sería para estas restricciones:

Se aprecia gráficamente (línea en rojo) que la solución óptima está en el


punto (20, 20).
Por tanto:
20 electricistas y 20 mecánicos dan el máximo beneficio, y este es 9000
euros, ya que f(x, y) =250.20+200.20=9000
6. Para recorrer un determinado trayecto, una compañía aérea desea
ofertar, a lo sumo, 5000 plazas de dos tipos: T(turista) y P(primera). La
ganancia correspondiente a cada plaza de tipo T es de 30 euros, mientras
que la ganancia del tipo P es de 40 euros.
El número de plazas tipo T no puede exceder de 4500 y el del tipo P, debe
ser, como máximo, la tercera parte de las del tipo T que se oferten.
Calcular cuántas tienen que ofertarse de cada clase para que las ganancias
sean máximas.
Solución
Sea x el nº que se ofertan de tipo T, y el nº que se ofertan de tipo P.
nº Ganancia
Turista x 30x
Primera y 40y
Total 5000 30x +40y
La función objetivo es:
f(x, y)=30x +40y

Las restricciones:
La región factible:

Los vértices, A(0, 5000), B(3750, 1250), C(4500, 500) y D(4500, 0)


(comprueba el punto B resolviendo el sistema correspondiente)
El método gráfico nos da que el punto solución es el B (3750, 1250)
Comprueba los resultados usando el método analítico (sustituyendo los
puntos vértices en f y viendo q el máximo valor se obtiene en B)
PEP 2
DEPARTAMENTO DE CIENCIAS BASICAS
AREA DE MATEMATICAS

INVESTIGACION DE OPERACIONES

AUTOR: OSCAR A. ROMERO CARDENAS


INGENIERO INDUSTRIAL
ESPECIALISTA EN INFORMATICA Y MULTIMEDIA
ESPECIALISTA EN ESTADISTICA APLICADA

TEMA: LINEAS DE ESPERA (TEORIA DE COLAS)

OBJETIVOS:

GENERAL:
Conocer y aplicar los las principales características de las Líneas de
Espera de un servidor con uno o múltiples canales de servicio.

ESPECIFICOS
1. Conocer los principales componentes de un Sistema de Líneas de
Espera
2. Calcular indicadores de rendimiento para un Sistema de una Línea
de Espera y un Servidor
3. Calcular indicadores de rendimiento para un Sistema de una Línea
de Espera y Servidores Múltiples

TIEMPO: DOS (2) HORAS

CONDUCTA DE ENTRADA:

Comprobar matemáticamente las siguientes operaciones:

1.

¡Toma el camino de los mejores, toma el camino de los Libertadores!


2.

3.

4. Si 1 hora = 60 minutos y el cajero de un banco puede atender un


cliente en 3 minutos, en una hora puede atender 20 clientes.

TEMATICA

DEFINICIONES

Las colas, filas o líneas de espera, forman parte de nuestra vida


cotidiana como usuarios de cualquier sistema al cual tengan acceso
varias personas, léase bancos, supermercados, universidad, etc.,
pudiendo hacerse extensivo a materiales, maquinarias y en general a
cualquier situación donde se requiera esperar en una fila para recibir
un producto o un servicio.

De acuerdo con lo anterior y teniendo en cuenta que la labor de un


gerente es identificar las debilidades y fortalezas del sistema que
administra, para ello debe establecer indicadores de rendimiento que
le permitan determinar si el manejo que está dando es el apropiado.

Cada sistema es particular. Sin embargo, la Investigación de


Operaciones ha tratado de estandarizar algunos de ellos, basándose
en lo siguiente:

Población

Entendiéndose por tal todos los posibles usuarios de un sistema. La


misma puede ser finita (taller de mecánica especializado, restaurante
gourmet) o infinita (banco, universidad, supermercado).

Tiempo entre llegadas

El cual debe ser determinístico ó probabilístico (también conocido


como estocástico), donde:
¡Toma el camino de los mejores, toma el camino de los Libertadores!
Deterministico: clientes sucesivos llegan en un mismo intervalo de
tiempo fijo y conocido (ej.: línea de ensamblaje).

Probabilístico: el tiempo entre llegadas es incierto y variable


(distribución de probabilidad), en nuestro caso utilizaremos la
Distribución Exponencial.

Sistema

Compuesto por la línea de espera (cola) y el servidor, pudiendo


tratarse de una o varias líneas y de uno o varios servidores.

Disciplina de colas

Se refiere a cómo se presta el servicio, pudiendo ser:

Primero en entrar primero en salir (PEPS): Bancos - supermercados

Ultimo en entrar primero en salir (UEPS): Amontonamiento de


producción

Selección de prioridad: Urgencias hospitalarias

Proceso de servicio

Que fundamentalmente en nuestro caso sería:

Sistema de colas de canal sencillo: proceso productivo (control de


calidad) - lavado de automóviles - báscula de pesado de automóviles

Sistema de colas de canal múltiple: bancos - supermercados

Debe tenerse en cuenta que:

 La línea de espera ó cola no incluye a quien está recibiendo el


servicio
 Un servicio muy rápido generaría unos costos excesivos que irían
en contra de la rentabilidad del negocio
 Los modelos matemáticos que aquí se estudiarán buscan encontrar
el equilibrio ente los diferentes indicadores
¡Toma el camino de los mejores, toma el camino de los Libertadores!
Gráficamente se puede representar de la siguiente forma:

Teniendo en cuenta que pueden existir muchas variaciones de este


modelo, la presente guía se ocupará de las siguientes opciones:

 Una línea de espera y un servidor


 Una línea de espera y múltiples servidores

SISTEMA DE UNA LINEA DE ESPERA Y UN SERVIDOR

Para este caso y considerando que el propósito principal es determinar


algunos indicadores de rendimiento, haremos los siguientes
supuestos:

 Tamaño de la población: INFINITO


 Tiempo entre llegadas: PROBABILÍSTICO
 Proceso de colas: DE UNA SOLA LÍNEA
 Disciplina de colas: PEPS
 Proceso de servicio: CANAL SENCILLO (SERVIDOR)

¡Toma el camino de los mejores, toma el camino de los Libertadores!


Con relación a los indicadores de rendimiento, tendremos en cuenta
los siguientes:

λ = Número promedio de llegadas por unidad de tiempo


µ = número promedio de clientes atendidos por unidad de tiempo en
un canal o servidor
1/λ = Tiempo de espera entre llegadas
1/µ = Tiempo esperado de servicio
ρ=λ/µ

1. Número promedio Lq = ρ2 / (1- ρ)


de clientes en la cola
(número promedio de clientes que esperan el servicio)
2. Tiempo promedio Wq = Lq / λ
de espera en la cola
3. Tiempo promedio W = Wq + 1/ µ
en el sistema
4. Número promedio L=λ *W
de clientes en el sistema
(número de clientes que esperan en la cola más el número de
clientes que actualmente reciben el servicio)
5. Probabilidad de que no P0 = 1 - ρ
haya clientes en el sistema
6. Probabilidad que un cliente que PW = 1 - P0 = ρ
llega tenga que esperar
7. Probabilidad de haya n clientes Pn = ρn * P0
en el sistema
8. Utilización U=ρ

Ejemplo
Supongamos un lavadero automático de vehículos, que cuenta con
una máquina para estos propósitos. A solicitar el servicio llegan en
promedio 15 vehículos / hora y la máquina puede lavar un vehículo en
3 minutos. Calcule todos los indicadores de rendimiento.

Empezaremos por calcular ρ. Para ello empezaremos por identificar λ


y µ. Con base en la información que tenemos:

¡Toma el camino de los mejores, toma el camino de los Libertadores!


λ = 15 vehículos / hora
1/µ = 3 minutos / vehículo, de donde:
µ = 20 vehículos / hora

La hora será la unidad de tiempo para nuestros indicadores.

Por lo tanto: ρ = λ / µ = 0.75

Entre más cercano de 1, mas cargado estará el sistema, con


resultado de colas más largas y tiempos de espera mayores.

NUMERO PROMEDIO EN LA FILA (Lq)


Lq = ρ2 / (1- ρ) = 2.25 vehículos
TIEMPO PROMEDIO DE ESPERA EN LA COLA (Wq)
Wq = Lq / λ = 0.15 horas (9 minutos)
TIEMPO PROMEDIO DE ESPERA EN EL SITEMA (W)
W = Wq + 1/ µ = 0.20 horas (12 minutos)
NUMERO PROMEDIO EN EL SISTEMA (L)
L = λ * W = 3 vehículos
PROBABILIDAD DE QUE NO HAYA CLIENTES EN EL SISTEMA
(P0):
P0 = 1 - ρ = 0.25 = 25% del tiempo
PROBABILIDAD QUE UN CLIENTE QUE LLEGA TENGA QUE
ESPERAR (PW)
PW = 1 - P0 = ρ (75% del tiempo)
PROBABILIDAD DE QUE HAYA n CLIENTES EN EL SISTEMA (Pn)
Pn = ρn * P0
n Pn
0 0.2500
1 0.1875
2 0.1406
3 0.1055
etc. Etc.

¿Cuál es la probabilidad de que no haya más de 3 vehículos en el


sistema?
P0 + P1 + P2 + P3 = 0.6836 (68%)

¡Toma el camino de los mejores, toma el camino de los Libertadores!


UTILIZACION (U)
U = ρ = 0.75 (75%)

SISTEMA DE UNA LINEA DE ESPERA Y MULTIPLES


SERVIDORES

Nuestros indicadores de rendimiento variarán considerando los


siguientes supuestos:

 Tamaño de la población: INFINITO


 Tiempo entre llegadas: PROBABILÍSTICO
 Proceso de colas: DE UNA SOLA LÍNEA
 Disciplina de colas: PEPS
 Proceso de servicio: CANAL MULTIPLE (VARIOS SERVIDORES)

Los mismos serán ahora:

λ = Número promedio de llegadas por unidad de tiempo


µ = número promedio de clientes atendidos por unidad de tiempo en
un canal o servidor
1/λ = Tiempo de espera entre llegadas
1/µ = Tiempo esperado de servicio
ρ=λ/µ
c= Número de servidores

1. Probabilidad de que no
haya clientes en el sistema

2. Número promedio
de clientes en la cola

3. Tiempo promedio
de espera en la cola

Tiempo promedio
en el sistema

¡Toma el camino de los mejores, toma el camino de los Libertadores!


4. Número promedio
de clientes en el sistema

5. Probabilidad que un cliente


que llega tenga que esperar

6. Probabilidad de haya n clientes


en el sistema (n<=c)

Probabilidad de haya n clientes


en el sistema (n>c)

7. Utilización

Sin dejarse amilanar por las fórmulas, vamos a desarrollar el siguiente


ejercicio.

Ejemplo
Supongamos el mismo lavadero automático de vehículos, pero que
cuenta ahora con dos máquinas. A solicitar el servicio llegan en
promedio 36 vehículos / hora y cada máquina puede lavar un vehículo
en 3 minutos. Calcule todos los indicadores de rendimiento.

Empezaremos por calcular ρ. Para ello empezaremos por identificar λ


y µ. Con base en la información que tenemos:

λ = 36 vehículos / hora
1/µ = 3 minutos / vehículo, de donde µ = 20 vehículos / hora

La hora será la unidad de tiempo para nuestros indicadores.

Por lo tanto: ρ = λ / µ = 1.80

PROBABILIDAD DE QUE NO HAYA CLIENTES EN EL SISTEMA


(P0):

¡Toma el camino de los mejores, toma el camino de los Libertadores!


NUMERO PROMEDIO EN LA FILA (Lq)

TIEMPO PROMEDIO DE ESPERA EN LA COLA (Wq)

TIEMPO PROMEDIO DE ESPERA EN EL SITEMA (W)

NUMERO PROMEDIO EN EL SISTEMA (L)

PROBABILIDAD QUE UN CLIENTE QUE LLEGA TENGA QUE


ESPERAR (PW)

¡Toma el camino de los mejores, toma el camino de los Libertadores!


PROBABILIDAD DE QUE HAYA n CLIENTES EN EL SISTEMA (Pn)

n<=c

n Pn
0 0.0526
1 0.0947
2 0.0852

n>c

3 0.0767
etc. Etc.

¿Cuál es la probabilidad de que no haya más de 3 vehículos en el


sistema?
P0 + P1 + P2 + P3 = 0.3092 (31%)

UTILIZACION (U)

EJERCICIOS

Calcule todos los indicadores de rendimiento para los siguientes


casos:
1. λ = 60, µ = 66, c = 1
2. λ = 126, µ = 70, c = 2

BIBLIOGRAFÍA

ANDERSON, David; SWEENEY, Dennis y WILLIAMS Thomas


Métodos cuantitativos para los negocios
Thomson, 2005
¡Toma el camino de los mejores, toma el camino de los Libertadores!
BONINI y HAUSMAN
Análisis Cuantitativo para los negocios
McGraw Hill, 2001.

EPPEN, G; GOULD, F y SCHMIDT, C.


Investigación de operaciones en la Ciencia Administrativa
Pearson, 2003.

KAMLES, H.
Investigación de Operaciones, el arte de la toma de decisiones
Prentice Hall, 2002

TAHA, Hamdy A.
Investigación de Operaciones
Alfaomega, 2004

¡Toma el camino de los mejores, toma el camino de los Libertadores!


Ejercicios de Teorı́a de Colas

Investigación Operativa
Ingenierı́a Informática, UC3M

Curso 08/09

1. Demuestra que en una cola M/M/1 se tiene:


ρ
L= .
1−ρ

Solución.

X
L= npn
n=0
X∞
= nρn (1 − ρ)
n=0

X ∞
X
n
= nρ − nρn+1
n=0 n=0

X
= ρn
n=1
X∞
=ρ ρn
n=0
ρ
= .
1−ρ

2. Demuestra que en una cola M/M/1 se tiene:

ρ2
Lq = .
1−ρ

Solución.
ρ ρ2
Lq = λWq = λ = .
µ(1 − ρ) 1−ρ
3. En un servidor de la universidad se mandan programas de ordenador para ser ejecutados. Los progra-
mas llegan al servidor con una tasa de 10 por minuto. El tiempo medio de ejecución de cada programa
es de 5 segundos y tanto los tiempos entre llegadas como los tiempos de ejecución se distribuyen ex-
ponencialmente.

a) ¿Qué proporción de tiempo está el servidor desocupado?

1
b) ¿Cuál es el tiempo esperado total de salida de un programa?
c) ¿Cuál es el número medio de programas esperando en la cola del sistema?

Solución. El sistema es M/M/1 con λ = 10 trabajos por minuto y µ = 12 trabajos por minuto. Se
asumirá que el sistema es abierto y que la capacidad es infinita. Como ρ = 10/12 < 1, el sistema
alcanzará el estado estacionario y se pueden usar las fórmulas obtenidas en clase.

a) El servidor estará desocupado 1 − 5/6 = 1/6 del total, esto es, 10 segundos cada minuto (ya
que el ordenador está ocupado 5 × 10 = 50 segundos por minuto).
1 1
b) Tiempo medio total es W = µ(1−ρ)
= 12(1−5/6)
= 1/2 minuto por programa.
ρ2
c) El número medio de programas esperando en la cola es Lq = 1−ρ
= 4.16 trabajos.

4. La ventanilla de un banco realiza las transacciones en un tiempo medio de 2 minutos. los clientes
llegan con una tasa media de 20 clientes a la hora. Si se supone que las llegadas siguen un proceso de
Poisson y el tiempo de servicio es exponencial, determina

a) El porcentaje de tiempo en el que el cajero está desocupado.


b) El tiempo medio de estancia de los clientes en la cola.
c) La fracción de clientes que deben esperar en la cola.

Solución. Sistema M/M/1 con λ = 20 y µ = 30.

a) P (cajero ocioso) = p0 = 1 − ρ = 1/3. El 33 % de tiempo el cajero está ocioso.


b) Wq = 1/15 = 4 minutos.
c) L = 2, Lq = 4/3, por tanto la fracción de clientes que deben esperar en la cola es Lq /L =
2/3 ≡ 66.6 %.

5. Una tienda de alimentación es atendida por una persona. Aparentemente el patrón de llegadas de
clientes durante los sábados se comporta siguiendo un proceso de Poisson con una tasa de llegadas de
10 personas por hora. A los clientes se les atiende siguiendo un orden tipo FIFO y debido al prestigio
de la tienda, una vez que llegan están dispuestos a esperar el servicio. Se estima que el tiempo que
se tarda en atender a un cliente se distribuye exponencialmente, con un tiempo medio de 4 minutos.
Determina:

a) La probabilidad de que haya lı́nea de espera.


b) La longitud media de la lı́nea de espera.
c) El tiempo medio que un cliente permanece en cola.

Solución. Sistema M/M/1 con λ = 10 y µ = 15.

a) P (lı́nea de espera) = 1 − p0 − p1 = 4/9.


b) Lq = 4/3 personas en cola.
c) Wq = 2/15 horas = 8 minutos de media en cola.

2
6. En una fábrica existe una oficina de la Seguridad Social a la que los obreros tienen acceso durante
las horas de trabajo. El jefe de personal, que ha observado la afluencia de obreros a la ventanilla,
ha solicitado que se haga un estudio relativo al funcionamiento de este servicio. Se designa a un
especialista para que determine el tiempo medio de espera de los obreros en la cola y la duración
media de la conversación que cada uno mantiene con el empleado de la ventanilla. Este analista
llega a la conclusión de que durante la primera y la última media hora de la jornada la afluencia es
muy reducida y fluctuante, pero que durante el resto de la jornada el fenómeno se puede considerar
estacionario. Del análisis de 100 periodos de 5 minutos, sucesivos o no, pero situados en la fase
estacionaria, se dedujo que el número medio de obreros que acudı́an a la ventanilla era de 1.25 por
periodo y que el tiempo entre llegadas seguı́a una distribución exponencial. Un estudio similar sobre
la duración de las conversaciones, llevó a la conclusión de que se distribuı́an exponencialmente con
duración media de 3.33 minutos. Determina:

a) Número medio de obreros en cola.


b) Tiempo medio de espera en la cola.
c) Compara el tiempo perdido por los obreros con el tiempo perdido por el oficinista. Calcula el
coste para la empresa, sin una hora de inactividad del oficinista vale 250 euros y una hora del
obrero 400 euros. ¿Serı́a rentable poner otra ventanilla?

Solución. Sistema M/M/1 con λ = 0.25 y µ = 0.3.

a) Lq = 4.166 obreros.
b) Wq = 16.66 minutos.
c) Durante cada hora hay, en media, Lq = 4.166 clientes haciendo cola. Es decir, el coste horario
por obreros ociosos es de 4.166 × 400 = 1666.66 euro. Por otro lado, 1 − ρ = 0.166, de forma
que el coste del tiempo que el oficinista está ocioso es de 250 × 0.166 = 41.5 euros horarios,
que es mucho inferior.
Si se pusiera otra ventanilla, el sistema serı́a M/M/2. En ese caso, p0 = 0.411 y p1 = 0.34, de
forma que el tiempo de oficinista que se perderı́a cada hora serı́a, en media, 2p0 + p1 = 1.166
horas. Lo que supone un coste de 291.5 euros cada hora. Por otro lado, cada hora habrı́a, en
media, Lq = 1.01 obreros en la cola. De forma que el tiempo perdido por los obreros tendria un
coste de 400 × 1.01 = 404 euros la hora.
La suma de los dos costes es mucho menor en este segundo caso, de forma que sı́ serı́a rentable
poner otra ventanilla.

7. Una entidad bancaria considera la posibilidad de instalar una red de cajeros en una de sus oficinas.
Dado que se desconoce la afluencia de público que va a demandar dicho servicio, coloca un único
cajero durante un mes. Diariamente se recogen datos sobre los tiempos de llegadas de los clientes,
ası́ como de los tiempos de servicio. Suponiendo que la sucursal se encuentra emplazada en un barrio
dende no existe otro servicio semejante, el cliente que llega prefiere esperar a poder utilizar el cajero,
cuando éste esté ocupado.
Tras el oportuno análisis de los datos recogidos, se estima que: (i) las llegadas siguen un proceso de
Poisson; (ii) la distribución del tiempo de servicio es exponencial; (iii) el tiempo medio transcurrido

3
entre dos llegadas consecutivas es de 7.5 minutos; (iv) el tiempo medio de servicio es de 5 minutos
por cliente.
Calcula:

a) Tiempo medio de espera que debe sufrir cada cliente en cola.


b) Tamaño medio de la cola y probabilidad de que al acudir al cajero ya haya alguna persona en la
cola.

Solución. Sistema M/M/1 con λ = 1/7.5 y µ = 1/5.

a) Wq = 10 minutos.
b) El número medio de las colas es de Lq = 1.33 personas, y la probabilidad de que haya al menos
dos personas en el sistema es de 1 − p0 − p1 = 4/9.

8. Los trabajadores de una fábrica tienen que llevar su trabajo al departamento de control de calidad
antes de que el producto llegue al final del proceso de producción. Hay un gran número de empleados
y las llegadas son aproximadamente de 20 por hora, siguiendo un proceso de Poisson. El tiempo para
inspeccionar una pieza sigue una distribución exponencial de media 4 minutos. Calcula el número
medio de trabajadores en el control de calidad si hay:

a) 2 inspectores.
b) 3 inspectores.

Solución.

a) Sistema M/M/2 con λ = 20 y µ = 15. Entonces L = 2.4 empleados.


b) Sistema M/M/3 con λ = 20 y µ = 15. Entonces L = 1.87 empleados.

9. Un avión tarda unos 4 minutos de media en aterrizar a partir del momento en que la torre de control
le da la señal de aterrizaje. Si las llegadas de los aviones se producen por término medio, a razón de 8
por hora y siguiendo un proceso de Poisson, ¿cuánto va a esperar el piloto dando vueltas al aeropuerto
antes de recibir la señal de tierra?
Solución. Sistema M/M/1 con λ = 8 y µ = 15. Por tanto, Wq = 4.56 minutos.

10. Una compañı́a de ordenadores posee un ordenador central al que pueden acceder los clientes a través
de unos terminales (de distintos tipos) que se alquilan. Un cliente desea determinar la velocidad
óptima del terminal que deberı́a alquilar. Los trabajos del cliente se generan según un proceso de
Poisson con una tasa de 50 programas por dı́a de 8 horas. El tamaño medio de un programa es de
1000 sentencias. Se sabe que el tiempo de lectura de sentencias es exponencial. El cliente estima
en 10 euros el coste de retrasar un programa un dı́a. La compañı́a estima que una velocidad de 100
sentencias por minuto, y cualquier aumento semejante, incrementa el precio del alquiler diario del
terminal en 100 euros. Determina la velocidad óptima del terminal.
Solución. Sistema M/M/1 con λ = 50 programas mandados al dı́a y µ =? programas ejecutados
por dı́a (variable de decisión). El coste por retrasar un programa un dı́a es de 10 euros. Como 100

4
sentencias por minuto equivalen a 48 programas por dı́a, entonces el coste por programa por unidad
de incremento de µ y por dı́a es de 100/48 = 2.083 euros.
Por tanto, el coste total es igual a
10L + 2.083µ
que se maximiza en µ = 52.19 programas leı́dos al dı́a.

11. Una compañı́a ferroviaria pinta sus propios vagones, según se vayan necesitando, en sus propios
talleres donde se pinta a mano de uno en uno con una velocidad que se distribuye según una expo-
nencial de media un cada 4 horas y un coste anual de 4 millones de euros. Se ha determinado que los
vagones pueden llegar según un proceso de Poisson de media un cada 5 horas. Además el coste por
cada vagón que no está activo es de 500 euros la hora.
Se plantean otras dos posibilidades. Una es encargar dicho trabajo a una empresa de pintura que lo
harı́a con aerosol con el consiguiente ahorro de tiempo. Sin embargo el presupuesto para esta segunda
alternativa es de 10 millones de euros anuales. En este caso, el proceso se aproxima a uno de Poisson
con una tasa de uno cada 3 horas. La otra opción es poner otro taller exactamente igual al que hay
actualmente, con igual tasa de servicio y coste anual que permita pintar dos vagones a la vez.
En todos los casos el trabajo se considera ininterrumpido, esto es, se trabajan 24 × 365 = 8760 horas
anuales. ¿Cuál de los tres procedimientos es preferible?
Solución. Taller con pintura a mano: sistema M/M/1 con λ = 1/5 y µ = 1/4 vagones/hora. Por
tanto,
4 × 106
CT = 500L + = 2456.62 euros por vagón.
8760
Taller con pintura con aerosol: sistema M/M/1 con λ = 1/5 y µ = 1/3 vagones/hora. Por tanto,

10 × 106
CT = 500L + = 1891.55 euros por vagón.
8760

Dos talleres con pintura a mano: sistema M/M/2 con λ = 1/5 y µ = 1/4 vagones/hora. Por tanto,

8 × 106
CT = 500L + = 1389.43 euros por vagón.
8760

Coste anual por hora = 2456.62 . Coste con aerosol = 1891.55 . Coste con dos servidores = 1389.43 .
Por tanto, es preferible poner dos talleres.

12. Una empresa de reparación de ordenadores recibe una media de 10 solicitudes de reparación al dı́a,
que se distribuyen según un proceso de Poisson. Se supone que µ es la velocidad de reparación de
la persona reparadora en ordenadores/dı́a, y el tiempo de reparación es exponencial. Cada unidad de
velocidad de reparación supone un coste de 100 euros por semana. Además, se ha estimado que el
coste de tener ordenadores no reparados supone 200 euros por ordenador y semana, siendo este coste
proporcional al tiempo. Suponiendo que una semana tiene cinco dı́as laborables, se pide:

a) Que determines la velocidad de reparación óptima.


b) Que determines si serı́a más económico tener dos personas, cada una con la mitad de la velocidad
determinada en el apartado anterior.

5
Solución. Sistema M/M/1 con λ = 10 y µ =?.

a) El coste total es 20µ + 40L euros diarios. Por tanto, la tasa óptima es de 14.47 ordenadores por
dı́a, con un coste diario de 378.43225 euros.
b) En este caso se trata de un sistema M/M/2. Por tanto, el coste diario de 395.184 euros, que es
peor que el anterior.

13. Una base de mantenimiento de aviones dispone de recursos para revisar únicamente un motor de
avión a la vez. Por tanto, para devolver los aviones lo antes posible, la polı́tica que se sigue consiste
en aplazar la revisión de los 4 motores de cada avión. En otras palabras, solamente se revisa un
motor del avión cada vez que un avión llega a la base. Con esta polı́tica, los aviones llegan según
una distribución de Poisson de tasa media uno al dı́a. El tiempo requerido para revisar un motor (una
vez que se empieza el trabajo) tiene una distribución exponencial de media 1/2 dı́a. Se ha hecho
una propuesta para cambiar la polı́tica de revisión de manera que los 4 motores se revisen de forma
consecutiva cada vez que un avión llegue a la base. A pesar de que ello supondrı́a cuadruplicar el
tiempo esperado de servicio, cada avión necesitarı́a ser revisado únicamente con una frecuencia 4
veces menor. Utilizar la teorı́a de colas para comparar las 2 alternativas.
Solución. En los dos casos se trata de colas M/M/1, puesto que tanto los tiempos entre llegadas como
los tiempos de servicio son variables aleatorias con distribución exponencial.
En la situación actual, la tasa de llegadas es λ = 1 avión al dı́a y la tasa de servicio es µ = 2 aviones
al dı́a. Con estos parámetros, ρ = 0.5 < 1, y por tanto existe el estado estacionario. Los valores de
las cantidades de interés son:

L = 1 avión, Lq = 1/2 avión, W = 1 dı́a, Wq = 1/2 dı́a

Si se siguiera la propuesta para cambiar la polı́tica, la cola seguiria siendo una M/M/1, pero ahora
las tasas de llegada y de servicio serian λ = 0.25 aviones al dı́a, y µ = 0.5 aviones al dı́a, respec-
tivamente. En este caso, ρ sigue siendo 0.5 y por tanto sigue existiendo el estado estacionario. Los
valores de las cantidades de interés son:

L = 1 avión, Lq = 1/2 avión, W = 4 dı́as, Wq = 2 dı́as

Con la configuración propuesta, cada vez que un avión vaya a ser revisado pasará en el sistema
el cuádruple del tiempo que pasaba con el sistema anterior, pero como cada avión va a ir con una
frecuencia cuatro veces menor, el tiempo perdido en el taller a largo plazo va a ser igual. En este caso,
la decisión entre una configuración y la otra deberı́a ser tomada en función de los costes de operación.

También podría gustarte