Tarea Semana 2:

Modelando Matemáticamente
MII 505 Métodos de Optimización Aplicados

Equipo: 12.
Integrantes:
 Ordoñez Vicente, Maoude Dyana.
 Ramírez Quilape, Francisco Javier.
 Salgado Figueroa, Manuel Andrés.
Fecha: 20 de septiembre de 2017.
INTRODUCCIÓN.

La programación lineal es el campo de la optimización matemática dedicado a

maximizar o minimizar (optimizar) una función lineal, denominada función objetivo,
de tal forma que las variables de dicha función estén sujetas a una serie de
restricciones expresadas mediante un sistema de ecuaciones o inecuaciones
también lineales.

El presente informe se enmarca dentro de los contenidos impartidos en la asigantura

de Métodos de Optimización Aplicados, como parte del programa de Magister en
Ingeniería Industrial de la Universidad Andrés Bello. En él, dado un universo de 8
problemas académicos propuestos, relacionados todos ellos con programación
lineal, se ha requerido a los estudiantes seleccionar 6 de ellos y resolverlos
mediante el apoyo de la herramienta Solver de Microsoft Excel.

A continuación se presentan al lector los 6 problemas elegidos por el equipo de

trabajo, detallando sus enunciados, modelación matemática e interpretación de los
resultados obtenidos.
DESARROLLO DE LOS PROBLEMAS.

Problema Nº1

Inversiones ABC dispone de 800 acres de terreno en un lago escénico, en el

corazón de una sierra. Antes, se aplicaban pocos o ningún reglamento a los nuevos
desarrollos en torno al lago. Sus orillas están hoy pobladas con casas de campo y,
debido a la carencia de servicios de alcantarillado, hay muchas fosas sépticas mal
instaladas, cuyas filtraciones a través de los años, han ocasionado un grave
problema de contaminación de agua.

Para mitigar la degradación de este vital elemento, las autoridades municipales

aprobaron reglamentos estrictos para todos los desarrollos a futuro:

a. Sólo se pueden construir casas para una, dos y tres familias. Las casas

unifamiliares deben ser, al menos, el 50% del total. 


b. Para limitar la cantidad de fosas sépticas, se requieren tamaños mínimos de

lote de 2, 3 y 4 acres para las casas con una, dos y tres familias,
respectivamente.

c. Se deben establecer áreas de recreo de 1 acre cada una, en una proporción de

una por cada 200 familias. 


d. Para preservar la ecología del lago, no se debe bombear agua subterránea para

uso doméstico ni de riego. 


El presidente de Inversiones ABC estudia la posibilidad de desarrollar los 800 acres

de la empresa. El nuevo desarrollo incluirá casas para una, dos y tres familias. Se
proyecta que el 15% de los acres se debe asignar a calles y servicios comunitarios.
ABC estima que los ingresos por las diversas unidades de habitación serán:
El costo de conectar el servicio del agua al área, es proporcional a la cantidad de
unidades construidas. Sin embargo, el municipio cobra un mínimo de $100.000 por
el proyecto. Además, el aumento de la capacidad actual del sistema de abaste-
cimiento de agua se limita a 200.000 galones por día, durante las temporadas altas.
Los siguientes datos resumen el costo de conectar el servicio del agua, y también
su consumo, suponiendo familias de tamaño promedio:

a. Formular y validar el problema mediante programación matemática.

Solución:

El problema consiste en encontrar la cantidad de cada tipo de casa y la cantidad de

áreas de recreo que satisfaga lo indicado en el reglamento municipal, que deberá
construir inversiones ABC, para maximizar sus ingresos asociados a este proyecto.
Modelando matemáticamente lo anterior, según los datos porporcionados en el
enunciado, se tiene:

Variables de Decisión:

𝑥1 : 𝑐𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑑𝑒 𝑐𝑎𝑠𝑎𝑠 𝑎 𝑐𝑜𝑛𝑠𝑡𝑟𝑢𝑖𝑟 𝑝𝑎𝑟𝑎 𝑢𝑛𝑎 𝑓𝑎𝑚𝑖𝑙𝑖𝑎.

𝑥2 : 𝑐𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑑𝑒 𝑐𝑎𝑠𝑎𝑠 𝑎 𝑐𝑜𝑛𝑠𝑡𝑟𝑢𝑖𝑟 𝑝𝑎𝑟𝑎 𝑑𝑜𝑠 𝑓𝑎𝑚𝑖𝑙𝑖𝑎𝑠.

𝑥3 : 𝑐𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑑𝑒 𝑐𝑎𝑠𝑎𝑠 𝑎 𝑐𝑜𝑛𝑠𝑡𝑟𝑢𝑖𝑟 𝑝𝑎𝑟𝑎 𝑡𝑟𝑒𝑠 𝑓𝑎𝑚𝑖𝑙𝑖𝑎𝑠.

𝑥4 : 𝑐𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑑𝑒 á𝑟𝑒𝑎𝑠 𝑑𝑒 𝑟𝑒𝑐𝑟𝑒𝑜 𝑎 𝑐𝑜𝑛𝑠𝑡𝑟𝑢𝑖𝑟.

Función objetivo:
 𝑀á𝑥 𝑧 = 10.000 𝑥1 + 12.000𝑥2 + 15.000𝑥3

Restricciones:

R1 : Uso del terreno.

2𝑥1 + 3𝑥2 + 4𝑥3 + 𝑥4 ≤ 0,85 ∙ 800

 2𝑥1 + 3𝑥2 + 4𝑥3 + 𝑥4 ≤ 680

R2 : Costos del servicio de agua.

1.000𝑥1 + 1.200𝑥2 + 1.400𝑥3 + 800𝑥4 ≥ 100.000

R3 : Consumo de agua por unidad.

400𝑥1 + 600𝑥2 + 840𝑥3 + 450𝑥4 ≤ 200.000

R4 : Casas unifamiliares.

0,5(𝑥1 + 𝑥2 + 𝑥3 ) ≤ 𝑥1

 −0,5𝑥1 + 0,5𝑥2 + 0,5𝑥3 ≤ 0

R5 : Áreas de recreación.
𝑥1 +2𝑥2 +3𝑥3
≤ 𝑥4
200

 𝑥1 + 2𝑥2 + 3𝑥3 − 200𝑥4 ≤ 0

R6 : No negatividad.

𝑥1, 𝑥2 , 𝑥3 , 𝑥4 ≥ 0
Utilizando la herramienta “Solver” de MS Excel se tiene:

La solución óptima obtenida no recomienda la construcción de casas para 2 y 3

familias, aun cuando entregan un rendimiento mayor que las casas unifamiliares.
Por otra parte, considerando que la cantidad de cada tipo de casa a construir debe
representarse mediante números enteros, se recomienda construir 390 casas
unifamiliares. A su vez y bajo igual consideración anterior, deben construirse al
menos 2 unidades de áreas de recreo.

Depurando los resultados obtenidos, se tiene:

RESULTADOS DEPURADOS
VARIABLES DE DECISIÓN
x1 x2 x3 x4 FO (z)
339,00 0,00 0,00 2,00 3.390.000
10.000 12.000 15.000

RESTRICCIONES
R1 2 3 4 1 680 ≤ 680
R2 1.000 1.200 1.400 800 340.600 ≥ 100.000
R3 400 600 840 450 136.500 ≤ 200.000
R4 -0,5 0,5 0,5 -170 ≤ 0
R5 1 2 3 -200 -61 ≤ 0
R6 x1; x2; x3; x4 ≥ 0
Con todo lo anterior, se tiene que los ingresos asociados al proyecto de Inversiones
ABC, bajo las recomendaciones antes detalladas, sería de $3.390.000.
Problema Nº2

La ciudad de Chuchunco estudia la factibilidad de un sistema de autobuses para

transporte masivo, con la finalidad de reducir el transporte urbano en vehículo y, en
consecuencia, aliviar el problema del smog. El estudio busca determinar la cantidad
mínima de autobuses para satisfacer las necesidades de transporte. Después de
reunir la información necesaria, el ingeniero de tránsito observa que la cantidad
mínima de autobuses varia con la hora del día, y que la cantidad necesaria de
vehículos se puede aproximar con valores constantes durante intervalos
consecutivos de 4 horas.

El siguiente diagrama resume las determinaciones del ingeniero. Para hacer el

mantenimiento diario a cada autobús, éste puede trabajar sólo 8 horas sucesivas
diariamente.

a. Proponer y validar un modelo matemático que represente la problemática.

Solución:

Al representar matemáticamente la situación planteada, se tiene que las variables

del modelo representan la cantidad de buses a programar en cada uno de los turnos
de trabajo; las restricciones tienen que ver con la satisfacción de la demanda; y el
objetivo es minimizar la cantidad de buses en operación.

Si bien sabemos que cada bus circulará durante 8 horas consecutivas, no sabemos
cuándo iniciará su turno. Una manera razonable de suavizar esta condición es
permitir que se inicie un turno cada 4 horas, teniendo un total de 6 turnos traslapados
de 8 horas cada uno. Considerando lo anterior, las variables de decisión se definen
como sigue:

Variables de Decisión:

𝑥1 : 𝑐𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑑𝑒 𝑏𝑢𝑠𝑒𝑠 𝑞𝑢𝑒 𝑐𝑜𝑚𝑖𝑒𝑛𝑧𝑎𝑛 𝑠𝑢 𝑡𝑢𝑟𝑛𝑜 𝑎 𝑙𝑎𝑠 00: 01 ℎ𝑜𝑟𝑎𝑠.

𝑥2 : 𝑐𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑑𝑒 𝑏𝑢𝑠𝑒𝑠 𝑞𝑢𝑒 𝑐𝑜𝑚𝑖𝑒𝑛𝑧𝑎𝑛 𝑠𝑢 𝑡𝑢𝑟𝑛𝑜 𝑎 𝑙𝑎𝑠 04: 01 ℎ𝑜𝑟𝑎𝑠.

𝑥3 : 𝑐𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑑𝑒 𝑏𝑢𝑠𝑒𝑠 𝑞𝑢𝑒 𝑐𝑜𝑚𝑖𝑒𝑛𝑧𝑎𝑛 𝑠𝑢 𝑡𝑢𝑟𝑛𝑜 𝑎 𝑙𝑎𝑠 08: 01 ℎ𝑜𝑟𝑎𝑠.

𝑥4 : 𝑐𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑑𝑒 𝑏𝑢𝑠𝑒𝑠 𝑞𝑢𝑒 𝑐𝑜𝑚𝑖𝑒𝑛𝑧𝑎𝑛 𝑠𝑢 𝑡𝑢𝑟𝑛𝑜 𝑎 𝑙𝑎𝑠 12: 01 ℎ𝑜𝑟𝑎𝑠.

𝑥5 : 𝑐𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑑𝑒 𝑏𝑢𝑠𝑒𝑠 𝑞𝑢𝑒 𝑐𝑜𝑚𝑖𝑒𝑛𝑧𝑎𝑛 𝑠𝑢 𝑡𝑢𝑟𝑛𝑜 𝑎 𝑙𝑎𝑠 16: 01 ℎ𝑜𝑟𝑎𝑠.

𝑥4 : 𝑐𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑑𝑒 𝑏𝑢𝑠𝑒𝑠 𝑞𝑢𝑒 𝑐𝑜𝑚𝑖𝑒𝑛𝑧𝑎𝑛 𝑠𝑢 𝑡𝑢𝑟𝑛𝑜 𝑎 𝑙𝑎𝑠 20: 01 ℎ𝑜𝑟𝑎𝑠.

Representando gráficamente las variables, se tiene:

Lo anterior se reduce a lo siguiente:

Intervalos de tiempo. Cantidad de buses en operación.

De 00:01 a 04:00 horas. 𝑥1 + 𝑥6
De 04:01 a 08:00 horas. 𝑥1 + 𝑥2
De 08:01 a 12:00 horas. 𝑥2 + 𝑥3
De 12:01 a 16:00 horas. 𝑥3 + 𝑥4
De 16:01 a 20:00 horas. 𝑥4 + 𝑥5
De 20:01 a 00:00 horas. 𝑥5 + 𝑥6

Entonces, el modelo completo se escribe como sigue a continuación:

Función objetivo:

𝑀𝑖𝑛 𝑧 = 𝑥1 + 𝑥2 + 𝑥3 + 𝑥4 + 𝑥5 + 𝑥6

Restricciones:

R1 : Demanda de buses, en turno de 00:01 a 04:00 horas.

𝑥1 + 𝑥6 ≥ 4

R2 : Demanda de buses, en turno de 04:01 a 08:00 horas.

𝑥1 + 𝑥2 ≥ 8

R3 : Demanda de buses, en turno de 08:01 a 12:00 horas.

𝑥2 + 𝑥3 ≥ 10

R4 : Demanda de buses, en turno de 12:01 a 16:00 horas.

𝑥3 + 𝑥4 ≥ 7
R5 : Demanda de buses, en turno de 16:01 a 20:00 horas.

𝑥4 + 𝑥5 ≥ 12

R6 : Demanda de buses, en turno de 20:01 a 00:00 horas.

𝑥5 + 𝑥6 ≥ 4

R7 : No negatividad.

𝑥1, 𝑥2 , 𝑥3 , 𝑥4 , 𝑥5 , 𝑥6 ≥ 0

Utilizando la herramienta “Solver” de MS Excel se tiene:

La solución óptima requiere programar un total de 26 buses, se acuerdo a la

siguiente distribución:
Intervalos de tiempo. Cantidad de buses en operación.
De 00:01 a 04:00 horas. 2,00
De 04:01 a 08:00 horas. 6,00
De 08:01 a 12:00 horas. 4,00
De 12:01 a 16:00 horas. 6,00
De 16:01 a 20:00 horas. 6,00
De 20:01 a 00:00 horas. 2,00
Problema Nº3

La papelera moderna produce rollos de papel de 20 pies de ancho normal útil, cada
uno, lo que corresponde al ancho estándar (son tal como salen de la máquina de
papel). Los pedidos de los clientes se atienden con anchos distintos, para lo cual se
deben cortar los rollos de ancho estándar. Los pedidos normales que pueden variar
de un día al siguiente, se resumen en esta tabla:

En la práctica, se surte un pedido ajustando las cuchillas a los anchos deseados.

En general, hay varias maneras de cortar un rollo de ancho estándar para surtir
determinado pedido. La figura muestra tres posiciones factibles de chuchillas para
el rollo de 20 pies. Aunque hay otras posiciones posibles, nos limitaremos por el
momento a considerar las posiciones 1, 2 y 3. Se pueden combinar las posiciones
dadas en varias formas, para surtir los pedidos con 5, 7 y 9 pies de ancho. A
continuación, se presentan algunos ejemplos de combinaciones factibles:

 Cortar 300 (rollos de ancho estándar) con la posición 1, y 75 rollos con la

posición 2.

 Cortar 200 rollos con la posición 1, y 100 rollos con la posición 3. 


¿Cuál combinación es la mejor? Esta pregunta se puede contestar teniendo en

cuenta la “merma” (desperdicio) que produce cada combinación, la cual aparece
sombreada. 


a. Formular y validar un modelo de Programación Lineal. 


Solución:

Se deben derterminar las posiciones de las cuchillas (variables) que surtan los
pedidos requeridos (restricciones) con el área mínima de pérdida por recorte
(objetivo).

Resumiendo la información disponible, se tiene:

Cantidad de rollos obtenidos según

Ancho requerido la posición de las cuchillas. Cantidad deseada
(pies) de rollos.
Posición 1 Posición 2 Posición 3
5 0 2 2 150
7 1 1 0 200
9 1 0 1 300
Pérdida por recorte
4 3 1
(pies)

Variables de decisión:

𝑥𝑖 : 𝑐𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑑𝑒 𝑟𝑜𝑙𝑙𝑜𝑠 𝑑𝑒 𝑎𝑛𝑐ℎ𝑜 𝑒𝑠𝑡á𝑛𝑑𝑎𝑟 𝑞𝑢𝑒 𝑠𝑒 𝑐𝑜𝑟𝑡𝑎𝑟á𝑛 𝑐𝑜𝑛 𝑙𝑎 𝑝𝑜𝑠𝑖𝑐𝑖ó𝑛 "i"𝑑𝑒 𝑙𝑎𝑠 𝑐𝑢𝑐ℎ𝑖𝑙𝑙𝑎𝑠.

∀𝑖 ∈ {1,2,3}
Nota: del enunciado se desprende que sólo se evaluarán las 3 posiciones de
cuchillas ya señaladas, aun cuando puedan existir otras alternativas.

Restricciones:

R1 : Cantidad mínima de rollos de 5 pies.

2𝑥2 + 2𝑥3 ≥ 150

R2 : Cantidad mínima de rollos de 7 pies.

𝑥1 + 𝑥2 ≥ 200

R3 : Cantidad mínima de rollos de 9 pies.

𝑥1 + 𝑥3 ≥ 300

R4 : No negatividad.

𝑥1 , 𝑥2 , 𝑥3 ≥ 0

Por otro lado, para generar la función objetivo se aprecia que el área total de pérdida
por recorte es equivalente a la diferencia resultante entre el total de los rollos de
ancho estándar que se usan y el área total que representan todos los pedidos.

Á𝑟𝑒𝑎 𝑡𝑜𝑡𝑎𝑙 𝑑𝑒 𝑝é𝑟𝑑𝑖𝑑𝑎 𝑝𝑜𝑟 𝑟𝑒𝑐𝑜𝑟𝑡𝑒 = Á𝑟𝑒𝑎 𝑡𝑜𝑡𝑎𝑙 𝑑𝑒 𝑟𝑜𝑙𝑙𝑜𝑠 𝑑𝑒 𝑎𝑛𝑐ℎ𝑜 𝑒𝑠𝑡á𝑛𝑑𝑎𝑟 − Á𝑟𝑒𝑎 𝑡𝑜𝑡𝑎𝑙 𝑑𝑒 𝑙𝑜𝑠 𝑝𝑒𝑑𝑖𝑑𝑜𝑠

Suponiendo rollos de largo constante “L” y considerando que el total de rollos de

que se emplearán para surtir los pedidos se define como (𝑥1 + 𝑥2 + 𝑥3 ), se tiene
entonces que:

Á𝑟𝑒𝑎 𝑡𝑜𝑡𝑎𝑙 𝑑𝑒 𝑟𝑜𝑙𝑙𝑜𝑠 𝑑𝑒 𝑎𝑛𝑐ℎ𝑜 𝑒𝑠𝑡á𝑛𝑑𝑎𝑟 = 20𝐿(𝑥1 + 𝑥2 + 𝑥3 )

Á𝑟𝑒𝑎 𝑡𝑜𝑡𝑎𝑙 𝑑𝑒 𝑙𝑜𝑠 𝑝𝑒𝑑𝑖𝑑𝑜𝑠 = 𝐿(150 × 5 + 200 × 7 + 300 × 9) = 4.850𝐿

Entonces, la función objetivo se define como:

𝑀𝑖𝑛 𝑧 = 20𝐿(𝑥1 + 𝑥2 + 𝑥3 ) − 4.850𝐿

Como la longitud “L” de los rollos de ancho estándar se supone constante, la función
objetivo se reduce únicamente a minimizar la cantidad total de rollos de ancho
estándar que se usan para surtir los pedidos; esto es:

𝑀𝑖𝑛 𝑧 = 𝑥1 + 𝑥2 + 𝑥3

Sujeta a las siguientes restricciones:

R1 : Cantidad de rollos de 5 pies.

2𝑥2 + 2𝑥3 ≥ 150

R2 : Cantidad de rollos de 7 pies:

𝑥1 + 𝑥2 ≥ 200

R3 : Cantidad de rollos de 9 pies:

𝑥1 + 𝑥3 ≥ 300
Utilizando la herramienta “Solver” de MS Excel se tiene:

La solución óptima recomienda cortar 200 rollos de ancho estándar con la posición
1 y 100 con la posición 3 de las cuchillas, combinación que significa un área de
pérdida por recorte de:

Á𝑟𝑒𝑎 𝑑𝑒 𝑝é𝑟𝑑𝑖𝑑𝑎 𝑝𝑜𝑟 𝑟𝑒𝑐𝑜𝑟𝑡𝑒 = 20𝐿(𝑥1 + 𝑥2 + 𝑥3 ) − 4.850𝐿 = 20 ∙ 𝐿 ∙ 300 − 4850 ∙ 𝐿 = 1150𝐿

No se recomienda cortar rollos de ancho estándar con la posición 2 de las cuchillas.

Problema Nº6

Empresas FoxTerry planea seis proyectos de construcción posibles durante los

siguientes 4 años. En la tabla, se muestran los ingresos esperados (a valor
presente) y los desembolsos en efectivo para esos proyectos. A FoxTerry se le
autoriza emprender cualquiera de los proyectos, en forma parcial o total. Una
terminación parcial de un proyecto tendrá ingresos y desembolsos proporcionales.

a. Formular y validar el problema como programa lineal, y determinar la (Mezcla)

proporción de proyectos que contribuyan a maximizar los ingresos totales. No
considerar el valor del dinero a través del tiempo. 


b. Suponer que no se puede acometer parte alguna del proyecto 2, a menos que
se haya terminado una parte del proyecto 6. Modificar la formulación del modelo
y determinar una nueva solución, de ser factible. 


c. En cuanto al modelo generado en a): ¿vale la pena pedir dinero prestado en el

año 4? 


d. En el modelo original, suponga que todo fondo que quede al final de un año, se
usará al año siguiente. Determinar una nueva solución óptima y la cantidad que
cada año “pide prestada” al año anterior. Para simplificar, no considerar el valor
del dinero a través del tiempo. 

Solución:

Letra a)

Se debe determinar la proporción de proyectos (variables) que contribuyan a

maximizar los ingresos totales (función objetivo), sujeto a las restricciones de fondos

anuales disponibles. 


Variables de decisión:

𝑥1 : 𝑐𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑑𝑒𝑙 𝑝𝑟𝑜𝑦𝑒𝑐𝑡𝑜 1 𝑎 𝑒𝑚𝑝𝑟𝑒𝑛𝑑𝑒𝑟

𝑥2 : 𝑐𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑑𝑒𝑙 𝑝𝑟𝑜𝑦𝑒𝑐𝑡𝑜 2 𝑎 𝑒𝑚𝑝𝑟𝑒𝑛𝑑𝑒𝑟

𝑥3 : 𝑐𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑑𝑒 𝑝𝑟𝑜𝑦𝑒𝑐𝑡𝑜 3 𝑎 𝑒𝑚𝑝𝑟𝑒𝑛𝑑𝑒𝑟

𝑥4 : 𝑐𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑑𝑒 𝑝𝑟𝑜𝑦𝑒𝑐𝑡𝑜 4 𝑎 𝑒𝑚𝑝𝑟𝑒𝑛𝑑𝑒𝑟

𝑥5 : 𝑐𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑑𝑒 𝑝𝑟𝑜𝑦𝑒𝑐𝑡𝑜 5 𝑎 𝑒𝑚𝑝𝑟𝑒𝑛𝑑𝑒𝑟

𝑥6 : 𝑐𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑑𝑒 𝑝𝑟𝑜𝑦𝑒𝑐𝑡𝑜 6 𝑎 𝑒𝑚𝑝𝑟𝑒𝑛𝑑𝑒𝑟

Función objetivo:

𝑀𝑎𝑥 𝑧 = 32,40𝑥1 + 35,80𝑥2 + 17,75𝑥3 + 14,80𝑥4 + 18,20𝑥5 + 12,35𝑥6

Restricciones:

R1 : Fondos disponibles en el año 1.

10,5𝑥1 + 8,3𝑥2 + 10,2𝑥2 + 7,2𝑥4 + 12,3𝑥5 + 9,2𝑥6 ≤ 60

R2 : Fondos disponibles en el año 2.

14,4𝑥1 + 12,6𝑥2 + 14,2𝑥3 + 10,5𝑥4 + 10,1𝑥5 + 7,8𝑥6 ≤ 70

R3 : Fondos disponibles en el año 3.

2,2𝑥1 + 9,5𝑥2 + 5,6𝑥3 + 7,5𝑥4 + 8,3𝑥5 + 6,9𝑥6 ≤ 35

R4 : Fondos disponibles en el año 4.

2,4𝑥1 + 3,1𝑥2 + 4,2𝑥3 + 5𝑥4 + 6,3𝑥5 + 5,1𝑥6 ≤ 20

R5 : No negatividad.

𝑥1 , 𝑥2 , 𝑥3 , 𝑥4 , 𝑥5 , 𝑥6 ≥ 0

Utilizando la herramienta “Solver” de MS Excel se tiene:

La solución óptima indica que sólo deben emprenderse, para maximizar los ingresos
totales, sin considerar el valor del dinero a través del tiempo, los proyectos 1 y 2, en
las siguientes cantidades:

Ingresos
𝑋1 𝑋2 𝑋3 𝑋4 𝑋5 𝑋6
Totales

181,40 2,05 3,21 0 0 0 0

Letra b)

Considerando que no se puede acometer el proyecto 2 sin antes terminar parte del
proyecto 6, se debe considerar una sexta restricción:

R6 : El proyecto 2 sin antes terminar parte del proyecto 6.

𝑋6 − 𝑋2 ≥ 0

Utilizando la herramienta “Solver” de MS Excel se tiene:

Los resultados son los siguientes, donde se agrega al 1 y 2 el proyecto 6:

Ingresos
𝑋1 𝑋2 𝑋3 𝑋4 𝑋5 𝑋6
Totales

161,4063 2,4 1,74 0 0 0 1,74

Letra c)

Para conocer si es necesario solicitar dinero al año 4, es necesario evaluar las

restricciones R1, R2, R3 y R4 con los resultados del punto a), obteniendo la
siguiente evaluación:

Restricción Resultado Fondo disponible (≤)

Restricción

I.1 48,194 60

I.2 70 70

I.3 35 35

I.4 14,8753 20

El resultado de la diferencia de fondo disponible menos el resultado de la restricción

evaluada se obtiene 16,93 millones, por lo tanto no es necesario solicitar fondos.

Letra d)

Modelando lo indicado en en MS Solver, se tiene:

Con estos nuevos fondos por año, el resultado obtenido es el siguiente:
𝑀𝑎𝑥𝑍 𝑋1 𝑋2 𝑋3 𝑋4 𝑋5 𝑋6

195,59 2,40 3,07 0 0 0 0

Problema Nº7

Manufacturera Prime recibió un contrato para entregar ventanas de viviendas

durante los 6 meses siguientes. Las demandas sucesivas para los seis periodos son
1.000, 2.500, 1.900, 1.400, 2.200 y 1.100, respectivamente. El costo de producción
por ventana varía de un mes a otro, dependiendo de los costos de mano de obra,
materiales y servicios. Prime estima que el costo de producción en $ por ventana,
durante los 6 meses siguientes, será de $50, $45, $55, $48, $52 y $50,
respectivamente. Para aprovechar las fluctuaciones en el costo de manufactura,
Prime podría optar por producir más de lo necesario en determinado mes, y guardar
las unidades excedentes para entregar en meses posteriores. Sin embargo, eso le
ocasionará un costo de almacenamiento de $40 por ventana y por mes, evaluado
con el inventario en el fin de mes.

a. Desarrollar y validar un modelo de programación lineal para determinar un

programa de producción. 


b. Resolver el problema suponiendo que Prime tiene un inventario inicial de 25

ventanas, al principio del primer mes. 


Solución:

Se debe determinar el programa de produccón de ventanas (variables),

minimizando los costos de producción e inventario (función objetivo), sujeto a las
restrcciones de producción y demanda.
Demanda para seis meses sucesivos de ventanas con su respectivo costo de
producción:

meses 1 2 3 4 5 6

Demanda 1000 2500 1900 1400 2200 1100

Costo $/ventana 50 45 55 48 52 50

Costo 40 40 40 40 40 40
almacenamiento
($/ventana)

Variables de decisión:

𝑋1 : 𝑐𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑑𝑒 𝑢𝑛𝑖𝑑𝑎𝑑𝑒𝑠 𝑝𝑟𝑜𝑑𝑢𝑐𝑖𝑑𝑎𝑠 𝑒𝑛 𝑒𝑙 𝑚𝑒𝑠 1

𝑋2 : 𝑐𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑑𝑒 𝑢𝑛𝑖𝑑𝑎𝑑𝑒𝑠 𝑝𝑟𝑜𝑑𝑢𝑐𝑖𝑑𝑎𝑠 𝑒𝑛 𝑒𝑙 𝑚𝑒𝑠 2

𝑋3 : 𝑐𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑑𝑒 𝑢𝑛𝑖𝑑𝑎𝑑𝑒𝑠 𝑝𝑟𝑜𝑑𝑢𝑐𝑖𝑑𝑎𝑠 𝑒𝑛 𝑒𝑙 𝑚𝑒𝑠 3

𝑋4 : 𝑐𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑑𝑒 𝑢𝑛𝑖𝑑𝑎𝑑𝑒𝑠 𝑝𝑟𝑜𝑑𝑢𝑐𝑖𝑑𝑎𝑠 𝑒𝑛 𝑒𝑙 𝑚𝑒𝑠 4

𝑋5 : 𝑐𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑑𝑒 𝑢𝑛𝑖𝑑𝑎𝑑𝑒𝑠 𝑝𝑟𝑜𝑑𝑢𝑐𝑖𝑑𝑎𝑠 𝑒𝑛 𝑒𝑙 𝑚𝑒𝑠 5

𝑋6 : 𝑐𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑑𝑒 𝑢𝑛𝑖𝑑𝑎𝑑𝑒𝑠 𝑝𝑟𝑜𝑑𝑢𝑐𝑖𝑑𝑎𝑠 𝑒𝑛 𝑒𝑙 𝑚𝑒𝑠 6

𝐼1 : 𝑢𝑛𝑖𝑑𝑎𝑑𝑒𝑠 𝑞𝑢𝑒 𝑞𝑢𝑒𝑑𝑎𝑛 𝑒𝑛 𝑖𝑛𝑣𝑒𝑛𝑡𝑎𝑟𝑖𝑜 𝑑𝑒 𝑓𝑖𝑛 𝑑𝑒 𝑚𝑒𝑠 1

𝐼2 : 𝑢𝑛𝑖𝑑𝑎𝑑𝑒𝑠 𝑞𝑢𝑒 𝑞𝑢𝑒𝑑𝑎𝑛 𝑒𝑛 𝑖𝑛𝑣𝑒𝑛𝑡𝑎𝑟𝑖𝑜 𝑑𝑒 𝑓𝑖𝑛 𝑑𝑒 𝑚𝑒𝑠 2

𝐼3 : 𝑢𝑛𝑖𝑑𝑎𝑑𝑒𝑠 𝑞𝑢𝑒 𝑞𝑢𝑒𝑑𝑎𝑛 𝑒𝑛 𝑖𝑛𝑣𝑒𝑛𝑡𝑎𝑟𝑖𝑜 𝑑𝑒 𝑓𝑖𝑛 𝑑𝑒 𝑚𝑒𝑠 3

𝐼4 : 𝑢𝑛𝑖𝑑𝑎𝑑𝑒𝑠 𝑞𝑢𝑒 𝑞𝑢𝑒𝑑𝑎𝑛 𝑒𝑛 𝑖𝑛𝑣𝑒𝑛𝑡𝑎𝑟𝑖𝑜 𝑑𝑒 𝑓𝑖𝑛 𝑑𝑒 𝑚𝑒𝑠 4

𝐼5 : 𝑢𝑛𝑖𝑑𝑎𝑑𝑒𝑠 𝑞𝑢𝑒 𝑞𝑢𝑒𝑑𝑎𝑛 𝑒𝑛 𝑖𝑛𝑣𝑒𝑛𝑡𝑎𝑟𝑖𝑜 𝑑𝑒 𝑓𝑖𝑛 𝑑𝑒 𝑚𝑒𝑠 5

𝐼6 : 𝑢𝑛𝑖𝑑𝑎𝑑𝑒𝑠 𝑞𝑢𝑒 𝑞𝑢𝑒𝑑𝑎𝑛 𝑒𝑛 𝑖𝑛𝑣𝑒𝑛𝑡𝑎𝑟𝑖𝑜 𝑑𝑒 𝑓𝑖𝑛 𝑑𝑒 𝑚𝑒𝑠 6

La función objetivo del problema propuesto es la siguiente:

𝑀𝑖𝑛 𝑧 = 𝐶𝑜𝑠𝑡𝑜 𝑝𝑟𝑜𝑑𝑢𝑐𝑐𝑖ó𝑛 + 𝐶𝑜𝑠𝑡𝑜 𝐼𝑛𝑣𝑒𝑛𝑡𝑎𝑟𝑖𝑜

𝐶𝑜𝑠𝑡𝑜 𝑝𝑟𝑜𝑑𝑢𝑐𝑐𝑖ó𝑛: 50𝑋1 + 45𝑋2 + 55𝑋3 + 48𝑋4 + 52𝑋5 + 50𝑋6

𝐶𝑜𝑠𝑡𝑜 𝑖𝑛𝑣𝑒𝑛𝑡𝑎𝑟𝑖𝑜: 40(𝐼1 + 𝐼2 + 𝐼3 + 𝐼4 + 𝐼5 + 𝐼6 )

𝑀𝑖𝑛𝑍 = 50𝑋1 + 45𝑋2 + 55𝑋3 + 48𝑋4 + 52𝑋5 + 50𝑋6 + 40(𝐼1 + 𝐼2 + 𝐼3 + 𝐼4

+ 𝐼5 + 𝐼6 )
I. Las restricciones para consideradas para cada mes, se deben considerar
según la siguiente ecuación:
𝐷𝑒𝑚𝑎𝑛𝑑𝑎 = 𝐼𝑛𝑣𝑒𝑟𝑠𝑖ó𝑛𝑖𝑛𝑖𝑐𝑖𝑎𝑙 + 𝐶𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑢𝑛𝑖𝑑𝑎𝑑𝑒𝑠 𝑝𝑟𝑜𝑑𝑢𝑐𝑖𝑑𝑎𝑠 𝑒𝑛 𝑒𝑙 𝑚𝑒𝑠
− 𝐼𝑛𝑣𝑒𝑟𝑠𝑖ó𝑛𝑓𝑖𝑛𝑎𝑙
Mes 1: 𝐼0 + 𝑋1 − 𝐼1 = 1000
Mes 2: 𝐼1 + 𝑋2 − 𝐼2 =2500
Mes 3: 𝐼2 + 𝑋3 − 𝐼3 = 1900
Mes 4: 𝐼3 + 𝑋4 − 𝐼4 = 1400
Mes 5: 𝐼4 + 𝑋5 − 𝐼5 = 2200
Mes 6: 𝐼5 + 𝑋6 = 1100
No negatividad: 𝑋1 , 𝑋2 , 𝑋3 , 𝑋4 , 𝑋5 , 𝑋6 , 𝐼1 , 𝐼2 , 𝐼3 , 𝐼4 , 𝐼5 , 𝐼6 ≥ 0

a) Según las variables representadas en los puntos I, II y III, la solución que

minimiza los costos de producción e inventario para Manufacturera Prime son
los siguientes:
 𝑀𝑖𝑛𝑍 𝑋1 𝑋2 𝑋3 𝑋4 𝑋5 𝑋6
$503.600 1000 2500 1900 1400 2200 1100

𝐼1 𝐼2 𝐼3 𝐼4 𝐼5 𝐼6
0 0 0 0 0 0
b) Considerando que existe un inventario inicial de 25 ventanas en el primer, la
solución que minimiza los costos de producción e inventario para Manufacturera
Prime son los siguientes:

𝑀𝑖𝑛𝑍 𝑋1 𝑋2 𝑋3 𝑋4 𝑋5 𝑋6

$503.350 975 2500 1900 1400 2200 1100

𝐼0 𝐼1 𝐼2 𝐼3 𝐼4 𝐼5 𝐼6
25 0 0 0 0 0 0
Problema Nº8

Surtidora contrató a Dos Masos como proveedor de llaves y cinceles para sus
tiendas de artículos automotrices. La demanda semanal de la surtidora consiste en,
al menos, 1.500 llaves y 1.200 cinceles. La capacidad actual de Dos Masos, en un
turno, no basta para producir las unidades que se le piden, por lo que debe
considerar tiempo extra y, quizá, la subcontratación de otros proveedores de
herramientas. El resultado es un aumento en el costo de producción por unidad,
como se ve en la siguiente tabla. La demanda del mercado limita la proporción de
cinceles a llaves a un mínimo de 2:1.

a. Formular y validar el problema como programación lineal. Determinar un

programa de producción para cada herramienta.

Solución:

Se debe determinar el programa de produccón de las herramientas (variables),

minimizando los costos de producción (función objetivo), sujeto a las restrcciones
de producción y demanda.
Se definen las variables de decisión:

𝑥1 : 𝑐𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑑𝑒 𝑙𝑙𝑎𝑣𝑒𝑠 𝑝𝑟𝑜𝑑𝑢𝑐𝑖𝑑𝑎𝑠 𝑒𝑛 𝑡𝑖𝑒𝑚𝑝𝑜 𝑛𝑜𝑟𝑚𝑎𝑙.

𝑥2 : 𝑐𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑑𝑒 𝑙𝑙𝑎𝑣𝑒𝑠 𝑝𝑟𝑜𝑑𝑢𝑐𝑖𝑑𝑎𝑠 𝑒𝑛 𝑡𝑖𝑒𝑚𝑝𝑜 𝑒𝑥𝑡𝑟𝑎.

𝑥3 : 𝑐𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑑𝑒 𝑙𝑙𝑎𝑣𝑒𝑠 𝑠𝑢𝑏𝑐𝑜𝑛𝑡𝑟𝑎𝑡𝑎𝑑𝑎𝑠.

𝑥4 : 𝑐𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑑𝑒 𝑐𝑖𝑛𝑐𝑒𝑙𝑒𝑠 𝑝𝑟𝑜𝑑𝑢𝑐𝑖𝑑𝑜𝑠 𝑒𝑛 𝑡𝑖𝑒𝑚𝑝𝑜 𝑛𝑜𝑟𝑚𝑎𝑙.

𝑥5 : 𝑐𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑑𝑒 𝑐𝑖𝑛𝑐𝑒𝑙𝑒𝑠 𝑝𝑟𝑜𝑑𝑢𝑐𝑖𝑑𝑜𝑠 𝑒𝑛 𝑡𝑖𝑒𝑚𝑝𝑜 𝑒𝑥𝑡𝑟𝑎.

𝑥5 : 𝑐𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑑𝑒 𝑐𝑖𝑛𝑐𝑒𝑙𝑒𝑠 𝑠𝑢𝑏𝑐𝑜𝑛𝑡𝑟𝑎𝑡𝑎𝑑𝑜𝑠.

Función objetivo:

𝑀𝑖𝑛 𝑧 = 2,0𝑥1 + 2,8𝑥2 + 3,0𝑥3 + 2,1𝑥4 + 3,2𝑥5 + 4,2𝑥6

Restricciones:

R1 : Demanda semanal de llaves.

𝑥1 + 𝑥2 + 𝑥3 ≥ 1.500

R2 : Demanda semanal de cinceles.

𝑥4 + 𝑥5 + 𝑥6 ≥ 1.200

R3 : Producción semanal de llaves.

𝑥1 ≤ 550

R4 : Producción semanal de llaves.

𝑥1 + 𝑥2 ≤ 800
R5 : Producción semanal de cinceles.

𝑥4 ≤ 620

R6 : Producción semanal de cinceles.

𝑥4 + 𝑥5 ≤ 900

R7 : Demanda del mercado.

𝐶𝐴𝑁𝑇𝐼𝐷𝐴𝐷 𝑇𝑂𝑇𝐴𝐿 𝐷𝐸 𝐶𝐼𝑁𝐶𝐸𝐿𝐸𝑆 2
≥
𝐶𝐴𝑁𝑇𝐼𝐷𝐴𝐷 𝑇𝑂𝑇𝐴𝐿 𝐷𝐸 𝐿𝐿𝐴𝑉𝐸𝑆 1

𝑋4 +𝑋5 +𝑋6
 ≥2
𝑋1 +𝑋2 +𝑋3

 𝑥4 + 𝑥5 + 𝑥6 − 2𝑥1 − 2𝑥2 − 2𝑥3 ≥ 0

R8 : No negatividad.

𝑥1, 𝑥2 , 𝑥3 , 𝑥4 , 𝑥5 , 𝑥6 ≥ 0

Utilizando la herramienta “Solver” de MS Excel se tiene:

La solución óptima indica que el siguiente programa de producción:

 Se deben fabricar 550 llaves en tiempo normal.

 Se deben fabricar 250 llaves en sobretiempo.
 Se deben subcontratar 700 llaves.
 Se deben fabricar 620 cinceles en tiempo normal.
 Se deben fabricar 280 cinceles en sobretiempo.
 Se deben subcontratar 2.100 cinceles.

Así, el costo total mínimo para cumplir con este programa óptimo de producción
será de $14.918.
CONCLUSIONES.

A manera de conclusión podemos señalar que la programación lineal (PL) es una

herramienta muy útil en la toma de decisiones, pues permite a las empresas del
mundo moderno modelar matemáticamente situaciones problemáticas, accediendo
a una aproximación cercana a la realidad.

Existen dos componentes básicos en la programación lineal (PL) los cuales son:

 Función objetivo (variable de decisión).

 Restricciones (limitaciones y requerimientos).

Los resultados y el proceso de optimización se convierten en un respaldo

cuantitativo de las decisiones frente a las situaciones planteadas.
REFERENCIAS.

 Hillier Frederick, S. & Lieberman Gerald, J. (2010). Introducción a la investigación

de operaciones.

 Taha, Hamdy. A. (2004). Capítulo1: ¿Qué es la investigación de operaciones?,

Capítulo 2: Modelado con programación lineal. En Investigación de operaciones.
Pearson Educación, México.

 Winston, Wayne L. (2011). Investigación de Operaciones. Aplicaciones y

algoritmos, 4a. edición. México. CENGAGE Learning. pp. 100-103.

 Curso Excel Online: Solver Excel 2010 [Ejemplo Práctico]. (2017). YouTube.
Recuperado el 20 de Septiembre de 2017, desde
https://www.youtube.com/watch?v=hj0Bc3B-38g

 Excel: Uso del complemento Solver (Ejemplo 1). (2017). YouTube. Recuperado
el 20 de Septiembre de 2017, desde https://www.youtube.com/watch?v=-
MomOE7qAhE

 Excel: Uso del complemento Solver (Ejemplo 2). (2017). YouTube. Recuperado
el 20 de Septiembre de 2017, desde
https://www.youtube.com/watch?v=x8tN5mP2TeY

 ANALISIS DE SENSIBILIDAD SOLVER EXCEL. (2017). YouTube. Recuperado

el 20 de Septiembre de 2017, desde
https://www.youtube.com/watch?v=4xlioKWW8H8

 Programación lineal. (2017). Es.wikipedia.org. Recuperado el 21 de Septiembre

de 2017, desde https://es.wikipedia.org/wiki/Programación_lineal