Cátedra: Investigación Operativa Año: 2002

Universidad Tecnológica Nacional Facultad Regional Mendoza

RESOLUCION DE EJERCICIOS DEL CAPITULO 2 EJERCICIO 2.1: Identifique un conjunto de variables de decisión apropiadas para este ejercicio. Proporcione nombres simbólicos relevantes y una descripción completa de cada variable. No necesita formular el modelo. Florida Citrus, Inc., procesa jugo de naranja y lo transforma en concentrado congelado en tres plantas localizadas en Tampa, Miami y Jacksonville. De cualquiera de los dos huertos ubicados cerca de Orlando y Gainesville se pueden enviar libras de naranja hacia cualquier planta. Dado el costo de embarque y el precio de venta del concentrado, el objetivo, sujeto a ciertas restricciones de oferta y demanda, es determinar como embarcar estas naranjas desde los dos huertos a las tres plantas procesadoras para maximizar la ganancia total.
Tampa = T

Plantas

Miami = M

Orlando = O Huertos

Jacksonville = J

Gaineisville = G

Huertos

Plantas

Variables de decisión:
T O M G J

XOT = cantidad de naranjas desde el origen O hasta el destino T. XOM = cantidad de naranjas desde el origen O hasta el destino M XOJ = cantidad de naranjas desde el origen O hasta el destino J. XGT = cantidad de naranjas desde el origen G hasta el destino T. XGM = cantidad de naranjas desde el origen G hasta el destino M XGJ = cantidad de naranjas desde el origen G hasta el destino J.

EJERCICIO 2.2: Identifique un conjunto de variables de decisión apropiadas para este ejercicio. Proporcione nombres simbólicos relevantes y una descripción completa de cada variable No necesita formular el modelo. Pensión Planners, Inc., administra una cartera particular que consiste en 1800, 1000 y 500 acciones de fondos mutuos. Dadas ciertas suposiciones sobre las condiciones económicas en los siguientes 2 meses, el administrador de la agenda desea determinar el número de acciones de cada fondo por vender o comprar en cada uno de los siguientes dos meses, para maximizar el valor esperado de la agenda. 1

Cátedra: Investigación Operativa Año: 2002

Universidad Tecnológica Nacional Facultad Regional Mendoza

.
Fondo1 Ventas Fondo2 Compras Fondo3

Variables de decisión: X1 = cantidad de acciones del fondo 1 por vender en los siguientes dos meses. X2 = cantidad de acciones del fondo 2 por vender en los siguientes dos meses. X3 = cantidad de acciones del fondo 3 por vender en los siguientes dos meses. X4 = cantidad de acciones del fondo 1 por comprar en los siguientes dos meses. X5 = cantidad de acciones del fondo 2 por comprar en los siguientes dos meses. X6 = cantidad de acciones del fondo 3 por comprar en los siguientes dos meses. F1 = cantidad total de acciones del fondo 1 al final de los dos meses. F2= cantidad total de acciones del fondo 2 al final de los dos meses. F3 = cantidad total de acciones del fondo 3 al final de los dos meses. EJERCICIO 2.3: Para el ejercicio 2.1, el huerto que está cerca de Orlando tiene 20000 libras de naranjas y el huerto cercano a Gainesville tiene 12000 libras de naranjas. La planta de Tampa requiere al menos 8000 libras de naranjas para cumplir su cuota de producción. Las plantas de Miami y Jacksonville requieren cada una al menos 11000 libras de naranjas. Use la técnica de agrupamiento para identificar todos los grupos de restricciones. No necesita formular las restricciones; sin embargo, especifique el número de restricciones de cada grupo.

Restricciones de no negatividad: Xi >= 0 siendo i = 1 Restricciones de producción: XOT + XOM + XOJ < = 20000 XGT + XGM + XGJ < = 12000 naranjas Orlando puede enviar hasta 20000 libras de naranjas Gainesville puede enviar hasta 12000 libras de 6

2

Cátedra: Investigación Operativa Año: 2002

Universidad Tecnológica Nacional Facultad Regional Mendoza

Restricciones de demanda: XOT + XGT >= 8000 XOM + XGM >= 11000 XOJ + XGJ >= 11000 naranjas.

Tampa requiere al menos 8000 libras de naranjas Miami requiere al menos 11000 libras de naranjas. Jacksonville requiere al menos 11000 libras de

EJERCICIO 2.4: Al determinar el número de acciones por comprar o vender en el ejercicio 2.2, la administración nunca desearía vender más acciones de las que tiene. Asimismo, el fondo 1 en ningún caso debe tener más del doble de acciones del fondo 2, y este último tampoco debe tener más del doble del número de acciones del fondo 3. Finalmente, la cantidad total invertida en cada fondo no debe exceder los $75 000. Use la técnica de agrupamiento para identificar todos los grupos de restricciones. No necesita formular las restricciones; sin embargo, especifique el número de restricciones de cada grupo.

Restricciones de no negatividad: Xi >= 0 siendo i = 1 Restricciones de venta: F1 = 1800 + X4 – X1 F2 = 1000 + X5 - X2 F3 = 500 + X6 - X3 X1 < = 1800 + X4 X2 < = 1000 + X5 X3 < = 500 + X6 Restricciones de compra: F1 < = 2 * F2 F2 < = 2 * F3 Restricciones de inversión: F1 < = 75000 F2 < = 75000 F3 < = 75000

6
El total del fondo1 es lo que tiene más lo que compra y vende. El total del fondo2 es lo que tiene más lo que compra y vende. El total del fondo3 es lo que tiene más lo que compra y vende.

Lo que hay para vender del fondo1 debe ser al menos la suma de lo que tiene más lo que compra. Lo que hay para vender del fondo2 debe ser al menos la suma de lo que tiene más lo que compra. Lo que hay para vender del fondo3 debe ser al menos la suma de lo que tiene más lo que compra.

El fondo1 en ningún caso debe tener más del doble de acciones del fondo2 El fondo2 en ningún caso debe tener más del doble de acciones del fondo3

La cantidad total invertida en el fondo1 no debe exceder los $75 000. La cantidad total invertida en el fondo2 no debe exceder los $75 000 La cantidad total invertida en el fondo3 no debe exceder los $75 000

3

Cátedra: Investigación Operativa Año: 2002 Universidad Tecnológica Nacional Facultad Regional Mendoza EJERCICIO 2.1. 4 .Xot*50)+(Xom*750 . Xgt+Xgm+Xgj <=12000.Xom*75)+ (Xoj*600 Xoj*60)+(Xgt*550 . Xom+Xgm >=11000.Xgt*60)+ (Xgm*750 . Xot >=0.XOM * 75) + (XOJ * 600 . use la técnica de descomposición para expresar la función objetivo de maximización de ganancias dados los siguientes datos de costo e ingresos: COSTO DE EMBARQUE ($/Ton) A DESDE TAMPA MIAMI JAKSONVILLE Orlando 50 75 60 Gainesville 60 90 45 INGRESOS ($/ton de naranjas procesadas) Tampa 550 Miami 750 Jacksonville 600 Función objetivo de maximización de ganancias: Z = (XOT* Ingresos .5 Para el ejercicio 2.XOJ * Costos) + (XGT * Ingresos .XOT* 50) + (XOM * 750 . Xot+Xgt >=8000. Xom >=0.XOM * Costos) + (XOJ * Ingresos . Xoj+Xgj >=11000. Xot+Xom+Xoj <=20000. Xgj >=0. Xgt >=0.XGT * Costos) + (XGM * Ingresos .XGM * Costos) + (XGJ * Ingresos XGJ * Costos) Z = (XOT* 550 .XOJ * 60) + (XGT * 550 .XGT * 60) + (XGM * 750 .Xgm*90)+(Xgj*600 Xgj*45).XOT* Costos) + (XOM * Ingresos .XGM * 90) + (XGJ * 600 . Xoj >=0. Xgm >=0.XGJ * 45) Mediante Lingo: MAX = (Xot*550 .

00000 XGT 1000.00 0.0000000 25.000000 XGJ 11000.0000000 XOM 13000.0000 10 0.0000000 5 1000.0000000 7 11000.0000000 -175.0000000 XGM 0.0000000 4 0.00 0.000 0.00 0.000 0.0000 9 0.000 0.0000000 5.0000000 -110.1887000E+08 1.0000000 665.0000000 6 0.Cátedra: Investigación Operativa Año: 2002 Universidad Tecnológica Nacional Facultad Regional Mendoza Solution Report Global optimal solution found at step: 10 Objective value: 0.0000000 675.0000000 8 0.0000 11 2000.000000 2 7000.0000000 3 13000.0000000 XOJ 0.0000000 0.0000000 0.000 0.0000000 Row Slack or Surplus Dual Price 1 0.0000000 12 0.1887000E+08 Variable Value Reduced Cost XOT 7000.000 0.0000 Mediante Solver:: 5 .00 0.

suponga que al final del segundo mes se espera que el precio por acción del Fondo 1 sea $28.X2)+ 45*(500 + X6 X3). X3 >=0. X2 >=0. que el del Fondo 2 sea $60 y el del Fondo 3.X1)+ 60*(1000 + X5 .Xoj * 60) + (Xgt * 550 . 6 .6: Para el ejercicio 2.Xgm * 90) + (Xgj * 600 .Cátedra: Investigación Operativa Año: 2002 Universidad Tecnológica Nacional Facultad Regional Mendoza Celdas cambiantes Nombre Xot>=0 Xom>=0 Xoj>=0 Xgt>=0 Xgm>=0 Xgj>=0 Restricciones Nombre Valor final 7000 13000 0 1000 0 11000 Valor inicial 0 0 0 0 0 0 Valor final lado derecho Xot+Xom+Xoj<=20000 20000 Xgt+Xgm+Xgj<=12000 12000 Xot+Xgt>=8000 8000 Xom+Xgm>=11000 13000 Xoj+Xgj>=11000 11000 Función objetivo Valor final lado Valor inicial lado Valor inicial lado izquierdo izquierdo derecho 20000 20000 0 0 12000 12000 0 8000 8000 0 11000 11000 0 11000 11000 Z = (Xot* 550 .Xgt * 60) + (Xgm * 750 . el valor de la cartera al final del segundo mes sea al menos $ 125 000.Xot* 50) + (Xom * 750 . Restricción de ganancia: 28 * F1 + 60 * F2 + 45 * F3 > = 125000 Función Objetivo: Z = 28 * ( 1800 + X4 – X1 ) + 60 * ( 1000 + X5 – X2 ) + 45 * ( 500 + X6 – X3 ) Z = 28* F1 + 60 * F2 + 45 * F3 Mediante Lingo: MAX = 28*(1800 + X4 . Formule una restricción para asegurar que con estos precios. X4 >=0.2. Ilustre el uso de la descomposición.Xgj * 45) Z= 18870000 EJERCICIO 2. X1 >=0.Xom * 75) + (Xoj * 600 . $45.

0 Variable Value Reduced Cost X4 700.X1) <= 75000.0000000 0.X1 <= 2*(1000 + X5 .0000000 0.000 0.3337860E-05 X6 1166.0000000 0.667 0.0000000 10 5000. X6 >=0.0000000 7 1166.Cátedra: Investigación Operativa Año: 2002 Universidad Tecnológica Nacional Facultad Regional Mendoza X5 >=0.0000000 Row Slack or Surplus Dual Price 1 220000.0000000 5 700.0000 0. 1000 + X5 .0000000 4 0.0000000 28. 1800 + X4 .0000000 1.X2)+ 45*(500 + X6 .0000 0.667 0.0000000 0.0000000 0.0000000 X1 0. 28*(1800 + X4 .0000000 1.0000000 7 .000000 13 95000.X3) >= 125000.X3) <= 75000.X2 <= 2*(500 + X6 .X1)+ 60*(1000 + X5 .00000 9 2083.333 0.933333 12 0.000000 2 0.0000 0.00 0.0000000 11 0. Solution Report Global optimal solution found at step: 4 Objective value: 220000. 45*(500 + X6 . 60*(1000 + X5 .X3).0000000 X5 250.0000 0. 28*(1800 + X4 .0000000 6 250.0000000 8 0.X2) <= 75000.X2).0 1.0000000 0.0000000 3 0.0000000 X2 0.0000000 X3 0.

35 TURBOSINA 0. Defina todas las variables de decisión. Como gerente de producción. y petróleo pesado a $22 por barril. formule un modelo para determinar la cantidad de cada tipo de petróleo crudo por comprar para minimizar el costo total al tiempo que se satisfaga la demanda apropiada.7: World Oil Company puede comprar dos tipos de petróleo crudo: crudo ligero a un costo de $25 por barril. Cada barril de petróleo crudo. 900000 barriles de turbosina y 300000 barriles de queroseno. Variables de decisión: X1= cantidad de barriles de petróleo ligero X2= cantidad de barriles de petróleo pesado 8 .Cátedra: Investigación Operativa Año: 2002 Universidad Tecnológica Nacional Facultad Regional Mendoza Mediante Solver: Celdas cambiantes Nombre X1>=0 X2>=0 X3>=0 X4>=0 X5>=0 X6>=0 Restricciones Nombre Valor inicial 0 0 0 0 0 0 Valor final 1042 0 0 1742 250 1167 Valor inicial Valor Final Valor inicial Valor Final lado derecho lado derecho lado izquierdo lado izquierdo F3 500+X6-X3 500 625 F1 1800+X4-X1<= 2*F2 1800 2500 2000 2500 F2 1000+X5-X2<= 2*F3 1000 1250 1000 1250 F1 28*(1800+X4-X1)<=75000 50400 70000 75000 75000 F2 60*(1000+X5-X2)<=75000 108000 75000 75000 75000 F3 45*(500+X6-X3)<=75000 22500 75000 75000 75000 28*F1+60*F2+45*F3>=125 132900 220000 125000 125000 000 Función objetivo: Z= 28*F1 + 60*F2 + 45*F3 Z= 220000 EJERCICIO 2.45 0.18 0. Use el esquema de la sección 2.30 0. ya refinado. turbosina y queroseno. La siguiente tabla indica las cantidades en barriles de gasolina. turbosina y queroseno producidos por barril de cada tipo de petróleo crudo: Crudo ligero Crudo pesado GASOLINA 0.3 para clasificar su modelo.36 QUEROSENO 0. produce tres productos: gasolina.20 La refinería se ha comprometido a entregar 1260000 barriles de gasolina.

Cátedra: Investigación Operativa Año: 2002 Universidad Tecnológica Nacional Facultad Regional Mendoza Restricciones de no negatividad: Xi >= 0 siendo i = 1 Restricciones de producción: 0.20 * X2 > = 300000 Función objetivo: 2 cantidad de barriles de gasolina a entregar cantidad de barriles de turbosina a entregar cantidad de barriles de queroseno a entregar Minimizar el costo total al tiempo que se satisfaga la demanda apropiada. X2>=0.18 * X1 + 0.18 * X1 + 0.30 * X1 + 0. Función objetivo: Z= (X1*25 + X1* 0.45 * X1 + 0. 0.7.50) Mediante Lingo: MIN= (X1*25 + X1* 0.45 * X1 + 0.20 * X2 > = 300000. Formule un nuevo modelo para incorporar estos costos adicionales usando los mismos datos del ejercicio 2.50 por barril. 0. X1>=0.07*1) + (X2*22 + X2*0.07*1) + (X2*22 + X2*0.09 de barril y su eliminación cuesta $1.8 Reconsidere el ejercicio 2. cada barril de petróleo crudo pesado produce un desecho de 0.36 * X2 > = 900000 0.35 * X2 > = 1260000 0.35 * X2 > = 1260000.09*1.36 * X2 > = 900000.07 de barril que se tira a un costo de $1 por barril de desecho.09*1.30 * X1 + 0. MIN = 25 * X1 + 22 * X2 EJERCICIO 2. Resolución: Solution Report 9 . De manera similar.50).7. 0. Cada barril de petróleo crudo refinado produce un desecho de 0.

7494100E+08 Variable X1 X2 Row 1 2 3 4 5 6 Value 1400000.0000000 -11. 0.0 0. Reduced Cost 0.18 * X1 + 0.20 * X2 > = 300000 Valor Inicial 0 0 Valor final 1400000 1800000 Valor final lado derecho 1260000 900000 780000 Valor final lado Valor inicial lado Valor inicial izquierdo derecho lado izquierdo 1260000 0 1260000 900000 300000 0 0 900000 300000 Función objetivo Z= (X1*25 + X1* 0.91818 0.30 * X1 + 0.0000000 -50.0000000 Mediante Solver: Celdas cambiantes Nombre X1>=0 X2>=0 Restricciones Nombre 0.0000000 1800000.07*1) + (X2*22 + X2*0. 1800000.45 * X1 + 0.98232 480000. 0.35 * X2 > = 1260000 0.50) Z= 74941000 EJERCICIO 2.9: 10 .0000000 0.000000 1400000.Cátedra: Investigación Operativa Año: 2002 Universidad Tecnológica Nacional Facultad Regional Mendoza Global optimal solution found at step: 8 Objective value: 0.36 * X2 > = 900000 0.0000000 Slack or Surplus Dual Price 0.09*1.0000000 0.7494100E+08 1.

La producción de cada carro requiere una cierta cantidad de materia prima y mano de obra. Costo de un auto compacto: cant Materia Prima*costo + cant Mano de Obra*costo = 200*10 + 18*70 = $3260 Costo de un auto subcompacto: cant Materia Prima*costo + cant Mano de Obra*costo = 150*10 + 20*70 = $2900 Variables de decisión: X1= cantidad de carros compactos X2= cantidad de carros subcompactos Función objetivo: Maximizar la ganancia total (ingresos menos gastos). 11 . Use el esquema de la sección 2. MAX = (X1*10000 + X2*8000) – (X1*3260 + X2*2900) Restricciones de no negatividad: Xi >= 0 siendo i = 1 2 Restricciones de disponibilidad: X1*2000 + X2*1500 <= 80000 X1*18 + X2*20 <= 9000 X1<= 1500 X2<= 200 Total disponible de materia prima Total disponible de mano de obra a lo más 1500 compactos pueden venderse a lo más 200 subcompactos pueden venderse Mediante Lingo: MAX = (X1*10000 + X2*8000). formule un modelo para determinar la cantidad a fabricar de cada tipo de carro para maximizar la ganancia total (ingresos menos gastos). como se especifica en la siguiente tabla: MATERIA PRIMA (libras) 200 150 10 80000 MANO DE OBRA (horas) 18 20 70 9000 Compactos Subcompactos Costo unitario ($) Total disponible La división de comercialización ha estimado que a lo más 1500 compactos pueden venderse a $ 10 000 cada uno y que a lo más 200 subcompactos pueden venderse a $8000 cada uno. Como vicepresidente de programación.Cátedra: Investigación Operativa Año: 2002 Universidad Tecnológica Nacional Facultad Regional Mendoza Carmac Company fabrica carros compactos y subcompactos.3 para clasificar su modelo.(X1*3260 + X2*2900). Defina todas las variables de decisión.

10: 12 . X1*200 + X2*150 <= 80000 .0000 0.0000 0.Cátedra: Investigación Operativa Año: 2002 Universidad Tecnológica Nacional Facultad Regional Mendoza X1>=0.0000000 X2 200. X1*18 + X2*20 <= 9000 .000000 2 250.00000 Mediante Solver: Celdas cambiantes Nombre X1>=0 X2>=0 Restricciones Nombre X1*200 + X2*150 <= 80000 X1*18 + X2*20 <= 9000 X1<=1500 X2<=200 Función objetivo Valor Inicial 0 0 Valor final 250 200 Valor final lado derecho 80000 8500 250 200 Valor final Valor inicial Valor inicial lado izquierdo lado derecho lado izquierdo 80000 0 80000 9000 1500 200 0 0 0 9000 1500 200 Z= (X1*10000 + X2*8000) – (X1*3260 + X2*2900) Z= 2705000 EJERCICIO 2. 1.0000000 Row Slack or Surplus Dual Price 1 2705000. Variable Value Reduced Cost X1 250.0000000 4 0. Solution Report Global optimal solution found at step: 3 Objective value: 2705000.0000000 45. X2<= 200.0000 0.000 0.0000000 33.70000 5 500. X1<= 1500. X2>=0.0000 0.0000000 7 0.0000 0.0000000 3 200.0000000 6 1250.

5 <=480 producción diaria en máquina 1 X1*0.7 min/lb $0. mantequilla o queso.3 + X2*0. X1>= 300.3 min/gal $0.0000 0.0000000 Row Slack or Surplus Dual Price 1 309. 200 libras de mantequilla y 100 libras de queso.38/lb QUESO 1.7 + X3*1.2 <=480 producción diaria en máquina 2 Mediante Lingo: MAX = 0. X3>=100.38 * X2 + 0.72 * X3 Restricciones de no negatividad: Xi >= 0 siendo i = 1 3 Restricciones de producción: X1>= 300 producción mínima de leche X2>=200 producción mínima de mantequilla X3>=100 producción mínima de queso X1*0.3333 0. X1*0.2 min/gal 0.72 * X3.3 + X2*0.1333333 13 .0000000 X2 200. X2>=200.0000000 -0.3333 0.Cátedra: Investigación Operativa Año: 2002 Universidad Tecnológica Nacional Facultad Regional Mendoza Fresh Dairy Farms tiene dos máquinas distintas para procesar leche pura y producir leche descremada.22 * X1 + 0. Variables de decisión: X1= cantidad de leche descremada X2= cantidad de mantequilla X3= cantidad de queso Función objetivo: Maximice las ganancias corporativas netas. X1*0. Global optimal solution found at step: 7 Objective value: 309.0000 0.22/gal MANTEQUILLA 0.2 <=480. La cantidad de tiempo requerido en cada máquina para producir cada unidad de producto resultante y las ganancias netas se proporcionan en la siguiente tabla: LECHE DESCREMADA 0.72/lb Máquina 1 Máquina 2 Ganancia neta Suponiendo que se dispone de 8 horas en cada máquina diariamente.22 * X1 + 0.5 min/lb 0.38 * X2 + 0.7 + X3*1.3333 Variable Value Reduced Cost X1 733.3333 1. MAX = 0.2 min/lb $0. como gerente del departamento de producción.5 min/lb 1. formule un modelo para determinar un plan de producción diaria que maximice las ganancias corporativas netas y produzca un mínimo de 300 galones de leche descremada.5 + X3*1.2 + X2*0.5 + X3*1.0000000 X3 100.0000000 3 0.000000 2 433.5 <=480.2 + X2*0.

25 MANZANAS (mg/lb) 10 30 40 60 0. La tabla también incluye la cantidad mínima de cada alimento que debe incluirse en la comida y su costo. DIARIOS (mg) 80 60 50 30 Proteínas Vitamina A Vitamina B Vitamina C Cantidad mínima Costo unitario ($) Como dietista de una escuela pública.25 REQUERIMIENTOS MÍN.2 <=480 Función objetivo 0.5lb 1.UU.33333 0. LECHE (mg/gal) 40 5 20 30 0.5lb 2.1600000 0.72 * X3 Z= 309 EJERCICIO 2.7 X3*1. formule un modelo para determinar la comida de costo mínimo que reúna todos los requerimientos nutricionales. libra de queso y libra de manzanas proporciona un número conocido de miligramos de proteínas y vitaminas A.0000000 0. La siguiente tabla incluye esos datos junto con los requerimientos diarios de los ingredientes nutricionales.22 * X1 + 0. B y C.Cátedra: Investigación Operativa Año: 2002 Universidad Tecnológica Nacional Facultad Regional Mendoza 4 5 6 Mediante Solver: Celdas cambiantes Nombre X1>=0 X2>=0 X3>=0 Restricciones Nombre X1>=300 X2>=200 X3>=100 X1*0. según lo recomendado por el Departamento de Agricultura de los EE.5gal 2.0000000 -0.7333333 Valor Inicial 0 0 0 Valor final 733 200 100 Valor final lado Valor final lado Valor inicial lado Valor inicial lado derecho izquierdo derecho izquierdo 733 300 0 300 200 200 0 200 100 100 0 100 + 397 480 480 + 480 480 0 480 Z=0. Variables de decisión: X1= cantidad de leche a consumir.5 <=480 X1*0. X2= cantidad de queso a consumir 14 .2 + X2*0.15 QUESO (mg/lb) 30 50 30 50 0.0000000 83.5 X3*1.11: Cada galón de leche.38 * X2 + 0.3 para clasificar su modelo. Use el esquema de la sección 2.3 + X2*0.

15 * X1 + 2.0000000 -0.5 cantidad mínima de queso. X3 > = 0.00 0.43243 0. 40 * X1 + 30 * X2 + 10 * X3 >= 80.0000000 X2 0.147297 Variable Value Reduced Cost X1 1.5. X2 > = 0.09 0.25 * X3 Restricciones de no negatividad: 3 Xi >= 0 siendo i = 1 Restricciones de consumo mínimo: 40 * X1 + 30 * X2 + 10 * X3 >= 80 requerimiento mínimo diario de proteínas 5 * X1 + 50 * X2 + 30 * X3 >= 60 requerimiento mínimo diario de vtamina A 20 * X1 + 30 * X2 + 40 * X3 >= 50 requerimiento mínimo diario de vitamina B 30 * X1 + 50 * X2 + 60 * X3 >= 30 requerimiento mínimo diario de vitamina C X1 > = 0.7972973 0.1378378E-01 4 19.00 Valor final 1.0000000 7 0.50 15 .5202703E-01 3 0. a consumir diariamente X3 > = 0.00 0. X1 > = 0.0000000 5 77. 20 * X1 + 30 * X2 + 40 * X3 >= 50.0000000 6 0. 5 * X1 + 50 * X2 + 30 * X3 >= 60.3162162 Mediante Solver: Celdas cambiantes Nombre X1>=0 X2>=0 X3>=0 Valor Inicial 0. a consumir diariamente X2 > = 0. MIN = 2.5.0000000 -0. a consumir diariamente Mediante Lingo: MIN = 2.25 * X2 + 1.Cátedra: Investigación Operativa Año: 2002 Universidad Tecnológica Nacional Facultad Regional Mendoza X3= cantidad de manzanas a consumir Función objetivo: Costo mínimo de comida que reúna todos los requerimientos nutricionales.7702703 0.5000000 0.25 * X3.05405 0. 30 * X1 + 50 * X2 + 60 * X3 >= 30.0000000 -0.15 * X1 + 2.0000000 8 0.0000000 X3 0.2702703 0.25 * X2 + 1. Global optimal solution found at step: 7 Objective value: 5.147297 1.0000000 Row Slack or Surplus Dual Price 1 5.5 cantidad mínima de leche.05 1.297297 0.000000 2 0.5 cantidad mínima de manzanas.5.

5 X2 > = 0.13: Rich Oil Company.05 1.00 60. la compañía desearía asegurarse que se compren al menos tres de los camiones del tipo 3 (se requieren para su uso en las rutas de trayecto corto/baja demanda). cerca de Cleveland.00 0.00 0.00 73.35 1.92 116.00 50.50 0.25 * X3 Z= 5.00 0. la compañía no desea comprar mas de 10 vehículos para su flota.00 0.25 * X2 + 1.00 0. Finalmente. En la siguiente tabla se muestra la capacidad relevante.00 0.50 Z=2.09 0.50 0.Cátedra: Investigación Operativa Año: 2002 Universidad Tecnológica Nacional Facultad Regional Mendoza Restricciones Nombre 40 * X1 + 30 * X2 + 10 * X3 >= 80 5 * X1 + 50 * X2 + 30 * X3 >= 60 20 * X1 + 30 * X2 + 40 * X3 >= 50 30 * X1 + 50 * X2 + 60 * X3 >= 30 X1 > = 0. Asimismo. 16 .50 0. La compañía recientemente recibió un contrato para iniciar el suministro de $800 000 galones de gasolina por mes a distribuidores de Cincinnati.15 * X1 + 2. la compañía no desea que más de la mitad de la flota sea de camiones del tipo 1.5 Función objetivo Valor final lado derecho 80.00 60.00 0.00 50.50 Valor final Valor inicial Valor inicial lado izquierdo lado derecho lado izquierdo 80. suministra gasolina a sus distribuidores en camiones.5 X3 > = 0. La compañía tiene $500 000 disponibles para crear una flota consistente en tres tipos diferentes de camiones.35 EJERCICIO 2.00 30.50 0.00 80.50 0.00 0. costo de compra.00 30. costo operativo y número máximo de viajes por cada tipo de camión: TIPO DE CAMIÓN 1 2 3 CAPACIDAD (galones) 6000 3000 2000 COSTO DE COMPRA ($) 50 000 40 000 25 000 COSTO DE OPERACIÓN ($/mes) 800 650 500 MÁXIMO DE VIAJES/MES 20 25 30 Sobre la base del mantenimiento y la disponibilidad de conductores.00 60.

000000 4) 7.000000 5) 0.3000+ X3. Use el esquema de la sección 2.000000 3) 620000.25.000000 650. no saliéndose del presupuesto y satisfaciendo los requerimientos de las otras compañías.40000+X3. Variables de decisión: XI :Nº de camiones tipo I Restricciones de costo: Restricciones de demanda: X1+X2+X3 <= 10 X3 >=3 X1 .000 VARIABLE VALUE REDUCED COST X1 0.6000+X2.ITERATIONS=1 EJERCICIO 2.000000 0.000000 -500. La turbosina puede comprarse a tres vendedores posibles en cada aeropuerto.3 para clasificar su modelo. 30.000000 X3 3.000000 X2 0.Cátedra: Investigación Operativa Año: 2002 Universidad Tecnológica Nacional Facultad Regional Mendoza Como gerente de operaciones.000000 0.000000 0.000000 0.X3 <= 0 Inversión Inicial X1.50000+X2.2000 >= 800000 Función objetivo: Min [800 X1 + 650 X2+ 500 X3] Mediante Lindo: MIN 800 X1 + 650 X2 + 500 X3 ST 500000 X1 + 40000 X2 + 25000 X3 <= 500000 120000 X1 + 75000 X2 + 60000 X3 <= 800000 X1 + X2 + X3 <= 10 X3 >= 3 X1 X2 X3 <= 0 END Resolución: LP OPTIMUM FOUND AT STEP 1 OBJECTIVE FUNCTION VALUE 1) 1500.20.000000 800.X2 .25000 <= 500000 Restricciones de contrato X1.000000 6) 3.000000 NO.000000 0.14: World Airlines reabastece sus aeronaves regularmente en los cuatro aeropuertos en donde da servicio. formule un modelo para determinar la composición de la flota que minimice los costos operativos mensuales al tiempo que satisfagan las demandas. La tabla 17 .000000 ROW SLACK OR SURPLUS DUAL PRICES 2) 425000.

1000 ] Mediante Lindo: MIN 900 X1 + 900 X2 + 800 X3 +1000 X4 + 800 X5 + 1200 X6 + 1300 X7 + 1400 X8 + 900 X9 + 1300 X10 + 500 X11 + 1000 X12 ST X1 + X2 + X3 + X4 <= 300 18 . Use el esquema de la sección 2. 900 + X6. 500 + X4 . 800 + X9 . satisfaciendo al mismo tiempo por lo menos la demanda mensual a cada aeropuerto y no excediendo el suministro de cualquier vendedor. 1400 + X12 . 900 + X5 . 1300 + X3 . 1200 + X10 . Variables de decisión XIj : cantidad de gasolina del vendedor j al aeropuerto i Restricciones X1 + X5 + X9 >= 150 X2 + X6 + X10 >= 250 X3 + X7 + X11 >= 350 X4 + X9 + X12 >= 480 X1 + X2 + X3 + X4 <= 300 X5 + X6 + X7 + X8 <= 600 X9 + X10 + X11 + X12 <= 700 Función Objetivo : Z= Min [X1. (2) el número disponible de miles de galones que cada vendedor puede suministrar cada mes y (3) el requerimiento mensual de turbosina (en miles de galones) en cada aeropuerto. 1300 + X11.Cátedra: Investigación Operativa Año: 2002 Universidad Tecnológica Nacional Facultad Regional Mendoza indica (1) el costo de entrega (compra mas embarque) por mil galones de cada vendedor a cada aeropuerto.3 para clasificar su modelo. 1000 + X9 . COSTO DE ENTREGA CANTIDAD DE COMBUSTIBLE REQUERIDO 150 250 350 480 AEROPUERTO 1 2 3 4 Provisión máxima Vendedor 1 Vendedor 2 Vendedor 3 900 800 900 900 1200 1300 800 1300 500 1000 1400 1000 300 600 700 Formule un modelo para determinar las cantidades que se deben comprar y enviar por parte de cada vendedor a cada aeropuerto para minimizar el costo total. 900 + X2 . 800 + X7 .

0. 101.000000 6) 0.3.000000 0.000000 0.000000 1200.1. 101.000000 500.000000 X6 80.15: Mason Communication Commision ha recibido solicitudes de asignación de frecuencias de cuatro nuevas estaciones de radio. 100.000000 ROW SLACK OR SURPLUS DUAL PRICES 2) 0.000000 7) 0.000000 400.000000 200.000000 400.0 VARIABLE VALUE REDUCED COST X1 0.7. Las siguientes frecuencias (en meagahertz) están actualmente disponibles: 100.000000 -1300.000000 X12 0.000000 X4 130.000000 0. Formule un modelo para determinar si la comisión puede 19 . 101.000000 8) 0.000000 0.000000 0.000000 X5 0.000000 1400.000000 100.000000 X11 350. 100. 100.000000 0.000000 X7 0.4.000000 X2 170.8.000000 0.000000 3) 520.000000 800.000000 -1200.000000 X10 0.000000 -900.000000 X8 0.000000 300.ITERATIONS=5 EJERCICIO 2.000000 X3 0.000000 5) 200.0. Dos frecuencias de radio interfieren si están a 0.000000 X9 350. 101.000000 NO.5 megahertz de distancia.Cátedra: Investigación Operativa Año: 2002 Universidad Tecnológica Nacional Facultad Regional Mendoza X5 + X6 + X7 + X8 <= 600 X9 + X10 + X11 + X12 <= 700 X1 + X5 + X9 >= 150 X2 + X6 + X10 >= 250 X3 + X7 + X11 >= 350 X4 + X9 + X12 >= 480 END Resolución: LP OPTIMUM FOUND AT STEP 5 OBJECTIVE FUNCTION VALUE 1) 869000.1.000000 4) 0.

000000 1. (Sugerencia: es usted libre para asignar o no cada frecuencia.0 X1 100.) Variables de decisión: 100.Cátedra: Investigación Operativa Año: 2002 Universidad Tecnológica Nacional Facultad Regional Mendoza asignar cuatro nuevas frecuencias y. si es asi.3 X3 100.7 X4 101. así que considere las variables 0-1.1 son enteras X1 + X2 + X3 <= 1 X3 + X4 <= 1 X4 + X5 + X6 <= 1 X5 + X6 <= 1 X5 + X6 +X7 <= 1 X6 + X7 <= 1 X7 + X8 <= 1 Función objetivo: Z= MAX X1 + X2 + X3 + X4 + X5 + X6 + X7 + X8 Mediante Lindo: MIN X1 + X2 + X3 + X4 + X5 + X6 + X7 + X8 ST X1 + X2 + X3 <= 1 X3 + X4 <= 1 X4 + X5 + X6 <= 1 X5 + X6 <= 1 X5 + X6 + X7 <= 1 X6 + X7 <= 1 X7 + X8 <= 1 END Resolución: LP OPTIMUM FOUND AT STEP 0 OBJECTIVE FUNCTION VALUE 1) 0. cuáles.000000 20 . Use el esquema de la sección 2.0000000E+00 VARIABLE VALUE REDUCED COST X1 0.1 X6 101.4 X7 101.000000 1.000000 X2 0.3 para clasificar su modelo.0 X5 101.1 X2 100.8 X8 Restricciones: Xj = 0.

000000 1.000000 0.) Variables de decisión: Xi : ubicación i ocupada / no ocupada ( 0 o 1) Restricciones: X1 + X2 <= 1 X1 + X3 <= 1 X1 + X4 <= 1 X2 + X3 <= 1 21 . Cada ubicación puede dar servicio a un número de zonas.2.4.5. Se han identificado cinco ubicaciones posibles para las subestaciones.000000 0.000000 0.000000 0.000000 1.000000 1.16: La cuidad de Dakota Heigts desea determinar cuántas subestaciones postales se requieren para dar servicio a su población.000000 0.000000 1.000000 1.000000 1.000000 1. La ciudad ha sido dividida en ocho zonas postales.Cátedra: Investigación Operativa Año: 2002 Universidad Tecnológica Nacional Facultad Regional Mendoza X3 X4 X5 X6 X7 X8 ROW 2) 3) 4) 5) 6) 7) 8) 0.000000 1.3 para clasificar su modelo.000000 0.000000 SLACK OR SURPLUS DUAL PRICES 1.000000 0.000000 1.000000 1.000000 0 NO. (Sugerencia: defina una variable apropiada para cada ubicación.000000 1.000000 0.5 2. Use el esquema de la sección 2.000000 0.8 6.000000 0.4.3 1.7.8 Formule un modelo para determinar el menor número de subestaciones ( y sus ubicaciones) necesarias para dar servicio a las ocho zonas postales.000000 0.000000 1. como se indica en la siguiente tabla: UBICACIÓN 1 2 3 4 5 ZONAS QUE SE PUEDEN ATENDER 1.8 3.000000 0.6.5. ITERATIONS= EJERCICIO 2.

000000 X10 0.000000 X14 0.000000 X2 0.000000 1.000000 1.000000 1.000000 22 .000000 X16 0.000000 1.000000 1.000000 1.000000 1.000000 X3 0.000000 1.Cátedra: Investigación Operativa Año: 2002 Universidad Tecnológica Nacional Facultad Regional Mendoza X2 + X3 + X4 <= 1 X4 + X5 <= 1 X3 + X5 <= 1 Función objetivo: Z= MIN X1 + X2 + X3 + X4 + X5 + X6 + X7 + X8 + X9 + X10 + X11 + X12 + X13 + X14 + X15 + X16 + X17 Mediante Lindo: MIN X1 + X2 + X3 + X4 + X5 + X6 + X7 + X8 + X9 + X10 + X11 + X12 + X13 + X14 + X15 + X16 + X17 ST X1 + X2 <= 1 X1 + X3 <= 1 X1 + X4 <= 1 X2 + X3 <= 1 X2 + X3 + X4 <= 1 X4 + X5 <= 1 X4 + X5 <= 1 X3 + X5 <= 1 END Resolución: LP OPTIMUM FOUND AT STEP 0 OBJECTIVE FUNCTION VALUE 1) 0.000000 X15 0.0000000E+00 VARIABLE VALUE REDUCED COST X1 0.000000 X4 0.000000 1.000000 X12 0.000000 X9 0.000000 X8 0.000000 X6 0.000000 X11 0.000000 1.000000 X7 0.000000 1.000000 X5 0.000000 1.000000 X13 0.000000 1.000000 1.000000 1.000000 1.

000000 1. El producto de esta corrida es 7 unidades de A y 5 unidades de B. dando como resultado distintos requerimientos de materia prima por corrida de producción en cada división y el numero de cada componente producido por esa corrida.000000 NO.000000 0. XD: Número de corridas de la división de 2.000000 8) 1. Cada una de las tres divisiones usa un método diferente para fabricar los componentes.Cátedra: Investigación Operativa Año: 2002 Universidad Tecnológica Nacional Facultad Regional Mendoza X17 0. 0 DIVISION 1 2 3 ENTRADA MATERIA PRIMA 1 8 5 3 SALIDA COMPONENTE 2 6 9 8 A 7 6 8 B 5 9 4 Por ejemplo cada corrida de producción de la división 1 requiere 8 unidades de la materia prima 1 y 6 unidades de la materia prima 2.000000 0. A: Número del componente A.000000 4) 1.000000 0.000000 0.000000 7) 1. Existen 100 unidades de la materia prima 1 y 200 unidades de la materia prima 2 disponibles c/1 .000000 0. formule un modelo de producción para determinar el numero de corridas de producción para cada división que maximice el numero total de unidades terminadas del producto final. 23 . Los dos componentes (A y B) se fabrican a partir de 2 materias primas diferentes.17: Tres divisiones de Twinsburg Company fabrican un producto en el que cada unidad completa consiste en 4 unidades de componente A y 3 unidades del componente B. ITERATIONS= EJERCICIO 2.000000 5) 1. XT: Número de corridas de la división de 3.000000 0.000000 9) 1. Variables de decisión: XU: Número de corridas de la división de 1.000000 6) 1.000000 0. B: Número del componente B. Como gerente de producción.000000 3) 1.000000 0.000000 ROW SLACK OR SURPLUS DUAL PRICES 2) 1.

000000 5) 0.000000 3) 0.Cátedra: Investigación Operativa Año: 2002 Universidad Tecnológica Nacional Facultad Regional Mendoza C: Número del componente C.000000 74.666667 4) 0.333334 XT 33.000000 -3.000000 B 133. La siguiente tabla proporciona las emisiones diarias actuales en kg/1000 litros y el máximo de cada contaminante permitido en kg.B = 0 END Resolución: LP OPTIMUM FOUND AT STEP 2 OBJECTIVE FUNCTION VALUE 1) 1466.000000 XU 0.000000 14. El gobierno estatal le ha ordenado a la compañía que instale y emplee dispositivos anticontaminantes. CS-01 y CS-02.333332 0.000000 22.666656 0.333328 0. generan cantidades excesivas de tres contaminantes diferentes A.333336 XD 0.000000 -4.666664 0. CONTAMINANTE A CS-01 25 CS-02 40 MAXIMO PERMITIDO 43 24 . 8 XU + 5 XD 6 XU + 9 XD 7XU + 6 XD XT – A = 0 5 XU + 9 XD XT – B =0 + 3 XT <= 100 + 8 XT <= 200 + 8 XT = A 7 XU + 6 XD + 8 + 4 XT = B 5 XU + 9 XD + 4 Restricciones Mediante Lindo: MAX 4 A + 3 B SUBJECT TO 6 XU + 9 XD + 8 XT >= 200 8 XU + 5 XD + 3 XT <= 100 7 XU + 6 XD + 8 XT .667 VARIABLE VALUE REDUCED COST A 266.A = 0 5 XU + 9 XD + 4 XT . C. ITERATIONS= 2 EJERCICIO 2.000000 ROW SLACK OR SURPLUS DUAL PRICES 2) 66.000000 NO.18: Los dos productos que produce case chemicals. B.

La siguiente tabla muestra el porcentaje de cada contaminante proveniente de cada producto que es eliminado por cada dispositivo. Variables de decisión: CSUU: cantidad de producto CS-01 enviados CSUD: cantidad de producto CS-01 enviados CSDU: cantidad de producto CS-02 enviados CSDD: cantidad de producto CS-02 enviados Mediante Lindo: MAX CSUU + CSUD + CSDU + CSDD SUBJECT TO 15 CSUU + 17.Cátedra: Investigación Operativa Año: 2002 Universidad Tecnológica Nacional Facultad Regional Mendoza B C 10 80 15 60 20 50 El gerente del departamento de producción aprobó la instalación de dos dispositivos anticontaminantes. Formule un modelo para determinar un plan que maximice la producción diaria total (cantidad de CS-01 + CS02) al mismo tiempo que satisfaga los requerimientos gubernamentales.4 CSUU + 28 CSUD <= 50 27 CSDU + 12 CSDD <= 50 END Resolución: 25 por el dispositivo 1. si la emisión de CS-01 se envía a través del dispositivo 1. (las emisiones se envían a través de un dispositivo solamente una vez. Las consideraciones de fabricación dictan que CS-01 y CS-02 deben producirse en la proporción de dos a uno. . DISPOSOTIVO DISPOSOTIVO DISPOSOTIVO DISPOSOTIVO 1 1 2 2 CONTAMINA CS-01 CS-02 CS-01 CS-02 NTE A 40 40 30 20 B 60 60 0 0 C 55 55 65 80 Por ejemplo. la salida de un dispositivo no puede ser la entrada del otro o de si mismo). es decir. por el dispositivo 1.5 CSUD <= 43 24 CSDU + 32 CSDD <= 43 4 CSUU + 10 CSUD <= 20 6 CSDU + 15 CSDD <= 20 34. se elimina 40% del contaminante A. Las emisiones de cada producto pueden ser manejadas por cualquiera de los dos dispositivos en cualquier proporción. por el dispositivo 2. por el dispositivo 2. 60% del contaminante B y 55% del contaminante C.

50 6000 11.041667 4) 2.0002 Q + 6 P + P 0.750000 0. formule un modelo para determinar la cantidad de pintura a producir para maximizar la ganancia (ingreso menos costo).5 S + S 0.142857 0.228571 CSUD 1.0001 S + 4.0002 0.000000 0.577381 VARIABLE VALUE REDUCED COST CSUU 0.000000 0. Como supervisor de producción.785714 0.000000 0. ITERATIONS= 3 EJERCICIO 2.0003 P ST S + Q + P <= 25000 S >= 10000 26 . 10000 gal de Quality y 500 gal de Premium al día. Debido a la economía de escala.791667 0. Por ejemplo si se producen X gal de pintura Standard.000000 3) 0.0001 0.000000 6) 0.250000 0.00 2500 La compañía puede producir un total combinado de hasta 25000 gal de pintura al día. VALORES DE DE a 3 4 5 VALORES DE b 0.19: Philadelphia Paint Company produce 3 tipos de pinturas: Standard. Quality y Premium.000000 0.333333 ROW SLACK OR SURPLUS DUAL PRICES 2) 11. Las instalaciones actuales pueden producir un máximo de 18000 gal de Standard. Variables de decisión: S: cantidad de galones de pintura Standad Q: cantidad de galones de pintura Quality P: cantidad de galones de pintura Premiun Mediante Lindo: MAX 3.000000 NO. entonces el costo por gal es a-b*x.000000 5) 9.000000 CSDD 0. y la demanda diaria mínima por cada tipo de pintura.5 Q + Q 0. el precio de venta por gal.0003 TIPO PINTURA Standard Quality Premiun Precio de venta Demanda ($/gal) minima (gal) 6.035714 7) 1. La siguiente tabla proporciona los valores de a y b. el costo de producir cada tipo de pintura disminuye al aumentar el número de gal producidos.Cátedra: Investigación Operativa Año: 2002 Universidad Tecnológica Nacional Facultad Regional Mendoza LP OPTIMUM FOUND AT STEP 3 OBJECTIVE FUNCTION VALUE 1) 3.625000 0.000000 CSDU 1.50 10000 8.

000000 0.000000 0.500107 3) 6500.000000 ROW SLACK OR SURPLUS DUAL PRICES 2) 0.000000 -152.2.499802 6) 1500.000000 0.000000 158.Cátedra: Investigación Operativa Año: 2002 Universidad Tecnológica Nacional Facultad Regional Mendoza Q >= 6000 P >= 2500 S <= 18000 Q <= 10000 P <= 5000 END Resolución: LP OPTIMUM FOUND AT STEP 2 OBJECTIVE FUNCTION VALUE 1) 2665754.000000 P 2500.000000 NO. Proyectos Bio-Tech Tele-comm Laser-Optics Compu-Ware Fondo de inversión Año 1 60 35 10 15 90 Año 2 10 35 50 10 80 Año 3 10 35 50 10 50 Año 4 10 35 10 40 50 Rendimiento Total 250 375 275 140 Variables de decisión: B = 1 si High Tech debe invertir en Bio-Tech B = 0 si High Tech no debe invertir en Bio-Tech T = 1 si High Tech debe invertir en Tele-comm T = 0 si High Tech no debe invertir en Tele-comm L = 1 si High Tech debe invertir en Laser-Optics L = 0 si High Tech no debe invertir en Laser-Optics 27 .3 usando como variable de decisión 1 sí High Tech no debe invertir y 0 si High Tech debe invertir.000000 0.000000 0.000000 4) 0.20: Formule el problema de agenda de High Tech en el ejercicio 2. VARIABLE VALUE REDUCED COST S 16500.999908 5) 0.000000 -151.000000 7) 4000. ITERATIONS= 2 EJERCICIO 2.000000 0.4 sección 2.000000 Q 6000.000000 8) 2500.000000 0.

El costo del acero para hacer el costado del contenedor es de 3 $/pie cuadrado. Formule un modelo para minimizar el costo de acero requerido.000000 4) 20. ITERATIONS= 4 BRANCHES= 0 DETERM.000000 0. Variables de decisión: 28 . OBJECTIVE FUNCTION VALUE 1) 525.82 $/pie cuadrado.000000 C 0.000000 -375. El costo de la base y la tapa es de 3. El volumen total de conteiner debe ser al menos de 10 pies cúbicos.000000 -275..000000 5) 30.0000 VARIABLE VALUE REDUCED COST B 1.000000 -250.000000 0.000000 -140.000000 ROW SLACK OR SURPLUS DUAL PRICES 2) 20.000000 NEW INTEGER SOLUTION OF 525.21: Containers Inc.000000 L 1. ha recibido un pedido para hacer tambores de acero cilíndricos con la base y la tapa circulares.000000 0.Cátedra: Investigación Operativa Año: 2002 Universidad Tecnológica Nacional Facultad Regional Mendoza C = 1 si High Tech debe invertir en Compu-Ware C = 0 si High Tech no debe invertir en Compu-Ware Mediante Lindo: MAX 250 B + 375 T + 275 L + 140 C SUBJECT TO 2) 60 B + 35 T + 10 L + 15 C <= 3) 10 B + 35 T + 50 L + 10 C <= 4) 10 B + 35 T + 50 L + 10 C <= 5) 10 B + 35 T + 10 L + 40 C <= 6) T + L <= 1 END Resolución: INTE 4 LP OPTIMUM FOUND AT STEP 4 OBJECTIVE VALUE = 637.000000 3) 20.000000 T 0.000E 0 90 80 80 50 0 PIVOT 4 EJERCICIO 2..000000 6) 0.000000 NO.= 1.000000 0.000000 0.000000 AT BRANCH RE-INSTALLING BEST SOLUTION.

PG: precio de venta de un guante.77919 VARIABLE VALUE REDUCED COST R 2.84 H + R 24 R Mediante Lindo: MIN R 18.1415 R 1 H > 10 Funcion Objetivo: MIN R 18.000000 -6.562081 ROW SLACK OR SURPLUS DUAL PRICES 2) 0. PB: precio de venta de un balón.Identifique los datos adicionales. ITERATIONS= 1 EJERCICIO 2. TC: cantidad de hs para producir una correa. CG: cantidad de m2 de cuero para producir un guante.1415 R 1 H > 10 END Resolución: LP OPTIMUM FOUND AT STEP 1 OBJECTIVE FUNCTION VALUE 1) 62.000000 12.Identifique las variables. Se desea determinar un plan de producción de la semana que maximice las ganancias netas. TG: cantidad de hs para producir un guante. TB: cantidad de hs para producir un balón.414584 0.277919 NO. CB: cantidad de m2 de cuero para producir un balón. CC: cantidad de m2 de cuero para producir una correa. a. 29 . C: cantidad de correas a producir.000000 H 0. balones y correas de piel de cuero que es procesado en una maquina.84 H + R 24 R ST R 3. b.Cátedra: Investigación Operativa Año: 2002 Universidad Tecnológica Nacional Facultad Regional Mendoza R: radio del cilindro en [pie] H: altura del cilindro en [pie] Restricciones R 3. G: cantidad de guantes a producir. Para la próxima semana se tienen en existencia 1000 metros cuadrados de cuero y 40 hs de maquina. B: cantidad de balones a producir.24: Lether Company produce guantes de béisbol.

b.Formule el modelo.000000 N 0. Identifique y asigne un nombre a cada valor de datos adicional que tendrá obtener para poder formular un modelo matemático. pero el producto final debe contener al menos 4 gramos de proteína.000000 1.000000 30 . a. Restricciones G CG + B CB + C CC <= 1000 G TG + B TB + C TC <= 40 Función Objetivo MAX (PG .000000 1. c.000000 D1 0.Cátedra: Investigación Operativa Año: 2002 Universidad Tecnológica Nacional Facultad Regional Mendoza PC: precio de venta de una correa. CoG: precio de costo de producción de un guante.COG)*G + (PB . CoC: precio de costo de producción de una correa.000000 1. CoB: precio de costo de producción de un balón.25: Los nutriólogos de HealthNut Company están diseñando un nuevo bocadillo hecho de palomitas de maíz inflado y mantequilla de cacahuete natural. Formule un modelo matemático usando los nombres de variables de (a) y los nombres simbólicos para los datos de (b). c. El objetivo es minimizar el costo total de estos ingredientes.0000000E+00 VARIABLE VALUE REDUCED COST A 0.CoB)*B + (PC .CoC)*C EJERCICIO 2. no mas de 10 gramos de carbohidratos y 2 gramos de grasa saturada. Identifique las variables. Mediante Lindo: MIN A 1 D1 + N 1 D2 SUBJECT TO P1 1 A + P2 1 N >= 4 C1 1 A + C2 1 N <= 10 F1 1 A + F2 1 N <= 2 END Resolución: LP OPTIMUM FOUND AT STEP 0 OBJECTIVE FUNCTION VALUE 1) 0.

Estos datos se resumen en la siguiente tabla: Proyecto 1 2 3 4 5 6 Capital requerido $ 100000 400000 170000 250000 200000 250000 Tasa de devolución (%) 10 5 20 15 7 30 Riesgo 0.. P2. 6 0.000000 0.50 P1 + 0.000000 4) 2. P3.000000 0..000000 P1 4.000000 0.000000 3) 10.70 P3 + 0.000000 0. . si se emprende el proyecto i Pi = i = 1.70 0.80 P6 >= 3 P1. P5. ITERATIONS= 0 EJERCICIO 2. la tasa esperada de devolución y también un factor de riesgo usando un algoritmo patentado.65 0.45 0. Cada proyecto ha sido evaluado para determinar la cantidad de capital que debe invertirse.000000 1. no debe exceder de 3.6.26: El departamento de Investigación ha identificado seis proyectos en los que Hight Tech puede elegir invertir o no.65 P4 + 0. si no se emprende el proyecto i un socio general ha formulado el siguiente modelo para determinar que proyecto respaldar para maximizar el rendimiento esperado en un año sobre la cantidad invertida y mantenerse en un presupuesto de $1 millón: Maximizar 10 P1 + 20 P2 + 34 P3 + 37.45 P5 + 0.40 P2 + 0. obtenido añadiendo los factores de riesgo para cada proyecto respaldado. P4.000000 NO.000000 0.000000 C2 0.Cátedra: Investigación Operativa Año: 2002 Universidad Tecnológica Nacional Facultad Regional Mendoza D2 0..000000 ROW SLACK OR SURPLUS DUAL PRICES 2) 0.000000 0. y que no deben emprenderse mas de dos proyectos con un factor de riesgo mayor de 0.000000 F1 0. P6 >= 0 31 .000000 0..000000 0.000000 0.50 0.5 P4 + 14 P5 + 75 P6 Condicionado por 100 P1 + 40 P2 + 170 P3 + 250 P4 + 200 P5 + 250 P6 <= 100 0.000000 F2 0.80 Los socios generales han acordado que el riesgo total.000000 C1 0. Usando las variables: 1..40 0.000000 P2 0.

666667 0.8 P6 <= 3 P1 <= 1 P2 <= 1 P3 <= 1 P4 <= 1 P5 <= 1 P6 <= 1 P1 >= 0 P2 >= 0 P3 >= 0 P4 >= 0 P5 >= 0 P6 >= 0 P3 + P4 = 1 P3 + P6 = 1 P4 + P4 + P6 <= 2 END Resolución: LP OPTIMUM FOUND AT STEP 5 OBJECTIVE FUNCTION VALUE 1) 125.000000 8) 0.000000 0.4P2 + 0.8333 VARIABLE VALUE REDUCED COST P1 1.000000 6) 0.333333 0. identifique y corrija todos los errores.000000 4) 0.000000 11) 0.000000 0.000000 P5 1.000000 7) 0.333333 0.666667 0.000000 10) 1.540000 0.000000 ROW SLACK OR SURPLUS DUAL PRICES 2) 0.Cátedra: Investigación Operativa Año: 2002 Universidad Tecnológica Nacional Facultad Regional Mendoza ¿ Es correcto este modelo? Si no es así. Mediante Lindo: MAX 10 P1 + 20 P2 + 34 P3 + 37.000000 5.5 P4 + 14 P5 + 75 P6 SUBJECT TO 100 P1 + 400 P2 + 170 P3 + 250 P4 + 200 P5 + 250 P6 <= 1000 0.000000 5) 0.000000 P6 0.000000 0.050000 3) 0.000000 P2 0.000000 4.000000 32 .000000 P3 0.5 P1 + 0.000000 9) 0.7 P3 + 0.775000 0.000000 0.225000 0.333333 0.000000 P4 0.775000 0.65 P4 + 0.666667 0.45 P5 + 0.

Estos tornillos pueden producirse en 2 maquinas distintas. Tabla: Tornillos pequeños Tornillos grandes Precio de venta($/1000) 27. L1 = el numero de miles de tornillos grandes por producir en la maquina 1 durante las sig.666667 14) 1. 4 semanas.25 7.25 Tiempo en la maquina 1 (min/lb) 1.000000 17) 0.000000 0.27: 0.000000 15) 0.Cátedra: Investigación Operativa Año: 2002 Universidad Tecnológica Nacional Facultad Regional Mendoza 12) 0. L2 >= 0 S2 ¿Es correcto este modelo? Si no es así.50 S2 + 32.50 L2 S1 + 1.50 L1 + 32.50 Costo en la maquina 1 ($/1000) 6.333333 13) 0.0 S2 + 1.000000 18) 0. identifique y corrija todos los errores. El gerente de producción ha formulado el sig. 4 semanas. modelo para maximizar la ganancia y satisfacer la demanda con la disponibilidad limitada de tiempo de maquina en las sig. L1. ITERATIONS= EJERCICIO 2. L2 = el numero de miles de tornillos grandes por producir en la maquina 2 durante las sig.75 Tiempo en la maquina 2 (min/lb) 1.000000 -16.75 L1 <= 40 1.000000 0.833332 20.000000 NO.5 S1 S1 .50 1. 4 semanas. 4 semanas: Maximizar Condicionado por: 27.00 1.75 Costo en la maquina 2 ($/1000) 8. 4 semanas. Los requerimientos de costo y tiempo para producir cada tamaño de tornillo en cada maquina y el precio de venta de cada tamaño de tornillo se muestran en la sig.666666 5 Chirality Company debe producir al menos 600000 tornillos pequeños y 400000 tornillos grandes para satisfacer de la demanda de las sig.25 En cada libra hay aproximadamente 60 tornillos pequeños y 40 tornillos grandes.00 9. S2 = el numero de miles de tornillos pequeños por producir en la maquina 2 durante las sig.50 S1 + 27. Usando las variables: S1 = el numero de miles de tornillos pequeños por producir en la maquina 1 durante las sig.666667 16) 0.000000 0.333334 41. Mediante Lindo: 33 . >= 600000 L1 + L2 >= 400000 + 1.50 32.25 L2 <= 40 S2. 4 semanas. cada una de las cuales esta disponible 40 horas a la semana.

000000 0. ITERATIONS= 4 34 .000000 0.000000 ROW SLACK OR SURPLUS DUAL PRICES 2) 0.5208 L2 >= 160 END Resolución: SLK 4 S1 OBJECTIVE FUNCTION VALUE 1) 0.50 S2 + 24.000000 414.000000 3) 0.000000 NO.000000 0.41667 S1 + 729 L1 >= 160 0.000000 L2 307.780334 0.9999990E+08 VARIABLE VALUE REDUCED COST S1 600.097290 L1 92.000000 -1.867188 -0.000000 4) 67726.25 L2 SUBJECT TO S1 + S2 >= 600 L1 + L2 >= 400 0.219666 0.000000 S2 0.416670 5) 0.25 S1 + 19.Cátedra: Investigación Operativa Año: 2002 Universidad Tecnológica Nacional Facultad Regional Mendoza MAX 21.75 L1 + 23.2777 S2 +0.

Sign up to vote on this title
UsefulNot useful