You are on page 1of 30

Universidad de Santiago de Chile Departamento de Ingeniería en Minas Ayudantía de Optimización

GUIA N°1 DE EJERCICIOS OPTIMIZACIÓN

Preparado por Felipe Quezada Castañeda

Universidad de Santiago de Chile Departamento de Ingeniería en Minas Ayudantía de Optimización

EJERCICIOS PEP 1
PROBLEMA #1 Una fábrica de jugos de 1 litro (1000 cc) desea lanzar al mercado una nueva variedad de jugo. Para ello, disponen de 4 ingredientes base. La nueva variedad apuntará a conservar un balance alimenticio, debiendo contener al menos un 15% de vitamina C, y a lo más un 30% de potasio. Existe además una relación entre los betacarotenos y la vitamina A que impone lo siguiente: la cantidad de vitamina A debe ser, cuando menos, un tercio de los betacarotenos. Además, la vitamina A no puede superar el 35% del contenido del jugo. El costo por adquirir los ingredientes, los límites de los pedidos por día, y los aportes porcentuales de cada componente a los ingredientes por unidad se resumen en la siguiente tabla:
Potasi o 20% 5% 35% 15% Vitamina C 15% 40% 20% 25% Vitamina A 30% 10% 25% 35% Betacarotenos 35% 45% 20% 25% Costo [$/u] 25 13 10 20 Límite [u] 6 9 8 5

Ingrediente 1 Ingrediente 2 Ingrediente 3 Ingrediente 4

FORMULAR (NO RESOLVER) un modelo de programación lineal que permita minimizar los costos, cumpliendo con todos los requerimientos. Considere, para tal caso, que cada unidad son 100 cc. Defina claramente variables, función objetivo y restricciones. SOLUCIÓN: Primero formulamos las variables del modelo. Sea la cantidad de unidades del ingrediente para la nueva variedad ( ). Como se desea minimizar los costos, la función objetivo estará dada por: ( ) Ahora veamos las restricciones. En la nueva variedad, la combinación de los 4 ingredientes debe conformar una unidad de jugo, por lo cual la primera restricción se define de la siguiente manera: ( ) ( )

En el caso de la mezcla separamos por ingrediente. Para la vitamina C, la suma de las cantidades de los ingredientes conforma, por lo menos, un 15% del juego (que son 150 cc). Por lo tanto:

Para el potasio, la suma de las cantidades de cada ingrediente no puede superar el 30% del total del juego (que son 300 cc). Luego:

Para la vitamina A, esta suma debe ser al menos 1/3 de los betacarotenos. Por lo tanto: 1

Universidad de Santiago de Chile Departamento de Ingeniería en Minas Ayudantía de Optimización

( De manera simplificada:

)

Además, la contribución de la vitamina A no debe superar el 35% del jugo (350 cc). Por ende:

Por último, para los límites diarios, tenemos:

Naturalmente.

. El modelo es entonces el siguiente: ( ) ( )

PROBLEMA #2 Formule y resuelva adecuadamente el siguiente problema de programación lineal. La primera iteración debe ser realizada mediante el algoritmo símplex. La segunda y siguientes efectuarlas empleando el método símplex revisado o matricial:

( )

2

Reescribiendo el PPL en forma estándar. podemos calcular inmediatamente la matriz : ( ) ( ) 3 . se tiene: ( ) El problema debe resolverse en dos fases.B -4 11 1 1 -1 Entra .B -4 3 1 5 0 3 Entra V. a fin de tener sólo variables no negativas. sale 1 2 0 -1 0 -1 -7 2 4 -1 0 3 -3 4 2 -1 0 1 0 0 -1 0 0 1 1 0 0 0 1 0 0 1 0 0 0 0 0 0 1 0 1 0 50 150 10 0 0 -60 ( ) 50 75 --- . De la tabla anterior reconocemos la matriz inversa de esta primera iteración: ( ) Como ya definimos el pívot y las variables de entrada y salida a partir de la tabla anterior. Primera iteración: ( ) 50/7 25/8 5/2 Las siguientes iteraciones deben hacerse mediante el algoritmo símplex revisado. 1 0 0 0 0 -7 16 4 -8 -4 -3 10 2 -4 -2 0 0 -1 0 1 1 -2 0 1 1 0 1 0 0 0 0 0 1 0 0 50 50 10 50 -10 . La tabla de inicio para este problema es la siguiente. La fase 1 minimizará la función objetivo ( ) . así como el elemento pívot para la respectiva iteración: V. Procedemos en la primera iteración mediante el algoritmo símplex. Observe que se han marcado en la tabla la inversa respectiva. sale .Universidad de Santiago de Chile Departamento de Ingeniería en Minas Ayudantía de Optimización SOLUCIÓN: Primero hacemos el cambio de variable .

B. hemos llegado al óptimo para la fase 1. por lo que existe un espacio de soluciones factible para el PPL original en la fase 2. Verificando el orden de las variables básicas: V. Ahora debemos calcular los valores duales para la función objetivo z en la fase 2 (iteración 2). ( ) ( ) Calculamos los valores duales para esta iteración: ( ) ( ) ( ) ( ) Calculamos los coeficientes (o costos) reducidos para esta iteración: ( Luego: ( Por lo tanto: ( ) ( ) ) ( ) ( ) ( ) ) Como todos los coeficientes reducidos de la función objetivo w son nulos. y por tanto nulas. ( ) ( ) 4 . se tiene que ( ) .B.Universidad de Santiago de Chile Departamento de Ingeniería en Minas Ayudantía de Optimización Calculamos para dar inicio a la segunda iteración: ( ( ) ) ( ) Construimos una pequeña tabla para verificar el orden de las variables básicas: V. Como y son no básicas.

135/2 10 5/2 ( ) -7/4 (135/2):(-7/4) = -270/7 → Ignorar 4 10/4 = 5/2 → Mínimo -1/4 (5/2):(-1/4) = -10 → Ignorar . El pívot corresponde a 4. porque tiene el coeficiente más negativo en la fila objetivo.Universidad de Santiago de Chile Departamento de Ingeniería en Minas Ayudantía de Optimización Por lo tanto: ( ) ( ) ( Calculamos los costos reducidos: ( Luego: ( ) ( ) ( ) ( ) ) ) ( ) Por lo tanto: ( ) ( ) Como el coeficiente reducido de en la función objetivo es negativo.B. La variable de salida es entonces Calculamos la matriz inversa : Donde: 5 . Calculamos entonces las columnas y ( ) para determinar la variable de salida y el elemento pívot: ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) Por lo tanto: V. Se tiene que es la variable de entrada para la tercera iteración. aún no estamos en el óptimo.

( ) ( ) Calculamos los valores duales: ( ) ( ) ( ) ( ) Calculamos los costos reducidos: ( Luego: ( ) ( ) ( ) ( ) ) Por lo tanto: ( ) ( ) 6 .Universidad de Santiago de Chile Departamento de Ingeniería en Minas Ayudantía de Optimización ( ) ( Entonces: ( ) ) ( ) ( ) ( ) ( ) Verificamos el orden de las variables básicas: V.B.

PROBLEMA #4 Una fábrica de ropa produce tres líneas de trajes: jeans. porque no se ha consumido del todo. b) Las variables no básicas están conformadas por el resto de variables que no se encuentran en la base: son no básicas. El resto de las variables son ( ) nulas. c) La solución óptima es . d) En ambas restricciones hay variables de holgura asociadas.B. PROBLEMA #3 Considere el problema de programación lineal cuyo tableau final (óptimo) es el siguiente. franela y amasado. El recurso asociado a la segunda restricción se considera escaso. Su valor es ( ) . 41 máquinas de coser como máximo y debe ocupar a 10 empacadores (no más no menos). con ( ) lo cual . Reemplazando estos valores en la función objetivo se obtiene . la solución óptima es y . La ropa es vendida en lotes de 100 trajes de cada tipo.Universidad de Santiago de Chile Departamento de Ingeniería en Minas Ayudantía de Optimización Como ahora todos los coeficientes reducidos son no negativos. es mayor que cero. La planta dispone de 16 cortadores como máximo. . Calculamos entonces para encontrar la solución óptima de este problema: ( ) ( ) ( ) Por lo tanto. Asuma que Si es la variable de holgura para la restricción i. cosido y empaque. X1 S1 -Z a) b) c) d) X1 1 0 0 X2 -5 2 3 X3 4 1 1 X4 13 6 8 S1 5 10 4 S2 0 1 0 b 7 3 76 ¿Cuáles son las variables básicas? ¿Cuáles son las variables no básicas? ¿Cuál es la solución óptima? ¿Qué puede decir acerca de las restricciones 1 y 2? ¿Cuáles son las unidades adicionales? SOLUCIÓN: Tenemos: a) Las variables básicas son y . V. ya que la variable de holgura asociada. porque su holgura es nula. hemos llegado al óptimo. El recurso asociado a la primera restricción se considera abundante. Los 7 . Cada lote pasa a través de tres procesos: corte.

En este caso particular. Sea la cantidad de lotes de ropa a fabricar del tipo . máquinas de coser y personal encargado de empacar. De la tabla. RESUELVA el modelo que planteó utilizando el método que más le acomode. A continuación. se presenta a continuación: Requerimientos de Producción y Utilidad Cortadores [Personas/Lote] Máquinas de Coser [Máquinas/Lote] Empacadores [Personas/Lote] Utilidad [$/Lote] Jeans Franelas Amasados 4 2 1 1 2 1 1 1 1 400 200 300 FORMULE un modelo de programación lineal que permite maximizar las utilidades de la fábrica. se tiene lo siguiente: Cortadores: Máquinas de coser: Personal de empaque: El modelo completo es entonces: ( ) El modelo puede resolverse utilizando cualquier método. SOLUCIÓN: El objetivo de la fábrica es determinar las cantidades de cada lote de ropa a fabricar. De la tercera restricción. Reemplazando en el PPL. obtenemos: 8 . despejamos. Defina claramente variables. de tal forma que éstos maximicen las utilidades. podemos hacer un arreglo algebraico sencillo que permita solucionarlo mediante el método gráfico.Universidad de Santiago de Chile Departamento de Ingeniería en Minas Ayudantía de Optimización requerimientos para producir un lote de 100 trajes de cada tipo y las utilidades asociadas. Así. podemos obtener inmediatamente la función objetivo: ( ) Las restricciones del problema están asociadas al límite de recursos impuesto por la fábrica en función de la cantidad de cortadores. con lo cual resulta ( ). función objetivo y restricciones.

Reemplazando lo anterior en el modelo original.Universidad de Santiago de Chile Departamento de Ingeniería en Minas Ayudantía de Optimización ( ) El espacio de soluciones factible (ESF) de este problema es el siguiente: Figura 1: ESF del problema anterior Notemos que los únicos puntos candidatos a solución óptima de este problema son A y B. PROBLEMA #5 Escriba el DUAL del siguiente problema. ( ) ( ) 9 . Verifique que el dual del dual es el problema original. dado por lotes de jeans. resultando no rentable fabricar lotes de franela (porque ). se obtiene que lotes de amasados. ( ) La utilidad máxima que percibe la fábrica es de unidades monetarias. Evaluando la función objetivo se obtiene que el punto esquina óptimo es B.

Universidad de Santiago de Chile Departamento de Ingeniería en Minas Ayudantía de Optimización SOLUCIÓN: Del primal. 10 . ( ) La comprobación de que el dual del dual es el primal es obvia. la variable dual es no restringida. Además. el dual tendrá 8 variables y 5 restricciones. Escribimos entonces el problema primal en forma canónica (primal simétrico): ( ) Construimos ahora el problema dual. la expresión independientes: y y también podemos fragmentarla en dos restricciones . se tiene: y . y se deja como ejercicio al lector. Reemplazando La última expresión podemos fragmentar en dos restricciones independientes: . tenemos que: Debemos hacer entonces dos cambios de variable: en . Notemos que. a partir de la definición. mientras que el resto son no negativas. Además.

es muy útil la elaboración de un diagrama que muestre el proceso en cuestión: 𝑥 𝑥 Ley de Fe ≥ 35% Ley de Si ≤ 12% 𝑥 𝑥 Planta Figura 2: Esquema del proceso que se debe modelar en Problema #6 Ahora veamos las restricciones del problema.000 toneladas. y debe ser menor que 12% Si. se tendrá: 11 . FORMULAR (no RESOLVER) un modelo de programación lineal.000 10. el cual permita obtener un plan minero de producción que cumpla las restricciones operacionales y permita minimizar la desviación de la razón estéril/mineral total. La razón promedio de estéril/mineral determinada para las operaciones de extracción mineral tiene un valor de 3. Mina Cerro GRANATE Lomas BAYAS Área Norte Lomas Sur Sur Alberta Reservas (toneladas) 20.5. área Sur Sur : Producción Lomas Bayas. área Lomas : Producción Lomas Bayas. La ley alimentada a planta debe ser mayor que 35% Fe. En cuanto a las capacidades de la planta.0 4.000 toneladas de Fe deben estar disponibles para el consumo – asumir un 90% de recuperación en el proceso. área Norte : Producción Cerro Granate.000 % Fe 40 30 40 35 % Si 17 10 11 13 Razón Estéril/Mineral 3.0 2.000. El mercado interno requiere que al menos 12.000 toneladas y no más 60.0 SOLUCIÓN: Primero definimos las variables del problema: : Producción Cerro Granate.000 toneladas. como ésta debe recibir al menos 45. La planta requiere al menos 45. Dado los datos que se indican.000 30. Cada mina tiene dos áreas de las cuales puede extraer el mineral.0 5.000 15. área Alberta Para este problema. pero no puede manejar más de 60.Universidad de Santiago de Chile Departamento de Ingeniería en Minas Ayudantía de Optimización PROBLEMA #6 La compañía minera FERROJAC CHILE tiene dos operaciones mineras que alimentan de mineral de hierro a una sola planta.

empleando el método símplex para la fase 1. se tendrá: ( ) ( ) ( ) El modelo completo es entonces: ( ) ( . debe conformar como mínimo. Luego: Por último. en términos del Fe.000 toneladas de Fe. la planta debe recibir como mínimo una ley del 35% de Fe y. tenemos lo siguiente: ( ( ) ) Ahora veamos la función objetivo. ) ( ) ( ) PROBLEMA #7 Resuelva el siguiente problema de programación lineal. a lo más. Luego: ( ) Se debe agregar que los sectores de producción tienen como limitante a sus reservas totales. al menos.Universidad de Santiago de Chile Departamento de Ingeniería en Minas Ayudantía de Optimización Si el mercado interno requiere de. una ley del 12% de Si. Luego. Como se requiere minimizar la desviación de la razón estéril – mineral. este tonelaje. y el método símplex revisado para la fase 2: ( ) 12 . entonces el 90% de la producción que llega a planta. 12.

sale 1 0 0 0 0 -5 12 4 -6 -4 -3 10 2 -4 -2 1 -2 0 1 1 0 1 0 0 0 0 0 1 0 0 0 0 -1 0 1 400 700 120 400 -120 . sale . Primera iteración. sale 1 2 0 -1 0 -1 -5 2 4 -1 0 1 -3 4 2 -1 0 1 1 0 0 0 1 0 0 1 0 0 0 0 0 0 1 0 1 0 0 0 -1 0 0 1 400 1500 120 0 0 -520 ( ) 400 750 --- .B. con . -3 -3 1 -2 0 2 Entra V. -7/4 0 1/4 -7/2 0 1 0 0 0 0 0 0 1 0 0 -1/2 4 1/2 -1 0 1 -2 0 1 1 0 1 0 0 0 5/4 -3 1/4 3/2 1 -5/4 3 -1/4 -3/2 0 550 340 30 580 0 . Procedemos entonces mediante el método símplex revisado en dicha fase. Se tiene entonces: ( ) El problema debe resolverse en dos fases. Procedemos en la primera fase mediante el algoritmo símplex. entonces existe un ESF para el PPL en la fase 2. ( ) ----120 ( ) Entra . -3 3 1 -5 -1 Entra V.Universidad de Santiago de Chile Departamento de Ingeniería en Minas Ayudantía de Optimización SOLUCIÓN: Se debe reescribir el PPL en forma estándar. La fase 1 minimizará la función objetivo ( ) .B. Como . La matriz inversa de la presente iteración es: ( ) 13 . Segunda iteración. ( ) --175/3 30 .B. La tabla de inicio para este problema es la siguiente: V.

podemos calcular inmediatamente la matriz : ( ( Luego calculamos ) ) para dar inicio a la cuarta iteración: ( ) ( ) ( ) Construimos una pequeña tabla para verificar el orden de las variables básicas: V.Universidad de Santiago de Chile Departamento de Ingeniería en Minas Ayudantía de Optimización Como ya definimos el pívot y las variables de entrada y salida a partir de la tabla anterior. aún no estamos en el óptimo. porque tiene el coeficiente más negativo en la fila objetivo. ( ) ( ) Calculamos los valores duales para esta iteración: ( ) ( ) ( ) ( ) Calculamos los costos reducidos: ̅( Luego: ( Por lo tanto: ) ( ) ( ) ( ) ) ( ) ( ) Como el coeficiente reducido de en la función objetivo es negativo. Calculamos entonces las columnas y ( ) para determinar la variable de salida y el elemento pívot: 14 . Se tiene que es la variable de entrada para la tercera iteración.B.

Donde: ( Entonces: ) ( ) ( ( ) ) ( ) Verificamos el orden de las variables básicas: ( ( ) ) V. Calculamos los valores duales: 15 .B. 760 340 120 La variable de salida es entonces Calculamos la matriz inversa : ( ) -3 760:(-3) = -253. El pívot corresponde a 3.33 → Ignorar 3 340:3 = 113.B.33 → Mínimo -1 120:(-1) = -120 → Ignorar .Universidad de Santiago de Chile Departamento de Ingeniería en Minas Ayudantía de Optimización ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) Por lo tanto: V.

tulipanes e ibizcos. Calculamos entonces para encontrar la solución óptima de este problema: ( ) ( ) ( ) Por lo tanto. ( ) . la solución óptima es estos valores en la función objetivo se obtiene . Reemplazando ( ) . Los requerimientos de flores para cada arreglo. con lo cual PROBLEMA #8 Un florista sabe hacer sólo dos tipos de arreglos florales. b) ¿Cuál es el problema DUAL asociado? ¿Qué situación podría estar optimizando? Justifique. la disponibilidad de flores y los requerimientos de cada arreglo vienen dados en la siguiente tabla: FLORES Arreglo 1 Arreglo 2 DISPONIBILIDAD Rosas 3 1 300 Tulipanes 1 1 140 Ibizcos 1 3 300 PRECIO [$] 2000 1000 a) FORMULE un PPL que resuelva el problema de maximización de ingresos por ventas sujeto a la disponibilidad de recursos.Universidad de Santiago de Chile Departamento de Ingeniería en Minas Ayudantía de Optimización ( ) ( ) ( ) ( ) Calculamos los costos reducidos: ( Luego: ( Por lo tanto: ( ) ( ) ) ( ) ( ) ) Como ahora todos los coeficientes reducidos son no negativos. c) Usando el teorema de holguras complementarias. encuentre la solución óptima del problema dual una vez resuelto el problema primal utilizando el método símplex. y . 16 . hemos llegado al óptimo. para los cuales dispone de 3 tipos distintos de flores: rosas.

sale 1 1 3 -1000 1 0 0 0 0 1 0 0 0 0 1 0 300 140 300 0 ( ) 100 140 300 . c) Reescribiendo el primal en forma estándar: ( ) Tabla de inicio: V. tulipanes e ibizcos. Se tiene entonces: ( ) El modelo dual resuelve el problema de un agente externo que desea saber el precio unitario que puede ofrecer por cada una de las flores. Procedemos con la primera iteración: 17 . sin utilizar la transformación de primal simétrico. y son los precios unitarios asociados a las rosas. y en forma inmediata. en el caso de éste quiera comprarle todas las flores al florista.Universidad de Santiago de Chile Departamento de Ingeniería en Minas Ayudantía de Optimización d) Suponga que retorna frustrado después que una bella dama le cerrara la puerta cuando usted le llevaba amablemente una rosa. 3 1 1 -2000 Entra . un tulipán y un ibizco. De la tabla. Así. respectivamente. se obtiene el PPL deseado: ( ) b) Es posible formular inmediatamente el problema dual a partir del primal. invirtiendo las situaciones presentadas en la definición de ambos problemas. Si se encuentra con el florista ¿Cuánto cree que estaría dispuesto a pagar él por sus flores? SOLUCIÓN: Tenemos lo siguiente: a) Sean y los dos tipos de arreglos que puede hacer el florista.B.

Este valor es correcto.B. La utilidad máxima que puede percibir el florista es de $220. siempre y cuando venda todo como un paquete. porque si vende sólo las rosas y tulipanes.000. y $0 por los ibizcos. Por lo tanto. idealmente. resulta . sale 1/3 2/3 8/3 -1000/3 1/3 -1/3 -1/3 2000/3 0 1 0 0 0 0 1 0 100 40 200 -200000 ( ) 300 60 75 . 18 . Procedemos con la segunda iteración: Como todos los coeficientes de las variables en la función objetivo son no negativas. En este punto óptimo. el valor máximo que nos pagará el florista por las flores es el descrito con anterioridad: $500 por cada rosa y tulipán. 1 0 0 0 Entra V. que es equivalente a la función objetivo primal en el óptimo. es válido el teorema de holguras complementarias.Universidad de Santiago de Chile Departamento de Ingeniería en Minas Ayudantía de Optimización V. hemos llegado al óptimo. se obtiene el siguiente sistema de ecuaciones: Con lo cual se obtiene y . no le sacará provecho a los ibizcos. 1 0 0 0 0 1 0 0 1/2 -1/2 1 500 -1/2 3/2 -4 500 0 0 1 0 80 60 40 -220000 . con arreglos florales del tipo 1.B. entonces. Por lo tanto: Para el primal: [ [ [ Para el dual: [ [ ( ( )] )] ( ( ( )] )] )] Reemplazando los valores obtenidos en la solución primal óptima en las holguras complementarias. Esto tiene sentido. d) Si tuviéramos tan desgraciada suerte. y arreglos florales del tipo 2. dado que sólo sabe hacer los arreglos florales descritos. el florista venderá rosas y tulipanes a un precio de $500 c/u. porque si lo ( ) remplazamos en la función objetivo dual. y entregará como “oferta” los ibizcos gratis.

Estas operaciones de pivotado no tienen por qué seguir las reglas del símplex.Universidad de Santiago de Chile Departamento de Ingeniería en Minas Ayudantía de Optimización PROBLEMA #9 Dado el programa lineal: ( ) Se pide: a) Determinar el programa DUAL b) Representar gráficamente este último programa para mostrar su conjunto de soluciones factibles c) A partir de esta representación. y sólo dos operaciones de pivotado a partir del origen. Para ello. hacemos los cambios de variable y . describir un proceso por el que tras dos. determinar la solución del problema primal SOLUCIÓN: A partir del enunciado. se alcance la solución. se tiene: a) Se debe obtener el modelo lineal estándar (MLE) del problema. con lo cual el problema se re-escribe de la siguiente forma: ( ) Ahora podemos formular el problema dual: ( ) b) El espacio de soluciones factibles (ESF) del problema dual es el siguiente: 19 . d) Por medio de las relaciones que pueden establecerse a merced del principio de holgura complementaria.

a partir del origen. podemos comenzar en el punto E. este nuevo proceso ignora la subdivisión del problema en dos fases. ya que se cuenta de inmediato con una solución básica de inicio (el origen). se obtiene: Para el primal: [ [ Para el dual: ( ( )] )] 20 . c) Si el proceso de resolución del problema dual no tiene por qué seguir las reglas del símplex. el valor máximo del problema dual es en el punto esquina J. la cual dicta que se escoja siempre el coeficiente más negativo en la fila objetivo del tableau símplex. y luego llegar de inmediato al punto J utilizando el hecho de que. el algoritmo ignore la regla dada por el criterio de optimalidad en un problema de maximización. y se cumple cuando estamos Por tanto. d) Utilizando el teorema de holguras complementarias (THC). si partimos desde el origen. se encuentra la solución. en este punto.Universidad de Santiago de Chile Departamento de Ingeniería en Minas Ayudantía de Optimización Figura 3: ESF del problema dual En el gráfico anterior. Notemos que. entonces basta que. además. los puntos esquina del ESF están dados por los siguientes pares: Punto esquina Valor de G 4/3 B 3 C 36/7 J 6 Valor de 5/3 5 36/7 4 Valor objetivo -1/3 -2 -4/7 2 . Por tanto.

cobre y zinc.5 USD por tonelada en inventario para el concentrado de zinc  El costo de tener mano de obra extra con respecto al mes anterior es de 10 USD/hora  El costo de trabajar menos horas con respecto al mes anterior es de 2. el inventario mínimo debe ser de 400 toneladas de concentrado de cobre y 200 toneladas de concentrado de zinc. Al final de los tres meses. ya que ASIOPSA tiene como política trabajar todos los meses la misma cantidad de horas. la gerencia de ASIOPSA ha determinado lo siguiente:  El costo de producción por tonelada del concentrado de cobre es de 20 USD.5 USD/hora Estos dos últimos costos se refieren a las fluctuaciones en los niveles de producción. Ambos concentrados se guardan en una planta en depósitos comunes.Universidad de Santiago de Chile Departamento de Ingeniería en Minas Ayudantía de Optimización [ [ [ [ ( ( ( ( )] )] )] )] De las holguras complementarias para el primal.A. Los requerimientos de fabricación de cada concentrado se resumen en la siguiente tabla: 21 . y el del concentrado de zinc es de 10 USD  El costo de mantener una cantidad arbitraria de concentrado a la espera de ser comercializado es de 0. lo que conforma la solución óptima del problema primal. Todas las demás variables son nulas. y hasta tres componentes de concentrado de zinc. y de 1. Al comienzo de los tres meses existen en inventario 50 toneladas del concentrado de cobre y 200 del concentrado de zinc. El valor de la solución óptima ( ) es . La siguiente tabla muestra las demandas mensuales esperadas para cada producto (en toneladas): Concentrado Mes 1 Mes 2 Mes 3 Cu 1000 3000 5000 Zn 1000 500 3000 Además. se obtiene: Con lo cual se obtiene y . Cada depósito permite guardar hasta dos componentes de concentrado de cobre. PROBLEMA #10 La Compañía Minera ASIOP S.3 USD por tonelada en inventario para el concentrado de cobre. La envergadura de la planta permite guardar hasta 1000 depósitos. (ASIOPSA) produce dos tipos distintos de concentrado.

Defina claramente variables.10 0. es posible definir dicha función directamente partir de los datos entregados en el enunciado: ( ) ( ( ) ( ) ) ) ( ( ) ) ( La función objetivo puede escribirse de forma más abreviada como sigue: ( ) ∑ ∑ ∑ ∑ ∑ ∑ Ahora veamos las restricciones. En este caso.07 La capacidad de fabricación mensual es de 400 horas de maquinaria y 300 horas de mano de obra. demanda e inventario de ASIOPSAL.05 Zn 0. función objetivo y restricciones. para cada mes.Universidad de Santiago de Chile Departamento de Ingeniería en Minas Ayudantía de Optimización Concentrado Maquinaria [hr/ton] Mano de obra [hr/ton] Cu 0. SOLUCIÓN: Definimos primeramente las variables del problema: : Cantidad de concentrado del tipo (con o el mes (con ) : Inventario de concentrado del tipo al término del mes : Horas de mano de obra empleadas al mes : Aumento del empleo de mano de obra al mes : Disminución del empleo de mano de obra al mes : Número de depósitos requeridos al mes ) producido en Veamos ahora la función objetivo. Además. Como el objetivo de ASIOPSAL es minimizar los costos. FORMULAR (NO RESOLVER) un modelo de programación lineal que permita determinar el plan de producción mensual que minimiza los costos de satisfacción de la demanda esperada. se sabe que el último mes sólo se usaron 225 horas de mano de obra para la fabricación de ambos componentes.08 0. Lo más sencillo es verificar primero las limitaciones de satisfacción. se tiene lo siguiente: Mes 1: Mes 2: 22 .

para la mano de obra. El modelo completo (simplificado) es el siguiente: 23 . todas las variables consideradas para este problema son no negativas.Universidad de Santiago de Chile Departamento de Ingeniería en Minas Ayudantía de Optimización Mes 3: Con respecto a la maquinaria. de las limitaciones impuestas por la planta: Naturalmente. se tiene: Además. se tiene que para cada mes: Mes 1: Mes 2: Mes 3: Finalmente.

. Defina claramente variables. la financiera ARCOS dispone de 400 USD en efectivo. Al comienzo de los meses 1. una vez realizados los pagos. .1% mensual. . además. 2. 24 .0% mensual. la financiera recibirá ingresos y. 3 y 4. o durante cuatro meses a una tasa del 2. función objetivo y restricciones. durante tres meses a una tasa del 1. durante dos meses a una tasa del 052% mensual. puede ser invertido durante un mes a una tasa del 0.0% mensual. PROBLEMA #11 Al comienzo del mes 1. deberá realizar pagos como se indica en la siguiente tabla: Mes Ingresos (US$) Pagos (US$) 1 400 600 2 800 500 3 300 500 4 300 250 El dinero restante en cada mes. FORMULAR (NO RESOLVER) un modelo de programación lineal que permita determinar una estrategia de inversión que maximiza el dinero en efectivo al comienzo del quinto año.Universidad de Santiago de Chile Departamento de Ingeniería en Minas Ayudantía de Optimización ( ) ∑ ∑ ∑ ∑ ∑ ∑ .

tenemos: 25 . mientras que la de chatarra sólo 2 horas. Luego. El costo por tonelada de acero puro es de 3. PROBLEMA #12 La Compañía FERROSUR debe decidir cuántas toneladas de acero puro X y cuántas de chatarra Y se deben utilizar en la preparación de una aleación para un cliente. se debe minimizar la función objetivo. y él aceptaría más si así se requiere. dicha función viene dada por la siguiente expresión: ( ) Ahora veamos las restricciones. todas las variables consideradas en el modelo son no negativas. Se pide: a) Escribir el problema de programación lineal b) Resolverlo gráficamente SOLUCIÓN: Se tiene lo siguiente: a) Las variables del problema ya habían sido definidas en el enunciado: : Toneladas de acero puro : Toneladas de chatarra Como se trata de un problema de costos. La fundición tiene 18 horas disponibles para derretir y fundir. Así. la demanda del cliente es de por lo menos 5. La relación entre chatarra y acero puro no puede exceder 7/8.Universidad de Santiago de Chile Departamento de Ingeniería en Minas Ayudantía de Optimización SOLUCIÓN: Lo primero es definir las variables de este problema. La disponibilidad de X es de 4 toneladas y 7 la de Y. La función objetivo queda entonces definida como sigue: ( ) Las restricciones del modelo naturalmente representan la distribución del dinero. Sea la cantidad de dinero invertido al comienzo del mes durante un período de meses. y el de chatarra 6 (por las impurezas). éstas se definen por las siguientes desigualdades: Naturalmente. una tonelada de acero puro requiere 3 horas. De la demanda del cliente y la disponibilidad de cada recurso. que define los costos de fabricación de cada material. tenemos: De la relación entre tonelajes.

074 D 3.75 C 0.789 3.316 31. Finalmente.25 toneladas de acero puro. el modelo completo es el siguiente: b) El ESF de este modelo se muestra en Figura 9: Figura 4: ESF del problema La tabla siguiente evalúa el valor de las variables del PPL en cada uno de los puntos esquina del ESF: Punto Esquina Valor de x Valor de y Función objetivo B 1. Por lo tanto.Universidad de Santiago de Chile Departamento de Ingeniería en Minas Ayudantía de Optimización De forma simplificada. Se concluye entonces que FERROSUR debe fabricar 1.432 4.25 0 3.263 F 6 0 18 Por lo tanto. a un costo mínimo de 3. que: . La chatarra no es rentable de producir. porque es aquel donde la función objetivo alcanza su mínimo valor. 26 .75 unidades monetarias. se tiene Naturalmente.494 0. ( ) . el punto esquina B es el óptimo. de la disponibilidad horaria.

En las siguientes se espera poder venderlos a un 5% más caro. FORMULAR (NO RESOLVER) un modelo de programación lineal que permita optimizar las actividades del importador. 25 y 20 dólares. Defina claramente variables. tendrá las siguientes demandas (en miles de botellas): Temporadas 1 2 3 4 Seco 10 12 14 8 Frutoso 13 15 17 19 Añejo 21 25 9 11 Tipo El whisky seco lo vende a 34 dólares por botella.5 dólares para ser vendidas posteriormente.5 en la primera temporada. respectivamente. B y C. en las próximas temporadas. función objetivo y restricciones del problema. El whisky seco debe contener por lo menos un 60% de la materia prima A y no más de un 20% de la materia prima C. A.8 y el añejo a 22. Cada botella de whisky fabricada en una temporada puede ser vendida en dicha temporada o almacenada a un costo unitario por temporada de 0. deberían aumentar un 2% en cada temporada. el frutoso a 28. representa los costos de importación de whisky de cada tipo. donde representa los ingresos que obtiene el importador a partir de la venta de whisky en cada temporada. Estos costos. SOLUCIÓN: Las variables a considerar para este problema son las siguientes: : Cantidad de materia prima k para fabricar whisky i en la temporada j : Cantidad de whisky tipo i vendido en la temporada j : Cantidad de whisky tipo i almacenado en la temporada j La función objetivo se subdivide en tres partes. Definimos entonces: ∑( ( ))( ) ∑ ∑( ( ))( ) 27 . El whisky añejo debe contener por lo menos un 50% de la materia prima B. de las cuales se puede importar un máximo de 2000. 2500 y 1200 botellas por temporada a un costo de 35. válidos para la primera temporada. Cada tipo de whisky es elaborado mezclando tres materias primas. y representa los costos de almacenaje de whisky. y . El whisky frutoso debe contener por lo menos un 15% de la materia prima A y no más de un 60% de la materia prima C.Universidad de Santiago de Chile Departamento de Ingeniería en Minas Ayudantía de Optimización PROBLEMA #13 Un importador de whisky está planificando su negocio considerando que.

ventas y almacenaje por temporada. la proporción de uso de las materias primas en la elaboración de cada tipo de whisky. considerando las proporciones de materias primas requeridas en la elaboración de cada tipo de whisky. se obtiene: ∑ ∑ ∑ ∑ ∑ 28 . la cantidad máxima de ventas por temporada.Universidad de Santiago de Chile Departamento de Ingeniería en Minas Ayudantía de Optimización ∑∑ Por lo tanto. Luego. se obtienen las restricciones de venta máxima por temporada: Además. la función objetivo será: ( ) Las restricciones del problema vienen dadas por la disponibilidad de materia prima para producir cada tipo de whisky. y la producción. se tiene lo siguiente: Para la disponibilidad de materia prima: ∑ ∑ ∑ A partir de la tabla entregada en el enunciado del problema.

Universidad de Santiago de Chile Departamento de Ingeniería en Minas Ayudantía de Optimización Las restricciones anteriores se cumplen para todo . todas las variables consideradas en la formulación de este problema son positivas o nulas. ventas y almacenaje por temporada. Finalmente. 29 . se obtienen las siguientes expresiones: ∑ ∑ ∑ ∑ Naturalmente. a partir de los datos entregados en el enunciado del problema con respecto a la producción.