EJERCICO #9

ChemLabs utiliza las materias primas I y II para producir dos soluciones de l

materias primas I y II son de 150 y 145 unidades, respectivamente. Una uni
0.6 unidades de la materia prima II, en tanto que una unidad de la solu- ción
la materia prima II. Las utilidades por unidad de las soluciones A y B son de
es de entre 30 y 150 unidades, y la de la solución B va de 40 a 200 unidade

Variables
Sa (Cantidad de solucion A)
Sb (Cantidad de Solucion B)

Funcion Objetivo
Max
Z = 8(Sa) + 10(Sb)

Restricciones

0.5(Sa) + 0.5(Sb) <= 150 (Materia Prima 1)

0.65(Sb) + 0.45(Sb) <= 145 (Materia Prima 2)

Sa >= 30
Sa <= 150

Sb >= 40
Sb <= 200

Sa, Sb >= 0
s soluciones de limpieza doméstica, A y B. Las disponibilidades diarias de las
amente. Una unidad de solución A consume .5 unidades de la ma- teria prima I, y
d de la solu- ción B consume 0.5 unidades de la materia prima I, y .4 unidades de
nes A y B son de $8 y $10, respectivamente. La demanda diaria de la solución A
0 a 200 unidades. Determine las cantidades de producción óptimas de A y B.
 s de las
ria prima I, y
unidades de
solución A
de A y B.
 EJERCICO #10
La tienda de abarrotes Ma-and-Pa tiene un espacio de anaqueles limitado y
marcas de cereal, Grano y Wheatie, compiten por un total de espacio de 60

Una caja de Grano ocupa .2 pies2, y una caja de Wheatie requiere .4 pies2.

Las demandas diarias máximas de Grano y Wheatie son de 200 y 120 cajas,
Una caja de Grano reditúa una utilidad neta de $1.00 y la de una de Wheatie

Ma-and-Pa considera que como la utilidad neta de Wheatie es 35% mayor q

que a Grano, lo que equivale a asignar aproximadamente 57% a Wheatie y

Variables
C1 CANTIDAD DE CAJAS DE GRANO
C2 CANTIDAD DE CAJAS DE WHEATIE

Funcion Objetivo
MAX
Z 1C1 + 1.35C2

Restricciones
.2C1 + .4C2 <= 60 ESPACIO
C1 <= 200
C2 <= 120
C1,C2 >= 0

maximizar espacio

Linear Programming

Signs
< less than or equal to
= equals (You need to enter an apostrophe first.)
> greater than or equal to

Data
x1 x2
Objective 1 1.35 sign RHS
Restricciones 0.2 0.4 < 60
Restricciones 1 0< 120
Restricciones 0 1< 200
Results
Variables 200 50
Objective 267.5
 ueles limitado y debe utilizarlo con eficacia para incrementar las utilidades. Dos
de espacio de 60 pies2 en anaqueles.

quiere .4 pies2.

200 y 120 cajas, respectivamente.

e una de Wheatie es de $1.35.

es 35% mayor que la de Grano, a Wheatie se le debe asignar 35% más espacio
7% a Wheatie y 43% a Grano. ¿Usted qué piensa?

RESPUESTA:
C1 C2
GRANO WHEATIE SE RECOMIENDA TOMAR EN CU
ESPACIO 0.2 0.4 UTILIDAD DE LOS PRODUCTOS
UTILIDAD 1 1.35 C2 OBTIENE UNA UTILIDAD DE 2

Results Problem setup area

LHS Slack/Surplus
267.5 < constraints > constraints
60 0 60 60 0
200 -80 200 120 0
50 150 50 200 0
dades. Dos

ás espacio

NDA TOMAR EN CUENTA LA DEMANDA Y NO SOLO LA

E LOS PRODUCTOS YA QUE SI VENDE 200 DE LA C1 Y 50 DE
UNA UTILIDAD DE 268 $

onstraints
0
0
0
 EJERCICO # 11

Jack es un estudiante novato en la Universidad de Ulern. Se da cue

un chico aburrido”. Jack desea distribuir su tiempo disponible de a
diversión. Estima que divertirse es dos veces más entretenido que
el mismo tiempo que le quiere dedicar a la diversión. Sin embargo
puede divertirse más de 4 horas al día. ¿Cómo debe distribuir su t
divertirse?c

VARIABLES
X1 CANTIDAD DE HORAS DE TAREAS
X2 CANTIDAD DE HORAS DE DIVERSION

OBJETIVO
MAXI
Z X1 + 2X2

RESTRICCIONES
X1 + X2 <= 10

X1 <= X2 X1 -X2 <= 0

X2 <= 4

maximizar espacio Enter

Enter the
the values
values inin the
the shaded
shaded area.
area. Then
Then go
go to
to the
the DATA
DATATabTab on on the
the ribbon,
ribbon, click
click on
on Sol
So
IfIf SOLVER
SOLVER isis not
not on
on the
the Data
Data Tab
Tab then
then please
please see
see the
the Help
Help file
file (Solver)
(Solver) for
for instructions.
instructions.
Linear Programming

Signs
< less than or equal to
= equals (You need to enter an apostrophe first.)
> greater than or equal to

Data
x1 x2
Objective 1 2 sign RHS
Restricciones 1 1< 10
Restricciones 1 -1 < 0
Restricciones 0 1< 4

Results
Variables 4 4
Objective 0
Ulern. Se da cuenta de que “sólo trabajo y nada de diversión me hacen ser
disponible de aproximadamente 10 horas al día entre las tareas y la
ntretenido que hacer tareas. Pero también desea estudiar por lo menos
n. Sin embargo, Jack comprende que para cumplir con sus tareas no
distribuir su tiempo para maximizar su placer tanto de trabajar como de

ab
ab onon the
the ribbon,
ribbon, click
click on
on Solver
Solver in
in the
the Data
Data Analysis
Analysis Group
Group and
and then
then click
click SOLVE.
SOLVE.
le (Solver)
ile (Solver) for
for instructions.
instructions.

Results Problem setup area

LHS Slack/Surplus
0 < constraints > constraints
0 10 0 10 0
0 0 0 0 0
0 4 0 4 0
me hacen ser
eas y la
r lo menos
eas no
ajar como de

onstraints
10
0
4
Column1
EJERCICiO # 16

Burroughs Garment Company fabrica camisas para caballero y blusa

corporación que aceptará toda la producción surtida por Burroughs
empaque. Burroughs emplea 25 trabajadores en el departamento d
trabaja un turno de 8 horas, 5 días a la semana. La siguiente tabla m
unidad para las dos prendas:

Determine el programa de producción semanal óptimo para Burroug

Minutos por Unidad

Prenda Corte Costura

Camisas X1 20 70
Blusas X2 60 60

Empleados 25 35
Horas Diarias 200 280
Horas Semanales 1,000 1,400
Mintuos Diarios Disponibles 12,000 16,800
Minutos Semanales Disp 60,000 84,000

Variables X1= Cantidad de camisas a producir semanal

X2= Cantidad de blusas a producir semanal

Funcion Maximimar
Z = 8X1 + 12X2

Restricciones 20X1 + 60X2 <=60,000

70X1 + 60X1 <= 84,000

12X1 + 4X2 <= 1200

X1, X2 >= 0
s para caballero y blusas de dama para las tiendas de descuento Wallmart,
surtida por Burroughs. El proceso de producción incluye el corte, la costura
en el departamento de corte, 35 en el de costura, y 5 en empaque. La fábri
na. La siguiente tabla muestra los requerimientos de tiempo y utilidades po

al óptimo para Burroughs.

nidad Horas Diaria 8 Dias

Utilidad
Empaque Unitaria $

12 8
4 12

5 65
40 520
200 2,600
2,400 31,200
12,000 156,000

sas a producir semanal

as a producir semanal

Restriccion de Corte

Restriccion de Costura

Restriccion de Empaque
nto Wallmart,
orte, la costura y el
paque. La fábrica
y utilidades por

Programacion Semanal Enter

Enter the
the values
values inin the
the shaded
shaded area.
area. Then
Then go
go to
to the
the DATA
DATATabTab on on the
the ribbon,
ribbon, clc
IfIf SOLVER
SOLVER isis not
not on
on the
the Data
Data Tab
Tab then
then please
please see
see the
the Help
Help file
file (Solver)
(Solver) for
for instr
instr
Linear Programming

Signs
< less than or equal to
= equals (You need to enter an apostrophe first.)
> greater than or equal to

Data
x1 x2
Objective 8 12 sign RHS
Constraint 1 20 60 < 60000
Constraint 2 70 60 < 84000
Constraint 3 12 4< 12000

Results
Variables 480 840
Objective 0
en
en go
go to
to the
the DATA
DATATabTab on on the
the ribbon,
ribbon, click
click on
on Solver
Solver in
in the
the Data
DataAnalysis
Analysis Group
Group and
and then
then click
click SOLVE.
SOLVE.
ease
lease see
see the
the Help
Help file
file (Solver)
(Solver) for
for instructions.
instructions.

rophe first.)

Results Problem setup area

LHS Slack/Surplus
0 < constraints
0 60000 0 0
0 84000 0 0
0 12000 0 0
> constraints
0 0
0 0
0 0
Variables
X1 : Cantidad de a trabajar en tienda 1
X2 : Cantidad de a trabajar en tienda 2

Maximizar

Funcion Objetivo
Z = 8x1 + 6x2

S.A. (Restricciones)
x1+ x2 ≥ 20
x1 ≥ 5
x1 ≤ 12
x2 ≥ 6
x2 ≤ 10
x1 , x2 ≥ 0

Respuesta
Deberia de trabajar 10 horas en cada empresa
 EJERCICiO PAG. # 38-1

Fox Enterprises está considerando seis posibles proyectos de const

proyectos en parte o en su totalidad. La ejecución parcial de un pro
de efectivo. Los rendimientos (valor presente) y los desembolsos de

(a) Formule el problema como un programa lineal, y determine la co

AMPL, Solver o TORA. Pase por alto el valor en el tiempo del dinero

(b) Suponga que si se emprende una parte del proyecto 2, entonces

formulación del modelo y determine la nueva solución óptima.

(c) En el modelo original, suponga que los fondos no utilizados al fin

determine qué tanto cada año “le pide prestado” al año anterior. Po

(d) Suponga en el modelo original que los fondos anuales disponibl

a otras actividades fi- nancieras dentro de la compañía. Ignorando e
solución óptima. ¿Requeriría la nueva solución que se pida prestado
pedido en préstamo?

DESEMBOLS

PROYECTO AÑO 1 AÑO 2

1 10.5 14.4
2 8.3 12.6
3 10.2 14.2
4 7.2 10.5
5 12.3 10.1
6 9.2 7.8
Fondos Disponibles ($ 1000) 60 70

Variables P1= Cantidad de proyectos a emprender

P2= Cantidad de proyectos a emprender
P3= Cantidad de proyectos a emprender
P4= Cantidad de proyectos a emprender
P5= Cantidad de proyectos a emprender
P6= Cantidad de proyectos a emprender
Objetivo
Maximizar Z = 32.4P1 + 35.8P2 + 17.75P3 + 14.8P4 + 18.2P

Restricciones
10.5P1 + 8.3 P2 + 10.2P3 + 7.2P4 + 12
14.4P1 + 12.6P2 + 14.2P3 +10.5P4 +
2.2P1 + 9.5P2 + 5.6P3 + 7.5P4 + 8.3P5
2.4P1 + 3.1P2 + 4.2P3 + 5P4 + 6.3P5 +

P1-5 >= 0

B P2 >= P6
P2 - P6 >= 0
les proyectos de construcción durante los próximos 4 años. Fox puede empr
ución parcial de un proyecto prorrateará proporcionalmente tanto el rendien
) y los desembolsos de efectivo para los proyectos se dan en la siguiente ta

neal, y determine la combinación óptima de proyectos que maximice el rend

n el tiempo del dinero.

el proyecto 2, entonces debe emprenderse por lo menos una parte igual del
solución óptima.

ndos no utilizados al final de un año se utilizan en el año siguiente. Halle la n

ado” al año anterior. Por sencillez, pase por alto el valor del dinero en el tiem

dos anuales disponibles para cualquier año se pueden exceder, si fuera nec
compañía. Ignorando el valor del dinero en el tiempo, refor- mule el modelo
n que se pida prestado en cualquier año? De ser así, ¿cuál es la tasa de rend

DESEMBOLSO DE EFECTIVO ($ 1000)

RENDIMIEN
TO ($
AÑO 3 AÑO 4 1000)
2.2 2.4 32.4
9.5 3.1 35.8
5.6 4.2 17.75
7.5 5 14.8
8.3 6.3 18.2
6.9 5.1 12.35
35 20

S1 = Sobrante año 1
Inciso B S2 = Sobrante año 2
S3 = Sobrante año 3
+ 17.75P3 + 14.8P4 + 18.2P5 + 12.35p6

Año1
Año 2
Año 3
Año 4
ox puede emprender cualquiera de los
anto el rendiento como los desembolsos
la siguiente tabla.

aximice el rendimiento total utilizando

parte igual del proyecto 6. Modifique la

ente. Halle la nueva solución óptima, y

inero en el tiempo.

er, si fuera necesario, pidiendo prestado

mule el modelo de PL y determine la
la tasa de rendimiento sobre el dinero
 EJERCICiO PAG. # 46-1
1. AutoMate contrató a ToolCo para que abastezca sus tiendas de d
La demanda semanal de AutoMate consiste en por lo menos 1500 ll
ToolCo no puede fabricar todas las unidades solicitadas con su capa
subcontratar a otras fábricas de herramientas. El resultado es un in
tabla. La demanda del mercado limita la proporción entre cinceles y
INTERVARLO DE
PRODUCCION
HERRAMIENTAS TIPO DE PRODUCCION
SEMANAL (UNIDADE

Regular 0 - 550
Llaves Inglesas Tiempo Extra 551 - 800
Sub Contratacion 801 - >>

Regular 0 - 620
Cinceles Tiempo Extra 621 - 900
Sub Contratacion 901 - >>

A) Formule el problema como un programa lineal, y determine el programa de p

Variables
L1 = Cantidad de unidades de Llaves Inglesas a producir turno Regu
L2 = Cantidad de unidades de Llaves Inglesas a producir Tiempo Ext
L3 = Cantidad de unidades de Llaves Inglesas a producir Sub Contra
C1 = Cantidad de unidades de Cinceles a producir turno Regular
C2 = Cantidad de unidades de Cinceles a producir Tiempo Extra
C3 = Cantidad de unidades de Cinceles a producir Sub Contratado

Objetivo
Minimizar
Z = 2L1 + 2.80L2 + 3L2 + 2.10C1 + 3.20C2 + 4.20C3

Restricciones
1 L1 + L2 >= 1500
2 C1 + C2 >= 1200
3 L1 <= 550
4 L2 <= 250
5 C1 <= 620
6 C2 <= 280
7 2L1 + 2L2 + 2L3 -C1 - C2 - C3 >= 0
8 L1, L2, L3, C1, C2, C3 >= 0
us tiendas de descuento automotrices con llaves inglesas y cinceles.
menos 1500 llaves inglesas y 1200 cinceles.
das con su capacidad actual de un turno y debe utilizar tiempo extra y posib
ultado es un incremento del costo de producción por unidad, como se mues
entre cinceles y llaves inglesas a por lo menos 2:1.
INTERVARLO DE
PRODUCCION COSTO
MANAL (UNIDADES) UNITARIO

0 - 550 2.00
551 - 800 2.80
801 - >> 3.00

0 - 620 2.10
621 - 900 3.20
901 - >> 4.20

el programa de producción óptimo para cada herramienta.

Linear Programming Enter

Enter the
the values
values inin the
the shade
shade
producir turno Regular IfIf SOLVER
SOLVER isis not
not on
on the
the Data
Data
producir Tiempo Extra Signs
producir Sub Contratado <
r turno Regular =
r Tiempo Extra >
r Sub Contratado
Data
X1 X2
Objective 2 2.8
+ 3.20C2 + 4.20C3 Restricciones 1 1 1
Restricciones 2
Restricciones 3 1
Restricciones 4 1
Restricciones 5
Restricciones 6
Restricciones 7 2 2

Results
Variables 550 250
Objective
nceles.

o extra y posible- mente

como se muestra en la siguiente

Enter
Enter the
the values
values in
in the
the shaded
shaded area.
area. Then
Then go
go to
tothe
the DATA
DATATabTab on onthe
the ribbon,
ribbon,click
click on
onSolver
Solverin
inthe
the Data
DataAnalysis
Analysis Group
Group and
and then
then click
click SOLVE.
SOLVE.
f SOLVER
If SOLVER isis not
not on
on the
the Data
Data Tab
Tab then
then please
please see
see the
the Help
Help file
file (Solver)
(Solver) for
for instructions.
instructions.

less than or equal to

equals (You need to enter an apostrophe first.)
greater than or equal to

X3 X4 X5 X6
3 2.1 3.2 4.2 sign RHS
> 1500
1 1 > 1200
< 550
< 250
1 < 620
1 < 280
2 -1 -1 -1 > 0

0 620 280 0
0
nd
nd then
then click
click SOLVE.
SOLVE.

rophe first.)

Results Problem setup area

LHS Slack/Surplus
0 < constraints
0 1500 0 0
0 1200 0 0
0 550 0 0
0 250 0 0
0 620 0 0
0 280 0 0
0 0 0 0
> constraints
0 0
0 0
0 0
0 0
0 0
0 0
0 0
 EJERCICiO PAG. # 54-1

Una inmobiliaria está desarrollando un área para renta de viviendas y

El área de viviendas se compone de departamentos-estudio, casas dú
arrendatarios potenciales es de 500 departamentos-estudio, 300 casa
igual como mínimo al 50% de la cantidad de departamentos-es- tudio
canti- dad de casas en una relación de por lo menos 10 pies2, 15 pies
unifamiliares, respectivamente. Sin embargo, la disponibilidad del ter
renta mensual se estima en $600, $750 y $1200 para departamentos-
locales comerciales es de $100/pie2. Desarrolle un modelo de PL para
y determine la solución con AMPL, Solver o TORA.

VARIABLES
X1 = CANTIDAD DE CASAS DEPARTAMENTOS
X2 = CANTIDAD DE CASAS DUPLEX
X3 = CANTIDAD DE CASAS UNIFAMILIARES
X4 = CANTIDAD DE LOCALES

FUNCION
MAX
Z= 600X1 + 750X2 + 1200X3 + 100X4

RESTRICCION
1 X2 - 0.5X1 - 0.5X3 >= 0
2 X4 <= 10000
3 X1 <= 5000
4 X2 <= 4500
5 X3 <= 4500
 ta de viviendas y locales comerciales.
estudio, casas dúplex y unifami- liares. Se estima que la demanda máxima por
estudio, 300 casas dúplex y 250 casas unifamiliares, pero la cantidad de casas
mentos-es- tudio y casas unifamiliares. El espacio para locales comerciales es
10 pies2, 15 pies2 y 18 pies2 para departa- mentos-estudio, casas dúplex y ca
onibilidad del terreno limita el espacio para locales comerciales a no más de 1
departamentos-estudio, casas dúplex y casas unifamiliares, en ese orden. La
odelo de PL para determinar el área óptima para locales co- merciales y la can

Linear Programming Enter

Enter the
the values
values inin the
the shaded
shaded area.
area. Then
Then go
go to
to the
the D
IfIf SOLVER
SOLVER isis not
not on
on the
the Data
Data Tab
Tab then
then please
please see
see the
the
Signs
<
=
>

Data
X1 X2 X3
Objective 600 750 1200
Constraint 1 -0.5 1 -0.5
Constraint 2 0 0 0
Constraint 3 1 0 0
Constraint 4 0 1 0
Constraint 5 0 0 1

Results
Variables 4500 4500 4500
Objective
anda máxima por parte de los
cantidad de casas dúplex debe ser
s comerciales es proporcional a la
casas dúplex y casas
les a no más de 10,000 pies2. La
en ese orden. La renta de los
merciales y la cantidad de casas,

he
he shaded
shaded area.
area. Then
Then go
go to
to the
the DATA
DATATabTab on on the
the ribbon,
ribbon, click
click on
on Solver
Solver in
in the
the Data
DataAnalysis
Analysis Group
Group and
and then
then click
click SOLVE.
SOLVE.
the
the Data
Data Tab
Tab then
then please
please see
see the
the Help
Help file
file (Solver)
(Solver) for
for instructions.
instructions.

less than or equal to

equals (You need to enter an apostrophe first.)
greater than or equal to

Results
X4 LHS
100 sign RHS 0
> 0 0
1< 10000 0
0< 5000 0
0< 4500 0
0< 4500 0

10000
-
ick
lick SOLVE.
SOLVE.

Problem setup area

Slack/Surplus
< constraints > constraints
0 0 0 0 0
10000 0 0 0 0
5000 0 0 0 0
4500 0 0 0 0
4500 0 0 0 0
Column1
EJERCICiO # 16

Burroughs Garment Company fabrica camisas para caballero y blusa

corporación que aceptará toda la producción surtida por Burroughs
empaque. Burroughs emplea 25 trabajadores en el departamento d
trabaja un turno de 8 horas, 5 días a la semana. La siguiente tabla m
unidad para las dos prendas:

Determine el programa de producción semanal óptimo para Burroug

Minutos por Unidad

Prenda Corte Costura

Camisas X1 20 70
Blusas X2 60 60

Empleados 25 35
Horas Diarias 200 280
Horas Semanales 1,000 1,400
Mintuos Diarios Disponibles 12,000 16,800
Minutos Semanales Disp 60,000 84,000

Variables X1= Cantidad de camisas a producir semanal

X2= Cantidad de blusas a producir semanal

Funcion Maximimar
Z = 8X1 + 12X2

Restricciones 20X1 + 60X2 <=60,000

70X1 + 60X1 <= 84,000

12X1 + 4X2 <= 1200

X1, X2 >= 0

INCISO B
Determine el valor de 1 hora de corte, costura y empacado, enfunción del in

DEPARTAMENTO PRECIO/MIN PRECIO / HORA

CORTE .12/MIN 7.20
COSTURA .8/ MIN 4.80
EMPAQUE 0 0
s para caballero y blusas de dama para las tiendas de descuento Wallmart,
surtida por Burroughs. El proceso de producción incluye el corte, la costura
en el departamento de corte, 35 en el de costura, y 5 en empaque. La fábri
na. La siguiente tabla muestra los requerimientos de tiempo y utilidades po

al óptimo para Burroughs.

nidad Horas Diaria 8 Dias

Utilidad
Empaque Unitaria $

12 8
4 12

5 65
40 520
200 2,600 13920
2,400 31,200
12,000 156,000

sas a producir semanal

as a producir semanal

Restriccion de Corte

Restriccion de Costura

Restriccion de Empaque
y empacado, enfunción del ingreso total.

ECIO / HORA
nto Wallmart,
orte, la costura y el
paque. La fábrica
y utilidades por

Programacion Semanal Enter

Enter the
the values
values inin the
the shaded
shaded area.
area. Then
Then go
go to
to the
the DATA
DATATabTab on on the
the ribbon,
ribbon, clc
IfIf SOLVER
SOLVER isis not
not on
on the
the Data
Data Tab
Tab then
then please
please see
see the
the Help
Help file
file (Solver)
(Solver) for
for instr
instr
Linear Programming

Signs
< less than or equal to
= equals (You need to enter an apostrophe first.)
> greater than or equal to

Data
x1 x2
Objective 8 12 sign RHS
Constraint 1 20 60 < 60000
Constraint 2 70 60 < 84000
Constraint 3 12 4< 12000

Results
Variables 480 840
Objective 0
en
en go
go to
to the
the DATA
DATATabTab on on the
the ribbon,
ribbon, click
click on
on Solver
Solver in
in the
the Data
DataAnalysis
Analysis Group
Group and
and then
then click
click SOLVE.
SOLVE.
ease
lease see
see the
the Help
Help file
file (Solver)
(Solver) for
for instructions.
instructions.

rophe first.)

Results Problem setup area

LHS Slack/Surplus
0 < constraints
0 60000 0 0
0 84000 0 0
0 12000 0 0
> constraints
0 0
0 0
0 0
 LAB 16
Enter
Enter the
the values
values inin the
the shaded
shaded area.
area. Then
Then go
go to
to the
the DATA
DATATabTab on on the
the ribbon,
ribbon, click
click on
on Solver
Solver in
i
SOLVE.
SOLVE.
IfIf SOLVER
SOLVER isis not
not on
on the
the Data
Data Tab
Tab then
then please
please see
see the
the Help
Help file
file (Solver)
(Solver) for
for instructions.
instructions.
Linear Programming

Signs
< less than or equal to
= equals (You need to enter an apostrophe first.)
> greater than or equal to

Data Results
x1 x2 LHS
Objective 8 12 sign RHS 13920
Constraint 1 20 60 < 60000 60000
Constraint 2 70 60 < 84000 84000
Constraint 3 12 4< 12000 9120

Results
Variables 480 840
Objective 13920

Page 49
 LAB 16
nn the
the ribbon,
ribbon, click
click on
on Solver
Solver in
in the
the Data
DataAnalysis
Analysis Group
Group and
and then
then click
click

Solver)
Solver) for
for instructions.
instructions.

Slack/Surplus

0
0
2880

Page 50
 LAB 38-A

Linear Programming Enter

Enter the
the values
values inin the
the shaded
shaded area.
area. Then
Then go
go to
to the
the DATA
DATATabTab on on the
the ribbon,
ribbon, click
click on
on Solver
Solver in
in the
the Data
DataAnalysis
Analysis Group
Group and
and then
then
SOLVE.
SOLVE.
IfIf SOLVER
SOLVER isis not
not on
on the
the Data
Data Tab
Tab then
then please
please see
see the
the Help
Help file
file (Solver)
(Solver) for
for instructions.
instructions.
Signs
< less than or equal to
= equals (You need to enter an apostrophe first.)
> greater than or equal to

Data
P1 P2 P3 P4 P5 P6
Objective 32.4 35.8 17.75 14.8 18.2 12.35 sign RHS
Constraint 1 10.5 8.3 10.2 7.2 12.3 9.2 < 60
Constraint 2 14.4 12.6 14.2 10.5 10.1 7.8 < 70
Constraint 3 2.2 9.5 5.6 7.5 8.3 6.9 < 35
Constraint 4 2.4 3.1 4.2 5 6.3 5.1 < 20

Results
Variables 2.05353869 3.2086542 0 0 0 0
Objective 181.404474

Page 51
 LAB 38-A

Data
DataAnalysis
Analysis Group
Group and
and then
then click
click

n apostrophe first.)

Results
LHS Slack/Surplus
181.404474
48.1939861 11.8060139
70 0
35 0
14.8753209 5.12467913

Page 52
 LAB 38-B

Linear Programming Enter

Enter the
the values
values inin the
the shaded
shaded area.
area. Then
Then go
go to
to the
the DATA
DATATabTab on on the
the ribbon,
ribbon, click
click on
on Solver
Solver in
in the
the Data
DataAnalysis
Analysis Group
Group and
and then
then
SOLVE.
SOLVE.
IfIf SOLVER
SOLVER isis not
not on
on the
the Data
Data Tab
Tab then
then please
please see
see the
the Help
Help file
file (Solver)
(Solver) for
for instructions.
instructions.
Signs
< less than or equal to
= equals (You need to enter an apostrophe first.)
> greater than or equal to

Data
x1 x2 x3 x4 x5 x6
Objective 32.4 35.8 17.75 14.8 18.2 12.35 sign RHS
Constraint 1 10.5 8.3 10.2 7.2 12.3 9.2 < 60
Constraint 2 14.4 12.6 14.2 10.5 10.1 7.8 < 70
Constraint 3 2.2 9.5 5.6 7.5 8.3 6.9 < 35
Constraint 4 2.4 3.1 4.2 5 6.3 5.1 < 20
Constraint 5 1 -1 > 0

Results
Variables 2.05353869 3.2086542 0 0 0 0
Objective 181.404474

Page 53
 LAB 38-B

Data
DataAnalysis
Analysis Group
Group and
and then
then click
click

n apostrophe first.)

Results
LHS Slack/Surplus
181.404474
48.1939861 11.8060139
70 0
35 0
14.8753209 5.12467913
3.2086542 -3.2086542

Page 54
 Lab 46-1

Linear Programming Enter

Enter the
the values
values inin the
the shaded
shaded area.
area. Then
Then go
go to
to the
the DATA
DATATabTab on on the
the ribbon,
ribbon, click
click on
on Solver
Solver in
in the
the Data
DataAnalysis
Analysis Group
Group
SOLVE.
SOLVE.
IfIf SOLVER
SOLVER isis not
not on
on the
the Data
Data Tab
Tab then
then please
please see
see the
the Help
Help file
file (Solver)
(Solver) for
for instructions.
instructions.
Signs
< less than or equal to
= equals (You need to enter an apostrophe fir
> greater than or equal to

Data
X1 X2 X3 X4 X5 X6
Objective 2 2.8 3 2.1 3.2 4.2 sign
Restricciones 1 1 1 >
Restricciones 2 1 1 >
Restricciones 3 1 <
Restricciones 4 1 <
Restricciones 5 1 <
Restricciones 6 1 <
Restricciones 7 2 2 2 -1 -1 -1 >

Results
Variables 550 250 0 620 280 0
Objective

Page 55
 Lab 46-1

k on
on Solver
Solver in
in the
the Data
DataAnalysis
Analysis Group
Group and
and then
then click
click

tions.
tions.

ed to enter an apostrophe first.)

Results
LHS Slack/Surplus
RHS 3998
1500 800 700
1200 900 300
550 550 0
250 250 0
620 620 0
280 280 0
0 700 -700

3998

Page 56
 LAB 54-1

Linear Programming Enter

Enter the
the values
values inin the
the shaded
shaded area.
area. Then
Then go
go to
to the
the DATA
DATATabTab on on the
the ribbon,
ribbon, click
click on
on Solver
Solver in
in the
the Data
DataAnalysis
Analysis Group
Group and
and then
then
SOLVE.
SOLVE.
IfIf SOLVER
SOLVER isis not
not on
on the
the Data
Data Tab
Tab then
then please
please see
see the
the Help
Help file
file (Solver)
(Solver) for
for instructions.
instructions.
Signs
< less than or equal to
= equals (You need to enter an apostrophe first.)
> greater than or equal to

Data Results
X1 X2 X3 X4 LHS
Objective 600 750 1200 100 sign RHS 12475000
Constraint 1 -0.5 1 -0.5 > 0 0
Constraint 2 0 0 0 1< 10000 10000
Constraint 3 1 0 0 0< 5000 4500
Constraint 4 0 1 0 0< 4500 4500
Constraint 5 0 0 1 0< 4500 4500

Results
Variables 4500 4500 4500 10000
Objective 12475000

Page 57
 LAB 54-1

Data
DataAnalysis
Analysis Group
Group and
and then
then click
click

Slack/Surplus

0
0
500
0
0

Page 58
1

Tiempos
Min
21,600
15,000
18,000
54,600

Demanda
Minutos Necesarios
Precio de Venta
 Fuente Compinente 1 Componente 2 Componente 3
Manufactura $ 4.50 $ 5.00 $ 2.75
Compra $ 6.50 $ 8.80 $ 7.00

Depto. Componente 1 Componenet2 Comp. 3

Produccion 2 3 4 9
Ensamble 1 1.5 3 5.5
Empaque 1.5 2 5 8.5
Tota M / pieza 4.5 6.5 12 23

6,000 1,400 3,500 Total

utos Necesarios 27,000.00 9,100 42,000 78,100.00
io de Venta $ 12.00 $ 17.00 $ 13.00

2400
 Horas Dispo. Min
18 360 21,600
11 250 15,000
17 300 18,000
910 54,600

A contratar
23,500.00
 LP_max

Linear Programming Enter

Enter the
the values
values inin the
the shaded
shaded area.
area. Then
Then go
go to
to the
the DATA
DATATabTab on on the
the ribbon,
ribbon, click
click on
on Solver
Solver in
in the
the Data
DataAnalysis
Analysis Group
Group and
and then
then
IfIf SOLVER
SOLVER isis not
not on
on the
the Data
Data Tab
Tab then
then please
please see
see the
the Help
Help file
file (Solver)
(Solver) for
for instructions.
instructions.
Signs
< less than or equal to
= equals (You need to enter an apostrophe first.)
> greater than or equal to

Data
x1 x2 x3 x4 x5 x6
Objective 7.5 12 10.25 5.5 8.2 6 sign
Constraint 1 2 3 4 <
Constraint 2 1 1.5 3 <
Constraint 3 1.5 2 5 <
Constraint 4 1 1 =
Constraint 5 1 1 =
Constraint 6 1 1=

Results
Variables 0 7200 0 27000 1900 42000
Objective

Page 62
 LP_max

k on
on Solver
Solver in
in the
the Data
DataAnalysis
Analysis Group
Group and
and then
then click
click SOLVE.
SOLVE.
tions.
tions.

ed to enter an apostrophe first.)

Results
LHS Slack/Surplus
RHS 502480
21600 21600 0
15000 10800 4200
18000 14400 3600
27000 27000 0
9100 9100 0
42000 42000 0

502,480.00

Page 63
 LP_max (2)

Linear Programming Enter

Enter the
the values
values inin the
the shaded
shaded area.
area. Then
Then go
go to
to the
the DATA
DATATabTab on on the
the ribbon,
ribbon, click
click on
on Solver
Solver in
in the
the Data
DataAnalysis
Analysis Group
Group and
and then
then
SOLVE.
SOLVE.
IfIf SOLVER
SOLVER isis not
not on
on the
the Data
Data Tab
Tab then
then please
please see
see the
the Help
Help file
file (Solver)
(Solver) for
for instructions.
instructions.
Signs
< less than or equal to
= equals (You need to enter an apostrophe first.)
> greater than or equal to

Data
x1 x2 x3 x4 x5 x6
Objective 7.5 12 10.25 5.5 8.2 6 sign RHS
Constraint 1 2 3 4 0 0 0< 21600
Constraint 2 1 1.5 3 0 0 0< 15000
Constraint 3 1.5 2 5 0 0 0< 18000

Results
Variables 0 7200 0 0 0 0
Objective 86400

Page 64
 LP_max (2)

Data
DataAnalysis
Analysis Group
Group and
and then
then click
click

n apostrophe first.)

Results
LHS Slack/Surplus
86400
21600 0
10800 4200
14400 3600

Page 65
 LP_max (3)

Linear Programming Enter

Enter the
the values
values inin the
the shaded
shaded area.
area. Then
Then go
go to
to the
the DATA
DATATabTab on on the
the ribbon,
ribbon, click
click on
on Solver
Solver in
in the
the Data
DataAnalysis
Analysis Group
Group and
and then
then
SOLVE.
SOLVE.
IfIf SOLVER
SOLVER isis not
not on
on the
the Data
Data Tab
Tab then
then please
please see
see the
the Help
Help file
file (Solver)
(Solver) for
for instructions.
instructions.
Signs
< less than or equal to
= equals (You need to enter an apostrophe first.)
> greater than or equal to

Data Results
x1 x2 x3 LHS Slack/Surplus
Objective 7.5 12 10.25 sign RHS 86400
Constraint 1 2 3 4< 21600 21600 0
Constraint 2 1 1.5 3< 15000 10800 4200
Constraint 3 1.5 2 5< 18000 14400 3600

Results
Variables 0 7200 0
Objective 86400

Page 66
 LP_max (3)

Data
DataAnalysis
Analysis Group
Group and
and then
then click
click

ack/Surplus

Page 67
 LP_max (4)

Linear Programming Enter

Enter the
the values
values inin the
the shaded
shaded area.
area. Then
Then go
go to
to the
the DATA
DATATabTab on on the
the ribbon,
ribbon, click
click on
on Solver
Solver in
in the
the Data
DataAnalysis
Analysis Group
Group and
and then
then
SOLVE.
SOLVE.
IfIf SOLVER
SOLVER isis not
not on
on the
the Data
Data Tab
Tab then
then please
please see
see the
the Help
Help file
file (Solver)
(Solver) for
for instructions.
instructions.
Signs
< less than or equal to
= equals (You need to enter an apostrophe first.)
> greater than or equal to

Data Results
x1 x2 x3 LHS Slack/Surplus
Objective 7.5 12 10.25 sign RHS 81000
Constraint 1 2 3 4< 21600 21600 0
Constraint 2 1 1.5 3< 15000 10800 4200
Constraint 3 1.5 2 5< 18000 16200 1800
Constraint 4 1 1 1> 54600 10800 43800
Constraint 5 > 0 0 0
Constraint 6 > 0 0 0

Results
Variables 10800 0 0
Objective 81000

Page 68
 LP_max (4)

Data
DataAnalysis
Analysis Group
Group and
and then
then click
click

ack/Surplus

Page 69
 LP_max (5)

Linear Programming Enter

Enter the
the values
values inin the
the shaded
shaded area.
area. Then
Then go
go to
to the
the DATA
DATATabTab on on the
the ribbon,
ribbon, click
click on
on Solver
Solver in
in the
the Data
DataAnalysis
Analysis Group
Group and
and then
then
SOLVE.
SOLVE.
IfIf SOLVER
SOLVER isis not
not on
on the
the Data
Data Tab
Tab then
then please
please see
see the
the Help
Help file
file (Solver)
(Solver) for
for instructions.
instructions.
Signs
< less than or equal to
= equals (You need to enter an apostrophe first.)
> greater than or equal to

Data
x1 x2 x3 x4 x5 x6
Objective 7.5 12 10.25 5.5 8.2 6 sign RHS
Constraint 1 2 3 4 0 0 0< 21600
Constraint 2 1 1.5 3 0 0 0< 15000
Constraint 3 1.5 2 5 0 0 0< 18000
Constraint 4 1 1 1 1 1 1> 54600

Results
Variables 10800 0 0 43800 0 0
Objective 321900

Page 70
 LP_max (5)

Data
DataAnalysis
Analysis Group
Group and
and then
then click
click

n apostrophe first.)

Results
LHS Slack/Surplus
321900
21600 0
10800 4200
16200 1800
54600 0

Page 71
 LP_max (6)

Linear Programming Enter

Enter the
the values
values inin the
the shaded
shaded area.
area. Then
Then go
go to
to the
the DATA
DATATabTab on on the
the ribbon,
ribbon, click
click on
on Solver
Solver in
in the
the Data
DataAnalysis
Analysis Group
Group and
and then
then
SOLVE.
SOLVE.
IfIf SOLVER
SOLVER isis not
not on
on the
the Data
Data Tab
Tab then
then please
please see
see the
the Help
Help file
file (Solver)
(Solver) for
for instructions.
instructions.
Signs
< less than or equal to
= equals (You need to enter an apostrophe first.)
> greater than or equal to

Data Results
x1 x2 x3 LHS Slack/Surplus
Objective 7.5 12 10.25 sign RHS 0
Constraint 1 2 3 4< 0 0
Constraint 2 1 1.5 3< 0 0
Constraint 3 1.5 2 5< 0 0
Constraint 4 1 1 1< 0 0
Constraint 5 < 0 0
Constraint 6 < 0 0

Results
Variables
Objective 0

Page 72
 LP_max (6)

Data
DataAnalysis
Analysis Group
Group and
and then
then click
click

ack/Surplus

Page 73
 LP_max (7)

Linear Programming Enter

Enter the
the values
values inin the
the shaded
shaded area.
area. Then
Then go
go to
to the
the DATA
DATATabTab on on the
the ribbon,
ribbon, click
click on
on Solver
Solver in
in the
the Data
DataAnalysis
Analysis Group
Group and
and then
then
SOLVE.
SOLVE.
IfIf SOLVER
SOLVER isis not
not on
on the
the Data
Data Tab
Tab then
then please
please see
see the
the Help
Help file
file (Solver)
(Solver) for
for instructions.
instructions.
Signs
< less than or equal to
= equals (You need to enter an apostrophe first.)
> greater than or equal to

Data Results
x1 x2 x3 LHS Slack/Surplus
Objective 7.5 12 10.25 sign RHS 86400
Constraint 1 2 3 4< 21600 21600 0
Constraint 2 1 1.5 3< 15000 10800 4200
Constraint 3 1.5 2 5< 18000 14400 3600
Constraint 4 1 1 1< 54600 7200 47400

Results
Variables 0 7200 0
Objective 86400

Page 74
 LP_max (7)

Data
DataAnalysis
Analysis Group
Group and
and then
then click
click

ack/Surplus

Page 75