INVESTIGACIÓN DE OPERACIONES I

“Año de la lucha contra la corrupción y la

impunidad”

UNIVERSIDAD NACIONAL DE TRUJILLO

FACULTAD DE INGENIERÍA
ESCUELA DE INGENIERÍA DE SISTEMAS

EJERCICIOS DE PROGRAMACIÓN DE
METAS

CURSO : INVESTIGACION DE OPERACIONES I

DOCENTE : Mg. BACA LOPEZ, MARCOS GREGORIO

ALUMNOS :

 Castillo Campos, Johnny Stuar

 Garcia Horna, Francisco Alejandro
 Gutierrez de La cruz, Cintia Lisbet
 Ibáñez Ibáñez, Matiás
 Lujan Carranza, Michael Alexander

TRUJILLO – PERÚ

2019
Ingeniería de Sistemas Página 1
 INVESTIGACIÓN DE OPERACIONES I

EJERCICIO 1

En una industria panadera se quiere introducir la elaboración de dos nuevos

tipos de pan: integral y de centeno, ya que se tiene asegurada la venta de su
producción. Estos panes se elaboran principalmente a base de tres
ingredientes: salvado integral, harina de trigo y harina de centeno. Para
elaborar 1 kg de pan integral se necesitan 350 g de salvado integral y 150 g
de harina de trigo y para la elaboración de 1 kg de pan de centeno se necesitan
se necesitan 250 g de harina de trigo y 250 g de harina de centeno. La
disponibilidad diaria de salvado integral es de 210 kg, 115 kg de harina de
trigo y 100 kg de harina de centeno. El beneficio que deja cada kg de pan
integral es de 0.40 € y 0.60 € cada kg de pan de centeno. Calcular la
elaboración diaria de pan integral y de centeno, si se han puesto las siguientes
metas por orden de prioridad:

 Prioridad 1. Se desea obtener un beneficio de al menos 240 € diarios.

 Prioridad 2. Se desea que la cantidad elaborada diariamente de pan
integral sea al menos el doble que la de centeno.
 Prioridad 3. Se desea que la cantidad elaborada diariamente de pan de
centeno no sea inferior a 300 kg.
¿Qué metas de las propuestas se han cumplido?
Solución:

Definimos las variables de decisión siguientes:

𝑥1 = 𝑘𝑔 𝑑𝑒 𝑝𝑎𝑛 𝑖𝑛𝑡𝑒𝑔𝑟𝑎𝑙 𝑒𝑙𝑎𝑏𝑜𝑟𝑎𝑑𝑜 𝑑𝑖𝑎𝑟𝑖𝑎𝑚𝑒𝑛𝑡𝑒

𝑥2 = 𝑘𝑔 𝑑𝑒 𝑝𝑎𝑛 𝑑𝑒 𝑐𝑒𝑛𝑡𝑒𝑛𝑜 𝑒𝑙𝑎𝑏𝑜𝑟𝑎𝑑𝑜 𝑑𝑖𝑎𝑟𝑖𝑎𝑚𝑒𝑛𝑡𝑒

La modelización queda como sigue:

0.35 ∗ 𝑥1 <= 210

0.25 ∗ 𝑥2 <= 100

0.15 ∗ 𝑥1 + 0.25 ∗ 𝑥2 <= 115

0.4 ∗ 𝑥1 + 0.6 ∗ 𝑥2 − 𝑒1 + 𝒇𝟏 = 240

𝑥1 − 𝑒2 + 𝒇𝟐 = 2 ∗ 𝑥2

𝑥2 − 𝑒3 + 𝒇𝟑 = 300

𝑥1 >= 0 𝑥2 >= 0

Ingeniería de Sistemas Página 2

 INVESTIGACIÓN DE OPERACIONES I

𝑒𝑖 >= 0, 𝑓𝑖 >= 0 𝑖 = 1,2,3

Objetivo:

𝑀𝑖𝑛 = 3 ∗ 𝑓1 + 2 ∗ 𝑓2 + 𝑓3

En Lingo:

La solución óptima consiste en elaborar diariamente 418.182 𝑘𝑔 de pan

integral y 209.091𝑘𝑔 de pan de centeno. El beneficio diario es
292.73€ (𝑒1 = 52.72727, 𝑓1 = 0) la producción de pan integral es
exactamente el doble que la producción de pan de centeno (𝑒2 = 0, 𝑓2 = 0)
y la producción de este último es aproximadamente 209𝑘𝑔 diarios (𝑒3 =
0, 𝑓3 = 90.90909). Se cumplen, por lo tanto, la 1ª y la 2ª meta y no la 3ª.

EJERCICIO 2
Ingeniería de Sistemas Página 3
 INVESTIGACIÓN DE OPERACIONES I

(Render, Ralph M.Stair, & Hanna, 2012), pag.408.

Una revisión a la compañía Harrison Electric:

Para ilustrar la formulación de un problema de programación por metas,

regresaremos al caso de la compañía Harrison Electric, que se presentó antes
en este capítulo como un problema de programación entera. La formulación
en PL de ese problema, si recuerda, es:

Maximizar la utilidad = $7𝑋1 + $6𝑋2

sujeta a 2𝑋1 + 3𝑋2 ≤ 12 (horas de cableado)

6𝑋1 + 5𝑋2 ≤ 30 (horas de ensamble)

𝑋1 , 𝑋2 ≥ 0

Donde:

𝑋1 = número de candelabros fabricados.

𝑋2 = número de ventiladores de techo fabricados.

Vimos que si la gerencia de Harrison tenía un solo objetivo, por ejemplo las
utilidades, se podía utilizar PL para encontrar la solución óptima. Sin
embargo, suponga que la firma se va a mudar a otro lugar durante cierto
periodo de producción y considera que la maximización de las utilidades no
es una meta realista. La gerencia establece que un nivel de utilidades de $30
sería satisfactorio durante el periodo de ajuste. Ahora se tiene un problema
de programación por metas, en el cual se desea encontrar la mezcla de
producción que alcance esta meta tan cerca como sea posible, dadas las
restricciones de tiempo de producción. Este caso sencillo es un buen punto
de inicio para enfrentar programas con metas más complicados.

Primero se definen dos variables de desviación:

𝐹1 = resultado por debajo del objetivo de utilidad.

𝐸1 = resultado por arriba del objetivo de utilidad.

Ahora se establece el problema de Harrison Electric como un modelo

de programación de una sola meta:

Ingeniería de Sistemas Página 4

 INVESTIGACIÓN DE OPERACIONES I

Minimizar el resultado por debajo o por arriba del objetivo de utilidad

= 𝐹1 + 𝐸1

Sujeto a $7𝑋1 + $6𝑋2 + 𝐹1 − 𝐸1 = $30 (restricción de meta de

utilidad)

2𝑋1 + 3𝑋2 ≤ 12 (restricción de horas de

cableado)

6𝑋1 + 5𝑋2 ≤ 30 (restricción de horas de

ensamble)

𝑋1 , 𝑋2 , 𝐹1 , 𝐸1 ≥0

Observe que la primera restricción establece que la utilidad obtenida, $7𝑋1 +

$6𝑋2 , más cualquier resultado por debajo de la utilidad esperada menos
cualquier resultado por arriba de la utilidad esperada, tiene que ser igual al
objetivo de $30. Por ejemplo, si 𝑋1 = 3 candelabros y 𝑋2 = 2 ventiladores
de techo, entonces se obtiene una utilidad de $33 que excede los $30 en $3,
de modo que 𝐸1 debe ser igual a 3. Puesto que se superó la restricción de la
meta de utilidades, Harrison no logró un resultado menor a lo esperado y
𝐹1 claramente será igual a cero. Este problema ya está listo para ser resuelto
mediante un algoritmo de programación por metas.

Si la utilidad objetivo de $30 se logra con exactitud, vemos que tanto 𝐸1

como 𝐹1 son iguales a cero. La función objetivo también se minimizará a
cero. Si a la gerencia de Harrison le preocupara tan solo el resultado por
debajo de lo esperado de la meta buscada, ¿cómo cambiaría la función
objetivo? Sería como sigue: minimice el resultado por debajo de los esperado
= 𝐹1 . Esta también es una meta razonable puesto que probablemente a la
firma no le molestaría un resultado por arriba de lo esperado en el logro de
su objetivo.

En general, una vez que se identifican todas las metas y restricciones en un

problema, la gerencia debería analizar cada meta para saber si el resultado
por abajo o por arriba de lo esperado en esa meta es una situación aceptable.
Si el resultado excedente en el logro es aceptable, la variable 𝐸 adecuada se
puede eliminar de la función objetivo. Si es aceptable el resultado por debajo
de lo esperado, la variable 𝐹 debería eliminarse. Si la gerencia busca alcanzar

Ingeniería de Sistemas Página 5

 INVESTIGACIÓN DE OPERACIONES I

una meta con exactitud, tanto 𝐹como 𝐸 tienen que aparecer en la función
objetivo.

Extensión a metas múltiples igualmente importantes:

Ahora veamos la situación en que la gerencia de Harrison busca alcanzar

varias metas, cada una con igual prioridad.

Meta 1: generar una utilidad de $30 si es posible durante el periodo de

producción

Meta 2: utilizar por completo las horas disponibles en el departamento de

cableado

Meta 3: evitar el tiempo extra en el departamento de ensamble

Meta 4: satisfacer el requisito contractual de fabricar por lo menos siete

ventiladores de techo

Las variables de desviación se definen como:

𝐹1 = resultado por debajo de la utilidad objetivo

𝐸1 = resultado por arriba de la utilidad objetivo

𝐹2 = tiempo ocioso del departamento de cableado (subutilización)

𝐸2 = tiempo extra del departamento de cableado (sobreutilización)

𝐹3 = tiempo ocioso del departamento de ensamble (subutilización)

𝐸3 = tiempo extra del departamento de ensamble (sobreutilización)

𝐹4 = resultado por debajo de la meta de ventiladores de techo

𝐸4 = resultado por arriba de la meta de ventiladores de techo

A la gerencia no le preocupan que el resultado esté por arriba de la meta de

utilidad, el tiempo extra del departamento de cableado, el tiempo ocioso del
departamento de ensamble, o que se fabriquen más de siete ventiladores de
techo: por lo tanto, 𝐸1 , 𝐸2 , 𝐹3 𝑦 𝐸4 se pueden omitir de la función objetivo.
La nueva función objetivo y las restricciones son:

Ingeniería de Sistemas Página 6

 INVESTIGACIÓN DE OPERACIONES I

Minimizar la desviación total = 𝐹1 + 𝐹2 + 𝐸3 + 𝐹4

Sujeto a 7𝑋1 + 6𝑋2 + 𝐹1 − 𝐸1 = 30 (restricción de meta de

utilidad)

2𝑋1 + 3𝑋2 + 𝐹2 − 𝐸2 = 12 (restricción de horas de

cableado)

6𝑋1 + 5𝑋2 + 𝐹3 − 𝐸3 = 30 (restricción de ensamble)

𝑋2 + 𝐹4 − 𝐸4 = 7 (restricción de ventiladores
de techo)

𝑋𝑖 , 𝐹𝑖 , 𝐸𝑖 ≥0

EJERCICIO 3

MTV Steel Company produce tres tamaños de tubos: A, B y C, que son

vendidos, respectivamente en $10, $12 y $9 por pie. Para fabricar cada pie
del tubo A se requieren 0.5 minutos del tiempo del procesamiento sobre un
tipo particular de máquina de modelado. Cada pie del tubo B requiere 0.45
minutos y cada pie del tubo C requiere 0.6 minutos. Después de la
producción, cada pie de tubo, sin importar el tipo, requiere de 1 onza de
material de soldar. El costo se estima en $3, $4 y $4 por pie de los tubos A,
Ingeniería de Sistemas Página 7
 INVESTIGACIÓN DE OPERACIONES I

B y C respectivamente. Para la siguiente semana, MTV Steel ha recibido

pedidos excepcionalmente grandes que totalizan 2000 pies del tubo A,
Autor: pies del tubo B y 5000 pies del tubo C. como solo se 4000 Natasha
Sánchez disponen de 40 horas de tiempo de maquina esta semana y solo se
tienen en inventario 5500 de onzas de material de soldar, el departamento de
producción no podrá satisfacer esta demanda, que requiere un total de 97
horas de tiempo de maquina y 11000 onzas de material de soldar.

No se espera que continúe este alto nivel de demanda. En vez de expandir la

capacidad de las instalaciones de producción, la gerencia de MTV Steel está
considerando la compra de algunos de estos tubos a por-veedores de Japón a
un costo de entrega de $6 por pie del tubo A, $6 por pie del tubo B y $7 por
pie del tubo C. Supóngase que la compañía se ha establecido una meta de
ganancia de $55.000 y desea que los costos de importación no superen los
$40.000.

Formule este modelo como un problema de metas, sabiendo que la meta de

ganancia es dos veces más importante que la meta de costos de importación

Tipo Precio de Demanda(ft) Tipo de Material Costo de Costo de

venta(S/ft) maquina para producción(S/ft) compra(S/ft)
(min/ft) soldar(oz/ft)

A 10 2000 0.50 1 3 6
B 12 4000 0.45 1 4 6
C 9 5000 0.60 1 4 7
Cantidad disponible 40hr 5500 oz

Solución:

• Identificación de las variables:

AP = número de pies de Tubo A por producir

BP = número de pies de Tubo B por producir.

CP = número de pies de Tubo C por producir.

AJ = número de pies de Tubo A por comprar a Japón.

BJ = número de pies de Tubo B por comprar a Japón.

Ingeniería de Sistemas Página 8
 INVESTIGACIÓN DE OPERACIONES I

CJ = número de pies de Tubo C por comprar a Japón.

• Variables de decisión.

e1 = cantidad de dólares en que se excede la ganancia de la meta de

$55000 f1 = cantidad de dólares que faltan para la ganancia meta de
$55000

e2 = cantidad de dólares en que las importaciones exceden la meta de

$40000

f2 = cantidad de dólares que faltan para que las importaciones alcancen

la meta de $40000.

• Identificación de la Función Objetivo Minimizar

Min= 2f1 + e2

Restricciones de Demanda

AP + AJ = 2000 (demanda Tipo A)

BP + BJ = 4000 (demanda Tipo B)

CP + CJ = 5000 (demanda Tipo C)

Restricciones de Recursos

0.5AP + 0.45BP + 0.6CP ≤ 2400 (tiempo de maquina)

AP + BP + CP ≤ 5500 (material de soldadura)

Restricciones de Metas

7AP + 8BP + 5CP + 4AJ + 6BJ + 2CJ – e1 + f1 = 55000 (meta de

ganancia) 6AJ + 6BJ + 7CJ – e2 + f2 = 40000 (meta de importación)

Restricciones Lógicas

AP, BP, CP, AJ, BJ, CJ, P+, P-, I+, I- ≥ 0

Lingo:

Ingeniería de Sistemas Página 9

 INVESTIGACIÓN DE OPERACIONES I

La solucion optima consiste en $ 1888.889

EJERCICIO 4

Una empresa emplea dos procesos de producción diferentes para producir un

producto. En cada uno de los procesos se precisa utilizar tres máquinas M1,
M2 y M3. Para fabricar una unidad de producto según el proceso productivo
64 elegido se necesita usar en cada una de las máquinas las horas indicadas
en la siguiente tabla:

Ingeniería de Sistemas Página 10

 INVESTIGACIÓN DE OPERACIONES I

Proceso 1 Proceso 2
M1 1 3
M2 4 2
M3 3 4

Por una unidad de producto fabricado con el proceso 1 se obtienen 55 euros

y con el proceso 2 se obtienen 75 euros. El coste de una hora de máquina es
de 5 euros. Cada máquina está disponible 60 horas. La empresa propone las
siguientes metas por orden de prioridad:

 Prioridad 1. Obtener un beneficio de al menos 300 euros.

 Prioridad 2. El número de horas trabajadas en las máquinas M1 y M2
coincidan.

 Prioridad 3. El número de horas trabajadas en la máquina M3 no sea

superior a 2 veces el número de horas trabajadas en la máquina M1.
Modelizar, utilizando programación lineal, el problema de calcular las
unidades óptimas que deben asignarse a cada proceso productivo. Resolver
el problema relajado asociado.
Solución:

Definimos las variables de decisión siguientes:

𝑥1 = 𝑢𝑛𝑖𝑑𝑎𝑑𝑒𝑠 𝑝𝑟𝑜𝑑𝑢𝑐𝑖𝑑𝑎𝑠 𝑐𝑜𝑛 𝑒𝑙 𝑝𝑟𝑜𝑐𝑒𝑠𝑜 1 𝑎 𝑙𝑎 ℎ𝑜𝑟𝑎

𝑥2 = 𝑢𝑛𝑖𝑑𝑎𝑑𝑒𝑠 𝑝𝑟𝑜𝑑𝑢𝑐𝑖𝑑𝑎𝑠 𝑐𝑜𝑛 𝑒𝑙 𝑝𝑟𝑜𝑐𝑒𝑠𝑜 2 𝑎 𝑙𝑎 ℎ𝑜𝑟𝑎

La modelización del problema relajado queda como sigue:

𝑥1 + 3𝑥2 ≤ 60

4𝑥1 + 2𝑥2 <= 60

3𝑥1 + 4𝑥2 <= 60

15𝑥1 + 30𝑥2 − 𝑒1 + 𝒇𝟏 = 300

𝑥1 + 3𝑥2 − (4𝑥1 + 2𝑥2) − 𝒆𝟐 + 𝒇𝟐 = 0

3𝑥1 + 4𝑥2 − 2(𝑥1 + 3𝑥2) − 𝒆𝟑 + 𝑓3 = 0

Ingeniería de Sistemas Página 11

 INVESTIGACIÓN DE OPERACIONES I

𝑥1 >= 0 𝑥2 >= 0

𝑒𝑖 >= 0, 𝑓𝑖 >= 0 𝑖 = 1,2,3

Objetivo:

𝑀𝑖𝑛 = 3 ∗ 𝑓1 + 2 ∗ 𝑓2 + 2 ∗ 𝑒2 + 𝑒3

En Lingo:

La solución óptima (x1, x2) del problema relajado, es decir el número

óptimo de unidades producida con los procesos 1 y 2, se encuentra en
cualquier combinación lineal de las siguientes soluciones factibles:
(2.857,8.571), (4,12).

Ingeniería de Sistemas Página 12

 INVESTIGACIÓN DE OPERACIONES I

EJERCICIO 4

Una compañía química produce cuatro productos químicos diferentes (1 y 2). Por
cada hora que se realiza el proceso 1 esta entrega 400kg de A. 100kg de B y 100kg
de C. el proceso 2 entrega 100kg de A. 100kg de B y 100 kg de D por hora. El
departamento de marketing de la compañía ha especificado que la producción
diaria debe ser no más de 500kg de B y 300kg de C y al menos 800kg de A y 100kg
de D. una corrida del proceso 1 tiene un costo de 500 bs/hr. Y una corrida del
Proceso 2 tiene un costo de 100Bs/hr. Suponga que un kg de cada químico A, B,
C se pueden vender en 1, 5, 5 y 4 Bs, respectivamente y que las ventas del proceso
1 es de 1400Bsf/hr y 1000 Bs/hr, así como también las ganancias del proceso 1 son
de 900 y del proceso 2 900bs. Formule un modelo de Programación lineal para
alcanzar las siguientes metas: Que los costos se encuentren por debajo de
30.000Bs, que las ventas aumenten 100.000Bs y que las ganancias aumenten a
200.000Bs

SOLUCIÓN:

• Primero se deben organizar los datos del ejercicio en una tabla para visualizarlos
mejor

• Luego se deben definir las variables a utilizar.

T1= Tiempo de producción del proceso 1 (hr)

T2=Tiempo de producción del proceso 2 (hr)

• Se coloca la Función Objetivo (F.O):

Minimizar Z1=500 T1+100 T2 Costos

Maximizar Z2=1400 T1+1000 T2 Ventas

Maximizar Z3=900 T1+900 T2 Ganancias

Ingeniería de Sistemas Página 13

 INVESTIGACIÓN DE OPERACIONES I

RESTRICCIONES:

400 T1+100 T2>=800

100 T1+100 T2<=500

100 T2<=300

100 T1 >=100

• Seguidamente se realiza una tabla con las metas.

Después que se realiza la tabla se seleccionan las variables que sobrepasan la meta
o las variables que representa la cantidad que falta para alcanzar la meta, para
entonces analizarlas. En este caso las variables son las que están dentro del
recuadro rojo, ya que X2 sobrepasa la meta de los costos, X3 está por debajo de la
meta planteada de ventas al igual que X5 por la parte de ganancias.

RAZONAMIENTO:

• Se eliminan las funciones objetivas, pero debo tener 1, para eso necesito
minimizar las violaciones por lo que penalizo las variables que no me convengan.

500 T1+100 T2+ X1- X2= 30.000 Para los costos

1400 T1+1000 T2 + X3- X4= 100.000 Para las Ventas

900 T1+900 T2+ X5- X6= 200.000 Para las ganancias

• Finalmente consigo mi Función Objetivo:

Minimizar Z4= X2+ X3+ X5

Ingeniería de Sistemas Página 14

 INVESTIGACIÓN DE OPERACIONES I

Bibliografía
Belén Castro Íñigo, H. D. (2011). EJERCICIOS RESUELTOS DE INVESTIGACION OPERATIVA.
BILBAO: Servicio Editorial de la Universidad del País Vasco. Recuperado el 15 de 09 de
2019

Romero (2002). Programación por metas: Pasado, presente y futuro. Universidad

Politécnica de Madrid.

miranda, F. d. (s.f.). Porgramacion por metas. Obtenido de Investigacion de operaciones:

https://juanlugomarin.files.wordpress.com/2011/06/modulo-tema-2-programacion-
de-metas.pdf

Render, B., Ralph M.Stair, J., & Hanna, M. E. (2012). Métodos cuantitativos para negocios.
(Undécima edición ed.). México: Pearson Educación.

Ingeniería de Sistemas Página 15