CASOS DE ESTUDIO PROGRAMACION LINEAL

Max Israel Bacuilima Crespo

August 2021

1. CASO 1: SELECCIÓN DEL MEDIO DE COMUNICACIÓN

1.1. ENUNCIADO DEL PROBLEMA
Una empresa de metalurgia lanza un nuevo producto y quiere publicitarlo en medios. Cuenta
con un presupuesto de $ 8000 mensuales para publicidad. El dinero se puede utilizar en cuatro
medios: TV, periódicos, y dos tipos de anuncios radiales. La siguiente tabla resume las carac-
terı́sticas de cada anuncio

Figura 1: Tabla datos 1.

Obligaciones contractuales requieren al menos 5 anuncios de radio, pero la empresa no quiere

destinar más de $1800 en radio.
¿Cuánto se debe asignar a cada medio, para maximizar la audiencia?

1.2. VARIABLES DE DECISIÓN

X1 = Cantidad de anuncios de TV semanales
X2 = Cantidad de anuncios en periódicos semanales.
X3 = Cantidad de anuncios de radio de 30 segundos semanales.
X4 = Cantidad de anuncios de radio de 1 minuto semanales.

1.3. MODELO MATEMÁTICO

F.O : M aximizar la Audiencia = 5000X1 + 8500X2 + 2400X3 + 2800X4

S.A :
X1 ≤ 12 Anuncios máximos por semana en TV.
X2 ≤ 5 Anuncios máximos por semana en periódico.
X3 ≤ 25 Anuncios máximos de 30 segundos en radio.
X4 ≤ 20 Anuncios máximos de 1 minuto en radio.
800X1 + 925X2 + 290X3 + 380X4 ≤ 2000 Presupuesto de publicidad.
X3 + X4 ≥ 5 Mı́nimo de anuncios contratados por radio.
290X3 + 380X4 ≤ 1800 Gasto máximo de dólares en radio.
X1 , X2 , X3 , X4 ≥ 0

1
 1.4. CÓDIGO DE SOLUCIÓN
1 #I n s t a l a r l a l i b r e r i a s : Rglpk , l p S o l v e , l i n p r o g
2 #i n s t a l l . p a c k a g e s ( ” Rglpk ” )
3 #i n s t a l l . p a c k a g e s ( ” l p S o l v e ” )
4 #i n s t a l l . p a c k a g e s ( ” l i n p r o g ” )
5
6 l i b r a r y ( l i n p r o g ) #c a r g o l a l i b r e r i a
7 f o = c ( 5 0 0 0 , 8 5 0 0 , 2 4 0 0 , 2 8 0 0 ) #f u n c i o n o b j e t i v o
8 r e s t = matrix ( c ( 1 , 0 , 0 , 0 , 8 0 0 , 0 , 0 , 0 , 1 , 0 , 0 , 9 2 5 , 0 , 0 , 0 , 0 , 1 , 0 , 2 9 0 , 1 , 2 9 0 , 0 , 0 , 0 , 1 , 3 8 0 , 1 , 3 8 0 ) , ncol
=4) #r e s t r i c c i o n e s ( n c o l i n d i c a e l numero de v a r i a b l e s a u s a r )
9 s o l = c ( 1 2 , 5 , 2 5 , 2 0 , 2 0 0 0 , 5 , 1 8 0 0 ) #s o l u c i o n e s de l a s r e s t r i c c i o n e s ( l a s r e s t r i c c i o n e s de no
negatividad vienen i m p l i c i t a s )
10 #d i r = r e p ( ’ <= ’ ,2) #d i r e c c i o n de l a s r e s t r i c c i o n e s ( t o d a s menores que ) , e l numero t r e s i n d i c a
que t e n g o t r e s r e s t r i c c i o n e s .
11 d i r = ( c o n s t . d i r = c ( ”<=” , ”<=” , ”<=” , ”<=” , ”<=” , ”>=” , ”<=” ) ) #d i r e c c i o n de l a s r e s t r i c c i o n e s
12 s o l o p t = s o l ve L P ( f o , s o l , r e s t , maximum = TRUE, d i r , v e r b o s e = 4 ) #s o l u c i o n d e l problema
13 summary ( s o l o p t ) #resumen de l o s r e s u l t a d o s

1.5. SOLUCIÓN
X1 = 0 Cantidad de anuncios de TV semanales
X2 = 0,59 Cantidad de anuncios en periódicos semanales.
X3 = 5 Cantidad de anuncios de radio de 30 segundos semanales.
X4 = 0 Cantidad de anuncios de radio de 1 minuto semanales.

1.6. CONCLUSIÓN
Una vez ejecutado el comando de solución, se tiene que la mejor manera de maximizar el impacto de la
publicidad en la audiencia es realizando 0.59 anuncios en periódicos y 5 anuncios de radio de 30 segundos
semanales, de esta manera se utilizarı́a de mejor manera los recursos llegando a tener una maximización en la
audiencia; sin embargo esta es la propuesta matemática pero en la vida real es imposible hacer 0.59 anuncios
en periódicos por lo que la propuesta a la gerencia es realizar un anuncio quincenal en periódico y 1 anuncio
semanal en la radio por tres semanas y dos en la semana final de esta manera se utilizar los recursos disponibles
de forma óptima.

2. CASO 2: ELABORACIÓN DE PRODUCTOS

2.1. ENUNCIADO DEL PROBLEMA
Una empresa de telecomunicaciones, desea conocer la percepción de la población acerca de su
nuevo servicio de internet de banda ancha El estudio debe garantizar las siguientes condiciones
Se debe encuestar al menos 2300 individuos

De estos al menos 1000 deben ser menores de 30 años

Al menos 600 deben tener entre 31 y 50 años
Al menos 15 de los encuestados deber vivir en el sector urbano
Asegúrese de que no más del 20 de los encuestados que tienen 51 años o más, vivan en un
sector urbano
Los costos de la encuesta por individuo se resumen en la siguiente tabla:

Figura 2: Tabla datos 2.

2
 2.2. VARIABLES DE DECISIÓN
X1 = Número de encuestados que tienen 30 años o menos y viven en un sector urbano.
X2 = Número de encuestados que tienen 31 50 años y viven en un sector urbano.
X3 = Número de encuestados que tienen 51 años o mas y en un sector urbano.
X4 = Número de encuestados que tienen 30 años o menos y viven en un sector rural.
X5 = Número de encuestados que tienen 31 50 años y viven en un sector rural.
X6 = Número de encuestados que tienen 51 años o mas y en un sector rural.

2.3. MODELO MATEMÁTICO

F.O : M inimizar los Costes = $7,50X1 + $6,80X2 + $5,50X3 + $6,90X4 + $7,25X5 + $6,1X6

S.A :
X1 + X2 + X3 + X4 + X5 + X6 ≥ 2300 Mı́nimo de encuestados.
X1 + X4 ≥ 1000 1000 encuestados menores de 30 años.
X2 + X5 ≥ 600 600 encuestados entre 31-50 años.
X1 + X2 + X3 ≥ 0,15 (X1 + X2 + X3 + X4 + X5 + X6 ) 15 % sector urbano.
X3 ≤ 0,2 (X3 + X6 ) 20 % mayores de 51 y viven en sector urbano.
X1 , X2 , X3 , X4 , X5 , X6 ≥ 0

2.4. CÓDIGO DE SOLUCIÓN

1 #I n s t a l a r l a l i b r e r i a s : Rglpk , l p S o l v e , l i n p r o g
2 #i n s t a l l . p a c k a g e s ( ” Rglpk ” )
3 #i n s t a l l . p a c k a g e s ( ” l p S o l v e ” )
4 #i n s t a l l . p a c k a g e s ( ” l i n p r o g ” )
5
6 l i b r a r y ( l i n p r o g ) #c a r g o l a l i b r e r i a
7 f o = c ( 7 . 5 , 6 . 8 , 5 . 5 , 6 . 9 , 7 . 2 5 , 6 . 1 ) #f u n c i o n o b j e t i v o
8 r e s t = matrix ( c
(1 ,1 ,0 ,0.85 ,0 ,1 ,0 ,1 ,0.85 ,0 ,1 ,0 ,0 ,0.85 ,0.8 ,1 ,1 ,0 , −0.15 ,0 ,1 ,0 ,1 , −0.15 ,0 ,1 ,0 ,0 , −0.15 , −0.2) ,
n c o l =6) #r e s t r i c c i o n e s ( n c o l i n d i c a e l numero de v a r i a b l e s a u s a r )
9 s o l = c ( 2 3 0 0 , 1 0 0 0 , 6 0 0 , 0 , 0 ) #s o l u c i o n e s de l a s r e s t r i c c i o n e s ( l a s r e s t r i c c i o n e s de no
negatividad vienen i m p l i c i t a s )
10 #d i r = r e p ( ’ <= ’ ,2) #d i r e c c i o n de l a s r e s t r i c c i o n e s ( t o d a s menores que ) , e l numero t r e s i n d i c a
que t e n g o t r e s r e s t r i c c i o n e s .
11 d i r = ( c o n s t . d i r = c ( ”>=” , ”>=” , ”>=” , ”>=” , ”<=” ) ) #d i r e c c i o n de l a s r e s t r i c c i o n e s
12 s o l o p t = s o l ve L P ( f o , s o l , r e s t , maximum = FALSE, d i r , v e r b o s e = 4 ) #s o l u c i o n d e l problema
13 summary ( s o l o p t ) #resumen de l o s r e s u l t a d o s
14 p r i n t ( summary ( s o l o p t ) )

2.5. SOLUCIÓN

Figura 3: Tabla de solución 1.

2.6. CONCLUSIÓN
En este caso, lo que se busca es optimizar los costos de realizar una encuesta de satisfacción del nuevo
servicio de banda ancha de una empresa proveedora de internet, sin embargo es importante optimizar los costos
de ejecutar la misma y con una configuración especial, para que la información obtenida sea de relevancia para
la empresa, razón por la cual se plantearon las restricciones en función del segmento que mas información aporte
a la encuesta y se modelo la función objetivo para minimizar los costos de la empresa, se obtuvo que se deben
realizar 1000 encuestas en el sector rural a gente menor de 30 años, 600 encuestas en el sector urbano a personas

3
entre 31 y 50 años y finalmente 140 encuestas en el sector urbano y 560 encuestas en el sector rural a las personas
mayores de 51 años; con esta configuración de encuestas se reducirá los costos de ejecutarla.

3. CASO 3: APLICACIONES FINANCIERAS.

3.1. ENUNCIADO DEL PROBLEMA
Una empresa petrolera dispone de 5 millones para invertir, bajo las siguientes especificaciones

Figura 4: Tabla datos 3.

La dirección especifica que al menos 55 de los fondos se inviertan en préstamos de construcción

y acciones en oro, y que no menos del 15 se invierta en créditos comerciales ¿Cuál debe ser el
portafolio de inversiones que maximice el retorno?

3.2. VARIABLES DE DECISIÓN

X1 = Dólares invertidos en créditos comerciales.
X2 = Dólares invertidos en bonos corporativos.
X3 = Dólares invertidos en acciones en oro.
X4 = Dólares invertidos en préstamos de construcción.

3.3. MODELO MATEMÁTICO

F.O : M aximizar Interés = 0,07X1 + 0,11X2 + 0,19X3 + 0,15X4

S.A :
X1 ≤ 1000000
X2 ≤ 2500000
X3 ≤ 1500000
X4 ≤ 1800000
X3 + X4 ≥ 0,55 (X1 + X2 + X3 + X4 )
X1 ≥ 0,15 (X1 + X2 + X3 + X4 )
X1 + X2 + X3 + X4 ≤ 5000000
X1 , X2 , X3 , X4 ≥ 0

4
 3.4. CÓDIGO DE SOLUCIÓN
1 #I n s t a l a r l a l i b r e r i a s : Rglpk , l p S o l v e , l i n p r o g
2 #i n s t a l l . p a c k a g e s ( ” Rglpk ” )
3 #i n s t a l l . p a c k a g e s ( ” l p S o l v e ” )
4 #i n s t a l l . p a c k a g e s ( ” l i n p r o g ” )
5
6 l i b r a r y ( l i n p r o g ) #c a r g o l a l i b r e r i a
7 f o = c ( 0 . 0 7 , 0 . 1 1 , 0 . 1 9 , 0 . 1 5 ) #f u n c i o n o b j e t i v o
8 r e s t = matrix ( c
(1 ,0 ,0 ,0 ,0 ,1 ,0 ,0 ,0 ,0 ,1 ,0 ,0 ,0 ,0 ,1 , −0.55 , −0.55 ,0.45 ,0.45 ,0.85 , −0.15 , −0.15 , −0.15 ,1 ,1 ,1 ,1) ,
nrow =7 , byrow = TRUE) #r e s t r i c c i o n e s ( n c o l i n d i c a e l numero de v a r i a b l e s a u s a r )
9 s o l = c ( 1 , 2 . 5 , 1 . 5 , 1 . 8 , 0 , 0 , 5 ) #s o l u c i o n e s de l a s r e s t r i c c i o n e s ( l a s r e s t r i c c i o n e s de no
negatividad vienen i m p l i c i t a s )
10 #d i r = r e p ( ’ <= ’ ,2) #d i r e c c i o n de l a s r e s t r i c c i o n e s ( t o d a s menores que ) , e l numero t r e s i n d i c a
que t e n g o t r e s r e s t r i c c i o n e s .
11 d i r = ( c o n s t . d i r = c ( ”<=” , ”<=” , ”<=” , ”<=” , ”>=” , ”>=” , ”<=” ) ) #d i r e c c i o n de l a s r e s t r i c c i o n e s
12 s o l o p t = s o l ve L P ( f o , s o l , r e s t , maximum = TRUE, d i r , v e r b o s e = 4 ) #s o l u c i o n d e l problema
13 p r i n t ( summary ( s o l o p t ) ) #resumen de l o s r e s u l t a d o s

3.5. SOLUCIÓN

Figura 5: Tabla de solución 2.

3.6. CONCLUSIÓN
En este caso lo que se busca es maximizar las ganancias durante el ejercicio de inversiones en diferentes
carteras; el gerente nos direcciona hacia que carteras busca invertir de forma mayoritaria y esto se convierte en
las restricciones del modelamiento, una vez corrido en programa en R”se obtiene la solución al modelo y se lo
interpreta de la siguiente manera:
Se invertirán $750000 dolares en créditos comerciales.
$950000 dolares en bonos corporativos.
Y finalmente $3300000 dolares que representan el 66 % del capital ya que se exigió invertir almenos el 55 % en
acciones de oro y prestamos de construcción.

5
4. CASO 4: INVESTIGACIÓN DE OPERACIONES.
4.1. ENUNCIADO DEL PROBLEMA
Un banco necesita distribuir una cantidad mı́nima de cajeros en los siguientes horarios

Figura 6: Tabla datos 4.

El banco puede emplear hasta 12 cajeros de tiempo completo, que pueden trabajar 35
h/semana de 9 AM a 5 PM con una hora de almuerzo.
Un cajero de tiempo parcial puede trabajar 4 horas al dı́a entre 9 AM a 5 PM.
El banco solo puede utilizar cajeros de tiempo parcial para cubrir el 50 del total de horas
cajero requeridas.
Cajeros de tiempo parcial ganan 8 por hora y los de tiempo completo 100 por dı́a.
El banco necesita asignar horarios que minimicen sus gastos de personal.

4.2. VARIABLES DE DECISIÓN

F = Cajeros a tiempo completo.
P1 = Cajeros a tiempo parcial que inician a las 9am (trabajan hasta la 1pm).
P2 = Cajeros a tiempo parcial que inician a las 10am (trabajan hasta la 2pm).
P3 = Cajeros a tiempo parcial que inician a las 11am (trabajan hasta la 3pm).
P4 = Cajeros a tiempo parcial que inician a las 12pm (trabajan hasta la 4pm).
P5 = Cajeros a tiempo parcial que inician a las 1pm (trabajan hasta la 5pm).

4.3. MODELO MATEMÁTICO

F.O : M aximizar Gastos = $100F + $32 (P1 + P2 + P3 + P4 + P5 )

S.A :
F + P1 ≥ 10 (9am-10am)
F + P1 + P2 ≥ 12 (10am-11am)
0,5F + P1 + P2 + P3 ≥ 14 (11am-12pm)
0,5F + P1 + P2 + P3 + P4 ≥ 16 (12pm-1pm)
F + P2 + P3 + P4 + P5 ≥ 18 (1pm-2pm)
F + P3 + P4 + P5 ≥ 17 (2pm-3pm)
F + P4 + P5 ≥ 15 (3pm-4pm)
F + P5 ≥ 10 (4pm-5pm)
F ≤ 12
4 (P1 + P2 + P3 + P4 + P5 ) ≤ 0,50 (10 + 12 + 16 + 18 + 17 + 15 + 10)
F, P1 , P2 , P3 , P4 , P5 ≥ 0

6
 4.4. CÓDIGO DE SOLUCIÓN
1 #I n s t a l a r l a l i b r e r i a s : Rglpk , l p S o l v e , l i n p r o g
2 #i n s t a l l . p a c k a g e s ( ” Rglpk ” )
3 #i n s t a l l . p a c k a g e s ( ” l p S o l v e ” )
4 #i n s t a l l . p a c k a g e s ( ” l i n p r o g ” )
5
6 l i b r a r y ( l i n p r o g ) #c a r g o l a l i b r e r i a
7 f o = c ( 1 0 0 , 3 2 , 3 2 , 3 2 , 3 2 , 3 2 ) #f u n c i o n o b j e t i v o
8 r e s t = matrix ( c ( 1 , 1 , 0 . 5 , 0 . 5 , 1 , 1 , 1 , 1 , 1 , 0 , 1 , 1 , 1 , 1 , 0 , 0 , 0 , 0 , 0 , 4 , 0 , 1 , 1 , 1 , 1 , 0 , 0 , 0 , 0 , 4 , 0 , 0 , 1 ,
9 1 , 1 , 1 , 0 , 0 , 0 , 4 , 0 , 0 , 0 , 1 , 1 , 1 , 1 , 0 , 0 , 4 , 0 , 0 , 0 , 0 , 1 , 1 , 1 , 1 , 0 , 4 ) , ncol = 6)
10 #r e s t r i c c i o n e s ( n c o l i n d i c a e l numero de v a r i a b l e s a u s a r )
11 s o l = c ( 1 0 , 1 2 , 1 4 , 1 6 , 1 8 , 1 7 , 1 5 , 1 0 , 1 2 , 5 6 ) #s o l u c i o n e s de l a s r e s t r i c c i o n e s ( l a s r e s t r i c c i o n e s de
no n e g a t i v i d a d v i e n e n i m p l i c i t a s )
12 #d i r = r e p ( ’ <= ’ ,2) #d i r e c c i o n de l a s r e s t r i c c i o n e s ( t o d a s menores que ) , e l numero t r e s i n d i c a
que t e n g o t r e s r e s t r i c c i o n e s .
13 d i r = ( c o n s t . d i r = c ( ”>=” , ”>=” , ”>=” , ”>=” , ”>=” , ”>=” , ”>=” , ”>=” , ”<=” , ”<=” ) ) #d i r e c c i o n de l a s
restricciones
14 s o l o p t = s o l ve L P ( f o , s o l , r e s t , maximum = FALSE, d i r , v e r b o s e = 4 ) #s o l u c i o n d e l problema
15 summary ( s o l o p t ) #resumen de l o s r e s u l t a d o s
16 p r i n t ( summary ( s o l o p t ) )

4.5. SOLUCIÓN

Figura 7: Tabla de solución 3.

4.6. CONCLUSIÓN
Este caso lo que busca es optimizar la fuerza laboral de un banco, con respecto a los gastos por nómina que
se adquiere al tener mas o menos personal, razón por la cual se realiza un modelamiento matemático para tener
el personal necesario en determinado horario estoseconvierteenlasrestriccionesdelmodelamiento y la función
objetivo queda determinada por la minimización de los gastos, entonces se corre el programa en R se obtiene 2

lo siguiente:
Se debe contratar a 10 personas de forma fija bajo relación contractual de jornada completa.

2 personas a tiempo parcial con horario de 11 am a 3pm

Y 5 personas a tiempo parcial con horario de 12 pm a 4 pm.
Esto con el fin de tener la cantidad necesaria de empleados que se requiere por horarios y reduciendo el gasto
de la nómina.

7
 5. CASO 5: PROGRAMACIÓN DE PRODUCCIÓN.
5.1. ENUNCIADO DEL PROBLEMA
WNHC fabrica un cereal a partir de 3 tipos de granos:

Figura 8: Tabla datos 5.

Cada lb de cereal contiene 0.125 lb de granos y debe contener 3u de proteı́na, 2u de ribo-

flavina, 1u de fósforo y 0.425u de Mg.

¿Qué composición de la mezcla de granos permite minimizar el costo?

5.2. VARIABLES DE DECISIÓN

XA = Granos de tipo A.
XB = Granos de tipo B.
XC = Granos de tipo C.

5.3. MODELO MATEMÁTICO

F.O : M aximizar Coste de la M ezcla = $0,33XA + $0,47XB + $0,38XC

S.A :
22XA + 28XB + 21XC ≥ 3 Unidades de proteı́na.
16XA + 14XB + 25XC ≥ 2 Unidades de riboflavina.
8XA + 7XB + 9XC ≥ 1 Unidades de fósforo.
5XA + 0XB + 6XC ≥ 0,425 Unidades de magnesio.
XA + XB + XC ≤ 0,125 Mezcla total.
XA , XB , XC ≥ 0

5.4. CÓDIGO DE SOLUCIÓN

1 #I n s t a l a r l a l i b r e r i a s : Rglpk , l p S o l v e , l i n p r o g
2 #i n s t a l l . p a c k a g e s ( ” Rglpk ” )
3 #i n s t a l l . p a c k a g e s ( ” l p S o l v e ” )
4 #i n s t a l l . p a c k a g e s ( ” l i n p r o g ” )
5
6 l i b r a r y ( l i n p r o g ) #c a r g o l a l i b r e r i a
7 f o = c ( 0 . 3 3 , 0 . 4 7 , 0 . 3 8 ) #f u n c i o n o b j e t i v o
8 r e s t = m a t r i x ( c ( 2 2 , 1 6 , 8 , 5 , 1 , 2 8 , 1 4 , 7 , 0 , 1 , 2 1 , 2 5 , 9 , 6 , 1 ) , n c o l =3) #r e s t r i c c i o n e s ( n c o l i n d i c a e l
numero de v a r i a b l e s a u s a r )
9 s o l = c ( 3 , 2 , 1 , 0 . 4 2 5 , 0 . 1 2 5 ) #s o l u c i o n e s de l a s r e s t r i c c i o n e s ( l a s r e s t r i c c i o n e s de no
negatividad vienen i m p l i c i t a s )
10 #d i r = r e p ( ’ <= ’ ,2) #d i r e c c i o n de l a s r e s t r i c c i o n e s ( t o d a s menores que ) , e l numero t r e s i n d i c a
que t e n g o t r e s r e s t r i c c i o n e s .
11 d i r = ( c o n s t . d i r = c ( ”>=” , ”>=” , ”>=” , ”>=” , ”<=” ) ) #d i r e c c i o n de l a s r e s t r i c c i o n e s
12 s o l o p t = s o l ve L P ( f o , s o l , r e s t , maximum = FALSE, d i r , v e r b o s e = 4 ) #s o l u c i o n d e l problema
13 summary ( s o l o p t ) #resumen de l o s r e s u l t a d o s
14 p r i n t ( summary ( s o l o p t ) )

8
5.5. SOLUCIÓN

Figura 9: Tabla de solución 4.

5.6. CONCLUSIÓN
En este caso, se busca encontrar un modelamiento que nos permita reducir el costo de producir un cereal en
planta, a partir de tres granos, la formula del cereal exige tener unas condiciones de aporte nutricional brindado
en diferente proporción por los granos, razón por la cual el aporte nutricional que necesita la formula del cereal
permite establecer las restricciones al modelo dado que se necesita una cantidad determinada de proteı́nas, de
riboflavina, de fósforo y de Magnesio. Por otro lado la función objetivo viene dada por la acción de reducir el
costo de producción del cereal. Entonces se corre el programa en R”, y se obtiene que el mejor mix de productos
que cumplen con el aporte nutricional y minimizan el costo es 0.0025 lb del grano A, 0.050 lb del grano B y
0.050 lb del grano C