CARRERA DE INGENIERÍA INDUSTRIAL Y COMERCIAL

ASIGNATURA : INVESTIGACIÓN DE OPERACIONES

CICLO : 2023-1

Separata de ejercicios propuestos: Primera parte del curso

1. Modelos de programación lineal de dos variables de decisión – Solución gráfica

Caso 1.1
Crepier tiene como productos principales la fabricación de bolsos y mochilas para escolares, cuyos precios de venta por unidad son de $ 40 y $
25 respectivamente. El proceso de fabricación consta de dos etapas: corte y costura.

En la etapa de corte, se pueden cortar 10 bolsos/hora o 20 mochilas/hora y se dispone diariamente de 8 horas. En la etapa de costura, un bolso
requiere 4 horas máquina, una mochila requiere 3 horas máquina y se dispone diariamente de 420 horas máquina.

Se estima que diariamente se debe fabricar por lo menos 50 unidades en total (bolsos más mochilas). Finalmente la fabricación de bolsos al día
debe ser menor o igual a la fabricación de mochilas al día, debido a que los escolares les gustan más las mochilas.

a) Defina las variables de decisión del modelo y formule el modelo de programación lineal que permita optimizar la fabricación de estos
productos a Crepier.
b) Utilizando el método gráfico, determine la región factible, la solución óptima, el valor óptimo de la función objetivo e indíquelos claramente
en el gráfico. (Respuesta: Z* = 3700)
c) Suponga que el precio de venta de una mochila es de $ 30. ¿Corresponde a algún caso especial de solución? Justifique su respuesta,
señale la solución óptima y el valor óptimo.
d) A partir de la solución gráfica obtenida en c), si el jefe de operaciones de Crepier indica que necesariamente se debe utilizar todas las horas
de costura, ¿Cambiaría la región factible, la solución óptima o ambos? Justifique su respuesta.
e) A partir de la solución gráfica obtenida en c), suponga que el jefe de operaciones de Crepier desea conocer el plan de producción que
genere la menor cantidad posible de desperdicio de tela. Se sabe que por cada bolso y por cada mochila se genera 0.5 kg y 0.6 kg de
desperdicio de tela, respectivamente. Indique los cambios que debe hacer y determine el plan de producción y los kilogramos de desperdicio
en total.

Caso 1.2
Una fábrica textil ha recibido una orden de compra por un lote de tela que contenga al menos 45 kg de lana, 25 kg de nylon y 30 kg de algodón.
El lote puede ser fabricado mediante cualquier mezcla de dos materiales textiles A y B. Cada kilogramo de material A cuesta $ 2 y cada kilogramo
de material B cuesta $ 3. Se dispone de $ 600 para la compra de los materiales.

La proporción de lana, nylon y algodón que dichos materiales contienen es la siguiente:

Material Lana (%) Nylon (%) Algodón (%)
A 60 10 30
B 30 50 20

a) Defina las variables de decisión y formule el modelo de programación lineal correspondiente.

b) ¿Qué cantidades de A y B (en kilogramos) deben usarse para minimizar el costo de la orden? (Respuesta: Z* = 257.67)
c) ¿Le hubiese convenido a la fábrica textil que la orden de compra no exigiera contenido mínimo de algodón? Justifique su respuesta.

Caso 1.3
Un taller de maquinado dedicado a trabajar piezas metálicas, tiene dos máquinas igualmente útiles para el trabajo que realiza.

Con el objeto de definir cómo se utilizará las máquinas cada día, se ha establecido que la máquina A no debe utilizarse más que la máquina B.
Por otro lado, el costo por hora de la operación es de $ 20 para la máquina A y $ 25 para la máquina B disponiéndose de un total de $ 400 para
cubrir esos costos diariamente.

La máquina A es capaz de procesar una pieza en 20 minutos mientras que la máquina B lo hace en 30 minutos y se sabe que el taller debe
procesar en total un mínimo de 30 piezas diariamente. Asimismo, se sabe que cada pieza que se trabaja en la máquina A produce 0.5 kg de
material de desperdicio y la máquina B produce sólo 0.3 kg de dicho material por pieza que procesa. Se desearía minimizar la cantidad de ese
material de desecho. El taller trabaja sólo 8 horas diariamente y no es necesario que las máquinas trabajen todo el día.

a) Identifique las variables de decisión del modelo y formule el modelo de programación lineal respectivo. Mediante el método gráfico, encuentre
la región factible, señale la solución óptima (Respuesta: Z* = 11.8 kg)
b) Utilizando su gráfico, en cada una de las situaciones siguientes, indique si la solución óptima cambia y ubique el nuevo punto óptimo sin
calcular sus valores.
• La cantidad total de piezas que deben procesarse diariamente se reduce a 20 unidades.
• El jefe de taller consigue una asignación total de 450 soles para cubrir los costos de operación diarios.

Caso 1.4
Susana está participando en el programa concurso “Cocinando por un sueño” de la televisión nacional. El reto de esta semana es elaborar tejas
de pecanas y tejas de guindones que luego podrá vender. Las dos condiciones del jurado son las siguientes:

• La cantidad de tejas de pecanas debe ser mayor o igual a la cantidad de tejas de guindones.
• La cantidad de tejas de pecanas no debe ser superior a 3 veces la cantidad de tejas de guindones.

Según la receta de Don Pedrito cada teja necesita:

Tiempo de
Pecana Guindones Manjarblanco Azúcar Precio
elaboración
(unidad/teja) (unidad/teja) (gramos/teja) (gramos/teja) (soles/teja)
(minutos/teja)
Teja de pecana 1 0 20 10 0.5 2.5
Teja de guindón 0 1 20 10 0.5 2.0

La cantidad de cada insumo que tiene Susana es de 140 pecanas, 35 guindones, 4 kilos de manjarblanco y 2.5 kilos de azúcar.
Formule un modelo de programación lineal que le permita a Susana determinar la cantidad de tejas que debe elaborar, teniendo en cuenta que
la producción del programa de televisión debe filmar por lo menos 20 minutos de la elaboración para la presentación final.

a) Defina las variables de decisión.

b) Presente el modelo de programación lineal.
c) Resuelva el modelo utilizando el método gráfico (recomendación: considere una cuadrícula del papel equivalente a 10 unidades, como
escala para su gráfico). Señale claramente la región factible y la solución óptima calculando sus valores. (Respuesta: Z* = 332.5)
d) Señale cuál(es) de las condiciones que enfrenta Susana recomendaría modificar si quisiera mejorar el valor óptimo de los ingresos por la
venta de sus productos.
e) Susana piensa que puede donar alguna parte no utilizada de los ingredientes disponibles. Indique cuál(es) podría ser donado. Justifique su
respuesta.
f) Suponga que se propone a Susana cambiar el precio de venta de sus tejas a 2 y 3 soles por teja de pecana y guindón respectivamente.
¿Qué tipo de solución presenta el modelo bajo estas condiciones? Utilice su gráfico para demostrar y justificar su respuesta.

Página 2 de 17
 Modelos de programación lineal de más de dos variables de decisión: Notación compacta.

2. Producción de un solo periodo.

Caso 2.1

En la máquina cortadora de prendas de un taller de confecciones pueden procesarse un máximo de 1500 prendas por semana. Esta semana el
taller de confecciones ha recibido la solicitud de 7 clientes por el servicio de corte de prendas con las siguientes características:

Cantidad máxima Dificultad del corte Utilidad por prenda

Cliente
de prendas a cortar (valor /prenda) cortada ($/prenda)
1 300 8 2.0
2 250 7 2.5
3 150 6 3.0
4 200 8 2.5
5 150 5 2.0
6 230 5 2.5
7 500 3 3.0

Es posible brindarle el servicio de corte a cada cliente por una cierta cantidad de prendas, no necesariamente por el máximo de forma obligatoria.
El valor de dificultad de corte para cada prenda de cada pedido que se señala en la tabla indica la cantidad de esfuerzo que deben hacer los
operarios al cortar cada prenda. Un valor más alto de dificultad indica mayor esfuerzo para los operarios (valor máximo: 10, valor mínimo: 0). Con
la finalidad de que el trabajo no les demande un esfuerzo muy grande se desea que el trabajo total a realizar tenga un valor de dificultad
promedio por prenda no mayor a 5.
a) Defina las variables de decisión para este caso y presente el modelo de programación lineal que permita al taller dar una respuesta a los
clientes en la forma extendida y en la forma compacta. (Respuesta: Z* = 3741.667)

Caso 2.2

La compañía ZINGERLE se dedica a la producción de módulos (bancos y mesas) especialmente destinadas para bares, restaurantes, clubes
campestres, etc. El Gerente de Producción se encuentra actualmente planificando la producción de los siguientes tipos módulos: MA6, MA8,
MB8 y MB10. Los mencionados tipos de módulos requieren para su producción de ángulos de acero y tablas de madera; la información
mencionada, así como los requerimientos de mano de obra (horas – hombre: HH) necesarias para la producción de los diferentes tipos de
módulos y la disponibilidad semanal de los recursos se presentan en la siguiente tabla:

Requerimientos productivos
Tipo de
Ángulos Madera Mano de obra
módulo
(m./módulo) (m2/módulo) (HH/módulo)
MA6 14 5.4 0.70
MA8 18 7.2 0.80
MB8 16 6.2 0.75
MB10 20 8.0 0.90
Disponibilidad 30000 m. 11500 m2 1440 HH

Para asegurar la rentabilidad de la producción, se ha establecido un nivel mínimo de producción para cada tipo de módulo. Asimismo, el limitante
de la producción es la capacidad de producción semanal. Esta información, junto con el precio de venta de cada tipo de módulo, se presenta en
la siguiente tabla:

Tipo de Producción mínima Capacidad de producción Precio de venta

Módulo (módulos) (módulos) ($ / módulo)
MA6 500 750 60
MA8 320 450 75
MB8 400 550 70
MB10 200 300 85

La demanda de módulos no es limitante para la venta; ergo todo lo que se produce se llega a vender. Defina las variables de decisión y formule
el modelo de programación lineal que permita determinar cuántos módulos de cada tipo debe producir ZINGERLE semanalmente. (Respuesta:
Z* = 125945)

Página 3 de 17
Caso 2.3
Juanito se dedica a la elaboración de tres tipos de cebiche en bolsa para las playas de Lima, los cuales gozan de gran aceptación por parte de
sus clientes. Los ingredientes principales son: pescado, conchas negras, calamar, cebolla y camote. La siguiente tabla muestra la composición
de los ingredientes que se utilizan por cada bolsa:

Pescado Conchas negras Calamar Cebolla Camote

Tipo de cebiche
(kg) (kg) (kg) (und) (und)
Tradicional 1 0 0 3 3
Especial 0 0.5 0 1 0
Mixto 0.5 0.1 0.3 3 3

La demanda de cebiche para este fin de semana no constituye un factor limitante; no obstante Juanito debe vender como mínimo 500, 200 y 300
bolsas de cebiche tradicional, especial y mixto respectivamente, para asegurar la rentabilidad de su negocio. El precio de venta de cada tipo de
cebiche se muestra a continuación:
Precio de venta
Tipo de cebiche
(Soles / bolsa)
Tradicional 30
Especial 35
Mixto 28

Los costos de los ingredientes y su disponibilidad son:

Conchas
Ingrediente Pescado Calamar Cebolla Camote
negras
Costo 24 S/kg 30 S/kg 18 S/kg 0.5 S/und 0.1 S/und
Disponibilidad 1000 kg 200 kg 100 kg 5000 und 5000 und

Presente las variables de decisión y formule el modelo de programación lineal correspondiente. (Respuesta: Z* = 11940)

Caso 2.4
Debido a la gran aceptación del cebiche en bolsa, ahora Juanito está planificando para el próximo verano la venta de sopa en botellón. Las sopas
de mayor demanda son: Especial de pollo, marítima de mariscos y tradicional de habas. Los ingredientes principales son: Pollo, mariscos, habas y
alverjas. La siguiente tabla muestra el requerimiento de los ingredientes que se utilizan por cada botellón de 3 litros:

Requerimiento (kg / botellón)

Tipo de sopa Pollo Mariscos Habas Alverjas
Especial de Pollo 0.30 0 0.25 0.25
Marítima de mariscos 0 0.30 0.10 0.50
Tradicional de habas 0.15 0.15 1 0.25

Juanito debe vender como mínimo 250, 100 y 300 botellones de sopa Especial de Pollo, Marítima de mariscos y tradicional de habas,
respectivamente para asegurar la rentabilidad de su negocio. El precio de venta de cada tipo de sopa se muestra a continuación:
Tipo de sopa Precio de venta (Soles / botellón)
Especial de Pollo 30
Marítima de mariscos 35
Tradicional de habas 25

El costo y la disponibilidad de cada ingrediente con que Juanito cuenta para que él mismo prepare sus sopas son los siguientes:

Ingrediente Pollo Mariscos Habas Alverjas

Costo (soles / kg) 20 30 5 10
Disponibilidad (kg) 80 40 200 150

Juanito, además de preparar él mismo sus sopas, puede comprar sopas en botellón ya preparadas a sus tías Julia y Bertha, con la siguiente
restricción: “Para cada tipo de sopa, la cantidad de botellones que Juanito compre a sus tías en total de ese tipo, no debe ser superior a la
cantidad de botellones de sopa de ese tipo que Juanito prepare”. Los costos de compra por cada tipo de sopa y por cada tía se muestran a
continuación:
Costo de compra (soles / botellón)
Tipo de sopa Tía Julia Tía Bertha
Especial de Pollo 20 25
Marítima de mariscos 20 30
Tradicional de habas 30 20

Defina las variables de decisión y plantee el modelo de programación lineal correspondiente en forma compacta. (Respuesta: Z* = 9665)

Página 4 de 17
3. Modelos de transporte
Caso 3.1

Un contratista puede suministrar arena a tres construcciones ubicadas en Surco, La Molina y San Borja. La arena se puede obtener de dos
canteras ubicadas en Cieneguilla y Lurín. La cantidad máxima que puede comprar en Cieneguilla es 18 toneladas y en Lurín 14 toneladas.

Los costos de transporte y obtención de la arena se muestran en el cuadro siguiente:

Costo de transporte
(soles / tonelada)
Construcción Costo de arena
Surco La Molina San Borja
Cantera (soles/tonelada)
Cieneguilla 30 60 50 100
Lurín 60 30 40 120

La cantidad de arena que por lo menos debe entregar a cada construcción es la siguiente:

Surco La Molina San Borja

10 toneladas 5 toneladas 10 toneladas

Identifique las variables de decisión y presente el modelo de programación lineal correspondiente en forma matemática compacta. (Respuesta:
Z* = 3570)

Caso 3.21

Una compañía tiene tres plantas que fabrican coches para bebé que deben enviarse a cuatro centros de distribución. Las plantas 1, 2 y 3 producen
12, 17 y 11 cargas mensuales, respectivamente. Cada centro de distribución necesita recibir 10 cargas al mes. La distancia en millas desde cada
planta a los respectivos centros de distribución es la siguiente:

Hacia
Centro de distribución
De
Planta 1 2 3 4
1 800 1300 400 700
2 1100 1400 600 1000
3 600 1200 800 900

Sabiendo además que el costo del flete por embarque es $0.50/milla – producto, se pide definir las variables de decisión y formular el modelo de
programación lineal correspondiente en notación compacta. (Respuesta: Z* = 16200)

Caso 3.32

Sunco Oil tiene refinería en Los Ángeles y Chicago. La refinería de Los Ángeles puede procesar hasta 2 millones de barrilles de crudo por año y
la refinería de Chicago refina hasta 3 millones de crudo por año. Una vez refinado, el crudo se embarca hacia dos puntos de distribución: Houston
y Nueva York. Sunco estima que cada punto de distribución puede vender hasta 5 millones de barriles por año. Debido a las diferencias en los
costos de embarque y refinación, la utilidad unitaria (en $/millón de barriles) depende de dónde se refinó el crudo y del punto de distribución.

Utilidad unitaria ($/millón de barriles)

Houston Nueva York
Refinería Los Ángeles 8000 13000
Refinería Chicago 11000 14000

Asimismo, Sunco planea ampliar la capacidad de cada refinería. Cada millón de barriles de capacidad de refinación anual que se amplíe costará
$1200 en el caso de la refinería de Los Ángeles y $1500 en el caso de la refinería de Chicago, respectivamente. Defina las variables de decisión
y plantee el modelo de programación lineal correspondiente, en la forma compacta, que permita a Sunco optimizar sus operaciones en un año.
(Respuesta: Z* = 115500)

1 Hilliery Lieberman, Investigación de Operaciones, 7ma. Edición, página 392

2
Wayne, Winston. Investigación de Operaciones, aplicaciones y algoritmos, 4ta. Edición, página 115 (adaptación).
Página 5 de 17
Caso 3.4

Un productor y distribuidor de materiales para iluminación de exteriores, opera tres plantas para fabricar estos materiales y distribuirlos en cinco
centros de distribución (almacenes). El pronóstico de la demanda semanal para el año próximo es el siguiente:

Centro de distribución 1 2 3 4 5
Demanda (unidades) 9000 13000 11000 15000 8000

La capacidad de cada planta, en unidades por semana, depende del turno de trabajo:

Planta 1 2 3
Capacidad en turno normal (unidades) 27000 20000 25000
Capacidad en turno extra (unidades) 7000 5000 6000

Las siguientes tablas muestran los costos variables de producción, que dependen de la planta y del turno de trabajo, y los costos de transporte
desde cada planta hacia cada centro de distribución:

Planta 1 2 3
Costo de producción, turno normal ($/unidad) 2.80 2.78 2.72
Costo de producción, turno extra ($/unidad) 3.52 3.48 3.42

Costos de transporte (En $/unidad)

Plantas 1 2 3 4 5
1 0.50 0.44 0.49 0.46 0.56
2 0.40 0.52 0.50 0.56 0.57
3 0.56 0.53 0.51 0.54 0.35

Se pide definir las variables de decisión y presentar el modelo de programación lineal correspondiente, en la forma matemática compacta
(Respuesta: Z* = 179730)

Página 6 de 17
4. Modelos de trasbordo
Caso 4.1
La empresa Ryan Electronics tiene un problema de trasbordo. La producción de sus artículos electrónicos los realiza en las plantas que están
ubicadas en Denver y Atlanta, con una capacidad de 600 y 700 unidades respectivamente. La producción de cada planta es enviada a dos
almacenes ubicadas en Kansas City y Louisville, que tienen una capacidad de almacén de 600 unidades cada una, de los almacenes son
enviados a 4 clientes que están ubicados en las ciudades de: Detroit, Miami, Dallas y New Orleáns, que tiene una demanda de 200, 200, 400 y
300 unidades respectivamente. Los costos (en dólares por unidad) de transporte son:

Almacenes Clientes
Plantas Almacenes
Kansas City Louisville Detroit Miami Dallas New Orleáns
Denver 2 3 Kansas City 2 6 3 6
Atlanta 3 1 Louisville 4 4 6 5

Defina las variables de decisión y formule el modelo de programación lineal correspondiente. (Respuesta: Z* = 5600)

Caso 4.2

ProdMax se dedica a la fabricación de un producto cuya demanda es de 1000 kg para la siguiente semana. El proceso de producción comprende
el procesamiento secuencial de una materia prima en dos estaciones de trabajo A y B:

La estación A dispone de 2 m quinas idénticas A1 y A2. La estación B dispone de dos máquinas idé nticas B1 y B2. En cada estación, el
procesamiento de la materia prima se puede hacer en cualquiera de las máquinas disponibles.

La materia prima para fabricar el producto puede ser adquirida de tres proveedores diferentes: P1, P2 y P3. Sin embargo, el desperdicio que se
origina en la estación A depende de la procedencia de la materia prima y de la máquina en donde se procesa. Esta información, junto con la
capacidad de procesamiento y lo máximo a adquirir se muestra a continuación:

Porcentaje de desperdicio
Cantidad máxima
en la estación A
a adquirir (en kg)
Proveedor Máquina A1 Máquina A2
P1 5% 6% 400
P2 4% 5% 500
P3 8% 5% 300
Capacidad de
700 800
procesamiento

Por ejemplo: Si la máquina A1 procesa 100 kg de materia prima del proveedor P1, genera 5 kg de desperdicio y 95 kg pasan a la estación B.

En la estación B, las máquinas B1 y B2 generan 3% y 2% de desperdicio, respectivamente. La capacidad de procesamiento de las máquinas B1
y B2 es de 800 y 700 kg, respectivamente. Defina las variables de decisión y presente el modelo de programación lineal en forma compacta que
permita minimizar la cantidad total de desperdicio. (Respuesta: Z* = 73.09717 kg)

Caso 4.3

La ciudad C1 genera 500 t/día de desechos y la ciudad C2 genera 400 t/día de desechos. Es necesario incinerar los desechos generados, para
lo cual se dispone de 2 incineradores. Cada incinerador es capaz de procesar hasta 500 t/día de desechos. El costo por incinerar desechos es
de 40 $/t y 30 $/t en el incinerador 1 y 2 respectivamente.

Cada tonelada de desechos se transforma mediante la incineración en 0.2 toneladas de residuos, los cuales se entierran en uno de los dos
rellenos sanitarios que hay. Cada relleno sanitario puede recibir a lo más 200 t/día de residuos. El transporte por milla de una tonelada de material
(desechos o residuos) cuesta 3 $/milla. Las distancias entre los lugares se muestran a continuación:
Distancias (en millas)

Incinerador Relleno sanitario

Ciudad 1 2 Incinerador 1 2
C1 30 5 1 5 8
C2 36 42 2 9 6

Defina las variables de decisión y formule el modelo de programación lineal correspondiente que minimice el costo total diario.
Página 7 de 17
5. Mezclas
Caso 5.1 3

Chandler Oil Company dispone de 5000 barriles de crudo 1 y de 10000 barriles de crudo 2. La compañía produce y vende dos productos: gasolina
y aceite combustible. Ambos productos se elaboran combinando el crudo 1 y el crudo 2. La calidad del crudo 1 es 10 y la calidad del crudo 2 es
5. La gasolina debe tener una calidad promedio de por lo menos 7 y el aceite una calidad promedio de por lo menos 6. La demanda de cada
producto debe ser creada por la publicidad. Cada dólar gastado en anunciar a la gasolina crea una demanda de 5 barriles de gasolina; cada dólar
gastado en anunciar al aceite combustible origina una demanda de 10 barriles del aceite. La gasolina se vende a 25 dólares por barril y el aceite
combustible se vende a 20 dólares por barril. Formule un modelo de programación lineal para ayudar a Chandler a maximizar sus utilidades.
(Respuesta: Z* = 347500)

Caso 5.2 4

Eli Daisy utiliza los productos químicos 1 y 2 para elaborar dos fármacos. Por lo menos el 70% de la composición del fármaco 1 debe ser del
producto químico 1, y por lo menos 60% de la composición del fármaco 2 debe ser del producto químico 2. Se pueden vender hasta 40 onzas
del fármaco 1 a 6 dólares la onza; se pueden vender hasta 30 onzas del fármaco 2 a 5 dólares la onza. Es posible comprar hasta 45 onzas del
producto químico 1 a 6 dólares la onza, y hasta 40 onzas del producto químico 2 a 4 dólares la onza. Formule un modelo de programación lineal
que maximice las utilidades de Eli Daisy. (Respuesta: Z* = 52)

Caso 5.3 5

Sunco Oil produce tres tipos de gasolina (1, 2 y 3). Cada tipo de gasolina se produce mezclando tres tipos de petróleo crudo (1, 2 y 3). En las
siguientes tablas se muestran los precios de venta por barril de las gasolinas y los precios de compra, por barril, del petróleo crudo. Sunco puede
comprar hasta 5000 barriles de cada tipo de petróleo crudo diariamente.

Gasolina Precios de venta por barril ($) Crudo Precio de compra por barril ($)
Gasolina 1 70 Crudo 1 45
Gasolina 2 60 Crudo 2 35
Gasolina 3 50 Crudo 3 25

Los tres tipos de gasolina difieren en su índice de octano y en su contenido de azufre. La mezcla de petróleo crudo que se utiliza para obtener la
gasolina 1 tiene que tener un índice de octano promedio de por lo menos 10 y a lo más 1 % de azufre. La mezcla de petróleo crudo que se utiliza
para obtener la gasolina 2 tiene que tener un índice de octano promedio de por lo menos 8 y a lo más 2% de azufre.

La mezcla de petróleo crudo que se utiliza para obtener la gasolina 3 tiene que tener un índice de octano promedio de por lo menos 6 y a lo más
1% de azufre.

El índice de octano y el contenido de azufre de los tres tipos de petróleo se dan en la siguiente tabla. La transformación de un barril de petróleo
en un barril de gasolina cuesta 4 dólares, y la refinería se Sunco pude producir diariamente hasta 14000 barriles de gasolina.

Crudo Índice de octano Contenido de azufre

Crudo 1 12 0.5%
Crudo 2 6 2.0%
Crudo 3 8 3.0%

Los clientes de Sunco necesitan diariamente las siguientes cantidades de cada tipo de gasolina: gasolina 1, 3000 barriles, gasolina 2, 2000
barriles, gasolina 3, 1000 barriles. La compañía se siente comprometida a cumplir con estas demandas. Sunco tiene la posibilidad de estimular
la demanda de sus productos mediante la publicidad. Cada dólar invertido diariamente en publicidad para cierto tipo de gasolina, aumenta la
demanda diaria de este tipo de gasolina en 10 barriles. Por ejemplo, si Sunco decide gastar diariamente 20 dólares para promover la gasolina 2,
la demanda diaria de la gasolina 2 se incrementara en 20(10)=200 barriles. Formule un modelo de Programación Lineal que permita a Sunco a
maximizar sus ganancias diarias (ganancias = ingreso – costos). (Respuesta: Z* = 287750)

Caso 5.4

La jefa de producción de una empresa textil desea planificar la producción semanal de dos tipos de hilo: Hilo A e Hilo B. Se ha determinado que
por lo menos se debe producir 4000 y 6000 kilos de los hilos A y B respectivamente para la presente semana. Se sabe que la capacidad de
producción de la empresa permite producir 12500 kilos de hilo en total en la presente semana.

3
Wayne, Winston. Investigación de operaciones, aplicaciones y algoritmos. 4da. edición, página 93 (adaptación)
4
Ibíd, página 93 (adaptación)
5
Ibíd, página 86
Página 8 de 17
Los mencionados tipos de hilo deben ser elaborados combinando algodón y nylon. Se ha determinado la proporción mínima de cada una de
estas materias primas que deben estar presentes en cada tipo de hilo:

Proporción mínima
Materia prima Hilo A Hilo B
Algodón 0.25 0.40
Nylon 0.60 0.50

Al determinar el plan de producción debe también establecerse la cantidad de materia prima (algodón y nylon) de cada tipo que debe comprarse
en total, en la presente semana. El proveedor de la empresa ha señalado la disponibilidad en kilos y el costo por kilo de cada una de estas
materias primas para la presente semana:

Disponibilidad Costos
Materias primas
( kilos) ($/kilo)
Algodón 5000 3.2
Nylon 8000 2.6

Para la adquisición de la materia prima se dispone de $34000 en total. En la producción de ambos tipos de hilo se tiene que llevar a cabo los
siguientes procesos: cardado, peinado, hilado y enconado, cada uno realizado por máquinas especializadas. El tiempo requerido en horas-
máquina por cada kilo de hilo y el tiempo disponible, así como los costos del procesamiento se muestran en la tabla siguiente:

Tiempo requerido en cada proceso de producción

Tipo de hilo (Horas – máquina / kilo)
Cardado Peinado Hilado Enconado
Hilo A 0.09 0.08 0.1 0.03
Hilo B 0.12 0.06 0.1 0.04
Tiempo disponible (Horas-máquina) 1300 850 1200 480
Costo ($/Hora-máquina) 4 3 3.5 2

La producción final debe cumplir que por cada 4 kilos de hilo A, debe producirse 6 kilos de hilo B. Los precios de venta son $6 el kilo de hilo A y
a $6.2 el kilo de hilo B.

a) Presente las variables de decisión.

b) Presente el modelo de programación lineal en la forma matemática compacta. Indique el significado de los símbolos que emplee en su
modelo. (Respuesta: Z* = 27096)

Página 9 de 17
6. Planeamiento de la producción e inventarios.
Caso 6.1 6

Manufactura Acme recibió un contrato para entregar ventanas de vivienda durante los 6 meses siguientes. El contrato estipula que Acme debe
entregar en cada mes: 100, 250, 190, 140, 220 y 110 ventanas, respectivamente. El costo de producción por ventana varía de un mes a otro,
dependiendo de los costos de mano de obra, materiales y servicios. Acme estima que el costo de producción por ventana, durante los 6 meses
siguientes, será $50, $45, $55, $48, $52 y $50, respectivamente. Para aprovechar las fluctuaciones en el costo de manufactura. Acme podría
optar por producir más de lo necesario en determinado mes, y guardar las unidades excedentes para entregar en meses posteriores. Sin embargo,
eso le ocasionara un costo de almacenamiento de $8 por ventana y por mes, evaluado con el inventario levantado en el fin de mes.

Desarrolle un modelo de programación lineal en forma compacta para determinar el programa óptimo de producción e inventario para Acme.
(Respuesta: Z* = 49980)

Caso 6.2 7

James Beerd hornea pasteles de queso y pasteles de Selva Negra. Durante cualquier mes puede hornear cuando mucho 65 pasteles. Los costos
por pastel y la demanda de pasteles, la cual se debe cumplir a tiempo, se proporcionan en la siguiente tabla. Cuesta 50 centavos conservar un
pastel de queso y 40 centavos conservar un pastel de la selva negra en inventario por un mes. Plantee un modelo de programación lineal para
minimizar el costo total por cumplir la demanda de los tres meses siguientes:

Mes 1 Mes 2 Mes 3

Producto Costo Costo Costo
Demanda Demanda Demanda
($/pastel) ($/pastel) ($/pastel)
Pastel de queso 40 3.00 30 3.40 20 3.80
Selva Negra 20 2.50 30 2.80 10 3.40

(Respuesta: Z* = 464.5)

Caso 6.3 8

Priceler fabrica vehículos tipo sedán y camionetas. La cantidad de vehículos que como máximo se pueden vender en cada uno de los próximos
tres meses se presenta a continuación:
Tipo de vehículo Mes 1 Mes 2 Mes 3
Sedán 1100 1500 1200
Camioneta 600 700 500

Cada sedán se vende en $8000 y cada camioneta se vende en $9000. Para producir un sedán se requieren $6000 y para producir una camioneta
se requiere $7500. Mantener por un mes en inventario un sedán y una camioneta cuesta $150 y $200 respectivamente. Se pueden producir
durante cada mes a lo más 1500 vehículos en total. Además, por lo menos dos tercios de la producción en el mes 1 deben ser sedanes. El
inventario al inicio del mes 1 es de 200 sedanes y 100 camionetas. Defina las variables de decisión y formule el modelo de programación lineal
correspondiente en notación compacta. (Respuesta: Z* = 0.11035 x 10 8)

Caso 6.4 9 (Inventario de insumos e inventario de productos)

Gandhi Co. fabrica camisas y pantalones. La demanda en los próximos 3 meses, la cual se debe cumplir a tiempo, es la siguiente:

Mes 1 Mes 2 Mes 3

Camisas 10 12 14
Pantalones 15 14 13

Durante cada mes, cuesta $4 elaborar una prenda cualquiera en turno normal y cuesta $8 en turno extra. La capacidad mensual de producción
en turno normal es 25 prendas y la capacidad mensual de producción en turno extra es ilimitada. Es posible almacenar prendas, a un costo de
inventario mensual de $3 por prenda. Al inicio del mes 1, en el almacén hay una camisa y 2 pantalones.
Cada camisa requiere 2 yardas2 de tela y cada pantalón requiere 3 yardas2 de tela. Lo máximo de tela que se puede comprar y el costo de
compra se muestran a continuación:
Mes 1 Mes 2 Mes 3
Máximo a comprar (yardas2) 90 60 80
Costo ($/yarda2) 2 1.5 1.8
Es posible almacenar tela en cada mes, con un costo de almacenamiento despreciable. Defina las variables de decisión y elabore el modelo de
programación lineal correspondiente en forma compacta. (Respuesta: Z* = 647.6)

6
Taha, Hamdy. Investigación de Operaciones. 7ma. Edición. Ed. Pearson , México, 2004, p. 62
7
Wayne, Winston. Investigación de Operaciones, aplicaciones y algoritmos. 4da. Edición, página 104
8
Wayne, Winston. Investigación de Operaciones, aplicaciones y algoritmos. 4da. Edición, página 122
9
Wayne, Winston. Investigación de Operaciones, aplicaciones y algoritmos. 4da. Edición, página 122 (adaptación)
Página 10 de 17
7. Dualidad y Análisis de Sensibilidad.
Caso 7.1: ALFA S.A. (Caso de maximización)

ALFA S.A. produce cuatro tipos de producto a partir de una misma materia prima; cuyos requerimientos unitarios de mano de obra y materia
prima se muestran a continuación:
Tipo de producto 1 2 3 4
Mano de obra (horas/unidad) 3 2 5 1.5
Materia prima (kg/unidad) 1.5 1.8 2.2 1.6
Utilidad ($/unidad) 16 18 12 16

La empresa dispone de 1400 horas de mano de obra y 1000 kg de materia prima. Se sabe que los clientes comprarán a lo más 200 unidades de
producto 1 y a lo más de 120 unidades de producto 2. Asimismo, los clientes comprarán como mínimo 100 unidades del producto 3 y como
mínimo 120 unidades del producto 4. Todo lo que se produzca se venderá.

El modelo de programación lineal que maximiza las utilidades semanales es:

Modelo en notación compacta

Sets:
Tipo /1..4/ : ManoObra, MPrima, Utilidad, Limite, X ;
End sets
Data:
ManoObra = 3 2 5 1.5 ;
MPrima = 1.5 1.8 2.2 1.6 ;
Utilidad = 16 18 12 16 ;
Limite = 200 120 100 120 ;
End data
Max = @sum(Tipo(i): Utilidad(i)*X(i));
[Dispo_MO] @sum(Tipo(i): ManoObra(i)*X(i)) <= 1400 ;
[Dispo_MP] @sum(Tipo(i): MPrima(i)*X(i)) <= 1000 ;
@For(Tipo(i) | i#LE#2 : [Max_a_comprar] X(i) <= Limite(i)) ;
@For(Tipo(i) | i#GE#3 : [Min_a_comprar] X(i) >= Limite(i)) ;
End

Modelo en notación extendida

MODEL:
[_1] MAX= 16 * X_1 + 18 * X_2 + 12 * X_3 + 16 * X_4;
[DISPO_MO] 3 * X_1 + 2 * X_2 + 5 * X_3 + 1.5 * X_4 <= 1400;
[DISPO_MP] 1.5 * X_1 + 1.8 * X_2 + 2.2 * X_3 + 1.6 * X_4 <= 1000;
[MAX_A_COMPRAR_1] X_1 <= 200;
[MAX_A_COMPRAR_2] X_2 <= 120;
[MIN_A_COMPRAR_3] X_3 >= 100;
[MIN_A_COMPRAR_4] X_4 >= 120;
END

Reporte de la Solución Óptima

Global optimal solution found.

Objective value: 9105.882

Variable Value Reduced Cost

MANOOBRA( 1) 3.000000 0.000000
MANOOBRA( 2) 2.000000 0.000000
MANOOBRA( 3) 5.000000 0.000000
MANOOBRA( 4) 1.500000 0.000000
MPRIMA( 1) 1.500000 0.000000
MPRIMA( 2) 1.800000 0.000000
MPRIMA( 3) 2.200000 0.000000
MPRIMA( 4) 1.600000 0.000000
UTILIDAD( 1) 16.00000 0.000000
UTILIDAD( 2) 18.00000 0.000000
UTILIDAD( 3) 12.00000 0.000000
UTILIDAD( 4) 16.00000 0.000000
LIMITE( 1) 200.0000 0.000000
LIMITE( 2) 120.0000 0.000000
LIMITE( 3) 100.0000 0.000000
LIMITE( 4) 120.0000 0.000000
X( 1) 105.8824 0.000000
X( 2) 0.000000 0.1960784
X( 3) 100.0000 0.000000
X( 4) 388.2353 0.000000
Página 11 de 17
 Row Slack or Surplus Dual Price
1 9105.882 1.000000
DISPO_MO 0.000000 0.6274510
DISPO_MP 0.000000 9.411765
MAX A COMPRAR( 1) 94.11765 0.000000
MAX_A_COMPRAR( 2) 120.0000 0.000000
MIN_A_COMPRAR( 3) 0.000000 -11.84314
MIN_A_COMPRAR( 4) 268.2353 0.000000

Reporte de Rangos de Sensibilidad

Ranges in which the basis is unchanged:

Objective Coefficient Ranges:

Current Allowable Allowable

Variable Coefficient Increase Decrease
X( 1) 16.00000 16.00000 1.000000
X( 2) 18.00000 0.1960784 INFINITY
X( 3) 12.00000 11.84314 INFINITY
X( 4) 16.00000 1.066667 0.2083333

Righthand Side Ranges:

Current Allowable Allowable

Row RHS Increase Decrease
DISPO_MO 1400.000 150.0000 168.7500
DISPO_MP 1000.000 180.0000 160.0000
MAX_A_COMPRAR( 1) 200.0000 INFINITY 94.11765
MAX_A_COMPRAR( 2) 120.0000 INFINITY 120.0000
MIN_A_COMPRAR( 3) 100.0000 57.44681 51.06383
MIN_A_COMPRAR( 4) 120.0000 268.2353 INFINITY
Tomando en cuenta los resultados obtenidos responder las siguientes preguntas:

a) ¿Cuál es la base óptima del problema?

b) ¿El modelo posee múltiples soluciones óptimas? Justifique.

c) El gerente de mercadeo le dice que por contrato con uno de los clientes más importantes de la empresa se debe entregar 50 unidades del
producto 2. ¿Qué impacto tendrá esta decisión en las utilidades de la empresa? Determine la nueva utilidad óptima.

d) ¿Cuál debe ser la utilidad unitaria mínima del producto 2 de tal manera que convenga producirlo? Justifique su respuesta.

e) Por razones de equilibrio de mercado, la utilidad del producto 3 se ha incrementado en 18%. ¿Cambiará el plan óptimo de producción?

f) Suponga que el precio de venta unitario del producto 1 es $30. ¿Entre qué límites puede variar dicho precio de venta sin que varíe el plan
óptimo de producción?

g) Se quiere llevar a cabo una campaña publicitaria para que los clientes compren por lo menos 150 unidades de producto 3. Calcule, de ser
posible, la nueva utilidad óptima.

h) La empresa tiene la oportunidad de adquirir 100 kg más de materia prima. ¿le conviene tomar esta decisión? ¿Se verá afectada la base
óptima? Calcule, de ser posible, la nueva utilidad óptima, justificando su respuesta.

i) Calcule de ser posible la nueva utilidad óptima, si la disponibilidad de materia prima se reduce en 120 kg.

Página 12 de 17
Caso 7.2: Natura – Farma (Caso de Minimización)

La empresa Natura – Farma se dedica a la extracción de compuestos medicinales de los árboles de la Amazonía. Para la extracción del
compuesto X puede emplear la corteza de cualquiera de 2 árboles: Copaiba y Ojé. Para extraer el compuesto se puede usar cualquiera de 2
procesos distintos: P1 y P2. La información sobre la cantidad de compuesto medicinal que se extrae de la corteza de los diferentes árboles según
el proceso elegido, los costos por kg de corteza, la disponibilidad semanal de corteza, el costo de procesamiento por kg de corteza y la capacidad
semanal de cada proceso extractivo se presentan en la siguiente tabla:

Compuesto extraído (%) Información sobre insumos

P1 P2 Costo (Soles/kg) Disponibilidad (kg)
Copaiba 1.5 1.70 0.35 38000
Ojé 2.0 1.85 0.50 50000
Costo procesamiento (Soles/kg) 1 0.70
Capacidad de proceso (kg) 40000 50000

Natura – Farma necesita producir semanalmente por lo menos 1600 Kg. del compuesto medicinal.

El modelo de programación lineal que permite a Natura – Farma resolver su problema de producción es el siguiente:

Sets:
Corteza/1..2/:costo_i,disp;
Proceso/1..2/:costo_p,cap;
CP(corteza,proceso):porcentaje, x;
End sets

Data:
costo_i = 0.35 0.5;
costo_p = 1 0.7;
disp = 38000 50000;
cap = 40000 50000;
porcentaje = 0.015 0.017
0.02 0.0185;
End data

Min=@sum(CP(i,j):(costo_i(i)+costo_p(j))*x(i,j));

@for(corteza(i):[disponibilidad] @sum(proceso(j):x(i,j)) <= disp(i));

@for(proceso(j):[capacidad] @sum(corteza(i):x(i,j)) <= cap(j));
[compuesto_req]@sum(CP(i,j):x(i,j)*porcentaje(i,j)) >= 1600;
End

Reporte de la Solución Óptima

Global optimal solution found.

Objective value: 109200.0

Variable Value Reduced Cost

COSTO_I( 1) 0.3500000 0.000000
COSTO_I( 2) 0.5000000 0.000000
DISP( 1) 38000.00 0.000000
DISP( 2) 50000.00 0.000000
COSTO_P( 1) 1.000000 0.000000
COSTO_P( 2) 0.7000000 0.000000
CAP( 1) 40000.00 0.000000
CAP( 2) 50000.00 0.000000
PORCENTAJE( 1, 1) 0.1500000E-01 0.000000
PORCENTAJE( 1, 2) 0.1700000E-01 0.000000
PORCENTAJE( 2, 1) 0.2000000E-01 0.000000
PORCENTAJE( 2, 2) 0.1850000E-01 0.000000
X( 1, 1) 0.000000 0.2625000
X( 1, 2) 38000.00 0.000000
X( 2, 1) 36600.00 0.000000
X( 2, 2) 12000.00 0.000000

Row Slack or Surplus Dual Price

1 109200.0 -1.000000
Página 13 de 17
 DISPONIBILIDAD( 1) 0.000000 0.3750000E-01
DISPONIBILIDAD( 2) 1400.000 0.000000
CAPACIDAD( 1) 3400.000 0.000000
CAPACIDAD( 2) 0.000000 0.1875000
COMPUESTO_REQ 0.000000 -75.00000

Reporte de Rangos de Sensibilidad

Ranges in which the basis is unchanged:

Objective Coefficient Ranges:

Current Allowable Allowable Variable

Coefficient Increase Decrease X( 1, 1)
1.350000 INFINITY 0.2625000
X( 1, 2) 1.050000 0.3750000E-01 INFINITY
X( 2, 1) 1.500000 0.3181818 0.2027027
X( 2, 2) 1.200000 0.1875000 0.3750000E-01

Righthand Side Ranges:

Current Allowable Allowable

Row RHS Increase Decrease
DISPONIBILIDAD( 1) 38000.00 12000.00 1513.514
DISPONIBILIDAD( 2) 50000.00 INFINITY 1400.000
CAPACIDAD( 1) 40000.00 INFINITY 3400.000
CAPACIDAD( 2) 50000.00 18666.67 3675.676
COMPUESTO_REQ 1600.000 28.00000 732.0000

a) Identifique y defina las variables de decisión.

b) ¿Qué sucedería con el valor de la función objetivo si se decidiera destinar 2000 Kg. de corteza de Copaiba al Proceso 1?

c) Si en lugar de tener la necesidad de producir por lo menos 1600 Kg. de compuesto medicinal; ahora solo se debe producir por lo menos
1580 Kg. ¿Cuál sería el nuevo valor de la función objetivo? Sustente su respuesta sin correr el modelo.

d) Un proveedor le ofrece al administrador de Natura – Farma, suministrarle corteza adicional de cualquiera de los tipos de árbol. Si, usted
como administrador se decidiera por la compra de alguna de los tipos de corteza. ¿Por cuál se decidiría? ¿Cuántos Kg. podría adquirir sin
que la base óptima se modifique? Sustente su respuesta sin correr el modelo.

e) ¿Cuál de los procesos trabaja a toda su capacidad? ¿Cuál puede ser la máxima capacidad de dicho proceso a fin de que la base actual
no cambie?

Caso 7.3: Suministro de arena

Usted es un contratista que puede suministrar arena a tres construcciones ubicadas en Surco, La Molina y San Borja. La arena se puede obtener
de dos canteras ubicadas en Cieneguilla y Lurín. La cantidad máxima que puede comprar en Cieneguilla es 18 toneladas y en Lurín 14 toneladas.

Los costos de transporte y obtención de la arena se muestran en el cuadro siguiente:

Costo de transporte
(soles / tonelada)
Construcción Costo de arena
Surco La Molina San Borja
Cantera (soles/tonelada)
Cieneguilla 30 60 50 100
Lurín 60 30 40 120

La cantidad de arena que como mínimo debe entregar a cada construcción es la siguiente:
Surco La Molina San Borja
10 toneladas 5 toneladas 10 toneladas
Teniendo en cuenta los datos anteriores, el modelo de programación lineal que permite al contratista determinar la cantidad de arena que debe
transportar desde las canteras a las construcciones es el siguiente:

Sets:
cant/1..2/ : disp, costo;
: req;
CC(cant,const) : costo_t, x;
End sets

Página 14 de 17
data:
req = 10 5 10;
disp = 18 14;
costo = 100 120;
costo_t = 30 60 50 60 30 40;
End data

Min = @sum(cc(i,j):x(i,j)*costo_t(i,j)+x(i,j)*costo(i));

@for(cant(i):[disponibilidad] @sum(const(j):x(i,j))<=disp(i));
@for(const(j):[requerimiento] @sum(cant(i):x(i,j))>=req(j));
End

Reporte de la Solución Óptima

Global optimal solution found.

Objective value:

Reduced Cost
DISP( 1) 18.00000 0.000000
DISP( 2) 14.00000 0.000000
COSTO( 1) 100.0000 0.000000
COSTO( 2) 120.0000 0.000000
REQ( 1) 10.00000 0.000000
REQ( 2) 5.000000 0.000000
REQ( 3) 10.00000 0.000000
COSTO_T( 1, 1) 30.00000 0.000000
COSTO_T( 1, 2) 60.00000 0.000000
COSTO_T( 1, 3) 50.00000 0.000000
COSTO_T( 2, 1) 60.00000 0.000000
COSTO_T( 2, 2) 30.00000 0.000000
COSTO_T( 2, 3) 40.00000 0.000000
X( 1, 1) 10.00000 0.000000
X( 1, 2) 0.000000 20.00000
X( 1, 3) 8.000000 0.000000
X( 2, 1) 0.000000 40.00000
X( 2, 2) 5.000000 0.000000
X( 2, 3) 2.000000 0.000000

Row Slack or Surplus Dual Price

1 3570.000 -1.000000
DISPONIBILIDAD( 1) 0.000000 10.00000
DISPONIBILIDAD( 2) 7.000000 0.000000
REQUERIMIENTO( 1) 0.000000 -140.0000
REQUERIMIENTO( 2) 0.000000 -150.0000
REQUERIMIENTO( 3) 0.000000 -160.0000

Página 15 de 17
 Reporte de Rangos de Sensibilidad

Ranges in which the basis is unchanged:

Objective Coefficient Ranges:

Current Allowable Allowable

Variable Coefficient Increase Decrease
X( 1, 1) 130.0000 40.00000 140.0000
X( 1, 2) 160.0000 INFINITY 20.00000
X( 1, 3) 150.0000 10.00000 40.00000
X( 2, 1) 180.0000 INFINITY 40.00000
X( 2, 2) 150.0000 20.00000 150.0000
X( 2, 3) 160.0000 40.00000 10.00000

Righthand Side Ranges:

Current Allowable Allowable

Row RHS Increase Decrease
DISPONIBILIDAD( 1) 18.00000 2.000000 7.000000
DISPONIBILIDAD( 2) 14.00000 INFINITY 7.000000
REQUERIMIENTO( 1) 10.00000 7.000000 2.000000
REQUERIMIENTO( 2) 5.000000 7.000000 5.000000
REQUERIMIENTO( 3) 10.00000 7.000000 2.000000

a) Defina las variables de decisión.

b) Si tuviera que establecer el precio por tonelada a cobrar a cada una de las construcciones por el material que les entrega, ¿qué resultados
emplearía como base para fijar dichos precios?

c) Usted ha escuchado que es posible que la cantera de Cieneguilla eleve el costo por tonelada de arena. ¿Hasta qué precio estaría usted
dispuesto a pagar por tonelada en dicha cantera para mantener su plan actual?

d) Se ha enterado que un competidor ha acudido antes que usted a la cantera de Cieneguilla y ha comprado material dejándole a usted una
disponibilidad menor. Usted desea evaluar cuál será el efecto en sus costos totales y cuál sería la máxima disminución de dicha
disponibilidad que le permitiera mantener las mismas rutas de transporte a utilizar en su plan actual.

Caso 7.4: DIGITAL IMPORT

DIGITAL IMPORT es una empresa que se dedica principalmente a la venta de los siguientes artículos: Televisores de pantalla plana, equipos
DVD, y equipos de sonido de alta fidelidad, los mismos que importa de una reconocida marca de equipos digitales. Los precios de venta, los
costos de adquisición de cada uno de los artículos, el espacio de almacenamiento requerido, y las horas-hombre (H-H) necesarias para su
comercialización se presentan en la siguiente tabla:

Precio de venta Costo adquisición Espacio Comercialización

Artículo
($/unidad) ($/unidad) (m3 / unidad) (HH / unidad)
TV pantalla plana 250 180 0.20 4
Equipo DVD 100 65 0.08 2
Equipo de sonido 150 100 0.40 1

Digital importa recibe sus lotes de pedidos cada 2 semanas (14 días), motivo por el cual desea planificar su plan de compras para cada período
de aprovisionamiento. El almacén tiene una capacidad útil de almacenamiento de 180 m3, cada día la fuerza de ventas disponible es de 10
trabajadores que laboran 8 horas diarias, se ha destinado $ 60700 para la adquisición de mercadería. El modelo de programación lineal en
LINGO que resuelve el problema de DIGITAL IMPORT es el siguiente:

Sets:
modelo/1..3/ : precio, costo, espacio, tiempo, x;
End sets

Data:
costo=180 65 100;
precio=250 100 150;
tiempo=4 2 1;
espacio=0.2 0.08 0.4;
End data
Página 16 de 17
Max=@sum(modelo(i):(precio-costo)*x);

[disp_espacio]@sum(modelo(i):x*espacio)<=180;
[disp_tiempo]@sum(modelo(i):x*tiempo)<=8*10*14;
[disp_presupuesto]@sum(modelo(i):x*costo)<=60700;
End

Reporte de la Solución Óptima

Global optimal solution found.

Objective value:

Reduced Cost
PRECIO( 1) 250.0000 0.000000
PRECIO( 2) 100.0000 0.000000
PRECIO( 3) 150.0000 0.000000
COSTO( 1) 180.0000 0.000000
COSTO( 2) 65.00000 0.000000
COSTO( 3) 100.0000 0.000000
ESPACIO( 1) 0.2000000 0.000000
ESPACIO( 2) 0.8000000E-01 0.000000
ESPACIO( 3) 0.4000000 0.000000
TIEMPO( 1) 4.000000 0.000000
TIEMPO( 2) 2.000000 0.000000
TIEMPO( 3) 1.000000 0.000000
X( 1) 0.000000 24.07407
X( 2) 380.0000 0.000000
X( 3) 360.0000 0.000000

Row Slack or Surplus Dual Price

1 31300.00 1.000000
DISP_ESPACIO 5.600000 0.000000
DISP_TIEMPO 0.000000 1.851852
DISP_PRESUPUESTO 0.000000 0.4814815
Reporte de Rangos de Sensibilidad

Ranges in which the basis is unchanged:

Objective Coefficient Ranges:
Current Allowable Allowable
Variable Coefficient Increase Decrease
X( 1) 70.00000 24.07407 INFINITY
X( 2) 35.00000 65.00000 2.500000
X( 3) 50.00000 3.846154 32.50000

Righthand Side Ranges:

Current Allowable Allowable
Row RHS Increase Decrease
DISP_ESPACIO 180.0000 INFINITY 5.600000
DISP_TIEMPO 1120.000 747.6923 42.00000
DISP_PRESUPUESTO 60700.00 1050.000 24300.00

a) Identifique y defina las variables de decisión.

b) ¿Cuál sería el nuevo valor de la función objetivo, si se decidiera adquirir 15 TV pantalla plana?

c) Si el precio de venta de los equipos DVD ya no fuera $ 100, si no que ahora fuera de $ 98. ¿La base óptima se modificaría?

d) El administrador de DIGITAL IMPORT tiene dos posibilidades: Alquilar 22 m3 de almacenamiento extra o aumentar de 8 a 9 las horas que
se laboran cada día. Independientemente del costo que representa cada alternativa ¿Cuál de las dos opciones es más conveniente?

Página 17 de 17