Investigación de Operaciones I

UNIVERSIDAD NACIONAL
DE TRUJILLO

Curso: Investigación de Operaciones I

Escuela: Ingeniería
Ingeniería de Sistemas
de Sistemas
 Investigación de Operaciones I

Profesor:
Marcos Gregorio Baca López

Curso:
Investigación de Operaciones I

Integrantes:
- Jiménez Becerra, Kimberly Anaís
- Vidal Gonzales, Javier Alexander

Ingeniería de Sistemas
 Investigación de Operaciones I

CAPÍTULO I: PROBLEMA DE LA PRÁCTICA DE CLASE DE PROGRAMACIÓN LINEAL ....................... 4

1.1 PROBLEMA: SEMBRADÍO .............................................................................................. 5
CAPÍTULO II: 5 PROBLEMAS PROPUESTOS DE PROGRAMACIÓN LINEAL ...................................... 8
2.1 PROBLEMA: MI DIETA ..................................................................................................... 9
2.2 PROBLEMA: FÁBRICA DE DISCOS DUROS ...................................................................... 13
2.3 PROBLEMA: COMPAÑÍA DE PULPA DE PAPEL .............................................................. 17
2.4 PROBLEMA: MODELO DE PRÉSTAMO BANCARIO ........................................................ 20
2.5 PROBLEMA: MODELO DE PRODUCCIÓN DE UN PERIODO ÚNICO ................................ 25

Ingeniería de Sistemas
 Investigación de Operaciones I

CAPÍTULO I
PROBLEMA DE LA PRÁCTICA DE
CLASE DE PROGRAMACIÓN
LINEAL

Ingeniería de Sistemas
 Investigación de Operaciones I
1.1 PROBLEMA: SEMBRADÍO
Un Agricultor deber decidir el número de parcelas de maíz, arroz
y frejoles que debe plantar para maximizar su ganancia. La
decisión se debe de tomar en base a la siguiente información:

 Se dispone de un total de 80 parcelas de tierra.

 La producción por cada parcela es de: 40 ton. de arroz,
100 ton. de maíz y 120 ton. de frejol.
 Las ventas de año anterior indican que no es conveniente
producir más de 4000 ton. de maíz.
 Por limitaciones de equipo, no es posible producir más de un total de 4800 ton.
de frejol y arroz en conjunto.
 Se espera tener una ganancia de $170, $150 y $100 por ton. de maíz, arroz y
frejol respectivamente.

RESOLUCIÓN DEL PROBLEMA

 Definimos las variables de decisión

Se establece las decisiones que se deben tomar a partir del número de parcelas
destinadas a sembrar dependiendo de cada uno de los productos:

𝑀 = 𝑁ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑝𝑎𝑟𝑐𝑒𝑙𝑎𝑠 𝑑𝑒 𝑚𝑎í𝑧

𝐴 = 𝑁ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑝𝑎𝑟𝑐𝑒𝑙𝑎𝑠 𝑑𝑒 𝑎𝑟𝑟𝑜𝑧
𝐹 = 𝑁ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑝𝑎𝑟𝑐𝑒𝑙𝑎𝑠 𝑑𝑒 𝑓𝑟𝑖𝑗𝑜𝑙

 Planteamos la función objetivo

El objetivo es maximizar las ganancias del agricultor, por lo tanto:

𝑀𝑎𝑥 (𝑧) = 170(100𝑀) + 150(40𝐴) + 100(120𝐹)

 Analizamos las restricciones

 𝑅𝑒𝑠𝑡𝑟𝑖𝑐𝑐𝑖ó𝑛 𝑑𝑒 𝑙𝑎 𝑐𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑑𝑒 𝑝𝑎𝑟𝑐𝑒𝑙𝑎𝑠:

𝐴 + 𝐵 + 𝐶 = 80

 𝑅𝑒𝑠𝑡𝑟𝑖𝑐𝑐𝑖ó𝑛 𝑑𝑒 𝑙𝑎 𝑐𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑑𝑒 𝑝𝑎𝑟𝑐𝑒𝑙𝑎𝑠 𝑑𝑒 𝑚𝑎í𝑧:

100𝑀 ≤ 4000

 𝑅𝑒𝑠𝑡𝑟𝑖𝑐𝑐𝑖ó𝑛 𝑑𝑒 𝑙𝑎 𝑐𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑑𝑒 𝑝𝑎𝑟𝑐𝑒𝑙𝑎𝑠 𝑑𝑒 𝑎𝑟𝑟𝑜𝑧 𝑦 𝑓𝑟𝑖𝑗𝑜𝑙:

Ingeniería de Sistemas
 Investigación de Operaciones I
120𝐹 + 40𝐴 ≤ 4800

 𝐶𝑜𝑛𝑑𝑖𝑐𝑖ó𝑛 𝑑𝑒 𝑛𝑜 𝑛𝑒𝑔𝑎𝑡𝑖𝑣𝑖𝑑𝑎𝑑:

𝑀 ≥ 0; 𝐴 ≥ 0; 𝐹 ≥ 0

 Obtenemos los resultados con ayuda del Software Lingo

Ilustración 1. Representación del PROBLEMA SEMBRADÍO en el software Lingo

Ingeniería de Sistemas
 Investigación de Operaciones I

Ilustración 2. Solución del PROBLEMA SEMBRADÍO en el software Lingo

 Interpretación de los resultados

La solución óptima para este PL es 𝑀 = 40, 𝐴 = 0, 𝐹 = 40 y 𝑧 = 1 160 000. Por

lo tanto, la ganancia máxima debe ser de $ 1 160 000 si se siembra 40 parcelas
de maíz y 40 parcelas de frijol. El valor óptimo de z se obtiene al sustituir el valor
óptimo de las variables de decisión en la función objetivo. Así se obtiene una
ganancia máxima de:

𝑧 = (170)(100)(40) + (150)(40)(0) + (100)(120)(40) = 1 160000 𝑑ó𝑙𝑎𝑟𝑒𝑠

Ingeniería de Sistemas
 Investigación de Operaciones I

CAPÍTULO II
5 PROBLEMAS PROPUESTOS
DE PROGRAMACIÓN LINEAL

Ingeniería de Sistemas
 Investigación de Operaciones I
2.1 PROBLEMA: MI DIETA
Mi dieta requiere que todos los alimentos que ingiera pertenezcan a uno
de los cuatro “grupos básicos de alimentos” (pastel de chocolate, helado
de crema, bebidas carbonadas y pastel de queso). Por ahora hay los
siguientes cuatro alimentos: barras de chocolate, helado de crema de
chocolate, bebida de cola y pastel de queso con piña. Cada barra de
chocolate cuesta 50 centavos, cada bola de helado de crema de
chocolate cuesta 20 centavos, cada botella de bebida de cola cuesta 30
centavos y cada rebanada de pastel de queso con piña cuesta 80
centavos. Todos los días debo ingerir por lo menos 500 calorías, 6 onzas
de chocolate, 10 onzas de azúcar y 8 onzas de grasa. El contenido
nutricional por unidad de cada alimento se proporciona en la siguiente
tabla:

Tabla 1. Contenido nutricional por unidad de cada alimento

Tipo de alimento Calorías Chocolate Azúcar Grasa

(Onzas) (Onzas) (Onzas)
Barra de Chocolate 400 3 2 2

Helado de crema de chocolate (1 bola) 200 2 2 4

Bebida de cola (1 botella) 150 0 4 1

Pastel de queso con piña (1 rebanada) 500 0 4 5

Plantear un modelo de programación lineal que se pueda utilizar para cumplir con mis
necesidades nutricionales al mínimo costo.

RESOLUCIÓN DEL PROBLEMA

 Definimos las variables de decisión

Se establece las decisiones que se deben tomar a partir la cantidad de productos

a consumir en la dieta:

𝑋1 = 𝐶𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑑𝑒 𝑏𝑎𝑟𝑟𝑎𝑠 𝑑𝑒 𝑐ℎ𝑜𝑐𝑜𝑙𝑎𝑡𝑒 𝑐𝑜𝑛𝑠𝑢𝑚𝑖𝑑𝑎𝑠 𝑎𝑙 𝑑í𝑎

𝑋2 = 𝐶𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑑𝑒 𝑏𝑜𝑙𝑎𝑠 𝑑𝑒 ℎ𝑒𝑙𝑎𝑑𝑜 𝑐𝑜𝑛𝑠𝑢𝑚𝑖𝑑𝑎𝑠 𝑎𝑙 𝑑í𝑎
𝑋3 = 𝐶𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑑𝑒 𝑏𝑜𝑡𝑒𝑙𝑙𝑎𝑠 𝑑𝑒 𝑐𝑜𝑙𝑎 𝑡𝑜𝑚𝑎𝑑𝑎𝑠 𝑎𝑙 𝑑í𝑎
𝑋4 = 𝐶𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑑𝑒 𝑟𝑒𝑏𝑎𝑛𝑎𝑑𝑎𝑠 𝑑𝑒 𝑝𝑎𝑠𝑡𝑒𝑙 𝑑𝑒 𝑞𝑢𝑒𝑠𝑜 𝑐𝑜𝑛 𝑝𝑖ñ𝑎 𝑐𝑜𝑛𝑠𝑢𝑚𝑖𝑑𝑎𝑠 𝑎𝑙 𝑑í𝑎

Ingeniería de Sistemas
 Investigación de Operaciones I
 Planteamos la función objetivo

El objetivo es minimizar el costo de la dieta, por lo tanto:

𝑀𝑖𝑛 (𝑧) = 50𝑋1 + 20𝑋2 + 30𝑋3 + 80𝑋4

 Analizamos las restricciones

 𝑅𝑒𝑠𝑡𝑟𝑖𝑐𝑐𝑖ó𝑛 𝑑𝑒 𝑙𝑎 𝑐𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑑𝑒 𝑐𝑎𝑙𝑜𝑟í𝑎𝑠:

400𝑋1 + 200𝑋2 + 150𝑋3 + 500𝑋4 ≥ 500

 𝑅𝑒𝑠𝑡𝑟𝑖𝑐𝑐𝑖ó𝑛 𝑑𝑒 𝑙𝑎 𝑐𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑑𝑒 𝑐ℎ𝑜𝑐𝑜𝑙𝑎𝑡𝑒(𝑜𝑛𝑧𝑎𝑠):

3𝑋1 + 2𝑋2 ≥ 6

 𝑅𝑒𝑠𝑡𝑟𝑖𝑐𝑐𝑖ó𝑛 𝑑𝑒 𝑙𝑎 𝑐𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑑𝑒 𝑎𝑧ú𝑐𝑎𝑟(𝑜𝑛𝑧𝑎𝑠):

2𝑋1 + 2𝑋2 + 4𝑋3 + 4𝑋4 ≥ 10

 𝑅𝑒𝑠𝑡𝑟𝑖𝑐𝑐𝑖ó𝑛 𝑑𝑒 𝑙𝑎 𝑐𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑑𝑒 𝑔𝑟𝑎𝑠𝑎(𝑜𝑛𝑧𝑎𝑠):

2𝑋1 + 4𝑋2 + 𝑋3 + 5𝑋4 ≥ 8

 𝐶𝑜𝑛𝑑𝑖𝑐𝑖ó𝑛 𝑑𝑒 𝑛𝑜 𝑛𝑒𝑔𝑎𝑡𝑖𝑣𝑖𝑑𝑎𝑑:

𝑋1 ≥ 0; 𝑋2 ≥ 0; 𝑋3 ≥ 0 ; 𝑋4 ≥ 0

 Obtenemos los resultados con ayuda del Software Lingo

Ingeniería de Sistemas
 Investigación de Operaciones I

Ilustración 3. Representación del PROBLEMA MI DIETA en el software Lingo

Ingeniería de Sistemas
 Investigación de Operaciones I

Ilustración 4. Solución del PROBLEMA MI DIETA en el software Lingo

 Interpretación de los resultados

La solución óptima para este PL es 𝑋1 = 0 = 𝑋4 , 𝑋2 = 3, 𝑋3 = 1 y 𝑧 = 90. Por lo

tanto, el costo mínimo de la dieta al día es de 90 centavos y consta de 3 bolas
de helado de crema de chocolate y de una botella de bebida de cola. El valor
óptimo de z se obtiene al sustituir el valor óptimo de las variables de decisión en
la función objetivo. Así el costo mínimo total es de:

𝑧 = 50(0) + 20(3) + 30(1) + 80(0) = 90 𝑐𝑒𝑛𝑡𝑎𝑣𝑜𝑠

La dieta óptima proporciona:

Ingeniería de Sistemas
 Investigación de Operaciones I

o 200(3) + 150(1) = 750 𝑐𝑎𝑙𝑜𝑟í𝑎𝑠

o 2(3) = 6 𝑜𝑛𝑧𝑎𝑠 𝑑𝑒 𝑐ℎ𝑜𝑐𝑜𝑙𝑎𝑡𝑒

o 2(3) + 4(1) = 10 𝑜𝑛𝑧𝑎𝑠 𝑑𝑒 𝑎𝑧ú𝑐𝑎𝑟

o 4(3) + 1(1) = 13 𝑜𝑛𝑧𝑎𝑠 𝑑𝑒 𝑔𝑟𝑎𝑠𝑎

Por consiguiente, las restricciones de chocolate y azúcar son activas, pero las
restricciones de calorías y grasas con inactivas.

2.2 PROBLEMA: FÁBRICA DE DISCOS DUROS

En una fábrica se elaboran 3 tipos de discos duros: SAS, SCSI
y SATA. En la fábrica trabajan 3 obreros durante 8 horas diarias
y un revisor, para comprobar el funcionamiento de los discos
duros, durante una hora diaria. Para la elaboración de un disco
duro SAS se emplean 3 horas diarias de mano de obra y precisa
de 6 minutos de revisión. Para la fabricación de un disco duro
SCSI también se emplean 3 horas diarias de mano de obra, pero
su revisión solo toma 4 minutos. Por último, para la elaboración
del disco duro SATA basta 1 hora diaria de mano de obra y 3
minutos de revisión. Por problemas de producción en la fábrica
no se pueden fabricar más de 12 discos duros diarios y el precio
de cada uno varía según su tipo de acuerdo a la siguiente tabla:
Tabla 2. Precios de los discos duros fabricados

Tipo de disco duro Precio (s/.)

SAS 4000
SCSI 3000
SATA 2000

Hallar cuántas unidades se deben elaborar cada día de cada una de ellas para obtener
un beneficio máximo.

RESOLUCIÓN DEL PROBLEMA

 Definimos las variables de decisión

Ingeniería de Sistemas
 Investigación de Operaciones I

Se establece las decisiones que se deben tomar a partir la cantidad de discos

duros a fabricar:

𝑋1 = 𝐶𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑑𝑒 𝑑𝑖𝑠𝑐𝑜𝑠 𝑑𝑢𝑟𝑜𝑠 𝑆𝐴𝑆

𝑋2 = 𝐶𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑑𝑒 𝑑𝑖𝑠𝑐𝑜𝑠 𝑑𝑢𝑟𝑜𝑠 𝑆𝐶𝑆𝐼
𝑋3 = 𝐶𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑑𝑒 𝑑𝑖𝑠𝑐𝑜𝑠 𝑑𝑢𝑟𝑜𝑠 𝑆𝐴𝑇𝐴

 Planteamos la función objetivo

El objetivo es maximizar los beneficios, por lo tanto: Es 24 debido a que

existen 3 obreros que
𝑀𝑎𝑥 (𝑧) = 4000𝑋1 + 3000𝑋2 + 2000𝑋3 trabajan durante 8 horas
diarias, es decir:

 Analizamos las restricciones 8 x 3 = 24

 𝑅𝑒𝑠𝑡𝑟𝑖𝑐𝑐𝑖ó𝑛 𝑑𝑒𝑙 𝑡𝑖𝑒𝑚𝑝𝑜 𝑑𝑒 𝑚𝑎𝑛𝑜 𝑑𝑒 𝑜𝑏𝑟𝑎:

3𝑋1 + 3𝑋2 + 𝑋3 ≤ 24

 𝑅𝑒𝑠𝑡𝑟𝑖𝑐𝑐𝑖ó𝑛 𝑑𝑒𝑙 𝑡𝑖𝑒𝑚𝑝𝑜 𝑑𝑒 𝑟𝑒𝑣𝑖𝑠𝑖ó𝑛:

6𝑋1 + 4𝑋2 + 3𝑋3 ≤ 60

 𝑅𝑒𝑠𝑡𝑟𝑖𝑐𝑐𝑖ó𝑛 𝑑𝑒 𝑙𝑎 𝑐𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑑𝑒 𝑒𝑙𝑎𝑏𝑜𝑟𝑎𝑐𝑖ó𝑛:

𝑋1 + 𝑋2 + 𝑋3 ≤ 12

 𝐶𝑜𝑛𝑑𝑖𝑐𝑖ó𝑛 𝑑𝑒 𝑛𝑜 𝑛𝑒𝑔𝑎𝑡𝑖𝑣𝑖𝑑𝑎𝑑:

𝑋1 ≥ 0; 𝑋2 ≥ 0; 𝑋3 ≥ 0

 Obtenemos los resultados con ayuda del Software Lingo

Ingeniería de Sistemas
 Investigación de Operaciones I

Ilustración 5. Representación del PROBLEMA FÁBRICA DE DISCOS DUROS en el software Lingo

Ingeniería de Sistemas
 Investigación de Operaciones I

Ilustración 6. Solución del PROBLEMA FÁBRICA DE DISCOS DUROS en el software Lingo

 Interpretación de los resultados

La solución óptima para este PL es 𝑋1 = 6 = 𝑋3 , 𝑋2 = 0 y 𝑧 = 36 000. Por lo

tanto, el beneficio máximo es de S/.36 000 elaborando 6 unidades del disco duro
SAS y 6 unidades del disco duro SATA. El valor óptimo de z se obtiene al sustituir
el valor óptimo de las variables de decisión en la función objetivo. Así el beneficio
máximo es de:

𝑧 = 4000(6) + 3000(0) + 2000(6) = 36000 𝑠𝑜𝑙𝑒𝑠

Ingeniería de Sistemas
 Investigación de Operaciones I
2.3 PROBLEMA: COMPAÑÍA DE PULPA DE PAPEL
Una compañía de pulpa de papel posee dos
regiones forestales (la región I y la región II)
y dos molinos (A y B). Las capacidades de
suministro mensual de madera de las
regiones I y II son de 120 y 250 toneladas,
respectivamente. El molino A requiere, por lo
menos, 200 toneladas de madera al mes y el
B, al menos 150, también mensualmente.
Los costes de transporte en unidades monetarias por tonelada de cada región a cada
molino son los siguientes: 5 de la región I al molino A, 4 desde la región I al molino B, 5
desde la región II al molino A, y 6 desde la región II al molino B. ¿Qué cantidad de
madera debe transportarse desde cada región I y II a cada molino A y B de forma que
se minimice el coste total de transporte? ¿Cuál es el coste mínimo?

RESOLUCIÓN DEL PROBLEMA

 Definimos las variables de decisión

Se establece las decisiones que se deben tomar a partir las toneladas de manera
a transportar a los molinos:

𝑋1 = 𝑇𝑜𝑛𝑒𝑙𝑎𝑑𝑎𝑠 𝑑𝑒 𝑚𝑎𝑑𝑒𝑟𝑎 𝑡𝑟𝑎𝑛𝑠𝑝𝑜𝑟𝑡𝑎𝑑𝑎𝑠 𝑑𝑒 𝑙𝑎 𝑟𝑒𝑔𝑖ó𝑛 𝐼 𝑎𝑙 𝑚𝑜𝑙𝑖𝑛𝑜 𝐴

𝑋2 = 𝑇𝑜𝑛𝑒𝑙𝑎𝑑𝑎𝑠 𝑑𝑒 𝑚𝑎𝑑𝑒𝑟𝑎 𝑡𝑟𝑎𝑛𝑠𝑝𝑜𝑟𝑡𝑎𝑑𝑎𝑠 𝑑𝑒 𝑙𝑎 𝑟𝑒𝑔𝑖ó𝑛 𝐼 𝑎𝑙 𝑚𝑜𝑙𝑖𝑛𝑜 𝐵
𝑋3 = 𝑇𝑜𝑛𝑒𝑙𝑎𝑑𝑎𝑠 𝑑𝑒 𝑚𝑎𝑑𝑒𝑟𝑎 𝑡𝑟𝑎𝑛𝑠𝑝𝑜𝑟𝑡𝑎𝑑𝑎𝑠 𝑑𝑒 𝑙𝑎 𝑟𝑒𝑔𝑖ó𝑛 𝐼𝐼 𝑎𝑙 𝑚𝑜𝑙𝑖𝑛𝑜 𝐴
𝑋4 = 𝑇𝑜𝑛𝑒𝑙𝑎𝑑𝑎𝑠 𝑑𝑒 𝑚𝑎𝑑𝑒𝑟𝑎 𝑡𝑟𝑎𝑛𝑠𝑝𝑜𝑟𝑡𝑎𝑑𝑎𝑠 𝑑𝑒 𝑙𝑎 𝑟𝑒𝑔𝑖ó𝑛 𝐼𝐼 𝑎𝑙 𝑚𝑜𝑙𝑖𝑛𝑜 𝐵

 Planteamos la función objetivo

El objetivo es minimizar los costos, por lo tanto:

𝑀𝑖𝑛 (𝑧) = 5𝑋1 + 4𝑋2 + 5𝑋3 + 6𝑋4

 Analizamos las restricciones

 𝑅𝑒𝑠𝑡𝑟𝑖𝑐𝑐𝑖ó𝑛 𝑑𝑒 𝑙𝑎 𝑜𝑓𝑒𝑟𝑡𝑎 𝑑𝑒 𝑙𝑎 𝑟𝑒𝑔𝑖ó𝑛 𝐼:

𝑋1 + 𝑋2 ≤ 120

 𝑅𝑒𝑠𝑡𝑟𝑖𝑐𝑐𝑖ó𝑛 𝑑𝑒 𝑙𝑎 𝑜𝑓𝑒𝑟𝑡𝑎 𝑑𝑒 𝑙𝑎 𝑟𝑒𝑔𝑖ó𝑛 𝐼𝐼:

Ingeniería de Sistemas
 Investigación de Operaciones I
𝑋3 + 𝑋4 ≤ 250

 𝑅𝑒𝑠𝑡𝑟𝑖𝑐𝑐𝑖ó𝑛 𝑑𝑒 𝑙𝑎 𝑑𝑒𝑚𝑎𝑛𝑑𝑎 𝑑𝑒𝑙 𝑚𝑜𝑙𝑖𝑛𝑜 𝐴:

𝑋1 + 𝑋3 ≥ 200

 𝑅𝑒𝑠𝑡𝑟𝑖𝑐𝑐𝑖ó𝑛 𝑑𝑒 𝑙𝑎 𝑑𝑒𝑚𝑎𝑛𝑑𝑎 𝑑𝑒𝑙 𝑚𝑜𝑙𝑖𝑛𝑜 𝐵:

𝑋2 + 𝑋4 ≥ 150

 𝐶𝑜𝑛𝑑𝑖𝑐𝑖ó𝑛 𝑑𝑒 𝑛𝑜 𝑛𝑒𝑔𝑎𝑡𝑖𝑣𝑖𝑑𝑎𝑑:

𝑋1 ≥ 0; 𝑋2 ≥ 0; 𝑋3 ≥ 0; 𝑋4 ≥ 0

 Obtenemos los resultados con ayuda del Software Lingo

Ilustración 7.Representación del PROBLEMA COMPAÑÍA DE PULPA DE PAPEL en el software Lingo

Ingeniería de Sistemas
 Investigación de Operaciones I

Ilustración 8. Solución del PROBLEMA COMPAÑÍA DE PULPA DE PAPEL en el software Lingo

 Interpretación de los resultados

Por lo tanto, para minimizar los costes de transporte, deben transportarse 120
toneladas desde la región I al molino B, 200 toneladas desde la región II al molino
A y 30 toneladas desde la región II al molino B. Para conseguir ese coste mínimo
no se debería realizar el trayecto desde la región I al molino A.

De este modo el coste mínimo de transporte terminaría siendo equivalente a

1660.00 unidades monetarias.

Ingeniería de Sistemas
 Investigación de Operaciones I
2.4 PROBLEMA: MODELO DE PRÉSTAMO BANCARIO

Bank One está desarrollando una política de préstamos que implica

un máximo de $12 millones.

La tabla siguiente muestra los datos pertinentes en relación con los

préstamos disponibles:

Tabla 3. Tabla de los datos de los préstamos disponibles

Tipo de préstamo Tasa de Interés % de deudas

impagables

Personal .140 .10

Automóvil .130 .07

Casa .120 .03

Agrícola .125 .05

Comercial .100 .02

Las deudas impagables son irrecuperables y no producen ingresos por intereses.

La competencia con otras instituciones financieras dicta la asignación de 40% mínimo

de los fondos para préstamos agrícolas y comerciales. Para ayudar a la industria de la
construcción de viviendas en la región, los préstamos para casa deben ser por lo menos
50% de los préstamos personales, para automóvil, y para casa. El banco limita la
proporción total de las deudas impagables en todos los préstamos a un máximo de 4%.

RESOLUCIÓN DEL PROBLEMA

 Definimos las variables de decisión

Se establece las decisiones que se deben tomar a partir del monto de los
préstamos en cada categoría:

𝑋1 = 𝑃𝑟é𝑠𝑡𝑎𝑚𝑜𝑠 𝑝𝑒𝑟𝑠𝑜𝑛𝑎𝑙𝑒𝑠 (𝑒𝑛 𝑚𝑖𝑙𝑙𝑜𝑛𝑒𝑠 𝑑𝑒 𝑑ó𝑙𝑎𝑟𝑒𝑠)

𝑋2 = 𝑃𝑟é𝑠𝑡𝑎𝑚𝑜𝑠 𝑝𝑎𝑟𝑎 𝑎𝑢𝑡𝑜𝑚ó𝑣𝑖𝑙𝑒𝑠 (𝑒𝑛 𝑚𝑖𝑙𝑙𝑜𝑛𝑒𝑠 𝑑𝑒 𝑑ó𝑙𝑎𝑟𝑒𝑠)

Ingeniería de Sistemas
 Investigación de Operaciones I
𝑋3 = 𝑃𝑟é𝑠𝑡𝑎𝑚𝑜𝑠 𝑝𝑎𝑟𝑎 𝑐𝑎𝑠𝑎 (𝑒𝑛 𝑚𝑖𝑙𝑙𝑜𝑛𝑒𝑠 𝑑𝑒 𝑑ó𝑙𝑎𝑟𝑒𝑠)
𝑋4 = 𝑃𝑟é𝑠𝑡𝑎𝑚𝑜𝑠 𝑎𝑔𝑟í𝑐𝑜𝑙𝑎𝑠 (𝑒𝑛 𝑚𝑖𝑙𝑙𝑜𝑛𝑒𝑠 𝑑𝑒 𝑑ó𝑙𝑎𝑟𝑒𝑠)
𝑋5 = 𝑃𝑟é𝑠𝑡𝑎𝑚𝑜𝑠 𝑐𝑜𝑚𝑒𝑟𝑐𝑖𝑎𝑙𝑒𝑠 (𝑒𝑛 𝑚𝑖𝑙𝑙𝑜𝑛𝑒𝑠 𝑑𝑒 𝑑ó𝑙𝑎𝑟𝑒𝑠)

El objetivo del Bank One es maximizar el rendimiento neto, la diferencia entre el

ingreso por intereses y la pérdida por deudas impagables. El ingreso por
intereses se acumula sobre los préstamos al corriente. Por ejemplo, cuando se
pierde 10% de préstamos personales por deuda impagable, el banco recibirá
intereses sobre 90% del préstamo; es decir, recibirá un interés de 14% sobre
9𝑋1 del préstamo original 𝑋1 . El razonamiento es válido para los cuatro tipos
restantes de préstamos. Por lo tanto:

𝐼𝑛𝑡𝑒𝑟é𝑠 𝑡𝑜𝑡𝑎𝑙 = .14(. 9𝑋1 ) + .13(. 93𝑋2 ) + .12(97𝑋3 ) + .125(. 95𝑋4 ) + .1(. 98𝑋5 )

𝐼𝑛𝑡𝑒𝑟é𝑠 𝑡𝑜𝑡𝑎𝑙 = .126𝑋1 + .1209𝑋2 + .1164𝑋3 + .11875𝑋4 + .098𝑋5

También tenemos:

𝐷𝑒𝑢𝑑𝑎 𝑖𝑚𝑝𝑎𝑔𝑎𝑏𝑎𝑙𝑒 = .1𝑋1 + .07𝑋2 + .03𝑋3 + .05𝑋4 + .02𝑋5

 Planteamos la función objetivo

La función objetivo combina el ingreso por intereses y la deuda impagable como

sigue:

𝑀𝑎𝑥 (𝑧) = 𝐼𝑛𝑡𝑒𝑟é𝑠 𝑡𝑜𝑡𝑎𝑙 − 𝐷𝑒𝑢𝑑𝑎 𝑖𝑚𝑝𝑎𝑔𝑎𝑏𝑙𝑒

𝑀𝑎𝑥 (𝑧) = .126𝑋1 + .1209𝑋2 + .1164𝑋3 + .11875𝑋4 + .098𝑋5 − (.1𝑋1 + .07𝑋2

+ .03𝑋3 + .05𝑋4 + .02𝑋5 )

𝑀𝑎𝑥 (𝑧) = .026𝑋1 + .0509𝑋2 + .0864𝑋3 + .06875𝑋4 + .078𝑋5

 Analizamos las restricciones

 𝑅𝑒𝑠𝑡𝑟𝑖𝑐𝑐𝑖ó𝑛 𝑑𝑒 𝑙𝑜𝑠 𝑓𝑜𝑛𝑑𝑜𝑠 𝑡𝑜𝑡𝑎𝑙𝑒𝑠(𝑛𝑜 𝑑𝑒𝑏𝑒 𝑒𝑥𝑐𝑒𝑑𝑒𝑟 𝑙𝑜𝑠 $12 𝑚𝑖𝑙𝑙𝑜𝑛𝑒𝑠):

𝑋1 + 𝑋2 + 𝑋3 + 𝑋4 + 𝑋5 ≤ 12

 𝑅𝑒𝑠𝑡𝑟𝑖𝑐𝑐𝑖ó𝑛 𝑑𝑒 𝑙𝑜𝑠 𝑝𝑟é𝑠𝑡𝑎𝑚𝑜𝑠 𝑎𝑔𝑟í𝑐𝑜𝑙𝑎𝑠 𝑦 𝑐𝑜𝑚𝑒𝑟𝑐𝑖𝑎𝑙𝑒𝑠(𝑖𝑔𝑢𝑎𝑙 𝑎 𝑝𝑜𝑟 𝑙𝑜 𝑚𝑒𝑛𝑜𝑠

 𝑒𝑙 40% 𝑑𝑒 𝑡𝑜𝑑𝑜𝑠 𝑙𝑜𝑠 𝑝𝑟é𝑠𝑡𝑎𝑚𝑜𝑠):

𝑋4 + 𝑋5 ≥ .4(𝑋1 + 𝑋2 + 𝑋3 + 𝑋4 + 𝑋5 )

𝑜 𝑏𝑖𝑒𝑛

Ingeniería de Sistemas
 Investigación de Operaciones I
. 4𝑋1 +. 4𝑋2 +. 4𝑋3 − .6𝑋4 − .6𝑋5 ≤ 0

 𝑅𝑒𝑠𝑡𝑟𝑖𝑐𝑐𝑖ó𝑛 𝑝𝑎𝑟𝑎 𝑙𝑜𝑠 𝑝𝑟é𝑠𝑡𝑎𝑚𝑜𝑠 𝑑𝑒 𝑐𝑎𝑠𝑎 (𝑑𝑒𝑏𝑒 𝑠𝑒𝑟 𝑖𝑔𝑢𝑎𝑙𝑒𝑠 𝑎 𝑝𝑜𝑟 𝑙𝑜 𝑚𝑒𝑛𝑜𝑠 𝑒𝑙 50%
𝑑𝑒 𝑙𝑜𝑠 𝑝𝑟é𝑠𝑡𝑎𝑚𝑜𝑠 𝑝𝑒𝑟𝑠𝑜𝑎𝑙𝑒𝑠, 𝑝𝑎𝑟𝑎 𝑎𝑢𝑡𝑜𝑚ó𝑣𝑖𝑙 𝑦 𝑝𝑎𝑟𝑎 𝑐𝑎𝑠𝑎):

𝑋3 ≥ .5(𝑋1 + 𝑋2 + 𝑋3 )

𝑜 𝑏𝑖𝑒𝑛

. 5𝑋1 +. 5𝑋2 −. 5𝑋3 ≤ 0

 𝑅𝑒𝑠𝑡𝑟𝑖𝑐𝑐𝑖ó𝑛 𝑑𝑒 𝑙𝑠 𝑑𝑒𝑢𝑑𝑎𝑠 𝑖𝑚𝑝𝑎𝑔𝑎𝑏𝑙𝑒𝑠(𝑛𝑜 𝑑𝑒𝑏𝑒𝑛 𝑒𝑥𝑐𝑒𝑑𝑒 𝑒𝑙 4% 𝑑𝑒 𝑡𝑜𝑑𝑜𝑠 𝑙𝑜𝑠 𝑝𝑟é𝑠𝑡𝑎𝑚𝑜𝑠):

.1𝑋1 + .07𝑋2 + .03𝑋3 + .05𝑋4 + .02𝑋5 ≤ .04(𝑋1 + 𝑋2 + 𝑋3 + 𝑋4 + 𝑋5 )

𝑜 𝑏𝑖𝑒𝑛

. 06𝑋1 +. 03𝑋2 − . 01𝑋3 + .01𝑋4 − .02𝑋5 ≤ 0

 𝐶𝑜𝑛𝑑𝑖𝑐𝑖ó𝑛 𝑑𝑒 𝑛𝑜 𝑛𝑒𝑔𝑎𝑡𝑖𝑣𝑖𝑑𝑎𝑑:

𝑋1 ≥ 0; 𝑋2 ≥ 0; 𝑋3 ≥ 0; 𝑋4 ≥ 0 ; 𝑋5 ≥ 0

 Obtenemos los resultados con ayuda del Software Lingo

Ingeniería de Sistemas
 Investigación de Operaciones I

Ilustración 9. Representación del PROBLEMA MODELO DE PRÉSTAMO BANCARIO en el software

Lingo

Ingeniería de Sistemas
 Investigación de Operaciones I

Ilustración 10. Solución del PROBLEMA MODELO DE PRÉSTAMO BANCARIO en el software Lingo

 Interpretación de los resultados

Por lo tanto, la solución óptima sería 𝑧 = .99648, 𝑋1 = 𝑋2 = 𝑋4 = 0, 𝑋3 = 7.2 y

𝑋5 = 4.8. En otras palabras, el rendimiento máximo que se puede alcanzar es de
0.99648 millones de dólares cuando existan un total de 7.2 millones de dólares
en préstamos para casa y 4.8 millones de dólares en préstamos comerciales.

Ingeniería de Sistemas
 Investigación de Operaciones I
2.5 PROBLEMA: MODELO DE PRODUCCIÓN DE UN PERIODO ÚNICO
En preparación para la temporada invernal, una compañía
fabricante de ropa está manufacturando abrigos de piel con
capucha y chamarras con relleno de plumas de ganso, pantalones
con aislamiento y guantes. Todos los productos se elaboran en
cuatro departamentos diferentes: corte, aislamiento, costura y
empaque. La compañía recibió pedidos en firme de sus productos.
El contrato estipula una penalización por los artículos no surtidos.
Elabore un plan de producción óptimo para la compañía, con base
en los siguientes datos:

Tabla 4. Datos de las unidades de tiempo en la elaboración

Tiempo por unidades (h)

Departamento
Chamarras Relleno de Pantalones Guantes Capacidad
plumas (h)

Corte .30 .30 .25 .15 1000

Aislamiento .25 .35 .30 .10 1000

Costura .45 .50 .40 .22 1000

Empaque .15 .15 .1 .05 1000

Demanda 800 750 600 500

Utilidad unitaria $ 30 $ 40 $ 20 $ 10

Penalización por $ 15 $ 20 $ 10 $8
unidad

RESOLUCIÓN DEL PROBLEMA

 Definimos las variables de decisión

Se establece las decisiones que se deben tomar a partir de la cantidad de

productos elaborar:

𝑋1 = 𝐶𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑑𝑒 𝑐ℎ𝑎𝑚𝑎𝑟𝑟𝑎𝑠 𝑐𝑜𝑛 𝑐𝑎𝑝𝑢𝑐ℎ𝑎

Ingeniería de Sistemas
 Investigación de Operaciones I
𝑋2 = 𝐶𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑑𝑒 𝑐ℎ𝑎𝑚𝑎𝑟𝑟𝑎𝑠 𝑐𝑜𝑛 𝑟𝑒𝑙𝑙𝑒𝑛𝑜 𝑑𝑒 𝑝𝑙𝑢𝑚𝑎𝑠
𝑋3 = 𝐶𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑑𝑒 𝑝𝑎𝑛𝑡𝑎𝑙𝑜𝑛𝑒𝑠
𝑋4 = 𝐶𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑑𝑒 𝑝𝑎𝑟𝑒𝑠 𝑑𝑒 𝑔𝑢𝑎𝑛𝑡𝑒𝑠

 Planteamos la función objetivo

Se penaliza a la compañía si no cumple la demanda. El objetivo es entonces

maximizar la utilidad neta, definida como:

𝑈𝑡𝑖𝑙𝑖𝑑𝑎𝑑 𝑛𝑒𝑡𝑎 = 𝑈𝑡𝑖𝑙𝑖𝑑𝑎𝑑 𝑡𝑜𝑡𝑎𝑙 − 𝑃𝑒𝑛𝑎𝑙𝑖𝑧𝑎𝑐𝑖ó𝑛 𝑡𝑜𝑡𝑎𝑙

Entonces:

𝑈𝑡𝑖𝑙𝑖𝑑𝑎𝑑 𝑡𝑜𝑡𝑎𝑙 = 30𝑋1 + 40𝑋2 + 20𝑋3 + 10𝑋4

Para calcular la penalización total, las restricciones de la demanda pueden

escribirse como sigue:

𝑥1 + 𝑠1 = 800 , 𝑥2 + 𝑠2 = 750

𝑥3 + 𝑠3 = 600 , 𝑥4 + 𝑠4 = 500

𝑥𝑗 ≥ 0, 𝑠𝑗 ≥ 0, 𝑗 = 1, 2, 3, 4

La nueva variable 𝑠𝑗 representa la escasez en la demanda del producto 𝑗, y la

penalización penalización total se calcula como:

𝑃𝑒𝑛𝑎𝑙𝑖𝑧𝑎𝑐𝑖ó𝑛 𝑡𝑜𝑡𝑎𝑙 = 15𝑠1 + 20𝑠2 + 10𝑠3 + 8𝑠4

El modelo completo se escribe entonces como sigue:

𝑀𝑎𝑥 (𝑧) = 30𝑋1 + 40𝑋2 + 20𝑋3 + 10𝑋4 − (15𝑠1 + 20𝑠2 + 10𝑠3 + 8𝑠4 )

 Analizamos las restricciones

 𝑅𝑒𝑠𝑡𝑟𝑖𝑐𝑐𝑖ó𝑛 𝑑𝑒 𝑐𝑜𝑟𝑡𝑒:

. 30𝑋1 +. 30𝑋2 +. 25𝑋3 +. 15𝑋4 ≤ 1000

 𝑅𝑒𝑠𝑡𝑟𝑖𝑐𝑐𝑖ó𝑛 𝑑𝑒 𝑎𝑖𝑠𝑙𝑎𝑚𝑖𝑒𝑛𝑡𝑜:

. 25𝑋1 +. 35𝑋2 +. 30𝑋3 +. 10𝑋4 ≤ 1000

 𝑅𝑒𝑠𝑡𝑟𝑖𝑐𝑐𝑖ó𝑛 𝑑𝑒 𝑐𝑜𝑠𝑡𝑢𝑟𝑎:

. 45𝑋1 +. 50𝑋2 +. 40𝑋3 +. 22𝑋4 ≤ 1000

Ingeniería de Sistemas
 Investigación de Operaciones I

 𝑅𝑒𝑠𝑡𝑟𝑖𝑐𝑐𝑖ó𝑛 𝑑𝑒 𝑒𝑚𝑝𝑎𝑞𝑢𝑒𝑡𝑎𝑑𝑜:

. 15𝑋1 +. 15𝑋2 +. 10𝑋3 +. 05𝑋4 ≤ 1000

 𝑅𝑒𝑠𝑡𝑟𝑖𝑐𝑐𝑖ó𝑛 𝑑𝑒 𝑙𝑎 𝑑𝑒𝑚𝑎𝑛𝑑𝑎:

𝑥1 + 𝑠1 = 800 , 𝑥2 + 𝑠2 = 750

𝑥3 + 𝑠3 = 600 , 𝑥4 + 𝑠4 = 500

 𝐶𝑜𝑛𝑑𝑖𝑐𝑖ó𝑛 𝑑𝑒 𝑛𝑜 𝑛𝑒𝑔𝑎𝑡𝑖𝑣𝑖𝑑𝑎𝑑:

𝑥𝑗 ≥ 0, 𝑠𝑗 ≥ 0, 𝑗 = 1, 2, 3, 4

 Obtenemos los resultados con ayuda del Software Lingo

Ingeniería de Sistemas
 Investigación de Operaciones I

Ilustración 11. Representación del PROBLEMA MODELO DE PRODUCCIÓN DE PERIODO ÚNICO

en el software Lingo

Ingeniería de Sistemas
 Investigación de Operaciones I

Ilustración 12. Solución del PROBLEMA MODELO DE PRODUCCIÓN EN UN PERIODO ÚNICO en el

software Lingo

 Interpretación de los resultados

La solución óptima es 𝑧 = $64 625, 𝑋1 = 800, 𝑋2 = 750, 𝑋3 = 387, 𝑋4 = 500, 𝑆1 =

𝑆2 = 𝑆4 = 0 y𝑆3 = 212.5. La solución satisface toda la demanda de ambos tipos de
chamarra y los guantes. Una merma de 213 (redondeada desde 212.5)
pantalones representará un costo de penalización de 213($10) = $2130.

Ingeniería de Sistemas