1.

- ANTECEDENTES

2.- INTRODUCCIN
El desarrollo de la programacin lineal se considera entre los avances cientficos ms importantes del siglo XX, pues su impacto ha sido extraordinario. Actualmente es una herramienta de uso comn que ha beneficiado a muchas organizaciones en distintos pases con ahorros de cualquier ndole, por lo que su uso se est ampliando rpidamente a todos los sectores de la sociedad. Una gran mayora de los clculos cientficos en computadoras usan la programacin lineal proliferando las publicaciones y libros sobre esta materia de gran aplicacin. Aunque la asignacin de recursos a las actividades es la aplicacin ms frecuente. Dispone de un procedimiento de solucin extraordinariamente eficiente llamado mtodo simplex.

Se usa mucho en la industria militar y en la petrolera. Si bien esos sectores han sido quiz los principales usuarios de ella, el sector servicios y el sector pblico de la economa tambin la han aprovechado ampliamente. (http://docencia.izt.uam,.mx) Otras aplicaciones en la industria, en las inversiones, ubicaciones de almacenes, problemas de asignacin de recursos limitados, con actividades competitivas hacia un objetivo comn

3.- DEFINICIN
El adjetivo lineal significa que todas las funciones matemticas del modelo deben ser lineales o de "lnea recta", que significa utilizar, slo una variable de primer grado en cada trmino, la palabra programacin es sinnimo de planeacin. As, la programacin lineal trata de la planeacin de las actividades para obtener un resultado ptimo, es decir, es el resultado que mejor alcance la meta especifica entre todas las alternativas de solucin. Es una tcnica matemtica de optimizacin, es decir, un mtodo que trata de maximizar o minimizar un objetivo. Su enfoque e inters principal es la solucin de problemas para ayudar a los gerentes a tomar decisiones ptimas. (David Anderson, Denisse Sweeney y Thomas William, 2004).

4.- TIPOS DE MODELOS.

Un modelo es una abstraccin o representacin de objetos o situaciones que pueden presentarse en varias formas y que son cuidadosamente seleccionadas de la realidad.

Los modelos no pueden reemplazar al tomador de decisiones, slo auxiliarlos" El propsito, o valor, de cualquier modelo es que permiten hacer inferencias acerca de la situacin real al estudiar y analizar el modelo. Por ejemplo, un diseador de aviones podra probar un modelo icnico de un avin nuevo en un tnel de viento para aprender sobre las caractersticas de vuelo potenciales del avin de tamao natural. Por otro lado, un modelo matemtico puede usarse para hacer inferencias sobre cunta ganancia se obtendr si se vende una cantidad especifica de un producto en particular.

Hay tres tipos de modelos, los cuales se describen en el siguiente esquema:

TIPOS DE MODELOS
ANALGICOS MATEMTICOS SIMBLICOS (cuantitativos)
Intangible. Comprensin: la ms fcil Duplicidad y posibilidad de compartirlo: las ms fciles. Modificacin y manipulacin: las ms fciles. Alcance de utilizacin: el ms amplio.

Tangible. Comprensin: Fcil Duplicacin y posibilidad de compartirlo: Difcil Modificacin y manipulacin: Difcil. Alcance de utilizacin: la ms baja

Intangible. Comprensin: ms fcil Duplicidad y posibilidad de compartirlo: ms fcil. Modificacin y manipulacin: ms fcil. Alcance de utilizacin: ms amplio.

Modelo de un aeroplano, modelo de una casa, modelo de una ciudad.

Mapas de carreteras, velocmetro de un vehculo, grfica de rebanadas de pastel, un termmetro

Modelo de simulacin, modelo algebraico, modelo de hoja de clculo electrnica, modelos econmicos

Figura 1. Tipo de modelos. Elaboracin Propia.

Para el anlisis de problemas y tomar decisiones se utilizaran los modelos matemticos, los cuales tienen la siguiente clasificacin:

MODELOS MATEMTICOS

Figura 2. Tipos de modelos matemticos

En general, experimentar con modelos requiere de menos tiempo y es ms barato que experimentar con objetos o situaciones reales. Los modelos tienen la ventaja de reducir el riesgo asociado con la experimentacin con la situacin real. En particular, los malos diseos o las malas decisiones que causan que un modelo de avin se estrelle o que un modelo matemtico proyecte una prdida pueden evitarse en la situacin real. Segn Herbert A. Simon, ganador del premio novel de economa y experto en toma de decisiones, afirm que un modelo matemtico no tiene que ser exacto; slo tiene que ser lo bastante aproximado para proporcionar mejores resultados de los que puede obtenerse con el sentido comn.

5.- FORMULACIN DE MODELOS DE PROGRAMACIN LINEAL.

Bajo el anlisis cuantitativo basado en los modelos matemticos para ayudar a tomar decisiones se deben considerar las siguientes caractersticas para su formulacin. Variables de decisin y parmetros (X1, X2, X3. Xn). Las variables de decisin son incgnitas que deben ser determinadas a partir de la solucin del modelo. Los parmetros representan los valores conocidos del sistema o bien que se pueden controlar. Funcin Objetivo (F.O.): Es una relacin matemtica entre las variables de decisin, parmetros y una magnitud que representa el objetivo o producto del sistema. Para seleccionar que funcin objetivo debe elegirse se toma en cuenta lo siguiente: a) Si se va a encontrar situaciones en las cuales se tiene solo costos ya sea de materia prima, costo de mano de obra, costo de uso de mquina, costos de transporte, costos de depreciacin ,etc. esto indica que indudablemente la F.O. ser de MINIMIZACIN. b) Si el enunciado solo da datos econmicos de ganancia, precio de venta o dinero a recibir por unidad producida la F.O. ser de MAXIMIZACIN. c) Si el enunciado da al mismo tiempo costos y ganancias restaremos de la siguiente manera: GANANCIAS COSTOS = UTILIDAD, la que tendr como F.O. MAXIMIZACIN. d) Si no se da ningn dato econmico y solo se da tiempos, el tiempo se minimiza, si se da solo produccin, la produccin se ha de maximizar, si el modelo corresponde a contratar al personal, la funcin objetivo se minimiza. Restricciones: Son relaciones entre las variables de decisin y magnitudes que dan sentido a la solucin del problema y las acotan a valores factibles. Estas limitaciones o restricciones en los modelos lineales tienen slo las siguientes estructuras: <= , >=, =.

Muchos problemas tienen expresiones caractersticas que anunciar que tipo de restriccin se debe usar, por ejemplo: Usar <= >= = Para expresiones como :

pueden

Como mximo, a lo ms, disponibilidad, demanda mxima. Como mnimo, por lo menos, al menos, demanda mnima. total, proporcin

Finalmente las restricciones deben tener las mismas unidades en tanto en su lado izquierdo como derecho. La no negatividad de algunas variables son muy importante para definir la solucin de algunos modelos, por lo tanto se dice que todas las variables son >=0. Un modelo de programacin lineal se define usualmente como sigue: Maximizar o minimizar (Z) Z= C1X1+ C2X2+ C3X3+..+ CnXn Sujeto a: A11X1 + A12X2 + A13X3 ++ A1nXn (,=,) b1 A21X1 + A22X2 + A23X3 ++ A2nXn (,=,) b2 A31X1 + A32X2 + A33X3 ++ A3nXn (,=,) b3
. . .. .

Am1X1 + Am2X2 + Am3X3 ++ AmnXn (,=,) bm X1, X2, X3,,Xn0 NOTA: Aij, bj, Cj (parmetros conocidos) (i=1, 2, 3,.m j=1, 2, 3,n)

n= nmero de incgnitas m =nmero de restricciones

EJEMPLO: Un fabricante de muebles tiene 6 unidades de maderas y 28 horas disponibles, durante las cuales fabricar biombos decorativos. Con anterioridad, se han vendido bien 2 modelos, de manera que se limitar a producir estos 2 tipos. Estima que el modelo uno requiere 2 unidades de madera y 7 horas de tiempo disponible, mientras que el modelo 2 requiere una unidad de madera y 8 horas. Los precios de los modelos son 120 dls. y 80 dls., respectivamente. Cuntos biombos de cada modelo debe fabricar si desea maximizar su ingreso en la venta? 1.- Obtener la informacin proporcionada mediante una tabla. Tipo de Biombos 1 2 Disponibilidad Unidades de madera 2 1 6 Tiempo en horas 7 8 28 Precio/unidad 120 80

2.- Las VARIABLE DE DECISION son: X1 = Cantidad de biombos tipo I a fabricar X2 = Cantidad de biombos tipo II a fabricar 3.- El OBJETIVO: Maximizar el ingreso por ventas 4.- Las RESTRICCIONES: Unidades de madera y tiempo disponible

Maximizar Z= 120X1+80X2 Sujeto a: 2X1+ X2 6 (unidades de madera) 7X1+ 8X2 28 (tiempo disponible) X1, X2 0 2.- Mi dieta requiere que todos los alimentos que ingiera pertenezcan a uno de los cuatro grupos bsicos de alimentos( pastel de chocolate, helado de crema, bebidas carbonatadas y pastel de queso). Por ahora hay los siguientes cuatro alimentos : barra de chocolate, helado de crema de chocolate, bebida de cola y pastel de queso con pia. Cada barra de chocolate cuesta $50, cada bola de helado de crema de chocolate cuesta $20, cada botella de bebida de cola cuesta $30 y cada rebanada de pastel de queso con pia cuesta $80. Todos los das debo ingerir por lo menos 500 caloras, 6 onzas de chocolate, 10 onzas de azucar y 8 onzas de grasa. El contenido nutricional por unidad de cada alimento se proporciona en la siguiente tabla. Plantee un modelo de Programacin lineal que se puedan utilizar para cumplir con mis necesidades nutricionales al mnimo costo. Tipo Caloras Chocolate(onzas) Azcar(onzas) Grasa(onzas) Alimento Barra de 400 3 2 2 chocolate Helado 200 2 2 4 de crema chocolate (1bola) Bebida 150 0 4 1 de cola (1 botella) Pastel de 500 0 4 5 queso con pia (1

rebana) Solucin: X1= Cantidad de barras de chocolate consumida al da. X2= Cantidad de bolas de helado de chocolate ingerida al da. X3= Botellas de bebida de cola tomadas por da. X4= Rebanadas de pastel de queso con pia consumidas al da.

MIN Z= 50X1+20X2+30X3+80X4 Sujeto a: 400X1+ 200X2+ 150X3+ 500X4 500 (caloras) 3X1+2X2 6 (chocolate) 2X1+2X2+4X3+4X4 10 (azcar) 2X1+4X2+X3+5X4 8 (grasa) X1, X2, X3, X40 3.- Longer Boats Company produce tres modelos de lanchas de alto desempeo para competicin. Estos tres modelos se llaman Sting, Ray y Breaker. La informacin acerca de ingresos y costos para el prximo periodo de planeacin aparecen en la siguiente tabla Lancha Sting Ray Breaker Precio de venta por unidad($) 10,000 7,500 15,000 Costo variable por unidad ($) 5,000 3,600 8,000 Costo fijo ($) 5,000,000 3,000,000 10,000,000

Por principio de cuentas, para el siguiente periodo de planeacin, la administracin ya ha firmado contratos comprometindose a producir 700 sting. Otro cliente ha solicitado 400 Breaker, solicitud que la administracin quisiera cumplir. Los estudios de mercado de Longer Boats han convencido a la direccin de que se deben de fabricar a lo sumo 300 Ray. La gerencia esta interesada en averiguar cunto tendr que vender para llegar al punto de equilibrio, la cul deber cumplir con la condicin de ingreso total=costo total. Por el hecho de que Longer es una compaa relativamente nueva y ahora est padeciendo los problemas de flujo de efectivo asociado a su rpido crecimiento, la administracin deseara minimizar el flujo de salida de capital. La meta de la gerencia es determinar el plan de produccin que tenga el menor costo variable, que cumpla con las restricciones y produzca un ingreso total igual al costo total. Formule como un PL. Solucin. X1= Cantidad de Sting que se van a producir. X2= Cantidad de Ray que se van a producir X3= Cantidad de Breaker que se van a producir. MIN Z= 5000X1+ 3600X2 + 8000X3 Sujeto a: Punto de equilibrio Ingreso total= costo variable + costo fijo 10,000X1+7500X2+ 15000X3 = 5000 X1 + 3600X2 + 8000X3 +18000000 (10,000-5000)X1 + (7500-3600)X2 + (15000-8000)X3 = 18000000 5000X1 + 3900X2 + 7000X3 = 18000000 X1 700 X2 400 X3 300 X1, X2, X3 >=0

6. MTODOS DE SOLUCIN
6.1. Solucin Grfica.
Cuando un modelo de programacin lineal se expresa en trminos de dos variables puede resolverse con procedimientos grficos. Conceptos clave: Conjunto factible: Es el conjunto de puntos que integran la regin de resolucin. Solucin factible: Cada punto que integra la regin (plana) que resuelve el problema. Solucin ptima: Constituye la solucin al problema de programacin lineal. Cul es el objetivo de la solucin grfica? Encontrar (entre todos los puntos del conjunto factible) el punto o los puntos que optimicen la funcin objetivo.

6.1.1. Metodologa:
1.- Exprsense los datos del problema como una funcin objetivo y restricciones. Ejemplo: Maximizar Z= 120X1+80X2 Sujeto a: 2X1+ X2 6 (unidades de madera) 7X1+ 8X2 28 (tiempo disponible) X1, X2 >= 0

2.- Convertir a igualdades las restricciones 2X1 + X2 = 6 7X1 + 8X2 = 28 ecuacin 1 ecuacin 2

3.- Obtener los dos puntos extremos de la lnea recta en cada ecuacin, condicionando a las variables si: Ecuacin 1. X1= 0 X2= 6 X 2= 0 X1=3 Ecuacin 2 X1 = 0 X2= 28/8= 3.5 X2=0 X1=28/7=4

4.- Graficar cada restriccin, trazando los puntos extremos de la lnea recta en un plano cartesiano. Encontrar el espacio de solucin factible, este espacio es la unin de todas las rectas determinadas por el tipo de desigualdad de las restricciones (direccin de las rectas) . Cada punto contenido o situado en la frontera del espacio de soluciones satisfacen todas las restricciones y por consiguiente, representa un punto factible. 5.- Graficar la funcin objetivo dando un valor arbitrario a Z, y seguir el paso 3. Mover la recta de la funcin objetivo (pendiente) hacia arriba, hacia abajo, izquierda o derecha hasta tocar y encontrar el punto ptimo, si el caso es de maximizacin o minimizacin. La representacin de las rectas al igual que la recta de la funcin objetivo, el espacio de soluciones factibles y el punto ptimo se muestra a continuacin:

Grfica 1. Representacin de la solucin ptima del problema.

6.1.2. Casos especiales. a) Solucin ptima mltiple. Se presenta cuando la recta de la funcin objetivo es paralela a una de las rectas de las restricciones, y todos los puntos que toca son ptimos. Ejemplo: Max Z= 4x1+14x2 s..a. 2x1+7x2<= 21 7x1 + 2x2<=21 X1, X2 >=0

b) Solucin No acotada. Cuando todas la restricciones son del tipo >= la regin factible no tiene limite superior. Para un problema de minimizacin debe haber una igualdad o una restriccin del tipo >=, y para un problema de maximizacin debe haber por lo menos una restriccin de igualdad o del tipo <=., si se quiere encontrar una solucin. Ejemplo: Max Z= 2X1+ X2 s.a X1 X2 <= 10 2X1 X2 <=40 X1, X2 >=0

c) Solucin Infactible. Cuando dos restricciones son mutuamente excluyentes y no existe un espacio de solucin. Ejemplo: Max Z= 3x1+ 2x2 S.a. 2x1+ x2 <=2 3x1 +4x2>=12 x1, x2 >=0

6.2. MTODO SIMPLEX. El mtodo constituye una forma sistemtica y de bsqueda, mediante un algoritmo iterativo que tiene la caracterstica de converger eficientemente a travs de todas las posibles soluciones para obtener una solucin ptima. En contraste con el anlisis grfico, este mtodo permite el uso de muchas variables. En comparacin con el mtodo grfico, el mtodo smplex tiene como punto de partida el origen siendo este la solucin inicial al problema. El mtodo prueba todos los puntos extremos grficos aunque no necesariamente se detiene en todos los vrtices. Por otro lado utiliza el concepto de lgebra de matrices en una serie de tablones. La figura siguiente marca el paralelismo entre los dos mtodos. Mtodo Grfico
Grafica todas las restricciones, incluyendo las de no negatividad El espacio de soluciones consiste en una infinidad de puntos esquina factibles

Mtodo Algebraico (Simplex)

Representa el espacio de soluciones con m ecuaciones con n variables, y restringe a todas las variables a valores no negativos; m<n El sistema tiene infinidad de soluciones factibles

Identifica puntos factibles de esquina del espacio de soluciones. Los candidatos a la solucin ptima corresponden a una cantidad finita de puntos de esquina.

Determina las soluciones bsicas factibles de las ecuaciones. Las candidatas a solucin ptima corresponden a una cantidad finita de soluciones bsicas factibles.

Se usa la funcin objetivo para determinar el punto esquina ptimo entre todos los candidatos

Se usa la funcin objetivo para determinar la solucin bsica factible ptima entre todas las candidatas.

6.2.1. Metodologa. 1.- Convertir el modelo de programacin lineal a su forma estndar, es decir, que todas las restricciones sean de igualdad. Para lograr las igualdades ser necesario agregar una variable de holgura1 Xi a las restricciones del tipo y para las restricciones del tipo restaremos una variable de holgura y sumaremos una variable artificial2 Xi. ara igualdades se sumara una varia le artificial Xi
1 Las variables de holgura son los recursos desperdiciados o no usados. 2 las variables artificiales son los recursos que se exceden.

2.- Igualar la funcin objetivo a cero (0). Las variables de holgura tienen un coeficiente de cero 3.- Pasar el modelo a una tabla de la siguiente forma:

V.B Z Xn+1 . . . Xn+m Donde:

X1 Z1-C1 a11 a21 . . am1

m)

X2 Z2-C2 a12 a22 . . am2

.. . . .. . . .

Xn an1 ........ . . amn

Xn+1 Zn-Cn an1+1 . . . amn1+1

bi 0 b1 . . . bm

b= (b1,b2,b3,

vector recursos

a11 a12 a1n a= a21 a22 a2n . . . matriz de coeficientes tcnicos

a1m . . . amn X= (X1, X2, X3,Xn) vector de incgnitas (variables de decisin)

4.- Determinacin de la variable que entra a la base: El vector o variable que entra a la base es aquel cuyo coeficiente del (Zj-Cj) sea el ms negativo si el objetivo es de maximizacin, en caso de que sea de minimizacin entra la variable con el coeficiente ms positivo. La optimalidad se alcanzara cuando: Si es de maximizacin todos los coeficientes del (Zj-Cj) son positivos o ceros. Si es de minimizacin todos los coeficientes del (Zj-Cj) sean negativos o ceros. En caso de haber empate entre varias variables a entrar a la base, rmpase este seleccionando cualquier de ellas. 5.- Determinacin de la variable que sale de la base: La variable saliente se determina seleccionando el menor de los cocientes entre el vector recurso bi y el vector correspondiente a la variable que entra a la base. Es decir:

bi Min aij

tal que

aij >0

6.- Determinacin del nuevo vector unitario o pivote. A la interseccin de la variable que entra con la variable que sale se determina Pivote. Aplquese posteriormente operaciones matriciales elementales con el fin de convertir a la columna del vector entrante en vector unitario. Es decir un uno en la interseccin y ceros en toda la columna. 7.- Regrese al paso No 4 con el propsito de comprobar si la solucin es ptima.

Ejemplo. Obtener la solucin del siguiente modelo de Programacin Lineal. Max Z= 4x1 3x2 s.a 2x1 + 3x2 6 -3x1 + 2x2 2 X1,x2>=0

Estandarizado Max Z- 4x1+3x2 = 0 2x1 + 3x2 + x3 =6 -3x1 + 2x2 +x4 = 2 Xj>=0 Variable entra X1 Variable que sale x3 Pivote 2 X1 rengln pivote V.B X1 X2 -4 3 Z
X3 X4 Z X1 X4 2 -3 0 1 0 3 2 9 3/2 13/2

X3 0 1 0 2 1/2 3/2

X4 0 0 1 0 0 1

bi 0 6 2 12 3 11

Solucin ptima. Sustituyendo en la funcin objetivo X1= 3 Max Z= 4(3) 3(0) X2=0 12= 12 Z=12 Cuando en los modelos de programacin lineal existen restricciones del tipo = se hace uso de variables artificiales y la solucin del modelo se hace a travs del mtodo simplex llamado Mtodo de las Ms Procedimiento: 1.- Pasar a la forma estndar el problema. a) Si las restricciones son del tipo , restar una varia le de holgura ( xi) sumar una varia le artificial (Xi). b) Si son igualdades agregar nicamente una variable artificial (Xi). 2.- Las variables artificiales tendrn un coeficiente de M, si el problema es de maximizacin. Y de +M, si el problema es de Minimizacin en la funcin objetivo.

3.- La variable M tiene un valor extremadamente grande, (ejemplo: 1000000). 4.- La funcin objetivo se iguala a cero. 5.- Aplicar el mtodo simplex para resolver el problema. Ejemplo. Obtener la solucin ptima del siguiente modelo de PL. Max Z= 5x1 + 12x2 + 4x3 s.a. x1 +2x2 + x3 5 2x1 - x2 + 3x3 = 2 X1, x2, x3 0 Estandarizando _ Max Z = 5x1 +12x2+4x3+0x4-Mx5 _ Max Z 5x1 12 x2 4x3+ 0 x4 +Mx5= 0 X1 + 2x2 + x3 + x4 = 5 _ 2x1 - x2 + 3x3 + x5 = 2 V.B Z
X4 X5 X1 -5 1 2 -2M-5 1
2

Z
X4
X5

X2 -12 2 -1 M-12 2
-1

X3 -4 1 3 -3M-4 1
3

X4 0 1 0 0 1
0

X5 M 0 1 0 0
1

bi
0 5 2 -2M 5
2

Z
X4 X3 Z X2 X3 Z X2 X1

-7/3 1/3 2/3 -3/7 1/7 5/7 0 0 1

-40/3 7/3 -1/3 0 1 0 0 1 0

0 0 1 0 0 1 3/5 -1/5 7/5

0 1 0 40/7 3/7 1/7 29/5 2/5 1/5

M+4/3 -1/3 1/3 M-4/7 -1/7 2/7 M-2/5 -1/5 2/5

8/3 13/3 2/3 192/7 13/7 9/7 141/5 8/5 9/5

Solucin ptima. X1= 9/5 X2= 8/5 X3=0 Z= 141/5

Sustituyendo en la funcin objetivo Max Z= 5(9/5)+12(8/5)+4(0) = 45/5+96/5+0 141/5 = 141/5

Cuando en un modelo de programacin lineal el nmero de restricciones y variables son demasiadas, y obtener la solucin ptima por el mtodo simplex (las Ms) es muy laborioso por la gran cantidad de iteraciones que se hacen hasta encontrar la solucin ptima; se hace uso de un software tales como: WinQSB, TORA, LINDO, SOLVER.

7.- ANLISIS DE PROBLEMAS (EJERCICIOS PROPUESTOS). 1.- Willie Hanes es presidente de una microempresa de inversiones que se dedica a administrar las carteras de acciones de varios clientes. Un nuevo cliente ha solicitado que la compaa se haga cargo de administrar para l una cartera de $ 100,000. A este cliente la agradara restringir la cartera a una mezcla de tres tipos de acciones nicamente, como se muestra en la tabla: Formule un PL para mostrar cuntas acciones de cada tipo tendra que comprar Willie con el fin de maximizar el rendimiento anual total estimado de esa cartera. Tipo accin. de Precio por Rendimiento Inversin accin ($) anual mxima estimado por posible($) accin ($) Gofer Crude 60 7 60,000 Can Oil 25 3 25,000 Sloth Petroleum 20 3 30,000

2.- Carlos, Lpez es propietario de un pequeo taller de fabricacin de muebles. En ese taller fabrica tres tipos diferentes de mesas: A, B y C. Con cada mesa, se requiere de determinado tiempo para cortar las partes que la constituyen, ensamblar y pintar la pieza terminada. Carlos podr vender todas las mesas que consiga fabricar. Adems, el modelo C puede venderse sin pintar. Carlos emplea a varias personas, las cuales trabajan en turnos parciales, por lo cual el tiempo disponible para realizar cada una de estas actividades es variable de uno a otro mes. A partir de los datos siguientes, formule usted un modelo de PL que ayude a Carlos a determinar la mezcla de productos la mezcla de productos que le permitir maximizar sus ganancias en el prximo mes.

Modelo

Corte (Hrs)

Montaje (Hrs) 4 2 5 5 200

Pintura Hrs) 5 5 4 0 300

A B C C sin pintar Capacidad

3 1 4 4 150

Ganancias por mesa($) 25 20 50 30

3.- Reese Eicher, fabricante de equipo suplementario para filtracin del aire, produce dos tipos de unidades, el Umidaire y el Depollinator. Los datos referentes a los precios de venta y a los costos aparecen en la siguiente tabla. La compaa de Reese ha sido contratada para suministrar 500 Umidaire y desea calcular las cantidades del punto de equilibrio de ambos tipos de unidad. Formule el modelo de PL para minimizar los costos. Producto Precio de Costos Costos Fijos($) venta por Variables por unidad($) unidad($) Umidaire 450 240 150,000 Depollinator 700 360 240,000 4.- En granjas Spicer se usa diariamente un mnimo de 800 libras de un alimento especial, que es una mezcla de maz y soya, con las composiciones siguientes: Lb por lb de alimento Alimento Protenas Fibras Costo($/lb) Maz 0.09 0.02 0.30 Soya 0.60 0.06 0.90 Las necesidades dietticas del alimento especial son un mnimo de 30% de protenas y un mximo de 5% de fibras. Granjas Spicer desea determinar las proporciones de alimento que produzcan un costo diario mnimo. Formule un PL. 5.-Se desea determinar una dieta de manera eficiente, a partir de un conjunto dado de alimentos, de modo de satisfacer requerimientos

nutricionales. La cantidad de alimentos a considerar, sus caractersticas nutricionales y los costos de stos se dan en la siguiente tabla: Leche(litros) Legumbres (1 porcin) 3.2 4.9 1.12 1.3 32 0 2 0.2 Naranjas (unidad) 0.8 0.19 93 0.25 Requerimientos nutricionales 13 15 45

Niacina Tiamina Vitamina C Costo

Formule un modelo de PL. 6.-En un laboratorio existen dos contadores de bacterias disponibles. El contador C1 puede ser manipulado por un estudiante que gana 400 pesos por hora. En promedio es capaz de contar 5 muestras en una hora. El contador C2 es ms rpido, pero tambin ms sofisticado. Solo una persona bien preparada pero que gana 1000 pesos por hora puede manipularlo. Con la misma precisin que C1, el contador C2 permite contar 10 muestras en una hora. Al laboratorio se le dan 1000 muestras para que se cuenten en un periodo que no exceda las 80 horas. Cuntas horas deben usar cada contador para realizar la tarea a un costo mnimo? Cul es el costo? 7.-Un pequeo distribuidor est planeando una campaa de publicidad de cuatro semanas para anunciar una gran inauguracin, quiere lograr la mayor audiencia posible y est dispuesto a pagar hasta $5000 en la campaa. Despus de revisar los medios de publicidad disponibles, el distribuidor h reducido las posibilidades a cinco. 1 anuncios diarios en los peridicos locales 2 comerciales matutinos en la televisin local 3 comerciales vespertinos en la televisin local 4 patrocinio local de programas semanales de televisin 5 un anuncio en la edicin mensual de una revista regional.

Para cada una de estas posibilidades se obtuvo la siguiente informacin. Televisin Peridico Matutino Vespertino Programa Revista Costo/unidad $400 $100 $1000 $1000 $400 Unidades 4 4 4 4 1 disponibles Audiencia 16000 4000 40000 35000 15000 total Hombres, 4000 500 12000 1000 8000 edad 21-35 Mujeres 6000 2000 12000 5000 2000 casadas Los datos que se refieren al sexo masculino o femenino entre la audiencia son importantes, ya que el distribuidor quiere lograr la asistencia de por lo menos 20000 miembros de cada grupo. El objetivo es maximizar la audiencia total. Formule como un programa Lineal. 8.- Un fabricante de camisas est tratando de decidir cuntas camisas debe producir durante el mes prximo. Puede hacerse 7 estilos. Los estilos varan en las horas de mano de obra que requieren, en la contribucin en la ganancia y en las ventas potenciales que el departamento de comercializacin estima. Los datos se dan enseguida. Estilo Horas-Hombre Ventas Contribucin mximas 1 0.5 3000 1.00 2 1.0 1000 2.00 3 0.25 5000 1.00 4 1.5 2000 1.50 5 0.7 1500 1.25 6 0.9 1500 1.10 7 1.2 1600 1.20 Se dispone de un total de 7500 horas de mano de obra. Formule un programa de PL.

9.- Cules de las siguientes relaciones no seran aceptables como restricciones de PL? a) 7x1+ 5x2 =9 b) 8x1x2+2x2<=12 c) 13x1+ 9x2 >= 8 d) 4x1<=7/x2

10.- Considere el siguiente problema de PL Min Z= X1+ 2X2 S.A X1 + 4X2 <= 21 2x1 + x2 >= 7 3x1 + 1.5x2 <= 21 -2x1 + 6x2 >=0 X1,x2>=0 a) Encuentre la solucin ptima usando el procedimiento de solucin grfica y el valor de la funcin objetivo. b) Suponga que la funcin objetivo es cambiada a Max Z= 5x1+2x2. Encuentre la solucin ptima y el valor de la funcin objetivo.

11.-Encuentre la solucin ptima utilizando el software WINQSB de la formulacin de los problemas (1 al 8).

8.- REFERENCIAS BIBLIOGRFICAS 1.- Investigacin de operaciones el arte de la toma de decisiones. Kamlesh Mathur, Daniel Solow. Ed. Prentice Hall. 1996. 2.- Investigacin de Operaciones en la ciencia Administrativa. G.D. Eppen, F.J Gould, C.P Schmidt,. Quinta Edicin. Ed. Prentice Hall. 2000. 3.- Investigacin de Operaciones, Frederick S. Hiller, Gerald J. Lieberman, Sptima Edicin. Ed., Mc. Graw Hiller. 2002. 4.- Investigacin de Operaciones, Hamdy A. Taha. Sptima Edicin, Edt. Prentice Hall. 2004. 5.- Investigacin de Operaciones. Richard Bronson. Serie Shaum, Ed. Mc Graw Hill. 1990. 6.- Mtodos Cuantitativos para los Negocios; David, R .Anderson, Dennis J. Sweeney, Thomas A. Williams, Novena Edicin. Ed. Thomson. 2004. 7.-Metodos Cuantitativos para la Toma de Decisiones en Administracin. Charles A. Gallagher, Hugh J. Watson. Ed.Mc. Graw Hill, 1982.