EJERCICO #9

ChemLabs utiliza las materias primas I y II para producir dos soluciones de l

materias primas I y II son de 150 y 145 unidades, respectivamente. Una uni
0.6 unidades de la materia prima II, en tanto que una unidad de la solu- cion
la materia prima II. Las utilidades por unidad de las soluciones A y B son de
es de entre 30 y 150 unidades, y la de la solucion B va de 40 a 200 unidade
Variables
Sa
Sb
Funcion Objetivo
Max
Z

(Cantidad de solucion A)
(Cantidad de Solucion B)

8(Sa) + 10(Sb)

Restricciones
0.5(Sa) + 0.5(Sb) <= 150

(Materia Prima 1)

0.65(Sb) + 0.45(Sb) <= 145

(Materia Prima 2)

Sa >= 30
Sa <= 150
Sb >= 40
Sb <= 200
Sa, Sb >= 0

s soluciones de limpieza domestica, A y B. Las disponibilidades diarias de las

amente. Una unidad de solucion A consume .5 unidades de la ma- teria prima I, y
d de la solu- cion B consume 0.5 unidades de la materia prima I, y .4 unidades de
nes A y B son de $8 y $10, respectivamente. La demanda diaria de la solucion A
0 a 200 unidades. Determine las cantidades de produccion optimas de A y B.

s de las
ria prima I, y
unidades de
solucion A
de A y B.

EJERCICO #10
La tienda de abarrotes Ma-and-Pa tiene un espacio de anaqueles limitado y
marcas de cereal, Grano y Wheatie, compiten por un total de espacio de 60
Una caja de Grano ocupa .2 pies2, y una caja de Wheatie requiere .4 pies2.

Las demandas diarias maximas de Grano y Wheatie son de 200 y 120 cajas,
Una caja de Grano reditua una utilidad neta de $1.00 y la de una de Wheatie
Ma-and-Pa considera que como la utilidad neta de Wheatie es 35% mayor q
que a Grano, lo que equivale a asignar aproximadamente 57% a Wheatie y

Variables
C1
C2

CANTIDAD DE CAJAS DE GRANO

CANTIDAD DE CAJAS DE WHEATIE

Funcion Objetivo
MAX
Z

1C1 + 1.35C2

Restricciones
.2C1 + .4C2 <= 60
C1 <= 200
C2 <= 120
C1,C2 >= 0

ESPACIO

maximizar espacio
Linear Programming
Signs
<
=
>

less than or equal to

equals (You need to enter an apostrophe first.)
greater than or equal to

x1

x2

Data
Objective
Restricciones
Restricciones
Restricciones

1
0.2
1
0

1.35 sign
0.4 <
0<
1<

RHS
60
120
200

Results
Variables
Objective

200

50
267.5

ueles limitado y debe utilizarlo con eficacia para incrementar las utilidades. Dos
de espacio de 60 pies2 en anaqueles.

quiere .4 pies2.

200 y 120 cajas, respectivamente.

e una de Wheatie es de $1.35.

es 35% mayor que la de Grano, a Wheatie se le debe asignar 35% mas espacio
7% a Wheatie y 43% a Grano. Usted que piensa?

C1
GRANO
ESPACIO
UTILIDAD

Results
LHS
Slack/Surplus
267.5
60
0
200
-80
50
150

C2
WHEATIE
0.2
1

0.4
1.35

RESPUESTA:

SE RECOMIENDA TOMAR EN CU
UTILIDAD DE LOS PRODUCTOS
C2 OBTIENE UNA UTILIDAD DE 2

Problem setup area

< constraints
60
200
50

60
120
200

> constraints
0
0
0

dades. Dos

as espacio

NDA TOMAR EN CUENTA LA DEMANDA Y NO SOLO LA

E LOS PRODUCTOS YA QUE SI VENDE 200 DE LA C1 Y 50 DE
UNA UTILIDAD DE 268 $

onstraints
0
0
0

EJERCICO # 11

Jack es un estudiante novato en la Universidad de Ulern. Se da cue

un chico aburrido. Jack desea distribuir su tiempo disponible de a
diversion. Estima que divertirse es dos veces mas entretenido que
el mismo tiempo que le quiere dedicar a la diversion. Sin embargo
puede divertirse mas de 4 horas al dia. Como debe distribuir su t
divertirse?c
VARIABLES
X1
X2

CANTIDAD DE HORAS DE TAREAS

CANTIDAD DE HORAS DE DIVERSION

MAXI
Z

X1 + 2X2

OBJETIVO

RESTRICCIONES
X1 + X2 <= 10
X1 <= X2

X1 -X2 <= 0

X2 <= 4

maximizar espacio

Enter
Enter the
the values
values in
in the
the shaded
shaded area.
area. Then
Then go
go to
to the
the DATA
DATATab
Tab on
on the
the ribbon,
ribbon, click
click on
on Sol
So
IfIf SOLVER
SOLVER isis not
not on
on the
the Data
Data Tab
Tab then
then please
please see
see the
the Help
Help file
file (Solver)
(Solver) for
for instructions.
instructions.

Linear Programming
Signs
<
=
>

less than or equal to

equals (You need to enter an apostrophe first.)
greater than or equal to

Data
x1

x2

Objective
Restricciones
Restricciones
Restricciones

1
1
1
0

2 sign
1<
-1 <
1<

Results
Variables

RHS
10
0
4

Objective

Ulern. Se da cuenta de que solo trabajo y nada de diversion me hacen ser

disponible de aproximadamente 10 horas al dia entre las tareas y la
ntretenido que hacer tareas. Pero tambien desea estudiar por lo menos
n. Sin embargo, Jack comprende que para cumplir con sus tareas no
distribuir su tiempo para maximizar su placer tanto de trabajar como de

ab
ab on
on the
the ribbon,
ribbon, click
click on
on Solver
Solver in
in the
the Data
Data Analysis
Analysis Group
Group and
and then
then click
click SOLVE.
SOLVE.
le (Solver)
ile
(Solver) for
for instructions.
instructions.

Results
LHS

Problem setup area

Slack/Surplus
0
0
0
0

10
0
4

< constraints
0
0
0

> constraints
10
0
0
0
4
0

me hacen ser
eas y la
r lo menos
eas no
ajar como de

onstraints
10
0
4

Column1
EJERCICiO # 16

Burroughs Garment Company fabrica camisas para caballero y blusa

corporacion que aceptara toda la produccion surtida por Burroughs
empaque. Burroughs emplea 25 trabajadores en el departamento d
trabaja un turno de 8 horas, 5 dias a la semana. La siguiente tabla m
unidad para las dos prendas:

Determine el programa de produccion semanal optimo para Burroug

Minutos por Unidad
Prenda

Corte

Camisas X1
Blusas X2
Empleados
Horas Diarias
Horas Semanales
Mintuos Diarios Disponibles
Minutos Semanales Disp
Variables

Funcion

Costura
20
60

70
60

25
200
1,000
12,000
60,000

35
280
1,400
16,800
84,000

X1= Cantidad de camisas a producir semanal

X2= Cantidad de blusas a producir semanal

Maximimar
Z = 8X1 + 12X2

Restricciones

20X1 + 60X2 <=60,000

70X1 + 60X1 <= 84,000
12X1 + 4X2 <= 1200
X1, X2 >= 0

s para caballero y blusas de dama para las tiendas de descuento Wallmart,

surtida por Burroughs. El proceso de produccion incluye el corte, la costura
en el departamento de corte, 35 en el de costura, y 5 en empaque. La fabri
na. La siguiente tabla muestra los requerimientos de tiempo y utilidades po

al optimo para Burroughs.

nidad

Horas Diaria
Utilidad
Unitaria $

Empaque
12
4

8
12

5
40
200
2,400
12,000

65
520
2,600
31,200
156,000

sas a producir semanal

as a producir semanal

Restriccion de Corte
Restriccion de Costura
Restriccion de Empaque

Dias

nto Wallmart,
orte, la costura y el
paque. La fabrica
y utilidades por

Programacion Semanal

Enter
Enter the
the values
values in
in the
the shaded
shaded area.
area. Then
Then go
go to
to the
the DATA
DATATab
Tab on
on the
the ribbon,
ribbon, clc
IfIf SOLVER
SOLVER isis not
not on
on the
the Data
Data Tab
Tab then
then please
please see
see the
the Help
Help file
file (Solver)
(Solver) for
for instr
instr

Linear Programming
Signs
<
=
>

less than or equal to

equals (You need to enter an apostrophe first.)
greater than or equal to

x1

x2

Data
Objective
Constraint 1
Constraint 2
Constraint 3
Results
Variables
Objective

8
20
70
12

480

12 sign
60 <
60 <
4<

RHS
60000
84000
12000

840
0

en
en go
go to
to the
the DATA
DATATab
Tab on
on the
the ribbon,
ribbon, click
click on
on Solver
Solver in
in the
the Data
DataAnalysis
Analysis Group
Group and
and then
then click
click SOLVE.
SOLVE.
ease
lease see
see the
the Help
Help file
file (Solver)
(Solver) for
for instructions.
instructions.

rophe first.)

Results
LHS

Problem setup area

Slack/Surplus
0
0
0
0

60000
84000
12000

< constraints
0
0
0

0
0
0

> constraints
0
0
0

0
0
0

Variables
X1 : Cantidad de a trabajar en tienda 1
X2 : Cantidad de a trabajar en tienda 2
Maximizar
Funcion Objetivo
Z = 8x1 + 6x2
S.A. (Restricciones)
x1+ x2 20
x1 5
x1 12
x2 6
x2 10
x1 , x2 0
Respuesta
Deberia de trabajar 10 horas en cada empresa

EJERCICiO PAG. # 38-1

Fox Enterprises esta considerando seis posibles proyectos de const

proyectos en parte o en su totalidad. La ejecucion parcial de un pro
de efectivo. Los rendimientos (valor presente) y los desembolsos de

(a) Formule el problema como un programa lineal, y determine la co

AMPL, Solver o TORA. Pase por alto el valor en el tiempo del dinero

(b) Suponga que si se emprende una parte del proyecto 2, entonces

formulacion del modelo y determine la nueva solucion optima.

(c) En el modelo original, suponga que los fondos no utilizados al fin

determine que tanto cada ano le pide prestado al ano anterior. Po

(d) Suponga en el modelo original que los fondos anuales disponibl

a otras actividades fi- nancieras dentro de la compania. Ignorando e
solucion optima. Requeriria la nueva solucion que se pida prestado
pedido en prestamo?

DESEMBOLS

PROYECTO
1
2
3
4
5
6
Fondos Disponibles ($ 1000)

Variables

P1= Cantidad
P2= Cantidad
P3= Cantidad
P4= Cantidad
P5= Cantidad
P6= Cantidad

de
de
de
de
de
de

AO 1
10.5
8.3
10.2
7.2
12.3
9.2
60

proyectos
proyectos
proyectos
proyectos
proyectos
proyectos

a
a
a
a
a
a

AO 2
14.4
12.6
14.2
10.5
10.1
7.8
70

emprender
emprender
emprender
emprender
emprender
emprender

Objetivo
Maximizar

Z = 32.4P1 + 35.8P2 + 17.75P3 + 14.8P4 + 18.2P

Restricciones
10.5P1 + 8.3 P2 + 10.2P3 + 7.2P4 + 12
14.4P1 + 12.6P2 + 14.2P3 +10.5P4 +
2.2P1 + 9.5P2 + 5.6P3 + 7.5P4 + 8.3P5
2.4P1 + 3.1P2 + 4.2P3 + 5P4 + 6.3P5 +
P1-5 >= 0

P2 >= P6
P2 - P6 >= 0

les proyectos de construccion durante los proximos 4 anos. Fox puede empr
ucion parcial de un proyecto prorrateara proporcionalmente tanto el rendien
) y los desembolsos de efectivo para los proyectos se dan en la siguiente ta

neal, y determine la combinacion optima de proyectos que maximice el rend

n el tiempo del dinero.

el proyecto 2, entonces debe emprenderse por lo menos una parte igual del
solucion optima.

ndos no utilizados al final de un ano se utilizan en el ano siguiente. Halle la n

ado al ano anterior. Por sencillez, pase por alto el valor del dinero en el tiem

dos anuales disponibles para cualquier ano se pueden exceder, si fuera nec
compania. Ignorando el valor del dinero en el tiempo, refor- mule el modelo
n que se pida prestado en cualquier ano? De ser asi, cual es la tasa de rend

DESEMBOLSO DE EFECTIVO ($ 1000)

AO 3
2.2
9.5
5.6
7.5
8.3
6.9
35

Inciso B

RENDIMIEN
TO ($
AO 4
1000)
2.4
32.4
3.1
35.8
4.2
17.75
5
14.8
6.3
18.2
5.1
12.35
20

S1 = Sobrante ao 1
S2 = Sobrante ao 2
S3 = Sobrante ao 3

+ 17.75P3 + 14.8P4 + 18.2P5 + 12.35p6

Ao1
Ao 2
Ao 3
Ao 4

ox puede emprender cualquiera de los

anto el rendiento como los desembolsos
la siguiente tabla.

aximice el rendimiento total utilizando

parte igual del proyecto 6. Modifique la

ente. Halle la nueva solucion optima, y

inero en el tiempo.

er, si fuera necesario, pidiendo prestado

mule el modelo de PL y determine la
la tasa de rendimiento sobre el dinero

EJERCICiO PAG. # 46-1

1. AutoMate contrato a ToolCo para que abastezca sus tiendas de d
La demanda semanal de AutoMate consiste en por lo menos 1500 ll
ToolCo no puede fabricar todas las unidades solicitadas con su capa
subcontratar a otras fabricas de herramientas. El resultado es un in
tabla. La demanda del mercado limita la proporcion entre cinceles y

INTERVARLO DE
PRODUCCION
TIPO DE PRODUCCION
SEMANAL (UNIDADE

HERRAMIENTAS

Llaves Inglesas

Regular
Tiempo Extra
Sub Contratacion

0 - 550
551 - 800
801 - >>

Cinceles

Regular
Tiempo Extra
Sub Contratacion

0 - 620
621 - 900
901 - >>

A) Formule el problema como un programa lineal, y determine el programa de p

Variables
L1
L2
L3
C1
C2
C3

=
=
=
=
=
=

Cantidad
Cantidad
Cantidad
Cantidad
Cantidad
Cantidad

de
de
de
de
de
de

unidades
unidades
unidades
unidades
unidades
unidades

de
de
de
de
de
de

Llaves Inglesas a producir turno Regu

Llaves Inglesas a producir Tiempo Ext
Llaves Inglesas a producir Sub Contra
Cinceles a producir turno Regular
Cinceles a producir Tiempo Extra
Cinceles a producir Sub Contratado

Objetivo
Minimizar

Z = 2L1 + 2.80L2 + 3L2 + 2.10C1 + 3.20C2 + 4.20C3

Restricciones
1
2
3
4
5
6
7
8

L1 + L2 >= 1500
C1 + C2 >= 1200
L1 <= 550
L2 <= 250
C1 <= 620
C2 <= 280
2L1 + 2L2 + 2L3 -C1 - C2 - C3 >= 0
L1, L2, L3, C1, C2, C3 >= 0

us tiendas de descuento automotrices con llaves inglesas y cinceles.

menos 1500 llaves inglesas y 1200 cinceles.
das con su capacidad actual de un turno y debe utilizar tiempo extra y posib
ultado es un incremento del costo de produccion por unidad, como se mues
entre cinceles y llaves inglesas a por lo menos 2:1.

INTERVARLO DE
PRODUCCION
MANAL (UNIDADES)

COSTO
UNITARIO

0 - 550
551 - 800
801 - >>

2.00
2.80
3.00

0 - 620
621 - 900
901 - >>

2.10
3.20
4.20

el programa de produccion optimo para cada herramienta.

producir turno Regular

producir Tiempo Extra
producir Sub Contratado
r turno Regular
r Tiempo Extra
r Sub Contratado

+ 3.20C2 + 4.20C3

Linear Programming

Enter
Enter the
the values
values in
in the
the shade
shade
IfIf SOLVER
SOLVER isis not
not on
on the
the Data
Data

Signs
<
=
>
Data
X1
Objective
Restricciones 1
Restricciones 2
Restricciones 3
Restricciones 4
Restricciones 5
Restricciones 6
Restricciones 7
Results
Variables
Objective

X2
2
1

2.8
1

1
1

550

250

nceles.

o extra y posible- mente

como se muestra en la siguiente

Enter
Enter the
the values
values in
in the
the shaded
shaded area.
area. Then
Then go
go to
tothe
the DATA
DATATab
Tab on
onthe
the ribbon,
ribbon,click
click on
onSolver
Solverin
inthe
the Data
DataAnalysis
Analysis Group
Group and
and then
then click
click SOLVE.
SOLVE.
f SOLVER
If
SOLVER isis not
not on
on the
the Data
Data Tab
Tab then
then please
please see
see the
the Help
Help file
file (Solver)
(Solver) for
for instructions.
instructions.

less than or equal to

equals (You need to enter an apostrophe first.)
greater than or equal to

X3

X4
3

X5

X6

2.1

3.2

1
2

-1

1
-1

620

280

4.2 sign
>
>
<
<
<
<
-1 >

RHS
1500
1200
550
250
620
280
0

0
0

nd
nd then
then click
click SOLVE.
SOLVE.

rophe first.)

Results
LHS

Problem setup area

Slack/Surplus
0
0
0
0
0
0
0
0

1500
1200
550
250
620
280
0

< constraints
0
0
0
0
0
0
0

0
0
0
0
0
0
0

> constraints
0
0
0
0
0
0
0

0
0
0
0
0
0
0

EJERCICiO PAG. # 54-1

Una inmobiliaria esta desarrollando un area para renta de viviendas y

El area de viviendas se compone de departamentos-estudio, casas du
arrendatarios potenciales es de 500 departamentos-estudio, 300 casa
igual como minimo al 50% de la cantidad de departamentos-es- tudio
canti- dad de casas en una relacion de por lo menos 10 pies2, 15 pies
unifamiliares, respectivamente. Sin embargo, la disponibilidad del ter
renta mensual se estima en $600, $750 y $1200 para departamentoslocales comerciales es de $100/pie2. Desarrolle un modelo de PL para
y determine la solucion con AMPL, Solver o TORA.
VARIABLES
X1
X2
X3
X4

=
=
=
=

CANTIDAD
CANTIDAD
CANTIDAD
CANTIDAD

DE
DE
DE
DE

CASAS DEPARTAMENTOS
CASAS DUPLEX
CASAS UNIFAMILIARES
LOCALES

FUNCION
MAX
Z=

600X1 + 750X2 + 1200X3 + 100X4

RESTRICCION
1
2
3
4
5

X2
X4
X1
X2
X3

- 0.5X1 - 0.5X3 >= 0

<= 10000
<= 5000
<= 4500
<= 4500

ta de viviendas y locales comerciales.

estudio, casas duplex y unifami- liares. Se estima que la demanda maxima por
estudio, 300 casas duplex y 250 casas unifamiliares, pero la cantidad de casas
mentos-es- tudio y casas unifamiliares. El espacio para locales comerciales es
10 pies2, 15 pies2 y 18 pies2 para departa- mentos-estudio, casas duplex y ca
onibilidad del terreno limita el espacio para locales comerciales a no mas de 1
departamentos-estudio, casas duplex y casas unifamiliares, en ese orden. La
odelo de PL para determinar el area optima para locales co- merciales y la can

Linear Programming

Enter
Enter the
the values
values in
in the
the shaded
shaded area.
area. Then
Then go
go to
to the
the D
IfIf SOLVER
SOLVER isis not
not on
on the
the Data
Data Tab
Tab then
then please
please see
see the
the

Signs
<
=
>
Data
X1
Objective
Constraint 1
Constraint 2
Constraint 3
Constraint 4
Constraint 5
Results
Variables
Objective

X2

X3

600
-0.5
0
1
0
0

750
1
0
0
1
0

1200
-0.5
0
0
0
1

4500

4500

4500

anda maxima por parte de los

cantidad de casas duplex debe ser
s comerciales es proporcional a la
casas duplex y casas
les a no mas de 10,000 pies2. La
en ese orden. La renta de los
merciales y la cantidad de casas,

he
he shaded
shaded area.
area. Then
Then go
go to
to the
the DATA
DATATab
Tab on
on the
the ribbon,
ribbon, click
click on
on Solver
Solver in
in the
the Data
DataAnalysis
Analysis Group
Group and
and then
then click
click SOLVE.
SOLVE.
the
the Data
Data Tab
Tab then
then please
please see
see the
the Help
Help file
file (Solver)
(Solver) for
for instructions.
instructions.

less than or equal to

equals (You need to enter an apostrophe first.)
greater than or equal to
Results
LHS

X4
100 sign
>
1<
0<
0<
0<

RHS
0
10000
5000
4500
4500

10000
-

0
0
0
0
0
0

ick
lick SOLVE.
SOLVE.

Problem setup area

Slack/Surplus
0
10000
5000
4500
4500

< constraints
0
0
0
0
0

> constraints
0
0
0
0
0

0
0
0
0
0

0
0
0
0
0

Column1
EJERCICiO # 16

Burroughs Garment Company fabrica camisas para caballero y blusa

corporacion que aceptara toda la produccion surtida por Burroughs
empaque. Burroughs emplea 25 trabajadores en el departamento d
trabaja un turno de 8 horas, 5 dias a la semana. La siguiente tabla m
unidad para las dos prendas:

Determine el programa de produccion semanal optimo para Burroug

Minutos por Unidad
Prenda

Corte

Camisas X1
Blusas X2
Empleados
Horas Diarias
Horas Semanales
Mintuos Diarios Disponibles
Minutos Semanales Disp
Variables

Funcion

Costura
20
60

70
60

25
200
1,000
12,000
60,000

35
280
1,400
16,800
84,000

X1= Cantidad de camisas a producir semanal

X2= Cantidad de blusas a producir semanal

Maximimar
Z = 8X1 + 12X2

Restricciones

20X1 + 60X2 <=60,000

70X1 + 60X1 <= 84,000
12X1 + 4X2 <= 1200
X1, X2 >= 0

INCISO B

Determine el valor de 1 hora de corte, costura y empacado, enfuncion del in

DEPARTAMENTO
CORTE
COSTURA
EMPAQUE

PRECIO/MIN PRECIO / HORA

.12/MIN
7.20
.8/ MIN
4.80
0
0

s para caballero y blusas de dama para las tiendas de descuento Wallmart,

surtida por Burroughs. El proceso de produccion incluye el corte, la costura
en el departamento de corte, 35 en el de costura, y 5 en empaque. La fabri
na. La siguiente tabla muestra los requerimientos de tiempo y utilidades po

al optimo para Burroughs.

nidad

Horas Diaria
Utilidad
Unitaria $

Empaque
12
4

8
12

5
40
200
2,400
12,000

65
520
2,600
31,200
156,000

13920

sas a producir semanal

as a producir semanal

Restriccion de Corte
Restriccion de Costura
Restriccion de Empaque

Dias

y empacado, enfuncion del ingreso total.

ECIO / HORA

nto Wallmart,
orte, la costura y el
paque. La fabrica
y utilidades por

Programacion Semanal

Enter
Enter the
the values
values in
in the
the shaded
shaded area.
area. Then
Then go
go to
to the
the DATA
DATATab
Tab on
on the
the ribbon,
ribbon, clc
IfIf SOLVER
SOLVER isis not
not on
on the
the Data
Data Tab
Tab then
then please
please see
see the
the Help
Help file
file (Solver)
(Solver) for
for instr
instr

Linear Programming
Signs
<
=
>

less than or equal to

equals (You need to enter an apostrophe first.)
greater than or equal to

x1

x2

Data
Objective
Constraint 1
Constraint 2
Constraint 3
Results
Variables
Objective

8
20
70
12

480

12 sign
60 <
60 <
4<

RHS
60000
84000
12000

840
0

en
en go
go to
to the
the DATA
DATATab
Tab on
on the
the ribbon,
ribbon, click
click on
on Solver
Solver in
in the
the Data
DataAnalysis
Analysis Group
Group and
and then
then click
click SOLVE.
SOLVE.
ease
lease see
see the
the Help
Help file
file (Solver)
(Solver) for
for instructions.
instructions.

rophe first.)

Results
LHS

Problem setup area

Slack/Surplus
0
0
0
0

60000
84000
12000

< constraints
0
0
0

0
0
0

> constraints
0
0
0

0
0
0

LAB 16

Linear Programming

Enter
Enter the
the values
values in
in the
the shaded
shaded area.
area. Then
Then go
go to
to the
the DATA
DATATab
Tab on
on the
the ribbon,
ribbon, click
click on
on Solver
Solver in
i
SOLVE.
SOLVE.
IfIf SOLVER
SOLVER isis not
not on
on the
the Data
Data Tab
Tab then
then please
please see
see the
the Help
Help file
file (Solver)
(Solver) for
for instructions.
instructions.

Signs
<
=
>

less than or equal to

equals (You need to enter an apostrophe first.)
greater than or equal to

Data
x1
Objective
Constraint 1
Constraint 2
Constraint 3
Results
Variables
Objective

x2
8
20
70
12

480

12 sign
60 <
60 <
4<

RHS
60000
84000
12000

840
13920

Page 49

Results
LHS
13920
60000
84000
9120

nn the
the ribbon,
ribbon, click
click on
on Solver
Solver in
in the
the Data
DataAnalysis
Analysis Group
Group and
and then
then click
click

LAB 16

Solver)
Solver) for
for instructions.
instructions.

Slack/Surplus
0
0
2880

Page 50

LAB 38-A

Linear Programming

Enter
Enter the
the values
values in
in the
the shaded
shaded area.
area. Then
Then go
go to
to the
the DATA
DATATab
Tab on
on the
the ribbon,
ribbon, click
click on
on Solver
Solver in
in the
the Data
DataAnalysis
Analysis Group
Group and
and then
then
SOLVE.
SOLVE.
IfIf SOLVER
SOLVER isis not
not on
on the
the Data
Data Tab
Tab then
then please
please see
see the
the Help
Help file
file (Solver)
(Solver) for
for instructions.
instructions.

Signs
<
=
>

less than or equal to

equals (You need to enter an apostrophe first.)
greater than or equal to

Data
P1
Objective
Constraint 1
Constraint 2
Constraint 3
Constraint 4
Results
Variables
Objective

P2
32.4
10.5
14.4
2.2
2.4

P3

P4

P5

P6

35.8
8.3
12.6
9.5
3.1

17.75
10.2
14.2
5.6
4.2

14.8
7.2
10.5
7.5
5

18.2
12.3
10.1
8.3
6.3

2.05353869 3.2086542

12.35 sign
9.2 <
7.8 <
6.9 <
5.1 <

RHS
60
70
35
20

0
181.404474

Page 51

LAB 38-A

Data
DataAnalysis
Analysis Group
Group and
and then
then click
click

n apostrophe first.)

Results
LHS
Slack/Surplus
181.404474
48.1939861 11.8060139
70
0
35
0
14.8753209 5.12467913

Page 52

LAB 38-B

Linear Programming

Enter
Enter the
the values
values in
in the
the shaded
shaded area.
area. Then
Then go
go to
to the
the DATA
DATATab
Tab on
on the
the ribbon,
ribbon, click
click on
on Solver
Solver in
in the
the Data
DataAnalysis
Analysis Group
Group and
and then
then
SOLVE.
SOLVE.
IfIf SOLVER
SOLVER isis not
not on
on the
the Data
Data Tab
Tab then
then please
please see
see the
the Help
Help file
file (Solver)
(Solver) for
for instructions.
instructions.

Signs
<
=
>

less than or equal to

equals (You need to enter an apostrophe first.)
greater than or equal to

Data
x1
Objective
Constraint 1
Constraint 2
Constraint 3
Constraint 4
Constraint 5
Results
Variables
Objective

x2
32.4
10.5
14.4
2.2
2.4

x3

x4

x5

x6

35.8
8.3
12.6
9.5
3.1
1

17.75
10.2
14.2
5.6
4.2

14.8
7.2
10.5
7.5
5

18.2
12.3
10.1
8.3
6.3

2.05353869 3.2086542

12.35 sign
9.2 <
7.8 <
6.9 <
5.1 <
-1 >

RHS
60
70
35
20
0

0
181.404474

Page 53

LAB 38-B

Data
DataAnalysis
Analysis Group
Group and
and then
then click
click

n apostrophe first.)

Results
LHS
Slack/Surplus
181.404474
48.1939861 11.8060139
70
0
35
0
14.8753209 5.12467913
3.2086542 -3.2086542

Page 54

Lab 46-1

Linear Programming

Enter
Enter the
the values
values in
in the
the shaded
shaded area.
area. Then
Then go
go to
to the
the DATA
DATATab
Tab on
on the
the ribbon,
ribbon, click
click on
on Solver
Solver in
in the
the Data
DataAnalysis
Analysis Group
Group
SOLVE.
SOLVE.
IfIf SOLVER
SOLVER isis not
not on
on the
the Data
Data Tab
Tab then
then please
please see
see the
the Help
Help file
file (Solver)
(Solver) for
for instructions.
instructions.

Signs
<
=
>

less than or equal to

equals (You need to enter an apostrophe fir
greater than or equal to

Data
X1
Objective
Restricciones 1
Restricciones 2
Restricciones 3
Restricciones 4
Restricciones 5
Restricciones 6
Restricciones 7
Results
Variables
Objective

X2
2
1

X3
2.8
1

X4
3

X5

X6

2.1

3.2

1
1
1
2

-1

1
-1

550

250

620

280

Page 55

4.2 sign
>
>
<
<
<
<
-1 >

Lab 46-1

k on
on Solver
Solver in
in the
the Data
DataAnalysis
Analysis Group
Group and
and then
then click
click

tions.
tions.

ed to enter an apostrophe first.)

RHS
1500
1200
550
250
620
280
0

Results
LHS
Slack/Surplus
3998
800
700
900
300
550
0
250
0
620
0
280
0
700
-700

3998

Page 56

LAB 54-1

Linear Programming

Enter
Enter the
the values
values in
in the
the shaded
shaded area.
area. Then
Then go
go to
to the
the DATA
DATATab
Tab on
on the
the ribbon,
ribbon, click
click on
on Solver
Solver in
in the
the Data
DataAnalysis
Analysis Group
Group and
and then
then
SOLVE.
SOLVE.
IfIf SOLVER
SOLVER isis not
not on
on the
the Data
Data Tab
Tab then
then please
please see
see the
the Help
Help file
file (Solver)
(Solver) for
for instructions.
instructions.

Signs
<
=
>

less than or equal to

equals (You need to enter an apostrophe first.)
greater than or equal to

Data
X1
Objective
Constraint 1
Constraint 2
Constraint 3
Constraint 4
Constraint 5
Results
Variables
Objective

X2

X3

X4

600
-0.5
0
1
0
0

750
1
0
0
1
0

1200
-0.5
0
0
0
1

4500

4500

4500

100 sign
>
1<
0<
0<
0<

RHS
0
10000
5000
4500
4500

10000
12475000

Page 57

Results
LHS
12475000
0
10000
4500
4500
4500

LAB 54-1

Data
DataAnalysis
Analysis Group
Group and
and then
then click
click

Slack/Surplus
0
0
500
0
0

Page 58

Tiempos
Min
21,600
15,000
18,000
54,600

Demanda
Minutos Necesarios
Precio de Venta

Fuente
Manufactura
Compra

Compinente 1 Componente 2 Componente 3

$
4.50 $
5.00 $
2.75
$
6.50 $
8.80 $
7.00

Depto.
Produccion
Ensamble
Empaque
Tota M / pieza

Componente 1

utos Necesarios
io de Venta

Componenet2

2
1
1.5
4.5

6,000
27,000.00
12.00 $
2400

Comp. 3

3
1.5
2
6.5

1,400
9,100
17.00

4
3
5
12

9
5.5
8.5
23

3,500 Total
42,000
78,100.00
13.00

18
11
17

Horas Dispo. Min

360
250
300
910

A contratar
23,500.00

21,600
15,000
18,000
54,600

LP_max

Linear Programming

Enter
Enter the
the values
values in
in the
the shaded
shaded area.
area. Then
Then go
go to
to the
the DATA
DATATab
Tab on
on the
the ribbon,
ribbon, click
click on
on Solver
Solver in
in the
the Data
DataAnalysis
Analysis Group
Group and
and then
then
IfIf SOLVER
SOLVER isis not
not on
on the
the Data
Data Tab
Tab then
then please
please see
see the
the Help
Help file
file (Solver)
(Solver) for
for instructions.
instructions.

Signs
<
=
>

less than or equal to

equals (You need to enter an apostrophe first.)
greater than or equal to

Data
x1
Objective
Constraint 1
Constraint 2
Constraint 3
Constraint 4
Constraint 5
Constraint 6
Results
Variables
Objective

x2
7.5
2
1
1.5
1

x3
12
3
1.5
2

x4
10.25
4
3
5

x5
5.5

x6
8.2

1
1

1
1

7200

Page 62

27000

1900

6 sign
<
<
<
=
=
1=

42000

LP_max

k on
on Solver
Solver in
in the
the Data
DataAnalysis
Analysis Group
Group and
and then
then click
click SOLVE.
SOLVE.
tions.
tions.

ed to enter an apostrophe first.)

RHS
21600
15000
18000
27000
9100
42000

Results
LHS
Slack/Surplus
502480
21600
0
10800
4200
14400
3600
27000
0
9100
0
42000
0

502,480.00

Page 63

LP_max (2)

Linear Programming

Enter
Enter the
the values
values in
in the
the shaded
shaded area.
area. Then
Then go
go to
to the
the DATA
DATATab
Tab on
on the
the ribbon,
ribbon, click
click on
on Solver
Solver in
in the
the Data
DataAnalysis
Analysis Group
Group and
and then
then
SOLVE.
SOLVE.
IfIf SOLVER
SOLVER isis not
not on
on the
the Data
Data Tab
Tab then
then please
please see
see the
the Help
Help file
file (Solver)
(Solver) for
for instructions.
instructions.

Signs
<
=
>

less than or equal to

equals (You need to enter an apostrophe first.)
greater than or equal to

Data
x1
Objective
Constraint 1
Constraint 2
Constraint 3
Results
Variables
Objective

x2

x3

x4

x5

x6

7.5
2
1
1.5

12
3
1.5
2

10.25
4
3
5

5.5
0
0
0

8.2
0
0
0

7200

6 sign
0<
0<
0<

RHS
21600
15000
18000

0
86400

Page 64

LP_max (2)

Data
DataAnalysis
Analysis Group
Group and
and then
then click
click

n apostrophe first.)

Results
LHS
Slack/Surplus
86400
21600
0
10800
4200
14400
3600

Page 65

LP_max (3)

Linear Programming

Enter
Enter the
the values
values in
in the
the shaded
shaded area.
area. Then
Then go
go to
to the
the DATA
DATATab
Tab on
on the
the ribbon,
ribbon, click
click on
on Solver
Solver in
in the
the Data
DataAnalysis
Analysis Group
Group and
and then
then
SOLVE.
SOLVE.
IfIf SOLVER
SOLVER isis not
not on
on the
the Data
Data Tab
Tab then
then please
please see
see the
the Help
Help file
file (Solver)
(Solver) for
for instructions.
instructions.

Signs
<
=
>

less than or equal to

equals (You need to enter an apostrophe first.)
greater than or equal to

Data
x1
Objective
Constraint 1
Constraint 2
Constraint 3
Results
Variables
Objective

x2

x3

7.5
2
1
1.5

12
3
1.5
2

7200

10.25 sign
4<
3<
5<

RHS
21600
15000
18000

0
86400

Page 66

Results
LHS
Slack/Surplus
86400
21600
0
10800
4200
14400
3600

LP_max (3)

Data
DataAnalysis
Analysis Group
Group and
and then
then click
click

ack/Surplus

Page 67

LP_max (4)

Linear Programming

Enter
Enter the
the values
values in
in the
the shaded
shaded area.
area. Then
Then go
go to
to the
the DATA
DATATab
Tab on
on the
the ribbon,
ribbon, click
click on
on Solver
Solver in
in the
the Data
DataAnalysis
Analysis Group
Group and
and then
then
SOLVE.
SOLVE.
IfIf SOLVER
SOLVER isis not
not on
on the
the Data
Data Tab
Tab then
then please
please see
see the
the Help
Help file
file (Solver)
(Solver) for
for instructions.
instructions.

Signs
<
=
>

less than or equal to

equals (You need to enter an apostrophe first.)
greater than or equal to

Data
x1
Objective
Constraint 1
Constraint 2
Constraint 3
Constraint 4
Constraint 5
Constraint 6
Results
Variables
Objective

x2

x3

7.5
2
1
1.5
1

12
3
1.5
2
1

10800

10.25 sign
4<
3<
5<
1>
>
>

RHS
21600
15000
18000
54600
0
0

0
81000

Page 68

Results
LHS
Slack/Surplus
81000
21600
0
10800
4200
16200
1800
10800
43800
0
0
0
0

LP_max (4)

Data
DataAnalysis
Analysis Group
Group and
and then
then click
click

ack/Surplus

Page 69

LP_max (5)

Linear Programming

Enter
Enter the
the values
values in
in the
the shaded
shaded area.
area. Then
Then go
go to
to the
the DATA
DATATab
Tab on
on the
the ribbon,
ribbon, click
click on
on Solver
Solver in
in the
the Data
DataAnalysis
Analysis Group
Group and
and then
then
SOLVE.
SOLVE.
IfIf SOLVER
SOLVER isis not
not on
on the
the Data
Data Tab
Tab then
then please
please see
see the
the Help
Help file
file (Solver)
(Solver) for
for instructions.
instructions.

Signs
<
=
>

less than or equal to

equals (You need to enter an apostrophe first.)
greater than or equal to

Data
x1
Objective
Constraint 1
Constraint 2
Constraint 3
Constraint 4
Results
Variables
Objective

x2

x3

x4

x5

x6

7.5
2
1
1.5
1

12
3
1.5
2
1

10.25
4
3
5
1

5.5
0
0
0
1

8.2
0
0
0
1

10800

43800

6 sign
0<
0<
0<
1>

RHS
21600
15000
18000
54600

0
321900

Page 70

LP_max (5)

Data
DataAnalysis
Analysis Group
Group and
and then
then click
click

n apostrophe first.)

Results
LHS
Slack/Surplus
321900
21600
0
10800
4200
16200
1800
54600
0

Page 71

LP_max (6)

Linear Programming

Enter
Enter the
the values
values in
in the
the shaded
shaded area.
area. Then
Then go
go to
to the
the DATA
DATATab
Tab on
on the
the ribbon,
ribbon, click
click on
on Solver
Solver in
in the
the Data
DataAnalysis
Analysis Group
Group and
and then
then
SOLVE.
SOLVE.
IfIf SOLVER
SOLVER isis not
not on
on the
the Data
Data Tab
Tab then
then please
please see
see the
the Help
Help file
file (Solver)
(Solver) for
for instructions.
instructions.

Signs
<
=
>

less than or equal to

equals (You need to enter an apostrophe first.)
greater than or equal to

Data
x1
Objective
Constraint 1
Constraint 2
Constraint 3
Constraint 4
Constraint 5
Constraint 6

x2
7.5
2
1
1.5
1

Results
LHS

x3
12
3
1.5
2
1

10.25 sign
4<
3<
5<
1<
<
<

Results
Variables
Objective

RHS

0
0
0
0
0
0
0

Page 72

Slack/Surplus
0
0
0
0
0
0

LP_max (6)

Data
DataAnalysis
Analysis Group
Group and
and then
then click
click

ack/Surplus

Page 73

LP_max (7)

Linear Programming

Enter
Enter the
the values
values in
in the
the shaded
shaded area.
area. Then
Then go
go to
to the
the DATA
DATATab
Tab on
on the
the ribbon,
ribbon, click
click on
on Solver
Solver in
in the
the Data
DataAnalysis
Analysis Group
Group and
and then
then
SOLVE.
SOLVE.
IfIf SOLVER
SOLVER isis not
not on
on the
the Data
Data Tab
Tab then
then please
please see
see the
the Help
Help file
file (Solver)
(Solver) for
for instructions.
instructions.

Signs
<
=
>

less than or equal to

equals (You need to enter an apostrophe first.)
greater than or equal to

Data
x1
Objective
Constraint 1
Constraint 2
Constraint 3
Constraint 4
Results
Variables
Objective

x2

x3

7.5
2
1
1.5
1

12
3
1.5
2
1

7200

10.25 sign
4<
3<
5<
1<

RHS
21600
15000
18000
54600

0
86400

Page 74

Results
LHS
Slack/Surplus
86400
21600
0
10800
4200
14400
3600
7200
47400

LP_max (7)

Data
DataAnalysis
Analysis Group
Group and
and then
then click
click

ack/Surplus

Page 75