Programación Lineal

Módulo Cuantitativo
B
ModuleOutline
REQUISITOS DE UNA LINEAL Ejemplo de Problema de Dieta
PROBLEMA DE PROGRAMACIÓN Ejemplo de Programación de Producción
FORMULANDO LINEAL Ejemplo de Programación Laboral
PROBLEMAS DE PROGRAMACIÓN
EL MÉTODO SIMPLE DE PL
Ejemplo de Shader Electronics SUMMARY
SOLUCIÓN GRÁFICA A UNA LINEAL
PROBLEMA DE PROGRAMACIÓN KEYTERMS
USANDO SOFTWARE PARA RESOLVER PROBLEMAS
LEARNINGOBJECTIVES
Representación Gráfica de Restricciones
Método de Solución de Línea Iso-Beneficio PROBLEMAS RESUELTOS Cuando completes este módulo, tú
Método de Solución de Puntos Esquinas EJERCICIOS DE INTERNET Y CD-ROM PARAdebería
ESTUDIANTES
poder
ANÁLISIS DE SENSIBILIDAD
PREGUNTAS DE DISCUSIÓN
Informe de Sensibilidad ACTIVEMODELEXERCICIO IDENTIFICAR O DEFINIR:
PROBLEMAS
Cambios en los Recursos Función objetivo
o Valores del Lado Derecho PROBLEMASDETAREASDEINTERNET
Restricciones
ESTUDIO DE CASO: GOLDING LANDSCAPING AND PLANTS, INC.
Cambios en la Función Objetivo
Coeficiente ADDITIONALCASESTUDIES Región factible
SOLVING MINIMIZATION PROBLEMS BIBLIOGRAFÍA Métodos iso-beneficio/iso-coste
APLICACIONES DE PROGRAMACIÓN LINEAL
Ejemplo de Mezcla de Producción
Solución de punto extremo

Precio sombra

DESCRIBE O EXPLICA:
Cómo formular modelos lineales
Método gráfico de programación lineal
Cómo interpretar el análisis de sensibilidad
692 PROGRAMACIÓN LINEAL MÓDULO B

La tormenta se acercó rápidamente al Aeropuerto O'Hare de Chicago, cerrándolo sin previo aviso. La fuerte
Las tormentas eléctricas, los relámpagos y la mala visibilidad enviaron a los pasajeros y al personal de tierra de American Airlines a correr.
Debido a que American Airlines utiliza programación lineal (PL) para programar vuelos, hoteles, tripulaciones y reabastecimiento, la PL tiene un
impacto directo en la rentabilidad. Como dice el presidente del Grupo de Tecnología de Decisiones de AA, “Encontrar soluciones rápidas para
Los problemas de programación lineal son esenciales. Si tenemos una importante interrupción meteorológica en uno de los centros, como Dallas o Chicago, entonces un

muchos vuelos pueden ser cancelados, lo que significa que tenemos muchas tripulaciones y aviones en los lugares equivocados. Lo que nosotros

se necesita una forma de volver a juntar toda esa operación.

desenredar y hacer frente a este desastre climático.

Muchas decisiones de gestión de operaciones implican tratar de hacer el uso más efectivo de una organi-
los recursos de la organización. Los recursos generalmente incluyen maquinaria (como aviones, en el caso de una aerolínea),
mano de obra (como pilotos), dinero, tiempo y materias primas (como combustible para aviones). Estos recursos pueden ser
utilizados para producir productos (como máquinas, muebles, alimentos o ropa) o servicios (como aerolíneas
Programación Lineal horarios, políticas de publicidad o decisiones de inversión). La programación lineal (PL) es una ampliamente
(LP) técnica matemática utilizada para ayudar a los gerentes de operaciones a planificar y tomar decisiones
Un matemático necesario asignar recursos.
técnica diseñada para Algunos ejemplos de problemas en los que la programación lineal se ha aplicado con éxito en la gestión de operaciones.
ayudar a los gerentes de operaciones
ment are
planificar y tomar decisiones
en relación con las compensaciones 1. Programar los autobuses escolares para minimizar la distancia total recorrida al transportar estudiantes.
necesario asignar [Link] unidades de patrulla policial a áreas de alta criminalidad para minimizar el tiempo de respuesta al 911
recursos. llamadas.
3. Programar cajeros en los bancos para que se satisfagan las necesidades durante cada hora del día mientras
minimizando el costo total de la mano de obra.
4. Seleccionando la combinación de productos en una fábrica para hacer el mejor uso de las horas de máquina y trabajo disponibles.
capaz mientras maximiza el beneficio de la empresa.
5. Selección de mezclas de materias primas en fábricas de piensos para producir combinaciones de piensos terminados en
costomínimo.
6. Determinar el sistema de distribución que minimice el costo total de envío desde varios
almacenes a varias ubicaciones de mercado.
[Link] a production schedule that will satisfy future demands for a firm ’s product and
al mismo tiempo minimizar los costos totales de producción e inventario.
8. Asignar espacio para una mezcla de inquilinos en un nuevo centro comercial para maximizar los ingresos.
empresa de leasing. (Ver el OM en Actionbox "Usando LP para Seleccionar Inquilinos en un Centro Comercial
Centro comercial.
 FORMULANDO PROBLEMAS DE PROGRAMACIÓN 6LINEAL
93

O M I NAC I Ó N
UsandoLPparaseelccoinarn
iqun
ilos dos pequeñas joyerías en una sección central del centro comercial
y una tienda de zapatos de tamaño medio y un restaurante grande en
enuncentrocomercial
uno de los pasillos laterales. En el pasado, Homart desarrolló un
plan para la mezcla de inquilinos utilizando 'reglas generales' desarrolladas
Homart Development Company es una de las más grandes
más de años de experiencia en el desarrollo de centros comerciales.
desarrolladores de centros comerciales en los EE. UU. Al comenzar un
Ahora, para mejorar su resultado final en un entorno cada vez más
nuevo centro, Homart produce un plano de planta tentativo, o
"huella," para el centro comercial. Este plan describe tamaños, formas, en un mercado competitivo, Homart trata la mezcla de inquilinos
problema como un modelo de programación lineal. Primero, el modelo asume que
y espacios para grandes almacenes. Acuerdo de arrendamiento
se alcanzan acuerdos con los dos o tres departamentos principales los inquilinos pueden clasificarse en categorías según
tiendas de mensajería que se convertirán en tiendas ancla en el centro comercial. el tipo de mercancía o servicio que ofrecen.
En segundo lugar, el modelo asume que para cada tipo de tienda,
Las tiendas ancla pueden negociar condiciones muy favorables
acuerdos de ocupación. Las ganancias de Homart provienen principalmente Los tamaños de las tiendas se pueden estimar por categoría distinta. Para

del alquiler pagado por los inquilinos no ancla—los más pequeños ejemplo, se dice que una pequeña joyería contiene alrededor de
tiendas que alquilan espacio a lo largo de los pasillos del centro comercial. El 700 pies cuadrados y uno grande de aproximadamente 2,200 pies cuadrados
pies. El modelo de mezcla de inquilinos es una herramienta poderosa para mejorar
la decisión sobre la asignación de espacio a inquilinos potenciales es,
actividades de planificación y arrendamiento del centro comercial de Homart.
por lo tanto, crucial para el éxito de la inversión.
La mezcla de inquilinos describe las tiendas deseadas en el centro comercial
por su tamaño, ubicación general y tipo de mercancía Fuentes: Chain Store Age (marzo de 2000): 191–192; Business World (marzo
o servicio proporcionado. Por ejemplo, la mezcla podría especificar 18, 2002): 1; y Interfaces (marzo-abril 1988): 1-9.

REQUISITOS DE UN PROBLEMA DE PROGRAMACIÓN LINEAL

Todos los problemas de LP tienen cuatro propiedades en común:

[Link] problemas de programación lineal buscan maximizar o minimizar alguna cantidad (generalmente beneficio o costo). Nos referimos

Función objetivo to this property as theobjective functionof an LP problem. The major objective of a typi-
Un matemático la empresa de transporte tiene como objetivo maximizar las ganancias en dólares a largo plazo. En el caso de una empresa de transporte por carretera o aérea
expression in linear En un sistema de distribución, el objetivo podría ser minimizar los costos de envío.
programación que 2. La presencia de restricciones o limitaciones limita el grado en que podemos perseguir nuestro
maximiza o minimiza objetivo. Por ejemplo, decidir cuántas unidades de cada producto en la línea de productos de una empresa
una cantidad (a menudo la fabricación está restringida por la mano de obra y la maquinaria disponible. Por lo tanto, queremos maximizar
ganancia o costo, pero cualquier
se puede utilizar el objetivo). o minimizar una cantidad (la función objetivo) sujeta a recursos limitados (las restricciones).
[Link]ía haber alternativas de acción para elegir. Por ejemplo, si una empresa
produce tres productos diferentes, la dirección puede usar LP para decidir cómo asignar
Restricciones entre ellos sus recursos de producción limitados (de mano de obra, maquinaria, etc.). Si hubiera
Restricciones que limitan no hay alternativas de las que seleccionar, no necesitaríamos LP.
el grado en el que 4. El objetivo y las restricciones en los problemas de programación lineal deben expresarse en términos de
un gerente puede perseguir
de ecuaciones o desigualdades lineales.
un objetivo.

FORMULANDO PROBLEMAS DE PROGRAMACIÓN LINEAL

Una de las aplicaciones de programación lineal más comunes es el problema de mezcla de productos. Dos o más
los productos suelen ser producidos utilizando recursos limitados. La empresa quisiera determinar cómo
cuántas unidades de cada producto debería producir para maximizar el beneficio general dado sus recursos limitados.
Veamos un ejemplo.

Ejemplo de Shader Electronics

Modelo Activo B.1
La empresa Shader Electronics produce dos productos: (1) el Shader Walkman, un portátil
Reproductor de CD/DVD, y (2) el Shader Watch-TV, un televisor en color conectado a Internet del tamaño de un reloj de pulsera
Este ejemplo es más allá
ilustrado en Activo La producción de cada producto es similar en que ambos requieren un cierto número de
modelo B.1 en el horas de trabajo electrónico y un cierto número de horas de trabajo en el departamento de ensamblaje. Cada
CD-ROM y en el El Walkman requiere 4 horas de trabajo electrónico y 2 horas en el taller de montaje. Cada Televisor ...
ejercicio en la página 713. requiere 3 horas en electrónica y 1 hora en ensamblaje. Durante el período de producción actual, 240
694 PROGRAMACIÓN LINEAL DEL MÓDULO B
Hay horas de tiempo electrónico disponibles, y 100 horas de tiempo del departamento de ensamblaje están disponibles.
Cada Walkman vendido genera una ganancia de $7; cada Televisor vendido puede venderse con una ganancia de $5.
El problema de Shader es determinar la mejor combinación posible de Walkmans y Watch-TVs para
fabricar para alcanzar el máximo beneficio. Esta situación de combinación de productos se puede formular como una lineal
problema de programación.

TABLA B.1Yo
HOURSREQUIRED TOPRODUCE1 UNIT

Electrónica Shader WALKMANS RELOJ-TVS

Problema de la empresa DEPARTAMENTO (X1) (X2) AVAILABLEHOURSTHISWEEK
Datos
Electrónico 4 3 240
Asamblea 2 1 100
Beneficio por unidad $7 $5

Comenzamos resumiendo la información necesaria para formular y resolver este problema (ver
Tabla B.1). Además, vamos a introducir una notación simple para usar en la función objetivo y la con-
restricciones. Dejar

Nombramos la decisión X1= número de Walkmans a producir

variablesX1yX2aquí
pero señalar que cualquier
X2= número de Televisores-para-ver que se producirán
notación (como WM y
WT) también estaría bien. Now we can create the LPobjective functionin terms ofX1yX2:

Maximizar ganancias = $7X1+ $5X2

Nuestro siguiente paso es desarrollar relaciones matemáticas para describir las dos restricciones en este problema.
Una relación general es que la cantidad de un recurso utilizado debe ser menor o igual a (≤)
the amount of resourceavailable.
Primera restricción: El tiempo electrónico utilizado es≤ Tiempo electrónico disponible.

4X1+ 3X2≤ 240 (horas de tiempo electrónico)

Segunda restricción: El tiempo de ensamblaje utilizado es≤ Tiempo de ensamblaje disponible.

2X1+ 1X2≤ 100 (horas de tiempo de ensamblaje)

Ambas estas restricciones representan limitaciones de capacidad de producción y, por supuesto, afectan el total
ganancia. Por ejemplo, Shader Electronics no puede producir 70 Walkmans durante el período de producción
porque siX1= 70, ambas restricciones serán violadas. Tampoco puede hacer X1= 50 Walkmans y
X2= 10 Televisores. Esta restricción resalta otro aspecto importante de la programación lineal; que
existen ciertas interacciones entre variables. Cuantas más unidades de un producto que una empresa pro-
más dulces, menos puede hacer de otros productos.

SOLUCIÓN GRÁFICA A UNA LINEAL

PROBLEMA DE PROGRAMACIÓN
La forma más fácil de resolver un pequeño problema de programación lineal, como el de la compañía Shader Electronics, es el
Solución gráfica enfoque de solución gráfica. El procedimiento gráfico solo se puede utilizar cuando hay dos
enfoque variable(s) de decisión (como el número de Walkmans a producir, X1, y número de Televisores de Reloj para pro-
Un medio de trazar un duce,X2). Cuando hay más de dos variables, no es posible graficar la solución en un dos-
solución a una variable doble gráfico dimensional; entonces debemos recurrir a enfoques más complejos descritos más adelante en este módulo.
problema en un gráfico.

Representación Gráfica de Restricciones

Variables de decisión Para encontrar la solución óptima a un problema de programación lineal, primero debemos identificar un conjunto, o
Opciones disponibles para un
tomador de decisiones.
región, de soluciones factibles. El primer paso para hacerlo es trazar las restricciones del problema en un
gráfico.
 SOLUCIÓN GRÁFICA A UN PROBLEMA DE PROGRAMACIÓN LINEAL
695

La variableX1(Los Walkmans, en nuestro ejemplo) generalmente se representa como el eje horizontal del gráfico, y
la variableX2(Televisores) se representa como el eje vertical. El problema completo puede reexpresarse como:

Maximizar el beneficio = $7X1+ $5X2

Sujeto a las limitaciones

4X 1+ 3X 2≤ 240 (restricción de electrónica)

2X 1+ 1X2≤ 100 (restricción de ensamblaje)
Estas dos restricciones son
también llamado el X1≥ 0 (número de Walkmans producidos es mayor o igual a 0)
restricciones de no negatividad. X2 ≥ 0 (el número de televisores Watch producidos es mayor o igual a 0)

El primer paso para graficar las restricciones del problema es convertir las desigualdades de restricción en
igualdades (o ecuaciones).

Restricción A: 4X1 + 3X2= 240

Restricción B: 2X1+ 1X2= 100

La ecuación para la restricción A se representa en la Figura B.1 y para la restricción B en la Figura B.2.
Para trazar la línea en la Figura B.1, todo lo que necesitamos hacer es encontrar los puntos en los que la línea 4X1+ 3X2 = 240
interseca elX1yX2ejes. CuandoX1= 0 (la ubicación donde la línea toca el X)2eje), implica
eso 3X2= 240 and thatX2= 80. De igual manera, cuando X2 = 0, vemos que 4X1= 240 y esoX1= 60. Así,
la restricción A está limitada por la línea que corre desde (X1= 0,X2= 80) a (X1= 60,X2= 0). El área sombreada
representa todos los puntos que satisfacen la desigualdad original.
La restricción B se ilustra de manera similar en la Figura B.2. Cuando X1= 0, entonces X2= 100; y cuandoX2= 0,
entoncesX1= 50. La restricción B, entonces, está limitada por la línea entre (X1= 0,X2= 100) y (X1= 50,
X2= 0). El área sombreada representa la desigualdad original.
La figura B.3 muestra ambas restricciones juntas. La región sombreada es la parte que satisface ambas
restricciones. La región sombreada en la Figura B.3 se llama el área de soluciones factibles, o simplemente
Región factible la región factible. Esta región debe satisfacer todas las condiciones especificadas por el programa.
El conjunto de todos los factibles restricciones y, por lo tanto, es la región donde todas las restricciones se superponen. Cualquier punto en la región sería un
combinaciones de decisión solución factible al problema de la empresa Shader Electronics. Cualquier punto fuera del área sombreada
variables. representaría una solución no factible. Por lo tanto, sería factible fabricar 30 Walkmans.

X2 X2

100 100
(X=
1 0,X= 2100)
(X=
1 0,X= 280)
80 80

60 60

Restricción A Restricción B
40 40

20 (X=
1 60,X= 20) 20 (X=
1 50,X= 20)

X1 X1
0 20 40 60 80 100 0 20 40 60 80 100
Número de Walkmans Número de Walkmans

FIGURE B.1 YoRestricción A FIGURA B.2YoRestricción B

696 MODULEBLINEARPROGRAMMING
FIGURA B.3Yo
X2
Región de Solución Factible
para la Electrónica Shader
100
Problema de la empresa

80
Ensamblaje (restricción B)

60

40
Electrónica (restricción A)
Feasible
20
región

X1
0 20 40 60 80 100
Número de Walkmans

y 20 televisores (X1= 30,X2= 20), pero violaría las restricciones producir 70 Walkmans
y 40 televisores Watch. Esto se puede ver al trazar estos puntos en el gráfico de la Figura B.3.

Método de Solución de Línea Iso-Beneficio

Ahora que se ha graficado la región factible, podemos proceder a encontrar la solución óptima al prob-
La solución óptima es el punto que se encuentra en la región factible y que produce el mayor beneficio.
Una vez que se ha establecido la región factible, se pueden tomar varios enfoques para resolver para el
Método de línea de iso-beneficio La solución óptima. La más rápida de aplicar se llama el método de la línea iso-beneficio.1
Un enfoque para resolver Comenzamos dejando que las ganancias sean un monto en dólares arbitrario pero pequeño. Para el Shader
programación lineal Problema de electrónica, podemos elegir una ganancia de $210. Este es un nivel de ganancia que se puede lograr fácilmente.
problema de maximización obtenido sin violar ninguna de las dos restricciones. La función objetivo se puede escribir como
gráficamente. $210 = 7X1+ 5X2.
Esta expresión es simplemente la ecuación de una recta; la llamamos línea aniso-beneficio. Representa todas las combinaciones
tions (ofX1,X2) que generará un beneficio total de $210. Para trazar la línea de beneficios, procedemos exactamente como
hacer un gráfico de una línea de restricción. Primero, dejemos X1= 0 y resolver para el punto en el que la línea cruza el eje X2eje

$210= $7(0)+ $5X2

X2= 42 Televisores

Entonces dejeX2= 0 y resolver para X1:

$210= $7X 1+ $5(0)

X1= 30 Walkmans

Ahora podemos conectar estos dos puntos con una línea recta. Esta línea de beneficio se ilustra en la Figura B.4.
Todos los puntos en la línea representan soluciones viables que producen una ganancia de $210.
Sin embargo, vemos que la línea iso-beneficio para $210 no produce la mayor ganancia posible para
la empresa. En la Figura B.5, intentamos graficar dos líneas más, cada una de las cuales produce una mayor ganancia. El medio
ecuación, $280 = $7X1+ $5X2, se graficó de la misma manera que la línea inferior. CuandoX1= 0,

$280 = $7(0)+ $5X2

X2= 56 Televisores

1Isomeans "igual" o "similar". Así, una línea iso-beneficio representa una línea con todas las ganancias iguales, en este caso $210.
 SOLUCIÓN GRÁFICA A UN PROBLEMA DE PROGRAMACIÓN LINEAL
697

X2 X2

100 100

80 80

60 60 $350 = $7X1+ $5X 2

(0, 42) $210 = $7X1+ $5X 2 $280 = $7X1+ $5X 2

40 40

$210 = $7X1+ $5X 2

20 (30, 0) 20
$420 = $7X1+ $5X 2

X1 X1
0 20 40 60 80 100 0 20 40 60 80 100
Número de Walkmans Número de Walkmans

FIGURA B.4YoUna línea de beneficio de $210 trazada para el shader FIGURA B.5YoCuatro Líneas Iso-Beneficio Trazadas para el Sombrero
Compañía de Electrónica Compañía de Electrónica

CuandoX2= 0,
$280 = $7X 1+ $5(0)
X1= 40 Walkmans

De nuevo, cualquier combinación de Walkmans (X1) y Televisores-Watch (X2en esta línea iso-beneficio producirá
una ganancia total de $280.
Ten en cuenta que la tercera línea genera una ganancia de $350, incluso más de una mejora. Cuanto más lejos estamos
moverse desde el origen 0, mayor será nuestro beneficio. Otro punto importante a señalar es que estos
Las líneas de iso-beneficio son paralelas. Ahora tenemos dos pistas sobre cómo encontrar la solución óptima para el orig-
problema final. Podemos trazar una serie de líneas de beneficio paralelas (moviendo cuidadosamente nuestra regla en un plano
paralelo a la primera línea de beneficio). La línea de beneficio más alta que aún toca algún punto de la región factible
la región señalará la solución óptima. Nota que la cuarta línea ($420) es demasiado alta para contar
porque no toca la región factible.
La línea de iso-beneficio más alta posible se ilustra en la Figura B.6. Toca la punta de lo factible.
región en el punto de esquina (X1= 30,X2= 40) y genera una ganancia de $410.

FIGURA B.6Yo
X2
Solución óptima para el
Problema de Electrónica de Shader
100

80
Línea de máximo beneficio

60
Punto de solución óptima
(X=
1 30,X= 240)
40

20
$410 = $7X1+ $5X 2

X1
0 20 40 60 80 100
Número de Walkmans
698 Módulo de Programación Lineal

Método de Solución de Punto Esquina

Método de puntos extremos Un segundo enfoque para resolver problemas de programación lineal emplea el método de puntos extremos.
Un método para resolver Esta técnica es más simple en concepto que el enfoque de la línea iso-beneficio, pero implica mirar el
gráfico lineal beneficio en cada punto extremo de la región factible.
problemas de programación. La teoría matemática detrás de la programación lineal establece que una solución óptima para cualquier problema
lem (es decir, los valores de X1X2que generan el máximo beneficio) se encontrarán en un punto extremo, o en un vértice.
punto, de la región factible. Por lo tanto, es necesario encontrar solo los valores de las variables en cada
esquina; el beneficio máximo o la solución óptima se encontrará en uno (o más) de ellos.
Una vez más podemos ver (en la Figura B.7) que la región factible para la Shader Electronics Company
el problema es un polígono de cuatro lados con cuatro esquinas, o puntos extremos. Estos puntos están etiquetados como , ,
‫ ﺇﻟﻴﺠﺎﺩ‬.‫( ﺑﻨﺪﺏ ﻋﻠﻰ ﺍﻟﺮﺳﻢ ﺍﻟﺒﻴﺎﻧﻲ‬X1,X2) valores que producen el máximo beneficio, encontramos lo que
las coordenadas de cada punto de esquina son, luego determine y compare sus niveles de beneficios.

Punto B: (X1= 0,X2= 0) Beneficio $7(0) + $5(0) = $0

Punto: (X1= 0,X2= 80) Beneficio $7(0) + $5(80) = $400
Punto: (X1= 50,X2= 0) Ganancia $7(50) + $5(0) = $350
Saltamos el punto de esquina momentáneamente porque para encontrar sus coordenadas con precisión, tendremos que
resuelve la intersección de las dos líneas de restricción. Como recordarás de álgebra, podemos aplicar
el método de ecuaciones simultáneas a las dos ecuaciones de restricción:

4X 1+ 3X 2= 240 (hora electrónica)

2X 1+ 1X2= 100 (tiempo de ensamblaje)

Para resolver estas ecuaciones simultáneamente, multiplicamos la segunda ecuación porϪ2:

Ϫ2(2X1+ 1X2= 100) =Ϫ4X1Ϫ 2X2= Ϫ200

y luego agrégalo a la primera ecuación:

+4X 1+ 3X 2= 240
−4X 1− 2X 2= −200
+ 1X2= 40

o
X2= 40

FIGURA B.7Yo
X2
Los Cuatro Puntos Clave de
la Región Factible
100
2
80

60

3
40

20

1 X1
0 20 40 4 60 80 100

Number of Walkmans
 ANÁLISIS DE SENSIBILIDAD
699

Hacer esto nos ha permitido eliminar una variable, X1, y para resolver para X2Ahora podemos sustituir 40 por
X2en cualquiera de las ecuaciones originales y resolver para X1. Usemos la primera ecuación. CuandoX2= 40, entonces

4X 1+ 3(40)= 240
4X 1+ 120= 240

o
4X 1= 120
X1= 30

Aunque los valores para X1 Por lo tanto, el punto tiene las coordenadas (X1= 30,X2= 40). Podemos calcular su nivel de ganancias para completar
yX2son enteros para el análisis:
Shader Electronics, esto
no siempre será el Punto : (X1= 30,X2= 40) Ganancia = $7(30) + $5(40) = $410
caso.
Porque el punto produce la mayor ganancia de cualquier punto extremo, la mezcla de productos de X1= 30
Walkmans y X2= 40 Televisores es la solución óptima al problema de Shader Electronics. Esto
la solución generará una ganancia de $410 por período de producción; es la misma solución que obtuvimos usando
el método de la línea iso-beneficio.

ANÁLISIS DE SENSIBILIDAD
Los gerentes de operaciones suelen estar interesados en más que la solución óptima a un problema de programación lineal. En
adición a conocer el valor de cada variable de decisión (elXyos) y el valor de la función objetivo
Parámetro quieren saber cuán sensibles son estas respuestas a los cambios en los parámetros de entrada. Por ejemplo,
Valor numérico que es ¿Qué pasa si los coeficientes de la función objetivo no son exactos, o si cambian en un 10% o más?
dado en un modelo. ¿15%? ¿Qué pasa si los valores del lado derecho de las restricciones cambian? Porque las soluciones son
basado en la suposición de que los parámetros de entrada son constantes, surge el tema del análisis de sensibilidad
Análisis de sensibilidad into [Link] analysis, or postoptimality analysis, is the study of how sensitive solutions are
Un análisis que proyecta a cambios de parámetros.
cuánto puede costar una solución
Hay dos enfoques para determinar cuán sensible es una solución óptima a los cambios.
cambiar si hay El primero es simplemente un enfoque de prueba y error. Este enfoque generalmente implica resolver la totalidad
cambios en las variables problema, preferiblemente por computadora, cada vez que se cambia un elemento de datos de entrada o un parámetro. Puede tardar
o datos de entrada.
un largo tiempo para probar una serie de posibles cambios de esta manera.
El enfoque que preferimos es el método de postoptimalidad analítica. Después de que un problema de programación lineal ha sido
resuelto, determinamos un rango de cambios en los parámetros del problema que no afectarán la solución óptima
realice o cambie las variables en la solución. Esto se hace sin resolver todo el problema. LP
software, como el Solver de Excel o POM para Windows, tiene esta capacidad. Examinemos varios
escenarios relacionados con el ejemplo de Shader Electronics.
El Programa B.1 es parte de la salida generada por computadora de Excel Solver disponible para ayudar en una decisión
el creador sabe si una solución es relativamente insensible a cambios razonables en uno o más de
parámetros del problema. (La ejecución completa de la computadora para estos datos, incluyendo la entrada y la salida completa-
se ilustra en los Programas B.2 y B.3 más adelante en este módulo.

Informe de Sensibilidad
El Informe de Sensibilidad tiene El Informe de Sensibilidad de Excel para el ejemplo de Shader Electronics en el Programa B.1 tiene dos distinctos
dos partes: Celdas ajustables componentes: (1) una tabla titulada Celdas Ajustables y (2) una tabla titulada Restricciones. Estas tablas permiten
y restricciones. nosotros para responder varias preguntas hipotéticas con respecto a la solución del problema.
Es importante señalar que, al utilizar la información en el informe de sensibilidad para responder a escenarios hipotéticos
Estamos analizando solo uno preguntas, asumimos que estamos considerando un cambio en un solo valor de datos de entrada. Es decir, el
cambiar a la vez. La información de sensibilidad no siempre se aplica a cambios simultáneos en varios valores de datos de entrada.
TheAdjustable Cellstable presents information regarding the impact of changes to the objective
los coeficientes de función (es decir, las ganancias unitarias de $7 y $5) en la solución óptima. Las restricciones
la tabla presenta información relacionada con el impacto de los cambios en el lado derecho de la restricción (RHS)
ues (es decir, las 240 horas y 100 horas) en la solución óptima. Aunque diferentes paquetes de software de programación lineal
las edades pueden formatear y presentar estas tablas de manera diferente, los programas proporcionan esencialmente lo mismo
información.
700 MÓDULO DE PROGRAMACIÓN LINEAL
PROGRAMA B.1Yo
Análisis de sensibilidad para
Electrónica de Shader Usando
El Solver de Excel

Los valores de solución para las variables

appear. We should make 30 Walkmans
y 40 televisores.

Usaremos 240 horas y 100 horas Si usamos una hora más de Electrónica, nuestro beneficio estará en-
de Electrónica y tiempo de ensamblaje, un aumento de $1.50. Esto es cierto por hasta 60 horas más.
respectivamente. La ganancia caerá en $1.50 por cada hora de Electrónica
menos de 240 horas, tan bajo como 200 horas.

Cambios en los Recursos o Valores del Lado Derecho

The right-hand-side values of the constraints often represent resources available to the firm. The
los recursos pueden ser horas de trabajo, tiempo de máquina o quizás dinero o materiales de producción disponibles.
En el ejemplo de Shader Electronics, los dos recursos son horas disponibles de tiempo de electrónica y
horas de tiempo de ensamblaje. Si se dispusieran de horas adicionales, se podría realizar un mayor beneficio total.
¿Cuánto debería estar dispuesta a pagar la empresa por horas adicionales? ¿Es rentable tener algunas?
¿Horas adicionales de electrónica? ¿Deberíamos estar dispuestos a pagar por más tiempo de ensamblaje? Sensibilidad
El análisis de estos recursos nos ayudará a responder a estas preguntas.
Si el tamaño de lo factible Si se cambia el lado derecho de una restricción, la región factible cambiará (a menos que el con-
la región aumenta, el la restricción es redundante), y a menudo la solución óptima cambiará. En el ejemplo del sombreado, hubo
función objetivo óptima 100 horas de tiempo de ensamblaje disponibles cada semana y el máximo beneficio posible fue de $410. Si el
el valor podría mejorar. las horas de ensamblaje disponibles se incrementan a 110 horas, la nueva solución óptima se ve en la Figura B.8(a)
es (45,20) y la ganancia es de $415. Por lo tanto, las 10 horas adicionales de tiempo resultaron en un aumento de la ganancia de
$5 o $0.50 por hora. Si las horas se reducen a 90 horas como se muestra en la Figura B.8(b), la nueva opción
la solución mala es (15,60) y el beneficio es $405. Así, reducir las horas en 10 resulta en una disminución en
ganancia de $5 o $0.50 por hora. Este cambio de $0.50 por hora en la ganancia que resultó de un cambio en el
Precio sombra (ordial)el tiempo disponible se llama el precio sombra, o valor dual. El precio sombra para una restricción es el
El valor de uno mejora en el valor de la función objetivo que resulta de un incremento de una unidad en el lado derecho
unidad adicional de un lado de la restricción.
recurso escaso en LP.
Rango de validez para el precio sombraDado que las ganancias de Shader Electronics aumentan por
$0.50 por cada hora adicional de tiempo de ensamblaje, ¿significa que Shader puede hacer esto indefinidamente?
esencialmente ganando un beneficio infinito? Claramente, esto es ilógico. ¿Hasta dónde puede Shader aumentar su asamblea-
disponibilidad de tiempo adicional y aún ganar un beneficio extra de $0.50 por hora? Es decir, ¿para qué nivel de aumento?
¿Es válida la sombra del precio de $0.50 en el valor RHS de la restricción de tiempo de ensamblaje?
El precio sombra es válido El precio sombra de $0.50 es válido siempre que el tiempo de ensamblaje disponible se mantenga en un rango dentro de
solo mientras el cambio which all current corner points continue to exist. The information to compute the upper and lower
en el RHS está dentro de la los límites de este rango se dan por las entradas etiquetadas Aumento Permitido y Disminución Permitida en
Incremento Permitido y el Informe de Sensibilidad en el Programa B.1. En el caso de Shader, estos valores muestran que el precio sombra de
Disminución Permitida $0.50 por la disponibilidad de tiempo de ensamblaje es válido para un aumento de hasta 20 horas desde el actual
valores. valor y una disminución de hasta 20 horas. Es decir, el tiempo de ensamblaje disponible puede variar desde un bajo
de 80 (= 100Ϫ 20) a un máximo de 120 (= 100 +20) para que el precio sombra de $0.50 sea válido. Tenga en cuenta que
la disminución permitida implica que por cada hora de tiempo de ensamblaje que Shader pierde (hasta 20
horas), su ganancia disminuye en $0.50.
 RESOLVER PROBLEMAS DE MINIMIZACIÓN
701
(a) (b)
x2 x2

Cambiada la restricción de ensamblaje de 2x1+ 1x2= 100

100 a 2x1+ 1x2= 110 100

Se cambió la restricción de ensamblaje de 2x1+

1x2= 100
2
80 a 2x1+ 1x2= 90
80
2
El punto de esquina 3 sigue siendo óptimo, pero
El punto de esquina 3 sigue siendo óptimo, pero
60 los valores en este momento son ahora1= 15,
los valores en este momento son nowx1= 45, 60
3 x2= 60, con una ganancia = $405.
x2= 20, con una ganancia = $415.

40 40

Restricción de electrónica Restricción electrónica

20 permanece sin cambios 20 permanece sin cambios
3

1 1 4
0 0
20 40 4 60 80 100 x1 20 40 60 80 100 x1

FIGURA B.8YoAnálisis de sensibilidad de shader electronics sobre los recursos del lado derecho (RHS)

Cambios en el coeficiente de la función objetivo

Ahora centrémonos en la información proporcionada en el Programa B.1 titulado Celdas Ajustables. Cada fila en
la tabla de Celdas Ajustables contiene información sobre una variable de decisión (es decir, Walkmans o
Televisores) en el modelo LP.

Rangos Permitidos para los Coeficientes de la Función ObjetivoDado que la contribución de beneficio por unidad
la variación de cualquiera de los productos cambia, la pendiente de las líneas iso-beneficio que vimos anteriormente en la Figura B.5 cambia.
El tamaño de la región factible, sin embargo, sigue siendo el mismo. Es decir, las ubicaciones de los puntos extremos.
no cambies.
Hay un permitido Los límites a los que se puede cambiar el coeficiente de beneficio de los Walkmans o los Televisores de Pulsera sin
disminución y un permitido el impacto en la optimalidad de la solución actual se revela por los valores en el Aumento Permitido
aumento para cada objetivo y las columnas de Disminución Permitida del Informe de Sensibilidad en el Programa B.1. El aumento permitido
coeficiente de función sobre en la función objetivo, el coeficiente para Ver-TV es solo $0.25. En contraste, la disminución permitida
cuál es el óptimo actual es $1.50. Por lo tanto, si el beneficio unitario de los Watch-TVs cae a $4 (es decir, una disminución de $1 desde el actual
la solución sigue siendo óptima.
valor de $5), sigue siendo óptimo producir 30 Walkmans y 40 Watch-TVs. La ganancia total disminuirá
a $370 (de $410) porque cada Ver-TV ahora genera menos beneficios (de $1 por unidad). Sin embargo, si el
Un nuevo punto de esquina la ganancia por unidad cae por debajo de $3.50 por Watch-TV (es decir, una disminución de más de $1.50 desde el actual $5
se vuelve óptimo si un la solución actual ya no es óptima. El problema de LP deberá ser resuelto
función objetivo usando Solver, o otro software, para encontrar el nuevo punto esquina óptimo.
el coeficiente se ha reducido o
aumentado demasiado.
RESOLUCIÓN DE PROBLEMAS DE MINIMIZACIÓN

Muchos problemas de programación lineal implican minimizar un objetivo como el costo en lugar de maximizar.
maximizar una función de beneficios. Un restaurante, por ejemplo, puede desear desarrollar un horario de trabajo para cumplir con
necesidades de personal mientras minimiza el número total de empleados. Además, un fabricante puede buscar
distribuir sus productos desde varias fábricas a sus muchos almacenes regionales de tal manera que
minimizar los costos totales de envío.
Iso-costo
Los problemas de minimización se pueden resolver gráficamente al establecer primero la región de solución factible.
Un enfoque para resolver
un programa lineal y luego usando ya sea el método de punto esquina o un enfoque de línea de costos anisotrópico (que es análogo a
problema de minimización el enfoque de iso-beneficio en problemas de maximización) para encontrar los valores de X1yX2que produce el mínimo-
gráficamente. costo mínimo.
702 PROGRAMACIÓN LINEAL
El ejemplo B1 muestra cómo resolver un problema de minimización.

EjemploB1 Cohen Chemicals, Inc., produce dos tipos de líquidos para el revelado de fotos. El primero, una imagen en blanco y negro
Un problema de minimización químico, cuesta a Cohen $2,500 por tonelada producir. El segundo, un producto químico fotográfico en color, cuesta $3,000 por tonelada.
con dos variables Basado en un análisis de los niveles actuales de inventario y las órdenes pendientes, el gerente de producción de Cohen ha
especificó que al menos 30 toneladas del químico en blanco y negro y al menos 20 toneladas del químico de color deben ser
producido durante el próximo mes. Además, el gerente señala que hay un inventario existente de un producto altamente perecedero
Las materias primas necesarias en ambos químicos deben ser utilizadas dentro de los 30 días. Para evitar desperdiciar la costosa materia prima.
Cohen debe producir un total de al menos 60 toneladas de los productos fotosensibles en el próximo mes.
Podemos formular esta información como un problema de programación lineal de minimización. Sea

X1= número de toneladas de productos químicos para fotos en blanco y negro producidos
X2 = número de toneladas de productos químicos para fotos a color producidas

Sujeto a:
X1≥ 30 toneladas de productos químicos en blanco y negro
X2≥ 20 toneladas de colorante químico
X1 +X2≥ 60 toneladas en total
X1 ,X2≥ $0 requisitos de no negatividad
Para resolver el problema de Cohen Chemicals gráficamente, construimos la región factible del problema, que se muestra en
Figura B.9.

FIGURA B.9Yo
X2
Cohen Chemicals’
Región factible X+X=
1 260
60

50
Factible
región
El área no está limitada a 40
el derecho en una minimización
problema tal como está en una
30 b
problema de maximización.
20
a
X=
1 30
10 X=
2 20

X1
0 10 20 30 40 50 60

Los problemas de minimización a menudo son ilimitados hacia afuera (es decir, por el lado derecho y por arriba), pero esto
la característica no causa problemas en resolverlos. Siempre que estén acotados hacia adentro (en el lado izquierdo y
en la parte inferior), podemos establecer puntos de esquina. La solución óptima estará en uno de los rincones.
En este caso, solo hay dos puntos extremos, a y b, en la Figura B.9. Es fácil determinar que en el punto
a,X1= 40 y X2= 20, y que en el punto b,X1 = 30 yX2= 30. La solución óptima se encuentra en el punto
produciendo el costo total más bajo.
Así
Costo total ata= 2,500X1 + 3,000X2
= 2,500(40)+ 3,000(20)
= $160,000
Costo total atb= 2,500X1+ 3,000X2
= 2,500(30)+ 3,000(30)
= $165,000
El costo más bajo para Cohen Chemicals se encuentra en el punto A. Por lo tanto, el gerente de operaciones debe producir 40 toneladas de
el químico en blanco y negro y 20 toneladas del químico de color.
 APLICACIONES DE PROGRAMACIÓN LINEAL
703

O M I NAC I O N
Programacióndeavionesen alcance por primera vez. Delta llama a su enorme modelo LP
"Coldstart" y ejecuta el modelo todos los días. Delta es el
DeltaAirlinesconLP primera aerolínea en resolver un problema de este alcance.
El tamaño típico de un modelo de Coldstart diario es de alrededor de
Se ha dicho que un asiento de avión es el más perecedero.
mercancía en el mundo. Cada vez que un avión de pasajeros despega 40,000 restricciones y 60,000 variables. Las restricciones
con un asiento vacío, se pierde para siempre una oportunidad de ingresos. incluir la disponibilidad de aeronaves, equilibrar arribos y
salidas en aeropuertos, necesidades de mantenimiento de aeronaves, y
Para Delta Airlines, que opera más de 2,500 vuelos nacionales
piernas por día utilizando alrededor de 450 aeronaves de 10 modelos diferentes así sucesivamente. El objetivo de Coldstart es minimizar una combinación
de los costos operativos y la pérdida de ingresos por pasajeros, llamado
su horario es el mismo latido del corazón de la aerolínea.
Un tramo de vuelo de Delta podría consistir en un Boeing 757 “spill costs.”
jet asignado para volar a las 6:21 A.M. desde Atlanta para llegar a Los ahorros del modelo han sido fenomenales,
Boston a las 8:45 A.M. El problema de Delta, al igual que el de todos a $220,000 por día sobre la planificación de horarios anterior de Delta

competidor, es igualar aviones como los 747, 757 o herramienta, que fue apodada "Warmstart." Delta ahorra $300
767s a trayectos de vuelo como Atlanta–Boston y para llenar asientos un millón por año a través de este uso de programación lineal.
con pasajeros de pago. Los avances recientes en pro- Fuentes: Interfaces (septiembre-octubre, 1999): 123 –131; Interfaces
los algoritmos de programación y el hardware informática han (enero-febrero 1994): 104–120; yOR/MS Today(agosto 1995):
hizo posible resolver problemas de optimización de este 14–15.

APLICACIONES DE PROGRAMACIÓN LINEAL

Los ejemplos anteriores contenían cada uno solo dos variables (X1yX2). La mayoría de los problemas del mundo real con-
sin embargo, contiene muchas más variables. Utilicemos los principios ya desarrollados para formular algunos más.
problemas complejos. La práctica que obtendrás al "parafrasear" las siguientes situaciones de programación lineal debería
ayuda a desarrollar tus habilidades para aplicar la programación lineal a otras situaciones operativas comunes.

Ejemplo de Mezcla de Producción

El ejemplo B2 involucra otra decisión de mezcla de producción. Los recursos limitados deben ser asignados entre
varios productos que una empresa produce. El objetivo general de la empresa es fabricar los seleccionados
productos en tales cantidades como para maximizar los beneficios totales.

EjemploB2 Failsafe Electronics Corporation fabrica principalmente cuatro productos altamente técnicos, que suministra a
Un problema de mezcla de producción empresas aeroespaciales que tienen contratos con la NASA. Cada uno de los productos debe pasar por los siguientes departamentos
antes de ser enviados: cableado, perforación, ensamblaje e inspección. Los requisitos de tiempo en cada departamento
(en horas) para cada unidad producida y su valor de beneficio correspondiente se resumen en esta tabla:

Departamento
PRODUCT CABLEADO PERFORACIÓN
ASAMBLEA INSPECCIÓN GANANCIA POR UNIDAD
XJ201 .5 3 2 .5 $ 9
XM897 1.5 1 4 1.0 $12
TR29 1.5 2 1 .5 $15
BR788 1.0 3 2 .5 $11

El tiempo de producción disponible en cada departamento cada mes y la producción mínima mensual
los requisitos para cumplir los contratos son los siguientes:

CAPACIDAD MÍNIMO
DEPARTAMENTO(EN HORAS) PRODUCTO NIVELDE PRODUCCIÓN
Cableado 1,500 XJ201 150
Perforación 2,350 XM897 100
Ensamble 2,600 TR29 300
Inspección 1,200 BR788 400
704 MÓDULOBPROGRAMACIÓNLINEAL

El gerente de producción tiene la responsabilidad de especificar los niveles de producción para cada producto para el com-
mes entrante. Dejar

X1= número de unidades producidas de XJ201

X2= número de unidades de XM897 producidas
X 3= número de unidades de TR29 producidas
X 4= número de unidades de BR788 producidas

Maximizar beneficios = 9X1+ 12X2+ 15X3 + 11X4

sujeto a .5X1+ 1.5X2+ 1.5X3+ 1X4≤ 1,500 horas de cableado disponibles

3X1+ 1X2+ 2X3+ 3X4≤ 2,350 horas de perforación disponibles
2X1+ 4X2+ 1X3+ 2X4≤ 2,600 horas de ensamblaje disponibles
.5X1 + 1X2+ .5X+
3 .5X4≤ 1,200 horas de inspección
X1≥ 150 units of XJ201
X2≥ 100 unidades de XM897
X3≥ 300 unidades de TR29
X4≥ 400 unidades de BR788
X1,X2,X3,X4≥ 0

Ejemplo de Problema de Dieta

El ejemplo B3 ilustra el problema de la dieta, que fue utilizado originalmente por hospitales para determinar el
dieta más económica para los pacientes. Conocido en aplicaciones agrícolas como el problema de la mezcla de alimentos, el
el problema de la dieta implica especificar una combinación de ingredientes alimentarios o de piensos que satisfaga los nutrientes declarados
requisitos nacionales a un nivel de costo mínimo.

EjemploB3 El corrales Feed 'N Ship engorda ganado para los agricultores locales y lo envía a los mercados de carne en Kansas City y
Un problema de dieta Omaha. Los propietarios del criadero buscan determinar las cantidades de alimento para ganado que deben comprar para satisfacer el mínimo.
estándares nutricionales y, al mismo tiempo, minimizar los costos totales de alimentación.
Cada lote de grano contiene diferentes cantidades de cuatro ingredientes nutricionales: A, B, C y D. Aquí están los
contenidos de ingredientes de cada grano, en onzas por libra de grano.

Alimentar
INGREDIENT STOCKX STOCKY STOCKZ
A 3 oz. 2 oz. 4 oz.
B 2 oz. 3 oz. 1 oz.
C 1 oz. 0 oz. 2 oz.
D 6 oz. 8 oz. 4 oz.

El costo por libra de los granos X, Y y Z es de $0.02, $0.04 y $0.025, respectivamente. El requisito mínimo
La alimentación por vaca por mes es de 64 onzas del ingrediente A, 80 onzas del ingrediente B, 16 onzas del ingrediente C.
y 128 onzas del ingrediente D.
El corral de engorde enfrenta una restricción adicional: solo puede obtener 500 libras de ganado Z por mes de
el proveedor de alimento, independientemente de su necesidad. Porque generalmente hay 100 vacas en el lote de alimentación Feed 'N Ship en
En cualquier momento dado, esta restricción limita la cantidad de stock Z para usar en la alimentación de cada vaca a no más de
5 libras, o 80 onzas, por mes. Dejar

X1= número de libras de inventario X comprado por vaca cada mes

X2= número de libras de forraje Y compradas por vaca cada mes
X 3= número de libras de forraje Z comprado por vaca cada mes
 LINEARPROGRAMMINGAPPLICATIONS 7 0 5

Costo mínimo = 0.02X1+ .04X2+ .025X3sujeto a

Requisito del ingrediente A: 3X1+ 2X2+ 4X3≥ 64

Requisito de ingrediente B: 2X1+ 3X2+ 1X3≥ 80
Ingredient C requirement: 1X1+ 0X2+ 2X3≥ 16
Ingredient D requirement: 6X1+ 8X2+ 4X3≥ 128
Limitación de Stock Z: X3≤ 80
X1,X2,X3≥ 0

La solución más barata es comprar 40 libras de granoX1, a un costo de $0.80 por vaca.

Ejemplo de Programación de Producción

One of the most important areas of linear programming application isproduction scheduling.
Resolver un problema de programación de producción permite al gerente de producción establecer un bajo eficiente,
programa de costos de producción para un producto durante varios períodos de producción. Básicamente, el problema
se asemeja al modelo de mezcla de productos común para cada período en el futuro. Los niveles de producción deben
permitir que la empresa satisfaga la demanda de su producto dentro de las limitaciones de mano de obra e inventario. El
el objetivo es maximizar el beneficio o minimizar el costo total (de producción más inventario).
EjemploB4 La compañía T. E. Callarman Appliance está pensando en fabricar y vender compactadores de basura en un
Una programación de producción base experimental durante los próximos 6 meses. Los costos de fabricación y los precios de venta de los compactadores
problema se proyecta que varíen de un mes a otro. La tabla B.2 presenta estos costos y precios pronosticados.

TABLA B.2YoCostos de fabricación y precios de venta

SELLINGPRICE
MONTH MANUFACTURINGCOST (DURANTE EL MES)

July $60 —
Agosto $60 $80
Septiembre $50 $60
Octubre $60 $70
Noviembre $70 $80
Diciembre — $90

Todos los compactadores fabricados durante cualquier mes se envían en una gran carga al final de ese
mes. La empresa puede vender hasta 300 unidades por mes, pero su operación está limitada por el tamaño de su almacén.
casa, que alberga un máximo de 100 compactadores.
El gerente de operaciones de Callarman, Richard Deckro, necesita determinar el número de compactadores que...
fabricar y vender cada mes para maximizar el beneficio de la empresa. Callarman no tiene compactadores a mano en el
comienzo de julio y desea no tener compactadores disponibles al final del periodo de prueba en diciembre.
Para formular este problema de LP, Deckro permite

X1 ,X2 ,X3 ,X4 ,X5 ,X6= número de unidades fabricadas durante julio (primer mes)
agosto (segundo mes), etc.
Y,Y
1 2 ,Y3 ,Y4 ,Y5 ,Y6= número de unidades vendidas durante julio, agosto, etc.

Él señala que, dado que la empresa comienza sin compactadores (y porque se tarda 1 mes en prepararse
y enviar el primer lote), no puede vender ninguna unidad en julio (es decir, Y1= 0). También, porque quiere cero
el inventario al final del año, la producción durante el mes de diciembre debe ser cero (es decir, X6= 0).
La ganancia de Callarman Appliances es las ventas menos el costo de fabricación. Por lo tanto, la función objetivo de Deckro es

Maximizar ganancias= 80Y2+ 60Y3+ 70Y4+ 80Y5+ 90Y6

− (60X 1+ 60X2+ 50X3+ 60X4+ 70X5)

La primera parte de esta expresión es el precio de venta multiplicado por las unidades vendidas cada mes. La segunda parte es el
costo de fabricación, a saber, los costos de la Tabla B.2 multiplicados por las unidades fabricadas.
706 PROGRAMACIÓN LINEAL MÓDULO B

Para establecer las restricciones, Deckro necesita introducir un nuevo conjunto de variables: I1,Yo2,Yo3,Yo4,Yo5Yo6. Estos rep-
presentar el inventario al final de un mes (después de que se hayan realizado todas las ventas y después de la cantidad producida
durante el mes se ha almacenado en el almacén). Así que

Inventario en Inventario en Actual

Este mes
fin de esto= fin de + mes−
ventas
mes producción del mes anterior

Para julio, esto esI1=X1 porque no hay inventario ni ventas anteriores. Para agosto,

Yo2=Yo1+X2Ϫ Y2

Las restricciones para los meses restantes son las siguientes:

Septiembre: Yo3=I2+X3Ϫ Y3
Octubre Yo4Soy yo3+X4Ϫ Y4
Noviembre: Yo5=I4+X5Ϫ Y5
Diciembre: Yo6=Yo5Ϫ Y6

Las restricciones para la capacidad de almacenamiento son

Yo1≤ 100,Yo2≤ 100, Yo3≤ 100,I4≤ 100, yo5≤ 100

y yo6= 0 (para terminar con un inventario cero al final de diciembre).

Las restricciones para la demanda son

todoYyo≤ 300

La solución final genera una ganancia de $19,000 con

X1= 100,X2= 200,X3= 400,X4= 300,X5= 300,X6= 0,

Y1= 100,Y2= 300,Y3= 300,Y4= 300,Y5= 300,Y6= 100,
Yo1= 100, I2=0,I3= 100, I4= 100, I5= 100, I6= 0

Existen soluciones óptimas alternativas.

Ejemplo de Programación Laboral

Los problemas de programación laboral abordan las necesidades de personal durante un período de tiempo específico. Son especialmente
útil cuando los gerentes tienen cierta flexibilidad para asignar trabajadores a trabajos que requieren superposición o
talentos intercambiables. Los grandes bancos y hospitales utilizan frecuentemente LP para abordar sus horarios laborales.
El ejemplo B5 describe cómo un banco utiliza la programación lineal para programar a los cajeros.

EjemploB5 El Banco de Comercio e Industria de Arlington es un banco ocupado que tiene requisitos para entre 10 y 18.
Programación de cajeros de banco tellers depending on the time of day. Lunchtime, from noon to 2P.M., is usually heaviest. The table below
indica los trabajadores necesarios en las diversas horas que el banco está abierto.

NÚMERO DE NÚMERO DE
TIMEPERIOD TELLERSREQUIRED TIMEPERIOD TELLERSREQUIRED
9 A.M.–10 A.M. 10 1P.M.–2P.M. 18
10 A.M.–11 A.M. 12 2 P.M.–3 P.M. 17
11 A.M.–Mediodía 14 3P.M.–4P.M. 15
Mediodía–1P.M. 16 4 P.M.–5 P.M. 10
 APLICACIONES DE PROGRAMACIÓN LINEAL
707

El banco ahora emplea a 12 cajeros a tiempo completo, pero muchas personas están en su lista de empleados disponibles a tiempo parcial.
Un empleado a tiempo parcial debe trabajar exactamente 4 horas al día, pero puede comenzar en cualquier momento entre las 9 A.M. y la 1 P.M.
Los trabajadores a medio tiempo son un grupo de mano de obra bastante económico porque no se les proporcionan beneficios de jubilación o almuerzo. Completo-
Los temporizadores, por otro lado, trabajan de 9 A.M. a 5 P.M. pero se les permite 1 hora para el almuerzo. (La mitad de los que trabajan a tiempo completo comen
a las 11 a.m., la otra mitad al mediodía.) Los empleados a tiempo completo, por lo tanto, proporcionan 35 horas por semana de tiempo de trabajo productivo.
Por políticas corporativas, el banco limita las horas a tiempo parcial a un máximo del 50% del requisito total del día.
Part-timers earn $6 per hour (or $24 per day) on average, whereas full-timers earn $75 per day in salary
y beneficios en promedio. El banco le gustaría establecer un horario que minimice su mano de obra total
costos. Liberará 1 o más de sus cajeros a tiempo completo si es rentable hacerlo.
Podemos dejar

F= cajeros a tiempo completo

P=
1 trabajadores a medio tiempo comenzando a las 9 A.M. (saliendo a la 1 P.M.)
P=
2 trabajadores a tiempo parcial comenzando a las 10 A.M. (salida a las 2 P.M.)
P=
3 trabajadores a tiempo parcial comenzando a las 11 A.M. (saliendo a las 3 P.M.)
P=
4 trabajadores a medio tiempo comenzando al mediodía (saliendo a las 4 P.M.)
P=
5 trabajadores a medio tiempo comenzando a la 1 P.M. (saliendo a las 5 P.M.)

Función objetivo:

Minimizar el total diario

costo de mano de obra = $75F+ $24(P+1 P+ P+
2 P+3 P) 4 5

Restricciones: Por cada hora, las horas de trabajo disponibles deben ser al menos iguales a las horas de trabajo requeridas.

F+ P 1 ≥ 10 (9De 6 A.M. a 10 A.M. necesita)

F+ P+1 P 2 ≥ 12 (10De 6 A.M. a 11 A.M. necesita)
1F+ P+1P+ P2 ≥ 14 (11De la mañana a mediodía necesita)
2 3
1F+ P+1P+ P+
2 2 P 3 4 ≥ 16 (mediodía a [Link])

F + P+
2 P+ 3P+ P≥
4 18 5 (1De 2 P.M. a 2 P.M. necesita)
F + P+
3 P+4P≥ 17
5 (2De 3 P.M. a 3 P.M. se necesitan)
F + P+
4 P≥ 515 (3de 4 P.M. a P.M. necesita)
F + P≥
5 10 (4De 5 P.M. a 5 P.M. necesita)

Solo hay 12 cajeros de tiempo completo disponibles, así que

F≤ 12

Las horas de trabajo a tiempo parcial no pueden exceder el 50% del total de horas requeridas cada día, que es la suma de los cajeros.
necesitado cada hora.

4(P1+P2+P3+P4+P5) ≤ .50(10 + 12 + 14 + 16 + 18 + 17 + 15 + 10)

4P+
1 4P+2 4P+ 4P+
3 4P≤
4 0.50(112)
5
F,P,P,P,P,P≥
1 2 3 04 5

Hay dos horarios óptimos alternativos que el Banco de Arlington puede seguir. El primero es emplear solo 10
cajeros a tiempo completo (F= 10) y comenzar 7 a tiempo parcial a las 10 A.M. (P2= 7), 2 medio tiempo a las 11 A.M. y al mediodía
(P3= 2 yP4= 2), y 3 trabajadores a tiempo parcial a la 1 P.M. (P5= 3). Ningún trabajador a tiempo parcial comenzaría a las 9 A.M.
La segunda solución también emplea 10 cajeros a tiempo completo, pero comienza 6 empleados a tiempo parcial a las 9 A.M. (P1= 6), 1 parte-
temporizador a las 10 A.M. (P2= 1), 2 trabajadores a tiempo parcial a las 11 A.M. y al mediodía (P3= 2 y P4= 2), y 3 medio tiempo a la 1 P.M.
(P5= 3). El costo de cualquiera de estas dos pólizas es de $1,086 por día.
708 MÓDULOBPROGRAMACIÓNLINEAL

EL MÉTODO SIMPLEX DE PL
La mayoría de los problemas de programación lineal en el mundo real tienen más de dos variables y, por lo tanto, son demasiado com-
Método simplex plex para solución gráfica. Un procedimiento llamado el método simplex puede ser utilizado para encontrar el óptimo
Un algoritmo desarrollado solución a tales problemas. El método simplex es en realidad un algoritmo (o un conjunto de instrucciones)
por Dantzig para resolver con las que examinamos los puntos extremos de manera metódica hasta llegar a la mejor solución—
programación lineal mayor ganancia o menor costo. Programas de computadora (como POM para Windows) y hojas de cálculo de Excel
problemas de todos los tamaños.
Las hojas están disponibles para resolver problemas de programación lineal a través del método simplex.
Para obtener detalles sobre los pasos algebraicos del algoritmo simplex, consulte el Tutorial 3 en el CD-ROM
que acompaña a este libro, o refiérase a un libro de texto de ciencia de la gestión.2

S U M MARY Este módulo introduce una especie especial de modelo, la programación lineal. La PL ha demostrado ser especialmente
especialmente útil cuando se trata de hacer el uso más efectivo de los recursos de una organización.
El primer paso para tratar con modelos de programación lineal es la formulación del problema, que implica identificar y
crear una función objetivo y restricciones. El segundo paso es resolver el problema. Si hay
solo dos variables de decisión, el problema se puede resolver gráficamente, utilizando el método de puntos extremos
o el método de la línea iso-beneficio/iso-costo. Con cualquiera de los dos enfoques, primero identificamos la región factible,
entonces encuentra el punto extremo que produzca el mayor beneficio o el menor costo. La programación lineal se utiliza en una amplia variedad de
aplicaciones comerciales, como revelan los ejemplos y problemas de tarea en este módulo.

K EYTE R M S Programación lineal (PL)(p. 692) Método de punto de esquina (p. 698)
Función objetivo (p. 693) Parámetro (p. 699)
Restricciones (p. 693) Análisis de sensibilidad (p. 699)
Enfoque de solución gráfica (p. 694) Precio sombra (o dual) (p. 700)
Variables de decisión (p. 694) Iso-costo(p. 701)
Región factible (p. 695) Método simplex (p. 708)
Método de línea iso-beneficio (p. 696)

UTILIZANDOSOFTWAREPARARESOLVERPROBLEMASDEPROGRAMACIÓNLINEAL

Todos los problemas de programación lineal también se pueden resolver con el método simplex, utilizando software como POM para Windows o
Excel. This approach produces valuable economic information such as the shadow price, or dual, and provides
análisis de sensibilidad completo sobre otros insumos a los problemas. Excel utiliza Solver, que requiere que ingreses
tus propias limitaciones. Excel OM no tiene un módulo de programación lineal. POM para Windows solo requiere que la demanda
se introducirán datos, datos de suministro y costos de envío. En la sección siguiente ilustramos cómo crear un Excel
hoja de cálculo para problemas de programación lineal.

UasnE
dcoueáhloaxscjel

Excel offers the ability to analyze linear programming problems using built-in problem-solving tools. Excel’s
la herramienta se llama Solver. Solver está limitado a 200 celdas cambiantes (variables), cada una con 2 restricciones de frontera y
hasta 100 restricciones adicionales. Estas capacidades hacen que Solver sea adecuado para la solución de problemas complejos, reales-
problemas mundiales.
Utilizamos Excel para configurar el problema de Shader Electronics en el Programa B.2. El objetivo y las restricciones son
repetido aquí:

Función objetivo: Maximizar el beneficio =

$7(Número de Walkmans) + $5(Nº de los televisores de relojes)
Sujeto a: 4(Walkmans) + 3(Televisores de muñeca)≤ 240
2(Walkmans) + 1(Watch-TV) ≤ 100

2Vea, por ejemplo, a Barry Render, Ralph M. Stair y Michael Hanna, Análisis Cuantitativo para la Gestión, 9ª ed. (Superior

Saddle River, NJ: Prentice Hall, 2006): Capítulos 7–9 o Barry Render, Ralph M. Stair y Raju Balakrishnan, Gerencial
Modelado de Decisiones con Hojas de Cálculo, 2ª ed. (Upper Saddle River, NJ: Prentice Hall, 2006): Capítulos 2–4.
 USANDO SOFTWARE PARA RESOLVER PROBLEMAS
709
PROGRAMA B.2YoUsando
Excel para formular el
Electrónica Shader
Problema

CÁLCULOS
VALUE CELDA FÓRMULADEEXCEL ACCION

Lado Izquierdo D4 =SUMAPRODUCTO($B$8:$C$8,B4:C4) Copiar a D5:D6

Slack G5 =F5-D5 Copiar a G6
Selecciona Herramientas, Solver
Establecer parámetros del solucionador como se muestra
Presiona Resolver

La pantalla de Excel en el Programa B.3 muestra la solución de Solver al problema de la Compañía Shader Electronics. Nota
que la solución óptima ahora se muestra en las celdas cambiantes (celdas B8 y C8, que sirvieron como las variables).
La selección de Informes realiza un análisis más extenso de la solución y su entorno. La sensibilidad de Excel
la capacidad de análisis se ilustró anteriormente en el Programa B.1.

PROGRAMA B.3YoExcel
Solución al Shader
Problema de LP de Electrónica

UsodePOMparaWnidows
POM para Windows puede manejar problemas de LP con hasta 22 restricciones y 99 variables. Como salida, el software
provides optimal values for the variables, optimal profit or cost, and sensitivity analysis. In addition, POM for
Windows proporciona salida gráfica para problemas con solo dos variables. Consulte el Apéndice IV para más detalles.
detalles.
710 PROGRAMACIÓN LINEAL MÓDULO B

PROBLEMASRESUELTOS
Problema B.1 resuelto tiempo y 1.50 horas de tiempo de corte. Producir cada par de pijamas
requiere 0.75 horas de tiempo de costura y 2 horas de tiempo de corte.
Smitty's, un fabricante de ropa que produce camisas para hombres y
Para expresar las restricciones de LP para este problema de manera matemática,
pijamas, tiene dos recursos principales disponibles: tiempo de máquina de coser
(en el departamento de costura) y tiempo de máquina de corte (en el corte)
dejamos
departamento). Durante el próximo mes, Smitty puede programar hasta 280.
horas de trabajo en máquinas de coser y hasta 450 horas de trabajo en X1 = número de camisetas producidas
máquinas de corte. Cada camisa producida requiere 1.00 hora de costura X2= número de pijamas producidos

Solución
Primera restricción: 1X1+ .75X2 ≤ 280 horas de tiempo en máquina de coser
disponible—nuestro primer recurso escaso
Segunda restricción: 1.5X1+ 2X2≤ 450 horas de tiempo de máquina cortadora
disponible—nuestro segundo recurso escaso

Nota: Esto significa que cada par de pijamas requiere 2 horas del recurso de corte.
El departamento de contabilidad de Smitty analiza los costos y las cifras de ventas y declara que cada camiseta producida
generar una contribución de $4 a las ganancias y que cada par de pijamas generará una contribución de $3 a las ganancias.
Esta información se puede utilizar para crear la función objetivo LP para este problema:

Objective function: maximize total contribution to profit = $4X1+ $3X2

Problema B.2 resuelto

Queremos resolver el siguiente problema de programación lineal para Failsafe Computers X2
utilizando el método de puntos de esquina:
40
Maximizar la ganancia = $9X1+ $7X2

2X1+ 1X2≤ 40 30

X1+ 3X2≤ 30
20

b
10
c d

un X1
0 10 20 30 40

FIGURA B.10YoRegión Factible de Computadoras a Prueba de Fallos

Solución
La figura B.10 ilustra estas restricciones:

Puntas de esquina: (X1= 0,X2= 0) Profit = 0

Punto de esquina: (X1= 0,X2 = 10) Beneficio = 9(0) + 7(10) = $70
Puntos de esquina: (X1= 20,X2= 0) Beneficio = 9(20) + 7(0) = $180
 PROBLEMASRESUELTOS7 11

Los puntos extremos se obtienen resolviendo las ecuaciones 2X1+

1X2= 40 y AsíX2= 4.
X1+ 3X2= 30 simultáneamente. Multiplica la segunda ecuación porϪ2
y añádelo al primero. X1+ 3(4) = 30 o X1+ 12 = 30 orX1= 18
Punto de esquina: (X1= 18,X2 = 4) Ganancia = 9(18) + 7(4) = $190
2X 1+ 1X2= 40
−2X 1− 6X 2= −60 Por lo tanto, la solución óptima es
− 5X 2= −20
(x1= 18,x2= 4) Profit = $190

Problema B.3 resuelto

Holiday Meal Turkey Ranch está considerando comprar dos tipos diferentes cumple con el requisito mínimo de ingesta mensual para cada nutriente
de la alimentación para pavos. Cada alimento contiene, en diversas proporciones, algunos o todos ingrediente.
de los tres ingredientes nutricionales esenciales para engordar pavos. La siguiente tabla contiene información relevante sobre el
El costo del alimento de la marca Y es de $0.02 por libra. La marca Z cuesta $0.03 por composición de los piensos de la marca Y y la marca Z, así como el mínimo
libra. El ganadero gustaría determinar la dieta de menor costo que requerimiento mensual por cada ingrediente nutricional por pavo.

COMPOSICIÓN DE CADA LIBRA DE PIENSO

MINIMO MENSUAL
INGREDIENT ALIMENTO DE BRANDY
ALIMENTACIÓN BRANDZ
REQUIREMENT
A 5 oz. 10 oz. 90 onzas.
B 4 oz. 3 oz. 48 onzas.
C .5 oz. 0 1.5 oz.
Cost/lb $0.02 $0.03

Solución
X2
Si dejamos que
20

X1= número de libras de alimento de la marca Y compradas Restricción del ingrediente C

X2 = número de libras de alimento de la marca Z compradas

15
Z

Región factible

entonces podemos proceder a formular este problema de programación lineal a

como sigue: 10 Restricción del ingrediente B

Minimizar el costo (en centavos) = 2X1+ 3X2

Ingrediente A restricción
sujeto a estas restricciones: 5
b

5X 1+ 10X2≥ 90 oz. (una restricción de ingrediente A)

4X 1+ 3X 2≥ 48 oz. (restricción del ingrediente B) c
X1
0 5 10 15 20
1
2
X1≥ 11oz.
2
(restricción del ingrediente C) Libras de marcaX

La figura B.11 ilustra estas limitaciones. FIGURA B.11YoRegión Factible para las Vacaciones
El enfoque de la línea iso-coste puede utilizarse para resolver la minimización de LP Problema del Rancho de Pavo de Comida
problemas de tención como el del pavo ranch de la comida de vacaciones. Como
con líneas de iso-beneficio, no necesitamos calcular el costo en cada esquina
punto, pero en su lugar dibuja una serie de líneas de costo paralelas. El costo más bajo
línea (es decir, la más cercana al origen) para tocar la factible mover nuestra línea de iso-costo hacia la parte inferior izquierda, en un plano paralelo a
la región nos proporciona la solución óptima esquina. la línea de la solución de 54¢. El último punto que tocamos mientras aún estamos en contacto
Por ejemplo, comenzamos en la Figura B.12 dibujando una línea de costo de 54¢, con la región factible es la misma que el punto de esquina de la Figura
es decir, 54 = 2X1+ 3X2. Obviamente, hay muchos puntos en el B.11. Tiene las coordenadas (X1= 8.4,X2= 4.8) y un asociado
región factible que produciría un costo total más bajo. Procedemos a costo de 31.2 centavos.
712 PROGRAMACIÓN LINEAL MÓDULO B

FIGURA B.12Yo
X2
Solución Gráfica para las Vacaciones
20
Problema del Rancho del Pavo Usando
la Línea de Iso-Costo

Tenga en cuenta que la última línea es paralela a los 54¢

15
Z

línea iso-coste que toca lo factible Región factible (área sombreada)

la región indica el punto óptimo de esquina.

10 X

5 X

(X=
1 8.4,X= 24.8)

X1
0 5 10 15 20 25
Libras de brandX

INTERNETYEJERCICIOSENCD-ROMPARAESTUDIANTES

Visite nuestro sitio web complementario o use su CD-ROM para estudiantes para ayudar con el material en este módulo.

En nuestro sitio web compañero, [Link]/heizer En su CD-ROM de estudiante

• Cuestionarios de autoestudio • Conferencia de PowerPoint

• Problemas de práctica • Problemas de práctica

• Problemas de tarea en Internet • Ejercicio de Modelo Activo
• Casos de Internet POM para Windows

PREGUNTASDEDISCUSIÓN
1. Enumera al menos cuatro aplicaciones de problemas de programación [Link]
lineal. el precio sombra (o dual).
10. Explique
2. ¿Qué es un "punto extremo"? Explica por qué las soluciones a la programación lineal... cómo usar la línea iso-cost en una minimización gráfica.
los problemas de programación se centran en los puntos de esquina. problema.
3. Defina la región factible de un problema de programación lineal gráfico. ¿Qué[Link] Compara
un cómo funcionan los métodos de punto extremo y de línea iso-beneficio.
¿solución factible? para resolver problemas gráficos.
[Link] problema de programación lineal que tiene una región factible 12.
tieneDonde una restricción cruza el eje vertical u horizontal, el
un número infinito de soluciones. Explicar. la cantidad es bastante obvia. ¿Cómo se puede encontrar el
5. ¿Bajo qué circunstancias es la función objetivo más importante?cantidad de coordenadas donde dos restricciones se cruzan, no en un
¿tan que las restricciones en un modelo de programación lineal? eje?
6. ¿Bajo qué circunstancias son más importantes las restricciones?13. Suponga que un problema de programación lineal (maximización) ha sido
¿que la función objetivo en un modelo de programación lineal? resuelto y que el valor óptimo de la función objetivo es
$300. Supongamos que se añade una restricción adicional a este problema.
7. ¿Por qué el problema de la dieta, en la práctica, es aplicable para los animales pero
¿No para personas? Explica cómo esto podría afectar a cada uno de los siguientes:
8. ¿Cuántas soluciones factibles hay en un programa lineal? (a) La región factible.
¿Cuántos necesitamos examinar para encontrar la solución óptima? (b) El valor óptimo de la función objetivo.
 PROBLEMAS 713

EJERCICIODEMODELOACTIVO

El Modelo Activo describe el problema de maximización del Ejemplo de Electrónica de Shader con dos restricciones de menor que o
restricciones de igualdad. Puedes usar las barras de desplazamiento para cambiar cualquiera de los ocho números en el ejemplo o para mover
la línea iso-beneficio.

MODELO ACTIVO B.1Yo

Análisis del Shader

Ejemplo de Electrónica
Datos

Preguntas
¿Cuánto necesita aumentar la ganancia sobre los Walkmans para que sea el único producto fabricado?
¿Cuánto debe caer el beneficio de los Walkmans para dejar de fabricarlos?
3. ¿Qué pasa con la ganancia a medida que el número de horas de ensamblaje aumenta en 1 hora a la vez? ¿Por cuántas?
¿Es cierto esto?
4. ¿Qué sucede si podemos reducir el tiempo de electrónica para los televisor-relojes a 2.5 horas?

PROBLEMAS*
P B.1 Resuelva el siguiente problema de programación lineal gráficamente:

Maximizar Z= 4X + 6Y
Sujeto a: X + 2Y≤ 8
5X + 4Y≤ 20
X,Y≥ 0

P . B.2 Resuelve el siguiente problema de programación lineal gráficamente.

MaximizarZ=X+ 10Y
Sujeto a: 4X+ 3Y≤ 36
2X + 4Y≤ 40
Y≥ 3
X,Y≥ 0

*Nota: significa que el problema puede resolverse con POM para Windows; significa que el problema puede ser resuelto con Excel;

y P significa que el problema puede ser resuelto con POM para Windows y/o Excel. Recuerda que Excel OM no tiene un
Módulo LP porque el Solucionador LP está integrado en Excel.
714 MODULOBPROGRAMACIÓNLINEAL

ϺP B.3 Analiza gráficamente el siguiente problema:

Maximizar ganancias = $4X1+ $6X2

Sujeto a: 1X1+ 2X2≤ 8
6X1+ 4X2≤ 24

a) ¿Cuál es la solución óptima?

b) Si la primera restricción se altera a 1X1 + 3X2≤ 8, ¿cambia la región factible o la solución óptima?

ϺP B.4 Considere el siguiente problema de programación lineal:

MaximizarZ= 30X1+ 10X2

Sujeto a: 3X1+X2≤ 300
X1 +X2≤ 200
X1 ≤ 100
X2≥ 50
X1 Ϫ X2≤ 0
X1,X2≥ 0

a) Resuelve el problema gráficamente.

b) ¿Hay más de una solución óptima? Explica.

P B.5 Resuelve el siguiente problema de programación lineal gráficamente:

MinimizeZ= 24X+ 15Y

Sujeto a: 7X + 11Y≥ 77
16X + 4Y≥ 80
X,Y≥ 0

ϺP B.6 La empresa Ed Silver Dog Food desea presentar una nueva marca de galletas para perros compuesta de pollo y hígado.
galletas con sabor que cumplen ciertos requisitos nutricionales. Las galletas con sabor a hígado contienen 1 unidad de nutri-
La galletas con sabor a pollo contienen 1 unidad del nutriente A y 4 unidades del nutriente B;
B. De acuerdo con los requisitos federales, debe haber al menos 40 unidades del nutriente A y 60 unidades del nutriente B en
un paquete de la nueva mezcla. Además, la empresa ha decidido que no puede haber más de 15 hígados-
galletas con sabor en un paquete. Si cuesta 1¢ hacer 1 galleta con sabor a hígado y 2¢ hacer 1 con sabor a pollo,
what is the optimal product mix for a package of the biscuits to minimize the firm’s cost?
a) Formulate this as a linear programming problem.
b) Resuelve este problema gráficamente, dando los valores óptimos de todas las variables.
c) What is the total cost of a package of dog biscuits using the optimal mix?

P B.7 The Electrocomp Corporation manufactures two electrical products: air conditioners and large fans. The
El proceso de ensamblaje para cada uno es similar en que ambos requieren una cierta cantidad de cableado y perforación. Cada aire acondicionado
El ditioner toma 3 horas de cableado y 2 horas de perforación. Cada ventilador debe pasar por 2 horas de cableado y 1 hora
de perforación. Durante el próximo período de producción, hay 240 horas de tiempo de cableado disponibles y hasta 140 horas de
se puede utilizar tiempo de perforación. Cada aire acondicionado vendido genera una ganancia de $25. Cada ventilador ensamblado se puede vender por
un beneficio de $15.
Formula y resuelve esta situación de mezcla de producción de LP, y encuentra la mejor combinación de aires acondicionados y
los ventiladores que generan el mayor beneficio.

P B.8 La compañía Lauren Shur Tub fabrica dos líneas de bañeras, llamadas modelo A y modelo B. Cada bañera
requiere mezclar una cierta cantidad de acero y zinc; la compañía tiene disponible un total de 25,000 lb de acero y
6,000 lb de zinc. Cada bañera modelo A requiere una mezcla de 125 lb de acero y 20 lb de zinc, y cada una produce
una ganancia de $90. Cada modelo B de bañera requiere 100 lb de acero y 30 lb de zinc y se puede vender por una ganancia de $70.
Find by graphical linear programming the best production mix of bathtubs.

P B.9 La empresa GrandValley, dirigida por la familia J. Motwani, produce dos productos: colchones y bases de cama.
resortes. Un contrato previo requiere que la empresa produzca al menos 30 colchones o resortes de caja, en cualquier combinación.
tion, per week. In addition, union labor agreements demand that stitching machines be kept running at least 40
horas por semana, que es un período de producción. Cada somier toma 2 horas de tiempo de costura, y cada mat-
tress takes 1 hour on the machine. Each mattress produced costs $20; each box spring costs $24.
a) Formula este problema para minimizar los costos de producción totales.
b) Resolver gráficamente.
 PROBLEMAS 715

P B.10 MSA Computer Corporation fabrica dos modelos de minicomputadoras, el Alpha 4 y el Beta 5. La firma
emplea a 5 técnicos, trabajando 160 horas cada uno por mes, en su línea de ensamblaje. La dirección insiste en que el pleno
el empleo (es decir, todas las 160 horas de tiempo) debe mantenerse para cada trabajador durante las operaciones del próximo mes. Es
se requieren 20 horas de trabajo para ensamblar cada computadora Alpha 4 y 25 horas de trabajo para ensamblar cada modelo Beta 5.
MSA quiere ver al menos 10 Alpha 4 y al menos 15 Beta 5 producidos durante el período de producción. Alpha 4
genera una ganancia de $1,200 por unidad, y Betas producen $1,800 cada uno.
Determine el número más rentable de cada modelo de minicomputadora que se debe producir durante el próximo mes.

P B.11 La compañía Fertilizante Sweet Smell comercializa bolsas de estiércol etiquetadas como "no menos de 60 lb de peso seco."
el estiércol envasado es una combinación de compost y desechos de alcantarillado. Para proporcionar un fertilizante de buena calidad, cada bolsa
debería contener al menos 30 lb de compost pero no más de 40 lb de desechos. Cada libra de compost cuesta Sweet
Olor 5¢ y cada libra de desechos cuesta 4¢. Utilice un método gráfico de programación lineal para determinar la mezcla de costo mínimo de
compost y aguas residuales en cada bolsa.

P B.12 Considera la siguiente formulación de programación lineal de Faud Shatara:

Minimizar costo = $1X1+ $2X2

Sujeto a: X1+ 3X2≥ 90
8X1+ 2X2≥ 160
3X1+ 2X2≥ 120
X2≤ 70

a) Ilustre gráficamente la región factible y aplique el procedimiento de línea iso-coste para indicar a Krista cuál
el punto de ner produce la solución óptima.
b) ¿Cuál es el costo de esta solución?

B.13 Las relaciones LP que siguen fueron formuladas por Jeffrey Rummel en la Compañía Química de Connecticut.
¿Cuáles son inválidos para su uso en un problema de programación lineal y por qué?

Maximizar= 6X 1+ X121 X 2+ 5X3

Sujeto a: 4X1 X 2 + 2X 3≤ 70
7.9X1− 4X 2≥ 15.6
3X 1+ 3X 2+ 3X 3≥ 21
19X 2− X133= 17
− X1− X2+ 4X 3= 5
4X 1+ 2X 2+ 3X3 ≤ 80

ϺP B.14 Kalyan Singhal Corp. fabrica tres productos y tiene tres máquinas disponibles como recursos según se indica en el folio.
el siguiente problema de programación lineal:

Maximizar contribución = 4X1+ 4X2+ 7X3

Sujeto a: 1X1+ 7X2+ 4X3≤ 100 (horas en la máquina 1)
2X1+ 1X2 + 7X3 ≤ 110 (horas en la máquina 2)
8X1+ 4X2+ 1X3 ≤ 100 (horas en la máquina 3)
a) Determine la solución óptima utilizando software de programación lineal.

b) ¿Hay tiempo no utilizado disponible en alguna de las máquinas con la solución óptima?
c) ¿Cuánto valdría para la empresa hacer disponible una hora adicional de tiempo en la tercera máquina?
d) ¿Cuánto aumentaría la ganancia de la empresa si se disponen 10 horas adicionales en el segundo?
máquina sin costo adicional?

ϺP B.15 Considere el siguiente problema de programación lineal desarrollado en la empresa de escaneo óptico de Jeff Spencer en San Antonio:

Maximizar ganancias = $1X1+ $1X2

Sujeto a: 2X1+ 1X2≤ 100
1X1+ 2X2≤ 100

a) ¿Cuál es la solución óptima a este problema? Resuélvelo gráficamente.

b) Si se produjera un avance técnico que aumentara la ganancia por unidad de X1¿A $3, afectaría esto la solución óptima?
c) En lugar de un aumento en el coeficiente de ganancias X1, a $3, supongamos que la ganancia fue sobreestimada y debería ser solo
ha sido $1.25. ¿Cambia esto la solución óptima?
716 MODULO B PROGRAMACIÓN LINEAL

ӇP B.16 El superintendente de educación del Condado de Arden, Maryland, es responsable de asignar estudiantes a las tres escuelas secundarias.
escuelas en su condado. Reconoce la necesidad de transportar a un cierto número de estudiantes para varios sectores del condado
están más allá de la distancia a pie de una escuela. El superintendente divide el condado en cinco sectores geográficos como
intenta establecer un plan que minimizará el número total de millas recorridas por los estudiantes en autobús. También ré
reconoce que si un estudiante vive en un determinado sector y es asignado a la escuela secundaria en ese sector, hay
no hay necesidad de llevarlo en autobús porque puede caminar a la escuela. Las tres escuelas están ubicadas en los sectores B, C y E.
La tabla acompañante refleja el número de estudiantes en edad de secundaria que viven en cada sector y la distancia
en millas desde cada sector hasta cada escuela.

DISTANCE TOSCHOOL
ESCOLAR EN ESCOLAR EN ESCOLAR EN NÚMERO DE
SECTOR SECTORB SECTORC SECTOR ESTUDIANTES
A 5 8 6 700
B 0 4 12 500
C 4 0 7 100
D 7 2 5 800
E 12 7 0 400
2,500
Cada escuela secundaria tiene una capacidad de 900 estudiantes.
a) Establecer la función objetivo y las restricciones de este problema utilizando programación lineal para que el número total
se minimiza la cantidad de millas recorridas por los estudiantes en autobús.

b) Resuelve el problema.

ϺP B.17 La Unión Nacional de Crédito tiene $250,000 disponibles para invertir en un compromiso de 12 meses. El dinero puede ser
colocados en bonos del Tesoro que rinden un 8% o en bonos municipales con una tasa de rendimiento promedio del 9%. Crédito
las regulaciones sindicales requieren diversificación en la medida en que al menos el 50% de la inversión se coloque en bonos del Tesoro
Notas. Debido a los incumplimientos en municipios como Cleveland y Nueva York, se decide que no más de
El 40% de la inversión se debe colocar en bonos. ¿Cuánto debería la Unión Nacional de Crédito invertir en cada valor?
¿para maximizar su retorno de inversión?

ϺP B.18 El famoso restaurante Limoges de Boston está abierto las 24 horas del día. Los camareros se presentan al trabajo a las 3 A.M., 7 A.M., 11 A.M.
3 P.M., 7 P.M. o 11 P.M., y cada uno trabaja un turno de 8 horas. La siguiente tabla muestra el número mínimo de
se necesitan trabajadores durante los 6 períodos en los que se divide el día.

PERÍODO TIEMPO NUMBER OFSERVERSREQUIRED

1 3 A.M.–7 A.M. 3
2 7 A.M.–11 A.M. 12
3 11 A.M.–3 P.M. 16
4 3 P.M. – 7 P.M. 9
5 7P.M.–11P.M. 11
6 11P.M.–3A.M. 4
El problema de programación de la propietaria Michelle Limoges es determinar cuántos servidores deben presentarse a trabajar en el
inicio de cada período de tiempo para minimizar el total de personal requerido para la operación de un día. (Sugerencia: Deja Xyoigual
el número de servidores comenzando a trabajar en el período de tiempo i, donde i = 1, 2, 3, 4, 5, 6.

P B.19 Un artesano llamado Chuck Synovec construye dos tipos de casas para pájaros, una para chochines y otra para los azulejos.
Cada casa para mirlos requiere 4 horas de trabajo y 4 unidades de madera. Cada casa para pájaros azules requiere 2 horas de
mano de obra y 12 unidades de madera. El artesano tiene disponibles 60 horas de mano de obra y 120 unidades de madera. Wren
las casas generan una ganancia de $6 cada una y las casas de Bluebird generan una ganancia de $15 cada una.
a) Write out the objective and constraints.
b) Resuelve gráficamente.

ϺP B.20 Cada mesa de café producida por Robert West Designers genera a la empresa un beneficio de $9. Cada librero produce $12.
beneficio. La empresa de West es pequeña y sus recursos limitados. Durante cualquier período de producción dado (de 1 semana), 10 gal-
Se dispone de toneladas de barniz y 12 longitudes de madera de secuoya de alta calidad. Cada mesa de café requiere aproximadamente
1 galón de barniz y 1 longitud de secuoya. Cada estantería requiere 1 galón de barniz y 2 longitudes de madera.
Formula la decisión de mezcla de producción de West como un problema de programación lineal y resuélvelo. ¿Cuántas mesas?
¿Y las estanterías deben producirse cada semana? ¿Cuál será la ganancia máxima?

ϺP B.21 Grafique el siguiente problema de programación lineal:

Maximizar ganancias = $3X1+ $2X2

Sujeto a: 2X1+ 1X2≤ 150
2X1+ 3X2≤ 300
 PROBLEMAS 717
a) ¿Cuál es la solución óptima?
b) ¿Cambia la solución óptima si el beneficio por unidad de X?1¿cambios a $4.50?
c) ¿Qué sucede si la función de beneficio debería haber sido $3X?1+ $3X2?

P B.22 Resuelve el siguiente problema de programación lineal gráficamente.

Minimizar costo = 4X1+ 5X2

Sujeto a: X1+ 2X2≥ 80
3X1+X2≥ 75
X1,X2≥ 0

ϺP B.23 Thompson Distributors empaqueta y distribuye suministros industriales. Un envío estándar puede ser empaquetado en un
un contenedor de clase A, un contenedor de clase K o un contenedor de clase T. Un único contenedor de clase A genera un beneficio de $9; un
clase K contenedor, una ganancia de $7; y un contenedor de clase T, una ganancia de $15. Cada envío preparado requiere un cer-
una cierta cantidad de material de embalaje y una cierta cantidad de tiempo.

Recursos necesarios por envío estándar

EMPAQUETADO
CLASE DE CONTENEDORMATERIAL(POUNDS) PACKINGTIME(HOURS)

A 2 2
K 1 6
T 3 4
Cantidad total de recurso
disponible cada semana 130 libras 240 hours

Jason Thompson, jefe de la empresa, debe decidir el número óptimo de cada clase de contenedor para empaquetar cada uno.
semana. Está limitado por las restricciones de recursos mencionadas anteriormente, pero también decide que debe mantener su 6
full-time packers employed all 240 hours (6 workers × 40 horas) cada semana.
Formula y resuelve este problema utilizando software de programación lineal.

P B.24 Usando los datos del Problema B.7 en la página 714 y el software LP:
a) Determine el rango dentro del cual debe caer la contribución de utilidad por unidad de un aire acondicionado para el actual
solución para permanecer óptima.
b) ¿Cuál es el precio sombra para la restricción de cableado?

ϺP B.25 The Denver advertising agency promoting the new Breem dishwashing detergent wants to get the best expo-
seguro posible para el producto dentro del límite presupuestario de publicidad de $100,000 establecido para él. Para hacerlo, la agencia
necesita decidir cuánto del presupuesto gastar en cada uno de sus dos medios más efectivos: (1) anuncios de televisión
durante las horas de la tarde y (2) anuncios grandes en el periódico dominical de la ciudad. Cada anuncio en televisión cuesta $3,000;
cada anuncio en el periódico del domingo cuesta $1,250. La exposición esperada, basada en las calificaciones de la industria, es de 35,000 espectadores
para cada anuncio de televisión y 20,000 lectores por cada anuncio en el periódico. La directora de la agencia, Deborah
Kellogg sabe por experiencia que es importante utilizar ambos medios para alcanzar el espectro más amplio.
de clientes potenciales de Breem. Ella decide que al menos 5 pero no más de 25 anuncios en televisión deberían ser
se ordenó que al menos 10 anuncios en periódicos deberían ser contratados. ¿Cuántas veces debería cada uno de los dos?
¿Cómo se puede utilizar los medios para obtener la máxima exposición mientras se mantiene dentro del presupuesto? Utilice el método gráfico para

resolver.

ӇP B.26 Libby Temple Manufacturing tiene tres fábricas (1, 2 y 3) y tres almacenes (A, B y C). El siguiente-
La tabla de envío muestra los costos de envío entre cada fábrica y almacén, las capacidades de fabricación de la fábrica.
(en miles), y las capacidades de los almacenes (en miles).
a) Write the objective function and the constraint in equations. LetX1A= 1,000s de unidades enviadas desde la fábrica 1
al almacén A, y así sucesivamente.
b) Resolver por computadora.

A ALMACÉN ALMACÉN ALMACÉN PRODUCCIÓN

DE A B C CAPACIDAD
FÁBRICA1 $ 6 $ 5 $ 3 6
FÁBRICA2 $ 8 $10 $ 8 8
FÁBRICA3 $11 $14 $18 10
CAPACIDAD 7 12 5
718 PROGRAMACIÓN LINEAL MÓDULO B

ӇP B.27 Un fabricante de fertilizantes tiene que cumplir con los contratos de suministro para sus dos principales clientes (650 toneladas para el Cliente A y
800 toneladas al Cliente B). Puede satisfacer esta demanda enviando inventario existente desde cualquiera de sus tres almacenes.
casas. El almacén 1 (W1) tiene 400 toneladas de inventario disponible, el almacén 2 (W2) tiene 500 toneladas, y el almacén
3 (W3) tiene 600 toneladas. La empresa quisiera organizar el envío al costo más bajo posible, donde el
Los costos de tránsito por tonelada son los siguientes:

W1 W3 W3
Cliente A $7.50 $6.25 $6.50
Customer B 6.75 7.00 8.00
a) Explica qué es cada una de las seis variables de decisión (V):(Sugerencia: Mira el informe del Solver a continuación.)

V1: ________________________________________________________
V2: ________________________________________________________
V3: ________________________________________________________
V4: ________________________________________________________
V5: ________________________________________________________
V6: ________________________________________________________
b) Escriba la función objetivo en términos de las variables (V1, V2, etc.) y los coeficientes objetivos.
c) Aside from nonnegativity of the variables, what are the five constraints? Write a short description for each con-
tensión, y escribe la fórmula (y rodea el tipo de igualdad/desigualdad).
Descripción Variables y Coeficientes ¿Qué tipo? RHS
C1:________________ Fórmula: ________________________ (=> | = | =<) _____________
C2: ________________ Fórmula: ________________________ (=> | = | =<) _____________
C3: ________________ Fórmula: ________________________ (=> | = | =<) _____________
C4: ________________ Fórmula: ________________________ (=> | = | =<) _____________
C5: ________________ Fórmula: ________________________ (=> | = | =< _____________
Después de que formule y ingrese el programa lineal en Excel, el Solver le da el siguiente informe de sensibilidad:
Celdas ajustables
FINAL REDUCIDO OBJETIVO ALLOWABLE PERMITIDO
CELDA NAME VALUE COST COEFICIENTE AUMENTAR DISMINUIR
$B$6 V1 0 1.5 7.5 1E+30 1.5
$C$6 V2 100 0 6.25 0.25 0.75
$D$6 V3 550 0 6.5 0.75 0.25
$E$6 V4 400 0 6.75 0.5 1E+30
$F$6 V5 400 0 7 0.75 0.5
$G$6 V6 0 0.75 8 1E+30 0.75

Restricciones
FINAL SOMBRA CONSTRICCIÓN PERMITIDO PERMITIDO
CELDA NOMBRE VALUE PRICE LADO DERECHO AUMENTAR DISMINUCIÓN
$H$7 C1 650 6.5 650 50 550
$H$8 C2 800 7.25 800 50 400
$H$9 C3 400 −0.5 400 400 50
$H$10 C4 500 −0.25 500 550 50
$H$11 C5 550 0 600 1E+30 50

d) ¿Cuántas de las restricciones son vinculantes?

e) ¿Cuánto margen/excedente hay con la(s) restricción(es) no vinculante(s)?
f) Qué is the range of optimality on variable V3? _____________to _____________.
g) Si pudiéramos enviar 10 toneladas menos al Cliente A, ¿cuánto dinero podríamos ahorrar? _____________
If we could chose to shorteitherCustomer A or Customer B by 10 tons, which would we prefer to short?
¿Por qué?

ӇP B.28 El Hospital Mt. Sinai de Nueva Orleans es un gran centro privado de 600 camas, completo con laboratorios, quirófanos,
y equipo de rayos X. Al buscar aumentar los ingresos, la administración de Mt. Sinai ha decidido hacer un hospital de 90 camas
adición en una porción de terreno adyacente que actualmente se utiliza para el estacionamiento del personal. Los administradores sienten que los laboratorios,
Las salas de tratamiento y el departamento de rayos X no se están utilizando completamente en la actualidad y no necesitan ser ampliados para manejar
la cantidad adicional de pacientes. Sin embargo, la adición de 90 camas implica decidir cuántas camas deberían ser asignadas
al personal médico (para pacientes médicos) y cuántos al personal quirúrgico (para pacientes quirúrgicos).
Los departamentos de contabilidad y registros médicos del hospital han proporcionado la siguiente información pertinente:
La estancia hospitalaria promedio para un paciente médico es de 8 días, y el paciente médico promedio genera
 PROBLEMAS 719
$2,280 en ingresos. El paciente quirúrgico promedio está en el hospital 5 días y genera $1,515 en ingresos.
El laboratorio es capaz de manejar 15,000 pruebas por año más de lo que estaba manejando. La media médica
el paciente requiere 3.1 pruebas de laboratorio, el promedio de paciente quirúrgico 2.6 pruebas de laboratorio. Además, el promedio médico
el paciente usa 1 radiografía, el paciente quirúrgico promedio 2 radiografías. Si el hospital se ampliara en 90 camas, la radiografía
el departamento podría manejar hasta 7,000 radiografías sin costos adicionales significativos. Finalmente, la administración
se estima que se podrían realizar hasta 2,800 operaciones adicionales en las instalaciones de quirófano existentes.
Los pacientes médicos, por supuesto, no requieren cirugía, mientras que cada paciente quirúrgico generalmente tiene una cirugía.
realizado.
Formule este problema de manera que se determine cuántas camas médicas y cuántas camas quirúrgicas deberían ser
añadido para maximizar los ingresos. Suponga que el hospital está abierto 365 días al año.

ӇP B.29 Charles Watts Electronics fabrica los siguientes seis dispositivos periféricos utilizados en computadoras especialmente
diseñado para aviones de caza: módems internos, módems externos, placas de circuitos gráficos, unidades de disquete
discos duros y tarjetas de expansión de memoria. Cada uno de estos productos técnicos requiere tiempo, en minutos, en
tres tipos de equipos de prueba electrónica como se muestra en la siguiente tabla:

INTERNO EXTERNO CIRCUITO DISQUETE DURO MEMORIA

Módem MÓDEM TABLERO CONDUCCIONES
MOTOR TABLEROS
Dispositivo de prueba 1 7 3 12 6 18 17
Dispositivo de prueba 2 2 5 3 2 15 17
Dispositivo de prueba 3 5 1 3 2 9 2

Los primeros dos dispositivos de prueba están disponibles 120 horas por semana. El tercero (dispositivo 3) requiere más mantenimiento preventivo.
el mantenimiento y puede usarse solo 100 horas cada semana. El mercado para los seis componentes de computadora es vasto, y
Watts Electronics cree que puede vender tantas unidades de cada producto como puede fabricar. La tabla que
A continuación se resumen los ingresos y los costos materiales para cada producto:

INGRESOS POR MATERIALCOST

DEVICE UNITSOLD($) PERUNIT($)

Módem interno 200 35

Módem externo 120 25
Placa de circuito gráfico 180 40
Unidad de disco floppy 130 45
Disco duro 430 170
Placa de expansión de memoria 260 60

Además, los costos laborales variables son de $15 por hora para el dispositivo de prueba 1, $12 por hora para el dispositivo de prueba 2, y $18 por
hora para el dispositivo de prueba 3. Watts Electronics quiere maximizar sus beneficios.
a) Formula este problema como un modelo de programación lineal.
b) Resuelve el problema por computadora. ¿Cuál es la mejor mezcla de productos?
c) ¿Cuál es el valor de un minuto adicional de tiempo por semana en el dispositivo de prueba 1? ¿En el dispositivo de prueba 2? ¿En el dispositivo de prueba 3?
¿Debería Watts Electronics agregar más tiempo de prueba para los dispositivos? Si es así, ¿en qué equipos?

ӇP B.30 Susan Chollette, dietista del campus de una pequeña universidad de California, es responsable de formular una dieta nutritiva
plan de comidas para estudiantes. Para una cena, ella siente que los siguientes cinco requisitos de contenido de la comida deberían
ser cumplidos: (1) entre 900 y 1,500 calorías; (2) al menos 4 miligramos de hierro; (3) no más de 50 gramos de grasa;
(4) al menos 26 gramos de proteína; y (5) no más de 50 gramos de carbohidratos. En un día en particular, Susan's
El stock de alimentos incluye siete artículos que pueden ser preparados y servidos para la cena para cumplir con estos requisitos.
el costo por libra de cada alimento y su contribución a cada uno de los cinco requisitos nutricionales se da en
la tabla acompañante:
a
TABLA DE VALORES Y COSTOS DE ALIMENTOS

FOOD CALORÍAS/ IRON GRASO PROTEÍNACARBOHIDRATOS COSTO/

ARTÍCULO LIBRA (MG/LB) (G/LB) (G/LB) (G/LB) POUND($)

Leche 295 0.2 16 16 22 0.60

Carne molida 1,216 0.2 96 81 0 2.35
Pollo 394 4.3 9 74 0 1.15
Pez 358 3.2 0.5 83 0 2.25
Frijoles 128 3.2 0.8 7 28 0.58
Espinaca 118 14.1 1.4 14 19 1.17
Papas 279 2.2 0.5 8 63 0.33
aDe C.F. Church y H. N. Church, Valores Nutricionales de Porciones Comúnmente Usadas de Bowes y Church, 12ª ed.
Filadelfia: J. B. Lippincott, 1975.
720 PROGRAMACIÓN LINEAL MÓDULO
¿Qué combinación y cantidades de alimentos proporcionarán la nutrición que Susan necesita al menor costo total de alimentos?
a) Formular como un problema de programación lineal.

b) ¿Cuál es el costo por comida?

c) ¿Es esta una dieta equilibrada?
d) ¿Qué tan sensible es la solución a los cambios de precio en la leche, la carne molida, el pescado y el pollo?

PROBLEMASDETAREAENINTERNET
Visita nuestro sitio web complementario [Link]/heizerpara estos problemas adicionales de tarea: B.31
a través de B.40.

ESTUDIODECASO
Golding Paisajismo y Plantas, Inc. C-30, C-92, D-21 y E-11. El costo por libra de cada compuesto
se indica en la siguiente tabla:
Kenneth y Patricia Golding pasaron una carrera como marido y mujer
asociación de inversión en bienes raíces en Washington, DC. Cuando ellos QUÍMICO COST PER
finalmente se retiró a una granja de 25 acres en Fairfax, Virginia del Norte COMPUESTO LIBRA
Condado, se convirtieron en ardientes jardineros aficionados. Kenneth plantó
C-30 $0.12
arbustos y árboles frutales, y Patricia pasó sus horas trasplantando todos los tamaños de
C-92 .09
plantas. Cuando el volumen de arbustos y plantas alcanzó el punto que D-21 .11
los Goldings comenzaron a pensar en su pasatiempo de manera seria, ellos E-11 .04
construyeron un invernadero adyacente a su hogar e instalaron calefacción y
sistemas de riego. Las especificaciones para Golding-Grow se establecen como:
Para 2005, los Goldings se dieron cuenta de su jubilación de la realidad
[Link] producto químico E-11 debe constituir al menos el 15% de la mezcla.
la propiedad realmente solo había llevado a una segunda carrera, en la planta y arbusto
b.C-92 y C-30 deben constituir juntos al menos el 45% del
negocio—y solicitaron una licencia comercial de Virginia. Dentro de un
mezcla.
en cuestión de meses, pidieron a su abogado que presentara la constitución
c.D-21 y C-92 no pueden constituir juntos más del 30% de
documentos y formaron la firma Golding Landscaping and Plants,
la mezcla.
S.A.
[Link]-Grow se empaqueta y se vende en bolsas de 50 lb.
A principios de la existencia del nuevo negocio, Kenneth Golding reconoció
reconoció la necesidad de un fertilizante comercial de alta calidad que pudiera
Pregunatsdedsicusóin
mezclarse a sí mismo, tanto para la venta como para su propio vivero. Su objetivo era
mantener sus costos al mínimo mientras produce un producto de primera categoría 1. Formule un problema de programación lineal para determinar qué mezcla de los cuatro
que era especialmente adecuado para el clima del norte de Virginia. los productos químicos permitirán a Golding minimizar el costo de una bolsa de 50 libras
Trabajando con químicos en la Universidad George Mason, Golding del fertilizante.
mezclado "Golding-Grow." Consiste en cuatro compuestos químicos, 2. Resuelve para encontrar la mejor solución.

CASOSDEESTUDIOADICIONALES

Visite nuestro sitio web Companion [Link]/heizerpara estos tres casos adicionales
studies:
• Mexicana Wire Works: Este caso de capacidad en un fabricante eléctrico mexicano aborda la retro-
pedir versus usar trabajadores temporales.
• Coastal States Chemical: Este caso de planificación de la producción trata sobre cómo manejar los recortes en la disponibilidad de gas natural.
habilidad.
• Banco Chase Manhattan: Este caso de programación implica encontrar el número óptimo de empleados a tiempo completo frente a
empleados a tiempo parcial en un banco.
 BIBLIOGRAFÍA 721

BIBLIOGRAFÍA
Bard, J. F. "Programación de personal en servicios de alto volumen con Lyon, Peter, R. John Milne, Robert Orzell y Robert Rice. "Igualando
Degradación.” IIE Transactions36 (octubre de 2004): 985. Activos con Demanda en Gestión de la Cadena de Suministro en IBM
Begley, S. "¿Oíste hablar del vendedor que viajaba mejor?" Microelectrónica.”Interfaces31 (enero 2001): 108–124.
OR/MSToday31 (enero de 2004): 20. Neureuther, B. D., G. G. Polak, y N. R. Sanders. "Un Jerárquico
Brown, G., et al. “La Empresa Kellogg Optimiza la Producción, Plan de producción para una planta de fabricación de acero bajo pedido.
Inventario y Distribución. Interfaces 31 (Noviembre – Planificación y Control de la Producción 15 (abril de 2004): 324.
Diciembre de 2001): 1–15. Pate-Cornell, M. E., y T. L. Dillon. “El Material Adecuado.” OR/MSToday
Chakravarti, N. “Compañía de Té Sumergida en OR.” OR/MSToday27 27 (February 2000): 36–39.
(abril de 2000): 32–34. Render, B., R. M. Stair y Michael Hanna. Análisis Cuantitativo para
Desroisers, Jacques. “Air Transat utiliza ALTITUDE para gestionar su Gestión, 9ª ed. Upper Saddle River, NJ: Prentice Hall (2006).
Enrutamiento de aeronaves, emparejamiento de tripulación y asignación de trabajo. Render, B., R. M. Stair y R. Balakrishman. Decisión Gerencial
Interfaces30 (marzo-abril 2000): 41–53. Modelado con Hojas de Cálculo. 2ª ed. Upper Saddle River, NJ:
Gautier, Antoine, Bernard F. Lamond, Daniel Pare y Francois Prentice Hall (2006).
Rouleau. “El Ministerio de Recursos Naturales de Quebec Utiliza Ryan, David M. “Optimization Earns Its Wings.”OR/MSToday27
Programación Lineal para Entender el Mercado de Fibra de Madera. (abril de 2000): 26–30.
Interfaces30 (noviembre de 2000): 32–48 Sodhi, M. S., y S. Norri. “Un enfoque de modelado rápido y óptimo
Jayaraman, V., R. Srivastava y W. C. Benton. "Selección de Proveedores" Aplicado a la programación de tripulaciones en el metro de Londres. "Anales de
y Asignación de Cantidad de Pedido. "Revista de la Cadena de Suministro" OR127 (marzo 2004): 259.
Gestión35 (primavera 1999): 50–58. Taylor, Bernard. Introducción a la Ciencia de la Gestión, 8ª ed. Superior
Le Blanc, Larry J., et al. “Programación Lineal de Hojas de Cálculo de Nu-Kote Saddle River, NJ: Prentice Hall, 2005.
Modelos para la Optimización del Transporte.”Interfaces34
(marzo-abril de 2004): 139-146.