INVESTIGACIÓN DE

OPERACIONES I
UNIVERSIDAD NACIONAL DE TRUJILLO

Marcos A. Baca López

ÍNDICE
01 Ejercicio 01

02 Ejercicio 02

03 Ejercicio 03

04 Ejercicio 04

05 Ejercicio 05
EJERCICIO :
Una revisión a la compañía Harris
on Electric
 La compañía Harrison Electric
La compañía Harrison Electric, localizada en el área antigua de Chicago, fabrica dos product
os que son populares con los restauradores de casas: candelabros y ventiladores de techo de e
stilo antiguo. Tanto los candelabros como los ventiladores requieren un proceso de producció
n de dos pasos, que implica cableado y ensamble. Se requieren 2 horas para cablear cada can
delabro y 3 para cablear un ventilador de techo. El ensamble final de los candelabros y los ve
ntiladores requiere de 6 y 5 horas, respectivamente. La capacidad de producción es tal que so
lamente están disponibles 12 horas de cableado y 30 horas de ensamble. Si cada candelabro p
roducido reditúa a la empresa $7 y cada ventilador $6, la decisión de mezcla de producción d
e Harrison se formula con PL como sigue:
 La compañía Harrison Electric

Maximizar la utilidad =$7X1+ $6X2

sujeta a 2X1+3X2≤12 (horas de cableado)
6X1+5X2≤30 (horas de ensamble)
X1,X2≥0
Donde:
X1= número de candelabros fabricados.
X2= número de ventiladores de techo fabricados.
 La compañía Harrison Electric
Vimos que si la gerencia de Harrison tenía un solo objetivo, por ejemplo las utilidades, se po
día utilizar PL para encontrar la solución óptima. Sin embargo, suponga que la firma se va a
mudar a otro lugar durante cierto periodo de producción y considera que la maximización de
las utilidades no es una meta realista. La gerencia establece que un nivel de utilidades de $30
sería satisfactorio durante el periodo de ajuste. Ahora se tiene un problema de programación
por metas, en el cual se desea encontrar la mezcla de producción que alcance esta meta tan ce
rca como sea posible, dadas las restricciones de tiempo de producción. Este caso sencillo es u
n buen punto de inicio para enfrentar programas con metas más complicados.
 La compañía Harrison Electric
Primero se definen dos variables de desviación:
F1 = resultado por debajo del objetivo de utilidad.
E1 = resultado por arriba del objetivo de utilidad.
Ahora se establece el problema de Harrison Electric como un modelo de programación de una
sola meta:
Minimizar el resultado por debajo o por arriba del objetivo de utilidad = F_1+ E_1
Sujeto a $7X1+ $6X2+ F1- E1=$30 (restricción de meta de utilidad)
2X1+ 3X2 ≤12 (restricción de horas de cableado)
6X1+ 5X2 ≤30 (restricción de horas de ensamble)
X1,X2,F1,E1 ≥0
 La compañía Harrison Electric

Observe que la primera restricción establece que la utilidad obtenida, $7X1+ $6X2, más cualquier resultado por
debajo de la utilidad esperada menos cualquier resultado por arriba de la utilidad esperada, tiene que ser igual al
objetivo de $30.

Por ejemplo, si X1=3 candelabros y X2=2 ventiladores de techo, entonces se obtiene una utilidad de $33 que ex
cede los $30 en $3, de modo que E_1 debe ser igual a 3. Puesto que se superó la restricción de la meta de utilida
des, Harrison no logró un resultado menor a lo esperado y F1claramente será igual a cero. Este problema ya está
listo para ser resuelto mediante un algoritmo de programación por metas.
 La compañía Harrison Electric
Si la utilidad objetivo de $30 se logra con exactitud, vemos que tanto 𝐸1 como 𝐹1 son iguales a cero. La fun
ción objetivo también se minimizará a cero. Si a la gerencia de Harrison le preocupara tan solo el resultado
por debajo de lo esperado de la meta buscada, ¿cómo cambiaría la función objetivo? Sería como sigue: mini
mice el resultado por debajo de los esperado = 𝐹1 . Esta también es una meta razonable puesto que probable
mente a la firma no le molestaría un resultado por arriba de lo esperado en el logro de su objetivo.

En general, una vez que se identifican todas las metas y restricciones en un problema, la gerencia debería an
alizar cada meta para saber si el resultado por abajo o por arriba de lo esperado en esa meta es una situación
aceptable. Si el resultado excedente en el logro es aceptable, la variable E adecuada se puede eliminar de la
función objetivo. Si es aceptable el resultado por debajo de lo esperado, la variable F debería eliminarse. Si l
a gerencia busca alcanzar una meta con exactitud, tanto F como E tienen que aparecer en la función objetivo
.
 La compañía Harrison Electric
Ahora veamos la situación en que la gerencia de Harrison busca alcanzar varias metas, cada una con igual prioridad.
Meta 1: generar una utilidad de $30 si es posible durante el periodo de producción
Meta 2: utilizar por completo las horas disponibles en el departamento de cableado
Meta 3: evitar el tiempo extra en el departamento de ensamble
Meta 4: satisfacer el requisito contractual de fabricar por lo menos siete ventiladores de techo
Las variables de desviación se definen como:
F_1= resultado por debajo de la utilidad objetivo
E_1= resultado por arriba de la utilidad objetivo
F_2= tiempo ocioso del departamento de cableado (subutilización)
E_2= tiempo extra del departamento de cableado (sobreutilización)
F_3= tiempo ocioso del departamento de ensamble (subutilización)
E_3= tiempo extra del departamento de ensamble (sobreutilización)
F_4= resultado por debajo de la meta de ventiladores de techo
E_4= resultado por arriba de la meta de ventiladores de techo
 La compañía Harrison Electric
A la gerencia no le preocupan que el resultado esté por arriba de la meta de utilidad, el tiemp
o extra del departamento de cableado, el tiempo ocioso del departamento de ensamble, o que
se fabriquen más de siete ventiladores de techo: por lo tanto, 𝐸1 , 𝐸2 , 𝐹3 𝑦 𝐸4 se pueden omit
ir de la función objetivo. La nueva función objetivo y las restricciones son:
Minimizar la desviación total = 𝐹1 + 𝐹2 + 𝐸3 + 𝐹4

Sujeto a 7𝑋1 + 6𝑋2 + 𝐹1 − 𝐸1 = 30 (restricción de meta de utilidad)

2𝑋1 + 3𝑋2 + 𝐹2 − 𝐸2 = 12 (restricción de horas de cableado)
6𝑋1 + 5𝑋2 + 𝐹3 − 𝐸3 = 30 (restricción de ensamble)
𝑋2 + 𝐹4 − 𝐸4 = 7 (restricción de ventiladores de techo)

𝑋𝑖 , 𝐹𝑖 , 𝐸𝑖 ≥0
La compañía Harrison Electric
 ÍNDICE
01 Ejercicio 01

02 Ejercicio 02

03 Ejercicio 03

04 Ejercicio 04

05 Ejercicio 05
 EJERCICIO Nº2
En una industria panadera se quiere introducir la elab
oración de dos nuevos tipos de pan: integral y de cent
eno, ya que se tiene asegurada la venta de su produc
ción. Estos panes se elaboran principalmente a base
de tres ingredientes: salvado integral, harina de trigo
y harina de centeno. Para elaborar 1 kg de pan integr
al se necesitan 350 g de salvado integral y 150 g de h
arina de trigo y para la elaboración de 1 kg de pan de
centeno se necesitan se necesitan 250 g de harina de
trigo y 250 g de harina de centeno. La disponibilidad
diaria de salvado integral es de 210 kg, 115 kg de hari
na de trigo y 100 kg de harina de centeno. El benefici
o que deja cada kg de pan integral es de 0.40 € y 0.6
0 € cada kg de pan de centeno.
 EJERCICIO Nº2
Calcular la elaboración diaria de pan integral y de centeno, si
se han puesto las siguientes metas por orden de prioridad:
• Prioridad 1. Se desea obtener un beneficio de al menos 24
0 € diarios.
• Prioridad 2. Se desea que la cantidad elaborada diariamen
te de pan integral sea al menos el doble que la de centeno.
• Prioridad 3. Se desea que la cantidad elaborada diariamen
te de pan de centeno no sea inferior a 300 kg.
¿Qué metas de las propuestas se han cumplido?
 SOLUCIÓN
Definimos las variables de decisión siguientes:
𝑥1 = 𝑘𝑔 𝑑𝑒 𝑝𝑎𝑛 𝑖𝑛𝑡𝑒𝑔𝑟𝑎𝑙 𝑒𝑙𝑎𝑏𝑜𝑟𝑎𝑑𝑜 𝑑𝑖𝑎𝑟𝑖𝑎𝑚𝑒𝑛𝑡𝑒
𝑥2
= 𝑘𝑔 𝑑𝑒 𝑝𝑎𝑛 𝑑𝑒 𝑐𝑒𝑛𝑡𝑒𝑛𝑜 𝑒𝑙𝑎𝑏𝑜𝑟𝑎𝑑𝑜 𝑑𝑖𝑎𝑟𝑖𝑎𝑚𝑒𝑛𝑡𝑒
La modelización queda como sigue:
0.35 ∗ 𝑥1 <= 210
0.25 ∗ 𝑥2 <= 100
0.15 ∗ 𝑥1 + 0.25 ∗ 𝑥2 <= 115
0.4 ∗ 𝑥1 + 0.6 ∗ 𝑥2 − 𝑒1 + 𝒇𝟏 = 240
𝑥1 − 𝑒2 + 𝒇𝟐 = 2 ∗ 𝑥2
 SOLUCIÓN

La modelización queda como sigue:

𝑥2 − 𝑒3 + 𝒇𝟑 = 300
𝑥1 >= 0 𝑥2 >= 0
𝑒𝑖 >= 0, 𝑓𝑖 >= 0 𝑖 = 1,2,3
Objetivo:
𝑀𝑖𝑛 = 3 ∗ 𝑓1 + 2 ∗ 𝑓2 + 𝑓3
SOLUCIÓN
SOLUCIÓN
 SOLUCIÓN
La solución óptima consiste en elaborar diar
iamente 418.182 kg de pan integral y 209.0
91kg de pan de centeno. El beneficio diario
es 292.73€ (e1 = 52.72727,f1 = 0) la produc
ción de pan integral es exactamente el dobl
e que la producción de pan de centeno (e2=
0,f2=0) y la producción de este último es ap
roximadamente 209kg diarios (e3=0,f3=90.
90909). Se cumplen, por lo tanto, la 1ª y la
2ª meta y no la 3ª.
ÍNDICE
01 Ejercicio 01

02 Ejercicio 02

03 Ejercicio 03

04 Ejercicio 04

05 Ejercicio 05
 EJERCICIO Nº3

Una empresa emplea dos procesos de producción diferentes para producir un

producto. En cada uno de los procesos se precisa utilizar tres máquinas M1,
M2 y M3. Para fabricar una unidad de producto según el proceso productivo
64 elegido se necesita usar en cada una de las máquinas las horas indicadas en
la siguiente tabla:

Proceso 1 Proceso 2
M1 1 3
M2 4 2
M3 3 4
 EJERCICIO Nº3
Por una unidad de producto fabricado con el proceso 1 se obtienen 55 euros y
con el proceso 2 se obtienen 75 euros. El coste de una hora de máquina es de
5 euros. Cada máquina está disponible 60 horas. La empresa propone las
siguientes metas por orden de prioridad:
• Prioridad 1. Obtener un beneficio de al menos 300 euros.
• Prioridad 2. El número de horas trabajadas en las máquinas M1 y M2
coincidan.
• Prioridad 3. El número de horas trabajadas en la máquina M3 no sea
superior a 2 veces el número de horas trabajadas en la máquina M1.

Modelizar, utilizando programación lineal, el problema de calcular las

unidades óptimas que deben asignarse a cada proceso productivo. Resolver el
problema relajado asociado.
 SOLUCIÓN
La modelización del problema relajado queda como sigue:
Funcion objetivo
x1+3x2≤60
𝑀𝑖𝑛 = 3 ∗ 𝑓1 + 2 ∗ 𝑓2 + 2 ∗ 𝑒2 + 𝑒3 4x1+2x2<=60
3x1+4x2<=60

Meta1 15x1+ 30x2-e1+f1=300

Meta2 x1+3x2-(4x1+2x2)-e2+f2=0
Definimos las variables de decisión siguientes:
Meta3 3x1+4x2-2(x1+3x2)-e3+f3=0

𝑥1 = 𝑢𝑛𝑖𝑑𝑎𝑑𝑒𝑠 𝑝𝑟𝑜𝑑𝑢𝑐𝑖𝑑𝑎𝑠 𝑐𝑜𝑛 𝑒𝑙 𝑝𝑟𝑜𝑐𝑒𝑠𝑜 1 𝑎 𝑙𝑎 ℎ𝑜𝑟𝑎 x1>=0 x2>=0

𝑥2 = 𝑢𝑛𝑖𝑑𝑎𝑑𝑒𝑠 𝑝𝑟𝑜𝑑𝑢𝑐𝑖𝑑𝑎𝑠 𝑐𝑜𝑛 𝑒𝑙 𝑝𝑟𝑜𝑐𝑒𝑠𝑜 2 𝑎 𝑙𝑎 ℎ𝑜𝑟𝑎
ei>=0,fi>=0 i=1,2,3
 SOLUCIÓN

LINGO
 SOLUCIÓN
LINGO
 SOLUCIÓN

La solución óptima (x1, x2) del problema relajado, es decir el n

úmero óptimo de unidades producida con los procesos 1 y 2, se
encuentra en cualquier combinación lineal de las siguientes sol
uciones factibles: (2.857,8.571), (4,12).
 ÍNDICE
01 Ejercicio 01

02 Ejercicio 02

03 Ejercicio 03

04 Ejercicio 04

05 Ejercicio 05
EJERCICIO 4:
 EJERCICIO Nº4
MTV Steel Company produce tres tamaños de tubos: A, B y C, que son vendidos, respectivamente en $10, $12 y $9
por pie. Para fabricar cada pie del tubo A se requieren 0.5 minutos del tiempo del procesamiento sobre un tipo particul
ar de máquina de modelado.

Cada pie del tubo B requiere 0.45 minutos y cada pie del tubo C requiere 0.6 minutos. Después de la producción, cad
a pie de tubo, sin importar el tipo, requiere de 1 onza de material de soldar. El costo se estima en $3, $4 y $4 por pie
de los tubos A, B y C respectivamente.

Para la siguiente semana, MTV Steel ha recibido pedidos excepcionalmente grandes que totalizan 2000 pies del tubo
A, Autor: pies del tubo B y 5000 pies del tubo C. como solo se 4000 Natasha Sánchez disponen de 40 horas de tiemp
o de maquina esta semana y solo se tienen en inventario 5500 de onzas de material de soldar, el departamento de pr
oducción no podrá satisfacer esta demanda, que requiere un total de 97 horas de tiempo de maquina y 11000 onzas
de material de soldar.
 EJERCICIO Nº4

No se espera que continúe este alto nivel de demanda. En vez de expandir la capacidad de las instalacio
nes de producción, la gerencia de MTV Steel está considerando la compra de algunos de estos tubos a p
or-veedores de Japón a un costo de entrega de $6 por pie del tubo A, $6 por pie del tubo B y $7 por pie d
el tubo C. Supóngase que la compañía se ha establecido una meta de ganancia de $55.000 y desea que l
os costos de importación no superen los $40.000.

Formule este modelo como un problema de metas, sabiendo que la meta de ganancia es dos veces más i
mportante que la meta de costos de importación
EJERCICIO Nº4
 SOLUCIÓN
-Comenzaremos con la definición de variables. - Variables de decisión.

e1 = cantidad de dólares en que se excede la ganancia de la me

AP = número de pies de Tubo A por producir
ta de $55000
BP = número de pies de Tubo B por producir.
f1 = cantidad de dólares que faltan para la ganancia meta de $55
CP = número de pies de Tubo C por producir. 000

AJ = número de pies de Tubo A por comprar a Japón. e2 = cantidad de dólares en que las importaciones exceden la m
eta de $40000
BJ = número de pies de Tubo B por comprar a Japón.
f2 = cantidad de dólares que faltan para que las importaciones al
CJ = número de pies de Tubo C por comprar a Japón.
cancen la meta de $40000.
 SOLUCIÓN

• Identificación de la Función Objetivo Minimizar

2f1 + e2

Restricciones de Demanda Restricciones de Recursos

AP + AJ = 2000 (demanda Tipo A) 0.5AP + 0.45BP + 0.6CP ≤ 2400

BP + BJ = 4000 (demanda Tipo B) (tiempo de maquina)

CP + CJ = 5000 (demanda Tipo C) AP + BP + CP ≤ 5500

(material de soldadura)
 SOLUCIÓN

Restricciones de Metas

7AP + 8BP + 5CP + 4AJ + 6BJ + 2CJ – e1 + f1 = 55000 (meta de ganancia)

6AJ + 6BJ + 7CJ – e2 + f2 = 40000 (meta de importación)

Restricciones Lógicas

AP, BP, CP, AJ, BJ, CJ, P+, P-, I+, I- ≥ 0

SOLUCIÓN
LINGO
 SOLUCIÓN

LINGO
 SOLUCIÓN

La solución optima es: 1888.889

ÍNDICE
01 Ejercicio 01

02 Ejercicio 02

03 Ejercicio 03

04 Ejercicio 04

05 Ejercicio 05
EJERCICIO 5 :
Programación por metas de una
producción de productos químicos.
 EJERCICIO
Una compañía química produce cuatro productos químicos diferentes (1 y 2). Por cada hora q
ue se realiza el proceso 1 esta entrega 400kg de A. 100kg de B y 100kg de C. el proceso 2 ent
rega 100kg de A. 100kg de B y 100 kg de D por hora. El departamento de marketing de la co
mpañía ha especificado que la producción diaria debe ser no más de 500kg de B y 300kg de
C y al menos 800kg de A y 100kg de D. una corrida del proceso 1 tiene un costo de 500 bs/hr
. Y una corrida del Proceso 2 tiene un costo de 100Bs/hr. Suponga que un kg de cada químico
A, B, C se pueden vender en 1, 5, 5 y 4 Bs, respectivamente y que las ventas del proceso 1 es
de 1400Bsf/hr y 1000 Bs/hr, así como también las ganancias del proceso 1 son de 900 y del p
roceso 2 900bs. Formule un modelo de Programación lineal para alcanzar las siguientes meta
s: Que los costos se encuentren por debajo de 30000Bs, que las ventas aumenten 100.000Bs
y que las ganancias aumenten a 200.000Bs
 EJERCICIO

SOLUCIÓN:
• Primero se deben organizar los datos del ejercicio en una tabla para visualizarlos mejor
 EJERCICIO
• Luego se deben definir las variables a utilizar.

T1= Tiempo de producción del proceso 1 (hr)

T2=Tiempo de producción del proceso 2 (hr)

• Se coloca la Función Objetivo (F.O):

Minimizar Z1=500 T1+100 T2 Costos

Maximizar Z2=1400 T1+1000 T2 Ventas

Maximizar Z3=900 T1+900 T2 Ganancias

 EJERCICIO
RESTRICCIONES:
400 T1+100 T2>=800
100 T1+100 T2<=500
• Seguidamente se realiza una tabla con las metas.
100 T2<=300
100 T1 >=100
 EJERCICIO

Después que se realiza la tabla se seleccionan las variables que sobrepasan la meta o las variables que re
presenta la cantidad que falta para alcanzar la meta, para entonces analizarlas. En este caso las variables
son las que están dentro del recuadro rojo, ya que X2 sobrepasa la meta de los costos, X3 está por debajo
de la meta planteada de ventas al igual que X5 por la parte de ganancias.
 EJERCICIO
RAZONAMIENTO:
• Se eliminan las funciones objetivas, pero debo tener 1, para eso necesito minimizar las violaciones por lo q
ue penalizo las variables que no me convengan.
500 T1+100 T2+ X1- X2= 30.000 Para los costos
1400 T1+1000 T2 + X3- X4= 100.000 Para las Ventas
900 T1+900 T2+ X5- X6= 200.000 Para las ganancias

• Finalmente consigo mi Función Objetivo:

Minimizar Z4= X2+ X3+ X5
EJERCICIO
 Bibliografía

Belén Castro Íñigo, H. D. (2011). EJERCICIOS RESUELTOS DE INVESTIGACION O

PERATIVA. BILBAO: Servicio Editorial de la Universidad del País Vasco. Recuperad
o el 15 de 09 de 2019

Romero (2002). Programación por metas: Pasado, presente y futuro. Universidad Pol
itécnica de Madrid.

miranda, F. d. (s.f.). Porgramacion por metas. Obtenido de Investigacion de operacio

nes: [Link]
[Link]

Render, B., Ralph [Link], J., & Hanna, M. E. (2012). Métodos cuantitativos para neg
ocios. (Undécima edición ed.). México: Pearson Educación.