2.

5 CRAWLER TREAD: UN EJEMPLO DE MEZCLAS

Aunque el problema de PROTRAC, resulto ser un modelo de maximizacin, algunos

problemas del mundo real ocurren dentro de un contexto de minimizacin, pero si, por
ejemplo, el objetivo es el costo, entonces se buscara sin duda la minimizacin. Como
ejemplo, vamos a considerar el siguiente problema de la CRAWLER TREAD (bandas
para tractor oruga).
Se va a mezclar mineral procedente de cuatro minas diferentes para fabricar bandas para
un nuevo producto de la PROTRAC, un tractor oruga de tamao medio, el E-6, diseado
especialmente para competir en el mercado europeo. Los anlisis han demostrado que
para producir una banda con las cualidades adecuadas de tensin y los requerimientos
mnimos se debe contar con tres elementos bsicos que para abreviar designaremos como
A, B Y C. En particular, cada tonelada de mineral debe contener por lo menos 5 libras del
elemento bsico A, por lo menos100 libras del elemento B y al menos 30 libras del
elemento C. Estos datos se resumen en la figura 2.10. El mineral de cada una de las cuatro
minas diferentes contiene los tres elementos bsicos, pero en diferentes proporciones. Sus
composiciones, en libras por tonelada, se dan en la figura 2.11 los datos de los precios se
dan en la figura 2.12
DESARROLLO
ELEMENTO

MINAS

REQUERIMIENTOS

BASICO

10

90

150

75

175

100

45

25

20

37

30

COSTO

800

400

600

500

PLANTEAMIENTO
F.O MIN 800X1 + 400X2 + 600X3 + 500X4
RESTRICCIONES
10 X1 + 3X2 + 8X3 + 2X4 > = 5
90X1 + 150X2 + 75X3 + 175X4 > = 100
45X1 + 25X2 + 20X3 + 37X4 > = 30
X1 + X2 + X3 + X4 = 1

A) USAMOS EL PROGRAMA DE LINDO

B) ANALISIS DEL RESULTADO

LP OPTIMUM FOUND AT STEP

OBJECTIVE FUNCTION VALUE

1)

511.1111

VARIABLE

VALUE

REDUCED COST

X1

0.259259

0.000000

X2

0.703704

0.000000

X3

0.037037

0.000000

X4

0.000000

91.111115

ROW SLACK OR SURPLUS

DUAL PRICES

2)

0.000000

-44.444443

3)

31.666666

0.000000

4)

0.000000

-4.444445

5)

0.000000

-155.555557

NO. ITERATIONS=

RANGES IN WHICH THE BASIS IS UNCHANGED:

OBJ COEFFICIENT RANGES

VARIABLE

CURRENT

COEF

ALLOWABLE

INCREASE

ALLOWABLE

DECREASE

X1

800.000000

223.636307

120.000008

X2

400.000000

66.847809

300.000031

X3

600.000000

85.714294

118.269203

X4

500.000000

INFINITY

91.111107

RIGHTHAND SIDE RANGES

ROW

CURRENT
RHS

ALLOWABLE

INCREASE
2.375000

ALLOWABLE

DECREASE

5.000000

0.250000

100.000000

31.666666

30.000000

0.714286

7.000000

1.000000

0.250000

0.043478

INFINITY

C) USAMOS EL PROGRAMA DE EXCEL

EJEMPLO 1: ASTRO Y COSMO (UN PROBLEMA DE MEZCLA DE PRODUCTOS)

Una compaa de TV produce dos tipos de equipos para televisin, el astro y el cosmos. Hay dos
lneas de produccin, una para cada tipo de televisor, y dos departamentos, ambos intervienen en
la produccin de cada aparato. La capacidad de la lnea de produccin astro es de 70 televisores
diarios y la de la lnea cosmos es de 50. En el departamento A se fabrican los cinescopios. En este
departamento los televisores astro requieren 1 hora de trabajo y los cosmos 2. Actualmente, en el
departamento A se puede asignar un mximo de 120 horas de trabajo por da a la produccin de
ambos tipos de aparatos. En el departamento B se construye el chasis. En este departamento, los
televisores, astro requieren 1 hora de trabajo, igual que los cosmos. En la actualidad se puede
asignar un mximo de 90 horas de trabajo diarias al departamento B para la produccin de ambos
tipos de televisores. La utilidad por aparato es de 20 y 10 dlares, respectivamente, por cada
aparato astro y cosmos. Estos datos se resumen en la figura 2.13.
Si la compaa puede vender todos los aparatos que se produzcan, Cul debe ser el plan de
produccin diaria de cada aparato? Revise el modelo de PROTRAC, y despus trate de formular
el problema del astro y cosmos como un programa lineal.

DESARROLLO
CAPACIDAD

UTILIZACIN DE TRABAJO POR

UTILIDAD POR

DIARIA

APARATO (HRS)

APARATO

DEPT. A

DEPT. B

ASTRO

70

$20

COSMOS

50

10

120

90

DISPONIBILIDAD
TOTAL

PLANTEAMIENTO
F.O MAX 20X1 + 10X2
RESTRICCIONES
1X1 + 2X2 < = 120
1X1 + 1X2 < = 90
1X1 + 0X2 < = 70
0X1 + 1X2 < = 50
X1 + X2 = 1

A) USAMOS EL PROGRAMA DE LINDO

B) ANALISIS DEL RESULTADO

LP OPTIMUM FOUND AT STEP

OBJECTIVE FUNCTION VALUE

1)

20.00000

VARIABLE

VALUE

REDUCED COST

X1

1.000000

0.000000

X2

0.000000

10.000000

ROW SLACK OR SURPLUS

2)

119.000000

0.000000

3)

89.000000

0.000000

4)

69.000000

0.000000

5)

50.000000

0.000000

6)

0.000000

20.000000

NO. ITERATIONS=

DUAL PRICES

RANGES IN WHICH THE BASIS IS UNCHANGED:

OBJ COEFFICIENT RANGES

VARIABLE

CURRENT

COEF

ALLOWABLE

INCREASE

ALLOWABLE

DECREASE

X1

20.000000

INFINITY

10.000000

X2

10.000000

10.000000

INFINITY

RIGHTHAND SIDE RANGES

ROW

CURRENT
RHS

ALLOWABLE

INCREASE

ALLOWABLE

DECREASE

120.000000

INFINITY

119.000000

90.000000

INFINITY

89.000000

70.000000

INFINITY

69.000000

50.000000

INFINITY

50.000000

1.000000

69.000000

1.000000

C) USAMOS EL PROGRAMA DE EXCEL

2.9 EJEMPLO 2: BLENDING GRUEL (UN PROBLEMA DE MEZCLAS)

Una lata de 16 onzas de alimento para perros debe contener protenas, carbohidratos y grasas en
las siguientes cantidades mnimas: protenas, 3 onzas, carbohidratos, 5 onzas, grasas, 4 onzas. Se
va mezclar cuatro tipos de combinaciones de cereal en diversas proporciones para producir una
lata de alimento para perro que satisfaga los requerimientos al costo mnimo. Los contenidos y
precios de 16 onzas d cada combinacin se da en la figura 2.14
Revise el modelo de mezclas de la CRAWLER TREAD y formule este problema de mezcla de
combinaciones como programa lineal. (Sugerencia: designe con x, la proporcin de la
combinacin i que habr en una lata de 16 onzas de alimento para perros, i = 1, 2, 3, 4)

DESARROLLO
ALIMENTO

CONTENIDOS Y PRECIOS POR 16 OZ DE CEREAL

PRECIO

CONTENIDO DE CONTENIDO DE CONTENIDO DE

PROTENAS
CARBOHIDRATOS
GRASAS (OZ)
(OZ)
(OZ)
1

$4

CANTIDAD
MINIMA

PLANTEAMIENTO
F.O MIN 4X1 + 6X2 + 3X3 + 2X4
RESTRICCIONES
3X1 + 5X2 + 2X3 + 3X4 > = 3
7X1 + 4X2 + 2X3 + 8X4 > = 5
5X1 + 6X2 + 6X3 + 2X4 > = 4
X1 + X2 + X3 + X4 = 1

A) USAMOS EL PROGRAMA DE LINDO

B) ANALISIS DEL RESULTADO

LP OPTIMUM FOUND AT STEP

OBJECTIVE FUNCTION VALUE

1)

3.000000

VARIABLE

VALUE

REDUCED COST

X1

0.000000

0.500000

X2

0.166667

0.000000

X3

0.333333

0.000000

X4

0.500000

0.000000

ROW SLACK OR SURPLUS

2)

0.000000

-1.000000

3)

0.333333

0.000000

4)

0.000000

-0.500000

5)

0.000000

2.000000

NO. ITERATIONS=

DUAL PRICES

RANGES IN WHICH THE BASIS IS UNCHANGED:

OBJ COEFFICIENT RANGES

VARIABLE

CURRENT

COEF

ALLOWABLE

INCREASE

ALLOWABLE

DECREASE

X1

4.000000

INFINITY

0.500000

X2

6.000000

1.999999

3.000000

X3

3.000000

1.000000

3.000000

X4

2.000000

2.000000

INFINITY

RIGHTHAND SIDE RANGES

ROW

CURRENT
RHS

ALLOWABLE

INCREASE

ALLOWABLE

DECREASE

3.000000

1.000000

0.500000

5.000000

0.333333

INFINITY

4.000000

0.250000

2.000000

1.000000

0.142857

0.038462

C) USAMOS EL PROGRAMA DE EXCEL

2.10 EJEMPLO 3: PROGRAMACION DE LA VIGILANCIA (UN PROBLEMA DE

PROGRAMACION)

Un gerente personal debe elaborar un programa de vigilancia de modo que satisfagan los
requerimientos de personal que se muestran en la figura 2.15
Los guardias trabajan turnos de 8 horas. Todos los das hay seis turnos. En la figura 2.16
se dan los horarios de entrada y de salida de cada turno. El gerente de personal quiere
determinar cuntos guardias debern trabajar en cada turno con el objeto de minimizar el
nmero total de guardias que satisfaga los requerimientos de personal.
DESARROLLO
TURNO

HORA DE
ENTRADA Y
HORA DE
SALIDA

MEDIANOCHE

MEDIANOCHE
8 AM

X1

4 AM
MEDIODIA

8 AM
4 PM

MEDIODIA
8PM

4 PM
MEDIANOCHE

8 PM
4 AM

X6

N MINIMO DE
OFICIALES
REQUERIDOS

4 AM

X1 + X2 > = 7
X2 + X3 > = 15
X3 + X4 > = 7
X4 + X5 > = 12
X5 + X6 > = 9

MEDIODA

MEDIODA

4 PM

4
PM

8 PM
MEDIANOCHE

8
PM

X1
X2

X2
X3

X3
X4

X4
X5

F.O MIN X1 + X2 + X3 + X4 + X5 + X6

X1 + X6 > = 5

8AM

8
AM

PLANTEAMIENTO

RESTRICCIONES

4
AM

X5
X6

15

12

A) USAMOS EL PROGRAMA DE LINDO

B) ANALISIS DEL RESULTADO

LP OPTIMUM FOUND AT STEP

OBJECTIVE FUNCTION VALUE

1)

32.00000

VARIABLE

VALUE

REDUCED COST

X1

0.000000

0.000000

X2

8.000000

0.000000

X3

7.000000

0.000000

X4

0.000000

0.000000

X5

12.000000

0.000000

X6

5.000000

0.000000

ROW SLACK OR SURPLUS

2)

0.000000

-1.000000

3)

1.000000

0.000000

4)

0.000000

-1.000000

5)

0.000000

0.000000

6)

0.000000

-1.000000

7)

8.000000

0.000000

DUAL PRICES

NO. ITERATIONS=

RANGES IN WHICH THE BASIS IS UNCHANGED:

OBJ COEFFICIENT RANGES

VARIABLE

CURRENT

COEF

ALLOWABLE

INCREASE

ALLOWABLE

DECREASE

X1

1.000000

INFINITY

0.000000

X2

1.000000

0.000000

0.000000

X3

1.000000

0.000000

0.000000

X4

1.000000

INFINITY

X5

1.000000

0.000000

1.000000

X6

1.000000

0.000000

1.000000

0.000000

RIGHTHAND SIDE RANGES

ROW

CURRENT
RHS

ALLOWABLE

INCREASE

ALLOWABLE

DECREASE

5.000000

INFINITY

5.000000

7.000000

1.000000

INFINITY

15.000000

INFINITY

7.000000

1.000000

12.000000

INFINITY

9.000000

8.000000

1.000000
7.000000
8.000000
INFINITY

C) USAMOS EL PROGRAMA DE EXCEL

2.11 EJEMPLO 4: UN MODELO DE TRANSPORTE

Una compaa tiene dos plantas y tres almacenes. La primera planta puede abastecer un mximo
de 100 unidades y la segunda un mximo de 200 unidades del mismo producto. El potencial de
ventas del primer almacn es de 150, del segundo de 200 y del tercero de 350. Las utilidades que
se obtienen por las ventas en los tres almacenes son: 12 en el primero, 14 en el segundo y 15 en
el tercero. En la figura 2.20 se da el costo de la manufactura en la planta i y del transporte al
almacn j. la compaa desea determinar cuntas unidades debe transportar de cada planta a cada
almacn para maximizar la utilidad.
DESARROLLO
PLANTA

ALMACEN

OFERTA
(UNIDADES)

10

12

100

11

200

DEMANDA

150

200

350

PRECIO VENTA

12

14

15

COEFICIENTES
C1 12 8 = 4

C4 12 7 = 5

C2 14 10 = 4

C5 14 9 = 5

C3 15 12 = 3

C6 15 11 = 4

PLANTEMIENTO
F.O MAX 4X11 + 4X12 + 3X13 + 5X21 + 5X22 + 4X23
RESTRICCIONES
X11 + X12 + X13 < = 100
X21 + X22 + X23 < = 200
X11 + X21 < = 150
X12 + X22 < = 200
X13 + X23 < = 350

A) USAMOS EL PROGRAMA DE LINDO

B) ANALISIS DEL RESULTADO

LP OPTIMUM FOUND AT STEP

OBJECTIVE FUNCTION VALUE

1)

1400.000

VARIABLE

VALUE

REDUCED COST

X11

100.000000

0.000000

X12

0.000000

0.000000

X13

0.000000

1.000000

X21

0.000000

0.000000

X22

200.000000

X23

0.000000

0.000000
1.000000

ROW SLACK OR SURPLUS

2)

0.000000

4.000000

3)

0.000000

5.000000

4)

50.000000

0.000000

5)

0.000000

0.000000

6)

350.000000

NO. ITERATIONS=

0.000000

DUAL PRICES

RANGES IN WHICH THE BASIS IS UNCHANGED:

OBJ COEFFICIENT RANGES

VARIABLE

CURRENT

COEF

ALLOWABLE

INCREASE

ALLOWABLE

DECREASE

X11

4.000000

INFINITY

0.000000

X12

4.000000

0.000000

INFINITY

X13

3.000000

1.000000

INFINITY

X21

5.000000

0.000000

INFINITY

X22

5.000000

INFINITY

0.000000

X23

4.000000

1.000000

INFINITY

RIGHTHAND SIDE RANGES

ROW

CURRENT
RHS

ALLOWABLE

INCREASE

ALLOWABLE

DECREASE

100.000000

50.000000

100.000000

200.000000

0.000000

200.000000

150.000000

INFINITY

50.000000

200.000000

INFINITY

0.000000

350.000000

INFINITY

350.000000

C) USAMOS EL PROGRAMA DE EXCEL

2.12 EJEMPLO 5: CORPORACIN WINSTON SALEM DEVELOPMENT

(PLANEACIN FINANCIERO)
Esta es una interesante aplicacin de la programacin lineal a la planeacin financiera. La
corporacin Winston Salem Development (CWSD) est tratando de integrar su plan de
inversiones para los dos prximos aos. Actualmente, la CWSD tiene disponibles dos millones
de dlares para invertir. La CWSD espera recibir en 6, 12 y 18 meses un flujo de ingresos de las
inversiones previas. En la figura 2.21 se presentan los datos. Hay dos proyectos de desarrollo en
los que la compaa esta planeando participar.
1. en la figura 2.22 se muestra el flujo de caja que se tendra si la CWSD participara a un nivel
del 100% en el proyecto de Foster City Development (los nmeros negativos son inversiones y
los positivos son ingresos). As, para participar en el Foster City a nivel de 100% la CWSD tendra
que desembolsar de inmediato $1000000. A los 6 meses erogara otros $700000, etc.
2. un segundo proyecto consiste en hacerse cargo de la operacin de un antiguo proyecto de
vivienda media, con la condicin de que deben hacerse ciertas reparaciones iniciales. En la figura
2.23 se muestra el flujo de caja del proyecto, a nivel del 100% de participacin.
Debido a la poltica de la compaa, a la CWSD no se le permite pedir prestado dinero. Sin
embargo, al comienzo de cada periodo de 6 meses todos los fondos excedentes (esto es, los que
no sean colocados en Foster City o en proyecto de vivienda media) se invierten con un inters del
7% para este periodo de 6 meses. La CWSD puede participar en cualquiera de los proyectos a
nivel menor que el 100%, en cuyo caso todos los flujos de efectivo de ese proyecto se reducirn
en forma proporcional. Por ejemplo, si la CWSD opta por participar en la Forest City, a nivel de
30%, el flujo de caja asociado con esta decisin seria 0.3 veces los datos de la figura 2.22. el
problema que actualmente encara la CWSD es decir que parte de los $2000000 en efectivo debe
invertirse en cada proyecto y cunto debe colocarse simplemente por el redito del 7% semestral.
La meta del administrador consiste en maximizar el efectivo que habr al final de los 24 meses.
Formule este problema como modelo de programacin lineal.

DESARROLLO

INGRESOS PROCEDENTES DE INVERSIONES PREVIAS

INGRESO

6 MESES

12 MESES

18 MESES

$500000

$400000

$380000

FLUJO DE EFECTIVO DE FOSTER CITY

INGRESO

INICIAL

6 MESES

12 MESES

18 MESES

24 MESES

$-1000000

$-700000

$1800000

$400000

$600000

FLUJO DE EFECTIVO DEL PROYECTO DE VIVIENDA PARA GENTES DE MEDIANOS

INGRESOS

INGRESO

INICIAL

6 MESES

12 MESES

18 MESES

24 MESES

$800000

$500000

$-200000

$-700000

$2000000

PLANTEAMIENTO
F.O MAX 600000F + 2000000M + 1.07S4
RESTRICCIONES
1000000F + 800000M + S1 < = 2000000
700000F 500000M 1.07S1 + S2 < = 500000
-1800000F + 200000M 1.07S2 + S3 < = 400000
-400000F + 700000M 1.07S3 + S4 < = 380000

A) USAMOS EL PROGRAMA DE LINDO

B) ANALISIS DEL RESULTADO

LP OPTIMUM FOUND AT STEP

OBJECTIVE FUNCTION VALUE

1)

5811886.

VARIABLE
F
M

VALUE

1.320755

REDUCED COST
0.000000

0.849057

0.000000

S4 3104037.750000

0.000000

S1

0.000000

0.669203

S2

0.000000

0.141972

S3 2607547.250000

0.000000

ROW SLACK OR SURPLUS

2)

0.000000

2.131909

3)

0.000000

1.367015

4)

0.000000

1.144900

5)

0.000000

1.070000

NO. ITERATIONS=

DUAL PRICES

RANGES IN WHICH THE BASIS IS UNCHANGED:

OBJ COEFFICIENT RANGES

VARIABLE

CURRENT

COEF

ALLOWABLE

INCREASE

F 600000.000000

ALLOWABLE

DECREASE

INFINITY 188112.984375

M 2000000.000000

150490.390625

400765.687500

S4

1.070000

0.290026

0.096394

S1

0.000000

0.669203

INFINITY

S2

0.000000

0.141972

INFINITY

S3

0.000000

0.713063

0.297529

RIGHTHAND SIDE RANGES

ROW

CURRENT
RHS

ALLOWABLE

INCREASE

ALLOWABLE

DECREASE

2 2000000.000000

INFINITY 1285714.375000

3 500000.000000

900000.000000 1185772.000000

4 400000.000000

INFINITY 2607547.250000

5 380000.000000

INFINITY 3104037.750000

C) USAMOS EL PROGRAMA DE EXCEL

2.13 EJEMPLO 6: COMPAA LONGER BOATS YACHT: DESCRIPCION DEL

ANALISIS DEL PUNTO DE EQUILIBRIO CON RESTRICCIONES
La compaa longer boats yacht produce tres balandras de regatas de alto rendimiento. En tres
botes se llaman aguijn, rayo y rompiente. La figura 2.24 da los datos pertinentes sobre beneficios
y costos para el siguiente periodo de planeacin.
Como puede verse en estos datos, el costo fijo de estas actividades es considerable. Segn se
explic en la seccin 2.7, un costo fijo es un costo global que se paga sin importar la cantidad
que se vaya a producir. De esta manera, el mismo costo fijo de $3000000 para los rayos se pagara
as sea una produccin de 0, 1 o 40 botes. El alto costo fijo incluye los gastos por modificacin
de diseos, reconstruccin de moldes y pruebas de viajes en lagunas.
El anlisis del punto de equilibrio fue presentado en el captulo 1. La figura 2.25 muestra el
anlisis del punto de equilibrio en la produccin del aguijn. Vemos que si la longer boats fuese
a producir solo aguijones, tendra que producir por lo menos 1000 botes para llegar al punto de
equilibrio.
Sin embargo, el problema de la longer boats es ms complicado. En principio para el prximo
periodo de planeacin la administracion ha contratado ya la produccin de 700 aguijones. Otro
cliente ha solicitado 400 rompientes, solicitud que el administrador le gustara atender. Los
estudios del mercado de la longer boats ha convencido al administrador de que por lo menos 300
rayos deben ser producido: adems, la administracion est interesada en vender lo suficiente para
alcanzar el punto de equilibrio, pero ahora hay tres productos, as como compromisos previos e
indicaciones que se deben tomarse en cuenta. Partiendo de los principios bsicos, el administrador
observa que, en el punto de equilibrio.
DESARROLLO
BALANDRA

PRECIO DE VENTA
POR UNIDAD

COSTO VARIABLE
POR UNIDAD

COSTO FIJO

AGUIJON

$10000

$5000

$5000000

RAYO

7500

3600

3000000

ROMPIENTE

15000

8000

10000000

PLANTEAMIENTO
F.O MIN 5000S + 3600R + 8000B
RESTRICCIONES
5000S + 3900R + 7000B = 18000000
S > = 700
B > = 400
R < = 300

A) USAMOS EL PROGRAMA DE LINDO

B) ANALISIS DEL RESULTADO

LP OPTIMUM FOUND AT STEP

OBJECTIVE FUNCTION VALUE

1)

0.1831000E+08

VARIABLE

VALUE

REDUCED COST

2806.000000

0.000000

300.000000

0.000000

400.000000

0.000000

ROW SLACK OR SURPLUS

DUAL PRICES

2)

0.000000

3)

2106.000000

4)

0.000000

-1000.000000

5)

0.000000

300.000000

NO. ITERATIONS=

-1.000000
0.000000

RANGES IN WHICH THE BASIS IS UNCHANGED:

OBJ COEFFICIENT RANGES

VARIABLE

CURRENT

COEF

ALLOWABLE

INCREASE

ALLOWABLE

DECREASE

5000.000000

714.285706

384.615387

3600.000000

300.000000

INFINITY

8000.000000

INFINITY

1000.000000

RIGHTHAND SIDE RANGES

ROW

CURRENT
RHS

ALLOWABLE

INCREASE

2 18000000.000000

ALLOWABLE

DECREASE

INFINITY 10530000.000000

700.000000

2106.000000

INFINITY

400.000000

1504.285767

400.000000

300.000000

2700.000000

300.000000

C) USAMOS EL PROGRAMA DE EXCEL