Facultad de Ingeniera

Escuela de Ingeniera Industrial

CASO PRCTICO: CRAWLER

TREAD Y UN NUEVO ENFOQUE

I. DATOS GENERALES
a. Asignatura : Investigacin de Operaciones I
b. Integrantes : Montes Secln, Lourdes
Snchez Carrillo, Maricarmen
c. Ciclo de Estudios :V
d. Ao de Estudios : 3er. Ao
e. Ciclo acadmico : 2015-0
f. Fecha de Presentacin :10 de febrero del 2015
g. Docente : Mgrt. Ing. Juan Antonio Torres Benavides
CASO PRCTICO - CRAWLER TREAD Y UN NUEVO ENFOQUE:

En varios aspectos importantes, parte del trabajo de un gerente se relaciona con el anlisis y
evaluacin del trabajo de otras personas, en lugar de elaborar personalmente su propia
formulacin y anlisis desde cero. En su papel de buscador de diagnsticos, el
administrador juzgar el modelo de otra persona. Se han planteado las preguntas
correctas? Se ha llevado a cabo el anlisis correcto? El siguiente dilogo capta la esencia
de tal situacin. Aqu se le pide a usted que haga comentarios sobre el anlisis de una
nueva oportunidad.

Ralph Hanson ha sido el jefe de metalurgistas de la fundicin de hierro de PROTRAC

durante los ltimos cinco aos. Con su presencia aporta varias caractersticas importantes
para su puesto.

Para empezar, tiene una magnfica experiencia. Se gradu en la Universidad Case Western
con el ttulo de MCM (maestro en ciencias de materiales) y tuvo cinco aos de experiencia
en la U.S.

Steel antes de ingresar a PROTRAC. Se ha servido de esta capacitacin y experiencia para

efectuar varios cambios que han contribuido a mejorar la calidad de los productos y la
eficiencia de los procesos. Adems se ha vuelto un administrador eficaz. A travs de su
instruccin formal y el estudio autodidctico, se ha familiarizado con muchas tcnicas y
enfoques administrativos modernos y ha pugnado para que dichos mtodos se apliquen en
las condiciones apropiadas. De hecho, Ralph es el autor de la idea de aplicar los modelos
de PL a las actividades de mezcla de minerales y reciclaje de desechos en PROTRAC.

Ralph era el jefe de metalurgistas cuando se complet Crawler Tread, la primera aplicacin
de su mezcla de minerales. Actualmente, tanto Ralph como Sam Togas, el administrador de
la planta, emplean con soltura los modelos de PL en el rea de mezcla de minerales. Por lo
general, Ralph formula, resuelve e interpreta por su cuenta la salida del modelo.
Actualmente se enfrenta a un nuevo problema. La recesin ha afectado seriamente la
demanda de equipo pesado y la mayora de los departamentos de PROTRAC tienen un
exceso de capacidad, incluyendo el de fundicin. Sin embargo, las industrias de defensa
estn en auge. Un fabricante de tanques requiere un mineral de alto grado para la
produccin de rodamientos para tanques. De hecho, los requerimientos son exactamente los
mismos que emple PROTRAC en el siguiente modelo de Crawler Tread:

Modelo Crawler Tread (Captulo 3):

Si bien es cierto que la formulacin de PROTRAC, Inc. result ser un modelo de

maximizacin, muchos modelos reales se presentan en un contexto de minimizacin.
Cuando el objetivo son las ganancias, entonces resulta claro que lo que se busca es la
maximizacin; en cambio, por ejemplo, si el objetivo es el costo, entonces lo que se requiere
es la minimizacin. Como ejemplo de modelo de minimizacin, consideraremos ahora el
siguiente modelo de Crawler Tread. Se desea mezclar mineral de hierro de cuatro minas
distintas para fabricar rodamientos destinados a un nuevo producto de PROTRAC: un tractor
tipo oruga de tamao mediano, el E-6, diseado especialmente para competir en el mercado
europeo. Por medio de anlisis se ha demostrado que, para producir una mezcla dotada de
las cualidades de traccin adecuadas, deben cumplirse requerimientos mnimos en relacin
con tres elementos bsicos que, para simplificar, sealaremos aqu como A, B y C. En
trminos especficos, cada tonelada de mineral deber contener cuando menos 5 libras del
elemento bsico A, 100 libras del elemento bsico B y 30 libras del elemento bsico C.
Estos datos se presentan resumidos en la tabla 3.4.

El mineral extrado de cada una de las cuatro minas posee los tres elementos bsicos, pero
en cantidades distintas. Estas composiciones, expresadas en libras por tonelada, se
enumeran en la tabla 3.5.

Ntese que una tonelada del mineral procedente de la primera mina contiene 10 libras del
elemento bsico A, y esto satisface los mnimos requerimientos de este elemento en 5 libras
por tonelada. En forma similar, la misma tonelada contiene 90 libras del elemento bsico B y
45 libras del elemento bsico C, por lo cual logra satisfacer el requerimiento del elemento
bsico C, pero no el del elemento bsico B. De igual manera, se puede comprobar que una
tonelada de mineral de la segunda mina no lograr satisfacer los requerimientos de los
elementos A o C.

Una tonelada de la mina 3 no cumplir los requerimientos de B o C y una tonelada extrada

de la mina 4 no satisfar el requerimiento de A. Sin embargo, podemos encontrar muchas
mezclas diferentes que satisfagan los requerimientos mnimos de los tres elementos
bsicos. Un ejemplo de dichas mezclas sera la combinacin de media tonelada de material
proveniente de la mina 1 y media tonelada de material de la mina 4.

CREACIN DEL MODELO DE PL

En virtud de que nos interesa encontrar una mezcla ptima de 1 tonelada, establecemos las
variables de decisin en la siguiente forma:

T1 = fraccin de una tonelada que se tomar de la mina 1

T2 = fraccin de una tonelada que se tomar de la mina 2

T3 = fraccin de una tonelada que se tomar de la mina 3

T4 = fraccin de una tonelada que se tomar de la mina 4

A continuacin, tomando los datos de la tabla 3.5, las cantidades de los elementos bsicos
en 1 tonelada de mezcla se calculan como sigue:

libras del elemento bsico A en 1 tonelada de mezcla

= 10T1 + 3T2 + 8T3 + 2T4 (3.9)

libras del elemento bsico B en 1 tonelada de mezcla

= 90T1 + 150T2 + 75T3 + 175T4 (3.10)

libras del elemento bsico C en 1 tonelada de mezcla

= 45T1 + 25T2 + 20T3 + 37T4 (3.11)

Ahora podemos combinar las expresiones (3.9), (3.10) y (3.11) con los requerimientos
mnimos indicados en la tabla 3.4 para obtener las tres restricciones (requerimientos):

10T1 + 3T2 + 8T3 + 2T4 5 (3.12)

90T1 + 150T2 + 75T3 + 175T4 100 (3.13)

45T1 + 25T2 + 20T3 + 37T4 30 (3.14)

Tiene otras restricciones este modelo? Claro est que ser necesario incluir en l las
condiciones habituales de no negatividad T1, T2, T3, T4_ 0, pero todava existe otra
restriccin importante que debemos agregar. En vista de que, excepto por las cuatro minas,
no hay ninguna otra fuente que contribuya a formar la tonelada de material, la suma de las
contribuciones fraccionales de dichas minas deber ser igual a 1. Esto quiere decir que
deberemos incluir tambin la siguiente restriccin

T1 + T2 + T3 + T4 = 1 (3.15)

Esta ltima restriccin, conocida a veces como la condicin de balance de material, es una
restriccin de igualdad y restringe los valores de las variables de decisin, de tal modo
que el lado izquierdo sea igual que el lado derecho. Esto ilustra un principio importante:

Las restricciones de un modelo de programacin lineal pueden ser tanto igualdades como
desigualdades.

Con base en la tabla 3.6, podemos ver que el costo de cualquier mezcla se da como sigue

costo de 1 tonelada de mezcla = 800T1 + 400T2 + 600T3 + 500T4

Haciendo nfasis en que nuestro objetivo consiste en minimizar el costo, ahora podemos
escribir el modelo simblico completo de Crawler Tread:

MODELO PL DE CRAWLER TREAD

Min 800T1 + 400T2 + 600T3 + 500T4 (costo total)

Restricciones:

10T1 + 3T2 + 8T3 + 2T4 5 (requerimiento de A)

90T1 + 150T2 + 75T3 + 175T4 100 (requerimiento de B)

45T1 + 25T2 + 20T3 + 37T4 30 (requerimiento de C)

T1 + T2 + T3 + T4 = 1 (condicin de mezcla)

Ti 0, i = 1, 2, 3, 4

Continuando con el ejercicio: El fabricante de tanques est dispuesto a pagar a

PROTRAC $850 por tonelada de mineral, por un mximo de 150,000 toneladas que debern
ser entregadas el prximo mes. Ralph se entera de que puede disponer de hasta 98,000
toneladas de mineral, el cual est compuesto de 21,000 toneladas de material procedente
de la mina 1; 40,000 de la mina 2; 15,000 de la mina 3 y 22,000 de la mina 4.
A partir de esta informacin, Ralph ha formulado un nuevo modelo de PL. En este modelo, Ti
representa los miles de toneladas de mineral de la mina i (donde i = 1, 2, 3, 4) que
intervienen en la mezcla y B son los miles de toneladas de mineral mezclado. Con el mayor
cuidado, ha anotado la formulacin para poder explicar fcilmente su anlisis a Sam, el
administrador de la planta. La formulacin y la solucin aplicadas por Ralph para su
presentacin aparecen en el Anexo 1.

A Sam le encant el proyecto. Da un margen de contribucin de $30,500,000 y ocupa

recursos (mano de obra y maquinaria) que de otra manera estaran ociosos. De inmediato
hizo que el departamento legal elaborara un contrato por la venta de 98,000 toneladas de
mineral.

Cuando Ralph lleg, al da siguiente, Sam ya lo estaba esperando. Entonces sostuvieron la

siguiente conversacin:

Sam: El contrato est listo y cuando ya me dispona a telefonear para confirmar el acuerdo,
surgieron nuevos acontecimientos. Acabamos de recibir un tlex de la mina 1. Debido a la
cancelacin de otro pedido, tenemos a nuestra disposicin hasta 3,000 toneladas ms de
material al precio normal de $800 por tonelada, si las queremos. Qu debemos hacer? Por
qu no regresas y resuelves de nuevo tu modelo, incluyendo la posibilidad de las 3,000
toneladas ms de la mina 1 y preparas un nuevo contrato si la solucin es mejor.
Obviamente, no nos puede ir peor que ahora, y la verdad es que no nos va tan mal.

Ralph: En realidad, no hay necesidad de resolverlo de nuevo. Una de las mejores cosas de
la PL es que podemos contestar muchas preguntas referentes a posibles cambios en el
modelo original. En particular, el precio sombra de la cantidad de T1 disponible nos da un
lmite superior sobre cunto ms debemos pagar por la oportunidad de adquirir una tonelada
adicional de mineral de la mina 1. Si el precio sombra es positivo, digamos $10, deberamos
estar dispuestos a pagar hasta $10 ms por la oportunidad de comprar otra tonelada de
mineral (es decir, hasta $810 por tonelada de mineral de la mina 1). Si es cero, el aumento
de la cantidad de mineral disponible en la mina 1 no nos permitir incrementar las
ganancias.

Una rpida inspeccin de la solucin nos revela que el precio sombra de esta restriccin es
cero.

Ralph: En virtud de que no podemos aumentar nuestro margen de contribucin, dejemos el

contrato tal como est y regresemos a trabajar.

Sam: Caramba, Ralph, no lo entiendo! Podemos comprar mineral a $800 la tonelada y

venderlo a $850, y me dices que no lo debemos hacer?

Ralph: Comprendo que es difcil de entender, pero yo s que si se aumenta el lado derecho
de la restriccin (celda I7) el valor ptimo de la funcin objetivo permanecer igual. Esto
implica que las toneladas de mineral extra de la mina 1 no nos ayudarn. Supongo que es
porque no podemos aadir este mineral nuevo a nuestra mezcla y aun as satisfacer los
requerimientos mnimos de elementos. Recuerda que el mineral de la mina 1 slo tiene 90
libras del elemento B por tonelada y que la mezcla debe tener cuando menos 100.

Sam: Mira, Ralph, debo reunirme con el comit ahora. No puedo pasar ms tiempo con este
proyecto. No te dir que entiendo bien tu respuesta, pero t eres el experto. Sigamos pues
con el contrato actual.

CONSTRUCCIN DEL MODELO DE OPTIMIZACIN

Variables:

T1: Miles de toneladas de mineral proveniente de la mina 1.

T2: Miles de toneladas de mineral proveniente de la mina 2.

T3: Miles de toneladas de mineral proveniente de la mina 3.

T4: Miles de toneladas de mineral proveniente de la mina 4.

M (MEZCLA): Miles de toneladas de la mezcla total.

Funcin Objetiva: Maximizar el margen de contribucin (en dlares) de la venta de la

mezcla total.

Max Z = 850 M - 800 T1 - 400 T2 - 600 T3 - 500 T4

Restricciones:

i. Mineral mezclado: 1 M 1 T1 1 T2 1 T3 1 T4 = 0; esta restriccin se da porque

la cantidad utilizada total de las cuatro minas va a ser igual a la mezcla total en
toneladas por esa razn, el restar las cantidades de mineral de todas las minas dar
como resultado cero.

ii. Lmite de mezcla: 1 M 150 (en miles); esta restriccin es menos igual porque el
fabricador de tanque que es el cliente est dispuesto a pagar hasta 150 mil
toneladas.
 iii. Lmite mineral mina 1: 1 T1 21 (en miles)

iv. Lmite mineral mina 2: 1 T2 40 (en miles)

v. Lmite mineral mina 3: 1 T3 15 (en miles)

vi. Lmite mineral mina 4: 1 T4 22 (en miles)

vii. Total mineral disponible: 1 T1 + 1 T2 + 1 T3 + 1 T4 98 (en miles)

Las restricciones iii, iv, v, vi y vii se dan porque solo se puede disponer de hasta
98,000 toneladas de mineral, el cual est compuesto de 21,000 toneladas de material
procedente de la mina 1; 40,000 de la mina 2; 15,000 de la mina 3 y 22,000 de la mina 4.

viii. Mnimo A: 5 T1 2 T2 + 3 T3 3 T4 0

ix. Mnimo B: -10 T1 + 50 T2 - 25 T3 + 75 T4 0

x. Mnimo C: 15 T1 5 T2 - 10 T3 + 7 T4 0

RESOLVIENDO POR SOLVER:

QU ES SOLVER?

Solver es un paquete agregado para Excel que optimiza numricamente los modelos sujetos
a restricciones, como los modelos de PL. Solver emplea una tcnica llamada algoritmo
matemtico de programacin, con la cual encuentra las decisiones ptimas para un modelo
determinado en una hoja de clculo. Los algoritmos son sencillamente rutinas escritas en
cdigo de computadora que aplican en forma iterativa una receta, con la cual logran hallar
las decisiones ptimas. Para la PL, Solver usa un algoritmo de optimizacin muy eficiente
(que slo trabaja con modelos de PL) llamado mtodo smplex.
Para que Solver pueda optimizar un modelo, se debe preparar ste en una hoja de clculo
de la manera adecuada; debe apegarse a ciertas restricciones tcnicas que este paquete
impone a los modelos; y, lo ms importante, si quiere interpretar adecuadamente los
resultados de Solver, se debe entender las limitaciones de los modelos de optimizacin.
Solver puede optimizar tanto los modelos lineales como los no lineales.

Se debe recordar que: para la optimizacin de PL, debe ser lineal cada una de las frmulas
de su modelo que incluyan las variables de decisin directamente (o indirectamente, por
medio de una cadena de referencias a celdas), y que directa o indirectamente afecten a la
celda de la funcin objetivo. La restriccin (de linealidad) es impuesta por el mtodo smplex
de programacin lineal de Solver, el cual slo funciona correctamente con las frmulas de
hojas de clculo en las que intervienen relaciones lineales.

Todas las frmulas de Excel que se empleen en el modelo de PL construido en hojas de

clculo deben referirse de manera exclusiva a relaciones lineales entre las variables (de
decisin), directa o indirectamente, segn sea pertinente para el clculo de la celda de la
funcin objetivo y para la especificacin de cualquiera de las restricciones.
USO DE SOLVER

DIAGRAMA DE FLUJO DE SOLVER

Inicie Excel

Construya o abra su modelo de

optimizacin
Guardar el
libro

Seleccionar Solver en el men

Herramienta

Modifique el Especifique, dentro del cuadro

de dilogo de Solver:
modelo
La celda que va a optimizar
Las celdas cambiantes
Las restricciones

En las opciones, haga clic en Asumir modelo lineal y en seguida en

botn Aceptar
Lea atentamente el mensaje de terminacin
de Solver
No
Encontr Solver la solucin
ptima?
Si
Haga clic Utilizar la solucin de Solver y a continuacin en el
botn Aceptar

Si Desea modificar el
modelo y volver a
optimizar?
No
Guardar el modelo
final
SOLUCIN DEL CASO PRCTICO: CRAWLER TREAD SEGN EL DIAGRAMA DE FLUJO.

PASO 1: Iniciar Excel

PASO 2: Construir el modelo de optimizacin

Variables:

T1: Cantidad de produccin de tonelada (en miles) de mineral proveniente de la mina 1.

T2: Cantidad de produccin de tonelada (en miles) de mineral proveniente de la mina 2.

T3: Cantidad de produccin de tonelada (en miles) de mineral proveniente de la mina 3.

T4: Cantidad de produccin de tonelada (en miles) de mineral proveniente de la mina 4.

M (MEZCLA): Cantidad de produccin de tonelada (en miles) de la mezcla total.

Funcin Objetivo: Maximizar las utilidades ganadas (en dlares) de la venta de la mezcla
total.

Max Z = 850 M - 800 T1 - 400 T2 - 600 T3 - 500 T4

Restricciones:

i. Mineral mezclado: 1 M 1 T1 1 T2 1 T3 1 T4 = 0

ii. Lmite de mezcla: 1 M 150 (en miles)

iii. Lmite mineral mina 1: 1 T1 21 (en miles)

iv. Lmite mineral mina 2: 1 T2 40 (en miles)

v. Lmite mineral mina 3: 1 T3 15 (en miles)

vi. Lmite mineral mina 4: 1 T4 22 (en miles)

vii. Total mineral disponible: 1 T1 + 1 T2 + 1 T3 + 1 T4 98 (en miles)

viii. Mnimo A: 5 T1 2 T2 + 3 T3 3 T4 0

ix. Mnimo B: -10 T1 + 50 T2 - 25 T3 + 75 T4 0

x. Mnimo C: 15 T1 5 T2 - 10 T3 + 7 T4 0

PASO 3: Guardar el libro

PASO 4: Seleccionar Solver en el men herramienta

PASO 5: Especificar, dentro del cuadro de dilogo de Solver:

1. La celda que va a optimizar

2. Las celdas cambiantes

3. Las restricciones

PASO 6: En las opciones, hacer clic en Asumir modelo lineal y en seguida en botn
Aceptar
Ahora ya se tiene la solucin

Y el anlisis de sensibilidad
RESOLVIENDO POR TORA:

PASO 1: Ejecutar Tora.

PASO 2: Seleccionar Linear Programming del men principal.

PASO 3: Seleccionar Go to Imput Screen

PASO 4: Ingresar datos del modelo de Optimizacin

Variables:

T1: Cantidad de produccin de tonelada (en miles) de mineral proveniente de la mina 1.

T2: Cantidad de produccin de tonelada (en miles) de mineral proveniente de la mina 2.

T3: Cantidad de produccin de tonelada (en miles) de mineral proveniente de la mina 3.

T4: Cantidad de produccin de tonelada (en miles) de mineral proveniente de la mina 4.

M (MEZCLA): Cantidad de produccin de tonelada (en miles) de la mezcla total.

Funcin Objetiva: Maximizar las utilidades ganadas (en dlares) de la venta de la mezcla
total.

Max Z = 850 M - 800 T1 - 400 T2 - 600 T3 - 500 T4

Restricciones:

i. Mineral mezclado: 1 M 1 T1 1 T2 1 T3 1 T4 = 0

ii. Lmite de mezcla: 1 M 150 (en miles)

iii. Lmite mineral mina 1: 1 T1 21 (en miles)

iv. Lmite mineral mina 2: 1 T2 40 (en miles)

v. Lmite mineral mina 3: 1 T3 15 (en miles)

 vi. Lmite mineral mina 4: 1 T4 22 (en miles)

vii. Total mineral disponible: 1 T1 + 1 T2 + 1 T3 + 1 T4 98 (en miles)

viii. Mnimo A: 5 T1 2 T2 + 3 T3 3 T4 0

ix. Mnimo B: -10 T1 + 50 T2 - 25 T3 + 75 T4 0

x. Mnimo C: 15 T1 5 T2 - 10 T3 + 7 T4 0

PASO 4: Seleccionar SOLVE Menu y si se desea guardar seleccionar S y seleccionar

No si por el contrario, no desea guardar.

PASO 5: Seleccionar SOLVE Problem, luego Algebraic y finalmente Final solution

PASO 6: Seleccionar Go to Output Screen

PASO 7: Finalmente se obtiene el resultado final, con su respectivo anlisis de sensibilidad

Interpretacin

Para obtener un margen de contribucin mximo de $30500 se necesita una mezcla de 98

toneladas de mineral compuesta por 21 toneladas de mineral de la mina 1, 40 de la mina 2,
15 de la mina 3 y 22 de la mina 4.

La demanda es de como mximo 150 toneladas, sin embargo solo se producen 98

toneladas, dejando una holgura de 52 toneladas.

Para las 4 minas se utilizan con exactitud los lmites mximos de los que se pueden
disponer.
Mientras que el precio de venta no baje de 800 dlares, las cantidades utilizadas de mineral
de cada mina no van a cambiar, pero el margen de contribucin si variar.

Por otro lado, mientras el costo del mineral de cada mina no supere el precio de venta de
850, la solucin ptima se mantendr igual.

El reduced cost de 0 indica que para cada una de las variables se obtuvieron valores
ptimos, es decir, cantidades de toneladas mayores que 0.

Adems se tiene que por cada unidad que se vare en el LD de las restricciones con un Dual
Price diferente de 0, la funcin objetivo cambiar en ese valor. Por ejemplo, para el caso de
la restriccin del lmite de la mina 1 se tiene un precio sombra de 50 que ser el mismo en el
rango de 20.20 a 21, lo que indica que por cada unidad que vara el mineral disponible, el
valor del margen de contribucin cambia en $50. Lo mismo se cumple para las dems
restricciones de lmites de las minas 2, 3 y 4 con sus respectivos precios sombra.

Adems se tiene que en el supuesto caso de que la primera restriccin variara al igual que
las anteriores en una unidad, el valor ptimo cambiara en $850, lo que indica que si ahora
la mezcla total excediera a la suma de las toneladas de cada mina en una tonelada, el
nuevo valor ptimo sera de $30500 + $850 = $31350.

PREGUNTAS:

1. Es correcta la interpretacin que ha hecho Ralph de las cifras que aparecen en el

informe?

No es correcta la interpretacin que hace Ralph con respecto a la primera pregunta

planteada, porque el precio de sombra no indica cuanto es el costo de mineral por cada
mina, por el contrario, es la cantidad en la que incrementa la funcin objetivo por cada
unidad que le agregas o le quitas al lado derecho.

En conclusin, la verdadera interpretacin es la siguiente: si el precio de sombra es de 10 y

t le agregas una unidad a la restriccin respectiva al precio de sombra antes mencionado
(lmite de mineral de la mina 1), significa que tu funcin objetivo aumentar en 10 dlares.
Para este caso se tendra que de tener disponible una tonelada ms de mineral de la mina
1, el margen de contribucin se incrementaria en $50, pero al no encontrarse este valor en
el rango permitido no se puede determinar con certeza en cuanto variara el VO.

En el caso contrario, que se tuviera media tonelada menos disponible, es decir, solo 20.5
toneladas de mineral de la mina 1, se podra decir que te tendra un margen de contribucin
total de $30475 ($30500-$25), ya que este valor si se encuentra dentro del rango

2. Es correcta la respuesta que dio Ralph en cuanto a la oportunidad de efectuar la

compra adicional? Si usted cree que se equivoc, dnde estuvo la falla?

No es correcta en su totalidad la interpretacin, ya que no es que la funcin objetivo

permanezca igual si no que las variables de decisin permanecern igual siempre y cuando
permanezcas en el rango permisible de la restriccin.

Con conclusin tendramos entonces: Las decisiones tomadas permanecern iguales sobre
las cantidades que se tendrn de cada uno y la funcin objetivo si cambiara porque se
estara comprando ms material.

Sin embargo, a pesar de que se tengan 3000 toneladas de material disponible de la mina 1,
el anlisis de sensibilidad nos muestra un valor mximo de 21 toneladas, lo que significa que
si se modifica ms all de ese valor, precio sombra ya no ser el mismo y no se sabr con
certeza cuando ser el valor de la funcin objetivo, es decir, del margen de contribucin.

Sin embargo, si lo resolvemos nuevamente cambiando el modelo podemos

observar que el margen de contribucin si se incrementa. Debemos tener en
cuenta que la restriccin del total de disponibilidad de materia prima ahora sera
de 101 toneladas, ya no de 98
El margen de contribucin sera ahora de $30650, por lo cual si conviene aceptar
las 3000 toneladas extras de mineral.

3. Suponga que se eliminara del modelo la fila 11 (restriccin total del mineral
disponible). Cul sera el precio sombra de la restriccin lmite del material de la
mina 1? Y de la restriccin lmite del material de la mina 2?

Al eliminarse la restriccin del total de mineral disponible, tanto el precio de sombra de

ambas restricciones se mantiene igual (siendo de 50 para el lmite de material de la mina 1 y
450 para el de la mina 2), puesto que esta se puede deducir a partir de las restricciones iii,
iv, v y vi debido a la propiedad que explica que si se suman miembro a miembro varias
desigualdades de mismo sentido, resulta una desigualdad de mismo sentido que aqullas.

A continuacin se muestra la comprobacin en Solver

Comprobacin con TORA:
4. Puede usted determinar qu sucedera con el VO si se modificara el valor del LD
de la restriccin de la mina 2 (celda I8) a 39.999?

S se puede determinar. Al reducirse una cantidad de 0.001 que se encuentra dentro del
intervalo permisible entonces el VO vendra dado proporcionalmente al precio sombra.

Considerando que si se variara en una unidad el LD, el VO variara en 450 (precio sombra),
al tratarse de la disminucin de 0.001, el VO disminuira en una cantidad de 0.45, es decir,
se tendra un nuevo valor para el VO de $ 30499.55.

450 x 0.001 = 0.45

30500 0.45 = 30499.55

Comprobacin con Solver:

5.- Suponga que el LD de la restriccin de la mina 2 (celda I8) aumenta a 40.001.
Cules son los nuevos valores ptimos de T1, T2, T3 Y T4?

La cantidad que se piensa aumentar de 0.001 est fuera de los parmetros permisibles, por
lo que no se puede determinar con certeza que ocurrir con el VO. La solucin ptima
tampoco se puede determinar. En este caso, lo ideal es resolver nuevamente el modelo en
Solver para poder determinar el nuevo valor de las variables de decisin.
De esta manera, los nuevos valores que asumen las variables son de: T1=20.999 T2=
40.001, T3= 22 Y T4=15.

6. Determine por qu el incremento permisible de esta restriccin (restriccin del

lmite de mineral de la mina 2 - celda I8) es de 0.

El valor de 0 en
el incremento
permisible
indica que no se
puede aumentar el
lado derecho de
la restriccin
en ningn valor
sin que el precio
de sombra cambie, pero se tiene que se puede reducir hasta una cantidad de 40 toneladas
al material disponible en la mina 2, en el que el precio de sombra se mantendr constante.

7.- Es degenerada la solucin del modelo de Ralph? De ser as, puede identificar
cul o cules son las restricciones que provocan la degeneracin del modelo?

La solucin tiene 10 restricciones y 9 variables positivas; las 5 de decisin, 1 de holgura de

la segunda restriccin y 3 de excedente de las 3 ltimas, por tanto al ser la cantidad menor
igual es una solucin degenerada.

Las restricciones que provocan la degeneracin del modelo son todas las activas (que
tienen holgura o excedente de 0), es decir, la primera restriccin de mineral mezclado, la
restricciones de lmite de mineral en cada mina y la del total de mineral disponible.
De igual manera se observa en TORA

= Variables positivas = 9

= Restricciones = 10

8. El Anexo 2 es un intento de Ralph por reformular el PL de manera ms compacta,

parecida a la del modelo de Wayne Foley presentado en la seccin 5.6. Su solucin
ptima es la misma, pero el Informe de sensibilidad tiene una apariencia distinta que
el Informe que aparece en el Anexo 1. Cmo explica los coeficientes objetivo y los
costos reducidos que aparecen en el Informe de sensibilidad del Anexo 2 comparados
con los correspondientes al del informe del Anexo 1? Puede responder a las
preguntas 4 y 5 basndose en el Anexo 2?
Anexo 1

Anexo 2
El tiempo y los requerimientos de memoria para que Solver optimice un modelo vienen
determinados por el tamao de la matriz de celdas coeficientes que constituyen el LI de las
restricciones. El tamao de esta matriz es proporcional al producto de la cantidad de
variables (columnas) y la cantidad de restricciones (filas). Solver tiene incorporado un
procedimiento que permite que cualquier lmite de restriccin superior o inferior impuesto
sobre las variables de decisin se respete sin considerarse como restriccin.

Esto, llamado lmites superiores e inferiores simples, hace que se mantenga pequea la
matriz de coeficientes, dando como resultado menores tiempos de optimizacin de Solver y
un menor consumo de la memoria (RAM). Lo que se paga por hacer uso de los lmites
superiores e inferiores simples consiste en la prdida de un poco de informacin en el
Anlisis de sensibilidad despus de la optimizacin.

La nica informacin de sensibilidad disponible acerca de las restricciones con lmite

superior e inferior son sus precios sombra, pero sin la informacin referente al rango de
aplicacin generado para los precios sombra que corresponden a una restriccin normal.

La columna de Costo reducido del Informe de Sensibilidad siempre tiene una celda por
variable de decisin, as que Solver pone cualquier precio sombra diferente de cero que
haya en una restriccin con lmite superior o inferior en la columna de Costo reducido junto a
la variable de decisin respectiva. Por tanto, los costos reducidos que aparecen en el Anexo
2 vendran a ser en realidad los precios sombras que corresponden a las restricciones de
cada variable.

En el caso de la variable T1, se tienen dos restricciones de lmites superior e inferior: T1>0 y
T1< 21. Aqu se puede observar que la restriccin obligatoria es la segunda, por tanto el
precio sombra de 50 correspondera a tal restriccin.

De la misma manera se cumple para T2, T3 y T4. Para todas ellas la restricci obligatoria
correspondiente son las de T2<40, T3<15 y T4<22, por lo que el precio de sombra de cada
una respectivamente es aquel en la columna de costo reducido.
En el caso de los coeficientes objetivos, como el 2do modelo de PL planteado cuenta solo
con 4 variables y se trata de un modelo de maximizacin, los coeficientes finales vendran
dados por la resta entre el precio de venta respectivo de $850/tonelada menos el
costo/tonelada de cada mezcla. As se tendra:

Para T1: $850/ton $800/ton = $50/ton

Para T2: $850/ton $400/ton = $450/ton

Para T3: $850/ton $600/ton = $250/ton

Para T4: $850/ton $500/ton = $350/ton

Aparte se tiene que no se podran responder a las preguntas 4 y 5 debido a que, como ya se
mencion antes, el anlisis de sensibilidad no presenta la informacin adecuada respecto al
rango para el cual la variacin del precio sombra se puede aplicar.

BIBLIOGRAFA

Gould Eppen Schmidt. Investigacin de Operaciones en la Ciencia Administrativa.

Editorial: Prentice Hall. 3ra Edicin.

Chiclayo, Febrero del 2015