Minutos por unidad Producto Mquina A, A2 B, B2 B3 Costo materiales Precio de venta Demanda 1 5 7 6 4 7 $250 $1250 800 2 10 9 8

3
-

12
-

11
-

Tiempo disponible min/sem 6000 10000 4000 7000 4000

Costo/sem a plena capacidad $300000 $321000 $250000 $770000 $200000

$350 $2000 600

$500 $2800 550

Se desea saber qu cantidades de los productos 1, 2 y 3 deben ser procesadas en cada mquina para que la utilidad obtenida sea mxima. VARIABLES REALES: ->t . 1 X, x2 X3 X4 X5 Producto 2 Y, Y2 Y, + Y2
-

Costo por minuto 3

-

Mquina A, A2 B, B2 B3

$50 $32,10 $62,50

u
-

$110 $50

Modelo (primal):
MAX Z = 1250(X, + X2) + 2000 (Y, + Y2) + 2800 U - 250 (X, + X2) - 350 (Y, + Y2) - 500 U - 50 (5 X, +10 Y,) - 32,10 ( 7 X , + 9 Y , + 12 U) - 62,50 [ 6X3 + 8 (Y, + Y,)] - .110 (4 X4 + 11 U ) - 50 (7 X s ) Sujeta a: 1. X 1 . ' + X ,2 - X 3 - X 4 - X, 5. 2. 5 X, + 10 Y, = < 0 6000

124

3. 7 X2 + 9 Y, + 12 U 4. 6 X 3 + 8 ( Y , + Y 2 ) 5. 4 X 4+ 11 U 6. 7X 5 7. X, + X2 8. Y , + Y 2 9. U X,, x2, x3, x4,

< <

10000 4000 7000 4000 800 600 550 0

<
< < < <

x5, Y,, Y,, U

>

Una fbrica de conservas vegetales est considerando la planificacin de la prxima campaa del meln. Las previsiones sobre la cosecha son optimistas y los expertos calculan que se dispondr de unas 100 toneladas de fruta, el 30% ser de la mejor calidad, llamada tcnicamente calidad A y el resto ser de calidad B. La calidad de un fruto est en relacin con aspectos tales como: calibre, grado de madurez y se mide en una escala de uno a diez, siendo diez el ndice de mejor calidad. La calidad Atiene un ndice medio de nueve puntos por kilo, mientras que la calidad B alcanza un ndice medio de cinco puntos por kilo. La fbrica comercializa el meln de dos maneras: en forma de enlatados de meln en almbar y en forma de frascos de vidrio de jugo de meln. Con un kilogramo de fruta pueden producirse dos latas de meln en almbar o bien tres frascos de jugo de meln. La fbrica piensa que puede vender todos las latas de fruta en conserva y frascos de jugo que pueda fabricar. No obstante, existen algunas limitaciones que han de tenerse presentes. En primer lugar, ha de tenerse en cuenta que la fruta destinada a conserva debe ser de una calidad superior. Esta calidad se ha fijado en un ndice mnimo de 8,5 puntos por kilo. En la obtencin de jugo puede emplearse fruta de cualquier calidad. En segundo lugar, el nmero mximo de latas que pueden producirse est limitado por las disponibilidades de material (hoja de lata, etiquetas, envases, etc.), la mano de obra, la competencia con otros productos de la empresa, etc. Despus de detenidos estudios, la direccin ha determinado que pueden producirse un mximo de 100000 latas de meln en almbar y un mximo de 240000 frascos de jugo de meln. Finalmente, por experiencias de campaas anteriores, se sabe que la cantidad de latas de meln vendidos nunca es inferior al 25%, ni superior al 40% de la cantidad de frascos de jugo vendidos. Recientes estudios de mercado realizados por una empresa de consultora confirman que estas proporciones se seguirn manteniendo durante la presente campaa. La empresa ha comprado las 100 toneladas de la cosecha al precio fijo de 500 unidades monetarias por kilo. Los costes de fabricacin y envasado suponen 700 unidades monetarias para una lata de fruta en conserva y 500 unidades monetarias para un frasco de jugo. La fbrica vende nicamente a mayoristas y distribuidores a un precio fijo de 2000 unidades monetarias la lata de meln en almbar y 1000 unidades monetarias el frasco de jugo de meln.

125

El objetivo de la fbrica de conservas es determinar el plan de produccin de la campaa del meln en orden a obtener el mayor beneficio posible. VARIABLES DE DECISION: XA: Nmero de kg de fruta de calidad A destinados a fabricar meln en almbar Xg: Cantidad de kg de fruta de calidad B destinados a producir meln en almbar Y a : Nmero de kg de fruta de calidad A destinados a fabricar jugo de meln Y b : Cantidad de kg de fruta de calidad B destinados a producir jugo de meln Z: Funcin de utilidad

Modelo (primal):
MAX Z = 2000 * 2 (XA + XB) - 700 * 2 (XA + XB) - 500 (XA + XB) + 1000 * 3 (YA + YB) - 500 * 3 (Y a + YB) - 500 (Y a + Y b ) Con sus restricciones: 1.
9X
X

a
A

+ 5 X
+
X

q
B

>

8,5

2. X a + Y a 3. X_ + Y D D 4. 2(X A + XB) 5. 3 ( Y a + Y b ) 6. 0,25 * 3 (Y a + Y 0 ) 2(X A + XB) 0 , 4 * 3 ( Y a + Y b )

X

< < < <

30000 70000 100000 240000

a> X b>Y a ,Y b

>

Resumiendo: MAX Z = 2100 X A +2100 X B + 1000 Y, + 1000 Y B n A Con sus restricciones: 1. 0,5 X4 - 3,5 XR ' A ' B 2. XA + Ya

>

<

30000

126

3
4 5

XA + 2Xa -2Xa

xB
XB

+ Yb

<
< < >

70000 100000 80000 0 0 0

6. 7.

Ya +Y b + 2Xb-0,75Ya-0,75Yb - 2 X b + 1,2Y a + 1,2Y b

X

> >

A '

B>

A '

En una empresa petrolfera se presentan los siguientes procesos: el proceso 1 es un proceso de destilacin en el que el petrleo bruto se transforma en un producto A, obtenindose diversos subproductos denominados S,. En este proceso, un barril de petrleo rinde 0,4 barriles de producto Ay 0,6 de S r La capacidad del proceso es de 80000 barriles diarios y el coste operativo (consumo de energa, etc.) es de 360000 unidades monetarias por barril de petrleo bruto. En el proceso 2, que es un proceso de refinamiento, el producto A es transformado en un producto B y en diversos subproductos denominados S2, de modo que un barril de Aproduce 0,7 barriles de B y 0,3 barriles de S2. La capacidad del proceso 2 es de 60000 barriles diarios y su costo operativo es de 480000 unidades monetarias por barril de producto A. Finalmente, el proceso 3 es un proceso de mezclado sin limitacin de capacidad y de costo despreciable. En l se mezclan los productos A y B para obtener los dos tipos de gasolina normal y extra que se comercializan. La nica condicin es que las mezclas han de efectuarse en las proporciones apropiadas a fin de que el octanaje de cada gasolina sea el adecuado. As, la gasolina normal debe tener un ndice mnimo de 90 octanos y la gasolina extra debe tener un ndice mnimo de 94 octanos. Por su parte el producto A tiene un ndice de 86 octanos y el producto B tiene un ndice de 96 -octanos. El ndice de una mezcla es la media ponderada de los ndices de los productos mezclados. La refinera compra el barril de petrleo a 20000 unidades monetarias. Todos los productos y subproductos pueden venderse directamente al exterior a los precios siguientes: S,: 2040 unidades monetarias/barril A: 3,125 unidades monetarias/barril B: 3850 unidades monetarias/barril S,: 3100 unidades monetarias/barri 1 Gasolina normal: 3800 unidades monetarias/barril

93.

- Gasolina extra: 4000 unidades monetarias/barril Por otra parte, se estima que la cantidad mxima de gasolina que se puede vender es de 20000 barriles de normal y de 50000 de extra. El problema de la empresa de petrleo es organizar el funcionamiento de la refinara, teniendo en cuenta que los beneficios obtenidos deben ser los mayores. VARIABLES REALES: P: Nmero de barriles de petrleo bruto que se deben comprar A: Cantidad de barriles del producto A que se deben obtener
127

A q : Nmero de barriles del producto A que se venden al exterior A,: Cantidad de barriles del producto A que se mezclan para obtener gasolina normal A,: Nmero de barriles del producto A que se mezclan para obtener gasolina extra S , : Cantidad de barriles del subproducto A que se deben obtener S2 : Nmero de barriles del subproducto A que se deben obtener B : Cantidad de barriles del producto B que se deben obtener B 0 : Nmero de barriles del producto B que se venden al exterior B!: Cantidad de barriles del producto B que se mezclan para obtener gasolina normal B 2 : Nmero de barriles del producto B que se mezclan para obtener gasolina extra G,: Cantidad de barriles de gasolina normal que se deben obtener G,: Cantidad de barriles de gasolina extra que se deben obtener Z : Funcin de utilidad.

Modelo (primal):
MAX Z = - 420000 P - 480000 A+ 90000 A0 + 60000 S, + 120000 S, + 110000 B0 + 100000 G, +130000G,

Sujeta a: 1. 2. 3. 4. 5. 6. 7. 8. 9. P < 80000 A < 60000 A := 0,4 P S, = 0,6 P A := A 0 + A 1 B = 0,7 A S2 = 0,3 A B = B0 + B , 4 B 2 G, = A, + B,

+ A2

10. G2 = A2 + B2 11. G, < 20000 12. G, < 50000

128

13

86A, +96B] A,+B,

>9Q

14

86 A 2 + 9 6 B 2 A2 + b 2

94

Resumiendo: MAX Z = - 420000 P - 480000 A + 90000 A0 + 60000 S, + 120000 S2 + 110000 B0 + 100000 G, + 130000 G, Sujeta a:
1.

< <
= =

80000 60000 0 0 0 0 0 0 0 0 20000 50000 0 0 0 I

2. A 3. A - 0,4 P 4. S, - 0,4 P = 0 0,6 P 5. A - AQ - A, - A2 6. B - 0,7 A 7. S2 - 0,3 A 8. b - b 0 - b , - b 2 9. G . - A . - B , 10. G2 - A2 - B2 11. 12.

G , 2

= = = = = =

< <
> > >

13. - 4 A, + 6 B, 14. - 6 A2 + 2 B2 P, A, A0, A,, A,, S,, S 2 , B, B0, B,, B2, G,, G2

9 4
* Un fabricante de artculos de consumo est trabajando con su departamento de publicidad en la distribucin del presupuesto de la campaa publicitaria de la nueva temporada; dicho presupuesto asciende a 500000000 de unidades monetarias y se pretende realizar una campaa de gran impacto que alcance al mayor nmero posible de consumidores.

129

Los medios de comunicacin que admiten publicidad pueden clasificarse del siguiente modo: televisin, radio, prensa diaria, revistas semanales y vallas publicitarias. Cada una de ellas presenta una rentabilidad publicitaria que viene medida por el cociente entre el nmero de consumidores a los que potencialmente llega dicho anuncio y el coste de dicho anuncio en el medio de que se trate. Estas rentabilidades se obtienen a partir del estudio general de medios de comunicacin que peridicamente actualiza la difusin de cada emisora, publicacin peridica, etc., junto con las tarifas de publicidad que proporcionan dichos medios. En la siguiente tabla, que el agente de publicidad pone a disposicin de su cliente, se muestran dichos cocientes para la prxima temporada, tanto globalmente, como por segmentos de consumidores, segn una clasificacin de inters para el anunciante. Educacin superior 9 9 8 3 1

Total Televisin Radio Prensa diaria Revistas semanales Vallas publicitarias 10 9 6 4 1

Jvenes 15 12 3 1 0

Mujeres 11 14 2 5 3

Por las caractersticas de los productos que se anuncian se piensa que el nmero adecuado de personas a los que puede llegar la campaa en cada segmento sera el siguiente: jvenes superior a 2000000, mujeres superior a 3500000, educacin superior superior a 2500000. Para asegurar una difusin conveniente, no debe gastarse en ningn medio ms del 50% del presupuesto, ni menos del 5%; as mismo, la cantidad gastada en medios audiovisuales, televisin y radio, puede ser como mximo tres veces superior a la gastada en los otros tres medios. Plantear un modelo de programacin lineal para el problema del anunciante. VARIABLES DE DECISIN: Xf: Cantidad de unidades monetarias gastadas en publicidad en televisin X^: Unidades monetarias gastadas en publicidad en radio Xp: Cantidad de unidades monetarias gastadas en publicidad en prensa diaria X^: Unidades monetarias gastadas en publicidad en revistas semanales Xv; Cantidad de unidades monetarias gastadas en publicidad en vallas publicitarias Z: Funcin de utilidad

Modelo (primal):
MAX Z = 10 X T + 9 XR + 6 Xp + 4 X s + X y Sujeta a:

130

1. 2. 3. 4. 5. 6. 7. 8. 9. 10. 11. 12. 13. 14. 15.

XT + XR + Xp + x s + Xy 15X T +12X R + 3 X p + 4XS 11X T +14X R + 2 X p + 5X S + 3X V 9X T + 9 XR + 8 Xp + 3 X s + Xy XT + XR - 3X p - 3X S -3X V X,. Xj. XR XR Xp Xp Xs Xs Xv Xv XT, XR, Xp, X s , Xy

< > > > < > < > < > < > < > < >

500000000 2000000 3500000 2500000 0 25000000 250000000 25000000 250000000 20000000 2500000000 250000000 2500000000 250000000 2500000000 o

Una empresa que fabrica colchones, para la elaboracin de su producto estrella precisa de una serie de tareas ligadas por relaciones de precedencia; adems, cada tarea requiere de un tiempo de ejecucin indicado a continuacin: Tarea 1 2 3 4 5 6 7 8 9 Peso 0 2 5 7 10 12 17 21 26 Duracin 10 23 12 10 3 11 5 4 10 Tareas precedentes Ninguna 1 1 2 3,4 2 2 7 5,6

95.

Plantear el anterior problema como un modelo de programacin lineal, sabiendo que se requiere disminuir el tiempo total.

131

VARIABLES REALES: X.: Tiempo de comienzo asociado a la tarea i, i = 1,2, 3,4, 5, 6, 7, 8, 9 W: Funcin de costo

Modelo (primal):
1 MIN W = (0 X, + 2 X2 + 5 X3 + 7 X4 + 10 X5 + 12 X6 + 17 X7 + 21 Xg + 26 X9) Sujeta a: 1. x , 2. - X, 3. - X, 4. 5. 6. 7. 8. 9. 10. 11. -x5 X6 - x2 - x2 - x2 - X.
+
=

0 10 10 23 12 10 23 23 5 3 11 0

X2
+

> X3
+

> X4 + x5 - X, . 4 + x5 H -x6 + X7 -x7+xs

+ +

>
> > > > > X9 X9 > > >

x . , x , , x , x 4 , X5, X , X X , X

Una empresa necesita tener cada da de la semana al menos el siguiente nmero de empleados: Da Empleados Lunes 16 Martes 15 Mircoles 17 Jueves 19 Viernes 14 Sbado 12 Domingo 18

Si se sabe que atendiendo a convenios laborales cada empleado har su semana laboral trabajando cinco das consecutivos, comenzando cuando la empresa lo considere y que cada contrato le supone un costo de 300000 unidades monetarias por semana. Cuntos empleados deber contratar y qu das deber trabajar cada uno de ellos con el objetivo de minimizar los costos de contratacin?

132

VARIABLES DE DECISIN: X,: Cantidad de empleados que empiezan a trabajar el lunes X0: Nmero de empleados que comienzan a laborar el martes X3: Cantidad de empleados que empiezan a trabajar el mircoles X4: Nmero de empleados que comienzan a laborar el jueves X5: Cantidad de empleados que empiezan a trabajar el viernes X6: Nmero de empleados que comienzan a laborar el sbado X?: Cantidad de empleados que empiezan a trabajar el domingo W: Funcin de costo.

Modelo (primal):
MIN W = 300000 (X,I + X, + X, + X, + X, + X,+ X,) 2 3 4 5 6 7'
V

Sujeta a:
1.

X,
X

+ x 4 + x 5 + x6+x7
2
+ X

>

16 15 17 19 14 12 18 0

2. X, +

+ x5 + x 6 + x 7
3
+ X 6 + X

> >
> > > > >

+ 4. X, +
3. X, 5. X, + 6. 7.

x3 + x4 x3
+

+x 7

x4+x5
4 +

x3 + x

s +

x3 + x 4 + x 5 + x 6 + x 7
X

2>

3>

4 '

5>

6 '

Cinco corredores de fondo de un mismo equipo tienen que repartirse la nica bicicleta del equipo para lograr llegar a la meta en el menor tiempo posible; en la siguiente tabla se muestra las velocidades, en kilmetros por hora, caminando y en bicicleta de cada corredor: Deportista Caminando en bicicleta nl (Km/h) 4 7 n2 (Km/h) 2 8 n3 (Km/h) 3 7 n4 (Km/h) 2 9 n5 (Km/h) 3 8

Sabiendo que los deportistas salen todos juntos desde el mismo punto de salida y que la meta se encuentra a 10 kilmetros del mismo, plantear un modelo matemtico de programacin lineal que resuelva el problema de optimizar el uso de la bicicleta en cada momento del trayecto, para que el ltimo deportista llegue al punto de destino lo antes posible.
133

VARIABLES REALES: X,: Cantidad de kilmetros que el deportista nl hace en bicicleta Xn: Nmero de kilmetros que el deportista n2 recorre en bicicleta X3: Cantidad de kilmetros que el deportista n3 hace en bicicleta X4: Nmero de kilmetros que el deportista n4 recorre en bicicleta X5: Cantidad de kilmetros que el deportista n5 hace en bicicleta T: Tiempo mnimo empleado por el grupo en el recorrido, determinado como el tiempo empleado por el ltimo deportista del grupo que llega a la meta

Modelo (primal):
MIN W = T Sujeta a: X, 10-X, +7 4 <

1.

X, 1 0 - X1, 2. + X, 1 0 - X1, 3. +

<

'

2 < = > T 10 o

X5 10-X, 5. + 6. X , + X2 + X3 + X4 + X5 X , X X , X4, x

El Club Deportivo Once Caldas ha colocado sus acciones en bolsa y un inversionista ha descubierto la clave para obtener el beneficio que en el terreno de juego el resto de los accionistas no han conseguido en toda la temporada; el funcionamiento es el siguiente: al inicio de la temporada se puede invertir en ella una cantidad cualquiera de X unidades monetarias, al empezar la siguiente temporada se debe invertir adicionalmente X/2 unidades monetarias y luego pasada otra temporada se obtienen 2 X unidades monetarias. Lo conseguido en estas acciones al final de una temporada puede ser reinvertido de nuevo en dichas acciones al comienzo de la siguiente, si se desea; si en el momento

98.

134

actual el inversionista dispone de 10000000 unidades monetarias. Cul debe ser su plan de inversin en tales acciones para disponer de un mximo capital dentro de seis aos? Temporadas 0 Nueva inversin X0 Inversin adicional

Beneficios

i * 1 X,

2X0 2Xi

2 3

x2 X3

i *

2 X2 2X3

i " ' 4 5 6 X4

Ix.

2 X,

VARIABLES DE DECISIN: X: Cantidad de dinero invertido al inicio de la temporada i - sima i = l , 2 , 3,4, 5 , 6 Z: Funcin de utilidad Debido a las condiciones de las acciones, conviene que X5 = 0 y X6 = 0, porque estas inversiones no producen beneficios dentro de las seis temporadas.

Modelo (primal):
t) 1 1 1 1 1 2 + X MAX Z = 2 Xo+ 2 X .1 + ~ 2 X, 2 3 + 2- X4 . + 100000 Sujeta a: 1 1. X, + - X0 < 100000-X 0

135

2. X

+|x,

<

100000+ ^ X 0 - X , 100000+ x0+ -x,-x

3. x 3 + ^

x2

<

1 4. x . + - X, 3 4 2
5

<

100000+

1 1 - x 0 + - x ,1 + 2 2

1 -x,-x, 2 2 3

1 - 2X4 X,, X2, X3, X4

>

1 100000+ j X 0 + 0

1 1 1 X,+ - X2+ - X3-X4

Resumiendo: MAX Z = 2 X 0 + 2 X , + 2X 2 + 2X 3 + 2X 4 (Funcin objetivo equivalente a la anterior) Sujeta a: 3

1. - x0
2. - ~ x 0 +

+X,
| X, + x 2

<
<

100000
100000

3. - \

1 x 1 X, 1- - X, 3 3+ X 4 - - T 4 2 no- T 2 ' 2 2 + -2 X,
o 2 - - X, - - T - x 1. - 2- X, X. n - 2 2 X 2 3 +2 - 4

x0-

X,+ |

x2 + x3

<

100000

<

100000

<

100000

X,, X2, X3, X4

Un industrial desea determinar el programa ptimo para tres mezclas distintas que hace con diferentes proporciones de pistachos, avellanas y castaas. Las especificaciones de cada una de ellas son: la mezcla 1 debe contener 50% de pistachos como mnimo y 25% de castaas cuando ms; la libra de esta mezcla se vende a 500 unidades monetarias. El segundo tipo debe contener el 25% de pistachos, por lo menos y un 50% de castaas, cuando ms y se vende a 350 unidades monetarias la libra. El tercer tipo no tiene especificaciones y se vende a 250 unidades monetarias la libra. Sin embargo, estn restringidas las cantidades de materias primas que puede conseguir el industrial; las mximas por perodo son: 100 libras de pistacho, 60 libras de avellanas y 100 libras de castaas. Cada libra de pistachos le cuesta 650 unidades monetarias, la de avellanas 350 unidades monetarias y
136

y la de castaas 250 unidades monetarias. Se trata de determinar cuntas libras se deben preparar de cada mezcla, de manera que se obtengan las mximas utilidades. Plantear el anterior problema como un modelo de programacin lineal. DEFINICIN DE VARIABLES: X..: Z : Cantidad de libras de mezcla tipo i (i = 1, 2, 3) a asociar con las materias primas j (j = P: pistachos, A: avellanas y C: castaas) Funcin de utilidad

Modelo (primal):
MAX Z = 500 (X |p + X1A + X1C) + 350 (X2p + X2A + X2C) + 250 (X3p + X3A + X3C) - 650 (X |p + X2p + X3p) - 350 (X,A + X2A + X3A) - 250 (X, c + X2C + X3C) Sujeta a: 1. x 1 P
2

1 - (X1P + X]A + X1C) ^(X,p

2 + X

X, c

,A + X,C)

3. X2p
4

(X2p + X2A + X2C)

(X

2C

1 2

.ip + +

> j&m*
m

>S < 100

5.

X lp + X ; p +X 3 p

> BIBLIOTECA \

o' i *

6- X1A + X2A + X3A 7. X, + X, + X,

< <

60 100

Resumiendo: MAX Z = - 150 X lp + 150 X1A + 250 X, c - 300 X2p + 100 X2C - 400 X3p - 100 X Sujeta a:

137

I
x 2

l
, p x 2

i
, a " 2
x

'

I
2

l
X

IP

i
X

IA

"

X
4

ic

i
3

l
x

i
4
x

2P

2 A

"

2C

"

^ X 2P

^ X 2A

"

fX2C

> <
*

0 100
60

5.
6

X lp + x 2 p + X3P
x

, A

+ x

2 A

3A

7.

X, c + X2C + X3C x i p , x I A , x i c , x 2P , x 2A , x 2C , X3P, x 3A , X3C

< <

100 0

1 0 0 . Una empresa observa que las demandas de sus productos varan cada dos meses en el ao segn se ilustra en la siguiente tabla:

Perodo Demanda

Enero Febrero 100

Marzo Abril 230

Mayo Junio 100

Julio Agosto 235

Septiembre Octubre 100

Noviembre Diciembre 200

En cuanto a sus productos iniciales, dispone de dos suministradores con diferentes precios: el suministrador A produce en cada perodo 70 unidades y vende cada unidad a 300000 unidades monetarias, mientras que el suministrador B produce en cada perodo 100 unidades y las vende a 330000 unidades monetarias por unidad. Obviamente le conviene comprar en cada perodo tanto como sea posible al ms barato y lo menos al ms caro, pero la exigencia de satisfacer las demandas obliga a la empresa el tener que disponer siempre del nmero de productos demandados, teniendo presente que el costo de conservar en su almacn un producto que llega en un perodo y sale en el siguiente es de 15000 unidades monetarias por unidad; esta ltima situacin puede aparecer, ya que algunos perodos la demanda supera la oferta de los suministradores. Plantear un modelo matemtico para el problema de planificar la compra a los suministradores y el almacenamiento, de manera que se minimicen los costos totales de un ao especfico (es decir, no hay nada almacenado antes de enero, ni hay nada que guardar despus de diciembre).

138

VARIABLES DE DECISIN: X: Nmero de unidades procedentes del suministrador A al inicio del perodo i - simo i e {1,2,3,4,5,6}

Y. : Cantidad de unidades procedentes del suministrador B al inicio del perodo i - simo i e {1,2,3,4,5,6} U. : Nmero de unidades almacenadas durante el perodo i - simo i e {1,2,3,4,5,6} W : Funcin de costos Se observa que U, = 0 y que si U7 representa las unidades que deben estar almacenadas despus del perodo sexto, entonces U7 = 0.

Modelo (primal):

MIN W =

300000 (X, + X2 + X3 + X4 + X5 + X6) + 330000 (Y, + Y2 + Y3 + Y4 + Ys + Y6) + 15000 (U2 + U3 + U4 + U5 + U6)

Sujeta a : 1. X . + Y . - U , 2. x 2 + Y2 + U, -U 3 3.
X

=.

100 230 100 235 100 200

'

-U4

4. x 4 + Y4 + U3 -U 5 5. 6.
X

5 + YS + U 4 - U 6
6

Y6 + U5 0 < X1 0 < Y1 u < <

70 100 0

>

139

BIBLIOGRAFA

ACKOFF Russell L., SASIENI Maurice W. Fundamentos de investigacin de operaciones. Limusa. Mxico: 1965. ANDERSON David R., et al. Mtodos cuantitativos para los negocios. Thomson. Mxico: 2005. ARBONES Malisani Eduardo A. Optimizacin Marcombo. Barcelona: 1989. industrial (I): Distribucin de los recursos.

ARREOLA R. J. S., ARREOLA R. A. Programacin lineal. Thomson. Mxico: 2003. BARBOLLA Rosa, et al. Optimizacin. Prentice Hall. Madrid: 2001. BARSOV A.S. Qu es programacin lineal? Limusa Wiley. Mxico: 1972. BAZARAA S., et al. Programacin lineal y flujo en redes. Limusa. Mxico: 1998. BAZARAA S. Mokhtar, et al. Nonlinear programming. John Wiley & Sons, Inc. Singapore 1993. BERGREN Stephen. Algunas tcnicas de la investigacin Universidad Tecnolgica de Pereira: 1976. de operaciones. Mimeografiado

BIERMAN Harold Jr., et al. Anlisis cuantitativo para los negocios. Me Graw-Hill Irwin. Bogot: 1999. BOIZN Jstiz Meinardo Alberto. Optimizacin. Editorial Pueblo y Educacin. La Habana: 1988. BRONSON Richard. Investigacin de operaciones. Me Graw-Hill (Coleccin Schaum). Mxico: 1982. BUFFA Elwood S. Direccin de operaciones. Limusa. Mxico: 1973. BUFFA S. Elwood, DYER S. James. Ciencias de la administracin e investigacin de operaciones. Limusa. Mxico: 1982. BUFFA S. Elwood, SARIN Rakesh K. Administracin Limusa. Mxico: 1992. de la produccin y de las operaciones.

CAMACHO Quiroz Arturo. Principios de investigacin de operaciones. Ecafsa. Mxico: 1997. CHASE R. B., AQUILANO N. J. Direccin y administracin operaciones. Me Graw-Hill Irwin. Mxico: 1997. de la produccin y de las

CHEDIAK F. A. Investigacin de operaciones (Volumen I). Corporacin Universitaria de Ibagu. Ibagu: 2001. CHURCHMAN West C., et al. Introduccin a la investigacin de operaciones. Aguilar. Madrid: 1971. DACCARETT Enrique. Investigacin Bucaramanga: 1994. de operaciones. Universidad Industrial de Santander.

DANTZIG George Bernard. Linear programming and extensions. Princeton University Press. New Yersey: 1963.
141

DAVIS Roscoe K., MCKEOWN Patrick G. Modelos cuantitativos para administracin. Grupo Editorial Iberoamrica. Mxico: 1986. EDGAR T.F.,HIMMELBLAU D. M. Optimization of chemicalprocesses. Me Graw-Hill. Singapore: 1988. DE LA FUENTE O'Connor Jos Luis. Tecnologas computacionales para sistemas de ecuaciones, optimizacin lineal entera. Editorial Revert S.A. Barcelona: 1993. DOMINGUEZ Machuca Jos Antonio, et al. Direccin de operaciones. Aspectos estratgicos y metodolgicos en la produccin y los servicios. Me Graw-Hill. Madrid: 1995 DOMINGUEZ Machuca Jos Antonio, et al. Direccin de operaciones. operativos en la produccin y los servicios. Me Graw-Hill. Madrid: 1995. Aspectos tcticos y

DORAN Jody L., HERNNDEZ Eugenio. Las matemticas en la vida cotidiana. Addison-Wesley/ Universidad Autnoma de Madrid. Madrid: 1999. DORFMAN Robert, et al. Programacin lineal y anlisis econmico. Aguilar. Madrid: 1972. EPPEN G. D., et al. Investigacin de operaciones en la ciencia administrativa. Pearson. Mxico 1999. ESPINOSA Berriel Hctor M. Programacin lineal. Editorial Pax. Mxico: 1975. FOGARTY Donald W., et al. Administracin de la produccin e inventarios. CECSA. Mxico: 1993. GALLAGHER Charles A., WATSON Hugh J. Mtodos cuantitativos para la toma de decisiones en administracin. Me Graw-Hill. Mxico: 1982. GARCIA Cabaes Jaime, et al. Tcnicas de investigacin operativa. Editorial Paraninfo S.A. 1989. GASS Sal I. Linear programming. Me Graw-Hill. Singapore: 1994. GEREZ Vctor, CZITROM Vernica. Introduccin al anlisis de sistemas e investigacin operaciones. Representaciones y Servicios de Ingeniera S. A. Mxico: 1978. de

GOBERNA Torrent Miguel Angel, et al. Optimizacin lineal. Teora, mtodos y modelos. Me Graw Hill. Madrid: 2004. GONZALEZ Ariza Angel Len. Manual prctico de investigacin de operaciones I. Ediciones Uninorte. Barranquilla: 1998. GROSSMAN Stanley I. Aplicaciones de algebra lineal. Me Graw - Hill. Mxico: 1992. GUERRERO Casas Flor Mara. Curso de optimizacin. Ariel Economa. Barcelona: 1994. HANSEN Gregory A. Automatizacin. Prentice Hall. Mxico: 1997. HEIN Leonard W. El anlisis cuantitativo en las decisiones administrativas. Diana. Mxico: 1967. HIERCHE HENRI. Tcnicas modernas de gestin de empresas. Aguilar. Madrid: 1970. HILLIER Frederick S., LIEBERMAN Gerald J. Introduccin a la Investigacin de Operaciones. Me Graw-Hill. Mxico: 2001. HILLIER Frederick S., et al. Mtodos cuantitativos para administracin. Me Graw-Hill. Mxico: 2001. HOPEMAN Richard J. Administracin de produccin y operaciones. Cecsa. Mxico: 1993. HOROWITZ Ira. Introduccin Madrid: 1968.
142

al anlisis cuantitativo de los negocios. Ediciones del Castillo.

INFANTE Villarreal Arturo. Notas sobre investigacin (Mimeografiado). Santaf de Bogot D.C.: 1976.

operacional. Universidad de los Andes y Servicios de

JAUFFRED M. Francisco J., et al. Mtodos de optimizacin. Representaciones Ingeniera S. A. Mxico: 1980.

JIMNEZ Lozano Guillermo. Investigacin operativa I. Universidad Nacional de Colombia Sede Manizales Departamento de Administracin y Sistemas. Manizales: 2001. JIMENEZ Lozano Guillermo. Investigacin operativa II. Universidad Nacional de Colombia Sede Manizales Departamento de Administracin y Sistemas. Manizales: 2002. KALENATIC Dusko. Tcnicas de la investigacin operacional. Universidad Piloto de Colombia. Santaf de Bogot D.C.: 1992. KAUFMANN A. Mtodos y modelos de la investigacin de operaciones (Tomo I). Cecsa. Mxico: 1965. KAUFMANN A. Mtodos y modelos de la investigacin de operaciones (Tomo H). Cecsa. Mxico: 1966. KAUFMANN A., Henry-Labordre A. Mtodos y modelos de la investigacin de (Tomo III). Cecsa. Espaa: 1976. operaciones

LAWRENCE A. John, PASTERNACK A. Bany Ciencias administrativas aplicadas. CECSA. Mxico: 2004. LEVIN Richard I., KIRKPATRICK Charles A. Enfoques cuantitativos a la administracin. Cecsa. Mxico: 1983. LUENBERGER David E. Programacin lineal y no lineal. Addison - Wesley Iberoamericana. E.U.A.: 1989. MAROTO Alvarez Concepcin. Formulacin de modelos de programacin anlisis de sensibilidad. Universidad Politcnica de Valencia. Valencia: 1997. lineal, solucin y

MATHUR Kamlesh, Solow Daniel. Investigacin de operaciones Prentice-Hall Hispanoamericana S.A.Mxico: 1996. MICHA Elias. Matemticas discretas: Limusa. Mxico: 1998. MILLER M. David, SCHMIDT J. W. Ingeniera industrial e investigacin de operaciones. Noriega. Mxico: 1992. MITAL K.V. Mtodos de optimizacin. Limusa. Mxico: 1984. MONKS Joseph G. Administracin de operaciones. Me Graw-Hill. Mxico: 1987. MONTANO Agustn. Iniciacin al mtodo del camino crtico. Trillas. Mxico: 1972. MORA Escobar Hctor Manuel. Programacin lineal. Universidad Nacional de Colombia Sede Bogot D.C. Departamento de Matemticas y Estadstica. Bogot: 2004. MORA Escobar Hctor Manuel. Optimizacin no lineal y dinmica. Universidad Nacional de Colombia Sede Bogot D.C. Departamento de Matemticas y Estadstica. Bogot: 2001. MORA Jos Luis. Investigacin de operaciones e informtica. Trillas. Mxico; 1986. MORENO Osorio Luis G. Teora de la decisin. Universidad Nacional de Colombia Sede Santaf de Bogot D.C. Departamento de Matemticas y Estadstica. Bogot: 1995.
143

MOSKOWITZ Herbert, WRIGHT Gordon C. Investigacin de operaciones. Prentice Hall Carvajal. Cali: 1982. MURO Senz Javier. Prctica de a investigacin A. Barcelona: 1975. operativa empresarial. Editorial Labor S.

NAMAKFOROOSH Mohammad. Investigacin de operaciones. Limusa. Mxico: 1984. NARASIMHAN Sim, et al. Planeacin de la produccin y control de inventarios. Prentice-Hall Hispanoamericana, S.A. Mxico: 1996. NASH Stephen G, Sofer Ariela. Linear and nonlinearprogramming. Me Graw Hill. Singapore: 1996. NOBLE Ben, Daniel James W. Algebra lineal aplicada. Prentice Hall. Mxico: 2000. PENAFIEL Milln Luis. Programacin lineal. Trillas. Mxico: 1979. PEREZ S. Eduardo, CEBALLOS C. Fabio. lgebra y programacin lineal. Universidad Pontificia Bolivariana. Medelln: 2002. PIKE Ralph W., Guerra Lautaro G. Optimizacin en ingeniera. Alfaomega. Mxico: 1991. PRAWDA Witenberg Juan. Mtodos y modelos de investigacin de operaciones (Tomo 1). Limusa. Mxico 1982. PRAWDA Witenberg Juan. Mtodos y modelos de investigacin de operaciones (Tomo 2). Limusa. Mxico: 1982. QUESADA Ibargen Vctor Manuel. Programacin lineal y entera. Grficas El Cheque. Cartagena: 1997. RENDER Barry, STAIR Ralph M. Quantitative analysis for management. Render Allyn and Bacon. Massachusetts: 1988. RENDON Castao Hernn Daro, DAZ Serna Francisco Javier. Introduccin a la investigacin de operaciones. Universidad Nacional de Colombia Sede Medelln. Medelln: 2002. RINCON Abril Luis Alberto. Investigacin de operaciones para ingenieras y administracin de empresas. Universidad Nacional de Colombia Sede Palmira. Palmira: 2001. ROS Insua Sixto, et al. Programacin lineal y aplicaciones. Rama. Alfaomega. Santaf de Bogot: D.C.1998. ROS Insua Sixto. Investigacin operativa. Editorial Centro de Estudios Ramn Areces S.A. Madrid: 1996. ROS Garca Sixto. Modelizacin. Alianza Universidad. Madrid 1995. SAATY L. Thomas. Elementos de la teora de colas. Aguilar. Madrid: 1967. SABOGAL Snchez Carlos Arturo, ARDILA Romero Esperanza. Algebra y programacin Universidad Externado de Colombia. Bogot: 2003. SASIENI M., et al. Investigacin de operaciones. Limusa. Mxico: 1982. SCHNEIDER Kenneth C., RANDALL Byers C. Mtodos cuantitativos en administracin. Limusa. Mxico: 1982. SERRA de la Figuera Daniel. Mtodos cuantitativos para la toma de decisiones. Gestin 2000. Barcelona: 2004.
144

lineal.

SHAMBLIN James E.,STEVENS G. T. Investigacin de operaciones. Me Graw-Hill. Mxico: 1975. SINGLETON Robert R., TYNDALL William F. Introduccin programacin lineal. Editorial Labor. Barcelona: 1977. a la teora de juegos y a la

SOLER Fajardo Francisco et al. Algebra lineal y programacin lineal. Ecoe Ediciones. Bogot: 2003. TAHA Hamdy A. Investigacin de operaciones. Pearson Prentice Hall. Mxico: 2004. THIERAUF Robert J., GROSSE Richard A. Toma de decisiones por medio de investigacin de operaciones. Limusa. Mxico: 1982. TURNER J. C. Matemtica moderna aplicada: probabilidades, operativa. Alianza Universidad. Madrid: 1995. estadstica e investigacin

ULLMAN John E. Mtodos cuantitativos en administracin. Me Graw-Hill (Coleccin Schaum). Mxico: 1979. URIBE Alvaro. Programacin lineal. Universidad Nacional de Colombia Sede Santaf de Bogot D.C. :1976. VAN DEN BERGHE Edgar. Simulacin de decisiones gerenciales. Universidad Nacional de Colombia Sede Santaf de Bogot D.C. 1997. VARELA Jaime Enrique. Investigacin de operaciones. Fondo Educativo Interamericano. Santaf de Bogot D.C.: 1982. VARGAS Morales Germn. Modelos lineales en investigacin de operaciones. Universidad Distrital Francisco Jos de Caldas. Santaf de Bogot D.C.: 1990. VARGAS Morales Germn. Mtodos cuantitativos en produccin. Universidad Distrital Francisco Jos de Caldas. Santaf de Bogot D.C.: 1996. VENTSEL S. Elena. Investigacin de operaciones. Editorial Mir. Mosc: 1992. WAINRIGHT Martn E. Jr. Programacin lineal. Editorial Ateneo. Buenos Aires: 1978. WINSTON Wayne L. Investigacin de operaciones. Thomson. Mxico: 2004. WHITAKER David. Investigacin Madrid: 1988. operativa con el computador. Editorial Paraninfo S.A.

145