UNIVERSIDAD NACIONAL MAYOR

DE SAN MARCOS
FACULTAD DE QUÍMICA, INGENIERÍA QUÍMICA E
INGENIERIA AGROINDUSTRIAL

INVESTIGACIÓN OPERATIVA
TRABAJO n°1:
MODELOS MATEMÁTICOS EN INVESTIGACIÓN
OPERATIVA

ALUMNOS :

 Palacios Aguila Neil Xtofer 16070028

 Sánchez Sánchez Gino Alexander 14070156

PROFESORA : Mg. Juana Sandivar Rojas

FECHA DE ENTREGA : 28/07/18
 INDICE

Contenido
INDICE ........................................................................................................................................... 2
1-INTRODUCCIÓN ......................................................................................................................... 3
2-ENUNCIADO DE LOS PROBLEMAS ............................................................................................. 4
2.1-PROBLEMA #1:.................................................................................................................... 4
2.2-PROBLEMA #2:.................................................................................................................... 4
2.3-PROBLEMA #3:.................................................................................................................... 5
2.4-PROBLEMA #4:.................................................................................................................... 5
2.5-PROBLEMA #5: ................................................................................................................... 6
2.6-PROBLEMA #6: .................................................................................................................... 6
2.6)-PROBLEMA #6): ................................................................................................................. 6
2.7-PROBLEMA #7:.................................................................................................................... 7
3-PLANTEAMIENTO DE LOS MODELOS: ....................................................................................... 8
3.1-PROBLEMA #1:.................................................................................................................... 8
3.2-PROBLEMA #2:.................................................................................................................... 8
3.3-PROBLEMA #3:.................................................................................................................... 9
3.4-PROBLEMA #4:.................................................................................................................. 11
3.5-PROBLEMA #5:.................................................................................................................. 12
3.6-PROBLEMA #6:.................................................................................................................. 13
3.6)-PROBLEMA #6): ............................................................................................................... 14
3.7-PROBLEMA #7:.................................................................................................................. 14
4-INTERPRETACION DE LOS MODELOS PLANTEADOS Y/O RESULTADOS. ................................ 16
5-CONCLUSIONES Y PUNTOS DE APRENDIZAJE. ........................................................................ 17
6-BIBLIOGRAFÍA. ......................................................................................................................... 18
 1-INTRODUCCIÓN

Desde su origen, durante la segunda guerra mundial, la investigación

operativa ha tenido gran impacto en nuestro mundo, debido a que esta ha
tenido corte interdisciplinario y podía aplicarse prácticamente a cualquier
área en la que se requiera una asignación eficiente de los recursos, que bien
sabemos son limitados.

Es de gran importancia en nuestro enfoque como ingenieros, antes de la

investigación operativa, existía la llamada “Administración científica” que
se formaron en el pragmatismo de la ingeniería y métodos empíricos y
prácticos de la manufactura, los cuales promovían el uso de la intuición y
sentido común para identificar formas de trabajo más eficaces. Ahora, con
el uso de la investigación operativa se pudo “matematizar” más los
problemas, es decir construir modelos matemáticos, que son abstracciones
de los problemas de la realidad a símbolos y números. En este primer
trabajo se tiene como objetivo ir “despertando la mente” para más
adelante enfocarnos en problemas más complejos.
 2-ENUNCIADO DE LOS PROBLEMAS

2.1-PROBLEMA #1:

2.2-PROBLEMA #2:

2.2-PROBLEMA #2:
2.3-PROBLEMA #3:

2.4-PROBLEMA #4:
2.5-PROBLEMA #5:

2.6-PROBLEMA #6:

2.6)-PROBLEMA #6):
2.7-PROBLEMA #7:
 3-PLANTEAMIENTO DE LOS MODELOS:
3.1-PROBLEMA #1:
3.1. a - Definición de variables de decisión:
𝒙𝟏: 𝑰𝒏𝒗𝒆𝒓𝒔𝒊𝒐𝒏 𝒆𝒏 𝒊𝒏𝒎𝒖𝒆𝒃𝒍𝒆𝒔 𝑺. 𝑨 ($ 𝒊𝒏𝒗𝒆𝒓𝒔𝒊𝒐𝒏 𝒆𝒏 𝒊𝒏𝒎𝒖𝒆𝒃𝒍𝒆𝒔 𝑺. 𝑨)
𝒙𝟐: 𝑰𝒏𝒗𝒆𝒓𝒔𝒊𝒐𝒏 𝒆𝒏 𝑪𝒐𝒏𝒔𝒕𝒓𝒖𝒄𝒄𝒊𝒐𝒏𝒆𝒔 𝑺. 𝑨($ 𝒊𝒏𝒗𝒆𝒓𝒔𝒊𝒐𝒏 𝒆𝒏 𝑪𝒐𝒏𝒔𝒕𝒓𝒖𝒄𝒄𝒊𝒐𝒏𝒆𝒔 𝑺. 𝑨)
𝒙𝟑: 𝑰𝒏𝒗𝒆𝒓𝒔𝒊𝒐𝒏 𝒆𝒏 𝒑𝒊𝒔𝒐𝒔 𝑺. 𝑨($ 𝒊𝒏𝒗𝒆𝒓𝒔𝒊𝒐𝒏 𝒆𝒏 𝒑𝒊𝒔𝒐𝒔 𝑺. 𝑨)
𝒙𝟒: 𝑰𝒏𝒗𝒆𝒓𝒔𝒊𝒐𝒏 𝒆𝒏 𝑨𝒉𝒐𝒓𝒓𝒐𝒔 𝑺. 𝑨($ 𝒊𝒏𝒗𝒆𝒓𝒔𝒊𝒐𝒏 𝒆𝒏 𝑨𝒉𝒐𝒓𝒓𝒐𝒔 𝑺. 𝑨)
𝒙𝟓: 𝑰𝒏𝒗𝒆𝒓𝒔𝒊𝒐𝒏 𝒆𝒏 𝑩𝒂𝒏𝒄𝒐𝒎𝒊𝒙 𝑺. 𝑨($ 𝒊𝒏𝒗𝒆𝒓𝒔𝒊𝒐𝒏 𝒆𝒏 𝑩𝒂𝒏𝒄𝒐𝒎𝒊𝒙 𝑺. 𝑨)
𝒙𝟔: 𝑰𝒏𝒗𝒆𝒓𝒔𝒊𝒐𝒏 𝒆𝒏 𝑭𝒖𝒕𝒖𝒓𝒐 𝒂𝒈𝒓𝒊𝒄𝒐𝒍𝒂 𝑺. 𝑨($ 𝒊𝒏𝒗𝒆𝒓𝒔𝒊𝒐𝒏 𝒆𝒏 𝑭𝒖𝒕𝒖𝒓𝒐 𝒂𝒈𝒓𝒊𝒄𝒐𝒍𝒂 𝑺. 𝑨)
𝒙𝟕: 𝑩𝒐𝒏𝒐𝒔 𝒅𝒆 𝒆𝒔𝒕𝒂𝒅𝒐 ($ 𝒊𝒏𝒗𝒆𝒓𝒔𝒊𝒐𝒏 𝒆𝒏 𝑩𝒐𝒏𝒐𝒔 𝒅𝒆 𝒆𝒔𝒕𝒂𝒅𝒐)

3.1.b - Función objetivo:

 Maximización del rendimiento de las inversiones:
$ 𝒓𝒆𝒏𝒅𝒊𝒎𝒊𝒆𝒏𝒕𝒐
𝒁 = 𝟎. 𝟑𝟓 ( ) 𝒙𝟏 ($ 𝒊𝒏𝒗𝒆𝒓𝒔𝒊𝒐𝒏 𝒆𝒏 𝒊𝒏𝒎𝒖𝒆𝒃𝒍𝒆𝒔 𝑺. 𝑨) + 𝟎. 𝟑𝟑𝒙𝟐 + 𝟎. 𝟑𝟎𝒙𝟑 + 𝟎. 𝟐𝟕𝒙𝟒 + 𝟎. 𝟐𝟓𝒙𝟓 + 𝟎. 𝟏𝟓𝒙𝟔 + 𝟎. 𝟎𝟖𝒙𝟕
$ 𝒊𝒏𝒗𝒆𝒓𝒔𝒊𝒐𝒏 𝒆𝒏 𝒊𝒏𝒎𝒖𝒆𝒃𝒍𝒆𝒔 𝑺. 𝑨

3.1.c - Restricciones.
 Máximo cantidad de dinero que se puede invertir:
𝒙𝟏 ($ 𝒊𝒏𝒗𝒆𝒓𝒔𝒊𝒐𝒏) + 𝒙𝟐($ 𝒊𝒏𝒗𝒆𝒓𝒔𝒊𝒐𝒏 ) + 𝒙𝟑 + 𝒙𝟒 + 𝒙𝟓 + 𝒙𝟔 + 𝒙𝟕 + 𝒙𝟖 ≤ 𝟏𝟎 𝟎𝟎𝟎 𝟎𝟎𝟎 ($ 𝒊𝒏𝒗𝒆𝒓𝒔𝒊𝒐𝒏 )
 Limite de la cantidad que se puede invertir en el sector inmobiliario (25% del total):
𝒙𝟏 ($ 𝒊𝒏𝒗𝒆𝒓𝒔𝒊𝒐𝒏) + 𝒙𝟐 + 𝒙𝟑 ≤ 𝟎. 𝟐𝟓 𝒙 [𝒙𝟏 + 𝒙𝟐 + 𝒙𝟑 + 𝒙𝟒 + 𝒙𝟓 + 𝒙𝟔 + 𝒙𝟕] ($ 𝒊𝒏𝒗𝒆𝒓𝒔𝒊𝒐𝒏 𝒕𝒐𝒕𝒂𝒍𝒆𝒔)
 La inversión en renta fija (bonos de estado) debe ser al menos 10 % del total:
𝒙𝟕($ 𝒊𝒏𝒗𝒆𝒓𝒔𝒊𝒐𝒏) ≥ 𝟎. 𝟏𝟎 [𝒙𝟏 + 𝒙𝟐 + 𝒙𝟑 + 𝒙𝟒 + 𝒙𝟓 + 𝒙𝟔 + 𝒙𝟕] ($ 𝒊𝒏𝒗𝒆𝒓𝒔𝒊𝒐𝒏)
 La inversión en renta fija no debe superar la inversión en el sector inmobiliario:
𝒙𝟕($ 𝒊𝒏𝒗𝒆𝒓𝒔𝒊𝒐𝒏) ≤ 𝒙𝟏 + 𝒙𝟐 + 𝒙𝟑 ($ 𝒊𝒏𝒗𝒆𝒓𝒔𝒊𝒐𝒏)
 La suma de la inversión en Construcciones S.A y en pisos S.A debe ser al menos igual que la
mitad de la inversión en Inmuebles S.A:
𝒙𝟐($ 𝒊𝒏𝒗𝒆𝒓𝒔𝒊𝒐𝒏) + 𝒙𝟑 ≥ 𝟎. 𝟓𝟎 𝒙𝟏 ($ 𝒊𝒏𝒗𝒆𝒓𝒔𝒊𝒐𝒏)
 La inversión en Inmuebles S.A debe ser menor igual que 25% de la inversión en ahorros S.A:
𝒙𝟓 ($ 𝒊𝒏𝒗𝒆𝒓𝒔𝒊𝒐𝒏) ≥ 𝟎. 𝟐𝟓 𝒙𝟒 ($ 𝒊𝒏𝒗𝒆𝒓𝒔𝒊𝒐𝒏)

3.1.d - Condiciones de no negatividad:

𝒙𝟏, 𝒙𝟐, 𝒙𝟑, 𝒙𝟒, 𝒙𝟓, 𝒙𝟔, 𝒙𝟕 ≥ 𝟎

3.2-PROBLEMA #2:
3.2. a - Definición de variables de decisión

𝑥1 : 𝐶𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑒𝑛 𝑢𝑛𝑖𝑑𝑎𝑑𝑒𝑠 𝑑𝑒 𝑚𝑎𝑑𝑒𝑟𝑎 𝑡𝑒𝑟𝑐𝑖𝑎𝑑𝑎 𝑑𝑒𝑙 𝑡𝑖𝑝𝑜 𝐴

𝑥2 : 𝐶𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑒𝑛 𝑢𝑛𝑖𝑑𝑎𝑑𝑒𝑠 𝑑𝑒 𝑚𝑎𝑑𝑒𝑟𝑎 𝑡𝑒𝑟𝑐𝑖𝑎𝑑𝑎 𝑑𝑒𝑙 𝑡𝑖𝑝𝑜 𝐵
𝑥3 : 𝐶𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑒𝑛 𝑢𝑛𝑖𝑑𝑎𝑑𝑒𝑠 𝑑𝑒 𝑚𝑎𝑑𝑒𝑟𝑎 𝑡𝑒𝑟𝑐𝑖𝑎𝑑𝑎 𝑑𝑒𝑙 𝑡𝑖𝑝𝑜 𝐶
3.2.b - Función objetivo
 Maximización de utilidades:

$
𝐹. 𝑂: 𝑀𝑎𝑥 𝑍 = 40 ( ) 𝑥 (𝑢𝑛𝑖𝑑𝑎𝑑 𝑑𝑒 𝑚𝑎𝑑𝑒𝑟𝑎 𝑡𝑖𝑝𝑜 𝐴)
𝑢𝑛𝑖𝑑𝑎𝑑 𝑑𝑒 𝑚𝑎𝑑𝑒𝑟𝑎 𝑡𝑖𝑝𝑜 𝐴 1
+ 30𝑥2 + 20𝑥3
3.2. c - Restricciones.
-Capacidad máxima de horas en la operación tipo I
ℎ𝑜𝑟𝑎𝑠
2( )𝑥 (𝑢𝑛𝑖𝑑𝑎𝑑𝑒𝑠 𝑑𝑒 𝑚𝑎𝑑𝑒𝑟𝑎 𝑡𝑖𝑝𝑜 𝐴) + 5𝑥2 + 10𝑥3
𝑢𝑛𝑖𝑑𝑎𝑑𝑒𝑠 𝑑𝑒 𝑚𝑎𝑑𝑒𝑟𝑎 𝑑𝑒 𝑡𝑖𝑝𝑜 𝐴 1
≤ 900(ℎ)
-Capacidad máxima de horas en la operación tipo II
ℎ𝑜𝑟𝑎𝑠
2( )𝑥 (𝑢𝑛𝑖𝑑𝑎𝑑𝑒𝑠 𝑑𝑒 𝑚𝑎𝑑𝑒𝑟𝑎 𝑡𝑖𝑝𝑜 𝐴) + 5𝑥2 + 10𝑥3
𝑢𝑛𝑖𝑑𝑎𝑑𝑒𝑠 𝑑𝑒 𝑚𝑎𝑑𝑒𝑟𝑎 𝑡𝑖𝑝𝑜 𝐴 1
≤ 400(ℎ𝑜𝑟𝑎𝑠)
-Capacidad máxima de horas en la operación tipo III
ℎ𝑜𝑟𝑎𝑠
4( )𝑥 (𝑢𝑛𝑖𝑑𝑎𝑑𝑒𝑠 𝑑𝑒 𝑚𝑎𝑑𝑒𝑟𝑎 𝑡𝑖𝑝𝑜 𝐴) + 2𝑥2 + 2𝑥3
𝑢𝑛𝑖𝑑𝑎𝑑𝑒𝑠 𝑑𝑒 𝑚𝑎𝑑𝑒𝑟𝑎 𝑡𝑖𝑝𝑜 𝐴 1
≤ 600(ℎ𝑜𝑟𝑎𝑠)

3.2.d - Condiciones de no negatividad.

𝑥𝑗 ≥ 0

𝑗 = 1,2,3

3.3-PROBLEMA #3:
3.3. a - Definición de variables de decisión
𝒙𝟏𝟏 : 𝑩𝒂𝒓𝒓𝒊𝒍𝒆𝒔 𝒅𝒆 𝒄𝒓𝒖𝒅𝒐 𝑨 𝒒𝒖𝒆 𝒔𝒆 𝒆𝒎𝒑𝒍𝒆𝒂𝒓á 𝒑𝒂𝒓𝒂 𝒑𝒓𝒐𝒅𝒖𝒄𝒊𝒓 𝒈𝒂𝒔𝒐𝒍𝒊𝒏𝒂 𝒕𝒊𝒑𝒐 𝑺𝒖𝒑𝒆𝒓
𝒙𝟏𝟐 : 𝑩𝒂𝒓𝒓𝒊𝒍𝒆𝒔 𝒅𝒆 𝒄𝒓𝒖𝒅𝒐 𝑨 𝒒𝒖𝒆 𝒔𝒆 𝒆𝒎𝒑𝒍𝒆𝒂𝒓á 𝒑𝒂𝒓𝒂 𝒑𝒓𝒐𝒅𝒖𝒄𝒊𝒓 𝒈𝒂𝒔𝒐𝒍𝒊𝒏𝒂 𝒕𝒊𝒑𝒐 𝑵𝒐𝒓𝒎𝒂𝒍
𝒙𝟏𝟑 : 𝑩𝒂𝒓𝒓𝒊𝒍𝒆𝒔 𝒅𝒆 𝒄𝒓𝒖𝒅𝒐 𝑨 𝒒𝒖𝒆 𝒔𝒆 𝒆𝒎𝒑𝒍𝒆𝒂𝒓á 𝒑𝒂𝒓𝒂 𝒑𝒓𝒐𝒅𝒖𝒄𝒊𝒓 𝒈𝒂𝒔𝒐𝒍𝒊𝒏𝒂 𝒕𝒊𝒑𝒐 𝑬𝒖𝒓𝒐
𝒙𝟐𝟏 : 𝑩𝒂𝒓𝒓𝒊𝒍𝒆𝒔 𝒅𝒆 𝒄𝒓𝒖𝒅𝒐 𝑩 𝒒𝒖𝒆 𝒔𝒆 𝒆𝒎𝒑𝒍𝒆𝒂𝒓á 𝒑𝒂𝒓𝒂 𝒑𝒓𝒐𝒅𝒖𝒄𝒊𝒓 𝒈𝒂𝒔𝒐𝒍𝒊𝒏𝒂 𝒕𝒊𝒑𝒐 𝑺𝒖𝒑𝒆𝒓
𝒙𝟐𝟐 : 𝑩𝒂𝒓𝒓𝒊𝒍𝒆𝒔 𝒅𝒆 𝒄𝒓𝒖𝒅𝒐 𝑩 𝒒𝒖𝒆 𝒔𝒆 𝒆𝒎𝒑𝒍𝒆𝒂𝒓á 𝒑𝒂𝒓𝒂 𝒑𝒓𝒐𝒅𝒖𝒄𝒊𝒓 𝒈𝒂𝒔𝒐𝒍𝒊𝒏𝒂 𝒕𝒊𝒑𝒐 𝑵𝒐𝒓𝒎𝒂𝒍
𝒙𝟐𝟑 : 𝑩𝒂𝒓𝒓𝒊𝒍𝒆𝒔 𝒅𝒆 𝒄𝒓𝒖𝒅𝒐 𝑩 𝒒𝒖𝒆 𝒔𝒆 𝒆𝒎𝒑𝒍𝒆𝒂𝒓á 𝒑𝒂𝒓𝒂 𝒑𝒓𝒐𝒅𝒖𝒄𝒊𝒓 𝒈𝒂𝒔𝒐𝒍𝒊𝒏𝒂 𝒕𝒊𝒑𝒐 𝑬𝒖𝒓𝒐
𝒙𝟑𝟏 : 𝑩𝒂𝒓𝒓𝒊𝒍𝒆𝒔 𝒅𝒆 𝒄𝒓𝒖𝒅𝒐 𝑪 𝒒𝒖𝒆 𝒔𝒆 𝒆𝒎𝒑𝒍𝒆𝒂𝒓á 𝒑𝒂𝒓𝒂 𝒑𝒓𝒐𝒅𝒖𝒄𝒊𝒓 𝒈𝒂𝒔𝒐𝒍𝒊𝒏𝒂 𝒕𝒊𝒑𝒐 𝑺𝒖𝒑𝒆𝒓
𝒙𝟑𝟐 : 𝑩𝒂𝒓𝒓𝒊𝒍𝒆𝒔 𝒅𝒆 𝒄𝒓𝒖𝒅𝒐 𝑪 𝒒𝒖𝒆 𝒔𝒆 𝒆𝒎𝒑𝒍𝒆𝒂𝒓á 𝒑𝒂𝒓𝒂 𝒑𝒓𝒐𝒅𝒖𝒄𝒊𝒓 𝒈𝒂𝒔𝒐𝒍𝒊𝒏𝒂 𝒕𝒊𝒑𝒐 𝑵𝒐𝒓𝒎𝒂𝒍
𝒙𝟑𝟑 : 𝑩𝒂𝒓𝒓𝒊𝒍𝒆𝒔 𝒅𝒆 𝒄𝒓𝒖𝒅𝒐 𝑪 𝒒𝒖𝒆 𝒔𝒆 𝒆𝒎𝒑𝒍𝒆𝒂𝒓á 𝒑𝒂𝒓𝒂 𝒑𝒓𝒐𝒅𝒖𝒄𝒊𝒓 𝒈𝒂𝒔𝒐𝒍𝒊𝒏𝒂 𝒕𝒊𝒑𝒐 𝑬𝒖𝒓𝒐

3.3.b - Función objetivo.

 Maximización de gasolina tipo Euro producida:

𝒛 = 𝒙𝟏𝟏 + 𝒙𝟐𝟏 + 𝒙𝟑𝟏

3.3. c - Restricciones.
 Presupuesto diario máximo para compras:
$ $
𝟔𝟓 ( ) (𝒙𝟏𝟏 + 𝒙𝟏𝟐 + 𝒙𝟏𝟑 )(𝒃𝒂𝒓𝒓𝒊𝒍 𝒄𝒓𝒖𝒅𝒐 𝑨) + 𝟓𝟎 ( ) (𝒙𝟐𝟏 + 𝒙𝟐𝟐 + 𝒙𝟐𝟑 )(𝒃𝒂𝒓𝒓𝒊𝒍 𝒄𝒓𝒖𝒅𝒐 𝑩)
𝒃𝒂𝒓𝒓𝒊𝒍 𝒄𝒓𝒖𝒅𝒐 𝑨 𝒃𝒂𝒓𝒓𝒊𝒍 𝒄𝒓𝒖𝒅𝒐 𝑩
$
+ 𝟒𝟓 ( ) (𝒙𝟑𝟏 + 𝒙𝟑𝟐 + 𝒙𝟑𝟑 )(𝒃𝒂𝒓𝒓𝒊𝒍 𝒄𝒓𝒖𝒅𝒐 𝑪) ≤ 𝟓 𝟎𝟎𝟎 𝟎𝟎𝟎 ($)
𝒃𝒂𝒓𝒓𝒊𝒍 𝒄𝒓𝒖𝒅𝒐 𝑪
 Cantidad mínima de barriles diarios de crudo A que se debe comprar:
𝒙𝟏𝟏 (𝒃𝒂𝒓𝒓𝒊𝒍 𝒅𝒆 𝒄𝒓𝒖𝒅𝒐 𝑨 𝒑𝒂𝒓𝒂 𝒕𝒊𝒑𝒐 𝑺𝒖𝒑𝒆𝒓) + 𝒙𝟏𝟐 (𝒃𝒂𝒓𝒓𝒊𝒍 𝒅𝒆 𝒄𝒓𝒖𝒅𝒐 𝑨 𝒑𝒂𝒓𝒂 𝒕𝒊𝒑𝒐 𝑵𝒐𝒓𝒎𝒂𝒍)
+ 𝒙𝟏𝟑 (𝒃𝒂𝒓𝒓𝒊𝒍 𝒅𝒆 𝒄𝒓𝒖𝒅𝒐 𝑨 𝒑𝒂𝒓𝒂 𝒕𝒊𝒑𝒐 𝑬𝒖𝒓𝒐) ≥ 𝟐𝟓𝟎𝟎 (𝑩𝒂𝒓𝒓𝒊𝒍 𝒅𝒆 𝒄𝒓𝒖𝒅𝒐 𝑨)
 Disponibilidad diaria de crudo B:
𝒙𝟐𝟏 (𝒃𝒂𝒓𝒓𝒊𝒍 𝒅𝒆 𝒄𝒓𝒖𝒅𝒐 𝑩 𝒑𝒂𝒓𝒂 𝒕𝒊𝒑𝒐 𝑺𝒖𝒑𝒆𝒓) + 𝒙𝟐𝟐 (𝒃𝒂𝒓𝒓𝒊𝒍 𝒅𝒆 𝒄𝒓𝒖𝒅𝒐 𝑩 𝒑𝒂𝒓𝒂 𝒕𝒊𝒑𝒐 𝑵𝒐𝒓𝒎𝒂𝒍)
+ 𝒙𝟐𝟑 (𝒃𝒂𝒓𝒓𝒊𝒍 𝒅𝒆 𝒄𝒓𝒖𝒅𝒐 𝑩 𝒑𝒂𝒓𝒂 𝒕𝒊𝒑𝒐 𝑬𝒖𝒓𝒐) ≤ 𝟑𝟎𝟎𝟎 (𝒃𝒂𝒓𝒓𝒊𝒍 𝒅𝒆 𝒄𝒓𝒖𝒅𝒐 𝑩)
 Disponibilidad diaria de crudo C:
𝒙𝟑𝟏 (𝒃𝒂𝒓𝒓𝒊𝒍 𝒅𝒆 𝒄𝒓𝒖𝒅𝒐 𝑪 𝒑𝒂𝒓𝒂 𝒕𝒊𝒑𝒐 𝑺𝒖𝒑𝒆𝒓) + 𝒙𝟑𝟐 (𝒃𝒂𝒓𝒓𝒊𝒍 𝒅𝒆 𝒄𝒓𝒖𝒅𝒐 𝑪 𝒑𝒂𝒓𝒂 𝒕𝒊𝒑𝒐 𝑵𝒐𝒓𝒎𝒂𝒍)
+ 𝒙𝟑𝟑 (𝒃𝒂𝒓𝒓𝒊𝒍 𝒅𝒆 𝒄𝒓𝒖𝒅𝒐 𝑪 𝒑𝒂𝒓𝒂 𝒕𝒊𝒑𝒐 𝑬𝒖𝒓𝒐) ≤ 𝟕𝟎𝟎𝟎 (𝒃𝒂𝒓𝒓𝒊𝒍 𝒅𝒆 𝒄𝒓𝒖𝒅𝒐 𝑪)
 Demanda de gasolina Súper:
𝒙𝟏𝟏 (𝒃𝒂𝒓𝒓𝒊𝒍 𝒅𝒆 𝒄𝒓𝒖𝒅𝒐 𝑨 𝒑𝒂𝒓𝒂 𝒕𝒊𝒑𝒐 𝑺𝒖𝒑𝒆𝒓) + 𝒙𝟐𝟏 (𝒃𝒂𝒓𝒓𝒊𝒍 𝒅𝒆 𝒄𝒓𝒖𝒅𝒐 𝑩 𝒑𝒂𝒓𝒂 𝒕𝒊𝒑𝒐 𝑺𝒖𝒑𝒆𝒓)
+ 𝒙𝟑𝟏 (𝒃𝒂𝒓𝒓𝒊𝒍 𝒅𝒆 𝒄𝒓𝒖𝒅𝒐 𝑪 𝒑𝒂𝒓𝒂 𝒕𝒊𝒑𝒐 𝑺𝒖𝒑𝒆𝒓) = 𝟐𝟎𝟎𝟎 (𝑩𝒂𝒓𝒓𝒊𝒍 𝒅𝒆 𝒄𝒓𝒖𝒅𝒐 𝒔𝒖𝒑𝒆𝒓)
 Demanda de gasolina Normal:
𝒙𝟏𝟐 (𝒃𝒂𝒓𝒓𝒊𝒍 𝒅𝒆 𝒄𝒓𝒖𝒅𝒐 𝑨 𝒑𝒂𝒓𝒂 𝒕𝒊𝒑𝒐 𝑵𝒐𝒓𝒎𝒂𝒍) + 𝒙𝟐𝟐 (𝒃𝒂𝒓𝒓𝒊𝒍 𝒅𝒆 𝒄𝒓𝒖𝒅𝒐 𝑩 𝒑𝒂𝒓𝒂 𝒕𝒊𝒑𝒐 𝑵𝒐𝒓𝒎𝒂𝒍)
+ 𝒙𝟑𝟐 (𝒃𝒂𝒓𝒓𝒊𝒍 𝒅𝒆 𝒄𝒓𝒖𝒅𝒐 𝑪 𝒑𝒂𝒓𝒂 𝒕𝒊𝒑𝒐 𝑵𝒐𝒓𝒎𝒂𝒍)
= 𝟐𝟓𝟎𝟎(𝑩𝒂𝒓𝒓𝒊𝒍 𝒅𝒆 𝒄𝒓𝒖𝒅𝒐 𝑵𝒐𝒓𝒎𝒂𝒍)

 Componente 1 en gasolina tipo Super:

𝒃𝒂𝒓𝒓𝒊𝒍 𝒅𝒆 𝒄𝒐𝒎𝒑. 𝟏 𝒆𝒏 𝒄𝒓𝒖𝒅𝒐 𝑨
𝟎. 𝟖𝟎 ( ) 𝒙 (𝒃𝒂𝒓𝒓𝒊𝒍 𝒅𝒆 𝒄𝒓𝒖𝒅𝒐 𝑨 𝒑𝒂𝒓𝒂 𝒕𝒊𝒑𝒐 𝑺𝒖𝒑𝒆𝒓)
𝒃𝒂𝒓𝒓𝒊𝒍 𝒅𝒆 𝒄𝒓𝒖𝒅𝒐 𝑨 𝒑𝒂𝒓𝒂 𝒕𝒊𝒑𝒐 𝑺𝒖𝒑𝒆𝒓 𝟏𝟏
𝒃𝒂𝒓𝒓𝒊𝒍 𝒅𝒆 𝒄𝒐𝒎𝒑. 𝟏 𝒆𝒏 𝒄𝒓𝒖𝒅𝒐 𝑩
+ 𝟎. 𝟒𝟓 ( ) 𝒙 (𝒃𝒂𝒓𝒓𝒊𝒍 𝒅𝒆 𝒄𝒓𝒖𝒅𝒐 𝑩 𝒑𝒂𝒓𝒂 𝒕𝒊𝒑𝒐 𝑺𝒖𝒑𝒆𝒓)
𝒃𝒂𝒓𝒓𝒊𝒍 𝒅𝒆 𝒄𝒓𝒖𝒅𝒐 𝑩 𝒑𝒂𝒓𝒂 𝒕𝒊𝒑𝒐 𝑺𝒖𝒑𝒆𝒓 𝟐𝟏
𝒃𝒂𝒓𝒓𝒊𝒍 𝒅𝒆 𝒄𝒐𝒎𝒑. 𝟏 𝒆𝒏 𝒄𝒓𝒖𝒅𝒐 𝑪
+ 𝟎. 𝟑𝟎 ( ) 𝒙 (𝒃𝒂𝒓𝒓𝒊𝒍 𝒅𝒆 𝒄𝒓𝒖𝒅𝒐 𝑪 𝒑𝒂𝒓𝒂 𝒕𝒊𝒑𝒐 𝑺𝒖𝒑𝒆𝒓)
𝒃𝒂𝒓𝒓𝒊𝒍 𝒅𝒆 𝒄𝒓𝒖𝒅𝒐 𝑪 𝒑𝒂𝒓𝒂 𝒕𝒊𝒑𝒐 𝑺𝒖𝒑𝒆𝒓 𝟑𝟏
𝒃𝒂𝒓𝒓𝒊𝒍 𝒅𝒆 𝒄𝒐𝒎𝒑. 𝟏 𝒆𝒏 𝒄𝒓𝒖𝒅𝒐 𝑨
≥ 𝟎. 𝟖𝟎 ( )(𝒙𝟏𝟏 + 𝒙𝟐𝟏 + 𝒙𝟑𝟏 )(𝒃𝒂𝒓𝒓𝒊𝒍𝒆𝒔 𝒕𝒐𝒕𝒂𝒍𝒆𝒔 𝒑𝒂𝒓𝒂 𝑺𝒖𝒑𝒆𝒓)
𝒃𝒂𝒓𝒓𝒊𝒍𝒆𝒔 𝒕𝒐𝒕𝒂𝒍𝒆𝒔 𝒑𝒂𝒓𝒂 𝒔𝒖𝒑𝒆𝒓

 Componente 1 en gasolina tipo Normal:

𝟎. 𝟖𝟎𝒙𝟏𝟐 + 𝟎. 𝟒𝟓𝒙𝟐𝟐 + 𝟎. 𝟑𝟎𝒙𝟑𝟐 ≥ 𝟎. 𝟒𝟓 (𝒙𝟏𝟐 + 𝒙𝟐𝟐 + 𝒙𝟑𝟐 )

 Componente 1 en gasolina tipo Euro:

𝟎. 𝟖𝟎𝒙𝟏𝟑 + 𝟎. 𝟒𝟓𝒙𝟐𝟑 + 𝟎. 𝟑𝟎𝒙𝟑𝟑 ≤ 𝟎. 𝟑𝟎 (𝒙𝟏𝟑 + 𝒙𝟐𝟑 + 𝒙𝟑𝟑 )

 Componente 2 en gasolina tipo Super:

𝒃𝒂𝒓𝒓𝒊𝒍 𝒅𝒆 𝒄𝒐𝒎𝒑. 𝟐 𝒆𝒏 𝒄𝒓𝒖𝒅𝒐 𝑨
𝟎. 𝟏𝟎 ( ) 𝒙 (𝒃𝒂𝒓𝒓𝒊𝒍 𝒅𝒆 𝒄𝒓𝒖𝒅𝒐 𝑨 𝒑𝒂𝒓𝒂 𝒕𝒊𝒑𝒐 𝑺𝒖𝒑𝒆𝒓)
𝒃𝒂𝒓𝒓𝒊𝒍 𝒅𝒆 𝒄𝒓𝒖𝒅𝒐 𝑨 𝒑𝒂𝒓𝒂 𝒕𝒊𝒑𝒐 𝑺𝒖𝒑𝒆𝒓 𝟏𝟏
𝒃𝒂𝒓𝒓𝒊𝒍 𝒅𝒆 𝒄𝒐𝒎𝒑. 𝟐 𝒆𝒏 𝒄𝒓𝒖𝒅𝒐 𝑩
+ 𝟎. 𝟑𝟎 ( ) 𝒙 (𝒃𝒂𝒓𝒓𝒊𝒍 𝒅𝒆 𝒄𝒓𝒖𝒅𝒐 𝑩 𝒑𝒂𝒓𝒂 𝒕𝒊𝒑𝒐 𝑺𝒖𝒑𝒆𝒓)
𝒃𝒂𝒓𝒓𝒊𝒍 𝒅𝒆 𝒄𝒓𝒖𝒅𝒐 𝑩 𝒑𝒂𝒓𝒂 𝒕𝒊𝒑𝒐 𝑺𝒖𝒑𝒆𝒓 𝟐𝟏
𝒃𝒂𝒓𝒓𝒊𝒍 𝒅𝒆 𝒄𝒐𝒎𝒑. 𝟐 𝒆𝒏 𝒄𝒓𝒖𝒅𝒐 𝑪
+ 𝟎. 𝟒𝟎 ( ) 𝒙 (𝒃𝒂𝒓𝒓𝒊𝒍 𝒅𝒆 𝒄𝒓𝒖𝒅𝒐 𝑪 𝒑𝒂𝒓𝒂 𝒕𝒊𝒑𝒐 𝑺𝒖𝒑𝒆𝒓)
𝒃𝒂𝒓𝒓𝒊𝒍 𝒅𝒆 𝒄𝒓𝒖𝒅𝒐 𝑪 𝒑𝒂𝒓𝒂 𝒕𝒊𝒑𝒐 𝑺𝒖𝒑𝒆𝒓 𝟑𝟏
𝒃𝒂𝒓𝒓𝒊𝒍 𝒅𝒆 𝒄𝒐𝒎𝒑. 𝟐 𝒆𝒏 𝒄𝒓𝒖𝒅𝒐 𝑨
≤ 𝟎. 𝟏𝟎 ( )(𝒙𝟏𝟏 + 𝒙𝟐𝟏 + 𝒙𝟑𝟏 )(𝒃𝒂𝒓𝒓𝒊𝒍𝒆𝒔 𝒕𝒐𝒕𝒂𝒍𝒆𝒔 𝒑𝒂𝒓𝒂 𝑺𝒖𝒑𝒆𝒓)
𝒃𝒂𝒓𝒓𝒊𝒍𝒆𝒔 𝒕𝒐𝒕𝒂𝒍𝒆𝒔 𝒑𝒂𝒓𝒂 𝒔𝒖𝒑𝒆𝒓
 Componente 2 en gasolina tipo Normal:
𝟎. 𝟏𝟎𝒙𝟏𝟐 + 𝟎. 𝟑𝟎𝒙𝟐𝟐 + 𝟎. 𝟒𝟎𝒙𝟑𝟐 ≤ 𝟎. 𝟑𝟎 (𝒙𝟏𝟐 + 𝒙𝟐𝟐 + 𝒙𝟑𝟐 )
 Componente 2 en gasolina tipo Euro:

𝟎. 𝟏𝟎𝒙𝟏𝟑 + 𝟎. 𝟑𝟎𝒙𝟐𝟑 + 𝟎. 𝟒𝟎𝒙𝟑𝟑 ≥ 𝟎. 𝟒𝟎 (𝒙𝟏𝟑 + 𝒙𝟐𝟑 + 𝒙𝟑𝟑 )

  Componente 3 en gasolina tipo Super:
𝒃𝒂𝒓𝒓𝒊𝒍 𝒅𝒆 𝒄𝒐𝒎𝒑. 𝟑 𝒆𝒏 𝒄𝒓𝒖𝒅𝒐 𝑨
𝟎. 𝟎𝟓 ( ) 𝒙 (𝒃𝒂𝒓𝒓𝒊𝒍 𝒅𝒆 𝒄𝒓𝒖𝒅𝒐 𝑨 𝒑𝒂𝒓𝒂 𝒕𝒊𝒑𝒐 𝑺𝒖𝒑𝒆𝒓)
𝒃𝒂𝒓𝒓𝒊𝒍 𝒅𝒆 𝒄𝒓𝒖𝒅𝒐 𝑨 𝒑𝒂𝒓𝒂 𝒕𝒊𝒑𝒐 𝑺𝒖𝒑𝒆𝒓 𝟏𝟏
𝒃𝒂𝒓𝒓𝒊𝒍 𝒅𝒆 𝒄𝒐𝒎𝒑. 𝟑 𝒆𝒏 𝒄𝒓𝒖𝒅𝒐 𝑩
+ 𝟎. 𝟐𝟎 ( ) 𝒙 (𝒃𝒂𝒓𝒓𝒊𝒍 𝒅𝒆 𝒄𝒓𝒖𝒅𝒐 𝑩 𝒑𝒂𝒓𝒂 𝒕𝒊𝒑𝒐 𝑺𝒖𝒑𝒆𝒓)
𝒃𝒂𝒓𝒓𝒊𝒍 𝒅𝒆 𝒄𝒓𝒖𝒅𝒐 𝑩 𝒑𝒂𝒓𝒂 𝒕𝒊𝒑𝒐 𝑺𝒖𝒑𝒆𝒓 𝟐𝟏
𝒃𝒂𝒓𝒓𝒊𝒍 𝒅𝒆 𝒄𝒐𝒎𝒑. 𝟑 𝒆𝒏 𝒄𝒓𝒖𝒅𝒐 𝑪
+ 𝟎. 𝟐𝟓 ( ) 𝒙 (𝒃𝒂𝒓𝒓𝒊𝒍 𝒅𝒆 𝒄𝒓𝒖𝒅𝒐 𝑪 𝒑𝒂𝒓𝒂 𝒕𝒊𝒑𝒐 𝑺𝒖𝒑𝒆𝒓)
𝒃𝒂𝒓𝒓𝒊𝒍 𝒅𝒆 𝒄𝒓𝒖𝒅𝒐 𝑪 𝒑𝒂𝒓𝒂 𝒕𝒊𝒑𝒐 𝑺𝒖𝒑𝒆𝒓 𝟑𝟏
𝒃𝒂𝒓𝒓𝒊𝒍 𝒅𝒆 𝒄𝒐𝒎𝒑. 𝟑 𝒆𝒏 𝒄𝒓𝒖𝒅𝒐 𝑨
≥ 𝟎. 𝟎𝟓 ( )(𝒙𝟏𝟏 + 𝒙𝟐𝟏 + 𝒙𝟑𝟏 )(𝒃𝒂𝒓𝒓𝒊𝒍𝒆𝒔 𝒕𝒐𝒕𝒂𝒍𝒆𝒔 𝒑𝒂𝒓𝒂 𝑺𝒖𝒑𝒆𝒓)
𝒃𝒂𝒓𝒓𝒊𝒍𝒆𝒔 𝒕𝒐𝒕𝒂𝒍𝒆𝒔 𝒑𝒂𝒓𝒂 𝒔𝒖𝒑𝒆𝒓
 Componente 3 en gasolina tipo Normal:
𝟎. 𝟎𝟓 + 𝟎. 𝟐𝟎𝒙𝟐𝟐 + 𝟎. 𝟐𝟓𝒙𝟑𝟐 ≥ 𝟎. 𝟎𝟓 (𝒙𝟏𝟐 + 𝒙𝟐𝟐 + 𝒙𝟑𝟐 )
 Componente 3 en gasolina tipo Euro:

𝟎. 𝟎𝟓𝒙𝟏𝟑 + 𝟎. 𝟐𝟎𝒙𝟐𝟑 + 𝟎. 𝟐𝟓𝒙𝟑𝟑 ≥ 𝟎. 𝟐𝟓 (𝒙𝟏𝟑 + 𝒙𝟐𝟑 + 𝒙𝟑𝟑 )

3.3.d - Condiciones de no negatividad:

𝒙𝟏𝟐 , 𝒙𝟏𝟐, , 𝒙𝟏𝟑 , 𝒙𝟐𝟏 , 𝒙𝟐𝟐 , 𝒙𝟐𝟑 , 𝒙𝟑𝟏 , 𝒙𝟑𝟐 , 𝒙𝟑𝟑 ≥ 𝟎

3.4-PROBLEMA #4:
3.4. a - Definición de variables de decisión
𝑥1 : 𝐶𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑒𝑛 𝑢𝑛𝑖𝑑𝑎𝑑𝑒𝑠 𝑑𝑒 𝑐𝑢𝑐ℎ𝑖𝑙𝑙𝑜𝑠 𝑓𝑎𝑏𝑟𝑖𝑐𝑎𝑑𝑜𝑠 𝑡𝑖𝑝𝑜 𝐴
𝑥2 : 𝐶𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑒𝑛 𝑢𝑛𝑖𝑑𝑎𝑑𝑒𝑠 𝑑𝑒 𝑐𝑢𝑐ℎ𝑖𝑙𝑙𝑜𝑠 𝑓𝑎𝑏𝑟𝑖𝑐𝑎𝑑𝑜𝑠 𝑡𝑖𝑝𝑜 𝐵
𝑥3 : 𝐶𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑒𝑛 𝑢𝑛𝑖𝑑𝑎𝑑𝑒𝑠 𝑑𝑒 𝑐𝑢𝑐ℎ𝑖𝑙𝑙𝑜𝑠 𝑓𝑎𝑏𝑟𝑖𝑐𝑎𝑑𝑜𝑠 𝑡𝑖𝑝𝑜 𝐶
𝑥4 : 𝐶𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑒𝑛 𝑢𝑛𝑖𝑑𝑎𝑑𝑒𝑠 𝑑𝑒 𝑐𝑢𝑐ℎ𝑖𝑙𝑙𝑜𝑠 𝑓𝑎𝑏𝑟𝑖𝑐𝑎𝑑𝑜𝑠 𝑡𝑖𝑝𝑜 𝐷
𝑥5 : 𝐶𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑒𝑛 𝑢𝑛𝑖𝑑𝑎𝑑𝑒𝑠 𝑑𝑒 𝑐𝑢𝑐ℎ𝑖𝑙𝑙𝑜𝑠 𝑓𝑎𝑏𝑟𝑖𝑐𝑎𝑑𝑜𝑠 𝑡𝑖𝑝𝑜 𝐸
3.4.b - Función objetivo
Maximizar las ganancias
𝑀𝑎𝑥 𝑍: 15𝑥1 + 25.5𝑥2 + 14𝑥3 + 19.5𝑥4 + 27𝑥5 − 4 ∗ 0.5𝑥1 − 2 ∗ 1.5𝑥1 − 6 ∗ 0.5𝑥2
− 8 ∗ 0.5𝑥2 − 1 ∗ 1.5𝑥3 − 3 ∗ 0.5𝑥3 − 2 ∗ 1.5𝑥4 − 5 ∗ 0.5𝑥4 − 6
∗ 1.5𝑥5 − 10 ∗ 0.5𝑥5
3.4.c - Restricciones.
Cantidad de horas por capacidad de la maquina 1
ℎ𝑜𝑟𝑎𝑠
0.05( )𝑥 (𝑐𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑑𝑒 𝑢𝑛𝑖𝑑𝑎𝑑𝑒𝑠 𝑑𝑒 𝑐𝑢𝑐ℎ𝑖𝑙𝑙𝑜 𝑡𝑖𝑝𝑜 𝐴)
𝑢𝑛𝑖𝑑𝑎𝑑 𝑑𝑒 𝑐𝑢𝑐ℎ𝑖𝑙𝑙𝑜 𝑡𝑖𝑝𝑜 𝐴 1
+ 0.15𝑥2 + 0.2𝑥3 + 0.15𝑥4 + 0.05𝑥5 ≤ 1500(ℎ𝑜𝑟𝑎𝑠)
Cantidad de horas por capacidad de la maquina 2
ℎ𝑜𝑟𝑎𝑠
0.10( )𝑥 (𝑐𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑑𝑒 𝑢𝑛𝑖𝑑𝑎𝑑𝑒𝑠 𝑑𝑒 𝑐𝑢𝑐ℎ𝑖𝑙𝑙𝑜 𝑡𝑖𝑝𝑜 𝐴)
𝑢𝑛𝑖𝑑𝑎𝑑 𝑑𝑒 𝑐𝑢𝑐ℎ𝑖𝑙𝑙𝑜 𝑡𝑖𝑝𝑜 𝐴 1
+ 0.10𝑥2 + 0.05𝑥3 + 0.10𝑥4 + 0.10𝑥5 ≤ 1400(ℎ𝑜𝑟𝑎𝑠)
Cantidad de horas por capacidad de la maquina 3
ℎ𝑜𝑟𝑎𝑠
0.15( )𝑥 (𝑐𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑑𝑒 𝑢𝑛𝑖𝑑𝑎𝑑𝑒𝑠 𝑑𝑒 𝑐𝑢𝑐ℎ𝑖𝑙𝑙𝑜 𝑡𝑖𝑝𝑜 𝐴)
𝑢𝑛𝑖𝑑𝑎𝑑 𝑑𝑒 𝑐𝑢𝑐ℎ𝑖𝑙𝑙𝑜 𝑡𝑖𝑝𝑜 𝐴 1
+ 0.05𝑥2 + 0.10𝑥3 + 0.10𝑥4 + 0.10𝑥5 ≤ 1600(ℎ𝑜𝑟𝑎𝑠)
Cantidad de horas por capacidad de la maquina 4
ℎ𝑜𝑟𝑎𝑠
0.05( )𝑥 (𝑐𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑑𝑒 𝑢𝑛𝑖𝑑𝑎𝑑𝑒𝑠 𝑑𝑒 𝑐𝑢𝑐ℎ𝑖𝑙𝑙𝑜 𝑡𝑖𝑝𝑜 𝐴)
𝑢𝑛𝑖𝑑𝑎𝑑 𝑑𝑒 𝑐𝑢𝑐ℎ𝑖𝑙𝑙𝑜 𝑡𝑖𝑝𝑜 𝐴 1
+ 0.05𝑥2 + 0.2𝑥3 + 0.10𝑥4 + 0.05𝑥5 ≤ 1500(ℎ𝑜𝑟𝑎𝑠)
Límite de materia prima 1
𝑜𝑛𝑧𝑎𝑠
4( )𝑥 (𝑐𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑑𝑒 𝑢𝑛𝑖𝑑𝑎𝑑𝑒𝑠 𝑑𝑒 𝑐𝑢𝑐ℎ𝑖𝑙𝑙𝑜 𝑡𝑖𝑝𝑜 𝐴) + 6𝑥2
𝑢𝑛𝑖𝑑𝑎𝑑 𝑑𝑒 𝑐𝑢𝑐ℎ𝑖𝑙𝑙𝑜 𝑡𝑖𝑝𝑜 𝐴 1
+ 1𝑥3 + 2𝑥4 + 6𝑥5 ≤ 75000(𝑜𝑛𝑧𝑎𝑠)
Límite de materia prima 2

𝑜𝑛𝑧𝑎𝑠
2( )𝑥 (𝑐𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑑𝑒 𝑢𝑛𝑖𝑑𝑎𝑑𝑒𝑠 𝑑𝑒 𝑐𝑢𝑐ℎ𝑖𝑙𝑙𝑜 𝑡𝑖𝑝𝑜 𝐴) + 8𝑥2
𝑢𝑛𝑖𝑑𝑎𝑑 𝑑𝑒 𝑐𝑢𝑐ℎ𝑖𝑙𝑙𝑜 𝑡𝑖𝑝𝑜 𝐴 1
+ 3𝑥3 + 5𝑥4 + 10𝑥5 ≤ 100000(𝑜𝑛𝑧𝑎𝑠)

3.4.d - Condiciones de no negatividad.

𝑥𝑗 ≥ 0

𝑗 = 1,2,3,4,5

3.5-PROBLEMA #5:
3.5. a - Definición de variables de decisión:
𝒙𝟏: 𝑪𝒐𝒏𝒕𝒆𝒏𝒆𝒅𝒐𝒓𝒆𝒔 𝒄𝒐𝒎𝒑𝒓𝒂𝒅𝒐𝒔 𝒂𝒍 𝒎𝒂𝒚𝒐𝒓𝒊𝒔𝒕𝒂 𝑨
𝒙𝟐: 𝑪𝒐𝒏𝒕𝒆𝒏𝒆𝒅𝒐𝒓𝒆𝒔 𝒄𝒐𝒎𝒑𝒓𝒂𝒅𝒐𝒔 𝒂𝒍 𝒎𝒂𝒚𝒐𝒓𝒊𝒔𝒕𝒂 𝑩

3.5.b - Función objetivo

 Minimización del rendimiento de las inversiones:
𝒌𝒎
𝒁 = 𝟏𝟓𝟎 ( ) 𝒙𝟏 (𝑪𝒐𝒏𝒕. 𝑨) + 𝟑𝟎𝟎 𝒙𝟐
𝒄𝒐𝒏𝒕. 𝑨

3.5.c - Restricciones.
 Cantidad de cajas de naranjas mínimas:
𝑪𝒂𝒋𝒂𝒔 𝒅𝒆 𝒏𝒂𝒓𝒂𝒏𝒋𝒂
𝟖( ) 𝒙𝟏 (𝑪𝒐𝒏𝒕. 𝑨) + 𝟐𝒙𝟐 ≥ 𝟏𝟔(𝒄𝒂𝒋𝒂𝒔 𝒅𝒆 𝒏𝒂𝒓𝒂𝒏𝒋𝒂𝒔)
𝒄𝒐𝒏𝒕. 𝑨
  Cantidad de cajas de plátanos mínimas:

𝑪𝒂𝒋𝒂𝒔 𝒅𝒆 𝒑𝒍𝒂𝒕𝒂𝒏𝒐𝒔
𝟏( ) 𝒙𝟏 (𝑪𝒐𝒏𝒕. 𝑨) + 𝟏𝒙𝟐 ≥ 𝟓(𝒄𝒂𝒋𝒂𝒔 𝒅𝒆 𝒑𝒍á𝒕𝒂𝒏𝒐𝒔)
𝒄𝒐𝒏𝒕. 𝑨
 Cantidad de cajas de manzanas mínimas :
𝑪𝒂𝒋𝒂𝒔 𝒅𝒆 𝒎𝒂𝒏𝒛𝒂𝒏𝒂𝒔
𝟐( ) 𝒙𝟏 (𝑪𝒐𝒏𝒕. 𝑨) + 𝟕𝒙𝟐 ≥ 𝟐𝟎 (𝒄𝒂𝒋𝒂𝒔 𝒅𝒆 𝒎𝒂𝒏𝒛𝒂𝒏𝒂𝒔)
𝒄𝒐𝒏𝒕. 𝑨
3.5.d - Condiciones de no negatividad.
𝒙𝟏, 𝒙𝟐 ≥ 𝟎

3.6-PROBLEMA #6:
3.6. a - Definición de variables de decisión
𝑥1 : # 𝑑í𝑎𝑠 𝑑𝑒 𝑡𝑟𝑎𝑏𝑎𝑗𝑜 𝑒𝑛 𝑚𝑖𝑛𝑎 𝐴.
𝑥2 : # 𝑑𝑖𝑎𝑠 𝑑𝑒 𝑡𝑟𝑎𝑏𝑎𝑗𝑜 𝑒𝑛 𝑚𝑖𝑛𝑎 𝐵.

3.6.b - Función objetivo

Z: Número de Días de trabajo
F.O.: 𝑀𝑖𝑛 𝑍 = 150𝑋1 + 200𝑋2
3.6.c - Restricciones.
Sujeto a:
- Toneladas mínimas de antracita de alta calidad requeridas por la empresa
𝑡𝑜𝑛𝑒𝑙𝑎𝑑𝑎 𝑑𝑒 𝑎𝑛𝑡𝑟𝑎𝑐𝑖𝑡𝑎 𝑑𝑒 𝑎𝑙𝑡𝑎 𝑐𝑎𝑙𝑖𝑑𝑎𝑑
1( ) 𝑥1 (𝑑𝑖𝑎 𝑑𝑒 𝑡𝑟𝑎𝑏𝑎𝑗𝑜 𝑒𝑛 𝑚𝑖𝑛𝑎 𝐴) + 2𝑥2
𝑑𝑖𝑎 𝑑𝑒 𝑡𝑟𝑎𝑏𝑎𝑗𝑜 𝑒𝑛 𝑙𝑎 𝑚𝑖𝑛𝑎 𝐴
≥ 70𝑡𝑜𝑛𝑒𝑙𝑎𝑑𝑎𝑠 𝑑𝑒 𝑎𝑛𝑡𝑟𝑎𝑐𝑖𝑡𝑎 𝑑𝑒 𝑎𝑙𝑡𝑎 𝑐𝑎𝑙𝑖𝑑𝑎𝑑
- Toneladas mínimas de antracita de media calidad requeridas por la empresa
𝑡𝑜𝑛𝑒𝑙𝑎𝑑𝑎 𝑑𝑒 𝑎𝑛𝑡𝑟𝑎𝑐𝑖𝑡𝑎 𝑑𝑒 𝑚𝑒𝑑𝑖𝑎 𝑐𝑎𝑙𝑖𝑑𝑎𝑑
2( ) 𝑥1 (𝑑𝑖𝑎 𝑑𝑒 𝑡𝑟𝑎𝑏𝑎𝑗𝑜 𝑒𝑛 𝑚𝑖𝑛𝑎 𝐴)
𝑑𝑖𝑎 𝑑𝑒 𝑡𝑟𝑎𝑏𝑎𝑗𝑜 𝑒𝑛 𝑙𝑎 𝑚𝑖𝑛𝑎 𝐴
+ 2𝑥2 ≥ 130𝑡𝑜𝑛𝑒𝑙𝑎𝑑𝑎𝑠 𝑑𝑒 𝑎𝑛𝑡𝑟𝑎𝑐𝑖𝑡𝑎 𝑑𝑒 𝑚𝑒𝑑𝑖𝑎 𝑐𝑎𝑙𝑖𝑑𝑎𝑑
- Toneladas mínimas de antracita de baja calidad requeridas por la empresa
𝑡𝑜𝑛𝑒𝑙𝑎𝑑𝑎 𝑑𝑒 𝑎𝑛𝑡𝑟𝑎𝑐𝑖𝑡𝑎 𝑑𝑒 𝑏𝑎𝑗𝑎 𝑐𝑎𝑙𝑖𝑑𝑎𝑑
4( ) 𝑥1 (𝑑𝑖𝑎 𝑑𝑒 𝑡𝑟𝑎𝑏𝑎𝑗𝑜 𝑒𝑛 𝑚𝑖𝑛𝑎 𝐴) + 2𝑥2
𝑑𝑖𝑎 𝑑𝑒 𝑡𝑟𝑎𝑏𝑎𝑗𝑜 𝑒𝑛 𝑙𝑎 𝑚𝑖𝑛𝑎 𝐴
≥ 150𝑡𝑜𝑛𝑒𝑙𝑎𝑑𝑎𝑠 𝑑𝑒 𝑎𝑛𝑡𝑟𝑎𝑐𝑖𝑡𝑎 𝑑𝑒 𝑏𝑎𝑗𝑎 𝑐𝑎𝑙𝑖𝑑𝑎𝑑

3.6.d - Condiciones de no negatividad.

𝑥𝑗 ≥ 0

𝑗 = 1,2
3.6)-PROBLEMA #6):
3.6). a - Definición de variables de decisión.
𝒙𝟏: 𝒌𝒈. 𝒅𝒆 𝒑𝒓𝒐𝒅𝒖𝒄𝒕𝒐 𝑨 𝒄𝒐𝒎𝒑𝒓𝒂𝒅𝒐𝒔
𝒙𝟐: 𝒌𝒈. 𝒅𝒆 𝒑𝒓𝒐𝒅𝒖𝒄𝒕𝒐 𝑩 𝒄𝒐𝒎𝒑𝒓𝒂𝒅𝒐𝒔

3.6).b - Función objetivo

 Minimización del costo en compra de productos:
$
𝒁 = 𝟔𝟎𝟎 ( ) 𝒙𝟏 (𝒌𝒈. 𝑨) + 𝟒𝟎𝟎 𝒙𝟐
𝒌𝒈 𝑨

3.6).c - Restricciones.
 Unidades mínimas de proteínas:
𝒖. 𝒑𝒓𝒐𝒕𝒆𝒊𝒏𝒂𝒔
𝟐( ) 𝒙𝟏 (𝒌𝒈. 𝑨) + 𝒙𝟐 ≥ 𝟖 (𝒖. 𝒑𝒓𝒐𝒕𝒆𝒊𝒏𝒂𝒔)
𝒌𝒈. 𝑨
 Unidades mínimas de hidratos:
𝒖. 𝒉𝒊𝒅𝒓𝒂𝒕𝒐𝒔
𝟔( ) 𝒙𝟏 (𝒌𝒈. 𝑨) + 𝒙𝟐 ≥ 𝟏𝟐 (𝒖. 𝒉𝒊𝒅𝒓𝒂𝒕𝒐𝒔)
𝒌𝒈. 𝑨
 Unidades mínimas de grasas:
𝒖. 𝒈𝒓𝒂𝒔𝒂𝒔
𝟏( ) 𝒙𝟏 (𝒌𝒈. 𝑨) + 𝟑𝒙𝟐 ≥ 𝟗 (𝒖. 𝒈𝒓𝒂𝒔𝒂𝒔)
𝒌𝒈. 𝑨

3.6).d - Condiciones de no negatividad.

𝒙𝟏, 𝒙𝟐 ≥ 𝟎

3.7-PROBLEMA #7:
3.7. a - Definición de variables de decisión
𝑥1 : 𝐶𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑑𝑒 𝑔 𝑑𝑒 𝑠𝑢𝑠𝑡𝑎𝑛𝑐𝑖𝑎 𝐴 (𝑔)
𝑥2 : 𝐶𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑑𝑒 𝑔 𝑑𝑒 𝑠𝑢𝑠𝑡𝑎𝑚𝑐𝑖𝑎 𝐵 (𝑔)

3.7.b - Función objetivo

Maximizar beneficios
𝑚𝑖𝑙𝑙𝑜𝑛𝑒𝑠 𝑑𝑒 $ 𝑚𝑖𝑙𝑙𝑜𝑛𝑒𝑠 𝑑𝑒 $
𝐹. 𝑂: 𝑀𝑎𝑥𝑍 = 5 ( ) 𝑥1 (𝑔 𝑑𝑒 𝑖𝑛𝑠𝑢𝑚𝑜 𝐵) − 4( )𝑥 (𝑔 𝑑𝑒 𝑝𝑟𝑜𝑑𝑢𝑐𝑡𝑜 𝐴)
𝑔 𝑑𝑒 𝑖𝑛𝑠𝑢𝑚𝑜 𝐵 𝑔 𝑑𝑒 𝑝𝑟𝑜𝑑𝑢𝑐𝑡𝑜 𝐴 2
3.7. c - Restricciones.
Sujeto a:
- Cantidad de gramos utilizados de insumo B.

𝑥2 (𝑔) ≥ 1
-Límite de producción de gramos de producto A.
𝑥1 (𝑔) ≤ 1
-Diferencia máxima de gramos de producto B y A.

𝑥2 (𝑔) − 𝑥1 (𝑔) ≤ 2
-Suma máxima de gramos de producto A y B.
𝑥2 (𝑔) + 𝑥1 (𝑔) ≤ 5
-Suma máxima de gramos de producto A y B.
𝑥1 (𝑔) ≤ 2𝑥2 (𝑔)

3.7. d - Condiciones de no negatividad.

𝒙𝟏, 𝒙𝟐 ≥ 𝟎
 4-INTERPRETACION DE LOS MODELOS PLANTEADOS Y/O
RESULTADOS.

De la variedad de problemas vistos, se observa que existen variables de

decisión “simples” denotadas como xj y y otras “múltiples” con forma Xij
Las cuales, a su vez necesitaran de más información en el planteamiento
para tener sus restricciones.
 5-CONCLUSIONES Y PUNTOS DE APRENDIZAJE.

 De la variedad de problemas desarrollados, observamos que los

modelos matemáticos se pueden aplicar a muchos casos, debido a
que su aplicación es prácticamente ilimitada.

 Definir las variables, determinar la función objetivo, así como

restringir las condiciones del problema es el paso crucial donde
nuestro problema se esquematiza y se lleva a un modelo
matemático. Sin un correcto planteamiento e interpretación del
problema no se llegará a ningún buen resultado. Por lo tanto, el
planteamiento es de suma importancia y se debe de seguir el mejor
de los cuidados.

 Las variables pueden ser escritas de muchas formas. El nominarlas

queda en cuestión de quien ve el problema. Pero se debe ajustar al
mejor criterio que se tenga y la comodidad en su uso.
 6-BIBLIOGRAFÍA.

 Hamdy A. Taha. (2012.) Investigación de operaciones (9na edición).

México: Pearson educación.