Documente Academic
Documente Profesional
Documente Cultură
Sailco Corporation tiene que determinar cuántos veleros hay que producir en cada uno de
los cuatro trimestres. La demanda durante cada uno de los siguientes cuatro trimestres es:
primer trimestre, 40 veleros; segundo trimestre, 60 veleros; tercer trimestre, 75 veleros;
cuarto trimestre, 25 veleros. Sailco tiene que cumplir a tiempo con las demandas.Al
principio del primer trimestre, Sailco tiene un inventario de 10 veleros. Durante cada
trimestre, Sailco pude producir hasta 40 veleros, en el tiempo regular de trabajo, a un
costo total de 400 dólares por velero. Sailco puede producir más veleros, al hacer que
trabajen tiempo extra los empleados durante un trimestre, a un costo total de 450 dólares
por velero. El costo de inventario por cada velero es de $ 20. Utilice la programación
lineal para determinar un programa de producción e inventario para Sailco.
PRODUCCIÓN DE VELEROS
4 4 4
𝑋𝑖 ≤ 𝑃𝑖 ∀𝑖 = 1. . 4
𝑆0 = 10
𝑆𝑖 = 𝑆𝑖−1 + 𝑋𝑖 + 𝑌𝑖 − 𝐷𝑖 ∀𝑖 = 2. . 4
𝑋𝑖, 𝑌𝑖, 𝑆𝑖 ≥ 0 ∀𝑖 = 1. . 4
PRODUCCIÓN DE VELEROS
PERIODO/1..4/:X,Y,S,DEMANDA;
ENDSETS
DATA:
S0=10;
DEMANDA= 40 60 75 25;
ENDDATA
MIN=@SUM(PERIODO(I): 400*X(I)+450*Y(I)+20*S(I));
S(1)=S0+ X(1)+Y(1)- DEMANDA(1);
X(1)<=40;
@FOR(PERIODO(I)|I#GT#1: S(I)= S(I-1)+ X(I)+Y(I)- DEMANDA(I); X(I)<=40);
End
PRODUCCIÓN DE VELEROS
MODEL:
[_1] MIN= 400 * X_1 + 450 * Y_1 + 20 * S_1 + 400 * X_2 + 450 * Y_2 + 20 * S_2 +
400 * X_3 + 450 * Y_3 + 20 * S_3 + 400 * X_4 + 450 * Y_4 + 20 * S_4;
[_2] - X_1 - Y_1 + S_1 = - 30;
[_3] X_1 <= 40;
[_4] - S_1 - X_2 - Y_2 + S_2 = - 60;
[_5] X_2 <= 40;
[_6] - S_2 - X_3 - Y_3 + S_3 = - 75;
[_7] X_3 <= 40;
[_8] - S_3 - X_4 - Y_4 + S_4 = - 25;
[_9] X_4 <= 40;
END
PRODUCCIÓN DE VELEROS
Variable Value Reduced Cost
S0 10.00000 0.000000
X( 1) 40.00000 0.000000
X( 2) 40.00000 0.000000
X( 3) 40.00000 0.000000
X( 4) 25.00000 0.000000
Y( 1) 0.000000 20.00000
Y( 2) 10.00000 0.000000
Y( 3) 35.00000 0.000000
Y( 4) 0.000000 50.00000
S( 1) 10.00000 0.000000
S( 2) 0.000000 20.00000
S( 3) 0.000000 70.00000
S( 4) 0.000000 420.0000
DEMANDA( 1) 40.00000 0.000000
DEMANDA( 2) 60.00000 0.000000
DEMANDA( 3) 75.00000 0.000000
DEMANDA( 4) 25.00000 0.000000
SETS:
Trimestre /1..4/: X, Y, INV, INV_INICIAL, Demanda, Produccion;
ENDSETS
DATA:
Demanda = 40 60 75 25;
Produccion = 40 40 40 40;
INV_INICIAL = 10 0 0 0;
ENDDATA
PRODUCCIÓN DE CAMISAS Y PANTALONES
Gandhi Co. fabrica camisas y pantalones. La demanda en los próximos 3 meses, la cual se debe cumplir a
tiempo, es la siguiente:
Mes 1 Mes 2 Mes 3
Camisas 10 12 14
Pantalones 15 14 13
Durante cada mes, cuesta $4 elaborar una prenda cualquiera en turno normal y cuesta $8 en turno extra. La
capacidad mensual de producción en turno normal es 25 prendas y la capacidad mensual de producción en
turno extra es ilimitada. Es posible almacenar prendas, a un costo de inventario mensual de $3 por prenda. Al
inicio del mes 1, en el almacén hay una camisa y 2 pantalones.
Cada camisa requiere 2 yardas2 de tela y cada pantalón requiere 3 yardas2 de tela. Lo máximo de tela que se
puede comprar y el costo de compra se muestran a continuación:
Mes 1 Mes 2 Mes 3
Máximo a comprar (yardas2) 100 90 80
Costo ($/yarda2) 2 1.5 1.8
Es posible almacenar tela en cada mes, con un costo de almacenamiento despreciable. Elabore un modelo de
programación lineal que permita satisfacer la demanda al mínimo costo total.
Índices:
𝑿𝒊𝒋 = 𝐶𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑒𝑛 𝑢𝑛𝑖𝑑𝑎𝑑𝑒𝑠 𝑎 𝑝𝑟𝑜𝑑𝑢𝑐𝑖𝑟 𝑒𝑛 𝑡𝑖𝑒𝑚𝑝𝑜 𝑛𝑜𝑟𝑚𝑎𝑙 𝑑𝑒𝑙 𝑝𝑟𝑜𝑑𝑢𝑐𝑡𝑜 𝑡𝑖𝑝𝑜 𝑖 𝑒𝑛 𝑒𝑙 𝑚𝑒𝑠 𝑗.
𝒀𝒊𝒋 = 𝐶𝑎𝑛𝑡𝑖𝑑𝑎𝑑 (𝑒𝑛 𝑢𝑛𝑖𝑑𝑎𝑑𝑒𝑠) 𝑎 𝑝𝑟𝑜𝑑𝑢𝑐𝑖𝑟 𝑒𝑛 𝑡𝑖𝑒𝑚𝑝𝑜 𝑒𝑥𝑡𝑟𝑎 𝑑𝑒𝑙 𝑝𝑟𝑜𝑑𝑢𝑐𝑡𝑜 𝑡𝑖𝑝𝑜 𝑖 𝑒𝑛 𝑒𝑙 𝑚𝑒𝑠 𝑗.
𝑺𝒊𝒋 = 𝐶𝑎𝑛𝑡𝑖𝑑𝑎𝑑 (𝑒𝑛 𝑢𝑛𝑖𝑑𝑎𝑑𝑒𝑠) 𝑑𝑒 𝑖𝑛𝑣𝑒𝑛𝑡𝑎𝑟𝑖𝑜 𝑑𝑒𝑙 𝑝𝑟𝑜𝑑𝑢𝑐𝑡𝑜 𝑡𝑖𝑝𝑜 𝑖 𝑒𝑛 𝑒𝑙 𝑚𝑒𝑠 𝑗.
Estructura de datos:
𝐼𝑛𝑣𝑒𝑛𝑡𝑎𝑟𝑖𝑜_𝐼𝑛𝑖𝑐𝑖𝑎𝑙𝑖𝑗 = [1 0 0 2 0 0]
Dij = [10 12 14 15 14 13]
𝑃𝑟𝑜𝑑𝑢𝑐𝑐𝑖ó𝑛_𝑁𝑜𝑟𝑚𝑎𝑙𝑗 = [25 25 25 ]
𝑅𝑒𝑞𝑢𝑒𝑟𝑖 = [ 2 3 ]
𝐶𝑜𝑠𝑡𝑜𝑗 = 2.0 1.5 1.8
𝑀á𝑥𝑖𝑚𝑎_𝐶𝑜𝑚𝑝𝑟𝑎𝑗 = 100 90 80
2 3 2 3 2 3 2 3
𝑋𝑖𝑗 ≤ 𝑃𝑟𝑜𝑑𝑢𝑐𝑐𝑖ó𝑛_𝑁𝑜𝑟𝑚𝑎𝑙𝑗 ; 𝑗 = 1. . 3
𝑖=1
2
𝑆𝑖𝑗 ≤ 𝐶𝐴𝑗 ; 𝑗 = 1, 2 , 3
𝑖=1
𝑆𝑖𝑗 = 𝑆𝑖𝑛𝑖𝑖𝑗 + 𝑋𝑖𝑗 + 𝑌𝑖𝑗 − 𝐷𝑖𝑗 ; 𝑖 = 1, 2, 3 ; 𝑗 = 1
𝑆𝑖𝑗 = 𝑆𝑖,𝑗−1 + 𝑋𝑖𝑗 + 𝑌𝑖𝑗 − 𝐷𝑖𝑗 ; 𝑖 = 1, 2, 3 ; 𝑗 = 2, 3
MIN=@SUM(LXM(I,J):20*X(I,J)*TP(I)+25*Y(I,J)*TP(I)+5*S(I,J));
@FOR(MES(J):@SUM(BICICLETA(I):X(I,J)*TP(I))<=CPN(J));
@FOR(MES(J):@SUM(BICICLETA(I):Y(I,J)*TP(I))<=CPE(J));
@FOR(MES(J):@SUM(BICICLETA(I):S(I,J))<= CA(J));
@FOR(LXM(I,J):@FOR(MES(J)|J#EQ#1:S(I,J)=SINI(I,J)+(X(I,J)+Y(I,J))-D(I,J)));
@FOR(LXM(I,J):@FOR(MES(J)|J#GT#1:S(I,J)=S(I,J-1)+(X(I,J)+Y(I,J))-D(I,J)));
MODEL:
[_1] MIN= 120 * X_1_1 + 150 * Y_1_1 + 5 * S_1_1 + 120 * X_1_2 + 150 * Y_1_2 + 5 *
S_1_2 + 120 * X_1_3 + 150 * Y_1_3 + 5 * S_1_3 + 100 * X_2_1 + 125 * Y_2_1 + 5 *
S_2_1 + 100 * X_2_2 + 125 * Y_2_2 + 5 * S_2_2 + 100 * X_2_3 + 125 * Y_2_3 + 5 *
S_2_3 + 80 * X_3_1 + 100 * Y_3_1 + 5 * S_3_1 + 80 * X_3_2 + 100 * Y_3_2 + 5 *
S_3_2 + 80 * X_3_3 + 100 * Y_3_3 + 5 * S_3_3;
[_2] 6 * X_1_1 + 5 * X_2_1 + 4 * X_3_1 <= 4800;
[_3] 6 * X_1_2 + 5 * X_2_2 + 4 * X_3_2 <= 4800;
[_4] 6 * X_1_3 + 5 * X_2_3 + 4 * X_3_3 <= 4800;
[_5] 6 * Y_1_1 + 5 * Y_2_1 + 4 * Y_3_1 <= 1920;
[_6] 6 * Y_1_2 + 5 * Y_2_2 + 4 * Y_3_2 <= 1920;
[_7] 6 * Y_1_3 + 5 * Y_2_3 + 4 * Y_3_3 <= 1920;
[_8] S_1_1 + S_2_1 + S_3_1 <= 1000;
[_9] S_1_2 + S_2_2 + S_3_2 <= 1000;
[_10] S_1_3 + S_2_3 + S_3_3 <= 1000;
[_11] - X_1_1 - Y_1_1 + S_1_1 = - 600;
[_12] - X_2_1 - Y_2_1 + S_2_1 = - 350;
[_13] - X_3_1 - Y_3_1 + S_3_1 = - 200;
[_14] - S_1_1 - X_1_2 - Y_1_2 + S_1_2 = - 500;
[_15] - S_1_2 - X_1_3 - Y_1_3 + S_1_3 = - 250;
[_16] - S_2_1 - X_2_2 - Y_2_2 + S_2_2 = - 200;
[_17] - S_2_2 - X_2_3 - Y_2_3 + S_2_3 = - 150;
[_18] - S_3_1 - X_3_2 - Y_3_2 + S_3_2 = - 120;
[_19] - S_3_2 - X_3_3 - Y_3_3 + S_3_3 = - 50;
END
Variable Value Reduced Cost Variable Value Reduced Cost
TP( 1) 6.000000 0.000000 SINI( 1, 1) 400.0000 0.000000
TP( 2) 5.000000 0.000000 SINI( 1, 2) 0.000000 0.000000
TP( 3) 4.000000 0.000000 SINI( 1, 3) 0.000000 0.000000
CPN( 1) 4800.000 0.000000 SINI( 2, 1) 150.0000 0.000000
CPN( 2) 4800.000 0.000000 SINI( 2, 2) 0.000000 0.000000
CPN( 3) 4800.000 0.000000 SINI( 2, 3) 0.000000 0.000000
CPE( 1) 1920.000 0.000000 SINI( 3, 1) 50.00000 0.000000
CPE( 2) 1920.000 0.000000 SINI( 3, 2) 0.000000 0.000000
CPE( 3) 1920.000 0.000000 SINI( 3, 3) 0.000000 0.000000
CA( 1) 1000.000 0.000000 D( 1, 1) 1000.000 0.000000
CA( 2) 1000.000 0.000000 D( 1, 2) 500.0000 0.000000
CA( 3) 1000.000 0.000000 D( 1, 3) 250.0000 0.000000
X( 1, 1) 375.0000 0.000000 D( 2, 1) 500.0000 0.000000
X( 1, 2) 500.0000 0.000000 D( 2, 2) 200.0000 0.000000
X( 1, 3) 250.0000 0.000000 D( 2, 3) 150.0000 0.000000
X( 2, 1) 350.0000 0.000000 D( 3, 1) 250.0000 0.000000
X( 2, 2) 200.0000 0.000000 D( 3, 2) 120.0000 0.000000
X( 2, 3) 150.0000 0.000000 D( 3, 3) 50.00000 0.000000
X( 3, 1) 200.0000 0.000000 Row Slack or Surplus Dual Price
X( 3, 2) 120.0000 0.000000 1 268350.0 -1.000000
X( 3, 3) 50.00000 0.000000 2 0.000000 5.000000
Y( 1, 1) 225.0000 0.000000 3 320.0000 0.000000
Y( 1, 2) 0.000000 30.00000 4 2350.000 0.000000
Y( 1, 3) 0.000000 30.00000 5 570.0000 0.000000
Y( 2, 1) 0.000000 0.000000 6 1920.000 0.000000
Y( 2, 2) 0.000000 25.00000 7 1920.000 0.000000
Y( 2, 3) 0.000000 25.00000 8 1000.000 0.000000
Y( 3, 1) 0.000000 0.000000 9 1000.000 0.000000
Y( 3, 2) 0.000000 20.00000 10 1000.000 0.000000
Y( 3, 3) 0.000000 20.00000 11 0.000000 150.0000
S( 1, 1) 0.000000 35.00000 12 0.000000 125.0000
S( 1, 2) 0.000000 5.000000 13 0.000000 100.0000
S( 1, 3) 0.000000 125.0000 14 0.000000 120.0000
S( 2, 1) 0.000000 30.00000 15 0.000000 120.0000
S( 2, 2) 0.000000 5.000000 16 0.000000 100.0000
S( 2, 3) 0.000000 105.0000 17 0.000000 100.0000
S( 3, 1) 0.000000 25.00000 18 0.000000 80.00000
S( 3, 2) 0.000000 5.000000 19 0.000000 80.00000
S( 3, 3) 0.000000 85.00000
REPARACIÓN DE COMPUTADORAS
CLS es una cadena de tiendas de servicio para computadoras. El número de horas de reparación
especializada que requiere CLS durante los próximos cinco meses, se da a continuación:
Horas de reparación requeridas mensualmente
Mes 1 (enero) 6000
Mes 2 (febrero) 7000
Mes 3 (marzo) 8000
Mes 4 (abril) 9500
Mes 5 (mayo) 11000
Al principio de enero, 50 técnicos especializados trabajan para CLS. Cada técnico especializado puede
trabajar hasta 160 horas al mes. Para satisfacer futuras demandas, hay que capacitar a nuevos técnicos. La
capacitación de un nuevo técnico dura un mes. Un técnico experimentado tiene que supervisar al aprendiz
durante 50 horas del mes de entrenamiento. A cada técnico experimentado se le pagan mensualmente $2000
(aunque no trabaje las 160 horas). Durante el mes de entrenamiento, se paga al aprendiz $1000 al mes. Al
final de cada mes, 5% de los técnicos experimentados de CLS, cambian de trabajo, para irse con Plum
Computers. Formule un modelo de Programación Lineal cuya solución permita a CLS minimizar los costos
de trabajo que se presentan al cumplir con los requerimientos de servicio durante los próximos meses.