lOMoARcPSD|8922417

Solución ejercicio 1

Optimización de Procesos (Universidad Peruana de Ciencias Aplicadas)

Studocu is not sponsored or endorsed by any college or university

Downloaded by Walter Rodriguez Sanchez ([email protected])
 lOMoARcPSD|8922417

a) Plantear un modelo de programación lineal compacto que permita determinar la

duración óptima del proyecto y el costo óptimo del proyecto. Resolver el modelo y
presentar un informe administrativo de la solución óptima.

Downloaded by Walter Rodriguez Sanchez ([email protected])

 lOMoARcPSD|8922417

Modelo LINGO:

Sets :
Actividad / A, B, C, D, E, F, G, H, Fin /: X, Y, Tn, LR, CUR;
Predecesora / A, B, C, D, E, F, G, H /: ;
AxP(Actividad, Predecesora) / C,A C,B D,B E,C E,D F,E G,E H,G Fin,F Fin,H / ;
End sets
Data :
Tn = 5, 5, 2, 3, 5, 2, 3, 5, 0 ;
LR = 1, 2, 1, 1, 2, 1, 0, 2, 0 ;
CUR = 200, 600, 300, 500, 150, 100, 0, 200, 0 ;
End data
Min = CDN + CR + CI ;
CDN = 7500 ;
CR = @Sum( Actividad(i) : CUR(i) * X(i) ) ;
CI = 250 * Y( 9 ) ;
@For( Actividad(i) : X(i) <= LR(i) ) ;
@For( AxP(i, j) : Y(i) >= Y( j ) + Tn( j ) - X( j ) ) ;
End

Downloaded by Walter Rodriguez Sanchez ([email protected])

 lOMoARcPSD|8922417

Reporte LINGO:
Global optimal solution found.
Objective value: 12450.00

Variable Value Reduced Cost

CDN 7500.000 0.000000
CR 700.0000 0.000000
CI 4250.000 0.000000
X( A) 0.000000 200.0000
X( B) 0.000000 350.0000
X( C) 0.000000 300.0000
X( D) 0.000000 250.0000
X( E) 2.000000 0.000000
X( F) 0.000000 100.0000
X( G) 0.000000 0.000000
X( H) 2.000000 0.000000
X( FIN) 0.000000 0.000000
Y( A) 0.000000 0.000000
Y( B) 0.000000 250.0000
Y( C) 5.000000 0.000000
Y( D) 5.000000 0.000000
Y( E) 8.000000 0.000000
Y( F) 11.00000 0.000000
Y( G) 11.00000 0.000000
Y( H) 14.00000 0.000000
Y( FIN) 17.00000 0.000000
Informe administrativo:

Costo total óptimo del proyecto: $12450 (= 7500 + 700 + 4250)

Duración óptima del proyecto: 17 días

Duración óptima de las actividades

Actividad Duración óptima (días) = Tni – Xi

A 5–0=5
B 5–0=5
C 2–0=2
D 3–0=3
E 5–2=3
F 2–0=2
G 3–0=3
H 5–2=3

b) A partir del modelo anterior, determinar la duración normal del proyecto y la

duración mínima posible; y el costo asociado a dichas duraciones.

1) Para determinar la duración normal del proyecto:

La duración normal del proyecto es aquella en la cual ninguna actividad debe reducir su
duración (costo de reducción debe ser cero). Es decir: A partir del modelo realizado en la
pregunta a), se debe agregar la siguiente restricción: CR = 0 ;

Downloaded by Walter Rodriguez Sanchez ([email protected])

 lOMoARcPSD|8922417

Modelo LINGO:

Sets :
Actividad / A, B, C, D, E, F, G, H, Fin / : X, Y, Tn, LR, CUR ;
Predecesora / A, B, C, D, E, F, G, H / : ;
AxP( Actividad, Predecesora) / C,A C,B D,B E,C E,D F,E G,E H,G Fin,F Fin,H / ;
End sets
Data :
Tn = 5, 5, 2, 3, 5, 2, 3, 5, 0 ;
LR = 1, 2, 1, 1, 2, 1, 0, 2, 0 ;
CUR = 200, 600, 300, 500, 150, 100, 0, 200, 0 ;
End data
Min = CDN + CR + CI ;
CDN = 7500 ;
CR = @Sum( Actividad(i) : CUR(i) * X(i) ) ;
CI = 250 * Y( 9 ) ;
@For( Actividad(i) : X(i) <= LR(i) ) ;
@For( AxP(i, j) : Y(i) >= Y( j ) + Tn( j ) - X( j ) ) ;

CR = 0 ;
End

Reporte LINGO:
Global optimal solution found.
Objective value: 12750.00

Variable Value Reduced Cost

CDN 7500.000 0.000000
CR 0.000000 0.000000
CI 5250.000 0.000000
X( A) 0.000000 333.3333
X( B) 0.000000 750.0000
X( C) 0.000000 500.0000
X( D) 0.000000 583.3333
X( E) 0.000000 0.000000
X( F) 0.000000 166.6667
X( G) 0.000000 0.000000
X( H) 0.000000 83.33333
X( FIN) 0.000000 0.000000
Y( A) 0.000000 0.000000
Y( B) 0.000000 250.0000
Y( C) 5.000000 0.000000
Y( D) 5.000000 0.000000
Y( E) 8.000000 0.000000
Y( F) 13.00000 0.000000
Y( G) 13.00000 0.000000
Y( H) 16.00000 0.000000
Y( FIN) 21.00000 0.000000
Informe administrativo:

Costo total normal del proyecto: $12750 (= 7500 + 0 + 5250)

Duración normal del proyecto: 21 días

Todas las actividades se trabajarán a duración normal

2) Para determinar la duración mínima posible del proyecto y el costo asociado:

Downloaded by Walter Rodriguez Sanchez ([email protected])

 lOMoARcPSD|8922417

A partir del modelo realizado en la pregunta a) hay que hacer 2 corridas:

Corrida 1 : Se debe minimizar la duración del proyecto, en vez del costo total. A partir del
modelo realizado en a), se cambia la función objetivo por: Min = Y(9) ;

Modelo LINGO:

Sets :
Actividad / A, B, C, D, E, F, G, H, Fin / : X, Y, Tn, LR, CUR ;
Predecesora / A, B, C, D, E, F, G, H / : ;
AxP( Actividad, Predecesora) / C,A C,B D,B E,C E,D F,E G,E H,G Fin,F Fin,H / ;
End sets
Data :
Tn = 5, 5, 2, 3, 5, 2, 3, 5, 0 ;
LR = 1, 2, 1, 1, 2, 1, 0, 2, 0 ;
CUR = 200, 600, 300, 500, 150, 100, 0, 200, 0 ;
End data
! Min = CDN + CR + CI ;
Min = Y(9) ;
CDN = 7500 ;
CR = @Sum( Actividad(i) : CUR(i) * X(i) ) ;
CI = 250 * Y( 9 ) ;
@For( Actividad(i) : X(i) <= LR(i) ) ;
@For( AxP(i, j) : Y(i) >= Y( j ) + Tn( j ) - X( j ) ) ;
End
Reporte LINGO:
Global optimal solution found.
Objective value: 14.00000

Ya se sabe que la duración mínima posible del proyecto = 14 días, ahora viene la corrida 2:

Corrida 2: A partir del modelo realizado en la corrida 1, se restituye la función objetivo

original, se borra la línea: Min = Y(9) ; y se agrega la siguiente restricción: Y(9) = 14 ;

Modelo LINGO:

Sets :
Actividad / A, B, C, D, E, F, G, H, Fin / : X, Y, Tn, LR, CUR ;
Predecesora / A, B, C, D, E, F, G, H / : ;
AxP( Actividad, Predecesora) / C,A C,B D,B E,C E,D F,E G,E H,G Fin,F Fin,H / ;
End sets
Data :
Tn = 5, 5, 2, 3, 5, 2, 3, 5, 0 ;
LR = 1, 2, 1, 1, 2, 1, 0, 2, 0 ;
CUR = 200, 600, 300, 500, 150, 100, 0, 200, 0 ;
End data
Min = CDN + CR + CI ;
CDN = 7500 ;
CR = @Sum( Actividad(i) : CUR(i) * X(i) ) ;
CI = 250 * Y( 9 ) ;
@For( Actividad(i) : X(i) <= LR(i) ) ;
@For( AxP(i, j) : Y(i) >= Y( j ) + Tn( j ) - X( j ) ) ;

Y(9) = 14 ;
End

Downloaded by Walter Rodriguez Sanchez ([email protected])

 lOMoARcPSD|8922417

Reporte LINGO:

Global optimal solution found.

Objective value: 13900.00

Variable Value Reduced Cost

CDN 7500.000 0.000000
CR 2900.000 0.000000
CI 3500.000 0.000000
X( A) 1.000000 0.000000
X( B) 2.000000 0.000000
X( C) 1.000000 0.000000
X( D) 1.000000 0.000000
X( E) 2.000000 0.000000
X( F) 0.000000 100.0000
X( G) 0.000000 0.000000
X( H) 2.000000 0.000000
X( FIN) 0.000000 0.000000
Y( A) 0.000000 300.0000
Y( B) 0.000000 600.0000
Y( C) 4.000000 0.000000
Y( D) 3.000000 0.000000
Y( E) 5.000000 0.000000
Y( F) 8.000000 0.000000
Y( G) 8.000000 0.000000
Y( H) 11.00000 0.000000
Y( FIN) 14.00000 0.000000
Informe administrativo:

Costo total del proyecto con duración mínima: $13900 (= 7500 + 2900 + 3500)

Duración mínima posible del proyecto: 14 días

Duración óptima de las actividades

Actividad Duración óptima (días) = Tni – Xi

A 5–1=4
B 5–2=3
C 2–1=1
D 3–1=2
E 5–2=3
F 2–0=2
G 3–0=3
H 5–2=3

Downloaded by Walter Rodriguez Sanchez ([email protected])

 lOMoARcPSD|8922417

Ejercicio 4

si el valor objetivo sale 0 indica que se cumplen todas las metas

si sale más de 0 por lo menos una meta no se cumple

Downloaded by Walter Rodriguez Sanchez ([email protected])

 lOMoARcPSD|8922417

Modelo LINGO

Sets :
Cosecha / 1 .. 5 / : Capital, Alimentados, Empleados, Maximo ;
Uso / Export , Interno / : ;
CxU(Cosecha, Uso) : X ;
End sets
Data :
Capital = 3 5 4 2 4 ;
Alimentados = 150000 75000 100000 100000 200000 ;
Empleados = 10000 15000 12000 13000 15000 ;
Maximo = 6 4 5 6 5 ;
End data
Min = 1000000*D1 + 100*D2 + 100*D3 ;
@Sum( CxU(i,J) : X(i,J) ) <= 15 ;
@For( Cosecha(i) : @Sum( Uso(J) : X(i,J) ) <= Maximo(i) ) ;
! Meta 1 ;
@Sum( Cosecha(i) : Capital(i)*X(i,1) ) + D1 - E1 = 70 ;
! Meta 2 ;
@Sum( Cosecha(i) : Alimentados(i)*X(i,2) ) + D2 - E2 = 1750000 ;
! Meta 3 ;
@Sum( CxU(i,J) : Empleados(i)*X(i,J) ) + D3 - E3 = 200000 ;

Downloaded by Walter Rodriguez Sanchez ([email protected])

 lOMoARcPSD|8922417

End

Reporte LINGO

Global optimal solution found.

Objective value: 0.4630000E+08

Variable Value
D1 46.00000
D2 0.000000
D3 3000.000
E1 0.000000
E2 0.000000
E3 0.000000
X( 1, EXPORT) 0.000000
X( 1, INTERNO) 5.000000
X( 2, EXPORT) 4.000000
X( 2, INTERNO) 0.000000
X( 3, EXPORT) 1.000000
X( 3, INTERNO) 0.000000
X( 4, EXPORT) 0.000000
X( 4, INTERNO) 0.000000
X( 5, EXPORT) 0.000000
X( 5, INTERNO) 5.000000

Informe administrativo:

Distribución óptima de las tierras

Cosecha 1 Cosecha 2 Cosecha 3 Cosecha 4 Cosecha 5

Exportación 0 4 1 0 0
Interno 5 0 0 0 5

Reporte de cumplimiento de metas

Reporte de cumplimiento de metas si la desviación desfavorable es mayor a 0 la meta no se cumple

Variables de
Meta ¿Cumple? Interpretación
desviación
D1 = 46 Se generaría solamente: 70 – 46 = 24 millones de $ de
1 NO
E1 = 0 capital extranjero
D2 = 0
2 SI Se alimentaría exactamente a 1 750 000 ciudadanos
E2 = 0
D3 = 3000 Solo se daría empleo a: 200 000 – 3 000 = 197 000
3 NO
E3 = 0 personas

Meta Prioridad Coeficiente de prioridad

Downloaded by Walter Rodriguez Sanchez ([email protected])

 lOMoARcPSD|8922417

1 1° 103
2 2° 102
3 3° 101

Entonces, la función objetivo en LINGO:

Min = 1000000*D1*1000 + 100*D2*100 + 100*D3*10 ;

Downloaded by Walter Rodriguez Sanchez ([email protected])

 lOMoARcPSD|8922417

Modelo LINGO

Sets :
Artefacto / Lav Refri Cocina / : Cantidad ;
Tecnico / 1..3 / : ;
AxT(Artefacto, Tecnico) : Tiempo, X ;
End sets
Data :
Cantidad = 20 15 10 ;
Tiempo = 5 4 7
678
443;
End data
Min = E1 + (D21 + E21 + D22 + E22)*6 + E3 ;
@For( Artefacto(i) : @Sum( Tecnico(J) : X(i,J) ) = Cantidad(i) ) ;
! Meta 1 ;
@Sum( AxT(i,J) : Tiempo(i,J)*X(i,J) ) + D1 - E1 = 200 ;
! Meta 2 ;
X(1,1) + D21 - E21 = X(2,1) ;
X(2,1) + D22 - E22 = X(3,1) ;
! Meta 3 ;
@Sum( Artefacto(i) : Tiempo(i,2)*X(i,2) - Tiempo(i,3)*X(i,3) ) + D3 - E3 = 50 ;

Downloaded by Walter Rodriguez Sanchez ([email protected])

 lOMoARcPSD|8922417

! X(i,J) es entera ;
@For( AxT(i,J) : @Gin( X(i,J) ) ) ;
End

OTRA FORMA:

!Xij: cantidad de unidades de artefacto i (i=L,R,C) reparados por el tecnico j (j=1,2,3);

Min=E1+ 6*(D21+E21+D22+E22)+E3;
!Cumplir con el total de reparaciones;
XL1+XL2+XL3<=20;
XR1+XR2+XR3<=15;
XC1+XC2+XC3<=10;

!METAL 1: Utilizar el menor numero de horas posible en total;

(5*XL1+4*XL2+7*XL3)+(6*XR1+7*XR2+8*XR3)+(4*XC1+4*XC2+3*XC3)+D1-
E1=4*20+6*15+3*10;

!META 2: Lograr que el tecnico 1 repare un numero similar de cada tipo de artefacto;
XL1+D21-E21=XR1;
XR1+D22-E22=XC1;

!META 3: El numero de horas trabajadas en total por el tecnico 2 no exceda al total

de horas trabajadas por el tecnico 3 en mas de 50;
(4*XL2+7*XR2+4*XC2)-(7*XL3+8*XR3+3*XC3)+D2-E3=50;

END

Reporte LINGO

Global optimal solution found.

Objective value: 22.00000

Variable Value
E1 22.00000
D21 0.000000
E21 0.000000
D22 0.000000
E22 0.000000
E3 0.000000
D1 0.000000
D3 0.000000
X( LAV, 1) 0.000000
X( LAV, 2) 20.00000
X( LAV, 3) 0.000000
X( REFRI, 1) 0.000000
X( REFRI, 2) 8.000000
X( REFRI, 3) 7.000000
X( COCINA, 1) 0.000000
X( COCINA, 2) 0.000000
X( COCINA, 3) 10.00000

Downloaded by Walter Rodriguez Sanchez ([email protected])

 lOMoARcPSD|8922417

Informe administrativo:

Plan óptimo de reparaciones

Artefacto Técnico 1 Técnico 2 Técnico 3

Lavadoras 0 20 0
Refrigeradoras 0 8 7
Cocinas 0 0 10

Reporte de cumplimiento de metas

Variables de
Meta ¿Cumple? Interpretación
desviación
D1 = 0
1 NO Se trabajará: 200 + 22 = 222 horas en total
E1 = 22
D21 = E21 = 0
2 SI El técnico 1 no trabajará
D22 = E22 = 0
El número de horas trabajadas por el técnico 2 excede
D3 = 0
3 SI exactamente en 50 horas al número de horas
E3 = 0
trabajadas por el técnico 3

Ejercicio 6 CASO DE INVENTARIO

Downloaded by Walter Rodriguez Sanchez ([email protected])

 lOMoARcPSD|8922417

a) Defina las variables de decisión y formule en el presente espacio el modelo de

programación lineal por metas correspondiente en forma compacta. Resolver y
presentar los informes administrativos correspondientes.

Modelo LINGO

sets:
LINEA/ 1 2 /:RITMO, COSTO;
MES/1 2 3/:DEMANDA, CAPACIDAD, INV;
LxM(LINEA, MES): P;
end sets
data:
RITMO=20 18;
COSTO=100 80;
DEMANDA=2500 2400 1300;
CAPACIDAD=250 250 250;
end data
MIN=E1+(D21+E21+D22+E22+D23+E23)+(D31+E31+D32+E32);
@FOR(LxM(I,J):P(I,J)/RITMO(I)<=240);
@FOR(MES(J):INV(J)<=CAPACIDAD(J));
0+@SUM(LINEA(I):P(I,1))=DEMANDA(1)+INV(1);
@FOR(MES(J)|J#GE#2:INV(J-1)+@SUM(LINEA(I):P(I,J))=DEMANDA(J)+INV(J));
!META1;
@SUM(LxM(I,J):COSTO(I)*P(I,J)/RITMO(I))+@SUM(MES(J):2*INV(J))+D1-
E1=100000;
!META2;
INV(1)+D21-E21=0;
INV(2)+D22-E22=0;
INV(3)+D23-E23=0;
!META3;
@SUM(LINEA(I):P(I,1))+D31-E31=@SUM(LINEA(I):P(I,2));
@SUM(LINEA(I):P(I,2))+D32-E32=@SUM(LINEA(I):P(I,3));
end

Downloaded by Walter Rodriguez Sanchez ([email protected])

 lOMoARcPSD|8922417

Reporte LINGO

Global optimal solution found.

Objective value: 1200.000

Variable Value Reduced

Cost
E1 0.000000
1.000000
D21 0.000000
2.000000
E21 0.000000
0.000000
D22 0.000000
2.000000
E22 0.000000
0.000000
D23 0.000000
2.000000
E23 250.0000
0.000000
D31 0.000000
2.000000
E31 100.0000
0.000000
D32 0.000000
2.000000
E32 850.0000
0.000000
D1 67250.00
0.000000
RITMO( 1) 20.00000
0.000000
RITMO( 2) 18.00000
0.000000
COSTO( 1) 100.0000
0.000000
COSTO( 2) 80.00000
0.000000
DEMANDA( 1) 2500.000
0.000000
DEMANDA( 2) 2400.000
0.000000
DEMANDA( 3) 1300.000
0.000000
CAPACIDAD( 1) 250.0000
0.000000
CAPACIDAD( 2) 250.0000
0.000000
CAPACIDAD( 3) 250.0000
0.000000
INV( 1) 0.000000
2.000000
INV( 2) 0.000000
2.000000
INV( 3) 250.0000
0.000000
P( 1, 1) 2500.000
0.000000
P( 1, 2) 2400.000
0.000000

Downloaded by Walter Rodriguez Sanchez ([email protected])

 lOMoARcPSD|8922417

P( 1, 3) 1550.000
0.000000
P( 2, 1) 0.000000
0.000000
P( 2, 2) 0.000000
0.000000
P( 2, 3) 0.000000
0.000000

Informe administrativo:

Plan óptimo de producción (unidades)

mes 1 mes 2 mes 3

Linea 1 2500 2400 1550
Línea 2 0 0 0

Plan óptimo de producción (unidades)

mes 1 mes 2 mes 3

Inventario 0 0 250

Reporte de cumplimiento de metas

Variables de ¿Cumple
Meta Interpretación
desviación ?
D1 = 67250
1 SI El costo total será de 100000-67250=32750 US$
E1 = 0
D21 =0, E21 = 0
2 D22 = 0, E22 = 0 NO No se empleará el almacén solo en el mes 1 y 2
D23=0, E23=250
D31 = 0, E31=100 La producción entre el mes 1 y 2, y entre el mes 2 y 3
3 NO
D32=0, E32 = 850 no es similar

Downloaded by Walter Rodriguez Sanchez ([email protected])

 lOMoARcPSD|8922417

EJERCICIO 7 CASO DE MEZCLA

Downloaded by Walter Rodriguez Sanchez ([email protected])

 lOMoARcPSD|8922417

a) Defina las variables de decisión y formule en el presente espacio el modelo de

programación lineal por metas correspondiente en notación compacta. Resuélvalo y
presente el informe administrativo correspondiente.

Downloaded by Walter Rodriguez Sanchez ([email protected])

 lOMoARcPSD|8922417

Modelo LINGO
sets:
INSUMOS/ 1 2 /:CMP, CMO;
VIDRIOS/1 2 3/:VENTAMAX, T;
IxV(INSUMOS, VIDRIOS): PORC,X;
end sets
data:
CMP=30 15;
CMO=7 5;
VENTAMAX=1000 1900 1300;
PORC= 0.3 0.2 0.1
0.1 0.15 0.25;
end data
MIN=E1+(D2+E2)*25+D3*25;
@FOR(VIDRIOS(J):T(J)<=VENTAMAX(J));
@FOR(VIDRIOS(J):T(J)=@SUM(INSUMOS(I):X(I,J)));
@FOR(IxV(I,J):X(I,J)>=PORC(I,J)*T(J));

!META1;
@SUM(IxV(I,J):(CMP(I)+CMO(I))*X(I,J))+D1-E1=75000;
!META2;
@SUM(VIDRIOS(J):T(J))+D2-E2=3000;
!META3;
@SUM(VIDRIOS(J):X(1,J))+D3-E3=1000;

end

Reporte LINGO
Global optimal solution found.
Objective value: 2000.000

Variable Value Reduced

Cost
E1 2000.000
0.000000
D2 0.000000
5.000000
E2 0.000000
45.00000
D3 0.000000
8.000000
D1 0.000000
1.000000
E3 0.000000
17.00000
CMP( 1) 30.00000
0.000000
CMP( 2) 15.00000
0.000000
CMO( 1) 7.000000
0.000000
CMO( 2) 5.000000
0.000000
VENTAMAX( 1) 1000.000
0.000000
VENTAMAX( 2) 1900.000
0.000000

Downloaded by Walter Rodriguez Sanchez ([email protected])

 lOMoARcPSD|8922417

VENTAMAX( 3) 1300.000
0.000000
T( 1) 0.000000
0.000000
T( 2) 1700.000
0.000000
T( 3) 1300.000
0.000000
PORC( 1, 1) 0.3000000
0.000000
PORC( 1, 2) 0.2000000
0.000000
PORC( 1, 3) 0.1000000
0.000000
PORC( 2, 1) 0.1000000
0.000000
PORC( 2, 2) 0.1500000
0.000000
PORC( 2, 3) 0.2500000
0.000000
X( 1, 1) 0.000000
0.000000
X( 1, 2) 340.0000
0.000000
X( 1, 3) 660.0000
0.000000
X( 2, 1) 0.000000
0.000000
X( 2, 2) 1360.000
0.000000
X( 2, 3) 640.0000
0.000000

Informe administrativo:
Plan óptimo de mezcla (toneladas)

mes 1 mes 2 mes 3

Plomo 0 340 660
sílice 0 1360 640
total 0 1700 1300

Reporte de cumplimiento de metas

Variables de
Meta ¿Cumple? Interpretación
desviación
D1 = 0
1 NO El costo total será=75000+2000=77000
E1 = 2000
D2= 0 La producción total de vidrio será exactamente=3000
2 SI
E2 = 0 toneladas
D3 = 0
3 SI Se utilizara exactamente 1000 toneladas de plomo
E3 = 0

Downloaded by Walter Rodriguez Sanchez ([email protected])