0 calificaciones0% encontró este documento útil (0 votos)
226 vistas24 páginas
El documento describe un problema de inversión para la AFP LIDER. La AFP planea invertir $1,000,000 de un fondo de pensiones en seis fondos mutuos con diferentes estrategias de inversión. Se desarrolla un modelo matemático para maximizar las ganancias de la inversión sujeto a restricciones en el monto máximo que puede asignarse a cada fondo.
El documento describe un problema de inversión para la AFP LIDER. La AFP planea invertir $1,000,000 de un fondo de pensiones en seis fondos mutuos con diferentes estrategias de inversión. Se desarrolla un modelo matemático para maximizar las ganancias de la inversión sujeto a restricciones en el monto máximo que puede asignarse a cada fondo.
El documento describe un problema de inversión para la AFP LIDER. La AFP planea invertir $1,000,000 de un fondo de pensiones en seis fondos mutuos con diferentes estrategias de inversión. Se desarrolla un modelo matemático para maximizar las ganancias de la inversión sujeto a restricciones en el monto máximo que puede asignarse a cada fondo.
BASA fabrica tres productos de caucho: esponjoso, elástico y rígido.
Los tres requieren los mismos tres polímeros químicos y una base. Ingredientes usados en la producción de A, B y C (oz/lb de producto) Producto Polímero1 Polímero2 Polímero3 Base A 4 2 4 6 B 3 2 2 9 C 6 3 5 2 BASA, tiene el compromiso de producir al menos 1000 lb de A, 500 lb de B y 400 lb de C para la siguiente semana, pero la gerencia de la Cía. Sabe que puede vender más de c/u de los productos. El stock de los ingredientes son 500 lb de polímero1, 425 lb de polímero2 y 650 lb de polímero3. Las utilidades que genera cada producto es de S/.7 por lb de A y B, así como S/.6 la lb de C. Determinar el plan de producción óptimo. DECISIONES DE MEZCLA DE PRODUCTOS Desarrollo del modelo matemático para BASA Variables de decisión: A, B y C A= Nº de libras de esponjoso por producir la próxima semana B= Nº de libras de elástico por producir la próxima semana C= Nº de libras de rígido por producir la próxima semana Función objetivo: Maximizar la ganancia total Max 7A + 7B + 6C Identificación de restricciones: de recursos, de demanda y lógicas De recursos: demanda de recursos <= oferta de recursos demanda de polímero1 <= 500 lb 4A + 3B + 6C <= 8000 oz demanda de polímero 2 <= 425 lb 2A + 2B + 3C <= 6800 oz demanda de polímero3 <= 650 lb 4A + 2B + 5C <= 10400 oz demanda de base <= 1100 lb 6A + 9B + 2C <= 17600 oz DECISIONES DE MEZCLA DE PRODUCTOS
Desarrollo del modelo matemático para BASA
Identificación de restricciones: de recursos, de demanda y lógicas De mercado: requerimiento mínimo, A >= 1000 B >= 500 C >= 400
Lógicas: cantidades de producción no negativas,
A, B, C >= 0 DECISIONES DE MEZCLA DE PRODUCTOS Desarrollo del modelo matemático para BASA En resumen: Max 7A + 7B + 6C s.a. 4A + 3B + 6C <= 8000 2A + 2B + 3C <= 6800 4A + 2B + 5C <= 10400 6A + 9B + 2C <= 17600 A >= 1000 B >= 500 C >= 400 A, B, C >= 0 DECISIONES DE FABRICACION O COMPRA PAVCO fabrica tres tamaños de tubos: A, B y C. Datos para el problema de hacer o comprar de PAVCO Tipo Precio Demanda Tiempo de Material Costo Costo venta máquina pa´ soldar prod. comp. (S/./pie) (pie) (min/pie) (oz/pie) (S/./p) (S/./p) A 10 2000 0.50 1 3 6 B 12 4000 0.45 1 4 6 C 9 5000 0.60 1 4 7
Se dispone de 40hr de máquina y 5500oz de soldadura, el depto. de
producción no podrá satisfacer la demanda planteada, que requiere un total de 97hr de máquina y 11000oz de soldadura. No se espera que la demanda alta continue. En vez de expandir la capacidad instalada de producción, la gerencia de PAVCO está considerando importar del Japón. Como gerente de producción que recomendaría en producción y compra, para satisfacer la demanda y maximizar la ganancia de la cía. DECISIONES DE FABRICACION O COMPRA Desarrollo del modelo matemático de PAVCO Variables de decisión: AP, BP, CP, AM, BM, CM AP = Nº de pies de tubo A por producir BP= Nº de pies de tubo B por producir CP = Nº de pies de tubo C por producir AM = Nº de pies de tubo A por importar BM = Nº de pies de tubo B por importar CM = Nº de pies de tubo C por importar Función objetivo: Maximizar las ganancias totales. Maximizar 7AP + 8BP + 5CP + 4AM + 6BM + 2CM Identificación de restricciones: de recursos, de mercado y lógicas De recursos: demanda de recursos <= oferta de recursos 0.5AP +0.45BP + 0.6CP <= 2400 minutos AP + BP + CP <= 5500 onzas DECISIONES DE FABRICACION O COMPRA
Desarrollo del modelo matemático de PAVCO
Identificación de restricciones: de recursos, de mercado y lógicas De mercado: Nº total de pies del tubo A = Nº de tubos A producidos + Nº de tubos A importados Nº total de pies del tubo B = Nº de tubos B producidos + Nº de tubos B importados Nº total de pies del tubo C = Nº de tubos C producidos + Nº de tubos C importados AP + AM = 2000 pies (demanda de A) BP + BM = 4000 pies (demanda de B) CP + CM = 5000 pies (demanda de C) Lógicas: Todas las variables deben ser no negativas AP, BP, CP, AM, BM, CM >= 0 DECISIONES DE FABRICACION O COMPRA
Desarrollo del modelo matemático de PAVCO
En resumen: Maximizar 7AP + 8BP + 5CP + 4AM + 6BM + 2CM s.a. 0.5AP +0.45BP + 0.6CP <= 2400 minutos (tiempo de máquina) AP + BP + CP <= 5500 onzas (soldadura) AP + AM = 2000 pies (demanda de A) BP + BM = 4000 pies (demanda de B) CP+ CM = 5000 pies (demanda de C) AP, BP, CP, AM, BM, CM >= 0 PROBLEMA DE DIETAS El depto de nutrición de ESSALUD prepara 30 menús de cena, uno para cada día del mes. Una comida consiste en espagueti, pavo, papas, espinacas y pie de manzana. El jefe del depto de nutrición ha determinado que esta comida debe proporcionar 63000mg de proteínas, 10mg de hierro, 15mg de niacina, 1mg de tiamina y 50mg de vitamina C. Nutrientes proporcionadas por las distintas comidas Nutriente (mg/100g) Comida Proteína Hierro Tiacina Tiamina Vitamina C Grasa Espagueti 5000 1.1 1.4 0.18 0.0 5000 Pavo 29300 1.8 5.4 0.06 0.0 5000 Papas 5300 0.5 0.9 0.06 10.0 7900 Espinacas 3000 2.2 0.5 0.07 28.0 300 Pie de manzana 4000 1.2 0.6 0.15 3.0 14300 Para evitar exceso de un tipo de comida, no debe incluirse en ella más de 300gr de espagueti y pavo c/u, 200gr de papas, y 100gr. de espinacas y pie de manzana c/u. Determinar la composición de una comida que satisfaga los requerimientos nutricionales y un mínimo de grasa. PROBLEMA DE DIETAS Desarrollo del modelo matemático de ESSALUD Variables de decisión: SPAG, PAVO, PAPA, SPIN, MANZ SPAG = Nº de 100gr de espagueti que incluir PAVO = Nº de 100gr de pavo que incluir PAPA = Nº de 100gr de papa que incluir SPIN = Nº de 100gr de espinaca que incluir MANZ = Nº de 100gr de pie de manzana que incluir Función Objetivo: Minimizar contenido de grasas totales de la dieta Grasa total = Grasa aportada por SPAG + grasa aportada por PAVO + grasa aportada por PAPA + grasa aportada por SPIN + grasa aportada por pie de manzana Minmizar 5000 SPAG + 5000 PAVO + 7900 PAPA + 300 SPIN + 14300 MANZ PROBLEMA DE DIETAS Desarrollo del modelo matemático de ESSALUD Identificación de restricciones: de nutrientes, de límite y lógicas De nutrientes: Cantidad mínima >= requerimiento 5000SPAG+29300PAVO+5300PAPA+3000SPIN+4000MANZ >= 63000 (proteína) 1.1SPAG + 1.8PAVO + 0.5PAPA + 2.2SPIN + 1.2MANZ >= 10 (hierro) 1.4SPAG + 5.4PAVO + 0.9PAPA + 0.5SPIN + 0.6MANZ >= 15 (niacina) 0.18SPAG+0.06PAVO+0.06PAPA+0.07SPIN+0.15MANZ >= 1 (tiamina) 10PAPA + 28SPIN + 3MANZ >=50 (vitamina C) De límite: Cantidad máxima de cada tipo de alimento en la comida ( Las unidades de las variables están en cientos de gramos) SPAG <= 3 PAVO <= 3 PAPA <= 2 SPIN <= 1 MANZ <= 1 Restricciones lógicas: Todas las variables son no negativas SPAG, PAVO, PAPA, SPIN, MANZ >= 0 PROBLEMA DE DIETAS Desarrollo del modelo matematico de ESSALUD En resumen: Minmizar 5000 SPAG + 5000 PAVO + 7900 PAPA + 300 SPIN + 14300 MANZ s.a. 5000SPAG+29300PAVO+5300PAPA+3000SPIN+4000MANZ >= 63000 (prot) 1.1SPAG + 1.8PAVO + 0.5PAPA + 2.2SPIN + 1.2MANZ >= 10 (hierro) 1.4SPAG + 5.4PAVO + 0.9PAPA + 0.5SPIN + 0.6MANZ >= 15 (niacina) 0.18SPAG+0.06PAVO+0.06PAPA+0.07SPIN+0.15MANZ >= 1 (tiamina) 10PAPA + 28SPIN + 3MANZ >=50 (vitamina C) SPAG <= 3 PAVO <= 3 PAPA <= 2 SPIN <= 1 MANZ <= 1 SPAG, PAVO, PAPA, SPIN, MANZ >= 0 ADM. DE CARTERA DE VALORES Problema de inversión de AFP LIDER AFP LIDER, planea invertir US$1 000 000 de un fondo de pensiones. El área de investigación de Inversiones ha identificado seis fondos mutuos con estrategias de inversión variables, con diferentes rendimientos potenciales y riesgos asociados. Riesgo y tasa esperada de rendimiento de 6 fondos de inversión FONDO Concepto 1 2 3 4 5 6 Precio ($/acción) 45 76 110 17 23 6 Devolución esperada (%) 30 20 15 12 10 7 Cetegoría de riesgo Alto Alto Alto Medio Medio Bajo
Una forma de controlar el riesgo es limitar la cantidad de dinero
invertido en los diversos fondos. Para tal efecto, la administración de AFP LIDER ha señalado las siguientes pautas: ADM. DE CARTERA DE VALORES Problema de inversión de AFP LIDER •La cantidad total invertida en fondos de alto riesgo debe estar entre 50 y 75% de la cartera. •La cantidad total invertida en fondos de riesgo medio debe estar entre 20 y 30% de la cartera. •La cantidad total invertida en fondos de bajo riesgo debe ser al menos de 5% de la cartera. Una segunda forma de controlar el riesgo es diversificar, esto es, esparcir el riesgo invirtiendo en muchas alternativas diferentes. La gerencia de AFP LIDER, ha especificado que la cantidad invertida en los fondos de alto riesgo 1,2 y 3 deben estar en la tasa 1:2:3, respectivamente. La cantidad invertida en los fondos de riesgo medio 4 y 5 debe ser 1:2. ¿Qué cartera debería el gerente de cartera, recomendar patra maximizar la tasa esperada de retorno? ADM. DE CARTERA DE VALORES Desarrollo del modelo matemático de AFP LIDER Variables de decisión: F1, F2, F3, F4, F5, F6 F1 = la fracción de cartera por invertir en el fondo 1 F2 = la fracción de cartera por invertir en el fondo 2 F3 = la fracción de cartera por invertir en el fondo 3 F4 = la fracción de cartera por invertir en el fondo 4 F5 = la fracción de cartera por invertir en el fondo 5 F6 = la fracción de cartera por invertir en el fondo 6 Función objetivo: Max. la tasa esperada de rendimiento, esto es, ren dim iento total esperado Tasa esperada de ren dim iento cantidad invertida Rendimiento total esperado = (rendimiento esperado del fondo 1) + (rendimiento esperado del fondo 2 ) + (rendimiento esperado del fondo 3) + (rendimiento esperado del fondo 4) + (rendimiento esperado del fondo 5) + (rendimiento esperado del fondo ) ADM. DE CARTERA DE VALORES Desarrollo del modelo matemático de AFP LIDER Función objetivo: Max. la tasa esperada de rendimiento, esto es, Rendimiento esperado del fondo 1 = (cantidad invertida en el fondo 1)*(tasa de rendimiento del fondo 1) REF1 = (F1 * 1 000 000) * 0.30 = 300 000F1 RTE = 300 000F1 + 200 000F2 + 150 000F3 + 120 000F4 + 100 000F5 + 70 000F6 Dividiendo entre la inversión total de $1 000 000 se obtiene la tasa de rendimiento, por tanto la FO es: Max 0.30F1 + 0.20F2 + 0.15F3 + 0.12F3 + 0.10F5 + 0.07F6 Identificación de restricciones: limitaciones de inversión para control de la inversión en cada una de las tres categorias de riesgo, de diversificación para extender la inversión dentro de cada categoría de riesgo y restricciones lógicas. ADM. DE CARTERA DE VALORES Desarrollo del modelo matemático de AFP LIDER Identificación de restricciones: Limitaciones de inversión •En alto riesgo entre 50 y 75%: F1, F2 y F3 Fracción de cartera total invertida: F1 + F2 + F3 Las restricciones son: F1 + F2 + F3 >= 0.50 (mínimo de alto riesgo) F1 + F2 + F3 <= 0.75 (máximo de alto riesgo) •En riesgo medio enmtre 20 y 30%: F4 y F5 Fracción de la cartera total invertida: F4 + F5 Las restricciones son: F4 + F5 >= 0.20 (mínimo de riesgo medio) F4 + F5 <= 0.30 (máximo de riesgo medio) •En fondos de bajo riesgo al menos 5%: F6 Fracción de la cartera invertida: F6 La restricción es: F6 >= 0.05 (mínimo en bajo riesgo) ADM. DE CARTERA DE VALORES Desarrollo del modelo matemático de AFP LIDER Identificación de restricciones: de diversificación Fondos de alto riesgo 1,2 y 3: tasa 1:2:3, es decir cantidad invertida en F2 sea el doble de la cantidad invertida en F1: F2 = 2F1, reordenando se tiene: -2F1 + F2 = 0 (proporción de F1 a F2) Cantidad invertida en F3 debe ser tres veces la invertida en F1: F3 = 3F1, reordenando se tiene: -3F1 + F3 = 0 (proporción de F1 a F3) Fondos de riesgo medio 4 y 5: tasa 1:2, cantidad invertida en F5 debe ser el doble de la del F4: F5 = 2F4, reordenando se tiene: -2F4 + F5 = 0 (proporción de F4 a F5) Restricciones lógicas: Cada variable debe ser no negativa, valor fraccional de las acciones, asegurar la inversión total de $1 000 000. Fracción total de $1 000 000 invertida es igual a 1 ó F1 + F2 + F3 + F4 + F5 + F6 = 1.0 (agenda total) ADM. DE CARTERA DE VALORES
Desarrollo del modelo matemático de AFP LIDER
En resumen: Max 0.30F1 + 0.20F2 + 0.15F3 + 0.12F3 + 0.10F5 + 0.07F6 s.a. F1 + F2 + F3 >= 0.50 (mínimo de alto riesgo) F1 + F2 + F3 <= 0.75 (máximo de alto riesgo) F4 + F5 >= 0.20 (mínimo de riesgo medio) F4 + F5 <= 0.30 (máximo de riesgo medio) F6 >= 0.05 (mínimo en bajo riesgo) -2F1 + F2 = 0 (proporción de F1 a F2) -3F1 + F3 = 0 (proporción de F1 a F3) -2F4 + F5 = 0 (proporción de F4 a F5) F1 + F2 + F3 + F4 + F5 + F6 = 1.0 (cartera total) F1, F2, F3, F4, F5, F6 = 0 PROGRAMACION ENTERA MODELO DE PLANEACIÓN DE PERSONAL DE NBKBANK La sucursal de NBKBANK en San Isidro requiere de 8 a 15 cajeros de servicio, dependiendo de la hora del día. Requerimiento de cajeros de NBKBANK Periodo Número mínimo de cajeros 8 – 10 A.M. 8 10 – 12 Mediodía 10 12 – 2 A.M. 15 2–4 A. M. 12
Los cajeros de tiempo completo trabajan 8 horas consecutivas a US$15
la hora, comenzando a las 8A.M. Los cajeros a tiempo parcial trabajan 4 horas consecutivas a US$8 la hora, comenzando a las 8A.M, 10A.M.o 12 del mediodía. La convención sidical requiere que a toda hora al menos el 60% de los cajeros sean de tiempo completo. Como jefe de personal, elaborar un plan óptimo que minimice el costo diario total respecto al Nº de empleados a tiempo completo y de tiempo parcial. PROGRAMACION ENTERA
MODELO DE PLANEACIÓN DE PERSONAL DE NBKBANK
Variables de decisión: X1, X2, X3, X4, X1 = Nº de cajeros de tiempo completo a contratar X2 = Nº de cajeros de tiempo parcial por contratar que entra 8A.M. X3 = Nº de cajeros de tiempo parcial por contratar que entra 10A.M. X4 = Nº de cajeros de tiempo parcial por contratar que entra 12M. Función objetivo: Minimizar el costo diario total Costo total = (costo de cajeros de tiempo completo) + (costo de cajeros de tiempo parcial que entran 8A.M.) + (costo de cajeros de tiempo parcial que entran 10A.M.) + (costo de cajeros de tiempo parcial que entran 12M.) Minimizar 120X1 + 32X2 + 32X3 + 32X4 PROGRAMACION ENTERA
MODELO DE PLANEACIÓN DE PERSONAL DE NBKBANK
Identificación de restricciones: de requerimiento y las de proporción Diagrama esquemático de planeación de personal X1 Tiempo completo X4 Tiempo parcial a las 12M. X3 Tiempo parcial a las 10A.M. X2 Tiempo parcial a las 8A.M.
8A.M. 10A.M. 12M. 2P.M. 4P.M.
PROGRAMACION ENTERA MODELO DE PLANEACIÓN DE PERSONAL DE NBKBANK Restricción de requerimiento de cajeros: al menos 8 cajeros de 8 a 10A.M. (incluyen a cajeros de tiempo completo y tiempo parcial que entra a las 8A.M. X1 + X2 >= 8 (de 8 a 10A.M.) X1 + X2 +X3 >= 10 (de 10A.M. A 12M.) X1 + X3 + X4 >= 15 (de 12M. A 2P.M.) X1 + X4 >= 12 (de 2PM. A 4P.M. Restricciones de proporción: al menos 60% de cajeros deben ser T.C. X1 >= 0.6(X1 + X2) o 0.4X1 – 0.6X2 >= 0 X1 >= 0.6(X1 + X2 + X3) o 0.4X1 – 0.6X2 – 0.6X3 >= 0 X1 >= 0.6(X1 + X3 + X4) o 0.4X1 – 0.6X3 – 0.6X4 >= 0 X1 >= 0.6(X1 + X4) o 0.4X1 – 0.6X4 >= 0 Restricciones lógicas: cada variable deber ser un entero no negativo. PROGRAMACION ENTERA MODELO DE PLANEACIÓN DE PERSONAL DE NBKBANK En resumen: Minimizar 120X1 + 32X2 + 32X3 + 32X4 s.a. X1 + X2 >= 8 X1 + X2 + X3 >= 10 X1 + X3 + X4 >= 15 X1 + X4 >= 12 0.4X1 – 0.6X2 >= 0 0.4X1 – 0.6X2 – 0.6X3 >= 0 0.4X1 – 0.6X3 – 0.6X4 >= 0 0.4X1 – 0.6X4 >= 0 X1, X2, X3, X4, >= 0 y enteros