Programación Lineal y Optimización Segundo Examen Parcial Profr. Eduardo Uresti, enero-mayo 2013

Documentos relacionados
Programación Lineal y Optimización Segundo Examen Parcial Respuesta: :Solución Profr. Eduardo Uresti, Enero-Mayo 2011

Optimización y Programación Lineal

Programación Lineal y Optimización Segundo Examen Parcial :Solución Profr. Eduardo Uresti, Verano 2009

Datos técnicos y económicos A B B B C C C Coste variable por min (um)

Programación Lineal y Optimización Primer Examen Parcial :Solución Profr. Eduardo Uresti, Enero-Mayo 2011

Práctica de informática del programa LINDO

1. Análisis de la situación Objetivo Hipótesis... 3

PROGRAMACION ENTERA: METODO DE BIFURCACIÓN Y ACOTAMIENTO

Universidad Nacional de Ingeniería

Programación Lineal: Modelos PLE

PROBLEMA DE FLUJO DE COSTO MINIMO.

PLE: Ramificación y Acotamiento

ANÁLISIS DE SENSIBILIDAD CON EXCEL Y LINDO

ANALISIS DE SENSIBILIDAD CON GAMS-CPLEX

PROBLEMA DE FLUJO DE COSTO MINIMO.

DUALIDAD EN PROGRAMACIÓN LINEAL CON LINDO

PROBLEMA 1. Considere el siguiente problema de programación lineal:

Colección de Problemas II. mín Z = 8x 1 + 9x 2 + 7x 3 s. a: x 1 + x 2 + x x 1 + 3x 2 + x x 1 + x 2 x 3 30

a) LLamamos x al número de collares e y al número de pulseras. Las restricciones son: x + y 50 2x + y 80 x, y 0

3. Estudia si la solución ( 1, 1, 1) es factible y, si lo es, si es interior o de frontera.

UNIVERSIDAD NACIONAL AUTONOMA DE NICARAGUA UNAN-MANAGUA FAREM - CARAZO

"TEORÍA DE LA OPTIMIZACIÓN"

INSTITUTO POLITÉCNICO NACIONAL ESCUELA SUPERIOR DE CÓMPUTO. Modelado y Análisis M. EN C. EDUARDO BUSTOS FARÍAS

Primer examen parcial MECU 3031

Programación Lineal. El modelo Matemático

Dakota quiere maximizar el ingreso total por que se han comprado ya los recursos. Definiendo las variables de decisión como:

UNIDAD UNO PROGRAMACIÓN LÍNEAL Parte 4

EJERCICIO DE MAXIMIZACION

COSTTO TOTAL: 15 (8)+20(9) +10(14)+20(6)+30(16)= 1250

Desarrollar un modelo Lingo. Para desarrollar un modelo de optimización en Lingo hay que especificar:

Tabla 1 RADIO 1 RADIO 2 Precio (BsF) Costo materia prima (BsF) 5 4 Horas trabajador Horas trabajador 2 2 1

ANALISIS DE SENSIBILIDAD CON GAMS-CPLEX

SOLUCIÓN GRÁFICA DE PROBLEMAS DE PROGRAMACIÓN LINEAL

RELACIÓN DE PROBLEMAS DE CLASE DE PROGRAMACIÓN LINEAL ENTERA

Optimización y Programación Lineal

FECHA DE ENTREGA AL ESTUDIANTE: Adjunto a la primera prueba parcial

FACULTAD DE INGENIERÍA DEPARTAMENTO DE SISTEMAS DE PRODUCCIÓN

APUNTE: Introducción a la Programación Lineal

WinQSB. Módulo de Programación Lineal y Entera. Al ejecutar el módulo Linear and Integer Programming, la ventana de inicio es la siguiente

Figura 1: Esquema de las tablas simplex de inicio y general.

de febrero de Ejemplo de los vasos. Nuevos cambios en el lado derecho. FAQ. Sí, conozco la teoría, pero me puede poner un ejemplo?

PROBLEMA DE FLUJO DE COSTO MINIMO.

Práctica N 6 Modelos de Programación Lineal Entera

Auxiliar 4 Gestión de Inventarios, Programación de operaciones

MÉTODO DEL DUAL (TEORIA DE DUALIDAD)

/15/ /20/ /30/0 45/30/10/0 20/0 30/0 30/0 125 \125. Costo total: 15(8)+20(9)+10(14)+20(6)+30(16) 1250

Programación NO Lineal (PNL) Optimización sin restricciones

UNIVERSIDAD DE MANAGUA Al más alto nivel

Práctica 2: Análisis de sensibilidad e Interpretación Gráfica

Álgebra Matricial y Optimización Ma130


Programación Lineal. Departamento de Matemáticas, CSI/ITESM. 28 de abril de 2010

LINGO - Parte 1. Introducción a LINGO

Producto Maquina A Maquina B Acabado Muñecas 2 hr 1 hr 1 hr Soldados 1 hr 1 hr 3 hr

PROGRAMACIÓN LINEAL (Selectividad) 2ºBachillerato C.C.S.S. Noviembre 2015

EJERCICIO 1. Max Z = 6 x x 2 s.r. (1) 4 x x 2 12 (2) 2 x x 2 16 (3) 2 x 1 6 x 1, x 2 0

ESCUELA DE CIENCIAS CIENCIAS BASICAS TECNOLOGIA E INGENIERIA PROGRAMACION LINEAL Act No. 8. LECTURA LECCION EVALUATIVA 2

PROGRAMACIÓN LINEAL MÉTODO GRÁFICO

PROBLEMA DE PROGRAMACIÓN LINEAL RESUELTO POR MÉTODO SIMPLEX

GUIA DE EJERCICIOS - TEORIA DE DECISIONES

Contenido: Solución algebraica a los problemas de programación lineal con el método simplex.

Formulación del problema de la ruta más corta en programación lineal

TEMA N 1.- MODELOS EN INVESTIGACIÓN OPERATIVA

UNIDAD 6 PROGRAMACIÓN LINEAL ENTERA. de programación lineal entera. lineal entera.

Facultad de Ciencias Económicas, Jurídicas y Sociales - Métodos Cuantitativos para los Negocios

Problemas de Programación Lineal: Método Simplex

PROBLEMAS DE PROGRAMACIÓN LINEAL (SELECTIVIDAD)


Universidad de Managua Al más alto nivel

Formulación de un Modelo de Programación Lineal

Z Optima X 1 + X 2 5 Z 1 -X 1 + 2X Región factible. Figura 1

Para conocer la conveniencia de la aplicación SOLVER de EXCEL Microsoft, se utilizará un ejemplo práctico:

Tema 5: Análisis de Sensibilidad y Paramétrico

UNIDAD 4 Programación lineal

Programación por Metas por Antonio Mejía

PROBLEMAS DE PROGRAMACIÓN ENTERA I

EJERCICIOS PROGRAMACIÓN LINEAL

TEMA 2: PROGRAMACIÓN LINEAL.

Suscripciones Administración Reclamos Formule un modelo de programación lineal.

Esterilización 1 4. Envase 3 2

Integradora 3. Modelos de Programación Lineal

Modelos de Programación Matemática

Programación Lineal. El método simplex

1. RESOLVER el siguiente problema de programación lineal. max z =15x x 2 suj.a : 2x 1 + x x 1 + x x 1 500

Introducción a Programación Lineal

Proteinas Hidratos Grasas Coste/kg A B MATEMATIZACIÓN DEL PROBLEMA. A B Necesidades

Planteamiento de problemas de programación lineal. M. En C. Eduardo Bustos Farías

APUNTE DE PROGRAMACION LINEAL ASIGNATURA: MATEMATICA II - U.N.R.N. AÑO: 2010

x + y 20; 3x + 5y 70; x 0; y 0

Fundamentos de Investigación de Operaciones Investigación de Operaciones 1

CAPÍTULO 4 PROGRAMACIÓN LINEAL ENTERA

EL PROBLEMA DE TRANSPORTE

1: INTRODUCCIÓN AL USO DE LA HOJA DE CALCULO EXCEL COMO HERRAMIENTA PARA DESARROLLAR PROBLEMAS EN INGENIERÍA. SOLVER, REGRESION LINEAL MULTIPLE

UNIVERSIDAD DIEGO PORTALES. FACULTAD DE INGENIERIA. ESCUELA DE INGENIERIA INDUSTRIAL.

Universidad Tec Milenio: Profesional HG04002 Análisis de Decisiones I

Práctica N o 8 Desigualdades Válidas - Algoritmos de Planos de Corte - Algoritmos Branch & Cut

Programación lineal Optimización de procesos químicos DIQUIMA-ETSII

BREVE MANUAL DE WINQSB PROFESOR: DAVID LAHOZ ARNEDO

Universidad Tec Milenio: Profesional IO04001 Investigación de Operaciones I. Tema # 9

EJERCICIOS PAU MAT II CC SOC. ARAGÓN Autor: Fernando J. Nora Costa-Ribeiro Más ejercicios y soluciones en fisicaymat.wordpress.com

Transcripción:

Programación Lineal y Optimización Segundo Examen Parcial Profr. Eduardo Uresti, enero-mayo 2013 Matrícula: Nombre: NO HAGA MÁS DE 105 PUNTOS 1. Suponga que tiene una empresa que produce tres tipos de productos (P i) que vende a granel. Estos productos están basados en 4 tipos de materias primas (MP j). El personal de operación ha planteado el modelo para maximizar la utilidad neta y lo ha resuelto; se tiene el reporte de LINDO, el cual se muestra a continuación. En los incisos a), b), d) y e) cruce la respuesta y, si así lo requiere, complemente su respuesta llenando el espacio marcado. LP OPTIMUM FOUND AT STEP 2 OBJECTIVE FUNCTION VALUE 1) 280.0000 VARIABLE VALUE REDUCED COST P1 2.000000 0.000000 P2 0.000000 7.000000 P3 8.000000 0.000000 ROW SLACK OR SURPLUS DUAL PRICES MP1) 21.000000 0.000000 MP2) 0.000000 10.000000 MP3) 0.000000 8.000000 MP4) 4.000000 0.000000 NO. ITERATIONS= 2 RANGES IN WHICH THE BASIS IS UNCHANGED: OBJ COEFFICIENT RANGES VARIABLE CURRENT ALLOWABLE ALLOWABLE COEF INCREASE DECREASE P1 60.000000 20.00000 5.600000 P2 28.000000 7.000000 INFINITY P3 20.000000 2.500000 5.000000 RIGHTHAND SIDE RANGES ROW CURRENT ALLOWABLE ALLOWABLE RHS INCREASE DECREASE MP1 45.000000 INFINITY 21.000000 MP2 20.000000 4.000000 8.000000 MP3 15.000000 5.000000 7.000000 MP4 15.000000 INFINITY 6.000000 a) (5 puntos) Suponga que la utilidad del producto 2 aumenta 8 unidades. Es posible estimar el cambio en el óptimo? NO vs SI y el valor del óptimo será: Como el incremento (8) en el coeficiente es mayor que el máximo permitido(7), NO es posible estimar el cambio en el óptimo. b) (5 puntos) Suponga que la utilidad del producto 1 aumenta 12 %, la utilidad del producto 2 aumenta en 1.2 unidades de capital y que la utilidad del producto 3 disminuye 2 unidad de capital; Es posible estimar el cambio en el óptimo? NO vs SI : El valor del óptimo será: Para aplicar la regla del 100 %, determinamos el porcentaje de aumento total: 0.12 + 1.2 7 + 2 5 = 0.12 + 0.1714 + 0.4 = 0.6914 < 1 Por tanto, SÍ es posible calcular el cambio en el óptimo: z = (2) ((0.12) 60) + (0) (1.2) + (8) ( 2) = 1.6 con estos cambios el valor del óptimo será 280 1.6 = 278.4. c) (5 puntos) Determine el rango de variación de la materia prima 3 donde es posible estimar el cambio en el valor del óptimo: [, ] [15 5, 15 + 7] = [10, 22]

TC3001, segundo parcial, enero-mayo 2013 2 d) (5 puntos) Suponga que le ofrecen a la empresa un paquete que incluye 2 unidades de la materia prima 1, 2 unidades de la materia prima 2 y 2 unidades de la materia prima 3 a un costo de 25 unidades de capital, le conviene comprar? NO vs SI : Porque el beneficio sería de: El cambio total porcentual es: 2 + 2 4 + 2 5 + 0 = 0.9 1.00 Por tanto, sí es posible estimar el cambio en el óptimo utilizando los precios duales de los lados derechos de las restricciones: (0) (2) + (10) (2) + (8) (2) + 0 (0) = 36 Teniendo un beneficio de 36 a un costo de 25, SÍ conviene comprar. e) (5 puntos) Suponga que desafortunadamente se ha dañado en bodega un lote con dos unidades de cada tipo de materia prima que la ha dejado inservible. Diga usted si acaso puede calcular el impacto sobre la utilidad neta, y de ser posible, diga en cuántas unidades monetarias se estima la pérdida. Es posible estimar el cambio en el óptimo? NO vs SI : El valor del óptimo será: El cambio total porcentual es: 2 21 + 2 8 + 2 7 + 2 6 = 0.0952 + 0.2500 + 0.2657 + 0.3333 = 0.96 1 Por consiguiente, SÍ podemos estimar el impacto en el óptimo utilizando los precios duales de los lados derechos de las restricciones: (0) ( 2) + (10) ( 2) + (8) ( 2) + (0) ( 2) = 36 el nuevo óptimo será de 280 34 = 244. 2. Una empresa que fabrica componentes de computadoras tiene cuatro fábricas que producen, respectivamente, 800, 300, 200 y 600 piezas mensuales. Estas piezas han de ser transportadas a cuatro tiendas que necesitan 1000, 800, 700 y 300 piezas, respectivamente. Suponga que cada pieza que no se entrega a una tienda tiene una multa de 5 dólares. Los costos de transporte, en dólares por pieza, son los que aparecen en la tabla siguiente. Fábrica Tienda A Tienda B Tienda C Tienda D I 3 7 1 2 II 2 2 6 4 III 5 1 2 3 IV 2 3 4 2 a) (10 puntos) Cómo debe organizarse el transporte para que el costo sea mínimo? Debido a que la demanda total (2,800 piezas) excede la capacidad total (1,900) debemos introducir un sitio de escasez que pueda proveer 900 piezas (2,800-1,900) donde los costos de envio a las tiendas son las penalizaciones. Al resolver el problema de transporte obtenemos como solución: Costo: 7,400.00 (envio=2900, penalización=4500) Estrategia de Envío De Fábrica A tienda A A tienda B A tienda C A tienda D I 0 0 700 100 II 0 300 0 0 III 0 200 0 0 IV 400 0 0 200 Entregados 400 500 700 300 No entregados 600 300 0 0

TC3001, segundo parcial, enero-mayo 2013 3 b) (10 puntos) Si existe forma de contactar un proveedor para suplir las piezas faltantes cuyo costo total (pieza y transporte) es de 3.5 dólares, Cómo debe organizarse el transporte para que el costo sea mínimo? A nuestra red de transporte (la que tiene el nodo de escasez para planear quizá no entregar algunas piezas) añadimos un nodo que pueda proveer a un costo de 3.5 dólares; suponemos que nos puede proveer el total del producto. Al resolver el problema de transporte obtenemos Costo: 6,050.00 (envio=2900, penalización=0, proveedor=3150) Estrategia de Envío De Fábrica A tienda A A tienda B A tienda C A tienda D I 0 0 700 100 II 0 300 0 0 III 0 200 0 0 IV 400 0 0 200 Por proveedor 600 300 0 0 Entregados 1000 800 700 300 No entregados 0 0 0 0 c) (15 puntos) Suponga que el proveedor externo le ofrece un precio de 3.25 dólares si el número total de piezas es por lo menos 600. La capacidad que tiene el proveedor es de 700 piezas. Cómo debe planear sus envíos para minimizar costos? Debido a que la demanda total (2,800 piezas) excede la capacidad total (1,900) debemos introducir un sitio de escasez que pueda proveer 900 piezas (2,800-1,900) donde los costos de envio a las tiendas son las penalizaciones. Añadimos un nodo que pueda proveer a un costo de 3 dólares; suponemos que nos puede proveer 700 piezas de producto. Al resolver el problema de transporte obtenemos Costo: 6,000.00 (envio=2900, penalización=1000, proveedor=2100) Estrategia de Envío De Fábrica A tienda A A tienda B A tienda C A tienda D I 0 0 700 100 II 0 300 0 0 III 0 200 0 0 IV 400 0 0 200 Por proveedor 600 100 0 0 Entregados 1000 600 700 300 No entregados 0 200 0 0 3. Utilice el método de Ramificación y Acotamiento visto en clase para resolver el siguiente problema: sujeto a Maximizar z = 2 x 1 + 3.1 x 2 + 0.5 x 3 x 1 + 2 x 2 + x 3 7.8 3 x 1 + 8 x 2 + 2 x 3 25 y x 1, x 2, x 3 0 y x 1, x 2 y x 3 enteros. Desarrolle el árbol de búsqueda indicando en cada nodo los resultados del simplex y en cada rama indique la desigualdad que se va sumando al problema. Hasta 8 nodos o encontrar el óptimo, lo que ocurra primero. Desarrollo de nodos N 1 : Problema relajado(p): [z = 15.66,x1 = 7.8, x2 = 0, x 3 = 0]

TC3001, segundo parcial, enero-mayo 2013 4 N 2 : P+(x1 8): RF Vacía N 3 : P+(x1 7): [z = 15.24,x1 = 7.0, x2 = 0.4, x 3 = 0] N 4 : P+(x1 7,x2 1: [z = 14.43,x1 = 5.666, x2 = 1, x3 = 0] N 5 : P+(x1 7,x 2 1,x 1 6): RF Vacía N 6 : P+(x1 7,x 2 1,x 1 5): : [z = 13.875,x1 = 5.0, x2 = 1.25, x3 = 0] N 7 : P+(x1 7,x 2 1,x 1 5+x 2 2): [z = 12.2,x1 = 3.0, x2 = 2., x3 = 0] N 8 : P+(x1 7,x 2 1,x 1 5+x 2 1): [z = 13.5,x1 = 5, x2 = 1., x3 = 0.8] N 9 : P+(x1 7,x 2 1,x 1 5+x 2 1+x3 1): [z = 13.2,x1 = 4.8, x2 = 1., x3 = 1.0] 4. (30 puntos) Hay trece proyectos disponibles para inversión. Los proyectos requieren recursos y proporcionan utilidades que se muestran en la tabla siguiente (las cantidades están en millones). Se tienen las siguientes restricciones. C1: No se puede invertir en los proyectos 1, 5 y 9 a la vez. Proyecto Recursos (r(i)) Utilidad (u(i)) 1 3 2 2 5 4 3 2 1 4 4 3 5 3 2 6 2 1 7 3 2 8 3 3.5 9 2.5 2 10 5 8 11 2 1 12 3 2 13 1.5 1 C2: Si se invierte en el proyecto 2, será obligación invertir en los proyectos 6, 10 y 12. C3: Los proyectos 3, 7, 11 y 13 constituyen un grupo de riesgo alto, y por tanto, a lo más 3 de estos proyectos se podrán aprobar. C4: Entre los proyectos 4,8, 10 y 13 habrá que aprobar al menos dos. C5: Si se invierte en al menos dos proyectos del portafolio formado por los proyectos 1, 2, 3 y 4 ó se invierte en al menos dos proyectos del portafolio formado por los proyectos 5, 6, 7 y 8, entonces se deberá invertir en al menos dos proyectos del portafolio formado por los proyectos 9, 10, 11, 12 y 13. Si se disponen de 30 millones para inversión, encuentre el plan de inversión que maximiza la utilidad. Si en su solución el plan de inversión no cumple C5, se penalizará con 15 puntos. Esta es una aplicación directa del problema de la mochila. No codificaremos la resstricción 5 y revisaremos si el resultado la cumple. MODELO Variables de Decisión { 1 si se invierte en el proyectoi x(i) = 0 otro caso

TC3001, segundo parcial, enero-mayo 2013 5 Objetivo: 13 max z = u(i) x(i) i=1 Restricciones: Naturales: x(i) binarias para i = 1,..., 13 C1: x(1) + x(5) + x(9) <= 2 C2: 3 x(2) <= x(6) + x(10) + x(12) C3: x(3) + x(7) + x(11) + x(13) <= 3 C4: x(4) + x(8) + x(10) + x(13) >= 2 Presupuesto: x(i) r(i) 30 CODIFICACION No la incluya RESULTADO Óptimo:26.5 Variables que no son cero: x(1), x(2), x(4), x(6), x(8), x(9), x(10), x(12), x(13) A posteriori, y para fortuna nuestra, nuestro plan de inversión satisface la condición C5: Es cierto que Entre los proyectos 1, 2, 3, y 4 se aprueban por lo menos 2 (se aprueban 3), entre los proyectos 5, 6, 7, y 8 se aprueban por lo menos 2 (se aprueban 2), y entre los proyectos 9, 10, 11, 12 y 13 se aprueban por lo menos 2 (se aprueban 4) INTERPRETACION El plan óptimo da una utilidad de 26.5 y requiere de una inversión de 29; y consiste de invertir en invertir en los proyectos 1, 2, 4, 6, 9, 10, 12 y 13. 5. (25 puntos) La empresa X produce 4 tipos de productos que distribuye a granel: A, B, C y D. Estos artículos requieren materia prima, mano de obra y tiempo en un horno de procesamiento. En la siguiente tabla se muestran los recursos requeridos y las ganancias por cada tipo de producto. Cada semana se cuenta con 400 kilogramos de materia prima, 160 horas de mano de obra y puede contratar horas de procesamiento en dos posibles hornos: 60 horas de tiempo de procesamiento en cada horno. El costo de la renta del horno 1 es de 2,000 unidades de capital, mientras que en el horno 2 el costo es de 2,500 unidades de capital. La empresa reconoce que para sea factible la producción de sus productos debe procesar al menos 10 kilogramos del producto A, 15 kilogramos de B, 12 kilogramos de C y 10 kilogramos de D. Formule y resuelva un modelo PLE para maximizar las utilidades semanales de X. A B C D Materia prima (kg) 2 3 3 2 Trabajo requerido(hr) 2 4 3 2 Tiempo de procesamiento (min) horno 1 10 20 15 15 Tiempo de procesamiento (min) horno 2 8 25 12 12 Utilidad obtenida ($/kg) 400 600 500 550 MODELO Por los modelos que tenemos ya implementados, es más conveniente tener dos modelos para nuestro problema: uno para el primer horno y otro para el segundo. Encontraremos el óptimo para el primero y luego para el segundo y compararemos resultados para ver cuál es la opción de horno más conveniente. Variables de Decisión: x(i) = Total de kilogramos del producto i a producir semanalmente y(i) = 1 ó 0 si se decide ó no producir el producto i

TC3001, segundo parcial, enero-mayo 2013 6 Objetivo: max z = 400 x(1) + 600 x(2) + 500 x(3) + 550 x(4) Costo horno donde Costo horno es 2, 000 unidades de capital en el modelo para el primer horno y 2, 500 unidades de capital para el segundo horno. Restricciones (C1) Materia prima (kg): 2 x(1) + 3 x(2) + 3 x(3) + 2 x(4) 400 (C2) Horas de trabajo (hr): 2 x(1) + 4 x(2) + 3 x(3) + 2 x(4) 160 Usaremos una de estas dos codificaciones dependiendo de cuál es el horno que estemos considerando: (C3H1) Tiempo de procesamiento en horno 1(min): 10 x(1) + 20 x(2) + 15 x(3) + 15 x(4) 3, 600 (C3H2) Tiempo de procesamiento en horno 2(min): 8 x(1) + 25 x(2) + 12 x(3) + 12 x(4) 3, 600 (C4) Producción de A: x(1) = 0 ó x(1) >= 10 x(1) M y(1) y (10 x(1)) M (1 y(1)) (C5) Producción de B: x(2) = 0 ó x(2) >= 15 x(2) M y(2) y (15 x(2)) M (1 y(2)) (C6) Producción de C: x(3) = 0 ó x(3) >= 12 x(3) M y(3) y (12 x(3)) M (1 y(3)) (C7) Producción de D: x(4) = 0 ó x(4) >= 10 x(4) M y(4) y (12 x(4)) M (1 y(4)) Naturales: x(i) 0 y y(i) binaria para i = 1, 2, 3, 4 CODIFICACION No la incluya RESULTADO En cualquier caso (primer horno o segundo), el plan óptimo consiste en: Producir únicamente 80 kilogramosde la sustancia D. El único recurso que se consume integramente es las horas de trabajo requerido, que tiene un precio dual de 275 unidades de capital (usando cualquiera de los hornos). De la materia prima sobran 240 kilogramos y El tiempo de procesamiento de horno el sobrante depende del tipo de horno: con el primero sobran del horno de 2,400 minutos y con el segundo sobran 2,640 minutos. El valor del óptimo para el primer horno es de 42,000 unidades de capital, mientras que para el segundo es de 41,500 unidades de capital.