UNIVERSIDAD PRIVADA SAN JUAN BAUTISTA

FACULTAD DE COMUNICACIN Y CIENCIAS ADMINISTRATIVAS

ESCUELA PROFESIONAL DE ADMINISTRACIN DE NEGOCIOS
DOCENTE:

TEMA:

OPTIMIZACIN
Mg. Eder Galarza Len
MATERIA:
Investigacin de Operaciones
CICLO/AULA:
VII - NB
INTEGRANTES:
Barrutia Atoche Diandra Carolina
Flores Quispe Mariv Johana
Guerra Godoy Guadalupe Isabel
Lino Chumbiauca Andrea Sthefania
Payano Gonzales, Yadira Hellen
Ramos Cspedes Jeferson
Sndiga Huamn Cynthia Isabel
Sotelo Gutierrez Leonardo Jess
Talla Muoz Daniel Eduardo
Tasayco Rodriguez Carlos Alberto

CHINCHA - 2016

INVESTIGACIN
DE OPERACIONES

DEDICATORIA
A DIOS por derramar su bendicin sobre
nosotros, A nuestros padres por todo su
esfuerzo, por la semilla de superacin
que han sembrado en nosotras y por
todo el apoyo emocional e incondicional
que nos brindan da a da.

3
OPTIMIZACIN

INVESTIGACIN
DE OPERACIONES

AGRADECIMIENTO:
Queremos agradecer:
A Dios.
Por darnos la sabidura, salud y fuerza para seguir en esta etapa
de nuestras vidas.
A nuestro docente Eder Galarza Len.
Por su comprensin, entrega de valiosos consejos.
A nuestros padres.
Por la confianza que han depositado en nosotros y por estar en
los momentos ms difciles en esta vida de estudiante.
A nuestra familia
Por su comprensin y estmulo constante

4
OPTIMIZACIN

INVESTIGACIN
DE OPERACIONES

INTRODUCCIN

El siguiente trabajo tiene como objetivo informar acerca de la importancia de la

optimizacin dentro de las empresas o sistemas, para lo cual es necesario realizar un
recorrido por distintas nociones de este tema, con el fin de acercarnos a su naturaleza,
basado en su origen, definiciones, elementos que intervienen, las relaciones que se
generan con otras disciplinas, de qu manera es til, etc.
Las Tcnicas de Optimizacin, conjuntamente con los sistemas informticos, y otras
disciplinas se han convertido en una poderosa herramienta para el diagnstico y
solucin de mltiples problemas complejos, presentes en las Ciencias de la
Administracin, convirtindose en elemento decisivo para la toma de decisiones.
Para la utilizacin de esta herramienta es necesario conocer su metodologa cientfica,
as como poseer conocimientos mnimos de Matemticas, Estadstica Matemtica y en
especial de lgebra Lineal.
El inters de este trabajo es contribuir en el conocimiento, presentando un compendio
bsico terico del problema de optimizacin, pero adems debido a un inters
particular de investigacin, se focalizar la orientacin hacia la tcnica de optimizacin
por programacin lineal, a travs de la maximizacin de una funcin objetivo, la cual se
encuentra sujeta a restricciones lineales.

5
OPTIMIZACIN

INVESTIGACIN
DE OPERACIONES

INDICE
INTRODUCCIN..............................................................................................5
INDICE..............................................................................................................6
CAPITULO I: OPTIMIZACIN
1.1.
1.2.
1.3.
1.4.
1.4.1.
1.4.2.
1.4.3.
1.4.4.

DEFINICIN..........................................................................................7
ORIGEN.................................................................................................7
INVESTIGACIN DE OPERACIONES Y OPTIMIZACIN...................8
TIPOS DE OPTIMIZACIN...................................................................8
OPTIMIZACION CLSICA....................................................................8
OPTIMIZACIN NO CLSICA..............................................................8
OPTIMIZACIN ESTOCASTICA..........................................................9
OPTIMIZACIN CON INFORMACIN NO PERFECTA.....................9

CAPITULO II: MODELOS DE OPTIMIZACIN

2.1.
2.2.

MODELO Y MODELADO......................................................................9
ETAPAS EN EL DESARROLLO DE UN MODELO.............................10

CAPITULO III: PROBLEMAS DE OPTIMIZACIN

3.1.
3.2.
3.3.
3.4.
3.4.1.
3.5
3.5.1.
3.6.

ORIGEN.............................................................................................11
COMPONENTES...............................................................................13
CLASIFICACIN...............................................................................14
OPTIMOS LOCALES Y GLOBALES.................................................14
CONDICIONES NECESARIAS Y SUFICIENTES
PARA OPTIMOS................................................................................14
RELAJACIONES................................................................................17
RELAJACIN LAGRANGIANA.........................................................17
PROGRAMACIN LINEAL...............................................................17

CONCLUSIONES...........................................................................................20
LINKOGRAFIA...............................................................................................21
ANEXOS.........................................................................................................22

6
OPTIMIZACIN

INVESTIGACIN
DE OPERACIONES

1. OPTIMIZACIN
1.1.

DEFINICION.
Optimizacin es la accin y efecto de optimizar. Este verbo hace referencia a buscar la
mejor manera de realizar una actividad. El trmino se utiliza mucho en el mbito de la
administracin.
La optimizacin consiste en la seleccin de una alternativa mejor, en algn sentido, que
las dems alternativas posibles. Es un concepto inherente a toda la investigacin
operativa

1.2.

ORIGEN
La optimizacin es una de las areas de la matemtica aplicada que estudia el problema
de minimizar o maximizar una funcin sujeta generalmente a restricciones sobre su
dominio. Si bien es cierto que algunas sub-areas de la optimizacin eran conocidas
siglos atrs, por ejemplo el clculo de variaciones, la optimizacin surgi entre los aos
treinta y cuarenta del siglo anterior en Inglaterra dentro del campo de la Investigacin
de Operaciones cuando un grupo de cientficos entre matemticos y fsicos fueron
reclutados para idear estrategias optimas de ataque y defensa contra las tropas
alemanas. Debido al gran xito de estas estrategias, estas fueron usadas tambin por
los americanos durante la segunda guerra mundial cumpliendo un papel decisivo en el
desenlace de esta guerra.
Al conocer que las estrategias de Investigacin de Operaciones eran aplicables
tambin a la Economa, Administracin y Finanzas, la Optimizacin tuvo un gran apoyo
econmico por parte de las empresas privadas para realizar investigaciones en esta
rea.
Asi se fundaron sociedades de Investigacin de Operaciones en los principales pases
desarrollados, como por ejemplo Operational Research Society en Inglaterra,
Operational Research American Society The Institute of Management Sciences en
los Estados Unidos y La Societ Francaise de Recherche Operationelle en Francia,
entre otros. Paralelamente se crearon diversas revists cientficas dedicadas a la
publicacin de los diversos trabajos de investigacin en Optimizacion y sus
aplicaciones.
Actualmente la Optimizacion con ayuda del avance de la Computacin Cientfica
conoce aplicaciones en diferentes areas, por ejemplo, en Economa, Administracin,
Fsica, Matemtica, Ingeniera, etc y se ha convertido en una de las cuatro lneas mas
estudiadas en el mbito de las ciencias e ingenieras.

7
OPTIMIZACIN

INVESTIGACIN
DE OPERACIONES

1.3.

INVESTIGACIN DE OPERACIONES Y OPTIMIZACIN

La investigacin operativa tiene sus orgenes en la Segunda Guerra Mundial, debido a

la necesidad urgente de asignacin de recursos escasos en las operaciones militares,
en problemas tcticos y estratgicos. Estas mismas tcnicas se han extendido con
posterioridad a las empresas.
Disciplinas tpicas de la investigacin operativa son la optimizacin con sus mltiples
sabores (lineal, no lineal, entera, estocstica, multiobjetivo), teora de la decisin y de
juegos, teora de colas y simulacin, teora de grafos o flujos de redes.
La optimizacin es una parte relevante dentro de la investigacin operativa. Tuvo un
progreso algortmico inicial muy rpido. Muchas tcnicas de programacin lineal (linear
programming) LP, programacin dinmica (dynamic programming) DP son anteriores
a 1960. Por ejemplo, el mtodo Simplex de programacin lineal debido a Dantzig es de
1947, el principio de optimalidad de Bellman base de la programacin dinmica se
formul en 1957. En la ltima dcada se han producido avances significativos
generados por el desarrollo en 1984 por parte de Karmarkar de un mtodo de punto
interior para programacin lineal.
1.4.

TIPOS DE OPTIMIZACIN

Segn el nivel de generalidad que tome el problema, ser la resolucin que se plantee.
1.4.1. Optimizacin clsica
Si la restriccin no existe, o es una restriccin de igualdad, con menor o igual nmero
de variables que la funcin objetivo entonces, el clculo diferencial, da la respuesta, ya
que solo se trata de buscar los valores extremos de una funcin.
1.4.2. Optimizacin con restricciones de desigualdad-Optimizacin no
clsica
Si la restriccin contiene mayor cantidad de variables que la funcin objetivo, o la
restriccin contiene restricciones de desigualdad, existen mtodos en los que en
algunos casos se pueden encontrar los valores mximos o mnimos. Si tanto
restricciones como funcin objetivo son lineales (Programacin lineal o PL), la
existencia de mximo (mnimo), est asegurada, y el problema se reduce a la
aplicacin de unos simples algoritmos de lgebra lineal elemental los llamados mtodo
simplex; y mtodo dual. Sin embargo, si estas condiciones no se cumplen, existen, las
llamadas condiciones de Khun -Tucker, las cuales en algunos casos, pueden ser
utilizables, para probar encontrar puntos crticos, mximos o mnimos. Sin embargo,
esta es un rea an muy poco desarrollada de la matemtica, frecuentemente, las

8
OPTIMIZACIN

INVESTIGACIN
DE OPERACIONES

condiciones de Khun-Tucker fallan, o no son suficientes, para la existencia de

extremos.
1.4.3. Optimizacin estocstica
Cuando las variables del problema (funcin objetivo y/o restricciones) son variables
aleatorias el tipo de optimizacin realizada es optimizacin estocstica.
1.4.4. Optimizacin con informacin no perfecta
En este caso la cantidad de variables, o ms an la funcin objetivo puede ser
desconocida o tambin variable. En este campo, la matemtica conocida como
matemtica borrosa[1], est realizando esfuerzos, por resolver el problema. Sin
embargo, como el desarrollo de esta rea de la matemtica es an demasiado
incipiente, son escasos los resultados obtenidos.

2. MODELOS DE OPTIMIZACIN
2.1.

MODELO Y MODELADO

Un modelo es una representacin matemtica simplificada de una realidad compleja.

Modelar es la accin de construir un modelo, de encorsetar la realidad. Implica la
relacin entre dos figuras (no necesariamente encarnadas por personas nicas sino por
equipos): el modelador (encargado de la especificacin y desarrollo del modelo) y el
experto sobre la realidad (conocedor del problema real). La mayora de las veces, el
desarrollo de un modelo puede involucrar a un equipo multidisciplinar compuesto por
matemticos, estadsticos, ingenieros, economistas, psiclogos, etc. que aportan
diferentes perspectivas y conocimiento en la representacin de la realidad. Un modelo
debe equilibrar la necesidad de contemplar todos los detalles con la factibilidad de
encontrar tcnicas de solucin adecuadas.
Un modelo es, en definitiva, una herramienta de ayuda a la toma de decisiones. Por
esta razn, sus resultados deben ser inteligibles y tiles. Modelar se puede entender
simultneamente como ciencia y como arte. Es una ciencia pues se basa en un
conjunto de procesos estructurados: anlisis y deteccin de las relaciones entre los
datos, establecimiento de suposiciones y aproximaciones en la representacin de los
problemas, desarrollo o uso de algoritmos especficos de solucin. Es un arte porque
materializa una visin o interpretacin de la realidad no siempre de manera unvoca.
Cada persona imprime su estilo en el modelo mismo y en la especificacin, en el
desarrollo y en la documentacin. Caractersticas tales como elegancia o simplicidad
pueden atribuirse a un modelo. El desarrollo de un modelo es una creacin hecha con
ayuda de ciencias bsicas o herramientas de apoyo.

9
OPTIMIZACIN

INVESTIGACIN
DE OPERACIONES

Entre los beneficios explcitos o implcitos, tanto para el modelador como para el
experto, derivados del proceso de modelado adems del modelo en s mismo, se
pueden mencionar:

Organiza los datos, la informacin disponible sobre el sistema Organiza,

estructura y mejora la comprensin del sistema

Internaliza la estructura organizativa de la empresa

Permite compartir supuestos y resultados entre el modelador y el experto

Proporciona un entorno agil para el anlisis y sensibilidad

Indica la direccin de mejora en las decisiones

2.2.

LAS ETAPAS QUE COMPONEN EL CICLO DE VIDA DE UN MODELO

SON LAS SIGUIENTES:

IDENTIFICACIN DEL PROBLEMA

Consiste en la recoleccin y anlisis de la informacin relevante para el problema, en el
intercambio de informacin entre el modelador y el experto, en establecer una relacin
simbitica y una estrecha coordinacin entre ambos.
Los problemas reales suelen estar definidos en trminos vagos e imprecisos. Se debe
hacer la tarea de traduccin o interpretacin en frases precisas, convertibles en
ecuaciones matemticas. En esta etapa se establecen y documentan los supuestos
realizados que en etapas posteriores debern ser validados.
Esta etapa es fundamental para que las soluciones proporcionadas, las conclusiones
obtenidas sean tiles, las decisiones adoptadas sean correctas. Los datos suelen ser
vitales para conseguir un realismo o aplicabilidad en las soluciones. A menudo
representan el cuello de botella del proceso de modelado.
ESPECIFICACIN MATEMTICA Y FORMULACIN
Escritura matemtica del problema de optimizacin, definiendo sus variables, sus
ecuaciones, su funcin objetivo, sus parmetros. En esta etapa se analiza el tamao
del problema, la estructura de la matriz de restricciones, su tipo (LP,MIP, NLP). Es una
etapa de creacin donde se debe prestar especial atencin a la precisin en la
formulacin y a la escritura de las ecuaciones que describen el problema
10
OPTIMIZACIN

INVESTIGACIN
DE OPERACIONES

En LP la eleccin de una formulacin de un problema, aunque importante, no afecta de

manera significativa la resolucin del mismo. Sin embargo, en NLP o MIP la eleccin de
la formulacin es crucial. Pueden existir diversas alternativas de modelado que afectan
de manera fundamental en la resolucin del mismo, existiendo un desarrollo cada vez
mayor en la reformulacin de problemas.

11
OPTIMIZACIN

INVESTIGACIN
DE OPERACIONES

VERIFICACIN, VALIDACIN Y REFINAMIENTO

Esta etapa conlleva la eliminacin de los errores en la codificacin, es decir, conseguir
que el modelo haga lo que se ha especificado matemticamente en la etapa anterior
mediante su escritura en un lenguaje informtico (depurar y verificar). Es necesario
comprobar la validez de las simplificaciones realizadas a travs de los resultados
obtenidos, incluso contrastando stos con situaciones reales ya transcurridas (validar)
o comprobando que los resultados son coherentes con respecto a lo que sucedera en
la realidad.
Esta etapa de verificacin, validacin y comprobacin da lugar a nuevas necesidades
de refinamiento en el modelado para mejorar la capacidad de representacin del
sistema. Por ejemplo, eliminar la linealidad y hacer el modelo no lineal o hacer el
modelo estocstico si la realidad lo fuera. Adems, tambin se puede abordar el
refinamiento matemtico en la formulacin del problema para hacerla ms eficaz.

INTERPRETACIN Y ANLISIS DE LOS RESULTADOS

Esta etapa consiste en proponer soluciones. Permite conocer en detalle el
comportamiento del modelo al hacer un anlisis de sensibilidad en los parmetros de
entrada, estudiar diferentes escenarios plausibles de los parmetros, detectar
soluciones alternativas cuasiptimas pero suficientemente atractivas, comprobar la
robustez de la solucin ptima.

IMPLANTACIN, DOCUMENTACIN Y MANTENIMIENTO

sta es una etapa fundamental del desarrollo de un modelo para garantizar su amplia
difusin. La documentacin ha de ser clara, precisa y completa. El manual de usuario
debe incluir la especificacin tcnica funcional, matemtica e informtica. El propio
cdigo debe incluir una buena documentacin para facilitar la tarea del mantenimiento.
Pinsese que la mayor parte del ciclo de vida de un modelo no est en el desarrollo
sino en la fase de uso y mantenimiento.
En esta etapa se incluye tambin la tarea de formacin para los usuarios del modelo.
3. PROBLEMAS DE OPTIMIZACION
3.1.

ORIGEN

Los problemas de optimizacin de funciones son una de las aplicaciones ms

inmediatas e interesantes del clculo de derivadas. El problema es determinar los
extremos relativos (mximos o mnimos) de una funcin.
12
OPTIMIZACIN

INVESTIGACIN
DE OPERACIONES

Se aplican en diferentes contextos, permitiendo resolver problemas de optimizacin

geomtricos y econmicos entre otros. Como sabemos en la vida cotidiana con
frecuencia estamos afrontando muchos problemas de optimizacin; por ejemplo,
buscamos el mejor camino para ir de un lugar a otro, (no necesariamente el ms corto),
tratamos de hacer la mejor eleccin al hacer una compra, buscamos la mejor ubicacin
cuando vamos a un cine o a un teatro, tratamos de ensear lo mejor posible,
escogemos al mejor candidato (o al menos malo) en una eleccin. Evidentemente, en
ninguno de estos casos usamos matemtica formalizada y rigurosa para encontrar lo
que nos proponemos, pues afrontamos los problemas con los criterios que nos dan la
experiencia y la intuicin, aunque no necesariamente encontremos la solucin ptima.
En una perspectiva ms amplia, observamos que los problemas de optimizacin son
parte fundamental de la matemtica y ya estaban presentes en los tratados de los
griegos de la antigedad. Una muestra de ello es el libro V de la obra sobre cnicas
escrita en ocho tomos por Apolonio considerado uno de los griegos ms importantes
de la antigedad, que vivi entre los aos 262 y 190 a.C. en el cual se dedica a
estudiar segmentos de longitud mxima y longitud mnima trazados respecto a una
cnica. Ciertamente, un hito histrico est marcado por el desarrollo del clculo
diferencial en el siglo XVII y el uso de derivadas para resolver problemas de mximos y
mnimos, con lo cual se ampli an ms las aplicaciones de las matemticas en
diversos campos de la ciencia y la tecnologa y gracias, sobre todo, a Euler se cre el
clculo de variaciones, considerando la obtencin de funciones que optimizan
funcionales, lo cual proporcion valiosas herramientas matemticas para afrontar
problemas ms avanzados. Otro hito importante en la historia de la optimizacin se
marca en la primera mitad del siglo XX al desarrollarse la programacin lineal.
Kantorovich y Koopmans recibieron el premio Nobel de economa en 1975, como
reconocimiento a sus aportes a la teora de la asignacin ptima de recursos, con la
teora matemtica de la programacin lineal.
En esta breve mirada histrica, es importante mencionar que Fermat (1601-1665),
antes que Newton y Leibinitz publicaran sus trabajos sobre el clculo diferencial,
invent mtodos ingeniosos para obtener valores mximos y mnimos; que Jean
Baptiste-Joseph Fourier (1768-1830) mostr aproximaciones intuitivas a mtodos de
optimizacin actualmente considerados en la programacin lineal; y que el tratamiento
riguroso de las ideas de Newton y Leibinitz y de muchos otros anteriores a ellos, que
aportaron ideas relevantes al anlisis matemtico fue desarrollado recin en el siglo
XIX, con Cauchy, Weierstrass y Dedekind.
Tenemos as, en la historia de la matemtica y en particular en temas vinculados con
optimizacin hechos que nos muestran la relacin estrecha entre intuicin y rigor, y
que han llevado a destacados personajes de la matemtica a tomar posicin respecto a
este asunto. Baste mencionar a Flix Klein (Alemania, 1849 1925), destacado
gemetra, autor del famoso programa de Erlangen, quien afirm que En cierto sentido,
13
OPTIMIZACIN

INVESTIGACIN
DE OPERACIONES

las matemticas han progresado ms gracias a las personas que se han distinguido por
la intuicin, no por los mtodos rigurosos de demostracin
Es entonces importante estudiar e investigar sobre la intuicin y el rigor en las
matemticas, y en particular en la resolucin de problemas de optimizacin.

3.2.

COMPONENTES

Los problemas de optimizacin se componen generalmente de estos tres ingredientes:

FUNCIN OBJETIVO

Es la medida cuantitativa del funcionamiento del sistema que se desea optimizar

(maximizar o minimizar). Como ejemplo de funciones objetivo se pueden mencionar: la
minimizacin de los costes variables de operacin de un sistema elctrico, la
maximizacin de los beneficios netos de venta de ciertos productos, la minimizacin del
cuadrado de las desviaciones con respecto a unos valores observados, la minimizacin
del material utilizado en la fabricacin de un producto, etc.

VARIABLES

Representan las decisiones que se pueden tomar para afectar el valor de la funcin
objetivo. Desde un punto de vista funcional se pueden clasificar en variables
independientes o principales o de control y variables dependientes o auxiliares o de
estado, aunque matemticamente todas son iguales. En el caso de un sistema elctrico
sern los valores de produccin de los grupos de generacin o los flujos por las lneas.
En el caso de la venta, la cantidad de cada producto fabricado y vendido. En el caso de
la fabricacin de un producto, sus dimensiones fsicas.

RESTRICCIONES

Representan el conjunto de relaciones (expresadas mediante ecuaciones e

inecuaciones) que ciertas variables estn obligadas a satisfacer. Por ejemplo, las
potencias mximas y mnimas de operacin de un grupo de generacin, la capacidad
de produccin de la fbrica para los diferentes productos, las dimensiones del material
bruto del producto, etc.
Resolver un problema de optimizacin consiste en encontrar el valor que deben tomar
las variables para hacer ptima la funcin objetivo satisfaciendo el conjunto de
restricciones.
Los mtodos de optimizacin los podemos clasificar en: mtodos clsicos (que son los
algoritmos que habitualmente se explican en los libros de optimizacin) y mtodos meta
14
OPTIMIZACIN

INVESTIGACIN
DE OPERACIONES

heursticos (que aparecieron ligados a lo que se denomin inteligencia artificial e imitan

fenmenos sencillos observados en la naturaleza).

15
OPTIMIZACIN

INVESTIGACIN
DE OPERACIONES

3.3.

CLASIFICACIN.

Los problemas de optimizacin pueden clasificarse, segn el carcter de las variables,

en:
3.3.1. Problemas lineales generales:
Si todas sus variables de decisin son continuas, es decir, toman valores
en el espacio de nmeros reales IR. Se denominarn simplemente
problemas lineales y se denotarn por P L.
3.3.2. Problemas enteros:
Si todas sus variables de decisin son enteras, es decir, toman valores en
el espacio de nmeros enteros Z. Tambin se conocen como problemas
enteros puros lineales, y se denotan por P E. En particular, se tiene un
problema entero 01, si todas sus variables son binarias, es decir, toman
valores en el conjunto {0, 1}.
3.3.3. Problemas mixtos:
Si tienen variables de decisin tanto continuas como enteras. Tambin se
conocen como problemas enteros mixtos lineales, y se denotarn por PM.
En particular, un problema mixto 01 es aquel que contiene tanto
variables continuas como variables binarias.

3.4.

OPTIMOS LOCALES Y GLOBALES

En optimizacin existen 2 tipos de ptimos: locales y globales.

3.4.1. CONDICIONES NECESARIAS Y SUFICIENTES PARA OPTIMOS
Con las definiciones que preceden, ms las de convexidad, se puede definir un
conjunto de condiciones de optimalidad. Previamente se deber distinguir entre
condicin necesaria y condicin suficiente. Una condicin necesaria para un ptimo
(local) es una condicin que se cumple en cada solucin optimal, aunque tambin
podra cumplirse en otras soluciones. Puede ser utilizada para descartar, en la
bsqueda del ptimo, aquellas soluciones que no cumplen la condicin necesaria de
optimalidad, o limitar a priori la bsqueda a aquellas soluciones que cumplen dicha
condicin. Una condicin suficiente para un ptimo (local) es una condicin que si se
cumple garantiza que la solucin es ptima (local). Se puede utilizar en un
procedimiento en el que se trata de lograr que la condicin se cumpla, para de ese
modo obtener una solucin ptima.
16
OPTIMIZACIN

INVESTIGACIN
DE OPERACIONES

17
OPTIMIZACIN

INVESTIGACIN
DE OPERACIONES

3.4.1.1.

EJEMPLO

Una empresa de bebidas refrescantes llevaba varios aos aplicando una agresiva
poltica de expansin aadiendo continuamente nuevos sabores a su gama de
productos. El director gerente estaba satisfecho con los resultados, pues demostraba
que la cifra de ventas creca sin cesar desde el da que se implant tal poltica; por su
parte el equipo de vendedores vea que sus comisiones aumentaban de forma
sustancial y tambin se sentan complacidos. El nico lmite aparente a este
crecimiento era la dificultad de encontrar nuevos sabores aceptables para el pblico.
Cierto da, se descubri una causa de preocupacin inquietante: el departamento de
Produccin tropezaba con dificultades cada vez mayores para mantener los costes
dentro del nivel previsto. En resumen la productividad disminua con el aumento de la
produccin total. El gerente pidi al director de produccin que resolviese el problema.
La productividad se defina como el volumen de produccin por empleado/hora, y el
director de produccin advirti que, durante el perodo en cuestin, el nmero de horas
trabajadas en la planta creca mucho ms rpido que la produccin total. Por lo tanto,
como primer paso, implant un sistema de primas a la productividad. Esto slo tuvo
unos efectos relativos. A los pocos meses, el comit de empresa empez a quejarse de
que todo el personal trabajaba mucho ms sin obtener por ello ninguna ventaja real.
La solucin que se ensay a continuacin fue reorganizar el flujo de trabajo. La
productividad mejor, pero slo marginalmente. La instalacin de una nueva mquina
embotelladora automtica y rpida pareca que iba a resolver el problema. Sin
embargo, al poco tiempo, la productividad comenz a disminuir de nuevo. A estas
alturas, el director de produccin consider que el origen del problema radicaba en que
cada vez que se elaboraba un nuevo sabor haba que detener la cadena de produccin
para limpiarla. Ocurra adems que muchos sabores se fabricaban en lotes pequeos
y, por consiguiente, la suma de los tiempos de parada superaba al tiempo productivo.
En conclusin: cuanto mayor era el nmero de sabores fabricados, menos tiempo
quedaba para la produccin.
El director de produccin tom la siguiente decisin: introducir una planificacin de la
produccin basado en un ciclo de cuatro semanas: cada sabor se elaborara una vez al
mes. Para hacer efectivamente esto, los vendedores tenan que prever qu demanda
tendra cada sabor durante el mes siguiente -una tarea a cuya realizacin se mostraban
bastante reacios. El gerente intervino para vencer sus reticencias y ponerlos manos a
la obra.
El resultado fue muy satisfactorio para todos los interesados, hasta que la empresa
empez a sentirse afectada por una escasez de tesorera: los excedentes de bebidas
se acumulaban en los almacenes, no durante das, como antes, sino durante semanas.
Finalmente, ante la gravedad del problema, el gerente convoc una reunin de trabajo
con todos los directivos con objeto de analizar la situacin. Cada directivo, defendiendo
18
OPTIMIZACIN

INVESTIGACIN
DE OPERACIONES

su particular rea de responsabilidad, culpabilizaba del problema creado a los otros

departamentos. En esto que el director de proceso de datos, un tanto ajeno a la
dialctica de acusaciones mutuas, intervino para sugerir a sus colegas que la empresa
dejase de vender los diez sabores menos populares. Con esta medida, argument, el
tiempo total que se ahorrara en la planta, expresado en trminos econmicos,
superara con creces a la prdida de ingresos por estos productos. Es decir, el
rendimiento global de la empresa (es decir, el conjunto de variables de productividad,
stocks,
obra
en
curso,
tesorera,
etc.)
mejoraran
sin
ellos.
Qu se desprende de esta historia? Que el problema no tena su origen en
produccin, o en ventas, o en compras, o en stocks, o en la productividad de
empleados, o en la inversin de capital: era un problema de gestin global, por lo que
plantear la solucin del problema de manera fragmentaria, reduccionista, buscando
exclusivamente ptimos locales (o culpables individuales), era un error. De
hecho cualquier solucin local que se intentaba aplicar era mnima en trminos de
mejora del conjunto, a la vez que creaba nuevos problemas a otras reas de la
empresa. Se entraba en el crculo vicioso de la gestin reactiva, consistente en
reaccionar a los hechos, tratando de salirles al paso, en vez de ver toda la secuencia,
el entramado causal que los provoca. Lo que condujo a la solucin correcta fue el
cambio de perspectiva, el considerar la empresa como un todo, prestando atencin a
las interdependencias de sus recursos, aprendiendo a discriminar entre problemas de
fondo y hechos aparentes, en ver la conexin entre acciones locales y efectos globales.
Posteriormente parece que la solucin que se adopt era obvia, pero incluso esto no es
una receta universal, aplicable a todas las empresas, ni siquiera una forma que nos
libre de los efectos negativos colaterales: la empresa tendra que afrontar un ligero
descenso en las ventas (aunque compensado con un ahorro en costes), posiblemente
la prdida de algunos clientes, los empleados cobraran menos horas extras, etc. No
obstante con sta medida la empresa encontr un punto de equilibrio, un ptimo
global... pero transitorio: en la vida de las empresas no existe el happy end por el
contrario, hoy ms que nunca, lo nico permanente en las empresas es el cambio y la
adaptacin a entornos cada vez ms turbulentos y competitivos, donde el proceso de
mejora continua ser la clave de su supervivencia.

19
OPTIMIZACIN

INVESTIGACIN
DE OPERACIONES

3.5.

RELAJACIONES

Cuando se enfrenta un problema difcil de optimizacin, es posible reformularlo de un

modo ms fcil por medio de una relajacin; sta nueva versin se llama problema
relajado
3.5.1. RELAJACIN LAGRANGIANA

LaGrange lo invent en el ao 1797, desde su creacin este mtodo ha sido la tcnica

de acotacin preferida, hasta los aos 1990 donde apareci la tcnica de Branch and
Price. Consiste en relajar un problema de optimizacin. Busca remover la restriccin
mala y colocarla en la funcin objetivo para resolver ms fcil el problema. Se coloca
una restriccin en la funcin objetivo como penalizacin. Se le asigna un peso a esa
penalizacin con el multiplicador de LaGrange. Se usa principalmente en problemas de
optimizacin discreta y en particular en problemas de redes.
-Ventajas:
o Se aplica a cada descomposicin de un modelo y llega a una muy aproximada
solucin por resolver problemas ms bien generales que d solucin nica.
o Resuelve ncleos de sub-problemas como modelos independientes.
o La solucin Lagrangiana aproximada puede tomar las ventajas de varios
algoritmos conocidos.
o Permite desarrollar lmites sobre el valor de la funcin objetivo ptima de manera
rpida.
o Idear mtodos en base a una heurstica efectiva para resolver problemas de
optimizacin combinatorial compleja y programacin entera.
3.6.

PROGRAMACIN LINEAL

La Programacin Lineal (PL) es una de las principales tcnicas de optimizacin de la

Investigacin Operativa. En esta categora se consideran todos aquellos modelos de
optimizacin donde las funciones que lo componen, es decir, funcin objetivo y
restricciones, son funciones lineales en las variables de decisin
Los modelos de Programacin Lineal por su sencillez son frecuentemente usados para
abordar una gran variedad de problemas de naturaleza real en ingeniera y ciencias
sociales, lo que ha permitido a empresas y organizaciones importantes beneficios y
ahorros asociados a su utilizacin.

20
OPTIMIZACIN

INVESTIGACIN
DE OPERACIONES

FUNCIN OBJETIVO

En esencia la programacin lineal consiste en optimizar (maximizar o minimizar) una

funcin objetivo, que es una funcin lineal de varias variables:
f(x,y) = ax + by.

RESTRICCIONES

La funcin objetivo est sujeta a una serie de restricciones, expresadas por

inecuaciones lineales:
a1x + b1y c1
a2x + b2y c2
...

...

...

anx + bny cn
Cada desigualdad del sistema de restricciones determina un semiplano.

21
OPTIMIZACIN

INVESTIGACIN
DE OPERACIONES

SOLUCIN FACTIBLE

El conjunto interseccin, de todos los semiplanos formados por las restricciones,

determina un recinto, acotado o no, que recibe el nombre de regin de validez o zona
de soluciones factibles.

SOLUCIN PTIMA

El conjunto de los vrtices del recinto se denomina conjunto de soluciones factibles

bsicas y el vrtice donde se presenta la solucin ptima se llama solucin mxima (o
mnima segn el caso).

VALOR DEL PROGRAMA LINEAL

El valor que toma la funcin objetivo en el vrtice de solucin ptima se llama valor del
programa lineal.
22
OPTIMIZACIN

INVESTIGACIN
DE OPERACIONES

CONCLUSIONES

Toda empresa necesita tomar decisiones sobre sus negocios. Para efectuar esta
toma de decisiones, se necesitan de algn tipo de mtodo para saber con mayor
exactitud qu acciones tomar, en ellos radica la importancia de la optimizacin
que va a proporciona cifras, datos y hechos para la toma de decisin y como
objetivo principal de maximizar o minimizar una funcin.

El gran panorama que se enfrenta las empresas debido a los grandes avances
tecnolgicos y propiamente la globalizacin, origina una competencia entre
empresas. La competencia es cada vez ms fuerte, exigiendo a estas mejorar
sus procesos, que las tareas sean ms eficientes posible, simplificando algunas
operaciones ms complejas que suelen requerir mucho tiempo para su
resolucin.

Las empresas deben saber tomar decisiones, y se vean acompaados de una

distribucin racional de los recursos.

La optimizacin es una herramienta esencial en la toma de decisiones basada

en criterios cuantitativos y en el anlisis de sistemas fsicos.

La optimizacin busca la mejor manera de realizar una actividad, minimizando o

maximizando una funcin sujeta generalmente a restricciones sobre su dominio.

La optimizacin es una parte relevante dentro de la investigacin operativa.

23
OPTIMIZACIN

INVESTIGACIN
DE OPERACIONES

LINKOGRAFIA

http://www.fing.edu.uy/inco/cursos/io/archivos/teorico/todo.pdf

http://bibing.us.es/proyectos/abreproy/5442/fichero/memoria.pdf

https://es.scribd.com/doc/81212217/8/%C2%B4Optimos-Globales-y-Locales

http://es.slideshare.net/AlbertoLagosRazeto/relajacion-lagrangiana

http://www.monografias.com/trabajos57/tecnicas-optimizacion/tecnicasoptimizacion.shtml

http://www.vitutor.com/algebra/pl/a_1.html

http://sauce.pntic.mec.es/~jpeo0002/Archivos/PDF/T08.pdf

http://www.scoop.it/t/www-ing-en-sistemas-computacionales-303-a-gob

http://www.programacionlineal.net/

24
OPTIMIZACIN

INVESTIGACIN
DE OPERACIONES

ANEXOS

25
OPTIMIZACIN