SOLUCIONES DEL MODELO DE IO

Las tcnicas ms importantes de IO son

a) Programacin lineal. Diseada para modelos con funciones objetivo y

restricciones lineales.
b) Programacin entera.
c) Programacin dinmica
d) Programacin en red
e) Programacin no lineal

Una peculiaridad de la mayora de las tcnicas de IO es que por lo general las

soluciones no se obtienen en formas cerradas (como si estas fueran
frmulas), sino que ms bien se determinan mediante algoritmos. Un
algoritmo proporciona reglas fijas de clculo que se aplican en forma
repetitiva al problema, y cada repeticin (llamada iteracin) acerca la
solucin a lo ptimo.

MODELOS DE COLAS Y SIMULACIN

Las colas y simulacin estudian las lneas de espera. No son tcnicas de

optimizaci; ms bien determinan medidas de desempeo de las lneas de
espera, como tiempo de espera promedio en la cola, tiempo de espera
promedio para el servicio, y el uso de las instalaciones de servicio.

MS QUE SOLO MATEMTICAS

- EJEMPLO DEL ELEVADOR CMO SOLUCIONAR QUEJAS DE USUARIOS?

- ANALISIS DE SITUACIONES CULTURALES

FASES DEL ESTUDIO DE IO

1. Definicin del problema

Implica definir el alcance del problema investigado. Esta funcin debe
ser realizada por todo el equipo de IO. Se busca identificar tres
elementos principales del problema de decisin
 a) Descripcin de las alternativas de decisin.
b) Determinacin del objetivo del estudio.
c) Especificacin de las limitaciones bajo las cuales funciona el sistema
de modelado.
2. Construccin del modelo
Implica un intento de transformar la definicin del problema en
relaciones matemticas.
3. Solucin del modelo
Implica el uso de algoritmos de optimizacin bien definidos. Un
aspecto importante de la fase de la solucin del anlisis tiene que ver
con el anlisis de sensibilidad. Tiene que ver con la obtencin de
informacin adicional sobre el comportamiento de la solucin ptima
cuando el modelo experimenta algunos cambios en los parmetros.
4. Validacin del modelo
Comprueba si el modelo propuesto hace en realidad lo que dice que
hace
5. Implementacin de la solucin.

La solucin de un modelo validado implica la transformacin de los

resultados en instrucciones de operaciones comprensibles que se emitirn a
las personas que administrarn el sistema recomendado.
La utilidad diaria de ambas pinturas se expresan en funcin de las variables
1 y 2 como sigue:

Utilidad de pintura para exteriores: 51 (en miles de dlares)

Utilidad de pintura para exteriores: 42 (en miles de dlares)

Si representa la utilidad diaria total (en miles de dlares), el objetivo o meta

de Acuarela se expresa como sigue:

Maximizar = 51 + 42

A continuacin definimos las restricciones que limitan el consumo de

materias primas y la demanda de producto. Las restricciones en las materias
primas se expresan verbalmente como:

( )
( )
En nuestro modelo propuesto, las restricciones de materia prima son:

61 + 42 24 ( 1)

1 + 22 6 ( 2)

ADEMS, SABEMOS DE DOS RESTRICCIONES

1. PRODUCCIN DIARIA DE PINTURA DE INTERIORES NO DEBE EXCEDER A

LA DE PINTURA DE EXTERIORES EN MS DE I TONELADA
2 1 1 ( )
2. LIMITAR LA DEMANDA DIARIA DE PINTURAS PARA INTERIORES A DOS
TONELADAS
2 2
3. UNA RESTRICCIN IMPLICITA REQUIERE QUE EL VALOR DE LAS
VARIABLES 1 2 asuman solo valores positivos o cero. Por tanto
1 , 2 0
 Maximizar = 51 + 42

Sujeto a

61 + 42 24

1 + 22 6

1 + 2 1

2 2

1 , 2 0

Todos los valores de 1 2 que satisfacen las cinco restricciones constituyen

una solucin factible. De lo contrario, la solucin es no factible.