PROGRAMACION LINEAL TRABAJO COLABORATIVO N 1

GRUPO N 100404_174

NELSON YESID LPEZ CDIGO: 11.366.980 PITERSSON DONOSO AREVALO CC 1110529929 OSCAR DAVID BUELVAS CODIGO: 92525632

TUTOR: JORGE ENRIQUE ZUMAQUE

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA (UNAD) ESCUELA DE CIENCIAS BSICAS, TECNOLOGA E INGENIERA PROGRAMA DE INGENIERIA INDUSTRIAL 17 DE ABRIL DE 2011

INTRODUCCION

Los modelos son enfoque para la investigacin de operaciones, con la construccin se puede tomar decisiones en una organizacin, para lograr los objetivos propuestos, la construccin es un proceso iterativo, los modelos son un proceso el cual se puede formular y validar de informacin de los procesos de produccin de una empresa. Como sabemos, una descripcin matemtica de un fenmeno de la vida real, dada en trminos como por ejemplo, de una funcin o de una ecuacin es lo que constituye un modelo matemtico. El consumo continuo de un producto en el mercado, el descenso significativo del nmero de fumadores entre dos fechas en una poblacin en particular, la expectativa de vida de una persona al nacer, el costo de la reduccin de productos contaminantes en una determinada zona, la necesidad de realizar pronsticos sobre la variacin a futuro del PIB en un pas determinado, son ejemplos de fenmenos reales que se pueden modelar matemticamente por una funcin. La finalidad del modelo es comprender el fenmeno y, quiz, hacer pronsticos acerca de su comportamiento.

OBJETIVO

El objetivo principal de este trabajo es valorar la eficacia que nos proporciona los modelos matemticos, mediante los pasos para construir estos modelos y poder desarrollar un anlisis detallado, calculando los resultados de una organizacin a fin de poder minimizar o maximizar los recursos, procesos y costos entre otros.

APORTE NELSON YESID LOPEZ MARTIN MODELOS DE INVESTIGACIN DE OPERACIONES 1. MODELOS DETERMINISTICOS stos modelos pueden ser caracterizados como aquellos que optimizan (Maximizando o Minimizando) algunas funciones objetivo (reemplazando, expresando en trminos de variables y parmetros). Modelos De Optimizacin Lineal Se caracterizan por su funcin objetivo lineal y sus restricciones lineales.

Modelos de Transporte y Modelos de Asignacin: Se pueden ver como casos especiales de la programacin lineal, por medio de los cuales se pueden hacer ms eficientes los procedimientos de solucin.

Ejemplo: Juan es el jefe de un bufete de jvenes abogados y est interesado en la utilizacin ms efectiva de sus recursos de personal buscando la forma de hacer las mejores asignaciones de abogado-cliente. El 1 de Marzo le llegan 4 nuevos clientes. Revisando a su personal encuentra que 4 abogados: Ana, Bruno, Carmen y Domingo. Todos pueden ser asignados a los casos. Cada uno de ellos solo se puede hacer cargo de un caso. Para decidir la mejor asignacin Juan tiene en cuenta una tasa de efectividad (de 1 a 9) construida sobre actuaciones anteriores de dichos abogados, ya que no todos son igual de buenos (especialistas) en todo tipo de procesos: TASA DE EFECTIVIDAD SEGN CASO DE CLIENTE Fusin empresarial desfalco Abogado divorcio (1) herencias (4) (2) (3) Ana (1) 6 2 8 5 Bruno (2) 9 3 5 8 Carmen (3) 4 8 3 4 Domingo (4) 6 7 6 4 Determinar la asignacin ms efectiva para los casos de Juan

Modelos de programacin entera o de programacin 0-1: Estos modelos se usan cuando las variables en los modelos de optimizacin lineal, se restringe bien sea a integrarse o valores 0-1.

Modelos de Redes: Representa este tipo de problemas en trminos de diagrama de flujo. Modelos de Programacin de Metas: Optimizan una funcin objetivo de criterios es lineal, sujeta a un conjunto de restricciones lineales.

Ejemplo: Formular el problema de la Planificacin de la produccin de una fbrica de papel como un problema de programacin por metas. Supngase la existencia de dos procesos, uno mecnico y otro qumico, por los que se puede obtener la pulpa de celulosa para la produccin del papel. El modelo de programacin multi objetivos es el siguiente: Objetivos: Max f1(x) = 1000X1 + 3000X2 (Maximizar el margen bruto) Min f2(x) = X1 + 2X2 (Minimizar la demanda biolgica de O2) Restricciones rgidas iniciales: 1000X1 + 3000X2 ? 300000 (Margen Bruto) X1 + X2 ? 400 (Empleo) X1 ? 300 (Capacidades de produccin) X2 ? 200 X1, X2 ? 0 Definidas las variables de decisin y los atributos/ objetivos relevantes del problema que nos ocupa, el decisor define las siguientes METAS: g1: Para la demanda biolgica de oxgeno: un nivel de aspiracin de 300 unidades, pues desea que sea lo ms pequea posible g2: Para el margen bruto: alcanzar un valor lo ms grande posible, ojal mayor de 400000 u.m. g3: Para el empleo: no desea ni quedarse corto ni contratar mano de obra adicional. g4: El decisor no desea superar sus capacidades de produccin, lo que implicara recurrir a turnos extras. Las restricciones quedaran de la siguiente forma: g1: X1 + 2X2 + n1 - p1 = 300 (Demanda Biolgica de O2) g2: 1000X1 + 3000X2 + n2 - p2 = 400000 (Margen Bruto) g3: X1 + X2 + n3 - p3 = 400 (Empleo) g4: X1 + n4 - p4 = 300 (Capacidades de Produccin) g5: X2 + n5 - p5 = 200 X1, X2 ? 0 3.4 INTRODUCIENDO EL PROBLEMA

Para cada uno de estos modelos lineales, el procedimiento de solucin se basa, en un logaritmo iterativo especifico; donde un logaritmo iterativo es un procedimiento de solucin, que empieza con una solucin (completa o parcial) y luego procede hacia mejores y ms completas soluciones por un conjunto de reglas.

Modelos De Optimizacin No Lineal Se clasifican por el mtodo de solucin ms que por la estructura del modelo.

Mtodos clsicos: Estos mtodos aplican clculo diferencial. Mtodos de Bsqueda: Se utilizan tcnicas gradiantes y ramificacin. Mtodo de programacin no Lineal: En estos mtodos se utilizan algoritmos especiales (procedimientos de solucin) para explotar algunas estructuras matemticas en relaciones funcionales.

EJEMPLO: Localizacin de Instalaciones: Considere que una empresa distribuidora de productos farmacuticos requiere determinar la localizacin de una bodega que funcionar como centro de distribucin y abastecimiento para sus locales en el pas. En especial se busca estar a la menor distancia de los 3 principales locales de venta al pblico denominados A, B y C, respectivamente. Las coordenadas geogrficas de dichos locales se presentan en el siguiente grfico:

Formule y resuelva un modelo de optimizacin que permita determinar la localizacin ptima de la bodega y que minimize la distancia a los distintos locales de la empresa. Asuma que la bodega puede ser ubicada en cualquier coordenada o punto del mapa.

Respuesta: Si consideramos como variables de decisin X e Y que correspondan a las respectivas coordenadas de la bodega a instalar, se puede definir el siguiente modelo de optimizacin no lineal sin restricciones, donde la siguiente funcin objetivo de minimizacin de distancia (Min f(x,y)) queda definido por:

Se recomienda resolver este problema utilizando Solver de Excel y verificar que la solucin ptima corresponde a X=33,45 e Y=40,88. http://www.investigaciondeoperaciones.net/programacion_no_lineal.html 2. MODELOS HBRIDOS

Programacin Dinmica: Es un enfoque a la optimizacin deseable en forma nica para muchos problemas determinsticos o probalsticos, donde varios modelos incluyen representacin determinstica y probabilstica. Inventarios: Tanto determinsticos como estocsticos, que especifiquen polticas de inventarios, que minimizan el costo esperado.

EJEMPLO: Considere una situacin de inventarios en un centro mdico en donde se adquieren productos sanitarios desechables, en cajas de 5 docenas. La demanda anual es de 400 cajas; el costo de colocacin de cada orden es de 12 dlares y el del manejo de inventario es de 20%. Existen tres cortes de precio; el precio por caja es de: 29 dlares, de 1 hasta 49 cajas; de 28,59 dlares, de 50 hasta 99 cajas; de 28 dlares, de 100 cajas en adelante. Para determinar la cantidad ptima, iniciamos con la curva de costo ms baja y se calcula Q para un precio de 28 dlares caja., Q = "((2DS)/(IC)) = "2*400*12/0.2*28 = 41,4 No es Factible Calculamos el Costo Total: TC = CD + SD/Q + ICQ/2 TC = 11.528 Pasando a la siguiente curva: Q = "((2DS)/(IC)) = "2*400*12/0.2*28,5 = 41,04 No es Factible TC = CD + SD/Q + ICQ/2 TC = 11.638,5 Pasando a la siguiente curva: Q = "((2DS)/(IC)) = "2*400*12/0.2*29 = 40,68 Si es Factible TC = CD + SD/Q + ICQ/2 TC = 11.835,97

Comparando todos los costos totales se ve que el costo total ms bajo es de 11.528 dlares al ordenar una cantidad de 100 cajas.

Heursticas: Se aplican reglas del pulgar a problemas que sin esto no podran ser resueltos de manera factible, eficaz y ptima.

3. MODELOS ESTOCASTICOS stos modelos tratan parmetros de modelos de optimizacin como variables aleatorias de distribuciones mustrales especificas; representan un rea de la programacin matemtica en la que no se aplican suposiciones determinanticas. EJEMPLO:

Modelos Fsicos: Intentan principalmente predecir caractersticas operativas de los sistemas de colas, en algunos casos, estos modelos se pueden formular en trminos de un criterio de costos subyacentes y ser resueltos por algn proceso de optimizacin.

Teora de decisiones: Representa un enfoque formalizado a la toma de decisiones bajo incertidumbre, la cual incorpora e integra conceptos de la teora de utilidad, de la teora de distribucin de probabilidades y de la teora de probabilidades de bayes.

2.

Teora de Juegos: Tiene como enfoque caracterizar el comportamiento en la toma de decisiones bajo conflicto o competencia. Importancia de la IO en la carrera profesional

La importancia en el desarrollo de mi carrera es que permite afianzar los conocimientos y aplicarlos en la mejora de procesos utilizados dentro de la organizacin o compaa en la que me desempee. Adems me permite estudiar y planificar sistemas de investigacin que me ayuden a plantear optimas alternativas de solucin y as tomar una decisin adecuada que me van a permitir ayudar a realizar con ms eficacia las funciones de la organizacin o empresa de acuerdo al sector econmico a la hora de planear, ejecutar y controlar su organizacin. APORTE PITERSSON DONOSO AREVALO INVESTIGACION DE OPERACIONES La investigacion de operaciones es la aplicacion por grupos interdisciplinarios, del mtodo cientfico a problemas relacionados con el control de las organizaciones o sistemas, a fin de que se produzcan soluciones que mejor sirvan a los objetivos de la organizacin. Una organizacin es un sistema formado por componentes que se interaccionan, unas de estas interacciones pueden ser controladas y otras no. La complejidad de los problemas que se presentan en las organizaciones ya no encajan en una sola disciplina del conocimiento, se han convertido en multidisciplinario por lo cual para su anlisis y solucin se requieren grupos compuestos por especialistas de diferentes reas del conocimiento que logran comunicarse con un lenguaje comn.

La investigacin de operaciones es la aplicacin de la metodologa cientfica a travs de modelos matemticos, primero para representar al problema y luego para resolverlo. TIPOS DE MODELOS Y SU SIGNIFICADO Un modelo es una representacin ideal de un sistema y la forma en que este opera. El objetivo es analizar el comportamiento del sistema o bien predecir su comportamiento futuro. Obviamente los modelos no son tan complejos como el sistema mismo, de tal manera que se hacen las suposiciones y restricciones necesarias para representar las porciones ms relevantes del mismo. Claramente no habra ventaja alguna de utilizar modelos si estos no simplificaran la situacin real. En muchos casos podemos utilizar modelos matemticos que, mediante

letras, nmeros y operaciones, representan variables, magnitudes y sus relaciones. Modelos Matemticos Un modelo es producto de una abstraccin de un sistema real: eliminando las complejidades y haciendo suposiciones pertinentes, se aplica una tcnica matemtica y se obtiene una representacin simblica del mismo. Un modelo matemtico consta al menos de tres conjuntos bsicos de elementos: 1. Variables de decisin y parmetros Las variables de decisin son incgnitas que deben ser determinadas a partir de la solucin del modelo. Los parmetros representan los valores conocidos del sistema o bien que se pueden controlar. 2. Restricciones Las restricciones son relaciones entre las variables de decisin y magnitudes que dan sentido a la solucin del problema y las acotan a valores factibles. Por ejemplo si una de las variables de decisin representa el nmero de empleados de un taller, es evidente que el valor de esa variable no puede ser negativo. 3. Funcin Objetivo La funcin objetivo es una relacin matemtica entre las variables de decisin, parmetros y una magnitud que representa el objetivo o producto del sistema. Por ejemplo si el objetivo del sistema es minimizar los costos de operacin, la funcin objetivo debe expresar la relacin entre el costo y las variables de decisin. La solucin PTIMA se obtiene cuando el valor del costo sea mnimo para un conjunto de valores factibles de las variables. Es decir hay que determinar las variables x1, x2, ..., xn que optimicen el valor de Z = f(x1, x2, ..., xn) sujeto a restricciones de la forma g(x1, x2, ..., xn) b. Donde x1, x2,..., xn son las variables de decisin Z es la funcin objetivo, f es una funcin matemtica. La investigacin de operaciones, tiene mtodos de optimizacin aplicables a los siguientes tipos de problemas: 1. METODOS DETERMINISTICOS: Ej, Programacin lineal, programacin entera, probabilidad de transporte, programacin no lineal, teora de localizacin o redes, probabilidad de asignacin, programacin por metas, teora de inventarios, etc. 2. METODOS PROBABILISTICOS: Ej. Cadenas de Markov, teora de juegos, lneas de espera, teora de inventarios, etc.

3. METODOS HIBRIDOS: Tienen que ver con los mtodos determnisticos y probabilsticos como la teora de inventarios. 4. METODOS HEURISTICOS: Son las soluciones basadas en la experiencia, como la programacin heurstica ENFOQUE DE LA INVESTIGACIN DE OPERACIONES

S IS TE M A REAL

V A R IA B LE S R E LE V A N TE S

S IS TE M A A S U M ID O

R E LA C IO N E S R E LE V A N TE S

M O D E LO C U A N TITA TIV O

M TO D O D E S O LU C I N

S O LU C I N A L P R O B LE M A D E L S IS TE M A R E A L

JU IC IO S Y E X P E R IE N C IA S D E C IS IO N E S IN TE R P R E TA C I N

S O LU C I N A L M O D E LO

METODOLOGA DE LA I de O 1. Definicin del problema Esto incluye determinar los objetivos apropiados, las restricciones sobre lo que se puede hacer, las interrelaciones del rea bajo estudio con otras reas de la organizacin, los diferentes cursos de accin posibles, los lmites de tiempo para tomar una decisin, etc. Este proceso de definir el problema es crucial ya que afectar en forma significativa la relevancia de las conclusiones del estudio. 2. FORMULACIN DE UN MODELO MATEMATICO. La forma convencional en que la investigacin de operaciones realiza esto es construyendo un modelo matemtico que represente la esencia del problema. Un modelo siempre debe ser menos complejo que el problema real, es una aproximacin abstracta de la realidad con consideraciones y simplificaciones que hacen ms manejable el problema y permiten evaluar eficientemente las alternativas de solucin. 3. OBTENCIN DE UNA SOLUCIN A PARTIR DEL MODELO

Resolver un modelo consiste en encontrar los valores de las variables dependientes, asociadas a las componentes controlables del sistema con el propsito de optimizar, si es posible, o cuando menos mejorar la eficiencia o la efectividad del sistema dentro del marco de referencia que fijan los objetivos y las restricciones del problema. La seleccin del mtodo de solucin depende de las caractersticas del modelo. Los procedimientos de solucin pueden ser clasificados en tres tipos: a) analticos, que utilizan procesos de deduccin matemtica; b) numricos, que son de carcter inductivo y funcionan en base a operaciones de prueba y error; c) simulacin, que utiliza mtodos que imitan o, emulan al sistema real, en base a un modelo. 4. PRUEBA DEL MODELO Antes de usar el modelo debe probarse exhaustivamente para intentar identificar y corregir todas las fallas que se puedan presentar. 5. VALIDACIN DEL MODELO Es importante que todas las expresiones matemticas sean consistentes en las dimensiones de las unidades que emplean. Adems, puede obtenerse un mejor conocimiento de la validez del modelo variando los valores de los parmetros de entrada y/o de las variables de decisin, y comprobando que los resultados de modelo se comporten de una manera factible. 6. ESTABLECIMIENTO DE CONTROLES SOBRE LA SOLUCIN Esta fase consiste en determinar los rangos de variacin de los parmetros dentro de los cuales no cambia la solucin del problema. Es necesario generar informacin adicional sobre el comportamiento de la solucin debido a cambios en los parmetros del modelo. Usualmente esto se conoce como ANLISIS DE SENSIBILIDAD. 7. IMPLANTACIN DE LA SOLUCIN El paso final se inicia con el proceso de "vender" los hallazgos que se hicieron a lo largo del proceso a los ejecutivos o tomadores de decisiones.

APORTE PITERSSON DONOSO AREVALO MODELOS DE INVESTIGACION DE OPERACIONES

Actualmente la investigacin de operaciones a incursionado en la administracin con muy buenos resultados en este campo pues el ambiente de negocios al que se est sometido y los mltiples cambios que ellos generan, los ciclos de vida de los productos se hacen ms cortos, la abrumadora y acelerada era de la nueva tecnologa y la internacionalizacin creciente, son razones suficientes para desarrollar modelos que optimicen los resultados en estos campos del saber. La investigacin de operaciones se origino en la segunda guerra mundial como una necesidad de dar solucin a los problemas de carcter militar, los primeros interesados en estos aspectos fueron los britnicos y los americanos quienes asignaron esta tarea a un grupos de fsicos, matemticos, bilogos, estadsticos, psiclogos entre otros para emplear el mtodo cientfico en la solucin de problemas estratgicos y tcticos. Segn la lectura Los modelos se clasifican en: LOS MODELOS DETERMINISTICOS (NO PROBABILISTICO) Los modelos determinIsticos, como opuestos a los estocsticos, suponen que los variables de todas las variables no controlables y los parmetros se conocen como certeza y son fijos. Estos modelos pueden caracterizarse como aquellos que optimizan (maximizan o minimizan) algunas funciones objetivo (remplazando, expresado en termino de variables y parmetros) 1.1 Los Modelos de Optimizacin no Lineal Se clasifican ms bien por el mtodo de solucin que por la estructura del modelo.
1.2 Los Mtodos Clsicos: Aplican clculo diferencial. 1.3 Los Mtodos de Bsqueda: utilizan tcnicas gradientes y ramificacin 1.4 Los Mtodos de Programacin no Lineal: aplican algoritmos especiales

(procedimientos de solucin) para explotar ciertas estructuras matemticas en las relaciones funcionales. 1.5 Los Modelos de Optimizacin Lineales: 1.6 Los modelos de programacin lineal: se caracterizan por su funcin objetivo lineal y sus restricciones lineales. 1.7 Los Modelos de Transporte y los de Asignacin: Se pueden ver como casos especiales de la programacin lineal, por medio de los cuales se pueden hacer ms eficientes los procedimientos de solucin. 1.8 Los modelos de programacin entera o de programacin 0 1: Estos modelos se usan cuando las variables en los modelos de optimizacin lineal, se restringe bien sea a integrarse o valores 0-1. 1.9 Los modelos de redes: representa este tipo de problemas en trminos de diagrama de flujo.

1.10 Los modelos de programacin de metas: Optimizan una funcin objetivo de criterios que es lineal, sujeta a un conjunto de restricciones lineales. 2. MODELOS HIBRIDOS 2.1 Programacin Dinmica: Es un enfoque a la optimizacin deseable en forma nica para muchos problemas determinsticos o probalsticos, donde varios modelos incluyen representacin determinstica y probabilstica. 2.2 Inventarios: Tanto determinsticos como estocsticos, que especifiquen polticas de inventarios, que minimizan el costo esperado. 2.3 Heursticas: Se aplican reglas del pulgar a problemas que sin esto no podran ser resueltos de manera factible, eficaz y ptima.

3. MODELOS ESTOCASTICOS 3.1 Algoritmos de Programacin Estocsticas: tratan los parmetros de modelos de optimizacin como variables aleatorias de distribuciones mustrales especficas. Representan un rea de la programacin matemtica en la que no se aplican suposiciones determinsticas. 3.2 Modelos Fsicos: Intentan principalmente predecir caractersticas operativas de los sistemas de colas, en algunos casos, estos modelos se pueden formular en trminos de un criterio de costos subyacentes y ser resueltos por algn proceso de optimizacin. 3.3 Teora de decisiones: Representa un enfoque formalizado a la toma de decisiones bajo incertidumbre, la cual incorpora e integra conceptos de la teora de utilidad, de la teora de distribucin de probabilidades y de la teora de probabilidades de bayes. 3.4 Teora de Juegos: Tiene como enfoque caracterizar el comportamiento en la toma de decisiones bajo conflicto o competencia. La importancia de la investigacin de operaciones en mi carrera. El estudio de la investigacin de operaciones es muy importante porque me permite aprender y afianzar mis conocimientos en mi trabajo y en mi diario vivir. Adems podemos efectuar y desarrollar una mejor toma de decisiones en los diferentes procesos de las organizaciones. Esta herramienta nos brinda una adecuada investigacin y formulacin de cualquier imprevisto que se nos presente en cualquier rea de la organizacin empresarial y/o negocios.

BIBLIOGRAFIA

Modulo Programacin Lineal UNAD http://www.infovis.net/printMag.php?num=141&lang=1 http://www.monografias.com/trabajos10/mema/mema.shtml http://bvs.sld.cu/revistas/ems/vol21_3_07/ems11307.html www.books.google.com.co