Beruflich Dokumente
Kultur Dokumente
SUMILLA
1. Formulacin de problemas de programacin
Lineal.
2. Solucin de problemas de Programacin Lineal.
3. El Problema Dual y Anlisis de Sensibilidad.
4. Programacin Entera, Binaria y Mixta.
BIBLIOGRAFIA
TAHA HAMDY A. Investigacin de operaciones.
PEARSON. 7 Ed. 2004
HILLIER, F.S Y LIEBERMAN G.J. Introduccin a la
investigacin de Operaciones. 8 Ed. Mc Graw Hill.
2006.
DAVIS K Roscoe y MC KEOWN Patrick. Modelos
Cuantitativos para Administracin. Grupo editorial
Iberoamerica. 2 Ed. 1986.
PRAWDA, Juan. Mtodos y modelos de
Investigacin de operaciones. Limusa.
Jorge
Alvarez
Alvarez,
Investigacin
de
Operaciones, Universidad Nacional de Ingeniera,
Edicin 2001
INVESTIGACION DE OPERACIONES
Proporcionar herramientas avanzadas en IO que le
permitan al ingeniero estudiar y planificar sistemas
complejos, con el fin de plantear alternativas que en lo
posible sean ptimas para su adecuado funcionamiento.
Manufactura.
Transporte.
Telecomunicaciones.
Salud.
Planeacin.
Servicios.
Finanzas.
Otros.
Qu es la investigacin de
operaciones?
Kamblesh Mathur: Es el uso de la Matemtica
y
computadoras para ayudar a tomar
decisiones racionales frente a problemas de
administracin.
Jorge Alvarez: Es un procedimiento o un
enfoque para resolver problemas relacionados
con la toma de decisiones.
Resumiendo: La Investigacin de Operaciones
es el uso de la matemtica e informtica para
resolver problemas del mundo real, tomando
decisiones acertadas que garanticen el xito.
Qu es la investigacin de
operaciones?
Lawrence y Pasternak, (1998) Es un enfoque
cientfico para la toma de decisiones ejecutivas,
que consiste en:
El arte de modelar situaciones complejas,
La ciencia de desarrollar tcnicas de
solucin para resolver dichos modelos.
La capacidad de comunicar efectivamente
los resultados.
Qu es la investigacin de
operaciones?
Es la aplicacin del mtodo cientfico para
asignar los recursos o actividades de forma
eficaz, en la gestin y organizacin de sistemas
complejos.
Es el conjunto de tcnicas matemticas
aplicadas adecuadas para resolver problemas
reales de:
Planificacin
Logstica
Diseo de productos y procesos
Control de procesos, etc
Objetivo de la investigacin de
operaciones
Apoyar a la toma de decisiones de sistemas complejos.
Estudiar la asignacin ptima de recursos escasos a
determinada actividad.
Evaluar el rendimiento de un sistema con objeto de
mejorarlo.
Obtener informacin cuantitativa.
Mejorar procedimientos tradicionales: opiniones de
expertos, reglas simples.
Lograr flexibilidad y bajo costo.
Hacer el tratamiento de la incertidumbre.
MATEMATICA
APLICADA
DATOS
MATEMATICA
PURA
Estadstica,
Informtica,
Mat. Financiera,
Investigacin de
Operaciones
INFORMACION
TOMA DE
DECISIONES
ACERTADAS
RAPIDEZ
PRECISION
GRANDES VOLUMENES
Fracaso
Refineras de petrleo,
Distribucin de productos,
RAND (Dantzig)
Princeton (Gomory, Kuhn, Tucker)
Carnegie Institute of Technology
George B.
Dantzig
of
O.R.
Societies
METODOLOGA DE LA
INVESTIGACION DE OPERACIONES
DEFINICION
DEL PROBLEMA
DESARROLLO
MODELO
RESOLUCION
MODELO
MODELO
MODIFICADO
VALIDA?
IMPLEMENTACION
METODOLOGA DE LA I.O.
Problema
Es identificar, comprender y describir
trminos precisos, el problema que
organizacin enfrenta. El enunciado es
definicin del problema. Un problema no
formula sino se define.
Los recursos
son escasos
Los sistemas
son cada vez
ms complejos
en
la
la
se
METODOLOGA DE LA I.O.
Definicin del problema
Consiste en identificar los elementos de decisin,
objetivos (uno o varios, optimizar o satisfacer),
alternativas y limitaciones del sistema.
Hay que recoger informacin relevante (los datos
pueden ser un grave problema)
Es la etapa fundamental para que las decisiones
sean tiles
METODOLOGA DE LA I.O.
Definicin del problema
Factores problemticos
Datos incompletos, conflictivos, difusos
Diferencias de opinin
Presupuestos o tiempos limitados
Cuestiones polticas
El decisor no tiene una idea firme de lo que
quiere realmente.
Plan de trabajo:
Observar y ser consciente de
realidades polticas
Decidir qu se quiere realmente
Identificar las restricciones
Bsqueda de informacin continua.
las
METODOLOGA DE LA INVESTIGACION
DE OPERACIONES
I) Identificacion de las variables
Xij = # de consultores que viajan del
origen i al destino j
II) Identificacion de la funcion
objetivo
Max
540X11+300X12+420X13+
500X21+330X22+330X23+
520X31+310X32+350X33
III) Identificacion de las
restricciones
X11+X12+X13 2
X21+X22+X23 1
X31+X32+X33 4
X11+X21+X31 = 3
X12+X22+X32 = 2
X13+X23+X33 = 1
Xij 0 ; entero
METODOLOGA DE LA INVESTIGACION
DE OPERACIONES
Desarrollo de un modelo matemtico
Paso 1. Identificar las variables de decisin
Sobre qu tengo control?
Qu es lo que hay que decidir?
Cul sera una respuesta vlida del caso?
Paso 2. Identificar la funcin objetivo
Qu pretendemos conseguir?
qu me interesara ms?
Paso 3. Identificar las restricciones o factores que limitan la
decisin, recursos disponibles (trabajadores, mquinas,
material), fechas lmite, naturaleza de las variables (no
negatividad, enteras, binarias).
Paso 4.Traduccin de los elementos bsicos a un modelo
matemtico.
METODOLOGA DE LA INVESTIGACION
DE OPERACIONES
Resolucin del modelo
Es resolver el modelo usando una tcnica
adecuada, es decir obtener valores numricos
para la variable de decisin.
Es determinar los valores de las variables de
decisin de modo que la solucin sea ptima (o
satisfactoria) sujeta a las restricciones.
Puede haber distintos algoritmos y formas de
aplicarlos. En esta parte se usa el Software WIN
QSB. Hay otros como el LINDO, MLP y TORA
METODOLOGA DE LA INVESTIGACION DE
OPERACIONES
Resolucin del modelo
METODOLOGA DE LA INVESTIGACION DE
OPERACIONES
Verificacin y validacin
Eliminacin de errores
Comprobacin de que el modelo se adapta a la
realidad
Interpretacin y anlisis
Robustez de la solucin ptima obtenida:
Anlisis de sensibilidad
Deteccin de soluciones cuasi-ptimas
Atractivas
Implementacin de resultados
Sistema de ayuda y mantenimiento
Documentacin
Formacin de usuarios
DECISIONES OPERACIONALES:
Cmo programar la fuerza de trabajo?
Cul es el plan de produccin ptimo?
Cul es plan de embarque ms econmico?
MODELOS DE SISTEMAS
Utilidad de modelos:
Estudio de caractersticas de operacin
Imposibilidad de hacer medidas
Prediccin del comportamiento
Situaciones no experimentadas
Facilitar diseo de nuevos productos/sistemas
Tipos de modelos
Normativos: modelos de optimizacin
Descriptivos: modelos de simulacin
MODELOS DE SISTEMAS
Modelos normativos - optimizacin
Ofrecen informacin sobre alternativas
Seleccionan entre ellas
Complejos y no triviales
Difciles de tratar con incertidumbre
Requieren tcnicas complejas de solucin
Modelos descriptivos - simulacin
Analizan una alternativa cada vez
Modelos para situaciones especficas
Ms simples de desarrollar
Adecuados con incertidumbre
Aplicacin muy sencilla
TCNICAS DE INVESTIGACION DE
OPERCIONES
Ejemplos de tcnicas (I)
Optimizacin
Programacin lineal, entera, no lineal
Programacin multiobjetivo
Procesos de decisin (programacin dinmica)
Simulacin
Determinista
Estocstica
TECNICAS DE INVESTIGACION DE
OPERACIONES
Ejemplos de tcnicas (II)
Teora de colas
Colas simples
Redes de colas
Teora de juegos
J. simples (deterministas/estocsticos)
J. repetitivos
Teora de decisin
Determinsticos
TCNICAS DE INVESTIGACION DE
OPERACIONES
Ejemplos de problemas
Planificacin de la produccin
Optimizacin de carteras
Anlisis de riesgo
Planificacin de redes de comunicaciones
Generacin de ofertas en mercados competitivos
TECNICAS DE INVESTIGACION DE
OPERACIONES
Diseo de productos financieros
Diseo de nuevos productos (prstamos, operaciones de
leasing, derivados)
Modelado de diferentes alternativas con informacin incierta:
tasas de inters, mercado de valores, precios futuros
VARIABLES DE DISEO
Los valores del conjunto de estas variables caracterizan un
diseo particular
Cambian en un determinado rango a medida que buscamos
el diseo ptimo
VARIABLES DE DISEO
El conjunto de variables de diseo se identifica como vector
de diseo
Nomenclatura
[X]
Xx
[x1, x2, , xn]
xi, i = 1,2,,n
PARMETROS DE DISEO
Constantes que no cambian para los diferentes diseos
Importantes en modelo pero no en la bsqueda del diseo
ptimo
Nomenclatura:
[P]
P
[p1, p2, , pq]
FUNCIN OBJETIVO
Problema: Minimizar o maximizar cierta cantidad que se
calcula con una funcin
Un problema de maximizacin se puede convertir en uno de
minimizacin sin ms que cambiar el signo de la funcin
objetivo
Nomenclatura:
f
f(x1, x2, , xn) o f(X)
RESTRICCIONES
Comparacin con un valor numrico que limita
Tipos:
De igualdad: =
De desigualdad: ,
Ejemplo 1
Volumen de la lata: fun1(X) = 500 cm3
Ejemplo 2
Deflexin: fun2(X) 1 mm
RESTRICCIONES
Si las restricciones no se cumplen No hay solucin
Diseo factible Todas las restricciones se satisfacen
Un diseo ptimo debe ser factible
El espacio definido por las restricciones se llama dominio
factible
FORMATO ESTNDAR
Minimizar f(x1, x2, , xn)
Sujeto a
hk(x1, x2, , xn) = 0, k=1,2,,l
gj (x1, x2, , xn) 0, j=1,2,,m
xil xi xiu, i=1,2,,n
Lenguaje natural
Minimizar la funcin objetivo f, sujeto a 1 restricciones
de igualdad, m restricciones de desigualdad, con n
variables de diseo comprendidas entre unos lmites
inferior y superior
MODELADO EJEMPLO 1
d
h
Variables de diseo: d, h
Parmetro de diseo: C (coste del material por unidad rea)
Volumen = d2h/4
rea = dh
Restriccin esttica: h2d
MODELO EJEMPLO 1
Minimizar f(d,h): Cdh
Sujeto a
h1(d,h): d2h/4 500 = 0
g1(d,h): 2d h 0
6 d 9;
5 h 20
Minimizar f(x1,x2): Cx1x2
Sujeto a
h1(x1,x2): x12x2/4 500 = 0
g1(x1,x2): 2x1 x2 0
6 x1 9;
5 x2 20
EL MODELO DE
PROGRAMACIN LINEAL
PROVEE UNA SOLUCIN
INTELIGENTE PARA ESTE
PROBLEMA
PRACTIQUEMOS!
Requerimientos de Marketing.
* La produccin total no puede exceder de 800 docenas.
* El nmero de docenas de Space Rays no puede exceder al
nmero de docenas de Zappers por ms de 450.
Requerimientos Tecnolgicos.
* Space Rays requiere 2 libras de plstico y 3 minutos de
produccin por docena.
* Zappers requiere 1 libra de plstico y 4 minutos de produccin
por docena.
Solucin
Variables de decisin
Funcin objetivo
* Maximizar la ganancia semanal.
(Cantidad de plstico)
(Tiempo de produccin)
(Limite produccin total)
(Produccin en exceso)
(Resultados positivos)
Zappers
= 100 docenas
Utilidad
EJEMPLO N 1
Una firma industrial elabora dos productos, en los cuales entran
cuatro componentes en cada uno. Hay una determinada
disponibilidad de cada componente y un beneficio por cada
producto. Se desea hallar la cantidad de cada articulo que debe
fabricarse con el fin de maximizar los beneficios.
El siguiente cuadro resume los coeficientes de transformacin o
sea la cantidad de cada componente que entra en cada producto.
Producto
Componente
A
B
C
D
Beneficios
S/./unidad
P1
P2
1
2
2
1
4
3
1
2
1
3
Disponibilidad
(kilogramos)
15,000
10,000
12,000
10,000
X1 = N de unidades de producto P1
X2 = N de unidades de producto P2
Entonces el programa lineal correspondiente es:
Max (Z) = 4X1 + 3X2
Sujeto a :
1X1 + 3X2 15,000
2X1 + 1X2 10,000
2X1 + 2X2 12,000
1X1 + 1X2 10,000
X1, X2 0
EJEMPLO N 2
En una fbrica de cerveza se producen dos tipos: rubia y
negra. Su precio de venta es de S/. 0.5 / litro y S/. 0.3 /
litro, respectivamente. Sus necesidades de mano de obra
son de 3 y 5 empleados, y de 5,000 y 2,000 soles de
materias primas por cada 10,000 litro.
La empresa dispone semanalmente de 15 empleados y
10,000 soles para materias primas, y desea maximizar su
beneficio. Cuntos litros debe producir?
FORMULACIN
15
Sujeto a:
Variables de decisin
Funcin objetivo
Max. Z = C1 X1 + C2 X2 + C3 X3
S/. 48 / par
EL MODELO DE P. L.
Optimizacin
Max(Z)
= c x +1 c
1 x +
2 ...
2
+cx
sujeto a
a11x1 + a12x2 + ... + a 1nxn b1
a21x1 + a22x2 + ... + a 2nxn b2
.
.
C = c1 c 2 ... c n-1 c n
El vector de lado derecho o b, viene dado por:
b1
b
2
.
b
m-1
b
m
a11
a21
A
.
am,1
a12
a2 2
.
am,2
... a1n
... a2n
...
.
... am,n
Max (Z) = CX
S. A.
AX = b
X 0
EL MODELO DE P.L.
Z: funcin objetivo
C (c1,...,cn): vector de coeficientes de la f. o.
X (x1,...,xn): vector de variables de decisin
A (...,aij,...): matriz de coeficientes tcnicos
b (b1,...,bm): vector de demandas
Matricialmente,
Problema N 19
Variable de decisin
Xi = El uso de cada uno de los tres mtodos de abatimiento en cada
tipo de horno, expresado como una fraccin de la capacidad de
abatimiento de tal manera que Xi no exceda a 1
Funcin Objetivo
Min (Z) = 8X1 + 10X2 + 7X3 + 6X4 + 11X5 + 9X6
Sujeto a:
12X1 + 9X2 + 25X3 + 20X4 + 17X5 + 13X6 60
35X1 + 42X2 + 18X3 + 31X4 + 56X5 + 49X6 150
37X1 + 53X2 + 28X3 + 24X4 + 29X5 + 20X6 125
X1 +
X1,
X2 +
X2 ,
X3 +
X3 ,
X4 +
X4,
X5 +
X5,
X6 1
X6 0
Mtodo de
abatimiento
Tecnologa
REGION FACTIBLE
Ejemplo 1
Xi = Nmero de unidades del producto i
Max (Z) = X1 + X2
Sujeto a:
2 X1 + 2 X 2 8
6 X1 + 2 X2 18
2 X1 + 4 X2 16
X1 , X2 0
SOLUCION GRAFICA
M = - X2
X1
Z=2
Z=0
todas
las
Min (Z) = 2 X1 + 6 X2
Sujeto a:
12 X1 + 6 X2 16
4 X1 + 12 X2 12
X1 ,
X2 0
Ejemplo 3
Min (Z) = 2 X1 + 3 X2
Sujeto a:
X1 + X2 4
6 X1 + 2 X2 = 8
X1 + 5 X2 4
X1
3
X2 3
X1 , X2 0
Ejemplo 4
Max (Z) = X1 + X2
Sujeto a:
- 4 X1 + 2 X2 2
2 X1
4
2 X1 + 2 X2 6
X1 , X2 0
(2/3,7/3)
B
(2,1)
C
Ejemplo 5
Max (Z) = 2 X1 + 2 X2
Sujeto a:
X1 - X2 1
1/ 2 X1 + X2 2
X1 , X2 0
(6,5)
Ejemplo 6
Max (Z) = 3 X1 + 2 X2
Sujeto a:
X1 + X2 1
2 X1 + 2 X2 4
X1 ,
X2 0
Ejemplo 7
Max (Z) = X1 + X2
Sujeto a:
3 X1 - X2 - 3
X1 + X2 4
X1 ,
X2 0
No se puede garantizar que todo problema tenga solucin factible.
USANDO UN GRAFICO SE
PUEDEN REPRESENTAR TODAS
LAS RESTRICCIONES, LA
FUNCION OBJETIVO Y LOS
TRES TIPOS DE PUNTOS DE
FACTIBILIDAD.
Requerimientos de Marketing.
* La produccin total no puede exceder de 800 docenas.
* El nmero de docenas de Space Rays no puede exceder al
nmero de docenas de Zappers por ms de 450.
Requerimientos Tecnolgicos.
* Space Rays requiere 2 libras de plstico y 3 minutos de
produccin por docena.
* Zappers requiere 1 libra de plstico y 4 minutos de produccin
por docena.
Solucin
Variables de decisin
Funcin objetivo
Maximizar la ganancia semanal.
(Cantidad de plstico)
(Tiempo de produccin)
(Limite produccin total)
(Produccin en exceso)
(Resultados positivos)
Zappers
= 100 docenas
Utilidad
No Factible
600
Horas de
Produccin
3X1 + 4X2 2400
Restriccin del
exceso de produccin:
X1 - X2 450
Factible
600
Punto Inferior
Punto Medio
800
X1
Punto Extremo
X2
800
Ganancia
Util. = S/.=3,
4,
2,S/.
0005,040
600
X1
400
600
800
1200
X2
Regin no
factible
800
600
Feasible
Regin
region
Factible
X1
400
600
800
Maquinado
Armado
Montaje
Beneficio
ARTEFACTO A
(min/unid)
ARTEFACTO B
(min/unid)
DISPONIBILIDAD
4
5
12
100
8
6
6
120
480
600
540
METODO SIMPLEX
1.
2.
3.
4.
5.
6.
bi 0
Restricciones
Restricciones
Restricciones =
Xj 0; xi = - Xi, donde Xi 0
Xi Sin Restriccin de Signo (SRS)
+,-,0
X1 ; SRS
X1 = X1+ - X1X1 = A1 - D1
A1 > D1; X1 > 0; X1 = A1 - 0
A1 = D1; X1 = 0; X1 = 0 - 0
A1< D1; X1 < 0; X1 = 0 - D1
donde :
A 1, D 1 0
7.
8.
9.
Tipo de soluciones.
REQUERIMIENTOS
RADIO
TELEVISOR
1 hr.
2 hrs.
1 hr.
1 hr.
DISPONIBILIDAD
200 hrs / mes
140 hrs. / mes
X1 + 2 X2 200
X1 + X2 140
X1 , X2 0
Solucin
(0,100)
(80,60)
(140,0)