UNIVERSIDAD NACIONAL AUTONOMA DE HONDURAS

II-321 Investigacin de Operaciones I Tercer Periodo 2012 0011 0010 1010 1101 0001 0100 1011
Horario: Lunes a Jueves 17-18horas

INGENIERIA UNAH INDUSTRIAL

0011 0010 1010 1101 0001 0100 1011

Facultad de Ingeniera II-321 Investigacion de Operaciones I

Curso Dictado por el Ing. Oscar Ren Aramb Coello e-mail: oarambu@yahoo.com Mvil: 9600-0785

0011 0010 1010 1101 0001 0100 1011

SISTEMA DE EVALUACIN

La evaluacin del curso comprende todas las actividades que nos permitan determinar el grado de comprensin alcanzado por el estudiante, y estar determinado por:

30% corresponde a la resolucin de los problemas e investigaciones planteados durante el desarrollo del curso. 70% Presentacin de tres (3) exmenes parciales de evaluacin terica.

BIBLIOGRAFA
0011 0010 1010 1101 0001 0100 1011

Gould, F. J. Y Eppen, G. D. (2003) Investigacin de Operaciones en la Ciencia Administrativa. 5ta ed. Mxico: Prentice Hall.

BIBLIOGRAFA
0011 0010 1010 1101 0001 0100 1011

Hiller Frederick y Lieberinan Gerald. (1993) Introduccin a la Investigacin de Operaciones. 5 cd. Mexico: Mc Graw Hill.

BIBLIOGRAFA
0011 0010 1010 1101 0001 0100 1011

Davis Mark, Aquilano Nicholas, Chase Richard (2001) Fundamentos de Direccion de Operaciones 3ra. ed Espaa Mc Graw Hill

CONTENIDO PROGRAMATICO I
0011 0010 1010 1101 0001 0100 1011

AUTO-NIVELACIN: A.- introduccin al clculo matricial

Unidad I. INTRODUCCIN A LA INVESTIGACIN DE OPERACIONES
1. Breve historia de la investigacin de operaciones. 2. Definicin de investigacin de operaciones. 3. Aplicaciones de la Investigacin de Operaciones. 4. Construccin de modelos. 5. Mtodo grafico. 6. Simplex, caso de maximizacin.

Programa 3er Periodo 2012

LU 0011 0010 6 13 20 27 AGOSTO MA MI JU 1010 1101 0001 1 2 7 8 9 14 15 16 21 22 23 28 29 30 OCTUBRE MA MI 2 3 9 10 16 17 23 24 30 31 VI 0100 1011 LU 3 10 17 24 31 3 10 17 24 SEPTIEMBRE MA MI JU 4 5 6 11 12 13 18 19 20 25 26 27 VI 7 14 21 28
Exposiciones

LU 1 8 15 22 29

JU 4 11 18 25

VI 5 12 19 26

LU 5 12 19 26

NOVIEMBRE MA MI JU 1 6 7 8 13 14 15 20 21 22 27 28 29

LU 3 10 17 24 31

DICIEMBE MA MI JU 4 5 6 11 12 13 18 19 20 25 26 27

VI 7 14 21 28

VI 2 9 16 23 30

Feriados

Exmenes

Recuperacin Digitalizacion

Entrega Notas

0011 0010 1010 1101 0001 0100 1011

GENERALIDADES

ORGANIGRAMA
Sueldo: Toma de Decisiones
0011 0010 1010 1101 0001 0100 1011
Gerente General

Gerente Operaciones

Gerente Produccin

Gerente Comercial

Gerente Financiero

Jefe de Logstica

Jefe de Mantenimiento

Seccin de Mecnica

Seccin Electricidad

Sueldo: Esfuerzo Fsico

0011 0010 1010 1101 0001 0100 1011

0011 0010 1010 1101 0001 0100 1011

Accin = Reaccin
Decisin Tomada

Responsabilidad

4
CULTURA DEL SILENCIO

Investigacin de Operaciones
0011 0010 1010 1101 0001 0100 1011

La Investigacin de Operaciones se ocupa de la resolucin de problemas relacionados con la conduccin y coordinacin de las operaciones o actividades dentro de una organizacin. Su mbito de aplicacin es muy amplio, aplicndose a problemas de fabricacin, transporte, construccin, telecomunicaciones, planificacin y gestin financiera, ciencias de la salud, servicios pblicos, etc. En general, puede aplicarse en todos los problemas relacionados con la gestin, la planificacin y el diseo.

Definicin
0011 0010 1010 1101 0001 0100 1011

La Investigacin de Operaciones incluye un conjunto muy amplio de tcnicas orientadas a proporcionar una ayuda cuantitativa a la toma de decisiones. El mtodo empleado es el mtodo cientfico, y las tcnicas que se utilizan son, en buena medida, tcnicas matemticas.

La Investigacin de Operaciones en Ingeniera Industrial

Tuvo sus orgenes en la Segunda Guerra Mundial. Las necesidades de abastecer los ejrcitos necesit la participacin de grupos interdisciplinarios para resolver problemas que slo eran competencia de militares. 0011 0010 1010 1101 0001 0100 1011 Su uso se extendi hacia el campo Administrativo e Ingeniera y hoy se considera que la Investigacin de Operaciones es la utilizacin cientfica de un enfoque planeado de grupos interdisciplinarios con el fin de representar las relaciones funcionales como modelos matemticos para suministrar informacin cuantitativa en la toma de decisiones y bsqueda de nuevas aplicaciones.

La Investigacin de Operaciones
Algunas aplicaciones

0011 0010 1010 1101 0001 0100 1011

La Toma de Decisin en Ingeniera

0011 0010 1010 1101 0001 0100 1011

El arte de modelar Qu es un modelo?

MODELO
0011 0010 1010 1101 0001 0100 1011

Representacin de la realidad

MODELO
0011 0010 1010 1101 0001 0100 1011

Representacin de la realidad

0011 0010 1010 1101 0001 0100 1011

Mundo Real

Mundo Abstracto MODELO

Decisin ptima

Ajustes
Comparacin (+) o ( -)

Resultados

Implementacin

Tipos de Modelos
0011 0010 1010 1101 0001 0100 1011

Un Modelo es

Una Representacin Simplificada e Idealizada de la Realidad

EJEMPLOS

TIPO

CARACTERSTICAS

Fsicos

Tangible Modelos a escala Fcil de comprender de aeroplanos, Difcil de duplicar casas,... y compartir

0011 0010 1010 1101 0001 0100 1011

TIPO

CARACTERSTICAS

EJEMPLOS

Esquemtico

Fcil de duplicar y compartir Fcil de manipular Alta amplitud de uso

450 400 350 300 250 200 150 100 50 0 E F M A M J J A

Mapa de carreteras Velocimetro Grficas

TIPO CARACTERSTICAS 0011 0010 1010 1101 0001 0100 1011

EJEMPLOS

Matemtico Intangible Modelo Difcil de comprender Algebraico Fcil de duplicar Modelo de y compartir la Economa Fcil de manipular Modelo de Muy Alta amplitud Programacin de uso Lineal
Min 20X11 + 30X12 + 10X21 + 40X22 Sujeta a: X11 + X12 = 200 X21 + X22 = 100 X11 + X21 = 150 X12 + X22 = 150 todas Xij 0

0011 0010 1010 1101 0001 0100 1011

MODELAMIENTO MATEMATICO: Representar el sistema, mundo real o el problema a resolver en un lenguaje matemtico. INVESTIGACIN DE PERACIONES: Aplicacin del Mtodo Cientfico para la Toma de Decisiones

Modelo General
0011 0010 1010 1101 0001 0100 1011

Cuando la funcin objetivo y todas las Restricciones Son Lineales tenemos un Modelo de Programacin Lineal.

Max Z = c1x1 + c2x2 + . . . + cnxn

Sujeto a: a11x1 + a12x2 + . . . + a1nxn b1

a21x1 + a22x2 + . . . + a2nxn b2 . . . . . . . . . . . . am1x1 + am2x2 + . . . + amnxn bm xJ 0

Para J = 1, 2, 3, . . . n

0011 0010 1010 1101 0001 0100 1011

Ejemplos de Formulacin

Programacin Lineal: Formulacin

0011 0010 1010 1101 0001 0100 1011

1. Seor Gerente de Produccin de Inducalzado. Qu cantidad de cada estilo de calzado fabricar durante el mes de septiembre con el objeto de maximizar las utilidades?

Programacin Lineal: Formulacin

0011 0010 1010 1101 0001 0100 1011

Recopilacin de datos: Sujeto a: No deben asignarse ms de 1,200 horas de tiempo de produccin.

Todos los costos de produccin, de materiales y costos fijos deben cubrirse con el efectivo disponible durante el mes que es de L16,560.

Satisfacer ciertos compromisos de demanda: 30 pares de estilo 1, 55 del estilo 2 y 32 del estilo 3.

Horas requeridas para fabricar cada estilo: 3.5hr de estilo 1, 2.5hr del estilo 2 y 2hr del estilo 3.

Programacin Lineal: Formulacin

0011 0010 1010 1101 0001 0100 1011

Coste de mano de obra = Lps 10.00/hr Unidades de Piel requeridas = Estilo 1, 3.25u; Estilo 2, 4.5u y del Estilo 3, 2u. Coste de la unidad de piel Lps 4.00/u Precio de venta = Estilo 1, Lps 60.00; Estilo 2, Lps 64.00 y del Estilo 3, Lps 50.00.

Programacin Lineal: Formulacin

0011 0010 1010 1101 0001 0100 1011

Variables de decisin

X1 = Nmero de pares de zapatos Estilo 1 que deben fabricarse y venderse durante el mes de septiembre. X2 = Nmero de pares de zapatos Estilo 2 que deben fabricarse y venderse durante el mes de septiembre.

X3 = Nmero de pares de zapatos Estilo 3 que deben fabricarse y venderse durante el mes de septiembre.

Programacin Lineal: Formulacin

0011 0010 1010 1101 0001 0100 1011 Funcin objetivo

Max. Z = C1 X1 + C2 X2 + C3 X3 L = (L/par de zap. estilo 1) x (pares de zap. estilo 1) + (L/par de zap. estilo 2) x (pares de zap. estilo 2) + (L/par de zap. estilo 3) x (pares de zap. estilo 3) Clculo de C1

(3.5 horas/par) x (L10/hora) = L35/par

(3.25 U. piel/par) x (L4/U. piel) = L13/par L48/par

Programacin Lineal: Formulacin

0011 0010 1010 1101 0001 0100 1011

C1 = L60/par - L48/par = L12/par de zap. estilo 1

de forma similar,

C2 = L64/par - L43/par = L21/par de zap. estilo 2

C3 = L50/par - L28/par = L22/par de zap. estilo 3

Max. Z = 12X1 + 21X2 +22X3

Programacin Lineal: Formulacin

Restriccin 0100 1011 0011 0010 1010 1101 0001 de produccin

3.5X1 es el total de horas que se requieren para fabricar el Estilo 1

2.5X2 es el total de horas que se requieren para fabricar el Estilo 2

2.0X3 es el total de horas que se requieren para fabricar el Estilo 3

3.5X1 + 2.5X2 + 2.0X3 1,200

Programacin Lineal: Formulacin

Restriccin 0100 1011 0011 0010 1010 1101 0001de efectivo Existen disponibles L16,560 para cubrir los costos variables.

48X1 + 43X2 + 28X3 16,560

Compromisos de demanda

X1 pares de zap. estilo 1 30 pares de zap. Estilo 1

X2 pares de zap. estilo 2 55 pares de zap. Estilo 2

X3 pares de zap. estilo 3 32 pares de zap. Estilo 3

Programacin Lineal: Formulacin

0011 0010 1010 1101 0001 0100 1011

Max. Z = 12X1 + 21X2 +22X3 3.5X1 + 2.5X2 + 2.0X3 1,200 48X1 + 43X2 + 28X3 16,560

Sujeto a:

X1
X2

30
55 X3 32

X1, X2, X3 0

Algunas reflexiones
Hemos pasado de la definicin del problema a su formulacin matemtica. Error de especificacin, el error ms frecuente consiste en descuidar las limitaciones (restricciones, caractersticas de las variables, etc,)
0011 0010 1010 1101 0001 0100 1011

En el ejemplo anterior:

a) Todas las variables son continuas (admitimos fracciones de da)

b) Existe un nico objetivo (maximizar las utilidades)

c) El objetivo y las restricciones son lineales

Las tres consideraciones anteriores nos llevan a lo que denominamos un problema de Programacin Lineal PL

Algunas reflexiones
El ejercicio anterior plantea un PROBLEMA DE 0011 0010 1010 1101 0001 0100 1011 DECISIN
Hemos tomado una situacin real y hemos construido su equivalente matemtico MODELO MATEMTICO

Durante la formulacin del modelo matemtico nosotros consideramos el mtodo cuantitativo que (esperanzadamente) nos permitir resolver el modelo numricamente ALGORITMO El algoritmo es un conjunto de instrucciones que siguiendo de manera gradual producen una solucin numrica

0011 0010 1010 1101 0001 0100 1011

Llegamos a una nueva definicin de I.O.

Ciencia para la representacin de problemas reales mediante modelos matemticos que junto con mtodos cuantitativos nos permiten obtener una solucin numrica a los mismos

Dificultades
0011 0010 1010 1101 0001 0100 1011

Dificultades de este tipo de enfoques: Identificacin del problema (debemos ignorar partes o tratar el problema entero)

Eleccin del modelo matemtico adecuado as como el algoritmo adecuado para resolverlo (validacin del algoritmo) Dificultades en la implementacin Calidad de la solucin

Programacin Lineal

0011 0010 1010 1101 0001 0100 1011

Programacin Lineal: Formulacin

0011 0010 1010 1101 0001 0100 1011

El seor Martnez tiene un pequeo camin de transporte con capacidad interior de 20pie3. Una reconocida empresa de la ciudad le ha contratado para hacer acarreos de mercaderas desde la planta de produccin a varios puntos de distribucin en la ciudad. La mercadera est empacada en cajas de 3 diferentes tamaos.

Programacin Lineal: Formulacin

0011 0010 1010 1101 0001 0100 1011

La ganancia por transportar cada tipo de caja es: Caja tipo 1 (1. pie3), L. 1,000 c/u Caja tipo 2 (1.2 pie3), L. 1,120 c/u Caja tipo 3 (0.8 pie3). L. 900 c/u

Cmo debe llenar el seor Martnez su camin para maximizar las ganancias en cada viaje que realice, si tiene que transportar como mnimo 8 cajas tipo 1 y 5 cajas tipo 3 en cada viaje ?

Programacin Lineal: Formulacin

0011 0010 1010 1101 0001 0100 1011

Definicin de Variables:
X1: Nmero de cajas tipo 1 transportadas en cada viaje X2: Nmero de cajas tipo 2 transportadas en cada viaje X3: Nmero de cajas tipo 3 transportadas en cada viaje

Programacin Lineal: Formulacin

0011 0010 1010 1101 0001 0100 1011

Medida de la eficiencia:
Funcin Objetivo: Ganancia total en Lempiras por el transporte de los 3 tipos de cajas en cada viaje. Max 1000X1 + 1120X2 + 900X3

Programacin Lineal: Formulacin

0011 0010 1010 1101 0001 0100 1011

Restricciones funcionales
R1: Capacidad del camin: 1X1 + 1.2X2 + 0.8X3 20 R2 : Mnimo de mercanca tipo 1: X1 8 R3 : Mnimo de mercanca tipo 3: X3 5

*Restriccin de signo de las variables X1, X2 , X3 0

Programacin Lineal: Formulacin

0011 0010 1010 1101 0001 0100 1011

Modelo de Programacin Lineal Completo:

Max 1000X1 + 1120X2 + 900X3 sa 1X1 + 1.2X2 + 0.8 X3 20 1X1 8 1X3 5 X1, X2 , X3 0

Programacin Lineal: Formulacin

0011 0010 1010 1101 0001 0100 1011

El Seor Suazo es el presidente de una firam de inversiones personales que maneja carteras de valores de cierto numero de clientes. Un cliente nuevo ha solicitado recientemente que la firma le maneje una cartera de L. 100,000. Al cliente le gustara limitar su cartera a una combinacin de las siguientes tres acciones:

Programacin Lineal: Formulacin

0011 0010 1010 1101 0001 0100 1011

Accin Esso Dippsa Shell

Precio por Accin L60 25 20

Utilidad Anual esperada por Accin L7 3 3

Formule un PL para determinar cuantas acciones de cada clase debe comprar Suazo para su cliente.

Mxima Inversin Posible L60,000 25,000 30,000

Programacin Lineal: Formulacin

0011 0010 1010 1101 0001 0100 1011

2. Seores Fertica Qu cantidad de cada fertilizante fabricar durante el mes con el objeto de maximizar las utilidades? Sujeto a:

No asignar ms de 1,100 toneladas de nitrato, 1,800 toneladas de fosfato y 2,000 toneladas de potasio.

Programacin Lineal: Formulacin

0011 0010 1010 1101 0001 0100 1011

Variables de decisin X1 = Toneladas del fertilizante 5-5-10 que deben fabricarse. X2 = Toneladas del fertilizante 5-10-5 que deben fabricarse. Funcin objetivo Max. Z = C1 X1 + C2 X2

L = (L/ton. de f. 5-5-10) x (tons. de f. 5-5-10) + (L/ton. de f. 5-10-5) x (tons. de f. 5-10-5)

Programacin Lineal: Formulacin

0011 0010 1010 1101 0001 0100 1011 Clculo de C1

Precio de venta del f. 5-5-10/ton. Costo del f. 5-5-10/ton.

= L71.50

Costo del nitrato/ton. (0.05)($200/ton.) Costo del fosfato/ton. (0.05)($80/ton.) Costo del potasio/ton. (0.10)($160/ton.) Costo del barro/ton. (0.80)($10/ton.) Costo del mezclado/ton.
Costo total

= L10.00 = 4.00 = 16.00 = 8.00 = 15.00

= L53.00

Programacin Lineal: Formulacin

0011 0010 1010 1101 0001 0100 1011

C1 = L71.50/ton. - L53.00/ton. = L18.50/ton. de forma similar,

C2 = L69.00/ton. - L49.00/ton. = L20.00/ton. Max. Z = 18.5X1 + 20.0X2

Programacin Lineal: Formulacin

0011 0010 1010 1101 0001 de nitrato Restriccin 0100 1011

0.05X1 es el uso de nitrato en X1 tons. de f. 5-5-10

0.05X2 es el uso de nitrato en X2 tons. de f. 5-10-5 0.05X1 + 0.05X2 1,100 Restriccin de fosfato

0.05X1 + 0.10X2 1,800 Restriccin de potasio

0.10X1 + 0.05X2 2,000

Programacin Lineal: Formulacin

0011 0010 1010 1101 0001 0100 1011

Max. Z = 18.5X1 + 20X2 Sujeto a: 0.05X1 + 0.05X2 1,100

0.05X1 + 0.10X2 1,800

0.10X1 + 0.05X2 2,000 X1, X2 0

Programacin Lineal: Formulacin

3. Ruedas Redondas. 0011 0010 1010 1101 0001 0100 1011 Qu cantidad de cada tipo de rin fabricar con el objeto de maximizar las utilidades?

Sujeto a:

No programar ms de 1,500 rims tipo 2 750 rims tipo 1 cualquier combinacin de ellos en el acabado, diariamente. No programar ms de 700 rims tipo 2 400 rims tipo 1 cualquier combinacin de ellos en el tratamiento especial, diariamente. No programar ms de 600 rims de cualquier tipo en el acabado final, diariamente.

Programacin Lineal: Formulacin

0011 0010 1010 1101 0001 0100 1011

Variables de decisin
X1 = Cantidad de rims tipo 1 a fabricar X2 = Cantidad de rims tipo 2 a fabricar Funcin objetivo Max. Z = C1 X1 + C2 X2 Max. Z = 30X1 + 19X2

Programacin Lineal: Formulacin

0011 0010 1010 1101 0001 0100 1011

Restriccin en el acabado
2X1 + X2 1,500

Restriccin en el tratamiento
7X1 + 4X2 2,800 Restriccin en el acabado final X1 + X2 600

Programacin Lineal: Formulacin

0011 0010 1010 1101 0001 0100 1011

Max. Z = 30X1 + 19X2 Sujeto a: 2X1 + X2 1,500 7X1 + 4X2 2,800 X1 + X2 600

X1, X2 0

Programacin Lineal: Formulacin

4. Constructora. Qu 0011 0010 1010 1101 0001 0100 1011 cantidad de grava enviar de cada distribuidor a cada proyecto con el objeto de minimizar los costos totales?

Sujeto a:

No enviar ms de 150 tons. del distribuidor 1, 175 tons. del distribuidor 2 y 275 tons. del distribuidor 3. Enviar 200 tons. al proyecto 1, 100 tons. al proyecto 2 y 300 tons. al proyecto 3.

Programacin Lineal: Formulacin

0011 0010 1010 1101 0001 0100 1011

Variables de decisin
XIJ = Nmero de toneladas a enviar del distribuidor I al proyecto J. Funcin objetivo

Min. Z = 6X11 + 8X12 + 10X13 + 7X21 + 11X22 + 11X23 + 4X31 + 5X32 + 12X33

Programacin Lineal: Formulacin

0011 0010 1010 1101 0001 0100 1011

Restriccines de disponibilidad X11 + X12 + X13 150 X21 + X22 + X23 175

X31 + X32 + X33 275

Restriccines de requerimientos

X11 + X21 + X31 = 200

X12 + X22 + X32 = 100

X13 + X23 + X33 = 300

Programacin Lineal: Formulacin

0011 0010 1010 1101 0001 0100 1011 Min. Z = 6X11 + 8X12

+ 10X13 + 7X21 + 11X22 + 11X23 + 4X31 + 5X32 + 12X33

Sujeto a: X11 + X12 + X13 150

X21 + X22 + X23 175

X31 + X32 + X33 275 X11 + X21 + X31 = 200

X12 + X22 + X32 = 100

X13 + X23 + X33 = 300

X11, X12, X13 .... X33 0

Programacin Lineal: Formulacin

5. Mezcla de minerales. 0011 0010 1010 1101 0001 0100 1011 Qu porcentaje de la composicin del nuevo producto provendr de cada una de las cuatro minas con el objeto de minimizar su costo.

Sujeto a:

El contenido del elemento bsico A en el nuevo producto no sea menor de 5 lbs/ton. El contenido del elemento bsico B en el nuevo producto no sea menor de 100 lbs/ton. El contenido del elemento bsico C en el nuevo producto no sea menor de 30 lbs/ton.

Programacin Lineal: Formulacin

0011 0010 1010 1101 0001 0100 1011

Variables de decisin X1 = porcentaje que provendr de la mina 1

X2 = porcentaje que provendr de la mina 2

X3 = porcentaje que provendr de la mina 3 X4 = porcentaje que provendr de la mina 4

Programacin Lineal: Formulacin

0011 0010 1010 1101 0001 0100 1011

Funcin objetivo

Min. Z = C1 X1 + C2 X2 + C3 X3 + C4 X4

$ = ($/ton. mina 1) x (% de la mina 1) + ($/ton. mina 2) x (% de la mina 2) + ($/ton. mina 3) x (% de la mina 3) + ($/ton. mina 4) x (% de la mina 4) Min. Z = 800X1 + 400X2 + 600X3 + 500X4

Programacin Lineal: Formulacin

0011 0010 1010 1101 0001 0100 1011

Restriccin de elemento bsico A 10X1 + 3X2 + 8X3 + 2X4 5 Restriccin de elemento bsico B

90X1 + 150X2 + 75X3 + 175X4 100 Restriccin de elemento bsico C

45X1 + 25X2 + 20X3 + 37X4 30

Programacin Lineal: Formulacin

0011 0010 1010 1101 0001 0100 1011

Min. Z = 800X1 + 400X2 + 600X3 + 500X4

Sujeto a: 10X1 + 3X2 + 8X3 + 2X4

90X1 + 150X2 + 75X3 + 175X4 100

X1 + X 2 + X3 + X4 = 1

45X1 + 25X2 + 20X3 + 37X4 30

X1, X2, X3, X4 0

Ejemplo de la construccin de un modelo matemtico 0011 0010 1010 1101 0001 0100 1011
Una empresa produce dos juguetes: los osos Bobby y Teddy. Cada juguete requiere ser procesado en dos mquinas diferentes. La primer mquina tiene 12 horas de capacidad disponible y la otra tiene 8 horas de capacidad disponible por da.

Ejemplo de la construccin de un modelo matemtico 0011 0010 1010 1101 0001 0100 1011
Cada Bobby requiere 2 horas en cada mquina. Cada Teddy requiere 3 hrs. en la 1er mquina y 1 hr. en la otra. La ganancia incremental es de $6 por cada Bobby y de $7 por cada Teddy. Si puede vender toda su produccin, Cuntas unidades diarias de cada uno debe producir?

Ejemplo de la construccin de un modelo matemtico 0011 0010 1010 1101 0001 0100 1011
Se requiere formular: Variables de decisin y parmetros Restricciones Funcin Objetivo

Ejemplo de la construccin de un modelo matemtico

Variables de 1011 0011 0010 1010 1101 0001 0100 decisin: Cantidad de Bobbies a producir por da: B Cantidad de Bobbies a producir por da: T Parmetros:

1 Mq. B T Gananc. Increm. 2 3 6

2 Mq. 2 1 7

4
12 8

Capacidad

Ejemplo de la construccin de un modelo matemtico 0011 0010 1010 1101 0001 0100 1011
Restricciones Capacidad de la 1er. mquina 2B + 3T 12 Capacidad de la 2da. mquina 2B + T 8 Restricciones de no negatividad B 0, T 0

Ejemplo de la construccin de un modelo matemtico 0011 0010 1010 1101 0001 0100 1011
Funcin Objetivo: Maximizar: Z = 6B + 7T

Cul es la solucin ptima?

B = 2, T = 2 B = 3, T = 2 B = 4, T = 4

PROCEDIMIENTO DE
RESOLUCIN GRFICA
0011 0010 1010 1101 0001 0100 1011

PARA EL PROBLEMA DE PROGRAMACIN LINEAL EN DOS VARIABLES EJEMPLO 1

max 3 x1 + 2 x2 suj.a : - 2 x1 + x2 2 0011 0010 1010 1101 0001 0100 1011 x1 - 2 x2 3

x1 + 2 x2 5 x1 0, x2 0

x2

2
x1

max 3 x1 + 2 x2 suj.a: - 2 x1 + x2 2 0011 0010 1010 1101 0001 0100 1011 x1 - 2 x2 3

x1 + 2 x2 5 x1 0, x2 0 x1 0, x2 0

suj.a : - 2 x1 + x2 2
0011 0010 1010 1101 0001 0100 1011

- 2 x + x2 = 2 1 Pasa por: (-1,0) y (0,2)

2

- 2 x1 + x2 2

-1

suj.a: x1 - 2 x2 3
0011 0010 1010 1101 0001 0100 1011

x1 - 2 x2 3 x1 - 2 x2 = 3 Pasa por: (0,-3/2) y (3,0)

-3/2

4
3

suj.a:
0011 0010 1010 1101 0001 0100 1011

x1 + 2 x2 5

x1 + 2 x2 = 5 Pasa por:
5/2

(0,5/2) y (5,0)

x1 + 2 x2 5

2
5

suj.a : - 2 x1 + x2 2 x1 - 2 x2 3 x1 1101 5 0011 0010 1010 + 2 x20001 0100 1011 x1 0, x2 0

0011 0010 1010 1101 0001 0100 1011

suj.a : - 2 x1 + x2 2 x1 - 2 x2 3

x1 + 2 x2 5 x1 0, x2 0

Puntos extremos

F
REGIN DE FACTIBILIDAD

z=0 3 x1 + 2 x2 =0
z=4 3 x1 + 2 x2 =4
0011 0010 1010 1101 0001 0100 1011

max z =3 x1 + 2 x2

z=9 3 x1 + 2 x2 =9

z =0

z =4

z =9

Direccin de mejora de la f.o.

PTIMO

max z =3 x1 + 2 x2
0011 z (4, 1/2)=3.4+2 .(1/2)=13 0010 1010 1101 0001 0100 1011

x1 - 2 x2 = 3 x1 + 2 x2 = 5

P (4, 1/2)

Solucin ptima: x*=4 , x*= 1/2 1 2 z* =13

PTIMO

0011 0010 1010 1101 0001 0100 1011

max z =3 x1 + 2 x2 suj.a : - 2 x1 + x2 2 x1 - 2 x2 3

x1 + 2 x2 5 x1 0, x2 0

z =27/5 (1/5,12/5) (0,2) z =4

PTIMO

F
(0,0) z =0

(3,0) z =9

z* =13

(4, 1/2)

Posibles casos de Solucin PL

0011 0010 1010 1101 0001 0100 1011

0011 0010 1010 1101 0001 0100 1011

EJEMPLO 2

0011 0010 1010 1101 0001 0100 1011

max x1 + 2 x2 suj.a : x1 + x 2 5 x1 0, x2 0

max x1 + 2 x2 suj.a : x1 + x 2 5
0011 0010 1010 0, x 0001 0100 1011 x 1101 0
1 2

(0,5)

2
(5,0)

max x1 + 2 x2 suj.a : x1 + x 2 5
0011 0010 1010 0, x 0001 0100 1011 x 1101 0
1 2

PTIMO (mximo)

(0,5)

z*=10 x* =0 x*2 =5 1

Direccin de mejora de la f.o.

2
(5,0)

El mismo problema para el caso de 0011 0010 1010 1101 0001 0100 1011 minimizar la funcin objetivo
min x1 + 2 x2 suj.a : x1 + x 2 5 x1 0, x2 0

min x1 + 2 x2 suj.a : x1 + x 2 5
0011 0010 1010 0, x 0001 0100 1011 x 1101 0
1 2

(0,5)

Direccin de mejora de la f.o.

PTIMO (mnimo)

z*=0 x1*=0 x*2 =0

2
(5,0)

0011 0010 1010 1101 0001 0100 1011

EJEMPLO 3

0011 0010 1010 1101 0001 0100 1011

max x1 + x2 suj.a : 2 x1 + x 2 2 x 1 + 3x2 1 x1 0, x2 0

max x1 + x2 suj.a : 2 x1 + x 2 2
0011 0010 10101 1101 2 1 0100 1011 x + 3x 0001

(0,2)

x1 0, x2 0

4
(1,0)

max x1 + x2 suj.a : 2 x1 + x 2 2
0011 0010 10101 1101 2 1 0100 1011 x + 3x 0001

(0,2)
PTIMO (mximo)

x1 0, x2 0 z*=1 x1*=1 x*2 =0 Direccin de mejora de la f.o.

4
(1,0)

El mismo problema para el caso de 0011 0010 1010 1101 0001 0100 1011 minimizar la funcin objetivo
min x1 + x2 suj.a : 2 x1 + x 2 2 x 1 + 3x2 1 x1 0, x2 0

min x1 + x2 suj.a : 2 x1 + x 2 2
0011 0010 10101 1101 2 1 0100 1011 x + 3x 0001

(0,2)

x1 0, x2 0 Direccin de mejora de la f.o.

PTIMO (mnimo)

z*=0 x1*=0 x*2 =0

4
(1,0)

0011 0010 1010 1101 0001 0100 1011

EJEMPLO 4

_________________________________

Resolucin Grfica P.L. Ana Allueva

0011 0010 1010 1101 0001 0100 1011

max 4x1 + 2x2 suj.a : 2 x1 +3x 2 12 3x1 + 4x2 12 x1 0, x2 0

max 4x1 + 2x2 suj.a : 2 x1 +3x 2 12 (0,4) + 4x20001 0100 1011 12 3x1 0011 0010 1010 1101 x1 0, x2 0

F=O

(0,3)

(4,0)

2
(6,0)

El problema no tiene solucin ptima 0011 0010 1010 1101 0001 0100 1011 porque la regin de factibilidad es el conjunto vaco (no hay soluciones factibles, la interseccin de las zonas sombreadas es vaca).

Esta situacin es independiente de la funcin objetivo; por tanto, en el caso de minimizar tampoco hay solucin ptima.

0011 0010 1010 1101 0001 0100 1011

0011 0010 1010 1101 0001 0100 1011

MTODO SIMPLEX

Ejemplo de Simplex:
0011 0010 1010 1101 0001 0100 1011

Vamos a resolver el siguiente problema: Maximizar Sujeto a: Z = f(x1,x2) = 3x1 + 2x2 2x1 + x2 18 2x1 + 3x2 42 3x1 + x2 24

x1 0 , x2 0

Se consideran los siguientes pasos:

0011 0010 1010 1101 0001 0100 1011

1. Convertir las desigualdades en igualdades:

Se introduce una variable de holgura por cada una de las restricciones, este caso u1, u2, u3 para convertirlas en igualdades el sistema de ecuaciones estandar. Usando en simplex el siguiente criterio:
Signo: Introducir un -un

FORMA ESTANDAR:
0011 0010 1010 1101 0001 0100 1011

2x1 + x2 + u1 = 18 2x1 + 3x2 + u2 = 42 3x1 + x2 + u3 = 24

2. Agregar la variables de holgura del sistema anterior:

0011 0010 1010 1101 0001 0100 1011

Maximizar 3 x1 + 2 x2 + 0u1 + 0u2 + 0 u3 3. Escribir el modelo general de PL:

Maximizar 3 x1 + 2 x2 + 0u1 + 0u2 + 0 u3 s.a. 2x1 + x2 + u1 = 18 2x1 + 3x2 + u2 = 42 3x1 + x2 + u3 = 24 x1, x2, u1 , u2 , u3 0

4. Cumplimiento de propiedades

0011 0010 1010 1101 0001 0100 1011 Propiedad 1: Cada restriccin

debe contener una variable no negativa con el coeficiente mas uno (+1) y que esa variable debe aparecer solo en esa restriccin, la cual ser llamada variable marcada Propiedad 2: Seala que los valores del lado derecho de las restricciones de igualdad son no negativos.

Si estas propiedades se cumplen, los valores de las variables bsicas (es decir marcadas) sern el lado derecho y dado que son no negativas tendremos una solucin bsica factible con lo que se podr formular la tabla inicial

Tablero Inicial (fase 1)

0011 0010 1010 1101 0001 0100 1011

X1 3 2 2 3 0 3

X2 2 1 3 1 0 2

u1 0 1 0 0 0 0

u2 0 0 1 0 0 0

u3 Solucin 0 0 0 1 0 0

Variable Coeficiente Base Base u1 u2 u3 Zj Cj-Zj 0 0 0

4
0

1
42 24

18

4. Encontrar la variable de decisin que holgura que sale de la base

entra en la base y la variable de

A. Para escoger la variable de decisin que entra en la base, (FLECHA ROJA PARTE SUPERIOR), observamos la ultima fila, 0011 0010 1010 1101 0001 0100 1011 la cual muestra los costos de oportunidad de las variables de la Funcin Objetivo y escogemos la variable con el coeficiente ms positivo.
En este caso, la variable x1 de coeficiente + 3.

Si existiesen dos o ms coeficientes iguales que cumplan la condicin anterior, entonces se elige cualquiera de ellos.
0011 0010 1010 1101 0001 0100 1011

Si en la ltima fila no existiese ningn coeficiente positivo, significa que se ha alcanzado la solucin ptima. Por tanto, lo que va a determinar el final del proceso de aplicacin del mtodo del simplex en caso de maximizacion, es que en los costos de oportunidad no hayan elementos positivos. La columna de la variable que entra en la base se llama columna pivote (en color azulado).

B. Para encontrar la variable de holgura que tiene que salir de la base, (FLECHA ROJA COSTADO IZQUIERDO) se divide cada 0011 0010 1010 1101 0001 0100 1011 trmino de la ltima columna (valores solucin) por el trmino correspondiente de la columna pivote, siempre que estos ltimos sean mayores que cero. Si hubiese algn elemento menor o igual que cero no se hace dicho cociente. En el caso de que todos los elementos fuesen menores o iguales a cero, entonces tendramos una solucin no acotada y no se puede seguir. El trmino de la columna pivote que en la divisin anterior d lugar al menor cociente positivo, el 3, ya 8 es el menor, indica la fila de la variable de holgura que sale de la base, u3. Esta fila se llama fila pivote (en color azulado).

Iteracin No. 1 X1 3 u1 u2 u3 Zj Cj-Zj 2 2 3 0 3 X2 2 1 3 1 0 2 u1 0 1 0 0 0 0 u2 0 0 1 0 0 0 u3 Solucin 0 0 0 1 0 0 18 18/2 = 9 42/2 = 21 24/3 = 8 Operacin

0011 0010B C /1101 0001 0100 1011 V / 1010 B

4
0

1
24

42

Si al calcular los cocientes, dos o ms son iguales, indica que cualquiera de las variables correspondientes pueden salir de la base. C. En la interseccin de la fila 0011 0010 1010 1101 0001 0100 1011 pivote y columna pivote tenemos el elemento pivote operacional, 3, este indica que la variable de decisin X1 entra y la variable de holgura u3 sale. 5. Encontrar los coeficientes para el nuevo tablero de simplex.

Los nuevos coeficientes de la fila pivote se obtienen dividiendo todos los coeficientes de la fila por el pivote operacional 3, ya que este se debe convertir en +1.

A continuacin mediante la reduccin gaussiana hacemos ceros los restantes trminos de la columna pivote, con lo que obtenemos los nuevos coeficientes de las otras filas incluyendo los de la funcin objetivo Z.

Iteracin No. 2 (fase 2) X1 V/B u1 u2 X1 Zj Cj-Zj C/B 0 0 3 X2 u1 u2 u3 Solucin 2 26 8 Operacin f(u1) 2 f(X1) f(u2) 2 f(X1)

3 2 0 0011 0010 1010 1101 0001 0100 1011

0 0 1 3 0 1/3 7/3 1/3 1 1 1 0 0 0 0

0
0 1 0 0 0

0
-2/3 -2/3 1/3 1

-1

24

(1/3) X1

Como en los elementos de los costos de oportunidad hay numeros positivos, + 1, significa que no hemos llegado todava a la solucin ptima. Hay que repetir el proceso:
0011 0010 1010 1101 0001 0100 1011

A. La variable que entra en la base es x2, por ser la columna pivote que corresponde al coeficiente +1 B. Para calcular la variable que sale o la fila pivote, dividimos los trminos de la columna solucin entre los trminos de la nueva columna pivote:

y como el menor cociente positivo es 6, tenemos que la fila pivote y la variable de holgura que sale es u1. C. El elemento pivote, que ahora hay que hacer 1, es 1/3. Y se opera de forma anloga a la anterior iteracin

Iteracin No. 2
X1 3 u1 u2 X1 Zj Cj-Zj 0 0 3 0 0 1 3 0 X2 2 1/3 7/3 1/3 1 1 u1 0 1 0 0 0 0 u2 0 0 1 0 0 0 u3 0 -2/3 -2/3 -1/3 1 -1 Solucin 2 26 8 Operacin 2/(1/3) = 6 26/(7/3) = 78/7

V/B C/B 0011 0010 1010 1101 0001 0100 1011

4
24

8/(1/3) = 24

Resultado de Iteracin No. 2

X1 V/B X2 u2 X1 Zj Cj-Zj C/B 0 X2 1 u1 3 u2 0 0 u3 0 -2 Solucin 6 Operacin 3X2 f(S2) (7/3) f(X2) f(X1) (1/3) f(X2)

3 2 0 0011 0010 1010 1101 0001 0100 1011

2
0

-7

12

-1

3 0

2 0

3 -3

0 0

-1 1

4
30

Como en los elementos del costo de oportunidad hay uno positivo, +1; significa que no hemos llegado todava a la solucin ptima. Hay que repetir el proceso:
0011 0010 1010 1101 0001 0100 1011

A. La variable que entra en la base es u3, por ser la variable que corresponde al coeficiente +1
B. Para calcular la variable que sale, dividimos los trminos de la ltima columna entre los trminos correspondientes de la nueva columna pivote: 6/(-2) [=-3] , 12/4 [=3], y 6:1 [=6]

y como el menor cociente positivo es 3, tenemos que la variable de holgura que sale es u2.

C. El elemento pivote, que ahora hay que hacer 1, es 4. Obtenemos la tabla:

Iteracin No. 3
X1 3 X2 2 u1 0 u2 0 u3 0 Solucin Operacin
No se toma por ser negativo

V/ C B 0011 0010B1010/ 1101 0001 0100 1011

X2
u2 X1 Zj

2
0 3

0
0 1 3

1
0 0 2

3
-7 -1 3

0
0 0 0

-2
4 1 -1

6
12 6

12/4 = 3 6/1 = 6

Cj-Zj

-3

30

Resultado de Iteracin No. 3

X1 V/B X2 S3 X1 C/B X2 u1 u2 0 1/2 u3 Solucin 0 0 12 f(X2) + 2 f(S3) (1/4) S3 Operacin

0011 0010 1010 1101 0001 0100 1011 3 2 0

2
0

-1/2

-7/4

1/4

3/4

-1/4

Zj

5/4

1/4

-1

Cj-Zj

-5/4

-1/4

4
33

f(X1) f(S3)

Como todos los coeficientes del costo de 0011 0010 1010 1101 0001 0100 1011 oportunidad son positivos, hemos llegado a la solucin ptima. Los solucin ptima viene dada por el valor de Z en la columna de los valores solucin, en nuestro caso: X1 = 3 unidades, X2 = 12 unidades, V.O. = 33 unidades monetarias

Optimizacin en Ingeniera
Breve introduccin

El arte de modelar Qu es un modelo? Clases de Modelos 0011 0010 1010 1101 0001 0100 1011 El modelo matemtico: Funciones, variables y constantes Investigacin de Operaciones en Ingeniera Industrial Ejemplos de aplicacin de mtodos cuantitativos

0011 0010 1010 1101 0001 0100 1011

Cul es la estructura del modelo matemtico?

Variables de decisin Parmetros y constantes Funcin de optimizacin: Max/Min Ecuaciones de restriccin

Z = 3X DefinicionesMaxSujeto a:+ 2X
1

0011 0010 1010 1101 0001 0100 1011

Variables de decisin: Funcin objetivo:

Decisiones cuantificables relacionadas unas con otras. Ejemplo: Cunto comprar, vender

4X1 + 11X2 = 23 X1 - 2X2 200 X1, X2 0

La medida de efectividad compuesta expresada como una funcin de las variables de decisin. Puede ser Maximizar o Minimizar

Parmetros:

Valores constantes que actan como coeficientes al lado derecho de las variables tanto en la funcin objetivo como en las restricciones y que se basan en datos tecnolgicos de los problemas. Ejemplo fijar tasa inflacin

Restricciones:

Limitaciones impuestas sobre los valores de las variables de decisin, casi siempre en forma de ecuaciones o desigualdades. Pueden = / /

Modelos de Simulacin
0011 0010 1010 1101 0001 0100 1011

Tcnica en la cual se capturan las relaciones de causa y efecto de un sistema en un modelo realizado con un software, con el cual se puede generar un comportamiento muy cercano al del sistema real.

Simulacin
0011 0010 1010 1101 0001 0100 1011

Ventajas

Desventajas
Requiere recursos Grado entendimiento Requiere mucho dato Simula al hombre en parte Dependencia de datos Ms descriptivos que prescriptivos

Sistemas complejos No interrumpe lo real Estimula creatividad Ahorra dinero Reduce Riesgos Reduce tiempo prueba Facilita otras salidas Anlisis sensibilidad

0011 0010 1010 1101 0001 0100 1011

0011 0010 1010 1101 0001 0100 1011

Introduccin
0011 0010 1010 1101 0001 0100 1011

Ejemplos:

1. Modelo de Asignacin de la Fuerza de Ventas

Variables de Decisin:
Medida del Desempeo: Objetivo:

Cuantos Vendedores Asignar a cada Territorio.

Ingreso por Ventas Maximizar el Ingreso por Ventas

Introduccin
0011 0010 1010 1101 0001 0100 1011

2. Modelo de Programacin del Trabajo en un Taller

Variables de Decisin:

Cuantas horas Programar determinadas partes en determinadas mquinas y la secuencia

Costo de Fabricacin Tiempo de Fabricacin

Medida del Desempeo:

Objetivo:

Minimizar el Costo el Tiempo de Fabricacin

Introduccin
0011 0010 1010 1101 0001 0100 1011

3. Modelo de Administracin de Efectivo

Variables de Decisin:

Cantidad de Fondos mantenidos en c/u de varias categorias (Efectivo, bonos, bolsa de valores etc... )
Costo de Oportunidad por mantener Activos Lquidos

Medida del Desempeo:

Objetivo:

Minimizar el Costo de Oportunidad

Introduccin
0011 0010 1010 1101 0001 0100 1011

1. Se estudia el Ambiente Comprensin del Problema 2. Se hace una Formulacin Lgica

Anlisis conceptual bsico Se hacen conjeturas y simplificaciones 3. Se hace una Formulacin Simblica

Construccin de las relaciones lgicas en el Lenguaje Simblico de las Matemticas

Introduccin
0011 0010 1010 1101 0001 0100 1011 Definir las

Variables de Decisin
Funcin Objetivo

x1 , x2 , . . . . xn

Maximizar min f( x1 , x2 , . . . . xn )

Sujeto a:
Restricciones

g1( x1 , x2 , . . . . xn ) b1
g2( x1 , x2 , . . . . . . . gm( x1 , x2 , . . . .

x1 , x2 , . . . . xn 0

4
xn ) b 2 . . . xn ) = b m

Introduccin
Cuando la funcin objetivo 0011 0010 1010 1101 0001 0100 1011 y todas las Restricciones Son Lineales tenemos un Modelo de Programacin Lineal.

Max Z = c1x1 + c2x2 + . . . + cnxn

Sujeto a: a11x1 + a12x2 + . . . + a1nxn b1

a21x1 + a22x2 + . . . + a2nxn b2 . . . . . . . . . . . . am1x1 + am2x2 + . . . + amnxn bm xJ 0

Para J = 1, 2, 3, . . . n

PREGUNTAS?
0011 0010 1010 1101 0001 0100 1011

Descripcin general
0011 0010 1010 1101 0001 0100 1011

Descripcin del proyecto

Objetivo Resultados

Metodologa del proyecto Principales conclusiones/resultados

Resultados 1 Resultados 2

Conclusin