Escolar Documentos
Profissional Documentos
Cultura Documentos
TEORIA DE LA DECISION
1.1 INTRODUCCION
El problema de la Decisin, motivado por la existencia de ciertos estados de
ambigedad que constan de proposiciones verdaderas (conocidas o
desconocidas), es tan antiguo como la vida misma. Podemos afirmar que todos los
seres vivientes, an los ms simples, se enfrentan con problemas de decisin. As,
un organismo unicelular asimila partculas de su medio ambiente, unas nutritivas y
otras nocivas para l. La composicin biolgica del organismo y las leyes fsicas y
qumicas determinan qu partculas sern asimiladas y cules sern rechazadas.
Conforme aumenta la complejidad del ser vivo, aumenta tambin la complejidad
de sus decisiones y la forma en que stas se toman. As, pasamos de una toma de
decisiones guiada instintivamente, a procesos de toma de decisiones que deben
estar guiados por un pensamiento racional en el ser humano. La Teora de la
Decisin tratar, por tanto, el estudio de los procesos de toma de decisiones
desde una perspectiva racional.
http://thales.cica.es/rd/Recursos/rd99/ed99-0191-03/intro.htm
BAJO
MODELOS
DE
CERTIDUMBRE,
e1
a1
x11
a2
x21
...
...
am
xm1
Se selecciona como alternativa ptima aquella alternativa ak tal que xk1 = max {xi1 : 1im}
donde:
S es el conjunto de alternativas o conjunto factible. Se trata de un
subconjunto del espacio eucldeo n, que puede contener un nmero finito o
infinito de elementos.
f: S
es la denominada funcin objetivo, que asigna a cada alternativa una
valoracin, permitiendo su comparacin.
x representa el vector n-dimensional que describe cada elemento del conjunto
factible. Cada una de sus componentes recibe el nombre de variable de decisin.
TOMA DE DECISIN BAJO INCERTIDUMBRE
En los procesos de decisin bajo incertidumbre, el decisor conoce cules son los
posibles estados de la naturaleza, aunque no dispone de informacin alguna sobre
cul de ellos ocurrir. No slo es incapaz de predecir el estado real que se
presentar, sino que adems no puede cuantificar de ninguna forma esta
incertidumbre. En particular, esto excluye el conocimiento de informacin de tipo
probabilstica sobre las posibilidades de ocurrencia de cada estado.
REGLAS DE DECISIN
A continuacin se describen las diferentes reglas de decisin en ambiente de
incertidumbre, y que sern sucesivamente aplicadas al ejemplo de construccin
del hotel.
Criterio de Wald
Criterio Maximax
Criterio de Hurwicz
Criterio de Savage
Criterio de Laplace
1.- CRITERIO DE WALD
Bajo la alternativa ai, el peor resultado posible que puede ocurrir tiene una valor
para el decisor dado por:
Aeropuerto
A
13
en Aeropuerto
B
- 12
en
si
-12
-8
11
-8
AyB
-1
-1
Ninguno
Estados de la Naturaleza
Alternativas
Terreno
comprado
A
Aeropuerto en Aeropuerto en
oi
A
B
13
- 12
13
-8
11
11
AyB
-1
Ninguno
Conviene destacar que, como paso previo a la aplicacin de este criterio, se debe
calcular la matriz de prdidas relativas, formada por los elementos rij. Cada
columna de esta matriz se obtiene calculando la diferencia entre el valor mximo
de esa columna y cada uno de los valores que aparecen en ella.
EJEMPLO
Partiendo del ejemplo de construccin del hotel, la siguiente tabla muestra la
matriz de prdidas relativas y el mnimo de stas para cada una de las
alternativas.
Estados de la Naturaleza
Alternativas
Terreno
comprado
Aeropuerto en A
Aeropuerto en B i
23
23
21
21
12
12
13
11
13
AyB
Ninguno
xi1
xi1
...
xi1
p1
p2
...
pn
de
e4
e1
e2
e3
a1
11
11
a2
25
11
a3
11
10
11
0.2
0.5
0.1
Probabilidades 0.2
la
a3
la
e4
E[R(ai)]
11
10.3
25
11
11.7
11
10
11
9.9
0.2
0.5
0.1
e1
e2
e3
11
8
8
Probabilidades 0.2
de
EJEMPLO
Partiendo del ejemplo ilustrativo de decisin bajo riesgo, la siguiente tabla muestra
el resultado esperado y su varianza para cada una de las alternativas.
Criterio de mnima varianza con media acotada
Estados
Naturaleza
Alternativas
E[R(ai)] V
11
10.3
1.21
25
11
11.7
45.01
11
10
11
9.9
1.09
0.2
0.5
0.1
e2
e3
11
a2
a3
Probabilidades 0.2
la
e4
e1
a1
de
EJEMPLO
Partiendo del ejemplo ilustrativo de decisin bajo riesgo, la siguiente tabla muestra
el resultado esperado y su varianza para cada una de las alternativas.
Criterio de la media con varianza acotada
Estados
Naturaleza
Alternativas
E[R(ai)] V
11
10.3
1.21
25
11
11.7
45.01
11
10
11
9.9
1.09
0.2
0.5
0.1
e2
e3
11
a2
a3
Probabilidades 0.2
la
e4
e1
a1
de
EJEMPLO
Partiendo del ejemplo ilustrativo de decisin bajo riesgo, la siguiente tabla
muestra, para cada una de las alternativas, el valor esperado, la varianza y el valor
esperado corregido correspondiente a un factor K=2.
Criterio de dispersin
Estados
Naturaleza
Alternativas
E[R(ai)] V
CR
11
10.3
1.21
8.10
25
11
11.7
45.01
-1.72
11
10
11
9.9
1.09
7.81
0.2
0.5
0.1
e2
e3
11
a2
a3
Probabilidades 0.2
la
e4
e1
a1
de
Marco Mrquez ama el riesgo. El decide jugar un extrao juego nuevo que supone
tirar chinches en el aire. Si el punto sobre el chinche cae hacia arriba, Marco gana
$10.000.Si el punto del chinche cae hacia abajo, Marco
pierde$10.000.Debe Marco jugar el juego, alternativa 1; o debe no jugarlo,
alternativa 2?
Por lo tanto, la alternativa 1 es la mejor estrategia usando la utilidad como un
criterio de decisin. Si EMV ha sido usado, la alternativa 2 sera la mejor
estrategia. La curva de utilidad es un buen buscador de riesgo de la curva de
utilidad, y la escogencia de jugar el juego realmente refleja su preferencia por el
riesgo.
USANDO LA UTILIDAD ESPERADA EN TOMA DE DECISIONES
Cualquier problema que pueda ser presentado en una tabla de decisin, tambin
puede ser ilustrado grficamente en un rbol de decisin. Retomemos el caso de
la compaa la Cafetera, recordamos que Amazonas estaba tratando
de tomar una decisin para expandir sus operaciones construyendo una planta
nueva de almacenamiento. Un rbol de decisin simple para representar la
decisin de la Cafetera se muestra en la figura siguiente. Obsrvese que en el
rbol se presenta la decisin y resultados en un orden secuencial. Primero la
Cafetera decide si construye una planta grande, pequea o no la construye. Una
vez que la decisin es tomada, los posibles resultados (favorable y desfavorable
mercado) podrn ocurrir. Todos los rboles de decisin son similares en que ellos
contienen puntos de decisin y puntos donde el rbol de divide. Estos smbolos
son:
ramas de los puntos de decisin para construir una planta grande. El valor
monetario esperado, para construir una planta pequea$40.000. No construir una
planta o no hacer nada, por supuesto el gasto es 0.Elbrazo que tiene el punto con
el ms alto valor monetario esperado debera seres cogido. En el caso de la
Cafetera, a una planta pequea debe ser construida.
UNIDAD 2
PROGRAMACIN LINEAL
http://www.itson.mx/dii/elagarda/apagina2001/PM/uno.html
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.
Muchos de los procedimientos de solucin tienen la caracterstica de ser iterativos,
es decir buscan la solucin en base a la repeticin de la misma regla analtica
hasta llegar a ella, si la hay, o cuando menos a una aproximacin.
PRUEBA DEL MODELO
El desarrollo de un modelo matemtico grande es anlogo en algunos aspectos al
desarrollo de un programa de computadora grande. Cuando se completa la
primera versin, es inevitable que contenga muchas fallas. El programa debe
probarse de manera exhaustiva para tratar de encontrar y corregir tantos
problemas como sea posible. Eventualmente, despus de una larga serie de
programas mejorados, el programador (o equipo de programacin) concluye que
el actual da, en general, resultados razonablemente vlidos. Aunque sin duda
quedarn algunas fallas ocultas en el programa (y quiz nunca se detecten, se
habrn eliminado suficientes problemas importantes como para que sea confiable
utilizarlo.
De manera similar, es inevitable que la primera versin de un modelo matemtico
grande tenga muchas fallas. Sin duda, algunos factores o interpelaciones
relevantes no se incorporaron al modelo y algunos parmetros no se estimaron
correctamente. Esto no se puede eludir dada la dificultad de la comunicacin y la
compresin de todos los aspectos y sutilezas de un problema operacional
complejo, as como la dificultad de recolectar datos confiables. Por lo tanto, antes
de usar el modelo debe probarse exhaustivamente para intentar identificar y
corregir todas las fallas que se pueda. Con el tiempo, despus de una larga serie
de modelos mejorados, el equipo de IO concluye que el modelo actual produce
resultados
razonablemente vlidos. Aunque sin duda quedarn algunos problemas menores
ocultos en el modelo (y quiz nunca se detecten), las fallas importantes se habrn
eliminado de manera que ahora es confiable usar el modelo. Este proceso de
prueba y mejoramiento de un modelo para incrementar su validez se conoce como
validacin del modelo.
Debido a que el equipo de IO puede pasar meses desarrollando todas las piezas
detalladas del modelo, es sencillo "no ver el bosque por buscar los rboles".
Entonces, despus de completar los detalles ("los rboles") de la versin inicial del
modelo, una buena manera de comenzar las pruebas es observarlo en forma
global ("el bosque") para verificar los errores u omisiones obvias. El grupo que
hace esta revisin debe, de preferencia, incluir por lo menos a una persona que no
haya participado en la formulacin. Al examinar de nuevo la formulacin del
modelo
Esta etapa es crtica, ya que es aqu, y slo aqu, donde se cosecharn los
beneficios del estudio. Por lo tanto, es importante que el equipo de IO participe,
tanto para asegurar que las soluciones del modelo se traduzcan con exactitud a un
procedimiento operativo, como para corregir cualquier defecto en la solucin que
salga a la luz en este momento.
El xito de la puesta en prctica depende en gran parte del apoyo que
proporcionen tanto la alta administracin como la gerencia operativa. Es ms
probable que el equipo de IO obtenga este apoyo si ha mantenido a la
administracin bien informada y ha fomentado la gua de la gerencia durante el
estudio. La buena comunicacin ayuda a asegurar que el estudio logre lo que la
administracin quiere y por lo tanto merezca llevarse a la prctica. Tambin
proporciona a la administracin el sentimiento de que el estudio es suyo y esto
facilita el apoyo para la implantacin.
La etapa de implantacin incluye varios pasos. Primero, el equipo de investigacin
de operaciones de una cuidadosa explicacin a la gerencia operativa sobre el
nuevo sistema que se va a adoptar y su relacin con la realidad operativa. En
seguida, estos dos grupos comparten la responsabilidad de desarrollar los
procedimientos requeridos para poner este sistema en operacin. La gerencia
operativa se encarga despus de dar una capacitacin detallada al personal que
participa, y se inicia entonces el nuevo curso de accin. Si tiene xito, el nuevo
sistema se podr emplear durante algunos aos. Con esto en mente, el equipo de
IO supervisa la experiencia inicial con la accin tomada para identificar cualquier
modificacin que tenga que hacerse en el futuro.
A la culminacin del estudio, es apropiado que el equipo de investigacin de
operaciones documento su metodologa con suficiente claridad y detalle para que
el trabajo sea reproducible. Poder obtener una rplica debe ser parte del cdigo de
tica profesional del investigador de operaciones. Esta condicin es crucial
especialmente cuando se estudian polticas gubernamentales en controversia.
1. Qu es la Programacin Lineal?.
C1
C2
Disponible
Vitamina A
1000
Vitamina B
1800
Beneficio
400
300
2.
mnimo:
b.
Mx.
Solucin
<=6
<=8
<=1
<= 2
>= 0
>= 0
(1)
(2)
(3)
(4)
(5)
(6)
=6
=8
=1
=2
=0
=0
(1)
(2)
(3)
(4)
(5)
(6)
Maximizar
Z = 3X1 + 2X2
Punto
(X1, X2)
(0, 0)
(4, 0)
(3.3, 1.3)
(2, 3)
(1,
(0, 2)
Z
0
12
12.6 ( ptima )
12
3)
Z= f(x,y)= 3x + 2y
2x + y 18
2x + 3y 42
3x + y 24
x 0,y 0
Se introduce una variable de holgura por cada una de las restricciones, para
convertirlas en igualdades, resultando el sistema de ecuaciones lineales:
2x + y + h = 18
2x + 3y + s = 42
3x +y + d = 24
2. Igualar la funcin objetivo a cero
- 3x - 2y + Z = 0
3. Escribir la tabla inicial simplex
En las columnas aparecern todas las variables del problema y, en las filas, los
coeficientes de las igualdades obtenidas, una fila para cada restriccin y la ltima
fila con los coeficientes de la funcin objetivo:
Tabla I . Iteracin n 1
Base Variable de decisin
Variable de holgura
Valores solucin
x
Y
h
s
d
h
2
1
1
0
0
18
s
2
3
0
1
0
42
d
3
1
0
0
1
24
Z
-3
-2
0
0
0
0
4. Encontrar la variable de decisin que entra en la base y la variable de
holgura que sale de la base
A. Para escoger la variable de decisin que entra en la base, nos fijamos en la
ltima fila, la de los coeficientes de la funcin objetivo y escogemos la
variable con el coeficiente negativo mayor (en valor absoluto).
En nuestro caso, la variable x de coeficiente - 3.
Si existiesen dos o ms coeficientes iguales que cumplan la condicin
anterior, entonces se elige uno cualquiera de ellos.
Si en la ltima fila no existiese ningn coeficiente negativo, 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, es que en la ltima fila no
haya elementos negativos.
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, se
divide cada trmino de la ltima columna (valores solucin) por el trmino
correspondiente de la columna pivote, siempre que estos ltimos sean
mayores
que
cero.
18/2 [=9] , 42/2 [=21] y 24/3 [=8]
En
nuestro
caso:
2
2
x
3
2
x
0
2
x
1
2
x
0
2
x
42
2
x
1
=
0
1/3
=
7/3
0
=
0
0
=
1
1/3
=
-2/3
8
=
26
Tabla II . Iteracin n 2
Base Variable de decisin
Variable de holgura
Valores solucin
x
Y
h
s
d
h
0
1/3
1
0
-2/3
2
s
0
7/3
0
1
-2/3
26
x
1
1/3
0
0
1/3
8
Z
0
-1
0
0
1
24
Como en los elementos de la ltima fila hay uno negativo, -1, significa que no
hemos llegado todava a la solucin ptima. Hay que repetir el proceso:
A. La variable que entra en la base es y, 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:
2:1/3
[=6]
,
26:7/3
[=78/7]
y
8:1/3
[=8]
y como el menor cociente positivo es 6, tenemos que la variable de holgura
que sale es h.
C. El elemento pivote, que ahora hay que hacer 1, es 1/3.
c1 c2 ... cn
cb1 xb1 b1 a11 a12 ... a1n
cb2 xb2 b2 a21 a22 ... a2n
.
.
.
... ... ... ...
.
.
.
... ... ... ...
.
.
.
... ... ... ...
Cbm Xbm bm am1 am2 ... amn
v
y1 y2 ... ym
z1 z2 ... zm
Tabla del Simplex
Donde:
Los elementos de la penltima fila son los productos escalares del vector de
la primera columna con los vectores de la tabla que quedan encima de cada
uno de esos elementos.
Cada tabla del Simplex est asociada a una solucin bsica factible. De forma
que, una vez construida la tabla inicial, deben establecerse las reglas que
permitan obtener las tablas asociadas a las siguientes soluciones bsicas, as
como saber la solucin bsica que lleva asociada cada tabla. Adems es
necesario saber cuando una tabla corresponde a la solucin ptima, esto ltimo se
consigue analizando los signos de la ltima fila de la tabla:
Si todos los elementos de la ltima fila de la tabla son mayores o iguales que cero,
el ptimo ha sido alcanzado.
Cuando alguno de los elementos de la ltima fila es negativo, el valor ptimo
puede mejorarse y por tanto debe construirse una nueva tabla de la manera
siguiente:
Calcular los nuevos valores de las dos ltimas filas de la tabla de acuerdo a
las instrucciones ya indicadas.
Se repiten todos estos procesos y se van transformando las tablas hasta que el
test de parada sea positivo (todos los elementos de la ltima fila mayores o iguales
que cero) en cuyo caso se tiene:
Todas las tablas que se van obteniendo tienen dos caractersticas en comn: los
elementos de la tercera columna son todos ellos mayores o iguales que cero,
salvo el ltimo (el que indica el valor de la funcin objetivo) que pudiera ser
negativo. Por otro lado, las columnas de A asociadas a las variables bsicas
siempre forman una matriz identidad.
Analizando ms en profundizar cada una de las etapas expuestas, se puede
comprobar la correspondencia con el mtodo Simplex enunciado de una forma
ms terica anteriormente. Por supuesto, la mejor manera de comprender la
resolucin mediante tablas es con ejemplos particulares; a continuacin se
exponen dos de estos ejemplos.
Ejemplo:
Programa lineal
min 2x1-x2
-x1+x2+x3=2
2x1+x2+x4=6
x1,x2,x3,x4 >= 0
Tabla Inicial
0
0
x3 2
x4 6
0
2 -1
-1 1
2 1
0 0
2 -1
0
1
0
0
0
0
0
1
0
0
Ejemplo:
Programa lineal
min -x1-x2
-x1+x2 <= 2
x1+2x2 <= 6
2x1+x2 <= 6
x1,x2 >= 0
Formulacin estndar
min -x1-x2
-x1+x2+x3 = 2
x1+2x2+x4 = 6
2x1+x2+x5 = 6
x1,x2,x3,x4,x5 >= 0
Las variables x3, x4 y x5 tienen como matriz de base a la identidad, de forma que
pueden tomarse como variables bsicas iniciales. Aplicando el algoritmo Simplex,
en tres tablas se obtiene el ptimo:
Tabla Inicial
Segunda Tabla
0
0
0
x3 2
x4 6
x5 6
0
-1
-1
1
2
0
-1
-1
1
2
1
0
-1
0
1
0
0
0
0
0
0
1
0
0
0
0
0
0
1
0
0
Tercera Tabla
-1 -1
0 x3 2 0 0
-1 x2 2 0 1
-1 x1 2 1 0
-4 -1 -1
0 0
0 0 0
1 -1 1
0 2/3 -1/3
0 -1/3 2/3
0 -1/3 -1/3
0 1/3 1/3
-1 -1 0 0 0
0 x3 5 0 3/2 1 0 1/2
0 x4 3 0 3/2 0 1 -1/2
-1 x1 3 1 1/2 0 0 1/2
-3 -1 -1/2 0 0 -1/2
0 -1/2 0 0 1/2
Optimo
x1=2
x2=2
x3=2
x4=0
x5=0
Valor ptimo = -4
Cada tabla del Simplex lleva asociado un punto cuyas coordenadas se obtienen
en la tercera columna para sus variables bsicas y son nulas el resto. En la
siguiente figura se encuentra representado el espacio de soluciones factibles del
problema, indicndose adems los vrtices correspondientes a cada una de las
tres tablas obtenidas.
Uso de variables artificiales
Formulacin estndar
min x1-x2
x1+2x2 >= 6
2x1+x2 <= 6
4x1+x2= = 4
x1,x2 >= 0
min x1-x2
x1+2x2-x3 = 6
2x1+x2+x4 = 6
4x1+x2= = 4
x1,x2,x3,x4 >= 0
M
0
1
x5
x4
x1
Segunda Tabla
1 -1 0 0 M M
5
0 7/4 -1 0 1 -1/4
4
0 1/2 0 1 0 -1/2
1
1 1/4 0 0 0 1/4
1 (7M+1)/4 -M 0 M (5M+1
M+1)/4
0 (-7M-5)/4 M 0 0 (5M-1)/4
Obsrvese como una de las variables artificiales ha dejado de ser bsica.
Tercera Tabla
1 -1 0 0 M M
-1 x2 20/7 0 1 -4/7 0 4/7 -1/7
0
x4 18/7 0 0 2/7 1 -2/7 -3/7
1
x1 2/7
1 0 1/7 0 -1/7 2/7
-18/7 1 -1 5/7 0 -5/7 3/7
0 0 -5/7 0 M+5/7 M-3/7
En la tercera tabla ya han desaparecido de la lista de variables bsicas las dos
artificiales. A partir de este momento puede prescindirse de las dos ltimas
columnas de la tabla, de forma que la siguiente tabla sera:
Cuarta Tabla
1 -1 0 0
-1 x2 4
4 1 0 0
0
x4 2
-2 0 0 1
0
x3 2
7 0 1 0
-4
-4 -1 0 0
5 0 0 0
Al no existir ningn valor negativo en la ltima fila, el ptimo ha sido encontrado en
el punto correspondiente a:
x1=0 x2=4 x3=2 x4=2
siendo el valor ptimo del problema -4.
http://usuarios.lycos.es/royel/principal/10/
donde
es el ptimo de la instancia para los problemas de la mochila con
mltiples restricciones (
); y es la cota de Dantzig (mirar por ej. [24]) para la
versin clsica (
).
En la Tabla 1 se muestra la media del error para cada valor de
discriminado para las instancias
y
.
y
).
y cada
Base
Decremento
Incremento
Instancia
MR
9.01
2.19
1.95
1.92
3.98
3.85
3.90
ST
6.86
4.58
3.87
3.58
4.73
4.28
4.11
Total
7.94
3.39
2.91
2.75
4.36
4.06
4.01
Se puede observar que tanto en forma global, como para cada tipo de instancia en
particular, las versiones del algoritmo que usan
obtienen mejores
resultados que los obtenidos con
. Esto ocurre para los dos esquemas
de adaptacin de
propuestos. Tambin se verifica que para ambos
's,
un incremento en el valor de
permite reducir el error global (indicado en la
columna
). Para el caso de decremento, resulta beneficioso comenzar las
mejoras con un operador que cambie 4 bits. Cuando con 4 ya no se obtengan
mejoras, se reduce a 3, luego a 2 y finalmente se realiza un ``ajuste fino'' con
. La adaptacin de en sentido contrario tambin resulta beneficiosa,
aunque para las instancias
solo aparecen mejoras respecto a
y no entre
los valores obtenidos cuando se utiliza
, prcticamente un
, se observa que
. Cuando
que decrementa
, el
-BitFlip y
-BitFlip.
Finalmente cuando
, el operador -BitFlip es el responsable del
de
los pasos de mejora. La utilizacin de y -BitFlip completa prcticamente la
optimizacin aunque aparecen
correspondientes a -BitFlip.
Para el caso de incrementos en
aproximadamente
un
de
mejoras
,
hasta un
de mejora se puede conseguir con -BitFlip una vez que la
bsqueda se estanc con -BitFlip. Para
y , los grficos muestran que
hasta un
de la mejora corresponde a -BitFlip, pero luego los operadores
subsiguientes pueden mejorar los ptimos locales encontrados.
(a)
(b)
Figura 4: Contribucin promedio de cada operador BitFlip para cada valor de
. En (a) resultados con administrador de operacin decremento y en (b) con
incremento.
Tambin se analiz la media de la cantidad de evaluaciones realizadas para
encontrar el mejor valor, discriminada en funcin de
y por tipo de instancia
(resultados no mostrados).
Cuando se utiliza un esquema de decremento, para las instancias con mltiples
restricciones se observa una reduccin de los valores a medida que aumenta
. Para las instancias del problema clsico, esta tendencia no se verifica. En
este caso, el valor ms alto de evaluaciones se alcanza con
. Luego
aparecen los asociados a
a
.
UNIDAD 3
TRANSPORTE Y ASIGNACIN
Paso3.
Continuar con la misma lgica hasta llegar a la posicin (m, n) de la matriz de
flujos.
En esta forma se obtendr una solucin inicial factible, bsica; pero bastante
distante del ptimo para el problema del transporte.
Donde :
10
10
C
Dj
10
15
Oi
20
25
30
15
30
40
30
45
MIN W = 5 X11+ 10 X12+ 5 X13+ 0 X14+ 5 X21+ 9 X22+ 5 X23+ 10 X24+ 10 X31+ 10 X32+ 15
X33+ 5 X34
sujeto a las siguientes restricciones:
http://www.virtual.unal.edu.co/cursos/sedes/manizales/4060014/docs_curso/Capitu
lo%20V/enoroeste.htm
http://html.rincondelvago.com/investigacion-de-operaciones-en-redes.html
El algoritmo del Mtodo Vogel para obtener una solucin bsica factible de un
problema de Transporte es el que se muestra a continuacin:
Paso 1.
Construccin de una matriz de costos y flujos en relacin a un problema
balanceado.
Ir al paso 3.
Paso2.
Usar el remanente de costos y flujos de la matriz, hasta que los flujos estn
asignados.
Paso3.
Calcular las diferencias de las filas y de las columnas de la matriz de costos. Esta
diferencia resulta entre los nmeros ms pequeos (tanto de filas como de
columnas).
Paso4.
Seleccionar a la fila o a la columna que tenga la mayor diferencia. En caso de
empate, se decide arbitrariamente.
Paso 5.
Localizar el costo ms pequeo en la matriz de costos en la fila o la columna
seleccionada en el paso anterior. Esta ser la posicin
Paso 6.
En la matriz de flujos , decidir
, con ( i, j ) identificado en el paso anterior.
Se considerar determinar la oferta con
, y la demanda ser
.
Paso7.
Si
, llnese la fila i con ceros, exceptuando la posicin
, eliminando la fila de cualquier consideracin futura.
De resultar
, se llenar la columna j con ceros, con excepcin de la posicin
, las posiciones restantes se descartadas de tomarse en cuenta.
http://www.virtual.unal.edu.co/cursos/sedes/manizales/4060014/docs_curso/Capitu
lo%20V/vogel.htm
http://html.rincondelvago.com/investigacion-de-operaciones-en-redes.html
3.4 METODO DE ASIGNACIN
qi Q
UNIDAD 4
REDES
DII+1
BFI-1
D, E, F
GFF
Mtodo constructivo
Para construir un diagrama de Gantt se han de seguir los siguientes pasos:
Dibujar los ejes horizontal y vertical.
Clculos
El diagrama de Gantt es un diagrama representativo, que permite visualizar
fcilmente la distribucin temporal del proyecto, pero es poco adecuado para la
realizacin de clculos.
Por la forma en que se construye, muestra directamente los inicios y finales
mnimos de cada tarea.
Construccin
Finalmente, una vez realizados los clculos del proyecto utilizando un sistema
adecuado, como el diagrama PERT o el Roy, resulta conveniente destacar con un
color distinto las tareas con margen total 0, para poder identificar con facilidad los
caminos crticos.
4.2.1 TERMINOLOGIA
http://www.gestiopolis.com/recursos/documentos/fulldocs/ger/diaggantaleja.htm
En el caso diagrama , los vrtices sern los sucesos y los arcos las actividades,
debiendo cumplirse una serie de condiciones:
inicial. La segunda, una vez cumplida la primera, implica que cualquier actividad
representada en el diagrama formar parte del un camino que comenzara en el
suceso inicial y terminar en el final. En estos caminos no existirn retornos, ya
que, implcitamente, esa es la condicin impuesta en tercer lugar. La cuarta impide
que dos actividades distintas tengan la misma denominacin.
Algunas veces, el cumplimiento de las citadas reglas puede impedir el plantear las
relaciones de prelacin de algunas actividades. Cuando ello sucede, se recurre al
empleo de actividades ficticias; stas no consumen tiempo ni ningn tipo de
recurso, siendo su nica finalidad resolver los problemas de dependencia mencionados.
Para comenzar a construir el diagrama se parte del conocimiento de todas las
actividades que componen el proyecto, as como de sus relaciones de prelacin.
Es muy conveniente recoger esta informacin de una forma sistematizada, ya que
ello ayudar en gran medida a construir el diagrama. Existen, bsicamente, dos
formatos para esto, la matriz de encadenamiento y la tabla de precedencias.
GRAFICACIN DE UN DIAGRAMA PERT-CPM
Supongamos que llevamos nuestro carro a la estacin de servicio para que le
hagan los servicios correspondientes a los 15.000 km.
Lavado Engrasar Cambio de Aceite Rotar Cauchos Cambiar Filtro de Aceite
Pulir. Como se observa en la figura No 7
Primero antes que todo el mecnico decide primero elevar el carro con la
plataforma, pero antes de ello para poder rotar los cauchos hay que sacar el
repuesto, hay que quitar las tazas y aflojar las tuercas del ring, ahora si se eleva el
carro, paso a seguir seria lubricar el motor bajo la tapa del automvil mientras el
carro est elevado, por esta razn se divide la lubricacin en dos fracciones;
lubricar bajo el carro (chasis), lubricar bajo tapa del motor y el cambio de aceite se
realiza mientras el carro esta elevado. Al finalizar solo falta el lavado y pulido.
http://www.gestiopolis.com/recursos/documentos/fulldocs/ger/proypolarisaleja.htm
4.2.3 DETERMINACION DE LA RUTA CRITICA
Duracin esperada: Te = (a + 4m + b) / 6
http://www.virtual.unal.edu.co/cursos/sedes/manizales/4010014/Contenidos/Capitu
lo1/Pages/1.8/18Herramientas_planeacion_continuacion2.htm
http://www.gestiopolis.com/recursos/documentos/fulldocs/ger/diaggantaleja.htm
4.2.4 COMPRESION DE REDES
Se presentan por lo general varios presupuestos, que pueden ser con los
antecedentes dados uno para la inversin en bienes de capital de maquinaria y
equipo por 80,000, ms otro de gastos de fabricacin por 500 diarios. Debe
considerarse que con elaboracin de proyecto o sin l, los gastos deben ser
erogados, por lo que busca que la ejecucin del proyecto se haga en el menor
tiempo posible para evitar gastos innecesarios a travs de evitar incrementos.
Los presupuestos tienen por lo general un costo normal $N para las actividades en
tiempo estndar y existe otro costo lmite $L para aquellas actividades ejecutadas
en tiempo ptimo. Por tanto la columna de $N debe ser totalizada al igual que la
columna de $L. Si suponemos que $N totaliza 145,120 significa el costo total de
erogacin del proyecto en tiempo estndar y si $L totalizara 151,480 no significara
que es un costo real, ya que no sera necesario que todas las actividades se
realizaran en tiempo ptimo, sino solo algunas de ellas. La elaboracin de una red
comprimida nos indicar qu actividades son las que pueden optimizarse en
tiempo, que en todo caso ste sera el mximo posible.
Con los costos anteriores y los intervalos de tiempo ya conocidos se determinan
las pendientes de las actividades.
INTRODUCCION Los proyectos en gran escala por una sola vez han existido
desde tiempos antiguos; este hecho lo atestigua la construccin de las pirmides
de Egipto y los acueductos de Roma. Pero slo desde hace poco se han analizado
por parte de los investigadores operacionales los problemas gerenciales
asociados con dichos proyectos.
con fines de estudio, a la alta direccin. Por consiguiente, esta red podra incluir
aproximadamente entre 40 o 50 sucesos importantes, cada uno de ellos un
resumen de varios acontecimientos secundarios. De hecho, es posible agrupar o
desglosar los eventos en forma tal que exista una red PERT apropiada para cada
nivel de administracin.
VENTAJAS Y DEBILIDADES
El PERT tiene 5 ventajas importantes.
Primero, obliga a los administradores a planear, porque es imposible hacer un
anlisis de tiempo-evento sin elaborar planes y ver como las piezas encajan entre
s.
Segunda, obliga a planear en forma descendente por toda la cadena de autoridad,
debido a que cada administrador subordinado debe preparar planes para el
acontecimiento bajo su responsabilidad.
Tercera, concentra la atencin en elementos crticos que quiz necesiten
correccin.
Cuarta, hace posible cierto control a futuro; una demora afectar los
acontecimientos posteriores y posiblemente a todo el proyecto, a menos que el
administrador pueda compensar el tiempo asignado a alguna otra tarea.
Quinta, el sistema de red con sus subsistemas le permite a los ejecutivos dirigir los
informes y la presin para obtener accin en el lugar y nivel precisos en la
estructura de la organizacin, en el momento correcto.
El PERT tambin tiene algunas limitaciones. Debido a la importancia del tiempo de
actividad para su operacin, no es til cuando el programa es impreciso y no se
pueden hacer las estimaciones al azar razonables del programa: sin embargo,
incluso en este caso se puede comprar seguridad mediante prctica como poner
a trabajar en una tarea a 2 o ms grupos de personas, cuando el costo lo permite.
Una desventaja importante del PERT a sido su insistencia solo en el tiempo, en
perjuicio de los costos. Aunque este enfoque es apropiado para programas en los
que el tiempo es esencial o cuando, como sucede con tanta frecuencia, este y los
costos tienen una relacin estrecha y directa, la herramienta es ms til cuando se
incluyen en el anlisis otras consideraciones.
PERT no es una idealidad de metodologa. No realiza la planeacin, aunque
obliga a planear. No automatiza el control, pero establece un ambiente donde se
pueden apreciar y utilizar los principios correctos del control, a menos, por
supuesto, que el proceso haya adquirido una innecesaria complejidad.
MTODO DE LA RUTA CRTICA (CPM)
La programacin de la ruta crtica, se refiere a una serie de tcnicas grficas que
se utilizan en la planeacin y control de proyectos bastante rutinarios; fue
desarrollado como una manera para programar el inicio y el trmino de las
actividades de un proyecto, se puede aplicar especialmente en los proyectos de
construccin, instalacin de equipos y arranques, construccin de carreteras,
puentes, centrales hidroelctricas y plantas importantes, ya que estas actividades
se repiten con frecuencia y los tiempos se conocen bastante bien; sin embargo, es
posible incrementar o disminuir el tiempo de las actividades con un mayor costo.
Tiempo
Normal
Costo
Normal
Tiempo
Lmite
Costo
Lmite
1-2
$ 40
$ 80
1-3
$ 50
$ 120
1-4
$ 100
$ 140
2-4
$ 80
$ 130
3-4
$ 60
$ 140
Podemos concluir que el CPM y PERT son esencialmente lo mismo, sus matices
hacen cada uno aplicable ms que el otro en situaciones diferentes. En ambos
mtodos la informacin esencial deseada es la ruta crtica y las holguras. Estas, le
permiten al director del proyecto hacer decisiones con base a informacin, basado
en el principio de administracin por excepcin, sobre los planes y proyectos del
trabajo actual y monitorear el progreso del proyecto.
El PERT/CPM fue diseado para proporcionar diversos elementos tiles de
informacin para los administradores del proyecto. Primero, el PERT/CPM expone
la "ruta crtica" de un proyecto. Estas son las actividades que limitan la duracin
del proyecto. En otras palabras, para lograr que el proyecto se realice pronto, las
actividades de la ruta crtica deben realizarse pronto. Por otra parte, si una
actividad de la ruta crtica se retarda, el proyecto como un todo se retarda en la
misma cantidad. Las actividades que no estn en la ruta crtica tienen una cierta
cantidad de holgura; esto es, pueden empezarse ms tarde, y permitir que el
proyecto como un todo se mantenga en programa. El PERT/CPM identifica estas
actividades y la cantidad de tiempo disponible para retardos.
El PERT/CPM tambin considera los recursos necesarios para completar las
actividades. En muchos proyectos, las limitaciones en mano de obra y equipos
hacen que la programacin sea difcil. El PERT/CPM identifica los instantes del
proyecto en que estas restricciones causarn problemas y de acuerdo a la
flexibilidad permitida por los tiempos de holgura de las actividades no crticas,
permite que el gerente manipule ciertas actividades para aliviar estos problemas.
Finalmente, el PERT/CPM proporciona la herramienta ideal para controlar y
monitorear el progreso del proyecto. Tanto de empresas pblicas, como privadas.
Lo que parti como un proyecto experimental hoy en da es de gran utilidad para
miles de personas a nivel mundial .
Aqu termina nuestro trabajo, en espera que haya sido de su agrado, y que
obviamente toda la materia expuesta haya quedado clara y entendible, estaremos
a la espera de su buena calificacin.
BIBLIOGRAFA
* Administracin de Operaciones ROGER SCHROEDER
* Administracin IDALBERTO CHIAVENATO
UNIDAD 5
DISTRIBUCIN DE LLEGADAS
Para determinar la distribucin de probabilidad para la cantidad de llegadas en un
perodo dado, se puede utilizar la distribucin de Poisson.
/= Media o cantidad promedio de ocurrencia en un intervalo
e= 2.17828
X= cantidad de ocurrencias en el intervalo
Este modelo puede aplicarse a personas esperando en una cola para comprar
boletos para el cine, a mecnicos que esperan obtener herramientas de un
expendio o a trabajos de computadora que esperan tiempo de procesador.
Llegadas.
Consiste en la entrada al sistema que se supone es aleatoria. No tienen horario,
es impredicible en que momento llegarn . El modelo tambin supone que las
llegadas vienen de una poblacin infinita y llegan una a la vez .
Cola.
hay 10 cajas en operacin. Si hay poco intercambio entre las lneas, puede
tratarse este problema como 10 sistemas separados de una sola lnea, cada uno
con una llegada de 9 clientes por hora. Para una tasa de servicio de 12 por hora :
Dados A = 9 clientes por hora
S = 12 clientes por hora
Entonces :
=
2.25 Clientes
3 clientes.
1
f(x) x
,x0
donde 0
La media y la variancia de la distribucin exponencial son:
2 2
1
.
La cual es la funcin de densidad de la distribucin exponencial con
Ntese que la media de la distribucin exponencial es el parmetro , el
recproco del parmetro en la distribucin de Poisson. El lector debe recordar
que con frecuencia se dice que la distribucin de Poisson no tiene memoria, lo
cul implica que las ocurrencias en perodos de tiempo sucesivos son
independientes. Aqu el parmetro importante es el tiempo promedio entre
1
P( 8 ) 5 dt 5
58
t
0.2
la | nos indica que la integral se va
1 0.7373 0.2627
2 El tiempo que transcurre antes de que una persona sea atendida en una
cafetera es una variable aleatoria que tiene una distribucin exponencial
con una media de 4 minutos. Cul es la probabilidad de que una persona
sea atendida antes de que transcurran 3 minutos en al menos 4 de los 6
das siguientes?
Solucin:
1 3 4t
P( T 3 ) dt 4
40
3
4
0.5276
la nos indica que la
servicio y/o cuanto tiempo ser necesario para dar ese servicio; es por eso que
esas decisiones implican dilemas que hay que resolver con informacin escasa.
La teora de colas requiere de un estudio matemtico del comportamiento de
lneas de espera. Estas se presentan cuando "clientes" llegan a un "lugar"
demandando un servicio al "servidor", el cual tiene cierta capacidad de atencin. si
el servidor no est disponible inmediatamente y el cliente decide esperar, entonces
se forma en la "lnea de espera".
Objetivos de la teora de colas; Dada la funcin de costes anterior, los objetivos de
la teora de colas consisten en:
Identificar el nivel ptimo de capacidad del sistema que minimiza el coste global
del mismo.
Evaluar el impacto que las posibles alternativas de modificacin de la capacidad
del sistema tendran en el coste total del mismo.
Establecer un balance equilibrado (ptimo) entre las consideraciones
cuantitativas de costes y las cualitativas de servicio.
Hay que prestar atencin al tiempo de permanencia en el sistema o en la cola: la
paciencia de los clientes depende del tipo de servicio especfico considerado y
eso puede hacer que un cliente abandone el sistema.
5.4 INFERENCIA DE RESULTADOS
Inferencia es la accin y efecto de inferir (deducir algo, sacar una consecuencia
deotra cosa, conducir a un resultado). La inferencia surge a partir de una
evaluacinmental entre distintas expresiones que, al ser relacionadas como
abstracciones,permiten trazar una implicacin lgica. Al partir dehiptesiso
argumentos, es posible inferir una conclusin (que puederesultar verdadera o
falsa). Por ejemplo:
Todava no recib la confirmacin oficialpor parte de la empresa, lo que te digo es
slo una inferencia ma,
Cada vez que juega la seleccin, Mariana falta al trabajo: mi inferencia es
que maana vamos aestar solos en la oficina, No podemos guiarnos por
inferencias, sino que tenemosque aguardar a que los sucesos se confirmen antes
de tomar una decisin
Elsilogismoes una forma esencial de inferencia. Se trata de una forma
derazonamiento deductivo que se forma por dos proposiciones (premisas) y
unaconclusin. Esta conclusin es la inferencia que necesariamente se deduce de
lasdos premisas.La veracidad de la conclusin depender de las leyes que
regulan la relacin entrelas premisas comparadas. La garanta de verdad del
nuevo juicio es lalgica,quedeber establecer distintas clasificaciones de las
premisas.No todas las inferencias ofrecen conclusiones verdaderas. Es posible
afirmar quetodos los perros son animales peludos de cuatro patas, pero no se
puede inferir que todos los animales peludos con cuatro patas son perros.