Escolar Documentos
Profissional Documentos
Cultura Documentos
FACULTAD DE INGENIERIA
CURSO : INVESTIGACIN DE OPERACIONES
INTRODUCIN, MODELAMIENTO MATEMTICO, FASES Y
CONSTRUCCIN DE MODELOS
DOCENTE:
ING. JUAN MIGUEL DIAZ MENDO
2016-03-23
Investigacin de Operaciones
Ing. Juan Miguel DIAZ Mendo
Introduccin a la IO
La I.O. se entiende que es la aplicacin de un mtodo cientfico
para resolver problemas que permita: tomar las decisiones
correctas o acertadas para tener las soluciones que ms
convengan o favorezcan a la organizacin.
Las primeras actividades formales en la historia de la
Definicin de la IO
La Investigacin de Operaciones o Investigacin Operativa, es
una rama de las Matemticas consistente en el uso de modelos
matemticos, estadstica y algoritmos con objeto de realizar un
proceso de toma de decisiones.
Frecuentemente, trata del estudio de complejos sistemas reales,
Objetivos
El objetivo y finalidad es encontrar la solucin ptima para
un determinado problema (militar, econmico, de
infraestructura, logstico, etc.)
En el caso particular de problemas de carcter econmico, la
funcin objetivo puede ser obtener el mximo rendimiento
o el menor costo.
Decidir mediante mtodos cientficos el diseo que optimiza
el funcionamiento del proceso analizado, generalmente bajo
condiciones que implican la utilizacin de recursos escasos.
Orgenes de la IO
Orgenes de la IO
La Investigacin Operativa tarda en desarrollarse en el campo de la
administracin industrial. El uso de la metodologa cientfica en la
industria se incorpora al iniciar los aos 50, propiciada por los
avances de las Comunicaciones, y la Computacin, que sientan las
bases para la automatizacin, y por sobre todo por el
florecimiento y bienestar econmico de ese perodo.
Los primeros desarrollos de esta disciplina (IO) se refirieron a
problemas de ordenamiento de tareas, reparto de cargas de
trabajo, planificacin y asignacin de recursos en el mbito militar
en sus inicios, diversificndose luego, y extendindose finalmente
a organizaciones industriales, acadmicas y gubernamentales.
Evolucin de la IO
fechas
nombres
Temas
1759
Quesnay (ecnomo)
1874
Walras
1873
Jordan
1896
Minkowsky
1903
Farkas
189~
Markov
192~ -
Programacin Matemtica
191~
Erlang
1920-30
Koning y Egervary
1937
von Neuman
1939
Kantorovich
Problemas de distribucin
2da guerra
1945
1947
Dantzig, George
Evolucin de la IO
fechas
1950-60
1970 y parte
dcada 80
nombres
Temas
Bellman
Programacin dinmica.
Kuhn y Tucker
Programacin No Lineal.
Gomory
Programacin Entera.
Ford y Fulkerson
Redes de optimizacin.
Markowitz
Simulacin.
Inventarios.
Rafia
Anlisis de Decisiones.
Howard
1985 en
delante
Actualmente
Aplicaciones de la IO
Organizacin
Naturaleza de la aplicacin
Ao de la
aplicacin
Ahorros
anuales
1985
$ 15 millones
1985
$ 2 millones
1986
$ 15 millones
1986
$ 43 millones
1986
$ 6 millones
United Airlines
http://www.investigaciondeoperaciones.net/aplicaciones_de_la_investigacion_de_operaciones.html
Aplicaciones de la IO
Organizacin
Naturaleza de la aplicacin
Ao de la
aplicacin
Ahorros
anuales
1987
$ 70 millones
1987
$ 3 millones
San
Francisco Optimizacin de la programacin y
police
asignacin de oficiales de patrulla con un
Department
sistema computarizado.
1989
$ 11 millones
1989
$ 59 millones
1989
$ 30 millones
SANTOS,
Australia
Electric
Research
Institute
Poder
Texaco, Inc.
Aplicaciones de la IO
Ao de la
aplicacin
Ahorros
anuales
1990
$ 20 millones +
$ 250 millones
ahorrados
en
inventario
1992
$ 17.3 millones
1992
Victoria
1992
$ 500 millones
ms
de
ingresos
1993
33%
menos
contagios
Organizacin
IBM
Naturaleza de la aplicacin
rea de aplicacin de la IO
Asignacin de recursos.
Formulacin de Dietas.
Sistemas energticos.
Telecomunicaciones.
Salud.
Planeacin.
Servicios.
Finanzas.
Otros.
rea de aplicacin de la IO
Medicina
Produccin
Inventario
Transporte
Estrategias
Planificacin
Modelamiento Matemtico
Investigacin de Operaciones:
(Ciencias de la Administracin)
Es la aplicacin del Mtodo Cientfico para la Toma
de Decisiones con el fin de hallar la solucin
ptima.
Metodologa de la IO
en forma
significativa
la
relevancia
de
las
LOS BENEFICIARIOS
Los dueos
Los empleados
Los clientes y proveedores
Los vendedores
El estado
Recoleccin de la informacin
forma
convencional
en
que
la
investigacin
de
Es
necesario
generar
informacin
adicional
sobre
el
tomadores de decisiones.
El equipo de IO explica a la gerencia.
Se comparte la responsabilidad.
Capacitacin detallada al personal.
Pruebas piloto.
no
una
coleccin
asociada
de
mtodos
cuantitativos.
2. La IO es relativamente costosa, lo que significa que no debe
emplearse en todos los problemas, sino tan slo en aquellos en
que las ganancias sea mayores que los costos.
Para llegar a hacer un uso apropiado de la IO, es necesario primero
comprender la metodologa para resolver los problemas, as como
los fundamentos de las tcnicas de solucin para de esta forma
saber cundo utilizarlas o no en las diferentes circunstancias.
Limitaciones de la IO.
1. Frecuentemente es necesario hacer simplificaciones del problema original
para poder manipularlo y tener una solucin.
2. La mayora de los modelos slo considera un solo objetivo y
frecuentemente en las organizaciones se tienen objetivos mltiples.
Mtodos de la IO.
Mtodos determinsticos: (son aquellos en que la informacin necesaria se
conoce para obtener una solucin con certeza): Programacin lineal,
programacin entera, probabilidad de transporte, teora de la localizacin
o redes, programacin multicriterio, teora de inventarios, etc.
Mtodos probabilsticos: Cadenas de Markov, teora de juegos, lneas de
espera, teora de inventarios, etc.
Mtodos hbridos: Conjugan mtodos determinsticos y probabilsticos.
Mtodos estocsticos: Son aquellos en los que parte de la informacin
necesaria no se conoce con certeza, como es el caso de los determinsticos,
sino que ms bien se comporta de una manera probabilstica.
Hbridos
Optimizacin
no Lineal
Programacin
Lineal
Mtodos
Clsicos
Transporte y
Asignacin
Mtodos
de bsqueda
Programacin
Entera y 0,1
Redes
Programacin
no lineal
Programacin
Dinmica
Estocsticos
Cadenas
de Markov
Teora de
Inventarios
Teora de
Colas
Simulacin
Procesos
Estocsticos
Pert / CPM
Heursticas
Teora de
Decisiones
y Juegos
Construccin de un Modelo
Un problema de Programacin Lineal est formado por tres
componentes principales:
Un conjunto de variables: Referidas a la actividad que se
desarrolla en el sistema que se quiere optimizar.
Notacin: x1, x2, x3, .
Un conjunto de restricciones: Expresan la relacin entre el
consumo de recursos y las limitaciones de los mismos, as como
toda clase de caractersticas que hay que imponer en el problema y
que estn asociadas a la actividad que se realiza en el sistema.
Ejemplo: x1+ x2
Construccin de un Modelo
Los problemas de optimizacin dependen fundamentalmente
para su resolucin del tipo de variables que forman parte del
mismo y del carcter lineal o no lineal de las restricciones.
Continuos (Variables continuas)
PROGRAMACIN LINEAL
Lineales
(Funcin Objetivo y
Restricciones lineales)
Problemas
[CONTINUA]
No Lineales
(Funcin Objetivo y/o restricciones no lineales)
Construccin de un Modelo
Resolucin
(Mtodos exactos)
Programacin Lineal
Continua
SIMPLEX
Primal-Dual
Mtodo de Puntos Interiores
Programacin Entera
Mtodo Exactos
Mtodo aproximados
Construccin de un Modelo
Ejemplos Resueltos de traduccin de lenguaje verbal al lenguaje matemtico lenguaje algebraico.
1. Un nmero cualquiera:
2. La suma de dos nmeros diferentes:
3. La diferencia de dos nmeros:
4. El producto de dos nmeros:
5. El cociente de dos nmeros:
6. El cubo de un numero:
7. El triple del cuadrado de un numero:
8. La suma de los cuadrados de dos nmeros:
9. La quinta parte del cubo de un numero:
10. El cubo de la quinta parte de un numero:
11. La suma de dos nmeros dividida entre su diferencia:
12. Cul es el numero que agregado a 3 suma 8?:
13. Cul es el numero que disminuido de 20 da por diferencia 7?:
14. Las tres quintas partes de un numero aumentado en un cuarto:
15. La diferencia entre un numero y su anterior:
16. La suma entre un numero par y el triple del siguiente par:
17. El producto entre el doble de un numero y la tercera parte de su consecutivo:
18. El cociente entre un numero y su mitad:
19. La mitad de la suma de dos nmeros multiplicado por el cuadrado de ambos nmeros:
20. La raz cubica del cuadrado de la suma de dos nmeros:
21. La tercera parte de un numero aumentado en 10:
22. Las dos terceras partes de la suma de dos nmeros:
Construccin de un Modelo
Ejemplos Resueltos de traduccin de lenguaje verbal al lenguaje matemtico lenguaje algebraico.
1. Un numero cualquiera: x
2. La suma de dos nmeros diferentes: x + y
3. La diferencia de dos nmeros: x - y
4. El producto de dos nmeros: x y
5. El cociente de dos nmeros: x/y
6. El cubo de un numero: x3
7. El triple del cuadrado de un numero: 3x2
8. La suma de los cuadrados de dos nmeros: x2 + y2
9. La quinta parte del cubo de un numero: x3/5
10. El cubo de la quinta parte de un numero: (x/5)3
11. La suma de dos nmeros dividida entre su diferencia: (x + y)/(x - y)
12. Cul es el numero que agregado a 3 suma 8?: x + 3 = 8
13. Cul es el numero que disminuido de 20 da por diferencia 7?: x - 20 = 7
14. Las tres quintas partes de un numero aumentado en un cuarto: 3/5 x + 1/4
15. La diferencia entre un numero y su anterior: x - (x-1)
16. La suma entre un numero par y el triple del siguiente par: 2x + 3(2x+2)
17. El producto entre el doble de un numero y la tercera parte de su consecutivo: 2x(x+1)/3
18. El cociente entre un numero y su mitad: x/(x/2)
19. La mitad de la suma de dos nmeros multiplicado por el cuadrado de ambos nmeros: 1/2(x+y)(xy)2
20. La raz cubica del cuadrado de la suma de dos nmeros: 3(x+y)2
21. La tercera parte de un numero aumentado en 10: x/3 + 10
22. Las dos terceras partes de la suma de dos nmeros: 2/3(x+y)
Construccin de un Modelo
Un fabricante de mantequilla desea optimizar la produccin diaria de su
factora. Fabrica dos tipos de mantequilla (Estndar y Especial). Un Kilo de
mantequilla Estndar proporciona un beneficio de 10 S/. y uno de Especial de
15 S/. Para la produccin de mantequillas se usan tres procesos:
pasterizacin, centrifugado, y batido. La capacidad de pasterizacin es de 6
horas/da, de centrifugado es de 3 horas/da y de batido es de 3.5 horas/da.
Los tiempos (en minutos) de proceso por cada kilo de mantequilla se recogen
en la siguiente tabla:
Tipo
Estndar
Especial
Pasterizacin
Centrifugado
Batido
Proceso
Construccin de un Modelo
Identificacin de componentes
Variables asociadas a la actividad:
- Cantidad de mantequilla Estndar a producir por da: x1
- Cantidad de mantequilla Especial a producir por da: x2
Recursos:
- Tiempo de pasterizacin
- Tiempo de centrifugado
- Tiempo de batido
Restricciones:
- Limitacin de las horas de pasterizacin
- Limitacin de las horas de centrifugado
- Limitacin de las horas de batido
Construccin de un Modelo
Restricciones: Expresin matemtica
- Limitacin de las horas de pasterizacin
Semntica de la restriccin: Consumo
Capacidad
360
Construccin de un Modelo
Funcin Objetivo: Expresin matemtica
Objetivo: Maximizar los beneficios:
1 Kg mantequilla estndar
Beneficio = 10
2 Kg mantequilla estndar
.
.
...........
Beneficio = 10x2 = 20
x1 Kg mantequilla estndar
Beneficio = 10x1
Expresin:
Construccin de un Modelo
Modelo:
Variables:
x1 : Kilos de mantequilla Estndar
x2 : Kilos de mantequilla Especial
Variables continuas
sujeto a
Rest. Recurso pasterizacin:
3x1 8 x2
360 (R1)
2 x2
180 (R2)
210 (R3)
3x1 4 x2
x1 , x2
Expresiones Lineales
0
- Modelo lineal
- Programacin lineal continua
Una mueblera produce mesas y sillas de madera. Cada mesa es vendida en s/. 270 y
requiere s/. 100 en materiales, adems, el costo unitario por mano de obra se estima en s/.
140. En el caso de las sillas, su precio de venta es de s/. 210 y los costos son de s/. 90 y s/.
100, en materiales y mano de obra respectivamente. La fabricacin de cada producto
requiere de dos tipos de labores: carpintera y acabados. Una mesa requiere de 1 hora de
carpintera y 2 horas de acabados. Una silla requiere de 1 hora de carpintera y 1 hora de
acabados.
Cada semana, la mueblera puede obtener todos los materiales que desee, sin embargo, se
pueden dedicar hasta 100 horas a las acabados y hasta 80 horas a la carpintera. La demanda
por mesas no est limitada, mientras que la demanda semanal mxima por sillas es de 40.
La mueblera desea maximizar sus utilidades (ingresos - costos). Formule un modelo
matemtico que permita maximizar las utilidades.
Construccin de un Modelo
Identificacin de componentes
Variables asociadas a la actividad:
- Cantidad de mesas a producir por semana: x1
- Cantidad de sillas a producir por semana : x2
Recursos:
- Tiempo de fabricacin de mesa
- Tiempo de fabricacin de silla
Restricciones:
- Limitacin de las horas por semana de
carpintera
- Limitacin de las horas por semana de
acabado
- Produccin mxima de sillas.
Construccin de un Modelo
Labores
(tiempo: horas/unid)
Requerimiento
Precio
venta
unidades s/. / und
Materiales
s/. / und
M.O.
Carpintera Acabado
(unitario)
s/. / und
h / und
h / und
Demanda
Mxima
und /sem
Mesa
270
100
140
2 ---
Silla
210
90
100
80
100
40
Construccin de un Modelo
UTILIDADES
1
2
..
x1
INGRESOS
COSTOS
INGRESOS
mesa
mesas
es vendida en :
es vendida en :
s/. 270
s/. 270 * 2
mesas
es vendida en :
s/. 270 * x1
= 270x1
s/. 210 * x2
= 210x2
270 x1 + 210 x2
Construccin de un Modelo
UTILIDADES
COSTOS
INGRESOS
COSTOS
Costo de mesa
(100 x1 + 140 x1)
240 x1 + 190 x2
costo de sillas
Construccin de un Modelo
UTILIDADES
UTILIDAD
INGRESOS
COSTOS
30 x1 + 20 x2
COSTOS
(240 x1 + 190 x2)
Construccin de un Modelo
RESTRICCIONES
Carpintera
x1 + x2 =< 80
Acabado
RESTRICCIONES DE SIGNO =
x1 >= 0
x2 >= 0
=< 40
Construccin de un Modelo
Determinamos las Variables de Decisin
x1
x2
Z = 30 x1 + 20 x2
(Funcin objetivo)
(Restriccin de carpintera)
(Restriccin de acabado)
x2
=< 40
x1
>= 0
(Restriccin de signo)
x2
>= 0
(Restriccin de signo)
EJEMPLO 1.2.2: En una empresa se fabrican dos productos, cada producto debe pasar
por una mquina de ensamblaje A y otra de terminado B, antes antes de salir a la
venta. El producto 1 se vende a $60 y el otro a $50 por unidad. La siguiente tabla
muestra el tiempo requerido por cada producto:
Producto
1
2
Total disponible
Maquina A
2H
4H
48 H
Maquina B
3H
2H
36 H
Recursos:
- Costos de Produccin
- Tiempo de produccin
por unidad
Restricciones:
- Limitacin tiempo total
de produccin producto
1 y producto 2.
Cantidad a
Producirse
Costos de
Produccin
Tiempo de
Produccin
Producto 1
X1
$3
8 h/unid
Producto 2
X2
$5
7 h/unid
Total tiempo de
Produccin.
MinZ = 3X1 + 5X2 (Costo total de Produccin)
Sujeto a (S.a):
8X1 + 7X2 <= 500 (Tiempo total de produccin)
X1, X2>= 0 (Restricciones de no negatividad)
500 horas
EJEMPLO 1.2.2: En una empresa se fabrican dos productos, cada producto debe pasar por una
mquina de ensamblaje A y otra de terminado B, antes antes de salir a la venta. El producto 1 se
vende a $60 y el otro a $50 por unidad. La siguiente tabla muestra el tiempo requerido por cada
producto:
Producto
Maquina A
Maquina B
1
2H
3H
2
4H
2H
Total disponible
48 H
36 H
Para representar el modelo de este problema primero se debe determinar las variables de
decisin: Sea Xi: La cantidad a fabricar del producto 1 y 2 (i=1,2), entonces X1: cantidad a
fabricar del producto 1, X2: cantidad a fabricar del producto2, luego el modelo quedara de la
siguiente manera:
Producto
1
X1
2
X2
Total disponible
Maquina A
ensamblaje
2H
4H
48 H
Maquina B
terminado
3H
2H
36 H
Precio Venta
(por unidad)
$ 60
$ 50