Escolar Documentos
Profissional Documentos
Cultura Documentos
-1-
Matemticas
Estadstica
Lgica
Economa
Informtica
-2-
-3-
1.1.2.
MODELOS - Generalidades
Un modelo es una representacin simplificada e idealizada de la realidad.
Un modelo es una abstraccin selectiva de la realidad.
Sistema real
supuesto
MODELO
-4-
TIPOS DE MODELOS
Segn la disponibilidad de datos:
Modelos determinsticos: cuando todos los datos relevantes se conocen con certeza
Modelos probabilsticos o estocsticos: Cuando algunos (o todos los) datos se
consideren inciertos, aunque debe especificarse la probabilidad asociada a tales
datos. Que est sometido al azar y que es objeto de anlisis estadstico.
Modelos matemticos: en los que tanto el objetivo como las restricciones del sistema
se pueden expresar en forma cuantitativa o matemtica como funciones de las
variables de decisin. En general, clculos de tipo iterativo.
Simulacin: ms complejo, en donde se divide el sistema en mdulos bsicos o
elementales que se enlazan con relaciones lgicas.
Modelos heursticos: basados en reglas o mtodos prcticos que llevan a una buena
(no necesariamente ptima) solucin.
Arte de inventar o descubrir. Estrategias, reglas, conclusiones.
-5-
-6-
MENTAL O IMPLCITO
EXPLCITO
o VERBALES
o FSICOS
o FORMALES O MATEMTICOS
Modelo Mental o Implcito: es el que crea el ser humano en su mente para poder resolver
un problema planteado, utilizando normalmente la intuicin.
Modelo Explcito: es la representacin del modelo mental, logrando una mejor definicin y
que se los pueda comunicar y criticar.
Modelo Verbal: describe el sistema a travs del lenguaje corriente, ya sea escrito u oral.
El inconveniente de este tipo de modelos es que es poco preciso y no adecuado cuando se
tiene que explicar la interaccin de muchos factores.
-7-
-8-
Objetivo
Endgenas
forman parte
del sistema
No objetivo
Variables
ninguna condicin
Controlables
determinado por el sujeto
Exgenas
fuera del
sistema
No controlables
no interviene el sujeto
Variables endgenas: son aquellas que forman parte del sistema y por lo tanto sus
valores se determinan en funcin de la relacin que existe con las restantes
variables y con las variables exgenas.
Variables exgenas: sus valores se determinan fuera del sistema.
Variables endgenas objetivo: son aquellas a las cuales se les fija una condicin
que debe cumplir el sujeto que toma la decisin, por ejemplo que sean mayor o
menor a un valor previamente fijado, que sea mximo o mnimo.
Variables endgenas no objetivo: no se les impone ninguna condicin.
Variables exgenas controlables: su valor puede ser determinado por el sujeto que
toma la decisin, por ejemplo en una explotacin agrcola, la superficie destinada a
cada cultivo, la cantidad de semillas a sembrar.
Variables exgenas no controlables: no interviene el sujeto decisor, por ejemplo la
inflacin, la sequa.
-9-
- 10 -
1.1.3.
Revisin
del modelo
Implementacin
del modelo
Importante:
La solucin ptima del modelo puede ser o no una buena respuesta en el contexto
real.
El modelo no sustituye la experiencia, el criterio o la intuicin del administrador.
Un aspecto de su rol consiste en evaluar el modelo mismo.
- 11 -
Financieras
Organizativas
Comerciales
Produccin
Beneficios
Manejo de costos y tiempos
Expansin volumen de venta
Mercado
Planificar
Proponer mejoras
Informar para proyeccin futura
Elaboracin de presupuestos
Ubicacin de plantas
Estrategia de mercado
Estrategia de inversiones
- 12 -
Distribucin de gastos
Programacin de proyectos de construccin
- 13 -
puede determinar la accin apropiada con rapidez y eficacia (quiz reemplazar un fusible)
para obtener el resultado deseado.
Como futuros gerentes, administradores, ingenieros, etc. ustedes mismos tendrn muchas
oportunidades de tomar decisiones para obtener los resultados deseados. En esos casos
necesitarn enmarcar su problema.
La optimizacin restringida y la toma de decisiones bajo riesgo son dos marcos
importantes y tiles para una amplia variedad de problemas. En los libros de texto se
presentan como modelos matemticos, junto con los procedimientos (algoritmos) para
solucionarlos. En estos caso, ms que en las propias matemticas, necesitar la habilidad
para enmarcar. Sin embargo, no es posible simplemente describir los marcos y suponer que
la gente los usar de forma correcta. Se debe comprender muy bien cmo se crean los
modelos y las relaciones entre las decisiones y los resultados, antes de que logren utilizar los
marcos intuitivamente. Tiene que aprender sobre los modelos y las formas de usarlos en
diversas situaciones ante de aplicarlos por s mismos. Se necesita prctica.
Escepticismo saludable
Es importante ser escptico. Hay que aprender a cuidarse de los expertos, de las soluciones
proporcionadas por los modelos y, desde luego, de las propias intuiciones. Nuestro socios
ms valiosos son aquellos que dicen No pueden estar en lo cierto! Si fuera as entonces
sabramos que la condicin siguiente tendra que ser cierta y obviamente no lo es, por lo tanto
estn equivocados. El trabajo con modelos de optimizacin ensancha su habilidad parea
analizar y estudiar a fondo la ruta, desde las superposiciones hasta las conclusiones. Las
Tareas para Diagnstico sern diseadas especialmente para demostrar este concepto. Si se
desea encontrar una buena solucin, es primer paso es hacer la pregunta correcta. Se tendr
entonces la oportunidad de trabajar en el desarrollo de esta habilidad.
Concepto de costo
Fijo, marginal, de oportunidad. S, todos hemos estudiado estos conceptos de costo en
contabilidad y economa. Sin embargo, responder correctamente las preguntas sobre costos
que vienen en los exmenes de estos cursos y utilizar los mismos conceptos en la prctica
con eficacia son dos cosas distintas. En este texto, los enfoques se basan, primero en la
asignacin de costos e ingresos a situaciones individuales y, despus, en el uso de la
matemticas para encontrar buenas estrategias. En este caso resulta crucial determinar las
relaciones de costos apropiadas. Es una habilidad que ayudar en cualquier carrera.
Optimalidad y sensibilidad
qu significa la optimalidad en un modelo? Qu significa en el problema real? Qu
relacin hay entre ambos? Tiene importancia? Qu tan sensible es el resultado de un
modelo a las suposiciones que se hicieron y a los estimados de costo? Se enfrentarn a estos
problemas cada vez que haga un clculo, observe los resultados y tome una decisin. Estos
temas se tratan de manera organizada y consistente en todo el desarrollo de la materia.
Se podra seguir hablando de este tema, pero nuestro modelo de atencin indica que
estamos cayendo en rendimientos decrecientes. Termino con un breve comentario sobre el
aprendizaje y la educacin. Nos esforzamos para que el material sea correcto, accesible e
- 14 -
INTRODUCCIN
A pesar de los grandes adelantos en la optimizacin computacional ocurridos durante
los ltimos 20 aos (por ejemplo, los avances en los mtodos de punto interior), el mtodo
Simplex inventado por George B. Dantzig en 1947 es an la herramienta principal en casi
todas las aplicaciones de la programacin lineal.
Dantzig es considerado como uno de los tres fundadores de la programacin lineal,
compartiendo dicho honor con Von Neumann y Kantorovich. A travs de su investigacin en
teora matemtica, computacin, anlisis econmico y aplicaciones de problemas industriales
ha logrado contribuir ms que cualquier otro investigador al desarrollo de la programacin
lineal.
El trabajo de Dantzig ha sido reconocido con numerosos honores, de entre los cuales
sobresalen: La Medalla Nacional de la Ciencia (1975), el Premio John Von Neumann de la
Sociedad Americana de Investigacin de Operaciones y el Instituto de Ciencias
Administrativas (1974), la membreca en la Academia Nacional de Ciencias, la Academia
Nacional de Ingeniera y la Academia Americana de Ciencia y Arte.
La programacin lineal y sus derivados (tales como la optimizacin no lineal con
restricciones y la programacin entera) han sido capaces de pasar la prueba del tiempo sin
debilitarse, y en nuestros das afectan las prcticas econmicas de las organizaciones y sus
administraciones.
El cientfico computacional Laszlo Lovasz dijo en 1980, "Si se tomaran estadsticas
acerca de cul problema matemtico usa la mayora del tiempo computacional en el mundo
(sin incluir problemas de manejo de bases de datos, como la bsqueda y ordenamiento),
seguramente la respuesta sera la programacin lineal." En ese mismo ao Eugene Lawler de
Berkeley dijo lo siguiente: "La programacin lineal se usa para asignar recursos, planear la
produccin, planear el horario de trabajadores, planear la cartera de inversin y formular
estrategias de mercado (y militares). La versatilidad e impacto econmico de la programacin
lineal en el mundo industrial actual es realmente impresionantes."
- 15 -
1.2.1.
g1 (x1,xn) <= b1
g2 (x1,xn) <= b2
variables
gm (x1,xn) <= bm
restriccin
vector
Siendo:
Tecnologa inmutable a corto plazo: las restricciones tecnolgicas a corto plazo son
inevitables. Por ejemplo, en la elaboracin de un determinado bien, la maquinaria
utilizada tiene una determinada capacidad de produccin, as como limitaciones en
cuanto a costos de tiempos.
- 16 -
Intereses particulares por sobre los de la empresa: esta cuestin puede derivar en
situaciones ilegales o, por lo menos, que rozan el lmite de lo tico. Un funcionario
(que puede ser de cualquier rango) puede imponer restricciones a, por ejemplo, una
licitacin pblica o una seleccin de personal que favorecen casualmente a
determinadas empresas o individuos, con quienes tiene una relacin especial.
Estructura jerrquica y delegacin de la autoridad: un caso tpico se da en las
compaas que tienen sucursales en varias localidades. La casa central suele imponer
restricciones a los responsables de cada una de las filiales, ya sea en la contratacin
de servicios o las compras a proveedores.
- 17 -
1.2.2.
Elementos de un problema de PL
Programacin Lineal
Beneficios
Maximizar Rendimiento
Funcin objetivo
Eficiencia
Costo
Minimizar
Tiempo
Restricciones
Requerimientos (mayor o igual
=)
- 18 -
1.2.3.
Activas:
Inactivas:
- 19 -
Departamento A:
XE
XF
10xE + 15xF
Funcin de
restriccin
Departamento B:
150
Lado derecho o
vector de recursos
20xE +
10xF 160
- 20 -
Departamento de verificacin:
Mezcla de produccin:
Construir por lo menos un F cada tres E se expresa matemticamente:
xE/ 3 xF
xE/ 3 xF
Total de unidades:
No negatividad:
xE
3xF 0
xE + xF 5
xE 0, xF 0
Solucin ptima: La solucin factible que optimice la funcin objetivo. en este caso,
que maximice la utilidad total. Esto es.
(Funcin objetivo)
Sujeto a (s.a):
Las siguientes restricciones
10xE + 15xF 150
20xE + 10xF 160
30xE + 10xF 135
xE 3 xF 0
xE +
xF 5
xE 0, xF 0
(Restricciones)
- 21 -
1.3.1.
El Mtodo GRFICO
Cambiar la desigualdad por igualdad y graficar la recta que representa dicha ecuacin.
Tomar un punto de ensayo y verificar si cumple o no la desigualdad. Si la recta no
pasa por el origen (0,0), ste ser el punto de ms fcil comprobacin.
Indicar con una flecha el semiplano correcto.
- 22 -
En xE: 150/10 = 15
En xF: 150/15 = 10
Para verificar si cumple con la desigualdad, se reemplazan las variables por las
coordenadas del origen (xE = 0; xF = 0):
10 xE + 15 xF 150
10 x 0 + 15 x 0 = 0 < 150
VERIFICA la desigualdad!
- 23 -
Por lo tanto, el punto analizado se encuentra en el lado factible, lo cual se indica con
una flecha direccional asociada con la primera restriccin que apunta hacia el origen de
coordenadas. Asimismo, se indica en el grfico con un rayado los puntos que verifican la
desigualdad (el semiplano que cumple con la primera restriccin).
- 24 -
30 xE + 10 xF 135
30 x 0 + 10 x 0 = 0 < 135 (no es )
NO VERIFICA
De esta manera, a medida que se agregan restricciones, la regin factible (o sea, los
puntos que cumplen con las restricciones) se va acotando, siendo ahora el rea donde se
superponen los tres rayados. A fin de aclarar el dibujo, se quitar el rayado de los grficos
que se hagan a continuacin.
Para graficar la cuarta restriccin (xE 3 xF 0), se procede de la misma manera que
con las anteriores, pero en este caso, al querer determinar el semiplano correcto, no se puede
utilizar el origen de coordenadas, porque la recta pasa por ese punto. Se toma otro punto
cualquiera, pero para simplificar, es preferible verificar con alguno que tenga una coordenada
nula (xE = 0 xF = 0). En este ejemplo se adopta el punto (10,0) sobre el eje xE. entonces:
xE 3 xF 0
10 3 x 0 = 10
- 25 -
5) no presenta mayores
Las dos ltimas restricciones (de no negatividad) indican los semiplanos positivos de cada
una de las variables, o sea:
- 26 -
z = 20.000
Por lo tanto, los puntos donde dicha recta cortar a los ejes sern:
en xE: 20.000/5.000 = 4
en xF: 20.000/4.000 = 5
- 27 -
El sentido creciente para esta funcin es hacia arriba y hacia la derecha, lo cual se puede
comprobar valorizando, como se muestra en la figura siguiente ( z = 40.000 ). Ntese que
esta ltima es paralela a la anterior.
10 xE + 15 xF 150
20 xE + 10 xF 160
- 28 -
Resolviendo por cualquier mtodo conocido el sistema de dos ecuaciones con dos
incgnitas nos queda:
xE = 4,5 y xF = 7
(solucin ptima)
Z = 5.000 xE + 4.000 xF
Z = 5.000 x 4,5 + 4.000 x 7 = $50.500 (valor ptimo)
La demanda diaria de pintura para interiores no pude ser mayor que la de pintura para
exteriores en ms de 1 Tn.
La demanda mxima de pintura para interiores es de 2 Tn por da.
s.a. (restricciones):
xE
+ 2 xI 6 (Disponibilidad de materia prima A)
2 xE +
xI 8 (Disponibilidad de materia prima B)
- xE +
xI 1 (Exceso de pintura para interiores sobre exteriores)
- 29 -
xE 0,
en xE: 6/1 = 6
en xI: 6/2 = 3
xE + 2 xI 6
0 + 2 x 0 = 0 < VERIFICA
Por lo tanto, el punto analizado se encuentra en el lado factible, lo cual se indica con
una flecha direccional asociada con la primera restriccin.
De la misma manera, se dibujan las dems restricciones, superpuestas en el grfico
de la pgina siguiente.
Se recomienda realizar el ejercicio completo a manera de prctica, ya que la
resolucin de un ejemplo es la base de este mdulo.
Todas las rectas establecidas como restricciones delimitan el conjunto factible, que es
el rea sombreada en color sepia.
En el ejemplo, est dibujada la funcin objetivo valorizada en:
Z=6
(3 xE + 2 xI = 6).
La funcin objetivo est graficada como una lnea levemente ms gruesa que las
dems lneas rectas que representan restricciones.
El sentido creciente para esta funcin es hacia arriba y hacia la derecha, lo cual se
puede comprobar valorizando la funcin objetivo z en otros valores (mayores que 6). Se
busca entonces el punto lmite para el cual cualquier incremento adicional se encontrar fuera
del conjunto restringido.
- 30 -
xE + 2 xI = 6
2 xE +
xI = 8
(solucin ptima)
2 xI
- 31 -
Importante:
xP + 2 xR
xP +
xR
xP
xR
xP
xR
- 32 -
La solucin es:
Ejemplo
Fbrica de
televisores
Solucin ptima
xp = 70
xr = 20
Valor ptimo
Z = $ 1600
Alimento para
ganado
Maz
Semilla de soja
Costo
($/kg)
0.30
0.90
s.a. (restricciones)
xm + xs 800
(Necesidad diaria)
- 33 -
xm, xs
(No negatividad)
La solucin es:
Ejemplo
Mezcla de
Alimentos
Solucin ptima
xm = 470,6
xs = 329,4
Valor ptimo
Z = $ 437,64
Casos especiales
Problema no acotado:
Se da cuando el conjunto factible no est acotado y la funcin objetivo se puede
incrementar (en el caso de una maximizacin) o decrementar (minimizacin)
ilimitadamente. En la prctica, esto es imposible, ya que no es posible obtener
beneficios (mx.) o costos negativos (min.) infinitos. Esto quiere decir que hay un error
en la formulacin del modelo, posiblemente debido a que no se incluyeron en el mismo
una o varias restricciones que, justamente, acotan la regin factible.
- 34 -
Problema no factible:
Es el caso de un conjunto factible vaco (no existe ninguna solucin posible). Al igual
que en el caso anterior, se produce por un error en la formulacin del problema, ya
sea por una cantidad excesiva de restricciones o la inclusin de restricciones
incorrectas.
Degeneracin:
Es un caso particular que influye principalmente cuando se hace anlisis del problema
por computadora, ya que entra en un bucle o ciclo que retrasa notablemente los
clculos. Se da cuando por un vrtice de la regin factible pasan ms de dos
restricciones, por lo que una de ellas es redundante y el punto est determinado en
exceso.
- 35 -
- 36 -
ANEXO
Problema resuelto: Fbrica de pinturas
ANLISIS DE SENSIBILIDAD
Cmo afecta a la solucin ptima los cambios en los parmetros del modelo
de PL? El anlisis de sensibilidad estudia principalmente las modificaciones en los
coeficientes de costo/ganancia (de la funcin objetivo) y en las cantidades de recursos
disponibles (lado derecho de las restricciones).
Disminucin de ce
Incremento de ci
Incremento de ce
Disminucin de ci
- 37 -
es la variacin que puede sufrir estos valores sin que se modifique la ptima
encontrada anteriormente.
Matemticamente, el punto C ser ptimo mientras se cumpla:
pend CD pend z pend CB 1/2 Ce / cI 2/1
Ambos coeficientes pueden modificarse simultneamente, lo cual implica el
problema, o se puede mantener uno de ellos fijo, estableciendo as el rango de
variacin del otro:
Si cI = 2 (fijo) 1 cE 4
Si cE = 3 (fijo) 3/2 cI 6
Dentro de los valores indicados, el punto C seguir siendo ptimo, por lo que
no ser necesario re-calcular la produccin.
- 38 -
Hemos llegado al final del mdulo, espero se hayan comprendido bien los
conceptos, ejercicios y ejemplos. Luego de la lectura comprensiva del contenido,
observa si puedes realizar la ejercitacin planteada. sa ser tu referencia para saber
si el tema se ha aprendido. xito y adelante!
- 39 -