Escolar Documentos
Profissional Documentos
Cultura Documentos
PRESENTADO A:
ING. FERNANDO GONZLEZ SOLANO
PRESENTADO POR:
JOS A. CAMPO GUZMN
MARA JOS CHOIS VARGAS
GABRIEL FREAY LLNAS
FANNY HENRQUEZ MARENCO
ANDERSON VELZ RESTREPO
GRUPO: 2
FACULTAD DE INGENIERA
PROGRAMA DE ING. INDUSTRIAL
Parmetros:
Hi: Horas en el sistema de produccin del producto i.
PtN: Capacidad de produccin en tiempo normal en el mes t.
PtE: Capacidad de produccin en tiempo extra en el mes t.
Bi: Costo de inventario de cada producto i.
Dit: Demanda del producto i en el mes t.
Iit: Inventario del producto i en el mes t.
CiN: Costo de produccin del modelo i en el tiempo normal.
CiE: Costo de produccin del modelo i en el tiempo extra.
Mi: Materia prima requerida para la produccin del modelo i.
Variables:
XitN: Cantidad de unidades producidas del modelo i en el mes t en tiempo
normal.
XitE: Cantidad de unidades producidas del modelo i en el mes t en tiempo extra.
Funcin objetivo:
Zmin: i t (CiN XitN Hi) + i t (CiE XitE Hi) + i t (Bi Iit)
Restricciones:
i Hi XitN PtN t.
i Hi XitE PtE t.
i [Hi (XitN + XitE)] 13000 t.
Iit = Iit-1 + XitN + XitE - Dit i, t.
XitN , XitE 0.
b. Pl
an
de
pr
od
uc
ci
n
pa
ra
los
sig
uie
nte
s
me
se f. JU
s: c. ABR d. MAY e. JUNI LI
X IL O O O
g. M
O
D h. 566, i. 1153 j. 226,
A 6666 ,333 6666 k. 80
TN 67 33 67 0
l. M
O
D
B p. 13
TN m. 900 n. 900 o. 1100 00
q. M
O
D
C u. 80
TN r. 900 s. 700 t. 1000 0
v. M
O
D w. 433, x. 134, y. 733,
A 3333 6666 3333 z. 15
TE 33 67 33 2
ff. M
O
D
C gg. hh.
TE 0 0 ii. 0 jj. 0
kk.
mm. No, esta no sera una buena estrategia, ya que la materia prima en el
mes de abril no es un recurso escaso y aumentar en 300 k la materia prima
no causara una disminucin en el costo de la produccin total. S se hiciera
efectiva esta inversin el nuevo valor del costo total seria $89418.000, es
decir, el costo que se tena anteriormente ms los $5000.000 de la nueva
inversin.
nn. La inversin de $2000.000 en 500 k de materia prima para el mes de
Julio no sera una buena estrategia, pues aunque en este caso la materia
prima es un recurso escaso no es conveniente porque aumenta el costo de
la produccin total en $1400.000.
El precio mximo que estara dispuesto a pagar por 500 k de materia prima
en este periodo sera de $600.000, puesto que cualquier valor por encima
de este generara un incremento en el costo total de la produccin. As
pues, con este valor el costo de produccin permanecera en $84418.000.
oo. Las unidades del producto A en el inventario deben tener un costo
superior a $5.000 para que ya no sea atractivo para el modelo guardarlas
en el inventario. Por cada peso que aumente el valor del costo de inventario
del producto A aumentara en $936 el costo total de la produccin para los
prximos cuatro meses.
pp. Anlisis de sensibilidad de cada uno de los parmetros
La siguiente tabla muestra los valores del anlisis de sensibilidad para las
variables que corresponden al nmero de productos que se debe elaborar
para el plan de produccin en tiempo normal para los prximos cuatro
meses.
La siguiente tabla muestra los valores del anlisis de sensibilidad para las
variables que corresponden al nmero de productos que se debe elaborar
para el plan de produccin en tiempo extra para los prximos cuatro
meses.
La siguiente tabla muestra los valores del anlisis de sensibilidad para las
variables que corresponden al inventario de del total de productos de
cada modelo para los prximos cuatro meses.
Y los inventarios que se van a almacenar en cada uno de los meses estn dados
en la siguiente tabla:
1. ALGORITMOS GENTICOS
Son una serie de algoritmos basados en los principios de seleccin natural y la
supervivencia del ms fuerte planteado por Darwin. Suelen programarse para
encontrar solucin a problemas de bsqueda y optimizacin.
Consisten en una funcin que toma como valores de entrada a los ejemplares
y retorna como salida aquellos que deben generar descendencia para la nueva
generacin.
Estos algoritmos se plantearon con la intencin de que cada generacin apunte
a una solucin ptima, al igual que en la naturaleza donde los individuos de
una poblacin compiten por el mayor nmero de los recursos como agua,
comida, entre otros; en este caso los mejores ejemplares de la poblacin
aportaran la mayor proporcin de individuos para la siguiente generacin y as
repetidamente, asegurando para las generaciones venideras unas
caractersticas genticas optimas, cuyo desempeo es superior al de sus
ancestros.
Dentro de sus limitaciones se puede resaltar el hecho de que no se asegura
que encuentren una solucin ptima, sin embargo se ha comprobado
empricamente que encuentran soluciones de nivel aceptable en un tiempo
competitivo en comparacin con otros tipos de algoritmos.
Suelen usarse en problemas de optimizacin donde las posibles soluciones
estn delimitadas en un intervalo, como tambin en problemas para los que no
estn establecidos mtodos de solucin especializados; tambin son utilizados
para desarrollar programas para tareas especficas, y para disear otras
estructuras computacionales como el autmata celular, y las redes de
clasificacin; otra aplicacin importante es en el campo de la economa, donde,
se ha hecho uso de estos algoritmos para modelizar procesos de innovacin, el
desarrollo estrategias de puja, y la aparicin de mercados econmicos.
Sujeto a:
n
Xij=1
j=1
Xij=1
1
Representacin del
modelo de transporte
Sujeto a
n
Xij ai , i = 1, ..., m
j=1
X ij b j , j = 1, , n
i=1
Xij > 0, i= 1, , m, j= 1, , n
Las primeras m restricciones estn asociadas a las ofertas de los orgenes,
que no se deben sobrepasar. La n siguientes restricciones asegura que se
deben satisfacer las demandas de los destinos. Las variables no pueden
tomar valores negativos, ya que representan cantidades de producto que
se transportan. [12]