Você está na página 1de 39

Lectura 1: INVESTIGACIN OPERATIVA Introduccin - Programacin Lineal

1.1. INTRODUCCIN A LA INVESTIGACIN OPERATIVA 1.1.1. Resea Histrica


La Investigacin Operativa (IO) nace como disciplina orgnica, es decir, conjunto de conocimientos que tratan de resolver problemas de ciertas caractersticas, durante la Segunda Guerra Mundial. En 1937, en Gran Bretaa se reuni a un equipo de investigadores y cientficos de diversas reas del conocimiento para estudiar problemas estratgicos y tcticos relacionados con la defensa del pas, para poder determinar la forma ms efectiva de utilizar recursos militares limitados. Debido al xito alcanzado, EE.UU. inicia actividades similares aplicndolo a problemas logsticos complejos, patrones de vuelos de aviones, maniobras navales, etc. Al finalizar la guerra, personas relacionadas con IO se dieron cuenta que muchas de las tcnicas y mtodos utilizados para resolver problemas de ndole militar, se podan aplicar a problemas industriales, como por ejemplo, el control de inventarios y el sistema de transporte. Si bien Inglaterra fue el iniciador de la IO como disciplina, fueron muy importantes las contribuciones hechas por investigadores norteamericanos, como por ejemplo, el mtodo de simplex de la programacin lineal, desarrollado en 1947. En 1960 se establecieron programas acadmicos que ponan nfasis en esta rea y los primeros asesores formales de IO comenzaron a aparecer en las organizaciones industriales a finales de esta dcada. Aunque al comienzo existieron inconvenientes para implantar estas tcnicas, con el desarrollo tecnolgico de las computadoras se ha ampliado el alcance y la magnitud de los problemas que resulta posible analizar.

CONCEPTO de Investigacin Operativa


Los problemas que resuelve la IO son problemas de decisin, que consisten en elegir un curso de accin entre varios segn los objetivos pautados y/o maximizar o minimizar alguna variable del mismo. La IO es una forma de enfrentar la resolucin de situaciones vinculadas al proceso de toma de decisiones y no simplemente un conjunto de tcnicas, mtodos y modelos particulares para resolver ciertos problemas.

Materia: Investigacin Operativa Profesor: Ing. Pablo E. Godino

-1-

Es una disciplina (metodologa) cientfica que, a travs de la aplicacin de procesos y procedimientos, ayuda a resolver problemas de ndole cuantitativos que se presentan en las organizaciones. En un sentido ms amplio, la IO es la aplicacin de procedimientos, tcnicas y herramientas cientficas con el objeto de determinar y ayudar a evaluar soluciones. A la aplicacin del mtodo cientfico en el manejo se sistemas organizados, tambin se la conoce como Investigacin de Operaciones. Su objetivo, como hemos planteado, es determinar por mtodos cientficos el mejor curso de accin de un problema de decisin, sometido a restricciones. La Investigacin Operativa trata de proveer a quienes manejan sistemas organizados, de objetivos y bases cuantitativas para las decisiones. No es una ciencia en s misma, sino la aplicacin de la ciencia y la tcnica en la solucin de los problemas directivos y administrativos. Una caracterstica destacada es la actuacin de equipos interdisciplinarios, as como en una empresa la intervencin de los distintos niveles de la misma en todas las etapas. Como metodologa, se utilizan modelos para representar y estudiar el problema de la realidad. Se puede considerar la Investigacin Operativa desde dos puntos de vista: como ciencia y como arte. Como ciencia: se utilizan tcnicas y algoritmos matemticos, as como programas de computacin. Como arte: depende de la habilidad y creatividad de los analistas para la construccin del modelo, su validacin e implementacin.

Vinculacin con otras ciencias:


Matemticas Estadstica Lgica Economa Informtica

Cuando se habla de Investigacin Operativa se est aludiendo a una disciplina que aporta para la resolucin de problemas donde interviene un complejo conjunto de elementos materiales y humanos. A estos problemas se los suele denominar: fenmenos de organizacin. Los fenmenos de organizacin, se caracterizan porque contienen elementos materiales y humanos que mantienen relaciones entre si y donde es preciso adoptar una decisin que producir ciertos resultados. Por ejemplo, una empresa fabrica un conjunto de productos (o servicios) determinados mediante la utilizacin de mquinas y obreros. En este sistema queremos adoptar una decisin, como ser: incrementar la produccin de un artculo o

Materia: Investigacin Operativa Profesor: Ing. Pablo E. Godino

-2-

incorporar uno nuevo. Esto provocar una serie de ajustes y por otro lado producir un resultado que podr estar medido por un costo o por un beneficio. La Investigacin Operativa aporta elementos que permiten efectuar un estudio analtico de este tipo de problemas para evaluar las consecuencias de las decisiones y posibilitar que se adopte ella que mejor resultado produzca. Esto no significa que todo problema pueda ser abordado y resuelto por la Investigacin Operativa, sino que, mediante esta disciplina, se han ido sistematizando los problemas que presentan caractersticas similares y se han desarrollado tcnicas conducentes a su resolucin. Por ejemplo, problemas de administracin de inventarios, de asignacin de recursos, de reemplazo de equipos, de eleccin de alternativas de inversin, etc. Casos para los que nuestra materia provee elementos tiles para su resolucin y la adopcin de la decisin ms conveniente. En todos estos problemas est siempre presente un elemento que es el conjunto de las restricciones, el que configura las limitaciones a las cuales debe ajustarse cualquier decisin que se adopte. Este aspecto es consecuencia del factor econmico subyacente en la toma de decisiones y que obliga a operar con recursos escasos. As es como advertimos que el estudio de los procesos de decisin, constituye un tpico central dentro del anlisis de los temas que comprende la Investigacin Operativa, ya que la necesidad de adoptar una o ms decisiones es tarea habitual en tales problemas. La caracterstica de estas decisiones es que deben seleccionarse entre un conjunto de mltiples posibilidades que pueden incluso ser infinitas y entre ellas deben escogerse la (o las) que es (son) ms apropiada (s). Se trata del aspecto que tambin se denomina combinatorio de los problemas de decisin.

EL CONCEPTO DE SISTEMA La empresa como un SISTEMA MODELOS DE SISTEMAS


En Investigacin Operativa los trminos MODELOS y SISTEMAS estn muy relacionados. Un sistema es un conjunto de elementos con ciertas cualidades e interrelacionados, lo que implica influencias mutuas entre los mismos. Los problemas que resuelve la IO estn inmersos en un sistema y dada la complejidad de estos sistemas reales, lo que se pretende es crear un sistema abstracto que sea una versin simplificada y por lo tanto incompleta del real, sobre el que se pueda trabajar obteniendo conclusiones que sean vlidas tambin para el sistema real. Este sistema abstracto es lo que se denomina modelo, pero al crear este modelo se debe evitar eliminar elementos o relaciones que sean fundamentales.

1.1.2.

Modelos Matemticos o formales Problemas determinsticos y estocsticos

Materia: Investigacin Operativa Profesor: Ing. Pablo E. Godino

-3-

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

Como ejemplo, un modelo que representa la distancia recorrida por un cuerpo en cada libre (d) est dado por la siguiente frmula matemtica: d = g t2 Siendo g la aceleracin de la gravedad y t el tiempo trascurrido. Es una representacin selectiva de la realidad, ya que caractersticas como la masa, el peso, la forma, la textura, etc., no son tomadas en cuenta y se enfoca nicamente en la relacin entre el tiempo y la distancia. A pesar de su simplicidad, es un modelo sumamente til y prctico que no perdi vigencia con la evolucin de la ciencia y de las nuevas tecnologas. Modelos de decisin: Resume un problema de decisin, para que permita identificar y evaluar en forma sistemtica todas las opciones de decisin del problema. Componentes bsicos: Variables de decisin: controladas por el decisor. Representan magnitudes o cantidades como pesos, horas, personal, unidades de produccin, etc. Objetivo: cantidad usada para medir la efectividad de un apoltica determinada y se expresa como una funcin de las variables de decisin. Restricciones del problema: condiciones que deben cumplir las variables de decisin para obtener una solucin aplicable. La seleccin de una decisin equivale a determinar valores numricos de las variables de decisin. Las decisiones estn basadas en una evaluacin de datos numricos.

Los modelos evalan datos numricos y proporcionan datos numricos adicionales.

Materia: Investigacin Operativa Profesor: Ing. Pablo E. Godino

-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.

Segn el tipo de clculo:


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.

Sabemos que en las Ciencias Naturales desempean un papel importante los modelos, constituidos por experimentos realizados en condiciones tales que permiten deducir las relaciones bsicas de casualidad que determinan el comportamiento de los diferentes fenmenos de esas disciplinas. En este sentido tenemos que el qumico, por ejemplo, puede efectuar su labor a travs de la elaboracin de experimentos consistentes en desarrollar su investigacin en condiciones reducidas, pero exactamente equivalentes en todos sus aspectos a lo que es realidad. De esta forma, si el investigador desea conocer cul es la resultante de la combinacin de dos elementos cualesquiera, puede averiguarla mediante la realizacin de un experimento donde combine dichos elementos y obtenga el resultado que luego podr analizar directamente. Este es un modelo para las Ciencias Naturales. Lo mismo sucede en la Fsica, donde la resultante de un cierto fenmeno, puede ser estudiada mediante la reproduccin de aqul, en condiciones muy cercanas a lo que es la realidad. Este mtodo de investigacin, tan vastamente aplicado en las Ciencias Naturales, ha permitido enormes progresos, facilitado siempre por las ventajas que otorga poder estudiar, a travs de las reproducciones empricas, el comportamiento de los procesos naturales y, a partir de los mismos, deducir las relaciones bsicas que los gobiernan y las relaciones de causalidad existentes entre sus diferentes partes. As es como el estudio emprico de los fenmenos ha permitido desarrollar el anlisis experimental y, al mismo tiempo, esas elaboraciones han servido para nuevos desarrollos tericos que posibilitaron las construcciones lgicas y formales que hoy constituyen el asiento de estas ciencias. En general, entonces, vamos a considerar como ejemplos de modelos de las Ciencias Naturales a cualesquiera de los mltiples experimentos que conocemos en estas disciplinas. As, para citar los modelos ms destacados que se han elaborado en este siglo, sealamos que uno es el del tomo, el cual ha constituido la base de las investigaciones y

Materia: Investigacin Operativa Profesor: Ing. Pablo E. Godino

-5-

descubrimientos posteriores que llevaron a la bomba atmica, por ejemplo, y a todos los desarrollos ulteriores. Un modelo clsico de la poca antigua, es el Sistema Solar, elaborado por Coprnico que sucedi al anterior modelo tolemaico de explicacin del funcionamiento del sistema de planetas. Tambin en las Ciencias Sociales ha sido motivo siempre de preocupacin de parte de los investigadores, lograr la reproduccin de fenmenos en condiciones de experimentacin que permitan su estudio, anlisis y deduccin de las leyes principales que los gobiernan, para que, partiendo de esas investigaciones, se puedan efectuar todos los desarrollos y elaboraciones tericas posibles. Esto significa que en el campo de estas ciencias, la preocupacin por la construccin de modelos ha sido un motivo latente o una inquietud permanente en el nimo de los investigadores. El problema radica en que las Ciencias Sociales, no siempre es posible llevar a cabo la experimentacin. Esto es por la misma naturaleza de los fenmenos que acontecen en este campo, a tal punto que resultara prcticamente imposible construir mediante un experimento, por ejemplo, un sistema econmico donde podamos analizar y ver cul es el comportamiento o reaccin de los diferentes sectores de la economa, ante determinados incentivos o medidas. Tampoco sera posible, an en el plano de la microeconoma, llegar a desarrollar un modelo que nos reproduzca acabadamente la reaccin que tendra la competencia, o los competidores de una empresa, frente a ciertas o determinadas polticas que se adopten. No obstante estas limitaciones en el campo econmico-social, los ensayos, trabajos e investigaciones realizados, han permitido establecer que existe para muchos aspectos de las Ciencias Sociales, la posibilidad de llevar a cabo este tipo de construcciones tericoempricas que denominamos modelos. Claro que la validez que pueden tener, est siempre sujeta a un carcter mucho ms relativo del que poseen para el campo de las Ciencias Naturales. En este aspecto, digamos que esta imposibilidad de llegar a producir un fenmeno social en condiciones exactamente iguales a la realidad, ha hecho que la elaboracin de estos modelos deba apoyarse en un aspecto que cobra gran importancia dentro de la formulacin de los modelos y es el de las hiptesis o supuestos de trabajo. El investigador se ve as precisado a plantear o establecer ciertos supuestos en torno a algunos aspectos de la realidad que est estudiando, de lo contrario, la propia naturaleza sumamente compleja y dinmica de estos fenmenos impedira cualquier construccin terica-emprica que pueda explicarla. Los supuestos que cobran una importancia relevante dentro del modelo, permiten realizar todos los desarrollos y obtener conclusiones sobre la realidad estudiada, pero deber tenerse en cuenta que estas ltimas estn siempre referida a las hiptesis de trabajo adoptadas y tienen validez en tanto y en cuanto dichas hiptesis se verifiquen. En torno a los modelos, digamos tambin que es importante considerar algo ya mencionado, y es que se trata de construcciones terica-empricas. Esto significa que en su formulacin se tienen en cuenta las relaciones que la teora indica y que, por el carcter emprico, sus principales aspectos son extrados de la realidad bajo estudio.

Materia: Investigacin Operativa Profesor: Ing. Pablo E. Godino

-6-

Digamos adems que en todo el proceso de construccin de los modelos hay un elemento muy importante que desempea un papel fundamental, como herramienta de apoyo. Se trata de las Matemticas, que proveen el instrumental necesario para plantear, con todo el rigor propio de estas disciplinas, las relaciones que se necesitan para representar una determinada realidad. De esta forma, los modelos pueden ser representados utilizando el poderoso herramental de la lgica simblica, que facilita enormemente la bsqueda de soluciones y la interpretacin de resultados. De este modo, podemos decir entonces que los modelos son construcciones terico-empricas resultantes de la aplicacin de cierta teora y la observacin de una determinada realidad, sobre la base de la adopcin de supuestos de trabajo o hiptesis con lo que se trata de representar un determinado fenmeno. En otra etapa habr que verificar si el modelo refleja adecuadamente o no la realidad que se intenta representar. Es el momento de la contrastacin de las hiptesis y las relaciones empricas. Se trata de un paso fundamental destinado a establecer si, en definitiva, el modelo es til o no para el objetivo al que est destinado.

OTRA CLASIFICACIN DE LOS MODELOS


Un modelo puede ser: 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.

Modelo Fsico: representa el sistema a estudiar por medio de objetos naturales o


artificiales, como sera un modelo a escala hecho por un diseador. Son pocos utilizables.

Modelos Matemticos o formales: se elaboran usando smbolos matemticos para


representar los distintos componentes del problema y son los ms utilizados en relacin a la toma de decisin. Las letras o smbolos representan variables (cantidades que no tienen un valor constante), parmetros (cantidades constantes que se presentan dentro del modelo)

Materia: Investigacin Operativa Profesor: Ing. Pablo E. Godino

-7-

operaciones y relaciones que vinculan entre s a dichos elementos. Las variables no deben ser necesariamente numricas y las relaciones pueden ser de cualquier naturaleza.

Relaciones en los Modelos Formales o Matemticos


1) Relaciones de comportamiento: ponen de manifiesto la manera de actuar, por lo general, de los seres humanos dentro del sistema que se pretende imitar, como por ejemplo, la funcin oferta y demanda. 2) Relaciones institucionales y/o legales: son los que se establecen entre las variables por leyes, decretos o reglamentos establecidos por las organizaciones que pertenecen al sistema, por ejemplo, el porcentaje que se debe mantener disponible de los depsitos de terceros dentro del mercado financiero, relacionando de esta forma los depsitos de terceros dentro del mercado financiero, relacionando de esta forma la disponibilidad promedio de la entidad financiera durante un perodo, el volumen promedio de depsitos de terceros en dicho perodo y el coeficiente fijado por el Banco Central de la Repblica Argentina (BCRA) (efectivo mnimo). 3) Relaciones tecnolgicas: surgen cuando se aplica una determinada tecnologa dentro de una estructura productiva. Por ejemplo, el activo total es igual al pasivo total ms el patrimonio neto. 4) Relaciones de definicin e identidades: se platean cuando se define un concepto a travs de vinculaciones con otros, por ejemplo, el activo total es igual al pasivo total ms el patrimonio neto. 5) Relaciones de equilibrio: son aquellas que se imponen dentro del sistema para analizar qu ocurre cuando se logra esta situacin de equilibrio dentro del mismo o qu se debe llevar a cabo para que el sistema tienda a esta situacin. Por ejemplo, decimos que el mercado est en equilibrio cuando la oferta es igual a la demanda. 6) Relaciones de objetivo: representan la finalidad a la que se debe o se desea llegar, por ejemplo, el nivel mximo de produccin fijado por la empresa.

CLASIFICACIN DE LAS VARIABLES

Objetivo Endgenas No objetivo Variables Controlables Exgenas

No controlables

Materia: Investigacin Operativa Profesor: Ing. Pablo E. Godino

-8-

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.

METODOLOGA CIENTFICA EN EL ANLISIS DE LOS PROBLEMAS DE DECISIN


La metodologa de estudio para el anlisis de los problemas de decisin, como ya hemos sealado, es el aspecto en torno al cual gira toda la Investigacin Operativa. Comprende las siguientes etapas: Planteamiento del problema: consiste en enunciar correctamente cul es el problema que queremos explicar, es decir, sealar con toda precisin cul es la pregunta a la que debemos dar respuesta con el estudio de la realidad, que llevaremos a cabo. Anlisis de los hechos: significa realizar un estudio de la realidad para extraer de la misma todos los elementos que puedan servirnos para formular nuestras hiptesis de trabajo y plantear las relaciones bsicas con las cuales luego trabajaremos. Construccin propiamente dicha del modelo y su anlisis: se trata de establecer de forma matemtica todas las relaciones que nos interesan y que sern planteadas teniendo en cuenta las hiptesis adoptadas en base al anlisis de los hechos y las preguntas a las que debemos responder, segn el planteamiento del problema. Aqu la teora cumple un papel fundamental, en tanto que nos permitir respaldar aquellas elaboraciones que realicemos. Control de las hiptesis: significa extraer a examinar si las hiptesis adoptadas verdaderamente responden a la realidad en estudio, pues de lo contrario, el modelo no va a explicar de ninguna manera esa realidad y mientras esas hiptesis se encuentren alejadas de aquellas, menos til ser el modelo para explicar dicha realidad. Es importante destacar que ste es un aspecto fundamental, porque puede llegar a ser un modelo muy interesante, realizado con elaboraciones de muy avanzada matemtica, pero si sus supuesto previos se alejan demasiado de lo que la observacin emprica de la realidad revela, nos encontramos con que ese modelo pasa a ser una simple elaboracin o construccin terica sin ninguna aplicacin prctica.

Materia: Investigacin Operativa Profesor: Ing. Pablo E. Godino

-9-

Crtica y presentacin de las conclusiones: una vez elaborado el modelo y resueltos todos los aspectos que nos interesan deducir del mismo, corresponde entrar a la crtica, consistente en analizar detenidamente las conclusiones obtenidas y ver si se corresponden de alguna manera con la realidad en estudio, a la luz de las hiptesis adoptadas. Las conclusiones del modelo sern las que, teniendo en cuenta los objetivos que se persiguen, han de permitir despus escoger las decisiones que nos interesan. Entonces, las conclusiones del modelo unidas a los objetivos, determinan las decisiones o polticas a seguir. Digamos por otra parte, que con ello no acaba el estudio, porque adems debe darse un seguimiento permanente del modelo para tratar de averiguar constantemente si las polticas adoptadas, teniendo en cuenta las conclusiones del modelo, conducen a los resultados esperados o bien se manifiestan desviaciones respecto a la realidad. En ese sentido, se presenta la necesidad de llevar a cabo lo que se denomina el control administrativo del modelo, que permitir introducir los correctivos del caso cuando se observe que el modelo no est respondiendo correctamente, segn lo que se esperaba del mismo. Ello ser un indicio de que en el modelo deben introducirse correctivos para que ste refleje la realidad que se pretende representar muestre fehacientemente las reacciones probables ante determinadas decisiones.

Materia: Investigacin Operativa Profesor: Ing. Pablo E. Godino

- 10 -

1.1.3.

Alcance de la INVESTIGACIN OPERATIVA

USO E IMPLEMENTACIN DE MODELOS EN LA EMPRESA


En el siguiente diagrama se detallan las fases de un estudio de IO, as como la interaccin entre el modelo y el administrador.

Definicin del problema (identificacin de variables, objetivo y restricciones) Yy

Construccin del modelo

Solucin del modelo (anlisis de sensibilidad)

Validacin del modelo (criterio del administrador)

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.

Materia: Investigacin Operativa Profesor: Ing. Pablo E. Godino

- 11 -

Jerarqua de modelos en la empresa: Mayores niveles: proporcionan datos e informacin, no decisiones. Se utilizan como herramientas de planeacin estratgica. Menores niveles: generalmente producen decisiones. Los elementos que conforman el modelo (variable, objetivo y restricciones) son ms claros y fcilmente cuantificables.

En la empresa, se utilizan para definir polticas de tipo: Financieras Organizativas Comerciales Produccin

Siendo los objetivos buscados: Beneficios Manejo de costos y tiempos Expansin volumen de venta Mercado

Funciones del Departamento de Investigacin Operativa: Planificar Proponer mejoras Informar para proyeccin futura

Ejemplo de aplicaciones (largo plazo): Elaboracin de presupuestos Ubicacin de plantas Estrategia de mercado Estrategia de inversiones

Ejemplo de aplicaciones (corto plazo): Programacin de la produccin y de la fuerza de trabajo Administracin de inventarios Programacin de mquinas Control de vuelos Diseo de productos Seleccin de medios Estimacin estadstica Mezcla de productos Distribucin de gastos Programacin de proyectos de construccin

Materia: Investigacin Operativa Profesor: Ing. Pablo E. Godino

- 12 -

El campo para los analistas de investigacin de operaciones fue de 57,000 empleos en 1990 solamente en Estados Unidos. Los servicios de un Analista de Operaciones se requieren en la mayora de las industrias. Las empresas que ms necesitan los servicios de un analista de investigacin de operaciones son las manufactureras de qumicos, maquinaria y equipo de transporte; empresas que proveen servicios de transporte y telecomunicaciones; bancos; agencias de seguros; empresas de servicios pblicos; y agencias gubernamentales de todos los niveles. Algunos analistas trabajan en agencias de consultora administrativa que desarrollan aplicaciones de investigacin de operaciones para empresas que no tienen personal de este tipo. Se estima que la demanda y las oportunidades de trabajo para los analistas de investigacin de operaciones ha crecido mucho ms rpido que el promedio de las ocupaciones desde el ao 2000 debido a la importancia que est cobrando el anlisis cuantitativo en la toma de decisiones y la cada vez mayor disponibilidad de recursos computacionales. Cada vez ms organizaciones estn usando tcnicas de investigacin de operaciones para mejorar la productividad y reducir los costos. Adems, hoy en da se pueden encontrar computadoras con las capacidades requeridas para correr aplicaciones de investigacin de operaciones a muy bajos costos. Esto permite que hasta las empresas pequeas se interesen por la investigacin de operaciones. Esta tendencia estimular en gran medida la demanda de analistas de investigacin de operaciones en los prximos aos. El mayor crecimiento de las actividades de Investigacin de Operaciones est ocurriendo en los sectores de transporte, manufactura, finanzas y servicios. Las empresas en estos sectores reconocen que el anlisis cuantitativo puede ocasionar mejoras sustanciales en la eficiencia operativa y las utilidades. Cada vez ms aerolneas, por ejemplo, estn usando investigacin de operaciones para determinar la calendarizacin ptima de vuelos y mantenimiento, seleccionar las mejores rutas de servicio, analizar las caractersticas de los clientes, y controlar el consumo de combustible, entre otras cosas. Las cadenas de moteles estn comenzando a utilizar la investigacin de operaciones para mejorar su eficiencia. Por ejemplo, analizan los patrones de trfico de automviles y las actitudes de los clientes para determinar la localizacin, tamao y estilo de los nuevos moteles.

Cules son las ideas que pueden ayudarme en la Investigacin de Operaciones? Enmarcar el problema
Para resolver un problema, primero se lo debe enmarcar, es decir, se necesita tener una manera organizada de abordarlo. Por ejemplo, si consideramos la forma en que un mecnico bien entrenado trata el caso de un automvil que no arranca sabe que si ste no arranca es porque le falta nafta o chispa de encendido. Un buen mecnico es aquel que 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.

Materia: Investigacin Operativa Profesor: Ing. Pablo E. Godino

- 13 -

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 casos, 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. Nuestros 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 para 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, el 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 interesante. Contiene problemas con soluciones, exmenes de conceptos importantes, etc. Sin embargo determinar a quin estuviese destinado es el ingrediente clave. Es posible que haga el trabajo en la clase que utiliza este material, que obtenga una buena calificacin y que, a pesar de ello, el material no tenga ningn impacto en usted o en su carrera. Para evitarlo haga suyas estas ideas, lo que significa que debe integrarlas a su intuicin. Para conseguirlo necesita pensar de qu manera s se adaptan y de qu manera no a los problemas que

Materia: Investigacin Operativa Profesor: Ing. Pablo E. Godino

- 14 -

enfrenta fuera de la clase. El texto puede ayudar, el profesor tambin, pero al final de cuentas usted tiene que hacerlo con base en su propia participacin. Despus de todo, aprender es una experiencia personal y slo se lo logra con el propio esfuerzo.

1.2. Programacin LINEAL 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 Lovasz1 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."

L. Lovasz: "Efficient algorithms: an approach by formal logic, in: Studies on Math. Programming" (ed. A. Prekopa), Academia Kiad (1980), 119-126.

Materia: Investigacin Operativa Profesor: Ing. Pablo E. Godino

- 15 -

1.2.1.

Un problema de Programacin Lineal Estructura general

MODELOS de Optimizacin Restringida


Formulacin general:

Optimizar (maximizar o minimizar) una funcin que depende de varias variables, llamada

Funcin Objetivo: f(x1,...,xn)


Sujeta a las restricciones /s.a): g1 (x1,xn) g2 (x1,xn)

gm (x1,xn)

Siendo: f: funcin objetivo de utilidad x1,xn: variables de decisin (n) g1,gm: funciones de restriccin (m) b1,bm: vector de recursos o lado derecho (m).

Por qu existen restricciones?


La razn de ser de las restricciones se remite a varios motivos, por ejemplo: 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. Leyes de la naturaleza: evidente al tratarse de produccin agrcola y/o ganadera. Si bien se puede acelerar el desarrollo de una especie y mejorar el rendimiento gracias a la tecnologa, siempre hay un lmite dado por la naturaleza.

Materia: Investigacin Operativa Profesor: Ing. Pablo E. Godino

- 16 -

Cuellos de botella: situaciones inesperadas o fuera de control que restringen nuestro abanico de alternativas. Ejemplos: huelgas, demoras en una importacin, catstrofes naturales. Costos de la investigacin: para conocer ciertas respuestas (demanda futura, situacin econmica general, evolucin de los mercados, etc.), los costos de la investigacin pueden ser desproporcionados, por lo que una poltica muy empleada es imponer restricciones para reducir dichos costos. Como ejemplo, una empresa puede estar evaluando cmo publicar sus productos, siendo las alternativas muy numerosas. Imponiendo restricciones, limita la cantidad de estrategias posibles y concentra su atencin en pocas opciones.

Incertidumbre y anlisis paramtrico: el valor futuro de la tasa de inters es fundamental para decidir la conveniencia de una inversin, pero suele ser un parmetro difcil de pronosticar. Por ello, se imponen lmites (superior e inferior) a dichas tasa y se hace un anlisis paramtrico (o de sensibilidad) para tratar con la incertidumbre. Objetivos sustitutos: esta situacin ocurre cuando no es posible cuantificar un objetivo deseado y se recurre a otro sustituto. Si, por ejemplo, el Ministerio de Defensa quiere maximizar la disuasin en las zonas limtrofes, para expresar dicho objetivo en un modelo puede sustituirlo por otro, como puede ser maximizar la presencia militar (personal y armamento) en los pasos fronterizos. 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. Ecuaciones de definicin o de balance: son sumamente restrictivas. Como ejemplo, un modelo logstico puede tener una restriccin de balance de material como:

Cantidad que entra al depsito = Cantidad que sale del mismo

1.2.2.

Identificacin de Variables de decisin Funcin Objetivo - Restricciones


Materia: Investigacin Operativa Profesor: Ing. Pablo E. Godino

- 17 -

La programacin Lineal (PL) es un modelo de optimizacin restringida, o de toma de decisiones restringidas, en la cual tanto la funcin objetivo como las funciones de restriccin son funciones lineales (o de 1 grado) de las variables de decisin. Otra definicin: El problema de asignar recursos limitados para optimizar un objetivo de inters, utilizando nicamente funciones lineales en su formulacin matemtica. Es un modelo de tipo determinstico. Recordemos que en Estadstica, un fenmeno determinstico es aquel que obtiene siempre el mismo resultado bajo las mismas condiciones iniciales. La relacin causa - efecto se conoce en su totalidad y es siempre la misma. Ejemplo: todos los fenmenos que siguen las leyes de la fsica clsica, como puede ser la cada de un cuerpo. Lo contrario de un fenmeno determinstico es un fenmeno aleatorio.

Elementos de un problema de PL
Beneficios Maximizar Rendimiento
Funcin objetivo Eficiencia Costo Minimizar Tiempo

Limitaciones (menor o igual ) Restricciones Requerimientos (mayor o igual

) =)

De definicin o de balance (igual Variables de decisin (x1,x2,,xn)

Pasos para la construccin del modelo


Identificar las variables de decisin (incgnitas): Qu hay que determinar? Definir el objetivo en palabras y despus en lenguaje matemtico, en trminos de las variables de decisin: Cul es la meta u objetivo que se quiere alcanzar?

Materia: Investigacin Operativa Profesor: Ing. Pablo E. Godino

- 18 -

Expresar las restricciones del problema, primero verbalmente y luego en smbolos matemticos, en funcin de las variables de decisin: Cules son las limitaciones y/o requerimientos del problema? Verificar la existencia de las unidades y del modelo elaborado.

1.2.3.

Restricciones: Holguras y Excesos

Las restricciones pueden ser: activas o inactivas Activas:

Las restricciones de igualdad (=) son siempre activas. Las de desigualdad ( ) lo son cuando el primer miembro es igual al lado derecho. Geomtricamente, las restricciones activas son aquellas que pasan por la solucin ptima. En el ejemplo anterior, son activas la primera (xe + 2 xI 6) y la segunda ( 2 xE + xI 8), que determinan el punto C. Inactivas:

En las restricciones inactivas de tipo menor o igual (son limitaciones al problema), se llama holgura a la diferencia entre el lado derecho y el primer miembro de la desigualdad. En las restricciones inactivas de tipo mayor o igual (son requerimientos del problema), se llama exceso o excedente a la diferencia entre el lado derecho y el primer miembro de la desigualdad. Las restricciones redundantes son aquellas que, si se suprimen, el conjunto factible no se modifica.

Materia: Investigacin Operativa Profesor: Ing. Pablo E. Godino

- 19 -

1.3. Interpretacin del Principio de PROGRAMACIN LINEAL Ejemplo PL: Fbrica de Maquinaria pesada
Se producen dos tipos de maquinarias pesadas (equipos E y F), utilizando los mismos recursos (departamentos, personal y equipamiento). Se considera que, para el prximo mes, ser posible vender todos los equipos E y F que se puedan producir. Se deben considerar los siguientes aspectos. La utilidad por cada E que se venda es de $5.000 y por cada F, de $4.000. Ambos equipos pasan por operaciones mecnicas en los departamentos A y B. Departamento A: 150 horas disponibles. Cada E consume 10 horas y cada F, 15 horas. Departamento de verificacin: Por un compromiso laboral, no se pueden emplear menos del 10% de la meta establecida de 150 horas en el control y verificacin de los productos terminados (=135 horas). Cada E requiere de 30 horas y cada F, de 10. Debido a la poltica comercial de la empresa, se debe construir por lo menos un F por cada 3 E. Existe un pedido en firme por 5 equipos (en cualquier combinacin de E y F).

Consigna: Cuntos E y cuntos F se deben producir? En trminos tcnicos, cul es la mezcla ptima de productos, o el plan ptimo de produccin? Variables de decisin: XE: nmeros de equipos E producidos XF: nmeros de equipos F producidos. Restricciones: Departamento A:

10 (horas por cada E) x (nmero de E producidos) + 15 (horas por cada F) x (nmero de F producidos) = total de horas usadas en A, que no podrn superar las 150 horas disponibles.

10xE + 15xF
Funcin de restriccin

150
Lado derecho o vector de recursos

Departamento B:

20xE +

10xF 160

Materia: Investigacin Operativa Profesor: Ing. Pablo E. Godino

- 20 -

Departamento de verificacin:

30xE + 10xF 135

Mezcla de produccin: Construir por lo menos un F cada tres E se expresa matemticamente:

xE/ 3 xF
Total de unidades: No negatividad:

xE/ 3 xF xE + xF 5 xE 0, xF 0

xE

3xF 0

Normalmente se aplica una condicin de No Negatividad, ya que no tiene sentido fsico la produccin de un nmero negativo de equipos. Los valores de las variables de decisin que satisfagan todas las restricciones del modelo constituyen una solucin factible (o decisin factible). Funcin objetivo: z = 5.000 xE + 4.000 xF (utilidad total) Solucin ptima: La solucin factible que optimice la funcin objetivo. en este caso, que maximice la utilidad total. Esto es.

Max. z = 5.000 xE + 4.000 xF Problema resuelto: Fbrica de Maquinaria pesada


En el ejemplo anterior, el modelo PL formal es: Max. Z = 5.000 xE + 4.000 xF (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)

Materia: Investigacin Operativa Profesor: Ing. Pablo E. Godino

- 21 -

1.3.1.

El Mtodo GRFICO

(SOLUCIN GRFICA al problema planteado)


Se resolver en forma grfica el ejemplo planteado en el ejemplo Fbrica de maquinaria pesada. Esto es posible debido a que tiene dos variables de decisin. Para modelos que no sean bidimensionales, este mtodo es imprctico o imposible. Sin embargo, las conclusiones que extraern sern extrapolares o problemas de dimensiones y servirn de base para el mtodo de solucin general. En primer lugar, se graficar el espacio de soluciones (factible), que satisfaga todas las restricciones en forma simultnea. Tambin se lo llama conjunto factible, regin factible o conjunto restringido. Esto ser el espacio delimitado por la totalidad de las restricciones. Para dibujarlo, se seguirn los siguientes pasos con cada restriccin: 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.

A continuacin, se desarrollar el citado ejemplo paso a paso, a partir del modelo PL formal ya obtenido:

Max. Z = 5.000 xE + 4.000 xF


Sujeto a (s.a): 1) 10 xE + 15 xF 150 2) 20 xE + 10 xF 160 3) 30 xE + 10 xF 135 4) xE - 3 xF 0 5) xE + xF 5 6) xE 0 7) xF 0

Materia: Investigacin Operativa Profesor: Ing. Pablo E. Godino

- 22 -

1.3.2 . Interpretacin Grfica de restricciones Espacio de soluciones factibles


A la primera restriccin (10 xE + 15 xF 150) se la transforma en igualdad (10 xE + 15 xF = 150) y se grafica la recta determinando los puntos en donde ella corta a cada eje. Para averiguar los puntos de interseccin con cada eje, se anula (se hace cero) la otra variable: En xE: 150/10 = 15 En xF: 150/15 = 10

Como en realidad se trata de una desigualdad, para determinar cul es el semiplano correcto, se toma (por comodidad) el origen de coordenadas (0,0) ya que la recta no pasa por l.

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!

Materia: Investigacin Operativa Profesor: Ing. Pablo E. Godino

- 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).

De la misma manera, se dibujan superpuestas todas las restricciones del problema. La segunda restriccin (20 xE + 10 xF 160) es muy similar a la primera en su tratamiento, obtenindose entonces el siguiente grfico:

Materia: Investigacin Operativa Profesor: Ing. Pablo E. Godino

- 24 -

Al rayar en sentido opuesto el semiplano que verifica la segunda desigualdad, se observa que los puntos que cumplen simultneamente con ambas restricciones son aquellos que se encuentran en el rea donde se superponen los rayados (rayado doble), por lo que se reduce la cantidad de soluciones factibles. Al dibujar la tercera restriccin (30 xE + 10 xF 135), se notar que al utilizar el origen de coordenadas (0,0) para determinar el semiplano correcto, no verifica la desigualdad: 30 xE + 10 xF 135 30 x 0 + 10 x 0 = 0 < 135 (no es )

NO VERIFICA

Por lo tanto, la flecha direccional apunta en sentido contrario al origen de coordenadas (arriba y a la derecha) y los puntos que verifican la tercera restriccin se muestran con un rayado vertical.

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

> 0 (no es ) NO VERIFICA

Materia: Investigacin Operativa Profesor: Ing. Pablo E. Godino

- 25 -

De acuerdo a esto, la flecha direccional apunta hacia arriba, en sentido opuesto al punto considerado. Luego, el trazado de la quinta restriccin (xE + xF inconvenientes. 5) no presenta mayores

Las dos ltimas restricciones (de no negatividad) indican los semiplanos positivos de cada una de las variables, o sea: xE ser positivo desde el eje xF hacia la derecha (6). xE ser positivo desde el eje xE hacia arriba (7).

As, quedan graficadas todas las restricciones.

La regin factible ser el rea delimitada por la totalidad de las restricciones (rayado doble). Cualquier punto que se encuentre dentro de esa zona ser una solucin factible al problema planteado. Esto significa que existen infinitas soluciones al problema, siempre y cuando se encuentren dentro de la regin factible.

El grfico de la siguiente pgina muestra la regin factible correspondiente al problema planteado.

Materia: Investigacin Operativa Profesor: Ing. Pablo E. Godino

- 26 -

1.3.4. Interpretacin Grfica de la Funcin Objetivo Solucin ptima


Lo que realmente se pretende averiguar es cul es la solucin ptima, esto es, cul es el punto que maximiza los beneficios para la empresa, se pasa entonces a la segunda parte de la solucin grfica, en donde se considera la funcin objetico z, que representa una familia de rectas paralelas, cada una de ellas con distinto valor objetivo. Se determinar cul es el sentido creciente de dicho valor (en el caso de maximizacin) o el decreciente (minimizacin), hasta el punto en que cualquier incremento (mx.) o decremento (min.) producira una solucin infactible (fuera del espacio de soluciones). Se procede a graficar dicha funcin (z = 5.000 xE necesario valorizarla. En este caso, se hace: + 4.000 xF , para lo cual es

z = 20.000

5.000 xE + 4.000 xF = 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

(se puede apreciar esto en el grfico de la siguiente pgina)

Materia: Investigacin Operativa Profesor: Ing. Pablo E. Godino

- 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.

Se busca entonces el punto lmite para el cual cualquier incremento adicional se encontrar fuera del conjunto restringido. Esto se da en el punto donde se intersecan las rectas que definen la primera y la segunda restriccin (solucin ptima).

Para resolver cules son las coordenadas de dicho punto, hay que resolver el sistema de dos ecuaciones con dos incgnitas, correspondientes a las dos primeras restricciones.

10 xE + 15 xF 150 20 xE + 10 xF 160

Materia: Investigacin Operativa Profesor: Ing. Pablo E. Godino

- 28 -

Resolviendo por cualquier mtodo conocido el sistema de dos ecuaciones con dos incgnitas nos queda: xE = 4,5 y xF = 7 (solucin ptima)

La utilidad asociada se obtiene reemplazando en la funcin objetivo z los valores de xE y de xF por los calculados.

Z = 5.000 xE + 4.000 xF Z = 5.000 x 4,5 + 4.000 x 7 = $50.500 (valor ptimo)

Ejemplo de PL: Fbrica de pinturas


Se producen pinturas para exteriores y para interiores utilizando dos materiales bsicos, a y b, cuya disponibilidad mxima es de 6 y 8 toneladas diarias, respectivamente. Para obtener 1 Tn de pintura para exteriores se necesitan 1 Tn de A y 2 Tn de B; para 1 Tn de pintura para interiores, 2 Tn de A y 1 Tn de B. De un estudio de mercado se determin que: 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.

El precio por tonelada es de $3.000 para la pintura de exteriores y de $2.000 para la de interiores. Cunta pintura de cada tipo se debe producir para maximizar el ingreso bruto? Modelo PL formal: xE: produccin diaria (en Tn) de pintura para exteriores xF: produccin diaria (en Tn) de pintura para interiores MXIMO. Z = 3 xE + 2 xI (Funcin objetivo, expresada en miles de $)

s.a. (restricciones): xE + 2 xI 6 2 xE + xI 8 - xE + xI 1 xI 2 (Disponibilidad de materia prima A) (Disponibilidad de materia prima B) (Exceso de pintura para interiores sobre exteriores) (Demanda mxima de pintura para interiores)

Materia: Investigacin Operativa Profesor: Ing. Pablo E. Godino

- 29 -

xE 0,

xI 0 (No negatividad)

Problema resuelto: Fbrica de pinturas


A continuacin, se resolver el ejemplo planteado anteriormente. Los pasos a seguir son los mismos que para el problema anterior. Para comenzar a graficar el conjunto factible, a la primera restriccin (xE + 2 xI 6) se la transforma en igualdad (xE + 2 xI = 6) y se grafica la recta determinando los puntos en donde ella corta cada eje: en xE: 6/1 = 6 en xI: 6/2 = 3

Para determinar cul es el semiplano correcto, se toma el origen de coordenadas (0,0) ya que la recta no pasa por l. Para verificar si cumple con la desigualdad, se reemplazan las variables por las coordenadas del origen (xE = 0; xI = 0): 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.

Materia: Investigacin Operativa Profesor: Ing. Pablo E. Godino

- 30 -

En el grfico anterior se muestra la solucin del problema. Se observa que la solucin ptima ocurre en el punto C, interseccin de las rectas 1 y 2, por lo que los valores de xE y de xI surgen de resolver el siguiente sistema de dos ecuaciones con dos incgnitas.

xE + 2 xI = 6 2 xE + xI = 8
(solucin ptima)

Resolviendo: xE = 3,333 Tn y xI = 1,333 Tn

El ingreso asociado se obtiene reemplazando en la funcin objetivo z los valores de xE y de xI por los calculados: z = 3 xE
+

2 xI

z = 3 x 3,333 + 2 x 1,333 = 12,666 miles de $ (valor ptimo)


Resumiendo, el modelo de PL determina que la produccin ptima es fabricar 3,333 Tn de pintura para exteriores y 1,333 Tn de pintura para interiores, logrndose de esta manera el mximo ingreso bruto posible de $ 12.666 por da, sujeto a las restricciones analizadas.

Materia: Investigacin Operativa Profesor: Ing. Pablo E. Godino

- 31 -

Importante: La solucin del problema se da en un vrtice de la regin factible, tambin llamado punto extremo. La determinacin del vrtice depende de la pendiente (relacin entre los coeficientes) de la funcin objetivo. Se puede demostrar que en un problema de PL, si existe una solucin ptima, hay por lo menos un vrtice ptimo.

Ejercicios propuestos para resolver


Resuelva por el mtodo grfico los ejemplos planteados en Fbrica de televisores y Mezcla de Alimentos. Tome en cuenta que este ltimo problema es un caso de minimizacin, por lo que se determinar el sentido decreciente de la funcin objetivo. asimismo, dos de las restricciones pasan por el origen y para determinar el semiplano que verifica la desigualdad, ser necesario tomar otro punto de ensayo (cualquiera, preferentemente con una de las coordenadas nulas para simplificar el clculo). Las respuestas a estos problemas se encuentran en forma de tabla al final del planteo .

Ejemplo de PL: Fbrica de televisores


Una compaa produce dos tipos de televisores, el modelo P y el modelo R. Hay dos lneas de produccin, una por cada tipo, con una capacidad limitada a 70 unidades P y a 50 unidades R por da. Ambos modelos pasan por dos departamentos, A y B, los cuales disponen de un mximo de 120 y 90 horas de trabajo diarias, respectivamente. En el A, cada P requiere 1 hora de trabajo, y cada R, de 2 horas. En el B, ambos modelos demandan 1 hora de trabajo cada uno. La utilidad por cada P es de $20 y de $10 por cada R. considerando que la compaa puede vender toda la produccin, cul es el plan diario? Modelo PL formal: xP: produccin diaria del modelo P xR: produccin diaria del modelo R MXIMO Z = 20 xP + 10 xR (Funcin objetivo) s.a. (restricciones): xP + 2 xR xP + xR xP xR xP xR 120 (Departamento A) 90 (Departamento B) 70 (Capacidad de produccin del modelo B) 50 (Capacidad de produccin del modelo R) 0 (No negatividad)

La solucin es:

Materia: Investigacin Operativa Profesor: Ing. Pablo E. Godino

- 32 -

Ejemplo Fbrica de televisores

Solucin ptima xp = 70 xr = 20

Valor ptimo Z = $ 1600

Ejemplo de PL: Mezcla de alimentos


Un productor ganadero utiliza diariamente por lo menos 800 kg de alimento especial, preparado con una mezcla de maz y semilla de soja, con las siguientes composiciones:

Alimento para ganado Maz Semilla de soja

Kg/kg de alimento para ganado Protenas Fibra 0.09 0.02 0.60 0.06

Costo ($/kg) 0.30 0.90

Los requerimientos dietticos estipulan, por lo menos, un 30% de protenas y, como mximo, un 5% de fibra. Se pretende determinar el costo mnimo diario de la mezcla de alimentos. Modelo PL formal: xm: cantidad de maz (en kg) en la mezcla de alimentos xs: cantidad de semillas de soja (en kg) en la mezcla de alimentos Min. Z = 0,30 xm + 0,90 xs (Funcin objetivo)

s.a. (restricciones) xm + xs 800 (Necesidad diaria)

0,09 xm + 0,60 xs 0,30 (xm xs) 0,09 xm + 0,60 xs 0,30 xm + 0,30 xs 0,09 xm + 0,60 xs - 0,30 xm - 0,30 xs 0 -0,21 xm + 0,30 xs 0 (Requerimiento de protenas)

0,02 xm + 0,06 xs 0,02 xm + 0,06 xs 0,02 xm + 0,06 xs -0,03 xm + 0,01 xs xm, xs 0

0,05 (xm + xs) 0,05 + 0,05 xs - 0,05 xm - 0,05 xs 0 0 (Limitacin en fibras) (No negatividad)

Materia: Investigacin Operativa Profesor: Ing. Pablo E. Godino

- 33 -

La solucin es: Ejemplo Mezcla de Alimentos 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.

Solucin ptima xm = 470,6 xs = 329,4

Valor ptimo Z = $ 437,64

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.

Materia: Investigacin Operativa Profesor: Ing. Pablo E. Godino

- 34 -

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.

Materia: Investigacin Operativa Profesor: Ing. Pablo E. Godino

- 35 -

ptimos mltiples u opciones ptimas: Ocurre cuando la funcin objetivo z es paralela a una restriccin no acotada. Entonces, la funcin objetivo tendr el mismo valor ptimo en ms de un punto del conjunto factible, pudiendo seleccionar varias alternativas sin deterioro de dicho valor ptimo.

Materia: Investigacin Operativa Profesor: Ing. Pablo E. Godino

- 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

Cambios en los coeficientes de la funcin objetivo


Se puede expresar la funcin objetivo como: z = Ce + cI xI En el ejemplo analizado, Ce = 3 y cI = 2 son los precios por Tn de la pintura para exteriores y para interiores respectivamente. Lo que se quiere determinar es cul

Materia: Investigacin Operativa Profesor: Ing. Pablo E. Godino

- 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.

Cambios en los lados derechos de las restricciones


Los lados derechos de las restricciones se refieren a los recursos disponibles y a los requerimientos del problema. Un cambio en el lado derecho de una restriccin har que la recta asociada se desplace paralela a s misma.
Restriccin 1: (xE + 2 xI 6): Disponibilidad de materia prima A: ser activa mientras se mueva entre los puntos K y B.

En B (4,0): 1 x 4 + 2 x 0 = 4 Tn Lmite inferior (funcin de restriccin) z = 3 x 4 + 2 x 0 = 12 miles $ (valor de la funcin objetivo) En K (3,2): 1 x 3 + 2 x 2 = 7 Tn Lmite superior (funcin de restriccin) z = 3 x 4 + 2 x 0 = 13 miles $ (valor de la funcin objetivo)
y1 = (13 - 12) / (7 4) = 1/3 miles $ / Tn materia prima A

y1 representa el valor unitario de la materia prima A. Tcnicamente, se lo denomina precio dual y muestra la mejora en el valor ptimo del objetivo cuando el lado derecho de la restriccin asociada aumenta a una unidad, con los dems datos fijos. En el ejemplo, si se dispusiera de una Tn ms de materia prima A, el ingreso asociado (funcin objetivo) aumentara en 1 / 3 miles $, o sea $ 333.
Restriccin 3: (2 xE + xI 8): disponibilidad de materia prima B: Ser activa entre los puntos D y J. Operando en forma similar:

Materia: Investigacin Operativa Profesor: Ing. Pablo E. Godino

- 38 -

Y2 = (18 10) / (12 6) = 4/3 miles $ / Tn materia prima B Restriccin 3: ( - xE + xI 1): Ser inactiva mientras su lado derecho se encuentre en el intervalo (-2, infinito)

Z = constante (no vara) Precio dual: y3 = 0 Restriccin 4: (xI 2 ): Ser inactiva mientras su lado derecho se encuentre en el intervalo (4 /3, infinito) Z = constante (no vara) Precio dual: y4 = 0 Estrechar: Una desigualdad significa hacerla ms difcil de satisfacer, al aumentar (para restricciones de tipo ) o disminuir (para restricciones de tipo ) su lado derecho. Relajar: Es lo contrario: se la hace ms fcil de satisfacer.

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. sta ser tu referencia para saber si el tema se ha aprendido. xito y adelante!

Materia: Investigacin Operativa Profesor: Ing. Pablo E. Godino

- 39 -