Semana 1 IO

INVESTIGACIN
OPERATIVA

Lic. Mario
Ninaquispe Soto
Aspectos fundamentales
de la Investigacin
Operativa como Ciencia:
Programacin Lineal
Ejercicios: Planteamiento
de Modelos de
Programacin Lineal
0
10/07/2014
EAP. Ingenieria de Sistemas - Lic. Mario Ninaquispe Soto
La Investigacin Operativa como ciencia
La primera actividad de la Investigacin de Operaciones (IO) se
dio durante la segunda guerra mundial en Gran Bretaa, donde
a un grupo de cientficos de distintas reas del saber los
reunieron para que estudiaran los problemas tcticos y
estratgicos asociados a la defensa del pas.

El nombre de IO fue dado aparentemente por que el equipo fue
dado aparentemente estaba llevando a cabo la actividad de
Investigar Operaciones Militares.

Motivados por los resultados, los administradores militares de
Estados Unidos comenzaron a realizar investigaciones similares.
Para eso reunieron a un grupo selecto de especialistas, l os cuales
empezaron a tener buenos resultados en la planeacin de minas
en el mar y la utilizacin efectiva del equipo electrnico.
10/07/2014
1
Al trmino de la guerra y atrados por los buenos resultados
obtenidos por los estragas militares, los administradores
industriales empezaron a aplicar las herramientas de la IO en la
resolucin de sus problemas que empezaron a originarse debido
al crecimiento en tamao y complejidad de las industrias.

Los gerentes han sufrido los cambios sobre todo en lo
relacionado a tecnologa y mtodos o procesos de trabajo,
haciendo ms compleja la toma de decisiones, solo basta ver
todo lo que implica trabajar a travs del Internet.
10/07/2014
2
En resumen, la IO se ocupa de la toma de decisiones ptimas y del modelo
de sistemas determinanticos y probabilsticos que se originan en la vida
real. Estas aplicaciones, que ocurren en el gobierno, en los negocios, en las
industrias, en las ingenieras en la economa, y en las ciencias naturales y
sociales, se caracterizan en gran parte por la necesidad de asignar recursos
escasos.

La IO adopta el mtodo cientfico como estructura para la solucin de los
problemas, dando mayor nfasis al juicio objetivo que al juicio subjetivo.

En su sentido ms amplio la IO, puede ser caracterizada como la aplicacin
de mtodos cientficos, tcnicas cientficas e instrumentos cientficos a
problemas que involucran operaciones de sistemas, de modo que provean a
los tomadores de decisiones (ejecutivos) responsables de las operaciones,
soluciones ptimas para los problemas.

10/07/2014
3
Definicin de Toma de Decisiones:Es un proceso de elegir entre diferentes
cursos alternativos de accin para obtener metas y objetivos.

Metodologa Cientfica: Como es obvio, el enfoque principal de un estudio
de IO es la Toma de Decisiones. Es decir el resultado que derive del
anlisis, debe tener consecuencias directas y no ambiguas para el tomador
de decisiones.
El mtodo cientfico aplicado en un proceso de IO, se inicia con la
observacin cuidadosa y formulacin del problema; para luego construir
un modelo cientfico que trate de abstraer la esencia del problema real.
De este modelo se obtendrn las conclusiones y soluciones que tambin
son vlidas para el problema real; por lo que en forma iterativa el modelo
se llega a verificar con la experimentacin adecuada.

10/07/2014
4

Posteriormente se trata de encontrar una solucin, la mejor o la ptima, y
para ello se define una medida de efectividad que considere las metas. Esta
medida servir para comparar los cursos de accin alternos.

Los pasos a seguir normalmente son:

Construccin de un modelo que extrae los elementos del problema de
decisin del mundo real.
Realizar el examen y anlisis de las relaciones que determina las
consecuencias de la decisin.
Desarrollar una tcnica de solucin que produzca un valor ptimo
basado en los objetivos del tomador de decisiones.

10/07/2014
EAP. Ingenieria de Sistemas - Lic. Mario
Ninaquispe Soto
5
Elementos de un proceso de decisin: Los elementos de una decisin
constan de:

Un tomador de decisiones (que puede ser un individuo, grupo,
organizacin o la sociedad misma).
Un conjunto posible de cursos de accin que pueden tomarse para
resolver el problema de decisiones.
Un conjunto posible de estados que pueden ocurrir.
Un conjunto de consecuencias asociadas a cada curso de accin y
estado posible que pueda ocurrir.
La relacin entre las consecuencias y los valores del tomador de
decisiones.

10/07/2014
6
Segn Moskowitz, define 5 pasos principales:

Formulacin y definicin del problema
Construccin del modelo
Solucin del modelo
Validacin del modelo
Implementacin de resultados

10/07/2014
7
El Proceso de la Investigacin de Operaciones
Fase 1: Formulacin y Definicin del problema

Se requiere:
Descripcin precisa de las metas u objetivos del estudio
Identificar las variables de decisin controlables y no controlables del sistema
de decisin
Reconocer las limitaciones o restricciones en las variables del sistema

10/07/2014
8
Fase 2: Construccin del Modelo

Se detalla el proceso. Primero, le investigador debe decidir el modelo ms
adecuado para representar el sistema. Este modelo debe especificar las
relaciones cuantitativas para el objetivo y las restricciones del problema en
trminos de las variables de decisin. Debe proporcionar estimados de los
parmetros, obtenidos bien se a partir de daros histricos, subjetivos o
formalmente estimados por medio de algn mecanismo estadstico. Se debe
escoger un horizonte de tiempo. Tambin se debe determinar si el sistema es
determinsticos, dependiendo de la complejidad y posibilidad de solucin de las
relaciones matemticas.

10/07/2014
9
Fase 3: Solucin del Modelo

El modelador debe, junto a los parmetros especficos por datos histricos,
tecnolgicos o prcticos, calcular o derivar una solucin matemtica. Si el
modelo se acomoda a uno de los modelos matemticamente bien conocidos
como el de programacin lineal, se puede obtener una solucin ptima
utilizando estas tcnicas. Si por lo contrario, las relaciones matemticas del
modelo son muy complejas para permitir una solucin analtica, entonces el
mtodo de simulacin puede ser lo ms apropiado.
En la solucin del modelo, se deben realizar anlisis de sensibilidad, para
determinar el comportamiento del sistema ante cambios en las especificaciones
y parmetros del sistema. Es una prctica importante, toda vez que los datos de
entrada (parmetros) no necesariamente son precisos o estables y las
suposiciones estructurales del modelo puede que no sean vlidas.

10/07/2014
10
Fase 4: Validacin del Modelo

Requiere que se determinen si tal modelo puede predecir confiablemente el
comportamiento del sistema. Tambin comprende la prueba de las
suposiciones estructurales del modelo (variables, relaciones funcionales, etc.)
para determinar su validez. Una prctica importante es comprar el desempeo
del modelo actual con datos de entrada histricos. El modelo ser vlido, si
bajo condicione similares de entrada, puede reproducir razonablemente el
comportamiento pasado del sistema. Es importante resaltar, que no hay
garanta de que el comportamiento futuro del sistema contine duplicando la
historia pasada.

10/07/2014
11
Fase 5: Implementacin

Es importante que quieres participen en la toma de decisiones como resultado
del estudio analicen el problema. De esta forma el proyecto toma validez real y
no sea considerado un mero ejercicio acadmico.

10/07/2014
12
MODELOS DE INVESTIGACIN
OPERATIVA
DETERMINISTICOS PROBABILSTICOS ESTOCSTICOS
OPTIMIZACIN NO
LINEAL
OPTIMIZACIN
LINEAL
PROGRAMACIN
DINMICA
PROGRAMACIN
ESTOCSTICA
MTODOS CLSICOS PROGRAMACIN
LIENAL
INVENTARIOS COLAS
MTODOS DE
BSQUEDA
TRANSPORTE Y
ASIGNACIN
SIMULACIN PROCESOS
ESTOCSTICOS
PROGRAMACIN
NO LINEAL
PROGRAMACIN
ENTERA Y BINARIA
PERT CPM TEORA DE
DECISIONES Y
JUEGOS
REDES METAHEURSTICA
HEURSTICA
Modelos de Investigacin Operativa
10/07/2014
13
CASO DE ESTUDIO.-
Un taller de mantenimiento fabrica dos tipos de piezas para la reparacin de
equipos fundamentales del proceso productivo. Estas piezas requieren un cierto
tiempo de trabajo en cada una de las tres mquinas que las procesan. Este
tiempo, as como la capacidad disponible (h) y la ganancia por cada pieza se
muestran en el cuadro siguiente:

Se logra vender todo lo producido y se desea determinar la cantidad de piezas a
fabricar que optimice la ganancia.

Cmo lograra optimizar el sistema en estudio?

Mquina
Tiempo por Pieza
Fondo de
Tiempo (h)
A B
I 2 2 160
II 1 2 120
III 4 2 280
Ganancia ($/Pieza) 6 4
Modelo de Programacin Lineal
10/07/2014
14
El objetivo de la programacin lineal (PL) es optimizar (maximizar o
minimizar) una funcin lineal de n variables sujeto a restricciones lineales de
igualdad o desigualdad. Ms formalmente, se dice que un problema de PL
consiste en encontrar el ptimo (mximo o mnimo) de una funcin lineal en
un conjunto que pueda expresarse como la interseccin de un nmero finito de
hiperplano semiespacios en Rn.

Caractersticas generales de los modelos de PL:
Una sola funcin objetivo (FO)
Maximizacin o minimizacin de la FO sujeta a disponibilidad de recursos
Proporcionalidad de la funcin objetivo y de las restricciones con respecto
al nivel de produccin de cada artculo, etc.

10/07/2014
15
Si se expresan estas condiciones en forma ligeramente modificadas y se
consideran ms de acuerdo con el orden en el cual se relacionan con el
planteamiento del modelo, entonces es posible enunciar que un problema
puede resolverse a travs de la PL si satisface los siguientes requerimientos:

1. Puede plantearse un FO para el problema en trminos de variables de
decisin, es decir: x1, x2, x3, x4, , xn.
2. Las variables del problema deben estar interrelacionadas para generar el
resultado total, es decir, puede dejarse de fabricar un producto (variable)
para fabricar o utilizar una mayor cantidad de otro producto.
3. Las restricciones relacionadas con la disponibilidad o uso de los recursos,
la satisfaccin de los requerimientos o surtimiento de la demanda deben
ser de forma lineal.
4. Los valores de las variables en la solucin pueden ser fraccionarios, pero
deben ser mayores o iguales a cero.

10/07/2014
16
Maximizar (Minimizar)
Sujeto a (s.a.):

Donde representan las variables de decisin

n n
x c x c x c x c Z ........
3 3 2 2 1 1

0 ,
, , ........
... ... ... .... ...
... ... ... .... ...
... ... ... .... ...
, , ........
, , ........
, , ........
, 3 , 2 , 1
2 2 1 1
1 1 2 12 1 11
2 2 2 22 1 21
1 1 2 12 1 11

n
m n mn m m
n n
n n
n n
x x x x
b x a x a x a
b x a x a x a
b x a x a x a
b x a x a x a
0 ,
, 3 , 2 , 1

n
x x x x
Modelo Matemtico de PL
10/07/2014
17
Planteamiento de Problemas:
La habilidad para transformar un problema del mundo real en un modelo de
PL debidamente planteado es un arte. Al plantear los problemas, se han
encontrado que los siguientes procedimientos son muy tiles:

1. Debe concentrarse en identificar la funcin objetivo general. Cul es el
objetivo final del problema, maximizar utilidades, minimizar costos,
minimizar las materias primas, que se requieren, maximizar el uso de la
fuerza de trabajo, etc.)
2. Debe plantearse el objetivo en forma verbal, incluyendo en la expresin la
forma que el objetivo se relaciona con los diversos factores (variables de
decisin) sobre las cuales tiene control quien toma las decisiones.
3. Se debe identificar y plantear en forma verbal cada restriccin.
4. Otros consideran en primer lugar reunir todos los datos del problema.
10/07/2014
18
Luego de haber descrito el problema en forma verbal, se debe transformar las
descripciones verbales en forma matemtica:

1. Identificar y definir las variables de decisiones (las xj) asociadas con el problema,
incluyendo en sus unidades de medicin.
2. Identificar los coeficientes de contribucin (los cj) asociados con cada variable.
3. Plantear la funcin objetivo y verificar que existe consistencia en las unidades de
medicin.
4. Identificar la tasa fsica de los coeficientes de sustitucin (los aij), incluyendo en la
definicin las unidades de medicin relacionadas con el coeficiente respectivo.
5. Identificar los recursos o requerimientos disponible, es decir los coeficientes del
segundo trmino (los bi), que son los valores que aparecen al lado derecho del
signo igual en las ecuaciones de restriccin.
6. Plantear las restricciones relacionadas con cada uno de los respectivos recursos o
requerimientos y verificar que haya consistencia en las unidades de medicin para
cada restriccin.
7. Definir las condiciones de no negatividad asociadas con las variables de decisin

10/07/2014
19
Variables Continuas y Variables Discretas:

Los valores de las variables en la solucin pueden ser fraccionarios o continuos.
No siempre es prctico en la vida real. Puede evitarse este problema en la
programacin lineal redondeando los valores continuos para que sean
discretos; sin embargo, esto no siempre da como resultado una solucin
factible. Existen algoritmos que proporcionan valores discretos ptimos en las
soluciones.

10/07/2014
20

1.- Un taller de mantenimiento fabrica dos tipos de piezas para la reparacin
de equipos fundamentales del proceso productivo. Estas piezas requieren
un cierto tiempo de trabajo en cada una de las tres mquinas que las
procesan. Este tiempo, as como la capacidad disponible (h) y la ganancia
por cada pieza se muestran en el cuadro siguiente:

Se logra vender todo lo producido y se desea determinar la cantidad de piezas a
fabricar que optimice la ganancia.

Mquina
Tiempo por Pieza
Fondo de
Tiempo (h)
A B
I 2 2 160
II 1 2 120
III 4 2 280
Ganancia
($/Pieza)
6 4
Ejercicios Prcticos
10/07/2014
21
Formulacin completa del modelo matemtico:

Max Z = 6X
1
+ 4X
2

S.A.
2X
1
+ 2X
2
160
X
1
+ 2X
2
120
4X
1
+ 2X
2
280
X
1
0; X
2
0

10/07/2014
22
Formulando el modelo PPL:
2.- Una compaa fabrica tres productos de caucho: Airtex, Extendex y Resistex ;
los tres requieren los mismos polmetros qumicos. La cantidad de cada
ingrediente usada por libra del producto es como sigue:

La empresa tiene el compromiso de producir al menos 1000 libras de Airtex, 500
libras de Extendex y 400 libras de Resistex para la prxima semana, pero la
gerencia sabe que puede vender ms de cada producto. Los inventarios actuales
de los ingredientes son 500 libras del Polmetro A, 425 libras del polmetro B, 650
libras del polmetro C y 1100 libras de la base.
Cada libra de Airtex produce a la compaa una ganancia de $7, cada libra de
Extendex produce una ganancia de $7 y cada libra de Resistex una ganancia de
$6. Determine un plan ptimo de produccin para esta semana.

PRODUCTO Polmetro A Polmetro B Polmetro C Base
Airtex 4 2 4 6
Extendex 3 2 2 9
Resistex 6 3 5 2
10/07/2014
23

Max Z = 7A+7E+6R

S.A.
4A + 3E + 6R 500
2A + 2E + 3R 425
4A + 2E + 5R 650
6A + 9E + 2R 1100
A 1000
E 500
R 400

A

0; E 0, R 0

10/07/2014
24
Formulacin completa del modelo matemtico:
3.- El taller de Joe se especializa en cambios de aceite del motor y regulacin del
sistema elctrico. El beneficio por cambio del aceite es $7 y de $15 por
regulacin. Joe tiene un cliente fijo con cuya flota, le garantiza 30 cambios de
aceite por semana. Cada cambio de aceite requiere de 20 minutos de trabajo y
$8 de insumos. Una regulacin toma una hora de trabajo y gasta $15 en
insumos. Joe paga a los mecnicos $10 por hora de trabajo y emplea
actualmente a dos de ellos, cada uno de los cuales labora 40 horas por semana.
Las compras de insumos alcanzan un valor de $1,750 semanales. Joe desea
maximizar el beneficio total. Formule el problema

10/07/2014
25
10/07/2014
26
4.- El departamento de nutricin de un Hospital prepara 30 mens de cena, uno
para cada da del mes. Una comida consiste en espagueti, pavo, papas,
espinacas y pastel de manzana. Como Director de Nutricin, se ha determinado
que esta comida debe proporcionar 63,000 miligramos (mg) de protenas, 10mg
de hierro, 15 mg de niacina, 1mg de tiamina y 50 mg. de vitamina C. Cada 100
gramos de esta comida proporciona la cantidad de cada nutriente y grasas
indicadas en la siguiente tabla:

Para evitar demasiada cantidad de un tipo de comida, no debe incluirse en ella
ms de 300 gr de espagueti, 300 gr de pavo, 200 gr. de papas, 100 gr. de
espinaca, y 100 gr. de pastel de manzana. Se desea determinar la composicin
de una comida que satisfaga los requerimientos nutricionales y proporcione la
mnima cantidad de grasas.
Nutrientes mg/100g
COMIDAS PROTENAS HIERRO NIACINA TIAMINA VITAMINA
C
GRASA
Espagueti 5,000 1.1 1.4 0.18 0.0 5,000 300gr
Pavo 29,300 1.8 5.4 0.06 0.0 5,000 300gr
Papas 5,300 0.5 0.9 0.06 10.0 7,900 200gr
Espinacas 3,000 2.2 0.5 0.07 28.0 3,000 100gr
Pastel de manzana 4,000 1.2 0.6 0.15 3.0 14,300 100
63,000 10 15 1 50

10/07/2014
27
Muchas
gracias!
Lic. Mario Ninaquispe Soto

Semana 1 IO

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Semana 1 IO

Enviado por

Direitos autorais:

Formatos disponíveis

INVESTIGACIN

Você também pode gostar