Prefacio:
LA INVESTIGACION
DE OPERACIONES Y
LA PROGRAMACION
LINEAL
Investigacin de
operaciones
Modelos de
Programacin Lineal
ANLISIS DE
SENSIBILIDAD DE
LOS MODELOS DE
PROGRAMACIN
LINEAL
MODELOS DE
TRANSPORTE,
ASIGNACIN Y
REDES
PROGRAMACIN
DE PROYECTOS Y
PROGRAMACIN
LINEAL
Modelos de
transporte
Programacin de
Proyecto con tiempos
de actividad
conocidos
Mtodos de solucin
de Modelos de
Transporte
Programacin de
Proyectos con
tiempos inciertos de
actividades
Anlisis de Sensibilidad
de los trminos
Independientes en
situacin de
maximizacin
Anlisis de la
solucin por la
computadora
Mtodo Simplex
Programacin Lineal
Entera
Modelos de
Asignacin
Consideracin de los
intercambios de
tiempo y costo
El Primal - Dual
Modelos de Redes
Programacin no
lineal
I. PREFACIO
II. DESARROLLO DE LOS CONTENIDOS
UNIDAD DE APRENDIZAJE 1:La Investigacin de Operaciones y la Programacin Lineal
1. Introduccin
a. Presentacin y contextualizacin
b. Competencia (logro)
c. Capacidades
d. Actitudes
e. Ideas bsicas y contenido
2. Desarrollo de los temas
a. Tema 01:Investigacin de Operaciones
b. Tema 02:Modelos de Programacin Lineal
c. Tema 03:Mtodo Simplex
d. Tema 04:Uso del Software
3. Lecturas recomendadas
4. Actividades y ejercicios
5. Ejercicios de autoevaluacin
6. Resumen
UNIDAD DE APRENDIZAJE 2:Anlisis de Sensibilidad de los modelos de Programacin Lineal
1. Introduccin
a. Presentacin y contextualizacin
b. Competencia (logro)
c. Capacidades
d. Actitudes
e. Ideas bsicas y contenido
2. Desarrollo de los temas
a. Tema 01: Anlisis de sensibilidad de los trminos independientes en situacin de
maximizacin
b. Tema 02: Anlisis de la solucin por la computadora
c. Tema 03: Programacin Lineal Entera
d. Tema 04: El Primal Dual
3. Lecturas recomendadas
4. Actividades y ejercicios
5. Ejercicios de autoevaluacin
6. Resumen
UNIDAD DE APRENDIZAJE 3:Modelos de Transporte, Asignacin y Redes
1. Introduccin
a. Presentacin y contextualizacin
b. Competencia (logro)
c. Capacidades
d. Actitudes
e. Ideas bsicas y contenido
2. Desarrollo de los temas
a. Tema 01 Modelos de Transporte
b. Tema 02: Mtodo de solucin de modelos de transportes
c. Tema 03: Modelos de Asignacin
d. Tema 04: Modelos de Redes
3. Lecturas recomendadas
4. Actividades y ejercicios
5. Ejercicios de autoevaluacin
6. Resumen
UNIDAD DE APRENDIZAJE 4:Programacin de Proyectos y Programacin no lineal
1. Introduccin
a. Presentacin y contextualizacin
b. Competencia (logro)
c. Capacidades
d. Actitudes
e. Ideas bsicas y contenido
2. Desarrollo de los temas
a. Tema 01: Programacin de Proyecto con tiempos de actividad conocidos
b. Tema 02: Programacin de Proyectos con tiempos inciertos de actividades
c. Tema 03: Consideracin de los intercambios de tiempo y costo
d. Tema 04: Programacin no lineal
3. Lecturas Recomendadas
4. Actividades y ejercicios
5. Ejercicios de autoevaluacin
6. Resumen
III. GLOSARIO
IV. FUENTES DE INFORMACIN
V. SOLUCIONARIO
02
05-154
05- 42
06
06
06
06
06
06
07-38
07
15
22
29
39
39
40
42
43-71
44
44
44
44
44
44
45-68
45
51
58
63
69
69
71
73
74-114
75
75
75
75
75
75
76-108
76
85
95
103
109
109
112
114
115-147
116
116
116
116
116
116
117-151
117
130
137
143
148
148
149
151
152
153
154
Introduccin
a) Presentacin y contextualizacin
Los temas que se tratan en la presente Unidad, tienen por finalidad que el
estudiante desarrolle y ejecute la optimizacin de los modelos matemticos a
travs del mtodo grafico. Mtodo simples y el uso de los software adecuados de
solucin durante su proceso de formacin profesional y contribuyan en el logro de
su perfil profesional.
b) Competencia
Define, planifica y genera la optimizacin de los modelos matemticos
usando los diferentes mtodos de solucin.
c) Capacidades
1. Planifica sus metas de aprendizaje y analiza los diferentes mtodos de
solucin de optimizacin de los modelos matemticos.
2. Aplica y genera el ptimo del modelo matemtico y utiliza el mtodo grfico.
3. Aplica y genera el ptimo del modelo matemtico y el mtodo simplex.
4. Aplica y genera la optimizacin del modelo matemtico y utiliza el software
Lingo, Tora, Glp.
d) Actitudes
Disposicin emprendedora.
Respeto a las normas de convivencia.
Sentido de Organizacin.
Perseverancia en las tareas.
Investigacin
TEMA 1
de
Operaciones
Competencia:
Planificar sus metas de aprendizaje y analiza
los diferentes mtodos de solucin de
optimizacin de los modelos matemticos.
a)
INVESTIGACIN DE OPERACIONES
Algunas Definiciones
La investigacin de operaciones puede definirse como
un conjunto de mtodos y tcnicas cientficas que,
aplicados a problemas relacionados con la operacin de
sistemas, trataran de dar soluciones ptimas.
Departamento de Produccin
Su principal objetivo es lograr una mayor
produccin al menor costo posible, por eso
desea poder hacer largas corridas de
produccin a fin de disminuir el costo
asociado con el ajuste y adaptacin del
equipo a un nuevo producto.
tener
un
inventario
bastante
Departamento de Administracin
El Departamento de Administracin desea reducir el inventario a un mnimo
indispensable, lo cual choca con los deseos del Dpto. de produccin y el Dpto. de
ventas.
Departamento de Personal
b)
EL ANALISTA DE OPERACIONES
c)
modelo se
pretende
facilitar,
hacer
posible,
la
Obtencin de la solucin
La
obtener
las
d) MODELOS MATEMTICO
La esencia de la Investigacin Operativa es el enfoque de la construccin de
modelos, el que es un intento para capturar los rasgos ms significativos de la
decisin que est bajo consideracin por medio de la abstraccin.
Lo modelos que usa la Investigacin Operativa, son matemticos.
Los modelos son representaciones simplificadas del mundo real.
10
A fin de que los modelos sean tiles para asistir en las decisiones gerenciales,
ellos deben de ser simples para entenderlos y fcil de usarlos. Al mismo tiempo,
ellos tienen que proporcionar una representacin completa y realista del ambiente
de decisin.
la
comprensin
de
los
siendo
consideradas
que
pueden
explcitamente
evaluar
las
Los gerentes de otro lado, podrn formular las preguntas bsicas a ser
contestadas por el modelo y luego interpretar los resultados del modelo en base a
su propia experiencia e intuicin, reconociendo las limitaciones del modelo.
La
complementacin
entre
las
habilidades
computacionales
superiores
11
Ejercicio Operacional
Si deseamos efectuar un ejercicio operacional que soporta esta decisin,
ensayaramos diferentes combinaciones de tipos de petrleo, directamente en el
proceso de la refinera y observar las utilidades y costos resultantes asociados
con cada alternativa de la mezcla.
Ventajas:
Alto grado de realismo.
Desventajas:
Costos altos de implementacin.
En muchos casos imposible de analizar.
12
Juego (Gaming)
las
salidas
del
proceso
de
la
refinera.
Ventajas:
Se ha retenido algunas de las interacciones humanas del proceso real.
El costo de procesar cada alternativa ha sido reducido.
La velocidad de medicin de la performance de cada alternativa ha sido
aumentada.
Desventajas:
Se pierde algn grado de realismo con respecto al ejercicio operacional,
debido a que operamos en un mundo abstracto.
Simulacin
Son similares a los modelos de juego, excepto que
todas las personas que toman decisiones han sido
sacadas del proceso de modelaje.
Al igual que el ejercicio operacional y juego, los
modelos de simulacin no generan alternativas ni
producen una respuesta ptima a la decisin bajo estudio.
13
En el
ejemplo:
Programaramos
por
adelantado un gran
nmero
de
Modelo Matemtico
En este de modelo, el problema es representado totalmente en trminos
matemticos, normalmente por medio de un criterio u objetivo que buscaremos
maximizar o minimizar, sujeto a un grupo de restricciones que representan las
condiciones bajo las cuales tienen que ser efectuadas.
El modelo computa una solucin ptima, que es, una que satisface todas las
restricciones y nos da el mejor valor posible de la funcin objetivo.
En nuestro ejemplo: el uso de un modelo analtico implica determinar como
objetivo la maximizacin de utilidades netas obtenidas de la operacin de la
refinera como una funcin de los tipos y cantidades de los petrleos crudos
usados. Adems la tecnologa del proceso de la refinera, los requerimientos del
producto final y las disponibilidades de crudo de petrleo deben ser representados
en trminos matemticos para definir las restricciones de nuestro problema.
14
Modelos
de
TEMA 2
Programacin
Lineal
Competencia:
Aplicar y generar el ptimo del modelo
matemtico y utilizar el mtodo grfico.
15
(debido
las
condiciones
de
no
b) Mtodo Grafico
Maximizacin
Una Compaa manufacturera textil fabrica los productos 1,2; y es
suficientemente afortunada como para vender todo lo que puede
producir actualmente.
Cada producto requiere un tiempo de manufacturacin en los
3 Dptos.; y la disponibilidad de una cantidad fija de horashombre por semana en cada Dpto.; tal como se muestra en el
cuadro siguiente:
Tiempo de Manufacturacin
PRODUCTO
1
2
H H disp/sem
DPTO A
DPTO B
DPTO C
2
2
160
1
2
120
4
2
280
16
Max Z = x1 + 1.5x2
Sujeto a:
------(4)
X2
Grfica de inecuaciones
80
70
60
50
40
2x1 + 2x2 =
160
X2
0
X1
80
80
30
20
10
10 20 30 40 50 60 70 80
X1
17
Cabe
recalcar
restricciones
que
de
las
no
, luego
se tendr:
Restriccin y
superponiendo las 3
grficos,
tenemos
que la zona en la
cual
se
cumplen
simultneamente las
3 restricciones es la
regin
sombreada
que se indica en la
fig.
18
Si hacemos x1 = x , x2 = y
Z = x + 1.5y
ec.recta
y = mx + b
con
pendiente
m = - 1/1.5
= - 2/3, tal como se
muestra
19
Cualquier valor de Z > 100, no tendr ningn punto comn con la regin
sombreada.
Soluciones factibles
C1: (0,60)
C2: (0, 0 )
C4: (60,20)
Solucin Factible: Una solucin en la que las variables de decisin son factibles
(Cualquier punto, dentro de la regin factible).
20
Propiedad
La utilidad mxima ocurre en un vrtice del conjunto de soluciones factibles.
Probar todos los vrtices para ver cual aporta la mayor ganancia.
Vrtices
Z = x1 + 1.5x2
C1: (0,60)
C2: (0, 0)
C3: (70,0)
0 + 1.5 x 60 = 90
0 + 1.5 x 0
= 0
70 + 1.5 x 0 = 70
C4: (60,20)
40 + 1.5 x 20 = 90
C5: (40,40)
21
Mtodo
TEMA 3
Simplex
Competencia:
Aplicar y generar el ptimo del modelo
matemtico y el mtodo simplex.
22
23
Luego se calcula el vector que sale o vector saliente para lo cual se divide los
valores del vector columna b entre los valores del vector ingresante y se
selecciona como vector saliente a aquel que corresponda el menor valor
positivo.
Para calcular los valores de las dems filas del segundo tablero se aplica la
siguiente forma:
Elemento del vector antiguo (semipivot * elemento del vector ingresante)
24
+ X3 = 12
-2X1 + X2 - X3>= 6
Balanceando
+ X3 + q1
-2X1 + X2 - X3- X5
= 3
= 7
+ q2 = 6
25
4
Ci
0
Xk
X4
X1X2 X3
5
q1 12
q2
Cj Zj
X4
q1 12
X2 1
Zj = 12M+2
X4
q1
1
1
-1
-1
-M
4+M
2-M
-3
-2
0
-5
M
0
q2
-M
0
X4
-2
Cj Zj
-2-3
Zj = 13M
0
X5
M
0
1
0
0
0
0
1
-2
-1
-1
M-4
M-2
-2
-M+8
-M-1
67
-3
X3 12
X2 13
-1
-2+M
-2
-1
Zj = -10
-5
-3
-2
-1
Cj Zj
M+1
M-2
Zopt = -10
X1 = 0
X2 = 13
X3 = 12
26
c)
Balanceando
= 15
= 12
7
27
Ci
Xk
X1
X2
X3 X5
X4
15
-1
X5 12
0
X6
1
7
0
X4
X6
1
0
0
1
0
0
-2
-3
Zj = 0
Cj Zj
-2
X4
10/4
-10/4
-2/4
X2
1/4
3/4
1/4
X6
-9/4
-15/4
-1/4
3/4
5/4
Zj = 9
Cj Zj
9/4
3/4
-17/4
-3/4
0
0
2 X1 36/10
-1
4/10
-2/10
3 X2 84/40
4/4
-1/10
3/10
0 X6 484/40
-6/4
9/10
-7/10
Zj = 135/10
5/10
5/10
-3
-5/10
-5/10
Cj Zj
28
Uso
TEMA 4
del
Software
Competencia:
Aplicar y generar la optimizacin del
modelo matemtico y utiliza el software
Lingo, Tora, Glp.
29
poder
30
Las
1. Funcin objetivo
2. Variables
3. Restricciones
La sintaxis para escribir la funcin objetivo en LINGO es:
MAX = 100 * STANDARD + 150 * TURBO;
Nota: Cada lnea en LINGO finaliza con un punto y coma. El punto y la coma son
requeridos. El modelo no se resolver si falta algn punto y coma.
Nota: Dado que la mayor parte de las computadoras no tienen una tecla de menor
o igual, LINGO ha adoptado como convencin utilizar el smbolo <= para
representar. Como alternativa, se puede usar el smbolo < para expresar menor o
igual. Lo mismo se usa >= > para expresar mayor o igual.
31
Los
32
Ventana de estado.
En esta ventana se puede monitorear el proceso de resolucin y las dimensiones
del modelo.
El recuadro "Variables" muestra el nmero total de variables del modelo, las
variables que son no lineales y las enteras. Una variable es considerada no lineal
si es parte de una restriccin no lineal en el modelo. Mientras ms variables no
lineales y enteras contenga el modelo, ms difcil ser resolverlo de forma ptima
en un tiempo razonable. Los modelos lineales puros sin variables enteras tienden
a resolverse ms rpidamente.
33
Campo
Descripcin
State
Iterations
Infeasibility
Nmero de iteraciones
Cantidad de veces que es violada una
restriccin
Objetive
Best IP
IP Bound
34
Cuando LINGO termine de resolver el modelo, crear una nueva ventana con el ttulo
Solution Report, conteniendo los detalles de la solucin:
Informe de la solucin.
natural,
similar
matemtica standard.
la
notacin
Adems de poder
serie
35
LINGO, es la
Usando GLP
Etiquetas de
tipo de
variables para
X, Y, ingreso
para 6
restricciones y
la funcin
objetivo.
(PAYOFF)
Area de graficacin
36
Ingreso de
restricciones y
el lmite de las
disponibilidad
de recursos
usando +/-
37
------(4)
38
Lecturas Recomendadas
EL LIBRO:
http://site.ebrary.com/lib/biblioucvsp
PROGRAMACIN LINEAL
http://www.programacionlineal.net/
Actividades y Ejercicios
1.
Max Z = x1 + 1.5x2
Sujeto a:
------(4)
39
Autoevaluacin
Solucin Factible
b.
Regin Factible
c.
Solucin ptima
d.
Solucin Extrema
e.
Solucin Parcial
Solucin factible
b.
Regin Factible
c.
Solucin ptima
d.
Solucin extrema
e.
Solucin parcial
Lingo
b.
Glp
c.
Tora
d.
Lindo
e.
Win QSB
4) Es el modelo ms realista:
a.
Ejercicio Operacional
b.
Simulacin
c.
Matemtico
d.
Gaming
e.
Juego
5) Es el modelo ms abstracto
a. Gaming
b. Matemtico
c. Ejercicio Operacional
d. Simulacin
e. Juego
40
41
Resumen
UNIDAD DE APRENDIZAJE I:
En primer lugar el descubrimiento de George Dantzig en 1947 del mtodo simple, para
resolver problemas de programacin lineal., y en 1957 Churman, Ackffy Arnoff
publicaron el primer libro de investigacin de operaciones. Con el advenimiento de las
computadoras digitales se expandieron los campos de accin de los mtodos
cuantitativos y se crearon nuevos modelos. Dada la facilidad de obtencin de
resultados en crear y desarrollarse. Hoy en da los mtodos cuantitativos son utilizados
en el sector pblico y privado como elementos esenciales en el proceso de la toma de
decisiones generales. Programacin lineal, tcnica matemtica y de investigacin de
operaciones que se utiliza en la planificacin administrativa y econmica para
maximizar las funciones lineales de un gran nmero de variables sujetas a
determinadas restricciones (vase lgebra; Funcin; Matemtica). El desarrollo de
computadoras electrnicas de procesamiento de alta velocidad ha aportado
recientemente muchos avances a la programacin lineal, de forma que ahora esta
tcnica se utiliza extensamente en operaciones industriales y militares.
42
43
Introduccin
a) Presentacin y contextualizacin
Los temas que se tratan en la presente Unidad, tienen por finalidad que el
estudiante desarrolle y ejecute el anlisis post-optimo de los modelos
matemticos de programacin lineal, durante su proceso de formacin profesional
y contribuyan en el logro de su perfil profesional.
b) Competencia
Desarrolla y aplica el anlisis de sensibilidad de los modelos matemticos
de programacin lineal.
c) Capacidades
1.
2.
3.
4.
d) Actitudes
Disposicin emprendedora.
Sentido de Organizacin.
44
Anlisis de
TEMA 1
Sensibilidad
de los Trminos
Independientes
en Situacin de
Maximizacin
Competencia:
Planificar
y aplicar el anlisis de
sensibilidad de los modelos matemticos.
45
Paso 2.
Se calcula el valor del trmino independiente modificado,
mediante:
bi +/ - b = b
Donde:
b i = Es el trmino independiente original
de una
46
entonces
Es Factible
Paso 5. Una vez que se obtiene la factibilidad a partir del Paso 3 o Paso 4 segn
el caso, se procede a calcular la solucin optima del modelo dado con la variacin
propuesta del trmino independiente, mediante la frmula:
Zmax = Ci ( B-1 b )
EJEMPLO
47
Para cuando:
5
Ci
Xk
X1
6
X2X3
+ X4= 30
X4
X3
30
X4
30
Zj = 0
Cj Zj
0
6
X2 10
X4
6
1
5/3
60
Cj Zj
Zj =
10
2/3
0
0
3/3
-2/3
2
1
0
-2
6 X2
3/5
-2/5
5 X1
-2/5
3/5
Zj =
66
8/5
3/5
-8/5
-3/5
Cj Zj
Zopt = 66
X1 = 6
X2 = 6
48
a) B-1 b >= [ ]
3/5
entonces
-2/5
24
Es Factible
12/5
=
-2/5
3/5
30
6
>=
Solucin factible
42/5
Se pasa al Paso 5
Zmax = Ci (B-1 b )
Zmax =
(C2 , C1 ) 12/5
42/5
Zmax =
(6,5)
12/5
= 56.4
42/5
b) B-1 b >= [ ]
3/5
-2/5
x2 = 12/5 = 2.4
entonces
36
Es Factible
72/5
=
-2/5
3/5
18
0
not >=
-18/5
No factible
0
Entra
Sale
X3
X4
X2
3/5
-2/5
X1
-2/5
3/5
X2
1/2
36
-3/2
18
X4
X2
1/2
X3
-3/2
9
=
X3
X3
0
>=
Solucin factible
0
49
Se pasa al Paso 5
Zmax = Ci (B-1 b )
Zmax =
(C2 , C3 )
Zmax =
(6,0)
= 54
x1= 0
x2 = 9
50
Anlisis de la
TEMA 2
Solucin por la
Computadora
Competencia:
Planificar
y utilizar el anlisis
sensibilidad por computadora.
51
de
a)
Planeacin de la produccin
52
53
3. Costos reducidos.
Solo se le interpreta cuando son diferentes de cero.
Costo reducido de Q2 = 11
Tiene dos significados:
Primera interpretacin: Se puede notar que el producto Q2 no conviene
fabricar, para que sea conveniente su produccin, su utilidad debe aumentar
por lo menos 11 $/unidad.
Segunda Interpretacin: Se sabe que el producto Q2 no debemos fabricar, si
forzamos la produccin de este producto, la utilidad total se reducir en forma
proporcional a 11, por cada unidad fabricada.
NOTA
Siempre que hay un cero en el lado izquierdo o
derecho, si no hay cero, el problema no tiene
solucin. Pero cuando hay varios ceros, significa
que hay varias soluciones ptimas.
54
$ de utilidad
Y1 = 3 ---------------------------Libras de materia prima
$ de utilidad
Y2 = 0 ---------------------------Pie cbico de espacio
$ de utilidad
Y3 = 0 ---------------------------Producto comprado por empresas industriales
55
$ de utilidad
Y4 = -14 ---------------------------Por producto comprado por las empresas comerciales
$ de utilidad
Y5 = 14 ---------------------------Hora Planta 1
$ de utilidad
Y4 = 21 ---------------------------Hora Planta 2
i)
M + di * Yi
M = 5400
di = 50
Yi = 3
56
En conclusin:
Por cada libra adicional de materia prima, la utilidad aumenta en 3 $, y por cada
libra que se disminuye la materia prima, la utilidad baja 3 $.
7.
Rangos de sensibilidad.
57
Programacin
Lineal
TEMA 3
Entera
Competencia:
Planificar y aplicar la solucin de modelos
de programacin entera.
58
Ejemplo:
MIN 6X1 + 5X2 + 4X1
S.A.
108X1 + 92X2 + 58X3 >= 576
7X1 + 18X2 + 22X3 >= 83
X1, X2, X3 >= 0 y Enteros
Por ejemplo:
MIN 6X1 + 5X2 + 4X3
S.A.
108X1 + 92X2 + 58X3 >= 576
7X1 - 18X2 + 22X3 >=
83
59
Programacin Enteros 0 y 1
En algunos problemas, se restringe el valor de las variables a 0 y 1. Dichos
problemas se llaman Binarios o Programas Lineales Enteros 0-1. Son de particular
inters, debido a que se pueden usar las variables 0-1 para representar
decisiones dicotmicas (si o no). Diversos problemas de asignacin, ubicacin de
plantas, planes de produccin y elaboracin de cartera, son de programacin
lineal entera 0-1. Por ejemplo:
X4 - 4X5 >= 0
X4 -
X5 >= 2
Ejemplo:
MAX X1 + 5X2
S.A.
11X1 + 6X2 <= 66
5X1 + 50X2 <= 225
X1, X2 >= 0 y Enteros
Resolver el problema, por el mtodo grfico o mtodo simplex
60
61
Ramificar y Acotar
VO de P1 <= 3.75 + 5(4.123) = 24.375 = U = MCSA Mxima Cuota Superior Actual
VO de P1 <= 3
+ 5(4)
= 24
62
El
Primal
Dual
TEMA 4
Competencia:
Aplicar y reconocer los modelos Primal
Dual.
63
se
da
en
la
Teora
de
a) Primal - Dual
Dado un conjunto cualquiera de datos para un modelo de PL (Primal), podemos
usar los mismos datos para formar un modelo de PL diferente (Dual).
Para examinar la teora de Dualidad en una forma satisfactoria, tenemos que
desechar la restriccin de que las variables de un modelo de PL sean no
negativas.
Ejemplo (Modelo Primal)
Var. Duales
S.A.
4X1 - 12X2 + 3X3 <= 12
-2X1 +
3X2 + X3 <= 6
Y1
Y2
-5X1 +
Y3
3X1 +
4X2 -2X3 = 10
Y4
X1>=0 ,
X2<=0 ,
X3 NRS
64
b) Regla
Los Coeficientes de la 1ra funcin de restriccin del Dual, son los Coeficientes de
la 1ro variable en las restricciones de Primal, y en forma anloga para las otras
restricciones.
Los recursos de las restricciones duales son los Coeficientes de la funcin objetivo
del Primal.
El sentido de la i-sima restriccin Dual es = si y solo si la i-sima variable del
Primal no tiene restriccin de signo (NRS).
Si el Primal es un modelo de Max (Min), entonces, despus de aplicar la regla
anterior, se asigna a las restantes restricciones Duales el mismo (opuesto) sentido
a la variable correspondiente del Primal.
La i-sima variable del problema DUAL no tendr restriccin
de signo(NRS) si y solo si la i-sima restriccin del PRIMAL
es una igualdad.
mismo
signo)
que
la
restriccin
correspondiente al PRIMAL.
65
Modelo Dual
Nm. Variables Dual
=4
S.A.
4Y1 - 2Y2 - 5Y3 + 3Y4 >= 3
-12Y1 + 3Y2 + Y3 + 4Y4 <= 4
3Y1 +
Y2 - 6Y3 - 2Y4 = -2
Ejercicios
1)
X2
X2
<=
<= 40
<= 7
X1>= 0 , X2>= 0
Dual
Nm. Variables (D) = Num. Restricciones (P) = 3
Nm. Restricciones (D) = Nm. Variables (P) = 2
>=
3Y1 -
>=
Y2 + Y3
66
2)
Min
X1 + 12X2 - 2X3
S.A.
4X1 + 2X2 + 12X3
2X1 -
X2 + 11X3
<= 10
>= -2
Dual
Max
10Y1 - 2Y2
S.A.
4Y1 +
2Y2
>= 1
2Y1 -
Y2
= 12
12Y1 + 11Y2
<= -2
Y1<= 0, Y2>= 0
67
3)
Max
S.A.
4X1 + 2X2 + X3
<= 100
<= 50
Dual
Min
S.A.
4Y1 +
Y2 + 2Y3 = 4
2Y1 +
3Y2 + 6Y3 = 7
Y1 +
7Y2 + 3Y3 = 8
68
Lecturas Recomendadas
INVESTIGACIN DE OPERACIONES
http://es.wikipedia.org/wiki/Investigaci%C3%B3n_de_operaciones
DIALNET
http://dialnet.unirioja.es
Actividades y Ejercicios
Ingresa al link Dual de Primal lee atentamente
las indicaciones, desarrllalo y envalo por el mismo
medio.
a) Hallar el Dual del Siguiente Primal
Max 3X1 + 4X2
2X1 + 3X2
<=
5X1 -
X2
<= 40
X1
X2
<= 7
X1>= 0, X2>= 0
Dual
Nm. Variables (D) = Nm. Restricciones (P) = 3
Nm. Restricciones (D) = Nm. Variables (P) = 2
Min 6Y1 + 40Y2 + 7Y3
S.A.
-2Y1 + 5Y2 + Y3
>=
3Y1 -
>=
Y2 + Y3
69
Actividades y Ejercicios
Min
X1 + 12X2 - 2X3
S.A.
4X1 + 2X2 + 12X3
<= 10
2X1 -
>= -2
X2 + 11X3
Max
10Y1 - 2Y2
S.A.
4Y1 +
2Y2
2Y1 -
Y2
12Y1 + 11Y2
>= 1
= 12
<= -2
a) Y1<= 0 , Y2>= 0
70
Autoevaluacin
1)
2)
3)
4)
5)
71
a. Mtodo de Bsqueda
b. Ramificar y Acotar
c. Mtodo simplex
d. Dual
e. Primal
72
Resumen
modelacin de
escenarios,
anlisis
de
especificidad,
anlisis
de
73
74
Introduccin
a) Presentacin y contextualizacin
Los temas que se tratan en la presente Unidad, tienen por finalidad que el
estudiante desarrolle y ejecute los modelos de Transporte, Asignacin y Redes,
durante su proceso de formacin profesional y contribuyan en el logro de su perfil
profesional.
b) Competencia
Aplica modelos de transporte, asignacin, redes y comprende su
importancia en la investigacin de operaciones.
c) Capacidades
1. Planifica y reconoce la estructura de un modelo de transporte.
2. Disea y aplica modelos de transporte.
3. Disea y aplica modelos de asignacin.
4. Aplica y reconoce los modelos de redes.
d) Actitudes
Disposicin emprendedora.
Respeto a las normas de convivencia.
Sentido de Organizacin.
Perseverancia en las tareas.
75
Modelos
TEMA 1
de
Transporte
Competencia:
Planificar y reconocer la estructura de un
modelo de transporte.
76
1.
2.
Como solo hay una mercanca un destino puede recibir su demanda de una o ms
fuentes. El objetivo del modelo es el de determinar la cantidad que se enviar de
cada fuente a cada destino, tal que se minimice el costo del transporte total.
La suposicin bsica del modelo es que el costo del transporte en una ruta es
directamente proporcional al nmero de unidades transportadas. La definicin de
unidad de transporte variar dependiendo de la mercanca que se transporte.
La suposicin bsica del modelo es que el costo del transporte en una ruta es
directamente proporcional al nmero de unidades transportadas. La definicin de
unidad de transporte variar dependiendo de la mercanca que se transporte.
Fuentes
a1
Unidades a2
de oferta
am
Destinos
C11 : x11
Cmn : xmn
b1
b2
bn
Unidades
de demanda
77
i=1,2,, m
i=1m X I j>= bj ,
j=1,2,, n
X i j >=0
El primer conjunto de restricciones estipula que la suma de los envos desde una
fuente no puede ser mayor que su oferta; en forma anloga, el segundo conjunto
requiere que la suma de los envos a un destino que satisfaga su demanda.
El modelo que se acaba de escribir implica que la oferta total i=1m ai debe ser
cuando menos igual a la demanda total j=1n bj. Cuando la oferta total es igual a la
demanda total, la formulacin resultante recibe el nombre de modelo de transporte
equilibrado. Este difiere del modelo solo en el hecho de que todas las
restricciones son ecuaciones, es decir:
X i j = ai,
i=1,2,..., m
X i j = bj,
j=1,2,..., n
78
b)
Ejemplos
Ejemplo 1 (Modelo de transporte estndar)
MG Auto Company tiene plantas en Los ngeles, Detroit y Nueva Orlens. Sus
centros de distribucin principales son Denver y Miami. Las capacidades de las
plantas durante el trimestre prximo son 1 000, 1 500, y 1 200 automviles. Las
demandas trimestrales en los dos centros de distribucin son de 2 300 y 1 400
vehculos. El costo del transporte de un automvil por tren es de 8 centavos por
milla. El diagrama de las distancias recorridas entre las plantas y los centros de
distribucin son:
Denver
Miami
1 000
1 690
1 250
1 350
1 275
850
Los ngeles
Detroit
Nueva Orleans
Esto produce en costo por automvil a razn de 8 centavos por milla recorrida.
Produce los costos siguientes (redondeados a enteros), que representan a C
ij
del
modelo original:
Denver
Miami
80
215
100
108
102
68
Los ngeles
Detroit
Nueva Orleans
79
ij
X 11
X 12
= 1 000
X 21
X 22
= 1 500
X 31
X 11
X 21
X 12
X 31
X 22
X ij
X 32
= 1 200
= 2 300
X 32
= 1 400
i j
matriz (i, j). Por lo tanto, el modelo de MG se puede resumir en la tabla siguiente:
80
Como la demanda es mayor que la oferta se puede agregar una planta ficticia
con una capacidad de 200. Se permite que dicha planta, en condiciones normales,
enve su produccin a todos los centros de distribucin. Fsicamente, la cantidad
de unidades enviadas a un destino desde una planta ficticia representar la
cantidad faltante en ese destino.
La nica informacin que falta para completar el modelo son los costos de
transporte unitarios de la planta ficticia a los destinos. Como la planta no existe,
no habr ningn envo fsico y el costo de transporte unitario es cero. Sin
embargo, podemos enfocar la situacin desde otro ngulo diciendo que se incurre
en un costo de penalizacin por cada unidad de demanda insatisfecha en los
centros de distribucin. En este caso los costos de transporte unitarios sern
iguales a los costos de penalizacin unitarios en los diversos destinos.
Denver
Miami
Los ngeles
80
215
1 000
Detroit
100
108
1 300
Nueva Orlens
102
68
1 200
Planta ficticia
200
81
Destino
Denver
Miami
Ficticio
Los ngeles
80
215
1 000
Detroit
100
108
1 500
Nueva Orleans
102
68
1 200
82
producida
para
consumo
posterior
incurrir
en
un
costo
de
almacenamiento razn de $0.50 por unidad por mes. Por otra parte, los artculos
ordenados en meses anteriores incurren en un costo de penalizacin de $2.00 por
unidad por mes. La capacidad de produccin para elaborar el producto vara cada
mes. Los clculos de los cuatro meses siguientes son 50, 180, 280 y 270
unidades, respectivamente.
Sistema de Produccin
Sistema de Transporte
1. Fuente i
1. Periodo de produccin i
2. Destino j
2. Periodo de demanda j
3. Oferta en la fuente i
3.
Capacidad
de
produccin
del
periodo i
4. Demanda en el destino j
periodo i al j
83
Periodo
Demanda
Capacidad
4.5
5.5
50
4.5
180
4.5
280
10
270
Demanda:
100
200
180
300
Costo de produccin en i,
Cij =
i=j
i<j
84
Mtodos de
Solucin de
Modelos de
TEMA 2
Transporte
Competencia:
85
20
30
40
20
20
30
20
90
20
Dm
Oferta
20 , 0
20
10
30 , 10 , 0
20
20
40 , 20 , 0
20
20
30
20
20
86
Verificar Optimicidad
u1
u1 + v1 = 5
u1 = 1
, v1 = 4
u2
u2 + v2 = 2
u2 = 3
, v2 = -1
u3
u2 + v3 = 3
u3 = 1
, v3 = 0
v1
v2
v3
v4
u3 + v3 = 1
v4 = 1
u3 + v4 = 2
Degenerativo
CI =
u1 + v4 = 2
u1 = 1
u2 = 3
u3 = 1
v1
v2
v3
v4
-1
CI
CD
MD
5
-3
-4
-1
-4
II
10
10
10
20
30
10
No ptimo
20-
10+
20
10-
20+
20-
= 10
87
Verificar Optimicidad
5
u1
u1 + v1 = 5
u1 = 1
, v1 = 4
u2
u1 + v4 = 2
u2 = -1
, v2 = 3
u3
u2 + v1 = 3
u3 = 1
, v3 = 0
v1
v2
v3
v4
u2 + v2 = 2
v4 = 1
u3 + v3 = 1
u3 + v4 = 2
5
CI =
u1 = 1
-1
u2 = -1
u3 = 1
v1
v2
v3
v4
CI
CD
-1
MD
5
-4
-4
-5
No ptimo
II
10-
10
10+A
20
30
10-
III
20
10
20
10
30
= 10
88
Verificar Optimicidad
u1
u1 + v4 = 2
u1 = 1
, v1 = 2
u2
u2 + v1 = 3
u2 = 1
, v2 = 1
u3
u2 + v2 = 2
u3 = 1
, v3 = 0
v1
v2
v3
v4
u3 + v1 = 3
v4 = 1
u3 + v3 = 1
Degenerativou3 + v4 = 2
CI =
u1 = 1
u2 = 1
u3 = 1
v1
v2
v3
v4
CI
CD
MD
5
-2
-1
-4
-2
-3
-2
ptimo
Asignacin
Cmin = $170
De
A a S
= 20 u.
De
B a P
= 10 u.
De
B a Q
= 20 u.
De
C a P
= 10 u.
De
C a R
= 30 u.
90 u
89
b) Mnima Matriz
20
30
40
20
20
30
20
90
Oferta
10
10
20 , 10 , 0
20
10
30 , 20 , 0
30
10
40 , 10 , 0
Dm
20
20
30
20
10
10
90
Verificar Optimicidad
u1
u1 + v2 = 3
u1 = 1
, v1 = 3
u2
u1 + v4 = 2
u2 = 0
, v2 = 2
u3
u2 + v1 = 3
u3 = 1
, v3 = 0
v1
v2
v3
v4
u2 + v2 = 2
v4 = 1
u3 + v3 = 1
u3 + v4 = 2
CI =
u1 = 1
u2 = 0
u3 = 1
v1
v2
v3
CI
v4
1
CD
MD
5
-1
-4
-3
-4
-1
No ptimo
10-
20-
II
10-
10-
30
10-
10
20
10
30
20
= 10
91
Verificar Optimicidad
u1
u1 + v4 = 2
u1 = 1
, v1 = 2
u2
u2 + v1 = 3
u2 = 1
, v2 = 1
u3
u2 + v2 = 2
u3 = 1
, v3 = 0
v1
v2
v3
v4
u3 + v1 = 3
v4 = 1
u3 + v3 = 1
Degenerativou3 + v4 = 2
CI =
u1 = 1
u2 = 1
u3 = 1
v1
v2
v3
v4
CI
CD
MD
-2
-1
-4
-2
-3
-2
Optimo
Asignacin
Cmin = $170
De
A a S
= 20 u.
De
B a P
= 10 u.
De
B a Q
= 20 u.
De
C a P
= 10 u.
De
C a R
= 30 u.
90 u
92
c)
Mtodo de Vogel
20
30
40
20
20
30
20
90
10
Dm
Oferta
20
20 , 0
20
30 , 10 , 0
10
30
40 , 10 , 0
20
20
30
20
10
93
Verificar Optimicidad
u1
u1 +v1 = 2
u1 = 1
, v4 = 1
u2
u2 + v1 = 3
u2= 1
, v3 = 0
u3
u2 + v2 = 2
u3 = 1
, v2 = 1
v1
v2
v3
v4
u3 + v1 = 3
v1 = 2
u3 + v3 = 1
Degenerativou3 + v4 = 2
CI =
u1 = 1
u2 = 1
u3 = 1
v1
v2
v3
v4
CI
CD
MD
-2
-1
-4
-2
-3
-2
Optimo
Cmin = $170
Asignacin
De
A a S
= 20 u.
De
B a P
= 10 u.
De
B a Q
= 20 u.
De
C a P
= 10 u.
De
C a R
= 30 u.
90 u
94
Modelos
TEMA 3
de
Asignacin
Competencia:
Disear y aplicar Modelos de Asignacin.
95
96
Los renglones se
refieren a los hombres, mientras que las columnas se refieren a los trabajos;
el problema consiste en maximizar las calificaciones para asignar los 4
trabajos.
Se supone que las calificaciones de un individuo son directamente
proporcionales a la ganancia que obtendra la compaa si ese individuo se
encargara del trabajo.
dos
camiones
especialmente
La empresa
97
c)
98
EJEMPLO
Determinar el Costo mnimo y la asignacin ptima de:
99
PASO 3:
Se marca aquellas filas que no tengan ceros encuadrados, luego ingresamos por
cada de dichas filas, buscando ceros tarjados y luego de ser ubicados estos, se
procede a marcar la o las columnas que le corresponda.
A partir de las columnas marcadas se reingresa al tablero buscando ceros
encuadrados y luego de identificar a estos se marca las filas que les corresponde.
A partir de cada fila marcada se trata de reingresar nuevamente al tablero
repitiendo el procedimiento sealado en los prrafos anteriores hasta que se
pierdan los ramales bien sea a nivel de columna o de fila.
PASO 4:
Se procede a rayar aquellas filas que no estn marcadas y aquellas columnas que
si estn marcadas.
Luego se busca el menor valor de aquellas casillas que tengan doble rayado
(vertical y horizontal), este menor valor seleccionado se resta a aquellas casillas
que no estn rayadas, pero se le suma a aquellas que tienen doble rayado (se
entiende que aquellas casillas que tienen un solo rayado permanecen igual).
100
Ejemplo
Determinar el Costo mnimo y la asignacin ptima de:
101
102
Modelo
TEMA 4
de
Redes
Competencia:
Aplicar y reconocer los Modelos de Redes.
103
a) Teora de Redes
Es una tcnica que permite resolver problemas que se pueden plantear
mediante una red.
Muchos problemas de programacin Lineal se pueden formular mediante una
red:
Transporte, asignacin, inventario, produccin y distribucin, procesos de
produccin, etc.
Existen en Teora de Redes, algoritmos mucho ms efectivos que el mtodo
simplex.
Existen softwares para resolver problemas de redes como: Optired, Tora,
Invop, Win QSB, etc.
104
c) Casos de redes
105
Problema
Calcular el rbol de extensin mnimo
Problema
Calcular el rbol de extensin mnimo
106
PASO1.
Considrense todos los nodos que estn directamente conectados con el origen
(es decir, mediante un solo arco). El componente de distancia de la etiqueta que
se pone a cada nodo de estos es la distancia desde el origen. El componente
predecesor es el origen. Estas etiquetas sern temporales.
PASO 2.
De entre todos los nodos con etiqueta temporal, se escoge uno cuyo componente
de distancia sea mnimo y se seala para ser etiquetado como permanente. Todos
los empates en cualquier punto del algoritmo se rompen arbitrariamente. Tan
pronto como todos los nodos han sido etiquetados en forma permanente se va al
paso 4.
107
PASO 3.
Todo nodo que no tenga actualmente etiqueta permanente estar o bien sin
etiqueta o con una temporal. Sea l el ultimo nodo etiquetado permanentemente,
Considrese todas las etiquetas de los vecinos de l (es decir, directamente
conectados a l mediante un solo arco). Para cada uno de esos nodos calculase la
suma de su distancia a l ms la componente de distancia de la etiqueta de l. Si el
nodo en cuestin ya tiene etiqueta no est etiquetado, asegurase una etiqueta
temporal que conste de esta distancia y de l como predecesor. Si el nodo en
cuestin ya tiene etiqueta temporal, cambiase solo si la distancia recin calculada
es menor que la componente de distancia de la etiqueta actual. En este caso, la
etiqueta contendr esta distancia y a l como predecesor. Regrese al paso 2.
PASO 4.
Las etiquetas permanentes indican la distancia ms corta desde el origen a cada
nodo de la red. Tambin indican el nodo predecesor en la ruta ms corta hacia
cada nodo.
Para encontrar el camino ms corto de un nodo dado comincese en l y
retroceda al nodo predecesor. Continu este recorrido de retroceso hasta llegar al
origen. La secuencia de nodos obtenidos forma la ruta ms corta entre el origen y
el nodo en cuestin.
Ejemplo
Encontrar el conjunto de rutas ptimas, desde el origen H hasta los dems nodos
busca minimizar la utilidad de los costos, asegurndose de que cualquier reparto
futuro a las siete localidades diferentes, se haga a travs de la ruta ms corta.
108
Lecturas Recomendadas
INVESTIGACIN DE OPERACIONES
http://www.investigaciondeoperaciones.net/
Actividades y Ejercicios
1.
109
20
30
40
i. 20
20
30
20
90
ii.
20
30
40
20
20
30
20
90
110
20
30
40
iii. 20
20
30
20
90
111
Autoevaluacin
Transporte
b.
Colas
c.
rbol de extensin
d.
Asignacin
e.
Ruta corta
Vogel
b.
Mnima matriz
c.
Noroeste
d.
Vogel y noroeste
e.
Simplex
rbol de extensin
b.
Problema de transporte
c.
Ruta ms corta
d.
Problema de asignacin
e.
Problemas de colas
4) Para una red con n nodos, es un grupo de (n-1) arcos que conectan todos
los nodos de la red y que no contiene circuitos cerrados
a.
Transporte
b.
Asignacin
c.
Flujo
d.
rbol de extensin
e.
Colas
Hngaro
b.
Noroeste
c.
Mnima columna
d.
Vogel
e.
Balanceo
112
Matriz de costos.
Matriz de ingresos
Matriz de presupuestos
Matriz de costos reducidos
Matriz de ingresos reducidos
113
Resumen
La Teora de Redes es una tcnica que permite resolver problemas que se pueden
plantear mediante una red. Muchos problemas de programacin Lineal se pueden
formular mediante una red: Transporte, asignacin, inventario, produccin y
distribucin, procesos de produccin, etc.
Existen en Teora de Redes, algoritmos mucho ms efectivos que el mtodo simplex.
Existen software para resolver problemas de redes como: Opti
red, Tora, Invop, Win QSB, etc.
114
115
Introduccin
a) Presentacin y contextualizacin
Los temas que se tratan en la presente Unidad, tienen por finalidad que el
estudiante desarrolle y ejecute la Programacin PERT-CPM Y La programacin
no Lineal durante su proceso de formacin profesional contribuyendo a elevar su
perfil.
b) Competencia
Analiza y describe la Programacin de Proyectos usando la tcnica del
PERT-CPM.
c) Capacidades
1. Conoce y Utiliza la teora de la Programacin del Tiempo.
2. Analiza y describe la Programacin del Costo
3. Analiza y describe la sensibilidad de un Proyector.
4. Construye e interpreta mediante los modelos de programacin no lineal.
d) Actitudes
Aporta ideas en la solucin de los problemas de programacin del tiempo.
Valora las etapas de la metodologa de la tcnica PERT-CPM.
Se interesa por las diferentes modelos de programacin de proyectos.
Muestra responsabilidad y tica en la solucin de las tareas.
116
Programacin
de Proyecto
con tiempos
de actividad
TEMA 1
conocidos
Competencia:
de
117
la
El mtodo CPM (Crtical Path Method), el segundo origen del mtodo actual, fue
desarrollado tambin en 1957 en los Estados Unidos de Amrica, por un centro
de investigacin de operaciones para la firma Dupont y Remington Rand,
buscando el control y la optimizacin de los costos de operacin mediante la
planeacin adecuada de las actividades componentes del proyecto.
b) Definicin
118
119
a 4m b
6
ba
Z
6
Te Z
120
Metodologa.
El Mtodo del Camino Crtico consta de dos ciclos:
1. Planeacin y Programacin.
1.1.- Definicin del proyecto
1.2.- Lista de Actividades
1.3.- Matriz de Secuencias
1.4.- Matriz de Tiempos
1.5.- Red de Actividades
1.6.- Costos y pendientes
1.7.- Compresin de la red
1.8.-
Limitaciones
de
tiempo,
de
recursos y econmicos
1.9.- Matriz de elasticidad
1.10.- Probabilidad de retraso
121
2. Ejecucin y Control.
2.1.- Aprobacin del proyecto
2.2.- Ordenes de trabajo
2.3.- Grficas de control
2.4.-
Lista de Actividades
122
Ejemplo:
a.
b. Ingeniero electricista.
1. Elaboracin del proyecto elctrico.
2. Clculo de los costos y presupuestos.
3. Aprobacin del proyecto.
4. Instalacin de un transformador nuevo.
5. Instalacin de nuevo alumbrado.
6. Instalacin de interruptores y arrancadores.
c.
Ingeniero contratista.
1. Elaboracin del proyecto de obra muerta.
2. Clculo de los costos y presupuestos.
3. Aprobacin del proyecto.
4. Cimentacin de las mquinas.
5. Pisos nuevos.
6. Colocacin de ventanas nuevas.
123
Matriz de Secuencias
Existen dos procedimientos para conocer la secuencia de las
actividades:
a. Por antecedentes
b. Por secuencias.
124
Matriz de Secuencias
Matriz de Tiempos
En el estudio de tiempos se requieren tres cantidades estimadas por los
responsables de los procesos: El tiempo medio (M), el tiempo ptimo (o) y el
tiempo psimo (p).
125
El tiempo medio (M) es el tiempo normal que se necesita para la ejecucin de las
actividades, basado en la experiencia personal del informador. El tiempo ptimo
(o) es el que representa el tiempo mnimo posible sin importar el costo o cuanta
de elementos materiales y humanos que se requieran; es simplemente la
posibilidad fsica de realizar la actividad en el menor tiempo. El tiempo psimo (p)
es un tiempo excepcionalmente grande que pudiera presentarse ocasionalmente
como consecuencia de accidentes, falta de suministros, retardos involuntarios,
causas no previstas, etc. Debe contarse slo el tiempo en que se ponga remedio
al problema presentado y no debe contar el tiempo ocioso.
Se puede medir el tiempo en minutos, horas, das, semanas, meses y aos, con la
condicin de que se tenga la misma medida para todo el proyecto. Los tiempos
anteriores servirn para promediarlos mediante la frmula PERT obteniendo un
tiempo resultante llamado estndar (t) que recibe la influencia del ptimo y del
psimo a la vez.
o 4M p
6
Esta
126
Matriz de Tiempos
127
Matriz de informacin
Red de Actividades
Desde otro punto de vista, camino crtico es la serie de actividades que indica la
duracin total del proyecto. Cada una de las actividades se representa por una
flecha que empieza en un evento y termina en otro.
128
Costos y Pendientes
129
Programacin
de Proyectos
con Tiempos
Inciertos de
Actividades
TEMA 2
Competencia:
Analizar y describir la Programacin del
Costo.
130
b) Limitaciones de Recurso
Es posible en cualquier proyecto se suscite el caso de tener recursos humanos o
materiales limitados, por lo que dos actividades deben realizarse durante el mismo
lapso con personal diferente o maquinaria diferente, no se pueda ejecutar y de
esta manera no habra ms que esperar que se termine una actividad para
empezar la siguiente.
c) Limitaciones econmicas
Se determinara el costo ptimo para conocer si se puede hacer el proyecto con
los recursos econmicos disponibles. Si hay la posibilidad de realizarlo, se
buscara el tiempo total ms favorable para las necesidades y objetivos del
proyecto; en caso contrario pues simplemente el proyecto deber esperar hasta
tener los recursos econmicos mnimos para poder realizarlo.
131
Matriz de Elasticidad
Para poder tomar decisiones efectivas y rpidas durante la ejecucin del proyecto
es necesario tener a la mano los datos de las probabilidades de retraso o adelanto
de trabajo de cada una de las actividades, o sea la elasticidad de las mismas.
Examinemos primero el procedimiento para calcular las holguras que nos
proporciona la posibilidad de retrasar una actividad sin consecuencias para otros
trabajos.
Se llama holgura a la libertad que tiene una actividad para alargar su tiempo de
ejecucin sin perjudicar otras actividades o el proyecto total. Se distinguen tres
clases de holguras:
132
Cuando se tiene una liga que indica terminacin de proceso, se correr hacia el
evento inicial la misma cantidad acumulada en el evento final. Cuando la liga no
indica terminacin de proceso, sino nicamente continuidad entre dos procesos,
las cantidades acumuladas no deben modificarse aunque la liga tenga fechas
diferentes de iniciacin y terminacin.
Pi
Ui
Pj
Uj
133
Pj Ui = Intervalo de Actividad
Y al restar el tiempo t de este intervalo se obtiene la holgura independiente:
HI = Pj Ui - t
134
Las lecturas de los eventos y los resultados de la aplicacin de las frmulas de las
holguras se pasan a la matriz de informacin.
%( E )
HT
t
%(C )
t o
t
po
6
135
Mientras mayor sea el intervalo que se mencione para la ejecucin, mayor ser la
seguridad de acertar.
(Pr y ) (CC )
21 4.17 25.17 25
136
Consideracin
de los
TEMA 3
Intercambios
de Tiempo y Costo
Competencia:
Analizar y describir la sensibilidad de un
Proyecto.
137
1. Anotar el da de la informacin
2. Indicar el nmero de la actividad informada
3. Expresar, en tanto por uno, el avance de la misma.
138
Proceso A
Este proceso constar de cinco actividades que duran 15 das. Si recordamos que
el valor de la unidad de avance del proyecto (D-a) es igual a
1.00
= 0.01515,
66
0.2272: 1.00 : : n : fa
fa =
1.00
n = 4.39 n.
0.2272
D-a =
1.00
= 0.0667
15
Como slo se trabaja una unidad de avance por da, este ser el avance
acumulado diariamente que se programe en la columna 8 del cuadro de avance
del proceso.
139
Fa =
1.00
= 3.88
0.2576
1.00
= 0.05882,
17
Proceso C
El proceso C, se compone de seis actividades con una duracin total de 17 das y,
por tanto, el factor de conversin (fa) y el factor de avance diario (D-a)
programado son los mismos que los del proceso B anterior.
Fa =
D-a =
1.00
= 3.88
0.2576
1.00
= 0.05882,
17
Proceso D
Este proceso D, con las actividades 9, 10 y 11 tiene, igual que los dos procesos
anteriores, una duracin de 17 das, por lo que los factores de conversin y de
avance son los mismos.
Fa =
D-a =
1.00
= 3.88
0.2576
1.00
= 0.05882,
17
140
El cuadro de avance del proceso aparece en la tabla del cuadro de avance del
proceso D.
b) Procedimiento de evaluacin
141
Se multiplica el tiempo ptimo o por lo tanto por uno del volumen del trabajo
pendiente de ejecutar. El producto representa el tiempo que se requiere para
terminar la actividad en condiciones ptimas es decir, con la mxima aceleracin.
Si este tiempo es menor que el tiempo disponible, significa que no se retrasar el
proyecto, pero si es mayor, la diferencia ser la cantidad de tiempo que retrasar
el proyecto, excepto que se pueda comprimir una actividad posterior a la actividad
retrasada dentro del proceso.
142
Programacin
no
TEMA 4
lineal
Competencia:
Construye e interpreta mediante
modelos de programacin no lineal.
143
los
a) Mtodo de GOMORY
2X1
(2)
(3)
(4)
2X1 +
2X2 +
144
PASO 1
Se debe convertir las restricciones a expresiones enteras o discretas, antes de
resolverlo por el mtodo simplex.
En nuestro caso tenemos que aplicarlo a las restricciones (2) y (4).
(2)
(3)
x100 (4)
2X1 +
18X2 +
2X2 +
Xj >=0 y Enteros
2X1
(2)
(3)
(4)
2X1 +
2X2 +
2X3
+ X5<= 4400
+X6<= 400
+X7<= 36000
Xj >=0 y Enteros
Tablero ptimo
145
146
147
Lecturas Recomendadas
PROGRAMACIN NO LINEAL
http://www.investigaciondeoperaciones.net/programacion_no_lineal.html
Actividades y Ejercicios
1.
2.
148
Autoevaluacin
2) El tiempo de inicio ms corto (TIP) para una actividad que abandona el nodo
C (en el mtodo AA)
a. Es el mnimo de los tiempos de terminacin ms prximos para todas las
actividades.
b. Es igual al tiempo de terminacin para la misma actividad.
c. Depende de todas las rutas que van desde el principio.
d. Es el mximo de los tiempos de terminacin ms prximos para todas las
actividades que llegan al nodo C.
e. No depende de ninguna ruta.
3) El tiempo de terminacin ms lejano (TTL) para una actividad que entra al
nodo H (en el Mtodo AA)
a. Iguala al mximo de los tiempos de inicio ms lejanos de todas las
actividades que abandona el nodo h.
b. Depende del tiempo de terminacin ms lejano del proyecto.
c. Es igual al tiempo de inicio ms lejano menos el tiempo de dicha actividad.
d. Depende del tiempo de terminacin ms cercano del proyecto.
e. Es igual al tiempo de dicha actividad.
4)
149
150
Resumen
En proyectos como este tipo, los administradores deben programar y coordinar los
diversos trabajos o actividades de tal manera que el proyecto se concluya a tiempo.
En esta seccin de aprendizaje hemos abordado los detalles de la programacin de
proyectos para un problema que involucra investigacin y desarrollo de nuevos productos.
Dado que muchas de las actividades de este proyecto nunca se han intentado, el
administrador del proyecto desea tomar en consideracin la incertidumbre en los tiempos
de las actividades. Tambin ampliamos nuestro anlisis como agregar recursos a
actividades seleccionadas para reducir el tiempo de terminacin del proyecto.
Los proyectos en gran escala por una sola vez han existido desde tiempos antiguos; este
hecho lo atestigua la construccin de las pirmides de Egipto y los acueductos de Roma.
Pero slo desde hace poco se han analizado por parte de los investigadores operacionales
los problemas gerenciales asociados con dichos proyectos. El problema de la
administracin de proyectos surgi con el proyecto de armamentos del Polaris, empezando
1958. Con tantas componentes y subcomponentes juntos producidos por diversos
fabricantes, se necesitaba una nueva herramienta para programar y controlar el proyecto.
El PERT (evaluacin de programa y tcnica de revisin) fue desarrollado por cientficos de
la oficina Naval de Proyectos Especiales. Booz, Allen y Hamilton y la Divisin de Sistemas
de Armamentos de la Corporacin Lockheed Aircraft. La tcnica demostr tanta utilidad
que ha ganado amplia aceptacin tanto en el gobierno como en el sector privado.
Casi al mismo tiempo, la Compaa DuPont, junto con la Divisin UNIVAC de la Remington
Rand, desarroll el mtodo de la ruta crtica (CPM) para controlar el mantenimiento de
proyectos de plantas qumicas de DuPont. El CPM es idntico al PERT en concepto y
metodologa. La diferencia principal entre ellos es simplemente el mtodo por medio del
cual se realizan estimados de tiempo para las actividades del proyecto. Con CPM, los
tiempos de las actividades son determinanticos. Con PERT, los tiempos de las actividades
son probabilsticas o estocsticos. El PERT/CPM fue diseado para proporcionar diversos
elementos tiles de informacin para los administradores del proyecto. Primero, el
PERT/CPM expone la "ruta crtica" de un proyecto. Estas son las actividades que limitan la
duracin del proyecto. En otras palabras, para lograr que el proyecto se realice pronto, las
actividades de la ruta crtica deben realizarse pronto.
Las actividades que no estn en la ruta crtica tienen una cierta cantidad de holgura; esto
es, pueden empezarse ms tarde, y permitir que el proyecto como un todo se mantenga
en programa. El PERT/CPM identifica estas actividades y la cantidad de tiempo
disponible para retardos. El PERT/CPM tambin considera los recursos necesarios para
completar las actividades. En muchos proyectos, las limitaciones en mano de obra y
equipos hacen que la programacin sea difcil. El PERT/CPM identifica los instantes del
proyecto en que estas restricciones causarn problemas y de acuerdo a la flexibilidad
permitida por los tiempos de holgura de las actividades no crticas, permite que el
gerente manipule ciertas actividades para aliviar estos problemas.
151
Glosario
ACTIVIDADES CRTICAS:
Actividades que aparecen en el camino crtico
CAMINO CRTICO:
Es aquello perteneciente al holismo, una tendencia o corriente que analiza los
eventos desde el punto de vista de las mltiples interacciones que los
caracterizan. El holismo supone que todas las propiedades de un sistema no
pueden ser determinadas o explicadas como la suma de sus componentes. En
otras palabras, el holismo considera que el sistema completo se comporta de un
modo distinto que la suma de sus partes.
Es una herramienta simple que permite utilizar el poder de la optimizacin lineal
y no lineal para formular grandes problemas concisamente, resolverlos, y
analizar la solucin.
HOLSTICO:
La trayectoria ms larga en una red del proyecto.
LINGO: MTODO DEL CAMINO CRTICO (CPM por sus siglas en ingles):
Se conoce como software1 al equipamiento lgico o soporte lgico de un sistema
informtico; comprende el conjunto de los componentes lgicos necesarios que
hacen posible la realizacin de tareas especficas, en contraposicin a los
componentes fsicos, que son llamados hardware.
Secuencia de nodos conectados, que lleva del nodo de inicio hasta el nodo de
terminacin.
TRAYECTORIA:
Un procedimiento de programacin de proyecto basado en redes
152
Fuentes de Informacin
Bibliogrficas:
Electrnicas:
Programacin Lineal
http://es.wikipedia.org/wiki/Programaci%C3%B3n_lineal
http://personal5.iddeo.es/ztt/prob/B1_Prog_Lineal.htm
153
Solucionario
1. A
1. E
2. C
2. E
3. B
3. A
4. A
4. C
5. B
5. E
6. A
6. A
7. C
7. A
8. B
8. B
9. E
9. A
10. A
10. B
1. D
1. A
2. E
2. D
3. E
3. B
4. D
4. C
5. D
5. D
6. B
6. A
7. D
7. C
8. A
8. A
9. C
9. A
10. A
10. C
154