Modelos de optimizacin 1.1 ORIGEN Y NATURALEZA DE LA INVESTIGACIN DE OPERACIONES.

Cuando comenzamos la segunda guerra mundial, haba un pequeo grupo de investigadores encabezados por Rowe interesado en el uso militar de una tcnica conocida como radio ubicacin que desarrollaron algunos cientficos civiles. Algunos consideran que se considera esta en el anlisis y solucin contra el bloqueo naval de Siracuso que Arquimides presentara al tirano de esa ciudad, justo antes de la primera guerra mundial desarrollo relaciones matemticas sobre la potencia balstica de las fuerzas opositoras, que si se resolva tomando en cuenta el tiempo, podan determinar el resultado de un encuentro militar. El xito de la investigacin de operaciones en la esfera de lo militar quedo bastante bien documentado hacia finales de la segunda guerra mundial. La investigacin de las operaciones Es una rama de las matemticas que consiste en el uso de modelos matemticos, estadsticos y algo rtmicos con el objeto de realizar un proceso de toma de decisiones. Frecuente mente, estudio de complejos sistemas reales como la finalidad de mejorar el funcionamiento en la toma de decisiones teniendo en cuenta los escases de recursos para determinar como se puede maximizar o minimizar los recursos. Concepto de optimizar: tambin denominada programacin matemtica, intenta dar respuesta a un tipo general de problemas de la forma. Max (min) f(x) Donde X= (X1Xn) es un vector y representa variables de decisin. F(x) es llamada funcin objetiva que representa o mide la cantidad de las decisiones. Un problema de optimizacin trata entonces de tomar una decisin optima para maximizar un criterio de terminado. Las restricciones significan que no cualquier decisin es posible. 1.2 MTODOS DE INVESTIGACIN DE OPERACIONES Entre algunos mtodos utilizados tenemos el mtodo de la rutina crtica y a la tcnica de la revisin y evaluacin de programas. En la ciencia de la administracin la cual es tambin conocida como investigacin de operaciones, la administracin utiliza las matemticas y las computadoras para tomar decisiones racionales en la resolucin de problemas.

Modelos de optimizacin La tcnica de la administracin se aplica a des categoras bsicas de los problemas los cuales son los siguientes: Problemas Determinanticos: son en los que la informacin necesaria para obtener una solucin se conoce como certeza. Problemas Estadsticos: Son en los que parten de la informacin necesaria no se conoce como certeza, sino que ms bien se comporta de una manera probabilstica.

Hace inv. S/ Las opera.

conduccin Y Coord. De act. Mtodo

Bsqueda optima cientfico

Sol. Optima Observacin

Naturaleza de la IO Y

De vista Formulacin Organizacional

Experimentos

Construccin de Modelos Matemticos

Impuestos: Repuesta tentativa a un proyecto

Optimizacin
Optimizar ---------- buscar -------- mejorar manera -------- actitudes
2

Modelos de optimizacin Optimizar Establecimiento Metas Seleccin de polticas Utilizar adecuadamente los recursos. Hacer un Esfuerzo maeramente bien hacer lo mejor posible

No Tenemos en cuenta Distribucin Necesidades de Recursos

si no Medio para generarlos

2 Guerra Mundial Gran Bretaa Planeacin

Toma de decisiones Innovacin operacional

Mtodo Simplex

George Danzing

2.1 PROGRAMACIN LINEAL Objetivo: aprender a desarrollar, resolver y analizar modelos matemticos para la toma de decisiones a travs de ejercicios prcticos. Optimizar- uso adecuado de los recursos. / hacer ms con menos
3

Modelos de optimizacin La programacin lineal es una clase de modelos de programacin matemtica designadas a la asignacin eficiente de los recursos limitados en actividades conocidas, con el objetivo de satisfacer las metas deseadas de maximizar utilidades o minimizar costos. La caracterstica de los modelos de programacin lineal es que las restricciones que se utilizan para su anlisis.

2.1.1 Estructura de los modelos matemticos de programacin lineal

Funcin Objetivo: define la medida de objetividad sistema como una funcin matemtica de sus variables de decisiones

Variables de decisiones: son las incgnitas resolver con la solucin de modelos matemticos. Normalmente representan a la mezcla de productos que se van a producir.

Parmetros: Son aquellos que representan a las variables controlables del sistema y estas pueden ser determinanticos, cuando estos se conocen y probabilsticos cuando no.

Restriccin: Son los limitantes del sistema, los cuales pueden limitarla solucin del mismo en su evaluacin factible.

Variables no negativas: Son las mismas variables de decisiones, solo que no indican que los resultados de estos no deben ser en ninguno de los casos negativos.

Variables del holgura: Son las variables que representan a cada una de los restricciones y se utilizan para analizar los resultados del modelo solucionado.

Los dos objetivos fundamentales que persigue una empresa desde el punto de vista del uso de los recursos son: Min (C) Costos
4

Modelos de optimizacin

Max (u) Utilidades

Modelo matemtico Forma cuantitativa Modulo

Modelo de Simulacin Entrada - salida

Modelo de Investigacin de Operaciones

Modelos formales Problemas cuantitativos Modelos de hoja de clculo electrnico Fcil de hacer y contestar

Modelo= representacin M = N ejemplo Modelo Heurstico: Se usa la intuicin busca la forma de solucionar problemas con la intuicin Modelo anlogo: Comparacin (Volvo, BMW) construccin de redes telefnicas Modelo Icnico: Maqueta modelo a escala *Manual del usuario

Metodologa I.O. -----------------------------------------------------------------------------

*Mtodo cientfico *Solucin optima

Estocstico Determinanticos
5

Ruta critica Evaluacin del Proyecto

Modelos de optimizacin *Objetivo *Apoyo *Experiencia Modelo de progresin matemtica------- Optimizacin 2.1. 2 METODOLOGIA DE LA INVESTIGACION DE OPERACIONES 1 Planteamiento del problema. 2 Desarrollo de un modelo matemtico 3 Solucin del modelo matemtico ( Identificar las variables) 4 Implementacin del modelo. 5 Valuacin (Satisfacer las necesidades) 6 Modificar el modelo si fuera necesario. 7 Control

2.1.3 FORMULACIN DE MODELOS DE PROGRAMACIN LINEAL

Ejercicio 1 Una empresa produce artculos de vidrio de alta calidad, incluyendo ventanas y puertas de vidrio. Tiene tres plantas: los marcos y molduras de aluminio se hacen en la planta 1, los marcos de madera se fabrican en la planta 2 y en la planta 3 se produce el vidrio y se ensamblan los productos. Debido a que las ganancias se han reducido, la alta administracin ha decidido reorganizar la lnea de produccin de la compaa. Se descontinuaran varios productos no rentables y se dejara libre una parte de la capacidad de produccin para emprender la fabricacin de 2 productos nuevos que tiene ventas potenciales. El producto 1 requiere parte de la capacidad de produccin para lo cual se identifico como requisito una hora en la planta 1 y tres horas en la planta 3. El producto 2 requiere 2 horas en la planta 2 y 2 horas en la planta 3.

Modelos de optimizacin De acuerdo con la planeacin llevada acabo por el gerente de produccin la empresa solo tiene disponible a la semana 4 horas en la planta 1, 12 horas en la planta 2 y 18 horas en la planta 3, para la realizacin de los nuevos productos. Se estimo $3,000 de ganancia por lote del producto 1 y $5,000 del producto 2. Usted como parte del equipo del gerente de la planta. 1. Qu cantidades de cada producto se deben elaborar como sugerencia? 2. Cuntas horas quedan en cada planta disponibles para utilizarlas en otra cosa? 3. Cul es la utilidad mxima que se obtienen al producir de acuerdo a la solucin del problema? MATRIZ DE DATOS PLANTA PRODUCTO I 1 2 3 Total 1 0 3 $3,000 PRODUCTO II 0 2 2 5,000
DISPONIBILIDAD EN TIEMPO EN CADA PLANTA

4 12 18

2.2 MTODO DE SOLUCIN 2.2.1 MTODO GRFICO. A. Maximizacin Variables de decisin: X1= producto I X2= producto II Max (U) = 3X1 + 5X2 RESTRICCIONES Sujeto a: Planta 1 X1

4
7

(4,0)

Modelos de optimizacin

10 9 8 7 6 E (0,6) 5 4

D (2,6)
2

3
2 1

REA DE
SOLUCIN

C (4,3)

0 (0,0) 1 2

A (4,0)
3 4 5 6

3 7 8 9 10

Planta 2 Planta 3

2X2 3X1 + 2X2 X1, X2 0

12 18

(0,6) (0,9) (6,0)

PARA C X1 = 4 3X1 + 2X2 = 18 2X2 = 18 -3 (4) X2 = 6/2 X2 = 3

8

PARA D X2 = 6 3X1 + 2X2 = 18 3X1 = 18 2 (6) X1 = 6/3 X1 = 2

CUADRO DE RESUMEN

Modelos de optimizacin
PUNTOS (0,0) (4,0) (4,3) (2,6) (0,6) 3X1 + 5X2 3 (0) + 5 (0) 3 (4) + 5 (0) 3 (4) + 5 (3) 3 (2) + 5 (6) 3 (0) + 5 (6) =U 0 12,000 27,000 36,000 30,000

Puertas =

X1 = 2

Ventanas = X2 = 6 $ 36,000 la mejor rentabilidad ANLISIS DE RESTRICCIONES Valores de holgura S1, S2.Sn 1. X1 4

X1 + S1 =4 2+S1 =4 S1= 4-2 S1 =2 2. 2X2 12

2X2 + S2 = 12 2(6) + S2 = 12 S2 = 12-12 S2 = 0 3. 3X1 + 2X2 18 = 18

3(2) + 2(6) + S3 S3 = 18 -6 -12

S3 =0
9

Modelos de optimizacin Ejercicio 2 La empresa el eterno descanso produce dos tipos de estuches para carnes fras, las cuales pasan por tres procesos: maquinado, armado y montaje. Par la elaboracin del estuche 1 se requiere hora en el departamento de maquinado, 4/3 de hora en el armado y no pasa por el departamento de montaje; el estuche 2 requiere1 hora en cada proceso. Las estimaciones realizadas por el departamento de produccin muestran beneficios netos (ingresos - costo variable de produccin) de $ 1,500 del estuche 1, y del estuche dos $ 2,000. El tiempo disponible en horas en cada uno de los departamentos son 100, 160 y 90 horas respectivamente. MATRIZ DE DATOS
PROCESO MAQUINADO ARMADO MONTAJE TOTAL ARTICULO 1 --$1,500 ARTICULO 2 1 1 1 $2,000 TIEMPO DISPONIBLE 100 160 90

MAX (U) = 1.5 X1 + 2.0 X2 Restricciones Sujeto a: Proceso 1 Si X1 = 0 (0) + 1 X2 = 100 1 X2 = 100 X2 =100/1 =100 (0,100) Proceso 2 Si X1 = 0 4/3 X1 + 1 X2 =160 X1 + 1 X2 =100 Si X2 = 0 X1 + 1 (0) = 100 X1 = 100 / 1/2 X1 = 200 (200,0) X2 = 160 (0,160)

4/3 (0) + 1 X2 = 160

Si X2 = 0
10

Modelos de optimizacin 4/3 X1 + 1 (0) = 160 X1 = 160 / 4/3 Proceso 3 1 X2 = 90 X2 = 90 (0,90) 180 160 140 120 100 80 (0,90 60 40 20 0 20 Maquinado Armado 40 60 80 100 120 140 160 180 200 220 REA DE SOLUCIN (20,90) (72,64) X1 = 120 (120,0)

X1 + 1 X2 = 100 (-1) 4/3 X1 + 1 X2 = 160

- X1 - X2

= -100

4/3 X1 + X2 = 160 5/6 X1 X1 =72 - X1 - X2 - X2 - X2 = -100 X1 + X2 X2 = 90 = 100 = 60

= -100 + (72) = - 64

X2 = 64

X1 = 100 90
11

Modelos de optimizacin X1 =10 / X1 = 20

CUADRO DE RESUMEN
(X1, X2) (0,0) (0,90) (20,90) (72,64) (120,0) 1,500 X1 + 2,000 X2 = 1,500 (0)+ 2,000 (0) 1,500 (0) + 2,000 (90) 1,500 (20) + 2,000 (90) 1,500 (72) + 2,000 (64) 1,500 (120) + 2,000 (0) Z 0 180,000 210,000 236,000 180,000

ANLISIS DE RESTRICCIONES Variables de holgura S1, S2.Sn 1. (72) + 64 +S1 = 100

S1 = 100 - 100 S1 =0 2. 4/3 (72) + 64 + S2 = 160

S2 = 160 -160 S2 = 0 3. X2 + S3 = 90

64 + S3 = 90 S3 = 90 64 S3 =26 B. MINIMIZACIN Ejercicio 1 MIN (C) = 3 X1 + 5 X2 2 X1 + X2 14 X1 + X2 12

12

Modelos de optimizacin X1 + 3X2 18 X1, X2 = 0 Restricciones Sujeto a: 1. 2 X1 + X2 14 Si X2 = 0 2 X1 + 1 (0) = 14 X1 = 14/ 2 X1 = 7 (7,0) 2. X1 + X2 12 Si X1 = 0 (0) + X2 = 12 X2 = 12 (0,12) 3. X1 + 3X2 18 Si X1 = 0 (0) + 3 X2 = 18 X2 = 18 / 3 X2 =6 (0,6) Si X2 = 0 X1 + 3 (0) = 18 X1 = 18 (18,0) Si X2 = 0 X1 + 1 (0) = 12 X1 = 12 (12,0)

Si X1 = 0 2 (0) + X2 = 14 X2 = 14 (0,14)

18 16 14 12 10 REA
13

(0,14) (7,0)

Modelos de optimizacin 8 6 4 2 0 2 4 6 8 10 12 14 16 18 20 (0,12) (12,0) (0,6) (18,0) DE SOLUCIN

X1 + X2 = 12 X1 + 3X2 = 18 X2 = 12 - 3X2 = - 18 - 2X2 = - 18 X2 = - 6 /2 = 3

X1 + X2 = - 12 X1 + X2 = 12 X1 = 12 - X2 X1 = 12 -3 X1 = 9

ANLISIS DE RESTRICCIONES Variables de holgura -T1, -T2.-Tn 1. 2 X1 + X2 14 2 (9) + 3 T1 = 14 21 T1 = 14 T1 = 14 21 T1 = - 7 2. X1 + X2 12

9 + 3 T2 = 12 12 T2 = 12 T2 = 12 12 T2 = 0 3. X1 + 3X2 18 9 + 9 T3 = 18
14

Modelos de optimizacin T3 = 18 - 18 T3 = 0 Ejercicio 2 Un ganadero desea saber cual es la cantidad adecuada de alimento que debe suministrar a su ganado para la engorda. De acuerdo a su experiencia debe darle 2 productos los cuales tengan un alto contenido de protenas y grasas, el primer producto contiene 6 gr. de protenas y el segundo 3 gr.; y de grasas el producto 1 debe contener 2 gr. y 9 gr. el segundo producto. De acuerdo a las restricciones de protenas se establece el contenido de las mismas en la mezcla debe conciliar entre 8 y 12 gr y la restriccin de las grasas debe estar entre 3 y 4 gr. De acuerdo a las cotizaciones y estudios que se han hecho 1 Kg. Del producto 1 cuesta $ 1. 00 y el producto 2 cuesta $3.00. Qu cantidad de cada producto se debe suministrar al ganado que cumpla con los requerimientos de protenas y grasas para minimizar el costo en su adquisicin? Solucin Producto I Producto II Min (c) X1 + 3x2
Prot. I 6x1 + 3x2 8 (0, 2.66) (1.33, 0) (0, 4) (2, 0) Grasas I Grasas II 2x1 + 9x2 3 2x1 + 9x2 4 (0, .33) (0, .44) (1.5, 0) (2, 0)

X1 X2

Prot. II 6x1 + 3x2 12

X1 , X 2
5 4.5 4 3.5 3 2.5 2 1.5 1 0.5 0 1 2 3 4

15

Modelos de optimizacin (-3) 6x1 + 3x2 8 2x1 + 9x2 3 _________________ -18x1 - 9x2 -24 2x1 + 9x2 3 _________________ -16 x1 -2 X1 -21 / 16 X1 1.3125 Sustituir en ecuacin 1 6x1 + 3x2 8 6(1.3125) + 3x2 8 7.875 + 3x2 8 3x2 8 7.875 X2 .125 / 3 X2 .041 (-3) 6x1 + 3x 2 8 2x1 + 9x2 4 ______________ -18x1 9x2 -24 2x1 + 9x2 4 _______________ -16x1 -20 x1 -20 / 16 x1 1.250 sustituir en ecuacin 1 6x 1 + 3x2 8 6(1.25) + 3x 2 8 7.5+ 3x 2 8 3x 2 8 7.5 X 2 .5 / 3 X 2 .16 CUADRO DE RESUMEN X1 (0, 0) (1.5, 0) (2, 0) (1.3125, .041) (1.250, .16) 2.2.2 METODO ALGEBRAICO MAX (Z) = 4x1 + 3x2 S.a: 6x1 + 12x2 120 8x1 + 4x2 64 X2 X1 + 3 X 2 = 0 + 3 (0) 1.5 + 3(0) 2 + 3(0) 1.3125 +3 (.041) 1.250 + 3 (.16) Z 0 1.5 2 1.435 1.73

S1 S2

PRIMERA ALTERNATIVA Se produce X1 =? X2 = 0 De ecuacin nm. 1 6x1 = 120 X1 = 120 / 6 X1 = 20

16

De ecuacin nm. 2 8x 1 = 64 x 1= 64 / 8 x1 = 8

Modelos de optimizacin Se elige el valor ms pequeo para saber que ecuacin se elegir 8x1 + 4x2 + S2 = 64 8x1 = 64 4x2 S2 X1 = 64 4x2 S2 ---- ----- ----8 8 8 X1 = 8 - .5x2 - .125 S2 Z = 4x1 + 3x2 = 4 (8) + 3(0) = 32 6x1 + 12x2 + S1 = 120 S1 = 120 6x1 12x2 S1 = 120 6 (8 +.5x2 - .125 S2) 12x2 S1 = 120 + 48 + 3x2 - .75 S2 12x2 S1 = 72 9x2 + .75 S2

17

RESUMEN X1= 8 X2= 0 S1= 72 S2= 0 Z = 32 SEGUNDA ALTERNATIVA Se produce X2 =? X1 = 0 De ecuacin 1 12x2 = 120 X2 = 120 / 12 X2 = 10 6x1 + 12x2 +S1 12x2 = 120 6x1 S1 X2 = 120 6x1 S1 ----- ---- ---12 12 12 X2 = 10 - .5x1 - .083 S1 Z = 4x1 + 3x2 = 4(0) + 3(10) = 30 RESUMEN X1 = 0 X2 = 10 S1 = 0 S2 = 24 Z = 30 TERCERA ALTERNATIVA Se produce X 1, X2 De ecuacin B 24 6x1 = 0 - 6x1 = -24 x1 = -24 / -6 x1 = 4 De ecuacin 2 4x 2 = 64 x 2 = 64 / 4 x 2 = 16 8x1 + 4x2 + S2 = 64 S2 = 64 8x1-4(10 - .5x1 - .083 S1) S2 = 64-8x1 40 + 2x1 + .332 S1 S2 = 24 6x1 + .332 S1 B A

De ecuacin A 10 - .5x1 = 0 -.5x1 = -10 X1 = -10 / -.5 X1 = 20 Sustituir X1 = 4 en A X2 = 10 - .5(4) X2 = 8 Z = 4x1 + 3x2 = 40 S1 = 0 S2 = 24 -6(4) = 0 RESUMEN

Z= 4(4) + 3(8)

X1 = 0 X2 = 10 S1 = 0 S2 = 24 Z = 30 2.2.3 MTODO SIMPLEX MAX (Z) = 4 X1 + 3X2 X1 + 1 X2 100 4/3 X1 + 1 X2 160 1 X2 90 FORMULA ESTNDAR Z - 4 X1 - 3X2 = 0 X1 + X2+S1 = 100 4/3 X1 + X2 + S2 = 160 X2 + S3 = 90 X1, X2, S1, S2, S3 0
VARIABLES BSICAS Z MATRIZ X1 COEFICIENTE X2 MATRIZ S1 MATRIZ S2 MATRIZ S3 SOLUCIN

X1 + X2 0

Z S1 S2 S3

1 0 0 0
Z

-4 1/2 4/3 0
X1

-3 1 1 1
X2

0 1 0 0
S1

0 0 1 0
S2

0 0 0 1
S3

0 100 160 90
SOLUCIN

Z S1 X1 X3

1 0 0 0

0 0 1 0

0 5/8 1

0 1 0 0

3 -3/8 0

0 0 0 1

480 40 120 90

PROCEDIMIENTO Max (z) = 4 X1 + 3X2 Variable que entra = X1 Variable que sale S1 = 100 / = 200 S2=160/ 4/3=120 S3=90 / 0=

(4/3) (4)

(0 (0 0

4/3 1 4 -4 0 1 1/2 0

1 3/4 3 -3 0 3/4 -3/8 5/8

0 0 0 0 0 0 0 1

1 3/4 3 0 3 3/4 -3/8 -3/8

0 0 0 0 0 0 0 0

160) 120) 480 0 480 120) -60 40

1 1

(1/2) +

(0 0 0

Rengln base

RESUMEN
X1= 120 X2=0 S1= 40 S2= 0 S3= 90 Z =480

MAX (Z) = 100 X1 + 120 X2 4 X1 + 8X2 480 5X1 + 6 X2 600 12X1 + 8 X2 540 X1 + X2 0

FORMA ESTNDAR Z - 100 X1 - 120X2 = 0 4 X1 + 8X2 +S1 = 480 5X1 + 6 X2 + S2 = 600 12X1 + 8 X2 + S3 = 540 X1, X2, S1, S2, S3 0

Variables bsicas Z S1 S2 S3

z 1 0 0 0 Z

X1 -10 4 5 12 X1 2

X2 -120 8 6 8 X2 1 0

S1 0 1 0 0 S1 1/8 -3/4

S2 0 0 1 0 S2 0 1

S3 0 0 0 1 S3 0 0

Solucin 0 480 600 540 Solucin 60 240

Z S2

0 0

MAX (Z) = 10X1 + 20 X2 X1 + 2X2 4 -2X1 + 3 X2 6 X1 + X2 0 Variables bsicas Z S1 S2 z 1 0 0 Z Z X2 S2 1 0 0

FORMA ESTNDAR Z - 10 X1 - 20X2 = 0 X1 + 2X2 +S1 = 4 -2X1 + 3 X2 + S2 = 6 X1 -10 1 -2 X1 0 -1/2 -1/2 X2 -20 2 3 X2 0 1 0 S1 0 1 0 S1 10 S2 0 0 1 S2 0 0 1 Solucin 0 4 6 Solucin 40 2 0

2.2.4 TRANSPORTE

METODO DE LA ESQUINA NOROESTE Una constructora gano una licitacin para la construccin de 3 carreteras ubicadas en Atlacomulco, Lerma y Tenango. La empresa tiene 3 plantas para satisfacer la demanda de grava ubicada en Toluca, Zinacantepec y Metepec, de acuerdo a los estudios realizados por los ingenieros son los siguientes: ORIGEN Toluca Zinacantepec Metepec DESTINO Atlacomulco Lerma Tenango

Los requerimientos de carga de camin de grava en Atlacomulco son 72, Tenango 41 y Lerma 102, y las capacidades de cada una de las plantas son 56 en Toluca, 82 en Zinacantepec y 77 en Metepec. Elabore un sistema de ruteo que defina las capacidades que se deben enviar de cada origen al destino para minimizar el costo del transporte. HASTA DESDE W X Z REQUERIMIENTOS 56*4=224 16*16=256 66*24=1584 36*16=576 24*41=984 Costo $3624 4 56 16 16 8 72 8 24 6616 36+ 102 8 16 + 24 4141 56 82 77 215 A B C CAPACIDAD

HASTA DESDE W X Z b FORMULA C=A+B B=C-A A=C-B

A 4 16 8 0 12

B 12 4 24 16 20

C 20 12 32 (16) 24 28

a -8 (4) -4

Sustitucin 41+36=77 66-41=25 41-41=0 41+0=41

HASTA DESDE W X Z REQUERIMIENTOS 56*4=224 16*16=256 25*24=600 41*16=656 77*16=1232 Costo $2968

A 4 5616 16+ 8 72

B 8 + 24 2516 77 102

C 8 16 41 24 41

CAPACIDAD 56 82 77

HASTA DESDE W X Z b 41*16=565 31*4=124 25*8=200 41*16=656 77*16=1232

A 4 16 8 0 12

B 12 4 24 16 20

C 4 -4 16 8 -6 12

a -8 (4) -4

Costo $2868 HASTA DESDE W X Z REQUERIMIENTOS A 4 16 12 4 0 4 3116 41 8 + 72 B 8 20 -4 16 4 8 25+ 24 16 77102 C 4 -4 16 12 -12 0 8 16 41 24 41 a (4) 16 12 56 82 77 A B C CAPACIDAD

W X Z b 56*8=448 41*16=656 31*8=248 46*16=276 41*16=656 Costo $2284

HASTA DESDE W X Z REQUERIMIENTOS A 4 -4 16 8

A 4 16 41 8 31 72 B 8 24 0 16

B 8 56 24 16 46 102

C 8 16 41 24 41 C 0 -8 16 8 -16

CAPACIDAD 56 82 77

W X Z

a 0 16 (8)

b 56*8=448 24*41=984 16*41=656 72*8=576 16*5=80 Costo $2774

2.2.5 METODO DE APROXIMACION DE VOGEL A W 4 B 8 C 8 ficticia 0 0 X 16 24 16 0 20 Z 8 16 24 0 0 72 Filas 4-0=4 16-0=16 8-0=8 102 241 Columnas 0-4=4 16-8=8 16-8=8 20 235 77 82 76

0-0=0 De los valores encontrados en las diferencias se elige el ms grande y en la fila o columna en el casillero que tenga el valor ms pequeo de la fila o columna que se selecciono se hace la asignacin mxima permitida y se elimina la fila o columna segn corresponda.

A W 4

B 8 76*

C 8

OFERTA 76 4

X Z DEMANDA

16 8 72 4

24 16 102 8

16 24 41 8

62 77 215

0 8

A X 16 0 Z 18 72* DEMANDA 72 8

B 24

C 16

OFERTA 62 0

16

24

77

26 8

41 8

B X X 24

A 24 21

C 16 41* 24 0 41 8

OFERTA OFERTA 62 21 5 5

16

16 5

DEMANDA DEMANDA

26 8

26

26

20*0=0 76*8=608 72*8=576 41*16=656 21*24=504 5*16=80 COSTO $2424

3.1 ASIGNACION (Minimizacin) La asignacin es un caso especial de la programacin lineal en donde existe igual nmero de orgenes y destinos. El objetivo de la asignacin es optimizar algn objetivo matemticamente. EJEMPLO.- Una constructora pretende construir 4 edificios, para ello a seleccionado a 4 contratistas los cuales con base a una investigacin se han presentado los siguientes costos (en miles de pesos). El problema consiste en determinar que edificio se le debe asignar a cada contratista, para lograr un mnimo costo en la construccin de los mismos. Los costos son los siguientes: 1 A B C D 48 56 96 42 2 48 60 94 44 3 50 60 90 54 4 44 68 85 46

1 A B C 6 14 54

2 4 16 50

3 0 10 40

4 0 24 41

1 A B C D 6 4 14 (0)

2 4 6 10 0

3 0 (0) 0 4

4 (0) 14 1 2

1 A B C D 2 (0) 10 0

2 0 2 6 (0)

3 0 0 (0) 8

4 (0) 14 1 6

A 4=44 B 1=56 C 3=90 D 2=44 234000 Una fabrica tiene 4 maquinas, de las cuales se hacen 3 trabajos, cada trabajo puede asignar solo a una maquina. El costo de cada trabajo y de cada mquina es el siguiente:

W A B C D 18 8 10 0

X 24 13 15 0

Y 28 17 19 0

Z 32 19 22 0

W A B C D (0) 0 0 0

X 6 5 5 0

Y 10 9 9 0

Z 14 11 12 (0)

W A B C D (0) 0 0 5

X 1 (0) 0 0

Y 5 4 4 0

Z 9 6 7 (0)

W A B C D (0) 0 0 5

X 1 (0) 0 0

Y 1 0 (0) 0

Z 5 2 3 (0)

A=48 B=13 C=19 50

3.2 Maximizacin
Un administrador enfrenta el problema de asignar 4 nuevos mtodos de 3/2 de produccin. La asignacin de nuevos mtodos aumenta las utilidades, segn las cantidades mostradas en la siguiente tabla. Determine la asignacin ptima si solo se puede asignar un mtodo a un medio de produccin.
Metodo De produccin A B C D Medios de Produccin 1 12 10 11.5 13 2 9 11 10 12 3 13.5 12.5 10 10.5 4 0 0 0 0

Mtodo Medios de Produccin De produccin 1 2 3 4 A B C D 1.5 3.5 2 .5 4.5 2.5 3.5 1.5 0 1 3.5 3 13.5 13.5 13.5 13.5

Mtodo Medios de Produccin De produccin 1 2 3 4 A B C D 1 3 1.5 (0) 3 1 2 0 (0) 1 3.5 3 0 0 (0) 0

Mtodo Medios de Produccin De produccin 1 2 3 4 A B C D 1 2 .5 (0) 3 (0) 1 0 (0) 0 2.5 3 1 0 (0) 1

1. Se elige el nmero ms grande y se le restan los valores de los cuadros. 2. Se resta el numero mas pequeo de los que no se encuentran divididos por una lnea y se suma donde cruzan las lneas A=13.5 B=11 C=0 D=13 37.5
Una compaa transportadora dispone de 5 camiones situados en las ciudades A, B, C, D, E. Se requiere de un camin las ciudades F, G, H,I, J ,K cuando debe de ser el kilometraje mnimo recorrido que para obtener el mnimo de tiempo. Suponga que el problema anterior trata de la maximizacin de utilidades, en este caso cual debe ser la asignacin optima que maximic el objetivo.

F A B C D E X 20 15 18 8 12 0

G 15 32 15 24 20 0

H 26 46 2 12 18 0

I 40 26 12 22 10 0

J 32 28 6 22 22 0

K 12 20 14 20 15 0

F A B C D E X F A B C D E X 20 1 (0) 16 10 0 G 25 14 3 (0) 2 0 H 14 (0) 16 12 4 0 I (0) 20 6 2 12 0 J 8 18 12 2 (0) 0 K 28 26 4 4 7 (0) 26 31 28 38

G 31 14 31 22

H 20 0 44 34 28 46

I 6 20 34 24 36 46

J 14 18 40 24 24 46

K 34 26 32 26 31 46

A = 26 40 34 B = 46 46 46 C = 18 D = 24 E = 22 F=0

Total = 150

4.1 ADMINISTRACION DE INVENTARIOS FUNCION DE LOS INVENTARIOS: Separar varias partes del proceso de produccin, separa a la empresa de las fluctuaciones de la demanda, aprovechar los descuentos por cantidad, protegerse contra las inflaciones y los precios INVENTARIOS ABC Este tipo de inventario divide a los procesos en tres grupos: El grupo numero uno que se clasifica como A, representando el 20% de los productos y entre el 70y 80% de las ventas. El grupo B representa el 30% de los productos y entre el 10 y 15% de las ventas.

El grupo C los cuales representan el 5% de las ventas y el 50% de los productos. Para hacer esta clasificacin el procedimiento es el siguiente: 1. Se mide la demanda de cada artculo en el inventario y se multiplica por su costo 2. Se hace la clasificacin y se muestra grficamente el resultado. Una empresa organiza 10 artculos de su inventario segn su volumen anual en pesos, a continuacin se ilustran los artculos, la demanda anual, entre otros factores. Clasifquelos en un inventario ABC y muestre su grafica Articulo 10286 11526 12760 10867 10500 12572 14075 01036 01307 10572 Vol. Anual 1000 500 1550 350 1000 600 200 100 1200 250 Costo x unidad 90 154 17 42.86 12.5 14.17 .60 8.5 .42 .60 Volumen $ 90000 77000 26350 15001 12500 8502 1200 850 504 150 % volumen 38.78 33.18 11.35 6.46 5.38 3.66 .51 .36 .60 .60 Vtas Clasificacin acumulada 38.78 71.96 83.31 89.77 95.15 98.81 99.32 99.68 99.74 100 A A B B B C C C C C

71.96% Alta rotacin 23.19% rotacin media 4.65% nula rotacin

GRAFICA DE PARETTO

4.2 TAMAO DEL LOTE ECONMICO (EOQ) Costo total = (Q / 2) k c + (D / Q) k Rotacin = 2 D /Q Tiempo entre cada pedido= 1 / R (365) 1. La demanda para un producto de una empresa es de 3000 us al ao de costo de mantenimiento del inventario es de $3 por unidad y el otro de hacer un pedido es de $5 con base a esta informacin: a) Determine la cantidad econmica que se debe ordenar b) El costo total de este periodo c) La rotacin de los inventarios d) Cada cuantos das se debe hacer 1 pedido

Demanda = 3000 Kc = 3.00 K = 55 100 (5) = 300 Costo Total = 100 / 2 (3) + 3000 /

Q= 2 D K / KC

Rotacin = 2 (3000) / 100 = 60

Q= 2(3000) (5) / 3 = 6.08

Tiempo entre los pedidos = 365 / 60

FORMULAS EMPLEADAS Q1=100 R = 2 (D) / Q T = 365 / R 2. Tome como referencia el anterior ejercicio tomando el precio de venta de $15.00 Hay una diferencia de costos bajo este supuesto? Kc = 3 / 15 = 0.2 D = 3000 (15) D = 45000 Q= 2 (45000) (5) / 0.2 Q =1500 CT = 1500 / 2 (.2) + 45000 / 1500 (5) CT = 150 + 150 = 300 4.3 DESCUENTOS POR VOLUMEN O CANTIDAD Kc = (P Desc / P) Kc Kc = costo de mantener el inventario con descuento Beneficio incremental del descuento = D (descuento) (-) costo incremental del inventario ms alto = Kc (Q 2 / 2) Kc (Q 2 / 2) (+) Beneficio incremental de los costos reducidos K = (P / Q 1 D / Q 2) Beneficio neto del descuento = beneficio incremento de descuento-costo incremental del inventari ms alto + beneficios netos del descuento.

1. Tome como referencia el problema 1 y considere que un proveedor le ofrece un descuento de $1.00 por unidad si compra mas de 100 us de una sola vez o ms de 1000 us, le conviene aceptar el descuento a la empresa?. D= 3000 K= 5 Kc= 3 P= 15 Q1= 100 us Q2= 1000 us Beneficio Incremental de Descuento = 3000 ($1) = 3000 Costo Incremental del inventario ms Alto = 2.8 (1000 / 2) - 3 (100 / 2)= 1250 Benfico Incremental de los Costos Reducidos= 5 (3000 / 100 3000 / 1000)= 135 Beneficio Neto del Descuento= 3000 1250 + 135= 1885 4.4 PEDIDOS POR CUPO ANUAL La empresa esta buscando la posibilidad de unirse a una cooperativa la cual cobra un costo de afiliacin de $200 al ao. Esta afiliacin le permite a la empresa reducir el costo de hacer un pedido de $5 a $1.25 le conviene a la empresa unirse a la cooperativa. K= 1.25 Rotacin= 60 T= 365 / 120 = 3.04 CT1 = 300 CT2 = (50 / 2)3 + (3000 / 50)50 = 150 Costo de la Cooperativa= $200 4.5 PUNTO DE REORDEN Punto de Reorden / Modelos de Costo con faltantes Ku= Costo del Faltante R= Punto de Reorden M= Num. de Us de la Demanda durante el Periodo de Produccin M= Num. de Us Promedio que se Requieren durante el Periodo de Produccin Ahorro= 300 150 = 150 Q= 2 (3000) (1.25) / 3 = 50 R= 2(3000) / 50 = 120 Kc= 2.8 Kc= (15 1 / 15) 3

&M= Desviacin Estndar de la Demanda durante el Tiempo de Produccin F (R)= 1 Kc (Q) / Ku (D) M= No. Us producidas al ao / No. de das laborables R= M + Z + &M F (R)= Probabilidad de que falte una us. en el Inventario Cul es el punto de reorden para una empresa cuya demanda anual es de 1800us., el costo de hacer un pedido es de $10, el costo de mantener una unidad en el inventario es de $.60 y el tiempo de produccin para el reabastecimiento es de 20dias con un promedio de 100us por pedido, una desviacin estndar 30us. y el costo de una unidad faltante de $5.? D=1800 K= 10 Kc= .6 Ku= 5 M= 100us. TM= 30 R=100 + 2.14 (30) = 164 F (R)= 1 .6 (245) / 5 (1800) = .9836 Q= 2 (1800) (10) / .6 = 245

BIBLIOGARFIA

1. Bonini, Hasman y Bierman. Anlisis Cuantitativo para los Negocios. 9 Edicin, Irwin, Mc Graw- Hill, Colombia 2000. 2. Camacho, Quiroz Arturo. Principios de Investigacin de Operaciones para Contadura y Administracin , Ed. ECAFSA, Mxico 2000. 3. Moskowitz, Herbert. Investigacin de Operaciones. Ed. PrenticeHall Mxico 1999. 4. Hiller, Frederik S. Introduccin a la Investigacin de Operaciones. 5. Bamdy, Taha. Investigacin de Operaciones, una Introduccin. Presentacin y servicios de Ingeniera, S. A.