2014
POLITECNICO GRAN COLOMBIANO
DIVISIN DE INGENIERAS FACULTAD DE INGENIERA INDUSTRIAL
Modulo: INVESTIGACION DE OPERACIONES
Marisol Segura
Sansn Hernando Quevedo Penilla
Cristian Mauricio Montaa Correa
POR:
PARA:
POLITECNICO GRANCOLOMBIANO
INSTITUCIN UNIVERSITARIA
BOGOTA
2013
POLITECNICO GRAN COLOMBIANO
DIVISIN DE INGENIERAS FACULTAD DE INGENIERA INDUSTRIAL
Modulo: INVESTIGACION DE OPERACIONES
Marisol Segura
Sansn Hernando Quevedo Penilla
Cristian Mauricio Montaa Correa
CONTENIDO
Introduccin.3
Justificacin ........................................................................................................ 3
Conceptos .......................................................................................................... 5
Programacin por metas....6
Procedimiento..7
Formulacin de la funcin objetivo..9
Ejemplo 1............................................................................................................10
reas donde se aplica la programacin por metas16
Ejemplo 2...16 2
Conclusiones ............................................................................................... . 18
BIBLIOGRAFA 19
POLITECNICO GRAN COLOMBIANO
DIVISIN DE INGENIERAS FACULTAD DE INGENIERA INDUSTRIAL
Modulo: INVESTIGACION DE OPERACIONES
Marisol Segura
Sansn Hernando Quevedo Penilla
Cristian Mauricio Montaa Correa
INTRODUCCIN
Marisol Segura
Sansn Hernando Quevedo Penilla
Cristian Mauricio Montaa Correa
JUSTIFICACIN
En programacin lineal, se elige una meta como funcin objetivo y las otras metas
se especifican como restricciones. Cualquier solucin a un problema de
programacin lineal, debe satisfacer todas las restricciones antes de optimizar la
funcin objetivo.
Marisol Segura
Sansn Hernando Quevedo Penilla
Cristian Mauricio Montaa Correa
CONCEPTOS
Marisol Segura
Sansn Hernando Quevedo Penilla
Cristian Mauricio Montaa Correa
Marisol Segura
Sansn Hernando Quevedo Penilla
Cristian Mauricio Montaa Correa
f (x) + n p = t
i i i f (x) + n p = t
Los valores de las variables de desviacin son siempre positivas o cero, al menos
Una de las dos variables de desviacin que definen la meta tendr que ser cero.
Las dos variables de desviacin tomarn el valor cero cuando la meta alcance
exactamente su nivel de aspiracin, ti.
Marisol Segura
Sansn Hernando Quevedo Penilla
Cristian Mauricio Montaa Correa
Funcin Objetivo (F.O.): Para seleccionar que funcin objetivo debe elegirse se
toma en cuenta lo siguiente:
Restricciones:
Marisol Segura
Sansn Hernando Quevedo Penilla
Cristian Mauricio Montaa Correa
Finalmente las restricciones deben tener las mismas unidades en tanto en su lado
izquierdo como derecho. La no negatividad de algunas variables son muy
importante para definir la solucin de algunos modelos, por lo tanto se dice que
todas las variables son >=0.
9
Objetivos conmensurables de igual importancia: este es el caso ms sencillo,
aunque muy pocas veces se encuentra en la prctica. Aqu los objetivos se miden
en una escala comn (conmensurables y tienen la misma importancia.
Marisol Segura
Sansn Hernando Quevedo Penilla
Cristian Mauricio Montaa Correa
Quizs no sea una tarea fcil dar un rango a los objetivos de acuerdo con su
importancia pero es algo que la mayora de las personas entienden y pueden
lograr.
En la programacin por objetivos se le asigna la prioridad P1, al objetivo ms
importante, siguiendo P2 a una prioridad ms baja.
No existe lmite en el nmero de niveles de prioridad pero debe asignarse una
prioridad para cada variable de desviacin. Se permiten empates o prioridades
iguales.
Los problemas de programacin por meta se resuelven en orden de prioridad. Es
decir, se prueba la optimizacin en el nivel de prioridad ms alto ignorando las
prioridades ms bajas hasta optimizar este nivel.
EJEMPLO PRCTICO 1
Ambos productos emplean una libra de una resina rpidamente perecedera para
cada rollo de producto para laminar.
La empresa tiene pedidos existentes para 100 rollos de Corrugado Onda C y 120
rollos de Corrugado Onda E.
En condiciones normales, el proceso de produccin opera 8 horas al da, 5 das a
la semana. Los administradores pretenden programar la produccin para las dos
semanas siguientes con objeto de lograr las siguientes metas:
POLITECNICO GRAN COLOMBIANO
DIVISIN DE INGENIERAS FACULTAD DE INGENIERA INDUSTRIAL
Modulo: INVESTIGACION DE OPERACIONES
Marisol Segura
Sansn Hernando Quevedo Penilla
Cristian Mauricio Montaa Correa
Restricciones: 20x1+30x2-p1+n1=1800
20x1+30x2-p2+n2=6000
X1 -p3+n3=100
X2-p4+n3=120
X1+ X2-p5+n5=300
Marisol Segura
Sansn Hernando Quevedo Penilla
Cristian Mauricio Montaa Correa
*La segunda restriccin significa que no se debe exceder en 20h la utilizacin del
sistema que normalmente operara 8x10=80h, 80+20=100h,
100hx60min=6000min.
*La tercera hace referencia a producir por lo menos la cantidad demandada del
Corrugado en rollo Onda C (100 rollos).
*La cuarta significa que al menos se debe producir la cantidad demandada del
Corrugado E (120 rollos).
*La quinta significa que se debe emplear al menos toda la cantidad de resina que
hay en el almacn.
Restricciones RHS d+ d- 12
C1 1800 4200 0
C2 6000 0 0
C3 100 20 0
C4 120 0 0
C5 300 0 60
Marisol Segura
Sansn Hernando Quevedo Penilla
Cristian Mauricio Montaa Correa
Por ltimo la quinta meta no se ha podido satisfacer del todo debido a que se han
dejado sin utilizar 60 libras de resina.
a) PROGRAMACIN LINEAL
Minimizar: x4+x5+x8+x10+x12
Restricciones: 20x1+30x2-x3+x4=1800
20x1+30x2-x5+x6=6000
X1-x7+x8=100
13
X2-x9+x10=120
X1+x2-x11+x12=300
Solucin:
La solucin es producir 120 Rollos de Corrugado C, y 120 Rollos de Corrugado E.
Produciendo durante 4200 minutos ms sobre los que se considera el sistema
infrautilizado.
Por otro lado tambin estaramos produciendo 20 Rollos de Onda C, ms de los
que se haban demandado.
Marisol Segura
Sansn Hernando Quevedo Penilla
Cristian Mauricio Montaa Correa
Minimizar: 3x4+3x5+2x8+2x10+1x12
A) minimizar: 1x4+1x5
14
Restricciones: 20x1+30x2-1x3+1x4=1800
20x1+30x2-1x5+1x6=6000
Solucin: X2=200
X3=4200
X4=x5=0
B) minimizar: 1x8+1x10
Restricciones: 20x1+30x2-1x3=1800
20x1+30x2+1x6=6000
POLITECNICO GRAN COLOMBIANO
DIVISIN DE INGENIERAS FACULTAD DE INGENIERA INDUSTRIAL
Modulo: INVESTIGACION DE OPERACIONES
Marisol Segura
Sansn Hernando Quevedo Penilla
Cristian Mauricio Montaa Correa
1x1-1x7+1x8=100
1x2-1x9+1x10=120
Solucin: X2=133.33
X9=13.33
X1=100
X3=4200, X8=X10=0
C) Minimizar: 1x12
Restricciones: 20x1+30x2-x3=1800
20x1+30x2+1x6=6000
1x1-1x7=100 15
1x2-x9=120
1x1+1x2-1x11+1x12=300
Solucin: X1=120
X2=120
X3=4200
X7=20
X11=60, X12=0
Marisol Segura
Sansn Hernando Quevedo Penilla
Cristian Mauricio Montaa Correa
METODOS DE SOLUCION
30x1+25x2+n1-p1=500000
POLITECNICO GRAN COLOMBIANO
DIVISIN DE INGENIERAS FACULTAD DE INGENIERA INDUSTRIAL
Modulo: INVESTIGACION DE OPERACIONES
Marisol Segura
Sansn Hernando Quevedo Penilla
Cristian Mauricio Montaa Correa
0,03x1+0,05x2+n2-p2=48
0,001x1+n3-p3=0,4
0,002x2+n4-p4=0,3
30x1+25x2+n5-p5=500000
0,03x1+0,05x2+n6-p6=48
Luego:
MinZ=w1 (p1/500000)+w2 (p2/48)+w3 (n3/0,4)+w4 (n4/0,3)+w5 (p5/500000)+
w6 (p6/48)
Al estar desequilibrados los coeficientes de las variables en la funcin
objetivo, hemos decidido, incrementar el peso de las ms desequilibradas
para que las variables tengan ms o menos el mismo peso.
Sujeto a:
30x1+25x2+n1-p1=500000
0,03x1+0,05x2+n2-p2=48 17
0,001x1+n3-p3=0,4
0,002x2+n4-p4=0,3
30x1+25x2+n5-p5=500000
X2=X4=X5=X6=X7=X9=X10=X12=X14=0
Comentario Final:
Para que se cumplan los deseos del Gestor de la Cadena Televisiva, es decir,
Maximizar la Audiencia y Minimizar los Costes, y segn los resultados obtenidos,
y minimizando las Variables Indeseadas, obtenemos:
El nmero de personas con dificultades econmicas adecuado del anuncio
durante la retransmisin del Ftbol, deber ser de 40.9%.
El nmero de toxicmanos con el tratamiento deber reducir un 20%.
El nmero de afectados, deber disminuir el 22,8%.
POLITECNICO GRAN COLOMBIANO
DIVISIN DE INGENIERAS FACULTAD DE INGENIERA INDUSTRIAL
Modulo: INVESTIGACION DE OPERACIONES
Marisol Segura
Sansn Hernando Quevedo Penilla
Cristian Mauricio Montaa Correa
EJEMPLO PRCTICO 2
Se dedica, de media, tres horas para atender a un menor y cinco horas para una 18
mujer maltratada
Recursos humanos y horarios:
25 trabajadores sociales
8 horas diarias
5 das a la semana
52 semanas al ao
-4 semanas de vacaciones
Max x1+x2
POLITECNICO GRAN COLOMBIANO
DIVISIN DE INGENIERAS FACULTAD DE INGENIERA INDUSTRIAL
Modulo: INVESTIGACION DE OPERACIONES
Marisol Segura
Sansn Hernando Quevedo Penilla
Cristian Mauricio Montaa Correa
Min 25000x1+35000x2
Min 30x1+50x2
Sujeto a:
X1>=400
X2>=300
25000x1+35000x2<=50.000.000
30x1+50x2<=48000
* Conjunto factible:
1428,57 19
960
(400,720)
300 (1100,300)
(400
,300)
Marisol Segura
Sansn Hernando Quevedo Penilla
Cristian Mauricio Montaa Correa
MERCADEO.
Donde las metas conflictivas podran ser: maximizar la participacin del mercado,
minimizar los costos de publicidad, maximizar el margen de ganancia por artculo
vendido.
CONTROL DE INVENTARIOS.
Donde es necesario minimizar el nmero de faltantes y minimizar el costo de
almacenaje.
POLITECNICO GRAN COLOMBIANO
DIVISIN DE INGENIERAS FACULTAD DE INGENIERA INDUSTRIAL
Modulo: INVESTIGACION DE OPERACIONES
Marisol Segura
Sansn Hernando Quevedo Penilla
Cristian Mauricio Montaa Correa
PRODUCCION.
Donde es necesario minimizar el costo de fabricacin, maximizar el control de
calidad, y maximizar la utilizacin de recursos.
Un mtodo para obtener la clasificacin de importancia es la comparacin por
pares.
Al tomador de decisiones se le presentan todos los pares posibles y se le
pregunta, qu meta de cada par es ms importante.
A cada meta se le da una clasificacin basada en el nmero de veces que la meta
tiene la clasificacin ms alta en las comparaciones por pares.
Si el tomador de decisiones es consistente, la meta ms importante debera tener
el rango ms elevado en las n-1 comparaciones apareadas (donde n es el nmero
de metas), la siguiente mejor deber tener la clasificacin ms alta en n-23 metas
y as sucesivamente.
21
ALGORITMOS
Tener claro el proceso digestivo, no implica que los alimentos consumidos nutran
ms. La familiaridad de lo cotidiano impide a las personas ver muchos algoritmos
que se suceden a su alrededor.
Marisol Segura
Sansn Hernando Quevedo Penilla
Cristian Mauricio Montaa Correa
Algoritmos Secuenciales:
Algoritmos no secuenciales
La rama del saber que mayor utilizacin ha hecho del enfoque algortmico es las
matemticas.
Son abundantes los ejemplos: mximo comn divisor, teorema de Pitgoras, reas
de figuras geomtricas, divisin, suma de nmeros fraccionarios, etc. Todos estos
algoritmos matemticos independizan los datos iniciales del problema de la
estructura de su solucin, lo que permite su aplicacin con diferentes conjuntos de
datos iniciales (variables).
POLITECNICO GRAN COLOMBIANO
DIVISIN DE INGENIERAS FACULTAD DE INGENIERA INDUSTRIAL
Modulo: INVESTIGACION DE OPERACIONES
Marisol Segura
Sansn Hernando Quevedo Penilla
Cristian Mauricio Montaa Correa
Obsrvese que no se especifica cules son los dos nmeros, pero si se establece
claramente una restriccin: deben ser enteros y positivos
Paso 1: Inicio.
Paso 2: Leer los dos nmeros (a y b). Avanzar al paso 3.
Paso 3: Comparar a y b para determinar cul es mayor.
Avanzar al paso 4.
Pensamiento Computacional,
Pensamiento Algortmico
Pensamiento Procedimental.
POLITECNICO GRAN COLOMBIANO
DIVISIN DE INGENIERAS FACULTAD DE INGENIERA INDUSTRIAL
Modulo: INVESTIGACION DE OPERACIONES
Marisol Segura
Sansn Hernando Quevedo Penilla
Cristian Mauricio Montaa Correa
Comprensible: Debe ser claro lo que hace, de forma que quien ejecute los
pasos (ser humano o mquina) sepa qu, cmo y cundo hacerlo. Debe existir un
procedimiento que determine el proceso de ejecucin.
Cuando se ejecuta varias veces, con los mismos datos iniciales, el resultado debe
ser el mismo siempre.
Marisol Segura
Sansn Hernando Quevedo Penilla
Cristian Mauricio Montaa Correa
CONCLUSIONES
Pero estos dos casos, junto con la Programacin No Lineal (que se basa en
supuestos de no linealidad) trabajan considerando una nica funcin objetivo.
Marisol Segura
Sansn Hernando Quevedo Penilla
Cristian Mauricio Montaa Correa
varios objetivos que pueden ser total o parcialmente conflictivos, de manera que la
mejora en cualquiera de ellos puede empeorar el valor de otros. Por tanto, en el
caso de objetivos mltiples no es aplicable el concepto anterior de ptimo ya que
una solucin que maximice un objetivo, en general, no maximizar los restantes
objetivos. Esto supone que en vez de buscar una solucin ptima se busque un
conjunto de soluciones eficientes. Estamos, por tanto, ante la Programacin
Multiobjetivo.
Marisol Segura
Sansn Hernando Quevedo Penilla
Cristian Mauricio Montaa Correa
El tiempo ser necesario para dar ese servicio; es por eso que esas decisiones
implican dilemas que hay que resolver con informacin escasa. Estar preparados
para ofrecer todo servicio que se nos solicite en cualquier momento puede implicar
mantener recursos ociosos y costos excesivos. Pero, por otro lado, carecer de la
capacidad de servicio suficiente causa colas excesivamente largas en ciertos
momentos. Cuando los clientes tienen que esperar en una cola para recibir
nuestros servicios, estn pagando un coste, en tiempo, ms alto del que
esperaban. Las lneas de espera largas tambin son costosas por tanto para la 27
empresa ya que producen prdida de prestigio y prdida de clientes.
TALLER
Un ejemplo de PM planteado y resuelto, con un anlisis breve de los resultados
obtenidos, EN EL ARCHIVO EN EXCEL, para satisfacer la programacin de la
produccin en las planta que ensambla partes de corrugados en un trimestre
deber proveer y satisfacer la demanda.
POLITECNICO GRAN COLOMBIANO
DIVISIN DE INGENIERAS FACULTAD DE INGENIERA INDUSTRIAL
Modulo: INVESTIGACION DE OPERACIONES
Marisol Segura
Sansn Hernando Quevedo Penilla
Cristian Mauricio Montaa Correa
Demanda de producto
Planta 1 Planta 2
Producto febrero Marzo Febrero Marzo
1 3600 6300 4900 4200
2 4500 5400 5100 6000
Costo de produccin
Planta 1 Planta 2
Producto Proceso 1 Proceso 2 Proceso 1 Proceso 2
1 62 59 61 65
2 78 85 68 6000
Tasa de produccin
Planta 1 Planta 2
Producto Proceso 1 Proceso 2 Proceso 1 Proceso 2
1 100 140 130 110
2 120 150 160 130
Costos de transportacin
28
Producto 1 Producto 2
regin Proceso 1 Proceso 2 Proceso 1 Proceso 2
1 0 9 0 7
2 9 0 7 0
Costo Cantidad
Ingresos Almacenamiento almacenada
1 $ 83 1 $3 0 0
2 $ 112 2 $4 0 0
Demanda satisfecha
Planta 1 Planta 2
Producto Proceso 1 Proceso 2 Proceso 1 Proceso 2
1 0 0 0 0
2 2400 2760 3200 3680
Capacidad usada
Planta 1
POLITECNICO GRAN COLOMBIANO
DIVISIN DE INGENIERAS FACULTAD DE INGENIERA INDUSTRIAL
Modulo: INVESTIGACION DE OPERACIONES
Marisol Segura
Sansn Hernando Quevedo Penilla
Cristian Mauricio Montaa Correa
Cantidad almacenada
Planta 1 0
Planta 2 0
Cantidad producida que ser vendida en la region1 con proceso 1
Planta 1 Planta 2
Producto febrero Marzo Febrero Marzo
1 0 0 0 0
2 2400 2760 3200 3880
Cantidad producida que ser vendida en regin 2 con proceso 1
Planta 1 Planta 2
Producto febrero Marzo Febrero Marzo
1 0 0 0 0
2 0 0 0 0
Cantidad producida que ser vendida en regin 1 con proceso 2
Planta 1 Planta 2
29
Producto febrero Marzo Febrero Marzo
1 0 0 0 0
2 0 0 0 0
Cantidad producida que ser vendida en regin 2 con proceso 2
Planta 1 Planta 2
Producto febrero Marzo Febrero Marzo
1 0 0 0 0
2 0 0 0 0
Das
hbiles Lmite de almacenamiento
Febrero 20 1000
Marzo 23
Ingresos 1348480
Costo de produccion 1014800
Costo de transporte 0
Costo de
almacenamiento 0
POLITECNICO GRAN COLOMBIANO
DIVISIN DE INGENIERAS FACULTAD DE INGENIERA INDUSTRIAL
Modulo: INVESTIGACION DE OPERACIONES
Marisol Segura
Sansn Hernando Quevedo Penilla
Cristian Mauricio Montaa Correa
BIBLIOGRAFA
Marisol Segura
Sansn Hernando Quevedo Penilla
Cristian Mauricio Montaa Correa
INFOGRAFA
http://sai.azc.uam.mx/apoyodidactico/po/Unidad1/poo1.html
http://www.invope.com/programacion-por-metas-definicion/
http://www.invope.com/asignacion-de-personal-casos/#more-61
www.eduteka.org/GuiaAlgoritmos.php
31