Investigación de operaciones I
Ingeniería Industrial
Catedrático: ING.
Alumno:
Hora: 10am-12pm
1
Contenido
Introducción. ...................................................................................................................................... 3
Aplicaciones ........................................................................................................................................ 5
Definición ............................................................................................................................................. 7
WinQSB ......................................................................................................................................... 14
TORA ............................................................................................................................................. 14
LINGO ............................................................................................................................................ 14
LINDO ............................................................................................................................................ 15
CONCLUSIONES. ............................................................................................................................ 15
Bibliografías. .................................................................................................................................... 16
Bibliografía …………………………………………………………………………………………………………………………44
2
Introducción.
Investigación de operaciones es una materia que nos sirve para resolver distinto
problemas en los cuales se refiere en la búsqueda de una solución óptima y de
igual forma tomar la mejor decisión a un problema, para el manejo de esta misma
se utilizan distintos métodos de resolución de problema; esta materia surgió de la
necesidad del hombre, ya que todas estas diversas técnicas iniciaron en base la
segunda guerra mundial, para buscar la forma de minimizar los recursos.
3
3.1 Introducción y casos de aplicación de la
programación entera.
Por ejemplo, pueden ser variables que toman valores 0 o 1(binarias), o variables
que toman valores enteros no negativos (0, 1,2,...), etc. Tras introducir el tipo de
problemas se dedica un importante apartado para presentar las posibilidades de
modelado que esta herramienta proporciona: problemas binarios, problemas de
carga, problemas con restricciones condicionales o con dicotomías, etc. Tras
dedicar una parte importante del tema a presentar estas herramientas de
modelado y a plantear numerosos problemas con ellas se procede a mostrar dos
métodos de resolución. Uno de ellos dedicado a problemas en los que todas las
variables son binarias y otro para problemas generales. Ambos métodos tienen en
común que desarrollan un proceso de enumeración que permite comprobar
4
explícita o implícitamente todas las soluciones del problema hasta encontrar la
óptima, y entran dentro del tipo de métodos de ramificación y acotación.
Aplicaciones
Las aplicaciones de la programación entera son las siguientes:
5
Problemas con costos fijos. Todos los problemas que en su función de
costo influyen un costo fijo del siguiente tipo pertenecen al grupo de
problemas enteros. Este tipo de costos aparecen frecuentemente en
problemas de transportes, inventarios, localización de plantas, distribución
geográfica de electores, etc.
Problemas de cubrimiento y partición de un conjunto. Este tipo de modelos
de carácter entero se ha utilizado en problemas de acceso de información,
programación de entrega de paquetería por transporte terrestre, distribución
política electoral, problemas matemáticos de coloración y programación de
horarios de tripulación aéreos, ferrocarrileros, terrestres y marítimos.
Dicotomías y problemas de aproximación. Una dicotomía ocurre en un
programa matemático cuando se tienen condiciones de tipo esta restricción
o la otra restricción, pero no ambas. Este tipo de condiciones se pueden
representar por medio de una estructura entera.
j) Balance de líneas de producción. Este tipo de problemas consisten en
decidir qué actividades deben se desempeñadas por cada trabajador, a
medida que un producto se desplaza por una línea de producción. El
objetivo consiste en 0, si = 0, 0 ≤ ≤, j=1,2,…n +, si > 0 minimizar el número
de trabajadores (o estaciones de trabajo o actividades) en función de una
tasa de producción.
k) Asignación cuadrática. Estos aparecieron en problemas de localización,
existe un conjunto de n posibles lugares en donde se piensa construir n
plantas industriales m<n sea el costo unitario de transporte de lugar i al
lugar j y sea el volumen que se debe transferir de la planta industrial k a la
planta industrial p.
6
3.2 Definición y modelos de programación
entera.
Definición
Los modelos de Programación Entera son aquellos donde la totalidad o un
subconjunto de las variables de decisión toman valores enteros. En este sentido la
forma estándar de un modelo de Programación Entera queda definido de la
siguiente forma:
7
hemos abordado en el Blog dan cuenta de modelos de Programación Entera
Mixta:
1. Problema de Asignación
5. Problema de la Mochila
Programación Binaria.
8
3.3 Método gráfico en la programación entera.
La solución óptima del problema se encuentra en uno de los vértices de esta área
de soluciones creada, por lo que se buscará en estos datos el valor mínimo o
máximo del problema.
EJEMPLO:
Maximizar
Sujeto a:
9
La solución óptima siempre se encuentra en uno de los vértices del conjunto de
soluciones factibles. Se analizan estos valores en la función objetivo. El vértice
que representa el mejor valor de la función objetivo será la solución óptima.
10
3.4 Método de ramificación y acotación
El método de ramificar y acotar ayuda a resolver problemas complejos de
programación a través de subprogramas, con la que se puede llegar a una
solución. Las "ramas" de este modelo irán "creciendo" o extendiéndose
dependiendo de las variables a resolver. Este método generalmente es utilizado
en la resolución de problemas de optimización, ya que resolver problemas NP-
hard y obtener una solución óptima requiere de demasiado esfuerzo
computacional, y esta herramienta ayuda a que el esfuerzo computacional no sea
demasiado. También se utiliza para los problemas de juegos.
El método genera nodos las cuales son soluciones de cada variable, que se sigue
extendiendo, estas ramificaciones de las soluciones dadas por el método
continúan creciendo siempre y cuando la siguiente solución este dentro de lo
óptimo. El algoritmo busca el espacio de soluciones dadas por la mejor solución.
El objetivo de este algoritmo será encontrar el valor mínimo de una función f(x)
donde el rango de x está determinado sobre un conjunto S de posibles soluciones.
La iteración tiene 3 componentes principales:
11
Para cada nodo que se genera en la ramificación tendremos:
Cota superior del beneficio óptimo que podemos alcanzar a partir del nodo
i.
Cota inferior del beneficio óptimo que podemos alcanzar a partir del nodo i.
Beneficio estima óptima que se puede encontrar a partir del nodo i.
Las cotas deben ser fiables para poder determinar cuándo se hace una acota y el
beneficio estimado ayuda a decidir que parte del árbol evaluar primero.
12
3.5 Método heurístico para problemas
binarios
A pesar de que las heurísticas son una alternativa excelente para resolver
problemas de difícil solución, éstas también adolecen de ciertas propiedades
deseables. Un inconveniente de la gran mayoría de los métodos heurísticos es su
dependencia de la estructura del problema para el cual fue diseñado, y su falta de
habilidad para adaptarse a nuevas situaciones o modificaciones del problema de
partida. Así, usan propiedades de la región factible y/o de la función objetivo o
información a priori que hacen que los procedimientos sean válidos sólo bajo esas
condiciones a diferencia de los métodos exactos, no existe un procedimiento
conciso y preestablecido,
13
que estos algoritmos pueden quedarse atrapados en una zona del espacio de
soluciones.
TORA
El software TORA de optimización es un programa basado en Windows® que
tiene por objeto usarse con muchas de las técnicas presentadas en el libro
Investigación de Operaciones de TAHA . TORA es una aplicación muy simple, con
una interfaz gráfica de baja calidad. Una de las ventajas de TORA es que puede
utilizarse en procesadores de 32 y 64 bits, hoy por hoy su principal desventaja es
que deberá ajustarse la configuración de pantalla para adecuarse a sus ajustes
de presentación de 800 x 600 y 1024 x 768 pixeles.
DS for Windows
Software para la producción / gestión de operaciones, métodos cuantitativos,
ciencias de la gestión y la investigación de operaciones.
LINGO
LINGO: (Linear Generalize Optimizer) es una herramienta simple para formular
problemas lineales y no lineales, resolverlos y analizar su solución. El resultado
que LINGO nos proporciona es la optimización que nos ayuda a encontrar el mejor
resultado: la ganancia más alta, o el costo más bajo.
14
LINDO
LINDO es un intuitivo programa para resolver problemas de optimización
matemática, en particular de programación lineal (continuos, enteros y binarios). El
nombre de LINDO es un acrónimo de Linear, Interactive, and Discrete Optimizer.
CONCLUSIONES.
La programación entera tiene una diversidad de métodos para resolver distintos
problemas de toma der decisiones, estos son un poco más complicado con la
programación lineal, aunque a veces con la programación lineal no se puede
resolver, con las programación entera pueden encontrarse una solución factible,
aunque como ya se mencionó al inicio, estos métodos son de carácter heurísticos
por lo que son algo nuevos y a su vez muy difíciles de dominar pero siempre en la
búsqueda de una solución para tomar decisión al final de cuentas.
15
Bibliografías.
16
4.1 DEFINICIÓN DEL PROBLEMA DE TRANSPORTE
Cada origen tiene ciertos recursos (oferta) para distribuir a los destinos y cada destino tiene
cierta demanda de estos recursos que recibe de los orígenes. El modelo de un problema de
transporte hace la siguiente suposición acerca de estos recursos (ofertas) y demandas.
Los problemas de transporte o distribución son uno de los más aplicados en la economía
actual, dejando como es de prever múltiples casos de éxito a escala global que estimulan la
aprehensión de los mismos.
17
4.2 Algoritmo de transporte
Los pasos del algoritmo de transporte son exactamente iguales a los del
algoritmo simplex.
1. En el primer paso se determina una solución básica factible de inicio que nos
ayude a proseguir en el paso dos.
18
Problema de transporte:
4. Propiedad de soluciones enteras: En los casos en los que tanto los recursos
como las demandas toman un valor entero, todas las variables básicas
(asignaciones), de cualquiera de las soluciones básicas factibles (inclusive la
solución óptima), asumen también valores enteros.
19
4.3 Método Esquina Noroeste
Su nombre se debe al génesis del algoritmo, el cual inicia en la ruta, celda o esquina
Noroeste. Es común encontrar gran variedad de métodos que se basen en la misma
metodología de la esquina Noroeste, dado que podemos encontrar de igual manera el
método e la esquina Noreste, Sureste o Suroeste.
Los pasos para solucionar un problema de programación lineal por este método son:
Paso 2. Hacer el más grande envío como pueda en la celda de la esquina noroeste.
Esta operación agotara completamente la disponibilidad de suministros en un origen a
los requerimientos de demanda en un destino.
Paso 3. Corregir los números del suministro y requerimientos para reflejar lo que va
quedando de suministro y requerimiento y regrese al paso 1.
20
Ejemplo:
Una empresa energética colombiana dispone de cuatro plantas de generación para
satisfacer la demanda diaria eléctrica en cuatro ciudades, Cali, Bogotá, Medellín y
Barranquilla. Las plantas 1,2,3 y 4 pueden satisfacer 80, 30, 60 y 45 millones de KW al
día respectivamente. Las necesidades de las ciudades de Cali, Bogotá, Medellín y
Barranquilla son de 70, 40, 70 y 35 millones de Kw al día respectivamente.
Los costos asociados al envío de suministro energético por cada millón de KW entre
cada planta y cada ciudad son los registrados en la siguiente tabla.
21
Continuamos con las iteraciones.
22
Una vez finalizada esta asignación, se elimina la "Planta 3" que ya ha sido satisfecha
con la asignación de 60 unidades, por ende nos queda una sola fila a la cual le
asignamos las unidades estrictamente requeridas y hemos finalizado el método.
23
Los costos asociados a la distribución son:
24
4.4MÉTODO DEL COSTO MÍNIMO
El método del costo mínimo o método de los mínimos costos es un algoritmo
desarrollado con el objetivo de resolver problemas de transporte o distribución,
arrojando mejores resultados que métodos como el de la esquina noroeste, dado
que se enfoca en las rutas que presentan menores costos.
El diagrama de flujo de este algoritmo es mucho más sencillo que los anteriores,
dado que se trata simplemente de la asignación de la mayor cantidad de
unidades posibles (sujeta a las restricciones de oferta y/o demanda) a la celda
menos costosa de toda la matriz hasta finalizar el método.
PASO 1:
De la matriz se elige la ruta (celda) menos costosa (en caso de un empate, este se rompe
arbitrariamente) y se le asigna la mayor cantidad de unidades posible, cantidad que se ve
restringida ya sea por las restricciones de oferta o de demanda. En este mismo paso se
procede a ajustar la oferta y demanda de la fila y columna afectada, restándole la cantidad
asignada a la celda.
PASO 2:
En este paso se procede a eliminar la fila o destino cuya oferta o demanda sea 0 después del
"Paso 1", si dado el caso ambas son cero arbitrariamente se elige cual eliminar y la restante
se deja con demanda u oferta cero (0) según sea el caso.
PASO 3:
Una vez en este paso existen dos posibilidades, la primera que quede un solo renglón o
columna, si este es el caso se ha llegado al final el método, "detenerse".
La segunda es que quede más de un renglón o columna, si este es el caso iniciar
nuevamente el "Paso 1".
Los costos asociados al envío de suministro energético por cada millón de KW entre cada
planta y cada ciudad son los registrados en la siguiente tabla.
25
SOLUCIÓN PASO A PASO
Luego esa cantidad asignada se resta a la demanda de Bogotá y a la oferta de la "Planta 3",
en un proceso muy lógico. Dado que Bogotá se queda sin demanda esta columna
desaparece, y se repite el primer proceso.
26
Nuevo proceso de asignación
Una vez finalizado el cuadro anterior nos daremos cuenta que solo quedará una fila, por
ende asignamos las unidades y se ha terminado el método.
27
El cuadro de las asignaciones (que debemos desarrollarlo paralelamente) queda así:
28
En este caso el método del costo mínimo presenta un costo total superior al obtenido
mediante Programación Lineal y el Método de Aproximación Vogel, sin embargo
comúnmente no es así, además es simple de desarrollar y tiene un mejor rendimiento en
cuanto a resultados respecto al Método de la Esquina Noroeste.
Formule un modelo de programación lineal que permita satisfacer las necesidades de todas
las ciudades al tiempo que minimice los costos asociados al transporte.
29
4.5 MÉTODO DE APROXIMACIÓN DE VOGEL
PASO 1
Determinar para cada fila y columna una medida de penalización restando los dos costos
menores en filas y columnas.
PASO 2
Escoger la fila o columna con la mayor penalización, es decir que de la resta realizada en el
"Paso 1" se debe escoger el número mayor. En caso de haber empate, se debe escoger
arbitrariamente (a juicio personal).
PASO 3
De la fila o columna de mayor penalización determinada en el paso anterior debemos de
escoger la celda con el menor costo, y en esta asignar la mayor cantidad posible de
unidades. Una vez se realiza este paso una oferta o demanda quedará satisfecha por ende se
tachará la fila o columna, en caso de empate solo se tachará 1, la restante quedará con
oferta o demanda igual a cero (0).
PASO 4: DE CICLO Y EXCEPCIONES
- Si queda sin tachar exactamente una fila o columna con cero oferta o demanda, detenerse.
- Si queda sin tachar una fila o columna con oferta o demanda positiva, determine las
variables básicas en la fila o columna con el método de costos mínimos, detenerse.
- Si todas las filas y columnas que no se tacharon tienen cero oferta y demanda, determine
las variables básicas cero por el método del costo mínimo, detenerse.
- Si no se presenta ninguno de los casos anteriores vuelva al paso 1 hasta que las ofertas y
las demandas se hayan agotado.
30
EJEMPLO DEL MÉTODO DE APROXIMACIÓN DE VOGEL
EL PROBLEMA
Una empresa energética colombiana dispone de cuatro plantas de generación para
satisfacer la demanda diaria eléctrica en cuatro ciudades, Cali, Bogotá, Medellín y
Barranquilla. Las plantas 1,2,3 y 4 pueden satisfacer 80, 30, 60 y 45 millones de KW al
día respectivamente. Las necesidades de las ciudades de Cali, Bogotá, Medellín y
Barranquilla son de 70, 40, 70 y 35 millones de Kw al día respectivamente.
Los costos asociados al envío de suministro energético por cada millón de KW entre cada
planta y cada ciudad son los registrados en la siguiente tabla.
Formule un modelo de programación lineal que permita satisfacer las necesidades de todas
las ciudades al tiempo que minimice los costos asociados al transporte.
31
El paso siguiente es escoger la mayor penalización, de esta manera:
El paso siguiente es escoger de esta columna el menor valor, y en una tabla paralela se le
asigna la mayor cantidad posible de unidades, podemos observar como el menor costo es "2"
y que a esa celda se le pueden asignar como máximo 60 unidades "que es la capacidad de la
planta 3".
32
www.ingenieriaindustrialonline.com
Dado que la fila de la "Planta 3" ya ha asignado toda su capacidad (60 unidades) esta debe
desaparecer.
www.ingenieriaindustrialonline.com
33
www.ingenieriaindustrialonline.com
34
Continuamos con las iteraciones,
35
Iniciamos otra iteración
36
Al finalizar esta iteración podemos observar como el tabulado queda una fila sin tachar y con
valores positivos, por ende asignamos las variables básicas y hemos concluido el método.
37
Los costos asociados a la distribución son:
Sin embargo, cabe recordar que uno de los errores más frecuentes en los que caen los
ingenieros industriales es en tratar de adaptar sus organizaciones a los modelos establecidos,
cabe recordar que son los modelos los que deben adaptarse a las organizaciones, lo cual
requiere de determinada habilidad para realizar de forma inmediata cambios innovadores
para sus fines.
38
4.6 Definición del modelo de asignación
39
4.6 Método Húngaro
Los problemas de asignación incluyen aplicaciones tales como asignar personas a tareas. Aunque
sus aplicaciones parecen diferir de las del problema del transporte, constituye un caso particular.
Los problemas de transporte y asignación son casos particulares de un grupo más grande de
problemas, llamados problemas de flujo en redes. Suposiciones de un problema de asignación:
1. El número de asignados es igual al número de tareas (se denota por n). (esto puede variar).
5. El objetivo es determinar cómo deben hacerse las asignaciones para minimizar los costos
totales.
1. A todos los elementos de cada columna restar el menor elemento de la columna. En la matriz
resultante, restar a todos los elementos de cada fila el menor elemento de la fila. Así se
garantiza la obtención de por lo menos un cero en cada fila y columna.
2. Con la matriz resultante, verificar la existencia de una solución óptima. Para encontrarla se
debe asignar un cero a cada fila (comenzando por las que tengan menor Nº de ceros), y cancelar
los demás ceros de esa fila y los ceros de la columna en la que se encuentra ese cero.
Repetir esta operación hasta que no queden ceros sin asignar o cancelar. Si no existe solución
óptima ir al paso 3.
3. Realizar lo siguiente:
b) Marcar todas las columnas que contengan uno o más ceros cancelados en alguna fila marcada.
c) Marcar toda fila que tenga un cero asignado en una columna marcada.
e) Poner un trazo (línea) sobre toda fila no marcada y sobre toda columna marcada.
40
Ejemplo Método Húngaro
Un equipo de 3 ingenieros debe ser asignado para la realización de 3 tareas, donde
cada ingeniero debe hacer una tarea. Se requiere encontrar la asignación de costo
mínimo para lo cual se dispone de los costos asociados a que el ingeniero i realice la
tarea j. Por ejemplo, representa el costo correspondiente a que el ingeniero 1
asuma la tarea 1.
Aplicar el Método Húngaro para encontrar una asignación óptima de los ingenieros a
las tareas.
El Paso 1 del Método Húngaro requiere identificar el valor mínimo de cada fila. En el
caso de la fila 1 dicho valor es $9 siendo el costo de que el ingeniero realice la tarea 3.
En particular si se dispone de un problema de mayor tamaño, hacer uso de Excel
facilita los cálculos tal como se muestra en la siguiente imagen:
A continuación se resta el mínimo de cada fila a cada uno de los valores de la fila
respectiva, para obtener la matriz reducida:
41
La aplicación del Paso 2 produce los mínimos de cada columna según se observa en la
tabla anterior. Al restar esos valores de las columnas respectivas se obtiene la
siguiente matriz reducida:
Las celdas con valor cero y color azul son la solución óptima. En consecuencia el
ingeniero 1 realiza la tarea 2, el ingeniero 2 asuma la tarea 1 y el ingeniero 3 la tarea
3. Cada ingeniero realiza exactamente una tarea y el costo total de dicha asignación
(valor óptimo) es de $9+$10+$8=$27. Los pasos presentados del Método Húngaro
para el ejemplo anterior funcionaron bien debido a que los elementos cero de la matriz
anterior permite una asignación factible de ingenieros a tareas (en el sentido que las
tareas se asignan de forma única a los ingenieros). No siempre esto es posible lograr
una solución factible en la aplicación caso en el cual se requiere pasos adicionales para
la aplicación del método.
42
4.8 uso de software para transporte y asignación
WinQSB
Es un sistema interactivo de ayuda a la toma de decisiones que contiene herramientas muy útiles
para resolver distintos tipos de problemas en el campo de la investigación operativa.
Es un programa para resolver problemas de PL. TORA no se instala, ya que es un programa para ser
operado bajo el Sistema Operativo MS-DOS.
Descargar TORA
LINDO LINDO es una aplicación para computadoras que se utiliza para resolver problemas de
programación lineal, cuadrática y entera.
Desde 1979 el programa LINDO ha sido una de las herramientas de optimización favoritas de las
comunidades Educativas y Empresariales. LINDO Systems se ha dedicado a proveer poderosas e
innovativas herramientas de optimización que también son flexibles y muy fáciles de usar. LINDO
tiene una larga historia y es uno de los pioneros en crear poderosos programas de optimización.
En 1979 se vendió en México la primer copia comercial de LINDO, la ayuda que este proporcionó en
aquel momento, le hizo ganar popularidad muy rápidamente para luego ser utilizado en
aplicaciones industriales. En 1983 la versión LINDO/PC fue el primer paquete para programación
lineal, este manejaba 60 restricciones y 120 variables. En 1996 apareció la versión 6.0 para
WINDOWS.
Antes que aparecieran Lotus 1-2-3 o Excel, LINDO había sido incorporado a la planilla de cálculo
VisiCalc, el paquete se llamó VINO y es el equivalente del SOLVER que viene con Excel. En estos
momentos existe una hoja de cálculo llamada WHAT´S Best! la cual se integra a EXCEL o LOTUS 1-
2-3; ésta resuelve problemas de optimización con algoritmos de LINDO Systems.
43
Bibliografía
https://www.academia.edu/7269533/M%C3%A9todo_Esquina_No
roeste
http://gc.initelabs.com/recursos/files/r157r/w13213w/Invg%20o
peraciones_2aEd_08.pdf
https://es.slideshare.net/danielquijada6/algoritmo-de-
transporte
file:///C:/Users/lili_/Downloads/Transporte.pdf
44