El curso trata principalmente sobre la aplicacin de los modelos usuales de Investigacin de Operaciones en la solucin de problemas reales, tales como modelos de Programacin Lineal, Problemas de Transporte y Asignacin, Simulacin y Teora de Inventarios.
OBJETIVOS Aplicar modelos cuantitativos en la resolucin de problemas de administracin. Optimizar soluciones usando la Investigacin de Operaciones. Conocer el potencial que presenta la simulacin en el diseo de procesos. Conocer los sistemas de manejo de inventarios basados en demanda conocida. METODOLOGA Clases expositivas para conceptos tericos con discusiones sobre cada tema. Practicas en laboratorio , donde se conocern diversos software de apoyo a la I.O.
INVESTIGACION DE OPERACIONES
Definicin: Conjunto de tcnicas matemticas y estadsticas aplicable a diversos sistemas con el fin de mejorarlos, buscando las mejores alternativas de accin; esto mediante el modelamiento matemtico de los problemas en estudio.
Sistema
Actividades
Recursos
Modelos
Con el propsito de estudiar cientficamente un sistema del mundo real debemos hacer un conjunto de supuestos de cmo trabaja.
Estos supuestos, que por lo general toman la forma de relaciones matemticas o relaciones lgicas, constituye un Modelo que es usado para tratar de ganar cierta comprensin de cmo el sistema se comporta.
INVESTIGACION DE OPERACIONES
Modelo Heurstico Es una regla intuitiva que nos permite la determinacin de una solucin mejorada, dada una solucin actual del modelo, generalmente son procedimientos de bsqueda. Este tipo de modelo tambin entrega soluciones aproximadas.
La I.O debe ser considerada como una ciencia y la vez como un arte. Una ciencia por el uso de tcnicas matemticas para la resolucin de los problemas. Un arte ya que la formulacin del modelo depende en gran parte de la creatividad y la experiencia delas operaciones del equipo investigador.
3. Solucin del modelo: Uso de algoritmos de optimizacin. Se encuentran los valores de las vars. decisin.
4. Validacin del modelo: El modelo entrega una prediccin razonable del comportamiento del sistema estudiado? 5. Puesta en prctica: Traducir los resultados del modelo en instrucciones de operacin.
PROGRAMACIN LINEAL
PROGRAMACION LINEAL FORMULACION MATEMATICA PROBLEMA GENERAL METODO GRAFICO METODO ALGEBRAICO (SIMPLEX) PROBLEMAS ESPECIALES PROBLEMAS DE TRANSPORTE PROBLEMAS DE ASIGNACIN
PROGRAMACIN LINEAL
Es un mtodo matemtico que se emplea para resolver problemas de optimizacin. En palabras simples la P.L. busca asignar recursos limitados, entre actividades que compiten, de la forma mas optima posible.
Formulacin
Paso 1: Identificar el objetivo (meta) a optimizar Maximizar las utilidades de la compaa (U).{dlares/da} Paso 2: Identificar las variables de decisin que deseamos determinar
F.Objetivo
MAX { U = X + Y } Sujeto a : R1) X + 2Y 300 R2) 2X + Y 400 R3) X + 2Y 400 R4) X , Y 0
Formulacin
Paso 1: Identificar el objetivo (meta) a optimizar Minimizar los costos de procesamiento (C).{dlares/da} Paso 2: Identificar las variables de decisin que deseamos determinar
F.Objetivo
M IN { C = 4X + 3Y } Sujeto a : R1) X R2) Y
80 100 150
R3) X + Y R4) X , Y 0
0.09 0.60
0.02 0.06
0.30 0.90
Los requerimientos dietticos diarios de alimento especial estipulan por lo menos un 30% de protenas y cuando mucho un 5% de fibra. OF desea determinar el costo mnimo diario de la mezcla de alimento.
.?
Formulacin
Paso 1: Identificar el objetivo (meta) a optimizar Minimizar el costo diario total de la mezcla de alimento(C).{dlares/da} Paso 2: Identificar las variables de decisin que deseamos determinar
F.Objetivo
M IN { C = 0.3X + 0.9Y } Sujeto a : R1) X + Y R2) 0.09X + 0.6Y R3)0.02 X + 0.06Y R4) X , Y
F.Objetivo
M IN { C = 0.3X + 0.9Y } Sujeto a : R1) X + Y R2) 0.21X - 0.30Y R3)0.03 X - 0.01Y R4) X , Y
800 0 0 0
3 50 40 70
4 10 60 20
Se pide:
Formular como un PPL.
Min{C=19X11+70X21+40X31+30X12+30X22+8X32+50X13+40X23+70X33+10X14+60X24+20X34}
Sujeto a : R1) X11+X12+X13+X14 R2) X21+X22+X23+X24
70 90
R3) X31+X32+X33+X34
R4) X11+X21+X31 R5) X12+X22+X32 R6) X13+X23+X33
180
50 80 70
R7) X14+X24+X34
R8) Xij
140
0
i,j
Modelo General de PL
Definicin de variables: Sea xj = #.... ; j = 1, 2, 3....n Funcin objetivo: Max. o Min. z = C1X1 + C2X2 + ... + CjXj + ... + CnXn Sujeto a restricciones: i = 1, 2, 3, ... , m a11X1 + a12X2 + ... + a1jXj + ... + a1nXn a21X1 + a22X2 + ... + a2jXj + ... + a2nXn . . ai1X1 + ai2X2 + ... + aijXj + ... + ainXn = . . am1X1 + am2X2 + ... + amjXj + ... + amnXn = Condiciones de signo para variables: toda xj 0 m = # total de restricciones, n = # de variables de decisin (originales) Cj, aij y bi son constantes (o parmetros) dados.
8
= =
b1 b2
bi
bm
Mtodos de Resolucin
Mtodo Grfico Empleado principalmente para PPL con dos variables de decisin. Este mtodo se basa en la idea de obtener regiones de soluciones factibles (RSF), en las cuales se encontrara la combinacin de variables de decisin que optimizan el modelo.
Mtodo Algebraico (SIMPLEX) Empleado principalmente para PPL con ms de dos variables de decisin. Este mtodo se desarrollo con base en el mtodo grfico y corresponde a un sistema heurstico, por lo cual requiere de una solucin inicial factible para empezar a funcionar.
Mtodos de Resolucin
GRAFICO
Maximize Z = 400X1 + 800 X 2
Sujeto a:
Where 3X1 + 5X 2 5,000 Fab R1) Z = the monthly profit from Max and Multimax 3,000 Assy X =R2) number + Max2produced each month the X1 of 4X
1
2,000
1,000 A
X2 750 0
B C 2,000
0,0
1,000
3,000
X1
10
2,000
1,000 A
X2 750 0
B C 2,000
0,0
1,000
3,000
X1
11
2,000
1,000 A
RSF
X2 750 0
B C 2,000
0,0
1,000
3,000
X1
11
Mtodo de Resolucin:
X2 3,000
Premisa: el punto optimo siempre se encuentra en uno de los vrtices de la RSF.
2,000
1,000 A
RSF
B C 2,000
0,0
1,000
3,000
X1
11
Alternativa 2 Grficar la F.O. dandose en valor arbitrario de Z (depende de la escala del grfico), luego la recta se desplaza en forma paralela en el sentido estricto de la optimizacin. El ultimo punto que tope la F.O al salir de la RSF corresponder a la solucin optima.
13
2,000
1,000 A Z=320.000
B C 2,000
0,0
1,000
3,000
X1
13
0,0
1,000
3,000
X1
14
2,000
1,000 A
Fab Assy
0,0
1,000
3X1 + 12X 2 9,000 Assy 3X1 + 5X 2 5,000 Fab 7X 2 4,000 X 2 = 571.43, or 571 Multimax X1 = 5000 - 5(571) 715 Max 3
15
RESULTADOS
Max Z = 400X1 + 800 X 2 Z = 400(715) + 800 (571) Z = $286,000 + $456,800 = $742,800
Mtodos de Resolucin
ALGEBRAICO SIMPLEX
El mtodo smplex fue desarrollado en 1947 por el Dr. George Dantzig y conjuntamente con el desarrollo de la computadora hizo posible la solucin de problemas grandes planteados con la tcnica matemtica de programacin lineal. El algoritmo denominado smplex es la parte medular de este mtodo; el cual se basa en la solucin de un sistema de ecuaciones lineales con el conocido procedimiento de Gauss-Jordan y apoyado con criterios para el cambio de la solucin bsica que se resuelve en forma iterativa hasta que la solucin obtenida converge a lo que se conoce como ptimo.. El conjunto de soluciones factibles para un problema de P.L. es un conjunto convexo. La solucin ptima del problema de programacin lineal , si existe, es un punto extremo (vrtice) del conjunto de soluciones factibles. El nmero mximo de puntos extremos (vrtices) por revisar en la bsqueda de la solucin ptima del problema es finito.
Mtodos de Resolucin
ALGEBRAICO SIMPLEX
Forma Estndar de un PPL
Para transformar este tipo de restriccin a una ecuacin de tipo igualdad se debe aumentar
su lado izquierdo con una variable de holgura. Esta representa la cantidad disponible del recurso que excede al empleo que le dan las actividades. Ej. 6X1 + 4X2 24 F.e 6X1 + 4X2 + h1 = 24 h1 0 (h1 cantidad no utilizada de recurso)
Mtodos de Resolucin
ALGEBRAICO SIMPLEX
b.- Restriccin mayor o igual () Las restricciones de este tipo comnmente determinan requerimientos mnimos de especificaciones. En este caso se debe incorporar una variable de supervit que representa el requerimiento mnimo del lado izquierdo, sobre el requerimiento mnimo del derecho ( cuanto falta para cumplir con lo pedido). Ej. X1 + X2 800 X1 + X2 - r1 = 800 r1 0 Sin embargo la F.E pasa por hacer un ajuste ms: F.E X1 + X2 - r1 + t1 = 800 r1, t1 0 t1 = variable artificial (se necesita para generar la solucin inicial del simplex)
Mtodos de Resolucin
ALGEBRAICO SIMPLEX
d.- Restriccin de igualdad (=) Aqu la estandarizacin pasa slo por incorporar una variable artificial. Ej. X1 + X2 = 800 X1 + X2 + t1 = 800 t1 0 Como las variables artificiales no tienen sentido, es importante que el simplex las deje fuera al comienzo del procedimiento y esto se logra al penalizar la inclusin de las variables
artificiales en la funcin objetivo con un coeficiente M muy grande que para el caso de
maximizar es M y para el caso de minimizar es + M.
Mtodos de Resolucin
ALGEBRAICO SIMPLEX
2 Cambios de variables a.- Variables no restringidas Algunas veces las variables de decisin pueden tomar cualquier valor real. Xi s.r.s
Cambio de variable
Xi = Ui Vi Ui . Parte positiva de Xi Vi . Parte negativa de Xi Ej.
X1 + X2 24
X1 0, X2 s.r.s Luego X2 = U2 V2 F.E. X1 + U2 V2 + h1 = 24
Mtodos de Resolucin
ALGEBRAICO SIMPLEX
b.- Variables negativas
Ej.
X1 + X2 40 X1 0, X2 0 Luego Y2 = X2, o bien X2 = - Y2 F.E. X1 - Y2 + h1 = 40
Mtodos de Resolucin
ALGEBRAICO SIMPLEX
3 Cambio en criterio de optimizacin Muchas veces el objetivo no es maximizar. MIN (Z) Cambio de variable: Z* = -Z MIN Z = MAX ( Z*) Ej. MIN [ Z = X1 + X2 ] Z* = -Z F.E MAX [ Z* = -X1 X2]
Mtodos de Resolucin
ALGEBRAICO SIMPLEX
EJEMPLO MIN (Z = 15X1 + 10X2 20X3) S/A R1) X1+2X2+4X3 30 70
Cambios de variable:
Z* = -Z
X1=U1-V1
X2=-Y2
Mtodos de Resolucin
ALGEBRAICO SIMPLEX
Forma Estndar
Z*
15
U1 U1
15
V1 V1
10 2 25
Y2 Y2 Y2 Y2
+ + +
20 4 3
X3 X3 X3 X3 -
+ M t1 r1 + t1
M t2
= 30 + t2 + = 40 h1 = 70
U1 U1
V1 V1
Mtodos de Resolucin
ALGEBRAICO SIMPLEX
Forma Tabular
BASE
z
Z
1
U1
V1
Y2
X3
r1
t1
t2
h1
SOLUCION
15
-15
-10
-20
t1
-1
-2
-1
30
t2
-5
-25
40
h1
-1
-1
70
Mtodos de Resolucin
ALGEBRAICO SIMPLEX
Forma Tabular Especial
BASE
z M t1
U1
V1
Y2
X3
r1
t1
t2
h1
SOLUCION
15 0 1
-15 0 -1
-10 0 -2
-20 0 4
0 0 -1
0 1 1
0 1 0
0 0 0
0 0 30
t2
-5
-25
40
h1
-1
-1
70
Mtodos de Resolucin
ALGEBRAICO
Se una vez obtenida la F.E se esta en condiciones de iniciar el Simplex que nos permitir encontrar la (s) solucin (es) del PPL. Como el algoritmo se mueve de punto en punto extremo requiere que variables basicas entren y salgan. Las reglas para seleccionar las variables de entrada y salida se conocen
Mtodos de Resolucin
ALGEBRAICO
Pasos del Simplex:
Paso 0
Paso 1
Paso 2 Paso 3
: seleccione una variable de salida utilizando la condicin de factibilidad. : determine las nuevas soluciones bsicas empleando los calculos apropiados de Gauss Jordan, luego vuelva al paso 1.
Mtodos de Resolucin
ALGEBRAICO
EJEMPLO
3x1 + 2x2 + x3
x2 + 2x3
25
20
x1 , x2 , x3 0
Mtodos de Resolucin
ALGEBRAICO SIMPLEX
Forma Tabular Especial
BASE
z h1
X1
X2
X3
h1
h2
h3
SOLUCION
-7 2
-4 1
-5 0
0 1
0 0
0 0
0 30
h2
25
h3
20
Mtodos de Resolucin
ALGEBRAICO SIMPLEX
Forma Tabular Especial
BASE z h1
X1
X2
X3
h1
h2
h3
SOLUCION
-7 2
-4 1
-5 0
0 1
0 0
0 0
0 30
h2
25
h3
20
Mtodos de Resolucin
ALGEBRAICO SIMPLEX
Forma Tabular Especial
BASE z h1
X1
X2
X3
h1
h2
h3
SOLUCION
-7 2
-4 1
-5 0
0 1
0 0
0 0
0 30
Razn 30 / 2
h2
25
25 / 3
h3
20
___
Mtodos de Resolucin
ALGEBRAICO SIMPLEX
Forma Tabular Especial
BASE z h1
X1
X2
X3
h1
h2
h3
SOLUCION
-7 2
-4 1
-5 0
0 1
0 0
0 0
0 30
Razn 30 / 2
h2
25
25 / 3
h3
20
___
Mtodos de Resolucin
ALGEBRAICO SIMPLEX
Forma Tabular Especial
BASE z h1
X1
X2
X3
h1
h2
h3
SOLUCION
-7 2
-4 1
-5 0
0 1
0 0
0 0
0 30
Razn 30 / 2
h2
25
25 / 3
h3
20
___
Mtodos de Resolucin
ALGEBRAICO SIMPLEX
Forma Tabular Especial
BASE z h1
X1
X2
X3
h1
h2
h3
SOLUCION
-7 2
-4 1
-5 0
0 1
0 0
0 0
0 30
Razn 30 / 2
h2
25
25 / 3
h3
20
___
PIVOTE
8
Mtodos de Resolucin
ALGEBRAICO SIMPLEX
Gauss Jordan
BASE z h1
X1
X2
X3
h1
h2
h3
SOLUCION
0 0
2 0
0 0
0 1
7/3 -2/3
4/3 1/3
85 20
X1
1/2
1/3
-1/6
h3
1/2
1/2
10
Optimo!
8
Mtodos de Resolucin
ALGEBRAICO SIMPLEX
SOLUCIN
z X1 85 5
X2
X3
h1
20
h2
h3
10
Mtodos de Resolucin
DUAL SIMPLEX
Se basa en la idea que todo PPL tiene un problema espejo, llamado DUAL. Esto provoca que se genere un segundo algoritmo de resolucion conocido como Metodo Dual Simplex,
Mtodos de Resolucin
DUAL SIMPLEX
EJEMPLO MIN (Z = 2X1 + X2) S/A R1) 3X1+X2 R2) 4X1+3X2 R3) X1 + 2X2 R4) X1 0 ; X2 0 3 6 3
Forma Estndar:
Mtodos de Resolucin
DUAL SIMPLEX
Forma Estndar
-2 -3 -4
X1 X1 X1 X1
+ 3 2
X2 X2 X2 X2 + r1 + r2 +
= = = h1 =
0 -3 -6 3
Mtodos de Resolucin
DUAL SIMPLEX
Forma Tabular Especial
BASE z r1
X1
X2
r1
r2
h1
SOLUCION
-2 -3
-1 -1
0 1
0 0
0 0
0 -3
r2
-4
-3
-6
h1
Mtodos de Resolucin
DUAL SIMPLEX
BASE z r1
X1
X2
r1
r2
h1
SOLUCION
-2 -3
-1 -1
0 1
0 0
0 0
0 -3
r2
-4
-3
-6
h1
Mtodos de Resolucin
DUAL SIMPLEX
RAZON
2/4
X1
1/3
X2
0
r1
0
r2
0
h1
SOLUCION
BASE z r1
-2 -3
-1 -1
0 1
0 0
0 0
0 -3
r2
-4
-3
-6
h1
Mtodos de Resolucin
DUAL SIMPLEX
Entra razon mas pequea
RAZON
2/4
X1
1/3
X2
0
r1
0
r2
0
h1
SOLUCION
BASE z r1
-2 -3
-1 -1
0 1
0 0
0 0
0 -3
r2
-4
-3
-6
h1
Mtodos de Resolucin
DUAL SIMPLEX
Entra razon mas pequea
RAZON
2/4
X1
1/3
X2
0
r1
0
r2
0
h1
SOLUCION
BASE z r1
-2 -3
-1 -1
0 1
0 0
0 0
0 -3
r2
-4
-3
-6
h1
Mtodos de Resolucin
DUAL SIMPLEX
Gauss Jordan
BASE z r1
X1
X2
r1
r2
h1
SOLUCION
-2/3 -5/3
0 0
0 1
-1/3 -1/3
0 0
2 -1
X2
4/3
-1/3
h1
-5/3
2/3
-1
Mtodos de Resolucin
DUAL SIMPLEX
BASE z r1
X1
X2
r1
r2
h1
SOLUCION
-2/3 -5/3
0 0
0 1
-1/3 -1/3
0 0
2 -1
X2
4/3
-1/3
h1
-5/3
2/3
-1
Mtodos de Resolucin
DUAL SIMPLEX
RAZON
2/5
X1
0
X2
0
r1
1
r2
0
h1
SOLUCION
BASE z r1
-2/3 -5/3
0 0
0 1
-1/3 -1/3
0 0
2 -1
X2
4/3
-1/3
h1
-5/3
2/3
-1
Mtodos de Resolucin
DUAL SIMPLEX
RAZON
2/5
X1
0
X2
0
r1
1
r2
0
h1
SOLUCION
BASE z r1
-2/3 -5/3
0 0
0 1
-1/3 -1/3
0 0
2 -1
X2
4/3
-1/3
h1
-5/3
2/3
-1
Pivote
Mtodos de Resolucin
DUAL SIMPLEX
Gauss Jordan
BASE Z X1
X1
X2
R1
r2
h1
SOLUCION
0 1
0 1
-2/5 -3/5
-1/5 1/5
0 0
12/5 3/5
X2
4/5
-3/5
6/5
h1
-1
Optimo Factible!!!
Mtodos de Resolucin
DUAL SIMPLEX
Solucin:
BASE Z
SOLUCION
12/5
X1
3/5
X2
6/5
r1
r2
h1
Mtodos de Resolucin
DUAL SIMPLEX
Ejercicio Propuesto MIN (Z = 5X1 + 4X2 + 8X3) S/A R1) X1+2X2+X3 R2) 2X1+X2+X3 R3) X1 + X2 +X3 15 10 20
R4) X1 0 ; X2 0; X3 0