Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Capitulo 2 Solow-Mathur
Capitulo 2 Solow-Mathur
omo determina Case Chemicals la mezcla de productos que maximice las ganancias? i,Como` deduce Cosmic Computer Company el plan menos caro para transportar sus microcornputadoras a los detallistas al mismo tiempo que satisface la demanda de sus clientes? i,Como decide Hexxon Oil la red de embarque que maximice el flujo de petroleo a sus tanques de almacenamiento en Filadelfia? Para fundamentar mejor la decision de negocios, debe saber como hater la pregunta adecuada y cOmo formular el problema correctamente.
Eneste capitulo aprenderci corn construir los modelos nzatematicos que lo conducircin a las respuestas de estas y otras preguntas.
12
En el capitulo anterior, usted aprendio que entre los pasos ms importantes en la resolution de problemas estan el identificar y despues formular el problema de decision en un marco matematico. La construction de modelos es un arte que mejora con la practica. Sin embargo, en un esfuerzo por hater el proceso ms sistematico, en este capitulo se ilustran varias tecnicas de formulaciOn de problemas con numerosos ejemplos. Al aplicar estas tecnicas, usted puede formular no solo los problemas de este libro, sino tambien muchos otros que podria encontrar en la practica. Despues de formular correctamente un modelo matematico, usted deseara resolverlo, esto es, obtener una solution. Como el procedimiento de solution depende de las caracteristicas matematicas especificas de un modelo, la election de la tecnica apropiada significa que debe identificar las caracteristicas que su modelo posee. Este capitulo le ayudard a identificar estas caracterfsticas matematicas y corn se utilizan para clasificar modelos. Los capitulos posteriores tratan los diversos procedimientos de solution, las clases de problemas a los que se pueden aplicar, y la forma de interpretar e implantar las soluciones obtenidas de una computadora.
El objetivo ahora es convertir esta descripciOn cualitativa del problema a una forma matematica que pueda resolverse. Este proceso es llamado formulation del problema y generalmente implica cuatro pasos, cada uno de los cuales es descrito en las siguientes secciones.
13
determinados, proporcionan la solucion al problema. Para el ejemplo 2.1, usted puede identificar las variables de decision preguntandose que information necesita proporcionar al personal de production, los departamentos de mezclado y purification, para que sepan come. proceder. Su respuesta a esta pregunta deberia ser: 1. El mimero de miles de galones de CS-01 por producir semanalmente. 2. El mimero de miles de galones de CS-02 por producir semanalmente. Como los valores de estos elementos no se conocen todavia, a cada variable de decision se le da un nombre simbolico. Usted puede elegir el nombre simbolico que quiera, pero encontrard util seleccionar un nombre simbelico que le recuerde la cantidad que la variable de decision representa. Para el ejemplo que estamos viendo, podria crear las siguientes variables, correspondientes a los dos elementos identificados anteriormente: CS, = el mlmero de miles de galones de CS-01 por producir semanalmente CS, = el mimero de miles de galones de CS-02 por producir semanalmente Observe que estas descripciones son precisas. Incluyen las u n /dudes asociadas con las cantidades que las variables representan (miles de galones, en este caso). No es suficiente definir una variable como la "cantidad" de un elemento, porque para las otras personas que leyeran su formulation, el termino "cantidad" podrla tener varios significados (por ejemplo, miles de litros en este caso). La necesidad de identificar las variables de decision correctamente es vital. De otra manera, la formulation de un modelo valid que capte todos los aspectos del problema es imposible. La election de estas variables no es Unica, y no existen reglas fijas. Sin embargo, las siguientes pautas son utiles en la identification de un conjunto adecuado de variables de decision para virtualniente cualquier pi-able/12a.
Nombre simbolico
Un nombre descriptivo dado a una variable en un modelo matematico que ayuda a la comprension del significado de la variable.
CARACTERISTICAS CLAVE
Pautas generates para identificar variables de decision
zQue elementos afectan los costos y/o ganancias ( o, en general, el objetivo global)? 4Que elementos puede elegir y/o controlar libremente'? zQue decisiones tiene que tomar'? cQue valores, una vez determinados, constituyen una solucien para el problema? Pongase en la position de alguien que tiene que implanter su solucien, y luego pregantese que information se requiere.
Para el ejemplo 2.1, las respuestas a todas estas preguntas son iguales y lo llevan a identificar las variables de decisiOn como el numero de miles de galones de CS-01 y CS-02 por producir semanalmente.
14
CAIIruto 2 EL
ayudar a determinar esos valores. Por ejemplo, para determinar las cantidades reales de los dos solventes a producir para maximizar las ganancias corporativas, necesitard saber: 1. El nurnero de horas de trabajo disponibles en el departamento de mezclado. 2. El numero de horas de trabajo disponibles en el departamento de purification. 3. La cantidad de ganancias obtenidas al producir y vender cada tipo de solvente. Estas cantidades constituyen los datos del problema. En problemas deterministicos, se requiere conocer (u obtener) estos valores en el momento de formular el problema. Para Case Chemicals: 1. Como se establecio en la description del problema, el departamento de mezclado tiene cinco trabajadores de tiempo completo (40 horas cada uno) y dos trabajadores .de tiempo parcial (15 horas cada uno). Esto da un total de 230 horas de trabajo a la semana en el departamento de mezclado. 2. De manera similar, los seis trabajadores de tiempo completo (40 horas cada uno) y el trabajador de tiempo parcial (10 horas) representan un total de 250 horas de trabajo a la semana en el departamento de purificaciOn. 3. El departamento de contabilidad estima un margen de ganancias de $0.30 por galon de CS-01 y de $0.50 por galOn de CS-02, esto es, $300 por mil galones de CS-01 y $500 por mil galones de CS-02. A diferencia de las variables de decisiOn, cuyos valores usted puede controlar, usted no puede controlar directamente los valores de los clatos.
NI*
CARACTERISTICAS CLAVE
La necesidad de que algunos de los datos del problema pueden aclararse cuando especifica el problema. Otros datos pueden hacerse necesarios al desarrollar el modelo maternAtico y descubrir que se requiere information adicional para ayudar a determinar los valores de las variables de decision.
2. Donde sea adecuado, descomponer el objetivo en una suma, diferencia o producto de cantidades individuales. Para el ejemplo 2.1, la ganancia total puede calcularse como la suma de la ganancia de CS-01 y la de CS-02: Maximizar ganancia = (ganancia de CS-01) + (ganancia de CS-02) 3. Expresar las cantidades individuales matematicamente usando las variables de decision y otros datos conocidos en el problema.
15
Para lograr la tarea en la tercera etapa, a menudo es ail elegir algunos valores especificos para las variables de decision y luego usar esos valores para determinar la forma en que se calcula la funcion objetivo. Se hace referencia a esta tecnica como trabajo a traves de un ejemplo especifico. En el ejemplo 2.1, supongamos que se producen 10 mil galones de CS-01 y 20 mil galones de CS-02 (asi que CS1 = 10 y CS2= 20). El departamento de contabilidad le ha dicho que cada mil galones de CS-01 contribuye con $300 a la ganancia y que cada mil galones de CS-02 contribuye con $500. Se puede escribir: Ganancia de CS-01 = 300(10) = $ 3 000 + Ganancia de CS-02 = 500(20) = $ 10 000 Ganancia total = $ 13 000
La tecnica de usar valores especificos de las variables para determinar c6mo se calcula la funciOn objetivo.
Sin embargo, el proposito de usar valores especificos para las variables no es obtener la ganancia total de estos valores, sino ms Bien ayudarlo a determinar como calcular el objetivo cuando los valores de las variables no se conocen explicitamente. En este problema, se puede ver facilmente de los calculos anteriores que si CS1 es el ntimero no especificado de miles de galones de CS-01 y CS2 es el numero no especificado de miles de galones de CS-02 por producir, entonces la ganancia es: Ganancia de CS-01 = + Ganancia de CS-02 = Ganancia total = 300CS1 500CS2 300CS1 + 500052
Por lo tanto, la funcion objetiva maternatica expresada en terminos de las variables de decision y de los datos del problema es: Maximizar 300CS1 + 500052
CARACTERISTICAS CLAVE
Este problema ilustra las siguientes caracteristicas clave: Creacion de la funcion objetivo mediante: a. Enunciado del objetivo de manera verbal. b. Cuando sea apropiado, descomponer el objetivo en una suma, diferencia, y/o producto de terminos individuales. c. Expresar los terminos individuales en (b) usando las variables de decision y otros datos de problemas conocidos. Trabajar con un ejemplo especifico para determinar corm se expresa la funcion objetivo en una forma matematica, eligiendo valores especificos para las variables de decision y realizando los calculos necesarios.
16
CAP1TULO
pone un limite en los valores que puede asignar a estas variables. En el ejemplo 2.1, los departamentos de mezclado y purification tienen ciertas restricciones fisicas: un ntimero limitado de horas de trabajo disponible cada uno. Estas limitaciones, asi como otras consideraciones que imponen restricciones sobre los valores de las variables, son las restricciones. El paso final en la formulation del problema es identificar estas restricciones y escribirlas en forma maternatica. Las restricciones son condiciones que las variables de decision deben satisfacer para constituir una solution "aceptable". Estas restricciones por lo general surgen de: 1. Limitaciones fisicas (el mimero limitado de horas de trabajo en los departamentos de mezclado y purification, por ejemplo). 2. Restricciones impuestas por la administration (por ejemplo, esta pudo haber prometido una cierta cantidad de un producto a un cliente estimado). 3. Restricciones externas (por ejemplo, Case Chemicals no puede vender ms de 120 mil galones de CS-02 a la semana, y no hay razen para producir ms que la cantidad demandada). 4. Relaciones implicadas entre variables (por ejemplo, en el problema de inversion de Mark de la section 1.1, las dos fracciones que representan la proportion de dinero a invertir en los dos fondos debe sumar 1). 5. Restricciones logicas sobre variables individuales (por ejemplo, el ralmero de carros producidos debe ser un ntimero entero, y Case Chemicals no puede producir una cantidad negativa de solventes).
CARACTERISTICAS CLAVE
Despues de identificar estas restricciones, debe expresarlas en forma maternatica usando las variables de decision y otros datos del problema. Este proceso es identico al usado para especificar la funcion objetivo. Expresar las restricciones en forma verbal. Cuando es apropiado, descomponer la restriction en una suma, diferencia y/o producto de cantidades individuales. Trabajar con un ejemplo especifico para expresar las cantidades individuales en una forma matematica, usando las variables de decision y otros datos conocidos del problema.
Descomposicion: (
Matematicas: para expresar las horas usadas para CS-01 y CS-02 en el departamento de mezclado, trate de trabajar con un ejemplo especifico. Por ejemplo, suponga que
17
CS1 = 15 mil y que CS2 = 10 mil galones. I,Como calcula el numero de horas usadas en el departamento de mezclado? Estos valores son datos del problema (ademas de los datos ya identificados en la section 2.1.2) que usted debe obtener. Supongamos que usted llama al departamento de procesos y recoge los siguientes datos para los departamentos de mezclado y purificaciOn:
Resulta entonces facil calcular las horas usadas en el departamento de mezclado trabajando con valores especificos de CS1 = 15 y CS2 = 10: Horas para 15 mil galones de CS-01 = 2(15) + Horas para 10 mil galones de CS-02 = 1(10) Total de horas en el mezclado = 30 = 10
= 2(15) + 1(10) = 40
El proposito de usar este ejemplo numerico especifico es ayudarle a escribir una restricciOn matematica general cuando los valores de las variables (CS1 y CS2, en este caso) no se conocen. De los calculos anteriores, usted obtiene la siguiente restriction matematica general: 2CSI + 1CS2 < 230
Descomposicion:
Matematicas:
250
18
CS, 0
Juntando todas las piezas de los pasos anteriores, la formulation matematica completa del problema de planeacion de production de Case Chemicals es la siguiente:
300CS1 + 500CS2 2CS1 + 1CS2 :5_ 230 1CS1 + 2CS2 __ 250 CS2 S 120 CS CS2 0
donde: CS, = el numero de miles de galones de CS-01 por producir semanalniente CS2 = el nUmero de miles de galones de CS-02 por producir semanalmente En el capitulo 4 aprendera el procedimiento de soluciOn para este tipo de problema. La aplicacion de ese procedimiento da por resultado la solution optima: CS, = 70 CS2 = 90 Es decir, el plan de production optima es de 70 000 galones de CS-01 y de 90 000 galones de CS-02, lo que representa una ganancia semanal de $66 000. En esta section, usted ha aprendido los pasos a tomar en la formulation de problemas identificando (1) las variables de decision, (2) los datos del problema, (3) la funcion objetivo y (4) las restricciones. Para escribir la funcion objetiva y las restricciones en una forma matematica, use las variables junto con los datos del problema que usted tenga al formular el modelo. Es posible que no conozca todos los datos necesarios al definir por primera vez el problema. La necesidad de datos adicionales puede descubrirse cuando proceda con la formulation del problema. Estos valores de datos deben obtenerse de fuentes apropiadas dentro de la organization. Para ahorrar tiempo y espacio, los enunciados de problemas futuros en este libro incluiran todos los datos necesarios. La formulation consistird en estos tres pasos: Paso 1. Identificacion de las variables de decision. Paso 2. Identification de la funcion objetivo. Paso 3. Identification de las restricciones.
19
El problema de esta seccion involucra solo dos variables de decision y unas cuantas restricciones. Los problemas de importancia practica a menudo contienen cientos o miles de variables y un nUmero similar de restricciones. Estos problemas ms cornplejos tambien pueden formularse usando los pasos que aprendio en esta seccion.
Problema de transportacion El problema de determinar el plan de minimos costos para embarcar bienes desde las instalaciones de produccion hasta los mercados de distribuciOn.
20
2.1 contiene el costo de embarque de una microcomputadora desde cada planta de ensamblaje hasta cada una de las distintas tiendas minoristas. Su trabajo es formular un modelo matematico para encontrar el programa de embarque de minim costo. I
TABLA 2.1
PLANTAS
SAN DIEGO 5 4 6
BARSTOW 3 7 5
TUCSON 2 8 3
DALLAS 6 10 8
San Francisco
Los Angeles Phoenix
Nodo Un circulo en un diagrama de redes que representa un aspecto importante de un problema, como la fuente y destinacion de bienes en un problema de transportacion. Arco Una linea que conecta dos nodos en un diagrama esquematico que representa una relacion entre estos dos nodos, como podria ser una posible ruta para el embarque de bienes en un problema de transportacion.
Antes de formular este problema matematicamente, es posible dibujar un diagrama de redes esquematico para representar los diversos componentes del problema, como se ilustra en la figura 2.1. Los siete circulos, o nodos, representan las tres plantas y las cuatro tiendas al menudeo. Cada arco indica que las computadoras pueden embarcarse desde la planta hasta la tienda minorista asociada. Ademds de los nodos y arcos, el diagrama de redes incluye los datos del problema. En este caso, los nameros que estan junto a los nodos correspondientes a las tiendas al menudeo indican el numero de computadoras solicitadas allf. Finalmente, los nameros que estan junto a cada arco representan el costo de embarque de una computadora de la planta correspondiente a la tienda asociada. Todos los aspectos importantes de este problema se incluyen en este diagrama de redes y, como vera, el diagrama simplifica la formulacion matematica posterior.
Las respuestas a todas estas preguntas pueden conducirlo a identificar doce variables de decision, correspondientes al namero de microcomputadoras por embarcar desde cada una de las tres plantas de ensamblaje hasta cada una de las cuatro tiendas minoristas. Podria referirse a ellas con nombres simbolicos x1, x2, . . . , x 12. Pero recuerde que al trabajar con variables, es atil usar un nombre simbolico que en cierta manera le recuerde la cantidad representada. Por ejemplo, podria definir: San/Tuc = el flamer() de microcomputadoras por embarcar de la planta de ensamblaje en San Francisco a la tienda detallista en Tucson
aps de ar
21
Plantas
Tiendas detallistas
San Diego 1700
7a, is
1700
0 X 13 =
el namero de microcomputadoras por embarcar de la planta de ensamblaje #1 (San Francisco) a la tienda detallista #3 (Tucson)
xsT = el nilmero de microcomputadoras por embarcar de la planta de ensamblaje en San Francisco a la tienda detallista en Tucson. TABLA 2.2 Variables de decisicin para el ejemplo 2.2
TIENDAS PLANTAS San Francisco Los Angeles Phoenix SAN DIEGO
X XLS X,,
BARSTOW
X ss XLs X
TUCSON
X s.i. )(LT XPT
DALLAS
X s, XLD X
Para este ejemplo, se utiliza la Ultima notacion. Los doce nombres simbolicos se resumen en la tabla 2.2. En terminos del diagrama de redes de la figura 2.1, cada una de estas variables de decision denota el numero de computadoras por embarcar junto al arco correspondiente, como se ilustra en la figura 2.2.
22
DescomposiciOn: Minimizar
Plantes
Tiendas detailistas
San Diego 1700
San Francisco
1700
xss
1000
Los Angeles 2000
1500
1700
1200 Dallas
EJEMPLO ESPECIFICO. Para obtener una expresiOn matematica de cada uno de estos tres costos de embarque, trabaje con un ejemplo especifico. Suponga que la planta de San Francisco embarca 500 microcomputadoras a San Diego, 200 a Barstow, 400 a Tucson y 300 a Dallas. Esto es, xss = 500, xs/3 = 200, xsT = 400 y xst, = 300. Recordemos los costos de transportation por unidad dados en la tabla 2.1,
Costo de embarque desde SF = 5(500) + 3(200) + 2(400) + 6(300) = 5700 En general, cuando las unidades Xss, XsB, XsT, y XsD son enviadas desde San Francisco, Costo de embarque desde SF = 5xss 3xsB + 2x sT + 6xsp
23
Procediendo de manera similar para el costo de transportation desde Los Angeles y desde Phoenix, llegamos al siguiente costo de transportation total: MATEMATICAS Minimizar (5xss 3xsB + 2xsT + 6xsp) + (4xLs + 7xL8 + 8xLT + 10xLD) + (6xps + 5xpB + 3x pT + 8x pD)
Entero
Un
numero completo.
numero de unidades embarcadas hacia San Diego numero de unidades embarcadas hacia Barstow
24
nUmero de unidades embarcadas hacia Tucson nUmero de unidades embarcadas hacia Dallas Por tanto, la restriction de capacidad correspondiente a este nodo es:
xss +
Un proceso similar, con referencia al diagrama de redes de la figura 2.2, conduce al siguiente grupo de restricciones de capacidad: xss < 2000 xLs xLB + XLT + xLD x ps + x pB + XPT + XPD < 1700
XSB XST XSD 1700
Para identificar las restricciones de demanda, observe que existe una de tales restricciones asociada con cada uno de los cuatro nodos de la figura 2.2, correspondiente a las cuatro tiendas al detalle. Por ejemplo, el nUmero de unidades enviadas a la tienda detallista de San Diego debe ser exactamente 1700. Ahora use la tecnica de descomposicion para expresar el nUmero de unidades embarcadas a San Diego como una suma de terminos individuales. De la figura 2.2, los tres arcos que entran al nodo correspondiente a la tienda detallista de San Diego proporcionan la siguiente descomposicion: NUmero de unidades 1 embarcadas desde San Francisco nUmero de unidades embarcadas desde San Francisco nUmero de unidades embarcadas desde Los Angeles numero de unidades embarcadas desde Phoenix Por tanto, la restriction de demanda correspondiente a este nodo es:
x + x Ls + x = 1700 ps ss
Un proceso similar, nuevamente con referencia al diagrama de redes de la figura 2.2, conduce al siguiente grupo de restricciones de demanda: xss + x LS + x PS 1700 X SB + X LB + X PB = 1000 1500 XST + X LT + X PT = xSD + x LD + X PD r-= 1200 (San Diego) (Barstow) (Tucson) (Dallas)
25
Programa entero
EX2_2.DAT
x ps + x pB +
RESTRICCIONES LOGICAS
XSS, XsB, XsT, X SD, XLs, X LB, X LT, XLD,
X ps , X pB, X pT, X pr,
0 y entero
En el capitulo 9 aprendera el metodo para resolver este tipo de problemas. Aplicando ese procedimiento de solucion se llega al siguiente plan de embarque optimo para CCC:
TIENDAS PLANTAS San Francisco Los Angeles Phoenix SAN DIEGO 0 1700 0 BARSTOW 800 0 200 TUCSON 0 0 1500 DALLAS 900 300 0
El costo de embarque total asociado con esta solucion optima es $23 100.
CARACTERISTICAS CLAVE
El problema de CCC ilustra los siguientes puntos clave ademas de las tecnicas de formulation de problemas previamente cubiertas. El use de un diagrama esquematico, tanto para ilustrar el problema como para ayudar a su formulation matematica.
26
Agrupamiento
La tecnica de identificar una serie de restricciones similares, cada una de las cuales pertenece a un aspecto particular del problema, como la satisfaccion de demandas.
La necesidad de resolver ambiguedades que surgen con respecto a la interpretaciOn de las restricciones objetivas impuestas sobre el problema. Por ejemplo, "satisfacer la demanda" puede significar exactamente igual a o al menos. La tecnica de agrupamiento, que es la identificacion de grupos de restricciones, cada una de las cuales pertenece a un aspecto particular del problema, como la satisfaccion de demandas. La ventaja de agrupar es que, despues de formular la restriccion de demanda de un detallista, se le facilitard formular todas las restricciones de ese grupo porque todas tienen la misma estructura matematica.
Hexxon Oil Company tiene una gran refineria localizada en Newark, New Jersey. La gasolina refinada es enviada de alli a tanques de almacenamiento en Filadelfia a traves de una red de oleoductos con estaciones de bombeo en Sayerville, Easton, Trenton, Bridgewater y Allentown. El oleoducto esta construido en segmentos que conectan parejas de estas ciudades. A lo largo de cada segmento existe un numero maximo conocido de galones por hora que pueden enviarse. Esos segmentos y sus respectivas capacidades en galones por hora son
CAPACIDAD 150 000 125 000 130 000 80 000 60 000 100 000 75 000 50 000 90, 000
En la region de Filadelfia se espera un aumento en la conduccion en los proximos meses de verano. i,Tendra Hexxon suficiente gasolina para satisfacer la mayor demanda en las estaciones de servicio? Antes de incrementar la tasa de producciOn de la refineria, la administracion de Hexxon desea conocer el rnimero maxim() de galones de gasolina por hora que pueden enviarse a tray& de la red de oleoductos a los tanques de alma-cenamiento de Filadelfia. I Antes de formular este problema matematicamente, considere el dibujo de un diagrama de redes que le ayude a visualizar la informacion y los datos del problema. Primero identifique ciertos nodos y arcos. En este problema, cada lista de ciudades puede representarse mediante un nodo. Para conectar esas ciudades para las que existe
27
un segmento de la red de oleoductos se'utiliza un arco, como se ve en la figura 2.3. Alli tambien puede ver la capacidad de cada segmento escrita junto al arco correspondiente.
Sayerville Trenton
[150]'
Newark
[60] [50]
Filadelfia
[80]
[90]
[100]
[75] Easton
Allentown
Oil Company.
el numero de galones de gasolina por hora que se enviaran a lo largo del segmento Newark a Sayerville
Se requiere de una variable similar para cada uno de los otros ocho arcos del diagrama de redes de la figura 2.3. En la figura 2.4 se escriben estas nueve variables junto a los arcos.
Sayerville Trenton
Newark
Filadelfia
[100] Bridgewater
Figura 2.4
28
En terminos de las variables de decision, entonces, la funcion objetivo es Maximizar xm, + XTP
xSB <
XET
xAr xTp
130 000
2. Restricciones de equilibrio, especificando que en cada estacion de bombeo, la cantidad de gasolina por hora enviada debe ser precisamente igual a la cantidad recibida. Por ejemplo, si observamos el nodo de la figura 2.4 correspondiente a la estaciOn de bombeo de Bridgewater, puede ver que
Cantidad enviada de Cantidad enviada desde Bridgewater . Bridgewater a Easton {
= X BE
29
Si igualamos estas dos cantidades obtenemos la siguiente restriction de balance para la estacion de bombeo de Bridgewater:
X BE = X NB + X SB
0
X BE X NB
Procediendo de manera similar para cada estacion de bombeo se obtienen las siguientes cuatro restricciones de balance adicionales:
X ST X SB X NS = 0 (balance en Sayerville)
x EA X ET X BE = 0 (balance en Easton)
X TP X ST X ET = 0 (balance en Trenton)
Xm, X
EA
= 0 (balance en Allentown)
3. Restricciones iogicas, especificando que la cantidad enviada en cada segmento sea no negativa. Juntando todas las piezas, la formulation matematica del problema de la Hexxon Oil Company es la siguiente:
X AP + X TP
NS <
150 000
80 000 60 000
X NB
X SB X ST <
X BE
125 000
100 000
XEA X ET
5-
75 000 50 000
90 000 130 000
XAP, 5X TP
<
RESTRICCIONES DE BALANCE
X BE X NB X SB = 0 (balance en Bridgewater)
30
CAPITULO 2 EL ARTE Y LA CIENCIA DE CONSTIZUIR MODELOS DETERMINISTICOS RESTRICCIONES LOGICAS Todas las variables son no negativas. Aplicando el procedimiento de solution apropiado se obtienen los flujos optimos mostrados en la figura 2.5.
Sayerville
110 [125]
Trenton
Filadelfia
Flow = 205
95 [100] [75]
Bridgewater
Easton
Allentown
Figura 2.5 Una solution optima para el problema de flujo maxim de Hexxon Oil Company.
Esta solution resulta en un flujo maxim de 205 000 galones de petroleo por hora desde la refineria de Newark a los tanques de almacenamiento de Filadelfia. La administration no sabe cuanta gasolina puede bombear la compaiiia a Filadelfia. Esta information tambien es importante al tomar la decision respecto a cudl deberia ser la tasa de production en la refineria de Newark. De hecho, el flujo maxim hacia Filadelfia pone un limite superior sobre cuanta gasolina debe fluir desde Newark.
2.2
31
Las decisiones cualitativas desconocidas, la respuesta de si o no a estas pregun tas, son los elementos que puede controlar con libertad y de esta manera se incorporan a un modelo matematico como variables de decision. Al formular un modelo, estas' variables de decision estan restringidas a valores de 0 (para "no") y 1 (para "si") y son entonces llamadas variables enteras 0-1. El siguiente ejemplo ilustra como se usan Variable entera 0-1 Una variable de decision, estas variables en el desarrollo de modelos. restringida a tener un valor de 0 o 1, usada EJEMPLO 2.4 EL PROBLEMA DE ADMINISTRACION DE CARTERA DE HIGH TECH Los socios generales de High Tech, una compaiiia de inversion de capital de riesgo, para modelar estan considerando invertir en una o ms propuestas que han recibido de varios decisiones "no/si". negocios empresariales. El departamento de investigacion ha examinado cada propuesta, y cuatro de los empresarios cumplen con el requerimiento de High Tech de lograr un rendimiento lo suficientemente alto para el riesgo asociado. Estas compailias son BioTech, Tele-Comm, Laser-Optics y Compu-Ware. El departamento de investigacion de High Tech tambien ha estimado el rendimiento total de estos negocios en &Hares actuales, dado en la Ultima columna de la tabla 2.3. Cada uno de los cuatro proyectos requiere inversiones de una cantidad conocida al principio de cada uno de los siguientes cuatro anos, como se muestra en la tabla 2.3. El departamento de contabilidad de High Tech ha preparado una estimacion de los fondos totales que High Tech tiene para invertir a principios de cada uno de los siguientes cuatro atios, que se da en la Ultima fila de la tabla 2.3. Observe que los fondos no usados de cualquier ario no estan disponibles para su inversion en los aiios posteriores. Como uno de los socios generales de High Tech, se le ha pedido hacer recomendaciones respecto a cuales de estos proyectos elegir, si acaso, para invertir y lograr el ms alto rendimiento total en &dares actuales. Usted y los otros socios han acordado que High Tech, en un esfuerzo por diversificarse, no invertird conjuntamente en Tele-Comm y Laser-Optics, que estan desarrollando el mismo tipo de tecnologia. I
1, si High Tech debe invertir en Bio-Tech 0, si High Tech no debe invertir en Bio-Tech 1, si High Tech debe invertir en Tele-Comm 0, si High Tech no debe invertir en Tele-Comm {1
32
1,si High Tech debe invertir en Laser-Optics { 0, si High Tech no debe invertir en Laser-Optics 1, SiHigh Tech debe invertir en Compu-Ware 0, si High Tech no debe invertir en Compu-Ware
C=
La eleccion de 1 para "si" y 0 para "no" es completamente arbitraria. Tambien habrfa podido elegir 1 para "no" y 0 para "si". Sin embargo, una vez que ha elegido, debe usar esta eleccion consistentemente en toda la formulacion. En algunos casos, una eleccion particular simplifica la formulacion subsecuente.
Trabaje con un ejemplo especffico. El rendimiento de Bio-Tech es de $250 000, como se muestra en la tabla 2.3. Sin embargo, recibird este rendimiento solo si decide invertir en Bio-Tech, esto es, si B = 1. De otra manera, es decir, si B = 0, el rendimiento de BioTech es 0. Estas dos posibilidades pueden combinarse en la siguiente expresiOn matematica: Rendimiento de Bio-Tech = 250B Si la decision es no invertir, es decir, B = 0, entonces 250B = 0. De otra manera, cuando la decision es invertir, esto es, B = 1, entonces 250B = 250. De manera similar, el rendimiento de cada uno de los restantes tres proyectos se obtiene multiplicando el rendimiento de la tabla 2.3 con la variable de decision 0-1 correspondiente a ese proyecto. En resumen, la funcion objetivo para este problema es maximizar:
Rendimiento total = rendimiento de Bio-Tech rendimiento de Laser-Optics rendimiento de Tele-Comm + rendimiento de Compu-Ware
Pregiintese que le impide invertir en los cuatro proyectos. Una restriccion es la cantidad limitada de fondos disponibles para inversion durante cada uno de los cuatro atios ( \Tease la tabla 2.3). En particular, se requiere de una restriccion de presupuesto para cada uno de los cuatro atios para asegurar que los fondos totales invertidos en proyectos
TICOS
33
seleccionados no excedan la cantidad de fondos para inversion disponibles ese ano. Por ejemplo, para el primer ario: Fondos totales invertidos en proyectos seleccionados
:5_
90
Usando la tecnica de descomposicion, los fondos totales invertidos en proyectos seleccionados es la suma de las cantidades invertidas en cada uno de los cuatro proyectos, esto es: Fondos totales invertidos = (cantidad invertida en Bio-Tech) + (cantidad invertida en Tele-Comm) + (cantidad invertida en Laser-Optics) + (cantidad invertida en Compu-Ware) Se requiere una expresion matematica para cada una de estas cantidades en terminos de las variables de decision y otros datos del problema. Use nuevamente la descomposiciOn, y trabaje con un ejemplo especifico. La cantidad invertida en cada proyecto es la cantidad requerida para ese proyecto durante el primer alio (\Tease la tabla 2.3) multiplicada por la variable 0-1 correspondiente. Por tanto, la restriction de presupuesto para el primer ario se convierte en: 60B + 35T + 10L + 15C 90 (presupuesto para el ario 1)
res ara
Se requiere de una restriction similar para cada uno de los restantes tres arios. Usando los datos de la tabla 2.3, esas restricciones son 10B + 35T + 50L + 10C 80 10B + 35T + 50L + 10C:5_ 80 10B + 35T + 10L + 40C :5_ 50 (presupuesto para el ario 2) (presupuesto para el atio 3) (presupuesto para el ario 4)
Recuerde que la administraciOn ha decidido no invertir en Tele-Comm y Laser-Optics a la vez. ,Puede usar las variables T y L para escribir una restriction matematica apropiada? Se necesita una restriction para asegurar que si T es 1, entonces L es 0, y que si L es 1, entonces T es 0 (o, de manera equivalente, que ambas variables no pueden tener un valor de 1). Una forma de lograr esto es requerir que el producto de estas dos variables sea 0. T*L= 0 Si una de las variables es positiva, la otra debe ser 0. Pensandolo un poco, puede darse cuenta de que la siguiente restriction logra el mismo objetivo: T 4-L5_1 En la Ultima restriction, si T es 1, L no puede ser tambien 1 y satisfacer la desigualdad (y viceversa). Cualquiera de estas dos restricciones es aceptable. La opciOn deberia basarse finalmente en su capacidad de encontrar un metodo para resolver la formulation
34
resultante. En este caso, la segunda restricciOn proporciona un modelo que es ms facil de resolver, como aprendera en los siguientes capitulos sobre tecnicas de solucion.
RESTRICCIONES LOGICAS
Como se especifica en las definiciones, cada variable debe tener un valor de 0 o 1. Esta restriccion implicita se hace explicita de la siguiente manera:
B,T,LyC=Ool
0 _<_71 0 :5_ C
1 y
T L
0 ._1.1 y 1 y
C entera
250B + 375T + 275L + 140C GOB + 35T + 10L + 15C 5_ 90 (ano 1) 10B + 35T + 50L + 10C 5_ 80 (alio 2) 10B + 35T + 50L + 10C 80 (ano 3) 10B + 35T + 10L + 40C < 50 (alio 4)
T+ L B, T, L, <1 C =Ool
Esta formulacion se basa en definir las variables como se hace en el paso 1. Una formulacion alternativa, pero equivalente, puede obtenerse definiendo cada variable de decision para que tenga un valor de 1 para "no", significando que no invertira en el proyecto asociado, y de 0 para "s1", significando que si invertira. Se le pide desarrollar el modelo correspondiente en un ejercicio al final de este capitulo. Esto mostrard que no existe una formulacion Unica de un problema. De cualquier modo, aprendera el procedimiento de solucion para este tipo de problema en el capitulo 8. La aplicacion de ese procedimiento da por resultado en la recomendacion de invertir solo en los proyectos de Bio-Tech y. Laser-Optics, con un rendimiento esperado de 525 mil dolares.
elk
CARACTERISTICAS CLAVE
Este problema ilustra las siguientes caracteristicas clave, ademas de las tecnicas de formulaciOn de problemas que ya conoce:
35
I El uso de variables enteras (0-1), para incorporar decisiones no/si. I El uso de variables enteras (0-1), para modelar restricciones alternativas al requerir que la suma de dos de estas variables no exceda de 1. I La posibilidad de distintas expresiones matematicas para la misma restriction. I La posibilidad de distintos modelos, dependiendo de la election y definition de las variables de decision.
36
(derecha). De manera similar, un valor negativo de b representa la distancia desde el Ayuntamiento hasta el Sur (abajo) y un valor positivo representa la distancia al Norte (arriba). Con este entendido, puede escribir las coordenadas conocidas de los cinco hospitales en la figura 2.6 relativas al Ayuntamiento de la siguiente manera: Ubicacion del hospital 1 = (a1 , b1) Ubicacion del hospital 2 = (a2, b2) Ubicacion del hospital 3 = (a3, b3) Ubicacion del hospital 4 = (a4 , b4) Ubicacion del hospital 5 = (a5, b5) Regresando a la cuestion de identificar las variables de decision, usted puede elegir con libertad la ubicacion del banco de sangre, esto es, su distancia Este-Oeste y Norte-Sur en millas desde el Ayuntamiento. En consecuencia, es razonable definir dos variables, una para cada coordenada de la ubicacion del banco de sangre: x = la distancia Este-Oeste en millas desde el Ayuntamiento y = la distancia Norte-Sur en millas desde el Ayuntamiento
Norte
(a5, b5 )
(a1, b,)
Este
(a b3 )
37
medida de comparacion para determinar la ubicaciOn "mejor". Para desarrollar esta medida, comience por preguntar lo que constituye una buena ubicacion. Algunas respuestas posibles son la mejor ubicacion. 1. Minimiza la suma de las distancias desde el banco de sangre a cada uno de los cinco hospitales. 2. Minimiza la distancia al hospital ms lejano. 3. Minimiza la distancia total viajada al hacer las entregas durante el dia. La eleccion de un objetivo corresponde a los tomadores de decisiones de la organizacion. En este problema, suponga que se selecciono el tercer criterio. La siguiente cuestion es como expresar este objetivo en terminos de las variables y otros datos del problema. Usando la tecnica de descomposicion, puede expresar la funcion objetivo de la manera siguiente: Minimizar la distancia total de viaje = 2 * (distancia desde el banco de sangre hasta el hospital 1) * (numero de entregas al dia al hospital 1) + 2 * (distancia desde el banco de sangre hasta el hospital 2) * (numero de entregas al dia all hospital 2) + 2 * (distancia desde el banco de sangre hasta el hospital 5) * (numero de entregas al dia al hospital 5) El valor de 2 en cada termino surge porque cada entrega es un viaje redondo. Ahora es necesario expresar cada termino individual usando variables y otros datos del problema. i,Puede hacer esto para la distancia desde el banco de sangre hasta el hospital 1 de la figura 2.6? Una dificultad que puede encontrar es que no es claramente preciso que se entiende por "distancia". Por ejemplo, si las entregas se hacen por aire (digamos, en helicoptero), la distancia no es la misma que si las entregas se hicieran por tierra. Supongamos que las entregas se hacen por aire. En este caso, recuerde la formula para calcular una distancia en linea recta. La distancia desde el banco de sangre, ubicado en las coordenadas desconocidas (x, y), al hospital 1, ubicado en (a1, b 1 ), es: Distancia = \/(x a1)2 + (y bi)2 Porque cada entrega requiere un viaje redondo, Distancia viaje redondo = 2 * V(x a1)2 + (y b1)2 Use la misma formula para cada uno de los cuatro hospitales restantes, y multiplique cada distancia por el numero de viajes diarios dados en la descripcion del problema. La funcion objetivo global es: Minimizar 2* 4* 2* \/(x a )2 + (y b i)2 ) + \/(x a2 )2
\/(x
(y b2)2 ) +
a3 )2 + (y b3)2 ) +
a5 )2 + (y b5)2 )
38
Un modelo matematico que tiene una funcion objetiva pero carece de restricciones.
a1)2 + (y b1)2 J +
+ (y b5)2
Resolver este problema requiere la obtenciOn de valores especificos para los datos que representan la ubicacion (coordenadas) de los cinco hospitales.
NoI
CARACTERLSTICAS CLAVE
Este problema ilustra las siguientes caracteristicas slave ms alla de las tecnicas de formulation de problemas ensenadas: La necesidad de aclarar ciertos aspectos del problema (como el concepto de "distancia") antes de intentar formular el problema. La posibilidad de especificar la funcion objetivo de maneras diferentes, basandose en criterios distintos, como los conceptos alternativos de una ubicacion ideal. En tales casos, elija el criterio que sea ms consistente con el plan estrategico global de la organization. La capacidad para formular un problema usando nombres simbolicos para representar los datos (por ejemplo, (a1, b1) para representar la ubicacion de un hospital). Sin embargo, para obtener una solution, requerird reemplazar los nombres simbOlicos con valores de datos. El usar nombres simbolicos en vez de valores de datos especificos le permite:
39
a. Formular un problema sin esperar la recoleccion de los valores de datos y b. Usar el mismo modelo para problemas similares teniendo distintos valores de datos. Por ejemplo, el modelo de banco de sangre, con diferentes ubicaciones de hospitales, puede ser usado tambien por el condado de Los Angeles. La posibilidad de tener variables irrestrictas, esto es, variables cuyos valores pueden ser tanto negativos como positivos. La posibilidad de omitir ciertas restricciones que, por la naturaleza de la funcion objetivo, se satisfacen automaticamente. Algunas veces, puede omitir una restriction porque esa restriction es impuesta automaticamente por alguna otra restriction del modelo. Variables irrestrictas
Una variable en un problema de decisiOn cuyo valor puede ser positivo, negativo o cero.
brica todo tipo de contenedores hechos por pedido. La compania acaba de recibir un estudio de una compaiiia britanica para contenedores rectangulares de seis lados reutilizables hechos de un material especial de lamina de fibra. El volumen de cada contenedor debe ser al menos de 12 000 centimetros cabicos (cm3 ). Las restricciones de embarque de estos contenedores en Inglaterra requieren que sus dimensiones (esto es, largo por ancho por altura) no exceda de 72 cm y que la mayor dimension sencilla no exceda de 40 cm. La compatila britanica ya obtuvo una oferta de $8.20 por contenedor. La presidencia de Containers, Inc., le ha preguntado, a usted, gerente de la divisiOn de production, si la compatifa puede proveer los contenedores por menos y seguir obteniendo una ganancia de 25%. Usted ha obtenido datos que indican que el material de lamina de fibra cuesta $20 por metro cuadrado y que los costos de trabajo y otros costos variables son de $1 por contenedor. zHace una oferta por el contrato? I
40
lizaran y en las unidades dadas en los datos del problema.Como los datos estan expresados en unidades metricas centimetros y metros), es apropiado utilizar centimetros o metros en vez de pulgadas o pies. Eligiendo arbitrariamente centimetros, sean L = la longitud del contenedor en centimetros W = el ancho del contenedor en centimetros H = la altura del contenedor en centimetros
Para cada lado, el costo se calcula como: Costo de un lado = (cantidad de lamina de fibra requerida) * (costo por unidad de lamina de fibra) En particular, para el lado limitado por el largo y el ancho, la cantidad de lamina de fibra requerida es:
41
Area del lado = largo * ancho = (40 cm) (20 cm) = 800 cm2 Si ahora tuviera que calcular el costo de este lado como 800 veces el costo unitario de la lamina de fibra ($20 por metro cuadrado), obtendria un costo incorrecto de $16 000 por este lado. Este error ocurre debido a una mezcla incorrecta de unidades. Las dimensiones del contenedor estan definidas en terminos de centimetros, pero el costo de la lamina de fibra esta dado en dolares por metro cuadrado. Una forma de corregir esta situation es redefinir las variables en terminos de metros en vez de centimetros. De manera alternativa, puede calcular el costo de la lamina de fibra en terminos de (Wares por centimetro cuadrado, como se hard aqui. Observe que 1 metro cuadrado es igual a 100 cm, o 10 000 centimetros cuadrados. Por tanto, un costo de $20 por metro cuadyado es equivalente a un costo de $20/10 000 = $0.002 por centimetro cuadrado. En consecuencia, el costo de un lado limitado por un largo de 40 y un ancho de 20 es: Costo para este lado = 0.002 * 40 * 20 = $1.60 Recuerde que el proposito de trabajar con un ejemplo especifico no es obtener una respuesta numerica para este conjunto especifico de valores de variables, sino determinar como realizar los cdlculos cuando los valores de las variables no estdn especificados. En este caso, el costo para este lado, en terminos de L y W, esta dado por: Costo de este lado = 0.002 * L W Habiendo calculado el costo de este lado, todavia tiene que, calcular el costo de los otros cinco lados. De la figura 2.7, puede ver que hay dos lados acotados por el largo y el ancho; de manera similar, hay dos lados acotados por el largo y la altura y dos lados acotados por el ancho y la altura. Por tanto, el costo total de la construction del contenedor puede expresarse matemdticamente de la manera siguiente: Costo total = suma de los costos para cada uno de los seis lados = 2 * (costo del lado acotado por el largo y el ancho) + 2 * (costo del lado acotado por el largo y la altura) + 2 * (costo del lado acotado por la altura y el ancho) = 2 * (0.002 * L* W) + 2 * (0.002 * L* H) + 2 * (0.002 * H W) = 0.004 * L W + 0.004 * L* H + 0.004 * H La funcion objetivo para este problema es: Minimizar 0.004 'L W + 0.004 :IL *H + 0.004
:1H :1W
42
CAPiTULO
LA RESTRICCION DE VOLUMEN
La compaiifa britanica ha pedido que el contenedor tenga un volumen de al menos 12 000 cm3. Si recordamos que el volumen de una caja se calcula como el producto de sus tres dimensiones, puede usarL, W y H anteriormente definidos para expresar esta restriccion como: L*W*H
LA RESTRICCION DE TAMARO
12 000
(restriccion de volumen)
Para expresar la limitaciOn de que el tamario no exceda de 72 cm, recuerde que el tamailo es la suma de las tres dimensiones del contenedor, asi que: L + W + H < 72 (restriccion de tamano)
Otra restriccion dada en la description del problema es que la mayor dimension simple no exceda de 40 cm. Usted no sabe que dimension es la que va a ser la mayor, asi que una forma de expresar esta restriccion es la siguiente: _ 40 Maximo IL, W y H}< Esta restriccion es correcta.en esta forma, pero puede darse cuenta de que existe otra forma equivalente de expresar la limitacion de que la dimension mayor no exceda de 40 cm. Podria requerir que cada dimension individual no exceda de 40 cm. Por tanto, la restriccion anterior puede escribirse igualmente bien como las tres restricciones: L__ <40 W__ <40 H 40 Aqui, nuevamente, yea que es posible formular un problema en ms de una forma. Compare los dos enfoques. El primero requiere una restriccion matematica compleja, y el ultimo requiere tres simples. Ambas formulaciones son correctas. La elecciOn de la formulacion a usar debe basarse en su habilidad para encontrar un metodo para resolver el problema resultante, como se analizo en la section 2.3. Por ahora, el segundo enfoque se usard debido a su simplicidad.
43
Observe que la restriction 0 L 40 significa que L es no negativo (0 L) y es menor que 40 (L < 40). En la section 2.3, aprendera que este problema pertenece a una clase general llamadaproblemas de programacion no lineal. El procedimiento para resolver estos problemas esta ms alla del alcance de este libro. Sin embargo, tales metodos existen y estan disponibles en algunos paquetes de computadora. La aplicacion de un procedimiento de estos tiene como resultado el diserio cptimo en el que el largo, el ancho y la altura son cada uno 22.8943 centimetros. Este diserio incurre en un costo total de $7.29, consistente en $6.29 para la lamina de fibra y un &liar adicional de mano de obra y gastos generales. La adicion de 25% de margen de ganancia da un total de $9.11. Como esta cantidad excede la oferta competitiva de $8.20, debe recomendar a la directiva que la compariia no acepte este contrato.
CARACTERISTICAS CLAVE
Este problema ilustra las siguientes caracteristicas clave adernas de las tecnicas de formulaciOn de problemas anteriores. I La necesidad de usar unidades apropiadas (centimetros, en este ejemplo) al definir las variables y ser consistente a lo largo de toda la formulaciOn en expresar todos los aspectos del problem a en terminos de las unidades elegidas. La posibilidad de escribir restricciones en ms de una forma (como la restriction de que la dimension maxima del contenedor no exceda de 40 cm).
41.
Algoritmos
Un procedimiento sistematico, paso a paso, usado para resolver un modelo matematico.
44
1. Problemas irrestrictos son aquellos que carecen de restricciones. 2. Problemas restringidos son aquellos que tienen una o ms restricciones. El problema de ubicacion del banco de sangre del ejemplo 2.5, en la seccion 2.2, es un problema irrestricto. Todos los demas ejemplos de la seccion 2.2 son problemas restringidos. Los problemas restringidos se clasifican entonces sobre la base de las propiedades matematicas que las restricciones satisfacen. Una de las dos propiedades matematicas fundamentales de las restricciones es la aditividad, en la que la contribucion de cada variable a la funciOn de restriccion se suma (o sustrae) a la de cada una de las otras variables de la restriccion. Para ilustrar la propiedad de aditividad, recuerde la siguiente restriccion de mano de obra del departamento de mezclado del problema de Case Chemicals de la seccion 2.2, en el que CS1 es el namero de miles de galones de CS-01 por producir y CS2 es el namero de miles de galones de CS-02 por producir: 2CS1 + CS2 _< 230 (1)
Aditividad Una propiedad matematica de restricciones en la que la contribucion de cada variable a la funcion de restriccion se suma (o sustrae) a la de cada una de las otras variables de la restriccion.
Esta restriccion satisface aditividad porque la contribucion de CS1 a la restriccion (a saber, 2CS1) se suma a la de CS2 (a saber, CS2). De manera similar, considere la siguiente restriccion de equilibrio para la estaciOn de bombeo de Allentown en el problema del flujo maxim de Hexxon Oil Company en el ejemplo 2.3:
X AP - X EA =
(2)
Esta restriccion satisface la propiedad de aditividad porque la contribucion de xEA se sustrae de la de xAp. En contraste considere la siguiente restriccion de volumen del problema de disefio de Containers, Inc., del ejemplo 2.6:
Proporcionalid a4 Una propiedad matematica de restricciones mediante la cual si el valor de una variable se multiplica por cualquier constante, su contribucion a la restriccion se multiplica por esa misma constante.
L*14T*H__12 000
(3)
Esta restriccion no satisface la aditividad porque las contribuciones de L, W y H no se suman unas a otras. Ms bien, esos valores se multiplican entre si. La segunda propiedad matematica de una restriccion es la de la proporcionalidad: si el valor de una variable se multiplica por cualquier constante, la contribucion de la variable a la restriccion se multiplica por esa misma constante. La restriccion anterior (1) si satisface la proporcionalidad. Suponga que CS1 tiene un valor de 5. En este caso: Contribution de CS1 = 2CS1 = 2(5) = 10
Si el valor de CS1 = 5 se multiplica por cualquier constante, digamos, c, entonces: Contribution de CS1 = 2CS1 = 2(5c) = 10c Como puede ver, si el valor de CS1 se multiplica por cualquier constante c, la contribution de CS1 a la restriction tambien se multiplica por c. Como esta misma propiedad es cierta para CS2, esta restriccion: 2CS1 + CS2 Lc. 230 satisface la proporcionalidad. En contraste, considere la restriccion: x 2 + 2x2 > 10 (4)
La restriction (4) no satisface la proporcionalidad. Para ver por que, suponga que xi tiene un valor de 5: Contribution de x1 = x12 = (5)2 = 25 Si el valor de x1 = 5 se multiplica por una constante, digamos, 2, entonces: Contribution de x1 = x12 = (2 * 5)2 = (22) * (52) = 4 , 25 Como puede ver, si el valor de xi se multiplica por 2, la contribuciOn de xl a la restriction se multiplica por 4. La proporcionalidad no se mantiene. Sobre la base de las propiedades de aditividad y proporcionalidad, existen dos clasificaciones de problemas restringidos: 1. Restricciones lineales, en las que todas las restricciones satisfacen tanto la aditividad como la proporcionalidad. 2. Restricciones no lineales, en las que alguna restriction no satisface al menos una de las propiedades de aditividad y proporcionalidad. Usted puede reconocer si una restriccion particular es lineal c no viendo su forma. Una restriccion es lineal si, en terminos de las variables de decision xi , . . . , (o cualesquier nombres simbolicos), puede escribirse como: a 1x1 + a
2 '
Restriction lineal
Una propiedad matematica de un modelo en el que todas las restricciones satisfacen tanto la aditividad como la proporcionalidad.
Restriction no lineal
Una propiedad matematica de un modelo en el que alguna restriccion no satisface al menos una de las propiedades de aditividad o proporcionalidad.
en donde cada una de las ai , . . . , a, y b es un numero real conocido. Por ejemplo, la restriccion anterior (1) es lineal porque el coeficiente de la variable CS1 es a l = 2, el de CS2 es a2 = 1, y b = 230. La restriccion (2) tambien es lineal porque el coeficiente de la variable XAP es a1= 1, el de xEA es a2 = 1, y b = 0. En contraste, las restricciones (3) y (4) son no lineales.
46
Objetivo lineal
Funcion objetivo que es lineal.
1. Objetivo lineal, en la que la funciOn objetivo es lineal. 2. Objetivo no lineal, en la que la funcion objetivo es no lineal. Por ejemplo, la siguiente funcion objetivo del problema de planeacion de produccion de Case Chemicals es lineal: Maximizar 300 CS1 + 500 CS2 En contraste, la siguiente funcion objetivo del problema de diseno de Containers, Inc., del ejemplo 2.6 es no lineal: Minimizar (0.004 * L x W) + (0.004 * L H) + (0.004 * H * W)
Objetivo no lineal
Funcion objetivo que es no lineal.
Divisibilidad
La propiedad de una variable de decision que es capaz de asumir cualquier valor, fraccional u otro, dentro de cierto intervalo.
Problema deterministico
Irrestricto
Restringido
Restringido o irrestricto
Lineal
No lineal
Tipo de restricciOn
Lineal
No lineal
Lineal
No lineal
Lineal
No lineal
AAAA
FunciOn objetiva
Entero Cont.
Entero
Tipo de variable
cos
47
de
en teoria es posible producir 5.132 mil galones, estas variables son divisibles. En contraste, todas las variables del problema de transportacion de CCC, en el ejemplo 2.2, de la secciOn 2.2 representan el ntimero de microcomputadoras a ser enviadas. Estas variables no son divisibles porque no es posible enviar 1.3 microcomputadoras, esto es, a estas variables se les deben asignar valores enteros. La propiedad de divisibilidad da pie a las dos clases siguientes: 1. la clase de modelos de variable continua, en la que todas las variables satisfacen la divisibilidad. 2. la clase de modelos de variable entera (o discreta), en la que una o ms variables deben tener valores enteros. Las diversas clasificaciones de modelos deterministicos se resumen en la figura 2.8. Como se menciono anteriormente, despues de la formulacion de un modelo, debe determinar a que clase pertenece, para que pueda elegir un algoritmo apropiado para solucionar el problema. En esta secciOn, ha aprendido a clasificar un modelo en un grupo particular, basandose en sus diversas caracteristicas matematicas. Este esfuerzo le ayudard a elegir un algoritmo apropiado para obtener una soluciOn a su modelo. A continuaciOn se analizan cuestiones adicionales referentes al proceso de construcciOn de modelos.
Variable continua Una variable que satisface la divisibilidad. Variable entera (discreta) Una variable que debe tener un Valor entero.
aca o, se
0
48
a. eSatisfaccion de la demanda" significa embarcar exactamente la demanda o al menos la demanda, como en el ejemplo 2.2 de la section 2.2? b. !,La "distancia" entre dos ubicaciones significa la distancia viajada por aire o a traves de una red de carreteras, como en el ejemplo 2.5 de la section 2.2? Estas preguntas deben responderse antes de que comience el proceso de formulacion. El no hacerlo podria ocasionar la implantation de una solution optima al problema errOneo.
De manera alternativa, podria definir solo la variable x como el numero de unidades por enviar del primer proveedor; esto implica que la cantidad D x es enviada por el segundo proveedor. Aqui necesitaria las restricciones de demanda: x<D x>0
La election de un modelo particular deberia basarse en parte en los siguientes puntos: 1. Su habilidad para encontrar un procedimiento de solution eficiente para resolver el modelo matematico resultante. 2. Su habilidad para comunicar una comprension de la formulaciOn del problema. Por ejemplo, el use de variables adicionales pueden facilitarle a otras personas la comprension de ciertas restricciones.
49
3. Su habilidad para interpretar e implantar la soluciOn resultante sin esfuerzos indebidos. Reconsidere las alternativas recien analizadas para elegir las variables de decision para satisfacer la demanda conocida de D unidades. Para implantar la soluciOn obtenida al resolver el modelo teniendo solo la variable x, todavia necesita calcular el valor de D x para determinar cuanto enviard el segundo proveedor a un cliente. En contraste. solucionar el modelo con ambas variables x e y proporciona toda la informacion que requiere para la implantacion.
Cuestiones de instrumentacion
Al formular modelos, pueden haber ocurrido ciertas simplificaciones y omisiones porque no se pudo obtener los datos o porque ciertas restricciones no se identificaron durante la formulacion. Asimismo, es posible que haya tenido que hacer ciertas suposiciones de simplificacion para obtener un modelo matematico que pudiera ser resuelto por el paquete de computadora disponible. Como resultado, el modelo matematico generalmente no es una representaci6n completa y exacta del problema real. Por tanto, cuando se resuelve un modelo, debe validar la solucion. Debe revisar y examinar la solucion en el contexto del problema original, en vez de hacerlo simplemente como el resultado matematico de la formulacion, para determinar si es practico y tiene sentido implantar la solucion. Por ejemplo, una solucion que recomienda reducir el personal en veinte personas o cerrar una planta puede tener implicaciones no contempladas en el modelo matematico. En tales casos, un administrador debe usar la experiencia, pericia y sentido comun ya sea para modificar la solucion apropiadamente antes de su implantaciOn o para modificar la formulacion matematica para reflejar ms exactamente el problema real y luego resolver el nuevo modelo. Despues de la implantacion, es necesario supervisar los resultados para verificar que la solucion logra los objetivos que la organizacion esperaba.
50
Asimismo, los datos del problema pueden cambiar con el tiempo (por ejemplo, los costos de la materia prima y las tasas de interes), de tal forma que a menudo es necesario reolver el problema usando los datos nuevos.
RESUMEN
En este capitulo, usted ha aprendido a formular y clasificar modelos matematicos para resolver problemas de decision deterministicos. En esta seccion se revisan tanto la formulacion como la clasificacion.
Formulaciem de problemas
La formulacion de un problema significa desarrollar un modelo maternatico para ese problema. Una vez que el problema esta en forma matematica, existen muchas tecnicas de administracion disponibles para obtener la solucion. Para formular un problema: 1. Identifique las variables de decision. Estos valores, una vez determinados, proporcionan la solucion al problema. Esta tarea se logra preguntandose cualquiera de las siguientes preguntas: a. i,Que elementos puede elegir y/o controlar libremente? b. 4Que decisiones tiene que tomar? c. i,Que valores constituyen una solucion que puede ser transmitida a otras personas? d. I,Que elementos afectan los costos y/o ganancias, o el objetivo global? 2. Identifique los datos del problema. Estos son elementos de informacion conocidos necesarios para desarrollar el modelo maternatico. Aun cuando pueda controlar los valores de las variables, no puede controlar los valores de los datos. Tal vez necesite identificar los datos del problema a lo largo del proceso de formulacion. 3. Identifique la funciOn objetivo. Este es un objetivo organizacional simple y global expresado en terminos matematicos usando las variables y los datos del problema. Esta tarea se realiza comenzando con un enunciado verbal del objetivo y despues usando cualquiera de las siguientes tecnicas para expresar este objetivo en terminos matematicos: a. DescomposiciOn del objetivo en una suma, diferencia y/o producto de terminos individuales. b. Trabajo con un ejemplo especifico. Use los valores especificos de las variables para determinar como calcular la funciOn objetivo. El proposito de esta tecnica es comprender como expresar la funciOn objetivo cuando los valores de las variables no se conocen especificamente. Si su problema tiene ms de un objetivo, puede seguir el procedimiento descrito en el capitulo 7. 4. Identifique las restricciones fisicas y lOgicas. Estas son limitaciones impuestas que le prohlben elegir valores arbitrarios para las variables. Para expresar estas restricciones de una manera matematica, aplique las mismas tecnicas usadas en la identificacion de la funcion objetivo. Si el problema tiene muchas restricciones, intente usar la tecnica de agrupamiento para identificar un grupo de restricciones
EJERCICIOS
51
relacionadas (como la satisfacciOn de las demandas de diferentes clientes). Cada restriction dentro del grupo tiene una estructura similar. No olvide incluir explicitamente las restricciones implicitas, es decir, las restricciones como la no negatividad y la necesidad de variables enteras, que usted sabe que existen pero que no se enuncian especificamente.
EJERCICIOS
EJERCICIO 2.1 Identifique un conjunto de variables de decision apropiadas para este
ejercicio. Proporcione nombres simbolicos relevantes y una description completa de cada variable. No necesita formular el modelo. Florida Citrus, Inc., procesa jugo de naranja y lo transforma en concentrado congelado en tres plantas localizadas en Tampa, Miami y Jacksonville. De cualquiera de los dos huertos ubicados cerca de Orlando y Gainesville se pueden enviar libras de naranja hacia cualquier planta. Dado el costo de embarque y el precio de yenta del concentrado, el objetivo, sujeto a ciertas restricciones de oferta y demanda, es determinar como embarcar estas naranjas desde los dos huertos a las tres plantas procesadoras para maximizar la ganancia total. EJERCICIO 2.2 Identifique un conjunto de variables de decision apropiadas para este ejercicio. Proporcione nombres simbolicos relevantes y una description completa de cada variable. No necesita formular el modelo. Pension Planners, Inc., administra una cartera particular que consiste en 1800, 1000 y 500 acciones de fondos mutuos. Dadas ciertas suposiciones sobre las condiciones economicas en los siguientes 2 meses, el administrador de la agenda desea determinar el ntimero de acciones de cada fondo por vender o comprar en cada uno de los siguientes dos meses, para maximizar el valor esperado de la agenda.
Tro