Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Inv de Operaciones
Inv de Operaciones
OPERACIONES
PROF.: FELIPE LILLO V.
ING. CIVIL INDUSTRIAL
flillo@hualo.ucm.cl
INVESTIGACION DE OPERACIONES
Programa del Curso
DESCRIPCION
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
Programa del Curso
CONTENIDOS
.Introduccin a la Investigacin de Operaciones
Definicin de I.O.
Historia de la I.O.
Campos de aplicacin.
2.Formulacin matemtica
Metodologa para la generacin de modelos.
Formulaciones matemticas tpicas presentes en la P.L.
3.Programacin Lineal
Definicin de P.L.
Mtodos de Resolucin:
Mtodo grfico
Mtodo algebraico (simplex)
Anlisis de sensibilidad.
Problemas especiales de P.L:
Problemas de transporte
Problemas de asignacin
4. Introduccin a la Simulacin
Definicin de la simulacin
Gua para proyectos de simulacn.
Simulacn de Monte Carlo
Modelos con incrementos de tiempo discretos
Modelos con incrementos de tiempo variable.
Softwares de Simulacin
5.Teora de Inventarios
Modelos con demanda real conocida:
Modelo General.
Sistema de revisin continua.
Sistemas de revisin peridica.
Nota Final = 0.25*P1+25*P2+0.2T+0.30*PG
P1 / P2: Notas pruebas parciales
T: Promedio trabajos practicos.
PG: Prueba global
FECHAS
Prueba 1: 02 de Octubre del 2003
Prueba 2: 27 de Noviembre del 2003
P. Global: 04 de Diciembre del 2003
BIBLIOGRAFIA
Titulo: Investigacin de Operaciones
Autor: Hamdy Taha
Editorial: Prentice Hall / sexta edicin.
Ao: 1998
Titulo: Administracin de Operaciones
Autor: Roger Schroeder
Editorial: Mc Graw Hill. / 3 edicin / Ao: 1999
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.
Proceso: Conjunto de Actividades que crean una Salida
o Resultado a partir de una o ms Entradas o Insumos.
Sistema: Un Conjunto de Elementos interconectados
utilizados para realizar el Proceso. Incluye subprocesos
pero tambin incluye los Recursos y Controles para llevar
a cabo estos procesos.
En el diseo de Procesos nos enfocamos en QU se
ejecuta.
En el diseo del Sistemas el nfasis est en los detalles
de CMO, DNDE Y CUNDO.
Sistemas v/s Procesos
Entidades
que Entran
Entidades
que Salen
Reglas de
Operacin
(Controles)
Sistema
Recursos
Actividades
Sistemas v/s Procesos
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.
Modelos
INVESTIGACION DE OPERACIONES
INVESTIGACION DE OPERACIONES
Clasificacin de los modelos
Existen mltiples tipos de modelos para representar la realidad. Algunos son:
Dinmicos: Utilizados para representar sistemas cuyo estado vara con el
tiempo.
Estticos: Utilizados para representar sistemas cuyo estado es invariable a
travs del tiempo.
Matemticos: Representan la realidad en forma abstracta de muy diversas
maneras.
Fsicos: Son aquellos en que la realidad es representada por algo tangible,
construido en escala o que por lo menos se comporta en forma anloga a esa
realidad (maquetas, prototipos, modelos analgicos, etc.).
Analticos: La realidad se representa por frmulas matemticas. Estudiar el
sistema consiste en operar con esas frmulas matemticas (resolucin de
ecuaciones).
Numricos: Se tiene el comportamiento numrico de las variables
intervinientes. No se obtiene ninguna solucin analtica.
INVESTIGACION DE OPERACIONES
Clasificacin de los modelos
Continuos: Representan sistemas cuyos cambios de estado son graduales. Las
variables intervinientes son continuas.
Discretos: Representan sistemas cuyos cambios de estado son de a saltos. Las
variables varan en forma discontinua.
Determinsticos: Son modelos cuya solucin para determinadas condiciones es
nica y siempre la misma.
Estocsticos: Representan sistemas donde los hechos suceden al azar, lo cual
no es repetitivo. No se puede asegurar cules acciones ocurren en un
determinado instante. Se conoce la probabilidad de ocurrencia y su distribucin
probabilstica. (Por ejemplo, llega una persona cada 20 10 segundos, con una
distribucin equiprobable dentro del intervalo).
INVESTIGACION DE OPERACIONES
Clasificacin de los modelos
Es interesante destacar que algunas veces los modelos y los sistemas no
pertenecen al mismo tipo.
Por ejemplo:
El estudio del movimiento del fluido por una caera (Fluidodinmica)
corresponde a sistemas continuos. Sin embargo si el fluido se lo discretiza
dividindolo en gotas y se construye un modelo discreto por el cual circulan
gotas de agua (una, dos, diez, cien, mil) se est representando un sistema
continuo por un modelo discreto.
INVESTIGACION DE OPERACIONES
Clasificacin de los modelos
La obtencin del rea bajo la curva representada por f(x,y)=0 para el rango 0 <=
x <= 1 con 0 <= y <= 1 en todo el intervalo, es un problema determinstico. Sin
embargo, para un nmero N, suficientemente grande de puntos, de coordenadas
x,y generadas al azar (0 <= x <= 1; 0 <= y <= 1) el rea de la curva, aplicando el
mtodo de Monte Carlo, es igual a:
En este caso, mediante un modelo estocstico se resuelve un sistema
determinstico.
INVESTIGACION DE OPERACIONES
Clasificacin de los modelos
El azar en computadora es pseudo azar:
Mediante un algoritmo matemtico se generan nmeros al azar con una
distribucin aleatoria similar a la real. Se los puede utilizar en los modelos
estocsticos obteniendo similares resultados a los que se obtienen en el sistema
real. Sin embargo, este azar es repetitivo (cualquiera que conoce el algoritmo
puede predecirlo) lo cual contradice a lo que sucede en un proceso aleatorio.
En este caso, un sistema estocstico es representado por un modelo
pseudoazar (determinstico).
INVESTIGACION DE OPERACIONES
Clasificacin de los modelos segn la
I.O.
Modelo Matemtico
Es aquel modelo que describe el comportamiento de un sistema a travs de
relaciones matemticas y supone que todas las variables relevantes son
cuantificables. Por ende tiene una solucin optima.
Modelo de Simulacin
Es un modelo que imita el comportamiento de un sistema sobre un periodo de
tiempo dado, esta basado en observaciones estadsticas. Este tipo de modelo
entrega soluciones aproximadas.
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.
INVESTIGACION DE OPERACIONES
Tpicos relacionados
Anlisis Estadstico
Simulacin
Programacin Lineal
Sistema de Redes
Lneas de Espera
Problemas de Inventario
Programacin No - Lineal
Programacin Dinmica
Programacin Entera
Teora de Decisiones
Teora de Juegos
INVESTIGACION DE OPERACIONES
El Arte del Modelado
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.
INVESTIGACION DE OPERACIONES
Etapas para puesta en prctica
1. Definicin del problema:
Alternativas de decisin (vars. de decisin).
El objetivo de estudio (Funcin Objetivo).
Identificacin de las restricciones del sistema que se modela.
2. Construccin del modelo:
Traducir el problema a relaciones matemticas que incluyan las vars. decisin,
la Funcin Objetivo y las restricciones.
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
FORMULACION MATEMATICA
METODO GRAFICO METODO ALGEBRAICO
(SIMPLEX)
PROBLEMA GENERAL
PROBLEMAS DE TRANSPORTE PROBLEMAS DE ASIGNACIN
PROBLEMAS ESPECIALES
PROGRAMACION LINEAL
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.
Supuestos de la P.L.
Proporcionalidad
Aditividad
Divisibilidad
Certidumbre
Objetivo nico
No negatividad
PROGRAMACIN LINEAL
Construccin de modelos
PROBLEMA DE LA MEZCLA DE PRODUCTOS
Una compaa fabrica dos tipos de componentes electrnicos: transistores y
bobinas.
Cada transistor requiere un minuto de tiempo en el departamento de ensamble,
dos minutos de tiempo en el departamento de Control de Calidad y un minuto de
tiempo en empaque.
Cada bobina requiere dos minutos de tiempo en ensamble, un minuto de tiempo
en Control de Calidad y dos minutos en empaque.
Existe un total de 300 minutos en Ensamble, 400 minutos en C. Calidad y 400
minutos en Empaque disponibles cada da.
Tanto los transistores como las bobinas contribuyen en un dlar a la utilidad.
La compaa desea determinar la mezcla de productos optima que maximice la
utilidad total.
PROGRAMACIN LINEAL
Construccin de modelos
Solucin:
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
X.Cantidad de transistores a fabricar por da {unds./da}
Y.Cantidad de bobinas a fabricar por da {unds./da}
Paso 3: Identificar las restricciones del modelo
R1) Tiempo disponible en el depto. de Ensamble por da 300 min.
R2) Tiempo disponible en el depto. de C. Calidad por da de 400 min.
R3) Tiempo disponible en el depto. de Empaque por da de 400 min.
R4) No Negatividad.
PROGRAMACIN LINEAL
Construccin de modelos
Paso 4: Construccin del modelo matemtico
F.Objetivo
MAX { U = X + Y }
Sujeto a :
R1) X + 2Y 300
R2) 2X + Y 400
R3) X + 2Y 400
R4) X , Y 0
PROGRAMACIN LINEAL
Construccin de modelos
EJERCICIO PROPUESTO
El departamento de rayos X de un hospital tiene dos mquinas, A y B, que
pueden utilizarse para revelar radiografas. La capacidad de procesamiento diaria
de estas mquinas es A=80 y B=100 radiografas. El departamento debe planear
procesar al menos 150 radiografas por da. Los costos de operacin por
radiografa son $4 para la mquina A y $3 para la mquina B. Cuntas
radiografas por da debe procesar cada mquina para minimizar costos?
Se pide:
Formular como un problema de P.L. identificando claramente la funcin objetivo y
las variables de decisin.
PROGRAMACIN LINEAL
Construccin de modelos
Solucin:
Formulacin
Paso 1: Identificar el objetivo (meta) a optimizar
Minimizar los costos de procesamiento (C).{dlares/da}
Paso 2: Identificar las variables de decisin que deseamos determinar
X.Cantidad de radiografas a procesar en mquina A al da {rad./da}
Y. Cantidad de radiografas a procesar en mquina B al da {rad./da}
Paso 3: Identificar las restricciones del modelo
R1) Capacidad de procesamiento de rad. en la maquina A de 80.
R2) Capacidad de procesamiento de rad. en la maquina B de 100.
R3) Capacidad mnima del departamento de 150 rad. por da.
R4) No Negatividad.
PROGRAMACIN LINEAL
Construccin de modelos
Paso 4: Construccin del modelo matemtico
F.Objetivo
M IN { C = 4X + 3Y }
Sujeto a :
R1) X 80
R2) Y 100
R3) X + Y 150
R4) X , Y 0
PROGRAMACIN LINEAL
Construccin de modelos
PROBLEMA DE LA DIETA
La compaa OF utiliza diariamente por lo menos 800 libras de alimento especial.
El alimento especial es una mezcla de maz y semilla de soya, con las siguientes
composiciones.
Costo
US$/lb
Maz 0.09 0.02 0.30
Similla Soya 0.60 0.06 0.90
A. ganado Fibra Proteinas
libra componente por libra de alimento ganado
PROGRAMACIN LINEAL
Construccin de modelos
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.
.?
PROGRAMACIN LINEAL
Construccin de modelos
Solucin:
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
X.libras de maiz en la mezcla diaria {lb./da}
Y. Libras de semilla de soya en la mezcla diaria {lb./da}
Paso 3: Identificar las restricciones del modelo
R1) Requerimientos de alimentos de por lo menos 800 lbs.al da
R2) Requerimiento de protenas de por lo menos un 30%
R3) Requerimientos de fibra de cuando mucho un 5%.
R4) No Negatividad.
PROGRAMACIN LINEAL
Construccin de modelos
Paso 4: Construccin del modelo matemtico
F.Objetivo
M IN { C = 0.3X + 0.9Y }
Sujeto a :
R1) X + Y 800
R2) 0.09X + 0.6Y 0.3(X + Y)
R3)0.02 X + 0.06Y 0.05(X + Y)
R4) X , Y 0
PROGRAMACIN LINEAL
Construccin de modelos
Paso 4.1: Construccin del modelo matemtico (ORDENADO)
F.Objetivo
M IN { C = 0.3X + 0.9Y }
Sujeto a :
R1) X + Y 800
R2) 0.21X - 0.30Y 0
R3)0.03 X - 0.01Y 0
R4) X , Y 0
PROGRAMACIN LINEAL
Construccin de modelos
PROBLEMA DE TRANSPORTE
Considere el problema que enfrenta el departamento de planificacin de la
compaa DALLAS S.A. ,que tiene tres plantas y cuatro almacenes regionales.
Cada mes se requiere de una lista de requerimientos de cada almacn y se
conocen, tambien las capacidacdes de produccin de las plantas. Ademas se
conoce el costo de transporte de cada planta a cada almacn. El problema es
determinar qu plantas deben abastecer a que almacenes de manera que
minimicen los costos totales de transporte. Consideremos que los costos de
transporte entre dos ciudades cualquiera, son proporcionales a las cantidades
embarcadas. Supongase que las capacidades mensuales de cada planta son 70,
90 y 180 respectivamente. Los requerimientos de cada almacn para el mes de
Marzo son: 50, 80, 70 y 140. Los costos unitarios de transporte son los que se
muestran en la tabla siguiente:
PROGRAMACIN LINEAL
Construccin de modelos
Se pide:
Formular como un PPL.
Planta
1 2 3 4
1 19 30 50 10
2 70 30 40 60
3 40 8 70 20
Almacn
PROGRAMACIN LINEAL
Construccin de modelos
Paso 4.1: Construccin del modelo matemtico
F.Objetivo
Min{C=19X11+70X21+40X31+30X12+30X22+8X32+50X13+40X23+70X33+10X14+60X24+20X34}
Sujeto a :
R1) X11+X12+X13+X14 70
R2) X21+X22+X23+X24 90
R3) X31+X32+X33+X34 180
R4) X11+X21+X31 50
R5) X12+X22+X32 80
R6) X13+X23+X33 70
R7) X14+X24+X34 140
R8) Xij 0 i , j
8
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 = b1
a21X1 + a22X2 + ... + a2jXj + ... + a2nXn = b2
.
.
ai1X1 + ai2X2 + ... + aijXj + ... + ainXn = bi
.
.
am1X1 + am2X2 + ... + amjXj + ... + amnXn = bm
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
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.
8
Mtodos de Resolucin
GRAFICO
Maximize Z = 400X + 800 X
Where
Z = the monthly profit from Max and Multimax
X = the number of Max produced each month
X = the number of Multimax produced each month
1 2
1
2
3X + 5X 5,000 Fab
X + 4X 3,000 Assy
X , X 0 Nonnegativity
1 2
1 2
1 2
Sujeto a:
R1)
R2)
R3)
10
Mtodo de Resolucin: Paso 1
Grficar las restricciones
1,000
2,000
3,000
1,000 2,000 3,000
X
2
A
B
C
0,0
Fab
X1 X2
0 1,000
1,666.7 0
Assy
X1 X2
0 750
3,000 0
X
1
R1
R2
PROGRAMACIN LINEAL
Construccin de modelos
Solucin:
Formulacin
Paso 1: Identificar el objetivo (meta) a optimizar
Minimizar el costo total de transporte (C).{u.m/mes}
Paso 2: Identificar las variables de decisin que deseamos determinar
Xij.Cantidad a enviar de la planta i al almacn j mensualmente {uds/mes}
i =1,2,3 / j =1,2,3,4
Paso 3: Identificar las restricciones del modelo
R1) Capacidad mensual de produccin planta 1 de 70
R2) Capacidad mensual de produccin planta 2 de 90
R3) Capacidad mensual de produccin planta 3 de 180
R4) Requerimientos del almacn 1 para Marzo de 50
R5) Requerimientos del almacn 2 para Marzo de 80
R6) Requerimientos del almacn 3 para Marzo de 70
R7) Requerimientos del almacn 4 para Marzo de 140
R8) No Negatividad.
11
1,000
2,000
3,000
1,000 2,000 3,000
X
2
X
1
A
B
C
0,0
Fab
X1 X2
0 1,000
1,666.7 0
Assy
X1 X2
0 750
3,000 0
R1
R2
Mtodo de Resolucin: Paso 1
Grficar las restricciones
11
1,000
2,000
3,000
1,000 2,000 3,000
X
2
X
1
A
B
C
0,0
Fab
X1 X2
0 1,000
1,666.7 0
Assy
X1 X2
0 750
3,000 0
R1
R2
Mtodo de Resolucin: Paso 2
Obtener la RSF
RSF
11
1,000
2,000
3,000
1,000 2,000 3,000
X
2
X
1
A
B
C
0,0
Mtodo de Resolucin:
RSF
Premisa: el punto
optimo siempre se
encuentra en uno de
los vrtices de la
RSF.
13
Mtodo de Resolucin: Paso3
Encontrar el Punto Optimo: Alternativas
Alternativa 1
Encontrar todas las combinaciones de X1 y X2 que determinan los vrtices de la
RSF, luego se evalan en la funcin objetivo y se elige la combinacin que
maximice (o minimice) dicha funcin.
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
1,000
2,000
3,000
1,000 2,000 3,000
X
2
X
1
A
B
C
0,0
Mtodo de Resolucin: Paso3
Encontrar el Punto Optimo(1)
Z=320.000
14
1,000
2,000
3,000
1,000 2,000 3,000
X
2
X
1
A
B
C
0,0
Optimal Point
Mtodo de Resolucin: Paso 3
Encontrar el Punto Optimo (2)
15
1,000
2,000
3,000
1,000 2,000 3,000
X
2
X
1
A
B
C
0,0
3X + 5X 5,000 Fab
X + 4X 3,000 Assy
1 2
1 2