P. 1
INVESTIGACIÓN DE OPERACIONES

INVESTIGACIÓN DE OPERACIONES

|Views: 17.413|Likes:
Publicado pormanuelito2487

More info:

Published by: manuelito2487 on Dec 15, 2009
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as DOC, PDF, TXT or read online from Scribd
See more
See less

07/05/2015

pdf

text

original

INDICE Introducción………………………………………………………….. 1 Orígenes de la investigación de operaciones……………………. 2 Definición…………………………………………………………….. 6 Metodología………………………………………………………..... 7 Áreas de aplicación…………………………………………………. 8 Modelado……………………………………………………………..

9 Programación Lineal……………………………………………….. 10 Método grafico………………………………………………………. 10 Método algebraico………………………………………………….. 12 Metodo Matricial…………………………………………………….. 14 Método Simplex……………………………………………………… 17 Problemas de transporte…………………………………………… 18 Metodo de la esquina noroeste……………………………………. 18 Metodo de Vogel…………………………………………………….. 19 Ruta critica…………………………………………………………….20

1

INVESTIGACIÓN DE OPERACIONES Introducción
La primera actividad de Investigación de Operaciones se dio durante la Segunda Guerra Mundial en Gran Bretaña, donde la Administración Militar llamó a un grupo de científicos de distintas áreas del saber para que estudiaran los problemas tácticos y estratégicos asociados a la defensa del país. El nombre de Investigación de Operaciones fue dado aparentemente porque el equipo estaba llevando a cabo la actividad de investigar operaciones (militares). Motivados por los resultados alentadores obtenidos por los equipos británicos, los administradores militares de Estados Unidos comenzaron a realizar investigaciones similares. Para eso reunieron a un grupo selecto de especialistas, los cuales empezaron a tener buenos resultados y en sus estudios incluyeron problemas logísticos complejos, la planeación de minas en el mar y la utilización efectiva del equipo electrónico. Al término de la guerra y atraídos por los buenos resultados obtenidos por los estrategas militares, los administradores industriales empezaron a aplicar las herramientas de la Investigación de Operaciones a la resolución de sus problemas que empezaron a originarse debido al crecimiento del tamaño y la complejidad de las industrias. Aunque se ha acreditado a Gran Bretaña la iniciación de la Investigación de Operaciones como una nueva disciplina, los Estados Unidos tomaron pronto el liderazgo en este campo rápidamente creciente. La primera técnica matemática ampliamente aceptada en el medio de Investigación de Operaciones fue el Método Símplex de Programación Lineal, desarrollado en 1947 por el matemático norteamericano George B. Dantzig. Desde entonces las nuevas técnicas se han desarrollado gracias al esfuerzo y cooperación de las personas interesadas tanto en el área académica como en el área industrial. Un segundo factor en el progreso impresionante de la Investigación de Operaciones fue el desarrollo de la computadora digital, que con sus tremendas capacidades de velocidad de cómputo y de almacenamiento y recuperación de información, permitieron al tomador de decisiones rapidez y precisión.

2

Si no hubiera sido por la computadora digital, la Investigación de Operaciones con sus grandes problemas de computación no hubiera crecido al nivel de hoy en día. Actualmente la Investigación de Operaciones se está aplicando en muchas actividades. Estas actividades han ido más allá de las aplicaciones militares e industriales, para incluir hospitales, instituciones financieras, bibliotecas, planeación urbana, sistemas de transporte y sistemas de comercialización.

Orígenes de la investigación de operaciones
La toma de decisiones es un proceso que se inicia cuando una persona observa un problema y determina que es necesario resolverlo procediendo a definirlo, a formular un objetivo, reconocer las limitaciones o restricciones, a generar alternativas de solución y evaluarlas hasta seleccionar la que le parece mejor, este proceso puede se cualitativo o cuantitativo. El enfoque cualitativo se basa en la experiencia y el juicio personal, las habilidades necesarias en este enfoque son inherentes en la persona y aumentan con la práctica. En muchas ocasiones este proceso basta para tomar buenas decisiones. El enfoque cuantitativo requiere habilidades que se obtienen del estudio de herramientas matemáticas que le permitan a la persona mejorar su efectividad en la toma de decisiones. Este enfoque es útil cuando no se tiene experiencia con problemas similares o cuando el problema es tan complejo o importante que requiere de un análisis exhaustivo para tener mayor posibilidad de elegir la mejor solución. La investigación de operaciones proporciona a los tomadores de decisiones bases cuantitativas para seleccionar las mejores decisiones y permite elevar su habilidad para hacer planes a futuro. En el ambiente socioeconómico actual altamente competitivo y complejo, los métodos tradicionales de toma de decisiones se han vuelto inoperantes e inadmisibles ya que los responsables de dirigir las actividades de las empresas e instituciones se enfrentan a situaciones complicadas y cambiantes con rapidez que requieren de soluciones creativas y prácticas apoyadas en una base cuantitativa sólida.

3

En organizaciones grandes se hace necesario que el tomador de decisiones tenga un conocimiento básico de las herramientas cuantitativas que utilizan los especialistas para poder trabajar en forma estrecha con ellos y ser receptivos a las soluciones y recomendaciones que se le presenten. En organizaciones pequeñas puede darse que el tomador de decisiones domine las herramientas cuantitativas y él mismo las aplique para apoyarse en ellas y así tomar sus decisiones. Desde al advenimiento de la Revolución Industrial, el mundo ha sido testigo de un crecimiento sin precedentes en el tamaño y la complejidad de las organizaciones. Los pequeños talleres artesanales se convirtieron en las corporaciones actuales de miles de millones de pesos. Una parte integral de este cambio revolucionario fue el gran aumento en la división del trabajo y en la separación de las responsabilidades administrativas en estas organizaciones. Los resultados han sido espectaculares. Sin embargo, junto con los beneficios, el aumento en el grado de especialización creo nuevos problemas que ocurren hasta la fecha en muchas empresas. Uno de estos problemas es las tendencia de muchas de las componentes de una organización a convertirse en imperios relativamente autónomos, con sus propias metas y sistemas de valores, perdiendo con esto la visión de la forma en que encajan sus actividades y objetivos con los de toda la organización. Lo que es mejor para una componente, puede ir en detrimento de otra, de manera que pueden terminar trabajando con objetivos opuestos. Un problema relacionado con esto es que, conforme la complejidad y la especialización crecen, se vuelve más difícil asignar los recursos disponibles a las diferentes actividades de la manera más eficaz para la organización como un todo. Este tipo de problemas, y la necesidad de encontrar la mejor forma de resolverlos, proporcionaron el ambiente adecuado para el surgimiento de la investigación de operaciones. Las raíces de la investigación de operaciones se remontan a muchas décadas, cuando se hicieron los primeros intentos para emplear el método científico en la administración de una empresa. Sin embargo, el inicio de la actividad llamada investigación de operaciones, casi siempre se atribuye a los servicios militares prestados a principios de la segunda guerra mundial. Debido a los esfuerzos bélicos, existía una necesidad urgente de asignar recursos escasos a las distintas operaciones militares y a las actividades dentro de cada operación, en la forma más efectiva. Por esto, las administraciones militares americana e inglesa hicieron
4

un llamado a un gran número de científicos para que aplicaran el método científico a éste y a otros problemas estratégicos y tácticos. De hecho, se les pidió que hicieran investigación sobre operaciones (militares). Estos equipos de científicos fueron los primeros equipos de IO. Con el desarrollo de métodos efectivos para el uso del nuevo radar, estos equipos contribuyeron al triunfo del combate aéreo inglés. A través de sus investigaciones para mejorar el manejo de las operaciones antisubmarinas y de protección, jugaron también un papel importante en la victoria de la batalla del Atlántico Norte. Esfuerzos similares fueron de gran ayuda en a isla de campaña en el pacífico. Al terminar la guerra, el éxito de la investigación de operaciones en las actividades bélicas generó un gran interés en sus aplicaciones fuera del campo militar. Como la explosión industrial seguía su curso, los problemas causados por el aumento en la complejidad y especialización dentro de las organizaciones pasaron de nuevo a primer plano. Comenzó a ser evidente para un gran número de personas, incluyendo a los consultores industriales que habían trabajado con o para los equipos de IO durante la guerra, que estos problemas eran básicamente los mismos que los enfrentados por la milicia, pero en un contexto diferente. Cuando comenzó la década de 1950, estos individuos habían introducido el uso de la investigación de operaciones en la industria, los negocios y el gobierno. Desde entonces, esta disciplina se ha desarrollado con rapidez. Se pueden identificar por lo menos otros dos factores que jugaron un papel importante en el desarrollo de la investigación de operaciones durante este período. Uno es el gran progreso que ya se había hecho en el mejoramiento de las técnicas disponibles en esta área. Después de la guerra, muchos científicos que habían participado en los equipos de IO o que tenían información sobre este trabajo, se encontraban motivados a buscar resultados sustanciales en este campo; de esto resultaron avances importantes. Un ejemplo sobresaliente es el método simplex para resolver problemas de programación lineal, desarrollado en 1947 por George Dantzing. Muchas de las herramientas características de la investigación de operaciones, como programación lineal, programación dinámica, líneas de espera y teoría de inventarios, fueron desarrolladas casi por completo antes del término de la década de 1950. Un segundo factor que dio ímpetu al desarrollo de este campo fue el advenimiento de la computadoras.

5

Para manejar de una manera efectiva los complejos problemas inherentes a esta disciplina, por lo general se requiere un gran número de cálculos. Llevarlos a cabo a mano puede resultar casi imposible. Por lo tanto, el desarrollo de la computadora electrónica digital, con su capacidad para realizar cálculos aritméticos, miles o tal vez millones de veces más rápido que los seres humanos, fue una gran ayuda para la investigación de operaciones. Un avance más tuvo lugar en la década de 1980 con el desarrollo de las computadoras personales cada vez más rápidas, acompañado de buenos paquetes de software para resolver problemas de IO, esto puso las técnicas al alcance de un gran número de personas. Hoy en día, literalmente millones de individuos tiene acceso a estos paquetes. En consecuencia, por rutina, se usa toda una gama e computadoras, desde las grandes hasta las portátiles, para resolver problemas de investigación de operaciones.

Definición
Investigación de Operaciones o Investigación Operacional. Se puede definir de la siguiente manera: “La Investigación de Operaciones es la aplicación por grupos interdisciplinarios del método científico a problemas relacionados con el control de las organizaciones o sistemas a fin de que se produzcan soluciones que mejor sirvan a los objetivos de toda la organización”.

LA INVESTIGACIÓN DE OPERACIONES ES LA APLICACIÓN, POR GRUPOS INTERDISCIPLINARIOS, DEL MÉTODO CIENTÍFICO A PROBLEMAS RELACIONADOS CON EL CONTROL DE LAS ORGANIZACIONES O SISTEMAS (HOMBRE-MÁQUINA), A FIN DE QUE SE PRODUZCAN SOLUCIONES QUE MEJOR SIRVAN A LOS OBJETIVOS DE LA ORGANIZACIÓN.

CHURCHMAN, ACKOFF Y ARNOFF

6

Metodología de la investigación de operaciones
El proceso comprende las siguientes fases: 1. Formulación y definición del problema. 2. Construcción del modelo. 3. Solución del modelo. 4. Validación del modelo. 5. Implementación de resultados. 1. Formulación y definición del problema. En esta fase del proceso se necesita: una descripción de los objetivos del sistema, es decir, qué se desea optimizar; identificar las variables implicadas, ya sean controlables o no; determinar las restricciones del sistema. También hay que tener en cuenta las alternativas posibles de decisión y las restricciones para producir una solución adecuada. 2. Construcción del modelo. En esta fase, el investigador de operaciones debe decidir el modelo a utilizar para representar el sistema. Debe ser un modelo tal que relacione a las variables de decisión con los parámetros y restricciones del sistema. Los parámetros (o cantidades conocidas) se pueden obtener ya sea a partir de datos pasados o ser estimados por medio de algún método estadístico. Es recomendable determinar si el modelo es probabilístico o determinístico. El modelo puede ser matemático, de simulación o heurístico, dependiendo de la complejidad de los cálculos matemáticos que se requieran. 3. Solución del modelo. Una vez que se tiene el modelo, se procede a derivar una solución matemática empleando las diversas técnicas y métodos matemáticos para resolver problemas y ecuaciones. Debemos tener en cuenta que las soluciones que se obtienen en este punto del proceso, son matemáticas y debemos interpretarlas en el mundo real. Además, para la solución del modelo, se deben realizar análisis de sensibilidad, es decir, ver como se comporta el modelo a cambios en las especificaciones y parámetros del sistema. Esto se hace, debido a que los parámetros no necesariamente son precisos y las restricciones pueden estar equivocadas.
7

4. Validación del modelo. La validación de un modelo requiere que se determine si dicho modelo puede predecir con certeza el comportamiento del sistema. Un método común para probar la validez del modelo, es someterlo a datos pasados disponibles del sistema actual y observar si reproduce las situaciones pasadas del sistema. Pero como no hay seguridad de que el comportamiento futuro del sistema continúe replicando el comportamiento pasado, entonces siempre debemos estar atentos de cambios posibles del sistema con el tiempo, para poder ajustar adecuadamente el modelo. 5. Implementación de resultados. Una vez que hayamos obtenido la solución o soluciones del modelo, el siguiente y último paso del proceso es interpretar esos resultados y dar conclusiones y cursos de acción para la optimización del sistema. Si el modelo utilizado puede servir a otro problema, es necesario revisar, documentar y actualizar el modelo para sus nuevas aplicaciones.

Áreas de aplicación
Como su nombre lo dice, Investigación de Operaciones significa “hacer investigación sobre las operaciones”. Esto dice algo del enfoque como del área de aplicación. Entonces, la Investigación de Operaciones se aplica a problemas que se refieren a la conducción y coordinación de operaciones o actividades dentro de una organización. La naturaleza de la organización es esencialmente inmaterial y, de hecho, la Investigación de Operaciones se ha aplicado en los negocios, la industria, la milicia, el gobierno, los hospitales, etc. Así, la gama de aplicaciones es extraordinariamente amplia. Casi todas las organizaciones más grandes del mundo (alrededor de una docena) y una buena proporción de las industrias más pequeñas cuentan con grupos bien establecidos de Investigación de Operaciones. Muchas industrias, incluyendo la aérea y de proyectiles, la automotriz, la de comunicaciones, computación, energía eléctrica, electrónica, alimenticia, metalúrgica, minera, del papel, del petróleo y del transporte, han empleado la Investigación de Operaciones.

8

Las instituciones financieras, gubernamentales y de salud están incluyendo cada vez más estas técnicas. Para ser más específicos, se consideran algunos problemas que se han resuelto mediante algunas técnicas de Investigación de Operaciones. La programación lineal se ha usado con éxito en la solución de problemas referentes a la asignación de personal, la mezcla de materiales, la distribución y el transporte y las carteras de inversión. La programación dinámica se ha aplicado con buenos resultados en áreas tales como la planeación de los gastos de comercialización, la estrategia de ventas y la planeación de la producción. La teoría de colas ha tenido aplicaciones en la solución de problemas referentes al congestionamiento del tráfico, al servicio de máquinas sujetas a descomposturas, a la determinación del nivel de la mano de obra, a la programación del tráfico aéreo, al diseño de presas, a la programación de la producción y a la administración de hospitales. Otras técnicas de Investigación de Operaciones, como la teoría de inventarios, la teoría de juegos y la simulación, han tenido exitosas aplicaciones en una gran variedad de contextos.

Modelado

Procedimiento
1. Identificar las variables en el problema 2. Las restricciones a las variables impuestas al problema 3. Objetivo que se necesita alcanzar para determinar la solución optima

entre todos los valores factible de las variables 4. Siempre señalas las restricciones de no negatividad

Problema Un pequeño banco asigna un máximo de $20 000 para préstamos personales y para automóvil durante el mes siguiente. El banco cobra una tasa de interés anual del 14% a préstamos personales y el 12% a préstamos para automóvil. Ambos tipos de préstamos se saldan en periodos de tres años- el monto de los préstamos para automóvil deber ser cuando menos dos veces mayor que el de los prestamos personales. La experiencia pasada ha demostrado que los adeudos no cubiertos

9

constituyen el 1% de todos los préstamos personales ¿Cómo deben asignarse los fondos?

¿Cuáles son las incógnitas? Prestamos personales (P) Prestamos automóvil (A) ¿Qué restricciones impone el problema? P+A < 20 000 A debe ser 2 veces mayor que P 2A > P 3 años para saldarse Modelo para la solución Lmax = .14P + .12A - .01P = .13P + .12A Restricción de no negatividad P>0 A>0

Programación lineal
Es un procedimiento o algoritmo matemático mediante el cual se resuelve un problema indeterminado, formulado a través de ecuaciones lineales, optimizando la función objetivo, también lineal. Consiste en optimizar (minimizar o maximizar) una función lineal, que denominaremos función objetivo, de tal forma que las variables de dicha función estén sujetas a una serie de restricciones que expresamos mediante un sistema de inecuaciones lineales. Método grafico
El método gráfico se emplea para resolver problemas que presentan sólo 2 variables de decisión.

Problema Max z= 500x1 + 300x2 15x1 +5x2 < 300 10x1 + 6x2 < 240
10

8x1 + 12x2 < 450 x1 >0 x2>0 R1 X2 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 60 57 54 51 48 45 42 39 36 33 30 27 24 21 18 15 12 9 6 3 0 R2 X2 40 38.33 36.67 35 33.33 31.67 30 28.33 26.67 25 23.33 21.67 20 18.33 16.67 15 13.33 11.67 10 8.333 6.667 R3 X2 37.5 36.83 36.17 35.5 34.83 34.17 33.5 32.83 32.17 31.5 30.83 30.17 29.5 28.83 28.17 27.5 26.83 26.17 25.5 24.83 24.17

X1

11

70 60 50 40 30 20 10 0 0 5 10 15 20 25 S e r ie 1 S e r ie 2 S e r ie 3

PUNTOS X1 A0 B3 C 15 D 20 X2 37.5 35 15 0 Z 11250 12000 12000 10000

Solución factible X1= 15 X 2= 15

Método algebraico

Procedimiento 1. Determinar la educación de maximización Z
12

2. Especificar sus restricciones 3. Agregar las variables de holgura S1, S2, S3… 4. Realizar suposiciones para cada variable 5. Despejar cada suposición 6. Sustituir en la ecuación para obtener los valores de las incógnitas Ejemplo

Max

Z= X1+ 1.5X2 2X1 + 2X2 + S1 = 160 X1 + 2X2 + S2 = 120 4X1 + 2X2 + S3 = 280

2X1 + 2X2 < 160 X1 + 2X2 < 120 4X1 + 2X2 < 280

S1 S2 S3 S4 S5 S6 S7 S8 S9 S10

X1 , X2 =0 X1 , S1 =0 X1 , S2 =0 X1 , S3 =0 X2 , S1 =0 X2 , S2 =0 X2 , S3 =0 S1 , S2 =0 S1 , S3=0 S2 , S3 =0

S1 =160 2X2 =160 3X3 + S1=160 2X2 + S1=160 2X1=160 2X1 + S1=160 2X1 + S1=160 2X1 + 2X2=160 2X1 + 2X2=160 2X1+2X2+S1=160

S2 =120 2X2 + S2 =120 2X2=120 2X2 + S2=120 X1 + S2=120 X1=120 X1 + S2=120 X1 + X2=120 X1+2X2+ S2=120 X1 + 2X2=120

S3 =280 2X2 + S3=280 2X2 + S3=280 2X2 =280 4X1 + S3=280 4X1 + S3=280 4S1=280 4X1+2X2+S3=280 4X1 + 2X2=280 2X1 + 2X2=280

13

S1 S2 S3 S4 S5 S6 S7 S8 S9 S10

X1 , X2 =0 X1 , S1 =0 X1 , S2 =0 X1 , S3 =0 X2 , S1 =0 X2 , S2 =0 X2 , S3 =0 S1 , S2 =0 S1 , S3=0 S2 , S3 =0

S1 =160 X2 =80 S1=40 S1=-120 X1=-80 S1=80 S1=20 X1 =40 X2=20 S1=-13.8

S2 =120 S2 =-40 X2=60 S2=-160 S2=40 X1=120 S2=50 X2=40 S2=20 X2=33.6

S3 =280 S3=120 S3=160 X2=140 S3=-40 S3=-200 X1=70 S3=40 X1=60 X1 =53.3

Sustituir en la ecuación principal los valores de la tabla anterior

S1 S2 S3 S4 S5 S6 S7 S8 S9 S10 Respuesta

Z= X1+ 1.5X2 Z= X1+ 1.5X2 Z= X1+ 1.5X2 Z= X1+ 1.5X2 Z= X1+ 1.5X2 Z= X1+ 1.5X2 Z= X1+ 1.5X2 Z= X1+ 1.5X2 Z= X1+ 1.5X2 Z= X1+ 1.5X2

Z= 0 Z= 1.5(80) Z= 1.5(60) Z= 1.5(140) Z= 80 Z= 120 Z= 70 Z= 40+ 1.5(40) Z= 60+ 1.5(20) Z= 53.3+ 1.5(33.6)

0 120 90 210 80 120 70 100 90 103.7

Observando la tabla nos damos cuenta que la ecuación maximizada es la suposición 4, por lo tanto la respuesta es S4= 210

14

Método Matricial
Procedimiento 1. Determinar la educación de maximización Z 2. Especificar sus restricciones 3. Agregar las variables de holgura S1, S2, S3… 4. Realizar la matriz 5. Resolver la matriz inversa 6. Multiplicar por las variables independientes Ejemplo Max Z= X1+ 1.5X2 2X1 + 2X2 + S1 = 160 X1 + 2X2 + S2 = 120 4X1 + 2X2 + S3 = 280

2X1 + 2X2 < 160 X1 + 2X2 < 120 4X1 + 2X2 < 280

S1 S2 S3 S4 S5 S6 S7 S8 S9 S10

X1 , X2 =0 X1 , S1 =0 X1 , S2 =0 X1 , S3 =0 X2 , S1 =0 X2 , S2 =0 X2 , S3 =0 S1 , S2 =0 S1 , S3=0 S2 , S3 =0

S1 =160 2X2 =160 3X3 + S1=160 2X2 + S1=160 2X1=160 2X1 + S1=160 2X1 + S1=160 2X1 + 2X2=160 2X1 + 2X2=160 2X1+2X2+S1=160

S2 =120 2X2 + S2 =120 2X2=120 2X2 + S2=120 X1 + S2=120 X1=120 X1 + S2=120 X1 + X2=120 X1+2X2+ S2=120 X1 + 2X2=120

S3 =280 2X2 + S3=280 2X2 + S3=280 2X2 =280 4X1 + S3=280 4X1 + S3=280 4S1=280 4X1+2X2+S3=280 4X1 + 2X2=280 2X1 + 2X2=280

S1 1 0 0 S2 2 2 2 0 1 0 0 X2 0 = S1 1 S3 160 120 280 .5 = -1 -1 0 1 0 0 0 1 X2 = 80 = S2 = -40 S3 = 120
15

0 1 0

0 X2 0 = S1 1 S2

=

160 120 280

X2 = 160 = S1 = 120 S2 = 280

=

S3 2 2 2 S4 2 2 2 1 0 0 0 X2 1 = S1 0 S2 160 120 280 0 1 0 0 0 1 .5 -1 -1 X2 = 140 = S1 = -120 S2 = -160 1 0 0 0 X2 0 = S1 1 S3 160 120 280 0 1 0 .5 -1 -1 0 0 1 X2 = 60 = S1 = 40 S3 = 160

=

=

=

=

S5 2 1 4 S6 2 1 4 S7 2 1 4 1 0 0 0 1 0 X1 = S1 S2 160 = 120 = 280 0 1 0 0 0 1 0.25 X1= 70 -0.5 = S1= 20 -0.25 S2= 50 1 0 0 0 X2 1 = S1 0 S3 160 120 280 0 1 0 1 -2 -4 0 0 1 X2 = 120 = S2 = -80 S3 = -200 0 1 0 0 X1 0’ = S2 = 1 S3 160 120 280 .5 = -.5 -2 0 1 0 0 0 1 X1 = 80 = S2 = 40 S3 = -40

=

=

S8 2 1 4 2 2 2 0 X1 160 0 = X2 = 120 1 S3 280 1 = -.5 -3 -1 1 2 0 0 1 X1 = 40 = X2 = 40 S3 = 40

16

S9 2 1 4 S10 2 1 4 2 2 2 1 X1 160 0 -.33 0 = X2 = 120 = 0 .66 0 S1 280 1 -.66 .33 -.16 -.33 X1 = 53.3 = X2 = 33.6 S1 = -13.3 2 2 2 0 X1 160 0 = X2 = 120 1 S2 280 -.5 = 1 -1.5 0 .5 0 -.5 .5 X1 = 60 = X2 = 20 S2 = 20

S1 S2 S3 S4 S5 S6 S7 S8 S9 S10

Z= X1+ 1.5X2 Z= X1+ 1.5X2 Z= X1+ 1.5X2 Z= X1+ 1.5X2 Z= X1+ 1.5X2 Z= X1+ 1.5X2 Z= X1+ 1.5X2 Z= X1+ 1.5X2 Z= X1+ 1.5X2 Z= X1+ 1.5X2

Z= 0 Z= 1.5(80) Z= 1.5(60) Z= 1.5(140) Z= 80 Z= 120 Z= 70 Z= 40+ 1.5(40) Z= 60+ 1.5(20) Z= 53.3+ 1.5(33.6)

0 120 90 210 80 120 70 100 90 103.7

Respuesta Observando la tabla nos damos cuenta que la educación maximizada es la suposición 4, por lo tanto la respuesta es S4= 210

Método simplex

17

El Método Simplex publicado por George Dantzig en 1947 consiste en un algoritmo iterativo que secuencialmente a través de iteraciones se va aproximando al óptimo del problema de Programación Lineal en caso de existir esta última. Este método hace uso de la propiedad de que la solución óptima de un problema de Programación Lineal se encuentra en un vértice o frontera del dominio de puntos factibles, por lo cual, la búsqueda secuencial del algoritmo se basa en la evaluación progresiva de estos vértices hasta encontrar el óptimo. Procedimiento: 1. Convertir las ecuaciones a una forma matricial 2. Elegir el elemento pivote, es la intersección entre la columna y la fila 3. Se convierte a 0 toda la columna pivote 4. Terminar de maximizar o minimizar hasta que los valores sean 0.

Problemas de transporte
El problema del transporte es un planteamiento clásico de las técnicas programación lineal. En este problema se pretende elegir el camino óptimo envío de una mercancía desde varios orígenes (por ejemplo, plantas producción) a diferentes destinos (centros de almacenamiento o consumo), forma que el coste sea mínimo. Los datos del modelo son: 1. Nivel de oferta en cada fuente y la cantidad de demanda en cada destino. 2. El costo de transporte unitario de la mercancía en cada destino. Como solo hay una mercancía un destino puede recibir su demanda de una o más fuentes. El objetivo del modelo es el de determinar la cantidad que se enviara de cada fuente a cada destino, tal que se minimice el costo del transporte. de de de de

a1
Unidades de oferta a2 2

1

b1 b2 bm
Unidades de demanda

2

amm

m1

n

18

Método de la esquina noroeste
Procedimiento
1. Se expresar en forma de una matriz de transporte, si es necesario agregar

2.

3. 4. 5.

una columna ficticia. La asignación inicial se efectúa por el método de la esq1uina noroeste, este método requiere comenzar en la esquina noroeste y hacer una asignación suficientemente grande para agotar la capacidad de origen de la primera fila o satisfacer el requerimiento del destino de la primera columna o ambos. Determinar el costo total de la asignación Prueba de degeneración Prueba de optimalidad

Método de Vogel
Este método es heurístico y suele producir una mejor solución inicial que los métodos anteriores. De hecho, suele producir una solución inicial óptima, o próxima al nivel óptimo. Este método basa su asignación inicial en la separación de los coeficientes de costos.

1. Formar la matriz inicial. 2. Determinar la diferencia entre los 2 coeficientes de costos mas pequeños

para cada fila y cada columna. 3. Hallar la fila o columna con el valor más grande encontrado. A la casilla que tiene el menor coeficiente de costo en esta fila o columna, se le asigna la máxima cantidad requerida por los requerimientos de contorno.
4. Asignar cero, a las casillas restantes de las filas o columnas donde la

demanda o el suministro se haya agotado.
5. Repetir los pasos del 2 al 4 hasta obtener una solución completa cuando

solo quede una casilla en una fila o columna se asigna a esa casilla una cantidad que no viole los requerimientos de contorno.

19

6. Verificar la optimalidad de la solución empleando la prueba descrita en la

discusión de la regla noroeste. Si la solución no es optima trazando una trayectoria +, -.
7. Repetir el procedimiento hasta obtener la prueba de optimalidad positiva.

Ruta critica
En administración y gestión de proyectos, una ruta crítica es la secuencia de los elementos terminales de la red de proyectos con la mayor duración entre ellos, determinando el tiempo más corto en el que es posible completar el proyecto. La duración de la ruta crítica determina la duración del proyecto entero. Cualquier retraso en un elemento de la ruta crítica afecta a la fecha de término planeada del proyecto, y se dice que no hay holgura en la ruta crítica. Flecha: Representa una actividad y la punta indica el sentido de avance del proyecto. Evento: Representa un punto en el tiempo que significa la terminación de algunas actividades y el comienzo de nuevas.

Reglas para construir el diagrama de flechas: A. Cada actividad esta representada por una flecha en la red

20

B. 2 actividades diferentes no pueden identificarse por los mismos eventos terminal y de inicio por lo tanto cuando dos o mas actividades se llevan acabo al mismo tiempo se incluyen actividades ficticias las cuales se presentan con líneas punteadas y no consumen tiempo o recurso. C. A fin de asegurar la relación de procedencia en el diagrama de flechas las siguientes preguntas deben responderse cuando se agrega otra actividad a la red. ¿Qué actividades deben terminarse inmediatamente antes de que esta actividad pueda comenzar? ¿Qué actividades deben efectuarse simultáneamente con esta red? Problema Construye el diagrama de flechas que contenga las actividades A, B, C, D, E, F, G, H, I, J, K, L que satisfaga las siguientes relaciones: A, B Y C son actividades iniciales del proyecto que comienzan simultáneamente. A, B preceden a D B precede a E, F, H F, C preceden a G E, H precede a I, J C, D, F, J preceden a k K precede a L I, G, L son las actividades finales del proyecto

ACITIVDADES

DURACION

A B C D E F G H I J K L

2 3 1 3 4 2 1 3 2 2 2 1

21

TTTi= min I TTTj-Dij I TIPo= 0 - Siempre para el inicio TTT8= min I 12I
i Dij j

TTT7= min I 12-1I = 11 TTT6= min I 11-2I = 9 TIPj= max (TIPi+Dij) TIP1= max (0+3) =3 TIP2= max (0+2) =2 TIP3= max (3+2) =5 TTT5= min I 9-2I = 7 TTT4= min I 7-0I = 7 TTT3= min I 9-0I = 9 TTT2= min I 9-3I = 6 TTT1= min I 7-4 I = 3 TTT0= min I 3-3I = 0
22

TIP4= max (3+3) =6 TIP5= max (3+4) =7 TIP6= max (7+2) =9 TIP7= max (9+2) =11 TIP8= max (11+1) =12

Solución hacia delante

Solución hacia atrás

23

You're Reading a Free Preview

Descarga
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->