Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Inv $tigación de Operación $
Inv $tigación de Operación $
Inv$tigacin de Operacin$
Orgenes.
Enfoque Sistmico: A raz de la revolucin industrial las pequeas empresas que
evolucionaron crecieron en tamao y complejidad, conllevando a una divisin del trabajo y
la separacin de las responsabilidades administrativas en las llamadas ahora
organizaciones; esto genero grandes beneficios pero tambin problemas como lo la
tendencia de muchos de sus componentes en convertirse en autnomos con sus propias
metas inclusive valores, perdiendo la visin de que deben de estar al servicio de la propia
organizacin. As lo que es mejor para un componente puede ir en deterioro de otro y as
afectar el objetivo comn dentro de la organizacin..
Un problema adicional es que conforme crece la complejidad y la especializacin, es ms
difcil asignar los recursos de manera eficiente dentro de los componentes de la
organizacin sin perder de vista a esta como un todo.
Inicios: Sus inicios se atribuyen a los servicios militares en la segunda guerra mundial Gran
Bretaa, donde era imperioso asignar recursos escasos a las diferentes operaciones
militares y a las actividades dentro de cada operacin en forma efectiva. Este tipo de
problemas, y la necesidad de encontrar la mejor manera de resolverlos, proporcionaron el
ambiente adecuado para el surgimiento de la IO, caracterizndose por el uso del
conocimiento cientfico travs del esfuerzo de equipos interdisciplinarios.
El origen de su nombre investigacin de operaciones fue dado aparentemente porque el
servicio Britnico de inteligencia contrato unos grupos de cientficos para investigar
operaciones militares.
En particular, el proceso comienza por la observacin cuidadosa y la formulacin del
problema incluyendo la recoleccin de datos. El siguiente paso es la construccin de un
modelo cientfico (generalmente matemtico) que intenta abstraer las partes ms relevantes
o esenciales del problema (real) en estudio. Aqu e supone (hiptesis) que el modelo copia
el problema lo suficiente como para que las conclusiones (soluciones) que se obtengan sean
tambin vlidas para el problema real. Despus es necesario llevar a cabo experimentos
probar la hiptesis, modificarla y eventualmente verificarla
Modelado.
Bsicamente el estudio investigacin de operaciones se basa en construir un modelo
de la situacin fsica, siendo un modelo de investigacin de operaciones una representacin
idealizada (simplificada) de un sistema de la vida real (existente o no). La complejidad de
un sistema real resulta de un gran nmero de elementos (variables) que controlan el
Sistema Real
Sistema real
propuesto
Fig. 1
D. Gil C.
Modelo
Ejemplo:
Un producto manufacturado tpicamente lleva un nmero de operaciones desde que
se concibe por el diseador hasta que llega al consumidor.
Diseo
Orden
Mercadeo y
Ventas
produccin
Consumidor
Requerimi
entos
materiales
Requeri
mientos
Almacn
Compras
orden
D. Gil C.
Ej.1 Una empresa produce artculos de vidrio de alta calidad, incluyendo ventanas y
puertas, posee tres plantas. Los marcos y molduras de aluminio se hacen en la planta 1, los
marcos de madera se fabrican en la planta 2 y en la 3 se produce el vidrio y se ensambla los
productos. Suponga que la administracin ha decidido discontinuar algunos productos
poco rentable y la capacidad de produccin liberada se emplear en producir dos nuevos
productos, donde: El producto 1 requiere parte de la capacidad de produccin en las plantas
1 y 3 pero nada en la planta 2. El producto 2 solo necesita trabajo en las plantas 2 y 3. La
compaa esta en capacidad de vender todos los productos que se puedan fabricar.
Definicin del problema:
Determinar las tasas de produccin deben tener los productos tal que maximicen las
unidades totales, teniendo en cuenta las restricciones de produccin (cada producto se
fabricar en lotes de 20, de manera que la tasa de produccin est definida como el
nmero de lotes que se producen a la semana). Qu se necesita para esto?
a.
El nmero de horas de produccin disponibles por semana en cada planta
para estos productos.
b.
Nmeros de horas de produccin que cada lote producido de cada
producto nuevo emplea en cada una de las plantas.
c.
La ganancia.
Este problema se conoce como mezcla de productos, los datos necesarios recolectados se
listan a continuacin:
D. Gil C.
1
2
3
Ganancia
Tiempo de produccin
disponible a la semana en
horas
4
12
18
El modelo matemtico:
Max Z=3x1+5x2
Sujeto a:
4
2x2 12
3x1+2x218
x1
x10 , x20.
Recurso
Cantidad de recursos
disponibles
b1
b2
...
bm
D. Gil C.
20
18
16
14
Serie1
12
Serie2
10
Serie3
Serie4
6
4
2
0
0
Aditividad: Cada funcin en un modelo de programacin lineal (ya sea la funcin Objetivo
o el lado izquierdo de las restricciones funcionales) es la suma de las contribuciones
individuales de las actividades respectivas (elimina los productos cruzados).
(x1,x2)
Zej.
Zcaso1+x1x2 Zcaso2 +x1x2
(1,0)
3
3
3
(0,1)
5
5
5
(1,1)
8
9
7
Divisibilidad: Las variables de decisin en un modelo de programacin lineal pueden
tomar cualquier valor, incluyendo valores no enteros, que satisfagan las restricciones
funcionales y las de no negatividad.
EJEMPLOS DE APLICACIN DE P.L.
Son tan amplios y dismiles entre si como los que se listan a continuacin
a. Planeacin de la produccin
b. Mezcla de alimentos
c. Corte y ajuste de material
d. Control de Calidad del agua
e. Perforacin de pozos y produccin de petrleo
f. Balanceo en ensamble
g. Inventario
h. Terapias mdicas.
Ej. 2 Mezcla de alimentos
Se supone la disponibilidad de ciertos ingredientes con los cuales se mezcla el alimento
adems se conoce el contenido nutritivo de cada ingrediente. La descripcin del modelo
incluye:
- Requerimientos nutritivos diarios del animal
- Limitaciones fsicas o no nutritivas tales como abastecimiento, textura o
consistencia y posibilidad de aglomeracin.
D. Gil C.
x25
0
1
1
4
x26
0
0
2
2
Requisitos
10000
30000
20000
Departamento
1
2
3
8
5
3
6
9
8
7
6
8
5
9
4
Ej. 5 Una compaa produce dos tipos de sombreros vaqueros. Cada sombreo del primer
tipo requiere el doble de tiempo en mano de obra que el segundo. Si todos los sombreros
son solamente del segundo tipo, la compaa puede producir 500 sombreros al da. El
mercado limita las ventas diarias del primero y segundo a 150 y 200. Suponga que los
beneficios son 8 para el 1 y 5 para el 2. Determine el nmero de sombreros que se deben
producir de cada tipo a fin de maximizar el beneficio. [2]
Ej. 6 Para un cafetn que trabaja 24 hrs. Se requieren las siguientes meseras:
Horas
# Mnimo de Meseras
2-6
4
6-10
8
10-14
10
14-18
7
18-22
12
22-2
4
Cada mesera trabaja 8 hrs. Consecutivas por da. El Objetivo es contratar el nmero ms
pequeo de requerido para cumplir los requisitos anteriores. [2]
D. Gil C.
Min Z Ci (bi xi )
24
i 1
Min Z Ci Si
i 1
X 19 X 20 X 21 X 22 X 23 X 24 S19 b19
X1 , X 2 , X 3 ,..., X 24 , S1 ,..., S19 0
10
9
8 (0,6)
7
6
5
4
3
2
1
0
0
(2,6)
(4,6)
(4,3)
Max Z=3x1+5x2
Sujeto a:
x1
4
2x2 12
3x1+2x2 18
y
x1 0, x2 0.
Una
frontera
de
restriccin es el lmite
permitido
por
una
2
4
6
8
restriccin, en el caso de
dos variables es una recta,
en tres un plano, etc. Una solucin en vrtice es la intercepcin de dos fronteras de
restriccin, una solucin en un vrtice que pertenece al espacio de soluciones se llama
solucin factible en vrtice (FVE), para un problema de P.L. con n variables de decisin,
cada una de sus soluciones en los vrtices se encuentra en la intercepcin de por lo menos n
fronteras de restriccin. FEV adyacentes son aquellas que comparten n-1 fronteras de
D. Gil C.
(6,0)
n
m
n!
( m!( n m)!)
X3
2X 2
3 X 1 2X 2
4
X4
12
X 5 18
X1 , X 2 , X 3 , X 4 , X 5 0
Un valor de cero (0) en una variable de holgura significa que se encuentra en las fronteras
de decisin, mientras que uno positivo significa que esta en el lado factible de la regin
factible y un valor negativo estar en el lado no factible, de esta forma una solucin FEV
tendr ahora cinco valores es decir, tomemos la solucin FEV (3,2) tendr la siguiente
solucin aumentada (3,2,8,1,5), lo que no es otra cosa que una solucin bsica factible
descrita en la seccin anterior. Considere la solucin (4,6), qu conclusiones obtiene al
aumentarla?. Ejercicio hallar todas las soluciones factibles o no, aumentadas para el Ej. 1.
Propiedades de la solucin bsica
1. Cada variable de la forma aumentada ser designada como bsica o no bsica.
2. El nmero de variables bsicas es igual al nmero de restricciones funcionales
(ecuaciones) y el nmero de no-bsicas ser la diferencia entre el nmero total de
variables y el nmero de restricciones funcionales (variables bsicas), as del ejemplo
seran 3 y 2 respectivamente las variables bsicas y las no-bsicas.
3. Las variables no bsicas se hacen igual a cero.
D. Gil C.
(0)
(1)
X3
X1
4
X4
(2)
2X 2
(3)
3 X 1 2X 2
12
X 5 18
(1)
X3
X1
(2)
2X 2
(3)
3 X 1 2X 2
X4
X3 4
12
X 4 12 2 X 2
X 5 18 X 5 18 2 X 2
La idea es aumentar la variable que mejore a una tasa ms grande el valor de Z sin dejar de
la regin factible y que todas las variables permanezcan no negativas.
Variable bsica entrante: Variable no-bsica que aumentar su valor de cero (mejorar el
valor de Z) y ser parte de la solucin bsica actual.
Variable bsica que sale: variable bsica que llega primero a cero, cuando se aumenta la
variable que entra.
D. Gil C.
X1
-3
1
0
3
X2
X3
X4
-5
0
0
0
1
0
2
0
1
2
0
0
Tabla 11. Forma tabular Ej. 1
X5
0
0
0
1
Lado Der.
0
4
12
18
Algoritmo smplex
Solucin Inicial: X3=4, X4=12, X5=18 para Z=0
Consideraciones en torno a las posibles soluciones
Empate en la variable que entra, esto es dos o ms variables tienen el mismo valor
(Coef. Negativo) ms grande, en este caso se rompe el empate de manera arbitraria. Ej.:
Max Z=3x1+5x2
Sujeto a:
x1
4
2x2 12
3x1+2x2 18
y
x1 0, x2 0.
Empate en la variable bsica que sale, en este caso si es importante que variable se toma
ya que pueden ocurrir una serie de consecuencias: a) Al iterar las dems variables
empatadas se harn cero (0), llamando a esta situacin degeneracin (variable
degenerada y solucin bsica degenerada.
b) Si cualquiera de las variables a nivel cero se elige como variable que sale, la variable
que entra tambin deber hacerlo a nivel cero pues no puede crecer sin la que sale
disminuya, lo que implica que no hay mejora para Z existiendo la posibilidad de
c) entrar en un ciclo infinito.
D. Gil C.
4
2x2 12
3x1+2x2 =18
x1
x1 0, x2 0.
x1 0, x2 0
tenemos cinco restricciones y dos variables de decisin por lo que existen 10 pares
2
de ecuaciones de frontera, de los cuales cinco (5) se convierten en ecuaciones de definicin
para las soluciones FEV (tabla 12), tres(3) son ecuaciones de definicin para soluciones no
factibles (tabla 12) y los dos restantes no tienen solucin.
Soluciones FEV Ec. de definicin Soluciones no-FEV Ec. de definicin Sin Solucin Ec. de definicin
(0,0)
(0,6)
(2,6)
(4,3)
(4,0)
(0,9)
x1 0
x2 0
x1 0
2 x2 12
(4,6)
2 x2 12
3 x1 2 x2 18
3 x1 2 x2 18
x1 4
(6,0)
x1 4
x2 0
x1 0
3 x1 2 x2 18
---------
x1 0
x1 4
x2 0
2 x2 12
2 x2 12
x1 4
3 x1 2 x2 18
x2 0
finito esta combinacin no es mas que una cota superior para el nmero de soluciones FEV.
Propiedad 3: Si una solucin FEV no tiene soluciones FEV adyacentes que mejoren
la solucin (Z), entonces es una solucin optima.
Rest. Aumentada
xj 0
n
aij x j xni bi
j 1
aij x j xni bi
j 1
a
j 1
ij
x j x n i x si bi
Ec. de Frontera
xj = 0
n
a
j 1
ij
x j bi
ij
x j bi
ij
x j bi
a
j 1
n
a
j 1
Variable indicativa
xj
D. Gil C.
x ni
xni
x n i x si
El Problema Dual
Para el problema Primal:
Maximizar
c
j 1
xj,
Sujeto a :
n
a
j1
ij
x j b , para i 1,2,..., m
y
x j 0,
para j 1,2,..., n
posee un problema Dual asociado con los mismos para metros del
original salvo que dispuestos de manera diferente ( en cierta forma
traspuestos):
m
Maximizar
y 0 bi yi ,
i 1
Sujeto a :
m
a
i 1
ij
yi c j , para j 1,2,..., n
y
yi 0,
para i 1,2,..., m
Primal
D. Gil C.
Dual
Maximizar Z c x
sujeto a
Ax b
y
x0
Maximizar y 0 yb
sujeto a
yA c
y
y0
+ 3y3 3
2y2 +2y3 5
D. Gil C.
sujeto a 0 2
12
x
3 2 2
18
Max
x
0
y 1
0
x2
Max
y 0 y1
sujeto a y1
y y1
y2
y2
4
y 3 12
18
y2
1
y 3 0
3
y3 0
2 3,
2
t z c
Fila 0:
Otras filas:
T A
Combinados
y
S
z c
Z
b
D. Gil C.
z yA
para j 1,2,..., n
yi 0
para i 1,2,..., m
y 0 bi yi ,
i 1
Sujeto a :
m
a
i 1
ij
yi c j , para j 1,2,..., n
yi 0,
para i 1,2,..., m
D. Gil C.
cx yb
Si x* es la solucin optima
es la solucin optima para
cx y b
D. Gil C.
D. Gil C.