INDICE I.II.III.IV.V.VI.Introduccin Toma de decisiones Conceptos y tcnicas de probabilidades.

Programacin lineal Mtodo Simplex Anlisis de sensibilidad

VII.- Modelos de transporte VIII.- Programacin entera

I INTRODUCCIN. Nace a partir de la segunda guerra mundial, en las operaciones militares cuando estos queran dar en un blanco. Tambin se da en la industria, en las fbricas, etc. Productos Acabados Pintura P. V. Unitario Costo unitario Utilidad Produccin: A 1h 0.5h S/. 10 S/. 6 S/.4 B 2h 1h S/.15 S/. 7 S/.8 Disponibilidad por semana 40 30 Minimizar Maximizar

Utilidad (U = Ingresos - Costos) Estudio de mercado (demanda clientes)

TOMA DE DECISIONES. Las decisiones son complejas e importantes (operaciones del cerebro). Tambin decisiones simples(ir en combi o ir a pie). Todos los das tomamos decisiones. Organizac. / Sociedad / Negocios S. S. I.

S. S. D. Salidas

Entradas

Incertidumbre (escasa informacin) Probabilidades Llueva Ganar xito un en partido negocios

Informacin

+ Certidumbre (informacin total)

Tipos de decisiones: 1. Decisiones bajo certeza: Se cuenta con toda la informacin necesaria. Ejm: Maana viajo a Lima. De lunes a jueves tengo que ir a clases 2. Decisiones bajo incertidumbre: La informacin es escasa. Ejm: 2

Probablemente ha de llover hoy da. 3. Decisiones estticas: Decisiones que se toman una y slo una vez. Ejm: Comprar o no comprar. 4. Decisiones dinmicas: Se toma una secuencia de decisiones interrelacionadas. Ejm: Produccin + Estudio de mercado No estudio de mercado Compro Promocin No compro Compro No promocin No compro 5. Decisiones donde el oponente es la naturaleza: El estado del tiempo El estado de la economa. Elementos: a. Toma de decisiones: Individual. Empresarial. Grupal.

b. Acciones. c. Estado de la naturaleza. (Economa, tecnologa, poltica). d. Resultados. Estados de la naturaleza Acciones e1 e2 A1 R11 r12 A2 R21 r22 resultados

Por qu la toma de decisiones es compleja? Lo nico estable es el cambio. El futuro no es lo que sola ser. Ambientes local, regional, nacional, mundial hasta familiar estn sujetos a cambios. Ej.: Cambios tecnolgicos.

Cambios econmicos. Cambios polticos. Cambios de mercado. Los Sistemas de Informacin y la toma de decisiones:

Ej.: Alternativa A Alternativa B

S/. 10 (beneficio) S/. 20 (beneficio)

La alternativa B es la mejor decisin. Ej.: Alternativa A Alternativa B S/. 50 entre S/. 49 y S/. 51

Es subjetivo Ej.: Un profesional en Sistemas de Informacin recibe dos ofertas de trabajo: Empresa A Empresa B Sueldo $1000 Sueldo $400 Qu decisin toma? El centro de trabajo es: Selva peruana en un campamento en medio del calor y los mosquitos

Cajamarca

Adems ofrecen un puesto de trabajo en: Desarrollo de S. I. Control de calidad Ej.: Un vendedor de peridicos: Felipe, vende en el centro de Cajamarca y cada da debe determinar cuntos peridicos pedir. Felipe compra a 20 centavos y lo vende a 25. Felipe sabe que cada da puede vender entre 6 y 10 peridicos. Hacer la matriz de pagos. Solucin: o Estados de la naturaleza. S = {6, 7, 8, 9, 10} posibles valores de la demanda. o Felipe debe escoger una accin: n peridicos que debe pedir cada da. A = {6, 7, 8, 9, 10} G = PV - PC

Acciones 6 7 8 9 10

6 30 -10 -10 -30 -50

7 30 35 15 -5 -25

Demanda 8 30 35 40 20 0

9 30 35 40 45 25

10 30 35 40 45 50

G = PV - PC G1 = 25x6 G6 = 25x6 G11 = 25x6 G13 = 25x8 G16 = 25x6 G18 = 25x8 G21 = 25x6 G23 = 25x8 G25 = 25x10 20x6 = 30 20x7 = 10 20x8 = -10 20x8 = 40 = G14 = G15 20x9 = -30 20x9 = 20 20x10 = -50 20x10 = 0 20x10 = 50 G2 = 30 = G3 = G4 = G5 G7 = 25x7 20x7 = 35 = G8 = G9 = G10 G12 = 25x7 20x8 = 15 G17 = 25x7 G19 = 25x9 G22 = 25x7 G24 = 25x9 20x9 = -5 20x9 = 45 = G20 20x10 = -25 20x10 = 25

Ej.: Aprovisionamiento de truzas de tenis: Usted es el propietario de artculos de tenis y debe decidir cuntas truzas para hombre debe pedir para la estacin de verano. Para un tipo particular de truzas, debe pedir lotes de 100. Si pide 100 truzas su costo es de S/. 10 por unidad. Si pide 200, su costo es de S/. 9 por unidad. Su precio de venta es de S/.12 por unidad, pero si algunas quedan sin vender al final del verano, stas se deben vender a mitad de precio. Por sencillez Ud. cree que la demanda de la truza es de 100, 150 o 200. Es claro que Ud. no puede vender ms de lo que almacena. Sin embargo si se queda corto hay una prdida de buen nombre de S/. 0.5 por cada truza que una persona desee comprar, pero que no pueda hacerlo por no tenerla en el almacn. Adems, Ud. debe colocar el pedido ahora, por que la estacin de verano venidera, no puede esperar a observar como vara la demanda de esta truza antes de pedir, ni se puede colocar varios pedidos. Construir la matriz de pago *Si se pide 300 o ms su costo es de S/. 8.50 por unidad. Solucin Costos Decidir cuntas truzas pedir Lotes de 100 Lotes de 200 Lotes de 300 S/. 10 por unidad S/. 9 por unidad S/. 8.5 por unidad

Precio de venta = PV = S/. 12 por unidad. Si alguno no se vende entonces se remata a mitad de precio. Si se queda corto (no satisface demanda) entonces prdida = S/.0.50 por unidad. Costo Acciones Demanda 5

10 9 8.5

a1: pedir 100 a2: pedir 200 a3: pedir 300

100 200 0 -150 G = PV PC

150 175 300 150

200 150 600 450

G1 = 100(12) 100(10) = 200 G2 = 150(12) 100(10) 0.5(50) = 175 G3 = 200(12) 100(10) 0.5(100) = 200 G4 = 100(12) 200(9) + 100(6) = 0 G5 = 150(12) 200(9) + 50(6) = 300 G6 = 200(12) 200(9) = 600 G7 = 100(12) 300(8.5) + 200(6) = -150 G8 = 150(12) 300(8.5) + 150(6) = 150 G9 = 200(12) 300(8.5) + 100(6) = 600 Mejor accin / 1 = accin a1: Pedir lotes de 100 Mejor accin / 2 = accin a2: Pedir lotes de 200 Mejor accin / 3 = accin a3: Pedir lotes de 200 Final: podra elegir las acciones a2 o a1 Criterios no probabilsticos de Eleccin 1. Optimista (Maxi Max) Puede suceder lo mejor 2. Pesimista (Maxi Min) Puede suceder lo peor 3. Eclptico Ni lo mejor ni lo peor (promedio de los mejores resultados y los peores resultados) 4. La place Promedio general Solucin: Costo Acciones 100 110 120 G = PV PC Demanda 10 11 12 0 0 0 5 4.5 4 5.2 5.5 5 5.4 5.7 6 Optimista MaxiMax 5 5.5 6 Pesimista MaxiMin 4 5 5.4 Eclptico La place Prom. (>y<) Prom. Gral 4.5 5.25 5.7 4.5 5.23 5.7

0.05

Toma de decisiones usando probabilidades 1. Valor esperado V. E. = x.p(x) Acciones a1 a2 a3 100 110 120 (0.7) 100 5 5.2 5.4 Demanda (0.2) 110 4.5 5.5 5.7 (0.1) 120 4 5 6 V. E.= E (x) V. E. 4.8 5.24 5.52

2
0.11 0.02 0.04

0.33 0.14 0.2

C. V. 7 3 4

a1: V. E. = 5x0.7 + 4.5x0.2 + 4x0.1 = 4.8 a1: V. E. = 5.2x0.7 + 5.5x0.2 + 5x0.1 = 5.24 a1: V. E. = 5.4x0.7 + 5.7x0.2 + 6x0.1 = 5.52 La mejor opcin es a3: producir 120 panes por da. 2. Varianza:

2 = E(x2) [E(x)]2
a1: E(x2) = (5)2x0.7 + (4.5)2x0.2 + (4)2x0.1 = 4.8 a1: E(x2) = (5.2)2x0.7 + (5.5)2x0.2 + (5)2x0.1 = 5.24 a1: E(x2) = (5.4)2x0.7 + (5.7)2x0.2 + (6)2x0.1 = 5.52 La mejor opcin es a2 (< variabilidad) 3. Coeficiente de Variacin (mejor criterio) C. V. =

(x)

x 100

La mejor opcin es a2 (< variabilidad) 4. Desviacin Estndar La mejor opcin es a2 (< variabilidad)

rbol de decisiones Herramienta grfica para describir las acciones, los eventos y las relaciones entre estas. En el ejemplo de la produccin de pan: Acciones Nodos Utilidad 5 4.5 4 5.2 5.5 5 5.4 5.7 6 Ej.: Una empresa debe decidir acerca del tamao de una nueva planta en Atlanta. En este momento, la empresa solo tiene un potencial en ventas mnimo en los estados el sur, sin embargo, cuando la planta en Atlanta est lista, se expender una campaa de promocin; en cierto modo, la gerencia no esta segura acerca del xito que tendr esta campaa. Se estima que hay 0.4 de oportunidad de que la empresa capte una participacin significativa del mercado y de 0.6 de que slo consiga una participacin moderada. Se necesitar de una planta grande si se consigue una participacin significativa, y una planta pequea sera suficiente para el caso moderado. El costo de la planta grande es de $ 8 millones y el costo de la planta pequea es de $5 millones. Si se consigue una participacin significativa de mercado, el valor presente estimado de las utilidades resultantes (excluyendo el costo de la planta) es de $13 millones; si se logra una participacin moderada, el valor presente de las utilidades resultantes (sin el costo de planta) es de $8 millones. La gerencia tiene otra alternativa: construir una planta pequea, esperar el resultado de la campaa de promocin y luego ampliar la planta si la situacin lo garantiza. Costara $ 4.5 millones adicionales ampliar la planta pequea hasta la capacidad de la grande. a) Trazar un rbol de decisiones para este problema. b) Qu decisin debe tomar la empresa y cul es el valor esperado.

Participacin. moderada 2 3.2 3.2

3. 5

Utilidad 5 0 3.5 3 3

* El supuesto es que sin expansin la compaa puede mantener slo una participacin moderada de mercado. Anlisis de Sensibilidad Modificar las estimaciones de las probabilidades para los estados de la naturaleza afectan la decisin recomendada. Ej.: 1 xito Fracaso a1 8 7 a2 14 5 a3 20 -9 V. E. (a1) = 8() + 7(1 - ) = 7 + V. E. (a2) = 14() + 5(1 - ) = 5 + 9 V. E. (a3) = 20() 9(1 - ) = -9 + 29 VE(a)
25 20 15 10 5 0 -5 -10 -15 0.2
0.25 0.7

a1

a2

a3

0.4

0.6

0.8

1.0

= 0 V. E. (a1) = 7

=1 =0 =1 =0 =1

V. E. (a1) = 8 V. E. (a2) = 5 V. E. (a2) = 14 V. E. (a3) = -9 V. E. (a3) = 20

Si = 0.25 V. E. (a1) = 7.25 V. E. (a2) = 7.25 V. E. (a3) = -1.75 Entonces a1 o a2 Si = 0.7 V. E. (a1) = 7.7 V. E. (a2) = 11.3 V. E. (a3) = 11.3 Entonces a2 o a3 Se forman 3 reas. Ej.: a) Si = 0.2 a1 b) Si = 0.6 a2 c) Si = 0.9 a3 Ej.: El gerente de Mrketing de una empresa debe decidir si introduce un nuevo producto. Ocurre que la probabilidad que exista competencia es 0.8 y que no exista competencia 0.2. Si existe o no competencia el gerente puede fijar precios altos, medios o bajos. Las probabilidades de la competencia de fijar precios altos, medios o bajos dado que el gerente de la empresa fija precios altos es 0.3, 0.5, 0.2. La competencia fija precios altos, medios o bajos con las siguientes probabilidades 0.1, 0.6, 0.3; si el gerente fija precios medios. La competencia tambin fija precios altos, medios o bajos con probabilidad 0.1, 0.2 y 0.7 si el gerente fija precios bajos. a) Construir el rbol de decisiones. Decisin Accin

b) Con los datos de utilidades, determinar la mejor decisin.

10

Utilidades 0.3 0.5 0.2 0.1 0.6 0.3 0.1 0.2 0.7 $ 150 $0 $ -200 $ 250 $ 100 $ -50 $ 100 $ 50 $ -100 $ 500
15 6
500

70

7 0

15 6

5 0

$ 300 $ 100 $0

La mejor decisin es introducir el producto ya que el valor esperado neto es de $156 > $0 Valor esperado de la informacin perfecta: V.E.I.P. = Ganancia esperada con - Ganancia esperada sin informacin perfecta informacin perfecta Ej: tabla de ganancias Resultados Acciones a1: baja a2: moderada a3: alta Fracaso 0.4 -2 -5 -8 xito 0.4 5 10 8 Gran xito 0.2 8 12 15 Ganancia esperada 2.8 4.4 2.2

11

Ganancia esperada con informacin perfecta = (-2)(.04) + (10)(0.4) + (15)(0.2) = $6.2

mejor ganancia V.E.I.P. = 6.2 4.4 = $1.8 Con informacin perfecta AUMENTA la GANACIA ESPERADA de $4.4 a $6.2

ANLISIS DE DECISIN CON INFORMACIN MUESTRAL Es posible tener la informacin adicional sobre los estados de la naturaleza a fin de actualizar probabilidades (revisin bayesiana) REVISIN BAYESIANA Probabilidades Previas Ej.: Demanda
1 0,8 2 0,2

Informacin nueva (Investigac. mercado)

Probabilidades posteriores

Acciones Complejo pequeo Complejo medio Complejo grande

Alta aceptacin 8 14 20

Baja aceptacin 7 5 -9

1: alta aceptacin 2: baja aceptacin I1 = F I2 = D S1 = 1 S2 = 2

Estudio de mercado Resultados condicionales Favorable (F) Desfavorable(D) P(F/ 1) = 0.90 P(D/ 1) = 0.10 P(F/ 2) = 0.25 P(D/ 2) = 0.75

1 1

12

rbol de decisiones con investigacin de mercado preliminar

7.9 3 18.1 13. 4 18. 1 15. 8 7.3 5 8.13 8.1 3 1.0 9

8 7 14 5 20 -9 8 7 14 5 20 -9

Teorema de Bayes 1 2

1) F = 1 F + 2 F P(F) = P(1 F) + P(2 F) P(F) = P(1) x P(F/1) + P(2) x P(F/2) P(F) = 0.8 x 0.9 + 0.2 x 0.25 P(F) = 0.77 2) Bayes P(1/F) = P(1 F) P(F) P(1) x P(F/1) P(F) Prob. Total

P(1/F) =

Calculamos las probabilidades posteriores (0.8) x (0.9) 1. P(1/F) = = 0.935 0.77 13

2. P(2/F) = 0.065 P(1 D) P(1) x P(D/1) 3. P(1/D) = = P(D) P(D) (0.8) x (0.10) 0.23 = = 0.348 4. P(2/D) = 0.652 Valor esperado de la estrategia S/. 15.82 Si I. M. favorable complejo grande Si I. M. desfavorable complejo medio

PROGRAMACIN LINEAL Es un procedimiento de resolucin de problemas desarrollado para ayudar a los Administradores a tomar decisiones. Produccin, ventas, ingresos(MAXIMIZAR) Gastos(MINIMIZAR) Aplicaciones 1. Un fabricante desea desarrollar un programa de produccin y una poltica de inventarios que satisfgala demanda. 2. Un analista financiero de inversiones desea seleccionar la mejor cartera de inversiones a partir de una diversidad de alternativas. 3. Un especialista de mercadotecnia desea determinar la mejor manera de asignar un presupuesto de publicidad, entre medios alternos de publicidad, radio, TV, peridico y revistas.

RECURSOS

Optimizar

Funcin: F(z) = c1x1 + c2x2 . . . + cnxn Objetivo a11x1 + a12 x2 + . . . + a1nxn b1 a21x1 + a22 x2 + . . . + a2nxn b2 14

. . . am1x1 + am2 x2 + . . . + amnxn bm Ej.: Una compaa produce 2 productos qumicos : 1. Aditivo para combustible. 2. Base disolvente.

Recursos disponibles (Condicionamientos)

Para formar ambos productos se mezclan 3 materias primas, segn la siguiente tabla: Productos Aditivo para Base disolvente combustible 2/5 1/2 0 1/5 3/5 3/10 S/.40 S/.30 Disponibilidad para produccin (Ton.) 20 5 21

Materia Prima 1 Materia Prima 2 Materia Prima 3 Utilidad unitaria

Cuntas toneladas deber producir la compaa para maximizar su utilidad? Solucin 1 Variables de decisin

x1: N de toneladas de aditivos a producir. x2: N de toneladas de base disolvente a producir.

2 Funcin objetivo Max Z = 40x1 + 30x2 3 Restricciones 2/5 x1 + 1/2x2 20 (mp1) 1/5x2 5 (mp2) 3/5 x1 + 3/10x2 21 (mp3) x1, x2 0 4 Mtodo grfico 2/5 x1 + 1/2x2 = 20 x1 = 0 x2 =40

15

x2 = 0 x1 =50 1/5x2 = 5 x2 =25 3/5 x1 + 3/10x2 21 (mp3) x1 = 0 x2 =70 x2 = 0 x1 =35

70 60 50 40 30 20 10
A B C D

10

20

30

40

50

60

70

80

Punto A B C D E

Vrtice (0,0) (0,25) (20,25) (25,20) (35,0)

Z 0 7.5 15.5 16 17

Ej.: Una compaa fabrica 2 tipos de juguetes de madera: soldados y trenes. Un soldado se vende a S/.27 y se usan S/. 10 de materia prima. Cada soldado que se produce aumenta los costos variables de mano de obra y los costos generales en S/. 14. Un tren se vende en S/. 21 y se usan S/. 9 de materia prima. Cada tren producido aumenta los costos variables de mano de obra y los costos generales en S/. 10. La produccin de soldados y trenes de madera necesitan 2 tipos de trabajo especializado: carpintera y acabado. Un soldado requiere 2 horas de acabado y 1 hora de carpintera. Un tren requiere 1 hora de acabado y 1 de carpintera. Cada semana se dispone de 100 horas de acabado y 80 horas de carpintera. La demanda de los trenes no tiene lmite, pero se vende a lo ms 40 soldados semanales.

16

La compaa quiere maximizar su ganancia semanal (Ingresos - Costos) Formule un modelo matemtico y luego haga la solucin grfica. Solucin 1. Variables de decisin:

x1 : N de soldados producidos cada semana. x2 : N de trenes producidos cada semana.

2. Funcin Objetivo: 3. Maximizar Ganancia G = Ingresos Costos = (27x1 + 21x2) Costo M. prima Costos Mano obra y gastos grales. = (27x1 + 21x2) (10x1 + 9x2) (14x1 + 10x2) = 3x1 + 2x2 Max Z = 3x1 + 2x2 4. Restricciones: 2x1 + 1x2 100 1x1 + 1x2 80 x1 40 x1, x2 0
100 90 80 70 60 50 40 30 REGIN 20 10
FACTIBLE

Restriccin de acabado. Restriccin de carpintera. Restriccin de demanda.

demanda

acabado

carpintera

10 20 30 40 50 60 70 80 90 100

2x1 + 1x2 = 100 x1 = 0 x2 = 100 x2 = 0 x1 = 50 a) Existen infinitas soluciones factibles

1x1 + 1x2 = 80 x1 = 0 x2 = 80 x2 = 0 x1 = 80

17

b) El punto P(60,20), es solucin factible? No, el punto est fuera de la regin factible. Puntos vrtices A (0,0) B (0,80) C (20,60) D (40,20) E (40,0) Z 0 160 180 160 120

CASOS ESPECIALES 1. Soluciones ptimas alternativas Ej.: Max z = 40x1 + 50x2 2/5x1 + 1/2x2 20 1/5 5 3/5x1 + 3/10x2 21 x1, x2 0
40 30 20 10

Puntos de solucin ptima (Cualquier punto de la lnea resulta una solucin ptima) x1 = 25 x2 = 20 z = 2000
10 20 30 40

En un problema de programacin lineal con soluciones ptimas alternativas significa que existen varias combinaciones de soluciones ptimas y el administrador podr elegir la solucin ptima ms adecuada. 2. No factibilidad x1 4

18 1

1 Ej.:

x2

Max z = 5x1 + 6x2 Solucin alternativa: x1 + x2 1 x1 + x2 4 x1, x2 0 3. Ilimitado Ej.: Max z = 2x1 + x2 X1 2 X2 5 X1, X2 0 x1
5

REGIN FACTIBLE

x2

ANLISIS DE SENSIBILIDAD Es el estudio de la forma en que los cambios en los coeficientes de un programa lineal afecta a la solucin ptima. Utilizando anlisis de sensibilidad podemos responder preguntas como las siguientes: 1. z = c1x1 + c2x2 + . . .

19

Si c1 en una unidad entonces z = ? 2. Restricciones c1x1 + c2x2 20 Si 20 es una unidad entonces z = ? Razn del anlisis de sensibilidad Entorno Cambiante Precios Ej.: Demanda Tecnologa Proveedores

Max z = 40x1 + 30x2 Solucin alternativa: (2/3)x1 + (1/2)x2 20(mp1) (1/5)x2 5 (mp2) (3/5)x1 + (3/10)x2 21 (mp3) x1, x2 0 Solucin ptima: x1 = 25 x2 = 20 z = $1600 mp3

70 60 50 40 30 20 10 25

Lnea de Funcin objetivo

mp2 P(25,20) Regin factible mp1

5 10 15 20 25 30 35 40 45 50 55

Forma Pendiente Interseccin y = mx + b x2 = mx1 + b z = 40x1 + 30x2 1600 = 40x1 + 30x2 40 1600 x2 = x1 + 30 30

20

pendiente

Interseccin con el eje x2

(-)

(+)

1) Si se hace girar la lnea de la funcin objetivo contra las manecillas del reloj (incrementando la pendiente) nos da un lmite superior para la pendiente de la lnea de la funcin objetivo.

2) Si se hace girar la lnea de la funcin objetivo en el sentido de las manecillas del reloj (reduciendo la pendiente) nos da un lmite inferior para la pendiente de la lnea de la funcin objetivo.

Lmite inferior Pendiente de Z Lmite Superior Pendiente Lnea B Pendiente de Z Pendiente Lnea B . . . ( )

21

Lnea A (2/5)x1 + (1/2)x2 = 20 x2 = (-4/5)x1 + 40

pendiente

Lnea B (3/5)x1 + (3/10)x2 = 21 x2 = -2 x1 + 70

pendiente

Lnea Z = c1x1 + c2x2 Z c1x1 = c2x2 Z x2 = c2 reemplazando en () -2 Ej.: Calcular el rango de optimalidad para c1, manteniendo constante c2 = 30 c1 4 -2 - 30 - 5 c1 - 30 c1 - 30 c1 -2 30 4 5 2 c1 60 c1 c2 4 5

c1 c2

x1

c1 24

24 c1 60 Ej.: Calcular el rango de optimalidad para c2, manteniendo constante c2 = 40 40 4 -2 - c2 - 5 c2 20 22

c2 50 20 c1 50 CAMBIOS SIMULTNEOS: Ej.: Suponga que la contribucin a la utilidad / tonelada de x 1 se incrementa a $55 y que de manera simultnea a la contribucin a la utilidad / tonelada de x 2 se reduce a $25 qu sucede con x1, x2 y Z original (con los valores anteriores x1 = 25, x2 = 20, Z = 1600) Max Z = 40x1 + 30x) 50 25 (inicial)

Intervalo ptimo

-2,2

-2

-1

-0.8

-2 -

c1 c2 c1 c2

4 5

-2 c1 - c2 55 = 25

- 0.8

= -2.2

Este valor 2.2 est fuera del intervalo ptimo x1 = 25; x2 = 20 ya no ser solucin ptima.

LADOS DERECHOS DE LAS DESIGUALDADES: Veamos ahora como un cambio en el valor del lado derecho de una restriccin puede afectar la regin factible y quizs causar un cambio en la solucin ptima del problema. Ej.: 23

Max Z = 40x1 + 30x2 S.A.: 2 5 x1 + 1 2 1 5 3 5 x2

80

Max Z = 40x1 + 30x2 x2 20 x2 5 Veamos lo que ocurre si se consiguen tres toneladas adicionales de la materia prima 3 S.A.: 2 5 x1 + 1 2 x2 20 1 x 5 2 5 3 3 x + 1 5 10 x2 24

3 x1 + 10 x2 21

40

25

Regin factible original

Regin factible adicional

x1
35 40 50

Solucin ptima: Nueva solucin ptima:

X1 = 25; x2 = 20; Z = 1600 x1 = 100 / 3 Z = $ 1733.33 x2 = 40 / 3

La utilidad adicional aparece a una tasa de 133.33 = $ 44.44 / ton. de mp3 3 La mejora en el valer de Z por incremento unitario del lado derecho de la restriccin se conoce como PRECIO DUAL (precio sombra). En otras palabras:

24

Si 1 Ton al lado derecho m.p.3 Z mejorar en $ 44.44 Si 1 Ton al lado derecho m.p.3 Z empeorar en $ 44.44 En general se puede utilizar: El PRECIO DUAL para determinar lo que le ocurrir a Z para un cambio unitario en el lado derecho de una restriccin Cada restriccin tiene su precio dual El valor del PRECIO DUAL puede aplicarse slo para pequeos cambios del lado derecho. Conforme se vayan obteniendo ms y ms recursos, y se vaya incrementando el valor del lado derecho, otras restricciones se convertirn en recursos limitantes y restringirn el valor de Z. NOTA: PRECIO DUAL = PRECIO SOMBRA (En maximizacin) PRECIO DUAL = - PRECIO SOMBRA (En minimizacin) MTODO SIMPLEX Max Z = 3x1 + 4x2 x1 + 2x2 1000 3x1 + 2x2 1800 x2 400 x1, x2 0 Forma estndar Max Z = 3x1 + 4x2 + 0S1 + 0S2 + 0S3 x1 + 2x2 + S1 = 1000 3x1 + 2x2 + S2 = 1800 x2 + S3 = 400 S1, S2, S3 variables de Holgura (Tiempo ocioso, demanda insatisfecha, recursos no utilizados) cj 0 0 0 Zj 0 0 4 Zj Cj - Z j xk S1 S2 S3 cj b 1000 1800 400 Z=0 3 x1 1 3 0 0 3 1 3 0 0 3 4 x2 2 2 1 0 4 0 0 1 4 0 0 S1 1 0 0 0 0 1 0 0 0 0 0 S2 0 1 0 0 0 0 1 0 0 0 0 S3 0 0 1 0 0 -2 -2 1 4 -4 1000/2 = 500 1800/2 = 900 400/1 = 400 (sale) 200/1 = 200(sale) 1000/3 = 333.33 400/0 = indeterm.

Cj - Z j S1 200 S2 1000 X2 400

Z=1600

25

3 0 4 Zj 3 0 4 Zj

x1 S2 x2

200 400 400

Z = 2200

Cj - Z j x1 400 x5 100 x2 300

Z = 2400

Cj - Z j

1 0 0 3 0 1 0 0 3 0

0 0 1 4 0 0 0 1 4 0

1 -3 0 3 -3 - -
3/2

-3/2

0 1 0 0 0 - -

-2 4 1 -2 2 0 1 0 0 0

200/-2 = -100 400/4 = 100(sale) 400/1 = 400

Valor de la funcin objetivo: Z = 3(400) + 0(100) + 4(300) Z = 2400 Se puede observar que los Cj Zj son ceros o negativos es decir se ha llegado a a la condicin de optimidad y la funcin objetivo no se puede incrementar ms. La solucin ptima es la siguiente: x1 = 400; x5 = 100; x2 = 300; x3 = 0; x4 = 0 Z mx = 2400

MODELO DEL TRANSPORTE Se aplica a algunos problemas de negocios. - Control y diseo de plantas de fabricacin. - Determinacin de lugares de venta. - Localizacin de centros de distribucin y almacenaje. META Minimizar el costo total de envo de un producto (o productos) desde los puntos de existencia hasta los puntos de demanda bajo las siguientes restricciones: 1. Cada punto de demanda recibe su requerimiento. 2. Loa embarques desde un punto de suministro (existencia) no exceden su capacidad disponible. Ejemplo: Considere la red de distribucin de un producto con 2 puntos de suministro y 3 puntos de demanda

Punto de suministro 1
$2 $4 $6 $3

Punto de suministro 2
$6 $9

26

Punto de demanda 1

Punto de demanda 1

Punto de demanda 1

El numero de unidades disponibles del producto para envo desde los dos puntos de suministro es como sigue: N del punto de suministro 1 2 Capacidad disponible 10 15 Disponibilidad total 25 (o suministro total)

El N de unidades requeridas del producto en cada uno de los tres los puntos de demanda es como sigue: N del punto de demanda 1 2 3 Capacidad requerida 10 5 Demanda 10 total (o requerimientos totales) 25

Observe que el total de disponibilidad es igual al total (suministro) demandado. Cuando esto ocurre se dice que el modelo de transporte est balanceado. El costo de enviar una unidad el producto desde un punto de suministro dado hasta un punto de demanda dado, se da en la siguiente tabla: Costo del envo ($ / unidad enviada)

N del punto de suministro 1 2

N del punto de demanda 1 2 3 2 4 6 3 6 9

27

Cuesta $2 enviar una unidad desde el punto de suministro 1 hasta el punto de demanda 1 Formulacin del modelo xij = Cantidad enviada desde el punto i hacia el punto j Ej.: x23 : N de unidades enviadas desde el suministro 2 hacia el punto de demanda 3 Meta: minimizar costo total del envo F. O. Min Z = 2x11 + 4x12 + 6x13 + 3x21 + 6x22 + 9x23 Restricciones x11 + x12 + x13 10 x21 + x22 + x23 15 x11 + x21 = 10 x12 + x22 = 5 x13 + x23 = 10 Xij 0 i = 1, 2, 3 j = 1, 2, 3

PROBLEMAS DE ASIGNACIN En una diversidad de situaciones de toma de decisiones se presenta un PROBLEMA DE ASIGNACIN. Los problemas tpicos de asignacin implican asignar maquinaria, agentes a trabajos especiales, personal de ventas a territorios, contratos a licitantes y as sucesivamente. Una caracterstica que distingue a los problemas de ASIGNACIN es que un agente se asigna a una y solamente una tarea. Especficamente buscamos el conjunto de ASIGNACIONES que optimizarn un objetivo dado como: MINIMIZAR EL COSTO MINIMIZAR EL TIEMPO MAXIMIZAR UTILIDADES MAXIMIZAR VENTAS Ej.: Una empresa ABC recibe solicitudes de estudio de investigacin de mercados de 3 clientes. La empresa debe asignar un responsable para cada proyecto. 28

Los 3 (tres) proyectos tienen aproximadamente la misma prioridad y la administracin desea asignar lderes de proyecto para minimizar el N total de das necesarios para completar los tres proyectos. Las alternativas, tiempos de terminacin del proyecto para el problema de asignacin de la empresa ABC son: Clientes 1 2 1 Carlos 10 15 2 Pedro 9 18 3 Juan 6 14 La siguiente red muestra la representacin en red del problema: Jefes

3 9 5 3

1 Carlos

10 15 9 9 18 5 6 14 3

Cliente 1

2 Pedro

Cliente 2

3 Juan

Cliente 3 (1)Demandas Asignaciones posibles (flechas)

(1) Ofertas

El problema de asignacin es un caso especial del problema del transporte. Como en el problema del transporte, utilizamos variables de decisin con doble ndice(xij) 1; si el responsable del proyecto se asigna al cliente Xij = 0; en otro caso

Objetivo: Minimizar tiempo de terminacin de los 3 proyectos Min Z = 10x11 + 15x12 + 9x13 + 9x21 + 18x22 + 5x23 + 6x31 + 14x32 + 9x33 Restricciones x11 + x12 + x13 1 29

x21 + x22 + x23 1 x31 + x32 + x33 1 x11 + x21 + x31 = 1 x12 + x22 + x32 = 1 x13 + x23 + x33 = 1 Xij 0 Solucin ptima x12 = 1 x23 = 1 x31 = 1 Asignacin de responsables a clientes Responsable Cliente Carlos 2 Pedro 3 Juan 1 Das 15 5 6 26 das i = 1, 2, 3 j = 1, 2, 3

30

31