Investigacion de Operaciones

UNIVERSIDAD NACIONAL MICAELA BASTIDAS DE APURIMAC
UNIVERSIDAD NACIONAL DE MICAELA BASTIDAS DE APURIMAC ESCUELA PROFESIONAL DE ADMINISTRACIN DE EMPRESAS
Docente: Mg. Jos Vilca Ccolque Trabajo: Investigacin De Operaciones Estudiantes: Bertha contreras Alarcn Lucia Sols Sulcahuaman Ruth Mely Cruz Bernaola Yesica Huachaca Barazorda Ronal Arias Benites Orlando Cusihuaman Lima Shassy Palomino Bravo
INVESTIGACIN DE OPERACIONES
PGINA 1
INTRODUCCIN
La Investigacin de Operaciones (IO) o Investigacin Operativa es una rama de las matemticas que hace uso de modelos matemticos y algoritmos con el objetivo de ser usado como apoyo a la toma de decisiones, busca que las soluciones obtenidas sean significativamente ms eficientes (en tiempo, recursos, beneficios, costos, etc.) en comparacin a aquellas decisiones tomadas en forma intuitiva o sin el apoyo de una herramienta para la toma de decisiones. Los modelos de Investigacin de Operaciones son frecuentemente usados para abordar una gran variedad de problemas de naturaleza real en ingeniera y ciencias sociales, lo que ha permitido a empresas y organizaciones importantes beneficios y ahorros asociados a su utilizacin. El presente trabajo monogrfico, fue realizado para informar y sintetizar de manera objetiva y clara todo lo referente a la investigacin de operaciones, mostrando los contenidos principales de la de una forma fcil e intuitiva, para poder realizar un proceso de toma de decisiones adecuado y eficaz.
PGINA 2
ORIGENES DE LA INVESTIGACION DE OPERACIONES
La primera actividad de Investigacin de Operaciones se dio durante la Segunda Guerra Mundial en Gran Bretaa, donde la Administracin Militar llam a un grupo de cientficos de distintas reas del saber para que estudiaran los problemas tcticos y estratgicos asociados a la defensa del pas. El nombre de Investigacin de Operaciones fue dado aparentemente porque el equipo estaba llevando a cabo la actividad de investigar operaciones (militares). Aunque se ha acreditado a Gran Bretaa la iniciacin de la Investigacin de Operaciones como una nueva disciplina, los Estados Unidos tomaron pronto el liderazgo en este campo rpidamente creciente. La primera tcnica matemtica ampliamente aceptada en el medio de Investigacin de Operaciones fue el Mtodo Simplex de Programacin Lineal, desarrollado en 1947 por el matemtico norteamericano George B. Dantzig. Desde entonces las nuevas tcnicas se han desarrollado gracias al esfuerzo y cooperacin de las personas interesadas tanto en el rea acadmica como en el rea industrial. En organizaciones grandes se hace necesario que el tomador de decisiones tenga un conocimiento bsico 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. Uno de estos problemas es la tendencia de muchas de las componentes de una organizacin a convertirse en imperios relativamente autnomos, con sus propias metas y sistemas de valores, perdiendo con esto la visin de la forma en que encajan sus actividades y objetivos con los de toda la organizacin. Lo que es mejor para una componente, puede ir en detrimento de otra, de manera que pueden terminar trabajando con objetivos opuestos.
PGINA 3
DEFINICIN La Investigacin de Operaciones es la aplicacin por grupos interdisciplinarios del mtodo cientfico 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 organizacin. SEGN HILLIER LIEBERMAN: Significa hacer investigacin sobre las operaciones referentes a la conduccin y coordinacin de actividades dentro de una organizacin aplicada a una gama extraordinariamente amplia.
METODOLOGA DE LA INVESTIGACIN DE OPERACIONES 1. Formulacin y definicin del problema: En esta fase del proceso se necesita: una descripcin de los objetivos del sistema, es decir, qu se desea optimizar; identificar las variables implicadas, ya sean controlables o no; determinar las restricciones del sistema. Tambin hay que tener en cuenta las alternativas posibles de decisin y las restricciones para producir una solucin adecuada. 2. Construccin 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 decisin con los parmetros y restricciones del sistema. Los parmetros (o cantidades conocidas) se pueden obtener ya sea a partir de datos pasados o ser estimados por medio de algn mtodo estadstico. Es recomendable determinar si el modelo es probabilstico o determinstico. El modelo puede ser matemtico, de simulacin o heurstico, dependiendo de la complejidad de los clculos matemticos que se requieran. 3. Solucin del modelo Una vez que se tiene el modelo, se procede a derivar una solucin matemtica empleando las diversas tcnicas y mtodos matemticos para resolver problemas y ecuaciones.
PGINA 4
Adems, para la solucin del modelo, se deben realizar anlisis de sensibilidad, es decir, ver cmo se comporta el modelo a cambios en las especificaciones y parmetros del sistema. Esto se hace, debido a que los parmetros no necesariamente son precisos y las restricciones pueden estar equivocadas. 4. Validacin del modelo La validacin de un modelo requiere que se determine si dicho modelo puede predecir con certeza el comportamiento del sistema. Un mtodo comn 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 contine replicando el comportamiento pasado, entonces siempre debemos estar atentos de cambios posibles del sistema con el tiempo, para poder ajustar adecuadamente el modelo. 5. Implementacin de resultados Una vez que hayamos obtenido la solucin o soluciones del modelo, el siguiente y ltimo paso del proceso es interpretar esos resultados y dar conclusiones y cursos de accin para la optimizacin del sistema. Si el modelo utilizado puede servir a otro problema, es necesario revisar, documentar y actualizar el modelo para sus nuevas aplicaciones.
REAS DE APLICACIN Como su nombre lo dice, Investigacin de Operaciones significa hacer investigacin sobre las operaciones. Esto dice algo del enfoque como del rea de aplicacin. Entonces, la Investigacin de Operaciones se aplica a problemas que se refieren a la conduccin y coordinacin de operaciones o actividades dentro de una organizacin. La naturaleza de la organizacin es esencialmente inmaterial y, de hecho, la Investigacin de Operaciones se ha aplicado en los negocios, la industria, la milicia, el gobierno, los hospitales, etc. As, la gama de aplicaciones es extraordinariamente amplia.
PGINA 5
Casi todas las organizaciones ms grandes del mundo y una buena proporcin de las industrias ms pequeas cuentan con grupos bien establecidos de Investigacin de Operaciones. Muchas industrias, incluyendo la area y de proyectiles, la automotriz, la de comunicaciones, computacin, energa elctrica, electrnica, alimenticia, metalrgica, minera, del papel, del petrleo y del transporte, han empleado la Investigacin de Operaciones.
MODELOS DE PROGRAMACIN LINEAL
Leonid Kantorovich-1912 Pionero de Pragramacion Lineal
Cuando se habla de programacin lineal (PL) se refiere a varias tcnicas matemticas empleadas para asignar, de forma ptima, los recursos limitados a distintas demandas, tareas, operaciones o productos que compiten entre ellos, es decir, la programacin de actividades para obtener un resultado ptimo. La programacin lineal utiliza un modelo matemtico para describir y formular el problema; y el aspecto de lineal se refiere a que todas las funciones matemticas del modelo deben ser funciones lineales (Ecuaciones o Inecuaciones).
INVESTIGACIN DE OPERACIONES PGINA 6
Construccin de un modelo de programacin lineal Cualquier modelo de PL se compone de tres elementos bsicos: Variables de decisin, que se trata de determinar. Funcin objetivo (meta), que se busca optimizar ya sea maximizar (beneficios) o minimizar (costos). Restricciones que se deben satisfacer.
Las variables de decisin de este problema estn definidas por: X1 = Producto Alpha X2 = Producto Beta La funcin objetivo se define de la siguiente manera: Maximizar (Z) = 5 X1 + 4 X2 (en miles de dlares) Sujeta a las siguientes restricciones: 1) Materia prima P: 6 X1 + 4 X2 <= 24 (2) Materia prima Q: X1 + 2 X2 <= 6 (3) Restriccin 3: - X1 + X2 <= 1 (4) Restriccin 4: X2 <= 2 (5) Condicin: X1, X2 >= 0 Cualquier par de valores de X1, X2 que satisfaga todas las restricciones anteriormente expresadas, se considera una solucin factible del modelo. Tal es el caso de la solucin factible dada por X1=3 y X2=1 con un Z= 5x3 + 4x1 = 19 (miles de dlares). Posteriormente se mostrar cmo llegar a la solucin ptima a travs del mtodo grfico y del matemtico.
PGINA 7
MTODO DEL SIMPLEX
GEORGE B. DANTZIG Creador del Mtodo SIMPLEX en 1974
El mtodo Simplex es un procedimiento iterativo que permite ir mejorando la solucin a cada paso. El proceso concluye cuando no es posible seguir mejorando ms dicha solucin. Partiendo del valor de la funcin objetivo en un vrtice cualquiera, el mtodo consiste en buscar sucesivamente otro vrtice que mejore al anterior. La bsqueda se hace siempre a travs de los lados del polgono (o de las aristas del poliedro, si el nmero de variables es mayor). Cmo el nmero de vrtices (y de aristas) es finito, siempre se podr encontrar la solucin. El mtodo Simplex se basa en la siguiente propiedad: si la funcin objetivo, f, no toma su valor mximo en el vrtice A, entonces hay una arista que parte de A, a lo largo de la cual f aumenta.
PGINA 8
Construccin de la primera tabla: En la primera columna de la tabla aparecer lo que llamaremos base, en la segunda el coeficiente que tiene en la funcin objetivo cada variable que aparece en la base (llamaremos a esta columna Cb), en la tercera el trmino independiente de cada restriccin (P0), y a partir de sta columna aparecern cada una de las variables de la funcin objetivo (Pi). Para tener una visin ms clara de la tabla, incluiremos una fila en la que pondremos cada uno de los nombres de las columnas. Sobre sta tabla que tenemos incluiremos dos nuevas filas: una que ser la que liderar la tabla donde aparecern las constantes de los coeficientes de la funcin objetivo, y otra que ser la ltima fila, donde tomar valor la funcin objetivo. Nuestra tabla final tendr tantas filas como restricciones. Tabla C1 Base Pi1 Pi2 ... Pim Z Cb Ci1 Ci2 ... Cim P0 bi1 bi2 ... bim Z0 P1 a11 a21 ... am1 Z1-C1 C2 P2 a12 a22 ... am2 Z2-C2 ... Cn ... Pn ... a1n ... a2n ... ... ... Amn ... Zn-Cn
Los valores de la fila Z se obtienen de la siguiente forma: El valor Z0 ser el de sustituir Cim en la funcin objetivo (y cero si no aparece en la base). El resto de columnas se obtiene restando a este valor el del coeficiente que aparece en la primera fila de la tabla. Se observar al realizar el mtodo Simplex, que en esta primera tabla, en la base estarn las variables de holgura. Condicin de parada: Comprobaremos si debemos de dar una nueva iteracin o no, que lo sabremos si en la fila Z aparece algn valor negativo. Si no aparece ninguno, es que hemos llegado a la solucin ptima del problema. Eleccin de la variable que entra: Si no se ha dado la condicin de parada, debemos seleccionar una variable para que entre en la base en la siguiente tabla. Para ello nos fijamos en los valores estrictamente negativos de la fila Z, y el menor de ellos ser el que nos de la variable entrante.
Eleccin de la variable que sale: Una vez obtenida la variable entrante, obtendremos la variable que sale, sin ms que seleccionar aquella fila cuyo cociente P0/Pj sea el menor de los estrictamente positivos (teniendo en cuenta que slo se har cuando Pj sea mayor de 0). La interseccin entre la columna entrante y la fila saliente nos determinar el elemento pivote.
Actualizacin de la tabla: Las filas correspondientes a la funcin objetivo y a los ttulos permanecern inalterados en la nueva tabla. El resto deber calcularse de dos formas diferentes: 1. Si es la fila pivote cada nuevo elemento se calcular: Nuevo Elemento Fila Pivote = Elemento Fila Pivote actual / Pivote. 2. Para el resto de elementos de filas se calcular: Nuevo Elemento Fila = Elemento Fila Pivote actual - (Elemento Columna Pivote en la fila actual * Nuevo Elemento Fila).
MTODO DE LA SOLUCION BASICA
Inicial factible
Solucin Inicial La definicin general del modelo de transporte requiere la condicin 0, lo que da origen a una ecuacin dependiente, lo que significa que el modelo de transporte tiene slo m + n - 1 ecuaciones independientes. Por lo tanto, como en el mtodo simplex, una solucin factible bsica inicial debe incluir m + n - 1 variables bsicas. Para la formulacin del problema de transporte se utiliza como base la Tabla de Transporte en la que se obtiene de manera fcil y directa una solucin bsica inicial, en donde todas las filas y las columnas son tenidas en cuenta para proporcionar una variable bsica (asignacin). Cuando se ha realizado una asignacin, se debe tachar (no tener en cuenta para asignacin) la fila (columna) con la oferta (demanda) satisfecha; lo que indica que las variables restantes de la fila (columna) son iguales a cero (variables no bsicas).
PGINA 10
Los mtodos ms empleados para obtener soluciones iniciales son: El mtodo de la Esquina Noroeste. El mtodo del Costo Mnimo. El mtodo de Vogel.
MTODO DE NOR - OESTE. El mtodo de la esquina es un mtodo de programacin lineal hecho a mano para encontrar una solucin inicial factible del modelo, muy conocido por ser el mtodo ms fcil al determinar una solucin bsica factible inicial, pero al mismo tiempo por ser el menos probable para dar una solucin inicial acertada de bajo costo, debido a que ignora la magnitud relativa de los costos. es un proceso utilizado para resolver problemas de transporte o asignacin, si bien es un mtodo no exacto tiene la ventaja de poder resolver problemas manualmente y de una forma rpida, muy cercano al valor ptimo. Cada problema debe representarse en forma de matriz en donde las filas normalmente representan las fuentes y las columnas representan los destinos. Este mtodo se inicia en esquina NOR- ESTE del tablero de trasporte es decir en el par ordenado (1.1) para asignar xij en la funcin de los mnimos de la fila y la columna.
PGINA 11
MTODO RUSSEL
BERTRAND ARTHUR WILLIAM RUSSELL
( 1872- 1970) Russell Lincoln Ackoff fue un terico estadounidense de la organizacin, un consultor, y Anheuser-Busch profesor emrito de Ciencia de la Administracin de la Wharton School de la Universidad de Pennsylvania. Ackoff fue un pionero en el campo de la investigacin de operaciones, sistemas de pensamiento y ciencia de la administracin. Russell tuvo una gran influencia en la lgica matemtica moderna. El filsofo y lgico estadounidense Willard Quine dijo que el trabajo de Russell representaba la ms grande influencia sobre su propio trabajo. Russell el cual es el autor de un mtodo conocido como con su nombre el cual proporciona un criterio excelente y fcil de llevarlo a la prctica en un ordenador pero no para la forma manual, debido a que es necesario realizar numerosos clculos del ndice, este debe ser estudiado para determinar cul es ms eficiente en promedio respecto al de Vogel. Por lo que se recomienda en un problema grande aplicar ambos criterios y luego utilizar la mejor solucin que se obtenga para iniciar las iteraciones que permitan obtener la solucin ptima
PGINA 12
Bertrand Arthur William Russell (1968) presenta una solucin bsica inicial factible muy cerca al ptimo. Proporciona una solucion inicial cercana a lla optima El procedimiento es el siguiente: Calacular Ui= MAX C1 VJ= MAX C1 ) ]
Encuentre la varialbe Xij=max (i,j)[( Introducir a la base Xij= min(a,b)
El mtodo termina cuando a y b son ceros.
MODELO DE RUTAS PROHIBIDAS EN LOS MODELOS DE TRASPORTE
El Modelo de transporte es una clase especial de problema de Programacin Lineal. Trata la situacin en la cual se enva un bien de los puntos de origen (fbricas), a los puntos de destino (almacenes, bodegas, depsitos). El objetivo es determinar las cantidades a enviar desde cada punto de origen hasta cada punto de destino, que minimicen el costo total de envo, al mismo tiempo que satisfagan tanto los lmites de la oferta como los requerimientos de la demanda. El modelo supone que el costo de envo de una ruta determinada es directamente proporcional al nmero de unidades enviadas en esa ruta.
Sin embargo, algunas de sus aplicaciones importantes (como la Programacin de la Produccin) de hecho no tienen nada que ver con el transporte.
PGINA 13
El algoritmo de transporte sigue los pasos exactos del mtodo simplex. Sin embargo, en vez de utilizar la tabla simplex regular, aprovechamos la estructura especial del modelo de transporte para presentar el algoritmo en una forma ms conveniente El modelo busca determinar un plan de transporte de una mercanca de varias fuentes a varios destinos. Entre los datos del modelo se cuenta: Nivel de oferta en cada fuente y la cantidad de demanda en cada destino. El costo de transporte unitario de la mercanca de cada fuente a Cada destino. El modelo de transporte es un modelo matemtico que se utiliza para la representacin de la realidad, y como todos los modelos tienen sus fortalezas y limitaciones. Se pueden obtener resultados exactos si los supuestos que incorporan los modelos concuerdan con la realidad, dichos supuestos son. Se trasladar una sola especie de bien (es decir, no hay combinaciones de productos) Los costos son directamente proporcionales a la cantidad de bienes enviados (es decir, entre ms bienes se transporten el costo se elevar comportndose como una lnea recta). Adicionalmente se mostraran algunos complementos a los problemas de transporte, como la aplicacin de trasbordo y rutas prohibidas.
DEFINICIN DEL MODELO Un modelo es una representacin de la realidad, al definir un modelo de transporte como un modelo matemtico, pueden realizarse optimizaciones, las cuales en nuestro caso, es reducir los costos. El modelo de transporte ms bsico, y con el cual iniciaremos es el Siguiente: Se tendrn puntos de suministro o fuentes (fabricas, bodegas, proveedores, etctera) los cuales enviarn un producto determinado hasta ciertos destinos (clientes, tiendas detallistas, etctera).
PGINA 14
MODELO
MTODO DE TRANSPORTE
El modelo de transporte se define como una tcnica que determina un programa de transporte de productos o mercancas desde unas fuentes hasta los diferentes destinos al menor costo posible. Tambin estudiaremos el problema del transbordo en el que entre fuentes y destinos, existen estaciones intermedias El modelo de transporte busca determinar un plan de transporte de una mercanca de varias fuentes a varios destinos. Los datos del modelo son: 1. 2. Nivel de oferta en cada fuente y la cantidad de demanda en cada destino. El costo de transporte unitario de la mercanca a cada destino.
Como solo hay una mercanca un destino puede recibir su demanda de una o ms fuentes. El objetivo del modelo es el de determinar la cantidad que se enviar de cada fuente a cada destino, tal que se minimice el costo del transporte total. La suposicin bsica del modelo es que el costo del transporte en una ruta es directamente proporcional al nmero de unidades transportadas. La definicin de unidad de transporte variar dependiendo de la mercanca que se transporte.
MTODO GENERAL
MTODO DE SOLUCIN
Metodologa de solucin
1ro. Solucin Bsica Factible Esquina Noroeste Costo Mnimo Vogel

2do Optimizacin Algebraico Heurstico MODI MTODO VOGEL
El modelo de transporte busca determinar un plan de transporte de una mercanca de varias fuentes a varios destinos. Los datos del modelo son: Nivel de oferta en cada fuente y la cantidad de demanda en cada destino. El costo de transporte unitario de la mercanca a cada destino. Como solo hay una mercanca un destino puede recibir su demanda de una o ms fuentes. El objetivo del modelo es el de determinar la cantidad que se enviar de cada fuente a cada destino, tal que se minimice el costo del transporte total. La suposicin bsica del modelo es que el costo del transporte en una ruta es directamente proporcional al nmero de unidades transportadas. La definicin de unidad de transporte variar dependiendo de la mercanca que se transporte.
PGINA 17
MTODO DE OPTIMIZACIN DE MODI Proporciona un procedimiento prctico a seguir para calcular los costos marginales de cada una de las celdas no utilidades mediante dos pasos Paso 1. Calculo de los coeficientes de fila y columna.se inicia el proceso asignado un 0 (valor de un coeficiente arbitrario) de cualquier fila o columna por lo general se asigna esta 0 a la primera fila luego se busca una celda llena en esa fila y pivoteando sobre esta celda se encuentra el coeficiente de la columna haciendo uso de la siguiente relacin Paso 2. Calculo de los costos marginales. Una vez conocido el coeficiente de fila y columna se ubican las celdas vacas y se calculan sus costos marginales a travs de la siguiente relacin
*Coeficiente desconocido =costo de celda- coeficiente conocido Fila o columna De fila o columna
RUTAS PROHIBIDAS EN LOS MODELOS DE TRASPORTE En el arte de los negocios existen muchas circunstancias que no permite hacer posible el uso de ciertas rutas por ejemplo: mercados inciertos, limitadas capacidades de puentes, falta de acceso de carreteras, huaycos, aluviones, razones que suscitan en ciertas rutas se encuentran prohibidas. El modelo de transporte es un problema de optimizacin de redes donde debe determinarse como hacer llegar los productos desde los puntos de existencia hasta los puntos de demanda, minimizando los costos de envo. El modelo busca determinar un plan de transporte de una mercanca de varias fuentes a varios destinos. Entre los datos del modelo se cuenta: Nivel de oferta en cada fuente y la cantidad de demanda en cada destino. El costo de transporte unitario de la mercanca de cada fuente a Cada destino. El modelo de transporte es un modelo matemtico que se utiliza para la representacin de la realidad, y como todos los modelos tienen sus fortalezas y limitaciones.
Se pueden obtener resultados exactos si los supuestos que incorporan los modelos concuerdan con la realidad, dichos supuestos son. Se trasladar una sola especie de bien (es decir, no hay combinaciones de productos) Los costos son directamente proporcionales a la cantidad de bienes enviados (es decir, entre ms bienes se transporten el costo se elevar comportndose como una lnea recta). El transporte es el traslado de personas o bienes de un lugar a otro, todos los problemas de transporte que se encuentran en las operaciones industriales o comerciales involucran el elemento de costo (transportar un bien de un lugar a otro tiene un costo determinado). Adicionalmente se mostraran algunos complementos a los problemas de transporte, como la aplicacin de trasbordo y rutas prohibidas. Definicin del modelo Un modelo es una representacin de la realidad, al definir un modelo de transporte como un modelo matemtico, pueden realizarse optimizaciones, las cuales en nuestro caso, es reducir los costos. El modelo de transporte ms bsico, y con el cual iniciaremos es el Siguiente: Se tendrn puntos de suministro o fuentes (fabricas, bodegas, proveedores, etctera) los cuales enviarn un producto determinado hasta ciertos destinos (clientes, tiendas detallistas, etctera).
MODELO DE ASIGNACIN En los modelos de programacin lineal: mtodo simplex y de trasporte existen otros casos especiales de programacin lineal que se pueden resolver aplicando ciertas tcnicas especiales que reducen los pesados clculos cotidianos. Es el caso del modelo de asignacin que tiene muchas asignaciones en los campos de la planificacin y asignacin de potencial humano la mejor persona para el puesto se puede ilustrar con la asignacin de trabajadores de diversos niveles de capacitacin a diferentes puestos, un puesto que coincide con los conocimientos y habilidades de un trabajador cuesta menos en comparacin de uno que no es ten hbil es entonces el objetivo de determinar la asignacin optima de trabajador a un puesto definido.
PGINA 19
La
formulacin
est
sujeta
procedimientos secuenciales dado en servicios y n tareas en relacin al rendimiento de cada servicio aplicando a cada tarea, es decir se convierte en una matriz de (n.n) o n^2 el problema consiste en asignar a cada servicio a un trabajo y solo a uno de forma tal que la medida del rendimiento optimo
MTODO DE HNGARO
HAROLD W. KUHN 1925
Busca determinar un conjunto de n o independiente en cada fila o columna para lograr este cometido se utiliza tres pasos .
PGINA 20
Paso 1. En la matriz original del costo identificar el mnimo de cada regin y restarlo delos dems elementos del mismo regln Paso 2. En la matriz que resulte del paso 1 identificar el mnimo de cada columna y restarlos de todos los elementos de la misma columna Paso 3. Identificar la solucin ptima como la asignacin factible asociada con los elementos 0 en la matriz obtenida en el paso 2.
PROBABILIDADES
la teoria de las probabilidades se origina en lamitad en el siglo VXII asociado con los trabajos de CHRISTIAAN HUYGENS (1601-1665) La probabilidad es un mtodo mediante el cual se obtiene la frecuencia de un suceso determinado mediante la realizacin de un experimento aleatorio, del que se conocen todos los resultados posibles, bajo condiciones suficientemente estables.
DIAGRAMA DEL RBOL Es una grfica para organizar clculos en los que existen varios pasos en cada segmento del rbol, las probabilidades escritas al lado de las ramas son probabilidades condicionales del experimento TEORA DE BAYES En la teora de la probabilidad el teorema de Bayes es un resultado enunciado
por Thomas Bayes en 1763 que expresa la probabilidad condicional de un evento aleatorio A dado B en trminos de la
distribucin de probabilidad condicional del evento B dado A y la distribucin de
probabilidad marginal de slo A.
PGINA 21
En trminos ms generales y menos matemticos, el teorema de Bayes es de enorme relevancia puesto que vincula la probabilidad de A dado B con la probabilidad de B dado A. Es decir que sabiendo la probabilidad de tener un dolor de cabeza dado que se tiene gripe, se podra saber (si se tiene algn dato ms), la probabilidad de tener gripe si se tiene un dolor de cabeza, muestra este sencillo ejemplo la alta relevancia del teorema en cuestin para la ciencia en todas sus ramas, puesto que tiene vinculacin ntima con la comprensin de la probabilidad de aspectos causales dados los efectos observados.
Formula:
DISTRIBUCIN DE PROBABILIDAD BINOMIAL Es una distribucin de probabilidad discreta donde una de las caractersticas es de que solo existen dos resultados posibles para un ensayo particular de un experimento ejemplo: La respuesta de una pregunta puede ser verdadero o falso, es decir los resultados es mutuamente excluyentes donde la variable aleatoria cuenta con nmeros de existo de un numero de ensayos y que esta probabilidad de existo permanece igual en cada ensayo de similar forma la probabilidad de fracaso. Entonces los ensayos son independientes Lo que significa que la ocurrencia de uno de ellos no afecta el resultado de cualquier otro Una distribucin binomial rene los siguientes requisitos el nmero de pruebas o ensayos es fijo y no es muy grande cada prueba tiene solo dos posibles resultados a lo que se suele llamar xito o fracaso en cada una de las pruebas de xito es la mnima probabilidad las pruebas son estadsticamente independientes
PGINA 22
Formula: ( ) DISTRIBUCION HIPERGEOMETRICA Si se selecciona una muestra de una poblacin finita sin reemplazo y si el tamao de la muestra n es ms del 5% de la poblacin N permite utilizar la distribucin hipergeometrica para determinar la probabilidad de un nmero especfico de xito o fracasos es muy apropiado cuando la poblacin es pequea. ( )
Formula: ( ) ( )( )
DISTRIBUCIN DE PROBABILIDAD DE POISSON
SIMEN DENIS POISSON (1781-1840)
PGINA 23
Si en la distribucin binomial n (nmero de ensayos) es muy grande y P es muy pequeo de modo que (nxp) permanece caso constante, entonces las probabilidades correspondientes para x xitos se pueden obtener mediante la distribucin de poisson. Formula: ( )
TEORA DE COLAS O LNEA DE ESPERA
LLEGADAS
COLAS
SERVICIOS
RETIRADA
La Teora de Cola no es una tcnica de optimizacin, sino una herramienta que utiliza frmulas analticas (limitadas por suposiciones matemticas. No se asemejan a una situacin real, pero da una primer aproximacin a un problema y a bajo costo), que brindan informacin sobre el comportamiento de lneas de espera (estas se presentan cuando "clientes" llegan a un "lugar" demandando un servicio a un "servidor" el cual tiene una cierta capacidad de atencin y no Est disponible inmediatamente y el cliente decide esperar).
CARACTERISTICAS 1.-FUENTE DE ENTRADA Una caracterstica de la fuente de entrada es su tamao. El tamao es el nmero total de potenciales clientes que pueden requerir servicio en un determinado momento. Esta poblacin a partir de la cual surgen las unidades que arriban se conoce como poblacin o fuente de entrada. Puede suponerse que el tamao es infinito o finito (por lo cual se dice que la fuente de entrada es ilimitada o limitada).
PGINA 24
2.-PROCESO DE LLEGADA
Es la forma en que los clientes de la fuente de entrada llegan a solicitar un servicio. La caracterstica ms importante del proceso de llegada es el tiempo entre llegadas, que es la cantidad de tiempo entre dos llegadas sucesivas de clientes a un sistema de colas. Se supone que el proceso de llegada no es afectado por el nmero de clientes presentes en el sistema. Existen casos en los que el proceso de llegada puede depender del nmero de clientes presentes en el sistema, como en el caso de una poblacin pequea. 3.-COLA La naturaleza del comportamiento de las personas tiene mucha influencia en la teora de colas siendo necesario especificar una disciplina, por ejemplo:
Quien llega primero de atiende primero Lnea de espera porque muchas veces pueden alcanzar longitudes que no estn en proporcin.
Costos del Sistemas de Colas Las llegadas son las unidades que entran en el sistema para recibir el servicio; estos elementos se unen primero a la cola; si no hay lnea de espera se dice que la cola est vaca.
Costo de Espera Esperar significa desperdicio de algn recurso activo que bien se puede aprovechar en otra cosa y est dado por: Costo total de espera = Cw * L Donde Cw = costo de espera por llegada y por unidad de tiempo, y L = a longitud promedio de la cola.
PGINA 25
Sistema de Costo Mnimo Aqu hay que tomar en cuenta (ver Figura 2), que para tasas bajas de servicio se experimenta largas colas y costos de espera muy altos. Conforme aumenta el servicio disminuyen los costos de espera, pero aumenta el costo de servicio y el costo total disminuye, sin embargo, finalmente se llega a un punto de disminucin en el rendimiento. Por lo tanto, se debe encontrar el balance adecuado para que el costo total sea el mnimo. 4.- PROCESO DE SERVICIO: Tiene que ver con el diseo de la instalacin y la ejecucin del servicio Puede existir una estacin de servicio: Sistema de canal sencillo o en Serie Puede existir ms de una estacin de servicio: Sist. de canal mltiples (En serie y en paralelo). PRESTADOR DE SERVICIO Dentro de las caractersticas existentes podemos destacar toda aquella actividad dentro de la distribucin de tiempo de servicio el mismo que pueda variar de un cliente a otro es decir implica una distribucin exponencial .Pueden existir otras distribuciones: Tiempo el tipo de servicio constante. Tiempo de servicio normal. Tiempo de servicio uniforme
CLASIFICACIN DE LOS SISTEMAS DE COLA Existen 2 tipos de sistemas de colas: SISTEMA BSICO: Es aquel donde existe una poblacin, un sistema de llegada, adems existe solo un sistema de cola y de servicio (sin importar en nmero de colas, ni el nmero de servidores). Es decir, en este sistema las entidades al recibir el servicio salen del sistema y no ingresan a otro.
PGINA 26
MEDIDAS Y PARAMETROS DEL DESMPEO PARA MODELOS DE TEORIA DE COLAS : Nmero de llegadas por unidad de tiempo : Nmero de servicios por unidad de tiempo si el servidor est ocupado K: Nmero de servidores en paralelo N (t): Nmero de clientes en el sistema en el instante t Nq (t): Nmero de clientes en la cola en el instante t Ns(t): Nmero de clientes en servicio en el instante t Pn (t): Probabilidad que haya n clientes en el sistema en el instante t=Pr {N(t)=n} N: Nmero de clientes en el sistema en el estado estable Pn: Probabilidad de que haya n clientes en estado estable Pn=Pr{N=n} L: Nmero medio de clientes en el sistema Lq: Nmero medio de clientes en la cola Tq: Representa el tiempo que un cliente invierte en la cola S : Representa el tiempo de servicio T =Tq+S: Representa el tiempo total que un cliente invierte en el sistema Wq=[Tq]: Tiempo medio de espera de los clientes en la cola W=[T]: Tiempo medio de estancia de los clientes en el sistema r: nmero medio de clientes que se atienden por trmino medio Pb: probabilidad de que cualquier servidor est ocupado
PGINA 27
MODELOS SIMPLE DE TEORIA DE COLAS = Nmero promedio de llegadas por periodo (tasa promedio de llegadas) = Nmero promedio de servicios por periodo ( tasa promedio de servicio) Probabilidad de que no haya unidades en el sistema
Nmero promedio de unidades en la fila de espera (tamao de la fila)
Nmero promedio de unidades en el sistema (tamao total)
Tiempo de espera promedio que una unidad pasa en la lnea de espera
Tiempo promedio que una unidad pasa en el sistema
Probabilidad de que una unidad que llega tenga que esperar para obtener servicio
PGINA 28
Probabilidad de que hayan n unidades en el sistema.
Estas frmulas del 1 al 7 solo se aplican cuando > .
TEORIA DE JUEGOS
La teora de juegos es una herramienta que ayuda a analizar problemas de optimizacin interactiva. La mayora de las situaciones estudiadas por la teora de juegos implican conflictos de intereses, estrategias y trampas. De particular inters son las situaciones en las que se puede obtener un resultado mejor cuando los agentes cooperan entre s, que cuando los agentes intentan maximizar slo su utilidad. Siempre en toda gestin empresarial existen problemas es por ello que este modelo suscita a tener mayores esperanzas. JUEGO Se denomina juego a la situacin interactiva especificada por el conjunto de participantes, los posibles cursos de accin que puede seguir cada participante, y el conjunto de utilidades. ESTRATEGIA Cuando un jugador tiene en cuenta las reacciones de otros jugadores para realizar su eleccin, se dice que el jugador tiene una estrategia. Una estrategia es un plan de acciones completo que se lleva a cabo cuando se juega el juego. Se explicita antes de que comience el juego, y prescribe cada decisin que los agentes deben tomar durante el transcurso del juego, dada la informacin disponible para el agente. La estrategia puede incluir movimientos aleatorios.
PGINA 29
RESULTADOS DE LOS JUEGOS El resultado de un juego es una cierta asignacin de utilidades finales. Se denomina resultado de equilibrio si ningn jugador puede mejorar su utilidad unilateralmente dado que los otros jugadores se mantienen en sus estrategias. Un equilibrio estratgico es aquel que se obtiene cuando, dado que cada jugador se mantiene en su estrategia, ningn jugador puede mejorar su utilidad cambiando de estrategia. Alternativamente, un perfil de estrategias conforma un equilibrio si las estrategias conforman la mejor respuesta a las otras.
PGINA 30

Investigacion de Operaciones

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Investigacion de Operaciones

Cargado por

Copyright:

Formatos disponibles

UNIVERSIDAD NACIONAL MICAELA BASTIDAS DE APURIMAC

UNIVERSIDAD NACIONAL DE MICAELA BASTIDAS DE APURIMAC ESCUELA PROFESIONAL DE ADMINISTRACIN DE EMPRESAS

UNIVERSIDAD NACIONAL MICAELA BASTIDAS DE APURIMAC

UNIVERSIDAD NACIONAL MICAELA BASTIDAS DE APURIMAC

ORIGENES DE LA INVESTIGACION DE OPERACIONES

UNIVERSIDAD NACIONAL MICAELA BASTIDAS DE APURIMAC

UNIVERSIDAD NACIONAL MICAELA BASTIDAS DE APURIMAC

UNIVERSIDAD NACIONAL MICAELA BASTIDAS DE APURIMAC

MODELOS DE PROGRAMACIN LINEAL

Leonid Kantorovich-1912 Pionero de Pragramacion Lineal

UNIVERSIDAD NACIONAL MICAELA BASTIDAS DE APURIMAC

UNIVERSIDAD NACIONAL MICAELA BASTIDAS DE APURIMAC

MTODO DEL SIMPLEX

GEORGE B. DANTZIG Creador del Mtodo SIMPLEX en 1974

UNIVERSIDAD NACIONAL MICAELA BASTIDAS DE APURIMAC

UNIVERSIDAD NACIONAL MICAELA BASTIDAS DE APURIMAC

MTODO DE LA SOLUCION BASICA

UNIVERSIDAD NACIONAL MICAELA BASTIDAS DE APURIMAC

UNIVERSIDAD NACIONAL MICAELA BASTIDAS DE APURIMAC

BERTRAND ARTHUR WILLIAM RUSSELL

UNIVERSIDAD NACIONAL MICAELA BASTIDAS DE APURIMAC

Encuentre la varialbe Xij=max (i,j)[( Introducir a la base Xij= min(a,b)

El mtodo termina cuando a y b son ceros.

MODELO DE RUTAS PROHIBIDAS EN LOS MODELOS DE TRASPORTE

UNIVERSIDAD NACIONAL MICAELA BASTIDAS DE APURIMAC

UNIVERSIDAD NACIONAL MICAELA BASTIDAS DE APURIMAC

UNIVERSIDAD NACIONAL MICAELA BASTIDAS DE APURIMAC

1ro. Solucin Bsica Factible Esquina Noroeste Costo Mnimo Vogel

UNIVERSIDAD NACIONAL MICAELA BASTIDAS DE APURIMAC

2do Optimizacin Algebraico Heurstico MODI MTODO VOGEL

UNIVERSIDAD NACIONAL MICAELA BASTIDAS DE APURIMAC

UNIVERSIDAD NACIONAL MICAELA BASTIDAS DE APURIMAC

UNIVERSIDAD NACIONAL MICAELA BASTIDAS DE APURIMAC

HAROLD W. KUHN 1925

UNIVERSIDAD NACIONAL MICAELA BASTIDAS DE APURIMAC

distribucin de probabilidad condicional del evento B dado A y la distribucin de

probabilidad marginal de slo A.

UNIVERSIDAD NACIONAL MICAELA BASTIDAS DE APURIMAC

UNIVERSIDAD NACIONAL MICAELA BASTIDAS DE APURIMAC

DISTRIBUCIN DE PROBABILIDAD DE POISSON

SIMEN DENIS POISSON (1781-1840)

UNIVERSIDAD NACIONAL MICAELA BASTIDAS DE APURIMAC

TEORA DE COLAS O LNEA DE ESPERA

UNIVERSIDAD NACIONAL MICAELA BASTIDAS DE APURIMAC

UNIVERSIDAD NACIONAL MICAELA BASTIDAS DE APURIMAC

UNIVERSIDAD NACIONAL MICAELA BASTIDAS DE APURIMAC

UNIVERSIDAD NACIONAL MICAELA BASTIDAS DE APURIMAC

Nmero promedio de unidades en la fila de espera (tamao de la fila)

Nmero promedio de unidades en el sistema (tamao total)

Tiempo de espera promedio que una unidad pasa en la lnea de espera

Tiempo promedio que una unidad pasa en el sistema

UNIVERSIDAD NACIONAL MICAELA BASTIDAS DE APURIMAC

Probabilidad de que hayan n unidades en el sistema.

Estas frmulas del 1 al 7 solo se aplican cuando > .

UNIVERSIDAD NACIONAL MICAELA BASTIDAS DE APURIMAC

También podría gustarte