Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Tema # 1
Introduccin a la Investigacin de Operaciones
Objetivos de aprendizaje
Al finalizar el tema sers capaz de: Describir y determinar los antecedentes y aplicaciones de la Investigacin de Operaciones y Programacin Matemtica. Distinguir y explicar las diferentes fases del proceso de solucin de problemas de programacin lineal y sus 4 principios. Formular modelos de programacin lineal.
Introduccin al tema
En esta sesin conocers los antecedentes y aplicaciones de la Investigacin de Operaciones y Programacin Matemtica, as como los problemas de Programacin Lineal. Adems comprenders su terminologa, proceso y principios. As mismo conocers las fases de estudio de la Investigacin de Operaciones.
Introduccin al tema
Adems formulars el sistema de ecuaciones representativo t ti a los l problemas bl d de programacin i li lineal, l ya sea de manufactura, gobierno, finanzas, salud, etc.
Fases de un estudio de IO
1. 2. 3. 4. Observacin de la situacin. Formulacin del problema. Recoleccin de la informacin necesaria. Construir un modelo matemtico. Es sumamente importante que este modelo contemple todas las caractersticas de la situacin real y stas se apeguen lo ms posible a la misma. 5 Probar el modelo y mejorarlo. 5. mejorarlo 6. Implementar solucin.
M Modelo: d l Es una representacin de la realidad Tipos de modelo: Icnicos. Son representaciones fsicas de un objeto. Anlogos. Anlogos Describen el comportamiento de determinados fenmenos y variables. Matemticos. Son representaciones de la realidad pero se expresan trminos matemticos.
Modelo matemtico
En el caso de la investigacin de operaciones, los modelos matemticos sirven para representar el problema o situacin que se tiene que estudiar y resolver a travs de los mtodos matemticos; y la ventaja es que define el problema de manera ms concisa y clara.
Modelo matemtico
Un modelo matemtico est integrado por: Una funcin objetivo. Variables de decisin. Restricciones o limitaciones del modelo. Parmetros del modelo.
10
Modelo matemtico
Funcin objetivo. Es la funcin que deseamos optimizar. Parmetros del modelo modelo. Son las constantes o coeficientes de las variables del modelo. Requiere la recoleccin y anlisis previo de datos para determinar el valor del parmetro. Restricciones del modelo. Son las limitantes sobre los valores de las variables de decisin. Variables de decisin decisin. Variables involucradas en el sistema y que afectan a la funcin objetivo.
Cierre
Como pudiste ver, la programacin lineal ayuda a resolver problemas de negocios relacionados con la asignacin de recursos escasos a diferentes actividades competentes, ya sean relacionados con la manufactura, salud, agricultura, gobierno, etc. Es muy importante que hayas aprendido las fases de un estudio de investigacin de operaciones y la formulacin de modelos matemticos de programacin lineal, ya que son la base para la comprensin de los siguientes temas y para la l correcta t solucin l i d de t tus ejercicios. j i i
Preguntas de reflexin:
Cules son algunas aplicaciones de la programacin lineal? Cules son las diferentes partes que deben de integrar al modelo matemtico de programacin lineal? Cules son las suposiciones o principios de la programacin lineal?
Para aprender ms
Si quieres leer ms acerca de la aplicacin de la investigacin de operaciones en la vida real, revisa el siguiente artculo, artculo donde encontrars informacin sobre el anlisis de datos en la administracin de un negocio. Ingresa a la biblioteca digital: http://millenium.itesm.mx/ coloca como palabra clave: Management by the Numbers, donde encontrars el siguiente artculo:
Baker, Stephen. 2008, Sep, 08. Management by the Numbers. Business Week. New York, Iss. 4098; pg. 33. Obtenido en 21/11/08, de PROQUEST http://0proquest.umi.com.millenium.itesm.mx:80/pqdweb?did=1548008 981&sid=2&Fmt=3&clientId=23693&RQT=309&VName=PQD
17
Referencias bibliogrficas
Libro Hillier, F., Lieberman, G. (2006). Introduccin a la Investigacin de Operaciones. (8 Ed.) Mxico: McGraw Hill. ISBN 970-10-5621-3
Crditos
Diseo de contenido: Ing. Ingrid Gabriela Benavides Garca Coordinador acadmico del rea: Lic. Jos de Jess Romero A. MC y MED Edicin de contenido: Lic. Rosa Luz Fernndez Retana Edicin de texto: Lic. Dalila de Len Bauelos, MTE
10
Tema # 2
Formulacin de problemas de Programacin Matemtica
Objetivos de aprendizaje
Al finalizar el tema sers capaz de: Conocer los fundamentos bsicos de la programacin lineal. Plantear un problema de programacin lineal.
Introduccin al tema
La Investigacin de operaciones utiliza la programacin lineal para encontrar la solucin ptima a los problemas de asignacin de recursos. Es necesario tener en cuenta ciertas consideraciones importantes: La recoleccin de datos es una parte importantsima de los problemas de programacin matemtica y lleva bastante tiempo. Algunos problemas tienen ms de una solucin ptima.
Introduccin al tema
Una vez definido el problema, y teniendo en tus manos t d l toda la i informacin f i necesaria i sobre b l las variables i bl involucradas, podemos pasar a construir el modelo de programacin lineal.
Construccin de un modelo de PL
A continuacin tenemos los pasos para construir un modelo de programacin lineal: 1. Determinar las variables de decisin y expresarlas de manera algebraica. Por ejemplo: Xi = Nmero de vehculos del tipo i Por lo tanto: p A X1= Nmero de vehculos del tipo X2= Nmero de vehculos del tipo B X3= Nmero de vehculos del tipo C X4= Nmero de vehculos del tipo D
5
Construccin de un modelo de PL
2. Determinar las restricciones del modelo y expresarlas como ecuaciones o desigualdades en funcin de las variables de decisin. Las restricciones se determinan con base en la situacin estudiada. Por ejemplo: 3X1 + X2 + 2X3 + 3X4 40 2X1 + X2 + X3 + 2X4 36 X1 + 2X2 + 2X3 + 3X4 88 4X1 + 3X2 + X3 + X4 120
Construccin de un modelo de PL
3. Expresar todas las condiciones implcitas que se
X1 0 X2 0 X3 0 X4 0
Construccin de un modelo de PL
4. Determinar la funcin objetivo del modelo, ya sea maximizar o minimizar alguna g funcin, esto depender p de la situacin estudiada.
Principios bsicos de PL
Principio de Divisibilidad. De acuerdo a este principio principio, el modelo de programacin lineal buscar los valores ms favorables que optimicen la funcin objetivo y satisfagan las restricciones, an cuando estos valores sean fracciones.
12
Principios bsicos de PL
Principio de certidumbre. En un modelo de programacin lineal se supone que los valores que se asignaron a los parmetros de las variables de decisin son constantes conocidas. Es difcil que se cumpla con este principio, ya que generalmente los valores de los parmetros son estimaciones basadas en pronsticos o predicciones, sin embargo los valores asignados deben ser lo ms cercanos a la realidad.
Limitaciones de un modelo de PL
La programacin lineal es una herramienta sumamente poderosa en la solucin de problemas de optimizacin de recursos, sin embargo tiene sus limitaciones. Por ejemplo, es necesario contar con paquetes computacionales que nos ayuden a solucionar los modelos matemticos y a hacer los clculos matemticos con precisin.
Cierre
Antes de comenzar a aprender sobre una metodologa, es importante conocer su terminologa, fundamentos tericos y prcticos, para poder aplicarla y entenderla mejor. Despus de revisar los principales conceptos de la programacin lineal, ya ests listo para comenzar a resolver problemas mediante el mtodo grfico y simplex.
Para aprender ms
Si quieres leer ms sobre el tema de investigacin de operaciones y sus mltiples aplicaciones, revisa la informacin sobre el tema en la Enciclopedia Britnica, seguramente la encontrars muy interesante. Operations research. 2008. Encyclopdia Britannica. Obtenido en 21/11/08 de Encyclopdia Britannica Online: http://0-search.eb.com.millenium.itesm.mx:80/eb/articlehttp://0 search.eb.com.millenium.itesm.mx:80/eb/article 9106307
16
Referencias bibliogrficas
Libro Hillier F., Hillier, F Lieberman, Lieberman G. G (2006). (2006) Introduccin a la Investigacin de Operaciones. (8 Ed.) Mxico. McGraw Hill. ISBN 970-10-5621-3
Crditos
Diseo de contenido: Ing. Ingrid Gabriela Benavides Garca Coordinador acadmico del rea: Lic. Jos de Jess Romero A. MC y MED Edicin de contenido: Lic. Rosa Luz Fernndez Retana Edicin de texto: Lic. Dalila de Len Bauelos, MTE
Objetivos de aprendizaje
Al finalizar el tema sers capaz de: Construir la grfica de un problema de programacin lineal para dos variables. Elegir la solucin ptima de una regin factible. Aplicar el IOR Tutorial para encontrar la solucin de un problema de programacin lineal grficamente. grficamente
Introduccin al tema
Una de las metodologas ms fciles de usar para la solucin de problemas de programacin lineal, es el Mtodo Grfico. Su facilidad consiste en que despus de formular el modelo de programacin lineal, aprenders a graficar las funciones que integran a las restricciones para delimitar una regin de solucin factible. De esta forma podrs encontrar los puntos esquinas de solucin, de los cuales obtendrs los valores de las variables relevantes del estudio, para lograr la optimizacin de la funcin objetivo.
Introduccin al tema
Adems, el mtodo grfico te servir como base para comprender el manejo de las dems metodologas de solucin que se cubrirn dentro de ste mdulo y en los siguientes temas. Sus aplicaciones consisten en problemas de asignacin de recursos nicamente para dos niveles de actividades, es decir, se aplica para la solucin de situaciones problemticas donde se involucran dos variables.
Introduccin al tema
Por ejemplo, se utiliza en empresas pequeas donde se fabrican dos productos, que podran ser manteles y secadores de cocina, o tambin discos para DVD y CD, etc. Con base en ciertas restricciones, como el nmero de horas disponibles para producir manteles o CDs, se podr estimar la capacidad de almacenaje, etc., para, con estos datos, poder maximizar la utilidad o minimizar los costos de produccin, venta, etc.
Preguntas detonantes:
En qu consiste el mtodo grfico? En cul tipo de problemas de programacin lineal se aplica? Cita ejemplos en los cuales se pueda aplicar el mtodo grfico
10
Cierre
En esta sesin aprendiste a resolver un problema de programacin lineal usando el Mtodo Grfico, especialmente i l t til para situaciones it i problemticas bl ti con d dos variables de decisin nicamente. Adems, esta metodologa la puede aplicar cualquier persona familiarizada con lgebra, sin necesidad de dominar el tema de Investigacin de Operaciones.
Cierre
Gracias a esto las empresas pequeas, que por lo general no tienen presupuesto para contratar analistas, pueden resolver sus problemas ellos mismos. Sin embargo, la nica desventaja es que se utiliza para dos variables de decisin y, por lo general, aunque sean empresas pequeas tienen ms variables involucradas en sus estudios. Por otro lado, pudiste apreciar lo sencillo que es resolver el problema usando un paquete computacional como el IOR Tutorial, solamente con acceder los datos, presionar el botn de solucin y se resuelve.
17
Preguntas de reflexin
Nombra algunas ventajas y desventajas de usar el Mtodo Grfico. Nombra algunas ventajas y desventajas de usar paquetes computacionales para resolver el Mtodo Grfico.
Para aprender ms
Si quieres aprender ms sobre la aplicacin de los modelos de programacin lineal, visita este sitio, donde podrs encontrar informacin interesante sobre PL. http://www.investigacionoperaciones.com/Modelos_Deterministicos.htm, consultado 21 de noviembre de 2008.
19
Referencias bibliogrficas
Libro Hillier, F., Lieberman, G. (2006). Introduccin a la Investigacin de Operaciones. (8 Ed.) Mxico: McGraw Hill. ISBN 970-10-5621-3
10
Crditos
Diseo de contenido: Ing. Ingrid Gabriela Benavides Garca Coordinador acadmico del rea: Lic. Jos de Jess Romero A. MC y MED Edicin de contenido: Lic. Rosa Luz Fernndez Retana Edicin de texto: Lic. Dalila de Len Bauelos, MTE
11
Tema # 4
Introduccin al mtodo simplex
Objetivos de aprendizaje
Distinguir los fundamentos mtodo simplex. Explicar el proceso de solucin del mtodo simplex a travs de la interpretacin geomtrica. Explicar el proceso de solucin del mtodo simplex a travs de la interpretacin algebraica.
Introduccin al tema
En el tema anterior aprendiste a resolver problemas de programacin lineal con dos variables de decisin. Ahora tendrs una introduccin al Mtodo Simplex, el cual se utiliza para la solucin de problemas con 2 o ms variables de decisin, o ms complejos.
Introduccin al tema
Comprenders cmo es el proceso de solucin que sigue el mtodo simplex por computadora, siguiendo con una explicacin grfica, donde podrs identificar cmo al graficar las restricciones, se delimita la regin factible, obteniendo algunos puntos esquina, de los cuales tienes que ir probando el resultado de Z, sustituyndolo con las variables de decisin, siguiendo un proceso de iteracin h t llegar hasta ll al l punto t d de solucin l i factible (el que tiene mayor valor para Z).
Introduccin al tema
Conocers una interpretacin algebraica, usando las ecuaciones de las restricciones y la introduccin de variables artificiales, para poder obtener la solucin factible. En una forma original de expresar el modelo, se cambian las restricciones a igualdades, y para poder hacerlo tienes que incluir las variables artificiales. Adems conocers la terminologa que se usa en el procedimiento de solucin que sigue el mtodo simplex, l cual la lt te servir i para entender t d l la metodologa t d l t tabular b l y matricial en los prximos temas.
Interpretacin Geomtrica
Para comprender la lgica geomtrica, es necesario que repasemos el mtodo grfico. Al graficar las restricciones del modelo de PL, obtenemos una regin factible. La interseccin o cruce entre las lneas de estas ecuaciones dan como resultado una serie de vrtices. En estos vrtices se encuentra la solucin ptima del modelo, que son las soluciones factibles en los vrtices (FEV). Repasemos el ejemplo que estudiamos con el mtodo grfico.
Interpretacin Geomtrica
Cada una de las soluciones FEV se encuentra en la interseccin de 2 restricciones. Ahora bien, para cualquier problema de PL con n variables de decisin, 2 soluciones FEV son ADYACENTES entre s cuando comparten n-1 restricciones. La recta que conecta a 2 soluciones FEV ADYACENTES se conoce como ARISTA de la regin factible.
Interpretacin Geomtrica
En la siguiente grfica podemos observar las FEV marcadas d con una estrella. La recta que una a dos soluciones FEV es la ARISTA. Cada FEV tiene dos rectas ARISTAS que la unen a otra FEV, de manera que cada FEV tendr dos FEV Adyacentes.
Interpretacin Geomtrica
El motivo por el cual es importante que analicemos las FEV Adyacentes se debe a una propiedad muy importante que nos ayuda a verificar si una solucin FEV es la ptima. Esta prueba se conoce como Prueba de Optimalidad.
Punto de Interseccin A B C D E Solucin FEV (0 0) (0,0) (0,14) (3,12) (6,6) (8,0) FEV Adyacentes (8 0) y (0 (8,0) (0,14) 14) (0,0) y (3,12) (0,14) y (6,6) (8,0) y (3,12) (0,0) y (6,6)
Prueba de Optimalidad
De acuerdo a la Prueba de Optimalidad, si una solucin FEV no tiene soluciones FEV Adyacentes que mejoren el valor de la funcin objetivo, esto quiere decir que la FEV analizada es la ptima. Por el contrario, si la FEV analizada tiene FEV Adyacentes que al sustituir sus valores en Z se obtiene un resultado mejor, la FEV analizada no es la ptima.
16
Ejemplo:
Forma Original Maximizar Z=3x1 + 2x2 Sujeto j a: 2x1 + x2 18 2x1 + 3x2 42 3x1 + x2 24 X1 0 X2 0
Variables Bsicas Z X3 X4 X5 2 3 Ecuacin Z 0 1 1 0 0 0 x1 3 2 2 1
Forma Aumentada del Modelo Maximizar (0) Z = 3x1 + 2x2 Sujeto j a: (1) 2x1 + x2 + x3 = 18 (2) 2x1 + 3x2 + x4 = 42 (3) x1 + x2 + x5 = 24 X1 0 X2 0
Coeficientes X2 2 0 3 1 X3 0 1 0 0 X4 0 0 1 0 X5 0 0 0 1
20
10
Cierre
Antes de comenzar a aprender sobre una metodologa, es importante conocer su terminologa, fundamentos tericos y prcticos para poder aplicarla y entenderla mejor. Despus de revisar los principales conceptos del Mtodo Simplex, ya estas listo para comenzar a resolver problemas de 2 o ms variables de decisin, ya sea con el Mtodo Simplex Tabular o el Mtodo Simplex Matricial.
Preguntas de reflexin
Reflexiona Cules son los principales conceptos y terminologa que fundamentan al mtodo simplex?
11
Para aprender ms
Si quieres leer ms sobre el tema de investigacin de operaciones y sus mltiples aplicaciones, revisa la informacin sobre el tema en la Enciclopedia Britnica, en la biblioteca digital seguramente la encontrars muy interesante. Operations research. 2008. Encyclopdia Britannica. Obtenido en 21/11/08 http://0-search.eb.com.millenium.itesm.mx:80/eb/articlehttp://0-search eb com millenium itesm mx:80/eb/article9106307
23
Referencias bibliogrficas
Libro Hillier, F., Lieberman, G. (2006). Introduccin a la Investigacin de Operaciones. (8 Ed.) Mxico. McGraw Hill. ISBN 970-10-5621-3.
12
Crditos
Diseo de contenido: Ing. Ingrid Gabriela Benavides Garca Coordinador acadmico del rea: Lic. Jos de Jess Romero A. MC y MED Edicin de contenido: Lic. Rosa Luz Fernndez Retana Edicin de texto: Lic. Dalila de Len Bauelos, MTE
13
Objetivos de aprendizaje
Al finalizar el tema sers capaz de: Emplear el Mtodo Simplex Tabular para la solucin de problemas de programacin lineal. Obtener las diferentes tablas para llegar la solucin ptima.
Introduccin al tema
En esta actividad comenzars a aprender a solucionar problemas de programacin lineal, a travs del Mtodo Simplex en su tcnica de forma Tabular. El Mtodo Simplex Tabular te ayudar a encontrar la solucin de cualquier problema usando nicamente los coeficientes de las ecuaciones, los cuales se colocan en una tabla, siguiendo el mismo formato del sistema de ecuaciones original.
Introduccin al tema
Tambin tendrs que utilizar la forma aumentada del modelo introduciendo variables artificiales, las cuales en la tabla se convierten en variables bsicas, y las variables de decisin en no bsicas. Y al tener la tabla inicial lista, seguirs una serie de operaciones entre filas y columnas (similares a las operaciones de matrices entre vectores) e iteraciones, para poder llegar a la solucin ptima factible, y encontrars los valores de Z y de las variables de decisin.
Introduccin al tema
Este mtodo lo puedes aplicar para dos o ms variables de decisin. Por ejemplo, para planear una buena sesin de fotografas, tienes que tomar en cuenta muchos factores para lograr las fotografas ms ptimas, como minimizar el ruido, el lugar adecuado, la luz adecuada, el tiempo para tomar las fotos y el tiempo para producir un video, etc.
14
Cierre
Conociendo el procedimiento del Mtodo Simplex Tabular, y sabindolo aplicar, cuentas con la base para utilizar cualquiera de las variantes de mtodos que tiene el mtodo simplex, ya que el concepto de iteraciones, y la entrada y salida de variables a la solucin bsica factible se sigue tambin en el mtodo matricial, as como la variable artificial y de las grandes Ms, como lo vers en los siguientes temas.
Cierre
Por otro lado, a diferencia del Mtodo Grfico, este acepta dos o ms variables y no se tiene que andar probando en todos los puntos esquina de la regin factible para ver cul es el mejor; el Mtodo Simplex automticamente permite iterar o realizar las operaciones con cada punto, siguiendo un orden hasta llegar al punto ptimo, sin necesidad de probar todos los puntos. Identifica algunas ventajas y desventajas de usar el Mtodo Simplex Tabular.
17
Para aprender ms
En la siguiente pgina de Internet podrs encontrar informacin interesante sobre las opciones de optimizacin de algunas empresas y cmo se apoyan en las bases de la investigacin de operaciones. Operations Research and Management Science http://www.optimainc.com/or.htm, consultada 21 de noviembre de 2009.
18
Referencias bibliogrficas
Libro Hillier, F., Lieberman, G. (2006). Introduccin a la Investigacin de Operaciones. (8 Ed.) Mxico. McGraw Hill. ISBN 970-10-5621-3.
Crditos
Diseo de contenido: Ing. Ingrid Gabriela Benavides Garca Coordinador acadmico del rea: Lic. Jos de Jess Romero A. MC y MED Edicin de contenido: Lic. Rosa Luz Fernndez Retana Edicin de texto: Lic. Dalila de Len Bauelos, MTE
10
Objetivos de aprendizaje
Al finalizar el tema sers capaz de: Emplear el Mtodo simplex Matricial para la solucin de problemas de programacin lineal. Obtener las diferentes matrices para llegar la solucin ptima.
Introduccin al tema
El Mtodo Simplex Matricial es el ms usado p para la p programacin g de paquetes computacionales de programacin lineal, ya que utiliza nicamente los coeficientes relevantes del sistema de ecuaciones del modelo en cuestin, sin necesidad de estar acarreando nmeros intiles, evitando as errores entre datos.
Introduccin al tema
En esta sesin aprenders a manejarlo para la solucin de problemas, usando una serie de matrices definidas portadoras de los coeficientes f necesarios para obtener el resultado ptimo. Puedes rellenar las matrices y efectuar las operaciones entre ellas, siguiendo las iteraciones que sean necesarias hasta encontrar la solucin bsica.
Introduccin al tema
En el Mtodo Simplex Matricial o Revisado, irs seleccionando las variables que entran y que salen al vector de variables bsicas, para con cada iteracin ir mejorando la solucin bsica factible. Una serie de frmulas para operaciones entre matrices te ayudarn a ir encontrando los resultados
Modelo general:
Para resolver un problema de PL mediante este mtodo, plantearemos el modelo general de la siguiente manera: n z = cj xj j=1 sujeto a: n Pj xj = b xj 0 j=1 j= 1, 2, 3, n
Prueba de optimalidad
Para realizar la prueba de optimalidad, en la ecuacin z, un aumento de xj no bsica por encima de su valor actual cero va a mejorar el valor de la z comparado con su valor actual, CB B-1b, slo si su zj cj es estrictamente negativo en el caso de la maximizacin.
12
Prueba de optimalidad
En caso contrario, xj no puede mejorar la solucin y por lo mismo debe permanecer como variable no bsica en el nivel cero. Se podra escoger cualquier variable no bsica que satisfaga esta condicin para mejorar la solucin, pero en el simplex revisado se selecciona aquella variable entrante que tenga el zj cj ms negativo.
Prueba de factibilidad
Para cumplir con la condicin de factibilidad se examina la ecuacin de restriccin asociada con la ii sima variable bsica para determinar el vector saliente, de manera que: (XB)i + (B-1Pj)i xj = (B-1b) I Al seleccionar el vector Pj con la condicin de optimalidad que entra a la base, su variable asociada xj va aumentar sobre el nivel cero. As, la i-sima ecuacin de restriccin se reduce a: XB)i = (B-1b)i - (B-1P)ixj
Prueba de factibilidad
En esta ecuacin podemos ver que si (B-1b)i > 0, un aumento de xj puede hacer que (XB)i sea un valor negativo, con lo cual estaramos violando la condicin de no negatividad, (XB)i 0 para toda i: (B-1b)i - (B-1P)ixj 0, para toda i. Al cumplirse esta condicin, tenemos el siguiente valor de la variable entrante xj: 1b) / (B-1 1P ) -1 1 xj = min i (B-1 i j i * (B Pj)i > 0 La variable bsica que produce la relacin mnima sale de la solucin bsica y se convierte en no bsica.
19
Cierre
Como pudiste distinguir, este mtodo es sencillo y de fcil operacin siguiendo paso a paso el procedimiento, ya que dentro de las operaciones entre matrices solamente utilizas las columnas y renglones relevantes para el problema. Por otro lado, su gran propagacin en el medio de programacin lineal, se debe a que los paquetes de software se basan en esta metodologa para no almacenar datos intiles, adems de que se aplica a cualquier tipo de problema de 2 o ms variables, y mayor nmero de restricciones.
10
Cierre
En ocasiones, cuando los problemas sean muy largos, lo ms conveniente es usar la computadora para evitar errores de clculo. Sin embargo, es muy importante saber aplicar el mtodo a mano, porque no siempre se tiene acceso a software especializado de ayuda y es necesario programar en hojas de clculo como Excel.
21
Pregunta de Reflexin:
Cules son las ventajas y desventajas del Mtodo Simplex Matricial?
11
23
Referencias bibliogrficas
Libro Hillier, F., Lieberman, G. (2006). Introduccin a la Investigacin de Operaciones. (8 Ed.) Mxico. McGraw Hill. ISBN 970-10-5621-3.
12
Crditos
Diseo de contenido: Ing. Ingrid Gabriela Benavides Garca Coordinador acadmico del rea: Lic. Jos de Jess Romero A. MC y MED Edicin de contenido: Lic. Rosa Luz Fernndez Retana Edicin de texto: Lic. Dalila de Len Bauelos, MTE
13
Objetivos de aprendizaje
Al finalizar el tema sers capaz de: Emplear el Mtodo simplex Matricial para la solucin de problemas de programacin lineal. Obtener las diferentes matrices para llegar a la solucin ptima.
Introduccin al tema
El Mtodo Simplex Matricial es el ms usado para la programacin de paquetes computacionales de programacin lineal, ya que utiliza nicamente los coeficientes relevantes del sistema de ecuaciones del modelo en cuestin, sin necesidad de acarrear nmeros intiles, evitando as errores entre datos. En este tema aprenders a manejarlo para la solucin problemas, , usando una serie de matrices definidas de p portadoras de los coeficientes necesarios para obtener el resultado ptimo.
Introduccin al tema
Lo interesante de este mtodo es q que no necesariamente tienes que realizar la operacin de toda la matriz, ya que los resultados de ciertas columnas son los que interesan, por lo que la mayora del tiempo ests multiplicando y sumando renglones y columnas; y a veces, cuando la operacin es para toda la matriz, por lo general, estn llenas de ceros y unos, facilitando los clculos.
Ejemplo
En una pastelera se venden 2 tipos de pasteles: pastel de fresa y tarta de chocolate. Se cuenta con 2 reposteras: A y B. La repostera A tarda 2.5 horas en preparar los pasteles, mientras que la repostera 2 tarda 4 horas. Ambos productos son los de mayor venta del negocio y tienen una utilidad de $20 y $40 respectivamente. El dueo de la pastelera quiere maximizar sus ganancias.
10
Segunda Iteracin: El siguiente punto de la regin factible es [0, 4] por lo que introducimos X2 en el lugar de la X4 para tener X1= 0
11
Tercera Iteracin: Continuamos con el siguiente punto de la regin factible [2.5, 1.5]
Como te podrs dar cuenta, el valor de la funcin objetivo disminuy: Z = 11, mientras que en el punto [0 8] Z = 22, representando la solucin ptima para este modelo.
12
13
A continuacin se presenta la forma general de la tabla. Para su uso solamente debes llenar los respectivos valores que tengas en tu modelo para las diferentes variables.
14
15
17
18
19
20
10
Como te p puedes dar cuenta, , ya y no tenemos coeficientes negativos, por lo que ya encontramos la solucin ptima que maximiza la funcin objetivo:
21
Cierre
Al saber manejar el Mtodo Simplex Tabular, el Matricial se vuelve ms sencillo de aplicar, p ,p pues no realiza todas las operaciones de la Tabla, sino nicamente de los renglones y columnas necesarios para cada iteracin.
11
Reflexin
Reflexiona sobre algunas ventajas y desventajas de aplicar el Mtodo Simplex Matricial y el Tabular.
23
12
25
Referencias bibliogrficas
Libro Hillier, F., Lieberman, G. (2006). Introduccin a la Investigacin de Operaciones. (8 Ed.) Mxico: McGraw Hill. ISBN 970-10-5621-3
13
Crditos
Diseo de contenido: Ing. Ingrid Gabriela Benavides Garca Coordinador acadmico del rea: Lic. Jos de Jess Romero A. MC y MED Edicin de contenido: Lic. Rosa Luz Fernndez Retana Edicin de texto: Lic. Dalila de Len Bauelos, MTE
14
Objetivos de aprendizaje
Al finalizar el tema sers capaz de: Manejar una hoja de clculo como Excel para la formulacin y solucin de problemas de programacin lineal. Manejar un software de uso especfico para Investigacin de Operaciones con enfoque comercial, para la solucin de problemas de programacin lineal.
Introduccin al tema
Como ya se comentado durante el curso, el software de programacin lineal es una gran herramienta para la fcil y rpida solucin de los problemas, adems de evitar lo montono que puede llegar a ser el Mtodo Simplex y cometer errores de clculo.
Introduccin al tema
Este tema lo dedicaremos al aprendizaje en Excel y LINDO. En Excel podrs formular el problema y con la ayuda del Solver, se resolver. El LINDO es un software especfico de programacin lineal de uso comercial, el cual nicamente te da ciertos lineamientos para escribir inicialmente el problema (de una forma muy similar a la algebraica), y automticamente resolverlo. Este es el ms fcil de los software.
Software de PL
En la actualidad tenemos a nuestra disposicin una serie de software de programacin lineal que facilitan y agilizan la solucin de estos problemas. Recuerda que hasta ahora hemos manejado problemas de 2 o 3 variables, pero esto no sucede en la vida real.
Software de PL
Generalmente los modelos de optimizacin de las empresas tienen cientos o miles de variables de decisin, por lo que sera imposible tratar de encontrar la solucin ptima utilizando el mtodo simplex. Te imaginas la cantidad de clculos que habra que realizar?
Software de PL
Debido a la gran utilidad que tiene para las empresas el utilizar la programacin lineal para resolver problemas de optimizacin de recursos, se han desarrollado programas computacionales como Lindo, Lingo, Solver. Como se mencion anteriormente, la utilidad de estos paquetes computaciones es que evitan los errores por malos clculos matemticos y ahorran muchsimo tiempo.
7
SOLVER
Es un paquete sumplementario del Excel que consiste prcticamente en dos programas que se comunican mediante la interfaz de programacin para dar solucin a los problemas de programacin lineal.
10
Terminologa del Solver Modelos de PL Solver Funcin objetivo Celda objetivo Variables de decisin Cambiando las celdas Restricciones Restricciones Funcin de restriccin Referencia de celda de restriccin LD Restriccin Modelo de PL Asumir modelo lineal
11
12
13
Lindo
Es una aplicacin para computadoras que se utiliza para resolver problemas de programacin lineal, cuadrtica y entera. Desde hace casi 30 aos, esta es una de las herramientas ms utilizadas en escuelas y negocios para resolver problemas de optimizacin, ya que es un software amigable, flexible y muy fcil de utilizar.
14
15
Programando en Lindo
17
Programando en Lindo
3. Clic en SOLVE: Solve
18
Programando en Lindo
5. Revisar el reporte que genera LINDO con los valores que optimizan a la funcin objetivo.
19
Cierre
Al aplicar estos dos software, te pudiste dar cuenta de la eficiencia y rapidez para resolver un problema problema, sin tediosos clculos y posibles errores en operaciones. Siempre que sigas los lineamientos de escritura y comandos del programa, LINDO es mucho ms fcil de usar que Excel, ya que en Excel, adems de introducir el problema problema, tienes que elaborar frmulas e indicar las operaciones a realizar al Solver, en cambio, LINDO, lo hace todo por ti.
10
Reflexin
Reflexiona sobre algunas ventajas y desventajas de usar Excel y LINDO, para la solucin de problemas de programacin lineal.
21
22
11
Referencias bibliogrficas
Libro Hillier, F., Lieberman, G. (2006). Introduccin a la Investigacin de Operaciones. (8 Ed.) Mxico: McGraw Hill. ISBN 970-10-5621-3
Crditos
Diseo de contenido: Ing. Ingrid Gabriela Benavides Garca Coordinador acadmico del rea: Lic. Jos de Jess Romero A. MC y MED Edicin de contenido: Lic. Rosa Luz Fernndez Retana Edicin de texto: Lic. Dalila de Len Bauelos, MTE
12
Objetivos de aprendizaje
Al finalizar el tema sers capaz de: Distinguir y aplicar la tcnica de la variable artificial. Aplicar el mtodo simplex para el caso de minimizacin. Distinguir y aplicar el mtodo de las grandes M's.
Introduccin al tema
Como habrs observado, hemos estado resolviendo problemas de maximizacin en la funcin objetivo, con restricciones de desigualdad de menor o igual <= <=. Pero tambin existen otros casos de problemas, como minimizar la funcin objetivo, restricciones de igualdad y desigualdad con el signo mayor o igual >=.
Introduccin al tema
Para solucionar estos problemas utilizars la metodologa de la Variable Artificial y el Mtodo de las Grandes Ms. Posteriormente, usars el Mtodo Simplex Tabular para solucionar el problema.
Ejemplo: Ejemplo :
Problema original
Maximizar S.A.
11
12
Este mtodo se conoce como el mtodo de las grandes Ms, ya que M representa un nmero muy grande.
13
Solucin al problema
3. La forma aumentada del problema artificial es: Forma aumentada del problema artificial Maximizar S.A. (0) Z ]= 1.5X1 + 2.5X2 M X5= 0 (1) 0.5X1 + X3 = 2 (2) X2 + X4 = 6 (3) 1.5X 1 5X1 + X2 + X5 = 9
14
Solucin al problema
4. Siendo la solucin bsica factible: SBFi X1 = 0 X2 = 0 X3 = 2 X4 = 6 X5 = 9 5. Para encontrar la solucin al problema, se procede con el mtodo simplex tabular que ya conoces.
15
- a1X1
16
Minimizacin
Cmo transformar un problema de maximizacin en minimizacin? 9 Matemticamente hablando: Min Z = Max -Z. Esto significa que al multiplicar ambos lados de la igualdad de la funcin objetivo cambia el sentido de la optimizacin.
17
Minimizacin
El principal reto en la minimizacin es identificar una solucin inicial bsica factible. Hasta ahora, esta solucin inicial se encontraba al hacer que las variables de holgura fueran las variables bsicas iniciales, donde se igualaban a la constante no negativa del lado derecho de la ecuacin y de esta manera podas iniciar con las iteraciones para buscar la solucin ptima.
18
Minimizacin
Para el caso de la minimizacin, tambin tenemos que utilizar la tcnica de variables artificiales.
Problema original
Min Z = 8 X1 + 10 X2 S.A. 6 X1 + 2X2 27 10 X1 + 10 X2 = 6 12 X1 + 8 X2 6 X1, X2 0
Problema artificial
Max - Z = - 8 X1 - 10 X2 - M X4 - M X6 Sujeto a: 6 X1 + 2X2 + X3 = 27 10 X1 + 10 X2 + X4 = 6 12 X1 + 8 X2 - X5 + X6 = 6 X1, X2, X3, X4, X5, X6 0
19
Minimizacin
Las variables artificiales afectan a la funcin objetivo, por esta razn la multiplicamos por una M. En cuanto a las variables de holgura y supervit, stas representan una ecuacin matemtica que depende directamente de las variables de decisin. Tenemos que resolver el problema original, por lo que las variables artificiales se p penalizan en la funcin objetivo y tomarn valores iguales a cero, para que el mtodo simplex las elimine en las iteraciones. Se utiliza el mtodo simplex tabular tal y como ya lo conoces para encontrar la solucin ptima al problema de PL.
20
10
Cierre
Al conocer el mtodo de la variable artificial y las Grandes Ms, ahora s ya cuentas con todas las herramientas de solucin para resolver problemas de programacin lineal, sin importar que sean para minimizar o maximizar, o el tipo de restricciones que se manejen. Y como se haba comentado antes, el mtodo simplex tabular, ayuda a dar la solucin final.
Pregunta de Reflexin
Cules son las ventajas y desventajas del Mtodo de la Variable Artificial y las Grandes M's? M s?
22
11
Referencias bibliogrficas
Libro Hillier, F., Lieberman, G. (2006). Introduccin a la Investigacin de Operaciones. (8 Ed.) Mxico: McGraw Hill. ISBN 970-10-5621-3
12
Crditos
Diseo de contenido: Ing. Ingrid Gabriela Benavides Garca Coordinador acadmico del rea: Lic. Jos de Jess Romero A. MC y MED Edicin de contenido: Lic. Rosa Luz Fernndez Retana Edicin de texto: Lic. Dalila de Len Bauelos, MTE
13
Objetivo de aprendizaje
Al finalizar este tema sers capaz de: Comprender y obtener el problema dual.
Introduccin al tema
En todo problema y modelo de programacin lineal existe un problema relacionado, al cual se le llama Problema Dual Dual. Al problema original se le llama problema primal. La relacin existente entre estos dos problemas te ayudar a identificar los cambios que sean necesarios a realizar en un anlisis de sensibilidad.
Introduccin al tema
Las variables del problema dual se representan con el nmero de restricciones del primal y los coeficientes de estas restricciones son los coeficientes de la funcin objetivo. Los lmites de las restricciones del dual se obtienen de los coeficientes de la funcin objetivo del primal.
Introduccin al tema
Esta relacin existente entre los dos problemas, revela el grado de cambio que podrs hacer en los parmetros de las variables seleccionadas a revisar o como sensibles.
Teorema de dualidad
En las sesiones anteriores hemos estudiado la utilidad de la programacin lineal para resolver una extensa variedad de problemas que son aplicables a la realidad de los negocios que estn interesados en la optimizacin de sus recursos, maximizando ganancias y minimizando costos; sin embargo no estudiamos cmo se deben asignar esos recursos que optimizan el objetivo establecido.
Teorema de dualidad
Cuando tenemos un problema de optimizacin que podemos resolver por programacin lineal resulta muy interesante y til profundizar en otras caractersticas de este tipo de problemas. Todos los problemas de PL son simtricos, es decir que todo problema est asociado con su espejo, conocido como p problema dual. De manera que, si el problema primal u original tiene el objetivo de maximizar una funcin, el problema dual la minimizar y viceversa.
7
Teorema de dualidad
Analizar la solucin ptima es muy til, ya que nos proporciona informacin interesante sobre el problema original, conocido tambin como problema primal.
10
Teoremas de dualidad
Considera el siguiente par:
Primal
(1) Minimizar Z= Z cx Sujeto a: Ax b Xi 0
Dual
(2) Maximizar W = y b Sujeto a: At y c Yi 0
11
Teoremas de dualidad
Teorema Dbil de Dualidad: Si x y y son factibles para (1) y (2) (2), entonces z (x) z (y)
Teorema Fundamental de dualidad: Dados un par de problemas primal-dual, si uno de ellos tiene solucin ptima, entonces el otro tambin la tiene, y los respectivos valores que optimizan en valor de la funcin son iguales.
12
Teoremas de dualidad
Teorema de Holgura Complementaria. Este concepto resulta clave para dar solucin a un problema a partir de otro y se deriva de las relaciones primal-dual en el valor de la funcin objetivo.
13
Teoremas de dualidad
Sean x y y soluciones factibles para los problemas (1) y (2). x y y son ptimos si y solo si: (i x bi) yi = 0 (cj y j) xj = 0 i=1,2, m. j=1,2 n.
(i x bi) y (cj y j) representan las variables de holgura de los problemas (1) y (2)
14
15
Ejemplo: Ejemplo :
Primar Maximizar Z = CX sujeto a: AX B X0 Ejemplo: Maximizar Z = 30 X1 + 15 X2 + 10 X3 sujeto a: 4X1 + 3X2 + 0.5X3 24 2X1 + X2 + 0.75X3 10 X1 + 0.75X2 + 0.25X3 4 X1, X2, X3 0 Dual Minimizar Z = BW sujeto a: AW C W 0 Minimizar Z = 24 W1 + 10 W2 + 4W3 sujeto a: 4W1 + 2W2 + 2W3 30 3W1 + W2 + 0 0.75W3 75W3 15 0.5W1 + 0.75W2 + 0.25W3 10 W1, W2, W3 0
16
Precios sombra
Los valores de las variables duales en la optimizacin tienen una interpretacin econmica interesante en los problemas de PL, ya que corresponden al valor de las tasas marginales de variacin del valor de la funcin objetivo ante las variaciones unitarias del lado derecho de una restriccin. Por este motivo se le llama precio sombra al vector de variables duales en el valor ptimo.
17
Cierre
Como pudiste distinguir en la actividad, la obtencin del problema dual simplifica el trabajo para la toma de decisiones adems de que su solucin se obtiene decisiones, automticamente al solucionar el primal.
Cierre
Slo debes de tener cuidado al realizar la interpretacin de los precios sombra (o resultados de las variables del dual), de cunto mejorar la funcin objetivo, el aumento o disminucin de recursos, as como de las propiedades entre los dos problemas, para a la hora de modificar el modelo y realizar un anlisis de sensibilidad, no tomar decisiones errneas que llevaran a una mala implementacin del modelo.
19
Pregunta de Reflexin
Cules seran algunas recomendaciones para manejar el problema dual y no tomar decisiones errneas?
20
10
Referencias bibliogrficas
Libro Hillier, F., Lieberman, G. (2006). Introduccin a la Investigacin de Operaciones. (8 Ed.) Mxico: McGraw Hill. ISBN 970-10-5621-3
11
Crditos
Diseo de contenido: Ing. Ingrid Gabriela Benavides Garca Coordinador acadmico del rea: Lic. Jos de Jess Romero A. MC y MED Edicin de contenido: Lic. Rosa Luz Fernndez Retana Edicin de texto: Lic. Dalila de Len Bauelos, MTE
12
Objetivos de aprendizaje
Al finalizar este tema sers capaz de: Obtener el problema dual. Determinar la solucin del problema dual. Explicar la interpretacin del problema dual.
Introduccin al tema
Ya que se conocen las propiedades del problema dual y primal, te servirn para obtenerlo, es decir, derivarlo del problema primal; para interpretarlo, es decir, para qu sirve y en dnde y cmo se utilizan cada una de sus partes del modelo; as como para encontrar la solucin de sus variables.
Introduccin al tema
Para obtener el problema dual lo podrs hacer directamente cambiando los coeficientes, funcin objetivo, restricciones, etc. Por otro lado, la solucin del problema dual se obtiene automticamente con el problema primal; entonces se llena la tabla del simplex, se aplica el mtodo y las variables de holgura, se dan los resultados, as como el valor de Z, para el primal y para el dual.
4
Introduccin al tema
La interpretacin del problema dual ir desglosando cada parte del problema y explicando su significado en relacin con el problema primal. Todo lo anterior te servir para lograr aplicar un anlisis de sensibilidad al modelo.
Concepto de dualidad
En la programacin lineal, dos de los conceptos ms importantes son la dualidad y el anlisis de sensibilidad. En el mdulo anterior estudiamos los fundamentos del teorema de dualidad con el objetivo de que conocieras las propiedades de los problemas duales, sin embargo es necesario que conozcas la interpretacin de un problema dual y cmo resolverlo resolverlo.
Una vez que tenemos un problema de programacin lineal, podemos definir un problema espejo del mismo, conocido como problema dual, el cual tiene las siguientes caractersticas: 9 Tiene tantas variables y restricciones como tiene el problema primal. 9 Los coeficientes de la funcin objetivo del problema dual son los trminos independientes de las restricciones del problema primal.
7
Problema primal
Max Z = c x Sujeto a: Axb x0
Problema dual
Min y0 = y b Sujeto a: yAc y0
10
11
Problema dual
Min y0 = [ y1 y2 y3 ] [ 8 ] 24 36
[8] 24 36
13
Coeficientes
Y0 y1 y2 y3 y4 y5
14
Propiedad de simetra
Para cualquier problema de programacin lineal, el dual del dual es el problema primal.
16
17
m Zj =
i=1
aij yi
18
m Min Y0 =
i=1
bi yi
19
Problema dual
Y0 = b1y1 + b2y2 + bmym Yi = contribucin a la ganancia por cada unidad del recurso i. biyi = aporte a la ganancia por disponer de bi unidades de recurso i en el primal. Y0 = g ganancia total en la iteraccin actual
20
10
Cierre
Es muy sencillo obtener y trabajar con el problema dual, por lo que su uso te ser de gran ayuda en el anlisis de sensibilidad. ibilid d L Los valores l d de l los coeficientes, fi i t l los precios i sombra, son el principal indicador para la toma de decisiones, por lo que debes de tener mucho cuidado en la formulacin del problema dual, para evitar cometer errores posteriores.
21
Preguntas de reflexin
Cules son las ventajas y desventajas de obtener, interpretar y solucionar el problema dual?
22
11
Para aprender ms
Si deseas leer ms sobre la teora de dualidad y practicar g ejemplos, j p , en la siguiente g liga g p puedes encontrar un algunos libro muy interesante sobre investigacin de operaciones (Winston, Wayne (2005) Investigacin de operaciones. Aplicaciones y algoritmos. 4. Ed. Cengage Learning Editores, ISBN 9706863621 9789706863621) http://books.google.com.mx/books?id=8IMSA6DEaRoC&pg=P A295&l A295&lpg=PA295&dq=minimizaci%C3%B3n,+investigaci%C3 PA295&d i i i i%C3%B3 +i ti i%C3 %B3n+de+operaciones&source=bl&ots=MGiZ4TaCOi&sig=EI Jz4QJCvgjhyEi1x3wSOL_k5E&hl=es&sa=X&oi=book_result&resnum=1&ct=r esult#PPA275,M1, revisada 25 de enero de 2009.
23
Referencias bibliogrficas
Libro Hillier, F., Lieberman, G. (2006). Introduccin a la Investigacin de Operaciones. (8 Ed.) Mxico: McGraw Hill. ISBN 970-10-5621-3
12
Crditos
Diseo de contenido: Ing. Ingrid Gabriela Benavides Garca Coordinador acadmico del rea: Lic. Jos de Jess Romero A. MC y MED Edicin de contenido: Lic. Rosa Luz Fernndez Retana Edicin de texto: Lic. Dalila de Len Bauelos, MTE
13
Objetivos de aprendizaje
Al finalizar este tema sers capaz de: Determinar la aplicacin del anlisis de sensibilidad dentro del anlisis posterior a la solucin ptima. Describir los fundamentos y procedimiento del anlisis de sensibilidad.
Introduccin al tema
Cuando se est resolviendo un problema de programacin lineal, puedes llegar a pensar que ya finaliz el estudio. Pero si regresamos al tema uno, te puedes dar cuenta que hace falta el anlisis posterior a encontrar la solucin ptima, el cual se aplica con el anlisis de sensibilidad.
Introduccin al tema
El anlisis de sensibilidad es de las principales herramientas para la toma de decisiones entre los ejecutivos, y no solamente en empresas de manufactura, financieras, o de comercio, sino adems en el ramo de la salud, la ecologa, etc., ya que se pueden estar haciendo pruebas y cambios al modelo, en papel, sin cometer errores en la realidad, as como para pronosticar el futuro y evitar resultados negativos.
4
Anlisis de sensibilidad
Hasta este momento hemos aprendido a resolver problemas de programacin lineal mediante diferentes mtodos, as mismo hemos estudiado caractersticas de los problemas de PL que nos ayudan a comprender la utilidad y aplicacin de la programacin lineal en la optimizacin de situaciones reales
Anlisis de sensibilidad
R Recuerda d que segn l lo que estudiamos en la sesin anterior, la interpretacin econmica de la solucin de un problema dual de programacin lineal va ligada directamente al anlisis de sensibilidad. sensibilidad
Anlisis de sensibilidad
Un anlisis de sensibilidad no es buscar la solucin a un problema de programacin, sino que este anlisis se realiza despus de haber encontrado la solucin ptima, es decir es un anlisis post-ptimo.
Por otra parte parte, nuestros modelos de PL son problemas en los que de antemano conocemos el valor de los coeficientes. Estos valores son en su mayora aproximaciones, obtenidas del anlisis del comportamiento de las variables, y que finalmente dependen de un conjunto de circunstancias.
10
12
Anlisis de sensibilidad
Mediante el anlisis se sensibilidad podemos determinar los efectos de diferentes cambios en el modelo original: 9 Cambios en los coeficientes de la funcin objetivo. 9 Cambios en el lado derecho. 9 Adicin de una nueva variable. 9 Adicin de una nueva restriccin.
13
El efecto de cambiar algn coeficiente en la funcin objetivo depende de dnde est situada la variable asociada. 9 Cuando la variable asociada est fuera de la solucin, el cambio en los coeficientes no tiene efecto hasta que el valor de Cj - Zj sea cero. cero 9 Cuando la variable asociada est dentro de la solucin, cualquier cambio en el coeficiente de la variable cambia el valor total de la funcin objetivo.
14
16
2 Revisar la tabla final del 2. mtodo smplex y obtener los cambios necesarios.
18
19
5. Realizar la prueba de optimalidad, verificando que no haya coeficientes negativos en las variables no bsicas de la fila cero.
6. En el caso de que las dos pruebas anteriores fallen, utilizar la tabla actual como la inicial y aplicar el mtodo simplex.
20
10
Conclusin
Un anlisis de sensibilidad nos permite determinar la sensibilidad de nuestras variables, as como conocer los efectos de agregar nuevas variables y/o restricciones a nuestro modelo original.
En los siguientes temas estudiaremos a detalle cmo realizar este anlisis, dependiendo del cambio que se realice en el modelo.
21
Cierre
Como pudiste distinguir, el anlisis de sensibilidad es de las principales herramientas para la toma de decisiones, especialmente para implementacin de un modelo que requiere de pruebas previas, antes de aplicarse en la realidad, ya sea en las finanzas, en la salud, en la manufactura, en la ecologa, etc.
22
11
Preguntas de reflexin
Cules son los beneficios que aporta el anlisis de sensibilidad a las organizaciones? Cul es su proceso de aplicacin?
23
Para aprender ms
Recuerda que Excel y Lindo son 2 excelentes herramientas que facilitan la solucin de problemas de programacin lineal. Estos 2 programas nos ayudan a realizar anlisis de sensibilidad. Si quieres conocer ms sobre cmo utilizar estas herramientas para los anlisis de sensibilidad, te recomiendo visites el siguiente sitio: Angel A, A Juan. Juan Fauln, Fauln
Javier. Anlisis de sensibilidad con Excel y Lindo. Retomado el 18 de enero, 2009 en: http://www.uoc.edu/in3/emath/docs/Analisis_Sensibilidad.pdf
24
12
Referencias bibliogrficas
Libro Hillier, F., Lieberman, G. (2006). Introduccin a la Investigacin de Operaciones. (8 Ed.) Mxico: McGraw Hill. ISBN 970-10-5621-3
Crditos
Diseo de contenido: Ing. Ingrid Gabriela Benavides Garca Coordinador acadmico del rea: Lic. Jos de Jess Romero A. MC y MED Edicin de contenido: Lic. Rosa Luz Fernndez Retana Edicin de texto: Lic. Dalila de Len Bauelos, MTE
13
Objetivo de aprendizaje
Al finalizar este tema sers capaz de: Aplicar anlisis de sensibilidad, designando cambios en el lado derecho de la restriccin.
Introduccin al tema
Una de las aplicaciones del anlisis de sensibilidad, y por lo general el primer parmetro a cambiar en el modelo, es el limitante de recursos, el cual se expresa en el lado derecho de las restricciones.
Introduccin al tema
Al encontrar la solucin del problema se genera una tabla final del simplex, la cual, adems de indicarnos los valores l d de l las variables i bl b bsicas, i tambin bi nos i indica di l los precios sombras, o valores de la variables del problema dual, en la ecuacin 0. Con base en ese valor se van probando aumentos o disminuciones, tomando muy en cuenta la decisin de los ejecutivos, ya que ellos saben las limitantes de la empresa en cunto t actividades ti id d y recursos.
Introduccin al tema
Existe otra manera ms sencilla de realizar el anlisis de sensibilidad, adems de la forma anterior, utilizando los reportes que genera Excel y LINDO. Estos reportes te proporcionan un rango de nmeros a tomar en la limitante de recursos, los cuales te pueden mejorar o empeorar a la funcin objetivo, el valor de Z, sin dejar de ser ptimas ptimas.
El problema en la asignacin de recursos es que estos son limitados. Para las empresas, una de las principales limitantes es la disponibilidad de recursos para operar, por lo que es un elemento de los modelos de programacin lineal que pueden variar con facilidad.
10
11
C fi i t Coeficientes
Z X1 X2 X3 X4 X5
Z X3 X2 X1
0 1 2 3
1 0 0 0
0 0 0 1
0 0 1 0
0 1 0 0
28 1
4 0
12
14
Coeficientes
Z X1 X2 X3 X4 X5
Z X3 X2 X1
0 1 2 3
1 0 0 0
0 0 0 1
0 0 1 0
0 1 0 0
28 0.12 1 -0.12
4 -0.04 0 0.04
4120
5.2 18 5.2
15
16
17
18
Pantalla de LINDO
19
10
Cierre
En este caso del anlisis de sensibilidad, se puede observar que el cambio hecho en el lado izquierdo de la restriccin es la cantidad de mejora por unidad, por la cantidad de ganancia que puede mejorar la funcin objetivo.
21
Cierre
Esto nos indica que con slo multiplicar el aumento deseado por la unidad de mejora en la ganancia de ese recurso (siempre ( i y cuando d este t el l cambio bi d dentro t d de l los rangos para que la solucin siga siendo ptima), da el valor de Z mejorado. Pero esto no es lo indicado, si se desea saber los valores que tomarn las variables para esa solucin, lo correcto es seguir todo el proceso de anlisis de sensibilidad y encontrar todos los valores correspondientes al nuevo modelo.
22
11
Cierre
La tabla final de simplex, con el precio sombra, o el valor de esa variable del problema dual dual, se utiliza para saber cunto se puede mejorar la Z, y se van haciendo cambios hasta encontrar el parmetro adecuado. Al usar un software, el reporte de rangos es la base para decidir el cambio a realizar en el lmite de la restriccin, y ya con esta decisin se aplica el anlisis de sensibilidad. sensibilidad
23
Preguntas de Reflexin
Cmo se decide la cantidad y restriccin a cambiar?
24
12
Para aprender ms
Si deseas conocer ms sobre este tema, consulta la siguiente liga en la que encontrars un artculo muy interesante sobre anlisis de sensibilidad en el sector salud de nuestro pas. http://www.insp.mx/rsp/_files/File/1994/num_3/199436_3 18-327.pdf (recuperado 25 de enero de 2009)
25
Referencias bibliogrficas
Libro Hillier, F., Lieberman, G. (2006). Introduccin a la Investigacin de Operaciones. (8 Ed.) Mxico: McGraw Hill. ISBN 970-10-5621-3
13
Crditos
Diseo de contenido: Ing. Ingrid Gabriela Benavides Garca Coordinador acadmico del rea: Lic. Jos de Jess Romero A. MC y MED Edicin de contenido: Lic. Rosa Luz Fernndez Retana Edicin de texto: Lic. Dalila de Len Bauelos, MTE
14
Objetivo de aprendizaje
Al finalizar este tema sers capaz de: Aplicar el anlisis de sensibilidad, designando cambios en una variable no bsica y bsica, en funcin objetivo.
Introduccin al tema
Los cambios en las variables no bsicas y bsicas se pueden hacer tanto en la funcin objetivo, como en los coeficientes de las restricciones restricciones. Los coeficientes que se cambian son los de la funcin objetivo, ms que los de la restricciones, ya que de su valor depende mucho la maximizacin o minimizacin de Z. El uso del software para solucin el problema original de programacin i li lineal lt te permite it adems d obtener bt el l reporte de rangos, el cual indica la cantidad permisible a cambiar de los coeficientes de Z (misma de tabla final del simplex), sin dejar de ser ptima la solucin.
3
Introduccin al tema
Para saber cules variables son bsicas y cules no bsicas, se utiliza la tabla final del simplex, indicando cules de las bsicas pueden entrar a la solucin, as como cules de las no bsicas pueden entrar a la solucin bsica factible.
10
11
Ejemplo Ejemplo
Maximizar Z = 20X1 + 24X2 Sujeto a: X1 40 X2 30 6X1 + 8X2 24 X1, X2 0
12
X1
Coeficientes X2 X3
X4
X5
Z X3 X4 X1
0 1 2 3
1 0 0 0
0 0 0 1
0 1 0 0
0 0 1 0
80 32 30 8
13
14
= 2.66
15
16
17
En la tabla final del simplex fila cero Zj Cj = y*Aj - Cj En la tabla final del simplex filas 1, 2 m: A*j = S* Aj
18
Z X3 X4 X1
0 1 2 3
1 0 0 0
0 0 0 1
0 1 0 0
0 0 1 0
80 32 30 8
19
20
10
= 20 19
=1
21
22
11
23
Cierre
Los cambios en los coeficientes de la funcin objetivo, al igual que en los lmites de las restricciones, tienen un rango lmite para tomar valores, los cuales harn cambiar el resultado de Z, conservando una solucin ptima. Introducir algn otro parmetro que no est dentro del rango, tambin se puede hacer, dependiendo de la decisin de los ejecutivos, pero se tendra que volver a verificar que la solucin sea ptima.
24
12
Cierre
Adems, los paquetes computacionales siguen siendo de gran ayuda y facilidad para realizar los clculos, ya que slo se le cambian los valores al modelo inicial y se resuelve de nuevo el modelo cambiado. Sin embargo, como todo, es necesario dominar el proceso manualmente para poder usarse en software.
25
Cierre
Este proceso de anlisis de sensibilidad es muy eficiente en problemas donde se tiene gran nmero de variables y restricciones, ya que solamente se manejan los coeficientes relevantes, o a los cuales se les estn haciendo cambios, y se realizan las operaciones e iteraciones pertinentes, sin tener que resolver todo el problema de nuevo, aunque en problemas pequeos se puede volver a aplicar el mtodo simplex desde el principio.
26
13
Preguntas de Reflexin
Cules son las ventajas y desventajas del uso de software en el anlisis de sensibilidad? Cules ventajas y desventajas tiene seguir el proceso de anlisis de sensibilidad?
27
Para aprender ms
Ingresa a la siguiente liga donde podrs encontrar informacin interesante sobre el uso del SOLVER para determinar las variables sensibles en un modelo de programacin lineal: http://www.hezkuntza.ejgv.euskadi.net/r43573/es/contenidos/informacion/dia6_sigma/es_sigma/adj untos/sigma 23/4 Programacion Lineal pdf untos/sigma_23/4_Programacion_Lineal.pdf, (recuperado 25 de enero de 2009).
28
14
Referencias bibliogrficas
Libro Hillier, F., Lieberman, G. (2006). Introduccin a la Investigacin de Operaciones. (8 Ed.) Mxico. McGraw Hill. ISBN 970-10-5621-3
Crditos
Diseo de contenido: Ing. Ingrid Gabriela Benavides Garca Coordinador acadmico del rea: Lic. Jos de Jess Romero A. MC y MED Edicin de contenido: Lic. Rosa Luz Fernndez Retana Edicin de texto: Lic. Dalila de Len Bauelos, MTE
15
Tema # 15
Aplicacin del anlisis de sensibilidad Introduccin de una nueva variable y una nueva restriccin
Objetivo de aprendizaje
Al finalizar este tema sers capaz de: Aplicar anlisis de sensibilidad, designando cambios para la introduccin de una nueva variable, e introduciendo nuevas restricciones.
Introduccin al tema
La ltima aplicacin del anlisis de sensibilidad consiste en la introduccin de una nueva variable y/o una nueva restriccin. es cc Los casos en los que se puede presentar introducir una nueva variable pueden ser, cuando a la hora de formular el modelo original, no hayas considerado esta variable como una alternativa, y al resolver el problema parezca necesario incluirla; por ejemplo, al programar la produccin en una fbrica de q p quesos, , slo se consideraron los tamaos de 1kg y 1/2kg, sin tomar en cuenta los de 2kg, que se elaboran nicamente sobre pedido.
Introduccin al tema
Algo similar pasa para introducir una nueva restriccin. Tal vez no se consider para simplificar el problema y al resolverlo se cree necesario incluirla, por ejemplo, a la hora de fabricar una prenda en una maquiladora textil, tal vez slo se tom en cuenta el tiempo de corte y costura, sin considerar el tiempo de patronaje.
10
11
Maximizar Z = 20X1 + Nueva restriccin: 24X2 4x1 + 4x2 48 Sujeto a: X1 40 X2 30 6X1 + 8X2 24 X1, X2 0
13
Coeficientes Z X1 X2 X3 X4 X5 X6
Z X3 X4 X1 X6
0 1 2 3 Nueva
1 0 0 0 0
0 0 0 1 4
0 1 0 0 0
0 0 1 0 0
0 0 0 0 1
80 32 30 8 24
14
Coeficientes Z X1 X2 X3 X4 X5 X6
Z X3 X4 X1 X6
0 1 2 3 Nueva
1 0 0 0 4
0 0 0 1 0
0 1 0 0 0
0 0 1 0 0
0 0 0 0 1
80 32 30 8 16
15
Despus de realizar el anlisis, podemos ver que el valor de la Z y X1 no cambi con la introduccin de la nueva restriccin, esto significa que no afect al modelo original.
16
Cierre
El propsito del anlisis de sensibilidad es encontrar la mejor j manera de reformular el modelo original, g , cambiando y monitoreando los parmetros considerados como sensibles, introduciendo nuevas variables y restricciones. Como cuando se formula un modelo todos los datos son estimaciones, y puedes llegar a omitir actividades y recursos, esto se soluciona con el anlisis de sensibilidad. Recuerda poner especial cuidado en la formulacin del problema, ya que de esto depende la correcta implementacin del mismo.
17
Preguntas de Reflexin
Cules son las ventajas y desventajas de poder incluir nuevas variables y restricciones en un modelo?
18
Para aprender ms
El anlisis de sensibilidad es una herramienta que se utiliza para otro tipo de aplicaciones diferente a la programacin lineal. Si ests interesado en conocer sobre la aplicacin de este tipo de anlisis en las finanzas, ingresa a la siguiente liga: http://books.google.com.mx/books?id=bLOKcYHC0dsC &pg=RA1-PA362&lpg=RA1PA362&dq=analisis+de+sensibilidad+en+finanzas&sour ce=web&ots=gyx6a0syM2&sig=dq9atGO1zdBfFCI9xzrjQzoCaU&hl=es&sa=X&oi=book_result&resnum=10&ct =result, (recuperado 25 de enero de 2009).
19
Referencias bibliogrficas
Libro Hillier, F., Lieberman, G. (2006). Introduccin a la Investigacin de Operaciones. (8 Ed.) Mxico. McGraw Hill. ISBN 970-10-5621-3
10
Crditos
Diseo de contenido: Ing. Ingrid Gabriela Benavides Garca Coordinador acadmico del rea: Lic. Jos de Jess Romero A. MC y MED Edicin de contenido: Lic. Rosa Luz Fernndez Retana Edicin de texto: Lic. Dalila de Len Bauelos, MTE
11
Objetivos de aprendizaje
Al finalizar este tema sers capaz de: Distinguir problemas de transporte y su proceso de solucin. Aplicar el modelo del problema de transporte para la solucin de problemas.
Introduccin al tema
El problema de transporte es un tipo de problema de programacin lineal, cuyo objetivo, como su nombre lo indica, es minimizar los costos de transporte de bienes de una fuente de recursos a un destino.
El trmino de programacin es un concepto que se utiliza para referirse a la planeacin, entendiendo as que un modelo de programacin lineal te ayudar a obtener una solucin ptima en la planeacin de las actividades en una organizacin. Los modelos de programacin lineal son tiles en la asignacin de recursos de la manera ms eficaz, por lo que se pueden aplicar a un sinfn de situaciones similares en las que contamos con recursos limitados y tenemos que encontrar solucin ptima para asignarlos.
5
W/W-MOTORS es una empresa que se dedica al armado de automviles. La empresa cuenta con cuatro plantas ensambladoras que se encuentran distribuidas estratgicamente las ciudades de (1) Puebla, (2) Cd. Jurez, (3) Ramos Arizpe y (4) Fresnillo.
7
Ejemplo
Los motores para los automviles de W/W-Motors son un producto importado de Europa que llega al pas a travs de los puertos de (A) Matamoros, (B) Tampico y (C) Veracruz, y de ah se transportan a las diferentes plantas para su ensamblado.
Ejemplo
A continuacin se presenta el plan de produccin de los siguientes 3 meses, es decir, la demanda de motores para las 4 plantas: Planta 1.Puebla 2. CD. Jurez 3 Ramos Arizpe 3. 4. Zacatecas Demanda de Motores 200 450 100 250 1000**
Ejemplo
Adems, se conoce la cantidad de recursos, los motores disponibles en cada uno de los puertos: Puerto Oferta de Motores disponibles A. Matamoros 250 B. Tampico 350 C. Veracruz 400 1000** ** La cantidad demandada de motores es igual a la oferta de los mismos. Se conoce como un modelo balanceado.
10
Ejemplo
La Gerencia de Abastecimientos de W/W-Motors contrata a una empresa para transportar los motores a las 4 plantas, sin embargo debe decidir cuntos motores d b enviar debe i d desde d cada d puerto t h hasta t cada d una d de l las plantas, minimizando los costos de transportacin. A continuacin observamos los costos de transportacin:
Costo de transportacin desde un origen hasta un destino Origen Puebla Matamoros Tampico Veracruz 60 30.5 51.25 Destinos Cd. Jurez 65 20 45 Ramos Arizpe 20.5 50 61 Fresnillo 31 55 21
11
Ejemplo: xA1 = cantidad de motores enviados desde el puerto A (Matamoros) hasta la planta 1 (Puebla).
12
14
Una vez que hemos planteado el modelo de programacin lineal, debemos encontrar la solucin que optimice la funcin objetivo. Podemos utilizar el mtodo simplex tabular o algn software de programacin lineal, como SOLVER o LINDO, ,p para encontrar la cantidad de motores q que debe enviarse de cada puerto a cada una de las 4 plantas, que minimice el costo de transporte para la empresa W/W Motors.
15
En Solver:
16
Cierre
El mtodo de transporte p es muy y til en p problemas de logstica, de asignacin de recursos, etc., y para poder minimizar costos. Las empresas grandes como Coca Cola, Cervecera Cuauhtmoc y Bimbo, cuentan con grandes sistemas de informacin para registrar las demandas y necesidades de sus centros de distribucin, adems de tener ellos bien definidas sus plantas de produccin y cantidad de produccin, por lo que usan este tipo de problemas, y apoyndose en la tecnologa de informacin, realizan la asignacin ptima de recursos, minimizando costos.
19
Preguntas de Reflexin
Cules son algunas aplicaciones del Mtodo de Transporte?
20
10
Para aprender ms
Si quieres conocer ms sobre la utilidad de este modelo de programacin lineal, te recomiendo visitar el siguiente link, donde puedes encontrar aplicaciones del modelo de transporte en las empresas agroalimentarias agroalimentarias. Alonso Sebastin, Ramn. Serrano Bermejo, Arturo. Alarcos Lorenzo, Silverio. La logstica en la empresa agroalimentaria.
http://books.google.com.mx/books?id=UwDIsMr78wC&pg=PA18&lpg=PA18&dq=aplicaci%C3%B3n+del+proble ma+de+transporte&source=web&ots=JDZin_i45R&sig=KDibP I_4TXuO8CkQcTpSlxmxRgQ&hl=es&ei=YYWYSZHhMqS8M ayH1fwL&sa=X&oi=book_result&resnum=2&ct=result#PPA20, M1. Consultado el 15 de febrero, 2009.
21
Referencias bibliogrficas
Libro Hillier, F., Lieberman, G. (2006). Introduccin a la Investigacin de Operaciones. (8 Ed.) Mxico: McGraw Hill. ISBN 970-10-5621-3
11
Crditos
Diseo de contenido: Ing. Ingrid Gabriela Benavides Garca Coordinador acadmico del rea: Lic. Jos de Jess Romero A. MC y MED Edicin de contenido: Lic. Rosa Luz Fernndez Retana Edicin de texto: Lic. Dalila de Len Bauelos, MTE
12
Objetivos de aprendizaje
Al finalizar este tema sers capaz de: Distinguir problemas de asignacin y su proceso de solucin. Aplicar el modelo del problema de asignacin para la solucin de problemas.
Introduccin al tema
El problema de asignacin es otro tipo de problema de programacin lineal, siendo una variante del modelo de transporte. Su objetivo es asignar personas para realizar ciertas tareas, minimizando costos. Sin embargo, no necesariamente deben de ser personas, tambin pueden ser mquinas, vehculos, fbricas, etc.
Introduccin al tema
Al igual que el mtodo de transporte, se sigue una serie de pasos para encontrar la solucin ptima ptima, slo que la solucin se da en ceros y unos, es decir, la tarea asignada a cierta persona o mquina, se presentar en la tabla de asignacin, como uno al ser una variable bsica parte de la solucin ptima, y con ceros las que no fueron asignadas a ninguna tarea. Ya con estos , se pueden p hacer las operaciones p de costos y datos, obtener el costo total.
El problema de asignacin
Recordemos que la programacin lineal es una herramienta muy til con mltiples aplicaciones en la asignacin de recursos y toma de decisiones. En el tema anterior aprendimos sobre el modelo del transporte, el cual nos permite encontrar la manera menos costosa de asignar recursos a n destinos con ofertas en m orgenes. Ahora estudiaremos otra de las aplicaciones de la programacin lineal: el modelo de asignacin.
5
El problema de asignacin
En el contexto administrativo nos encontramos con el caso de determinar la asignacin de n objetos indivisibles a n tareas o actividades. Por ejemplo, el gerente de ventas de una empresa debe asignar a sus agentes de ventas a las diferentes rutas, o un ingeniero de produccin debe asignar a sus operarios en las diferentes lneas de produccin para que realicen las diferentes tareas. En este contexto, la restriccin principal i i l es que un recurso puede d ser asignado i d solamente a una tarea.
El problema de asignacin
Retomando el caso de la empresa W/W-Motors, a continuacin ejemplificaremos el modelo de asignacin: Las oficinas centrales de W/W-Motors Mxico se encuentran localizadas en la ciudad de Monterrey, N.L. y el Presidente de la compaa ha tomado la decisin de enviar a cuatro de sus directores a cada una de las cuatro plantas plantas.
Ejemplo
Recordemos que las plantas se encuentran ubicadas en las ciudades de (1) Puebla, (2) Cd. Jurez, (3) Ramos Arizpe y (4) Fresnillo. El Presidente de W/W-Motors debe analizar las ventajas y desventajas en la asignacin de los directores a las plantas, considerando los siguientes puntos:
Ejemplo
1 La correlacin de la experiencia de los directores con la 1. problemtica especfica de cada planta. 2. El tiempo que cada director se llevar en auditar la planta y en las dems exigencias que pudieran presentarse durante un perodo de 2 semanas. 3. La correlacin entre la habilidad de los directores para tratar con el personal de cada una de las plantas.
Ejemplo
Como te dars cuenta, tomar la decisin de cul director enviar a cada una de las plantas para que su visita sea efectiva y se refleje en los resultados de la planta es un problema complicado. Antes que nada, el presidente debe estimar cunto le costar a la empresa enviar a cada director a cada una de las plantas.
10
Ejemplo
A continuacin se presentan los costos y la primer alternativa de asignacin de directores. Costo de asignacin en miles de $ Director Planta 1 2 3 Finanzas 12 5 10.5 M Mercadotecnia d t i 7 11 5 Operaciones 7.5 8.5 10 Recursos 5.5 9.5 7 Humanos
11
Ejemplo
Alternativa de Asignacin Director Finanzas (F) Mercadotecnia (M) Operaciones (O) Recursos Humanos (RH) TOTAL Planta 1 2 3 4 Costo 12 11 10 65 6.5 39.5
Ejemplo
En este problema hay una cantidad finita para realizar las asignaciones de los directores. Podramos tratar de resolverlo haciendo pruebas con las diferentes combinaciones y calculando los costos de cada combinacin hasta encontrar la ptima, sin embargo este proceso es complicado y toma bastante tiempo, por lo que la mejor opcin es formular un modelo de programacin lineal.
13
16
El problema de asignacin
Una vez que hemos planteado el modelo de programacin lineal, debemos encontrar la solucin que optimice la funcin objetivo. Podemos utilizar el mtodo simplex tabular o algn software de programacin lineal como SOLVER o LINDO para encontrar la asignacin de Directores a las plantas. plantas
17
En el Solver:
18
Algoritmo Hngaro
Debido a la cantidad de iteraciones que maneja, el mtodo simplex tabular no siempre es la forma ms eficiente para resolver el problema de asignacin. El algoritmo hngaro es un mtodo desarrollado por los hngaros que nos ayuda a hacer ms eficiente la bsqueda de la solucin ptima al problema de asignacin. asignacin
19
Algoritmo Hngaro
Caractersticas del mtodo: Trabaja a partir de la tabla de costos del problema. Genera tablas de costos equivalentes hasta que encuentra la tabla con la solucin ptima. Para encontrar la solucin ptima se resta el nmero ms pequeo de la fila a cada elemento de la fila, as mismo se resta el nmero ms p pequeo q de la columna a cada elemento de la columna.
20
10
Algoritmo Hngaro
Finalmente un cero nos va indicar la solucin ptima para la asignacin. La asignacin 1 es para la tarea 1, la asignacin 2 para la tarea 2, y as sucesivamente
Costo Total de/a Finanzas Mercadotecnia Operaciones Recursos Humanos Total Puebla 1 0 0 0 1 Cd. Jurez 0 1 0 0 1 Ramos Arizpe 0 0 1 0 1 Fresnillo 0 0 0 1 1 TOTAL 12 11 10 6.5 39.5
21
Cierre
El problema de asignacin, al igual que el de transporte tiene varias aplicaciones transporte, aplicaciones, especialmente la asignacin de personas a ciertas tareas para minimizar los costos. Tambin en los deportes, por ejemplo para asignar a ciertos atletas para carreras de relevos, dependiendo de su tiempo en la prueba, para minimizar el tiempo del relevo, ya sea en , etc. natacin atletismo,
22
11
Preguntas de Reflexin
Cules son algunas aplicaciones del problema de asignacin? En qu se distingue el mtodo de asignacin del mtodo de trasporte?
23
Para aprender ms
En la siguiente liga de Internet puedes encontrar un libro muy interesante sobre el tema: Winston, Wayne (2005) Investigacin de operaciones. Aplicaciones y algoritmos. 4. Ed. Cengage Learning Editores, ISBN 9706863621 9789706863621)
http://books.google.com.mx/books?id=8IMSA6DEaRoC&pg=P A295&lpg=PA295&dq=minimizaci%C3%B3n,+investigaci%C3 %B3n+de+operaciones&source=bl&ots=MGiZ4TaCOi&sig=EI Jz4QJCvgjhyEi1x3wSOL_k5E&hl=es&sa=X&oi=book_result&resnum=1&ct=r esult#PPA275,M1, revisada 25 de enero de 2009.
24
12
Referencias bibliogrficas
Libro Hillier, F., Lieberman, G. (2006). Introduccin a la Investigacin de Operaciones. (8 Ed.) Mxico: McGraw Hill. ISBN 970-10-5621-3
Crditos
Diseo de contenido: Ing. Ingrid Gabriela Benavides Garca Coordinador acadmico del rea: Lic. Jos de Jess Romero A. MC y MED Edicin de contenido: Lic. Rosa Luz Fernndez Retana Edicin de texto: Lic. Dalila de Len Bauelos, MTE
13
Objetivos de aprendizaje
Al finalizar este tema sers capaz de: Distinguir los modelos de redes. Aplicar la terminologa de modelos de redes en la solucin de problemas.
Introduccin al tema
En este tema conocers los modelos de optimizacin de redes, as como su terminologa y procedimiento para elaborar una red. Tienen una gran variedad de aplicaciones en las comunicaciones, redes electrnicas, en el transporte, etc.
Modelos de redes
En los temas previos estudiamos dos de las aplicaciones de la programacin lineal: el problema del transporte y el problema de asignacin. Ambos modelos forman parte de un tipo ms general de modelos, mejor conocidos como modelos de red. Los modelos de red son aplicaciones muy importantes para la logstica y la distribucin en la administracin, adems de tener mltiples aplicaciones en ingeniera y computacin.
4
Modelos de redes
Un modelo de red es un modelo de transbordo con capacidades, el cual puede adoptar diversas formas, como el modelo de la ruta ms corta y el modelo del flujo mximo y mnimo, el problema de rbol de alcance mnimo, mtodo de camino crtico, entre otras aplicaciones de la planeacin financiera y de produccin.
Modelos de redes
La principal caracterstica de un modelo de transbordo con capacidades es que es una red donde las ofertas estn en los puntos de origen especficos, las demandas en los puntos de destino especficos y las alternativas de embarque se ofrecen por medio de los nodos intermedios, de manera que siguen rutas con capacidades definidas desde los orgenes hasta los destinos.
Terminologa de redes
A continuacin se presenta un diagrama de red y sus principales componentes.
Terminologa de redes
Las flechas se conocen como arco o rama de la red. red Generalmente el arco (flecha) de un punto A a B se designa (A, B) Los puntos/elementos del modelo se conocen como nodos de la red. En el nodo de la red comnmente encontrars un nmero con un signo positivo o negativo, el cual denota la oferta (+) y la demanda o requerimientos (-) del nodo.
Terminologa de redes
Una ruta es una secuencia de arcos distintos que conectan a dos nodos. En la red podemos observar las diferentes rutas que puede tomar el flujo por medio de los arcos o ramas de la red.
Consideraciones importantes:
Las flechas/lneas de una sola direccin son arcos directos. Las lneas con flujo para ambas direcciones son arcos indirectos. Una red que tiene solamente arcos directos es una red directa. Una red que tiene arcos en ambas direcciones es una red indirecta.
10
Consideraciones importantes
Una ruta directa del nodo i al j es una secuencia de arcos conectados, por lo que es factible un flujo que pase a travs de esa ruta. Una ruta indirecta de un nodo i a j es una secuencia de arcos conectados, cuyo sentido es de i a j o viceversa. Una ruta que empieza y termina en el mismo nodo es un ciclo. Si la red contiene como mnimo una ruta directa entre 2 nodos, se dice que estn conectados.
11
Modelos de redes
Para determinar cul de las rutas de la red ser elegida debemos considerar los costos y las capacidades a lo largo del recorrido de las rutas.
12
Modelos de redes
A continuacin trabajaremos con un ejemplo que nos ayude a facilitar la comprensin de un modelo de redes: El seor Gonzlez es el gerente de distribucin de una empresa comercializadora de automviles que distribuye en 5 estados del norte del pas. El Sr. Gonzlez cuenta con 100 automviles en el lugar (1), y stos deben ser enviados a los lugares (3) y (4). Se necesitan 30 autos en el lugar (3) y 70 en el lugar (4).
13
Ejemplo
Los automviles solamente pueden ser distribuidos de acuerdo con las rutas que se presentan en la siguiente red:
El problema del Sr. Gonzlez consiste en encontrar el plan de distribucin que satisfaga la demanda a un costo mnimo, considerando las restricciones de capacidad.
14
15
Ejemplo
Restricciones: + x12 = 100 (el flujo total que sale del nodo 1 es igual a 100 unidades) - x12 + + x23 + x24 + x25 = 0 (El flujo total que sale del nodo 2 menos el flujo total que entra al nodo 2 es cero) - x23 - x43 - x53 + x34 = -30 (El flujo total que sale del nodo 3 debe ser 30 unidades menos que el que entra al nodo 3.) - x24 + x43 - x34 - x54 = -70 70 (El fl flujo j total t t l que sale l d del l nodo d 4 debe ser 70 unidades menor que el que entra al nodo 4.) - x25 + + x53 + x54 = 0 (El flujo total que sale del nodo 5 menos el flujo total que entra al nodo 5 es cero.)
16
Modelos de redes
Matriz de incidencia nodo - arco: es una tabla para representar los datos de las restricciones en un modelo de red. Cada arco de la red corresponde a una columna de la tabla. Cada nodo de la red corresponde a una fila de la tabla. Las columnas solo tienen dos entradas diferentes a cero: +1 y -1.
17
Modelos de redes
Una vez que hemos planteado el modelo de programacin lineal, debemos encontrar la solucin que optimice la funcin objetivo. Podemos utilizar algn software de programacin lineal como SOLVER o LINDO para encontrar la solucin ptima.
18
Cierre
La terminologa y procedimiento para dibujar una red te servirn i para aplicar li l los modelos d l d de optimizacin, ti i i ya que al observar la figura es mucho ms fcil identificar la ruta ms corta o ms larga, etc.
19
Para aprender ms
Si quieres leer ms sobre los modelos de redes, te recomiendo visites la siguiente liga donde encontrars definiciones de los conceptos ms relevantes de los modelos de redes, as como ejemplos. http://home.ubalt.edu/ntsbarsh/opre640S/SpanishIN.htm. Consultado el 02 febrero, 2008.
20
10
Referencias bibliogrficas
Libro Hillier, F., Lieberman, G. (2006). Introduccin a la Investigacin de Operaciones. (8 Ed.) Mxico. McGraw Hill. ISBN 970-10-5621-3
Crditos
Diseo de contenido: Ing. Ingrid Gabriela Benavides Garca Coordinador acadmico del rea: Lic. Jos de Jess Romero A. MC y MED Edicin de contenido: Lic. Rosa Luz Fernndez Retana Edicin de texto: Lic. Dalila de Len Bauelos, MTE
11
Objetivos de aprendizaje
Al finalizar este tema sers capaz de: Distinguir problemas de la ruta ms corta y su proceso de solucin. Aplicar el algoritmo del problema de la ruta ms corta para la solucin de problemas. problemas
Introduccin al tema
Es importante aprender a encontrar la ruta ms corta en un problema de redes, es decir, aplicar el algoritmo de la ruta ms corta para encontrar la menor distancia de un punto origen a un destino, de entre una serie de nodos conectados entre s para llegar al mismo destino. Este tipo de problema se utiliza en problemas de logstica y planeacin de rutas, para minimizar los costos, el tiempo de llegada y el tiempo de entrega, entrega y especialmente para planear las rutas de entregas de envos o las rutas de viajes largos a seguir por los aviones en los aeropuertos.
La ruta ms corta
A lo largo del curso hemos estudiado diferentes aplicaciones de la programacin lineal, especficamente los modelos de redes. Como ya habamos mencionado, los modelos de redes adoptan diversas formas, entre ellas el problema de la ruta ms corta. El modelo de la ruta ms corta es una red en la que encontraremos un nmero cij asociado a cada arco (i, j). Este nmero Cij, puede ser interpretado como la distancia, el costo o el tiempo entre un nodo i y otro j.
4
La ruta ms corta
En el tema anterior aprendimos que una ruta entre dos nodos es cualquier secuencia de arcos que conecte a estos nodos. El objetivo del problema de la ruta ms corta es precisamente i encontrar el l camino i ms corto, d de menor costo o ms rpido, desde un nodo especfico hasta cada uno de los dems nodos de la red.
5
La ruta ms corta
A continuacin ejemplificaremos el modelo de la ruta ms corta para su mejor comprensin. Una empresa distribuidora de jugos enva con frecuencia el producto a 7 hoteles diferentes. Las rutas L t para viajar i j entre t l los 7 hoteles se muestran en el siguiente diagrama de red:
Ejemplo
Como te podrs dar cuenta, los arcos no tienen orientacin, es decir, que la red permite el flujo en cualquier direccin.
7
Ejemplo
Los nmeros entre cada nodo representan la distancia entre ellos. El punto de partida es el nodo A. El objetivo del problema es encontrar la ruta ms corta para el envo de jugo a los 7 hoteles, de manera que se puedan minimizar los costos totales de la empresa.
Ejemplo
Observamos que el flujo total que sale del nodo j, menos el flujo total que entra al nodo j, es igual a la oferta en el nodo j. La oferta negativa (-) representa un requerimiento. Los nodos con oferta negativa son llamados destinos o puntos de demanda. Por el contrario, los nodos con oferta positiva se llaman orgenes o puntos de oferta. Suponemos que jLj = 0, es decir que la oferta total es igual a la demanda total, por lo que toda Cij 0. Los Uij son las capacidades de los flujos Xij.
10
Utilizaremos el SOLVER de Excel para resolver el modelo, los datos que nos pide son los cij, las Lj y las Uij
Como podemos observar, en la tabla tenemos las distancias que se van acumulando de NODO a NODO, y con ello podemos determinar la ruta a seguir.
11
Cierre
El mtodo es muy sencillo, teniendo como objetivo encontrar el nodo ms cercano al origen, y as sucesivamente hasta donde el nodo ms cercano sea el destino, se van conectando los nodos formando una distancia desde el origen y escogiendo los candidatos ms pequeos como siguientes nodos hasta llegar al destino.
12
Pregunta de reflexin
13
Para aprender ms
Si todava tienes problemas al generar los modelos en el Solver, te recomiendo visites el siguiente sitio de Internet. http://www.uv.es/asepuma/XIII/comunica/comunica_17.p df (consultada 6 de febrero el 2009)
14
Referencias bibliogrficas
Libro Hillier, F., Lieberman, G. (2006). Introduccin a la Investigacin de Operaciones. (8 Ed.) Mxico: McGraw Hill. ISBN 970-10-5621-3
Crditos
Diseo de contenido: Ing. Ingrid Gabriela Benavides Garca Coordinador acadmico del rea: Lic. Jos de Jess Romero A. MC y MED Edicin de contenido: Lic. Rosa Luz Fernndez Retana Edicin de texto: Lic. Dalila de Len Bauelos, MTE
Objetivos de aprendizaje
Al finalizar este tema sers capaz de: Distinguir el problema del flujo mximo y su proceso de solucin. Aplicar el algoritmo del problema del flujo mximo para la solucin de problemas.
Introduccin al tema
En el problema del flujo mximo aprenders a encontrar la ruta por la cual se puede maximizar el nmero de rutas por da. Dentro de sus aplicaciones podrs encontrar las de maximizar el flujo de productos dentro de la red de distribucin de una compaa a sus clientes, maximizar el flujo de agua a travs del sistema de acueductos o maximizar el flujo de vehculos a travs de una red de transporte.
Un Un modelo de flujo mximo tiene solamente un nodo fuente y un nodo recipiente, es decir que slo tiene un nodo de entrada y otro de salida. El objetivo principal de este modelo es encontrar la mxima cantidad de flujo total que puede circular a travs de la red en una unidad determinada de tiempo.
j Xij - j Xji =
- f si I = n 0, en otras condiciones
10
11
Ejemplo
En la red, el nodo 1 indica la fuente, mientras que el nodo 6 es el recipiente o nodo de salida del flujo. arco Observa que tenemos dos capacidades para cada arco, y estas capacidades tienen flechas indicando su direccin, as sabemos que se tiene una capacidad de flujo de 6 para el arco (1, 3) pero no viceversa.
12
En el solver
13
Ejemplo
Finalmente, el flujo mximo para la red de acuerdo a la solucin ptima es de 8 unidades.
14
Como habamos mencionado anteriormente, el elemento ms importante en la construccin de modelos de redes es la habilidad del constructor para reflejar el modelo original en la estructura de un modelo de red.
15
Cierre
El problema del flujo mximo se puede formular como un problema bl d de programacin i li lineal l y resolverse l con el l mtodo simplex. Sin embargo, no es lo ms eficiente. El problema del flujo mximo se usa en rutas de distribucin, para aprovechar los costos fijos de tener esa ruta, y aumentar lo ms que se pueda la entrega de productos.
16
Cierre
Por ejemplo, en el caso del agua, se tienen que aprovechar las rutas y acueductos ya existentes en las ciudades para que a travs de ellos llegue la mayor cantidad de agua a todos los puntos, sin necesidad de construir acueductos adicionales. En resumen, hay que aprovechar la red existente para surtir lo ms que se pueda, y por ende aumentar ganancias, eficiencia en la distribucin, etc.
17
Preguntas de Reflexin
En qu consiste el algoritmo de la ruta aumentada? Cita algunas aplicaciones en las cuales sera conveniente manejar el algoritmo de la ruta aumentada. Este mtodo crees que es un caso particular del mtodo del transporte?
18
Para aprender ms
Si quieres aprender ms sobre el problema del flujo mximo, te recomiendo visitar el siguiente sitio de Internet, donde encontrars ejemplos de este modelo: http://lear.inforg.uniovi.es/ioperativa/TutorialGrafos/flujom ax/flujomax.htm (consultado el 4 de febrero de 2009)
19
Referencias bibliogrficas
Libro Hillier, F., Lieberman, G. (2006). Introduccin a la Investigacin de Operaciones. (8 Ed.) Mxico: McGraw Hill. ISBN 970-10-5621-3
10
Crditos
Diseo de contenido: Ing. Ingrid Gabriela Benavides Garca Coordinador acadmico del rea: Lic. Jos de Jess Romero A. MC y MED Edicin de contenido: Lic. Rosa Luz Fernndez Retana Edicin de texto: Lic. Dalila de Len Bauelos, MTE
11