INGENIERA DE SISTEMAS La ingeniera de sistemas es un modo de enfoque interdisciplinario que permite estudiar y comprender la realidad, con el propsito de implementar

u optimizar sistemas complejos. Puede verse como la aplicacin tecnolgica de la teora de sistemas a los esfuerzos de la ingeniera, adoptando en todo este trabajo el paradigma sistmico. La ingeniera de sistemas integra otras disciplinas y grupos de especialidad en un esfuerzo de equipo, formando un proceso de desarrollo centrado. La ingeniera de sistemas es la aplicacin de las ciencias matemticas y fsicas para desarrollar sistemas que utilicen econmicamente los materiales y fuerzas de la naturaleza para el beneficio de la humanidad. Una de las principales diferencias de la ingeniera de sistemas respecto a otras disciplinas de ingeniera tradicionales, consiste en que la ingeniera de sistemas no construye productos tangibles. Mientras que los ingenieros civiles podran disear edificios o puentes, los ingenieros electrnicos podran disear circuitos, los ingenieros de sistemas tratan con sistemas abstractos con ayuda de las metodologas de la ciencia de sistemas, y confan adems en otras disciplinas para disear y entregar los productos tangibles que son la realizacin de esos sistemas. Otro mbito que caracteriza a la ingeniera de sistemas es la interrelacin con otras disciplinas en un trabajo transdisciplinario. De manera equivocada algunas personas confunden la ingeniera de sistemas con las ingenieras de computacin o en informtica, cuando sta es mucho ms cercana a la electrnica y la mecnica cuando se aplica. INVESTIGACIN DE OPERACIONES La investigacin de operaciones o investigacin operativa es una rama de las matemticas que consiste en el uso de modelos matemticos, estadstica y algoritmos con objeto de realizar un proceso de toma de decisiones. Frecuentemente trata del estudio de complejos sistemas reales, con la finalidad de mejorar (u optimizar) su funcionamiento. La investigacin de operaciones permite el anlisis de la toma de decisiones teniendo en cuenta la escasez de recursos, para determinar cmo se puede optimizar un objetivo definido, como la maximizacin de los beneficios o la minimizacin de costos. La investigacin operativa es una moderna disciplina cientfica que se caracteriza por la aplicacin de teora, mtodos y tcnicas especiales, para buscar la solucin de problemas de administracin, organizacin y control que se producen en los diversos sistemas que existen en la naturaleza y los creados por el ser humano, tales como las organizaciones a las que identifica como sistemas organizados, sistemas fsicos, econmicos, ecolgicos, educacionales, de servicio social, etc. El objetivo ms importante de la aplicacin de la investigacin operativa es apoyar en la toma ptima de decisiones en los sistemas y en la planificacin de sus actividades.

El enfoque fundamental de la investigacin operativa es el enfoque de sistemas, por el cual, a diferencia del enfoque tradicional, se estudia el comportamiento de todo un conjunto de partes o sub-sistemas que interaccionan entre s, se identifica el problema y se analizan sus repercusiones, buscndose soluciones integrales que beneficien al sistema como un todo. Para hallar la solucin, la investigacin operativa generalmente representa el problema como un modelo matemtico, que es analizado y evaluado previamente. PROGRAMACION LINEAL La programacin lineal es un procedimiento o algoritmo matemtico mediante el cual se resuelve un problema indeterminado, formulado a travs de un sistema de inecuaciones lineales, optimizando la funcin objetivo, tambin lineal. Consiste en optimizar (minimizar o maximizar) una funcin lineal, denominada funcin objetivo, de tal forma que las variables de dicha funcin estn sujetas a una serie de restricciones que expresamos mediante un sistema de inecuaciones lineales. APLICACIONES Algunos casos especiales de programacin lineal, tales como los problemas de flujo de redes y problemas de flujo de mercancas se consideraron en el desarrollo de las matemticas lo suficientemente importantes como para generar por si mismos mucha investigacin sobre algoritmos especializados en su solucin. Una serie de algoritmos diseados para resolver otros tipos de problemas de optimizacin constituyen casos particulares de la ms amplia tcnica de la programacin lineal. Algunos ejemplos son la mezcla de alimentos, la gestin de inventarios, la cartera y la gestin de las finanzas, la asignacin de recursos humanos y recursos de mquinas, la planificacin de campaas de publicidad, etc. OPTIMIZACIN La optimizacin, tambin denominada programacin matemtica, sirve para encontrar la respuesta que proporciona el mejor resultado, la que logra mayores ganancias, mayor produccin o felicidad o la que logra el menor costo, desperdicio o malestar. Con frecuencia, estos problemas implican utilizar de la manera ms eficiente los recursos, tales como dinero, tiempo, maquinaria, personal, existencias, etc. Los problemas de optimizacin generalmente se clasifican en lineales y no lineales, segn las relaciones del problema sean lineales con respecto a las variables. Existe una serie de paquetes de software para resolver problemas de optimizacin. Por ejemplo, LINDO o WinQSB resuelven modelos de programas lineales y LINGO y What'sBest! resuelven problemas lineales y no lineales.

MTODO GRFICO El mtodo grfico se utiliza para la solucin de problemas de PL, representando geomtricamente a las restricciones, condiciones tcnicas y el objetivo. El modelo se puede resolver en forma grfica si slo tiene dos variables. Para modelos con tres o ms variables, el mtodo grfico es imprctico o imposible. Cuando los ejes son relacionados con las variables del problema, el mtodo es llamado mtodo grfico en actividad. Cuando se relacionan las restricciones tecnolgicas se denomina mtodo grfico en recursos. Los pasos necesarios para realizar el mtodo son nueve: 1. graficar las soluciones factibles, o el espacio de soluciones (factible), que satisfagan todas las restricciones en forma simultnea. 2. Las restricciones de no negatividad Xi>= 0 confan todos los valores posibles. 3. El espacio encerrado por las restricciones restantes se determinan sustituyendo en primer trmino <= por (=) para cada restriccin, con lo cual se produce la ecuacin de una lnea recta. 4. trazar cada lnea recta en el plano y la regin en cual se encuentra cada restriccin cuando se considera la desigualdad lo indica la direccin de la flecha situada sobre la lnea recta asociada. 5. Cada punto contenido o situado en la frontera del espacio de soluciones satisfacen todas las restricciones y por consiguiente, representa un punto factible. 6. Aunque hay un nmero infinito de puntos factibles en el espacio de soluciones, la solucin ptima puede determinarse al observar la direccin en la cual aumenta la funcin objetivo. 7. Las lneas paralelas que representan la funcin objetivo se trazan mediante la asignacin de valores arbitrarios a fin de determinar la pendiente y la direccin en la cual crece o decrece el valor de la funcin objetivo. Maximizar 5 X1 + 3 X2 Sujeta a: 2 X1 + X2 40 X1 + 2 X2 50 and both X1, X2 are non-negative.

Nota: Existe una alternativa del abordaje de la funcin objetivo de igual valor (funcin iso) con problemas que tienen pocas restricciones y una regin factible acotada. Primero busque todas las esquinas, tambin llamadas puntos extremos. Luego, evale la funcin objetivo en los puntos extremos para llegar al valor ptimo y a la solucin ptima. Por ejemplo, en el problema del carpintero, la regin factible convexa proporciona los puntos extremos con las coordenadas que figuran en la siguiente Tabla: Valor de la Funcin Objetivo en cada Esquina o Punto Extremo Elecciones del Decisor Coordenadas de los Extremos Cantidad de Mesas o Sillas Puntos Funcin de los Ingresos Netos X1, X2 5 X1 + 3 X2 No fabricar ninguna mesa ni silla 0, 0 0 Fabricar todas la mesas posibles Fabricar todas las sillas posibles Fabricar una productos combinacin 20, 0 0, 25 de 10, 20 100 75 110

Dado que el objetivo es maximizar, de la tabla anterior surge que el valor ptimo es 110, el cual se obtiene si el carpintero sigue la estrategia ptima de X1 = 10 y X2 = 20. La principal deficiencia del mtodo grfico es que se limita a resolver problemas lineales que tengan slo 1 o 2 variables de decisin. Sin embargo, la conclusin principal y til a la que podemos arribar a partir del anlisis de los mtodos grficos es la siguiente: Si un programa lineal tiene una regin factible acotada no vaca, la solucin ptima es siempre uno de los puntos extremos. MTODOS ANALTICOS DE OPTIMIZACIN Muchos mtodos de optimizacin de problemas con restricciones (univariables y multivariables) involucran la resolucin de un problema de optimizacin en una dimensin. Los mtodos analticos imponen demasiadas restricciones a las funciones objetivos. Adems, no siempre es posible resolver el sistema de ecuaciones analticamente. Por este motivo se desarrollaron los mtodos numricos. Existen dos tipos de mtodos numricos, a saber: Mtodos directos: slo utilizan los valores de las funcin objetivo. Mtodos indirectos: utilizan las condiciones necesarias, las derivadas (analticas o numricas) y la funcin objetivo. Los mtodos indirectos requieren el clculo de las derivadas primeras y segundas. Sin embargo, muchas veces obtener las derivadas es una tarea difcil, y hasta es posible que ni siquiera se conozca la forma analtica de la funcin objetivo. Esto plantea la necesidad de contar con mtodos capaces de trabajar nicamente con los valores (experimentos) de la funcin objetivo. Estos son los mtodos de bsqueda directa. La obtencin de un valor de la funcin objetivo significar en algunos casos evaluar un modelo matemtico, mientras que en otros significar realizar un experimento. Sea como sea, siempre ser conveniente llegar al ptimo realizando la menor cantidad de evaluaciones. Esa es la misin de los mtodos de bsqueda directa, a partir de los resultados de las evaluaciones realizadas, sugerirn el siguiente experimento de forma tal de aumentar la velocidad de convergencia. Es decir, que estos mtodos disearn un adecuado plan de experiencias. El plan de experiencias puede ser secuencial o simultneo. Cuando disponemos de un equipo por un tiempo limitado, puede ser que nos veamos obligados a realizar una serie

de experimentos simultneos. Estos experimentos son independientes, los experimentos realizados no influyen sobre la forma de realizar el siguiente. Un mejor enfoque es el plan de experiencias secuencial. Este mtodo analiza los resultados obtenidos en un experimento para sugerir la forma de realizar el prximo. Los mtodos indirectos tienen una ventaja inherente: la convergencia es normalmente rpida, pero no son buenos para funciones no lineales multivariables, estos mtodos dan como resultado un punto que puede encontrarse muy cercano al valor ptimo buscado. Los mtodos directos tienen la ventaja de que pueden ms fcilmente tratar problemas que involucran funciones con discontinuidades, puntos de inflexin y puntos finales, pero necesitan la definicin de un criterio de precisin, estos mtodos dan como solucin al problema de optimizacin un intervalo donde puede encontrarse el valor ptimo. MODELO MATEMATICO DE PROGRAMACION LINEAL Los trminos clave son recursos y actividades, en donde m denota el nmero de distintos tipos de recursos que se pueden usar y n denota el nmero de actividades bajo consideracin. Algunos ejemplos de recursos son dinero y tipos especiales de maquinaria, equipo, vehculos y personal. Los ejemplos de actividades incluyen inversin en proyectos especficos, publicidad en un medio determinado y el envo de bienes de cierta fuente a cierto destino. En cualquier aplicacin de programacin lineal, puede ser que todas las actividades sean de un tipo general (como cualquiera de los ejemplos), y entonces cada una correspondera en forma individual a las alternativas especficas dentro de esta categora general. El tipo ms usual de aplicacin de programacin lineal involucra la asignacin de recursos a ciertas actividades. La cantidad disponible de cada recurso est limitada, de forma que deben asignarse con todo cuidado. La determinacin de esta asignacin incluye elegir los niveles de las actividades que lograrn el mejor valor posible de la medida global de efectividad. Ciertos smbolos se usan de manera convencional para denotar las distintas componentes de un modelo de programacin lineal. Estos smbolos se enumeran a continuacin, junto con su interpretacin para el problema general de asignacin de recursos a actividades. Z = valor de la medida global de efectividad xj = nivel de la actividad j (para j = 1,2,...,n) cj = incremento en Z que resulta al aumentar una unidad en el nivel de la actividad j bi = cantidad de recurso i disponible para asignar a las actividades (para i = 1,2,...,m) aij = cantidad del recurso i consumido por cada unidad de la actividad j El modelo establece el problema en trminos de tomar decisiones sobre los niveles de las actividades, por lo que x1,x2,....,xn se llaman variables de decisin. Los valores de

cj, bi y aij (para i = 1,2,....,m y j = 1,2,....,n) son las constantes de entrada al modelo. Las cj, bi y aij tambin se conocen como parmetros del modelo. FORMA ESTNDAR DEL MODELO Ahora se puede formular al modelo matemtico para este problema general de asignacin de recursos a actividades. En Datos necesarios para un modelo de programacin lineal que maneja la asignacin de recursos a actividades particular, este modelo consiste en elegir valores de x1,x2,....,xn para: optimizar (maximizar o minimizar) Z = c1x1 + c2x2 +....+ cnxn, sujeta a las restricciones: a11x1 + a12x2 +....+ a1nxn (<=,>=,=) b1 a21x1 + a22x2 +....+ a2nxn (<=,>=,=) b2 am1x1 + am2x2 +....+ amnxn (<=,>=,=) bm X1 >= 0, BIBLIOGRAFA: 1) Chiavenato, Idalberto. Introduccin a la Teora General de la Administracin. 3ra. Edicin. Edit. McGraw-Hill. 1992. 2) Von Bertalanffy, Ludwig. Teora General de Sistemas. Petrpolis, Vozes. 1976. 3) www.wikipedia.com X2 >= 0, ..., Xn>=0. .