Está en la página 1de 13

UNIDAD 1: PROGRAMACION LINEAL 1.1 DEFINICIN, DESARROLLO Y TIPOS DE MODELOS DE INVESTIGACION.

DEFINICIN: En esta disciplina se destacan las siguientes caractersticas esenciales: una fuerte orientacin a Teora de Sistemas, la participacin de equipos interdisciplinarios, la aplicacin del mtodo cientfico en apoyo a la toma de decisiones. En base a estas propiedades, una posible definicin es: la Investigacin Operativa es la aplicacin del mtodo cientfico por equipos interdisciplinarios a problemas que comprenden el control y gestin de sistemas organizados (hombre- mquina); con el objetivo de encontrar soluciones que sirvan mejor a los propsitos del sistema (u organizacin) como un todo, enmarcados en procesos de toma de decisiones. Investigacin de Operaciones o Investigacin Operacional. Se puede definir de la siguiente manera: La Investigacin de Operaciones es la aplicacin por grupos interdisciplinarios del mtodo cientfico a problemas relacionados con el control de las organizaciones o sistemas a fin de que se produzcan soluciones que mejor sirvan a los objetivos de toda la organizacin. DESARROLLO: El trmino IO se utiliza por primera vez en el ao 1939 durante la 2da Guerra Mundial, especficamente cuando surge la necesidad de investigar las operaciones tcticas y estratgicas de la defensa area, ante la incorporacin de un nuevo radar, en oportunidad de los ataques alemanes a Gran Bretaa. Sin embargo, el origen de la Investigacin Operativa puede considerarse como anterior a la Revolucin Industrial, aunque fue durante este perodo que comienzan a originarse los problemas tipo que la Investigacin Operativa trata de resolver. A partir de la Revolucin Industrial y a travs de los aos se origina una segmentacin funcional y geogrfica de la administracin, lo que da origen a la funcin ejecutiva o de integracin de la administracin para servir a los intereses del sistema como un todo. La Investigacin Operativa tarda en desarrollarse en el campo de la administracin industrial. El uso de la metodologa cientfica en la industria se incorpora al principiar los aos 50, a partir de la 2da Revolucin Industrial, propiciada por los avances de las Comunicaciones, y la Computacin, que sientan las bases para la automatizacin, y por sobre todo por el florecimiento y bienestar econmico de ese perodo. Los primeros desarrollos de esta disciplina (IO) se refirieron a problemas de ordenamiento de tareas, reparto de cargas de trabajo, planificacin y

asignacin de recursos en el mbito militar en sus inicios, diversificndose luego, y extendindose finalmente a organizaciones industriales, acadmicas y gubernamentales. En la actualidad la investigacin de operaciones (IO en lo sucesivo) ha diversificado y perfeccionado sus tcnicas por lo que tiene una gran gama de aplicaciones en todos los ramos industriales y en todas las reas del conocimiento. A pesar de que las tcnicas son variadas, todas ellas presentan algunas caractersticas que les son afines: La IO se aplica a resolver problemas de decisin que tienen que ver con la forma de dirigir y coordinar las actividades operacionales de una organizacin. La visin u ptica con que la IO estudia a la organizacin es el enfoque de sistemas, esto es, comprende a la organizacin como un sistema holstico hombre mquina e intenta resolver los conflictos entre su actuacin y su finalidad para lograr su eficiencia y/o eficacia. La interdisciplina, derivada de la utilizacin del enfoque sistmico, es un requisito que los equipos (en un sentido ms amplio que el de grupo) de IO deben satisfacer.

TIPO DE MODELOS DE INVESTIGACION DE OPERACINES: MODELO ICONICO: Es una representacin fsica de algunos objetos, ya sea (bosquejos) o a escala distinta. Ejemplo: Planos y mapas (dos dimensiones). Maquetas y prototipos (4 dimensiones). MODELO ANALGICO: Puede representar situaciones dinmicas o cclicas, son ms usuales y pueden representar las caractersticas y propiedades del acontecimiento que se estudia. Ejemplo: Curvas de demanda. Curvas de distribucin de frecuencia en las estadsticas y diagramas de flujo. en forma idealizada

MODELO SIMBOLICO O MATEMATICO: Son representaciones de la realidad en forma de cifras, smbolos matemticos y funciones, para representar variables de decisin y relaciones que nos permiten describir y analizar el comportamiento del sistema. Tipos de Modelos Matemticos: 1. Cuantitativos y cualitativos 2. Estndares y hechos a la medida 3. Probabilsticas y determinsticos 4. Descriptivos y de optimizacin 5. Estticos y dinmicos 6. De simulacin y no simulacin Modelo Cualitativo y Cuantitativo: La mayor parte de los problemas de un negocio u organizacin comienzan con un anlisis y definicin de un modelo cualitativo y se avanza gradualmente hasta obtener un modelo cuantitativo. La investigacin de operaciones se ocupa de la sistematizacin de los modelos cualitativos y de su desarrollo hasta el punto en que pueden cuantificarse. Cuando es posible construir unos modelos matemticos insertando smbolos para representar relaciones entre constantes y variables estamos ante un modelo cuantitativo. Modelo Estndar: Se llaman modelos estndar a los que solo hay que insertar o sustituir diferentes valores con el fin de obtener un valor a una respuesta de un sistema y son aplicables al mismo tipo de problemas en negocios afines. Ejemplo: El clculo de costos o gastos. El clculo de las ganancias, etc. Modelos Hechos a la Medida: Se llaman modelos hechos a la medida cuando se crean modelos para resolver un caso de problema en especfico que se ajusta nicamente a este problema. Modelo Probabilstico y Determinstico: Los modelos que se basan en las probabilidades y estadsticas y que se ocupan de incertidumbres futuras se llaman probabilsticas y los modelos que no tienen consideraciones probabilsticas se llaman determinsticos el PERT, los

inventarios, la programacin lineal, enfocan su atencin en aquellas circunstancias que son crticas y en los que las cantidades son determinadas y exactas. Modelo Descriptivo y de Optimizacin: Cuando un modelo constituye sencillamente una descripcin matemtica de una condicin real del sistema se llama descriptiva. Algunos de estos modelos se emplean para mostrar geogrficamente una situacin y ayudan al observador a evaluar resultados por secciones una sobre otra. Modelo Descriptivo y de Optimizacin: Puede obtenerse una solucin, sin embargo, en este modelo solo se intenta describir la situacin y no escoger una alternativa. Cuando con la aplicacin del modelo se llega a una solucin ptima de acuerdo con los criterios de entrada, se trata de un modelo de optimizacin. Modelo Esttico y Dinmico: Los modelos estticos se ocupan de determinar una respuesta para una serie especial de condiciones fijas que probablemente no cambiaran significativamente a corto plazo es decir, la solucin est basada en una condicin esttica. Un modelo dinmico por el contrario est sujeto al factor tiempo que desempea un papel esencial en la secuencia de las decisiones, independientemente de Cuales hayan sido las decisiones anteriores. A la programacin dinmica pertenecen estos modelos. Bibliografa: "Investigacin de Operaciones". Hamdy A. Taha. Quinta edicin. Alfaomega.

1.2 FORMULACION DE MODELOS: El proceso de la Investigacin de Operaciones comprende las siguientes fases: 1. Formulacin y definicin del problema. 2. Construccin del modelo. 3. Solucin del modelo. 4. Validacin del modelo. 5. Implementacin de resultados.

1. Formulacin y definicin del problema. En esta fase del proceso se necesita: una descripcin de los objetivos del sistema, es decir, qu se desea optimizar; identificar las variables implicadas, ya sean controlables o no; determinar las restricciones del sistema. Tambin hay que tener en cuenta las alternativas posibles de decisin y las restricciones para producir una solucin adecuada. 2. Construccin del modelo. En esta fase, el investigador de operaciones debe decidir el modelo a utilizar para representar el sistema. Debe ser un modelo tal que relacione a las variables de decisin con los parmetros y restricciones del sistema. Los parmetros (o cantidades conocidas) se pueden obtener ya sea a partir de datos pasados o ser estimados por medio de algn mtodo estadstico. Es recomendable determinar si el modelo es probabilstico o determinstico. El modelo puede ser matemtico, de simulacin o heurstico, dependiendo de la complejidad de los clculos matemticos que se requieran. 3. Solucin del modelo. Una vez que se tiene el modelo, se procede a derivar una solucin matemtica empleando las diversas tcnicas y mtodos matemticos para resolver problemas y ecuaciones. Debemos tener en cuenta que las soluciones que se obtienen en este punto del proceso, son matemticas y debemos interpretarlas en el mundo real. Adems, para la solucin del modelo, se deben realizar anlisis de sensibilidad, es decir, ver cmo se comporta el modelo a cambios en las especificaciones y parmetros del sistema. Esto se hace, debido a

que los parmetros no necesariamente son precisos y las restricciones pueden estar equivocadas. 4. Validacin del modelo. La validacin de un modelo requiere que se determine si dicho modelo puede predecir con certeza el comportamiento del sistema. Un mtodo comn para probar la validez del modelo, es someterlo a datos pasados disponibles del sistema actual y observar si reproduce las situaciones pasadas del sistema. Pero como no hay seguridad de que el comportamiento futuro del sistema contine replicando el comportamiento pasado, entonces siempre debemos estar atentos de cambios posibles del sistema con el tiempo, para poder ajustar adecuadamente el modelo. 5. Implementacin de resultados. Una vez que hayamos obtenido la solucin o soluciones del modelo, el siguiente y ltimo paso del proceso es interpretar esos resultados y dar conclusiones y cursos de accin para la optimizacin del sistema. Si el modelo utilizado puede servir a otro problema, es necesario revisar, documentar y actualizar el modelo para sus nuevas aplicaciones.

Bibliografia: 1.- Investigacin de Operaciones en la Ciencia Administrativa, Pearson, 5a Edicin, Prentice Hall. http://www.sites.upiicsa.ipn.mx/polilibros/portal/Polilibros/P_terminados/Investigacion_de_ Operaciones_Chavez/Documentos/Unidad1/UNIDAD112.htm

1.3 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: 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.

1.4 FUNDAMENTOS DEL MTODO SIMPLEX:

La mayora de los problemas reales de programacin lineal tienen mas de dos variables y son por ende demasiado grandes para su solucin grafica. Un procedimiento llamado mtodo simplex desarrollado en 1947 por el norteamericano George B. TIPOS DE SOLUCIN: Solucin Factible: Es un valor del conjunto de variables (vector solucin) para el cual todas las restricciones se cumplen, incluyendo las de no-negatividad. Solucin Optima: Es una solucin factible que optimiza la funcin objetivo z. Solucin Bsica: En un sistema de ecuaciones con n variables (n , m). Una solucin es aquella se obtiene de fijar (n , m) variables del sistema iguales a cero y resolver el sistema en funcin de las m restantes, a estas variables se les llaman Variables Bsicas. Solucin Bsica Factible: Es aquella solucin bsica en que todas las variables bsicas son no-negativo. TIPOS DE VARIABLES: Decisin: Son aquellas variables que determinan la solucin del problema y se denotan por Xj. Variables Base: Son aquellas variables que se agregan al sistema de restricciones como de holgura y artificiales y pertenecen a la columna Vb. Variables de Holgura: La variable de holgura se denota por Hi y Hj, cuya ecuacin es: 1) Al introducirla a la restriccin, la convierte en ecuacin. 2) Forma parte de la matriz identidad y su costo es cero. 3 )En la tabla simplex, en rengln representa el sobrante del recurso y en la columna representa el sobrante de la contribucin. Variable Artificial: Esta variable se denota por Ai y Aj, cuya funcin es: 1) Sirve como variable bsica inicial, carece de sentido en el problema, solo en un artificio. 2) Forma parte de la matriz identidad y su costo es M, tan grande cuando Z se minimiza y tan pequea cuando Z se maximiza, para garantizar valore negativos y positivos, respectivamente 3) Tiene preferencias de entrar a la tabla simplex inicial.

1.5 APLICACIONES DIVERSAS DE PROGRAMACIN LINEAL

La programacin lineal es un mtodo eficiente para determinar una decisin ptima entre un gran nmero de decisiones posibles. Es impresionante el nmero y la diversidad de problemas en los que se puede aplicar. Caractersticas de la problemas de programacin lineal: Proporcionalidad: las variables y la funcin objetivo deben ser lineales Aditividad: Es necesario que cada variable sea aditiva respecto a la variable objetivo. Divisibilidad: las soluciones no deben ser necesariamente nmeros enteros. Optimalidad: La solucin ptima (mximo o mnimo) debe ocurrir en uno de los vrtices del conjunto de soluciones factibles.

Modelos de transporte: La meta de un modelo de transporte es minimizar el costo total de envo de un producto (o productos) desde los puntos de existencia hasta los puntos de demanda. Poseen dos tipos de restricciones:

1. Cada punto de demanda recibe su requerimiento.

2. Los envos desde u punto de suministro no exceden a su capacidad disponible.

Modelos de transporte: ejemplo: El nmero de unidades disponibles de producto para envo desde los puntos de suministro es:

. ANDERSON, D.R. - SWEENEY, D.J. - WILLIAMS, T.A. Introduccin a los modelos cuantitativos para administracin. Grupo Editorial Iberoamericana. . ARREOLA, J. ARREOLA, A. Programacin lineal. Una introduccin a la toma de decisiones cuantitativa. Thomson . BRONSON. R. Teora y problemas de investigacin de operaciones. Schaum, McGrawHill . DANTZIG, G.B. Linear programming and extensions Princeton University Press . GARCIA, J. - FERNANDEZ, L. - TEJERA, P. Tcnicas de investigacin operativa. Ed. Paraninfo. . HILLIER,F. - LIEBERMAN, G. Introduccin a la investigacin de operaciones. McGraw-Hill . INFANTE MACIAS, R. Mtodos de programacin matemtica. UNED . MATHUR - SOLOW Investigacin de operaciones. Prentice Hall . PARDO, L. Programacin lineal continua: aplicaciones prcticas en la empresa. Ed. Daz de Santos. . PARDO, L. Programacin lineal entera: aplicaciones prcticas en la empresa. Ed. Daz de Santos.

. RAVINDRAN, A. - PHILLIPS, D. - SOLBERG, J. Operations Research. Principles and Practice. Wiley