ACT 6: TRABAJO COLABORATIVO 1

CARLOS EVELIO CARVAJAL 1121824657

PROGRAMACION LINEAL

FABIO OSSA TUTOR

EDGAR MAURICIO ALBA V. DIRECTOR DE CURSO

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA ESCUELA DE CIENCIAS BSICAS, TECNOLOGA E INGENIERA CEAD SANTA MARTA (MAGDALENA) DICIEMBRE DEL 2013

INTRODUCCION

Los diferentes modelos de programacin lineal han permitido desde sus orgenes la optimizacin de procesos administrativos, a travs de sus modelos de aplicacin, los cuales se explicaran para entender mejor esta ciencia de estudio que si bien es una ciencia relativamente nueva sus aplicaciones en diferentes reas de estudio le han permitido posesionarse como la rama que muchas reas en diferentes compaas utilizan en aras de ser ms eficiente es sus procesos. La Investigacin de Operaciones usa el mtodo cientfico para investigar el problema en cuestin. En particular, el proceso comienza por la observacin cuidadosa y la formulacin del problema incluyendo la recoleccin de datos pertinentes. Se adopta un punto de vista organizacional. De esta manera intenta resolver los conflictos de inters entre los componentes de la organizacin de forma que el resultado sea el mejor para la organizacin completa. Al desarrollar el siguiente trabajo encontraremos, que la programacin Lineal pretende que nosotros como estudiantes demos la importancia que tiene la investigacin de operaciones como herramienta que proporciona conocimientos para la construccin de modelos matemticos, adems de la conceptualizacin y las diferentes formas de presentacin de un problema de programacin lineal.

DESARROLLO DEL TRABAJO FASE I 1. Elabore una sntesis de cada modelo clasificndolo de acuerdo al cuadro anexo. Los modelos matemticos en la investigacin de operaciones IO En trminos sencillos es un grupo de ecuaciones o inecuaciones que representan una realidad. El ingrediente principal en un modelo matemtico, como es de esperarse, es la variable. Las variables, son la representacin de los diferentes posibilidades de un conjunto de datos; y estos datos en su origen pueden ser de tipo determinsticos o estocsticos. DETERMINSTICOS (NO PROBABILSTICO) Es en el que las variables que lo forman, son de carcter conocido, es decir, que no depende del azar. Este proceso de anlisis de alternativas nos sirve para la toma de decisiones pblicas y privadas, usando diferentes criterios de decisin, diferentes tipos de informacin e informacin de calidad variable. Describe los elementos usados en el anlisis de las alternativas de decisin y eleccin, as como tambin las metas y objetivos que guan la toma de decisiones. Se presenta los principales aspectos relacionados a las preferencias de las alternativas en la toma de decisiones, criterios y modos de eleccin; asimismo, se presenta las herramientas de evaluacin de riesgo. En conclusin se puede decir que un modelo determinstico supone que el resultado real est determinado por las condiciones bajo las cuales se efecta el experimento. MTODO HIBRIDO Tienen que ver con los mtodos determinstico y probabilsticos se nos enfoca ms hacia la teora de inventarios. ESTOCSTICOS (PROBABILSTICO) Aquellos modelos, cuyas variables son de naturaleza probabilstica, es decir que dependen de un nivel de incertidumbre; del azar. Por lo tanto, normalmente estas variables representan es una funcin de probabilidad. El proceso estocstico es un concepto matemtico que sirve para caracterizar; es una sucesin de variables aleatorias (estocsticas) que evolucionan en funcin de otra variable, generalmente y sirven por lo general para realizar grandes series de muestreos, no se deben utilizar en l. Por qu quitan mucho tiempo en el computador son muy utilizados en investigaciones cientficas ayudad a predecir su comportamiento en el futuro, cuando se realiza bajo las mismas condiciones dadas inicialmente. El modelo permite conocer la distribucin de probabilidades de los valores que toma la variable aleatoria tambin la teora de decisiones de juegos y a analizar la

resolucin de problemas de programacin matemtica en los que algunos parmetros son desconocidos pero se conoce la distribucin de probabilidad asociada a ellos y, por tanto, las situaciones que se analizan mediante la misma son situaciones de riesgo., de ah surge con el nombre de Distribucin de Probabilidad. Modelo Lineal: Son aquellos modelos dnde todos los grados de sus trminos son iguales a 1, y en cada trmino slo hay una variable. Para cada uno de estos Modelos Lineales, el procedimiento de solucin se basa en un logaritmo iterativo especfico. Un logaritmo iterativo es un procedimiento de solucin que empieza con una solucin (completa o parcial) y luego procede hacia mejores o ms completas soluciones por un conjunto de reglas. El procedimiento se aplica repetidamente hasta que no se logre mayor mejoramiento en la funcin objetivo, o hasta que se encuentre alguna condicin de detenerse. Programacin lineal Se caracterizan por su funcin objetivo lineal y sus restricciones lineales. Transporte y los de Asignacin se pueden ver como casos especiales de la programacin lineal, por medio de los cuales se pueden hacer ms eficientes los procedimientos de solucin Modelo No Lineal: Son aquellos modelos dnde algn termino tiene un grado mayor que uno. o algn trmino tiene ms de una variable. Se clasifican ms bien por el mtodo de solucin que por la estructura del modelo. De Bsqueda utilizan tcnicas gradiantes y ramificacin, Programacin no Lineal Aplican algoritmos especiales (procedimientos de solucin) para explotar ciertas estructuras matemticas en las relaciones funcionales. Clsicos aplican clculo diferencial; Modelos Continuos: Dnde sus variables son densas. O sea, que dentro de dos valores arbitrarios [a,b] hay infinitos valores. Ejemplo: 1, 1.1, 1.12, 1.13. etc. Modelos Enteros o Discretos: Pues eso. Son modelos, dnde sus variables slo pueden tomar valores enteros. Por ejemplo, si una variable representa el nmero de personas que se necesita para cierta tarea, slo los valores enteros tienen sentido, ej.: 2 personas, 3 personas, pero tal vez, 2.5 personas, no tenga mucho sentido. Programacin entera o de programacin 0 - 1. Cuando las variables de decisin en los modelos de optimizacin lineal se restringen, bien sea a integrarse o valores 0 - 1, son adecuados. De redes Representan estos tipos de problemas en trminos de diagramas de flujo. De programacin de metas optimizan una funcin objetivo de criterios que es lineal, sujeta a un conjunto de restricciones lineales. Modelos Binarios: Son los modelos que slo pueden tomar los valores de cero o uno. Son un caso especial de los modelos enteros. Estos modelos, son muy tiles para analizar variables de decisin tipo Si/No. Y, estos modelos pueden ser particularmente tiles, en la asignacin de recursos.

2. Ilustre con un ejemplo cada modelo Ejemplo mtodo determinstico. Una empresa que distribuye implementos para uso personal opera en cuatro localidades: el cortijo, sauces, laureles y suma paz. La empresa tiene bodegas encaja marca y cota, las cuales empacan kit de primera necesidad para cada una de las cuatro localidades. Iniciales respectivamente La demanda esperada de implementos (en unidades) para este mes es: Demanda: El cortijo 105, Sauces 110, Laureles 127, Suma paz 192 Se espera que cada bodega reciba y ponga disponibles veinte unidades durante el mes: Unidad. Encaja marca 180, Cota 250 En cada kit se transportan 4 unidades. El costo de traslado entre cada bodega a cada centro de distribucin es: El cortijo, sauces, laureles suma paz Caja marca $1750.00 $580.00 $900.00 $1,500.00 Cota $ 490.00 $120.00 $140.00 $ 750.00 Usando el mtodo del transporte diseamos un programa que minimizara los costos totales de transporte para este mes, Para hacer ms prctica la tabla se renombrar: Localidad: 1: el cortijo, 2: sauces, 3: laureles, 4: suma paz Bodegas: A: caja marca B: cota Aplicando el mtodo de transporte con costos mnimos la tabla nos queda; Entonces el costo mnimo Z= B1 + B2 + A3 + B3 + A4 Z= (20*490) + (22*120) + (16*580) + (8*140) + (18*1500) = 48560 Ejemplo estocstico Tienes una tienda de barrio en donde la demanda de x productos por da es, En la tienda se surte de productos al igual durante la semana, por lo tanto se puede obtener el costo de x y el costo de almacenamiento sin ningn problema.

Un modelo probabilstico (lo contrario a determinstico), son cuando la demanda por ejemplo no la conoces, entonces tienes que recurrir a mtodos de estimacin estadstica, o a simulaciones probabilsticas. Programacin no lineal En este caso se destaca el estudio de optimizacin en una variable sin restricciones de la forma: Optimizar z = f(x) Donde f es funcin no lineal de x y la optimizacin se realiza en (-, ). Si la bsqueda se circunscribe a un sub intervalo finito [a,b] el problema es de optimizacin no lineal restringida y se transforma a Optimizar z = f(x) Optimizacin no lineal multivariable Es el caso anlogo al anterior, pero en el caso en que la funcin f es de ms de una variable, es decir: Optimizar z = f(X) donde X = [x1, x2, ..., xn]T Si existen las restricciones Gi(X) = 0 Es un problema no lineal multivariable restringido. Ejemplo Una Compaa desea construir una planta que recibir suministros desde tres ciudades A, B, C, tomando como origen la ciudad A, B tiene coordenadas (300 Km. al Este,400 Km. al Norte), y C tiene coordenadas (700 Km. al Este, 300 Km. al Norte) respecto de A. La posicin de la planta debe estar en un punto tal que la distancia a los puntos A, B y C sea la mnima. Sean x1 y x2 las coordenadas desconocidas de la planta respecto de A. Utilizando la frmula de la distancia, debe minimizarse la suma de las distancias: (x12 + x22) + ((x1 - 300)2 + (x2 - 400)2) + ((x1 - 700)2 + (x2 - 300)2) No hay restricciones en cuanto a las coordenadas de la planta ni condiciones de no negatividad, puesto que un valor negativo de x1 significa que la planta se localiza al Oeste del punto A. La ecuacin es un programa matemtico no lineal sin restricciones.

Programacin Cuadrtica Es un caso particular de programacin matemtica no lineal. Un programa matemtico en el cual cada restriccin gi es lineal pero el objetivo es cuadrtico se conoce como programa cuadrtico, es decir: f(x1,x2,..,xn) = S i=1,nS j=1,n cijxixj + S i=1,ndixi Ejemplo Minimizar z = x12 + x22, Con las condiciones x1 - x2 = 3 Donde ambas restricciones son lineales, con n = 2 (dos variables) c11 = 1; c12 = c21 = 0; c22 = 1 y d1 = d2 = 0. Programacin Dinmica El programa matemtico: Optimizar z = f1(x1) + f2(x2) + ... + fn(xn), Con todas las variables enteras y no negativas. En que las funciones fi(xi) son funciones no lineales conocidas de una sola variable, b es un nmero entero conocido. Corresponde al modelo importante de decisin en etapas mltiples en que el nmero de etapas es n. La etapa 1 comprende la especificacin de la variable x1 con contribucin f1(x1) al rendimiento total; etc. La programacin dinmica es una forma de enfoque de los procesos de decisin de optimizacin de n etapas. Ejemplo Una persona dispone de $4000 para invertir y se le presentan tres opciones de inversin. Cada opcin requiere de depsitos en cantidades de $1000, puede invertir lo que desee en las tres opciones. Las ganancias esperadas son las siguientes | |Inversin | | | | | |Ganancias |0 |1000 |2000 |3000 |4000 | |Opcin 1 |0 |2000 |5000 |6000 |7000 | |Opcin 2 |0 |1000 |3000 |6000 |7000 | |Opcin 3 |0 |1000 |4000 |5000 |8000 |

Cunto dinero deber invertirse en cada opcin para maximizar las ganancias? Sea z la ganancia total, que es la suma de las ganancias de cada opcin, las inversiones tienen la restriccin de ser mltiplos de $1000, la tabla muestra las fi(x) = Etapa i, (i = 1,2,3), x es la cantidad de dinero invertida en cada opcin. El programa matemtico es el siguiente: Maximizar z = f1(x1) + f2(x2) + f3(x3) La persona slo posee $4000 para invertir: Con todas variables enteras y no negativas. Ejemplo Hbridos La programacin dinmica es una forma de enfoque de los procesos de decisin de optimizacin de n etapas. Una persona dispone de $4000 para invertir y se le presentan tres opciones de inversin. Cada opcin requiere de depsitos en cantidades de $1000, puede invertir lo que desee en las tres opciones. Las ganancias esperadas son las siguientes Inversin Ganancias 0 1000 2000 3000 4000 Opcin 1 0 2000 5000 6000 7000 Opcin 2 0 1000 3000 6000 7000 Opcin 3 0 1000 4000 5000 8000 Cunto dinero deber invertirse en cada opcin para maximizar las ganancias? Sea z la ganancia total, que es la suma de las ganancias de cada opcin, las inversiones tienen la restriccin de ser mltiplos de $1000, la tabla muestra las fi(x) = Etapa i, (i = 1,2,3), x es la cantidad de dinero invertida en cada opcin. El programa matemtico es el siguiente: Maximizar z = f1(x1) + f2(x2) + f3(x3) La persona slo posee $4000 para invertir: Las condiciones son : X1 +x2 + x3 4000 Con todas variables enteras y no negativas.

3. Escriba la importancia que tiene la investigacin de operaciones en su carrera profesional. La importancia es como las diferentes tcnicas de la investigacin de operaciones, nos ayudan en gran parte a la solucin de los problemas que uno como ingeniero debe enfrentar en los distintos mbitos de su trabajo. La aplicacin de la investigacin de operaciones de problemas de la industria actual resultaba cada vez ms fcil de manejar. Gracias a que en la actualidad podemos empezar a utilizar las diferentes investigaciones de operaciones. Aprovechando que estos avances trajeron consigo un sin fin de problemas que no se podan resolver por los medios convencionales existentes Permitir Fundamentar la comprensin, modelacin y resolucin de los problemas; propiciando el desarrollo de la capacidad analtica para la toma racional de decisiones Comprender y clasificar los problemas empresariales a los cuales se ven enfrentados los administradores en el da a da, Modelar y resolver problemas empresariales que conducen a sistemas de ecuaciones lineales e interpretar soluciones como base para la toma de decisiones. La vida profesional en cualquiera de los roles q asumamos al momento de empezar la vida laboral tendr una serie de problemas que en algunos casos no se podrn solucionar con la matemtica solamente por ello la programacin lineal ser una herramienta que nos llena del conocimiento necesario para afrontar esa situaciones que en la vida real podemos encontrar. Al formular, obtener y analizar soluciones a problemas de programacin lineal, en la industria y la ingeniera, optimizando los recursos disponibles y facilitando la toma de decisiones.

FASE II 1. Una empresa de confeccin donde se fabrican camisas y pantalones para hombre se realizan tres procesos que son confeccin para el cual se utiliza 3 horas para la fabricacin de una camisa y 5 horas para un pantaln el consumo total no debe superar 150 horas, en corte se utilizan 2 horas para camisas y 4 para pantalones no pueden superar 120 horas, en costura 3 horas para camisas y 6 para pantalones sin superar 80 horas. HORAS DISPONIBLES 150 120 80

PROCESO CONFECCION CORTE COSTURA VALOR POR PRODUCTO X= Camisas Y= Pantalones Maximizar la produccin

CAMISAS 3 2 3 $ 50

PANTALONES 5 4 6 $ 80

Z= $50 (X) + $80 (Y)

Restricciones CONFECCION CORTE COSTURA 3 X + 5 Y 150 2 X + 4 Y 120 3 X + 6 Y 80

2. Una empresa encargada de la produccin de golosinas como chocolates y ponqus realiza bsicamente 3 procesos principales: produccin, empaquetado y distribucin del producto, para cada proceso se tiene un lmite de tiempo para que sea una produccin eficaz:

Nombre del proceso Produccin Empaquetado Distribucin Valor por producto X = chocolates Y= ponqus

Chocolates 6 4 12 $ 1120

Ponqus 5 5 24 $ 2750

Horas disponibles 60 30 120

Maximizar la produccin Z = $1120 (X) + $2750 (Y)

Restricciones Produccin Empaquetado Distribucin 6x + 5y <= 60 4x + 5y <= 30 12x + 24y <= 120

3. La fbrica productora de balones deportivos DEPORBALON necesita entregar un pedido de balones de futbol y voleibol los cuales se realizan en tres procesos el primero es corte el cual emplea 3 horas por baln de futbol y 2 horas por baln de voleibol y para lo cual tiene un tiempo total de 100 horas, el segundo proceso es estampado el cual emplea 2 horas por baln de futbol y 3 horas por baln de voleibol y tiene un tiempo total de 80 horas, para terminar se realiza el proceso de perforacin para costuras el cual gasta 2 horas para cada baln y un tiempo total de 80 horas. El precio del baln de futbol es de $40000 y el de voleibol $ 30000.

Baln Futbol Baln voleibol Corte Estampado Perforacin para costura Precio producto 3 2 2 $ 40000 2 3 2 $ 30000

Horas disponibles 100 80 80

XBALON FUTBOL YBALON VOLEIBOL

Maximizar produccin Z= 40000X + 30000Y

RESTRICCIONES CORTE ESTAMPADO PERFORACION PARA COSTURA 3X + 2Y 100 2X + 3Y 80 2X +2Y 80

CONCLUSIONES

Terminado el trabajo tenemos la oportunidad de Interiorizar los conocimientos y obtenidos al estructuras los diferentes puntos del trabajo, particularmente el manejo de los modelos de programacin de gran importancia para nuestro desarrollo profesional. La actualidad y las decisiones tomadas en temas relacionados con la ingeniera industrial son de gran importancia para el desempeo profesional nuestro Este trabajo tambin nos da una idea clara del comportamiento de los diferentes modelas tanto determinstico como hibrido y estocstico.

BIBLIOGRAFIA

EDGAR MAURICIO ALBA VALCARCEL, Junio de 2010- MODULO DE PROGRAMACION LINEAL. http://student_star.galeon.com/ecuacio.html http://www.ejercitando.com.ar/probmate/ecua_abs_01.htm http://student_star.galeon.com/desigual.html http://www.ejercitando.com.ar/probmate/inecua01.htm