Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Contenido
1. INTRODUCCION................................................................................................4
2. OBJETIVOS........................................................................................................5
2.1. OBJETIVO GENERAL....................................................................................5
2.2. OBJETIVOS ESPECIFICOS...........................................................................5
3. Anlisis de sensibilidad en investigacin de operaciones..................................6
3.2 Importancia.......................................................................................................6
4. Cambios en los parmetros del modelo.............................................................7
4.2.1Cambio del coeficiente en la funcin objetivo de una variable no bsica.. 9
4.2.2 Cambio del coeficiente en la funcin objetivo de una variable bsica.......10
4.4. Cambio 4: Incorporacin de una nueva variable..................................12
5. Mtodo de transporte...........................................................................................14
ALGORITMO DE VOGEL....................................................................................14
5.1 Modelo del problema de asignacin..............................................................23
5.2 Procedimiento de solucin: MTODO HNGARO.......................................23
5.2.1 Algoritmo Hngaro:......................................................................................23
1. INTRODUCCION.
La investigacin de operaciones es una disciplina en donde se renen diferentes
ciencias como la economa, matemtica, informtica entre otras. Por tal motivo su
estudio puede realizarse de muy diferentes formas segn el aspecto que quiera
conocer, entre ellos el econmico.
Bajo un punto practico la investigacin representa simultneamente, el camino a
seguir para elaborar racionalmente una buena decisin, relativa a actividades
econmicas, y un cierto nmero de mtodos de optimizacin aplicaciones, en
contextos varios, que son propios de estas actividades.
Con el fin de adaptarse al ambiente de continuo cambio del mercado caracterizado
por ser cada da ms exigente, en cuanto a demanda y
calidad del
producto, la empresa debe optimizar sus operaciones esto a travs de la
solucin de problemas en la misma. Existen distintos enfoques para interpretar,
analizar y resolver los problemas de la compaa. Uno de ellos es la utilizacin de
la investigacin de operaciones que consiste en la optimizacin de recursos
limitados mediante tcnica de modelaje matemtico. En este trabajo
se
hablara del Modelo de Transporte, el Modelo de asignacin, el cual es un caso
especial del modelo de transporte, y el anlisis de sensibilidad; esto con el
fin de afianzar los conocimientos sobre los distintos modelos matemticos para
la solucin de problemas.
2. OBJETIVOS
2.1. OBJETIVO GENERAL
Desarrollar la capacidad como estudiantes de ingeniera qumica para poder
identificar, analizar, formular y resolver problemas de decisin que surjan en
sistemas reales, mediante el empleo de modelos matemticos.
2.2. OBJETIVOS ESPECIFICOS
Analizar y diagnosticar problemas complejos relativos al anlisis de
sensibilidad, el problema de transporte y el problema de asignacin.
Representar por medio de modelos matemtico-lgicos los problemas de
anlisis de sensibilidad, el problema de transporte y el problema de
asignacin.
Aplicar mtodos y algoritmos de solucin para cada uno de stos
problemas.
Emplear tcnicas de validacin de los modelos y sus soluciones, mediante
la crtica permanente frente a los resultados obtenidos.
cj
0
20
60
x1
60
0
0
1
60
0
x2
30
-2
-2
1,25
35
-5
x3
20
0
1
0
20
0
s1
0
1
0
0
0
0
s2
0
2
2
-0,5
10
-10
s3
0
-8
-4
1,5
10
-10
bi
24
8
2
280
ptimo actual. Slo puede ocurrir que la solucin actual deje de ser la ptima si c2
crece lo suficiente. Para determinar dicho valor, se incorpora explcitamente una
variacin al coeficiente c2. Como conclusin de esto, se obtiene que si el cambio
del coeficiente de una variable no basal es lo suficiente para alterar el ptimo, se
est trasladando el ptimo de un punto extremo a otro, en ningn caso se altera la
regin factible del problema.
4.2.2 Cambio del coeficiente en la funcin objetivo de una variable bsica.
El estudio de variaciones en coeficientes en la funcin objetivo de variables
bsicas sigue la misma lgica de la variacin de coeficientes en la funcin objetivo
de variables no bsicas. La idea es determinar cmo varan los cj zj de todas las
variables y obtener a partir de dichas modificaciones un rango en el cual la base
se ve inalterada.
Evidentemente, una modificacin de este tipo no afecta la regin factible y slo
puede cambiar la optimalidad de la solucin actual si la variacin es lo
suficientemente importante.
4.3. Supresin y adicin de restricciones
Para analizar la sensibilidad de la solucin ptima ante la disminucin o
incremento de restricciones deben, estudiarse por separado dos efectos de este
tipo de variabilidad.
Supresin de restricciones
Si se tiene un conjunto convexo o regin factible, pueden observarse claramente
los efectos cuando se suprime una o ms restricciones.
Si la restriccin que se debe suprimir es parte de las limitantes, puede suceder
que la solucin ptima se mantenga inalterable o se aumente su valor.
En el caso contrario, si se agrega una restriccin, puede suceder que la funcin
objetivo optima quede igual o se aumente su valor.
Para entender mejor estos casos se presenta el siguiente grfico, representativo
de un modelo de programacin lineal:
Caso 1: si se suprime las restricciones (1) y (6), la regin ABCD sigue siendo la
misma y, por consiguiente, la funcin objetivo no se altera. El punto extremo
optimo sigue siendo B.
Caso 2: suponga que se suprime la restriccin (3). En este caso la regin factible
esta bordeando el eje X, y la solucin ptima pasa a ser el punto C
10
11
12
5. Mtodo de transporte
El modelo de transporte es una clase especial de programacin lineal que tiene
que ver con transportar un artculo desde fuentes (es decir, fabricas) hasta sus
destinos (es decir, bodegas). El objetivo es determinar el programa de transporte
que minimice el costo total del transporte y que al mismo tiempo satisfaga los
lmites de oferta y la demanda. En el modelo se supone que el costo de transporte
es proporcional a la cantidad de unidades transportadas en determinadas rutas.
En general, se puede ampliar el modelo de transporte a otras reas de operacin,
entre otras el control de inventarios, programacin de empleos y asignacin de
personal. [4]
El mtodo de aproximacin de Vogel es un mtodo heurstico de resolucin de
problemas de transporte capaz de alcanzar una solucin bsica no artificial de
inicio, este modelo requiere de la realizacin de un nmero generalmente mayor
de iteraciones que los dems mtodos heursticos existentes con este fin, sin
embargo produce mejores resultados iniciales que los mismos.
ALGORITMO DE VOGEL
El mtodo consiste en la realizacin de un algoritmo que consta de 3 pasos
fundamentales y 1 ms que asegura el ciclo hasta la culminacin del mtodo.
PASO 1
Determinar para cada fila y columna una medida de penalizacin restando los dos
costos menores en filas y columnas.
PASO 2
Escoger la fila o columna con la mayor penalizacin, es decir que de la resta
realizada en el "Paso 1" se debe escoger el nmero mayor. En caso de haber
empate, se debe escoger arbitrariamente (a juicio personal).
PASO 3
De la fila o columna de mayor penalizacin determinada en el paso anterior
debemos de escoger la celda con el menor costo, y en esta asignar la mayor
cantidad posible de unidades. Una vez se realiza este paso una oferta o demanda
quedar satisfecha por ende se tachar la fila o columna, en caso de empate solo
se tachar 1, la restante quedar con oferta o demanda igual a cero (0).
PASO 4: DE CICLO Y EXCEPCIONES
- Si queda sin tachar exactamente una fila o columna con cero oferta o demanda,
detenerse.
13
- Si queda sin tachar una fila o columna con oferta o demanda positiva, determine
las variables bsicas en la fila o columna con el mtodo de costos mnimos,
detenerse.
- Si todas las filas y columnas que no se tacharon tienen cero oferta y demanda,
determine las variables bsicas cero por el mtodo del costo mnimo, detenerse.
- Si no se presenta ninguno de los casos anteriores vuelva al paso 1 hasta que las
ofertas y las demandas se hayan agotado. [5]
EL PROBLEMA
Una empresa energtica colombiana dispone de cuatro plantas de generacin
para satisfacer la demanda diaria elctrica en cuatro ciudades, Cali, Bogot,
Medelln y Barranquilla. Las plantas 1,2,3 y 4 pueden satisfacer 80, 30, 60 y 45
millones de KW al da respectivamente. Las necesidades de las ciudades de Cali,
Bogot, Medelln y Barranquilla son de 70, 40, 70 y 35 millones de Kw al da
respectivamente.
Los costos asociados al envo de suministro energtico por cada milln de KW
entre cada planta y cada ciudad son los registrados en la siguiente tabla.
Planta 1
Planta 2
Planta 3
Planta 4
Cali
5
3
6
4
Bogot
2
6
1
3
Medelln
7
6
2
6
barranquilla
3
1
4
6
14
Dado que la fila de la "Planta 3" ya ha asignado toda su capacidad (60 unidades)
esta debe desaparecer.
15
Cuadro solucin
16
17
Cuadro solucin
18
Cuadro solucin
Al finalizar esta iteracin podemos observar como el tabulado queda una fila sin
tachar y con valores positivos, por ende asignamos las variables bsicas y hemos
concluido el mtodo.
19
Ahora podemos observar como cada demanda es satisfactoria sin superar los
niveles establecidas por la oferta de cada planta.
Los costos asociados a la distribucin son:
20
5. Problema de asignacin
El problema de asignacin es un tipo especial de problema de programacin lineal
en el que los asignados son recursos destinados a la realizacin de tareas. Por
ejemplo, los asignados pueden ser empleados a quienes se tiene que dar trabajo.
La asignacin de personas a trabajos es una aplicacin comn del problema de
asignacin. Sin embargo, los asignados no tienen que ser personas. Tambin,
pueden ser mquinas, vehculos, plantas a los que se asignan tareas. Para que un
problema se ajuste a la definicin de problema de transporte se deben cumplir las
siguientes suposiciones:
1) El nmero de asignados es igual al nmero de tareas. (Este nmero se denota
por n).
2) Cada asignado se asigna a una tarea.
3) Cada tarea debe realizarla exactamente un asignado.
4) Existe un costo cij asociado con el asignado i (i = 1,2..., n) que realiza la tarea j
(j= 1,2...n).
5) El objetivo es determinar cmo deben hacerse la n asignaciones para minimizar
los costos totales.
Cualquier problema que satisface estas suposiciones puede resolverse en forma
extremadamente eficiente mediante los algoritmos diseados especialmente para
los problemas de asignacin.
21
Z = c ij x ij
i=1 j=1
Sujeta a:
x ij =1 ; para j=1,2, n
i=1
x ij 0; ( i, j)
Para resolver este tipo de problemas, se debe aplicar el siguiente algoritmo
denominado MTODO HNGARO.
5.2 Procedimiento de solucin: MTODO HNGARO
El mtodo Hngaro es un mtodo de optimizacin de problemas de asignacin,
recibe ste nombre gracias a que los primeros aportes al mtodo clsico definitivo
fueron de Dnes Knig y Jen Egervry dos matemticos hngaros. El algoritmo
tal como se detallar a continuacin est diseado para la resolucin de
problemas de minimizacin:
22
3
3
5
1
1
4
5
3
5
5
1
2
6
3
2
1
2
5
Personas
3
4
3
1
4
2
4
1
Tabla 4: encuentro del el menor elemento de cada fila.
5
3
5
5
Nmero
menor
2
1
1
1
Paso 2: Construimos una nueva matriz con las diferencias entre los valores de la
matriz original y el elemento menor de la fila a la cual corresponde.
Tareas
1
2
3
4
1
0
4
1
3
2
0
1
4
2
Personas
3
3
2
0
4
4
1
3
0
4
Tabla 5: matriz con las diferencias entre los valores de la matriz original y el
elemento menor de la fila a la cual corresponde.
Se puede observar que en cada regln aparece un cero; los valores distintos de
cero son los costos de oportunidad que resultaran al no asignar a la persona con
la mayor puntuacin al puesto ms adecuado. Hecho esto se procede a verificar si
existe solucin ptima para el problema. Cuando hay un solo cero en cada rengln
y columna, se tiene la mejor combinacin posible, en la matriz anterior no hay
ceros en las columnas 2 y 4, de manera tal que se debe continuar aplicando el
mtodo una vez ms por lo menos.
Paso 3: En la matriz construida en el paso anterior se procede a efectuar el paso 1
esta vez en relacin a las columnas, por ende escogemos el elemento menor de
cada columna. Igualmente construimos una nueva matriz con la diferencia entre
los valores de la matriz 2 y el elemento menor de la columna a la cual corresponde
cada valor.
Tareas
Personas
1
2
3
4
Nmero
menor
1
0
0
3
1
2
4
1
2
3
3
1
4
0
0
4
3
2
4
4
Tareas
24
1
2
1
0
3
2
0
0
Personas
3
3
1
4
1
2
Tabla 6: matriz con la diferencia entre los valores de la
menor de la columna a la cual corresponde cada valor.
3
1
4
0
0
matriz 2 y
4
1
0
2
2
el elemento
Las columnas 1 y 3 no han variado, ya que contenan ceros. Los ceros revelan
ahora los costos de oportunidad de las interacciones empleado puesto.
Se realizar entonces una nueva verificacin de la solucin ptima. De la matriz,se
observa que el empleado 2 tiene tres de los costos de oportunidad disponibles, por
lo tanto, se requiere otra operacin en la matriz.
Paso 4: En este paso trazaremos la menor cantidad de combinaciones de lneas
horizontales y verticales con el objetivo de cubrir todos los ceros de la matriz de
costos reducidos.
Tareas
1
2
3
4
1
0
3
1
1
2
0
0
4
0
Personas
3
3
1
0
2
4
1
2
0
2
Tabla 7: trazo de la menor cantidad de combinaciones de lneas horizontales y
verticales
Paso 5: En este paso seleccionamos el menor elemento de los elementos no
subrayados. Ese nmero se suma a todos los valores que se encuentran en las
intersecciones de las lneas y se resta de todos los numero no cruzados. En la
matriz anterior el nmero ms pequeo no cruzado es el 1, en las celdas del
empleado 1, puesto 4; y del empleado 3 puesto 2. Se suma al valor de cada celda
en la interseccin de lneas:
Empleado 2, puesto 1: 0 +1 = 1
Empleado 2, puesto 3: 4 + 1 = 5
Tareas
1
2
3
4
1
0
2
1
0
2
1
0
5
0
Personas
3
3
0
0
1
4
1
1
0
1
Tabla 8: seleccionamos el menor elemento de los elementos no subrayados.
Para hacer una rpida verificacin, la matriz se somete nuevamente al trazado de
lneas que crucen los ceros. En este caso vemos que no hay manera de cruzar
todos los ceros con menos de cuatro lneas rectas, por lo tanto se ha encontrado
25
26
RESUMEN
Este trabajo presenta un modelo matemtico para el problema de gestin de la
energa (EM) de una microrred (MG) por medio del enfoque de mtodos de
programacin lineal. En el problema de EM, el objetivo es determinar una
generacin y una poltica de demanda de carga controlable que minimice, en un
horizonte de planificacin, el costo de operacin sujetas a restricciones
econmicas y tcnicas. Proponemos un modelado detallado de micro turbinas
(MTs) y pilas de combustible (FC), donde las restricciones asociadas a factores
tales como las rampas, el mnimo, el tiempo de inactividad, y los lmites de
generacin, representan diversas peculiaridades. El modelo propuesto tambin
considera una oficial representacin detallada y cargas reprogramables, que son
aspectos importantes en el concepto MG. Para analizar el modelado propuesto, un
MG se utiliza junto con una MT, un FC, una batera de banco, el viento y
generadores fotovoltaicos conectados a la red principal. Los resultados indican
que el modelo es adecuado para la MG EM.
27
Autores:
David Corne a, Clarisse Dhaenens b, c, Laetitia Jourdan b,c.
Universidad Heriot-Watt, Escocia, Reino Unido.
Laboratorio de informtica fundamental Lille, UMR CNRS 8022, Cit Scientifique,
Btiment M3, 59655 Villeneuve d'Ascq Cedex, Francia c INRIA Lille Nord-Europa,
Parc Scientifique de la Haute Borne, 40 avenue Halley, 59650 Villeneuve d'Ascq,
Francia.
Historia del artculo
- Recibido: 23 de septiembre 2011
- Aceptado: 23 de marzo 2012
- Disponible: en lnea 30 de marzo 2012
-Lo ltimo: la investigacin de operaciones, los sistemas basados en el
conocimiento y en el descubrimiento de conocimientos de la optimizacin
multi-objetivo.
RESUMEN
La investigacin de operaciones y la minera de datos ya tienen una larga tradicin
historia comn. De hecho, con el tamao de las bases de datos y la cantidad de
datos disponibles creciente, la minera de datos se ha vuelto crucial en la
modernidad la ciencia y la industria. Problemas de minera de datos plantean retos
interesantes para varios campos de investigacin y en particular para la
investigacin de operaciones, ya que necesitan grandes espacios de bsqueda de
soluciones para ser explorado. Por lo tanto, se han propuesto muchos mtodos de
investigacin de operaciones para hacer frente a este tipo de problemas difciles.
Pero las relaciones entre estos dos dominios no se limitan a estas aplicaciones en
cuanto a los enfoques de investigacin de operaciones. Tambin es importante
tener en cuenta, que los enfoques de minera de datos tambin se han aplicado
para mejorar las tcnicas de la investigacin de operaciones. El objetivo de este
artculo es poner de relieve la interaccin entre estas dos disciplinas de
investigacin. Un especial nfasis se colocar en el emergente tema de la
aplicacin de enfoques multi-objetivo.
28
Bibliografas
[1] Gomlolln Flix Alonso, Ejercicios de operacin de investigaciones, editorial
ESIC, Madrid, 1996, Pg. 56.
[2] Gonzales Ariza ngel Len, Manual de Investigacin de
editorial Uninorte, Barranquilla 2003, Pg. 149-166.
Operaciones 1,
[3] http://www.inf.utfsm.cl/~esaez/fio/s2_2003/apuntes/sensibilidad-2003-2.pdf
[4] A. Taha Hamdy, Investigacin de Operaciones sptima edicin, editorial
Pearson, Mexico, 2004, Pg.165.
[5]
http://www.ingenieriaindustrialonline.com/herramientas-para-el-ingenieroindustrial/investigaci%C3%B3n-de-operaciones/m%C3%A9todo-de-aproximaci
%C3%B3n-de-vogel/
HAMDY A. TAH. Investigacin de operaciones. Novena edicin. PEARSON
EDUCACIN, Mxico, 2012. ISBN: 978-607-32-0796-6. Pgina 200.
29