Documentos de Académico
Documentos de Profesional
Documentos de Cultura
ASIGNATURA:
INVESTIGACIN DE OPERACIONES I
PROFESOR:
TRABAJO:
ACTIVIDAD 1A
ELABORADO POR:
Fase Descripcin
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
Definicin del
sean controlables o no; determinar las restricciones del sistema. Tambin hay
Problema que tener en cuenta las alternativas posibles de decisin y las restricciones para
producir una solucin adecuada.
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
Solucin del
en el mundo real. Adems, para la solucin del modelo, se deben realizar anlisis
modelo 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.
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
Implementacin 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.
4. Indique cul de las fases consultadas considera es la ms importante. Justifique
su respuesta.
Obviamente cada fase tiene su peso especfico y su razn de ser, pero de tener que
elegir la ms importante me quedo con la construccin del modelo, ya que en esta
fase vamos a relacionar los datos pasados, el problema y los resultados esperados.
La determinacin de un mal modelo matemtico nos llevar a resultados errneos,
prdida de tiempo y prdidas econmicas. Esta fase sirve de eslabn entre el
problema y los procesos administrativos del mtodo matemtico.
Teora de colas o lneas de espera: estudia las llegadas aleatorias a una estacin de
servicio o proceso de capacidad limitada, los modelos le permiten a la gerencia
calcular a futuro las longitudes de las lneas de espera, el tiempo promedio gastado en
la lnea por una persona que espera el servicio y la necesidad de agregar estaciones
de servicio. Esta tcnica se estudia primeramente mediante el uso de frmulas y
posteriormente por simulacin con computadora.
7. De las tres aplicaciones indicadas en el inciso anterior indique si el modelo
utilizado es un modelo determinstico o probabilstico, si se trata de una tcnica
prescriptiva o una tcnica de optimizacin.
APLICACION MODELO
Modelos de Inventarios Modelo determinstico, tcnica de optimizacin
Pronsticos Modelo probabilstico, tcnica de optimizacin
Teora de Colas Modelo probabilstico, tcnica de optimizacin
SESION 2
CONCEPTO DESCRIPCION
Es una circunstancia en la que se genera un obstculo al curso
Problema normal de las cosas y que requiere una solucin.
Es una entidad material formada por componentes organizados que
interactan de forma en que las propiedades del conjunto no pueden
deducirse por completo de las propiedades de la partes. Existen tres
Sistema Real tipos de sistemas reales: abiertos (recibe flujos de su ambiente,
adaptando su comportamiento de acuerdo a esto), cerrados (slo
intercambia energa con su entorno) y aislados (no realiza ningn tipo
de intercambio con su entorno).
Forma parte del proceso de abstraccin del sistema real al modelo
cuantitativo (modelacin). Que se divide en la parte subjetiva y la
Sistema supuesto parte objetiva, la parte subjetiva consiste precisamente en la
definicin del sistema supuesto. Tambin es llamado sistema
simplificado
Un modelo de decisin debe considerarse como un vehculo para
resumir un problema de decisin en forma tal que haga posible la
identificacin y evaluacin sistemtica de todas las alternativas de
Modelo
decisin del problema. Despus se llega a una decisin
seleccionando la alternativa que se juzgue sea la mejor entre todas
las opciones disponibles.
Un objetivo es el fin ltimo al que se dirige una accin u operacin. Es
el resultado o sumatoria de una serie de metas y procesos. El objetivo
Objetivos 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.
Las restricciones son relaciones entre las variables de decisin y
magnitudes que dan sentido a la solucin del problema y las acotan
Restricciones a valores factibles. Por ejemplo si una de las variables de decisin
representa el nmero de empleados de un taller, es evidente que el
valor de esa variable no puede ser negativo.
CONCEPTO DESCRIPCION
Los datos son la representacin simblica, bien sea mediante nmeros
o letras de una recopilacin de informacin la cual puede ser cualitativa
Datos
o cuantitativa, que facilitan la deduccin de una investigacin o un
hecho.
Es la opcin que existe entre dos o ms cosas; es decir es cuando se
Alternativas tiene la posibilidad de poder seleccionar, preferir, optar, escoger o
elegir entre dos o varias cosas o situaciones diferentes.
Una decisin es una eleccin consciente y racional, orientada a
conseguir un objetivo, que se realiza entre diversas posibilidades de
actuacin (o alternativas). Antes de tomar una decisin deberemos
Decisiones
calcular cual ser el resultado de escoger una alternativa. En funcin
de las consecuencias previsibles para cada alternativa se tomar la
decisin.
Son incgnitas que deben ser determinadas a partir de la solucin del
Variables modelo.
Es el resultado final de un proceso que se viene ejecutando, la solucin
de algn evento en particular se da gracias a la competicin de los
fines por los que dicho evento dio inicio. Por lo general, las soluciones
son asociadas a respuestas positivas de situaciones que se presentan,
Solucin
sin embargo, una solucin puede ser producto de la utilizacin de
recursos de una entidad que afectan a un tercero, de manera pues que
la circunstancia puede llegar a ser solucin para unos y desventaja
para otros.
PASO DESCRIPCIN
Se incluyen los objetivos especficos de la firma y las partes de
Plantear el problema
esta que se deben estudiar antes de poder resolver el problema.
El investigador rene informacin para estimar el valor de
parmetros que afectan el problema de la empresa. Estas
Observar el sistema
estimaciones se usan para elaborar y evaluar un modelo
matemtico.
Formular un modelo En este paso el investigador elabora un modelo matemtico del
matemtico del problema problema
El investigador trata de determinar si el modelo matemtico
elaborado es una representacin exacta de la realidad. Por
Verificar el modelo y usar el
ejemplo, para validar el modelo se tendra que verificar y
modelo para predecir
observar si representa exactamente el rendimiento para valores
de las variables de decisin que no fueron usados para estimar.
Seleccionar una opcin Se selecciona ahora la opcin que cumple mejor con los
adecuada objetivos de la empresa (puede haber ms de una).
PASO DESCRIPCIN
El investigador presenta el modelo y las recomendaciones
surgidas en el paso anterior a la persona o al grupo que toma las
Presentar los resultados y
decisiones. En algunas situaciones, uno podr presentar varias
conclusin del estudio a la
opciones y dejar que la empresa seleccione la que mejor cumple
empresa
con sus necesidades. En caso de que la empresa no selecciones
ninguna solucin, deber regresar al paso 1,2 o 3.
Si la empresa acepta el estudio, entonces el analista ayuda a
poder en marcha las recomendaciones. Se debe monitorear de
Poner en marcha y evaluar las
forma continua el sistema, para tener la certeza de que las
recomendaciones
recomendaciones permiten que la empresa cumple con los
objetivos.
DIETA
El problema de la dieta fue uno de los primeros sobre optimizacin. George Joseph
Stigler plante, a finales de la dcada de los aos 30, el problema de rgimen alimenticio
ptimal para tratar de satisfacer la preocupacin del ejrcito americano por hallar la
manera ms econmica de alimentar a sus tropas asegurando al mismo tiempo unos
determinados requerimientos nutricionales.
Este tipo de problema se puede plantear en distintas formas tales como minimizar los
gastos de la compra, dieta para el ganado, una dieta adelgazante que cumpla unos
determinados niveles de caloras, protenas, hidratos de carbono, ...
Ejemplo
Se propone alimentar el ganado de una granja con la dieta ms econmica posible. Dicha
dieta debe contener cuatro tipos de nutrientes identificados como A, B, C, y D. Estos
componentes se encuentran en dos tipos de piensos M y N. La cantidad, en gramos, de
cada componente por kilo de estos piensos viene dada en la tabla siguiente:
La dieta diaria de un animal debe estar compuesta por al menos 0.4Kg del componente
A, 0.6Kg del componente B, 2Kg del componente C, y 1.7Kg del componente D. El
compuesto M cuesta 0.2/Kg y el compuesto N 0.08/Kg. Qu cantidades de piensos
M y N se deben adquirir para que el gasto en comida sea el menor posible?
Se pretende mezclar los tipos de pienso para obtener una dieta equilibrada que contenga
las cantidades diarias recomendadas de cada nutriente para los animales.
HORARIOS DE TRABAJO
EJEMPLO
Planteamiento
Sujeto a:
SOLUCIN:
X1 =6
X2 =5
X3 =0
X4 =7
X5 =1
X6=3
X7=1
Z =23
INTERPRETACIN
GASTOS DE CAPITAL
EJEMPLO
Star Oil dispone de 40 millones de dlares para invertir en el momento actual (tiempo 0);
estima que en un ao (tiempo 1) dispondr de 20 millones de dlares para invertir. Star
Oil puede comprar cualquier fraccin de cualquier inversin. En este caso, las salidas de
caja y los VAN se ajustan en forma correspondiente. Por ejemplo, si Star Oil comprara
una quinta parte de la inversin 3, entonces se necesitara de un desembolso en efectivo
de 1/5 (5) = 1 milln de dlares al tiempo 0, y un desembolso de 1/5 (5) = 1 millon de
dlares en el tiempo 1. La quinta parte de la inversin 3 produciria un VAN de 1/5 (16) =
3.2 millones de dlares. Star Oil quiere maximizar el VAN que se puede obtener mediante
las inversiones 1 a 5.
Formule una Programacin Lineal que ayude a alcanzar esta meta. Supngase que los
fondos no usados en el tiempo 0 no se pueden utilizar en el tiempo 1.
Star Oil tiene que determinar que fraccin de cada inversin hay que comprar. Definimos:
La meta de Star Oil es maximizar el VAN ganado por las inversiones. Ahora (VAN total)
= (VAN ganado por la inv. 1) + (VAN ganado por la inv. 2) + + (VAN ganado por la inv.
5). Obsrvese que:
Al aplicar un razonamiento similar a las inversiones 2 a 5, vemos que Star Oil quiere
maximizar:
MEZCLA
Las situaciones en las cuales varios insumos se deben mezclar en cierta proporcin para
producir bienes para la venta se pueden someter al anlisis de la programacin lineal.
Estos problemas reciben el nombre de problemas de mezcla.
EJEMPLO
Una compaa produce artculos de tres tipos, realizando las operaciones C,F, T. la
mquina de la operacin C cuesta $1500/hora de funcionamiento, la de la operacin F
cuesta $2400/hora y la de la operacin T cuesta$1200/hora.
El costo del material para una unidad del artculo 1 es $50, para una unidad del artculo
2 es de $80 y para una unidad del artculo 3 es de $140.Los precios de venta para los
artculos son respectivamente de $400, $420 y$500, la unidad. Los tiempos de proceso
requeridos por una unidad de cada tipo de material, se dan en la siguiente tabla:
La compaa necesita conocer cuantas unidades de cada tipo de artculo debe fabricar
en una hora, para obtener la mxima utilidad.
Inicialmente podemos elaborar unas tablas con los datos del problema, as:
Restricciones:
2,5X1 + 2,5X2 + 2,0X3 60
2,0X1 + 1,0X2 + 0,5X3 60
4,0X1 + 2,5X2 + 2,0X3 60
X1. X2, X3 0
Las restricciones se refieren a que una mquina no puede utilizarse durante una hora
por un tiempo total mayor que la hora. Es decir, el tiempo que una mquina dedique a la
produccin del artculo 1, ms el que dedique al artculo 2 ms el dedicado al artculo 3,
no puede exceder a una hora de capacidad, pues ese es el perodo de tiempo que se
tom como referencia.
PROCESO DE PRODUCCIN
Variables:
Pi: cantidad de artculos producidos en el mes i (ene, feb. mar).
IFi: unidades en el inventario final del mes i
Minimizar:
Z= 10(XE) + 9(XF) + 12(XM) costo de produccin+ 3(IFE + IFF + IFM) costo de
almacenamiento
Restricciones:
Capacidades de produccin por mes
-Enero: PE 20.000
-Febrero: PF 20.000
-Marzo: PM 20.000
Despachos comprometidos cada mes
-Enero: PE= 10.000 + IFE
-Febrero: IFE + PF= 30.000 + IFF
-Marzo: IFF + PM= 20.000 + 70
Capacidad de la bodega
-Enero: PE 22.000
-Febrero: IFE + PF 20.000
-Marzo: IFF + PM 22.000
Los problemas de este tipo tambin pueden modelarse de otra manera como lo sugiere
el siguiente grfico:
De esta forma el inventario final de cada mes est integrado por las cantidades
producidas ese mes con destino a los meses siguientes.
Minimizar:
Z= 10(X11 + X12 + X13) + 9(X22 + X23) + 13(X33+X34) + 3(X12 + X23 +X34) + 6(X13)
Ntese como los valores (X12 + X13 y X23 + X13) equivalen a los inventarios finales de
los meses de Enero y Febrero.
Restricciones:
Capacidades de produccin por mes
-Enero: X11 + X12 + X13 + X14 20.000
-Febrero: X22 + X23 + X24 20.000
-Marzo: X33 + X34 20.000