Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Estudiantes:
Gutierrez Colorado, Elvis Anibal
Docente:
Ing. Laura Sofa Bazn Daz
Curso :
OPSIM Optimizacin y Simulacin
EMPRESA:
Informtica Corporativa JS E.I.R.L.
Fecha 30/05/2017
INDICE
INTRODUCCION __________________________________________________________ 3
OBJETIVOS ___________________________________________________________________ 3
MARCO TEORICO _________________________________________________________ 3
MODELOS DE OPTIMIZACION ____________________________________________________ 4
IMPLEMENTACION DE MODELO DE OPTIMIZACION _____________________________ 4
DESARROLLO DEL MODELO: _____________________________________________________ 4
CONCLUSIONES DE Y COMENDACIONES _______________________________________ 4
INTRODUCCION
La relevancia de los problemas de optimizacin en el mundo empresarial ha generado la Introduccin
de herramientas de optimizacin cada vez ms sofisticadas en las ltimas versiones de las hojas de
clculo de utilizacin generalizada. Estas utilidades, conocidas habitualmente como solvers,
constituyen una alternativa a los programas especializados de optimizacin cuando no se trata de
problemas de gran escala, presentado la ventaja de su facilidad de uso y de comunicacin con el
usuario final. Los mtodo de optimizacin que se aplicara en la empresa que cuenta con problemas
de optimizacin estarn descritas en los siguientes prrafos: Programacion Lineal, entera, no lineal,
mtodo de transporte, programacin dinmica.
OBJETIVOS
Identificar problemas de optimacin en el funcionamiento de la empresa.
MARCO TEORICO
Optimizacin
La palabra optimizacin es utilizada para que una tarea se realice de forma rpida. Dicha
optimizacin se realiza con respecto a uno o ms recursos.
Recursos
Es todo aquello productivo, necesario para realizar una actividad por ejemplo: mano de obra,
equipos y herramientas.
Entonces podemos definir como optimizacin de recursos como una de la mejor forma de realizar
una actividad con ayuda de la utilizacin con el mnimo de recursos. Que tendr como objetivo,
tratar y adecuar los recursos disponibles, de forma que se asegure una correcta utilizacin del
recurso al igual que mejorar su eficacia.3
Para esto se debe tomar en cuanta una metodologa como por ejemplo:
El aumento de productividad
Reducir costos
La optimizacin de los recursos tiene que ver principalmente con la eficiencia, es decir que se
utilicen los recursos de le mejor manera posible, en el que se espera obtener mayores beneficios
con un mnimo de costos. Tanto la eficiencia y la eficacia son muy importante ya que estn
relacionadas adems de que hacen nfasis en los resultados, objetivos as como la creacin de los
valores. Por lo tanto para optimizar recursos no deber ser nicamente eficiente sino tambin
eficaz.
MODELOS DE OPTIMIZACION
CONCLUSIONES DE Y COMENDACIONES
LIMITACIONES, EFICIENCIA Y OBSERVACIONES SOBRE LA UTILIZACIN
Aunque no presente la estructura que hemos propuesto en los epgrafes anteriores, se puede
optimizar una hoja de trabajo con el solver tanto si el modelo es lineal como no. Si no se
ajusta a dicha estructura, no suele ser fcil detectar si el modelo es lineal, y por tanto no se
conoce la tcnica a utilizar para su optimizacin. En este caso, resulta adecuado sealar la
opcin Asumir modelo lineal ya que as se llevar a cabo un test de linealidad que nos
que como consecuencia no pueden ser tratadas por el solver. Una lista parcial de dichas
funciones, que deben ser evitadas en la formulacin de modelos a optimizar, incluye: ABS,
MIN, MAX, ENTERO, REDONDEAR, SI, ELEGIR, CONTAR. En caso de duda sobre la
valores considerado.
Aunque la parte derecha de las restricciones puede ser cualquier expresin numrica, para
evitar posibles errores es adecuado utilizar siempre constantes, o referencias a celdas que
parte izquierda.
decisin y la parte derecha una constante, tratando a las mismas como cotas superiores o
No existen diferencias en trminos de eficiencia entre una restriccin del tipo A1<=10
A1<=A2 donde A2 contiene el valor 10, dado que reconoce a la celda A2 como una
Las frmulas introducidas en la parte derecha de las restricciones (incluso expresiones con
constantes como 2+1) incrementan los tiempos de solucin del modelo. En este caso, el
programa crea internamente una nueva restriccin en la que pasa la parte derecha a la parte
restriccin. En ese caso, la hoja de trabajo ya habr analizado esa expresin en la celda
La versin estndar del Solver que viene incorporada en la Excel 97 existe un lmite de
200 variables de decisin en las celdas cambiantes. En funcin del tipo de modelo tambin
10
Debido a las limitaciones de la versin estndar existen disponibles versiones con mayor
capacidad, incluso para programas de gran tamao. Sus caractersticas se pueden contrastar
opcin especial para programacin cuadrtica, y que permiten la escala automtica tambin
en los programas lineales. Por otra parte, su velocidad de ejecucin multiplica por cien la
capacidad estndar, los test de linealidad indican donde se quiebra dicha condicin, poseen
Por defecto, la opcin Asumir modelo lineal no est sealada, por lo que el mtodo de
optimizacin utilizado ser el GRG. Si bien esto puede permitir llegar a la solucin de un
programa lineal, siempre ser ms rpido y seguro su resolucin por el mtodo simplex.
Por tanto, se deber ejecutar siempre dicha opcin ya que, por otra parte, ello supone que
En el proceso de solucin, el Solver ajusta slo los valores de las variables de decisin,
permaneciendo constantes las celdas que no dependen de dichos valores. Dado que Excel
97 realiza un chequeo previo para conocer qu celdas tendrn cambios, se pueden lograr
ahorros de tiempo si se eliminan celdas que no tienen relacin directa con el programa. Una
opcin puede ser la de copiar el modelo en otra hoja, sin referencias de celdas ni hojas. Este
REFERENCIAS BIBLIOGRFICAS
ABADIE, J.(1978): The GRG Method for Nonlinear Programming en Greenberg, H.J.(Ed),
Design and Implementation of Optimization Software, Sijthoff and Noordhoof, pp. 325-363.
GOULD, F.J., G.D. EPPEN y C.P.SCHMIDT (1992): Investigacin de operaciones en la
ciencia administrativa. Prentice-Hall. Mxico.
LASDON, L.S. y A.D. WAREN(1978): Generalized Reduced Gradient Software for Linearly
and Nonlinearly Constrained Problems en Greenberg, H.J.(Ed), Design and Implementation of
Optimization Software, Sijthoff and Noordhoof, pp. 363-397.
LASDON, L.S., A.D. WAREN, A. JAIN y M. RATNER(1978): Design and Testing of a
Generalized Reduced Gradient Code for Nonlinear Constrained Programming, ACM
Transactions on Mathematical Software, vol. 4, pp. 34-50.
PLANE, D.R.(1994): Management Science. A spreadsheet Aproach. Body and Fraser. Danvers
(Massachussetts).
ROS, S. (1988): Investigacin operativa. Centro de Estudios Ramn Areces. Madrid.