Documentos de Académico
Documentos de Profesional
Documentos de Cultura
de
Murcia
Facultad
de
Economa
y
Empresa
Sebastin
Soler
Morales
Trabajo
Fin
de
Grado
en
Administracin
y
Direccin
de
Empresas
Curso
2013-2014
UNIVERSIDAD
DE
MURCIA
Programacin
Multiobjetivo:
Caso
prctico
aplicado
a
una
compaa
area
RESUMEN ....................................................................................................................... 3
1 INTRODUCCIN..................................................................................................... 4
2 APLICACIN A UNA COMPAA AREA ....................................................... 6
2.1 Ofertas .................................................................................................................................. 6
2.1.1 Airbus ............................................................................................................................ 7
2.1.2 Boeing............................................................................................................................ 8
3 RESTRICCIONES .................................................................................................... 8
4 FORMULACIN DEL PROBLEMA .................................................................... 9
4.1 Planteamiento de las Restricciones ...................................................................................... 9
4.2 Planteamiento de los Objetivos .......................................................................................... 11
4.3 Presentacin del problema matemtico .............................................................................. 12
5 RESOLUCIN ........................................................................................................ 12
5.1 Soluciones factibles ............................................................................................................ 13
5.1.1 Maximizacin del Beneficio ........................................................................................ 14
5.1.2 Minimizacin del Consumo ......................................................................................... 16
5.1.3 Soluciones eficientes y soluciones ptimas ................................................................. 18
5.2 Tcnicas Generadoras. ........................................................................................................ 21
5.2.1 Mtodo de las ponderaciones ...................................................................................... 21
5.2.2 Mtodo de la restriccin ............................................................................................. 23
5.3 Programacin por Metas..................................................................................................... 25
6 CONCLUSIONES ................................................................................................... 28
7 REFERENCIAS BIBLIOGRFICAS .................................................................. 30
8 SUMMARY ............................................................................................................. 31
8.1 Approaching the problem. .................................................................................................. 31
8.2 Solving the problem ........................................................................................................... 32
8.3 Final thoughts. .................................................................................................................... 33
2
UNIVERSIDAD
DE
Programacin
Multiobjetivo:
Caso
prctico
aplicado
a
una
compaa
area
MURCIA
RESUMEN
3
UNIVERSIDAD
DE
MURCIA
Programacin
Multiobjetivo:
Caso
prctico
aplicado
a
una
compaa
area
1 INTRODUCCIN
4
UNIVERSIDAD
DE
Programacin
Multiobjetivo:
Caso
prctico
aplicado
a
una
compaa
area
MURCIA
5
UNIVERSIDAD
DE
MURCIA
Programacin
Multiobjetivo:
Caso
prctico
aplicado
a
una
compaa
area
2.1 Ofertas
6
UNIVERSIDAD
DE
Programacin
Multiobjetivo:
Caso
prctico
aplicado
a
una
compaa
area
MURCIA
2.1.1 Airbus
1
Datos extrados de http://www.airbus.com/aircraftfamilies/passengeraircraft/a330family/a330-
300/specifications/ y adaptados a nuestro caso.
7
UNIVERSIDAD
DE
MURCIA
Programacin
Multiobjetivo:
Caso
prctico
aplicado
a
una
compaa
area
2.1.2 Boeing
3 RESTRICCIONES
2
Datos extrados de http://www.boeing.es/Productos-y-Servicios/Commercial-Airplanes/787 y adaptados
a nuestro caso.
3
Fuente Expansin.com http://www.expansion.com/2010/10/07/empresas/transporte/1286446159.html
8
UNIVERSIDAD
DE
Programacin
Multiobjetivo:
Caso
prctico
aplicado
a
una
compaa
area
MURCIA
A continuacin se muestra una tabla con el resumen de los datos tcnicos de ambos
modelos. Como podemos observar, el A330, pese a tener una capacidad mayor que el
Boeing, presenta un coste de mantenimiento, consumo y coste de adquisicin ms
elevados. Por el contrario, el 787 tiene un menor consumo, pero an as posee un
alcance mayor.
4
Fuente Wikipedia: http://es.wikipedia.org/wiki/Airbus_Group
5
Suponemos que los costes se han tomado en base a la experiencia de la empresa. En ellos se incluyen
gastos de catering a bordo, gastos de personal y seguro de accidentes.
9
UNIVERSIDAD
DE
MURCIA
Programacin
Multiobjetivo:
Caso
prctico
aplicado
a
una
compaa
area
Siendo:
En nuestro problema:
D1 = 1.350.000.000
A1 = 225.000.000
A2 = 180.000.000
a, b son las variables.
Sustituyendo tenemos
. . + . . . . .
Restriccin 3: El nmero de viajes que la empresa calcula que debe realizar para
satisfacer la demanda debe ser superior a U viajes diarios:
! + !
Donde:
V1y V2 es el nmero de viajes diarios que puede realizar el modelo a y el
modelo b, respectivamente.
U es el nmero de viajes diarios que debe hacer la empresa.
10
UNIVERSIDAD
DE
Programacin
Multiobjetivo:
Caso
prctico
aplicado
a
una
compaa
area
MURCIA
Nosotros tenemos
V1 = 2
V2 = 3
U = 10
+
de los cuales para obtener el beneficio hay que minorar los costes operativos:
+ + [ + ]
Siendo:
t1, t2, el nmero de pasajeros en clase turista transportados en el modelo Airbus
y Boeing, respectivamente.
bs1, bs2,el nmero de pasajeros en clase business transportados en el modelo
Airbus y Boeing, respectivamente.
P1 y P2 el precio unitario de cada billete segn la clase:
Para el establecimiento del precio unitario de cada pasaje, la empresa ha
determinado que este se calcule incrementando un 35% en base a la media del coste
segn la clase:
460 + 336
! = 135% = 537,3
2
200 + 208
! = 135% = 275,4
2
11
UNIVERSIDAD
DE
MURCIA
Programacin
Multiobjetivo:
Caso
prctico
aplicado
a
una
compaa
area
=
= ! ! + ! ! + ! ! + ! !
!" ! + !" ! + [!" ! + !! ! ]
+ + [( + ) ]
Siendo:
t1, t2 e bs1, bs2 el nmero de pasajeros transportados en cada avin segn la clase.
c1 y c2 el consumo por pasajero expresado en litros por cada 100 kilmetros.
a y b el nmero de aviones Airbus y Boeing respectivamente adquiridos por la
empresa.
.
. . + . . . . .
+
5 RESOLUCIN
Comenzaremos la resolucin del problema buscando las soluciones factibles que tendr
el problema. De entre todas estas soluciones factibles, comenzaremos buscando las
12
UNIVERSIDAD
DE
Programacin
Multiobjetivo:
Caso
prctico
aplicado
a
una
compaa
area
MURCIA
soluciones ptimas de cada problema por separado. Esto es posible, ya que cada
problema es un problema de programacin lineal. Segn Sydsaeter & Hammond (1996)
Programacin Lineal es el nombre que se usa para los problemas en los que el objetivo
es maximizar (o minimizar) una funcin lineal sujeta a restricciones en forma de
desigualdades lineales. Los pasos para la construccin de un modelo de programacin
matemtica, pasan por determinar las variables de decisin, formular las restricciones, y
formular la funcin objetivo (Ortiz Barrios, M.A., 2013). De esta forma nos iremos
acercando paulatinamente a la solucin ptima, segn el mtodo que usemos.
Al tratarse de un problema de programacin lineal, el mximo se encontrar en el
vrtice que tenga mayor valor, y en caso de ser un mnimo, estar en el vrtice de la
recta que tenga menor valor.
13
UNIVERSIDAD
DE
MURCIA
Programacin
Multiobjetivo:
Caso
prctico
aplicado
a
una
compaa
area
14
UNIVERSIDAD
DE
Programacin
Multiobjetivo:
Caso
prctico
aplicado
a
una
compaa
area
MURCIA
Figura 2.
Figura 3.
15
UNIVERSIDAD
DE
MURCIA
Programacin
Multiobjetivo:
Caso
prctico
aplicado
a
una
compaa
area
Figura 4.
Tal y como muestran las Figuras 3 y 4, el punto donde se consigue el mximo beneficio
estara en el vrtice ! = (2,5). El beneficio en dicho punto sera de:
16
UNIVERSIDAD
DE
Programacin
Multiobjetivo:
Caso
prctico
aplicado
a
una
compaa
area
MURCIA
Figura 5.
Figura 6.
17
UNIVERSIDAD
DE
MURCIA
Programacin
Multiobjetivo:
Caso
prctico
aplicado
a
una
compaa
area
En la Figura 6 se muestran las curvas de nivel, las cuales pasan por (5,0) y (2,2).
Comprobamos como la curva de nivel en (2,2) cumple la condicin de mnimo.
Para ese punto ! = (2,2) obtenemos un consumo igual a 31,85 litros/km para
los 4 aviones comprados.
2,9 2,3
= 335 2 + 270 2
100 100
= 19,43 + 12,42
= , /
Entendemos como solucin eficiente, aquella que, si bien no cumple el requisito de ser
la ptima, se considera aceptable dado el cumplimiento de los objetivos. Segn Guerras,
L. A. (1989) [] una asignacin no ser Pareto-ptima si se puede aumentar la
utilidad de alguien sin reducir la de los dems. En nuestra resolucin por separado,
podemos distinguir dos soluciones, atendiendo a la definicin anterior.
Resolviendo el problema de maximizacin del beneficio, la solucin ptima
pasara por 2 aviones modelo Airbus, y 5 aviones modelo Boeing. Con esta situacin, el
beneficio que obtendramos sera como hemos visto de 161.783, mientras que el
consumo pasara a ser de 50,48 litros/km.
Atendiendo al problema de minimizacin del consumo, el nmero de aviones
Airbus que se debera comprar es de 2 unidades, siendo igualmente 2 la cantidad a
comprar del modelo de Boeing, siendo sta la solucin ptima. En este caso, el
beneficio sera menor, al ser inferior el nmero de aviones comprados, siendo de
95.138. El consumo sera de 31,85 litros/km, en el conjunto de los 4 aviones. A
continuacin se muestra la Matriz de Pagos para las soluciones ptimas
18
UNIVERSIDAD
DE
Programacin
Multiobjetivo:
Caso
prctico
aplicado
a
una
compaa
area
MURCIA
Figura 7.
19
UNIVERSIDAD
DE
MURCIA
Programacin
Multiobjetivo:
Caso
prctico
aplicado
a
una
compaa
area
Como se observa, los puntos (2,5) y (2,2) corresponden a las soluciones ptimas, al
mismo tiempo que son eficientes. Estos puntos son eficientes porque no existe otra
solucin que mejore a estas en trminos de beneficio y consumo a la vez. Si bien, s
existiran soluciones que obtienen un mayor beneficio, incurriendo asimismo en un
mayor consumo. Estas soluciones pueden ser mostradas de forma grfica
Figura 8.
20
UNIVERSIDAD
DE
Programacin
Multiobjetivo:
Caso
prctico
aplicado
a
una
compaa
area
MURCIA
Figura 9.
6
Analista es, segn Guerra, L.A. (1989) quien proporciona informacin al decisor sobre la estructura
del problema sobre el que se trata de decidir, adems de incorporar al modelo la informacin subjetiva
que le aporte el decisor.
7
Decisor, segn Chankong & Haimes (citado por Guerra, L.A. (1989)) es un individuo o grupo de
individuos que directa o indirectamente proporciona el juicio de valor final que puede ser usado para
jerarquizar las alternativas disponibles para que pueda ser identificada la mejor eleccin.
21
UNIVERSIDAD
DE
MURCIA
Programacin
Multiobjetivo:
Caso
prctico
aplicado
a
una
compaa
area
cada una de esas funciones. Esta ponderacin tiene un carcter subjetivo, y corresponde
la eleccin de los valores al analista, el cual debe estudiar detenidamente las
consecuencias de establecer esa valoracin. Segn Romero (1996), por medio de la
parametrizacin de los pesos asociados a los objetivos se va aproximando el conjunto
eficiente o conjunto de soluciones Pareto ptimas (p. 38). Tras realizar esta
ponderacin, se resuelve el problema monoobjetivo resultante.
En esta tcnica, debemos tener en cuenta las unidades, ya que en nuestro caso, al
ser conceptos tan distintos, convendra adems normalizarlas. Por ello, en la funcin
beneficio, los valores estarn dados en miles de euros, de forma que ambas funciones se
muevan en unos unidades similares. Nuestro problema ponderado es:
max 25,354 + 22,215 + (1 )(9,715 6,21)
. 2
225.000.000 + 180.000.000 1.350.000.000
2 + 3 10
[0,1]
22
UNIVERSIDAD
DE
Programacin
Multiobjetivo:
Caso
prctico
aplicado
a
una
compaa
area
MURCIA
8
Este valor ha sido tomado de forma que las soluciones obtenidas sean coherentes. El propsito es
asegurar que la empresa tiene una estimacin mxima de consumo.
23
UNIVERSIDAD
DE
MURCIA
Programacin
Multiobjetivo:
Caso
prctico
aplicado
a
una
compaa
area
Figura 10.
Por lo que el Beneficio ahora estar sobre el rea roja, que es la que viene
delimitada por las restricciones, incluida la del consumo.
Figura 11.
24
UNIVERSIDAD
DE
Programacin
Multiobjetivo:
Caso
prctico
aplicado
a
una
compaa
area
MURCIA
25
UNIVERSIDAD
DE
MURCIA
Programacin
Multiobjetivo:
Caso
prctico
aplicado
a
una
compaa
area
9
http://www.lindo.com/
26
UNIVERSIDAD
DE
Programacin
Multiobjetivo:
Caso
prctico
aplicado
a
una
compaa
area
MURCIA
1) 0.0000000E+00
NO. ITERATIONS= 2
segn esto, el punto ptimo estara en (2,410), el cual podemos afirmar que se trata de
una solucin vlida, puesto que ! = 0.
Al cumplirse las dos metas, podemos confirmar que nuestra solucin al
problema mediante el mtodo de programacin por metas lexicogrficas se encontrar
en el punto (2,4). En este punto, obtendremos un beneficio de 140.00011 , reafirmando
que la primera meta se cumple, ya que se estableci que ese deba ser el valor mnimo.
El consumo, por su parte, ser de 43,19 l/km, confirmando tambin que la
segunda meta tambin se cumple, ya que no sobrepasa los 47 l/km que impusimos como
mximo.
10
La solucin exacta es 4019446, pero al tratarse de una limitacin del programa no poder establecer
nmeros enteros como restriccin, se ha procedido a su redondeo a la baja.
11
El redondeo del valor de b provoca que el beneficio real sea de139.569 .
27
UNIVERSIDAD
DE
MURCIA
Programacin
Multiobjetivo:
Caso
prctico
aplicado
a
una
compaa
area
Figura 12.
6 CONCLUSIONES
28
UNIVERSIDAD
DE
Programacin
Multiobjetivo:
Caso
prctico
aplicado
a
una
compaa
area
MURCIA
Es por ello que se han aplicado seguidamente las Tcnicas Generadoras. A travs
de ellas, hemos recreado un conjunto de soluciones eficientes. El Mtodo de las
Ponderaciones nos ha permitido realizar una simulacin dotando a cada funcin de un
peso relativo dentro del problema multiobjetivo, para cada caso. Esto nos ha permitido
comprobar que, dependiendo de las preferencias del decisor, se puede llegar a conseguir
un resultado u otro, en base a las ponderaciones que se establezcan. Con el Mtodo de
las Restricciones, se ha concluido que, mediante la conversin de una funcin objetivo
en restriccin, se puede llegar igualmente a conseguir el conjunto de soluciones
eficientes, estableciendo cotas a aquellas restricciones.
Finalmente, con el Mtodo de Programacin por Metas, el ms complejo, se nos ha
permitido llegar a una solucin satisfactoria, en el que a travs de unas preferencias del
decisor, se ha llegado a una solucin que, si bien no cumple con el ptimo
estrictamente, si se ajustan perfectamente a las preferencias que el decisor pueda tener,
lo que permite una gran flexibilidad y la posibilidad de establecer multitud de
simulaciones en base a diferentes entornos y panoramas.
Por tanto, se ha querido demostrar la aplicacin real de una serie de tcnicas, en el
entorno empresarial, mediante unos datos que en cualquier caso pueden ser tomados y
adaptado en base a una realidad por parte de decisores y analistas con suficiente acceso
a informacin interna, que permita la toma de decisiones con un menor nivel de riesgo,
y un mayor ndice de xito.
La conclusin global que podemos extraer es que, si bien existe un conjunto de
tcnicas que permiten asistir a la toma de decisiones, en todas ellas entra en juego las
preferencias humanas como factor variable en las soluciones. Esto es as debido a la
cantidad de variables a tener en cuenta, mxime en un entorno empresarial, en el que
resulta imposible tcnicamente tener todas las variables parametrizadas. Es por ello, que
si bien se pueden modelizar algunas, siempre debe haber un toque humano que permita
introducir esas variables en los modelos, usualmente desde una perspectiva subjetiva.
29
UNIVERSIDAD
DE
MURCIA
Programacin
Multiobjetivo:
Caso
prctico
aplicado
a
una
compaa
area
7 REFERENCIAS BIBLIOGRFICAS
Caballero, R., Gmez, T., Gonzlez, A., Muoz, MM., Rey L., Ruiz F., Triguero, F.
(1997). Programacin matemtica para economistas. Universidad de
Mlaga/Manuales.
Caballero, R. & Hernndez, M. (2010). Resolution of the linear fractional goal
programming problem. Rect@: Revista Electrnica de Comunicaciones y
Trabajos de ASEPUMA, N. 11, 2010, 27-40.
Corominas, A., Bautista, J., Oliva, J. (1985). Planificaci de la capacitat i programaci
de la produccin duna empresa cervesera mitjaant la programaci lineal.
Questii: Quaderns d'Estadstica, Sistemes, Informatica i Investigaci Operativa,
Vol.9 (4), 1985, 267-274.
Guerras, L.A. (1989). Gestin de Empresas y Programacin Multicriterio. ESIC
Editorial.
Ortiz Barrios, M.A. (2013). Teora de restricciones y modelacin PL como herramientas
de decisin estratgica para el incremento de la productividad en la lnea de
toallas de una compaa del sector textil y de confecciones. Prospectiva. Vol.11,
N 1, Enero Junio 2013, 21-29.
Sydsaeter, K. & Hammond, P. (1996). Matemticas para el anlisis econmico.
Prentice Hall. Madrid.
30
UNIVERSIDAD
DE
Programacin
Multiobjetivo:
Caso
prctico
aplicado
a
una
compaa
area
MURCIA
8 SUMMARY
Decision are taken every day by everyone. From choosing the clothes wearing, to
choosing where will you live. All those decision should be taken following a methodic
process. In our problem, we show a multiobjective problem, in which we should resolve
it, throught some technics, in order to get the optimal solution.
At first, well resolve the problems one by one, in order to get the optimal solutions
for each problem. After that, well apply some methods that will help us getting the
better solution considering both objetive functions Finally, will show some thoughts
about the problem.
31
UNIVERSIDAD
DE
MURCIA
Programacin
Multiobjetivo:
Caso
prctico
aplicado
a
una
compaa
area
about 2,3 liters for passenger each 100 kms. This plane could do 3 trips a day, due its
low manteinance. The complete specification for each model is shown in Tabla 1. In
our problem, well name a the number of Airbus model that our company will consider
buying, and b the number of Boeing planes that our company want to buy. Next, well
show the analitic problem, considering the previous:
= . + .
, ,
= +
subject to
. . + . . . . .
+
At first, well resolve each problem individually. Having the restriction represented in
the graphic, as shown in Figura ., we have four extreme points. Inside this area well
have the solution to the problem. But that not means that is the optimal solution. All the
points contained in this area are called feasible points.
Maximizing the profit, as shown in Figura 4, we have that the optimal solution
will be at point ! = (2,5) , becoming the profit 161.783. Minimizing the
consumption, well have the minimum at point ! = (2,2), having a consumption of
31,85 litres/km for the four planes bought. At Tabla 2, we would see the payoff,
showing the different results considering each objetive. We should realise that the
optimal points obtained refers to each problem solved individually.
Later, we applied Generation Techniques. This method treats to generate efficient
solution to the problem. Inside this techniques, is contained the Ponderation Method,
whereby we weight the objective, establishing a ponderation between them.
At Tabla 4, we established weights, from = 0 to = 1. We had that switching
from =0,2 to = 0,3 , the solution changed from (2,2) to (2,5). That means that
giving the profit objective more importance, well get a bigger profit, increasing the
consumption, and vice versa.
The Restrictions Method transforms one of the objective into a restriction. In our
problem, at first, we stated that the consumption shouldnt be upper than 38 l/km,
32
UNIVERSIDAD
DE
Programacin
Multiobjetivo:
Caso
prctico
aplicado
a
una
compaa
area
MURCIA
becoming the consumption objective into a restriction. The efficient solution in this case
is the point (2,4).
At least, we applied the most complete method, the Goal Programming, whereby
well obtain an optimal solution if it accomplishes the goal we want. In this method, we
introduce two variables, that will determine the degree of excess or deficiency in that
goal, if applied. As said by Caballero, R. & Hernndez, M. (2010),in goal
programming (GP) problems it is assumed that the decision-maker gives up
optimization while he/she establishes target values for each objective. When the levels
are verified, the expectations or desires of the decision-maker are satisfied.
At first, we establish that our company would earn, at least, 140.000. Thats our
first goal. Relying in the optimization program LINDO, we had that this first goal is
fulfilled. Also, we assume that the consumption shouldnt be upper than 47 l/km, that
was also a fulfilled goal. Considering that, we had that the optimal point is (2,4), having
a profit of 140.000 and a consumption of 43,19l/km. At Figura 12 are shown
graphically the solutions.
33