Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Itca
Itca
Industrial
I. T. de Cerro Azul
Tecnológico de Monterrey
Introducción
Historia
Historia
Historia
Definiciones
Investigación de Operaciones
Es la toma de decisiones cientı́ficas para el diseño y la operación de
sistemas hombre-máquina, usualmente bajo condiciones que requieren la
asignación de recursos escasos.
Definiciones
Investigación de Operaciones
Es la toma de decisiones cientı́ficas para el diseño y la operación de
sistemas hombre-máquina, usualmente bajo condiciones que requieren la
asignación de recursos escasos.
Definiciones
y = 0.987x − 0.992
x = 0.889y + 1.556
Definiciones
x = 0.889y + 1.556
Tipos de modelos:
1 Modelos de inventario.
3 Modelos de reemplazo.
4 Modelos de mantenimiento.
5 Modelos de asignación de
recursos.
6 Modelos de competencia.
Programación Lineal
La programación lineal es una de las técnicas cuantitativas utilizadas por la
IO, la cual se emplea normalmente para resolver problemas de asignación
de recursos.
Es necesario que el objetivo y la estructura del sistema en cuestión puedan
presentarse por funciones lineales.
Programación Lineal
La programación lineal es una de las técnicas cuantitativas utilizadas por la
IO, la cual se emplea normalmente para resolver problemas de asignación
de recursos.
Es necesario que el objetivo y la estructura del sistema en cuestión puedan
presentarse por funciones lineales.
Problema de Transporte
Problema de Transporte
Objetivo
Minimizar los costos de envió.
Restricciones yo condiciones:
1 Capacidad de la planta.
2 Satisfacer la demanda.
Variables:
xij : Cantidad de unidades a enviar de la planta i al cliente j.
Parámetros:
cij : Costo por enviar una unidad de i a j.
dj : Demanda del cliente j.
oi : Oferta de la planta i.
Variables:
xij : Cantidad de unidades a enviar de la planta i al cliente j.
Parámetros:
cij : Costo por enviar una unidad de i a j.
dj : Demanda del cliente j.
oi : Oferta de la planta i.
Modelo
min x1,1 c1,1 + x1,2 c1,2 + x1,3 c1,3 + x1,4 c1,4 +
x2,1 c2,1 + x2,2 c2,2 + x2,3 c2,3 + x2,4 c2,4 +
x3,1 c3,1 + x3,2 c1,2 + x3,3 c3,3 + x3,4 c3,4
Capacidad
x1,1 + x1,2 + x1,3 + x1,4 ≤ o1
x2,1 + x2,2 + x1,3 + x2,4 ≤ o2
x3,1 + x3,2 + x3,3 + x3,4 ≤ o3
Variables:
xij : Cantidad de unidades a enviar de la planta i al cliente j.
Parámetros:
cij : Costo por enviar una unidad de i a j.
dj : Demanda del cliente j.
oi : Oferta de la planta i.
Modelo
min x1,1 c1,1 + x1,2 c1,2 + x1,3 c1,3 + x1,4 c1,4 +
x2,1 c2,1 + x2,2 c2,2 + x2,3 c2,3 + x2,4 c2,4 +
x3,1 c3,1 + x3,2 c1,2 + x3,3 c3,3 + x3,4 c3,4
Capacidad
x1,1 + x1,2 + x1,3 + x1,4 ≤ o1
x2,1 + x2,2 + x1,3 + x2,4 ≤ o2
x3,1 + x3,2 + x3,3 + x3,4 ≤ o3
Demanda
x1,1 + x2,1 + x3,1 ≥ d1
x1,2 + x2,2 + x3,2 ≥ d2
x1,3 + x2,3 + x3,3 ≥ d3
x1,4 + x2,4 + x3,4 ≥ d4
xij ≥ 0
Fernando Elizalde Ramı́rez (www.mty.itesm.mx)
Programación matemática aplicada a la Ingenierı́a Industrial 12 / 44
Aplicaciones
Objetivo
3 4
max ∑ ∑ xij cij
i 1
Restricción de capacidad
4
∑ xij ≤ oi ∀i
j
Satisfacción de la demanda
4
∑ xij ≤ dj ∀j
i
Soluciones
Esquina Noroeste: $520.
Costo Mı́nimo: $475.
Método de Voguel: $475.
Modelo Matemático: $435.
Objetivo:
Maximizar las ganancias de la empresa.
Restricciones yo condiciones:
1 Horas-hombre disponible.
2 Asignación de horas-hombre.
Objetivo:
Maximizar las ganancias de la empresa.
Restricciones yo condiciones:
1 Horas-hombre disponible.
2 Asignación de horas-hombre.
Variables:
xj : Unidades a fabricar de la parte j por semana.
bi : Horas-hombre a asignar en el depto. i por semana.
Parámetros:
aij : Horas-hombre consumidas en depto. i por cada parte j.
Programación de la producción
Programación de la producción
Solución:
Programación de la producción
Solución:
1 Producción constante. Se fabrica el promedio de la demanda por mes.
Programación de la producción
Solución:
1 Producción constante. Se fabrica el promedio de la demanda por mes.
2 Producir únicamente lo que se va a vender por mes.
Implicaciones.
1 Producción constante: Con este tipo de producción, el nivel de
inventarios para los componentes serı́a alto, lo que provocarı́a un alto
costo financiero. Especı́ficamente, que se generarı́a con una
producción constante es:
30000+20000+40000
Fabricación promedio mensual C-1 = 3 = 30000
10000+20000+30000
Fabricación promedio mensual C-2 = 3 = 20000
Implicaciones.
1 Producción constante: Con este tipo de producción, el nivel de
inventarios para los componentes serı́a alto, lo que provocarı́a un alto
costo financiero. Especı́ficamente, que se generarı́a con una
producción constante es:
30000+20000+40000
Fabricación promedio mensual C-1 = 3 = 30000
10000+20000+30000
Fabricación promedio mensual C-2 = 3 = 20000
Mes Inventario Inicial Producción Ventas Inventario Final
C-1
1 0 30000 30000 0
2 0 30000 20000 10000
3 10000 30000 40000 0
C-2 1 0 20000 10000 10000
2 10000 20000 20000 10000
3 10000 20000 30000 0
Modelado
Modelado
Modelado
Modelado
Conjuntos
Componentes i = 1, 2
Meses j = 1, 2, 3
Variables
xij : Unidades a producir del componente i en el mes j.
Iij : Unidades a inventariar del componente i en el mes j.
Aj : Aumento de las horas-hombre utilizadas en el mes j.
Dj : Disminución de horas-hombre no utilizadas en el mes j.
Parámetros
ai : Horas-máquina que se requieren para producir una unidad de i.
bi : Horas-Hombre que se requieren para producir una unidad de i.
ci : Espacio utilizado de almacenamiento requerido por unidad i.
Dij : Demanda del producto i en el mes j.
αj : Capacidad en horas-máquina en el mes j.
βj : Capacidad horas-hombre en el mes j.
Ωi : Capacidad de almacenamiento en el mes j.
Fernando Elizalde Ramı́rez (www.mty.itesm.mx)
Programación matemática aplicada a la Ingenierı́a Industrial 23 / 44
Aplicaciones
Modelado
3 3 3
min ∑ (x1j ∗ 3500 + x2j ∗ 2000) + ∑ (I1j ∗ 175 + I2j ∗ 100) + ∑ (Aj ∗ 1500 + Dj ∗ 800)
j =1 j =1 j =1
Modelado
3 3 3
min ∑ (x1j ∗ 3500 + x2j ∗ 2000) + ∑ (I1j ∗ 175 + I2j ∗ 100) + ∑ (Aj ∗ 1500 + Dj ∗ 800)
j =1 j =1 j =1
Capacidad:
2
∑ xij ai ≤ αj ∀j
i =1
2
∑ xij bi ≤ βj ∀j
i =1
2
∑ xij ci ≤ ωj ∀j
i =1
Modelado
3 3 3
min ∑ (x1j ∗ 3500 + x2j ∗ 2000) + ∑ (I1j ∗ 175 + I2j ∗ 100) + ∑ (Aj ∗ 1500 + Dj ∗ 800)
j =1 j =1 j =1
Modelado
Resultados:
Producción Producción por Modelo
constante demanda mensual matemático
G. de producción: $495,000,000.00 $435,000,000.00 $390,000,000.00
G. de inventario: $3,750,000.00 $- $-
G. de variación de M.O. $- $3,850,000.00 $3,625,000.00
Total: $498,750,000.00 $438,850,000.00 $393,625,000.00
∑ ∑ xikj ≤ 1
i∈V k∈K
∑ ∑ xikj ≤ 1
i∈V k∈K
∑ ∑ xikj ≤ 1
i∈V k∈K
∑ ∑ xikj ≤ 1
i∈V k∈K
∑ ∑ xikj ≤ 1
i∈V k∈K
∑ ∑ xikj ≤ 1
i∈V k∈K
∑ ∑ xikj ≤ 1
i∈V k∈K
∑ yik = pj
k∈K
∑ ∑ xikj ≤ 1
i∈V k∈K
∑ yik = pj
k∈K
∑ ∑ xikj ≤ 1
i∈V k∈K
∑ yik = pj ∀j
k∈K
∑ yjk ≤ Q∀k ∈ K
j∈V
Algoritmos de solución.
1 Algoritmo de Dijkstra.
2 Algoritmo de Kruskal.
3 Algoritmo A*
Modelo matemático. 1
Nodo inicio
Variables:
( bi = −1 Nodo destino
1 si se viaja de i a j
Xij = 0 otro caso
0 otro caso
Parámetros:
cij : Costo por viajar de i a j.
Modelo matemático. 1
Nodo inicio
Variables:
( bi = −1 Nodo destino
1 si se viaja de i a j
Xij = 0 otro caso
0 otro caso Modelo
Parámetros:
cij : Costo por viajar de i a j. min ∑ ∑ xij cij
i∈V j∈V
∑ Xij − ∑ Xji = bj ∀i
j∈V j∈V
Transporte público
Transporte público
Caracterı́sticas:
Conjuntos
N: número de nodos que forman la red de transporte.
R: Modos de transporte que existen en la red.
Indices: (
1 Desplazamiento caminando
i ∈R = Variables
> 1 otro caso
Para j, k(∈ N,tenemos las siguientes variables:
1 El usuario se desplaza en i de j a k
Xi,j,k =
0 Otro caso
(
1 Cambio de transporte i de j a k
Ri,j,k =
0 Otro caso
Tj,k : Tiempo total caminando hasta el nodo k.
Parámetros
Ci,j,k : Duración del viaje usando el medio i de j a k.
CT (i): Tiempo de abordaje y de descenso de una dada unidad de
transporte.
Cwalk : Máximo tiempo a caminar, proporcionado por el usuario.
Cwalk2 : Máximo tiempo a caminar entre paradas o al objetivo.
Ccost : Máximo costo económico dispuesto a pagar, proporcionado por el
usuario.
Bj : Flujo de red en el nodo j.
1
Nodo origen j
Bj = −1 Nodo destino j
0 Otro caso
Cei : Costo económico (ej., tarifa) por usar el modo de transporte i.
Funciones Objetivo
r n n r n n
min ∑ ∑ ∑ Ci,j,k Xi,j,k + ∑ ∑ ∑ CT (i)Ri,j,k (1)
i=1 j=1 k=1 i=2 j=1 k=1
Funciones Objetivo
r n n r n n
min ∑ ∑ ∑ Ci,j,k Xi,j,k + ∑ ∑ ∑ CT (i)Ri,j,k (1)
i=1 j=1 k=1 i=2 j=1 k=1
n n
min ∑ ∑ C1,j,k X1,j,k (2)
j=1 k=1
Funciones Objetivo
r n n r n n
min ∑ ∑ ∑ Ci,j,k Xi,j,k + ∑ ∑ ∑ CT (i)Ri,j,k (1)
i=1 j=1 k=1 i=2 j=1 k=1
n n
min ∑ ∑ C1,j,k X1,j,k (2)
j=1 k=1
r n n
min ∑ ∑ ∑ Cei Ri,j,k (3)
i=1 j=1 k=1
r n r n
∑ ∑ Xi,j,k − ∑ ∑ Xi,k,j = Bj ∀j (4)
i=1 k i=1 k
n n
∑ ∑ C1,j,k X1,j,k 6 Cwalk (5)
j=1 k=1
n
Ri,j,k > Xi,j,k + (1 − ∑ Xi,l,j ) − 1∀i, j, k (6)
l=1
n
Ri,j,k > Xi,j,k + (1 − ∑ Xi,l,j ) − 1∀i, j, k (6)
l=1
Restricción de costo.
r n n
∑ ∑ ∑ Cei Ri,j,k 6 Ccost (7)
i=1 j=1 k=1
n
Tj,k ≥ (X1,j,k C1,j,k + ∑ Tl,j ) − (1 − X1,j,k ) ∀j, k (8)
l=1
Subtours:
r r
∑ Xi,j,k + ∑ Xi,k,j ≤ 1 ∀j, k (10)
i i
Conclusiones