Documentos de Académico
Documentos de Profesional
Documentos de Cultura
generales
Investigación de Operaciones I, semana 01
Ing. Eduardo López Sandoval
elopez@ulima.edu.pe
¿Qué es lo que Ud. va a aprender?
• Explicar el ámbito y
objetivo de la
investigación de
operaciones.
• Fuente: Objetivo Específico 1
del Sílabo.
En las empresas se toman decisiones:
• Estratégicas:
• ¿Lanzar un nuevo producto?
• ¿Ingresar con nuestro producto a otros
países?
• ¿Abrir plantas en otros países?
• ¿Dónde ubicar una nueva planta?
• Tácticas:
• ¿A qué proveedor le otorgamos la buena pro?
• ¿Cuál debe ser el plan mensual/semanal/diario de producción?
• ¿Cuántas patrullas destinar a cada sector de un cierto distrito?
Y en toda decisión se involucran dos
elementos muy importantes:
• Recursos:
• Limitados.
• Tienen un costo.
• Tiempo:
• ¿Para el próximo año / mes /
semana?
Ergo, las empresas buscan siempre:
• Tomar la mejor decisión empleando de manera
eficiente y eficaz los recursos disponibles.
• La creación de valor en los negocios está en la eficiencia
de sus operaciones.
• El concepto de competitividad.
Para ello existe:
• Una disciplina
profesional que brinda
un conjunto de técnicas
cuantitativas que ayudan
a tomar la mejor decisión
en función de los
recursos disponibles y
del objetivo que
persiguen:
LA INVESTIGACIÓN DE OPERACIONES
¿Por qué se llama “investigación de
operaciones”?
• Investigación: Porque aplica un enfoque similar al
método científico para tomar una decisión.
• Operaciones: Porque su campo de acción es precisamente
la toma de decisiones a nivel operacional de las
organizaciones (producción, transporte, transbordo,
asignación de recursos, etc.)
Mito # 1:
¿Cuál es la ruta
más
conveniente?
¿Qué características tienen las
técnicas de Inv. de operaciones?
• Analizan todas las variables simultáneamente.
• Buscan siempre la mejor solución, dentro de
ciertas condiciones.
• Reducen el riesgo de tomar una mala decisión.
Los mitos de la Investigación de
Operaciones
Mito # 2:
“La Investigación de
Operaciones es
puramente académica
no se aplica en las
empresas”
¡Nada más falso!
• La Investigación de Operaciones sí se aplica en
las empresas y con mucho éxito, no solo en el
Mundo, también en el Perú:
Algunas empresas en el Perú que aplican
técnicas de Investigación de Operaciones
• Fuentes:
• http://www.iosa.com.pe
• http://www.agosac.com
Fundamentos de la
programación lineal
Investigación de Operaciones I, semana 01
Ing. Eduardo López Sandoval
elopez@ulima.edu.pe
¿Qué es lo que Ud. va a aprender?
• Qué es la programación lineal y su estructura
¿Qué es la programación lineal?
• Técnica de
optimización
matemática que busca
maximizar o
minimizar una función
objetivo sujeta a ciertas
restricciones; todo ello
expresado en
expresiones
matemáticas de 1°
grado.
Elementos
• Variables de decisión
• Incógnitas que componen la decisión, cuyos valores
deben determinarse resolviendo el modelo.
• Función objetivo
• Expresión matemática del criterio para elegir la mejor
decisión.
• Restricciones
• Ecuaciones o inecuaciones matemáticas que expresan
las limitaciones de los recursos y de las variables de
decisión.
• Veamos un ejemplo:
Caso: “Plastiperu S.A.”
• Plastiperú S.A. produce platos y cubiertos de PVC.
• La venta de un lote de platos genera una utilidad de $12
mil y la venta de un lote de cubiertos genera una utilidad
de $10 mil.
• Ambos productos requieren ser procesados
secuencialmente por las mismas máquinas “A” y “B”.
• Un lote de platos requiere 4 horas en A y 8 en B; mientras
que un lote de cubiertos requiere 6 horas en A y 4 en B.
• La próxima semana las máquinas “A” y “B” tienen 12 y 16
horas disponibles respectivamente.
• Todo lo que se produce se vende.
Si UD es el jefe de producción, se le pide lo
siguiente:
• ¿Cuál es la decisión que debe tomar?
• ¿Cuáles son los recursos y su unidad de
medida?
• ¿Qué limitaciones tiene cada recurso?
Respuesta:
• Decisión:
• ¿Cuántos lotes de platos y cuántos lotes
de cubiertos se debe producir la próxima
semana?
• Recursos y unidad de medida:
• Se dispone de dos máquinas: A y B, cuya
unidad de medida son: horas de trabajo.
• Limitaciones de los recursos:
• La máquina A posee sólo 12 horas
disponibles la próxima semana.
• La máquina B posee sólo 16 horas
disponibles la próxima semana.
Pero tenemos un problema:
• Es obvio que la decisión que se tome
debe estar condicionada a las
limitaciones de los recursos.
• Eso hace que surjan muchas
alternativas de decisión; por ejemplo:
• Producir 1 lote de cubiertos y 1 de platos.
• Producir 2 lote de cubiertos y 0 de platos.
• Producir 0 lote de cubiertos y 2 de platos.
• Etcétera.
• El problema es: ¿Cuál es la mejor
alternativa de decisión?
La mejor alternativa de decisión es:
S. A. (sujeto a):
4P + 6C ≤ 12 Restricciones
8P + 4C ≤ 16
Restricciones de signo
P≥0;C≥0
Elementos de un modelo de
programación lineal:
Max Z = 12P + 10C
S. A. (sujeto a):
4P + 6C ≤ 12
Parámetros del modelo
8P + 4C ≤ 16
P≥0;C≥0
Elementos de un modelo de
programación lineal:
Coeficientes de la función
Max Z = 12P + 10C objetivo
S. A. (sujeto a):
4P + 6C ≤ 12
Coeficientes tecnológicos
8P + 4C ≤ 16
P≥0;C≥0
Elementos de un modelo de
programación lineal:
Max Z = 12P + 10C
S. A. (sujeto a):
Lados derechos (RHS)
4P + 6C ≤ 12 o términos
independientes
8P + 4C ≤ 16
P≥0;C≥0
Principios de la programación lineal
• Proporcionalidad:
• La contribución de cada variable de decisión en la F.O. y en las
restricciones es proporcional al valor de la variable.
• Aditividad:
• La contribución de cada variable de decisión en la F.O. y en las
restricciones se realiza de manera independiente.
• Divisibilidad:
• Las variables de decisión pueden tomar valores fraccionarios.
• Certeza:
• Los parámetros del modelo son conocidos y son determinísticos; es
decir, no son aleatorios.
Métodos de solución de un modelo de
programación lineal
• Método gráfico.
• Limitado a modelos con 2
variables de decisión.
• Métodos analíticos.
• Símplex: El primer método
analítico que revolucionó la I.O.,
publicado en 1947 por el G. Dantzig
matemático George Dantzig
(1914 – 2005)
• Punto interior: Publicado en 1984
por el matemático Narendra
Karmarkar (1957 –) Más eficiente
que el Símplex en modelos muy
grandes.
N. Karmarkar