1 Modulo II. Metodos Analíticos

UNIVERDIDAD NACIONAL EXPERIMENTAL DE LOS LLANOS OCCIDENTALES
“EZEQUIEL ZAMORA”
SEDE MUNICIPALIZADA SANTOS MARQUINA - MERIDA
CARRERA: INGENIERIA AGROINDUSTRIAL
SEMESTRE VIII
SUB-PROYECTO: OPTIMIZACIÓN DE PROCESOS
UNIDAD II
Métodos Analíticos
Dávila H, José G.1*
1
*Estudiante del VIII Semestre de Ingeniería Agroindustrial, Núcleo Municipalizado Santos Marquina
del Estado Mérida, Universidad Nacional Experimental de los Llanos Ezequiel Zamora.
goyo2011@gmail.com
Marzo 2021
1. La ingeniería y la optimización
La optimización tiene como propósito analizar e identificar la mejor solución
posible ante un planteamiento, entre todas las soluciones potenciales. La idea de
aplicar los diferentes métodos de optimización es facilitar el entendimiento y el
Optimización de Procesos
manejo de los parámetros que componen un sistema o proceso. A pesar de que la

palabra optimización, comparte la misma raíz que "óptimo", casi nunca un proceso de
optimización origina un sistema realmente óptimo.
En los modelos matemáticos se representan en tres principales de elementos:
1. Variables de decisión y parámetros: se trata de incógnitas establecidas para la
solución del problema. Los parámetros son los valores fijos en el problema.
2. Restricciones: toman en cuenta las limitaciones físicas del sistema, las
restricciones que limitan las variables de decisión a sus valores posibles. Son
expresadas matemáticamente mediante ecuaciones e inecuaciones.
3. Función objetivo: es una función matemática que define la calidad de la
solución en función de las variables de decisión.
El término optimización se emplea en aquellos casos en que se maximiza o
minimiza la función objetivo.
1.1. Definición del Problema
La situación debe ser “enmarcada” o “contextualizada” por medio de un
modelo. El planteamiento del problema tiene que incluir las posibles decisiones y
un método para medir la eficacia de cada una.
SEMESTRE VIII
Son problemas de asignación óptima de recursos limitados, para cumplir un

objetivo dado, que representa la meta del decisor. Estos recursos pueden ser de
mano de obra, materiales o dinero. Se busca maximizar o minimizar alguna
cantidad numérica.
1.2. La solución
Una solución óptima es un conjunto de valores de las variables que se contienen
en la región factible, además de proporcionar el mejor valor de la función objetivo.
1.3. Definición de Función Objetivo

Es la ecuación que será optimizada dadas las limitaciones o restricciones
determinadas y con variables que necesitan ser minimizadas o maximizadas
usando técnicas de programación lineal o no lineal.
Una función objetivo puede ser el resultado de un intento de expresar un

objetivo de negocio en términos matemáticos para su uso en el análisis de toma de
decisiones, operaciones, estudios de investigación o de optimización
2.4 Restricciones
Son las restricciones puestas o establecidas a una función objetivo, en la
optimización de procesos.
2.5. Caso de Estudio

 Caso 1:
Los costos de fabricación, C(x) en dólares, de cierta variedad de salchichas,
dependen de la cantidad elaborada (x en kilos) de acuerdo con la siguiente
expresión:
SEMESTRE VIII
El fabricante estima que el precio de venta en dólares de cada kilogramo de

salchichas viene dado por:
Obtener la función de ganancias ¿Qué cantidad de salchichas interesa producir

para maximizar ganancias? Calcular en este caso, el precio de venta y la ganancia
que se obtiene.
Solución:
Sea x el número de kilogramos de salchichas a fabricar
El precio de venta de un kilogramo de salchichas es
En total obtendremos por la venta de x kilogramos: x . P(x)
La función de ganancias es:
De los dos valores obtenidos descartamos el negativo, se podrá verificar si el

valor positivo es máximo:
SEMESTRE VIII
x= es un máximo, por lo que conviene fabricar de

salchichas para obtener el máximo beneficio. El precio de venta de un kilogramo
de salchicha será:
Las ganancias obtenidas por la venta de es de:
3. Software utilizado en la resolución del problema

3.1. Solver
El Solver es una herramienta o complemento de Excel que nos permite realizar
cálculos para encontrar objetivos optimizados para modelos lineales y no lineales.
Nos ayuda hacer análisis como por ejemplo, determinar el valor máximo o mínimo
de una celda, realizando variables o cambios en otras celdas y permitiéndonos
encontrar la solución más óptima a un problema. Mediante esta herramienta
podemos aprovechar al máximo los ambientes o escenarios como el logístico o el
de producción.
Por ejemplo:
Un herrero con 80 Kg de acero y 120 Kg de aluminio, quiere hacer bicicletas de
paseo y de montaña para vender, respectivamente a 250 y 230 $ cada una para
sacar el máximo beneficio. Para la de paseo, empleara 1 kg de acero y 3 kg de
aluminio, y para la de montaña 2 kg de ambos materiales. ¿Cuántas bicicletas de
paseo y de montaña deberá fabricar para maximizar las utilidades?
SEMESTRE VIII
Un modelo de programación lineal siempre se plantea bajo dos supuestos. Uno

es, establecer la función objetivo y dos tener en cuenta las restricciones del
problema. Vemos en la anterior imagen, tenemos dos variables x y y, una es
bicicleta de montaña y otra es bicicleta de rutas y tenemos los datos o materiales
ordenados y que corresponden a cada una y también tenemos el precio de venta
Si vendemos la bicicleta de montaña por mayor valor, todo el material que
tenemos, lo vamos a utilizar en producir bicicletas de montaña. Pero lo que se
busca, es una función objetiva que maximice el beneficio.
Analicemos lo siguiente: si para la bicicleta de paseo necesito 1 kg de acero y 3
kg de aluminio y nos gastamos los 80 kg de acero en producir bicicletas de
montañas, podemos hacer 80 bicicletas. Pero resulta que de aluminio por cada
bicicleta vamos a utilizar 3 kg del material y tenemos 120 kg, con lo cual nos daría
solo para producir solo 40 bicicletas. Es decir, que nos estaría sobrando un
material si decidiéramos producir solo en acero o en aluminio. Entonces,
tendríamos un material que podríamos utilizar en la producción de la bicicletas de
ruta. La idea es encontrar un modelo que nos pueda satisfacer la producción de los
dos modelos de bicicletas, maximizando los ingresos y minimizando los recursos
ociosos, es decir que no nos sobre la mitad del aluminio o la mitad del acero.
La sección de Producción, son las variables que no sabemos y que queremos
hallar, para poder generar la producción del producto. Ahora necesitamos saber el
total de materiales. Y ¿a qué es igual el total de materiales? pues básicamente a la
multiplicación de lo que emplee de acero versus lo que se produzca, para esto
utilizamos la función +SUMAPRODUCTOS
Y abajo en amarillo tenemos las restricciones, que nos la da el problema, la
cual dice que el herrero tiene 80 kg de acero y tiene 120 kg de aluminio, es decir
que nosotros no podemos superar esa cantidad de material, podemos utilizar
menos pero no más.
SEMESTRE VIII
Por último, lo más importante es plantear la Función Objetivo (F.O.). Y ¿Cuál

es la función objetivo de este ejercicio? Si la hacemos matemáticamente, la
función de ejercicio seria (250x + 230y) ósea el precio de venta por lo que
produzca bicicletas de montaña y por lo que produzca bicicletas de paseo.
Queremos encontrar el máximo valor que eso nos pueda generar, es decir las
variables x y y que nos produzca los mayores beneficios, teniendo en cuenta las
restricciones.
La Función Objetivo es la matriz de precio venta por la matriz de producción,
que es nuestra variable independiente e incognitica que tenemos en el momento.
La función objetivo puede ser para maximizar, para minimizar o para llegar a un
valor x. Normalmente las funciones objetivo para maximizar se pueden aplicar a
opciones como ingresos de utilidades, que generan valor y de minimizar son
aplicables a costos de operaciones.
Para el ejercicio dejamos marcado Max y pasamos a la siguiente opción
cambiando las celdas de variables. Donde las celdas que nos van a hacer mover
todo el modelo y que nos van a arrojar un valor en la función objetivo son las
variables incógnitas, ósea lo que debemos producir de x y y, es decir de bicicletas
de montaña y bicicletas de paseo.
En síntesis, lo que vamos a poner son las variables que desconocemos y que nos
van a ayudar a calcular el Solver para poder conocer cuál es el máximo ingreso
que podemos obtener del ejercicio.
Ahora vamos a agregar las restricciones, en las cuales tenemos que en acero hay
80 kg y en aluminio 120 kg
Ahora ya tenemos todo el modelo listo, con nuestro objetivo, que es la celda
Función Objetivo (F.O.), las celdas que debe cambiar que serían prácticamente las
variables que no conocemos. El Solver calcula las variables óptimas de
producción, todo el modelo nos va a calcular la F.O. en base al cálculo de
producción y precio de venta. Normalmente para modelos de programación lineal
SEMESTRE VIII
que además trabajan con variables enteras, siempre lo vamos a resolver por el
método simple.
3.2. LINGO
LINear Generalize Optimizer es una herramienta simple para formular
problemas lineales y no lineales, resolverlos y analizar su solución. El resultado
que LINGO nos proporciona es la optimización que nos ayuda a encontrar el
mejor resultado: la ganancia más alta, o el costo más bajo. A menudo estos
problemas involucran el uso más eficiente de los recursos.
Uno de los rasgos más poderosos de LINGO es su aplicación en el lenguaje de
modelo matemático. El cual permite expresar un problema de una manera muy
similar a la anotación matemática normal pudiendo también, expresar una serie
entera de restricciones en una declaración compacta. Esto lleva a modelos que son
mucho más fáciles de mantener.
Otro aspecto es la sección de los datos, que le permite aislar los datos de la
formulación del modelo. LINGO puede leer datos desde una hoja de cálculo
SEMESTRE VIII
separada, base de datos, o archivo de texto. Con datos independientes del modelo,
es mucho más fácil de hacer cambios, y hay menos oportunidad de error cuando se
realiza el modelo
La sintaxis que se utiliza en este programa es muy sencilla. Para el nombre de
las variables se establece que deben tener 32 caracteres como máximo, Deben
comenzar con una letra seguido de letras, dígitos o _. El compilador de LINGO no
distingue entre mayúsculas y minúsculas.
Para darle un nombre a la función objetivo o a las restricciones, estos se deben
colocar entre corchetes. Para declarar la función objetivo debemos colocar las
palabras reservadas MAX o MIN, resaltadas en azul, seguidas del signo =. Los
comentarios deben comenzar con un signo!, los cuales son resaltados en verde.
Los archivos generados por LINGO tiene la extensión. LG4.
LINGO tiene la habilidad de nombrar las restricciones en su modelo. Primero,
los nombres de restricciones se usan en el reporte de las soluciones que los hacen
más fácil interpretar. Segundo, muchos de los mensajes del error de LINGO se
refieren a una restricción dada por nombre.
Dar nombre a una restricción es bastante simple, se inserta el nombre entre
corchetes, adelante de una línea de código. El nombre debe obedecer los requisitos
normales para un nombre de LINGO.
Las variables pueden asumir algún valor real desde cero a infinito positivo.
LINGO proporciona cuatro funciones de variables dominio que le permite sustituir
el dominio predefinido de una variable.
LINGO le da la posibilidad de definir dos tipos de variables enteras, una
general y otra binaria. Una variable entera general requiere ser un número entero.
Una variable entera binaria requiere ser cero o uno. Cualquier modelo que
contiene uno o más variables enteras, es requerido para un modelo programación
entera (IP).
SEMESTRE VIII
LINGO proporciona varias funciones y operadores al modelo matemático. Se

muestran las categorías siguientes: Los Operadores Normales: Aritmética, lógicos,
y correlativos como +, -, =, <=.
Matemáticas - Funciones matemáticas Trigonométricas y generales.

Financieras - Funciones financieras.
Probabilidad - Funciones utilizadas para determinar una gama amplia de probabilidad
y las respuestas estadísticas.
Dominio de variables - Funciones que definen el rango de valores (dominio) que una
variable puede asumir.
Manejadores de conjuntos - Funciones útil para manipular conjuntos.
Set Looping - Funciones loop que se utilizan para realizar operaciones en un conjunto
de datos
Import/Export - Funciones que crean conexiones con las fuentes de los datos
externas.
Misceláneos - Funciones de distintos tipos.
3.3. Funciones de una sola variable (continua, monotónica, unimodal)

La experimentación es una función vital en nuestra búsqueda de progreso, aunque
siempre se anhela el descubrimiento de nuevos principios científicos, estableciendo
nuevas relaciones de causa-efecto o buscando nuevos métodos mejorados y procesos.
Gran parte de la actividad experimental en el ámbito de la ciencia y de la industria se
ha dedicado a la búsqueda de condiciones óptimas para el desarrollo de procesos.
SEMESTRE VIII
3.3.1. Continuidad de funciones

Para realizar una optimización analítica o numérica es preferible que dicha
función sea continua, y que también lo sean sus derivadas. Para que una función
sea continua, debe cumplir con las siguientes condiciones:
3.3.2. Características de las funciones

Dados dos puntos x1 y x2 del dominio de una función y(x), tal que x2>x1
♣ Si y(x1) < y(x2), se dice que la función es monotónicamente creciente
♣ Si y(x1) > y(x2), se dice que la función es monotónicamente decreciente
♣ La función será monotónicamente no decreciente o monotónicamente no
creciente si y(x1) ≥ y(x2) o y(x1) ≤ y(x2), respectivamente.
La modalidad de las funciones es particularmente importante en

optimización, el termino unimodal se refiere a funciones que tienen un solo
SEMESTRE VIII
extremo, mínimo o máximo, mientras que multimodal se refiere a funciones

que presentan dos o más extremos.
En la figura siguiente la función es unimodal, si está buscando un máximo,
es decir, existe uno solo punto “c”, pero no lo sería si se busca un mínimo, pues
hay dos en la zona de soluciones admisibles, los puntos a y b, los extremos del
intervalo. Nótese que la unimodalidad no se ve afectada por la discontinuidad -
de la función y su derivada- que se presenta en el punto d.
Si bien el concepto de unimodalidad es muy simple de plantear y puede

convertirse en una estrategia eficiente para la búsqueda de un óptimo, tiene un
inconveniente básico y es que para asegurar su cumplimiento debería conocerse
exactamente el comportamiento de la función objetivo, cuestión que, en la
práctica, es imposible. Más aún, sin este conocimiento, que es la situación normal,
solo se está en condiciones de establecer cuando la función no es unimodal.
3.3.3. Funciones cóncavas y convexas

Las funciones cóncavas y convexas son casos especiales de funciones
unimodales. Una función cóncava o convexa es necesariamente unimodal, pero
una función unimodal no necesariamente es cóncava o convexa. En la siguiente
figura se presentan casos de funciones unimodales cóncavas y convexas (a, b). Los
SEMESTRE VIII
casos c y d de la figura ilustran casos de funciones unimodales que no son ni

cóncavas ni convexas.
3.3.4. Condiciones necesarias y suficientes para un extremo de funciones

no restringidas.
En optimización no restringida el objetivo es encontrar un máximo o un
mínimo de la función objetivo. Un punto óptimo x* es completamente definido
si satisface las condiciones necesarias y suficientes de optimalidad. La manera
más simple de establecer las condiciones necesarias y suficientes para un
máximo o un mínimo es comenzar con una expansión en series de Taylor
alrededor del extremo x*.
Donde ∆x = x – x*.
Por definición x* será un mínimo local si no hay otro punto en la región que
posea un valor de función y(x) menor, es decir y(x) - y(x*) ≥ 0. Para el caso de
un máximo local la relación será y(x) - y(x*) ≤ 0.
Examinando el segundo término de la serie de Taylor, y teniendo en cuenta
que ∆x es arbitrario, podemos determinar que ∇y(x*) debe ser igual a cero para
no contradecir las definiciones de máximos y mínimos locales. Entonces la
condición necesaria para mínimos o máximos locales es:
SEMESTRE VIII
x* es un punto estacionario.
El segundo término de la expansión en series de Taylor es forzado a
ser cero, examinamos ahora el tercer término , este término
establece el carácter del punto estacionario. La satisfacción de la condición
necesaria no asegura la presencia de un máximo o mínimo local, se necesita
establecer la condición suficiente
Consecuentemente x* puede ser clasificado como:
Esas dos condiciones son las que se conocen como condiciones suficientes
3.3.5. Método de Lagrange

El método consiste en convertir el problema con restricciones de igualdad en
uno de óptimos libres, gracias a la incorporación de las restricciones a la
función objetivo.
SEMESTRE VIII
Distinguimos dos casos:

a) Caso de una única restricción
b) Caso de más de una restricción

En ambos casos, se construye una función, llamada función de Lagrange, y
se determina qué puntos cumplen la condición necesaria para ser óptimos del
problema y, posteriormente, se estudia si son máximos o mínimos analizando el
cumplimiento de la condición suficiente.
SEMESTRE VIII
4. Bibliografía
 Aracil, J. (1983). Introducción a la Dinámica de los Sistemas. Alianza Editorial.
Madrid - España. p36.
 Guédez, C. (2011). Programación Lineal e Ingeniería Industrial: una Aproximación al
Estado del Arte Ingeniería Industrial., Universidad de Carabobo. Venezuela. vol. II,
núm. 6, p. 61-78.
 Negrín, L. & Nelly, E. (2018). Optimización en Ingeniería. Editorial Feijóo, Villa
Clara, Cuba. p.164.

1 Modulo II. Metodos Analíticos

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

1 Modulo II. Metodos Analíticos

Cargado por

Copyright:

Formatos disponibles

UNIVERDIDAD NACIONAL EXPERIMENTAL DE LOS LLANOS OCCIDENTALES

manejo de los parámetros que componen un sistema o proceso. A pesar de que la

Son problemas de asignación óptima de recursos limitados, para cumplir un

1.3. Definición de Función Objetivo

Una función objetivo puede ser el resultado de un intento de expresar un

2.5. Caso de Estudio

El fabricante estima que el precio de venta en dólares de cada kilogramo de

Obtener la función de ganancias ¿Qué cantidad de salchichas interesa producir

En total obtendremos por la venta de x kilogramos: x . P(x)

La función de ganancias es:

De los dos valores obtenidos descartamos el negativo, se podrá verificar si el

x= es un máximo, por lo que conviene fabricar de

Las ganancias obtenidas por la venta de es de:

3. Software utilizado en la resolución del problema

Un modelo de programación lineal siempre se plantea bajo dos supuestos. Uno

Por último, lo más importante es plantear la Función Objetivo (F.O.). Y ¿Cuál

LINGO proporciona varias funciones y operadores al modelo matemático. Se

Matemáticas - Funciones matemáticas Trigonométricas y generales.

3.3. Funciones de una sola variable (continua, monotónica, unimodal)

3.3.1. Continuidad de funciones

3.3.2. Características de las funciones

La modalidad de las funciones es particularmente importante en

extremo, mínimo o máximo, mientras que multimodal se refiere a funciones

Si bien el concepto de unimodalidad es muy simple de plantear y puede

3.3.3. Funciones cóncavas y convexas

casos c y d de la figura ilustran casos de funciones unimodales que no son ni

3.3.4. Condiciones necesarias y suficientes para un extremo de funciones

Consecuentemente x* puede ser clasificado como:

3.3.5. Método de Lagrange

Distinguimos dos casos:

b) Caso de más de una restricción

También podría gustarte