Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Optimización de La Programación Del Personal de Mantenimiento
Optimización de La Programación Del Personal de Mantenimiento
Autor:
Ramos Ramírez, Israel David
Tutor:
Viamonte Marcano, Abraham Alexis
i
REPÚBLICA BOLIVARIANA DE VENEZUELA
UNIVERSIDAD NACIONAL EXPERIMENTAL DE GUAYANA
VICERRECTORADO ACADÉMICO
COORDINACIÓN GENERAL DE PREGRADO
PROYECTO DE CARRERA: INGENIERÍA INDUSTRIAL
Autor:
Ramos Ramírez, Israel David
CI: 24.855.170
Tutor:
Viamonte Marcano, Abraham Alexis
ii
APROBACIÓN DEL TUTOR
En Puerto Ordaz, a los quince días del mes de julio del año dos mil veinte y
uno.
_________________________
M. Sc. Abraham Viamonte
C.I 10.927.689
iii
DEDICATORIA
iv
AGRADECIMIENTOS
A mis abuelos Evelio Santil y Teresa Ramos por haber influido en la etapa de
mi infancia, gracias doy por todo el cuidado y cariño incondicional que recibí por
parte de ambos desde el momento en que nací. También agradezco a mis padres
Rubén Ramos y Eliana Ramírez por haberme dado la vida principalmente y
orientarme siempre en decisiones importantes de mi vida.
A todos mis hermanos, por la buena relación que siempre hemos mantenido
desde pequeños y haberme tendido la mano siempre cuando más la necesite.
También a nivel general a mi familia por sus buenos deseos y bendiciones que
siempre me han brindado.
v
ÍNDICE GENERAL
Pág.
Listas de Tablas…...................................................................................................... ix
Resumen.................................................................................................................... x
Introducción................................................................................................................ 1
CAPÍTULO
Modelo de PL Aumentado….………………………………………………………. 22
MS……………………………………………………………………………………. 24
II ANÁLISIS PARAMÉTRICO
vi
Pág.
Conclusiones.............................................................................................................. 74
Recomendaciones...................................................................................................... 76
Referencias................................................................................................................ 77
Anexos………………………………………………………………………………………. 81
vii
LISTA DE FIGURAS
Figura Pág.
viii
LISTA DE TABLAS
Tabla Pág.
12 Solución Básica actual del modelo Uno sobre los bi cuando θ es 120…… 54
ix
REPÚBLICA BOLIVARIANA DE VENEZUELA
UNIVERSIDAD NACIONAL EXPERIMENTAL DE GUAYANA
VICERRECTORADO ACADÉMICO
COORDINACIÓN GENERAL DE PREGRADO
PROYECTO DE CARRERA: INGENIERÍA INDUSTRIAL
RESUMEN
Definir la mejor programación de los trabajos de Mantenimiento es una
actividad fundamental que los Gerentes y Planificadores de Mantenimiento deben
realizar de manera periódica para conservar las instalaciones y equipos de una
organización funcionando de manera óptima; para ello es necesario aplicar las
técnicas y herramientas que permitan encontrar la asignación más conveniente de
tareas a ser ejecutadas por el personal de Mantenimiento en un lapso de tiempo
determinado. En el ámbito de la Ingeniería Industrial, la disciplina Investigación de
Operaciones ofrece un conjunto de técnicas como la Programación Lineal,
Programación Entera, Programación No Lineal, Heurística, Teoría de Colas y
Simulación, entre otras, que ayudan a encontrar el mejor curso de acción dada
cierta disponibilidad de recursos, restricciones y objetivos a lograr. El propósito de
la presente investigación es estudiar cómo se puede aplicar y cuales elementos
hay que tomar en cuenta cuando se aplica la técnica de la Programación Lineal y
el Análisis Paramétrico en la asignación de las tareas que debe llevar a cabo el
personal de Mantenimiento de una organización productiva, de tal forma que la
asignación realizada sea la óptima. Se llevó a cabo una Investigación Documental
con la meta de proporcionar un adecuado sustento teórico sobre la técnica
Programación Lineal y el Análisis Paramétrico para que las personas interesadas
puedan abordar este tipo de problemas y brindar respuestas racionales a
situaciones de programación de tareas al personal de Mantenimiento en los
distintos trabajos a realizar. Se consultaron diferentes fuentes de información
como libros de textos, tesis, artículos científicos, entre otras, donde se analiza la
aplicación de la PL en la asignación de tareas. Se presentan el análisis de dos
casos como ejemplo de aplicación de la PL y el Análisis Paramétrico.
x
INTRODUCCIÓN
1
Ahora bien, en muchas organizaciones a pesar de haber invertido en
sistemas informáticos que permiten que los Gerentes puedan llevar un mejor
control sobre las tareas de conservación de sus activos dejan pasar por alto la
optimización.
2
El producto de esta investigación se sistematizó en tres (3) capítulos. El
primero presenta cómo fue el desarrollo y los principios básicos de la
Programación Lineal que todo profesional interesado en la aplicación de esta
técnica debe conocer. El segundo se enfoca a mostrar las bases teóricas del
Análisis Paramétrico. Finalmente, se estudia la aplicación del Análisis Paramétrico
en la programación del personal de Mantenimiento.
3
CAPÍTULO I
Carl Friedrich Gauss fue un matemático nacido de Alemania y país del cual
nunca salió. Según (Carrillo, 2002), “El talento de genio de Gauss permitió que
recibiera los recursos financieros por un patrocinador, el duque de Brunswick
mientras estudio el Instituto Carolino de Brunswick la secundaria y en la
Universidad de Götingen Matemáticas durante seis (6) años” (p. 28). La capacidad
intelectual de Gauss le permitió realizar contribuciones importantes en el área de
las Matemáticas, Estadística, Física, Astronomía y la Topografía.
En el año 1801 aparecio un planeta que se llamó Ceres, pero luego este
desaparecio. Sin embargo, los astronomos de esa epoca predijeron por medio de
sus calculos la orbita del planeta y se equivocaron.
4
Entonces, Gauss se propuso realizar estos cálculos logrando plantear un
sistema de ecuaciones por medio de su Método de los Minimos Cuadrados
tomando en cuenta las ultimas observaciones del planeta; dicho sistema lo
resolvió por el Metodo de Eliminación Gaussiana para obtener una función de
mejor ajuste, donde sus resultados fueron los correctos, ya que describieron la
trayectoria casi exacta en donde aparecio nuevamente el planeta.
5
Lagrange se puede decir que es uno de los fundadores de la optimización, ya
que por sus estudios sobre la Física Estática planteó un modelo que describiría un
sistema mecánico y su objetivo era encontrar el equilibrio del sistema, este
problema fue resuelto por un método que él mismo desarrolló y lo llamó
“Multiplicadores de Lagrange” que ayuda a determinar el punto máximo o mínimo
de una función con restricciones de igualdad.
6
factibles. El método desarrollado por Fourier en su momento fue un competidor
para el MS, pero no estuvo a la altura de este último.
7
Wassily Leontief (1905-1999)
Leontief fue un gran Economista de origen Ruso que pasó la mayor parte de
su vida interesado en los sistemas económicos. Sus estudios superiores los
realizó en la Universidad de San Petersburgo (Leningrado), donde logró obtener
tres (3) profesiones distintas que fueron: Filosofía, Sociología y Economía.
Posteriormente debido a los conflictos del gobierno de su país decide abandonarlo
para visitar Alemania, China y los Estados Unidos, logrando mejorar su estatus
académico y simultáneamente obtener una buena experiencia laboral.
Kantarovich fue un científico de origen Ruso que sobresalió por ser uno de
los primeros en demostrar cómo se podían aplicar las Matemáticas en situaciones
prácticas de caso real en las industrias, pero tuvo que pasar cierto tiempo para
que sus teorías fueran reconocidas mundialmente. Su formación académica
profesional la realizó en la Universidad de San Petersburgo (Leningrado)
especializándose en el área de las Matemáticas, después de finalizar sus estudios
se dedicó a ser Docente a en su Alma Mater.
8
Ahora bien, existen muchas investigaciones que mencionan a George
Dantzig como padre de la PL, pero en realidad esto no es del todo cierto. Lo que sí
se puede decir es que Dantzig por medio de sus primeros aportes en la PL,
específicamente con la creación del MS, esta se empezó difundir a nivel mundial.
Existían dos (2) estudios importantes realizados por Kantarovich que eran
totalmente desconocidos, el primero consistía en una monografía publicada en el
año 1939 titulada “Métodos Matemáticos en la Organización y Planificación de la
Producción”, cuyo contenido era sobre modelos de PL para problemas sobre la
asignación optima de áreas para la siembra, minimización del desperdicio por
corte, la mejor distribución del recurso (máquinas) para ensamblar un producto
que consta de dos (2) o más piezas, etc.
En esta monografía también propone una método de solución para todos los
modelos de PL que presentó, pero había una restricción especial que se le debía
incluir al problema matemático que formaba un sistema de ecuaciones donde cada
variable representaba los Precios Sombra que es lo mismo que las Variables
Duales de la PL para permitir que el método pudiera operar y alcanzar la solución
óptima cuando obtuviera el mejor valor de estos precios.
9
esto fue lo que hizo merecer el Premio Nobel de Economía junto con Koopmans
en el año 1975.
Es importante señalar las razones que estos dos (2) estudios de Kantarovich
salieron a la luz pública después de veinte (20) años, una de las razones fue que
los empresarios Rusos pensaban que a través de aplicación de métodos
cuantitativos no se podían optimizar las decisiones en problemas que surgían en
las industrias, la otra razón se debe a políticas del gobierno Ruso de aquella
época que le ordenaron a Kantarovich no continuar con sus estudios.
En el año 1930 viaja a Estados Unidos para ser contratado como Docente
visitante en la Universidad de Princenton. Neumann mientras estuvo en los
Estados Unidos termina de formalizar en conjunto con Oscar Morgenstern la
Teoria de Juegos en un libro que publicaron en el año 1944 de titulo Game Theory
and Economic Behavior, pero Neumann en el año 1928 había publicado un trabajo
de manera independiente sobre este tema, demostrando su Teorema Minimax.
10
Cuando George Dantzig habia creado su modelo de PL y el MS tuvo la
oportunidad de exponer sus resultados a Neumann, y este último detectó la
relación que existía entre la Teoria de Juegos y la PL. Neumann para poder
desarrollar su Teorema Minimax estudió el Lema de Farkas que es uno de los TA,
además de otras teoremas para hacer que el valor de un juego suma cero
inestable pueda estabilizarse.
11
Su trayectoria educativa la curso completamente en su país de nacimiento
empezando por el estado de Washington donde cursó sus estudios de primaria y
secundaria en la Powell Junior High School y la Central High School, títulos de
Licenciado en Matemáticas y Física para el año 1936 en la Universidad de
Maryland del estado de Maryland, Máster en la especialidad de Matemáticas para
el año 1937 en la Universidad de Michigan del estado de Michigan y un Doctorado
en la especialidad de Estadística para el año 1946 en la Universidad de Berkeley
del estado de California.
Por lo tanto, Dantzig según su experiencia percibió que el MIIP cumplía con
ciertos requisitos necesarios para su investigación, pero se debía generalizar por
dos detalles importantes. El MIIP es un modelo estático que es aplicable cuando
las decisiones se toman en un solo punto del tiempo y se requería un modelo
dinámico que se pueden aplicar cuando las decisiones que se toman en más de
12
un punto en el tiempo, el segundo detalle fue debido a la correspondencia uno a
uno entre los productos de salida y los requisitos de entrada limitaban las
posibilidades de otras actividades alternativas que fueran distintas a la producción.
A mitad del año 1947 Dantzig realiza una publicación en un artículo titulado
“Programación en una Estructura Lineal” donde propone lo que se conoce en la
actualidad como un modelo de PL dinámico cuya formulación tiene una estructura
de matriz escalera. Las características del primer modelo de PL desarrollado por
Dantzig se pueden encontrar en los modelos de PL de inventario con periodos
múltiples y no es coincidencia, ya que Dantzig años después participo en el
desarrollo este tipo de modelos de PL.
13
Dantzig encontró un nuevo reto, ya que no existía un método que pudiera resolver
este tipo de modelos de PL.
Narendra Karmarkar
14
Debe señalarse que cuando el MS se originó muchos investigadores
pensaron que sería ineficiente por su característica de optimizar un modelo de PL
recorriendo los vértices hasta encontrar la solución óptima, pero el MS resultó
eficiente operando de esa forma. El problema surgió cuando se demostró que el
MS resolvía problemas de PL complejos en tiempo exponencial y a partir de esta
situación se abrieron investigaciones en busca de un método interior, es decir, que
a diferencia de los métodos exteriores este tipo de métodos optimizan por la parte
interna de la región factible.
15
Actualmente existen software informáticos con varias herramientas para la
resolución de problemas de Programación Matemática y en vista de esta ventaja
la parte más importante en la PL es saber plantear los modelos correctamente.
16
Características Fundamentales de la PL
Modelo de PL
La PL se puede decir que es una técnica útil para elegir la mejor decisión en
planificaciones complejas que surgen en el sector industrial, salud, agricultura,
transporte, entre otras. La condición necesaria para que esta técnica pueda operar
consiste en ver si la problemática a tratar puede ser representada a través de un
conjunto de funciones lineales lógicas que se construyen a través de parámetros y
variables relacionadas con el problema, dando como resultado la elaboración de
un modelo matemático que pertenece a una categoría de la Programación
Matemática.
17
La Tabla 1 muestra la simbología tradicional utilizada para describir los
elementos de cualquier modelo de PL y su interpretación en problemas de
asignación de recursos.
Símbolos Descripción
bi Cantidad del recurso i disponible para asignarse a las actividades (para i = 1,2,…, m)
o también lado derecho de una restricción.
aij Cantidad del recurso i consumido por cada unidad de la actividad j o también
coeficiente tecnológico.
18
Tabla 2.- Parámetros de un modelo de PL para Asignación de Recursos Escasos
Consumo de recursos por unidad de actividad
Actividad
Cantidad de recursos
Recurso 1 2 ⋯ n
disponibles
1 a11 a12 ⋯ a1n b1
2 a21 a22 ⋯ a2n b2
∙ ∙
∙ ⋯ ⋯ ⋯ ⋯ ∙
∙ ∙
m am1 am2 ⋯ amn bm
Contribución a Z de
c1 c2 ⋯ cn
cada j
Fuente: Hillier y Lieberman, (2010)
Función Objetivo: Es una ecuación lineal que tiene como meta maximizar
(Max, en adelante) los beneficios o minimizar (Min, en adelante) los
costos o pérdidas, y generalmente puede ser expresada como:
Max o Min Z = c1 x1 + c2 x2 +…+ cn xn .
19
Condiciones de No Negatividad: Son condiciones que se expresan como
x1 , x2 , xn ≥ 0, el cual indican que todas las decisiones deben ser no
negativas.
Max Z = c1 x1 + c2 x2 +…+ cn xn
Sujeto a
x1 , x2 , xn ≥ 0
Max Z = c1 x1 + c2 x2 +…+ cn xn
Sujeto a
x1 , x2 , xn ≥ 0
20
Modelo de PL con objetivo Min y restricciones del tipo mínimo.
Min Z = c1 x1 + c2 x2 +…+ cn xn
Sujeto a
x1 , x2 , xn ≥ 0
Min Z = c1 x1 + c2 x2 +…+ cn xn
Sujeto a
x1 , x2 , xn ≥ 0
21
Modelo de PL Aumentado
22
En un principio se mencionó que estas variables con que se aumenta el
modelo de PL se usan dependiendo de la forma de la restricción, desde el punto
de vista matemático la razón es que el MS se encarga de resolver un sistema de
ecuaciones y esta es la manera de cumplir ese objetivo.
23
Modelo de PL Continuo: Son aquellos donde las variables de decisión son
continuas y en consecuencia pueden asumir valores enteros y
fraccionarios.
MS
24
Tabla 3.- Notación de los Modelos de PL en Forma Matricial
Símbolos Descripción
25
Variable no básica: Es aquella que no forman parte de la base que se
obtiene en cada iteración con el MS y el valor de ellas de manera
automática es cero (0).
Para realizar una explicación precisa del resto de los conceptos teóricos del
MS se presenta el siguiente modelo de PL, el cual haremos referencia en la
investigación como el modelo Uno.
Sujeto a
x1 + x2 + x3 ≤ 200
x1 , x2 , x3 , ≥ 0
Sujeto a
x1 + x2 + x3 + S4 = 200
x1 , x2 , x3 , S4 , S5 , S6 ≥ 0
26
x1
x2
x3
c=[63 95 135 0 0 0], x= S
4
S5
[S6 ]
1 1 1 1 0 0 200
A= [1 2 4 0 1 0] , b= [320]
2 3 3 0 0 1 400
Ahora bien, una vez ya aumentado el modelo Uno es necesario obtener una
solución básica de inicio para poder realizar las iteraciones necesarias hasta
encontrar la mejor solución, pero antes de explicar cómo obtener una solución
básica de inicio presentamos en la Tabla 4 la estructura de la Tabla Simplex en
forma matricial, el cual es de utilidad para la organización de los cálculos
correspondientes con el MS.
Filas VB x LD
F0 Z cB B-1 A – c cB B-1 b
27
S3 1 0 0
x B = [S 4 ] , B= [0 1 0] , cB =[0 0 0]
S5 0 0 1
1 0 0 1 1 1 1 0 0
-1
B A= [0 1 0 ] [1 2 4 0 1 0]
0 0 1 2 3 3 0 0 1
1 1 1 1 0 0
B-1 A= [1 2 4 0 1 0]
2 3 3 0 0 1
1 1 1 1 0 0
-1
cB B A - c=[0 0 0 [1
] 2 4 0 1 0] -[63 95 135 0 0 0]
2 3 3 0 0 1
1 0 0 200
-1
B b= [0 1 0] [320]
0 0 1 400
200
B-1 b= [320]
400
28
200
-1
cB B b=[0 0 0 [320]
]
400
cB B-1 b=0
Filas VB x1 x2 x3 S4 S5 S6 LD
F1 S3 1 1 1 1 0 0 200
F2 S4 1 2 4 0 1 0 320
F3 S5 2 3 3 0 0 1 400
29
El MS para realizar una iteración es necesario ejecutar una secuencia de
pasos que se repiten en cada iteración hasta encontrar la mejor solución, la Tabla
6 muestra la solución óptima del modelo Uno.
Filas VB x1 x2 x3 S4 S5 S6 LD
Uno de los elementos clave es B-1 que para este caso estará comprendida
por los coeficientes de variables de holgura y artificiales en dado caso desde F1,
F2, F3,…, Fm, de la solución óptima y w estará conformado en igual forma por los
coeficientes de las variables mencionadas anteriormente en la solución óptima en
F0.
Es importante mencionar que para ver cómo opera la idea fundamental del
MS es necesario hacer uso de las formulas indicadas en la Tabla 4, sin embargo,
la adecuaremos de una manera más conveniente para realizar Análisis Post
Óptimo sobre modelos de PL como se muestra en la Tabla 7.
30
Tabla 7.- Tabla Simplex en Forma Matricial para el Análisis Post Óptimo de modelos de PL
Filas VB x LD
F0 Z zj - cj = w aj - cj ∀ j cB b̅
31
n
Max Z= ∑ cj xj ,
j=1
Sujeto a
n
∑ aij xj ≤ bi , ∀i=1, 2, … , m
j=1
xj ≥ 0, ∀j=1, 2, …, n.
Min F= ∑ bi wi ,
i=1
Sujeto a
m
∑ aij wi ≥ cj , ∀j=1, 2, … , n
i=1
wi ≥ 0, ∀i=1, 2, …, m.
32
Tabla 8.- Reglas para construir el PD
Restricciones Variables
≥ ↔ ≤0
≤ ↔ ≥0
= ↔ Irrestrictas
Variables Restricciones
≥0 ↔ ≥
≤0 ↔ ≤
Irrestrictas ↔ =
33
En cambio, si tenemos un PP de Min es la misma lógica descrita
anteriormente con los papeles invertidos, ya que si una restricción es ≥ la variable
decisión siempre será ≥ 0 y si una restricción es ≤ la variable de decisión siempre
será ≤ 0 en el PD, pero cualquiera de las otras correspondencia que no están
resaltadas en la Tabla 8 presentara modificaciones en las variables de decisión y
restricciones del PD.
34
CAPITULO II
ANÁLISIS PARAMÉTRICO
35
diversos escenarios que involucran los cambios que pueden presentar los
parámetros del modelo de PL para sugerir las mejores recomendaciones.
Sujeto a
3x1 + 2x2 ≤ 80
x1 ,x2 , ≥ 0
36
Una vez obtenida la solución óptima del modelo Dos es importante conocer
los intervalos en que puede cambiar cada uno de los parámetros “cj” en forma
individual mientras el resto de los parámetros permanecen fijos para que solución
actual o la base permanezca óptima.
3 c1 1
- ≤- ≤ - , c2 =24
2 c2 2
3 c1 1
- ≤- ≤-
2 24 2
c1 ≥ 12
c1 ≤ 36
12 ≤ c1 ≤ 36
3 c1 1
- ≤- ≤ - , c1 =20
2 c2 2
3 20 1
- ≤- ≤-
2 c2 2
40
c2 ≥
3
c2 ≤ 40
40
≤ c2 ≤ 40
3
37
Existe una forma similar a la anterior de obtener los intervalos de los “cj” a
través de la solución óptima que proporciona el MS, pero antes de realizarlo la
Tabla 9 presenta la solución óptima del modelo Dos.
Filas VB x1 x2 S3 S4 LD
F0 Z 0 0 4 4 720
F2 x1 1 0 -1/4 1/2 15
1 1
F0 =[-c1 0 4 4 720]+ [c1 0 - c1 c 15c1 ]
4 2 1
1 1
F0 = [0 0 - c1 + 4 c +4 15c1 + 720]
4 2 1
1
- c1 + 4 ≥ 0
4
c1 ≤ 16
1
c +4≥0
2 1
c1 ≥ -8
-8+20 ≤ c1 ≤ 20+16
12 ≤ c1 ≤ 36
38
Intervalo de c2 a Través de la Solución Óptima del MS
3 1 35
F0 =[0 -c2 4 4 720]+ [0 c2 c - c2 c2 ]
8 2 4 2
3 1 35
F 0 = [0 0 c +4 - c2 + 4 c2 + 720]
8 2 4 2
3
c +4 ≥ 0
8 2
32
c2 ≥ -
3
1
- c2 + 4 ≥ 0
4
c2 ≤ 16
32
- + 24 ≤ c2 ≤ 24 + 16
3
40
≤ c2 ≤ 40
3
39
Análisis de Sensibilidad sobre los “bi”
Sujeto a
2w1 + 3w2 ≥ 20
4w1 + 2w2 ≥ 24
w1 ,w2 , ≥ 0
40
La idea de plantear el PD del modelo Dos es para hacer equivalente el
encontrar el intervalo de los “bi” del PP a encontrar los intervalos de los “cj” del PD,
es decir, que al encontrar el intervalo de “c1” y “c2” del PD, donde la solución actual
o la base permanece optima, es totalmente equivalente a encontrar los intervalos
de “b1” y “b2” del PP.
c1 2
-2 ≤ - ≤ - , c2 =80
c2 3
c1 2
-2 ≤ - ≤-
80 3
160
c1 ≥
3
c1 ≤ 160
160
≤ c1 ≤ 160
3
c1 2
-2 ≤ - ≤ - , c1 =100
c2 3
100 2
-2 ≤ - ≤-
c2 3
c2 ≥ 50
c2 ≤150
50 ≤ c2 ≤ 150
Por otro lado, podemos obtener los intervalos de los “bi” de manera directa a
partir de la solución óptima del modelo Dos que se presentó en la Tabla 9 como se
ilustra a continuación.
41
Intervalo de b1 a Través de la Solución Óptima del MS
3/8 -1/4 b1
B-1 b' = [ ][ ]≥ 0
-1/4 1/2 80
3/8b1 - 20 ≥ 0
B-1 b' =
-1/4b1 + 40 ≥ 0
3/8b1 -20 ≥ 0
160
b1 ≥
3
-1/4b1 +40 ≥ 0
b1 ≤ 160
160
≤ b1 ≤160
3
75 1
- b ≥0
B-1 b' = 2 4 2
1
-25 + b2 ≥ 0
2
75 1
- b ≥0
2 4 2
b2 ≤ 150
1
-25 + b2 ≥ 0
2
b2 ≥ 50; 50 ≤ b2 ≤ 150
42
Análisis Paramétrico sobre los “cj”
Cuando se hace uso de esta técnica sobre los “cj” se genera una función
lineal por partes convexa siempre que la Función Objetivo sea del tipo Max como
se ilustra en la Figura 3.
Figura 3. Valor de la Función Objetivo como una función de θ para cambios en los
parámetros cj
Fuente: Hillier y Lieberman (2010)
Si la Función Objetivo fuera del tipo Min el Análisis Paramétrico sobre los “cj”
generaría una función lineal por partes cóncava.
Ahora bien, la razón por la cual se genera una función lineal por partes
convexa es porque cuando “θ” cambia de un intervalo a otro la pendiente aumenta
en ese punto y así sucesivamente; es importante mencionar la razón por la cual la
pendiente se mantiene mientras “θ” varia en un rango especifico, lo cual se debe
que el valor de las variables de decisión se mantienen iguales, ya una vez que “θ”
empieza en otro rango especifico la base cambia y el valor de las variables de
43
decisión también, el modelo de PL parametrizado sobre los “cj” tiene la siguiente
forma:
n
Sujeto a
n
∑ aij xj ≤ bi , ∀i=1, 2, … , m
j=1
xj ≥ 0, ∀j=1, 2, …, n.
Ahora bien, a continuación se parametriza los “cj” del modelo Uno para
realizar una serie de cálculos que permiten tener la idea de la mecánica de esta
técnica.
Sujeto a
x1 + x2 + x3 ≤ 200
x1 , x2 , x3 , ≥ 0
-(zj - cj )
θ=
z'j - c'j
44
La segunda ecuación permite determinar la Función Objetivo parametrizada
la solución básica actual.
Z(θ)=cB b̅ + θc'B b
̅
2
-
5
1
z2 - c2 =[0 135 63] -[95]=38/5
5
6
[5]
2
-
5
1
z'2 - c' 2 =[0 4 3] -[-1]=27/5
5
6
[5]
45
1
5
2
z5 - c5 =[0 135 63] -[0]=81/5
5
3
[- 5]
1
5
2
z'5 - c' 5 =[0 4 3] -[0]= -1/5
5
3
-
[ 5]
3
-
5
1
z6 - c6 =[0 135 63] - -[0]=117/5
5
4
[5]
3
-
5
1
z'6 - c' 6 =[0 4 3] - -[0]=8/5
5
4
[5]
Z(θ)=cB b̅ + θc'B b
̅
24 24
Z(θ)=[0 135 63] [ 48 ] + θ[0 4 3] [ 48 ]
128 128
Z(θ)=14544 + θ(576)
Z(θ)=14544 + 576θ
46
Z(81)=14544+576(81)
Z(81)=61200
[(38/5) + θ(27/5)]x2
[(81/5) + θ(-1/5)]S5
[(117/5) + θ(8/5)]S6
θ=81
[(81/5) + (81)(-1/5)]S5 =0
Tabla 10.- Cálculos en la Solución Básica del modelo Uno Parametrizado cuando θ alcanza el
valor de 81
Filas VB x1 x2 x3 S4 S5 S6 LD
47
La Tabla 11 muestra los resultados de los cálculos de la nueva solución
básica del modelo Uno después de realizar una iteración con el MS con S5 como
variable básica.
Tabla 11.- Nueva Solución Básica del modelo Uno Parametrizado sobre los cj
Filas VB x1 x2 x3 S4 S5 S6 LD
F1 S5 0 -2 0 5 1 -3 120
F2 x3 0 1 1 -2 0 1 0
F3 x1 1 0 0 3 0 -1 200
Ahora, con la nueva solución básica del modelo Uno realizamos el mismo
procedimiento anterior para evaluar si es posible obtener otra cota superior donde
se puede incrementar "θ" para que esta nueva solución básica cambie y
posteriormente obtener otra solución básica, donde las variables de decisión y
Función Objetivo tomen otros valores.
-2 5 -3
cB =[0 135 63], c'B =[0 y
4 3 2 1
], = [ ] , y4
= [ -2 ] , y6
= [ 1]
0 3 -1
-2
z2 - c2 =[0 135 63] [ 1 ] -[95]=40
0
-2
z'2 - c'2 =[0 4 3 1 ] -[-1]=5
] [
0
5
z4 - c4 =[0 135 63] [-2] -[0]=-81
3
48
5
z'4 - c' 4 =[0 4 3] [-2] -[0]=1
3
-3
z6 - c6 =[0 135 63 1 ] -[0]=72
] [
-1
-3
z'6 - c'6 =[0 4 3] [ 1 ] -[0]=1
-1
̅ + θc'B b
Z(θ)=cB b ̅
120 120
Z(θ)=[0 135 63] [ 0 ] + θ[0 4 3] [ 0 ]
200 200
Z(θ)=12600 + θ600
Z(θ)=12600 + 600θ
[(40) + θ(5)]x2
[(-81) + θ(1)]S4
[(72) + θ(1)]S6
49
Figura 4. Valor de la Función Objetivo como una función de θ para cambios en los
parámetros cj del modelo Uno
Cuando se hace uso de esta técnica sobre los “b i” se genera una función
lineal por partes cóncava siempre y cuando la Función Objetivo sea del tipo Max
como se ilustra en la Figura 5.
50
Figura 5. Valor de la Función Objetivo como una función de θ para cambios en los
parámetros bi
Fuente: Hillier y Lieberman (2010)
Por otro lado, si la Función Objetivo es del tipo Min el Análisis Paramétrico
sobre los “bi” genera una función lineal por partes convexa.
En este caso se genera una función lineal por partes cóncava porque a
medida que “θ” cambia de un intervalo a otro la pendiente en un punto específico
disminuye y así sucesivamente; ahora lo que hace que la pendiente se mantenga
mientras “θ” varia en un rango especifico es que los precios sombra de las
restricciones se mantienen iguales, cuando “θ” inicia en un nuevo intervalo la base
cambia y los precios sombra también, el modelo de PL parametrizado sobre los
“bi” tiene la siguiente forma:
n
Max Z(θ)= ∑ cj xj
j=1
Sujeto a
n
∑ aij xj ≤ bi + αi θ, ∀i=1, 2, … , m
j=1
51
xj ≥ 0, ∀j=1, 2, …, n.
Sujeto a
x1 + x2 + x3 ≤ 200 + 2θ
x1 , x2 , x3 , ≥ 0
b̅i
θ =
̅̅̅̅i
-b'
̅ + θcB b'
Z(θ)=cB b ̅
̅ + θb
b ̅'
52
200 2 1 1/5 -3/5
' -1
b= [320] , b = [-1] , B = [0 2/5 -1/5]
400 0 0 -3/5 4/5
̅=B-1 b
b
24
̅= [ 48 ]
b
128
̅ =B-1 b'
b'
1 1/5 -3/5 2
̅ = [0 2/5
b' -1/5] [-1]
0 -3/5 4/5 0
9/5
̅ = [-2/5]
b'
3/5
b̅i (48)
θ= , θ= 2 , θ=120
̅̅̅̅
-b'i -(- )
5
̅ + θcB b'
Z(θ)=cB b ̅
24 9/5
Z(θ)=[0 135 63] [ 48 ] + θ[0 135 63] [-2/5]
128 3/5
81
Z(θ)=14544 + θ(- )
5
81
Z(120)=14544 + 120(- )
5
53
Z(120)=12600
̅ + θb
b ̅'
24 9/5
̅' = [ 48 ] + θ [-2/5]
̅ + θb
b
128 3/5
9
24 + θ( )
5
̅ = 48 + θ(- 2 )
̅ + θb
b
'
5
3
128 + θ( )
5
240
̅' = [ 0 ]
̅ + 120b
b
200
Tabla 12.- Solución Básica actual del modelo Uno sobre los bi cuando θ es 120
Filas VB x1 x2 x3 S4 S5 S6 LD
En esta etapa la variable “x3” puede salir de la base para formar una nueva
base.
54
Tabla 13.- Nueva Solución Básica del modelo Uno Parametrizado sobre los bi
Filas VB x1 x2 x3 S4 S5 S6 LD
F0 Z 0 31 117 0 63 0 12600
F1 S4 0 -1 -3 1 -1 0 240
F2 S6 0 -1 -5 0 -2 1 0
F3 x1 1 2 4 0 1 0 200
200 2 1 -1 0
b= [320] , b' = [-1] , B-1 = [0 -2 1]
400 0 0 1 0
̅=B-1 b
b
1 -1 0 200
̅= [
b 0 -2 1] [320]
0 1 0 400
-120
̅
b= [-240]
320
̅ =B-1 b'
b'
1 -1 0 2
̅ = [0 -2
b' 1] [-1]
0 1 0 0
3
̅=[2]
b'
-1
b̅i (320)
θ= , θ= , θ=320
̅̅̅̅
-b'i -(-1)
55
̅ + θcB b'
Z(θ)=cB b ̅
-120 3
Z(θ)=[0 0 63 [-240] + θ[0 0
] 63 [ 2 ]
]
320 -1
Z(θ)=20160 + θ(-63)
Z(θ)=20160 - 63θ
Z(320)=0
̅ + θb
b ̅'
-120 3
̅' = [-240] + θ [ 2 ]
̅ + θb
b
320 -1
-120 + θ(3)
'
̅ + θb
b ̅ = -240 + θ(2)
320 + θ(-1)
840
̅' = [400]
̅ + 320b
b
0
Tabla 14.- Cálculos en la Solución Básica del modelo Uno sobre los bi cuando θ es 320
Filas VB x1 x2 x3 S4 S5 S6 LD
F0 Z 0 31 117 0 63 0 0
F1 S4 0 -1 -3 1 -1 0 840
F2 S6 0 -1 -5 0 -2 1 400
F3 x1 1 2 4 0 1 0 0
56
Figura 6. Valor de la Función Objetivo como una función de θ para cambios en los
parámetros bi del modelo Uno
57
CAPÍTULO III
58
Caso 1: Aplicación de SOLVER en la Asignación de Personal en el
Mantenimiento de la Aeronave B-727
59
Tabla 15.- Parámetros del Modelo de Optimización del Caso 1
Símbolos Significado
i Técnicos
j Trabajos
Función Objetivo
m n
Z = ∑ ∑ (Bij )( xij )
i j
Restricciones
Las siguientes dos restricciones permiten que a los técnicos se les pueda
exigir el mínimo y máximo de trabajos que pueden realizar.
60
n
∑ (xij ) ≥ Trabmini , ∀ i
j
∑ (xij ) ≤ Trabmaxi , ∀ i
j
Esta restricción asegura que cada trabajo debe ser realizado por un solo
técnico.
∑ (xij ) = Ctrabj , ∀ j
i
Por último, estas restricciones permiten que se les pueda exigir el mínimo y
máximo de horas que pueden trabajar los técnicos sin sobrecargar su jornada
laboral.
61
Aplicación del Modelo de Optimización del Caso 1 en una Empresa
Metalmecánica de Ciudad Guayana
Hay que considerar una serie de restricciones impuestas por la empresa que
son necesarias para obtener buenos resultados. La primera condición es que
ningún técnico se debe quedar sin ser asignado a ningún trabajo, por lo que la
empresa indica que sus técnicos deben realizar al menos un trabajo y cuando
mucho tres. La segunda condición impuesta por la empresa es que el tiempo
mínimo de trabajo deber ser al menos cuatro horas y cuando mucho ocho (8)
horas para no sobrecargar a los técnicos y generar horas extras.
62
Es evidente, por la situación que está pasando la empresa Metalúrgica
Chirica, C.A que el objetivo principal de esta es cumplir con todas sus
responsabilidades de trabajo para no afectar su imagen. Por esta razón, si se
quiere tener certeza de cumplir con tal objetivo se debe realizar una asignación
óptima de los trabajos a los técnicos.
Tabla 16.- Tiempo (horas) del técnico i en realizar el trabajo j de Mantenimiento a la Grúa Puente
Trabajo j
Técnico i
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18
1 2 1 1.5 2.3 1.2 1.2 0.8 1 1.5 2 0.5 0.4 2 1 2 3 2.4 1.5
2 1.5 1.3 2 2.4 1.3 1 0.6 1.3 1.2 1.8 0.7 0.9 1.8 1.2 1.5 2.5 2 1.7
3 3 1.2 1.3 2 1.1 0.9 1 1.4 1.5 2 0.6 1 2 0.8 1.8 2.7 2.3 1.9
4 1.8 1.4 1.8 2.8 1.4 0.8 0.5 1.1 1.3 1.7 0.5 0.8 2.5 0.7 1.7 2.5 2.7 2
5 2 1.6 1.6 2.2 1 1.2 0.6 1.5 1.2 1.6 0.4 0.5 1.4 0.5 1 2 1.8 2.5
6 2.2 1.1 1.7 2.6 1.2 1 0.9 1.8 1.1 2 0.8 0.3 1.3 0.9 1.5 2.3 2 2
63
Ahora se realiza el Análisis Paramétrico sobre los tiempos mínimos y
máximos para ver el comportamiento del modelo de optimización, ya que son los
parámetros en los que se debe tener un mejor control.
Si se desea que el problema tenga una solución factible cuando los tiempos
minimo de trabajo alcanzan un valor mayor o igual a 5.2 horas las opciones que se
tienen son: asignar horas extras de trabajos, reducir el número máximo de trabajos
o contratar más técnicos.
64
Por otra parte, al variar simultáneamente los tiempos máximos disponibles en
porcentaje del modelo su comportamiento se muestra en la Figura 8.
65
Caso 2: Diseño de un Modelo Matemático para la Asignación de Personal a
Múltiples Trabajos de Mantenimiento
Señala Di Mattia (2014) que los problemas empezaron a surgir debido a que
la Institución Pública (IP) bajo estudio cuenta con una serie de áreas de tamaño
importantes como el Departamento de Estadísticas, Investigaciones Económicas e
Internacionales, entre otras. Se tiene una cantidad significativa de trabajos de
Mantenimiento solicitados dada la cantidad de equipos que requerían tareas de
conservación para garantizar el correcto funcionamiento de cada área. Además,
existen una serie de instalaciones administrativas que requerían Mantenimiento.
Esto llevo a un estudio adicional que tuvo como conclusión que una posible
causa era que la cantidad de personal con que contaba la IP para realizar los
trabajos no eran suficientes, ya que se evidenció que por políticas de la IP a cada
técnico se le asignaba un número de actividades para que las realizaran en un
tiempo determinado y al concluir ese tiempo reportaban una cantidad menor a las
que se le había asignado.
66
Entre las consideraciones establecidas para aplicar el modelo de
optimización estaba evitar sobrecargar de trabajos pendientes a los técnicos de
Mantenimiento.
67
Tabla 17.- Parámetros del Modelo de Optimización del Caso 2
Símbolos Significado
i Técnicos
j Trabajos
Función Objetivo
m n
Restricciones
Las siguientes dos restricciones permiten que a los técnicos que sí conocen
el trabajo se les pueda exigir el mínimo y máximo de trabajos que pueden realizar.
68
n
Esta restricción asegura que cada trabajo debe ser realizado por un solo
técnico que sí conoce el trabajo.
Por último, esta restricción asegura que los técnicos que sí conocen el
trabajo los puedan realizar en el tiempo total disponible para cada uno de ellos.
69
Aplicación del Modelo de Optimización del Caso 2
70
Las restricciones sobre todos los técnicos están referidas a que se realicen
todos los trabajos que se les asignen en un tiempo total máximo de cuarenta horas
(40) horas a la semana y deben realizar al menos uno y como máximo de tres
trabajos durante la semana.
Trabajos
Técnicos
Lubricación Mecánica Electricidad Limpieza
Técnico 1 1 0 0 1
Técnico 2 0 1 1 0
Técnico 3 1 1 0 0
Técnico 4 0 0 1 1
Técnico 5 0 1 0 1
Técnico 6 1 0 1 1
Técnico 7 1 1 1 0
Técnico 8 0 1 1 1
71
Tabla 19.- Descripción y Tiempos de Entrega de Trabajos por Asignar
Duración
N° trabajo Tipo de trabajo (Horas)
Trabajo 1 Lubricación 2
Trabajo 2 Lubricación 3
Trabajo 3 Lubricación 7
Trabajo 4 Lubricación 12
Trabajo 5 Lubricación 8
Trabajo 6 Mecánica 14
Trabajo 7 Mecánica 10
Trabajo 8 Mecánica 9
Trabajo 9 Mecánica 2
Trabajo 10 Mecánica 7
Trabajo 11 Electricidad 6
Trabajo 12 Electricidad 13
Trabajo 13 Electricidad 12
Trabajo 14 Electricidad 3
Trabajo 15 Electricidad 2
Trabajo 16 Limpieza 6
Trabajo 17 Limpieza 8
Trabajo 18 Limpieza 1
Trabajo 19 Limpieza 8
Trabajo 20 Limpieza 8
72
El Análisis Paramétrico sobre los tiempos máximos en el modelo de
optimización del Caso 2 se muestra en la Figura 9.
Figura 9. Comportamiento cuando varían los tiempos máximos disponibles de los técnicos.
73
CONCLUSIONES
En este sentido, no hay duda de que uno de los puntos clave es llevar a cabo
la mejor programación del personal en el área del Mantenimiento, de tal manera
que se coadyuve en la mejora de la disponibilidad de los activos productivos.
74
comparación con otras disciplinas el conocer parte de su historia puede ayudar a
despejar incluso dudas que se pueden presentar en su aprendizaje.
Por otro lado, el Análisis Paramétrico, que es una extensión del Análisis de
Sensibilidad, permite analizar el comportamiento del modelo de optimización en
una forma más avanzada, razón por la cual se decidió explicar las bases teóricas
fundamentales de esta técnica para ver cómo opera y al mismo tiempo que sirva
de apoyo en la orientación de las decisiones que se deben tomar en una
organización.
75
RECOMENDACIONES
76
REFERENCIAS
Bazaraa, M., Jarvis, J., y Sherali, H. (2010). Linear Programming and Network
Flows. New Jersey: WILEY.
77
Chávez, R. (2015). Resolución de Problemas de Programación Lineal, Mediante el
Método Simplex. Trabajo Especial de Grado publicado. Biobío: Universidad
del Bío-Bío.
Disponible:
http://repobib.ubiobio.cl/jspui/bitstream/123456789/282/3/Chavez_Abello_Ro
drigo.pdf [Consulta: 2020, Noviembre 18].
78
Dulzaides, M., y Molina, A. (2004). Análisis Documental y de Información: Dos
Componentes de un Mismo Proceso. ACIMED v.12 n.2 Ciudad de la Habana
mar-abr. 2004.
79
Romero, J. (2016). Aplicación de la Herramienta Informática Solver en un Modelo
de Programación Lineal Binaria para la Asignación Optima de Recurso
Humano en los Requerimientos de Mantenimiento Imprevisto en la Aeronave
B-727 de la Compañía MPI. Tesis de Postgrado publicada. Bogotá:
Universidad Militar Nueva Granada. Disponible:
https://repository.unimilitar.edu.co/bitstream/handle/10654/15322/ROMEROS
USUNAGAJUANCARLOS2016.pdf?sequence=1&isAllowed=y [Consulta:
2020, Enero 15].
80
ANEXOS
81
ANEXO A
Archivo mod del modelo de optimización para el problema de la
empresa METALÚRGICA CHIRICA, C.A en AMPL
82
83
ANEXO B
Archivo dat del modelo de optimización para el problema de la
empresa METALÚRGICA CHIRICA, C.A en AMPL.
84
85
ANEXO C
86
87
ANEXO D
88
89
ANEXO E
90
91
ANEXO F
Archivo dat del modelo de optimización para el problema de la
empresa Ferrominera Orinoco en AMPL
92
93
ANEXO G
Archivo run del modelo de optimización para el problema de la
empresa Ferrominera Orinoco en AMPL
94
95
ANEXO H
96
97
ANEXO I
98
99
ANEXO J
Archivo dat del modelo de optimización para el problema de la
empresa Ferrominera Orinoco en AMPL cambiando al objetivo de
maximización
100
101
ANEXO K
102
103
ANEXO L
104
105