INTRODUCCION

La optimización de procesos tiene varias matices, unos están a favor y otros en contra,
pero lo cierto es que el término optimización dentro de la ingeniería puede llegar a ser
muy ambicioso, sobre todo para las empresas que actualmente se han visto obligadas a
"ajustarse" al entorno, nuevos estándares, innovación tecnológica normativas legales o
simplemente a una escalada hacia una constante optimización de procesos exitosos. Por
esta razón, optimizar procesos puede llegar a ser un desafío muy costoso o incluso
doloroso para la industria pero sin duda necesario. Solamente conociendo el proceso en
su totalidad se puede proceder al análisis del mismo y de las operaciones para su
mejoramiento.
 FUNDAMENTO TEORICO: APLICACIÓN DE DERIVADAS EN
OPTIMIZACIÓN

Enfoque de la Optimización en el campo de la Ingeniería.

La optimización dentro de la ingeniería se enfoca en utilizar de forma eficiente recursos

limitados y que pueden ser asignados a actividades alternativas, en otras palabras,
optimizar es un proceso industrial, significa mejorarlo utilizando o asignando todos los
recursos que intervienen en él de la manera más excelente posible, la optimización tiene
como propósito analizar e identificar la mejor solución posible, entre todas las soluciones
potenciales. La idea de aplicar los diferentes métodos de optimización es facilitar el
entendimiento y el manejo de los parámetros que componen un sistema o proceso.

La palabra optimización, comparte la misma raíz que "óptimo", pero es raro que el
proceso de optimización origine un sistema realmente óptimo. A menudo no existe una
solución de diseño que funcione bien en todos los casos, por lo tanto, en esos casos los
ingenieros para poder optimizar deben tomar los atributos de mayor interés. Cabe resaltar
que la toma de decisiones se va tornando difícil de acuerdo al tamaño y complejidad de
las empresas, sus problemas o por la cantidad de variables que manejan, en especial
cuando se tienen varios productos, materias primas y plantas de producción, por lo tanto
saber dónde producir, cuales productos, y a que clientes tener en cuenta, se convierte en
un tema en donde es necesario la aplicación de la investigación de operaciones y de
modelos matemáticos, los cuales ayudan a la disminución y optimización de las
actividades.

En los modelos matemáticos se representan en tres principales 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. En resumen, se puede decir que muchos sistemas dinámicos pueden ser
caracterizados por ecuaciones diferenciales. El primer paso y el más importante en el
análisis de un sistema dinámico es elaborar su modelo matemático. Los modelos
matemáticos pueden tomar muchas formas, según sea el sistema particular que se está
analizando y las circunstancias, una representación matemática determinada o solución
puede ser más adecuada que otras para un mismo sistema. El interés en la optimización
se concentra en la solución de problemas reales, los cuáles deben ser representados
matemáticamente.

La optimización de la representación matemática de procesos reales presenta dos tipos de

problemas:

1. Formulación del modelo matemático: en el cual se debe representar la función a ser

optimizada o como también se conoce, la función objetivo.
2. Técnica de Solución: en donde se suponen que los coeficientes y variables del modelo
no son variables aleatorias.

Otro problema son los errores de redondeo de la aritmética punto flotante. En la ingeniería
el objetivo es evitar las fallas, pero una maquina o un proceso siempre puede fallar,
variando los resultados constantemente. Con cada éxito surgen más preguntas de cómo
se podría optimizar eso que ya se ajustó, es decir, que es un proceso de mejora constante.
Muchas veces la complejidad de un problema hace imposible que por simple intuición se
pueda ver todas las alternativas o posibilidades que se tiene enfrente. Por esa razón en la
ingeniería es importante el uso de modelos matemáticos para ayudar la toma de decisiones
frente a esa complejidad.

Sabemos que la optimización abarca muchos ámbitos de la ingeniería, como por ejemplo
sistemas complejos, es por ello que se trata de optimizar esos sistemas. La ingeniería tiene
la necesidad de mejorar los procesos de las empresas constantemente para que puedan ser
competitivas en el mercado actual, ya sea de producción o de servicio. Por esta razón se
les ha dado mayor importancia a las técnicas y herramientas que ayuden a lograr esos
cambios favorables. Las empresas piensan "podemos hacerlo mejor" y buscan formas de
conseguir mayores niveles de rendimiento.

La optimización de procesos de negocios es una oportunidad nueva para liberar negocios

de la rigidez y la fragilidad de sus aplicaciones existentes usando un enfoque holístico
para apalancar la tecnología.
Por otro lado, la programación lineal y no lineal han venido demostrando ser una
herramienta sumamente eficaz, tanto en la modelización de problemas de la vida real
como en la teoría matemática.

Programación Lineal: Los programas lineales facilitan la resolución de problemas,

debido a que la solución es siempre uno de los vértices. Además, gracias a que la cantidad
de vértices es limitada, todo lo que se debe hacer es buscar todos los vértices factibles y
luego evaluar la función objetivo en dichos vértices para encontrar el punto óptimo.

Considera que las variables de decisión tienen un comportamiento lineal. Son incógnitas
que deben ser determinadas a partir de la solución del modelo, los parámetros representan
los valores conocidos del sistema o que se pueden controlar.

Tanto en la función objetiva como restricciones del problema con la finalidad de

optimizar la función (Determinar los valores de las 5 variables que intervienen en un
proceso o sistema para que el resultado que se obtenga sea el mejor posible).

Métodos más recorridos:

 Algoritmos de Pivote:
Sistemas de ecuaciones lineales cuyas variables adaptan valores no negativos; se
busca la mejor solución alternativa, es decir, una solución óptima del sistema.
 Algoritmos Simples:
Procedimiento iterativo (repetitivo) que permite mejorar la solución de la función
objetivo en cada paso. Este concluye cuando no es posible continuar mejorando
dicho valor, es decir, se ha alcanzado la solución óptima (El mayor o menor valor
posible, según el caso, para el que satisface todas las restricciones).

Veamos unos ejemplos de programación lineal para comprender mejor esta definición.

Ejemplo aplicativo:

Un fabricante produce dos tipos de parrillas para asar carne, Tipo I y Tipo II.
Durante el proceso de producción las parrillas requieren del uso de dos máquinas, A y B.
El número de horas que se requieren en cada una se señalan en la tabla que aparece a
continuación. Si puede utilizarse cada una de las máquinas 24 horas al día, y las utilidades
para la Tipo I y la Tipo II son de $4 y $6, respectivamente.
 Tipo I Tipo II
Máquina A 2 4
Máquina B 4 2

a) Plantear las restricciones.

b) Determine la función
c) ¿Qué cantidad de cada tipo se debe fabricar diariamente para maximizar las
utilidades?
d) ¿Cuál es la utilidad máxima?

Resolución:

2𝑥 + 4𝑦 ≤ 24
a) 𝑓(𝑥) = { 4𝑥 + 2𝑦 ≤ 24 }
𝑥 ≥ 0 ;𝑦 ≥ 0

b) 𝑔(𝑥) = 4𝑥 + 6 𝑦
c)
 Puntos:

𝐴 = (0; 6) 4(0) + 6(6) = 36

𝐵 = (4; 4) 4(4) + 6(4) = 40

𝐶 = (6; 0) 4(6) + 6(0) = 24

𝐷 = (0; 0) 4(0) + 6(0) = 0

Se debe producir y vender 4 parrillas de cada uno para poder maximizar las
utilidades.

d) La utilidad máxima es de 40.

Programación no Lineal: En el caso de programas no lineales, el problema es mucho

más difícil de resolver porque la solución podría estar en cualquier parte dentro de la
región factible o en un vértice. Sin embargo la programación no lineal se usa ampliamente
en ciencias aplicadas, tales como el diseño de ingeniería, el control de inventario y en la
exploración geográfica.

Ejemplos:

1) Un joven ingeniero de una compañía ha sintetizado un nuevo fertilizante hecho a partir

de dos materias primas. Al combinar cantidades de las materias primas básicas 𝑥1 y 𝑥2 ,
la cantidad de fertilizante que se obtiene viene dada por
𝑄(𝑥1 , 𝑥2 ) = 4𝑥1 + 2𝑥2 − 0.5𝑥12 − 0.25𝑥22

Se requieren 480 euros por unidad de materia prima 1 y 300 euros por cada unidad de
materia prima 2 que se empleen en la fabricación del fertilizante (en estas cantidades se
incluyen los costos de las materias primas y los costos de producción). Si la compañía
dispone de 24000 euros para la producción de materias primas, plantear el problema para
determinar la cantidad de materia prima de forma que se maximice la cantidad de
fertilizante. Las variables de decisión del problema son:

𝑥1 : Cantidad de materia prima 1

𝑥2 : Cantidad de materia prima 2

El objetivo es maximizar la cantidad de fertilizante,

 𝑄(𝑥1 , 𝑥2 ) = 4𝑥1 + 2𝑥2 − 0.5𝑥12 − 0.25𝑥22

Restricciones del problema:

- El coste no puede exceder el presupuesto que la empresa tiene asignado para el

fertilizante,
480𝑥1 + 300𝑥2 ≤ 24000
- No negatividad de las cantidades:
𝑥1 ≥ 0, 𝑥 2 ≥ 0
Por tanto

𝑀𝑎𝑥 𝑄(𝑥1 , 𝑥2 ) = 4𝑥1 + 2𝑥2 − 0.5𝑥12 − 0.25𝑥22

480𝑥1 + 300𝑥2 ≤ 24000

𝑥1 ≥ 0 , 𝑥2 ≥ 0

Ejercicio no lineal

Función objetivo es continua y convexa

mm (x1 – 6)2 + (x2 – 7)2

Es no lineal porque es cuadrático

Minimizar

¿Por qué es convexo? ¿Por qué es lineal?

- Si tuviéramos una cuadrática tendríamos que analizar la condición no lineal para

ver si es convexo o no convexo.
Sujeto a: No tenemos variables continuas enteras

X1 + X2 ≤ 6 g1
Condición de
desigualdad Restricciones
2X1 + X2 ≤ 8 g2

X1 ≥ 0 Condición de positividad de las

X2 ≥ 0 variables
 DIFERENCIA ENTRE PL Y PNL

 Determinismo

Modelo matemático donde las mismas entradas o condiciones iniciales producirán

invariablemente las mismas salidas o resultados.

 Estocástico

Sirven para usar magnitudes aleatorias que varían con el tiempo o para

caracterizar una sucesión de variables aleatorias.

 CONCLUSIONES

-La utilización de la programación no lineal se usa mayormente en ciencias aplicadas,

tales como el diseño de ingeniería, el control de inventario y en la exploración geográfica
al tener mayor cantidad de variables y una infinidad de posibilidades.

- La programación lineal propone formas particulares de abordaje a problemas

empresariales, aprovechando los actuales avances informáticos, ofreciendo gran ayuda a
la hora de valorar futuras estrategias de desarrollo y mejora de una empresa, algunas
ventajas que resultan de su aplicación son:

1. Brinda un plan óptimo detallado para lograr el resultado (máximo o mínimo)

óptimo.
2. Ofrece rangos de precios de cada actividad dentro de la cual no se modifica la
solución.
3. Permite evaluar costos de sustitución de las actividades.
4. Indica el uso de cada recurso limitante en el plan óptimo.
5. Identifica costos de oportunidad interno de cada recurso o insumo limitante
6. Define el rango dentro del cual se mantiene el costo de oportunidad de cada
recurso.
 BIBLIOGRAFIA

https://prezi.com/xil686v9olel/optimizacion-en-la-ingenieria/

https://sites.google.com/site/wwwgrupo2compe/semana-2/ejercicios-de-programacion-
lineal

http://www.phpsimplex.com/teoria_metodo_simplex.htm

https://es.wikipedia.org/wiki/Algoritmo_de_pivote

https://es.slideshare.net/LilivetUbiera/programacin-lineal-y-no-lineal

http://www.investigaciondeoperaciones.net/programacion_no_lineal.html

https://www.youtube.com/watch?v=V1e7SEMvjTo

Jorge Alvarado Boirivant – 2009 – reflexiones –“ LA PROGRAMACIÓN LINEAL

APLICACIÓN DE LA PEQUEÑAS Y MEDIANAS EMPRESAS”