Investigacin de Operaciones

Profesor: Sr Marcos Concha Cabrera

marcos.concha@ufrontera.cl
Mayo - Agosto
2014
UNIVERSIDAD DE LA FRONTERA
FACULTAD DE INGENIERIA Y CIENCIAS
DEPARTAMENTO DE INGENIERA DE SISTEMAS
TEMUCO - CHILE
Contenidos
Unidad 1: Optimizacin Lineal
1.1 Introduccin a la programacin lineal (PL)
1.2 Construccin de modelos de PL
1.3 Solucin de problemas de PL
1.3.1 Mtodo grfico
1.3.2 Mtodo Simplex
1.4 Dualidad: Precios sombra
1.5 Anlisis de sensibilidad
2
Unidad 2: Programacin lineal entera
2.1. Formulacin de modelos en variables
enteras (y binarias)
2.2. Mtodo de ramificacin y acotamiento
("branch and bound") y extensiones
2.3. Mtodos de planos de corte
3
Unidad 3: Programacin Lineal: Aplicaciones
3.1 Modelo de transporte
3.2 Modelo de asignacin
3.3 Modelo de Redes
3.3.1 Definicin de redes
3.3.2 Modelo de transbordo
3.3.3 rbol de extensin mnima
3.3.4 Problema de la ruta ms corta
3.3.5 Flujo mximo

4
Unidad 4: Administracin de Proyectos: PERT y CPM
4.1 Desarrollo de la red de proyectos.
4.2 Administracin de proyectos usando tiempos
determinsticos.
4.3 CPM y el equilibrio entre tiempo y costo
4.4 Administracin de proyectos usando tiempos
no determinsticos.
5
Unidad 5: Programacin dinmica
5.1 Estructura de los modelos de programacin
dinmica: etapa, estado, decisiones.
5.2 Principio de optimalidad de Bellman
5.3 Modelos de variable discreta y estados finitos.
5.4 Aplicaciones: ruta ptima en n etapas,
programacin de la produccin e inventario,
reemplazo de equipo.
6
EVALUACIN
Prueba 1 (35%) 05-07-2014
Prueba 2 (35%) 02-08-2014
Tareas (30%) Semanalmente
La asignatura se aprueba si el promedio
ponderado es igual o mayor a 4,0

7
BIBLIOGRAFA
HILLIER Frederick S. y LIEBERMAN Gerard J.
Introducccin a la Investigacin de Operaciones.
Mxico. McGraw-Hill. 2004. 1223 p.
TAHA Hamdy A. Investigacin de Operaciones,
Sptima Edicin, Pearson (Prentice Hill). Mxico
2004. 830 p

8
9
Unidad 1: Optimizacin Lineal
Qu es un problema (Situacin Administrativa)?
Soluciones:
Absolucin
Resolucin
Solucin
Disolucin
Por qu decimos que un problema es complejo?
Anlisis de problemas: Quin resuelve los problemas?
Qu entendemos por identificar un problema?
1.1 I ntroduccin a la Programacin Lineal
10
Qu es Investigacin de Operaciones?
El uso de las matemticas y las computadoras
para ayudar a tomar decisiones racionales frente a
problemas de administracin complejos
11
Aplicacin de las tcnicas de la administracin a problemas (sistemas):
Determinsticos
Toda la informacin necesaria para obtener una
solucin se conoce con certeza
Estocsticos
Parte de la informacin no se conoce con certeza
12
Mtodo Cientfico para resolver problemas complejos

En las Ciencias En Administracin
Defnase el problema
Recolctense los datos
Formulnse hiptesis
Pruebnse hiptesis
Evalense resultados
Obtnganse conclusiones
Defnase el problema
Recolctense los datos
Defnanse soluciones alternativas
Evalense soluciones alternativas
Seleccinese la mejor alternativa
Puesta en prctica
13
Qu se hace en la realidad?
Estar bien informado
Conocer todas las alternativas
Ser objetivo (ser optimizador econmico)
Muchas
soluciones
Definir el
problema
Establecer
los criterios
de solucin
Buscar las
soluciones
Solucin
Satisfactoria
Aumentar los
criterios
Pocas
soluciones
Disminuir
criterios
14
Qu hace un Director de Empresa para escoger la accin ms
efectiva para alcanzar las metas de la Organizacin?
Establecer Criterio(s) que usar
Seleccionar un conjunto de alternativas para considerarlas
Determinar el modelo que se usar y los valores de los parmetros
Determinar la alternativa que optimiza el criterio
Tomar la decisin
15
Aportes: Tcnicas de Programacin Lineal

George Dantzig (USAF), Marshall Wood y Murray Geisler
Wassily Leontief (modelo insumo-producto)
Mtodo Simplex

Gomory (programacin lineal discreta)
Lester Ford y D. K: Fulkerson (redes, trayectoria crtica)
CPM y PERT
16
CONSTRUCCIN DE MODELOS CUANTITATIVOS
Los modelo cuantitativos se emplean:

Como gua en la toma de decisiones
Como ayuda en la toma de decisiones
Para automatizar la toma de decisiones
17
Caractersticas de los Sistemas Administrativos
Def: Sistema....
Tipos de sistemas: Cerrados, abiertos
Modelos:
Normativos, descriptivos
Concretos, Abstractos (verbales o simblicos)
Aplicacin (Inventarios)
Tcnica (Programacin Lineal)
Comparacin de Modelos (validez, confiabilidad y
la simplicidad)
18
Ejemplo de un modelo simblico (cuantitativo)
Usted se encuentra Temuco y debe estar a una hora
determinada en Talca, por ejemplo a las 16 horas de
maana, el viaje lo realizar en automvil A qu hora
debera salir de Temuco?.
19
Dimensionalidad de los modelos (unidades)
Toma de decisiones
Categora Consecuencia
Certidumbre Deterministas
Riesgo Probabilsticas
Incertidumbre Desconocidas
Conflicto Influidas por un oponente
20
Uso de Datos para la Toma de Decisiones
Determina primero los hechos, despus puedes
tergiversarlos como te plazca. Mark Twin
Los hechos no dejan de existir porque se ignoren.
Aldous Huxley
21
Qu son los datos?
Son hechos o conceptos conocidos o supuestos y
generalmente se expresan en nmeros
Tipos de datos
Internos y externos
Objetivos y subjetivos
Requerimientos de datos en diferentes niveles de
la Organizacin
Control operativo
Control Administrativo
Planeacin estratgica
22
Construccin de Modelos
Etapas en la construccin de modelos:

1. Estudie el ambiente de la situacin administrativa

2. Formule un representacin selectiva de la situacin
Determinacin de las entradas y salidas
Entradas: Variables exgenas (decisiones y parmetros)
Salidas: Variables endgenas (medidas de desempeo y
variables de consecuencias)
3. Construya y analice un modelo simblico
23
Situacin: Inversin
Considere el problema enfrentado por Mark, graduado de la maestra de
administracin de empresas, quin recientemente obtuvo un puesto como
analista financiero en una compaa de Wall Street. Uno de los beneficios
adicionales es un plan de retiro en el que el empleado pone 5% de su
ingreso mensual. La compaa iguala esta cantidad. El dinero de este plan
es entonces invertido en dos fondos: un fondo de acciones y un fondo de
bonos. El Departamento de Beneficios le ha pedido a Mark que especifique
la fraccin de este dinero que habra que invertir en cada fondo. Mark ha
analizado el rendimiento anterior de estos fondos y se ha enterado de que
el fondo de acciones ha crecido a una tasa anual promedio de 10%,
mientras que el fondo de bonos, ha promediado una retribucin anual de
6%.
Para diversificar su cartera y para controlar el riesgo, no desea poner
todos los huevos en una sola canasta, ha identificado dos pautas:
1. Ninguno de los fondos debe tener ms del 75% de la inversin total.
2.La cantidad invertida en el fondo de acciones no debe exceder del doble
invertido en el fondo de bonos.
24
1 Definicin del problema

El problema de Mark est bien definido, se conoce el
objetivo global, las limitaciones bsicas para la toma de
decisin
2 Desarrollo del Modelo Matemtico

Expresar el problema en forma matemtica (formular el
modelo), por lo que se requiere determinar las variables
involucradas
25
Variables de decisin:

S : Fraccin de capital por invertir en acciones
B : Fraccin de capital por invertir en bonos
Para el problema se desean escoger valores para que estas
variables:

1 Maximicen la retribucin anual esperada
2 Satisfagan todas las pautas de inversin
26
- Funcin Objetivo

El objetivo global de un problema de decisin
expresado en una forma matemtica en trminos de
los datos y de las variables de decisin:

Maximizar 0,1 S + 0,06 B
- Restricciones (limitaciones)
Es un lmite sobre los valores de las variables en un
modelo matemtico tpicamente impuesto por
condiciones externas.
27
- Ningn fondo tenga ms del 75% de lo invertido

S s 0,75 (lmite superior en el fondo de acciones)
B s 0,75 (lmite superior en el fondo de bonos)

- La fraccin S invertida en el fondo de acciones no debe
exceder del doble de la fraccin B invertida en el fondo
de bonos
S s 2 B S - 2 B s 0

- Cada fraccin debe ser no negativa

S, B > 0
28
Finalmente el modelo resultante es:

Maximizar 0,1 S + 0,06 B

Sujeto a:
S s 0,75
B s 0,75
S - 2 B s 0
S, B > 0
29
3 Resolucin del modelo matemtico

Al resolver el problema usando cualquier tcnica se
tienen los siguientes valores para las variables de
decisin:
S = 0,75 y
B= 0,75

Generando una retribucin de:
0,1 * 0,75 + 0,06 * 0,75 = 0,12 (12%) ?
Solver 1
30
4 Validacin y Control de la Solucin

Al observar los valores de las variables de decisin
(S=0,75 y B=0,75) se ve que no tienen sentido. No se
puede invertir un 75% en ambos fondos
simultneamente.

Hay un error, no se incorpor una restriccin, la
disponibilidad de recursos

S + B = 1
31
5 Modificacin del Modelo

Maximizar 0,1 S + 0,06 B

Sujeto a:
S s 0,75
B s 0,75
S - 2 B s 0
S + B = 1
S, B > 0
32
Resolviendo nuevamente se tiene que:

S = 0,6667 y
B = 0,3333

Finalmente la retribucin es

0,1 * 0,6667 + 0,06 * 0,33333 = 0,86667 (8,667%)
Solver 2
33
1.2 Construccin de Modelos de PL
Modelo de Programacin Lineal

Es un modelo matemtico en el que las
relaciones entre variables son lineales y
donde hay un solo objetivo o medida de
rendimiento.

La ventaja que tiene el modelo es que
existe una tcnica matemtica que
permite determinar la decisin ptima.
34
El modelo de PL tiene un conjunto de variables de decisin, una
funcin objetivo la que debe maximizarse o minimizarse y un
conjunto de relaciones o restricciones.
Z = C
1
X
1
+ C
2
X
2
+ ......... C
n
X
n
Z : es un objetivo econmico (beneficios, produccin, costos, etc)
C
i
: coeficientes constantes (factores de ponderacin)
X
i
: variables de decisin (n)
sujeto a (Restricciones (m) ):
A
1
X
1
+ A
2
X
2
+ ......... A
n
X
n
s B
1

..................................................
A
1
X
1
+ A
2
X
2
+ ......... A
n
X
n
s B
m
FORMALIZACIN DEL MODELO DE PL
35
Matricialmente se tiene:
Vector de variables o
niveles de actividad
Vector de costos o
factor de ponderacin
=
=
(
(
(
(

n
x
x
x
.
2
1
| |
n
c c c ...
2 1
36
Vector de variables o
niveles de actividad
Vector de constantes del
lado derecho (recursos)
A =
B =
(
(
(
(

n
b
b
b
2
1
(
(
(
(

mn m m
n
n
a a a
a a a
a a a
..
.. .. .. ..
..
..
2 1
2 22 21
1 12 11
37
Entonces
Optimizar Z = C
T
X = [c1 c2 c3]
(
(
(
(

n
x
x
x
2
1
=

=
n
j
j j
x c
1
sujeto a
A X B
y X > 0

s
>
38
Ejemplo 1:
Una mueblera produce dos tipos de productos, sillas y
mesas. Supngase que el beneficio marginal por cada
silla es de $8 y por cada mesa es de $10. Para la
produccin se dispone de 20 horas hombre (hh) y de 10
unidades de madera (um). Para la construccin de una
silla se requieren 8 hh y 2 um, y para la construccin de
una mesa se requieren 6 hh y 4 um. Cuntas sillas y
mesas se deben construir para obtener el mayor
beneficio?.
39
Recursos Sillas Mesas
Disponibilidad de
recursos
R1: horas hombre 8 6 20
R2: unidades de
madera
2 4 10
Beneficios $8 $10
40
Formulacin del PL
Sea
X
1
: Cantidad de sillas a producir
X
2
: Cantidad de mesas a producir
Funcin Objetivo:
Max Z = 8X
1
+ 10X
2


Sujeto a:
8X
1
+ 6X
2
s 20 // hh
2X
1
+ 4X
2
s 10 // um

X
1
, X
2
> 0 (no negatividad)
41
Ejemplo 2:
Dos productos se elaboran al pasar en forma sucesiva por tres
mquinas.
El tiempo por mquina asignado a los dos productos est limitado
a 10 horas por da
El tiempo de produccin y la ganancia por unidad de cada
producto son:
Producto Mquina 1 Mquina 2 Mquina 3 Ganancia $
1 10 6 8 2
2 5 20 15 3
Minutos por unidad
Obtenga el modelo de PL para maximizar la ganancia
42
Solucin:
1. Variables de decisin
X
1
: Cantidad del producto 1
X
2
: Cantidad del producto 2
2. Funcin Objetivo: Maximizar ganancia
Max Z = 2 X
1
+ 3 X
2

3. Restricciones
10 X
1
+ 5 X
2
s 600 // Disponibilidad Mquina 1
6 X
1
+ 20 X
2
s 600 // Disponibilidad Mquina 2
8 X
1
+ 15 X
2
s 600 // Disponibilidad Mquina 3
X
1
, X
2
> 0 // nonegatividad
43
Ejemplo 3:
RMC posee una pequea fbrica de pinturas para interiores y exteriores de
casa para su distribucin al mayoreo. Se utilizan dos materiales bsicos, A y B.
La disponibilidad mxima de A es de 6 toneladas diarias, la de B es de 8
toneladas por da. La necesidad diaria de materia prima por tonelada de pintura
para interiores y exteriores se resumen en la siguiente tabla:
Un estudio de mercado ha establecido que la demanda diaria de pintura para
interiores no puede ser mayor que las pinturas para exteriores en ms de una
tonelada. Asimismo, el estudio seala que la demanda mxima de pintura para
interiores est limitada a dos toneladas diarias.
El precio al mayoreo es de $3.000 para la pintura de exteriores y $2.000 para la de
interiores.
Cunta pintura para exteriores e interiores debe producir la fbrica de pinturas
RMC todos los das para maximizar el ingreso bruto?
Tonelada de materia prima
por tonelada de pintura Disponibilidad
Exterior Interior mxima (Toneladas)
Materai prima A 1 2 6
Materia prima B 2 1 8
44
Solucin:
1. Variables de decisin
X
1
: Toneladas de pintura de exteriores producidas por da
X
2
: Toneladas de pintura para interiores producidas por da
2. Funcin Objetivo: Maximizar ganancia
Max Z = 3 X
1
+ 2 X
2
miles de unidades monetarias
3. Restricciones
X
1
+ 2 X
2
s 6 // Disponibilidad de materia prima A
2 X
1
+ X
2
s 8 // Disponibilidad de materia prima B
- X
1
+ X
2
s 1 // Relacin de demanda entre pinturas
X
2
s 2 // Demanda mxima de pintura interiores
X
1
, X
2
> 0 // nonegatividad
45
Ejemplo 4:
Una empresa fabrica dos productos, A y B. En su elaboracin, cada
producto debe pasar por dos secciones. El suministro de mano de obra
de la seccin 1 es 100 horas y el de la seccin 2 es 200 horas.
El tiempo de mano de obra cuesta $2 por hora en la seccin 1 y $1,5
en la seccin 2. Las horas de mano de obra necesarias por unidad de
cada producto son las siguientes:
Producto A Producto B
Seccin 1 4 3
Seccin 2 2 8
La cantidad mxima de unidades de B que puede venderse es igual a
treinta; la de A es veinticuatro. La materia prima para cada producto
cuesta $5 por unidad. El precio unitario de venta de A es $30 y el de B
es $25.
a) Formule el modelo de PL correspondiente.