apuntesdeclasesintryformulacionorlpr
DESCRIPTION
apuntes de investigacion de operacionessTRANSCRIPT
Prof. Lorena Pradenas, Dr. Sc.
INVESTIGACIINVESTIGACIÓÓN DE OPERACIONESN DE OPERACIONES
CienciaProporciona técnicas
matemáticas y algoritmicasArte
Depende de creatividad yhabilidad
Determinar el mejor (optimo) CURSO de ACCION de un problema DECISIÓN en condiciones de RECURSOS ESCASOS
PROGRAMACIÓN MATEMATICA PERMITE MODELAR Y ANALIZAR PROBLEMAS DE DECISIÓN
Prof. Lorena Pradenas, Dr. Sc.
PROBLEMAS DE DECISIONPROBLEMAS DE DECISION
OBJETIVOS(Costos, Beneficios)
VARIABLES
OPTIMIZAR
• Concepción Física y operacional más adecuada para un problema de decisión INTUICIÓN, EXPERIENCIA, PRACTICA, CREATIVIDAD.
• Definir límites físicos (cap., rest.) de la formulación seleccionada para representar la situación real.ESPIRITU OBSERVADOR, ANALITICO.
• Definir modelo adecuado y somerterlo a pruebas (análisis de sensibilidad).
FORMACIFORMACIÓÓN MATEMATICA Y ESPIRITU ANALN MATEMATICA Y ESPIRITU ANALÍÍTICOTICO
Prof. Lorena Pradenas, Dr. Sc.
MODELOS DE I.O.MODELOS DE I.O.
MODELO
Abstracción del sistema real.Soporte para analizar un problema de decisión
Situación Real
Situaciónpropuesta
MODELO
UN MODELO REQUIERE
OBJETIVOS f (variables de decisión)
RESTRICCIONES f (variables de decisión)
Prof. Lorena Pradenas, Dr. Sc.
EJEMPLOEJEMPLO
Determinar la cantidad a producir en una empresa productiva.
Factores
Departamento de Producción: Número de horas máquina disponibles, secuencia de operación en cada máquina, cantidad que debe existir en inventarios, cantidad de productos defectuosos, etc.
Departamento de Materiales: Stock de materiales disponibles, velocidad de reparto de material comprado, limitación de almacenamiento, etc.
Departamento de Marketing: Ventas pronosticadas, capacidad de producción, competencia (efectos), etc.
Prof. Lorena Pradenas, Dr. Sc.
MODELO DE PRODUCCIMODELO DE PRODUCCIÓÓNN
Considerando todos los factores
Suponiendo
VariablesAsignación de horas maquinaAsignación de horas trabajoVelocidad de Inspección
Restricciones
Capacidad de maquinaLimite de horas de trabajoLimite para producción en inventarioLimite en tiempo de personalLimite de almacenamiento
Prof. Lorena Pradenas, Dr. Sc.
MODELOS DE I.O. (tipos)MODELOS DE I.O. (tipos)
h Modelos MatemáticosModelos de simulación
Modelos Heurísticos
h Supone que variables, parámetros y Restricciones.SON CUANTIFICABLES.
IMITAN el comportamiento del sistema en un periodo de tiempo.
Procedimientos de búsqueda desde un punto de solución a otro con el fin de mejorar el objetivo. (aprox.)
OPTIMO: Mejor solución para un problema respecto del modelo utilizado.
Prof. Lorena Pradenas, Dr. Sc.
SOLUCISOLUCIÓÓN DE PROBLEMA DE DECISIONN DE PROBLEMA DE DECISION(PROCEDIMIENTOS)(PROCEDIMIENTOS)
Definición del problema.(objetivos, restricciones, ...)
Construcción del modelo(elegir el modelo)
Solución del modelo(obtener solución optima con técnicas de optimización)
Validación del modelo(análisis de sensibilidad)
Implementación de resultados finales.
Prof. Lorena Pradenas, Dr. Sc.
DISPONIBILIDAD DE DATOS
AFECTAN DIRECTAMENTE
EL MODELO
EN MODELOS DE I.O. EN PASOS O
ITERACIONES
SOLUCIONES OBTENIDAS
Utilizar Computador
Prof. Lorena Pradenas, Dr. Sc.
FORMULACIFORMULACIÓÓN DE PROBLEMAS N DE PROBLEMAS DE DECISIDE DECISIÓÓNN
PASOS:
Determinar tipo de problema maximización o minimización
Definir las variables de decisión
Construir función objetivo
Construir restricciones
Incluir no negatividad (si necesario)
Prof. Lorena Pradenas, Dr. Sc.
PROBLEMAPROBLEMA
Considere el problema de cargar un camión con
cantidades de N ITEMES cada UNIDAD DEL
ITEM I tiene un peso de wi y un retorno de ri (i =
1,..., n) la capacidad máxima de carga es W.
Formule como un problema de decisión que
permita obtener la carga de mayor beneficio
que no exceda la capacidad máxima del camión.
Prof. Lorena Pradenas, Dr. Sc.
PROBLEMA DE MPROBLEMA DE MÁÁXIMOXIMO
Xi : Número de Unidades del Item i a Cargar i=1,...,N
MAX ∑=
N
iii xr
1Función Objetivo
∑=
≤N
iii wxw
1
Restricción
0≥iX y Enteros i=1,...,N
Prof. Lorena Pradenas, Dr. Sc.
RESTRICCIRESTRICCIÓÓN DE NO NEGATIVIDADN DE NO NEGATIVIDAD
MAX : ∑=
N
iii xr
1
s.a.: ∑=
≤N
iii wxw
1
0≥iX y Enteros
MODELO: LINEAL ENTERO
Prof. Lorena Pradenas, Dr. Sc.
PROBLEMA DE TRANSPORTE CLPROBLEMA DE TRANSPORTE CLÁÁSICOSICO
La E.B.C. (Empresa Brasileña de Café) procesa semillas de café
en m plantas. El café es entonces transportado todas las
semanas para n almacenes en las mayores ciudades del país
para venderlo, distribuirlo y exportarlo. Supongamos que el
costo de la unidad transportada desde la planta i hasta el
almacén j es cij la capacidad de producción de la planta i es ai y
la demanda del almacén j es bj. Deseamos encontrar el modelo
de transporte que minimice los costos totales de transporte.
Este es el conocido problema de transporte clásico.
Prof. Lorena Pradenas, Dr. Sc.
PROBLEMA DE TRANSPORTEPROBLEMA DE TRANSPORTE
Min1=
∑i
m
1=∑j
n
cij xij
1=∑j
n
xij ja≤ , i = 1, 2, ..., m
1=∑i
m
xij jb≥ , j = 1, 2, ..., n
xij o≥ ; i = 1, 2, ..., m ; j = 1, 2, ..., n
Prof. Lorena Pradenas, Dr. Sc.
EJEMPLO 2.2EJEMPLO 2.2
x1 : NÚMERO DE DIAS QUE OPERA A
x2 : NÚMERO DE DIAS QUE OPERA B
Problema de Programación lineal
Información de costo
Variable de Decisión
Probl. Mínimo
Función Objetivo
MINIMIZA Z = 4200 x1 x2+ 3000
Prof. Lorena Pradenas, Dr. Sc.
Restricciones
Se DISPONE DE CAPACIDAD
7021203212024
21
21
21
≥+≥+≥+
xxxxxx P.C.
Fotocopia
Imp.
Restricciones de no negatividad
,x1 x2 0≥
Prof. Lorena Pradenas, Dr. Sc.
PROBLEMA COMPAPROBLEMA COMPAÑÍÑÍA WINDOR GLASSA WINDOR GLASS
La Compañía Windor Glass produce artículos de vidrio de alta calidad, incluyendo ventanas y puertas de vidrio. Tiene tres plantas. Los marcos y molduras de aluminio se hacen en la planta 1; los marcos de madera se fabrican en la 3 se producen en vidrio y se ensamblan los productos.
Debido a que las ganancias se han reducido la gerencia general decidió reorganizar la línea de producción. Se discontinuarán varios productos no rentables y se dejará libre una parte de la capacidad de productos nuevos que han tenido demanda. Uno de los productos propuestos (producto 1) es una puerta de vidrio de 8 pies con marco de aluminio. El otro (producto 2) es
Prof. Lorena Pradenas, Dr. Sc.
Una ventana grande (4x6 pies) para vidrio doble con marco de madera. EL departamento de mercadotecnia ha sacado por conclusión que la compañía puede vender todo lo que pueda producir de cualquiera de los productos. Sin embargo, como ambos productos compiten por la misma capacidad de producción en la planta 3, no es obvio que mezcla de los dos productos sería la más redituable. Por todo esto, la gerencia pidió al departamento de investigación de operaciones que estudiara el caso.
Después de hacer algunas investigaciones, el departamento de I. De O. Determinó:
Prof. Lorena Pradenas, Dr. Sc.
El porcentaje de la capacidad de producción en cada planta estará disponible para estos productos.
El porcentaje de esta capacidad que requiere cada unidad producida por minutos y
La ganancia unitaria por cada producto. Esta información se resume en la tabla.
Como cualquiera que sea la capacidad utilizada por uno de los productos en la planta 3, el otro ya no puede aprovecharla, de inmediato el departamento de I. De O. Reconoció éste como un problema de programación lineal clásico de mezcla de productos y emprendió la tarea de formular y resolver el problema.
Prof. Lorena Pradenas, Dr. Sc.
PROBLEMA COMPAPROBLEMA COMPAÑÍÑÍA A ““WINDOR GLASSWINDOR GLASS””
PLANTA 1: Marcos y molduras de aluminio.
PLANTA 2: Marcos de madera.
PLANTA 3: Produce vidrios, ensamblan productos.
Productos NuevosProducto 1
Producto 2
Después del estudio :Capacidad usada por unidad de tasa de producción
Prof. Lorena Pradenas, Dr. Sc.
Planta Producto Cap. Disponible1 2
1 1 0 42 0 2 123 3 2 18
GananciaUnitaria 3 US$ 5US$
Variable
X1 : Cantidad/Mínima de producto 1 producida
X2 : Cantidad/Mínimo de producto 2 producida
Z : Ganancia/Mínima
Prof. Lorena Pradenas, Dr. Sc.
Objetivo : Seleccionar valores de X1 y X2 que
maximice : z= 3X1 + 5X2
Restricciones :
Producción 1: usa 1% de capacidad Planta 1 y se dispone de 4%
41 ≤x
Producción 2: (igualmente) Planta 2
122 2≤x
Para la planta 3:
1823 21 ≤+ xx
Prof. Lorena Pradenas, Dr. Sc.
Max.: 21 53 xx +
s.a. :1x 4≤
22x 12≤
21 33 xx + 18≤
0,0 21 ≥⟩ xx
Restricción de no negatividad
0, 21 ≥≥ xx
Prof. Lorena Pradenas, Dr. Sc.
Problema 2.6
Artículos de Vidrio
Existen 3 Plantas
Nueva producción: 2 productos.
FORMULACIÓN COMO P. L.
21 53 xxZ += :max
s.a. : 1x 4≤
22 x 12≤
21 23 xx + 18≤
0,0 21 ≥⟩ xx
MÉTODO GRÁFICOMáximo dos variables
Prof. Lorena Pradenas, Dr. Sc.
SOLUCION GRÁFICA DE PROBLEMAS DE P. L.
(Máximo 2 variables)
41 =x
1x
62 =x
4
62x
1. Identificar valores de y permitidos1x 2x
⇒⟩0),( 21 xx 1er. CUADRANTE
6,4 21 ≤≤ xx
Prof. Lorena Pradenas, Dr. Sc.
6
44 =x
1x
62 =x
4
6
1823 21 =+ xx
9
Región de Valores permisibles
R.F.
Ahora es necesario ubicar dentro de esta región el punto que maximiza el valor de z.
Por prueba y error seleccionar
21
21
53205310
xxzxxz
+==+==
Solo una familia de curvas es necesario
Prof. Lorena Pradenas, Dr. Sc.
z =20
z =10
(2,6)2x
1x
Máximo Z
36)6(5)2(353 21 =+=+= xxz
Fabrica PRODUCTO 1 y 2 a una TASA de 2 y 6 por minuto respectivamente con una ganancia de 36 unidades.
Prof. Lorena Pradenas, Dr. Sc.
MODELO DE P.L.
MINIMIZAR nnxcxcxcZ ++= 2211
s.a.:11212111 ... bxaxaxa nn ≥+++
22222121 ... bxaxaxa nn ≥+++...
mnmnmm bxaxaxa ≥+++ ...2211
0,...,0,0 21 ≥≥≥ nxxx
m RECUERSOS LIMITADOS, n ACTIVIDADES COMPE.