1 Investigación de Operaciones
1 Investigación de Operaciones
1 Investigación de Operaciones
PPT 1
1
Contenidos temáticos:
- Modelos y aplicaciones de programación lineal
- Modelos de Transporte y transbordo
- Balanceados
- No Balanceados
- Modelos de Asignación
- Análisis de decisión
- Tabla de decisiones
- Árbol de decisiones
- Modelo de inventario periodo único
- Matriz de preferencias
- Modelos de redes
- Árbol de mínima expansión
- La ruta mas corta
- La ruta mas confiable
- Máximo flujo
- Modelos de gestión de proyectos (PERT-CPM)
- Análisis de Markov
- Teoría de Juegos
- Modelos de Teoría de Colas y Líneas de Esperas 2
Plan de trabajo
Semana Fecha Actividades
Semana 1 Lunes 11/09 21:50 hrs. Clase Sincrona
Semana 2 Martes 12/09 19:30 hrs. Sesion Consulta
Semana 3 Miercoles 20/09 a Dom. 24/09 EV. 1 (30%)
Semana 4 Lunes 25/09 21:50 hrs. Clase Sincrona
Semana 5 Martes 26/09 19:30 hrs. Sesion Consulta
Semana 6 Miercoles 27/09 a Dom. 01/10 EV. 2 (35%)
Semana 7 Lunes 02/10 21:50 hrs. Clase Sincrona
Semana 8 Martes 03/10 19:30 hrs. Sesion Consulta
Semana 9 Miecoles 04/10 a Dom. 08/10 EV. 3 (35%)
Semana 10 Lunes 09/10 21:50 hrs. Preparación examenes Sesión Consulta
Semana 11 Martes 10/10 a Jueves 12/10 Examen
Semana 12 Lunes 16/10 a Miercoles 18/10 Repechaje
3
Introducción
El modelo se define como una función objetivo y restricciones que se expresan en términos
de las variables (alternativas) de decisión del problema.
La elaboración del problema esta subdividida en fases obligatorias, las principales son:
8
Modelado con programación lineal
• El método simplex.
• El método de los multiplicadores de Lagrange.
• El método gráfico.
• Con uso de software. (POM QM)
9
La programación lineal es una herramienta valiosa en la toma de decisiones empresariales, ya que permite
encontrar soluciones óptimas a problemas complejos con múltiples variables.
A medida que las empresas buscan ser más eficientes y competitivas en un mercado globalizado, la
programación lineal se ha convertido en una técnica esencial en la gestión organizacional.
La programación lineal es una técnica matemática que se utiliza para optimizar el rendimiento o la eficiencia
de un sistema. Esta técnica es ampliamente utilizada en el mundo empresarial para resolver problemas de
planificación, asignación de recursos y toma de decisiones.
En un problema de programación lineal, se busca encontrar el valor máximo o mínimo de una función
objetivo, como por ejemplo maximizar las ganancias de una empresa o minimizar los costos de producción
de un producto. La función objetivo se encuentra sujeta a restricciones que deben cumplirse, como por
ejemplo el presupuesto disponible para la empresa o la cantidad de recursos disponibles para la producción
del producto.
10
Estas son algunas de las razones por la que debes de considerar el uso de la programación en línea:
Toma de decisiones: La programación lineal permite tomar decisiones basadas en datos y de manera
objetiva. Esto se debe a que se utilizan modelos matemáticos que representan de manera clara la
situación a resolver y permiten encontrar la mejor solución posible.
Optimización: La programación lineal se utiliza para optimizar procesos y recursos en una gran variedad
de campos, como la producción, la distribución, la planificación y la gestión de proyectos. Al encontrar la
solución óptima, se pueden maximizar las ganancias o minimizar los costos.
Eficiencia: La programación lineal permite hacer un uso más eficiente de los recursos, ya que permite
planificar y asignar los recursos de manera óptima. Esto permite reducir los costos y aumentar la
eficiencia de los procesos.
11
Ejemplo 1: Reddy Mikks produce pinturas para interiores y exteriores con dos materias primas, M1 y M2.
La tabla siguiente proporciona los datos básicos del problema.
Una encuesta de mercado indica que la demanda diaria de pintura para interiores no puede
exceder la de pintura para exteriores en más de una tonelada. Asimismo, que la demanda diaria
máxima de pintura para interiores es de dos toneladas. Además, se sabe que las disponibilidades
diarias de las materias primas M1 y M2 son de 24 y 6 toneladas, respectivamente.
Reddy Mikks se propone determinar la (mejor) combinación óptima de pinturas para interiores
y exteriores que maximice la utilidad diaria total.
Todos los modelos de PL, constan de tres componentes básicos.
12
1. Las variables de decisión que pretendemos determinar.
2. El objetivo (la meta) que necesitamos optimizar (maximizar o minimizar).
3. Las restricciones que la solución debe satisfacer.
La definición correcta de las variables de decisión es un primer paso esencial en el desarrollo del
modelo. Una vez hecha, la tarea de construir la función objetivo y las restricciones es más directa.
Para el problema de Reddy Mikks necesitamos determinar las cantidades diarias que se
deben producir de pinturas para exteriores e interiores. Así, las variables del modelo se definen
como sigue:
La meta de Reddy Mikks es maximizar (es decir, incrementar lo más posible) la utilidad
diaria de ambas pinturas. Los dos componentes de la utilidad diaria total se expresan en función
de las variables X1 y X2 como sigue:
13
Si Z representa la utilidad diaria total (en miles de dólares), el objetivo (o meta) de Reddy Mikks
se expresa como sigue:
A continuación definimos las restricciones que limitan el consumo de las materias primas y
la demanda del producto. Las restricciones en las materias primas se expresan verbalmente
como:
14
6.X1 + 4.X2 ≤ 24 (Materia prima M1)
X1 + 2.X2 ≤ 6 (Materia prima M2)
La primera restricción en la demanda del producto estipula que la producción diaria de pintura
para interiores no debe exceder a la de pintura para exteriores en más de 1 tonelada, lo cual
se traduce en:
X2 - X1 ≤ 1 (Límite del mercado)
La segunda restricción limita la demanda máxima diaria de pintura para interiores a 2 toneladas, es decir,
X2 ≤ 2 (Límite de la demanda)
Una restricción implícita (o “sobreentendida”) requiere que todas las variables, X1 y X2, asuman
sólo valores positivos o cero. Las restricciones, expresadas como X1 ≥ 0 y X2 ≥ 0 se conocen
como restricciones de no negatividad.
sujeto a:
15
La solución óptima (obtenida por POM QM)
16
Análisis de sensibilidad: Se realiza después de obtener la solución óptima de un
modelo lineal para determinar como afectan los cambios en los parámetros del
modelo a la solución óptima calculada.
Los cambios se pueden producir en la matriz de coeficientes, en el vector de recursos
y en el vector de precios. También se puede analizar cómo afectaría a la solución
óptima añadir nuevas restricciones o nuevas variables al modelo.
Los métodos de análisis de sensibilidad ahorran un número considerable de
iteraciones ya que parten de la solución óptima del modelo inicial para analizar el
efecto de los cambios.
Precio Dual: Es la mejora del valor óptimo si se agrega una unidad adicional al lado
derecho de dicha restricción (Los términos independientes de las restricciones RHS).
Dado que el precio dual de una restricción es la mejora del valor optimo, esta mejora
va a depender si estamos maximizando o minimizando la función objetivo. Al
maximizar la mejora aumenta el valor optimo y si es minimizar la mejora disminuye el
valor optimo.
17
Las variables de Holgura: (presente solo en restricciones con signo ≤) aplicadas a
tiempos o recursos no utilizados.
18
Limites inferior y superior de variables: Rango de valores por los cuales se
pueden mover los valores originales sin afectar las cantidades obtenidas como
resultado, solo afecta el valor optimo.
19
Ejemplo 2: Latam la compañía aérea que opera en Chile, quiere organizar un puente aéreo entre dos ciudades.
Para ello necesita transportar como mínimo 1600 personas y 96 toneladas de equipaje y mercaderías. Además,
para llevarlo a cabo, solo dispone de 11 aviones del tipo A, que pueden transportar 200 personas y 6 toneladas
de equipaje cada uno, y 8 aviones del tipo B, que pueden transportar 100 personas y 15 toneladas cada uno.
Si los costos de operación de un avión de tipo A cuesta $4.000.000 y la de un avión del tipo B $1.000.000.
X1 y X2 >= 0 No negatividad 20
b) 4 tipo A y 8 Tipo B, costo total de $24.000.000.-
21
Ejemplo 3: Un veterinario aconseja a un granjero dedicado a la cría de aves una dieta mínima que
consiste en 3 unidades de hierro y 4 unidades de vitaminas diarias. El granjero sabe que cada kilo de
maíz proporciona 2,5 unidades de hierro y 1 de vitaminas y que cada kilo de trigo compuesto
proporciona 1 unidad de hierro y 2 de vitaminas. Sabiendo que el kilo de maíz vale $240 y el de trigo
compuesto $410, se pide:
a) ¿Cuál es la composición de la dieta diaria que minimiza los costes del granjero?
b) ¿Cambiaría la solución del problema si por escasez en el mercado el granjero no pudiera
disponer de más de 1 kilo diario de trigo compuesto?.
22
Ejemplo 4: La compañía R&B produce tres tipos de productos que compiten con las grandes marcas:
Relojes, radios y tostadores, estos productos tienen los siguientes requerimientos:
Recursos
Producto Costo (USD) x unidad Horas de trabajo x Unidad
Radio 7 2
Reloj 10 3
Tostador 5 2
23
Modelo de transporte y sus variantes
• Programación lineal.
• El método esquina noroeste.
• El método mínimo costo.
• El método de aproximación de Vogel.
• Con uso de software. (POM QM)
24
En el modelo de transporte es una técnica que determina un programa de
transporte de productos o mercancías que salen de una fuente u origen hasta los
diferentes destinos al menor costo posible o en el menor tiempo de un lugar a
otro. Los datos que se tienen en cuenta en el análisis de este modelo son:
Una mercancía solo puede ser recibida por un destino, que a su vez puede recibir
su demanda de una o más fuentes. El objetivo del análisis de los modelos de
trasportes es el de determinar de manera precisa la cantidad que se enviará de
cada fuente a cada destino, de tal forma que se minimice el costo del transporte
total.
25
DEFINICIÓN DEL MODELO DE TRANSPORTE
X1 X2
X3 X4
X5 X6
27
La estructura especial del problema de transporte permite una representación compacta
del problema utilizando el formato tabla de transporte. Este formato permite modelar muchas
situaciones que no tienen que ver con bienes de transporte.
Todas estas restricciones son ecuaciones porque la oferta total desde los tres orígenes es igual a
la demanda total en los dos destinos. (modelo Balanceado)
28
La solución óptima (obtenida por POM QM) envía 1000 automóviles de Los
Ángeles a Denver (X11 = 1000), 1300 de Detroit a Denver (X21 = 1300), 200 de Detroit a Miami
(X22 = 200) y 1200 de Nueva Orleáns a Miami (X32 = 1000). El costo de transporte mínimo asociado
se calcula como (1000 x $80) + (1300 x $100) + (200 x $108) + (1200 x $68) = $313.200.
29
El modelo de usando POM QM:
Costo Marginal: Es el incremento en el beneficio total resultante o costo resultante de agregar una
unidad de actividad en la solución. En un problema de transporte de minimización, el Costo Marginal
es el incremento en el costo total resultante de agregar una unidad de actividad en la solución.
30
Ejemplo 6: Tres refinerías con capacidades diarias de 6, 5 y 8 millones de litros,
respectivamente, abastecen a su vez a tres áreas de distribución con demandas diarias de 4, 8 y
7 millones de litros, respectivamente. La gasolina se transporta a las tres áreas de distribución a
través de una red de oleoductos. El costo de transporte es de 25 pesos por litro por kilometro
de oleoducto. La tabla adjunta presenta la distancia en kilómetros entre las refinerías y las áreas
de distribución. La refinería 1 no está conectada al área de distribución 3.
(a) Construya el modelo de transporte asociado.
(b) Determine el programa de envíos óptimo en la red.
1 2 3 Ofertas
1 3.000 4.500 6.000.000
2 7.500 2.500 2.000 5.000.000
3 5.000 6.250 3.000 8.000.000
Demandas 4.000.000 8.000.000 7.000.000 19.000.000
$54.250.000.000
31
Balanceo del modelo de transporte. La representación de la tabla de transporte asume
que el modelo está balanceado, es decir, que la demanda total es igual a la oferta total.
Si el modelo está desbalanceado, podemos agregar un origen o un destino ficticios
para restaurar el balance.
En el modelo de MG, suponga que la capacidad de la
planta de Detroit es de 1300 automóviles
(en lugar de 1500). La oferta total (= 3500) es menor
que la demanda total (= 3700), lo que significa que
no se satisfará una parte de la demanda en Denver y
Miami.
Como la demanda excede la oferta, se agrega un
origen (planta) ficticio con una capacidad
de 200 automóviles (= 3700 - 3500) para balancear
el modelo de transporte. El costo de transporte
por unidad de la planta ficticia a los destinos es cero
porque la planta no existe.
32
La tabla adjunta da el modelo balanceado
junto con su solución óptima. La solución
muestra que la planta ficticia envía 200
automóviles a Miami, es decir que a
Miami le faltarán 200 automóviles para
satisfacer su demanda de 1400
automóviles.
Podemos estar seguros de que un destino
específico no experimente escasez al
asignar un costo de transporte por unidad
muy alto desde el origen ficticio a dicho
destino. Por ejemplo, una penalización de
$1000 en la celda ficticia de Miami
evitará que haya escasez en Miami.
33
El caso en que la oferta excede la demanda se
puede demostrar asumiendo que la demanda
en Denver es de sólo 1900 automóviles.
Entonces, tenemos que agregar un centro de
distribución ficticio para que “reciba” la oferta
excedente. De nuevo, el costo de transporte
por unidad al centro de distribución ficticio es
cero, a menos que una fábrica “envíe todas sus
existencias”. En este caso, se asigna un costo
alto de transporte por unidad de la fábrica
designada al destino ficticio.
35
Costo total $49.710.
36
Modelo de asignación
• Programación lineal.
• El método de transporte.
• El método Húngaro clásico.
• Con uso de software. (POM QM)
37
El modelo de asignación es un caso especial del modelo de transporte, en el que los
recursos se asignan a las actividades en términos de uno a uno, haciendo notar que
la matriz correspondiente debe ser cuadrada. Así entonces cada recurso debe
asignarse, de modo único a una actividad particular o asignación.
El modelo de asignación clásico se ocupa de compaginar a
los trabajadores (con diversas habilidades) con los trabajos.
Presumiblemente, la variación de la habilidad afecta el costo
de completar un trabajo. La meta es determinar la
asignación de costo mínimo de los trabajadores a los
trabajos. El modelo de asignación general con n
trabajadores y n trabajos está representado en la tabla
adjunta. El elemento Cij representa el costo de asignar el
trabajador i al trabajo j (i,j = 1, 2, 3…,n). No se pierde la
generalidad al suponer que la cantidad de trabajadores y la
de los trabajos son iguales, porque siempre podemos
agregar trabajadores o trabajos ficticios para satisfacer esta
suposición.
38
Ejemplo 8: Los tres hijos de Joe Klyne, John, Karen y Terri, desean ganar algún dinero
para sus gastos personales. El señor Klyne eligió tres tareas para sus hijos: podar el
césped, pintar la puerta de la casa y lavar los automóviles de la familia. Para evitar la
competencia anticipada entre los hermanos, les pide que presenten licitaciones
individuales (secretas) por lo que consideren un pago justo por cada una de las tres
tareas. La tabla adjunta resume las licitaciones recibidas. Los niños respetarán la
decisión de su padre con respecto a la asignación de las tareas.
39
La solución óptima por PL (obtenida por POM QM)
15𝑋𝑋𝑋 + 10𝑋𝑋𝑋 + 9𝑋𝑋𝑋 + 9𝑋𝑋𝑋 + 15𝑋𝑋𝑋 + 10𝑋𝑋𝑋 + 10𝑋𝑋𝑋 + 12𝑋𝑋𝑋 + 8𝑋𝑋𝑋 = 𝑍𝑍 𝑀𝑀𝑀𝑀𝑀𝑀𝑀𝑀𝑀𝑀𝑀𝑀𝑀𝑀𝑀𝑀𝑀𝑀
𝑋𝑋𝑋 + 𝑋𝑋𝑋 + 𝑋𝑋𝑋 ≥ 1
𝑋𝑋𝑋 + 𝑋𝑋𝑋 + 𝑋𝑋𝑋 ≥ 1
𝑋𝑋𝑋 + 𝑋𝑋𝑋 + 𝑋𝑋𝑋 ≥ 1
𝑋𝑋𝑋 + 𝑋𝑋𝑋 + 𝑋𝑋𝑋 ≥ 1
𝑋𝑋𝑋 + 𝑋𝑋𝑋 + 𝑋𝑋𝑋 ≥ 1
𝑋𝑋𝑋 + 𝑋𝑋𝑋 + 𝑋𝑋𝑋 ≥ 1
40
La solución óptima x asignación (obtenida por POM QM)
41
Ejemplo 9: Se desea asignar vendedores a cada municipalidad de la zona del
Aconcagua, en tabla adjunta se presentan los costos asociados a este proceso
por cada municipalidad y vendedor. Además se conoce que existen algunos que
por distancia no pueden ser asignados a ciertas comunas. Determinar la mejor
asignación de manera de minimizar los costos.
42
La solución óptima (obtenida por POM QM)
43
Ejemplo 10: La figura muestra la distribución esquemática de un taller con sus centros de trabajo existentes
designados por los cuadrados 1, 2, 3 y 4. Se tienen que agregar cuatro nuevos centros de trabajo, I, II, III y
IV, al taller en los lugares designados por los círculos a, b, c y d. El objetivo es asignar los nuevos centros a
los lugares propuestos para minimizar el tráfico total de manejo de materiales entre los centros existentes y
los propuestos. La tabla adjunta resume la frecuencia de los viajes entre los centros nuevos y los anteriores.
El equipo de manejo de materiales viaja a lo largo de los pasillos rectangulares que se cortan en las
ubicaciones de los centros. Por ejemplo, la distancia del viaje en un sentido (en metros) entre el centro 1 y
la ubicación b es 30 + 20 = 50 m.
44
Distancia en metros Distancia en metros total a recorrer
a b c d a b c d
1 50 50 95 45 1 500 100 380 135
2 30 30 55 65 2 210 30 495 325
3 0 50 25 55 3 0 400 150 110
4 10 60 0 25 4 1100 240 0 175
45