ALUMNO: GABRIEL VINUEZA

INVESTIGACIN DE OPERACIONES INVESTIGACION DE OPERACIONES Es la aplicacin de un mtodo cientfico para asignar los recursos de forma eficaz en la gestin y organizacin de sistemas complejos. PROBLEMAS: BUSCAMOS
RECURSOS ESCAZOS SISTEMAS COMPLEJOS

Asignar

Objetivo: toma de decisiones. Historia de la Investigacin de Operaciones En 1780 aparece la investigacin operativa. Modelo lineal, cuando tenemos 2 incgnitas o variables Estadstica de estos modelos; para ver los (%) de garanta. Industria Ordenadores Inteligencia artificial

La Investigacin de operaciones se fue desarrollando durante la Segunda Guerra Mundial donde un grupo de cientficos de distintas reas del saber de Gran Bretaa y Estados Unidos buscaban formas de ganar la guerra estudiando los problemas tcticos y estratgicos asociados a la defensa del pas. La Investigacin de Operaciones se origin en el campo militar. Al ver los resultados alentadores obtenidos por los equipos britnicos y estadounidenses, los administradores militares de Estados Unidos comenzaron a realizar investigaciones similares. Para eso reunieron a un grupo selecto de especialistas, los cuales empezaron a tener buenos resultados y en sus estudios incluyeron problemas logsticos complejos, la planeacin de minas en el mar y la utilizacin efectiva del equipo electrnico.

Al terminar la guerra y analizando los buenos resultados obtenidos en el camo militar los administradores industriales empezaron a aplicar la Investigacin de Operaciones para la resolucin de sus problemas que empezaron a originarse debido al crecimiento del tamao y la complejidad de las industrias. Actualmente la Investigacin de Operaciones se est aplicando en muchas actividades. Estas actividades han ido ms all de las aplicaciones militares e industriales, para incluir hospitales, instituciones financieras, bibliotecas,

planeacin urbana, sistemas de transporte y sistemas de comercializacin. La investigacin de operaciones proporciona bases cuantitativas para seleccionar las mejores. METODO DE LA Investigacin Operativa DEFINIR PROBLEMA FORMULAR EL PROBLEMA (CONSTRUIR UN MODELO) estrategias, objetivos del problema Ejm: Objetivos maximizar ventas PROMOCIONES
INICIO

PUBLICIDAD CALIDAD PRECIO VARIEDAD RESOLUCION VERIFICACION, REFINACION, VALIDACION INTERPRETACION Y ANALISIS DE RESULTADOS SOLUCION A SOLUCION B SOLUCION C IMPLANTACION Y USO EXTENSIVO
FIN Interpretacin directa entre Analista y cliente

1) Identificar los elementos de decisin, primer elemento de decisin Objetivo (puede ser uno o varios) Alternativas (como estn armados, si estn por pelotones) Limitaciones (que es lo que tengo, cuntos soldados tengo, cuantas armas tengo)
2

2) Creamos un nuevo modelo que es la representacin simplificada de la realidad que facilita su comprensin y el estudio de su comportamiento. Modelo matemtico, nos ayuda a tener de una forma clara la estructura y la relacin nos ayuda el clculo mediante los ordenadores. En el modelo los: -Objetivo se convierte en Funcin objetiva. -Alternativas se convierte variable de decisin. -Limitaciones se convierte en Restricciones.

TIPOS DE MODELO MODELOS DETERMINISTICOS -Modelo matemtico -Modelo lineal -Modelo entera -Modelo dinmica -Modelo no lineal -Modelo multiobjetivo -MODELO TRANSPORTE -MODELO DE REDES 3) RESOLUCIN A las variables se asigna valores para obtener una solucin ptima que est sujeta a restricciones. Variables de Decisin Solucin optima Sujeta Restricciones Algoritmos.- Procedimiento como vamos a ir paso a paso resolviendo el problema. 4) VERIFICACIN, VALIDACIN, REFRINACIN En esta etapa se eliminan los errores Comprobar si el modelo se asemeja a la realidad. Valores MODELOS PROBABILISTICO -Programacin estocstica o aleatoria -Gestin de inventarios -Fenmenos en espera (colas) -Teora de juegos -Simulaciones

5) INTERPRETACIN Y ANLISIS DE RESULTADOS Se verifica la robustez de la solucin, es decir se hace un anlisis de sensibilidad, y existe la deteccin de soluciones cuasi ptimas. 6) IMPLANATACIN Y USO EXTENSIVO Se hace el sistema de ayuda y mantenimiento se realiza la documentacin y la formacin de usuarios. En esta etapa elaboramos manuales de ayuda y como se mantiene, capacita personas directamente vinculadas con el proyecto (problema). Se hace la respectiva documentacin Ejercicio 1: Una compaa puede producir tablones para la construccin o lminas para puertas, la cantidad mxima de la fbrica es de 400 unidades, de las cuales necesariamente 100 unidades deben ser tablones y 150 lminas, para satisfacer las necesidades de los clientes, si la utilidad por tabln es de $ 200 y de $ 300 por lmina. Determine el nmero de tablones y lminas que se deben producir para obtener la mxima utilidad. 1) Definir el Problema Objetivo: Maximizar la Utilidad

Alternativas: # de tablones y # de lminas Limitaciones: Mnimo 100 tablones Mnimo 150 lminas Cantidad mxima 400 unidades 2) Formular el Problema I. Variables

Utilidad= Z No de tablones = X1 No de lminas = X2

4

C1= Coeficiente de X1 200 C2= Coeficiente de X2 300 II. Modelo

Max z= C1*X1 + C2*X2 = 200 X1 + 300 X2 S.A X1 + X2 400 X1 100 X2 150 Ejercicio 2: Un agente est arreglando un viaje en eskis, puede llevar un mximo de 10 personas y ha decidido que debern ir por lo menos 4 hombres y 3 mujeres. Su ganancia ser $ 10 por cada mujer y $ 15 por cada hombre. Cuntos hombres y cuntas mujeres le producen mayor ganancia? 1) Definir el Problema Objetivo: Maximizar la Ganancia

Alternativas: # de hombres y # de mujeres Limitaciones: Mximo10 personas Mnimo 4 hombres Mnimo 3 mujeres 2) Formular el Problema I. Ganancia Variables =Z

No de hombres = X1 No de mujeres = X2
5

C1= Coeficiente de X1 15 C2= Coeficiente de X2 10 II. Modelo

Max z= C1*X1 + C2*X2 = 15 X1 + 10 X2 S.A X1 + X2 10 X1 4 X2 3 Un sastre tiene las siguientes materias primas a su disposicin: 16 mts2 de algodn, 11mts2 de seda, 15mts2 de lana. Un traje requiere: 2mts 2 de algodn, 1 mt2 de seda, 1mt2 de lana. Una tnica requiere: 1mt 2 de algodn, 2 mts2 de seda, 3mts2 de lana. Si el traje se vende en $300 y una tnica en $500. Cuntas piezas de cada confeccin debe hacer el sastre para obtener la mxima cantidad de dinero? 1. Definicin del problema Objetivo = Maximizar la cantidad de dinero Alternativas = N trajes N tnicas Limitaciones = Mximo 16 mts2 de algodn Mximo 11mts2 de seda Mximo 15mts2 de lana 2. Formulacin del problema I. VARIABLES Utilidad = z Trajes= x1 Tnica= x2 C1 Coeficiente de x1 = 300 C2 coeficiente x2 = 500

II.MODELO Max z = C1 * x1 + C2 * x2 Max z = 300 * x1 + 500 * x2 S. a 2x1 + 1 x2 16 1x1 + 2 x2 11 1x1 + 3 x2 15 X1, x2 0 PROBLEMAS PROPUESTOS Formular y construir los modelos de los siguientes problemas de la programacin lineal 1) Un agente est arreglando un viaje en esqus, puede llevar un mximo de 10 personas y ha decidido que deber ir por menos 4hombres y 3 mujeres. Su ganancia ser de 10 pesos por cada mujer y 15 pesos por cada hombre. Cuntos hombres y cuantas mujeres le producen la mayor ganancia? 1. Definicin del problema Objetivo = Maximizar la ganancia Alternativas = N de hombres N de mujeres Limitaciones = Mximo 10 personas Mnimo 4 hombres Mnimo 3 mujeres 2. Formulacin del problema I. VARIABLES Ganancia = z N de hombres = x1 N de mujeres = x2 C1 Coeficiente de x1 = $15 C2 coeficiente x2 = $10

II.MODELO Max z = C1 * x1 + C2 * x2 Max z = 15 * x1 + 10 * x2 S. a x1 + x2 10 1x1 + 2 x2 11 x1 4 x2 3 2) En una fbrica de cerveza se producen dos tipos, rubia y negra su precio de venta es d $ 50 y $30 dlares respectivamente, sus necesidades de mano de obra son de 3 y 5 empleados, y de $5000 y $2000 de materias primas por cada 1000 litros. La empresa dispone semanalmente de 15 empleados y 10 000 USD para materias primas y desea maximizar su beneficio. Cuntos litros debe producir? 1) Definir el Problema Objetivo: Maximizar su beneficio Alternativas: Rubia y Negra Limitaciones: Nmero de empleados Mximo 1000 de Materia Prima Loa litros deben ser mayores a cero 2) Formular el Problema I. VARIABLES

Utilidad= Z Rubia = X1 Negra = X2 C1= Coeficiente de X1 50 C2= Coeficiente de X2 30

8

II.

MODELO

Max z= C1*X1 + C2*X2 = 50 X1 + 30 X2 S.A 3 X1 + 5X2 15 15 5000 X1 + 2000 X2 10 000 X1 + X2 0 Ejercicio: Funcin Objetivo: Variables de Decisin: Minimizar costos Camiseta A, X1 Restricciones: B, X2 C X3

Materia Prima 2000 A= 30 B= 15 C= 10

MODELO Min z = 40X1 + 30 X1 + 25 X3 S.A 30 X1 + 15 X2 + 10 X3 2 000 X1, X2, X3 0 3) Mueblera Mary elabora dos productos, mesas y sillas que se deben procesar a travs de los departamentos de ensamblaje y acabado. Ensamblaje tiene 60 hrs. Disponibles, acabado puede manejar hasta 40 hrs, de trabajo. La fabricacin de una mesa requiere de 4 hrs, de ensamblaje y 2 hrs, de acabado, mientras que una

silla requiere de 2 hrs, de ensamblaje y 2 hrs, de acabado. Si la utilidad es de $ 80 por mesa y $60 por silla. Cul es la mejor combinacin posible de mesas y sillas a producir y vender para obtener la mxima ganancia? 1) Definir el problema Objetivo: maximizar honorarios Alternativas: N de mesas N de sillas Limitaciones: Mximo 60 hrs, ensamble Mximo 40 hrs. acabado 2) Formulacin del Problema I. Variable Ganancia =Z Mesas = x1 Sillas = x2 C1 Coeficiente x1 = 80 C1 Coeficiente x2 = 60 Modelo Max Z = C1.X1 + C2.X2 Sa 4.X1 + 2 X2 60 hrs 2.X1 + 2X2 40 hrs X1, X2 0

II.

4) Una firma correcta de bolsa ofrece dos tipos de inversiones que producen ingresos a razn de 4% y 5% respectivamente. Un cliente desea invertir un mximo de $ 100.000 y que su ingreso anual sea por los menos de $4500, insiste en que por lo menos del total debe ser invertido al 5%. El corredor recibe el 1% de los ingresos de la inversin al 5% y 2% de la inversin del 4%. Cunto invertir el corredor a cada tasa para que sus honorarios sean mximos? 1) Definir el problema Objetivo: maximizar honorarios Alternativas: cantidad de inversin 4% Cantidad de inversin 5%

10

Limitaciones:

Mximo 100.00 Mnimo 45.00

invertido al 5% 2) Formulacin del Problema I. Variable Honorarios = Z Inversiones 4% = x1 Inversiones 5%= x2 C1 Coeficiente x1 = 2% C1 Coeficiente x2 = 1% Modelo Max Z = 2%. 4%. x1 + 1%. 5%. X2 Sa X1 + x2 100.000 4%.x1 + 5%x2 4500 X2 75000 X1 0

II.

5) Una compaa de carga area desea maximizar los ingresos que obtiene por la carga que transporta la compaa tiene un solo avin diseado para transportar dos clases de carga. Carga normal y carga frgil. La compaa no recibe pago extra por transportar carga frgil; sin embargo para asegurar ciertos contratos de negocios, la compaa ha acordado transportar cuando menos 5 toneladas de carga frgil. Este tipo de carga debe llevarse en una cabina presurizada. La capacidad de la cabina principal es de 20 toneladas de carga. La cabina presurizada no puede llevar ms de 10 toneladas de carga. El avin tiene restriccin de peso que le impide llevar ms de 20 toneladas de carga, para mantener el equilibrio el peso, la carga de la cabina presurizada debe ser menor o igual que los tercios del peso de la cabina principal, mas una tonelada, la compaa recibe $ 1000 por tonelada de los tipos de carga que transporta. 1) Definir el problema Objetivo: maximizar ingresos Alternativas: N de carga normal N carga frgil Limitaciones: 5 ton, de carga frgil min.

11

20 ton, cab, principal max. 10 ton. Cab, prosuris, max 20 ton total max Cab, presurizada = 2/3 cab, prino + 1 ton 2) Formulacin del Problema I. Variable Ingresos = Z Carga normal = x1 Carga frgil = x2 C1 Coeficiente x1 = 1000 C1 Coeficiente x2 = 1000 I. Modelo Max Z = C1.X1 + C2.X2 1000.X1 + 1000.X2 Sa X1 5 x1 20 X2 10 X1 + 2/3 X1 1 X2 2/3 X1 1 X1 0

6) Un inversionista tiene $1000 que quisiera produjeran tanto dinero como sea posible; quiere invertir parte en acciones, parte en bonos y colocar el resto en una cuenta de ahorro. El inversionista cree poder ganar 8% con el dinero que invierta en acciones y el 7% que invierte en bonos. El banco paga el 5% de inters sobre las cuentas de ahorro. Como las acciones son una inversin con cierto riesgo decide no invertir en acciones ms de lo que ponga en la cuenta de ahorros por si necesita dinero en efectivo de inmediato. Cunto dinero deber invertir en cada tipo? 1) Definir el problema Objetivo: ganar tanto dinero como sea posible Alternativas: parte acciones 8% Parte en bonos 7% Eta de ahorros 5%
12

Limitaciones: 10000 maximizar inversin 20 00 min inversin Cta ahorros > acciones 2) Formulacin del Problema I. Variable Ganancias = Z Parte en acciones = x1 Parte en bonos = x2 Carga frgil = x2 Cta de ahorros = x3 C1 Coeficiente x1 = 8% C1 Coeficiente x2 = 7% C1 Coeficiente x3 = 5% II. Modelo Max Z = C1.X1 + C2.X2 + c3.x3 8% . X1 + 7% . X2 + 5% .X3 Sa X1+X2 + X3 10000 X3 2000 X3> x1 x3 x1 0 X10 X20 7). Una mujer quiere disear un programa de ejercicios semanales, incluyendo caminata, bicicleta y natacin. Para variar los ejercicios planea invertir al menos tanto tiempo en bicicleta como la combinacin de caminata y natacin. Adems, quiere nadar al menos dos hrs a la semana, por que le gusta mas nadar que los otros ejercicios. La caminata consume 600 caloras por hora, en la bicicleta usa 300 caloras por hora nadando gasta 300 caloras por hora. Quiere quemar al menos 3000 caloras a la semana por medio de los ejercicios. Cuntas horas debe dedicar a cada tipo de ejercicio si quiere minimizar el nmero de horas invertidas? 1) Definir el Problema Objetivo: minimizar el nmero de horas invertidas Alternativas
13

N horas caminata 1 N horas bicicleta 1 N horas natacin 1 Limitaciones Bicicleta Caminata + Natacin Natacin Mnimo 2 horas a la semana Mnimo 3000 caloras a la semana 2) Formulacin del Problema I. Variables Minimizar horas = Z Caminata = Bicicleta = Natacin = Coeficiente = 1 hora Coeficiente = 1 hora Coeficiente = 1 hora II Modelo Minimizar Z = * Minimizar Z = + s.a 600 +300 +300 + + * + *

3000 caloras

EJERCICIO La tienda de comestibles BK vende 2 tipos de bebidas. La marca sabor a cola es A1 y la marca propia de la tienda BK de cola, ms econmica. El margen de utilidad de la bebida A1 es de 0,05 ctvs. de dlar por lata mientras que la bebida de cola Bk suma una ganancia bruta de 0,07 ctvs. por lata en promedio la tienda no vende mas de 500 latas de ambas bebidas de cola al da aun cuando A1 es una marce ms conocida. Los clientes tienden a comprar ms las de la marca BK porque es considerablemente ms econmica se calcula que las ventas de la marca BK superan la de la marca A1 en una razn de 2:1 por lo menos, sin embargo Bk vende como mnimo 100 latas de A1 al da. Cuntas latas de cada marca debe tener en existencia la tienda diariamente para maximizar su utilidad?
14

1) Definir el Problema Objetivo: Maximizar utilidad Alternativas Cola A1 0,05 ctvs. Cola Bk 0,07 ctvs. Limitaciones Mximo 500 latas entre ambas colas al da BK supera a la marca A1 razn 2:1 Tienda BK vende mnimo 100 latas de A1 BK A1 los clientes compran ms BK porque es ms econmica 2) Formulacin del Problema I. Variables Utilidad = Z Cola A1 = Cola BK = Coeficiente = 0,05 ctvs. Coeficiente = 0,07 ctvs. II Modelo Maximizar Z = * + * Maximizar Z = 0,05* +0,07 s.a

Mtodo Grafico

600

1
500

4 5

400

300

200

100

100

200

300

400

500

600

15

NOTA Cuando tenemos mayor sombreamos hacia arriba o la derecha Cuando tenemos menos sombreamos hacia abajo o la izquierda 1) X1+x2=500 X1 0 100 200 300 X2 500 400 300 200

2) X1 = 400 3) X2 = 0 4) -2x2+x2=0 X1 0 100 200 300 X2 0 200 400 600

5) X1+X2=0 X1 0 100 200 300 X2 0 100 200 300

Comprobacin X1+X2=500 X2 =400 X1=100 Funcin Objetiva=0,05(100)+0,07(400) = 5+28 = $33 -2(0)+x2=0 0+x2=0 -2(100)+x2=0 -200+x2=0 X2=200
16

Ejercicio Jack es un estudiante emprendedor de primer ao de universidad. Jack quiere distribuir su tiempo disponible de alrededor de 10horas al da entre el estudio y la diversin. Calcula que el juego es 2 veces ms divertido que el estudio. Tambin quiere estudiar por lo menos tanto como juega. Sin embargo, Jack comprende que si quiere terminar todas sus tareas universitarias no puede juagar ms de 4horas al da. 1) Definir el Problema Objetivo: Maximizar su satisfaccin, el juego es 2 veces ms divertido que el estudio. Alternativas Nmero de horas para estudiar Nmero de horas para jugar Limitaciones Mximo 10 horas entre las dos Jugar mximo 4 horas Estudiar tanto como jugar 2) Formulacin del Problema I. Variables Maximizar Satisfaccin = Z Nmero de horas para estudiar = Nmero de horas para jugar = Coeficiente Coeficiente II ) MODELO Max z = C1*X1+C2*X2 = 1*X1+2*X2 S.A X1+X2 10 X2 4 X1 X2 X1-X2 0 X1 0 X2 0

17

MTODO GRFICO

12 10 8 6 4 2
3 1 2

2 1. X1+X2=10

10 4. X1=0 5. X2=0

12

2. X2= 4 3. X1-X2= 0

X1 0 2 4 6

X2 10 8 6 4

X1 0 2 4 6 0 2 4 6

X2

EJERCICIO El Banco de Elkin est asignado un mximo de $200000 para prstamos personales y de automviles durante el prximo mes el banco cobra 14% por prstamos personales y el 125 por prstamos para automviles. Ambos tipos de prstamos se liquidan al final de un periodo de un ao. La experiencia muestra que alrededor de 3% de los prstamos personales y el 2% de los prstamos de automviles nunca se liquidan. Por lo comn el Banco asigna cuando menos el doble de los prstamos personales a los prstamos para automviles. 1) DEFINIR EL PROBLEMA Objetivo: Maximizar, asignacin ptica Alternativas: Cantidad de dinero prstamos personales 11% Cantidad de dinero prstamos automviles 10%
18

Limitaciones: Mximo 200 000 en los dos El doble de prstamos personales para automviles (14%P.P- 3% P.P) + ( 12% P.A 2% P.A )= 11% P.P + 10% P.A 2) FORMULAR EL PROBLEMA I Variable Asignacin ptica = Z Prstamos Personales = X1 Prstamos Automviles =X2 C1 coeficiente X1= 11% C2 coeficiente X2= 10% II MODELO Max Z= C1*X1+C2*X2 11%X1+10%X2 S.A X1+X2 200 000 X2 2X1 X1-2X2 -2X2 + X2 0 X1 X2 MTODO GRFICO 600 000 500 000 400 000 300 000 200 000 100 000 0 -100 000 -200 000
19 2

100000 200000 300000 400000 500000 600000

DEL GRFICO PUNTOS APROXIMADOS 1) (0,0) 2) (75 000, 125 000) PTIMO 3) (200 000, 0) 1) X1+X2 = 200 000 2) -2X1+ X2 =0 X1+ X2 = 200 000 2X1- X2 =0 3X1 = 200 000 X1= 200 000/ 3= 66 666, 67 1) X1+X2= 200 000 66 666, 67+ X2= 200 000 X2= 200 000 - 66 666, 67 X2 = 133 333,33 X1= 66 666,67* 11%= 7 333,34 X2= 133 333,33* 10%= 13 333,33 Max Z= 11% X1+ 10% X2 = 7 333,34 + 13 333,33 = 20 666,67

RESOLVER MEDIANTE EL METODO SIMPLEZ EL SIGUIENTE PROBLEMA Maximizar Z = f(x, y) = 3x+2y Sujeto a: 2x+y 18 2y + 3y 42 3x+y 24 x 0, y 0 Se considera las siguientes fases: 1. Convertir las desigualdades en igualdades Se introduce una variable de holgura por cada una de las restricciones del tipo para convertirlas en igualdades, resultando el sistema de ecuaciones lineales: 2X + Y = 18 2X + 3Y = 42 3X+Y = 24 2. Igualar la funcin objetivo a cero
20

-3x-2y+Z=0 3. Escribir la tabla inicial simplex En las columnas aparecern todas las variables bsicas del problema y las variables de holgura/exceso. En las filas se observan, para cada restriccin las variables de holgura con sus coeficientes de las igualdades obtenidas y la ltima fila con los valores resultantes de sustituir el valor de cada variable en la funcin objetivo, y de operar tal como se explic en la teora para obtener el resto de valores de la fila: Tabla I. Iteracin N 1 Base Cb P S1 0 18 S2 0 42 S3 0 24 Z 0 Columna pivote 4. Condicin de parada Cuando en la fila Z no existe ningn valor negativo, se ha alcanzado la solucin del problema. En tal caso, se ha llegado al final del algoritmo. De no ser as, se ejecutan los siguientes pasos. 5. Condicin de entrada y salida de la base. A. Primero debemos saber si la variable que entra en la base. Para ello escogemos la columna de aquel valor que en la fila Z sea menor de los negativos. En este caso sera la variable x (P1) de coeficiente -3. Si existiesen dos o ms coeficientes iguales que cumplan la condicin anterior (caso de empate), entonces se optaran por aquella variable que sea bsica. La columna de la variable que entra en la base se llama columna pivote (En color verde). B. Una vez obtenida la variable que entra en la base, estamos en condiciones de deducir cual ser la variable que sale. Para ello se divide cada termino independiente (PO) entre el elemento correspondiente de la columna pivote, siempre que el resultado sea mayor que cero, y se escoge el mnimo de ellos. En nuestro caso: 18/2 =9 42/2= 21 24/3=8

x 2 2 3 -3

y 1 3 1 -2

S1 1 0 0 0

S2 0 1 0 0

S3 0 0 1 0

21

Si hubiera algn elemento menor o igual a cero no se realiza dicho cociente, y caso de que todos los elementos de la columna pivote fueran de esta condicin tendramos una solucin no acotada y terminaramos el problema. El trmino de la columna pivote que en la divisin anterior de lugar al menor cociente positivo, el 3 ya que 8 es el menor cociente, indica la fila de la variable de holgura que sale de la base. Esta fila se llama fila pivote. Si al calcular los cocientes, dos o ms son iguales (caso de empate), se escoge aquella que no sea variable bsica (si es posible). 6. Encontrar los coeficientes de la nueva tabla. Los nuevos coeficientes de la fila pivote se obtienen dividendo todos los coeficientes de dicha fila entre el elemento pivote que es el que hay que convertir en 1 A continuacin mediante la reduccin gaussiana hacemos ceros los restantes trminos de su columna, con lo que obtenemos los nuevos coeficientes de las otras filas incluyendo los de la funcin objetivo Z. Tambin se puede hacer de la siguiente manera. Fila del pivote: Nueva fila del pivote = (Vieja fila del pivote) / (Pivote) Resto de las filas: Nueva fila = (Vieja fila) (Coeficiente de la vieja fila en la columna de la variable entrante) x (Nueva fila del pivote) Vemoslo con un ejemplo una vez calculada la fila del pivote (fila de x (P1) en la tabla II): Vieja S2 Coeficiente * Fila pivote = Nueva S2 42 2 * 8 = 26 2 2 * 1 = 0 3 2 * 1/3 = 7/3 0 2 * 0 = 0 1 2 * 0 = 1 0 2 * 4/3 = -2/3

Tabla II. Iteracin N 2 Base Cb S1 0 S2 0 S3 3 Z

P 2 26 8 24

x 0 0 1 0

y 1/3 7/3 1/3 -1

S1 1 0 0 0

S2 0 1 0 0

S3 -2/3 -2/3 1/3 1

Se puede observar que no hemos alcanzado la condicin de parada ya que en los elementos de la ltima fila, Z, hay uno negativo, -1. Hay que repetir el proceso:

22

A. La variable que entra en la base es y (P2), por ser la variable que corresponde a la columna el coeficiente -1. B. Para calcular la variable que sale, dividimos los trminos de la ltima columna entre los trminos y como el menor cociente positivo es 6, tenemos que la variable que sale es r (P3). C. El elemento pivote, que ahora hay que hacer 1, es 1/3. Operando de forma anloga a la anterior obtenemos la tabla: Tabla III. Iteracin N 3 Base Cb Y 2 S2 0 X 3 Z

P 6 12 6 30

x 0 0 1 0

y 1 0 0 0

S1 3 -7 -1 3

S2 0 1 0 0

S3 -2 4 1 -1

Como en los elementos de la fila Z hay uno negativo, -1, significa que no hemos llegado todava a la solucin ptima. Hay que repetir el proceso: A. la variable que entra en la base es t (P5), por ser la variable que corresponde al coeficiente -1. B. Para calcular la variable que sale, dividimos los trminos de la ultima columna entre los trminos correspondientes de la nueva columna pivote: 6/-2 = -3 12/4=3 6/1=6 Y como el menor cociente es 3, tenemos que la variable que sale es s S2 C. El elemento pivote, que ahora hay que hacer 1 es 4. Obtenemos la tabla. Tabla IV. Iteracin N 3 Base Cb Y 2 S3 0 X 3 Z

P 12 3 3 33

x 0 0 1 0

y 1 0 0 0

S1 -1/2 -7/4 3/4 3/4

S2 1/2 -1/4

S3 0 1 0 0

Se observa que en la ltima fila todos los coeficientes son positivos, por lo tanto se cumple la condicin de parada, obteniendo la solucin ptima. La solucin ptima viene dada por el valor de Z en la columna de los valores solucin, en nuestro caso 33. En la misma columna se puede observar el punto donde se alcanza, observando las filas correspondientes a las variables de decisin que han entrado en la base (x,y) = (3,12)

23

Resolver: mtodo grfico y mtodo simplex Mtodo Grafico Maximizar Z= 100x1+200x2 s.a 4x1+2x2 16 8x1+8x2 10 2x2 10 X1,x2 0 4x1+2x2+S1=16 8x1+8x2=10 2x2=10 X1 0 2 6 8 X1 0 2 6 8 X2 8 4 -4 -8 X2 2 0 -4 -6

8x1+8x2=16 2x2=10 X2=10/2 X2=5 Grafico X2 1412108-6-4-2-2-- 2 4 6 8 10 12 14 16 4-1 2 6-8-24

X1

Mtodo Simplex Maximizar Z= 100x1+200x2 s.a 4x1+2x2 16 8x1+8x2 10 2x2 10 X1,x2 0 4x1+2x2+S1=16 8x1+8x2=10 2x2=10 Z-100x1-200x200 Base Cb Y 0 S3 0 X 0 Z 16/2=8 16/8=2 10/2=5 Base S1 S2 S3 Z 16 -2 *2 =12 X1=0 X2=2 Z=400 10 2 2 6 0 2 1 -2 2 2 1 0 0 2 0 0 0 2 1/8 -1/4 1 2 0 1 4 2 1 2 Cb 0 200 0 P 12 2 6 400 2 2 1 0 x 2 1 -2 100 1 2 0 1 y 0 1 0 0 0 2 1/8 -1/4 S1 1 0 0 0 0 2 0 0 S2 -1/4 1/8 -1/4 25 S3 0 0 1 0

P 16 16 10 0

X 4 8 0 -100

y 2 8 2 -200

S1 1 0 0 0

S2 0 1 0 0

S3 0 0 1 0

25

0 -200 2 400

-100 -200 1 100

-200 -200 1 0

0 -200 0 0

0 -200 1/8 25

0 -200 0 0

EJERCICIOS RESUELTOS V INVESTIGACION DE OPERACIONES Mtodo Simplex Dual Min. Z= 4x1+12x2+18x3 s.a x1 + 3x3 3 2x2+ 2x3 5 x1 , x2, x3 0 SOLUCION PASO 1: Convertir el problema de minimizacin en uno de maximizacin. La funcin objetivo se multiplica por -1 F.O. Max. Z= -4x1-12x2-18x3 Las restricciones se multiplican por -1 s.a -x1 -3x3 -3 -2x2- -2x3 -5 x1 , x2, x3 0 PASO 2: Se convierten las inecuaciones en ecuaciones F.O. Z+4x1+12x2+18x3=0 s.a -x1 -3x3+S1 -3 -2x2- -2x3+S2 -5 PASO 3: Se denominan las variables bsicas y no bsicas Bsicas: S1+S2 No Bsicas: X1+X2+X3 PASO 4: Elaborar la tabla inicial del simplex Variable Bsica S1 S2 Z Variables X1 X2 -1 0 0 -2 4 12 Solucin X3 -3 -2 18
26

S1 1 0 0

S2 0 1 0

-3 -5 0

PASO 5: Determinar la variable que sale (fila pivote) Es el numero mas negativo de la solucin de las restricciones = fila de S1 PASO 6: Determinar la variable que entra (columna pivote) Razn=Coeficiente de Z/Coeficiente fila pivote Razn Mayor=Columna X2 (-12/2) Variable Bsica S1 S2 Z Razn Variables X1 X2 -1 0 0 -2 4 12 -6 Solucin X3 -3 -2 18 -9 S1 1 0 0 S2 0 1 0 0 -3 -5 0

PASO 7: Elaborar la nueva tabla del simplex a) Nueva fila pivote = Fila pivote/elemento pivote Nueva fila S1 0 -2 -2 0 -2 1

-2 -2 1

0 -2 0

1 -2 -0,5

-5 -2 2,5

Fila pivote Elemento Pivote Nueve Fila Pivote

b) Nuevas filas = fila anterior Coeficiente de la columna pivote por nueva fila pivote. 4 12 0 4 12 12 1 0 18 12 1 6 0 12 0 0 0 12 -0,5 6 0 12 2,5 -30

Nueva tabla del Simplex Variable Bsica S1 X2 Z Razn Variables X1 X2 -1 0 0 1 4 0 -4 Solucin X3 -3 1 6 -2 S1 1 0 0 0 S2 0 -1 6 -3 2,5 -30

Se realiza nuevamente los pasos del 5 al 7 obteniendo como solucin final

27

Variable Bsica X3 X2 Z

Variables X1 X2 0,33 0 -0,33 1 2 0

Solucin X3 1 0 0 S1 -0,33 0,33 2 S2 0 -0,5 6 1 1,5 -36

NOTA: No hay ms iteraciones cuando no existan soluciones con coeficientes negativos. R/ El valor se alcanza para un X2=3/2 y X3=1, para Z = 36 GENERACIONES DE LOS COMPUTADORES Primera Generacin: Se desarrolla en 1951 hasta 1958. Es la poca de los computadores que eran demasiado grandes. Para poder programarlos haba que modificar directamente los valores de los circuitos de las mquinas. Sus principales caractersticas a destacar eran:

Inmensas. Enorme tamao. Poca capacidad de trabajo. Se les comparaba por esto con los Dinosaurios Ocupaban cuartos enteros. Pesaban unos 30000 kilos. Tenan quilmetros de cables. Su principal componente electrnico eran las lmparas, vlvulas o tubos de vaco y alguna lleg a tener cerca de 18000.

Segunda Generacin: sta surge en 1958 hasta 1964 cuando se sustituye la vlvula por el transistor. aparecen los primeros computadores comerciales, los cuales ya tenan una programacin previa que seran los sistemas operativos. stos interpretaban instrucciones en lenguaje de programacin (Cobol, Fortran), de esta manera, el programador escriba sus programas en esos lenguajes y el ordenador era capaz de traducirlo al lenguaje de mquina. Tercera Generacin: Se dio en 1964 hasta 1971 es la generacin en la cual se comienzan a utilizar los circuitos integrados; esto permiti abaratar costos y aumento la capacidad de procesamiento reduciendo el tamao de las mquinas. Cuarta Generacin: Se desarrolla en 1971 hasta 1988 esta fase de evolucin se caracteriz por la integracin de los componentes electrnicos dando lugar a la aparicin del microprocesador. Quinta Generacin: Va desde 1982 aparecen los procesadores Pentium surge la PC, tal como se la conoce en la actualidad y el afianzamiento de redes informticas y las computadoras contienen una gran cantidad de microprocesadores trabajando en paralelo y pueden reconocer voz e imgenes., el auge de Internet, el desarrollo de software se utiliza la inteligencia artificial el almacenamiento de informacin se realiza con capacidades de decenas de Gigabytes; se establece el DVD (Digital Video Disk o Digital Versatile Disk).
28

Sexta Generacin: Desde 1990 hasta la fecha estas computadoras cuentan con arquitecturas combinadas Paralelo / Vectorial, cientos de microprocesadores trabajando al mismo tiempo, computadoras capaces de realizar ms de un milln de millones de operaciones aritmticas de punto flotante por. Las tecnologas de esta generacin ya han sido desarrolladas o estn en ese proceso como la: inteligencia / artificial distribuida; teora del caos, sistemas difusos, holografa, transistores pticos, etctera. INTRODUCCION A LA INVESTIGACION DE OPERACIONES NATURALEZA DE LA INVESTIGACION DE OPERACIONES La investigacin de operaciones se aplica a problemas que se refieren a la conduccin y coordinacin de operaciones o actividades dentro de una organizacin. La naturaleza de la organizacin es inmaterial, la investigacin de operaciones se aplica en muchas reas como: la infraestructura, el transporte, la constitucin, las telecomunicaciones, la planeacin financiera, el cuidado de la salud, la milicia, los servicios pblicos etc. La gama de aplicaciones es muy amplia. La investigacin de Operaciones usa un enfoque parecido a la manera que se lleva la investigacin en campos cientficos establecidos. El proceso comienza por la observacin y formulacin del problema, luego construyo un modelo cientfico, despus propongo la hiptesis y luego se llevan a cabo experimentos para probar la hiptesis, modificarla si es necesario y verificarla. La investigacin de Operaciones adopta un punto de vista organizacional de esta manera intenta resolver conflictos de Intereses entre componentes de la organizacin de manera que el resultado sea el mejor para la organizacin completa. La investigacin de Operaciones intenta encontrar una mejor solucin solucin ptima al problema. Para emprender un estudio de Investigacin de Operaciones de un nuevo problema es necesario emplear el empleo de equipo gente con conocimientos de Matemticas, Estadstica, Teora de las Probabilidades, Economa, Administracin, Computacin, Ingeniera, Ciencias fsicas, Ciencias de Comportamiento, tambin es necesario que tenga experiencia. IMPACTO DE LA INVESTIGACION DE OPERACIONES La investigacin de operaciones ha mejorado la eficiencia de numerosas organizaciones en todo el mundo el proceso de Investigacin de Operaciones ha servido para incrementar la productividad dentro de la economa de varios pases. Hay ms de 30 pases miembros de la (IFORS) donde cada pas tiene una sociedad de Investigacin de Operaciones, su impacto seguir aumentando. RIESGO AL APLICAR LA INVESTIGACION DE OPERACIONES Al aplicar la Investigacin de Operaciones al estudio de sistemas y a la resolucin de problemas se corre el riesgo de tratar de manipular los problemas buscando que se ajusten a
29

diferentes tcnicas, modelos de algoritmos establecidos en lugar de analizar los problemas y resolverlos obteniendo las mejores soluciones. Es necesario comprender la metodologa para resolver problemas. QUE ES LA INVESTIGACION DE OPERACIONES La Investigacin de Operaciones ha ido evolucionando en sus tcnicas, aplicaciones la forma como la conceptualizan diferentes autores existen muchas definiciones. La definicin de Churchman, Ackolf y Arnoff: La investigacin de operaciones es la aplicacin, por grupos interdisciplinarios, de mtodos cientficos a problemas relacionados con el control de las organizaciones o sistemas (hombre-mquina),a fin de que se produzcan soluciones que mejor sirvan a los objetivos de la organizacin. EN RELACION A ESTA DEBEN DESTACARSE LOS SIGUIENTES ASPECTOS Generalmente se asocian conceptos de direccin y administracin a las empresas de tipo lucrativo pero una empresa es un concepto ms amplio va desde una universidad hasta una armadora de automviles. Para explicar el comportamiento de un sistema complejo debe representarlo en trminos de conceptos que maneja, expresando los rasgos principales del sistema con relaciones matemticas. La esencia de un modelo debe ser predictivo complejo predecir el futuro. El objeto global es el de apoyar al tomador de decisiones, ayudar lo a cumplir su funcin basado en estudios cientficos fundamentales. HISTORIA ORIGENES DE LA INVESTIGACION DE OPERACIONES La toma de decisiones inicia cuando una persona observa un problema y determina que toca resolverlo definindolo, formulando un objetivo reconociendo las limitaciones o restricciones, generando alternativas de solucin y elegir la mejor. La investigacin de operaciones proporciona a los tomadores de decisiones bases cuantitativas para seleccionar las mejores decisiones y evaluar su habilidad para hacer planes a futuro. En el ambiente socioeconmico los mtodos de toma de decisiones se han vuelto inoperantes ya que hay situaciones complicadas y cambiantes que requieren soluciones creativas. Desde al advenimiento de la Revolucin Industrial ha crecido bastante el tamao y la complejidad de las organizaciones. Los pequeos talleres artesanales se convirtieron en corporaciones actuales de miles de millones de pesos. Una parte de este cambio fue la divisin del trabajo y en la separacin de las responsabilidades administrativas en estas organizaciones. Los resultados han sido espectaculares hubo beneficios pero aumento el grado de especializacin y esto creo nuevos problemas, como la tendencia a convertirse en imperios autnomos con sus propias metas y objetivos perdiendo la visin de la forma que encajan en sus actividades y objetivos de toda la organizacin.
30

El inicio de la investigacin de operaciones se atribuye a los servicios militares prestados a principio de la segunda guerra mundial ya que exista una necesidad de asignar recursos a distintas operaciones militares de la forma ms efectiva. Los cientficos de EEUU y Gran Bretaa hicieron investigaciones sobre operaciones militares fueron los primeros equipos de Investigaciones de operaciones. ENFOQUE DE LA INVESTIGACION DE OPERACIONES Tiene un enfoque novelstico producto de sus creadores aunado a la presin de supervivencia de guerra la descripcin del enfoque es la siguiente. 1. Define el sistema real donde se presenta el problema 2. Selecciona las variables que norman la conducta o el estado actual del sistema 3. Construye un modelo cuantitativo identificando y simplificando las relaciones entre variables utilizando funciones matemticas. 4. Se obtiene la solucin al modelo cuantitativo aplicando tcnicas desarrolladas por la Investigacin de operaciones. 5. Se adapta e imprime la mxima realidad posible a la solucin terica del problema real. 6. Se implanta la solucin al problema real. La investigacin de Operaciones obtiene la solucin del problema real indirectamente y no como normalmente se intentara pasando directamente el problema real a la solucin real.

31