PROGRAMACION LINEAL

Trabajo Colaborativo No 1
FASE UNO Y DOS





Presentado por:

MARY LUZ RUANO LEYTON
COD: 59652622
SANDRA MARIA CARDENAS SALAZAR
COD: 59665512
YESICA LORENA CAMPAA ROSERO
COD: 59.396.677
ADRIANA MONTERO GMEZ
COD: 59.176.106
ANA ROSA JOAQUI BASTIDAS
COD: 59.396.695



Grupo:
100404_112


Tutor:
FABIO OSSA ORTEGA




UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
PROGRAMA DE ADMINISTACION DE EMPRESAS
ABRIL 2014

INTRODUCCION

Como mtodo o herramienta para identificar la solucin a un problema, la investigacin de
operaciones, ayuda mucho, en primer lugar porque facilita su identificacin y las diferentes
alternativas de decisin, como tambin las restricciones y limitaciones, ya con esta
informacin se construir un modelo apropiado para la solucin del problema, la validacin
en implantacin del mismo
Los modelos de investigacin de operaciones pueden ser modelos matemticos o modelos
de simulacin y se aplican de acuerdo a la definicin del problema. En el modelo matemtico
se deben tener en cuenta 3 elementos fundamentales, las variables, las restricciones y la
funcin objetivo. En el modelo de simulacin simplemente se disea un modelo paralelo al
sistema a analizar. Los modelos de investigacin se dividen en determinsticos y
estocsticos e hbridos. Estos primeros son modelos matemticos no probabilsticos, los
estocsticos son probabilsticos y los hbridos incluyen estas dos caractersticas.

En el siguiente trabajo colaborativo, se realiza una sntesis de cada uno de estos modelos y
mediante ejemplos prcticos se profundiza en la definicin de cada uno de estos.



















FASE UNO
MARY LUZ RUANO LEYTON
1. Elabore una sntesis de cada modelo clasificndolo de acuerdo al cuadro anexo.
Modelos de Investigacin de Operaciones
Modelos Determinsticos: Los modelos determinsticos son modelos matemticos donde
todos los datos que se conocen, son certeros y fijos. En este tipo de modelo no existe la
incertidumbre ni la probabilidad de alguna variable o dato a determinar. Cuando se conoce
los datos de manera puntual y la forma del resultado, no hay incertidumbre.

En un modelo determinstico, se establecen las condiciones para determinar el resultado, las
variables del problema son delimitadas produciendo resultados noprobabilsticos.

Este tipo de modelo es aplicable a problemas de programacin lineal, no lineal, modelos de
transporte, programacin entera, modelos de inventario.

Modelos Estocsticos: El modelo estocstico es cuando al menos una variable del problema
es un dato al azar y sus variables se toman por medio de funciones probabilsticas. En este
tipo de modelos el resultado obtenido es probabilstico y sus variables no tienen limitaciones.

Este tipo de modelo se representa en la teora de decisiones, teora de juegos, cadenas
Markov.

Modelos Hbridos: Es un modelo en el que intervienen el modelo determinstico y el
modeloestocstico, por lo tanto los resultados del problema pueden ser probabilsticos o
noprobabilsticos.

MODELOS PROBABILISTICOS NO PROBABILISTICOS


Determinsticos
Programacin lineal
Programacin no lineal
Modelos de transporte y
asignacin
Mtodo de bsqueda
Programacin entera 0-1


Estocsticos
Teora de las Decisiones
Teora de Juegos
Colas
Programacin estocstica


Hbridos
Programacin dinmica
Modelos de Inventario
Modelos de simulacin
PERT_CPM
Heursticos



SANDRA MARIA CARDENAS SALAZAR
Modelos de Investigacin de Operaciones
Modelo determinstico

Un Modelo determinstico es un modelo matemtico donde las mismas entradas producirn
invariablemente las mismas salidas, no contemplndose la existencia del azar ni el principio
de incertidumbre. Est estrechamente relacionado con la creacin de entornos simulados a
travs de simuladores para el estudio de situaciones hipotticas, o para crear sistemas de
gestin que permitan disminuir la incertidumbre.

La inclusin de mayor complejidad en las relaciones con una cantidad mayor de variables y
elementos ajenos al modelo determinstico har posible que ste se aproxime a un modelo
probabilstico o de enfoque estocstico.

Ejemplos

Por ejemplo, la planificacin de una lnea de produccin, en cualquier proceso industrial, es
posible realizarla con la implementacin de un sistema de gestin de procesos que incluya
un modelo determinstico en el cual estn cuantificadas las materias primas, la mano de
obra, los tiempos de produccin y los productos finales asociados a cada proceso.

Modelos estocsticos

Un modelo es estocstico cuando al menos una variable del mismo es tomada como un dato
al azar y las relaciones entre variables se toman por medio de funciones probabilsticas.
Sirven por lo general para realizar grandes series de muestreos, quitan mucho tiempo en el
computador son muy utilizados en investigaciones cientficas.

Para lograr modelar correctamente un proceso estocstico es necesario comprender
numerosos conceptos de probabilidad y estadstica.
Dentro del conjunto de procesos estocsticos se encuentran, por ejemplo, el tiempo de
funcionamiento de una mquina entre avera y avera, su tiempo de reparacin y el tiempo
que necesita un operador humano para realizar una determinada operacin.
Mtodos hbridos: Tienen que ver con los mtodos determinsticosy probabilsticos como la
teora de inventarios.
La Programacin Lineal (PL) es una de las principales ramas de la Investigacin Operativa.
En esta categora se consideran todos aquellos modelos de optimizacin donde las funciones
que lo componen, es decir, funcin objetivo y restricciones, son funciones lineales en las
variables de decisin
Los modelos de Programacin Lineal por su sencillez son frecuentemente usados para
abordar una gran variedad de problemas de naturaleza real en ingeniera y ciencias sociales,
lo que ha permitido a empresas y organizaciones importantes beneficios y ahorros asociados
a su utilizacin.
Variables de decisin y parmetros
Las variables de decisin son incgnitas que deben ser determinadas a partir de la solucin
del modelo. Los parmetros representan los valores conocidos del sistema o bien que se
pueden controlar.
Restricciones
Las restricciones son relaciones entre las variables de decisin y magnitudes que dan
sentido a la solucin del problema y las acotan a valores factibles. Por ejemplo si una de las
variables de decisin representa el nmero empleados de un taller, es evidente que el valor
de esa variable no puede ser negativa.
Funcin Objetivo
La funcin objetivo es una relacin matemtica entre las variables de decisin, parmetros y
una magnitud que representa el objetivo o producto del sistema. Por ejemplo si el objetivo del
sistema es minimizar los costos de operacin, la funcin objetivo debe expresar la relacin
entre el costo y las variables de decisin. La solucin PTIMA se obtiene cuando el valor del
costo sea mnimo para un conjunto de valores factibles de las variables. Es decir hay que
determinar las variables x1, x2, ..., xn que optimicen el valor de Z = f(x1, x2, ..., xn) sujeto a
restricciones de la forma g(x1, x2, ..., xn)
b. Donde x1, x2,..., xn son las variables de decisin Z es la funcin objetivo, f es una funcin
matemtica.
Ejemplo A1:
Sean x1 y x2 la cantidad a producirse de dos productos 1 y 2, los parmetros son los costos
de produccin de ambos productos, $3 para el producto 1 y $5 para el producto 2. Si el
tiempo total de produccin est restringido a 500 horas y el tiempo de produccin es de 8
horas por unidad para el producto 1 y de 7 horas por unidad para el producto 2, entonces
podemos representar el modelo como:
C = 3x1 + 5x2 (Costo total de Produccin)
Sujeto a:
8x1 + 7x2 500
x10 y x2 0.C = 3x1 + 5x2 (Costo total de Produccin)
Sujeto a:
8x1 + 7x2 500
x10 y x2 0.
Modelos de Programacin Entera
Problema Asignacin: Una universidad est programando las clases para el prximo
semestre acadmico y requiere buscar la mejor asignacin posible de profesores a los
distintos cursos que se deben dictar. Considere que existen 5 profesores: A, B, C, D, E y 5
cursos (asignaturas): C1, C2, C3, C4, C5. Adicionalmente, los profesores han manifestado
sus preferencias por dictar los distintos cursos en una escala de 1 a 10, donde 10 es la
mxima puntuacin y 1 la mnima puntuacin o preferencia. Se asume que cada profesor es
apto para dictar cualquier curso, independiente del puntaje de su preferencia. La siguiente
tabla resume las puntuaciones que asigna cada profesor a cada curso:
PROFESORES
CURSOS A B C D E
C1 5 8 5 9 7
C2 7 2 3 6 8
C3 9 10 8 9 8
C4 8 7 9 7 8
C5 6 9 9 10 5
Se ha establecido como criterio que cada profesor debe dictar slo un curso y a la vez que
cada curso obviamente debe tener un profesor. En base a lo anterior se desea encontrar la
asignacin de profesores que maximize el total de las preferencias.
Variables de Decisin:
Funcin Objetivo: Maximizar el total de las preferencias de los profesores

Donde P(i,j) corresponde a una forma sinttica de resumir los parmetros del modelo, es
decir, P(i,j) es la preferencia del profesor i (en una escala de 1 a 10) por dictar el curso j. Por
ejemplo, P(D,C3)=9.
Restricciones:
La solucin ptima de este problema es asignar el profesor A a C3, B a C5, C a C4, D a C1 y
E a C2. Valor
2. Escriba la importancia que tiene la investigacin de operaciones en su carrera
profesional.
La investigacin de operaciones es una disciplina cientfica que los administradores utilizan
para tomar decisiones informadas para sus operaciones. Se basa en gran medida en las
matemticas, las estadsticas y la ciencia. Los gerentes de operaciones usan esto
ampliamente para programar y ensamblar sus funciones de produccin. Es utilizada
principalmente en las industrias de manufactura, combustibles, energa y
telecomunicaciones.
LORENA CAMPAA ROSERO
1.- ELABORE UNA SINTESIS DE CADA MODELO E ILUSTRE CON UN EJEMPLO

MODELO DETERMINISTICO

Los modelos determinsticos son los que hacen predicciones definidas de cantidades, dentro
de cualquier distribucin de probabilidades; tambin se les puede definir como aquellos que
se aplican a problemas en los que hay un solo estado de la naturaleza, y donde variables,
limitaciones y alternativas son, despus de que se aceptan los supuestos, conocidos,
definibles, finitos y predecibles con confidencia estadstica. Algunos modelos, herramientas o
tcnicas determinsticas son: programacin lineal, anlisis de Markov, costo/beneficio, entre
otros (krone, 1980; Lpez, 2001). En otras palabras, un modelo determinstico se construye
para una condicin de certeza supuesta, y el modelo asume que solo hay un resultado
posible (el cual es conocido) para cada accin o curso alternativo (Malczewski, 1999).

Ejemplo.

Un granjero posee 100 Has. de terreno en las que slo puede plantar cereales o caa de
azcar. El problema es determinar cul debe ser su poltica de explotacin ptima, es decir,
qu plantar y cunto plantar teniendo en cuenta los recursos disponibles.
En la vida real hay muchos sucesos que se pueden considerar como procesos estocsticos o
aleatorios:
El clima (velocidad del viento, humedad del aire, temperatura, etc.)
Series temporales: seales de telecomunicacin, seales de movimientos
ssmicos, biomdicas (electrocardiograma, encefalograma, etc.)
La evolucin de la poblacin, superficie cultivada, desertificacin, etc.
Procesos econmicos (ndice de la bolsa, evolucin de stocks, PBI, etc.)
Seales de sonido, imgenes, video, etc.

PROGRAMACIN NO LINEAL
La programacin no lineal se ocupa del problema de optimizar una funcin
Objetivo con h. presencia de restricciones tipo de igualdad y/o desigualdad. Si todas las
Funciones son lineales tenemos un programa lineal de lo contrario, el programa es no
Lineal y su resolucin es el problema de estudio en esta tesis. La popularidad de la
Programacin 'lineal puede atribuirse a muchos factores, incluyendo su habilidad para
Modelar problemas grandes y complejos, as como la de su resolucin en un intervalo
Razonable de tiempo mediante el uso del mtodo Simplex. mas recientemente del
Mtodo de Karmarkar. y de las computadoras, por parte de los usuarios


Ejemplo:

Si se utilizan .v, unidades de capital y x2 unidades de trabajo, una compaa
Puede producir x1,x2 unidades de un bien manufacturado. Se puede conseguir el capital a
30 /unidad y el trabajo a 7/unidad. Se dispone de un total de 600 para
Conseguir capital y trabajo. Cmo puede la compaa maximizar la cantidad de bienes que
se pueden fabricar?
Variables:
X1unidades de capital
x2 Unidades de trabajo

Funcin objetivo:

Maximizar z= X1X2

Restricciones: 30X1 +7X2 600
X10 x 2 0

PROGRAMACIN LINEAL
l a programacin lineal da respuesta a situaci ones en l as que se exi ge
maxi mi zar o minimizar funciones que se encuentran sujetas a determinadas
l i mitaciones, que ll amaremos restri cci ones.
Su empleo es frecuente en apl icaciones de l a i ndustri a, l a economa, la
estrategi a mi l itar,
La funcin objeti vo es una funcin l ineal de varias variables y las restri cci ones se
presentan como una serie de inecuaciones li neal es.

Ejemplo: almacenes l a ganga encargan a un fabri cante camisetas y sudaderas
deporti vas. El fabri cante di spone para l a confecci n de 750 m de tej ido de
al godn y 1000 m de tej i do de pol ister. Cada cami seta preci sa 1 m de al godn y
2 m de pol i ster. Para cada sudadera se necesitan 1.5 m de al godn y 1 m de
pol i ster.El preci o del pantaln se fi ja en 20 y el de la chaqueta en 30 .

Qu nmero de pantalones y chaquetas debe sumini strar el fabri cante a l os
almacenes para que estos consi gan un benefi ci o mximo?

Las variables:
X: nmero de camisetas
Y: nmero de sudaderas

Funcin obj eti vo: F(x,y)= 20x+30y

Las restri cciones:
x>=0
y>=0
x+1,5y<=750
2x+y<=1000


PROGRAMACIN ENTERA

Un modelo de programacin entera es aquel que contiene restricciones y una funcin
objetivo idnticas a la formuladas en programacin lineal , la nica diferencia en que una o
ms variables de decisin deben tomar valor entero en la solucin final

Ejemplo:

La universidad estatal tiene que comprar 1100 computadoras de tres vendedores. El
vendedor 1 carga 500 dlares por computadora ms un cargo por la entrega de 5000
dlares. El vendedor 2 carga 350 dlares por computadora ms un cargo por la entrega de
4000 dlares. El vendedor 3 carga 250 dlares por computadora ms un cargo por la entrega
de 6000 dlares El vendedor 1 vender a la universidad a lo ms 500 computadoras, el
vendedor 2 cuando mucho 900 y el vendedor 3 cuando mas 400. Plantee un PE para
minimizar el costo de la compra de las computadoras necesarias

Solucin:

Proveedor Costo
Unitario
Cargo x
Entrega
Condiciones
1 500 5000 A lo ms 500
2 350 4000 Cuanto mucho 900
3 250 6000 A lo ms 400

Variables de Decisin:

Xi = Cantidad de computadoras a comprar del proveedor i (i = 1, 2,3)
Yi = Decisin de compra de computadoras a comprar del proveedor i (i = 1, 2,3) basndose
en el costo fijo

Funcin Objetivo:

Min Z = 500X1 + 350X2 + 250X3 + 5000Y1 + 4000Y2 + 6000Y3

Restricciones:

X1 <= 500
X2 <= 900
X3 <= 400
X1 + X2 + X3 <= 1100
Xi >= 0 y ENTERO
Yi = 0, 1

Aico tiene un turno diurno y un turno nocturno No importa cuntas unidades se producen, el
nico costo de produccin durante un turno es un costo de preparacin Cuesta 8000 dlares
la corrida del da y 4500 dlares la corrida de la noche. la demanda para los dos das
siguientes es como se indica: Da 1, 2000; noche 1, 3000; Da 2, 2000; noche 2, 3000.
Cuesta un dlar por unidad conservar una unidad en inventario durante un turno. Determine
un programa de produccin que minimice la suma de los costos de preparacin y de
inventario. se debe cumplir con la demanda justo a tiempo

SOLUCION

Variables de Decisin:

Xi = Cantidad de productos a fabricar en el turno i (i = 1, 2) y en el da j (j=1,2)
Yi = Decisin de fabricacin en el turno i (i = 1, 2,) y en el da j (j=1,2) basndose en el costo
fijo
Funcin Objetivo:

Min Z = X11 + X12 + X21 + X22 8000(Y11 + Y12) + 3500(Y21 + Y22)

Restricciones:

X11 <= 2000
X12 <= 3000
X21 <= 2000
X22 <= 3000
Xi >= 0 y ENTERO
Yi = 0, 1

TRANSPORTE Y ASIGNACIN

Por medio de los cuales se pueden hacer ms eficientes los procedimientos de solucin.
Cuando las variables de decisin en los modelos de optimizacin lineal se restringen, bien
sea a integrarse o valores 0- 1, son adecuados los modelos de programacin entera o de
programacin
Ejemplo: La Compaa Transportes de Nario enva carro tanques cargados de leche desde
tres silos a cuatro plantas procesadoras La oferta y la demanda, junto con los costes del
transporte por carga de camin en las diferentes rutas, se resumen en la siguiente tabla, en
donde la oferta y la demanda vienen dadas en trminos de camiones cargados y los costes
en cientos de euros.



Planta 1 Planta 2 Planta 3 Planta 4 Oferta
Acopio 1 10 2 20 11 15
Acopio 2 12 7 9 20 25
Acopio 3 4 14 16 18 10
Demanda 5 15 15 15


Determina qu cantidad de camiones, xij , hay que enviar desde cada silo i a cada molino j
para conseguir que el coste total del transporte sea lo menor posible.

MTODOS HBRIDOS

Tienen que ver con los mtodos determinsticos y probabilsticos como la teora de
inventarios.

PROGRAMACIN DINMICA

Es una tcnica que parte del principio de no calcular dos veces la misma informacin, por lo
tanto se utilizan estructuras de almacenamiento como vectores, tablas, arreglos, archivos,
con el fin de almacenarlos resultados parciales, que contribuyan a la solucin final.
Este algoritmo evita calcular dos veces la misma informacin, manteniendo una tabla de
resultados conocidos, la cual se va llenando a medida que seres vuelven los subcasos. Es
una tcnica ascendente que normalmente, empieza por los subcasos ms pequeos y ms
sencillos. Combinando sus soluciones, obtenemos las respuestas para los subcasos cada
vez mayores, hasta que llegamos a la solucin del caso original.
La programacin dinmica se aplica no solo por razones de eficiencia, sino porque permite
resolver de manera eficiente problemas que no se pueden resolver por otras metodologas.
El mayor nmero de aplicaciones se encuentra en problemas que requieren optimizacin, ya
que se pueden hallar mltiples soluciones y as evaluarlas para hallar la ptima.
RUTA CRTICA

Ruta Crtica es un procesado administrativo de planeacin, programacin, ejecucin y control
de todas y cada una de las actividades componentes de un proyecto que debe desarrollarse
dentro de un tiempo crtico y al costo ptimo.
Siendo la administracin tan importante dentro del mtodo del Camino Crtico, es
conveniente que analicemos lo que es la administracin y sus elementos bsicos:
Administrar segn Henry Fayol, es conducir a la empresa hacia su objetivo tratando de sacar
el mejor provecho de todos los recursos de que se dispone.
Es el conjunto de reglas y tcnicas cuyo objeto es alcanzar la mxima eficiencia en la
coordinacin de los recursos y colaboracin del elemento humano para lograr los objetivos
del organismo social.

METODOS HEURISTICOS

Los mtodos heursticos son estrategias generales de resolucin y reglas de decisin
utilizadas por los solucionadores de problemas, basadas en la experiencia previa con
problemas similares. Estas estrategias indican las vas o posibles enfoques a seguir para
alcanzar una solucin.


MODELO ESTOCSTICO

El cual su comportamiento es no-determinstico. Esto significa que el estado subsecuente del
sistema se determina tanto por las acciones predecibles del proceso, como por un elemento
aleatorio. La mayora si no todos- los sistemas de la vida real son estocsticos. Su
comportamiento puede ser medido y aproximado a distribuciones y probabilidades, pero rara
vez pueden ser determinados por un solo valor (por ende no-determinsticos). Por ejemplo, el
tiempo que un cajero de un banco requiere para procesar el depsito de un cliente depende
de varios factores (algunos de ellos pueden ser controlados, otros no; algunos son medibles,
otros no), pero al final, realizando un conjunto de observaciones del tiempo de procesamiento
de cada depsito del cajero, puede permitir ajustar los tiempos a una distribucin y predecir
cul ser el tiempo de proceso en un modelo de simulacin por eventos discretos.

2. Escriba la importancia que tiene la investigacin de operaciones en su carrera
profesional.

Mi carrera administracin de Empresas, es una carrera en la cual en algunas ramas
especificas nos vemos en la necesidad de buscar soluciones a problemas los cuales
envuelven una interaccin compleja, dinmica y subjetiva de hombres y mtodos y sistemas,
a los cuales, en algunos casos no se les puede proporcionar una solucin exacta por medio
de los procedimientos matemticos o por medio de tcnicas de ensayo y error. Utilizando
modelos matemticos como un recurso primario, la metodologa de la investigacin de
operaciones est diseada para cuantificar y acotar estos problemas dentro de un marco de
restricciones especficas, medidas, objetivos y variables, de tal forma que se busquen
controles ptimos de operacin, decisiones, niveles y soluciones. La programacin en los
sistemas lleva a una programacin matemtica que es quizs el rea ms desarrollada de la
investigacin de operaciones. Cubre tpicos tales como: Programacin lineal, programacin
de redes y programacin entera, adems de otras variantes de mtodos de programacin
tales como programacin de metas de esta forma vemos que est muy ligada y es
importante esto nos desarrolla mentalmente y re fuerza la lgica en la difcil tarea de
establecer mtodos y bases de programacin correctas.

ADRIANA MONTERO GMEZ

Sntesis de cada modelo de investigacin de operaciones y ejemplo.

MODELOS DETERMINISTICOS
Son modelos cuya solucin para determinadas condiciones es nica y siempre la misma
En ellos cada valor de la variable independiente corresponde otro valor de la variable
dependiente. Son especialmente tiles en los sistemas que evolucionan con el tiempo, como
son los sistemas dinmicos. En ellos podemos conocer el estado del sistema transcurrido
cierto tiempo una vez que hemos dado valores a los distintos parmetros que aparecen en el
modelo.
En este modelo las mismas entradas producirn invariablemente las mismas salidas, no
contemplndose la existencia del azar ni el principio de incertidumbre.
Ejemplos
Por ejemplo, la planificacin de una lnea de produccin, en cualquier proceso industrial, es
posible realizarla con la implementacin de un sistema de gestin de procesos que incluya
un modelo determinstico en el cual estn cuantificadas las materias primas, la mano de
obra, los tiempos de produccin y los productos finales asociados a cada proceso.
Un ejemplo clsico de modelo determinstico es de cada libre H=1g t2 . Las condiciones de
validez de este modelo de cada: cuerpo puntual (suficientemente pequeo), gravedad
constante (cercano a la Tierra), sin aire (en un tubo con vaco). En estas condiciones se
podra predecir la altura que se desplaza un cuerpo transcurrido un tiempo "t". En la fsica
clsica es muy comn el uso de modelos determinsticos.
MODELOS ESTOCASTICOS
Un modelo es estocstico cuando al menos una variable del mismo es tomada como un dato
al azar y las relaciones entre variables se toman por medio de funciones probabilsticas.
Para lograr modelar correctamente un proceso estocstico es necesario comprender
numerosos conceptos de probabilidad y estadstica.
Dentro del conjunto de procesos estocsticos se encuentran, por ejemplo, el tiempo de
funcionamiento de una mquina entre avera y avera, su tiempo de reparacin y el tiempo
que necesita un operador humano para realizar una determinada operacin.
MODELOS HIBRIDOS
Incluyen las dos categoras (determinsticos y probabilsticos),por tal razn los datos
obtenidos de la aplicacin de este mtodo puede ser probabilstico o no probabilsticos como
la teora de inventarios.
Son usados comnmente en el tipo de investigacin cuantitativa y que proponen como
mtodos tambin valiosos para el desarrollo de estudios cualitativos. Un mtodo hbrido
combina ms de un mtodo y tambin es llamado mtodo multi-paradigmtico. Aunque la
implementacin puede ser ms difcil, las herramientas hbridas son capaces de combinar la
potencia de varios mtodos.
Importancia que tiene la investigacin de operaciones en mi carrera como
Administrador de Empresas.

La investigacin de operaciones es una disciplina cientfica que aporta mucho en la labor
profesional de los administradores de empresas, pues es de gran utilidad al momento de
tomar decisiones, ya que se contar con la suficiente informacin de los procesos
operacionales que se estudien; lo mismo que para programar y ensamblar sus funciones de
produccin. Permite idear formas y medios para maximizar las ganancias y reducir las
prdidas y riesgos. Lo mismo que disear los medios para producir a costos ms bajos o
producir ms cantidades a los mismos costos.
Las empresas deben de enfrentar problemas de todo tipo, las cuales en algunos casos
pueden poner en riesgo, no slo la estabilidad, sino tambin su permanencia en el mercado,
por lo que deben de resolverlos en forma rpida y expedita. Estos problemas pueden ser
complejos, debido al nmero de variables y parmetros que se conozcan y por el nivel de
certidumbre de informacin que se maneja. Para resolverlos, es de gran utilidad la
realizacin de investigacin de operaciones como una herramienta para solucionar
problemas de diversos sectores, mediante la aplicacin del mtodo cientfico en la solucin
de problemas en las empresas, utilizando diferentes modelos y tcnicas, como la
programacin lineal y el anlisis de decisiones. Es innegable que la esta herramienta tiene
gran importancia, porque se puede obtener una solucin cuantitativa a problemas de
diversos tipos y nos ayuda a tomar decisiones, basadas en un proceso analtico.
ANA ROSA JOAQUI BASTIDAS
1.- Elabore una sntesis de cada modelo e ilustre con un ejemplo:
Modelos Determinsticos
Optimizacin no Lineal:
La distincin entre los Modelos de Optimizacin Lineales y no Lineales se basa en la
naturaleza de la funcin objetivo y/o las restricciones; por ejemplo, los modelos de
programacin lineal se caracterizan por su funcin objetivo lineal y sus restricciones lineales.
Ejemplo
Se requiere enviar un paquete rectangular por correo. Por estipulaciones del servicio postal
slo se aceptan paquetes con dimensiones menores o iguales a 60 cm y se pide, adems,
que la superficie total sea a lo ms de 80 cm2: Si se desea maximizar el volumen, qu
dimensiones debe tener la caja?

Mtodos clsicos:
Mtodo de solucin que por la estructura del modelo aplica clculo diferencial.
Mtodos de Bsqueda

Los Mtodos de Bsqueda utilizan tcnicas gradiantes y ramificacin

Programacin No Lineal

Los Mtodos de Programacin no Lineal aplican algoritmos especiales (procedimientos de
solucin) para explotar ciertas estructuras matemticas en las relaciones funcionales.


Optimizacin Lineal:
Consiste en optimizar (minimizar o maximizar) una funcin lineal, denominada funcin
objetivo, de tal forma que las variables de dicha funcin estn sujetas a una serie de
restricciones que expresamos mediante un sistema de inecuaciones lineales.
Ejemplo:
Disponemos de 210.000 euros para invertir en bolsa. Nos recomiendan dos tipos de
acciones. Las del tipo A, que rinden el 10% y las del tipo B, que rinden el 8%. Decidimos
invertir un mximo de 130.000 euros en las del tipo A y como mnimo 60.000 en las del tipo
B. Adems queremos que la inversin en las del tipo A sea menor que el doble de la
inversin en B. Cul tiene que ser la distribucin de la inversin para obtener el mximo
inters anual?
Programacin Lineal
La programacin lineal es un procedimiento o algoritmo matemtico mediante el cual se
resuelve un problema indeterminado, formulado a travs de un sistema de inecuaciones
lineales, optimizando la funcin objetivo, tambin lineal.
Transporte y Asignacin
Los Modelos de Transporte y los de Asignacin se pueden ver como casos especiales de la
programacin lineal, por medio de los cuales se pueden hacer ms eficientes los
procedimientos de solucin.
Programacin entera o 0-1
Cuando las variables de decisin en los modelos de optimizacin lineal se restringen, bien
sea a integrarse o valores 0 - 1, son adecuados los modelos de programacin entera o de
programacin 0 - 1.
Redes
Programacin 0 - 1. Los modelos de redes representan estos tipos de problemas en trminos
de diagramas de flujo.
Modelos Estocsticos
Los Algoritmos de Programacin Estocsticas tratan los parmetros de modelos de
optimizacin como variables aleatorias de distribuciones mustrales especficas.
Ejemplo:
Un ejemplo de proceso estocstico en el mundo natural es la presin en un gas tal y como se
modela en un proceso de Wiener. Incluso aunque (en trminos clsicos) cada molcula se
mueve siguiendo un patrn determinista, el movimiento de un conjunto de ellas es
informtica y prcticamente impredecible.
Programacin Estocstica
La programacin estocstica analiza la resolucin de problemas de programacin
matemtica en los que algunos parmetros son desconocidos pero se conoce la distribucin
de probabilidad asociada a ellos y, por tanto, las situaciones que se analizan mediante la
misma son situaciones de riesgo.
Proceso Estocstico
Un proceso estocstico es un concepto matemtico que sirve para caracterizar una sucesin
de variables aleatorias (estocsticas) que evolucionan en funcin de otra variable.
Teora de Decisiones
La Teora de Decisiones representa un enfoque formalizado a la toma de decisiones bajo
incertidumbre, la cual incorpora e integra conceptos de la teora de utilidad, de la teora de
distribucin de probabilidades y de la teora de probabilidad de Bayes.
Modelos Hbridos
Modelo hibrido es aquel en el que intervienen los modelos deterministas y los modelos
estocsticos, es decir, que los resultados del problema pueden ser probabilsticos o no
probabilsticos.
Tienen que ver con los mtodos Determinsticos y probabilsticos como la teora
de inventarios.
Programacin Dinmica
La Programacin dinmica es un enfoque a la optimizacin deseable en forma nica para
muchos problemas determinsticos o probabilsticos, varios modelos incluyen
representaciones determinsticas y probabilsticas.
Heursticos
Los modelos heursticos aplican reglas del pulgar a los problemas que sin esto no podran
ser resueltos de manera factible, eficaz y ptima.
Inventarios
Los modelos de inventarios, tanto determinsticos como estocsticos, especifiquen polticas
de inventarios que minimizan el costo esperado.
Simulacin
La Simulacin es una forma importante de los modelos determinanticos y estocsticos, que
representa el comportamiento de sistemas complejos por modelos lgicos o matemticos
computarizados.
Pert ruta critica
El PERT_CPM es un enfoque para planear, programar y controlar los proyectos complejos
que se pueden caracterizar como redes

Escriba la importancia que tiene la investigacin de operaciones en su carrera
profesional.
Esta contiene gran relevancia enfocndonos claro en que la ingeniera industrial lleva el
control y vigilancia de infinidad de procesos en las industrias y pymes como tal, viendo pues
que este curso en especial nos brinda grandes herramientas para desenvolvernos en reas
econmicas importantes que se llevan a cabo dentro y fuera de las empresas.




















FASE DOS
MARY LUZ RUANO LEITON
Una persona realizara un viaje en avin, el peso de equipaje por pasajero es de 50 kilos,
tiene cinco artculos que desea llevar pero la totalidad de estos sobre pasa los kilos
permitidos por viaje. A cada artculo le ha dado un valor por importancia siendo el nmero 1
el ms importante y el 5 menos necesario para llevar.

a) Qu artculos puede llevar para maximizar el valor total, sin sobrepasar la restriccin
de peso?


Articulo 1 2 3 4 5
Peso Kg. 62 10 15 12 27
Valor 200 100 50 20 15

Planteamiento del problema
Variables (no negativa y no mayor que 1, entera)

= 1, 2, 3, 4, 5

= 1
= 0

Maximcese

= 200 1 +1002 +503 +204 +155

Restricciones
62 1 +102 +153 +124 +275 50

Problema matemtico

= 200 1 +1002 +503 +204 +155

62 1 +102 +153 +124 +275 50

X1 <= 1
X2 <= 1
X3 <= 1
X4 <= 1
X5 <= 1




LORENA CAMPAA ROSERO
FORMULACION DEL PROBLEMA
Ecopetrol como empresa produce diferentes productos en base a necesidades de los
usuarios; actualmente quiere analizar un producto A y B con respecto a su fabricacin, con el
objetivo de maximizar la funcin objetivo, que es una expresin que representa una funcin
lineal en base a dos variables de decisin X e y (son el nmero de unidades fabricadas y
vendidas). Asimismo, los productos estn dirigidos por departamentos. Donde, se debe tener
en cuenta las horas de trabajo por unidad de cada producto e igualmente y la respectiva
utilidad. A continuacin, se describe la el comportamiento del producto con respecto a los
departamentos
FORMULACION MATEMATICA DEL PROBLEMA
LAS VARIABLES:

DEPARTAMENTO PRODUCTO PRODUCTO CAPACIDAD DE
TRABAJO
MENSUAL
A B
1 30 horas por unidad 20 horas por unidad 120 horas
2 30 horas por unidad 60 horas por unidad 260 horas
Margen de utilidad 5.000 pesos por
unidad
6.000 pesos por
unidad


El problema consiste en determinar el nmero de unidades que hay que producir de cada
producto con el objeto de maximizar la aportacin en base a los costos y las utilidades
Solucin
Se definen las variables de decisin del modelo:
X e Y Son el nmero de unidades fabricadas y vendidas respectivamente de los productos A
y B si Z representa la aportacin entonces Z = 5000 X MAS 6000 Y que representa la
funcin objetiva luego los parmetros son 5000 y 6000
Las Restricciones:

30X20 + Y 120
40X + 60Y 260

Teniendo en cuenta X 0 e y 0 es decir que no pueden ser negativos
De esta manera el modelo quedara expresado como:

Maximizar Z = 5000X + 6000Y

Sujeto a:
30X + 20Y 120
40X + 60Y260
X 0 e y 0
Teniendo en cuenta lo anterior se describi la forma estndar y canonca del ejemplo de
programacin lineal ahora el ejercicio sea resuelto para establecer la solucin ptica teniendo
en cuenta los conceptos aprendidos en mtodos deterministicos a travs de la herramienta
solver la solucin es
MAXIMICE Z 5000 6000
SUJETA X Y RESTRICCIONES
30 20 120 120
40 60 260 260

2 3 28000

Anlisis de la respuesta:

El punto ptico donde Z alcanza el mximo valor es la interseccin en el plano X e Y
representado por el punto solucin P= (20,30) donde

X = 2
Y = 3

Lo que significa que para maximizar la aportacin deben ser fabricadas 2 y vendidas 3
unidades respectivamente de los productos A y B la mxima satisfaccin se calcula
sustituyendo estos valores en la funcin objetiva Z

Z = 5000X + 6000Y = 5000(2) + 6000(3)= 28000
ADRIANA MONTERO
FORMULACION DEL PROBLEMA
Un trapiche produce panela de diferentes caractersticas de acuerdo a los requerimientos de
mercado. Un producto viene en presentacin de un kilo y otro en presentacin de libra. Si
produce de un kilo, la ganancia es de $500, al producir de libra, la ganancia es de $400. Para
llegar a obtener los productos se desarrollan dos procesos, el de cocido y moldeo, para el
primer producto se tarda 2 horas en cocido y 1 hora en moldeo, y para el segundo, 2 horas
de cocido y hora en moldeo. El rea de cocido dispone de 35 horas a la semana y la de
moldeo de 22 horas a la semana. La pregunta, es cul es la mejor combinacin de
produccin para obtener la mejor ganancia?
FORMULACION MATEMATICA DEL PROBLEMA
LAS VARIABLES:
AREA COCIDO MOLDEO HORAS
DISPONIBLES
SEMANALES
A B
Panela de 1 kilo (A) 2 horas 1 horas 35 horas
Panela de 1 libra (B) 2 horas hora 22 horas
Margen de utilidad $500 $400

El problema consiste en determinar el numero de unidades que hay que producir de cada
producto con el objeto de maximizar la ganancia.
Las Restricciones:

r1 = 2X + 1Y 35
R2 =1X + 0,5Y 22
R3 = X 0
R4 = y 0

Maximizar Z = 500X + 400Y



ANA ROSA JOAQUI BASTIDAS
PLANTEAMIENTO DEL PROBLEMA PL
La empresa CAMINA BIEN EJECAFE fabrica dos tipos de zapatos, deportivos y clsicos.
Para su fabricacin cuenta con 760 metros de textil sinttico y 900 metros de cuero, y
cuenta con una disponibilidad de 168 horas de trabajo.
Plantear el modelo de programacin lineal que se genera sabiendo que los zapatos clsicos
necesitan 1 m de textil sinttico, 2 m de cuero y 5 horas de trabajo, y para los zapatos
deportivos 3 m de textil sinttico, m de cuero y 3 horas de trabajo, los cuales generan una
utilidad de 10.000 y 17.000 respectivamente.
Anlisis de informacin
Organizamos la informacin en la siguiente tabla.
Recursos Productos Disponibilidad del
recurso
Z. clsicos Z. Deportivos
Textil sinttico 1 m 3 m 760 m
Cuero 2 m m 900 m
Horas de trabajo 5 h 3 h 168 h
Utilidad 10.000 17.000

DEFINICIONES DE VARIABLES
En la empresa CAMINA BIEN EJECAFE se debe decidir cuantos zapatos de los dos
tipos se debern producir por semana para alcanzar el mximo de su utilidad, por lo
tanto tenemos las siguiente variables:
X
1
= Cantidad de z. Clsicos a producir por semana
X
2
= Cantidad de z. Deportivos a producir por semana
FUNCION OBJETIVA
Se debe garantizar el mximo de utilidad
Mx. Z = 10.000 X
1
+ 17.000 X
2

RESTRICCIONES DE MODELO
Se deben tener en cuenta las siguientes limitaciones de los recursos:
1X
1
+ 3X
2
<= 760 m de textil
2X
1
+ X
2
<= 900 m de cuero
5X
1
+ 3 X
2
<= 168 horas de trabajo
Las restricciones no deben ser negativas
X
1,
X
1
>= 0
MODELO MATEMATICO
Mx. Z = 10.000X
1
+ 17.000X
2

s.a.
1X
1
+ 3X
2
<= 760 m de textil
2X
1
+ X
2
<= 900 m de cuero
5X
1
+ 3 X
2
<= 168 horas de trabajo
X
1,
X
1
>= 0 restricciones de no negatividad











CONCLUSIONES
El desarrollo del presente trabajo colaborativo ha permitido de una manera prctica y
analtica lograr la profundizacin de los temas estudiados en la unidad uno del curso de
Programacin Lineal.

Es evidente la importancia que la investigacin de operaciones a travs de sus diversos
modelos para el anlisis y solucin de los diferentes problemas que se pretendan resolver,
representa para las diferentes disciplinas, involucrando el conocimiento de las matemticas.






















REFERENCIAS BIBLIOGRAFICAS

Guzmn, Aragn Gloria. L Programacin Lineal (Mdulo) Sogamoso 2010.
PDF Modelos de investigacin de operaciones. UNAD
http://modelo-determinisco.webnode.com.ve/news/modelo-deterministico/
http://www.investigaciondeoperaciones.net/programacion_no_lineal.html
http://datateca.unad.edu.co/contenidos/100404/exe_modulo/