Documente Academic
Documente Profesional
Documente Cultură
1.1 Introducción
1.2 Multiplicadores Lagrange
Ejemplo
1.3 Condiciones Jun- Tucker
1.4 Procedimiento de Búsqueda de una Dimensión
1.5 Técnicas de Gradiente
1.6 Funciones de Penalización
Ejemplo
2.1 Introducción
2.2 Definición y Características
Ejemplo
2.3 Modelo con Reabastecimiento Instantáneo
Ejemplo
2.4 Modelo con Reabastecimiento uniforme, no se permite el
faltante
Ejemplo
2.5 Modelo de descuento por compras de grandes cantidades
Ejemplo
3.1 Introducción
3.2 Definiciones, Características y terminología
3.3 Modelo de un servidor y una cola
Ejemplo
3.4 Evaluación del sistema cuando se conoce el costo de
espera
Ejemplo
3.5 Evaluacion del sistema con costos de espera
desconocidos
Ejemplo
3.6 Modelo de un servidor con tiempos de servicios
constantes
Ejemplo
3.7 Modelo con Servidores Múltiples
Ejemplo
4.1 Introducción
4.2 Caso de Aplicación
4.3 Formulación de Cadenas de Harkov
4.4 Procesos Estocásticos
4.5 Propiedad Markoviana de 1er Orden
4.6 Probabilidad de Transición de un solo paso
Ejemplo
4.7 Probabilidad de transición estacionaria de n pasos
Ejemplo
4.8 Probabilidades de transición estacionaria de estados
estables
Ejemplo
4.9 Tiempos de1er paso
Investigación de Operaciones
PROGRAMACION NO LINEAL
1.1 Introducción.
Una suposición importante de programación lineal es que todas sus funciones
(Función objetivo y funciones de restricción) son lineales. Aunque, en esencia,
esta suposición se cumple para muchos problemas prácticos, es frecuente que no
sea así. De hecho, muchos economistas han encontrado que cierto grado de no
linealidad es la regla, y no la excepción, en los problemas de planeación
económica, por lo cual, muchas veces es necesario manejar problemas de
programación no lineal.
De una manera general, el problema de programación no lineal consiste en
encontrar para maximizar , sujeta a
(1)
tenga rango m en X = X*
Ejemplo:
Una compañía planea gastar 10,000 dólares en publicidad. Cuesta 3,000 dólares
un minuto de publicidad en la televisión y 1,000 dólares un minuto de publicidad en
la radio. Si la empresa compra x minutos de comerciales en la televisión y y
minutos de comerciales en la radio, su ingreso, en miles de dólares, está dado
por . ¿Cómo puede la empresa maximizar su
ingreso?
Solución:
El hessiano para es
S = (S1 , S2 , . . . , Sm )T y
donde m es el número toral de restricciones de desigualdad. La función de
Lagrange es, por consiguiente,
L(X,S,l ) = f(X) - l [ g(X) + S2 ]
Dadas las restricciones g(X) >= 0
(l i =d f / d gi = 0 ).
Del segundo y tercer conjunto de ecuaciones se deduce que l i gi (X) = 0, i = 1,
2, . . . , m
Notación :
Paso inicial :
El método de Newton-Raphson.
Suponga que se maximiza f(X). Sea X0 el punto inicial desde el cual comienza el
procedimiento y defina
f(Xk ) como el gradiente de f en el punto k de Xk . La idea del método es
determinar una ruta particular p a lo largo de la cual df/dp se maximiza en un punto
dado. Este resultado se logra si se seleccionan puntos sucesivos Xk y Xk+1 tales
queXk+1 = Xk + rk f (Xk )donde rk es un parámetro llamado tamaño de paso
óptimo.
Tercera iteración.
f( X2 ) = ( -1/2, 0 )
Considere,
Por consiguiente ,
h(r) = -(1/2)(1-r)2 + (3/4)(1-r) +35/ 8
Esto da r3 = ¼ o bien , X3 = ( 3/8, 5/4 ).
Cuarta iteración.
f (X3 ) = (0, ¼ )
Considere
Por lo tanto,
h(r) = -(1/8)(5+r)2 + (21/16) (5+r) +39/32
Lo anterior da r = ¼ , o bien X4 =(3/8, 21/16 ).
4
Quinta iteración.
f(X4 ) = (-1/8 , 0 )
Considere
Por consiguiente,
(1)
Ejemplo:
Unidad II
Teoría de Inventarios.
2.1 Introducción.
Tipos de inventarios.
1. Costo de ordenar.
2. Costo del faltante.
3. Costo de lo comprado.
4. Costo de mantener los inventarios en almacén.
Ejemplo :
Supongamos que una cía. tiene una demanda de un producto de 97 unidades por
semana y que puede comprarse en diversas formas : una cantidad de 5040 al año,
una cantidad de 2520 cada 6 meses, 1680 cada 4 meses y así sucesivamente de
acuerdo a las necesidades de la empresa.
El costo unitario de compra del articulo es de $2.50 , el costo total y por satisfacer
una orden es de $35.00 y el costo anual de almacenamiento de la mercancía es
del 20% del precio de compra de la misma.
unidades
Costo de
mantener = Inventario Promedio * costo del Producto * 0.20 %
el inventario(Cmi).
Nomenclatura :
Q = tamaño económico del lote.
N = número de pedido.
D = Demanda.
Ci = Costo de compra.
Ch = Costo de mantener un unidad en los inventarios (%).
Co = Costo de ordenar.
R = Punto de reorden.
L = Tiempo de consumo.
T = Tiempo para consumir el inventario máximo.
Imáx = Inventario Máximo.
Î =Inventario Promedio.
Ct = Costo Total.
Costo de tenencia =
Si la demanda es de 50 piezas por día y el proveedor pasa 10 días en surtir por
tanto necesitamos 500 piezas para no tener faltante.
R = ? = 50 * 10 -500
D = 50 pza/día.
L = 10 días.
R=DL
Unidad = 5040
Ejemplo :
=
e) T - Q/D = 0.075 Años = 27 días.
f)
Ct = $ 243,174,340
g) =
S = Tasa de producción.
Formulario :
Ejemplo :
Comprar
Ci = $25 u.
Co= $5
Ch = 0.10(25) = $2.5
D = 2,500 u / año.
Ct = $ 62,750
Manufacturar
S = 10,000 u / año.
Ci = $22 unidades.
Co =$50
D = 2,500 u / año.
Ct = 55,692
De acuerdo con los costos obtenidos conviene mejor manufacturar el producto que
comprarlo.
Una vez que el gerente ha decidido fabricar el producto desea conocer también :
a. El inventario máximo.
b. El tiempo de producción.
c. El punto de reorden ( una orden tarda 1 semana en atenderse).
d. El tiempo de ciclo.
e. El tiempo en que no existe producción y que no se puede ocupar para dar
mantenimiento a las maquinas.
f. El inventario promedio.
g. El número de ordenes de fabricación.
a)
b)
c)
d)
e) T - t = 57 - 14 = 43
f)
g)
Ejemplo :
D = 2000 u/año.
Ci = $5
Co = $5
Ch = 1.50 + 0.10 * 5 = 2
= = 100
Ejemplo:
Datos :
desc. 5%
Ci = 5 * 0.95 = $ 4.75
Otro proveedor nos ofrece ahora un descuento del 40% si compramos lotes
mayores o iguales a 120 unidades.
Datos:
desc. 40%
Ci = 5 * 0.66 = $ 3
Ct = $ 6191 Optimo.
Unidad III
Líneas de espera.
3.1 Introducción.
Una Cola es una línea de espera y la teoría de colas es una colección de modelos
matemáticos que describen sistemas de líneas de espera particulares o sistemas
de colas. Los modelos sirven para encontrar el comportamiento de estado
estable , como la longitud promedio de la línea y el tiempo de espera promedio
para un sistema dado. Esta información, junto con los costos pertinentes, se usa,
entonces, para determinar la capacidad de servicio apropiada.
Costo de Servicio.
Aquí hay que tomar en cuenta que para tasas bajas de servicio, se experimenta
largas colas y costos de espera muy altos . Conforme aumenta el servicio
disminuyen los costos de espera, pero aumenta el costo de servicio y el costo total
disminuye , sin embargo , finalmente se llega a un punto de disminución en el
rendimiento. Entonces el propósito es encontrar el balance adecuado para que el
costo total sea el mínimo.
Estructuras típicas.
Llegadas.
Instalación de Servicio.
Se supone que un solo servidor proporciona el servicio que varía
aleatoriamente.
Salidas.
No se permite que las unidades que salgan entren inmediatamente al servicio.
Características de operación .
Un servidor y una cola.
Llegada Poisson.
Cola infinita, primero en llegar primero en ser servido.
Tiempos de servicio exponenciales.
Cola :
Utilización de la instalación :
Entonces :
= 2.25 Clientes
= 3 clientes.
= 0.75 o 75%
0.32
Para aplicar una solución general, se necesita una tasa de servicio que pueda
variar de manera continua.
Ejemplo:
Datos :
Costo total = Cw LS + k CS
Las pruebas deben de empezar con tres miembros de la brigada, ya que uno o
dos no podrían compensar la tasa de llegadas de dos camiones por hora. Para
una brigada de tres, la tasa de servicio es de tres camiones por hora y puede
encontrarse Ls con la siguiente ecuación :
Ejemplo :
Wq = 2 minutos
Supóngase también que la tasa máxima de llegadas es de 30 órdenes por hora.
Rearreglando términos,
Como la tasa de servicio debe ser mayor que la tasa de llegadas, puede
descartarse la solución negativa. Entonces :
Para cumplir los requerimientos, se necesita una tasa de casi 50 órdenes por
hora. Si, por ejemplo, una brigada de cinco pueden manejar 45 órdenes por hora y
una de seis puede procesar 50 por hora, entonces sería necesario tener la brigada
de seis.
Este modelo es igual que el anterior, excepto que se supone que el tiempo de
servicio es exactamente el mismo en cada llegada en lugar de ser aleatorio.
Todavía se tiene una sola línea, tamaño de la cola infinito, disciplina de la cola
como primero en llegar primero en ser servido y llegadas Poisson.
Ejemplo:
Supóngase que el lavado de autos puede aceptar un auto cada cinco minutos y
que la tasa promedio de llegadas es de nueve autos por hora ( con distribución
Poisson). Sustituyendo :
3.7 Modelo con servidores múltiples.
Supóngase que las llegadas son Poisson, los tiempos de servicio son
exponenciales, hay una sola línea, varios servidores y una cola infinita que opera
con la disciplina de primero en llegar primero en ser servido. Las ecuaciones para
las características de operación se vuelven un poco más complicadas. Sea :
N = número de servidores.
A = tasa promedio de llegadas (llegadas por unidad de tiempo).
S = tasa promedio de servicio por cada servidor (llegadas por unidad de tiempo).
Entonces :
A = 1 por minuto.
S = 0.6 por minuto.
N=2
Unidad IV
Cadenas de Markov.
4.1 Introducción.
En los negocios, las cadenas de Markov se han utilizado para analizar los
patrones de compra de los deudores morosos, para planear las necesidades de
personal y para analizar el reemplazo de equipo.
Este problema puede resolverse sin el análisis de Markov, pero el modelo es útil
para ayudar a conceptualizar el problema. Como se trata sólo de un ciclo, se usa
el análisis de transición. El análisis comienza con el graado más alto. No se hacen
promociones pero el 10 %, o sea, 3, sale. Todos ellos deben de reemplazarse por
promociones del grado 2. En el nivel de clasificación, el 20 % sale y se deben
promover 3, con una pérdida de 21. Esto se debe compensar por promoción del
grado 1. Al pasar al grado 1, el 30 % sale y 21 deben promoverse, lo cual una
pérdida total de 111. Por tanto, el siguiente año se deben contratar 111 empleados
del nivel 1.
Probabilidades de transición.
Otro método para exhibir las probabilidades de transición es usar una matriz de
transición. .
Para n = 0, 1, 2, ....
sucesión i, j , K0 , K1 , . . , Ki-1 .
P{ Xt+n = j | | Xt = i } = p{Xn = j | X0 = i },
Ejemplo :
pasos :
Estas ecuaciones simplemente señalan que al ir de un estado i al estado j en n
pasos, el proceso estará en algún estado k después de exactamente m ( menor
que n) pasos. Así,
vuelven :
Note que las son los elementos de la matriz P(2) , pero también debe de
Ejemplo :
Así, dado que tiene una cámara al final de una semana, la probabilidad de que no
haya cámaras en inventario dos semanas después es 0.283; es
Así, dado que queda una cámara al final de una semana, 0.282 es la
probabilidad de que no haya cámaras en inventario 4 semanas más tarde; es
Teorema
Sea P la matriz de transición de una cadena de M estados . Existe entonces un
vector tal que
(2)
Ejemplo :
Suponga que toda la industria de refrescos produce dos colas. Cuando una
persona ha comprado la cola 1, hay una probabilidad de 90 % de que su siguiente
compra se de cola 1. Si una persona compró cola 2, hay un 80 % de
probabilidades que su próxima compra sea de cola 2.
Entonces :
Al reemplazar la segunda ecuación por la condición ,
obtenemos el sistema
Esta suma puede ser menor que 1, lo que significa que un proceso que el iniciar
se encuentra en el estado i puede no llegar nunca al estado j . Cuando la suma es
igual a 1, las pueden considerarse como una distribución de
probabilidad para la variable aleatoria, el tiempo de primer paso.
Para obtener el tiempo esperado de primer paso del estado i al estado j. Sea
, que se define como:
entonces satisface, de manera única, la ecuación:
De manera que el tiempo esperado hasta que la tienda se queda sin cámaras
es de 3.50 semanas.
Instituto Tecnológico De Tijuana.