Investigacin de Operaciones

Toma de Decisiones
Toda toma de decisin empieza con la
deteccin de un problema.
Definir el problema en forma clara
Identificar las restricciones
Identificar las alternativas de solucin
Formular el o los objetivos
Evaluar las alternativas y elegir la mejor
Para tomar la decisin correcta, se debe:
Toma de Decisiones
Como se elige la mejor
alternativa?
Mtodos Cualitativos
Mtodos Cuantitativos
En base a la experiencia y al juicio profesional
de la persona que toma la decisin
En base a la utilizacin de herramientas
matemticas que permitan maximizar la
efectividad en la toma de decisiones.
La dificultad de tomar decisiones ha hecho que el hombre se aboque
en la bsqueda de una herramienta o mtodo que le permita tomar las
mejores decisiones de acuerdo a los recursos disponibles y a los
objetivos que persigue.

Este conjunto de herramientas o mtodos es lo que llamaremos
Investigacin de Operaciones.
Enfoque cientfico de la toma de decisiones que requiere la operacin
de sistemas organizacionales.
Definicin ms formal
La IO nos ofrece una serie de herramientas cuantitativas para la toma
de decisiones.
Investigacin de
Operaciones
Para la aplicacin de la IO se siguen los siguientes pasos:
La IO comienza con la observacin cuidadosa de la realidad.

Formular el problema.

Construir un modelo que intente abstraer la esencia del problema
real.

Solucin del modelo.

Anlisis de sensibilidad, hay que ver como se comporta el modelo ante
cambios en las restricciones y/o parmetros del modelo

Implementar los resultados, se debe interpretar los resultados y dar
conclusiones y cursos de accin para la optimizacin del problema real
Investigacin de
Operaciones
Modelos de IO
Programacin
Lineal
Mtodos
Clsicos
Determinsticos Hbridos Estocsticos
Transporte y
Asignacin
Prog Entera
y 0,1
Redes
Optimizacin
Lineal
Optimizacin
no Lineal
Mtodos
de bsqueda
Programacin
no lineal
Programacin
Dinmica
Teora de
Inventarios
Simulacin
Pert / CPM
Heursticas
Cadenas
de Markov
Teora de
Colas
Procesos
Estocsticos
Teora de
Decisiones
y Juegos
Programacin
Lineal
Prog Entera
y 0,1
Redes
Optimizacin
Lineal
Teora de
Inventarios
Pert / CPM
Transporte y
Asignacin
Teora de
Colas
Modelos de la Investigacin
de Operaciones
La Programacin Lineal es una herramienta para resolver problemas
de optimizacin que se caracterizan por tener como funcin objetivo y
restricciones combinaciones lineales de las variables de decisin.
FO: Max o Min Z = C X
Sujeto a
A X B
X
j
0 ; j = 1, 2,...., n
Conceptos Bsicos:
Variables de Decisin
Funcin Objetivo
Restricciones
Restricciones de Signo
Programacin Lineal
Consideremos el siguiente ejemplo para describir los conceptos
bsicos presentes en todo problema de programacin lineal (PPL)
1.- Una mueblera produce mesas y sillas de madera. Cada mesa es
vendida en $27.000 y se requiere $10.000 en materiales para su
construccin, adems, el costo unitario por mano de obra es de
$14.000. En el caso de las sillas, el precio de venta es de $21.000 y los
costos de materiales y mano de obra son $9.000 y $10.000
respectivamente.

La fabricacin de cada producto requiere de dos labores: carpintera
y terminaciones. Una mesa requiere de 1 hora de carpintera y 2 de
terminaciones, mientras que la silla requiere de 1 hora en cada labor.
Programacin Lineal
Cada semana, la mueblera puede obtener todos los materiales que
desee, sin embargo, se pueden dedicar hasta 100 horas a las
terminaciones y hasta 80 horas a la carpintera. La demanda por
mesas no est limitada, mientras que la demanda por sillas es de 40
unidades.

Formule un modelo matemtico que permita maximizar las utilidades
de la mueblera.
Variables de decisin:
Se debe comenzar definiendo las variables de decisin relevantes. En
un PPL las variables de decisin deben ser capaces de describir
completamente las decisiones que puedan ser tomadas y todas las
variantes que existan.
Programacin Lineal
Antes de definir las variables de decisin es importante definir las
unidades involucradas en el problema.

En este caso, se habla de unidades de sillas y mesas, de horas de
trabajo por unidad y de demanda semanal. De acuerdo a ello, una
buena opcin para definir las variables de decisin consiste en asociar
las variables al nmero de unidades de sillas y mesas a producir por
semana. Por lo tanto, podemos definir:
X
1
= Nmero de mesas producidas por semana.
X
2
= Nmero de sillas producidas por semana.
Programacin Lineal
Funcin Objetivo:
En un PPL, se debe tomar la decisin de maximizar (usualmente las
utilidades) o de minimizar (usualmente los costos) cierta funcin de
las variables de decisin.
En el ejemplo, los costos e ingresos no dependen del valor de X
1
o X
2

por lo tanto basta concentrarse en maximizar la diferencia entre:
La funcin que se va a optimizar se llama Funcin Objetivo (FO) y en
ella no aparece ningn trmino independiente o constante. Los
valores de las variables de decisin son independientes de cualquier
constante.
Ingresos Semanales Costos de Materiales Costos por mano de obra
Programacin Lineal
Luego se deben expresar los trminos anteriores en funcin de las
variables de decisin X
1
y X
2
.
Por lo que la funcin objetivo queda (expresada en miles de $):
(27X
1
+ 21X
2
) (10X
1
+ 9X
2
) (14X
1
+ 10X
2
) = 3X
1
+ 2X
2

As, el objetivo de la mueblera es escoger los valores X
1
y X
2
tal que se
maximice 3X
1
+ 2X
2

Denotando por Z el valor de la FO para cualquier PPL, la funcin de la
mueblera es:
Max Z = 3X
1
+ 2X
2

El coeficiente que acompaa a cada variable en la FO se denomina
coeficiente en la funcin objetivo de la variable y refleja el aporte
unitario de dicha variable a la funcin objetivo
Programacin Lineal
Restricciones:
En las medidas que las variables crecen, la FO aumenta su valor. Por
lo tanto si se pudiera escoger arbitrariamente el valor de la variables,
la mueblera podra hacer crecer el valor de sus utilidades en forma
infinita. En la prctica esto no es posible y en el ejemplo el valor que
toman las variables est limitado por las siguientes 3 restricciones:
Mximo 100 horas semanales para terminaciones.
Mximo 80 horas semanales para carpintera.
Produccin mxima de 40 sillas semanales.
Luego, el prximo paso consiste en formular matemticamente las
restricciones anteriores en funcin de las variables de decisin.
Programacin Lineal
Para formular la primera restriccin en funcin de las variables X
1
y
X
2
observamos que:
Hrs. terminaciones x mesa + hrs. terminaciones x silla hrs.
disponibles para terminacin
Por lo que la restriccin queda:
2X
1
+ X
2
100
Es importante notar que todos los valores en la expresin anterior son
por semana, ya que las variables de decisin se han escogido con esa
referencia.
Programacin Lineal
Anlogamente la segunda restriccin queda:
X
1
+ X
2
80
Finalmente, la tercera restriccin slo limita el valor de la variable X
2

X
2
40
Restricciones de Signo:
Para completar la formulacin del modelo es importante definir si
existe alguna restriccin de signo para cada variable de decisin.

Si una variable de decisin X
i
debe cumplir condiciones de NO
NEGATIVIDAD, debemos agregar la siguiente restriccin:
X
i
0
Programacin Lineal
Si la variable de decisin X
i
puede asumir valores positivos o
negativos se dice que X
i
no tiene restriccin de signo (SRS).
Combinando todas las expresiones anteriores, es posible completar
el modelo matemtico para este problema de optimizacin,
quedando de la siguiente forma:
En el ejemplo ambas variables de decisin se refieren a cantidades
a producir, por lo tanto son no negativas. Sin embargo, en otros
ejemplos las variables pueden ser SRS, por ejemplo en el caso de
que Xi se refiere al saldo de alguna cuenta.
Programacin Lineal
Definicin de variables:
X
1
: nmero de mesas producidas por semana.
X
2
: nmero de sillas producidas por semana.
F.O:
Max Z = 3X
1
+ 2X
2

S a:
2X
1
+ X
2
100 Horas disponibles para terminaciones por semana


X
1
+ X
2
80 Horas disponibles para carpintera por semana

X
2
40 Produccin mxima de sillas por semana

X
j
0 j = 1 y 2 No negatividad

Programacin Lineal
Dado un conjunto de m desigualdades o ecuaciones lineales, con n
variables, se requiere hallar valores de estas variables que
satisfagan las restricciones y maximicen o minimicen alguna
funcin lineal de las variables
Generalizacin:
FO: Max o Min Z = C X
Sujeto a
A X B
X
j
0 ; j = 1, 2,...., n
Programacin Lineal
Matemticamente
Max o Min Z = C
1
X
1
+ C
2
X
2
+...+ C
n
X
n
Sujeto a
a
11
X
1
+...+ a
1j
X
j
+...+ a
1n
X
n
b
1
. . .

. . .

a
i1
X
1
+...+ a
ij
X
j
+...+ a
in
X
n
b
i
. . .


. . .
a
m1
X
1
+...+ a
mj
X
j
+...+ a
mn
X
n
b
m


Xj 0 j = 1, 2,..., n
Hallar X
j
; j = 1, 2,..., n
Para
Programacin Lineal
1.- Una funcin f(X
1
, X
2
, ..., X
n
) de X
1
, X
2
, ..., X
n
es una funcin lineal
s y slo s para un conjunto de constante C
1
, C
2
, ..., C
n
se tiene:
X X X X 4 14
2
3 2 1
log
a

2.- Asume las propiedades aditivas y multiplicativas
Si una unidad tipo 1 necesita 2 horas en la mquina A y una
unidad tipo 2 necesita 3 horas, entonces ambas necesitan 5 horas.
Si una unidad tipo 3 necesita 1 hora en la mquina B, entonces 5
unidades necesitan 5 horas
Linealidad asume que no pueden haber trminos del siguiente
tipo:
f(X
1
, X
2
, ..., X
n
) = C
1
X
1
+ C
2
X
2
+ ... + C
n
X
n
Caractersticas de la PL
4.- Los valores de las variables de decisin deben satisfacer un
conjunto de restricciones. Cada restriccin debe ser una ecuacin o
desigualdad lineal.
5.- Existe una restriccin de signo asociada a cada variable. Para toda
variable X
i
la restriccin de signo especifica si X
i
debe ser no negativa
o bien sin restriccin de signo.
6.- En las mrestricciones no deben considerarse las condiciones de no
negatividad de las variables (X
j
0)
3.- La funcin que se va a optimizar se llama Funcin Objetivo y en
ella no aparece ningn trmino independiente o constante. Los valores
de las X
j
son independientes de cualquier constante
Caractersticas de la PL
8.- Supuesto de Certeza: exige que cada parmetro, es decir,
coeficientes de la funcin objetivo, coeficientes del lado derecho de las
restricciones, etc. sean conocidos con certeza, es decir, no se acepta
incertidumbre en sus valores
7.- Supuesto de Divisibilidad, requiere que cada variable puede tomar
valores fraccionarios. En el ejemplo anterior, el supuesto se traduce en
que es aceptable producir 2,4 sillas o 1,6 mesas. Evidentemente este
supuesto no es vlido en el ejemplo, en este caso se puede proceder a
formular el problema como un problema de programacin lineal
entera (PPE), problema en que una o ms variables deben ser enteras.
Cuando no se satisface el supuesto de divisibilidad, una posibilidad es
redondear la solucin obtenida a un valor entero, sin embargo, no
existe garantas que dicha solucin sea la mejor.
Caractersticas de la PL
Regiones Factibles y Soluciones ptimas
Dos de los conceptos ms fundamentales en los PPL son el de regin
factible y de solucin ptima de un problema. Llamaremos punto a la
especificacin de un valor para cada variable de decisin.
La regin factible para un PPL es el conjunto de puntos que
satisfacen todas las restricciones (incluidas las de signo) del problema.
En el caso de un problema de maximizacin, una solucin ptima del
PPL es un punto de la regin factible que est asociado al mayor valor
posible de la funcin objetivo. Similarmente, para un problema de
minimizacin, una solucin ptima es un punto que est asociado al
menor valor.
Caractersticas de la PL
Cualquier conjunto X
j
que satisface las restricciones se llama
solucin al problema. Si satisface la condicin de no
negatividad se llama solucin factible y si adems optimiza la
funcin objetivo se llama solucin factible ptima
Usualmente hay un nmero infinito de soluciones
factibles al problema, de todas estas se tiene que tratar de
hallar, en lo posible, una ptima.
Caractersticas de la PL