Documente Academic
Documente Profesional
Documente Cultură
BTA-603
PRUEBA 1: 02 de Octubre
PRUEBA 2: 27 de Noviembre
PRUEBA RECUPERATIVA: 04 de Diciembre
EXAMEN: 11 de Diciembre
7. Implantacin de la solucin
La toma de decisin e implementacin consiste en trasladar los
resultados obtenidos en detalladas instrucciones de operaciones para
la organizacin. Los procesos de control son necesarios. Muchos
grupos de anlisis cuantitativo han fracasado en sus esfuerzos porque
han fallado en implementar, apropiadamente, una buena solucin
viable.
La solucin ptima de un modelo matemtico, no es siempre la poltica
que debe ser implementada por la empresa.
La decisin final la debe tomar el ser humano, que tiene conocimientos
que no se pueden cuantificar exactamente, y que puede ajustar los
resultados del anlisis para llegar a una decisin conveniente.
.
El anlisis cuantitativo no reemplaza el sentido comn, es un
complemento. Los modelos cuantitativos auxilian a los encargados de
tomar decisiones, pero es ir muy lejos decir que lo sustituye.
Sujeta a: n
a x
j 1
ij j bi i 1, 2,......, m
x j 0 j 1, 2,......., n
PROGRAMACIN LINEAL
PROGRAMACION LINEAL
FORMULACION MATEMATICA
Certidumbre: los parmetros del modelo (cj, aij y los bi) son constantes
conocidas y estimadas con certeza, o sea, no interviene una funcin de
probabilidad para obtenerlos
En los problemas reales, los valores que se emplean estn basados en
una prediccin de las condiciones futuras, por lo que es inevitable que se
introduzca un cierto grado de incertidumbre. Por esto es siempre
importante realizar un anlisis de sensibilidad despus de encontrar una
solucin optima.
PROGRAMACIN LINEAL
PROBLEMA DE LA DIETA
La compaa OF utiliza diariamente por lo menos 800 libras de alimento
especial. El alimento especial es una mezcla de maz y semilla de soya,
con las siguientes composiciones.
.?
Solucin:
Formulacin
Paso 1: Identificar el objetivo (meta) a optimizar
Minimizar el costo diario total de la mezcla de
alimento(C).{dlares/da}
Paso 2: Identificar las variables de decisin que deseamos determinar
X.libras de maz en la mezcla diaria {lb./da}
Y. Libras de semilla de soya en la mezcla diaria {lb./da}
Paso 3: Identificar las restricciones del modelo
R1) Requerimientos de alimentos: por lo menos 800 lbs./da
R2) Requerimiento de protenas de por lo menos un 30%
R3) Requerimientos de fibra de cuando mucho un 5%.
R4) No Negatividad.
Paso 4: Construccin del modelo matemtico
F. Objetivo
M in { C = 0.3X + 0.9Y }
Sujeto a :
R1) X + Y 800
R2) 0.09X + 0.6Y 0.3(X + Y)
R3)0.02 X + 0.06Y 0.05(X + Y)
R4) X , Y 0
Paso 4.1: Construccin del modelo matemtico (ORDENADO)
F. Objetivo
M in { C = 0.3X + 0.9Y }
Sujeto a :
R1) X + Y 800
R2) 0.21X - 0.30Y 0
R3)0.03 X - 0.01Y 0
R4) X , Y 0
PROGRAMACIN LINEAL
Construccin de modelos
PROBLEMA DE TRANSPORTE
Considere el problema que enfrenta el departamento de planificacin de
la compaa DALLAS S.A. ,que tiene tres plantas y cuatro almacenes
regionales. Cada mes se requiere de una lista de requerimientos de cada
almacn y se conocen, tambin las capacidades de produccin de las
plantas. Adems se conoce el costo de transporte de cada planta a cada
almacn. El problema es determinar qu plantas deben abastecer a que
almacenes de manera que minimicen los costos totales de transporte.
Consideremos que los costos de transporte entre dos ciudades
cualquiera, son proporcionales a las cantidades embarcadas. Supngase
que las capacidades mensuales de cada planta son 70, 90 y 180
respectivamente. Los requerimientos de cada almacn para el mes de
Marzo son: 50, 80, 70 y 140. Los costos unitarios de transporte son los
que se muestran en la tabla siguiente:
PROGRAMACIN LINEAL
Construccin de modelos
Planta Almacn
1 2 3 4
1 19 30 50 10
2 70 30 40 60
3 40 8 70 20
Se pide:
Formular como un PPL.
Solucin:
Formulacin
Paso 1: Identificar el objetivo (meta) a optimizar
Minimizar el costo total de transporte (C).{u.m/mes}
Paso 2: Identificar las variables de decisin que deseamos determinar
Xij.Cantidad a enviar de la planta i al almacn j mensualmente
{uds/mes}
i = 1,2,3 / j = 1,2,3,4
Paso 3: Identificar las restricciones del modelo
R1) Capacidad mensual de produccin planta 1 de 70
R2) Capacidad mensual de produccin planta 2 de 90
R3) Capacidad mensual de produccin planta 3 de 180
R4) Requerimientos del almacn 1 para Marzo de 50
R5) Requerimientos del almacn 2 para Marzo de 80
R6) Requerimientos del almacn 3 para Marzo de 70
R7) Requerimientos del almacn 4 para Marzo de 140
R8) No Negatividad.
Paso 4.1: Construccin del modelo matemtico
F.Objetivo
Min{C=19X11+70X21+40X31+30X12+30X22+8X32+50X13+40X23+70X33+
+10X14+60X24+20X34}
Sujeto a :
R1) X11+X12+X13+X14 70
R2) X21+X22+X23+X24 90
R3) X31+X32+X33+X34 180
R4) X11+X21+X31 50
R5) X12+X22+X32 80
R6) X13+X23+X33 70
R7) X14+X24+X34 140
R8) Xij 0 i,j
Modelo General de PL
Definicin de variables:
Sea xj = #.... ; j = 1, 2, 3....n
Funcin objetivo:
Max. o Min. z = C1X1 + C2X2 + ... + CjXj + ... + CnXn
Sujeto a restricciones: i = 1, 2, 3, ... , m
a11X1 + a12X2 + ... + a1jXj + ... + a1nXn = b1
a21X1 + a22X2 + ... + a2jXj + ... + a2nXn = b2
.
.
ai1X1 + ai2X2 + ... + aijXj + ... + ainXn = bi
.
.
am1X1 + am2X2 + ... + amjXj + ... + amnXn = bm
8
Forma estndar de los modelos de Programacin Lineal.
12x1 + 8x2 96
6x1 + 12x2 72
x1 2
Por ltimo, las restricciones de no negatividad son:
x1 0, x2 0
Se tiene entonces:
La funcin objetivo es
Z = 5x1 + 5x2
es posible suponer algunos
valores para Z y graficar las
lneas resultantes. En la
siguiente figura se muestran
las lneas para Z = 25 y
Z = 50:
grfica de las restricciones
Obtencin de la solucin ptima: lneas de indiferencia:
En la grfica puede
observarse que la lnea de
indiferencia para Z = 50 est
completamente fuera de la
regin factible. Para Z = 25,
parte de la lnea cae dentro
de la regin factible. Por
tanto, existe alguna
combinacin de x1 y x2 que
satisface todas las
restricciones y da una
ganancia total de $25.
grfica de las restricciones
Obtencin de la solucin ptima: lneas de indiferencia:
el punto ptimo est en la
interseccin de las lneas de
restriccin para materiales y horas
de mano de obra. Las
coordenadas de este punto se
encuentran resolviendo el sistema
de ecuaciones que forman estas
dos restricciones al igualarlas.
Las coordenadas de este punto
son (6, 3). La sustitucin de este
punto en la funcin objetivo da la
ganancia mxima:
Minimizar Z = 5A + 8B
A 0, B 0 no negatividad
Uso del mtodo grfico para minimizacin
No negatividad
B
A
B
B
Uso del mtodo grfico para minimizacin
En la figura se muestra la
frontera extrema ms dos lneas
de indiferencia, las de Z = 40
pesos y Z = 60 pesos.
La frontera extrema est
formada por los puntos a, b, c y
d, puesto que stos son los
puntos de interseccin factibles
ms cercanos al origen
Uso del mtodo grfico para minimizacin
Paso 3: localizacin de la solucin ptima
0 + 42B = 84
B = 84/42 = 2
Remplazando en
4A + 10B = 40
4A + 10x2 = 40
4A = 40 20
A = 20/4 = 5
Uso del mtodo grfico para minimizacin
Paso 3: localizacin de la solucin ptima
5 kilogramos de alimento A y
2 kilogramos de alimento B.
Maximizar Z=3x1+2x2
sujeta a:
x1 4
x2 12
3x1+2x2 18
x1 0
x2 0
X2 x1 4
12
10
8
rea de
6 factibilidad
X1
1 2 3 4 5 6
X2
x2 12
12
10
8
rea de
6 factibilidad
X1
1 2 3 4 5 6
X2
12
10
8
3x1+2x2 18
6
4 rea de
factibilidad
2
X1
1 2 3 4 5 6
X2
Maximizar Z=3x1+2x2
12
10
6 Para Z = 24
x1 = 8
x2 = 12
Para Z = 12 4
x1 = 4
x2 = 6
2
X1
1 2 3 4 5 6
X2
Maximizar Z=3x1+2x2
12
Desplazando la lnea
10 de indiferencia, se
observa que cualquier
8 punto de la recta
3x1+2x2 = 18, maximiza
la funcin objetivo, de
6 modo que hay mltiples
soluciones.
4
X1
1 2 3 4 5 6
CASOS ESPECIALES:
Ninguna solucin factible
Maximizar Z=3x1+2x2
sujeta a:
(1/40)x1 + (1/60)x2 1
(1/50)x1 + (1/50)x2 1
x1 30
X2 20
x1 0
x2 0
(1/40)x1 + (1/60)x2 1
60
50
40
30
20
rea de
factibilidad
10
10 20 30 40 50 60
(1/50)x1 + (1/50)x2 1
60
50
40
30
20
rea de
factibilidad
10
10 20 30 40 50 60
x1 30
60
50
40
30
20
10
10 20 30 40 50 60
rea de
factibilidad
Ninguna solucin factible
60
50
40
30
20
10
10 20 30 40 50 60
Mtodos de Resolucin
GRAFICO
8
Mtodo de Resolucin: Paso 1
Graficar las restricciones
X2 3,000
R1Fab
X1 X2
0 1,000
2,000 1,666.7 0
Assy
R2
X1 X2
0 750
1,000 3,000 0
A B
C
0,0 1,000 2,000 3,000 X1 10
Mtodo de Resolucin: Paso 1
Graficar las restricciones
X2 3,000
R1Fab
X1 X2
0 1,000
2,000 1,666.7 0
Assy
R2
X1 X2
0 750
1,000 3,000 0
A B
C
0,0 1,000 2,000 3,000 X1 11
Mtodo de Resolucin: Paso 2
Obtener la RSF
X2 3,000
R1Fab
X1 X2
0 1,000
2,000 1,666.7 0
Assy
R2
X1 X2
0 750
1,000 3,000 0
A B
RSF
C
0,0 1,000 2,000 3,000 X1 11
Mtodo de Resolucin:
X2 3,000
Premisa: el punto
2,000 optimo siempre se
encuentra en uno de
los vrtices de la
RSF.
1,000
A B
RSF
C
0,0 1,000 2,000 3,000 X1 11
Mtodo de Resolucin: Paso3
Encontrar el Punto Optimo: Alternativas
Alternativa 1
Encontrar todas las combinaciones de X1 y X2 que determinan los
vrtices de la RSF, luego se evalan en la funcin objetivo y se elige la
combinacin que maximice (o minimice) dicha funcin.
Alternativa 2
Graficar la F.O. dndose en valor arbitrario de Z (depende de la escala
del grfico), luego la recta se desplaza en forma paralela en el sentido
estricto de la optimizacin. El ultimo punto que tope la F.O al salir de la
RSF corresponder a la solucin optima.
13
Mtodo de Resolucin: Paso3
Encontrar el Punto Optimo(1)
X2 3,000
2,000
1,000
Z=320.000 A B
C
0,0 1,000 2,000 3,000 X1
13
Mtodo de Resolucin: Paso 3
Encontrar el Punto Optimo (2)
X2 3,000
2,000
Optimal Point
1,000
A B
C
0,0 1,000 2,000 3,000 X1
14
Mtodo de Resolucin: Paso 3
Encontrar el Punto Optimo (3)
X2 3,000
7X 2 4,000
X 2 = 571.43, or 571 Multimax
5000 - 5(571)
X1 = 715 Max
3
15
RESULTADOS
Max Z = 400X1 + 800 X 2
X1=715
X2=571
Z =742,800.
16