PROGRAMACIN LINEAL

TRABAJO COLABORATIVO 1










Presentado por: Grupo 237
Jorge Enrique Arvalo Santos
Cdigo: 80011.968
Jonathan Farid Trujillo Valencia
Cdigo: 80125.397









Presentado a:
Fabio Ossa









UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD-
PROGRAMACIN LINEAL
BOGOT D.C.
OCTUBRE DE 2013
ACTIVIDADES

1. Elabore una sntesis de cada modelo clasificndolo de acuerdo al cuadro anexo.
Los modelos de la investigacin de operaciones se dividen en 3 grandes grupos con sus
respectivos enfoques internos:

DETERMINSTICOS (O NO PROBABILSTICOS): suponen que los valores de todas las
variables no controlables y de los parmetros se conocen con certeza y son fijos, aunque
en el mundo real esto no es cierto. Pero existen 3 buenas razones para usar esto
modelos: son ms manejables matemticamente e incluso modelos complejos son
factibles de modelarse de forma determinstica, segundo, algunos modelos del mundo real
son muy estables y se pueden modelar de esta forma y tercero, los modelos
determinsticos permiten la introduccin de la incertidumbre en sus clculos (anlisis de
sensibilidad). La mayora de estos modelos pueden caracterizarse como aquellos que
optimizan una funcin objetivo sujetos a un conjunto de restricciones. Los mtodos
determinsticos son:

OPTIMIZACIN NO LINEAL (PROGRAMACIN NO LINEAL):se clasifican por su
mtodo de solucin en:
MTODOS CLSICOS: usan clculo diferencial.
MTODO DE BSQUEDA: usan tcnicas gradientes y ramificacin.
MTODOS DE PROGRAMACIN NO LINEAL: aplican algoritmos especiales para
explotar ciertas estructuras matemticas en las relaciones funcionales.

OPTIMIZACIN LINEAL (REDES): su funcin objetivo y sus restricciones son
lineales. Representan los modelos de programacin entera en diagramas de flujo.
TRANSPORTE Y ASIGNACIN: son casos especiales de programacin lineal.
PROGRAMACIN ENTERA Y 0-1: se usan cuando las variables de decisin se
restringen ya sea a integrarse o a valores 0 y 1.

ESTOCSTICOS: son los que tratan los parmetros como variables de distribuciones
muestrales especficas, es decir se basan en la estadstica. Se clasifican en:
PROGRAMACIN ESTOCSTICA: utilizan algoritmos cuyos para metros de
optimizacin se toman como variables aleatorias de distribuciones muestrales
especficas, no aplican suposiciones determinsticas.
MODELOS FSICOS: intentar predecir las caractersticas operativas de los
sistemas, como por ejemplo las colas. Algunas veces se pueden resolver por
mtodos de optimizacin.
TEORA DE DECISIONES Y JUEGOS: toma de decisiones bajo presin o
incertidumbre.

HBRIDOS: se clasifican en:
PROGRAMACIN DINMICA (HEURSTICOS):es un enfoque deseable para
modelos con representaciones determinsticas y probabilsticas
INVENTARIOS: especifican modelos de inventarios para minimizar los costos.
SIMULACIN: representan sistemas complejos por modelos lgicos o matemticos
computarizados. Representando las incertidumbres, las relaciones y las
interacciones de los componentes individuales adecuadamente se puede
reproducir el sistema artificialmente. Los modelos de simulacin de la investigacin
de operaciones representan al sistema de enfoques matemticos para su
operacin en computadores. La simulacin es muy valiosa en especial cuando se
presentan sistemas complejos.
PERT RUTA CRITICA: enfoque para planear, programar y controlar proyectos
complejos que se pueden caracterizar como redes.

2. Ilustre con un ejemplo cada modelo:

MODELOS DETERMINSTICOS:

PROGRAMACIN NO LINEAL: La empresa ZUMIBAN se dedica a la
obtencin de zumos de frutas exticas. En el proceso de transformacin se
utiliza zumo puro, agua y otros aditivos que diferencian sus zumos respecto a
los de la competencia. El zumo puro se obtiene exprimiendo las frutas y
desechando las pieles y otros residuos slidos. ZUMIBAN tiene tres clases de
zumo: A, B y C, que se diferencian en la cantidad de zumo puro, agua y
aditivos. El costo de producir un litro del zumo A es de 10 ml., 2 ml. para un
litro del zumo B y 3 ml. por litro del zumo C. La funcin de ingresos de la
empresa es:

donde x, y z son los litros de cada clase de zumo.

Tambin se sabe que por cada 10 kilogramos de fruta se obtienen 7 litros de
zumo puro. No existe lmite en el uso de agua y aditivos. Por razones de
estrategia de mercado se sabe que nos es conveniente que la produccin de
un tipo de sumo supere el 40% del total. Sabiendo que existe un stock de
20.000 kilos de fruta, y que se pretende maximizar el beneficio, se pide:
Cuantos litros de cada clase de zumo se producir?

PROGRAMACIN LINEAL: Modelo de transporte: Una escuela prepara una
excursin para 400 alumnos. La empresa de transporte tiene 8 buses de 40
pasajeros y 10 buses de 50 pasajeros, pero solo dispone de 9 conductores. El
alquiler de un bus grande cuesta 80.000 pesos y el de uno pequeo, 60.000
pesos. Calcular cuntos de cada tipo hay que utilizar para que la excursin
resulte lo ms econmica posible para la escuela.

Z=80.000X + 60.000Y
X + Y 9
40X + 50Y 400
X 8, Y 10

HBRIDOS:
PROGRAMACIN DINMICA: Un Tcnico Forestal, debe revisar 3 faenas: Poda,
Raleo y Cosecha, y dispone de 4 das. Segn la dedicacin en das que le d a
cada faena, stas tendrn una probabilidad de fracasar, y con ello fracasar la
faena total, por lo que puede ser despedido. Por ello, dicho Tcnico desea
minimizar la probabilidad de ser despedido minimizando la probabilidad de que las
3 tareas fracasen al mismo tiempo.

Dedicacin /Faenas Poda Raleo Cosecha
0 da 0.50 0.60 0.40
1 da 0.42 0.51 0.35
2 das 0.36 0.41 0.21
3 das 0.25 0.36 0.18

Un da no asignado a una faena no tiene valor asociado. A lo ms se puede
asignar 3 das a una misma faena.
Etapas: Son 3. La etapa 1 es el proceso de asignacin de das a Poda. La etapa 2
es el proceso de asignacin de das a Raleo. La etapa 3 es el proceso de
asignacin de das a Cosecha.
Estados: Son los das disponibles para ser asignados, y van de 0 a 4,
dependiendo de las etapas. La etapa 1 tiene 1 estado factible y es: tener 4 das
disponibles para ser asignados.
Las variables de decisin son 3: X1, X2, X3 y representan: Cuntos das asignar a
la faena poda, Cuntos das asignar a la faena de raleo, Cuntos das asignar a la
faena de cosecha; respectivamente.
La Funcin Objetivo y las restricciones forman en el modelo para este problema y
es: P: Min( p(X1)*p(X2)*p(X3) ) ; s. a: X1+X2+X3 4; Xi {0,1,2,3}; i=1,2,3
La probabilidad de ser despedido en este momento es: 0.5*0.6*0.4 =0.12, que es
de un 12%, y con los 4 das disponibles desea minimizar esa probabilidad.

PROGRAMACIN ESTOCSTICA: Ignacio trata de encontrar un estacionamiento cerca
de su restaurante favorito. Se acerca al restaurante desde el oeste y su meta es
estacionarse tan cerca como sea posible del restaurante. Los puestos de estacionamiento
disponibles comienzan desde el puesto -T al oeste, llegan hasta el puesto 0 (justo
enfrente del restaurante) y siguen hasta el puesto T al este del restaurante. Ignacio es
miope y no puede ver lo que hay adelante; solo puede ver si el puesto donde se
encuentra est o no vaco. Cuando Ignacio llega a un puesto vaco, debe decidir si
estacionarse all o continuar buscando un lugar ms cercano. Una vez que pasa por un
puesto de estacionamiento no puede regresar a l. Ignacio estima que la probabilidad que
el estacionamiento t este vaco es P
tn
donde n es el nmero de puestos que ya ha pasado
y han estado vacos. Si no encuentra estacionamiento se confunde e incurre en un costo
P
n
(n con el mismo significado), creciente en n. Si se estaciona en un puesto a t lugares
del restaurante obtiene un beneficio ||. Cmo puede Ignacio usar la programacin
dinmica para elaborar una estrategia de estacionamiento que reduzca al mnimo su
costo esperado.

Supondremos que cuando el tipo llega a un puesto ve si este est desocupado o
no (dado que alguien planteo la inquietud)
Etapas: Cada uno de los puestos de estacionamiento [del -T al T]

Variables de estado: Si ={




V
i
= el nmero de estacionamientos vacos que Ignacio ha dejado pasar (sin
contar el i-esimo)
Variables de decisin: x
i
={




Variable aleatoria: P
in
= P [Probabilidad de que puesto i este vaco dado que ya
pasaron n puestos vacos]




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

JORGE ENRIQUE ARVALO: La importancia de la investigacin de operaciones en mi
carrera (ingeniera Industrial) est en la aplicacin a problemas que se refieren a la
conduccin y coordinacin de operaciones o actividades dentro de una organizacin
intentando encontrar soluciones a problemas en consideracin; considero que de igual
forma la IO aplica en la interaccin o coaccin de grupos interdisciplinarios del mtodo
cientfico enfocados en la solucin de problemas relacionados con el control de las
organizaciones o sistemas, a fin de que se produzcan soluciones que mejor sirvan a los
objetivos de la organizacin, es una muy valiosa herramienta para el desarrollo de
actividades encaminadas a ejecutar acciones que sigan una directriz para la consecucin
de los objetivos propuestos por las compaas.

JONATHAN TRUJILLO: la investigacin de operaciones en mi carrera, ingeniera
industrial, es una de las herramientas fundamentales ya que nos sirve para abordar
cualquier tipo de problema o inconveniente y plantearlo de diversas maneras ya sea
determinstica, estocstica o hibrida, y a partir de este planteamiento desarrollar una
solucin ptima, ya que una situacin planteada de la forma correcta es ms fcil de
manejar. Se puede decir que es el ncleo de nuestra carrera pues al tratar sobre la
investigacin y la optimizacin de cualquier proceso esto coincide con el objetivo general
de la carrera.
Adems es importante porque resulta ser una materia que integra conocimientos de
diversas reas como las matemticas, estadstica, medicin del trabajo, gestin de
calidad entre otras y esto justifica el haberlas tomado, es decir le da un sentido a la
preparacin previa que hemos tenido.

4. Haga el planteamiento narrativo de un problema de PL y presntelo en ecuaciones
matemticas de forma CANNICA y de forma ESTNDAR de Programacin Lineal, no se
requiere solucionarlo, debe presentarlo individualmente, y realizarlo de su propia creacin,
es un ejemplo (propio) y se pueden basar en el video Como plantear en ecuaciones, un
problema de Programacin Lineal, presentado en el tpico 3 del curso; adems puede
tambin basarse en la informacin y anlisis de las diapositivas adjuntas a esta actividad
y/o en el mdulo. Esta actividad ser de carcter individual, pero debern anexarse como
trabajo grupal todas las diapositivas realizadas por todos y cada uno de los integrantes del
grupo colaborativo. No se aceptan planteamientos de modelos matemticos, copiados,
deben ser de la autora de cada uno de los miembros del grupo.

PROBLEMA:

REFERENCIAS

Guzmn, G. (2010). Mdulo de Programacin Lineal. Recuperado el 19 de agosto
de 2013 de
http://datateca.unad.edu.co/contenidos/100404/100404_PROGRAMACION_LINEA
L_CONTENIDOS_actualizados_al_2010.pdf
Video Como plantear en ecuaciones un problema de Programacin Lineal
http://www.youtube.com/watch?v=F_dAUYBjsLQ&feature=relmfu