Professional Documents
Culture Documents
INVESTIGACION DE
OPERACIONES I
Grupo.- 7ITP2
Equipo.Sergio Alejandro Panduro Ochoa 256868
Alan Guillermo Arvayo Carmona 244768
Genaro Salazar Lpez 257241
Investigacin de Operaciones
Definicin
Como su nombre lo dice la investigacin de las operaciones a realizar para el logro ptimo de los
objetivos de un sistema o la mejora del mismo. Esta disciplina brinda y utiliza la metodologa
cientfica en la bsqueda de soluciones ptimas, como apoyo en los procesos de decisin, en
cuanto a lo que se refiere a la toma de decisiones ptimas y en sistemas que se originan en la vida
real.
Principales herramientas
1. Programacin Lineal
Permiten optimizar los recursos en operaciones de opciones mltiples. Una de sus aplicaciones es
el mtodo de camino crtico (MCC); esta tcnica es de mayor aplicacin sobre todo en proyectos
nuevos, puesto que permite encontrar el tiempo mnimo para realizarlo (ruta crtica).
Este procedimiento tiene como objetivo, minimizar los costos y maximizar la eficiencia mediante
ciertos lmites y obligaciones. Un requisito indispensable es que exista una localizacin de planta y
hay que tomar en cuenta ciertas variables de materia prima, lugar de venta, etc.
2. Teora de Colas
Es una herramienta valiosa para llegar a decisiones que requieren un balance ptimo entre el
costo del servicio y el costo por prdidas de espera, porque, al analizar "las colas" de espera, se
pueden detectar costos muy grandes debido a deserciones, entre otras cosas. Sirven tambin para
analizar cuellos de botella en la produccin, e inclusive para programar el mantenimiento en una
planta. Ejemplo: Las "unicolas" de los bancos, los parques de diversiones, la sala de espera del
Doctor, etc.
Su objetivo es optimizar distribuciones en condiciones de aglomeraciones. Se encarga de eliminar
los tiempos de espera o demoras innecesarias y los puntos de inters son el tiempo de espera y el
nmero de clientes (las unifilas de los bancos son una solucin por ste medio).
3. Teora de la Probabilidad:
Sirve para tomar una decisin entre varias alternativas de la solucin, para comprender sta teora
es necesario entender el concepto de toma de decisiones el cual se define a continuacin: es el
proceso de seleccin de una alternativa dentro de un conjunto de ms de dos de stas.
Para una correcta toma de decisiones se requiere conocer el riesgo de cada alternativa y la
probabilidad de xito. Esto no es fcil debido a que el administrador no cuenta con toda la
informacin del medio ambiente por lo que muchas decisiones se toman con un alto grado de
riesgo; sin embargo podemos afirmar que las buenas decisiones no son producto del azar, sino de
la buena y oportuna informacin y del conocimiento de la probabilidad, a fin de saber cundo
asumir un riesgo.
Es un sistema que se utiliza cuando los datos son difciles de obtener. El sistema estadstico
muestra las caractersticas que debe tener una alternativa para que pueda ser elegida. Este
sistema se utiliza mucho en control de calidad, crditos, seguros, etc. Este sistema permite
conocer la probabilidad de xito que tiene una alternativa.
4. Econometra Administrativa:
Disciplina que se encarga de medir la economa o el estado de un macro sistema. Los
administradores han recurrido a las matemticas para estudiar el comportamiento de un mercado,
en cuanto a precios, ingresos, preferencias de consumo y canales de distribucin adecuados; es
decir, la mercadotecnia o investigacin de mercados es una parte de lo que conocemos como
econometra.
5.-Teora de juegos:
En esta teora se analizan los conflictos. En l intervienen dos o ms personas; a cada una se le da
un nmero limitado de estrategias las cules reflejarn el resultado de cada uno de los cursos de
accin. Los resultados son calculados preferentemente por medio de una matriz.
6.-Programacin dinmica:
Este tipo de programacin se utiliza cuando antes de llegar al objetivo final tenemos que pasar por
ciertas fases intermedias, pero relacionadas y que si una de ellas no se logra adecuadamente se
afecta el objetivo final.
Ejemplo: vendedores que tienen programadas una serie de visitas a sus clientes.
7.-Simulacin de Computadora
Permite mediante la simulacin de un problema o mtodo, a travs del uso de un programa por
computadora, anticiparnos a conocer el impacto o resultado de un problema.
Qu es la Investigacin de Operaciones?
En esta disciplina se destacan las siguientes caractersticas esenciales:
Una fuerte orientacin a Teora de Sistemas
La participacin de equipos interdisciplinarios
La aplicacin del mtodo cientfico en apoyo a la toma de decisiones
En base a estas propiedades, una posible definicin es: la Investigacin Operativa es la aplicacin
del mtodo cientfico por equipos interdisciplinarios a problemas que comprenden el control y
gestin de sistemas organizados (hombre- mquina); con el objetivo de encontrar soluciones que
sirvan mejor a los propsitos del sistema (u organizacin) como un todo, enmarcados en procesos
de toma de decisiones.
Tipos de modelos
Un modelo es el cuerpo de informacin relativa a un sistema recabado con el fin de estudiarlo, un
modelo no es slo un sustituto del sistema, es tambin su simplificacin.
Adems no existe un modelo nico de un sistema, ya que cada objeto de estudio establecido
determinar la naturaleza de la informacin a reunir.
Existe una gran diversidad en la manera de clasificar los tipos de modelos en el estudio de
sistemas.
A veces la clasificacin se realiza segn la naturaleza del sistema a estudiar, a saber:
1) Continuo vs. Discreto
2) Determinstico vs. Aleatorio.
Consideremos una primera divisin en modelos fsicos y matemticos:
Esta primera divisin se realiza para tener en cuenta que un modelo no es necesariamente una
descripcin matemtica del sistema, existen por ejemplo: modelos a escala que se utilizan en los
tneles de viento, tanques de agua para estudiar el diseo de naves acuticas, modelos a escala
de cursos de ros, de puertos (ej: Puerto de la Paloma, estudiado por el IMFIA), diversos tipos de
modelos.
La tercera distincin (nivel) se realiza segn la tcnica empleada para resolver el modelo.
En un modelo matemtico, las entidades de un sistema y sus atributos se representan mediante
variables y las actividades mediante funciones que interrelacionan las variables (ej. restricciones).
Un modelo esttico despliega las relaciones entre los atributos del sistema cuando est en
equilibrio, sin mostrar la manera en que cambian los valores de los atributos (no existen
actividades).
Un modelo matemtico dinmico permite deducir los cambios de los atributos del sistema en
funcin del tiempo y dependiendo de la complejidad del modelo, la deduccin puede hacerse con
una solucin analtica o por clculo numrico (ej: el comportamiento de la llanta de un auto en
movimiento se modela con ecuaciones diferenciales de 2 orden).
Los modelos matemticos dinmicos que se pueden resolver analticamente y que dan resultados
prcticos aplicables no son del todo comunes. Lo ms frecuente es que esos problemas deban
resolverse mediante mtodos numricos y la simulacin es uno de esos mtodos.
Un ejemplo de modelo matemtico dinmico es el que describe las condiciones bajo las cuales
vibra la estructura de una aeronave, modelo que se puede plantear pero no resolver
analticamente. La cuestin de si habr o no vibraciones se puede determinar numricamente
calculando las races de determinadas ecuaciones asociadas. En este caso los clculos numricos
no constituyen simulacin, ya que el clculo no sigue el movimiento de la estructura de la
aeronave en el tiempo, es sencillamente un procedimiento para determinar las races de una
ecuacin, es un mtodo numrico puro.
Se tratar de simulacin si los clculos tienen en cuenta los cambios producidos en el tiempo, es
decir si describimos a travs de algn mecanismo la distintas variaciones producidas en
determinado intervalo de tiempo.
PROGRAMACIN LINEAL
El problema de la resolucin de un sistema lineal de inecuaciones se remonta, al menos, a Joseph
Fourier, despus de quien nace el mtodo de eliminacin de Fourier-Motzkin. La programacin
lineal se plantea como un modelo matemtico desarrollado durante la Segunda Guerra
Mundial para planificar los gastos y los retornos, a fin de reducir los costos al ejrcito y aumentar
las prdidas del enemigo. Se mantuvo en secreto hasta 1947. En la posguerra, muchas industrias lo
usaron en su planificacin diaria.
Los fundadores de la tcnica son George Dantzig, quien public el algoritmo simplex, en
1947, John von Neumann, que desarroll la teora de la dualidad en el mismo ao, y Leonid
Kantorvich, un matemtico ruso, que utiliza tcnicas similares en la economa antes de Dantzig y
gan el premio Nobel en economa en 1975. En 1979, otro matemtico ruso, Leonid Khachiyan,
dise el llamado Algoritmo del elipsoide, a travs del cual demostr que el problema de la
programacin lineal es resoluble de manera eficiente, es decir, en tiempo polinomial. Ms tarde,
en 1984, Narendra Karmarkar introduce un nuevo mtodo del punto interior para resolver
problemas de programacin lineal, lo que constituira un enorme avance en los principios tericos
y prcticos en el rea.
A esta parte se le debe dar una especial importancia debido a que es la herramienta ms
importante dentro del campo de la investigacin operativa. Nos proporciona un tratamiento
matemtico de los problemas.
La programacin lineal (PL) es una tcnica matemtica de optimizacin, es decir, un mtodo que
trata de maximizar o minimizar un objetivo.
Su inters principal es tomar decisiones ptimas.
Se usa mucho en la industria militar y en la petrolera. S i bien esos sectores han sido quiz los
principales usuarios de ella, el sector servicios y el sector pblico de la economa tambin la han
aprovechado ampliamente.
VARIABLES
Las variables son nmeros reales mayores o iguales a cero.
En caso que se requiera que el valor resultante de las variables sea un nmero entero, el
procedimiento de resolucin se denomina Programacin entera.
RESTRICCIONES
Las restricciones pueden ser de la forma:
Tipo 1:
Tipo 2:
Tipo 3:
Donde:
X = Incgnitas, de 1 a N;
En general no hay restricciones en cuanto a los valores de N y M. Puede ser N = M; N > M; , N <
M. Sin embargo si las restricciones del Tipo 1 son N, el problema puede ser determinado, y puede
no tener sentido una optimizacin.
Los tres tipos de restricciones pueden darse simultneamente en el mismo problema.
FUNSION OBJETIVO
La funcin objetivo puede ser:
Donde:
Si nuestra funcin objetivo es una maximizacin y la lnea que delimita nuestro dominio no es
convexa, entonces nuestro problema, bajo estas condiciones, no tiene solucin.
Ejemplo:
F.O.: Max 5X+6Y
S.a.: X+Y 4
X+2Y 6
Dando valores a la funcin objetivo vamos obteniendo sucesivas rectas paralelas, de forma que
segn aumenta la funcin objetivo, la recta se separa del origen.
Por tanto, puede suceder que nuestra funcin objetivo de valor ptimo coincida con una arista o
con un vrtice del polgono que delimite nuestro dominio.
En nuestro caso, el vrtice A (2,2) ser la solucin ptima.
Luego el valor ptimo de nuestra funcin objetivo ser:
En este caso nuestra solucin no est acotada, luego nuestro problema no tendr solucin.
MTODO SIMPLEX.
Resuelve los problemas del tipo maximizar con restricciones menor o igual.
Vamos a ilustrar con un ejemplo los pasos a dar para la resolucin de un problema:
F.O.: Max 3 X1 + 5 X2
S.a. 2 X1 + 3 X2 8
8 X1 + 3 X2 20
a) Se tienen que transformar las inecuaciones en ecuaciones, para lo cual introducimos unas
variables llamadas variables de holgura.
Para transformar una desigualdad menor o igual en igual tendremos que sumarle la variable de
holgura.
En nuestro caso:
8 X1 + 3 X2 + X3 = 20
2 X1 + 3 X2 + X4 = 8
b) Para empezar a aplicar el mtodo simplex necesitamos una base factible inicial (luego iremos
optimizando).
Entonces partimos de una solucin inicial del sistema formado por las restricciones y luego
mediante una serie de iteraciones del mtodo iremos mejorando esta solucin de acuerdo con
nuestra funcin objetivo.
En nuestro caso: X1=0, X2=0, X3=20, X4=8, es decir, hacemos cero las variables reales e igualamos
las variables de holgura a los recursos.
X3= 52/3
Al ser X4= 0 quiere decir que la restriccin segunda: 2 X1 + 3 X2 + X4 = 8 est a tope, es decir, que
se cumple que 2 X1 + 3 X2 = 8.
Y por fin, el valor mximo de nuestra funcin objetivo es 40/3 que es nuestra solucin ptima.
Vamos a comprobarlo:
F.O.: 3 X1 + 5 X2 = 3*0 + 5*8/3= 40/3
Que como vemos coincide.
Luego vemos que el sistema permite pasar de una solucin bsica factible a otra (criterio 2)
mejorando en cada caso la optimalidad de la funcin objetivo (criterio 1).
MTODO DE LAS DOS FASES.
Este mtodo se aplica cuando existen restricciones del tipo mayor o igual.
El tratamiento de las restricciones para convertir las desigualdades en igualdades en este caso es
el siguiente. Sea
aij * Xj bi lo podremos transformar en
aij * Xj Yk = bi donde Yk ser una nueva variable denominada variable de holgura.
Si introdujsemos esto en la tabla de simplex, nos dara lugar a una base inicial no factible, por lo
que para poder resolver el problema, tendremos que aplicar una tcnica diferente. Esta tcnica es
la del mtodo de las dos fases.
El mtodo de las dos fases va a realizar un tratamiento de nuestro problema, para que sea posible
aplicar el mtodo simplex.
Para poder crear una base factible inicial que nos permita aplicar el mtodo simplex, al
transformar las desigualdades de tipo mayor o igual en igualdades, introducimos una variable
ficticia, que nos dar lugar a una base cannica.
Para explicar el mtodo, nos basaremos en el siguiente ejemplo:
F.O.: Min 3 X1 + 2 X2
S.a.: X1 + X2 = 10
X1 4
Transformamos el problema en:
F.O.: Min 3 X1 2 X2
S.a.: X1 + X2 = 10
X1 4
Transformamos las desigualdades en igualdades.
X1 4 X1 h1 = 4
X1 + X2 = 10 X1 + X2 = 10
Aadimos las variables ficticias para encontrar una base cannica.
X1 + X2 + Y1 = 10
X1 + h1 + Y2 = 4
Primera fase:
Se minimizan las variables ficticias sujetas a las restricciones del problema.
Pueden presentarse dos casos:
a) Que la minimizacin no pueda realizarse. Entonces el problema no tiene solucin.
b) Que la minimizacin si pueda realizarse. (b-1) Si el valor ptimo es cero, entonces pasamos a la
segunda fase. (b-2) Si no es cero, entonces no existe solucin.
Entonces tendremos que hacer:
Min Y1 + Y2
Donde:
Y1 + Y2 = - 2 X1 2 X2 + h1 + 14
Vamos a minimizar:
Segunda fase:
Eliminamos la lnea ficticia y las columnas correspondientes a las variables ficticias.
A esta tabla as obtenida, le aplicamos el mtodo simplex, ya que ahora tenemos una base factible
Al aplicar el criterio 1, como en este caso no hay ningn coeficiente negativo en la lnea LO, la
solucin de esta tabla coincide con la solucin ptima.
La base es X1 = 4, X2 = 6. El valor de la funcin objetivo es 24.
Nota: el valor de la funcin objetivo en nuestra tabla es negativo (-24), pero si asignamos los
valores X1 = 4 y X2 = 6 a nuestra funcin objetivo obtendremos como solucin el valor 24. Esto es
debido a que para resolver nuestro problema hemos realizado un cambio de signo a nuestra
funcin objetivo, para pasar de un problema de minimizar a uno de maximizar. Por tanto, el
resultado de nuestro problema nos saldr con el signo cambiado.
Nota: para sacar una base factible inicial se puede emplear cualquier tipo de operacin
matemtica matricial, siempre y cuando los valores de las variables bsicas obtenidas sean
mayores o iguales a cero.
FUNDAMENTOS DE SISTEMAS
CONCEPTO DE SISTEMA
En la actualidad el trmino sistema se aplica en forma genrica para designar casi a cualquier ente
el cual est formado por elementos fsicos o no, y que estn agrupados y estructurados de
determinada manera que forman un conjunto definido y especfico. As decimos: sistema escolar,
sistema educativo, sistema de transporte, sistema poltico, sistema social, sistema numrico, etc.
Al hablar de un sistema nos referimos a la forma como un conjunto de elementos llevan a cabo
una funcin con un objetivo determinado. Es decir, que estos elementos interactan entre s, para
un fin comn.
La idea de sistema viene de las ciencias biolgicas, debido a los trabajos del bilogo Ludwing von
Bertalanffy, quien describiera este concepto en su obra Teora General de los Sistemas.
SISTEMA: Es la integracin de un conjunto de elementos u objetos (fsicos o abstractos) que se
relacionan entre s con un propsito comn.
Elemento de un sistema.- Unidad bsica que interacta con los dems elementos del sistema y
que tiene una funcin dentro del sistema.
A su vez esta unidad bsica puede ser un sistema por si misma que al pertenecer a un sistema
mayor se la denomina subsistema.
Subsistema.- Los objetos pertenecientes a un sistema pueden considerarse partes del ambiente
de otro subsistema. La consideracin de un subsistema implica un conjunto nuevo de relaciones.
Es posible que el comportamiento del subsistema no sea completamente anlogo al del sistema
original.
CLASIFICACIN DE LOS SISTEMAS.
La forma como se lleva a cabo la funcin de un sistema la conforman los siguientes componentes.
1. Los elementos que intervienen en la funcin, ya sea en forma activa o pasiva.
2. Los elementos que no intervienen en dicha funcin.
3. Los elementos que se ven afectados directa o indirectamente por la actividad productiva.
4. La liga entre los elementos que intervienen.
5. El mecanismo utilizado para desarrollar la funcin.
6. La bondad con que el sistema desarrolla la funcin.
7. Los recursos que utiliza para la funcin.
A continuacin se describen los diferentes conceptos en la clasificacin de los sistemas:
De acuerdo a su cambio de posicin en el tiempo:
esttico o dinmico
Sistema esttico:
Es definido por la geografa y anatoma del universo. Es una representacin de un sistema en
determinado punto en el tiempo.
Sistema dinmico:
Aquellos que tienen ciertos movimientos necesarios. Es una representacin de cmo evoluciona
un sistema a travs del tiempo.
De acuerdo a su discrecionalidad en: discreto o continuo
Sistema discreto:
Es aquel en el cual las variables de estado cambian slo en puntos discretos o contables en el
tiempo. Un banco es un ejemplo de sistemas discretos ya que las variables de estado cambian slo
cuando llega un cliente, o cuando un cliente termina sus trmites y se va. Estos cambios tienen
lugar en puntos discretos en el tiempo.
Sistema continuo:
Es aquel en el que las variables de estado cambian en forma continua a travs del tiempo. Un
proceso qumico es un ejemplo. En este caso, el estado del sistema vara continuamente a travs
del tiempo. Estos sistemas se modelan en general mediante ecuaciones diferenciales.
De acuerdo a su interaccin con su medio ambiente: abierto o cerrado.
Sistema abierto:
La mayor parte de los sistemas orgnicos son abiertos, lo cual significa que intercambian energa
con sus ambientes. Consideremos una computadora digital como un sistema abierto, ste existir
en estado si proveemos formas altas de energa como la energa elctrica, la energa humana
para el mantenimiento, las piezas de repuesto, etc. y si eliminamos formas bajas de energa tales
como el calor o las lmparas gastadas.
Sistema Probabilstico:
Los modelos de sistemas que se basan en las probabilidades y en las estadsticas y que se ocupan
de incertidumbres futuras. Los sistemas probabilsticos no usan valores precisos y determinados, y
se desconoce el resultado final que el sistema arrojar.
Sistemas Determinsticos:
Son modelos de sistemas cuantitativos que no contienen consideraciones probabilsticas. Los
sistemas determinsticos usan valores precisos y determinados, y se conocen de alguna manera los