15.

053
z

5 de febrero de 2002

Esquema general
z z z

Introduccin a la optimizacin

Entregas: material de clase

Descripcin del curso Administracin y logstica del curso Qu son las ciencias de la gestin? Ejemplos de programacin lineal
Marketing MSR GTC

Entregas:

Programa e informacin general Material de clase Conjunto de tareas 1

2

La transparencia N 3 contiene informacin especfica del MIT

Material necesario
z z

Coursepack (Libro de lecturas recomendadas) Incluye captulos de

Applied Mathematical Programming por Bradley, Hax y Magnanti

z z

Sitio web: sloanspace.mit.edu Otros recursos:

Operations Research por Winston Introduction to Linear Optimization por Bertsimas y Tsitsiklis Network Flows por Ahuja, Magnanti y Orlin
4

Sistema de evaluacin
z

Mtodo del curso (continuacin)

z

Trabajos en casa (27%)

Semanales (10 en total) Plan de calificacin no lineal

Pgina web
Contiene apuntes de clase hojas de clculo lecturas trabajos (el trabajo 1 ya se encuentra all) otros recursos

Exmenes parciales (25% cada uno)

Dos: uno en cada fin de trimestre

Examen final (25%)

Durante la semana de los exmenes finales ltimo tercio de la asignatura + creacin de modelos
En efecto, el total suma 102%

Aprendizaje activo
z z

Qu es la investigacin operativa? Qu son las ciencias de la gestin?

Durante la Segunda Guerra Mundial, el mando britnico consult a cientficos y tcnicos sobre distintas cuestiones militares:
Despliegue de radares. Direccin de operaciones antisubmarinas, de minas, bombardeos y traslado de tropas.
z El resultado se llam Investigacin de Operaciones

z z

Las clases se interrumpen cada cierto tiempo para que los alumnos trabajen individualmente o en parejas. Elija a su compaero al comenzar el curso. Los alumnos a los extremos del pasillo podrn formar grupos de tres.

Militares, y ms tarde Investigacin Operativa (IO)

El MIT contribuy a su puesta en marcha

El profesor Morse (MIT) fue pionero en los EE.UU.

Fund el Centro OR del MIT y colabor en la fundacin de ORSA.

7 8

Qu son las ciencias de la gestin (investigacin operativa)?

z

Voces del pasado

z

Hoy en da: las ciencias de la gestin y la investigacin operativa suponen

el empleo de modelos matemticos para proporcionar pautas que permitan a los gestores tomar decisiones efectivas partiendo de la informacin de la que disponen, o para hallar el modo de ampliar sta, en caso de que sea insuficiente para llegar a la decisin adecuada.
z

No malgaste el tiempo o el dinero, emplelos de la mejor forma posible.

Benjamin Franklin

Obviamente, la mejor forma de eficiencia es la que permite obtener la mxima ventaja del material del que se dispone.
Jawaharlal Nehru

Comparar con: ciencias de la decisin, anlisis de sistemas, investigacin operativa, dinmica de sistemas, anlisis operacional, sistemas de ingeniera, ingeniera de sistemas y otros conceptos.
9

Es muy posible que cualquier ciudadano medio sea capaz de aumentar su eficacia en un cincuenta por ciento sin riesgo para su salud.
Walter Scott
10

La investigacin operativa en la historia

z

La investigacin operativa en la historia

z

1947

Proyecto Scoop (Scientific Computation of Optimum Programs), en el que George Dantzig y otros cientficos desarrollan el mtodo simplex de programacin lineal.
z

Dcada de 1970 Dcada de 1980

poca de desilusin y estancamiento. NPcompleto. Expectativas ms realistas.

z

Dcada de 1950

Aos muy interesantes: progresos matemticos, teora de colas, programacin matemtica. Comparar con: Inteligencia artificial (I.A.) en los 60.
z

Gran expansin del uso de ordenadores personales. Acceso cada vez ms facil a datos. Se extiende la disposicin de los directivos al empleo de modelos.
z

Dcada de 1990

Dcada de 1960
11

Crece el inters: ms progreso, grandes proyectos. Comparar con: Inteligencia artificial en los 80.

Uso creciente de sistemas de I.O. Nuevos avances de la tecnologa de I.O; p.ej: ampliaciones de optimizacin y simulacin a hojas de clculo, lenguajes de modelacin, optimizacin a gran escala. Mayor interconexin entre la I.A. y la I.O.
12

La investigacin operativa en el ao 2000

z CIENTOS de oportunidades para el campo de la I.O. z Datos, datos y ms datos

Optimizacin

Datos de e-business (click stream, compras, otros datos de transacciones, correo electrnico, etc.) El proyecto del genoma humano y su desarrollo
z Mayor automatizacin en la toma de decisiones

Necesidad de mayor coordinacin para la utilizacin de recursos (gestin de la cadena de suministro)

Tan eterna como el tiempo

13

Naturaleza de la optimizacin Hern de Alejandra

b
ngulo de

FERM AT
ngulo de incidencia ngulo de refraccin

c ngulo de incidencia

incidencia

ngulo de reflexin

b a

Siglo I A.C.

1 62829

Clculo
Mximo

Algunos temas del presente curso

z z z

Mnimo
z

La optimizacin est en todas partes Modelos, modelos y ms modelos El objeto de los modelos no son los nmeros, sino la compresin de la realidad
parafraseando a Richard Hamming

Algoritmos, algoritmos y ms algoritmos

Fer m at,Newton,Eul er ,Lagr ange, G auss y otros

17
18

La optimizacin est en todas partes

z

La optimizacin est en todas partes

z

Cuanto ms sepamos sobre un tema, mejor podremos apreciar dnde aplicar la optimizacin. Ejemplo: toma de decisiones personales
Hallar el camino ms corto a casa (o a clase) Asignacin ptima del tiempo de trabajo personal Control ptimo de ingresos y gastos Eleccin de la asignatura principal

Algunas decisiones que toma el MIT

fijar fechas de exmenes evitando coincidencias asignar a cada clase aulas y franjas horarias teniendo en cuenta las restricciones calcular las tarifas de aparcamiento y las ayudas para transporte pblico, para garantizar la mxima imparcialidad y un acceso adecuado optimizar la financiacin

19

20

La optimizacin est en todas partes

z

Herramientas de optimizacin en el curso

z La optimizacin est en todas partes, pero no el

Ejercicio: presntese a su compaero y sugiera uno o dos temas de conversacin que le resulten familiares (el trabajo durante el verano, la asignatura principal, profesin de sus padres, etc.). Realicen una sesin de "brainstorming" sobre situaciones propicias para la optimizacin. Escojan de la lista las dos o tres situaciones que les resulten ms atractivas y pnganlas en comn.

uso de las herramientas de optimizacin.

z Metas del curso: presentar diversas herramientas

para la optimizacin y explicar sus aplicaciones en varios campos: fabricacin, finanzas, e-business, mercadotecnia y otros.
z El alumno sabr qu herramientas pueden serle de ayuda cuando se enfrentre (ineludiblemente) a problemas de optimizacin en los negocios.
22

21

Tratamiento de problemas de gestin: el marco de las ciencias de la gestin

1. Determinar el problema que hay que resolver 2. Analizar el sistema y reunir datos 3. Formular un modelo matemtico del problema y de los problemas secundarios importantes 4. Comprobar el funcionamiento del modelo y emplearlo para predicciones y anlisis 5. Elegir una alternativa adecuada 6. Presentar los resultados a la organizacin 7. Implementar y evaluar
23

La programacin lineal (nuestra primera herramienta, y quizs la ms importante)

z z

minimizar o maximizar un objetivo lineal sujeto a igualdades y desigualdades lineales 3x + 4y 5x + 8y 24 x, y 0

24

maximizar sujeto a

Veamos una serie de posibles soluciones

y
5

Vocabulario
z Variables de decisin : p.ej., x e y.
En general, hay cantidades que se pueden controlar para mejorar el objetivo, que deber ofrecer una descripcin completa del conjunto de decisiones a tomar.

3x + 4y = 6

3x + 4y = 12

Solucin ptima

z Restricciones : z

p.ej., 5x + 8y 24 , x 0 , y 0 esto es, 3x + 4y

Restricciones a los valores de las variables de decisin.

Funcin objetivo

x
25

Medida del valor que se usa para ordenar las alternativas Tiene por objeto maximizar o minimizar el objetivo ejemplos: maximizar el VAN, minimizar el coste
26

MSR Marketing Inc.

adaptado de Frontline Systems

Formulacin como modelo matemtico

Trabajo en parejas
z
Prensa 15.000 125$ 15
27

Seleccin de un anuncio que llegue a 1,5 millones de personas

Minimizar coste Fijar el nmero mximo de anuncios de cada tipo
TV Audiencia Coste/Impresin N mx anuncios 50.000 500$ 20 Radio 25.000 200$ 15 Correo 20.000 250$ 10

Qu decisiones es preciso tomar? Formlense como variables de decisin. z Cul es el objetivo? Formlese desde el punto de vista de las variables de decisin. z Cules son las restricciones? Formlense desde el punto de vista de las variables de decisin. z Si dispone de tiempo, intente hallar la solucin ideal.
28

Gemstone Tool Company (GTC)

z z z z z

Datos para el problema de GTC

Llaves Acero Mquina de moldeo Mquina de montaje Lmite de demanda Participacin ($ por artculo) 1,5 1,0 0,4 8.000 0,40$ Alicates Disponibles 1,0 1,0 0,5 10.000 0,30$ 15.000 tm 12.000 hrs 5.000 hrs

Empresa de propiedad privada Mercado: herramientas para empresas y particulares Sede en Seattle Fbricas en EE.UU, Canad y Mxico. Datos esenciales, con fines ilustrativos:
Planta de Winnipeg (Canad) Llaves inglesas (llaves) y alicates Fabricadas en acero Mquina de moldeo por inyeccin Mquina de montaje
29

Deseamos calcular el nmero de llaves inglesas y alicates que hay que fabricar, dados el material bruto disponible, las horas de mquina y la demanda. 30

Trabajo en parejas
z Halle, junto a su compaero, el modo de formular

Formulacin del ejercicio de GTM

Paso 1: calcular las variables de decisin
P = miles de alicates fabricados W = miles de llaves inglesas fabricadas

el problema de GTC como un programa lineal, SIN

CONSULTAR LOS APUNTES

z z

P = nmero de alicates fabricados W = nmero de llaves inglesas fabricadas

Paso 2: calcular la funcin objetiva

Maximizar Beneficio =

0,3 P + 0,4 W

31

32

Formulacin (continuacin)
Paso 3: Calcular las restricciones

Una frmula algebraica (1)

z

J = conjunto de artculos fabricados

S = (alicates, llaves inglesas) pj = beneficio por unidad del artculo j dj = demanda mxima del artculo j xj = nmero de unidades fabricadas del artculo j

Acero: Moldeo: Montaje: Demanda (alicates): Demanda (llaves):

P + 1,5 W 15.000 P+ P W 12.000

z

0,5 P + 0.4 W 5.000 10.000 W 8.000

33

M = conjunto de procesos de fabricacin

M = {moldeo y montaje} bi = capacidad del proceso i aij = cantidad de capacidad del proceso i usada en fabricar j

En la prxima clase se mostrar el modo de resolver el problema.

34

Otra frmula algebraica

z

Otra frmula algebraica ms

z

Maximizar sujeto a

jJ

pjxj

Maximizar sujeto a

p x a x
j =1 ij j =1 n j

jJ

aij x j bi for i M

bi for i = 1 to m

La misma frmula sirve aunque | J | = 10.000 y | M | = 100.

x j d j for j J
x j 0 for j J
35

x j d j for j = 1 to n
x j 0 for j = 1 to n
36

Programas lineales
z

Un programa lineal puede tener un objetivo y unas restricciones no lineales

z z

Las funciones lineales presentan la siguiente forma:

f(x1, x2, . . . , xn) = c1x1 + c2x2 + . . . + cnxn = i=1 a n cixi esto es, 3x1 + 4x2 - 3x4.

maximizar sujeto a

Un programa matemtico es lineal (PL) cuando tiene por objetivo una funcin lineal y las restricciones son igualdades o desigualdades lineales esto es, 3x1 + 4x2 - 3x4 7
x1 - 2x5 = 7

f(x,y)= xy x - y2/2 10 3x 4y 2 x 0, y 0

z Normalmente, un PL tiene restricciones de no negatividad.

37 38

Un programa entero es un programa lineal con las restricciones de que todas o algunas de las variables son valores enteros.
z

Frmula algebrica con restricciones de igualdad

z

Maximizar

3x1 + 4x2 - 3x3 3x1 + 2x2 - x3 17 3x2 - x3 = 14 x1 0, x2 0, x3 0 y x1 , x2, x3 son nmeros enteros

Max o min

c x
j =1 j

sujeto a

a x
j =1 ij

= bi for i = 1 to m

x j 0 for j =1 to n
39 40

Principios de la programacin lineal

4W + 3P 1.5W + P 15 . Principio de proporcionalidad La participacin de W
es proporcional a W.

Historias de xitos (1)

z La planificacin ptima de su personal de vuelo permite

Maximizar

a American Airlines ahorrar un milln de dlares al ao.

z Yellow Freight ahorra ms de 17,3 millones de dlares al ao gracias al perfeccionamiento de sus rutas de envos. z La mejora de los repartos por carretera en Reynolds Metals ha aumentado la puntualidad en las entregas, reduciendo los costes

Principio de aditividad La participacin de P en la funcin

objetiva es independiente de W.

Principio de divisibilidad Cada variable puede adoptar

valores fraccionarios.

de flete en 7 millones de dlares al ao.

z GTE ahorra 30 millones al ao por la expansin de su capacidad local.

Principio de certidumbre Los coeficientes lineales y las

restricciones de la funcin objetiva son conocidos (y no son variables aleatorias).
41

42

Historias de xitos (2)

z La optimizacin de las cadenas globales de suministro ahorra a

Historias de xitos (3)

z La mejora de la planificacin de produccin en Sadia (Brasil) ha

Digital Equipment ms de 300 millines de dlares.

z Tras la reestructuracin de su departamento de operaciones en

ahorrado a la empresa 50 millones de dlares en tres aos.

z La optimizacin de la produccin en Harris Corporation supone un

Norteamrica, Procter&Gamble ha disminuido sus plantas en un 20%, con un ahorro de 200 millones de dlares al ao.
z El ptimo control del trfico en la autopista Hanshin, en Osaka permite ahorrar al ao 17 millones de horas de conduccin. z La mejor planificacin de las unidades de generacin termohidrulica

aumento del 75 al 90% de la pluntualidad en las entregas.

z Tata Steel (India) ha optimizado sus respuestas a los apagones

elctricos, obteniendo un ahorro de 73 millones de dlares.

z Optimizar la organizacin de las patrullas policiales permite al departamento de polica de EE.UU. ahorrar 11 millones cada ao. z En Texaco, la mezcla de gasolinas da como resultado un ahorro

le supone a Southern Company un ahorro de 140 millones de dolares

de 30 millones de dlares anuales.

43 44

Resumen
z Respuesta a la pregunta: qu son la Investigacin

operativa y las ciencias de la gestin?, proporcionando al estudiante cierta perspectiva histrica.

z

Vocabulario de la programacin lineal

1. 2. MSR Marketing Gemstone Tool Company Pequeo programa lineal (bidimensional) no demasiado fcil

z Dos ejemplos:

Analizaremos este problema detalladamente en la prxima clase

45