INVESTIGACIN DE OPERACIONES Clase n1: Introduccin CONTENIDOS Historia Definicin Problema bsico de la programacin matemtica Modelos de IO Modelos de IO Fases de un estudio de IO Tipos de problemas que resuelve IO HISTORIA Se aplica por primera vez en 1780 Antecedentes: La Revolucin de la administracin cientfica que inici Frederic W. Taylor a principios de siglo puso las bases para la IO, Matemticas: modelos lineales (Farkas, Minkowski) (s.XIX) Matemticas: modelos lineales (Farkas, Minkowski) (s.XIX) Estadstica: fenmenos de espera (Erlang, Markov) (aos 20) Economa: Quesnay (x.XVIII), Walras (s.XIX), Von Neumann (aos 20) El origen de la I.O. moderna se sita en la 2 GuerraMundial para resolver problemas de organizacin militar (necesidad de administrar los escasos recursos): Despliegue de radares, manejo de operaciones HISTORIA Al terminar la guerra, sigue el desarrollo en la industria, debido a: Competitividad industrial Progreso terico RAND (Dantzig) RAND (Dantzig) Princeton (Gomory, Kuhn, Tucker) Carnegie Institute of Technology (Charnes, Cooper) Gran desarrollo de las computadoras: Aumento de la capacidad de almacenamiento de datos Incremento de la velocidad de resolucin de los problemas. DEFINICIN La investigacin de operaciones se puede definir como la utilizacin de un mtodo planeado y de un grupo interdisciplinario a fin de representar las relaciones funcionales representar las relaciones funcionales complejas como modelos matemticos para proporcionar una base cuantitativa en la toma de decisiones y descubrir nuevos problemas para su anlisis cuantitativo. DEFINICIN Hoy en da, la toma de decisiones abarca una gran cantidad de problemas reales cada ms complejos y especializados, que necesariamente requieren del uso de metodologas para la formulacin matemtica de estos problemas y, conjuntamente, de mtodos y estos problemas y, conjuntamente, de mtodos y herramientas de resolucin, como los que provee la Investigacin de Operaciones. PROBLEMA BSICO A diferencia de los problemas planteados para ejercitar, el uso de la investigacin de operaciones para la optimizacin de algn proceso en la realidad se enfrenta con una descripcin vaga e imprecisa del problema. descripcin vaga e imprecisa del problema. Por consiguiente, la primera actividad ser el estudio del sistema relevante y el desarrollo de un resumen bien definido del problema que ser analizado para poder llegar a plantear el modelo matemtico a usar. MODELOS Con el propsito de estudiar cientficamente un sistema del mundo real debemos hacer un conjunto de supuestos de cmo trabaja. Estos supuestos, que por lo general toman la Estos supuestos, que por lo general toman la forma de relaciones matemticas o relaciones lgicas, constituye un Modelo que es usado para tratar de ganar cierta comprensin de cmo el sistema se comporta. MODELOS Los Modelos son representaciones de objetos o modelos de situaciones reales. Los formas de los modelos pueden ser: icnico, analgico, y matemtico. Modelos Icnicos son replicas fsicas (representaciones a escala) de objetos reales. Son tiles con representaciones de situaciones en el tiempo, como una fotografa. Pueden tener dos dimensiones (mapas, fotos y dems) o tres dimensiones (como un globo terrqueo o un barco). Modelos Analgicos son formas fsicas pero no fsicamente parecidos al Modelos Analgicos son formas fsicas pero no fsicamente parecidos al objeto modelado. Un ejemplo de situaciones dinmicas son las curvas de oferta y demanda, donde se dice que una variable depende de la otra para aumentar o disminuir. Pueden representar muchas operaciones al mismo tiempo, por ejemplo un diagrama de flujo. Modelos simblicos o matemticos representan fenmenos reales mediante smbolos, cifras, algoritmos. Para crear este tipo de modelos, basta con observar y analizar la realidad y formularla a travs de nmeros o smbolos algortmicos. Las ecuaciones, funciones o matrices son ejemplos de modelos matemticos. TIPOS DE MODELOS Dinmicos: Utilizados para representar sistemas cuyo estado vara con el tiempo. Estticos: Utilizados para representar sistemas cuyo estado es invariable a travs del tiempo. Matemticos: Representan la realidad en forma abstracta de muy diversas maneras. maneras. Fsicos: Son aquellos en que la realidad es representada por algo tangible, construido en escala o que por lo menos se comporta en forma anloga a esa realidad (maquetas, prototipos, modelos analgicos, etc.). Analticos: La realidad se representa por frmulas matemticas. Estudiar el sistema consiste en operar con esas frmulas matemticas (resolucin de ecuaciones). Numricos: Se tiene el comportamiento numrico de las variables intervinientes. No se obtiene ninguna solucin analtica. MODELOS Continuos: Representan sistemas cuyos cambios de estado son graduales. Las variables intervinientes son continuas. Discretos: Representan sistemas cuyos cambios de estado son de a saltos. Las variables varan en forma discontinua. Determinsticos: Son modelos cuya solucin para determinadas condiciones es nica y siempre la misma. condiciones es nica y siempre la misma. Probabilsticos: Representan sistemas donde los hechos suceden al azar, lo cual no es repetitivo. No se puede asegurar cules acciones ocurren en un determinado instante. Se conoce la probabilidad de ocurrencia y su distribucin probabilstica. (Por ejemplo, llega una persona cada 20 10 segundos, con una distribucin equiprobable dentro del intervalo). CLASIFICACIN DE MODELOS SEGN LA IO Modelo Matemtico: Es aquel modelo que describe el comportamiento de un sistema a travs de relaciones matemticas y supone que todas las variables relevantes son cuantificables. Por ende tiene una solucin optima. Modelo de Simulacin: Es un modelo que imita el comportamiento de un sistema sobre un periodo de tiempo dado, esta basado en de un sistema sobre un periodo de tiempo dado, esta basado en observaciones estadsticas. Este tipo de modelo entrega soluciones aproximadas. Modelo Heurstico: Es una regla intuitiva que nos permite la determinacin de una solucin mejorada, dada una solucin actual del modelo, generalmente son procedimientos de bsqueda. Este tipo de modelo tambin entrega soluciones aproximadas. MODELAMIENTO La I.O debe ser considerada como una ciencia y la vez como un arte: Una ciencia por el uso de tcnicas matemticas para la resolucin de los problemas. para la resolucin de los problemas. Un arte ya que la formulacin del modelo depende en gran parte de la creatividad y la experiencia de las operaciones del equipo investigador. ESTRUCTURA DE MODELOS Un modelo matemtico comprende principalmente tres conjuntos bsicos de elementos: Variables: Las variables de decisin son las incgnitas (o decisiones) que deben determinarse resolviendo el modelo. Los parmetros son los valores conocidos que relacionan las variables de decisin con las restricciones y funcin objetivo. Los parmetros del modelo pueden ser determinsticos o parmetros del modelo pueden ser determinsticos o probabilsticos. Restricciones: Para tener en cuenta las limitaciones tecnolgicas, econmicas y otras del sistema, el modelo debe incluir restricciones (implcitas o explcitas) que restrinjan las variables de decisin a un rango de valores factibles. Funcin objetivo: La funcin objetivo define la medida de efectividad del sistema como una funcin matemtica de las variables de decisin. FASES DE UN ESTUDIO DE IO Una manera de resumir las fases usuales de un estudio de investigacin de operaciones es la siguiente: 1.Definicin del problema de inters y recoleccin de datos relevantes. 2. Formulacin de un modelo matemtico que represente el problema. 3. Desarrollo de un procedimiento basado en computadora para 3. Desarrollo de un procedimiento basado en computadora para derivar una solucin para el problema a partir del modelo. 4. Prueba del modelo y mejoramiento de acuerdo con las necesidades. 5. Preparacin para la aplicacin del modelo prescrito por la administracin. 6.Implementacin. DEFINICIN DEL PROBLEMA Se define el problema, teniendo en cuenta los objetivos especficos de la empresa. Se observa el sistema, para estimar el valor de los parmetros que afectan al problema. parmetros que afectan al problema. Se definen variables, restricciones y funcin objetivo FORMULACIN DEL MODELO Se traduce el problema a relaciones matemticas que incluyan las variables de decisin, la Funcin Objetivo y las restricciones. SOLUCIN DEL PROBLEMA Se utilizan algoritmos bien definidos de optimizacin. Se encuentran los valores de las variables de decisin. decisin. Se realizan anlisis de sensibilidad. PRUEBA DEL MODELO Y MEJORAMIENTO El modelo entrega una prediccin razonable del comportamiento del sistema estudiado? Tiene sentido la solucin? PREPARAR APLICACIN DEL MODELO Si el modelo va a usarse ms de una vez, preparar un sistema bien documentado para posteriores aplicaciones. Debe incorporar el modelo y procedimiento Debe incorporar el modelo y procedimiento de solucin. IMPLEMENTACIN Traducir los resultados del modelo en instrucciones de operacin. TIPOS DE PROBLEMAS Planificacin de la produccin Optimizacin de carteras Anlisis de riesgo Planificacin de redes de comunicacin Generacin de ofertas en mercados competitivos Generacin de ofertas en mercados competitivos Asignacin de personal Mezclas Transporte Dietas Etc EJEMPLO PLANIFICACIN DE PRODUCCIN Supongamos que se dispone de determinadas piezas para la elaboracin de dos productos finales. Se dispone de 8 piezas pequeas y 6 piezas grandes, que son utilizadas para elaborar sillas (usando 2 piezas pequeas y 1 pieza grande) y mesas (usando 2 piezas de cada tipo). (usando 2 piezas pequeas y 1 pieza grande) y mesas (usando 2 piezas de cada tipo). Interesa decidir cuntas sillas y mesas fabricar de modo de obtener la mxima utilidad, dado un beneficio neto de U$ 15 por cada silla y de U$20 por cada mesa fabricada. EJEMPLO Posibles soluciones factibles a considerar, es decir soluciones que respetan las restricciones del nmero de piezas disponibles, son por ejemplo, fabricar: 4 sillas, que reportan una utilidad de U$60 4 sillas, que reportan una utilidad de U$60 1 sillas y 2 mesas , utilidad de U$55 3 mesas, utilidad de U$60 1 mesa y tres sillas, utilidad de U$65 2 sillas y 2 mesas, utilidad de U$70 etc. EJEMPLO i) Las variables de decisin, que consiste en definir cules son las decisiones que se debe tomar. En el ejemplo, x: nmero de sillas elaboradas. y: nmero de mesas elaboradas. EJEMPLO ii) La funcin objetivo del problema, que permita tener un criterio para decidir entre todas las soluciones factibles. En el ejemplo, maximizar la utilidad dada por: maximizar la utilidad dada por: z = f(x,y) = 15x + 20y EJEMPLO iii) Restricciones del problema, que consiste en definir un conjunto de ecuaciones e inecuaciones que restringen los valores de las variables de decisin a aquellos considerados como factibles. En el ejemplo, respetar la disponibilidad de piezas para la fabricacin de sillas y mesas: Piezas pequeas: 2x + 2y 8 Piezas grandes : x + 2y 6 Tambin se impone restricciones de no negatividad: x,y 0 EJEMPLO En resumen: Max 15x + 20y sa: 2x + 2y 8 x + 2y 6 x,y 0 El ejemplo corresponde a un modelo de Programacin Lineal. Si adems restringimos los valores de x e y a nmeros enteros, tendramos un modelo de Programacin Entera. Por otra parte, si hubiese retornos crecientes a escala, deberamos emplear una funcin objetivo no lineal como f(x,y) = cx a + dy b con a,b >1, y tendramos un modelo de Programacin No Lineal. EJEMPLO PROBLEMA DE LA DIETA Una dieta diaria satisfactoria debe contener al menos 2000 [kCal], 55 [g] de protenas y 800 [mg] de calcio. Se pide formular un modelo que permita determinar una dieta satisfactoria de mnimo costo a partir de los alimentos indicados en el Tabla: alimentos indicados en el Tabla: EJEMPLO En este caso resulta natural definir como variable de decisin : la cantidad de alimento tipo "i"(i =1.6) a consumir. Como cada alimento tiene un costo, basta ponderar cada variable de decisin por su respectivo variable de decisin por su respectivo coeficiente y construir la funcin objetivo a minimizar. Las restricciones obedecen a los lmites diarios de consumo por alimento y a las condiciones de energa, protenas y calcio que debe cumplir la dieta. EJEMPLO Por lo tanto el modelo queda: