NMEROS NATURALES

EIN 793 681

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: