PROGRAMACION LINEAL “Actividad 6 Trabajo Colaborativo 1”

Realizado por: Humberto Artunduaga Pérez C.C. 16188833 Estudiante de Ingeniería Industrial

Presentado A: Fredy Iván Vega Matiz Tutor del Curso

Grupo N° 100404_319

e-mail: hartunduagap@unadvirtual.edu.co

UNIVERSIDAD NACIONAL ABIERTA A DISTANCIA “UNAD” CEAD: Florencia - Caquetá Abril de 2014

INTRODUCCIÓN Al realizar la presenta actividad nos da a conocer los temas que son de vital importancia en el curso de programación lineal, de esta forma hacemos una profundización en el curso, con el contenido y metodología del mismo, de esta manera podemos aclarar conceptos y hacer un reconocimiento previo de los temas y del método de estudio. Este trabajo tiene por finalidad introducirnos como estudiantes en el curso de programación lineal, en su estructura y temática, con el propósito de tener un mayor conocimiento acerca de la estructuración del mismo. Se han relacionado actividades donde se conceptualizan y explican la forma más clara y concisa el contenido del curso. La realización del trabajo se utilizó las herramientas necesarias para llevar a cabo lo manifestado en la guía, las intenciones como tal del curso es la búsqueda y apropiación de todos los recursos y la tecnología que estén a al alcance para el acompañamiento en nuestro aprendizaje.

FASE 1.

1. Realizar una síntesis de cada modelo.

Modelo determinísticos: Se suponen que las variables de todas las variables no controlables y los parámetros se conocen como certeza y son fijos, esta clase de modelo se maneja porque son manejables, los modelos matemáticos bajo suposiciones determinísticos que bajo suposiciones probabilísticas, algunos sistemas del mundo real son lo suficientemente estables como para modelarlos eficazmente con enfoques determinísticos y permiten la introducción de incertidumbre.

Se caracterizan porque maximizan o minimizan algunas funciones objetivo (reemplazando, expresado en términos de variables y parámetros),

generalmente sujetos a un conjunto de restricciones.

En los Modelos de Transporte y los de Asignación los cuales pueden hacer más eficientes los procedimientos de solución, los modelos de programación de metas optimizan una función objetivo de criterios que es lineal, sujeta a un conjunto de restricciones lineales. La distinción entre los Modelos de Optimización Lineales y no Lineales se basa en la naturaleza de la función objetivo y/o las restricciones.  Modelo de optimización no lineal: Son tipos de modelos que se caracterizan porque tanto la función objetivo como las restricciones no pueden ser expresadas como una combinación lineal de las variables, es decir, la función objetivo y las restricciones no son funciones lineales de las variables sino que pueden ser funciones de orden superior., su clasificación da teniendo en cuenta el método de solución y no su estructura.

Es un procedimiento de soluciones para sistemas de igualdades y desigualdades, las cuales están sometidas a una serie de restricciones, en un conjunto de variables reales, donde se debe maximizar una función objeto, siempre y cuando alguna de las restricciones o la función no sean lineales.  Métodos Clásicos: Son tipos de métodos que emplean el cálculo diferencial para hallar las soluciones óptimas a los sistemas.  Método de Búsqueda: Es aquel que permite recuperar información de un vector o un archivo que contenga una lista de datos. Cuando se realizan búsquedas sobre vectores, se desea es encontrar la posición que ocupa el elemento buscado dentro de la lista de elementos que contiene el vector.  Programación no lineal (PNL): Es el proceso de resolución de un sistema de igualdades y desigualdades sujetas a un conjunto de restricciones sobre un conjunto de variables reales desconocidas, con una función objetivo maximizar, cuando alguna de las restricciones o la función objetivo no son lineales.  Modelo de optimización lineal: En este caso es necesario que las restricciones y la función sean de tipo lineal, formulándose a través de ecuaciones e inecuaciones lineales donde se hallan series de soluciones o un conjunto factible. Los casos especiales de la programación lineal son, los modelos de transporte y asignación.  Modelos Estocásticos: 

Tratan los parámetros de modelos de optimización como variables aleatorias de distribuciones muéstrales específicas.

Representan un área de la programación matemática en la que no se aplican suposiciones determinísticas.

 Modelos híbridos: se compone de la programación dinámica la cual tiene enfoque a la optimización deseable, los inventarios que ocupan una categoría especial ya que han sido desarrollados especialmente para un área dada de aplicación, la simulación representa el comportamiento de sistemas complejos por modelos lógicos o matemáticos computarizados.

La Teoría de Decisiones representa la toma de decisiones bajo incertidumbre, la cual incorpora e integra conceptos de la teoría de utilidad, de la teoría de distribución de probabilidades y de la teoría de probabilidad de Bayes.

La Teoría de Juegos caracteriza el comportamiento de la toma de decisiones bajo conflicto o competencia.

De cada modelo Ejemplos:

Modelo Determinístico Ejemplo:  La planificación de una línea de producción, en cualquier proceso industrial, es posible realizarla con la implementación de un sistema de gestión de procesos que incluya un modelo determinísticos en el cual estén cuantificadas las materias primas, la mano de obra, los tiempos de producción y los productos finales asociados a cada proceso.

Modelo Escolástico Ejemplo:  Un granjero posee 100 Hectáreas. de terreno en las que sólo puede plantar cereales o caña de azúcar. El problema es determinar cuál debe ser su política de explotación óptima, es decir, qué plantar y cuánto plantar teniendo en cuenta los recursos disponibles.

 Fines Maximizar el beneficio Características Variables que describen los costes de producción, personal, maquinaria, precios de materias primas y de venta de productos, Procesos que tienen lugar en el proceso de cosecha. 

Hipótesis – “El coste del gasóleo se mantendrá K en el periodo” – “Los trabajadores no harán huelgas”, …

Puntos fuertes y débiles del modelo

Fuertes: modelo matemático Débiles: experiencia, semillas, etc.

Posibles mejoras

-

Función de medida del beneficio

Escriba la importancia que tiene la investigación operativa en su vida profesional y cotidiana.

Como profesional en este momento nos enfrentamos a tomar decisiones de manera racional., debido al impacto de la investigación de operaciones en el mejoramiento de la eficiencia de numerosas organizaciones de todo el mundo, ha sido bastante grande.

En el módulo de programación lineal podemos observar que la investigación de operaciones ha hecho contribuciones significativas al incremento de la productividad dentro de la economía de varios países, por este motivo es de gran importancia para nuestra vida profesional, y a la metodología adquirida en el cual me ayuda a mi formación y crecimiento profesional dentro de las funciones de una organización.

La toma de decisiones es una elección que debemos enfrentar en todas las áreas de nuestra vida y durante todo el transcurso de la misma. Las estadísticas expresan que cada día tomamos más de 2500 decisiones, siendo muchas de ellas trascendentales para cambiar el rumbo de nuestra vida. En nuestra vida académica y laboral es igual, debemos tomar decisiones que traerán beneficios o por el contrario fracaso, ejemplo: Realizo el trabajo de PL, o no lo realizo, estudio para el examen o no estudio, soy cumplido, honesto y diligente en mi empresa o no lo soy... Todas estas cosas hacen que nuestra vida tome diferentes rumbos., es ahí donde la investigación de operaciones juega un papel muy importante en el caso de nuestra área académica y laboral, ya que esta herramienta nos enseña las pautas a seguir para poder tomar una decisión adecuada o darle forma a un modelo de solución de un problema determinado que al final se convertirá en decisiones y dependiendo de la calidad del modelo así mismo obtendremos un buen resultado.