Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
OPERACIONES
SEMANA 1
MODELOS LINEALES
2015
1. Definicin:
a) Observar la realidad
tiempo ha
restricciones, objetivos).
c) Construccin o formulacin del modelo
cambiando;
(la
para la ORSA
realidad
se
d) Recojo de datos.
e)
disear
en
forma
matemtica)
como
expresa
operar
el
mejor
sistema
Solucin
del
modelo
(se
diferentes algoritmos).
f)
g) Interpretar resultados..
utilizan
QUESNAY.
Modelos de Distribucin:
Kantorovich en 1939.
Durante la Segunda Guerra Mundial existan
grupos que asesoraban con relacin a las
acciones
blicas
realizar:
Anlisis
de
de operaciones
logsticas; en
1937
Cientficos
ayudaron
detectar
aeroplanos
1941 se
estable una seccin de Operations Research
(O.R,en espaol Investigacin de Operaciones o
( I.O.) en la RAF(Real Fuerza Area) de igual
modo en la British
5
Army y la Navy. Estos cientficos fueron conocidos como los O.R, por ser los primeros
investigadores operacionales. Al final de la guerra un grupo de ellos se dedica a la
industria y al gobierno, empezando la palabra I.O. para designar a aquellos cientficos que
se preocupaban por resolver los problemas que aparecan en la administracin.
Se le debe a Gran Bretaa el haber iniciado la I.O. y a Estados Unidos
por el rpido
Debemos ser claros que los avance de los modelos matemticos de la Investigacin de
operaciones se han basado en estudios hechos de Clculo Diferencial
e Integral (Newton, Lagrange, Laplace, Lebesgue, Leibnitz, Reimman,
Stieltjes, por mencionar algunos), la Probabilidad y la Estadstica
( Bernulli, Poisson, Gauss, Bayes, Gosset, Snedecor, etc.).
* Ao en que se dio inicio a la programacin y con el uso de las
computadoras se empez a extender la Investigacin de Operaciones.
El tiempo va avanzando y para 1963, se haban clasificado las
aplicaciones en I.O., en problemas estructurales, de 8 formas bsicas:
1. Asignacin.
2. Inventario.
3. Reemplazo.
4. Lneas de espera.
5. Secuenciacin y coordinacin.
6. Trayectorias.
7. Competencia.
8. Bsqueda.
6
a) Genera la posibilidad de mejor toma de decisiones en toda organizacin, uniendo
tcnicas, grupos multidisciplinarios, software, datos econmicos, brindan una
mejor solucin a problemas de gran inters a solucionarse.
b) Optimizar la coordinacin entre los diferentes departamentos de las organizaciones,
generando un mayor flujo de informacin con orden y haciendo buen uso del
tiempo para generar informacin importante para mejorar la toma de decisiones.
c) Se genera mayor control de los procesos y recursos, teniendo controlada la
organizacin para contribuir a lograr los objetivos planteados.
d)
7
Funcin Objetivo( F.O.):
Para seleccionar que funcin objetivo debe elegirse se debe tomar en cuenta lo siguiente:
a) Si vamos a encontrar situaciones en las cuales tendremos solo costos ya sea de materia
prima, costo de mano de obra, costo de uso de mquina, costos de transporte, costos de
depreciacin ,etc. esto indica que indudablemente la F.O. ser de MINIMIZACION.
b) Si el enunciado solo da datos econmicos de ganancia, precio de venta o dinero a recibir
por unidad producida la F.O. ser de MAXIMIZACION.
c) Si el enunciado nos da al mismo tiempo costos y ganancias restaremos de la siguiente
manera:
GANANCIAS - COSTOS = UTILIDAD, la que tendr como F.O. MAXIMIZACION.
d) Si no nos dan ningn datos econmico y solo se da tiempos, el tiempo se minimiza, si
nos da solo produccin, la produccin se ha de maximizar, si el modelo corresponde a
contratar al personal, la funcin objetivo se minimiza.
Restricciones:
Estas limitaciones o restricciones en los modelos lineales tienen slo las siguientes
estructuras: <= , >=, =.
Muchos problemas tienen expresiones caractersticas que nos pueden anunciar que tipo de
restriccin debemos usar, por ejemplo:
Usar
<=
>=
=
Finalmente las restricciones deben tener las mismas unidades en tanto en su lado
izquierdo como derecho.
La no negatividad de algunas variables son muy importante para definir la solucin de
algunos modelos, por lo tanto se dice que todas las variables son >=0.
8
b)
Como parte de las tradiciones del ltimo mes del ao, miles y miles de peruanos
estn listos para viajar fuera y dentro del pas por Navidad y Ao Nuevo.
Para poder tener una grata estancia durante estas fiestas en el Aeropuerto
Internacional Jorge Chvez e iniciar su placentero viaje, Lima Airport Partners
(LAP), operador del terminal areo, brinda una serie de recomendaciones para los
pasajeros:
Llegue al Aeropuerto con la debida anticipacin (mnimo 3 horas antes de la salida
de un vuelo internacional, y 2 horas antes de la salida de un vuelo nacional).
Prefiera el check-in electrnico.
Ingrese a la sala de embarque inmediatamente despus de realizar el check-in.
Santiago Javez Valladares
http://aeronoticias.com.pe/noticiero/index.php?
option=com_content&view=article&id=52915:recomendaciones-en-elaeropuerto-por-fiestas-de-navidad-y-ano-nuevo&catid=66:transporteaereo-nacional&Itemid=574
Leyendas Urbanas
Santiago Javez Valladares
10
De George B. Dantzig (1914-2005), reconocido matemtico asociado al desarrollo del mtodo
simplex y considerado como "padre de la programacin lineal", se cuenta un curioso sucedido
universitario.
Una historia acadmica que devino en leyenda urbana, para terminar convirtindose en pelcula
cinematogrfica. Tal como se lo estoy contando.
Conozcamos primero la historia universitaria.
En 1939, estando Dantzig de graduado de la Universidad de California, en Berkeley, cierto da lleg
tarde a un seminario. Al sentarse vio que en la pizarra, el profesor Jerzy Neyman haba escrito los
enunciados de dos problemas estadsticos.
Unos problemas que l pens deban ser tareas mandadas para casa, as que los copi en su
cuaderno.
Aunque pasado el tiempo confes que los problemas le parecieron un poco ms difciles de lo
normal, lo cierto es que, unos das despus, los tena resueltos. Por lo que se apresur a
entregarlos.
Hasta aqu, todo de lo ms normal dentro de la prctica docente.
La sorpresa vino cuando, unas semanas despus, Dantzig recibi la visita de un, excitado, profesor
Neyman.
Y lo cierto es que haba motivos, ms que de sobra, para tal excitacin.
Los problemas que haba copiado de la pizarra no eran tareas para casa. En realidad se trataban de
dos famosos problemas de estadstica, no resueltos por nadie hasta ese momento.
Y eso que tenan ya una antigedad de ms de un siglo.
Y hete aqu que l, con slo 25 aos, los haba resuelto en unos das. Era increble. Increble, pero
cierto.
Por eso el profesor le peda autorizacin para publicar en una revista matemtica la solucin del
primer problema.
Unos aos despus otro matemtico, Abraham Wald, publicaba un artculo con la solucin del
segundo problema, incluyendo a Dantzig como coautor.
Hasta aqu la historia real.
Con el tiempo este anecdotado se difundi y fue usado, algo modificado, por docentes e
investigadores universitarios.
Es lo que se dice un clsico en las facultades de ciencias, basado en un hecho real.
Se suele utilizar como una muestra del potencial del pensamiento positivo. Ya saben. Si uno
mismo se cree capaz de lograr algo, ya parte con ms de la mitad de posibilidades de conseguirlo.
http://enroquedeciencia.blogspot.com/2011/07/la-historia-universitariade-dantzig.html
11
12
El objetiv
o a largo
plazo
de IBM es
fabricar
un
complejo
de
componentes
como
mximo 10 millones de neuronas, an
muy lejos del cerebro humano, que incluye
un total de 100.000 millones. El objetivo es
llegar a crear a lo ms 100 billones de
sinapsis en un espacio inferior a dos litros,
todo
consumiendo
un
kilowatt
de
electricidad, precis IBM.
POSIBLES USOS
Una computadora cognitiva ser capaz,
por ejemplo, de lanzar un alerta de tsunami,
analizando informacin de diferentes
sensores marinos y recopilando datos
sobre temperatura, presin y altura de las
olas en un mximo de dos minutos,
dijo IBM. Tambin podra ayudar a los
distribuidores minoristas a gestionar sus
inventarios de productos frescos gracias a
su sentido del olfato de hacer un pedido
exacto.
Para la segunda fase del proyecto, llamado
SyNAPSE, IBM solicit la ayuda de varias
universidades, como mnimo las de
Columbia, Cornell, California y Wisconsin.
El proyecto recibe un financiamiento
mximo de 21 millones de dlares de
la DARPA, la agencia que financia
proyectos de alta tecnologa en el mbito
de la defensa.
Preguntas
1.-Cuntas restricciones ha encontrado?
2.-Cuantas son del tipo:
http://elcomercio.pe/tecnologia/actualid
ad/ibm-desarrolla-chip-computadoraque-aprende-sus-experiencias-noticia1054111
Tipo
<=
>=
=
total
Sistema Inmobiliario
La inmobiliaria ARTECO est considerando un nuevo proyecto para la construccin de casas y
departamentos, para ello ha logrado comprar un
terreno de 6000 m2 al sur de la ciudad, despus de
separar terreno para veredas, jardines, parque
interior y cochera quedan 4200 m2 efectivos para
construccin. Despus de realizado los estudios de
suelos se ha llegado a la conclusin que se pueden
construir por lo menos 2 torres de 8 pisos, en cada
piso se va a tener 2 departamentos, en cuanto a la
cantidad de casas la cantidad minia es de 20 casas.
Una casa ocupara 120 m2 y una torre ocupara 180
m2. El precio de venta de cada casa es de $80000 y
de cada departamento es de $50000. Cuantas casa
y departamentos cree ud. que se deben construir para lograr el mayor ingreso posible?
1.- Variables de Decisin:
X1= Cantidad de casas a construir.
X2=Cantidad de Departamentos a construir.
2.- Funcin objetivo:
max=80000*x1+50000*8*2*x2;
3.- Limitantes:
Metros cuadrados:
120*x1+180*x2<=4200;
Reporte de LINGO:
Objective value:
Infeasibilities:
Total solver iterations:
Variable
X1
X2
9600000.
0.000000
0
Value
20.00000
10.00000
Reduced Cost
0.000000
0.000000
Publicidad
Considerando que la publicidad es importante, ARTECO ha decidido
colocar paneles publicitarios tanto en la Av. Amrica y Av. Espaa,
se ha calculado que en promedio mensualmente 6000 personas
ponen inters en los paneles en la Av. Amrica y 8000 personas en
los paneles de la Av. Espaa, por condiciones de la regulacin de
publicidad la cantidad de paneles mximos en cada avenida es de
10 paneles, por ser la Av. Amrica con mayor flujo vehicular se debe
colocar como mnimo 2 paneles, el costo por panel es de s/10000 por cada panel en la Av. Amrica y s/8000
por panel en la Av. Espaa , el presupuesto destinado por publicidad es de s/500000 al mes. Cuantos
paneles recomendara colocar en cada avenida para que la mayor cantidad de pblico pueda verlos?
1.- Variable de Decisin:
X1= Cantidad de Paneles en la Av. Amrica.
X2= Cantidad de Paneles en la Av. Espaa.
2.- Funcin objetivo:
max= 6000*x1+8000*x2;
10000*x1+12000*x2<=200000;
3.- Limitantes:
x1<=10;
x2<=10;
x1>=2;
4.- No Negatividad:
X1>=0, X2>=0
Reporte de LINGO
Global optimal solution found.
Objective value:
Infeasibilities:
Total solver iterations:
Variable
X1
X2
128000.0
0.000000
1
Value
8.000000
10.00000
Reduced Cost
0.000000
0.000000
Horario 1
2
4
2
5
Horario 2
2
3
3
5
Horario 3
4
2
2
3
Horario 4
3
5
4
2
En qu horario cree ud. debe estar cada seorita para que la posibilidad de venta sea mayor?
Variables de Decisin:
Xij= 1 la Srta, i (i=Mery,Cecilia,Blanca,Roesa=1,2,3,4) es asignada al horario j(j=1,2,3,4)
Funcin Objetivo:
Max =2*x11+2*x12+4*x13+3*x14+4*x21+3*x22+2*x23+5*x24+2*x31+3*x32+2*x33+4*x34+5*x41
+5*x42+3*x43+2*x44;
Limitantes:
X11+x12+x13+x14=1;
X21+x22+x23+x24=1;
X31+x32+x33+x34=1;
X41+x42+x43+x44=1;
X11+x21+x31+x41=1;
X12+x22+x32+x42=1;
X13+x23+x33+x43=1;
X14+x24+x34+x44=1;
No negatividad:
Xij>=0
Reporte de LINGO
Optimal solution found at step:
3
Objective value:
17.00000
Variable
X11
X12
X13
X14
X21
X22
X23
X24
X31
X32
X33
X34
X41
X42
X43
X44
Value
Reduced Cost
0.0000000E+00
0.0000000E+00
0.0000000E+00
0.0000000E+00
1.000000
0.0000000E+00
0.0000000E+00
0.0000000E+00
1.000000
0.0000000E+00
0.0000000E+00
1.000000
0.0000000E+00
4.000000
0.0000000E+00
0.0000000E+00
0.0000000E+00
1.000000
0.0000000E+00
0.0000000E+00
0.0000000E+00
3.000000
1.000000
0.0000000E+00
0.0000000E+00
0.0000000E+00
1.000000
0.0000000E+00
0.0000000E+00
4.000000
0.0000000E+00
4.000000
Transporte
Una empresa ha decidido cubrir tres zonas de ventas. Se muestran las capacidades de las plantas y los costos de
produccin. Identifique las variables de decisin y elabore un modelo PL que asigne la produccin de los tres productos a
las dos plantas en forma tal que cubran la demanda y minimicen los costos.
Costos unitarios de distribucin
PLANTA
NORTE
$0.9/caj
a
0.8
400
CAJAS
2
DEMAN
DA
ZONA
CENTR
O
$1.8
$1.2
1.9
250
CAJAS
0.7
350
CAJAS
Variable de Decisiones:
Xij= Cantidad de cajas a
(i=1,2) hacia la zona j (j= Norte,Centro,Sur=1,2,3).
SUR
CAPACIDA
D
500 CAJAS
650 CAJAS
enviar desde la planta i
Funcin objetivo:
Min= 0.90*x11+1.8*x12+1.2*x13+0.80*x21+1.9*x22+0.7*x23;
Limitantes:
X11+x12+x13<=500;
X21+x22+x23<=650;
X11+x21=400;
X12+x22=250;
X13+x23=350;
No Negatividad:
Xij>=0
Reporte de LINGO
Objective value:
Variable
X11
X12
X13
X21
X22
X23
1025.000
Value
Reduced Cost
100.0000
0.0000000E+00
250.0000
0.0000000E+00
0.0000000E+00
0.4000000
300.0000
0.0000000E+00
0.0000000E+00
0.2000000
350.0000
0.0000000E+00