Investigacion de Operaciones 1 Unidad 1 UNIDAD 1: INTRODUCCION A LA INVESTIGACION DE OPERACIONES, Conia: Delisicén, dearollo y pos de modelos de | Investgacibn de Operaciones 1.2 | Fases de estudio de la Tnvestigacién de Operacones. | 13 | Principales aplicaciones dela 1.0. | 18 | Metodologia para modelacion, 1S | Formulacin de problemas linesles més comunes, ‘Competencia especificn a desarrollar en Ia unidad 1: J) Idenfcar las aplicaciones dela imvestigacion de operaciones 2) Conocer y aplcar la terminologia propia dela 10 I como variables de decisiin, coeicentes tcnoligices,optimizaciin, ‘recursos, condicion de no negatividad: 3} Conocer las etapas de un proyecto de 10 I. Objetivo 1.1 Definicién, desarrollo y tipos de modelos de Investigacién de Operaciones Definiién dela LO. [Existen muchas defniciones sobre LO. que se pueden considera cas iguales en su concep Una de las mis complet sedebea Robert E. Thiewuty Ricahard A. Grosse y se enna as: “La LO. es la aplicactin por grupos interdisciplinarios del méuodo clentifico a problemas relacionados com el control de {us organizaciones 0 sistemas (hombre-miquina) a finde que se produscan soluclones que mejor srvan a fos objtivos dd toda la organtzaciin™ Desarrollo dela LO. La LO. es un enfoque cientifco de Ia toma de decisiones que tiene reconocido su rigen,principalmente a partir de los trabajos de Frederick W. Taylor, los esposos Gilbrothy Henry L. Gantt. Mas formalmente se puede decir que se iniciéen Ia segunda guera mundial. En EU, la fuerza aérea la denominé "Aniliss de Operaciones", mientras que en el ejeitoy a ‘marina. se identficaba como "Investigacion de Operaciones" y_"Evaluacién de Operaciones", respectivamente. ‘imulténeamente, en Inglater tomabs el nombre de "avestigacién Operacional", mientas que en Canadé y Francia no tenia identificacién, ain de que se efectuaban trabajos de optimizacén en recursos para aventajar alos enemigos en ls toma e decsiones| [Los estragos causados por Is segunda gueca mundial reflejaron paises, que administativamente, en aspectes industri, social y econémico estaban severamente afectados. Esto obligé a echar mano de los grupos investigadores con el fin de ayudar a restructurar los paises respoctivas. Fue asi como en la administacién nacieron los grupos de 1.0, ‘La gama de aplicacién de la LO. es extmordinariamente amplis, se aplica en negocios, la industria, el gobiemo, haspitales, epone, et. Es decir, se aplica a problemas que se referen a is conduccién y coordinacién de operaciones © actividades dentro de una organizacion, Con la LO. se adopta un punto de vista omanizacional. Puode decrse que e intenta resolver los conficos de interesesentte los componentes de a organizaci de forma que el resultado sea el mejor paral organizacion completa Debido a la gran importancia de la 10. se han fundado on varios paises del mundo socidades profesioneles deicadas & ‘ste campo y a actividades afines. En EU. la ORSA (Sociedad de le LO. de América) se esiablecis en 1952 y el TIMS (Instituto de Ciencias de la. Adminstracibn) fue fundado en 1953. Cade una cuenta actualmente Con cerca de 6000 ‘miembros y publican periddicamente revsias que informan de evoluciones aplicaciones mucves. En paises como Inglaterra, Franca, India, Japén, Canada y Alemania se hacen publicaciones similares, Ing. Miguel Angel Caballero Laon flInvestigacion de Operaciones 1 Unidad 1 ‘Tipos de modelos dela LO. ‘Los modelos son una representacin 0 abstraccién de un situacién u objetos reales, que mucstran las rolaciones(directas 0 Indirectas) y ls interrelaciones dela accion yl eaccién en tings de causs- 3. Una condicion de no negatividad o sin restieién en signo. ‘A modo general un MPL. tiene la siguiente estructura: F 0, (Guncién objetivo) (Max o Min) Z= Cx) + Catg> = + Coty 5. (jet) ayy ats ++ inky (295, she (S =. 2) bs sy + a+ gi + Oaaky + Ba (S=,2) be 20, para toda jo (ars) donde: = coefcientes de costo o beneficio, 1x)" varables de decisi, Se recomiendan los siguientes pasos al formulae problemas de PL. 1. Defnircomectamente las variables de decisién 2. Determinar la tendencis dela funcion objetivo (maxinizar © minimizat) 3. Relacionar adeciadumente ls coficientes tcnoldgicos con sus variables de decisin en cada restrict, asi como su constant restrictive ‘4. Reviser que en cada resticcin exist las mismas unidades tanto del Indo izquierdo como del derecho del sigo de telacin, 5. Expresar la condiciin de no nogatvidedo a(n), ‘Ing. Miguel Angel Caballero LenInvestigaciin de Operaciones 1 Unidad 1 ‘Ohjetivo 1.5 Formulacién de problemas lineales mis comunes [Bjemplo 1.1 MEZCLA DE PRODUCTOS (Fj. s/n. Pig. 16. Investigncién de operaciones. Mora). La casa pastlers “EL “Migajon Homeada” produce entre ottos productos dos tipo de pasteles, que son consumidos ela catidad que se producen iariamente; es decir, la demanda es al que cubre por mucho la expacidad de producién de esos pasteles, [La produccién de dichos pasteles se ve limitda fundamentalmente por la materia prima con la que se cuenta diariamente para su elaboracin: la pasteleria dspone cada dia para tal fn de 160 hy de harna, 110 kilos de manta y 150 de aricar En resto dels ingredients nose tienen restricciones. El patel A requere de 2 kilos de harna, 1 kilo de mantecey 1 kilo de aicar; el pastel B require de 1 kilo de harina, 2 de mantecay 3 de azicar El problema que se plantea “EI Migajén Horneado” es saber culos pasteles debe elaborar dariamente para obtener una utilidad maxima, apresiando que los pasteles tipo A brindan, cada uno, una utlidad real de § 80 y lo del tipo B una de $ 120. Formule El MPL. comespondiente. ‘Ejemplo 1.2 MEZCLA DE PRODUCTOS. (Ej. |. Pig. 25. lnvestigacin de operaciones. Mora). Una compa fabrica dos clases de vestidos de lana. El vestido A es de mayor calidad que el vestido B. La ganancia que se obtiene en uno y otro es de 60 y 30 pesos, respectivamente. Cada vestido de tipo A roquiere del triple de tiempo que el de tipo B para su elaboracion {La compafia tiene una capacidad tal que si solo fabricara vestidas tipo A hari 300 diarios, El abastecimiento de lana Suliciente para 700 vestdos daros tanto del tpo A como del tipo B. El vestido A requere una esol al euello, dels que se tienen solamente 250 diarias. Por su pate, el vestid tipo B requiere un cinturdn del cual se cuenta con 600 diarios, Formule eI MPL, correspondiens Ejemplo 13 MEZCLA DE PRODUCTOS. (Ej. 7. Pig. 41. Investigacisn de operaciones. Mora) Un comercante desea fabricar camisas de dos diferentes calidades y on dos modelos; denominaremos a la calidades primera y segunda, y 2 los ‘ipos XP y XT. Para la fabriacion se requiere de res materiasprimas:algodén, seda y Gira sntética. La tabla siguiente ‘muestra la cantidad que de cade una de las materas primas se requiere para cada tipo y calidad de camisa, asi como la utldad que se obtiene de cada eombinacéa, UNIDADES DE MATERIA PRIMA REQUERIDAS on ALGODON | seDA | FIBRASINTETICA | BENERCIO aoe lea 3 3 je ee 2 2 2 a a 2 oI an o 4 2 nu] Las exstncias mensuales promedio de materias primas son de 100, 130 y 90 mnidades de algodéa,seda yfibra sinttca, respectvamente. Determine &l MPLL. que optimice la utilizcién de recuse. jemplo 14 MEZCLA DE PRODUCTOS. ( ), Se provesun cuatro productos diferentes sucesivamente en dos _miiquinas. Los datos respectivs, se dan a continuacién: UnidadesTnora dol produso Maquina [7 a 3 z 4‘ 2 aes 2 B 3 2 L 2 Et costo total de producir una unidad de cada producto esti basado directamenteenel tempo de le maquina Suponga queef costo por hora de las méquinas 1 y 2 es de $10 y $15 délares, rexpectivamente. La hora totales disponibles per tod los productos en las maiquinas 1 y 2 son $00 y 380, respectivamente. Las ventas mizximas y minimas para cada producto, ast ‘como, el previo de vena unitria se muestran en in tabla acontinacion. Formule el MPL. correspondicte. Ing. Miguel Angel Caballero Len 8“Investigacion de Operaciones 1 Unidad 1 | ——Wentas del produc S/o a ‘Mixinas [480] = | “$00 a0 Minimas_| 30 | so | = | 120 Preio, | 868 | _$10_[ $53] sas jemplo 1.5 MEZCLA DE PRODUCTOS. (fj. 3.1 Pig. 63. Investgacién de operaciones, Mathur ~ Solow). Blubber Maid, Ine. frie tes productos de caucho: Aire (material esponjso), Extendex (material elisticn) y Resistex (material tigido). Los tres products requieren los mismos tres polimeros quimicos y una base. La eantdad de ead ingredenteusada por libra de producto final se muestra en In tabla a continuaci: te (oab de producto Producto _| Plime A | Polimero B | Polimero C “inex 4 zi 4 Extendex 3 2 2 Resistex 6 ‘i 5 ‘Blubber Maid tiene ef compromiso de producit al menos 1000 librs de Alrtex, S00 libras de Extendex y 400 libras de Resisiex para la proxima semana, pero la gerencia de la compatia sabe que puede vender mis de cada uno de los tes ‘productos. Los inventarios actales de los ingredients son S00 libras del polimero A, 425 lias del poimero B, 650 del polimero C y 1100 ibras dela base. Cada iba de Airtex produce a la compania ura ganancia de $7, ca libra de Extendex tuna ganancia de $7 y cade libro de Resisex una ganancia de $6. Como gerente del departamenio de produccién, usted ‘necesita determinar un plan de produccién dptimo para esta semana, Formule ol MP L. correspondiente, Ejemplo 1.6 PROGRAMACION DE AUTOBUSES (Fj, 23-1. Pig. 42. Investigacién de operaciones. Taha). En una ‘cudad se estudia Ie factibilidad de inwoducir un sistema de autobuses de trinsito masivo que disminuya el problema del ‘smog reduciendo el trinsito en la ciudad. 1 estudio incial busca determinar el nimero minimo de autobuses que pueden ‘mejorar las necssidades de transports. Después de recolecar I informacién necesari, el ingeniero municipal advierte que ‘el mimero minimo de autobuses que se necesita para cubni la demanda fluctia con la hora del dia. Estudiando las datos més 2 fondo, desqubrié que el niimero necesario de autobuses se puede suponer constants en intervalossucesivas de cuatro horas cada uno. Se ine decid que pars facilita Ia tansportacin, eadsautobis podia opera solo 8 horas suoesivas al da. [La cantidad actual de autobuses en intervals de 4 bors se ilusta en la sigiente abla, Formule el MPL, que optimice la programacién de autabuses INTERVALO_[ CANTIDAD DE AUTOBUSES_] 2400 4:00 4 | 400 800 8 8.00 12:00, 10 12.00 16:00 7 16.00 -20:00 2 20,00 2400 4 _Ejemplo 1.7 PROBLEMA DE REDES (FLUJO MAXIMO), Hexxon Oil Company tiene una gran refinera localizada en ‘Newark, New Jersey. La gasolin refinada es enviada de alla tanques de almaconamiono en Filadlfia a wavés de una ted 4e oleoductos con estacones de bombeo en Sayerville, Easton, Trenton, Bridgewater y Allentown. El oleoducto esth construdo en seymentos que conectan parejas de estas ciudades. A To largo de cada segmento existe un nimero méximo ‘canocida de galones por hora que pueden enviarse. Estos segment y sus especivascapacidades en galones por hora son ‘Ing. Miguel Angel Caballero Len 9Investigacion de Operaciones 1 Unidad 1 De a] Capacidad Newark | Sayerille | 150000, Seyerille | Trenton 128000 Trenton | Filedelfia 130.000 Newark | Bridgewater | 80.000 Sayerville | Bridgewater | 60 000 Bridgewater | Faston 100.000 Exston Allestown 7500 Easton Trenton 50.000 Allentown | Filadefia 90,000, Bn la region de Filadelia se espera un aumento en la conduccion on los préximot meses de verano, {Tendré Hexxon suficiente gasolina para satisfacer la mayor demands en las estaciones de servicio? Antes de incrementar la tase de Produecidn de la refiners la administracion de Hexxon desea conocer el numero maximo de galones de gasolina por hora ‘que puedan enviarse a través de Ia red de oleoductes a los tanques de almacenamiento de Filadelfia. La relacién combinatori por pares, grificamente es como se indica en la red de la figura 1.2. eepeae Teen Fig 2 Roll obewa Ejemplo 1.8 PROBLEMA DE CORTE. ( _). Una compatia fibricane de papel, produce rollos grandes con anchuras estindar de 240 y 150 em, A fin de satisfucer las érdenes de cierto clientes estos rollos deben see cortados en partes mits ‘angosts, Para el siguiente periodo se necesitan 300 roles de 70 em de ancho, 400 de 90 em v 600 de 35 cm. Formle el MPL que detemine el plan de corte de rolls estindar para satsfucer la demanda Asuma que existe una cantidad itimatad de cada ipo de role estanda. [Ejemplo 1.9 PROBLEMAS DF PRODUCIR ¥ COMPRAR. (Ej. 32. Pig's. 66 y 67. Investigacion de operaciones. Mathur = Solow). MTY Steel Company produce tres tamaios de tubes: A,B y C, que son vendios,respectivamente en $10, $12 y ‘9 por pie. Pars fabricar cada pie del tubo Ase requieren 0.5 minutos de empo de procesumiento sobre un tipo particular dde maquina de modelado. Cada pie dol tubo B require de 0 45 minute y cada pie dl tubo C requere de 0.6 minutos. Después dela produccién, cada pie de tubo, sin importrel ip, requiere 1 onza de material de solar El costo total se ‘estima en $3, 4 y $4 por pie de Ios tubos A,B yC, respectivamente, Para Ia semana siguiente, MTV Steal he recibido padidos excencionaimente grandes qu totalzan 2000 pies dol tubo A 4000 del tubo B y 5000 pies del tubo C. Como s6lo se dispone de 40 horas de tiompo de miquina esta somana y solo se ‘enen en inventario 5500 onzas de material de soda, el departamento de produccion no podrasatisfacer esta demanda, que require un total de 97 horas de tiempo de miquina y 11000 onzas de material de soldar. No se espera que contin este nivel alto de demanda. En vez de expand la capacidad de Ins instalaciones de produced, la gerencia de MTV Steel ext ‘considerando la compra de algunos de estos tubos a provesdores de Japén aun cost deentega de 6 por pie del tubo AS Por pie del tubo B y $7 por pie del mabo C. Como gerente del departamenio de produccion, se le he pedido hacer Fecomendavionesrespecto a la eantidad de produccion de cada tipo de tbo y ha pedi hacer recomendacionesvespeco a in Ing. Miguel angel Caballero Leén 10Investigacion de Operaciones 1 Unidad 1 sa Xt 2%<5 Xt sd %i,%20 Ing. Miguel Angel Caballero Len 4Investigacion de Operaciones 1 Unidad 1 epee etl Ha Figura 1.5 Solucén grifien del ejemplo 1.17 Soluciin no acomda "Nuevamente del concoptogrifico, Obsérvese la figuras continuacién donde no se ciermeléreafactble,nétese emo queda ‘orientada de un lado hacia infnito. Aqui, cualquier valor en ese espacio satisface a as restricciones, Mis, es coaveniente revisar el modelo ya que eso explca que existe ua mala construccén de éte. Es ildgico que un modelo produzca una _gananci “infinita”. Ls iregularidades mas comunes son: 1) no se toman en cuenta una 6 mds resticiones redundant, ¥ 2)no se determinan correctamente ls parimetros (constants) de algunas resticeiones, Ejemplo 1.18 Max 2.=2%,+% a X-Xs10 Xt 40 Xi, %20 Le press 5 Figura 1.6 Solucién grfica dl ejemplo 1.18 Solucidn infactble Grifcamente, esta situacién se observaré cuando al tazar las recta do la resticciones y determinarles los adosfuctibles ‘especives (individuals), nose genera un érea, un sepmento own punto factible Ing. Miguel Angel Caballero Len 158Investigacion de Operaciones 1 Unidad 1 sta seré la indicacién de que el problema es infactible. Es posible entonces, que el problema no se haya formulado correctamente en virtud de que ls estrcciones estin en conflict y nose satisficen simoleineamente Una solucidn infactible nose presenta en los problemas donde todas ls estrcsiones tienen signo de (<) sin lads derechos negatives. jemplo 1.19 Max Z.=3X) + 2% sa 2X+ Xs2 3X, 4%2 12 X%20 Figura 1.7 Solucén grfica dl ejemplo 1.19 Ing. Miguel Angel Caballero Lain 16