www.monografias.

com

Investigacin de operaciones modelos y aplicaciones de programacin lineal

1. 2. 3. 4. !. La investigacin de operaciones, uso de modelos y metodos de optimizacion Programacion lineal El metodo simplex odelo de transporte El pro"lema de la asignacin #i"liogra$ia

6.

I. LA INVESTIGACIN DE OPERACIONES, USO DE MODELOS Y METODOS DE OPTIMIZACION

I.1 INTRODUCCION A LA INVESTIGACIN DE OPERACIONES 1. %n poco de &istoria Se inicia desde la revolucin industrial, en los libros se dice que fue a partir de la segunda Guerra Mundial. La investigacin de operaciones se aplica a casi todos los problemas. En 19 !, en EE.""., George #at$ing encuentra el m%todo simple& para el problema de programacin lineal. En la investigacin de operaciones, las computadoras son la 'erramienta fundamental en la investigacin de operaciones. 2. 'e$inicin La (nvestigacin de )peraciones, es la aplicacin del m%todo cient*fico por un grupo multidisciplinario de personas a un problema, principalmente relacionado con la distribucin efica$ de recursos limitados +dinero, materia prima, mano de obra, ener !a" , que apo,ados con el enfoque de sistemas +este enfoque, es aquel en el que un grupo de personas con distintas -reas de conocimiento, discuten sobre la manera de resolver un problema en grupo... /uede considerarse tanto un arte como una ciencia. 0omo arte refle1a los conceptos eficiente , limitado de un modelo matem-tico definido para una situacin dada. 0omo ciencia comprende la deduccin de m%todos de c-lculo para resolver los modelos. 2.1 Pasos del (todo cient)$ico en I* 1. 'e$inicin del pro"lema.2 #esde el punto de vista de la (nvestigacin de operaciones+().,esto indica tres aspectos principales3+a."na descripcin de la meta o el ob1etivo del estudio,+b."na (dentificacin de las alternativas de decisin , +c. "n reconocimiento de las limitaciones, restricciones , requisitos del sistema 4. +onstruccin del odelo. #ependiendo de la definicin del problema, el equipo de investigacin de operaciones deber- decidir sobre el modelo mas adecuado para representar el sistema +modelo matem-tico, modelo de simulacin5 combinacin de modelos matem-ticos, de simulacin , 'eur*sticos. 6. ,olucin del odelo.2 En modelos matem-ticos esto se logra usando t%cnicas de optimi$acin bien definidas , se dice que el modelo proporciona una solucin optima. Si se usan los modelos de simulacin o 'eur*sticos el concepto de optimalidad no esta bien definido, , la solucin en estos casos se emplea para obtener evaluaciones apro&imadas de las medidas del sistema .-alidacin del odelo.. "n modelo es valido si, independientemente de sus ine&actitudes al representar el sistema, puede dar una prediccin confiable del funcionamiento del sistema 7. Implantacin de los resultados /inales.2La tarea de aplicar los resultados probados del sistema recae principalmente en los investigadores de operaciones. Esto b-sicamente implicar*a la traduccin de estos resultados en instrucciones de operacin detallada, emitidas en una forma comprensible a los individuos que administraran , operaran el sistema despu%s. La interaccin del equipo de investigacin de operaciones , el personal de operacin llegara a su m-&imo en esta fase. I.# TIPOS DE $ODELOS DE INVESTIGACION DE OPERACIONES "n modelo es una representacin ideal de un sistema , la forma en que este opera. El ob1etivo es anali$ar el comportamiento del sistema o bien predecir su comportamiento futuro. )bviamente los modelos no son tan comple1os como el sistema mismo, de tal manera que se 'acen las suposiciones , restricciones necesarias para representar las porciones m-s relevantes del mismo. 0laramente no 'abr*a venta1a alguna

/ara ver traba1os similares o recibir informacin semanal sobre nuevas publicaciones, visite www.monografias.com

www.monografias.com

de utili$ar modelos si estos no simplificaran la situacin real. En muc'os casos podemos utili$ar modelos matem-ticos que, mediante letras, n8meros , operaciones, representan variables, magnitudes , sus relaciones.

/ig.1.20 1epresentacin de un modelo 1. odelos atem2ticos "n modelo es producto de una abstraccin de un sistema real3 eliminando las comple1idades , 'aciendo suposiciones pertinentes, se aplica una t%cnica matem-tica , se obtiene una representacin simblica del mismo. "n modelo matem-tico consta al menos de tres con1untos b-sicos de elementos3 -aria"les de decisin y par2metros Las variables de decisin son incgnitas que deben ser determinadas a partir de la solucin del modelo. Los par-metros representan los valores conocidos del sistema o bien que se pueden controlar. 1estricciones Las restricciones son relaciones entre las variables de decisin , magnitudes que dan sentido a la solucin del problema , las acotan a valores factibles. /or e1emplo si una de las variables de decisin representa el n8mero de empleados de un taller, es evidente que el valor de esa variable no puede ser negativo.

/uncin *"3etivo La funcin ob1etivo es una relacin matem-tica entre las variables de decisin, par-metros , una magnitud que representa el ob1etivo o producto del sistema. /or e1emplo si el ob1etivo del sistema es minimi$ar los costos de operacin, la funcin ob1etivo debe e&presar la relacin entre el costo , las variables de decisin. La solucin 9/:(M; se obtiene cuando el valor del costo sea m*nimo para un con1unto de valores factibles de las variables. Es decir 'a, que determinar las variables &1, &4,..., &n que optimicen el valor de < = f+&1, &4,..., &n. su1eto a restricciones de la forma g+&1, &4,..., &n. b. #onde &1, &4,..., &n son las variables de decisin < es la funcin ob1etivo, f es una funcin matem-tica. E4E PL* 1.2.10 Sean >1 , >4 la cantidad a producirse de dos productos 1 , 4, los par-metros son los costos de produccin de ambos productos, ?6 para el producto 1 , ?7 para el producto 4. Si el tiempo total de produccin esta restringido a 7@@ 'oras , el tiempo de produccin es de A 'oras por unidad para el producto 1 , de ! 'oras por unidad para el producto 4, entonces podemos representar el modelo como3 Min< = 6>1 B 7>4 +0osto total de /roduccin.

/ara ver traba1os similares o recibir informacin semanal sobre nuevas publicaciones, visite www.monografias.com

www.monografias.com

Su1eto a +S.;.3 A>1 B !>4 7@@ >1, >4C= @

+:iempo total de produccin. +Destricciones de no negatividad.

E4E PL* 1.2.20 En una empresa se fabrican dos productos, cada producto debe pasar por una m-quina de ensambla1e ; , otra de terminado E,antes antes de salir a la venta.El producto 1 se vende a ?F@ , el otro a ?7@ por unidad. La siguiente tabla muestra el tiempo requerido por cada producto3 /roducto 1 4 :otal disponible Maquina ; 4G G AG Maquina E 6G 4G 6F G

/ara representar el modelo de este problema primero se debe determinar las variables de decisin3 Sea >i3 La cantidad a fabricar del producto 1 , 4 +i=1,4., entonces >13 cantidad a fabricar del producto 1, >43 cantidad a fabricar del producto4, luego el modelo quedar*a de la siguiente manera3 Ma&< = F@>1B 7@>4 +m-&imo ingreso por ventas. S.;3 4>1B >4 H= A +disponibilidad 'oras Imaquina ;. 6>1B 4>4 H= 6F +disponibilidad 'oras Imaquina E. >1, >4 C= @ +Destricciones de no negatividad. 2. odelos de ,imulacin La %im&'a(i)n es una t%cnica para crear modelos de sistemas grandes , comple1os que inclu,en incertidumbre. Se diseJa un modelo para repetir el comportamiento del sistema. Este tipo de modelamiento se basa en la divisin del sistema en mdulos b-sicos o elementales que se enla$an entre s* mediante relaciones lgicas bien definidas +de la forma S( K EL:)L0ES.. El desarrollo de un modelo de simulacin es mu, costoso en tiempo , recursos.

II. PROGRAMACION LINEAL

II.1 I561*'%++I*5 7 L7 P1*817 7+I*5 LI5E7L 1. I561*'%+I*5 La programacin Lineal +/L. es una t%cnica de modelado matem-tico, diseJada para optimi$ar el empleo de recursos limitados. La programacin lineal se aplica e&itosamente en el e1ercito, en la agricultura, la industria, los transportes, la econom*a, los sistemas de salud, en el e1ercito e incluso en los sistemas conductuales , sociales. La utilidad de esta t%cnica se incrementa mediante el uso , disponibilidad de programas de computadora altamente eficientes. #e 'ec'o la /L, debido a su alto nivel de eficiencia computacional, es la base para el desarrollo de algoritmos de solucin de otros tipos +m-s comple1os. de modelos de (), inclu,endo la programacin entera, no lineal , estoc-stica. 2. *'EL*, 'E P1*817 7+I*5 LI5E7L /ara formular un problema de programacin lineal se debe tener presente que la funcin ob1etivo , todas las restricciones deben ser lineales , todas las variables deben ser continuas +pueden asumir valores fraccionales.. 2.1 ,*L%+I95 817/I+7 'E PL0 Los modelos de /L que se resuelven por el m%todo geom%trico o grafico solo son apropiados para casos en que el n8mero de variables son a lo m-s dos.

/ara ver traba1os similares o recibir informacin semanal sobre nuevas publicaciones, visite www.monografias.com

www.monografias.com

E4E PL* 2.1.10 %5 P1*#LE 7 'E I5I I:7+I*5 ;+ontratacin de Personal<0 El departamento de control de calidad de la empresa Gerconsa S.; que fabrica autopartes, desea contratar personal tanto senior como 1unior, para las inspecciones de sus productos. El personal senior recibe por su 1ornada de A'rs., ?1AA, reali$a su labor a una tasa promedio de 6@ inspecciones por 'ora, con un rendimiento del 99M.en cambio el personal 1unior, recibe ?17@ por su 1ornada, reali$ando 47 inspecciones por 'ora, con un rendimiento del 97M. La demanda diaria de inspecciones es de 1F@@ unidades , el personal senior a contratar, no debe ser ma,or que el personal 18nior. Si las ensambladoras aplican una multa de ?7 por cada unidad defectuosa, Ncu-nto de personal senior , 18nior, se debe contratarO ,*L%+I*50 La formulacin del modelo al problema de minimi$acin seria3 Sea >i3 Lumero de personal a contratar +i = senior, 1 = 1unior o i =1,4. La funcin ob1etivo consistir*a en minimi$ar los costos de salario , los de castigo por unidad defectuosa < = Salario B Multa Salario = 11A&1B 17@&4 Multa = +6@PAP@.@1>1B 47PAP@.@7>4.P7 Luego la funcin ob1etivo es3 MinZ = 200X1+ 200X2 y sujeta a las restricciones: 6@+A. >1B47+A. >4C=1F@@ +#emanda diaria. >1H= >4 Qinalmente el modelo se reduce a3 in: = 2>>?1 @ 2>>?2 ,.7.0 A?1@ !?2 B=4> ?1 . ?2 C=> ?1, ?2 B=> Gr-ficamente , despu%s de 'aber utili$ado el amigable software :)D; el problema quedar*a as*3 ;2< ;1< +Delacin personal.

/ara ver traba1os similares o recibir informacin semanal sobre nuevas publicaciones, visite www.monografias.com

www.monografias.com

/ig.2.10 ,olucin gra$ica ;optima< al pro"lema de contratacin de personal Este modelo pudo 'aberse resuelto f-cilmente graficando en las coordenadas >1 , >4 , 'allando el punto de interseccin com8n a ambas rectas. Se puede ver que la interseccin de recta de la funcin ob1etivo con las rectas 1 , 4 lo 'ace dentro de la regin factible , en su punto m*nimo +punto optimo., despu%s de 'aber resuelto algebraicamente por sistemas de ecuaciones simultaneas las restricciones 1 , 4 tenemos finalmente el punto optimo m*nimo para el problema3 >1=6.F >4=6.F <P=1 7 .77 #e los resultados puede verse que tenemos valores fraccionarios para un problema de contratacin de personal lo cual es inapropiado dado que se trata del recurso 'umano, sin embargo solo se 'a resuelto para efecto demostrativo grafico +adem-s no olvidemos que en /L las variables son continuas., ,a que la programacin lineal entera se encarga de darle una solucin )ptima a este problema. E4E PL* 2.1.20 %5 P1*#LE 7 'E 7?I I:7+I*5. Ravier 0utipe es un e&itoso vendedor de la distribuidora de gaseosas Gerconsa , tiene que decidir como asignar sus esfuer$os entre los diferentes tipos de clientes de las $onas de Moquegua que le 'an dado +san ;ntonio, san francisco, la villa los -ngeles, samegua, , c'en c'en../uede visitar comerciantes , clientes que compran al menudeo. "na visita a un comerciante usualmente le produce SK. @@ en ventas, pero la visita en promedio dura 4'oras , debe mane1ar tambi%n en promedio, 1@ Silmetros. En una visita a un comprador al menudeo le vende SK.7@@ , requiere de unas 6'oras , 4@ Silmetros mane1ando el carro apro&imadamente. Ravier via1a traba1ando como m-&imo, F@@Silometros por semana en su propio carro , prefiere traba1ar nom-s de 6F 'oras por semana. 0onstru,a un modelo de programacin lineal para Ravier 0utipe Mamani ,*L%+I*50 Sea3 >13 Lumero de comerciantes

/ara ver traba1os similares o recibir informacin semanal sobre nuevas publicaciones, visite www.monografias.com

www.monografias.com

>43 Lumero de clientes al menudeo El modelo resultante es3 Ma& <= @@>1B7@@>4 S.;3 4>1B6>4 H= 6F +(ngreso por ventas brutas. +restriccin de 'oras semanales. +1.

1@>1B4@>4H=F@@ +restriccin de distancia recorrida. +4. >1,>4C=@ +Destriccin de no negatividad.

/ig.2.20 ,olucin gra$ica ;optima< al pro"lema de 4avier +utipe El modelo anterior se resuelve gr-ficamente aplicando :ora, tambi%n pudo 'aberse resuelto f-cilmente graficando en las coordenadas >1 , >4 , 'allando el punto de interseccin com8n a la recta +1. con el e1e >1, la recta de la funcin ob1etivo alcan$a su nivel m-&imo +punto optimo. en la regin factible para >1=1A , >4=@, esto algebraicamente es despu%s de 'aber resuelto la restriccion1 +ecuacion1. , 'aciendo &4=@ en la misma ecuacin +ntese que la restriccin 4 es redundante.. Qinalmente el punto ptimo m*nimo para el problema es de3 >1=1A

/ara ver traba1os similares o recibir informacin semanal sobre nuevas publicaciones, visite www.monografias.com

www.monografias.com

>4=@ <P= SK.!4@@ Este resultado nos dice que Ravier 0utipe deber- concentrar sus esfuer$os solo en la venta a 1A comerciantes dado que alli ma&imi$ara sus ingresos por ventas en SK.!4@@ 2.2 ,*L%+I95 P*1 +* P%67'*17 'E P1*#LE 7, 'E PL En la practica, donde los modelos t*picos de programacin Lineal implican cientos, o incluso miles de variables , restricciones, la 8nica forma de resolver estos problemas es utili$ando un programa apropiado de computadora. En el mercado inform-tico e&isten softwares que tienen mdulos de programacin lineal +/L. tal como el :ora, Storm, /rogramas como el lindo, lingo, etc. :ambi%n se puede 'acer uso de Solver en E&cel para resolver problemas de /L. E4E PL* 2.2.10 La figura 4.6 presenta la solucin de :)D; para el problema de contratacin de personal del e1emplo 4.1.1

/ig.2.30 ,olucin ptima usando 6*17 La informacin de salida se divide en dos partes principales +1. resumen de la solucin ptima +optimum solution sumar,. que comprende los valores ptimos de las variables de decisin , el valor optimo de la funcin )b1etivo , +4. ;n-lisis de sensibilidad +Sensitivit, an-lisis. referente a 'acer cambios en el lado derec'o+rig't2and sides. , en los coeficientes de la funcin ob1etivo E4E PL* 2.2.20 La figura 4. e1emplo 4.1.4 LP *P6I % presenta la solucin de L(L#) para el problema de Ravier 0utipe del 1

/*%5' 76 ,6EP

*#4E+6I-E /%5+6I*5 -7L%E 1< D2>>.>>>

/ara ver traba1os similares o recibir informacin semanal sobre nuevas publicaciones, visite www.monografias.com

www.monografias.com

-71I7#LE ?1 ?2 1*F >.>>>>>> 42>.>>>>>>

-7L%E 1E.>>>>>> >.>>>>>> ,L7+G *1 ,%1PL%, 2>>.>>>>>> >.>>>>>> 1

1E'%+E' +*,6 >.>>>>>> 1>>.>>>>>> '%7L P1I+E,

2< 3<

5*. I6E176I*5,=

1758E, I5 F&I+& 6&E #7,I, I, %5+&758E'0 *#4 +*E//I+IE56 1758E, -71I7#LE ?1 ?2 +%11E56 7LL*F7#LE 7LL*F7#LE +*E/ I5+1E7,E 'E+1E7,E 4>>.>>>>>> I5/I5I6H AA.AAAAA4 !>>.>>>>>> 1>>.>>>>>> I5/I5I6H

1I8&6&75' ,I'E 1758E, 1*F 2 3 +%11E56 1&, 3A.>>>>>> A>>.>>>>>> 7LL*F7#LE I5+1E7,E E4.>>>>>> I5/I5I6H 7LL*F7#LE 'E+1E7,E 3A.>>>>>> 42>.>>>>>>

/ig.2.40 ,olucin ptima usando LI5'* 2.3 757LI,I, 'E 7L8%5*, *'EL*, 'E PL0 Se presentan algunos modelos realistas de de /L, en los cuales las definicin de variables , la construccin de la funcin ob1etivo , de las restricciones no son tan directas como en el caso de los modelos de dos variables. ;dem-s la salida de :)D; de la computadora para cada modelo permitir- interpretaciones mu, claras de las soluciones. E4E PL* 2.3.10 "n distribuidor de ferreter*a planea vender paquetes de tuercas , tornillos me$clados. 0ada paquete pesa por lo menos 4 libras. :res tamaJos de tuercas , tornillos componen el paquete , se compran en lotes de 4@@ libras. Los tamaJos 1 ,4 , 6 cuestan respectivamente ?4@, ?A@ , ?14, adem-s3 a. El peso combinado de los tamaJos 1, 6 debe ser al menos la mitad del peso total del paquete b. El peso de los tamaJos 1 , 4 no debe ser ma,or que 1,F libras c. 0ualquier tamaJo de tornillo debe ser al menos 1@ porciento del paquete total N0u-l ser- la composicin del paquete que ocasionara un costo m*nimoO +formule solamente el modelo de pl.. S)L"0()L3 /ormulacin Sea 3 >1 = peso de las unidades de tamaJo 1 >4 = peso de las unidades de tamaJo 4 >6 = peso de las unidades de tamaJo 6 #e este modo se tendr-n las siguientes Destricciones3 >1B >4B >6 C=4 peso m*nimo de cada paquete

>1 B>6 C= +>1B >4B >6.K4 /eso combinado d e l os tamaJos 1 , 6 >1B >4 H=1.F >1C=@.1@+>1B >4B >6. /eso combinado de 1 , 4 0ondicin de peso para cualquier tamaJo

/ara ver traba1os similares o recibir informacin semanal sobre nuevas publicaciones, visite www.monografias.com

www.monografias.com

>4C=@.1@+>1B >4B >6. >6C=@.1@+>1B >4B >6. Siendo la funcin Min< = 4@>1B A@>4B 14>6.K4@@, en resumen se tiene el siguiente modelo3 Min< = @.1>1B@.@ >4B@.@F>6 S.;3 >1B >4B >6 >1 2 >4B >6 >1B >4 C= 4 C=@ H=1.F

@.9>12@.1>42@.1>6 C=@ 2@.1>1B@.9>42@.1>6 C=@ 2@.1>12@.1>4B@.9>6 C=@ >1, >4, >6 C=@

/ara ver traba1os similares o recibir informacin semanal sobre nuevas publicaciones, visite www.monografias.com

www.monografias.com

/ig.2.!0 ,olucin ptima usando 6*17 #el resultado del sotware :ora se puede ver que la solucin optima es 3 >1P = @.4@ >4P = 1.@@ >6P = @.A@ <P= @.11 E4E PL* 2.3.20 ;l me$clar diferentes 'idrocarburos se obtiene gasolina de diferentes grados. En este e1emplo se supone que una refiner*a dispone slo de dos tipos de gasolina cu,as caracter*sticas se presentan en la siguiente tabla3 Me$clas disponibles :ipo 1 :ipo 4 )ctana1e 1@ 9 /resin de vapor 7 9 0antidad disponible +Earriles. 6@,@@@ !@,@@@

0on la combinacin de estos productos se pueden producir dos tipos de gasolina3 para automvil , aviacin. Las cualidades de estos productos aparecen en la siguiente tabla3 /roducto final ;viacin ;utomvil M*nimo octana1e 1@4 9F M-&ima presin de vapor F A M-&ima venta +Earriles. 4@,@@@ Sin tope /recio de venta +Earril. 7.1@ 64. @

El octana1e , la presin de vapor del producto resultante es proporcional a la cantidad de cada gasolina utili$ada en la me$cla. /or e1emplo para partes iguales de ambas gasolinas3 )ctana1e3 @.7P1@ B @.7P9 = 99 /resin de vapor3 @.7P7 B @.7P9 = ! La empresa desea ma&imi$ar los ingresos por la venta de gasolina como producto final /ormulacin Sean &1 el n8mero de barriles de gasolina del tipo 1 para aviacin. >4 el n8mero de barriles de gasolina del tipo 4 para aviacin. >6 el n8mero de barriles de gasolina del tipo 1 para automvil. > el n8mero de barriles de gasolina del tipo 4 para automvil. La venta correspondiente a gasolina para aviacin es 7.1@P+&1 B &4. , la venta correspondiente a gasolina para automvil es 64. @+&6 B & . entonces la funcin ob1etivo es3 Ma&imi$ar3 < = 7.1@&1 B 7.1@&4 B 64. @&6 B 64. @& E&isten varias restricciones3 'emanda de gasolina para aviacin0 >1 B &4 4@,@@@ +antidad disponi"le por tipo de gasolina0 >1 B &6 6@,@@@ >4 B & !@,@@@ 1estriccin de octana3e0 ;viacin3 +1@ &1 B 9 &4.K+&1 B &4. 1@4 4&1 2 A&4 @ ;utomvil3 +1@ &6 B 9 & .K+&6 B & . 9F A&6 2 4& @ 1estriccin de presin de vapor0 7viacin0 +7&1 B 9&4.K+&1 B &4. F 2&1 B 6&4 @ 7utomvil0 +7&6 B 9& .K+&6 B & . A 26&6 B & @ 5o negatividad0 >1, &4, &6, & @

/ara ver traba1os similares o recibir informacin semanal sobre nuevas publicaciones, visite www.monografias.com

www.monografias.com

En Desumen el modelo se presenta de la siguiente manera3 Ma&< = 7.1@&1 B 7.1@&4 B 64. @&6 B 64. @& >1 B &4 4@,@@@ >1 B &6 6@,@@@ >4 B & !@,@@@ 4&1 2 A&4 @ A&6 2 4& @ 2&1 B 6&4 @ 26&6 B & @ >1, &4, &6, & @ #emanda de gasolina para aviacin3 0antidad disponible por tipo de gasolina 0antidad disponible por tipo de gasolina Destriccin de octana1e aviacin Destriccin de octana1e automvil Destriccin de presin de vapor aviacin Destriccin de presin de vapor automvil3 Destriccin de no negatividad

"na ve$ Qormulado el modelo matem-tico 'acemos uso del :)D; para encontrar una solucin ptima3 >1P=1F@@@.@@ >4P= @@@.@@ >6P= FFF.F! > P=1 @@@.@@ <P= 17@FA@@.@@

/ara ver traba1os similares o recibir informacin semanal sobre nuevas publicaciones, visite www.monografias.com

www.monografias.com

/ig.2.A0 ,olucin ptima usando 6*17

III. EL METODO SIMPLEX

La idea general del m%todo Simple& es comen$ar en un punto e&tremo , despla$arse 'acia un punto e&tremo ad,acente con el ob1eto de me1orar el valor de la funcin ob1etivo, manteniendo la factibilidad. La manera m-s sencilla de seleccionar un punto e&tremo inicial es usar la base # constituida por variables de 'olgura ,Ko artificiales. #e esta forma la base # inicial es la matri$ identidad I que obviamente es una base. Los puntos e&tremos ad,acentes se determinan intercambiando un vector de # con un vector no b-sico que mover- la solucin 'acia la optimalidad. :abla Simple& en forma matricial E&presemos el programa lineal en forma matricial3

/ara ver traba1os similares o recibir informacin semanal sobre nuevas publicaciones, visite www.monografias.com

www.monografias.com

Ma& $ = +? Su1eto a3 ;7I<? = " ? B= > Subdividamos el vector ? en ?I , ?II, entonces el problema est-ndar se puede escribir de la siguiente manera3 +(. 1 > 2+( 7 2+(( I $ ?I ?II En una iteracin cualquiera, sea ?E La representacin de las variables b-sicas , # su base asociada, entonces ?E representa a m elementos de ? , # representa los vectores de ;7I< correspondientes a ?E, , sea +# el vector de elementos de + asociado a ?E. Entonces3 # ?E = " , $ = +#?E o bien3 1 @ 2+# # $ ?E = @ " = @ "

La solucin se puede e&presar3 $ ?E 1 > +##.1 #.1 = 1 > 1 > +##.1 #.1 2+( 7 @ " 2+(( I = +##.1" #.1" : ?I ?II Esta ecuacin matricial se resuelve mediante la iteracin %imp'e* enera' +((.3 E-sica $ ?E ?I +## 72+I #.17
.1

/or lo tanto, aplicando este resultado, premultiplicando a +(. se obtiene +##.1" = #.1"

?II +## 2+II #.1

.1

Solucin +##.1" #.1"

Esta tabla muestra los detalles del c-lculo del m%todo simple&, es decir, si se conoce # se puede encontrar en cada paso #.1, por lo tanto ?# , $. /or e1emplo consideremos el m%todo simple& con variables de 'olgura, en este caso, +II = @ la solucin b-sica inicial se identifica como3 ?# = ?II, +# = +II = >, # = I, #.1 = I Sustitu,endo en +((. se obtiene el m%todo %imp'e* enera' (on +ariab'e% de ,o' &ra -III"3 E-sica $ ?E ?I 2+I 7 I ?II Solucin @ "

Si utili$amos simple& con variables artificiales +variables utili$adas como variables de 'olgura para las restricciones que no cumplen la forma est-ndar.. En este caso +(( = +2M,2M,..., 2M. +coeficientes de pena'i.a(i)n para la funcin ob1etivo.. La solucin b-sica inicial se puede e&presar como3 ?# = ?II, +# = +II, # = I, #.1 = I Sustitu,endo en +((. se obtiene el m%todo %imp'e* enera' (on +ariab'e% arti/i(ia'e% 0 de ,o' &ra -IV" 3

/ara ver traba1os similares o recibir informacin semanal sobre nuevas publicaciones, visite www.monografias.com

www.monografias.com

E-sica $ ?II

?I +II72+I 7

?II > I

Solucin +II" "

E4E PL* 3.10 Ma& $ = 6&1 B 1@&4 Su1eto a3 >1 B &4 H= A >1 B 4&4 H= >1, &4 C= @ Qorma t*pica3 < 26&1 2 1@&4 = @ >1 B &4 B '1 = A >1 B 4&4 B '4 = >1, &4, '1, '4 C=@ TE < '1 '4 &1 26 1 1 4 &4 21@ '1 @ 1 @ '4 @ @ 1 Solucin @ A AK =4 K4=4

/or inspeccin entra &4 , puede salir tanto '1 como '4, esco1amos arbitrariamente '1 , cambiemos &4 por '1. /rimera iteracin3 TE < &4 '4 &1 21K4 1K 1K4 &4 @ 1 @ '1 7K4 1K 21K4 '4 @ @ 1 Solucin 4@ 4 @

La solucin b-sica despu%s de la primera iteracin es >1 = @, &4 = 4, '1 = @, '4 = @ ;l ser '4, variable b-sica, '4 = @, se dice que es %o'&(i)n de enerada, es posible que el m%todo itere sin llegar a la solucin optima. Segunda iteracin3 #e la tabla anterior, entra &1 , sale '43 TE < &4 >1 &1 @ @ 1 &4 @ 1 @ '1 4 1K4 21 '4 1 21K4 4 Solucin 4@ 4 @

La funcin ob1etivo no se 'a incrementado, un problema puede ser temporalmente degenerado , luego encontrar la solucin ptima. E4E PL* 3.20 Ma& < = 6&1 B 7&4 Su1eto a3

/ara ver traba1os similares o recibir informacin semanal sobre nuevas publicaciones, visite www.monografias.com

www.monografias.com

>1 24&4 H= 7 4&1 H= 14 >1, &4 C= @ Qorma t*pica3 < 26&1 2 7&4 = @ >1 24&4 B &6 = 7 4&1 B & = 14 >1, &4, &6, & C= @ >6, & variables de 'olgura. TE < >6 > &1 26 1 4 &4 27 24 @ &6 @ 1 @ & @ @ 1 Solucin @ 7 14

>4 es variable entrante, no 'a, ninguna variable b-sica saliente, ,a que los elementos de la columna pivote son negativos o @. En este caso se puede observar que el valor ptimo de z es ilimitado, las restricciones en este caso no previenen un aumento ilimitado de la funcin ob1etivo. En este caso el problema de optimi$acin se encuentra mal formulado. E4E PL* 3.30 Iltiples soluciones ptimas Ma& $ = 4&1 B &4 Su1eto a3 &1 B 4&4 H= 14 4&1 B 4&4 H= 14 &1, &4 C= @

Qorma t*pica3 < 2 4&1 2 &4 = @ >1 B 4&4 B &6 = 14 4&1 B &4 B & = 14 /rimera iteracin3 TE < >6 > Tariable no b-sica entrante &4 Segunda iteracin3 TE < >4 > &1 @ 1K4 6K4 &4 @ 1 @ &6 4 1K4 21K4 & @ @ 1 Solucin 4 F F &1 24 1 4 &4 2 4 1 &6 @ 1 @ & @ @ 1 Solucin @ 14 14

/ara ver traba1os similares o recibir informacin semanal sobre nuevas publicaciones, visite www.monografias.com

www.monografias.com

#espu%s de la segunda iteracin queda la variable no b-sica &1 con coeficiente @, podemos 'acer una iteracin e&tra3 TE < >4 >1 &1 @ @ 1 &4 @ 1 @ &6 4 4K6 21K6 & @ 21K6 4K6 Solucin 4

Siempre que un problema tiene m-s de una solucin ptima, al menos una de las variables no b-sicas tiene un coeficiente igual a @ en la ecuacin de la funcin ob1etivo. E4E PL* 3.40 Ma& 4&1 B 6&4 Su1eto a3 >1 B 4&4 B &6 = >1 B &4 = 6 >1, &4, &6 C=@. TE < >6 O &1 24 1 1 &4 26 4 1 &6 @ 1 @ & @ 21K6 4K6 6 Solucin @

Lo 'a, variables de 'olgura para usarla como variable b-sica inicial en la ecuacin +4. por lo que la restriccin se reescribe de la siguiente forma3 >1 B &4 B & = 6 donde & es variable artificial, como & no se 'ace @ necesariamente sobre el plano +4., debemos penali$ar este valor en la funcin ob1etivo de manera que & se redu$ca a @ al optimi$ar. /ara esto se pone un coeficiente 2M grande, en la funcin ob1etivo +2M al ma&imi$ar, BM al minimi$ar con M C @.. ;l modificar la funcin ob1etivo queda as*3 < = 4&1 B 6&4 2 M& TE < >6 > /rimera iteracin3 TE < >4 > &1 +2M21.K4 1K4 1K4 &4 @ 1 @ &6 +MB6.K4 1K4 21K4 & @ @ 1 Solucin 2MBF 4 1 &1 2M24 1 1 &4 2M26 4 1 &6 @ 1 @ & @ @ 1 6 Solucin 26M

Segunda iteracin3 TE < >4 >1 &1 @ @ 1 &4 @ 1 @ &6 1 1 21 & MB1 21 4 Solucin ! 1 4

/ara ver traba1os similares o recibir informacin semanal sobre nuevas publicaciones, visite www.monografias.com

www.monografias.com

Solucin optima3 &1 = 4, &4 = 1, z = ! /ara seleccionar la variable que entra en la tabla inicial tomamos el coeficiente m-s negativo entre 2M24 , 2M26, siendo %ste 8ltimo. Sin embargo si 'ubi%ramos utili$ado un n8mero mu, grande para M en una computadora, estos coeficientes se 'abr*an considerado como iguales. /ara esto se utili$a el m1todo %imp'e* de do% /a%e%. III.1 EL E6*'* ,I PLE? 'E '*, /7,E, "na desventa1a de la t%cnica M es el posible error de c-lculo que puede resultar al asignarse un valor mu, grande a la constante M. ;qu* se utili$an las variables artificiales, pero el uso de la constante M se elimina resolviendo el problema en dos etapas3 /7,E I3 ;gregar variables artificiales para asegurar una solucin inicial. Qormar una nueva funcin ob1etivo para minimi$ar la suma de las variables artificiales su1eta a las restricciones del problema original con las variables artificiales, si el m*nimo es @ +todas las variables artificiales son @., el problema original tiene soluciones factibles, entonces seguir con la /ase II, si no detenerse. /7,E II3 "tili$ar la solucin b-sica ptima de la Q;SE ( como solucin inicial para el problema original E4E PL* 3.1.10 %n pro"lema de penalizacin en dos $ases0 Min $ = &1 B &4 Su1eto a3 6&1 B &4 = 6 &1 B 6&4 C= F &1 B 4&4 H= &1, &4 C= @ Qorma est-ndar con variables artificiales3 Min $ = &1 B &4 B MD1 B MD4 Su1eto a3 6&1 B &4 B D1 = 6 &1 B 6&4 2 &6 BD4 = F &1 B 4&4 B & = &1, &4, &6, D1, D4, & C= @ /7,E I0 Min r = R1 + R2 Su1eto a3 6&1 B &4 B D1 = 6 &1 B 6&4 2 &6 BD4 = F &1 B 4&4 B & = &1, &4, &6, D1, D4, & C= @ 0omo D1 , D4 est-n en la solucin inicial, deben sustituirse en la funcin ob1etivo3 D = D1 B D4 = +6 2 6&1 2 &4. B +F 2 &1 2 6&4 B &6. = 2!&1 2 &4 B &6 B 9 :abla inicial3 TE r R1 R2 & 1 &1 ! 6 1 6 4 &4 &6 21 @ 21 @ R1 @ 1 @ @ R2 @ @ 1 @ & @ @ @ 1 Solucin 9 6 F

La tabla optima se obtiene en dos iteraciones3

/ara ver traba1os similares o recibir informacin semanal sobre nuevas publicaciones, visite www.monografias.com

www.monografias.com

TE r &1 &4 &

&1 @ 1 @ @

&4 @ @ 1 @

&6 @ 1K7 26K7 1

R1 21 6K7 2 K7 1

R2 21 21K7 6K7 21

& @ @ @ 1

Solucin @ 6K7 FK7 1

0omo el m*nimo es @, el problema tiene solucin factible , pasamos a la fase ((, las variables artificiales sirvieron para encontrar una solucin factible b-sica inicial.

Luego en la fase (( resolvemos3 Min $ = &1 B &4 Su1eto a3 &1 B 1K7 &6 = 6K7 >4 2 6K7 &6 = FK7 >6 B & = 1 /ara esto debemos efectuar las transformaciones correspondientes a la funcin ob1etivo, es decir encontrar el coeficiente de las variables no b-sicas, en este caso &6, esto se logra reempla$ando en la funcin ob1etivo el valor de &1 , &4 de las ecuaciones. )bteni%ndose la tabla inicial para la fase ((3 TE $ >1 >4 > &1 @ 1 @ @ &4 @ @ 1 @ &6 1K7 1K7 26K7 1 & @ @ @ 1 Solucin 1AK7 6K7 FK7 1

La tabla no es ptima ,a que &6 debe entrar en la solucin. III.2 'E/I5I+I*5 'EL P1*#LE 7 '%7L El desarrollo de la programacin lineal se 'a visto refor$ado por el descubrimiento de que todo problema de programacin lineal tiene asociado otro problema llamado d&a'. El problema original se llama prima', ambos problemas est-n relacionados de tal manera que la el valor de la funcin ob1etivo en el optimo es igual para ambos problemas, , la solucin de uno conduce autom-ticamente a la del otro. Las relaciones entre ambos problemas facilitan el an2'i%i% de %en%ibi'idad de un problema. El d&a' es un problema de programacin lineal se obtiene matem-ticamente de un problema prima'. La forma del problema d&a' es 8nica , se define en base a la forma est-ndar general del problema prima'3 )ptimi$ar +Ma& o Min. . = S j =1..ncj&j Su1eto a S j =1..naij&j = bi &j C= @ con i = 1..m, 1 = 1..n donde las n variables &j inclu,en los e&cesos , las 'olguras. El problema d&a' se constru,e sim%tricamente del prima' de acuerdo a las siguientes reglas. 1. /ara cada restriccin prima' +m restricciones. e&iste una variable d&a' yi +m variables., la funcin ob1etivo se constru,e con los valores libres bi como coeficientes de las variables yi. 4. /ara cada variable prima' xj +n variables. e&iste una restriccin d&a' +n restricciones., la restriccin se constru,e con los m coeficientes de las restricciones primales de esa variable. Los valores libres son los n coeficientes cj. 6. Si la optimi$acin prima' es una Ma&imi$acin, el problema d&a' es una Minimi$acin , las restricciones son C=. +, a la inversa Minimi$acin primal, Ma&imi$acin dual, restricciones H ..

/ara ver traba1os similares o recibir informacin semanal sobre nuevas publicaciones, visite www.monografias.com

www.monografias.com

Si consideramos los e&cesos , 'olguras las variables duales + yi.no tienen restricciones de signo, en caso contrario en ambos problemas se considera variables C@. /or lo que las variables duales correspondientes a restricciones del tipo = deben ser sin restricciones de signo, rec*procamente cuando una variable en el primal no tiene restriccin de signo, la restriccin correspondiente en el dual debe ser del tipo =. E4E PL* 3.2.10 Ma& $ = 6&1 B 7&4 Su1eto a3 &1 B 1@&4 H A@ 4&1 B 6&4 H 7 &1 2 4&4 H 47 6&4 HF@ &1, &4 C @ ;plicando las reglas 3 1. /ara cada restriccin prima' +4 restricciones. e&iste una variable d&a' yi +4 variables. ,1 ,4 ,6 , , la funcin ob1etivo se constru,e con los valores libres bi +A@, 7,47,F@. como coeficientes de las variables yi. 4. /ara cada variable prima' xj +2 variables sin considerar las variables de 'olgura. e&iste una restriccin d&a' +2 restricciones., la restriccin se constru,e con los 4 coeficientes de las restricciones primales de esa variable. Los valores libres son los 2 coeficientes cj +6, 7.. 6. la optimi$acin prima' es una Ma&imi$acin, el problema d&a' es una Minimi$acin , las restricciones son C . Lo 'emos considerado las variables de e&cesos ni 'olguras las variables duales por lo que en ambos problemas se considera variables U @, no e&isten restricciones de =.

/roblema dual3 1. Min V = A@,1 B 7,4 B 47,6 B F@, Su1eto a3 V1 B 4,4 B ,6 C 6 1@,1 B 6,4 2 4,6 B 6, C 7 ,1, ,4, ,6, , C @ 4. Ma& < = 6&1 B !&4 Su1eto a3 4&1 B 7&4 = 17 &1 B A&4 H 6@ &1, &4 C @ 1. /ara cada restriccin prima' +2 restricciones. e&iste una variable d&a' yi +2 variables. ,1 ,4, la funcin ob1etivo se constru,e con los valores libres bi +17, 6@. como coeficientes de las variables yi. 4. /ara cada variable prima' xj +2 variables sin considerar las variables de 'olgura. e&iste una restriccin d&a' +2 restricciones., la restriccin se constru,e con los 2 coeficientes de las restricciones primales de esa variable. Los valores libres son los 2 coeficientes cj +6, !.. 6. ;plicando las reglas , la nota3 . 5ota3 /ara la segunda restriccion no 'emos considerado las variables de e&cesos ni 'olguras las variables duales por lo que en el dual ,4 U @, la primera restriccin es de igualdad por lo que la primera variable no tiene restriccin de signo. /roblema dual3 Min V= 17,1 B 6@,4 Su1eto a3 4,1 B ,4 U 6 7,1 B A,4 U ! ,1 sin restriccin de signo +irrestricta. ,4 U @. III.3 757LI,I, 'E ,E5,I#ILI'7' "na ve$ obtenida la solucin de un problema de programacin lineal, es deseable investigar cmo cambia la solucin del problema al cambiar los par-metros del modelo.

/ara ver traba1os similares o recibir informacin semanal sobre nuevas publicaciones, visite www.monografias.com

www.monografias.com

/or e1emplo si una restriccin de un problema es &1 B F&4 H A@ donde A@ representa la cantidad de recurso disponible. Es natural preguntarse N 3&e pa%a (on 'a %o'&(i)n de' prob'ema si la cantidad de recurso +por e1emplo Goras. disminu,e a F@O. )tras veces podemos preguntarnos 3&e pa%a %i (ambiamo% a' &no% (oe/i(iente% de la funcin ob1etivoO ) bien si agregamos una restriccin o una variable. El estudio de la variacin de un problema de programacin lineal debido a cambios de los par-metros del mismo, se llama an2'i%i% de %en%ibi'idad. "na forma de responder estas preguntas ser*a resolver cada ve$ un nuevo problema. Sin embargo esto es computacionalmente ineficiente. /ara esto es preferible 'acer uso de las propiedades del m%todo Simple& , de los problemas primal , dual. Decordemos que una ve$ que en un problema lineal se conoce E, 0 E , >E, la tabla simple& se puede calcular utili$ando E21 , los datos originales del problema. El efecto de los cambios en los par-metros del problema del an-lisis de sensibilidad +posoptimo. se puede dividir en tres categorias3 1. 0ambios en los coeficientes + de la funcin ob1etivo, solo afecta la optimalidad. 4. 0ambios en el segundo miembro " solo pueden afectar la factibilidad. 6. 0ambios simult-neos en + , " pueden afectar la optimalidad , la factibilidad. E4E PL* 3.3.10 1. 0ambios en los coeficientes ob1etivo3 Ma& $ = 6&1 B 4&4 +ganancia. Su1eto a &1 B 4&4 B '1 = F +Materia /rima ;. 4&1 B &4 B '4 = A +Materia prima E. 2&1 B &4 B '6 = 1 +demanda. &4 B ' = 4 +demanda. &1, &4, &6, & , &7, &F C @ :abla primal 9ptima3 TE $ &4 &1 &7 &F &1 @ @ 1 @ @ &4 @ 1 @ @ @ &6 1K6 4K6 21K6 21 24K6 & K6 21K6 4K6 1 1K6 &7 @ @ @ 1 @ &F @ @ @ @ 1 Solucin 14 4K6 1 1K6 6 1K6 6 4K6

Supongamos que cambiamos la funcin ob1etivo de $ = 6&1 B 4&4 por $ = 7&1 B &4, dado el ptimo >E = +&4, &1, &7, &F. 0E = + , 7. V = +,1, ,4, ,6, , . = 0EE21 = +1, 4, @, @. 7 @ @ 1K6 4K6 21K6 21 24K6 K6 21K6 4K6 1 1K6 @ @ @ 1 @ @ @ @ @ 1

Los nuevos coeficientes de la funcin ob1etivo son V+;(. 2 0 que no es otra cosa que la diferencia entre ambos lados de las restricciones duales.

/ara ver traba1os similares o recibir informacin semanal sobre nuevas publicaciones, visite www.monografias.com

www.monografias.com

IV. MODELO DE TRANSPORTE

E&isten dos aplicaciones importantes de la programacin lineal que son el mode'o de tran%porte% , el de a%i na(i)n de re(&r%o%. ;8n cuando la solucin de estos modelos puede obtenerse aplicando el m%todo simple&, se estudian algoritmos especiales para la solucin de estos problemas. #ebido a su estructura especial, 'ace posible 'ace posible m%todos de solucin m-s eficientes en t%rminos del c-lculo. E4E PL* 4.10 Suponga que una compaJ*a tiene m plantas de produccin ;i<, de capacidad ai ;i 4 1...m< , n almacenes de distribucin ;5<, con demanda b5 -5 4 1...n". El costo de transporte entre la planta i , el almac%n es conocido como (i5. El problema es determinar la cantidad + *i5. que debe suministrar la planta i al almac%n 5, de tal manera que el costo de transporte total sea m*nimo. Las consideraciones de costos de produccin e inventario se pueden incorporar al modelo b-sico. El modelo t*pico tiene cuatro componentes3 1. "n con1unto de m fuentes 4. "n con1unto de n destinos 6. 0ostos de transporte entre las fuentes , los destinos . 0antidades de producto para enviar entre las fuentes , los destinos.

El modelo general que representa el modelo de transporte es3 Min $ = S iS j cijxij Su1eto a3 S j xij = ai + uentes i = 1..m. S i xij = bj +!estinos j = 1..n. xij C= @ I-.1 *'EL*, #7L75+E7'*, H 5* #7L75+E7'*, I-.1 *'EL*, #7L75+E7'*, H 5* #7L75+E7'*,0 "n modelo de transporte se llama balanceado cuando3 S i ai = S j b Esto significa que la suma de los suministros de todas las plantas debe ser igual a la suma de las demandas de todos los almacenes.Sin embargo en problemas de la vida real, esta igualdad rara ve$ se satisface. Lo que se 'ace entonces es balancear el problema. Si los requerimientos e&ceden a los suministros, se agrega una planta ficticia, que suministrar- la diferencia. El costo de transporte desde la planta ficticia 'acia cualquier almac%n es cero.

/ara ver traba1os similares o recibir informacin semanal sobre nuevas publicaciones, visite www.monografias.com

www.monografias.com

Dec*procamente, si los suministros e&ceden a los requerimientos, se agrega un almac%n ficticio que absorber- el e&ceso.El costo unitario de transporte desde las plantas al almac%n ficticio es cero. E3emplo 4.1.1 0onsidere La Empresa Gerconsa productora de automviles de tres plantas , dos centros de distribucin. Las capacidades de las tres plantas durante un trimestre son de 1@@@, 17@@ , 14@@ automviles, la demanda trimestral en los dos centros de demanda son de 46@@ , 1 @@ ve'*culos. El costo de transporte en dlares es3 /lantaK;lmac%n 1 4 1 4 6 A@ 1@@ 1@4 417 1@A FA

Sea xij el n8mero de automviles transportados desde la fuente i al destino 1. 0omo la oferta total +1@@@B17@@B14@@ = 6!@@. es igual a la demanda total +46@@B1 @@ = 6!@@. el modelo de transporte estequilibrado. /or lo tanto el siguiente modelo representa la situacin descrita3 Min $ = A@&11 B 417&14 B 1@@&41 B 1@A&44 B 1@4&61 B FA&64 Su1eto a3 &11 B &14 = 1@@@ &41 B &44 = 17@@ &61 B &64 = 14@@ &11 B &41 B &61 = 46@@ &14 B &44 B &64 = 1 @@ &i1 C= @ para toda i, 1. "n m%todo m-s resumido para representar el modelo de transporte consiste en utili$ar los que se llama tabla !e trans"orte, esta es una matri$ donde las filas representan las fuentes , las columnas el destino. En cada celda se especifica la cantidad xij , el costo cij.3 QuenteKdestino 1 4 6 #emanda &11 &41 &61 46@@ 1 A@ 1@@ 1@4 &14 &44 &64 1 @@ 4 417 1@A FA )ferta 1@@@ 17@@ 14@@ 6!@@

El m%todo de transporte es un problema cl-sico dentro de la programacin matem-tica5 se anali$a la manera de obtener el costo m*nimo de transportar una serie de productos desde n fabricas, 'asta m almacenes5 cada env*o tiene un costo particular que estar- en funcin de la distancia, el tipo de carretera, la cantidad , otras variables. 0omo siempre, se entiende me1or con un e1emplo3La m-s famosa empresa dentro de las aulas universitarias, la Empresa Gerconsa, tiene tres fabricas donde manufactura su famos*simo producto /, con capacidades de produccin de 47 +unidades por micronanosegundo, por segundo, 'ora, aJo... no importa, es lo mismo para todos., 47,1@ , debe surtir a almacenes con demandas de 4@,17,4@,7 +unidades por micronanosegundo, segundos.. o lo que sea, siempre , cuando se mane1e la misma unidad temporal en todo el problema.. Los costos de enviar desde cualquier f-brica a cualquier almac%n se pueden ver en la tabla aba1o. +apacidad de Produccin ;uJt< Qabrica 1 Qabrica 4 Qabrica 6 47 47 1@ 'emanda de los 7lmacenes ;uJt< ;lmac%n 4 ;lmac%n 6 17 4@

;lmac%n 1 4@

;lmac%n 7

/ara ver traba1os similares o recibir informacin semanal sobre nuevas publicaciones, visite www.monografias.com

www.monografias.com

?Kunid

+osto de 6ransporte desde la /a"rica i al almac(n 3 ;lmac%n ;lmac%n 1 ;lmac%n 4 ;lmac%n 6

Qabrica 1 4 4 @ Qabrica 4 7 9 A 6 Qabrica 6 F 6 4 ;'ora la pregunta es cu-nto se debe enviar desde cada f-brica a cada almac%n con el fin de obtener el m*nimo costo. Min < = 4>11 B 4>14 B@>16 B >1 B7>41 B9>44 BA>46 B6>4 BF>61B >64 B 6>66 B4>4 Su1eto a3 1. Satisfacer la demanda de los almacenes3 >11B>41B>61 C= 4@ >14B>44B>64 C= 17 >16B>46B>66 C= 4@ >1 B>4 B>6 C= 7 4. Lo sobrepasar la capacidad disponible de las fabricas >11B>14B>16B>1 H= 47 >41B>44B>46B>4 H= 47 >61B>64B>66B>6 H= 1@ 6. /or supuesto la condicin de no negatividad , todas las variables enteras. Eueno, aqu* la formulacin es un poco diferente a como lo 'icimos en los dos e1emplos anteriores. La idea aqu* es la de tener dos matrices , dos vectores5 una matri$ se corresponder- con las variables de decisin, , la otra matri$ con los costos. La primera la de1amos simplemente seJalada, con alg8n formato para distinguirla, , la otra la digitamos. La celda ob1etivo ser- la suma del producto de cada una de las posiciones de cada matri$ con su correspondiente en la otra5 esto lo podemos 'acer r-pidamente con la funcin WsumaproductoW del E&cel. Las restricciones estar-n en las columnas de W0onsumoW , de WentregadoW. /rimero preparemos el formato del problema, as*3

Las variables de decisin est-n en el rango XE 2EFY. La celda ob1etivo ser*a algo as* como esto3 = E PE1@B 0 P01@B... pero eso ser*a mu, largo. La manera corta es3= S"M;/D)#"0:) +E 3EF,E1@3E14..La cantidad entregada a cada almac%n se ve en la fila A. /or e1emplo para la celda EA, su frmula es3=E BE7BEF. La restriccin de la capacidad de las fabricas la escribiremos en funcin del consumo en la columna G5 por e1emplo para la celda G 3=E B0 B# BE . Las restricciones las escribiremos en el cuadro de di-logo como lo entregado debe ser ma,or o igual a lo requerido, , lo consumido debe ser menor igual que lo disponible, tal como se puede ver en la captura siguiente3

/ara ver traba1os similares o recibir informacin semanal sobre nuevas publicaciones, visite www.monografias.com

www.monografias.com

Las variables de decisin deben ser enteras. Luego de introducir los datos en %ste cuadro de di-logo , de 'acer clicS en resolver, se 'allar- la siguiente solucin3

V. EL PROBLEMA DE LA ASIGNACIN
El /roblema de la ;signacin es un problema cl-sico de la (nvestigacin de )peraciones , es un caso particular del /roblema del :ransporte. Este problema se trata de asignar una serie de Decursos a una serie de tareas. :iene una limitante , es que a cada tarea se le puede asignar slo un recurso, pueden sobrar recursos o podr*an sobrar tareas pero no se le puede asignar dos recursos a una misma tarea, o tres... por e1emplo si se tienen tres operarios con diferentes tiempos de operacin en cuatro m-quinas el modelo nos dir*a como asignar los tres operarios a tres m-quinas +nos sobrar*a una. de manera que se minimice el tiempo total, pero no nos dir*a como asignar dos operarios a dos m-quinas , el otro operario a las otras dos m-quinas E1emplos de ;signaciones3 )perarios a :areas, M-quinas a )perarios, Ladadores a Estilos,etc. El /roblema de la ;signacin se basa en una informacin comparativa para tomar la decisin de que asignar a que, por e1emplo una matri$ de costos, una matri$ de tiempos, de ingresos, etc. 0uando la matri$ no est- balanceada, es decir, cuando no es cuadrada, cuando sobran filas o columnas, se debe balancear para que tenga solucin mediante la inclusin de filas o columnas ficticias, con valores de cero en dic'a matri$. -.1 /*1 %L7+I*5 'E P1*817 7+I*5 LI5E7L E4E PL* !.1.10 E&isten cuatro operarios que se pueden asignar al traba1o con tres m-quinas. "n estudio de tiempos , movimientos 'a arro1ado los siguientes tiempos por operario para las tres m-quinas. (ndicar que operario debe traba1ar en que m-quina , cu-l de ellos no ser- asignado a ninguna.

/ara ver traba1os similares o recibir informacin semanal sobre nuevas publicaciones, visite www.monografias.com

www.monografias.com

M-quina 1 )perario 1 1@

M-quina 4 !

M-quina 6 9

)perario 4 ! 7 A )perario 6 9 A 1@ )perario A 9 ! 0omo la matri$ no esta balanceada, es necesario incluir una m-quina ficticia3 +esto es fundamental para asegurar que 'a,a una respuesta. Si la matri$ no est- balanceada, el problema no ser- factible de resolver. M-quina 1 M-quina 4 M-quina 6 M-quina Qicticia )perario 1 1@ ! 9 @ )perario 4 ! 7 A @ )perario 6 9 A 1@ @ )perario A 9 ! @ >i1 = Se debe asignar el operario i a la m-quina 1O S* o noO En matem-ticas e&isten dos n8meros cu,as propiedades 'acen que puedan representar estas respuestas son el 1 , el @, debido a que todo n8mero multiplicado por 1 da el mismo n8mero entonces el 1 se puede reempla$ar por la respuesta S* , como todo n8mero multiplicado por cero da cero entonces se puede reempla$ar por la respuesta Lo. ;s* por e1emplo3 1@>11 B !>14 B 9>16 B @>1 Depresenta el tiempo sumado que emplear*a el operario1 en operar las m-quinas, pero solo una variable de las tres anteriores puede tomar el valor de S*, o sea de 1 las dem-s tendr-n que tomar el valor de @, , eso es debido a que el operario 1 slo puede ser asignado a una m-quina, lo que significar*a que el tiempo que utilice el operario 1 puede ser ,a sea de W1@W de W!W o de W9W. 0on base en esto podemos formular la funcin ob1etivo3 Min < = 1@>11 B !>14 B 9>16 !>41 B 7>44 B A>46 9>61 B A>64 B 1@>66 A> 1 B 9> 4 B !> 6 Destricciones3 0omo cada operario slo puede estar asignado a una m-quina.... >11 B >14 B >16 B >1 = 1 >41 B >44 B >46 B >4 = 1 >61 B >64 B >66 B >6 = 1 > 1B> 4B> 6B> =1 V como cada m-quina solo puede tener un operario asignado... >11 B >41 B >61 B > 1 = 1 >14 B >44 B >64 B > 4 = 1 >16 B >46 B >66 B > 6 = 1 >1 B >4 B >6 B > = 1 >i1 = 1 o @ para toda i,1. ;l resolver utili$ando Software, por e1emplo el Solver del E&cel, la respuesta que se obtiene es la siguiente3

M-quina 1 )perario 1 )perario 4 )perario @ @ 1

M-quina 4 @ 1 @

M-quina 6 @ @ @

M-quina Qic. 1 @ @

/ara ver traba1os similares o recibir informacin semanal sobre nuevas publicaciones, visite www.monografias.com

www.monografias.com

6 )perario

Esto significa que el )perario 1 queda asignado a la M-quina Qicticia +es decir, es el que sobra., el operario 4 se asigna a la m-quina 4, el operario 6 se asigna a la m-quina 1 , el operario se asigna a la m-quina 6. -.2 7L8*1I6 * &%5871* El ;lgoritmo G8ngaro sirve para reempla$ar los m%todos tradicionales de la /rogramacin Einaria, que implican muc'os c-lculos, aprovec'ando la forma especial que tienen los problemas de ;signacin. Los siguientes pasos que se presentan a continuacin son para minimi$ar, pero con algunas modificaciones se puede emplear tambi%n para ma&imi$ar. Si la matri$ no est- balanceada, balancearla inclu,endo las filas o columnas ficticias necesarias. #e cada elemento de la matri$ restar el m*nimo valor de cada fila #e cada elemento de la matri$ restar el m*nimo valor de cada columna Deali$ar la ;signacin de la siguiente manera3 0ada cero que se encuentre en la matri$ significa que se puede asignar esa fila a esa columna, pero una ve$ 'ec'a esta asignacin, ,a no se tendr- en cuenta todos los dem-s ceros de esa misma fila , esa misma columna, debido a que slo se puede asignar una fila a una columna. Euscar de arriba a aba1o la fila que tenga menos ceros, pero que m*nimo tenga uno. +/ues si no tiene ninguno significa que esa fila no se puede asignar a ninguna columna. , asignar esa fila a la columna donde esta el cero +puede ser el primer cero que encuentre de i$quierda a derec'a.. :ac'ar esa fila , esa columna para indicar que ,a fueron asignados, para que los dem-s ceros de esa fila , esa columna no se tengan en cuenta. Depetir este paso 'asta que 'aga todas las asignaciones que m-s pueda. Si todas las filas quedaron asignadas a todas las columnas el problema 'a finali$ado , esa es la solucin ptima, sino ser- necesario utili$ar el m%todo de Qlood +tambi%n se llama condicin de Z[ning. que se e&plica a continuacin. -.2.1 K6*'* 'E /L**'0 SeJalar todas las filas que no tienen una asignacin. +0uando digo seJalar puede ser una pequeJa > a la i$quierda de la fila o arriba de la columna. SeJalar todas las columnas que tengan un cero en la columna seJalada. SeJalar todas las filas que tienen una asignacin en las columnas indicadas. Depetir estos pasos 'asta que no pueda seJalarse m-s columnas o filas. #ibu1ar una l*nea por cada fila L) seJalada , por cada columna S( seJalada. Encontrar el m*nimo valor de los elementos no cubiertos , restarlo a todos los elementos no cubiertos, , sumar este valor a cada elemento que se encuentre en la interseccin de una l*nea 'ori$ontal con una l*nea vertical. Deali$ar la ;signacin... si no es ptima 'acer flood, iterar 'asta que se pueda 'acer la asignacin. -.3 P1*817 7+I*5 #I571I7 E5 EL P1*#LE 7 'E 7,I857+I*5 Muc'as de las situaciones en la vida e&igen una de dos respuestas posibles3 si o no. ;s* es que podemos representar %stas posibilidades con los valores @ +no. , 1 +si., , aprovec'ar las matem-ticas para que nos den una mano ante decisiones dif*ciles5 a esto es lo que solemos llamar 2por obvias ra$ones2 /rogramacin Einaria. "na de las muc'*simas aplicaciones de la /rogramacin Einaria, es el problema de la ;signacin. NSe debe asignar el recurso i a la tarea 1 O NSi o noO EREM/L) 7.6.13 Se tienen tres personas +recurso. para asignarlos a tres labores diferentes. 0ada uno de ellos puede efectuar cualquiera de las tareas e&istentes, pero con diferente nivel de especialidad. Sus respectivos 1efes los 'an calificado de 1 a 1@, para cada tarea en particular. /or supuesto el ob1etivo es el de asignar a las personas de manera tal que la calificacin en con1unto sea la m-&ima. Ter tabla de calificaciones aba1o. :ambi%n funciona para minimi$ar. /or e1emplo, en ve$ de calificacin podr*an ser tiempos de manufactura de cualquier tipo de productos, , el ob1etivo ser*a el de minimi$ar el tiempo total de manufactura. 0alificacin de )perario por :area :area 1 :area 4 :area 6 )perario 1 A F )perario 4 9 ! 6 )perario 6 F 7 ! >i1 = 1 si asignamos el operario i a la tarea 1, de lo contrario @

/ara ver traba1os similares o recibir informacin semanal sobre nuevas publicaciones, visite www.monografias.com

www.monografias.com

En %ste orden de ideas, nuestro deseo es ma&imi$ar la calificacin total al asignar los operarios a las diferentes tareas. Ma& < = A>11 B F >14 B >16 B 9>41 B! >44 B6>66 BF>61 B7>64 B!>66 S"RE:) ;3 1. 0ada operario slo puede tener una tarea asignada >11 B>14 B>16 = 1 +Es decir, slo se puede responder Si una sla ve$.. >41 B>44 B>46 = 1 >61 B>64 B>66 = 1 4. 0ada tarea puede tener un slo operario asignado >11 B >41 B >61 = 1 >14 B >44 B >64 = 1 >16 B >46 B >66 = 1 6. La obvia3 >i1 = @,1 para toda i , toda 1. ;'ora en E&cel... Este puede ser el formato3

Las variables de decisin, est-n locali$adas en el rango de celdas E 3#F, como ,a 'ab*amos dic'o son binarias, van a tomar el valor de 1 si se asigna ese operario a esa tarea, cero de lo contrario. La calificacin que se logre est- en la celda E4, , es el resultado de sumar el producto de dic'as variables con su respectiva calificacin en la matri$ de aba1o. Va se 'ab*a dic'o que esto se logra f-cilmente as*3 =S"M;/D)#"0:) +E 3#F, E93#11.. 0omo un operario slo se puede asignar a una tarea, colocamos una columna de Suma +E., %sta es por e1emplo para la celda E 3 =E B 0 B # . 0uando agreguemos las restricciones, %sta columna debe ser igual a uno, pues slo se puede responder que si una ve$, ni m-s, ni menos. #e igual manera agregamos una fila +!., para asegurarnos que a una tarea slo se asigne un operario, por e1emplo la celda E!3 =E B E7B EF #eber- ser igual a 1. ;'ora en el cuadro de di-logo de los par-metros de Solver, lo colocamos as*3

Luego de 'acer clicS en resolver...

/ara ver traba1os similares o recibir informacin semanal sobre nuevas publicaciones, visite www.monografias.com

www.monografias.com

La calificacin m-&ima lograda es de 44. V se asign el operario 1 a la tarea 4, el operario 4 a la tarea 1 , el operario 6 a la tarea 6. /ara los programas Lineales enteros es mu, importante que Solver, est% debidamente configurado para un n8mero suficiente de iteraciones, de tiempo, de precisin , de convergencia, para esto ver los detalles de Solver

VI. BIBLIOGRAFIA
1. Eppen G.# , Gould Q.R, Sc'midt 0./. (nvestigaci\n de operaciones en la 0iencia ;dministrativa 4. Giller, Qrederics.(ntroduccion a la (nvestigacin de )peraciones, ]uinta Edicion, 1991IM0IGrawIGill 6. Zaufman, ;rnold.Metodos , Modelos de (nvestigacion de operaciones,]uinta Edicion, 19A , 0E0S; . Levin, Dic'ard (. ZirSpatricS, 0'arles ;. Enfoques 0uantitativos a la ;dministracin. /rimera Edicion, 19A6 7. Lumberger #avid, /rogramacin Lineal , no Lineal. ^esle, E# ;ddison, (beroamericana, 19A9, E";. F. Lagui,Mo'ammad. (nvestigacin de )peraciones. (nterpretacin de Modelos , 0asos. Editorial Limusa, 199F, M%&ico !. /rawda , Ruan. M%todos , Modelos de (nvestigacin de )peraciones, volumen 13 Modelos #eterministicos, )ctava Deimpresin, 19A9, Limusa Me&ico. A. :a'a, Gamd, ;., (nvestigacin de )peraciones. Se&ta edicin 1999, ;lfa , )mega S.;. Me&ico 9. ^eb Site3 www.elprisma.com 'ttp3KKselva.dit.upm.esK cdKapuntesKtema6Ktema6.'tml 'ttp3KKeSeSo.rcp.net.peKrcpKlistasKioperKiosa.'tml ;utor3 8erman 4. &uaman

/ara ver traba1os similares o recibir informacin semanal sobre nuevas publicaciones, visite www.monografias.com