INGENIERIA ADMINISTRATIVA

SESION 3 RETRO INICIAL

08 DE MARZO DEL 2015.

SESION 3 RETRO INICIAL
1) PLANEACION DE LA PRODUCCION

Es la actividad de decidir acerca de los medios que la empresa industrial

necesitara para sus futuras operaciones manufactureras y para distribuir esos
medios de tal suerte que se fabrique el producto deseado en las cantidades al
menor costo posible.
Es la funcin de la direccin de la empresa que sistematiza por anticipado los
factores de mano de obra, material primas, maquinaria y equipo, para realizar
la fabricacin que este determinada por anticipado, con relacin a utilidades
que deseen lograr, demanda del mercado, capacidad y facilidades de la planta,
puestos y facilidades de la planta.

2) MODELACIN DE UN PROBLEMA, CONCEPTO DE MODELACIN

Es aquello que sirve para presentar o describir otra cosa es decir crea
prototipos, el modelo puede tener una forma semejante o ser totalmente
distinto del objeto real. Un modelo se puede definir como una representacin
simplificada de un sistema real, un proceso o una teora, con el que se
pretende aumentar su compuncin hacer predicciones y posiblemente ayudar
a controlar el sistema icnico, versin a escala del objeto real y con sus
propiedades relevantes ms o menos representadas.

3) DEFINICIN DE OPTIMALIDAD Y FACTIBILIDAD

OPTIMALIDAD equivale a seleccionar (buscar) la "mejor" solucin de entre
muchas posibles alternativas. Este proceso de optimizacin puede ser visto
como una secuencia de decisiones que nos proporcionan la solucin correcta.
Si,
dada
una
sub
secuencia
de
decisiones,
siempre se conoce cul es la decisin que debe tomarse a continuacin para
obtener la secuencia ptima, el problema es elemental y se resuelve
trivialmente tomando una decisin detrs de otra, lo que se conoce como
estrategia voraz. Condicin de optimalidad es cuando una solucin en un
vrtice es igual o mejor que todas las soluciones factibles en los vrtices
adyacentes a ella.
FACTIBILIDAD se refiere a la disponibilidad de los recursos necesarios para
llevar a cabo los objetivos o metas sealadas. Generalmente la factibilidad.
Estos resultados se entregan a la gerencia quienes son los que aprueban la
realizacin del sistema informtico. Condicin de factibilidad partiendo de una
solucin bsica factible, nicamente se encontraran durante el clculo de
soluciones bsicas factibles.

4) FORMA ESTNDAR Y FORMA CANONICA

RESTRICCIONES EN FORMA DE DESIGUALDA.

CANINOCA

LAS

FORMA ESTANDAR: Todas las restricciones son ecuaciones excepto las de no

negatividad, los elementos del lado derecho de cada ecuacin son no
negativos, todas las variables son no negativas, la funcin objetivo es del tipo
de maximizacin o minimizacin.
FORMA CANONICA: se usa con frecuencia en matemtica para indicar que algo
es natural, como debe ser e independiente de elecciones arbitrarias, que es
absoluto y no relativo a un observador, que es intrnseco y no depende de un
sistema de referencia o de un sistema de coordenadas, que pertenece a
la estructura propia de lo que estudiamos.
Decir de algo que es cannico es decir que no es arbitrario, que todos
coincidimos en ello si lo miramos con atencin. Aunque siempre se use en
sentido impreciso, es un concepto central en matemticas, ciencia que aspira a
desentraar con rigor lo que se entiende por cannico y a sacar a la luz todo lo
que es cannico

5) ELEMENTOS DE UN MODELO DE P.L.

Consta de 3 complementos bsicos
a) la primera determina las variables de decisin que debemos de determinar
b) la segunda el objetivo (la meta) que necesita (maximizar o minimizar)
c) la tercera las restricciones que la solucin debe satisfacer.

6) TIPO DE OPTIMIZACIN:
Maximizar, consiste en aprovechar o explotar todo lo posible, cuando se
maximiza se tomar el valor ms negativo.
Minimizar, consiste en reducir lo ms posible cuando se minimiza se toma el
valor ms positivo.

7) TABLA SIMPLEX
Se consideran las siguientes fases:
1.- realizar un cambio de variables y normalizar el signo de los trminos
independientes.
-se realiza un cambio en la nomenclatura de las variables. Establecindose la
correspondencia siguiente:
X pasa a ser X1
Y pasa a ser X2
Como los trminos independientes de todas las restricciones son positivos no
es necesario hacer nada. En caso contrario habra que multiplicar por -1 en
ambos lados de la inecuacin (teniendo en cuenta que esta operacin tambin
afecta al tipo de restriccin).
2.- Normalizar las restricciones. Se convierten las inecuaciones agragando
variables de holgura, exceso y artificiales segn la tabla siguiente:

TIPO DE DESIGUALDAD

TIPO DE VARIABLE QUE

APARECE
- EXCESO
+
ARTIFICIAL
+ARTIFICIAL
+ HOLGURA

En este caso se introduce una variable de holgura (X3, X4 y X5) en cada una de
las restricciones del tipo , para convertirlas en igualdades, resultando el
sistema de ecuaciones lineales:
3.- Igualar la funcin objetivo a cero
4.- Escribirla tabla inicial del mtodo simplex, la tabla inicial del mtodo
simplex est compuesta por todos los coeficientes de las variables de decisin
del problema original y las de holgura, exceso y artificiales agregadas en el
paso 2 y las restricciones que se tengan en las filas y de las columnas que se
tengan en la base.

5.- Condicin de parada, si el objetivo es la maximizacin, cuando en la ltima

fila (fila indicadora) no existe ningn valor negativo entre los costes reducidos
(columnas P1 en adelante) se alcanza la condicin de parada.
6.- Eleccin de la variable entrante y saliente de la base, se determina en
primer lugar la variable que entra en la base. Para ello se escoge la columna
cuyo valor en la fila Z sea el menor de entre todos los negativos.
Si existiesen dos o ms coeficientes iguales, (caso de empate), se optara por
aquella variable que sea bsica. La columna que entra en la bases se llama
columna pivote.
Una vez obtenida la variable que entra en la base, se procede a determinar
cul ser la variable que sale de la misma. La decisin se toma en base a un
sencillo calculo: dividir cada termino independiente (columna P0) entre el
elemento correspondiente de la columna pivote, siempre que ambos elementos
sean estrictamente positivos (mayores que cero). Se escoge la fila cuyo
resultado haya resultado mnimo.
Si hubiera algn elemento menor o igual a cero no se realiza dicho cociente. En
caso de que todos los elementos de la columna pivote fueran de esta condicin
se habra cumplido la condicin de parada y el problema tendra una solucin
no acotada.
Si al calcular los cocientes, dos o ms resultados cumplen la condicin para
elegir el elemento saliente de la base (caso de empate), se escoge aquella que
no sea variable bsica (siempre que sea es posible).
7.- Actualizar la tabla, los nuevos coeficientes de la tabla se calculan de la
siguiente manera:
-en la fila del elemento pivote cada nuevo elemento se calcula como:
Nuevo elemento fila = Anterior fila pivote = Anterior elemento fila pivote
/ pivote
-

El resto de las filas cada elemento se calcula:

Nuevo elemento fila = Anterior Elemento Fila (Anterior Elemento Fila en
columna pivote * nuevo elemento fila pivote)
Con esto se normaliza el elemento pivote y su valor pasa a ser 1,
mientras que el resto de elementos de la columna pivote se anulan
(anlogo al mtodo de Gauss-Jordn).

8.- Fin del algoritmo.- Cuando la ltima fila todos los coeficientes sean positivos
se estar cumpliendo la condicin de parada.

8)
METODO
SIMPLEX,
(PROCEDIMIENTO,OBJETIVO,FINALIDAD)

FORMA

GENERAL

Busca la solucin ptima en los puntos extremos de la regin factible, requiere

que el problema este representado en forma estndar. Sus caractersticas es la
representacin del espacio de soluciones con la forma estndar, determinacin
algebraica de los puntos extremos, condiciones de optimalidad y factibilidad,
mecanismo para pasar de una solucin factible a otra que asegure la
optimalidad, el algoritmo que resuelve problemas de programacin lineal, cada
interaccin resuelve un sistema de ecuaciones, cada interaccin aplica prueba
de optimalidad.
9) METODO M (PROCEDIMIENTO)
Existen problemas de programacin lineal que no proporcionan una solucin
bsica inicial. Esta situacin se presenta cuando al menos una de las
restricciones es del tipo (< =) o (=) para este propsito se desarrollan dos
mtodos basados en el uso de variables artificiales, el mtodo M o de
penalizacin y la tcnica de 2 fases.
Los pasos bsicos del mtodo M son los siguientes:
1.- Exprese el problema en forma estndar transformando las inecuaciones en
ecuaciones introduciendo variables de holgura.
2.- Agregue variables no negativas al lado izquierdo de cada una de las
ecuaciones correspondientes a las restricciones de tipo (>=) o (=). Estas
variables se denominan variables artificiales y su adicin hace que las
restricciones correspondientes.
Esta dificultad se elimina asegurando que las variables sean 0 en la solucin
final. Esto se logra asignando una penalizacin muy grande por unidad a estas
variables en la funcin objetivo. Tal penalizacin se designara como M para
problemas de maximizacin y M+ para problemas de minimizacin.
3.- utiliza variables artificiales en la solucin bsica inicial, sin embargo la
funcin objetivo de la tabla inicial se prepara adecuadamente para expresarse
en trminos de las variables no bsicas nicamente. Esto significa que los
coeficientes de las variables artificiales en la funcin objetivo deben ser 0 un
resultado que puede lograrse sumando mltiplos adecuados de las ecuaciones
de restriccin al regln objetivo.
4.- minimizar o maximizar cual sea el caso.

10) METODO DE DOBLE FASE, (PROCEDIMIENTO)

Consiste en resolver problemas en dos fases:
Expresar el modelo original en la forma estndar e igualar a cero la funcin
objetivo. Sumar del lado izquierdo de cada ecuacin, correspondiente a las
restricciones del tipo > y/o =, una variable no negativa. Estas variables se
llaman variables artificiales y su adicin causa una alteracin a las
restricciones correspondientes esta dificultad es superada garantizando que las

variables artificiales sern igual a cero (W0 ==) en la solucin ptima de la

primera fase.
FASE 1
Formular un nuevo modelo, reemplazando la funcin objetivo del modelo
original por la sumatoria de las variables artificiales que se sumaron en el paso
anterior. La nueva funcin objetivo ser entonces de minimizar sujeta a las
restricciones del problema original (en esta fase la funcin objetivo siempre
ser de minimizar, sin importar que la funcin objetivo del problema original
sea de maximizar o minimizar). Si el problema tiene el espacio de soluciones
factibles, el valor mnimo (optimo) de la nueva funcin objetivo ser de cero (lo
cual indica que todas las variables artificiales son cero). Si esto ocurre
podremos continuar con la fase dos de lo contrario, si el valor mnimo es mayor
que cero el problema es terminado ya que esto indica que no existe espacio de
soluciones factibles.
Fase II
Considerar la solucin bsica optima de la fase 1 como una solucin inicial para
el problema original, en esta fase, de la tabla optima de la fase1 se eliminan
las columnas de las variables artificiales y se sustituye la funcin objetivo por
la del problema original, toda vez que se comprueba que se tiene una solucin
inicial bsica-factible no optima se procede con los pasos normales del
algoritmo del mtodo simplex, hasta obtener, si existe, la solucin ptima.