Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
INVESTIGACION DE OPERACIONES
-1-
INVESTIGACION DE OPERACIONES
INDICE
I. LA INVESTIGACION DE OPERACIONES, USO DE MODELOS
Y METODOS E OPTIMIZACION
V. EL PROBLEMA E ASIGNACION
V.1 Formulacin de Programacin lineal.....68
V.2 Algoritmo Hngaro....70
V.3 Programacin Binaria en el problema de asignacin.....72
-2-
INVESTIGACION DE OPERACIONES
X. BIBLIOGRAFA
X.1 Modelos deterministas....130
-3-
INVESTIGACION DE OPERACIONES
INVESTIGACION DE OPERACIONES
I.
1. Un poco de Historia
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 1947, en EE.UU., George Datzing
encuentra el mtodo simplex para el problema de programacin lineal.
En la investigacin de operaciones, las computadoras son la herramienta
fundamental en la investigacin de operaciones.
2. Definicin
La Investigacin de Operaciones, es la aplicacin del mtodo cientfico
por un grupo multidisciplinario de personas a un problema,
principalmente relacionado con la distribucin eficaz de recursos
limitados (dinero, materia prima, mano de obra, energa), que
apoyados 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.). Puede considerarse
tanto un arte como una ciencia. Como arte refleja los conceptos
eficiente y limitado de un modelo matemtico definido para una
situacin dada. Como ciencia comprende la deduccin de mtodos de
clculo para resolver los modelos.
-4-
INVESTIGACION DE OPERACIONES
-5-
INVESTIGACION DE OPERACIONES
1. Modelos Matemticos
Un modelo es producto de una abstraccin de un sistema real: eliminando las
complejidades y haciendo suposiciones pertinentes, se aplica una tcnica
matemtica y se obtiene una representacin simblica del mismo. Un modelo
matemtico consta al menos de tres conjuntos bsicos de elementos:
Variables de decisin y parmetros
-6-
INVESTIGACION DE OPERACIONES
Restricciones
Sujeto a (S.A):
8X1 + 7X2 500
X1, X2>= 0
-7-
INVESTIGACION DE OPERACIONES
Maquina A
Maquina B
2H
3H
4H
2H
Total disponible
48 H
36 H
(Restricciones de no negatividad)
-8-
INVESTIGACION DE OPERACIONES
PROBLEMAS PROPUESTOS
TEMA: Formulacin de Programas Lineales
1) Para una cafetera que trabaja 24 horas se requiere las siguientes Meseras.
Horas del da
2-6
6-10
10-14
14-18
18-22
22-2
Numero mnimo de
meseras
4
8
10
7
12
4
X1 + X 6 4
X1 + X 2 8
X 2 + X 3 10
X3+ X4 7
X 4 + X 5 12
X5+ X6 4
Xi 0
i = 1,6
-9-
INVESTIGACION DE OPERACIONES
Solucin
X1 = Producto N 1
X2 = Producto N 2
Producto N 1
Utilidad = precio de venta costo
Utilidad= 14-10
Utilidad =
4
Producto N 2
Utilidad = precio de venta costo
Utilidad =11 -8
Utilidad = 3
Mx. Z = 4X1 + 3X2 5% X3
4X1 + 3X2 0.05 X3
S. a:
Departamento A, B, C.
- 10 -
INVESTIGACION DE OPERACIONES
Producto
Capital X Ha
Agua Octubre
Agua Noviembre
Beneficio
Maz
30
900
1200
4.50
Trigo
40
650
850
6.0
Disponibilidad
2500
57000
115200
Solucin
X1 = Nro quintales de maz
X2 = Nro quintales de trigo
Mx. Z = 4.5X1+ 6X2
S. a:
X 1 + X 2 70
30 X 1 + 40 X 2 2500
(capital x Ha)
9000 X 1 + 6500 X 2 5700 (agua / Ha octubre)
12000 X 1 + 850 X 2 11500 (agua / Ha noviembre)
Xi 0
i =1,2
Tonelaje
2000
1500
3000
Pies Cbicos
100000
30000
135000
Se ha recibido las siguientes ofertas de carga, las que se pueden aceptar total
o parcialmente.
Carga
A
B
C
Cantidad (Ton)
6000
4500
2000
Ganancia(S/./Ton)
6
8
9
- 11 -
INVESTIGACION DE OPERACIONES
Solucin
El problema consiste en distribucin los artculos en los 3 bodegas es decir: se
trata determinar que fraccin de cada articulo ira en cada bodega.
X1 = A
X2 = B
X3 = C
Mx. Z = 6(X1+ X2 + X3) + 8(X4 + X5 + X6) + 9(X7 + X8 + X9)
S. a:
Capacidad en bodega
X 1 + X 4 + X 7 2000
X 2 + X 5 + X 8 3000
X 3 + X 6 + X 9 1500
Condiciones de carga transportada de artculo
X 1 + X 2 + X 3 6000
X 4 + X 5 + X 6 4000
X 7 + X 8 + X 9 2000
Condicin de proporcional
X1+X4+X7
2000
X2+X5+X8
3000
X3+X6+X9
1500
sea:
3 (X1+X4+X7) 2(X2+X3+X8) = 0
Xi 0
i = 1, 9
- 12 -
INVESTIGACION DE OPERACIONES
Bodega
1
articulo
A
B
C
Peso
Tonel
Proa
Centro
Popa
Peso
Ton
Pros
Ton
Beneficios
Ton
X1
X4
X7
2000
100000
X2
X3
X8
3000
135000
X3
X6
X9
1500
30000
6000
4000
2000
60
50
25
6
8
9
Solucin
X1 = N de rollos cortados de diferentes maneras i =1, 5
Las posibilidades lgicas de corte son:
MCD (30, 45, 50) = 5
30
45
30
Min.
X1
3
0
0
18
X2
2
1
0
3
X3
0
0
2
8
X4
0
2
0
18
X5
0
1
1
13
800
500
1000
S. a:
3 X 1 + 2 X 2 = 800
X 2 + 2 X 4 + X 5 = 500
2 X 3 + X 5 = 1000
6) Una lnea Area esta considerando la probabilidad de adquirir aviones de
pasajeros en el mercado mundial: USA. Inglaterra o Rusia.
- 13 -
INVESTIGACION DE OPERACIONES
i = 1, 3
Producciones de transistores
Armadura de circuitos
Control de transistores
prueba de circuitos y embalaje
- 14 -
INVESTIGACION DE OPERACIONES
micromdulos
0.1
0.3
0.4
0.5
rea 1
rea 2
rea 3
rea 4
0.5
Circuitos
armados
1.0
1.3
6.5
0.5
Horas de
trabajo
200
200
200
200
X1 = N de transistores a producir
X2 = N de micromdulos a producir
X3 = N de circuitos armados a producir
Mx. Z = 130X1 + 750 X2 + 2430 X3
S. a:
0.1X 1 + 0.5 X 2 200
0.4 X 1 + 0.5 X 2 + 3 X 3 200
rea 1:
Utilidad = venta costo
Utilidad = 200 70
Utilidad = 130
Mx.
- 15 -
INVESTIGACION DE OPERACIONES
rea 2:
Utilidad = venta costo
Utilidad = 800 50
Utilidad = 750
Mx.
S. a:
0.1X 1 + 0.3 X + X 3 200
0.4 X 2 + 1.3 X 3 200
rea 3:
Utilidad = venta costo
Utilidad = 2500-200
Utilidad = 24800
S. a:
i =1, 3
Producto
Precio venta
soles unid.
A
B
3000
1400
Tiempo
Empleado hora
llamada
3
1
Probabilidad de
una venta en
llamada
0.5
0.6
- 16 -
INVESTIGACION DE OPERACIONES
Solucin
Formule el problema de manera tal que maximic la cantidad de ganancia que
espera el vendedor
X1 = N de unidades de producto A
X2 = N de unidades del producto B
Ganancia = venta costo
Costo de llamada del producto A
Gastos propios / horas en llamada = 30
Tiempo empleado hora / llamada = 3
Probabilidad de una venta en llamada = 0.5
Mx.
S. a:
Cantidad de producto A x B vendidos
0.5 X 1 20
46 0.60 X 2 78
- 17 -
INVESTIGACION DE OPERACIONES
Min.
S. a:
i = 1, 3
10) La CIA Minas Universal opera tres minas en West Virginia el mineral de cada
una se separa, antes de embarcarse, en dos grados. La capacidad diaria de
produccin de las minas as como sus costos diarios de operacin son los
siguientes:
Mineral de grado
alto ton/da
Mina I
Mina II
Mina III
4
6
1
Mineral de
grado bajo
ton/da
4
4
6
Costo de
operacin
$1000/da
20
22
18
- 18 -
INVESTIGACION DE OPERACIONES
i = 1, 4
Solucin
X1: N de consolas modelo I a producir a la semana
X2: N de consolas modelo II a producir a la semana
X3: N de consolas modelo III a producir a la semana
X4: N de consolas modelo IV a producir a la semana
Mx. Z = 7X1 + 7X2 + 6X3 + 9X4
S. a:
4 X 1 + 5 X 2 + 3 X 3 + 5 X 4 30000
2 X 1 + 15 X 2 + 3 X 3 + 3 X 4 20000
Xi 0
i = 1, 4
- 19 -
INVESTIGACION DE OPERACIONES
12) La refinera Azteca produce 2 tipos de gasolina sin plomo, regular y extra, los
cuales vende a su cadena de estaciones de servicio en $12 u $14 por barril,
respectivamente. Ambos se preparan del inventario de la Azteca de petrleo
nacional refinado y de petrleo importado refinado y deben cumplir con las
siguientes especificaciones:
Regular
Extra
Presin
mxima de
vapor
23
23
Octanaje
mnimo
88
93
Demanda
mxima
barriles/semana
100000
200000
Entregas
mnimas
barriles/semana
50000
5000
Octanaje
87
98
Inventario
barriles
40000
60000
Costo $
barriles
8
15
- 20 -
INVESTIGACION DE OPERACIONES
X 3 + X 4 100000
X 1 + X 2 50000
X 3 + X 4 5000
De la disponibilidad
X 1 + X 3 40000
(nacional )
X 2 + X 4 60000
( importado)
X1
X
+ 98
X1 + X 2
X1 + X 2
- 21 -
INVESTIGACION DE OPERACIONES
52 X 1 + 23 X 2 + 35 X 3 + 15 X 4 + 7 X 5 60
X1 1
X2 1
X3 1
X4 1
X5 1
Xi 0
i =1 5
X 2 D2
(estado de restricciones )
X 1 + 25P1 190
X 2 + 50 P 2 250
- 22 -
INVESTIGACION DE OPERACIONES
0.2 X 1 + 0.2 X 2 20
i =1 2
Fbrica 1
Fbrica 2
Detallista 1
14
13
Detallista 2
13
13
Detallista 3
11
12
X 12 + X 22 700
X 13 + X 23 500
Min.
S. a:
- 23 -
INVESTIGACION DE OPERACIONES
X 11 + X 12 + X 13 = 1200
X 21 + X 22 + X 23 = 1000
X 11 + X 21 = 1000
X 12 + X 22 = 700
X 13 + X 23 = 500
Xi 0
i = 11,12
Solucin
El objetivo es minimizar. El tiempo todo que se denotara Z implicando los
va mal de doble subndice X i, j (i=1,2.6) (j=1,2)
Para designar el numero de veces que el nadador es el obstar el evento I
Min. Z = 65X11 + 73X12 + 63X13 + 57X14 +67x15 + 66X63 + 59X64
Ya que ningn nadados puede destinarse a ms un frente.
Como para cada evento debe haber un nadador
X11 + X21 + X31 + X41 + X51 +X61 = L
X14 + X24 + X34 + X44 + X54 + X64 =L
- 24 -
INVESTIGACION DE OPERACIONES
17) Una importante CIA petrolera desea construir una refinera que recibir
suministros desde tres ciudades portuarias. El puerto B esta 300 Km al este y
400 Km al norte del puerto A, mientras que el puerto C esta 400 Km al este y
100 Km al sur del puerto B. determnese la localizacin de la refinera de tal
manera que la cantidad total de tubera necesaria para conectar a la refinera
con los puertos se minimice.
Solucin
X1= N km de distancia del pA
X2= N km de distancia del pB
X3= N km de distancia del PC
Min.
S. a:
Xi 0
Min. Z =
i = 1, 3
18) Una persona tiene $4000 que desea invertir y se le presentan 3 opciones.
Cada opcin requiere depsitos en cantidades de $1000, el inversionista
puede colocar todo el dinero entre las 3. las ganancias esperadas se
presentan en la siguiente tabla:
Ganancia Op.
1
Ganancia Op.
2
Ganancia Op.
3
0
0
0
0
1000
2000
1000
1000
Dlares invertidos
2000
3000
5000
6000
3000
6000
4000
5000
4000
7000
7000
8000
- 25 -
INVESTIGACION DE OPERACIONES
Mx. Z =
100
1000
1000
X1 +
X2+
X3
3
2
1
i = 1, 4
2. Modelos de Simulacin
La simulacin es una tcnica para crear modelos de sistemas grandes y
complejos que incluyen incertidumbre. Se disea un modelo para repetir el
comportamiento del sistema. Este tipo de modelamiento se basa en la divisin
del sistema en mdulos bsicos o elementales que se enlazan entre s mediante
relaciones lgicas bien definidas (de la forma SI / ENTONCES). El desarrollo
de un modelo de simulacin es muy costoso en tiempo y recursos.
- 26 -
INVESTIGACION DE OPERACIONES
- 27 -
INVESTIGACION DE OPERACIONES
SOLUCION:
La formulacin del modelo al problema de minimizacin seria:
Sea Xi: Numero de personal a contratar (i = senior, j = junior o
i =1,2)
La funcin objetivo consistira en minimizar los costos de salario y los de
castigo por unidad defectuosa
Z = Salario + Multa
Salario = 118x1+ 150x2
Multa = (30*8*0.01X1+ 25*8*0.05X2)*5
Luego la funcin objetivo es:
MinZ = 200X1+ 200X2 y sujeta a las restricciones:
30(8) X1+25(8) X2>=1600 (Demanda diaria)
X1<= X2
(Relacin personal)
(1)
(2)
X1, X2 >=0
Grficamente y despus de haber utilizado el amigable software TORA el
problema quedara as:
- 28 -
INVESTIGACION DE OPERACIONES
- 29 -
INVESTIGACION DE OPERACIONES
(1)
(Restriccin de no negatividad)
- 30 -
INVESTIGACION DE OPERACIONES
- 31 -
INVESTIGACION DE OPERACIONES
Este resultado nos dice que Javier Cutipe deber concentrar sus esfuerzos solo
en la venta a 18 comerciantes dado que alli maximizara sus ingresos por
ventas en S/.7200
2.2 SOLUCIN POR COMPUTADORA DE PROBLEMAS DE PL
En la practica, donde los modelos tpicos de programacin Lineal implican
cientos, o incluso miles de variables y restricciones, la nica forma de resolver
estos problemas es utilizando un programa apropiado de computadora. En el
mercado informtico existen softwares que tienen mdulos de programacin
lineal (PL) tal como el Tora, Storm, Programas como el lindo, lingo, etc.
Tambin se puede hacer uso de Solver en Excel para resolver problemas de
PL.
EJEMPLO 2.2.1: La figura 2.3 presenta la solucin de TORA para el
problema de contratacin de personal del ejemplo 2.1.1
- 32 -
INVESTIGACION DE OPERACIONES
7200.000
VARIABLE
X1
X2
ROW
0.000000
420.000000
2)
3)
NO. ITERATIONS=
VALUE
18.000000
0.000000
REDUCED COST
0.000000
100.000000
SLACK OR SURPLUS
200.000000
0.000000
DUAL PRICES
CURRENT
COEF
400.000000
500.000000
ALLOWABLE
INCREASE
INFINITY
100.000000
ALLOWABLE
DECREASE
66.666664
INFINITY
CURRENT
RHS
36.000000
600.000000
ALLOWABLE
INCREASE
84.000000
INFINITY
ALLOWABLE
DECREASE
36.000000
420.000000
- 33 -
INVESTIGACION DE OPERACIONES
Peso combinado de 1 y 2
Condicin de peso para cualquier tamao
- 34 -
INVESTIGACION DE OPERACIONES
X1+ X2+ X3
>= 2
X1 - X2+ X3
>=0
X1+ X2
<=1.6
0.9X1-0.1X2-0.1X3 >=0
-0.1X1+0.9X2-0.1X3 >=0
-0.1X1-0.1X2+0.9X3 >=0
X1, X2, X3 >=0
- 35 -
INVESTIGACION DE OPERACIONES
Del resultado del sotware Tora se puede ver que la solucin optima es :
X1* = 0.20
X2* = 1.00
X3* = 0.80
Z*= 0.11
- 36 -
INVESTIGACION DE OPERACIONES
Octanaje
Presin de vapor
Cantidad disponible
(Barriles)
Tipo 1
104
30,000
Tipo 2
94
70,000
Mnimo
octanaje
Mxima
presin de
vapor
Mxima venta
(Barriles)
Precio de
venta
(Barril)
Aviacin
102
20,000
45.10
Automvil
96
Sin tope
32.40
- 37 -
INVESTIGACION DE OPERACIONES
Formulacin
Sean x1 el nmero de barriles de gasolina del tipo 1 para aviacin.
X2 el nmero de barriles de gasolina del tipo 2 para aviacin.
X3 el nmero de barriles de gasolina del tipo 1 para automvil.
X4 el nmero de barriles de gasolina del tipo 2 para automvil.
La venta correspondiente a gasolina para aviacin es 45.10*(x1 + x2) y
la venta correspondiente a gasolina para automvil es 32.40(x3 + x4)
entonces la funcin objetivo es:
Maximizar:
Z = 45.10x1 + 45.10x2 + 32.40x3 + 32.40x4
Existen varias restricciones:
Demanda de gasolina para aviacin:
X1 + x2 20,000
Cantidad disponible por tipo de gasolina:
X1 + x3 30,000
X2 + x4 70,000
Restriccin de octanaje:
Aviacin: (104x1 + 94x2)/(x1 + x2) 102 2x1 - 8x2 0
Automvil: (104x3 + 94x4)/(x3 + x4) 96 8x3 - 2x4 0
- 38 -
INVESTIGACION DE OPERACIONES
X1 + x3 30,000
X2 + x4 70,000
2x1 - 8x2 0
8x3 - 2x4 0
-x1 + 3x2 0
-3x3 + x4 0
Restriccin de no negatividad
Una vez Formulado el modelo matemtico hacemos uso del TORA para
encontrar una solucin ptima:
X1*=16000.00
X2*=4000.00
X3*=4666.67
X4*=14000.00
Z*= 1506800.00
- 39 -
INVESTIGACION DE OPERACIONES
- 40 -
INVESTIGACION DE OPERACIONES
-CI
-CII
XI
0
=
XII
- 41 -
INVESTIGACION DE OPERACIONES
B XB = b y z = CBXB
o bien:
1
-CB
XB
0
b
XB
CBB-1
B-1
CBB-1b
B-1b
CBB-1
-CI
-CII
B-1
XI
CBB-1b
=
B-1b
XII
XI
XII
Solucin
CBB-1A-CI
CBB-1-CII
CBB-1b
XB
B-1A
B-1
B-1b
Esta tabla muestra los detalles del clculo del mtodo simplex, es decir, si se
conoce B se puede encontrar en cada paso B-1, por lo tanto XB y z.
Por ejemplo consideremos el mtodo simplex con variables de holgura, en
este caso, CII = 0 la solucin bsica inicial se identifica como:
ING. OTONIEL SILVA DELGADO MGR. JUAN JIMENEZ CASTILLA
- 42 -
INVESTIGACION DE OPERACIONES
XI
-CI
XB
XII
Solucin
0
XI
XII
Solucin
CIIA-CI
CIIb
XII
EJEMPLO 3.1:
Max z = 3x1 + 10x2
Sujeto a:
X1 + 4x2 <= 8
X1 + 2x2 <= 4
X1, x2 >= 0
- 43 -
INVESTIGACION DE OPERACIONES
Forma tpica:
Z -3x1 - 10x2 = 0
X1 + 4x2 + h1 = 8
X1 + 2x2 + h2 = 4
X1, x2, h1, h2 >=0
VB
x1
x2
h1
h2
Solucin
-3
-10
h1
8/4=2
h2
4/2=2
x1
x2
h1
h2
Solucin
-1/2
5/2
20
x2
1/4
1/4
h2
-1/2
- 44 -
INVESTIGACION DE OPERACIONES
Segunda iteracin:
De la tabla anterior, entra x1 y sale h2:
VB
x1
x2
h1
h2
Solucin
20
x2
1/2
-1/2
X1
-1
<= 12
X1, x2 >= 0
Forma tpica:
Z -3x1 - 5x2 = 0
X1 -2x2 + x3 = 5
2x1 + x4 = 12
X1, x2, x3, x4 >= 0
X3, x4 variables de holgura.
ING. OTONIEL SILVA DELGADO MGR. JUAN JIMENEZ CASTILLA
- 45 -
INVESTIGACION DE OPERACIONES
VB
x1
x2
x3
x4
Solucin
-3
-5
X3
-2
X4
12
- 46 -
INVESTIGACION DE OPERACIONES
Primera iteracin:
VB
x1
x2
x3
x4
Solucin
-2
-4
X3
12
X4
12
x1
x2
x3
x4
Solucin
24
X2
1/2
1/2
X4
3/2
-1/2
x1
x2
x3
x4
Solucin
24
X2
2/3
-1/3
X1
-1/3
2/3
- 47 -
INVESTIGACION DE OPERACIONES
x1
x2
x3
x4
Solucin
-2
-3
X3
-1/3
2/3
X1 + x2 + x4 = 3
donde x4 es variable artificial, como x4 no se hace 0 necesariamente sobre el
plano (2), debemos penalizar este valor en la funcin objetivo de manera que
x4 se reduzca a 0 al optimizar. Para esto se pone un coeficiente -M grande, en
la funcin objetivo (-M al maximizar, +M al minimizar con M > 0).
- 48 -
INVESTIGACION DE OPERACIONES
x1
x2
x3
x4
Solucin
-M-2
-M-3
-3M
X3
X4
Primera iteracin:
VB
x1
x2
x3
x4
Solucin
(-M-1)/2
(M+3)/2
-M+6
X2
1/2
1/2
X4
1/2
-1/2
Segunda iteracin:
VB
x1
x2
x3
x4
Solucin
M+1
X2
-1
X1
-1
Solucin optima:
x1 = 2, x2 = 1, z = 7
- 49 -
INVESTIGACION DE OPERACIONES
=3
3x1 + x2 + R1 = 3
4x1 + 3x2 - x3 +R2 = 6
x1 + 2x2 + x4 = 4
x1, x2, x3, R1, R2, x4 >= 0
- 50 -
INVESTIGACION DE OPERACIONES
FASE I:
Min r = R1 + R2
Sujeto a:
3x1 + x2 + R1 = 3
4x1 + 3x2 - x3 +R2 = 6
x1 + 2x2 + x4 = 4
x1, x2, x3, R1, R2, x4 >= 0
x1
x2
x3
R1
R2
x4
Solucin
-1
R1
R2
-1
x4
x1
x2
x3
R1
R2
x4
Solucin
-1
-1
x1
1/5
3/5
-1/5
3/5
x2
-3/5
-4/5
3/5
6/5
x4
-1
- 51 -
INVESTIGACION DE OPERACIONES
x1
x2
x3
x4
Solucin
1/5
18/5
X1
1/5
3/5
X2
-3/5
6/5
X4
- 52 -
INVESTIGACION DE OPERACIONES
- 53 -
INVESTIGACION DE OPERACIONES
- 54 -
INVESTIGACION DE OPERACIONES
- 55 -
INVESTIGACION DE OPERACIONES
- 56 -
INVESTIGACION DE OPERACIONES
- 57 -
INVESTIGACION DE OPERACIONES
EJEMPLO 3.3.1:
1. Cambios en los coeficientes objetivo:
Sujeto a
x1 + 2x2 + h1 = 6 (Materia Prima A)
2x1 + x2 + h2 = 8 (Materia prima B)
-x1 + x2 + h3 = 1 (demanda)
x2 + h4 = 2 (demanda)
x1, x2, x3, x4, x5, x6 > 0
x1
x2
x3
x4
x5
x6
Solucin
1/3
4/3
12 2/3
x2
2/3
-1/3
1 1/3
x1
-1/3
2/3
3 1/3
x5
-1
x6
-2/3
1/3
2/3
- 58 -
INVESTIGACION DE OPERACIONES
1/3
4/3
2/3
-1/3
-1/3
2/3
-1
-2/3
1/3
- 59 -
INVESTIGACION DE OPERACIONES
EJEMPLO 4.1:
Suponga que una compaa tiene m plantas de produccin (i), de capacidad ai
(i = 1...m) y n almacenes de distribucin (j), con demanda bj (j = 1...n). El
costo de transporte entre la planta i y el almacn es conocido como cij.
El problema es determinar la cantidad (xij) que debe suministrar la planta i al
almacn j, de tal manera que el costo de transporte total sea mnimo. Las
consideraciones de costos de produccin e inventario se pueden incorporar al
modelo bsico.
El modelo tpico tiene cuatro componentes:
1. Un conjunto de m fuentes
2. Un conjunto de n destinos
3. Costos de transporte entre las fuentes y los destinos
4. Cantidades de producto para enviar entre las fuentes y los destinos.
- 60 -
INVESTIGACION DE OPERACIONES
- 61 -
INVESTIGACION DE OPERACIONES
Ejemplo 4.1.1
Considere La Empresa Gerconsa productora de automviles de tres plantas y
dos centros de distribucin. Las capacidades de las tres plantas durante un
trimestre son de 1000, 1500 y 1200 automviles, la demanda trimestral en los
dos centros de demanda son de 2300 y 1400 vehculos. El costo de transporte
en dlares es:
Planta/Almacn
80
215
100
108
102
68
- 62 -
INVESTIGACION DE OPERACIONES
Oferta
x11
80
x12
215
1000
x21
100
x22
108
1500
x31
102
x32
68
1200
Demanda
2300
1400
3700
- 63 -
INVESTIGACION DE OPERACIONES
- 64 -
INVESTIGACION DE OPERACIONES
Ahora la pregunta es cunto se debe enviar desde cada fbrica a cada almacn
con el fin de obtener el mnimo costo.
Min Z = 2X11 + 2X12 +0X13 +4X14 +5X21 +9X22 +8X23 +3X24
+6X31+4X32 + 3X33 +2X24
Sujeto a:
1. Satisfacer la demanda de los almacenes:
X11+X21+X31 >= 20
X12+X22+X32 >= 15
X13+X23+X33 >= 20
X14+X24+X34 >= 5
2. No sobrepasar la capacidad disponible de las fabricas
X11+X12+X13+X14 <= 25
X21+X22+X23+X24 <= 25
X31+X32+X33+X34 <= 10
3. Por supuesto la condicin de no negatividad y todas las
variables enteras.
Bueno, aqu la formulacin es un poco diferente a como lo hicimos en los dos
ejemplos anteriores. La idea aqu es la de tener dos matrices y dos vectores;
una matriz se corresponder con las variables de decisin, y la otra matriz con
los costos. La primera la dejamos simplemente sealada, con algn formato
para distinguirla, y la otra la digitamos. La celda objetivo ser la suma del
producto de cada una de las posiciones de cada matriz con su correspondiente
en la otra; esto lo podemos hacer rpidamente con la funcin "sumaproducto"
del Excel. Las restricciones estarn en las columnas de "Consumo" y de
"entregado". Primero preparemos el formato del problema, as:
- 65 -
INVESTIGACION DE OPERACIONES
Las variables de decisin deben ser enteras. Luego de introducir los datos en
ste cuadro de dilogo y de hacer click en resolver, se hallar la siguiente
solucin:
- 66 -
INVESTIGACION DE OPERACIONES
V. EL PROBLEMA DE LA ASIGNACIN
El Problema de la Asignacin es un problema clsico de la Investigacin de
Operaciones y es un caso particular del Problema del Transporte.
Este problema se trata de asignar una serie de Recursos a una serie de tareas.
Tiene una limitante y es que a cada tarea se le puede asignar slo un recurso,
pueden sobrar recursos o podran sobrar tareas pero no se le puede asignar dos
recursos a una misma tarea, o tres... por ejemplo si se tienen tres operarios con
diferentes tiempos de operacin en cuatro mquinas el modelo nos dira como
asignar los tres operarios a tres mquinas (nos sobrara una) de manera que se
minimice el tiempo total, pero no nos dira como asignar dos operarios a dos
mquinas y el otro operario a las otras dos mquinas
Ejemplos de Asignaciones: Operarios a Tareas, Mquinas a Operarios,
Nadadores a Estilos,etc.
El Problema de la Asignacin se basa en una informacin comparativa para
tomar la decisin de que asignar a que, por ejemplo una matriz de costos, una
matriz de tiempos, de ingresos, etc. Cuando la matriz 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 dicha matriz.
- 67 -
INVESTIGACION DE OPERACIONES
Mquina 1
Mquina 2
Mquina 3
10
10
Operario
1
Operario
2
Operario
3
Operario
4
Mquina
Ficticia
10
10
- 68 -
INVESTIGACION DE OPERACIONES
Restricciones:
Como cada operario slo puede estar asignado a una mquina....
X11 + X12 + X13 + X14 = 1
X21 + X22 + X23 + X24 = 1
X31 + X32 + X33 + X34 = 1
X41 + X42 + X43 + X44 = 1
Y como cada mquina solo puede tener un operario asignado...
X11 + X21
X12 + X22
X13 + X23
X14 + X24
+ X31 + X41 = 1
+ X32 + X42 = 1
+ X33 + X43 = 1
+ X34 + X44 = 1
- 69 -
INVESTIGACION DE OPERACIONES
- 70 -
INVESTIGACION DE OPERACIONES
Buscar de arriba a abajo la fila que tenga menos ceros, pero que
mnimo tenga uno. (Pues si no tiene ninguno significa que esa fila no
se puede asignar a ninguna columna) y asignar esa fila a la columna
donde esta el cero (puede ser el primer cero que encuentre de
izquierda a derecha). Tachar esa fila y esa columna para indicar que
ya fueron asignados, para que los dems ceros de esa fila y esa
columna no se tengan en cuenta. Repetir este paso hasta que haga
todas las asignaciones que ms pueda. Si todas las filas quedaron
asignadas a todas las columnas el problema ha finalizado y esa es la
solucin ptima, sino ser necesario utilizar el mtodo de Flood
(tambin se llama condicin de Kning) que se explica a
continuacin.
V.2.1 MTODO DE FLOOD:
Sealar todas las filas que no tienen una asignacin. (Cuando digo
sealar puede ser una pequea X a la izquierda de la fila o arriba de la
columna)
Sealar todas las columnas que tengan un cero en la columna sealada.
Sealar todas las filas que tienen una asignacin en las columnas
indicadas.
Repetir estos pasos hasta que no pueda sealarse ms columnas o filas.
Dibujar una lnea por cada fila NO sealada y por cada columna SI
sealada.
Encontrar el mnimo valor de los elementos no cubiertos y restarlo a
todos los elementos no cubiertos, y sumar este valor a cada elemento
que se encuentre en la interseccin de una lnea horizontal con una
lnea vertical.
Realizar la Asignacin... si no es ptima hacer flood, iterar hasta que se
pueda hacer la asignacin.
- 71 -
INVESTIGACION DE OPERACIONES
- 72 -
INVESTIGACION DE OPERACIONES
- 73 -
INVESTIGACION DE OPERACIONES
ejemplo la celda B7: =B4+ B5+ B6 Deber ser igual a 1. Ahora en el cuadro
de dilogo de los parmetros de Solver, lo colocamos as:
- 74 -
INVESTIGACION DE OPERACIONES
- 75 -
INVESTIGACION DE OPERACIONES
Y en las restricciones...
Para los programas Lineales enteros es muy importante que Solver, est
debidamente configurado para un nmero suficiente de iteraciones, de tiempo, de
precisin y de convergencia, para esto ver los detalles de Solver.
VI.2
EJEMPLO
DE RAMIFICACIN Y ACOTACIN
(el
costo
de
contratar
- 76 -
INVESTIGACION DE OPERACIONES
Sujeto a:
T1
T2 - T1
T3 - T2
T4 - T3
T5 - T4
T6 - T5
- C1 +D1 = 70
-C2 +D2 = 0
-C3 +D3 = 0
-C4 +D4 = 0
-C5 +D5 = 0
-C6 +D6 = 0
I1 - 100T1
I1 + 100T2
I2 + 100T3
I3 + 100T4
I4 + 100T5
I5 + 100T6
- 0.625 H1
+ 0.625 H2 - I2
+ 0.625 H3 - I3
+ 0.625 H4 - I4
+ 0.625 H5 - I5
+ 0.625 H6 - I6
= 1.000
= 10.000
= 12.000
= 8.000
= 6.000
= 5.000
H1 - 32T1 <= 0
H2 - 32T2 <= 0
H3 - 32T3 <= 0
H4 - 32T4 <= 0
H5 - 32T5 <= 0
H6 - 32T6 <= 0
- 77 -
INVESTIGACION DE OPERACIONES
- 78 -
INVESTIGACION DE OPERACIONES
- 79 -
INVESTIGACION DE OPERACIONES
VII.
TEORA DE DECISIONES
VII.1 INTRODUCCIN:
La mayora de las decisiones administrativas complejas se toman bajo
incertidumbre. Los gerentes autorizan inversiones sustanciales de capital
con un conocimiento que no es completo acerca de la demanda del
producto. Los funcionarios gubernamentales toman decisiones
importantes acerca del medio ambiente que afectara nuestras vidas por
muchos aos, sin embargo ellos no tienen disponible un conocimiento
preciso sobre el futuro.
VII.2 FASES EN EL ENFOQUE DE LA TEORA DE DECISIONES.
El enfoque de la teora de decisiones generalmente involucra 3 fases; presentaremos estos
mediante el ejemplo de un fabricante de CDs y tarjetas de video que est considerando
varios mtodos alternativos de expandir su produccin para adecuar una demanda creciente
para sus productos.
Fase I.- La primera accin que debe considerar el que va a tomar las decisiones es listar
todas las alternativas viables que se deben contemplar en la decisin.
Ejemplo:
1. Expandir la Planta.
2. Construir Planta Nueva.
3. Encargar la Produccin de CDs y tarjetas de videos a una empresa subcontratista.
Fase II.- Habiendo identificado todas las alternativas viables, el tomador de decisiones
debe ahora listar los eventos futuros que pueden ocurrir.
Generalmente los que toman decisiones estn en condiciones de identificar la mayora de
los eventos futuros que pueden ocurrir; la dificultad est en identificar que evento en
particular ocurrir. Estos eventos futuros (que no estn bajo el control del que toma la
decisin) se llaman estados de la naturaleza en la literatura de la teora de decisiones. En
este listado incluimos todo lo que puede suceder; tambin suponemos que los estados de la
naturaleza se definen de tal modo que solo uno de ellos puede ocurrir, en el caso de nuestro
fabricante de cintas y discos la mayor incertidumbre se asigna a la demanda futura del
producto.
1. Demanda Alta (total aceptacin del producto en el mercado).
2. Demanda Moderada (aceptacin moderada o regular del producto en el mercado).
3. Demanda Baja (Escasa aceptacin del producto en el mercado).
ING. OTONIEL SILVA DELGADO MGR. JUAN JIMENEZ CASTILLA
- 80 -
INVESTIGACION DE OPERACIONES
Falla
-450000
-800000
-100000
DECISIONES:
Los que toman las decisiones deben funcionar en 3 tipos de ambientes. En cada uno de
estos ambientes el conocimiento sobre los estados de la naturaleza es distinto.
- 81 -
INVESTIGACION DE OPERACIONES
Donde:
Pj es probable ocurrencia.
rij es probable retribucin.
En este tipo de problemas el administrador debe entonces tomar la decisin que maximice
el rendimiento esperado, dicho de otra manera, hallar la decisin ptima, es decir que UEi =
mxima sobre todo i de UEi
Es decir:
UEi = Max sobre todo i de UEi
- 82 -
INVESTIGACION DE OPERACIONES
- 83 -
INVESTIGACION DE OPERACIONES
= 0 Siendo X <= 0
= X/100 Siendo X = 1,2,..,100
= 1 Siendo X >= 100
Recuerde que el Vendedor de Peridicos puede comprar a $0.10 c/u y venderlos a $0.25.
Sin embargo la demanda no se conoce con certeza. El supone que es igualmente probable
cualquier demanda entre 1 y 100. En concreto sea el estado j el evento de que la demanda
sea j artculos; el supone que para cualquier entero j tal que j est comprendido entre
1 y 100, la probabilidad en j es = 0.01. Para fines acadmicos supngase que el esperaba
la siguiente distribucin de probabilidad de la demanda:
P0 = Prob. {D = 0} = 1/10
P1 = Prob. {D = 1} = 3/10
P2 = Prob. {D = 2} = 4/10
P3 = Prob. {D = 3} = 2/10
3
0
15
30
45
UEi para i = 0, 1, 2, 3
UE0 = 0(1/10) + 0 (3/10) + (4/10) + 0 (2/10) = 0
UE1 = -10(1/10) + 15(3/10) + 15(4/10) + 15(2/10) = 12.5
UE2 = -20(1/10) + 5(3/10) + 30(4/10) + 30(2/10 = 17.5 UTILIDAD MAXIMA
UE3 = -30(1/10) 5(3/10) + 20(4/10) + 45(2/10) = 12.5
- 84 -
INVESTIGACION DE OPERACIONES
10
11
12
13
Total
18
36
27
9
90
Esta distribucin es discreta y aleatoria. Solo hay cuatro valores posibles para el volumen
de ventas y no hay patrn discernible en la secuencia en que ocurran estos 4 valores. Si
suponemos que BP no tenga argumentos para creer que el volumen de ventas se compartir
en forma diferente en el futuro, su problema es determinar cuantas cajas debe comprar hoy
para el negocio de maana. Si maana los clientes solicitan ms cajas de las que hay
almacenadas, las utilidades de BP disminuyen en $5 (precio de venta precio de costo), por
cada venta que no pueda hacer. Por otra parte hay costos que resultan de almacenar
demasiados artculos en cualquier da. Suponga que un da dado BP tiene 13 cajas, pero
solo vende 10. tiene una utilidad de $50, $5 por caja en 10 cajas, pero esto debe reducirse
por $9, el costo de 3 cajas no vendidas y sin valor.
- 85 -
INVESTIGACION DE OPERACIONES
11 Cajas
12 Cajas
13 Cajas
50
50
50
50
47
55
55
55
44
52
60
60
41
49
57
65
- 86 -
INVESTIGACION DE OPERACIONES
LA
- 87 -
INVESTIGACION DE OPERACIONES
Tamao del
Mercado
15
16
17
18
66
Probabilidad de
Tamao del
Mercado
0.10
0.20
0.40
0.30
1.00
16 Cajas
17 Cajas
18 Cajas
45
45
45
45
42
48
48
48
39
45
51
51
36
42
48
54
- 88 -
INVESTIGACION DE OPERACIONES
Probabilidades a Posteriori
Ejem: La Probabilidad de tener un lote bueno es de 0.80
La Probabilidad de tener un lote malo es 0.20
1. Dos Buenos.
2. Uno Bueno.
3. Dos Malos.
A priori
A Posteriori
EJEMPLO:
P( = 1) = 0.95
P( = 2) = 0.05
P(i)
Bueno
Malo
Probabilidades a Priori
Probabilidades de Resultado
1. Dos Buenas...Z1
2. Uno Bueno...Z2
3. Dos Malos...Z3
P (Zj / i): Probabilidad Condicional.
P (i / Zj): Probabilidad a Posteriori.
Generalmente:
Sea:
= 1, 2... n
z = z1, z2....zn
ING. OTONIEL SILVA DELGADO MGR. JUAN JIMENEZ CASTILLA
- 89 -
INVESTIGACION DE OPERACIONES
k = 0, 1, 2n
Z1
0.922
0.7225
Bueno = P( = 1) = 0.95
Z2
0.0768
0.255
Z3
0.0016
0.0225
Malo = P( = 2) = 0.05
P(i, Zj) :
1
2
Z1
0.8759
0.036125
Z2
0.07296
0.01275
Z3
0.00152
0.001125
- 90 -
INVESTIGACION DE OPERACIONES
Z1
0.96039
0.03961
Z2
0.85124
0.14876
Z3
0.57467
0.42533
Criterio de Laplace.
Criterio Mnimas.
Criterio Savage.
Criterio de Hurwicz.
a1
a2
...
am
Estados de la Naturaleza
1
2
V(a1, 1)
V(a1, 2)
V(a2, 1)
V(a2, 2)
...
...
V(am, 1)
V(am, 2)
...
...
...
...
...
3
V(a1, n)
V(a2, n)
...
V(am, n)
- 91 -
INVESTIGACION DE OPERACIONES
1.CRITERIO DE LAPLACE.-
Decisin
0
1
2
3
0
-10
-20
-30
Estados de la Naturaleza
0
0
15
15
5
30
-5
20
0
15
30
45
Suponer que todos los estados de la naturaleza tengan la misma probabilidad significa que,
dado que son 4, la probabilidad de que ocurran es de 0.25 para c/u. La eleccin de estas
probabilidades convierte al problema en una decisin bajo riesgo y entonces se puede
calcular el rendimiento esperado; eligiendo la accin ai que proporciona la ganancia mayor
esperada.
- 92 -
INVESTIGACION DE OPERACIONES
1
5
8
21
30
2
10
7
18
22
3
10
8
12
19
4
25
23
21
15
25
23
21
30
V(ai, j) :
a1
a2
1
11000
10000
2
90
10000
Si aplicamos el criterio MinMax a esta matriz nos da como resultado la opcin a2, pero la
lgica se inclina por a1. El criterio de Savage rectifica este punto construyendo una matriz
de prdidas en la cual V(ai, j) se reemplaza por:
r(ai, j)
la cual se define como:
ING. OTONIEL SILVA DELGADO MGR. JUAN JIMENEZ CASTILLA
- 93 -
INVESTIGACION DE OPERACIONES
r(ai, j) =
Si V es beneficio
Si V es costos o prdidas
a1
a2
2
0
9910
1000
9910
max.max{V(ai, j)}
max.min{V(ai, j)}
0 <= <= 1
- 94 -
INVESTIGACION DE OPERACIONES
Max V(ai, j)
4
25
23
21
15
a1
25
15
a2
23
15
a3
12
21
16.5
a4
15
30
22.5
Min ai
- 95 -
INVESTIGACION DE OPERACIONES
(i)
(ii)
Probabilidades de Riesgo
Valores Monetarios Condicionales del Resultado
Valor Esperado
EJEMPLO: Se desea tomar una decisin entre ir al cine o quedarse en casa a ver Tv.
P e lc u la s e a
B uena
Ir a l C in e
P e lc u la
s e a M a la
P ro g ra m a N u e v o
V er T v
P r o g r a m a R e p e tid o
- 96 -
INVESTIGACION DE OPERACIONES
Invertir $1000
en A cciones
(0.7)
M ercado T iende
a la Baja
(0.3)
M ercado tiende
alalza
Invertir
$1000 en
Cta Cte
(0.7)
M ercado a baja
(0.3)
Supngase que la cuenta de ahorros nos pagara un inters del 5% si las acciones suben, se
obtendr $1400, Si las acciones bajan se obtendr $ 800
$ 1 4 0 0 (0 .7 )
In ve rtir $ 1 0 0 0
e n A c cion es
$ 8 0 0 (0 .3 )
$980
$240
$1220
$ 1 0 5 0 (0 .7 )
$735
In ve rtir
$ 1 0 0 0 en
C ta C te
2
$ 1 0 5 0 (0 .3 )
$315
$1050
- 97 -
INVESTIGACION DE OPERACIONES
= 0.5
= 0.3
= 0.2
El anlisis de costo volumen utilidad hecho por la gerencia de Stereo Industries LTD. Indica
estos resultados condicionales bajo las varias combinaciones de tamao de planta y tamao de
mercado:
1. Una planta grande con una demanda alta producir utilidades anuales por $1,000.000
2. Una planta grande con una demanda moderada producir utilidades anuales por $600
000
3. Una planta grande con una demanda baja producir prdidas anuales por $700.000
debido a ineficiencias en la produccin.
4. Una planta pequea con una demanda alta solo producir utilidades anuales por
$250.000 considerando el costo de las ventas perdidas por la inhabilidad de abastecer a
los clientes.
5. Una planta pequea con una demanda moderada producir utilidades anuales de
$450.000 porque el costo de las ventas perdidas ser algo ms bajo.
6. Una planta pequea con una demanda baja producir utilidades de $550.000 anuales
porque el tamao de la planta y el tamao del mercado estaran ajustadas casi
ptimamente.
- 98 -
INVESTIGACION DE OPERACIONES
($
C o n stru ir P la n ta
G ra n d e
0)
5000000
D M ($ 6 0 0 0 0 0 )(0 .3 )(1 0 )
C o n stru ir
P la n ta P e q u e a
10
A
D 0)(0
0
0
00
(1
.5 )
B(
$2
0
($ 2
00
0
00
00
0 )(
)(0
-4 0 0 0 0 0
.2 )
(1
.5 )
(1 0
0)
($
55
00
00
)(0
.2
)(1
3600000
1250000
D M ($ 4 5 0 0 0 0 )(0 .3 )(1 0 )
D
1800000
1350000
1100000
0)
2300000
Se toma la decisin de construir una planta grande con una diferencia de $1,300.000
$ 3,600.000
$ 2,300.000
$ 1,300.000
- 99 -
INVESTIGACION DE OPERACIONES
Qu cantidad comprar?
Cundo? Cada que tiempo hacer el pedido
SOBREALMACENAMIENTO:
Ventajas:
Bajo costo de escasez de pedidos.
Desventajas:
Aumento de costo de almacenamiento.
SUBALMACENAMIENTO:
Ventajas:
Baja frecuencia de pedidos.
El capital invertido por unidad es relativamente bajo.
Desventaja:
Origina costo de escasez.
Sistema Logstico:(Empresa Industrial)
MP
Insumos
Materiales
Logstica
de
Entrada
Produccin
(Demanda
Interna)
Logstica
de
Salida
Mercado o
Demanda
Externa
- 100
INVESTIGACION DE OPERACIONES
GRFICAMENTE:
% Inversin
Total
100%
95%
80%
C
B
A
20%
45%
100%
% Artculos
del Total
- 101
INVESTIGACION DE OPERACIONES
ITEM
Cdigo
Cdi
go
C 391
1390.00
32.00
Z-827
960000.00
960000.00
X 003
11500.00
52.00
C-943
669000.00
1629000.00
M 049
3200.00
62.00
X-003
598000.00
2227000.00
C-086
1270.00
15.00
Z-002
494000.00
2721000.00
P-291
18000.00
3.00
S-005
407680.00
3128680.00
Z-827
1600.00
600.00
M-102
203000.00
3331680.00
M-001
11500.00
4.00
M-049
198400.00
3530080.00
Q-008
100.00
22.45
P-427
194000.00
3724080.00
C-943
1500.00
446.00
P-039
63000.00
3787080.00
10
P-427
4850.00
40.00
P-921
54000.00
3841080.00
11
V-333
3270.00
16.00
V-333
52320.00
3893400.00
12
M-565
32500.00
1.25
8-B25
48000.00
3941400.00
13
T-654
3290.00
3.00
M-001
46000.00
3987400.00
14
Z-002
1900.00
260.00
C-391
44480.00
4031880.00
15
S-005
1960.00
208.00
M-565
40625.00
4072505.00
16
P-039
4200.00
15.00
V-998
25200.00
4097705.00
17
V-998
25200.00
1.00
C-086
19050.00
4116755.00
18
Q-098
41000.00
0.15
T-654
9870.00
4126625.00
19
M-102
20300.00
10.00
Q-098
6150.00
4132775.00
20
8-B25
12000.00
4.00
Q-008
2245.00
4135020.00
Consumo(uni Precio ($
dad x Ao)
Unid)
80.57%
30%
94.16%
55%
100%
100%
- 102
INVESTIGACION DE OPERACIONES
GRFICAMENTE:
% Inversin
Total
100%
94.16%
80.57%
C=9
B=5
A=6
30%
55%
100%
% Artculos
del Total
Respuestas:
1. Determinar la cantidad de pedido.
2. Tipo de Sistema de Inventarios
- 103
INVESTIGACION DE OPERACIONES
Costo de Compra
Costo Fijo
Costo de Almacenamiento
Costo de Escasez :
GRFICAMENTE:
Costo Total x Ao
Costo Total de
Inventario
Costo de Almacenamiento
Costo de Compra
Costo Fijo
Costo de Escasez
Nivel Optimo de
Inventario
- 104
INVESTIGACION DE OPERACIONES
Esttica
Dinmica
Estacionaria
No Estacionaria
Probabilstica
OTROS FACTORES:
1. Demora en la Entrega: cuando se coloca un pedido, puede entregarse
inmediatamente o puede requerir algn tiempo antes de que la entrega se
efecte. El tiempo entre la colocacin de un pedido y su sentido se conoce como
demora en la entrega. En general las holguras de entrega pueden ser
determinadas o probabilsticas.
2. Reabasto de Almacn: Aunque un sistema de inventarios puede operar con
demoras en las entregas, el abastecimiento real del almacn puede ser
instantneo o uniforme. El instantneo ocurre cuando el almacn compra de
fuentes externas. El uniforme puede cuando el producto se fabrica totalmente
dentro de la organizacin. En general un sistema puede operar con demanda
positiva y tambin con reaprovisionamiento uniforme de almacn.
3. Horizonte de Tiempo: El horizonte define el periodo sobre el cual el nivel de
inventarios estar controlado, este horizonte puede ser finito o infinito
dependiendo de la naturaleza de la demanda.
4. Abastecimiento Mltiple: Un sistema de inventarios puede tener varios puntos
de almacenamiento. En algunos casos estos puntos de almacenamiento estn
ING. OTONIEL SILVA DELGADO MGR. JUAN JIMENEZ CASTILLA
-
- 105
INVESTIGACION DE OPERACIONES
Nivel de
Inventario
y
y/2
Ciclo
Tiempo
Parmetros:
= Tasa de demanda o consumo.
K = Costo fijo.
H = Costo de almacenamiento.
- 106
INVESTIGACION DE OPERACIONES
CTI(y*) = 2K h
- 107
INVESTIGACION DE OPERACIONES
12 10 = 2 das
2*100 unidades = 200 unidades
L = 2 das de anticipacin.
COSTO PTIMO
CTI (y*) = 2K h = 2(1000)(100)(0.02)
CTI (y*) = $20 costo ptimo.
Yi <= Q
Yi > 0
- 108
INVESTIGACION DE OPERACIONES
2 Ki i
hi 2 Vi
Y*i =
2 Ki i
hi 2 Vi
Frmula 1
L = 0 - Yi Vi Q = 0 Frmula 2
<0
PROBLEMA:
Supngase una bodega de 25000 m3 de espacio real de
almacenamiento de productos agrcolas (maz, trigo, frjol).
Este espacio ya toma una cuenta a lo que se requiere para maniobras de estiba. Las
caractersticas de estos productos son:
Demanda de productos agricolas
Producto
i = 1 Maz
i = 2 Frjol
i = 3 Trigo
Demanda
Constante
Mensual i
2 Tn
4 Tn
3 Tn
Espacio
Ocupado por
Tonelada de
Grano (Vi)
1000 m3
1000 m3
1000 m3
Costo Fijo de
Almacn (Ki)
Costo de
Almacenamiento
x Tonelada (hi)
$ 10000
$ 5000
$ 15000
$ 300
$ 100
$ 200
Cul es la Poltica ptima del Inventario que minimiza los costos Totales?
N de
(<=)
Y*1
Y*2
Y*3
Yi Vi Q
- 109
INVESTIGACION DE OPERACIONES
Iteraciones
1
2
3
4
5
6
7
0.00
-0.05
-0.10
-0.15
-0.20
-0.25
-0.30
11.2
10.0
9.0
8.2
7.6
7.1
6.7
20.2
14.1
11.5
10.0
8.9
8.2
7.6
21.2
17.3
14.9
13.4
12.2
11.3
10.6
27400
16400
10400
6600
3700
1600
-100
- 110
INVESTIGACION DE OPERACIONES
GRFICAMENTE:
(y)
R
(t)
C1
C2
- 111
INVESTIGACION DE OPERACIONES
H = y + E(R X)
Inventario Inicial
H = y + E(R X) + E(R X)
2
Inventario Final
H = y/2 + E(R X)
Funcin Continua
R R{x}
S = S(x) f(x) dx = (X R) f(x) dx
X <= R
XR
X>R
CTA (y,R) = 0
y
- DK + h - PDS = 0 = DK + PDS = h
y2
2
y2
y2
2
y* = 2 (DK + PDS)
h
CTA (Y,R)
R
..... Frmula N 1
= 0 = h (PD/y) f(x) dx = 0
- 112
INVESTIGACION DE OPERACIONES
f(x) dx = hy*
PD
....
Frmula N 2
- 113
INVESTIGACION DE OPERACIONES
Iteracin N 1:
y1 = 2DK/h
y1 = 2(1000)(100)/2 = 316
R1 = f(x) dx = hy1/PD
dx/100 = 2(316)/10(1000) = 632/10000
1/100 [100 R1] = 0.0632
R1 = 93.68
- 114
INVESTIGACION DE OPERACIONES
Iteracin N 2:
y1 = 2D(K + PE[S(x)])/h
E[S(x)] = (x R1) f(x) dx
(x 93.68) (1/100) dx
E[S(x)] = 0.19971
y2 = 2(1000) (100 + (10) (0.1971))
2
y2 = 319.5 unidades
hallando R2:
f(x) dx = hy2/PD
(1/100) dx = 2(319.5)/10(1000)
R2 =93.61
Iteracin N 3
E[S(x)] = (x R2) dx
(x 93.61) (1/100)dx
E[S(x)] = 0.24016
y3 = 2(1000) (100 + (10) (0.24016))
2
y*3 = 319.8
R3 = f(x) dx = hy2/PD
(1/100) dx = 2(319.8)/10(1000)
R*3=93.604
| R3 R2 | = 0
- 115
INVESTIGACION DE OPERACIONES
93.6
319.8
T
VIII.5.2 Modelos de un Solo Periodo: Este modelo de inventarios de un solo
periodo ocurre cuando un artculo es ordenado una sola vez. Ejemplo: La industria de
modas, un modelo determinado de automvil o tambin artculos perecederos que tienen
una vida corta (vegetales, carne, leche, etc) o artculos que se vuelven obsoletos
rpidamente como las computadoras y las copiadoras electrnicas.
y>D
y-D
t
- 116
INVESTIGACION DE OPERACIONES
y - D, si y > D
H(y):
0
, si y <= D
N . I.
y < D
D
y
t
D - y
0, si y > D
G(y):
D, si y <= D
- 117
INVESTIGACION DE OPERACIONES
q=PC
P+h
, Con P > C
Problema: Considere un artculo que se producir una sola vez, con una demanda continua
de consumo instantneo, distribuida uniformemente y dada por:
f(D) = 1/10 0 <= D <= 10
0
D > 10
Supngase que :
h = $0.5, P = $4.5, C = $0.5
Se pide hallar la poltica de reordenamiento ptimo.
Solucin:
P (D <= y*) f(D) dD = P C = 1/10 dD = 4.5 0.5 = y* = 0.8
P+h
4.5 + 0.5
Si x < 8; Pedir 8 x
Si x > 8; No pedir
Demanda de avioneta
D
f(D)
f(D) (Acumulado)
- 118
INVESTIGACION DE OPERACIONES
0
1
2
3
4
5
6 o ms
0.10
0.20
0.20
0.20
0.15
0.10
0.00
0.10
0.30
0.55
0.75
0.90
1.00
1.00
h = 1, P = 4, C = 2
P C/P + h = 4 2/4 + 1 = 2/5 = 0.4
P{D <= 1} = 0.3 < 0.4 < 0.55 = P{D <= 2}
y* = 2 unidades
y>D
y
D
y-D
- 119
INVESTIGACION DE OPERACIONES
Inventario Promedio:
y = D/2
N . I.
D >y
D
y
Escasez
D-y
Inventario Promedio:
y2/2D
(D y)2/2D
Costo Esperado:
- 120
INVESTIGACION DE OPERACIONES
; Si D < 0 D > 10
- 121
INVESTIGACION DE OPERACIONES
Grficamente
E{C(S)}
E{C(S)}
E{C(S)}
E{C(S)}
s1
Se presenta 3 casos:
Primer Caso:
Si x < S; Ordenar S x
Segundo Caso:
S = y*
Si S <= x <= S
y* = x
Tercer Caso:
Si x < S; pedir S x
Si x >= S; no pedir nada
- 122
INVESTIGACION DE OPERACIONES
f(D)
Solucin:
1.- Hallar S:
S2 16S 36 = 0
S1 = -2
Por definicin:
S2 = 18
y >= 0
- 123
INVESTIGACION DE OPERACIONES
Descripcin
Levantamiento topogrfico
Ejecucin de diseo
Aprobacin del concejo
Eleccin del arquitecto
Fijacin del presupuesto
Finalizacin del diseo
Obtencin del financiamiento
Contratacin del constructor
Predecesores
--------A, B
C
C
D, E
E
F, G
Duracin
6
8
12
4
6
15
12
8
D=4
4
5
F=15
A=6
0
B=8
E=6
H=18
G=12
- 124
INVESTIGACION DE OPERACIONES
6
6
0
19
19
3
0
2
2
13
6
1
6
2
13
3
3
0
0
3
Actividad (i, j)
(0,1)
(0,2)
(1,3)
(2,3)
(2,4)
6
2
Tiempos Estimados
(a, b, m)
(1; 3; 2)
(2, 8 ; 2)
(1; 3; 2)
(1; 11; 1.5)
(0.5; 7.5; 1)
Actividad (i, j)
(3, 5)
(3, 6)
(4, 5)
(4, 6)
(5, 6)
Tiempos Estimados
(a, b, m)
(1; 7; 2.5)
(1; 3; 2)
(6; 8; 7)
(3; 11; 4)
(4; 8; 6)
- 125
INVESTIGACION DE OPERACIONES
Actividad (i, j)
(0,1)
(0,2)
(1,3)
(2,3)
(2,4)
Dij
2
3
2
3
2
Vij
0.11
1.00
0.11
2.78
1.36
Actividad (i, j)
(3, 5)
(3, 6)
(4, 5)
(4, 6)
(5, 6)
Dij
3
2
7
5
6
Vij
1.00
0.11
0.11
1.78
0.44
a = Tiempo Optimista.
b = Tiempo Pesimista.
c = Tiempo ms Probable.
Observando los Sesgos
Dij = a + b + 4m / 6
ING. OTONIEL SILVA DELGADO MGR. JUAN JIMENEZ CASTILLA
-
- 126
INVESTIGACION DE OPERACIONES
Vij = (b - a / 6)2
Evento
1
2
3
4
5
6
Ruta
(0, 1)
(0, 2)
(0, 2, 3)
(0, 2, 3, 4)
(0, 2, 3, 4, 5)
(0, 2, 3, 4, 5, 6)
E{ui}
2
3
6
6
13
19
Var{ui}
0.11
1.00
3.78
3.78
3.89
4.33
Tpi
4
2
5
6
17
20
Ki
6.03
-1.00
-0.514
0.000
2.028
0.480
P{Z<=Ki}
1.00
0.159
0.304
0.500
0.987
0.684
Var{Ui} = Vk
Cc
Dc, Cc
Dn, Dc
Cn
Dc
Dn
Duracin
Pendiente = Cc Cn / Dn - Dc
Dn = Duracin Normal
Cn = Costo Normal
- 127
INVESTIGACION DE OPERACIONES
8
18
18
10
5
2
Hl = 0
3
4
Hl = 0
3
10
5
Hl = 1
Actividad
(i, j)
(1,2)
(1,3)
(2,4)
(2,5)
(3,4)
(4,5)
Actividad
(i, j)
(1,2)
(1,3)
(2,4)
(2,5)
(3,4)
(4,5)
Normal
Demanda
Costo
8
100
4
150
2
50
10
100
5
100
3
80
Hl = 5
15
10
Mnimo de
Duracin
6
2
1
5
1
1
Costo
200
350
90
400
200
100
Pendiente
50
100
40
60
25
10
- 128
INVESTIGACION DE OPERACIONES
7
17
17
0
0
10
2
7
5
2
Hl = 0
3
4
Hl = 0
5
Hl = 0
Hl = 5
14
16
0
0
10
2
6
5
2
Hl = 1
3
4
Hl = 0
3
8
5
Hl = 0
Hl = 4
13
9
- 129
INVESTIGACION DE OPERACIONES
X. BIBLIOGRAFIA
VI. BIBLIOGRAFIA
1. Eppen G.D , Gould F.J, Schmidt C.P. Investigacin de operaciones en la
Ciencia
Administrativa
2. Hiller, Frederics.Introduccion a la Investigacin de Operaciones, Quinta
Edicion, 1991_MC_Graw_Hill
3. Kaufman, Arnold.Metodos y Modelos de Investigacion de
operaciones,Quinta
Edicion, 1984, CECSA
4. Levin, Richard I. Kirkpatrick, Charles A. Enfoques Cuantitativos a la
Administracin. Primera Edicion, 1983
5. Lumberger David, Programacin Lineal y no Lineal. Wesley ED Addison,
Iberoamericana, 1989, EUA.
6. Nagui,Mohammad. Investigacin de Operaciones. Interpretacin de
Modelos y
Casos. Editorial Limusa, 1996, Mxico
7. Prawda , Juan. Mtodos y Modelos de Investigacin de Operaciones,
volumen 1:
Modelos Deterministicos, Octava Reimpresin, 1989, Limusa Mexico.
8. Taha, Hamdy A., Investigacin de Operaciones. Sexta edicin 1999, Alfa
y Omega S.A. Mexico
9. Web Site:
www.elprisma.com
http://selva.dit.upm.es/ cd/apuntes/tema3/tema3.html
http://ekeko.rcp.net.pe/rcp/listas/ioper/iosa.html
- 130