Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
PROYECTO DE TESIS
Autor:
Asesor:
Lnea de Investigacin:
A mis padres que han sabido formarme con buenos sentimientos, hbitos y
valores, lo cual me ha ayudado a salir adelante en los momentos ms difciles.
Al Ingeniero Sixto Zelada, por su tiempo y apoyo, as como por la sabidura que
me transmiti para mi desarrollo en mi carrera profesional.
A todos mis amigos y amistades, por todo el tiempo que estuvimos juntos, en
nuestras clases y fueras de ellas, realizando trabajos y compartiendo buenos
momentos.
1
AGRADECIMIENTO
2
PRESENTACIN
Desde los inicios de nuestra vida hasta hoy en da, las empresas pesqueras en
general buscan mejorar los modelos de sus procesos, a cambio de tener una
mayor relacin con el cliente a fin de adquirir ventajas competitivas en el rubro
de las empresas, las razones son muy obvias, ya que en la actualidad quien no
se mantiene en el mercado no tiene su futuro asegurado. Para conseguir dicha
ventaja se necesita hacer cambios y mejoras en la calidad, dando como
resultado un mayor consumo de los productos que ofrece la empresa para
adquirir mayor rentabilidad.
3
NDICE
DEDICATORIA....................................................................................................... i
AGRADECIMIENTO............................................................................................... ii
PRESENTACIN.................................................................................................. iii
NDICE............................................................................................................... iv
RESUMEN........................................................................................................... vi
ABSTRACT......................................................................................................... vii
INTRODUCCIN................................................................................................ viii
CAPTULO I......................................................................................................... 1
GENERALIDADES................................................................................................ 1
1.1. TTULO...................................................................................................... 2
1.2. AUTOR...................................................................................................... 2
1.3. ASESOR..................................................................................................... 2
1.4. TIPO DE INVESTIGACIN...........................................................................2
1.5. LNEA DE INVESTIGACIN.........................................................................2
1.6. LOCALIDAD............................................................................................... 2
CAPTULO II......................................................................................................... 3
PLAN DE INVESTIGACIN.................................................................................... 3
2.1. REALIDAD PROBLEMTICA........................................................................4
2.2. FORMULACIN DEL PROBLEMA.................................................................4
2.3. OBJETIVOS................................................................................................. 4
2.4. ANTECEDENTES........................................................................................ 5
2.5. JUSTIFICACIN.......................................................................................... 6
2.6. MARCO TERICO....................................................................................... 7
2.6.1. PROGRAMACIN LINEAL........................................................................7
2.6.2. OPTIMIZACIN..................................................................................... 17
2.7. MARCO CONCEPTUAL.............................................................................. 25
CAPTULO III...................................................................................................... 28
METODOLOGA................................................................................................. 28
3.1. TIPO DE ESTUDIO.................................................................................... 29
3.2. DISEO DE INVESTIGACIN....................................................................29
4
3.3. HIPTESIS............................................................................................... 29
3.4. IDENTIFICACIN DE VARIABLES:.............................................................30
3.5. POBLACIN, MUESTRA Y MUESTREOS.....................................................32
3.6. CRITERIOS DE SELECCIN......................................................................32
3.7. TCNICAS E INSTRUMENTOS DE RECOLECCIN DE DATOS....................32
3.8. VALIDACIN Y CONFIABILIDAD................................................................32
3.9. MTODOS DE ANLISIS DE DATOS..........................................................32
3.10. ASPECTOS TICOS............................................................................... 32
CAPTULO IV..................................................................................................... 33
ASPECTOS ADMINISTRATIVOS...........................................................................33
4.1. RECURSOS Y PRESUPUESTOS.................................................................34
4.2. FINANCIAMIENTO.................................................................................... 34
4.3. CRONOGRAMA DE EJECUCIN.................................................................34
CAPTULO V...................................................................................................... 35
REFERENCIAS BIBLIOGRFICA..........................................................................35
CAPTULO VI..................................................................................................... 37
ANEXOS............................................................................................................ 37
5
RESUMEN
6
ABSTRACT
7
INTRODUCCIN
8
CAPTULO I
GENERALIDADES
1
1.1. TTULO
1.2. AUTOR
1.3. ASESOR
1.6. LOCALIDAD
Regin: Ancash.
Provincia: Santa.
Distrito: Chimbote.
Localidad: Av. Los Pescadores, Zona Industrial 27 de Octubre
2
CAPTULO II
PLAN DE INVESTIGACIN
3
2.1. REALIDAD PROBLEMTICA
2.3. OBJETIVOS
2.3.1.Objetivo General
Determinar la relacin que existe entre la programacin lineal con
la eficiente optimizacin de la harina de pescado en la Corporacin
Pesquera HILLARY S.A.C. Chimbote, 2014.
4
2.3.2.Objetivos Especficas
2.4. ANTECEDENTES
5
Segn el doctorado de Nolberto Munier (2011), titulado
PROCEDIMIENTO FUNDAMENTADO EN LA PROGRAMACIN LINEAL
PARA LA SELECCIN DE ALTERNATIVAS EN PROYECTOS DE
NATURALEZA COMPLEJA Y CON OBJETIVOS MLTIPLES Valencia,
Espaa; concluye que el mtodo propuesto permite resolver un
problema real y complejo al cual se enfrentan muchos organismos
medioambientales. Y tambin soluciona un problema para el cual
no hay respuesta conocida al presente.
2.5. JUSTIFICACIN
6
- Desde el punto de vista metodolgico: La investigacin est
generando la aplicacin de la programacin lineal y la optimizacin
en una empresa pesquera, la cual aportar conocimientos vlidos y
confiables dentro del rea de produccin.
2.6.1.PROGRAMACIN LINEAL
2.6.1.1. Historia:
7
computacin necesaria para examinar todas las permutaciones a
fin de seleccionar la mejor asignacin es inmensa (factorial de
70, 70!) ; el nmero de posibles configuraciones excede al
nmero de partculas en el universo. Sin embargo, toma slo un
momento encontrar la solucin ptima mediante el
planteamiento del problema como una programacin lineal y la
aplicacin del algoritmo simplex. La teora de la programacin
lineal reduce drsticamente el nmero de posibles soluciones
factibles que deben ser revisadas.1
2.6.1.2. Definicin:
8
cursos introductorios a la Investigacin Operativa generalmente
se enfocan slo en Modelos Deterministas. 3
2.6.1.3. Caractersticas:
9
optimizados son ganancia de adquisicin de recursos, el
tiempo libre y la utilidad.
10
determinan el "dominio" en el que una organizacin puede
tomar decisiones acerca de los recursos.4
- Redundancia mnima.
- Acceso concurrente por parte de mltiples usuarios.
- Integridad de los datos.
- Consultas complejas optimizadas.
- Seguridad de acceso y auditoria.
- Respaldo y recuperacin.
- Acceso a travs de lenguajes de programacin estndar
2.6.1.4. Aplicaciones:
11
suficientemente importantes como para generar por si mismos
mucha investigacin sobre algoritmos especializados en su
solucin.
Otros son:
- Optimizacin de la combinacin de cifras comerciales en una
red lineal de distribucin de agua.
- Aprovechamiento ptimo de los recursos de una cuenca
hidrogrfica, para un ao con afluencias caracterizadas por
corresponder a una determinada frecuencia.
- Soporte para toma de decisin en tiempo real, para
operacin de un sistema de obras hidrulicas y solucin de
problemas de transporte.
- Optimizacin de los recursos y mejora de rentabilidades.
12
del lenguaje de programacin usado, tambin puede cambiar el
tipo de dato que almacena.8
13
decisiones, operaciones, estudios de investigacin o de
optimizacin.10
14
funcin de las entradas, tomando en cuenta generalmente
cierto porcentaje de merma o desperdicio.
15
resultados intermediarios [N (Next to worst)], segn el objetivo
de la optimizacin.
P = Pc + (Pc - Pj)
16
Esta situacin sucede con frecuencia en la regin del ptimo. Si
un punto es obtenido cercano a l, todos los otros nuevos puntos
tienden a pasar ms all del tope de la curva de respuesta.
14
Entonces, un cambio en la direccin es indicado.
2.6.2.OPTIMIZACIN
2.6.2.1. Definicin:
17
que tienen el tipo de rentabilidad ms alto para cualquier nivel
de riesgo dado.
http://www.economia48.com/spa/d/optimizacion/optimizacion.ht
m
a. Objetivo de maximizacin:
18
- Condicin de salida de la base: una vez obtenida la
variable entrante, la variable que sale se determina
mediante el menor cociente P0/Pj de los estrictamente
positivos.
b. Objetivo de minimizacin:
16 Optimizacin [en
lnea]<http://www.metatrader5.com/es/terminal/help/tester/tester_using/optimization/optimizati
on_types> [Citado el 22/05/2014]
19
La factibilidad del problema, es justo el problema de encontrar
alguna solucin factible de todas sin hacer caso del valor
objetivo. Este puede ser considerado como el caso especial de la
optimizacin matemtica donde el valor objetivo es el mismo
para toda solucin, y as cualquier solucin es ptima.
Existencia
20
Tucker o condiciones de holguras complementarias, las cuales se
usan entonces para calcular el ptimo.
Clculos de optimizacin
21
Adems, los puntos crticos pueden ser clasificados usando
laconcrecin de la matriz Hessiana: si la Hessiana es definida
positiva en un punto crtico, entonces el punto es un mnimo
local; si la Hessiana esdefinida negativa, entonces el punto es un
mximo local; finalmente, si es indefinida, entonces el punto es
algn tipo de punto de ensilladura.
Algoritmos de optimizacin
Mtodos iterativos
22
Los mtodos iterativos usados para resolver problemas
deprogramacin no lineal difieren segn lo que ellos evalen:
Hessianas, gradientes, o solamente valores de funcin. Mientras
que evaluando Hessianas (H) y gradientes (G) mejora la
velocidad de convergencia, tales evaluaciones aumentan
la complejidad computacional (o costo computacional) de cada
iteracin. En algunos casos, la complejidad computacional puede
ser excesivamente alta.
23
- Mtodos Quasi-Newton: mtodos iterativos para problemas
medianos-grandes (ejemplo N<1000).
- Mtodos de gradiente conjugado: mtodos iterativos para
problemas grandes. (En teora, estos mtodos terminan en
un nmero finito de pasos con funciones objetivo
cuadrticas, pero esta terminacin finita no se observa en la
prctica en computadoras de precisin finita.)
- Mtodos de punto interior: esta es una gran clase de
mtodos para la optimizacin restricta. Algunos mtodos de
punto interior usan solamente informacin del subgradiente,
y otros requieren la evaluacin de las Hessianas.
- Descenso del gradiente (alternativamente, descenso
pronunciado o ascenso pronunciado): un mtodo lento de
inters terico e histrico, el cual ha sido renovado para
encontrar soluciones aproximadas de problemas enormes.
- Mtodo del subgradiente: un mtodo iterativo para grandes
funciones de Lipschitz localmente usando gradientes
generalizados.
- Mtodos que evalan solamente valores de funciones: si un
problema es continuamente diferenciable, entonces los
gradientes pueden ser aproximados usando diferencias
finitas, en tal caso puede ser usado un mtodo basado en
gradiente.
- Mtodos de interpolacin
- Mtodos de bsqueda de patrones, los cuales tienen mejores
propiedades de convergencia que la heurstica de Nelder-
Mead.
Convergencia global
24
no diferenciable. Usualmente un optimizador global es mucho
ms lento que los optimizadores locales avanzados (por ejemplo
BFGS), por lo tanto con frecuencia un optimizador global
eficiente puede ser construido por el inicio del optimizador local
de diferentes puntos de partida.
Heursticas
- Evolucin diferencial
- Algoritmo de bsqueda diferencial
- Relajacin Dinmica
- Algoritmos genticos
- Ascenso de montaas
- Nelder-Mead: una heurstica popular por aproximar la
minimizacin (sin llamadas a gradientes)
- Optimizacin por enjambre de partculas
http://es.wikipedia.org/wiki/Optimizaci%C3%B3n_(matem%C3%A1tica)
W. Erwin Diewert (2008). "cost functions," The New Palgrave Dictionary of Economics,
2nd Edition
Peter Newman (2008). "indirect utility function," The New Palgrave Dictionary of
Economics, 2nd Edition.
25
- Contenido: Especificaciones que constituyen el producto.
- ndice: Valor numrico que expresa la relacin estadstica entre varias cantidades
referentes a un mismo fenmeno.
26
- Mejora: Perfeccionar algo, haciendo pasar de un estado bueno a otro
mejor. Se debe realizar continuamente para lograr mayor aceptacin
en nuestros mercados.
- Sacos: Receptculo o bolsa de tela abierta por uno de los lados para
llenado de ciertos materiales.
27
CAPTULO III
METODOLOGA
28
3.1. TIPO DE ESTUDIO
a. No Experimental:
b. Diseo:
El diseo es Correlacional porque mide el grado de asociacin entre las
2 variables (cuantifica relaciones). Es decir mide cada variable
relacionada.
Leyenda:
M: Muestra.
Ox: Programacin Lineal
Oy: Optimizacin.
r: Coeficiente de correlacin.
3.3. HIPTESIS
29
3.4. IDENTIFICACIN DE VARIABLES:
3.4.1.Operacionalizacin de Variables:
- Grasa. - Sal +
Arena
Es un procedimiento o - Humedad -
algoritmo matemtico Tcnica matemtica Restriccion Histamina
LIKERT
es - Protenas -
mediante el cual se para la mejor
Digestibilidad
resuelve un problema asignacin de los - Protena soluble
indeterminado, recursos limitados - TVN - FFA
PROGRAMACI
formulado a travs de de la organizacin
N LINEAL - Rentabilidad.
un sistema de para el desarrollo o - Protenas.
Parmetros LIKERT
- Grasa.
inecuaciones lineales, produccin de bienes
- humedad.
optimizando la funcin y servicios en una
objetivo, tambin forma ptima. - Super Prime
- Prime
lineal. Calidad de
- Taiwan LIKERT
la harina - Thailand
- STD
30
- Cantidad.
- Contenido.
Mezcla LIKERT
- Aroma.
- Color
OPTIMIZACIN
Component - Maquinaria.
- Equipos. LIKERT
es - Aditivos.
- Costo de
produccin
Rentabilida
- Beneficio LIKERT
d
de
produccin
31
3.5. POBLACIN, MUESTRA Y MUESTREOS
32
CAPTULO IV
ASPECTOS ADMINISTRATIVOS
33
4.1. RECURSOS Y PRESUPUESTOS
4.2. FINANCIAMIENTO
34
CAPTULO V
REFERENCIAS BIBLIOGRFICA
35
- J. Sanchez-Hubert y E. Sanchez-Palencia, "Acoustic fluid flow through
holes and permeability of perforated walls", Jour. Math. Anal. Appl., Vol.
87, pp. 427-453, (1982)
- E. Sanchez-Palencia, "Boundary value problems in domains containing
perforated walls", Nonlinear Partial Differential Equations and Their
Aplications, College de France Smznar, III, Research Nothes in
Mathematics, Vol. 70, pp. 309-325, Pitman, Londres, (1982).
- http://es.wikipedia.org/wiki/Programaci%C3%B3n_lineal
- http://definicion.de/programacion-lineal/
- http://www.slideshare.net/renevive/manual-programacion-lineal-julio-20
- http://www.ehowenespanol.com/caracteristicas-del-problema-
programacion-lineal-info_203740/
- http://tombasededatos.wordpress.com/2010/08/21/1-4-1-2-
independencia-logica-y-fisica-de-los-datos/
- http://www.slideshare.net/Juanp3000/resumen-programacion-lineal#
- http://portal.uexternado.edu.co/pdf/5_revistaSotavento/pdfSotavento/So
tavento%2010/GloriaDiaz.pdf
- http://www.buenastareas.com/ensayos/Programacion/7016.html?_p=2
- http://es.wikipedia.org/wiki/Variable_(programaci%C3%B3n)
- http://www.enciclopediafinanciera.com/definicion-funcion-objetivo.html
- http://www.monografias.com/trabajos96/formulacion-modelos-
programacion-lineal/formulacion-modelos-programacion-lineal.shtml
- http://ingenierosindustriales.jimdo.com/herramientas-para-el-ingeniero-
industrial/investigaci%C3%B3n-de-operaciones/m%C3%A9todo-simplex/
- http://www.monografias.com/trabajos75/metodo-simplex-
maximizacion/metodo-simplex-maximizacion2.shtml
- http://www.metatrader5.com/es/terminal/help/tester/tester_using/optimi
zation/optimization_types
- http://es.wikipedia.org/wiki/Homogeneizaci%C3%B3n
- http://www.geape.es/gpees/cmsdoc.nsf/webdoc/webb7rtgaw
- http://www.asocem.org.pe/bivi/sa/cur/fls/HorSis/homogeneizacion.pdf
- http://www.monografias.com/trabajos94/tecnicas-toma-y-preparacion-
muestra-homogenizacion-y-dilucion-metodo-howard/tecnicas-toma-y-
preparacion-muestra-homogenizacion-y-dilucion-metodo-howard.shtml
- http://www.gea-pe.com.ar/nar/cmsdoc.nsf/webdoc/webb7hgrbs
36
CAPTULO VI
ANEXOS
37
De