Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
GESTIÓN DE INVESTIGACIÓN DE
OPERACIONES (GIO)
Temario:
2.1. Introducción.
2.2. Resolución gráfica de problemas.
2.3. Modelos de Programación Lineal.
2.4. El Método Simplex.
2.5. Dualidad en Programación Lineal.
Gestión de Investigación de Operaciones
□ Linealidad
□ Determinista
□ Variables reales
□ No - negatividad
Gestión de Investigación de Operaciones
Temario:
2.1. Introducción.
2.2. Resolución gráfica de problemas.
2.3. Modelos de Programación Lineal.
2.4. El Método Simplex.
2.5. Dualidad en Programación Lineal.
Gestión de Investigación de Operaciones
x1* = 2 x2* = 2
z* = 10x1* + 16x2* = 52
Gestión de Investigación de Operaciones
3
4
4
6
Gestión de Investigación de Operaciones
Para c1: − c1 1
−1 ≤ ≤− ⇔ 8 ≤ c1 ≤ 16
16 2
Para c2>0: − 10 1
−1 ≤ ≤− ⇔ 10 ≤ c2 ≤ 20
c2 2
Gestión de Investigación de Operaciones
Primera restricción.
La mayor variación del coeficiente del lado derecho se
alcanza en x1 = 6 y x2 = 0, de donde se obtiene:
z(6,0) = 10 * 6 + 16 * 0 = 60 y b1* = 2 * 6 + 2 * 0 = 12
z (6,0) − z (0,3) 60 − 48
λ1 = *
= =2
b1 − b1 12 − 6
Gestión de Investigación de Operaciones
Segunda restricción.
La mayor variación del coeficiente del lado derecho
se alcanza en x1 = 0 y x2 = 4, de donde se obtiene:
z(0,4) = 10*0 + 16*4 = 64 y b2*= 2*0 + 2*4 = 8
z (0,4) − z ( 4,0) 64 − 40
λ2 = *
= =6
b2 − b2 8−4
Gestión de Investigación de Operaciones
Temario:
2.1. Introducción.
2.2. Resolución gráfica de problemas.
2.3. Modelos de Programación Lineal.
2.4. El Método Simplex.
2.5. Dualidad en Programación Lineal.
Gestión de Investigación de Operaciones
Supuestos adicionales:
- Existe un inventario inicial de 15 unidades.
- No se acepta demanda pendiente o faltante (es decir, se
debe satisfacer la demanda dada en cada periodo).
Gestión de Investigación de Operaciones
Variables de decisión:
xt : número de unidades elaboradas en el periodo t.
It : número de unidades de inventario al final del
periodo t.
Función objetivo:
Consiste en minimizar los costos de producción y el
costo de mantenimiento de inventario.
6x1+ 4x2 + 8x3 + 9x4 + 2I1 + I2 + 2.5I3 + 3I4
Gestión de Investigación de Operaciones
2) Restricciones de no negatividad
xt ≥ 0
3) Restricciones de demanda
x1 + I0 – I1 = 130 Periodo 1 I0=15
x2 + I1 – I2 = 80 Periodo 2
x3 + I2 – I3 = 125 Periodo 3
x4 + I3 – I4 = 195 Periodo 4
Gestión de Investigación de Operaciones
Gestión de Investigación de Operaciones
Parámetros
ct = costo de producción en mes t
ht = costo de inventario en mes t
ut = costo demanda no satisfecha en mes t
wt = costo hora-hombre en mes t
ot = costo hora-hombre sobretiempo en mes t
dt = demanda para el mes t
r = horas de elaboración de una unidad
rmt = máximo de horas en tpo normal en mes t
omt = máximo de horas de sobretiempo en mes t
I0 = inventario inicial
Gestión de Investigación de Operaciones
rXt = Wt + Ot t=1,…,T
0 ≤ Wt ≤ rmt t=1,…,T
0 ≤ Ot ≤ omt t=1,…,T
Variables de decisión.
Xit = unidades elaboradas de la familia i en mes t
Iit = nivel de inventario de familia i al término del
mes t
Zit = unidades de dda. no satisfecha de familia i
en mes t
Wt = horas-hombre en tpo normal en mes t
Ot = horas-hombre en sobretiempo en mes t
Gestión de Investigación de Operaciones
Min ∑t ∑i (citXit + hitIit + uitZit ) + ∑t (wtWt + otOt)
s.a.
Xit + Ii(t-1) - Iit + Zit = dit i=1,…,N; t=1,…,T
∑i riXit = Wt + Ot t=1,…,T
0 ≤ Wt ≤ rmt t=1,…,T
0 ≤ Ot ≤ omt t=1,…,T
Problema de Transporte
(Hitchcock, 1941; Kantorovich 1942; Koopmans 1947)
Diagrama:
C.D.1
X11
Planta 1
X12
X13
X23
C.D.3
Orígenes Destinos
Gestión de Investigación de Operaciones
Variables de decisión:
Función Objetivo:
1) No Negatividad: xij ≥ 0
2) Demanda:
CD1 : x11 +x21 = 200
CD2 : x12 +x22 = 200
CD3 : x13 + x23 = 250
3) Oferta:
P1 : x11 + x12 + x13 = 250
P2 : x21 + x22 + x23 = 400
Gestión de Investigación de Operaciones
Gestión de Investigación de Operaciones
Variables de decisión:
xj : cantidad de barriles del Gasol. j que son
vendidos sin mezclar, con j = 1, 2, 3, 4.
xA : cantidad de barriles de avgas A.
xB : cantidad de barriles de avgas B.
xjA: cantidad de gas j usado en avgas A.
xjB: cantidad de gas j usado en avgas B.
Gestión de Investigación de Operaciones
Función objetivo:
Max 68 (x1 + x2 + x3 + x4) + 83xA + 80xB
Variables de decisión:
xt : cantidad de MW expandidos en planta a petróleo al
inicio del año t, con t = 1, 2, ..., T.
yt : cantidad de MW expandidos en planta a gas al
inicio del año t, con t = 1, 2, ..., T.
zt : cantidad total de MW disponible en plantas nuevas
a petróleo al inicio del año t.
wt : cantidad total de MW disponible en plantas nuevas
a gas al inicio del año t.
Gestión de Investigación de Operaciones
T
Función Objetivo: Min ∑ [p t x t + gt y t ]
t =1
=
Restricciones: c t + z t + w t ≥ dt
t
z t = ∑ xk t ≤ 20
k =1
t
zt = ∑ xk t > 20
k = t − 19
= −
Gestión de Investigación de Operaciones
t
w t = ∑ yk t ≤ 15
k =1
t
wt = ∑ yk t > 15
k = t −14
= −
wt
≤ 0,30 t = 1...T
ct + zt + w t
x t , yt , z t , w t ≥ 0
Gestión de Investigación de Operaciones
Gestión de Investigación de Operaciones
Modelo de Optimización
Np
1
Min∑ t
(Cinv p + Cop p + Cfalla p )
p =1 (1 + r )
s.a.
Restricciones de demanda
Máximos técnicos de generación
Disponibilidad de unidades nuevas y existentes
Gestión de Investigación de Operaciones
Costo de Inversión
nd ng nt
Cinvp = ∑ cimdip XMDip + ∑ cimgjp XMGjp + ∑ citgkp XTGkp
i =1 j =1 k =1
Costos de operación
Los costos de generación se asume conocidos durante
todo el horizonte de planificación y dependen del tipo
de combustible utilizado.
np
nmd nes nmg nes ntg nes
∑ ∑ i ∑
p =1 i =1
cv
e=1
PMDiep ⋅ he + ∑
j =1
cu j∑
e=1
PMG jep ⋅ he + ∑
k =1
cwt∑
e =1
PTGkep ⋅ he
100,00
80,00 DIESEL
60,00 MGAS
40,00 TGAS
20,00
0,00
2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 Años
Costo de Falla
np
nes
∑
p =1
cf i ∑ PFep ⋅ he
e =1
COSTO
Energía de Falla
Gestión de Investigación de Operaciones
Restricciones de Demanda
nmd nmg ntg
∑ PMD
i =1
iep + ∑ PMG jep + ∑ PTGkep + PFep = Demep
j =1 k =1
40
TGS
TG2
35
TG1
SULZ3
30
SULZ2
25 SULZ1
PF
20 MGAS
MG2
15 MG1
MD2
10 MD1
CAT3
5
CAT2
CAT1
0
[E1,6,7,S7]
Gestión de Investigación de Operaciones
0 ≤ PTG kep ≤ bks PTG kpmax k ∈ {nq + 1,..., ntg}, e ∈ {1,.., ne}, p ∈ {1,..., np}
MW Despacho Febrero 06
40
TGS
35 TG2
TG1
30 SULZ3
SULZ2
25 SULZ1
PF
20
MGAS
MG2
15
MG1
MD2
10
MD1
CAT3
5
CAT2
CAT1
0
[E1,6,2,S1]
Gestión de Investigación de Operaciones
Año 3 4 5 6
20 22 24 26
Variables de decisión:
x : fracción invertida en bono de 1000 mill. a 5 años
y : fracción invertida en bono de 1000 mill. a 11 años
z : fracción invertida en bono de 1000 mill. a 14 años
wt : millones destinados al ahorro al final del año t
Función Objetivo:
Función Objetivo:
Max f
Gestión de Investigación de Operaciones
Restricciones:
∑j:(1,j)єA x1,j = f
∑i:(i,n)єA xi,n = f
0 ≤ xi,j ≤ uij
Gestión de Investigación de Operaciones
Temario:
2.1. Introducción.
2.2. Resolución gráfica de problemas.
2.3. Modelos de Programación Lineal.
2.4. El Método Simplex.
2.5. Dualidad en Programación Lineal.
Gestión de Investigación de Operaciones
Resolución computacional
xi ≥ 0, i = 1, 2, ..., n y m≤n
Gestión de Investigación de Operaciones
Min cTx
s.a. Ax = b
x≥0
P) Max 9u + 2v + 5z
s.a. 4u + 3v + 6z ≤ 50
u + 2v - 3z ≥ 8
2u – 4v + z = 5
u,v ≥ 0
z ∈ IR
u = x1
v = x2
z = x3 - x4
s1 = x5 (HOLGURA)
s2 = x6 (EXCESO)
Gestión de Investigación de Operaciones
xi ≥ 0, i=1,2,3,4,5,6.
Gestión de Investigación de Operaciones
x1
x m
c m
Criterio de optimalidad:
cT x = cBT xB +cDT xD
T
B ( −1 −1
= c B b − B D xD +cDT xD )
T
B
−1
( T
= c B b + c −c B D xD
D
T
B
−1
)
valor vector de
actual costos
función reducidos.
objetivo
Gestión de Investigación de Operaciones
ym 0 y m p
y se debe calcular:
yk 0 y
= Min i 0 / yip > 0, i = 1,..., m ⇒ xk deja la base
ykp yip
Gestión de Investigación de Operaciones
Ejemplo.
Resolver el siguiente problema de P.L.
Tabla inicial:
x1 x2 x3 x4 x5
1 0 0 2 1 70
0 1 0 1 1 40
0 0 1 1 3 90
0 0 0 -40 -60 0
Gestión de Investigación de Operaciones
x1 x2 x3 x4 x5
1 0 -1/3 5/3 0 40
0 1 -1/3 2/3 0 10
0 0 1/3 1/3 1 30
0 0 20 -20 0 1800
Como x4=min{40/(5/3),10/(2/3),30/(1/3)}=10/(2/3)=15, la
variable x2=0 y por ello es la que deja la base actual.
Gestión de Investigación de Operaciones
x 1 15
x 2 0
x B = x 4 = 15 xD = =
x 3 0
x 5 25
Método Simplex:
Max 2x1 + x2
s.a. 10x1 + 10x2 ≤ 9
10x1 + 5x2 ≥ 1
x1≥0, x2≥0.
Gestión de Investigación de Operaciones
Min -2x1 - x2
sa: 10x1 + 10x2 +x3 =9
10x1 + 5x2 - x4 = 1
x1≥0, x2≥0, x3≥0, x4≥0
Gestión de Investigación de Operaciones
Min x5
sa: 10x1 + 10x2 +x3 =9
10x1 + 5x2 - x4 + x5 = 1
x1≥0, x2≥0, x3≥0, x4≥0, x5≥ 0
Gestión de Investigación de Operaciones
x1 x2 x3 x4 x5
10 10 1 0 0 9
10 5 0 -1 1 1
0 0 0 0 1 0
donde:
x 1 0
x 3 9
xB = = x D = x 2 = 0
x 5 1
x 4 0
Gestión de Investigación de Operaciones
x1 x2 x3 x4 x5
10 10 1 0 0 9
10 5 0 -1 1 1
-10 -5 0 1 0 -1
Gestión de Investigación de Operaciones
x1 x2 x3 x4 x5
0 5 1 1 -1 8
1 ½ 0 -1/10 1/10 1/10
0 0 0 0 1 0
x 2 0
x 1 1 / 10
xB = = x D = x 4 = 0
x 3 8
x 5 0
Gestión de Investigación de Operaciones
x1 x2 x3 x4
0 5 1 1 8
1 ½ 0 -1/10 1/10
-2 -1 0 0 0
Gestión de Investigación de Operaciones
x1 x2 x3 x4
0 5 1 1 8
1 ½ 0 -1/10 1/10
0 0 0 -1/5 1/5
Temario:
2.1. Introducción.
2.2. Resolución gráfica de problemas.
2.3. Modelos de Programación Lineal.
2.4. El Método Simplex.
2.5. Dualidad en Programación Lineal.
Gestión de Investigación de Operaciones
x1* = 15
x2* = 25
z = v(P) = 2100
Gestión de Investigación de Operaciones
2 π1 + π2 + π3 ≥ 40
2π
π1 + π2 + 3 π3 ≥ 60
Gestión de Investigación de Operaciones
D) Min 70 π1 + 40 π2 + 90 π3
sa: 2 π1 + π2 + π3 ≥ 40
2ππ1 + π2 + 3 π3 ≥ 60
π1, π2, π3 ≥ 0
Gestión de Investigación de Operaciones
n
sa : ∑a
j =1
ij x j ≤ bi i = 1,2,..., m
xj ≥ 0 j = 1,2,..., n
Gestión de Investigación de Operaciones
m
D) Min ∑ bi πi
i=1
=
m
sa : ∑ aij πi ≥ c j j = 1,2,..., n
i =1
=
πi ≥ 0 i = 1,2,..., m
Gestión de Investigación de Operaciones
P) Max cTx
sa: Ax ≤ b
x≥0
D) Min bT π
sa: AT π ≥ c
π≥0
Gestión de Investigación de Operaciones
j=1 i =1
j=1 i =1
Además:
i)Si P) es no-acotado entonces D) es infactible.
ii)Si D) es no-acotado entonces P) es infactible.
Gestión de Investigación de Operaciones
Teorema de Holguras Complementarias:
D) Max 5 π1 + 6 π2
sa: π1 + 2ππ2 ≤ 3
2π
π1 + 2ππ2 ≤ 4
3π
π1 + π2 ≤ 5
π1, π2 ≥ 0
Gestión de Investigación de Operaciones
π1 π2 π3 π4 π5
1 2 1 0 0 3
π 3 3
2 2 0 1 0 4 x B = π 4 = 4
π 5 5
3 1 0 0 1 5
π 0
-5 -6 0 0 0 0 xD = 1 =
π 2 0
π1 π2 π3 π4 π5
π 2 3 / 2
½ 1 ½ 0 0 3/2
xB = π 4 = 1
1 0 -1 1 0 1
π 5 7 / 2
5/2 0 -1/2 0 1 7/2
π1 0
-2 0 3 0 0 9 xD = =
π 3 0
π1 π2 π3 π4 π5
0 1 1 -1/2 0 1 π1 1
1 0 -1 1 0 1 x B = π 2 = 1
0 0 2 -5/2 1 1 π 5 1
0 0 1 2 0 11 π 3 0
xD = =
π 4 0
Sol. óptima de D):
π1* = 1; π2* = 1; v(D) = 11
Es posible encontrar entonces la solución óptima del
problema primal a partir del Teorema de Holguras
Complementarias o simplemente (en este caso
particular) a partir de los costos reducidos óptimos del
problema dual resuelto por el M.Simplex, de donde:
x1* = 1; x2* = 2; x3* = 0; v(P) = 11
Gestión de Investigación de Operaciones