Noem Beltrn Lpez 4F T/M FEBRERO JULIO DE 2012

PORTAFOLIO DE EVIDENCIAS INVESTIGACIN DE OPERACIONES Prof. NELY ESTRADA RAMREZ

Noem Beltrn Lpez 4F T/M Febrero 28, 2012 Unidad I Toma de decisiones Unidad II Programacin Lineal

Investigacin de Operaciones Prof. Nely Estrada Ramrez

Mircoles 08 de Febrero, 2012 Competencias a desarrollar por unidad. Unidad Competencias Identificar, analizar y comparar la diversidad de mtodos, herramientas y criterios para la toma de decisiones en las organizaciones. Comprender la diferencia entre optimizacin y mejora. Entender el principio de la racionalidad, suficiente para romper el esquema de la bsqueda de la optimizacin y no de la mejora. Observaciones

Comprender y aplicar los mtodos grafico y simplex de Programacin lineal para la optimizacin de recursos en problemas que involucran mezcla de recursos o productos (mix model).

Utilizar modelos matemticos para la solucin de problemas que contemplen la asignacin y transporte.

Optimizar la operacin de los servicios y la manufactura utilizando modelos de lneas de espera. Utilizar la teora de inventarios como una herramienta para la mejora competitiva de las empresas. Generar pronsticos de mercado a partir de datos del pasado, aplicando series de tiempo.

6 Aplicar el grafico de Gantt en la planeacin de un proyecto, y la ruta critica para el control y la optimizacin del tiempo de duracin del proyecto y los costos involucrados en la realizacin del mismo.

Lunes 13 de Febrero, 2012 PRACTICA 1: Crear un reporte por equipo con los criterios que consideran importantes en la aplicacin de la teora de decisiones en la administracin.

CRITERIOS Con Riesgo: No ser capaz de concluir la carrera. No tener los recursos necesarios para solventar los gastos. Que la carrera no sea lo que esperaba. Desconocer los costos de oportunidad. Dificultades para el transporte.

Sin Riesgo: La escuela est cerca de donde vivimos. Hay posibilidades de obtener becas. Los horarios de las clases son accesibles. El derecho a prorrogas. La realizacin del objetivo.

Conclusin: Son mas las certidumbres que las incertidumbres.

Lunes 13 de Febrero, 2012 INVESTIGAR MODELOS DE DECISIN BASADOS EN CERTEZA, RIESGO E INCERTIDUMBRE. Distintos criterios de decisin: 1. El ambiente de certeza. En este caso se conoce cual es el estado de la naturaleza que se va a presentar, as elegiremos la alternativa que maximice nuestro beneficio o minimice nuestra prdida. 2. Las decisiones en ambiente de riesgo. No sabemos que estado de la naturaleza se va a presentar pero si que conocemos las probabilidades de presentacin de cada uno de los estados de naturaleza. 3. Los criterios utilizados con incertidumbre. No somos capaces de asociar a cada estado de la naturaleza su probabilidad de ocurrencia. Por lo tanto, los criterios que se utilizan para elegir la mejor alternativa son criterios subjetivos. El criterio pesimista: El decisor piensa que una vez elegida una alternativa, siempre se va a presentar el estado de la naturaleza peor, por eso elegir aquella alternativa que le ofrece los mnimos perjuicios. El criterio optimista: Piensa lo contrario que el anterior. Piensa que una vez elegida una alternativa siempre se va a presentar el estado de naturaleza ms favorable, por lo tanto elegir aquella alternativa que le supone mayores beneficios en el mayor de los casos. El criterio de Laplace: No somos capaces ni de calcular las probabilidades subjetivas de los distintos estados de la naturaleza. En este caso el decisor tendr que acudir a su experiencia e intuicin para poder elegir la mejor alternativa. Con frecuencia los gerentes tienen que tomar decisiones en entornos que contienen mucha ms incertidumbre. Ejemplos: 1. Un fabricante introduce un nuevo producto al mercado. Cul ser la reaccin de los clientes potenciales? Cundo debe producirlo? Debe probarse el producto en el mercado en una pequea regin antes de decidir la distribucin completa? Cunta publicidad se requiere para lanzar el producto exitosamente? 2. Una firma financiera que invierte en valores. Cules son los sectores del mercado y los valores individuales con los mejores prospectos? Hacia dnde se dirige la economa? Qu hay acerca de las tasas de inters? De qu modo deben afectar las decisiones de inversin? 3. Un contratista gubernamental licita en un nuevo contrato. Cules sern los costos reales del proyecto? Qu otras compaas pueden estar licitando? Cules son sus probables licitaciones? 4. Una firma agrcola selecciona la mezcla de cultivos y ganado para la temporada entrante. Cules sern las condiciones del tiempo? Hacia dnde se dirigen los precios? Cules sern los costos? 5. Una compaa petrolera decide si perforar o no en busca de petrleo en una ubicacin dada. Qu tan probable es que haya petrleo? Cunto? A qu profundidad necesitarn perforar? Deben los gelogos investigar ms el sitio antes de perforar? Estos son los tipos de toma de decisiones frente a una gran incertidumbre para los que se dise el anlisis de decisiones. El anlisis de decisiones brinda un marco de referencia y una metodologa para la toma de decisiones racionales cuando los resultados son inciertos.

Martes 14 de Febrero, 2012 INVESTIGAR CONCEPTOS DE MEJORA, OPTIMIZACION Y LA TEORIA DE LA UTILIDAD MEJORA: Hecho y resultado de arreglar o modificar algn objeto en su aspecto, sus condiciones, su funcionamiento, etc para que cumpla mejor su cometido. OPTIMIZACION: es la accin y efecto de optimizar. Este verbo hace referencia a buscar la mejor manera de realizar una actividad. mejorar el funcionamiento de algo a travs de una gestin perfeccionada de los recursos. La optimizacin puede realizarse en distintos niveles, aunque lo recomendable es concretarla hacia el final de un proceso. LA TEORIA DE LA UTILIDAD: Se debe concebir el concepto de un bien como aquello que es til, y es til en razn de que nos beneficia puesto que satisface una necesidad. Las tesis parten de concebir el valor como utilidad, la misma que se define como el grado en que un satisfactor puede saciar una necesidad, por lo que el valor es la apreciacin subjetiva que el sujeto hace de las cualidades objetivas del objeto en funcin de la necesidades que stas mitiguen en su bsqueda de saciedad, la misma que puede ser una necesidad muy elemental tales como las fisiolgicas, como aquellas que Maslow trabaja en su famosa pirmide de necesidades. La utilidad marginal decreciente: a mayor saciedad menor ansiedad. Lo interesante no obstante de la teora de la utilidad es su aporte de la observacin individual o marginal (que no es unitaria ni promedio sino para la i-sima observacin). Aqu es donde se establece que cada unidad consumida aporta un nivel de saciedad menor a su inmediata anterior unidad consumida de tal manera que se va cayendo en grados menores de saciedad hasta la saciedad total de unidad a unidad consumida de la forma que se deriva de ah el principio de la utilidad marginal decreciente donde se observa cmo el grado de necesidad de un satisfactor medido por sus unidades consumidas del mismo va agobiando la ansiedad hasta llegar hasta la total saciedad donde se agota la necesidad del mismo. Segn esta tesis, la saciedad de una necesidad en funcin a la densidad en que existe su respectivo satisfactor aporta en cada unidad consumida un grado menor de satisfaccin. O bien, la utilidad de 10 tragos de licor otorgan una utilidad de 20 mientras que 15 tragos nos dan una utilidad de 25, de esta forma el valor del primer trago por su grado de satisfaccin es mayor al del trago siguiente y as consecutivamente. En trminos relativos el valor que damos a cada unidad consumida en una serie de tiempo va de mayor a menor del primero al ltimo respectivamente. Un ejemplo claro es una persona deportista sedienta despus de una jornada deportiva de 4 horas, tan deshidratado est que esta dispuesto a pagar $100 por el primer medio litro que consume, mientras que por el segundo pomo de medio litro a consumir le parece ms costoso en razn del grado de satisfaccin que le aporta, si el diera precio a cada pomo de medio litro al primero podra preciarlo en $100, al segundo en $50 y al tercero en $10. El cuarto ya no es apreciado por el deportista ya saciado en su sed. Medir la utilidad es muy difcil pues vara de persona en persona respecto al aprecio de un satisfactor, sus gustos y preferencias, incluso de momento a momento en una misma persona, pero lo que es invariable es que la utilidad siempre observa una marginalidad decreciente.

Mircoles 15 de Febrero, 2012 EJERCICIO DE APLICACIN DE ARBOLES DE DECISIN (POR EQUIPO) La empresa Efka fabrica manteles y cortinas de opera con 10 maquinas y se dan cuenta de que no logran satisfacer la demanda de produccin. Para solucionar esta situacin deben comprar ms maquinas de coser pero estn inciertos en la cantidad a comprar. A) Si compran 60 maquinas la inversin sera de $90,000 y las ganancias podran ser de $180,000 pero existe una probabilidad de .5% de que produzcan demasiado y tengan una prdida de $45,000. B) Si compran 40 maquinas la inversin seria de 60,000, la ganancia podra ser de $120,000 pero existe una probabilidad de .5% de una prdida de $30,000. C) Si compran 20 maquinas la inversin seria de 30,000, la ganancia podra ser de $60,000 y la probabilidad de perdidas es del 0%.

Lunes 20 de Febrero, 2012 MTODO GRFICO El mtodo grfico se utiliza para la solucin de problemas de, representando geomtricamente a las restricciones, condiciones tcnicas y el objetivo. El modelo se puede resolver en forma grfica si slo tiene dos variables. Para modelos con tres o ms variables, el mtodo grfico es imprctico o imposible. Cuando los ejes son relacionados con las variables del problema, el mtodo es llamado mtodo grfico en actividad. Cuando se relacionan las restricciones tecnolgicas se denomina mtodo grfico en recursos. Los pasos necesarios para realizar el mtodo son nueve: 1. graficar las soluciones factibles, o el espacio de soluciones (factible), que satisfagan todas las restricciones en forma simultnea. 2. Las restricciones de no negatividad Xi>= 0 confan todos los valores posibles. 3. El espacio encerrado por las restricciones restantes se determinan sustituyendo en primer trmino <= por (=) para cada restriccin, con lo cual se produce la ecuacin de una lnea recta. 4. trazar cada lnea recta en el plano y la regin en cual se encuentra cada restriccin cuando se considera la desigualdad lo indica la direccin de la flecha situada sobre la lnea recta asociada. 5. Cada punto contenido o situado en la frontera del espacio de soluciones satisfacen todas las restricciones y por consiguiente, representa un punto factible. 6. Aunque hay un nmero infinito de puntos factibles en el espacio de soluciones, la solucin ptima puede determinarse al observar la direccin en la cual aumenta la funcin objetivo. 7. Las lneas paralelas que representan la funcin objetivo se trazan mediante la asignacin de valores arbitrarios a fin de determinar la pendiente y la direccin en la cual crece o decrece el valor de la funcin objetivo. Ejemplo. Maximizar restricciones : Convirtiendo las restricciones a igualdad representndolas grficamente se tiene: X1 2X1 -X1 X1 2X2 = X2 = X2 = 1 X2 = 2 = 0 X2 = 0 (6) + + + 6 8 y

Z = 3X1 + X1 + 2X2 <=6 2X1 + X2 <=8 -X1 + X2 <=1 X2 <= 2 X1 >= 0 X2 >= 0 (6)

2X2 (1) (2) (3) (4) (5)

(1) (2) (3) (4) (5)

Martes 21 de Febrero, 2012 FASES DEL PROCESO DE LA INVESTIGACION DE OPERACIONES 1. 2. 3. 4. 5. Formulacin y definicin del problema. Construccin del modelo. Solucin del modelo. Validacin del modelo. Implementacin de resultados.

Demos una explicacin de cada una de las fases: 1. Formulacin y definicin del problema. En esta fase del proceso se necesita: una descripcin de los objetivos del sistema, es decir, qu se desea optimizar; identificar las variables implicadas, ya sean controlables o no; determinar las restricciones del sistema. Tambin hay que tener en cuenta las alternativas posibles de decisin y las restricciones para producir una solucin adecuada.

2. Construccin del modelo. En esta fase, el investigador de operaciones debe decidir el modelo a utilizar para representar el sistema. Debe ser un modelo tal que relacione a las variables de decisin con los parmetros y restricciones del sistema. Los parmetros (o cantidades conocidas) se pueden obtener ya sea a partir de datos pasados o ser estimados por medio de algn mtodo estadstico. Es recomendable determinar si el modelo es probabilstico o determinstico. El modelo puede ser matemtico, de simulacin o heurstico, dependiendo de la complejidad de los clculos matemticos que se requieran.

3. Solucin del modelo. Una vez que se tiene el modelo, se procede a derivar una solucin matemtica empleando las diversas tcnicas y mtodos matemticos para resolver problemas y ecuaciones. Debemos tener en cuenta que las soluciones que se obtienen en este punto del proceso, son matemticas y debemos interpretarlas en el mundo real. Adems, para la solucin del modelo, se deben realizar anlisis de sensibilidad, es decir, ver cmo se comporta el modelo a cambios en las especificaciones y parmetros del sistema. Esto se hace, debido a que los parmetros no necesariamente son precisos y las restricciones pueden estar equivocadas.

4. Validacin del modelo. La validacin de un modelo requiere que se determine si dicho modelo puede predecir con certeza el comportamiento del sistema. Un mtodo comn para probar la validez del modelo, es someterlo a datos pasados disponibles del sistema actual y observar si reproduce las situaciones pasadas del sistema. Pero como no hay seguridad de que el comportamiento futuro del sistema contine replicando el comportamiento pasado, entonces siempre debemos estar atentos de cambios posibles del sistema con el tiempo, para poder ajustar adecuadamente el modelo.

5. Implementacin de resultados. Una vez que hayamos obtenido la solucin o soluciones del modelo, el siguiente y ltimo paso del proceso es interpretar esos resultados y dar conclusiones y cursos de accin para la optimizacin del sistema. Si el modelo utilizado puede servir a otro problema, es necesario revisar, documentar y actualizar el modelo para sus nuevas aplicaciones.

Lunes 27 de Febrero, 2012 MTODO SIMPLEX En la solucin grfica observamos que la solucin ptima est asociada siempre con un punto extremo del espacio de soluciones. El mtodo simplex est basado fundamentalmente en este concepto. Careciendo de la ventaja visual asociada con la representacin grfica del espacio de soluciones, el mtodo simplex emplea un proceso iterativo que principia en un punto extremo factible, normalmente el origen, y se desplaza sistemticamente de un punto extremo factible a otro, hasta que se llega por ltimo al punto ptimo. Existen reglas que rigen la seleccin del siguiente punto extremo del mtodo simplex: 1. El siguiente punto extremo debe ser adyacente al actual. 2. La solucin no puede regresar nunca a un punto extremo considerado con la anterioridad. El algoritmo simplex da inicio en el origen, que suele llamarse solucin inicial. Despus se desplaza a un punto extremo adyacente. La eleccin especfica de uno a otro punto depende de los coeficientes de la funcin objetivo hasta encontrar el punto ptimo. Al aplicar la condicin de optimidad a la tabla inicial seleccionamos a Xi como la variable que entra. En este punto la variable que sale debe ser una de las variables artificiales. Los pasos del algoritmo simplex son ( 10 ) : 1. Determinar una solucin bsica factible inicial. 2. Prueba de optimidad: determinar si la solucin bsica factible inicial es ptima y slo si todos los coeficientes de la ecuacin son no negativos ( >= 0 ). Si es as, el proceso termina; de otra manera se lleva a cabo otra interaccin para obtener la nueva solucin bsica factible inicial. 3. Condicin de factibilidad.- Para todos los problemas de maximizacin y minimizacin, variable que sale es la variable bsica que tiene la razn ms pequea (positiva). Una coincidencia se anula arbitrariamente. 4. Seleccionar las variables de holgura como las variables bsicas de inicio. 5. Selecciona una variable que entra de entre las variables no bsicas actuales que, cuando se incrementan arriba de cero, pueden mejorar el valor de la funcin objetivo. Si no existe la solucin bsica es la ptima, si existe pasar al paso siguiente. 6. Realizar el paso iterativo. a) Se determina la variable bsica entrante mediante la eleccin de la variable con el coeficiente negativo que tiene el valor mayor valor absoluto en la ecuacin. Se enmarca la columna correspondiente a este coeficiente y se le da el nombre de columna pivote. b) Se determina la variable bsica que sale; para esta, se toma cada coeficiente positivo (>0) de la columna enmarcada, se divide el lado derecho de cada rengln entre estos coeficientes, se identifica la ecuacin con el menor cociente y se selecciona la variable bsica para esta ecuacin. c) Se determina la nueva solucin bsica factible construyendo una nueva tabla en la forma apropiada de eliminacin de Gauss, abajo de la que se tiene. Para cambiar el coeficiente de la nueva variable bsica en el rengln pivote a 1, se divide todo el rengln entre el nmero pivote, entonces rengln pivote nuevo = rengln pivote antiguo nmero pivote Para completar la primera iteracin es necesario seguir usando la eliminacin de Gauss para obtener coeficientes de 0 para la nueva variable bsica Xj en los otros renglones, para realizar este cambio se utiliza la siguiente frmula: rengln nuevo = rengln antiguo - ( coeficiente de la columna pivote X rengln pivote nuevo) cuando el coeficiente es negativo se utiliza la frmula:

rengln nuevo = rengln antiguo + (coeficiente de la columna pivote X rengln pivote nuevo)

TABLA SIMPLEX como se capturara la solucin bsica factible inicial en el siguiente ejemplo: sea: Maximizar Z = 2X1+4X2 sujeto a: 2X1+ X2<= 230 X1+ 2X2<= 250 X2<= 120 todas las X1,X2>=0

BASE Z S1 S2 S3

Z 0 0 0 0

X1 -2 2 1 0

X2 -4 1 2 1

S1 0 1 0 0

S2 0 0 1 0

S3 0 0 0 1

SOLUCIN 0 230 250 120

RAZN 0 230/1 250/2 120/1

Seleccione la variable que entra y la variable que sale de la base: Entra X2 y sale S3, se desarrolla la nueva tabla solucin y se continua el proceso iterativo hasta encontrar la solucin optima si es que est existe. Tabla Optima:

BASE Z S1 X1 X2

Z 0 0 0 0

X1 0 0 1 0

X2 0 0 0 1

S1 0 1 0 0

S2 2 -2 1 0

S3 0 3 -2 1

SOLUCIN 500 90 10 120

RAZN

Solucin: Z = $500 fabricando X1=10 X2=120 Sobrante de S1 = 90 Tipo de solucin: Optima Mltiple