Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
Operativa I
Ing. John Zamora Crdova
El problema
Los recursos
son escasos
Qu es la investigacin operativa?
Definicin (Lawrence y Pasternak, 2008)
Un enfoque cientfico para la toma de decisiones
ejecutivas, que consiste en:
El arte de modelar situaciones complejas,
La ciencia de desarrollar tcnicas de solucin para resolver
dichos modelos y
La capacidad de comunicar efectivamente los resultados.
Objetivo de la Investigacin operativa:
Estudiar la asignacin ptima de recursos escasos a
determinada actividad.
Evaluar el rendimiento de un sistema con objeto de mejorarlo.
Investigacin Operativa
Realidad
Abstraccin
Intuicin
Modelo
Anlisis
Resultados
Decisiones
Interpretacin
BASE FILOSOFICA
El reduccionismo ha sido el enfoque que ms
accion en la especializacin progresiva que
ha sufrido la ciencia hasta hoy, con l, se gan
profundidad en los conocimientos pero no,
amplitud. por observar el rbol se perdi de
vista el bosque.
En tanto, la visin general de sistemas
persigue
un
enfoque
fenomenolgico,
integrador, que permite ver el conjunto,
comprender el todo, entender el bosque,
para luego comprender las partes que lo
constituyen
TIPOS DE PROBLEMAS
DIAGNOSTICO
Planeacin
de la
Produccin
Distribucin
Asignacin de
recursos
limitados
Inventarios
Programacin
de Actividades
Pronsticos
de
Demanda
Medio
Ambiente
Anlisis de
Lneas de
Espera
Analisis de
Sistemas de
Produccin
Programacin
Lineal
Soluciones
Reales
Programaci
n Lineal
Entera
Soluciones
Entereas
Programacin
Lineal por
metas
Soluciones en
orden de
prioridad
Modelos Estocsticos
Programacin
Dinmica
Optimizacin
de Redes
Control de
Inventarios
Soluciones en
Etapas continuas
Soluciones
orientadas a la
distribucin
ptima
Soluciones por
etapas (n+1)
Pronsticos
Comportamiento
futuro sistema
basado en datos
histricos
Teora de
Colas
Determinacin
de tiempos de
espera y longitud
de la cola
promedio
Simulacin de
Sistemas
Estimacin de
las medidas de
desempeo del
sistema
modelado
Historia de la I.O.
Se aplica por primera vez en 1780
Antecedentes:
Matemticas: modelos lineales (Farkas, Minkowski) (s.XIX)
Estadstica: fenmenos de espera (Erlang, Markov) (aos 20)
Economa: Quesnay (x.XVIII), Walras (s.XIX), Von Neumann
(aos 20)
Historia de la I.O.
Al terminar la guerra, sigue el desarrollo en la
industria, debido a:
competitividad industrial
progreso terico
RAND (Dantzig)
Princeton (Gomory, Kuhn, Tucker)
Carnegie Institute of Technology (Charnes, Cooper)
Actualidad de la I.O.
Sigue habiendo un gran desarrollo, en muchos
sectores, con grandes avances sobre todo en el
campo de la Inteligencia Artificial
Ms informacin:
Sociedad Espaola de Estadstica e Inv. Op. (SEIO)
www.cica.es/aliens/seio
El mtodo de la I.O.
Definicin del problema
Formulacin del problema y construccin del
modelo
Resolucin
Verificacin, validacin, refinamiento
Interpretacin y anlisis de resultados
Implantacin y uso extensivo
A lo largo de todo el proceso debe haber una interaccin
constante entre el analista y el cliente
El modelado
Es una ciencia
anlisis de relaciones
aplicacin de algoritmos de solucin
Y a la vez un arte
visin de la realidad
estilo, elegancia, simplicidad
uso creativo de las herramientas
experiencia
Modelado matemtico
Paso 1.- Identificar las variables de decisin
Sobre qu tengo control?
Qu es lo que hay que decidir?
Cul sera una respuesta vlida en este caso?
Paso 2.- Identificar la funcin objetivo
Qu pretendemos conseguir?
Si yo fuese el jefe de la empresa, qu me interesara ms?
Paso 3.- Identificar las restricciones o factores que limitan la
decisin
Recursos disponibles (trabajadores, mquinas, material)
Fechas lmite
Restricciones por la naturaleza de las variables (no
negatividad, enteras, binarias)
Restricciones por la naturaleza del problema
Paso 4.- Traduccin de los elementos bsicos a un modelo
matemtico.
Fases
de un
estudi
o
FORMULACIN DEL
PROBLEMA
CONSTRUCCIN DEL
MODELO
NECESIDAD DE
REORGANIZACIN
SISTEMA DE INTERS
OBTENCIN DE DATOS
TOMA DE DECISIONES
IMPLEMENTACIN Y
CONTROL
INTERPRETACIN DE
RESULTADOS E
IMPLICACIONES
PRACTIQUEMOS!
CONJUNTO CONVEXO
Sea S Rn , S se denomina Conjunto Convexo
uv S, u, v S
S1
u1
v2
HIPERPLANO
H x R / CX b
n
b c1 x1 c2 x2 ... cn xn
c1 c2 c3 ... Cn
x1
x2
x3
SEMIESPACIOS
S x1 , x2 ,...xn R / c1 x1 c2 x2 ... cn xn b
n
Matricialmente S x R / CX b
Para Semiespacio Abierto
Semiespacio Cerrado
n
NOTA
UN CONJUNTO ES CERRADO CUANDO
CONTIENE A SU FRONTERA
v6
V2-
-v7
v1
v8
Introduccin a la Programacin
Lineal
Variables de decisin
Variables sobre las que se tiene control
Restricciones
Causas por las que la decisin est limitada
Funcin objetivo
Medida del rendimiento que se quiere optimizar
Funcin Objetivo. En
cualquier PPL, la decisin a
tomar es como maximizar
(normalmente el beneficio) o
minimizar (el coste) de
alguna funcin de las
variables de decisin. Esta
funcin a maximizar o
minimizar se llama funcin
objetivo.
El objetivo de Gepetto es elegir
valores de x e y para
maximizar 3x + 2y. Usaremos
la variable z para denotar el
valor de la funcin objetivo. La
funcin objetivo de Gepetto es:
Max z = 3x + 2y
Restricciones
Son desigualdades que
limitan los posibles
valores de las variables
de decisin.
En este problema las
restricciones
vienen
dadas
por
la
disponibilidad de horas
de
acabado
y
carpintera y por la
demanda de muecos
Tambin suele haber
restricciones de signo
o no negatividad:
x0
y
Restricciones
Cuando x e y crecen, la funcin objetivo de Gepetto
tambin crece. Pero no puede crecer indefinidamente
porque, para Gepetto, los valores de x e y estn
limitados por las siguientes tres restricciones:
Restriccin 1: no ms de 100 horas de tiempo de acabado pueden ser usadas.
Restriccin 2: no ms de 80 horas de tiempo de carpintera pueden ser usadas.
Restriccin 3: limitacin de demanda, no deben fabricarse ms de 40 muecos.
2 x + y 100
Restriccin 2:
x + y 80
Restriccin 3:
x 40
Mueco
Tren
Beneficio
Acabado
100
Carpintera
80
Demanda
Max z = 3x + 2y
2 x + y 100
x + y 80
40
x
x0
y
40
(func. objetivo)
(acabado)
(carpinteria)
(demanda muecos)
(restriccin de signo)
(restriccin de signo)
Max z = 3x + 2y
(funcin objetivo)
Sujeto a (s.a:)
2 x + y 100
x + y 80
(restriccin de acabado)
(restriccin de carpintera)
40
(restriccin de signo)
(restriccin de signo)
Regin factible
La regin factible de un PPL es el conjunto de todos
los puntos que satisfacen todas las restricciones. Es la
regin del plano delimitada por el sistema de
desigualdades que forman las restricciones.
x = 40 e y = 20 est en la regin
factible porque satisfacen todas
las restricciones de Gepetto.
Sin embargo, x = 15, y = 70 no
est en la regin factible porque
este punto no satisface la
restriccin de carpintera
[15 + 70 > 80].
Restricciones de Gepetto
2x + y 100 (restriccin finalizado)
x + y 80 (restriccin carpintera)
x
40 (restriccin demanda)
(restriccin signo)
y 0
(restriccin signo)
Solucin ptima
Para un problema de maximizacin, una solucin
ptima es un punto en la regin factible en el cual
la funcin objetivo tiene un valor mximo. Para un
problema de minimizacin, una solucin ptima es
un punto en la regin factible en el cual la funcin
objetivo tiene un valor mnimo.
La mayora de PPL tienen solamente una solucin
ptima. Sin embargo, algunos PPL no tienen
solucin ptima, y otros PPL tienen un nmero
infinito de soluciones. Ms adelante veremos que
la solucin del PPL de Gepetto es x = 20 e y = 60.
Esta solucin da un valor de la funcin objetivo
de:
Se puede demostrar
que la solucin
ptima de un PPL
est siempre en la
frontera de la regin
factible,
en
un
vrtice
(si
la
solucin es nica) o
en un segmento
entre dos vrtices
contiguos (si hay
infinitas soluciones)
Y
100
2x + y = 100
80
60
40
20
20
40
60
80
80 (restriccin de carpintera)
40 (restriccin de demanda
0
(restriccin de signo)
y 0
(restriccin de signo)
2x + y = 100
100
2 x + y 100
x + y 80
x
40
80
60
y 0
40
Teniendo en cuenta
las restricciones de
signo (x 0, y 0),
nos queda:
20
20
40
60
80
100
Restricciones
80
2 x + y 100
x + y 80
x
40
60
x + y = 80
40
y 0
20
20
40
60
80
Restricciones
80
x = 40
2 x + y 100
x + y 80
x
40
0
y 0
60
40
20
20
40
60
80
Y
2x + y = 100
100
80
x = 40
60
x + y = 80
40
20
Regin
Factible
20
40
60
80
Restricciones
2 x + y 100
100
80
60
x + y 80
2x + y = 100
40
x = 40
y 0
D
x + y = 80
40
20
Regin
Factible
C
B
20
40
60
80
Y
100
2x + y = 100
80
E(0, 80)
x = 40
D (20, 60)
60
40
20
Regin
Factible
C(40, 20)
x + y = 80
B(40, 0)
A(0, 0)
20
40
60
80
Resolucin grfica
Max z = 3x + 2y
Para
hallar
la
solucin
ptima,
dibujamos las rectas
en las cuales los
puntos tienen el
mismo valor de z.
La figura muestra
estas lineas para
z = 0, z = 100,
y
z = 180
Y
100
80
(0, 80)
(20, 60)
60
40
20
Regin
Factible
(40, 20)
(40, 0)
(0, 0)
20
z=0
40
z = 100
60
80
z = 180
Resolucin grfica
Max z = 3x + 2y
100
La ltima recta de
z que interseca
(toca) la regin
factible indica la
solucin
ptima
para el PPL. Para
el problema de
Gepetto,
esto ocurre en el
punto D (x = 20,
y = 60, z = 180).
80
(0, 80)
(20, 60)
60
40
20
Regin
Factible
(40, 20)
(40, 0)
(0, 0)
20
z=0
40
z = 100
60
80
z = 180
Resolucin analtica
Max z = 3x + 2y
Tambin podemos encontrar la
solucin ptima calculando el
valor de z en los vrtices de la
regin factible.
Vrtice
z = 3x + 2y
(0, 0) z = 30+20 = 0
(40, 0) z = 340+20 = 120
(40, 20) z = 340+220 = 160
(20, 60) z = 320+260 = 180
(0, 80) z = 30+280 = 160
La solucin ptima es:
x = 20 muecos
y = 60 trenes
z = 180 de beneficio
100
80
(0, 80)
(20, 60)
60
40
20
Regin
Factible
(40, 20)
(40, 0)
(0, 0)
20
40
60
80
Recuerda que:
La regin factible en cualquier PPL
est limitada por segmentos (es un
polgono, acotado o no).
La regin factible de cualquier PPL
tiene solamente un nmero finito de
vrtices.
Cualquier PPL que tenga solucin
ptima tiene un vrtice que es ptimo.
Un problema de minimizacin
Dorian Auto fabrica y vende
coches y furgonetas. La empresa
quiere emprender una campaa
publicitaria en TV y tiene que
decidir comprar los tiempos de
anuncios en dos tipos de
programas: del corazn y ftbol.
Cada anuncio del programa del corazn es visto por 6 millones de
mujeres y 2 millones de hombres.
Cada partido de ftbol es visto por 3 millones de mujeres y 8 millones
de hombres.
Un anuncio en el programa de corazn cuesta 50.000 y un anuncio
del ftbol cuesta 100.000 .
Dorian Auto quisiera que los anuncios sean vistos por lo menos 30
millones de mujeres y 24 millones de hombres.
Dorian Auto quiere saber cuntos anuncios debe contratar en cada tipo de
programa para que el coste de la campaa publicitaria sea mnimo.
Corazn
(x)
Ftbol
(y)
mujeres
6x + 3y
30
hombres
2x + 8y
24
Coste
1.000
50
100
50x +100y
(mujeres)
(hombres)
(no negatividad)
Min z = 50 x + 100y
12
s.a. 6x + 3y 30
10
2x + 8y 24
6x + 3y = 30
x, y 0
6
4
2x + 8y = 24
10
12
14
12
10
El vrtice B es solucin de
6x + 3y = 30
2x + 8y = 24
Por tanto, B(4, 2)
La regin factible
no est acotada
14
Regin
Factible
8
6
4
El vrtice C es solucin de
2x + 8y = 24
y=0
Por tanto, C(12, 0)
C
2
10
12
14
z = 50x + 100y
z = 500 + 10010 =
A(0, 10)
= 0+10000 = 10 000
B(4, 2)
z = 504 + 1002 =
= 200+200 = 400
z = 5012 + 1000 =
C(12, 0)
= 6000+0 = 6 000
El coste mnimo se obtiene en B.
Solucin:
x = 4 anuncios en pr. corazn
y = 2 anuncios en futbol
Coste z = 400 (mil )
Y
14
12
10
A(0, 10)
Regin
Factible
8
6
4
B(4, 2)
C(12, 0)
2
10
12
14
s.a. 6x + 3y 30
14
2x + 8y 24
12
x, y 0
10
El coste
mnimo se
obtiene en el
punto B.
Z = 600
Z = 400
Solucin:
x = 4 anuncios en prog.
de corazn
y = 2 anuncios en futbol
Coste z = 400 (mil )
A(0, 10)
Regin
Factible
8
6
4
B(4, 2)
C(12, 0)
2
10
12
14
Consideremos el
siguiente problema:
60
50
max z = 3x + 2y
s.a 3x + 2y 120
x + y 50
:
x,y0
Cualquier punto (solucin)
situado en el segmento AB
puede ser una solucin
ptima de z =120.
40
30
Regin
Factible
B
z = 120
20
10
z = 60
z = 100
A
10
20
30
40
50
3x + 2y 120
x + y 50
x
30
y 30
x,y0
Y
60
No existe
Regin Factible
50
x 30
40
30
20
3x + 2y 120
10
No existe regin
factible
y 30
x + y 50
10
20
30
40
50
PPL no acotado
max z = 2x y
s.a:
xy1
2x + y 6
Y
6
Regin Factible
x, y 0
La regin factible es no
acotada. Se muestran en el
grfico las rectas de nivel para
z = 4 y z = 6. Pero podemos
desplazar las rectas de nivel
hacia
la
derecha
indefinidamente sin abandonar
la regin factible. Por tanto, el
valor de z puede crecer
indefinidamente.
z=4
3
z=6
1