Sei sulla pagina 1di 47

INVESTIGACION DE OPERACIONES

Programacin Lineal

Objetivos del Captulo


Fijar los requerimientos para establecer un modelo de programacin lineal. Representacin grfica de un modelo de programacin lineal. Ventajas del modelo de programacin lineal:
* * * * Obtencin de una solucin ptima nica. Obtencin de soluciones alternativas Modelos no acotados. Modelo no factibles.

Conceptos de anlisis de sensibilidad:


* * * * * *

Reduccin de costos. Rango de optimalidad. Precios sombra. Rango de factibilidad. Holgura complementaria. Agregar restricciones/variables.

Obtencin de una solucin por mtodos computacionales:


* WINQSB * EXCEL * LINDO

2.1 Introduccin a la Programacin Lineal

Un modelo de programacin lineal busca maximizar o minimizar una funcin lineal, sujeta a un conjunto de restricciones lineales. Un modelo de programacin lineal esta compuesto de lo siguiente:
* Un conjunto de variables de decisin * Una funcin objetivo * Un conjunto de restricciones

La importancia de la programacin lineal:


* Ciertos problemas se describen facilmente a travs de la programacin lineal. * Muchos problemas pueden aproximarse a modelos lineales. * La salida generada por el programa que resuelve el modelo de programacin lineal entrega informacin til para responder nuevas condiciones sobre el qu pasa si.

2.2 El problema de la industria de juguetes Galaxia.


Galaxia produce dos tipos de juguetes:
* Space Ray * Zapper

Los recursos estn limitados a:


* 1200 libras de plstico especial.

* 40 horas de produccin semanalmente.

Requerimientos de Marketing.
* La produccin total no puede exceder de 800 docenas. * El nmero de docenas de Space Rays no puede exceder al nmero de docenas de Zappers por ms de 450.

Requerimientos Tecnolgicos.
* Space Rays requiere 2 libras de plstico y 3 minutos de produccin por docena. * Zappers requiere 1 libra de plstico y 4 minutos de produccin por docena.

Plan comn de produccin para:


* Fabricar la mayor cantidad del producto que deje mejores ganancias, el cual corresponde a Space Ray ($8 de utilidad por docena). * Usar la menor cantidad de recursos para producir Zappers, porque estos dejan una menor utilidad ($5 de utilidad por docena).

El plan comn de produccin consiste en: Space Rays = 550 docenas Zappers Utilidad = 100 docenas = $4900 por semana

El gerente siempre buscar un esquema de produccin que incrementre las ganancias de su compaa

EL MODELO DE PROGRAMACIN LINEAL PROVEE UNA SOLUCIN INTELIGENTE PARA ESTE PROBLEMA

Solucin

Variables de decisin

* X1 = Cantidad producida de Space Rays (en docenas por semana). * X2 = Cantidad producida de Zappers (en docenas por semana).

Funcin objetivo
* Maximizar la ganancia semanal.

Modelo de Programacin Lineal Max 8X1 + 5X2 (ganancia semanal)

Sujeto a: 2X1 + 1X2 <= 1200 3X1 + 4X2 <= 2400 X1 + X2 <= 800 X1 - X2 <= 450 Xj >= 0 , j= 1, 2. (Cantidad de plstico) (Tiempo de produccin) (Limite produccin total) (Produccin en exceso) (Resultados positivos)

2.3 Conjunto de soluciones factibles para el modelo lineal.


El conjunto de puntos que satisface todas las
restricciones del modelo es llamado:

REGION FACTIBLE

USANDO UN GRAFICO SE PUEDEN REPRESENTAR TODAS LAS RESTRICCIONES, LA FUNCION OBJETIVO Y LOS TRES TIPOS DE PUNTOS DE FACTIBILIDAD.

X2 1200

Restriccin del plstico: The Plastic constraint 2X1+X2<=1200 Restriccin del total de produccin: X1+X2<=800

600

No Factible
Restriccin del exceso de produccin: X1-X2<=450
600 800 X1

Horas de Factible Produccin 3X1+4X2<=2400

Punto Inferior Punto Medio Tipos de puntos de factibilidad Punto Extremo

2.4 Resolucin grfica para encontrar la solucin ptima.

1200

comenzar con una ganancia dada de = $2,000... Entonces aumente la ganancia... X2


...y contine hasta que salga de la regin factible 4, Utilid. = $3, =$5040 2, Ganancia000

800 600

X1 400 600 800

1200

X2

Se toma un valor cercano al punto ptimo

800 600

Regin no factible

Feasible Regin region Factible


X1 400 600 800

Resumen de la solucin ptima Space Rays = 480 docenas Zappers = 240 docenas Ganancia = $5040
* Esta solucin utiliza todas las materias primas (plstico) y todas las horas de produccin. * La produccin total son 720 docenas (no 800). * La produccin de Space Rays excede a la de Zappers por solo 240 docenas y no por 450.

Soluciones ptimas y puntos extremos.


* Si un problema de programacin lineal tiene una solucin ptima, entonces esta corresponde a un punto extremo.

Mltiples soluciones ptimas.


* Cuando existen mltiples soluciones ptimas implica que la funcin objetivo es una recta paralela a uno de los lados de la regin factible. * Cualquier promedio ponderado de la solucin ptima es tambin una solucin ptima.

Solucin mediante el mtodo Simplex


Partamos de la base que el problema a resolver es el siguiente:
Max 8X1 + 5X2 (ganancia semanal) Sujeto a: 2X1 + 1X2 <= 1200 (Cantidad de plstico 3X1 + 4X2 <= 2400 (Tiempo de produccin X1 + X2 <= 800 (Limite produccin total X1 - X2 <= 450 (Produccin en exceso Xj >= 0 , j= 1, 2. (Resultados positivos)

Para poder utilizar el mtodo simplex se deben cumplir las siguientes restricciones:

Restricciones del Algoritmo


a) Solo se puede utilizar para maximizar la funcin objetivo. Para minimizar se debe maximizar (-z). b) Solo se puede aplicar a restricciones de igualdad. 2x1 + X2 + S1 =1200 ;S1 = Var. de holgura <= 3X1 + 4X2 + S2 = 2400 ;S2 = Var de holgura X1 + X2 + S3 = 800 ;S3 = Var de holgura (caso ficticio) >= 2X1 + x2 >= 100 2X1 + X2 - S4 = 100

;S4 = Var de exceso

c) Todas las variables deben ser mayores que cero. x1 - x2 + S4 + a1 = 450 a1= Var artificial

Por el hecho de haber agregado una variable artificial se debe agregar a la funcin objetivo a1 pero con un valor muy grande y negativo representado por -M. Max 8x1 + 5x2 - Ma1

2.5 Anlisis de sensibilidad para la solucin ptima.

Es sensible la solucin ptima a cambios en los parmetros de entrada? Posibles razones para responder la pregunta anterior:
* Los valores de los parmetros usados fueron los mejores estimados. * Medio ambiente por ser dinmico puede producir cambios. * El anlisis del qu pasa si puede proveer informacin econmica y operacional.

2.6 Anlisis de sensibilidad de los coeficientes de la funcin objetivo

Rango de optimalidad
La solucin ptima permanecer inalterable mientras: Un coeficiente de la funcin objetivo se encuentre dentro del rango de optimalidad. No hay cambios en ningn otro parmetro. El valor de la funcin objetivo cambiar si el coeficiente multiplica una variable cuyo valor es distinto de cero.

Los efectos del cambios en un coeficiente de la funcin objetivo, sobre la solucin ptima
1200 X2

800 600

X1 400 600 800

Los efectos del cambio de un coeficiente de la funcin objetivo, sobre la solucin ptima
1200 X2

Rango de optimalidad

800 600

400

600

800

X1

Cambios Mltples

El rango de optimalidad es vlido cuando un nico coeficiente de la funcin objetivo cambia.


Cuando cambia ms de una variable se utiliza la regla del 100%.

Regla del 100%

Para cada aumento (disminucin) en un coeficiente de la funcin objetivo calcular (y expresar como un porcentaje) la relacin de cambio del coeficiente al mximo aumento posible (disminucin) determinada por los lmites del rango de optimalidad.
Sumar todos los cambios de porcentaje. Si el total es menor que 100%, la solucin ptima no cambiar. Si este total es mayor que 100%, la solucin ptima puede cambiar.

Reduccin de costos
La reduccin de costos de una variable a su cota inferior (comnmente cero) implica que: Los coeficientes de la funcin objetivo deben cambiar antes que la variable pueda tomar un valor sobre la cota inferior. Con lo anterior la cantidad de ganancia ptima cambiar segn las variables aumentadas desde la cota inferior.

Holgura complementaria
Existe holgura en la solucin ptima, cuando cada variable est en su cota inferior o el costo reducido es 0.

2.7 Anlisis de Sensibilidad del coeficiente del lado derecho

Cualquier cambio en el lado derecho (bi) de una restriccin activa cambiar la solucin ptima.

Cualquier cambio en el lado derecho de una restriccin no activa que sea menor que la holgura o o el exceso, no produce ningn cambio en la solucin ptima.

Para el anlisis de sensibilidad de la validez de los coeficiente del lado derecho nos interesa responder las siguientes preguntas :

Manteniendo todos los otros coeficientes , en cunto cambiara el valor ptimo de la funcin objetivo (por ejemplo, la ganancia) si el coeficiente del lado derecho de una restriccin cambia en una unidad? Hasta cuntas unidades se puede agregar o disminuir para que la solucin siga siendo vlida?

X2 1200

Restriccin materiales (plsticos) Nueva restriccin materiales (plsticos)


600

Ganancia mxima= 5040 Combinacin de restricciones en la produccin


Puntos extremos
X1
600 800

Restriccin del Feasible tiempo de produccin

Interpretacin correcta del precio sombra

Los costos amortizados: El precio sombra, es el valor por una unidad extra del recurso, ya que el costo del recurso no es incluido en el clculo de los coeficientes de la funcin objetivo.
Los costos includos: El precio sombra es el valor superior por unidad del recurso, el costo del recurso se incluye en el clculo del coeficiente de la funcin objetivo.

El rango de factibilidad

El conjunto de los coeficientes del lado derecho entregan el rango para que el mismo conjunto de restricciones determine el punto ptimo. Dentro del rango de factibilidad, los precios sombras permanecen constante; sin embargo, la solucin ptima cambiar.

2.8 Otros cambios para optimizar la funcin objetivo


La incorporacin de una restriccin. La eliminacin de una restriccin. La incorporacin de un variable. La eliminacin de un variable. Cambio en el lado izquierdo de los coeficientes.

2.9 Modelo sin solucin ptima

No factible: Ocurre cuando en el modelo no hay ningn punto de factible.


No acotado: Ocurre cuando el objetivo puede crecer infinitamente (objetivo a maximizar).

Infactibilidad
Ningn punto se encuentra, simultneamente, sobre la lnea 1 la lnea 2 y 3

Solucin No Acotada

2.10 Dieta Marina


Un problema de minimizacin del costo de la dieta: Mezcle dos porciones de lo productos: Texfoods, Calration. Minimice el costo total de la mezcla. Mantenga los requerimientos mnimos de Vitamina A, Vitamina D, y hierro.

x1 (X2) - - El cantidad de Texfoods (Calration) se us en cada porcin (cada 2 onzas)

Variables de decisin:

El modelo minimizar 0.60X1 + 0.50X2 Costo por 2 oz. sujeto a 20X1 + 50X2 100 25X1 + 25X2 100 % Vitamina A Vitamina D por 2 oz. % requerido 50X1 + 10X2 100 hierro X1, X2 0

La solucin grfica
5 4 Restriccin de hierro

Regin factible
Restriccin de vitamina D

2 Restriccin de vitamina A

Resumen de la solucin ptima

Producto Texfood = repartir 1.5 (= 3 onzas) Producto Calration = repartir 2.5 (= 5 onzas) Costo =$ 2.15 por porcin servidar. El requisito mnimo para la Vitamina D y el hierro no se encuentren en supervit. La mezcla provee 155% del requerimiento para Vitamina A.

2.11 Solucin para problemas lineales con muchas variables de decisin usando el computador

Los paquetes de programas lineales resuelven grandes modelos lineales. La mayora de los software usan la tcnica algebraica llamada algoritmo Simplex. Los paquetes incluyen: El criterio de la funcin objetivo (Max o Min). El tipo de cada restriccin: . Los coeficientes reales para el problema.

, ,

La solucin generada por un software de programacin lineal incluye:

Los valores ptimos de la funcin objetivo. Los valores ptimos de las variables de decisin. La minimizacin del costo para los coeficientes de la funcin objetivo. Los rangos de optimizacin para los coeficientes de la funcin objetivo. La cantidad de holgura o exceso sobre cada restriccin. Los precios sombra (o dual) para las restricciones. Los rangos de factibilidad para el coeficiente del lado derecho.

Las variables y los nombres de las restricciones pueden ser cambiados aqu.

WINQSB datos de entrada para el problema de las industrias galaxia

Las variables son restringidas a >=0

Click para resolver Ningn lmite superior

Potrebbero piacerti anche