You are on page 1of 15

Investigacin Operativa

Lic. Anala Soria


Correo: analiacelina8@hotmail.com

1.1 QU
-

BUSCA ESTA MATERIA?


Busca encontrar el mejor curso de accin para problemas de decisin

Los problemas de decisin se van a resolver con modelos y estos modelos con lo que
se va a trabajar a lo largo de la cursada son modelos matemticos.
Para eso siempre debemos encontrar una solucin ptima a nuestros problemas de
decisin.

Todos los problemas de decisin tienen recursos, estos generalmente son limitados.
Por lo tanto, existe una RESTRICCION.
Depende de cmo sea el problema vamos a utilizar un modelo, y depende de cmo es
ese modelo tambin va a depender la tcnica de resolucin.

Softwares: Tora, Winqsb

1.2 QU

ES LA INVESTIGACIN OPERATIVA?
La investigacin operativa se considera un arte y una ciencia
-

Arte, porque depende de la habilidad y la creatividad del equipo de


investigacin operativa.
Ciencia, porque me permite utilizar tcnicas y algoritmos matemticos para
resolver problemas de decisin.

La obtencin de datos, la construccin del modelo, la validacin del modelo y la


implementacin de los resultados dependen de la habilidad y creatividad del equipo
de IO.

1.3
1.4 QU

ES UN MODELO?
Un modelo es una herramienta que nos permite identificar el problema de decisin
en su totalidad. Todos los modelos van a tener una funcin objetivo a la cual vamos a
optimizar (la optimizacin se va a dar con mximos y mnimos) y esa funcin objetivo

va a estar sujeta a un conjunto de restricciones (ecuaciones, desigualdades, mayor


igual, etc.)

1.4.1.1 Ejercicio 1:
Un gerente de un departamento de produccin debe decidir entre la adquisicin de
una mquina automtica o semiautomtica. Las dos mquinas producen una cantidad
x en lotes. El costo fijo inicial por lote y el costo de produccin unitario es el
siguiente:

Semiautomtic
a

Automtica

Costo inicial x
lote

20

50

Costo variable
unitario

0,6

0,4

Se debe determinar que maquina se adquiere y que genere el menor costo de


produccin por lote.
1.4.1.1.1
1.4.1.1.2 Resolucin:
1.4.2 1ro: Identificar las alternativas de decisin
En este caso las alternativas son comprar una maquina automtica y una maquina
semiautomtica.
1.4.3
1.4.4 2do: Definir un criterio para evaluar el valor de cada alternativa
Nuestro criterio para evaluar el valor de cada alternativa es el costo de produccin.
1.4.5
1.4.6 3ro: Aplicar el criterio para encontrar la mejor alternativa
Las alternativas que podemos encontrar son factibles o infactibles. Desde el proceso
de toma de decisiones solamente utilizamos las alternativas factibles, las infactibles
son descartadas.
Semiautomatica:

20 + 0,60x

Automatica:

50+ 0,40x

Semiautomtic
a

Automtica

20

32

58

80

68

82

150

110

110

160

116

114

Semiautomtica vs. Automtica


140
120
100
80
6058

110

116
114

150

160

82
68

40
32
20
0
20

80
Semiautomatica

Automatica

1.4.7 Conclusin:
- Para lotes menores a 150 unidades es mejor comprar la maquina
semiautomtica.
- Para lotes iguales a 150 unidades es conveniente comprar cualquiera de las
dos.
- Para lotes mayores a 150 unidades es conveniente comprar la maquina
automtica.

1.4.7.1 Ejercicio 2:
Supongamos que existe la siguiente restriccin: La fbrica opera en un solo turno de
8 horas. La velocidad de produccin por hora de la maquina automtica es de 25
unidades por hora y de la semiautomtica de 15 unidades por hora.
Teniendo en cuenta de que el turno es de 8hs:

Mquina

Produccin por Hora

Produccin por Turno

Semiautomtica

15u

120u

Automtica

25u

200u

Semiautomtica vs. Automtica


140
120
100
80
6058

110

116
114

150

160

82
68

40
32
20
0
20

80
Semiautomatica

Automatica

Como ahora en el ejercicio tengo restricciones que son las velocidades de produccin
de las maquinas: 120unidades para semiautomtica y 200 unidades para la
automtica. Por lo tanto, en el grafico debo mostrar esas limitaciones.

Semiautomtica vs. Automtica


120
110
100

114

98
92
82

80

68
6058
40
32
20
0
20

80

120
Semiautomatica

150

160

Automatica

1.5 CONCLUSIN:
-

Para lores menores e iguales a 120 unidades tengo dos alternativas factibles y
la mejor opcin es la semiautomtica.
Para lotes mayores a 120unidades y menores e iguales a 200 unidades existe
una sola alternativa factible y la mejor opcin es la maquina automtica.
Para lotes mayores a 200 unidades no existen alternativas factibles.

1.5.1.1 Ejemplo 3:
Es el mismo ejemplo que en el anterior, solo que ahora cambia el turno. El turno es
de 10hs.

Mquina

Produccin por Hora

Produccin por Turno

Semiautomatica

15u

150

Automtica

25u

250

Semiautomtica vs. Automtica


140
130
120
110
100

114

98
92
82

80

68
6058
40
32
20
0
20

80

120

150

Semiautomatica

160

200

Automatica

1.6 CONCLUSIN:
-

Para lotes menores a 150 unidades existen 2 alternativas factibles y la mejor


opcin es la maquina semiautomtica.
Para lotes iguales a 150 unidades existen 2 alternativas optimas que son
ambas maquinas ya que producen exactamente lo mismo (110 unidades)
Para lotes mayores a 150 unidades y menores e iguales a 250 unidades existe
una alternativa factible y la mejor opcin es la automtica.
Para lotes mayores a 250 unidades no hay alternativas factibles.

En investigacin operativa el proceso de construccin del modelo y la bsqueda de su


solucin representa el ncleo de la toma de decisiones.

2 MODELOS
Todos los modelos tienen alternativas, restricciones y criterios.
Alternativas: Se debe hacer una seleccin.
Restricciones: Identificar las alternativas en factibles e infactibles
Criterios: Nos permiten evaluar el valor de cada alternativa
Adems, las alternativas pueden ser llamadas variables de decisin.

Variables de decisin: Buscar el valor de las variables que optimice la funcin


objetivo (maximice y minimice). La funcin objetivo es la solucin ptima.

El modelo es la abstraccin del sistema real supuesto y lo identifica en trminos de


una funcin sujeta a un conjunto de restricciones.
Tanto la funcin objetivo como las restricciones se expresan en trminos de variables
de decisin

3 TIPOS DE MODELOS
Cuando las variables se expresan en forma cuantitativa trabajamos con modelos que
se llaman matemticos. La solucin ptima para este modelo se da en interacciones,
es decir, en pasos de clculo.
Los mtodos heursticos se basan en reglas. En grandes rasgos el mtodo heurstico
nos da una buena solucin, pero no es la ptima, la cual si se consigue con un
algoritmo matemtico.
Modelos de simulacin se llega a la solucin ptima en mdulos, es decir, se
soluciona primero uno, luego otro hasta llegar al ltimo.

3.1 EJEMPLO:
Una empresa tiene dos almacenes centrales que abastecen de semillas de maz a tres
tiendas regionales para ser distribuidas a agricultores. EL suministro mensual
disponible en las dos bodegas se estima en 1000 a 2000 sacos de semillas de maz. La
demanda en las tres tiendas se estima en 1500, 750 y 750 sacos respectivamente. El
costo por saco para transportar las semillas de las bodegas a las tiendas se resume en
las siguientes tablas:

Tienda 1

Tienda 2

Tienda 3

Almacn 1

50

100

60

Almacn 2

30

20

35

1
1000

50

100
60

30
20

3
35

2000

El objetivo es satisfacer la demanda de las 3 tiendas al menor costo de transporte


posible.

3.1.1 Modelo

f ( x ) Z
Contiene restricciones

Min Z=50 x 11 +100 x 12 +60 x13 +30 x 21+20 x 22+35 x 23


1)

x 11 + x12 + x 13=1000 ( Almacen 1 )

2)

x 21 + x 22+ x 23=2000 ( Almacen2 )

3)

x 11 + x 21=1500 ( Tienda1 )

4)

x 12 + x 22=750(Tienda 2)

5)

x 13 + x 23=750(Tienda 3)

x 11 , x 12 , x 13 , x 21 , x 22 , x 23 0

Para un mejor decempeo de el grupo de investigacin operativa es necesario que los


datos que e recopilen sean confiables, ya que estos son necesarios para la aplicacin
del modelo.

4 MTODO HEURSTICO
4.1 MTODO

DE COSTO UNITARIO
Supongamos que aplicamos un mtodo heurstico. El mtodo a utilizar va a ser el
mtodo de costo unitario. Para la aplicacin de este mtodo se debe seguir los
siguientes pasos:
1234-

Mayor cantidad posible a la celda de menor costo


Ajustamos las condiciones de la oferta/demanda
Tachamos fila/columna con saldo cero
Ir al paso 1

Grafico 1

4.1.1 Ejemplo 1

x 11=250
x 13=750
x 21=1250
x 22=750

CT=25050+75060+125030+75020=110000

4.2 COMPROBACIN
Para comprobar si el mtodo es correcto podemos hacer lo siguiente:
Si llamamos m a las filas y n a las columnas, siempre vamos a tener una cantidad de
variables bsicas que es igual a:

m+ n1 . 2+3-1= 4 variables bsicas.

10

4.2.1 Ejemplo 2
Tener en cuenta que la oferta y la demanda deben ser iguales, por eso se debe
compensar con columnas o filas ficticias.
Grafico 2

x 11=150
x 13=750
x 21=1250
x 22=750
F1=100

CT=15050+75060+125030+75020=10500
4.2.2 Ejemplo 3
Grafico

5 MTODOS PROBABILSTICOS O ESTOCSTICOS


Los mtodos probabilsticos o estocsticos son totalmente contrario a los mtodos
que son determinsticos.

EJERCICIO
Un agente de viaje debe viajar a 5 ciudades donde cada ciudad es visitada una vez
antes de volver a la ciudad de origen. El objetivo del vendedor es reducir la distancia
total del recorrido, es decir, minimizar. Las distancias en kilmetros se resumen de la
siguiente manera:
2

11

5.1.1 Ejemplo 4
Una empresa energtica dispone de tres plantas de generacin para satisfacer la
demanda elctrica de 4 ciudades. Las plantas 1, 2 y 3 pueden satisfacer 35, 50 y 40
millones de kW respectivamente. El valor mximo de consumo ocurre a las 2p.m y es
de 45, 20, 30 y 20 millones de kW en las ciudades 1, 2, 3 y 4 el costo de enviar 1kW
depende de la distancia que deba recorrer la energa. La siguiente tabla muestra los
costos de envo unitario desde cada planta a cada ciudad. Minimice los costos de
satisfacer la demanda mxima.

Grfico.

23-03-16

6 PROGRAMACIN LINEAL
La programacin lineal son las bases para la programacin entera, no lineal y
estocstica.

6.1 REGLAS:
-

Si hay una igualdad no va a existir un polgono.


Si hay una ecuacin (igualdad) la solucin esta sobre esa recta

6.2 EJERCICIO 1
Redimix Company posee una pequea fbrica de pinturas que produce colorantes
para exterior e interior de casas para su distribucin al por mayor. Se utilizan dos
materiales bsicos A y B para producir las pinturas. La disponibilidad mxima del
material A es de 6 toneladas diarias, la del material B es de 8 toneladas diarias. Los
requisitos diarios de materia prima por tonelada de pintura es la siguiente:
MPA

Exterior
1

Interior
2

Disponibilidad
6

12

MPB

Un estudio de mercado a determinado que la demanda diaria de pintura para interior


no puede ser mayor que la pintura para exterior en ms de una tonelada. El estudio
seala a si mismo que la demanda mxima de pintura para interior est limitada a 2
toneladas diarias. Cunta pintura para exterior e interior debe producir la compaa
todos los das para maximizar el ingreso bruto? El precio al por mayor es de $3000 por
tonelada de pintura para exterior y $2000 para la pintura de interior.

6.2.1 Resolucin
Para construir el modelo se debe realizar lo siguiente:
1- Variables de decisin
2- Determinar las restricciones
3- Determinar el objetivo

Resumen:
1- Debemos calcular la cantidad de pintura
o Exterior (XE)
o Interior (Xi)
2- Restricciones
o

MPA 1)

Xe+2 Xi 6

MPB 2)

2 Xe+ Xi 8

Mercado:

Xi 2

XiXe 1

3- Objetivo
o

F ( x )=Z

Max Z=3000 Xe+ 2000 Xi

4- Modelo Matemtico:
o
o

Max Z=3 Xe+ 2 Xi ( miles )


Sujeto A:

1)

Xe+2 Xi 6

2)

2 Xe+ Xi 8

3)

XiXe 1

4)

Xi 2

Xe , Xi 0

1)

13

Xe+2 Xi 6

Si Xe=0 , Xi=3
Si Xi=0, Xe=6
2)

2 Xe+ Xi 8
Si Xe=0, Xi=8

Si Xi=0, Xe=4

3)

XiXe 1

Si Xe=0, Xi=1
Si Xi=0, Xe=1
4)

Xi 2

Las nicas soluciones factibles son las que estn dentro del polgono.

Punto C
1)

Xe+2 Xi 6

2)

2 Xe+ Xi 8

Lo transformo a ecuaciones
1)

Xe=62 Xi

Reemplazo 1) en 2)
2)

2 Xe+ Xi=8
2 (62 Xi )+ Xi=8
124 Xi+ Xi=8
3 Xi=4

Xi=4 /3

14

Xe=62 Xi

4
Xe=62( )
3
Xe=6

8
3

Xe=10/3

15