Universidad Tcnica Manab

Facultad De Ciencias Informtica Carrera de Ingeniera de Sistemas Investigacin operativa

Tema: Portafolio de investigacion operativa Nombre :
Mendoza Ponce Henry Andrs

Docente: Ing. Gabriel Euguez Semestre: 6to B

UNIVERSIDAD TCNICA DE MANAB

MISIN

Formar acadmicos, cientficos y profesionales responsables, humanistas, ticos y solidarios, comprometidos con los objetivos del desarrollo nacional, que contribuyan a la solucin de los problemas del pas como universidad de docencia con investigacin, capaces de generar y aplicar nuevos conocimientos, fomentando la promocin y difusin de los saberes y las culturas, previstos en la Constitucin de la Repblica del Ecuador.

VISIN Ser institucin universitaria, lder y referente de la educacin superior en el Ecuador, promoviendo la creacin, desarrollo, transmisin y difusin de la ciencia, la tcnica y la cultura, con reconocimiento social y proyeccin regional y mundial.

II

FACULTAD DE CIENCIAS INFORMTICAS

MISIN Formar profesionales eficientes e innovadores en el campo de las ciencias informticas, que con honestidad, equidad y solidaridad, den respuestas a las necesidades de la sociedad elevando su nivel de vida.

VISIN Ser una unidad con alto prestigio acadmico, con eficiencia, transparencia y calidad en la educacin, organizada en sus actividades, protagonistas del progreso regional y nacional.

AUTORRETRATO

III

Mi nombre es Mendoza Ponce Henry Andrs, soy estudiante de INVESTIGACIN OPERATIVA, actualmente curso el 6to. Semestre en la facultad de Ciencias Informticas de la Universidad Tcnica de Manab. Soy una persona que le gusta aprender todo lo que pueda para mi vida profesional, soy algo tmido y entre mis virtudes tengo el ser muy alegre.

Mi objetivo es llegar a ser un gran profesional en mi vida laboral, apto para dar soluciones a los problemas que se me presenten y responder con los mejores y ms eficientes conocimientos.

As, convertirme en una profesional emprendedor en nuevos proyectos y conocimientos, ejemplo de superacin para muchos y soporte para quien me necesite. Todo esto lo lograre con esfuerzo, ganas, tiempo y el recurso necesario.

IV

DEFINICIN, CONCEPTO Y APLICACIONES DE LA INVESTIGACIN OPERATIVA

La Investigacin Operativa o Investigacin de Operaciones es una disciplina moderna que mediante el uso de modelos matemticos, estadstica y algoritmos modela y resuelve problemas complejos determinando la solucin ptima y permitiendo, de esta forma, la toma de decisiones, trata del estudio de complejos sistemas reales, con la finalidad de mejorar su funcionamiento, es la respuesta de la ciencia moderna, con base en las matemticas, a los complejos problemas que surgen de la administracin de recursos limitados: personas, dinero y materiales para lograr el mejor resultado. Como tcnica para la resolucin de problemas, investigacin de operaciones debe visualizarse como una ciencia y como un arte. Como Ciencia radica en ofrecer tcnicas y algoritmos matemticos para resolver problemas de decisin adecuada. Como Arte debido al xito que se alcanza en todas las fases anteriores y posteriores a la solucin de un modelo matemtico, depende de la forma apreciable de la creatividad y la habilidad personal de los analistas encargados de tomar las decisiones. En un equipo de Investigacin de Operaciones es importante la habilidad adecuada en los aspectos cientficos y artsticos de Investigacin de Operaciones. Si se destaca un aspecto y no el otro probablemente se impedir la utilizacin efectiva de la Investigacin de Operaciones en la prctica. La investigacin de operaciones permite el anlisis de la toma de decisiones teniendo en cuenta la escasez de recursos, para determinar cmo se puede optimizar un objetivo definido, como la maximizacin de los beneficios o la minimizacin de costes. En la Investigacin de Operaciones la parte de "Investigacin" se refiere a que aqu se usa un enfoque similar a la manera en la que se lleva a cabo la investigacin en los campos cientficos establecidos. La parte de "Operaciones" es porque en ella se resuelven problemas que se refieren a la conduccin de operaciones dentro de una organizacin. Aunque su nacimiento como ciencia se establece durante la Segunda Guerra Mundial y debe su nombre a las operaciones militares, los verdaderos orgenes de la Investigacin Operativa se remontan mucho ms atrs en el tiempo, hasta el siglo XVII. Sin embargo su
V

auge es debido, en su mayor parte, al gran desarrollo de la informtica, gracias a la cual es posible resolver problemas en la prctica y obtener soluciones que de otra forma conllevaran un enorme tiempo de clculo. Debido al gran xito de la Investigacin Operativa en el campo militar, esta se extendi a otros campos tales como la industria, fsica, informtica, economa, estadstica y probabilidad, ecologa, educacin, servicio social, siendo hoy en da utilizada prcticamente en todas las reas. La Investigacin de Operaciones en la Ingeniera de Sistemas se emplea principalmente en los aspectos de coordinacin de operaciones y actividades de la organizacin o sistema que se analice, mediante el empleo de modelos que describan las interacciones entre los componentes del sistema y de ste con este con su medio ambiente La naturaleza de la organizacin es esencialmente inmaterial y, de hecho, la investigacin de operaciones se ha aplicado de manera extensa en reas tan diversas como la manufactura, el transporte, la constitucin, las telecomunicaciones, la planeacin financiera, el cuidado de la salud, la milicia y los servicios pblicos, por nombrar slo unas cuantas. As, la gama de aplicaciones es extraordinariamente amplia. La parte de investigacin en el nombre significa que la investigacin de operaciones usa un enfoque similar a la manera en que se lleva a cabo la investigacin en los campos cientficos establecidos. En gran medida, se usa el mtodo cientfico para investigar el problema en cuestin. (De hecho, en ocasiones se usa el trmino ciencias de la administracin como sinnimo de investigacin de operaciones.) En particular, el proceso comienza por la observacin cuidadosa y la formulacin del problema incluyendo la recoleccin de los datos pertinentes. El siguiente paso es la construccin de un modelo cientfico (por lo general matemtico) que intenta abstraer la esencia del problema real. En este punto se propone la hiptesis de que el modelo es una representacin lo suficientemente precisa de las caractersticas esenciales de la situacin como para que las conclusiones (soluciones) obtenidas sean vlidas tambin para el problema real. Despus, se llevan a cabo los experimentos adecuados para probar esta hiptesis, modificarla si es necesario y eventualmente verificarla. (Con frecuencia este paso se conoce como validacin del modelo.) Entonces, en cierto modo, la investigacin e operaciones incluyen la investigacin cientfica creativa de las propiedades fundamentales de las operaciones. Sin embargo, existe ms que esto. En particular, la IO se ocupa tambin de la administracin prctica de la organizacin. As, para tener xito, deber tambin proporcionar conclusiones claras que pueda usar el tomador de decisiones cuando las necesite. Una caracterstica ms de la investigacin de operaciones es su amplio punto de vista. Como qued implcito en la seccin anterior, la IO adopta un punto de vista organizacional. de esta manera, intenta resolver los conflictos de intereses entre las componentes de la organizacin de forma que el resultado sea el mejor para la organizacin completa. Esto no significa que el estudio de cada problema deba considerar en forma explcita todos los aspectos de la organizacin sino que los objetivos que se buscan deben ser consistentes con los de toda ella.
VI

Actualmente la Investigacin Operativa incluye gran cantidad de ramas como la Programacin Lineal, Programacin No Lineal, la Programacin Entera, Programacin Dinmica, Simulacin, Teora de Colas, Teora de Inventarios, Teora de Grafos, Binaria, los modelos de redes, algoritmos de punto interior, simulacin, cadenas de Markov, entre otros. RIESGO AL APLICAR LA INVESTIGACIN DE OPERACIONES Al aplicar la Investigacin operativa al estudio de sistemas y a la resolucin de problemas se corre el riesgo de tratar de manipular los problemas para buscar que se ajusten a las diferentes tcnicas, modelos de algoritmos establecidos en lugar de analizar los problemas y buscar resolverlos obteniendo las soluciones mejores, utilizando los mtodos apropiados, es decir resolver el problema utilizando los mtodos que proporcionan las mejoras soluciones y no buscar ajustar el problema a un mtodo especfico. Para llegar a hacer un uso apropiado de la I de O, es necesario primero comprender la metodologa para resolver los problemas, as como los fundamentos de las tcnicas de solucin para de esta forma saber cundo utilizarlas o no en las diferentes circunstancias.

VII

Contenido
Clase N: 1........................................................................................................................................... 9 Clase N: 2......................................................................................................................................... 10 Clase N: 3......................................................................................................................................... 12 Clase N: 4......................................................................................................................................... 14 Clase N: 5......................................................................................................................................... 14 Clase N: 6......................................................................................................................................... 15 Clase N: 7......................................................................................................................................... 17 Clase N: 8......................................................................................................................................... 20 Clase N: 9 ......................................................................................................................................... 22 Clase N: 10 ....................................................................................................................................... 25 Clase N: 11....................................................................................................................................... 27 ANEXOS........................................................................................................................................... 28

VIII

DIARIO METACOGNITIVO Clase N: 1 Fecha: Lunes 6 de mayo de 2013. Tema: Presentacin de la materia. Datos Interesantes: Algebra Lineal, Matrices, Resolucin de Ecuaciones, Probabilidades.

Resumen de la Clase Definiciones de la Investigacin de Operaciones: Aplicacin del mtodo cientfico para la resolucin de problemas de toma de decisin. Rama de las matemticas aplicadas que estudia la resolucin de problemas de optimizacin. Herramienta matemtica que utiliza mtodos cuantitativos para la optimizacin de recursos escasos. Ejemplos de optimizacin: Escases: Significa que nuestros recursos son limitados. Costos: Es el precio que se aplica a los bienes que se pueden aumentar a voluntad. Valor: Es la capacidad que una cosa tiene de satisfacer un deseo, una necesidad o una aplicacin humana. Costo de oportunidad: Es el concepto ms importante en la economa, ocurre cuando existe la escases de recursos.

Qu cosas fueron difciles? En la primera clase nada fue difcil, ya que se abarco solo los temas generales para introducirnos en la materia.

Cules fueron fciles?

Qu aprend? Aprend que la IO aplica modelos matemticos para MAXIMIZAR Y MINIMIZAR y que se aplican en la vida real.
9

Fue muy fcil entender los conceptos y aplicar los ejemplos de optimizacin

DIARIO METACOGNITIVO Clase N: 2 Fecha: Mircoles 8 de mayo de 2013. Tema: Teora y datos generales de la IO. Datos Interesantes: Minera de datos, Modelacin y Programacin, Modelos Determinsticos y Probabilsticos.

Resumen de la Clase

Programacin Lineal Modelo matemtico que utiliza funciones lineales.

( )

3 condiciones: Funcin objetivo (maximizar o minimizar) Restricciones: < > = Restricciones de no negatividad Variable 0

10

Ejemplo:

Minimizar: ( ) S.A.R. (Sujeto A Restricciones)

2 variables = m 4 restricciones = n

Formulas

S.A.R =

Qu cosas fueron difciles? En esta clase las formulas y sus aplicaciones me tenan muy confundido, en general eso fue los que se me hizo ms complejo.

Cules fueron fciles? En general no se me hizo nada fcil pero ha de ser porque en la segunda clase y el tema es nuevo para m espero que al pasar los das esto cambie.

Qu aprend? Para resolver un problema de programacin lineal se debe tener en cuenta estas 3 cosas: La funcin objetivo. Las restricciones. La no negatividad.

11

DIARIO METACOGNITIVO Clase N: 3 Fecha: Lunes 13 de mayo de 2013. Tema: Ejercicios de Programacin Lineal. Datos Interesantes: Programacin lineal aplicada a ejercicios.

Resumen de la Clase Ejercicio Una compaa de televisin produce 2 tipos de equipos, el astro y el cosmos. Hay 2 lneas de produccin una para cada tipo de televisor y los departamentos, ambos intervienen en la produccin de cada aparato. La capacidad de la lnea astro es de 70 tv diarios y a de la lnea cosmos es de 50. En el departamento A se fabrican los cinescopios. En este departamento los televisores astros requieren 1 hora de trabajo y los cosmos de 2. Actualmente en el depto. A se puede asignar un mximo de 120 horas de trabajo por da a la produccin de ambos tipos de aparatos. En el dpto. B se construye el chasis. En este dpto. Los televisores astro requieren 1 hora de trabajo igual que los cosmos. En la actualidad se puede asignar un mximo de 90 horas de trabajo diarias en el dpto. B ara la produccin de ambos tipos de tv. La utilidad por aparato es de 20 dlares y 10 dlares respectivamente por cada aparato astro y cosmos. Si la compaa puede vender todos los aparatos que se produzcan. Cul debe de ser el plan de produccin diaria para cada aparato?

Astro Cosmos Disponibilidad

Cap. Diaria 70 50

Dpto. A 1 2 120

Dpto. B 1 1 90

Utilidad 20 10

12

Programacin Lineal Minimizar O Maximizar

S.a.r g (xj) = j = 1,.., m Xi 0

Definicin de la variable Es la cantidad que nosotros podemos manipular.

S.a.r Restriccin del dpto. A Restriccin del dpto. B Capacidad de Astro Capacidad de Cosmos

Capacidad de Astro

13

DIARIO METACOGNITIVO Clase N: 4 Fecha: Mircoles 15 de mayo de 2013. Tema: Ejercicios de Programacin Lineal en grupos.

Datos Interesantes: Programacin lineal aplicada a ejercicio del problema de mesas.

Resumen de la Clase

Se realiz un ejercicios en grupos estos estn anexados con la fecha que se realiz.

DIARIO METACOGNITIVO Clase N: 5 Fecha: Lunes 20 de mayo de 2013. Tema: Ejercicios de Programacin Lineal individuales. Datos Interesantes: Programacin lineal aplicada a diferentes ejercicios.

Resumen de la Clase

Se realiz un ejercicios en grupos estos estn anexados con la fecha que se realiz.

14

DIARIO METACOGNITIVO Clase N: 6 Fecha: Mircoles 29 de mayo de 2013. Tema: Programacin Lineal utilizando el mtodo grfico. Datos Interesantes: Mtodo grfico, sistema de ecuaciones con 2 incgnitas.

Resumen de la Clase

Sistema de Ecuaciones de 2 incgnitas Ej.: 3 tipos de gasolina A 0,20 Costo $ x Galn Disponibilidad por semana 0,02 60000 B 0,50 0,40 0,032 20000 C 0,30 0,60 0,06 18000 Precio de Venta x Galn 0,48 0,61

= Galones de Combustible 1 = Galones de

( (

( ) (

15

S.a.r

Normalizacin:

16

DIARIO METACOGNITIVO Clase N: 7 Fecha: Mircoles 5 de junio de 2013. Tema: Graficar el conjunto de puntos que satisfaga a las ecuaciones. Datos Interesantes: Mtodo grfico.

Resumen de la Clase

Grafique el conjunto de puntos ( ecuaciones: )

) que satisfagan a cada una de las siguientes

17

18

19

DIARIO METACOGNITIVO Clase N: 8 Fecha: Mircoles 12 de junio de 2013. Tema: Ejercicios de programacin lineal, normalizacin. Datos Interesantes: Normalizacin, funcin objetivo

Resumen de la Clase

Ejercicios ( )

20

Grfico:

18 16 14 12 10 8 6 4 2 0 -10 -5 0 5 10 15

Funcin Objetivo ( )

21

DIARIO METACOGNITIVO Clase N: 9 Fecha: Lunes 17 de junio de 2013. Tema: Ejercicios de programacin lineal, normalizacin. Datos Interesantes: Normalizacin, funcin objetivo Resumen de la Clase

Ejercicio Min

S.a.r

Funcin Objetivo

22

Normalizacin ) ( )

Grafica

23

( ) ( )

( //

( )

( )

( )

( )

24

DIARIO METACOGNITIVO Clase N: 10 Fecha: Mircoles 19 de junio de 2013. Tema: Ejercicios de programacin lineal, problemas duales. Datos Interesantes: Problemas Duales.

Resumen de la Clase Considere la programacin lineal.

Max

S.a.r

25

Grafico

26

DIARIO METACOGNITIVO Clase N: 11 Fecha: Mircoles 26 de junio de 2013. Tema: Ejercicios de programacin lineal con mtodo grfico y holgura. Datos Interesantes: Problemas Duales.

Resumen de la Clase

Min

S.a.r

Grafica

27

ANEXOS

28