INTRODUCCIN A LA

INGENIERA INDUSTRIAL
Investigacin de operaciones
IIND
Resolucin de Problemas
1. Identificar y definir el problema
2. Determinar el conjunto de alternativas de solucin
3. Determinar el criterio o criterios que se usarn
para evaluar las alternativas
4. Evaluar las alternativas :
anlisis cualitativo
anlisis cuantitativo
5. Elegir una alternativa
6. Ponerla en prctica
7. Evaluar los resultados
Anlisis Cuantitativo
El problema es complejo
El problema es muy importante
El problema es nuevo
El problema es repetitivo
El resultado de un modelo cuantitativo es la proyeccin de
lo que ocurrira si en una situacin real se tomaran ciertas
decisiones y se presentaran determinadas situaciones.
En el anlisis de decisin se debe distinguir entre las
variables controlables (variables de decisin) y las
variables no controlables (estados de la naturaleza).
Un proceso eficaz de toma de decisiones
debe satisfacer los siguientes criterios:
Concentrarse en lo que es importante
Ser lgico y consecuente
Exigir solamente la cantidad de informacin y
anlisis necesarios para resolver el problema
especfico
Reconocer tanto los factores subjetivos como
objetivos
Fomentar y guiar la recopilacin de informacin
pertinente
Elementos de un modelo
Variables de decisin (controlables)
Variables exgenas (no controlables)
Variables intermedias
Restricciones
Medidas de desempeo
Incertidumbre
La incertidumbre se refiere a situaciones
donde por ms tiempo que se le dedique al
problema no es posible conocer las
consecuencias hasta despus de decidir.
Donde quiera que haya incertidumbre, no
puede haber garanta que una buena eleccin
tenga buenas consecuencias.
Elementos de una decisin
Definir el Problema
Especificar los Objetivos
Definir Alternativas
Entender las Consecuencias
Considerar las Transacciones
Aclarar la Incertidumbre
Explicitar Tolerancia al Riesgo
Tener en cuenta posibles Vinculaciones con
otros problemas de decisin.
Investigacin Operativa
Surge durante la Segunda Guerra Mundial.
Con la revolucin industrial y debido al
crecimiento y complejidad de las nuevas
organizaciones, empez a tener ms
importancia.
Est cobrando especial importancia con el
desarrollo de la informtica.
OBJ ETIVO
Definir mediante Mtodos Cientficos el diseo
que optimiza el funcionamiento del proceso
analizado, generalmente bajo condiciones que
implican la utilizacin de recursos escasos.
Enfoque de la Investigacin de
operaciones
SISTEMA
REAL
SISTEMA
ASUMIDO
VARIABLES
RELEVANTES
MODELO
CUANTITATIVO
RELACIONES
RELEVANTES
SOLUCIN AL
MODELO
SOLUCIN AL PROBLEMA
DEL SISTEMA REAL
INTERPRETACIN,
DECISIONES
PRINCIPALES TCNICAS
1. Programacin lineal
2. Programacin lineal entera
3. Programacin lineal con mltiples objetivos
4. Teora de redes
5. Planificacin y control de proyectos
6. Cadenas de Markov
7. Programacin Dinmica
8. Teora de colas
9. Simulacin
1. Programacin lineal
Describe en un modelo matemtico una situacin que
se puede optimizar usando variables reales positivas:
Variables de decisin: A: cantidad de botellas de aj especial a producir y vender.
C: cantidad de botellas de crcuma a producir y vender.
P: cantidad de botellas de pimentn a producir y vender.
Funcin objetivo: Max Z =2.95A +3.25C +2.75P (maximizar ingresos)
Restricciones: Disponibilidad del ingrediente P1: 5A +4C +3P <=8000
Disponibilidad del ingrediente P2: 1A +2C +2P <=9000
Disponibilidad del ingrediente P3: 2A +1C +3P <=7000
Demanda mxima de crcuma: C <=1700
Demanda mnima de pimentn: P >=600
Rango de existencia: A >=0 ; C >=0 ; P>=0 (variables reales positivas)
1. Programacin lineal
Solucin:
LP OPTIMUM FOUND AT STEP 2
OBJ ECTIVE FUNCTION VALUE
1) 7194.444
VARIABLE VALUE REDUCED COST
A 0.000000 1.216667
C 333.333344 0.000000
P 2222.222168 0.000000
ROW SLACK OR SURPLUS DUAL PRICES
2) 0.000000 0.777778
3) 3888.888916 0.000000
4) 0.000000 0.138889
5) 1366.666626 0.000000
6) 1622.222168 0.000000
NO. ITERATIONS= 2
2. Programacin lineal entera
Describe en un modelo matemtico una situacin que
se puede optimizar usando variables enteras:
Variables de decisin: A: cantidad de botellas de aj especial a producir y vender.
C: cantidad de botellas de crcuma a producir y vender.
P: cantidad de botellas de pimentn a producir y vender.
Funcin objetivo: Max Z =2.95A +3.25C +2.75P (maximizar ingresos)
Restricciones: Disponibilidad del ingrediente P1: 5A +4C +3P <=8000
Disponibilidad del ingrediente P2: 1A +2C +2P <=9000
Disponibilidad del ingrediente P3: 2A +1C +3P <=7000
Demanda mxima de crcuma: C <=1700
Demanda mnima de pimentn: P >=600
Rango de existencia: A, C, P enteras (variables enteras)
2. Programacin lineal entera
Solucin:
OBJ ECTIVE FUNCTION VALUE
1) 7193.750
VARIABLE VALUE REDUCED COST
A 0.000000 -2.950000
C 335.000000 -3.250000
P 2220.000000 -2.750000
ROW SLACK OR SURPLUS DUAL PRICES
2) 0.000000 0.000000
3) 3890.000000 0.000000
4) 5.000000 0.000000
5) 1365.000000 0.000000
6) 1620.000000 0.000000
NO. ITERATIONS= 15
BRANCHES= 4 DETERM.= 1.000E 0
3. Programacin lineal con
mltiples objetivos
Es un caso particular de la programacin lineal donde
se puede optimizar varios objetivos al mismo tiempo:
Ejemplo:
Se deben asignar ambulancias para el prximo ao a dos distritos.
Cada ambulancia cuesta $5,000/ao
Si x
i
el numero de ambulancias asignadas al distrito i, el tiempo
promedio que tarda una ambulancia en atender una llamada del distrito i
es:
Distrito 1: 40 3x
1
Distrito 2: 50 4x
2
Cada minuto que se prolonga el tiempo de atencin de llamadas sobre
los 5 minutos cuesta $10,000
Cada dlar que se rebasa el presupuesto cuesta $1
Se definen 3 metas:
M1: El tiempo promedio de respuesta en el
Distrito 1 debe ser a lo ms 5 minutos
M2: El tiempo promedio de respuesta en el
Distrito 2 debe ser a lo ms 5 minutos
M3: El presupuesto anual es de $100,000
Cada dlar que se rebasa el presupuesto cuesta $1
Cul es la asignacin ptima de ambulancias?
3. Programacin lineal con
mltiples objetivos
Restricciones:
M1: 40 - 3x
1
<= 5
M2: 50 - 3x
2
<= 5
M3: 5000x
1
+ 5000x
2
<= 100000
x
i
>= 0
Restricciones con variables de desviacin:
M1: 40 - 3x
1
+ u
1
- v
2
= 5
M2: 50 - 3x
2
+ u
2
- v
2
= 5
M3: 5000x
1
+ 5000x
2
+ u
3
- v
3
= 100000
x
i
, u
i
, v
i
>= 0
3. Programacin lineal con
mltiples objetivos
Recordando que:
u
i
: Cantidad que falt para alcanzar la i-sima meta
v
i
: Cantidad en la que se rebas la i-sima meta
u
i
, v
i
>= 0
La Funcin Objetivo que busca minimizar costo es:
min Z = 10000 v
1
+ 10000 v
2
+ v
3
Solucin ptima: v
1
= v
2
= 0, v
3
= 14583.3
x
1
= 35/3, x
2
= 45/4
3. Programacin lineal con
mltiples objetivos
4. Teora de redes
Utiliza modelos grficos para la solucin de
problemas de optimizacin:
Se tienen 125
agencias
bancarias, se
quiere hallar la
el camino mas
corto que las
conecta.
4. Teora de redes
Solucin:
Se utilizaron
algoritmos de
redes
neuronales en
la solucin.
5. Planificacin y control de proyectos
Todo proyecto antes de ser ejecutado requiere tener
un tiempo estimado de duracin.
Con ello se puede programar adecuadamente cada
tarea involucrada y as cumplir plazos estipulados.
Proyecto: Viaje a Miami
6. Cadenas de Markov
Modelo matemtico que utiliza probabilidades para
hacer estimaciones de situaciones futuras que se
manejan en condiciones de estabilidad.
Aplicaciones:
Biologa (Comportamiento de molculas y prediccin
de comportamientos)
Gentica y Paleontologa (Evolucin de las especies)
Marketing (Identificar patrones de comportamiento de
clientes)
Gobierno (Efecto de Polticas Gubernamentales)
Cierto juego tiene las siguientes caractersticas:
Se dispone de $2 para jugar.
Se apuesta $1 por jugada.
En cada jugada se gana $1 o se pierde $1 (no hay empate).
Se gana $1 con probabilidad p
Se pierde $1 con probabilidad 1 p.
La meta es tener la mxima cantidad de dinero posible.
El juego termina cuando se llega a $4 o
cuando el capital se reduce a $0.
6. Cadenas de Markov
Se define X
t
como el capital despus del juego cuando el
tiempo es t.
Sabemos que:
X
0
=2 (constante)
X
1
, X
2
y las dems X
t
son desconocidas (VA)
Se puede considerar que X
0
, X
1
, X
2
, X
3
, .... X
t
son procesos
estocsticos de tiempo discreto.
2
3
4
0
1
1-p
0
0
0
1
0
0
1-p
0
0
2
0
p
0
1-p
0
3
0
0
p
0
0
4
0
0
0
p
1
1
0
1 juego
6. Cadenas de Markov
7. Programacin dinmica
Es un mtodo de solucin de problemas que permite
descomponer un modelo matemtico de gran
magnitud, en diversos problemas pequeos que por
lo general son de resolucin mucho ms fciles.
Procedimiento dinmico de optimizacin:
Descomponer el problema en etapas
En cada etapa interviene una VD
Enlazar las etapas mediante relaciones recursivas (regresivas o
progresivas)
Generar una solucin ptima factible a todo el problema
7. Programacin dinmica
Procedimiento dinmico de optimizacin mediante
recursion regresiva:
1 2
n-1 n
y
1
y
2
y
3
y
n-1
y
n
y
n+1
x
1
x
2
X
n-1
x
n
f
1
(x
1,
y
1
) f
2
(x
2,
y
2
) f
n-1
(x
n-1,
y
n-1
) f
n
(x
n,
y
n
)
8. Teora de colas
Es un mtodo de solucin de problemas de lneas de
espera. El objetivo fundamental es dimensionar un
sistema (nmero de servidores) que cubran
especificaciones mnimas de calidad de atencin.
8. Teora de colas
8. Teora de colas
Poblacin que quiere
ingresar al sistema de
atencin
Sistema de atencin
Proceso
de entrada
o de
llegada
Proceso
de salida
o de
servicio
Cola
8. Teora de colas
Ejemplo
Si se quiere simular un sistema de colas es necesario generar el
tiempo entre llegadas de los clientes y el tiempo de servicio.
tiempo entre llegadas tiempo de servicio
Exponencial con media 2 minutos
Normal con media de 3 minutos y
desviacin estndar de 0.8 minutos
R1 = 0.42 R2 = 0.25 Expo(2) Norm(3,0.8) V2 = 2.46 V1 = 0.78
El tiempo entre llegada es
0.78, es decir el siguiente
cliente llegar dentro de 0.78
minutos
El tiempo de servicio es 2.46,
es decir el cliente terminar
de ser atendido dentro de
2.46 minutos
cola
servidor
Cundo llega el prximo
cliente?
Cundo tiempo durar el
servicio?
La Simulacin hace referencia a una amplia coleccin de mtodos y
aplicaciones que imitan el comportamiento de sistemas reales,
usualmente en una computadora con el software adecuado.
Keltony Sadowski, 2004
La Simulacin se podra definir como una tcnica que imita la operacin
de un sistema del mundo real a medida que evolucionacon el tiempo.
Winston, 2005
9. Simulacin
Ejemplos de sistemas que pueden ser simulados:
Sistemas de Manufactura
Clnicas y Hospitales
Sistemas Militares
Recursos Naturales
Sistemas de Transporte
Sistema de Construccin
Sistemas de Entretenimiento
Reingeniera de procesos de negocios
Procesamiento de alimentos
Desempeo de sistemas computacionales
9. Simulacin
Aplicaciones prcticas
Diseo de la distribucin de una planta industrial
Tcticas militares
Control y disposicin de la basura
Simulacin de inventarios
Establecimiento de polticas de precios
Alternativas en el transporte urbano
Cabinas de simulacin de vuelo
Simulacin de juegos de guerra
+ aplicaciones prcticas
Modelos de ruteo de vehculos
Simulacin de protocolos de comunicacin
Modelos combinados con logstica inversa
Simulacin de un call-center
Simulacin del puerto del Callao
Reglas de asociacin