Académique Documents
Professionnel Documents
Culture Documents
Ingeniera Civil
Departamento:
CIENCIAS DE LA TIERRA
Asignatura:
MODELOS DE OPTIMIZACIN DE RECURSOS
Unidad:
2
Tema:
EL MODELO DE PROGRAMACIN LINEAL
Autores:
Catedrtico:
Ing. Juan Sols Hernndez
INTRODUCCIN ..................................................................................................................................1
2.- EL MODELO DE PROGRAMACIN LINEAL ......................................................................................2
2.1.- EL PLANTEAMIENTO DEL PROBLEMA DE P.L. .........................................................................2
2.1.1.- Formulacin de problemas de programacin lineal ........................................................5
2.1.2.- Construccin del modelo matemtico ............................................................................6
CONCLUSIN ....................................................................................................................................47
GLOSARIO DE TRMINOS .................................................................................................................48
ANEXOS ............................................................................................................................................50
BIBLIOGRAFA ...................................................................................................................................56
INTRODUCCIN
1
2.- EL MODELO DE PROGRAMACIN LINEAL
La programacin lineal da respuesta a situaciones en las que se exige maximizar o
minimizar funciones que se encuentran sujetas a determinadas limitaciones, que
llamaremos restricciones.
2
economa, de sistemas de salud, e incluso en las ciencias sociales y de la conducta.
Un factor, importante en el amplio uso de esta tcnica es la disponibilidad de
programas de computadora muy eficientes para resolver problemas extensos de
PL.
Un gerente de mercadotecnia
desea determinar la mejor forma
de asignar un presupuesto de
publicidad fijo entre diversos
medios tales como radio,
televisin, peridicos y revistas.
Al gerente le gustara determinar la combinacin de medios que maximiza la
eficacia de la publicidad.
3
Estos son algunos ejemplos de casos en los cuales se ha utilizado con xito la PL.
De la observacin de estos ejemplos, podemos definir una primera caracterstica
de todos los problemas de programacin lineal: el objetivo es la maximizacin o
minimizacin de alguna cantidad.
Por otra parte hay una segunda caracterstica de los problemas de PL, es que
existen limitaciones o restricciones que obstruyen la medida en que puede tratarse
de alcanzar el objetivo. (Anexo 2)
4
2.1.1.- Formulacin de problemas de programacin lineal
5
Cunta pintura para exteriores e interiores debe producir la compaa todos los
das para maximizar el ingreso bruto?
6
2.1.2.1.- Variables
= +
7
2.1.2.2.- Restricciones.
Esto nos lleva a las restricciones que siguen (vanse los datos del problema):
8
Para evitar obtener una solucin como sta, imponemos las restricciones de no
negatividad, que normalmente se escriben como
Los valores de las variables XE y X1, se dice, constituyen una solucin factible si
satisfacen todas las restricciones del modelo, incluyendo las restricciones de no
negatividad.
Maximizar (Funcin
Z =3XE+2X1
sujeto a objetivo)
XE+2X1<6
2XE+ X1<8
-XE+ X1<1 (Restricciones)
X1<2
XE > 0, X1 > 0
9
La proporcionalidad requiere que la contribucin de cada variable (por
ejemplo, xE y xI) en la funcin objetivo o su uso de los recursos
sea directamente proporcional al nivel (valor) de la variable.
En forma anloga, el primer miembro o lado izquierdo de cada restriccin debe ser
la suma de los usos individuales de cada variable del recurso correspondiente.
10
2.2.- EL MODELO PRIMAL Y EL DUAL
Otro tipo de relaciones entre los problemas primal y dual son las siguientes:
11
El dual del programa dual es el primal.
Se consideran problemas primales dado que tienen una relacin directa con la
necesidad del planteamiento, y sus resultados responden a la formulacin del
problema original; sin embargo cada vez que se plantea y resuelve un problema
lineal, existe otro problema nsitamente planteado y que puede ser resuelto, es el
considerado problema dual, el cual tiene unas importantes relaciones y propiedades
respecto al problema primal que pueden ser de gran beneficio para la toma de
decisiones.
12
2.2.1.- Importancia de la dualidad en programacin lineal
Otra de las ventajas que presenta es que dado a que el nmero de restricciones y
variables entre problema dual y primal es inverso, se pueden resolver grficamente
problemas que presenten dos restricciones sin importar el nmero de variables.
13
Funcin objetivo = 3310
Este paso se lleva a cabo teniendo en cuenta las relaciones que se expusieron en
la definicin de la dualidad. Ahora las variables en el dual las representaremos por
"" y corresponden a cada restriccin.
161 + 62 + 3 40
21 + 32 + 4 18
1; 4 0
Ahora preparamos el modelo para ser resuelto mediante Mtodo Simplex,
utilizaremos el procedimiento en el cual la funcin objetivo es multiplicada por (-1) y
resolveremos el modelo mediante maximizacin.
14
Ahora dado que los signos de las inecuaciones son mayor o igual procedemos a
volverlas ecuaciones agregando variables de exceso, recordemos que en este caso
las variables de exceso se restan del lado izquierdo de la igualdad, por ende.
1; 4 0
1; 4 0
15
Dado que utilizaremos el Mtodo Simplex y no un software para la resolucin del
modelo es necesario que M adquiera valor, en este caso ser "-10000" un nmero
bastante grande en el problemas.
16
Podemos observar que todos los Cj - Zj son menores o iguales a 0, por ende hemos
llegado a la solucin ptima del problema, sin embargo recordemos que la funcin
objetivo fue alterada en su signo al principio, por ende se hace necesario regresarle
su signo original a Zj y a la fila Cj - Zj.
Zmax = 3310
Podemos cotejar con la funcin objetivo del modelo primal y encontraremos que
hallamos el mismo resultado.
17
La interpretacin del tabulado final del modelo dual es la siguiente:
Sea "A" un modelo primal cuyo modelo dual es "B", el modelo dual de "B" es
igual a "A", es decir "El modelo dual de un dual es un modelo primal".
18
2.3.- LA INTERPRETACIN GEOMTRICA
El primer paso del mtodo grfico consiste en graficar las soluciones factibles, o
el espacio de soluciones (factible), que satisfaga todas las restricciones en
forma simultnea. La figura 2.3.1 representa el espacio de soluciones que se
requiere. Las restricciones de no negatividad XE > 0 y XI > 0 confinan todos los
valores factibles al primer cuadrante (que est definido por el espacio arriba de o
sobre el eje xE y a la derecha de 0 sobre el eje xI). El espacio encerrado por las
restricciones restantes se determina sustituyendo en primer trmino (<) por (=) para
cada restriccin, con lo cual se produce la ecuacin de una lnea recta. Despus se
traza cada lnea recta en el plano (xE, xI) y, la regin en la cual se encuentra cada
restriccin cuando se considera la desigualdad, lo indica la direccin de la flecha
situada sobre la lnea recta asociada. Una manera fcil de determinar la direccin
de la flecha es usar el origen (0,0) como punto de referencia. Si (0,0) satisface la
desigualdad, la direccin factible debe incluir al origen; si no es as, debe estar en
el lado opuesto. Por ejemplo, (0,0) satisface la desigualdad - XE + XI < 1, lo que
significa que la desigualdad es factible en el semiespacio que incluye al origen.
Aplicando este procedimiento a nuestro ejemplo, especificamos el espacio de
soluciones ABCDEF mostrado en la figura 2-1.
19
XE + 2XI = 6
2XE + XI= 8
2.3.1
2.3.2
20
Cada punto contenido en la frontera del espacio de solucin ABCDEF satisface
todas las restricciones y por consiguiente, representa un punto factible.
Las dos ecuaciones producen XE=3 1/3, XI=1 1/3. Por lo tanto, la solucin indica
que la produccin diaria debe ser de 3 1/3 toneladas de pintura para exteriores y de
1 1/3 toneladas de pintura para interiores. El ingreso asociado es:
En restricciones del tipo (<), por lo general el segundo miembro representa el lmite
de la disponibilidad de un recurso, en tanto que su primer miembro representa el
uso de este limitado recurso, por las diferentes actividades (variables) del modelo.
21
exceso con la que satisface la especificacin mnima. En el modelo de la compaa
PintaRpido las dos primeras restricciones representan la disponibilidad de las
materias primas A y B. Ambas restricciones muestran holguras nulas, es decir, que
se han usado completamente. Las restricciones de la demanda 3 y 4 tienen holguras
positivas, o sea, sus lmites son mayores que los necesarios para la solucin ptima.
La figura 2.3.3 incluye dos columnas adicionales: "costo reducido" y "precio dual".
La importancia de esta informacin se explicar en la prxima seccin, despus de
presentar el tema del anlisis de sensibilidad.
2.3.3
22
2.4.- EL MTODO SIMPLEX TABULAR
23
Resolviendo un problema por medio del mtodo simplex (ejemplo)
sea el siguiente problema:
2x1+x2+s1=4
x1+2x2+s2=5
Paso 2) Graficar las ecuaciones (condiciones)
24
En seguida vemos que el valor mximo es el de 12 que corresponde a E, pero E no
es factible, por lo que necesitamos otro valor, checando el 10 que corresponde al C
vemos que tampoco es factible, siguiendo nuestra rutina toca el turno al 8 que
corresponde al D esa solucin si es factible, por lo 8 es el valor que estamos
buscando, es decir, el mximo.
Degeneracin
Solucin no factible
25
Es un trmino financiero, muy utilizado en las empresas para tomar decisiones de
inversin, que consiste en calcular los nuevos flujos de caja y el VAN (en un
proyecto, en un negocio, etc.), al cambiar una variable (la inversin inicial, la
duracin, los ingresos, la tasa de crecimiento de los ingresos, los costes, etc.) De
este modo teniendo los nuevos flujos de caja y el nuevo VAN podremos calcular y
mejorar nuestras estimaciones sobre el proyecto que vamos a comenzar en el caso
de que esas variables cambiasen o existiesen errores de apreciacin por nuestra
parte en los datos iniciales.
Para hacer el anlisis de sensibilidad tenemos que comparar el VAN antiguo con el
VAN nuevo y nos dar un valor que al multiplicarlo por cien nos da el porcentaje de
cambio.
VAN obtenido y
26
2.5.- ANLISIS DE SENSIBILIDAD: CAMBIOS EN LOS
COEFICIENTES OBJETIVOS, CAMBIOS EN LOS RECURSOS Y
CAMBIOS EN LOS COEFICIENTES TECNOLGICOS
Los efectos de cambios en los coeficientes dentro de la matriz A son muy difciles
de cuantificar, y por tanto en estos casos se aconseja correr de nuevo el modelo
con los cambios. En primera instancia veremos cuando solo un coeficiente cambia;
despus veremos cuando varios coeficientes cambian simultneamente.
27
preferible a otra segn la Tasa Interna de Retorno o Rentabilidad (TIR). El anlisis
de sensibilidad se considera como una primera aproximacin al estudio de
inversiones con riesgo, ya que permite identificar aquellos elementos que son ms
sensibles ante una variacin.
En cualquiera de los dos casos es posible utilizarlo con cualquiera de los mtodos
de valoracin de inversiones aunque, por su importancia, se analiza para el VAN y
para la TIR.
La condicin que tiene que cumplir una inversin para ser efectuable segn el VAN
es que sea mayor que cero.
Para determinar el valor mximo del desembolso inicial hay que dejar A como
incgnita y despejarla de la inecuacin anterior. As se obtiene que el VAN ser
positivo, y por tanto la inversin efectuable, siempre que:
28
El valor obtenido permite determinar cul es mximo desembolso inicial que puede
pagar la empresa para que la inversin sea interesante para la empresa.
Al analizar la posible variacin de alguno de los flujos de caja para que el VAN siga
siendo positivo, se deja el flujo de caja a analizar (Qj) como incgnita y se despeja
de la mencionada inecuacin obteniendo:
El valor obtenido es el mnimo flujo de caja que tiene que generar la inversin en el
perodo j para que la inversin sea interesante para la empresa.
Si la empresa conoce el valor real del flujo de caja la diferencia con el obtenido
permite determinar si la empresa tiene mucho o poco margen de variacin para
mantener la decisin sobre la aceptacin de la inversin.
En este caso se trata de determinar cul es el valor mximo del tipo de descuento
(k) para que la inversin sea efectuable segn el VAN, que se obtiene despejando
el tipo de descuento de la inecuacin sealada anteriormente. Este valor coincide
con el de la TIR, por lo que el valor mximo del tipo de descuento para que la
inversin sea efectuable segn el VAN es justo la TIR de la inversin (K < TIR).
29
Anlisis de sensibilidad para determinar la efectuabilidad segn la TIR
La condicin que tiene que cumplir una inversin para ser efectuable segn la TIR
es que sta sea mayor que la rentabilidad exigida para aceptar una inversin
(TIR>k).
El valor mximo del desembolso inicial para que la inversin sea efectuable segn
la TIR se obtiene despejando el citado parmetro de la inecuacin anterior:
Al analizar la posible variacin de alguno de los flujos de caja para que, segn la
TIR, la inversin sea efectuable, se fija el flujo de caja a analizar (Qj) como incgnita
y se despeja de la mencionada inecuacin:
De nuevo, tanto el valor obtenido como la interpretacin son similares a las logradas
con el VAN.
La condicin que debe cumplir la TIR de una inversin para que sea considerada
efectuable es que su valor sea superior al de K, por lo que el tipo de descuento
mximo del citado tipo de descuento coincide con la TIR.
30
ANLISIS DE SENSIBILIDAD PARA DETERMINAR LA JERARQUIZACIN
ENTRE VARIAS INVERSIONES
Segn el VAN son mejores aquellas inversiones que tienen un VAN superior. Por
tanto, si se dispone de varias alternativas jerarquizadas segn el VAN (de mayor a
menor valor), puede interesar analizar si esa ordenacin es afectada por la variacin
de alguna de las magnitudes que intervienen en el clculo del VAN de cada
proyecto. En este caso, se analizan los elementos de una inversin X de manera
que sta sea preferible a otra inversin Y cuyo VAN es VANy. Por tanto, la
condicin que tiene que cumplirse (VANx > VANY) es la siguiente:
31
Anlisis de sensibilidad de los flujos de caja en la jerarquizacin segn el
VAN
Mostrar/Ocultar
El valor obtenido es el mnimo que puede tener el flujo de caja del perodo j de la
inversin X para que sta sea preferible a la inversin Y segn el VAN.
Mostrar/Ocultar
La TIR establece la preferencia de las inversiones que tienen una TIR ms elevada.
En este caso el anlisis de sensibilidad determina la posible variacin de los
32
parmetros de una inversin para que se mantenga el orden de preferencia
establecido. Si se analizan los elementos de una inversin X de manera que sta
sea preferible a otra inversin Y, es necesario que se cumpla que la TIR de X
(TIRx) sea superior a la TIR de Y (TIRy). Para realizar este anlisis se utiliza un
procedimiento similar al del VAN con dos diferencias:
El valor obtenido es el mnimo que puede tener el flujo de caja del perodo j de la
inversin X para que sta sea preferible a la inversin Y segn la TIR.
En este caso, la jerarquizacin de las inversiones segn la TIR no depende del tipo
de descuento, por lo que la preferencia, aplicando el citado mtodo de valoracin,
no se modifica por el tipo k utilizado.
33
Ejemplo.
Una inversin con un desembolso inicial de 150 miles de euros, genera unos flujos
de caja anuales (tambin en miles de euros) de 100 en el primer ao y de 190 en el
segundo. Si el tipo de descuento utilizado para valorar la inversin es del 5%,
determinar:
a) El flujo de caja mximo para aceptar la inversin segn el VAN y segn la TIR,
as como el margen de variacin del citado parmetro:
Segn el VAN para que la inversin sea efectuable, el mximo valor que estara
dispuesto a pagar el inversor es:
Por tanto, para que la inversin sea efectuable A tiene que ser inferior 176,87 miles
de euros. Como el desembolso inicial es de 150, el margen de variacin para que
la inversin sea efectuable es de 26,87 miles de euros. Si se realiza el anlisis segn
la TIR el resultado es el mismo.
b) El inversor quiere determinar el valor mnimo del primer flujo de caja para que la
inversin sea efectuable, segn VAN y TIR, y si hay mucho margen de variacin
con respecto al estimado. Para ello se despeja Q1 de la siguiente expresin:
Para que interese realizar la inversin el flujo neto de caja del ao 1 debe tomar
como mnimo un valor de 71,78 miles de euros. Teniendo en cuenta que valor
estimado es de 100, el margen de variacin es de 28,22 miles de euros (100
71,78). Al igual que en el caso anterior, el anlisis realizado segn la TIR no ofrece
diferencias.
c) Cual es el valor mnimo del segundo flujo de caja para que la inversin analizada
sea preferible a otra cuyo VAN es de 20 mil euros. En este caso la condicin que
debe cumplir el VAN de la inversin analizada es que sea superior a 20. Despejando
Q2 se obtiene el valor buscado:
Por tanto, Q2 tiene que ser mayor que 92,18 miles de euros para que la inversin
analizada sea preferible al proyecto alternativo.
34
d) Determinar el valor mximo que debe tener el segundo flujo de caja para que la
inversin analizada no sea preferible a otra alternativa con una TIR del 12%. Para
responder a esta cuestin se despeja Q2 de la expresin anterior en la que se han
producido los siguientes cambios:
- Al querer que la inversin analizada no sea preferible se hace que sea menor en
lugar de mayor.
Anlisis de sensibilidad
Anlisis de Sensibilidad
La base para aplicar este mtodo es identificar los posibles escenarios del
proyecto de inversin, los cuales se clasifican en los siguientes:
35
Pesimista:
Es el peor panorama de la inversin, es decir, es el resultado en caso del fracaso
total del proyecto.
Probable:
ste sera el resultado ms probable que supondramos en el anlisis de la
inversin, debe ser objetivo y basado en la mayor informacin posible.
Optimista:
Siempre existe la posibilidad de lograr ms de lo que proyectamos, el escenario
optimista normalmente es el que se presenta para motivar a los inversionistas a
correr el riesgo.
Ejemplo:
Inversin A Inversin B
Inversin Inicial $ 100,000 $ 100,000
36
histrico de esa herramienta financiera en particular, en el caso de un proyecto de
negocio, debemos conocer la proyeccin financiera del mismo y las bases en que
determinaron dicha proyeccin.
Unos de los puntos que hay que tener en cuenta cuando se va a analizar el cambio
en los coeficientes tecnolgicos, es si los cambios ocurren en las variables bsicas
o en las no bsicas, ya que dependiendo de ello, se afecta o no la solucin ptima
que se tenga. Por ejemplo, si el cambio se realiza a una variable no bsica,
seguramente al calcular su nuevo costo de oportunidad puede resultar atractivo
producir o no, ya que de obtenerse un costo de oportunidad positivo, el tablero que
hasta ese momento era ptimo, deja de serlo y se obtendra a travs del cambio en
37
los coeficientes tecnolgicos, una nueva solucin. Los coeficientes tecnolgicos
forman parte de los vectores asociados a las diferentes variables, vectores Pi. Como
la repercusin, segn se trate de una variable bsica o no bsica, puede ser muy
distinta, se estudiarn los dos casos por separado.
38
Variacin en un coeficiente tecnolgico de una variable no bsica
(CB B-1 Pj) a. Si Wj es menor que cero, la solucin actual seguir siendo ptima. b. Si Wj es
cero, quiere decir que la solucin actual es ptima, pero ya no es nica, sino que existe una
solucin alternativa a sta. c. Si Wj es mayor a cero, la solucin actual deja de ser ptima y se
deber seguir iterando hasta encontrar una nueva solucin ptima. Otra forma de investigar
el efecto de los cambios en los coeficientes de la funcin objetivo, es calcular el intervalo para
el que cada coeficiente individual mantenga la solucin ptima actual. Esto se hace
reemplazando el CJ actual con CJ + DJ, donde DJ representa la cantidad (positiva o negativa)
de cambio
39
Los cambios en A para variables bsicas resultan en clculos muy complicados, siendo mejor
recalcular con el simplex. Para cambio de coeficientes de la matriz A de restricciones, en
variables no bsicas, slo interesa manejar los de ellas, pues el resto queda igual. Se
procede as:
1ra. Etapa.-
2. Etapa.-
Se aplica utilizando la frmula A* = B-1 A con la cual se calcula la nueva columna a*j. Se
aplica el simplex hasta re optimizar.
40
Suponga que el coeficiente 13 = -1 cambia por 13 = 2.
1ra. Etapa: indicador Z3 - C3 = Y 3 - c3 = (3, -1/2) (2, 1)T - 4 = 3/2 > 0 no ptima
Tambin, con ms labor de clculo, se verifica este resultado usando las matrices:
2da. Etapa:
El resultado se verifica con todas las matrices, aunque con ms labor de clculo:
La tabla simplex dada con la solucin ptima original, se arregla con los nuevos
coeficientes Z3 - C3 y 3, procediendo a re optimizar:
41
Figura 3-29. Modelo y tabla simplex ptima del ejemplo MINSENA2.
1ra. Etapa:
2da. Etapa:
42
2.6.- USO DE SOFTWARE
Por lo general, el software de propsito general requerir, tanto para el alumno como
para el profesor, un aprendizaje previo para interactuar con el programa, que es un
coste adicional al que supone la interaccin con la mquina, mientras que el de
propsito especfico, puesto que en general tendr una funcionalidad restringida,
requerir un aprendizaje menor, o incluso ningn aprendizaje previo.
43
solucin al problema de programacin lineal general (utilizando diversos
algoritmos).
La hoja de clculo Excel, que tiene grandes ventajas para cubrir diferentes puntos
del currculo de matemticas en distintos niveles de la enseanza, resulta algo
alambicada cuando se quiere aplicar a la programacin lineal de segundo de
Bachillerato de Ciencias Sociales.
2.6.2.- Geogebra
2.6.3.- LINDO
LINDO es una aplicacin para computadoras
que se utiliza para resolver problemas de
programacin lineal, cuadrtica y entera.
44
LINDO Systems se ha dedicado a proveer poderosas e innovativas herramientas de
optimizacin que tambin son flexibles y muy fciles de usar. LINDO tiene una larga
historia y es uno de los pioneros en crear poderosos programas de optimizacin.
2.6.4.- PHPSimplex
PHPSimplex es una herramienta online
para resolver problemas de
programacin lineal. Su uso es libre y
gratuito. Para acceder a ella basta con
pulsar sobre el icono que aparece a la
izquierda, o sobre PHPSimplex en el
men superior.
El software Microsoft Office Project en todas sus versiones (la versin 2013 es la
ms reciente a febrero de 2013) es til para la gestin de proyectos, aplicando
procedimientos descritos en el PMBoK del Project Management Institute.
45
2.7. PROGRAMACIN CON GRFICA DE GANTT DE LAS
ACTIVIDADES DE UN PROYECTO
46
CONCLUSIN
Como ya estudiamos la programacin lineal es un mtodo de resolucin de
problemas que se ha desarrollado para ayudar a los administradores a tomar
decisiones. Su xito se mide por la difusin de su uso como una herramienta de la
toma de decisiones. Desde su aparicin a finales de la dcada de 1940, la
programacin lineal (PL) ha demostrado que es una de las herramientas ms
efectivas de la investigacin de operaciones. Su xito se debe a su flexibilidad para
describir un gran nmero de situaciones reales en las siguientes reas: militar,
industrial, agrcola, de transporte, de la economa, de sistemas de salud, e incluso
en las ciencias sociales y de la conducta. Un factor, importante en el amplio uso de
esta tcnica es la disponibilidad de programas de computadora muy eficientes para
resolver problemas extensos de PL.
47
GLOSARIO DE TRMINOS
Anlogo
Ciencias sociales
Agrupan a todas las disciplinas cientficas cuyo objeto de estudio est vinculado a
las actividades y el comportamiento de los seres humanos. Las ciencias sociales,
por lo tanto, analizan las manifestaciones de la sociedad, tanto materiales como
simblicas.
Factores imponderables
Son factores que se sabe que son importantes pero no que tan importante.
Ingreso bruto total
Mtodo analtico
Mtodo iterativo
Modelo matemtico
48
Es uno de los tipos de modelos cientficos que emplea algn tipo de formulismo
matemtico para expresar relaciones, proposiciones sustantivas de hechos,
variables, parmetros, entidades y relaciones entre variables de las operaciones,
para estudiar comportamientos de sistemas complejos ante situaciones difciles de
observar en la realidad.
Restricciones
Resumen verbal
Tabla de Tucker
Los problemas duales simtricos son los que se obtienen de un problema primal en
forma cannica y normalizada, es decir, cuando llevan asociadas desigualdades de
la forma mayor o igual en los problemas de minimizacin, y desigualdades menores
o igual para los problemas de maximizacin.
Variables
49
ANEXOS
Anexo 1
50
Anexo 2
Anexo 3
51
Anexo 4
52
Anexo 5
53
Anexo 6
54
55
BIBLIOGRAFA
56