Académique Documents
Professionnel Documents
Culture Documents
1
matemticos. Generalmente se acepta que la formacin de este grupo constituye el
inicio de la investigacin de operaciones.
b) Aplicaciones:
reas funcionales, Una muestra de los problemas que la IO ha estudiado y resuelto
con xito en negocios e industria se tiene a continuacin:
Personal: La automatizacin y la disminucin de costos, reclutamiento de personal,
clasificacin y asignacin a tareas de mejor actuacin e incentivos a la produccin.
Mercado y distribucin: El desarrollo e introduccin de producto, envasado, prediccin
de la demanda y actividad competidora, localizacin de bodegas y centros
distribuidores.
Compras y materiales: Las cantidades y fuentes de suministro, costos fijos y
variables, sustitucin de materiales, reemplazo de equipo, comprar o rentar.
Manufactura: La planeacin y control de la produccin, mezclas ptimas de
manufactura, ubicacin y tamao de planta, el trfico de materiales y el control de
calidad.
Finanzas y contabilidad: Los anlisis de flujo de efectivo, capital requerido de largo
plazo, inversiones alternas, muestreo para la seguridad en auditoras y
reclamaciones.
Planeacin: Con los mtodos Pert para el control de avance de cualquier proyecto
con mltiples actividades, tanto simultneas como las que deben esperar para
ejecutarse.
Algunas personas se veran tentadas a aplicar mtodos matemticos a cuanto
problema se presentase, pero es que acaso siempre es necesario llegar al ptimo?
Podra ser ms caro el modelar y el llegar al ptimo que a la larga no ofrezca un
margen de ganancias muy superior al que ya se tiene.
Tmese el siguiente ejemplo:
La empresa EMX aplica I.O. y gasta por el estudio y el desarrollo de la aplicacin
$100, pero despus de aplicar el modelo observa que la mejora no es muy diferente a
la que actualmente tena.
Puede sealarse, entonces, que la investigacin de operaciones slo se aplicar a los
problemas de mayor complejidad, sin olvidar que el simple uso de la I.O. trae un costo
que, si se supera el beneficio, no resultar econmicamente prctico. Algunos
ejemplos prcticos donde resulta til la aplicacin de I.O. son:
En el dominio combinatorio, muchas veces la enumeracin es imposible. Por ejemplo,
si hay 200 trabajos por realizar, que toman tiempos distintos y solo cuatro personas
que pueden hacerlos, enumerar cada una de las combinaciones podra ser ineficiente
(aparte de desanimante). Luego los mtodos de secuenciacin sern los ms
apropiados para este tipo de problemas.
De igual manera, la I.O. es til cuando en los fenmenos estudiados interviene el
azar. La nocin de esperanza matemtica y la teora de procesos estocsticos
ofrecen la herramienta necesaria para construir el cuadro en el cual se optimizar la
funcin econmica. Dentro de este tipo de fenmenos se encuentran las lneas de
espera y los inventarios con demanda probabilstica.
Con mayor motivo, la investigacin de operaciones se muestra como un conjunto de
instrumentos precioso cuando se presentan situaciones de concurrencia. La teora de
juegos no permite siempre resolverlos formalmente, pero aporta un marco de reflexin
que ayude a la toma de decisiones.
Cuando se observa que los mtodos cientficos resultan engorrosos para el conjunto
de datos, se cuenta con otra opcin: simular tanto el comportamiento actual as como
2
las propuestas y ver si hay mejoras sustanciales. Las simulaciones son experiencias
artificiales.
Es importante resaltar que la investigacin de operaciones no es una coleccin de
frmulas o algoritmos aplicables sistemticamente a situaciones determinadas. Si se
cae en este error, ser muy difcil captar en condiciones reales los problemas que
puedan deducirse de los mltiples aspectos de esta disciplina, la cual busca
adaptarse a las condiciones variantes y particulares de los diferentes sistemas que
puede afrontar, usando una lgica y mtodos de solucin muy diferentes a problemas
similares mas no iguales.
Una de las problemticas actuales del mundo es el cambio climtico y desaparicin
de muchas especies animales por lo que se han realizado numerosas investigaciones
en el campo de la ecologa y biologa donde se aplican tcnicas de la investigacin
operativa. Por ejemplo en la investigacin: "Un nuevo mtodo para tratar con
autocorrelacin espacial residual en los modelos de distribucin de especies".1 En
este ejemplo se aplica Probabilidad y Estadstica a un nuevo mtodo en la que se
utilizan dos modelos uno de distribucin de especies (SDM) y el otro modelo de auto
correlacin espacial (SAC) en el que las observaciones estn relacionadas entre si
por su distancia geogrfica. El nuevo mtodo auto logstico incluye la covarianza que
representa la similitud entre el valor de la variable de respuesta en un lugar y
localidades vecinas.
Otras investigaciones que se han realizado son:
"Proteccin de la vida marina de California iniciativa de Ley: Apoyo a la aplicacin de
la legislacin que establece una red estatal de reas marinas protegidas",2 en esta
investigacin se utilizan conceptos de Teora de grafos .
"Una topologa de los desajustes de escala de tiempo e intervenciones conductuales
para diagnosticar y solucionar problemas de conservacin".3 Los sistemas ecolgicos
operan comnmente en escalas temporales que son significativamente ms largas o
ms cortas que las de un proceso de la toma de decisiones, lo que ocasiona una
dificultad para la conservacin y manejo de sistemas socio-ecolgicos.
Como podemos ver el campo de aplicacin de la Investigacin de Operaciones es
muy amplio y que la podemos aplicar en nuestra vida diaria, simplemente a cada
instante tomamos Decisiones de vida, por ejemplo que ruta tomar cuando voy de la
casa a la escuela, como hago la Planeacin de mis actividades para que realice mis
actividades diarias o por semana, o en la casa como Minimizamos el gasto de todo lo
que compramos.
c) Objetivos
El objetivo y finalidad de la investigacin operacional es encontrar la solucin ptima
para un determinado problema (militar, econmico, de infraestructura, logstico, etc.)
Est constituida por un acercamiento cientfico a la solucin de problemas complejos,
tiene caractersticas intrnsecamente multidisciplinares y utiliza un conjunto
diversificado de instrumentos, prevalentemente matemticos, para la modelizacin, la
optimizacin y el control de sistemas estructurales en conocimiento a dems cosas.
En el caso particular de problemas de carcter econmico, la funcin objetivo puede
ser obtener el mximo rendimiento o el menor costo.
La investigacin operacional tiene un rol importante en los problemas de toma de
decisiones porque permite tomar las mejores decisiones para alcanzar un
determinado objetivo respetando los vnculos externos, no controlables por quien
debe tomar la decisin.
La elaboracin del problema est subdividida en fases obligatorias. Las principales
son:
examen de la situacin real y recoleccin de la informacin;
3
formulacin del problema, identificacin de las variables controlables y las
externas (no controlables) y la eleccin de la funcin objetivo, a ser
maximizada o minimizada;
construccin del modelo matemtico, destinado a dar una buena
representacin del problema; debe ser fcil de usar; representar el problema,
dando toda la informacin para poder tomar una decisin lo ms idnea
posible;
resolucin del modelo (mediante diferentes modalidades);
anlisis y verificacin de las soluciones obtenidas: se controla si la funcin
objetivo ofrece las ventajas esperadas; se verifica la representatividad del
modelo; y, se efectan anlisis de sensibilidad de la solucin obtenida;
utilizacin del sistema obtenido para su posterior uso.
El Mtodo Simplex, esta diseado para ser aplicado nicamente hasta que el
problema se encuentre en la forma Estndar. La forma Cannica es tambin de
bastante utilidad, especialmente en explorar la relacin de Dualidad. Un problema de
P.L. est en la forma cannica si para un problema de:
Maximizacin, las variables son no-negativas y las restricciones son del tipo
Minimizacin, las variables son no-negativas y las restricciones son del
tipo
n
Minimice Z = c j x j Minimice Z=CX
j =1
Sujeto a; Sujeto a;
n
aij x j bi ,i = 1,2,...m Ax b
X0
j =1
xj 0
Donde :
n
aij x j bi Seagrega una variable con signo negativo xn+1, como se muestra
A continuacin
j =1
n
aij x j xn+1 = bi donde xn+1 0
j=1
n
aij x j bi se agrega una variable con signo positivo xn+1, como se muestra a
continuacin
j=1
n 6
+ =
aij x j xn+1 bi donde xn+1 0
j=1
aij x j = bi j=1
n n
aij x j bi aij x j bi
y
j=1 j=1
x1 x2 6 -x1 +
2x2 8 x1,x2 0
Sujeto a;
7
(x1 - x1 )
x2 + x3 =6
-(x1 - x1 ) + 2x2 + x4 = 8
xs 0
donde x1=-(x1 - x1 ) no esta restringida en signo y x2
, x1 0
Minimizar Z= -x1
x2 - 3x3 Sujeto a;
x1 - x2 + x3 + x4 =6
-x1 + x2 + 2x3 +
x5 = 8 xs 0
Ejemplo:
Minimizar Z= -x1 - 3x2
Sujeto a;
x1 x2 + x3 =6
-x1 + 2x2 + x4 = -8
xs 0
x3, y x4 son variables de holgura.
Se multiplica la segunda restriccin por (-1),
resultando;
Minimizar Z= -x1 - 3x2
Sujeto a;
x1 x2 + x3 =6
x1 - 2x2 - x4 = 8
xs 0
.
8
VALOR DE LA FUNCIN OBJETIVO
TIPO DE
RESTRICCIONES MAXIMIZACION MINIMIZACION
9
2. Formacin y Planteamiento (Mtodo Simplex)
El Mtodo Simplex es un mtodo analtico de solucin de problemas de programacin
lineal capaz de resolver modelos ms complejos que los resueltos mediante el
mtodo grfico sin restriccin en el nmero de variables.
El Mtodo Simplex es un mtodo iterativo que permite ir mejorando la solucin en
cada paso. La razn matemtica de esta mejora radica en que el mtodo consiste en
caminar del vrtice de un poliedro a un vrtice vecino de manera que aumente o
disminuya (segn el contexto de la funcin objetivo, sea maximizar o minimizar), dado
que el nmero de vrtices que presenta un poliedro solucin es finito siempre se
hallar solucin.
Este famossimo mtodo fue creado en el ao de 1947 por el estadounidense George
Bernard Dantzig y el ruso Leonid Vitalievich Kantorovich, con el nimo de crear un
algoritmo capaz de solucionar problemas de m restricciones y n variables.
QUE ES UNA MATRIZ IDENTIDAD?
Una matriz puede definirse como una ordenacin rectangular de elementos, (o listado
finito de elementos), los cuales pueden ser nmeros reales o complejos, dispuestos
en forma de filas y de columnas.
La matriz idntica o identidad es una matriz cuadrada (que posee el mismo nmero
tanto de columnas como de filas) de orden n que tiene todos los elementos
diagonales iguales a uno (1) y todos los dems componentes iguales a cero (0), se
denomina matriz idntica o identidad de orden n, y se denota por:
Matriz identidad
La importancia de la teora de matrices en el Mtodo Simplex es fundamental, dado
que el algoritmo se basa en dicha teora para la resolucin de sus problemas.
OBSERVACIONES IMPORTANTES AL UTILIZAR MTODO SIMPLEX
VARIABLES DE HOLGURA Y EXCESO
El Mtodo Simplex trabaja basndose en ecuaciones y las restricciones iniciales que
se modelan mediante programacin lineal no lo son, para ello hay que convertir estas
inecuaciones en ecuaciones utilizando unas variables denominadas de holgura y
exceso relacionadas con el recurso al cual hace referencia la restriccin y que en el
tabulado final representa el "Slack or surplus" al que hacen referencia los famosos
programas de resolucin de investigacin de operaciones, estas variables adquieren
un gran valor en el anlisis de sensibilidad y juegan un rol fundamental en la creacin
de la matriz identidad base del Simplex.
Estas variables suelen estar representadas por la letra "S", se suman si la restriccin
es de signo "<= " y se restan si la restriccin es de signo ">=".
Por ejemplo:
Mtodo Simplex
Mtodo Simplex
VARIABLE ARTIFICIAL / MTODO DE LA "M"
Una variable artificial es un truco matemtico para convertir inecuaciones ">=" en
ecuaciones, o cuando aparecen igualdades en el problema original, la caracterstica
principal de estas variables es que no deben formar parte de la solucin, dado que no
representan recursos. El objetivo fundamental de estas variables es la formacin de la
matriz identidad.
10
Estas variables se representa por la letra "A", siempre se suman a las restricciones,
su coeficiente es M (por esto se le denomina Mtodo de la M grande, donde M
significa un nmero demasiado grande muy poco atractivo para la funcin objetivo), y
el signo en la funcin objetivo va en contra del sentido de la misma, es decir, en
problemas de Maximizacin su signo es menos (-) y en problemas de Minimizacin su
signo es (+), repetimos con el objetivo de que su valor en la solucin sea cero (0).
Ejercicios resueltos
I. En una granja de pollos se da una dieta "para engordar" con una composicin mnima
de 15 unidades de una sustancia A y otras 15 de una sustancia B. En el mercado
solo se encuentran dos clases de compuestos: el tipo I con una composicin de una
unidad de A y cinco de B, y el tipo II con una composicin de cinco unidades de A
y una de B. El precio del tipo I es de 10 dlares y el del tipo II es de 30 dlares. Se
pregunta:
Qu cantidades se han de comprar de cada tipo para cubrir las necesidades con un
coste mnimo?
Variables de decisin:
Tipo I x
Tipo II y
Funcin Objetivo:
Restricciones:
11
sa: + 5 15
5 + 15
, 0
+ 5 1 02 = 15
5 + 01 2 = 15
10 + 30 = 0
12
3. Escribir la tabla inicial simplex
Iteracin 1
Base x y e1 e2 Vs
e1 1 5 -1 0 15
e2 5 1 0 -1 15
-z 10 30 0 0 0
Vfe2: 5 1 0 -1 15 Vf-z: 10 30 0 0 0
- - - - - - - - - -
1 1 1 1 1 30 30 30 30 30
* * * * * * * * * *
1/5 1 -1/5 0 3 1/5 1 -1/5 0 3
= = = = = = = = = =
Nfe2: 24/5 0 1/5 -1 12 Nf-z: 4 0 6 0 -90
Iteracin 2
Base x y e1 e2 Vs
y 1/5 1 -1/5 0 3
e2 24/5 0 1/5 -1 12
-z 4 0 6 0 -90
Iteracin 3
Base x y e1 e2 Vs
y 0 1 - 1/24 5/2
5/24
x 1 0 1/24 - 5/2
5/24
z 0 0 - -5/6 +100
35/6
Respuestas:
x= 5/2 3
y=5/2 3
z=100
13
II. Cierto fabricante produce dos artculos, A y B, para lo que requiere la utilizacin de
dos secciones de produccin: seccin de montaje y seccin de pintura.
Variables de decisin:
Articulo A x
Articulo B y
Funcin Objetivo:
Restricciones:
sa: + 3 9
2 + 8
, 0
14
1. Convertir a igualdad las restricciones:
+ 3 + 1 + 02 = 9
5 + + 01 + 2 = 8
20 40 = 0
Iteracin 1
Base x y h1 h2 Vs
h1 1 3 1 0 9
h2 5 1 0 1 8
z -20 -40 0 0 0
Iteracin 2
Base x y h1 h2 Vs
y 1/3 1 1/3 0 3
h2 14/3 0 -1/3 1 5
z - 0 40/3 0 120
20/3
Iteracin 3
Base x y h1 h2 Vs
y 0 1 15/42 - 37/14
1/14
x 1 0 -1/14 3/14 15/14
z 0 0 90/7 10/7 890/7
Respuestas:
x= 15/14
y=37/14
z=890/7
III. Un orfebre fabrica dos tipos de joyas. Las del tipo A precisan 1 g de oro y 1,5 g de
plata, vendindolas a 40 dlares cada una. Para la fabricacin de las de tipo B
emplea 1,5 g de oro y 1 g de plata, y las vende a 50 dlares. El orfebre tiene solo en el
taller 750 g de cada uno de los metales.
Calcula cuntas joyas ha de fabricar de cada clase para obtener un beneficio mximo.
Variables de decisin:
Tipo A x
Tipo B y
Funcin Objetivo:
16
Max z=40x +50y
Restricciones:
3
sa: + 2
750
3
2
+ 750
, 0
3
+ + 1 + 02 = 750
2
3
2
+ + 01 + 2 = 750
40 50 = 0
Iteracin 1
Base x y h1 h2 Vs
h1 1 3/2 1 0 750
h2 3/2 1 0 1 750
z -40 -50 0 0 0
Iteracin 2
Base x y h1 h2 Vs
17
y 2/3 1 2/3 0 500
h2 5/6 0 -2/3 1 250
z - 0 100/3 0 25000
20/3
Iteracin 3
Base x y h1 h2 Vs
y 0 1 6/5 -4/5 300
x 1 0 -4/5 6/5 300
z 0 0 28 8 27000
Respuestas:
x= 300
y=300
z=27000
IV. Una fbrica produce neveras utilitarias y de lujo. La fbrica est dividida en dos
secciones: montaje y acabado. Los requerimientos de trabajo vienen dados por la
siguiente tabla:
Montaje Acabado
Utilitaria 3 horas 3 horas
Lujo 3 horas 6 horas
Variables de decisin:
Utilitarias x
Lujo y
Funcin Objetivo:
Restricciones:
sa: 3 + 3 120
3 + 6 180
, 0
3 + 3 + 1 + 02 = 120
3 + 6 + 01 + 2 = 180
300 400 = 0
Iteracin 1
Base x y h1 h2 Vs
19
h1 3 3 1 0 120
h2 3 6 0 1 180
z -300 -400 0 0 0
Iteracin 2
Base x y h1 h2 Vs
h1 3/2 0 1 -1/2 30
y 1/2 1 0 1/6 30
z -100 0 0 200/3 12000
Iteracin 3
Base x y h1 h2 Vs
x 1 0 2/3 -1/3 20
y 0 1 -1/3 1/3 20
z 0 0 200/3 100/3 14000
Respuestas:
x= 20
y=20
z=14000
20
V. Unos grandes almacenes encargan a un fabricante pantalones y chaquetas
deportivas. El fabricante dispone para la confeccin de 750 m de tejido de algodn y
1000 m de tejido de polister. Cada pantaln precisa 1 m de algodn y 2 m de
polister, y cada chaqueta precisa 1,5 m de algodn y 1 m de polister. El precio del
pantaln se fija en 50 $ y el de la chaqueta en 40 $. Qu nmero de pantalones y
chaquetas debe suministrar el fabricante a los almacenes para que stos consigan
una venta mxima?
Variables de decisin:
Pantalones x
Chaquetas y
Funcin Objetivo:
Restricciones:
sa: + 2 750
3
+ 1000
2
, 0
+ 2 1 02 = 750
21
3
2
+ 01 2 = 1000
50 + 40 = 0
Iteracin 1
Base x y e1 e2 Vs
e1 1 2 -1 0 750
e2 3/2 1 0 -1 1000
-z 50 40 0 0 0
Iteracin 2
Base x y e1 e2 Vs
e1 0 4/3 -1 2/3 250/3
x 1 2/3 0 -2/3 2000/3
-z 0 20/3 0 100/3 -
100000/3
Iteracin 3
22
Base x y e1 e2 Vs
y 0 1 -3/4 125/2
x 1 0 -1 625
z 0 0 -5 -30 33750
Respuestas:
x= 625
y=125/2
z=33750
23
24
25
26
27
3. Conceptos bsicos de dualidad
DEFINICIN DE DUALIDAD
Del latn dualtas, el trmino dualidad seala la existencia de dos fenmenos o
caracteres diferentes en una misma persona o en un mismo estado de cosas. En el
mbito de la filosofa y la teologa, se conoce como dualismo a la doctrina que postula
la existencia de dos principios supremos independientes, antagnicos e irreductibles.
Dualidad
En este sentido, las nociones del bien y del mal son un ejemplo de dualidad. Ambas
pueden definirse por oposicin y hacen referencia a dos esencias completamente
distintas. Materia-espritu y realismo-idealismo son otras muestras de conceptos que
conforman una dualidad.
En este caso, todo el conjunto de doctrinas dualistas existentes y que, como hemos
mencionado, parten de esa diferenciacin entre el Bien y el Mal tienen una serie de
rasgos en comn. As, por ejemplo, nos encontramos con el hecho de que el Bien
siempre se identifica con la luz y tambin con el espritu. Por su parte, el Mal se
asocia en todo momento con la oscuridad, con lo que es la parte corporal y tambin
con el propio Diablo.
De esta manera, podemos ver perfectamente esa dualidad de la que estamos
hablando en uno de los personajes literarios ms importantes de toda la historia. Nos
estamos refiriendo al protagonista de la obra El extrao caso del doctor Jekyll y el
seor Hyde, que en el ao 1886 cre el escritor escocs Robert Louis Stevenson.
En concreto, se trata de un cientfico que ha sido capaz de crear una pocin que le
permite cambiar fsica y personalmente. As, cuando se convierte en Hyde pasa a ser
un hombre violento capaz de acabar con la vida de otro ser humano. De esta manera,
asistimos a las dos caras que puede tener cualquier persona, el doctor representa al
Bien y Hyde a la cara ms oculta, siniestra y violenta del gnero humano.
La filosofa china apela a la nocin del yin y el yang para resumir la dualidad de todo
aquello que existe en el universo. Esta idea puede aplicarse a cualquier situacin u
objeto, ya que podra explicarse en la premisa que sostiene que en todo lo bueno hay
algo malo y viceversa.
No obstante, a lo largo de la historia han existido otros dualismos importantes. En el
caso de la filosofa nos encontramos, por ejemplo, con el pensador prusiano
Immanuel Kant que estableci la siguiente dualidad: la razn prctica y la razn pura.
El dualismo teolgico se basa en la existencia de un principio divino del bien
(asociado a la Luz) en contraposicin a un principio divino del mal (las Tinieblas). Dios
es sealado como responsable de la creacin del bien, mientras que el mal es
atribuido al diablo. El dualismo, por lo tanto, libera al hombre de la responsabilidad por
la existencia del mal en el mundo.
La Iglesia catlica se opone a esta dualidad ya que defiende a un Dios omnipotente e
infinito, sin que pueda existir un mal que limite su potencial. Todo lo que existe fue
creado por Dios, nada de lo creado por Dios puede ser malo.
En Matemticas, una dualidad, generalmente hablando, traduce conceptos, teoremas
o estructuras matemticas en otros conceptos, teoremas o estructuras, en una
manera "uno a uno", a menudo (pero no siempre) por medio de una operacin de
involucin: Si la dualidad de A es B, entonces la dualidad de B es A. Como a veces la
involucin tiene puntos fijos, la dualidad de A es a veces A (ella misma). Por ejemplo,
el Teorema de Desargues en la geometra proyectiva es Dual a ella misma en este
sentido.
En el contexto de las matemticas, la dualidad posee numerosos significados, y
aunque es "un concepto muy penetrante e importante en las matemticas
28
modernas"1 y "un tema general importante que se ha manifestado en casi todas las
reas de las matemticas",2 no hay una sola definicin universal aceptada que
unifique todos los conceptos de dualidad.
Muchas dualidades matemticas entre objetos de dos tipos corresponden a
emparejamientos, funciones bilineales de un objeto de un tipo y otro objeto de un
segundo tipo en alguna familia de escalares. Por ejemplo, la dualidad del lgebra
lineal se corresponde de este modo con mapeos bilineales de pares de espacios
vectoriales a escalares, la dualidad entre distribuciones y las funciones de prueba
(Test Function)asociadas corresponde a los pares en el que uno integra una
distribucin contra una funcin de prueba, y la dualidad de poincar corresponde de
manera similar al nmero de intersecciones (Intersection number), visto como un
emparejamiento entre subvariedades de una variedad determinada.
29
4. Teora De Modelos De Transporte
MODELO DE TRANSPORTE
El objetivo primordial del modelo de transporte es buscar minimizar el cotos de envi
de la cantidad de elementos que se enviaran de cada fuente a cada destino, tal que
se minimice el costo del transporte total de los envos. Por otra parte el modelo de
transporte establece un mtodo que regula el transporte de mercancas de varias
fuentes a varios destinos.
Los elementos del modelo son:
1. Indica el nivel de oferta que tiene cada fuente y la cantidad de demanda en cada
destino.
2. por lo contrario el costo de transporte unitario de la mercanca enviado por el
proveedor a cada destino.
Como solo existe una mercanca y el destino puede recoger su demanda varias
fuentes (proveedores).
EJEMPLO
Una empresa de componentes informticos puede comprar Discos Duros a tres
proveedores y su objetivo es minimizar el costo total de la compra los proveedores
disponen de 1.000, 3.000, 1.000 disco respectivamente.
La empresa necesita los discos en tres cadenas de montajes si en las tres
localizaciones distintas. Dichas cadenas requieren de 1.500, 1.000, y 2.500 discos
respectivamente; los precios en cientos de euros por cada disco entregado a cada
cadena son los siguientes:
Funcin Objetivo
Z = 4X11 + 7X12 + 2X13
Min + 3X21 + 5X22 + 2X23
+ 9X31 + 11X32 +10X33
Restricciones de oferta
(lo que disponen los proveedores)
S.a. X11 + X12 + X13 <= 1000
X21 + X22 + X23 <= 3000
X31 + X32 +X33 <= 1000
Restricciones de demanda
(lo que requieren las cadenas)
X11 + X21 + X31 = 1500
X12 + X22 + X32 = 1000
X13 + X23 +X33 = 2500
Variable de decisin: i j >= 0
i = 13 total de proveedores (ofertas)
j= 13 total de cadenas (demandas)
30
METODO DE LA ESQUINA NOROESTE
Este mtodo asigna la cantidad mxima autorizada para la oferta y la demanda a la
variable X11 ubicada en la esquina noroeste de la tabla.
La columna o fila satisfecha se satura dejando ver las variables restantes en la
columna o fila saturadas son igual a cero. Si la columna y la fila se satisfacen
simultneamente, solo uno de los dos debe ser saturada; garantizando localizar las
variables bsicas cero si existen.
Despus de ajustar las cantidades de oferta y demanda para todas las filas y
columnas no saturadas, la cantidad mxima factible se asigna al primer elemento no
saturado en la nueva columna o fila; el mtodo finaliza cuando las filas o la columna
se saturan.
Indicaciones para implementar el mtodo de la esquina noroeste:
1. Se estructura una tabla de ofertas que muestra la disponibilidad de los
proveedores y las demandas o lo que requieren los proveedores.
2. Se inicia la esquina noroeste. Determina al mximo lo mnimo entre la oferta y la
demanda, equitativamente.
3. Restablezca la oferta y la demanda y sature con ceros el resto de las filas
columnas en donde la oferta la demanda quede satisfecha.
4. Muvase a la derecha o hacia abajo, segn aquedado la disponibilidad para
asignar.
5. se repiten nuevamente los pasos del 3 al 5 recprocamente hasta llegar a la
esquina inferior derecha en la que se saturan fila y columna al mismo tiempo.
6. para calcular el costo total del Metodo de la esquina se multiplica cada una de las
variables ubicada en la tabla y luego se suma los resultados y encontraremos el total
costo
Asi:(4*1000)+(3*500)+(5*1000)+(2*1500)+(10*1000)= 23.500
observacion : No se pueden saturar fila y columna al mismo tiempo, a no ser que sea
la ltima fila o colimna; al satura filas o columnas este modelo ocasionar una
solucin en donde el nmero de variables bsicas es menor a m+n-1, ocasionando
una solucin bsica factible arruinada .
MTODO VOGEL
Este mtodo suele producir una mejor solucin inicial que los mtodos de
noroeste, costo mnimo. Ya que provoca una solucin inicial ptima, o inmediata al
nivel ptimo.
Indicaciones para implementar el mtodo vogel:
1. Elaborar una tabla reflejando las ofertas y demanda y los costos.
2. Calcular el contraste entre el menor costo y el segundo costo menor; para cada fila
y columna.
3. Escoger entre filas y columnas, que mayor diferencia en caso de igualdad, decida
arbitrariamente.
4. Determine al mximo posible en el sector con el menor costo en la fila o columna
elegida en el puesto 3.
5. Asigne cero (0) a las otras sector de la fila o columna donde la recurso el
requerimiento quede saturado.
6. Nuevamente se realizan los pasos 2 al 5, sin tener en cuantas filas y columnas
saturas hasta que los sectores en su totalidad queden asignados.
31
7. para calcular el costo total del Metodo de vogel se multiplica cada una de las
variables ubicada en la tabla y luego se suma los resultados y encontraremos el total
costo.
Asi:(3*1500)+(2*1000)+(2*1500)+(11*1000)+(9*0)= 20.500
Observacin: no olvide que se debe saturar filas y columnas al mismo tiempo; caso
en que la disponibilidad sea semejante al requerimiento.
32
METODO DE BANQUILLO.
La solucin obtenida por los mtodos anteriores es la solucin inicial del mtodo de
banquillo. La forma de verificar si la solucin actual puede mejorarse es examinar las
variables no bsicas actuales en busca de mejoras potenciales en el valor de la
funcin objetivo. Si existe una de tales variables, ser la variable que entra en cuyo
caso una de las variables b{asicas actuales debe dejar la solucin (como en el
mtodo simplex).
A fin de determinar la variable que entra y la que sale, se identifica un circuito cerrado
para cada variable no bsica. El circuito comienza y termina con la variable no bsica
designada. Un circuito consiste en segmentos horizontales y verticales sucesivos
(conectados) cuyos puntos extremos deben ser variables bsicas, excepto para los 2
segmentos de inicio y terminacin en la variable no bsica.
El circuito se utiliza para comprobar si el valor de la funcin objetivo puede mejorarse
cuando la variable no bsica se aumenta sobre su valor actual de cero.
El procedimiento consiste en encontrar el aumento o disminucin en el costo de
transporte como resultado de aumentar unidades en la variable no bsica investigada.
Este valor se encuentra asignando signos positivos y negativos alternos en los costos
asociados a las variables que forman el circuito, empezando con el costo de la
variable no bsica. La suma de los costos del circuito puede hacerse en el sentido de
las manecillas del reloj o en sentido contrario.
El resultado obtenido en la suma de los costos del circuito puede ser positivo o
negativo. Si es positivo indica que el asignar unidades a la variable que se est
considerando aumenta el costo total de transporte. Pero si este valor es negativo, la
solucin puede mejorarse asignado a la variable no bsica el valor ms pequeo de
las variables que deben reducir su valor en el circuito que se est considerando.
El procedimiento termina hasta que todas las variables no bsicas tienen valor
positivo en la suma de los costos del circuito.
Ejemplo:
Encuentre la solucin ptima del problema de la compaa de renta de autos
utilizando una solucin inicial por el mtodo de costo mnimo y empleando el mtodo
de utilizacin de banquillo.
33
34
10 ejercicios resueltos de transporte
Cuntas hectreas deben asignarse a cada empresa para maximizar la suma total
de ingreso? Resuelva el problema con TORA e interprete la solucin.
Solucin:
35
INVESTIGACION DE OPERACIONES TRANSPORTE
de distribucin ms econmico, desde el punto de vista de la compaa
elctrica. Resuelve el problema con TORA e interpreta la solucin.
Solucin:
Incremento ciudad 1 Incremento ciudad 2 Incremento ciudad 3
36
Solucin:
4 8 7
rea rea rea
distribucion1 distribucion2 distribucin3
6 Refinera 1 12000 18000 M
5 Refinera 2 30000 10000 8000
6 Refinera 3 20000 25000 12000
2 FALTANTE M 50000 50000
4 8 4 3
rea rea rea SOBRANTE
distribucion1 distribucion2 distribucin3
37
6 Refinera 1 120 180 M 15000
5 Refinera 2 300 100 80 22000
8 Refinera 3 200 250 120 M
38
Para los costos unitarios dados, formule un modelo matemtico para determinar la
asignacin optima de maquinas a tareas. Resuelva el problema con TORA e
interprete la solucin.
Modelo de trasporte:
20 20 30 16 25
Tipo Tipo Tipo Tipo Tipo
tarea 1 tarea 2 tarea 3 tarea 4 tarea 5
25 Categora 10 2 3 15 9
maquina 1
30 Categora 5 10 15 2 4
maquina 2
20 Categora 15 5 14 7 15
maquina 3
30 Categora 20 15 13 M 8
maquina 4
6 faltante 0 0 0 0 0
Modelo de asigancion:
1 1 1 1 1
Tipo Tipo Tipo Tipo Tipo
tarea 1 tarea 2 tarea 3 tarea 4 tarea 5
1 Categora 10 2 3 15 9
maquina 1
1 Categora 5 10 15 2 4
maquina 2
1 Categora 15 5 14 7 15
maquina 3
1 Categora 20 15 13 M 8
maquina 4
1 faltante 0 0 0 0 0
39
DEMANDA- 500 630 200 230 430
OFERTA M1 M2 M1 M4 Sobrante
ficticio
400 M1 $100 103 106 109 0
300 M2 M 140 143 146 0
420 M3 M M 120 123 0
380 M4 M M M 150 0
40
490 Faltante 0 0 0 0
41
150 TallerLocal M $120 $121.5 $123 $124.5 $126 0
mes 1
150 TallerCentral M M M M $35 $36.5 0
mes 1
150 NewPiez $200 M M M M M 0
mes 1
125 TallerInt M M $120 $121.5 $123 $124.5 0
mes 2
125 TallerExt M M M M M $35 0
mes 2
125 NewPiez M $200 M M M M 0
mes 2
107 TallerInt M M M $120 $121.5 $123 0
mes 3
107 TallerExt M M M M M M 0
mes 3
107 NewPiez M M $204 M M M 0
mes 3
72 TallerInt M M M M $120 $121.5 0
mes 4
72 TallerExt M M M M M M 0
mes 4
72 NewPiez M M M 204 M M 0
mes 4
52 TallerInt M M M M M $120 0
mes 5
52 TallerExt M M M M M M 0
mes 5
52 NewPiez M M M M 208.08 M 0
mes 5
29 TallerInt M M M M M M 0
mes 6
29 TallerExt M M M M M M 0
mes 6
29 NewPiez M M M M M 212.2416 0
mes 6
42
6. Proyectos probabilsticos y determinsticos
Un modelo determinstico es un modelo matemtico donde las mismas entradas producirn
invariablemente las mismas salidas, no contemplndose la existencia del azar ni el principio de
incertidumbre. Est estrechamente relacionado con la creacin de entornos simulados a travs
de simuladores para el estudio de situaciones hipotticas, o para crear sistemas de gestin que
permitan disminuir la incertidumbre.
La inclusin de mayor complejidad en las relaciones con una cantidad mayor de variables y
elementos ajenos al modelo determinstico har posible que ste se aproxime a un modelo
probabilstico o de enfoque estocstico.
Ejemplos
Por ejemplo, la planificacin de una lnea de produccin, en cualquier proceso industrial, es posible
realizarla con la implementacin de un sistema de gestin de procesos que incluya un modelo
determinstico en el cual estn cuantificadas las materias primas, la mano de obra, los tiempos de
produccin y los productos finales asociados a cada proceso.
En los modelos determinsticos, una buena decisin es juzgada de acuerdo a los
resultados. Sin embargo, en los modelos probabilsticos, el gerente no esta preocupado
solamente por los resultados, sino que tambin con la cantidad de riesgo que cada
decisin acarrea.
Como un ejemplo de la diferencia entre los modelos probabilsticos versus determinsticos,
considere el pasado y el futuro: Nada que hagamos ahora puede cambiar el pasado, pero
cualquier cosa que hacemos influencia y cambia el futuro, a pesar de que el futuro tiene un
elemento de incertidumbre. Los gerentes se encuentran mucho mas cautivados por darle
forma al futuro que por la historia pasada.
El concepto de probabilidad ocupa un lugar importante en el proceso de toma de
decisiones, ya sea que el problema es enfrentado en una compaa, en el gobierno, en las
ciencias sociales, o simplemente en nuestra vida diaria. En muy pocas situaciones de
toma de decisiones existe informacin perfectamente disponible todos los hechos
necesarios.- La mayora de las decisiones son hechas de cara a la incertidumbre. La
probabilidad entra en el proceso representando el; rol de sustituto de la certeza un
sustituto para el conocimiento completo.
Los modelos probabilsticos estn ampliamente basados en aplicaciones estadsticas para
la evaluacin de eventos incontrolables (o factores), as como tambin la evaluacin del
riesgo de sus decisiones. La idea original de la estadstica fue la recoleccin de
informacin sobre y para el Estado. La palabra estadstica no se deriva de ninguna raz
griega o latina, sino de la palabra italiana state. La probabilidad tiene una historia mucho
ms larga. La Probabilidad se deriva del verbo probar lo que significa "averiguar" lo que no
es tan fcil de obtener o entender. La palabra "prueba" tiene el mismo origen el cual
proporciona los detalles necesarios para entender lo que se requiere que sea cierto.
Los modelos probabilsticos son vistos de manera similar que a un juego; las acciones
estn basadas en los resultados esperados. El centro de inters se mueve desde un
modelo determinstico a uno probabilstico usando tcnicas estadsticas subjetivas para
estimacin, prueba y prediccin. En los modelos probabilsticos, el riesgo significa
incertidumbre para la cual la distribucin de probabilidad es conocida. Por lo tanto, la
evaluacin de riesgo significa un estudio para determinar los resultados de las decisiones
junto a sus probabilidades.
Los tomadores de decisiones generalmente se enfrentan a severa escasez de
informacin. La evaluacin de riesgo cuantifica la brecha de informacin entre lo que es
conocido y lo que necesita saber para tomar una decisin ptima. Los modelos
probabilstico son utilizados para protegerse de la incertidumbre adversa, y de
la explotacin de la propia incertidumbre.
La Dificultad en la Evaluacin de la Probabilidad se obtiene de la informacin, la cual es
escasa, vaga, inconsistente, o incompleta. Una afirmacin tal y como que "la probabilidad
de una baja de electricidad se encuentra entre 0,3 y 0,4" es mas natural y realista que su
contraparte exacta de que "la probabilidad de una baja de electricidad es 0,36342."
Es una tarea desafiante comparar varios cursos de accin y finalmente seleccionar la
accin que se va a realizar. En determinados casos, esta tarea puede resultar
43
excesivamente desafiante. Las dificultades de la toma de decisiones estn representadas
por la complejidad de las alternativas de decisin. La capacidad que tiene un decisor de
procesar informacin limitada es un factor de exigencia ya cuando se consideran las
implicancias de un solo curso de accin, pero en muchas decisiones se deben visualizar y
comparar las implicancias de varios cursos de accin. Adems, hay factores desconocidos
que se inmiscuyen en la situacin problemtica; rara vez se conoce con certeza el
resultado. La mayora de las veces, el resultado depende de las reacciones de otras
personas que quizs ni siquiera saben qu van a hacer. No es de sorprender entonces
que a veces los decidores pospongan la eleccin lo ms posible y que luego decidan sin
intentar considerar todas las implicancias de su decisin.
La toma de una decisin, fundamentalmente, tiene que ver con combinar informacin
sobre probabilidades con informacin sobre deseos e intereses. Cuntas ganas tienes de
conocer a esa mujer? Cun importante es la salida? Cunto vale ese premio?
Abordar las decisiones como si fueran apuestas es la base de la teora de la decisin.
Significa que tenemos que compensar el valor de un cierto resultado contra su
probabilidad.
Para operar segn los cnones de la teora de la decisin debemos hacer clculos del
valor de un cierto resultado y sus probabilidades, y a partir de all de las consecuencias de
nuestras elecciones.
El origen de la teora de la decisin para la toma de decisiones se deriva de la economa,
en el rea de la funcin de la utilidad del pago. Propone que las decisiones deben tomarse
calculando la utilidad y la probabilidad de rangos de opciones, y establece estrategias para
una buena toma de decisiones:
Este sitio web muestra el proceso de anlisis de alternativas para la toma de decisiones
publicas y privadas, usando diferentes criterios de decisin, diferentes tipos de informacin
e informacin de calidad variable. Describe los elementos usados en el anlisis de las
alternativas de decisin y eleccin, as como tambin las metas y objetivos que guan la
toma de decisiones. Se presenta los principales aspectos relacionados a las preferencias
de las alternativas en la toma de decisiones, criterios y modos de eleccin; asimismo, se
44
presenta las herramientas de evaluacin de riesgo. En la seccin siguiente examinaremos
aspectos claves relacionados con las preferencias que puede tener un decisor en relacin
con las alternativas, los criterios de eleccin y las modalidades de eleccin.
Los objetivos son importantes, tanto para identificar los problemas como para evaluar las
soluciones alternativas. En la evaluacin de alternativas, los objetivos del decisor deben
expresarse como criterios que reflejen los atributos de las alternativas relevantes para la
eleccin.
El estudio sistemtico de la toma de decisiones proporciona el marco para escoger cursos
de accin en situaciones complejas, inciertas o dominadas por conflictos. La eleccin entre
acciones posibles y la prediccin de resultados esperados resultan del anlisis lgico que
se haga de la situacin de decisin.
Un Inconveniente Posible en la Aproximacin del Anlisis de Decisin: Usted ya podra
haber notado que el criterio anterior siempre resulta en la seleccin de un solo curso de
accin. Sin embargo, en muchos problemas de decisin, el tomador de decisiones
deseara la combinacin de algunas acciones. Por ejemplo, en un problema de inversin,
el inversionista deseara distribuir los activos entre una mezcla de opciones de forma tal de
optimizar los retornos de portafolio. Visite la pagina web de Teora de Juegos con
Aplicaciones el cual est diseado para una estrategia ptima mixta.
46
7. DIAGRAMA DE FLECHAS
Definicin
Ejemplo:
Definicin
Definicin
47
Caractersticas principales de las herramientas
Enfoque lgico
Impacto visual
Priorizacin
Evento / hito
Definicin
Definicin
48
Actividad
Definicin
Ejemplo:
Para pasar de un evento a otro, hay que completar la actividad que une los dos
eventos.
No puede terminarse ninguna actividad hasta que el evento que le precede haya
tenido lugar.
Ningn evento puede considerarse como alcanzado hasta que todas las
actividades que conducen al mismo estn terminadas.
49
Realizacin de un Anlisis PERT
50
Paso 1: Construir el Diagrama de Flechas
Ejemplo:
Para cada actividad se harn tres estimaciones acerca del tiempo necesario para
llevarla a cabo:
Hay que asegurar que todos los tiempos sean expresados en la misma unidad de
medida (minutos, das, semanas, etc).
Ejemplo:
51
Paso 3: Calcular para cada actividad, el tiempo esperado necesario para
llevarla a cabo
to +4tm
+tp
t
e=
Ejemplo:
52
Paso 4: Calcular para cada actividad, la varianza del tiempo, ste2
Ejemplo:
53
El valor s TE2 indica el nivel de incertidumbre asociado a la estimacin del
tiempo TE.
Se elige entre los resultados as obtenidos el mayor, es decir el valor mximo. Este
ser el nico TE del evento N. Los dems valores obtenidos son
e) Se suma al valor s TE2 del evento predecesor resultante del punto c), la
varianza s
te2 de la actividad que le conecta con el evento N. El resultado ser el
nico valor s
TE2 correspondiente al evento N.
Ejemplo:
54
Paso 6: Calcular, para cada evento, el tiempo mximo permisible TL.
Para cada evento N, se identifican todos los eventos sucesores inmediatos del
mismo.
Se elige entre los resultados as obtenidos el menor. Este ser el nico TL del
evento N. Los dems valores obtenidos son irrelevantes y no se volvern a
considerar.
Ejemplo:
55
Paso 7: Calcular, para cada evento, la holgura TL - TE
Ejemplo:
Ejemplo:
56
Paso 9: Clculo de la probabilidad de cumplir con una determinada fecha
(tiempo), PR
Esta probabilidad se puede calcular tanto para el ltimo evento (final de proyecto),
como para cualquier otro evento del Diagrama de Flechas considerado lo
suficientemente importante como para que se le asigne una fecha de terminacin
propia. La fecha asignada se indicar con TS, y la probabilidad de cumplir con ella
se determina de la siguiente manera:
Z = TS - TE
sTE2
Ejemplo:
Paso 10: Revisin del Diagrama y de los datos durante el seguimiento del
proyecto. (Fase de realizacin).
Se sustituirn, con el fin de actualizar el Diagrama, los tiempos esperados para las
actividades que se hayan ya realizado, por los tiempos ciertos alcanzados.
Si resulta oportuno se revisarn tambin los tiempos para las dems actividades.
57
Realizacin de un Anlisis CPM
58
Paso 1: Construir el Diagrama de Flechas
Ejemplo:
Las evaluaciones sern realizadas por expertos que se hayan enfrentado muchas
veces con la respectiva actividad, y puedan estimar su duracin con el suficiente
nivel de certidumbre.
Estimar para cada actividad, los costes mnimos, cm, a soportar para su
realizacin y anotarlos en una Tabla de Costes. Estos costes permitirn, por lo
dicho en el Paso 2, llevarla a cabo en el tiempo t.
Ejemplo:
59
Paso 4: Calcular, para cada evento, el tiempo mnimo posible, TE.
Se elige entre los resultados as obtenidos el mayor. Este ser el nico TE del
evento N. Los dems valores obtenidos son irrelevantes y no se volvern a
considerar.
Ejemplo:
60
Paso 5: Calcular, para cada evento, el tiempo mximo permisible, TL.
Se empieza con el ltimo evento (= fin del proyecto), operando en sentido inverso
hasta el primero. El TL del ltimo evento se considera aqu como un dato externo,
ya establecido. (Deseo del cliente, compromiso, fecha "orientativa" interna, a
menudo el valor TE obtenido en el Paso 4 para el evento final del proyecto, etc...).
Se elige entre los resultados as obtenidos el menor. Este ser el nico TL del
evento N. Los dems valores obtenidos son irrelevantes y no se volvern a
considerar.
Ejemplo:
61
Paso 6: Calcular, para cada evento, la holgura TL-TE.
Ejemplo:
62
Paso 7: Identificar el camino crtico
Ejemplo:
c - cm
t - tm
63
Ejemplo:
64
Paso 9: Construir diferentes alternativas eficientes de combinaciones costes /
tiempo.
A este fin se considerarn nicamente las actividades del camino crtico. Slo estas
son las que influyen sobre la duracin del proyecto total. (El camino crtico puede
cambiar a lo largo del anlisis). Entre ellas se repartirn recursos suplementarios,
asignndose primero a aquellas que tengan el menor valor (c-cm)/(t-tm), puesto que
permite conseguir el ahorro de tiempo "ms barato".
Todas estas son combinaciones eficientes, es decir para cualquiera de ellas vale que:
65
Tiempo Total : 12 semana (reduccin de 4 semanas)
INTERPRETACIN
Sin embargo son "herramientas", y como tales, ayudan al que toma la decisin en su
labor, no toman nunca la decisin por l.
UTILIZACIN
66
Teora de Juegos
Criterios de Savage y Hurwics
La teora de los juegos es una rama de la matemtica con aplicaciones a la
economa, sociologa, biologa y psicologa, que analiza las interacciones entre
individuos que toman decisiones en una marco de incentivos formalizados (juegos).
En un juego, varios agentes buscan maximizar su utilidad eligiendo determinados
cursos de accin. La utilidad final obtenida por cada individuo depende de los cursos
de accin escogidos por el resto de los individuos.
67
ESTRATEGIA DOMINANTE
Una estrategia dominante es aquella eleccin que realiza el jugador
independientemente de lo que haga el otro. En el juego representado en la matriz de
arriba, la estrategia dominante para A es elegir abajo, mientras que la estrategia
dominante para B es elegir izquierda. Estas estrategias dominantes dan como
resultado el equilibrio de estrategias dominantes del juego. Si cada jugador tiene una
estrategia dominante se puede predecir el resultado del juego.
Se dice que el juego tiene punto silla y a este nmero se le llama valor (v) del juego
para el jugador fila. Una forma sencilla de determinar este punto es buscar un
numero de la matriz que sea el menor en su fila y el mayor en su columna.
EJEMPLO
Supongamos que los dos grandes productores de agendas electrnicas se proponen
sacar al mercado un modelo nuevo con telfono mvil incorporado. Pueden
establecer
un convenio con cuatro de las compaas telefnicas y uno de los dos productores
podra
desarrollar una compaa telefnica propia. La matriz de ganancias sera:
68
Vemos que en 5 hay un punto silla y corresponde a la eleccin de Entfone por
parte de la compaa CASIE y de Windtel por parte de la compaa PAM. Este es un
punto de equilibrio en el que ninguno de los jugadores puede beneficiarse con un
cambio unilateral de estrategia. En este caso el equilibrio se logra asumiendo CASIE
una prdida de 5 como mal menor y PAM una ganancia segura de 5.
Se analizarn ahora aquellos juegos que no tienen punto silla, que de hecho son
mucho ms frecuentes en la prctica. Para ello supongamos que dos personas van a
jugar a pares o impares solamente con la posibilidad de sacar uno o dos dedos cada
uno. Si la suma de ambos es par el jugador A pagar un euro al jugador B. En caso
contrario ser B el que pague a A. Por tanto la matriz de beneficios se puede expresar
de la forma siguiente:
No hay punto silla. Eso significa que para cualquier decisin de estrategias hay un
jugador que puede beneficiarse cambiando de estrategia unilateralmente. Si por
ejemplo los dos sacan dos dedos el resultado sera par y ganara B. Pero al cambiar
A de estrategia pasara a ganar A y por tanto a perder B.
69
Criterio de Laplace y Maximax
Al contrario que el anterior, el modelo Maximax propone trabajar con los datos que
mayor puntuacin han obtenido, por ejemplo, en nuestro cuadro las de mayor
puntuacin son 8 para A, 10 para B y de 9 para C, aplicando la lgica de este modelo
tomaramos como decisin final la B pues su puntuacin es superior al resto, la mejor
de las mejores, por lo que es la que mas beneficios dara. Nos encontramos en la
misma tesitura que antes, no contamos con toda la informacin y podemos estar
eligiendo, como antes, no la mejor de las decisiones. Como hemos comentado esta
ves la forma de tomar la decisin sera Optimista
3. Modelo de Hurwicz
Este modelo toma una lgica intermedia entre las anteriores, y para el peor valor da
un valor de 1-, mientras que para el valor mas alto otorga un valor de , donde es
el valor de optimismo que utilizamos, este valor oscila de 0 a 1, sin llegar a los
extremos para no coincidir con las teoras anteriores, un valor razonable es 1/2, para
nuestro caso trabajamos con =1/4. Por lo que el resultado sera el siguiente:
Laplace plantea la utilizacin de todos los valores que se han obtenido anteriormente,
no despreciamos nada por lo que trabajamos con todos los campos. La lgica que
aplica es asignar a cada valor la misma probabilidad (1/n) de tal modo que todos
estn en igualdad de condiciones. N muestra los posibles estados de la naturaleza, es
decir, un ejemplo para nuestra organizacin: aumento de ganancias, perdidas o
estancamiento. En nuestro ejemplo trabajamos con estos 3 campos.
70
Con estos criterios nuestra opcin seguira siendo la C pues a priori parece la mas
completa y equilibrada, este mtodo no arriesga en la toma de decisiones.
Escenarios Suma
1 2 3
3 0 8 11
A
0 6 4 10
B
5 4 0
Soluciones C 9
No se ha profundizado mas en cada una de ellas porque tratamos de simplificar
cada uno de los modelos para facilitar su compresin y darle una aplicacin sencilla a
la practica. Existen mltiples criterios para la toma de decisiones, en este articulo
hemos rescatado algunas de ellas que esperemos sean de utilidad.
71
Bibliografa
http://juliovargas.udem.edu.ni/wp-content/uploads/2014/01/SIMPLEX.pdf
http://www.abaco.com.ve/lineal/MetodoSimplexBarreto.pdf
https://es.wikipedia.org/wiki/Investigacin_de_operaciones
https://www.uaeh.edu.mx/docencia/P.../investigacion_operaciones/modelos.pdf
hemaruce.angelfire.com/FORMA_CANONICA_Y_FORMA_ESTANDAR.pdf
http://definicion.de/dualidad/
http://metododetransporte2011.blogspot.com/
http://invop2.blogspot.com/p/teoria-de-juegos.html
http://www.pdcahome.com/4655/modelos-para-la-toma-de-decisiones/
72
CONCLUSIONES
73
INTRODUCCION
74
OBJETIVOS
La Investigacin de Operaciones se ocupa de la resolucin de problemas
relacionados con la conduccin y coordinacin de las operaciones o actividades
dentro de una organizacin. Su mbito de aplicacin es muy amplio, aplicndose a
problemas de fabricacin, transporte, construccin, telecomunicaciones, planificacin
y gestin financiera, ciencias de la salud, servicios pblicos, etc. En general, puede
aplicarse en todos los problemas relacionados con la gestin, la planificacin y el
diseo.
La Investigacin de Operaciones incluye un conjunto muy amplio de tcnicas
orientadas a proporcionar una ayuda cuantitativa a la toma de decisiones. El mtodo
empleado es el mtodo cientfico, y las tcnicas que se utilizan son, en buena medida,
tcnicas matemticas.
El objetivo de esta asignatura es que el estudiante asimile los principios que guan la
resolucin de problemas mediante la aplicacin de las tcnicas de Investigacin de
Operaciones. En concreto:
La construccin de modelos de decisin basados en descripciones matemticas, con
el objetivo de tomar decisiones en situaciones de complejidad o incertidumbre.
La resolucin, mediante anlisis matemtico o simulacin, de los modelos de
decisin, obteniendo los valores ptimos de las variables de decisin que intervienen
en el modelo.
La realizacin de estudios de sensibilidad de la solucin o soluciones propuestas,
para evaluar su robustez frente a cambios en las condiciones de los parmetros del
modelo.
Obtener una visin general sobre el concepto de sistema e identificar sus partes
componentes en un sistema productivo
Atender a las expectativas que presenta el medio productivo mundial para poder ser
componente clave dentro de su desarrollo.
Desarrollar capacidades necesarias para el diseo de modelos particulares para
resolver problemas en situaciones especficas.
Comprender la importancia de la Investigacin de Operaciones como metodologa de
optimizacin dentro de cualquier tipo de organizacin.
Conocer y utilizar herramientas computacionales, soporte para la aplicacin de los
modelos.
75
INDICE
7. Diagrama De Flechas.Pag.47-66
8. Teora de Juego...Pag.67-71
9. BibliografaPag.72
10. Conclusin..Pag.73
76