Académique Documents
Professionnel Documents
Culture Documents
LOS ANDES
FACULTAD DE INGENIERIA
INVESTIGACION OPERATIVA II
2010
2
PRESENTACION
Huancayo,
setiembre del 2010
Indicadores de logro:
1.1 Introduccin
tipo cualitativo, y por ello para tratar este tipo de aspectos se requiere
el uso de variables enteras o binarias.
c) Programa lineal entero transformado: cuando el programa no incluye
variables enteras, pero para ser tratado analticamente requiere el uso
de variables enteras artificiales.
1.4 Relajacin PL
y la relajacin PL de
Max z = x1 - x2
s.a. x1 + 2x2 2
2x1 x2 1
x1, x2 = 0 o 1
es
Max z = x1 - x2
s.a. x1 + 2x2 2
2x1 x2 1
x1, x2 0
x2
3.0
2.0
1.0
0.5
x1
0 0.5 1.0 1.5 2.0 2.5
En la Fig. N 1 se observa que la regin factible para este problema est formada
por el siguiente conjunto de puntos: S = {(0,0), (0,1), (0,2), (0,3), (1,0), (1,1)}. A
diferencia de la regin factible para cualquier PL, la regin factible para este
problema es la regin del tringulo rectngulo. Despus de calcular el valor de z
para cada uno de los seis puntos de la regin factible, se encuentra que la solucin
ptima para este problema es z = 33, para x1 = 0, x2 = 3.
x1 + 2x2 = 8 y x 1 x2 = 4
x2
8
2.0 C
1.0
x1
1.0 2.0 3.0 4.0 5.0 6.0 7.0 8.0
La pendiente de la FO es m = - 6/7
x2
4.0 (1) x1 = 4
x2 = 2
3.0 FO (2) z ptimo = 38
2.0
1.0
x1
SOLUCION
9
Max. z = x2
s.a. x1 + x2
x1 + x2 7/2
x1, x2 0; x1, x2 enteros
Max. z = x1 + 5x2
s.a. x1 + 10x2 20
x1 2
10
Resumen:
i) Puede ser que ninguno de los puntos enteros prximos sea factible.
ii) Aun cuando uno o ms de los puntos enteros prximos sean factibles,
11
Ejercicios propuestos
Max. z = 18x1 + 6 x2
s.a. x1 + x2 5
42.8x1 + 100x2 800
20x1 + 6x2 142
30x1 + 10x2 135
x1 3x2 0
x1, x2 0 y enteros
Rpta:
El PLE tiene 13 soluciones factibles, stas son los puntos : (3,6), (4,6), (3,5), (4,5),
(5,5), (4,4), (5,4), (4,3), (5,3), (6,3) (4,2), (5,2) y (6,2).
La solucin ptima del PLE es el punto x 1 = 6, x2 = 3; el valor ptimo de la funcin
objetivo es 126.
Solucin:
Variables de decisin:
x1 = el nmero de edificios de departamentos de ingresos bajos a construirse
x2 = el nmero de edificios de departamentos de ingresos medios a construirse
El PLE es el siguiente:
Max. z = 15x1 + 12 x2
s.a. 3x1 + 6x2 50 (presupuesto)
20x1 + 20x2 180 (terreno)
-x1 + x2 0 (proporcin: 12x2 / 15x1 0.80)
x1, x2 0 y enteros
Rpta:
12
De las restricciones (4) a (6) se tiene que las tres variables pueden tomar los
tres valores enteros posibles de 0, 1 y 2, por tanto, es necesario enumerar las 27
combinaciones de valores enteros para x1, x2 y x3.
Un enfoque es enumerar los tres valores para x 1 y, para cada uno, enumerar
los tres valores para x2, lo que se produce en nueve combinaciones. Para cada una
de estas nueve, puede enumerar los tres valores para x 3, obteniendo el nmero total
de combinaciones, 27. Este enfoque se describe usando un rbol.
13
Para el desarrollo del presente curso haremos uso de uno de los softwares
mas completos, se trata del WINQSB (Quantitative System Business), podra
decirse que es el software ms utilizado en la actualidad por estudiantes de
pregratos y postgrados que incluyen en su plan de estudios asignaturas como la
investigacin de operaciones o temas relacionados. Sin embargo no existe en
nuestro medio una gua en espaol para el docente y el estudiante, que
permita el aprovechamiento mximo de los mdulos que contempla la
aplicacin.
Ttulo del problema (Problem Title): Se escribe el ttulo con que identificamos
el problema.
Nmero de variables (Number of Variables): Se escribe la cantidad de
variables con que cuenta el sistema en el modelo original.
Nmero de restricciones (Number of Constraints): Se anotan la cantidad de
restricciones con que cuenta el modelo (no se debe contar la restriccin de no
negatividad).
Objetivo (Objective Criterion): Los problemas de programacin lineal entera
se clasifican en dos: problemas de Maximizacin (Maximization) y
Minimizacin (Minimization).
Formato de entrada de datos (Data Entry Format): Permite elegir entre dos
plantillas distintas para introducir los datos del modelo. La primera alternativa
se asemeja a una hoja de calculo, mientras que la segunda, es una
plantilla diseada especialmente para este fin.
Tipo de variable (Default Variable Type): En esta parte se indica las
caractersticas del modelo:
ENUNCIADO
MODELO MATEMTICO
Una vez llenados todos los campos pulsamos el botn OK, generando
nuevas opciones dentro del programa.
INGRESANDO EL MODELO
Por ltimo aparecen tres filas donde definimos el valor mnimo aceptado por
cada variable (Lower Bound), el valor mximo (Upper Bound) y el tipo de
variable (Variable Type). En el caso del valor mximo, M significa que la
variable podr recibir valores muy grandes (tendientes a infinito).
EL MODELO DE EJEMPLO
Para ingresar nuestro modelo propuesto en el ejemplo, el primer paso es
llenar la segunda fila con los coeficientes de la funcin objetivo:
RESOLVIENDO UN PROBLEMA
Cuando haya terminado de ingresar el modelo en la plantilla, podr
utilizar las herramientas que provee el men Resolver y Analizar (Solve
and Analyze). Este men cuenta con las siguientes opciones:
Resolver y mostrar los pasos (Solve and Display Steps): Muestra cada uno
de los pasos o las interacciones realizadas por el Simplex hasta llegar a
la solucin ptima.
Mtodo Grfico (Graphic Method): Resuelve el problema de
programacin lineal mediante el mtodo grfico (para problemas que
trabajan con dos variables).
Debe pulsar sobre la variable no bsica que desee que entre (en este
caso se muestra a X1, X3 y C2 como no bsicas). Para mostrar la ltima tabla del
Simplex directamente podr optar por seleccionar la opcin llamada Ir a la
ltima tabla (Go To The Last Tableau).
LA OPCIN IMPRIMIR
Cada ventana mostrada puede ser impresa mediante la opcin
Imprimir (Print) que se encuentra en el men Archivo (File) o mediante el botn
desplegado en la barra de herramientas.
GUARDANDO UN PROBLEMA
Solucin:
Es necesario mayor precisin para los cajeros de tiempo parcial, se necesita saber
no slo cuantos contratar, sino tambin sus horarios de inicio. Para el efecto se
utilizarn tres nuevas variables, cada una correspondiente a las tres horas de inicio.
x3 = el nmero de cajeros de tiempo parcial por contratar que comienzan a las 8 am.
x4 = el nmero de cajeros de tiempo parcial por contratar que comienzan a las 10
am.
x5 = el nmero de cajeros de tiempo parcial por contratar que comienzan a las 12 del
medioda.
El costo asociado con los cajeros de tiempo completo que trabajan 8 horas al
da, es S/. 15 la hora, lo que suma S/. 120 al da. Los cajeros de tiempo parcial
trabajan 4 horas al da y ganan S/. 8 la hora, o S/. 32 al da. Por consiguiente, la
funcin objetivo es:
Tiempo completo x1
Tiempo parcial a las 12 del medioda x5
Tiempo parcial a las 10 am. x4
Tiempo parcial a las 8 am. x3
Restricciones de proporcin
Las regulaciones sindicales requieren que al menos 60% de los cajeros sean de
tiempo completo. Por lo tanto, cada uno de los cuatro segmentos de tiempo necesita
una restriccin de la siguiente forma:
x1 + x3 8
x1 + x3 + x4 10
x1 + x 4 + x5 15
x1 + x5 12
Restricciones de proporcin
0.4 x1 0.6 x3 0
0.4 x1 0.6 x3 0.6 x4 0
0.4 x1 0.6 x4 0.6 x5 0
0.4 x1 0.6 x5 0
Restricciones lgicas
x1 , x3 , x4 , x5 0 y enteras
Presupuestacin de capital
24
Solucin:
200,000x1+350,000x2+150,000x3+125,000x4+375,000x5+70,000x6 1000,000
Las restricciones lgicas en este problema son que cada variable debe tener
un valor de 0 o 1. Para fines computacionales se escribe estas restricciones de tal
forma que cada variable est entre 0 y 1 y que tambin sea entera. Por ejemplo, la
restriccin lgica para la variable x1 es:
x1 1 y x1 0 y entero
0 x1 1
Se pide:
Solucin:
Este problema puede formularse como un modelo de PLE en el que todas las
variables son del tipo 0 1.
Max z = 40x1 + 70x2 + 80x3 + 100x4 Valor presente de los proyectos aceptados
s.a.
10x1 + 30x2 + 10x3 + 20x4 50
Capital requerido 5x1 + 20x2 + 20x3 + 10x4 45 Capital disponible en el ao 2
en el ao 2 20x1 + 10x2 + 27x3 + 40x4 70
10x1 + 10x2 + 20x3 + 20x4 40
10x2 + 10x3 + 20x4 30
x1 1
x2 1
x3 1
x4 1
xi 0 ; i = 1, , 4
La solucin ptima entera es que el administrador deber aceptar las tres primeras
alternativas; x4 es igual a cero. El valor de la funcin objetivo es 190.
27
Solucin:
xj = 1 si el proyecto j es seleccionado
0 si el proyecto j no es seleccionado j = 1, 2, 3, 4, 5
x4 1
x5 1
xi 0 y enteras (j = 1,2,3,4,5)
Divisin de existencias
Estos son pedidos nicos. Cualquier rollo sobrante de tamao para el detalle
se venden con descuento, lo que provoca una prdida neta de S/. 1 por cada rollo
de 3 pulgadas, S/. 1.50 por cada rollo de 5 pulgadas y S/. 2 por cada rollo de 8
pulgadas. El desperdicio es reciclado a un costo neto de S/. 0.50 por pulgada. Como
gerente del departamento de produccin, se le ha pedido determinar cmo usar las
distintas monturas de la mquina cortadora para satisfacer la demanda especificada
para los rollos de tamao para veta al detalle, a la vez que se minimiza el costo total.
Solucin:
.
.
.
x8 = el nmero de rollos de 20 pulgadas a cortarse con la montura 8
Por ejemplo, cada corte de un rollo de 20 pulgadas con la primera montura produce
un desperdicio de 2 pulgadas, como puede observarse en la Tabla N 4. Como se
cortan x1 de tales rollos,
Usando las variables de decisin y el desperdicio dado por cada montura de la Tabla
N 4 se tiene:
Pulgadas totales de desperdicio = 2x1 + 0x2 + 1x3 + 2x4 + 0x5 + 1x6 + 0x7 + 2x8
Nmero de rollos de 3 pulgadas producidos = 6x1 + 0x2 + 1x3 + 0x4 + 4x5 + 2x6 + 5x7 + 1x8
N de rollos de 3 pulg. sobreproducidos = (6x1 + 0x2 + 1x3 + 0x4 + 4x5 + 2x6 + 5x7 + 1x8) 1050
Una restriccin de demanda apropiada para los rollos de 3 pulgadas asegurar que
la cantidad sobreproducida sea no negativa. Cada rollo de 3 pulgadas
sobreproducido tiene como resultado un costo de S/. 1; as:
Min z = 7x1 + 6x2 + 5.5x3 + 6x4 + 6x5 + 6x6 + 6.5x7 + 6.5x8 12225
Min. z = 7x1 + 6x2 + 5.5x3 + 6x4 + 6x5 + 6x6 + 6.5x7 + 6.5x8 12225
s.a.
Restricciones de demanda
6x1 + 0x2 + 1x3 + 0x4 + 4x5 + 2x6 + 5x7 + 1x8 1050 (rollos de 3 pulgadas)
0x1 + 4x2 + 0x3 + 2x4 + 0x5 + 1x6 + 1x7 + 3x8 2050 (rollos de 5 pulgadas)
0x1 + 0x2 + 2x3 + 1x4 + 1x5 + 1x6 + 0x7 + 0x8 4050 (rollos de 8 pulgadas)
Restricciones lgicas
x1 , x2 , x3 , x4 , x5 , x6 , x7 , x8 0 y enteras
Problema de ubicacin
o clientes. Una decisin estratgica que debe tomar un gerente moderno se refiere a
cuntas plantas y/o almacenes tener y donde ubicarlos, todo lo cual requiere una
inversin de capital sustancial y costos fijos. En este caso, un modelo de
programacin entera a menudo puede ayudar a determinar el plan que de como
resultado el mnimo costo total.
PLANTAS TIENDAS
LIMA TRUJILLO AREQUIPA HUANCAYO
Chiclayo 5 3 2 6
Cusco 4 7 8 10
Piura 6 5 3 8
Tacna 9 8 6 5
Solucin:
El problema requiere dos decisiones: una para determinar qu plantas
construir, y la otra para determinar el nmero de computadoras por enviar desde
cada planta construida a cada tienda detallista.
0 de otra forma
Tabla N 10: Cantidades enviadas desde cada planta a las diferentes tiendas
TIENDAS
PLANTAS LIMA TRUJILLO AREQUIPA HUANCAYO
Chiclayo x11 x12 x13 x14
Cuzco x21 x22 x23 x24
Piura x31 x32 x33 x34
Tacna x41 x42 x43 x44
donde:
Costos fijos = (costo fijo de la planta de Chiclayo) +
(costo fijo de la planta de Cuzco) +
(costo fijo de la planta de Piura) +
(costo fijo de la planta de Tacna)
RESTRICCIONES DE SUMINISTRO
Este nmero no debe exceder la capacidad de esta planta. Obsrvese que esta
planta puede producir hasta 1700 computadoras por mes si se construye, y 0
unidades caso contrario. Usando la variable de decisin 0 1y 1, esta capacidad es
1700y1. Por lo tanto, la restriccin de suministro para la planta de Chiclayo es:
En forma anloga, las restricciones de suministro para las otras tres plantas
de ensamblado son:
RESTRICCIONES DE DEMANDA
Como esta cantidad debe ser igual a la demanda de la tienda de 1700 unidades, la
restriccin de demanda en Lima es:
Las restricciones de demanda para las otras tres tiendas detallistas son:
34
RESTRICCIONES DE DEMANDA
RESTRICCIONES LOGICAS
COSTO DE CAPACIDAD
PROCESO COSTOS FIJOS PROCESO MAXIMA DIARIA
NUMERO ($) ($ /galn) (galones)
1 100 5 2,000
2 200 4 3,000
3 300 3 4,000
35
Solucin:
y1 = 1 si el proceso 1 es usado
0 si el proceso 1 no es usado
y2 = 1 si el proceso 2 es usado
0 si el proceso 2 no es usado
y3 = 1 si el proceso 3 es usado
0 si el proceso 3 no es usado
Las variables y1, y2 y y3 son variables 0/1.
Minimizacin de costos
diaria de cada lnea y los correspondientes costos fijos se dan en la tabla siguiente.
La HPE tiene un propsito de demanda de 30,000 calculadoras por da. La gerencia
de la HPE desea un plan de promocin que minimice los costos y que especifique
cules lneas van a ser usadas y con qu capacidades, para satisfacer la demanda
mnima diaria de 30,000 calculadoras.
COSTO DE
LINEA DE COSTOS FIJOS ENSAMBLE POR CANTIDAD
ENSAMBLE (dlares por da) CALCULADORA MAXIMA
(dlares)
A 5,000 6 10,000
B 6,000 4 20,000
C 1,000 7 25,000
D 7,000 3 15,000
Solucin:
y1 1
y2 1
y3 1
y4 1
x1, x2 , x3 , x4, y1, y2, y3, y4 enteros (no-negativos)
ACTIVIDAD 1
En un PLE
a) pasando por alto las condiciones de integralidad, todas las funciones de
restriccin son lineales
b) todas las variables de decisin son enteras
c) todas la variables de decisin deben ser no negativas
d) todo lo anterior
En un PLEM
a) la funcin objetivo es lineal
b) todas las variables de decisin deben ser enteras
c) algunos coeficientes deben ser enteros, otros no
d) todo lo anterior
La relajacin de un PL en un PLE
a) permite una funcin objetivo no lineal
b) pasa por alto las restricciones de integralidad de las variables de
decisin
c) relaja las restricciones de no negatividad de las variables de decisin
d) todo lo anterior
PRODUCTO A PRODUCTO B
Produccin Costo Produccin Costo
(unidades) unitario (unidades) unitario
0-50 $ 10 0-40 $7
50-10 8 40-100 3
VALOR PRESENTE
PROYECTO NETO DESEMBOLSOS
NUMERO (miles de $) REQUERIDOS
Ao 1 Ao 2 Ao 3
1 50 $ 10 $ 15 $ 10
2 40 20 10 5
3 30 10 15 10
4 40 20 10 5
5 50 10 15 10
6 60 20 10 5
Presupuesto estimado 90 80 50
40
Indicadores de logro:
xj 0 j= 1,2,3, ....., n
La Programacin Geomtrica:
i> indica que la i-esima restriccin es equivalente a xki = 0 donde xki es la i-esima
variable de holgura.
42
s.a.
9 x12 4 x1 7
3x12 4 x1 x 2 15 x 22 20 x1 13 x 2 14
Estas funciones son la suma de los trminos que incluyen los cuadrados de
las variables (por ejemplo, 3x12 ), productos cruzados (por ejemplo, 4 x1 x 2 ),
funciones lineales (por ejemplo, 20x1 ) y constantes (por ejemplo, 14). En general
una funcin cuadrtica en N variables se puede escribir bajo la forma
N N 1 N N
Ax
i 1
i
2
i
i 1
B
j i 1
ij xi x j C i xi D
i 1
Puede observarse que cuando todos los coeficientes Ai y Bij son cero
entonces la funcin es lineal. Por consiguiente, una funcin lineal es un caso
especial de una funcin cuadrtica.
Ejemplo numrico:
Min z = ( x1 6) 2 ( x 2 8) 2
s.a.
x1 7
x2 5
x1 2 x 2 12
x1 x 2 9
x1 , x 2 0
s.a.
Solucin grafica
Min z = ( x1 6) 2 ( x 2 8) 2
s.a.
x1 7
x2 5
x1 2 x 2 12
x1 x 2 9
x1 , x 2 0
Ejercicios:
3) Min. z = 2 x12 2 x 22 6 x1 2 x1 x 2
s.a.
x1 x 2 2
x1 , x 2 0
4) Min. z = 10 x1 20 x 2 x1 x 2 2 x12 2 x 22
s.a.
48
x 2 x3 8
x1 x 2 x 4 10
xi 0 i=1,2,3,4
Seleccin de Cartera
Supngase que:
2
1 n
Rit Ri
n t 1
Estimacin de la covarianza de los
rendimientos para los activos i y j =
1 n
Rit Ri Rtj R j
n t 1
Definimos:
Observacin:
Cuando se permite que una cartera est integrada por ms de tres activos el
rendimiento esperado se define como:
n
X R
i 1
i i
X
i 1
i i2 2 X i X j ij
2
i 1 j i 1
Definicin de rendimiento
Rendimiento promedio
Solucin:
Variable Value Profit c(j) Contribution Slack Status Min. c(j) Max. c(j)
ACTIVIDAD 2
a. s 2j
b. xi x j
c. x i2 .x j
d. 9 xi
Min. z = 10 x1 20 x 2 x1 x 2 2 x12 2 x 22
56
s.a.
x 2 x3 8
x1 x 2 x 4 10
xi 0 i=1,2,3,4
Se pide:
A B C
A 0.01
B 0.001 0.04
B 0.001 -0.04 0.08
Indicadores de logro:
57
3.1 Introduccin
Sin embargo esto pude agrandar mucho el tamao del problema. Surge as
Programacin Dinmica (PD) como una alternativa de descomposicin en que
resolvemos subproblemas ms pequeos y luego los ligamos. As, la programacin
dinmica consiste en solucionar un problema suponiendo que en cada etapa futura
siempre se tomaran las decisiones correctas.
La programacin dinmica es un enfoque general para la solucin de
problemas en los que es necesario tomar decisiones en etapas sucesivas.
Las decisiones tomadas en una etapa condicionan la evolucin futura del sistema,
afectando a las situaciones en las que el sistema se encontrar en el futuro
(denominadas estados), y a las decisiones que se plantearn en el futuro.
Ejemplo 1:
Considrese el grfico que contempla las rutas posibles para ir desde la ciudad 1
hasta la ciudad 10. Cada nodo representa una ciudad y los arcos la infraestructura
vial disponible. La tabla recoge el costo asociado al desplazamiento entre cada
par de nodos para cada una de las etapas. Supondremos que todos
los
desplazamientos tienen la misma duracin, y que el viaje ha de realizarse en
cuatro etapas. Cada una de ellas se corresponde con un nico
desplazamiento
entre un par de nodos del grafo, as al finalizar la primera etapa estaremos en una
de las ciudades 2, 3 4. La segunda etapa finalizar en la ciudad 5, la nmero 6
la nmero7. La tercera jornada nos llevar a la ciudad 8 o a la nmero 9. La cuarta
etapa permite finalizar el viaje en la ciudad 10.
2 5
8
1 3 6 10
9
4 7
2 3 4 5 6 7 8 9 10
1 2 4 3 2 7 4 6 5 1 4 8 3
3 3 2 4 6 6 3 9 4
4 4 1 5 7 3 3
La funcin recursiva: Dados unos nodos y unos arcos que conectan estos
nodos, el problema de la diligencia intenta encontrar la ruta ms corta que conecta
un nodo de arranque con el nodo final (el destino).
f(n,s) = mnimo [C(s,j) + f(n-1,j)] para todos los arcos ( s,j) en la red
Identifica el
nodo de
inicio
Identifica el
nodo fin
Ejemplo 2:
La solucin es:
3.3.5 Programacin de produccin e inventarios
Sea:
Las cantidades a producir mostradas en la tabla son de tal forma que permiten
un costo mnimo en la planeacin: se deben producir 5, 4, 3 y 4 unidades para los
meses de enero, febrero, marzo y abril respectivamente. El costo total es de
$7080, dividido en $2050 por concepto de costos de preparacin y $5030 de
costos variables. La tabla tambin muestra el juego de inventarios resultante de la
produccin y la demanda mensuales.
ACTIVIDAD 3:
1. Suponga que se desea seleccionar la ruta ms corta entre las ciudades O y T. La red
a continuacin muestra las rutas posibles entre ambas ciudades, las cuales cruzan
por las ciudades intermedias A-E.
A 12
D
7
8 9
8
T
O B 7
9 6
5
C 13 E
2. Imaginemos un excursionista que se dispone a llenar su mochila antes de un viaje.
Para ello ha de seleccionar algunos objetos de entre un conjunto N = {1,2, . . . ,n} de
objetos posibles, donde suponemos que hay una unidad de cada objeto. El objeto i
N pesa ai kgs., y el excursionista ha fijado un limite de b kgs. en el peso que esta
dispuesto a llevar a la espalda en la mochila. Por otra parte, cada objeto i N tiene
para el mochilero un valor ci. El problema que se plantea es: Cual es la seleccin
optima de objetos para llevar en la mochila?
Como se puede imaginar, pocos excursionistas han usado tal modelo. Sin embargo, si
se cambian las palabras excursionista por empresa, objeto por proyecto, y
mochila por cartera (de proyectos), se obtiene un modelo de seleccin ptima de
proyectos que si resulta de inters aplicado. Adems de esta, se han encontrado
multitud de aplicaciones para el problema de la mochila, reinterpretando el modelo
con imaginacin en distintos contextos.
Para el caso prctico, considere n = 5 objetos y los datos: b = 178; a = (a i) = (79, 53,
53, 45, 45) y c = (ci) = (2, 5, 5, 1, 8). Halle la solucin ptima.
Indicadores de logro:
4.1 Introduccin
Sistema de reaprovisionamiento
La demanda ocurre a una tasa D (por unidad de tiempo), el nivel ms alto del
inventario ocurre cuando se entrega la cantidad ordenada, la demora en la entrega
se supone una constante conocida. Mientras ms pequea es la cantidad ordenada,
ms frecuente ser la colocacin de nuevos pedidos, sin embargo se reducir el
nivel del inventario (promedio) mantenido en la bodega. Por otro lado, pedidos de
mayor cantidad implica un nivel de inventario mayor, pero colocaciones menos
frecuente de pedidos.
Ejemplo: Sea $24 el costo de realizar un pedido, con una demanda semanal
de 120 artculos, el costo de una unidad $100 y los costos de mantener stock un
24%. Determine el EOQ. En la prctica, la mayora de las veces, se tiene un mayor
tiempo de fabricacin o de retraso, desde el instante en que se coloca una orden
hasta que ella es realmente entregada, en consecuencia, en el modelo la poltica de
pedidos debe especificar con claridad en punto de reordenamiento o reposicin, este
debe ocurrir cuando queden L unidades de tiempo previo a la entrega, como lo
muestra la figura N 6.
Ejemplo 1:
Cada orden por ms unidades cuesta $5 y el costo de almacenaje por unidad por
ao es de $4.
Grficos resultantes
Podremos tambin realizar un anlisis grfico de los costos de este
sistema activando la opcin Anlisis grfico de los costos (Graphic Cost Analysis)
en el men Resultados (Results):
Ejemplo 2:
El problema nos pide trabajar con una demanda con comportamiento normal:
ACTIVIDAD 4:
1) Un costo de pedidos fijo de $100 para cubrir los costos de colocar cada
pedido, pagar los cargos de entrega, etc.
2) Un costo de compra de $20 por pelcula sin descuento de cantidad.
3) Una tasa de transferencia de 30% por ao (es decir, i = 0.30) para reflejar el
costo de almacenar la pelcula en un rea especial, as como el costo de
oportunidad del dinero invertido en el inventario ocioso.
Indicadores de logro:
Introduccin
5.3.1 Origen
Canal
Mecanismo de Servicio
Llegada de un Cola
Cliente
Fuente de Entrada
Disciplina de la Cola
Servicio
Sistema de la Cola
Un modelo de sistema de colas debe especificar la distribucin de
probabilidad de los tiempos de servicio para cada servidor.
Notacin de Kendall
___/___/___
Terminologa
f(t)=(1/ ) e-*T
Ejemplo: Si los clientes llegan al banco con una rapidez promedio de =20
por hora y si un cliente acaba de llegar, entonces la probabilidad de que el siguiente
llegue dentro de los siguientes 10 minutos (es decir Y=1/6 de hora) es:
= 1 e-3.3333
= 1 0.036
= 0.964
Cualquier sistema de colas pasa por dos fases bsicas. Por ejemplo, cuando
el banco abre en la maana, no hay nadie en el sistema, de modo que el primer
cliente es atendido de forma inmediata. Conforme van llegando ms clientes,
lentamente se va formando la cola y la cantidad de tiempo que tienen que esperar
se empieza a aumentar. A medida que avanza el da, el sistema llega a una
condicin en la que el efecto de la falta inicial de clientes ha sido eliminado y el
tiempo de espera de cada cliente ha alcanzado niveles bastante estables.
de modo que:
L = * W
de manera que:
Lq = * Wq
Resumen:
5.4 Anlisis de un sistema de colas de un solo canal de una sola lnea con
llegada exponencial y procesos de servicio (M/M/1)
Para que este sistema alcance una condicin de estado estable, la tasa de
servicio promedio, , debe ser mayor que la tasa de llegadas promedio, . Si ste no
fuera el caso, la cola del sistema continuar creciendo debido a que, en promedio,
llegaran ms clientes que los que pueden ser atendidos por unidad de tiempo.
El gerente de operaciones siente que el sistema actual cumple con las cuatro
condiciones presentadas anteriormente. Su siguiente paso es estimar las tasas
promedio de llegada y de servicio en dicha estacin. De los datos disponibles,
suponga que la gerencia determina que los valores son:
= / = 60/66 = 0.9091
Mientras ms cerca est de 1, ms cargado estar el sistema, lo cual tiene como
resultado colas ms largas y tiempos de espera ms grandes.
P0 = 1 = 1 0.9091 = 0.0909
Wq = Lq / = 9.0909 / 60 = 0.1515
Este valor indica que, en promedio, un camin tiene que esperar 0.1515
horas, aproximadamente 9 minutos, en la fila antes de que empiece el
proceso de pesado.
L = * W = 60 * 0.1667 = 10
pw = 1 - P0 = = 0.9091
Este valor indica que aproximadamente 91% del tiempo un camin que
llega tiene que esperar.
7. Probabilidad de que haya n clientes en el sistema (Pn)
Pn = n * P0
n Pn
0 0.0909
1 0.0826
2 0.0751
3 0.0683
. .
. .
. .
8. Utilizacin (U)
U = = 0.9091
Este valor indica que aproximadamente 91% del tiempo las instalaciones
de pesado estn en uso (un camin est siendo pesado). De manera
equivalente, aproximadamente 9% del tiempo la estacin est sin
funcionar, sin que haya camiones que se estn pesando.
Las primeras tres lneas del primer cuadro muestran los datos de entrada.
Especficamente, este sistema consiste en un servidor, con tasa de llegada de 70
camiones por hora, y una tasa de servicio de 73 camiones por hora.
Basndose en estos resultados, la gerencia del MTC encuentra que tal nivel
de rendimiento es inaceptable. No solo porque los conductores se quejarn del
hecho de tener que tardar 20 minutos en el sistema, sino tambin porque la longitud
de cola esperada de 22 camiones excede con mucho la capacidad disponible de 15,
lo cual podra tener como consecuencia un posible accidente en la autopista.
Para obtener niveles de rendimiento aceptables, se ha propuesto otra
alternativa, a saber, la construccin de una segunda bscula al otro lado de la
estacin de pesado. Utilizando el personal actual para que opere ambas bsculas,
las estimaciones de la gerencia tendrn como resultado una capacidad de peso de
aproximadamente 40 camiones por hora en cada bscula.
5.5 Anlisis de un sistema de colas de canal mltiple de una sola lnea con
llegada exponencial y procesos de servicio (M/M/s)
S = 2 servidores
= 70 camiones por hora
= 40 camiones por hora cada bscula
El valor de s* = 2 *40 = 80, es mayor que el de = 70, de modo que se puede llevar
a cabo un anlisis de estado estable para este sistema.
= / = 70 / 40 = 1.75
En trminos de , y , las medidas de rendimiento para el problema del
MTC se calculan de la manera siguiente:
1
P0 = s
s 1 n s
n! s! * s
n0
donde
s 1
n 0 1 s 1
n 0 n!
0! 1!
...
( s 1)!
s 1
n (1.75) 0 (1.75)1
n 0 n!
0!
1!
= 1 + 1.75 = 2.75
s s (1.75) 2 2
* 1.53125 * 8 12.25
n! s 2! 2 1.75
1 1
P0 0.06667
2.75 12.25 15
s 1 1 (1.75)3 1
Lq * * P * * 0.06667
( s 1)! ( s )
0
2
1! (2 1.75) 2
Lq 5.7167
Wq 0.081667
70
Este valor indica que en promedio, un camin tiene que esperar 0.0817
horas, aproximadamente 5 minutos, en la fila antes de iniciar el proceso
de pesado.
4. Tiempo promedio de espera en el sistema (W)
1 1
W Wq 0.081667 0.081667 0.025 0.10667
40
Este valor indica que en promedio, un camin tiene que esperar 0.10667
horas, aproximadamente 7 minutos, desde que llega hasta que sale de la
estacin.
L * W 70 * 0.10667 7.4667
Este valor indica que, en promedio, se tienen entre siete y ocho camiones
esperando en la estacin, ya sea en la bscula o en espera de ser
atendidos.
1 s 1 2
pw *s * * P0 * (1.75) 2 * * 0.06667
s! s 2! 2 1.75
Este valor indica que aproximadamente 82% de las veces un camin que
llega tiene que esperar o, de manera equivalente, aproximadamente 18%
de las veces un camin que llega es pesado sin que tenga que esperar.
n
Pn * P0
n!
n Pn
0 0.06667
1 0.11667
2 0.10210
Si n > s
n
Pn * P0
( s!) s n s
n Pn
3 0.08932
4 0.07816
. .
. .
. .
8. Utilizacin (U)
s 1 s 2 1
U 1 P0 P1 P2 ... Ps 1
s s s
1
1 P0 P1 1 0.06667 (0.5 * 0.11667) 1 0.125 0.875
2
Este valor indica que cada bscula est ocupada 87% del tiempo.
ACTIVIDAD 5:
1. Suponga que un cajero bancario puede atender a los clientes a una velocidad
promedio de diez clientes por hora ( = 10). Adems, suponga que los clientes
llegan a la ventanilla del cajero a una tasa promedio de 7 por hora ( = 7). Se
considera que las llegadas siguen la distribucin exponencial. En la condicin
uniforme del sistema de colas, cules son las caractersticas de desempeo?
(calcule las medidas de rendimiento y luego interprtelos).
4. Para el problema de colas Plus Gas and Electric Company, el nmero promedio
de llamadas que llegan ha aumentado a 80 por hora. Actualmente, la compaa
tiene un personal de seis representantes, cada uno de los cuales puede atender
aproximadamente 15 llamadas por hora. La gerencia est considerando la
probabilidad de dividir a los representantes en dos grupos iguales: uno para que
atienda las llamadas de problemas relacionados con gas y el otro para que se
centre en la atencin a los problemas sobre electricidad. Los asesores estiman
que este planteamiento permitira alos representantes de cada grupo aumentar
su eficiencia en 20%. Suponga que las llamdas que llegan tienen la misma
probabilidad de estar referidas a problemas de gas que a problemas de
electricidad. Para aproximar este propsitos como dos colas M/M/s, cul es
una tasa razonable de llegadas para las llamadas que se reciben en cada uno
de los dos grupos?.
UNIDAD 6: SIMULACION
Indicadores de logro:
Introduccin
Una definicin ms formal formulada por R.E. Shannon es: "La simulacin es
el proceso de disear un modelo de un sistema real y llevar a trmino experiencias
con l, con la finalidad de comprender el comportamiento del sistema o evaluar
nuevas estrategias -dentro de los limites impuestos por un cierto criterio o un
conjunto de ellos - para el funcionamiento del sistema".
Para tener una definicin exacta del sistema que se desea simular, es
necesario hacer primeramente un anlisis preliminar de ste, con el fin de determinar
la interaccin con otros sistemas, las restricciones del sistema, las variables que
interactan dentro del sistema y sus interrelaciones, las medidas de efectividad que
se van a utilizar para definir y estudiar el sistema y los resultados que se esperan
obtener del estudio.
Una vez definidos con exactitud los resultados que se esperan obtener del
estudio, se define y construye el modelo con el cual se obtendrn los resultados
deseados. En la formulacin del modelo es necesario definir todas las variables que
forman parte de l, sus relaciones lgicas y los diagramas de flujo que describan en
forma completa el modelo.
Coleccin de datos
Es importante que se definan con claridad y exactitud los datos que el modelo
va a requerir para producir los resultados deseados.
Validacin
Interpretacin
Documentacin
Dos tipos de documentacin son requeridos para hacer un mejor uso del
modelo de simulacin. La primera se refiere a la documentacin del tipo tcnico y la
segunda se refiere al manual del usuario, con el cual se facilita la interaccin y el uso
del modelo desarrollado.
En el rea de las ciencias son de gran ayuda ya que los estudiantes relacionan
conceptos abstractos con reales (el choque de molculas) y tambin ayuda en el
sentido de los recursos ya que solo se tiene que disponer con un par de
computadores y no con todo el aparataje de un laboratorio entero.
Ejemplo 1:
Un banco posee dos cajeros (Pedro y Juan) los cuales atienden a un cliente en un
promedio de 15 minutos con una desviacin de 0.01. Los clientes llegan a una
tasa de uno cada 10 minutos y hacen una sola cola cuya capacidad es de mximo
15 clientes. Se considera que la llegada de los clientes se comporta de forma muy
similar a una distribucin tipo Poisson y los cajeros con una distribucin normal.
Simular con 100 minutos de tiempo el modelo anterior.
Pedro
Capacidad: 15
personas en fila
Juan
Tasa de Atencin:
0.067 cliente /
Tasa de llegada:
minuto
0.1 cliente / minuto
Podemos observar que existen tres actores principales:
Hay que considerar que los bancos emplean un sistema de espera de tipo
PEPS (FIFO First In First Out), es decir, los primeros clientes en entrar
sern los primeros en ser atendidos.
Clientes/Normal/0.06667/0.01
Beta (Beta)
Binomial (Binomial)
Constante (Constant)
Discreta (Discrete)
Erlang (Erlang)
Exponencial (Exponential)
Gamma (Gamma)
Hypergeomtrica (Hypergeometric)
Laplace (Laplace)
Normal (Normal)
Pareto (Pareto)
Poisson (Poisson)
Funcin de poder (Power Function)
Triangular (Triangular)
Uniforme (Uniform)
Weibull (Weibull)
Poisson/0.1
El problema quedara:
Cada tarjeta de lotera contiene tres filas. En cada rengln, hay dos casillas,
una de las cuales tiene un valor oculto de S/. 1 y la otra de S/. 5. El jugador
raspa cualquier casilla de cada rengln para descubrir el valor asociado en
nuevos soles. Si los tres nmeros ocultos son iguales, el jugador gana esa
cantidad, Antes de comprometer a la institucin en este juego e imprimir una
gran cantidad de tarjetas, usted, como Gerente de la Comisin de la TINKA,
desea evaluar la factibilidad econmica del juego. Entre las preguntas que
debe contestar est la siguiente: Cul es la mnima cantidad que se puede
cobrar por cada tarjeta y todava esperar tener una ganancia?.
3. Mega Centro es una tienda que compra videos de estreno a S/. 25 la copia, los
renta en S/. 3 al da y despus de un mes los vende a otra tienda en S/. 5 la
copia. Basndote en datos anteriores, la tienda ha estimado las siguientes
probabilidades de demanda diaria para cada pelcula:
http://www.eumed.net/
www.gestiopolis.com
www.monografias.com
http://es.wikipedia.org/
NDICE
Pg.
PRESENTACION
BIBLIOGRAFA. 110