Académique Documents
Professionnel Documents
Culture Documents
TEMA 1: INTRODUCCIÓN
El área de Métodos Cuantitativos para la Toma de Decisiones tiene como base el método
científico para investigar y ayudar a tomar decisiones sobre problemas complejos de las
organizaciones de hoy en día.
- Definición de un problema:
➢ Puntos de vista en conflicto
➢ Interacción con otros problemas
➢ Supuestos iniciales
➢ Problema evoluciona
- Desarrollo solución
➢ Matemáticas difíciles de comprender
➢ Respuesta única (vs gama de opciones)
➢ Prueba de solución
PROPIEDADES
COMPONENTES DE PL:
METODOLOGÍA DE PL:
EJEMPLO
MIN Z= X1 + X2 + X3 + X4 + X5 + X6
Restricciones X6 + X1 ≥ 9
X1 + X2 ≥ 8 PASAR EL PROBLEMA A LA HOJA
X2 + X3 ≥ 3 DE CÁLCULO.
X3 + X4 ≥ 7 RESOLVER CON SOLVER
X4 + X5 ≥ 5
X5 + X6 ≥ 4
Xj ≥ 0, j= 1,...,6.
- Operaciones
- Marketing
- Finanzas
- RRHH
- Logística
TEMA 4: MODELOS DE TRANSPORTE Y ASIGNACIÓN
MODELO DE TRANSPORTES:
Cómo distribuir los productos minimizando los costes totales de transporte.
EJEMPLO:
• m = nº de almacenes (orígenes)
• n= nº de tiendas (destinos)
• ai = nº de unidades disponibles en el origen i
• bj = nº de unidades demandadas en el destino j
• cij = coste de transporte de una unidad desde el origen i hasta el destino j
MODELO DE ASIGNACIÓN:
EJEMPLO: Cuantos trabajos pueden ser realizados por las cuatro máquinas de
un taller. Las horas requeridas por cada trabajo en cada máquina se presentan
en la tabla siguiente. El supervisor dela planta desea asignar los trabajos de
modo que el tiempo total de producción sea el mínimo. Determine la mejor
asignación.
Solución:
El trabajo 1 es asignado a la máquina 1 SOLVER (PONER 0)
El trabajo 2 es asignado a la máquina 4
El trabajo 3 es asignado a la máquina 3
El trabajo 4 es asignado a la máquina 2
PROBLEMA DE TRANSBORDO:
Variables de decisión:
Restricciones:
MINIMIZAR EL COSTE TOTAL = 4T1 + 7T2 + 5D1 + 7D2 + 6C1 + 4C2 + 5C3 + 2B1 + 3B2 + 4B3
SUJETO A:
1. ALGORITMO SIMPLEX:
- Obtener una solución inicial del problema relajado. (Prob. Relajado = variable
continuas)
- Si las variables especificadas como enteras tienen valores enteros SOLUCIÓN
ÓPTIMA
- En caso contrario: Aplicar Algoritmo de Bifurcación y Acotamiento (ABA)
3. CADA SUB-PROBLEMA:
- Método Simplex
- Se verifica si la solución es entera
(Sí, solución óptima para sub-problema/ No, se vuelva a bifurcar)
- El proceso se realiza en todas las ramificaciones del árbol.
- Modelos de p-mediana
- Modelos de cobertura
- Modelos de localización con capacidades
MODELOS DE P-MEDIANA
Localización de p centros/locales para servir una determinada población.
¿Cuál es la mejor ubicación de estos centros?
▪ Minimizando costes de transporte
▪ Minimización de tiempos/distancias
▪ Etc…
EJEMPLO: Problema de localización de p servicios
Considera que tenemos que ubicar 3 escuelas para servir 9 distritos. Todos
los distritos deben estar asignados a una escuela. Los tiempos de traslado
están indicados en la tabla siguiente:
¿Cuál es el número mínimo de centros que tenemos que abrir en una red de forma que
se cubra toda la demanda (la población dentro de un tiempo estándar?
- Datos:
✓ m = número de centros potenciales
✓ n= número de poblaciones a cubrir
✓ dij = distancia entre el centro i y la población j
✓ Dmax = Distancia máxima entre cualquier centro y población permitida
Considera que tenemos 5 potenciales ubicaciones para los laboratorios que deben servir 10
centros de extracción.
Todos los centros deben estar asignados a un laboratorio.
Los costes de traslado están indicados en la tabla siguiente:
- Datos:
✓ m = número de laboratorios potenciales
✓ n = número de centros de extracción
✓ cij = coste de asignar el centro i al laboratorio j
✓ fj = coste de abrir el laboratorio en j
✓ di = demanda del centro i
✓ qj = capacidad máxima del laboratorio en j
La mayor parte de los problemas de optimización del mundo real son naturalmente multiobjetivo.
Suele tener dos o más funciones objetivo que deben satisfacerse simultáneamente y que
posiblemente están en conflicto entre si.
MÉTODOS DE RESOLUCIÓN:
- Se debe establecer una jerarquía de importancia, de modo que las metas de mayor
prioridad se satisfagan antes que aquellas de menor importancia
- No siempre es posible alcanzar las metas de forma satisfactoria, y la programación
por metas intenta alcanzar un nivel satisfactorio de objetivos múltiples.
- La diferencia principal se encuentra en la función objetivo de la programación de
metas, que trata de minimizar las desviaciones entre las metas y lo que se puede
lograr realmente dentro de las restricciones dadas.
CARACTERÍSTICAS:
PASOS:
2. Crear las variables de desvío di+ o di- para cada meta: una para representar la
cantidad en la que la meta se pasa del valor especificado y otra para representar la
cantidad que está por debajo.
➢ Los valores de di+ y di- son >=0. Al menos una de las dos variables tendrá que ser 0.
➢ di+ y di- tomarán el valor 0 cuando la meta alcance exactamente su nivel de
aspiración
➢ di+ o di- se dice que no es deseada cuando al centro decisor le conviene que la
variable en cuestión alcance su valor más pequeño, es decir, 0.
4. Usar las restricciones originales y añadir una nueva restricción por cada meta usando
di* y di-
Optimización por metas:
EJEMPLO: Harrison Electric Company produce dos productos: CANDELABROS y
VENTILADORES DE TECHO. Ambos requieren un proceso de producción de dos pasos que
implican cableado eléctrico y ensamble.
- 2 horas para cablear cada candelabro y 3 horas para un ventilador
- Ensamble candelabros requiere 6 horas y ensamble ventilador requiere 5 horas.
- La capacidad de producción disponible es de 12h para el cableado y 30h para el
ensamble.
ASIGNAR
PRIORIDADES
TEMA 8: MODELOS EN REDES
TERMINOLOGÍA DE REDES:
(MIRAR PDF)