El documento describe los conceptos fundamentales de la investigación operativa y su aplicación en la toma de decisiones. Explica que la IO involucra la aplicación de modelos matemáticos para resolver problemas de administración y ayudar a los gerentes en la toma de decisiones óptimas considerando restricciones de recursos. También describe los diferentes tipos de modelos matemáticos y sus usos en la formulación y solución de problemas de decisión.
El documento describe los conceptos fundamentales de la investigación operativa y su aplicación en la toma de decisiones. Explica que la IO involucra la aplicación de modelos matemáticos para resolver problemas de administración y ayudar a los gerentes en la toma de decisiones óptimas considerando restricciones de recursos. También describe los diferentes tipos de modelos matemáticos y sus usos en la formulación y solución de problemas de decisión.
El documento describe los conceptos fundamentales de la investigación operativa y su aplicación en la toma de decisiones. Explica que la IO involucra la aplicación de modelos matemáticos para resolver problemas de administración y ayudar a los gerentes en la toma de decisiones óptimas considerando restricciones de recursos. También describe los diferentes tipos de modelos matemáticos y sus usos en la formulación y solución de problemas de decisión.
Para qu sirve la Investigacin Operativa? Aplicar modelos matemticos en la resolucin de algunos problemas de administracin. La I.O. puede ser til para un Gerente General o un Administrador en potencia en la toma de decisiones La finalidad del curso es que al finalizarlo el alumno pueda formular modelos matemticos, resolver esos modelos y saber como usarlos para enfrentar algunos de los problemas reales de la administracin. La I.O en la Toma de Decisiones La I.O. aspira a determinar el mejor curso de accin en un problema de decisin con restriccin de recursos. Cientficos britnicos fueron los precursores de las primeras actividades de I.O., esto fue para la asignacin ptima del material de guerra en la II Guerra Mundial. La Investigacin Operativa es una ciencia y un arte. Toma de Decisiones La I.O. es una ciencia porque ofrece tcnicas y algoritmos matemticos para resolver problemas de decisin adecuados. La I.O. es un arte debido a que el xito al obtener datos al principio y la implantacin despus de la creacin del modelo depende de la creatividad y habilidad personal de los analistas encargados de tomar las decisiones. Elementos de un Modelo de Decisin Un modelo de decisin es un medio para resumir un problema real de tal modo que permita la identificacin y evaluacin de todas las opciones de decisin del problema.
Representacin por medio de modelos El proceso de la toma de decisiones en I.O. consiste en la construccin de un modelo de decisin y despus en encontrar su solucin con el fin de determinar la decisin ptima. El modelo se define como una funcin objetivo y restricciones que se expresan en trminos de las variables de decisin del problema. Representacin por medio de modelos Aunque en una situacin real pueden haber muchas variables y restricciones, solo una pequea parte de ellas dominan el comportamiento del sistema real, por lo tanto la construccin del modelo debe centrarse en el uso de esas variables y restricciones dominantes y en algn dato extra que se considere importante.
Representacin por medio de modelos Cuando se crea un modelo se debe observar la situacin real y a partir de ah crear un Sistema Real Supuesto que es una abstraccin de la situacin real que se obtiene al concentrarnos en los factores dominantes. Finalmente se crea el modelo que viene a ser la abstraccin del Sistema Real Supuesto que identifica las relaciones pertinentes del sistema en la forma de una funcin objetivo y un conjunto de restricciones
Representacin por medio de modelos Sistema real supuesto Modelo Sistema real Tipos de Modelos de Investigacin de Operaciones Entonces en la aplicacin de la I.O a un problema, primero se construye el modelo y luego se le debe dar solucin, pero existen diversos tipos de modelos y por lo tanto un nmero correspondiente de formas de solucionarlos. Por eso existen: modelos de Programacin Lineal, entera, dinmica y no lineal que representan algoritmos para resolver clases especiales de modelos de I.O. Tipos de Modelos de Investigacin de Operaciones Modelo matemtico: Es cuando la funcin objetivo y las restricciones del modelo se pueden expresar de forma matemtica. Modelos de simulacin: Divide a un sistema en mdulos que despus se enlazan va relaciones lgicas (Ej. Si- Entonces) y tambin se requiere cierto conocimiento estadstico para el correcto modelado. La simulacin es mas flexible que un modelo matemtico pero resulta muy costoso en tiempo y recursos. Modelos matemticos Adems los modelos matemticos podemos subdividirlos en: Continuos, Discretos, Lineales y No lineales. Los modelos continuos emplean distribuciones de probabilidad. Los modelos discretos se hacen en intervalos de tiempo determinados. Los modelos lineales trabajan con funciones lineales. Los modelos no lineales utilizan funciones no lineales
Modelos matemticos Los modelos matemticos tambin pueden ser: Estticos: Cuando sus atributos no muestran variacin en el tiempo. Dinmicos: Permiten observar el comportamiento del sistema a travs del tiempo. Disponibilidad de datos en los modelos Modelo Determinstico: Es cuando se conocen con certeza los datos para crear los modelos, como podran ser por ejemplo costos unitarios. Modelo Probabilstico: Se determinan los datos por distribuciones de probabilidad. Este tipo de modelo se conocen tambin como modelos estocsticos. Clculos en Investigacin de Operaciones Se dan dos tipos de clculos: Los que tienen que ver con la simulacin: Los clculos son muy voluminosos y consumen mucho tiempo incluso en computadora. Los que tienen que ver con los modelos matemticos: Aqu son de naturaleza interactiva, la respuesta se da en pasos e iteraciones, mientras mas iteraciones nos acercaremos (o se converge) al nivel ptimo.
Clculos en Investigacin de Operaciones Cuando se trabaja con modelos matemticos existen ciertas dificultades: Las iteraciones en un modelo matemtico que corre por computadora pueden ser infinitas sin llegar a la solucin ptima, por lo tanto en estos casos es mejor usar la simulacin. Algunos modelos matemticos pueden resultar tan complejos que es imposible idear un algoritmo para solucionarlo, por lo que en estos casos se sugieren usar los modelos heursticos. Los mtodos heursticos son reglas o mtodos prcticos que conllevan a obtener una buena solucin. Clculos en Investigacin de Operaciones En I.O. los mtodos heursticos se emplean para dos fines: Aumentar la velocidad del proceso para alcanzar el nivel ptimo. Se utilizan simplemente para alcanzar una solucin que no tiene la garanta de ser la ptima. Modelo Racional en la Toma de decisiones En una decisin nadie puede tomar decisiones que afecten el pasado, las decisiones tienen que operar para el futuro. En la mayora de los casos no se pueden analizar todas las alternativas incluso con tcnicas analticas y las computadoras mas modernas. Enfoques modernos en la toma de decisiones La toma de decisiones es tambin una ciencia aplicada de la investigacin operativa, y tiene importancia en los siguientes aspectos: Anlisis de riesgo: cada decisin se basa en la interaccin de variables importantes, por lo tanto hay que tener en cuenta variables crticas como: Costo de producto, inversin de capital, precio que se puede fijar,
Enfoques modernos en la toma de decisiones rboles de decisin: Presentan probabilidades existentes en los diversos cursos que se podran seguir. Teora de la referencia: Se basa en las actitudes de las personas encargadas de tomar decisiones con respecto a resultados con cierta probabilidad de xito Tipos de decisiones bsicas Decisiones rutinarias: Aquellas que se toman en respuesta a problemas conocidos. Decisiones de adaptacin: elecciones hechas para problemas desacostumbrados en los que hay que aplicar la mejora continua. Decisiones de innovacin: Donde a los problemas ambiguos se le enfrenta con creatividad. Decisiones programadas: Cunado existen reglas que me dicen que algo esta mal hecho por ejemplo y decido rechazarlo. Decisiones no programadas: Donde se requiere juicios subjetivos.
Circunstancias en la toma de decisiones Certidumbre: Identificar acontecimientos con un elevado grado de seguridad. Riesgo: Cuando la informacin es escasa y ambigua. Incertidumbre: Cuando no se dispone de la informacin necesaria. Fases de un modelo racional de toma de decisiones Definicin y diagnstico del problema. Establecimiento de objetivos. Bsqueda de soluciones alternas. Comparacin de las soluciones alternas. Eleccin entre las soluciones alternas. Instrumentacin de la solucin elegida. Seguimiento y control. Anlisis de los datos y la informacin Para tomar decisiones acertadas es mejor basarse en la objetividad de los datos que solo en la intuicin. Por lo general los resultados que se obtienen son datos fros que no son aceptados por el personal de una empresa (Temor al cambio). Se pueden seguir criterios analticos para obtener resultados en base a informacin perfecta. Principios de la Toma de decisiones Decisiones basadas en la informacin y el conocimiento. Aumentar la habilidad para demostrar la efectividad de las decisiones que se toman. Asegurarse que la informacin sea confiable. Hacer que los datos sean accesibles para el que lo necesite. Usar mtodos vlidos para el anlisis de los datos. Tomar decisiones basadas en el anlisis de hechos equilibradas con la experiencia y intuicin. Tcnicas de evaluacin para la toma de decisiones en grupo Tormenta de ideas Tcnica de grupo nominal: restringe la discusin , los miembros estn presentes pero operan independientemente. Tcnica de grupo delphi: Similar al grupo nominal pero no requiere la presencia fsica de los miembros. Reunin electrnica: Escriben sus comentarios en sus computadoras y estas se proyectan en una pantalla para toda una sala. Enfoque de sistemas de apoyo a la toma de decisiones (SAD) Estos sistemas no estn diseados para reemplazar el criterio administrativo, sino para apoyarlo y hacer mas efectivo el proceso de toma de decisiones. Estos sistemas ayudan a que los gerentes puedan reaccionar rpidamente a los cambios de necesidades.
Fases de un Estudio de Investigacin de Operaciones Un equipo de I.O. deber incluir a los miembros de la organizacin directamente responsables de las funciones donde existe el problema, as como para la ejecucin e implantacin de la solucin recomendada. Fases de un Estudio de Investigacin de Operaciones Las principales fases por las que pasa un estudio de I.O. son: 1. Definicin del problema. 2. Construccin del modelo 3. Solucin del modelo 4. Validacin del modelo 5. Implantacin de los resultados finales
1. Definicin del problema Abarca tres aspectos: a) Establecer una meta u objetivo del estudio b) Identificacin de las alternativas de decisin del sistema. c) Reconocer restricciones, requisitos y limitaciones en el sistema. 2. Construccin del modelo Se deber elegir el modelo mas adecuado para representar el sistema. Este modelo deber tener expresiones cuantitativas para el objetivo y restricciones del problema en funcin de sus variables de decisin. Aqu pues si planteo un modelo matemtico podr resolverlo mediante tcnicas matemticas. Si es muy complejo resolverlo as usar simulacin y en otros casos una solucin de tipo heurstica ser lo mejor 3. Solucin por el modelo Cuando se usan modelos matemticos y se alcanza su solucin esta es ptima. Si se usan modelos de simulacin o heursticos lo que se alcanza son soluciones aproximadas generalmente no son las ptimas. Adems de la solucin ptima se debe tener informacin adicional sobre el comportamiento de la solucin cuando se hacen cambios en los parmetros del sistema, esto se conoce como Anlisis de Sensibilidad.
4. Validacin del modelo Un modelo es vlido cuando puede dar una prediccin confiable del funcionamiento del sistema. Un mtodo para comprobar la validez de un modelo es comparar su funcionamiento con algunos datos pasados disponibles del sistema actual, si reproduce funcionamientos pasados quiere decir que es vlido, esto no se podr hacer en sistemas que no existen. 5. Implantacin Implica la traduccin de los resultados del modelo en instrucciones de operacin comprensibles para los individuos que operarn el sistema despus. En esta fase se pueden verificar las modificaciones o ajustes sugeridos por el personal de operacin para su factibilidad prctica. Programacin Lineal Es una tcnica mediante la cual se toman decisiones, reduciendo el problema a un modelo matemtico que deber ser resuelto por mtodos cuantitativos. Qu tipo de problemas puede manejar? Fundamentalmente trata de asignar recursos limitados entre actividades competitivas de manera ptima.
Programacin Lineal Al seleccionar una alternativa de solucin debe satisfacer varios criterios al mismo tiempo, estos los podemos dividir en dos categoras: restricciones y objetivo. Las restricciones son las condiciones que debe satisfacer una solucin. El objetivo es el resultado que hay que conseguir (Ej. Maximizar beneficios o minimizar costos). Programacin Lineal Algunas situaciones reales donde podra aplicarse la PL son: Un hospital debe planear que las comidas para los pacientes satisfagan restricciones sobre sabor, propiedades nutritivas, variedad, etc..al mismo tiempo que se trata de minimizar el costo. Un corredor financiero trata de maximizar el rendimiento sobre sus fondos pero sus posibles inversiones estn restringidas por leyes y polticas bancarias. Determinacin de rutas de vuelo. Mezclas de combustible. Supuestos de la Programacin Lineal La PL es una tcnica determinstica pues no incluye probabilidades. Se deben considerar la existencia de algunos supuestos par considerar usar la PL: Suposicin de recursos limitados: Si no hay esto no habra problema que resolver con PL. Suposicin de un objetivo explcito: Debe existir un objetivo claro como maximizar utilidades o minimizar costos. Supuestos de la Programacin Lineal Suposicin de proporcin: Ya que el objetivo es lineal , significa que todas las funciones del modelo son lineales por tanto hay lgica en los resultados y operaciones (Ej. Si lleva 3 horas fabricar una pieza entonces dos piezas requieren seis horas) Suposicin de homogeneidad: Ej: Son igual de productivas todas las horas disponibles de un trabajador. Supuestos de la Programacin Lineal Supuesto de adicin: El valor de una variable es independiente del valor de cualquier otra variable. Ej: La ganancia por la venta de cada equipo de sonido es de S/.100 sin importar cuantas se importaron o vinieron con fallas de fabrica. Suposicin de ser divisible: La programacin lineal supone que es posible fraccionar los productos y los recursos. Ej. Una posible solucin puede decirme que requiero publicar 2.32 avisos por da en un peridico. Supuestos de la Programacin Lineal Cuando no es posible aceptar soluciones divisibles (Ej: Manejar solo la mitad de un automvil o comprar un neumtico y medio) entonces se usa la programacin entera. Entonces cuando usamos la programacin lineal? Cuando hay que maximizar utilidades o minimizar costos. Otros modos de programacin Programacin de metas: Se usa cuando se tratan varios objetivos. Programacin dinmica: Cuando la solucin de un problema se da por etapas. Programacin No Lineal: Cuando no solo usamos funciones lineales, sino tambin cuadrticas por ejemplo. Esquema de un Modelo de Programacin Lineal Supongamos que existe cualquier nmero (m) de recursos limitados de cualquier tipo y que se pueden asignar entre cualquier nmero (n) de actividades de cualquier clase. As tenemos: X j =La variable de decisin. Z= el resultado global que se obtiene de aplicar la mejor seleccin. C j : El incremento que resulta en Z por cada incremento unitario en X j . Esquema de un Modelo de Programacin Lineal b j : la cantidad disponible de un recurso. a ij : Representa la cantidad de un determinado recurso que consume cada unidad de una determinada actividad. Entonces un modelo podr tener la siguiente forma: Esquema de un Modelo de Programacin Lineal Funcin objetivo: Max (o Min) Z=C 1 X 1 +C 2 X 2 ++C n X n Restricciones: a 11 X 1 +a 12 X 2 +.+a 1n X n b 1 a 21 X 1 +a 22 X 2 +.+a 2n X n b2
.. a m1 X 1 +a m2 X 2 +.+a mn X n b m X 1 0, X 2 0,.. X n 0 Donde los c, a, b son constantes. Observaciones Dependiendo del problema las restricciones tambin pueden ser de igualdad. La funcin que se desea maximizar o minimizar se llama funcin objetivo. Aquellas restricciones que representan el consumo total de un recurso se llaman Funcionales. Las restricciones X j se llaman restricciones de no negatividad. Las variables X j son variables de decisin. Las constantes c j , a ij , b i reciben el nombre de parmetros del modelo.
Ejemplo: Problema de mximos La compaa Blog elabora alimentos para X e Y. Se utilizan dos materiales bsicos A y B para producir estos alimentos. La disponibilidad diaria mxima de A es 80 Kg y la de B es de 25 Kg. Ejemplo: Problema de mximos Los requerimientos de cada material para los dos tipos de alimentos estn resumidos en el sgte. Cuadro: Kilos de materia prima por bolsa Cada bolsa X contiene Cada bolsa Y contiene Disponibilidad max de la mat. Prima (x dia) De Materia prima A 8 kg 10 kg 80 Kg. De Materia prima B 2kg 5 kg 25 Kg. Adems el precio de venta de cada bolsa es S/.30 para la comida X y de S/.40 para Y. La preguntas es.Cuanto alimento X e Y deber producir la compaa todos los das para maximizar el ingreso bruto? Construccin del modelo matemtico El orden en que se deber crear todo es: Identificar las variables. Expresar la funcin objetivo Expresar las restricciones como funciones matemticas de las variables. Variables: Como se desea saber cuanta cantidad de comida se debe producir, entonces decimos que las variables a usar son: X: Nmero de bolsas de comida X producidas diariamente. Y: Nmero de bolsas de comida Y producidas diariamente. Construccin del modelo matemtico Funcin objetivo: Como cada bolsa de comida X se vende en S/.30, entonces el ingreso bruto obtenido de la venta de X sacos de este producto es 30X soles . De manera anloga sucede con la comida Y cuyo ingreso bruto producto de su venta se representar por 40Y. Finalmente el ingreso bruto total ser la suma de los dos ingresos. Construccin del modelo matemtico Si Z representa el ingreso bruto total (en soles). La funcin objetivo quedar asi: Z=30X+40Y La meta consiste en determinar los valores X y Y que maximizarn este criterio Restricciones: la restriccin del uso de materias primas se puede expresar como:
Construccin del modelo matemtico Uso de materias primas en ambos tipos de alimentos
Disponibilidad mxima de materias primas Esto nos lleva a las restricciones que siguen: 8X+10Y 80 (materia prima A) 2X+5Y 25 (materia prima B) Una restriccin implcita es que la cantidad que se produce por cada tipo de alimento no puede ser negativa, para esto imponemos la restriccin de no negatividad: X 0 (alimento X) Y 0 (alimento Y) Construccin del modelo matemtico El modelo matemtico completo se podr resumir as: Determnese la cantidad de bolsas de alimentos X e Y que se producirn. Max Z=30X+40Y s.a 8x+10y 80 2x+5y 25 X 0, y 0 Modelos de Programacin lineal Problema 1: Una fbrica de pintura para interiores y exteriores para ventas al por mayor. Se utilizan 2 materiales bsicos A y B para producir las pinturas. La disponibilidad mxima de A es 6 toneladas diarias y la de B es 8 toneladas x da. La necesidad diaria de materia Prima x tonelada de pintura se resume en el siguiente cuadro: Modelos de Programacin lineal Exterior Interior Disp. Max toneladas Mat prima A 1 2 6 Mat prima B
2 1 8 Modelos de Programacin lineal Un estudio de mercado ha establecido que la demanda diaria de pintura para interiores no puede ser mayor que la de pintura para exteriores en mas de una tonelada. El estudio seala tambin que la demanda mxima de pintura para interiores esta limitada a 2 toneladas diarias. El precio x tonelada es $3000 para exteriores y $2000 para interiores.Cuanta pintura para exteriores e interiores debe producir la Cia. todos los das para maximizar el ingreso bruto? Modelos de Programacin lineal Problema 2: Una empresa produce artculos de vidrio, como ventanas y puertas de vidrio. Tiene 3 plantas. Los marcos y molduras de aluminio se hacen en la planta 1, los de madera en la planta 2, la planta 3 produce el vidrio y ensambla los productos. La gerencia ha decidido reorganizar la lnea de produccin de la empresa. Se descontinuarn algunos productos de poca salida y se emprender la fabricacin de 2 productos nuevos: Producto 1: Una puerta de vidrio de 8 pies con marco de aluminio. Producto 2: una ventana corrediza con marco de madera de 4 pies x seis. Las horas que necesita cada producto en las plantas y la disponibilidad total de horas que se dispone en cada planta figura en el siguiente cuadro: Modelos de Programacin lineal (Horas disponibles por planta) Prod 1 Prod 2 Disponib. Horas x planta Planta 1 1 0 4 Planta 2 0 2 12 Planta 3 3 2 18 Ganancia x lote 3000 5000 Un lote es igual a 20 unidades Modelos de Programacin lineal Como ambos productos competirn x la misma capacidad de produccin de la planta 3, no esta claro que mezcla de productos sera la mas rentable. Adems casi todo el tiempo las plantas estn comprometidas con los productos actuales. Problema 3 Se piensa aplicar un proceso de radiacin intensa a una paciente que tiene cncer en una etapa muy avanzada, este paciente tiene un tumor en la vejiga. Se piensa aplicar 2 rayos que afectarn no solamente a la parte enferma sino tambin a tejidos sanos, por lo que hay que aplicar los rayos procurando que cause el menor dao posible a tejidos sanos. El problema radica en determinar la cantidad mnima de rayos a aplicar en el paciente. Luego de que el equipo mdico se reuni estableci los detalles necesarios para el tratamiento de este paciente, que figuran en el sgte. Cuadro: Area Rayo 1 Rayo 2 Restriccin sobre la dosis promedio Anatoma sana 0.4 0.5 Minimizar Tejido crtico 0.3 0.1 <=2.7 Regin del tumor 0.5 0.5 =6 Centro del tumor 0.6 0.4 >=6 Fraccin de la dosis de entrada absorbida x rea (promedio de kilorads) Problema 4 La Cooperativa Agrcola de Mendoza- Argentina esta formada por 3 grandes comunidades agrcolas y se planea la produccin agrcola del prximo ao. Los tipos de cultivos adecuados para esta regin son: maz, trigo y alcachofas. El Ministerio de Agricultura ha determinado, en base al alcance para irrigar estas tierras, una cantidad mxima de hectreas que se pueden dedicar a estos cultivos y tambin un tope en la cantidad de agua que se asigna para irrigarlo. Estas cantidades figuran en el sgte. cuadro: comunidad Terreno disponible (en has) Asignacin de agua (por has) 1 400 600 2 600 800 3 300 375 Datos de Recursos Como no hay suficiente agua para irrigar todo , se ha acordado que cada comunidad sembrar la misma proporcin de sus tierras. Adems el Ministerio de Agricultura ha determinado una cantidad mxima de hectreas que se pueden asignar para el cultivo de los 3 productos, el consumo de agua por ha y el rendimiento por ha figuran en el sgte. Cuadro: Cultivo Cant. Max (has) Consumo de agua (por ha) Rendimient o neto ($ por ha) Maz 600 3 1000 Trigo 500 2 750 Alcachofas 325 1 250 Datos sobre los cultivos El dilema que tiene que resolver la direccin de la cooperativa consiste en determinar cuantas has debe asignarse a cada tipo de cultivo en cada comunidad . El objetivo es maximizar el rendimiento total de la cooperativa. Problema 5 Fly Emirates va a agregar vuelos desde y hacia el aeropuerto Heathrow en Londrs, por lo que requiere contratar mas personal de servicio al cliente, pero no sabe cuantos. Se busca programar a dicho personal para proporcionar un servicio satisfactorio con el menor costo en personal. En el siguiente cuadro se muestra el nmero mnimo de personal de servicio que se requiere en diferentes momentos del da. Periodo Turno 1 Turno 2
Turno 3 Turno 4
Turno 5
Personal necesario 6 - 8 am * 48 8-10am * * 79 10-12am * * 65 12-2pm * * * 87 2-4pm * * 64 4-6pm * * 73 6-8pm * * 82 8-10pm * 43 10-12pm * * 52 12-6am * 15 Costo diario x trabajador 170 160 175 180 195 El acuerdo entre la compaa y el sindicato establece que cada trabajador tenga turnos de 8 horas y los turnos autorizados figuran tambin en el cuadro anterior. Los salarios varan dependiendo de los turnos de trabajo de tal manera que en los turnos mas pesados se les paga un poco mas. El problema consiste en determinar cuanto personal debe asignarse a los turnos respectivos cada da para minimizar el costo total de personal, adems de cumplir los requerimientos de servicio. Problema 6 ST Davydenko & CO es una de las mayores productoras de hierro colado del mundo situado en la localidad de Kajovka en la actual Ucrania. El problema que ha surgido es que la empresa esta provocando una gran contaminacin debido a sus altos hornos. Se ha determinado los tres tipos principales de contaminantes: Partculas de materia, xidos de azufre e hidrocarburos, la nueva poltica ambiental requiere que la Cia reduzca su emisin anual de contaminantes de acuerdo al sgte. Cuadro: Contaminante Reduccin requerida de la tasa de emisin anual (millones de libras) Partculas 60 xidos de azufre 150 Hidrocarburos 125 La fabricacin de hierro colado tiene dos fuentes principales de contaminacin: Los altos hornos y los hornos a corazn abierto. Los ingenieros han determinado 3 mtodos para reducir la contaminacin provocada por estos: 1) Aumentar la altura de las chimeneas. 2) Usar filtros.3) usar limpiadores en los combustibles de los hornos. En el siguiente cuadro se muestra la reduccin de la contaminacin al aplicar estos mtodos (en millones de libras x ao): Contamina nte Chimeneas mas altas Filtros Mejores combustibles Altos hornos Hornos de corazn abierto Altos hornos
Hornos de corazn abierto
Altos hornos
Hornos de corazn abierto
Partculas 12 9 25 20 17 13 xidos de azufre 35 42 18 31 56 49 Hidrocarbu ros 37 53 28 24 29 20 Despus de obtener estos datos quedo claro que ningn mtodo por si solo poda lograr las reducciones requeridas , y tampoco se podra aplicar la combinacin de los tres mtodos a toda su capacidad porque resultara demasiado cara. En el cuadro de la diapositiva siguiente se muestran los costos anuales totales (millones de $) en que se incurren al aplicar los mtodos a toda su capacidad. El objetivo de la compaa es que se pueda encontrar un plan que satisfaga los requisitos con el menor costo posible. Mtodo para reducir contaminacin Altos hornos Hornos de corazn abierto Chimeneas mas altas 8 10 Filtros 7 6 Mejores combustibles 11 9 Problema 7 Citibank se encuentra en el proceso de formular su poltica de prstamos para el prximo trimestre. Para este fin se asigna un total de $12 millones. El siguiente cuadro muestra los tipos de prstamos que hace el banco, las tasas de inters que cobra el banco y la posibilidad de que el cliente no cubra sus pagos: Tipo de prstamos Tasa de inters Probabilidad de incobrables Personal 0.140 0.10 Automvil 0.130 0.07 Casa habitacin 0.120 0.03 Agrcola 0.125 0.05 Comercial 0.100 0.02 Se supone que los pagos que no se cubren son irrecuperables, y por lo tanto no se produce ingreso por concepto de intereses. La competencia con otros bancos requiere que el banco asigne al menos 40% de los fondos totales a prstamos agrcolas y comerciales . Los prstamos para casa- habitacin deben ser iguales por lo menos al 50% de los prstamos personales, automvil y casa-habitacin. El banco adems tiene una poltica por la cual la relacin de pagos irrecuperables no puede ser superior a 0.04 El objetivo de Citibank es maximizar su rendimiento neto compuesto de la diferencia entre el ingreso por concepto de intereses y los fondos perdidos por adeudos no cubiertos. Problema 8 El municipio de Tarapoto posee 800 has de tierra de primera clase, pero no urbanizada, en un lago en las afueras de la ciudad de Tarapoto. En el lugar ya existen residencias vacacionales . Debido a la falta de servicio de drenaje se utilizan muchos tanques spticos, la mayora instalados de forma inadecuada. Con el paso de los aos, la infiltracin de los tanques spticos ha provocado contaminacin en el agua. Para controlar todo esto la municipalidad ha aprobado algunos reglamentos para las futuras urbanizaciones: 1) Solo se pueden construir residencias para una, dos y tres familias , donde las unifamiliares constituyen cuando menos el 50% del total. 2) Para limitar el nmero de tanques spticos, se requieren tamaos de lote mnimos de 2, 3 y 4 has para residencias de una, dos y tres familias. 3) Se deben establecer reas de recreo de 1 ha cada una a razn de un rea por cada 200 familias. 4) Para preservar la ecologa del lago, no se puede extraer agua del subsuelo para uso en la casa. El alcalde estudia la posibilidad de urbanizar las 800 has que se poseen en el lago. La nueva urbanizacin incluir residencias para una, dos y tres familias. l estima que se utilizar 15% del terreno en la habilitacin de calles y vas de acceso para servicios. Los ingresos que calcula tendr por la venta de las residencias ser: Unidades habitacionales Sencilla Doble Triple Ingreso neto por unidad($) 10000 15000 20000 El costo de conexin del servicio de agua al rea es proporcional al nmero de unidades que se construyan. Sin embargo se estima que se deber recolectar un mnimo de $100,000 para que el proyecto sea factible. La expansin del sistema acufero esta limitada a 200,000 galones por da durante periodos de consumo masivo. Los costos de conexin del servicio de agua y el consumo de agua por tipo de unidad habitacional figuran en el siguiente cuadro:
Unidad habitacional Sencilla Doble Triple Recreo Costo del servicio de agua por unidad($) 1000 1200 1400 800 Consumo de agua por unidad (galones x da) 400 600 840 450 La compaa debe decidir el nmero de unidades que se construirn de cada tipo de habitacin, junto con el nmero de reas de recreo que satisfagan los decretos del municipio. Solucin de Problemas de Programacin Lineal: Mtodo Grfico En un modelo de Programacin Lineal ya planteado realizar los siguientes pasos: Paso 1: Convertir las desigualdades en ecuaciones. Paso 2: Graficar dichas rectas en un plano cartesiano. Paso 3: Determinar el sentido y el rea que determina cada recta. Mtodo Grfico Paso 4: Determinar la regin factible intersectando las reas definidas por las rectas. Paso 5: Identificar los vrtices de esta regin factible. Las posiciones de estos vrtices vienen a ser soluciones factibles. Paso 6: Evaluar cada vrtice en la funcin objetivo. Paso 5: Luego de evaluar, la solucin ptima ser aquella que me brinde el mejor resultado en Z dependiendo si el problema es de maximizacin o minimizacin. Solucin de Problemas de Programacin Lineal: Mtodo Smplex El mtodo smplex es un algoritmo creado en 1947 por George Bernard Dantzig (USA) y Leonid Vitalievich Kantorovich (Rusia). Un algoritmo es un proceso en el que se repite (se itera) un procedimiento sistemtico una y otra vez hasta obtener el resultado deseado. Adems de las iteraciones, los algoritmos incluyen un procedimiento para iniciar y un criterio para determinar cuando detenerse.
Mtodo Smplex El mtodo simplex es un procedimiento iterativo que permite ir mejorando la solucin a cada paso. El proceso concluye cuando no es posible seguir mejorando mas dicha solucin. El uso de este mtodo, en su forma manual, se recomienda solo si la cantidad de variables es dos, a lo mucho tres, si la cantidad de variables es mayor entonces debe usar un software. Los pasos para resolver un problema de P.L. por el mtodo smplex son:
Mtodo Smplex Paso 1: Pasar las desigualdades a igualdades pero sumndole una variable de holgura si es <= o restndole si es >=. Enseguida colocar los coeficientes de la F.O. y de estas restricciones en el cuadro que se explicar luego. Paso 2: Identificar que valor de la primera fila que tiene el coeficiente mas negativo . La columna que corresponde a ese valor es la columna pivote. Mtodo Smplex Paso 3: Dividir las constantes del lado derecho entre cada valor, solo positivo, que compone la columna pivote. La fila que corresponde al menor resultado de estas divisiones es la fila pivote. La interseccin entre la columna pivote y la fila pivote es el elemento pivote. Nota: Si un valor de la columna pivote es cero, ya no se considera en las divisiones. Paso 4: Determinar la fila pivote nueva dividiendo toda la fila pivote entre el elemento pivote. La nueva etiqueta de esta fila pivote nueva ser la etiqueta de la columna pivote. Mtodo Smplex Paso 5: Resolver usando el mtodo de Gauss- Jordan aplicndolo a las dems filas. Usaremos el siguiente orden: Fila nueva=fila antigua-(Coeficiente Columna pivote*fila pivote nueva). Finalmente, repetir estos pasos mientras existan valores negativos en la primera fila. Cuando ya no existan se supone que se hall la solucin ptima. Mtodo Smplex Observaciones: Si existiesen dos o ms coeficientes iguales en la fila Z se elige uno cualquiera de ellos. Si en la fila Z no existiese ningn coeficiente negativo, significa que se ha alcanzado la solucin ptima. Por lo tanto, lo que va a determinar el final del proceso de aplicacin del mtodo smplex, es que en la fila Z no haya elementos negativos. Mtodo Smplex Observaciones: Si hubiese algn elemento menor o igual a cero, no se hace dicho cociente. En el caso de que todos los elementos fuesen menores o iguales a cero, entonces tendramos una solucin no acotada y no se puede seguir. Si al calcular los cocientes, dos o mas son iguales, indica que cualquiera de ellas puede indicarnos cual es la fila pivote. Mtodo Smplex Observaciones: Si en el problema de maximizar apareciesen como restricciones inecuaciones de la forma: ax+by>=c, multiplicndolas por -1 se transforman en inecuaciones de la forma ax- by<=-c y estamos en el caso anterior. Si en lugar de maximizar se trata de un problema de minimizar se sigue el mismo proceso, pero cambiando el sentido del criterio, es decir se elige el valor mas positivo de la fila Z y se finalizan las iteraciones cuando los coeficientes de la fila Z todos son negativos.