RESOLUCIN DE GRANDES MODELOS DE

INVESTIGACIN DE OPERACIONES
Francisco Prez Galarce
Centro de Estudios en Alimentos Procesados

Junio 2015, Talca

Antecedentes del mdulo

NOMBRE DEL Resolucin de Grandes Modelos de Investigacin de Operaciones

MDULO
N DE CRDITOS ECTS 4 Crditos ECTS
108 horas totales

HORAS TOTALES, El nmero de horas presenciales a la semana es 3 de ctedra.

PRESENCIALES Y DE
Total de 36 horas presenciales.
TRABAJO
AUTNOMO. El nmero de horas de trabajo autnomo de estudiante a la semana
corresponde a 6 horas.
Este mdulo corresponde al nivel 5 de Ingeniera Civil Industrial mencin
Gestin Industrial.
NIVEL
Las clases son los das Mircoles de 19:00 a 22:00 hrs.

Ingeniera Civil Industrial 2

Objetivo del Mdulo

Dominio Gestin de Operaciones

Competencia: Modelar y optimizar sistemas de operaciones

Sub-competencias:
- Modelar, resolver e interpretar problemas de gran tamao, presentes en
sistemas y subsistemas productivos y de servicios.
- Modelar, resolver e interpretar problemas de gran tamao, relacionados
con produccin, inventarios, flujo en redes, distribucin y localizacin,
presentes en la cadena de suministros.

Ingeniera Civil Industrial 3

Mdulos directamente relacionados

Resolucin de un
problema REAL utilizando
MODELO de IO apropiado
Modelos No a travs de SOFTWARE
Deterministas de
Investigacin de
Operaciones
Resolucin de
Grandes Modelos de
Investigacin de
Operaciones

Modelos
Deterministas de
Investigacin de
Operaciones

Ingeniera Civil Industrial 4

Syllabus y plan del curso

Ingeniera Civil Industrial 5

Planificacin de cosecha y produccin de aceite de oliva

Logstica Humanitaria

Ingeniera Civil Industrial 6

Programacin Matemtica
Fundamentos
Francisco Prez Galarce
Universidad de Talca

Junio 2015, Talca

Clase 1

Modelos y toma de decisin

Dios no juega a los dados sino ms bien ha dictado leyes segn

las cuales la realidad se desarrolla. El afn de la ciencia es
descubrir estos pensamientos de Dios.
Albert Einstein (1879-1955)

Lo ms probables es que el desempeo de las empresas y las organizaciones

tampoco sea fruto de un juego de dados, sino de un sinnmero de
decisiones. Cuanto mayor sea la comprensin de las leyes que rigen su
realidad, ms acertadas sern sus decisiones.

Singer M (2013), Una prctica teora de la Optimizacin Lineal, Ediciones UC

Mtodos de Optimizacin
Clase 1

Modelos y toma de decisin

Dios no juega a los dados sino ms bien ha dictado leyes segn

las cuales la realidad se desarrolla. El afn de la ciencia es
descubrir estos pensamientos de Dios.
Albert Einstein (1879-1955)

Lo ms probables es que el desempeo de las empresas y las organizaciones

tampoco sea fruto de un juego de dados, sino de un sinnmero de
decisiones. Cuanto mayor sea la comprensin de las leyes que rigen su
realidad, ms acertadas sern sus decisiones.

Singer M (2013), Una prctica teora de la Optimizacin Lineal, Ediciones UC

Mtodos de Optimizacin
Clase 1

Modelos y toma de decisin

Investigacin de Operaciones

La ciencia cuantitativa de la administracin es la teora que utiliza modelos cuantitativos para

apoyar la toma de decisiones relacionadas con la direccin de organizaciones.

Surgi durante la segunda guerra mundial como resultado del rol que tuvo el mundo cientfico en la
conduccin del ejercito aliado. El primer registro que se tiene es la solicitud de Churchill a Patrick
Blackett ganador del premio nobel de Fsica en 1948- para evaluar la conveniencia de entregar
apoyo areo a la campaa Rusa en Alemania.

El beneficio de este y otros estudios condujo mayor credibilidad en este tipo de modelos en la toma
de decisiones. Al terminar la guerra, muchos asesores cientficos se abocaron al estudio terico de
modelos matemticos y su aplicacin a los problemas de las empresas e instituciones.

Mtodos de Optimizacin
Clase 1

Modelos y toma de decisin

Mtodos de Optimizacin
Clase 1

Modelos y toma de decisin

Datos, modelos y decisiones

Datos Conceptos

Fenmeno Modelo Persona Decisiones

complejo

Leyes de la fsica
=
= 2

Mtodos de Optimizacin
Clase 1

Modelos y toma de decisin

Ejemplo de Management Science (Inventario)

Realidad observada Lote Consumo

Mayor abstraccin

Se ordena una cantidad

Mayor realismo
Nivel verbal que disminuye linealmente
con la demanda.

tamao de
Nivel grfico orden
Intervalo de tiempo

2
Nivel algebraco =

Mtodos de Optimizacin
Clase 1

Qu son los modelos cuantitativos?

Etapas para modelar un sistema

1. Definicin del problema de inters y recoleccin de datos relevantes.

2. Formulacin de un modelo matemtico que represente el problema.
3. Desarrollo de un procedimiento basado en computadora para derivar una solucin para el
problema a partir del modelo.
4. Prueba del modelo y mejoramiento de acuerdo con las necesidades.
5. Preparacin para la aplicacin del modelo prescrito por la administracin.
6. Implementacin.

Mtodos de Optimizacin
 Contenidos
Introduccin al modelamieto matemtico/optimizacin
Qu son los modelos cuantitativos?
Modelos y toma de decisiones empresariales
Modelos y operaciones empresariales

Programacin matemtica

Programacin Lineal

Formulando modelos de programacin lineal

Mtodos de Optimizacin
 Programacin matemtica

Qu es la programacin matemtica/Optimizacin?

La optimizacin/programacin matemtica es considerada como la parte de la matemtica que se

preocupa del estudio de problemas de decisin, con el fin de determinar, entre las diferentes
posibles alternativas, aquella que resulta la mejor respecto de los objetivo preestablecidos.

El trmino programacin proviene de la primera aplicacin que

desarrollo el fundador de la Programacin matemtica, George
Dantzing (1914-2005). A fines de la segunda guerra mundial, su tarea
consista en proponer una asignacin o programa del personal de la
fuerza area americana a diferentes actividades, conociendo el costo y
beneficios de cada posible actividad.

Mtodos de Optimizacin
 Programacin matemtica

Fundamentos de la Programacin Matemtica (1)

Variables de decisin: El modelo matemtico de un problema industrial est conformado

por el sistema de ecuaciones y expresiones matemticas relacionadas que describen la
esencia del problema. De esta forma, si deben tomarse decisiones cuantificables
relacionadas entre s, se representan como variables de decisin (1, 2, . . . , ) para las
que se deben determinar los valores respectivos.

Mtodos de Optimizacin
 Programacin matemtica

Fundamentos de la Programacin Matemtica (2)

Funcin Objetivo: En consecuencia, la medida de desempeo adecuada (por ejemplo, la

ganancia) se expresa como una funcin matemtica de estas variables de decisin (por
ejemplo, 31 + 22 + . . . + 5n ). Esta funcin se llama funcin objetivo.

Restricciones: Tambin se expresan en trminos matemticos todas las limitaciones que

se puedan imponer sobre los valores de las variables de decisin, casi siempre en forma
de ecuaciones o desigualdades (como 1 + 32 2 + 22 10). Con frecuencia, tales
expresiones matemticas de las limitaciones reciben el nombre de restricciones

Mtodos de Optimizacin
 Programacin matemtica

Fundamentos de la Programacin Matemtica (3)

Parmetros: Las constantes (los coeficientes o el lado derecho de las expresiones) de las
restricciones y de la funcin objetivo se llaman parmetros del modelo. El modelo
matemtico puede decir entonces que el problema es elegir los valores de las variables
de decisin de manera que se maximice la funcin objetivo, sujeta a las restricciones
dadas. Un modelo de este tipo, y algunas de sus variantes menores, tipifican los modelos
que se analizan en investigacin de operaciones.

Mtodos de Optimizacin
 La funcin objetivo es una relacin matemtica entre las
Programacin matemtica
variables de decisin, parmetros y una magnitud que
representa el objetivo o producto del sistema. Es Las variables de decisin son incgnitas
la medicin de la efectividad del Modelo formulado en que deben ser determinadas a partir de
funcin de las variables. Determina lo que se va optimizar la solucin del modelo.
(Maximizar o Minimizar).
Modelo estndar de programacin matemtica

/ = , , ,

{
=
, , , = , ,

= , . ,
}

Naturaleza de las variables de decisin

Restricciones funcionales o tecnolgicas, son

relaciones entre las variables de decisin y
Los parmetros representan los
los recursos disponibles. Las restricciones del
valores conocidos del sistema o que se
modelo limitan el valor de las variables de decisin.
pueden controlar.
Representan los recursos disponibles/limitados.

Mtodos de Optimizacin
 Programacin entera
Problemas de Localizacin
Francisco Prez Galarce
Universidad de Talca

Junio 2015, Talca

Problemas de Localizacin
 Problema de localizacin clsico
El objetivo de este problema consiste en localizar servidores que minimice los costos de
distribucin e instalacin. Cada nodo de demanda debe ser cubierto por a lo menos un
servidor.

m , +
= Conjunto de nodos de demanda
sujeto a = Conjunto de los potenciales nodos de oferta.
= costo de transporte desde la fbrica al rea
= costo de instalar un nodo oferta en el rea
= 1 = Nmero mximo de nodos demanda que podrn
ser abastecidos por el nodo oferta
= = Variable binaria que indica si se localiza el
nodo oferta.
= Variable binaria que indica si la el nodo
0,1 ,
demanda i es abastecido por el nodo oferta .
0,1

Mtodos de Optimizacin
 Problema de cobertura de conjuntos
Se busca minimizar el nmero total de servidores y determinar la localizacin de cada uno
de ellos, de modo de que cada nodo de demanda sea cubierto por lo menos por un
servidor dentro del estndar especificado. Solo se considera atendida la demanda de un
nodo si y solo si las emergencia generadas en ese nodo son atendidas por dentro del
estndar especificado.

= Conjunto de nodos de demanda

min = Conjunto de los potenciales nodos de servicio
= | es el conjunto de nodos que se
sujeto a encuentran dentro del estndar de respuesta del
nodo
= menor tiempo o distancia del servidor al
1 demandante
= tiempo o distancia estndar dentro del cual se
0,1 desea que se encuentre el servidor.
= Variable binaria que indica si se localiza el
servidor .

Mtodos de Optimizacin
 Problema de localizacin de mxima cobertura
El objetivo de este problema consiste en maximizar la poblacin cubierta por un nmero
determinado de servidores, dentro de un tiempo o distancia crtica.

max = Conjunto de nodos de demanda

= Conjunto de los potenciales nodos de servicio.

= poblacin del rea de demanda
sujeto a
= | es el conjunto de nodos que
se encuentran dentro del estndar de respuesta
del nodo

= menor tiempo o distancia del servidor al
demandante
= = tiempo o distancia estndar dentro del cual se
desea que se encuentre el servidor.
0,1 = Nmero de servidores a ser localizados.
= Variable binaria que indica si el nodo de
0,1
demanda es cubierto.
= Variable binaria que indica si se localiza el
servidor .

Mtodos de Optimizacin
 Problema de los -centros

Este problema busca minimizar la mxima distancia o peso en el caso de ser ponderada por
la demanda ( ) entre un nodo servicio y un nodo clientes.

min
sujeto a = Conjunto de nodos de demanda
= = Conjunto de los potenciales nodos de servicio.

= demanda del nodo
= 1 = distancia del servidor al demandante
= Nmero de servidores a ser localizados.
- 0 , j = Variable binaria que indica si la demanda del
nodo fue asignada al nodo de servicio .
= Variable binaria que indica si se localiza el
servidor .
0,1 = la mxima distancia entre un nodo de demanda y
0,1 ; , j la instalacin que se le es asignada.

Mtodos de Optimizacin
 Problema de los -medianas
Este problema busca encontrar la ubicacin de facilidades de modo de minimizar la
demanda-distancia total entre los nodos de demanda y la facilidad a la cual son asignados

min
;
sujeto a = Conjunto de nodos de demanda
= Conjunto de los potenciales nodos de servicio.
= = demanda del nodo

= distancia del servidor al demandante
= 1
= Nmero de servidores a ser localizados.
- 0 , j = Variable binaria que indica si la demanda del
0,1 nodo fue asignada al nodo de servicio .
0,1 ; , j = Variable binaria que indica si se localiza el
servidor .
= la mxima distancia entre un nodo de demanda y
la instalacin que se le es asignada.

Mtodos de Optimizacin
GRACIAS!