Descarga la aplicación para disfrutar aún más
Vista previa del material en texto
Investigación Operativa Introducción Profesor: Ing. Carlos A. Martin E-mail: ing_carlos_martin@hotmail.com Facultad de Ingeniería Universidad Nacional de Jujuy, Jujuy, AR Unidad I: Introducción a la Investigación Operativa ¿Qué es la IO? Historia de la IO. Metodología de la IO. La I. O. y la Ingeniería de Sistemas. El Concepto de sistema: Caracterización. Terminología y definición de términos: Variable de decisión, Política, Política factible, Espacio de política factible: Conjunto Convexo, Variables de Estado, Parámetros. Objetivo. Función Objetivo. Problema General de Optimización. Modelos Icónicos, Analógicos y Simbólicos. Procesos de Modelización. Modelos Matemáticos: Definición, clasificación y elementos principales. Pasos generales y técnicas en la construcción de modelos matemáticos. Usos y ventajas de los modelos de investigación de operaciones. Aplicaciones típicas de la investigación de operaciones. Métodos cuantitativos que serán tratados. Ejemplos Práctica. Ing. Carlos Martin PRESENTACIÓN Se establece el proceso lógico que se debe llevar para el correcto planteamiento del modelo matemático de problemas de PL y reglas de equivalencia de la función objetivo y las restricciones de un modelo PL; además de las formas generales del modelo de PL y sus suposiciones. OBJETIVO GENERAL Al finalizar el estudiante debe estar en capacidad de identificar un problema de PL.. OBJETIVOS ESPECÍFICOS •Conocer las diferentes formas generales del modelo de PL •Identificar variables •Aplicar las reglas de equivalencia. •Identificar parámetros. COMPETENCIAS El estudiante aprenderá a identificar las diferentes formas de modelo de PL, los proceso en los cuales pueda aplicar la PL y seguir el procedimiento de obtención del modelo matemático de PL. INDICADORES DE LOGRO El estudiante deberá manejar los conceptos de planteamiento e identificación de variables, identificación de parámetros y aplicaciones de la programación lineal; así como el manejo de las reglas de equivalencia. CONOCIMIENTOS PREVIOS •Manejo de ecuaciones lineales simultáneas. •Conocimiento de propiedades de las desigualdades. •Concepto de máximos y mínimos. Ing. Carlos Martin Investigación Operativa Que es la Investigación Operativa (I.O.)? Facultad de Ingeniería Universidad Nacional de Jujuy, Jujuy, AR El Problema Cada vez es más difícil asignar los recursos o actividades de la forma más eficaz Los recursos son escasos Los sistemas son cada vez más complejos Ing. Carlos Martin ¿ Cómo Toman las Decisiones los Gerentes? EL ROL DE LOS METODOS CUANTITATIVOS/NUMERICOS GUIAR LA TOMA DE DECISIONES AYUDAR A LA TOMA DE DECISIONES AUTOMATIZAR LA TOMA DE DECISIONES JUSTIFICAR LAS DECISIONES SACAR CONCLUSIONES FORMULAR POLITICAS Y ESTRATEGIAS Ing. Carlos Martin La I. O. es una rama de las matemáticas consistente en el uso de modelos matemáticos, estadística y algoritmos con el objeto de realizar un proceso de toma de decisiones. Trata del estudio de complejos sistemas reales con la finalidad de optimizar su funcionamiento. Permite el análisis de la toma de decisiones teniendo en cuenta la escasez de recursos para determinar cómo se puede optimizar un objetivo definido: Max. beneficios o Min. costos ¿Qué es la investigación operativa? Ing. Carlos Martin • En matemáticas, ciencias de la computación y disciplinas relacionadas, un algoritmo es un conjunto pre-escrito de instrucciones o reglas bien definidas, ordenadas y finitas que permiten realizar una actividad mediante pasos sucesivos que no generen dudas a quien deba realizar dicha actividad. Dados un estado inicial y una entrada, siguiendo los pasos sucesivos, se llega a un estado final y se obtiene una solución. ¿Qué es un Algoritmo? Ing. Carlos Martin Definición (Lawrence y Pasternak, 1998) Un enfoque científico para la toma de decisiones gerenciales, que consiste en: • El arte de modelar situaciones complejas, • La ciencia de desarrollar técnicas de solución para resolver dichos modelos y • La capacidad de comunicar efectivamente los resultados. Objetivo de la Investigación operativa: Estudiar la asignación óptima de recursos escasos a determinada actividad. Evaluar el rendimiento de un sistema con objeto de mejorarlo. Que es la Investigación Operativa (I.O.)? Ing. Carlos Martin Investigación Operativa (I.O.) • Es la aplicación del método científico para asignar los recursos o actividades de forma eficaz, en la gestión y organización de sistemas complejos. • Su objetivo es ayudar a la toma de decisiones • Requiere un enfoque interdisciplinario Ing. Carlos Martin Que es la Investigación Operativa (I.O.) La Sociedad de Investigación Operativa de Gran Bretaña la define de la siguiente manera: • La investigación operativa es el ataque de la ciencia moderna sobre problemas complejos que surgen en la dirección y gestión de grandes sistemas de hombres, máquinas, materiales y dinero en la industria, negocios, gobierno y defensa. • Su enfoque distintivo es desarrollar un modelo científico del sistema, que incorpore medidas de factores como el cambio y el riesgo, con el que predecir y comparar los resultados de decisiones, estrategias o controles alternativos. • El objetivo es ayudar a la administración a determinar su política y acciones científicamente. Ing. Carlos Martin Que es la Investigación Operativa ? Ing. Carlos Martin Que problemas resuelve la I. O.? La crisis de COVID-19 puede estar desarrollándose en una escala sin precedentes, pero la red de interrogantes logísticos parece inquietantemente familiar a la I. O. Dónde colocar centros de prueba Qué instalaciones públicas cerrar Cómo asignar camas de UTI Como diseñar procesos de clasificación médica • Son los tipos de problemas que los investigadores de operaciones han estado resolviendo durante décadas. • Los modelos que ahorran dinero a las empresas hoy podrían usarse para salvar vidas mañana. Ing. Carlos Martin Que problemas resuelve la I. O.? La I. O: posee una gran cantidad de herramientas que tradicionalmente se han utilizado para: Ubicar tiendas minoristas, Optimizar el inventario y la producción, Administrar los niveles de existencias ya que la demanda de productos varía según la temporada" • “Desde una perspectiva matemática, la pandemia de COVID-19 presenta un conjunto de desafíos muy similar pero a una escala mucho mayor. • Los mismos modelos de gestión de la cadena de suministro podrían utilizarse para resolver los problemas asociados con él” Ing. Carlos Martin Investigación Operativa Historia de la Investigación Operativa Facultad de Ingeniería Universidad Nacional de Jujuy, Jujuy, AR Historia de la I.O. • Se aplica por primera vez en 1780 • Antecedentes: • Matemáticas: modelos lineales (Farkas, Minkowski) (s.XIX) • Estadística: fenómenos de espera (Erlang, Markov) (años 20) • Economía: Quesnay (x.XVIII), Walras (s.XIX), Von Neumann (años 20) • El origen de la I.O. moderna se sitúa en la 2ª Guerra Mundial para resolver problemas de organización militar: - Despliegue de radares, manejo de operaciones de bombardeo, colocación de minas,… Ing. Carlos Martin Historia de la I.O. • Al terminar la guerra, sigue el desarrollo en la industria, debido a: • competitividad industrial • progreso teórico • RAND (Dantzig) • Princeton (Gomory, Kuhn, Tucker) • Carnegie Institute of Technology (Charnes, Cooper) • gran desarrollo de los ordenadores: * aumento de la capacidad de almacenamiento de datos * Incremento de la velocidad de resolución de los problemas. Ing. Carlos Martin Algunas fechas, nombres y temas • 1759 Quesnay (ecónomo) - Programación Matemática • 1874 Walras • 1873 Jordan - Precursor de modelos lineales • 1896 Minkowsky - Precursor de modelos lineales • 1903 Farkas - Precursor de modelos lineales • 189~ Markov - Precursor modelos dinámicos probabilísticos • 192~ - Primer desarrollo de modelos de inventarios• 191~ Erlang - Primeros estudios de líneas de espera • 1920-30 Koning y Egervary - Métodos de asignación (analíticos) • 1937 von Neuman - Teoría de juegos y de preferencias • 1939 Kantorovich - Problemas de distribución • 1945 • 2da guerra - Logística estratégica para vencer al enemigo • Finales 2da guerra - Logística de distribución de recursos de los aliados (Rand Corporation- Fuerza aérea norteamericana). Ing. Carlos Martin Algunas Fechas, Nombres y Temas • 1947 - Dantzig, George - Método simplex en base al trabajo de precursores, inicio a la Programación Lineal. • 1950-60 - Bellman - Programación dinámica. - Kuhn y Tucker - Programación No Lineal. - Gomory - Programación Entera. - Ford y Fulkerson - Redes de optimización. - Markowitz - Simulación. - Arrow, Karloin, Scarf, Whitin - Inventarios. - Rafia - Análisis de Decisiones. - Howard - Procesos Markovianos de Decisión. - Churchman, Ackoff, Arnoff - Orientación a sistemas, generalización de la I O. • 1970 y parte década 80 - Receso en el uso de la IO • 1985 en delante Reflorecimiento de la disciplina con el devenir del control automático industrial, las microcomputadoras y las nuevas interfaces gráficas que impulsan el desarrollo de los Sistemas Automatizados de Apoyo a la Toma de Decisiones, donde la Investigación Operativa juega un papel preponderante. Ing. Carlos Martin Actualidad de la I.O. • Sigue habiendo un gran desarrollo, en muchos sectores, con grandes avances sobre todo en el campo de la Inteligencia Artificial • Más información: • International Federation of O.R. Societies (IFORS) • www.ifors.org • Institute for O.R. and the Management Sci. (INFORMS) • www.informs.org Ing. Carlos Martin Actualidad de la I.O. • Sigue habiendo un gran desarrollo, en muchos sectores, con grandes avances sobre todo en el campo de la Inteligencia Artificial • Más información: • Sociedad Española de Estadística e Inv. Op. (SEIO) • www.cica.es/aliens/seio • Association of European O.R. Societies (EURO) • www.ulb.ac.be/euro/euro_welcome.html • Institute for O.R. and the Management Sci. (INFORMS) • www.informs.org • International Federation of O.R. Societies (IFORS) • www.ifors.org Ing. Carlos Martin ¿Qué es la Investigación de Operaciones? https://www.youtube.com/watch?v=HrnvnykBLQU (Duración 2:37) https://www.youtube.com/watch?v=pMjOy9catNI (Duración 12:00) https://www.youtube.com/watch?v=eB_NCdHkCRs (Duración 7:58) https://www.youtube.com/watch?v=DQu_eEI2LKc (Duración 7:18) Ing. Carlos Martin https://www.youtube.com/watch?v=HrnvnykBLQU https://www.youtube.com/watch?v=pMjOy9catNI https://www.youtube.com/watch?v=eB_NCdHkCRs https://www.youtube.com/watch?v=DQu_eEI2LKc Investigación Operativa El Concepto de Sistema Facultad de Ingeniería Universidad Nacional de Jujuy, Jujuy, AR Sistema: Terminología Básica Un sistema es una colección de entidades que actúan e interactúan hacia la realización de algún fin lógico. El estado de un sistema es el conjunto de variables necesarias para describir la situación del sistema en un momento determinado. Un sistema discreto es aquel en el que las V. E. cambian solo en puntos discretos o contables en el tiempo. Un sistema continuo es aquel en el que las V. E. cambian continuamente con el tiempo. Un modelo de simulación estática es una representación de un sistema en un punto particular en el tiempo. Un modelo de simulación dinámica es una representación de un sistema a medida que evoluciona con el tiempo. Ing. Carlos Martin El Concepto de Sistema El concepto se utiliza tanto para definir a un conjunto de ideas u objetos reales dotados de organización. Ing. Carlos Martin Variables de estado Ing. Carlos Martin El Concepto d Sistema Ing. Carlos Martin Investigación Operativa Que es un Modelo? Facultad de Ingeniería Universidad Nacional de Jujuy, Jujuy, AR Un Modelo es una representación de un sistema de la vida real. Clasificación de los Modelos Que es un Modelo? Ing. Carlos Martin Clasificación de los Modelos según el Tipo Modelos Icónicos (Modelos a Escala): Semejanza Geométrica: Lp/Lm = EL Cinemática: Vp/Vm = EV Dinámica: Ep/Em = EF Ing. Carlos Martin Clasificación de los Modelos según el Tipo Modelos Analógicos: Fenómenos Físicos de distinta naturaleza con ecuaciones de estructuras matemáticas IDENTICAS Caudal en un flujo en medio poroso Intensidad de corriente eléctrica Q: Caudal K: Coeficiente de permeabilidad h: Carga Hidráulica A: Área Intersección Transversal l: Longitud i: Intensidad de corriente r: Conductividad eléctrica : Potencial Eléctrico A: Área del conductor eléctrico l: Longitud Ing. Carlos Martin Clasificación de los Modelos según el Tipo Modelos Matemáticos o Simbólicos Utilizan letras, números y relaciones matemáticas para representar las propiedades de un sistema de la vida real. Por lo general, un modelo consta de una o más ecuaciones. Las cantidades que aparecen en las ecuaciones las clasificamos en variables y parámetros. Un modelo está diseñado para explicar las relaciones que existen entre cantidades que pueden medirse independientemente en un experimento (las variables del modelo). Sin embargo, para formular estas relaciones, con frecuencia se introducen "constantes" que representan las propiedades inherentes a la naturaleza, materiales y equipos utilizados en un experimento dado, estos son los parámetros. Ing. Carlos Martin Clasificación de los Modelos según el Tipo Modelos Matemáticos o Simbólicos Ing. Carlos Martin Investigación Operativa Que es la Simulación? Facultad de Ingeniería Universidad Nacional de Jujuy, Jujuy, AR Que Es La Simulación? Técnica que imita el funcionamiento de un sistema del mundo real cuando evoluciona en el tiempo. Experimento de muestreo acerca del sistema real cuyos resultados son puntos de muestra. La idea básica de la simulación es la construcción de un dispositivo experimental (simulador), que actuara como (simulara) el sistema de interés de una manera rápida y redituable. La simulación no genera soluciones óptimas para los problemas como lo hacen otras técnicas de análisis cuantitativo Es un enfoque de ensayo y error que puede generar diferentes soluciones de una corrida a otra. Ing. Carlos Martin La simulación es una herramienta de amplia aceptación por parte de los gerentes por varias razones: Es relativamente directa y flexible, y se puede utilizar para comparar muchos escenarios diferentes. Los avances recientes en software hacen que sea muy sencillo desarrollar algunos modelos de simulación. Sirve para analizar situaciones reales grandes y complejas, que los modelos convencionales de análisis cuantitativo no pueden resolver. La simulación permite preguntas del tipo ¿qué sucedería si? A los gerentes les gustaría saber de antemano qué opciones son atractivas. Con una computadora, el gerente puede intentar varias decisiones políticas en unos cuantos minutos. Ing. Carlos Martin SIMULACION OPTIMIZACION En un modelo de simulación, los valores de las V. de D. son entradas. En un modelo de optimización, las V. de D. son salidas (resultados). La simulación no es una técnica de optimización. Ing. Carlos Martin LA SIMULACIÓN • LA RAMA EXPERIMENTAL DE LA I.O. METODO NUMERICO DE RESOLUCION DE MODELOS LOGICO- MATEMATICOS • ENSAYA EN REPETIDAS OPORTUNIDADES EL SISTEMA O PROCESO A TRAVES DEL MODELO QUE LO DESCRIBE • SIMPLE • FLEXIBLE • UTIL PARA RESOLVER PROBLEMAS MUY COMPLEJOS O MUY IMPREDECIBLES. Ing. Carlos Martin PORQUE RECURRIMOS A LA SIMULACION ? Dificultad para obtener modelos analíticos dependiendo de factores de complicación (V. A. no exponenciales). Modelos analíticos que no predicen un estado estable. Disponibilidad de amplia variedad de programas, desde hoja de calculo, lenguajes generales de programación hasta lenguajes especialmente diseñados.Ing. Carlos Martin Investigación Operativa Metodología Científica de la Investigación Operativa Facultad de Ingeniería Universidad Nacional de Jujuy, Jujuy, AR El proceso de administración El proceso de administración de los recursos escasos de un sistema se suele dividir en seis fases: 1. análisis matemático del sistema 2. construcción de un M. M. que refleja los aspectos importantes del sistema 3. validación del modelo 4. manipulación del modelo a fin de obtener una solución satisfactoria, si no óptima 5. implementación de la solución seleccionada 6. control del desempeño del sistema después de la implementación efectuada. Ing. Carlos Martin El método de la I.O. • Definición del problema • Formulación del problema y construcción del modelo • Resolución • Verificación, validación, refinamiento • Interpretación y análisis de resultados • Implantación y uso extensivo A lo largo de todo el proceso debe haber una interacción constante entre el analista y el cliente Ing. Carlos Martin METODOLOGIA CIENTIFICA DE LA IO Ing. Carlos Martin METODOLOGIA CIENTIFICA DE LA IO Ing. Carlos Martin Modelo y Enfoque de la IO Ing. Carlos Martin VISIÓN ESQUEMÁTICA EN EL PROCESO ASOCIADO A LA CONSTRUCCIÓN DE UN MODELO DE OPTIMIZACIÓN Ing. Carlos Martin VISIÓN ESQUEMÁTICA EN EL PROCESO ASOCIADO A LA CONSTRUCCIÓN DE UN MODELO DE OPTIMIZACIÓN Ing. Carlos Martin VISIÓN ESQUEMÁTICA EN EL PROCESO ASOCIADO A LA CONSTRUCCIÓN DE UN MODELO DE OPTIMIZACIÓN Ing. Carlos Martin VISIÓN ESQUEMÁTICA EN EL PROCESO ASOCIADO A LA CONSTRUCCIÓN DE UN MODELO DE OPTIMIZACIÓN Ing. Carlos Martin VISIÓN ESQUEMÁTICA EN EL PROCESO ASOCIADO A LA CONSTRUCCIÓN DE UN MODELO DE OPTIMIZACIÓN Ing. Carlos Martin Investigación Operativa El Modelado Facultad de Ingeniería Universidad Nacional de Jujuy, Jujuy, AR El Modelado • Es una ciencia • análisis de relaciones • aplicación de algoritmos de solución • Y a la vez un arte • visión de la realidad • estilo, elegancia, simplicidad • uso creativo de las herramientas • experiencia Ing. Carlos Martin Definición del Problema • Consiste en identificar los elementos de decisión • objetivos (uno o varios, optimizar o satisfacer) • alternativas • limitaciones del sistema • Hay que recoger información relevante (los datos pueden ser un grave problema) • Es la etapa fundamental para que las decisiones sean útiles Ing. Carlos Martin Factores Problemáticos • Datos incompletos, conflictivos, difusos • Diferencias de opinión • Presupuestos o tiempos limitados • Cuestiones políticas • El decisor no tiene una idea firme de lo que quiere realmente. Ing. Carlos Martin Plan de Trabajo Observar Ser consciente de las realidades políticas Decidir qué se quiere realmente Identificar las restricciones Búsqueda de información continua. Ing. Carlos Martin EJEMPLO: Modelo de un problema agrícola. Supongamos que una empresa citrícola y el Estado pretenden hacer inversiones cuantiosas en el cultivo de naranja, limón , pomelo y mandarinas, con un doble objetivo: a) reducir el desempleo rural y b) aumentar las exportaciones para equilibrar la balanza de pagos. Ing. Carlos Martin 1. Existe una extensión propicia para este tipo de cultivo de 250.000 m2. 2. Se asegura el suministro de agua, aproximadamente por 20 años (existencia de aguadas en la zona). 3. La financiera pretende hacer una inversión de 20 millones, pensando exportar toda su producción a partir del 3er año, que es cuando los árboles comienzan a ser productivos. 4. El gobierno ha determinado que éste proyecto emplee al menos 200 personas ininterrumpidamente. Decisión a tomar: ¿Cuántos árboles de naranja, limón, pomelo y mandarina, deberán sembrarse con el objetivo de maximizar el valor de la futura exportación anual? Según estudios realizados, se maneja la siguiente información (datos inventados): Ing. Carlos Martin Formulación del problema • Modelo: representación simplificada de la realidad, que facilita su comprensión y el estudio de su comportamiento • Debe mantener un equilibrio entre sencillez y capacidad de representación • Modelo matemático: modelo expresado en términos matemáticos • hace más claras la estructura y relaciones • facilita el uso de técnicas matemáticas y ordenadores • a veces no es aplicable Ing. Carlos Martin Guía general para la formulación de modelos Identificación de los elementos básicos Expresar en palabras: • Datos del problema • Factores que no son susceptibles de cambio • Variables de decisión • Variables sobre las que se tiene control • Restricciones • Causas por las que la decisión está limitada • Función objetivo • Medida del rendimiento que se quiere optimizar Traducción de los elementos básicos a expresiones matemáticas Ing. Carlos Martin Construcción del modelo • Traducción del problema a términos matemáticos • objetivos: función objetivo • alternativas: variables de decisión • limitaciones del sistema: restricciones • Pero a veces las relaciones matemáticas son demasiado complejas • Heurísticos (medios, estrategias y principios para alcanzar la solución más eficaz y eficiente al problema que estudia). • Simulación Ing. Carlos Martin Modelado Matemático • Paso 1.- Identificar las variables de decisión ¿Sobre qué tengo control? ¿Qué es lo que hay que decidir? ¿Cuál sería una respuesta válida en este caso? • Paso 2.- Identificar la función objetivo ¿Qué pretendemos conseguir? Si yo fuese el jefe de la empresa, ¿qué me interesaría más? • Paso 3.-Identificar las restricciones (factores) que limitan la decisión Recursos disponibles (trabajadores, máquinas, material) Fechas límite Restricciones por la naturaleza de las variables (no negatividad, enteras, binarias) Restricciones por la naturaleza del problema • Paso 4.- Traducción de los elementos básicos a un M. M. Ing. Carlos Martin Resolución del Modelo • Paso 1.- Elegir la técnica de resolución adecuada • Técnicas existentes, modificación, creación o heurísticos. • Paso 2.- Generar las soluciones del modelo • Programas de ordenador, hojas de cálculo. • Paso 3.- Comprobar/validar los resultados • Probar la solución en el entorno real • Paso 4.- Si los resultados son inaceptables, revisar el modelo matemático • Estudiar hipótesis, comprobar exactitud de datos, relajar o endurecer aproximaciones, revisar restricciones • Paso 5.- Realizar análisis de sensibilidad • Analizar adaptaciones en la solución propuesta frente a posibles cambios Ing. Carlos Martin Paso 1: Tipos de modelos Ing. Carlos Martin Paso 2: Generar las soluciones del modelo • Determinar los valores de las variables de decisión de modo que la solución sea óptima (o satisfactoria) sujeta a las restricciones. • Puede haber distintos algoritmos y formas de aplicarlos Ing. Carlos Martin Paso 3: Verificación y validación • Eliminación de errores • Comprobación de que el modelo se adapta a la realidad Ing. Carlos Martin Paso 4: Interpretación y análisis • Robustez de la solución óptima obtenida: Análisis de sensibilidad • Detección de soluciones cuasi-óptimas atractivas Ing. Carlos Martin Paso 5: Implantación de resultados • Sistema de ayuda y mantenimiento • Documentación • Formación de usuarios Ing. Carlos Martin Investigación Operativa Aplicaciones de la Investigación Operativa Facultad de Ingeniería Universidad Nacional de Jujuy, Jujuy, AR APLICACIONES DE LA IO Ing. Carlos Martin APLICACIONES DE LA IO Ing. Carlos Martin TRANSPORTE DE BIENES Y SERVICIOS Ing. Carlos Martin ASIGNACION DE TAREAS Ing. Carlos Martin CADENAS DE DISTRIBUCION CON TRANSBORDO Ing. Carlos Martin RUTAS MAS CORTAS Ing. Carlos Martin FLUJO MAXIMO Ing. Carlos Martin EXPANSION DE ARBOLES CON MINIMAS DISTANCIAS Ing. Carlos Martin PLANIFICACION DE PROYECTOS PERT / CPM Ing. Carlos Martin ANALISIS DE INVENTARIOS Ing. Carlos Martin MODELOS DE COLAS O INVENTARIOS Ing. Carlos Martin SIMULACIONDE EMPRESAS DE PRODUCCION Y SERVICIOS Ing. Carlos Martin SIMULACION DE EMPRESAS DE PRODUCCION Y SERVICIOS Ing. Carlos Martin SIMULACION DE EMPRESAS DE PRODUCCION Y SERVICIOS Ing. Carlos Martin La Sociedad de Investigación Operativa de Gran Bretaña la define de la siguiente manera (INVESTIGACIÓN OPERACIONAL TRIMESTRAL, 13 (3): 282, 1962) La investigación operativa es el ataque de la ciencia moderna sobre problemas complejos que surgen en la dirección y gestión de grandes sistemas de hombres, máquinas, materiales y dinero en la industria, negocios, gobierno y defensa. Su enfoque distintivo es desarrollar un modelo científico del sistema, que incorpore medidas de factores como el cambio y el riesgo, con el que predecir y comparar los resultados de decisiones, estrategias o controles alternativos. El objetivo es ayudar a la administración a determinar su política y acciones científicamente. (IIASA: Instituto Internacional de Análisis de Sistemas Aplicados ) Ing. Carlos Martin La aplicación de la Investigación Operativa Problemas tipo son: • Asignación de recursos escasos, • Ordenamiento, secuenciación y coordinación de tareas, • Líneas de espera, • Mantenimiento y reemplazo de equipos, • Inventarios, • Costos y tiempos, • Gestión de proyectos. Ing. Carlos Martin Programación Lineal Modelos de Redes: Camino Crítico Ing. Carlos Martin ASIGNACIÓN DE RECURSOS, ORDENAMIENTO Los primeros desarrollos de la Investigación Operativa se refirieron a problemas de asignación de recursos, ordenamientos de tareas, reparto de cargas de trabajo, planificación, todos con un objetivo preciso de optimización de la función económica Z en un mundo determinista. Entre las técnicas de optimización citamos: la Programación Lineal, No lineal, Los métodos de ordenamiento, Programación Dinámica, Combinatoria, algoritmos de teoría de Grafos, etc. Un ejemplo clásico: determinar el número de piezas, de cada tipo, que debe producir un determinado taller, a fin de obtener el máximo beneficio. Existen varias máquinas, cada una de las cuales tiene determinadas propiedades y características, según las categorías o partes de piezas a producir por cada una de ellas; por lo general se conoce la capacidad máxima del taller y el beneficio que se obtendrá con cada categoría de pieza producida Ing. Carlos Martin Líneas de espera, Reemplazo de equipos Estos temas se desarrollan en mundo aleatorio por lo general. Se estudian las esperas y retrasos ocurridos en el sistema, o las fallas en las instalaciones, su reparación y posibles políticas de mantenimiento y/o reemplazo. Ing. Carlos Martin Inventario, Costos y tiempos Se trata de la operación mas simple, la de almacenar y/o mantener recursos; se estudia cuánto y cuándo adquirir. Muchos casos se resuelven modelándolos como líneas de espera. Ing. Carlos Martin Gestión de proyectos El conjunto de tareas de un proyecto se modelan mediante un grafo, sobre el que se determinan cuáles son los tiempos y las tareas críticas ("cuellos de botellas") del proyecto. Técnicas usadas: CPM-PERT, método del Camino Crítico. Ing. Carlos Martin El Alcance de la Optimización Una de las herramientas más importantes de la optimización es la PROGRAMACIÓN LINEAL (PL). Un problema de P. L. está dado por una función lineal de varias variables que debe ser optimizada (max. o min.) cumpliendo con restricciones lineales. El matemático G.B. Dantzig desarrolló un algoritmo llamado el Método Simplex para resolver problemas de este tipo. El método simplex original ha sido modificado a fin de obtener un algoritmo eficiente para resolver grandes problemas de programación lineal por computadora. Ing. Carlos Martin Por medio de la PL se pueden formular y resolver problemas de: • asignación de recursos en la planificación de gobierno, • análisis de redes para planificación urbana y regional, • planificación de la producción en la industria, y la administración de sistemas de transporte y distribución. Por esto la PL es uno de los éxitos de la moderna teoría de la optimización. Ing. Carlos Martin La Programación Entera • Está relacionada con la resolución de problemas de optimización en los cuales al menos algunas de las variables deben tomar sólo valores enteros. • Cuando todos los términos son lineales se habla de programación lineal entera. • Entre los ejemplos prácticos se puede citar: • ubicación de insumos, • secuenciamiento de trabajos en líneas de producción, • balance de líneas de montaje, • problemas de asignación biunívoca, • control de inventarios, y • reemplazo de máquinas. Ing. Carlos Martin Métodos importantes para resolver PPE Uno de los métodos, debido a R.E. Gomory, se basa en parte, en el método simplex antes mencionado. Otro método es el de ramificación y acotación, de naturaleza combinatoria y consiste en reducir el problema original a otros más pequeños, y tal vez más fáciles, y partir el conjunto de soluciones posibles en subconjuntos más pequeños que pueden ser analizados más fácilmente. Dos de las contribuciones importantes a éste método las han hecho Balas y Dakin. Pese a las mejoras realizadas no existe aún un método unificado que sea eficaz para resolver problemas de programación entera de tamaño realista Ing. Carlos Martin I.O. como apoyo a la toma de decisiones Los procesos de decisión pueden desarrollarse bajo situaciones deterministas, aleatorias, de incertidumbre, o de competencia (adversas). Estas situaciones se modelan a través de sistemas que también serán de tipo deterministas, aleatorios, inciertos o basados en situaciones de competencia (adversas). Los sistemas determinísticos interpretan la realidad bajo el principio de que todo es conocido con certeza. Los sistemas basados en situaciones aleatorias, de incertidumbre o de competencia, asocian la incertidumbre a los fenómenos a analizar, incertidumbre que puede resultar de la variación propia de los fenómenos (variaciones que eluden a nuestro control, pero que tienen un patrón específico) o incertidumbre resultante de la propia inconsistencia de esos fenómenos. Ing. Carlos Martin Aplicando el método científico, el Investigador de Operaciones construirá uno o mas modelos (representaciones) del sistema, con sus operaciones correspondientes y sobre él realizará su investigación. Los modelos de IO se pueden representar con ecuaciones las que, aunque puedan resultar complejas, tienen una estructura muy sencilla: U = f (xi , yj ) sujeta a restricciones U es la utilidad o valor de ejecución del sistema, xi son las variables no controlables, o dependientes, cuyos valores dependerán de las interrelaciones y valores de las variables independientes. yj son las variables controlables, o independientes, con valores dados. f es una función en xi e yj . Ing. Carlos Martin Frecuentemente se requieren una o más ecuaciones o inecuaciones de las llamadas restricciones, para expresar el hecho de que algunas de las variables no controlables (o todas), pueden manejarse dentro de ciertos límites. Por ejemplo, • el tiempo de máquina asignado a la producción de un producto siempre tendrá valor positivo, y no será mayor que el tiempo total disponible o asignado para tal fin; • la suma del dinero presupuestado para cada departamento en un organización o industria no puede exceder la suma de dinero disponible, etc. Una vez obtenido el modelo, éste puede usarse para encontrar exacta o aproximadamente los valores óptimos de las variables no controlables, aquellas que producen la mejor ejecución del sistema, es decir, la solución al problema Ing. Carlos Martin Continuemos con nuestro ejemplo: Modelo de un problema agrícola. Recordemos que una empresa citrícola y el Estado pretenden hacer inversiones cuantiosas en el cultivo de naranja, limón , pomelo y mandarinas, con un doble objetivo: a) reducir el desempleo rural y b) aumentar las exportaciones para equilibrar la balanzade pagos. Según estudios realizados, se maneja la siguiente información (datos inventados) Ing. Carlos Martin 1. Existe una extensión propicia para este tipo de cultivo de 250.000 m2 2. Se asegura el suministro de agua, aproximadamente por 20 años. 3. La financiera pretende hacer una inversión de 20 millones, pensando exportar toda su producción a partir del 3er año, que es cuando los árboles comienzan a ser productivos. 4. El gobierno ha determinado que éste proyecto emplee al menos 200 personas ininterrumpidamente. Decisión a tomar: ¿Cuántos árboles de naranja, limón, pomelo y mandarina, deberán sembrarse con el objetivo de maximizar el valor de la futura exportación anual? Ing. Carlos Martin Formulación del problema Sean: X1: número de árboles de naranja a ser sembrados. X2: número de árboles de limón a ser sembrados. X3: número de árboles de pomelo a ser sembrados. X4: número de árboles de mandarinas a ser sembrados. El Valor medio de la exportación anual: U = 10·150X1 + 4·200X2 + 15·50X3 + 7·150X4 Según las siguientes restricciones: Extensión de tierra: 4X1 + 5X2 + 3X3 + 6X4 ≤ 250 000 m2 Inversión inicial: 2X1 + 0.5X2 + 1X3 + 1.50X4 ≤ $20 000 000 Desempleo mínimo: 36X1 + 72X2 + 50X3 + 10X4 ≥ 200·8·360 (hh/d/a) N° de árboles a sembrar: X1 ≥ 0, X2 ≥ 0, X3 ≥ 0, X4 ≥ 0 Obtuvimos un modelo del problema de tipo: Maximizar U = f ( ) Sujeto a: Restricciones Ing. Carlos Martin CONCEPTOS BÁSICOS DE OPTIMIZACIÓN Este es un problema típico en la teoría de optimización: la maximización (o minimización) de una función real de variables reales (a veces una sola variable) sujeta a un número de restricciones (a veces este número es cero). La función f se llama función objetivo, x1 y x2 se llaman variables independientes o variables decisionales. El problema es encontrar valores reales para x1 y x2, que satisfagan las restricciones (1.2), (1.3) y (1.4), los cuales introducidos en (1.1) hagan que f (x1,x2) tome un valor no menor que para cualquier otro par x1,x2. Ing. Carlos Martin Ing. Carlos Martin Ing. Carlos Martin CONCEPTOS BÁSICOS DE OPTIMIZACIÓN La función objetivo tiene el mismo valor en todos los puntos de cada línea, de modo que los contornos pueden asimilarse a las isobaras (o isotermas) de un mapa climático. No es difícil ver que la solución del problema es: Ing. Carlos Martin Conceptos Básicos de Optimización Ing. Carlos Martin Es decir que S es un conjunto convexo si contiene a todos los segmentos de recta que se pueden formar con los puntos que le pertenecen. Composición de conjuntos y funciones convexas La importancia de las funciones y conjuntos convexos radica en que las condiciones necesarias para que una solución sea un óptimo local se convierten en condiciones suficientes para que sea óptimo global, cuando las funciones y conjuntos en cuestión son convexos. Ing. Carlos Martin TERMINOLOGIA • Una solución factible al problema de programación lineal, es un vector X = x1, x2,...,xn. el cual satisface las restricciones. • La región factible para un PL es el conjunto de todos los puntos que satisfacen las restricciones estructurales y las restricciones de signo del PL. • Las variables de decisión son incógnitas que deben ser determinadas a partir de la solución del modelo y representan los elementos del sistema a modelar que son controlables por el decisor. • Las variables de estado de un sistema dinámico son las que conforman el conjunto más pequeño de variables que determinan el estado del sistema dinámico. • Los parámetros representan los valores conocidos del sistema o que se pueden controlar. • La función objetivo mide la calidad de la solución y que hay que optimizar (maximizar un beneficio o minimizar un coste). Ing. Carlos Martin BIBLIOGRAFIA Ing. Carlos Martin Prawda Witenberg J. “Métodos y Modelos de Investigación de Operaciones – Vol. 1 Modelos Determinísticos”. Editorial Limusa. ©1999 Taha Hamdy A. “Investigación de Operaciones”. Editorial Alfa Omega. ©1998 Winston Wayne L.. “Investigación de Operaciones. Editorial. Grupo Editorial Iberoamericana. ©2005 Hillier Frederick S. “Introducción a la Investigación de Operaciones. Editorial. Mc Graw Hill. ©2001 Eppen G.D. “Investigacion de Operaciones En la Ciencia Administrativa. Editorial Prentice. ©2000 Mathur-Solow – Investigación de Operaciones – Ed. Prentice Hall 1996. MARIN, Isidoro. “Investigación Operativa”. UBA. Centro de Estudiantes Universidad Nacional de Buenos Aires. © 1970 Investigación Operativa Muchas Gracias Profesor: Ing. Carlos A. Martin E-mail: ing_carlos_martin@hotmail.com Facultad de Ingeniería Universidad Nacional de Jujuy, Jujuy, AR
Compartir