Descarga la aplicación para disfrutar aún más
Vista previa del material en texto
Materia: Investigación Operativa Profesor: Ing. Pablo E. Godino - 1 - Lectura 1: INVESTIGACIÓN OPERATIVA Introducción - Programación Lineal 1.1. INTRODUCCIÓN A LA INVESTIGACIÓN OPERATIVA 1.1.1. Reseña Histórica La Investigación Operativa (IO) nace como disciplina orgánica, es decir, conjunto de conocimientos que tratan de resolver problemas de ciertas características, durante la Segunda Guerra Mundial. En 1937, en Gran Bretaña se reunió a un equipo de investigadores y científicos de diversas áreas del conocimiento para estudiar problemas estratégicos y tácticos relacionados con la defensa del país para poder determinar la forma más efectiva de utilizar recursos militares limitados. Debido al éxito alcanzado, EE.UU. inicia actividades similares aplicándolo a problemas logísticos complejos, patrones de vuelos de aviones, maniobras navales, etc. Al finalizar la guerra, personas relacionadas con IO se dieron cuenta que muchas de las técnicas y métodos utilizados para resolver problemas de índole militar, se podía aplicar a problemas industriales, como por ejemplo el control de inventarios y sistema de transporte. Si bien Inglaterra fue el iniciador de la IO como disciplina, fueron muy importantes las contribuciones hechas por investigadores norteamericanos, como por ejemplo el método de simplex de la programación lineal, desarrollado en 1947. En 1960 se establecieron programas académicos que ponían énfasis en esta área y los primeros asesores formales de IO comenzaron a aparecer en las organizaciones industriales a finales de esta década. Aunque al comienzo existieron inconvenientes para implantar estas técnicas, con el desarrollo tecnológico de las computadoras se ha ampliado el alcance y la magnitud de los problemas que resulta posible analizar. CONCEPTO DE Investigación Operativa Los problemas que resuelve la IO son problemas de decisión, que consisten en elegir un curso de acción entre varios según los objetivos pautados y/o maximizar o minimizar alguna variable del mismo. La IO es una forma de enfrentar la resolución de situaciones vinculadas al proceso de toma de decisiones y no simplemente un conjunto de técnicas, métodos y modelos particulares para resolver ciertos problemas. Natita Underline Natita Underline Natita Squiggly Natita Squiggly Natita Squiggly Natita Squiggly Natita Squiggly Natita Squiggly Natita Underline Natita Underline nouet Highlight nouet Highlight nouet Highlight nouet Underline nouet Underline nouet Underline nouet Underline Materia: Investigación Operativa Profesor: Ing. Pablo E. Godino - 2 - Es una disciplina (metodología) científica que a través de la aplicación de procesos y procedimientos ayuda a resolver problemas de índole cuantitativos que se presentan en las organizaciones. En un sentido más amplio, la IO es la aplicación de procedimientos, técnicas y herramientas científicas con el objeto de determinar y ayudar a evaluar soluciones. a la aplicación del método científico en el manejo se sistemas organizados, también se la conoce como “Investigación de Operaciones”. Su objetivo, como hemos planteado, es determinar por métodos científicos el mejor curso de acción de un problema de decisión, sometido a restricciones. La Investigación Operativa trata de proveer a quienes manejan sistemas organizados, de objetivos y bases cuantitativas para las decisiones. No es una ciencia en sí misma, sino la aplicación de la ciencia y la técnica en la solución de los problemas directivos y administrativos. Una característica destacada es la actuación de equipos interdisciplinarios, así como en una empresa la intervención de los distintos niveles de la misma en todas las etapas. Como metodología, se utilizan modelos para representar y estudiar el problema de la realidad. Se puede considerar la Investigación Operativa desde dos puntos de vista: como ciencia y como arte. Como ciencia: se utilizan técnicas y algoritmos matemáticos, así como programas de computación. Como arte: depende de la habilidad y creatividad de los analistas para la construcción del modelo, su validación e implementación. Vinculación con otras ciencias: Matemáticas Estadística Lógica Economía Informática Cuando se habla de Investigación Operativa se está aludiendo a una disciplina que aporta para la resolución de problemas donde interviene un complejo conjunto de elementos materiales y humanos. A estos problemas se los suele denominar: fenómenos de organización. Natita Underline Natita Squiggly Natita Squiggly Natita Underline Natita Underline Natita Underline Natita Underline Natita Squiggly Natita Squiggly Natita Highlight Natita Underline Natita Underline Natita Underline Natita Underline Natita Underline Natita Underline Natita Underline Natita Highlight Natita Highlight Natita Underline Natita Squiggly Natita Squiggly Natita Squiggly nouet Rectangle nouet Underline nouet Underline nouet Underline nouet Underline nouet Underline nouet Line nouet Underline nouet Underline Materia: Investigación Operativa Profesor: Ing. Pablo E. Godino - 3 - Los fenómenos de organización, se caracterizan porque contienen elementos materiales y humanos que, entre sí, mantienen relaciones y donde es preciso adoptar una decisión que producirá ciertos resultados. Por ejemplo, una empresa fabrica un conjunto de productos (o servicios) determinados mediante la utilización de máquinas y obreros. En este sistema queremos adoptar una decisión, como ser: incrementar la producción de un artículo o incorporar uno nuevo. Esto provocará una serie de ajustes y por otro lado producirá un resultado que podrá estar medido por un costo o por un beneficio. La Investigación Operativa aporta elementos que permiten efectuar un estudios analítico de este tipo de problemas para evaluar las consecuencias de las decisiones y posibilitar que se adopte ella que mejor resultado produzca. Esto no significa que todo problema pueda ser abordado y resuelto por la Investigación Operativa, sino que, mediante esta disciplina, se han ido sistematizando los problemas que presentan características similares y se han desarrollado técnicas conducentes a su resolución. Por ejemplo, problemas de administración de inventarios, de asignación de recursos, de reemplazo de equipos, de elección de alternativas de inversión, etc. Casos para los que nuestra materia provee elementos útiles para su resolución y la adopción de la decisión más conveniente. En todos estos problemas está siempre presente un elemento que es el conjunto de las restricciones, el que configura las limitaciones a las cuales debe ajustarse cualquier decisión que se adopte. Este aspecto es consecuencia del factor económico subyacente en la toma de decisiones y que obliga a operar con recursos escasos. Así es como advertimos que el estudio de los procesos de decisión, constituye un tópico central dentro del análisis de los temas que comprende la Investigación Operativa, ya que la necesidad de adoptar una o más decisiones es tarea habitual en tales problemas. La característica de estas decisiones es que deben seleccionarse entre un conjunto de múltiples posibilidades que pueden incluso ser infinitas y, entre ellas deben escogerse, la (o las) que es (son) más apropiada (s). Se trata del aspecto que también se denomina combinatorio de los problemas de decisión. EL CONCEPTO DE SISTEMA – La empresa como un SISTEMA – MODELOS DE SISTEMAS En Investigación Operativa los términos “MODELOS” y “SISTEMAS” están muy relacionados. Un sistema es un conjunto de elementos con ciertas cualidadese interrelacionados, lo que implica influencias mutuas entre los mismos. Los problemas que resuelve la IO están inmersos en un sistema y dada la complejidad de estos sistemas reales, lo que se pretende es crear un sistema abstracto que sea una versión simplificada y por lo tanto incompleta del real, sobre el que se pueda trabajar obteniendo conclusiones que sean válidas también para el sistema real. Este sistema abstracto es lo que se denomina modelo, pero al crear este modelo se debe evitar eliminar elementos o relaciones que sean fundamentales. Natita Underline Natita Underline Natita Underline Natita Underline Natita Line Natita Line Natita Squiggly Natita Squiggly Natita Squiggly Natita Squiggly Natita Squiggly Natita Squiggly Natita Squiggly Natita Squiggly Natita Squiggly Natita Squiggly Natita Squiggly Natita Squiggly Natita Squiggly Natita Squiggly Natita Squiggly Natita Underline Natita Underline Natita Underline Natita Underline Natita Underline Natita Underline Natita Squiggly Natita Squiggly Natita Squiggly Natita Squiggly Natita Squiggly Natita Squiggly Natita Squiggly Natita Squiggly Natita Highlight Natita Squiggly Natita Underline Natita Underline Natita Underline Natita Squiggly Natita Highlight Natita Underline Natita Underline nouet Highlight nouet Highlight admin Underline admin Underline admin Underline Materia: Investigación Operativa Profesor: Ing. Pablo E. Godino - 4 - 1.1.2. Modelos Matemáticos ó formales Problemas determinísticos y estocásticos MODELOS - Generalidades Un modelo es una representación simplificada e idealizada de la realidad. Un modelo es una abstracción selectiva de la realidad. Como ejemplo, un modelo que representa la distancia recorrida por un cuerpo en caída libre (d) está dado por la siguiente fórmula matemática: d = ½ g t2 Siendo g la aceleración de la gravedad y t el tiempo trascurrido. Es una representación selectiva de la realidad, ya que características como la masa, el peso, la forma, la textura, etc., no son tomadas en cuenta y se enfoca únicamente en la relación entre el tiempo y la distancia. A pesar de su simplicidad, es un modelo sumamente útil y práctico que no perdió vigencia a pesar de la evolución de la ciencia y de las nuevas tecnologías. Modelos de decisión: “Resume” un problema de decisión, para que permita identificar y evaluar en forma sistemática todas las opciones de decisión del problema. Componentes básicas: Variables de decisión: controladas por el decisor. Representan magnitudes o cantidades como pesos, horas, personal, unidades de producción, etc. Objetivo: cantidad usada para medir la efectividad de un apolítica determinada y se expresa como una función de las variables de decisión. Restricciones del problema: condiciones que deben cumplir las variables de decisión para obtener una solución aplicable. Sistema real supuesto MODELO nouet Underline nouet Underline nouet Underline nouet Underline nouet Underline admin Underline admin Underline admin Underline admin Underline admin Underline admin Underline admin Underline admin Highlight admin Highlight admin Highlight admin Highlight admin Highlight admin Underline admin Underline admin Underline admin Underline admin Underline admin Underline admin Underline admin Underline admin Underline admin Underline admin Underline admin Underline admin Underline admin Underline admin Underline admin Underline admin Underline admin Underline admin Underline admin Underline Materia: Investigación Operativa Profesor: Ing. Pablo E. Godino - 5 - La selección de una decisión equivale a determinar valores numéricos de las variables de decisión. Las decisiones están basadas en una evaluación de datos numéricos. Los modelos evalúan datos numéricos y proporcionan datos numéricos adicionales. TIPOS DE MODELOS Según la disponibilidad de datos: Modelos determinísticos: cuando todos los datos relevantes se conocen con certeza Modelos probabilísticos o estocásticos: Cuando algunos (o todos los) datos se consideren inciertos, aunque debe especificarse la probabilidad asociada a tales datos. Según el tipo de cálculo: Modelos matemáticos: en los que tanto el objetivo como las restricciones del sistema se pueden expresar en forma cuantitativa o matemática como funciones de las variables de decisión. En general, cálculos de tipo iterativo. Simulación: más complejo, en donde se divide el sistema en módulos básicos o elementales que se enlazan con relaciones lógicas. Modelos heurísticos: basados en reglas o métodos prácticos que llevan a una “buena” (no necesariamente óptima) solución. Sabemos que en las ciencias naturales desempeñan un papel importante los modelos, constituidos por experimentos realizados en condiciones tales que permiten deducir las relaciones básicas de casualidad que determinan el comportamiento de los diferentes fenómenos de esas disciplinas. En este sentido tenemos que el químico, por ejemplo, puede efectuar su labor a través de la elaboración de experimentos consistentes en desarrollar su investigación en condiciones reducidas pero exactamente equivalentes en todos sus aspectos a lo que es realidad. De esta forma, si el investigador desea conocer cuál es la resultante de la combinación de dos elementos cualesquiera, puede averiguarla mediante la realización de un experimento donde combine dichos elementos y obtenga el resultado que luego podrá analizar directamente. Este es un modelo para las ciencias naturales. Lo mismo sucede en la Física, donde la resultante de un cierto fenómeno, puede ser estudiada mediante la reproducción de aquél, en condiciones muy cercanas a lo que es la realidad. Este método de investigación, tan vastamente aplicado en las ciencias naturales, ha permitido enormes progresos, facilitado siempre por las ventajas que otorga poder estudiar, a través de las reproducciones empíricas, el comportamiento de los procesos naturales y, a partir de los mismos, deducir las relaciones básicas que los gobiernan y las relaciones de causalidad existentes entre sus diferentes partes. admin Underline admin Underline admin Underline admin Underline admin Highlight admin Highlight admin Highlight admin Underline admin Underline admin Underline admin Underline admin Underline admin Highlight admin Highlight admin Highlight admin Highlight admin Highlight admin Underline admin Underline admin Underline admin Underline admin Underline admin Underline admin Underline admin Underline admin Underline admin Underline admin Underline admin Underline admin Highlight admin Highlight admin Underline Materia: Investigación Operativa Profesor: Ing. Pablo E. Godino - 6 - Así es como el estudio empírico de los fenómenos ha permitido desarrollar el análisis experimental y, al mismo tiempo, esas elaboraciones has servido para nuevos desarrollos teóricos que posibilitaron las construcciones lógicas y formales que hoy constituyen el asiento de estas ciencias. En general, entonces, vamos a considerar como ejemplos de modelos de las ciencias naturales a cualesquiera de los múltiples experimentos que conocemos en estas disciplinas. Así, para citar los modelos más destacados que se han elaborado en este siglo, señalamos que uno es el del átomo, el cual ha constituido la base de las investigaciones y descubrimientos posteriores que llevaron a la bomba atómica, por ejemplo, y a todos los desarrollos ulteriores.Un modelo clásico de la época antigua, es el Sistema Solar, elaborado por Copérnico que sucedió al anterior modelo tolemaico de explicación del funcionamiento del sistema de planetas. También en las ciencias sociales ha sido motivo siempre de preocupación de parte de los investigadores, lograr la reproducción de fenómenos en condiciones de experimentación que permitan su estudio, análisis y deducción de las leyes principales que los gobiernan, para que, partiendo de esas investigaciones, se puedan efectuar todos los desarrollos y elaboraciones teóricas posibles. Esto significa que en el campo de estas ciencias, la preocupación por la construcción de modelos ha sido un motivo latente, o una inquietud permanente en el ánimo de los investigadores. El problema radica en que las ciencias sociales, la experimentación no siempre es posible llevarla a cabo. Esto es por la misma naturaleza de los fenómenos que acontecen en este campo, a tal punto que resultaría prácticamente imposible construir mediante un experimento, por ejemplo, un sistema económico donde podamos analizar y ver cuál es el comportamiento o reacción de los diferentes sectores de la economía, ante determinados incentivos o medidas. Tampoco sería posible, aún en el plano de la microeconomía, llegar a desarrollar un modelo que nos reproduzca acabadamente la reacción que tendría la competencia, o los competidores de una empresa, frente a ciertas o determinadas políticas que se adopten. No obstante estas limitaciones en el campo económico-social, los ensayos, trabajos e investigaciones realizados, han permitido establecer que existe para muchos aspectos de las ciencias sociales, la posibilidad de llevar a cabo este tipo de construcciones teórico-empíricas que denominamos modelos. Claro que la validez que pueden tener, está siempre sujeta a un carácter mucho más relativo del que poseen para el campo de las ciencias naturales. En este aspecto, digamos que esta imposibilidad de llegar a producir un fenómeno social en condiciones exactamente iguales a la realidad, ha hecho que la elaboración de estos modelos, deba apoyarse en un aspecto que cobra gran importancia dentro de la formulación de los modelos y es el de las hipótesis o supuestos de trabajo. El investigador se ve así precisado a plantear o establecer ciertos supuestos en torno a algunos aspectos de la realidad que está estudiando, de lo contrario, la propia naturaleza sumamente compleja y dinámica de estos fenómenos impediría cualquier construcción teórica-empírica que pueda explicarla. Los supuestos que cobran una importancia relevante dentro del modelo, permiten realizar todos los desarrollos y obtener conclusiones sobre la realidad estudiada, pero deberá tenerse en cuenta que estas últimas están siempre referida Natita Underline Natita Underline Natita Underline Natita Underline Natita Underline Natita Underline Natita Underline Natita Underline Natita Underline Natita Underline admin Underline admin Underline admin Underline admin Underline admin Underline admin Underline admin Underline admin Underline admin Highlight admin Highlight admin Highlight admin Underline admin Underline admin Underline admin Underline admin Underline admin Underline admin Underline admin Underline admin Underline admin Highlight admin Highlight admin Underline admin Line admin Underline admin Highlight admin Highlight admin Underline admin Underline admin Underline admin Underline admin Underline Materia: Investigación Operativa Profesor: Ing. Pablo E. Godino - 7 - a las hipótesis de trabajo adoptadas y tienen validez en tanto y en cuanto dichas hipótesis se verifiquen. En torno a los modelos, digamos también que es importante considerar algo ya mencionado, y es que se trata de construcciones teórica-empíricas. Esto significa que en su formulación se tienen en cuenta las relaciones que la teoría indica y que, por el carácter empírico, sus principales aspectos son extraídos de la realidad bajo estudio. Digamos además que en todo el proceso de construcción de los modelos hay un elemento muy importante que desempeña un papel fundamental, como herramienta de apoyo. Se trata de las matemáticas, que proveen el instrumental necesario para plantear, con todo el rigor propio de estas disciplinas, las relaciones que se necesitan para representar una determinada realidad. De esta forma, los modelos pueden ser representados utilizando el poderoso herramental de la lógica simbólica, que facilita enormemente la búsqueda de soluciones y la interpretación de resultados. Así es como podemos decir entonces que los modelos son construcciones teórico-empíricas resultantes de la aplicación de cierta teoría y la observación de una determinada realidad, sobre la base de la adopción de supuestos de trabajo o hipótesis con lo que se trata de representar un determinado fenómeno. En otra etapa habrá que verificar si el modelo refleja adecuadamente o no la realidad que se intenta representar. Es el momento de la contrastación de las hipótesis y las relaciones empíricas. Se trata de un paso fundamental destinado a establecer si, en definitiva, el modelo es útil o no para el objetivo al que está destinado. OTRA CLASIFICACIÓN DE LOS MODELOS Un modelo puede ser: MENTAL O IMPLÍCITO EXPLÍCITO o VERBALES o FÍSICOS o FORMALES O MATEMÁTICOS Modelo Mental o Implícito: es el que crea el ser humano en su mente para poder resolver un problema planteado, utilizando normalmente la intuición. Modelo Explícito: es la representación del modelo mental, logrando una mejor definición y que se los pueda comunicar y criticar. Modelo Verbal: describe el sistema a través del lenguaje corriente, ya sea escrito u oral. El inconveniente de este tipo de modelos es que es poco preciso y no adecuado cuando se tiene que explicar la interacción de muchos factores. Natita Underline Natita Underline Natita Underline Natita Underline Natita Underline Natita Underline Natita Highlight Natita Highlight Natita Underline Natita Underline Natita Underline Natita Underline Natita Underline Natita Underline Natita Highlight Natita Underline admin Line admin Line admin Line admin Underline admin Underline admin Highlight admin Highlight admin Highlight admin Underline admin Underline admin Underline admin Underline admin Underline admin Underline admin Line admin Underline admin Underline admin Underline admin Underline admin Underline admin Underline admin Rectangle admin Underline admin Highlight admin Highlight admin Highlight admin Highlight admin Highlight admin Highlight admin Highlight admin Underline admin Underline admin Underline admin Underline admin Underline admin Highlight admin Highlight admin Highlight admin Highlight admin Underline admin Underline admin Underline admin Underline admin Underline admin Underline admin Underline admin Underline admin Underline admin Underline admin Underline admin Underline Materia: Investigación Operativa Profesor: Ing. Pablo E. Godino - 8 - Modelo Físico: representa el sistema a estudiar por medio de objetos naturales o artificiales, como sería un modelo a escala hecho por un diseñador. Son pocos utilizables. Modelos Matemáticos o formales: se elaboran usando símbolos matemáticos para representar los distintos componentes del problema y son los más utilizados en relación a la toma de decisión. Las letras o símbolos representan variables (cantidades que no tienen un valor constante), parámetros (cantidades constantes que se presentan dentro del modelo) operaciones y relaciones que vinculan entre sí a dichos elementos. Las variables nodeben ser necesariamente numéricas y las relaciones pueden ser de cualquier naturaleza. Relaciones en los Modelos Formales o Matemáticos 1) Relaciones de comportamiento: ponen de manifiesto la manera de actuar, por lo general, de los seres humanos dentro del sistema que se pretende imitar, como por ejemplo la función oferta y demanda. 2) Relaciones institucionales y/o legales: son los que se establecen entre las variables por leyes, decretos o reglamentos establecidos por las organizaciones que pertenecen al sistema, por ejemplo el porcentaje que se debe mantener disponible de los depósitos de terceros dentro del mercado financiero, relacionando de esta forma los depósitos de terceros dentro del mercado financiero, relacionando de esta forma la disponibilidad promedio de la entidad financiera durante un período, el volumen promedio de depósitos de terceros en dicho período y el coeficiente fijado por el BCRA (efectivo mínimo) 3) Relaciones tecnológicas: surgen cuando se aplica una determinada tecnología dentro de una estructura productiva. Por ejemplo el activo total es igual al pasivo total más el patrimonio neto. 4) Relaciones de definición e identidades: se platean cuando se define un concepto a través de vinculaciones con otros, por ejemplo el activo total es igual al pasivo total más el patrimonio neto. 5) Relaciones de equilibrio: son aquellas que se imponen dentro del sistema para analizar qué ocurre cuando se logra esta situación de equilibrio dentro del mismo o qué se debe llevar a cabo para que el sistema tienda a esta situación. Por ejemplo decimos que el mercado está en equilibrio cuando la oferta es igual a la demanda. 6) Relaciones de objetivo: representan la finalidad a la que se debe o se desea llegar, por ejemplo el nivel máximo de producción fijado por la empresa. admin Highlight admin Highlight admin Underline admin Underline admin Underline admin Underline admin Underline admin Underline admin Underline admin Underline admin Underline admin Underline admin Underline admin Underline admin Underline admin Underline admin Underline admin Underline admin Underline admin Line admin Line admin Line admin Line admin Highlight admin Highlight admin Highlight admin Line admin Line admin Highlight admin Highlight admin Highlight admin Highlight admin Highlight admin Highlight admin Highlight admin Highlight admin Underline admin Underline admin Underline admin Underline admin Underline admin Underline admin Underline admin Underline admin Underline admin Underline admin Underline admin Underline admin Underline admin Underline admin Underline admin Underline admin Underline admin Underline admin Underline admin Underline admin Underline admin Underline admin Underline admin Underline Materia: Investigación Operativa Profesor: Ing. Pablo E. Godino - 9 - CLASIFICACIÓN DE LAS VARIABLES Objetivo Endógenas No objetivo Variables Controlables Exógenas No controlables Variables endógenas: son aquellas que forman parte del sistema y por lo tanto sus valores se determinan en función de la relación que existe con las restantes variables y con las variables exógenas. Variables exógenas: sus valores se determinan fuera del sistema. Variables endógenas objetivo: son aquellas a las cuales se les fija una condición que debe cumplir el sujeto que toma la decisión, por ejemplo que sean mayor o menor a un valor previamente fijado, que sea máximo o mínimo. Variables endógenas no objetivo: no se les impone ninguna condición. Variables exógenas controlables: su valor puede ser determinado por el sujeto que toma la decisión, por ejemplo en una explotación agrícola, la superficie destinada a cada cultivo, la cantidad de semillas a sembrar. Variables exógenas no controlables: no interviene el sujeto decisor, por ejemplo la inflación, la sequía. METODOLOGÍA CIENTÍFICA EN EL ANÁLISIS DE LOS PROBLEMAS DE DECISIÓN La metodología de estudio para el análisis de los problemas de decisión, como ya hemos señalado, es el aspecto en torno al cual gira toda la Investigación Operativa. Comprende las siguientes etapas: Planteamiento del problema: consiste en enunciar correctamente cuál es el problema que queremos explicar, es decir, señalar con toda precisión cuál es la pregunta a la que debemos dar respuesta con el estudio de la realidad, que llevaremos a cabo. Natita Underline Natita Underline Natita Underline nouet Underline nouet Highlight nouet Highlight admin Highlight admin Highlight admin Highlight admin Highlight admin Highlight admin Highlight admin Highlight admin Highlight admin Underline admin Underline admin Underline admin Underline admin Underline admin Underline admin Highlight admin Highlight admin Highlight admin Highlight admin Highlight admin Highlight admin Underline admin Underline admin Underline admin Underline admin Underline admin Underline admin Underline admin Underline admin Underline admin Underline admin Underline admin Underline admin Underline admin Underline admin Underline admin Underline admin Underline admin Underline admin Underline admin Highlight admin Highlight admin Underline admin Underline admin Underline admin Line admin Line Materia: Investigación Operativa Profesor: Ing. Pablo E. Godino - 10 - Análisis de los hechos: significa realizar un estudio de la realidad para extraer de la misma todos los elementos que puedan servirnos para formular nuestras hipótesis de trabajo y plantear las relaciones básicas con las cuales luego trabajaremos. Construcción propiamente dicha del modelo y su análisis: se trata de establecer de forma matemática todas las relaciones que nos interesan y que serán planteadas teniendo en cuenta las hipótesis adoptadas en base al análisis de los hechos y las preguntas a las que debemos responder, según el planteamiento del problema. Aquí la teoría cumple un papel fundamental en tanto que nos permitirá respaldar aquellas elaboraciones que realicemos. Control de las hipótesis: significa extraer a examinar si las hipótesis adoptadas verdaderamente responden a la realidad en estudio, pues de lo contrario, el modelo no va a explicar de ninguna manera esa realidad y mientras esas hipótesis se encuentren alejadas de aquellas, menos útil será el modelo para explicar dicha realidad. Es importante destacar que éste es un aspecto fundamental, porque puede llegar a ser un modelo muy interesante, realizado con elaboraciones de muy avanzada matemática, pero si sus supuesto previos se alejan demasiado de lo que la observación empírica de la realidad revela, nos encontramos con que ese modelo pasa a ser una simple elaboración o construcción teórica sin ninguna aplicación práctica. Crítica y presentación de las conclusiones: una vez elaborado el modelo y resueltos todos los aspectos que nos interesan deducir del mismo, corresponde entrar a la crítica, consistente en analizar detenidamente las conclusiones obtenidas y ver si se corresponden de alguna manera con la realidad en estudio, a la luz de las hipótesis adoptadas. Las conclusiones del modelo serán las que, teniendo en cuenta los objetivos que se persiguen, han de permitir después escoger las decisiones que nos interesan. Entonces, las conclusiones del modelo unidas a los objetivos, determinan las decisiones o políticas a seguir. Digamos por otra parte, que con ello no acaba el estudio, porque además debe darse un seguimiento permanente del modelo para tratar de averiguar constantementesi las políticas adoptadas, teniendo en cuenta las conclusiones del modelo, conducen a los resultados esperado o bien se manifiestan desviaciones respecto a la realidad. En ese sentido, se presenta la necesidad de llevar a cabo lo que se denomina el control administrativo del modelo, que permitirá introducir los correctivos del caso cuando se observe que el modelo no está respondiendo correctamente, según lo que se esperaba del mismo. Ello será un indicio de que en el modelo deben introducirse correctivos para que éste refleje la realidad que se pretende representar muestre fehacientemente las reacciones probables ante determinadas decisiones. Natita Underline Natita Underline Natita Underline Natita Underline Natita Underline Natita Underline Natita Squiggly Natita Underline Natita Underline Natita Underline Natita Underline Natita Underline Natita Squiggly Natita Squiggly Natita Underline Natita Underline Natita Underline Natita Underline Natita Underline Natita Underline Natita Underline Natita Underline Natita Underline Natita Underline Natita Underline Natita Underline Natita Underline Natita Underline Natita Underline admin Highlight admin Highlight admin Highlight admin Highlight admin Highlight admin Underline admin Underline admin Underline admin Underline admin Underline admin Underline admin Underline admin Underline admin Underline admin Underline admin Underline admin Underline admin Underline admin Underline admin Line admin Line Materia: Investigación Operativa Profesor: Ing. Pablo E. Godino - 11 - 1.1.3. Alcance de la INVESTIGACIÓN OPERATIVA USO E IMPLEMENTACIÓN DE MODELOS EN LA EMPRESA En el diagrama siguiente se detallan las fases de un estudio de IO, así como la interacción entre el modelo y el administrados. Importante: La solución óptima del modelo puede ser o no una buena respuesta en el contexto real. El modelo no sustituye la experiencia, el criterio o la intuición del administrador. Un aspecto de su rol consiste en evaluar el modelo mismo. Definición del problema (identificación de variables, objetivo y restricciones) Yy Construcción del modelo Solución del modelo (análisis de sensibilidad) Validación del modelo (criterio del administrador) Revisión del modelo Implementación del modelo Natalia Underline Natalia Underline Natalia Underline Natalia Underline admin Highlight admin Highlight admin Highlight admin Underline admin Underline admin Underline admin Underline admin Underline admin Underline admin Underline admin Underline admin Underline admin Underline Materia: Investigación Operativa Profesor: Ing. Pablo E. Godino - 12 - Jerarquía de modelos en la empresa: Mayores niveles: proporcionan datos e información, no decisiones. Se utilizan como herramientas de planeación estratégica. Menores niveles: generalmente producen decisiones. Los elementos que conforman el modelo (variable, objetivo y restricciones) son más claros y fácilmente cuantificables. En la empresa, se utilizan para definir políticas de tipo: Financieras Organizativas Comerciales Producción Siendo los objetivos buscados: Beneficios Manejo de costos y tiempos Expansión volumen de venta Mercado Funciones del Departamento de Investigación Operativa: Planificar Proponer mejoras Informar para proyección futura Ejemplo de aplicaciones (largo plazo): Elaboración de presupuestos Ubicación de plantas Estrategia de mercado Estrategia de inversiones Ejemplo de aplicaciones (corto plazo): Programación de la producción y de la fuerza de trabajo Administración de inventarios Programación de máquinas Control de vuelos Diseño de productos Selección de medios Estimación estadística Mezcla de productos admin Highlight admin Highlight admin Highlight admin Highlight admin Highlight admin Highlight admin Highlight admin Highlight admin Highlight admin Highlight admin Highlight admin Highlight admin Highlight admin Highlight admin Highlight admin Highlight admin Underline admin Underline admin Underline admin Highlight admin Highlight admin Highlight admin Highlight admin Highlight admin Highlight admin Highlight admin Highlight admin Highlight admin Highlight admin Highlight admin Highlight admin Highlight admin Highlight admin Highlight admin Highlight admin Highlight admin Highlight admin Highlight admin Underline admin Underline admin Underline Materia: Investigación Operativa Profesor: Ing. Pablo E. Godino - 13 - Distribución de gastos Programación de proyectos de construcción El campo para los analistas de investigación de operaciones fue de 57,000 empleos en 1990 solamente en Estados Unidos. Los servicios de un “Analista de Operaciones” se requieren en la mayoría de las industrias. Las empresas que más necesitan los servicios de un analista de investigación de operaciones son las manufactureras de químicos, maquinaria y equipo de transporte; empresas que proveen servicios de transporte y telecomunicaciones; bancos; agencias de seguros; empresas de servicios públicos; y agencias gubernamentales de todos los niveles. Algunos analistas trabajan en agencias de consultoría administrativa que desarrollan aplicaciones de investigación de operaciones para empresas que no tienen personal de este tipo. Se estima que la demanda y las oportunidades de trabajo para los analistas de investigación de operaciones ha crecido mucho más rápido que el promedio de las ocupaciones desde el año 2000 debido a la importancia que está cobrando el análisis cuantitativo en la toma de decisiones y la cada vez mayor disponibilidad de recursos computacionales. Cada vez más organizaciones están usando técnicas de investigación de operaciones para mejorar la productividad y reducir los costos. Además, hoy en día se pueden encontrar computadoras con las capacidades requeridas para correr aplicaciones de investigación de operaciones a muy bajos costos. Esto permite que hasta las empresas pequeñas se interesen por la investigación de operaciones. Esta tendencia estimulará en gran medida la demanda de analistas de investigación de operaciones en los próximos años. El mayor crecimiento de las actividades de Investigación de Operaciones está ocurriendo en los sectores de transporte, manufactura, finanzas y servicios. Las empresas en estos sectores reconocen que el análisis cuantitativo puede ocasionar mejoras sustanciales en la eficiencia operativa y las utilidades. Cada vez más aerolíneas, por ejemplo, están usando investigación de operaciones para determinar la calendarización óptima de vuelos y mantenimiento, seleccionar las mejores rutas de servicio, analizar las características de los clientes, y controlar el consumo de combustible, entre otras cosas. Las cadenas de moteles están comenzando a utilizar la investigación de operaciones para mejorar su eficiencia. Por ejemplo, analizan los patrones de tráfico de automóviles y las actitudes de los clientes para determinar la localización, tamaño y estilo de los nuevos moteles. ¿Cuáles son las ideas que pueden ayudarme en la Investigación de Operaciones? Enmarcar el problema Para resolver un problema, primero se lo debe “enmarcar”; es decir, se necesita tener una manera organizada de abordarlo. Por ejemplo si consideramos la forma en que un mecánico bien entrenadotrata el caso de un automóvil que no arranca sabe que si éste no arranca es porque le falta nafta o chispa de encendido. Un buen mecánico es aquel que Natita Underline Natita Underline Natita Underline Natita Underline admin Highlight admin Highlight admin Highlight admin Highlight admin Highlight Materia: Investigación Operativa Profesor: Ing. Pablo E. Godino - 14 - puede determinar la acción apropiada con rapidez y eficacia (quizá reemplazar un fusible) para obtener el resultado deseado. Como futuros gerentes, administradores, ingenieros, etc.… ustedes mismos tendrán muchas oportunidades de tomar decisiones para obtener los resultados deseados. En esos casos necesitarán enmarcar su problema. La optimización restringida y la toma de decisiones bajo riesgo son dos marcos importantes y útiles para una amplia variedad de problemas. En los libros de texto se presentan como modelos matemáticos, junto con los procedimientos (algoritmos) para solucionarlos. En estos caso, más que en las propias matemáticas, necesitará la habilidad para enmarcar. Sin embargo, no es posible simplemente describir los marcos y suponer que la gente los usará de forma correcta. Se debe comprender muy bien cómo se crean los modelos y las relaciones entre las decisiones y los resultados, antes de que logren utilizar los marcos intuitivamente. Tiene que aprender sobre los modelos y las formas de usarlos en diversas situaciones ante de aplicarlos por sí mismos. Se necesita práctica. Escepticismo saludable Es importante ser escéptico. Hay que aprender a cuidarse de los expertos, de las soluciones proporcionadas por los modelos y, desde luego, de las propias intuiciones. Nuestro socios más valiosos son aquellos que dicen “¡No pueden estar en lo cierto! Si fuera así entonces sabríamos que la condición siguiente tendría que ser cierta y obviamente no lo es, por lo tanto están equivocados”. El trabajo con modelos de optimización ensancha su habilidad parea analizar y estudiar a fondo la ruta, desde las superposiciones hasta las conclusiones. Las Tareas para Diagnóstico serán diseñadas especialmente para demostrar este concepto. Si se desea encontrar una buena solución, es primer paso es hacer la pregunta correcta. Se tendrá entonces la oportunidad de trabajar en el desarrollo de esta habilidad. Concepto de costo Fijo, marginal, de oportunidad. Sí, todos hemos estudiado estos conceptos de costo en contabilidad y economía. Sin embargo, responder correctamente las preguntas sobre costos que vienen en los exámenes de estos cursos y utilizar los mismos conceptos en la práctica con eficacia son dos cosas distintas. En este texto, los enfoques se basan, primero en la asignación de costos e ingresos a situaciones individuales y, después, en el uso de la matemáticas para encontrar buenas estrategias. En este caso resulta crucial determinar las relaciones de costos apropiadas. Es una habilidad que ayudará en cualquier carrera. Optimalidad y sensibilidad ¿qué significa la optimalidad en un modelo? ¿Qué significa en el problema real? ¿Qué relación hay entre ambos? ¿Tiene importancia? ¿Qué tan sensible es el resultado de un modelo a las suposiciones que se hicieron y a los estimados de costo? Se enfrentarán a estos problemas cada vez que haga un cálculo, observe los resultados y tome una decisión. Estos temas se tratan de manera organizada y consistente en todo el desarrollo de la materia. Se podría seguir hablando de este tema, pero nuestro modelo de atención indica que estamos cayendo en rendimientos decrecientes. Termino con un breve comentario sobre el aprendizaje y la educación. Nos esforzamos para que el material sea correcto, accesible e Natita Underline Natita Underline Natita Underline Natita Underline Natita Underline Natita Underline Natita Underline Natita Squiggly Natita Squiggly Natita Squiggly Natita Underline Natita Underline Natita Underline Natita Underline Natita Underline Natita Underline Natita Underline admin Highlight admin Highlight admin Underline admin Underline admin Underline admin Highlight admin Highlight admin Highlight admin Underline admin Underline admin Underline admin Underline admin Underline admin Underline Materia: Investigación Operativa Profesor: Ing. Pablo E. Godino - 15 - interesante. Contiene problemas con soluciones, exámenes de conceptos importantes, etc. Sin embargo a quién estuviese destinado es el ingrediente clave. Es posible que haga el trabajo en la clase que utiliza este material, que obtenga una buena calificación y que, a pesar de ello, el material no tenga ningún impacto en usted o en su carrera. Para evitarlo haga suyas estas ideas, lo que significa que debe integrarlas a su intuición. Para conseguirlo necesita pensar de qué manera sí se adaptan y de qué manera no a los problemas que enfrenta fuera de la clase. El texto puede ayudar, el profesor también, pero al final de cuentas usted tiene que hacerlo con base en su propia participación. Después de todo, aprender es una experiencia personal y sólo se lo logra con el propio esfuerzo. 1.2. Programación LINEAL INTRODUCCIÓN A pesar de los grandes adelantos en la optimización computacional ocurridos durante los últimos 20 años (por ejemplo, los avances en los métodos de punto interior), el método Simplex inventado por George B. Dantzig en 1947 es aún la herramienta principal en casi todas las aplicaciones de la programación lineal. Dantzig es considerado como uno de los tres fundadores de la programación lineal, compartiendo dicho honor con Von Neumann y Kantorovich. A través de su investigación en teoría matemática, computación, análisis económico y aplicaciones de problemas industriales ha logrado contribuir más que cualquier otro investigador al desarrollo de la programación lineal. El trabajo de Dantzig ha sido reconocido con numerosos honores, de entre los cuales sobresalen: La Medalla Nacional de la Ciencia (1975), el Premio John Von Neumann de la Sociedad Americana de Investigación de Operaciones y el Instituto de Ciencias Administrativas (1974), la membrecía en la Academia Nacional de Ciencias, la Academia Nacional de Ingeniería y la Academia Americana de Ciencia y Arte. La programación lineal y sus derivados (tales como la optimización no lineal con restricciones y la programación entera) han sido capaces de pasar la prueba del tiempo sin debilitarse, y en nuestros días afectan las prácticas económicas de las organizaciones y sus administraciones. El científico computacional Laszlo Lovasz dijo en 1980, "Si se tomaran estadísticas acerca de cuál problema matemático usa la mayoría del tiempo computacional en el mundo (sin incluir problemas de manejo de bases de datos, como la búsqueda y ordenamiento), seguramente la respuesta sería la programación lineal." En ese mismo año Eugene Lawler de Berkeley dijo lo siguiente: "La programación lineal se usa para asignar recursos, planear la producción, planear el horario de trabajadores, planear la cartera de inversión y formular estrategias de mercado (y militares). La versatilidad e impacto económico de la programación lineal en el mundo industrial actual es realmente impresionantes." Natita Underline Natita Underline admin Underline admin Highlight admin Highlight admin Underline admin Underline admin Underline admin Underline admin Underline admin Highlight admin Highlight admin Highlight admin Underline admin Underline Materia: Investigación Operativa Profesor: Ing. Pablo E. Godino - 16 - 1.2.1. Un problema de Programación Lineal Estructurageneral MODELOS de Optimización Restringida Formulación general: Optimizar (maximizar o minimizar) una función que depende de varias variables, llamada Función Objetivo: f(x1,...,xn) Sujeta a las restricciones /s.a): g1 (x1,…xn) <= b1 g2 (x1,…xn) <= b2 gm (x1,…xn) <= bm Siendo: f: función objetivo de utilidad x1,…xn: variables de decisión (n) g1…,gm: funciones de restricción (m) b1,…bm: vector de recursos o lado derecho (m). ¿Por qué existen restricciones? La razón de ser de las restricciones se remiten a varios motivos, por ejemplo: Tecnología inmutable a corto plazo: las restricciones tecnológicas a corto plazo son inevitables. Por ejemplo, en la elaboración de un determinado bien, la maquinaria utilizada tiene una determinada capacidad de producción, así como limitaciones en cuanto a costos de tiempos. Natalia Underline Natalia Underline Natalia Underline Natalia Highlight Natalia Highlight Natalia Highlight Natalia Highlight admin Highlight admin Highlight admin Highlight admin Highlight admin Underline admin Underline admin Highlight admin Line admin Underline admin Highlight admin Highlight admin Highlight admin Highlight admin Underline admin Underline admin Underline admin Underline admin Underline admin Underline admin Underline admin Underline admin Highlight admin Underline admin Underline admin Highlight admin Underline Materia: Investigación Operativa Profesor: Ing. Pablo E. Godino - 17 - Leyes de la naturaleza: evidente al tratarse de producción agrícola y/o ganadera. Si bien se puede acelerar el desarrollo de una especie y mejorar el rendimiento gracias a la tecnología, siempre hay un límite dado por la naturaleza. Cuellos de botella: situaciones inesperadas o fuera de control que restringen nuestro abanico de alternativas. Ejemplos: huelgas, demoras en una importación, catástrofes naturales. Costos de la investigación: para conoces ciertas respuestas (demanda futura, situación económica general, evolución de los mercados, etc.), los costos de la investigación pueden ser desproporcionados, por lo que una política muy empleada es imponer restricciones para reducir dichos costos. Como ejemplo, una empresa puede estar evaluando cómo publicar sus productos, siendo las alternativas muy numerosas. Imponiendo restricciones, limita la cantidad de estrategias posibles y concentra su atención en pocas opciones. Incertidumbre y análisis paramétrico: el valor futuro de la tasa de interés es fundamental para decidir la conveniencia de una inversión, pero suele ser un parámetro difícil de pronosticar. Por ello, se imponen límites (superior e inferior) a dichas tasa y se hace un análisis paramétrico (o de sensibilidad) para tratar con la incertidumbre. Objetivos sustitutos: esta situación ocurre cuando no es posible cuantificar un objetivo deseado y se recurre a otro sustituto. Si, por ejemplo, el Ministerio de Defensa quiere maximizar la disuasión en las zonas limítrofes, para expresar dicho objetivo en un modelo puede sustituirlo por otro, como puede ser maximizar la presencia militar (personal y armamento) en los pasos fronterizos. Intereses particulares por sobre los de la empresa: esta cuestión puede derivar en situaciones ilegales o, por lo menos, que rozan el límite de lo ético. Un funcionario (que puede ser de cualquier rango) puede imponer restricciones a, por ejemplo, una licitación pública o una selección de personal que favorecen “casualmente” a determinadas empresas o individuos, con quienes tiene una relación “especial”. Estructura jerárquica y delegación de la autoridad: un caso típico se da en las compañías que tienen sucursales en varias localidades. La casa central suele imponer restricciones a los responsables de cada una de las filiales, ya sea en la contratación de servicios o las compras a proveedores. Ecuaciones de definición o de balance: son sumamente restrictivas. Como ejemplo, un modelo logístico puede tener una restricción de balance de material como: Cantidad que entra al depósito = Cantidad que sale del mismo Natita Underline Natita Underline Natita Underline Natita Underline Natita Underline Natita Underline Natita Underline Natita Underline Natita Underline Natita Underline Natita Underline Natita Squiggly Natita Squiggly Natita Squiggly Natita Squiggly Natita Squiggly Natita Squiggly Natita Squiggly Natita Squiggly Natita Squiggly Natita Squiggly Natita Squiggly Natita Squiggly Natita Squiggly Natita Squiggly admin Underline admin Underline admin Underline admin Underline admin Underline admin Underline admin Underline admin Underline admin Highlight admin Highlight admin Highlight admin Highlight admin Highlight admin Highlight admin Highlight admin Highlight admin Underline admin Underline admin Underline admin Underline admin Underline admin Underline admin Underline admin Underline admin Underline admin Underline admin Underline admin Underline Materia: Investigación Operativa Profesor: Ing. Pablo E. Godino - 18 - 1.2.2. Identificación de Variables de decisión Función Objetivo - Restricciones La programación Lineal (PL) es un modelo de optimización restringida, o de toma de decisiones restringidas, en la cual tanto la función objetivo como las funciones de restricción son funciones lineales (o de 1º grado) de las variables de decisión. Otra definición: El problema de asignar recursos limitados para optimizar un objetivo de interés, utilizando únicamente funciones lineales en su formulación matemática. Es un modelo de tipo determinístico. Recordemos que en Estadística, un fenómeno determinístico es aquel que obtiene siempre el mismo resultado bajo las mismas condiciones iniciales. La relación causa - efecto se conoce en su totalidad, y es siempre la misma. Ejemplo: todos los fenómenos que siguen las leyes de la física clásica, como puede ser la caída de un cuerpo. Lo contrario de un fenómeno determinístico es un fenómeno aleatorio. Elementos de un problema de PL Beneficios Maximizar Rendimiento Función objetivo Eficiencia Costo Minimizar Tiempo Limitaciones (menor o igual → ≤ ) Restricciones Requerimientos (mayor o igual → ≥) De definición o de balance (igual → =) Variables de decisión (x1,x2,…,xn) Natita Underline Natita Underline Natita Underline Natita Underline Natita Underline Natita Underline Natita Underline Natita Underline Natita Underline admin Highlight admin Underline admin Highlight admin Highlight admin Highlight admin Underline admin Underline admin Underline admin Underline admin Underline admin Underline admin Underline admin Underline admin Underline admin Underline admin Underline admin Underline admin Underline admin Underline admin Underline admin Underline Materia: Investigación Operativa Profesor: Ing. Pablo E. Godino - 19 - Pasos para la construcción del modelo Identificar las variables de decisión (incógnitas): ¿Qué hay que determinar? Definir el objetivo en palabras y después en lenguaje matemático, en términos de las variables de decisión: ¿Cuál es la meta u objetivo que se quiere alcanzar? Expresar las restricciones del problema, primero verbalmente y luego en símbolos matemáticos, en función de las variables de decisión: ¿Cuáles son las limitaciones y/o requerimientos del problema? Verificar la existencia de las unidades y del modelo elaborado. 1.2.3. Restricciones: Holguras y Excesos Las restricciones pueden ser: activas o inactivas Activas: Las restricciones de igualdad (=) son siempre activas. Las de desigualdad (≥ ó ≤) lo son cuando el primer miembro es igual al lado derecho. Geométricamente, las restricciones activas son aquellas que pasan por la solución óptima. En el ejemplo anterior, son activas la primera ( xe + 2 xI ≤ 6) y la segunda ( 2 xE + xI ≤ 8), que determinan el punto C. Inactivas: En las restricciones inactivas de tipo menor o igual ≤ (son limitaciones al problema), se llama holgura a la diferencia entre el lado derecho y el primer miembro de la desigualdad. En las restricciones inactivas de tipo mayor o igual ≥ (son requerimientos del problema), se llama exceso o excedente a la diferencia entre el lado derecho y el primer miembro de la desigualdad. Las restricciones redundantes son aquellas que, si se suprimen, el conjunto factible no se modifica. Natita Underline Natita Underline Natita Underline Natita Underline Natita Underline Natita Underline Natita Underline Natita Underline Natita Underline Natita Underline Natita Underline Natita Underline Natita Underline Natita Underline Natita Underline Natita Underline Natita Underline Natita Underline Natita Underline Natita Underline Natita Underline Natita Underline Natalia Highlight Natalia Highlight Natalia Highlight Natalia Underline Natalia Underline admin Highlight admin Highlight admin Highlight admin Highlight admin Highlight admin Highlight admin Underline admin Underline admin Underline admin Underline admin Underline admin Underline admin Line admin Line admin Underline admin Underline admin Highlight admin Highlight admin Highlight admin Highlight Materia: Investigación Operativa Profesor: Ing. Pablo E. Godino - 20 - 1.3. Interpretación del Principio de PROGRAMACIÓN LINEAL Ejemplo PL: Fábrica de Maquinaria pesada Se producen dos tipos de maquinarias pesadas (equipos E y F), utilizando los mismos recursos (departamentos, personal y equipamiento). Se considera que, para el próximo mes, será posible vender todos los equipos E y F que se puedan producir. Se deben considerar los siguientes aspectos. La utilidad por cada E que se venda es de $5.000 y por cada F, de $4.000. Ambos equipos pasan por operaciones mecánicas en los departamentos A y B. Departamento A: 150 horas disponibles. Cada E consume 10 horas y cada F, 15 horas. Departamento de verificación: Por un compromiso laboral, no se pueden emplear menos del 10% de la meta establecida de 150 horas en el control y verificación de los productos terminados (=135 horas). Cada E requiere de 30 horas y cada F, de 10. Debido a la política comercial de la empresa, se debe construir por lo menos un F por cada 3 E. Existe un pedido en firme por 5 equipos (en cualquier combinación de E y F). Consigna: ¿Cuántos E y cuántos F se deben producir? En términos técnicos, ¿cuál es la mezcla óptima de productos, o el plan óptimo de producción? Variables de decisión: XE: números de equipos E producidos XF: números de equipos F producidos. Restricciones: Departamento A: 10 (horas por cada E) x (número de E producidos) + 15 (horas por cada F) x (número de F producidos) = total de horas usadas en A, que no podrán superar las 150 horas disponibles. 10xE + 15xF ≤ 150 Departamento B: 20xE + 10xF ≤ 160 Función de restricción Lado derecho o vector de recursos Natalia Line Natalia Line Natalia Line Natalia Line admin Highlight admin Highlight admin Underline admin Underline admin Underline admin Underline admin Underline admin Underline admin Underline admin Underline admin Underline admin Underline admin Underline admin Underline admin Underline admin Underline admin Underline admin Underline admin Underline admin Underline admin Underline admin Underline admin Underline admin Underline admin Underline admin Underline admin Underline admin Underline admin Underline admin Underline admin Underline admin Underline admin Underline admin Underline admin Underline admin Underline admin Note Falta el Dpto. B con 20XE + 10XF menor o igual a 160 Materia: Investigación Operativa Profesor: Ing. Pablo E. Godino - 21 - Departamento de verificación: 30xE + 10xF ≥ 135 Mezcla de producción: Construir por lo menos un F cada tres E se expresa matemáticamente: xE/ 3 ≤ xF xE/ 3 ≤ xF xE - 3xF ≤ 0 Total de unidades: xE + xF ≥ 5 No negatividad: xE ≥ 0, xF ≥ 0 Normalmente se aplica una condición de “No Negatividad”, ya que no tiene sentido físico la producción de un número negativo de equipos. Los valores de las variables de decisión que satisfagan todas las restricciones del modelo constituyen una solución factible (o decisión factible). Función objetivo: z = 5.000 xE + 4.000 xF (utilidad total) Solución óptima: La solución factible que optimice la función objetivo. en este caso, que maximice la utilidad total. Esto es. Max. z = 5.000 xE + 4.000 xF Problema resuelto: Fábrica de Maquinaria pesada En el ejemplo anterior, el modelo PL formal es: Max. Z = 5.000 xE + 4.000 xF (Función objetivo) Sujeto a (s.a): Las siguientes restricciones 10xE + 15xF ≤ 150 20xE + 10xF ≤ 160 30xE + 10xF ≥ 135 (Restricciones) xE - 3 xF ≤ 0 xE + xF ≥ 5 xE 0, xF ≥ 0 Natita Underline Natita Underline Natita Underline admin Underline admin Underline admin Underline admin Underline admin Highlight admin Underline admin Underline admin Highlight admin Highlight admin Highlight admin Underline admin Underline admin Underline admin Underline admin Underline admin Pencil admin Pencil admin Pencil admin Pencil admin Pencil admin Pencil admin Pencil admin Pencil admin Pencil Materia: Investigación Operativa Profesor: Ing. Pablo E. Godino - 22 - 1.3.1. El Método GRÁFICO (SOLUCIÓN GRÁFICA al problema planteado) Se resolverá en forma gráfica el ejemplo planteado en el ejemplo Fábrica de maquinaria pesada . Esto es posible debido a que tiene dos variables de decisión. Para modelos que no sean bidimensionales, este método es impráctico o imposible. Sin embargo, las conclusiones que extraerán serán extrapolares o problemas de dimensiones y servirán de base para el método de solución general. En primer lugar, se graficará el espacio de soluciones (factible), que satisfaga todas las restricciones en forma simultánea. También se lo llama conjunto factible, región factible o conjunto restringido. Esto será el espacio delimitado por la totalidad de las restricciones. Para dibujarlo, se seguirán los siguientes pasos con cada restricción: Cambiar la desigualdad por igualdad y graficar la recta que representa dicha ecuación. Tomar un punto de ensayo y verificar si cumple o no la desigualdad. Si la recta no pasapor el origen (0,0), éste será el punto de más fácil comprobación. Indicar con una flecha el semiplano correcto. A continuación, se desarrollará el citado ejemplo paso a paso, a partir del modelo PL formal ya obtenido: Max. Z = 5.000 xE + 4.000 xF Sujeto a (s.a): 1) 10 xE + 15 xF ≤ 150 2) 20 xE + 10 xF ≤ 160 3) 30 xE + 10 xF ≥ 135 4) xE - 3 xF ≤ 0 5) xE + xF ≥ 5 6) xE ≥ 0 7) xF ≥ 0 Natita Underline Natita Underline Natita Underline Natita Underline Natita Underline Natita Highlight Natita Highlight Natita Highlight Natita Highlight admin Highlight admin Highlight admin Underline admin Underline admin Underline admin Underline admin Highlight admin Line admin Underline admin Underline admin Underline admin Underline admin Underline admin Pencil admin Pencil admin Pencil admin Pencil admin Pencil admin Pencil admin Pencil admin Pencil admin Pencil Materia: Investigación Operativa Profesor: Ing. Pablo E. Godino - 23 - 1.3.2 . Interpretación Gráfica de restricciones Espacio de soluciones factibles A la primera restricción (10 xE + 15 xF ≤ 150) se la transforma en igualdad (10 xE + 15 xF = 150) y se grafica la recta determinando los puntos en donde ella corta a cada eje. Para averiguar los puntos de intersección con cada eje, se anula (se hace cero) la otra variable: En xE: 150/10 = 15 En xF: 150/15 = 10 Como en realidad se trata de una desigualdad, para determinar cuál es el semiplano correcto, se toma (por comodidad) el origen de coordenadas (0,0) ya que la recta no pasa por él. Para verificar si cumple con la desigualdad, se reemplazan las variables por las coordenadas del origen (xE = 0; xF = 0): 10 xE + 15 xF ≤ 150 10 x 0 + 15 x 0 = 0 < 150 → ¡VERIFICA la desigualdad! Natita Underline Natita Underline Natita Underline Natita Underline Natita Underline Natita Underline Natita Underline Natita Underline Natita Underline Natita Underline Natita Underline Natita Underline admin Highlight Materia: Investigación Operativa Profesor: Ing. Pablo E. Godino - 24 - Por lo tanto, el punto analizado se encuentra en el lado factible, lo cual se indica con una flecha direccional asociada con la primera restricción que apunta hacia el origen de coordenadas. Asimismo, se indica en el gráfico con un rayado los puntos que verifican la desigualdad (el semiplano que cumple con la primera restricción). De la misma manera, se dibujan superpuestas todas las restricciones del problema. La segunda restricción (20 xE + 10 xF ≤ 160) es muy similar a la primera en su tratamiento, obteniéndose entonces el siguiente gráfico: Natita Underline Natita Underline Natita Underline Natita Underline Materia: Investigación Operativa Profesor: Ing. Pablo E. Godino - 25 - Al rayar en sentido opuesto el semiplano que verifica la segunda desigualdad, se observa que los puntos que cumplen simultáneamente con ambas restricciones son aquellos que se encuentran en el área donde se superponen los rayados (rayado doble), por lo que se reduce la cantidad de soluciones factibles. Al dibujar la tercera restricción (30 xE + 10 xF ≥ 135), se notará que al utilizar el origen de coordenadas (0,0) para determinar el semiplano correcto, no verifica la desigualdad: 30 xE + 10 xF ≥ 135 30 x 0 + 10 x 0 = 0 < 135 (no es ≥) → NO VERIFICA Por lo tanto, la flecha direccional apunta en sentido contrario al origen de coordenadas (arriba y a la derecha), y los puntos que verifican la tercera restricción se muestran con un rayado vertical. De esta manera, a medida que se agregan restricciones, la región factible (o sea, los puntos que cumplen con las restricciones) se va acotando, siendo ahora el área donde se superponen los tres rayados. A fin de aclarar el dibujo, se quitará el rayado de los gráficos que se hagan a continuación. Para graficar la cuarta restricción (xE – 3 xF ≤ 0), se procede de la misma manera que con las anteriores, pero en este caso, al querer determinar el semiplano correcto, no se puede utilizar el origen de coordenadas, porque la recta pasa por ese punto. Se toma otro punto cualquiera, pero para simplificar, es preferible verificar con alguno que tenga una coordenada nula (xE = 0 ó xF = 0). En este ejemplo se adopta el punto (10,0) sobre el eje xE. entonces: xE – 3 xF ≤ 0 10 – 3 x 0 = 10 > 0 (no es ≤) → NO VERIFICA Natita Underline Natita Underline Natita Underline Natita Underline Natita Underline Natita Underline Natita Underline Natita Underline Natita Underline Materia: Investigación Operativa Profesor: Ing. Pablo E. Godino - 26 - De acuerdo a esto, la flecha direccional apunta “hacia arriba”, en sentido opuesto al punto considerado. Luego, el trazado de la quinta restricción ( xE + xF ≥ 5) no presenta mayores inconvenientes. Las dos últimas restricciones (de no negatividad) indican los semiplanos positivos de cada una de las variables, o sea: xE será positivo desde el eje xF hacia la derecha (6). xE será positivo desde el eje xE hacia arriba (7). Así, quedan graficadas todas las restricciones. La región factible será el área delimitada por la totalidad de las restricciones (rayado doble). Cualquier punto que se encuentre dentro de esa zona será una solución factible al problema planteado. Esto significa que existen infinitas soluciones al problema, siempre y cuando se encuentren dentro de la región factible. El gráfico de la siguiente página muestra la región factible correspondiente al problema planteado. Natita Underline Natita Underline Natita Underline Natita Underline admin Highlight Materia: Investigación Operativa Profesor: Ing. Pablo E. Godino - 27 - 1.3.4. Interpretación Gráfica de la Función Objetivo Solución Óptima Pero lo que realmente se pretende averiguar es cuál es la solución óptima, esto es, cuál es el punto que maximiza los beneficios para la empresa, se pasa entonces a la segunda parte de la solución gráfica, en donde se considera la función objetico z, que representa una familia de rectas paralelas, cada una de ellas con distinto valor objetivo. se determinará cuál es el sentido creciente de dicho valor (en el caso de maximización) o el decreciente (minimización), hasta el punto en que cualquier incremento (máx.) o decremento (min.) produciría una solución infactible (fuera del espacio de soluciones). Se procede a graficar dicha función (z = 5.000 xE + 4.000 xF , para lo cual es necesario valorizarla. En esta caso, se hace: z = 20.000 → 5.000 xE + 4.000 xF = 20.000 Por lo tanto, los puntos donde dicha recta cortará a los ejes serán: en xE: 20.000/5.000 = 4 en xF: 20.000/4.000 = 5 (se puede apreciar esto en el gráfico de la siguiente página) Natita Underline Natita Underline Natita Underline Natita Underline Natita Highlight Natita Highlight Natita Underline Natita Underline Natita Underline Natita Underline Natita Underline Natita Underline Natita Underline Natita Underline Natita Underline admin HighlightMateria: Investigación Operativa Profesor: Ing. Pablo E. Godino - 28 - El sentido creciente para esta función es “hacia arriba y hacia la derecha”, lo cual se puede comprobar valorizando, como se muestra en la figura siguiente ( z = 40.000 ). Nótese que esta última es paralela a la anterior. Se busca entonces el punto límite para el cual cualquier incremento adicional se encontrará fuera del conjunto restringido. Esto se da en el punto donde se intersecan las rectas que definen la primera y la segunda restricción (solución óptima). Para resolver cuáles son las coordenadas de dicho punto, hay que resolver el sistema de dos ecuaciones con dos incógnitas, correspondientes a las dos primeras restricciones. 10 xE + 15 xF ≤ 150 20 xE + 10 xF ≤ 160 Natita Underline Natita Underline Natita Underline Natita Underline Natita Underline admin Underline admin Underline admin Underline admin Underline admin Underline Materia: Investigación Operativa Profesor: Ing. Pablo E. Godino - 29 - Resolviendo por cualquier método conocido el sistema de dos ecuaciones con dos incógnitas nos queda: xE = 4,5 y xF = 7 (solución óptima) La utilidad asociada se obtiene reemplazando en la función objetivo z los valores de xE y de xF por los calculados. Z = 5.000 xE + 4.000 xF Z = 5.000 x 4,5 + 4.000 x 7 = $50.500 (valor óptimo) Ejemplo de PL: Fábrica de pinturas Se producen pinturas para exteriores y para interiores utilizando dos materiales básicos, a y b, cuya disponibilidad máxima es de 6 y 8 toneladas diarias, respectivamente. Para obtener 1 Tn de pintura para exteriores se necesitan 1 Tn de A y 2 Tn de B; para 1 Tn de pintura para interiores, 2 Tn de A y 1 Tn de B. De un estudio de mercado se determinó que: La demanda diaria de pintura para interiores no pude ser mayor que la de pintura para exteriores en más de 1 Tn. La demanda máxima de pintura para interiores es de 2 Tn por día. El precio por tonelada es de $3.000 para la pintura de exteriores y de $2.000 para la de interiores. ¿Cuánta pintura de cada tipo se debe producir para maximizar el ingreso bruto? Modelo PL formal: xE: producción diaria (en Tn) de pintura para exteriores xF: producción diaria (en Tn) de pintura para interiores MÁXIMO. Z = 3 xE + 2 xI (Función objetivo, expresada en miles de $) s.a. (restricciones): xE + 2 xI ≤ 6 (Disponibilidad de materia prima A) 2 xE + xI ≤ 8 (Disponibilidad de materia prima B) - xE + xI ≤ 1 (Exceso de pintura para interiores sobre exteriores) Natita Underline Natita Underline Natita Underline admin Highlight admin Underline admin Underline admin Highlight Materia: Investigación Operativa Profesor: Ing. Pablo E. Godino - 30 - xI ≤ 2 (Demanda máxima de pintura para interiores) xE 0, xI ≥ 0 (No negatividad) Problema resuelto: Fábrica de pinturas A continuación, se resolverá el ejemplo planteado anteriormente. Los pasos a seguir son los mismos que para el problema anterior. Para comenzar a graficar el conjunto factible, a la primera restricción (xE + 2 xI ≤ 6) se la transforma en igualdad (xE + 2 xI = 6) y se grafica la recta determinando los puntos en donde ella corta cada eje: en xE: 6/1 = 6 en xI: 6/2 = 3 Para determinar cuál es el semiplano correcto, se toma el origen de coordenadas (0,0) ya que la recta no pasa por él. Para verificar si cumple con la desigualdad, se reemplazan las variables por las coordenadas del origen (xE = 0; xI = 0): xE + 2 xI ≤ 6 0 + 2 x 0 = 0 < → VERIFICA Por lo tanto, el punto analizado se encuentra en el lado factible, lo cual se indica con una flecha direccional asociada con la primera restricción. De la misma manera, se dibujan las demás restricciones, superpuestas en el gráfico de la página siguiente. Se recomienda realizar el ejercicio completo a manera de práctica, ya que la resolución de un ejemplo es la base de este módulo. Todas las rectas establecidas como restricciones delimitan el conjunto factible, que es el área sombreada en color sepia. En el ejemplo, está dibujada la función objetivo valorizada en: Z = 6 (3 xE + 2 xI = 6). La función objetivo está graficada como una línea levemente más gruesa que las demás líneas rectas que representan restricciones. El sentido creciente para esta función es “hacia arriba y hacia la derecha”, lo cual se puede comprobar valorizando la función objetivo “z” en otros valores (mayores que 6). Se busca entonces el punto límite para el cual cualquier incremento adicional se encontrará fuera del conjunto restringido. Materia: Investigación Operativa Profesor: Ing. Pablo E. Godino - 31 - En el gráfico anterior se muestra la solución del problema. Se observa que la solución óptima ocurre en el punto C, intersección de las rectas 1 y 2, por lo que los valores de xE y de xI surgen de resolver el siguiente sistema de dos ecuaciones con dos incógnitas. xE + 2 xI = 6 2 xE + xI = 8 Resolviendo: xE = 3,333 Tn y xI = 1,333 Tn (solución óptima) El ingreso asociado se obtiene reemplazando en la función objetivo z los valores de xE y de xI por los calculados: z = 3 xE + 2 xI z = 3 x 3,333 + 2 x 1,333 = 12,666 miles de $ (valor óptimo) Resumiendo, el modelo de PL determina que la producción óptima es fabricar 3,333 Tn de pintura para exteriores y 1,333 Tn de pintura para interiores, lográndose de esta manera el máximo ingreso bruto posible de $ 12.666 por día, sujeto a las restricciones analizadas. admin Underline Materia: Investigación Operativa Profesor: Ing. Pablo E. Godino - 32 - Importante: La solución del problema se da en un vértice de la región factible, también llamado punto extremo. La determinación del vértice depende de la pendiente (relación entre los coeficientes) de la función objetivo. Se puede demostrar que en un problema de PL, si existe una solución óptima, hay por lo menos un vértice óptimo. Ejercicios propuestos para resolver Resuelva por el método gráfico los ejemplos planteados en Fábrica de televisores y Mezcla de Alimentos. Tome en cuenta que este último problema es un caso de minimización, por lo que se determinará el sentido decreciente de la función objetivo. asimismo, dos de las restricciones pasan por el origen y para determinar el semiplano que verifica la desigualdad, será necesario tomar otro punto de ensayo (cualquiera, preferentemente con una de las coordenadas nulas para simplificar el cálculo). Las respuestas a estos problemas se encuentran en forma de tabla al final del planteo . Ejemplo de PL: Fábrica de televisores Una compañía produce dos tipos de televisores, el modelo P y el modelo R. Hay dos líneas de producción, una por cada tipo, con una capacidad limitada a 70 unidades P y a 50 unidades R por día. Ambos modelos pasan por dos departamentos, A y B, los cuales disponen de un máximo de 120 y 90 horas de trabajo diarias, respectivamente. En el A, cada P requiere 1 hora de trabajo, y cada R, de 2 horas. En el B, ambos modelos demandan 1 hora de trabajo cada uno. La utilidad por cada P es de $20 y de $10 por cada R. considerando que la compañía puede vender toda la producción,
Compartir