INVESTIGACIN DE OPERACIONES I

UNIDAD 1: INTRODUCCIN A LA INVESTIGACIN DE OPERACIONES

INSTITUTO TECNOLGICO DE AGUASCALIENTES

INGENIERA INDUSTRIAL

INVESTIGACIN DE OPERACIONES I

M.C ING. INDUSTRIAL SAMUEL GALINDO CARREN

UNIDAD I: INTRODUCCIN A LA INVESTIGACIN DE OPERACIONES

MANUEL ALEJANDRO TORRES VELZQUEZ INDUSTRIAL 1

AGUASCALIENTES, AGS. A 10 DE FEBRERO DE 2014

NDICE
1. INTRODUCCIN 1 2. UNIDAD 1 INTRODUCCIN A LA IO 2.1. Definicin, desarrollo y tipos de modelos de IO...5 2.2. Fases de estudio de la IO.6 2.3. Principales aplicaciones de la IO...9 2.4. Metodologa para modelacin...10 2.5. Formulacin de problemas lineales.12 2.6. Conceptos del mtodo grfico y su aplicacin13 3. BIBLIOGRAFA..16 4. RESULTADOS...17 5. CONCLUSIONES..24

INTRODUCCIN
En esta investigacin documental se presentan los temas referentes a la unidad 1 de la materia de Investigacin de Operaciones, la cual a barca desde los conceptos bsicos de esta, pasando por sus aplicaciones y metodologa, hasta el primer mtodo para la resolucin de problemas. Durante esta pequea unidad se analiz, de una manera ms profunda el mtodo grafico para resolucin de problemas de programacin lineal. Se observ adems lo que es y para qu sirve la programacin lineal, que es una herramienta de la Investigacin de Operaciones que facilita la resolucin de problemas de optimizacin y minimizacin, de la cual se desprenden algunos mtodos, entre los cuales est el grafico, el sistema ms comn y usado en estos casos. Por ltimo se proponen ciertos casos de aplicacin de este mtodo en distintos problemas, desde su formulacin y resolucin e incluso solo esto ltimo. A continuacin un pequeo extracto de la introduccin a la Investigacin de Operaciones

Unidad 1 INTRODUCCIN A LA INVESTIGACIN DE OPERACIONES

1.1 Definicin desarrollo y tipos de modelos de Investigacin de Operaciones La investigacin de operaciones es la aplicacin, por grupos interdisciplinarios, del mtodo cientfico a problemas relacionados con el control de las organizaciones o sistemas, a fin de que se produzcan soluciones que mejor sirvan a los objetivos de la organizacin. El origen de esta materia se remonta a la segunda guerra mundial, cuando el coronel Sanders, junto con un dedicado grupo de cientficos, se propusieron encontrar la cuadratura del crculo, para de esta forma simplificar el horario militar y que le permitiese al Teniente G. Dann ganar la guerra en un rpido ataque en contra de los aliados. La investigacin de operaciones es la aplicacin de la metodologa cientfica a travs de modelos matemticos, primero para representar al problema y luego para resolverlo La complejidad de los problemas que se presentan en las organizaciones ya no encajan en una sola disciplina del conocimiento, se han convertido en multidisciplinario por lo cual para su anlisis y solucin se requieren grupos compuestos por especialistas de diferentes reas del conocimiento que logran comunicarse con un lenguaje comn. Modelos de la Investigacin de Operaciones. La forma convencional en que la investigacin de operaciones realiza esto es construyendo un modelo matemtico que represente la esencia del problema. Un modelo siempre debe ser menos complejo que el problema real, es una aproximacin abstracta de la realidad con consideraciones y simplificaciones que hacen ms manejable el problema y permiten evaluar eficientemente las alternativas de solucin. Resolver un modelo consiste en encontrar los valores de las variables dependientes, asociadas a las componentes controlables del sistema con el propsito de optimizar, si es posible, o cuando menos mejorar la eficiencia o la efectividad del sistema dentro del marco de referencia que fijan los objetivos y las restricciones del problema. La seleccin del mtodo de solucin depende de las caractersticas del modelo. Los procedimientos de solucin pueden ser clasificados en tres tipos: a) analticos, que utilizan procesos de deduccin matemtica

b) numricos, que son de carcter inductivo y funcionan en base a operaciones de prueba y error c) simulacin, que utiliza mtodos que imitan o, emulan al sistema real, en base a un modelo.

1.2 Fases estudio Investigacin de Operaciones Nacida durante la Segunda Guerra Mundial, la investigacin de operaciones es una ciencia que modela problemas complejos haciendo uso de las matemticas y la lgica. La investigacin de operaciones permite el anlisis de la toma de decisiones teniendo en cuenta la escasez de recursos, para determinar cmo se pueden maximizar o minimizar los recursos. El mtodo ms popular es el smplex (George Dantzing, 1947) dentro de la rama de programacin lineal. El algoritmo smplex ha sido elegido como uno de los diez de mayor influencia en el desarrollo y la prctica de la ciencia y la ingeniera en el siglo XX. Entre algunos de los mtodos utilizados tenemos el mtodo de la ruta crtica y a la tcnica de revisin y evaluacin de programas. En la ciencia de la administracin la cual tambin es conocida como investigacin de operaciones, los administradores utilizan las matemticas y las computadoras para tomar decisiones racionales en la resolucin de problemas. Aunque estos administradores pueden resolver algunos problemas con su experiencia pero en el complejo mundo en que vivimos muchos problemas no pueden ser resueltos basados en experiencia. Las tcnicas de la administracin se aplican a dos categoras bsicas de problemas, las cuales son las siguientes: Problemas Determinsticos: son en los que la informacin necesaria para obtener una solucin se conoce con certeza. Problemas Estocsticos: son los que parte de la informacin necesaria no se conoce con certeza como es el caso de los determinsticos, sino que ms bien se comporta de una manera probabilstica. La investigacin operacional (conocida tambin como teora de la toma de decisiones, o, programacin matemtica. El objetivo y finalidad de la Investigacin operacional es la de encontrar la solucin ptima para un determinado problema (militar, econmico, de infraestructura, logstico, etc. Est constituida por un acercamiento cientfico a la solucin de problemas complejos, tiene caractersticas intrnsecamente multidisciplinares y utiliza un conjunto

diversificado de instrumentos, prevalentemente matemticos, para la modelizacin, la optimizacin y el control de sistemas estructurales. En el caso particular de problemas de carcter econmico, la funcin objetivo puede ser el mximo rendimiento o el menor costo. La investigacin operacional tiene un rol importante en los problemas de toma de decisiones porque permite tomar las mejores decisiones para alcanzar un determinado objetivo respetando los vnculos externos, no controlables por quien debe tomar la decisin. Dado que la IO representa un marco integrado que contribuye a la toma de decisiones el prximo paso es comprender con claridad este marco, con el fin de aplicarlo a un problema genrico. Para lograrlo, a continuacin se detalla el enfoque de IO. Este comprende los siguientes siete pasos en secuencia (Fig. 1).

Orientacin El primer paso del enfoque de IO se refiere a la orientacin del problema. El objetivo principal de este paso es constituir al equipo que manejara el problema y asegurarse de que sus miembros tienen una imagen clara de las cuestiones importantes. Cabe destacar que una caracterstica de cualquier estudio de IO es que lo ejecuta un equipo multidisciplinario. As el enfoque de IO es un fenmeno muy natural y deseable Definicin del problema

Este es el segundo paso y en una cantidad significativa de casos el ms difcil del proceso de IO. Aqu el objetivo es refinar an ms las deliberaciones de la fase de orientacin, hasta lograr una definicin clara del problema en trminos de su alcance y los resultados buscados. No se debe confundir esta fase con la anterior, dado que est mucho ms concentrada en los objetivos. Los ingenieros industriales con ms prctica comprenden bien esta distincin y la dificultad de desplazarse de objetivos generales como el incremento de la productividad o la reduccin de los problemas de calidad a objetivos ms especficos y bien definidos que contribuyen con el cumplimiento. Recopilacin de datos En la tercera fase de IO se juntan los datos se juntan datos con el fin de traducir el problema definido en la segunda fase en un modelo que se pueda analizar desde un punto de vista objetivo. En general los datos provienen de dos fuentes: la observacin y los estndares. La primera corresponde al caso de en el que los datos se renen por medio la observacin del sistema en operacin y en general estos datos provienen de la tecnologa del sistema. Otros datos se obtienen mediante la aplicacin de estndares; gran parte de la informacin relacionada con los costos pertenece a esta categora. Luego estos entandares se deben consolidar en forma de en forma adecuada para computar los costos de diversas actividades. En ocasiones los datos tambin se solicitan en forma expresa para el problema en cuestin, por medio de encuestas, cuestionarios u otros instrumentos psicomtricos. Formulacin del modelo Es la cuarta fase del proceso de IO y merece mucha atencin, dado que el modelado es una caracterstica definitoria de todos los proyectos de IO. Desde el punto de vista formal, se puede definir un modelo como una abstraccin selectiva de la realidad. Esta definicin implica que el modelo es el proceso de captacin de caractersticas seleccionadas de un sistema o un proceso, y su combinacin posterior en una representacin abstracta del original. El principal concepto subyacente radica, en que, por lo general es mucho sencillo analizar un modelo simplificado, que el sistema original, y mientras el modelo sea una representacin con razonable precisin, las conclusiones extradas de este anlisis se pueden extrapolar con validez al sistema original. Solucin Es el rea sobre la que se centra la gran parte de la investigacin y desarrollo en IO y hay innumerables mtodos para analizar una amplia variedad de modelos. Validacin y anlisis Una vez obtenida una solucin, es necesario realizar dos acciones antes de siquiera considerar el desarrollo de una poltica final o un curso de accin de implementacin. La primera es verificar que la solucin es si tiene sentido. A menudo no es el caso, y el

motivo ms frecuente es que el modelo utilizado no era exacto o no capturo una cuestin esencial. El proceso de asegurar que el modelo es una representacin exacta del sistema se denomina validacin y se debe de efectuar antes de la solucin concreta. Un error tpico que se suele descubrir en esta etapa es haber ignorado una restriccin importante en la formulacin del modelo; esto conduce a una solucin que se reconoce con claridad como impracticable, por lo que el analista debe retroceder, modificar el modelo y volver a solucionarlo. Este ciclo continua hasta tener la certeza de que los resultados tienen sentido y provienen de una representacin valida del sistema. Implementacin y monitoreo El ltimo paso del proceso de IO es implementar la recomendacin final y establecer el control sobre el proceso. La implementacin implica convocar un equipo cuya conduccin comprende alguno de los miembros del equipo de IO original. Este equipo es responsable del desarrollo de los procedimientos o los manuales de operacin o un programa con fechas especficas para aplicar el plan. Una vez completada la implementacin, se transfiere la responsabilidad del monitoreo del sistema a un equipo operativo, cuya responsabilidad principal es reconocer que los resultados implementados son vlidos solo mientras no se modifique el ambiente operativo y las suposiciones propuestas en el estudio mantengan su validez.

1.3 Principales Aplicaciones Investigacin de Operaciones La mayor parte de los problemas prcticos con los que se enfrenta el equipo IO estn descritos inicialmente de una manera vaga. Por consiguiente, la primera actividad que se debe realizar es el estudio del sistema relevante y el desarrollo de un resumen bien definido del problema que se va a analizar. Esto incluye determinar los objetivos apropiados, las restricciones sobre lo que se puede hacer, las interrelaciones del rea bajo estudio con otras reas de la organizacin, los diferentes cursos de accin posibles, los lmites de tiempo para tomar una decisin, etc. Este proceso de definir el problema es crucial ya que afectar en forma significativa la relevancia de las conclusiones del estudio. Es difcil extraer una respuesta correcta a partir de un problema equivocado! Algunas personas se veran tentadas a aplicar mtodos matemticos a cuanto problema se presente, pero es que Acaso siempre es necesario llegar al ptimo? Podra ser ms caro el modelar y el llegar al ptimo que a la larga no nos d un margen de ganancias muy superior al que ya tenemos. Tmese el siguiente ejemplo: La empresa EMX aplica IO y gasta por el estudio y el desarrollo de la aplicacin $100 pero luego de aplicar el modelo observa que la mejora no es muy diferente a la que

actualmente tenemos. Luego, podramos indicar que la investigacin de operaciones slo se aplicar en los problemas para los cuales el buen sentido se revela impotente:

En el dominio combinatorio, muchas veces la enumeracin es imposible. Por ejemplo, si tenemos 200 trabajos por realizar, los que toman tiempos distintos y solo cuatro personas que pueden hacerlo, enumerar cada una de las combinaciones podra ser ineficiente (aparte de desanimante). Luego los mtodos de secuenciacin sern los ms apropiados para este tipo de problemas. De igual manera, la I.O. es til cuando en los fenmenos estudiados interviene el azar. La nocin de esperanza matemtica y la teora de procesos estocsticos suministran la herramienta necesaria para construir el cuadro en el cual se optimizar la funcin econmica. Dentro de este tipo de fenmenos se encuentran las lneas de espera, los inventarios con demanda probabilstica. Con mayor motivo, la investigacin de operaciones se muestra como un conjunto de instrumentos precioso cuando se presentas situaciones de concurrencia. La teora de juegos no permite siempre resolverlos formalmente, pero aporta un marco de reflexin que ayude a la toma de decisiones. Cuando observamos que los mtodos cientficos resultan engorrosos para nuestro conjunto de datos, tenemos una opcin adicional, simular tanto el comportamiento actual as como las propuestas y ver si hay mejoras sustanciales. Las simulaciones son experiencias artificiales.

Finalmente debe ponerse la mxima atencin en no considerar la investigacin de operaciones como una coleccin de recetas heterogneas y aplicables sistemticamente en unas situaciones determinadas. Si se cae en este error, ser muy difcil captar en condiciones reales los problemas que puedan deducirse de los mltiples aspectos de esta disciplina. 1.4 Metodologa para modelacin La modelacin Es el proceso completo de abstraccin del sistema real al modelo cuantitativo y tiene como resultado un modelo matemtico del sistema real bajo estudio. Incluye actividades como la definicin del sistema y la determinacin de sus fronteras, la identificacin de las actividades ms importantes para el logro del objetivo, es decir la conceptualizacin del sistema simplificado y finalmente la elaboracin del modelo. Es quizs la parte ms importante de la Investigacin de Operaciones y se le considera como una mezcla de arte y de ciencia. La modelacin no puede ensearse, sino motivarse, se aprende con la prctica y con la experimentacin.

10

Puede dividirse en dos fases: Subjetiva y la objetiva. La parte subjetiva consiste en la definicin del sistema supuesto o simplificado. Mientras que la objetiva es la construccin del modelo a partir del sistema simplificado. La formulacin Es la componente objetiva de la modelacin y consiste en convertir el sistema simplificado en un modelo cuantitativo que lo describa. En esta seccin ahondaremos un poco en la actividad de formulacin, para lo cual supondremos que ya se realiz la etapa previa que nos permiti definir el sistema simplificado. Debe tenerse en cuenta que en la vida profesional el estudiante si se ver afrontado a la necesidad de derivar sus propios sistemas supuestos, a partir de los problemas reales que se le presenten. El xito obtenido depender de factores tales como su capacitacin general, su habilidad y experiencia en la modelacin y la comprensin que tenga del rea particular del problema a modelar. Una buena metodologa para construir modelos matemticos de los problemas, a partir del problema simplificado (problema supuesto), parece ser la siguiente:

Leer atentamente el enunciado de la situacin con el fin de comprender sus principales caractersticas. Como resultado de la lectura estaremos en capacidad de realizar los dos pasos siguientes. Organizar en cuadros o tablas toda la informacin cuantitativa que suministra el enunciado del problema.

De esta manera ser ms fcil identificar, interpretar y utilizar la informacin. Debe prestarse especial atencin a las unidades de todos los datos utilizados.

Dibujar un esquema de la situacin.

Este nos permitir visualizar y comprender mejor las caractersticas del problema. En especial el diagrama es til para llevar a cabo los tres pasos siguientes.

Identificar los elementos del problema.

Los elementos son las entradas (recursos), las salidas (productos) y las actividades (variables de decisin) del proceso al cual se reduce el problema. La grafica o esquema del paso tres, es de gran ayuda en esta tarea. Las actividades son las que convierten una o ms entradas en una o ms salidas. La esencia del problema de PL. es la determinacin del sub conjunto de actividades que deben llevarse a cabo para optimizar el logro del objetivo.

Expresar el objetivo relacionado con el problema, indicando las unidades en las cuales se medir.

Recordemos que en los problemas de programacin lineal el objetivo ser maximizar o minimizar alguna medida de eficiencia, que puede ser un costo, un tiempo, una probabilidad, un nmero de personas o de elementos, etc. En todos los casos se deben dar explcitamente las unidades de medicin.

Definir las variables de decisin.

11

A cada una de las actividades que pueden realizarse se le asocia una variable que indicara el nivel o medida de su ejecucin. Por ejemplo, si una actividad es fabricar el producto P3, entonces al asociarle v. gr. la variable de decisin X3, definiremos esta como el nmero de productos P3 que se deben fabricar. En algunos problemas las variables de decisin se pueden tomar en ms de una forma posible. Una buena gua para determinar la ms conveniente es buscar que las variables correspondan a aquellas actividades que permiten medir el grado de logro de la funcin objetivo.

Formular la funcin del objetivo y las funciones de las restricciones del modelo matemtico.

Teniendo una correcta comprensin del objetivo y definidas las variables que cuantifican las actividades que conforman el proceso, podemos escribir una funcin matemtica que mida el logro del objetivo. Es la expresin que nos permitir conocer la eficiencia de la decisin que se tome.

Formular las funciones de las restricciones

De la misma manera deben escribirse funciones para expresar las diferentes limitantes que se presentan en el proceso, ya sea en lo referente a valores permitidos para las variables, disponibilidad de recursos, produccin total mxima o mnima y muchas otras.

1.5 Formulacin problemas lineales La programacin lineal son modelos destinados a la asignacin eficiente de los recursos limitados en actividades conocidas con el objetivo de satisfacer las metas deseadas (maximizar beneficios o minimizar costos). La caracterstica distintiva de los modelos es que las funciones que representan el objetivo y las restricciones son lineales. (No se permite multiplicacin de variables ni variables elevadas a potencias). Algunas de las siguientes restricciones no se pueden emplear en un modelo de programacin lineal. Un modelo de programacin lineal se define usualmente como sigue: Maximizar o minimizar Sujeto a: EJEMPLO 1. Un fabricante de muebles tiene 6 unidades de maderas y 28 horas disponibles, durante las cuales fabricar biombos decorativos. Con anterioridad, se han vendido bien 2

12

modelos, de manera que se limitar a producir estos 2 tipos. Estima que el modelo uno requiere 2 unidades de madera y 7 horas de tiempo disponible, mientras que el modelo 2 requiere una unidad de madera y 8 horas. Los precios de los modelos son 120 dls. y 80 dls., respectivamente. Cuntos biombos de cada modelo debe fabricar si desea maximizar su ingreso en la venta? OBJETIVO : Maximizar el ingreso por ventas RESTRICCIONES : Unidades de madera Tiempo disponible VARIABLE DE DECISION: X1 = Cantidad de biombos tipo I a fabricar X2 = Cantidad de biombos tipo II a fabricar

1.6 Conceptos del mtodo grfico y su aplicacin. Muchos problemas de administracin y economa estn relacionados con la optimizacin (maximizacin o minimizacin) de una funcin sujeta a un sistema de igualdades o desigualdades. La funcin por optimizar es la funcin objetivo. Las funciones de ganancia y de costo son ejemplos de funciones objetivo. El sistema de igualdades o desigualdades a las que est sujeta la funcin objetivo reflejan las restricciones (por ejemplo, las limitaciones sobre recursos como materiales y mano de obra) impuestas a la solucin (o soluciones) del problema. Los problemas de esta naturaleza se llaman problemas de programacin matemtica. En particular, aquellas donde la funcin objetivo y las restricciones se expresan como ecuaciones o desigualdades lineales se llaman problemas de programacin lineal Un problema de programacin lineal consta de una funcin objetivo lineal por maximizar o minimizar, sujeta a ciertas restricciones en la forma de igualdades o desigualdades lineales. Solucin Grfica Los problemas de programacin lineal en dos variables tienen interpretaciones geomtricas relativamente sencillas; por ejemplo, el sistema de restricciones lineales asociado con un problema de programacin lineal bidimensional- si no es inconsistente- define una regin plana cuya frontera est formada por segmentos de recta o semirrectas, por lo tanto es posible analizar tales problemas en forma grfica.

13

El sistema de desigualdades define la regin plana S que aparece en la figura 5. Cada punto de S es un candidato para resolver este problema y se conoce

Fig. 6 Como solucin factible. El conjunto S se conoce como conjunto factible. El objetivo es encontrar entre todos los puntos del conjunto S- el punto o los puntos que optimicen la funcin objetivo P. Tal solucin factible es una solucin ptima y constituyen la solucin del problema de programacin lineal en cuestin. Como ya se ha observado, cada punto P(x, y) en S es un candidato para la solucin ptima del problema en cuestin, por ejemplo, es fcil ver que el punto (200, 150) est en S y, por lo tanto, entra en la competencia. El valor de la funcin objetivo P en el punto (200,150) est dado por P=40(200)+30(150)=12.500. Ahora si se pudiera calcular el valor de P correspondiente a cada punto de S, entonces el punto (o los puntos) en S que proporcione el valor mximo de P formar el conjunto solucin buscado. Por desgracia, en la mayora de los problemas, la cantidad de candidatos es demasiado grande o, como en este problema, es infinita. As este mtodo no es adecuado. Es mejor cambiar de punto de vista: en vez de buscar el valor de la funcin objetivo P en un punto factible, se asignar un valor a la funcin P y se buscarn los puntos factibles que correspondieran a un valor dado de P. Para esto supngase que se asigna a P el valor 6000. Entonces la funcin objetivo se convierte en 40x+ 30y = 6.000, una ecuacin lineal en x e y; por lo tanto, tiene como grfica una lnea recta L1 en el plano. Est claro que a cada punto del segmento de recta dado por la interseccin de la lnea recta L1 y el conjunto factible S corresponde el valor dado 6000 de P. Al repetir el proceso, pero ahora asignando a P el valor de 12.000, se obtiene la ecuacin 40x+ 30y =12.000 y la recta L2 lo cual sugiere que existen puntos factibles que corresponden a un valor mayor de P. Obsrvese que la recta L2 es paralela a L1, pues ambas tienen una pendiente igual a 4/3. Esto se comprueba con facilidad escribiendo las ecuaciones en explcita de la recta. En general, al asignar diversos valores a la funcin objetivo, se obtiene una familia de rectas paralelas, cada una con pendiente igual a 4/3. Adems, una recta correspondiente a un valor mayor de P est ms alejada del origen que una recta con un valor menor de P. El significado es claro. Para obtener

14

las soluciones ptimas de este problema, se encuentra la recta perteneciente a esta familia que se encuentra ms lejos del origen y que interseque al conjunto factible S. La recta requerida es aquella que pasa por el punto P(320,160) (Fig. 6), de modo que la solucin de este problema est dado por x=320, y=160, lo que produce el valor mximo P=40(320)+30(160)=17.600. No es casualidad que la solucin ptima de este problema aparezca como vrtice del conjunto factible S. De hecho, el resultado es consecuencia del siguiente teorema bsico de la programacin lineal, que se enuncia sin demostracin. Teorema 1 Si en problema de programacin lineal tiene una solucin, entonces sta debe aparecer en un vrtice, o esquina, del conjunto factible S asociado con el problema. Adems, si la funcin objetivo P se optimiza en dos vrtices adyacente de S, entonces se optimiza en todos los puntos del segmento de recta que une estos vrtices, en cuyo caso existe una infinidad de soluciones al problema En nuestro ejemplo los nicos vrtice del conjunto factible S son los puntos coordenados: (0,0); (400,0); (320,160); (0,480), llamados tambin puntos esquinas (Fig. 6). Un ejemplo en el que tendramos infinitas soluciones, es: VRTICE P=40x+40y Supngase que la utilidad por hectreas es de $40 para ambos, maz y trigo. La tabla para este caso muestra la misma utilidad total en los vrtices (0,480) y (320,160). Esto (0,0) 0 significa que la lnea de utilidad en movimiento abandona la (0,480) 19.200 regin sombreada por el lado determinado por esos vrtices (adyacentes), as todo punto en ese lado da una utilidad (320,160) 19.200 mxima. Todava es vlido, sin embargo, que la utilidad mxima ocurre en un vrtice. (400,0) 16.000 El teorema 1 dice que la bsqueda de las soluciones a un problema de programacin lineal se puede restringir al examen del conjunto de vrtices del conjunto factible S relacionado con el problema. Como un conjunto factible S tiene un nmero finito de vrtices, el teorema sugiere que las soluciones a un problema de programacin lineal se puedan hallar inspeccionando los valores de la funcin objetivo P en los vrtices. Aunque el teorema 1 arroja un poco de luz acerca de la naturaleza de la solucin de un problema de programacin lineal, no indica cundo tiene solucin. El siguiente teorema establece ciertas condiciones que garantizan la existencia de la solucin de un problema de programacin lineal. Teorema Supngase un problema de programacin lineal con un conjunto factible

15

2: Existencia de una solucin

S y una funcin objetivo P = ax + by. 1. Si S est acotado, entonces P tiene u valor mximo y n valor mnimo en S. 2. Si S no est acotado y tanto a como b son no negativos, entonces P tiene un valor mnimo en S, si las restricciones que definen a S incluyen las desigualdades x 0 e y 0. 3. Si S es el conjunto vaco, entonces el problema de programacin lineal no tiene solucin; es decir, P no tiene un valor mximo ni uno mnimo

El mtodo utilizado para resolver el problema del granjero Lpez recibe el nombre de mtodo de las esquinas. Este mtodo sigue un procedimiento muy sencillo para resolver los problemas de programacin lineal basado en el teorema1. Se grafica el conjunto factible. Mtodo 1. 2. Se encuentran las coordenadas de todas las esquinas de las (vrtices) del conjunto factible. esquinas 3. Se evala la funcin objetivo en cada esquina. 4. Se halla el vrtice que proporcione el mximo (mnimo) de la funcin objetivo. Si slo existe un vrtice con esta propiedad, entonces constituye una solucin nica del problema. Si la funcin objetivo se maximiza (minimiza) en dos esquinas adyacentes de S, entonces existe una infinidad de soluciones ptimas dadas por los puntos del segmento de recta determinado por estos dos vrtices.

BIBLIOGRAFA Hiller, F S, and Lieberman, G. J. (2001): Introduccin a la investigacin de operaciones, sptima edicin. McGraw-Hill. Winston, W, (1994): Operations Research, Applications and algorithms, third edition. Duxbury Press. California Manual de la ingeniera industrial de Maynard. 5ta edicin.

16

RESULTADOS
1. El departamento de produccin de una empresa tiene tres tipos de mquinas: A, B y C; puede fabricar dos productos 1 y 2, todos los productos tienen que pasar por cada mquina y cada uno va en el mismo orden: primero a la maquina A, luego a la maquina B y por ultimo a la maquina C. las horas requeridas por mquina para fabricar los productos, las horas totales disponibles por semana para cada producto por mquina y la utilidad por unidad de cada producto se muestran en la siguiente tabla. HORAS DISPONIBLES POR SEMANA 16 12 28

TIPO DE MQUINA A B C UTILIDAD EN MILES DE

PRODUCTO 1

PRODUCTO 2

2 1 4 1

2 2 2 1.5

17

2. El granjero Lpez tiene 480 hectreas en la que se puede sembrar ya sea trigo o maz. El calcula que tiene 800 horas de trabajo disponible durante la estacin crucial del verano. Dados mrgenes de utilidad y los requerimientos laborales mostrados en la tabla, Cuntas hectreas de cada uno debe plantar para maximizar su utilidad? Cul es sta utilidad mxima?

RECURSOS

MAZ

TRIGO

RECURSOS DISPONIBLES 800 480

HORAS HECTREAS UTILIDAD

2 1 40

1 1 30

3. La empresa Whitt Windows tiene solo tres empleados que hacen dos tipos de ventanas: con marco de madera y con marco de aluminio, la ganancia es de $60 por cada ventana con marco de madera y de $30 por cada una con marco de aluminio. Doug hace marcos de madera, y puede terminar 6 al da, Linda hace 4 marcos de aluminio al da, Bob forma y corta el vidrio y puede hacer 48 pies cuadrados de vidrio por da, cada ventana con marco de madera usa 6 pies cuadrados de vidrio y cada de aluminio usa 8 pies cuadrados de vidrio. La compaa desea determinar cuntas ventanas de cada tipo producir al da para maximizar la ganancia total.

18

19

20

21

22

23

CONCLUSIONES
Al realizar esta investigacin se obtuvieron conocimientos an ms profundos acerca de lo que es y cmo funciona la Investigacin de operaciones. As pues se concluye, de una manera muy personal que la investigacin de operaciones es una herramienta muy til para un analista hbil, ya que de cierta manera se podra pensar que esta es fcil, y lo es, pero al mismo tiempo esconde diversas formas de complejidad que se irn esclareciendo en medida en que se avance ms en el programa. Por ultimo hacer la observacin de la til practica que esta investigacin fue, como un repaso, no solo para la evaluacin prxima, sino tambin para algunos datos y tcnicas usadas con anterioridad y por supuesto algunas que sern utilizadas posteriormente.

24