Caractersticas de los problemas de decisiones en contextos

ciertos.
Se caracterizan por tres aspectos fundamentales:
- Se parte del supuesto que el agente decisor conoce los posibles eventos de
ocurrencia y el comportamiento de las variables involucradas.
- Se plantean modelos determinsticos, donde las variables conocidas se aplican a
diferentes situaciones con pleno conocimiento del problema.
- Los resultados esperados luego de la aplicacin del modelo seleccionado son
conocidos, obvios y evidentemente fuera de riesgos o incertidumbres.
Desde la aplicacin empresarial, estas aplicaciones se producen en diferentes
mbitos de las reas funcionales tales como los procesos de produccin, procesos
de inventarios, proyectos etc., y los instrumentos acadmicos estructurados son la
programacin lineal y los modelos de inventarios.

Uso de la programacin lineal para resolver problemas de este

tipo
La programacin lineal puede definirse como la tcnica matemtica para
determinar la mejor asignacin de los recursos limitados de la empresa. En la
programacin lineal, se emplean algoritmos matemticos, creados a partir de
ecuaciones lineales, en donde se busca la mejor asignacin de los recursos
limitados de la empresa. El trmino linealidad representa una relacin entre ms
de una variable, que son directas y proporcionales; por ejemplo un aumento del
10% de mano de obra, causar el mismo porcentaje en el aumento de la
produccin. En conjunto, los algoritmos matemticos forman un modelo, que
optimizan recursos limitados cuando toman en cuenta caractersticas como
variables, restricciones y una funcin objetivo. La funcin objetivo, como su
nombre lo indica, representa el objeto del problema; es decir, lo que persigue la
empresa en trminos cuantitativos

Caracterizacin de la programacin lineal

Muchos procesos en la toma de decisiones pueden ser tratados por medio de
tablas de decisin, en las que, se representan elementos caractersticos de cada
problema en especfico, a modo general, se identifica para cada situacin los
siguientes aspectos:

- Los diferentes estados que pueden representar la naturaleza del problema,

pueden ser representados por las variables: e1, e2, e3,.,en.
- Las acciones o alternativas entre las que seleccionar el decisor,
identificndolas por las variables: a1, a2, a3,.,an.
- Las consecuencias o resultados x ij , para cada alternativa adoptada aI y
naturaleza e j
. Para cada problema, siempre se supondr un nmero finito de estados y
alternativas, buscando la simplicidad de las soluciones, en la siguiente tabla se
muestra a modo general con (n...) estados o naturaleza y (m) acciones o
alternativas para un entendimiento representativo de forma general

Formulacin de modelos de programacin lnea.

El modelo es una representacin o abstraccin de una situacin u objeto reales,
que muestra las relaciones (directas e indirectas) y las interrelaciones de la accin
y la reaccin en trminos de causa y efecto. Como un modelo es una abstraccin
de la realidad, puede parecer menos complicado que la misma. Para la
formulacin de un modelo dentro de la programacin lineal, como primer paso, el
investigador debe delimitar el problema y conocer el objetivo que desea alcanzar,
que puede ser maximizar las utilidades o minimizar los costos, siempre tomando
en cuenta el principio de optimizacin. El siguiente paso consiste en conocer las
variables que presentarn la solucin al problema, es decir, las incgnitas que
resolvern el modelo de programacin lineal pueden ser tantas como sea
necesario, con el fin de representar de la mejor forma posible la realidad. Una vez
que se conozcan las variables de decisin, se deben plantear las restricciones,
que son los requerimientos que debe cumplir la solucin ptima para que se
pueda llevar a la prctica y brinde grandes beneficios a la empresa. Tambin
pueden llamarse limitantes, ya que indican los valores mximos o mnimos que
deben emplearse para garantizar la optimizacin. Las restricciones pueden ser por
los volmenes de ventas, por las limitantes en los recursos de la empresa, por la
mezcla de ingredientes, por la cantidad de desperdicios y por cuestiones de
administracin dentro de la empresa, como el tiempo de preparacin de la
mquina. Por ltimo, se debe tener presente que todas las variables empleadas en
el modelo, deben ser siempre positivas porque representan situaciones que
existen en la realidad. En el proceso de formulacin de un modelo de
programacin lineal hay que dar los siguientes pasos:
1. Determinacin de las variables de decisin representan los elementos del
sistema a modelar que son controlables por el decisor. En los modelos

lineales continuos estas variables toman como valores nmeros reales y se

representan por letras con subndices X1X2 como se acostumbra a hacer
con las variables matemticas, o literales alusivos a su significado: peso
valor. En el primer caso tambin se utiliza la representacin como vector de
un conjunto indexado de variable: X= (X1, X2
.)
2. Determinacin de las restricciones. Representan las limitaciones
prcticas de determinados recursos o imposiciones fsicas de la realidad.
Se expresan como ecuaciones e inecuaciones lineales de las variables de
decisin.
3. Formulacin de la funcin objetivo. Se trata de la funcin que mide la
calidad de la solucin y que hay que optimizar
(maximizar un beneficio o minimizar un coste). Maximizar z = f(x); Minimizar
z = f(x)

Solucin de modelos de programacin lineal

SOLUCIN POR EL MTODO GRFICO
En el mtodo grfico no puede haber ms de tres incgnitas, ya que se usa un
plano cartesiano formado por dos rectas (x, y) y, por ende, dos dimensiones. Para
comenzar, se debe analizar el problema y plantear el objetivo principal que se
persigue usando algoritmos (ecuaciones, restricciones, funcin objetivo), ya sea
maximizar las ganancias o minimizar los costos. Despus, se expresa en forma
grfica las desigualdades de restriccin y se ubica el rea de solucin factible. En
seguida se traza la funcin objetivo (FO) en el plano cartesiano y se dibujan lneas
paralelas a ste, hasta llegar al punto ms distante en el rea de soluciones
factibles. Por ltimo, se resuelven las desigualdades de las dos lneas que se
cruzan por el punto ms distante en el rea de soluciones factibles.
S
OLUCIN POR EL MTODO SIMPLEX.
El mtodo del simplex fue creado en 1947 por el matemtico George Dantzig El
mtodo del simplex se utiliza, sobre todo, para resolver problemas de
programacin lineal en los que intervienen tres o ms variables. El lgebra
matricial y el proceso de eliminacin de Gauss-Jordan para resolver un sistema de
ecuaciones lineales constituyen la base del mtodo simplex. Una propiedad
general del mtodo simplex es que resuelve la programacin lineal en iteraciones,
donde cada iteracin desplaza la solucin a un nuevo punto esquina que tienen

potencial de mejorar el valor de la funcin objetivo. El proceso termina cuando ya

no se puede obtener mejoras. Para resolver se debe agregar variables de holgura
o exceso segn sea el sentido de la desigualdad. Para las variables de holgura se
lo hace con el menor igual que (), y para las variables de exceso se lo hace con
el smbolo de mayor igual que (). El nmero de variables de holgura y exceso se
lo hace de acuerdo al nmero de restricciones. Este mtodo es muy til cuando se
trabaja con muchos productos y reas en la empresa y por lo mismo da lugar a un
mayor nmero de rectas, por lo que no es conveniente usar el mtodo grfico.
Para la solucin de problemas de este tipo se usa el lgebra de matrices, por lo
que se recomienda al alumno familiarizarse con ese tema.

TODO DE TRANSPORTE.
El Modelo de transporte es una clase especial de problema de Programacin
Lineal. Trata la situacin en la cual se enva un bien de los puntos de origen
(fbricas), a los puntos de destino (almacenes, bodegas, depsitos). El objetivo es
determinar las cantidades a enviar desde cada punto de origen hasta cada punto
de destino, que minimicen el costo total de envo, al mismo tiempo que satisfagan
tanto los lmites de la oferta como los requerimientos de la demanda. El modelo
supone que el costo de envo de una ruta determinada es directamente
proporcional al nmero de unidades enviadas en esa ruta. Sin embargo, algunas
de sus aplicaciones importantes (como la Programacin de la Produccin) de
hecho no tienen nada que ver con el transporte. El algoritmo de transporte sigue
los pasos exactos del mtodo simplex. Sin embargo, en vez de utilizar la tabla
simplex regular, aprovechamos la estructura especial del modelo de transporte
para presentar el algoritmo en una forma ms conveniente.
TODO DE ASIGNACIN.
El problema de asignacin tiene que ver con la asignacin de tareas a empleados,
de territorios a vendedores, de contratos a postores o de trabajos a plantas. Al
aplicar el mtodo de transporte y el mtodo de asignacin la gerencia est
buscando una ruta de distribucin o una asignacin que optimizar algn objetivo;
ste puede se la minimizacin del costo total, la maximizacin de las utilidades o
la minimizacin del tiempo total involucrado. Al igual que el mtodo de transporte
el mtodo de asignacin es computacionalmente ms eficiente que el mtodo
simplex para una clase especial de problemas. El mtodo de asignacin tambin
conocido como la Tcnica de flood o el mtodo Hngaro de asignacin. Hay
bsicamente tres pasos en este mtodo a- Determine la tabla de costo de
oportunidad: 1. Reste el elemento del costo ms bajo en cada columna de la tabla
de costo dada, de todo los elementos en esa columna. 2. Reste el asiento ms

bajo en cada rengln de la tabla obtenida en la parte 1.1 de todos los nmeros en
ese rengln. b- Determine si se puede hacer una asignacin ptima: El
procedimiento es dibujar lneas rectas (verticales y horizontales) a travs de la
tabla de costos total de oportunidad, de tal manera que se minimice el nmero de
lneas necesarias para cubrir todos los cuadros cero (0). Si el nmero de lneas
dibujadas es menor que el nmero de renglones o columnas, no se puede hacer la
asignacin ptima y el problema no est resuelto. c- Revise la tabla de costo total
de oportunidad.

1. Seleccione el nmero ms pequeo en la tabla no cubierto, por una lnea recta

y reste este nmero de todos los nmeros no cubiertos por una lnea recta. 2.
Aada este mismo nmero a los nmeros que estn en la interseccin de dos
lneas cualesquiera. Regrese al paso 2.

Anlisis de sensibilidad PERT-CPM

Estudio del efecto de los cambios en los parmetros del problema, sobre la
solucin ptima de Programacin Lineal. Importancia del anlisis de sensibilidad:
Los modelos de Programacin Lineal son con frecuencia grandes y costosos,
debido a lo cual no es eficiente usarlos para un solo caso. Los elementos que se
dan como datos para un problema, muchas veces son aproximaciones, debido a lo
cual es necesario examinar ms de un conjunto de circunstancias. Tipos de
anlisis de sensibilidad.
1. Sensibilidad de la funcin objetivo: a. Cambios en los coeficientes Determinar la
gama de optimalidad para la pendiente de los parmetros de la funcin objetiva
que mantendr inalterable la solucin ptima de un modelo determinado. b.
Cambios en el trmino independiente (LD).
2. Sensibilidad de las restricciones: a. Cambios en los coeficientes de las
restricciones. b. Cambios en el trmino independiente de las restricciones. (LD) c.
Adicin de nuevas restricciones.

3. Sensibilidad de las limitaciones: a. Cambios en la limitacin de las abscisas. b.

Cambios en la limitacin de las ordenadas