Академический Документы
Профессиональный Документы
Культура Документы
Introduccin a la
Investigacin de Operaciones
Investigacin de Operaciones
Definicin ms formal
Enfoque cientfico de la toma de decisiones que requiere la
operacin de sistemas organizacionales.
LaIOnosofreceunaseriedeherramientascuantitativasparala
tomadedecisiones.
Historia y orgenes de la IO
I.O.
Historia y orgenes de la IO
I.O.
Historia y orgenes de la IO
I.O.
Historia y orgenes de la IO
I.O.
Historia y orgenes de la IO
I.O.
Historia y orgenes de la IO
I.O.
Historia y orgenes
Naturaleza de la IO de la I.O.
Historia y orgenes
Naturaleza de la IO de la I.O.
Historia
Qu es ylaorgenes
Investigacin
de la I.O.
de Operaciones?
Lainvestigacindeoperacioneseslaaplicacin,por
gruposinterdisciplinarios,delmtodocientficoa
problemasrelacionadosconelcontroldelas
organizacionesosistemas,afindequeseproduzcan
solucionesquemejorsirvanalosobjetivosdela
organizacin.
Historia y a
Aspectos orgenes
rescatarde la I.O.
Historia y
Normas para
orgenes
lograr de
el xito
la I.O.de la IO
Historia y orgenes
Limitaciones de la IO
de la I.O.
Historiade
Efecto y la
orgenes
IO de la I.O.
Historiade
Efecto y la
orgenes
IO de la I.O.
Historiade
Efecto y la
orgenes
IO de la I.O.
Historia y orgenes
Algoritmos y paquetes
de la
deI.O.
la IO
Historia y orgenes
Algoritmos y paquetes
de la
deI.O.
la IO
Historia y orgenes
Algoritmos y paquetes
de la
deI.O.
la IO
Historia y orgenes
Algoritmos y paquetes
de la
deI.O.
la IO
Historia y orgenes
Algoritmos y paquetes
de la
deI.O.
la IO
SOLVER
Historia y orgenes
Algoritmos y paquetes
de la
deI.O.
la IO
Historia y orgenes
Algoritmos y paquetes
de la
deI.O.
la IO
Modelos de IO
Optimizacin Optimizacin
Programacin Cadenas
Lineal no Lineal
Dinmica de Markov
Programacin Mtodos
Teora de Teora de
Lineal Clsicos
Inventarios Colas
Transporte y Mtodos
Asignacin de bsqueda Simulacin Procesos
Estocsticos
Enfoque de Modelado en
Investigacin de Operaciones
VARIABLES RELACIONES
RELEVANTES RELEVANTES
SISTEMA SISTEMA MODELO
REAL ASUMIDO CUANTITATIVO
MTODO
DE SOLUCIN
SOLUCIN AL
JUICIOS Y SOLUCIN
PROBLEMA DEL
EXPERIENCIAS AL MODELO
SISTEMA REAL
DECISIONES INTERPRETACIN
MODELO
RESOLUCIN
MODIFICADO
DEL MODELO
NO
SI ES VALIDA
LA SOLUCIN
SOLUCIN?
IMPLEMENTACIN
Restricciones:
Es una igualdad o desigualdad matemtica que debe
ser satisfecha, es decir, un conjunto de igualdades o
desigualdades que constituyen las barreras y
obstculos para la consecucin del objetivo.
Datos / Parmetros incontrolados:
Es la informacin conocida en un problema de
decisin que no se puede controlar pero que se
puede usar para determinar la solucin.
5. Implementacin
5. Implementacin
Modelos
Tipos de Modelos
Modelos
Modelos
Modelos
Tipos de Modelos
Modelos
Tipos de Modelos
Los Modelos Heursticos
Son esencialmente modelos que emplean reglas
intuitivas o ciertas guas tratando de generar nuevas
estrategias que se traduzcan en soluciones mejoradas.
Esto contrasta con los modelos matemticos y de
simulacin, en donde las estrategias generalmente estn
bien definidas.
Los modelos heursticos no pretenden obtener
soluciones ptimas de un problema. Un ejemplo podra
ser: atienda todos los clientes de una lnea sobre la
base de que el primero que llega primero se atiende.
Modelos
Para Representar
las Relaciones
entre los Datos
de Inters
Modelos
Modelo de Es un Modelo
Decisin Simblico
Modelos
Ejemplos:
1. Modelo de Asignacin
de la Fuerza de Ventas
Variables Cuantos Vendedores Asignar
de Decisin: a cada Territorio.
Objetivo: Maximizar el
Ingreso por Ventas
Modelos
2. Modelo de Programacin
del Trabajo en un Taller
Variables Cuantas horas Programar
de Decisin: determinadas partes en
determinadas mquinas y
la secuencia
Medida del Costo de Fabricacin
Desempeo: Tiempo de Fabricacin
Minimizar el Costo el
Objetivo: Tiempo de Fabricacin
Modelos
3. Modelo de Administracin
de Efectivo
Variables Cantidad de Fondos
de Decisin: mantenidos en c/u de varias
categoras (Efectivo, bonos,
bolsa de valores etc... )
Minimizar el
Objetivo:
Costo de Oportunidad
Modelos
Construir un modelo
Ayuda a colocar los aspectos complejos e inciertos
de un problema de decisin en una estructura
lgica que es adecuada para el anlisis formal.
Este modelo especifica las alternativas de la
decisin y sus consecuencias anticipadas para
todos los eventos posibles que puedan ocurrir.
Indica los datos importantes para analizar las
alternativas y conduce a conclusiones que informan
y tienen sentido.
Un modelo es un vehculo para lograr una visin
bien estructurado de la realidad.
Modelos
Construccin de Modelos
Se requiere
Modelos
1. Se estudia el Ambiente
Comprensin del Problema
O
PARAMETROS
VARIABLE DE DECISIN:
X1= Nmeros de unidades de HTDC que se ensamblan en una semana
X2=Nmero de unidades de HTPC que se ensamblan en una semana
O m3 de almacn
PARAMETROS
Planteamiento
x1,x2,x3 0
Mtodo Grfico
Cada tren:
Produce un beneficio neto de $2
Requiere 1 hora de trabajo de acabado.
Requiere 1 hora trabajo de carpintera.
Cada semana Gepetto puede disponer de:
Todo el material que necesite.
Solamente 100 horas de acabado.
Solamente 80 horas de carpintera.
Tambin:
La demanda de trenes puede ser cualquiera (sin lmite).
La demanda de muecos es como mucho 40.
?
Cuntos muecos y cuntos trenes debe fabricar?
Formular el Problema
Problema: Desconocer la cantidad a producir por semana de
muecos y/o trenes.
Mueco Tren
X1 X2
Restriccin 2 Carpintera 1 1 80
Restriccin 3 Demanda 40
3 2
Sujeto a (s.a:)
1 2 100
2 80
3 40
, 0
Regin factible
Una solucin factible es aquella para la que todas las
restricciones se satisfacen.
Una solucin no factible es una solucin para la que al
menos una restriccin se viola.
Lic. Jorge E. Rojas Nina
Solucin ptima
Para un problema de maximizacin, una solucin ptima es un punto
en la regin factible en el cual la funcin objetivo tiene un valor
mximo.
Para un problema de minimizacin, una solucin ptima es un punto
Lic. Jorge E. Rojas Nina
3 2
Sujeto a (s.a:)
1, 2 100
2, 80
3, 40
, 0
100
Lic. Jorge E. Rojas Nina
80
,
60
40
20
20 40 60 80 X1
100
Lic. Jorge E. Rojas Nina
80
,
60
40
20
20 40 60 80 X1
100
Lic. Jorge E. Rojas Nina
La interseccin
de todos estos
80
semiplanos
(restricciones)
nos da la regin 60
factible
40
Regin
20
Factible
20 40 60 80 X1
rectas) es un polgono.
En esta caso, el
polgono ABCDE. 80 E
,
D
Como la solucin 60
B
A 20 40 60 80 X2
D
60
40
Regin
C es solucin de: 20 Factible C
20 40 60 80 X1
puntos tienen el 80
mismo valor de z.
La figura muestra
60
estas lneas para
z = 0, z = 100, y z =
190 40
3 2 Regin
20 Factible
100 3 2
190 3 2 (0, 0) 20 40 60 80 X1
z = 190
z=0 z = 100
3 2
Igualamos y
Desplazamos desde el 100 resolvemos
origen la recta de la
Lic. Jorge E. Rojas Nina
z=0
Utilidad 180 $
20 + 60
Recuerda que:
acotado o no).
Un problema
Dorian Auto fabrica y vende coches y furgonetas. La
empresa quiere emprender una campaa publicitaria
en TV y tiene que decidir comprar los tiempos de
anuncios en dos tipos de programas: del corazn y
Lic. Jorge E. Rojas Nina
ftbol.
El programa del corazn es visto por 6 millones de mujeres y 2
millones de hombres.
Cada partido de ftbol es visto por 3 millones de mujeres y 8
millones de hombres.
Un anuncio en el programa de corazn cuesta 50,000 $ y un
anuncio del ftbol cuesta 100,000 $.
Dorian Auto quisiera que los anuncios sean vistos por lo menos
por 30 millones de mujeres y 24 millones de hombres.
Dorian Auto quiere saber cuntos anuncios debe contratar en
cada tipo de programa para que el coste de la campaa
publicitaria sea mnimo.
Formular el Problema
Problema: Desconocer la cantidad de anuncios a contratar en cada
programa.
Prog. Prog.
corazn Futbol
X1 X2
Funcin objetivo Beneficio 50 100
Restriccin 1 Mujeres 6 3 30
Restriccin 2 Hombres 2 8 24
50 100
Sujeto a (s.a:)
1 6 3 30
2 2 8 24
, 0
14
Lic. Jorge E. Rojas Nina
2x1 + 8x2 24
8
x1, x2 0
6
4
2x1 + 8x2 = 24
2
X1
2 4 6 8 10 12 14
x1 = 0, x2=10 12
El vrtice C es solucin de B
2
2x1 + 8x2 = 24
x2 = 0, x1=12 C
X1
2 4 6 8 10 12 14
Por tanto, C(12, 0)
z = 500 + 10010 =
A(0, 10) 12
= 0+1000 = 1000
4
El coste mnimo se obtiene en B.
B(4, 2)
2
Solucin:
x1 = 4 anuncios en prog. corazn C(12, 0)
x2 = 2 anuncios en futbol 2 4 6 8 10 12 14
X1
Coste z = 400 (mil $)
14
Min z = 50x1 + 100x2
Lic. Jorge E. Rojas Nina
x1,x2 0 Regin
8 Factible
6
El coste mnimo Z = 400
se obtiene en el 4
punto B.
B(4, 2)
2
Solucin: C(12, 0)
x1 = 4 anuncios en prog. corazn X1
2 4 6 8 10 12 14
x2 = 2 anuncios en futbol
Coste z = 400 (mil $)
60
Consideremos el siguiente
problema:
50
C
Lic. Jorge E. Rojas Nina
10 20 30 40 50 X1
max z = 2x1 x2
Lic. Jorge E. Rojas Nina
s.a:
x1 x2 1
2x1 + x2 6
x1, x2 0
Mtodo
Variables x1 x2 s1 s2 s3 RHs
Coef. Zj 3 2 0 0 0
0 s1 2 1 1 0 0 100
Simplex
0 s2 1 1 0 1 0 80
0 s3 1 0 0 0 1 40
Cj 0 0 0 0 0 0
ZjCj 3 2 0 0 0
Z= Max
Lic. Jorge Eloy Rojas Nina
Z= Min
Cada tren:
Produce un beneficio neto de $2
Requiere 1 hora de trabajo de acabado.
Requiere 1 hora trabajo de carpintera.
Cada semana Gepetto puede disponer de:
Todo el material que necesite.
Solamente 100 horas de acabado.
Solamente 80 horas de carpintera.
Tambin:
La demanda de trenes puede ser cualquiera (sin lmite).
La demanda de muecos es como mucho 40.
Formular el Problema
Problema: Desconocer la cantidad a producir por semana de
muecos y/o trenes.
Mueco Tren
X1 X2
Restriccin 2 Carpintera 1 1 80
Restriccin 3 Demanda 40
3 2
Sujeto a (s.a:)
1 2 100
2 80
3 40
, 0
Mayor 0 Sn= +0
Max
-Sn Positivo (-) An= -M
+Sn +An
+An Mayor 0 Sn= -0
Min
Negativo (+) An= +M
3 2 0 0 0
Sujeto a (s.a:)
1 2 100
2 80
3 40
, 0
Variables x1 x2 s1 s2 s3 RHs
Coef. Cj 3 2 0 0 0
0 s1 2 1 1 0 0 100 50
0 s2 1 1 0 1 0 80 80
0 s3 1 0 0 0 1 40 40
Lic. Jorge E. Rojas Nina
Zj 0 0 0 0 0 0
CjZj 3 2 0 0 0
Variables x1 x2 s1 s2 s3 RHs
Coef. Cj 3 2 0 0 0
0 s1 0 1 1 0 2 20 20
0 s2 0 1 0 1 1 40 40
3 x1 1 0 0 0 1 40 0
Zj 3 0 0 0 3 120
CjZj 0 2 0 0 3
1 x1 1 0 0 0 1 40
s2 1 1 0 1 0 80
+ s2 0 1 0 1 1 40
Variables x1 x2 s1 s2 s3 RHs
Coef. Cj 3 2 0 0 0
0 s1 0 1 1 0 2 20
0 s2 0 1 0 1 1 40
3 x1 1 0 0 0 1 40
Lic. Jorge E. Rojas Nina
Zj 3 0 0 0 3 120
CjZj 0 2 0 0 3
Variables x1 x2 s1 s2 s3 RHs
Coef. Cj 3 2 0 0 0
2 x2 0 1 1 0 2 20 10
0 s2 0 0 1 1 1 20 20
3 x1 1 0 0 0 1 40 40
Zj 3 2 2 0 1 160
CjZj 0 0 2 0 1
1 x2 0 1 1 0 2 20
+ s2 0 1 0 1 1 40
s2 0 0 1 1 1 20
Variables x1 x2 s1 s2 s3 RHs
Coef. Cj 3 2 0 0 0
2 x2 0 1 1 0 2 20
0 s2 0 0 1 1 1 20
3 x1 1 0 0 0 1 40
Lic. Jorge E. Rojas Nina
Zj 3 2 2 0 1 160
CjZj 0 0 2 0 1
Variables x1 x2 s1 s2 s3 RHs
Coef. Cj 3 2 0 0 0
2 x2 0 1 1 2 0 60
0 s3 0 0 1 1 1 20
3 x1 1 0 1 1 0 20
Zj 3 2 1 1 0 180
CjZj 0 0 1 1 0
2 s3 0 0 1 1 1 20
x2 0 1 1 0 2 20
+ x2 0 1 1 2 0 60
EJERCICIO PRACTICO
1 0.15 0.30 60
2 0.20 0.15 50
3 150
, 0
EJERCICIO PRACTICO
50 200
Sujetoa(s.a:)
Lic. Jorge E. Rojas Nina
1 0.15 0.30 60
2 0.20 0.15 50
3 150
, 0
Variables RHs
Coef. Cj
Zj
Lic. Jorge E. Rojas Nina
CjZj
Variables RHs
Coef. Cj
Zj
CjZj
Un problema
Dorian Auto fabrica y vende coches y furgonetas. La
empresa quiere emprender una campaa publicitaria
en TV y tiene que decidir comprar los tiempos de
anuncios en dos tipos de programas: del corazn y
Lic. Jorge E. Rojas Nina
ftbol.
El programa del corazn es visto por 6 millones de mujeres y 2
millones de hombres.
Cada partido de ftbol es visto por 3 millones de mujeres y 8
millones de hombres.
Un anuncio en el programa de corazn cuesta 50,000 $ y un
anuncio del ftbol cuesta 100,000 $.
Dorian Auto quisiera que los anuncios sean vistos por lo menos
por 30 millones de mujeres y 24 millones de hombres.
Dorian Auto quiere saber cuntos anuncios debe contratar en
cada tipo de programa para que el coste de la campaa
publicitaria sea mnimo.
Formular el Problema
Problema: Desconocer la cantidad de anuncios a contratar en cada
programa.
Prog. Prog.
corazn Futbol
X1 X2
Funcin objetivo Beneficio 50 100
Restriccin 1 Mujeres 6 3 30
Restriccin 2 Hombres 2 8 24
50 100
Sujeto a (s.a:)
1 6 3 30
2 2 8 24
, 0
Mayor 0 Sn= +0
Max
-Sn Positivo (-) An= -M
+Sn +An
+An Mayor 0 Sn= -0
Min
Negativo (+) An= +M
50 100 0 0
Sujeto a (s.a:)
1 6 3 30
2 2 8 24
, , 0
Variables x1 x2 s1 s2 A1 A2 RHs
Coef. Cj 50 100 0 0 M M
M A1 6 3 1 0 1 0 30 10
M A2 2 8 0 1 0 1 24 3
Zj 8M 11M M M M M 54M
CjZj 8M+50 11M+100 M M 0 0
Lic. Jorge E. Rojas Nina
Variables x1 x2 s1 s2 A1 A2 RHs
Coef. Cj 50 100 0 0 M M
M A1 5.25 0 1 0.375 1 0.375 21 4
100 x2 0.25 1 0 0.125 0 0.125 3 12
Zj 5.25M+25 100 M 0.375M12.5 M 0.375M+12.5 21M+300
CjZj 5.25M+25 0 M 0.375M+12.5 0 1.375M12.5
1/8 x2 2 8 0 1 0 1 24
x2 0.25 1 0 0.125 0 0.125 3
Variables x1 x2 s1 s2 A1 A2 RHs
Coef. Cj 50 100 0 0 M M
M A1 5.25 0 1 0.375 1 0.375 21
100 x2 0.25 1 0 0.125 0 0.125 3
Zj 5.25M+25 100 M 0.375M12.5 M 0.375M+12.5 21M+300
Lic. Jorge E. Rojas Nina
Variables x1 x2 s1 s2 A1 A2 RHs
Coef. Cj 50 100 0 0 M M
50 x1 1 0 0.19 0.07 0.19 0.07 4
100 x2 0 1 0.05 0.14 0.05 0.14 2
Zj 50 100 4.5 10.5 4.5 10.5 400
CjZj 0 0 4.5 10.5 M4.5 M10.5
z = 500 + 10010 =
A(0, 10) 12
= 0+1000 = 1000
4
El coste mnimo se obtiene en B.
B(4, 2)
2
Solucin:
x1 = 4 anuncios en prog. corazn C(12, 0)
x2 = 2 anuncios en futbol 2 4 6 8 10 12 14
X1
Coste z = 400 (mil $)
Definicin
Resulta de buscar relaciones que permitan obtener
Informacin adicional de un problema de
optimizacin general.
Lic. Jorge E. Rojas Nina
Teora de Dualidad
Todo problema de programacin matemtica
existe asociado con otro problema llamado
Dual.
Lic. Jorge E. Rojas Nina
Dualidad Simtrica
s.a s.a
Ax < b Ay > c
x >0 y >0
Dualidad Simtrica
Dualidad Asimtrica
max Z: cx Min W: by
s.a s.a
Ax = b Ay c
x0 y, SRS
Dualidad Asimtrica
s.a s.a
x1+ x2 = 6 y1 +5y2 3
5x1 - x2 = 12 y1 - y2 2
x1,x2 0
y1, y2 SRS
los recursos:
y1= precio de un listn de madera
y2 = precio de una hora de acabado
y3 = precio de una hora de carpintera
El precio total de los recursos es:
48y1 + 20y2 + 8y3
s.a
8y1 + 4y2 + 2y3 60 restricc. de escritorio
6y1 + 2y2 +1.5y3 30 restricc. de mesas
y1 +1.5y2 + 0.5y3 20 restricc. de sillas
y1,y2,y3>0
La variable dual se relaciona con el valor de los
recursos, por esta razn se denomina precio
sombra
Precio Dual
El precio dual o precio sombra es la
variacin de la F.O. cuando el lado derecho de
una restriccin cambia en una unidad.
Lic. Jorge E. Rojas Nina
Costo reducido
El costo reducido de una variable de decisin se
define como la cantidad en que se debe de cambiar
el coeficiente de esa variable en la F.O. Para
Lic. Jorge E. Rojas Nina
Cada tren:
Produce un beneficio neto de $2
Requiere 1 hora de trabajo de acabado.
Requiere 1 hora trabajo de carpintera.
Cada semana Gepetto puede disponer de:
Todo el material que necesite.
Solamente 100 horas de acabado.
Solamente 80 horas de carpintera.
Tambin:
La demanda de trenes puede ser cualquiera (sin lmite).
La demanda de muecos es como mucho 40.
3 2
Sujeto a (s.a:)
Lic. Jorge E. Rojas Nina
1 2 100
2 80
3 40
, 0
Primal Dual
3 2 . 100 80 40
Lic. Jorge E. Rojas Nina
, 0 0
Problemas de Asignacin y
Lic. Jorge E. Rojas Nina Transporte
sea mnimo.
La matriz de costos se muestra a continuacin:
1 2 3
ConstruccindelModelo
. .
Lic. Jorge E. Rojas Nina
1
1
1
1
1
1
0 1
Adaptacindelmodeloalatabasimplex
Agregar 6 variables Artificiales, coeficiente M
Lic. Jorge E. Rojas Nina
. .
1
1
1
1
1
1
0 1
SolucinconAlgoritmoHngaro
El mtodo de asignacin implica asignar tareas o
trabajos a los recursos.
Lic. Jorge E. Rojas Nina
Pasosdeaplicacin
1. Reste el nmero ms pequeo de cada rengln a cada
nmero del rengln. (Esto se llama reduccin de rengln.)
Introduzca los resultados en una nueva tabla.
Lic. Jorge E. Rojas Nina
Pasosdeaplicacin
Valores de nueva matriz
Lic. Jorge E. Rojas Nina
Pasosdeaplicacin
2. Reste el nmero ms pequeo de cada columna de la
nueva tabla a cada nmero de la columna. (Esto se llama
reduccin de columna.) Introduzca los resultados en otra
Lic. Jorge E. Rojas Nina
tabla.
Pasosdeaplicacin
Se obtiene nuevos valores de la matriz
Lic. Jorge E. Rojas Nina
Pasosdeaplicacin
3. Pruebe si se puede hacer una asignacin ptima.
Hgalo mediante la determinacin del nmero mnimo
de lneas necesario para cubrir (es decir, cruzar) todos
Lic. Jorge E. Rojas Nina
los ceros.
Puesto que este nmero mnimo de lneas es igual al
nmero mximo de tareas que pueden realizarse en cero
posiciones de elementos, si el nmero mnimo de lneas
es igual al nmero de renglones, es posible tener un
conjunto ptimo de tareas. En este caso vaya al paso 6.
Si usted encuentra que no es posible un conjunto
completo de tareas, esto significa que usted no redujo el
nmero de lneas que cubren a todos los ceros hasta el
nmero mnimo. Contine con el paso 4.
Pasosdeaplicacin
Nmero mnimo de lneas Nmero de reglones
Lic. Jorge E. Rojas Nina
Pasosdeaplicacin
4. Si el nmero de lneas es menor que el nmero de
renglones, modifique la tabla de la siguiente forma:
Lic. Jorge E. Rojas Nina
Pasosdeaplicacin
Sub pasos a y b
Lic. Jorge E. Rojas Nina
Pasosdeaplicacin
Aplicacin paso # 3, cubrir con las lneas
Lic. Jorge E. Rojas Nina
Pasosdeaplicacin
Nmero mnimo de lneas = Nmero de reglones
Lic. Jorge E. Rojas Nina
Pasosdeaplicacin
6. Haga las asignaciones una a una en las posiciones que
tienen elementos cero. Comience con los renglones y
columnas que tienen slo un cero.
Lic. Jorge E. Rojas Nina
Pasosdeaplicacin
Asignacin
Lic. Jorge E. Rojas Nina
Variantesdelplanteamiento
1) Cuando en un centro no se pueda realizar actividad alguna,
se le asigna un valor muy grande M y se procede realizar
el mismo procedimiento explicado anteriormente.
Lic. Jorge E. Rojas Nina
CentrodeTrabajo
TAREA A B C D
R34 11 14 6 8
S66 8 10 M 12
T50 9 12 7 8
Variantesdelplanteamiento
CentrodeTrabajo
TAREA A B C D
R34 11 14 6 8
S66 8 10 11 12
T50 9 12 7 8
CentrodeTrabajo
TAREA A B C D
R34 11 14 6 8
S66 8 10 11 12
T50 9 12 7 8
F10 0 0 0 0
CentrodeTrabajo
TAREA A B C
R34 11 14 6
S66 8 10 11
T50 9 12 7
Matriz convertida
Procedimiento igual que minimizacin
Lic. Jorge E. Rojas Nina
CentrodeTrabajo
TAREA A B C
R34 3 0 8
S66 6 4 3
T50 5 2 7
Ejerciciospropuestos
Una empresa tiene cuatro operarios, los cuales deben ser
asignados al manejo de cuatro mquinas. Las horas requeridas
por cada trabajador en cada mquina son los de la tabla adjunta.
Lic. Jorge E. Rojas Nina
Problemas de Asignacin y
Lic. Jorge E. Rojas Nina Transporte
PROBLEMAS DE TRANSPORTE
PROBLEMAS DE TRANSPORTE
s1 1 d1
s2 2 2 d2
. .
. .
. .
sm m
n dn
Cmn, Xmn
PROBLEMAS DE TRANSPORTE
PROBLEMAS DE TRANSPORTE
PROBLEMAS DE TRANSPORTE
PROBLEMAS DE TRANSPORTE
PROBLEMAS DE TRANSPORTE
. .
Lic. Jorge E. Rojas Nina
PROBLEMAS DE TRANSPORTE
Adaptacindelmodeloalatabasimplex
Agregar variables de holgura y Artificiales
Agregar coeficientes a Z, segn sea el caso
Lic. Jorge E. Rojas Nina
. .
PROBLEMAS DE TRANSPORTE
Costo Mnimo
Aproximacin de Vogel.
Del trampoln (Stepping stone)
Mtodo de la distribucin modificada (MODI)
noroeste) de la tabla.
Paso 2.- Asignar a esta celda la cantidad menor entre
lo requerido y lo disponible (menor cantidad entre
restricciones de esa fila y esa columna).
Las siguientes asignaciones se hacen o bien
recorriendo hacia la derecha o bien hacia abajo. En
base al paso 1
Paso 3.- La solucin inicial factible se obtiene sumando
las celdas asignadas con sus respectivos costos.
Ejemplo 1:
Una compaa fabrica un producto en tres Fabricas de
las cuales 4 mercados son abastecidos (1, 2, 3 y 4).
Lic. Jorge E. Rojas Nina
MERCADOS
M1 M2 M3 M4 Oferta
Fabrica1 9 6 4 7 35
Fabrica2 2 4 6 3 20
Fabrica3 8 1 8 6 45
Demanda 30 40 10 20 100
MERCADOS
M1 M2 M3 M4 Oferta
Fabrica1 9 6 4 7 35
30 5
Fabrica2 2 4 6 3 20
Fabrica3 8 1 8 6 45
Demanda 0 30 40 10 20 100
MERCADOS
M1 M2 M3 M4 Oferta
Fabrica1 9 6 4 7 35
30 5 0
Fabrica2 2 4 6 3 20
Fabrica3 8 1 8 6 45
Demanda 0 30 35 40 10 20 100
MERCADOS
M1 M2 M3 M4 Oferta
Fabrica1 9 6 4 7 35
30 5 0
Fabrica2 2 4 6 3 20
20 0
Fabrica3 8 1 8 6 45
Demanda 0 30 15 40 10 20 100
MERCADOS
M1 M2 M3 M4 Oferta
Fabrica1 9 6 4 7 35
30 5 0
Fabrica2 2 4 6 3 20
20 0
Fabrica3 8 1 8 6 45
15 30
Demanda 0 30 0 40 10 20 100
MERCADOS
M1 M2 M3 M4 Oferta
Fabrica1 9 6 4 7 35
30 5 0
Fabrica2 2 4 6 3 20
20 0
Fabrica3 8 1 8 6 45
15 10 20
Demanda 0 30 0 40 0 10 20 100
MERCADOS
M1 M2 M3 M4 Oferta
Fabrica1 9 6 4 7 35
30 5 0
Fabrica2 2 4 6 3 20
20 0
Fabrica3 8 1 8 6 45
15 10 20 0
Demanda 0 30 0 40 0 10 0 20 100
22
Ejemplo 1:
Una compaa fabrica un producto en tres Fabricas de
las cuales 4 mercados son abastecidos (1, 2, 3 y 4).
Lic. Jorge E. Rojas Nina
MERCADOS
M1 M2 M3 M4 Oferta
Fabrica1 9 6 4 7 35
Fabrica2 2 4 6 3 20
Fabrica3 8 1 8 6 45
Demanda 30 40 10 20 100
MERCADOS
Lic. Jorge E. Rojas Nina
M1 M2 M3 M4 Oferta
Fabrica1 9 6 4 7 35
Fabrica2 2 4 6 3 20
Fabrica3 8 1 8 6 45
40 5
Demanda 30 0 40 10 20 100
MERCADOS
Lic. Jorge E. Rojas Nina
M1 M2 M3 M4 Oferta
Fabrica1 9 6 4 7 35
Fabrica2 2 4 6 3 20
20 0
Fabrica3 8 1 8 6 45
40 5
Demanda 10 30 0 40 10 20 100
MERCADOS
Lic. Jorge E. Rojas Nina
M1 M2 M3 M4 Oferta
Fabrica1 9 6 4 7 35
10 25
Fabrica2 2 4 6 3 20
20 0
Fabrica3 8 1 8 6 45
40 5
Demanda 10 30 0 40 0 10 20 100
MERCADOS
Lic. Jorge E. Rojas Nina
M1 M2 M3 M4 Oferta
Fabrica1 9 6 4 7 35
10 25
Fabrica2 2 4 6 3 20
20 0
Fabrica3 8 1 8 6 45
40 5 0
Demanda 10 30 0 40 0 10 15 20 100
MERCADOS
Lic. Jorge E. Rojas Nina
M1 M2 M3 M4 Oferta
Fabrica1 9 6 4 7 35
10 15 10
Fabrica2 2 4 6 3 20
20 0
Fabrica3 8 1 8 6 45
40 5 0
Demanda 10 30 0 40 0 10 0 20 100
MERCADOS
Lic. Jorge E. Rojas Nina
M1 M2 M3 M4 Oferta
Fabrica1 9 6 4 7 35
10 10 15 0
Fabrica2 2 4 6 3 20
20 0
Fabrica3 8 1 8 6 45
40 5 0
Demanda 0 30 0 40 0 10 0 20 100
El mtodo es el siguiente:
Paso 1. Inicio con las celdas no asignadas.
Paso 2. Clculo en cada fila y en cada columna la
diferencia entre los dos costos ms pequeos de las
celdas.
Paso 3. De entre estas filas y columnas seleccione
aquella que tenga la mxima diferencia.
MERCADOS
M1 6 M2 3 M3 2 M4 3 Oferta
Fabrica1 9 6 4 7 35
2
Fabrica2 2 4 6 3 20
1
Fabrica3 8 1 8 6 45
5
Demanda 30 40 10 20 100
MERCADOS
M1 6 M2 3 M3 2 M4 3 Oferta
Fabrica1 9 6 4 7 35
2
Fabrica2 2 4 6 3 20
1 20 0
Fabrica3 8 1 8 6 45
5
Demanda 10 30 40 10 20 100
MERCADOS
M1 6 M2 3 M3 2 M4 3 Oferta
Fabrica1 9 6 4 7 35
2
Fabrica2 2 4 6 3 20
1 20 0
Fabrica3 8 1 8 6 45
5
Demanda 10 30 40 10 20 100
MERCADOS
M1 1 M2 5 M3 4 M4 1 Oferta
Fabrica1 9 6 4 7 35
2
Fabrica2 2 4 6 3 20
no 20 0
Fabrica3 8 1 8 6 45
5
Demanda 10 30 40 10 20 100
MERCADOS
M1 1 M2 5 M3 4 M4 1 Oferta
Fabrica1 9 6 4 7 35
2
Fabrica2 2 4 6 3 20
no 20 0
Fabrica3 8 1 8 6 45
5 40 5
Demanda 10 30 0 40 10 20 100
MERCADOS
M1 1 M2 no M3 4 M4 1 Oferta
Fabrica1 9 6 4 7 35
3
Fabrica2 2 4 6 3 20
no 20 0
Fabrica3 8 1 8 6 45
2 40 5
Demanda 10 30 0 40 10 20 100
MERCADOS
M1 1 M2 no M3 4 M4 1 Oferta
Fabrica1 9 6 4 7 35
3 10 25
Fabrica2 2 4 6 3 20
no 20 0
Fabrica3 8 1 8 6 45
2 40 5
Demanda 10 30 0 40 0 10 20 100
MERCADOS
M1 1 M2 no M3 no M4 1 Oferta
Fabrica1 9 6 4 7 35
3 10 25
Fabrica2 2 4 6 3 20
no 20 0
Fabrica3 8 1 8 6 45
2 40 5
Demanda 10 30 0 40 0 10 20 100
MERCADOS
M1 1 M2 no M3 no M4 1 Oferta
Fabrica1 9 6 4 7 35
2 10 25
Fabrica2 2 4 6 3 20
no 20 0
Fabrica3 8 1 8 6 45
2 40 5 0
Demanda 10 30 0 40 0 10 15 20 100
MERCADOS
M1 1 M2 no M3 no M4 1 Oferta
Fabrica1 9 6 4 7 35
2 10 25
Fabrica2 2 4 6 3 20
no 20 0
Fabrica3 8 1 8 6 45
no 40 5 0
Demanda 10 30 0 40 0 10 15 20 100
MERCADOS
M1 0 M2 no M3 no M4 0 Oferta
Fabrica1 9 6 4 7 35
2 10 15 10
Fabrica2 2 4 6 3 20
no 20 0
Fabrica3 8 1 8 6 45
no 40 5 0
Demanda 10 30 0 40 0 10 0 20 100
MERCADOS
M1 0 M2 no M3 no M4 no Oferta
Fabrica1 9 6 4 7 35
2 10 15 10
Fabrica2 2 4 6 3 20
no 20 0
Fabrica3 8 1 8 6 45
no 40 5 0
Demanda 10 30 0 40 0 10 0 20 100
MERCADOS
M1 0 M2 no M3 no M4 no Oferta
Fabrica1 9 6 4 7 35
2 10 10 15 0
Fabrica2 2 4 6 3 20
no 20 0
Fabrica3 8 1 8 6 45
no 40 5 0
Demanda 0 30 0 40 0 10 0 20 100
PROBLEMAS DE TRANSPORTE
Variantesdelplanteamiento
1) Cuando no se realice en un origen y/o destino actividad
alguna, el costo que se le asigna es un valor muy grande
M . Se procede realizar el mismo procedimiento explicado
anteriormente.(ENO, CM o Vogel)
Lic. Jorge E. Rojas Nina
TIENDAS
T1 T2 T3 T4 Origen
Planta1 8 9 9 5 100
Planta2 4 M 8 7 200
Planta3 3 6 5 M 150
PROBLEMAS DE TRANSPORTE
Variantesdelplanteamiento
2) Cuando hay desequilibrio en la matriz, se utiliza variable ficticia
para equilibrar, siendo los valores de cero.
Al emplear los mtodos, no se consideran punto de partida
Lic. Jorge E. Rojas Nina
TIENDAS
T1 T2 T3 T4 Holg Origen
Planta1 8 9 9 5 0 100
Planta2 4 5 8 7 0 200
Planta3 3 6 5 9 0 150
PROBLEMAS DE TRANSPORTE
TIENDAS
T1 T2 T3 T4 Origen
Planta1 8 9 9 5 100
Planta2 4 5 8 7 200
Planta3 3 6 5 9 150
PROBLEMAS DE TRANSPORTE
TIENDAS
T1 T2 T3 T4 Origen
Planta1 1 0 0 4 100
Planta2 5 4 1 2 200
Planta3 6 3 4 0 150
PROBLEMAS DE TRANSPORTE
Ejerciciospropuestos
Una compaa fabrica un producto en 3 plantas (A, B, Y C) y enva
el producto a 3 almacenes (X, Y, Y Z). El costo incremental por
unidad para las diferentes plantas con referencia a las
Lic. Jorge E. Rojas Nina
Modelos de Optimizacin de
Lic. Jorge E. Rojas Nina Redes
Fundamentosderedes
Un diagrama de redes es un modelo matemtico que usa
pequeos crculos (nodos) conectados por lazos o ramas
(flechas).
Lic. Jorge E. Rojas Nina
Elaboracindeldiagramadered
Red de actividades en arcos/Activity on Arrow (AOA)
Actividades = flecha
Lic. Jorge E. Rojas Nina
Nodos = eventos
3 E
B 5
A D F
1 2
C
4
B y D debern completarse
antes de que se inicie E
Elaboracindeldiagramadered
Red de actividades en nodos/Activity on Node (AON)
Actividades = nodos
Lic. Jorge E. Rojas Nina
B E
D
A
C F
B y D debern completarse
antes de que se inicie E
Elaboracindeldiagramadered
Actividades ficticias (Dummy)/Mtodo (AOA)
Actividades con idnticos eventos de inicio o terminacin
Lic. Jorge E. Rojas Nina
3 E
B 5
D
A 2 C
4 Fin
Inicio 1 F
A y C debern completarse
antes de que se inicie F
B E
D
A Fin
C F
Inicio
A y C debern completarse
antes de que se inicie F
Ventajadelosmtodos
Identifican y organizan las actividades
Proporcionan una base de discusin
Lic. Jorge E. Rojas Nina
CPM(Trasladodehospital)
Actividadenlosnodos(AON)
Actividad
Lic. Jorge E. Rojas Nina
12 C 22
14 10 24
Duracin Esperada
de la actividad
(dE)
RedAONparaelproyectodehospital
I
15
Lic. Jorge E. Rojas Nina
A F K
12 10 6
C G
INICIO 10 35 FIN
B D H
9 10 40
E J
24 4
Estimacindetiempostempranos
Ftf = Ftc + dE
Nodos Fechastempranas
Fecha temprana
de comienzo de finalizacin
Ftc Ftf
12 C 22
14 10 24
Duracin Esperada
de la actividad
dE
A F K
12 10 6
C G
INICIO 10 35 FIN
B D H
9 10 40
E J
24 4
LlegadaalnodoK
12 I 27
15
Lic. Jorge E. Rojas Nina
0 A 12 12 F 22 63 K 69
12 10 6
12 C 22 22 G 57
INICIO 10 35 FIN
0 B 9 9 D 19 19 H 59
9 10 40
9 E 33 59 J 63
24 4
Estimacindetiempostardos
Fecha Tarda de Finalizacin FTF
FTC = FTF dE
Nodos Fechastardas
Actividad
Lic. Jorge E. Rojas Nina
C
14 10 24
Fecha Tarda
Fecha Tarda de Finalizacin
de Comienzo FTF
Duracin Esperada
FTC
de la actividad
dE
LlegadaalnodoInicio
I
48 15 63
Lic. Jorge E. Rojas Nina
A F K
2 12 14 53 10 63 63 6 69
C G
INICIO 14 10 24 24 35 59 FIN
B D H
0 9 9 9 10 19 19 40 59
E J
35 24 59 59 4 63
Representacincompletadelnodo
Actividad
Fecha Fecha
Lic. Jorge E. Rojas Nina
temprana temprana
de comienzo de finalizacin
Ftc
12 C 22 Ftf
14 10 24
Fecha Tarda
Fecha Tarda de
de Comienzo Finalizacin
FTC Duracin
FTF
Esperada
de la actividad
dE
Desarrollocompleto
12 I 27
48 15 63
Lic. Jorge E. Rojas Nina
0 A 12 12 F 22 63 K 69
2 12 14 53 10 63 63 6 69
12 C 22 22 G 57
INICIO 14 10 24 24 35 59 FIN
0 B 9 9 D 19 19 H 59
0 9 9 9 10 19 19 40 59
9 E 33 59 J 63
35 24 59 59 4 63
Holgura
La holgura de una actividad (H) es la mxima cantidad de tiempo
que una actividad puede retrasarse sin afectar la duracin total del
proyecto
Lic. Jorge E. Rojas Nina
12 C 22 FTF Ftf
24 22
14 10 24
2
EstimacindeHolgura
12 I 27
48 15 63
Lic. Jorge E. Rojas Nina
36
0 A 12 12 F 22 63 K 69
2 12 14 53 10 63 63 6 69
2 41 0
12 C 22 22 G 57
INICIO 14 10 24 24 35 59 FIN
2 2
0 B 9 9 D 19 19 H 59
0 9 9 9 10 19 19 40 59
0 0 0
9 E 33 59 J 63
35 24 59 59 4 63
26 0
Clculodeholguras
B 9 0 0 0
C 10 12 14 2
D 10 9 9 0
E 24 9 35 26
F 10 12 53 41
G 35 22 24 2
H 40 19 19 0
I 15 12 48 36
J 4 59 59 0
K 6 63 63 0
12 I 27
48 15 63
Lic. Jorge E. Rojas Nina
36
0 A 12 12 F 22 63 K 69
2 12 14 53 10 63 63 6 69
2 41 0
12 C 22 22 G 57
INICIO 14 10 24 24 35 59 FIN
2 2
0 B 9 9 D 19 19 H 59
0 9 9 9 10 19 19 40 59
0 0 0
9 E 33 59 J 63
35 24 59 59 4 63
26 0
PERTEstimacionesprobabilsticasdetiempo
Introduccin de factores de incertidumbre
Distribucindeprobabilidades
En las tcnica PERT, el tiempo de cada actividad se considera
como una variable aleatoria derivada de una distribucin de
probabilidad beta
Lic. Jorge E. Rojas Nina
a m b
Supuestos
Es posible estimar con precisin a, m, y b.
Clculo
a 4m b
t e
6
Varianza
Anlisisdeprobabilidades
Tiempo esperado de terminacin de todo el proyecto (TE)
Lic. Jorge E. Rojas Nina
Tabla distribucin
Normal
PERT(Trasladodehospital)
PERT(Trasladodehospital)
4
Tiempos estimados 6 6
A 10 12 19 12.83 2.25
B 6 9 13 9.17 1.36
C 8 10 18 11.00 2.78
D 4 10 18 10.33 5.44
E 18 24 30 24.00 4.00
F 8 10 15 10.50 1.36
G 30 35 45 35.83 6.25
H 30 40 50 40.00 11.11
I 10 15 20 15.00 2.78
J 1 4 12 4.83 3.36
K 3 6 15 7.00 4.00
PERT(Trasladodehospital)
12.83 I 27.83
PERTHolguras(Trasladodehospital)
12.83 I 27.83
36.66
Lic. Jorge E. Rojas Nina
26.49 0.00
PERTCaminocrtico(Trasladodehospital)
12.83 I 27.83
36.66
Lic. Jorge E. Rojas Nina
26.49 0.00
Lic. Jorge E. Rojas Nina
Tabla distribucin
Normal
PERT(Tiempoesperadoydesviacinstandar)
4
Tiempos estimados 6 6
B 6 9 13 9.17 1.36
C 8 10 18 11.00 2.78
D 4 10 18 10.33 5.44
E 18 24 30 24.00 4.00
F 8 10 15 10.50 1.36
G 30 35 45 35.83 6.25
H 30 40 50 40.00 11.11
I 10 15 20 15.00 2.78
J 1 4 12 4.83 3.36
K 3 6 15 7.00 4.00
71.50 18.64
4.32
Desviacin
Standar
Distribucinnormal
Lic. Jorge E. Rojas Nina
Puedes usar la tabla de abajo para saber el rea bajo la curva desde la lnea central
hasta cualquier lnea vertical "a valor Z" hasta 3, en incrementos de 0.1
En lugar de una tabla LARGA, hemos puesto los incrementos de 0.1 hacia abajo, y
los de 0.01 de lado.
Por ejemplo, para saber el rea debajo de la curva entre 0 y 0.45, ve a la fila de 0.4,
y sigue de lado hasta 0.45, all pone 0.1736
Como la curva es simtrica, la tabla vale para ir en las dos direcciones, as que 0.45
negativo tambin tiene un rea de 0.1736
Tabladedistribucinnormal
Lic. Jorge E. Rojas Nina
Tabla distribucin
Normal
Lic. Jorge E. Rojas Nina
71.5 <=80
Tabla distribucin
Normal
Lic. Jorge E. Rojas Nina
71.5 >=80