Академический Документы
Профессиональный Документы
Культура Документы
Una vez definido el problema del tomador de decisiones, la siguiente etapa consiste
en reformularlo de manera conveniente para su anlisis. La forma convencional en
que la investigacin de operaciones realiza esto es construyendo un modelo
matemtico que represente la esencia del problema. Antes de analizar como
formular los modelos de este tipo, se explorar la naturaleza general de los modelos
y, en particular, la de los modelos matemticos.
Para construir un modelo es necesario primero definir las variables en funcin de las
cuales ser establecido. Luego, se procede a determinar matemticamente cada
una de las dos partes que constituyen un modelo: a) la medida de efectividad que
permite conocer el nivel de logro de los objetivos y generalmente es una funcin
(ecuacin) llamada funcin objetivo; b) las limitantes del problema llamadas
restricciones que son un conjunto de igualdades o desigualdades que constituyen
las barreras y obstculos para la consecucin del objetivo.
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.
Los modelos matemticos tienen muchas ventajas sobre una descripcin verbal del
problema. Una ventaja obvia es que el modelo matemtico describe un problema en
forma mucho ms concisa. Esto tiende a hacer que toda la estructura del problema
sea ms comprensible y ayude a revelar las relaciones importantes entre causa y
efecto. De esta manera, indica con ms claridad que datos adicionales son
importantes para el anlisis. Tambin facilita simultneamente el manejo del
problema en su totalidad y el estudio de todas sus interpelaciones. Por ltimo, un
modelo matemtico forma un puente para poder emplear tcnicas matemticas y
computadoras de alto poder, para analizar el problema. Sin duda, existe una amplia
disponibilidad de paquetes de software para muchos tipos de modelos matemticos,
para micro y minicomputadoras.
Por otro lado, existen obstculos que deben evitarse al usar modelos matemticos.
Un modelo es, necesariamente, una idealizacin abstracta del problema, por lo que
casi siempre se requieren aproximaciones y suposiciones de simplificacin si se
quiere que el modelo sea manejable (susceptible de ser resuelto). Por lo tanto, debe
tenerse cuidado de que el modelo sea siempre una representacin vlida del
problema. El criterio apropiado para juzgar la validez de un modelo es el hecho de si
predice o no con suficiente exactitud los efectos relativos de los diferentes cursos de
accin, para poder tomar una decisin que tenga sentido. En consecuencia, no es
necesario incluir detalles sin importancia o factores que tienen aproximadamente el
mismo efecto sobre todas las opciones. Ni siquiera es necesario que la magnitud
absoluta de la medida de efectividad sea aproximadamente correcta para las
diferentes alternativas, siempre que sus valores relativos (es decir, las diferencias
entre sus valores) sean bastante preciso. Entonces, todo lo que se requiere es que
exista una alta correlacin entre la prediccin del modelo y lo que ocurre en la vida
real. Para asegurar que este requisito se cumpla, es importante hacer un nmero
considerable de pruebas del modelo y las modificaciones consecuentes. Aunque
esta fase de pruebas se haya colocado despus en el orden del libro, gran parte del
trabajo de validacin del modelo se lleva a cabo durante la etapa de construccin
para que sirva de gua en la obtencin del modelo matemtico.
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.
Muchos de los procedimientos de solucin tienen la caracterstica de ser iterativos,
es decir buscan la solucin en base a la repeticin de la misma regla analtica hasta
llegar a ella, si la hay, o cuando menos a una aproximacin.
Una solucin establecida como vlida para un problema, permanece como tal
siempre y cuando las condiciones del problema tales como: las variables no
controlables, los parmetros, las relaciones, etc., no cambien significativamente.
Esta situacin
IMPLANTACION DE LA SOLUCION
El paso final se inicia con el proceso de "vender" los hallazgos que se hicieron a lo
largo del proceso a los ejecutivos o tomadores de decisiones. Una vez superado
ste obstculo, se debe traducir la solucin encontrada a instrucciones y
operaciones comprensibles para los individuos que intervienen en la operacin y
administracin del sistema. La etapa de implantacin de una solucin se simplifica
en gran medida cuando se ha propiciado la participacin de todos los involucrados
en el problema en cada fase de la metodologa. Preparacin para la aplicacin del
modelo
Esta etapa es crtica, ya que es aqu, y slo aqu, donde se cosecharn los
beneficios del estudio. Por lo tanto, es importante que el equipo de IO participe,
tanto para asegurar que las soluciones del modelo se traduzcan con exactitud a un
procedimiento operativo, como para corregir cualquier defecto en la solucin que
salga a la luz en este momento.
El xito de la puesta en prctica depende en gran parte del apoyo que proporcionen
tanto la alta administracin como la gerencia operativa. Es ms probable que el
equipo de IO obtenga este apoyo si ha mantenido a la administracin bien
informada y ha fomentado la gua de la gerencia durante el estudio. La buena
comunicacin ayuda a asegurar que el estudio logre lo que la administracin quiere
y por lo tanto merezca llevarse a la prctica. Tambin proporciona a la
administracin el sentimiento de que el estudio es suyo y esto facilita el apoyo para
la implantacin.
1. Qu es la Programacin Lineal?.
C1 C2 Disponible
Vitamina A 2 1 1000
Vitamina B 2 3 1800
Beneficio 400 300
2.
1.- Utilizando lo aprendido en la pgina de INECUACIONES representa las
restricciones.
b. Mx.
Solucin
3.
El modelo se puede resolver en forma grfica si slo tiene dos variables. Para
modelos con tres o ms variables, el mtodo grfico es imprctico o imposible.
Cuando los ejes son relacionados con las variables del problema, el mtodo es
llamado mtodo grfico en actividad. Cuando se relacionan las restricciones
tecnolgicas se denomina mtodo grfico en recursos.
Ejemplo.
Maximizar Z = 3X1 + 2X2
restricciones : X1 + 2X2 <=6 (1)
2X1 + X2 <=8 (2)
-X1 + X2 <=1 (3)
X2 <= 2 (4)
X1 >= 0 (5)
X2 >= 0 (6)
X1 + 2X2 =6 (1)
2X1 + X2 =8 (2)
-X1 + X2 =1 (3)
X2 =2 (4)
X1 =0 (5)
X2 =0 (6)
A (0, 0) 0
B (4, 0)
12
C (3.3, 1.3)
12.6 ( ptima )
D (2, 3)
12
E (1, 3) 9
F (0, 2) 4
Tabla 1: Medias del Error en funcin de y para instancias con una restriccin (
) y con mltiples restricciones ( ).
Instancia 1 2 3 4 2 3 4
Se puede observar que tanto en forma global, como para cada tipo de instancia en
uso de -BitFlip. Del restante , casi toda la mejora se realiza con -BitFlip.
hasta un de mejora se puede conseguir con -BitFlip una vez que la bsqueda
se estanc con -BitFlip. Para y , los grficos muestran que hasta un
(a)
(b)
Figura 4: Contribucin promedio de cada operador BitFlip para cada valor de . En (a)
resultados con administrador de operacin decremento y en (b) con incremento.
0.32
Entonces, para este ejemplo, el cliente promedio espera 15 minutos antes de ser
servido. En promedio, hay un poco ms de dos clientes en la lnea o tres en el
sistema. El proceso completo lleva un promedio de 20 minutos. La caja est
ocupada el 75 % del tiempo. Y finalmente, el 32 % del tiempo habr cuatro personas
o ms en el sistema ( o tres o ms esperando en la cola).