Академический Документы
Профессиональный Документы
Культура Документы
La Programación lineal es un algoritmo por medio del cual se resuelven situaciones reales, con el
objetivo de aumentar la productividad respecto a los recursos, aumentando de esta manera los
beneficios. El objetivo principal es optimizar, es decir maximizar o minimizar funciones lineales en
varias variables reales con restricciones lineales, optimizando una función objetivo lineal.
Los resultados y el proceso de optimización son un respaldo cuantitativo de las decisiones frente a
las situaciones planteadas. Salazar, Bryan (2016)
https://www.ingenieriaindustrialonline.com/herramientas-para-el-ingeniero-
industrial/investigaci%C3%B3n-de-operaciones/programaci%C3%B3n-lineal/
Tipos
Consiste en representar las restricciones sobre unos ejes de coordenadas, para determinar la
región donde se encuentran las soluciones factibles, en el perímetro del polígono resultante, si
nuestra función objetivo es una maximización y la línea que delimita nuestro dominio no es
convexa, entonces nuestro problema, bajo esta condición no tiene solución.
http://matematicas.uclm.es/ita-cr/web_matematicas/trabajos/248/Programacion_lineal.pdf
Método simplex
El método simplex trabaja con un modelo en su forma estándar, además las restricciones del
modelo deben estar expresadas en su forma estándar, solo acepta restricciones con < = y las
variables de decisión tiene que ser > = 0. Si no se cumplen estas condiciones, entonces no es
posible aplicar el método. Los pasos de un método simplex son:
Para ubicar la variable de entrada se busca el valor de Zj – Cj que sea más negativo cuando el
modelo se maximiza o la más positiva cuando el modelo se minimiza.
Este método conserva las mismas características que el método simplex, la diferencia es que la
mayoría de los números que aparecen en la tabla del método normal no se usan realmente en las
iteraciones, por lo cual en el método revisado solo se calculan los valores necesarios para
encontrar la solución óptima a través de matrices, sin embargo este método requiere muchas
operaciones de matrices y deja de estar tan estructurado como el método simplex, por lo cual es
posible confundirse durante las iteraciones.
Método algebraico
Es un método muy similar al método simplex, pero sin usar las tablas, utiliza únicamente algebra y
lógica matemática para hallar la solución óptima. Consta de los siguientes pasos:
Este método es poco aplicado porque llega a ser muy tardado y poco práctico, sin embargo,
trabaja muy rápido cuando los sistemas de restricciones son muy pequeños y no hay que hacer
tantos movimientos entre los extremos de la región factible.
Método de la M grande
Este método es una forma derivada del método simplex, usado para resolver problemas donde el
origen no forma parte de la región factible. Para realizar este algoritmo, e siguen los mismos pasos
que en el método simplex, pero antes tenemos que cambiar la función objetivo para que incluya a
las variables artificiales. Estas variables tendrán que estar multiplicadas por un numero
suficientemente grande para que no se elimine a través de las operaciones, llamado M y que
además deberá irse solamente cuando se sume o se reste con otra M.
Para el caso de maximización, teneos que restar variables artificiales junto con sus coeficientes
para que estas variables no entren a la base, pero si minimizamos entonces sumamos las variables
artificiales.
Este método trabaja por medio de dos procedimientos, con el objetivo de encontrar primero una
solución factible inicial y posteriormente resolver el modelo a través de método simplex. Para
utilizar este método se debe tener el modelo en su forma ampliada, las variables de decisión
deben ser reales y mayores a cero.
1. Eliminamos las variables artificiales de las restricciones, pero conservamos los cambios
que se dieron durante la fase 1.
2. Regresamos a la función objetivo original y resolvemos el modelo con los cambios que se
dieron en las restricciones durante la fase 1.
https://sites.google.com/site/metodosdeprogramacionlinealdan/metodo-simplex
Marketing:
La progrmacion lineal en este campo se presenta como una herramienta muy eficaz, en la elección
por ejemplo de la combinación mas efectiva de los medios de comunicación para promocionar
productos o servicios y cuyo objetivo principal es conseguir la mayor audiencia posible y
normalmente las restricciones pueden ser:
Producción:
En este campo la herramienta permite determinar la producción optima de una empresa con el
objetivo de maximizar beneficios o minimizar costes. Las restricciones mas comunes suelen ser:
Presupuestaria.
Disponibilidad de recursos.
Demanda de producto.
Políticas medioambientales.
Políticas de la propia empresa.
Finanzas:
Habitualmente los directivos o bancos deben seleccionar una serie de inversiones concretas para
configurar su Cartera de Valores entre la amplia variedad de alternativas que existen en el
mercado. Normalmente el objetivo es maximizar el rendimiento que genera dicha cartera o
minimizar el riesgo adherente a la misma. Las restricciones a las que se enfrentan son:
Presupuestaria.
Nivel de riesgo permisible.
Leyes estatales.
Políticas de la compañía.
Logística:
Una de las aplicaciones más habituales de la programación lineal en este campo es el denominado
Problema de Transporte. En este tipo de problema se determinar la cantidad de mercancía que se
ha de transportar desde cualquier centro de distribución a cualquier centro de recepción y cuyo
objetivo es minimizar el coste de transporte. Las restricciones son:
Asignación de tareas:
Habitualmente se desea asignar de la forma más eficiente una tarea a cada empleado o máquina y
cuyo objetivo es minimizar el coste total de la asignación. El problema de asignación es un caso
particular del problema de transporte donde las variables de decisión son binarias toman valor 1 o
0 y aunque puede resolverse mediante simplex, existen métodos específicos más eficaces como el
método húngaro.
Otra panificación en este ámbito es la planificación de horarios, en la cual se desea asignar tareas
a empleados poli funcionales.
https://idus.us.es/xmlui/bitstream/handle/11441/42359/conejero%20calvo%20de%20leon%20ele
na%20tr.pdf?sequence=1&isAllowed=y#targetText=Un%20problema%20de%20programación%20l
ineal,de%20las%20variables%20de%20decisión.
Métodos Determinísticos
Además de ser una herramienta fundamental para la toma de decisiones, optimiza los resultados
logísticos, administrativos y financieros de una organización con el objetivo de mejorar los
procesos, reducir costos y mejorar sus recursos técnicos. De esta manera plantea diferentes
métodos para solucionar problemas relacionados con el transporte, la asignación y la distribución
que se puedan presentar en el ejercicio empresarial.
https://www.monografias.com/trabajos96/metodos-deterministicos-herramienta-fundamental-
toma-decisiones/metodos-deterministicos-herramienta-fundamental-toma-decisiones2.shtml
Tipos
Programación entera
Método gráfico:
Enumeración implícita:
Resolver LP´s para todas las combinaciones posibles de las variables enteras y encontrar el
óptimo global.
Si las variables son binarias # combinaciones = 2m, m = No. Variables binarias.
Técnica de relajación:
El algoritmo de ramificación y acotamiento inicia con una relajación del problema y construye un
árbol de soluciones factibles enteras particionado el conjunto de soluciones factibles de modo de
descartar soluciones fraccionarias, es decir:
Modelo de transporte
Prueba de optimalidad:
Para saber que tan factibles son todos los métodos mencionados anteriormente esta prueba
determina si el método es el que ofrece el menor costo de envió. La prueba se lleva a cabo
mediante el cálculo de un solo número conocido como costo reducido, para la celda vacía.
Guzmán, Gloria (2010)
http://ple-metodos-deterministicos-
deza.weebly.com/uploads/5/5/7/7/5577408/modulo_102016_metodos_deterministicos_conteni
dos.pdf
Son aquellos donde se toma como supuesto que tenemos certeza de la demanda, la cual puede
estar dada por pronósticos de demanda o pedidos reales de los clientes, adicionalmente dentro de
estos modelos se genera una subclasificación ya que la demanda puede ser estática o dinámica,
generando los siguientes modelos:
Este modelo busca un equilibrio entre los costos de preparación y los costos de almacenamiento.
Considera la disminución del costo de compra de un artículo cuando se compra en gran cantidad.
Considerando que el pedido se puede recibir a lo largo de un periodo de tiempo, este modelo
tiene en cuenta la tasa de demanda y producción.
Consiste en obtener justamente lo que necesito, lo que conlleva a tener un inventario exacto
requerido y con bajo costo de mantenimiento.
Periodo constante:
También puede ser usado para determinar el tamaño de un lote, sin embargo, no se recomienda
su uso cuando la demanda es relativamente constante o dinámica.
Busca equilibrio entre los costos de mantener inventario y los costos de ordenar.
Es heurístico, es decir que a través de reglas de decisión busca dar una óptima solución al
problema de inventario.
Costo unitario mínimo (CUM):
Se enfoca en la minimización del costo unitario a través de la comparación del costo de ordenar y
mantener para diferentes tamaños de lote.
Métodos probabilísticos
Barrera, D. (2016)
Tipos
Es una de las técnicas estadísticas utilizada en la investigación al relacionar entre dos o más
variables, una de sus utilizaciones está en la construcción de modelos que permitan predecir el
comportamiento de una variable dependiente en función de una o más variables independientes,
lo anterior se logra usando una herramienta grafica denominada diagrama de dispersión.
Es el indicador más utilizado en análisis técnico ya que muestra la dirección y duración de una
tendencia y cuyo propósito es ilustrar la tendencia de una manera más suavizada y es calculado
como la suma de un numero predeterminado de precios por un cierto número de periodos de
tiempo, dividido por el número de periodos de tiempo. El resultado es el precio promedio en dicho
periodo de tiempo.
Suavización exponencial:
Es un método de promedio móvil ponderado que permite calcular el promedio de una serie de
tiempo, asignando a las demandas recientes mayor ponderación que a las demandas anteriores.
Requiere solamente tres tipos de datos: el pronóstico del último periodo, la demanda de ese
periodo y un parámetro suavizador.
Los métodos mencionados anteriormente pueden ser usados para conocer el comportamiento
futuro en muchos fenómenos tales como:
1. Mercadotecnia:
Tamaño del mercado.
Participación en el mercado.
Tendencia de precios.
Desarrollo de nuevos productos.
2. Producción:
Costo de materia prima.
Costo de mano de obra.
Disponibilidad de materia prima.
Disponibilidad de mano de obra.
Requerimientos de mantenimiento.
Capacidad disponible de la planta para la producción.
3. Finanzas:
Tasas de interés.
Cuentas de pagos lentos.
4. Recursos humanos:
Número de trabajadores.
Rotación de personal.
Tendencia de ausentismo.
Tendencia de llegadas tarde.
5. Planeación estratégica:
Factores económicos.
Cambios de precios.
Costos.
Crecimiento de líneas de productos.
Vanegas, V. (2013)
La modelación matemática es un intento de describir alguna parte del mundo real en términos
matemáticos y los elementos que lo componen son tomados del cálculo, algebra, geometría y
otros campos. Es natural que sean modelos de analogía incompleta, es decir que reflejan algunas
propiedades del objeto modelado y se caracterizan por una suficiente generalidad, describiendo
una clase completa de objetos o fenómenos, por otra parte, la creación de modelos matemáticos
no requiere significativos gastos materiales y la realización del propio proceso de modelación con
ayuda de los medios digitales permite efectuarla en un tiempo relativamente pequeño.
Brito, M., Alemán, I., Fraga, E, Parra, J. & Arias, R. (2011). Recuperado de
http://scielo.sld.cu/scielo.php?script=sci_arttext&pid=S1815-
59442011000200005#targetText=Un%20modelo%20constituye%20una%20representaci%C3%B3n
,mundo%20real%20en%20t%C3%A9rminos%20matem%C3%A1ticos.
Las herramientas para el desarrollo de software pueden tener diversos propósitos como
compiladores, editores de código, diseñadores de interfaz gráfica, ensambladores, depuradores,
herramientas de análisis de rendimiento, entre otras, las cuales son utilizadas para realizar los
procesos de negocio, documentar el proceso de desarrollo del software y optimizar todos los
procesos, al emplear estas herramientas el resultado de los proyectos será más productivo ya que
complementan a los entornos de desarrollo, utilizados por los desarrolladores de software para
crear, editar, mantener, implementar y depurar otras aplicaciones y programas. Estos entornos se
pueden denominar plataforma de desarrollo.
Velneo (2019)
https://velneo.es/herramientas-software-2019/