Location via proxy:   [ UP ]  
[Report a bug]   [Manage cookies]                

UNIDAD - 3 - Lo

Descargar como docx, pdf o txt
Descargar como docx, pdf o txt
Está en la página 1de 25

UNIDAD 3

9. Programación lineal método Simplex

 Conversión de desigualdades a ecuaciones

En términos generales, se puede decir que cualquier fenómeno en que interviene un


número determinado de variables no negativas (es decir, variables cuyo valor es positivo o
cero), que se pueden ligar entre sí mediante relaciones de desigualdad o igualdad y que
reflejen las limitaciones o restricciones que el fenómeno presenta con miras a optimizar
un objetivo, puede ser formulado como un modelo de programación matemática. Como
ya explicamos anteriormente, si las restricciones como la función objetivo se pueden
enunciar mediante expresiones lineales, estamos frente a un campo particular de la
programación matemática denominada “programación lineal”.

En las restricciones (≤), el lado derecho se puede imaginar cómo representando el límite
de disponibilidad de un recurso, y en ese caso el lado izquierdo representaría el uso de ese
recurso limitado por parte de las actividades (variables) del modelo. La diferencia entre el
lado derecho y el lado izquierdo de la restricción (≤) representa, por consiguiente, la
cantidad no usada u holgura del recurso. Para convertir una desigualdad (≤) en ecuación,
se agrega una variable de holgura al lado izquierdo de la restricción.

Por ejemplo, la restricción asociada con el uso de la materia prima M1 está dada como

6x1 + 4x2 ≤ 24

Si se define s1 como la holgura, o cantidad no usada, de M1, la restricción se puede


convertir en la siguiente ecuación:

6x1 + 4x2 + s1 = 24, s1 ≥ 0 1

Una restricción (≥) establece, normalmente, un límite inferior para las actividades del
modelo de programación lineal. Como tal, la cantidad por la que el lado izquierdo es

1
mayor que el límite mínimo (lado derecho) representa un excedente. La conversión de (≥)
a (=) se logra restando una variable de excedencia, del lado izquierdo de la desigualdad.

 La tabla Simplex

Una vez se tiene un concepto general de lo que es la programación lineal, es importante


conocer la forma de actuación particular de los algoritmos que resuelven programas
lineales.
De entre todos los algoritmos destaca por su importancia histórica y práctica el método
Simplex. Dicho método fue desarrollado por Dantzig en 1947, alcanzando un éxito
inusitado en las décadas posteriores con el desarrollo de los computadores. El
conocimiento básico de dicho método ayuda a la comprensión de las diferentes formas de
resolución de programas lineales.
La Programación Lineal presenta un gran número de aplicaciones en multitud de ámbitos
empresariales, industriales, de gestión y en general, de toma de decisiones.
El método simplex es para uso computacional debido a la complejidad de los caculos que
en el intervienen. Pero como forma general se puede decir que la programación lineal
trata de convertir desigualdades del tipo = (=) en una ecuación para facilitar el resultado
en la toma de decisiones. En este apartado veremos la forma básica de la transformación
de una desigualdad en una ecuación.
Ejemplo:
x1 + 2x2 = 3 puede ver aumentado su lado izquierdo por la introducción de una variable
de holgura (superávit =S1)
Equivalente a x1 + 2x2 + S1 = 3
Donde S1 = 0
Como se puede apreciar, en el caso de la conversión de desigualdades a ecuaciones las
restricciones (≤), el lado derecho se puede imaginar cómo representando el límite de
disponibilidad de un recurso, y en ese caso el lado izquierdo representaría el uso de ese
recurso limitado por parte de las actividades (variables) del modelo. La diferencia entre el
lado derecho y el lado izquierdo de la restricción (≤) representa, por consiguiente, la
cantidad no usada u holgura del recurso. Para convertir una desigualdad (≤) en ecuación,
se agrega una variable de holgura al lado izquierdo de la restricción. Generalmente se
define S1 como la holgura. Una restricción (≥) establece, normalmente, un límite inferior

2
para las actividades del modelo de programación lineal. Como tal, la cantidad por la que el
lado izquierdo es mayor que el límite mínimo (lado derecho) representa un excedente.

https://www.youtube.com/watch?v=FhBC9LaTjQY Y https://www.youtube.com/watch?
v=CCud7rAIi8A

3
10. Algoritmos de propósitos especiales

 El método de Trasporte

Consideremos el siguiente ejemplo, para describir el algoritmo de transporte, este


algoritmo se aplica a una solución básica-factible obtenida por el método de Vogel, su
objetivo es verificar si la solución es la óptima y si no es, el mismo algoritmo optimiza la
solución.

El método de aproximación de Vogel es un método heurístico de resolución de problemas


de transporte capaz de alcanzar una solución básica no artificial de inicio, este modelo
requiere de la realización de un número generalmente mayor de iteraciones que los
demás métodos heurísticos existentes con este fin, sin embargo, produce mejores
resultados iniciales que los mismos.

El método consiste en la realización de un algoritmo que consta de 3 pasos fundamentales


y 1 más que asegura el ciclo hasta la culminación del método.

PASO 1
Determinar para cada fila y columna una medida de penalización restando los dos costos
menores en filas y columnas.

PASO 2
Escoger la fila o columna con la mayor penalización, es decir que de la resta realizada en el
"Paso 1" se debe escoger el número mayor. En caso de haber empate, se debe escoger
arbitrariamente (a juicio personal).

PASO 3

4
De la fila o columna de mayor penalización determinada en el paso anterior debemos de
escoger la celda con el menor costo, y en esta asignar la mayor cantidad posible de
unidades. Una vez se realiza este paso una oferta o demanda quedará satisfecha por ende
se tachará la fila o columna, en caso de empate solo se tachará 1, la restante quedará con
oferta o demanda igual a cero (0).

PASO 4: DE CICLO Y EXCEPCIONES


- Si queda sin tachar exactamente una fila o columna con cero ofertas o demanda,
detenerse.
 
- Si queda sin tachar una fila o columna con oferta o demanda positiva, determine las
variables básicas en la fila o columna con el método de costos mínimos, detenerse.
 
- Si todas las filas y columnas que no se tacharon tienen cero oferta y demanda, determine
las variables básicas cero por el método del costo mínimo, detenerse.
 
- Si no se presenta ninguno de los casos anteriores vuelva al paso 1 hasta que las ofertas y
las demandas se hayan agotado.

EJEMPLO DEL MÉTODO DE APROXIMACIÓN DE VOGEL

EL PROBLEMA
Una empresa energética colombiana dispone de cuatro plantas de generación para
satisfacer la demanda diaria eléctrica en cuatro ciudades, Cali, Bogotá, Medellín y
Barranquilla. Las plantas 1,2,3 y 4 pueden satisfacer 80, 30, 60 y 45 millones de KW al día
respectivamente. Las necesidades de las ciudades de Cali, Bogotá, Medellín y Barranquilla
son de 70, 40, 70 y 35 millones de Kw al día respectivamente.

5
Los costos asociados al envío de suministro energético por cada millón de KW entre cada
planta y cada ciudad son los registrados en la siguiente tabla.

Formule un modelo de programación lineal que permita satisfacer las necesidades de


todas las ciudades al tiempo que minimice los costos asociados al transporte.

SOLUCIÓN PASO A PASO


El primer paso es determinar las medidas de penalización y consignarlas en el tabulado de
costos, tal como se muestra a continuación.

El paso siguiente es escoger la mayor penalización, de esta manera:

6
El paso siguiente es escoger de esta columna el menor valor, y en una tabla paralela se le
asigna la mayor cantidad posible de unidades, podemos observar como el menor costo es
"2" y que a esa celda se le pueden asignar como máximo 60 unidades "que es la capacidad
de la planta 3".

Dado que la fila de la "Planta 3" ya ha asignado toda su capacidad (60 unidades) esta debe
desaparecer.

Se ha llegado al final del ciclo, por ende, se repite el proceso


7
Iniciamos una nueva iteración (Iteración significa el acto de repetir un proceso con el
objetivo de alcanzar una meta deseada, objetivo o resultado. Cada repetición del proceso
también se le denomina una "iteración", y los resultados de una iteración se utilizan como
punto de partida para la siguiente iteración).

8
Continuamos con las iteraciones,

Iniciamos otra iteración

9
Al finalizar esta iteración podemos observar como el tabulado queda una fila sin tachar y
con valores positivos, por ende, asignamos las variables básicas y hemos concluido el
método.

10
Los costos asociados a la distribución son:

11
De esta manera hemos llegado a la solución a la cual también llegamos mediante
programación lineal, definitivamente desarrollar la capacidad para modelar mediante
programación lineal y apoyarse de una buena herramienta como WinQSB,
STORM,LINGO, TORA etc. termina siendo mucho más eficiente que la utilización de los
métodos
heurísticos para problemas determinísticos; sin embargo, cabe recordar que uno de los
errores más frecuentes en los que caen los ingenieros industriales es en tratar de adaptar
a sus organizaciones a los modelos establecidos, cabe recordar que son los modelos los
que deben adaptarse a las organizaciones lo cual requiere de determinada habilidad para
realizar de forma inmediata cambios innovadores para sus fines, en pocas palabras un
ingeniero industrial requiere de un buen toque de heurística.

12
 El Método de Degeneración
En la aplicación del Método Simplex al hacer el cálculo del mínimo cuociente o condición
de factibilidad, se puede romper un empate en la razón o cuociente mínimo en forma
arbitraria. En este caso, al menos una variable básica será cero en la siguiente iteración,
afirmándose en este caso que la nueva solución es degenerada. La implicancia práctica de
dicha condición indica que el modelo tiene al menos una restricción redundante.

Solución Óptima Degenerada


Consideremos el siguiente modelo de Programación Lineal el cual resolveremos a través
del Método Simplex y que de forma complementaria representaremos gráficamente:

Llevamos el problema anterior a su forma estándar de minimización, agregando   y  ,


como variables de holgura de las restricciones 1 y 2, respectivamente.

Que da origen a la siguiente tabla inicial del Método Simplex:

Para favorecer la rapidez de convergencia del algoritmo seleccionamos   como la


variable que ingresa a la base. A continuación, calculamos el criterio de factibilidad

13
(mínimo cuociente):   (al existir empate seleccionaremos arbitrariamente
la variable   como aquella que deja la base. Luego se actualiza la tabla:

Ahora   ingresa a la base. El criterio de factibilidad determina

que:     deja la base. Se realiza entonces una nueva iteración:

Se alcanza la solución óptima degenerada del problema lineal. Notar

que  . Como éste es un problema


bidimensional, la solución está sobre determinada y una de las restricciones es
redundante tal como se corrobora en la representación gráfica:

En la práctica conocer que algunos recursos (como los asociados a una restricción) son
superfluos puede ser valioso durante la implementación de la solución. Desde el punto de

14
vista teórico, la degeneración tiene dos implicaciones: se genera el fenómeno de ciclos o
círculos (es posible que el Método Simplex repita una serie de iteraciones sin mejorar el
valor de la función objetivo, tal como se observó en el ejemplo anterior e incluso
eventualmente nunca terminar los cálculos); el segundo aspecto teórico surge al examinar
las iteraciones 1 y 2. Las dos, aunque difieren en la clasificación de las variables básicas y
no básicas, producen valores idénticos para todas las variables y el valor objetivo

(  )

 El método de los Nombramientos o Asignación

El método de asignación es una variación del método original de transporte, variación en


la cual las variables de decisión X(i,j) solo pueden tomar valores binarios, es decir ser cero
(0) o uno (1) en la solución óptima, lo que supone que la oferta y la demanda están
perfectamente alineadas, de hecho ambas son iguales a uno. 
Múltiples son los casos en los que como ingenieros industriales podemos hacer uso del
problema de asignación para resolver diversas situaciones, entre los que cabe mencionar
se encuentran la asignación de personal a maquinas, herramientas a puestos de trabajos,
horarios a maestros, candidatos a vacantes, huéspedes a habitaciones, comensales a
mesas, vendedores a zonas territoriales etc.
 En el modelo de asignación la idea fundamental de resolución es ¿qué fuente satisface
mejor el destino?, y dado que hemos asociado el modelo a una gran diversidad de
circunstancias esta pregunta puede plantearse en múltiples contextos, como ¿qué
candidato es el idóneo para la vacante?, o ¿qué personal es el indicado para la línea
productiva?, o ¿qué personal es el mejor para ejecutar determinada tarea? Una
característica particular del modelo de asignación es que para su resolución no se hace
necesario que el número de fuentes sea igual al número de destinos, lo cual es muy
común en la vida real teniendo en cuenta su aplicación, pues generalmente la cantidad de

15
aspirantes es exageradamente superior al número de vacantes (lógicamente haciendo
referencia a la aplicación del modelo al contexto de oferta y demanda laboral).

11. Modelos de pronósticos

Un pronóstico, en el plano empresarial, es la predicción de lo que sucederá con un


elemento determinado dentro del marco de un conjunto dado de condiciones. Se
diferencia del presupuesto porque este último es el resultado de decisiones encaminadas
a generar las condiciones que propiciarán un nivel deseado de dicho elemento.

El objetivo básico de un pronóstico consiste en reducir el rango de incertidumbre dentro


del cual se toman las decisiones que afectan el futuro del negocio y con él a todas las
partes involucradas. Aunque, el pronóstico no sustituye el juicio administrativo en la toma
de decisiones, simplemente es una ayuda en ese proceso.

Los pronósticos se emplean en el proceso de establecimiento de objetivos tanto de largo


como de corto plazo, constituyéndose así en bases para el desarrollo de planes, a nivel
general y en las distintas áreas o unidades. Los planes basados en dichos pronósticos, no
sólo atenderán a ellos, sino que establecerán estrategias y acciones que los puedan
contrarrestar, corregir o impulsar.

 Modelos de serie de tiempos

Los datos de una serie de tiempo se pueden descomponer en componentes individuales


para facilitar su estudio los cuales se explican a continuación.

Tendencia

La tendencia de una serie de tiempo es el componente de largo plazo que representa el


crecimiento o disminución en la serie sobre un periodo amplio. Como se puede ver la

16
tendencia es la propensión al aumento o disminución en los valores de los datos de una
serie de tiempo, que permanece a lo largo de un lapso muy extendido de tiempo, es decir
que no cambiará en el futuro lejano mientras no hayan cambios significativos o radicales
en el entorno en el que se encuentra inmersa y que determina el comportamiento de la
serie de tiempo en estudio, cambios que podrían ser originados como por ejemplo, por
descubrimientos científicos, avances tecnológicos, cambios culturales, geopolíticos,
demográficos, religiosos, etc.

Ejemplos:

En la siguiente tabla se muestran los datos de una serie de tiempo con tendencia
creciente.

En la siguiente gráfica se puede observar que los valores de los datos de la serie de tiempo
tabulados en la Tabla 1.3 muestran un crecimiento notable al transcurrir un periodo de
tiempo de consideración.

17
A continuación, se muestra el caso contrario, los valores de los datos de una serie de
tiempo con tendencia decreciente.

En la siguiente gráfica se puede distinguir que los valores de los datos de la serie de
tiempo mostrados en la Tabla 1.4 presentan un decrecimiento que se aprecia sin esfuerzo
al pasar un periodo de tiempo significante.

18
Ahora mostramos el concepto de una serie de tiempo con comportamiento estacional.

 Modelos de índices estacionales

Estacionalidad

El componente estacional es un patrón de cambio que se repite a sí mismo año tras año.

El patrón de cambio por lo general es un aumento o una disminución cuantitativa en los


valores observados de una serie de tiempo específica. Cabe mencionar que aunque en la
mayor parte de los casos el patrón estacional es un fenómeno que se presenta en lapsos
de tiempo de duración aproximada a un año; también puede manifestarse éste fenómeno
en periodos de tiempo, ya sean menores o mayores a un año. Como, por ejemplo, el caso
de la verificación de vehículos que se eleva en las dos primeras semanas de cada periodo
de verificación, ocurriendo esto cada dos meses, siendo éste lapso de tiempo menor a un
año. O el caso del aumento en las ventas de panfletos publicitarios, sucedido esto cada

19
seis años ocasionado por las elecciones presidenciales, siendo éste un lapso de tiempo
mayor a un año.

Ejemplo:

En la siguiente gráfica es notorio un patrón en los valores de los datos de la serie de


tiempo vistos en la tabla 1.5 que parece repetirse en lapsos de tiempo aproximados a un
año.

20
 Modelos casuales

Los modelos de pronóstico causal generalmente consideran algunas variables que están
relacionadas con la variable que se predice. Una vez que estas variables relativas se han
encontrado, se construye y utiliza un modelo estadístico para pronosticar la variable de
interés. Este intento es más poderoso que los métodos de serie de tiempo que
únicamente utilizan los datos históricos para pronosticar la variable.

Se pueden considerar muchos factores en un análisis causal. Por ejemplo, las ventas de un
producto pueden estar relacionadas con el presupuesto de publicidad de la empresa, los
precios de competidores y las estrategias promociónales, o aun las tasas económicas y de
desempleo. En este caso, las ventas serían llamadas variable dependiente y otras variables
serían llamadas variables independientes. El trabajo del administrador es de desarrollar la
mejor relación estadística entre las ventas y las variables independientes. El modelo de
pronóstico causal cuantitativo más común es el análisis de regresión lineal.

Los modelos de pronóstico causal se emplean cuando se tienen datos históricos y la


relación entre el factor que intenta pronosticar y otros factores externos o internos (ej.
Actividades del gobierno o promociones publicitarias). Las relaciones causales se expresan
en términos matemáticos y suelen ser en ocasiones complejas Proveen instrumentos de
pronostico refinados y son excelentes para prever los puntos de flexión de la demanda y
para la elaboración de pronósticos a largo plazo.

21
12. Modelos de redes

Los modelos de redes son aplicables a una extensa variedad de problemas de decisión, los
cuales pueden ser modelados como problemas de optimización de redes que pueden ser
eficiente y efectivamente resueltos. Algunos de los problemas de decisión son realmente
problemas físicos, tales como el transporte o flujo de bienes materiales. Los problemas de
redes son más que una representación abstracta de procesos o actividades, tales como el
camino crítico en las actividades entre las redes de un proyecto gerencial. Estos problemas
son ilustrados fácilmente utilizando los arcos de redes, y los nodos.

 Componentes de una red

La familia de redes de los problemas de optimización incluye los siguientes prototipos de


modelos: Problemas de asignación, camino crítico, flujo máximo, camino más corto,
transporte y costo mínimo de flujos. Los problemas son establecidos fácilmente mediante
el uso de arcos de redes y de los nodos.

1. Nodo: Es usualmente llamado vértice, o punto. Es usualmente representado por un


circulo. En las redes de transporte, estos deberían ser las localidades o las ciudades
en un mapa.
2. Arco: Es usualmente llamado borde o flecha. Este podría ser directo o indirecto. La
cabeza es el destino, y la cola el origen. La cabeza y la cola son nodos que pueden
estar tanto al origen como al final. En las redes de transporte, los arcos podrían ser
los caminos, los canales de navegación en un río, o los patrones de vuelo de un
avión. Los arcos proporcionan la conectividad entre los nodos. Una calle de una
sola dirección podría ser representada por un arco, mientras que una calle de dos

22
direcciones podría representada por un arco sin dirección o por dos arcos que
apuntan a direcciones opuestas.

Una red con n nodos podría tener tantos arcos como n! /[(n-2)! 2!] = n(n-1)/2. Si están
dirigidos, este número pudiese ser doble. Este enorme número de arcos posibles es una
de las razones del porque existen soluciones de algoritmos especiales para problemas de
redes particulares.

 Uso de los modelos de redes para planeación de proyectos

Los proyectos pueden llegar a involucrar miles de actividades, por lo que los
administradores de buscan procedimientos que ayuden a responder preguntas como las
siguientes:

 ¿Cuál es el tiempo total para terminar el proyecto?


 ¿Cuáles son las fechas programadas de inicio y de terminación de cada una de las
actividades específicas?
 ¿Qué actividades son “críticas” y deben terminarse exactamente como se
programaron para mantener el proyecto a tiempo?
 ¿Cuánto se pueden retardar las actividades “no críticas” antes de incrementar el
tiempo de terminación del proyecto?

Las redes de proyectos, conocidas como PERT/CPM son técnicas que fueron diseñadas a
fin de dar respuesta a los interrogantes previamente expuestos.

 Redes determinísticas y redes probabilísticas

Las redes determinísticas y redes probabilísticas se emplean en la administración de


proyectos y surgió con el proyecto de armamentos del submarino a reacción nuclear
Polaris, empezando 1958. Con tantas componentes y subcomponentes juntos producidos
por diversos fabricantes, se necesitaba una nueva herramienta para programar y controlar

23
el proyecto.
La técnica PERT demostró tanta utilidad que ha ganado amplia aceptación tanto en el
gobierno como en el sector privado.
Casi al mismo tiempo, se desarrolló el método de la ruta crítica (CPM) para
controlar el mantenimiento de proyectos de plantas químicas de DuPont. El CPM es
idéntico al PERT en concepto y metodología. La diferencia principal entre ellos es
simplemente el método por medio del cual se realizan estimados de tiempo para las
actividades del proyecto. Con CPM, los tiempos de las actividades son determinísticos.
Con PERT, los tiempos de las actividades son probabilísticos o estocásticos.
El PERT/CPM fue diseñado para proporcionar diversos elementos útiles de información
para los administradores del proyecto. Primero, el PERT/CPM expone la "ruta crítica" de
un proyecto. Estas son las actividades que limitan la duración del proyecto. En otras
palabras, para lograr que el proyecto se realice pronto, las actividades de la ruta crítica
deben realizarse pronto. Por otra parte, si una actividad de la ruta crítica se retarda, el
proyecto como un todo se retarda en la misma cantidad. Las actividades que no están en
la ruta crítica tienen una cierta cantidad de holgura; esto es, pueden empezarse más
tarde, y permitir que el proyecto como un todo se mantenga en programa. El PERT/CPM
identifica estas actividades y la cantidad de tiempo disponible para retardos.
El PERT/CPM también considera los recursos necesarios para completar las actividades.
En muchos proyectos, las limitaciones en mano de obra y equipos hacen que
la programación sea difícil. El PERT/CPM identifica los instantes del proyecto en que estas
restricciones causarán problemas y de acuerdo a la flexibilidad permitida por los tiempos
de holgura de las actividades no críticas, permite que el gerente manipule
ciertas actividades para aliviar estos problemas.
Finalmente, el PERT/CPM proporciona una herramienta para controlar y monitorear el
progreso del proyecto. Cada actividad tiene su propio papel en éste y su importancia en la
terminación del proyecto se manifiesta inmediatamente para el director del mismo. Las
actividades de la ruta crítica, permiten por consiguiente, recibir la mayor parte de la

24
atención, debido a que la terminación del proyecto, depende fuertemente de ellas. Las
actividades no críticas se manipularán y remplazarán en respuesta a la disponibilidad de
recursos.

ACTIVIDAD 3 (TERCERA SEMANA):

 La Actividad correspondiente a la Tercera


Semana se realizará de la siguiente manera:

 Elegir uno de los Modelos


presentados en la Unidad 3 (Método
Simplex; Algoritmos de propósitos
especiales; Modelo de Redes;
Modelo de Pronóstico).

 Individualmente o en Grupo de hasta


2 (dos) personas, grabar un Video,
utilizando “Video Conferencia” de
nuestra Plataforma, o algún otro
método (video simples, power point,
etc) explicando en forma didáctica el
Modelo seleccionado.

25

También podría gustarte