TECNOLOGÍA
EN: CONTABILIDAD Y AUDITORIA
INVESTIGACIÒN OPERATIVA
GUÍA
DIDÁCTICA
NIVEL
SEXTO NIVEL
QUITO -
ECUADOR
INTRODUCCIÓN
La
Investigación de Operaciones o Investigación Operativa, es una de las ramas de
la matemática aplicada cuyo desarrollo ha contribuido fuertemente para mejorar
y elevar los niveles de productividad de las organizaciones, pasando por el
desarrollo de modelos lineales en su inicio, hasta llegar al desarrollo de
poderosos simuladores que permiten anticipar las implicaciones de una o más
decisiones antes de ponerlas en práctica, minimizando de esta manera los
riesgos de implementación.
El
éxito de su aplicación ha sido
demostrado en campos tan diferentes como el militar, las finanzas, la
producción, los servicios, logística, medicina, nutrición, etc.
Espero
sinceramente que el desarrollo de este módulo, despierte en el estudiante la
curiosidad por aprender más sobre la Investigación Operativa y sus
aplicaciones, así como también le permita poner en práctica todo lo
desarrollado en clase con el fin de que pueda en su momento tomar decisiones
oportunas y racionales.
UNIDAD
1
|
Introducción
a la Investigación Operativa
|
|||||||
1.1
|
Introducción,
los modelos
|
|
|
|
|
|
||
1.2
|
Tipos de modelos
|
|
|
|
|
|
||
1.3
|
Otros tipos de modelos
|
|
|
|
|
|
||
1.4
|
Ejercicios
sobre modelos probabilísticos
|
|||||||
|
|
|
|
|
|
|
|
|
UNIDAD 2
|
Toma
de decisiones
|
|
|
|
|
|
||
|
|
|
|
|
|
|
|
|
2.1
|
Toma
de decisiones en condiciones de
incertidumbre
|
|||||||
2.2
|
Método de ganancias Condicionales
|
|
|
|
|
|
||
2.3
|
Método de Perdidas Condicionales
|
|
|
|
|
|
||
2.4
|
Método de Análisis Marginal
|
|
|
|
|
|
||
2.5
|
Ejercicios de Aplicación
|
|
|
|
|
|
||
|
|
|
|
|
|
|
|
|
UNIDAD 3
|
Optimización de funciones
|
|
|
|
|
|
||
|
|
|
|
|
|
|
|
|
3.1
|
Máximos y Mínimos de una función
|
|
|
|
|
|
||
3.2
|
Aplicaciones
administrativas y económicas de
|
|||||||
|
máximos
y mínimos en análisis marginal
|
|||||||
3.3
|
Maximización
de funciones Administrativas con
|
|||||||
|
múltiples variables
|
|
|
|
|
|
||
3.4
|
Método
de multiplicaciones de Lagrange
|
|||||||
3.5
|
Ejercicios de aplicación
|
|
|
|
|
|
||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
UNIDAD 4
RAZONAMIENTO Y PROGRAMACION LINEAL
|
|
|
|
|
|
|
|
|
RAZONAMIENTO LOGICO
RAZONAMIENTO
VERBAL
COMPRENSION
LECTORA
PROBABILIDADES
4.1
Definición, aplicaciones
|
|
|
|
|
|
||
4.2
|
Características generales de PL
|
|
|
|
|
|
||
4.3
|
Procedimientos
para la solución de la PL
|
|||||||
4.4
|
Métodos
para la solución de problemas, intr.
|
|||||||
4.5
|
Ejercicios
de aplicación
|
|
|
|
|
|
||
4.6
|
Métodos
para el PL máximos y mínimos
|
|||||||
|
|
|||||||
|
|
|
|
|
|
|
||
|
|
|
|
|
|
|
||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
|
|
|
|
|
||
|
|
|
|
|
|
|
|
|
- Desarrolla la capacidad para poder identificar, analizar, formular, y resolver problemas de decisión que surjan en sistemas reales.
|
|
|
|
|
|
|
|
A
|
³
|
B -
2
|
ó
A - B
|
- 2
|
|
por
último B - A
|
³
|
2
|
Mes
|
Meses-hombre requeridos
|
Mes
|
Meses-hombre
requeridos
|
Enero
|
60
|
Abril
|
80
|
Febrero
|
50
|
Mayo
|
70
|
Marzo
|
60
|
Junio
|
100
|
Enero
|
R1
+ 0.2A1
|
³
|
60
|
Febrero
|
R2
+ 0.2A2
|
³
|
50
|
Marzo
|
R3
+ 0.2A3
|
³
|
60
|
Abril
|
R4
+ 0.2A4
|
³
|
80
|
Mayo
|
R5
+ 0.2A5
|
³
|
70
|
Junio
|
R6
+ 0.2A6
|
³
|
100
|
julio
(principio)
|
R7
|
³
|
110
|
Enero
|
R1
|
=
|
58
(dado)
|
Febrero
|
R2
|
=
|
0.9R1
+ A1
|
Marzo
|
R3
|
=
|
0.9R2
+ A2
|
Abril
|
R4
|
=
|
0.9R3
+ A3
|
Mayo
|
R5
|
=
|
0.9R4
+ A4
|
Junio
|
R6
|
=
|
0.9R5
+ A5
|
Julio
|
R7
|
=
|
0.9R6
+ A6
|
CONTENIDO
COMPETENCIAS
COMPETENCIA GENERAL
Toma una decisión a la hora de
resolver un problema tal es el caso de los modelos e Investigación de
Operaciones que se emplean según sea la necesidad.
COMPETENCIAS
DE UNIDADES
•
Inculca
la importancia del análisis racional y objetivo de los casos que se presentan.
•
Desarrolla
la capacidad para poder OPTIMIZAR que surjan en sistemas reales.
•
Entregar
las herramientas necesarias de la PROGRAMACION LINEAL
ORIENTACIONES DE ESTUDIO
NOTA:
En este texto guía se encuentra desarrollados los temas que corresponden
a este módulo, y las tareas que usted
debe desarrollar; con la ayuda del tutor usted llegará a dominar el
conocimiento.
1.
El estudiante tiene las oportunidades que sean necesarias para aclarar
los temas que no comprenda mediante la explicación del tutor ya sea de manera
presencial o mediante el correo electrónico.
2.
Las tareas serán enviadas por el tutor, de acuerdo a las fechas del
calendario y de acuerdo al desarrollo del módulo.
3.
Es obligación del estudiante asistir a cada una de las tutorías
presenciales programadas en el calendario de actividades.
4.
Todo trabajo del estudiante será evaluado cuantitativamente.
5.
Al final el tutor evaluara el módulo en su totalidad.
6.
De requerir cualquier información dirigirse al correo de la dirección
académica y será atendido inmediatamente en su consulta.
GRACIAS.
CAPITULO I
INTRODUCCIÓN
La toma de decisiones es un proceso que se inicia
cuando una persona observa un problema y determina que es necesario resolverlo
procediendo a definirlo, a formular un objetivo, reconocer las limitaciones o
restricciones, a generar alternativas de solución y evaluarlas hasta
seleccionar la que le parece mejor, este proceso puede se cualitativo o
cuantitativo.
El enfoque cualitativo se basa en la experiencia y
el juicio personal, las habilidades necesarias en este enfoque son inherentes
en la persona y aumentan con la práctica. En muchas ocasiones este proceso
basta para tomar buenas decisiones. El enfoque cuantitativo requiere
habilidades que se obtienen del estudio de herramientas matemáticas que le
permitan a la persona mejorar su efectividad en la toma de decisiones. Este
enfoque es útil cuando no se tiene experiencia con problemas similares o cuando
el problema es tan complejo o importante que requiere de un análisis exhaustivo
para tener mayor posibilidad de elegir la mejor solución.
La investigación de operaciones proporciona a los
tomadores de decisiones bases cuantitativas para seleccionar las mejores
decisiones y permite elevar su habilidad para hacer planes a futuro.
En el ambiente socioeconómico actual altamente
competitivo y complejo, los métodos tradicionales de toma de decisiones se han
vuelto inoperantes e inadmisibles ya que los responsables de dirigir las
actividades de las empresas e instituciones se enfrentan a situaciones
complicadas y cambiantes con rapidez que requieren de soluciones creativas y
prácticas apoyadas en una base cuantitativa sólida.
En organizaciones grandes se hace necesario que el
tomador de decisiones tenga un conocimiento básico de las herramientas
cuantitativas que utilizan los especialistas para poder trabajar en forma
estrecha con ellos y ser receptivos a las soluciones y recomendaciones que se
le presenten.
En organizaciones pequeñas puede darse que el
tomador de decisiones domine las herramientas cuantitativas y él mismo las
aplique para apoyarse en ellas y así tomar sus decisiones.
Desde al advenimiento de la Revolución Industrial,
el mundo ha sido testigo de un crecimiento sin precedentes en el tamaño y la
complejidad de las organizaciones. Los pequeños talleres artesanales se
convirtieron en las corporaciones actuales de miles de millones. Una parte
integral de este cambio revolucionario fue el gran aumento en la división del
trabajo y en la separación de las responsabilidades administrativas en estas
organizaciones. Los resultados han sido espectaculares. Sin embargo, junto con
los beneficios, el aumento en el grado de especialización creo nuevos problemas
que ocurren hasta la fecha en muchas empresas. Uno de estos problemas es las
tendencias de muchas de las componentes de una organización a convertirse en
imperios relativamente autónomos, con sus propias metas y sistemas de valores,
perdiendo con esto la visión de la forma en que encajan sus actividades y
objetivos con los de toda la organización. Lo que es mejor para una componente,
puede ir en detrimento de otra, de manera que pueden terminar trabajando con
objetivos opuestos. Un problema relacionado con esto es que, conforme la
complejidad y la especialización crecen, se vuelve más difícil asignar los
recursos disponibles a las diferentes actividades de la manera más eficaz para
la organización como un todo. Este tipo de problemas, y la necesidad de
encontrar la mejor forma de resolverlos, proporcionaron el ambiente adecuado
para el surgimiento de la Investigación
Operativa o Investigación de Operaciones.
investigación de operaciones (IO).
Las
raíces de la investigación de operaciones se remontan a muchas décadas, cuando
se hicieron los primeros intentos para emplear el método científico en la
administración de una empresa. Sin embargo, el inicio de la actividad llamada investigación
de operaciones, casi siempre se atribuye a los servicios militares
prestados a principios de la segunda guerra mundial. Debido a los esfuerzos
bélicos, existía una necesidad urgente de asignar recursos escasos a las
distintas operaciones militares y a las actividades dentro de cada operación,
en la forma más efectiva. Por esto, las administraciones militares americana e
inglesa hicieron un llamado a un gran número de científicos para que aplicaran
el método científico a éste y a otros problemas estratégicos y tácticos. De
hecho, se les pidió que hicieran investigación sobre operaciones (militares).
Estos equipos de científicos fueron los primeros equipos de IO. Con el
desarrollo de métodos efectivos para el uso del nuevo radar, estos equipos
contribuyeron al triunfo del combate aéreo inglés. A través de sus
investigaciones para mejorar el manejo de las operaciones antisubmarinas y de
protección, jugaron también un papel importante en la victoria de la batalla
del Atlántico Norte. Esfuerzos similares fueron de gran ayuda en a isla de
campaña en el pacífico.
Al
terminar la guerra, el éxito de la investigación de operaciones en las
actividades bélicas generó un gran interés en sus aplicaciones fuera del campo
militar. Como la explosión industrial seguía su curso, los problemas causados
por el aumento en la complejidad y especialización dentro de las organizaciones
pasaron de nuevo a primer plano. Comenzó a ser evidente para un gran número de
personas, incluyendo a los consultores industriales que habían trabajado con o
para los equipos de IO durante la guerra, que
estos problemas eran básicamente los mismos que los enfrentados por la milicia,
pero en un contexto diferente. Cuando comenzó la década de 1950, estos
individuos habían introducido el uso de la investigación de operaciones en la
industria, los negocios y el gobierno. Desde entonces, esta disciplina se ha
desarrollado con rapidez.
Se pueden
identificar por lo menos otros dos factores que jugaron un papel importante en
el desarrollo de la investigación de operaciones durante este período. Uno es
el gran progreso que ya se había hecho en el mejoramiento de las técnicas
disponibles en esta área. Después de la guerra, muchos científicos que habían
participado en los equipos de IO o que tenían información sobre este trabajo,
se encontraban motivados a buscar resultados sustanciales en este campo; de
esto resultaron avances importantes. Un ejemplo sobresaliente es el método simplex para
resolver problemas de programación lineal, desarrollado en 1947 por
George Dantzing. Muchas de las herramientas características de la investigación
de operaciones, como programación lineal, programación dinámica, líneas de espera y teoría de
inventarios, fueron desarrolladas casi por completo antes del término de
la década de 1950.
Un
segundo factor que dio ímpetu al desarrollo de este campo fue el advenimiento
de la computadoras. Para manejar de una manera efectiva los complejos
problemas inherentes a esta disciplina, por lo general se requiere un gran
número de cálculos. Llevarlos a cabo a mano puede resultar casi imposible. Por
lo tanto, el desarrollo de la computadora electrónica digital, con su capacidad
para realizar cálculos aritméticos, miles o tal vez millones de veces más
rápido que los seres humanos, fue una gran ayuda para la investigación de
operaciones. Un avance más tuvo lugar en la década de 1980 con el desarrollo de
las computadoras personales cada vez más rápidas, acompañado de buenos paquetes
de software para resolver problemas de IO, esto puso las técnicas al
alcance de un gran número de personas. Hoy en día, literalmente millones de
individuos tiene acceso a estos paquetes. En consecuencia, por rutina, se usa
toda una gama de computadoras, desde las grandes hasta las portátiles, para
resolver problemas de investigación de operaciones.
Naturaleza de la investigación de operaciones
Como su
nombre lo dice, la investigación de operaciones significa "hacer
investigación sobre las operaciones". Entonces, la investigación de operaciones
se aplica a problemas que se refieren a la conducción y coordinación de operaciones
(o actividades) dentro de una organización. La naturaleza de la organización es
esencialmente inmaterial y, de hecho, la investigación de operaciones se ha
aplicado de manera extensa en áreas tan diversas como la manufactura, el
transporte, la construcción, las telecomunicaciones, la planeación financiera,
el cuidado de la salud, la milicia y los servicios públicos, por nombrar sólo
unas cuantas. Así, la gama de aplicaciones es extraordinariamente amplia.
La parte
de investigación en el nombre significa que la investigación de
operaciones usa un enfoque similar a la manera en que se lleva a cabo la
investigación en los campos científicos establecidos. En gran medida, se usa el
método científico para investigar el problema en cuestión. (De hecho, en
ocasiones se usa el término ciencias de la administración como sinónimo
de investigación de operaciones.) En particular, el proceso comienza por la
observación cuidadosa y la formulación del problema incluyendo la recolección
de los datos pertinentes. El siguiente paso es la construcción de un modelo
científico (por lo general matemático) que intenta abstraer la esencia del
problema real. En este punto se propone la hipótesis de que el modelo es una
representación lo suficientemente precisa de las características esenciales de
la situación como para que las conclusiones (soluciones) obtenidas sean válidas
también para el problema real. Después, se llevan a cabo los experimentos adecuados
para probar esta hipótesis, modificarla si es necesario y eventualmente
verificarla. (Con frecuencia este paso se conoce como validación del modelo.)
Entonces, en cierto modo, la investigación e operaciones incluye la
investigación científica creativa de las propiedades fundamentales de las
operaciones. Sin embargo, existe más que esto. En particular, la IO se ocupa
también de la administración práctica de la organización. Así, para tener
éxito, deberá también proporcionar conclusiones claras que pueda usar el
tomador de decisiones cuando las necesite.
Una
característica más de la investigación de operaciones es su amplio punto de
vista. Como quedó implícito en la sección anterior, la IO adopta un punto de
vista organizacional. de esta manera, intenta resolver los conflictos de
intereses entre las componentes de la organización de forma que el resultado
sea el mejor para la organización completa. Esto no significa que el estudio de
cada problema deba considerar en forma explícita todos los aspectos de la
organización sino que los objetivos que se buscan deben ser consistentes con
los de toda ella.
Una
característica adicional es que la investigación de operaciones intenta
encontrar una mejor solución, (llamada solución óptima) para el
problema bajo consideración. (Decimos una mejor solución y no la mejor solución
porque pueden existir muchas soluciones que empaten como la mejor.) En lugar de
contentarse con mejorar el estado de las cosas, la meta es identificar el mejor
curso de acción posible. Aun cuando debe interpretarse con todo cuidado en
términos de las necesidades reales de la administración, esta "búsqueda de
la optimidad" es un aspecto importante dentro de la investigación de
operaciones.
Todas
estas características llevan de una manera casi natural a otra. Es evidente que
no puede esperarse que un solo individuo sea un experto en todos lo múltiples
aspectos del trabajo de investigación de operaciones o de los problemas que se
estudian; se requiere un grupo de individuos con diversos antecedentes y
habilidades. Entonces, cuando se va a emprender un estudio de investigación de
operaciones completo de un nuevo problema, por lo general es necesario emplear
el empleo de equipo. Este debe incluir individuos con antecedentes
firmes en matemáticas, estadística y teoría de probabilidades, al igual que en economía,
administración de empresas, ciencias de la computación, ingeniería, ciencias
físicas, ciencias del comportamiento y, por supuesto, en las técnicas
especiales de investigación de operaciones. El equipo también necesita
tener la experiencia y las habilidades necesarias para permitir la
consideración adecuada de todas las ramificaciones del problema a través de la
organización.
CÓMO SE
TRABAJA
EN INVESTIGACIÓN DE OPERACIONES
GRAFICO
1
METODOLOGIA
DE INVESTIGACION OPERATIVA
LAS PRINCIPALES
HERRAMIENTAS DE LA INVESTIGACIÓN DE OPERACIONES
Cuando
hablamos de herramientas en IO, nos estamos refiriendo a los diferentes modelos
teóricos (como por ejemplo, modelos de transporte y teoría de colas), y a otras
disciplinas (como matemática, administración, economía, etcétera), que se
utilizan como instrumentos de trabajo habitual para el profesional de la
Investigación de Operaciones. Debe quedar claro, sin embargo, que cada día se
agregan más tipos de modelos y otras disciplinas imposibles de enumerar en este
momento.
De la
misma manera la Investigación de Operaciones es considerada, ella misma como
una herramienta al servicio de otras disciplinas (tal como reza el título de
nuestros artículos). Es bien conocido que la Administración de Negocios se ha estado
beneficiando grandemente de la Investigación de Operaciones ahora que se ha
iniciado toda una revolución con el uso de Planificación Estratégica, Reingeniería y los programas
de Calidad Total, para mencionar algunos.
A
continuación presentamos una lista, no exhaustiva, de diferentes tipos de
modelos que se podrían considerar como herramientas de la Investigación de
Operaciones, sugerimos al lector revisarla y compararla con los contenidos de
libros clásicos de I.O:
1.
Modelos gráficos de programación lineal.
2.
Modelos algebraicos de programación lineal.
3.
Redes y programación lineal para transporte.
4.
Modelos de toma de decisión en condiciones de incertidumbre.
5.
Modelos de toma de decisión en condiciones de certeza.
6.
Modelos Bayesianos.
7.
Procesos estocásticos con cadenas de Markov.
8.
Líneas de espera (Teoría de colas).
9.
Modelos de optimización con redes para la planeación, ejecución y control de
proyectos.
10.
Cadenas de Markov para el reemplazo de activos fijos.
11. Modelos de inventarios
determinísticos.
12. Modelos de inventarios probabilísticos.
13.
Modelos de programación dinámica y teoría de juegos.
14.
Modelos de simulación para la obtención de información experta.
15.
Modelos heurísticos de autoaprendizaje y autocorrección.
Los
expertos Hillier y Lieberman dicen en su tratado (usado como texto durante
varias generaciones de estudiosos de la Investigación de Operaciones) con la
Revolución Industrial se inventó la división del trabajo y esto trajo como
consecuencia un crecimiento en la dimensión y complejidad de las
organizaciones. Como ya lo hemos comentado, la superespecialización de los
individuos, los departamentos de las industrias y aún las mismas industrias,
produjo un efecto de aparente desorden (a veces aparente y a veces real) dentro
de las organizaciones, ya que se intentaba armar rompecabezas con todas las
piezas que producían los especialistas. Sin las técnicas y modelos de la I.O.
la situación hubiese devenido en un caos, fue esta herramienta (o si lo
queremos decir en términos más globales, las herramientas) la que permitió
organizar todos los cabos sueltos y al mismo tiempo la situación hizo que la
I.O. creciera.
Nosotros
sabemos que la reingeniería propone olvidarnos de la división del trabajo y
regresar a una especie de todología ya que esto evita los pasos laterales que
no agregan valor a los procesos y nos da la opción de atender directamente al
beneficiario del proceso ¡el cliente!. Las técnicas de redes, teoría de colas,
modelos de inventarios, programación lineal, transporte, etcétera, aunado a la
capacitación del personal y a la tecnología cambiante y agresiva son, en esta
era de la Planificación Estratégica, los instrumentos indispensables para la
Reingeniería y la Calidad Total.
PROGRAMACION LINEAL
Muchas
personas clasifican el desarrollo de la Programación Lineal (PL) entre los
avances científicos más importantes de mediados del siglo XX. En la actualidad
es una herramienta común que ha ahorrado miles o millones de dólares a muchas
compañías y negocios, incluyendo industrias medianas en distintos países del
mundo. ¿Cuál es la naturaleza de esta notable herramienta y qué tipo de
problemas puede manejar? Expresado brevemente, el tipo más común de aplicación
abarca el problema general de asignar recursos limitados entre actividades
competitivas de la mejor manera posible (es decir, en forma óptima). Este
problema de asignación puede surgir cuando deba elegirse el nivel de ciertas
actividades que compiten por recursos escasos para realizarlas. La variedad de
situaciones a las que se puede aplicar esta descripción es sin duda muy grande,
y va desde la asignación de instalaciones productivas a los productos, hasta la
asignación de los recursos nacionales a las necesidades de un país; desde la
planeación agrícola, hasta el diseño de una terapia de radiación; etc. No
obstante, el ingrediente común de todas estas situaciones es la necesidad de
asignar recursos a las actividades.
Con frecuencia, seleccionar una alternativa incluye satisfacer varios criterios
al mismo tiempo. Por ejemplo, cuando se compra una pieza de pan se tiene el
criterio de frescura, tamaño, tipo (blanco, integral u otro), costo y rebanado
o sin rebanar. Se puede ir un paso más adelante y dividir estos criterios en
dos categorías: restricciones y el objetivo. Las restricciones son las
condiciones que debe satisfacer una solución que está bajo consideración. Si
más de una alternativa satisfacen todas las restricciones, el objetivo se usa
para seleccionar entre todas las alternativas factibles. Cuando se elige una
pieza de pan, pueden quererse 100 gr. de pan blanco rebanado y hecho no antes
de ayer. Si varias marcas satisfacen estas restricciones, puede aplicarse el
objetivo de un costo mínimo y escoger las más barata.
Existen
muchos problemas administrativos que se ajustan a este molde de tratar de
minimizar o maximizar un objetivo que está sujeto a una lista de restricciones.
un corredor de inversiones, por ejemplo, trata de maximizar el rendimiento
sobre los fondos invertidos pero las posibles inversiones están restringidas
por las leyes y las políticas bancarias. Un hospital debe planear que las
comidas para los pacientes satisfagan ciertas restricciones sobre sabor,
propiedades nutritivas, tipo y variedad, al mismo tiempo que se trata de
minimizar el costo. Un fabricante, al planear la producción futura, busca un
costo mínimo al mismo tiempo cómo cumplir restricciones sobre la demanda del producto,
la capacidad de producción, los inventarios, el nivel de empleados y la
tecnología. La PL se ha aplicado con éxito a estos y otros problemas.
La PL es
una técnica determinista, no incluye probabilidades y utiliza un modelo
matemático para describir el problema. El adjetivo lineal significa que todas
las funciones matemáticas del modelo deben ser funciones lineales. En este
caso, la palabra programación no se refiere a programación en computadoras; en
esencia es un sinónimo de planeación. Así, la PL trata la planeación de las
actividades para obtener un resultado óptimo, esto es, el resultado que mejor
alcance la meta especificada (según el modelo) entre todas las opciones de
solución. Aunque la asignación de recursos a las actividades es la aplicación
más frecuente, la PL tiene muchas otras posibilidades. De hecho, cualquier
problema cuyo modelo matemático se ajuste al formato general del modelo de PL
es un problema de PL.
Supuestos
de la programación lineal.
Existe un número de suposiciones realizadas en cada modelo. La utilidad de un
modelo está directamente relacionada con la realidad de los supuestos.
El primer supuesto tiene que ver con la forma lineal de las funciones. Ya que
el objetivo es lineal, la contribución al objetivo de cualquier decisión es
proporcional al valor de la variable de decisión. Producir dos veces más de
producto producirá dos veces más de ganancia, contratando el doble de páginas
en las revistas doblará el costo relacionado con las revistas. Es una
Suposición de Proporción.
Además, la contribución de una variable a la función objetivo es independiente
de los valores de las otras variables. La ganancia con una computadora Notebook
es de $10,750.00, independientemente de cuantas computadoras Desktop se
producen. Este es un Supuesto de Adición.
Análogamente, ya que cada restricción es lineal, la contribución de
cada variable al lado izquierdo de cada restricción es proporcional al valor de
la variable e independiente de los valores de cualquier variable.
Estas suposiciones son bastante restrictivas. Veremos, sin embargo, que ser
claros y precisos en la formulación del modelo puede ayudar a manejar
situaciones que parecen en un comienzo como lejanos a estos supuestos.
El siguiente supuesto es la Suposición de ser Divisible. Es posible tomar una
fracción de cualquier variable. Por ejemplo, en un problema de marketing, qué
significa comprar 2.67 avisos en la televisión?. Es posible que la suposición
de ser divisible sea insatisfecha en este ejemplo. O puede ser que tales
unidades de 2.67 avisos correspondan a 2,666.7 minutos de avisos, en cuyo caso
redondeando la solución serían 2,667 minutos con una mínima duda que esté
cercana a la solución óptima. Si la suposición de divisible no es válida,
entonces se usará la técnica de Programación Lineal Entera.
La última suposición es el Supuesto de Certeza. La Programación Lineal
no permite incertidumbre en los valores.
Será difícil que un problema cumpla con todas las suposiciones de manera
exacta. Pero esto no negará la factibilidad de uso del modelo. Un modelo puede
ser aún útil aunque difiera de la realidad, si se es consistente con los
requerimientos más estrictos dentro del modelo y se tiene claras sus
limitaciones al interpretar los resultados.
Existen limitaciones prácticas para el uso de la PL. Una se relaciona
con los cálculos. En general se necesita una computadora. Desafortunadamente,
las calculadoras, aun las programables, son poco útiles, puesto que la PL tiene
necesidad de gran cantidad de memoria o almacenamiento. Si no se tiene acceso a
una computadora, se estará limitado a problemas muy sencillos. La otra
limitación se refiere al costo de formular un problema de PL. En teoría, podría
usarse PL, por ejemplo, para hacer las compras semanales de abarrotes. Sin
embargo, sería necesario conocer todas las compras posibles que pueden
realizarse (éstas serían las variables), además de cada restricción como sabor,
número de comidas, vitaminas y proteínas. Es obvio que el costo de obtener
todos estos datos excede lo que se podría ahorrar si se hicieran las compras
óptimas. Antes de emprender una aplicación de PL, debe considerarse la
disponibilidad y el costo de los datos necesarios.
Formulación de modelos de
Programación Lineal.
Aunque se ponga en duda, la parte más difícil de PL es reconocer cuándo ésta
puede aplicarse y formular el problema matemáticamente. Una vez hecha esa
parte, resolver el problema casi siempre es fácil.
Para formular un problema en forma matemática, deben expresarse afirmaciones
lógicas en términos matemáticos. Esto se realiza cuando se resuelven “problemas
hablados” al estudiar un curso de álgebra. Algo muy parecido sucede aquí al formular
las restricciones. Por ejemplo, considérese la siguiente afirmación: A usa 3
horas por unidad y B usa 2 horas por unidad. Si deben usarse todas las 100
horas disponibles, la restricción será:
3A
+ 2B = 100
Sin embargo, en la mayoría de las situaciones de negocios, no es
obligatorio que se usen todos los recursos (en este caso, horas de mano de
obra). Más bien la limitación es que se use, cuando mucho, lo que se tiene
disponible. Para este caso, la afirmación anterior puede escribirse como una
desigualdad:
3A
+ 2B £ 100
Para que sea aceptable para PL, cada restricción debe ser una suma de
variables con exponente 1. Los cuadrados, las raíces cuadradas, etc. no son
aceptables, ni tampoco los productos de variables. Además, la forma estándar
para una restricción pone a todas las variables del lado izquierdo y sólo una
constante positiva o cero del lado derecho. Esto puede requerir algún reacomodo
de los términos. Si, por ejemplo, la restricción es que A debe ser por los menos el doble de B, esto puede escribirse como:
A
³
2B
ó A -
2B ³ 0
Nótese que pueden moverse términos de un lado a otro de las
desigualdades como si fuera un signo de igualdad. Pero al multiplicar una
desigualdad por -1, el sentido de esta desigualdad se invierte. Puede ser
necesario hacer esto para que los coeficientes del lado derecho sean positivos.
Por ejemplo, si se quiere que A
sea por lo menos tan grande como B - 2, entonces:
Una nota final sobre desigualdades: es sencillo convertir una
desigualdad en una ecuación. Todo lo que se tiene que hacer es agregar (o
restar) una variable extra. Por ejemplo:
B
- A £ 2
es lo mismo que B -
A + S = 2
en donde S
representa la diferencia, o la holgura, entre B -A y 2. S se llama variable de
holgura. Por otro lado, se restaría una variable de superávit en el caso
siguiente:
A
- 2B ³ 0 es lo mismo
que A -
2B -S = 0
Algunos métodos de solución (como el Método Símplex) y la mayoría de
los programas de computadora (como el MathProg, que viene en el ORCourseware,
que acompaña al libro “Introducción a la Investigación de Operaciones” de los
autores Hillier y Lieberman) requieren que todas las desigualdades se conviertan
en igualdades.
La metodología de PL requiere que todas las variables sean positivas o cero, es
decir, no negativas. Para la mayoría de los problemas esto es real, no se
querría una solución que diga: prodúzcanse menos dos cajas o contrátense menos
cuatro personas.
Mientras que no existe un límite en el número de restricciones que puede tener
un problema de PL, sólo puede haber un objetivo. La forma matemática del
objetivo se llama función objetivo. Debe llevar consigo el maximizar o
minimizar alguna medida numérica. Podría ser maximizar el rendimiento, la
ganancia, la contribución marginal o los contactos con los clientes. Podría ser
minimizar el costo, el número de empleados o el material de desperdicio. Con
frecuencia el objetivo es evidente al observar el problema.
Como el valor de la función objetivo no se conoce hasta que se resuelve el
problema, se usa la letra Z
para representarlo. La función objetivo tendrá, entonces, la forma:
Maximizar Z =
4A + 6Bó
Minimizar Z =
2x1 + 5x2
Se analiza una aplicación para ilustrar el formato de los problemas de
Programación Lineal.
Planeación de la fuerza de trabajo.
El gerente de personal de “La Tortuga Veloz, S.A. de C.V.”, está analizando la
necesidad de mano de obra semi calificada durante los próximos seis meses. Se
lleva 1 mes adiestrar a una persona nueva. Durante este período de
entrenamiento un trabajador regular, junto con uno en adiestramiento
(aprendiz), producen el equivalente a lo que producen 1.2 trabajadores
regulares. Se paga $500.00 mensuales a quien está en entrenamiento, mientras
que los trabajadores regulares ganan $800.00 mensuales. La rotación de personal
entre los trabajadores regulares es bastante alta, del 10%
mensual. El
gerente de personal debe decidir cuántas personas necesita contratar cada mes
para adiestramiento. En seguida se da el número de meses-hombre necesarios.
También se desea tener una fuerza de trabajo regular de 110 al principio de julio.
En cuanto al 1º de enero, hay 58 empleados regulares.
Este problema tiene un aspecto dinámico, ya que la fuerza de trabajo en
cualquier mes depende de la fuerza de trabajo regular y en adiestramiento del
mes anterior. Para cualquier mes, el número total de meses-hombre disponibles
se puede expresar como sigue:
Meses-hombre disponibles:
Ri + 0.2Ai
en
donde: Ri =
número de trabajadores regulares al principio del mes
Ai = número de aprendices contratados en el mes.
Entonces los requerimientos de cada
mes pueden expresarse por las restricciones:
Debido a la rotación, el 10% de
los trabajadores regulares se van cada mes. Así, el número de trabajadores
regulares disponibles, por ejemplo, al principio de febrero sería:
R2
= 0.9R1 + A1
En la misma forma, pueden escribirse
las ecuaciones para el número de trabajadores disponibles al principio de cada
mes:
El objetivo global del gerente
de personal es minimizar el costo. La función objetivo es:
Minimizar:
Z = 800(R1 + R2 + R3 + R4 + R5
+ R6) + 500(A1 + A2 + A3 + A4
+ A5 + A6)
Ahora
se tiene el problema en el formato general de PL con 13 variables y 14
restricciones.
Los tomadores de decisiones en las empresas establecen criterios que debe
cumplir una solución y, después, buscan esa solución. En PL, los criterios se
expresan como restricciones. Se exploran las soluciones posibles y se usa la
función objetivo para elegir la mejor de entre aquellas que cumplen con los
criterios. La PL se denomina técnica de optimización, pero optimiza sólo dentro
de los límites de las restricciones. En realidad es un método de satisfacción
de criterios.
Forma estándar de los modelos de
Programación Lineal.[i]
Supóngase que existe cualquier número (digamos m)
de recursos limitados de cualquier tipo, que se pueden asignar entre cualquier
número (digamos n) de actividades competitivas de cualquier clase.
Etiquétense los recursos con números (1, 2, ..., m) al igual que las
actividades (1, 2, ..., n). Sea xj (una variable de decisión)
el nivel de la actividad j, para j = 1, 2, ..., n, y
sea Z la medida de efectividad global seleccionada. Sea cj el
incremento que resulta en Z por cada incremento unitario en xj
(para j = 1, 2, ..., n). Ahora sea bi la cantidad
disponible del recurso i (para i = 1, 2, ..., m). Por
último defínase aij como la cantidad de recurso i que consume
cada unidad de la actividad j (para i = 1, 2, ..., m
y j = 1, 2, ..., n). Se puede formular el modelo matemático
para el problema general de asignar recursos a actividades. En particular, este
modelo consiste en elegir valores de x1, x2, ..., xn
para:
Maximizar Z = c1x1
+ c2x2 + ... + cnxn,
sujeto a las restricciones:
a11x1 + a12x2 +
... + a1nxn £ b1
a21x1
+ a22x2 + ... + a2nxn £ b2
am1x1
+ am2x2 + ... + amnxn £ bm y
x1 ³ 0, x2 ³0, ..., xn ³ 0
Ésta se llamará nuestra
forma estándar (porque algunos libros de texto adoptan otras formas) para
el problema de PL. Cualquier situación cuya formulación matemática se ajuste a
este modelo es un problema de PL.
En este momento se puede resumir la terminología que usaremos para los modelos
de PL. La función que se desea maximizar, c1x1 + c2x2
+ ... + cnxn, se llama función objetivo. Por lo
general, se hace referencia a las limitaciones como restricciones. Las
primeras m restricciones (aquellas con una función del tipo ai1x1
+ ai2x2 + ... + ainxn, que
representa el consumo total del recurso i) reciben el nombre de restricciones
funcionales. De manera parecida, las restricciones xj ³
0 se llaman restricciones de no negatividad. Las
variables xj son las variables de decisión. Las constantes de
entrada, aij, bi, cj, reciben el nombre de parámetros
del modelo.
Solución
Gráfica de Modelos Lineales con dos Variables.
Para la solución gráfica de programas lineales con dos variables, lo que se
tiene que hacer es trazar un eje de coordenadas cartesianas, para graficar las
desigualdades dadas por el problema, después encontrar el Área de Soluciones
Factibles y proceder a graficar la función objetivo para conocer el valor
óptimo (maximizar o minimizar) que será la solución del problema.
Ejemplo: Problema de mezcla de
productos.
Un fabricante está tratando de decidir
sobre las cantidades de producción para dos artículos: mesas y sillas. Se
cuenta con 96 unidades de material y con 72 horas de mano de obra. Cada mesa
requiere 12 unidades de material y 6 horas de mano de obra. Por otra parte, las
sillas usan 8 unidades de material cada una y requieren 12 horas de mano de
obra por silla. El margen de contribución es el mismo para las mesas que para
las sillas: $5.00 por unidad. El fabricante prometió construir por lo menos dos
mesas.
Paso 1: formulación del problema.
El primer paso para resolver el
problema es expresarlo en términos matemáticos en el formato general de PL.
¿Cuál es el objetivo? Es maximizar la contribución a la ganancia. Cada unidad
de mesas o sillas producidas contribuirá con $5 en la ganancia. Así las dos
alternativas son la producción de mesas y la producción de sillas. Ahora puede
escribirse la función objetivo:
Maximizar
Z = 5x1 + 5x2
en
donde: x1 = número de
mesas producidas
x2 = número de sillas producidas
¿Cuáles son las restricciones o
limitaciones del problema? Existen tres restricciones. Primero, el material
está limitado a 96 unidades. Cada mesa se lleva 12 unidades de material y cada
silla usa 8 unidades. La primera restricción es, entonces:
12x1
+ 8x2 £ 96
La segunda restricción es el total de
horas de mano de obra. Una mesa se lleva 6 horas, una silla 12 horas y se
dispone de un total de 72 horas. Así:
6x1
+ 12x2 £ 72
Existe una limitación más. El
fabricante prometió producir por lo menos dos mesas. Esto puede expresarse
como:
x1
³ 2
Por último, las restricciones de no negatividad
son:
x1
³ 0, x2 ³ 0
Poniendo todo junto el modelo se
tiene:
Maximizar Z = 5x1 + 5x2
Restricciones: 12x1 + 8x2 £ 96
6x1 + 12x2 £ 72
x1 ³ 2
x1 ³ 0, x2 ³
0
Paso
2: gráfica de las restricciones.
El siguiente paso en el método gráfico
es dibujar todas las restricciones en una gráfica. Esto puede hacerse en
cualquier orden. Por conveniencia se comenzará con las restricciones de no
negatividad. Éstas se muestran en la siguiente figura:
En
esta gráfica, una solución se representaría por un punto con coordenadas x1
(mesas) y x2 (sillas). Las coordenadas representarían las cantidades
de cada artículo que se deben producir. El cuadrante superior derecho se llama Región
Factible puesto que es el único cuadrante en que pueden estar las
soluciones. Los otros tres cuadrantes no son factibles, ya que requerirían la
producción de cantidades negativas de mesas o de sillas o de ambas.
La siguiente restricción es
x1 ³ 2. La manera más sencilla de dibujar las
restricciones de recursos es en dos pasos: (1) convertir una desigualdad en una
ecuación y graficar la ecuación y (2) sombrear el área apropiada arriba y abajo
de la línea que resulta en el paso 1. Convertir una igualdad en una ecuación
aquí significa ignorar la parte de “mayor que” o “menor que” de la
restricción.
Así, en el ejemplo, x1
³ 2 se convierte en x1 =
2. Esta ecuación está trazada en la siguiente figura:
Cualquier punto en la línea x1
= 2 satisface la ecuación. Sin embargo, la restricción es más amplia, ya
que cualquier punto x1 > 2 también la
cumplirá. Esto incluye todos los puntos que están a la derecha de la
línea x1 = 2. Entonces, la región factible incluye todos los valores
de x1 que están sobre o a la derecha de la línea x1
= 2.
La limitación sobre las horas de mano
de obra es la siguiente restricción. Como antes, primero se convierte en una
ecuación: 6x1 + 12x2 = 72. Puede graficarse esta línea si
se encuentran dos puntos sobre ella. El par de puntos más sencillos de
localizar son las intersecciones con los ejes X1 y X2.
Para encontrar la intersección con el eje X2 se hace x1 =
0. La ecuación se reduce, entonces, a:
12x2 = 72
x2
= 6
La intersección con el eje X1
se encuentra haciendo x2 = 0. Así:
6x1 = 72
x1 = 12
Estos dos puntos y la línea que los
une se muestran en la siguiente figura:
Cualquier
punto que está sobre o abajo de esta línea cumplirá con la restricción.
Cualquier punto arriba de esta línea requerirá más de 72 horas de mano de obra
y no es aceptable. En la siguiente figura se combina esta restricción con la
anterior. En la región factible, ambas restricciones se cumplen.
La última restricción es la de
material. Siguiendo el procedimiento anterior, primero se encuentran las
intersecciones para la igualdad. Éstas son x1 = 0, x2 =
12 y x1 = 8, x2 =0. Se localizan los dos puntos en la
gráfica; se traza la línea, y como la restricción es del tipo menor o igual
que, se sombrea el área que está abajo de la línea. El resultado se muestra en
la siguiente figura:
Cualquier solución que esté en
la frontera o dentro del área sombreada cumplirá con todas las restricciones.
Ahora se utilizará la función objetivo para seleccionar la solución
óptima.
Paso 3: obtención de la solución
óptima: líneas de indiferencia.
Para encontrar la solución óptima, se
grafica la función objetivo en la misma gráfica de las restricciones. La
función objetivo en este problema es Z = 5x1 + 5x2. Como
todavía no se conoce el máximo valor factible de Z, no puede trazarse el óptimo
de la función objetivo. No obstante, es posible suponer algunos valores
para Z y graficar las líneas resultantes. En la siguiente figura se muestran
las líneas para Z = 25 yZ = 50:
Las líneas de este tipo se llaman líneas
de indiferencia, porque cualquier punto sobre una línea dada da la misma
ganancia total. Nótese que la distancia perpendicular del origen a la línea
aumenta al aumentar el valor de Z. También, todas las líneas de indiferencia
son paralelas entre sí. Estas propiedades gráficas pueden usarse para resolver
el problema.
En la siguiente figura, se ilustran
todas las restricciones y las dos líneas de indiferencia supuestas. En la
gráfica puede observarse que la línea de indiferencia para Z = 50 está
completamente fuera de la región factible. Para Z = 25, parte de la línea cae
dentro de la región factible. Por tanto, existe alguna combinación de x1
y x2 que satisface todas las restricciones y da una ganancia total
de $25. Por inspección, puede observarse que hay ganancias más altas que son
factibles.
Imaginando que la línea de
indiferencia Z = 25 se mueve hacia la línea Z = 50, de las propiedades de la
gráfica que se hicieron notar antes, el punto óptimo estará sobre la línea de
indiferencia más lejana al origen pero que todavía toque la región factible.
Esto se muestra en la siguiente figura:
Con el punto óptimo localizado
gráficamente, la única tarea que queda es encontrar las coordenadas del punto.
Nótese que el punto óptimo está en la intersección de las líneas de restricción
para materiales y horas de mano de obra. Las coordenadas de este punto se
pueden encontrar resolviendo el sistema de ecuaciones que forman estas dos
restricciones utilizando cualquiera de los métodos de solución (suma y resta,
sustitución o igualación). Las coordenadas de este punto resultan ser (6, 3).
La sustitución de este punto en la función objetivo da la ganancia
máxima:
Z = 5(6) + 5(3) = $45
Resumen del método
gráfico.
Para resolver gráficamente problemas
de programación lineal:
1. Exprésense
los datos del problema como una función objetivo y restricciones.
2. Grafíquese
cada restricción.
3. Localícese
la solución óptima.
Ejercicio:
Ejemplo: Problema de dieta.
Un comprador está tratando de
seleccionar la combinación más barata de dos alimentos, que debe cumplir con
ciertas necesidades diarias de vitaminas. Los requerimientos vitamínicos son
por lo menos 40 unidades de vitamina W, 50 unidades de vitamina X y 49 unidades
de vitamina Y. Cada kilogramo del alimento A proporciona 4 unidades de vitamina
W, 10 unidades de vitamina X y 7 unidades de vitamina Y; cada kilogramo del
alimento B proporciona 10 unidades de W, 5 unidades de X y 7 unidades de Y. El
alimento A cuesta 5 pesos/kilogramo y el alimento B cuesta 8
pesos/kilogramo.
No hay comentarios:
Publicar un comentario