135810464 Modulo de Ingenieria Industrial
-
Upload
david-rodriguez -
Category
Documents
-
view
255 -
download
1
Transcript of 135810464 Modulo de Ingenieria Industrial
-
MODULO DE INGENIERA INDUSTRIAL
http://ingenierosindustriales.jimdo.com/
LUIS MIGUEL OVIEDO RIVERO
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
INGENIERA INDUSTRIAL
2013
-
Qu es Ingeniera Industrial?
La Ingeniera Industrial es por definicin la rama de las ingenieras encargada del anlisis,
interpretacin, comprensin, diseo, programacin y control de sistemas productivos con miras
a gestionar, implementar y establecer estrategias de optimizacin con el objetivo de lograr el
mximo rendimiento de los procesos de creacin de bienes y/o la prestacin de servicios.
La Ingeniera Industrial es por conviccin una herramienta interdisciplinar de conocimientos cuyo
propsito es la integracin de tcnicas y tecnologas con miras a una produccin y/o gestin
competente, segura y calificada.
Otras definiciones de ingeniera industrial...
"La Ingeniera Industrial se ocupa del diseo, mejora e instalacin de sistemas integrados de
personas, materiales, informacin, equipo y energa. Se basa en el conocimiento especializado y
habilidades en las ciencias matemticas, fsicas y sociales junto con los principios y mtodos de
anlisis de ingeniera y diseo, para especificar, predecir y evaluar los resultados que se
obtengan de tales sistemas".
INSTITUTE OF INDUSTRIAL ENGINEERS, IEE Definicin oficial; Fundado en 1948.
"La ingeniera en la actualidad se entiende como el conjunto de principios, reglas, normas,
conocimientos tericos y practicas que se aplican profesionalmente para disponer de las bases,
recursos y objetos, materiales y los sistemas hechos por el hombre para proyectar, disear,
evaluar, planear, organizar, operar equipos y ofrecer bienes, y servicios, con fines de dar
respuesta a las necesidades que requiere la sociedad. Como consecuencia no puede estar aislada
a los cambios en los procesos generados por la globalizacin e internacionalizacin,
caracterizados por el cambio de los estndares que de alguna forma afectan las realidades del
pas y por ende las realidades locales".
VALENCIA GIRALDO, Asdrbal. Ejercicio de la ingeniera en Colombia y en el mundo. ACOFI, 1999.
-
"La ingeniera industrial abarca el diseo, la mejora e instalacin de sistemas integrados de
hombre, materiales y equipo. Con sus conocimientos especializados y el dominio de las ciencias
matemticas, fsicas y sociales, juntamente con los principios y mtodos de diseo y anlisis de
ingeniera, permite predecir, especificar y evaluar los resultados a obtener de tales sistemas".
Definicin de Roos W. Hammond, tomada del documento ARTICULACION Y MODERNIZACION DEL CURRICULO EN INGENIERIA INDUSTRIAL .
ACOFI, BOGOTA, 1996.
"El objeto de estudio de la Ingeniera Industrial es el mejoramiento continuo de sistemas
productivos de bienes y servicios conformado por: recursos humanos, tecnolgicos, financieros,
econmicos, materiales y de informacin; con el fin de incrementar la productividad y
competitividad de las organizaciones. La Ingeniera Industrial es quizs la rama de la ingeniera
ligada ms estrechamente al desarrollo socio-econmico de un pas, por lo menos visto desde el
interior de las organizaciones ya sean pblicas o privadas".
Universidad Autnoma de Occidente, tomada del documento PROYECTO EDUCATIVO DEL PROGRAMA DE INGENIERA INDUSTRIAL.
Historia de la Ingeniera Industrial
Cada vez que se pretende establecer el origen de la ingeniera industrial, este se confunde con
los comienzos de la revolucin industrial, sin embargo, el origen de algunas de sus tcnicas se
remontan a la revolucin agrcola. En este entonces se emplearon algunas tcnicas de mejora
con el objetivo de optimizar la productividad de las actividades econmicas rurales. Dentro de
los puntos claves de mejora en la revolucin agrcola, podemos encontrar:
Renovacin de los sistemas de cultivo (Rotaciones ms complejas, supresin del
barbecho)
Perfeccionamiento de la tcnica (Utillaje, abonado) y la
Reorganizacin de la explotacin.
Una vez se lleva a cabo la revolucin agrcola, esta influye de manera significativa
(desplazando mano de obra y nutriendo a una poblacin ms elevada) a que se geste la
revolucin industrial. El perodo histrico conocido como revolucin industrial, es el
epicentro del nacimiento de la Ingeniera Industrial como conjunto de tcnicas
orientadas a aplicar mtodos analticos complementados con experiencias racionales de
las organizaciones humanas, mtodos sumamente necesarios en un periodo de
transformacin econmica que implicaba el enfrentar problemas de direccin de taller.
-
En 1760, el arquitecto francs Jean Perronet contribuye al desarrollo conceptual de lo
que hoy se conoce como Ingeniera Industrial, mediante el estudio de tiempos para la
fabricacin de elementos para la construccin, siendo este estudio pionero en la
determinacin de ciclos de trabajo.
En 1793, el inventor estadounidense Eli Whitney desarroll e implement por primera
vez lo que se conoce como lnea de montaje, siendo esta posible mediante la invencin
de partes intercambiables de produccin.
En 1895 aparece en los E.E.U.U. La primera presentacin sistemtica de los que se llam
direccin cientfica, con base en una publicacin de Frederick Taylor presentada a la
Asociacin Americana de Ingeniera Industrial. Junto con Taylor, Frank Gilbreth con sus
estudios sobre mejora de mtodos y anlisis de movimiento se constituyen en los
pioneros de la Ingeniera Industrial.
Las tcnicas de la Ingeniera Industrial empezaron a tomar auge en los E.E.U.U. A
principios del presente siglo y actualmente se ha propagado a la mayora de las naciones
del mundo, contribuyendo a mejorar el nivel de vida y aumento de la productividad y
competitividad de los pueblos.
En Colombia las industrias productoras de llantas y la de textiles fueron las primeras en
implantar la Ingeniera Industrial, y con esto, el estudio de esta disciplina en las
universidades del pas. Hoy nuestro Ingeniero Industrial se encuentra enfrentado a
buscar solucin de los problemas originados por los cambios giles en la tecnologa.
Consolidacin y Desarrollo de la Ingeniera Industrial
Los siguientes aportes han influido en el desarrollo y la consolidacin de la Ingeniera Industrial:
1930. Tcnica de prevencin de defectos - Leonard A. Seder
1931. Cuadros de control - Walter Shewhart
1932. Ingeniera de mtodos - H.B. Maynard
1943. Diagrama causa-efecto - Kaoru Ishikawa
1947. Efecto Hawthorne - George Elton Mayo
1947. El mtodo Simplex - George Bernard Dantzig
1950. Calidad control estadstico de procesos - William Deming
1950. Taichi Ohno-Sistema de Produccin Toyota
1951. Administracin por Calidad Total (TQM) - Armand Feigenbaum
1955. Diseo de experimentos - Genichi Taguchi
1958. Tcnica de Revisin y Evaluacin de Programas (PERT)
1960. Sistema SMED - Shigeo Shingo
1960. Diagrama de afinidad - Jiro Kawakita
1960. Ingeniera estadstica - Dorian Shainin
1966. Crculos de calidad - Joseph Moses Juran
1967. Administracin de la mercadotecnia - Philip Kotler
-
1969. Administracin moderna - Peter Drucker
1970. Sistema de Mantenimiento Productivo Total - Seiichi Nakajima
1972. Sistemas socio-tcnicos - Russell Ackoff
1979. Estrategia competitiva - Michael Porter
1980. Cero defectos - Philip B. Crosby
1980. Modelo de Kano - Noriaki Kano
1980. Teoria de las restricciones - Eliyahu M. Goldratt
1985. Mtodo Kaizen - Masaaki Imai
1990. Seis Sigma - Mikel Harry
1992. Balanced Scorecard - Robert S. Kaplan
1993. Procesos de reingeniera - Michael Hammer
PRECURSORES DE LA INGENIERA INDUSTRIAL
A lo largo de la historia han habido innumerables aportaciones al desarrollo de los fundamentos
cientficos, metodolgicos y a la misma filosofa de la ingeniera industrial. Sin embargo, sera
una tarea sumamente compleja y casi imposible, intentar relacionar todos los eventos y a las
mismas personalidades aportantes.
En este espacio mencionaremos algunas personalidades que realizaron algun aporte especial, y
que por la vigencia de sus enfoques, su estatura intelectual, su visin, investigacin y/o
prediccin exacta son denominados precursores de la Ingeniera Industrial
FREDERICK W. TAYLOR
-
El nombre de Taylor est asociado con la Ingeniera de Mtodos, adems de otras actividades.
El hombre considerado generalmente como el padre de la Direccin Cientfica y de la Ingeniera
Industrial es Frederick W. Taylor (1856-1915). Taylor era un ingeniero mecnico
estadounidense, que al principio de su carrera en la industria del acero, inici investigaciones
sobre los mejores mtodos de trabajo y fue el primer especialista que desarroll una teora
integrada de los principios y metodologa de la Direccin.
Entre los principales aportes de Taylor relacionados con la Ingeniera Industrial tenemos:
Determinacin cientfica de los estndares de trabajo (Estudio de Movimientos,
Tiempos temporales y estandarizacin de herramientas)
Sistema diferencial de primas por pieza
Mando funcional
La "revolucin mental" que Taylor describi como precedente para el establecimiento de
la "Direccin cientfica".
Principios: Disciplina, Devocin al trabajo y Ahorro.
Ver Biografa de Frederick W. Taylor
FRANK Y LILLIAN GILBRETH
Los esposos Frank y Lillian Gilbreth estn identificados con el desarrollo del Estudio de
movimientos, este matrimonio norteamericano lleg a la adaptacin de los procedimientos de
la Ingeniera Industrial al hogar y entornos similares, as como a los aspectos psicolgicos de la
conducta humana.
-
A principios de los aos 1900 colaboraron en el desarrollo del estudio de los movimientos como
una tcnica de la ingeniera y de la direccin. Frank Gilbreth estuvo muy interesado, hasta su
muerte, en 1924, por la relacin entre la posicin y el esfuerzo humano. El y su esposa
continuaron su estudio y anlisis de movimientos en otros campos y fueron pioneros de los
filmes de movimientos para el estudio de obreros y de tareas. Frank Gilbreth desarroll el
estudio de micro movimientos, descomposicin del trabajo en elementos fundamentales
llamados therbligs.
Sus aportaciones han sido grandes en las reas de asistencia a los minusvlidos, estudios de
concesiones por fatiga, organizacin del hogar y asuntos similares.
Principios: Valoracin del Factor Humano.
Ver Biografa del Matrimonio Gilbreth
HENRY L. GANTT
Henry Gantt fue un ingeniero industrial mecnico estadounidense contemporneo de Taylor,
tuvo un profundo impacto sobre el desarrollo de la filosofa de Direccin. Sus numerosas
aportaciones, derivadas de largos aos de trabajo con Frederick Taylor en varias industrias y
como consultor industrial, incluyen las siguientes facetas:
Trabajos en el campo de la motivacin y en el desarrollo de planes de tareas y primas,
con un plan de incentivos de gran xito.
Mayor consideracin a los obreros de la que era habitualmente concebida por la direccin
en tiempo de Gantt.
Propugnar el adiestramiento de los obreros por la Direccin.
Reconocimiento de la responsabilidad social de las empresas y de la industria.
Control de los resultados de la gestin, a travs de los grficos de Gantt y otras tcnicas.
Estudi la Direccin Cientfica con mucha ms visin humanstica que Taylor, quien estaba
interesado fundamentalmente en las caractersticas tcnicas y cientficas del trabajo en la
industria. Una de sus principales aportes a la ingeniera industrial es la grfica de barras
conocida como carta o diagrama de Gantt, que consiste en un diagrama en el cual el eje
horizontal representa las unidades de tiempo, y en el vertical se registran las distintas funciones,
-
las que se representan por barras horizontales, indicando los diversos tiempos que cada una de
ellas demanda.
Principios: Visin humanstica (Impactada por su tendencia comunista).
Ver Biografa de Henry L. Gantt
HARRINGTON EMERSON
Dentro de los principales aportes de este ingeniero industrial norteamericano est el Plan
Emerson de primas por eficiencia, un plan de incentivos que garantiza un suelo diario de base y
una escala de primas graduadas. Los doce principios de eficiencia de Emerson son:
1. Ideales claramente definidos
2. Sentido comn
3. Consejo competente
4. Disciplina
5. Honradez
6. Registros fiables, inmediatos y adecuados
7. Distribucin de rdenes de trabajo
8. Estndares y programas
9. Condiciones estndares
10. Operaciones estndares
11. Instrucciones prcticas estndares escritas
12. Premios de eficiencia
Una de las principales caractersticas de sus 12 principios de eficiencia son la vigencia de los
mismos.
Principios: Sentido comn, Disciplina y Honradez.
Ver Biografa de Harrington Emerson
HENRI FAYOL
-
Este Ingeniero y Administrador Turco dividi las operaciones de negocios e industriales en seis
grupos:
Tcnico
Comercial
Financiero
Seguridad
Contabilidad
Administracin.
Estableci que estas funciones son interdependientes y que la tarea de la Direccin es asegurar
el buen funcionamiento de todos estos grupos. El modelo administrativo de Fayol se basa en tres
aspectos fundamentales: la divisin del trabajo, la aplicacin de un proceso administrativo y la
formulacin de los criterios tcnicos que deben orientar la funcin administrativa. Para Fayol, la
funcin administrativa tiene por objeto solamente al cuerpo social, mientras que las otras
funciones inciden sobre la materia prima y las mquinas, la funcin administrativa slo obra
sobre el personal de la empresa.
Los principios de la administracin que resume Fayol son:
Divisin del trabajo
Autoridad y responsabilidad
Disciplina
Unidad de mando
Unidad de direccin
Subordinacin de los intereses individuales a los generales
Remuneracin del personal
Centralizacin
Cadena escalar
Orden
Equidad
Estabilidad del personal
Iniciativa
-
Espritu de equipo
Principios: Positivismo, Consistencia en la Observacin, Valoracin de la experiencia.
Ver Biografa Henri Fayol
HAROLD B. MAYNARD
Harold Maynard y otros asociados con l, desarrollaron la Ingeniera de Mtodos, un concepto
que abarca muchos aspectos del trabajo de mtodos en uno de los primeros intentos de
resolucin de problemas industriales.
En 1932, el termino "Ingeniera de Mtodos" fue definido por l y sus asociados como:
"Es la tcnica que somete cada operacin de una determinada parte del trabajo a un delicado
anlisis en orden a eliminar toda operacin innecesaria y en orden a encontrar el mtodo ms
rpido para realizar toda operacin necesaria; abarca la normalizacin del equipo, mtodos y
condiciones de trabajo; entrena al operario a seguir el mtodo normalizado; realizado todo lo
precedente (y no antes), determina por medio de mediciones muy precisas, el numero de horas
tipo en las cuales un operario, trabajando con actividad normal, puede realizar el trabajo; por
ultimo (aunque no necesariamente), establece en general un plan para compensacin del
trabajo, que estimule al operario a obtener o sobrepasar la actividad normal"
Estos estudios abrieron una era de trabajo intensivo en el campo de los mtodos y la
simplificacin del trabajo.
HENRY FORD
-
Empresario norteamericano (Dearborn, Michigan, 1863-1947). Tras haber recibido slo una
educacin elemental, se form como tcnico maquinista en la industria de Detroit. Tan pronto
como los alemanes Daimler y Benz empezaron a lanzar al mercado los primeros automviles
(hacia 1885), Ford se interes por el invento y empez a construir sus propios prototipos. Sin
embargo, sus primeros intentos fracasaron. No alcanz el xito hasta su tercer proyecto
empresarial, lanzado en 1903: la Ford Motor Company. Consista en fabricar automviles
sencillos y baratos destinados al consumo masivo de la familia media americana; hasta entonces
el automvil haba sido un objeto de fabricacin artesanal y de coste prohibitivo, destinado a un
pblico muy limitado. Con su modelo T, Ford puso el automvil al alcance de las clases medias,
introducindolo en la era del consumo en masa; con ello contribuy a alterar drsticamente los
hbitos de vida y de trabajo y la fisonoma de las ciudades, haciendo aparecer la "civilizacin del
automvil" del siglo XX.
La clave del xito de Ford resida en su procedimiento para reducir los costes de fabricacin: la
produccin en serie, conocida tambin como fordismo. Dicho mtodo, inspirado en el modo de
trabajo de los mataderos de Detroit, consista en instalar una cadena de montaje a base de
correas de transmisin y guas de deslizamiento que iban desplazando automticamente el
chasis del automvil hasta los puestos en donde sucesivos grupos de operarios realizaban en l
las tareas encomendadas, hasta que el coche estuviera completamente terminado. El sistema de
piezas intercambiables, ensayado desde mucho antes en fbricas americanas de armas y relojes,
abarataba la produccin y las reparaciones por la va de la estandarizacin del producto.
Henry Ford adopt tres principios bsicos:
1. Principio de intensificacin: consiste en disminuir el tiempo de produccin con el empleo
inmediato de los equipos y de la materia prima y la rpida colocacin del producto en el
mercado.
2. Principio de economicidad: consiste en reducir al mnimo el volumen de materia prima en
transformacin. Por medio de ese principio, Ford consigue hacer que el tractor o el automvil
fuesen pagados a su empresa antes de vencido el plazo de pago de la materia prima adquirida,
as como el pago de salarios. La velocidad de produccin debe ser rpida. Dice Ford en su libro:
El mineral sale de la mina el sbado y es entregado en forma de carro, al consumidor, el martes
por la tarde.
3. Principio de productividad: consiste en aumentar la capacidad de produccin del hombre en el
mismo perodo (productividad) mediante la especializacin y la lnea de montaje. As, el operario
puede ganar ms, en un mismo perodo de tiempo, y el empresario tener mayor produccin.
Principios: Simplicidad.
Ver Biografa de Henry Ford
Campo de Accin del Ingeniero Industrial
-
Hoy en da, cuando cada vez son ms las organizaciones que apuestan por la gestin de la
productividad y la mejora continua de la calidad para sobrevivir en un mercado globalizado cada
vez ms competitivo, la necesidad de ingenieros industriales tiende a crecer cada da ms. A
qu se debe este crecimiento?. Los ingenieros industriales son los nicos profesionales de la
ingeniera capacitados especficamente para ser especialistas en la productividad y lamejora
de la calidad.
El objetivo de los ingenieros industriales es crear procedimientos de ejecucin cada vez mejores.
Dirigen los procesos de ingeniera y sistemas que mejoren la calidad y la productividad. Trabajan
para eliminar sobreproducciones, esperas, movimientos innecesarios, productos defectuosos;
optimizar transportes, inventarios, operaciones, el uso del recurso energtico y la utilizacin de
la habilidad humana. Por ello, muchos ingenieros industriales terminan siendo promovidos a
puestos de direccin.
Muchas personas tienden a confundirse con el trmino Ingeniera Industrial, pues piensan que
se ocupa de forma exclusiva de la produccin. Sin embargo, el campo de accin del profesional
en Ingeniera Industrial abarca ptimamente las industrias de servicios, dado que el Ingeniero
Industrial es un agente optimizador de procesos.
Vas mediante las cuales un Ingeniero puede optimizar los procesos
Las vas mediante las cuales el ingeniero industrial puede optimizar los procesos son:
Mediante prcticas de negocio ms eficientes y ms rentables.
Mejorando el servicio al cliente y la calidad del producto.
Mejorando la capacidad de hacer ms con menos o por lo menos con lo mismo.
Ayudar a que las organizaciones produzcan sus unidades de producto o servicio de
manera ms rpida.
Haciendo del mercado un mercado de consumo ms seguro, a travs de la generacin
de productos mejor diseados.
Efectuar una minimizacin de costos a travs de la implementacin de nuevas
tecnologas.
Qu actividades puede desarrollar un Ingeniero Industrial?
Las actividades que puede realizar un ingeniero cualquiera sea su rama de la ingeniera, pueden
ser innumerables. El Ingeniero Industrial es un profesional que puede incorporarse a
instituciones pblicas y privadas; tanto a empresas que utilicen tecnologa de punta en este
-
campo como aquellas cuyo nivel tecnolgico sea incipiente; asimismo, puede desempearse en
diversas reas de aplicacin de la Ingeniera Industrial, ya sea en micro, pequea, mediana o en
grandes empresas.El Ingeniero Industrial entre muchas otras actividades, est capacitado para:
Disear sistemas de inventarios.
Disear y mejorar sistemas y mtodos de trabajo.
Establecer normas y estndares de produccin.
Disear e implementar sistemas de salarios e incentivos y sistemas de control de
calidad.
Disear y evaluar proyectos de inversin y comparacin de alternativas econmicas.
Disear y administrar sistemas de produccin y sistemas de manejo de materiales.
Realizar anlisis e investigacin de mercado.
Proyectar la localizacin y/o distribucin de planta.
Organizar, dirigir y controlar el factor humano dentro de la empresa.
Aplicar tcnicas de diagnstico industrial para la empresa.
Participar en la elaboracin de programas de seguridad industrial.
Colaborar interdisciplinariamente en el diseo y/o modificacin de productos.
Fundamentos Cientficos y Metodolgicos de la Ingeniera
Industrial Los programas de Ingeniera Industrial, como profesin, se fundamentan cientficamente, en:
CIENCIAS BSICAS
Las ciencias bsicas (matemticas, fsica, qumica), permiten al estudiante y futuro ingeniero,
entender los fenmenos de la naturaleza, para que pueda posteriormente desarrollar modelos y
encontrar soluciones a problemas de la profesin.
-
CIENCIAS BSICAS DE INGENIERA
Las ciencias bsicas de ingeniera, este conjunto de teoras y conocimientos cientficos, derivados
de las ciencias bsicas, le permiten al estudiante lograr la conceptualizacin y el anlisis de los
problemas de ingeniera.
PROBABILIDAD Y ESTADSTICA
La probabilidad y la estadstica aportan los fundamentos para que el ingeniero realice el anlisis
de los diferentes tipos de datos e infiera comportamientos futuros de las variables a partir de la
informacin que posea.
MATERIALES Y PROCESOS
El rea de materiales y procesos, otorga las bases conceptuales y las herramientas concretas
que permiten al estudiante conocer las estructuras que conforman los materiales y la utilizacin
en la industria, con el estudio de los diferentes procesos.
GESTIN DE OPERACIONES
-
La Gestin de operaciones, fundamenta los principios para la direccin y control sistemtico de
los procesos que transforman insumos en productos o servicios finales, utilizando herramientas
de planeacin de la produccin en la organizacin, en el corto, mediano y largo plazo.
GESTIN Y CONTROL DE LA CALIDAD
La gestin y el control de calidad, brindan los conceptos, tcnicas y herramientas que le
permiten al ingeniero comprender la filosofa actual de la calidad y las herramientas estadsticas
en los procesos, productos y servicios de la organizacin.
LOGSTICA Y CADENA DE ABASTECIMIENTO
Logstica, proporciona un enfoque integrador (abastecimiento, produccin, distribucin, logstica
inversa) para la gestin de las organizaciones productivas y de servicios orientada al cliente y la
organizacin de la cadena de suministro.
INVESTIGACIN DE OPERACIONES
La investigacin de operaciones y simulacin brindan los conocimientos, herramientas y modelos
matemticos para la optimizacin del uso de los recursos con que cuenta un sistema de
produccin de bienes y/o servicios como apoyo a una acertada toma de decisiones bajo
condiciones de certeza, riesgo, incertidumbre y competencia.
-
SALUD OCUPACIONAL Y GESTIN AMBIENTAL
La Salud Ocupacional y gestin ambiental, proporcionan los conocimientos y tcnicas para
identificar, clasificar y valorar las condiciones tanto internas como externas que afectan a los
trabajadores tanto dentro (riesgos, accidentes laborales, enfermedades profesionales) como
fuera (conciencia e impacto ambiental) de las organizaciones.
CIENCIAS ECONMICO - ADMINISTRATIVAS
Las ciencias econmico-administrativas, aportan los fundamentos econmicos, administrativos,
contables y financieros, necesarios para desarrollar procesos gerenciales mediante la planeacin,
organizacin, direccin y control en forma ptima de los recursos escasos.
Herramientas para el Ingeniero Industrial
Aqu encontrars herramientas para el estudio o la aplicacin de tu carrera de Ingeniera
Industrial, encontrars contenido actualizado, programas tiles, libros imprescindibles, ejercicios
-
resueltos y distintos formatos que buscan facilitarte las cosas siendo conscientes de la dura labor
del Ingeniero y del estudiante de Ingeniera Industrial.
INVESTIGACIN DE OPERACIONES
La investigacin operacional est al servicio del hombre de accin. Su propsito es el de
preparar la eleccin de ste entre diferentes medios o mtodos disponibles para realizar todo
objetivo que se proponga, de modo que se optimice el resultado en relacin a un cierto criterio
de juicio. Ciertamente, fundndose en la experiencia y la intuicin es como cada uno de nosotros
asume las innumerables decisiones que implica la vida profesional o privada. Sin embargo,
algunas de entre ellas merecen un estudio ms profundo, en razn de sus consecuencias y de la
complejidad de la situacin en la cual se inscriben.
Podra verse uno de los primeros ejemplos histricos de la investigacin operacional es la misin
confiada a Arqumedes por Hiern, tirano de Siracusa, de aplicar los mejores medios y mtodos
para defender a la ciudad contra los ataques y el sitio de los romanos. Pero la investigacin
operacional slo se ha beneficiado de una aplicacin sistemtica en ocasin de la segunda
Guerra Mundial, principalmente en la conduccin de las grandes operaciones militares. La
investigacin operacional utiliza, en gran medida, a los ordenadores, y la invencin y
comercializacin de estas mquinas fueron la condicin primordial de su desarrollo en el dominio
civil y especialmente en la economa de empresa. Por una feliz coincidencia, slo en nuestra
poca los problemas de gestin de las grandes empresas se han convertido en
irremediablemente complejos. Si bien es indispensable, para el tcnico en investigacin de
operacional, el estudiar los problemas generales que se presentan y los algoritmos clsicos que
permiten resolverlos, debe estar tambin totalmente persuadido de que las situaciones prcticas
que encontrar sern mucho ms complicadas y que deber emprender una tarea original para
dar satisfaccin al encargado de tomar decisiones ofrecindole la posibilidad de optimizar segn
su propio criterio. Es necesario, pues, en funcin de las motivaciones del responsable de la
decisin que plantea un problema, identificar los fenmenos a estudiar mediante un anlisis
profundo de la situacin. Este anlisis se funda sobre la observacin de la situacin real,
mediante conversaciones con los hombres que participan en ella directamente y mediante acopio
de datos estadsticos o provisionales (resultantes de encuestas, de medidas o de estudios
tcnicos).
La investigacin de operaciones puede definirse como un mtodo cientfico de resolucin de
problemas, la cual brinda las herramientas suficientes para que con base en abstracciones de la
realidad se puedan generar y resolver modelos matemticos con el objetivo de elaborar un
-
anlisis y concluir de los mismos para as poder sustentar cuantitativamente las decisiones que
se tomen respecto a la situacin problema.
Bryan Antonio Salazar Lpez
Otra de las muchas definiciones que de la investigacin de operaciones se encuentran es la
siguiente:
"La Investigacin de Operaciones es la aplicacin, por grupos interdisciplinarios, del mtodo
cientfico a problemas relacionados con el control de las organizaciones o sistemas a fin de que
se produzcan soluciones que mejor sirvan a los objetivos de toda organizacin."
Ackoff, R. L. y Sasieni M. W. Fundamentals of Operations Research, John Wiley & Sons,1968.
COMO ABORDAR UN PROBLEMA REAL DE OPTIMIZACIN?
La Optimizacin puede considerarse como la bsqueda de la mejor solucin (solucin ptima) de
un problema. El trmino mejor aqu depende del contexto en el que se trabaje. Por ejemplo, en
un contexto operativo atinente a las utilidades la optimizacin del sistema constituye la
maximizacin de los resultados, todo lo contrario a los costos o las distancias, casos en los
cuales la optimizacin depender de la minimizacin de los resultados
Bryan Antonio Salazar Lpez
MODELIZACIN
Un modelo es una abstraccin o una representacin de la realidad o un concepto o una idea con
el que se pretende aumentar su comprensin, hacer predicciones y/o controlar/analizar un
sistema. Cuando el sistema no existe, sirve para definir la estructura ideal de ese sistema futuro
indicando las relaciones funcionales entre sus elementos. En la actualidad un modelo se define
-
como un constructo basado en nuestras propias percepciones pasadas y actuales; la anterior
representacin puede ser holista o reduccionista.
Los modelos se pueden clasificar segn su grado de abstraccin en:
- Modelos Abstractos (no fsicos)
- Modelos Concretos (fsicos)
Y se pueden clasificar igualmente si son matemticos en:
- Estticos
- Dinmicos
- Determinsticos
- Estocsticos
Francisco Chediak - Ingeniero Industrial
PROGRAMACIN LINEAL La optimizacin basada en programacin lineal corresponde a situaciones reales en las que se
pretende identificar y resolver dificultades para aumentar la productividad respecto a los
recursos (principalmente los limitados y costosos), aumentando as los beneficios.
-
Los resultados y el proceso de optimizacin se convierten en un respaldo cuantitativo de las
decisiones frente a las situaciones planteadas. Decisiones en las que sera importante tener en
cuenta diversos criterios administrativos como:
-Los hechos
-La experiencia
-La intuicin
-La autoridad
Bryan Antonio Salazar Lpez
COMO RESOLVER UN PROBLEMA MEDIANTE PROGRAMACIN LINEAL?
EL PROBLEMA
La fbrica de Hilados y Tejidos "SALAZAR" requiere fabricar dos tejidos de calidad diferente T y
T; se dispone de 500 Kg de hilo a, 300 Kg de hilo b y 108 Kg de hilo c. Para obtener un metro
de T diariamente se necesitan 125 gr de a, 150 gr de b y 72 gr de c; para producir un metro de
T por da se necesitan 200 gr de a, 100 gr de b y 27 gr de c.
El T se vende a $4000 el metro y el T se vende a $5000 el metro. Si se debe obtener el mximo
beneficio, cuntos metros de T y T se deben fabricar?
El problema se recomienda leer en ms de una ocasin para facilitar el reconocimiento
de las variables, adems es muy recomendable la elaboracin de tablas o matrices que
faciliten una mayor comprensin del mismo.
PASO 1: "FORMULAR EL PROBLEMA"
Para realizar este paso partimos de la pregunta central del problema.
-
cuntos metros de T y T se deben fabricar?
Y la formulacin es:
Determinar la cantidad de metros diarios de tejido tipo T y T a fabricar teniendo en cuenta el
ptimo beneficio respecto a la utilidad.
PASO 2: DETERMINAR LAS VARIABLES DE DECISIN
Basndonos en la formulacin del problema nuestras variables de decisin son:
XT: Cantidad de metros diarios de tejido tipo T a fabricar
XT: Cantidad de metros diarios de tejido tipo T a fabricar
PASO 3: DETERMINAR LAS RESTRICCIONES DEL PROBLEMA
En este paso determinamos las funciones que limitan el problema, estas estn dadas
por capacidad, disponibilidad, proporcin, no negatividad entre otras.
De disponibilidad de materia prima:
0,12XT + 0,2XT
-
Bryan Antonio Salazar Lpez
En la zona de descargas podrn encontrar diversos ejercicios de prctica, dado que es esta la
nica garanta de aprendizaje. Cada ejercicio de programacin lineal trae consigo nuevos retos
que requerirn de destreza matemtica para su resolucin.
MTODO GRFICO
El grfico es un mtodo de solucin de problemas de programacin lineal muy limitado en
cuanto al nmero de variables (2 si es un grfico 2D y 3 si es 3D) pero muy rico en materia de
interpretacin de resultados e incluso anlisis de sensibilidad. Este consiste en representar cada
una de las restricciones y encontrar en la medida de lo posible el polgono (poliedro) factible,
comnmente llamado el conjunto solucin o regin factible, en el cual por razones
trigonomtricas en uno de sus vrtices se encuentra la mejor respuesta (solucin ptima).
EL PROBLEMA
La fbrica de Hilados y Tejidos "SALAZAR" requiere fabricar dos tejidos de calidad diferente T y
T; se dispone de 500 Kg de hilo a, 300 Kg de hilo b y 108 Kg de hilo c. Para obtener un metro
de T diariamente se necesitan 125 gr de a, 150 gr de b y 72 gr de c; para producir un metro de
T por da se necesitan 200 gr de a, 100 gr de b y 27 gr de c.
El T se vende a $4000 el metro y el T se vende a $5000 el metro. Si se debe obtener el mximo
beneficio, cuntos metros de T y T se deben fabricar?
LA MODELIZACIN MEDIANTE PROGRAMACIN LINEAL
-
VARIABLES
XT: Cantidad de metros diarios de tejido tipo T a fabricar
XT: Cantidad de metros diarios de tejido tipo T a fabricar
RESTRICCIONES
0,12XT + 0,2XT
-
y para un y = 0
0,12x + 0,2(0) = 500
0,12x = 500
x = 500/0,12
x = 4167
Bryan Antonio Salazar Lpez
Seguimos con la segunda restriccin,
0,15X + 0,1y = 300
-
Bryan Antonio Salazar Lpez
Tercera restriccin,
0,072X + 0,027y = 108
-
Bryan Antonio Salazar Lpez
En el siguiente grfico se muestra el polgono solucin de color gris, en este conjunto es donde
cada coordenada cumple con todas las restricciones, las cuales se caracterizan por ser
restricciones de menor o igual y esta caracterstica se representa con una flecha haca abajo.
Bryan Antonio Salazar Lpez
-
Una vez se llega a este punto es indispensable saber que las soluciones ptimas se alojan en los
vrtices del polgono solucin (color gris) y que identificar a la solucin ptima es cuestin de
elegir la mejor alternativa dependiendo de las herramientas disponibles (tecnolgicas y
conocimientos matemticos).
La primera opcin es la geomtrica, esta depende de trazar la ecuacin que representa a la
funcin objetivo (este paso consiste en realizar el mismo procedimiento de las restricciones).
Funcin objetivo,
ZMAX = 4000x + 5000y
luego igualamos a 0.
4000x + 5000y = 0
luego tabulamos para obtener las coordenadas necesarias para esbozar la grfica
correspondientes a la ecuacin (en esta ocasin es recomendable ms de dos coordenadas,
incluyendo la coordenada (x = 0, y = 0).
-
Bryan Antonio Salazar Lpez
Una vez se ha esbozado la funcin objetivo (lnea negra) sacamos replicas perpendiculares a
esta que se encuentren con cada vrtice, y solo en el caso en que la lnea imaginaria
perpendicular a la funcin objetivo no corte el polgono solucin se ha encontrado la solucin
ptima. En otras palabras trasladamos la funcin objetivo por todo el polgono conservando la
perpendicularidad con la original, la detenemos en los vrtices y evaluamos si esta corta o no el
conjunto solucin.
-
Bryan Antonio Salazar Lpez
Claramente solo en el punto "B", es decir en el vrtice formado por la interseccin de las
ecuaciones 1 y 2, la lnea imaginaria no corta el polgono solucin, entonces es este punto el
correspondiente a la coordenada ptima.
Para hallar el valor de esta coordenada es indispensable recurrir a la resolucin de ecuaciones
lineales 2x2, y se pueden considerar varios mtodos de solucin entre ellos:
- Mtodo por sustitucin
- Mtodo por igualacin
- Mtodo por reduccin o Eliminacin
- Mtodo por eliminacin Gauss
- Mtodo por eliminacin Gauss - Jordn
- Mtodo por determinantes
La riqueza de las matemticas nos deja suficientes alternativas, para mi gusto el mtodo de
reduccin o eliminacin es muy sencillo de aplicar.
El mtodo por reduccin o eliminacin consiste en igualar los coeficientes de una de las variables
multiplicando una o las dos ecuaciones, teniendo en cuenta que estos coeficientes queden
iguales pero con signos contrarios.
Ecuacin 1 0,12x + 0,2y = 500
Ecuacin 2 0,15x + 0,1y = 300 multiplicamos por (-2)
Ecuacin 3 (2*(-2)) -0,30x - 0,2y = -600
-
Sumamos 1 y 3 -0,18x = -100
Despejamos "x" x = -100 / (-0,18)
x = 555,55
luego reemplazamos x = 555,55 en cualquiera de las dos ecuaciones originales con el objetivo
de despejar "y".
Ecuacin 1 0,12x + 0,2y = 500
Reemplazamos "x" 0,12(555,55) + 0,2y = 500
Despejamos "y" 66,666 + 0,2y = 500
0,2y = 500 - 66,666
0,2y = 433,334
y = 433,334 / 0,2
y = 2166,67
De esta forma hemos obtenido los valores para "x" y "y".
Recordemos que x y y fueron los nombres que recibieron las variables originales XT y XT'
x = XT
y = XT'
XT = 555,55
XT' = 2166,67
y la contribucin obtenida (reemplazando las variables en la funcin objetivo) es de:
Zmax = 4000XT + 5000XT'
Zmax = 4000(555,55) + 5000(2166,67)
Zmax = 13.055.550
Ahora podemos cotejar los resultados con los obtenidos mediante resolucin porSolver - Excel,
sin embargo recuerden que el mtodo de bsqueda de la solucin ptima en el mtodo grfico
que utilizamos es el geomtrico y que existe una posibilidad mucho ms engorrosa pero
igualmente efectiva, este es el mtodo de iteracin por vrtice, y que consiste en hallar todas las
coordenadas de los vrtices y luego en cada coordenada se evala la funcin objetivo, (cada
coordenada nos proporciona un valor en "x" y otro en "y", luego reemplazamos estos valores en
la funcin objetivo "4000x + 5000y = ?" y luego evaluamos los resultados seleccionando la
mayor cantidad).
Una herramienta muy til al momento de resolver ejercicios mediante el mtodo grfico es una
calculadora graficadora, como es el caso de la calculadora de encarta (disponible aqu).
VARIANTES EN EL MTODO GRFICO
-
Como en la mayora de los casos el ejemplo con el que aqu se explic el mtodo grfico es el
ideal, es decir un ejercicio de conjunto acotado con solucin ptima nica, sin embargo existen
una variedad de problemas diferentes a los ideales y que vale la pena analizar:
SOLUCIN PTIMA MLTIPLE
Una de las variantes que puede presentar un ejercicio de programacin lineal consiste en la
cantidad de soluciones ptimas, gran cantidad de ellos presenta ms de una solucin ptima, es
decir una solucin en la cual la funcin objetivo es exactamente igual en una combinacin
cuantitativa de variables diferente.
Estos problemas deben de afrontarse de tal manera que prime el anlisis de sensibilidad, es
decir una vez encontradas mltiples soluciones iguales se debe proceder al comportamiento del
consumo de los recursos y restricciones, evidentemente prevaleciendo el concepto de
productividad de los recursos ms limitados y costosos.
Un ejemplo de este caso es el siguiente:
La ebanistera "SALAZAR LTDA" ha recibido una gran cantidad de partes prefabricadas para la
elaboracin de mesas, sin embargo no ha podido iniciar un plan de produccin enfocado a estas
por la alta demanda que tiene de sus productos restantes. Las mesas que pueden elaborarse de
las partes prefabricadas son de dos modelos, modelo A y B, y estas no requieren ms que ser
ensambladas y pintadas. Esta semana se ha determinado dedicar 10 horas de ensamble y 8 de
pintura para elaborar la mayor cantidad de mesas posibles teniendo en cuenta que cada mesa
modelo A requiere de 2 horas de ensamble y 1 de pintura respectivamente, y que cada mesa
modelo B requiere de 1 hora de ensamble y 2 de pintura respectivamente. Si el margen de
utilidad es de $20000 por cada mesa modelo A y $10000 por cada mesa modelo B. Determine el
modelo adecuado de produccin para esta semana.
X = Cantidad de mesas modelo A a fabricar esta semana
Y = Cantidad de mesas modelo B a fabricar esta semana
Restricciones
2X + Y
-
Bryan Antonio Salazar Lpez
Como nos podemos dar cuenta mediante la geometra en dos vrtices la lnea imaginaria
perpendicular a la funcin objetivo no atraviesa el conjunto solucin, por ende en dos puntos se
presentan soluciones ptimas, que son los puntos B y C.
Observemos la solucin ptima mltiple
Z(0) = 20000(0) + 10000(0) = 0
Z(A) = 20000(0) + 10000(4) = $40000
Z(B) = 20000(4) + 10000(2) = $100000
Z(C) = 20000(5) + 10000(0) = $100000
Existen entonces dos soluciones ptimas
Solucin ptima 1
X = 4 Y = 2
Solucin ptima 2
X = 5 Y = 0
La pregunta siguiente es cual decisin tomar?, pues depende de factores tales como una
anlisis de sensibilidad donde se tenga en cuenta el consumo distinto de determinados recursos
(horas ensamble vs. horas pintura) y factores extras al modelo como lo puede llegar a ser en
este caso una necesidad de espacio de almacenamiento, dado que existe una alternativa en la
-
que se elaboran ms mesas que en la otra, de todas formas es interesante el paso posterior a
esbozar los resultados pues requerir de la capacidad de quien toma las decisiones.
SOLUCIN PTIMA NO ACOTADA
Otra de las variantes que presentan los modelos de programacin lineal corresponde a los
modelos de solucin ptima no acotada, es decir problemas con infinitas soluciones ptimas. Hay
que reconocer que en la vida real gran parte de estos problemas se deben a un mal
planteamiento de las restricciones, sin embargo es comn que este tipo de problemas sean
evaluados en la vida acadmica.
Un ejemplo:
La compaa comercializadora de bebidas energticas "CILANTRO SALVAJE" se encuentra
promocionando dos nuevas bebidas, la tipo A y la tipo B, dado que se encuentran en promocin
se puede asegurar el cubrimiento de cualquier cantidad de demanda, sin embargo existen 2
polticas que la empresa debe tener en cuenta. Una de ellas es que la cantidad de bebidas tipo A
que se vendan no puede ser menor que las de tipo B, y la segunda es que se deben de vender
por lo menos 1500 bebidas de cualquier tipo.
Dado que se encuentran en promocin el precio de venta de ambas bebidas equivale a $1800
pesos.
Determine la cantidad de unidades que deben venderse!!
X = Cantidad de bebidas tipo A a vender
Y = Cantidad de bebidas tipo B a vender
Restricciones
X => Y
X + Y => 1500
Funcin Objetivo
Zmax = 1800X + 1800Y
La grfica resultante sera:
-
Bryan Antonio Salazar Lpez
Es claro que en este ejercicio las variables pueden aumentar mejorando indefinidamente la
funcin objetivo, en estos casos se dice que la solucin ptima no es acotada, por lo cual las
posibles soluciones son infinitas.
SOLUCIN INFACTIBLE
El caso de la solucin infactible es ms tpico de lo pensado, y corresponde a los casos en los
cuales no existen soluciones que cumplen con todas las restricciones. Es muy comn ver este
fenmeno producto de inviables proporciones de oferta y demanda.
Un ejemplo:
La compaa de galletas "CAROLA" desea planificar la produccin de galletas que tendr que
entregar a su cliente en dos semanas, el contrato indica que la compaa "CAROLA" se
compromete a entregar por lo menos 300 cajas de galletas cualquiera sea su tipo (presentacin
D, presentacin N o una combinacin de ambas presentaciones), cada caja de galletas
presentacin D tiene un tiempo de elaboracin de 2 horas, y un tiempo de horneado de 3 horas,
mientras cada caja de presentacin N tiene un tiempo de elaboracin de 3 horas y un tiempo de
horneado de 1 hora. La compaa cuenta estas dos semanas con 550 horas para elaboracin y
con 480 horas de horneado.
Teniendo en cuenta que el margen de utilidad de cada caja de galletas presentacin D y N es de
$8500 y $8100 respectivamente, determine mediante un modelo de programacin lineal el plan
de produccin que maximice las utilidades.
Variables
-
X = Cantidad de cajas de galletas presentacin D a producir en 2 semanas
Y = Cantidad de cajas de galletas presentacin N a producir en 2 semanas
Restricciones
2X + 3Y
-
La compaa "CONGELADORES MAJO" pretende fabricar dos tipos de congeladores denominados
A y B. Cada uno de ellos debe pasar por tres operaciones antes de su comercializacin:
Ensamblaje, pintura y control de calidad. Los congeladores tipo A requieren 2 horas de
ensamblaje, 3 kg de pintura y 4 horas de control de calidad; los congeladores tipo B requieren 3
horas de ensamblaje, 6 kg de pintura y 5 horas de control de calidad. El margen contributivo por
cada congelador tipo A y B es de $102000 y $98000 respectivamente.
La compaa dispone como mximo semanalmente 300 horas de ensamblaje, 840 kg de pintura
y 450 horas de control de calidad. Con base en la informacin suministrada determine las
unidades a producir semanalmente de cada referencia para maximizar las utilidades.
Las variables:
X = Cantidad de congeladores tipo A a producir semanalmente
Y = Cantidad de congeladores tipo B a producir semanalmente
Las restricciones:
2X + 3Y
-
Bryan Antonio Salazar Lpez
La solucin ptima corresponde a:
X = 150
Y = 0
y la funcin objetivo quedara.
Zmax = $15300000
Claramente podemos observar como la restriccin 1 y la restriccin 2 no determinan el conjunto
solucin, por ende se denominan restricciones redundantes o sobrantes.
MTODO SIMPLEX
El Mtodo Simplex es un mtodo analtico de solucin de problemas de programacin lineal
capaz de resolver modelos ms complejos que los resueltos mediante el mtodo grfico sin
restriccin en el nmero de variables.
El Mtodo Simplex es un mtodo iterativo que permite ir mejorando la solucin en cada paso. La
razn matemtica de esta mejora radica en que el mtodo consiste en caminar del vrtice de un
-
poliedro a un vrtice vecino de manera que aumente o disminuya (segn el contexto de la
funcin objetivo, sea maximizar o minimizar), dado que el nmero de vrtices que presenta un
poliedro solucin es finito siempre se hallar solucin.
Este famossimo mtodo fue creado en el ao de 1947 por el estadounidense George Bernard
Dantzig y el ruso Leonid Vitalievich Kantorovich, con el nimo de crear un algoritmo capaz de
solucionar problemas de m restricciones y n variables.
QUE ES UNA MATRIZ IDENTIDAD?
Una matriz puede definirse como una ordenacin rectangular de elementos, (o listado finito de
elementos), los cuales pueden ser nmeros reales o complejos, dispuestos en forma de filas y de
columnas.
La matriz idntica o identidad es una matriz cuadrada (que posee el mismo nmero tanto de
columnas como de filas) de orden n que tiene todos los elementos diagonales iguales a uno (1) y
todos los dems componentes iguales a cero (0), se denomina matriz idntica o identidad de
orden n, y se denota por:
La importancia de la teora de matrices en el Mtodo Simplex es fundamental, dado que el
algoritmo se basa en dicha teora para la resolucin de sus problemas.
OBSERVACIONES IMPORTANTES AL UTILIZAR MTODO SIMPLEX
VARIABLES DE HOLGURA Y EXCESO
El Mtodo Simplex trabaja basndose en ecuaciones y las restricciones iniciales que se modelan
mediante programacin lineal no lo son, para ello hay que convertir estas inecuaciones en
ecuaciones utilizando unas variables denominadas de holgura y exceso relacionadas con el
recurso al cual hace referencia la restriccin y que en el tabulado final representa el "Slack or
surplus" al que hacen referencia los famosos programas de resolucin de investigacin de
operaciones, estas variables adquieren un gran valor en el anlisis de sensibilidad y juegan un
rol fundamental en la creacin de la matriz identidad base del Simplex.
Estas variables suelen estar representadas por la letra "S", se suman si la restriccin es de signo
"=".
Por ejemplo:
-
Bryan Antonio Salazar Lpez
Bryan Antonio Salazar Lpez
VARIABLE ARTIFICIAL / MTODO DE LA "M"
Una variable artificial es un truco matemtico para convertir inecuaciones ">=" en ecuaciones, o
cuando aparecen igualdades en el problema original, la caracterstica principal de estas variables
es que no deben formar parte de la solucin, dado que no representan recursos. El objetivo
fundamental de estas variables es la formacin de la matriz identidad.
Estas variables se representa por la letra "A", siempre se suman a las restricciones, su
coeficiente es M (por esto se le denomina Mtodo de la M grande, donde M significa un nmero
-
demasiado grande muy poco atractivo para la funcin objetivo), y el signo en la funcin objetivo
va en contra del sentido de la misma, es decir, en problemas de Maximizacin su signo es
menos (-) y en problemas de Minimizacin su signo es (+), repetimos con el objetivo de que su
valor en la solucin sea cero (0).
MTODO SIMPLEX PASO A PASO
EL PROBLEMA
La empresa el SAMN Ltda. Dedicada a la fabricacin de muebles, ha ampliado su produccin en
dos lneas ms. Por lo tanto actualmente fabrica mesas, sillas, camas y bibliotecas. Cada mesa
requiere de 2 piezas rectangulares de 8 pines, y 2 piezas cuadradas de 4 pines. Cada silla
requiere de 1 pieza rectangular de 8 pines y 2 piezas cuadradas de 4 pines, cada cama requiere
de 1 pieza rectangular de 8 pines, 1 cuadrada de 4 pines y 2 bases trapezoidales de 2 pines y
finalmente cada biblioteca requiere de 2 piezas rectangulares de 8 pines, 2 bases trapezoidales
de 2 pines y 4 piezas rectangulares de 2 pines. Cada mesa cuesta producirla $10000 y se vende
en $ 30000, cada silla cuesta producirla $ 8000 y se vende en $ 28000, cada cama cuesta
producirla $ 20000 y se vende en $ 40000, cada biblioteca cuesta producirla $ 40000 y se vende
en $ 60000. El objetivo de la fbrica es maximizar las utilidades.
Problema planteado por Hctor Angulo - Ingeniero Industrial
PASO 1: MODELACIN MEDIANTE PROGRAMACIN LINEAL
Las variables:
X1 = Cantidad de mesas a producir (unidades)
X2 = Cantidad de sillas a producir (unidades)
X3 = Cantidad de camas a producir (unidades)
X4 = Cantidad de bibliotecas a producir (unidades)
Las restricciones:
2X1 + 1X2 + 1X3 + 2X4
-
La funcin Objetivo:
ZMAX = 20000X1 + 20000X2 + 20000X3 + 20000X4
PASO 2: CONVERTIR LAS INECUACIONES EN ECUACIONES
En este paso el objetivo es asignar a cada recurso una variable de Holgura, dado que todas las
restricciones son "
-
Cb = En esta fila se consigna el valor que tiene la variable que se encuentra a su derecha
"Variable solucin" en la funcin objetivo.
Zj = En esta fila se consigna la contribucin total, es decir la suma de los productos entre
trmino y Cb.
Cj - Zj = En esta fila se realiza la diferencia entre la fila Cj y la fila Zj, su significado es un
"Shadow price", es decir, la utilidad que se deja de recibir por cada unidad de la variable
correspondiente que no forme parte de la solucin.
Solucin inicial:
Bryan Antonio Salazar Lpez
PASO 5: REALIZAR LAS ITERACIONES NECESARIAS
Este es el paso definitivo en la resolucin por medio del Mtodo Simplex, consiste en realizar
intentos mientras el modelo va de un vrtice del poliedro objetivo a otro.
El procedimiento a seguir es el siguiente:
1. Evaluar que variable entrar y cual saldr de la solucin ptima:
Maximizar Minimizar
Variable que entra La ms positiva de los Cj - Zj La ms negativa de los
Cj - Zj
Variable que sale Siendo b los valores bajo la celda
solucin y a el valor correspondiente
a la interseccin entre b y la variable
que entra. La menos positiva de
los b/a.
Siendo b los valores
bajo la celda solucin
y a el valor
correspondiente a la
interseccin entre b y la
variable que entra. La
ms positiva de los b/a.
-
Bryan Antonio Salazar Lpez
2. El hecho de que una variable distinta forme parte de las variables solucin implica una serie
de cambios en el tabulado Simplex, cambios que se explicarn a continuacin.
- Lo primero es no olvidar el valor del "a" correspondiente a la variables a entrar, en este caso el
"a = 4".
Bryan Antonio Salazar Lpez
- Lo siguiente es comenzar a rellenar el resto de la tabla, fila x fila.
-
Bryan Antonio Salazar Lpez
- Se repite este procedimiento con las dos filas restantes, ahora se harn los clculos
correspondientes en el resto de las celdas.
Bryan Antonio Salazar Lpez
De esta manera se culmina la primera iteracin, este paso se repetir cuantas veces sea
necesario y solo se dar por terminado el mtodo segn los siguientes criterios.
Maximizar Minimizar
Solucin ptima Cuando todos los Cj - Zj sean = 0
- Continuamos con las iteraciones para lo cual tenemos que repetir los pasos anteriores.
-
Bryan Antonio Salazar Lpez
En esta ltima iteracin podemos observar que se cumple con la consigna Cj - Zj
-
Bryan Antonio Salazar Lpez
La manera de llegar a la otra solucin consiste en alterar el orden en que cada una de las
variables entro a la solucin bsica, recordemos que el proceso fue decidido al azar debido a la
igualdad en el Cj - Zj del tabulado inicial. Aqu les presentamos una de las maneras de llegar a la
otra solucin.
-
Bryan Antonio Salazar Lpez
Podemos observar como existe una solucin ptima alternativa en la cual la combinacin de
variables es distinta y existe un menor consumo de recursos, dado que el hecho de que se
encuentre la variable "S1" en la solucin ptima con un coeficiente de "3" significa que se
presenta una holgura de 3 unidades del recurso (pieza rectangular de 8 pines).
X1 = 0 (Cantidad de mesas a producir = 0)
X2 = 7 (Cantidad de sillas a producir = 7)
X3 = 6 (Cantidad de camas a producir = 6)
X4 = 4 (Cantidad de bibliotecas a producir = 4)
S1 = 3 (Cantidad de piezas rectangulares de 8 pines sin utilizar =3)
-
Con una utilidad de: $ 340000
PROBLEMAS DE MINIMIZACIN CON EL MTODO SIMPLEX
Para resolver problemas de minimizacin mediante el algoritmo simplex existen dos
procedimientos que se emplean con regularidad.
- El primero, que a mi juicio es el ms recomendable se basa en un artificio aplicable al
algoritmo fundamentado en la lgica matemtica que dicta que "para cualquier funcin f(x), todo
punto que minimice a f(x) maximizar tambin a - f(x)". Por lo tanto el procedimiento a aplicar
es multiplicar por el factor negativo (-1) a toda la funcin objetivo.
a continuacin se resuelve el algoritmo como un problema de maximizacin.
- El segundo procedimiento, el cual pretende conservar la minimizacin consiste en aplicar los
criterios de decisin que hemos esbozado con anterioridad, en los casos de la variable que entra,
que sale y el caso en el que la solucin ptima es encontrada. Aqu recordamos los
procedimientos segn el criterio dado el caso "minimizar".
Minimizar
Variable que entra La ms negativa de los (Cj - Zj)
Variable que sale
Siendo "b" los valores bajo la celda solucin y "a" el valor
correspondiente a la interseccin entre "b" y la variable que entra. La
ms positiva de los "b/a".
Solucin ptima Cuando todos los (Cj - Zj) sean >= 0.
DUALIDAD EN PROGRAMACIN LINEAL Cada uno de los problemas abordados hasta entonces en los mdulos anteriores se consideran
problemas primales dado que tienen una relacin directa con la necesidad del planteamiento, y
sus resultados responden a la formulacin del problema original; sin embargo cada vez que se
plantea y resuelve un problema lineal, existe otro problema nsitamente planteado y que puede
ser resuelto, es el considerado problema dual, el cual tiene unas importantes relaciones y
propiedades respecto al problema primal que pueden ser de gran beneficio para la toma de
decisiones.
Relaciones entre problemas primales y duales
- El nmero de variables que presenta el problema dual se ve determinado por el nmero de
restricciones que presenta el problema primal.
- El nmero de restricciones que presenta el problema dual se ve determinado por el nmero de
variables que presenta el problema primal.
-
- Los coeficientes de la funcin objetivo en el problema dual corresponden a los trminos
independientes de las restricciones (RHS), que se ubican del otro lado de las variables.
- Los trminos independientes de las restricciones (RHS) en el problema dual corresponden a los
coeficientes de la funcin objetivo en el problema primal.
- La matriz que determina los coeficientes tcnicos de cada variable en cada restriccin
corresponde a la transpuesta de la matriz de coeficientes tcnicos del problema primal.
El sentido de las igualdades y desigualdades se comporta segn la tabla de TUCKER, presentada
a continuacin.
Tabla de TUCKER
IMPORTANCIA DE LA DUALIDAD EN PROGRAMACIN LINEAL
La resolucin de los problemas duales respecto a los primales se justifica dada la facilidad que se
presenta dados problemas donde el nmero de restricciones supere al nmero de variables.
Adems de tener gran aplicacin en el anlisis econmico del problema.
Otra de las ventajas que presenta es que dado a que el nmero de restricciones y variables
entre problema dual y primal es inverso, se pueden resolver grficamente problemas que
presenten dos restricciones sin importar el nmero de variables.
RESOLUCIN DEL PROBLEMA DUAL, PASO A PASO
El siguiente problema a resolver es hasta el momento el modelo ms completo de los resueltos
en los mdulos anteriores, dado que trataremos de resolver un problema primal y su dual
mediante Mtodo Simplex utilizando variables de holgura, exceso y artificiales; adems
resolveremos el primal utilizando Simplex maximizando y el dual minimizando.
Dado el siguiente modelo primal,
ZMAX = 40X1 + 18X2
16X1 + 2X2 700
6X1 + 3X2 612
X1 80
X2 120
-
Bryan Antonio Salazar Lpez
Cuya respuesta es
X1 = 28,75
X2 = 120
S1 = 79.5
S3 = 51.25
Funcin objetivo = 3310
Procedemos a resolver el problema dual
PASO 1: Definimos el problema dual
-
Bryan Antonio Salazar Lpez
Este paso se lleva a cabo teniendo en cuenta las relaciones que se expusieron en la definicin de
la dualidad. Ahora las variables en el dual las representaremos por "" y corresponden a cada
restriccin.
El modelo queda de la siguiente forma:
ZMIN = 7001 + 6122 + 803 + 1204
161 + 62 + 3 40
21 + 32 + 4 18
1;4 0
Ahora preparamos el modelo para ser resuelto mediante Mtodo Simplex, utilizaremos el
procedimiento en el cual la funcin objetivo es multiplicada por (-1) y resolveremos el modelo
mediante maximizacin.
ZMIN = 7001 + 6122 + 803 + 1204
lo que es igual
(-Z)MAX = -7001 - 6122 - 803 - 1204
Ahora dado que los signos de las inecuaciones son mayor o igual procedemos a volverlas
ecuaciones agregando variables de exceso, recordemos que en este caso las variables de exceso
se restan del lado izquierdo de la igualdad, por ende.
161 + 62 + 3 + 04 - 1S1 + 0S2 = 40
211 + 32 + 03 + 4 + 0S1 - 1S2 = 18
1;4 0
-
Recordemos que el Mtodo Simplex solo es posible por la formacin de la matriz identidad, sin
embargo en una matriz identidad no pueden ir coeficientes negativos, el cual es el caso, por
ende recurriremos al artificio denominado "Mtodo de la M grande" utilizando variables
artificiales, las cuales siempre se suman.
161 + 62 + 3 + 04 - 1S1 + 0S2 + 1A1 + 0A2 40
211 + 32 + 03 + 4 + 0S1 - 1S2 + 0A1 + 1A2 18
1;4 0
Ahora si observamos la matriz identidad formada por las variables artificiales, nuestra funcin
objetivo es la siguiente (vara dada la incorporacin de las nuevas variables).
(-Z)MAX = -7001 - 6122 - 803 - 1204 + 0S1 + 0S2 - MA1 - MA2
Recordemos que el coeficiente de las variables de holgura y exceso es 0, adems que los
coeficientes de las variables artificiales es M, donde M corresponde a un nmero grande poco
atractivo cuyo signo en la funcin objetivo depende del criterio de la misma, dado que la funcin
es maximizar el signo es negativo. Dado que utilizaremos el Mtodo Simplex y no un software
para la resolucin del modelo es necesario que M adquiera valor, en este caso ser "-10000" un
nmero bastante grande en el problema.
Las iteraciones que utiliza el Mtodo Simplex son las siguientes:
-
Bryan Antonio Salazar Lpez
Podemos observar que todos los Cj - Zj son menores o iguales a 0, por ende hemos llegado a la
solucin ptima del problema, sin embargo recordemos que la funcin objetivo fue alterada en
su signo al principio, por ende se hace necesario regresarle su signo original a Zj y a la fila Cj -
Zj.
(-Z)max = -3310 * (-1)
Zmax = 3310
Podemos cotejar con la funcin objetivo del modelo primal y encontraremos que hallamos el
mismo resultado.
Ahora se hace necesario interpretar los resultados de la tabla dual respecto al modelo primal, y
esta interpretacin se realiza siguiendo los siguientes principios.
-
Bryan Antonio Salazar Lpez
La interpretacin del tabulado final del modelo dual es la siguiente:
Bryan Antonio Salazar Lpez
TEOREMAS DE LA DUALIDAD EN PROGRAMACIN LINEAL
1. Si el modelo primal o dual tiene solucin ptima finita entonces su respectivo dual o primal
tendrn solucin ptima finita.
2. Si el modelo primal o dual tiene solucin ptima no acotada, entonces su respectivo dual o
primal no tendrn solucin, ser un modelo infactible.
3. Si el modelo primal o dual no tiene solucin entonces su respectivo dual o primal no tendrn
solucin.
4. Sea "A" un modelo primal cuyo modelo dual es "B", el modelo dual de "B" es igual a "A", es
decir "El modelo dual de un dual es un modelo primal".
PROBLEMA DEL TRANSPORTE O DISTRIBUCIN
-
El problema del transporte o distribucin es un problema de redes especial en programacin
lineal que se funda en la necesidad de llevar unidades de un punto especfico
llamado Fuenteu Origen haca otro punto especfico llamado Destino. Los principales objetivos
de un modelo de transporte son la satisfaccin de todos los requerimientos establecidos por los
destinos y claro est la minimizacin de los costos relacionados con el plan determinado por las
rutas escogidas.
El contexto en el que se aplica el modelo de transporte es amplio y puede generar soluciones
atinentes al rea de operaciones, inventario y asignacin de elementos.
El procedimiento de resolucin de un modelo de transporte se puede llevar a cabo mediante
programacin lineal comn, sin embargo su estructura permite la creacin de mltiples
alternativas de solucin tales como la estructura de asignacin o los mtodos heursticos ms
populares como Vogel, esquina noroeste o mnimos costos.
-
Bryan Antonio Salazar Lpez
Los problemas de transporte o distribucin son uno de los ms aplicados en la economa actual,
dejando como es de prever mltiples casos de xito a escala global que estimulan la
aprehensin de los mismos.
PROBLEMA DE TRANSPORTE MEDIANTE PROGRAMACIN LINEAL
Como se mencion anteriormente la programacin lineal puede ser utilizada para la resolucin
de modelos de transporte, aunque no sea sensato resolver los modelos mediante el Mtodo
Simplex si puede ser de gran utilidad la fase de modelizacin, la programacin carece de la
practicidad de los mtodos de asignacin, pero puede ser de gran importancia dependiendo de la
complejidad de las restricciones adicionales que puede presentar un problema particular.
EL PROBLEMA
Una empresa energtica colombiana dispone de cuatro plantas de generacin para satisfacer la
demanda diaria elctrica en cuatro ciudades, Cali, Bogot, Medelln y Barranquilla. Las plantas
1,2,3 y 4 pueden satisfacer 80, 30, 60 y 45 millones de KW al da respectivamente. Las
necesidades de las ciudades de Cali, Bogot, Medelln y Barranquilla son de 70, 40, 70 y 35
millones de Kw al da respectivamente.
-
Los costos asociados al envo de suministro energtico por cada milln de KW entre cada planta
y cada ciudad son los registrados en la siguiente tabla.
Bryan Antonio Salazar Lpez
Formule un modelo de programacin lineal que permita satisfacer las necesidades de todas las
ciudades al tiempo que minimice los costos asociados al transporte.
SOLUCIN MEDIANTE PL
El modelo bsico de transporte es el modelo en el cual la cantidad ofertada es igual a la cantidad
demandada, como es el caso de este ejercicio, sin embargo trasladar esta suposicin a la
realidad es casi imposible por lo cual hace falta crear orgenes y/o destinos ficticios con el
excedente de oferta y/o demanda.
Como ya lo hemos planteado en mdulos anteriores el primer paso corresponde a la definicin
de las variables, regularmente se le denomina a las variables de manera algebraica
Xi,j donde i simboliza a la fuente y j simboliza al destino. En este caso i define el conjunto
{Planta 1, Planta 2, Planta 3 y Planta 4}, y j define el conjunto {Cali, Bogot, Medelln y
Barranquilla}. Sin embargo es prctico renombrar cada fuente y destino por un nmero
respectivo, por ende la variable X1,2corresponde a la cantidad de millones de KW enviados
diariamente de la Planta 1 a la ciudad de Bogot.
Bryan Antonio Salazar Lpez
-
El segundo paso corresponde a la formulacin de las restricciones de oferta y demanda, cuya
cantidad se encuentra determinada por el factor entre fuentes y destinos, en este caso 16
restricciones.
Restricciones de oferta o disponibilidad, las cuales son de signo :
X1,1 + X1,2 + X1,3 + X1,4 80
X2,1 + X2,2 + X2,3 + X2,4 30
X3,1 + X3,2 + X3,3 + X3,4 60
X4,1 + X4,2 + X4,3 + X4,4 45
Restricciones de demanda, las cuales son de signo :
X1,1 + X2,1 + X3,1 + X4,1 70
X1,2 + X2,2 + X3,2 + X4,2 40
X1,3 + X2,3 + X3,3 + X4,3 70
X1,4 + X2,4 + X3,4 + X4,4 35
Luego se procede a formular la funcin objetivo, en la cual se relaciona el costo correspondiente
a cada ruta.
ZMIN = 5X1,1 + 2X1,2 + 7X1,3 + 3X1,4 + 3X2,1 + 6X2,2 + 6X2,3 + 1X2,4 + 6X3,1 + 1X3,2 + 2X3,3 +
4X3,4 + 4X4,1 + 3X4,2 + 6X4,3 + 6X4,4
Luego se puede proceder al uso de la herramienta WinQSB para resolver el modelo realizado,
aqu estn los resultados.
-
Bryan Antonio Salazar Lpez
Bryan Antonio Salazar Lpez
-
Este problema presenta una solucin ptima alternativa, aqu los resultados.
Bryan Antonio Salazar Lpez
-
Bryan Antonio Salazar Lpez
Los anlisis de dualidad y sensibilidad en los modelos de transporte resultan ser bastante
interesantes, pues pueden llegar a determinar aumentos de capacidad en las fuentes si el precio
sombra de las rutas en relacin a ellas lo justifica.
MTODO DE APROXIMACIN DE VOGEL
El mtodo de aproximacin de Vogel es un mtodo heurstico de resolucin de problemas de
transporte capaz de alcanzar una solucin bsica no artificial de inicio, este modelo requiere de
la realizacin de un nmero generalmente mayor de iteraciones que los dems mtodos
heursticos existentes con este fin, sin embargo produce mejores resultados iniciales que los
mismos.
ALGORITMO DE RESOLUCIN DE VOGEL
El mtodo consiste en la realizacin de un algoritmo que consta de 3 pasos fundamentales y 1
ms que asegura el ciclo hasta la culminacin del mtodo.
PASO 1
Determinar para cada fila y columna una medida de penalizacin restando los dos costos
menores en filas y columnas.
PASO 2
Escoger la fila o columna con la mayor penalizacin, es decir que de la resta realizada en el
"Paso 1" se debe escoger el nmero mayor. En caso de haber empate, se debe escoger
arbitrariamente (a juicio personal).
PASO 3
De la fila o columna de mayor penalizacin 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 quedar satisfecha por ende se tachar la fila o
columna, en caso de empate solo se tachar 1, la restante quedar 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 oferta o demanda, detenerse.
- Si queda sin tachar una fila o columna con oferta o demanda positiva, determine las variables
bsicas en la fila o columna con el mtodo de costos mnimos, detenerse.
- Si todas las filas y columnas que no se tacharon tienen cero oferta y demanda, determine las
variables bsicas cero por el mtodo del costo mnimo, 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 MTODO DE APROXIMACIN DE VOGEL
Por medio de este mtodo resolveremos el ejercicio de transporte resuelto en mdulos
anteriores mediante programacin lineal.
EL PROBLEMA
Una empresa energtica colombiana dispone de cuatro plantas de generacin para satisfacer la
demanda diaria elctrica en cuatro ciudades, Cali, Bogot, Medelln y Barranquilla. Las plantas
1,2,3 y 4 pueden satisfacer 80, 30, 60 y 45 millones de KW al da respectivamente. Las
necesidades de las ciudades de Cali, Bogot, Medelln y Barranquilla son de 70, 40, 70 y 35
millones de Kw al da respectivamente.
Los costos asociados al envo de suministro energtico por cada milln de KW entre cada planta
y cada ciudad son los registrados en la siguiente tabla.
Bryan Antonio Salazar Lpez
Formule un modelo de programacin lineal que permita satisfacer las necesidades de todas las
ciudades al tiempo que minimice los costos asociados al transporte.
SOLUCIN PASO A PASO
El primer paso es determinar las medidas de penalizacin y consignarlas en el tabulado de
costos, tal como se muestra a continuacin.
Bryan Antonio Salazar Lpez
El paso siguiente es escoger la mayor penalizacin, de esta manera:
-
Bryan Antonio Salazar Lpez
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 mximo 60 unidades "que es la capacidad de la planta 3".
Bryan Antonio Salazar Lpez
Dado que la fila de la "Planta 3" ya ha asignado toda su capacidad (60 unidades) esta debe
desaparecer.
-
Bryan Antonio Salazar Lpez
Se ha llegado al final del ciclo, por ende se repite el proceso
-
Bryan Antonio Salazar Lpez
Iniciamos una nueva iteracin
-
Bryan Antonio Salazar Lpez
Continuamos con las iteraciones,
-
Bryan Antonio Salazar Lpez
Iniciamos otra iteracin
-
Bryan Antonio Salazar Lpez
Al finalizar esta iteracin podemos observar como el tabulado queda una fila sin tachar y con
valores positivos, por ende asignamos las variables bsicas y hemos concluido el mtodo.
-
Bryan Antonio Salazar Lpez
Los costos asociados a la distribucin son:
Bryan Antonio Salazar Lpez
-
Bryan Antonio Salazar Lpez
De esta manera hemos llegado a la solucin a la cual tambin llegamos mediante programacin
lineal, definitivamente desarrollar la capacidad para modelar mediante programacin lineal y
apoyarse de una buena herramienta como WinQSB, STORM, LINGO, TORA etc.. termina siendo
mucho ms eficiente que la utilizacin de los mtodos heursticos para problemas
determinsticos; sin embargo cabe recordar que uno de los errores ms 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 innovaciones positivas
para sus fines, en pocas palabras un ingeniero industrial requiere de un buen toque de
HEURSTICA en su proceder.
MTODO DEL COSTO MNIMO
El mtodo del costo mnimo o de los mnimos costos es un algoritmo desarrollado con el objetivo
de resolver problemas de transporte o distribucin, arrojando mejores resultados que mtodos
como el de la esquina noroeste, dado que se enfoca en las rutas que presentan menores costos.
-
El diagrama de flujo de este algortimo es mucho ms sencillo que los anteriores dado que se
trata simplememente de la asignacin de la mayor cantidad de unidades posibles (sujeta a las
restricciones de oferta y/o demanda) a la celda menos costosa de toda la matriz hasta finalizar
el mtodo.
ALGORITMO DE RESOLUCIN DEL COSTO MNIMO
PASO 1:
De la matriz se elige la ruta (celda) menos costosa (en caso de un empate, este se rompe
arbitrariamente) y se le asigna la mayor cantidad de unidades posible, cantidad que se ve
restringida ya sea por las restricciones de oferta o de demanda. En este mismo paso se procede
a ajustar la oferta y demanda de la fila y columna afectada, restandole la cantidad asignada a la
celda.
PASO 2:
En este paso se procede a eliminar la fila o destino cuya oferta o demanda sea 0 despus del
"Paso 1", si dado el caso ambas son cero arbitrariamente se elige cual eliminar y la restante se
deja con demanda u oferta cero (0) segn sea el caso.
PASO 3:
Una vez en este paso existen dos posibilidades, la primera que quede un solo rengln o
columna, si este es el caso se ha llegado al final el mtodo, "detenerse".
La segunda es que quede ms de un rengln o columna, si este es el caso iniciar nuevamente el
"Paso 1".
EJEMPLO DEL MTODO DEL COSTO MNIMO
Por medio de este mtodo resolveremos el problema de transporte propuesto y resuelto en
mdulos anteriores mediante programacin lineal.
EL PROBLEMA
Una empresa energtica colombiana dispone de cuatro plantas de generacin para satisfacer la
demanda diaria elctrica en cuatro ciudades, Cali, Bogot, Medelln y Barranquilla. Las plantas
1,2,3 y 4 pueden satisfacer 80, 30, 60 y 45 millones de KW al da respectivamente. Las
necesidades de las ciudades de Cali, Bogot, Medelln y Barranquilla son de 70, 40, 70 y 35
millones de Kw al da respectivamente.
Los costos asociados al envo de suministro energtico por cada milln de KW entre cada planta
y cada ciudad son los registrados en la siguiente tabla.
Bryan Antonio Salazar Lpez
Formule un modelo de programacin lineal que permita satisfacer las necesidades de todas las
ciudades al tiempo que minimice los costos asociados al transporte.
SOLUCIN PASO A PASO
-
Bryan Antonio Salazar Lpez
Luego esa cantidad asignada se resta a la demanda de Bogot y a la oferta de la "Planta 3", en
un proceso muy lgico. Dado que Bogot se queda sin demanda esta columna desaparece, y se
repite el primer proceso.
Bryan Antonio Salazar Lpez
Nuevo proceso de asignacin
Bryan Antonio Salazar Lpez
-
Nuevo proceso de asignacin
Bryan Antonio Salazar Lpez
Nuevo proceso de asignacin
Bryan Antonio Salazar Lpez
Una vez finalizado el cuadro anterior nos daremos cuenta que solo quedar una fila, por ende
asignamos las unidades y se ha terminado el mtodo.
Bryan Antonio Salazar Lpez
El cuadro de las asignaciones (que debemos desarrollarlo paralelamente) queda as:
-
Bryan Antonio Salazar Lpez
Los costos asociados a la distribucin son:
Bryan Antonio Salazar Lpez
En este caso el mtodo del costo mnimo presenta un costo total superior al obtenido
mediante Programacin Lineal y el Mtodo de Aproximacin Vogel, sin embargo comunmente no
-
es as, adems es simple de desarrollar y tiene un mejor rendimiento en cuanto a resultados
respecto al Mtodo de la Esquina Noroeste.
MTODO DE LA ESQUINA NOROESTE
El mtodo de la esquina Noroeste es un algoritmo heurstico capaz de solucionar problemas de
transporte o distribucin mediante la consecucin de una solucin bsica inicial que satisfaga
todas las restricciones existentes sin que esto implique que se alcance el costo ptimo total.
Este mtodo tiene como ventaja frente a sus similares la rapidez de su ejecucin, y es utilizado
con mayor frecuencia en ejercicios donde el nmero de fuentes y destinos sea muy elevado. Su
nombre se debe al gnesis del algoritmo, el cual inicia en la ruta, celda o esquina Noroeste. Es
comn encontrar gran variedad de mtodos que se basen en la misma metodologa de la
esquina Noroeste, dado que podemos encontrar de igual manera el mtodo e la esquina Noreste,
Sureste o Suroeste.
ALGORITMO DE RESOLUCIN DE LA ESQUINA NOROESTE
Se parte por esbozar en forma matricial el problema, es decir, filas que representen fuentes y
columnas que representen destinos, luego el algoritmo debe de iniciar en la celda, ruta o
esquina Noroeste de la tabla (esquina superior izquierda).
Bryan Antonio Salazar Lpez
PASO 1:
-
En la celda seleccionada como esquina Noroeste se debe asignar la mxima cantidad de
unidades posibles, cantidad que se ve restringida ya sea por las restricciones de oferta o de
demanda. En este mismo paso se procede a ajustar la oferta y demanda de la fila y columna
afectada, restandole la cantidad asignada a la celda.
PASO 2:
En este paso se procede a eliminar la fila o destino cuya oferta o demanda sea 0 despus del
"Paso 1", si dado el caso ambas son cero arbitrariamente se elige cual eliminar y la restante se
deja con demanda u oferta cero (0) segn sea el caso.
PASO 3:
Una vez en este paso existen dos posibilidades, la primera que quede un solo rengln o
columna, si este es el caso se ha llegado al final el mtodo, "detenerse".
La segunda es que quede ms de un rengln o columna, si este es el caso iniciar nuevamente el
"Paso 1".
EJEMPLO DEL MTODO DE LA ESQUINA NOROESTE
Por medio de este mtodo resolveremos el problema de transporte propuesto y resuelto en
mdulos anteriores mediante programacin lineal.
EL PROBLEMA
Una empresa energtica colombiana dispone de cuatro plantas de generacin para satisfacer la
demanda diaria elctrica en cuatro ciudades, Cali, Bogot, Medelln y Barranquilla. Las plantas
1,2,3 y 4 pueden satisfacer 80, 30, 60 y 45 millones de KW al da respectivamente. Las
necesidades de las ciudades de Cali, Bogot, Medelln y Barranquilla son de 70, 40, 70 y 35
millones de Kw al da respectivamente.
Los costos asociados al envo de suministro energtico por cada milln de KW entre cada planta
y cada ciudad son los registrados en la siguiente tabla.
Bryan Antonio Salazar Lpez
Formule un modelo de programacin lineal que permita satisfacer las necesidades de todas las
ciudades al tiempo que minimice los costos asociados al transporte.
SOLUCIN PASO A PASO
-
Bryan Antonio Salazar Lpez
Ahora la cantidad asignada a la esquina noroeste es restada a la demanda de Cali y a la oferta
de la "Planta 1", en un procedimiento muy lgico. Dado que la demanda de Cali una vez restada
la cantidad asignada es cero (0), se procede a eliminar la columna. El proceso de asignacin
nuevamente se repite.
Bryan Antonio Salazar Lpez
Continuamos con las iteraciones.
-
Bryan Antonio Salazar Lpez
En este caso nos encontramos frente a la eleccin de la fila o columna a eliminar (tachar), sin
embargo podemos utilizar un criterio mediante el cual eliminemos la fila o columna que presente
los costos ms elevados. En este caso la "Planta 2".
Nueva iteracin.
Bryan Antonio Salazar Lpez
Una vez finalizada esta asignacin, se elimina la "Planta 3" que ya ha sido satisfecha con la
asignacin de 60 unidades, por ende nos queda una sola fila a la cual le asignamos las unidades
estrictamente requeridas y hemos finalizado el mtodo.
-
Bryan Antonio Salazar Lpez
El cuadro de las asignaciones (que debemos desarrollarlo paralelamente) queda as:
Bryan Antonio Salazar Lpez
Los costos asociados a la distribucin son:
-
Bryan Antonio Salazar Lpez
El costo total es evidentemente superior al obtenido mediante Programacin Linealy el Mtodo
de Aproximacin de Vogel, lo cual demuestra lo enunciado en la descripcin del algoritmo que
cita que no obtiene siempre la mejor solucin, sin embargo presenta un cumplimiento de todas
las restricciones y una rapidez de elaboracin, lo cual es una ventaja en problemas con
innumerables fuentes y destinos en los cuales no nos importe ms que satisfacer las
restricciones.
PROBLEMA DEL TRANSPORTE EN WINQSB
-
El problema del transporte como un modelo especial dentro de la programacin lineal presenta
una metodologa de resolucin que resulta ser muchos ms sencilla que los problemas de
programacin tradicionales. La herramienta de resolucin de problemas atinentes a la
investigacin de operaciones por excelencia "WinQSB" tambin distingue el problema de
transporte como un caso especial y desarrolla un mdulo dedicado de manera exclusiva al
trabajo con este tipo de modelos en el llamado Network Modeling mdulo que estudiaremos a
continuacin.
ACERCA DE NETWORK MODELING (NET)
Este programa resuelve los problemas de red, incluyendo flujo de red capacitados (transbordo),
transporte, asignacin, la ruta ms corta, flujo mximo, rbol de expansin mnima, y problemas
del vendedor viajero. Una red incluye nodos y conexiones (arcos / enlaces) Cada nodo tiene una
capacidad para el flujo de red y los problemas de transporte. Si hay una conexin entre dos
nodos, puede haber un costo, un beneficio, una distancia o la capacidad de flujo asociado a la
conexin. Con base en el tipo de problema especfico, NET resuelve la conexin o el envo
satisfaciendo las restricciones con el nimo de optimizar la funcin objetivo especificada.
RESOLVIENDO UN PROBLEMA DE TRANSPORTE MEDIANTE WINQSB
El primer paso para resolver un problema de transporte mediante WinQSB es ingresar al
mdulo Network Modeling.
EL PROBLEMA
Una empresa energtica colombiana dispone de cuatro plantas de generacin para satisfacer la
demanda diaria elctrica en cuatro ciudades, Cali, Bogot, Medelln y Barranquilla. Las plantas
1,2,3 y 4 pueden satisfacer 80, 30, 60 y 45 millones de KW al da respectivamente. Las
necesidades de las ciudades de Cali, Bogot, Medelln y Barranquilla son de 70, 40, 70 y 35
millones de Kw al da respectivamente.
Los costos asociados al envo de suministro energtico por cada milln de KW entre cada planta
y cada ciudad son los registrados en la siguiente tabla.
-
Bryan Antonio Salazar Lpez
Formule un modelo de programacin lineal que permita satisfacer las necesidades de todas las
ciudades al tiempo que minimice los costos asociados al transporte.
INGRESANDO A NETWORK MODELING
Una vez se haya ingresado al mdulo Network Modeling, se abrir una ventana de inicio del
mdulo, tal como se muestra a continuacin.
Bryan Antonio Salazar Lpez - WinQSB
Aqu podemos crear un nuevo problema o cargar uno que ya nos encontremos desarrollando, en
este caso abriremos un nuevo problema. Una vez demos click en "Nuevo Problema" se abrir un
men emergente que nos pedir ingresar la informacin bsica del problema.
-
Bryan Antonio Salazar Lpez - WinQSB