Inv Operaciones
-
Upload
christian-napa -
Category
Documents
-
view
221 -
download
0
Transcript of Inv Operaciones
-
7/28/2019 Inv Operaciones
1/8
1
15.053 5 de febrero de 2002
z Introduccin a laoptimizacin
Entregas: material de clase
2
Esquema general
zDescripcin del curso
z Administracin y logstica del curso
zQu son las ciencias de la gestin?zEjemplos de programacinlineal
Marketing MSR
GTC
zEntregas: Programa e informacin general
Material de clase
Conjunto de tareas 1
4
Material necesario
z Coursepack (Libro de lecturas recomendadas)z Incluyecaptulos de
Applied Mathematical ProgrammingporBradley,Hax y Magnanti
zSitio web: sloanspace.mit.edu
z Otros recursos: Operations Research porWinston Introduction to Linear Optimization porBertsimas
y Tsitsiklis Network Flows porAhuja, Magnanti y Orlin
5
Sistema de evaluacin
z Trabajos en casa (27%) Semanales (10 en total) Plan de calificacin no lineal
z Exmenes parciales (25% cada uno) Dos: uno en cada fin de trimestre
z Examen final (25%) Durante la semana de los exmenes finales ltimo tercio de la asignatura + creacin de modelos
z En efecto, el total suma 102%
6
Mtodo del curso (continuacin)
zPgina web
Contiene
apuntes de clase
hojas de clculo
lecturas
trabajos (el trabajo 1 ya se encuentra all)
otros recursos
La transparencia N 3 contiene informacin especfica del MIT
-
7/28/2019 Inv Operaciones
2/8
7
Aprendizaje activo
zLas clases se interrumpen cada cierto tiempo
para que los alumnos trabajen
individualmente o en parejas.zElija a su compaero al comenzar el curso.
zLos alumnos a los extremos del pasillo
podrn formar grupos de tres.
8
Qu es la investigacin operativa?
Qu son las cienciasde la gestin?
zDurante la Segunda Guerra Mundial, el mandobritnico consult a cientficos y tcnicos sobredistintas cuestiones militares:
Despliegue de radares.
Direccin de operaciones antisubmarinas, de minas,bombardeos y traslado de tropas.
zEl resultado se llam Investigacin de OperacionesMilitares, y ms tarde Investigacin Operativa (IO)
zEl MIT contribuy a su puesta en marcha El profesorMorse (MIT)fue pionero en los EE.UU.
Fund el Centro OR del MIT y colabor en la fundacin de ORSA.
9
Qu son las ciencias de la gestin
(investigacin operativa)?
z Hoy en da: las ciencias de la gestin y la investigacin
operativa suponen
el empleo demodelos matemticos para proporcionar pautas
que permitan a los gestores tomar decisiones efectivas
partiendo de la informacin de la que disponen, o para
hallar el modo de ampliar sta, en caso de que sea insuficiente
para llegar a la decisin adecuada.
z Comparar con: ciencias de la decisin, anlisis de
sistemas, investigacin operativa, dinmica de sistemas,
anlisis operacional,sistemas de ingeniera,
ingeniera de sistemas y otros conceptos.
10
Voces del pasado
z No malgaste el tiempo o el dinero, emplelosde la mejor forma posible.
Benjamin Franklin
z Obviamente, la mejor forma de eficiencia es la quepermite obtener la mxima ventaja del materialdel que se dispone.
Jawaharlal Nehru
z Es muy posible que cualquier ciudadano medioseacapaz de aumentar su eficaciaen un cincuenta porciento sin riesgo para su salud.
Walter Scott
11
La investigacin operativa en la historia
z 1947 Proyecto Scoop (Scientific Computation of
Optimum Programs), en elque George Dantzig yotros cientficosdesarrollan el mtodo simplexde programacin lineal.
zDcada de 1950 Aos muy interesantes: progresos matemticos,
teora de colas, programacinmatemtica.Comparar con:Inteligencia artificial (I.A.) en los 60.
zDcada de 1960 Crece el inters:ms progreso, grandes proyectos.
Comparar con: Inteligencia artificial en los 80.
12
La investigacin operativa en la historia
z
Dcada de 1970 poca de desilusin y estancamiento. NP-
completo. Expectativas ms realistas.
zDcada de 1980 Gran expansin del uso deordenadores personales.
Acceso cada vez ms facil a datos. Se extiende ladisposicin de los directivos al empleo de modelos.
zDcada de 1990 Uso creciente de sistemas de I.O.
Nuevos avances de la tecnologade I.O;p.ej:ampliaciones de optimizacin y simulacin a hojas declculo, lenguajes de modelacin, optimizacin a granescala. Mayor interconexin entre la I.A.y la I.O.
-
7/28/2019 Inv Operaciones
3/8
13
La investigacin operativa en el ao 2000
z CIENTOS de oportunidades para el campo de la I.O.
z Datos, datos y ms datos Datos de e-business(click stream, compras, otros
datos de transacciones,correo electrnico, etc.)
El proyecto del genoma humanoy su desarrollo
z Mayor automatizacin en la toma de decisiones
zNecesidad de mayor coordinacin para lautilizacin de recursos (gestin de la cadena
de suministro)
Tan eterna
como el tiempo
Optimizacin
a b
ngulo deincidencia
ngulo dereflexin
c
bngulo deincidencia
Siglo I A.C.
Naturaleza de la optimizacin
Hern de Alejandra
ngulo deincidenciangulo de
refraccin
FERMAT
1628-29
17
Clculo
Fermat, Newton, Euler, Lagrange,Gauss otros
Mximo
Mnimo
18
Algunos temas del presente curso
zLa optimizacin est en todas partes
z Modelos, modelos y msmodelos
zEl objeto de los modelos no son los nmeros,
sino la compresin de la realidad
parafraseando a Richard Hamming
z Algoritmos, algoritmos y msalgoritmos
-
7/28/2019 Inv Operaciones
4/8
19
La optimizacin est en todas partes
zCuanto ms sepamos sobre un tema,mejor podremos apreciar dnde aplicarla optimizacin.
zEjemplo: toma de decisiones personales Hallar el camino ms corto a casa (o a clase)
Asignacin ptima del tiempo de trabajo personal
Control ptimo de ingresos y gastos
Eleccin de la asignatura principal
20
La optimizacin est en todas partes
zAlgunas decisiones que toma el MIT
fijar fechas de exmenes evitando coincidencias
asignara cada clase aulasy franjas horariasteniendo en cuenta las restricciones
calcular las tarifas de aparcamiento ylas ayudas
para transporte pblico, paragarantizar la mxima
imparcialidady un acceso adecuado
optimizarla financiacin
21
La optimizacin est en todas partes
z Ejercicio: presntese a su compaero y sugiera uno
o dos temas de conversacin que le resulten
familiares (el trabajo durante el verano, la asignatura
principal,profesin de sus padres, etc.).
z Realicen una sesin de "brainstorming" sobre
situaciones propicias para la optimizacin.
z Escojan de la lista las dos o tres situaciones que les
resulten ms atractivas y pnganlas en comn.
22
Herramientas de optimizacin en el curso
zLa optimizacin est en todas partes, perono el
uso de las herramientas de optimizacin.
zMetas del curso: presentardiversasherramientas
para la optimizacin y explicar sus aplicaciones
en varios campos: fabricacin, finanzas,
e-business, mercadotecnia yotros.
z El alumno sabr qu herramientas pueden serle
de ayuda cuando se enfrentre (ineludiblemente)
a problemas de optimizacin en los negocios.
23
Tratamiento de problemas de gestin: el
marco de las ciencias de la gestin
1. Determinarel problemaque hay que resolver
2. Analizar el sistemayreunirdatos
3. Formularun modelomatemtico del problema yde los problemas secundarios importantes
4. Comprobar el funcionamiento del modelo y emplearlopara predicciones y anlisis
5. Elegir una alternativa adecuada
6. Presentarlos resultadosa la organizacin
7. Implementary evaluar
24
La programacin lineal(nuestra primera
herramienta, y quizs la ms importante)
z minimizaro maximizarun objetivo lineal
zsujeto a igualdades y
desigualdades lineales
maximizar 3x + 4y
sujeto a 5x + 8y 24 x, y0
-
7/28/2019 Inv Operaciones
5/8
25
Veamos una serie de posibles soluciones
0 1 2 3 4 5
0
1
2
3
4
5
x
y
Solucinptima
3x + 4y = 6 3x + 4y = 12
26
Vocabulario
zVariables de decisin:p.ej., x e y.
En general, hay cantidades que se pueden controlarpara
mejorar el objetivo, que deber ofrecer una descripcin
completa del conjunto de decisiones a tomar.
zRestricciones:p.ej., 5x + 8y 24 , x0 , y0 Restricciones a los valores de las variables de decisin.
zFuncin objetivo esto es, 3x + 4y
Medida del valorque se usa paraordenar las alternativas
Tiene por objeto maximizar o minimizar el objetivo
ejemplos:maximizar el VAN, minimizar el coste
27
MSR Marketing Inc.adaptadode Frontline Systems
Seleccin de un anuncioque llegue a 1,5 millones de personas
Minimizarcoste
Fijar el nmero mximo de anuncios de cada t ipo
TV Radio Correo Prensa
Audiencia 50.000 25.000 20.000 15.000
Coste/Impresin 500$ 200$ 250$ 125$
N mx anuncios 20 15 10 15
28
Formulacincomo modelo matemtico
Trabajo en parejas
z Qu decisiones es preciso tomar?
Formlense como variables de decisin.
z Cul es el objetivo? Formlese desde el punto
de vista de las variables de decisin.
z Cules son las restricciones? Formlense desde
el punto de vista de las variables de decisin.z Si dispone de tiempo, intente hallar la solucin ideal.
29
Gemstone Tool Company (GTC)
z Empresa de propiedad privada
z Mercado: herramientas para empresas y particulares
z Sede en Seattle
z Fbricas enEE.UU, Canady Mxico.
z Datos esenciales, con fines ilustrativos:
Planta de Winnipeg (Canad)
Llaves inglesas (llaves)y alicates
Fabricadas en acero
Mquina de moldeo por inyeccin
Mquina de montaje
30
Datosparael problema de GTC
Llaves Alicates Disponibles
Acero 1,5 1,0 15.000 tm
Mquina de moldeo 1,0 1,0 12.000 hrs
Mquina de montaje 0,4 0,5 5.000 hrs
Lmite de demanda 8.000 10.000
Participacin($por artculo)
0,40$ 0,30$
Deseamos calcularel nmero de llaves inglesas y
alicates que hay que fabricar, dados el material bruto
disponible, las horas de mquina y la demanda.
-
7/28/2019 Inv Operaciones
6/8
31
Trabajo en parejas
z Halle, junto a su compaero, el modo de formular
el problema de GTC como un programa lineal, SIN
CONSULTAR LOS APUNTES
zP = nmero de alicates fabricadoszW = nmero de llaves inglesas fabricadas
32
Formulacindel ejercicio de GTM
Paso 1: calcular las variables de decisin
P = miles de alicates fabricados
W = miles de llaves inglesas fabricadas
Paso 2: calcular la funcin objetiva
Maximizar Beneficio =
0,3 P + 0,4 W
33
Formulacin (continuacin)
Paso 3: Calcular las restricciones
Acero:
Moldeo:
Montaje:
Demanda (llaves):
En la prxima clase se mostrar el modo de resolver el problema .
Demanda (alicates):
P + 1,5 W 15.000P + W 12.000
0,5 P + 0.4 W 5.000
W 8.000P 10.000
34
Una frmula algebraica (1)
z J = conjunto de artculos fabricados S = (alicates, llaves inglesas)
pj= beneficio por unidad del artculo j
dj = demanda mximadel artculo j
xj = nmero de unidades fabricadasdel artculoj
z M = conjunto de procesos de fabricacin M = {moldeo y montaje}
bi = capacidad del proceso i
aij= cantidad de capacidad delproceso i usada en fabricarj
35
Otra frmula algebraica
z Maximizar
zsujeto a
j jj Jpx
ij j ij Ja x b for i M
j jx dforj J
0jx forj J
La misma
frmula sirve
aunque | J | = 10.000
y | M | = 100.36
Otrafrmula algebraica ms
z Maximizar
zsujeto a
1
n
j j
j
p x=
1
1 ton
ij j i
j
a x b for i m=
=
1 toj jd for j n =
0 = 1 tojx for j n
-
7/28/2019 Inv Operaciones
7/8
37
Programas lineales
z Las funciones lineales presentan la siguiente forma:f(x1, x2, . . . , xn) = c1x1 + c2x2 + . . . + cnxn
= i=1 a n cixiesto es, 3x1 + 4x2 - 3x4.
z Un programa matemtico es lineal(PL)cuando tiene
porobjetivouna funcin lineal y las restricciones son
igualdades o desigualdades lineales
esto es, 3x1 + 4x2 - 3x4 7x1 - 2x5 = 7
z Normalmente, un PL tiene restricciones de no negatividad.
38
Un programa linealpuede tener un objetivo
y unas restricciones no lineales
z maximizar f(x,y)= xy
zsujeto a x - y2/2 103x 4y 2
x 0, y 0
39
Un programa entero es un programa lineal
con las restricciones de que todas o algunas de
las variables son valores enteros.
z Maximizar 3x1 + 4x2 - 3x33x1 + 2x2 - x3 17
3x2 - x3 = 14
x1 0, x2 0, x3 0 yx1 , x2, x3son nmeros enteros
40
Frmula algebrica con
restricciones de igualdad
z Max o min
zsujeto a
1
n
j j
j
c x=
1
1n
ij j i
j
a x b for i to m=
= =
0 1jx for j to n =
41
Principiosde la programacin lineal
Maximizar 4W + 3P
1.5W + P 15.
Principio de proporcionalidadLa participacin deWes proporcionala W.
Principio de aditividad La participacin de P en la funcinobjetiva es independiente de W.
Principio de divisibilidad Cada variable puede adoptarvalores fraccionarios.
Principio de certidumbre Los coeficientes lineales y lasrestricciones de la funcin objetiva son conocidos (y no son
variables aleatorias).
42
Historias de xitos (1)
z La planificacin ptima de supersonal de vuelo permite
a American Airlines ahorrar un milln de dlares al ao.
zYellow Freight ahorra ms de 17,3 millones de dlares al ao
gracias al perfeccionamiento de sus rutas de envos.
z La mejora de los repartos por carretera en Reynolds Metalsha aumentado la puntualidad en las entregas, reduciendo los costes
de flete en 7 millones de dlares al ao.
z GTE ahorra 30 millones al ao por la expansin de su capacidad local.
-
7/28/2019 Inv Operaciones
8/8
43
Historias de xitos (2)
z La optimizacin de las cadenas globales de suministro ahorra a
Digital Equipment ms de 300 millines de dlares.
z Tras la reestructuracin de su departamento de operaciones en
Norteamrica, Procter&Gamble ha disminuido sus plantas en un
20%, con un ahorro de 200 millones de dlares al ao.
z El ptimo control del trfico en la autopista Hanshin, en Osaka
permite ahorrar al ao 17 millones de horas de conduccin.
z La mejor planificacin de las unidades de generacin termohidrulica
le supone a Southern Company un ahorro de 140 millones de dolares
44
Historias de xitos (3)
z La mejora de la planificacin de produccin enSadia (Brasil)ha
ahorrado a la empresa 50 millones de dlares en tres aos.
z La optimizacin de la produccin en Harris Corporationsupone un
aumento del 75 al 90% de la pluntualidad en las entregas.
z Tata Steel (India) ha optimizado sus respuestas a los apagones
elctricos, obteniendo un ahorro de 73 millones de dlares.
z Optimizar la organizacin de las patrullas policiales permite al
departamento de polica de EE.UU. ahorrar 11 millones cada ao.
z En Texaco, la mezcla de gasolinasda como resultado un ahorro
de 30 millones de dlares anuales.
45
Resumen
z Respuesta a la pregunta: qu son la Investigacin
operativa y las ciencias de la gestin?, proporcionando
al estudiante cierta perspectiva histrica.
zVocabulario de la programacin linealz Dos ejemplos:
1. MSR Marketing
2. Gemstone Tool Company
Pequeo programa lineal (bidimensional) no demasiado fcil
z Analizaremos este problema detalladamente en la prxima clase