Programacion Lineal
-
Upload
jesus-alexander-deza-fernandez -
Category
Documents
-
view
942 -
download
5
Transcript of Programacion Lineal
DEDICATORIAS
.
A mis padres y hermanos más que una
familia son mis mejores amigos, por
apoyo incondicional y por darme fuerza
para seguir adelante.
A mis padres y hermanos, por su gran amor,
cariño profundo, su comprensión, apoyo y
estimulo constate para ayudarme a
superarme en mi desarrollo profesional.
AGRADECIMIENTOS
El equipo responsable agradece:
A nuestra Facultad, nuestro segundo hogar, por estar haciendo de
nosotros verdaderos profesionales y haber dado sentido a nuestras vidas.
A nuestro profesor, quien tiene la paciencia de satisfacer nuestros deseos
de conocimientos y a nuestros compañeros, con quienes a pesar de las
discrepancias naturales, nos une una amistad fraternal y objetivos
comunes.
Finalmente, queremos dar las gracias a las personas que más queremos, nuestros padres,
nuestros hermanos, y toda nuestra familia y amigos, por su paciencia y apoyo constante
durante todo este tiempo.
INTRODUCCIÓN
En el presente trabajo damos un enfoque de lo importante que es la
programación de toma de decisiones en las empresas.
La Programación Lineal es una pequeña parte de una teoría matemática
que se ha consolidado en el siglo XX con el nombre de Optimización. En
general, se trata de un conjunto de técnicas matemáticas que intentan obtener el
mayor provecho posible de sistemas económicos, sociales, tecnológicos, cuyo
funcionamiento se puede describir matemáticamente de modo adecuado.
Una terminología establecida desde los primeros tiempos de la
Optimización, denominaba a la solución óptima un programa de acción a poner
en práctica; de ahí que la búsqueda de un tal programa de acción utilizando
métodos matemáticos se llamase Programación Matemática.
Mucha gente sitúa el desarrollo de la programación lineal entre los
avances científicos más importantes de la mitad del siglo XX, y debemos estar
de acuerdo con esta afirmación si tenemos en cuenta que su impacto desde 1950
ha sido extraordinario. Se han escrito decenas de libros de texto sobre la materia
y los artículos publicados que describen aplicaciones importantes se cuentan
ahora por cientos. De hecho, una proporción importante de todo el cálculo
científico que se lleva a cabo en computadoras se dedica al uso de la
programación lineal y a técnicas íntimamente relacionadas. (Esta proporción se
estimó en un 25%, en un estudio de la IBM).
Un modelo de programación lineal proporciona un método eficiente para
determinar una decisión óptima, (o una estrategia óptima o un plan óptimo)
escogida de un gran número de decisiones posibles.
En todos los problemas de Programación Lineal, el objetivo es la
maximización o minimización de alguna cantidad para la oportuna toma de
decisiones en una organización.
EL GRUPO
TITULO: LA PROGRAMACION LINEAL Y LA TOMA DE DECISIONES.
1) PROBLEMA.
1.1. Formulación y definición del problema.
1.1.1. problema general.
¿Como Influye La Programación Lineal En La Obtención De Utilidades
De Las Empresas Y La Correcta Toma De Decisiones En El Año 2006?
1.1.2. Problema especifico.
¿Cómo se emplea la programación lineal en la maximización de las
utilidades de las empresas para la correcta toma de decisiones en el año
2006?
¿Cómo se asignan los recursos en la programación lineal en busca de la
correcta toma de decisiones en el año 2006?
2) OBJETIVOS.
2.1. Formulación del objetivo.
2.1.1. Objetivo general.
Determinar cual es la influencia de la programación lineal en la obtención
de utilidades de las empresas y la correcta toma de decisiones en el año
2006.
2.1.2. Objetivo especifico.
Analizar el empleo de la programación lineal en la
maximización de las utilidades de las empresas y la correcta
toma de decisiones en el año 2006.
Determinar la forma de asignar recursos en la programación
lineal en busca de la correcta toma de decisiones en el año
2006.
Saber representar la región factible generada por varias
restricciones de carácter lineal y calcular los vértices de ella
resolviendo sistemas de inecuaciones y ecuaciones lineales.
Dominar el lenguaje propio de la programación lineal: función
objetivo, restricciones, región factible, etc...
Saber encontrar esa solución óptima.
3) JUSTIFICACIÓN Y LIMITACIONES DEL PROBLEMA.
3.1. Justificación de la investigación.
Este trabajo de investigación se fundamenta principalmente en
proporcionar una idea clara sobre lo que representa la programación lineal en las
empresas para la toma de decisiones.
Se considera hacer un problema significativo en la medida que
contribuya a la mayor conciencia organizacional de las empresas para utilizar la
programación lineal.
La presente investigación se desarrolla en cumplimiento del rol del
estudiante para efecto de sustentación del trabajo de investigación del curso de
métodos cuantitativos.
3.2. Limitaciones del Problema.
En el presente trabajo encontramos las siguientes limitaciones:
Frecuentemente es necesario hacer simplificaciones del problema original
para poder manipularlo y detener una solución.
La mayoría de los modelos sólo considera un solo objetivo y
frecuentemente en las organizaciones se tienen objetivos múltiples.
Existe la tendencia a no considerar la totalidad de las restricciones en un
problema práctico, debido a que los métodos de enseñanza y entrenamiento
dan la aplicación de esta ciencia centralmente se basan en problemas
pequeños para razones de índole práctico, por lo que se desarrolla en los
alumnos una opinión muy simplista e ingenua sobre la aplicación de estas
técnicas a problemas reales.
Casi nunca se realizan análisis costo-beneficio de la implantación de
soluciones definidas por medio de la I de O, en ocasiones los beneficios
potenciales se van superados por los costos ocasionados por el desarrollo e
implantación de un modelo.
4) MARCO TEÖRICO.
4.1. ANTECEDENTES DEL PROBLEMA.
La primera actividad de Investigación de Operaciones se dio durante
la Segunda Guerra Mundial en Gran Bretaña, donde la Administración Militar
llamó a un grupo de científicos de distintas áreas del saber para que estudiaran
los problemas tácticos y estratégicos asociados a la defensa del país.
El nombre de Investigación de Operaciones fue dado aparentemente
porque el equipo estaba llevando a cabo la actividad de investigar operaciones
(militares).
Motivados por los resultados alentadores obtenidos por los equipos
británicos, los administradores militares de Estados Unidos comenzaron a
realizar investigaciones similares. Para eso reunieron a un grupo selecto de
especialistas, los cuales empezaron a tener buenos resultados y en sus estudios
incluyeron problemas logísticos complejos, la planeación de minas en el mar y la
utilización efectiva del equipo electrónico. 1
Al término de la guerra y atraídos por los buenos resultados obtenidos
por los estrategas militares, los administradores industriales empezaron a aplicar
las herramientas de la Investigación de Operaciones a la resolución de sus
problemas que empezaron a originarse debido al crecimiento del tamaño y la
complejidad de las industrias.
Aunque se ha acreditado a Gran Bretaña la iniciación de la Investigación
de Operaciones como una nueva disciplina, los Estados Unidos tomaron pronto
el liderazgo en este campo rápidamente creciente. La primera técnica
matemática ampliamente aceptada en el medio de Investigación de Operaciones
fue el Método Símplex de Programación Lineal, desarrollado en 1947 por el
matemático norteamericano George B. Dantzig. Desde entonces las nuevas
técnicas se han desarrollado gracias al esfuerzo y cooperación de las personas
interesadas tanto en el área académica como en el área industrial.
Un segundo factor en el progreso impresionante de la Investigación de
Operaciones fue el desarrollo de la computadora digital, que con sus tremendas
1 http://www.investigacion-operaciones.com/contenido.htm
capacidades de velocidad de cómputo y de almacenamiento y recuperación de
información, permitieron al tomador de decisiones rapidez y precisión.
Si no hubiera sido por la computadora digital, la Investigación de
Operaciones con sus grandes problemas de computación no hubiera crecido al
nivel de hoy en día.
Actualmente la Investigación de Operaciones se está aplicando en
muchas actividades. Estas actividades han ido más allá de las aplicaciones
militares e industriales, para incluir hospitales, instituciones financieras,
bibliotecas, planeación urbana, sistemas de transporte y sistemas de
comercialización. 2
La Programación Lineal es una teoría matemática desarrollada en el siglo XX.
Los matemáticos que han intervenido en la creación y desarrollo de la
Programación Lineal han sido: 3
Leonid Vitalevich Kantorovitch, que en 1939 publica una monografía
titulada "Métodos matemáticos de organización y planificación de la
producción".
Tjalling Charles Koopmans, que junto con el anterior estudiaron entre 1941 y
1942 el conocido ahora como problema del transporte. Ambos recibieron el
premio Nobel de Economía en 1975.
George Joseph Stigler, que en 1945 planteó el problema del régimen
alimenticio optimal, conocido ahora como problema de la dieta.
George Bernard Dantzig, que formuló en 1947 el enunciado general al que se
reduce cualquier problema de Programación Lineal y autor del método del
simplex para la resolución de problemas.
John von Neumann, que en 1947 relacionó los problemas de Programación
Lineal con la teoría de Matrices.
2 Taha Hamdy. (1.998) Investigación de operaciones, una introducción. 6° cd. México: Prentice Hall.
3 http://descartes.cnice.mecd.es/Algebra/prog_lineal_lbc/bibliografia_pl.htm
4.2. BASES TEÓRICAS.
INVESTIGACIÓN DE OPERACIONES, PODEROSA HERRAMIENTA PARA EL USO ÓPTIMO DE LOS RECURSOS ESCASOS
La programación lineal se centra en solucionar las siguientes
interrogantes:
¿Cuál es la forma más eficiente de asignar ciertos recursos escasos para
conseguir la más alta tasa de retorno? ¿Cuál es la mejor manera de asignar rutas
a una flotilla de transporte de bienes que deben ser colocados en bodegas de
distribuidores para que los costos sean más bajos? ¿Cuántas ventanillas deben
colocarse en un banco en las horas normales y en las horas y días pico para que
los clientes no se desesperen y se larguen al banco que está cruzando la calle?
¿Cuántas cajas registradoras deben habilitar un supermercado para que el
largo de las colas no entorpezca la circulación de los clientes que aún están
comprando y de los trabajadores que colocan mercadería, etiquetan y dan
atención al público? ¿De qué manera debe asignarse un presupuesto en una
industria (o en un sector de la economía de un país), para que se satisfaga la
demanda interna y externa del bien o servicio que produce?
¿Cuál será la demanda de líneas telefónicas para el año 2006, teniendo en
cuenta el crecimiento natural de la población, el cambio de sus hábitos, la
producción, el número de profesionales, escuelas, comercios, etcétera, que
habrá en ese entonces? ¿Será posible hacer predicciones (aproximadas por
supuesto) de cuántas escuelas, comercios, profesionales, etcétera, habrá en el
año 2006? Hermosa cantidad de preguntas para comenzar un artículo sobre
Investigación de Operaciones (IO), pero definitivamente es muy oportuno
porque es en estos casos donde los especialistas en esta disciplina pueden
apoyar a los demás. 4
Una pregunta más: ¿Qué es entonces la Investigación de Operaciones?
realmente es un poco difícil dar una respuesta corta a esta última pregunta pero
si la IO va a tratar de encontrar respuesta a las preguntas que hemos planteado
en el primer párrafo y a otra tonelada más, debemos tratar de definir lo que es.
4 http://www.investigacion-operaciones.com/contenido.htm
Hillier, Lieberman, Shamblin, Stevens, Taha, Tierauf, Grosse, Sasieni, por
mencionar algunos de los grandes especialistas en IO, dan una serie de
definiciones que bien podría resumirse como:
Es un enfoque científico de la toma de decisión. Podemos decir que la IO
utiliza un enfoque planeado (método científico) y un grupo interdisciplinario
para representar, mediante modelos simbólicos, las relaciones funcionales que
se dan en la realidad, lo cual suministra una base cuantitativa para la toma de
decisiones. Algo que es tan general como la definición que acabamos de dar
pero que da mucha claridad sobre lo que hace la Investigación de Operaciones
es que, cuando se aplica alguna herramienta de la IO, se busca obtener el
óptimo resultado del uso de los recursos escasos.
Mucho se dice de la formación previa que se debe tener para hacer
Investigación de Operaciones, incluso hay autores que aún dicen en sus libros,
que no se requiere ningún conocimiento de matemática para poder leerlo, sin
embargo, no advierten al ingenuo lector que tampoco podrán resolver
problemas reales sino solamente algunos ejemplos de juguete que se encuentran
ahí mismo. Nuestra experiencia en el campo de la enseñanza y la aplicación de
las herramientas de la IO, nos han hecho ver que para hacer IO en forma
profesional aceptable, se requiere de una sólida preparación en Estadística
Descriptiva e Inferencial, conocimientos sobre las aplicaciones del Cálculo
Diferencial e Integral y del Algebra Lineal, y desde luego, principios generales
de Economía, de lo contrario, el estudioso de la Investigación de Operaciones
se sentirá decepcionado y el que debe aplicarla se frustrará a menudo.
LA PROGRAMACIÓN LINEAL COMO HERRAMIENTAS PARA LA
TOMA DECISIONES
Es importante la programación lineal en la toma de decisiones para lo cual se
tiene que tener en cuenta lo siguiente:
1) Procedimiento analítico.- Este procedimiento únicamente es válido para
problemas con regiones factibles acotadas. Para resolver un problema de
Programación Lineal mediante el procedimiento analítico, necesitamos
conocer el siguiente teorema. 5
Teorema fundamental de la Programación lineal
Si un problema de Programación Lineal tiene región factible no
vacía, entonces, si existe el óptimo (máximo o mínimo) de la función
objetivo, se encuentra en un punto extremo (vértice) de la región
factible.
Si una función alcanza el valor óptimo en dos vértices consecutivos
de la región factible, entonces alcanza también dicho valor óptimo en
todos los puntos del segmento que determinan ambos vértices.
Teniendo en cuenta el teorema anterior, para calcular el máximo o el mínimo
de una función, será suficiente con evaluar la función objetivo en todos los
vértices de la región factible y quedarnos con el que proporciona el valor
óptimo.
2) Procedimiento gráfico.
Este procedimiento es válido tanto para problemas con regiones factibles
acotadas como no acotadas. Como los problemas que vamos a estudiar tienen
dos variables, es posible efectuar una representación gráfica en el plano y
encontrar gráficamente la solución. Sin embargo, este procedimiento no es
generalizable para un número cualquiera de variables.
Cualquier punto de la región factible es una solución factible para el problema
de Programación Lineal, sin embargo, nos interesa encontrar en cualquier
problema la solución óptima. Para encontrarla hacemos F(x,y)=0 y
representamos la recta que se obtiene llamada recta de beneficio nulo.
Posteriormente recorremos la región factible con rectas paralelas a la que hemos
representado, llamadas líneas de nivel o rectas de beneficio constante.
5 http://descartes.cnice.mecd.es/Algebra/prog_lineal_lbc/bibliografia_pl.htm
Observamos como varía la función objetivo al desplazar las rectas de nivel en un
sentido o en otro y los últimos puntos de contacto de estas rectas con la región
factible proporcionan el valor o valores máximos y mínimos.
3) Construcción de los Modelos de Programación Lineal
Para la formulación del modelo, de forma obligatoria se deben cumplir los
siguientes requerimientos para construir un modelo de Programación Lineal.
Requerimiento 1. Función objetivo. (F.O).
Debe haber un objetivo (o meta o blanco) que la optimización desea alcanzar.
Requerimiento 2. Restricciones y decisiones.
Debe haber cursos o alternativas de acción o decisiones, uno de los cuáles
permite alcanzar el objetivo.
Requerimiento 3. La F.O y las restricciones son lineales.
Deben utilizarse solamente ecuaciones lineales o desigualdades lineales.
Modelo Standard de Programación Lineal
Optimizar Z = C1X1+ C1X2 +….+ Cn Xn). Función objetivo.
Sujeto a:
a11X1+ a11X2 +…..+ a1nXn) b1
a21X1+ a21X2 +…..+ a2nXn) b1
Restricciones
am1X1+ am1X2 +…..+ amnXn) bm
Debiendo ser
X1 ≥ 0, X2 ≥ 0,….. Xn ≥ 0
Donde:
Xj : variables de decisión, j = 1,2.., n.
n : número de variables.
m : número de restricciones.
aij , bi , cj constantes, i = 1,2.., m.
Pasos para la construcción del modelo
1) Definir las variables de decisión.
2) Definir el objetivo o meta en términos de las variables de decisión.
3) Definir las restricciones.
4) Restringir todas las variables para que sean no negativas. . 6
EJEMPLO: SOBRE UN TALLER DE MANTENIMIENTO. 7
Un taller de mantenimiento fabrica dos tipos de piezas para la reparación
de equipos fundamentales del proceso productivo. Estas piezas requieren un
cierto tiempo de trabajo en cada una de las tres máquinas que las procesan. Este
tiempo, así como la capacidad disponible (horas) y la ganancia por cada pieza se
muestran en el cuadro siguiente:
Máquina Tiempo por Pieza Fondo de
Tiempo(h)A B
I 2 2 160
II 1 2 120
III 4 2 280
Ganancia ($/Pieza) 6 4
Se logra vender todo lo producido y se desea determinar la cantidad de
piezas a fabricar que optimice la ganancia.
6 http://descartes.cnice.mecd.es/Algebra/prog_lineal_lbc/bibliografia_pl.htm
7 Hiller Frederick y Lieberinan Gerald. (1.993) Introducción a la investigación de operaciones. 5° cd. Mexico: Mc Graw Hill.
Formulando el modelo
X1: Número de piezas del tipo A.
X2: Número de piezas del tipo B.
Optimizando la ganancia (Z).
Máx. Z = 6X1 + 4X2
Sujeto a las restricciones:
2X1 + 2X2 ≤ 160 Fondo de tiempo de la máquina 1.
X1 + 2X2 ≤ 120 Fondo de tiempo de la máquina 2.
4X1 + 2X2 ≤ 280 Fondo de tiempo de la máquina 3.
Como ninguna variable implicada puede ser negativa.
X1 ≥ 0, X2 ≥ 0
DESARROLLO EN LAS GRAFICAS.
a) 2X1 + 2X2 = 160
b)
Sujeto a:
Si: X1 = 0 X2 = 80 X2 = 0 X1 = 80
Grafica:
X 2
2(20) + 2(20) ≤ 160
80 ≤ 160
80
80 X1
c) X1 + 2X2 = 120
Sujeto a:
Si: X1 = 0 X2 = 60 X2 = 0 X1 = 120
Grafica:
X2
(10) + 2(10) ≤ 120
30 ≤ 120
60
120 X1
d) 4X1 + 2X2 = 280
Sujeto a:
Si: X1 = 0 X2 = 140 X2 = 0 X1 = 70
Grafica:
X2
140
4(20) + 2(20) ≤ 280
120 ≤ 280
70
X1
Uniendo los Gráficos Para Hallar la Región Factible y Punto Optimo:
Ubicación de Los puntos.
Hallando el Valor del Punto 3.
4X1+2X2 = 280
(-) 2X 1 +2X 2 = 160
2X1 = 120 X1 = 60
Reemplazando en la función 2
2(60)+2X2 = 160 2X2 = 160-120
2X2 = 40 X2 = 20
Hallando el Valor del Punto 4.
4X1+2X2 = 280
(-) X 1 +2X 2 = 120
3X1 = 160 X1 = 53,33
Reemplazando en la función 2
53,33+2X2 = 120 2X2 = 160-53,33
2X2 = 66,67 X2 = 33,34
Tenemos Los Puntos:
1) ( 0 , 0 )
2) ( 70 , 0 )
3) ( 60 , 20 )
4) ( 53,33 ; 33,34 )
5) ( 0 , 60 )
Evaluando En La Función Objetivo.
Máx. Z = 6X1 + 4X2
1) Z = 6(0) + 4(0) Z = 0
2) Z = 6(70) + 4(0) Z = 420
3) Z = 6(60) + 4(20) Z = 440
4) Z = 6(53,33) + 4(33,34) Z = 453,34
5) Z = 6(0) + 4(8) Z = 32
En Conclusión:
El punto optimo se da cuando la empresa obtiene el mayor valor
en la función objetivo Z = 453,34 quiere decir cuando produce la
cantidad de 53 unidades de la pieza “A” y 33 unidades de la pieza
“B” a fabricar.
4) Otros Métodos de Solución.
4.1 EL MÉTODO SIMPLEX .
Es un procedimiento que permite tender progresivamente hacia la
solución óptima. Es un procedimiento sistemático y eficiente para
encontrar y probar soluciones situadas en los vértices de optimización.
El método requiere que las restricciones sean ecuaciones en lugar de
inecuaciones, lo cual se logra añadiendo variables de holgura a cada
inecuación del modelo, variables que nunca pueden ser negativas y tienen
coeficiente 0 en la función objetivo. Para el modelo formulado
anteriormente tenemos:
Z - 6X1 – 4X2 = 0
2X1 + 2X2 + s1 = 160
X1 + 2X2 + s2 = 120
4X1 + 2X2 + s3 = 280
Todas las variables son no negativas.
La solución básica inicial se obtiene seleccionando las variables
de holgura como variables básicas.
ASPECTOS FUNDAMENTALES DEL MÉTODO SIMPLEX
1) Encuentra una solución óptima
2) Es un método de cambio de bases
3) Requiere que la función objetivo sea expresada de tal forma que
cada variable básica tenga como coeficiente 0
4) Requiere que cada variable básica aparezca en una y solamente
una ecuación de restricción.
4.2) LA DUALIDAD.
Asociado a cada problema de Programación Lineal existe un
llamado dual, de hecho al de Programación Lineal se le llama primal. La
forma general del problema dual es la siguiente:
Optimizar Z = b1Y1+ b1Y2 +….+ bn Yn). Función objetivo.
Sujeta a: a11Y1+ a11Y2 +…..+ am1Y1) C1
a21Y1+ a22Y2 +…..+ am2Y2) C1
Restricciones
a1mY1+ a2mY2 +…..+ amnYm) Cn
Para facilitar la comprensión de lo anterior considérese el diagrama
siguiente:
Primal Dual
C1……. Cn (1)
a11 b1
(2) (3)
am1 bm
b1……. bm (3)
(2) a11……. am1 C1
(1)
C2
Variables Variables
X1……. Xn Y1……. Ym
El problema dual tiene las siguientes características:
1) El objetivo de la optimización es contrario al del primal.
2) Las inecuaciones de restricción son inversas.
3) La solución del dual es la misma que la del primal.
Desde el punto de vista económico, el significado de las variables duales
es de gran interés para los gerentes, ya que representan el valor por
unidad de recurso adicional, lo cuál permite tomar decisiones sobre
donde invertir para incrementar las utilidades.
4.3.- ANÁLISIS DE SENSIBILIDAD
El objetivo del análisis de sensibilidad es determinar la influencia
de ciertos valores en la solución óptima, que nos permite la interpretación
razonable de los resultados obtenidos. En muchos casos la información
lograda por la aplicación del análisis de sensibilidad puede ser más
importante y más informativa que simple resultado obtenido en la
solución óptima.
El análisis deviene del resultado de los cambios en:
Los coeficientes en la función objetivo.
Los términos independientes en las restricciones.
4.3. Marco Conceptual.
a) Optimización. Una característica adicional, que se mencionó como de pasada, es
que la Investigación de Operaciones intenta encontrar la mejor solución, o la
solución óptima, al problema bajo consideración. En lugar de contentarse
con sólo mejorar el estado de las cosas, la meta es identificar el mejor curso
de acción posible. Aún cuando debe interpretarse con todo cuidado, esta
“búsqueda de la optimalidad” es un aspecto muy importante dentro de la
Investigación de Operaciones.
b) Variables y parámetros de decisión. Las variables de decisión son las
incógnitas (o decisiones) que deben determinarse resolviendo el modelo. Los
parámetros son los valores conocidos que relacionan las variables de
decisión con las restricciones y función objetivo. Los parámetros del modelo
pueden ser determinísticos o probabilísticos.
c) Restricciones. Para tener en cuenta las limitaciones tecnológicas,
económicas y otras del sistema, el modelo debe incluir restricciones
(implícitas o explícitas) que restrinjan las variables de decisión a un rango de
valores factibles.
d) Función objetivo. La función objetivo define la medida de efectividad del
sistema como una función matemática de las variables de decisión.
La solución óptima será aquella que produzca el mejor valor de la
función objetivo, sujeta a las restricciones.
TIPOS DE PROBLEMAS DE PROGRAMACIÓN LINEAL.
En un problema de Programación Lineal, según sean las
restricciones, se obtendrán poliedros diferentes, acotados o no, y según
sea la posición de la función objetivo respecto de dicho poliedro se
pueden originar diferentes situaciones. Según el tipo de soluciones que
presenten un problema de Programación Lineal puede ser:
a) Factible: si existe la región factible. En este caso nos podemos
encontrar:
b) Optimo finito y único. La solución óptima está formada por un
único punto con coordenadas reales.
c) Múltiples óptimos. Un problema de Programación Lineal puede
tener más de un óptimo. Además, o bien el problema tiene un único
óptimo, o bien, tiene infinitos óptimos.
d) Óptimo infinito. Un problema de Programación Lineal puede tener
un óptimo no finito, es decir, la función objetivo puede tomar, un
valor tan grande o tan pequeño como se quiera sin abandonar la
región factible.
e) Región factible no acotada, óptimo finito. La no acotación de la
región factible no implica necesariamente óptimo infinito. Puede
ocurrir que la función objetivo alcance el óptimo en la zona acotada
de la región factible.
f) Región factible no acotada, óptimo finito e infinito. Puede darse el
caso que todos los puntos de una de las semirrectas que determinan la
región factible no acotada sean solución del problema.
g) No factible. Región factible vacía. El conjunto de restricciones de
un problema de Programación Lineal puede ser incompatible,
conduciendo a una región factible vacía.
5) HIPOTESIS.
5.1. Hipótesis General.
La Programación Lineal Influye En La Obtención De Utilidades De Las
Empresas En El Año 2006 A Travez De La Búsqueda Del Punto Optimo
De Aprovechamiento De Los Recursos Para Luego Tomar La Mejor
Decisión Para Cada Problema De Utilización De Recursos De Acuerdo Al
Resultado Obtenido.
5.2. Hipótesis Específica.
1. La programación lineal en la maximización de las utilidades de las
empresas para la correcta toma de decisiones en el año 2006 se emplea
a través del uso del método matemático para encontrar los resultados
óptimos.
2. Los recursos en la programación lineal se asignan en el año 2006 en
dos partes, lo primero esta dado por una estimación que se hace para
analizarlo en el modelo matemático y la segunda luego de obtener el
resultado de aplicado el procedimiento matemático eso si ya nos va a
conducir a la correcta toma de decisiones.
6) VARIABLES.
6.1.- Variable Independiente.
La Programación Lineal En La Obtención De Utilidades De Las Empresas
En El Año 2006.
6.2.- Variable Dependiente.
La Correcta Toma De Decisiones En El Año 2006.
7) METODOLOGÍA DE LA INVESTIGACIÓN DE OPERACIONES.
El proceso de la Investigación de Operaciones comprende las siguientes
fases:
a) Formulación y definición del problema.
b) Construcción del modelo.
c) Solución del modelo.
d) Validación del modelo.
e) Implementación de resultados.
a) Formulación y definición del problema.- Consiste en una descripción
de los objetivos del sistema, es decir, qué se desea optimizar; identificar
las variables implicadas, ya sean controlables o no; determinar las
restricciones del sistema. También hay que tener en cuenta las
alternativas posibles de decisión y las restricciones para producir una
solución adecuada.
b) Construcción del modelo.- En esta fase, el investigador de operaciones
debe decidir el modelo a utilizar para representar el sistema. Debe ser
un modelo tal que relacione a las variables de decisión con los
parámetros y restricciones del sistema. Los parámetros (o cantidades
conocidas) se pueden obtener ya sea a partir de datos pasados o ser
estimados por medio de algún método estadístico. Es recomendable
determinar si el modelo es probabilístico o determinístico. El modelo
puede ser matemático, de simulación o heurístico, dependiendo de la
complejidad de los cálculos matemáticos que se requieran.
c) Solución del modelo.- Una vez que se tiene el modelo, se procede a
derivar una solución matemática empleando las diversas técnicas y
métodos matemáticos para resolver problemas y ecuaciones. Debemos
tener en cuenta que las soluciones que se obtienen en este punto del
proceso, son matemáticas y debemos interpretarlas en el mundo real.
Además, para la solución del modelo, se deben realizar análisis de
sensibilidad, es decir, ver como se comporta el modelo a cambios en las
especificaciones y parámetros del sistema. Esto se hace, debido a que
los parámetros no necesariamente son precisos y las restricciones
pueden estar equivocadas.
d) Validación del modelo.- La validación de un modelo requiere que se
determine si dicho modelo puede predecir con certeza el
comportamiento del sistema. Un método común para probar la validez
del modelo, es someterlo a datos pasados disponibles del sistema actual
y observar si reproduce las situaciones pasadas del sistema. Pero como
no hay seguridad de que el comportamiento futuro del sistema continúe
replicando el comportamiento pasado, entonces siempre debemos estar
atentos de cambios posibles del sistema con el tiempo, para poder
ajustar adecuadamente el modelo.
e) Implementación de resultados.- Una vez que hayamos obtenido la
solución o soluciones del modelo, el siguiente y último paso del proceso
es interpretar esos resultados y dar conclusiones y cursos de acción para
la optimización del sistema. Si el modelo utilizado puede servir a otro
problema, es necesario revisar, documentar y actualizar el modelo para
sus nuevas aplicaciones.
BIBLIOGRAFÍA
Taha,H: Investigación de Operaciones.Alfaomega,México,1995.
Buffa,E: Operations Management: Problems and Models. Edición
Revolucionaria,La Habana, 1968.
Título: "Programación lineal y métodos de optimización".Autor: Eduardo
Ramos Méndez. Universidad Nacional de Educación a Distancia. Madrid.
1997.
GUILLERMO, GOMERO CAMONES (Métodos de Investigación
Científica) Ed. Lima 1996.
C.P.C. Mario, Apaza Meza y Eco. Rosario Quispe Ramos (Diccionario
Empresarial Tomo I, II y III) Edición 2002.
http://descartes.cnice.mecd.es/Algebra/prog_lineal_lbc/bibliografia_pl.htm
http://thales.cica.es/rd/Recursos/rd98/Matematicas/29/intro.html
Arbonas, M.E. Optimización Industrial (I): Distribución de los recursos.
Colección Productica No. 26. Marcombo S.A, 1989.
Arbonas, M.E. Optimización Industrial (II): Programación de recursos.
Colección Productica No. 29. Marcombo S.A, 1989.
Anderson, D.R., Sweeney.J. , Williams,T.A. , Introducción a los Modelos
Cuantitativos para Administración. Grupo Editorial Iberoamérica. 1993.
Moskowitz,H. y Wright G.P. Investigación de Operaciones. Prentice_Hall
Hispanoamericana S.A. 1991.
Trujillo,J;Batista,A: Métodos Económicos-Matemáticos I.Editorial ISPJAE,
Habana,1986
ESQUEMA DEL TRABAJO DE INVESTIGACION
TITULO: LA PROGRAMCION LINEAL Y LA TOMA DE DECISIONES.
1) JUSTIFICACIÓN Y LIMITACIONES DEL PROBLEMA.
1.1. Justificación de la investigación.
1.2. Limitaciones del Problema.
2) PROBLEMA.
2.1. Formulación y definición del problema.
2.1.1. problema general.
2.1.2. Problema especifico.
3) OBJETIVOS.
3.1. Formulación del objetivo.
3.1.1. Objetivo general.
3.1.2. Objetivo especifico.
4) MARCO TEÖRICO.
4.1. ANTECEDENTES DEL PROBLEMA.
4.2. BASES TEÓRICAS.
Investigación de operaciones, poderosa herramienta para el uso óptimo de los recursos escasos.
La programación lineal como herramientas para la toma decisiones
1) Procedimiento analítico
2) Procedimiento gráfico.
3) Construcción de los Modelos de Programación Lineal
EJEMPLO: SOBRE UN TALLER DE MANTENIMIENTO.
4) Otros Métodos de Solución.
4.1 EL MÉTODO SIMPLEX.
4.2) LA DUALIDAD.
4.3.- ANÁLISIS DE SENSIBILIDAD
4.3. Marco Conceptual.
5) HIPOTESIS.
5.1. Hipótesis General.
5.2. Hipótesis Específica.
6) VARIABLES.
6.1.- Variable Independiente.
6.2.- Variable Dependiente.
7) METODOLOGÍA DE LA INVESTIGACIÓN DE OPERACIONES.
a) Formulación y definición del problema.
b) Construcción del modelo.
c) Solución del modelo.
d) Validación del modelo.
e) Implementación de resultados.
8) BIBLIOGRAFÍA
.
UNIVERSIDAD NACIONAL“SANTIAGO ANTUNEZ DE MAYOLO”
FACULTAD DE ECONOMÍA Y CONTABILIDAD
ESCUELA DE FORMACIÓN PROFESIONAL DE CONTABILIDAD
ASIGNATURA:
METODOS CUANTITATIVOS CONTABLES.
TEMA DE INVESTIGACION:
“PROGRAMACION LINEAL Y TOMA DE
DECISIONES.”
DOCENTE:
MSc. WILLIAM Z. OJEDA PEREDA.
INTEGRANTES : Mendoza Rivas Marco Moreno Gonzales Janeth Rimac Quito Soledad
HUARAZ – ANCASH - PERÚ
2006 - I