UNIDAD I MODELOS Y TOMA DE DECISIONES

Slides:



Advertisements
Presentaciones similares
UNIVERSIDAD CENTRAL “MARTA ABREU” DE LAS VILLAS
Advertisements

PROGRAMACIÓN LINEAL.
Tema 5. LAS EMPRESAS DE LOS MERCADOS COMPETITIVOS
INVESTIGACION DE OPERACIONES I
INTRODUCCION Análisis de decisiones: Es una herramienta cuyo objetivo es ayudar en el estudio de la toma de decisiones en escenarios bajo incertidumbre.
La función productiva en la empresa
Tema 4 Introducción a la Programación Lineal
UNIDAD III PROGRAMACIÓN MATEMÁTICA
UNIDAD III PROGRAMACIÓN MATEMÁTICA
Programación 10-Marzo-11.
UNIDAD I MODELOS Y TOMA DE DECISIONES
UNIDAD III MODELOS PROBABILISTICOS
Tema 3: Introducción a la programación lineal
UNIDAD IV MODELOS PROBABILISTICOS
UNIDAD I MODELOS Y TOMA DE DECISIONES
UNIDAD I MODELOS Y TOMA DE DECISIONES
UNIDAD III PROGRAMACIÓN MATEMÁTICA
UNIDAD II ANALISIS DE DECISIONES Diapositivas Unidad II M.A. Erika Straffon Del Castillo.
Investigación de Operaciones
Expresión de un problema de programación lineal Aplicaciones de la programación lineal Soluciones de un problema lineal Resolución gráfica de un problema.
ESTUDIO TECNICO DEL PROCESO PRODUCTIVO
Programación lineal Todos los modelos de investigación de operaciones, incluido el de PL, consta de tres componentes básicos: Las variables de decisión.
Tema V Programación Lineal
ESCUELA POLITECNICA DEL EJERCITO COMPUTACIÒN AVANZADA NOMBRES:
Matemáticas CCSS II Ana Pola IES Avempace
Curso de Verano 2010 para el ITSSMT
Resolución de Problemas Método Simplex
UNIDAD II ANALISIS DE DECISIONES
Universidad de los Andes-CODENSA
Programación Lineal Unidad 1 Parte 3.
TEMA: ECUACIONES CUADRÁTICAS
PROGRAMACIÓN LINEAL.
Depto. Matemáticas – IES Elaios Tema: Programación Lineal
Análisis Marginal.
ECUACIONES CUADRÁTICAS
Toma de Decisiones Toda toma de decisión empieza con la detección de un problema. Para tomar la decisión correcta, se debe: Definir el problema en forma.
PROGRAMACIÓN LINEAL.
Modelos Cuantitativos
IES ATENEA (S.S. de los Reyes)
PROBLEMA TEXTIL AMERICA, una destacada empresa fabricante de camisas debe decidir su plan de producción para el próximo mes, para lo cual debe determinar.
Investigación Operativa I Ing. Julio Angeles Morales.
Dualidad Multiplicadores Dualidad Aplicación práctica:
Enfoque Clásico o Cardinal
El costo de capital marginal ponderado (CCMP)
Tema V Programación Lineal
UNIDAD 6 TEORÍA DE LOS COSTOS DE PRODUCCIÓN.
UNIDAD 5 TEORÍA DE LA PRODUCCIÓN.
Método SIMPLEX. PPL: Caracterización Objetivo: Encontrar la mejor distribución posible de los recursos escasos entre las diversas actividades o tareas,
Dentro del mundo de la resolución de problemas te encontraras en ocasiones en que la incógnita que deseas encontrar no tiene tantas restricciones que.
-El precio es una variable del marketing que viene a sintetizar, en gran número de casos, la política comercial de la empresa. Por un lado, tenemos las.
Programación Lineal.
Análisis del consumidor
EII-405 Investigación de operaciones
EII – 405 Investigación de Operaciones
EII405 Investigación de operaciones
Resolución Gráfica de PPL
INVESTIGACION OPERATIVA 1 SOMOS LO QUE SOMOS Método Grafico La solución de un modelo lineal muestra siempre un conjunto factible delimitado por las restricciones.
UNIDAD II ANALISIS DE DECISIONES “Ejercicios 2” M.A. Erika Straffon Del Castillo.
 E Expresión de un problema de programación lineal  A Aplicaciones de la programación lineal  S Soluciones de un problema de programación lineal.
Tema : Investigación de Operaciones y Gestión de la Calidad.
CONSTRUCCIÓN DE MODELOS
Método Simplex Es un procedimiento sistemático y eficiente para encontrar y probar soluciones situadas en los puntos extremos de la región de soluciones.
Unidad 5. la función productiva de la empresa
Guayaquil, 18 de Septiembre del 2015 Tema : Programación Lineal (Función Objetivo) Destreza: Identificar la función objetivo y escribir una expresión.
Mclobely System Solver Ing. Marko Castillo Peña. INTRODUCCIÓN  Actualmente la administración está funcionando en un ambiente de negocios que está sometido.
CONSTRUCCION DEL DISEÑO DE UN OVA, HACIENDO USO DE HERRAMIENTAS VIRTUALES EDGAR MAURICIO ALBA V. Presentado al Ing. John Alejandro Figueredo Luna en el.
Elementos de Investigación de Operaciones Estructuración de la Materia Bibliografía, Evaluación, Proyecto S esión T eórico/ P ráctica N o. 1 Nelson José.
Universidad Fermín Toro Vice Rectorado Académico Facultad de Ciencias Económicas y Sociales Escuela de Administración Lizmer, Arrieche C.I. No
Estudio técnico El objetivo de este estudio es verificar la posibilidad técnica de fabricación del producto o prestación del servicio que pretende realizar.
ADERLIN FLORES MALLMA.
Transcripción de la presentación:

UNIDAD I MODELOS Y TOMA DE DECISIONES “Diapositivas Unidad I” M.A. Erika Straffon Del Castillo

REDDY MIKKS COMPANY Reddy Mikks Company posee una pequeña fábrica de pinturas para interiores y exteriores de casas para su distribución al mayoreo. Se utilizan dos materiales básicos, A y B, para producir las pinturas. La disponibilidad máxima de A es de 6 toneladas diarias; la de B es de 8 toneladas por día. La necesidad diaria de la materia prima por tonelada de pintura para interiores y exteriores se resumen en la siguiente tabla: Toneladas de materia prima por tonelada de pintura   Exterior Interior Disponibilidad de máxima (toneladas) Materia prima A 1 2 6 Materia prima B 8

Un estudio de mercado ha establecido que la demanda diaria de pintura para interiores no puede ser mayor que la pintura para exteriores en más de una tonelada. Asimismo, el estudio señala que la demanda máxima de pintura para interiores está limitada a dos toneladas diarias. El precio al mayoreo por tonelada es $3,000 para la pintura de exteriores y $2,000 para la pintura de interiores. ¿Cuánta pintura para exteriores e interiores debe producir la compañía todos los días para maximizar el ingreso bruto?

Construcción del modelo matemático La construcción de un modelo matemático se puede iniciar respondiendo las tres siguiente preguntas: 1.¿Qué busca determinar el modelo? Dicho de otra manera, ¿cuáles son las variables (incógnitas) del problema? 2.¿Qué restricciones deben imponerse a las variables a fin de satisfacer las limitaciones del sistema representado por el modelo? 3.¿Cuál es el objetivo (meta) que necesita alcanzarse para determinar la solución optima (mejor) de entre todos los valores factibles de las variables?

Función objetivo Variables Como deseamos determinar las cantidades de pintura para exteriores e interiores que se producirán, la variables del modelo se puede definir como: XE = toneladas de pintura para exteriores producidas diariamente XI = toneladas de pintura para interiores producidas diariamente Función objetivo Como cada tonelada de pintura para exteriores se vende en $3,000, el ingreso bruto obtenido de la venta de XE toneladas es 3XE miles de unidades monetarias. En forma análoga, el ingreso bruto que se obtiene de vender XI toneladas de pintura para interiores es 2XI miles de unidades monetarias. Bajo la suposición de que las ventas de pintura para exteriores e interiores son independientes, el ingreso bruto se convierte en la suma de los dos ingresos.

Si hacemos que z represente el ingreso total (en miles de unidades monetarias), la función objetivo se puede escribir matemáticamente como z = 3XE + 2XI La meta consiste en determinar los valores (factibles) de XE y XI que maximizarán este criterio. Restricciones El problema de Reddy Mikks impone restricciones sobre el uso de materias primas y sobre la demanda. La restricción del uso de materias primas se puede expresar en forma verbal como: (uso de materias primas en ambas pinturas) ≤ (disponibilidad máxima de materias primas)

XE + 2XI ≤ 6 (materia prima A) 2XE + XI ≤ 8 (materia prima B) Esto nos lleva las restricciones que siguen: XE + 2XI ≤ 6 (materia prima A) 2XE + XI ≤ 8 (materia prima B) Las restricciones sobre la demanda se expresan en forma verbal como: (cantidad en exceso de pinturas para interiores sobre exteriores) ≤ 1 tonelada por día (demanda de la pintura para interiores) ≤ 2 tonelada por día Matemáticamente, éstos de expresan, respectivamente, como: XI - XE ≤ 1 (exceso de pintura para interiores sobre pintura para exteriores) XI ≤ 2 (demanda máxima de pintura para interiores)

XI ≥ 0 (pintura para interiores) XE ≥ 0 (pintura para exteriores) Una restricción implícita (o “sobreentendida”) es que la cantidad que se produce de cada pintura no puede ser negativa(menor que cero). Para evitar obtener una solución como ésta, imponemos las restricciones de no negatividad, que normalmente se escriben como: XI ≥ 0 (pintura para interiores) XE ≥ 0 (pintura para exteriores) Los valores de las variables XE y XI se dice constituyen una solución factible si satisfacen todas las restricciones del modelo, incluyendo las restricciones de no negatividad. El modelo matemático completo para el problema de Reddy Mikks se puede resumir ahora de la manera siguiente: Determínense las toneladas de pintura para interiores y exteriores que se producirán para: Maximizar z = 3XE + 2XI (función objetivo) Sujeto a XE + 2XI ≤ 6 2XE + XI ≤ 8 - XE + XI ≤ 1 (restricciones) XI ≤ 2 XE ≥ 0 , XI ≥ 0

Solución gráfica de modelos de PL Cada punto contenido o situado en la frontera del espacio de soluciones ABCDEF satisface todas la restricciones y por consiguiente, representa un punto factible. Aunque hay un número infinito de puntos factibles en el espacio de soluciones, la solución óptima puede determinarse al observar la dirección en la cual la función objetivo: z = 3XE + 2XI Referencias bibliográficas Bierman, Bonini y Hausman. (1994). Análisis cuantitativo para la toma de decisiones. Wilmington, Delaware: Addison-Wesley Iberoamericana Taha, Hamdy A. (2004) Investigación de operaciones. México: Alfaomega.