Algoritmos exactos y heurísticos para minimizar el adelantamiento y retraso ponderados en una máquina con una fecha de entrega común

Tamaño: px
Comenzar la demostración a partir de la página:

Download "Algoritmos exactos y heurísticos para minimizar el adelantamiento y retraso ponderados en una máquina con una fecha de entrega común"

Transcripción

1 Algoritmos... en una máquina con una fecha de entrega común Algoritmos exactos y heurísticos para minimizar el adelantamiento y retraso ponderados en una máquina con una fecha de entrega común R. Alvarez-Valdés, E. Crespo, J.M. Tamarit Universitat de València Villa, M. Fulgencia Universitat Politècnica de València RESUMEN En la planificación Just-In-Time (JIT) no sólo se penaliza el retraso sino también el adelanto en la ejecución de las tareas. En nuestro trabajo consideramos el problema de planificación de una máquina donde el objetivo es minimizar el coste total ponderado del atraso y el adelanto con un fecha de entrega común. Partiendo de los trabajos anteriores que nos describen las características de las soluciones óptimas hemos desarrollado diferentes modelos que proporcionan soluciones de una gran calidad comparadas con las existentes hasta ahora en la literatura. Palabras clave: Secuenciación; Una máquina; Adelanto y retraso; Heurísticas; Programación Cuadrática Clasificación JEL (Journal Economic Literature): C65 Área temática: Programación Matemática XVI Jornadas de ASEPUMA y IV Encuentro Internacional 1

2 Alvarez-Valdés, Crespo, Tamarit y Villa 1 INTRODUCCIÓN En la planificación Just-In-Time (JIT) se penaliza tanto el retraso en la ejecución de las tareas como el adelanto de las mismas. Las tareas atrasadas suponen descontento del cliente, penalizaciones en los contratos, pérdidas de ventas y reputación... Pero también las tareas adelantadas tienen efectos no deseables tales como costes de almacenamiento y seguros, costes de oportunidad del dinero invertido en el exceso de inventario y deterioro del producto. Por tanto, los criterios relacionados tanto con el retraso como el adelanto han suscitado una atención creciente en la investigación de la planificación de máquinas. En nuestro trabajo consideramos el problema de planificación de una máquina donde el objetivo es minimizar el coste total ponderado del atraso y el adelanto con un fecha de entrega común. El problema puede definirse tal como exponemos a continuación. Sean n tareas que han de ser procesadas en una máquina, todas ellas con una fecha de entrega común d. Para cada tarea i, el tiempo de proceso es p i y las penalizaciones por periodo de adelanto o de retraso α i y β i respectivamente. No están permitidas interrupciones en las tareas, todas ellas están disponibles en el periodo cero y las máquinas están siempre disponibles. Si llamamos C i al tiempo total de finalización de la tarea i podemos expresar la función objetivo como min n i α i E i + β i T i, donde E i = max{d C i, 0} y T i = max{c i d, 0}. Cuando trabajamos con esta función objetivo hay que distinguir dos casos. En el caso no restrictivo la fecha de entrega es mayor o igual que la suma de todos los tiempos de proceso, por tanto no influye en la secuencia óptima de las tareas. En el caso contrario, el restrictivo, la fecha de entrega puede afectar a la secuenciación óptima. Trabajos previos sobre el problema considerado demuestran que siempre hay una solución óptima que satisface tres propiedades: 2 XVI Jornadas de ASEPUMA y IV Encuentro Internacional

3 Algoritmos... en una máquina con una fecha de entrega común 1La solución no contiene ningún periodo ocioso entre tareas consecutivas (Cheng and Kahlbacher). 2 La planificación óptima tiene forma de V alrededor de la fecha de entrega común. Las tareas acabadas antes de la fecha de entrega están secuenciadas en orden no creciente del valor p i /α i mientras que las que empiezan en o después de la fecha de entrega están secuenciadas en orden no decreciente de p i /β i (Baker and Scudder). Algunos autores dicen que la forma es de W considerando la posibilidad de un tarea intermedia que empiece antes de d y acabe después. 3 En la planificación óptima o bien una tarea empieza en el tiempo cero o bien hay una que acaba en la fecha de entrega (Hoogeveen and van de Velde). Los procedimientos de solución deben tener en cuenta estas propiedades para diseñar sus estrategias de construcción y mejora. En nuestro trabajo proponemos modelos cuadráticos para el problema y estudiamos su capacidad de producir soluciones óptimas y aproximadas para problemas grandes. 2 FORMULACIONES DEL PROBLEMA De acuerdo con la propiedad 3 podemos clasificar las instancias en dos clases: aquellas en los que la solución óptima tiene una tarea que acaba en la fecha de entrega y aquellas en las que comienza en el tiempo cero. Si en una instancia se dan las dos condiciones la clasificamos en la primera clase. Ésta incluye problemas que aparecen en la literatura como no restringidos porque la suma de los tiempos de proceso de todas las tareas es menor que la fecha de entrega, pero también los problemas en los que, aunque no todos las tareas pueden ser procesados antes de la XVI Jornadas de ASEPUMA y IV Encuentro Internacional 3

4 Alvarez-Valdés, Crespo, Tamarit y Villa fecha de entrega, aquellas tareas que una solución óptima incluiría antes de la fecha de entrega caben en el intervalo (0,d). La segunda clase corresponde a las instancias donde el intervalo (0,d) está completament lleno (de hecho habria más tareas dentro de él si fuera más grande) y la secuencia de tareas empieza en el tiempo cero. Hemos desarrollado un modelo diferente para cada una de estas clases de problemas. 2.1 Modelo 1: Problemas con una tarea que acaba en la fecha de entrega s.t. min α i b i b j p j + β i a i a j p j (1) i j>i, inb i j i, ina n b i p i d (2) i=1 a i + b i =1 i =1, 2,...,n (3) a i,b i {0, 1} i =1, 2,...,n (4) 1, si la tarea i acaba en o antes de d b i = 0, en otro caso. i =1, 2,.., n 1, si la tarea i comienza en o después de d a i = 0, en otro caso. i =1, 2,.., n (5) (6) Este primer modelo nos determina las tareas anteriores y posteriores a la fecha de entrega. Una vez clasificados en los dos grupos su posición relativa dentro de cada uno de ellos viene determinada por la propiedad 2 de la solución óptima. 4 XVI Jornadas de ASEPUMA y IV Encuentro Internacional

5 Algoritmos... en una máquina con una fecha de entrega común 2.2 Modelo 2: Problemas con una tarea que comienza en el tiempo cero min i α i b i (d b j p j )+ β i a i (T d j i, inb i a j p j ) j>i, ina + (1 b i a i )β i (T d a j p j ) (7) i j s.t. n b i p i d (8) i=1 n a i p i T d (9) i=1 a i + b i 1 i =1, 2,...,n (10) a i + b i n 1 (11) i a i,b i {0, 1} i =1, 2,...,n (12) El segundo modelo desarrollado considera la posibilidad de que puede aparecer una tarea que empiece antes de d y acabe después. Por tanto, la función objetivo se calcula considerando 3 términos. La contribución de las tareas anteriores a d (primer término de la ecuación) se calcula desde el instante inicial; la de las posteriores (segundo término) se calcula desde el final de la secuencia T = i p i y la de la tarea intermedia, si existe, se valora en el tercer término. 2.3 Un modelo auxiliar Para los problemas en los que d no afecta al óptimo la solución proporcionada por el primer modelo es la óptima. Los otros son resueltos óptimamente por el segundo modelo. Sin embargo, no es fácil decidir a priori si una instancia pertenece a la primera o la segunda clase. Aparte del caso obvio donde T = i p i <dhay otras muchas instancias para las que la clasificación no está clara. XVI Jornadas de ASEPUMA y IV Encuentro Internacional 5

6 Alvarez-Valdés, Crespo, Tamarit y Villa Para evitar esta dificultad proponemos solucionar un modelo auxiliar en el que el valor de d no está fijado: min α i b i b j p j + β i a i a j p j i j>i, inb i j i, ina (13) s.t. a i + b i =1 i =1, 2,...,n (14) a i,b i {0, 1} i =1, 2,...,n (15) 1, si la tarea i acaba en o antes de d b i = 0, en otro caso. i =1, 2,.., n 1, si la tarea i comienza en o después de d a i = 0, en otro caso. i =1, 2,.., n (16) (17) Una vez solucionado el mismo podemos obtener d = i b i p i, y la solución conseguida será óptima del problema original si d d. Como se puede comprobar en los resultados computacionales este modelo cuadrático se resuelve eficientemente y proporciona directamente la solución óptima del problema. Si d >d, la solución del modelo no es posible para el problema original. En este caso trabajaremos con el segundo modelo que es difícil de resolver para instancias grandes pero la solución del primero nos proporciona una solución factible y, por tanto, una cota superior de la solución óptima. 3 RESULTADOS COMPUTACIONALES 3.1 Instancias utilizadas El estudio computacional usa el conjunto de instancias generadas por Biskup y Feldman. Éste incluye instancias con 10, 20, 50, 100, 200, 500 y 1000 tareas, y 6 XVI Jornadas de ASEPUMA y IV Encuentro Internacional

7 Algoritmos... en una máquina con una fecha de entrega común para cada tamaño, se usan cuatro tipos diferentes de fechas de entrega: d = γ i p i, donde γ = 0.2, 0.4, 0.6, 0.8. Por tanto, ya que ninguna de ellas satisface i p i >d, son todas restringidas. Combinando tamaño y fechas de entrega tenemos 28 tipos para cada uno de los cuales se generaron aleatoriamente 10 instancias, lo que da un total de 280 instancias. Las penalizaciones por retraso son algo superiores a las del adelantamiento y, por tanto, las soluciones óptimas tienden a tener más tareas antes de la fecha de entrega que después. Como consecuencia los problemas con γ = 0.2 yγ = 0.4 pertenecen a la clase en los que, en el óptimo, una tarea empieza en el instante cero, mientras que cuando γ =0.8 un tarea acaba exactamente en la fecha de entrega. Cuando γ = 0.6 la clasificación no está clara. Dado que estas instancias han sido usadas por todos los autores mencionados podemos comparar nuestras soluciones con las mejores soluciones obtenidas hasta ahora. 3.2 Un esquema algorítmico para usar los diferentes modelos De acuerdo con las relaciones entre los diferentes modelos y sus características computacionales hemos diseñado un esquema algorítmico para resolver cada instancia de manera óptima si es posible y, en caso contrario, heurísticamente. Paso 1: Resolver el modelo auxiliar Si d d, parar. La solución obtenida és la óptima. Paso 2: Resolver el modelo 1 La solución obtenida es posible para el problema original y, por tanto, su valor es una cota superior de la solución óptima para la instancia. XVI Jornadas de ASEPUMA y IV Encuentro Internacional 7

8 Alvarez-Valdés, Crespo, Tamarit y Villa Paso 3: 1.Sin 20, Resolver el modelo 2 La solución obtenida es la óptima para la instancia. 2. Si n>20, resolver el modelo 2 puede ser muy largo. Podemos tomar la solución posible del Paso 2 o tratar de mejorarla con búsqueda local. 3.3 Resultados de los modelos Los modelos descritos anteriormente se resolvieron utilizando CPLEX 9.0. El modelo auxiliar resolvió casi (111) la mitad de las 280 instancias. En concreto, prácticamente todas las de γ =0.8 y la mayoría de las de γ =0.6. En los problemas mayores pusimos un límite al tiempo y, según nos indican las distancias a las cotas, las soluciones obtenidas fueron muy próximas a las óptimas. El principal inconveniente de este modelo es que cuando d >dpara una instancia dada, la solución no es posible para el problema original y hay que usar otro de los modelos. Todas las instancias de 10 tareas se resolvieron óptimamente con los modelos 1 ó2. En las instancias de 20 tareas, aunque se sospechaba que muchas de las soluciones conocidas eran las óptimas, no había garantía de ello. Nuestros modelos consiguieron las soluciones óptimas de todas ellas. En concreto, el modelo 1consiguió elóptimo en 29 de las 40 instancias y se quedó a una distancia entre el 0,11% y el 0,17% en los restantes. En estos casos restantes, resueltos con el modelo 2, el tiempo empleado, aunque razonable, había crecido enormemente respecto a las instancias de 10 tareas lo que imposibilitaba su utilización en instancias de mayor tamaño. En los casos de 50 tareas ninguno de los óptimos que no resolvió el modelo auxiliar era conocido previamente y los que no resolvió el modelo 1no lo pudo 8 XVI Jornadas de ASEPUMA y IV Encuentro Internacional

9 Algoritmos... en una máquina con una fecha de entrega común hacer el modelo 2 en un tiempo razonable. El modelo 1consiguió, excepto en un caso donde se queda a una distancia del 0,03%, todos los óptimos o las mejores soluciones conocidas lo que nos indica que, cuando crece el tamaño, el modelo 1 produce soluciones óptimas o muy buenas. En las instancias de 100 tareas los resultados son similares a los de 50 pero aquí se igualan todas las mejores soluciones. Cuando tenemos 200 tareas ninguno de los óptimos que no resolvió el modelo auxiliar era conocido previamente. Este modelo proporciona todos los óptimos para las instancias de γ =0.8 ydeγ =0.6. Para los otros valores de γ, aunque no se puede garantizar la optimalidad de las soluciones conseguidas por el modelo 1, éste proporciona la mejor solución conocida para 16 de las 20 no resueltas por el modelo auxiliar. En los casos de 500 tareas obtenemos resultados similares a los casos de 200 pero, como el tamaño es mayor el modelo 1, bate más claramente a los heurísticos previos. En las instancias mayores, las de 1000 tareas, de nuevo el modelo 1 mejora la mayoría de las soluciones conocidas, 34 de 40. En resumen, hay que señalar básicamente dos hechos: en primer lugar, aparte de lo dicho para las instancias de 10 tareas, obtenemos todos los óptimos en las de 20 tareas, casi la mitad en los casos de 50 a 500 e incluso unos pocos de 1000 tareas. En segundo lugar, el modelo 1puede ser considerado un excelente heurístico para aquellos casos en los que no consigue la solución óptima. La condición de que una tarea haya de acabar exactamente en la fecha de entrega tiene una mala influencia en la calidad de las soluciones para pequeñas instancias, lo que obliga a utilizar el modelo 2, pero es insignificante para las grandes. En estos casos la solución proporcionada por el modelo 1parece estar muy próxima al óptimo para instancias muy grandes. XVI Jornadas de ASEPUMA y IV Encuentro Internacional 9

10 Alvarez-Valdés, Crespo, Tamarit y Villa Por último, hemos de señalar que inicialmente pensamos en implementar procedimientos de búsqueda local. Sin embargo los resultados conseguidos por los modelos descritos eran de tan buena calidad que consideramos que las mejoras que podía obtener la búsqueda local no compensaban, en la inmensa mayoría de los casos, el esfuerzo computacional. 4 REFERENCIAS BIBLIOGRÁFICAS Baker, K.R. and Scudder, G.D. (1990). Sequencing with earliness and tardiness penalties: A review. Oper. Res., 38, Biskup, D. and Feldman, M. (2001). Benchmarks for scheduling on a single machine against restrictive and unrestrictive common due dates. Comput. Oper. Res., 28, Cheng, T.C.E. and Kahlbacher, H.G. (1991). A proof for the longest-job-first in one-machine scheduling. Naval Res. Logist., 38, Hoogeveen, J.A. and van de Velde, S.L. (1991). Scheduling around a small common due date. Eur. J. Oper. Res., 55, XVI Jornadas de ASEPUMA y IV Encuentro Internacional

Una heurística para la asignación de máquinas a trabajos fijos

Una heurística para la asignación de máquinas a trabajos fijos VIII Congreso de Ingeniería de Organización Leganés, 9 y 10 de septiembre de 2004 Una heurística para la asignación de máquinas a trabajos fijos José Manuel García Sánchez, Marcos Calle Suárez, Gabriel

Más detalles

TÉCNICAS DE PLANIFICACIÓN Y CONTROL DE PROYECTOS 1

TÉCNICAS DE PLANIFICACIÓN Y CONTROL DE PROYECTOS 1 Técnicas de planificación y control de proyectos Andrés Ramos Universidad Pontificia Comillas http://www.iit.comillas.edu/aramos/ Andres.Ramos@comillas.edu TÉCNICAS DE PLANIFICACIÓN Y CONTROL DE PROYECTOS

Más detalles

Flow-Shop Dinámico. Por: Juan Carlos Rivera Samuel De Greiff

Flow-Shop Dinámico. Por: Juan Carlos Rivera Samuel De Greiff Flow-Shop Dinámico Por: Juan Carlos Rivera Samuel De Greiff 1 Configuración tipo Flow- Shop Disposición lineal de los equipos. Productos con altos niveles de estandarización. Varios productos en volúmenes

Más detalles

Aplicación de la inteligencia artificial a la resolución del problema de asignación de estudiantes del departamento de PDI

Aplicación de la inteligencia artificial a la resolución del problema de asignación de estudiantes del departamento de PDI Aplicación de la inteligencia artificial a la resolución del problema de asignación de estudiantes del departamento de PDI Ricardo Köller Jemio Departamento de Ciencias Exactas e Ingeniería, Universidad

Más detalles

MODELOS DE PLANIFICACIÓN

MODELOS DE PLANIFICACIÓN MODELOS DE PLANIFICACIÓN Santiago de Compostela, Octubre 2006 1 s jk C max P Jm prmt L max NP Rm tree C j Algoritmos wj U j Uj Calendarios Fm prec w j U j Práctica CONTENIDO. Contents 1 Descripción del

Más detalles

FLEXIPLAN: UN SISTEMA DE PLANIFICACIÓN DE LA PRODUCCIÓN

FLEXIPLAN: UN SISTEMA DE PLANIFICACIÓN DE LA PRODUCCIÓN 27 Congreso Nacional de Estadística e Investigación Operativa Lleida, 8-11 de abril de 2003 FLEXIPLAN: UN SISTEMA DE PLANIFICACIÓN DE LA PRODUCCIÓN Vicente Valls 1, Jose Manuel Belenguer 1, Pilar Lino

Más detalles

CAPITULO 4 JUSTIFICACION DEL ESTUDIO. En este capítulo se presenta la justificación del estudio, supuestos y limitaciones de

CAPITULO 4 JUSTIFICACION DEL ESTUDIO. En este capítulo se presenta la justificación del estudio, supuestos y limitaciones de CAPITULO 4 JUSTIFICACION DEL ESTUDIO En este capítulo se presenta la justificación del estudio, supuestos y limitaciones de estudios previos y los alcances que justifican el presente estudio. 4.1. Justificación.

Más detalles

Una permutación eficiente para minimizar la suma de los tiempos de acabado de "n" trabajos en "m" máquinas Freddy Abarca R. fabarca@ic-itcr.ac.

Una permutación eficiente para minimizar la suma de los tiempos de acabado de n trabajos en m máquinas Freddy Abarca R. fabarca@ic-itcr.ac. Una permutación eficiente para minimizar la suma de los tiempos de acabado de "n" trabajos en "m" máquinas Freddy Abarca R. fabarca@ic-itcr.ac.cr El problema de la asignación de cargas de trabajo, a pesar

Más detalles

Fundamentos de Investigación de Operaciones Investigación de Operaciones 1 Programación Lineal Entera

Fundamentos de Investigación de Operaciones Investigación de Operaciones 1 Programación Lineal Entera Fundamentos de Investigación de Operaciones Investigación de Operaciones 1 11 de septiembre de 2003 1. Introducción Un LP donde se requiere que todas las variables sean enteras se denomina un problema

Más detalles

Formulación y resolución de problema de planificación de la producción

Formulación y resolución de problema de planificación de la producción Formulación y resolución de problema de planificación de la producción Informe Final Febrero de 2014 Matías González Russo Fernando Islas De Maio Facultad de Ingeniería Universidad de la República 2 Formulación

Más detalles

&$3Ì78/2 $/*25,7026 (92/87,926 $9$1=$'26 3$5$ 763 6.1. INTRODUCCIÓN

&$3Ì78/2 $/*25,7026 (92/87,926 $9$1=$'26 3$5$ 763 6.1. INTRODUCCIÓN &$3Ì78/2 6.1. INTRODUCCIÓN Los primeros avances para solucionar el TSP, por medio de Algoritmos Evolutivos han sido introducidos por Goldberg y Lingle en [68] y Grefenstette en [72]. En éste área muchos

Más detalles

Programación de Sistemas Productivos

Programación de Sistemas Productivos Universidad Simón Bolívar Programación de Sistemas Productivos Secuenciación de Operaciones PS-4162 Gestión de la Producción II 1 Contenido Secuencias de trabajo en los centros de trabajo Reglas de prioridad

Más detalles

METAHEURISTICAS Ideas, Mitos, Soluciones

METAHEURISTICAS Ideas, Mitos, Soluciones METAHEURISTICAS Ideas, Mitos, Soluciones OPTIMIZACION COMBINATORIA Qué es un problema de optimización combinatoria? Cómo se modela matemáticamente un problema de optimización combinatoria? Minimizar (o

Más detalles

Jhoan Sebastián Cadavid Jaramillo Ingeniero Industrial, Universidad Nacional de Colombia, jscadav0@unal.edu.co RESUMEN

Jhoan Sebastián Cadavid Jaramillo Ingeniero Industrial, Universidad Nacional de Colombia, jscadav0@unal.edu.co RESUMEN PROBLEMA DE PROGRAMACIÓN DE PRODUCCIÓN ABIERTA CON CARACTERÍSTICAS DE MÁQUINAS MÓVILES DEDICADAS Y CON TIEMPOS DE PREPARACIÓN DEPENDIENTES DE LA SECUENCIA ENTRE ETAPAS Alexander Alberto Correa Espinal

Más detalles

PLANIFICACIÓN Y PROGRAMACIÓN DE PROYECTOS METODOS PERT Y GANTT

PLANIFICACIÓN Y PROGRAMACIÓN DE PROYECTOS METODOS PERT Y GANTT PLANIFICACIÓN Y PROGRAMACIÓN DE PROYECTOS METODOS PERT Y GANTT [Escriba aquí una descripción breve del documento. Normalmente, una descripción breve es un resumen corto del contenido del documento. Escriba

Más detalles

UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS

UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS FACULTAD DE CIENCIAS MATEMÁTICAS E.A.P. DE..INVESTIGACIÓN OPERATIVA Sistemas de Inventarios Capítulo3. Marco teórico MONOGRAFÍA Para optar el Título de Licenciado

Más detalles

Capítulo VI MÉTODOS DE SOLUCIÓN PARA JOB SHOP SCHEDULING

Capítulo VI MÉTODOS DE SOLUCIÓN PARA JOB SHOP SCHEDULING Capítulo VI MÉTODOS DE SOLUCIÓN PARA JOB SHOP SCHEDULING 6.1. HEURÍSTICAS CONVENCIONALES El problema de job shop scheduling (JSSP) es un problema muy importante [69]; está entre los problemas de optimización

Más detalles

El nuevo sistema de crédito Europeo: Las cuentas al revés.

El nuevo sistema de crédito Europeo: Las cuentas al revés. El Nuevo Sistema de Crédito Europeo: Las Cuentas al revés El nuevo sistema de crédito Europeo: Las cuentas al revés. Camacho Peñalosa, Mª E. enriquet@us.es García Moreno, Mª P. mpgarcia@us.es Masero Moreno,

Más detalles

Programación de tareas, un reto diario en la empresa

Programación de tareas, un reto diario en la empresa Programación de tareas, un reto diario en la empresa Pedro Sánchez Martín Ingeniero del ICAI (1993) y Doctor en Ingeniería Industrial por la UPCO (1998). Profesor del Departamento de Organización Industrial

Más detalles

Empresa bajo incertidumbre en el precio: modelo con dos destinos y un mercado de futuros

Empresa bajo incertidumbre en el precio: modelo con dos destinos y un mercado de futuros Empresa bajo incertidumbre en el precio: modelo con dos destinos y un mercado de futuros Rodríguez Puerta, Inmaculada (irodriguez@ceade.es) Dpto. de Métodos Cuantitativos CEADE Álvarez López, Alberto A.

Más detalles

Problema de Localización de Plantas con Capacidades y Distancias Limitadas

Problema de Localización de Plantas con Capacidades y Distancias Limitadas Problema de Localización de Plantas con Capacidades y Distancias Limitadas M. Albareda-Sambola, E. Fernández, G. Laporte Universitat Politècnica de Catalunya HEC-Montréal Reunión de coordinación Red Española

Más detalles

Desarrollo de un nuevo algoritmo para resolver programas lineales enteros y su aplicación práctica en el desarrollo económico.

Desarrollo de un nuevo algoritmo para resolver programas lineales enteros y su aplicación práctica en el desarrollo económico. Desarrollo de un nuevo algoritmo para resolver programas lineales enteros y su aplicación práctica en el desarrollo económico. 7071 Febrero, 2014 Resumen Es importante señalar que en un entorno social

Más detalles

MÁQUINA DE VECTORES DE SOPORTE

MÁQUINA DE VECTORES DE SOPORTE MÁQUINA DE VECTORES DE SOPORTE La teoría de las (SVM por su nombre en inglés Support Vector Machine) fue desarrollada por Vapnik basado en la idea de minimización del riesgo estructural (SRM). Algunas

Más detalles

MODELIZACIÓN DEL PROBLEMA DE PROGRAMACIÓN EN TALLERES CON MÁQUINAS SIMILARES EN PARALELO Y RECURSOS VARIABLES

MODELIZACIÓN DEL PROBLEMA DE PROGRAMACIÓN EN TALLERES CON MÁQUINAS SIMILARES EN PARALELO Y RECURSOS VARIABLES 27 Congreso Nacional de Estadística e Investigación Operativa Lleida, 8-11 de abril de 2003 MODELIZACIÓN DEL PROBLEMA DE PROGRAMACIÓN EN TALLERES CON MÁQUINAS SIMILARES EN PARALELO Y RECURSOS VARIABLES

Más detalles

2.2.- Puntos de renovación de pedidos. Punto de re orden = Margen de tiempo en días x uso diario Tiempo = 16 días

2.2.- Puntos de renovación de pedidos. Punto de re orden = Margen de tiempo en días x uso diario Tiempo = 16 días 2.2.- Puntos de renovación de pedidos. Una vez que la empresa ha calculado la cantidad económica de pedido, debe determinar el momento adecuado para efectuar los pedidos. Se requiere un punto de re orden

Más detalles

8Soluciones a las actividades de cada epígrafe

8Soluciones a las actividades de cada epígrafe PÁGINA 128 Pág. 1 En una comarca hay una cierta especie de vegetal que se encuentra con frecuencia. Se ha estudiado la cantidad media de ejemplares por hectárea que hay a distintas alturas. El resultado

Más detalles

Planificación y secuenciamiento de procesos por lotes. Prof. Cesar de Prada ISA-UVA

Planificación y secuenciamiento de procesos por lotes. Prof. Cesar de Prada ISA-UVA Planificación secuenciamiento de procesos por lotes Prof. Cesar de Prada ISA-UVA Indice Procesos plantas batch Conceptos básicos de secuenciamiento Formulación de problemas de secuenciamiento Resolución

Más detalles

Unidad II: Análisis de Redes

Unidad II: Análisis de Redes Unidad II: Análisis de Redes 2.1 Conceptos Básicos Un problema de redes es aquel que puede representarse por: LA IMPORTANCIA DE LOS MODELOS DE REDES: Muchos problemas comerciales pueden ser resueltos a

Más detalles

DESARROLLO DE SOFTWARE CON CALIDAD PARA UNA EMPRESA

DESARROLLO DE SOFTWARE CON CALIDAD PARA UNA EMPRESA DESARROLLO DE SOFTWARE CON CALIDAD PARA UNA EMPRESA Resumen AUTORIA CARLOS CABALLERO GONZÁLEZ TEMATICA INFORMÁTICA ETAPA ESO-BACHILLERATO-CFGM(ESI,ASI,DSI) Se describe la revolución que supuso la incursión

Más detalles

Ingeniería Técnica en Informática de Gestión

Ingeniería Técnica en Informática de Gestión Departamento de Informática Universidad Carlos III de Madrid Ingeniería Técnica en Informática de Gestión Inteligencia Artificial Febrero 2006. 1 a parte Normas generales del examen El tiempo para realizar

Más detalles

guía para LOS PADRES APOYANDO A SU HIJO EN LA PREPARATORIA (HIGH SCHOOL) MATEMÁTICAS

guía para LOS PADRES APOYANDO A SU HIJO EN LA PREPARATORIA (HIGH SCHOOL) MATEMÁTICAS guía para LOS PADRES APOYANDO A SU HIJO EN LA PREPARATORIA (HIGH SCHOOL) MATEMÁTICAS HS Las escuelas de los Estados Unidos de América están trabajando para brindar una enseñanza de mayor calidad nunca

Más detalles

ALGORITMICA III Capitulo I ANALISIS DE ALGORITMOS

ALGORITMICA III Capitulo I ANALISIS DE ALGORITMOS Universidad Nacional de San Antonio Abad del Cusco Departamento Académico de Informática ALGORITMICA III Capitulo I ANALISIS DE ALGORITMOS Iván Medrano Valencia ANALISIS DE ALGORITMOS Un algoritmo es un

Más detalles

Secuenciación de una línea mixed-model mediante un algoritmo exacto Pág. 1. Resumen

Secuenciación de una línea mixed-model mediante un algoritmo exacto Pág. 1. Resumen Secuenciación de una línea mixed-model mediante un algoritmo exacto Pág. 1 Resumen En una línea de montaje de productos mixtos, aquella que es responsable de la producción de diversas variaciones de un

Más detalles

Problema de Programación Lineal

Problema de Programación Lineal Problema de Programación Lineal Introducción La optimización es un enfoque que busca la mejor solución a un problema. Propósito: Maximizar o minimizar una función objetivo que mide la calidad de la solución,

Más detalles

SEDO: SOFTWARE EDUCATIVO DE MATEMÁTICA NUMÉRICA. Lic. Maikel León Espinosa. mle@uclv.edu.cu

SEDO: SOFTWARE EDUCATIVO DE MATEMÁTICA NUMÉRICA. Lic. Maikel León Espinosa. mle@uclv.edu.cu EDU082 Resumen SEDO: SOFTWARE EDUCATIVO DE MATEMÁTICA NUMÉRICA Lic. Maikel León Espinosa mle@uclv.edu.cu Departamento de Ciencia de la Computación Universidad Central Marta Abreu de Las Villas Carretera

Más detalles

RAID. Los detalles de las características segunda y tercera, cambian según los distintos niveles RAID. RAID 0 no soporta la tercera característica.

RAID. Los detalles de las características segunda y tercera, cambian según los distintos niveles RAID. RAID 0 no soporta la tercera característica. RAID Como se dijo anteriormente, el ritmo de mejora de prestaciones en memoria secundaria ha sido considerablemente menor que en procesadores y en memoria principal. Esta desigualdad ha hecho, quizás,

Más detalles

Programación de Grúas para Mantención y Construcción de Buques en un Astillero Naval. Uso de Modelo Matemático.

Programación de Grúas para Mantención y Construcción de Buques en un Astillero Naval. Uso de Modelo Matemático. Revista Ingeniería de Sistemas Volumen XXV, Septiembre 2011 Programación de Grúas para Mantención y Construcción de Buques en un Astillero Naval. Uso de Modelo Matemático. Marcelo Guiñez * Lorena Pradenas

Más detalles

OPTIMIZACIÓN ESCALAR. María Jesús de la Fuente Aparicio Dpto. Ingeniería de Sistemas y Automática

OPTIMIZACIÓN ESCALAR. María Jesús de la Fuente Aparicio Dpto. Ingeniería de Sistemas y Automática OPTIMIZACIÓN ESCALAR María Jesús de la Fuente Aparicio Dpto. Ingeniería de Sistemas y Automática CONCEPTOS BÁSICOS DEFINICIONES Definiciones Optimo local (mínimo local) Un punto * F se denomina un mínimo

Más detalles

PROCEDIMIENTO HEURÍSTICO PARA MINIMIZAR EL C max EN CELDAS ROBOTIZADAS CON BUFFERS FINITOS Y PIEZAS DISTINTAS

PROCEDIMIENTO HEURÍSTICO PARA MINIMIZAR EL C max EN CELDAS ROBOTIZADAS CON BUFFERS FINITOS Y PIEZAS DISTINTAS 27 Congreso Nacional de Estadística e Investigación Operativa Lleida, 8 11 de abril de 2003 PROCEDIMIENTO HEURÍSTICO PARA MINIMIZAR EL C max EN CELDAS ROBOTIZADAS CON BUFFERS FINITOS Y PIEZAS DISTINTAS

Más detalles

Planificación de la Producción

Planificación de la Producción Planificación de la Producción Un área estratégica para la Eficiencia de la Gestión 1 La relación entre la planificación de capacidad, planificación agregada, programa maestro y programación a corto plazo

Más detalles

SECUENCIACIÓN DE SISTEMAS DE TIPO JOB SHOP MEDIANTE APRENDIZAJE AUTOMÁTICO

SECUENCIACIÓN DE SISTEMAS DE TIPO JOB SHOP MEDIANTE APRENDIZAJE AUTOMÁTICO SECUENCIACIÓN DE SISTEMAS DE TIPO JOB SHOP MEDIANTE APRENDIZAJE AUTOMÁTICO Paolo Priore Moreno Raúl Pino Diez Alberto Gómez Gómez UNIVERSIDAD DE OVIEDO Una forma habitual de secuenciar de modo dinámico

Más detalles

Planificación Agregada

Planificación Agregada Universidad Simón Bolívar Planificación Agregada PS-4162 Gestión de la Producción II 1 Contenido Perfil de una empresa de proyección mundial: Anheuser-Busch El proceso de planificación La naturaleza de

Más detalles

Capítulo 3: APLICACIONES DE LAS DERIVADAS

Capítulo 3: APLICACIONES DE LAS DERIVADAS Capítulo : Aplicaciones de la derivada 1 Capítulo : APLICACIONES DE LAS DERIVADAS Dentro de las aplicaciones de las derivadas quizás una de las más importantes es la de conseguir los valores máimos y mínimos

Más detalles

Modelado de flujo en redes. Jhon Jairo Padilla A., PhD.

Modelado de flujo en redes. Jhon Jairo Padilla A., PhD. Modelado de flujo en redes Jhon Jairo Padilla A., PhD. Conceptos básicos Demanda o volumen de Demanda: Es el tráfico que están requiriendo los usuarios de una red. Para transportar el volumen de demanda

Más detalles

UNIVERSIDAD CATÓLICA DEL NORTE PROGRAMA DE ESTUDIOS I. IDENTIFICACIÓN DE LA ASIGNATURA II. OBJETIVOS GENERALES

UNIVERSIDAD CATÓLICA DEL NORTE PROGRAMA DE ESTUDIOS I. IDENTIFICACIÓN DE LA ASIGNATURA II. OBJETIVOS GENERALES UNIVERSIDAD CATÓLICA DEL NORTE PROGRAMA DE ESTUDIOS I. IDENTIFICACIÓN DE LA ASIGNATURA Nombre: Administración de la Producción II Código: CC-983 Fecha Actualización: Marzo 2005 Unidad Responsable: Departamento

Más detalles

Propuesta de un algoritmo genético para la programación diaria de los pedidos de una empresa del sector de la construcción

Propuesta de un algoritmo genético para la programación diaria de los pedidos de una empresa del sector de la construcción 5 th International Conference on Industrial Engineering and Industrial Management XV Congreso de Ingeniería de Organización Cartagena, 7 a 9 de Septiembre de 2011 Propuesta de un algoritmo genético para

Más detalles

LENGUAJES DE PROGRAMACIÓN POR QUÉ HAY TANTOS Y APARECEN NUEVOS? Por: Hanna Oktaba

LENGUAJES DE PROGRAMACIÓN POR QUÉ HAY TANTOS Y APARECEN NUEVOS? Por: Hanna Oktaba LENGUAJES DE PROGRAMACIÓN POR QUÉ HAY TANTOS Y APARECEN NUEVOS? Por: Hanna Oktaba La computadora, a diferencia de otras herramientas que en general apoyan el esfuerzo físico de los humanos, fue inventada

Más detalles

5.1. Sistemas MRP comparado con sistemas de punto de reorden

5.1. Sistemas MRP comparado con sistemas de punto de reorden Unidad V Planeación de los Requerimientos de Materiales (MRP) 5.1. Sistemas MRP comparado con sistemas de punto de reorden Los sistemas de Planificación de Requerimientos de Materiales (MRP: Materials

Más detalles

Modelos de Inventarios

Modelos de Inventarios Universidad Simón Bolívar Modelos de Inventarios PS-4162 GESTION DE LA PRODUCCION II Contenido Modelos de inventario Demanda independiente vs dependiente Costos de almacenamiento, lanzamiento y preparación

Más detalles

Realización y corrección automática de exámenes con hoja de cálculo

Realización y corrección automática de exámenes con hoja de cálculo Realización y corrección automática de exámenes con hoja de cálculo Realización y corrección automática de exámenes con hoja de cálculo Bernal García, Juan Jesús juanjesus.bernal@upct.es Martínez María

Más detalles

Métodos Heurísticos en Inteligencia Artificial

Métodos Heurísticos en Inteligencia Artificial Métodos Heurísticos en Inteligencia Artificial Javier Ramírez rez-rodríguez Ana Lilia Laureano-Cruces Universidad Autónoma Metropolitana Métodos Heurísticos en Inteligencia Artificial Los problemas de

Más detalles

Algoritmo evolutivo para el problema de la ubicación de productos en las estanterías de una gran superficie

Algoritmo evolutivo para el problema de la ubicación de productos en las estanterías de una gran superficie X Congreso de Ingeniería de Organización Valencia, 7 y 8 de septiembre de 2006 Algoritmo evolutivo para el problema de la ubicación de productos en las estanterías de una gran superficie José M. Albarracín

Más detalles

Gestión de Materiales Para Mantenimiento

Gestión de Materiales Para Mantenimiento Gestión de Materiales Para Mantenimiento Amendola, Luis., Ph.D Certificado Nivel B-IPMA Senior Project Manager PMM Institute for Learning Universidad Politécnica de Valencia, España Departamento de Proyectos

Más detalles

Resolución de problemas en paralelo

Resolución de problemas en paralelo Resolución de problemas en paralelo Algoritmos Paralelos Tema 1. Introducción a la computación paralela (segunda parte) Vicente Cerverón Universitat de València Resolución de problemas en paralelo Descomposición

Más detalles

7. Conclusiones. 7.1 Resultados

7. Conclusiones. 7.1 Resultados 7. Conclusiones Una de las preguntas iniciales de este proyecto fue : Cuál es la importancia de resolver problemas NP-Completos?. Puede concluirse que el PAV como problema NP- Completo permite comprobar

Más detalles

Modelización Avanzada en Logística y Transporte

Modelización Avanzada en Logística y Transporte Modelización Avanzada en Logística y Transporte El problema de enrutamiento vehicular (VRP) Luis M. Torres Escuela Politécnica del Litoral Guayaquil, Diciembre 2010 Maestría en Control de Operaciones y

Más detalles

Introducción CONTROL Y GERENCIA DE INVENTARIOS INVESTIGACIÓN DE OPERACIONES. Componentes de los modelos de inventarios

Introducción CONTROL Y GERENCIA DE INVENTARIOS INVESTIGACIÓN DE OPERACIONES. Componentes de los modelos de inventarios Introducción CONTROL Y GERENCIA DE INVENTARIOS INVESTIGACIÓN DE OPERACIONES Las organizaciones están constantemente viendo como cambia el nivel de sus en el tiempo. El tener un nivel bajo de implica riesgos

Más detalles

Introducción a la Investigación Operativa. Enfoque Metodológico y los procesos decisorios

Introducción a la Investigación Operativa. Enfoque Metodológico y los procesos decisorios 1. Introducción A partir de la primera revolución industrial, se produce el crecimiento de la complejidad organizacional Surge la tendencia al crecimiento de los subsistemas en forma autónoma, con sus

Más detalles

UNIONES ECONOMICAS Y SUBSIDIOS A LA PRODUCCION

UNIONES ECONOMICAS Y SUBSIDIOS A LA PRODUCCION UNIONES ECONOMICAS Y SUBSIDIOS A LA PRODUCCION Bernardo Moreno Jiménez* José L. Torres Chacón* Este artículo analiza la política de subvenciones a la producción en el contexto de una unión económica. Para

Más detalles

LECCIÓN Nº 06 CONTROL Y VALUACION DE INVENTARIOS. OBJETIVO ESPECÍFICO: Comprender y aplicar los métodos de control y valuación de inventarios.

LECCIÓN Nº 06 CONTROL Y VALUACION DE INVENTARIOS. OBJETIVO ESPECÍFICO: Comprender y aplicar los métodos de control y valuación de inventarios. UNIVERSIDAD JOSE CARLOS MARIATEGUI LECCIÓN Nº 06 CONTROL Y VALUACION DE INVENTARIOS OBJETIVO ESPECÍFICO: Comprender y aplicar los métodos de control y valuación de inventarios. PROPÓSITO: El estudiante

Más detalles

Sistemas de producción y búsqueda de soluciones. Area de Computación e Inteligencia Artificial 1

Sistemas de producción y búsqueda de soluciones. Area de Computación e Inteligencia Artificial 1 Sistemas de producción y búsqueda de soluciones Area de Computación e Inteligencia Artificial 1 Técnicas de búsqueda Resolución de problemas en Inteligencia Artificial. En general, podemos afirmar que

Más detalles

Tarea 4.2 Memoria Virtual

Tarea 4.2 Memoria Virtual 1 Tarea 4.2 1. Cuál es la diferencia entre paginación simple y paginación en memoria virtual? En memoria virtual no es necesario que todas las páginas estén en marcos de la memoria principal. Las páginas

Más detalles

UNIVERSIDAD NACIONAL DE LANUS LICENCIATURA EN SISTEMAS Ingeniería de Software Empírica Mg. Ing. Hernán Amatriain TEST DE VIABILIDAD

UNIVERSIDAD NACIONAL DE LANUS LICENCIATURA EN SISTEMAS Ingeniería de Software Empírica Mg. Ing. Hernán Amatriain TEST DE VIABILIDAD UNIVERSIDAD NACIONAL DE LANUS LICENCIATURA EN SISTEMAS Ingeniería de Software Empírica Prof. Adj.: Instructor: Mg. Ing. Hernán Amatriain Lic. Gerónimo Tondato TEST DE VIABILIDAD 1. INTRODUCCIÓN El estudio

Más detalles

Desarrollo de algoritmos genéticos, de recocido simulado e híbridos para la planificación de un taller flexible

Desarrollo de algoritmos genéticos, de recocido simulado e híbridos para la planificación de un taller flexible X Congreso de Ingeniería de Organización Valencia, 7 y 8 de septiembre de 2006 Desarrollo de algoritmos genéticos, de recocido simulado e híbridos para la planificación de un taller flexible Sara Lumbreras

Más detalles

PRÁCTICOS Ejercicios y supuestos

PRÁCTICOS Ejercicios y supuestos PRÁCTICOS Ejercicios y supuestos ÍNDICE GENERAL ESTADÍSTICA COMPRA-VENTA APROVISIONAMIENTO TRANSPORTES DECLARACIÓN-LIQUIDACIÓN DE I.V.A. DERECHO DEL TRABAJO Y SEGURIDAD SOCIAL APLICACIONES INFORMÁTICAS

Más detalles

Aprender y conocer las características y cualidades de un inventario, además de conocer su función principal.

Aprender y conocer las características y cualidades de un inventario, además de conocer su función principal. Octava Sesión 8. Gestión de Materiales e Inventarios Profesora Medina Flores Diana Objetivo Particular Aprender y conocer las características y cualidades de un inventario, además de conocer su función

Más detalles

Programación y control de la producción

Programación y control de la producción Programación y control de la producción Guía Docente Master Oficial en Planificación y Gestión de Procesos Empresariales Universitat de València Datos del Curso Nombre de la asignatura Programación y control

Más detalles

CLASIFICACIÓN NO SUPERVISADA

CLASIFICACIÓN NO SUPERVISADA CLASIFICACIÓN NO SUPERVISADA CLASIFICACION IMPORTANCIA PROPÓSITO METODOLOGÍAS EXTRACTORES DE CARACTERÍSTICAS TIPOS DE CLASIFICACIÓN IMPORTANCIA CLASIFICAR HA SIDO, Y ES HOY DÍA, UN PROBLEMA FUNDAMENTAL

Más detalles

Unidad Académica Profesional UAEM Tianguistenco, Paraje El Tejocote, San Pedro Tlaltizapán, Tianguistenco, México CP 52640

Unidad Académica Profesional UAEM Tianguistenco, Paraje El Tejocote, San Pedro Tlaltizapán, Tianguistenco, México CP 52640 Estudio de Tres Algoritmos Heurísticos para Resolver un Problema de Distribución con Ventanas de Tiempo: Sistema por Colonia de Hormigas, Búsqueda Tabú y Heurístico Constructivo de una Ruta Manuel González

Más detalles

UNIVERSIDAD TECNOLÓGICA DE PEREIRA FACULTAD DE INGENIERÍA ELÉCTRICA PROGRAMA DE MAESTRÍA EN INGENIERÍA ELÉCTRICA

UNIVERSIDAD TECNOLÓGICA DE PEREIRA FACULTAD DE INGENIERÍA ELÉCTRICA PROGRAMA DE MAESTRÍA EN INGENIERÍA ELÉCTRICA UNIVERSIDAD TECNOLÓGICA DE PEREIRA FACULTAD DE INGENIERÍA ELÉCTRICA PROGRAMA DE MAESTRÍA EN INGENIERÍA ELÉCTRICA ALGORITMOS GRASP Y SIMULATED ANNEALING COMO INICIALIZADORES DE BRANCH AND BOUND EN LA SOLUCIÓN

Más detalles

INVESTIGACION OPERATIVA INTRODUCCION. Introducción

INVESTIGACION OPERATIVA INTRODUCCION. Introducción INVESTIGACION OPERATIVA INTRODUCCION Introducción Estructura del Curso 1. Introducción y modelamiento: 2 semanas 2. Programación Lineal: 2 semanas 3. Programación Lineal Entera: 1 semana 4. Teoría de Grafos:

Más detalles

Unidad 7 Aplicación de máximos y mínimos

Unidad 7 Aplicación de máximos y mínimos Unidad 7 Aplicación de máimos y mínimos Objetivos Al terminar la unidad, el alumno: Interpretará el concepto de ingreso y costos marginal. Aplicará la función de ingresos en problemas de maimización. Aplicará

Más detalles

Control de inventario y ejemplos de los esfuerzos de reducción de inventario. Asexma (JICA) Katsuichi Chikazawa

Control de inventario y ejemplos de los esfuerzos de reducción de inventario. Asexma (JICA) Katsuichi Chikazawa Control de inventario y ejemplos de los esfuerzos de reducción de inventario Asexma (JICA) Katsuichi Chikazawa Qué tipo de inventarios existen? En industria manufacturera Materias primas, Partes, productos

Más detalles

Métodos evolutivos de Optimización. Prof. Cesar de Prada Dpto. Ingeneiria de Sitemas y Automática Universidad de Valladolid

Métodos evolutivos de Optimización. Prof. Cesar de Prada Dpto. Ingeneiria de Sitemas y Automática Universidad de Valladolid Métodos evolutivos de Optimización Prof. Cesar de Prada Dpto. Ingeneiria de Sitemas y Automática Universidad de Valladolid Indice Introducción Método de Montecarlo Algoritmos genéticos Tabú Search Simulated

Más detalles

PRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.E.

PRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.E. PRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.E. CURSO 2013-2014 CONVOCATORIA: MATERIA: MATEMATICAS APLICADAS A LAS CC. SS. - Cada alumno debe elegir sólo una de las pruebas (A o B). - Cada una de las preguntas

Más detalles

INNOVACIÓN EN LA ENSEÑANZA EN GRUPOS NUMEROSOS

INNOVACIÓN EN LA ENSEÑANZA EN GRUPOS NUMEROSOS INNOVACIÓN EN LA ENSEÑANZA EN GRUPOS NUMEROSOS José M. Torralba Martínez 1, Oscar Coltell, José M. Torralba López Universidad Politécnica de Valencia, Universitat Jaume I, Universidad de Navarra jtorral@omp.upv.es,

Más detalles

Planificación detallada

Planificación detallada Planificación detallada 77 Planificación detallada En las empresas que fabrican contra pedido la tarea de determinar la secuencia óptima de fabricación de artículos en un taller es complicada debido al

Más detalles

Capítulo 5 Método Simplex

Capítulo 5 Método Simplex Capítulo 5 Método Simplex Cj 5-2 3 0 -M 0 0 V.B. b X1 X2 X3 X4 X5 X6 X7 5 X1 13/9 1 0 0-4/15 4/15 7/45 4/45 NO 3 X3 14/9 0 0 1 1/15-1/15 2/45 14/45 70/3-2 X2 1/3 0 1 0-3/15 3/15-2/15 1/15 NO Zj - Cj 101/9

Más detalles

En este capitulo se presentan los métodos y algoritmos utilizados para el desarrollo del

En este capitulo se presentan los métodos y algoritmos utilizados para el desarrollo del 33 En este capitulo se presentan los métodos y algoritmos utilizados para el desarrollo del sistema de procesamiento de imágenes para controlar un robot manipulador y se describen en la forma como serán

Más detalles

www.fundibeq.org Además, se recomienda su uso como herramienta de trabajo dentro de las actividades habituales de gestión.

www.fundibeq.org Además, se recomienda su uso como herramienta de trabajo dentro de las actividades habituales de gestión. DIAGRAMA DE FLECHAS 1.- INTRODUCCIÓN Este documento sirve de guía para el proceso de planificación de proyectos. Describe desde la visualización de la secuencia de acciones a desarrollar en dichos proyectos

Más detalles

IN4703 Gestión de Operaciones. Programación de Operaciones (Operations Scheduling)

IN4703 Gestión de Operaciones. Programación de Operaciones (Operations Scheduling) IN4703 Gestión de Operaciones Programación de Operaciones (Operations Scheduling) Lineamientos de la Clase de Hoy Objetivos de la Programación de Operaciones Sistemas de Manufactura (Manufacturing Execution

Más detalles

Cuando algún tipo de conocimiento es aceptado, pero no enseñado con la profusión que merece, se debe pensar que

Cuando algún tipo de conocimiento es aceptado, pero no enseñado con la profusión que merece, se debe pensar que UN MÉTODO PARA HALLAR LA TASA DE RENTABILIDAD DE PROYECTOS NO- SIMPLES DE INVERSIÓN Edgar Achong V. Facultad de Ciencias Económicas y Sociales Universidad de los Andes Resumen.- El cálculo de la rentabilidad

Más detalles

Lectura: MANTENER LA DISTANCIA. CIRCULANDO POR EUROPA

Lectura: MANTENER LA DISTANCIA. CIRCULANDO POR EUROPA Lectura: MANTENER LA DISTANCIA. CIRCULANDO POR EUROPA 1 2 Presentación del trabajo propuesto El planteamiento general de esta propuesta de evaluación consiste en analizar hasta tres situaciones diferentes

Más detalles

Modelo para la planificación operativa del transporte en una cadena de suministro del sector del automóvil

Modelo para la planificación operativa del transporte en una cadena de suministro del sector del automóvil 3rd International Conference on Industrial Engineering and Industrial Management XIII Congreso de Ingeniería de Organización Barcelona-Terrassa, September 2nd-4th 2009 Modelo para la planificación operativa

Más detalles

INTRODUCCIÓN AL DISEÑO ESTADÍSTICO DE EXPERIMENTOS

INTRODUCCIÓN AL DISEÑO ESTADÍSTICO DE EXPERIMENTOS INTRODUCCIÓN L DISEÑO ESTDÍSTICO DE EXPERIMENTOS Joan Ferré, F. Xavier Rius Departamento de Química nalítica y Química Orgánica Universitat Rovira i Virgili. Pl. Imperial Tàrraco, 1. 43005-Tarragona Este

Más detalles

SISTEMAS INTEGRADOS. Asignatura Clave: COM012 Número de Créditos: 10 Teóricos: 8 Prácticos: 2

SISTEMAS INTEGRADOS. Asignatura Clave: COM012 Número de Créditos: 10 Teóricos: 8 Prácticos: 2 SISTEMAS INTEGRADOS Asignatura Clave: COM012 Número de Créditos: 10 Teóricos: 8 Prácticos: 2 INSTRUCCIONES PARA OPERACIÓN ACADÉMICA: El Sumario representa un reto, los Contenidos son los ejes temáticos,

Más detalles

Nota sobre un modelo de J. D. Hey para una empresa bajo incertidumbre en el precio que no busca necesariamente maximizar el beneficio

Nota sobre un modelo de J. D. Hey para una empresa bajo incertidumbre en el precio que no busca necesariamente maximizar el beneficio Nota sobre un modelo de J. D. Hey para una empresa bajo incertidumbre en el precio que no busca necesariamente maximizar el beneficio Alberto A. Álvarez López Departamento de Economía Aplicada Cuantitativa.

Más detalles

Asignación de Procesadores

Asignación de Procesadores INTEGRANTES: Asignación de Procesadores Un sistema distribuido consta de varios procesadores. Estos se pueden organizar como colección de estaciones de trabajo personales, una pila pública de procesadores

Más detalles

PRODUCCIÓN, PLANIFICACIÓN Y OPERACIONES DE MATERIALES

PRODUCCIÓN, PLANIFICACIÓN Y OPERACIONES DE MATERIALES PRODUCCIÓN, PLANIFICACIÓN Y OPERACIONES DE MATERIALES OBJETIVOS Conocer diferentes técnicas de control de procesos y gestión de la producción. Conocer diferentes sistemas para el cálculo de costes Conocer

Más detalles

Determinar el tamaño del lote óptimo a comprar, así como la frecuencia de adquisición.

Determinar el tamaño del lote óptimo a comprar, así como la frecuencia de adquisición. Unidad I. Administración de inventarios. 1.1 Introducción. 1.2 Propósito de los inventarios. 1.3 Problemas de decisión. 1.4 Estructuras de costos de inventario. 1.5 Demanda independiente versus demanda

Más detalles

PROGRAMACIÓN DE LA SECUENCIA DE LAS ÓRDENES DE PRODUCCIÓN MEDIANTE LA APLICACIÓN DE ALGORITMOS GENÉTICOS

PROGRAMACIÓN DE LA SECUENCIA DE LAS ÓRDENES DE PRODUCCIÓN MEDIANTE LA APLICACIÓN DE ALGORITMOS GENÉTICOS PROGRAMACIÓN DE LA SECUENCIA DE LAS ÓRDENES DE PRODUCCIÓN MEDIANTE LA APLICACIÓN DE ALGORITMOS GENÉTICOS Mateo Doll, Manuel D' Armas Regnault, Mayra Resumen: El presente trabajo se enmarca dentro del área

Más detalles

Planificación y control a corto plazo. Alberto Gómez Gómez

Planificación y control a corto plazo. Alberto Gómez Gómez Planificación y control a corto plazo Alberto Gómez Gómez BIBLIOGRAFÍA BÁSICA Chase, R.B.; Aquilano, N.J.; Jacobs, F.R. (2000): Administración de Producción y Operaciones (Santa Fe de Bogotá: McGraw- Hill).

Más detalles

Factorización de polinomios

Factorización de polinomios Factorización de polinomios Polinomios Un polinomio p en la variable x es una expresión de la forma: px a 0 a 1 x a x a n1 x n1 a n x n donde a 0, a 1, a,, a n1, a n son unos números, llamados coeficientes

Más detalles

Introducción. Gestión de Operaciones. Clasificación. Introducción. Capítulo 12: Planeación de Requerimiento de Materiales. !

Introducción. Gestión de Operaciones. Clasificación. Introducción. Capítulo 12: Planeación de Requerimiento de Materiales. ! Introducción Gestión de Operaciones Capítulo 12: Planeación de Requerimiento de Materiales! Características:! Se utiliza para productos dependientes:! Partes.! intermedias.! Corresponde a un Sistema Pull

Más detalles

Programación Lineal Entera

Programación Lineal Entera Programación Lineal Entera P.M. Mateo y David Lahoz 2 de julio de 2009 En este tema se presenta un tipo de problemas formalmente similares a los problemas de programación lineal, ya que en su descripción

Más detalles

Desarrollo de un cluster computacional para la compilación de. algoritmos en paralelo en el Observatorio Astronómico.

Desarrollo de un cluster computacional para la compilación de. algoritmos en paralelo en el Observatorio Astronómico. Desarrollo de un cluster computacional para la compilación de algoritmos en paralelo en el Observatorio Astronómico. John Jairo Parra Pérez Resumen Este artículo muestra cómo funciona la supercomputación

Más detalles

Título: Optimización de recursos empresariales

Título: Optimización de recursos empresariales Título: Optimización de recursos empresariales Dirección del curso: Juan Carlos Momparler Pechuán Fechas de impartición del curso: inicio11 de Mayo 2004, fin 1 de junio Días 11,12,13, 18,19,20,25,26,27

Más detalles

Descripción inicial del sistema. Descripción final del sistema. Estado 1 Estado 2 Estado n

Descripción inicial del sistema. Descripción final del sistema. Estado 1 Estado 2 Estado n Búsqueda en Inteligencia Artificial Fernando Berzal, berzal@acm.org Búsqueda en I.A. Introducción Espacios de búsqueda Agentes de búsqueda Uso de información en el proceso de búsqueda Búsqueda sin información

Más detalles

EL MÉTODO SIMPLEX ALGEBRAICO: MINIMIZACION. M. En C. Eduardo Bustos Farías

EL MÉTODO SIMPLEX ALGEBRAICO: MINIMIZACION. M. En C. Eduardo Bustos Farías EL MÉTODO SIMPLEX ALGEBRAICO: MINIMIZACION M. En C. Eduardo Bustos Farías 1 Minimización El método simplex puede aplicarse a un problema de minimización si se modifican los pasos del algoritmo: 1. Se cambia

Más detalles

Capítulo 8 Teoría de la Complejidad Algorítmica

Capítulo 8 Teoría de la Complejidad Algorítmica Capítulo 8 Teoría de la Complejidad Algorítmica Seguridad Informática y Criptografía Ultima actualización del archivo: 01/03/06 Este archivo tiene: 31 diapositivas v 4.1 Material Docente de Libre Distribución

Más detalles