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

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

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

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

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

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

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

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

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

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

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

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

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

Resumen de técnicas para resolver problemas de programación entera. 15.053 Martes, 9 de abril. Enumeración. Un árbol de enumeración

Resumen de técnicas para resolver problemas de programación entera. 15.053 Martes, 9 de abril. Enumeración. Un árbol de enumeración 5053 Martes, 9 de abril Ramificación y acotamiento () Entregas: material de clase Resumen de técnicas para resolver problemas de programación entera Técnicas de enumeración Enumeración completa hace una

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

FUNCIONES DE UNA VARIABLE Julián de la Horra Departamento de Matemáticas U.A.M.

FUNCIONES DE UNA VARIABLE Julián de la Horra Departamento de Matemáticas U.A.M. FUNCIONES DE UNA VARIABLE Julián de la Horra Departamento de Matemáticas U.A.M. 1 Introducción Una de las primeras necesidades que surgen en las Ciencias Experimentales es la de poder expresar los valores

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

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

5: LA FUNCIÓN PRODUCTIVA DE LA EMPRESA

5: LA FUNCIÓN PRODUCTIVA DE LA EMPRESA 5: LA FUNCIÓN PRODUCTIVA DE LA EMPRESA 1. EL ÁREA DE PRODUCCIÓN DE LA EMPRESA: PRODUCIR: consiste en incrementar la utilidad de los bienes para satisfacer necesidades humanas. Ello implica realizar todas

Más detalles

CAPITULO 2. MARCO CONCEPTUAL

CAPITULO 2. MARCO CONCEPTUAL CAPITULO 2. MARCO CONCEPTUAL 2.1 Método análisis ABC. El análisis ABC, denominado también curva 80-20, se fundamenta en el aporte del economista Wilfredo Pareto, tras un estudio de la distribución de los

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

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

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

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

Socioestadística I Análisis estadístico en Sociología

Socioestadística I Análisis estadístico en Sociología Análisis estadístico en Sociología 1. INTRODUCCIÓN. Definición e historia. 1.1. Que es la Sociestadística?. La estadística es la ciencias de las regularidades que se observan en conjuntos de fenómenos

Más detalles

Mineria de datos y su aplicación en web mining data Redes de computadores I ELO 322

Mineria de datos y su aplicación en web mining data Redes de computadores I ELO 322 Mineria de datos y su aplicación en web mining data Redes de computadores I ELO 322 Nicole García Gómez 2830047-6 Diego Riquelme Adriasola 2621044-5 RESUMEN.- La minería de datos corresponde a la extracción

Más detalles

Representación de números enteros: el convenio signo y magnitud

Representación de números enteros: el convenio signo y magnitud Representación de números enteros: el convenio signo y magnitud Apellidos, nombre Martí Campoy, Antonio (amarti@disca.upv.es) Departamento Centro Informàtica de Sistemes i Computadors Escola Tècnica Superior

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

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

ETS Caminos Santander. Curso 2012. Ejercicios de introducción a la programación.

ETS Caminos Santander. Curso 2012. Ejercicios de introducción a la programación. Ejercicio 1. Saludo. El programa preguntará el nombre al usuario y a continuación le saludará de la siguiente forma "Hola, NOMBRE" donde NOMBRE es el nombre del usuario. Ejercicio 2. Suma. El programa

Más detalles

Sentimos como propias las inquietudes de nuestros clientes. Caso: de carpintería industrial

Sentimos como propias las inquietudes de nuestros clientes. Caso: de carpintería industrial Caso: Racionalización de una empresa familiar de carpintería industrial La Empresa Tenían duplicidades de costes en la producción por una incorrecta organización que no permitía utilizar eficientemente

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

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

Capítulo 2. Las Redes Neuronales Artificiales

Capítulo 2. Las Redes Neuronales Artificiales Capítulo 2. Las Redes Neuronales Artificiales 13 Capitulo 2. Las Redes Neuronales Artificiales 2.1 Definición Redes Neuronales Artificiales El construir una computadora que sea capaz de aprender, y de

Más detalles

5. EVOLUCIÓN DE LA POBLACIÓN ACTIVA ARAGONESA EN LA ÚLTIMA CRISIS (2008-2012) 1. Introducción

5. EVOLUCIÓN DE LA POBLACIÓN ACTIVA ARAGONESA EN LA ÚLTIMA CRISIS (2008-2012) 1. Introducción 5. EVOLUCIÓN DE LA POBLACIÓN ACTIVA ARAGONESA EN LA ÚLTIMA CRISIS (2008-2012) 1. Introducción La población activa aragonesa se ha reducido desde el máximo histórico alcanzado en 2008 Durante el último

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

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

UNIDADES FUNCIONALES DEL ORDENADOR TEMA 3

UNIDADES FUNCIONALES DEL ORDENADOR TEMA 3 UNIDADES FUNCIONALES DEL ORDENADOR TEMA 3 INTRODUCCIÓN El elemento hardware de un sistema básico de proceso de datos se puede estructurar en tres partes claramente diferenciadas en cuanto a sus funciones:

Más detalles

x 10000 y 8000 x + y 15000 a) La región factible asociada a las restricciones anteriores es la siguiente: Pedro Castro Ortega lasmatematicas.

x 10000 y 8000 x + y 15000 a) La región factible asociada a las restricciones anteriores es la siguiente: Pedro Castro Ortega lasmatematicas. Pruebas de Acceso a Enseñanzas Universitarias Oficiales de Grado (PAEG) Matemáticas aplicadas a las Ciencias Sociales II - Septiembre 2012 - Propuesta A 1. Queremos realizar una inversión en dos tipos

Más detalles

UNA EXPERIENCIA SOBRE EL TRATAMIENTO DE LAS FRACCIONES EN LA ESCUELA PRIMARIA EN CUBA.

UNA EXPERIENCIA SOBRE EL TRATAMIENTO DE LAS FRACCIONES EN LA ESCUELA PRIMARIA EN CUBA. UNA EXPERIENCIA SOBRE EL TRATAMIENTO DE LAS FRACCIONES EN LA ESCUELA PRIMARIA EN CUBA. Celia Rizo Cabrera, Universidad Autónoma de Guerrero, Chilpancingo (Guerrero), luis.campistrous@yahoo.com.mx Luis

Más detalles

MÁQUINAS DE VECTORES DE SOPORTE

MÁQUINAS DE VECTORES DE SOPORTE MÁQUINAS DE VECTORES DE SOPORTE Introducción Se tiene información de N individuos codificada de la forma Las variables X son vectores que reúnen información numérica del individuo, las variables Y indican

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

Tema 6: Problemas Especiales de Programación Lineal

Tema 6: Problemas Especiales de Programación Lineal Tema 6: Problemas Especiales de Programación Lineal Transporte Asignación Transbordo Tienen una estructura especial que permite modelizar situaciones en las que es necesario: Determinar la manera óptima

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

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

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

ESTUDIO DE LA VIABILIDAD DEL SISTEMA

ESTUDIO DE LA VIABILIDAD DEL SISTEMA ESTUDIO DE LA VIABILIDAD DEL SISTEMA Como ya sabemos el objetivo del estudio de viabilidad del sistema es el análisis de un conjunto concreto de necesidades para proponer una solución a corto plazo, que

Más detalles

ESTUDIO SOBRE USO DE TEXTOS ESCOLARES EN ENSEÑANZA MEDIA RESUMEN EJECUTIVO

ESTUDIO SOBRE USO DE TEXTOS ESCOLARES EN ENSEÑANZA MEDIA RESUMEN EJECUTIVO Ministerio de Educación Equipo de Seguimiento a la Implementación Curricular Unidad de Currículum y Evaluación ESTUDIO SOBRE USO DE TEXTOS ESCOLARES EN ENSEÑANZA MEDIA RESUMEN EJECUTIVO En septiembre de

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

Scheduling Problem. Cuándo y dónde debo hacer cada trabajo?

Scheduling Problem. Cuándo y dónde debo hacer cada trabajo? Scheduling Problem Cuándo y dónde debo hacer cada trabajo? Ejemplos de problemas de asignación de recursos Fabricación de varios tipos de productos Asignación de turnos de trabajo Inversión financiera

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

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

PROGRAMACIÓN DEPARTAMENTO ADMINISTRATIVO MATERIA GESTIÓN DE APROVISIONAMIENTO CICLO FORMATIVO DE GRADO SUPERIOR ADMINISTRACIÓN Y FINANZAS PRIMER CURSO

PROGRAMACIÓN DEPARTAMENTO ADMINISTRATIVO MATERIA GESTIÓN DE APROVISIONAMIENTO CICLO FORMATIVO DE GRADO SUPERIOR ADMINISTRACIÓN Y FINANZAS PRIMER CURSO 1 PROGRAMACIÓN DEPARTAMENTO ADMINISTRATIVO MATERIA GESTION DE APROVISIONAMIENTO CICLO FORMATIVO DE GRADO SUPERIOR ADMINISTRACIÓN Y FINANZAS PRIMER CURSO I.E.S. PEDRO DE TOLOSA SAN MARTÍN DE VALDEIGLESIAS

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

MATEMÁTICAS PARA LA ECONOMIA II G.E.C.O. Curso 2012/2013

MATEMÁTICAS PARA LA ECONOMIA II G.E.C.O. Curso 2012/2013 MATEMÁTICAS PARA LA ECONOMIA II G.E.C.O. Curso 2012/2013 Relación de Ejercicios N o 3 1. Resolver los siguientes programas lineales primero gráficamente y después por el método del simplex. (a) Z = x +

Más detalles

El outsourcing o tercerización u operador logístico

El outsourcing o tercerización u operador logístico El outsourcing o tercerización u operador logístico Es una de la mega tendencia en los tiempos de la globalización que cada día toma mayor auge en el mundo empresarial y consiste básicamente en la contratación

Más detalles

CAPÍTULO IV METODOLOGÍA PARA EL CONTROL DE INVENTARIOS. En este capítulo se presenta los pasos que se siguieron para la elaboración de un sistema de

CAPÍTULO IV METODOLOGÍA PARA EL CONTROL DE INVENTARIOS. En este capítulo se presenta los pasos que se siguieron para la elaboración de un sistema de CAPÍTULO IV METODOLOGÍA PARA EL CONTROL DE INVENTARIOS En este capítulo se presenta los pasos que se siguieron para la elaboración de un sistema de inventarios para lograr un control de los productos.

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

LOS EMPLEADORES Y LOS TITULADOS DE LA UNIVERSIDAD POLITÉCNICA DE VALENCIA

LOS EMPLEADORES Y LOS TITULADOS DE LA UNIVERSIDAD POLITÉCNICA DE VALENCIA LOS EMPLEADORES Y LOS TITULADOS DE LA UNIVERSIDAD POLITÉCNICA DE VALENCIA D. José Carlos Ayats,* D. Pedro Zamora,** Rafael Desantes.** *Vicerrectorado de Empleo, **Servicio Integrado de Empleo rdesante@sie.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

ELECTRÓNICA DIGITAL. Sistemas analógicos y digitales.

ELECTRÓNICA DIGITAL. Sistemas analógicos y digitales. ELECTRÓNICA DIGITAL El tratamiento de la información en electrónica se puede realizar de dos formas, mediante técnicas analógicas o mediante técnicas digitales. El analógico requiere un análisis detallado

Más detalles

Las computadoras analógicas no computan directamente, sino que perciben constantemente valores, señales o magnitudes físicas variadas.

Las computadoras analógicas no computan directamente, sino que perciben constantemente valores, señales o magnitudes físicas variadas. Clasificación de las computadoras Análoga: Las computadoras analógicas no computan directamente, sino que perciben constantemente valores, señales o magnitudes físicas variadas. Características de las

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

Gestión de compras T.6

Gestión de compras T.6 Gestión de compras T.6 Contenido 1 FUNCIÓN DEL APROVISIONAMIENTO... 2 2 IMPORTANCIA DE UNA BUENA POLÍTICA DE APROVISIONAMIENTO... 2 3 EL DEPARTAMENTO DE COMPRAS... 3 A) FUNCIÓN DE COMPRA... 3 B) FUNCIÓN

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

PROBLEMAS DE SIMULACIÓN PARA RESOLVER POR EL MÉTODO DE MONTECARLO.

PROBLEMAS DE SIMULACIÓN PARA RESOLVER POR EL MÉTODO DE MONTECARLO. PROBLEMAS DE SIMULACIÓN PARA RESOLVER POR EL MÉTODO DE MONTECARLO. PROBLEMA 1 A un puerto de carga y descarga de material, llegan durante la noche los barcos, que serán descargados durante el día siguiente.

Más detalles

EXPERIENCIA DIDÁCTICA DE FÍSICA PARA DETERMINAR LA CONSTANTE ELÁSTICA DE UN MUELLE

EXPERIENCIA DIDÁCTICA DE FÍSICA PARA DETERMINAR LA CONSTANTE ELÁSTICA DE UN MUELLE EXPERIENCIA DIDÁCTICA DE FÍSICA PARA DETERMINAR LA CONSTANTE ELÁSTICA DE UN MUELLE AUTORÍA MARÍA FRANCISCA OJEDA EGEA TEMÁTICA EXPERIMENTO FÍSICA Y QUÍMICA, APLICACIÓN MÉTODO CIENTÍFICO ETAPA EDUCACIÓN

Más detalles

CAD LOGISTICS SYSTEM S. PreparadoporHLA MATERIAL HANDLING ENGINEERIN CAD LOGISTICS COMPUTER-AIDED ANIMATIO NSOFTWARE

CAD LOGISTICS SYSTEM S. PreparadoporHLA MATERIAL HANDLING ENGINEERIN CAD LOGISTICS COMPUTER-AIDED ANIMATIO NSOFTWARE Porqué parala logística? MODELING COMPUTER G ANIMATIO N MATERIAL HANDLING ENGINEERIN TOOLSGEOMETRY SYSTEM S DRAUGHTING PreparadoporHLA Presentación en la logística Utilización de Creación y gestión de

Más detalles

Unidad 6 Estudio gráfico de funciones

Unidad 6 Estudio gráfico de funciones Unidad 6 Estudio gráfico de funciones PÁGINA 96 SOLUCIONES Representar puntos en un eje de coordenadas. 178 Evaluar un polinomio. a) b) c) d) e) Escribir intervalos. a) b) c) 179 PÁGINA 98 SOLUCIONES 1.a)

Más detalles

UN MODELO PARA LA PREDICCIÓN DE RECIDIVA DE PACIENTES OPERADOS DE CÁNCER DE MAMA (CMO) BASADO EN REDES NEURONALES

UN MODELO PARA LA PREDICCIÓN DE RECIDIVA DE PACIENTES OPERADOS DE CÁNCER DE MAMA (CMO) BASADO EN REDES NEURONALES UN MODELO PARA LA PREDICCIÓN DE RECIDIVA DE PACIENTES OPERADOS DE CÁNCER DE MAMA (CMO) BASADO EN REDES NEURONALES José Alejandro Chiri Aguirre RESUMEN La predicción de recidiva en pacientes que han sido

Más detalles

EADIC Escuela Técnica Especializada Monografía Movimientos de Tierras: Procesos y finalidad

EADIC Escuela Técnica Especializada Monografía Movimientos de Tierras: Procesos y finalidad EADIC Escuela Técnica Especializada Monografía Movimientos de Tierras: Procesos y finalidad Contenido 1 PISTAS... ERROR! MARCADOR NO DEFINIDO. 1.1 Emplazamiento y orientación de las pistas... Error! Marcador

Más detalles

Covarianza y coeficiente de correlación

Covarianza y coeficiente de correlación Covarianza y coeficiente de correlación Cuando analizábamos las variables unidimensionales considerábamos, entre otras medidas importantes, la media y la varianza. Ahora hemos visto que estas medidas también

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

Escuela Politécnica Superior. Organización Empresarial y Proyectos. Capítulo 6. daniel.tapias@uam.es. Dr. Daniel Tapias Curso 2014/ 15 PROYECTOS

Escuela Politécnica Superior. Organización Empresarial y Proyectos. Capítulo 6. daniel.tapias@uam.es. Dr. Daniel Tapias Curso 2014/ 15 PROYECTOS Escuela Politécnica Superior Organización Empresarial y Proyectos Capítulo 6 Dr. Daniel Tapias Curso 2014/ 15 daniel.tapias@uam.es PROYECTOS PROGRAMA DE LA ASIGNATURA Capítulo 1: Introducción. Capítulo

Más detalles

INSTRODUCCION. Toda organización puede mejorar su manera de trabajar, lo cual significa un

INSTRODUCCION. Toda organización puede mejorar su manera de trabajar, lo cual significa un INSTRODUCCION Toda organización puede mejorar su manera de trabajar, lo cual significa un incremento de sus clientes y gestionar el riesgo de la mejor manera posible, reduciendo costes y mejorando la calidad

Más detalles

Un algoritmo genético híbrido para resolver el EternityII. Rico, Martin; Ros, Rodrigo Directora: Prof. Dra. Irene Loiseau

Un algoritmo genético híbrido para resolver el EternityII. Rico, Martin; Ros, Rodrigo Directora: Prof. Dra. Irene Loiseau Un algoritmo genético híbrido para resolver el EternityII Rico, Martin; Ros, Rodrigo Directora: Prof. Dra. Irene Loiseau Temas Temas Introducción Eternity II Historia Descripción Demo Metaheurísticas Algoritmos

Más detalles

Problemas fáciles y problemas difíciles. Cuando a los niños les planteamos problemas de suma y resta, Laura dejó sin resolver el siguiente problema:

Problemas fáciles y problemas difíciles. Cuando a los niños les planteamos problemas de suma y resta, Laura dejó sin resolver el siguiente problema: Problemas fáciles y problemas difíciles Alicia Avila Profesora investigadora de la Universidad Pedagógica Nacional Cuando a los niños les planteamos problemas de suma y resta, Laura dejó sin resolver el

Más detalles

Problemas Resueltos de Desigualdades y Programación Lineal

Problemas Resueltos de Desigualdades y Programación Lineal Universidad de Sonora División de Ciencias Exactas y Naturales Departamento de Matemáticas. Problemas Resueltos de Desigualdades y Programación Lineal Para el curso de Cálculo Diferencial de Químico Biólogo

Más detalles

Generalidades Computacionales

Generalidades Computacionales Capítulo 2 Generalidades Computacionales 2.1. Introducción a los Computadores Definición: Un computador es un dispositivo electrónico que puede transmitir, almacenar, recuperar y procesar información (datos).

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

GUÍA DE TRABAJO Tecnología en Sistemas de Información

GUÍA DE TRABAJO Tecnología en Sistemas de Información 1. IDENTIFICACIÓN Asignatura Laboratorio Lógica y Programación Guía No. 1 Área Básica de la Ingeniería Nivel II Código LLI22 Pensum 10 Correquisito(s) LPI24 Prerrequisito(s) Créditos 2 TPS 2 TIS 4 TPT

Más detalles

Secuencias definidas de manera recursiva

Secuencias definidas de manera recursiva LECCIÓN CONDENSADA 1.1 Secuencias definidas de manera recursiva En esta lección Escribirás definiciones y fórmulas recursivas para patrones y secuencias Aprenderás a reconocer y escribir fórmulas para

Más detalles

ANÁLISIS DE UN JUEGO DE CARTAS: LAS SIETE Y MEDIA

ANÁLISIS DE UN JUEGO DE CARTAS: LAS SIETE Y MEDIA ANÁLISIS DE UN JUEGO DE CARTAS: LAS SIETE Y MEDIA MaMaEuSch (Management Mathematics for European School) http://www.mathematik.uni-kl.de/~mamaeusch/ Modelos matemáticos orientados a la educación Clases

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

GESTIÓN BÁSICA DE ALMACENAMIENTO III. Por CARLOS FELIPE VALENCIA ESPECIALISTAS EN LOGÍSTICA INTEGRAL:

GESTIÓN BÁSICA DE ALMACENAMIENTO III. Por CARLOS FELIPE VALENCIA ESPECIALISTAS EN LOGÍSTICA INTEGRAL: GESTIÓN BÁSICA DE ALMACENAMIENTO III Por CARLOS FELIPE VALENCIA ESPECIALISTAS EN LOGÍSTICA INTEGRAL: Cadena de Valor - Diplomado en Fortalecimiento Empresarial 2013 CONTENIDO TEMÁTICO Planificación de

Más detalles

Administración de Empresas. 11 Métodos dinámicos de evaluación de inversiones 11.1

Administración de Empresas. 11 Métodos dinámicos de evaluación de inversiones 11.1 Administración de Empresas. 11 Métodos dinámicos de evaluación de inversiones 11.1 TEMA 11: MÉTODOS DINÁMICOS DE SELECCIÓN DE INVERSIONES ESQUEMA DEL TEMA: 11.1. Valor actualizado neto. 11.2. Tasa interna

Más detalles

Capitulo V Administración de memoria

Capitulo V Administración de memoria Capitulo V Administración de memoria Introducción. Una de las tareas más importantes y complejas de un sistema operativo es la gestión de memoria. La gestión de memoria implica tratar la memoria principal

Más detalles

Justo a tiempo JIT. La filosofía del "justo a tiempo" se fundamenta principalmente en:

Justo a tiempo JIT. La filosofía del justo a tiempo se fundamenta principalmente en: Justo a tiempo JIT El sistema justo a tiempo, comenzó como el sistema de producción de la empresa Toyota por el año 1976 buscando mejorar la flexibilidad de los procesos fabriles como respuesta al descenso

Más detalles

Claves para optimizar la gestión financiera de STOCKS. Control de Gestión

Claves para optimizar la gestión financiera de STOCKS. Control de Gestión [.estrategiafinanciera.es ] Claves para optimizar la gestión financiera de STOCKS El responsable financiero ha de coordinar las áreas encargadas de la gestión operativa de almacenes asesorando sobre las

Más detalles

Tema 7: Optimización sobre Redes Muchos de los problemas de Investigación Operativa pueden modelizarse y resolverse sobre un grafo: conjunto de

Tema 7: Optimización sobre Redes Muchos de los problemas de Investigación Operativa pueden modelizarse y resolverse sobre un grafo: conjunto de Tema 7: Optimización sobre Redes Muchos de los problemas de Investigación Operativa pueden modelizarse y resolverse sobre un grafo: conjunto de vértices o nodos conectados con arcos y/o aristas. Diseñar

Más detalles

Unidad 7. Administración de inventarios. Objetivos específicos de aprendizaje

Unidad 7. Administración de inventarios. Objetivos específicos de aprendizaje Unidad 7 Administración de inventarios Objetivos específicos de aprendizaje Al terminar de estudiar este capítulo, el estudiante será capaz de: Explicar el concepto de inventarios. Explicar el concepto

Más detalles

E-PROCUREMENT PARA FACILITAR LA INTEGRACIÓN EN LA SUPPLY CHAIN

E-PROCUREMENT PARA FACILITAR LA INTEGRACIÓN EN LA SUPPLY CHAIN E-PROCUREMENT PARA FACILITAR LA INTEGRACIÓN EN LA SUPPLY CHAIN Con cada vez mayores presiones de la competencia, cada vez más las empresas utilizan las adquisiciones electrónicas (eprocurement) en un intento

Más detalles

forma de entrenar a la nuerona en su aprendizaje.

forma de entrenar a la nuerona en su aprendizaje. Sistemas expertos e Inteligencia Artificial,Guía5 1 Facultad : Ingeniería Escuela : Computación Asignatura: Sistemas expertos e Inteligencia Artificial Tema: SISTEMAS BASADOS EN CONOCIMIENTO. Objetivo

Más detalles

Matemáticas 2º BTO Aplicadas a las Ciencias Sociales

Matemáticas 2º BTO Aplicadas a las Ciencias Sociales Matemáticas 2º BTO Aplicadas a las Ciencias Sociales CONVOCATORIA EXTRAORDINARIA DE JUNIO 2014 MÍNIMOS: No son contenidos mínimos los señalados como de ampliación. I. PROBABILIDAD Y ESTADÍSTICA UNIDAD

Más detalles

Figura (1) diagrama del PHVA aplicado a la Metodología a de las 5 S

Figura (1) diagrama del PHVA aplicado a la Metodología a de las 5 S 6.6 Seguimiento El proceso de seguimiento dentro de la implementación de la metodología de las 5 S, requiere, antes que nada, tener una comprensión clara y un concepto uniforme, de qué significa cada uno

Más detalles

CAPITULO III A. GENERALIDADES

CAPITULO III A. GENERALIDADES CAPITULO III INVESTIGACION DE CAMPO SOBRE EL DISEÑO DE UN SISTEMA AUTOMATIZADO DE CONTROL INVENTARIO Y EXPEDIENTES DE MENORES DE EDAD PARA EL CENTRO DE DESARROLLO INTEGRAL LA TIENDONA EN LA ZONA METROPOLITANA

Más detalles

TEMA 6: SEGUIMIENTO, CONTROL Y EJECUCION DE UN PROYECTO.

TEMA 6: SEGUIMIENTO, CONTROL Y EJECUCION DE UN PROYECTO. TEMA 6: SEGUIMIENTO, CONTROL Y EJECUCION DE UN PROYECTO. En la línea temporal de un proyecto tenemos las siguientes partes o eventos: INICIO CIERRE COBRO/EXPOSICION Los elementos necesarios para empezar

Más detalles

UNIVERSIDAD DE ORIENTE UNIVO FACULTAD DE CIENCIAS ECONÓMICAS

UNIVERSIDAD DE ORIENTE UNIVO FACULTAD DE CIENCIAS ECONÓMICAS CAPITULO IV 4.0- ANÁLISIS DE RESULTADOS 4.1- CEDULA DE ENTREVISTA UNIVERSIDAD DE ORIENTE UNIVO FACULTAD DE CIENCIAS ECONÓMICAS Entrevista dirigida al: Director del Complejo Educativo Sor Cecilia Santillana

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

QUÉ SIGNIFICA APRENDER A DIVIDIR?

QUÉ SIGNIFICA APRENDER A DIVIDIR? 1º MOMENTO QUÉ SIGNIFICA APRENDER A DIVIDIR? CÓMO PODEMOS INTRODUCIR LA DIVISIÓN? El pirata Barbanegra se refugia en el puerto y tiene que pagar 8 monedas de oro por día. Tiene 50 monedas, cuántos días

Más detalles